本文探讨了中国人工智能快速发展对人力资本研究带来的挑战，并构建了一个适应人工智能时代特点的分析框架。
中国人工智能发展现状：中国在人工智能基础研究、技术转化与产业应用等方面取得显著进展。具体表现为：
- 基础研究：2010-2020年，中国人工智能论文发表量增长超过一倍，被引量占比提升，国际影响力增强。
- 技术转化与知识产权：2010-2023年，中国人工智能专利授权量呈“J型”增长，2023年达到约85万件，远超其他国家。
- 产业应用和市场普及：2023年，中国企业在广义人工智能技术应用上的采用率约为48%，2024年上升至约75%；在生成式人工智能领域，2024年采用率约为73%。
- 工业自动化：2010年开始，中国工业机器人装机量稳定保持在27-29万台的高位水平，占全球装机量的一半以上。
人工智能对人力资本研究的挑战：人工智能技术对人力资本参与生产的方式、人力资本本身的形成与积累，以及人力资本与技术进步的关系都产生了深刻影响，要求重新审视经典理论框架并发展适应新技术特征的分析工具。
任务-技能分析框架：该框架将生产过程分解为不同任务，考察人工智能的自动化效应、任务替代与互补效应、新任务创造效应以及全要素生产率效应。
- 传统模型的弊端：难以解释某些技能的绝对需求下降。
- 框架特征：要素间在单个任务层面具有强替代性，多个任务之间可能存在替代或互补，可以精细区分不同层面的技术进步，可以通过参数改变描述新任务和旧技能的消亡。
- 应用实例：Autor等人（2003）研究了计算机普及对劳动力需求的影响；Acemoglu和Autor（2013）解释了美国就业极化现象；Acemoglu和Restrepo（2022）将框架嵌入一般均衡模型，解释了美国工资变化。
中国劳动力市场研究应用：中国就业市场整体转向高技能就业，但制造业内部出现就业极化现象。相关研究多采用简约式分析和事件评估分析，结论存在差异。
人工智能时代的人力资本需求：
- 职业、任务和技能的技术暴露度：Brynjolfsson和Mitchell（2017）、Frey和Osborne（2014）、Felten等人（2018）、Eloundou等人（2024）等研究提出了不同的测算方法。
- 生成式人工智能与劳动力市场需求：人工智能技术的影响广度显著，高技能职业暴露程度更高。实证研究表明，人工智能提高了生产效率，对特定技能的直接替代效应明显，但也存在对互补技能的需求增加和新任务创造效应。
从需求分析到均衡分析：现有任务-技能框架对劳动力市场参与者的决策行为描述不足，导致难以解释部分实证结果。
- 企业决策：企业的技术采纳决策受市场竞争影响，需要考虑行业选择、进入退出、市场定位重构和技能培训等。
- 劳动者决策：劳动者会基于预期收益主动重构决策，如地理迁移、职业转换和技能学习更新。
- 劳动力市场均衡：创新者、企业、家庭和劳动者通过价格信号相互影响，最终形成新的市场均衡。
人工智能与人力资本的互动结果：
- 经济增长：人工智能发展高度依赖人力资本，人力资本与技术进步的互动重塑增长动力机制。技术对劳动的广泛替代和知识生产函数可能发生的根本性改变将对经济增长产生深远影响。
- 收入分配：人工智能技术对劳动收入份额和劳动收入内部结构产生复杂影响。
- 劳动收入份额：自动化效应、任务间替代互补效应、新任务创造效应和全要素生产率效应共同影响劳动收入份额。
- 劳动收入内部分化：人工智能技术对不同技能产生异质性冲击，导致收入分配出现分化，并可能呈现加速扩大的趋势。
政策建议：人工智能时代的人力资本政策需要在促进效率与维护公平、推动创新与保障稳定之间寻求动态平衡，构建多层次的政策工具组合和多阶段的实施机制。
