張丹丹，北京大學國家發展研究院副院長、經濟學教授

我們采用了AI暴露度指標構建的方法，隨機抽取了2018年1月到2024年5月的125萬條招聘大數據進行分 析，并最終計算出每個職業的 AI大語言模型 暴露度。 可以很明顯地看到，暴露度高的職業以白領職業為主，而且是一些程序性、規范性非常強的白領工作。暴露度低的職業主要是對人服務的藍領職業。所以，我們的結論是，大語言模型技術更多影響了腦力勞動。

人工智能將如何影響我們的工作？???????????????????????

大家好！非常開心來到一席的現場，跟大家分享我最近的一些研究。我今天講的這個話題，既有科技感，又與我們每一個人息息相關，那就是“人工智能將如何影響我們的工作”？

我先自我介紹一下。我叫張丹丹，是北京大學的經濟學教授。我的研究主要關注制度變化、文化沖擊以及技術變革對人類行為的影響，以及如何進行政策設計。

我最近幾年關注的話題，實際上是勞動力市場上兩個非常顯著的變化。

一方面，我們傳統的工作崗位正在發生變化，變得越來越非正規化、碎片化和任務化。比如，我們看到大量平臺型工作不斷涌現，像外賣騎手、視頻博主等。

另一方面，這些現象背后反映的是技術的快速進步。比如互聯網平臺經濟的發展，尤其是近年來人工智能（Artificial Intelligence，簡稱“AI”）技術的飛速進步。我的研究也關注技術進步下，我們的職位會發生怎樣的調整。

在 2022 年 11 月 30 日，ChatGPT突然出現之后，所有的白領工作者、腦力勞動者開始瑟瑟發抖。因為我們進入了一個AI大語言模型的時代，很多事情都將發生根本性的變化。

那么，在這個時代，我們會面臨怎樣的境遇？我們的工作是面臨調整，還是我們有可能“躺贏”？我們的工作是否仍然被需要？我們是否還需要工作？我們的社會保障體系又該如何重構？所有這些問題都是我關注的，我相信也是在座各位關注的。

人工智能的發展階段

要研究這個問題，就需要聚焦到某一個具體的技術進步。對大多數人來說，AI的進步似乎是從ChatGPT出現才開始的。

但實際上，如果我們把時間拉回到30年前的1990年代，AI就已經在很多領域開始發展了。早期，它是以自動化的形式出現的，比如在工廠里一些流程和工序的自動化。

到了2010年，這些自動化流程開始變得越來越聰明，有了算法，有了“腦子”，出現了工業機器人。如今的工業生產中，到處都是工業機器人和機器手臂在作業，大大提高了生產效率。這就是所謂的“機器人時代”，是一種有“腦子”的自動化過程。

緊接著，到了2015年，AI進入應用領域，出現了自動駕駛技術、虛擬人等。

2020 年之后，我們進入了AI大語言模型時代，它更新換代的速度非常快，能夠解決很多復雜的問題。

總的來說，AI技術在過去30年間發生了巨大變化。

它的變化趨勢是從手到腦，過去是把人從體力勞動中解放出來，現在是對腦力勞動的補充甚至替代；從簡單到復雜，過去可能只是簡單的搬運工作，但現在可以實現自動駕駛、視頻制作；從專業領域到通用領域，過去只是解決某一領域的具體問題，但現在可以制作視頻、寫詩、作畫。

因此，不同的時代，AI影響的群體也不相同。我們的研究，更多地聚焦于最近的AI大語言模型技術。

此前的研究實際上已經關注了早期AI技術進步對就業的影響，因此我們的研究將參考和借鑒之前研究的方法和發現，完成我們自己對AI大語言模型的研究。

回顧：技術如何影響就業

我先簡單地梳理一下之前研究的發現。這里引用的兩篇文章，都有2024年諾貝爾經濟學獎得主之一的阿西莫格魯參與研究。這兩篇文章分別聚焦于1990年代的自動化和2015年之后的AI技術對工作的影響。

我們先來看第一篇。他的研究數據采用的是1990年到2000年間美國制造業的相關數據。這兩張圖的橫軸都表示機器人技術在不同行業的滲透率。什么意思呢？就是這個行業在多大程度上使用了機器人這種生產方式。橫軸越靠右，說明機器人使用程度越高。

