【对话】人工智能对中国劳动力市场的潜在影响—

题记：2024年6月16日下午，北大国发院朗润·格政第186期在承泽园举行。本次论坛由北大国发院、劳动经济学会人工智能与灵活就业专委会、岭鹏产业与创新研究院共同主办，特别邀请到第十四届全国政协委员、上海交大中国发展研究院执行院长、上海交大安泰经济与管理学院特聘教授、教育部长江学者陆铭，北大博雅青年学者、国发院副院长，教育部长江青年学者张丹丹，上海大学副教授、上海交大中国发展研究院特聘研究员、岭鹏产业与创新研究院院长向宽虎，北大博雅青年学者、国发院经济学教授、中国公共财政研究中心主任李力行，苏州迪克视觉有限公司总经理陆骏，北大国发院副研究员朱丽，北大国发院助理教授胡佳胤，北大国发院助理教授、南南学院助理教授于航，共同讨论人工智能对中国劳动力市场的潜在影响。本文根据论坛的圆桌对话环节内容整理。对话由北大国发院副研究员、智库中心副主任王勋主持。

王勋：想请教陆铭老师，在当前经济环境下，地方政府普遍面临财政紧张的挑战，部分地区的财政压力尤为显著。鉴于此，地方政府应如何有效且稳健地推动保障房的供给工作？

陆铭：实际上，地方政府即便在财政资源有限的情况下，也能通过优化资源配置，实现保障房的有效供给。过往，为了维护市场秩序，政府可能已投入大量资金于非必要的领域，如拆迁成本高昂的老旧房屋、监管租赁地下室行为、拆除违章建筑等。这些支出若能有效缩减或重新分配，转而用于增加住房供给，将更为直接且高效地解决住房问题。因此我建议，政府在财政紧张时，应聚焦核心任务，减少非必要开支。另外，对于人口流入和流出地要差别对待。人口大量流入的城市，保障性住房需求大，可以通过政府负债来筹资，而在人口大量流出的城市，保障性住房需求少，如果财力紧张，则不一定要建保障性住房。

王勋：在我的理解中，张丹丹老师的研究成果似乎暗示了人工智能对中端技能劳动者的影响尤为显著。然而，根据普遍认知，人工智能的替代效应通常遵循从低端技能到中端技能，再到高端技能的渐进过程。想请张老师深入介绍一下。

张丹丹：显然，这一现象挑战了某些直观认知。根据陆骏老师所述，他的研究更为明晰地发现，人工智能的应用增加了对低技能劳动者的需求，而中间技能劳动者则更可能受到替代效应的影响，从而导致技能需求在低和高两端呈现增长趋势。在制造业劳动力市场中，这一现象尤为显著：随着机器设备的引入，人类劳动力更多地被分配到那些机器难以触及或处理的细微环节上。

以新能源汽车轮毂打磨为例，尽管约90%的打磨工作已实现自动化，但轮毂边缘及形状复杂的部分仍需依赖人工完成。这些任务对技能的要求相对较低，从而在一定程度上增加了对低技能劳动力的需求。

我们利用CEGS数据分析人工智能及自动化技术对就业的影响时，并未发现这些技术对低端就业产生显著冲击。实际上，尽管部分岗位被自动化替代，但同时也催生了新的、对技能要求更低的就业机会，因此，就业水平从整体上看并未出现明显下降。这一发现与企业层面的观察结果相吻合。与美国的制造业机械化生产线及机器人导致就业大量减少的情况形成对比，在中国目前尚未出现类似的大规模就业减少现象。

听众提问：创新药物的研发是一个极其复杂且资源密集的过程，涉及巨额的资金、资本及时间投入。这不仅关乎企业的生存与发展，更是影响我国制药行业创新能力与全球竞争力的重要因素。在此背景下， AI在制药研发领域将面临的瓶颈及未来可能存在的风险有哪些？

陆铭：我尝试从经济学角度对您的提问进行解析。经济学家当前关注的焦点，并非仅限于医药行业所面临的特定问题，而是更为广泛地关注中国整体技术进步。

中国在AI等新兴领域的创新能力与国外的差距逐渐扩大。这一现象体现在独角兽公司增长速度的放缓，以及独角兽公司数量与美国相比的显著差距上。我在两会期间提交的一项提案正是围绕这一议题，并引起了国内外广泛关注。

