人工智能技术能促进就业质量提升吗？

谭玉松，王林辉，胡晟明

（华东师范大学 经济与管理学部，上海 200062）

随着新一轮技术革命的广泛兴起，以机器人与大数据为代表的智能生产要素逐渐成为世界各国关注的焦点。为了抓住人工智能技术发展机遇，美国、德国、日本等主要发达国家纷纷出台智能化发展战略，试图通过政策引导推动制造业的智能化转向。2013年以来中国相继推出包括《关于推进工业机器人产业发展的指导意见》《中国制造2025》等在内的政策文件，明确指出要大力发展机器人产业，实现机器人与工业企业的深度融合。国际机器人联合会数据显示，2020年中国机器人出货量16.84万台，销售规模达到422.5亿元，已成为全球最大的机器人市场。现有研究指出，包括机器人在内的人工智能技术的不断发展与快速应用，能够通过“机器换人”对生产效率、劳动收入、产业组织等经济行为产生深远影响（Graetz和Michaels，2018［1］；郭 凯明，2019［2］）。事实上，人工智能技术的直接效应更多体现在对就业市场的冲击（Acemoglu和Restrepo，2020）［3］，且这一冲击非等同作用于劳动力市场，而是显示出明显的异质性。具体而言，人工智能技术的岗位创造效应更多地聚集于高端制造业，而岗位更替效应则主要表现在低技能岗位（Manyika et al，2017）［4］，从而造成就业规模与就业结构的演变。

自1999年国际劳工组织提出“体面劳动”以来（张顺和郭娟娟，2022）［5］，追求更高质量就业已经成为劳动者的新选择。然而对于个体来说，就业质量并不仅仅意味着获得较高的工作报酬，而是指能够在自由、公正、平等的环境下实现工作报酬、工作时长、就业满意度、社会保障等方面的有机协调。这就要求政府不能仅关注就业市场的规模，更应注重就业环境与社会福利体系的构建。中国政府历来重视居民收入水平的改善与就业质量的提升，党的十八大、十九大也相继指出要通过构建积极就业政策助推更高质量就业的实现。由此，学界开始从不同角度探究何种因素可能成为就业质量提升的关键，其中最有代表的是从互联网使用（毛宇飞等，2019）［6］、数字经济（戚聿东等，2020）［7］及数字普惠金融（郭晴等，2022）［8］等视角展开，且普遍认为新兴技术能够带动就业质量的提升。这就意味着技术进步特别是技术进步所伴随的新型设备引入、效率提升与先进管理经验等可能有助于促进就业质量。人工智能技术作为智能化革命的典型代表，也必将如传统技术进步一样对就业质量产生显著影响。

本文在通过国际机器人联合会公布的中国分行业机器人数据测算机器人渗透度的同时，构建了包含就业环境、工作报酬、社会保障等三个二级指标八个三级指标在内的就业质量指标体系，定量考察人工智能技术与就业质量的关系及人力资本水平与新型基础设施等智能化环境的调节作用，探究智能化政策引发的阶段差异与就业质量维度下人工智能技术的异质性作用。本文与以往研究的区别在于：第一，摆脱传统文献从就业规模与就业结构视角考察人工智能技术的劳动就业效应这一弊端，将涵盖就业环境、工作报酬、社会保障等在内的就业质量引入，深究人工智能技术对就业质量的影响；第二，引入人工智能技术发展赖以依存的智能化环境，考察人力资本水平与新型基础设施如何改变人工智能技术对就业质量的作用，弥补了文献缺乏从智能化环境角度出发研究人工智能的不足；第三，基于人工智能不同发展阶段探究智能化政策的作用效果，并进一步针对就业环境、工作报酬、社会保障等维度差异展开分析。

