《中国经济新动能》是网易财经智库与北京大学国家发展研究院联合出品的高端财经访谈节目，抖音作为特别支持平台。针对财经焦点及社会热点，我们与北大国发院的知名专家学者进行深入探讨，在不确定中寻找确定，探寻在当前形势与不同研究视角下国家、企业和个人如何寻找发展的新动能。

NO.05 专访北大国发院经济学教授张丹丹：技术与人口对人力资本的冲击

【本期介绍】

2023年，以ChatGPT为代表的AIGC技术在全世界范围内引起广泛关注。长期来看，AIGC技术应用对劳动市场的影响存在多样化的风险与挑战，此外，在人口产生较大变化的当下，中国劳动力市场的问题与机遇并存，张丹丹将深度解析以AIGC为代表的人工智能技术与当前中国较低生育率对人力资本的冲击，探寻如何认知并应对当前及未来预期的挑战。

60S要点速读：

我们基于百万份招聘数据的研究发现，容易被AIGC替代的就是白领的工作，包括财务、客服、会计、法律工作者；另一端不太可能被影响到的是一些蓝领的工作，比如家政服务人员、物流运输人员和技术工人。所以，从此结果可以看出，ChatGPT对脑力劳动者的替代程度更高，对蓝领、体力劳动者的替代程度更低，这是我们从职业层面的主要发现。

以下为内容精编：

原来的技术进步更多的是对手的替代，AIGC技术则是对大脑的替代。原来是要素增强，比如某个技术与人结合，创造了更高的生产力，但是现在ChatGPT是一个要素替代，替代了一些相对简单的脑力劳动。而且原来是一个局部的替代，现在是全生产过程的替代，所以它的出现确实是和之前的技术进步是完全不一样的，特别是现在研究发现，对白领的影响比较大。

这些发现会引发整个社会的焦虑。这项新的技术充满不确定性，且表现出的能力又很惊人，大家就会很担心。我觉得这种担心也是正常的。但是实际上大家对AIGC技术的认知呈现两种极端情况，一种极端是神化它，觉得它太厉害了；另外一种极端是妖魔化它，它可能会对自身乃至整个人类产生威胁。但是从劳动力市场的角度，我们首先考虑的是就业会不会被影响，所以这种担心可能是更显性化一些。

当前，脑力劳动者会更直接地感受到这项技术给自己带来的冲击。但是实际上像大学老师也好，媒体记者也好，包括一些从事艺术工作的人，他们在使用了ChatGPT，包括文心一言这些大语言模型之后，他们的担心其实会下降。因为他们发现，这项技术对自己是一个加持的作用。所以我觉得随着大家去拥抱并使用这项技术，了解到这项技术如何与自身工作相结合，大家的焦虑感也会随之下降。

因为人自然会对一些不确定的事物产生焦虑感，当这个事物变得确定化，你知晓它的能力范围，这种担心反而会减少。比如我们通过使用这个大语言模型之后，发现它其实有很多技能不如人类，我们可以借助它查一些文献，或者做一些综述等等，但是其他的方面，包括逻辑思维等等，它其实还不达标，在创造性方面也是相对较弱的。通过它可以反馈给大家在哪些方面要增强自己的能力，才不会被这项技术替代，大家就有一个被动变主动的过程。

我们在ChatGPT出来之后马上就投入了这项研究，因为从我们研究的劳动经济学来说，首先关心的就是一个非常有冲击力的技术出现，它到底对我们的就业产生何种影响。我们这项研究从一年前就开始了，从某头部招聘平台上随机抽取了百万的招聘数据，招聘信息是从2018年1月到2023年4月，我们抽取了当下劳动力市场的就业需求，每个岗位需要的技能，在多大程度上可以被大语言模型人工智能替代，或者起到互补作用。我们在职业层面上，做了一个大语言模型的暴露指数。