在探讨这一问题的根源时，我们发现资金端存在显著障碍。首先，众多原本投资于中国的外国资金选择撤离，而国内虽然不乏大量资金投入，但相当比例为国有资金。国有资金的管理往往伴随着严格的绩效考核机制，对投资亏损有着严格的限制，这与创新的本质逻辑存在冲突。创新本质上是一种高风险高回报的活动，允许一定数量的失败是成功的必然前提。然而，在国有资金的管理体系下，若投资项目中多数失败，决策者可能会面临问责风险，这导致国有资金倾向于回避高风险、可能失败的创新项目。

此外，尽管这一问题在医药领域可能表现不一，但在生成式人工智能等前沿领域，数据基础的不足和质量问题同样显著。具体而言，中国底层数据库的开放程度不足，且已开放数据库的数据质量亦有待提高。事实上，相较于英文数据库，中文数据库在科学性、精准性和创新性方面存在明显差距。这种情况在医药领域也可能存在，例如，同样的研究成果在中文和英文文献中的呈现质量可能存在差异，进而限制了相关领域的创新发展。以上从经济学视角出发，希望部分解答了您的问题，尽管这些分析可能并不完全针对医药行业。

陆骏：虽然我并非医药行业的专家，但我想基于个人理解分享几点看法。医药行业在小分子药物研发阶段展现出了显著的优势。这一优势主要源于药物研发过程中能够利用先进技术不断计算并优化药物分子的各种结构，从而大大缩短了以往因缺乏此类技术而需耗费的大量时间。

目前该领域面临着两大挑战。首先，目前数字孪生技术在人体上的应用尚未达到成熟水平，因此，新药研发中必不可少的一期、二期、三期临床试验仍需按常规进行。若未来技术能取得突破性进展，或许能在一定程度上减少动物试验的需求，而前期的数字孪生技术也有望在这一领域发挥更大作用。

其次，当前的药物研发多基于已知的科学知识，通过对现有分子结构基团的功能的理解通过对结构的修饰来推动药物研发进程。基础理论和基础知识在一定程度上限制了药物研发的原创性和突破性。

听众提问：第一个问题请教陆铭老师，关于您在演讲中谈的近场服务工作效率的提升。当前无人配送技术日益成熟，未来甚至可能见到人形机器人在该领域的应用。面对这样的AI发展趋势，您是否担忧这些技术会逐步替代相关劳动力？第二个问题请教张丹丹老师。您提及美国与中国的劳动力替代层次存在显著差异。这一差异背后的原因是什么？

陆铭：您的问题极具洞察力，特别是针对我们今天的报告。首先，关于AI对就业的影响，我认为这一表述需要细化。就业这一概念既可指个体劳动者，也可指工作岗位或行业层面。我更倾向于认为，新技术的引入主要替代的是某些具体岗位，而非全面取代整个行业的劳动力，更不必说对整个行业的就业需求造成普遍性的负面影响。

基于此，无人机、智能配送、无人商店等新兴技术的应用确实会替代某些具体岗位，但这种替代并不等同于对行业就业总量的削减。相反，新技术的引入往往能激发新的需求，进而带动就业增长。例如，配送效率的提升可能促使原本因效率顾虑而选择自行烹饪的消费者转而依赖外卖服务，从而在外卖行业中创造更多就业机会。这种现象在服务业中尤为明显，体现了不同职业间的互补性，而非单纯的替代关系。

进一步而言，我们在讨论替代效应时，往往忽视了在某些特定行业，尤其是服务业中，互补性可能远超替代性。在制造业，尤其是标准化生产领域，替代效应或许更为显著，但在服务业，新技术往往能催生新的服务模式和就业形态，实现就业总量的净增长。因此，尽管制造业就业岗位可能因技术进步而减少，但服务业却因技术的互补性而持续扩张。

