应用人工智能优化制造业人力资源结构的对策建议

王书华，杨学成，曹 静，郭 景，隋 越，李 昊

（1.中国科学技术发展战略研究院，北京 100038；2.北京邮电大学经济管理学院，北京 100876；3.北京市科学技术研究院创新发展战略研究所，北京 100089；4.桂林航天工业学院，广西桂林 541004）

0 引言

人工智能历经了半个多世纪的理论探索和技术演进，近年来深度学习引领了全球人工智能第三次浪潮，推动人工智能技术从实验室阶段进入产业化阶段。作为一项通用型、使能型技术，人工智能正在加速向制造业、交通运输业、现代物流、金融服务、公共安全等各领域渗透融合，其中人工智能技术正大力推动制造业智能化、高端化，推动制造业数字化转型［1］。随着人工智能相关技术、智能化设备和服务在高技术制造业中的广泛应用，制造业正经历着前所未有的转型，这一变革不仅对生产方式和生产效率提出了新的挑战，更对制造业劳动力素质提出了更高要求，推动着智能制造领域的人力资源结构面临着独特而深刻的变革。在人工智能技术的影响下，制造业中大量传统的就业岗位被替代，同时也有新兴岗位和新技能的需求被创造［2］，这一现象不仅仅在制造业内部产生深刻影响，更在全球范围内引起广泛关注。技术进步理论为剖析劳动力就业结构问题提供了重要的视角，其中创造效应体现在技术进步能刺激消费需求和扩大企业规模，进而创造更多的工作机会与岗位需求［3］；替代效应表现为技术进步将替代劳动力工作内容或者技能，导致企业对劳动力的需求下降，造成周期性与技术性失业［4］。技术的进步、产业结构的升级以及劳动力资源供给，共同构成了制造业就业结构变化的复杂因素。

为了更全面地理解这一问题，通过对多家企业的深入调研，结合对2018 年至2020 年的省份面板数据的分析，将重点聚焦于技术进步、产业环境和劳动力资源等因素对制造业就业结构的影响。研究目的在于揭示人工智能技术在高技术制造业中的广泛应用所引发的就业结构变革，并通过深入分析影响因素，为决策者提供科学合理的政策建议，以引导制造业保持人力资源优势。从保持制造业人力资源优势的视角出发，提出一系列多措并举的政策建议，以期为制造业及相关政策制定提供有力的理论支持和实证基础，推动制造业在人工智能时代的可持续发展。

1 智能化时代制造业人力资源面临的挑战

制造业是经济发展的重要支柱。在高质量发展的背景下，众多学者如童天［5］、邢泽宇［6］等的研究表明，制造业转型升级的关键是劳动力资源的技能水平，是高质量的从业人员，即实现制造向智造转变关键在于人才。近年来，随着大数据、虚拟设计、机器人等人工智能技术向制造业各部门、各环节的大规模渗透和广泛应用，人工智能技术通过生产智能化、装备智能化、运维管理智能化等途径升级智能制造能力，推动我国制造业高质量发展。其中，生产智能化技术包括智能柔性生产线、多传感器质量检测、虚拟数字化生产仿真、人机协同制造等，实现工业物料智能在线检测和筛选和自动装配，不仅有助于优化生产工艺、提高生产效率，还将显著降低生产成本；装备智能化技术包括智能工业机器人、智能检测与装配装备、智能物流与仓储装备等，有助于提升产品质量，实现非标准产品的个性化制造能力；运维智能化技术基于传感器和物联网的设备故障诊断及维护技术，实现设备的远程管理、故障诊断和预防性维护，起到提升能效、节约成本的目的。然而，智能技术的应用也对制造业人力资源的规模、结构和水平产生很大影响，智能装备的大规模应用在带来机器替代效应、显著提高生产效率的同时，智能化带来的新业态、新岗位、新技能需求也造成制造业中大量高技能人才的短缺、高素质人才的分流，这在经济发达地区尤为明显，如早在2015 年陈德智［7］的研究发现上海市先进制造业仅对研发人力资源需求呈现稳步增长态势。总之，智能技术应用对制造业保持传统的人力资源优势将带来很大冲击，加剧了当前高技术制造业的用工紧张局面。

