【摘要】高质量充分就业对中国经济社会发展至关重要。当前，中国高质量充分就业面临新的机遇；同时，在经济增速放缓、产业结构调整、区域经济结构变迁等因素作用下，也面临多重挑战。农村劳动力流动呈现新趋势，教育、住房等问题亟待解决；高校毕业生就业压力加大，教育回报率下降；人工智能深刻影响就业市场，推动就业结构加速演变。高质量充分就业关系劳动力需求与供给两个方面。基于需求的视角，要千方百计扩大总需求，提高经济增长率，推动经济持续回升向好，以进一步增加对劳动力的需求。基于供给的视角，从长期看，应积极推行鼓励生育政策，推动教育机会均等化，为劳动力供给筑牢根基；从短期看，应深入推进全国统一劳动力市场建设，促进公共产品广泛共享，持续深化市民化进程，使劳动力供给结构更趋优化与合理。
【关键词】高质量充分就业 农村劳动力 大学生就业 人工智能
【中图分类号】F241.4/F249.21 【文献标识码】A
【DOI】10.16619/j.cnki.rmltxsqy.2025.06.006
【作者简介】袁志刚，复旦大学经济学院经济系教授、博导，就业与社会保障研究中心主任，教育部“长江学者”特聘教授。研究方向为中国的就业与失业、经济增长问题。主要著作有《宏观经济学 》《西方经济学》《管理经济学》《中国经济增长转型：挑战与机遇》等。
高质量充分就业面临新的形势和挑战
高质量就业的内涵与特征。何为高质量就业？简单讲，高质量就业是与中国经济高质量发展相契合的就业状况。主要有以下三方面内涵和特征：第一，与创新驱动、新质生产力发展、产业结构调整相适配的就业人口占比显著提升。这类就业人群的收入随着人力资本的持续优化以及劳动力要素配置效率的稳步提高而实现稳定增长，此乃高质量就业的典型表现。第二，非农业就业人数充沛且稳步上升。推进农业现代化是实现高质量发展的必然要求。参考世界发达国家的发展轨迹，农业劳动生产率的提升通常最为迅速。截至2023年，中国农业劳动力占比24%，然而农业产值在GDP总量中仅占10%，农业劳动力占比存在很大的优化空间。在当前经济发展阶段，非农业就业对于提升劳动生产率、促进劳动力合理流动、增加居民收入具有重要意义，因此其在很大程度上属于高质量就业范畴。第三，稳定性高和社会保障到位的就业岗位充足。高质量充分就业的根本遵循和最终目标是以人为本、促进劳动力的全面发展。在市场化就业机制下，初次分配更加注重效率，再分配更加注重公平，三次分配侧重于弥补初次分配和再分配的不足，最终实现全社会的共同富裕。现阶段，实现绝对的结果公平尚不现实，但可通过实施教育、医疗、失业保障、养老保险以及住房保障等一系列民生举措，增强各类就业岗位的稳定性与保障性，让劳动者能够安心工作，无后顾之忧。综合上述高质量充分就业的内涵与特征来看，我国目前的总体就业状况与高质量充分就业的目标仍存在一定差距，有待进一步优化与提升。
改革开放以来中国经济增长推动就业变革。1978年改革开放以来，中国经济保持快速增长，1978～2022年平均增速高达9.5%，尽管近两年回落至5%，但纵观这一长时段，平均增速仍保持在9%以上。2024年，中国人均GDP达到1.35万美元，展现了经济发展的质量与韧性。我国是一个人口大国，新中国成立后，社会长期安定，连续多年出现出生率高峰，1978～2010年间，劳动力人口处于较快增长阶段，劳动力供给超过需求的矛盾较为突出。加之1978年之前计划经济体制与城乡二元经济结构的影响，形成了大量隐性失业人口，就业形势较为严峻。1978年之后，中国在保持40余年高速经济增长的同时，成功实现了7亿～8亿劳动力人口的充分就业，创造了举世瞩目的奇迹。1978年的改革开放始于农业，家庭联产承包责任制释放了亿万剩余劳动力，乡镇企业以“离土不离乡”的模式为农村剩余劳动力创造了大量非农业就业机会。随着城市和工业领域市场化改革的推进，民营企业蓬勃发展，成为吸纳就业的主力军。与此同时，对外开放政策的落地带来了大量的外国直接投资。2001年，中国加入世界贸易组织（WTO），吸引了更大规模的外资涌入。东部沿海地区凭借政策优势与地理便利，创造了大量就业岗位，形成了农村劳动力向城市转移、中西部劳动力向东部转移的大潮。在和平时期，一个国家能够实现三亿多人口的转移，可谓史无前例。
