智能化、勞動力有效配置與就業質量提升

【摘要】智能化的深入推進勢必會對就業市場以及勞動力就業質量產生深遠影響。運用勞動力微觀調查數據構建就業質量綜合指標體系，并與省級智能化指數相匹配，實證檢驗智能化對勞動力就業質量的影響機制。經驗研究表明：智能化發展有助于促進勞動者就業質量的提升。將勞動力配置納入智能化影響就業質量的框架后發現，勞動力空間配置以及勞動力與崗位匹配是智能化影響就業質量的重要渠道。智能化并不會以“涓流”的形式平等提升所有勞動力群體的就業質量，按勞動力個體特征劃分，智能化對于非認知能力更強、專用型人力資本積累更多的個體就業質量提升效果更明顯；按勞動力所處地區劃分，智能化的就業質量提升效應對處于高經濟發展水平地區的勞動力更明顯。據此提出，政府在加快推進智能化發展的同時，應積極引導企業和勞動者以人工智能技術為手段切實促進就業質量提升，形成促進高質量充分就業的長效機制。

【關鍵詞】智能化；就業質量；勞動力空間配置；勞動力與崗位匹配

【中圖分類號】F49;F249.2 ""【文獻標識碼】A" 【文章編號】1008-245X（2025）01-0053-16

DOI：10.15896/j.xjtuskxb.202501005

【收稿日期】2024-05-02。" 【修回日期】

2024-05-24。

【基金項目】國家“十三五”哲學社會科學基金重點項目（20AJY006）。

【作者簡介】孫早（1966— ），男，西安交通大學經濟與金融學院教授，博士生導師；高昕凱（1999— ），男，通信作者，西安交通大學經濟與金融學院博士研究生。

①" 2023年9月23日，習近平總書記在全國新型工業化推進大會上強調，要“積極主動適應和引領新一輪科技革命和產業變革，把高質量發展的要求貫穿新型工業化全過程”。國務院印發的《“十四五”就業促進規劃》指出，實現更加充分更高質量就業，是推動高質量發展、全面建設社會主義現代化國家的內在要求，更是扎實推進共同富裕的重要基礎。

②" 根據國際勞工組織的界定，就業質量指勞動力在保障自由、公平、安全和人格尊嚴的前提下獲得體面、生產性的、可持續的工作機會。

③" 如第一次工業革命時期，蒸汽機的發明使工廠不再依賴風力或水力，從而可以在更廣泛的地理范圍內選址建立，改變了產業的地理分布；蒸汽火車和輪船的出現加速了商品的流通，使生產規模擴大，企業生產組織發生了革命性的變化。蒸汽機的普及使勞動力市場中技術工人的需求激增，但也使未經過培訓的勞動力陷入失業的困境中，進而對勞動力市場的供求結構產生了巨大的影響。

伴隨中國發展模式由總量擴張向結構優化的轉換，實現高質量發展不僅是支撐經濟長期增長的必然要求，也是一國搶占發展制高點的戰略目標。實現高質量發展包含兩個方面的內容①

：一是通過產業科技創新推動新型工業化，以生產方式的革命性轉換引領社會生產力飛躍［1］；二是通過實施就業優先戰略實現高質量的全面就業。相較于產業創新，高質量就業是衡量高質量發展更為重要的指標。本質上，高質量就業的內涵包括就業規模擴張與就業質量提升兩個層面②，前者反映了就業市場的健康程度，后者則是增進民生福祉的樞紐性環節，也是高質量就業的關鍵內核。就業質量提升意味著勞動力對工作中的主客觀條件均持有良好評價，并能與崗位充分匹配，進而在就業過程中達到“人盡其才”的效果。值得注意的是，部分研究片面地將擴大就業規模奉為妥善解決就業問題的唯一準則，而未能對綜合體現勞動力就業狀況的就業質量給予足夠的關注。因缺乏重視而導致的就業質量低下問題不僅會限制個人才能的充分發揮，同時將不可避免地加劇不平等問題，從而成為國家發展的掣肘。面對老齡化加劇與人口紅利消失的嚴峻形勢，亟須進一步深化對就業質量重要性的認知，探索提升就業質量的有效途徑，以高效利用并合理配置勞動力資源，為實現共同富裕提供根本保障。

回顧工業革命歷史，新技術的出現往往會對產業組織模式與勞動力市場產生巨大沖擊③。面對新一輪科技革命和產業變革浪潮，世界各國紛紛將智能化戰略作為重要抓手，以求在新賽道上有所突破，進而搶占發展先機。作為一種高度滲透性的前沿創新技術，經濟社會的快速智能化正在對一國產業產生全方位影響。具體而言，依托智能技術的持續賦能，傳統的系統設備從被動的工具逐步進化為擁有自學習、自決策與自適應功能的主體，同時具備近乎人腦的思維決策能力和超越人力的生產效率［2］。在此背景下

IFR數據顯示，2021年中國工業機器人新增安裝量達到了24.33萬臺，是2011年2.26萬臺的10倍之多；根據工業和信息化部的測算，2023年中國人工智能核心產業規模已達5 000億元，相關企業數量超4 300家。，勞動力就業市場必將迎來顛覆性的變化。根據《中國人口和就業統計年鑒》的數據，自2014年起中國就業人員總規模呈持續下降狀態，從2014年的7.63億人降至2022年的7.33億人；全國平均就業質量卻呈現相反態勢，從2014年的0.40穩步提升至2018年的0.56

就業質量數據系筆者使用CLDS數據自行計算所得。。從短期看，智能化對就業規模產生了一定的負面沖擊；從長期看，智能化對就業質量提升則具有積極影響。也就是說，通過實現精準高效的勞動力資源配置，智能化將在提升就業質量上大有作為。在這個意義上，剖析并厘清智能化對就業質量的影響效應，無疑是一個具有重大理論和實踐意義的課題。

本文利用2016和2018年中國勞動力動態調查（CLDS）數據測算了勞動力就業質量，估計了智能化發展對就業質量的影響，可能的邊際貢獻有三個方面。第一，有別于現有文獻著重探究智能化對勞動力就業規模、就業結構、收入水平的影響，本文進一步聚焦就業質量，構建了一個智能化影響就業質量的分析框架，并以勞動力個體為研究對象實證檢驗了智能化發展對就業質量的影響。第二，現有文獻往往側重于智能技術對就業質量某一分維度的影響，或僅將視角限定在一個特定勞動力群體的就業質量上，結論不具一般性。本文構建了一套綜合指標體系，嘗試更全面地刻畫智能化對勞動力綜合就業質量的影響，一定程度上豐富了有關高質量就業的文獻。第三，根據勞動力就業決策的不同特征，本文從勞動力空間配置和勞動力與崗位匹配角度刻畫了智能化提升就業質量的理論機制，并考察了智能化對非認知能力和專用型人力資本不同的勞動力群體的差異性影響。

一、文獻綜述與理論分析

（一）智能化與就業質量的相關研究

與智能化影響就業質量相關的文獻主要從以下三條路徑展開：第一類是關于智能化對勞動力市場的研究；第二類探究了就業質量的測算及其影響因素；第三類挖掘了人工智能、機器人、數字技術等對就業質量某一分維度的具體作用。

關于智能化影響勞動力市場的研究多聚焦就業規模、行業就業差異、極化效應等方面。Acemoglu等［3］分析了工業機器人在各類生產任務中的應用對勞動力就業的影響，估算結果表明，每千名工人中多配備一臺機器人將使就業人口比例下降0.18%～0.34%。Bessen［4］利用美國長期就業數據研究了自動化和機器人對制造業和非制造業就業份額的影響，指出自動化和機器人技術會降低制造業就業份額，反而提升了非制造業就業份額。從勞動力技能異質性著手，王永欽等［5］發現工業機器人在中國的應用同樣會產生與國外相似的“極化效應”，體現為用人需求“兩端向上走”的趨勢，即對高、低技能勞動力需求上升，對中技能勞動力需求下降。

