題記：本文原標題為“從崗位暴露到企業(yè)應用：中、新勞動力市場中的人工智能滲透路徑比較”，作者李嘉為新加坡管理大學經濟學院院長、李光前經濟學講席教授；張丹丹為北京大學國家發(fā)展研究院副院長、經濟學教授。首發(fā)于財新網。

自 2022 年底 ChatGPT 橫空出世以來，生成式人工智能（Generative AI）以前所未有的速度滲透進各行各業(yè)。這場技術革命一方面激發(fā)了對生產率躍升的廣泛期待，另一方面也引發(fā)了全球勞動力市場中日益加劇的“替代焦慮”。

現(xiàn)有研究中，美國勞動力市場由于數(shù)據(jù)可得性高、研究積累深厚，已成為相關實證分析的“前沿陣地”；但對于亞洲經濟體，尤其是制度環(huán)境、產業(yè)結構和技能體系差異顯著的國家，系統(tǒng)性的比較研究仍然明顯不足。而恰恰是這種跨國比較，才能幫助我們更清晰地理解：人工智能并非以同一種方式作用于所有勞動力市場。

我們此前的研究（張丹丹等，2025）基于中國大型招聘平臺的百萬級招聘廣告數(shù)據(jù)，通過將崗位需求拆解為具體“任務”，并評估這些任務被大語言模型替代或重構的可能性，構建了職業(yè)層面的 AI大語言模型（AI-LLM）暴露度指標。研究發(fā)現(xiàn)，在中國勞動力市場中，受大語言模型技術沖擊最大的主要是白領職業(yè)，如會計、編輯、銷售等，其招聘需求已出現(xiàn)明顯下降。技術進步在這一過程中更像是一個“嚴苛的過濾器”：一方面加速清洗白領崗位中高度常規(guī)化的任務，另一方面顯著抬高了高暴露度崗位的招聘門檻，使企業(yè)對學歷與工作經驗的要求更加苛刻。

然而，技術沖擊并非必然導向同一種“替代路徑”。當我們將視角轉向數(shù)字化程度更高、服務業(yè)高度集中、跨國公司總部云集的新加坡時，看到的是不同的圖景。新加坡的經濟結構具有高度代表性：幾乎不存在農業(yè)，制造業(yè)規(guī)模有限，絕大多數(shù)就業(yè)集中在服務業(yè)，尤其是商業(yè)管理、法律、會計、IT 與金融等高度專業(yè)化領域。

由新加坡管理大學與北京大學組成的研究團隊，系統(tǒng)分析了新加坡 2012 年 1 月至 2025 年 10 月間超過 1500 萬條招聘廣告數(shù)據(jù)。該數(shù)據(jù)覆蓋了過去 13 年新加坡全部用人單位（近 8 萬家）的招聘行為，使我們能夠完成中國抽樣招聘數(shù)據(jù)難以實現(xiàn)的分析任務——即從企業(yè)層面直接刻畫 AI 技術在真實生產經營活動中的滲透情況。

由于新加坡數(shù)據(jù)的完整性優(yōu)勢，我們得以采用兩類互為補充、但測度層級不同的指標來刻畫人工智能在勞動力市場中的滲透路徑。一方面，通過基于崗位任務結構構建的 AI-LLM 暴露指數(shù)，識別不同崗位在技術上受到 AI 沖擊的潛在風險；另一方面，通過基于招聘廣告反推企業(yè)行為的 AI Integrator（AI集成）指標，刻畫企業(yè)是否已將 AI 系統(tǒng)性嵌入其真實生產與經營流程。前者側重崗位層面的“可替代性”，可匯總至職業(yè)、行業(yè)、地區(qū)乃至整體勞動力市場；后者則側重企業(yè)層面的“實際應用”，反映 AI 從技術能力向組織能力轉化的程度。以下對這兩種路徑分別進行分析。

基于招聘信息的分析：AI 替代潮的中新差異

我們首先完全沿用中國勞動力市場研究中的方法框架，構建了新加坡的 AI-LLM 暴露指數(shù)。具體而言，我們將每一條招聘廣告中的崗位需求拆解為若干具體任務，并逐一評估這些任務受到大語言模型和 AI 技術影響的潛在程度，最終在崗位層面形成可比的 AI-LLM 暴露度指標。

一個看似反直覺卻極為關鍵的發(fā)現(xiàn)是：盡管 AI 技術在過去幾年中快速演進，新加坡勞動力市場整體卻保持了相對穩(wěn)定。尤其是在新發(fā)布的招聘崗位中，AI-LLM 暴露指數(shù)長期維持在較高且平穩(wěn)的水平。這表明，不同類型任務在招聘需求中的結構性占比，并未因 AI 的加速擴散而發(fā)生劇烈波動，市場正在以一種相對溫和的方式吸收技術沖擊。