人口的大规模流动使隐性失业迅速转化为能够创造价值的充分就业。在全球化的大背景下，中国巧妙利用劳动力的比较优势，促使其与全球资本、技术、管理、品牌等生产要素相结合，成功跻身全球产业链的各个重要环节，“中国制造”（Made in China）一跃成为世界知名品牌。直至今日，中国制造在世界制造业中的占比超过三分之一，为中国经济增长立下了汗马功劳。由此可见，经济增长与就业增长紧密相连，经济增长的背后实质上是就业的增长，且突出表现为非农业就业的快速增长。
当前我国就业形势面临的挑战。近年来，随着中国经济由高速增长阶段转向高质量发展阶段，经济增速放缓；新冠疫情、乌克兰危机引发的地缘政治局势持续紧张与激化等因素，加剧了经济逆全球化趋势。资本逐利推动下的全球产业链布局让位于基于安全考量的全球产业链布局，“脱钩断链”风险持续攀升，中国产品出口面临新的挑战。出口作为拉动中国经济增长的重要引擎之一，其受阻必然对整体经济增长产生负面影响，进而导致就业岗位的减少以及失业人数随之上升。
从国内经济结构看，随着中国经济实力的不断增强以及增长方式的深刻转变，在全球竞争格局中，劳动、土地、环境与能源等各类生产要素的比较优势发生了显著转换，国内不同区域间的经济增长动力也发生转变，产业结构调整成为必然趋势。传统的劳动密集型产业亟待向资本密集型和技术密集型产业转型升级，产业结构必须从传统的劳动密集走向资本密集和科技密集，进而推动不同产业的区域结构实现重构。在这一过程中，将不可避免地引发结构性失业问题。
当前，以人工智能等数字技术为核心的新一轮科技革命为我国经济发展注入新活力，同时对就业规模、就业结构、就业方式带来深刻影响。人类在经历体力劳动被大规模替代之后，可能面临脑力劳动也即将被替代的现实。一场前所未有的就业和职业结构变革正在我们面前展开。
综合而言，在经济增速放缓、产业结构调整、区域经济结构变迁，以及技术革命加速推进等多重因素的交织作用下，中国的就业问题正面临来自各个维度的严峻挑战。如何有效应对这些挑战，实现就业市场的稳定与充分就业，成为当前中国经济社会发展进程中亟待破解的关键课题。
农村劳动力流动呈现新趋势，亟须加速推进新型城镇化
改革开放以来，中国出现了世界最大规模的农村劳动力迁移，给城乡融合和产业结构升级都带来了极其深远的影响。截至2023年，中国农民工总量已经超过2.9亿人，占劳动年龄人口的比重突破30%。根据历年《农民工监测调查报告》数据，笔者团队考察了2008～2023年间城乡间劳动力流动的总体趋势，以及不同地区农民工在流动方向以及流动范围等方面的变化。期间，农民工总量呈逐渐上升趋势，共计增加7211万人，但农民工总量的增速在2010年达到峰值5.4%之后持续下降，并于2023年降至历史最低值0.6%。与此同时，农民工的流动方向和范围呈现以下新的趋势。
从跨省流动转向省内流动。2008年到2023年间，农民工的流动出现从跨省流动到省内流动的转向。跨省流动的农民工占比从2008年的33.2%下降到2023年的22.7%，下降了10.5个百分点。在外出农民工中，东中西部地区[1]的跨省流动农民工占比均呈下降趋势，尤其是原本以跨省流动为主的中西部地区下降幅度更大，其跨省农民工占比从2008年的71.0%和63.0%下降到2023年的51.7%和44.5%，分别下降19.3个百分点和18.5个百分点。在中西部，农民工以跨省流动为主的格局正发生变化：在中部地区，在户籍所在乡镇内跨村流动逐渐成为农民工的首要选择；在西部地区，省内跨乡镇流动的农民工占比居多，而跨省流动成为农民工的末位选择。从输入地来看，东部曾是吸纳农民工的主要区域，但近年来吸纳能力正在逐渐下降。2010～2023年间，东部吸纳的农民工数量占全国农民工总量的比重下降15.6个百分点。在东部就业的农民工数量于2012年达到峰值16980万人，之后逐年下降，与逐年递增的农民工总量变化趋势相反。2023年东部对农民工的吸纳容量比2012年减少1703万人，而中西部地区对农民工的吸纳容量共计增加5000余万人。