就業質量源自國際勞工組織（ILO）最早提出的“人人享有體面勞動”新目標，由于體面勞動包含內容具有多樣性，早期研究大都偏好于以此來表征就業質量。有關中國就業質量的測算，在宏觀上通常需結合地區經濟特征、勞動力市場發展程度、資源配置效率來綜合考量。賴德勝等［6］綜合了中國經濟發展的實際情況與低質量就業問題凸顯的現狀，從各地區宏觀經濟指標中提取出6個維度、50個細分指標，構建了中國首個區域綜合就業質量指標體系。微觀視角下的就業質量測算則是從數據庫中獲取個人在工作時間、工作收入、工作滿意度、就業環境、工作強度、社會保障、工作穩定性等方面的具體信息，再通過客觀賦權的方法計算出勞動力個體的綜合就業質量［7］，這種方法得到的結果更具真實性與代表性。關于就業質量的影響因素，劉濤等［8］將人力資本拆分為受教育年限與工作經驗，并分別考察了對就業質量的影響，發現受教育水平是提升就業質量的直接動力；鄧睿［9］從社會資本角度出發，認為內含于社會資本的人情資源有助于農民工尋求高質量的工作。部分研究則將技術進步與就業質量緊密聯系了起來。一些研究強調互聯網使用可提高勞動力進行標準就業和機會性創業的概率［10］；張廣勝等［11］證明了數字經濟可顯著提升農民工的就業質量，且對就業質量的各個分維度均有積極促進作用。更進一步，Schmidpeter等［12］認為智能化生產過程大量使用工業機器人可能會導致大部分勞動力長期性失業，并降低在崗勞動力的工作穩定性，加劇不平等問題，從而降低勞動力的就業質量。西安交通大學學報（社會科學版）

還有許多研究關注智能化發展與就業質量各分維度間的聯系。收入是就業質量的重要構成，智能化可以提升勞動力的收入水平，但在一定程度上擴大了技能收入差距［13］。對于工作時間而言，主流研究結果普遍認為智能化延長了勞動力的工作時間，如周廣肅等［14］發現智能化趨勢下勞動力被機器替代的壓力驟增，從而會被迫加強勞動強度，延長工作時間。對于就業機會來說，李磊等［15］利用中國數據對機器人的就業效應進行了檢驗，得到了與社會中普遍擔憂不同的結果，即中國引入工業機器人參與生產過程并沒有產生大規模失業的現象，反而促進了就業、增加了就業機會。對于工作自主性而言，以智能技術為基礎的平臺經濟在名義上給予勞動者自主決定工作時間、地點甚至薪資的權利，但卻通過平臺規制更隱蔽地剝削與控制勞動力，使其喪失了工作自主性和自由發展的機會［16］。Menon等［17］同樣認為新技術的出現使企業能更加密切地監控和管理從事認知職業的員工，進而產生了一種新型“數字泰勒主義”，降低勞動力的工作自主性。此外，人工智能技術還能積極作用于社會保障領域，通過延伸保障覆蓋范圍、優化保障質量，既維護了勞動者的權利，也提升了其工作穩定性。

綜上所述，第一類文獻忽略了對智能化與就業質量關系的研究，而就業質量往往才能綜合反映勞動者的就業狀況。第二類文獻著重考慮了智能化對就業質量的影響，但僅將研究范圍限定在一個特定的勞動力群體中（如人力資源從業者、農民工），結果有失一般性； 此外，

國外學者研究表明智能化會降低勞動力就業質量，若用

中

國數據進行檢驗，往往會得出不一致的結論。第三類文獻僅探究了智能化對就業質量某一分維度的作用，難以全面反映智能化發展對勞動力就業質量的影響。

（二）智能化對就業質量的影響及作用機制

就業質量是一個多層面的現象反映，受多種因素直接影響。根據ILO對就業質量的定義，一份體面的工作應兼顧勞動者在就業機會、收入、社交工作時間、工作穩定性、工作安全性、工作/家庭考慮、就業公平性、工作場所安全、社會保護、社會對話等方面所受待遇［18］。循著ILO的定義，若僅將就業質量視作一個具有單一結構的概念，不可能完整全面地體現出其深刻內涵。一般情況下，對于勞動者而言，盡管一份工作有可能使其獲得合理的工資、完備的合同與充足的假期，但也可能使其長期面臨人際關系僵化、欠缺管理層支持等問題，從而對勞動者的就業質量和福祉產生重大負面影響

類似地，也存在一些工作為勞動者提供了舒適的工作環境以及管理層足夠的支持，但缺乏工資、安全保障和假期等福利，同樣會導致就業質量低下問題。一些有關就業質量的研究特別關注工作中的人際關系、文化、價值觀和福利政策，而另一些則重點考慮工作流程、資源、技術等因素。。也就是說，只有企業與勞動者就多方面達成共識，勞動力就業質量才能得到提升。在這個意義上，本文將就業質量劃分為具有互補性特征的硬維度與軟維度

就業質量的軟維度指工作中社會、文化、關懷等方面的因素，包括工作氛圍與健康服務、就業能力、就業公平性三個方面；而硬維度多涵蓋工作的物理條件和硬性指標，包括就業機會與收入、工作時間、工作環境與安全性、社會保護與工作穩定性這四個方面。硬維度與軟維度為互補關系，要提升勞動力的就業質量必須兼顧二者。［19］，分別從硬維度、軟維度的各項具體指標出發討論智能化對就業質量的影響，并進一步揭示影響渠道與異質性分析。本文理論框架如圖1所示。

硬維度方面。第一，智能化顯著增加了就業機會與收入。智能化拓寬了勞動力的信息獲取渠道，賦予勞動力根據技能特征與個人偏好自主擇業的權利，通過減少勞動者待業時間的方式增加了獲取工作機會的可能。智能技術還能通過“復原效應”增加新職位，高技能需求崗位被創造的同時也催生了低技能就業崗位［3］。對于勞動力收入而言，平臺經濟的蓬勃發展衍生出更多新型職業，多元化的新就業模式豐富了勞動力的收入來源，有助于收入水平的提升。第二，智能技術改善了勞動力的工作環境，為安全提供保障。具有良好抗壓、抗熱、抗腐蝕性的工業機器人，能在惡劣的工業生產環境下高效完成任務，將勞動力從危險的環境中“解放”出來。勞動力可轉而從事安全系數高的智能化設計與輔助工作，保障了工作的安全。第三，智能化的推進加強了社會保護，提升了就業穩定性。智能化治理模式的發展使監管部門能即時了解企業雇傭決策，倒逼企業嚴格履行用工協

議，依法為勞動者提供福利與保障；依據勞動力的特定需求，智能信息網絡能推送相關法律知識，提高了勞動者維權意識，有助于勞動力建立與企業對話的平等格局。第四，對于工作時間而言，智能技術的廣泛應用模糊了勞動力生活與工作的邊界，延長了勞動時間［14］，使人被迫逐漸淪為發展的手段與工具。勞動力需要投入更多的工作時間去應對智能化浪潮中生產方式的變革，從而在壓力下付出更多非勞動時間成本，成為“全天候數字工人”。

軟維度方面。第一，智能化優化了勞動力的工作氛圍，并為勞動力提供了健康支持。企業內部推進智能化應用還有助于促進分工依賴，使成員之間通過合作連接彼此，增強員工間的互動性與團結性，優化工作氛圍。ChatGPT技術拓展到醫療領域可利用多種醫學模態，打通從問診到治療的流程，“AI醫生”為患者準確地診斷并提供治療方案，實現藥品到家的診療閉環，為勞動力提供了實時健康支持。第二，從就業能力角度出發，智能化促進了人力資本積累，增強了勞動力就業能力。由于技術進步具有技能偏向性與互補性特點，企業需要加強對勞動力的技能培訓，塑造其“數智”優勢以適應更復雜的工作。同時，智能資本廣泛應用提升了機器換人的可能，倒逼勞動力自主學習新知識與技能并加強對健康的投資，促進自身人力資本積累，提升就業能力以抵御替代風險。第三，智能化可有效提升勞動力的議價能力，維護就業公平。根據雙重勞動力市場理論，勞動力具有較高議價能力有助于擺脫次級就業市場，獲得更公平的待遇。互聯網工會的興起能形成一個新領域

以青島市為例，“互聯網+普惠服務”的建設使在互聯網平臺上入駐的工會組織有13 754個，實名認證會員達150萬人，使工會服務實現普惠化、精準化、智能化。參見2022年7月27日《工人日報》。，加強勞動力間的橫向團結，維護工人權利的同時增強其議價能力；智能化的“生產率效應”還能引致整個產業鏈對勞動力的需求增加，使勞動力可以擇優選擇更加公平的崗位。

