人工智能技術促進了中國勞動力結構優化嗎？
——基于省級面板數據的經驗分析

俞伯陽

(1.天津財經大學 經濟學院，天津 300222；2.天津電子信息職業技術學院 經濟與管理系，天津 300350)

一、引 言

改革開放40多年來，中國經濟以年均接近10%的速度增長，被世界稱為“中國奇跡”，但科學技術水平對于經濟增長的貢獻度一直偏低，這也是中國潛在經濟增速放緩的原因之一[1]。與此同時，一方面，中國的人口老齡化情況開始加劇，表現為65歲以上的老齡人口以每年500萬左右的速度增加，其所占人口比例從1990年的6%增加到2019年的11%,且這一速度還在增長；另一方面，中國自2010年開始出現了勞動年齡人口總量轉變為負增長的情況。自此，曾經的“人口紅利”在中國逐漸消逝，勞動力市場規模的收縮正在成為中國經濟轉型升級的掣肘，造成潛在的國民“未富先老”的狀況。從勞動力結構來看，2018年中國約1.65億的技能型勞動者總量僅占就業人員總量的21.3%。其中，制造業急需的高技能人才占總體就業人員的比重不足6%，仍有高達上千萬的人才需求缺口。在勞動力供給相對短缺的現階段，中國許多專家和學者提出了諸多應對方案。其中包括提高人口生育率、推動更大范圍的戶籍改革制度、引入外來勞動力等。除了這些傳統的人口政策改革之外，如何利用高速發展的技術創新力量來促進勞動力市場的繁榮發展也是一條重要的路徑。

隨著人工智能技術的不斷普及,人工智能操作系統與機器人替代勞動力的作用日益突顯,中國技能型勞動力和非技能型勞動力都將受到不同程度的影響,進而促使勞動力市場結構進行調整。2017—2019年，“人工智能”三次被寫入政府工作報告之中，表明了中國已將提升新一代人工智能科技創新能力、以人工智能技術助力實體經濟發展等目標上升到了國家戰略高度。2019年3月，李克強總理在政府工作報告中明確指出：“圍繞推動制造業高質量發展，強化工業基礎和技術創新能力，加快建設制造強國。打造工業互聯網平臺，拓展‘智能+’，為制造業轉型升級賦能?！边@標志著人工智能技術將成為中國制造業供給側結構性改革和國家經濟發展的新動能，從而影響到國民經濟的各個方面。制造業的發展離不開高技能人才的支持，因此，中國許多工業企業除了開始探索以智能機器人來代替傳統勞動力從事工業生產的發展路徑之外，也關注培養熟練使用和配合智能機器的技能型勞動力，從而進一步提高勞動生產率。國內外專家和學者們的普遍觀點認為，人工智能將在很大程度上替代現有的部分勞動力，但具體而言，不同國家、不同行業將如何被這一科學技術重塑還尚待研究。當前，中國社會經濟運行面臨“人口加速老齡化”與潛在的“中等收入陷阱”等問題交叉存在的情況，需要將人類科學進步的腳步和自身社會發展的特點相結合并進行深入地探索，進而對于國家宏觀政策制定、經濟結構調整等諸多方面進行戰略部署和資源整合。作為世界上第二大經濟體和第一人口大國，深入研究人工智能技術對中國勞動力結構的短期和長期影響具有重要的理論和現實意義。