从流向一线城市转为流向家乡及附近城市。中国产业的区域结构这几年发生了很大变化，制造业逐步向中西部转移；东部地区生活成本居高不下、住房成本不断推高，特别是由于一线城市资源紧张、户籍制度难以松动，农民工难以均等享受教育、医疗、社会保障与住房保障等公共产品，离开一线城市成为他们的理性选择。同样地，产业与企业流向变化的背后也是要素市场价格分化带来的一般均衡效应。北上广深住房价格与中西部地区同样条件的住房价格差距较大，其主要源于土地价格的差异。自2023年以来，新一轮人口流动呈现从一线城市流向家乡，流向离家更近的省会城市，或者流向离家乡更近的三、四线城市的主要趋势。这一人口流向的转变具有一定的合理性。一方面，产业正逐步从东部地区向中西部地区转移；另一方面，中国区域经济朝着更为协调的方向稳步迈进，这也是高质量发展的题中应有之义。然而也必须清醒地认识到，流动人口变动现象的背后，隐含着城乡关系、户籍制度、市场化等诸多亟待关注和破解的问题。当前，农民工非正规就业比重仍然较大，这类就业岗位的保障性较差，劳动者主动参与社会保障的意愿较低，难以享有完善的社会保障。此外，灵活就业人群规模约为8000万，主要集中在网约车和快递行业。这些行业的就业者，一方面受益于网络与数字化赋能，工作效率得以提升，创造了相应价值；另一方面却因数据和算法被困陷于劳动强度大、收入水平低的处境中，缺乏相应的社会保障，就业质量状况及前景令人忧虑。
新型城镇化进程中的教育、住房等问题亟待解决。截至2020年年末，我国常住人口城镇化率为63.89%，与世界发达国家的城镇化率水平相比存在较大差距。伴随城镇化进程的持续推进，从长远趋势来看，城乡间劳动力的净流动方向依旧是由农村向城市迁移。大量在农村地区接受基础教育的劳动力群体，将成为推动城市经济发展的重要劳动力供给来源。因此，提高农村基础教育水平，不仅有利于提升当地居民的基本素质及劳动技能，也是未来实现高质量充分就业的根基所在。与此同时，加快农民工市民化进程，使流动人口在城市平等享有教育等公共产品也十分重要。2020年年末，我国常住人口城镇化率与户籍人口城镇化率的差距达到18.49个百分点的历史峰值，这意味着约有2.61亿农村户籍人口长期居住在城市，却未取得城市户籍。推动这部分人口实现市民化，使其全方位融入城市公共服务体系，充分享受各类公共产品，获得城市社会保障网的全面覆盖，是高质量充分就业的必要前提。
在近三亿流动人口的城市生活中，住房是亟待解决的突出问题。低廉的土地和劳动力成本曾经是我国制造业发展的比较优势。近年来，土地和劳动力价格不断上升。沿海地区大力推进产业升级，积极发展高新技术产业，而广大中部和西部地区仍需着力发展制造业，以解决大量劳动力就业问题。住房成本是劳动力成本的重要组成部分，城市房价的上涨导致劳动力居住成本的上升，进而引起当地用工成本的上升，这在一定程度上削弱了我国在全球产业链中的竞争力。在当前全球产业链重构的背景下，各级地方政府可尝试创新举措，例如收购滞销房地产，将其改造为制造业工人的保障房，以此降低劳动力成本，重塑我国制造业的比较优势。
高校毕业生就业压力加大，教育回报率有所下降
2018年以来，全国城镇调查失业率总体维持在5%～6%的区间。2020～2022年间，失业率达到6%以上，加上大量农民工回归家乡，就业形势相对严峻。2023年以来，失业率呈现下降趋势，到2023年6月已降至5.1%。与此同时，年轻劳动力失业率呈现上升趋势。2018年笔者团队开展劳动力月度调查之初，中国16岁～24岁就业人口的调查失业率为11%，随后几年波动上升，2023年6月已高达21.3%。相较于相对平稳的全国城镇调查失业率，年轻劳动力居高不下的失业率引发了各界密切关注。通常情况下，伴随中国经济发展水平稳步提升，产业结构持续优化升级，对劳动力素质的要求也水涨船高，高校毕业生理应更契合经济发展对高质量劳动力的需求，但现实情况却与之相悖。
