應用人工智能優化制造業人力資源結構的對策建議

王書華，楊學成，曹 靜，郭 景，隋 越，李 昊

（1.中國科學技術發展戰略研究院，北京 100038；2.北京郵電大學經濟管理學院，北京 100876；3.北京市科學技術研究院創新發展戰略研究所，北京 100089；4.桂林航天工業學院，廣西桂林 541004）

0 引言

人工智能歷經了半個多世紀的理論探索和技術演進，近年來深度學習引領了全球人工智能第三次浪潮，推動人工智能技術從實驗室階段進入產業化階段。作為一項通用型、使能型技術，人工智能正在加速向制造業、交通運輸業、現代物流、金融服務、公共安全等各領域滲透融合，其中人工智能技術正大力推動制造業智能化、高端化，推動制造業數字化轉型［1］。隨著人工智能相關技術、智能化設備和服務在高技術制造業中的廣泛應用，制造業正經歷著前所未有的轉型，這一變革不僅對生產方式和生產效率提出了新的挑戰，更對制造業勞動力素質提出了更高要求，推動著智能制造領域的人力資源結構面臨著獨特而深刻的變革。在人工智能技術的影響下，制造業中大量傳統的就業崗位被替代，同時也有新興崗位和新技能的需求被創造［2］，這一現象不僅僅在制造業內部產生深刻影響，更在全球范圍內引起廣泛關注。技術進步理論為剖析勞動力就業結構問題提供了重要的視角，其中創造效應體現在技術進步能刺激消費需求和擴大企業規模，進而創造更多的工作機會與崗位需求［3］；替代效應表現為技術進步將替代勞動力工作內容或者技能，導致企業對勞動力的需求下降，造成周期性與技術性失業［4］。技術的進步、產業結構的升級以及勞動力資源供給，共同構成了制造業就業結構變化的復雜因素。

為了更全面地理解這一問題，通過對多家企業的深入調研，結合對2018 年至2020 年的省份面板數據的分析，將重點聚焦于技術進步、產業環境和勞動力資源等因素對制造業就業結構的影響。研究目的在于揭示人工智能技術在高技術制造業中的廣泛應用所引發的就業結構變革，并通過深入分析影響因素，為決策者提供科學合理的政策建議，以引導制造業保持人力資源優勢。從保持制造業人力資源優勢的視角出發，提出一系列多措并舉的政策建議，以期為制造業及相關政策制定提供有力的理論支持和實證基礎，推動制造業在人工智能時代的可持續發展。

1 智能化時代制造業人力資源面臨的挑戰

制造業是經濟發展的重要支柱。在高質量發展的背景下，眾多學者如童天［5］、邢澤宇［6］等的研究表明，制造業轉型升級的關鍵是勞動力資源的技能水平，是高質量的從業人員，即實現制造向智造轉變關鍵在于人才。近年來，隨著大數據、虛擬設計、機器人等人工智能技術向制造業各部門、各環節的大規模滲透和廣泛應用，人工智能技術通過生產智能化、裝備智能化、運維管理智能化等途徑升級智能制造能力，推動我國制造業高質量發展。其中，生產智能化技術包括智能柔性生產線、多傳感器質量檢測、虛擬數字化生產仿真、人機協同制造等，實現工業物料智能在線檢測和篩選和自動裝配，不僅有助于優化生產工藝、提高生產效率，還將顯著降低生產成本；裝備智能化技術包括智能工業機器人、智能檢測與裝配裝備、智能物流與倉儲裝備等，有助于提升產品質量，實現非標準產品的個性化制造能力；運維智能化技術基于傳感器和物聯網的設備故障診斷及維護技術，實現設備的遠程管理、故障診斷和預防性維護，起到提升能效、節約成本的目的。然而，智能技術的應用也對制造業人力資源的規模、結構和水平產生很大影響，智能裝備的大規模應用在帶來機器替代效應、顯著提高生產效率的同時，智能化帶來的新業態、新崗位、新技能需求也造成制造業中大量高技能人才的短缺、高素質人才的分流，這在經濟發達地區尤為明顯，如早在2015 年陳德智［7］的研究發現上海市先進制造業僅對研發人力資源需求呈現穩步增長態勢?？傊?，智能技術應用對制造業保持傳統的人力資源優勢將帶來很大沖擊，加劇了當前高技術制造業的用工緊張局面。

