人工智能技术促进了中国劳动力结构优化吗？——基于省级面板数据的经验分析

俞伯阳

(1.天津财经大学 经济学院，天津 300222；2.天津电子信息职业技术学院 经济与管理系，天津 300350)

一、引 言

改革开放40多年来，中国经济以年均接近10%的速度增长，被世界称为“中国奇迹”，但科学技术水平对于经济增长的贡献度一直偏低，这也是中国潜在经济增速放缓的原因之一[1]。与此同时，一方面，中国的人口老龄化情况开始加剧，表现为65岁以上的老龄人口以每年500万左右的速度增加，其所占人口比例从1990年的6%增加到2019年的11%,且这一速度还在增长；另一方面，中国自2010年开始出现了劳动年龄人口总量转变为负增长的情况。自此，曾经的“人口红利”在中国逐渐消逝，劳动力市场规模的收缩正在成为中国经济转型升级的掣肘，造成潜在的国民“未富先老”的状况。从劳动力结构来看，2018年中国约1.65亿的技能型劳动者总量仅占就业人员总量的21.3%。其中，制造业急需的高技能人才占总体就业人员的比重不足6%，仍有高达上千万的人才需求缺口。在劳动力供给相对短缺的现阶段，中国许多专家和学者提出了诸多应对方案。其中包括提高人口生育率、推动更大范围的户籍改革制度、引入外来劳动力等。除了这些传统的人口政策改革之外，如何利用高速发展的技术创新力量来促进劳动力市场的繁荣发展也是一条重要的路径。

随着人工智能技术的不断普及,人工智能操作系统与机器人替代劳动力的作用日益突显,中国技能型劳动力和非技能型劳动力都将受到不同程度的影响,进而促使劳动力市场结构进行调整。2017—2019年，“人工智能”三次被写入政府工作报告之中，表明了中国已将提升新一代人工智能科技创新能力、以人工智能技术助力实体经济发展等目标上升到了国家战略高度。2019年3月，李克强总理在政府工作报告中明确指出：“围绕推动制造业高质量发展，强化工业基础和技术创新能力，加快建设制造强国。打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能。”这标志着人工智能技术将成为中国制造业供给侧结构性改革和国家经济发展的新动能，从而影响到国民经济的各个方面。制造业的发展离不开高技能人才的支持，因此，中国许多工业企业除了开始探索以智能机器人来代替传统劳动力从事工业生产的发展路径之外，也关注培养熟练使用和配合智能机器的技能型劳动力，从而进一步提高劳动生产率。国内外专家和学者们的普遍观点认为，人工智能将在很大程度上替代现有的部分劳动力，但具体而言，不同国家、不同行业将如何被这一科学技术重塑还尚待研究。当前，中国社会经济运行面临“人口加速老龄化”与潜在的“中等收入陷阱”等问题交叉存在的情况，需要将人类科学进步的脚步和自身社会发展的特点相结合并进行深入地探索，进而对于国家宏观政策制定、经济结构调整等诸多方面进行战略部署和资源整合。作为世界上第二大经济体和第一人口大国，深入研究人工智能技术对中国劳动力结构的短期和长期影响具有重要的理论和现实意义。