如上所述，智能化雖然增加了勞動力的工作時間，但對就業質量的其余構成部分均存在正向影響，因此在整體上會促進就業質量的提升。在此基礎上，本文進一步提出智能化影響就業質量的作用機制，即勞動力有效配置。勞動力有效配置通常指一種通過合理分配和利用勞動力資源以最大化經濟和生產效益的最優配置狀態。實現勞動力有效配置能解決人力資源浪費與技能缺失問題，提高生產率的同時促進就業結構均衡，進一步影響勞動力就業質量，在本文中具體體現在智能化優化勞動力空間配置、促進勞動力與崗位匹配兩方面。

勞動力空間配置角度。中國流動人口規模逐年上升，以效用為導向的勞動力空間選擇成為勞動力流動的內生動力。城市是否具備生活質量、就業機會、基礎設施、公共服務等方面的優勢，影響著勞動力的遷移決策［20］。勞動力市場機制的不完全導致勞動力在遷移過程中面臨較重的成本負擔，嚴重阻礙了一體化勞動力市場的形成，產生就業質量低下的問題。智能化破除了勞動力空間配置的障礙，進而提升了勞動力就業質量。對于勞動力就業而言，依托人工智能技術在信息數據的收集、處理和傳輸方面的優勢，各地區之間勞動力供需方被緊密地連接起來。勞動力借助智能網絡平臺可以彌補信息差，即時了解各地不同崗位的詳細信息并快速與雇主建立聯系，同時能以高質量就業崗位為導向進行跨區域流動決策，從而流向配置效率較高的區域，提升了勞動力根據技能優勢進行空間配置的能力。這意味著勞動力可獲取的就業信息范圍逐步擴大、信息成本大幅降低，拓展了就業機會。智能技術還打破了地理邊界的限制、削弱了勞動力市場分割，在線協作工具與遠程訪問技術在工作中的廣泛應用使勞動力線上跨區域擇業辦公成為可能，形成了打破時空限制的流動模式，緩解了勞動力配置扭曲問題［21］。勞動力空間配置的過程為“干中學”效應的發揮提供了有效渠道，便利了知識與技能的傳播，有利于塑造勞動力的競爭優勢，提高了就業能力與工作穩定性，從而推動就業質量提升。對于勞動力創業而言，智能化為勞動力跨區域創新創業行為提供了支持。虛擬協作和遠程合作技術促進了不同地區創業個體和團隊間的合作與知識共享；共享經濟和在線平臺依靠區域比較優勢，將資源、技能與需求進行整合與連接，便捷了創業者對資源的獲取，提升創業成功率的同時也增強了勞動力跨區域搜索創業機會的能力，進而優化了勞動力空間配置。勞動力通過跨區域創業獲得了多元化的就業渠道，提升了收入水平，同時工作時間也更加靈活化，促進了就業質量的提升。

勞動力與崗位匹配角度。搜尋匹配理論認為勞動力與崗位的匹配是一個通過反復搜尋與篩選以達到最佳狀態的動態過程。智能化應用優化了匹配機制，使勞動力與崗位能更加精準高效地進行匹配，從而最大化個人價值，進一步提升了就業質量。一方面，從勞動力搜尋崗位的角度出發，以大數據分析和自然語言處理技術為基礎的智能化系統，可對求職者工作經歷、學歷背景、技能儲備等方面的信息進行分析提取，以評估勞動力的綜合素質。此時，有關勞動力與崗位的信息可高效開展比較和匹配，以數據驅動的方法直觀地呈現出勞動力與崗位間的匹配程度。這種自動化的招聘與篩選過程可將勞動力分配到契合自身技能優勢的崗位上，大幅提升了勞動力與崗位的匹配效率。另一方面，從企業內部生產的角度出發，智能化可以優化生產流程，提高勞動力生產效率。基于機器人和數字技術建立的“無人車間”“無人工廠”以流水線模式大規模代替勞動力完成重復、煩瑣和危險的工作，使高技能勞動力能夠專注于更具創造性與價值性的高附加值工作，避免落入次要勞動力市場。工業機器人應用還可以促進生產分割，使企業內部分工細化，并催生新的生產環節［1］。這一過程使企業將高技能勞動力配置到與其技能相匹配的研發崗位中，也將低、中技能勞動力配置到輔助機器人或與機器人協同工作的新生產內容中，緩解了勞動力錯配問題，實現了技能與崗位的充分匹配。勞動力與崗位匹配程度越高，在工作中越能發揮自身潛力，越能凸顯競爭優勢，不僅能增強工作穩定性，也有利于通過學習效應進一步強化自身能力，從而獲得更好的工作與晉升機會。同時，人崗匹配度越高，意味著勞動者在工作中越能收獲成就感，提升工作滿意度。也就是說，智能技術的應用可以有效增進勞動力與崗位的耦合程度，從而促進就業質量提升。

根據上述分析，本文提出以下假設：

假設1：智能化通過優化勞動力空間配置、促進勞動力與崗位匹配使勞動力配置更有效，促進就業質量的提升。

（三）智能化對異質性勞動力個體就業質量的影響

由于不同勞動力在非認知能力和專用型人力資本積累方面存在差異，智能化對就業質量的影響程度也將呈現出異質性。

Heckman等［22］提出的新人力資本理論將非認知能力納入了勞動力能力的衡量范疇。非認知能力較強的勞動力個體往往會在工作中體現出樂觀、盡職、謙虛、同理、創造、情緒穩定等多種優良特質，從而與智能化形成互補，從事更多非規則性智力勞動［23］，就業質量提升也更為明顯。一方面，柔性化生產模式作為智能化生產的代表性特征之一，需要企業迅速響應市場和客戶需求變化。非認知能力較強的員工具備獨特的應變能力、創造力與創新性思維，能夠以需求為導向同步為企業提供獨特的解決方案和創新思路，同時還能與客戶進行有效溝通，準確獲取需求方信息并為其打造配套生產性服務，從而增強客戶黏性。此時，企業會以更高的薪酬、更好的待遇、更穩定的勞資關系增強對這類群體的吸引力，在內部實現與智能生產系統的互補，提高其就業質量。另一方面，非認知能力作為一種隱性能力，能在與人接觸交流的過程中通過模仿和學習完善自我并增強性格優勢。企業實現智能化的同時也伴隨著企業內部專業化分工與合作程度的深化，使非認知能力強的勞動力在提倡合作的環境下充分發揮潛能，產生較強的正外部性，促成更高效的內部溝通方式，減少內部分歧，提升部門間合作效率，有利于塑造更良好的工作環境，進而提升就業質量。非認知能力還能與認知能力形成互補效應。非認知能力強的個體投資于教育的邊際回報率更高，成為高技能勞動力的概率更大，能更好地適應人工智能引起的生產內容與工作流程的劇變，從而就業質量提升效應也更明顯。

專用型人力資本則是通過具體工作中經驗積累與培訓形成的，勞動力所特有的更加專業與持久的職業技能［24］，可使特定企業產生要素遞增收益。勞動力專用型人力資本積累越豐富，在智能化工作環境中越能獲得明顯的就業質量提升效應。一方面，根據資源—績效理論，個人與企業對專用型人力資本的投資能提高企業經濟績效，增加企業價值，這一優勢在智能化環境下被擴大。專用型人力資本水平較高的勞動力具備豐富的知識積累，熟知特定生產工序和相關設備操作，能將個人優勢融入智能化過程中，從而與智能資本產生協同效應，更高效地生產高精度產品，最大化智能設備生產價值，提高生產率的同時降低失業風險。此外，這部分勞動力由于具備更強的技能適應性與學習能力，能夠快速響應崗位技術和生產方式動態變化的需求，迅速學習并掌握新一代人工智能技術，進而獲得更廣泛的工作機會、更高的薪資與更好的福利待遇，就業質量提升效應更明顯。另一方面，由于專用型人力資本的“外溢效應”較弱，可轉移性較低［25］，因此勞動力一旦投資于專用型人力資本，從事其他崗位和跳槽至外部企業的可能性將減小。這一情形下，專用型人力資本水平較高的勞動力會更注重勞動保護，往往傾向于與企業簽訂長期勞動合同或達成一定協議來獲得保障。人工智能應用使信息透明性提高，賦予勞動者清晰掌握企業行為與決策的權利，弱化了勞務關系中的風險。同時，基于區塊鏈技術的“智能合同”通過編程和加密技術為勞動契約提供了更強的執行能力，在一定程度上改善了契約不完全的情況，保護了投資于專用型人力資本勞動力的權益，使其就業質量提升效果更顯著。