1.1 生產與裝備的智能化造成部分就業崗位產生機器替代效應

由于工業機器人的大量使用，很容易產生生產智能化和裝備智能化等制造環節有關崗位的替代效應。近年來，由于高技術制造業用工緊張，越來越多的企業大量采用以工業機器人為代表的自動化、無人化、智能化的生產設備，以減少對人力的依賴［8］。近年來我國工業機器人安裝數量快速增長，2021 年新安裝數量達26.8 萬臺，大幅領先于制造強國日本、德國、美國［9］。工業機器人的普及與產業工人形成了直接的崗位競爭，同時產生崗位的替代效應和創造效應。王曉娟等［10］的研究表明，工業機器人滲透度每增加1 個單位，制造業就業人數總量就會減少0.39%。

1.2 智能技術在制造業的大量應用產生新技能的崗位需求和用工缺口

隨著人工智能逐漸融入生產、經營、管理的許多方面，尤其是工業機器人、機器視覺、智能產品、機器學習和協作機器人等產品的相繼面市，勞動密集型的傳統制造業面臨較大沖擊，未來整個制造業智能化轉型對人工智能人才的需求必將顯著增長［11］。一方面，人工智能會改造生產線中原有的工作崗位，對工人提出更高的技能需求，如新增機器人工程技術人員、工業機器人系統操作員和運維員、智能制造技術人員等職業；另一方面也將替代部分重復性、可編碼的常規性工作任務，并增加人機協作型崗位的需求，如新增服務機器人應用員、智能硬件裝調員等職業［12］。根據本研究團隊的統計，2019 年以來我國人力資源和社會保障部陸續公布了30 多個與人工智能相關的制造業新職業。彭瑩瑩等［13］發現，人工智能技術應用使制造業用工結構出現分化，短期內用工缺口問題會更加明顯，人工智能應用帶來的全新崗位以及技能需求將會造成復合型人才的結構性用工緊張。

我國是名副其實的制造業大國，同時也是人口大國，如今卻面臨制造業人才匱乏的現實。雖然隨著高等教育的普及，全國（未含港澳臺地區。下同）大專及以上受教育程度人口占比從2001 年的4.9%上升到2020 年的21.8%［14］，每年的高校畢業生總規模也在上升，接受高等教育的總人口已經超過2.4億人，人才紅利正在形成［15］，但相對固定的學科專業難以適應快速發展的產業需求，創新驅動型的高技術制造業仍存在較大的人才缺口。相關數據顯示，到2025 年，我國制造業十大重點領域人才缺口將接近3 000 萬人，缺口率高達48%［16］。面向行業需求的新專業建設和人才培養周期都較長，符合行業需求的高質量技能型勞動力供給相對滯后，導致就業難的同時企業招工難。

1.3 勞動力市場供給進入負增長常態化階段

勞動力是經濟增長的關鍵要素之一，高技術制造業的健康發展離不開高素質的人力資源。第七次人口普查數據顯示，近年來我國人口規模增長速度持續放緩，生育率不斷下降，人口老齡化也在加劇，適齡勞動力占比不斷減少；2018—2020 年全國15～64 歲勞動人口占比分別為71.2%、70.6%、68.6%，適齡勞動力數量占比逐年下降；2020 年60歲及以上的老年人口總量為2.6 億人，占總人口的18.7%，這一比例自2000 年以來增加了8.4%；2022年年末全國人口較2021 年年末減少85 萬人，開始出現負增長［17］。從人口發展的長期趨勢看，少子化和老齡化的壓力漸增，勞動力總量供給不足的情況將持續存在，包括制造業在內的部分行業已經出現了較為明顯的用工缺口，這將對高技術制造業發展造成不利影響。