二、相关文献综述

从国外研究来看，Katz和Murphy[2]认为，技能偏向型技术进步在劳动力市场中会产生分化影响，帮助高水平技能型劳动力在制造业获得更高的工资并更快地适应新的生产方式。Michaels等[3]通过实证研究方法证明了新技术会增加工业领域高技能工人的工作时间，但会减少中、低技能工人的工作时间。Frey和Osborne[4]创造性对计算机技术、自动化技术的劳动替代率进行了定量测算，进而分析了相关职业的自动化风险。在《人工智能时代》一书中，Kaplan[5]指出,“人工智能技术发展会导致越来越多的技术工种被智能机器取代。”随着时间的演进，相关的研究也逐渐深入。Acemoglu和Restrepo[6]认为，伴随着人工智能技术发展进步、现有劳动密集型工作覆灭，全新的、更复杂的工作机遇同时会被创造出来，在此基础上，他们构建了一个更加具体的新技术就业创造模型[7]，该模型证实了某些就业岗位在覆灭的同时会创造出边际产出更高的新工作岗位，论证了人工智能在替代部分工作任务的情况下，也能创造新的工作机会。Gaggl和Wright[8]根据英国的数据进行实证研究，结果表明技术进步对常规型工作岗位的替代趋势并不明显，而对认知度要求较高的复杂工作岗位替代性较高。Borland和Coelli[9]提供了来自澳大利亚的证据，论证了在60年的技术演进过程中，澳大利亚劳动者的普遍就业水平没有剧烈波动。银行职员、农业劳动者、秘书等传统职业岗位的减少被以托儿人员、护理人员为代表的新兴职业所弥补，人均工作时间总体上保持稳定。经过多年持续性的研究，Acemoglu和Restrepo[10]发现，人工智能技术的发展会导致机器替代传统劳动力，但创造的新产品和新服务会优化劳动者的工作内容，进而影响劳动力的就业结构而不影响其就业数量。经过国外学者们的大量实证研究表明，以人工智能为代表的新技术发展将促进劳动者的人力资本价值提升，进而优化劳动力结构、推动经济增长。

从国内研究来看，马弘等[11]检验了中国20年间制造业在技术变革中的就业创造和就业消失两方面的情况。董直庆和蔡啸[12]通过实证分析，检验了中国不同时期技术进步对劳动力结构的影响，论证了新技术进步的总体趋势将促进劳动力结构优化。王林辉和袁礼[13]在实证检验偏向型技术进步对中国产业结构、劳动力结构两方面影响的基础上，测算了中国不同时期偏向型技术进步水平及其对劳动要素收入份额的影响。周云波等[14]用面板数据测算了技术进步因素在中国不同行业间的溢出效应，以及对不同行业劳动力结构、人力资本水平和收入差距的影响。薛继亮[15]将中国三大产业进行了分类并测算了不同产业内部以及产业间技术进步所带来的结构性影响，进而分析了技术进步对于不同产业转型升级过程中劳动力就业结构造成的影响。程承坪和彭欢[16]通过梳理国际上人工智能技术对于劳动者就业的影响，探讨了针对中国现状应当采取的应对措施。王东霞[17]则通过较为完善的计量模型系统性考察了技术进步对产业结构变动和劳动力就业的影响。朱巧玲和李敏[18]梳理了历次技术进步对不同阶段劳动力市场形成的冲击，通过回归模型考察了人工智能和技术进步两个因素对劳动力结构造成的影响。吕荣杰和郝力晓[19]也在梳理了历次技术进步对劳动力市场造成冲击的基础上，检验了人工智能对就业人数与收入水平造成的影响。从第二产业智能化变革的角度来看，蔡啸和黄旭美[20]通过门限回归检验了人工智能技术发展对于中国劳动力在制造业与服务业间流转的趋势。孙早和侯玉琳[21]针对人工智能技术赋能工业对中国劳动力就业结构的影响机制进行了实证分析，检验了工业智能化导致相关岗位对于不同学历程度劳动力需求量的影响，认为人工智能技术将导致中国的整体劳动力就业结构在未来呈现出“两极化”特征。郭凯明[22]则认为，伴随着人工智能技术的扩展，不同产业间产出弹性差别和劳动收入份额变动会促使劳动力在产业部门间流转，进而影响未来中国的劳动力就业结构。通过梳理现有的国内研究不难发现，以人工智能为代表的新技术发展与应用对中国产业结构和劳动力市场产生了深刻的影响。

本文将探讨在人工智能技术发展背景下不同产业间劳动力结构的优化问题，并运用状态空间模型来检验近十年来人工智能技术发展规模对于中国国家层面和不同地区劳动力结构动态影响的时变弹性系数，并进一步探讨如何运用人工智能技术及相关配套政策来优化劳动力结构。