一、研究假说

现有研究关于人工智能技术的就业效应往往集中于对就业规模的考察，即人工智能技术引发岗位创造与替代到底如何影响劳动力市场。然而遗憾的是对这一问题的探讨仍未取得有效共识，反而形成了截然不同的两种观点：一是替代效应大于创造效应，即人工智能技术显著降低了劳动者的就业岗位。Acemoglu和Restrepo（2020）基于美国劳动力市场1990－2007年数据研究发现，工业机器人的使用降低了总体就业岗位，其中每千人1个机器人增加量将会降低0.2%的就业率［3］。这表明在与机器生产率的竞赛过程中普通劳动力将处于劣势地位，从而被更多的智能化要素所替代（王君等，2017）［9］。二是创造效应大于替代效应，即人工智能技术对就业产生了促进作用。Furman和Seamans（2019）在研究人工智能与经济发展的关系时指出，人工智能的岗位创造效应将最终导致劳动力就业规模的增加［10］。意味着人工智能技术的成本降低效应与岗位创造效应将会同步实现原有产业规模的扩大与新兴产业的诞生，从而导致就业需求的扩张。然而随着研究的逐渐深入，更多学者逐渐认为人工智能对就业的作用效果存在明显的结构差异，即对非技能型人才的替代与技能型人才的需求同时存在，引至就业结构的不断优化。

诚然，人工智能技术对劳动力就业规模的影响也会从不同角度改变就业质量。首先，人工智能技术能够提升工作效率。一方面，人工智能的快速应用能够将复杂任务智能化，通过智能生产减缓普通劳动者从事复杂任务的时间，从而促进生产效率的提升；另一方面，智能平台的构建将会降低不同部门及人群间知识共享与交流的成本，使劳动者能够迅速获得日常工作所需的信息，由此引发的工作流程优化将会进一步提升工作效率。其次，人工智能技术能够改善就业环境。人工智能与产业融合引致的产业智能化会带来新业态与新模式的产生，远程医疗、线上课堂、万物互联等新兴事物的出现将彻底打破传统工作模式，劳动者可以自由选择工作时间及工作地点，甚至居家办公也将成为现实。与此同时，灵活工作方式的存在也使得劳动者更好地平衡了工作与生活（戚聿东等，2020）［7］，彻底改变传统“996”工作制，实现就业环境的改善。最后，人工智能技术能够增加工作报酬。通常而言，技能型工作岗位往往会提供更高的工资，而人工智能技术的岗位创造效应对技能型人才需求的增加将会改善该群体的收入水平。除此之外，对于非技能型人才来说，人工智能技术引发的工作岗位丢失将会倒逼中低技能劳动力进行自我学习与技能培训以满足智能化岗位的要求，从长期来看将彻底实现劳动力高端化与工作收入的增加。据此，本文提出如下假设：

假设H1：人工智能技术能够促进就业质量提升

随着我国经济进入新常态，以智能化为主要驱动力的产业结构转型与高质量发展成为新目标，而这离不开人力资本水平的大力支持。作为通用型技术的典型代表，人工智能技术研发与创造过程中凝结着科研工作者无差别的人类劳动，他们对智能领域的研究与探索已经成为人工智能技术产生的关键。与此同时，智能机器设备的应用也需要大量擅长智能化的人力资本协同才能发挥更大效用，即企业想要进行生产流程与管理体系的智能化转型就不可避免地需要对原有劳动力进行数字化培训或者招聘新的技能型人才（张远和李焕杰，2022）［11］。除此之外，人力资本水平的提升也会增加劳动者的工作机会与工作报酬，改善劳动者的就业环境。具体来说，拥有专业知识与工作经验的劳动者在就业市场拥有更多的职业选择机会与薪酬谈判余地，即使在失业之后对新技能培训的接受程度也更高，从而快速实现二次就业。当然，与一般劳动力相比，高技能劳动力通常处于劳动市场的顶端，更依赖于计算机等先进机器设备进行工作，就业环境也相对更为优越。据此，本文提出如下假设：

假设H2：人力资本水平在人工智能技术与就业质量关系中发挥正向调节作用

新型基础设施是指以互联网、大数据、云计算等为基础，能够实现信息传输、存储与分析的软硬件设施（范合君和吴婷，2022）［12］。智能化设备的生产与运行离不开完善的网络设施和高效的信息平台。通常而言，新型基础设施能够通过提升数字化能力与降低生产成本促进人工智能技术发展。一方面，面部识别、无人驾驶及智能生产均需要对海量数据进行快速计算，5G与大型计算机等新型基础设施的构建有助于提升现有设备的计算能力，从而使得人工智能更加精准快捷地识别与满足人类需求；另一方面，新型基础设施的构建拓宽了企业信息搜寻的渠道，在打破信息壁垒的同时提升了产业链上下游企业的内在联系，降低了因为沟通不畅产生的交易成本。新型基础设施的快速普及也为企业智能化转型打下了坚实基础，特别是信息平台与智能设备的应用将有助于把员工从复杂任务中解放出来，摆脱了传统仅依靠体力劳动的缺陷，从而带动整个就业市场向高端化转向。据此，本文提出如下假设：