对学历和工作经验的要求同步提升。为探究社会对劳动力的需求特征，笔者团队对社会用人单位的招聘启事数据展开了研究。通过对比2018年7月与2023年7月的招聘数据发现，学历需求为大专的招聘岗位，在所有招聘岗位中的占比从2018年的39.22%降至2023年的38.47%，变化幅度较小。然而，相关岗位对工作经验的要求方面出现明显变化。从2018年至2023年，无需经验或仅需1年以下经验的大专学历招聘岗位比例下降了5个百分点；与此同时，要求3～5年经验以及5～7年经验的招聘岗位占比逆势上升了4.66个百分点。学历需求为本科的招聘岗位，在所有招聘岗位中的占比从2018年的35.5%上升至2023年的50.79%，提高15.29个百分点，说明社会对高学历人才的需求不断提升。值得注意的是，相关岗位对本科毕业生的工作经验要求也同样在提高。具体来看，无经验要求的本科岗位需求在5年间下降了72%，而要求工作经验10年以上的本科岗需求大幅上升，涨幅高达211%。这一现象充分说明，就业市场上留给高学历却无工作经验的应届大学毕业生的岗位愈发稀缺。鉴于此，我们发现了总失业率和年轻劳动力失业率背离的一个重要原因：市场对劳动力的需求依旧存在，对高学历劳动力的需求也在持续增长，然而，市场愈发看重工作经验，因此对无工作经验的高学历劳动力需求呈下降态势。
教育回报率呈下降趋势。笔者团队调研发现，2015～2023年间，教育回报率呈下降趋势。2015年，招聘启事的教育年限需求每增加一年，该职位提供的工资涨幅为8%；2018～2021年，这一增长幅度降至5%；2022～2023年，进一步下滑至2%～3%。与之相反，工作经验回报率呈上升趋势。2015年，招聘启事每要求多一年工作经验，工资提升幅度约为5%左右，自2019年起，这一数字上升至8%～9%左右。
高等教育在劳动力市场上能够起到两方面作用：一种是培养合格劳动力，提高年轻劳动力的劳动技能和工作能力，从而为企业带来更多收益；另一种是信号作用，当企业难以确切知晓求职者的真实能力时，可借助学历等条件对求职者进行筛选。但是，随着人口结构的变迁和高校的扩招，学历所承载的信号作用正在减弱。1977年我国恢复高考，当年考生的录取比例仅为5.7%，而如今高考录取率在80%以上。学生毕业后，不同能力水平的劳动者大量涌入就业市场，企业若想从中挑选出高能力人才，不得不参考学习经历之外的其他指标。例如，要求高于岗位标准的学历、求职者毕业于知名高校等；或采用更为直接的方式，将工作经验作为额外的筛选依据。
高校毕业生就业难的多重成因。高校毕业生就业困难这一现象背后的成因非常复杂。除了前文分析的因素，诸如高校扩招人数过多，使得大学生的人才辨识度降低之外，如何有效提升高校（特别是扩招后）人才培养体系与社会人才需求的适配性，也是亟待探讨和研究的问题。小学到中学阶段，我国的教育体系基本以应试教育为导向，中小学教育的竞争焦点在于培养能在高考中脱颖而出、顺利考入优质大学的学生。然而，大学之间的竞争并不以学生的就业指标为主要衡量标准，这就导致大学缺乏依据劳动力市场变化调整自身教育体系的内在驱动力。此外，随着中国人口结构的改变，年轻劳动力数量总体呈下降趋势。尽管社会，尤其是服务行业，对年轻劳动力有着较大需求，但当下的年轻劳动力大多为独生子女，一方面，他们对工作岗位和薪资期望颇高，却缺乏吃苦耐劳的精神；另一方面，部分家庭也有能力让他们“啃老”，这些因素共同导致了“自愿失业率”的上升。
人工智能深刻影响就业市场，推动就业结构加速演变
历次工业革命推动经济与就业结构转变。回顾人类社会从农业经济到工业经济、从产品经济到服务经济的发展历程，由技术革命引发的几次工业革命不仅推动了经济结构转型，也促进就业结构发生了全面且深刻的变化。第一次工业革命，蒸汽机、棉纺织技术的发明与应用开创了以机器生产代替手工劳动的时代，让人类从繁重的体力劳动中解脱出来成为可能。第二次工业革命，在电力技术革命浪潮的推动下，集团化、标准化的大机器应用促进大规模生产模式的形成和发展，劳动生产率急速上升，经济实现快速发展。随着物质生产效率的大幅提高，服务业应运而生。农业、工业与服务业三大产业形态完整呈现。三大产业对劳动力的需求结构受两方面力量的支配：供给和需求。从供给的角度看，劳动生产率增长最快的产业，其劳动占比会迅速下降；从需求的角度看，人们的需求先是围绕维持生存的食品等必需品，随后拓展到对其他物质产品的享用，进而延伸至对服务产品的追求。随着生活水平的提高，需求逐渐从物质层面转向精神层面。基于供给与需求这两股力量的矛盾运动，劳动生产率上升空间最大的农业，其劳动力占比迅速下降，在发达国家仅为个位数；工业次之，其劳动力占比在10%左右；服务业劳动生产率提高最为缓慢，其劳动力占比迅速扩大，在发达国家普遍超过80%。