三、研究思路及假设提出

从经济学理论来看，技术进步会在一定程度上替代劳动力，也会创造出很多新的岗位来增加就业机会；人类历史上发生的数次技术革命都对劳动力结构造成了不同程度的影响。早在《资本论》中，马克思[23]在分析了机器大工业时期工人与机器之间的关系后，提出了“资本有机构成理论”“机器排挤工人”及“产业后备军”理论,认为技术进步对劳动力市场形成的影响是多重的。在经历过机械化、电气化、自动化的几次技术革命后，智能化革命正在发生，其代表就是人工智能技术、大数据、物联网等一系列智能化生产生活技术变革，这些新技术推动了机器替代人的体力和脑力劳动，以“机器换人”的方式改变了传统的劳动生产方式。因此，不同于以往的技术进步，人工智能技术的影响范围将从体力劳动者向脑力劳动者逐步扩散。进一步来讲，人工智能技术对于劳动力市场的影响主要来源于单位生产成本的降低、技术性失业与技能偏向型就业机会创造。其中，技术性失业一般出现于技术创新的初期阶段，在企业和市场广泛应用新技术之后，技能偏向型技术变革带来的新岗位需求会弥补乃至超越原先的劳动力需求数量，而与之相伴随的是各行业广泛性的单位产出成本降低，包括劳动、资金等要素成本的降低。从国家层面来看，这种过程提升了全社会的人力资本水平，从而优化了劳动力结构。

在“十三五”期间，中国的劳动力市场呈现出高新技术产业、高端制造业、高端服务业等行业人才短缺的情况，具体体现在现有劳动力结构中存在大量高水平技能型劳动力缺口的问题，今后，这种趋势会更加明显。因此，如何处理好经济结构调整背景下产业智能化发展与劳动力充分就业之间的关系是中国未来中长期经济发展的重要议题。中国虽然不是人工智能技术研究起步最早的国家，但发展速度十分迅速。从中国现状来看，以人工智能为代表的数字技术进步将从各个方面影响人们的社会生活，最主要的是对劳动力市场和产业格局的影响，也就是从生产力和生产资料两个方面重新塑造国民经济。当前，中国绝大多数先进制造领域都依托或应用了人工智能技术，先进制造业产值、新产品和从业人员屡创新高。可见人工智能技术的发展进步从客观上已经培养出一批高水平、专业化的技能型劳动力。根据2019年德勤发布的《中国人工智能产业白皮书》分析报告，制造业是人工智能技术最具潜力的应用场景，预计将通过提高70%的劳动生产率来降低制造厂商20%的生产成本。因此，在未来制造业重点领域能配合并使用智能机器人和智能系统的高技能技术工人需求将大量增加。根据劳动力市场理论中的动态均衡模型，在t时间点的劳动力需求通过劳动力市场传导机制将转化为t+1时间点的劳动力供给。随着新技术的普遍应用、新机器的普遍运行，中国制造业亟需大量的技能型劳动力。最终，劳动力需求与供给的传导机制将推动中国劳动力技能水平和就业质量的提升，并在长期持续优化中国劳动力结构。基于以上分析，本文提出如下假设：

H1:在近十年来，中国人工智能技术的发展会增加制造业劳动力的供给量，进而优化了劳动力结构。

H2:由于基础设施、资源禀赋的差别，人工智能技术对于中国劳动力结构的影响在不同地区之间存在差异。

四、变量选取与模型构建

(一)变量说明与数据来源

1.变量说明

(1)被解释变量

劳动力结构(LS)是本文的被解释变量。劳动力结构有多种表达形式，比较传统的是城乡二元劳动力结构的划分方式，其能够表示农业劳动者向工业部门与服务业部门的转移过程。随着经济新常态下中国乡村振兴工程的展开，城乡间的劳动力流动变化趋势也进入了新的发展阶段，推动农民本地化就业成为了劳动力市场的新目标。因此，单纯以农业就业和非农业就业来衡量劳动力结构已不适用于中国当前经济形势。根据习近平总书记关于加快建设中国成为制造强国的发展理念，本文以中国各省制造业就业人员在总体城镇就业人员中所占的比例来表示劳动力结构变量。