1.1 生产与装备的智能化造成部分就业岗位产生机器替代效应

由于工业机器人的大量使用，很容易产生生产智能化和装备智能化等制造环节有关岗位的替代效应。近年来，由于高技术制造业用工紧张，越来越多的企业大量采用以工业机器人为代表的自动化、无人化、智能化的生产设备，以减少对人力的依赖［8］。近年来我国工业机器人安装数量快速增长，2021 年新安装数量达26.8 万台，大幅领先于制造强国日本、德国、美国［9］。工业机器人的普及与产业工人形成了直接的岗位竞争，同时产生岗位的替代效应和创造效应。王晓娟等［10］的研究表明，工业机器人渗透度每增加1 个单位，制造业就业人数总量就会减少0.39%。

1.2 智能技术在制造业的大量应用产生新技能的岗位需求和用工缺口

随着人工智能逐渐融入生产、经营、管理的许多方面，尤其是工业机器人、机器视觉、智能产品、机器学习和协作机器人等产品的相继面市，劳动密集型的传统制造业面临较大冲击，未来整个制造业智能化转型对人工智能人才的需求必将显著增长［11］。一方面，人工智能会改造生产线中原有的工作岗位，对工人提出更高的技能需求，如新增机器人工程技术人员、工业机器人系统操作员和运维员、智能制造技术人员等职业；另一方面也将替代部分重复性、可编码的常规性工作任务，并增加人机协作型岗位的需求，如新增服务机器人应用员、智能硬件装调员等职业［12］。根据本研究团队的统计，2019 年以来我国人力资源和社会保障部陆续公布了30 多个与人工智能相关的制造业新职业。彭莹莹等［13］发现，人工智能技术应用使制造业用工结构出现分化，短期内用工缺口问题会更加明显，人工智能应用带来的全新岗位以及技能需求将会造成复合型人才的结构性用工紧张。

我国是名副其实的制造业大国，同时也是人口大国，如今却面临制造业人才匮乏的现实。虽然随着高等教育的普及，全国（未含港澳台地区。下同）大专及以上受教育程度人口占比从2001 年的4.9%上升到2020 年的21.8%［14］，每年的高校毕业生总规模也在上升，接受高等教育的总人口已经超过2.4亿人，人才红利正在形成［15］，但相对固定的学科专业难以适应快速发展的产业需求，创新驱动型的高技术制造业仍存在较大的人才缺口。相关数据显示，到2025 年，我国制造业十大重点领域人才缺口将接近3 000 万人，缺口率高达48%［16］。面向行业需求的新专业建设和人才培养周期都较长，符合行业需求的高质量技能型劳动力供给相对滞后，导致就业难的同时企业招工难。

1.3 劳动力市场供给进入负增长常态化阶段

劳动力是经济增长的关键要素之一，高技术制造业的健康发展离不开高素质的人力资源。第七次人口普查数据显示，近年来我国人口规模增长速度持续放缓，生育率不断下降，人口老龄化也在加剧，适龄劳动力占比不断减少；2018—2020 年全国15～64 岁劳动人口占比分别为71.2%、70.6%、68.6%，适龄劳动力数量占比逐年下降；2020 年60岁及以上的老年人口总量为2.6 亿人，占总人口的18.7%，这一比例自2000 年以来增加了8.4%；2022年年末全国人口较2021 年年末减少85 万人，开始出现负增长［17］。从人口发展的长期趋势看，少子化和老龄化的压力渐增，劳动力总量供给不足的情况将持续存在，包括制造业在内的部分行业已经出现了较为明显的用工缺口，这将对高技术制造业发展造成不利影响。