1.4 多種產業新業態的靈活就業渠道分流了部分高素質勞動力

當前服務經濟催生了靈活就業平臺，吸收了大量適齡勞動力，對高技術制造業就業形勢形成了新的負面影響。靈活就業平臺具有較高的就業吸引力，能夠迅速吸納大量適齡勞動力。據國家統計局2022年公布的數據，全國靈活就業總量已經達到2 億人左右［18］。賈曉芬等［19］、中國人民大學中國就業研究所等［20］的調研結果顯示，近年來高學歷的畢業生以及新一代農民工對工作的自由度和靈活性也有較高需求，更愿意在電商、微商、網絡直播、網約車、外賣送餐、快遞物流等新業態、新模式、新渠道中就業，而非選擇制造業工作崗位。目前，高校畢業生在高技術制造業就業的人數正越來越少，大量有經驗的青壯勞動力也在從制造業部門向服務業轉移，高技術制造業中的工人數量也在減少，部分具有豐富生產經驗的高技能工人也選擇靈活就業。這些情況加劇了當前高技術制造業用工緊張的局面，也對制造業調整發展策略、適應新就業形勢提出了全新要求。

2 模型構建與結果分析

制造業人力資源結構即高技術制造業勞動力占比，是指高技術制造業就業人力資源數占整個制造業中就業總人數的比重，一般用該指標表征制造業向高端轉型的程度。發達國家的這一指標相對較高，如2016 年美國高技術產業就業人力資源總數占制造業就業人數的15%［21］，德國為17.4%［22］；而我國在2018—2020 年的這一指標分別為12.48%、12.83%、13.96%［23］，與發達國家相比仍有差距。

2.1 制造業就業結構和數據來源

由于高技術制造業沒有明確分類，本研究團隊參考我國《高技術產業（制造業）分類（2017）》中的表述［24］，采用“高技術制造業”來指代社會上使用的“高端制造業”。如表1 所示，2013—2020年我國高技術制造業和非高技術制造業的就業人數及收入缺少2017 年的數據，因為當年進行了國民經濟門類調整而未進行相關統計。表1 顯示，就業人數與收入并非固定不變的線性關系。一般情況下，就業人數與收入呈正相關關系，然而，高技術制造業2019 年的就業人數少于2018 年，但2019 年的收入仍高于2018 年。因此，為了盡可能減輕不同年份就業人數變化的影響，滿足研究的科學性要求，在盡可能統一的基準下比較高技術制造業和非高技術制造業，本研究團隊借鑒李懷祖［25］的做法，提出了歸一化人均收入增速指標δ，即人均收入增長率與就業人數變化率的比值。其定義式為：

表1 我國高技術和非高技術制造業就業情況對比

式（1）中：δi為第i年的歸一化人均收入增速；yi為第i年的人均收入；xi為第i年的就業人數。

2.2 數據分析結果

按年份依次計算我國高技術制造業和非高技術制造業各年的歸一化人均收入增速，結果如圖1 所示，可見高技術制造業的歸一化人均收入增速總體上高于非高技術制造業，因為高技術制造業的產品和服務具有較高的附加值，因此可以帶來較高的經濟效益。然而，自動化和智能化設備的應用增加了生產復雜度和管理難度，使得高技術制造業需要更多高素質、高技能的工人來滿足復雜、靈活的生產需求。高技術制造業勞動力占比的增加體現了制造業人力資本結構的優化，使高技術制造業能依托與行業相匹配的高素質從業人員提供更優質的產品和服務，這也意味著制造業的人力資源配置更傾向于高技術制造業，有助于實現優質的人才育成模式，提升企業的創新水平，加速制造向智造轉型升級。