綜上所述，本文提出以下假設：

假設2：一般情形下，智能化對就業質量的提升效應在非認知能力更強、專用型人力資本積累更多的勞動力群體中更明顯。

二、研究設計

（一）數據來源

本文測算各省份智能化水平的數據來源于歷年《中國統計年鑒》、國家統計局分省份年度數據、IFR、《中國農村經營管理統計年報》以及筆者自行搜集檢索的數據。本文使用的微觀勞動力個體數據來自中山大學社會科學調查中心負責調研的CLDS，數據庫涵蓋了中國29個省份（除香港、澳門、臺灣、西藏、海南外）的微觀個體數據。本文具體研究過程中使用了2016和2018年的勞動力個體問卷部分。根據研究需求，對CLDS數據作以下處理：選取樣本勞動力年齡范圍為15～65周歲

一方面考慮到政策鼓勵“銀齡族”（即退休人員）再就業的現狀，另一方面考慮到有效樣本的充足性，本文將不同性別勞動力年齡范圍均設定在15～65周歲。，剔除了非勞動力樣本；根據受訪者的所屬地區將其地理信息匹配到省級層面，并與測算的省級智能化水平進行匹配；剔除就業質量指標體系有缺失值的勞動力個體數據。最終得到符合本文研究需求的觀測值6 875個。

（二）計量模型設定

為識別智能化對勞動力綜合就業質量的影響，參考張廣勝等［11］的模型設定方法，本文構建基準回歸模型如下：

Quaijct=α0+α1Intjt+α2Xijct+α3Cjt+μj+λc+ηt+εijct

（1）

其中，下標i、j、c和t分別代表個體、省份、行業以及年份；被解釋變量Quaijct為t年j省份c行業個人i的就業質量；解釋變量Intjt為j省份t年的智能化水平;Xijct是一系列個體層面的控制變量集合;Cjt為一系列地區層面的控制變量集合；μj為地區固定效應，λc為行業固定效應，ηt為年份固定效應，εijct為隨機誤差項。α1是需重點關注的系數，如果α1顯著為正，則說明智能化促進了勞動力就業質量的提升，反之則反是。

（三）變量定義

1.被解釋變量

本文的被解釋變量為勞動力就業質量

本文將就業質量界定為勞動力在工作收入、工作安全性、工作穩定性、工作時間、工作環境、工作中健康支持、就業能力、就業公平性八方面受到待遇的綜合考量。其中前四方面為“硬維度”，后四方面為“軟維度”。。工作收入采用問卷中“上年工資性收入（元）”的自然對數衡量；工作安全性采用問卷中“工作安全性評價”來衡量，取值1～5分別表示滿意程度的遞進；工作穩定性采用問卷中“是否簽訂書面勞動合同”來衡量，結果為二值虛擬變量，取值為1代表簽訂，取值為0代表未簽訂；工作時間采用問卷中“一般一周工作時間（小時）”來衡量；工作環境采用問卷中“工作環境評價”來衡量，取值1～5分別表示滿意程度的遞進；工作中健康支持采用問卷中“健康程度自評”衡量，取值1～5分別表示非常不健康到非常健康的遞進；就業能力采用問卷中“2015和2017年7月以來是否參加過至少5天的專業技術培訓”來衡量，取值為1代表參加過，取值為0代表未參加過；就業公平性采用勞動力具有城鎮職工基本醫療保險、城鎮職工基本養老保險、工傷保險、生育保險、失業保險的數量來衡量，每有一項計1分。為避免各維度量綱不同引起結果的偏差，對就業質量的各細分維度進行標準化處理。其中，由于勞動者的工作時間與就業質量呈負相關關系，因此對工作時間采用負向標準化的方法處理，其余指標采用正向標準化處理方式。為保證就業質量指數的測算更具客觀性與科學性，采用熵權法對指標體系分層賦權，構建了勞動力就業質量。在穩健性檢驗部分，采用等權平均法重新計算就業質量對結果進行再驗證。

2.解釋變量

本文選取智能化作為研究的解釋變量，一方面是因為智能化對勞動力就業質量的影響不僅僅局限于工業領域，也包括其余行業以及生活中的智能化應用；另一方面是嘗試在現有研究基礎上構建一個包括智能化基礎條件、智能化應用、智能化創新的綜合性指標測算體系來代表智能化。本文采用主成分分析法來構建省級智能化指數

本文選取的各項指標通過了Bartlett球形檢驗和KMO檢驗，因此可以采用主成分分析法。，為保證測算結果的合理性，進一步采用熵權法和基于指標相關性的權重確定法（CRITIC）重新測算智能化指數，并將其與就業質量的回歸結果放入穩健性檢驗部分。具體設計如下：

第一，智能化基礎條件，采用光纜線路長度（萬千米）、移動電話交換機容量（萬戶）、互聯網寬帶用戶接入規模（%）、企業擁有網站個數（個）、有電子商務交易活動的企業數量比重（%）、金融科技水平6項指標來代表。光纜作為千兆光網、第五代移動通信技術基站等“新基建”的重要基石，其線路總長度越長，說明信息通信傳輸效率越高。移動電話交換機容量則反映出交換機最大吞吐數據量與服務用戶的數量。互聯網寬帶用戶接入規模采用地區互聯網寬帶接入人口數除以年末戶籍人口總數來衡量，用于代表互聯網基礎設施供給情況。企業擁有網站數與有電子商務交易活動企業占比數據均來自《中國統計年鑒》的企業信息化及電子商務情況一欄。金融科技指數參考李春濤等［26］的做法，首先通過“地區+關鍵詞”的搜索方法得到每個地級市城市的金融科技發展水平，隨后將地級市金融科技水平橫向加總得到省級層面的金融科技指數。

第二，智能化應用，采用工業機器人滲透度與信息傳輸、軟件和信息技術服務從業人員占比（%）兩項指標衡量。工業機器人滲透度的測算借鑒王永欽等［5］的方法，將IFR提供的14個行業工業機器人存量與中國國民經濟行業分類與代碼（GB/T4754—2011）進行匹配，得到中國各行業工業機器人存量數據。以各省份行業就業份額為權重進行加總后得到各省份的工業機器人滲透度（IEP），具體計算公式為：

IEPit=∑mj=1（lijt/Ljt）×IRjt（2）

其中，lijt代表i省份j行業在t年的從業人員數量，Ljt代表全國t年j行業從業人員數量，IRjt代表j行業t年工業機器人存量，m為行業總數。用信息傳輸、軟件和信息技術服務從業人員數量除以省級年末從業人員總數得到占比情況，該指標能反映為智能化發展、智能化創新、智能化服務提供的人才支持。

第三，智能化創新，采用規模以上工業企業新產品銷售收入占比（%）、每萬名科研和技術服務業人員擁有的人工智能專利數（個/萬人）兩項指標來代表。其中，用規模以上工業企業新產品銷售收入除以規模以上工業企業主營業務收入得到新產品銷售收入占比情況。人工智能專利數的獲取，根據《戰略性新興產業分類與國際專利分類參照關系表（2021）》中人工智能專利分類號，找到每種專利號所對應的人工智能領域的關鍵詞，見表1。各省份人工智能專利號的分項數量從國家知識產權局網站檢索得到，在省級層面加總后除以科研和技術服務人員總數后得到每萬名科研和技術服務業人員擁有的人工智能專利數。各變量及具體測算方式如表2所示。

3.控制變量

本文分別加入個體特征變量和地區特征變量以控制潛在因素對勞動力就業質量的影響。個體層面控制變量包括：性別（Gen）、年齡（Age）、婚姻情況（Mar）、教育情況（Edu）、政治面貌（Pol）、參軍情況（Arm）、戶口類型（Reg）。地區層面控制變量包括：社保和就業財政支出（Fis），采用社保和就業支出占地區GDP的比重衡量；產業結構（Str），參考戚聿東等［23］的做法，使用第三產業增加值占地區GDP的比重衡量；市場化程度（Mak），地區市場化程度越高，說明市場發育程度越好、要素配置效率越高，勞動力就業質量也就越高，本文參照王小魯等［27］216對各省份市場化指數的測算結果代表市場化程度。