技术进步在推动经济增长的同时，也不断提升人们的收入水平。当物质需求逐渐得到满足，人们开始注重精神文化层面的消费，与“情绪价值”相关的消费占比不断上升。与前几次工业革命以机器替代体力劳动力为主要目标不同，第三次工业革命，即数字革命，开始对人类脑力劳动进行部分替代。随着大数据、云计算、人工智能技术等新一轮科技革命的兴起，人类脑力劳动将被大规模替代。以人工智能、大数据等核心技术推动的现代化产业体系，成为重塑全球竞争格局的关键力量。未来劳动力需求的变化趋势取决于以人工智能为核心的自动化技术如何进一步细化社会分工，以及在人们的物质消费和服务消费逐渐趋于饱和的过程中，对精神层面感受性消费的追求能否转化为经济高质量发展的新方向。由此我们可能要问：人类的经济形态是否将从以物质经济为主过渡到以知识经济为主，进而迈向以情感经济为主？三次产业结构（农业、工业和服务业）的划分是否将被体力经济、脑力经济和情感经济的划分所取代？三次产业之后是否会出现第四次产业？
人工智能对劳动力需求的作用关系。理论上，人工智能发展与应用对劳动力需求存在三种作用关系：[2]一是负向的替代效应；二是正向的互补效应；三是正向的新就业创造效应。
人工智能技术显著区别于传统技术，其不仅在繁重体力作业、重复性作业等方面强于人类，还能够模仿人类行为，在执行任务的效率、精度和可靠性方面表现优异。[3]近些年人工智能技术开始应用于语音识别、文本翻译、图像识别等领域，对翻译、外贸、销售、教育和医疗等领域的就业产生了深远的影响。根据各类职业是否可被程序化、是否需要认知能力，可以将职业类型划分为常规非认知型、非常规非认知型、常规认知型、非常规认知型四类。智能化设备对可程序化、高重复性、有明确规定的常规任务具有替代性，例如翻译、驾驶、物流分拣和仓库管理等工作；而与需要较高认知和社交能力的非常规认知型任务则形成互补效应，从而进一步提高了人类解决问题的技能和在适应性、创造力方面的比较优势。大多数工作流程往往需要多方面的互补性投入，诸如脑力劳动和体力劳动、创造力和按预设步骤重复执行、技术掌握和直觉判断、遵循明确规则和自由裁量等。某一方面的改进并不会消除对其他方面的需求，反而会通过提高整体生产率而增加对另一方面的需求。[4]
企业基于比较优势，利用智能化机器替代劳动力执行常规任务，以提高生产效率并扩大经营规模，进而增加了同一工作流程中原本从事非常规职业的劳动力需求。同时，智能化技术的应用还会催生新的任务，创造出需要具备较高认知能力才能完成的就业机会。技术进步通过提高专业化分工效率和促进分工细化，衍生出新生产任务、新工种或新职业。2020年发布的《新职业在线学习平台发展报告》显示，数字化管理师、无人机驾驶员、人工智能工程技术人员、农业经理人、物联网工程技术人员成为用户最想学习的新职业。人工智能应用极大地增加了与之相关职业的劳动力需求，与此同时，非人工智能相关职业的需求有所下降。
基于人工智能对劳动力市场影响的若干建议。根据人工智能技术对劳动力市场需求的影响，笔者提出以下几点建议。第一，高度重视人工智能技术的就业创造效应。新技术应用所催生的新任务和提供的新岗位，是历次工业革命没有引致大规模失业的重要原因。充分挖掘人工智能技术在这方面的潜力，能够为劳动力市场注入新的活力。第二，历次工业革命没有引致大规模失业的另一重要原因在于，新的经济增长点不断涌现，经济形态从农业经济依次向工业经济、服务业经济转化。随着人们收入水平的提高，其物质消费和服务消费逐渐得到满足，进而开始追求精神层面的消费，例如人们开始更加注重消费的体验过程和情绪价值。在此背景下，人工智能技术能否为消费升级提供技术支撑，并衍生出新的工作任务以及新职业、新业态，是寻求下一个经济增长点的关键所在。第三，根据劳动力市场需求结构变化调整人才培养方案。人工智能技术对常规职业具有替代性，而与非常规职业存在互补效应。非常规劳动力的供给，很大程度上取决于教育和培训体系的改革成效。一方面，为应对当前市场对非常规职业劳动力的短期需求，政府需要联合企业与社会力量，为在职劳动者、应届大学生以及新入职劳动者提供相关技能培训，增强劳动技能与岗位技术要求的适配程度；另一方面，为迎接未来市场对非常规劳动力的需求，政府应该从教育体系改革入手，从调整专业招生结构、更新专业课程设计、实现授课形式多样化等方面出发，着力培养符合劳动力市场需求的专业人才。