這一趨勢與中國形成了鮮明對比（圖1）。在大語言模型普及之前，中國勞動力市場的 AI-LLM 暴露水平雖略低于新加坡，但整體差距并不顯著；而在 2023 年之后，中國新招聘崗位的 AI-LLM 暴露指數(shù)卻出現(xiàn)了明顯下降。這很可能意味著，大量易被 AI 替代的崗位已經在中國率先完成了“出清”。相反，新加坡并未出現(xiàn)類似的指數(shù)下滑，顯示其勞動力市場在面對 AI 沖擊時展現(xiàn)出更強的結構韌性。

圖 1：2018 年 1 月—2025 年 10 月中國與新加坡月度招聘崗位的 AI-LLM 暴露指數(shù)

數(shù)據(jù)來源：智聯(lián)招聘，lightcast。

基于企業(yè)的分析：2023 年前后的“造”與“用”之變

如果說 AI-LLM 暴露指數(shù)主要回答的是“哪些崗位在技術上更容易受到 AI 沖擊”，那么基于企業(yè)招聘行為構建的AI集成指標，則更直接反映了企業(yè)是否、以及在多大程度上，已經將 AI 技術嵌入其真實的業(yè)務流程之中。

在新加坡，招聘數(shù)據(jù)中對 AI 相關人才的需求變化，能夠較為清晰地反映企業(yè)在 AI 研發(fā)與應用層面的轉型路徑?；谡衅笍V告文本，我們將含有 AI 關鍵詞的崗位需求劃分為四類：

第一類是 AI 使用者（AI User），即在日常工作中使用大語言模型工具完成寫作、總結、代碼輔助或客戶服務等任務的崗位；

第二類是 AI 集成者（AI Integrator），即負責構建、運營或將 LLM 深度嵌入企業(yè)業(yè)務流程的崗位；

第三類是同時具備上述兩類特征的復合崗位；

第四類是 “其他 AI”崗位，主要包括招聘模型實驗室中的基礎模型預訓練研究人員、研究科學家，以及從事通用機器學習或自然語言處理（NLP）算法研發(fā)的技術崗位。

在 2018—2021 年間，新加坡的 AI 人才需求主要集中在“其他 AI”領域，即以“造模型”為核心的研發(fā)型崗位。這一需求在 2021 年后明顯回落，直到 2023 年才重新回升，但整體仍未超過此前的歷史高位（見圖2）。

真正的結構性轉折出現(xiàn)在 2023 年初。此后，“AI 使用者”和“AI 集成者”兩類崗位需求顯著增長，且后者增長尤為迅速。越來越多企業(yè)開始在核心業(yè)務流程中系統(tǒng)性引入 AI，部分行業(yè)中，發(fā)布過 AI 集成相關崗位的企業(yè)比例已接近 4%。這類崗位并不要求從零訓練大模型，而是強調通過 RAG（檢索增強生成）、微調或 API 接口，將現(xiàn)有大語言模型深度嵌入具體業(yè)務場景。

圖 2：2011 年 9 月—2025 年 10 月新加坡用人企業(yè)月度 AI 相關人才需求

數(shù)據(jù)來源：智聯(lián)招聘，lightcast。

如何跨越“替代”的陣痛？

新加坡的經驗表明，AI 并不必然引發(fā)大規(guī)模失業(yè)。當技術應用從單純“替代人力”轉向“業(yè)務集成”與“全員賦能”時，反而可能創(chuàng)造新的就業(yè)空間。對中國而言，跨越“替代”的陣痛期，至少需要在三方面持續(xù)發(fā)力：

第一，加速應用生態(tài)的構建。推動 AI 從模型研發(fā)走向場景落地，鼓勵企業(yè)圍繞具體業(yè)務流程培育“AI 集成者”崗位。

第二，推動技能培訓體系轉型，從傳授固定知識轉向培養(yǎng)“調用 AI 解決問題”的能力，從培養(yǎng)循序漸進型創(chuàng)新轉向培養(yǎng)能夠駕馭不確定性的顛覆性創(chuàng)新人才。

第三，構建勞動力市場的動態(tài)監(jiān)測體系，從刻畫潛在 AI-LLM 對崗位替代風險的“暴露指數(shù)”，進一步拓展到反映企業(yè)真實 AI 使用和滲透程度的 AI 集成指標，為分析勞動力市場結構調整提供持續(xù)、可操作的政策抓手。

參考文獻：

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》，2025.41(7):59-72

文章來源：財新網