俞伯陽(yáng)

(1.天津財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，天津 300222；2.天津電子信息職業(yè)技術(shù)學(xué)院 經(jīng)濟(jì)與管理系，天津 300350)

一、引 言

改革開(kāi)放40多年來(lái)，中國(guó)經(jīng)濟(jì)以年均接近10%的速度增長(zhǎng)，被世界稱為“中國(guó)奇跡”，但科學(xué)技術(shù)水平對(duì)于經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度一直偏低，這也是中國(guó)潛在經(jīng)濟(jì)增速放緩的原因之一[1]。與此同時(shí)，一方面，中國(guó)的人口老齡化情況開(kāi)始加劇，表現(xiàn)為65歲以上的老齡人口以每年500萬(wàn)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(zhǎng)；另一方面，中國(guó)自2010年開(kāi)始出現(xiàn)了勞動(dòng)年齡人口總量轉(zhuǎn)變?yōu)樨?fù)增長(zhǎng)的情況。自此，曾經(jīng)的“人口紅利”在中國(guó)逐漸消逝，勞動(dòng)力市場(chǎng)規(guī)模的收縮正在成為中國(guó)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的掣肘，造成潛在的國(guó)民“未富先老”的狀況。從勞動(dòng)力結(jié)構(gòu)來(lái)看，2018年中國(guó)約1.65億的技能型勞動(dòng)者總量?jī)H占就業(yè)人員總量的21.3%。其中，制造業(yè)急需的高技能人才占總體就業(yè)人員的比重不足6%，仍有高達(dá)上千萬(wàn)的人才需求缺口。在勞動(dòng)力供給相對(duì)短缺的現(xiàn)階段，中國(guó)許多專家和學(xué)者提出了諸多應(yīng)對(duì)方案。其中包括提高人口生育率、推動(dòng)更大范圍的戶籍改革制度、引入外來(lái)勞動(dòng)力等。除了這些傳統(tǒng)的人口政策改革之外，如何利用高速發(fā)展的技術(shù)創(chuàng)新力量來(lái)促進(jìn)勞動(dòng)力市場(chǎng)的繁榮發(fā)展也是一條重要的路徑。

隨著人工智能技術(shù)的不斷普及,人工智能操作系統(tǒng)與機(jī)器人替代勞動(dòng)力的作用日益突顯,中國(guó)技能型勞動(dòng)力和非技能型勞動(dòng)力都將受到不同程度的影響,進(jìn)而促使勞動(dòng)力市場(chǎng)結(jié)構(gòu)進(jìn)行調(diào)整。2017—2019年，“人工智能”三次被寫入政府工作報(bào)告之中，表明了中國(guó)已將提升新一代人工智能科技創(chuàng)新能力、以人工智能技術(shù)助力實(shí)體經(jīng)濟(jì)發(fā)展等目標(biāo)上升到了國(guó)家戰(zhàn)略高度。2019年3月，李克強(qiáng)總理在政府工作報(bào)告中明確指出：“圍繞推動(dòng)制造業(yè)高質(zhì)量發(fā)展，強(qiáng)化工業(yè)基礎(chǔ)和技術(shù)創(chuàng)新能力，加快建設(shè)制造強(qiáng)國(guó)。打造工業(yè)互聯(lián)網(wǎng)平臺(tái)，拓展‘智能+’，為制造業(yè)轉(zhuǎn)型升級(jí)賦能。”這標(biāo)志著人工智能技術(shù)將成為中國(guó)制造業(yè)供給側(cè)結(jié)構(gòu)性改革和國(guó)家經(jīng)濟(jì)發(fā)展的新動(dòng)能，從而影響到國(guó)民經(jīng)濟(jì)的各個(gè)方面。制造業(yè)的發(fā)展離不開(kāi)高技能人才的支持，因此，中國(guó)許多工業(yè)企業(yè)除了開(kāi)始探索以智能機(jī)器人來(lái)代替?zhèn)鹘y(tǒng)勞動(dòng)力從事工業(yè)生產(chǎn)的發(fā)展路徑之外，也關(guān)注培養(yǎng)熟練使用和配合智能機(jī)器的技能型勞動(dòng)力，從而進(jìn)一步提高勞動(dòng)生產(chǎn)率。國(guó)內(nèi)外專家和學(xué)者們的普遍觀點(diǎn)認(rèn)為，人工智能將在很大程度上替代現(xiàn)有的部分勞動(dòng)力，但具體而言，不同國(guó)家、不同行業(yè)將如何被這一科學(xué)技術(shù)重塑還尚待研究。當(dāng)前，中國(guó)社會(huì)經(jīng)濟(jì)運(yùn)行面臨“人口加速老齡化”與潛在的“中等收入陷阱”等問(wèn)題交叉存在的情況，需要將人類科學(xué)進(jìn)步的腳步和自身社會(huì)發(fā)展的特點(diǎn)相結(jié)合并進(jìn)行深入地探索，進(jìn)而對(duì)于國(guó)家宏觀政策制定、經(jīng)濟(jì)結(jié)構(gòu)調(diào)整等諸多方面進(jìn)行戰(zhàn)略部署和資源整合。作為世界上第二大經(jīng)濟(jì)體和第一人口大國(guó)，深入研究人工智能技術(shù)對(duì)中國(guó)勞動(dòng)力結(jié)構(gòu)的短期和長(zhǎng)期影響具有重要的理論和現(xiàn)實(shí)意義。