▲ Acemoglu, Daron, and Restrepo, P. (2020), “Robots and Jobs: Evidence from US Labor Markets,” Journal of Political Economy, 128, 2188–2244

這兩張圖的縱軸是不一樣的，分別表示就業和工資的變化。即使你不了解經濟學，從圖中也可以清晰地看出，這是條向下傾斜的直線，代表趨勢是負向的。它的意思就是說，機器人滲透率越高的行業，就業和工資都會下降。

經濟學界基本達成了一個共識：自動化會導致制造業用工和工資的下降，它是一種替代效應。

再來看阿西莫格魯和他的合作者在2022年發表的另一篇研究，關注的是AI的影響。他的研究數據使用了2010年到2018年的數據，因為AI技術在2015年之后才真正進入應用領域。

這篇研究的方法與前一篇研究完全不同。這篇研究中，他采用了一個叫“AI暴露度”的指標。

AI暴露度實際上是指不同職業在AI技術發展背景下受到的影響程度，或者說該職業中工人從事的任務與當前AI能力的兼容度。簡單來說，就是我現在的工作在多大程度上是AI可以幫我完成的。

AI暴露度越高，說明現在的AI技術和從事該職業的工人的兼容度越高。這是一種潛在影響，表示AI這項技術進步可能會影響這個職業的程度。

阿西莫格魯使用了一個海量的招聘大數據，分析了用人單位投放的招聘廣告中的詞匯，計算不同崗位的AI暴露度，并據此得出每個用人單位、職業的AI暴露度。

做完計算之后，阿西莫格魯將用人單位分為兩類：深度使用AI的單位和其他單位。

從圖中可以看出，橫軸是時間，2010年到2018年，縱軸是用人單位使用AI相關職業占比，二者之間是一個明顯的上升趨勢。

意思是，隨著時間推移，深度使用AI的用人單位，在AI相關職位上大量地招人。尤其是在2015年之后，有了一個爆發式的增長。

阿西莫格魯又通過區分不同的行業，來看哪些行業的增長是更加明顯的。可以看到最高的是信息行業，其次是專業性與商業服務行業，第三是金融行業，第四是制造業。

▲ Acemoglu, Daron, Autor, David, Hazell, Joe and Restrepo, Pascual (2022), “AI and Jobs: Evidence from Online Vacancies,” Journal of Labor Economics, 40(s1)

再看另一張圖，橫軸是AI暴露度，AI暴露度越高意味著用人單位使用的AI技術越深入，縱軸是職位創造情況。這張圖呈現出正向趨勢，即AI暴露度越高的職業或用人單位，它的就業需求增速越高。

▲ Acemoglu, Daron, Autor, David, Hazell, Joe and Restrepo, Pascual (2022), “AI and Jobs: Evidence from Online Vacancies,” Journal of Labor Economics, 40(s1)

阿西莫格魯的研究雖然揭示了這一現象，但也留下了一些還沒有回答的問題。

比如，他發現AI暴露度高的用人單位就業增長明顯，但是沒有回答整個勞動力市場是如何變化的。他只在文章中寫了一句話，從整個勞動力市場來看，似乎沒有明顯影響。

也就是說，盡管2018年美國勞動力市場表面上風平浪靜，但是水面下已經暗流涌動了。一些積極擁抱AI的企業已經在大量招人、投入研發并占領市場。

此外，這篇研究中數據是10年前的，2010年到2018年，而2022年之后AI大語言模型技術發展迅速，它的影響可能更為顯著。因此，我們希望聚焦于最新的技術進步。

同時，阿西莫格魯的研究更多關注靜態狀況，但是對于職業內部的變化沒有進行深入地研究，比如不同職業的具體做了哪些調整，例如雖然同樣是市場營銷，但是完成的任務可能已經不一樣了。所以，我們希望在這幾個方面做得更好。

大語言模型將如何影響中國勞動力市場？

接下來，我們來看一下，AI大語言模型對中國勞動力市場會產生什么影響。

這是我們過去幾年研究的小結。我們同樣采用了AI暴露度指標構建的方法，隨機抽取了智聯招聘平臺從 2018 年 1 月到 2024 年 5 月的125萬條招聘大數據進行分析，構建“AI大語言模型暴露度”。