二、相關文獻綜述

從國外研究來看，Katz和Murphy[2]認為，技能偏向型技術進步在勞動力市場中會產生分化影響，幫助高水平技能型勞動力在制造業獲得更高的工資并更快地適應新的生產方式。Michaels等[3]通過實證研究方法證明了新技術會增加工業領域高技能工人的工作時間，但會減少中、低技能工人的工作時間。Frey和Osborne[4]創造性對計算機技術、自動化技術的勞動替代率進行了定量測算，進而分析了相關職業的自動化風險。在《人工智能時代》一書中，Kaplan[5]指出,“人工智能技術發展會導致越來越多的技術工種被智能機器取代?！彪S著時間的演進，相關的研究也逐漸深入。Acemoglu和Restrepo[6]認為，伴隨著人工智能技術發展進步、現有勞動密集型工作覆滅，全新的、更復雜的工作機遇同時會被創造出來，在此基礎上，他們構建了一個更加具體的新技術就業創造模型[7]，該模型證實了某些就業崗位在覆滅的同時會創造出邊際產出更高的新工作崗位，論證了人工智能在替代部分工作任務的情況下，也能創造新的工作機會。Gaggl和Wright[8]根據英國的數據進行實證研究，結果表明技術進步對常規型工作崗位的替代趨勢并不明顯，而對認知度要求較高的復雜工作崗位替代性較高。Borland和Coelli[9]提供了來自澳大利亞的證據，論證了在60年的技術演進過程中，澳大利亞勞動者的普遍就業水平沒有劇烈波動。銀行職員、農業勞動者、秘書等傳統職業崗位的減少被以托兒人員、護理人員為代表的新興職業所彌補，人均工作時間總體上保持穩定。經過多年持續性的研究，Acemoglu和Restrepo[10]發現，人工智能技術的發展會導致機器替代傳統勞動力，但創造的新產品和新服務會優化勞動者的工作內容，進而影響勞動力的就業結構而不影響其就業數量。經過國外學者們的大量實證研究表明，以人工智能為代表的新技術發展將促進勞動者的人力資本價值提升，進而優化勞動力結構、推動經濟增長。

從國內研究來看，馬弘等[11]檢驗了中國20年間制造業在技術變革中的就業創造和就業消失兩方面的情況。董直慶和蔡嘯[12]通過實證分析，檢驗了中國不同時期技術進步對勞動力結構的影響，論證了新技術進步的總體趨勢將促進勞動力結構優化。王林輝和袁禮[13]在實證檢驗偏向型技術進步對中國產業結構、勞動力結構兩方面影響的基礎上，測算了中國不同時期偏向型技術進步水平及其對勞動要素收入份額的影響。周云波等[14]用面板數據測算了技術進步因素在中國不同行業間的溢出效應，以及對不同行業勞動力結構、人力資本水平和收入差距的影響。薛繼亮[15]將中國三大產業進行了分類并測算了不同產業內部以及產業間技術進步所帶來的結構性影響，進而分析了技術進步對于不同產業轉型升級過程中勞動力就業結構造成的影響。程承坪和彭歡[16]通過梳理國際上人工智能技術對于勞動者就業的影響，探討了針對中國現狀應當采取的應對措施。王東霞[17]則通過較為完善的計量模型系統性考察了技術進步對產業結構變動和勞動力就業的影響。朱巧玲和李敏[18]梳理了歷次技術進步對不同階段勞動力市場形成的沖擊，通過回歸模型考察了人工智能和技術進步兩個因素對勞動力結構造成的影響。呂榮杰和郝力曉[19]也在梳理了歷次技術進步對勞動力市場造成沖擊的基礎上，檢驗了人工智能對就業人數與收入水平造成的影響。從第二產業智能化變革的角度來看，蔡嘯和黃旭美[20]通過門限回歸檢驗了人工智能技術發展對于中國勞動力在制造業與服務業間流轉的趨勢。孫早和侯玉琳[21]針對人工智能技術賦能工業對中國勞動力就業結構的影響機制進行了實證分析，檢驗了工業智能化導致相關崗位對于不同學歷程度勞動力需求量的影響，認為人工智能技術將導致中國的整體勞動力就業結構在未來呈現出“兩極化”特征。郭凱明[22]則認為，伴隨著人工智能技術的擴展，不同產業間產出彈性差別和勞動收入份額變動會促使勞動力在產業部門間流轉，進而影響未來中國的勞動力就業結構。通過梳理現有的國內研究不難發現，以人工智能為代表的新技術發展與應用對中國產業結構和勞動力市場產生了深刻的影響。

本文將探討在人工智能技術發展背景下不同產業間勞動力結構的優化問題，并運用狀態空間模型來檢驗近十年來人工智能技術發展規模對于中國國家層面和不同地區勞動力結構動態影響的時變彈性系數，并進一步探討如何運用人工智能技術及相關配套政策來優化勞動力結構。