二、相關(guān)文獻(xiàn)綜述

從國(guó)外研究來(lái)看，Katz和Murphy[2]認(rèn)為，技能偏向型技術(shù)進(jìn)步在勞動(dòng)力市場(chǎng)中會(huì)產(chǎn)生分化影響，幫助高水平技能型勞動(dòng)力在制造業(yè)獲得更高的工資并更快地適應(yīng)新的生產(chǎn)方式。Michaels等[3]通過(guò)實(shí)證研究方法證明了新技術(shù)會(huì)增加工業(yè)領(lǐng)域高技能工人的工作時(shí)間，但會(huì)減少中、低技能工人的工作時(shí)間。Frey和Osborne[4]創(chuàng)造性對(duì)計(jì)算機(jī)技術(shù)、自動(dòng)化技術(shù)的勞動(dòng)替代率進(jìn)行了定量測(cè)算，進(jìn)而分析了相關(guān)職業(yè)的自動(dòng)化風(fēng)險(xiǎn)。在《人工智能時(shí)代》一書中，Kaplan[5]指出,“人工智能技術(shù)發(fā)展會(huì)導(dǎo)致越來(lái)越多的技術(shù)工種被智能機(jī)器取代。”隨著時(shí)間的演進(jìn)，相關(guān)的研究也逐漸深入。Acemoglu和Restrepo[6]認(rèn)為，伴隨著人工智能技術(shù)發(fā)展進(jìn)步、現(xiàn)有勞動(dòng)密集型工作覆滅，全新的、更復(fù)雜的工作機(jī)遇同時(shí)會(huì)被創(chuàng)造出來(lái)，在此基礎(chǔ)上，他們構(gòu)建了一個(gè)更加具體的新技術(shù)就業(yè)創(chuàng)造模型[7]，該模型證實(shí)了某些就業(yè)崗位在覆滅的同時(shí)會(huì)創(chuàng)造出邊際產(chǎn)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(wù)的情況下，也能創(chuàng)造新的工作機(jī)會(huì)。Gaggl和Wright[8]根據(jù)英國(guó)的數(shù)據(jù)進(jìn)行實(shí)證研究，結(jié)果表明技術(shù)進(jìn)步對(duì)常規(guī)型工作崗位的替代趨勢(shì)并不明顯，而對(duì)認(rèn)知度要求較高的復(fù)雜工作崗位替代性較高。Borland和Coelli[9]提供了來(lái)自澳大利亞的證據(jù)，論證了在60年的技術(shù)演進(jìn)過(guò)程中，澳大利亞勞動(dòng)者的普遍就業(yè)水平?jīng)]有劇烈波動(dòng)。銀行職員、農(nóng)業(yè)勞動(dòng)者、秘書等傳統(tǒng)職業(yè)崗位的減少被以托兒人員、護(hù)理人員為代表的新興職業(yè)所彌補(bǔ)，人均工作時(shí)間總體上保持穩(wěn)定。經(jīng)過(guò)多年持續(xù)性的研究，Acemoglu和Restrepo[10]發(fā)現(xiàn)，人工智能技術(shù)的發(fā)展會(huì)導(dǎo)致機(jī)器替代傳統(tǒng)勞動(dòng)力，但創(chuàng)造的新產(chǎn)品和新服務(wù)會(huì)優(yōu)化勞動(dòng)者的工作內(nèi)容，進(jìn)而影響勞動(dòng)力的就業(yè)結(jié)構(gòu)而不影響其就業(yè)數(shù)量。經(jīng)過(guò)國(guó)外學(xué)者們的大量實(shí)證研究表明，以人工智能為代表的新技術(shù)發(fā)展將促進(jìn)勞動(dòng)者的人力資本價(jià)值提升，進(jìn)而優(yōu)化勞動(dòng)力結(jié)構(gòu)、推動(dòng)經(jīng)濟(jì)增長(zhǎng)。

從國(guó)內(nèi)研究來(lái)看，馬弘等[11]檢驗(yàn)了中國(guó)20年間制造業(yè)在技術(shù)變革中的就業(yè)創(chuàng)造和就業(yè)消失兩方面的情況。董直慶和蔡嘯[12]通過(guò)實(shí)證分析，檢驗(yàn)了中國(guó)不同時(shí)期技術(shù)進(jìn)步對(duì)勞動(dòng)力結(jié)構(gòu)的影響，論證了新技術(shù)進(jìn)步的總體趨勢(shì)將促進(jìn)勞動(dòng)力結(jié)構(gòu)優(yōu)化。王林輝和袁禮[13]在實(shí)證檢驗(yàn)偏向型技術(shù)進(jìn)步對(duì)中國(guó)產(chǎn)業(yè)結(jié)構(gòu)、勞動(dòng)力結(jié)構(gòu)兩方面影響的基礎(chǔ)上，測(cè)算了中國(guó)不同時(shí)期偏向型技術(shù)進(jìn)步水平及其對(duì)勞動(dòng)要素收入份額的影響。周云波等[14]用面板數(shù)據(jù)測(cè)算了技術(shù)進(jìn)步因素在中國(guó)不同行業(yè)間的溢出效應(yīng)，以及對(duì)不同行業(yè)勞動(dòng)力結(jié)構(gòu)、人力資本水平和收入差距的影響。薛繼亮[15]將中國(guó)三大產(chǎn)業(yè)進(jìn)行了分類并測(cè)算了不同產(chǎn)業(yè)內(nèi)部以及產(chǎn)業(yè)間技術(shù)進(jìn)步所帶來(lái)的結(jié)構(gòu)性影響，進(jìn)而分析了技術(shù)進(jìn)步對(duì)于不同產(chǎn)業(yè)轉(zhuǎn)型升級(jí)過(guò)程中勞動(dòng)力就業(yè)結(jié)構(gòu)造成的影響。程承坪和彭歡[16]通過(guò)梳理國(guó)際上人工智能技術(shù)對(duì)于勞動(dòng)者就業(yè)的影響，探討了針對(duì)中國(guó)現(xiàn)狀應(yīng)當(dāng)采取的應(yīng)對(duì)措施。王東霞[17]則通過(guò)較為完善的計(jì)量模型系統(tǒng)性考察了技術(shù)進(jìn)步對(duì)產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)和勞動(dòng)力就業(yè)的影響。朱巧玲和李敏[18]梳理了歷次技術(shù)進(jìn)步對(duì)不同階段勞動(dòng)力市場(chǎng)形成的沖擊，通過(guò)回歸模型考察了人工智能和技術(shù)進(jìn)步兩個(gè)因素對(duì)勞動(dòng)力結(jié)構(gòu)造成的影響。呂榮杰和郝力曉[19]也在梳理了歷次技術(shù)進(jìn)步對(duì)勞動(dòng)力市場(chǎng)造成沖擊的基礎(chǔ)上，檢驗(yàn)了人工智能對(duì)就業(yè)人數(shù)與收入水平造成的影響。從第二產(chǎn)業(yè)智能化變革的角度來(lái)看，蔡嘯和黃旭美[20]通過(guò)門限回歸檢驗(yàn)了人工智能技術(shù)發(fā)展對(duì)于中國(guó)勞動(dòng)力在制造業(yè)與服務(wù)業(yè)間流轉(zhuǎn)的趨勢(shì)。孫早和侯玉琳[21]針對(duì)人工智能技術(shù)賦能工業(yè)對(duì)中國(guó)勞動(dòng)力就業(yè)結(jié)構(gòu)的影響機(jī)制進(jìn)行了實(shí)證分析，檢驗(yàn)了工業(yè)智能化導(dǎo)致相關(guān)崗位對(duì)于不同學(xué)歷程度勞動(dòng)力需求量的影響，認(rèn)為人工智能技術(shù)將導(dǎo)致中國(guó)的整體勞動(dòng)力就業(yè)結(jié)構(gòu)在未來(lái)呈現(xiàn)出“兩極化”特征。郭凱明[22]則認(rèn)為，伴隨著人工智能技術(shù)的擴(kuò)展，不同產(chǎn)業(yè)間產(chǎn)出彈性差別和勞動(dòng)收入份額變動(dòng)會(huì)促使勞動(dòng)力在產(chǎn)業(yè)部門間流轉(zhuǎn)，進(jìn)而影響未來(lái)中國(guó)的勞動(dòng)力就業(yè)結(jié)構(gòu)。通過(guò)梳理現(xiàn)有的國(guó)內(nèi)研究不難發(fā)現(xiàn)，以人工智能為代表的新技術(shù)發(fā)展與應(yīng)用對(duì)中國(guó)產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)力市場(chǎng)產(chǎn)生了深刻的影響。