假设H3：新型基础设施在人工智能技术与就业质量关系中发挥正向调节作用

二、研究设计

（一）模型设定

为了检验人工智能技术对就业质量的影响，即假设H1的合理性，结合前文综述，构建如下计量模型：

其中，quait为i城市t年的就业质量，aitit为i城市t年的人工智能技术，Xit为包括教育投入（edu）、人口密度（pod）、交通设施（tra）、对外贸易（for）、行政干预（fie）、产业结构（is）等在内的控制变量集合，θi为城市个体固定效应，τt为时间固定效应，εit为随机扰动项。

（二）指标构建

被解释变量：就业质量（qua）。当前对于就业质量的研究主要集中于微观个体和宏观区域两个层面，且度量方式存在较大差异。在微观层面，文献普遍认为个体对所从事工作的主观感受可能会成为表征就业质量的关键指标，因此更多从工作时长、工作满意度、工资收入、职业发展等角度进行度量（郭晴等，2022）［8］。而在宏观层面，衡量就业质量主要有单一指标与构建指标体系两种方式。但随着研究的逐渐深入，传统直接采用职工工资（黄海清和魏航，2022）［13］度量的缺陷开始凸显，即其仅考虑工作收入而忽视了包含就业环境、社会保障、工作权益、社会公正等在内的外在条件约束，容易造成测算结果出现较大偏差。为此戚聿东等（2020）［7］、丛屹和闫苗苗（2022）［14］等学者开始将经济发展、产业结构、失业率等就业环境、劳动力受教育年限、技能人才占比等就业能力，工资收入、工资增速、收入差距等就业报酬，养老保险覆盖率、医保覆盖率、生育保险覆盖率等就业保障，劳动争议、职业病、工会情况等劳动保护引入，基于多角度多层次构建就业质量指标体系，且这一度量方式逐渐成为学界的共识。为此，在现有文献的基础上，结合城市层面样本数据可得性，构建包含就业环境、工作报酬、社会保障等在内的共八个分项指标的指标体系，并分别采用熵权法与主成分分析法进行测度。具体指标体系如表1所示。

表1 就业质量

解释变量：人工智能技术（rob）。随着智能技术的广泛普及，探究人工智能技术经济社会效应的前提条件在于精准度量人工智能。众所周知，人工智能技术最为重要的表现形式就是机器人的大规模应用，因此，工业机器人自然而然成为衡量人工智能的首要选择（Acemoglu和Restrepo，2020）［3］。然而随着一系列人工智能相关文件的出台，通过定义与识别人工智能关键词进而检索人工智能专利成为文献研究的新选择（王林辉等，2022）［15］。本文在综合评价两种不同测算方法优劣的基础上，选取机器人渗透率作为人工智能技术替代指标，其中机器人渗透度测算公式如下：

其中，robit表示i城市t年的机器人渗透度；m表示行业总数，n表示城市数量；Rjt为j行业t年的机器人所有量，l为就业人数。

控制变量：教育投入（edu）采用各城市教育经费支出与国内生产总值的比重表示、人口密度（pod）选取单位面积上的人口数度量；交通设施（tra）选取城市客运量和人口总数之比表征；对外贸易（for）采用城市实际使用外资额占生产总值的比重度量；行政干预（fie）选择城市一般公共预算支出和生产总值之比表示；产业结构（is）采用产业结构高级化即第三产业与第二产业比值表征。

（三）数据说明

为了考察人工智能技术如何改变就业质量，本文选取2011—2019年城市层面样本数据为研究对象进行检验，其中机器人数量来自国际机器人联合会公布的中国各行业机器人安装量，就业质量各细分指标及控制变量原始数据均来自《中国城市统计年鉴》。表2为各指标描述性统计，可知就业质量最大值为0.887，最小值为0.018，由此可知各城市就业质量差距较大，呈现较为明显的非均等性；人工智能最大值为4.831，最小值为0.001，暗示各城市机器人安装及使用量差异明显，也从侧面表现出智能化存在显著的城市差异。