三、研究思路及假設提出

從經濟學理論來看，技術進步會在一定程度上替代勞動力，也會創造出很多新的崗位來增加就業機會；人類歷史上發生的數次技術革命都對勞動力結構造成了不同程度的影響。早在《資本論》中，馬克思[23]在分析了機器大工業時期工人與機器之間的關系后，提出了“資本有機構成理論”“機器排擠工人”及“產業后備軍”理論,認為技術進步對勞動力市場形成的影響是多重的。在經歷過機械化、電氣化、自動化的幾次技術革命后，智能化革命正在發生，其代表就是人工智能技術、大數據、物聯網等一系列智能化生產生活技術變革，這些新技術推動了機器替代人的體力和腦力勞動，以“機器換人”的方式改變了傳統的勞動生產方式。因此，不同于以往的技術進步，人工智能技術的影響范圍將從體力勞動者向腦力勞動者逐步擴散。進一步來講，人工智能技術對于勞動力市場的影響主要來源于單位生產成本的降低、技術性失業與技能偏向型就業機會創造。其中，技術性失業一般出現于技術創新的初期階段，在企業和市場廣泛應用新技術之后，技能偏向型技術變革帶來的新崗位需求會彌補乃至超越原先的勞動力需求數量，而與之相伴隨的是各行業廣泛性的單位產出成本降低，包括勞動、資金等要素成本的降低。從國家層面來看，這種過程提升了全社會的人力資本水平，從而優化了勞動力結構。

在“十三五”期間，中國的勞動力市場呈現出高新技術產業、高端制造業、高端服務業等行業人才短缺的情況，具體體現在現有勞動力結構中存在大量高水平技能型勞動力缺口的問題，今后，這種趨勢會更加明顯。因此，如何處理好經濟結構調整背景下產業智能化發展與勞動力充分就業之間的關系是中國未來中長期經濟發展的重要議題。中國雖然不是人工智能技術研究起步最早的國家，但發展速度十分迅速。從中國現狀來看，以人工智能為代表的數字技術進步將從各個方面影響人們的社會生活，最主要的是對勞動力市場和產業格局的影響，也就是從生產力和生產資料兩個方面重新塑造國民經濟。當前，中國絕大多數先進制造領域都依托或應用了人工智能技術，先進制造業產值、新產品和從業人員屢創新高?？梢娙斯ぶ悄芗夹g的發展進步從客觀上已經培養出一批高水平、專業化的技能型勞動力。根據2019年德勤發布的《中國人工智能產業白皮書》分析報告，制造業是人工智能技術最具潛力的應用場景，預計將通過提高70%的勞動生產率來降低制造廠商20%的生產成本。因此，在未來制造業重點領域能配合并使用智能機器人和智能系統的高技能技術工人需求將大量增加。根據勞動力市場理論中的動態均衡模型，在t時間點的勞動力需求通過勞動力市場傳導機制將轉化為t+1時間點的勞動力供給。隨著新技術的普遍應用、新機器的普遍運行，中國制造業亟需大量的技能型勞動力。最終，勞動力需求與供給的傳導機制將推動中國勞動力技能水平和就業質量的提升，并在長期持續優化中國勞動力結構?；谝陨戏治?，本文提出如下假設：

H1:在近十年來，中國人工智能技術的發展會增加制造業勞動力的供給量，進而優化了勞動力結構。

H2:由于基礎設施、資源稟賦的差別，人工智能技術對于中國勞動力結構的影響在不同地區之間存在差異。

四、變量選取與模型構建

(一)變量說明與數據來源

1.變量說明

(1)被解釋變量

勞動力結構(LS)是本文的被解釋變量。勞動力結構有多種表達形式，比較傳統的是城鄉二元勞動力結構的劃分方式，其能夠表示農業勞動者向工業部門與服務業部門的轉移過程。隨著經濟新常態下中國鄉村振興工程的展開，城鄉間的勞動力流動變化趨勢也進入了新的發展階段，推動農民本地化就業成為了勞動力市場的新目標。因此，單純以農業就業和非農業就業來衡量勞動力結構已不適用于中國當前經濟形勢。根據習近平總書記關于加快建設中國成為制造強國的發展理念，本文以中國各省制造業就業人員在總體城鎮就業人員中所占的比例來表示勞動力結構變量。