1.4 多种产业新业态的灵活就业渠道分流了部分高素质劳动力

当前服务经济催生了灵活就业平台，吸收了大量适龄劳动力，对高技术制造业就业形势形成了新的负面影响。灵活就业平台具有较高的就业吸引力，能够迅速吸纳大量适龄劳动力。据国家统计局2022年公布的数据，全国灵活就业总量已经达到2 亿人左右［18］。贾晓芬等［19］、中国人民大学中国就业研究所等［20］的调研结果显示，近年来高学历的毕业生以及新一代农民工对工作的自由度和灵活性也有较高需求，更愿意在电商、微商、网络直播、网约车、外卖送餐、快递物流等新业态、新模式、新渠道中就业，而非选择制造业工作岗位。目前，高校毕业生在高技术制造业就业的人数正越来越少，大量有经验的青壮劳动力也在从制造业部门向服务业转移，高技术制造业中的工人数量也在减少，部分具有丰富生产经验的高技能工人也选择灵活就业。这些情况加剧了当前高技术制造业用工紧张的局面，也对制造业调整发展策略、适应新就业形势提出了全新要求。

2 模型构建与结果分析

制造业人力资源结构即高技术制造业劳动力占比，是指高技术制造业就业人力资源数占整个制造业中就业总人数的比重，一般用该指标表征制造业向高端转型的程度。发达国家的这一指标相对较高，如2016 年美国高技术产业就业人力资源总数占制造业就业人数的15%［21］，德国为17.4%［22］；而我国在2018—2020 年的这一指标分别为12.48%、12.83%、13.96%［23］，与发达国家相比仍有差距。

2.1 制造业就业结构和数据来源

由于高技术制造业没有明确分类，本研究团队参考我国《高技术产业（制造业）分类（2017）》中的表述［24］，采用“高技术制造业”来指代社会上使用的“高端制造业”。如表1 所示，2013—2020年我国高技术制造业和非高技术制造业的就业人数及收入缺少2017 年的数据，因为当年进行了国民经济门类调整而未进行相关统计。表1 显示，就业人数与收入并非固定不变的线性关系。一般情况下，就业人数与收入呈正相关关系，然而，高技术制造业2019 年的就业人数少于2018 年，但2019 年的收入仍高于2018 年。因此，为了尽可能减轻不同年份就业人数变化的影响，满足研究的科学性要求，在尽可能统一的基准下比较高技术制造业和非高技术制造业，本研究团队借鉴李怀祖［25］的做法，提出了归一化人均收入增速指标δ，即人均收入增长率与就业人数变化率的比值。其定义式为：

表1 我国高技术和非高技术制造业就业情况对比

式（1）中：δi为第i年的归一化人均收入增速；yi为第i年的人均收入；xi为第i年的就业人数。

2.2 数据分析结果

按年份依次计算我国高技术制造业和非高技术制造业各年的归一化人均收入增速，结果如图1 所示，可见高技术制造业的归一化人均收入增速总体上高于非高技术制造业，因为高技术制造业的产品和服务具有较高的附加值，因此可以带来较高的经济效益。然而，自动化和智能化设备的应用增加了生产复杂度和管理难度，使得高技术制造业需要更多高素质、高技能的工人来满足复杂、灵活的生产需求。高技术制造业劳动力占比的增加体现了制造业人力资本结构的优化，使高技术制造业能依托与行业相匹配的高素质从业人员提供更优质的产品和服务，这也意味着制造业的人力资源配置更倾向于高技术制造业，有助于实现优质的人才育成模式，提升企业的创新水平，加速制造向智造转型升级。