表2 描述性统计

三、基本检验

（一）基准检验

为了探究人工智能技术是否对就业质量表现出明显的促进作用，本文在基于已有文献测量就业质量的基础上，根据公式（1）及城市样本数据从实证层面进行验证。表3为针对假设H1检验的回归结果，模型1－模型3为基于熵权法测算的就业质量回归结果，模型4－模型6为基于主成分分析测算的就业质量检验结果。具体而言，由模型1－模型3可知，无论是否进行时间与城市趋势控制，解释变量人工智能技术的回归系数均在1%的显著性水平上为正，暗示随着人工智能应用程度的加深，城市就业质量能够得到显著改善。在模型3中同时控制时间与城市趋势后，人工智能技术系数为0.0096，意味着当人工智能技术每提升1%时，就业质量将增加0.0096%。与此同时，进一步选取主成分分析法测算的就业质量进行稳健性检验，结果显示，人工智能系数显著为正，与熵权法检验结果在方向与显著性上完全一致，表明人工智能技术与就业质量确实显示出明显的正相关性。可能的原因在于：一方面，人工智能技术在通过替代效应与创造效应影响就业数量的过程中也会改变就业结构，特别是对高端技能型人才的需求将会带动就业结构向高端化转移，引致就业质量的提升；另一方面，人工智能技术的“智能化替代”能够同步引发全社会生产率提升与劳动者工作时长的降低，从而增加就业者的个人可支配时间。

表3 基准检验

从控制变量角度来看，在模型3与模型6中，教育投入系数为负，表明过高的教育投入无助于就业质量的提升。可能是因为教育投入增加引发的高等教育普及会提升技能人才间的激烈竞争，在市场无法提供更多高质量就业岗位的前提条件下，会降低多数人的就业质量；人口密度系数为正，意味着人口密度的增加会提升就业质量。通常而言，人口密度引发的集聚能够产生更多的新业态与新模式，为劳动者提供多样化的就业选择；交通设施系数显著为负，表明便利的交通设施反而抑制了就业质量。一般来说，四通八达的交通设施能够降低就业者的通勤成本，但是这并不意味着一定会提升就业质量，因为路途时间的减少可能会变相增加劳动者工作时长，产生适得其反的作用效果；对外贸易系数方向为负，暗示对外贸易可能会降低就业质量。激烈的国际竞争环境意味着国内生产厂商只有不断降低成本才可能获得较多的国际订单，可能会降低企业为劳动者缴纳各种保障的动力。行政干预系数为负，表明政府市场干预能力的增强不利于就业质量提升。政府财政支出的增加往往伴随着税负的提升，会明显降低劳动者的工资报酬。产业结构系数为正，暗示产业结构升级促进了就业质量提升。可能是因为第三产业的不断壮大有助于提供更多就业岗位，从而减缓了失业率。

（二）稳健性检验

为了验证前述结论的可信性，即人工智能技术对就业质量是否确实表现出显著促进作用，本文从稳定性检验与考察可能遗漏变量两个角度展开，其中稳定性检验包括替换被解释变量、省份聚类以及数据缩尾。具体来说：（1）替换被解释变量。在众多就业质量的分项指标中，工资收入占据着重要地位，为此本文选取平均工资替换就业质量综合指标进行重新检验，检验结果如表4模型1所示，可知人工智能系数依然在1%显著性水平上为正，证实了人工智能技术对就业质量的促进作用，表明结论是稳健的。（2）省份聚类。在前文实证检验的基础上进一步进行省份聚类，结果如表4的模型2所示，结果可知人工智能系数、方向、显著性和前文完全一致，证明了基本结论的可靠性。（3）数据缩尾。为减少样本数据中极端值与异常值存在对结论的干扰，本文进一步对样本数据进行1%的缩尾处理，结果如表4模型3所示，可知人工智能系数在1%显著性水平上为0.0133，与基准结果相比较大，表明极端值的存在降低了人工智能对就业的作用效果，但是依然证实了人工智能的正向促进作用。可能的遗漏变量检验主要包括引入可能对就业质量产生影响的金融发展和经济集聚作为控制变量，其中金融发展采用年末金融机构贷款额与生产总值之比表示，经济集聚选取单位面积上的生产总值表示，结果如表4的模型4与模型5所示，由此可知在进一步控制金融发展与经济集聚后，人工智能系数均依然显著为正，证明人工智能技术对就业质量确实发挥正向作用，表明结论是稳健的。