(2)解釋變量

人工智能技術發展規模(AI)是本文的核心解釋變量。伴隨著人工智能技術對于制造業、特別是先進制造業的影響越來越深入，人工智能技術發展規模將影響到就業市場的勞動力結構。本文參照Borland和Coelli[9]與蔡嘯和黃旭美[20]的做法，以信息傳輸、計算機服務和軟件業全社會資產投資額來代表人工智能技術發展規模。由于固定資產投資從投資到產生效果需要一定的周期，因此，本文在分析檢驗中參考已有文獻的做法，采用滯后一期的數據進行計量檢驗。

(3)控制變量

政府財政支出(GOV)決定了各地方的生產生活環境和社會保障體系。政府財政支出作為國家宏觀調控的重要工具，在中國的工業發展進程中扮演著重要角色。在中國經濟發展進入新常態的階段，有效的政府財政支出結構能引導產業結構和勞動力結構的良性發展。因此，本文采用地方政府一般性財政支出占地方GDP的比值作為政府財政支出變量。

產業結構(STR)是決定勞動力結構的重要因素。在進入高質量發展的新階段，產業結構調整是中國宏觀調控的重點工作。為此，中國近年來多次發布產業結構調整指導目錄，從2009年實施的“去產能”，到2015年推動的“供給側結構性改革”，產業結構優化帶動了不同地區的勞動力結構優化。因此，本文采用地方工業增加值在地方GDP中的比重代表產業結構變量。

對外貿易(INT)在中國改革開放的40多年間推動著中國制造業的飛速發展，也因此吸收了大量勞動力從事制造業相關崗位。因此，對外貿易的發展對于中國產業結構和勞動力結構的影響至關重要?；诖?，本文選取經營單位所在地進出口總額占地方GDP的比重代表對外貿易變量。

表1 變量的描述性搖統計(N=310)

2.數據來源

本文所使用的數據來自2009—2018年的《中國統計年鑒》《中國勞動統計年鑒》《中國貿易外經統計年鑒》及2008—2017年的《中國科技統計年鑒》。本文在分析檢驗中對于人工智能技術發展規模變量進行了自然對數處理，各個變量的統計特征如表1所示。

(二)模型構建

根據研究目標，本文采用狀態空間模型，并通過卡爾曼濾波算法對涉及變量進行檢驗。狀態空間模型主要應用于多變量非平穩時間序列的檢驗，其優勢在于將不可觀測的狀態變量納入可觀測模型之中，并與模型一起得到估計結果。狀態空間模型由量測方程和狀態方程組成，在直觀上呈現為狀態向量取值的一個向量空間。為了反映各個解釋變量對勞動力結構的影響，本文通過狀態空間方法構建一個可變參數模型，量測方程如式(1)所示，狀態方程如式(2)—式(5)所示：

LSt=C(1)+SV1,t·AIt+SV2,t·GOVt+SV3,t·STRt+SV4,t·INTt+{var=exp[C(2)]}

(1)

SV1,t=SV1,t-1+η1,t

(2)

SV2,t=SV2,t-1+η2,t

(3)

SV3,t=SV3,t-1+η3,t

(4)

SV4,t=SV4,t-1+η4,t

(5)

其中，C(1)為常數；LSt、AIt、GOVt、STRt、INTt為量測變量； SV1,t、SV2,t、SV3,t、SV4,t為狀態變量，分別表示在不同時點上，人工智能技術發展規模、政府財政支出、產業結構、對外貿易四個變量的時變彈性系數，通過卡爾曼濾波算法可得到的時變參數 SV 的估計值；η1,t、η2,t、η3,t、η4,t為遞歸系數。

五、相關檢驗結果與分析

(一)平穩性檢驗

在進行狀態空間模型參數估計之前，本文首先進行了靜態回歸，模型中各個變量的系數均顯著，可進行殘差平穩性檢驗。本文采用Dickey和Fuller的ADF檢驗方法與Phillips和Perron的PP檢驗方法分別檢驗了殘差的平穩性，兩種方法的檢驗結果表明本文的被解釋變量LS、解釋變量AI和控制變量GOV、STR、INT分別在5%與1%的顯著水平下拒絕原假設，均通過了平穩性檢驗。靜態回歸殘差為平穩序列，表明了本文的解釋變量與被解釋變量間存在協整關系并可以進行后續的狀態空間模型估計。