(2)解释变量

人工智能技术发展规模(AI)是本文的核心解释变量。伴随着人工智能技术对于制造业、特别是先进制造业的影响越来越深入，人工智能技术发展规模将影响到就业市场的劳动力结构。本文参照Borland和Coelli[9]与蔡啸和黄旭美[20]的做法，以信息传输、计算机服务和软件业全社会资产投资额来代表人工智能技术发展规模。由于固定资产投资从投资到产生效果需要一定的周期，因此，本文在分析检验中参考已有文献的做法，采用滞后一期的数据进行计量检验。

(3)控制变量

政府财政支出(GOV)决定了各地方的生产生活环境和社会保障体系。政府财政支出作为国家宏观调控的重要工具，在中国的工业发展进程中扮演着重要角色。在中国经济发展进入新常态的阶段，有效的政府财政支出结构能引导产业结构和劳动力结构的良性发展。因此，本文采用地方政府一般性财政支出占地方GDP的比值作为政府财政支出变量。

产业结构(STR)是决定劳动力结构的重要因素。在进入高质量发展的新阶段，产业结构调整是中国宏观调控的重点工作。为此，中国近年来多次发布产业结构调整指导目录，从2009年实施的“去产能”，到2015年推动的“供给侧结构性改革”，产业结构优化带动了不同地区的劳动力结构优化。因此，本文采用地方工业增加值在地方GDP中的比重代表产业结构变量。

对外贸易(INT)在中国改革开放的40多年间推动着中国制造业的飞速发展，也因此吸收了大量劳动力从事制造业相关岗位。因此，对外贸易的发展对于中国产业结构和劳动力结构的影响至关重要。基于此，本文选取经营单位所在地进出口总额占地方GDP的比重代表对外贸易变量。

表1 变量的描述性摇统计(N=310)

2.数据来源

本文所使用的数据来自2009—2018年的《中国统计年鉴》《中国劳动统计年鉴》《中国贸易外经统计年鉴》及2008—2017年的《中国科技统计年鉴》。本文在分析检验中对于人工智能技术发展规模变量进行了自然对数处理，各个变量的统计特征如表1所示。

(二)模型构建

根据研究目标，本文采用状态空间模型，并通过卡尔曼滤波算法对涉及变量进行检验。状态空间模型主要应用于多变量非平稳时间序列的检验，其优势在于将不可观测的状态变量纳入可观测模型之中，并与模型一起得到估计结果。状态空间模型由量测方程和状态方程组成，在直观上呈现为状态向量取值的一个向量空间。为了反映各个解释变量对劳动力结构的影响，本文通过状态空间方法构建一个可变参数模型，量测方程如式(1)所示，状态方程如式(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)为常数；LSt、AIt、GOVt、STRt、INTt为量测变量； SV1,t、SV2,t、SV3,t、SV4,t为状态变量，分别表示在不同时点上，人工智能技术发展规模、政府财政支出、产业结构、对外贸易四个变量的时变弹性系数，通过卡尔曼滤波算法可得到的时变参数 SV 的估计值；η1,t、η2,t、η3,t、η4,t为递归系数。

五、相关检验结果与分析

(一)平稳性检验

在进行状态空间模型参数估计之前，本文首先进行了静态回归，模型中各个变量的系数均显著，可进行残差平稳性检验。本文采用Dickey和Fuller的ADF检验方法与Phillips和Perron的PP检验方法分别检验了残差的平稳性，两种方法的检验结果表明本文的被解释变量LS、解释变量AI和控制变量GOV、STR、INT分别在5%与1%的显著水平下拒绝原假设，均通过了平稳性检验。静态回归残差为平稳序列，表明了本文的解释变量与被解释变量间存在协整关系并可以进行后续的状态空间模型估计。

(二)状态空间模型估计

静态面板模型和动态面板模型都可以用来分析各变量对于中国劳动力结构的影响。在动态面板模型中，卡尔曼滤波算法可以对状态模型中的变量进行最优估计，并将前一时刻的预测误差及时反馈到方程之中，捕捉各变量参数的变化轨迹，从而提高模型的估计精度。通过EVIEWS10软件，结合各省份的面板数据，运用状态空间模型(State Space Model)及卡尔曼滤波(Kalman Filter)算法对各变量的时变参数进行估计，估计结果如表2所示。