有了抓取的數據之后，我們想要構建暴露指數，還需要一個標準。就是如何將中國的各種職業分解為具體任務或技能，并且與當下的AI大語言模型技術相對應，看看構成工作的任務或者技能，受到AI大語言模型技術影響的程度具體是怎么樣的。

我們參考了“O*Net指標體系”，這也是阿斯莫格魯研究中所使用的體系。O*Net是美國勞工部提供的一個在線公開且實時更新的指標體系，它像一本字典一樣，將1000多個職業細分為約2萬個任務、3萬個技能，以及2000多個詳細工作活動，也就是DWA（Detailed work arrangement）。

我們借助這一指標體系，就可以將中國的這些招聘廣告中描述的工作任務進行切分，并分別與技能、任務和DWA對應。

舉個例子，比如說“視頻主播”這個工作。我們獲取了某一條招聘廣告中的信息，發現其中關于崗位職責的描述一共有5項，包括“中控臺軟件操作、設備調試”“跟進數據、處理事件、把控節奏”“售前售后回復與處理”“直播結束后貨品整理與發貨”以及“其他輔助性工作”。

我們現在就是要把招聘廣告中這5條職責描述與O*Net系統中的具體工作任務進行匹配，當然這個現在也不是我們手動完成了，也是由AI大語言模型來匹配。于是，就匹配上了右邊的7個任務，每一個任務我們通過AI大語言模型進行打分，分數范圍為0到10。

分數越接近0，就說明配適度很低，表示該任務還不能被AI大語言模型完成。越接近10，則說明這個任務很可能已經能夠被AI大語言模型完成了。

大家可以看到，這5項職責當中，“中控臺軟件操作和設備調試”目前AI大語言模型還無法完成，還得由人去操作機器。而“售前售后的回復與處理”現在基本上可以用AI大語言模型來做了。

所以，我們可以看到，一個工作崗位中，其實包含不同任務，而且這些任務的暴露度是不同的。

同時，我們還做了DWA層面的拆分和打分，將5項工作職責匹配到了5個DWA，通過大語言模型打分，同樣是從0-10。

這樣兩條路徑我們同時在做。125萬條招聘信息意味著我們完成了125萬次這樣的工作。

但是為了讓大家理解AI對于工作的影響，我們還需要看職業層面、行業層面或者地區層面的影響。

比如“視頻主播”這個職業，其實包括了成千上萬個“視頻主播的工作崗位”。所以，我們需要把成千上萬個崗位的數據進行匯總，按照任務出現的頻率進行加權平均，計算出這個職業的AI大語言模型暴露度。

這就是我們研究的基本邏輯，所以我們將125萬個工作崗位全部進行了匯總，按照任務出現的頻率進行加權平均，最終計算出每個職業的AI大語言模型暴露度。

給大家展示一下我們計算出的分數，這里分別展示了AI大語言模型暴露度最高和最低的20個職業。暴露度高意味著這份工作很大程度上可以由AI大語言模型完成，而暴露度低就說明當前技術還做不了這項工作。

AI大語言模型暴露度高的職業包括財務相關崗位，比如會計、審計，還有編輯，銷售工程師和電腦程序員等等，這幾項工作排在最前面。

▲ 張丹丹等（2025），“大語言模型人工智能技術對中國勞動力市場的潛在影響研究”，《管理世界》即將發表

而暴露度低的職業則包括清潔工、搬運工、餐廳廚師和洗碗工等。

▲ 張丹丹等（2025），“大語言模型人工智能技術對中國勞動力市場的潛在影響研究”，《管理世界》即將發表

我們可以很明顯地看到，AI大語言模型暴露度高的職業以白領職業為主，而且是一些程序性、規范性非常強的白領工作。AI大語言模型暴露度低的職業主要是對人服務的藍領職業。所以，我們的結論是，AI大語言模型更多影響了腦力勞動。

我們還繪制了一張圖，橫軸是不同職業的AI大語言模型暴露度，縱軸是該職業新增崗位的數量，呈現明顯的負向關系。暴露度越高的職業，新增崗位數量越少。這是一個有點悲觀的結果，但是也很好理解，說明我們的企業正在大量使用AI大語言模型來替代部分人工。