(二)狀態空間模型估計

靜態面板模型和動態面板模型都可以用來分析各變量對于中國勞動力結構的影響。在動態面板模型中，卡爾曼濾波算法可以對狀態模型中的變量進行最優估計，并將前一時刻的預測誤差及時反饋到方程之中，捕捉各變量參數的變化軌跡，從而提高模型的估計精度。通過EVIEWS10軟件，結合各省份的面板數據，運用狀態空間模型(State Space Model)及卡爾曼濾波(Kalman Filter)算法對各變量的時變參數進行估計，估計結果如表2所示。

表2 狀態空間模型各參數估計結果

注：***、**和*分別表示在1%、5%和10%的置信水平下顯著，下同。

根據表2的檢驗結果可以發現，2008—2017年，各解釋變量的時變彈性系數基本顯著，尤其在2016—2017年，各解釋變量的時變彈性系數均呈顯著狀態，說明了本文的模型設定具有一定的科學性且解釋變量的檢驗結果顯著性較強。

1.各解釋變量時變彈性系數的動態變化軌跡分析

根據回歸結果，解釋變量和控制變量對被解釋變量的時變彈性系數變化情況可以比較直觀地呈現出來，如圖1—圖4所示。

圖1 人工智能技術發展規模對勞動力結構的影響

圖2 政府財政支出對勞動力結構的影響

圖3 產業結構對勞動力結構的影響

圖4 對外貿易對勞動力結構的影響

從圖1可以看出，2008—2017年，核心解釋變量人工智能技術發展規模對于勞動力結構呈現正向促進的影響作用，其時變彈性系數波動幅度比較突出。2008—2011年，時變彈性系數穩中有升，到了2011—2015年的5年間呈現持續減小趨勢，且在2015年下降到0.005，此后開始回升。到了2016—2017年，時變彈性系數分別為0.027和0.029，且在1%的置信水平下顯著。這樣的結果顯示出人工智能技術發展規模在近十年中對勞動力結構優化的正向影響存在波動性變化，并在最近兩年達到巔峰。從2008年開始，中國的人工智能技術發展開始起步，對技能型勞動力的正向影響作用率先顯現，因而呈現了一定時期的大幅度增長。2011—2014年，隨著人工智能技術在各行業的滲透，以及在勞動生產中所處角色的適應及用量的大規模增加，人工智能技術發展規模的增長對于技能型勞動力的替代效應持續增強，表現為制造業就業比例的減少，即出現了勞動力由制造業向服務業的大量轉移。2015—2017年，人工智能技術發展規模的時變彈性系數持續增大且逐漸趨于平穩，表明各個行業的智能化轉型升級已達到了較為成熟的水平，對于勞動力結構的優化促進作用趨于平穩。究其原因在于中國從2014年開始對人工智能技術相關產業發展重視程度的提高，這個重要的轉折點是2014年6月9日習近平總書記在中國科學院第十七次院士大會、中國工程院第十二次院士大會開幕式上關于中國人工智能產業發展的重要講話。此后，人工智能逐步上升為國家戰略并穩步推進，最終在2016—2017年核心解釋變量的時變彈性系數達到0.030左右，且呈現出穩定向上的發展趨勢。因此，該檢驗結果表明了當前人工智能技術發展規模已經平穩且顯著地優化了中國的勞動力結構。

從圖2可以看出，政府財政支出對中國勞動力結構的影響作用變化趨勢較為平穩。從總體上看，政府財政支出對中國勞動力結構呈正向影響，且呈階段性上升趨勢。2008—2009年政府財政支出對勞動力結構影響的波動率較高，究其原因主要是伴隨著國際金融危機的爆發，中國出臺了積極的財政政策予以應對，因此對于勞動力結構的影響作用較大。從2010年開始，政府財政支出對于勞動力結構的正向影響呈現持續上升趨勢。2014—2015年出現了小幅度的波動，但時變彈性系數的總體趨勢仍在增大。這樣的結果表明中國當前的財政政策效果顯著，保障了制造業領域擁有充足的就業吸納能力來承載足夠比例的就業需求。到了2016—2017年，政府財政支出對于勞動力結構優化影響作用的時變彈性系數穩定在0.100左右。因此，該檢驗結果表明中國現有財政支出的結構與方向正在引導更多的技能型人才充實到制造業就業崗位之中，實現著制造業的轉型升級。