表2 状态空间模型各参数估计结果

注：***、**和*分别表示在1%、5%和10%的置信水平下显著，下同。

根据表2的检验结果可以发现，2008—2017年，各解释变量的时变弹性系数基本显著，尤其在2016—2017年，各解释变量的时变弹性系数均呈显著状态，说明了本文的模型设定具有一定的科学性且解释变量的检验结果显著性较强。

1.各解释变量时变弹性系数的动态变化轨迹分析

根据回归结果，解释变量和控制变量对被解释变量的时变弹性系数变化情况可以比较直观地呈现出来，如图1—图4所示。

图1 人工智能技术发展规模对劳动力结构的影响

图2 政府财政支出对劳动力结构的影响

图3 产业结构对劳动力结构的影响

图4 对外贸易对劳动力结构的影响

从图1可以看出，2008—2017年，核心解释变量人工智能技术发展规模对于劳动力结构呈现正向促进的影响作用，其时变弹性系数波动幅度比较突出。2008—2011年，时变弹性系数稳中有升，到了2011—2015年的5年间呈现持续减小趋势，且在2015年下降到0.005，此后开始回升。到了2016—2017年，时变弹性系数分别为0.027和0.029，且在1%的置信水平下显著。这样的结果显示出人工智能技术发展规模在近十年中对劳动力结构优化的正向影响存在波动性变化，并在最近两年达到巅峰。从2008年开始，中国的人工智能技术发展开始起步，对技能型劳动力的正向影响作用率先显现，因而呈现了一定时期的大幅度增长。2011—2014年，随着人工智能技术在各行业的渗透，以及在劳动生产中所处角色的适应及用量的大规模增加，人工智能技术发展规模的增长对于技能型劳动力的替代效应持续增强，表现为制造业就业比例的减少，即出现了劳动力由制造业向服务业的大量转移。2015—2017年，人工智能技术发展规模的时变弹性系数持续增大且逐渐趋于平稳，表明各个行业的智能化转型升级已达到了较为成熟的水平，对于劳动力结构的优化促进作用趋于平稳。究其原因在于中国从2014年开始对人工智能技术相关产业发展重视程度的提高，这个重要的转折点是2014年6月9日习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会开幕式上关于中国人工智能产业发展的重要讲话。此后，人工智能逐步上升为国家战略并稳步推进，最终在2016—2017年核心解释变量的时变弹性系数达到0.030左右，且呈现出稳定向上的发展趋势。因此，该检验结果表明了当前人工智能技术发展规模已经平稳且显著地优化了中国的劳动力结构。

从图2可以看出，政府财政支出对中国劳动力结构的影响作用变化趋势较为平稳。从总体上看，政府财政支出对中国劳动力结构呈正向影响，且呈阶段性上升趋势。2008—2009年政府财政支出对劳动力结构影响的波动率较高，究其原因主要是伴随着国际金融危机的爆发，中国出台了积极的财政政策予以应对，因此对于劳动力结构的影响作用较大。从2010年开始，政府财政支出对于劳动力结构的正向影响呈现持续上升趋势。2014—2015年出现了小幅度的波动，但时变弹性系数的总体趋势仍在增大。这样的结果表明中国当前的财政政策效果显著，保障了制造业领域拥有充足的就业吸纳能力来承载足够比例的就业需求。到了2016—2017年，政府财政支出对于劳动力结构优化影响作用的时变弹性系数稳定在0.100左右。因此，该检验结果表明中国现有财政支出的结构与方向正在引导更多的技能型人才充实到制造业就业岗位之中，实现着制造业的转型升级。