关于此指数构建的科学性，之前美国也做了一套，但我们并不是把美国相关的职业对应到中国相关的职业，我们是把中国的职业需求具体需要的技能，做了2万个划分，就是2万个Task，对应到职业上，我们对这2万个工作任务做了一个ChatGPT替代程度的打分，最后再汇总到职业层面。我们考虑到不同国家之间职业的差异性，之后我们是看中国每一个职业招聘方所要求的技能，到底多大程度上会被这项技术替代。最后发现，有20个最容易被替代的，和20个最不容易被替代的职业。研究指出，容易被替代的就是白领的工作，包括财务、客服、会计、包括法律工作者，这些暴露指数更高。

另一端不太可能被影响到的是一些蓝领的工作，比如家政服务人员，物流运输人员，还有技术工人。所以从此结果可以看出，ChatGPT对脑力劳动者的替代程度更高，对蓝领、体力劳动者的替代程度更低，这是我们从职业层面的主要发现。

上述的暴露指数强调的是替代，但实际上从劳动经济学理论上来讲，AIGC技术对就业的影响存在两个维度，一个是替代，一个是互补。最终到底是替代还是互补居多，完全看经济主体的主观能动性，即能够创造出来互补的价值还是被替代的这部分。

我们的研究截止到2023年4月份，之后的影响我们暂时是看不到的。所以我觉得这项研究像一个移动的靶子，要瞄准它其实是挺难的，因为这项技术在不断进步。当我们研究ChatGPT的时候还没有4.0出来，现在技术都已经更新换代了。我们在研究的时候也没有文心一言，但是从2023年的10月开始，中国普通的用户就开始用起来了。当大家了解这项技术之后，这项技术到底会产生何种影响，是否替代作用会不断下降，这都是有待于我们去研究的。

AIGC技术导致的数字鸿沟也是我们担心的，所以我们现在的研究就是想看什么样的人在这场技术革新中落后了，我们识别出来一些在基础层面的弱势群体，给予一些干预。但是现在它是一个移动的靶子，所以还很难说。比如在ChatGPT出来之后，我们国内的用户使用起来是有一些障碍和壁垒的，比如我们很难注册、使用国外的账号，所以国内用户使用的量是非常低的。

当时我们很担心中美会产生国家之间的技术鸿沟，因为中国人用得少，美国人用得多，中国这边没有感受到这项技术的力量，可能慢慢会落后。文心一言发布之后我们认为这个差异相对好一些了，我们还是要降低技术使用的限制，让大家都有机会去使用，用起来以后我们才能了解到哪些人能够抓住技术的进步从而实现自己个人的成长，哪些人可能抓不住。每一个时代都有人能够抓住技术进步的浪潮，成为乘风破浪的人，也有人就被埋没了，每一次技术进步都是这样的。但是不管怎么样，至少要让更多的人能够使用它，大家要平权。

ChatGPT比之前的技术进步好在，它使用的成本是比较低的。相比我们多少年前去使用电脑、使用网络，它的成本是非常低的。所以我感觉这次应该是能让更多的老百姓先接触。当然肯定是教育程度高的人能更好地使用它，所以我们现在很多的研究也会考虑去做一些干预，让不同的群体去使用，观察他们学习的过程。

除了使用成本低，平台化也是这项技术与之前的技术进步的差异化优势。比如文心一言，包括ChatGPT，我们可以通过后台数据知道用户画像，包括用户如何使用，使用的频率、深度等等信息，基于此我们就可以完全知道哪些人不使用，然后有针对性地尽量缩小这个鸿沟，让那些没有使用过的人用到，或者让那些只用在某一个任务上的人去扩展更多的使用任务。所以我们完全可以知道哪些人领先哪些人落后，在理论上我们是可以知道这个排序的，所以相对以前的技术我们可以做很多的政策干预，从这个角度讲是乐观的。

中国的人口红利向人才红利的转变不是一个新的问题，不过老百姓感受到的是2022年人口负增长，相关数据可能给大家的冲击比较大。但实际上中国的人口红利从最高点开始往下落，已经是十年前了。