此外，近场服务业的特性，如服务供给与需求在空间距离上的紧密性，以及对人口密度的依赖，决定了某些职业（如家政服务员）不会轻易被新技术所替代。这进一步印证了技术变化对服务业就业结构的深远影响，并非简单的替代，而是更为复杂的互补与重构。

最后我想强调的是，技术变革非但没有削弱服务业的重要性，反而使其在某些方面变得更加关键。尽管今日无法深入阐述这一领域的研究，但我的初步结论是：面对技术变迁，服务业不仅未失其重要性，反而更加凸显其在社会经济结构中的基石作用。

张丹丹：关于AI在中美两国研究中的差异，就制造业而言，我们的研究似乎显示，在中国，自动化机器人的应用对就业产生了正面影响，而在美国则表现为负面影响。这一发现与普遍认知有偏差。进一步地，在AI应用层面，美国企业层面上的研究显示，AI使用的增加带动了劳动需求的增长，而我们的研究（包括我与于航老师等四人的共同研究）则得出了相反的结论。在美国，自动化导致了就业减少，而在中国，自动化却促进了就业增长；同时，中国的AI应用对就业产生了负面影响，而美国的AI应用则看似具有正面效应。

关于中美研究差异的原因，这是一个值得深入探讨的问题。可能的原因之一是美国AI技术的快速进步激发了新的市场需求，例如AI能够高效完成插画工作，虽然可能降低了插画师的职业市场价格，但总体上增加了对插画服务的需求。

陆铭：我的理解是，这一现象可以归结为两个主要效应。首先，从开放经济的视角来看，以插画师行业为例，若美国利用AI进行插画创作能显著提升效率，那么它可能吸引全球的插画需求汇聚至美国，进而在美国本土催生对插画师更大的需求。这是技术效率提升带来的需求集中效应。

至于中国为何出现相反的效应，可能由于中国在AI技术的开放与应用上相对保守，未能显著提升劳动力生产效率，反而因美国等国的技术进步更高，导致部分原本可能在国内完成的工作被外包至国外。

第二个效应，随着中国服务业部门的崛起，以及AI技术在服务业的广泛应用，创造了大量新的就业岗位，吸引了原本从事制造业的劳动力转向服务业。相对而言，AI对制造业就业岗位的冲击较大。

张丹丹：我注意到李力行老师的研究显示，在中美比较中，中国的增长在城市和行业层面更为显著，这与我们的结论存在一定差异。我对此感到好奇，并希望了解李老师是如何得出这一结论的。

李力行：我们在报告中深入探讨了技术替代的多维度影响，这些维度涵盖了个人、公司以及社会层面。在公司层面，我们关注的是企业如何运用新技术来适应市场需求，这种适应过程可能涉及人员调整或新技术的研发与应用。而在社会层面，我们则考察新技术应用后是否催生了新的市场需求。基于这些不同层面的考量，我们的研究也相应地在各个层面展开。

以上市公司为例，这些公司作为持续运营且表现优异的代表，往往倾向于采纳新技术以驱动增长。若某项技术未能带来预期的增长效应，它们则可能选择不采纳。因此，在针对上市公司的研究中，我们往往能观察到技术替代带来的正面效果。然而，要获得完整的研究结论，还需考虑企业的动态变化，包括企业的进步与退出，以及不同层面（如个人、职业、公司、城市及行业）上的具体表现。在我们的研究中，针对上市公司，我们确实发现了AI投资的增长趋势，这与美国的两篇相关研究成果相一致。

胡佳胤：在探讨中美AI发展的对比时，我们之前的报告已略有触及。若深入分析AI的发展态势，不难发现美国与中国之间存在着显著的差异。简而言之，美国更多地聚焦于AI的研发与上游技术，而中国则更倾向于技术的实际应用与落地。这种差异导致了在中国，AI技术的替代效应更为显著，因为它往往直接应用于现有产业的转型升级，从而加剧了就业市场的变化。相反，在美国，AI的发展为整个行业带来了新的起点，促进了新兴需求的涌现，进而增强了工作的创造效应，而相对减弱了直接的替代效应。这一现象与全球价值链分工的原理相呼应，即在当前的AI技术浪潮中，中国可能在技术研发与上游产业链的环节上面临着更大的追赶压力。