从图3可以看出，产业结构对中国劳动力结构影响的时变弹性系数虽然存在一定幅度的波动，但总体上呈现稳定上升趋势且影响作用较大。具体表现为2008—2011年的发展趋势较为平缓，时变弹性系数基本保持在0.650左右的水平。从2011年开始，产业结构对于劳动力结构的影响作用持续增大，并于2014年达到0.900左右。这样的变化趋势主要是由于中国产业政策的引导作用，2009年10月，中国针对以钢铁、水泥、平板玻璃、煤化工、多晶硅、风电设备等六大行业为代表的产能过剩问题召开了国务院常务会议，发改委随即部署了调控工作。伴随着相关政策逐步落实，产业结构变化对于制造业就业比例的提升作用逐步增大。从2015年开始，中国正式实施了供给侧结构性改革，表现在产业结构的变化对于劳动力结构的影响稍有减弱，到了2016—2017年时变弹性系数稳定于0.800左右。因此，中国现行的产业结构调整政策及供给侧结构性改革对于劳动力结构优化有着显著的正向促进作用，在未来应当进一步贯彻执行。

从图4可以看出，对外贸易对于中国劳动力结构优化的影响总体上呈上升趋势，且存在一定的变化幅度。作为较长时期的出口导向型国家，中国制造业从业人员比重长期受到对外贸易发展水平的影响。从2008—2011年，对外贸易对于中国劳动力结构的影响作用波动较大，到了2016—2017年，对外贸易对于中国劳动力结构优化的正向影响作用呈小幅度下降趋势，最终，时变弹性系数稳定于0.193。因此，该检验结果说明了以进出口贸易发展带动制造业发展的传统模式仍能增加制造业劳动力就业比重，但这样的影响作用在逐渐减弱。在未来，提高中国制造业从业人员比重、优化中国劳动力结构需要寻找新动能。

2.分地区检验及分析

人工智能技术发展规模在全国不同地区差异较大，因此，为全面分析人工智能技术对于中国劳动力结构影响的地区差异，本文继续运用状态空间模型对东、中、西部地区分别进行检验，结果如表3所示。

表3 状态空间模型各参数估计结果

注：本文东、中、西部地区的划分采用国家统计局的划分标准。

表3展示了东、中、西部地区的回归结果，可以发现，人工智能技术发展规模对于劳动力结构总体上呈现正向的优化作用，但在不同地区之间有所差异。从东部地区来看，2008—2014年，人工智能技术发展规模对于劳动力结构的影响呈现正负交替的变动趋势，且时变弹性系数并不显著。从2015年开始人工智能技术发展规模对于制造业就业比例呈现显著的正向影响，并于2016年达到了0.109的水平。到了2017年，人工智能技术发展规模增长率每提高1%，制造业劳动力就业比例能提升0.037%，表明了东部地区人工智能技术发展规模对于劳动力结构优化的效果显著且发展态势良好。中部地区相对应的人工智能技术发展规模对于劳动力结构优化的影响呈现出较强的波动性，且作用效果十分显著。2008—2010年，人工智能技术发展规模持续推动着中部地区的劳动力由制造业向服务业转移；2011—2012年，这样的趋势扭转了过来，但从2013年开始这样的劳动力转移趋势再次出现。到了2017年，人工智能技术发展规模对于劳动力结构优化呈现出的微弱正向影响，扭转了制造业就业向服务业转移的趋势。从西部地区来看，除了2012年和2015年人工智能技术较为显著地加速了劳动力由制造业向服务业转移，其他年份无论正向还是负向的影响都不够显著，但从2016年开始，时变弹性系数呈现出由负转正且持续增大的发展趋势。因此，人工智能技术发展规模对于中西部地区劳动力结构优化的影响作用呈现出正向变化趋势，在未来仍需进一步观察和研究。

总的来看，近十年来人工智能技术发展规模对于中国劳动力结构的正向影响越来越显著，且这样的影响在全国不同地区均有所体现，尤其是东部地区的正向作用效果最为突出。此外，相比于以人工智能为代表的新技术，政府财政支出、产业结构、对外开放水平对于劳动力结构的影响依然较大。在未来，中国要依托以人工智能为代表的新技术进步来提高制造业的就业吸纳能力、持续优化劳动力结构、促进劳动力市场良性发展。