本文將探討在人工智能技術(shù)發(fā)展背景下不同產(chǎn)業(yè)間勞動(dòng)力結(jié)構(gòu)的優(yōu)化問(wèn)題，并運(yùn)用狀態(tài)空間模型來(lái)檢驗(yàn)近十年來(lái)人工智能技術(shù)發(fā)展規(guī)模對(duì)于中國(guó)國(guó)家層面和不同地區(qū)勞動(dòng)力結(jié)構(gòu)動(dòng)態(tài)影響的時(shí)變彈性系數(shù)，并進(jìn)一步探討如何運(yùn)用人工智能技術(shù)及相關(guān)配套政策來(lái)優(yōu)化勞動(dòng)力結(jié)構(gòu)。

三、研究思路及假設(shè)提出

從經(jīng)濟(jì)學(xué)理論來(lái)看，技術(shù)進(jìn)步會(huì)在一定程度上替代勞動(dòng)力，也會(huì)創(chuàng)造出很多新的崗位來(lái)增加就業(yè)機(jī)會(huì)；人類歷史上發(fā)生的數(shù)次技術(shù)革命都對(duì)勞動(dòng)力結(jié)構(gòu)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(jī)器大工業(yè)時(shí)期工人與機(jī)器之間的關(guān)系后，提出了“資本有機(jī)構(gòu)成理論”“機(jī)器排擠工人”及“產(chǎn)業(yè)后備軍”理論,認(rèn)為技術(shù)進(jìn)步對(duì)勞動(dòng)力市場(chǎng)形成的影響是多重的。在經(jīng)歷過(guò)機(jī)械化、電氣化、自動(dòng)化的幾次技術(shù)革命后，智能化革命正在發(fā)生，其代表就是人工智能技術(shù)、大數(shù)據(jù)、物聯(lián)網(wǎng)等一系列智能化生產(chǎn)生活技術(shù)變革，這些新技術(shù)推動(dòng)了機(jī)器替代人的體力和腦力勞動(dòng)，以“機(jī)器換人”的方式改變了傳統(tǒng)的勞動(dòng)生產(chǎn)方式。因此，不同于以往的技術(shù)進(jìn)步，人工智能技術(shù)的影響范圍將從體力勞動(dòng)者向腦力勞動(dòng)者逐步擴(kuò)散。進(jìn)一步來(lái)講，人工智能技術(shù)對(duì)于勞動(dòng)力市場(chǎng)的影響主要來(lái)源于單位生產(chǎn)成本的降低、技術(shù)性失業(yè)與技能偏向型就業(yè)機(jī)會(huì)創(chuàng)造。其中，技術(shù)性失業(yè)一般出現(xiàn)于技術(shù)創(chuàng)新的初期階段，在企業(yè)和市場(chǎng)廣泛應(yīng)用新技術(shù)之后，技能偏向型技術(shù)變革帶來(lái)的新崗位需求會(huì)彌補(bǔ)乃至超越原先的勞動(dòng)力需求數(shù)量，而與之相伴隨的是各行業(yè)廣泛性的單位產(chǎn)出成本降低，包括勞動(dòng)、資金等要素成本的降低。從國(guó)家層面來(lái)看，這種過(guò)程提升了全社會(huì)的人力資本水平，從而優(yōu)化了勞動(dòng)力結(jié)構(gòu)。

在“十三五”期間，中國(guó)的勞動(dòng)力市場(chǎng)呈現(xiàn)出高新技術(shù)產(chǎn)業(yè)、高端制造業(yè)、高端服務(wù)業(yè)等行業(yè)人才短缺的情況，具體體現(xiàn)在現(xiàn)有勞動(dòng)力結(jié)構(gòu)中存在大量高水平技能型勞動(dòng)力缺口的問(wèn)題，今后，這種趨勢(shì)會(huì)更加明顯。因此，如何處理好經(jīng)濟(jì)結(jié)構(gòu)調(diào)整背景下產(chǎn)業(yè)智能化發(fā)展與勞動(dòng)力充分就業(yè)之間的關(guān)系是中國(guó)未來(lái)中長(zhǎng)期經(jīng)濟(jì)發(fā)展的重要議題。中國(guó)雖然不是人工智能技術(shù)研究起步最早的國(guó)家，但發(fā)展速度十分迅速。從中國(guó)現(xiàn)狀來(lái)看，以人工智能為代表的數(shù)字技術(shù)進(jìn)步將從各個(gè)方面影響人們的社會(huì)生活，最主要的是對(duì)勞動(dòng)力市場(chǎng)和產(chǎn)業(yè)格局的影響，也就是從生產(chǎn)力和生產(chǎn)資料兩個(gè)方面重新塑造國(guó)民經(jīng)濟(jì)。當(dāng)前，中國(guó)絕大多數(shù)先進(jìn)制造領(lǐng)域都依托或應(yīng)用了人工智能技術(shù)，先進(jìn)制造業(yè)產(chǎn)值、新產(chǎn)品和從業(yè)人員屢創(chuàng)新高。可見(jiàn)人工智能技術(shù)的發(fā)展進(jìn)步從客觀上已經(jīng)培養(yǎng)出一批高水平、專業(yè)化的技能型勞動(dòng)力。根據(jù)2019年德勤發(fā)布的《中國(guó)人工智能產(chǎn)業(yè)白皮書》分析報(bào)告，制造業(yè)是人工智能技術(shù)最具潛力的應(yīng)用場(chǎng)景，預(yù)計(jì)將通過(guò)提高70%的勞動(dòng)生產(chǎn)率來(lái)降低制造廠商20%的生產(chǎn)成本。因此，在未來(lái)制造業(yè)重點(diǎn)領(lǐng)域能配合并使用智能機(jī)器人和智能系統(tǒng)的高技能技術(shù)工人需求將大量增加。根據(jù)勞動(dòng)力市場(chǎng)理論中的動(dòng)態(tài)均衡模型，在t時(shí)間點(diǎn)的勞動(dòng)力需求通過(guò)勞動(dòng)力市場(chǎng)傳導(dǎo)機(jī)制將轉(zhuǎn)化為t+1時(shí)間點(diǎn)的勞動(dòng)力供給。隨著新技術(shù)的普遍應(yīng)用、新機(jī)器的普遍運(yùn)行，中國(guó)制造業(yè)亟需大量的技能型勞動(dòng)力。最終，勞動(dòng)力需求與供給的傳導(dǎo)機(jī)制將推動(dòng)中國(guó)勞動(dòng)力技能水平和就業(yè)質(zhì)量的提升，并在長(zhǎng)期持續(xù)優(yōu)化中國(guó)勞動(dòng)力結(jié)構(gòu)?；谝陨戏治觯疚奶岢鋈缦录僭O(shè)：