有一个关键点特别值得深入探讨。若从AI研发人员的整体占比来考量，中国无疑处于相对较低的水平。此外，这一领域的发展不仅涉及从业人员数量的增加，更涵盖了学术界、科研机构与产业界的深度融合，以及软硬件技术的全面支撑，共同构成了一个庞大的产业集群。因此，这一方面的现状及其发展趋势，是我们必须高度关注的重要议题。

另外，关于服务业，众所周知，美国的服务业价格高昂，人力成本尤为显著。若从需求驱动的角度分析，我们或许需要深入比较为何在美国，尽管服务业工资水平远超中国，却并未出现与中国截然不同的就业或经济状况。

听众提问：我的问题涉及岗位替代与岗位互补的复杂现象。当前，我们的分析多聚焦于岗位本身，但这一分析单位的选择有待商榷。部分岗位职能正被人工智能逐步替代，而剩余岗位内容之间的关系也呈现出新的结构性变化。这种变化的一个显著标志是，大型企业频繁进行岗位调整，三年内未曾进行部门调整的大型企业几乎难以寻觅。因此，我倾向于认为，深入探讨人工智能与劳动力之间的动态关系时，将分析维度细化至“岗位内容”层面，或许是更为精准的切入点，不仅有助于我们理解岗位内容的变迁，还能深刻反映人工智能与人类智能在劳动力市场中相互作用、相互影响的复杂图景。

朱丽：您提的问题很好。您提及的在岗位内容层面，细分之下我们正在进一步分解到人的技能。因为从事组织行为与人力资源管理领域研究，自2023年3月起，我们便开始聚焦于岗位内容中人的技能重构主题，并与国内一家大型招聘平台展开了深度合作。我们的研究重点在于人工智能的出现，如何影响岗位人员聘用过程中，对员工的AI相关硬技能和软技能的需求。我们观察到，随着AI技术要求的不断提升，仅仅掌握AI技术技能已不足以使员工在时代洪流中立足，他们还需具备一系列软性能力。

为此，我们针对特定岗位的工作任务进行了AI暴露指数的测算，通过综合分析岗位中各项任务的组合情况，来评估AI技术对这些岗位的具体影响。进一步地，我们还研究了这种影响如何体现在员工的薪酬上，以及当员工同时拥有扎实的AI硬技能和出众的软技能时，其职业发展将呈现何种态势。在企业内部实践中，我们也注意到了具备AI硬技能的同时具备软技能的重要性。那些不仅具备AI技术能力，还能与公司内部各部门及上下级之间保持良好互动的员工，往往能获得更多的发展机会和更广阔的职业空间。

于航：您的这一问题让我们四位合作者倍感振奋。在我们着手进行当前这项研究之初，核心假设便是AI将深刻改变工作内容。为了验证这一假设，我们深入分析了工作广告的内容变化，旨在通过对比同一职位在五年前与五年后的招聘广告，揭示技术变迁对工作要求的具体影响。

我们的分析显示，某些行业，尤其是那些原本AI暴露度较低的行业，如操作工和技工领域，其工作职位的AI相关性正随着时间推移而显著增强。以操作工为例，五年前该职位可能还涉及电脑操作或智能器械的使用，而五年后的招聘广告中，则更多地聚焦于具体的零件打磨等技能，这反映了AI技术在这些岗位中的渗透与融合。

然而，我们也意识到，目前的数据分析主要聚焦于替代性较强的岗位，对于白领职业的演进变化，我们的观察尚显不足。这可能与招聘广告本身的局限性有关，作为对外宣传的媒介，广告往往需要明确标注职位名称，并受限于篇幅和表达方式，难以全面展现岗位内容的动态变化。因此，我们非常期待能够获取企业内部更为详尽的数据，如员工轮岗记录或同一员工在不同岗位间的工作经历等，这些数据将为我们提供更加直观和深入的视角。