從圖3可以看出，產業結構對中國勞動力結構影響的時變彈性系數雖然存在一定幅度的波動，但總體上呈現穩定上升趨勢且影響作用較大。具體表現為2008—2011年的發展趨勢較為平緩，時變彈性系數基本保持在0.650左右的水平。從2011年開始，產業結構對于勞動力結構的影響作用持續增大，并于2014年達到0.900左右。這樣的變化趨勢主要是由于中國產業政策的引導作用，2009年10月，中國針對以鋼鐵、水泥、平板玻璃、煤化工、多晶硅、風電設備等六大行業為代表的產能過剩問題召開了國務院常務會議，發改委隨即部署了調控工作。伴隨著相關政策逐步落實，產業結構變化對于制造業就業比例的提升作用逐步增大。從2015年開始，中國正式實施了供給側結構性改革，表現在產業結構的變化對于勞動力結構的影響稍有減弱，到了2016—2017年時變彈性系數穩定于0.800左右。因此，中國現行的產業結構調整政策及供給側結構性改革對于勞動力結構優化有著顯著的正向促進作用，在未來應當進一步貫徹執行。

從圖4可以看出，對外貿易對于中國勞動力結構優化的影響總體上呈上升趨勢，且存在一定的變化幅度。作為較長時期的出口導向型國家，中國制造業從業人員比重長期受到對外貿易發展水平的影響。從2008—2011年，對外貿易對于中國勞動力結構的影響作用波動較大，到了2016—2017年，對外貿易對于中國勞動力結構優化的正向影響作用呈小幅度下降趨勢，最終，時變彈性系數穩定于0.193。因此，該檢驗結果說明了以進出口貿易發展帶動制造業發展的傳統模式仍能增加制造業勞動力就業比重，但這樣的影響作用在逐漸減弱。在未來，提高中國制造業從業人員比重、優化中國勞動力結構需要尋找新動能。

2.分地區檢驗及分析

人工智能技術發展規模在全國不同地區差異較大，因此，為全面分析人工智能技術對于中國勞動力結構影響的地區差異，本文繼續運用狀態空間模型對東、中、西部地區分別進行檢驗，結果如表3所示。

表3 狀態空間模型各參數估計結果

注：本文東、中、西部地區的劃分采用國家統計局的劃分標準。

表3展示了東、中、西部地區的回歸結果，可以發現，人工智能技術發展規模對于勞動力結構總體上呈現正向的優化作用，但在不同地區之間有所差異。從東部地區來看，2008—2014年，人工智能技術發展規模對于勞動力結構的影響呈現正負交替的變動趨勢，且時變彈性系數并不顯著。從2015年開始人工智能技術發展規模對于制造業就業比例呈現顯著的正向影響，并于2016年達到了0.109的水平。到了2017年，人工智能技術發展規模增長率每提高1%，制造業勞動力就業比例能提升0.037%，表明了東部地區人工智能技術發展規模對于勞動力結構優化的效果顯著且發展態勢良好。中部地區相對應的人工智能技術發展規模對于勞動力結構優化的影響呈現出較強的波動性，且作用效果十分顯著。2008—2010年，人工智能技術發展規模持續推動著中部地區的勞動力由制造業向服務業轉移；2011—2012年，這樣的趨勢扭轉了過來，但從2013年開始這樣的勞動力轉移趨勢再次出現。到了2017年，人工智能技術發展規模對于勞動力結構優化呈現出的微弱正向影響，扭轉了制造業就業向服務業轉移的趨勢。從西部地區來看，除了2012年和2015年人工智能技術較為顯著地加速了勞動力由制造業向服務業轉移，其他年份無論正向還是負向的影響都不夠顯著，但從2016年開始，時變彈性系數呈現出由負轉正且持續增大的發展趨勢。因此，人工智能技術發展規模對于中西部地區勞動力結構優化的影響作用呈現出正向變化趨勢，在未來仍需進一步觀察和研究。

總的來看，近十年來人工智能技術發展規模對于中國勞動力結構的正向影響越來越顯著，且這樣的影響在全國不同地區均有所體現，尤其是東部地區的正向作用效果最為突出。此外，相比于以人工智能為代表的新技術，政府財政支出、產業結構、對外開放水平對于勞動力結構的影響依然較大。在未來，中國要依托以人工智能為代表的新技術進步來提高制造業的就業吸納能力、持續優化勞動力結構、促進勞動力市場良性發展。