图1 我国高技术和非高技术制造业归一化人均收入增速年度对比

3 制造业中人力资源结构的主要影响因素

为进一步分析影响制造业劳动力就业结构的因素，对中国商用飞机有限责任公司等大型制造业企业中人工智能投入以及用工缺口问题、苏州工业园区人工智能协会的人才储备和教育情况，以及河南省某高新技术产业园区中产业集群的用工缺口和产业智能化转型等问题进行调研。中国商用飞机有限责任公司是我国航空工业领域的领军企业，具有强大的研发实力和制造实践经验，在处理人工智能投入和用工缺口上具有经验。苏州工业园区一直以来在吸引高新技术企业和人才方面有着卓越的表现，调研该机构可以深入了解园区内人工智能领域的人才储备和教育情况。对河南省高新技术产业园区进行调研，旨在研究其产业集群的用工缺口和产业智能化转型问题，以了解在中西部地区智能制造发展中的特殊挑战。通过深入调研这3 个代表性机构和园区，可以获得关于制造业劳动力就业结构受人工智能影响的具体案例，从而为研究提供实证数据支持。通过对调研所收集材料进行定性分析发现，影响制造业就业结构变化的关键因素主要包括技术进步、产业环境和劳动力资源。在综合考虑了数据质量、完整性和获取的难易程度等因素后，选取我国30 个省份（由于数据获取原因，未含西藏和港澳台地区）2018—2020 年的面板数据，采用模糊集定性比较分析方法实证分析。具体变量选择与测量指标如表2所示，相关数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》和《中国科技统计年鉴》。

表2 测量变量与指标

实证结果表明，制造业就业结构的优化是多种因素共同作用的结果，其中人工智能技术进步因素能够提升工厂生产效率，产业环境优化因素能够提升企业创新活力，劳动力市场因素能够培养更多的高技能人才，优化人力资源的就业结构，为高技术制造业提供人才保障；同时，不同的资源因素组合引发的就业结构变动效应可以归纳为6 种模式（见图2），其中能够提升高技术制造业劳动力占比的模式包括综合发展型、资本先导型、教育先导型3 类；不能有效提升高技术制造业劳动力占比的模式包括存量供给型、投入拉动型、待发展型3 类。

图2 高技术制造业的6 种就业结构模式

对比6 种模式的资源投入与结果发现，提升高技术制造业劳动力占比最关键的因素是产业智能化水平，其次是劳动力受教育程度与专利投入规模两个因素，再次是人工智能投资规模、产业转型升级与适龄劳动力人口结构等3 个因素。上述6 个因素形成合力，共同增加了高技术制造业就业人数，促进高技术制造业快速健康发展。具体分析如下：

（1）产业智能化水平在综合发展型、资本先导型、教育先导型3 种模式中都能够显著提升高技术制造业劳动力占比，是影响高技术制造业劳动力占比的筑底板因素，是高技术制造业健康发展的基础和源头活水。通过采用工信部的分省份两化融合水平结果体现产业智能化水平，在该项得分较高的地区在制造业研发、设计、销售、管理等高附加值产业链环节发展水平较高，能够实现高技术制造环节的集聚和增长，具备较好的高技术制造业发展基础。例如，北京市政府一直在大力推动智能制造产业的发展，通过加强技术研发、建设智能制造基地形成了以高端制造为主导的产业结构，不断引导企业的数字化、智能化转型。高技术制造业的产业集聚形成了良好创新氛围，吸引了大批高素质人才就业，为高技术制造业导入了人才红利的发展动能。

（2）地区劳动力受教育程度与专利投入是影响高技术制造业劳动力占比的补短板因素，发挥着雪中送炭的作用。地区劳动力受教育程度高，能够提供充足的知识型和技能型人才，可以很好地补充工业机器人投入带来的制造业结构性用工缺口，进而持续提高地区高技术制造业劳动力占比，有利于满足更高层次、更大数量的人才需求，推动高技术制造业健康发展。有效发明专利数量是衡量企业研发能力和技术创新水平的重要指标，专利投入的增加能够提高制造业对科技人才和高技术设备的需求，同时也能够促进企业间技术合作和产业协同，加速技术创新转化和应用。因此，专利投入增加一方面会优化产业人才结构，引导制造业向高技术化、智能化和绿色化方向转型，另一方面也会创造更多就业机会。