听众提问：关于网络中心性问题及其与结构洞的关系，报告中指出，个体技能的掌握能够引发其网络位置的变化。针对此，我想进一步探讨的是，这种位置变化是暂时性的还是与岗位性质紧密相关的。这一疑问的提出，基于对数据特性的考虑，特别是技术触发性数据的特性。以ChatGPT为例，自2022年11月30日发布以来，迅速激发了广泛的关注与学习热潮，部分先行者可能因此率先掌握了相关技能或能力。在这些技能尚未成为普遍要求之前，掌握它们的个体能够占据有利位置，享有相应的优势地位。然而，随着这些技能逐渐普及，成为职场中的通用技能，原先的优势地位可能面临挑战，甚至消失。这引发了一个问题：我们观察到的变化是否仅处于技术发展的初期阶段？

朱丽：您的提问非常具有前瞻性。目前，我们掌握的数据已覆盖至2023年第四季度，待今年全年数据出炉后，我们将进行进一步的匹配分析，以确认是否存在持续的上升趋势。基于现有数据进行的动态分析显示，截止至2023年第四季度，相关指标确实呈现出不断提升的态势。此外，针对您提及的岗位调整问题，我们也进行了深入考察。在公司内部，我们不仅关注人员的变动情况，还细致编码了员工所处的层级及其岗位序列。通过这一体系，我们能够清晰地观察到员工在不同层级与岗位间的变化情况。或许是初级阶段的一个变化，未来，我们将持续跟踪这一领域的持久发展动态。

在这个充满变革的时代，如何帮助人们缓解就业焦虑，并在现有的就业条件下探索实现更好发展的路径，是我个人在AI时代背景下所关注的重要问题，也期待在成果出炉后与大家共享。

听众提问：在当前自动化逐步替代人工、零工经济兴起、制造业劳动供给普遍减少，以及农民工回流等多重复杂因素的交织影响下，长三角与珠三角地区的制造业是否仍面临用工短缺的问题？是否还会出现用工荒？

向宽虎：长三角与珠三角地区所谓的“用工荒”现象实际上反映了两个层面的结果：一是人口流动的动态变化，二是劳动市场需求的演变。

从人口流动的角度来看，当前阶段，特别是自2022年底以来，可能出现了短期内的社会心态调整，人们对于外出务工、追求高收入的热情有所减退。这主要归因于经济环境的变化，使得赚钱变得更加困难，促使农民工群体进行自我调整，倾向于选择成本更低、离家更近的生活方式。然而，从长期趋势来看，随着经济形势的逐步好转和经济发展的区位优势并未发生改变，这些劳动力回流至长三角、珠三角等经济发达地区的可能性依然很大。我个人观察到，即便是在疫情期间选择“躺平”的亲友，最终也因当地就业机会有限而选择外出打工。这证明了这些地区在就业市场上的吸引力依然存在。因此，从供给层面分析，短期内或许会出现长、珠三角制造业劳动力供给短缺的现象，但长远来看，这并非一个难以解决的问题。

再就劳动需求而言，“用工荒”一词往往伴随着大量未满足的用工需求。然而，当前我们正处于一个特殊时期，制造业中的劳动需求短期内却是下降的，这意味着当前制造业劳动供需的主要问题不是供不应求，而是需求乏力。当然，并不是整个长三角、珠三角区域所有行业都面临同样的困境。正如陆铭老师所言，服务业领域可能正孕育着新的劳动需求增长点。从数据上看，2024年的用工价格呈现出与往年不同的趋势，目前维持在较高水平，且有一段时间内甚至超过了2021年的历史最高水平，这反映出劳动力市场整体可能存在一定程度的供不应求现象，而这种现象与服务业需求的增长以及劳动力供给的相对不足密切相关。单纯就制造业而言，所谓的“用工荒”可能并非一个普遍存在的问题。在中短期内，如何通过服务业发展维持就业和劳动者收入，可能是更值得关注的问题。

张丹丹：“用工荒”一词在媒体上屡见不鲜，其历史可追溯至二十年前，自2000年初“刘易斯拐点”理论被提及以来，该词便频繁出现在公众视野中。正如向老师所述，这一现象可从供需两个维度进行深入分析。