各變量的詳細定義與描述性統計結果見表3。

三、實證結果分析

（一）智能化對就業質量的直接影響

本文采用樣本數據檢驗了智能化對勞動力就業質量的提升效應，并采用異方差穩健標準誤進行估計以克服異方差問題，結果見表4。其中，第（1）列報告了僅加入省份、行業和年份固定效應的估計結果，發現智能化在1%的水平上顯著提高了勞動力的就業質量，邊際效應為0.062。第（2）列是進一步納入個人特征控制變量的回歸結果，核心解釋變量系數仍顯著為正，表明在考慮個人特征因素后，智能化仍然會促進勞動力就業質量提升。第（3）列匯報了進一步納入區域特征控制變量后的結果，核心解釋變量的系數為0.069且顯著為正。本文運用熵權法測算了就業質量軟維度與硬維度的具體數值，并加入控制變量后分別檢驗了智能化對就業質量的軟維度與硬維度的影響，結果如第（4）（5）列所示。可以看出，智能化的深入推進有助于改善勞動力工作中的社會因素，提高人文關懷程度，使勞動力對工作的認同感與歸屬感更強；同時，智能化還優化了工作中的客觀條件，進而在雙重影響下共同提升了勞動力就業質量。

（二）內生性問題分析及處理

1.工具變量法

模型可能存在雙向因果問題，使得參數估計結果有偏或不一致。一個地區勞動力的就業質量越高，勞動生產率也就越高，會促進地區智能化發展水平的提升，可能造成雙向因果問題。本文采用工具變量法（IV）進行處理，具體而言，選取各省份相鄰省份的智能化指數平均值作為該省份智能化的工具變量，隨后采用兩階段最小二乘法（2SLS）重新檢驗模型。工具變量的選取思路在于，政府會根據區位因素和比較優勢制定地區間智能化協同發展戰略，使相鄰地區在相似的宏觀政策條件下發展智能化。由于所處地理位置鄰近的原因，相鄰省份會實時進行關于智能化發展的交流互助，產生較強的外溢效應，因此一省份與其相鄰省份之間智能化發展水平一般會保持較高的一致性，滿足工具變量的相關性。而其他省份的智能化發展水平很難直接影響本省份勞動力的就業質量，滿足工具變量的排他性。

表5第（1）（2）列報告了工具變量回歸結果。第（1）列為工具變量第一階段的回歸結果，工具變量的回歸系數在1%的水平上顯著為正，第（2）列為工具變量第二階段的回歸結果，說明在克服內生性問題后，智能化依然能顯著促進綜合就業質量提升，與基準回歸結果保持一致。第一階段回歸結果的F值大于10%水平上的臨界值，通過了Stock-Yogo檢驗，排除了弱工具變量的可能。

2.傾向得分匹配法

對于一些處于低智能化水平區域但就業質量較高的勞動力，可能是在自身學歷、家庭和性格等多方面因素共同作用下產生的結果，并不受地區智能化水平的影響。為解決樣本自選擇偏誤引起的內生性問題，本文采用傾向得分匹配法（PSM）進行處理。借鑒祝樹金等［28］的研究思路，逐年將智能化水平位于50%分位數下的省份作為控制組，其他樣本為實驗組，協變量包含基準回歸中所有個體層面的控制變量。本文采用的匹配方法分別為1∶1最近鄰匹配與核匹配，PSM平衡性檢驗結果顯示，在匹配后處理組和對照組省份間所有協變量的偏差均顯著減小。隨后根據匹配后的樣本重新進行回歸估計，結果見表5第（3）（4）列，分別對應采用最近鄰匹配與核匹配后的估計結果。結果顯示，核心解釋變量所對應的系

數仍在5%的水平上顯著為正，支持了基準回歸結果。

3.Heckman兩步法

前文實證分析所采用的樣本剔除掉了未參與就業

以及就業質量構成有缺失的樣本，導致無法觀測到未參

與就業個體的就業質量，數據的缺失可能使回歸結果存在選擇性偏誤。為克服選擇性偏差問題，本文采用Heckman兩步法進行糾偏處理。具體而言，在回歸樣本中加入由于就業質量不同分維度數據缺失而導致就業質量為空值的樣本，選取受教育程度虛擬變量、工作滿意度、工作量自己能決定的程度為排他變量，將勞動力年齡、性別、婚姻、戶口類型作為選擇變量。本文估計得到逆米爾斯比率，并將逆米爾斯比率加入基準模型中進行回歸，結果如表6第（1）～（3）列所示。可以看出，逆米爾斯比率的估計系數均在1%的水平上顯著

此處只關注逆米爾斯比率的顯著性。，說明存在選擇性偏差問題。核心解釋變量的系數在5%的水平上顯著，邊際效應為0.037，說明在克服選擇性偏差問題后，智能化仍顯著促進了勞動力就業質量的提升，支持了基準回歸結果。

（三）穩健性檢驗

1.改變關鍵指標衡量方法

對于解釋變量而言，為了驗證回歸結果的穩健性，本文采用熵權法逐層對各項三級指標與二級指標賦權，最終測算得到各省份智能化水平，回歸結果如表7第（1）列所示。此外，參照戚聿東等［23］的指標測算思路，采用CRITIC法計算得到各省份智能化指數，回歸結果見表7第（2）列。可以看出，第（1）（2）列智能化對應的估計系數均顯著為正，證明結果較為穩健。對于被解釋變量就業質量而言，前文采用了客觀的熵權法進行測算，故其各組成部分的權重不一。而本文選取的就業質量各組成部分分別從不同方面刻畫了勞動力所處工作崗位的具體狀況，對于勞動者而言其中每一項都具有重要意義，因此各部分應具有相同的權重。參照Charlesworth等［29］的方法，采用等權賦值法對綜合就業質量指數進行再構建，重新回歸的結果如表7第（3）列所示，結果依然顯著為正，證實了基準回歸的穩健性。

2.刪除樣本量不足100的省份數據

在剔除缺失值后，本文最終采納的樣本數據涵蓋了28個省份

不包括香港、澳門、臺灣、西藏、海南、新疆。。但是，由于重慶市與青海省的觀測值數不足100，代表性較弱，因此本文進一步對不包含上述地區樣本的數據進行回歸，結果如表8第（1）列所示。可以看出，核心解釋變量的回歸系數仍在1%的水平上顯著為正，證實了前文結論的穩健性。

3.省級與個體層面聚類穩健標準誤

為克服模型中可能存在的異方差問題，本文在基準回歸部分采用了異方差穩健標準誤。由于在各省份內部勞動力個體面臨的環境存在相似性，因此個人就業質量觀測值取值可能存在類別相關性，本文進一步采用省級層面和個體層面聚類穩健標準誤以緩解相關性。回歸結果見表8第（2）（3）列，結果顯示，智能化系數依然在1%的水平上顯著為正。

4.加入“行業×時間”交互固定效應

勞動力就業質量可能會受到隨行業逐年變化不可觀測的需求沖擊的干擾，為避免潛在的遺漏變量偏誤問題，本文在回歸中加入“行業×時間”固定效應以逐年控制每個行業智能化水平變化對就業質量的影響，結果見表8第（4）列。結果顯示，智能化的系數在1%的水平上顯著為正，再次印證了基準回歸的結論。

5.數據縮尾處理

變量描述性統計結果顯示就業質量數據中存在極端值，有可能帶來估計結果偏誤。本文將被解釋變量上下縮尾2.5%，檢驗智能化影響勞動力就業質量的穩健性。回歸結果如表8第（5）列所示，對就業質量進行縮尾來排除極端值的影響后，智能化依然顯著促進了勞動力就業質量的提升，證實了基準回歸的穩健性。

6.Tobit模型

文本的綜合就業質量取值為0～1，存在截斷特征，這種情況下的回歸估計結果不是一致估計。為解決這種潛在的模型設定偏誤問題，本文進一步采用面板Tobit模型進行重新回歸，結果如表8第（6）列所示。可以看出，核心解釋變量前的系數依然在1%的水平上顯著為正，與本文的基本結論吻合。