结论
总体来看，高质量充分就业关系劳动力需求与劳动力供给两个方面。基于劳动力需求的视角，当宏观经济运行处于周期性低迷阶段时，首要任务是借助扩张性宏观经济治理手段及相关政策，千方百计扩大总需求，提高经济增长率，推动经济持续回升向好。此轮经济周期低迷的成因较为复杂，既有传统总需求不足的原因，也有逆全球化趋势抬头、全球产业链重构的原因，同时房地产业调整所导致的资产负债表收缩性经济下滑也是原因之一，并且资产负债表修复所经历的周期可能持续时间更长。因此，在运用宏观经济治理及其政策走出经济低迷的过程中，需要将逆周期、跨周期甚至长周期的战略和政策有机融合。一方面，要通过长期规划和产业政策，大力发展新质生产力，推动我国产业结构向更高层次迈进；另一方面，要稳固并拓展我国制造业在全球产业链中的地位，进一步增强中国制造业的韧性；此外，在全国统一要素市场形成的过程中，优化我国产业的区域布局。与此同时，要特别关注未来房地产业的转型路径。从短期看，应着力推动房地产市场止跌企稳；从长期看，要迅速开启房地产业发展新模式，即市场与社会保障并重的发展模式。对城市已有住房的居民，继续通过市场化机制满足其改善型需求；针对城市低收入阶层和流动人口，提供保障性住房以满足其基本居住需求。特别是对流动人口而言，加快推进保障性住房建设具有“一箭四雕”的作用：一是有利于推进流动人口市民化；二是有利于降低劳动力成本，保持劳动力比较优势，进而稳固中国制造业在全球产业链中的地位；三是有助于提升流动人口的消费能力，扩大内需，助力构建以国内大循环为主体、国内国际双循环相互促进的新发展格局；四是有利于推动实现全体人民共同富裕，彰显社会主义制度的优越性。与此同时，应实施扩张性财政政策，特别是在住房之外的其他公共产品（如教育、医疗、养老等）领域加大投入，推进均等共享。这一方面可为高质量充分就业创造前提条件，另一方面能够促进全体居民提升消费、扩大内需。同时，宽松的货币政策以及融资成本的下降，能够刺激企业投资和居民消费，拉动总需求，助力经济走出周期底部。上述政策措施，能够显著增加对劳动力的需求。
基于劳动力供给的视角，从长期看，应高度关注人口出生率下降的问题，切实推行鼓励生育政策，推动教育机会均等化，合理延长基础教育年限，稳定未来劳动力数量增长趋势，推动劳动力年龄结构朝着更优方向发展，为长远的劳动力供给筑牢根基。从短期看，应深入推进全国统一劳动力市场建设，推动户籍制度改革，促进公共服务普惠共享，加快劳动力在区域间的流动，持续深化市民化进程，使劳动力供给结构更趋优化与合理。面对年轻劳动力就业困难和人工智能对就业结构、职业结构带来的影响，我国高等教育和人才培养体系的改革迫在眉睫。教育关系劳动力供给的数量和质量，是联结劳动力供给与需求、实现高质量就业的关键环节，必须花大力气进行深入研究，全面改革，以应对世界之变、时代之变、技术之变和国情之变。
（本文系国家自然科学基金重点项目“中国宏观经济调控政策研究”的阶段性成果，项目编号：71933001）
注释
[1]中国大陆东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（市）。中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8省。西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省（自治区）。另外，在2015～2023年的数据中，东部地区不包括辽宁，中部地区不包括吉林和黑龙江。
[2]王永钦、董雯：《机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据》，《经济研究》，2020年第10期。
[3]陈琳、高悦蓬、余林徽：《人工智能如何改变企业对劳动力的需求？——来自招聘平台大数据的分析》，《管理世界》，2024年第6期。