六、研究结论与对策建议

(一)研究结论

本文使用中国省级面板数据建立了多变量状态空间模型，并针对2008—2017年中国劳动力结构变化及其影响因素进行了分析，研究结论如下：

第一，中国十年来人工智能技术的发展从客观上提升了劳动力质量，使制造业所需的技能型劳动力的供给水平不断提高，从客观上优化了中国的劳动力结构，为中国向制造强国迈进提供了基础支撑，验证了本文的H1。

第二，在2008—2017的十年间，人工智能技术发展规模对于劳动力结构优化的积极影响作用虽然存在波动，但总体上呈上升趋势，且这样的结果在2016—2017年尤为显著，体现出了中国从产业到劳动力结构的调整趋势已经逐步适应了人工智能技术的普遍应用。

第三，从不同地区来看，人工智能技术发展规模促进了东部地区劳动力向制造业岗位的转移，优化了其劳动力结构。中西部地区的人工智能技术发展规模还未能对于本地区劳动力结构的优化产生实质性作用，在未来应进一步加快相关产业的规划布局，验证了本文的H2。

(二)对策建议

基于以上结论，本文提出以下对策建议：

第一，完善人才培养制度，主动提高劳动力供给质量。全国各类高校要分阶段地制定与执行现有及未来经济社会发展所需要岗位的人才培养计划；结合多层次的职业教育，提高劳动力供给的匹配度；重点提升与人工智能等数字技术密切相关的基础教育水平和基础科研水平。培养一批懂理论、会技术、爱创新的“人工智能+X”跨界人才，以通识性数字技术融入“大国工匠”的培养方向之中。突破传统的“一技定终身”的理念，倡导劳动者持续学习新知识、新技能来适应不断变化的工作环境和技能要求，引导全国、特别是中西部地区更多的体力劳动者向脑力劳动者转变。通过持续完善继续教育和在岗培训来提升广大劳动者的技能[24]，以加强技能继续教育为动力推动失业人员实现再就业，进而化解潜在的结构性失业问题。

第二，优化产业结构，持续提升制造业就业吸纳能力。当前，中国制造业、特别是先进制造业的就业吸纳能力仍然十分有限，且在中西部地区尤为明显。因此，需要不断推进产业结构升级，加快覆盖全国的开源工业互联网建设来盘活制造业要素资源，鼓励中国企业积极试验和开发具有自主知识产权的人工智能、智能芯片等高新技术专利，提升重点行业的核心竞争力、扩大高新技术企业的数量和规模，加速新兴产业的发展，进一步发挥相关企业的就业带动效应。企业方面应积极应用智能技术，科学制定人才需求计划，积极引入更多高水平技能型劳动力、培养和提升在岗员工的智能化操作水平，推动行业内外劳动者从非技能型劳动力向技能型、高技能型劳动力的转变，推动制造业企业内部和行业内部的劳动力结构优化，进而提高全社会技能型劳动力整体的数量和质量。

第三，充分发挥信息导向作用，加强技能型人才统筹规划。在未来以数字经济、智能经济、共享经济为代表的新兴产业中，就业形式将进一步呈现出非正规就业的许多特征，即就业形式的流动性、分散性、多样性越来越强；而现有相关法律法规缺乏对这类就业形式的配套规范和管理措施，容易导致相关就业者在社会保障和社会福利等方面与传统就业者存在差距，甚至无法获得有效的法律保护。针对新技术的发展和普及可能会带来的结构性失业问题，各级政府要积极运用先进技术加强各地区就业失业信息统计，建立多种形式的失业扶持政策和与之相匹配的劳动者技能再提升计划，从源头规避潜在的结构性失业带来的各种社会问题[25]。加快构建公共就业服务网络平台，通过大数据技术检测不同地区、不同人群、不同岗位的就业动态变化高频数据，及时发布各地区及全国范围内的就业状况，通过失业预测、预警等方式培养劳动者稳定的就业心理预期，从而确保中国劳动力市场的高质量发展。