H1:在近十年來(lái)，中國(guó)人工智能技術(shù)的發(fā)展會(huì)增加制造業(yè)勞動(dòng)力的供給量，進(jìn)而優(yōu)化了勞動(dòng)力結(jié)構(gòu)。

H2:由于基礎(chǔ)設(shè)施、資源稟賦的差別，人工智能技術(shù)對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)的影響在不同地區(qū)之間存在差異。

四、變量選取與模型構(gòu)建

(一)變量說(shuō)明與數(shù)據(jù)來(lái)源

1.變量說(shuō)明

(1)被解釋變量

勞動(dòng)力結(jié)構(gòu)(LS)是本文的被解釋變量。勞動(dòng)力結(jié)構(gòu)有多種表達(dá)形式，比較傳統(tǒng)的是城鄉(xiāng)二元?jiǎng)趧?dòng)力結(jié)構(gòu)的劃分方式，其能夠表示農(nóng)業(yè)勞動(dòng)者向工業(yè)部門與服務(wù)業(yè)部門的轉(zhuǎn)移過(guò)程。隨著經(jīng)濟(jì)新常態(tài)下中國(guó)鄉(xiāng)村振興工程的展開(kāi)，城鄉(xiāng)間的勞動(dòng)力流動(dòng)變化趨勢(shì)也進(jìn)入了新的發(fā)展階段，推動(dòng)農(nóng)民本地化就業(yè)成為了勞動(dòng)力市場(chǎng)的新目標(biāo)。因此，單純以農(nóng)業(yè)就業(yè)和非農(nóng)業(yè)就業(yè)來(lái)衡量勞動(dòng)力結(jié)構(gòu)已不適用于中國(guó)當(dāng)前經(jīng)濟(jì)形勢(shì)。根據(jù)習(xí)近平總書記關(guān)于加快建設(shè)中國(guó)成為制造強(qiáng)國(guó)的發(fā)展理念，本文以中國(guó)各省制造業(yè)就業(yè)人員在總體城鎮(zhèn)就業(yè)人員中所占的比例來(lái)表示勞動(dòng)力結(jié)構(gòu)變量。

(2)解釋變量

人工智能技術(shù)發(fā)展規(guī)模(AI)是本文的核心解釋變量。伴隨著人工智能技術(shù)對(duì)于制造業(yè)、特別是先進(jìn)制造業(yè)的影響越來(lái)越深入，人工智能技術(shù)發(fā)展規(guī)模將影響到就業(yè)市場(chǎng)的勞動(dòng)力結(jié)構(gòu)。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(jì)算機(jī)服務(wù)和軟件業(yè)全社會(huì)資產(chǎn)投資額來(lái)代表人工智能技術(shù)發(fā)展規(guī)模。由于固定資產(chǎn)投資從投資到產(chǎn)生效果需要一定的周期，因此，本文在分析檢驗(yàn)中參考已有文獻(xiàn)的做法，采用滯后一期的數(shù)據(jù)進(jìn)行計(jì)量檢驗(yàn)。

(3)控制變量

政府財(cái)政支出(GOV)決定了各地方的生產(chǎn)生活環(huán)境和社會(huì)保障體系。政府財(cái)政支出作為國(guó)家宏觀調(diào)控的重要工具，在中國(guó)的工業(yè)發(fā)展進(jìn)程中扮演著重要角色。在中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)的階段，有效的政府財(cái)政支出結(jié)構(gòu)能引導(dǎo)產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)力結(jié)構(gòu)的良性發(fā)展。因此，本文采用地方政府一般性財(cái)政支出占地方GDP的比值作為政府財(cái)政支出變量。

產(chǎn)業(yè)結(jié)構(gòu)(STR)是決定勞動(dòng)力結(jié)構(gòu)的重要因素。在進(jìn)入高質(zhì)量發(fā)展的新階段，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整是中國(guó)宏觀調(diào)控的重點(diǎn)工作。為此，中國(guó)近年來(lái)多次發(fā)布產(chǎn)業(yè)結(jié)構(gòu)調(diào)整指導(dǎo)目錄，從2009年實(shí)施的“去產(chǎn)能”，到2015年推動(dòng)的“供給側(cè)結(jié)構(gòu)性改革”，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化帶動(dòng)了不同地區(qū)的勞動(dòng)力結(jié)構(gòu)優(yōu)化。因此，本文采用地方工業(yè)增加值在地方GDP中的比重代表產(chǎn)業(yè)結(jié)構(gòu)變量。

對(duì)外貿(mào)易(INT)在中國(guó)改革開(kāi)放的40多年間推動(dòng)著中國(guó)制造業(yè)的飛速發(fā)展，也因此吸收了大量勞動(dòng)力從事制造業(yè)相關(guān)崗位。因此，對(duì)外貿(mào)易的發(fā)展對(duì)于中國(guó)產(chǎn)業(yè)結(jié)構(gòu)和勞動(dòng)力結(jié)構(gòu)的影響至關(guān)重要?；诖耍疚倪x取經(jīng)營(yíng)單位所在地進(jìn)出口總額占地方GDP的比重代表對(duì)外貿(mào)易變量。

表1 變量的描述性搖統(tǒng)計(jì)(N=310)