圖1 我國高技術和非高技術制造業歸一化人均收入增速年度對比

3 制造業中人力資源結構的主要影響因素

為進一步分析影響制造業勞動力就業結構的因素，對中國商用飛機有限責任公司等大型制造業企業中人工智能投入以及用工缺口問題、蘇州工業園區人工智能協會的人才儲備和教育情況，以及河南省某高新技術產業園區中產業集群的用工缺口和產業智能化轉型等問題進行調研。中國商用飛機有限責任公司是我國航空工業領域的領軍企業，具有強大的研發實力和制造實踐經驗，在處理人工智能投入和用工缺口上具有經驗。蘇州工業園區一直以來在吸引高新技術企業和人才方面有著卓越的表現，調研該機構可以深入了解園區內人工智能領域的人才儲備和教育情況。對河南省高新技術產業園區進行調研，旨在研究其產業集群的用工缺口和產業智能化轉型問題，以了解在中西部地區智能制造發展中的特殊挑戰。通過深入調研這3 個代表性機構和園區，可以獲得關于制造業勞動力就業結構受人工智能影響的具體案例，從而為研究提供實證數據支持。通過對調研所收集材料進行定性分析發現，影響制造業就業結構變化的關鍵因素主要包括技術進步、產業環境和勞動力資源。在綜合考慮了數據質量、完整性和獲取的難易程度等因素后，選取我國30 個省份（由于數據獲取原因，未含西藏和港澳臺地區）2018—2020 年的面板數據，采用模糊集定性比較分析方法實證分析。具體變量選擇與測量指標如表2所示，相關數據來源于《中國統計年鑒》《中國工業統計年鑒》《中國勞動統計年鑒》和《中國科技統計年鑒》。

表2 測量變量與指標

實證結果表明，制造業就業結構的優化是多種因素共同作用的結果，其中人工智能技術進步因素能夠提升工廠生產效率，產業環境優化因素能夠提升企業創新活力，勞動力市場因素能夠培養更多的高技能人才，優化人力資源的就業結構，為高技術制造業提供人才保障；同時，不同的資源因素組合引發的就業結構變動效應可以歸納為6 種模式（見圖2），其中能夠提升高技術制造業勞動力占比的模式包括綜合發展型、資本先導型、教育先導型3 類；不能有效提升高技術制造業勞動力占比的模式包括存量供給型、投入拉動型、待發展型3 類。

圖2 高技術制造業的6 種就業結構模式

對比6 種模式的資源投入與結果發現，提升高技術制造業勞動力占比最關鍵的因素是產業智能化水平，其次是勞動力受教育程度與專利投入規模兩個因素，再次是人工智能投資規模、產業轉型升級與適齡勞動力人口結構等3 個因素。上述6 個因素形成合力，共同增加了高技術制造業就業人數，促進高技術制造業快速健康發展。具體分析如下：

（1）產業智能化水平在綜合發展型、資本先導型、教育先導型3 種模式中都能夠顯著提升高技術制造業勞動力占比，是影響高技術制造業勞動力占比的筑底板因素，是高技術制造業健康發展的基礎和源頭活水。通過采用工信部的分省份兩化融合水平結果體現產業智能化水平，在該項得分較高的地區在制造業研發、設計、銷售、管理等高附加值產業鏈環節發展水平較高，能夠實現高技術制造環節的集聚和增長，具備較好的高技術制造業發展基礎。例如，北京市政府一直在大力推動智能制造產業的發展，通過加強技術研發、建設智能制造基地形成了以高端制造為主導的產業結構，不斷引導企業的數字化、智能化轉型。高技術制造業的產業集聚形成了良好創新氛圍，吸引了大批高素質人才就業，為高技術制造業導入了人才紅利的發展動能。

（2）地區勞動力受教育程度與專利投入是影響高技術制造業勞動力占比的補短板因素，發揮著雪中送炭的作用。地區勞動力受教育程度高，能夠提供充足的知識型和技能型人才，可以很好地補充工業機器人投入帶來的制造業結構性用工缺口，進而持續提高地區高技術制造業勞動力占比，有利于滿足更高層次、更大數量的人才需求，推動高技術制造業健康發展。有效發明專利數量是衡量企業研發能力和技術創新水平的重要指標，專利投入的增加能夠提高制造業對科技人才和高技術設備的需求，同時也能夠促進企業間技術合作和產業協同，加速技術創新轉化和應用。因此，專利投入增加一方面會優化產業人才結構，引導制造業向高技術化、智能化和綠色化方向轉型，另一方面也會創造更多就業機會。

