【点击下方图片，获得更多资讯】

摘要

本报告由学者易君健与周子煜撰写。报告指出，中国在人工智能基础研究、专利授权及产业应用上进展迅猛，但传统人力资本理论面临挑战。文章引入“任务-技能分析框架”，通过自动化、任务替代互补、新任务创造及全要素生产率提升四大效应，解析AI对劳动力需求的影响。

同时强调，该框架缺乏对市场参与主体决策行为的刻画，提出应将企业、劳动者与家庭的决策纳入统一均衡分析，以全面理解技术进步与人力资本互动的复杂机制。

任务-技能框架的核心机制

报告详细阐述了任务-技能分析框架，以解释技术进步对劳动力市场的影响。该框架将生产过程分解为具体任务，突破了传统模型中技术进步必然提升所有要素需求的局限。

技术进步通过四种路径产生影响：资本在单个任务层面对特定劳动技能的自动化替代；异质性改变各任务生产率，引致任务间替代或互补；创造需求新技能的全新任务；以及整体提升全要素生产率。这为理解部分技能绝对需求下降现象提供了精准工具。

AI时代人力资本的需求特征

生成式AI的通用性使传统任务分类失效，学界转向计算职业对AI的暴露度。研究表明，AI影响范围极广，高教育、高收入及白领职业面临更高的暴露度，但同时也具备较强的互补潜力。

实证分析显示，AI辅助能显著提升生产效率并缩小技能差异。在劳动力需求端，AI呈现出“去技能化”与“再技能化”并存的格局，既替代常规技能，也催生对数字素养、团队协作等互补性新技能的需求。

从需求分析迈向均衡分析

报告指出传统框架的关键缺陷在于对各行为主体决策的描述不足，导致微观与宏观实证结果存在分歧。通过启发性案例证明，企业间的竞争将导致AI技术采纳决策出现分化，从而改变劳动力雇佣模式；劳动者也会基于预期收益在不同地区、行业间进行迁移或技能投资决策。

未来研究必须将创新者、企业、家庭和劳动者的决策纳入均衡体系，以精确捕捉技术进步与人力资本配置的动态互动。

经济增长与收入分配的双重效应

AI对宏观经济的影响体现在增长与分配两个维度。增长方面，AI可能改变知识生产函数，缓解或加剧创新耗竭问题，重塑长期增长动力。

分配方面，自动化效应与任务重组将冲击劳动收入份额；同时，技能异质性冲击会导致代际、地区及教育水平间的收入显著分化，且这些分化往往相互强化，形成累积效应，对社会公平构成严峻挑战。

总结

本报告构建了适应AI时代特征的中国人力资本研究框架，从任务-技能视角出发，强调了微观主体自主决策在塑造劳动力市场均衡中的关键作用。

面对AI对经济增长与收入分配的双重影响，政策制定需在促进创新与维护公平间寻求动态平衡，构建灵活的政策框架以应对技术变革带来的复杂社会经济后果。

更多详情见报告。

引用报告(部分)

【行业报告参考】

《2026人工智能时代的中国人力资本研究报告》

【今日公众号分享报告】

《毕马威2026全球技术报告：消费与零售——规模化AI而不牺牲信任》

《2026中国地方政府债券绿色化撬动全球绿色资本的关键路径研究报告》

《2026人工智能时代的中国人力资本研究报告》