2.數(shù)據(jù)來(lái)源

本文所使用的數(shù)據(jù)來(lái)自2009—2018年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》《中國(guó)貿(mào)易外經(jīng)統(tǒng)計(jì)年鑒》及2008—2017年的《中國(guó)科技統(tǒng)計(jì)年鑒》。本文在分析檢驗(yàn)中對(duì)于人工智能技術(shù)發(fā)展規(guī)模變量進(jìn)行了自然對(duì)數(shù)處理，各個(gè)變量的統(tǒng)計(jì)特征如表1所示。

(二)模型構(gòu)建

根據(jù)研究目標(biāo)，本文采用狀態(tài)空間模型，并通過(guò)卡爾曼濾波算法對(duì)涉及變量進(jìn)行檢驗(yàn)。狀態(tài)空間模型主要應(yīng)用于多變量非平穩(wěn)時(shí)間序列的檢驗(yàn)，其優(yōu)勢(shì)在于將不可觀測(cè)的狀態(tài)變量納入可觀測(cè)模型之中，并與模型一起得到估計(jì)結(jié)果。狀態(tài)空間模型由量測(cè)方程和狀態(tài)方程組成，在直觀上呈現(xiàn)為狀態(tài)向量取值的一個(gè)向量空間。為了反映各個(gè)解釋變量對(duì)勞動(dòng)力結(jié)構(gòu)的影響，本文通過(guò)狀態(tài)空間方法構(gòu)建一個(gè)可變參數(shù)模型，量測(cè)方程如式(1)所示，狀態(tài)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(shù)；LSt、AIt、GOVt、STRt、INTt為量測(cè)變量； SV1,t、SV2,t、SV3,t、SV4,t為狀態(tài)變量，分別表示在不同時(shí)點(diǎn)上，人工智能技術(shù)發(fā)展規(guī)模、政府財(cái)政支出、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外貿(mào)易四個(gè)變量的時(shí)變彈性系數(shù)，通過(guò)卡爾曼濾波算法可得到的時(shí)變參數(shù) SV 的估計(jì)值；η1,t、η2,t、η3,t、η4,t為遞歸系數(shù)。

五、相關(guān)檢驗(yàn)結(jié)果與分析

(一)平穩(wěn)性檢驗(yàn)

在進(jìn)行狀態(tài)空間模型參數(shù)估計(jì)之前，本文首先進(jìn)行了靜態(tài)回歸，模型中各個(gè)變量的系數(shù)均顯著，可進(jìn)行殘差平穩(wěn)性檢驗(yàn)。本文采用Dickey和Fuller的ADF檢驗(yàn)方法與Phillips和Perron的PP檢驗(yàn)方法分別檢驗(yàn)了殘差的平穩(wěn)性，兩種方法的檢驗(yàn)結(jié)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(shè)，均通過(guò)了平穩(wěn)性檢驗(yàn)。靜態(tài)回歸殘差為平穩(wěn)序列，表明了本文的解釋變量與被解釋變量間存在協(xié)整關(guān)系并可以進(jìn)行后續(xù)的狀態(tài)空間模型估計(jì)。

(二)狀態(tài)空間模型估計(jì)

靜態(tài)面板模型和動(dòng)態(tài)面板模型都可以用來(lái)分析各變量對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)的影響。在動(dòng)態(tài)面板模型中，卡爾曼濾波算法可以對(duì)狀態(tài)模型中的變量進(jìn)行最優(yōu)估計(jì)，并將前一時(shí)刻的預(yù)測(cè)誤差及時(shí)反饋到方程之中，捕捉各變量參數(shù)的變化軌跡，從而提高模型的估計(jì)精度。通過(guò)EVIEWS10軟件，結(jié)合各省份的面板數(shù)據(jù)，運(yùn)用狀態(tài)空間模型(State Space Model)及卡爾曼濾波(Kalman Filter)算法對(duì)各變量的時(shí)變參數(shù)進(jìn)行估計(jì)，估計(jì)結(jié)果如表2所示。

表2 狀態(tài)空間模型各參數(shù)估計(jì)結(jié)果

注：***、**和*分別表示在1%、5%和10%的置信水平下顯著，下同。

根據(jù)表2的檢驗(yàn)結(jié)果可以發(fā)現(xiàn)，2008—2017年，各解釋變量的時(shí)變彈性系數(shù)基本顯著，尤其在2016—2017年，各解釋變量的時(shí)變彈性系數(shù)均呈顯著狀態(tài)，說(shuō)明了本文的模型設(shè)定具有一定的科學(xué)性且解釋變量的檢驗(yàn)結(jié)果顯著性較強(qiáng)。

1.各解釋變量時(shí)變彈性系數(shù)的動(dòng)態(tài)變化軌跡分析

根據(jù)回歸結(jié)果，解釋變量和控制變量對(duì)被解釋變量的時(shí)變彈性系數(shù)變化情況可以比較直觀地呈現(xiàn)出來(lái)，如圖1—圖4所示。

