中国人工智能技术暴露度的测算

论文概览

今天介绍的这篇论文发表在《管理世界》2025年第7期，作者是北京大学中国经济研究中心、北京大学国家发展研究院的张丹丹、于航、李力行、胡佳胤、莫怡青、李泓孛。

论文基于2018年1月至2024年5月期间发布的125万条在线招聘信息，根据岗位工作任务的具体描述，构建了各职业的大语言模型人工智能技术暴露度，估计了人工智能技术对劳动力需求以及对岗位学历和薪资等要求的影响。研究发现，在样本期内，中国劳动力市场上新增职位的大语言模型人工智能技术暴露度呈现降低的趋势，暴露度较高的职业主要是对受教育程度要求较高和薪资较高的白领职业，技术暴露度与劳动力需求呈现负相关关系，高暴露度的职业薪资增幅下降、职业内部的薪资差距变大，对教育和工作经验方面的要求也越高。

研究背景与创新

随着以ChatGPT为代表的大语言模型人工智能技术的兴起，人工智能技术可能对高技能劳动者带来直接冲击，引发了关于岗位替代的广泛担忧。考察岗位替代问题，最常见的做法是对不同职业受到技术影响的程度进行测算，从而在职业层面构建技术暴露度。美国劳动力市场上的职业具备较好的标准化基础，为构建指数提供了便利。现有文献基于美国劳动力市场的职业特征，针对各种数字技术，构建了一系列的技术暴露指数。在研究技术进步对中国劳动力市场的影响时，文献大多是将中国的职业与美国职业名称进行匹配，利用基于美国数据构建的职业特征来分析中国劳动力市场的变化，因而可能存在不一致的问题。

为了克服这一弊端，并捕捉人工智能新技术对我国劳动力市场带来的影响，本文参考埃隆杜等（2024）的思路，采用来自中国的线上招聘大数据，根据岗位工作任务的具体描述，构建了各职业的大语言模型人工智能技术暴露指数。这一做法不需要对中国和美国的职业名称进行匹配，从而能够解决跨国职业匹配中潜在的不一致问题。

数据来源与处理

本文使用从2018年1月至2024年5月期间发布在智联招聘平台的招聘广告中随机抽取的125万条信息。智联招聘成立于1994年，占据了中国超过30%的在线招聘市场份额，该平台拥有2.3亿活跃个人用户和约600万企业用户，对城镇劳动力市场具有一定代表性。智联招聘数据已被许多研究所采用，这些研究都凸显了利用智联招聘数据分析劳动力市场变化的价值。

值得注意的是，在线招聘广告往往更侧重城市中相对年轻化、高学历、中高工资的职位招聘需求，并不具备对整体劳动力市场的代表性。相对于常规的劳动力调查数据而言，在线招聘平台数据虽然代表性较差且无法获取供需双方的最终匹配结果，但却具有实时、高频、细颗粒度的优点。更重要的是，在线招聘平台数据能够捕捉劳动力供需双方在成功匹配前的动态过程，尤其是能及时刻画企业端的招聘需求变化，从而为我们探究新技术对劳动力市场的冲击提供了关键的先导变量。

大语言模型人工智能技术暴露指数的构建

本文结合O*NET中的2087个详细工作活动，构建了职业层面的人工智能技术暴露指数。具体而言，首先在GPT-4的辅助下，对每一个详细工作活动的暴露度进行评分。其次，将每个招聘广告中的职位描述文本与全部详细工作活动比对，筛选出所有包含在广告中的详细工作活动及它们在该职位工作中的重要性权重。将所有与该岗位有关的DWA暴露度评分按重要性加权求和，得到每个岗位的暴露度。最后，对每个职业或职业组别中所有招聘岗位的分数取平均值，得到该职业的暴露度，从而构造出基于DWA的大语言模型人工智能技术暴露指数。

为了优化计算效率，本文从全样本中按月分层随机选取了77000个广告作为测度样本，在此样本上执行了上述技术路线以计算每种职业或职业组别的大语言模型人工智能技术暴露指数。这种技术路线都是从招聘广告职位自身的详细工作内容出发，并不依赖于中国和美国之间职业名称的直接对应关系，因此克服了关于同一职业名称在不同国家有不同内涵、因而不完全可比的挑战，可以为中国的各种职业提供独立的评估。