六、研究結論與對策建議

(一)研究結論

本文使用中國省級面板數據建立了多變量狀態空間模型，并針對2008—2017年中國勞動力結構變化及其影響因素進行了分析，研究結論如下：

第一，中國十年來人工智能技術的發展從客觀上提升了勞動力質量，使制造業所需的技能型勞動力的供給水平不斷提高，從客觀上優化了中國的勞動力結構，為中國向制造強國邁進提供了基礎支撐，驗證了本文的H1。

第二，在2008—2017的十年間，人工智能技術發展規模對于勞動力結構優化的積極影響作用雖然存在波動，但總體上呈上升趨勢，且這樣的結果在2016—2017年尤為顯著，體現出了中國從產業到勞動力結構的調整趨勢已經逐步適應了人工智能技術的普遍應用。

第三，從不同地區來看，人工智能技術發展規模促進了東部地區勞動力向制造業崗位的轉移，優化了其勞動力結構。中西部地區的人工智能技術發展規模還未能對于本地區勞動力結構的優化產生實質性作用，在未來應進一步加快相關產業的規劃布局，驗證了本文的H2。

(二)對策建議

基于以上結論，本文提出以下對策建議：

第一，完善人才培養制度，主動提高勞動力供給質量。全國各類高校要分階段地制定與執行現有及未來經濟社會發展所需要崗位的人才培養計劃；結合多層次的職業教育，提高勞動力供給的匹配度；重點提升與人工智能等數字技術密切相關的基礎教育水平和基礎科研水平。培養一批懂理論、會技術、愛創新的“人工智能+X”跨界人才，以通識性數字技術融入“大國工匠”的培養方向之中。突破傳統的“一技定終身”的理念，倡導勞動者持續學習新知識、新技能來適應不斷變化的工作環境和技能要求，引導全國、特別是中西部地區更多的體力勞動者向腦力勞動者轉變。通過持續完善繼續教育和在崗培訓來提升廣大勞動者的技能[24]，以加強技能繼續教育為動力推動失業人員實現再就業，進而化解潛在的結構性失業問題。

第二，優化產業結構，持續提升制造業就業吸納能力。當前，中國制造業、特別是先進制造業的就業吸納能力仍然十分有限，且在中西部地區尤為明顯。因此，需要不斷推進產業結構升級，加快覆蓋全國的開源工業互聯網建設來盤活制造業要素資源，鼓勵中國企業積極試驗和開發具有自主知識產權的人工智能、智能芯片等高新技術專利，提升重點行業的核心競爭力、擴大高新技術企業的數量和規模，加速新興產業的發展，進一步發揮相關企業的就業帶動效應。企業方面應積極應用智能技術，科學制定人才需求計劃，積極引入更多高水平技能型勞動力、培養和提升在崗員工的智能化操作水平，推動行業內外勞動者從非技能型勞動力向技能型、高技能型勞動力的轉變，推動制造業企業內部和行業內部的勞動力結構優化，進而提高全社會技能型勞動力整體的數量和質量。

第三，充分發揮信息導向作用，加強技能型人才統籌規劃。在未來以數字經濟、智能經濟、共享經濟為代表的新興產業中，就業形式將進一步呈現出非正規就業的許多特征，即就業形式的流動性、分散性、多樣性越來越強；而現有相關法律法規缺乏對這類就業形式的配套規范和管理措施，容易導致相關就業者在社會保障和社會福利等方面與傳統就業者存在差距，甚至無法獲得有效的法律保護。針對新技術的發展和普及可能會帶來的結構性失業問題，各級政府要積極運用先進技術加強各地區就業失業信息統計，建立多種形式的失業扶持政策和與之相匹配的勞動者技能再提升計劃，從源頭規避潛在的結構性失業帶來的各種社會問題[25]。加快構建公共就業服務網絡平臺，通過大數據技術檢測不同地區、不同人群、不同崗位的就業動態變化高頻數據，及時發布各地區及全國范圍內的就業狀況，通過失業預測、預警等方式培養勞動者穩定的就業心理預期，從而確保中國勞動力市場的高質量發展。