圖1 人工智能技術(shù)發(fā)展規(guī)模對(duì)勞動(dòng)力結(jié)構(gòu)的影響

圖2 政府財(cái)政支出對(duì)勞動(dòng)力結(jié)構(gòu)的影響

圖3 產(chǎn)業(yè)結(jié)構(gòu)對(duì)勞動(dòng)力結(jié)構(gòu)的影響

圖4 對(duì)外貿(mào)易對(duì)勞動(dòng)力結(jié)構(gòu)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(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)呈現(xiàn)正向促進(jìn)的影響作用，其時(shí)變彈性系數(shù)波動(dòng)幅度比較突出。2008—2011年，時(shí)變彈性系數(shù)穩(wěn)中有升，到了2011—2015年的5年間呈現(xiàn)持續(xù)減小趨勢(shì)，且在2015年下降到0.005，此后開(kāi)始回升。到了2016—2017年，時(shí)變彈性系數(shù)分別為0.027和0.029，且在1%的置信水平下顯著。這樣的結(jié)果顯示出人工智能技術(shù)發(fā)展規(guī)模在近十年中對(duì)勞動(dòng)力結(jié)構(gòu)優(yōu)化的正向影響存在波動(dòng)性變化，并在最近兩年達(dá)到巔峰。從2008年開(kāi)始，中國(guó)的人工智能技術(shù)發(fā)展開(kāi)始起步，對(duì)技能型勞動(dòng)力的正向影響作用率先顯現(xiàn)，因而呈現(xiàn)了一定時(shí)期的大幅度增長(zhǎng)。2011—2014年，隨著人工智能技術(shù)在各行業(yè)的滲透，以及在勞動(dòng)生產(chǎn)中所處角色的適應(yīng)及用量的大規(guī)模增加，人工智能技術(shù)發(fā)展規(guī)模的增長(zhǎng)對(duì)于技能型勞動(dòng)力的替代效應(yīng)持續(xù)增強(qiáng)，表現(xiàn)為制造業(yè)就業(yè)比例的減少，即出現(xiàn)了勞動(dòng)力由制造業(yè)向服務(wù)業(yè)的大量轉(zhuǎn)移。2015—2017年，人工智能技術(shù)發(fā)展規(guī)模的時(shí)變彈性系數(shù)持續(xù)增大且逐漸趨于平穩(wěn)，表明各個(gè)行業(yè)的智能化轉(zhuǎn)型升級(jí)已達(dá)到了較為成熟的水平，對(duì)于勞動(dòng)力結(jié)構(gòu)的優(yōu)化促進(jìn)作用趨于平穩(wěn)。究其原因在于中國(guó)從2014年開(kāi)始對(duì)人工智能技術(shù)相關(guān)產(chǎn)業(yè)發(fā)展重視程度的提高，這個(gè)重要的轉(zhuǎn)折點(diǎn)是2014年6月9日習(xí)近平總書記在中國(guó)科學(xué)院第十七次院士大會(huì)、中國(guó)工程院第十二次院士大會(huì)開(kāi)幕式上關(guān)于中國(guó)人工智能產(chǎn)業(yè)發(fā)展的重要講話。此后，人工智能逐步上升為國(guó)家戰(zhàn)略并穩(wěn)步推進(jìn)，最終在2016—2017年核心解釋變量的時(shí)變彈性系數(shù)達(dá)到0.030左右，且呈現(xiàn)出穩(wěn)定向上的發(fā)展趨勢(shì)。因此，該檢驗(yàn)結(jié)果表明了當(dāng)前人工智能技術(shù)發(fā)展規(guī)模已經(jīng)平穩(wěn)且顯著地優(yōu)化了中國(guó)的勞動(dòng)力結(jié)構(gòu)。

從圖2可以看出，政府財(cái)政支出對(duì)中國(guó)勞動(dòng)力結(jié)構(gòu)的影響作用變化趨勢(shì)較為平穩(wěn)。從總體上看，政府財(cái)政支出對(duì)中國(guó)勞動(dòng)力結(jié)構(gòu)呈正向影響，且呈階段性上升趨勢(shì)。2008—2009年政府財(cái)政支出對(duì)勞動(dòng)力結(jié)構(gòu)影響的波動(dòng)率較高，究其原因主要是伴隨著國(guó)際金融危機(jī)的爆發(fā)，中國(guó)出臺(tái)了積極的財(cái)政政策予以應(yīng)對(duì)，因此對(duì)于勞動(dòng)力結(jié)構(gòu)的影響作用較大。從2010年開(kāi)始，政府財(cái)政支出對(duì)于勞動(dòng)力結(jié)構(gòu)的正向影響呈現(xiàn)持續(xù)上升趨勢(shì)。2014—2015年出現(xiàn)了小幅度的波動(dòng)，但時(shí)變彈性系數(shù)的總體趨勢(shì)仍在增大。這樣的結(jié)果表明中國(guó)當(dāng)前的財(cái)政政策效果顯著，保障了制造業(yè)領(lǐng)域擁有充足的就業(yè)吸納能力來(lái)承載足夠比例的就業(yè)需求。到了2016—2017年，政府財(cái)政支出對(duì)于勞動(dòng)力結(jié)構(gòu)優(yōu)化影響作用的時(shí)變彈性系數(shù)穩(wěn)定在0.100左右。因此，該檢驗(yàn)結(jié)果表明中國(guó)現(xiàn)有財(cái)政支出的結(jié)構(gòu)與方向正在引導(dǎo)更多的技能型人才充實(shí)到制造業(yè)就業(yè)崗位之中，實(shí)現(xiàn)著制造業(yè)的轉(zhuǎn)型升級(jí)。

從圖3可以看出，產(chǎn)業(yè)結(jié)構(gòu)對(duì)中國(guó)勞動(dòng)力結(jié)構(gòu)影響的時(shí)變彈性系數(shù)雖然存在一定幅度的波動(dòng)，但總體上呈現(xiàn)穩(wěn)定上升趨勢(shì)且影響作用較大。具體表現(xiàn)為2008—2011年的發(fā)展趨勢(shì)較為平緩，時(shí)變彈性系數(shù)基本保持在0.650左右的水平。從2011年開(kāi)始，產(chǎn)業(yè)結(jié)構(gòu)對(duì)于勞動(dòng)力結(jié)構(gòu)的影響作用持續(xù)增大，并于2014年達(dá)到0.900左右。這樣的變化趨勢(shì)主要是由于中國(guó)產(chǎn)業(yè)政策的引導(dǎo)作用，2009年10月，中國(guó)針對(duì)以鋼鐵、水泥、平板玻璃、煤化工、多晶硅、風(fēng)電設(shè)備等六大行業(yè)為代表的產(chǎn)能過(guò)剩問(wèn)題召開(kāi)了國(guó)務(wù)院常務(wù)會(huì)議，發(fā)改委隨即部署了調(diào)控工作。伴隨著相關(guān)政策逐步落實(shí)，產(chǎn)業(yè)結(jié)構(gòu)變化對(duì)于制造業(yè)就業(yè)比例的提升作用逐步增大。從2015年開(kāi)始，中國(guó)正式實(shí)施了供給側(cè)結(jié)構(gòu)性改革，表現(xiàn)在產(chǎn)業(yè)結(jié)構(gòu)的變化對(duì)于勞動(dòng)力結(jié)構(gòu)的影響稍有減弱，到了2016—2017年時(shí)變彈性系數(shù)穩(wěn)定于0.800左右。因此，中國(guó)現(xiàn)行的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策及供給側(cè)結(jié)構(gòu)性改革對(duì)于勞動(dòng)力結(jié)構(gòu)優(yōu)化有著顯著的正向促進(jìn)作用，在未來(lái)應(yīng)當(dāng)進(jìn)一步貫徹執(zhí)行。