（3）地区人工智能投资、产业转型升级效应和适龄劳动力规模是影响高技术制造业劳动力占比的锻长板因素，单独发挥作用的效果并不明显。投入拉动型中，如果人工智能投入未能转化为产业智能化的动能，或者存量供给型中的适龄劳动力人口只有数量没有质量，都会导致其作用效果不尽如人意，只有根据当地特点、配合其他因素综合利用，才能在高技术制造业发展中产生如虎添翼的效果。另外，服务业的发展也会增加分流制造业工人的风险，在适龄劳动力较多且劳动力受教育程度较低的地区更为明显，因此服务业与制造业发展规模相协调才能呈现综合发展型的效果。例如，制造业是广东省的支柱产业之一，其主要发展的细分领域包括电子信息、家电、汽车制造等，对工业机器人和人工智能应用需求都非常大。广东省凭借雄厚的经济实力可以提供较大的人工智能投资额，也更容易快速扩大自身高技术制造业发展规模，而发达的服务业对优化高技术制造业的发展环境也发挥着重要作用。

4 促进高技术制造业人力资源结构优化的建议

4.1 提升产业智能化水平，推广应用新兴技术

产业智能化水平是促进高技术制造业健康发展的基础性因素，应积极推进产业数字化转型和智能化升级。广泛采用人工智能等新兴技术不但能够有效提高生产效率和生产质量，也能够显著降低生产中的安全风险、劳动强度，从而能够减轻从业者的心理压力。工作环境和条件的改善，使从业者能够更加专注于高技能和创造性工作，有助于吸引高素质人才进入高技术制造业。

4.2 提升劳动力素养，发挥与新兴技术的协同作用

高技术制造业是未来经济发展的重要引擎，其中人机协同型的岗位将占据主导地位，这类岗位不仅要求从业人员具备高端技术和创新能力，还要能够与人工智能技术、设备进行有效协作。为了适应这一趋势，必须提升地区劳动力的受教育程度和素养，增加高水平技能劳动力供给，培养从业人员的数字技能和数字素养。对于在制造业中受到人工智能冲击的员工，开展数字技能和数字素养的再培训显得尤为必要。此外，还应深化产教融合、校企合作，推动高校与制造业企业建立长期稳定的合作关系，深化“中高职贯通”“五年一贯制”等人才培养模式改革，试点开展中等职业教育和应用技术本科教育贯通等模式［26］。通过联合培养、定向培养等模式，依据产业需求调整专业设置和人才培养计划，将更多的高学历人才导入高技术制造业，缓解毕业生技能素质与岗位需求错位的矛盾。

4.3 强化统筹规划，多措并举促进发展

加强统筹规划，综合考虑多种因素与制造业就业结构的关联关系，设计多种策略和途径，形成政策工具箱。一方面，应采取更全面的视角，综合考虑本地产业智能化水平、劳动力资源供给数量和质量、人工智能预期的投资额等条件，合理判断本地发展高技术制造业的资源禀赋并明确自身发展类型；另一方面，应不断探索影响制造业人力资源结构的新因素，规划更多提升高技术制造业劳动力占比的资源组合路径，促进高技术制造业健康发展。

4.4 加快人工智能复合型人才培养

加快培养通晓人工智能理论、方法、技术、产品与应用等的纵向复合型人才，以及掌握“人工智能+”细分行业专业知识的横向复合型人才。一是探索建立人工智能复合型人才的培养模式，制定科学合理的人工智能复合型人才分类分层培养体系。二是适应人工智能领域融合发展的典型特征，重视人工智能与相关专业的跨学科教育，打造多学科交叉的课程体系。三是深入探索“互联网+”等新型融合式培训方法，建立产教融合信息服务平台，提高培训的针对性、便利性［27］。四是整合各方资源，壮大具有“人工智能+”交叉学科背景的师资队伍，为复合型人才的培养提供保障。

5 结论

本研究着眼于人工智能技术发展和应用对制造业（尤其是高技术制造业）及其从业人员的影响，研究了当前制造业人力资源面临的挑战，分析了影响制造业就业结构的主要因素，探讨了保持制造业人力资源优势的政策建议。通过深入调研并结合对我国30 个省份面板数据的实证分析发现，产业智能化水平、劳动力受教育程度和专利投入规模是影响制造业就业结构变化的3 个关键因素；另外，通过强化统筹规划、推广新兴技术、加快人才培养等措施，能够有效提升高技术制造业劳动力占比，从而优化制造业就业结构，保持制造业人力资源优势。