表4 稳健性检验

（三）内生性检验

尽管在稳健性检验中本文在进一步控制金融发展与经济集聚等可能的遗漏变量后结果依然稳健，但是文献研究仍不可能穷极所有，即依然可能存在未纳入控制变量的遗漏变量。与此同时，就业质量提升可能引发劳动者对幸福生活的追求，更倾向于通过技术等手段进一步提升工作舒适度，倒逼机器人的大量使用，从而导致反向因果的存在。为了消除可能存在的内生性问题对结果的干扰，本文采用工具变量法进行检验，而其中最为重要的就是选取合适的工具变量。纵观现有文献，美国机器人渗透率常常被用来作为工具变量（韦东明等，2021）［16］，其主要的原因在于：中美同作为机器人生产与应用的大国，在智能生产领域具有较大的相似性，满足相关性条件；与此同时，美国机器人应用更为直接地影响美国劳动力就业，对中国就业质量的影响微乎其微，满足排他性条件。检验结果如表5所示，其中模型1为第一阶段回归结果，可知美国机器人渗透度系数在1%显著性上为正，表明美国机器人渗透度能够提升中国人工智能技术水平，F值为1471.37，排除了弱工具变量的可能；模型2为以熵权法测算的就业质量为被解释变量的回归结果，结果显示人工智能技术显著为正，表明在以工具变量处理内生性后人工智能依然能够带来就业质量的提升；模型3为以主成分分析测算的就业质量为被解释变量的实证检验，结果显示人工智能系数在1%显著性上为正，说明可能存在的内生性并没有消弱本文结论是可靠的。与此同时本文也选择人工智能技术滞后一期作为工具变量进行对照检验。检验结果如表5的模型4－模型6所示，可知在替换工具变量后，人工智能技术依然对就业质量表现出正向促进作用。

表5 内生性检验

（四）智能化环境的调节效应

与一般技术一样，人工智能技术的发展与应用需要包含劳动、资本、环境在内的众多要素的配合。为此，本文在前述研究的基础上，深入人工智能发展所依赖的外在条件，从人力资本水平与新型基础设施两个角度出发，考察智能化环境如何影响人工智能技术对就业质量的作用效果，即验证假设H2与假设H3是否得到了经验证据的支撑。

1.人力资本水平

现有文献在区域层面对人力资本水平的度量主要有两种方式：一是采取人均受教育年限表示（谢婷婷和王勇，2022）［17］，二是采用高等学校在校生人数与城市劳动力之比表征（林伯强和谭睿鹏，2019）［18］，本文在综合比较两种不同度量方式后选取各城市高等学校在校生人数占总人口的比重表征人力资本水平。检验结果如表6的模型1与模型2所示，其中模型1为基于熵权法测算就业质量的检验，结果显示人力资本水平与人工智能技术交互项系数在5%显著性水平上为正，暗示人力资本水平有助于提升人工智能技术对就业质量的促进作用；模型2为在以主成分分析测算就业质量后的检验，由结果可知人力资本水平与人工智能技术交互项系数在1%显著性上为正，表明人力资本水平确实显示出正向激励作用。通常而言，智能化技术的研发与智能化设备的应用通常需要更高技能的劳动力，由此形成的“人机协同”可能会带来工作效率的进一步提升。

2.新型基础设施

人工智能技术发展除了必要的人力资本加持外，仍离不开包含互联网普及率在内的新型基础设的普及。为此本文选取互联网普及率表征新型基础设施，以检验新型基础设施的推广与应用是否会带来人工智能作用效果的改变。其中，互联网普及率选取互联网宽带入户数与总人口比值表示。检验结果如表6的模型3与模型4所示，其中模型3为熵权法测算就业质量的影响检验，结果显示新型基础设施与人工智能技术交互项系数在10%的统计水平上显著为正，意味着新型基础设施提升了人工智能技术对就业质量的作用效果；模型4为基于主成分分析测算就业质量的回归结果，结果显示交互项系数在5%的统计水平上显著为正，表明新型基础设施显示出正向促进作用。新型基础设施的搭建为人工智能技术的应用提供了平台，由此引发的大数据与物联网会降低工资任务的复杂度。