從圖4可以看出，對(duì)外貿(mào)易對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)優(yōu)化的影響總體上呈上升趨勢(shì)，且存在一定的變化幅度。作為較長(zhǎng)時(shí)期的出口導(dǎo)向型國(guó)家，中國(guó)制造業(yè)從業(yè)人員比重長(zhǎng)期受到對(duì)外貿(mào)易發(fā)展水平的影響。從2008—2011年，對(duì)外貿(mào)易對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)的影響作用波動(dòng)較大，到了2016—2017年，對(duì)外貿(mào)易對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)優(yōu)化的正向影響作用呈小幅度下降趨勢(shì)，最終，時(shí)變彈性系數(shù)穩(wěn)定于0.193。因此，該檢驗(yàn)結(jié)果說(shuō)明了以進(jìn)出口貿(mào)易發(fā)展帶動(dòng)制造業(yè)發(fā)展的傳統(tǒng)模式仍能增加制造業(yè)勞動(dòng)力就業(yè)比重，但這樣的影響作用在逐漸減弱。在未來(lái)，提高中國(guó)制造業(yè)從業(yè)人員比重、優(yōu)化中國(guó)勞動(dòng)力結(jié)構(gòu)需要尋找新動(dòng)能。

2.分地區(qū)檢驗(yàn)及分析

人工智能技術(shù)發(fā)展規(guī)模在全國(guó)不同地區(qū)差異較大，因此，為全面分析人工智能技術(shù)對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)影響的地區(qū)差異，本文繼續(xù)運(yùn)用狀態(tài)空間模型對(duì)東、中、西部地區(qū)分別進(jìn)行檢驗(yàn)，結(jié)果如表3所示。

表3 狀態(tài)空間模型各參數(shù)估計(jì)結(jié)果

注：本文東、中、西部地區(qū)的劃分采用國(guó)家統(tǒng)計(jì)局的劃分標(biāo)準(zhǔn)。

表3展示了東、中、西部地區(qū)的回歸結(jié)果，可以發(fā)現(xiàn)，人工智能技術(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)總體上呈現(xiàn)正向的優(yōu)化作用，但在不同地區(qū)之間有所差異。從東部地區(qū)來(lái)看，2008—2014年，人工智能技術(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)的影響呈現(xiàn)正負(fù)交替的變動(dòng)趨勢(shì)，且時(shí)變彈性系數(shù)并不顯著。從2015年開(kāi)始人工智能技術(shù)發(fā)展規(guī)模對(duì)于制造業(yè)就業(yè)比例呈現(xiàn)顯著的正向影響，并于2016年達(dá)到了0.109的水平。到了2017年，人工智能技術(shù)發(fā)展規(guī)模增長(zhǎng)率每提高1%，制造業(yè)勞動(dòng)力就業(yè)比例能提升0.037%，表明了東部地區(qū)人工智能技術(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)優(yōu)化的效果顯著且發(fā)展態(tài)勢(shì)良好。中部地區(qū)相對(duì)應(yīng)的人工智能技術(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)優(yōu)化的影響呈現(xiàn)出較強(qiáng)的波動(dòng)性，且作用效果十分顯著。2008—2010年，人工智能技術(shù)發(fā)展規(guī)模持續(xù)推動(dòng)著中部地區(qū)的勞動(dòng)力由制造業(yè)向服務(wù)業(yè)轉(zhuǎn)移；2011—2012年，這樣的趨勢(shì)扭轉(zhuǎn)了過(guò)來(lái)，但從2013年開(kāi)始這樣的勞動(dòng)力轉(zhuǎn)移趨勢(shì)再次出現(xiàn)。到了2017年，人工智能技術(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)優(yōu)化呈現(xiàn)出的微弱正向影響，扭轉(zhuǎn)了制造業(yè)就業(yè)向服務(wù)業(yè)轉(zhuǎn)移的趨勢(shì)。從西部地區(qū)來(lái)看，除了2012年和2015年人工智能技術(shù)較為顯著地加速了勞動(dòng)力由制造業(yè)向服務(wù)業(yè)轉(zhuǎn)移，其他年份無(wú)論正向還是負(fù)向的影響都不夠顯著，但從2016年開(kāi)始，時(shí)變彈性系數(shù)呈現(xiàn)出由負(fù)轉(zhuǎn)正且持續(xù)增大的發(fā)展趨勢(shì)。因此，人工智能技術(shù)發(fā)展規(guī)模對(duì)于中西部地區(qū)勞動(dòng)力結(jié)構(gòu)優(yōu)化的影響作用呈現(xiàn)出正向變化趨勢(shì)，在未來(lái)仍需進(jìn)一步觀察和研究。

總的來(lái)看，近十年來(lái)人工智能技術(shù)發(fā)展規(guī)模對(duì)于中國(guó)勞動(dòng)力結(jié)構(gòu)的正向影響越來(lái)越顯著，且這樣的影響在全國(guó)不同地區(qū)均有所體現(xiàn)，尤其是東部地區(qū)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(shù)，政府財(cái)政支出、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開(kāi)放水平對(duì)于勞動(dòng)力結(jié)構(gòu)的影響依然較大。在未來(lái)，中國(guó)要依托以人工智能為代表的新技術(shù)進(jìn)步來(lái)提高制造業(yè)的就業(yè)吸納能力、持續(xù)優(yōu)化勞動(dòng)力結(jié)構(gòu)、促進(jìn)勞動(dòng)力市場(chǎng)良性發(fā)展。

六、研究結(jié)論與對(duì)策建議

(一)研究結(jié)論

本文使用中國(guó)省級(jí)面板數(shù)據(jù)建立了多變量狀態(tài)空間模型，并針對(duì)2008—2017年中國(guó)勞動(dòng)力結(jié)構(gòu)變化及其影響因素進(jìn)行了分析，研究結(jié)論如下：

第一，中國(guó)十年來(lái)人工智能技術(shù)的發(fā)展從客觀上提升了勞動(dòng)力質(zhì)量，使制造業(yè)所需的技能型勞動(dòng)力的供給水平不斷提高，從客觀上優(yōu)化了中國(guó)的勞動(dòng)力結(jié)構(gòu)，為中國(guó)向制造強(qiáng)國(guó)邁進(jìn)提供了基礎(chǔ)支撐，驗(yàn)證了本文的H1。

第二，在2008—2017的十年間，人工智能技術(shù)發(fā)展規(guī)模對(duì)于勞動(dòng)力結(jié)構(gòu)優(yōu)化的積極影響作用雖然存在波動(dòng)，但總體上呈上升趨勢(shì)，且這樣的結(jié)果在2016—2017年尤為顯著，體現(xiàn)出了中國(guó)從產(chǎn)業(yè)到勞動(dòng)力結(jié)構(gòu)的調(diào)整趨勢(shì)已經(jīng)逐步適應(yīng)了人工智能技術(shù)的普遍應(yīng)用。