（四）智能化、勞動力有效配置與就業質量

1.勞動力空間配置渠道

勞動力空間配置渠道表明，智能化彌合了勞動市場的信息差，打破了地理邊界的限制，連接地區間的資源與需求，使勞動力可以根據技能優勢自主選擇遷移決策，從而尋求到高質量工作。為驗證這一機制的合理性，本文使用以下模型進行驗證：

Flojt=β0+β1Intjt+β2Cjt+μj+ηt+εjt

（3）

Quaijct=α0+α1Intjt+α2Flojt+α3Xijct+α4Cjt+μj+λc+ηt+εijct （4）

其中，變量Flojt為勞動力空間配置的代理變量，即勞動力流動。由于勞動力流動為省級層面數據，因此在式（3）中僅加入基準回歸部分的地區層面控制變量，且控制了地區和年份固定效應。勞動力流動變量參考王春凱等［30］的測算方法，使用《中國統計年鑒》的各省份年末常住人口總量數據和當年人口自然增長率數據，計算得出各省份的人口凈遷入/遷出率

具體計算公式為：i省份人口凈遷入/遷出率=［i省份當年年末常住人口總量-i省份去年年末常住人口總量×（1+i省份當年人口自然增長率）］/i省份當年年末常住人口總量。若值為正，則表示人口遷入；值為負，則表示人口遷出。。表9第（1）列智能化的估計系數在1%的水平上顯著為正，說明智能化提升了勞動力跨地區流動并尋找高質量工作的能力，優化了勞動力的空間配置。智能化系數為0.006，說明智能化指數每提升1個單位，勞動力流動提升0.006個單位。進一步將智能化與勞動力流動同時納入回歸模型，第（2）列結果表明智能化對應的系數為0.029，在5%的水平上顯著，與基準回歸結果0.069相比有所減小，證實了勞動力空間配置渠道的合理性。上述分析表明，智能化通過優化勞動力空間配置提升了勞動力就業質量，印證了假設1。

2.勞動力與崗位匹配渠道

智能化能促進勞動力與崗位充分匹配，使不同技能勞動力都能在與自身能力相契合的崗位中充分發揮優勢，進而提高就業質量。為驗證勞動力與崗位匹配機制，本文構建以下計量模型：

Matijct=θ0+θ1Intjt+θ2Xijct+θ3Cjt+μj+λc+ηt+εijct （5）

Quaijct=α0+α1Intjt+α2Matijct+α3Xijct+α4Cjt+μj+λc+ηt+εijct （6）

其中，Matijct為勞動力與崗位匹配的代理變量，即匹配質量。參考王俊［31］的測算方法，使用勞動者受教育

年限與從事行業平均受教育年限之差的絕對值來衡量

CLDS數據庫個人問卷庫中包含了個體從事行業類別以及自身的受教育年限。其中，行業包含采掘業，電力、煤氣及水的生產和供給業，房地產業，國家機關、黨政機關和社會團體，建筑業，交通運輸、倉儲及郵電通信業，教育、文化藝術和廣播電影電視業，金融保險業，科學研究和綜合技術服務業，農、林、牧、漁業，批發和零售貿易、餐飲業，社會服務、衛生、體育和社會福利業，制造業，地質勘查業，水利管理業以及其他行業在內的16種行業。本文根據樣本中勞動力個體的行業歸屬計算了每個行業的平均受教育年限。匹配質量。指標數值越小，說明勞動力與崗位之間越適配，既不存在過度教育，也不存在教育不足問題，從而匹配質量也就更高。表9第（3）列智能化估計系數在5%的水平上顯著為負，說明智能化減小了勞動力與從事工

作之間受教育程度供需的偏差值，促進了勞動力與崗位

的匹配程度。數值為-0.223，說明智能化指數每提升1單位，勞動力的受教育年限與崗位需求偏差減少0.223單位。第（4）列為同時將智能化與匹配質量納入回歸模型的檢驗結果，智能化對應的系數為0.042，在5%的水平上顯著，小于基準回歸中的0.069，表明勞動力與崗位匹配渠道的合理性。上述分析表明，智能化通過促進勞動力與崗位匹配提升了勞動力就業質量，印證了假設1。

四、拓展性研究：智能化影響就業質量的異質性檢驗

（一）基于勞動力個體特征的異質性分析

1.基于非認知能力的異質性分析

為驗證理論分析部分的內容，本文構建勞動力非認知能力綜合指數來衡量非認知能力。參照Costa等［32］提出的大五人格分類法，將非認知能力劃分為盡責性、外向性、宜人性、開放性、情緒穩定性五個部分。進一步從CLDS數據庫的個人問卷中選取了13個具體問題，分別匹配這五個部分，見表10。為了便于指標的統計測算，每個問題均采取Likert量表的計分形式，正向題目與反向題目分別按照程度強弱計1～5分與5～1分，得分越高說明勞動力個體的非認知能力越強。標準化后的平均法測算出勞動力非認知能力指數。本文以非認知能力的50%分位數為劃分依據，若勞動力的非認知能力大于50%分位數，則定義為強非認知能力個體；若小于50%分位數，則定義為弱非認知能力個體。對不同子樣本分組回歸，結果見表11第（1）（2）列。智能化顯著提升了強非認知能力勞動力的就業質量，而對弱非認知能力勞動力的就業質量無明顯作用，說明智能化對非認知能力較強勞動力的就業質量提升效應更明顯。2.基于專用型人力資本的異質性分析

理論分析部分指出，在智能化深入推進的趨勢下，專用型人力資本積累較多的勞動力往往會更加受益，就業質量提升效果更明顯。為驗證上述分析，本文選取勞動力掌握目前從事工作的主要技能花費時間作為分組變量。具體而言，本文將時間少于一周、一周到一個月的個體劃分為低專用型人力資本組，將時間為一個月以上的個體劃分為高專用型人力資本組。對不同子樣本分別回歸，結果如表11第（3）（4）列所示。智能化對高專用型人力資本勞動力的就業質量有顯著的提升效應，邊際效應為0.069，但對低專用型人力資本勞動力的就業質量卻無明顯的提升效應，說明相比于專用型人力資本積累少的勞動力群體，智能化對就業質量的提升效應在專用型人力資本積累多的勞動力群體中更明顯。

（二）基于地區經濟發展水平的異質性分析

為了進一步探究智能化對就業質量的影響是否會隨勞動力所屬地區經濟發展水平的不同而產生差異，本文將2016—2018年各地區人均生產總值的平均值作為經濟發展水平的劃分依據。若在2016—2018年三年內地區人均生產總值的均值位于整體的0～30%分位數內則歸類于低發展水平地區、位于30%～70%分位數內則歸類于中等發展水平地區、位于70%分位數以上則歸類于高發展水平地區

根據測算結果，高經濟發展水平地區包括北京、上海、江蘇、天津、浙江、福建、廣東、湖北、重慶；中等經濟發展水平地區包括山東、內蒙古、陜西、湖南、遼寧、安徽、四川、河南、新疆、江西、寧夏；其余則為低經濟發展水平地區。。如表12所示，智能化顯著提升了高經濟發展水平地區勞動力的就業質量，且在5%的水平上顯著；智能化對中等經濟發展水平地區、低經濟發展水平地區勞動力的就業質量則無顯著影響。出現上述結果的原因可能在于，以高端前沿產業為主的高經濟發展水平地區具備發展人工智能技術的重要基礎，能夠迅速承接智能化優勢，拓寬智能化應用場景，從而與勞動力在就業過程中產生協同效應，通過多渠道促進了就業質量的提升；反之，由于發展不平衡，中低經濟發展水平地區勞動力從事的工作大多被低端鎖定，甚至可能因為“機器換人”進程的加快而喪失工作機會，因此就業質量不會得到提升。