中国总人口在2022年呈现下降趋势，但我们测算的劳动年龄人口（16到65岁）达峰是在2016年，之后开始下降。如果从2016年到现在，也有七八年的时间了，我们的人口转型早就发生了，人口红利已经进入了后人口红利时代。但是如果我们考虑到劳动参与率，指在16岁到65岁的劳动年龄人口中有多少人是积极地寻找和参与工作的，去掉不工作的人，其实过去40年，中国的劳动参与率呈现直线下降的趋势。

实际上我们会看到所谓的人口红利时代，早就不红了。劳动参与率下降有很多原因，其中下降的主要原因是因为很多年轻的群体开始接受教育，所以这部分群体推迟了进入劳动力市场的时间，二十多岁才进入劳动力市场。所以我们看到主要的下降是在年轻人这部分，16岁到24岁。

另外一个就是相对年长的中老年群体。因为我们的退休制度规定女性50岁退休，男性60岁退休，所以在65岁之前就可以明显地观察到，特别是城市地区的老年人呈现大规模的劳动参与率的下降。

此外还有一项研究是观察女性的劳动参与率，除了中国，全世界所有国家在过去的三四十年女性劳动力的参与率是上升的，只有中国是下降的。

为什么中国是下降的？50后、60后劳动参与率依然是非常强的，但是到70后、80后，现在的90后、00后，她们的劳动参与率在下降。不同代际的女性劳动参与意愿的差别，与她们的成长背景有关。上世纪五六十年代的女性受“妇女能顶半边天”的教育影响大，所以中国女性劳动参与率一直以来远远高于世界平均水平。但现在的女性有更多的选择，所以当下的女性劳动参与率才是一个正常状态。

我们在不考虑人力资本的时候，人口数量对经济增长是一个非常显著的正向加持作用。但是一旦把人力资本加进去，比如教育加进去，数量的影响就消失了。对整个中国的经济增长来说，人力资本的影响要比数量的影响大，也就是说人才红利的作用要远远大于人口红利对中国经济增长的作用。

我们通过研究观察到高中及以上特别是大学以上的教育程度对经济增长的作用是特别明显的，但是对个人不太好说。现在新技术的进步真的需要一些天才，需要一些特别聪明的头脑把它往前推。创造天才的教育，创新的教育，能激发人的创造性的教育将会越来越重要。

但我们现在的教育还是比较倚重应试，在生成式的人工智能技术突然出来以后，会倒逼教育的改革，因为很多知识或者技能的重要性降低，反而是那些大语言模型做不到的方面，是需要我们着重提升的。

就像我们原来需要计算，但是有了计算器以后，计算变得不那么重要了。现在同样的道理，有了大语言模型之后，很多基础的知识也变得没有那么重要了，思维方式更重要。我们的教育不能完全迎合市场需求——为了就业导向的教育。

但是另一方面我们也观察到，过去几十年的技术进步，对中等技术的人才需求量不断下降，整个劳动力市场出现两极化趋势，要么是需求特别高端的人才，要么对技术的要求非常低。这在全世界都是这样，中间的这些“高不成低不就”的，可能以后对他们的需求真的没有那么多了。但是当下的教育更多教育出的是中间部分的人，与社会两极化的需求极不相符。现在全世界都在讨论，在人工智能的冲击下，教育会何去何从。这不是中国自身的问题，而是全世界都要面临的挑战，所以教育变革必须面向未来。

在珠三角、长三角的制造业企业，很多用人单位对劳动力的要求是完全不需要他有脑子，他只要有一双灵活的手，在目前自动化做不到那么精细的地方，它需要人手去拧一个很小的螺丝，组装或者是打磨，所以它对人力资本的要求极低，甚至几乎为零。我们也非常担心，这些劳动力甚至有很多都是职高、中专毕业，教育程度不算低，他们算是新一代的农民工，一天十个小时就在那按机器的按钮，长此以往他们的职业发展会如何。稍微年长一些的，四十多岁的人因为一天十个小时高强度的工作做不了，很多人就会沦为日结工。我们很担心这个群体，他们以后怎么办，能不能成长，能不能市民化，能不能摆脱低水平的生活陷阱。