第三，從不同地區(qū)來(lái)看，人工智能技術(shù)發(fā)展規(guī)模促進(jìn)了東部地區(qū)勞動(dòng)力向制造業(yè)崗位的轉(zhuǎn)移，優(yōu)化了其勞動(dòng)力結(jié)構(gòu)。中西部地區(qū)的人工智能技術(shù)發(fā)展規(guī)模還未能對(duì)于本地區(qū)勞動(dòng)力結(jié)構(gòu)的優(yōu)化產(chǎn)生實(shí)質(zhì)性作用，在未來(lái)應(yīng)進(jìn)一步加快相關(guān)產(chǎn)業(yè)的規(guī)劃布局，驗(yàn)證了本文的H2。

(二)對(duì)策建議

基于以上結(jié)論，本文提出以下對(duì)策建議：

第一，完善人才培養(yǎng)制度，主動(dòng)提高勞動(dòng)力供給質(zhì)量。全國(guó)各類高校要分階段地制定與執(zhí)行現(xiàn)有及未來(lái)經(jīng)濟(jì)社會(huì)發(fā)展所需要崗位的人才培養(yǎng)計(jì)劃；結(jié)合多層次的職業(yè)教育，提高勞動(dòng)力供給的匹配度；重點(diǎn)提升與人工智能等數(shù)字技術(shù)密切相關(guān)的基礎(chǔ)教育水平和基礎(chǔ)科研水平。培養(yǎng)一批懂理論、會(huì)技術(shù)、愛(ài)創(chuàng)新的“人工智能+X”跨界人才，以通識(shí)性數(shù)字技術(shù)融入“大國(guó)工匠”的培養(yǎng)方向之中。突破傳統(tǒng)的“一技定終身”的理念，倡導(dǎo)勞動(dòng)者持續(xù)學(xué)習(xí)新知識(shí)、新技能來(lái)適應(yīng)不斷變化的工作環(huán)境和技能要求，引導(dǎo)全國(guó)、特別是中西部地區(qū)更多的體力勞動(dòng)者向腦力勞動(dòng)者轉(zhuǎn)變。通過(guò)持續(xù)完善繼續(xù)教育和在崗培訓(xùn)來(lái)提升廣大勞動(dòng)者的技能[24]，以加強(qiáng)技能繼續(xù)教育為動(dòng)力推動(dòng)失業(yè)人員實(shí)現(xiàn)再就業(yè)，進(jìn)而化解潛在的結(jié)構(gòu)性失業(yè)問(wèn)題。

第二，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，持續(xù)提升制造業(yè)就業(yè)吸納能力。當(dāng)前，中國(guó)制造業(yè)、特別是先進(jìn)制造業(yè)的就業(yè)吸納能力仍然十分有限，且在中西部地區(qū)尤為明顯。因此，需要不斷推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，加快覆蓋全國(guó)的開(kāi)源工業(yè)互聯(lián)網(wǎng)建設(shè)來(lái)盤活制造業(yè)要素資源，鼓勵(lì)中國(guó)企業(yè)積極試驗(yàn)和開(kāi)發(fā)具有自主知識(shí)產(chǎn)權(quán)的人工智能、智能芯片等高新技術(shù)專利，提升重點(diǎn)行業(yè)的核心競(jìng)爭(zhēng)力、擴(kuò)大高新技術(shù)企業(yè)的數(shù)量和規(guī)模，加速新興產(chǎn)業(yè)的發(fā)展，進(jìn)一步發(fā)揮相關(guān)企業(yè)的就業(yè)帶動(dòng)效應(yīng)。企業(yè)方面應(yīng)積極應(yīng)用智能技術(shù)，科學(xué)制定人才需求計(jì)劃，積極引入更多高水平技能型勞動(dòng)力、培養(yǎng)和提升在崗員工的智能化操作水平，推動(dòng)行業(yè)內(nèi)外勞動(dòng)者從非技能型勞動(dòng)力向技能型、高技能型勞動(dòng)力的轉(zhuǎn)變，推動(dòng)制造業(yè)企業(yè)內(nèi)部和行業(yè)內(nèi)部的勞動(dòng)力結(jié)構(gòu)優(yōu)化，進(jìn)而提高全社會(huì)技能型勞動(dòng)力整體的數(shù)量和質(zhì)量。

第三，充分發(fā)揮信息導(dǎo)向作用，加強(qiáng)技能型人才統(tǒng)籌規(guī)劃。在未來(lái)以數(shù)字經(jīng)濟(jì)、智能經(jīng)濟(jì)、共享經(jīng)濟(jì)為代表的新興產(chǎn)業(yè)中，就業(yè)形式將進(jìn)一步呈現(xiàn)出非正規(guī)就業(yè)的許多特征，即就業(yè)形式的流動(dòng)性、分散性、多樣性越來(lái)越強(qiáng)；而現(xiàn)有相關(guān)法律法規(guī)缺乏對(duì)這類就業(yè)形式的配套規(guī)范和管理措施，容易導(dǎo)致相關(guān)就業(yè)者在社會(huì)保障和社會(huì)福利等方面與傳統(tǒng)就業(yè)者存在差距，甚至無(wú)法獲得有效的法律保護(hù)。針對(duì)新技術(shù)的發(fā)展和普及可能會(huì)帶來(lái)的結(jié)構(gòu)性失業(yè)問(wèn)題，各級(jí)政府要積極運(yùn)用先進(jìn)技術(shù)加強(qiáng)各地區(qū)就業(yè)失業(yè)信息統(tǒng)計(jì)，建立多種形式的失業(yè)扶持政策和與之相匹配的勞動(dòng)者技能再提升計(jì)劃，從源頭規(guī)避潛在的結(jié)構(gòu)性失業(yè)帶來(lái)的各種社會(huì)問(wèn)題[25]。加快構(gòu)建公共就業(yè)服務(wù)網(wǎng)絡(luò)平臺(tái)，通過(guò)大數(shù)據(jù)技術(shù)檢測(cè)不同地區(qū)、不同人群、不同崗位的就業(yè)動(dòng)態(tài)變化高頻數(shù)據(jù)，及時(shí)發(fā)布各地區(qū)及全國(guó)范圍內(nèi)的就業(yè)狀況，通過(guò)失業(yè)預(yù)測(cè)、預(yù)警等方式培養(yǎng)勞動(dòng)者穩(wěn)定的就業(yè)心理預(yù)期，從而確保中國(guó)勞動(dòng)力市場(chǎng)的高質(zhì)量發(fā)展。