五、結論與政策啟示

面對老齡化問題加劇和人口紅利消失的雙重挑戰，需要進一步合理配置勞動力資源以促進勞動力才能的充分發揮，這使得提升就業質量的重要性愈發凸顯。隨著新一輪科技革命和產業變革的深入演進，智能化將有效打通就業質量提升過程中的堵點，進而為實現高質量發展蓄勢賦能。本文以CLDS數據庫2016和2018年個體問卷部分為研究樣本，構建了勞動力就業質量指數，并與省級智能化水平相匹配，探究了智能化對就業質量的影響效應及作用機制，為新技術革命背景下人工智能影響就業領域的研究提供了新的經驗證據。研究發現：第一，智能化促進了勞動力就業質量的提升，這一結論在內生性處理以及多種穩健性檢驗后依然成立；第二，智能化通過優化勞動力空間配置和促進勞動力與崗位匹配使勞動力配置更加有效，進而促進了就業質量的提升；第三，將勞動力的不同特征納入分析框架后發現，非認知能力更強、專用型人力資本積累更多的勞動力能更好地適應智能化發展趨勢，從而就業質量提升效果更明顯；第四，智能化對就業質量的影響會因勞動力所處地區經濟發展水平的不同而存在差異，體現在高經濟發展水平地區勞動力的就業質量獲得了顯著提升，其余地區則不明顯。根據以上研究結論，本文提出如下政策建議：

第一，發展人工智能技術是塑造國際競爭優勢的重要抓手，政府需重視政策工具之間的匹配性，以建立起推動智能化發展的長效機制。具體而言，通過對企業購置人工智能固定資產進行補貼與加速折舊、采購創新產品原材料等需求型政策工具推動創新成果的落地，利用培養創新研發型人才、推動新基建建設等供給型政策工具部署創新鏈與產業鏈，依托為人工智能專利和知識產權提供保障等環境型政策工具統籌智能化全面布局，進而從三方面構建起支持人工智能發展的政策配套體系，發揮政策工具“組合拳”優勢，為產學研等多主體關于人工智能技術的引入、研發與落地提供發展方向與引導。

第二，政府應積極引導勞動力順應智能化發展趨勢，以人工智能技術為手段切實提高勞動力就業質量。在人工智能深入發展的背景下，為全面實現促就業、保民生的宏觀目標，政府各部門應有的放矢，深入挖掘智能化在提升就業質量方面的潛力。對于教育部門而言，要即時評估預測當下和未來勞動力市場對人工智能人才的需求情況，并對高校的課程、專業、院系設立作出優化調整，不僅要加強人工智能基礎理論的普及，也要重視理論與實踐結合的重要性，拓寬畢業生的技能范圍進而塑造“數智”優勢，助力其實現高質量就業。對于人力資源管理部門而言，為了避免人工智能在大范圍內對勞動力就業產生不利沖擊，應建立培訓平臺提供與市場需求相契合的工業機器人編碼、大數據分析、可視化等人工智能相關課程，實現勞動者的“再技能化”，保障勞動者在新環境下的就業能力。有關部門還應利用大數據技術賦能人力資源管理，優化勞動力配置；應用傳感技術與物聯網檢測工作環境，保障勞動力的健康與安全；通過區塊鏈技術為勞動者提供更全面的保障服務，讓智能化成為提升就業質量的有效工具。

第三，政府應加快教育體系改革，重視各階段對學生非認知能力的培養，同時鼓勵企業塑造勞動力專用型人力資本，進一步擴大智能化對就業質量的正向影響。應將非認知能力納入義務教育期間人才培養的體系之中，積極培養學生盡責、嚴謹、自律、開放、堅韌、抗挫折等能力與性格優勢，有助于人才在未來能更好地適應經濟社會快速智能化所引發的工作環境與市場需求的變化，從容應對工作中的挑戰和機遇。專用型人力資本水平高的勞動力能對生產過程和創新產生積極影響，為企業帶來更高的資本回報率。政府可通過對企業提供稅收減免和財政補貼等路徑，激勵企業加大對人力資本的投資力度，使企業聯合教育機構開設培訓課程，構建起完備的人才培養體系，為勞動者積累專用型人力資本提供指導，從而更好地應對智能化對就業崗位帶來的沖擊。

第四，政府應進一步推動戶籍制度改革、降低遷移成本、著力破除限制勞動力自由流動的障礙，從而改善勞動力配置效率。首先，為保障所有勞動力能根據效用最大化原則通過空間配置的方式進行自由擇業，以獲得更高的就業質量，政府應加大戶籍松綁的力度、推出人才引進政策、解決地方政府保護壁壘引起的市場分割問題，保障勞動力在空間上有效配置和在地區間有序流動。其次，應推動建立統一的全國性社保體系和醫療服務體系，確保勞動力在遷移過程中能享受一致的公共服務，減少流動摩擦。相關部門還應通過大數據監測技術即時了解并分析勞動力的流動情況，從而優化公共資源的分配制度，滿足不同地區的差異性需求。最后，應進一步健全監管機制，打擊就業歧視、戶籍歧視行為，以促進弱勢群體在不同地區享有平等的就業權利。

參考文獻

［1］

孫早，陳玉潔. 機器人角色、生產分割與生產方式轉換［J］.中國工業經濟，2023，41（4）：5-23.

SUN Z， CHEN Y J. Robot role， production fragmentation and production mode transformation［J］.China Industrial Economics，2023，41（4）：5-23.

［2］賈根良.第三次工業革命與工業智能化［J］.中國社會科學， 2016，37（6）：87-106.

JIA G L. The third industrial revolution and industrial intellectualization［J］.Social Sciences in China， 2016，37（6）：87-106.

［3］ACEMOGLUD， RESTREPO P. Robots and jobs： evidence from US labor markets［J］. Journal of Political Economy， 2020， 128（6）： 2188-2244.

［4］BESSEN J. Automation and jobs： when technology boosts employment［J］. Economic Policy，2019，34（100）：589-626.

［5］王永欽，董雯.機器人的興起如何影響中國勞動力市場：來自制造業上市公司的證據［J］.經濟研究，2020，55（10）：159-175.

WANG Y Q， DONG W. How the rise of robots has affected China’s labor market： evidence from China’s listed manufacturing firms［J］.Economic Research Journal，2020，55（10）：159-175.

［6］賴德勝，蘇麗鋒，孟大虎，等. 中國各地區就業質量測算與評價［J］.經濟理論與經濟管理，2011，31（11）：88-99.

LAI D S， SU L F， MENG D H， et al. Employment qua-lity index of China’s provinces［J］.Economic Theory and Business Management，2011，31（11）：88-99.

［7］凌瓏. 就業質量與居民主觀福利：基于中國勞動力動態調查的實證研究［J］.統計研究，2022，39（10）：149-160.

LING L. Employment quality and residents’subjective well-being： an empirical study based on China labor force dynamic survey［J］.Statistical Research，2022，39（10）：149-160.

［8］劉濤，王德政.教育水平、工作經驗與流動人口就業質量［J］.人口研究，2021，45（4）：85-99.

LIU T， WANG D Z. Education， work experience， and job quality of migrant workers［J］.Population Research，2021，45（4）：85-99.

［9］鄧睿. 社會資本動員中的關系資源如何影響農民工就業質量？［J］.經濟學動態，2020，61（1）：52-68.

DENG R. How does the relationship resource in social capital mobilization affect the employment quality of mig-rant workers？［J］.Economic Perspectives，2020，61（1）：52-68.

［10］毛宇飛，曾湘泉，祝慧琳.互聯網使用、就業決策與就業質量：基于CGSS數據的經驗證據［J］.經濟理論與經濟管理，2019，39（1）：72-85.

MAO Y F， ZENG X Q， ZHU H L. Internet use， employment decision and employment quality： empirical evidence from CGSS data［J］.Economic Theory and Business Management，2019，39（1）：72-85.

［11］張廣勝，王若男. 數字經濟發展何以賦能農民工高質量就業［J］.中國農村經濟，2023，39（1）：58-76.

ZHANG G S， WANG R N. How can the development of digital economy enable high-quality employment of mig-rant workers？［J］.Chinese Rural Economy，2023，39（1）：58-76.

［12］SCHMIDPETER B， WINTER E R. Automation， unemployment， and the role of labor market training［J］.European Economic Review， 2021， 137（5）：103808.

［13］DOMINI G， GRAZZI M， MOSCHELLA D. For whom the bell tolls： the firm-level effects of automation on wage and gender inequality［J］.Research Policy， 2022， 51（7）：104533.

［14］周廣肅，李力行，孟嶺生. 智能化對中國勞動力市場的影響：基于就業廣度和強度的分析［J］.金融研究，2021，64（6）：39-58.

ZHOU G S， LI L X， MENG L S. The impact of automation and artificial intelligence on China’s labor market： quantity and intensity of employment［J］.Journal of Financial Research，2021，64（6）：39-58.