[4]D. H. Autor, "Why Are There Still So Many Jobs? The History and Future of Workplace Automation," Journal of Economic Perspectives, 2015, 29(3).
责 编∕张 贝 美 编∕梁丽琛
Technological Shocks, Structural Imbalances, and Policy Adaptation in the Labor Market
Yuan Zhigang
Abstract: High-quality full employment is crucial for China's economic and social development. Currently, China faces new opportunities in achieving high-quality full employment; however, it also encounters multiple challenges due to factors such as slowing economic growth, industrial restructuring, and regional economic shifts. New trends are emerging in rural labor mobility, while issues in education, housing, and other areas demand urgent resolution. The employment pressure on college graduates is intensifying, accompanied by a decline in the return on education. Artificial intelligence is profoundly reshaping the labor market, accelerating structural transformations in employment. High-quality full employment hinges on both labor demand and supply. From a demand-side perspective, it is essential to expand aggregate demand through all possible means, elevate economic growth rates, and sustain economic recovery to further boost labor demand. From a supply-side perspective, long-term strategies should include proactive policies to encourage childbirth and promote equal access to education, thereby strengthening the foundation of labor supply. In the short term, it is imperative to advance the development of a nationally unified labor market, promote the widespread sharing of public goods, and continuously deepen the urbanization process, thereby optimizing and rationalizing the structure of labor supply.
Keywords: high-quality full employment, rural labor force, graduate employment, artificial intelligence