从供给层面来看，尽管我国当前面临人口负增长的挑战，且劳动力人口自2013年起已呈现下降趋势，但我国劳动力总量仍居全球首位，庞大的劳动力基础依然稳固。实际上，劳动力市场的供给情况往往受到工资水平的影响，当工资超出劳动者的心理预期时，便会激发其提供劳动供给的意愿。因此，工资水平的浮动成为调节劳动力市场供需平衡的关键机制。当企业用工需求大于供给时，为吸引更多劳动者，企业往往会提高工资水平，从而促使更多人选择外出务工。

从需求层面来看，一个显著的变化在于我国制造业的海外拓展趋势，特别是在珠三角和长三角地区，这一现象尤为突出。据粗略估算，这两个地区因制造业转移而减少了约一百万个就业岗位，从需求侧来看，这确实导致了用工需求的减少。然而，从供给端看，整体劳动力供给状况尚属稳定。

此外，值得注意的是，国际经济环境的变化，如美国的贸易政策和关税调整，虽然可能在某些程度上挽救了美国等国的制造业就业，但同时也对我国劳动力市场产生了深远影响，可能导致大量工人面临失业风险。

听众提问：工作时间的安排，未来将会发生怎样的变化？这些时间维度的调整与创新活动之间存在怎样的内在联系？

朱丽：从创新视角切入来看，我们于2023年初设计并实施了一项在线调研，以深入探讨工作内容的调整与AI技术的关系。调研结果显示，AI的引入不仅促进了渐进式创新，还推动了突破性创新的实现。

关于工作时间的变化，我们有理由相信，随着四次工业革命的不断深入和生产力的提升，人类整体的工作时长呈现缩短的态势。从全球视角来看，工作时间的缩短是一个整体趋势。我们对此持乐观态度，并认为这种变化带来更多的闲暇时间，这将有助于提升人类的创造力。

此外，我们还研究了AI技术普及后公众的态度变化。AI被视为既是机遇也是挑战，更多的人逐渐将其视为工作助手或互补伙伴。这种认知的转变深刻影响着创造力发展，展现出AI应用的多面性。如果我们能够正确运用AI，调整自身意识以积极面对技术挑战，创新能力将有机会借助AI得到提升。

其实问题的关键在于，我们需要将AI视为一种工具、助手或合作伙伴，而非替代者，并主动探索其应用方式，以个体为单位承担起创新的责任。

听众提问：在人工智能日益普及的背景下，中国的基础教育将如何调整与应对，以更好地培养学生的综合素质与创新能力？

张丹丹：AI技术迅猛发展，迫切要求教育领域的深刻改革。教育，尤其是职业教育的未来路径，是亟待解决的问题。我的研究表明，若仅从事高端制造业中的低端工种，高教育程度的价值难以充分体现，然而，高教育水平为个人提供了更广泛的选择空间，使他们能够涉足更多元化的职业领域。

从长远来看，劳动市场需求正逐渐分化为对高教育程度与极低教育程度劳动力的两端需求。这使得处于教育程度中等水平的人群面临尴尬境地。他们若未能持续提升自我，便可能滑落至低端劳动力市场，难以再次攀升。鉴于中国中等教育程度人口的庞大基数，这一群体的未来发展路径尤为值得关注。

在基础教育层面，当前教育体系倾向于应试导向与弥补短板，而非强化学生的个人优势。学生需全面发展，数学、语文、英语等科目均需达到一定水平，方能进入优质高中，否则可能转向职业教育。然而，在AI时代，这一教育理念或需调整。面对机器与人工智能的竞争，人类应更加注重发展自身特长，使优势更加突出，以在特定领域实现超越。关于英语等外语的学习，尽管即时翻译技术的兴起看似削弱了语言学习的紧迫性，但语言本身作为文化传承与艺术表达的载体，其独特的价值仍不容忽视。

陆铭：职业教育作为教育体系的重要组成部分，其未来发展方向需紧密贴合人类行业与职业需求侧的变化。

首先，职业教育不应局限于传统制造业技术的培养，而应更多地聚焦于服务业岗位所需的技能提升。例如，随着直播电商等新兴行业的兴起，相关技能的短缺问题日益凸显，这要求职业教育及时调整方向，培养更多适应此类岗位需求的人才，而非简单地将学生导向传统制造业岗位。