［15］李磊，王小霞，包群. 機器人的就業效應：機制與中國經驗［J］.管理世界，2021，37（9）：104-119.

LI L， WANG X X， BAO Q. The employment effect of robots： mechanism and evidence from China［J］.Journal of Management World，2021，37（9）：104-119.

［16］吳清軍，李貞. 分享經濟下的勞動控制與工作自主性：關于網約車司機工作的混合研究［J］.社會學研究，2018，33（4）：137-162.

WU Q J， LI Z. Labour process control and job autonomy in sharing economy： a case study of online car-hailing drivers’work［J］.Sociological Studies，2018，33（4）：137-162.

［17］MENON S， SALVATORI A， ZWYSEN W. The effect of computer use on job quality： evidence from Europe［R］. Institute of Labor Economics Discussion Papers， No.11298， 2018.

［18］International Labour Organisation. Work for a brighter future： global commission on the future of work［R］.International Labour Organisation Working Paper，2019.

［19］KIM K. The effects of job quality on the health of wage workers： congruence between the hard and soft job quality［J］. Safety and Health at Work， 2023，14（1）：31-42.

［20］呼倩，夏曉華，黃桂田. 中國產業發展的流動勞動力工資增長效應：來自流動人口動態監測的微觀證據［J］.管理世界，2021，37（10）：86-100.

HU Q， XIA X H， HUANG G T. Wage growth effect of migrants in China’s industrial development： microsco-pic：evidence from China migrant dynamic survey［J］.Journal of Management World，2021，37（10）：86-100.

［21］牛子恒，崔寶玉.網絡基礎設施建設與勞動力配置扭曲：來自“寬帶中國”戰略的準自然實驗［J］.統計研究，2022，39（10）：133-148.

NIU Z H， CUI B Y. Network infrastructure construction and labor allocation distortion： a quasi-natural experiment of the “Broadband China” strategy［J］.Statistical Research，2022，39（10）：133-148.

［22］HECKMAN J J， STIXRUD J， URZUA S. The effects of cognitive and noncognitive abilities on labor market outcomes and social behavior［J］. Journal of Labor Econo-mics，2006，24（3）： 411-482.

［23］戚聿東，劉翠花，丁述磊. 數字經濟發展、就業結構優化與就業質量提升［J］.經濟學動態，2020，61（11）：17-35.

QI Y D， LIU C H， DING S L. Digital economic devel-opment， employment structure optimization and employment quality upgrading［J］.Economic Perspectives，2020，61（11）：17-35.

［24］葉永衛，陶云清，王琪紅，等. 稅收激勵、人力資本投資與企業勞動生產率：來自2018年職工教育經費稅前扣除政策的證據［J］.數量經濟技術經濟研究，2023，40（5）：136-157.

YE Y W， TAO Y Q， WANG Q H，et al. Tax incentives， human capital investment， and corporate labor productivity： evidence from the tax deduction policy on firms’employee education expenses in 2018［J］.Journal of Quantitative amp; Technological Economics，2023，40（5）：136-157.

［25］廖冠民，宋蕾蕾. 勞動保護、人力資本密集度與全要素生產率［J］.經濟管理，2020，42（8）：17-33.

LIAO G M， SONG L L. Labor protection， human capi-tal intensity and total factor productivity［J］.Business and Management Journal，2020，42（8）：17-33.

［26］李春濤，閆續文，宋敏，等. 金融科技與企業創新：新三板上市公司的證據［J］.中國工業經濟，2020，38（1）：81-98.

LI C T， YAN X W， SONG M， et al. Fintech and corporate innovation： evidence from Chinese NEEQ-Listed companies［J］.China Industrial Economics，2020，38（1）：81-98.

［27］王小魯，樊綱，胡李鵬. 中國分省份市場化指數報告（2018）［M］. 北京：社會科學文獻出版社，2019.

［28］祝樹金，申志軒，文茜，等. 經濟政策不確定性與企業數字化戰略：效應與機制［J］.數量經濟技術經濟研究，2023，40（5）：24-45.

ZHU S J， SHEN Z X， WEN Q. Economic policy uncertainty and corporate digital strategy： effects and mechanisms［J］.Journal of Quantitative amp; Technological Economics，2023，40（5）：24-45.

［29］CHARLESWORTH S， WELSH J， STRAZDINS L， et al. Measuring poor job quality amongst employees： the VicWAL job quality index［J］. Labour amp; Industry，2014， 24（2）：103-123.

［30］王春凱，許珍珍. 互聯網發展對區域勞動力就業匹配的影響研究：基于人力資本—產業結構視角［J］.當代經濟科學，2023，45（4）：127-138.

WANG C K， XU Z Z. Research on the influence of Internet development on employment matching of regional labor： from the perspective of human capital-industrial structure［J］.Modern Economic Science，2023，45（4）：127-138.

［31］王俊. 經濟集聚、技能匹配與大城市工資溢價［J］.管理世界，2021，37（4）：83-98.

WANG J. Economic agglomeration， skill matching and wage premium in large cities［J］.Journal of Management World，2021，37（4）：83-98.

［32］COSTA P T， MCCRAE R R. Four ways five factors are basic［J］.Personality and Individual Differences，1992，13（6）：653-665.

（編輯：趙歌，高原）

西安交通大學學報（社會科學版）

Vol. 45No. 1Jan. 2025

Intelligentization， Labor Effective Allocation， and the Improvement of Employment Quality

SUN Zao， GAO Xinkai

School of Economics and Finance， Xi’an Jiaotong University， Xi’an 710061， China

Summary" In recent years， spurred by a global wave of new technological revolutions and industrial transformations， artificial intelligence （AI） has emerged as a paradigmatic shift in the technological domain. Nations have increasingly viewed the development of AI technology as a pivotal lever for ascending the value chain， striving to achieve breakthroughs in new arenas and thereby gain a competitive advantage in development. As labor markets gradually mature， achieving high-quality employment entails not only expanding job opportunities but also prioritizing the evaluation of employment quality， a crucial nexus for enhancing societal well-being. Against this backdrop， the further promotion of intelligentization is bound to have far-reaching significance to the employment of labor. However， existing literature predominantly focuses on the effects of intelligentization on employment scale and structure， with scant exploration from the perspective of employment quality. Therefore， this paper integrates labor force allocation into its analytical framework to deeply investigate the implications of intelligentization on employment quality and its operative mechanisms.

This paper constructs a provincial-level intelligentization index based on data from various sources including the China Statistical Yearbook， the International Federation of Robotics （IFR）， the China Rural Economic Management Statistical Yearbook， and independently collected data. It utilizes the China Labor Dynamics Survey databases from 2016 and 2018 to empirically examine individual employment quality. The result show that： Intelligentization has a significant role in promoting the employment quality of labor. It is found that the spatial allocation of labor force and the matching between labor force and jobs are the important channels to intelligentization influence the employment quality. Intelligentization won’t improve the employment quality of all labor groups equally， grouped by the individual characteristics of labor， intelligentization has a more effective improvement in the employment quality of individuals with stronger non-cognitive ability and more specialized human capital accumulation; grouped by the geographical location of the labor， intelligentization has a more effective improvement in the employment quality of labor in areas with high economic development level.

In contrast to prevailing literature， this paper innovates in several respects. Firstly， while prior studies often concentrate on singular dimensions of intelligentization’s impact on employment， such as total employment， employment structure， income levels， or the employment quality of specific labor groups， this paper constructs a comprehensive indicator system to holistically depict intelligentization’s impact on overall labor employment quality. Secondly， based on the distinct characteristics of labor employment decisions， this paper delineates the theoretical mechanisms through which intelligentization enhances employment quality， from the perspectives about spatial allocation of labor and labor-job matching， while examining differential impacts on labor groups with varying non-cognitive abilities and specialized human capital.

This research elucidates， to a certain extent， the pathways and underlying rationale through which AI technology enhances labor employment quality， elucidating how intelligentization can surmount barriers in the process of improving employment quality and thereby empowering efforts toward achieving high-quality development. The paper holds profound policy implications： governments should not only expedite the development of intelligentization but also actively guide enterprises and workers in leveraging AI technology to effectively promote the enhancement of employment quality， fostering enduring mechanisms for promoting high-quality and sufficient employment.

Keywordsintelligentization; employment quality; spatial allocation of labor; labor-job matching