▲ 張丹丹等（2025），“大語言模型人工智能技術對中國勞動力市場的潛在影響研究”，《管理世界》即將發表

此外，我們還對2018年1月至2024年5月期間中國勞動力市場的動態變化趨勢進行了分析。

結果顯示，整個中國勞動力市場的平均AI大語言模型暴露度呈下降趨勢，且最近幾年呈現更加明顯的下降趨勢。

這意味著我們現在看到的大量招聘信息中，與AI大語言模型相關的崗位正在減少，在企業和用人單位層面，他們可能已經在利用新技術替代部分職業。

▲ 張丹丹等（2025），“大語言模型人工智能技術對中國勞動力市場的潛在影響研究”，《管理世界》即將發表

我們進一步按照AI大語言模型暴露度將職業分為四類，最高的25%和最低的25%以及中間兩部分。

這張圖的縱軸是新增招聘崗位市場占比，從圖中可以看出，AI大語言模型暴露度最高的那25%的職業，新增招聘崗位市場占比下降最為明顯。而AI大語言模型暴露度最低的職業，就業增長反而是上升的。盡管如此，整體勞動力市場仍呈現出負向趨勢。

▲ 張丹丹等（2025），“大語言模型人工智能技術對中國勞動力市場的潛在影響研究”，《管理世界》即將發表

我們最近的研究還關注了技能需求的變化。

大家都知道，招聘廣告中不僅會列出崗位職責，還包括崗位需要什么樣的技能。我們對這些技能提取出來，進行了深度學習，并與O*Net中的3萬個不同技能進行匹配，然后匯總到職業層面，分析各職業的技能需求變化情況。

在AI大語言模型時代，有些技能的需求是在下降的，但并不是說整體上已經不需要了。這些需求包括溝通能力、學習能力、情緒智力、適應能力和思維能力等。

需求下降最快的是“溝通能力”。我們認為原因在于，AI大語言模型的溝通能力非常出色，特別是在職場上，如果你給老板寫郵件、討論問題，使用AI大語言模型大概率會比你自己完成得更出色，所以用人單位對這方面的需求會下降。

還有“學習能力”，AI大語言模型的學習能力非常強，它可以輔助使用者完成學習方面的躍升。在情緒智力，也就是情商方面，AI大語言模型同樣表現得很好。

另一方面，AI大語言模型出現后，用人單位對于一些技能的要求會上升。包括專業性、管理能力、自我驅動力、解決問題的能力和協作合作能力等。

該如何理解呢？我來到一席之前，正在杭州做調研。我們去看了醫院和金融行業對于AI大語言模型的使用情況。

我特別問了這個問題。他們的答案是，AI大語言模型在輔助完成具體工作的時候可能會出現“幻覺”。

比如對于理財師的建議和醫生的診斷，AI大語言模型只能起到輔助性作用，因此需要專業人士判斷是否要接受AI大語言模型的建議，這使得用人單位對于“專業性”的要求越來越高了。

另外，關于“自主性”，因為AI大語言模型現如今作為我們的助手，時時相伴在我們身邊，所以我們可以管理它、利用它幫助我們更高效地完成工作，這需要我們具備自主性。

在這里給大家一些參考，看看我們未來可以在哪些技能層面發展自己。

未來的工作將變成什么樣？

接下來，我們進一步探討一下未來的工作可能會是什么樣子。

從技術進步的角度來看，經濟學家認為技術進步對個體職業存在“雙刃劍”效應，既有毀滅的力量，也有創造的力量。

我在這里引用了一篇研究，回顧了過去80年美國勞動就業的變化。研究者發現當下我們在勞動力市場看到的崗位中有60%以上，在80年前是不存在的。也就是說大量工作是隨著時間推移逐漸創造出來的，而不是原來既定就有的。

這篇研究展示了一張圖，我想用這張圖說明一下什么叫“雙刃劍”效應。

在這張圖中，有 x 軸和 y 軸和很多小圈。每一個圈代表一個職業。x 軸代表流程替代，它是負向的，就是毀滅的效應，就是說技術進步會完全替代這個工作。y 軸代表要素增強，就是說技術進步會加持我的工作，提升工作效率，讓我的工作變得更被社會需要。

我們每個人都處于圖中的某個位置，在技術進步的浪潮中面臨著被毀滅和被創造的雙重力量。

▲ Autor D, Chin C, Salomons A M, et al. “New Frontiers: The Origins and Content of New Work, 1940–2018.” Quarterly Journal of Economics, 139(3), 2024.