其次，职业教育需重新审视并强化那些难以被AI取代的技能领域。传统职业教育往往侧重于具体操作技能的传授，然而，这类工作正逐渐被AI取代。相反，社交技能、沟通表达能力以及人与人之间的协作能力，成为了新时代不可或缺的软技能。因此，职业教育应加大对这些领域的投入，如培养学生的PPT制作、演讲及团队合作等能力，以应对未来职场的挑战。

此外，关于英语教育的重要性。虽然对于大多数人而言，英语可能并非必需，但对于那些致力于成为世界公民、从事国际交流的职业人士而言，英语能力的重要性不减反增。特别是在AI时代，英语的需求从读写转向了听说，这要求我们在英语培训中更加注重口语和听力训练。因此，英语教育的密集度和针对性需相应提高，以满足不同职业和个人的发展需求。

最后，从更宏观层面看，未来社会的分化趋势将更加明显，不同个体、行业和企业因技术变革而面临不同的机遇与挑战。对于个人而言，能够紧跟技术潮流、掌握特定技能者将实现飞跃式发展；反之，则可能陷入低技能、低收入的困境。因此，国家政策应加大对职业教育和技能培训的支持力度，帮助那些处于边缘化风险的人群提升自我，缩小收入差距。

听众提问：职业教育应如何向上发展？同时应如何激发学生的内在动力，促进其技能水平的实质性提升？

陆铭：我有两点建议，仅供参考。

首先，职业教育正在逐渐涉足并挑战原本由大学生主导的工作领域，如程序员岗位。在AI技术的影响下，许多原本需要高度专业知识和学历背景的程序开发工作，现在大专生也能胜任，从而在一定程度上与大学生形成了就业岗位的竞争态势。

其次，我们需要重新审视并重视服务业中的多种技能价值。以直播电商为例，这一新兴行业不仅限于主播的直播带货，还延伸出了一系列相关产业链，如直播间的布置与设计等。这些技能同样具有广阔的发展前景和应用价值，但往往被忽视或低估。因此，我们应加强对这些服务业技能的认识与培养，以适应并推动新兴行业的发展。

听众提问：一些职业学校已设立了“直播电商”专业，以应对行业发展需求。然而，数字人（虚拟主播、数字化人物等）技术日益成熟，这引发了我们对于“直播电商”专业未来走向的担忧。

陆铭：直播电商所需技能的核心在于互动与交流的能力，这是数字人技术目前难以完全替代的领域。董宇辉的成功案例表明，深厚的文化底蕴与对产品的深刻理解是其赢得广泛认可的关键。同样，小红书平台上高客单价的带货现象，也离不开带货者对时尚领域的深入理解和独到见解。这些特质并非高等教育专属，而是可以通过培训让中专生乃至更广泛的人群掌握。

因此，在教育和培训领域，我们应关注培养个体对美的鉴赏力、对时尚的理解力，以及非技术性的沟通技巧，这些是机器人难以取代的人类优势。

综上所述，有三点值得强调：

一是职业教育应关注并可能涉足原本由大学生主导的工作领域；

二是服务业，特别是新兴服务业，应成为职业教育的重要方向之一；

三是高度重视并加强社交技能的培养，这些是数字人技术难以替代的核心竞争力。

听众提问：当前楼市下行、租金下滑，房地产行业如何在存量发展环境中寻找新的发展空间与机遇？

陆铭：首先，住房需求的变化深受人口空间分布变动的影响。正如我在《向心城市》一书中所阐述的，人口流动趋势显著，表现为从农村向城市迁移，从小城市向大城市汇聚，以及在大城市内部的人口和流量进一步向中心城区集中。

对于少数特大或超大城市而言，其郊区住房市场仅在人口总量增长的前提下才可能迎来发展机遇；若人口总量保持不变，那么由于人口和流量的中心化集中，郊区住房市场势必面临下行压力。