（3）地區人工智能投資、產業轉型升級效應和適齡勞動力規模是影響高技術制造業勞動力占比的鍛長板因素，單獨發揮作用的效果并不明顯。投入拉動型中，如果人工智能投入未能轉化為產業智能化的動能，或者存量供給型中的適齡勞動力人口只有數量沒有質量，都會導致其作用效果不盡如人意，只有根據當地特點、配合其他因素綜合利用，才能在高技術制造業發展中產生如虎添翼的效果。另外，服務業的發展也會增加分流制造業工人的風險，在適齡勞動力較多且勞動力受教育程度較低的地區更為明顯，因此服務業與制造業發展規模相協調才能呈現綜合發展型的效果。例如，制造業是廣東省的支柱產業之一，其主要發展的細分領域包括電子信息、家電、汽車制造等，對工業機器人和人工智能應用需求都非常大。廣東省憑借雄厚的經濟實力可以提供較大的人工智能投資額，也更容易快速擴大自身高技術制造業發展規模，而發達的服務業對優化高技術制造業的發展環境也發揮著重要作用。

4 促進高技術制造業人力資源結構優化的建議

4.1 提升產業智能化水平，推廣應用新興技術

產業智能化水平是促進高技術制造業健康發展的基礎性因素，應積極推進產業數字化轉型和智能化升級。廣泛采用人工智能等新興技術不但能夠有效提高生產效率和生產質量，也能夠顯著降低生產中的安全風險、勞動強度，從而能夠減輕從業者的心理壓力。工作環境和條件的改善，使從業者能夠更加專注于高技能和創造性工作，有助于吸引高素質人才進入高技術制造業。

4.2 提升勞動力素養，發揮與新興技術的協同作用

高技術制造業是未來經濟發展的重要引擎，其中人機協同型的崗位將占據主導地位，這類崗位不僅要求從業人員具備高端技術和創新能力，還要能夠與人工智能技術、設備進行有效協作。為了適應這一趨勢，必須提升地區勞動力的受教育程度和素養，增加高水平技能勞動力供給，培養從業人員的數字技能和數字素養。對于在制造業中受到人工智能沖擊的員工，開展數字技能和數字素養的再培訓顯得尤為必要。此外，還應深化產教融合、校企合作，推動高校與制造業企業建立長期穩定的合作關系，深化“中高職貫通”“五年一貫制”等人才培養模式改革，試點開展中等職業教育和應用技術本科教育貫通等模式［26］。通過聯合培養、定向培養等模式，依據產業需求調整專業設置和人才培養計劃，將更多的高學歷人才導入高技術制造業，緩解畢業生技能素質與崗位需求錯位的矛盾。

4.3 強化統籌規劃，多措并舉促進發展

加強統籌規劃，綜合考慮多種因素與制造業就業結構的關聯關系，設計多種策略和途徑，形成政策工具箱。一方面，應采取更全面的視角，綜合考慮本地產業智能化水平、勞動力資源供給數量和質量、人工智能預期的投資額等條件，合理判斷本地發展高技術制造業的資源稟賦并明確自身發展類型；另一方面，應不斷探索影響制造業人力資源結構的新因素，規劃更多提升高技術制造業勞動力占比的資源組合路徑，促進高技術制造業健康發展。

4.4 加快人工智能復合型人才培養

加快培養通曉人工智能理論、方法、技術、產品與應用等的縱向復合型人才，以及掌握“人工智能+”細分行業專業知識的橫向復合型人才。一是探索建立人工智能復合型人才的培養模式，制定科學合理的人工智能復合型人才分類分層培養體系。二是適應人工智能領域融合發展的典型特征，重視人工智能與相關專業的跨學科教育，打造多學科交叉的課程體系。三是深入探索“互聯網+”等新型融合式培訓方法，建立產教融合信息服務平臺，提高培訓的針對性、便利性［27］。四是整合各方資源，壯大具有“人工智能+”交叉學科背景的師資隊伍，為復合型人才的培養提供保障。

5 結論

本研究著眼于人工智能技術發展和應用對制造業（尤其是高技術制造業）及其從業人員的影響，研究了當前制造業人力資源面臨的挑戰，分析了影響制造業就業結構的主要因素，探討了保持制造業人力資源優勢的政策建議。通過深入調研并結合對我國30 個省份面板數據的實證分析發現，產業智能化水平、勞動力受教育程度和專利投入規模是影響制造業就業結構變化的3 個關鍵因素；另外，通過強化統籌規劃、推廣新興技術、加快人才培養等措施，能夠有效提升高技術制造業勞動力占比，從而優化制造業就業結構，保持制造業人力資源優勢。