中国如何构建人工智能时代的劳动力市场基础设施

中国最新的人工智能相关就业政策表明，一项值得更多关注的发展趋势正在形成。中国不仅鼓励企业和公共机构采用人工智能，还开始构建公共基础设施，用于监测人工智能对就业的影响，识别新兴技能需求，帮助劳动者发展新兴能力，并将人工智能应用于公共就业服务领域。

这一架构仍在形成之中，其许多最具雄心的要素仍有待验证。但总体而言，中国的新就业战略和跨部门的“人工智能+人力资源+社会保障”政策表明，当今在治理劳动力转型方面，中国正采取一种更为系统化的方法。

“就业优先”：更广泛的政策框架

起点是 State Council 的“就业优先”战略——第十五个五年计划该计划于 2026 年 6 月发布。该计划没有将就业视为经济增长的下游结果，而是将“高质量的充分就业”明确列为经济和社会政策目标。

它指出劳动力供需不匹配是就业面临的核心挑战，并将“投资于人”与投资于有形资产并列。更重要的是，它将就业影响纳入更广泛的经济决策：重大政策、项目和生产能力决策都应评估其对劳动力需求、就业创造与流失以及失业风险的影响。

根据这项政策，人工智能以两种不同的方式融入这一框架。该计划呼吁建立新型的人机协作模式，并要求政策制定者加强人工智能在创造就业方面的作用。同时，该计划也指示政府利用人工智能来改进就业政策和公共就业服务。

技能层面同样重要。该计划呼吁建立一个国家平台，以改善人才供需匹配，加强毕业生就业成果与教育供给之间的反馈机制，并广泛采用闭环模式：

就业需求 → 技能培训 → 技能评估 → 就业服务

目标是提供更多培训，使其更能响应实际劳动力市场需求，并使其与就业结果更紧密地联系起来。

从就业服务到人工智能就业影响监测

第二项政策使人工智能架构更加明确。2026年6月，包括人力资源和社会保障部（MOHRSS）和National Development and Reform Commission在内的四个中央机构发布了 关于加快开发“人工智能+人力资源和社会保障”应用的实施意见.

该文件设定了目标，计划到2026年实现约20个人工智能应用场景，到2027年探索约50条高价值应用路径，并在2030年实现人工智能在各行业的广泛应用。其完整框架涵盖就业、社会保障、人才发展、劳动关系、人力资源服务和公共管理等领域。自2026年起，人工智能应用场景必须至少占年度“数字化人力资源和社会保障创新挑战”清单的40%，并且必须基于该行业的人工智能模型基础设施构建。

但最重要的措施并非聊天机器人或自动化政府工作流程。

该政策呼吁建立人工智能就业影响评估框架和专门的人工智能就业影响调查机制。它还提议利用人工智能监测劳动力市场状况，并将这些信息明确地与宏观就业政策联系起来。

传统的公共就业体系往往是被动的：有人失业后，才会进入体系并获得援助。而一个运转良好的就业影响监测体系则有可能更早地发现一些信号，例如正在经历快速任务重组的职业、招聘需求的萎缩、新出现的技能短缺，或者面临集中转型风险的群体和地区。

该政策还提出了短缺职业分布图、人才需求分布图以及区域、行业和职业趋势分析。实际上，中国也在尝试构建一种技能智能体系：利用数据了解经济需要哪些能力，哪些领域出现了人才短缺，以及培训资源应该投入到哪些方面。

目前的实施情况大致如下

国家框架已经体现在地方规划和资助项目中，但实施情况仍不均衡。

中国西南地区的重庆市正在建设国家级人工智能应用试点规模人力资源服务测试基地。 其人工智能计划 描述了用于工作分析和劳动力匹配的垂直模式能力，以及智能招聘、猎头助手和人工智能赋能的人力资源部门监管。 其更广泛的人力资源计划 还提出了一个“人工智能+人力资源”孵化园区，以及从研究到试点规模测试再到商业化的路径。

上海则代表了一种不同的模式。 2026-2030年就业和社会保障计划 该市承诺参与国家人力资源行业模式的开发和培训，扩大智能求职匹配，完成“人工智能+调解仲裁”试点项目，并构建智能劳动关系治理体系。因此，该计划不仅提出将人工智能应用于提高匹配效率，还应用于劳动权益管理和纠纷解决。

福建省龙岩市是公共就业服务一线的典范。 “数字智能就业”项目 该项目计划预算为人民币2300万元，资金来源于中央公共就业服务能力建设项目。计划功能包括人工智能就业匹配、针对重点群体的定向服务、个性化培训和政策建议，以及全市就业状况和风险监测系统。采购工作已于2026年8月完成。

这些案例共同展示了三种新兴的实施路径：面向人力资源行业的 AI 基础设施、AI 赋能的都市劳动治理以及 AI 赋能的一线就业服务。

中国试图解决什么问题？

这些政策背后隐藏着三个问题。

结构不匹配。 中国的就业战略明确指出，劳动力与不断变化的劳动力需求不匹配是一项重大挑战。因此，人工智能的应用不仅在于实现就业服务机构的自动化，更在于改善用人单位、劳动者、培训机构和政府之间的信息流通。

技术变革的速度。 传统的劳动力统计数据往往过于缓慢或过于笼统，无法展现人工智能如何改变职业内部的具体工作内容。原则上，结合更及时的劳动力市场数据的就业影响调查可以为政策制定者提供更早的信号。

过渡能力。 各国人工智能战略通常侧重于计算、模型、数据和产业应用。而中国正在形成的框架则在此基础上增加了一个新的层面： 劳动力转型基础设施—需要建立相关机构，以确定受影响的人员，了解所需的技能，帮助人们重新接受培训，并帮助他们重新就业。

未解答的问题

该模式的目标不应与已证明的有效性混淆。

衡量是首要挑战。区分人工智能驱动的人员流失与经济需求疲软、传统自动化或普通的企业重组在方法论上十分困难。一家公司可能从未正式裁员，但可能会减少应届毕业生招聘或在现有岗位间重新分配任务——这些变化往往被传统的就业指标所忽略。

数据质量和互操作性是另一个制约因素。该模型依赖于就业服务机构、培训系统、用人单位和政府数据库之间信息的及时流通。中国自身的 第十五个五年人力资源共享系统数字化议程 呼吁对就业、技能培训、劳动合同、纠纷解决和劳动监察数据进行更实时的汇总，这表明该基础设施仍在建设中。

还有 治理风险员工画像、自动匹配、社保审查和人工智能辅助劳动裁决等技术引发了人们对偏见、可解释性、隐私和有效人工监督的质疑。国家政策明确呼吁数据保护、算法安全、伦理治理和人工智能风险监控，但应用于高风险个人决策的实际保障措施比宽泛的原则更为重要。

最后，衡量成功的标准不应是人工智能应用场景的部署数量。更重要的检验标准是它们是否能改善实际的转型成果：例如，更快地找到合适的工作、更好地将培训与雇主需求相匹配、更广泛地获得就业支持，以及更早地识别失业风险。

看什么

因此，中国的做法最好理解为一种新兴的尝试，即在一个共同的行政架构内，将劳动力市场情报、人工智能就业影响监测、技能发展、技能评估和公共就业服务联系起来。

下一个问题是如何实施。

如果就业影响监测变得可信，如果劳动力循环产生可衡量的就业成果，并且如果地方试点产生可互操作的标准而不是孤立的系统，那么中国可能成为政府如何从建设人工智能基础设施转向建设广泛采用人工智能可能需要的劳动力转型基础设施的重要案例。