其次，住房产品的性质正经历深刻转变，已超越了单一的居住功能，而更多地融入了服务属性。这一变化在市场中已得到明确体现，物业管理服务优质的小区，其房价往往高于物业管理不佳的小区。

因此，展望未来，房地产开发商将逐渐转型为城市生活服务商。

听众提问：于航老师的研究显示，AI在岗位中的暴露度下降。这与AI广泛影响并提升效率的现状相悖，此趋势令人费解。此外，研究基于100万样本，是否随机抽样以反映整体？同时，AI暴露度的测度方法是否合理，能否准确反映实际应用情况？

于航：关于样本抽样代表性的问题，我们的研究是与智联招聘平台合作，逐年进行随机抽样的，因此，在招聘网站层面的数据代表性是可靠的。至于该样本对中国整体劳动力市场的代表性，则需要进一步深入探讨。

关于AI暴露度总体下降的现象，我虽不能确切解释其直接原因，但深入分析后认为，这更多地反映了不同职业需求结构的变化，而非同一职业内部工作内容的简单调整。具体而言，近年来劳动力市场中新增了大量AI暴露度相对较低的职位，如操作工、技工等，而AI暴露度较高的职位，如翻译、程序员等，并未以相同速度增长。这解释了为何从总量上看，AI暴露度呈现下降趋势。

至于时间节点的问题， ChatGPT的出现与AI暴露度下降的起始时间（2018年）并不吻合，这是因为大语言模型技术在此之前已有一段时间的酝酿与发展，企业可能早已进行策略性准备，相关行业已在宏观层面进行调整。

更重要的是，我们关注的是“AI技术大规模爆发前夕，中国劳动力市场所展现出的特有态势”。我们谨慎用词，未直接断言这一“前夕”直接导致了市场变化，而是旨在探究中国劳动力市场如何以特定姿态迎接AI技术的到来。

研究结果显示，在AI技术爆发前夕，那些与AI技术匹配度较高的行业需求增长并未如预期般迅速，相反，AI暴露度较低的工作岗位在比例上显著增加。

听众提问：是否可以这样理解，即劳动力市场这种结构性变化可能更多地与宏观行业需求的波动相关，而非直接由AI技术自身发展所决定？例如，近期大型互联网企业的招聘规模缩减，就主要是由过去几年行业所受的多方面冲击与挑战所致。

于航：宏观经济因素无疑会对各行业产生深远影响。

首先，关于AI在宏观影响中所占的具体比例，其量化分析颇具挑战性，难以一概而论。观察美国或其他国家，我们并未发现与中国相同的明显趋势，这反映了在全球技术共同进步的背景下，各国因国情差异而展现出不同的反应模式。

其次，虽然我们在今天的分享中未深入讨论具体技术细节，但在研究过程中，我们采用了多种工具变量方法进行了详尽的尝试，以获取更为深入和全面的研究结果，并确保研究结果的稳健性。

胡佳胤：我补充两点。

首先，关于“暴露度”的理解。在此研究中，我们关注的是理论上职位被AI替代的可能性。这一评估主要是分析各职位所需执行的任务与活动，进而从工作内容和性质上判断，在引入大语言模型后，推算这些职位被AI技术影响或替代的潜在程度。因此，暴露度被视为一个理论上的衡量指标。

其次，我们深入分析了实际中AI暴露度较高的职位近年来在职位发布数量上的变化趋势。在此过程中，我们已充分考虑并控制了时间固定效应及行业固定效应等宏观因素，以确保分析结果的准确性。除非出现极端情况，即大型企业在进行裁员时严格依据职位的AI暴露度高低来决策，否则我们不会单纯地将数量变化归因于AI暴露度的影响。

然而，一个引人深思的现象是，为何企业在裁员时会倾向于根据横截面上不同职位类型的AI暴露度指标来做出选择。这反映了在AI技术的推动下，尤其是大语言模型的应用，使得企业能够更有效地优化人力资源配置。例如，原本需要两名员工分别承担的工作，在AI辅助下，可能只需一名员工即可完成，尤其是那些初级或重复性较高的工作内容。

这正是我们所力图描绘的一个宏观趋势。

整理：何又夕 | 编辑：王贤青白尧