表6 智能化环境

四、进一步分析

（一）阶段差异

自美国“再工业化”战略提出以来，世界各国均出台了一系列智能化政策以推动机器人的广泛应用与智能化的快速发展，以期通过制造业以及全社会的智能化转型实现经济的跨越式发展。与此同时，中国也在政府层面推出众多有关机器人发展文件，其中最具代表性的是2013年的《关于推进工业机器人产业发展的指导意见》和2015年的《中国制造2025》，至此以机器人为代表的智能化发展进入了新阶段。为此，本文依据两份政策性文件发布的时间截点将样本数据分别以2013年和2015年为断点分拆为不同阶段，以考察智能化政策如何影响人工智能技术对就业质量的影响。实证检验结果如表7所示，其中模型1、模型2汇报了2013年前后不同阶段人工智能技术对就业质量的影响，可知在2013年之前人工智能系数并不显著，表明人工智能对就业质量没有产生明显正向作用；2013年之后人工智能系数在1%显著性水平上为正，表明2013年发布的智能化政策提升了人工智能对就业质量的影响。模型3、模型4汇报了2015年前后不同阶段人工智能技术的作用效果，2015年以前人工智能系数在5%显著性水平上为正，而2015年之后人工智能技术则在1%显著性水平为正，暗示智能化政策能够促进人工智能的作用效果。综合来看，人工智能对就业质量的影响呈现明显的阶段特征，且智能化政策有助于提升人工智能对就业质量的显著影响。

表7 智能化阶段差异

（二）维度差异

基准回归结论证实了人工智能技术对就业质量的正向作用，那么这是否意味着人工智能技术能够同等程度提升就业质量的每个维度呢？为此本文在通过熵权法合成就业环境、工作报酬、社会保障等就业质量维度的基础上，实证检验人工智能技术对就业质量各维度的作用效果。检验结果如表8所示，其中模型1、模型2为以就业环境为被解释变量的回归，结果显示无论是否控制时间与地区趋势，人工智能系数均在1%显著性水平上为正，表明人工智能技术能够带来就业环境的改善，且人工智能每提升1%则就业环境改善0.0157%；模型3、模型4为以工作报酬为被解释变量的检验，实证结果显示人工智能技术与工作报酬呈显著正相关，人工智能技术每增加1%将带动工作报酬增加0.0122%；模型5－6为以社会保障为被解释变量的回归，结果显示人工智能技术系数均在1%显著性上为正，暗示人工智能技术对社会保障存在显著正向影响，且这一作用大小为0.0064%。综合来看，人工智能技术对就业质量各维度作用呈现非对等性，对就业环境的提升作用最大而对社会保障的影响最小。

表8 智能化维度差异

五、结论与建议

为深入分析人工智能技术对就业质量的影响，本文在2011—2019年城市面板数据的基础上构建包含就业环境、工作报酬、社会保障等在内的就业质量评价体系，采用熵权法与主成分分析法测算各城市就业质量评分的基础上，实证检验人工智能技术对就业质量的影响，考察智能化环境特别是人力资本水平与新型基础设施对人工智能与就业质量关系的调节效应，并深究智能化政策导致的异质性作用及就业质量维度的差异。研究结果显示：人工智能技术能够促进就业质量的提升，且这一结论在替换被解释变量、省份聚类、数据缩尾以及考虑可能的遗漏变量等稳健性检验与内生性检验后均成立；人力资本水平与新型基础设施等智能化环境有助于促进人工智能技术对就业质量的促进作用；人工智能对就业质量的作用效果存在明显的阶段差异，在智能化政策提出之后，人工智能技术对就业质量影响更为明显；人工智能技术对不同维度就业质量影响存在非对等性，对就业环境的提升作用最大而对社会保障的影响最小。

基于前述研究结论，为同步实现人工智能技术与就业质量的协调发展，提出如下建议：一是借助智能化发展的良好契机，实现就业质量的有序提升。面对技术进步，特别是人工智能技术引发的工作效率提升与就业环境改善，政府部门应积极出台智能化相关文件，通过给予智能生产与应用企业减税降费与财政补贴等优惠政策，快速推动人工智能技术与制造业的全方位融合，从而为实现高质量就业奠定坚实基础；二是注重发挥人力资本的激励作用，通过普通教育与职业教育的有机结合，引导学生自主选择适合自我的教育模式，最终促进全社会教育水平的提升。与此同时，也应加大特定人才的技能培训力度，特别是针对人工智能技术引发的大量失业劳动力，通过政府兜底的形式为他们提供学习与培训的机会，最终满足高端技能岗位的需求；三是加快推进5G等信息基础设施建设，通过智能信息平台的构建拓宽劳动者信息搜寻的渠道。同时应重视新型基础设施与传统产业融合导致的新业态与新模式，在稳步提升就业总量的过程中实现就业质量的改善。