在圖的右下角，綠色部分的職業較為悲慘，它們的替代效應比較強，而要素增強效應較弱，就是說毀滅力量大于創造力量。所以我們要盡量避免自己出現在這個角落。

而圖的左上角的職業則處于正向力量區域，創造力量大于毀滅力量，這些工作在未來可能會越來越被需要。

還是以視頻主播為例，剛才我們看到它有5項不同的任務，有的任務可以被AI大語言模型替代，但是有些任務AI大語言模型還做不到。

這就給了我們一個空間，規避技術進步帶來的沖擊。我們可以發揮技術進步的增強效應，讓AI把它能做的做到最好。我們就將精力集中在AI還無法完成的任務上，這樣我們整個工作的效率就會大大提升。效率提升后，成本會降低，市場需求就會增加，這個職位就會更加被需要。

每個職位都存在這樣的空間，都可以發揮人的主觀能動性。如果發揮得好，我們就能處于西北角的有利位置，如果發揮不好，可能會處于東南角的不利位置。這取決于每個個體在自己的職位中的主觀能動性。當然，也與技術進步的速度有關。

另外，關于未來技術進步對工作的影響可能會出現兩個趨勢，一個是工作兩極化，一個是工作任務化。

我來解釋一下什么是工作的兩極化。這張圖是較早的一篇頂級期刊文章中的圖表，橫軸表示職業的技能要求，0表示技能要求很低，100表示技能要求很高，縱軸表示市場需求。我們可以看到整體呈現U型曲線。

▲ Daron Acemoglu, David Autor, Chapter 12-Skills, Tasks and Technologies: Implications for Employment and Earnings, Handbook of Labor Economics, Elsevier, Volume 4B, 2011:1043-1171.

這是什么意思？這就是兩極化。隨著技術進步，對極高技能和極低技能職業的需求在增加，而中間技能水平職業的需求則在減少。

為什么會出現這種情況呢？因為技術進步會大量替代規則性、程序化工作，而這些工作大多是中等技能水平的。

高技能和極低技能的職業則不會受到太大影響。比如，創作高質量的影視作品需要極高的創造力，AI大語言模型還無法完成，所以對天才型的人才需求就會增加。

另一方面，一些完全不需要技能的工作也會增加。這是什么意思呢？就是任務化的工作。

比如我們剛才說到的機器人。機器人技術的快速飛躍帶來了生產效率的大幅提升。然而，像手表、手機生產過程中特別細微的打螺絲工作是機器人無法完成的，需要人來完成。

機器提升了生產效率，也意味著這些機器無法完成的工作對人的需求大量增加，因為需要配合機器的大產能。

我可以告訴大家，這種工作是非常簡單無腦的。我們去過大量制造業工廠、電子廠，看到工人每天十幾個小時完成重復性的打螺絲、裝配工作。這就是一些任務化的工作，處在低技能這一端，但是需求量巨大。

這種兩極化趨勢提醒我們，中間技能水平的工作區間正在縮小，我們該如何應對呢？

身處不確定性的時代

我們正處于一個充滿未知的時代，不確定性極大。我的研究也在不斷跟進技術進步的步伐，想把技術進步的影響看得更清晰。

但真實的結果是什么樣的，現在還是未知的。很多未知的東西正在做某些我們不知道的事情。所以我們需要警惕。

但是，我們剛才一切討論的基礎都是“工作是必須的”“我們每個人都需要工作養活自己”。

假設AI繼續發展，當它能創造大量稀缺資源的時候，我們或許就可以躺平了，我們就不需要那么多工作了。如果可以AI養活我們，那工作可能就不再被需要了。

但對我們這一代人來說，我們正處于這樣一個受到沖擊的時代。希望大家能夠以積極的心態看待這一問題，我后續的研究也將繼續關注這方面的變化。

今天的分享就到這里，非常非常感謝。

謝謝大家！

本文來源：一席公眾號