大语言模型人工智能技术暴露指数的跨时间变化

为了分析劳动力市场需求对新的人工智能技术的适应性变化，本文对构建的暴露指数逐月进行了加权平均，计算出每个月新增招聘职位对应的暴露指数，并进行了标准化处理和季节性调整。分析显示，在过去6年多时间内，中国劳动力市场新发布职位的大语言模型人工智能技术暴露指数均呈现持续下降的趋势，并在2021年初至2022年下半年间加速下滑，2024年又再次出现加速下降。总体来看，新发布职位越来越集中于暴露度低的领域，而暴露度相对高的职位正在逐步减少，显示出大语言模型人工智能技术对劳动力的替代效应可能占据主导作用。

为了考察不同受影响程度的职业在适应性上的差异，本文按照基于DWA的大语言模型人工智能技术暴露指数的高低，将所有职业分为四组别，分别描述归属各组别的新增工作占比的动态走势。结果显示，相对而言暴露指数最低的职业，其劳动需求呈现相对较强的增长态势，而在暴露指数较高的职业中，劳动需求均呈现相对逐渐下降的趋势，特别是在暴露度最高的一组中下降最为显著。这表明主要是由于劳动技术暴露度低的职业需求上升导致了整体的下行趋势。

大语言模型人工智能技术暴露指数的跨职业差异

基于DWA的大语言模型人工智能技术暴露指数最高的职业包括会计、编辑、销售及程序员等，这些主要是知识密集型的白领工作，工作内容涉及大量的文本处理和资料整合，其任务属性多属于规则化和重复性的任务，对创造性的需求较低。其中，销售类职业暴露度较高，这与人们的常规认识可能有所不同。实际上，尽管销售通常需要很多软技能和直接与人沟通，但很多销售工作，如客户信息收集、电话沟通、信息咨询等，都属于常规性质任务，因此其暴露度较高。

相对来说，暴露指数低的职业主要有餐饮服务人员、产业工人、家政服务人员等，这些工作多涉及体力劳动，且需要与人直接互动。但需要注意的是，这些职业尽管受大语言模型的影响小，但可能受到机器人和其他数字技术的冲击。全面评估职业的可替代性和未来的发展前景，需要结合各类不同新技术发展的趋势，做出综合评判。

使用普通最小二乘回归方法分析显示，大语言模型暴露指数越高，职业招聘广告对应聘者的学历要求更高，但是对工作经验的要求则越高。给定教育和经验的要求，薪资水平更高的职业大语言模型暴露指数更高。说明大语言模型暴露指数主要影响高教育程度、高工作经验值和高薪的职业。

大语言模型人工智能技术暴露指数与新增职位的关系

本文展示了各大职业新发布职位在全部职位中占比的变化情况与基于DWA大语言模型人工智能技术暴露指数之间的关系。从整体趋势来看，2019至2024年间，暴露指数越高的职业，市场新增职位越少，而暴露程度越低的行业，新增职位越多。相应的回归分析显示，某职业的大语言模型人工智能技术暴露指数每增加1个标准差，其新增职位市场占比多降低1.9个百分点，考虑到数据中的各职业大类招聘数量的占比平均仅为1.4%，1.9个百分点的差别意味着需求出现大幅下滑。

为了进一步识别大语言模型暴露指数和劳动力需求变化之间的因果关系，本文采用该职业所对应的美国职业的人工智能技术暴露指数作为中国劳动力市场上该职业大语言暴露指数的工具变量进行估计。工具变量回归结果显示，大语言模型暴露指数与该职业在过去的6年间劳动力总需求负相关。暴露指数每增加一个标准差，招聘广告的市场占比份额平均将下降2.3个百分点。

尽管本文没有发现暴露指数对职业平均薪资水平的显著影响，但高暴露度职业的薪资水平变异系数近年来显著提高，显示AI新技术有可能加剧了职业内部的薪资不平等，同一职业的薪资差距存在拉大趋势。此外，尽管在工具变量回归中统计上不显著，本文发现高暴露度的职业对教育水平和工作经验的要求更高。

小结

本文的研究显示，近年来中国的劳动力市场已经出现大语言模型人工智能技术开始替代人工的趋势，而劳动力市场尚未对人工智能新技术做出明显的适应性调整。本文强调，中国劳动力市场对新技术的适应性有待加强，建议在加大对大语言模型人工智能技术的研发投入的同时，降低应用门槛，鼓励企业和劳动者使用新技术。新技术发展初期，就业市场上的技术适应性应当引起政府相关部门的重视，以避免产生国家间新的技术鸿沟。

参考资料

张丹丹,于航,李力行,等.中国人工智能技术暴露度的测算及其对劳动需求的影响——基于大语言模型的新证据[J].管理世界,2025,41(07):59-75.