现在我国的生育率已经不到1.1，我们现在已经颁布了一些提升生育率的政策，比如放开二胎的政策，但该政策对生育率的提升并没有显著作用。

从经济学的角度看，生育率下降最主要的原因是生育成本的增加，成本高到孩子从“必需品”变成了“奢侈品”，从而导致生育意愿的下降。要想提高生育率，从生育成本和收益的角度来看，最关键的就是降低生育成本。生育成本主要是指育儿的成本，现在中国0岁到3岁的托幼发展还是相对缓慢，大部分0岁到3岁的小孩还是靠家里老人或者雇佣家政服务来解决，这个成本是非常高的，对家庭的负担也是非常重的。如何把它社会化，让育儿成本下降，可能需要政府承担一部分的养育成本，同时让妈妈们能够在孩子很小的时候回到劳动力市场。

我们研究发现女性55岁退休之后，再就业的比例非常低，男性则很高，很可能女性因照顾下一代而放弃“再就业”，这里还是有增长潜力的。从全世界看，中国的退休年龄太年轻了。我们的预期寿命在不断延长，现在将近80岁了，而且受教育程度越来越高，可以考虑适当延长大家的退休年龄。

此外，当前中国的出生人口是九百多万，死亡人口是一千多万，还有一千万人口是常年忽略的，就是人工流产的一千万。这里面是不是可能会有一些不得已的原因，比如，女性可能想要孩子，但是出于落户或者未婚等种种原因没有办法要孩子。如果我们能够解决这些问题，虽然涉及到社会伦理，但如果我们能够放开生育落户等方面的限制，可能生育率会有一定的提高。现在的家庭观念也在不断更迭，很多高知的女性希望非婚生育，但这在中国是不合法的。我们需要权衡哪个更重要，如果把生育率看得更重要，或可考虑将非婚生子合法化。

职场中的歧视分为两种，一种是统计性歧视，一种是偏好歧视。偏好歧视是指只要求职者是女性就不聘用，憎恶女性。这个现象相对比较少见，主要是统计性歧视。我们知道大多数女性都会选择结婚生子就会退出职场，或者有一段时间不能提供劳动供给。那么企业方就会考虑，在支付同等薪资的情况下，为何要聘用女性。企业是基于女性和男性劳动生产率的差异而产生的不同的对待，这种我们把它叫统计性歧视。

特别是现在鼓励生育以后，哪怕是生过孩子的女性，用人单位也会猜测女性是否会生二胎，所以在放开生育以后会加强这种歧视。有一些单位可能会签不能结婚，或者多少年不生育的协议。但是在职场中，生育肯定对女性存在较大影响，可能在入职时就无法跟男性平起平坐，女性在职场中的机会会相应减少。

去年克劳迪娅·戈尔丁获得了诺贝尔经济学奖，她的很多研究都是聚焦在这个领域——如何缩小男女之间的收入差异及不平等，她在美国做了将近一个世纪数据的跟踪分析。

她提出一个值得深思的观点，她认为哪怕是高知女性，跟男性同样入职一个高薪的工作，若干年后女性和男性的收入差异还是会大幅度地扩大。因为女性不可能把自己全部的生活贡献给公司，她需要带孩子，她会更多地承担一些家庭的责任，所以就存在女性职场的天花板——女性晋升上不去，男性可以突破。

女性一旦结婚生子，她的工资就会下降，她参与劳动的时间就会下降，至少在几年内她是回不到正常状态的，这是一个客观的事实。克劳迪娅·戈尔丁提出一些办法，提议大家可以尝试把工作碎片化，或者变成一个团队协同工作，公司不要指望一个人从早到晚牺牲自己全部的时间。这个人可以加班的时候，另外一个人可以回家照顾孩子，大家有一个互相的补充，这样就可以减少工作对女性的压力。另外灵活就业的女性可以更多地照顾家里，她不需要把自己全部的时间用在工作上。

都学课堂MBA带学班。读MBA，上都学课堂