编者按：人工智能的发展及其对就业的影响，已成为舆论界、研究领域和决策圈关注的重点。中国拥有全球最大的就业规模，位列人工智能发展的第一梯队，机器人市场规模也位居世界首位。因此，人工智能革命性突破引领的科技革命和数字经济发展，必然对中国的就业产生深远影响，是一个迫切需要深入研究的课题。

著名经济学家、中国社会科学院学部委员蔡昉近日出版新书《中国就业新趋势：人工智能如何重塑劳动力市场》，深入探讨了人工智能发展及其对就业的颠覆性影响。本文节选自第二章“理解就业挑战的性质”，侧重讨论户籍制度对结构性就业矛盾的影响。

【文/蔡昉】

我们把很多劳动者在城镇就业受制于户籍身份的问题，作为造成结构性就业矛盾的体制因素之一。更进一步说，户籍制度是导致一系列现存问题的根源性因素。一方面，这个制度的排他性是基本公共服务和诸多社会保护机制未能实现全人群覆盖的原因；另一方面，直接受到这个因素影响而面临就业困难的群体规模庞大，不仅包括农民工，还包括大学毕业生、退役军人和在城镇之间流动的劳动者。

劳动力市场存在匹配效率低下的问题，体制和机制因素往往是根源。社会政策、公共服务和相关制度安排，本意是消除劳动力供求双方的匹配障碍，减少劳动力市场摩擦。如果政策不完善或者制度功能不健全，甚至存在突出的系统性缺陷，反而会以特定的方式放大已有的就业矛盾。不仅如此，结构性就业矛盾还具有自我强化的性质，因此极易陷入一种超稳定状态，应对起来难度便明显加大。

如果外来人口、新成长劳动力、人户分离居民，或者因年龄、性别、身体状况等差别因素处于不利地位的群体，始终面对劳动力市场的进入障碍，劳动力市场的统一性和一体化便会受到损害，甚至可能造成二元分割的劳动力市场结构。诚然，中国的劳动力市场不同于其他发展中国家，并不普遍存在典型的二元分割现象，但是也要防止劳动力市场受相关现象的影响，避免效率和公平均有所降低的情形。

资料图：央视新闻

国际上一般认为，发展中国家面对的一个标志性难题是就业的非正规化。国际劳工组织对非正规就业主要采取列举范围的方法予以界定。例如，非正规就业包括：（1）非正规部门的自营职业者、雇主及生产合作社成员；（2）生产家庭自用产品（如自给性农产品）的自营职业者；（3）正规部门和非正规部门的家庭帮工；（4）从事非正规工作的雇员，包括受雇于正规部门和非正规部门，或家庭雇用的有偿家政工人等。按照这个定义范围，中国的非正规就业群体在比例上明显低于大多数发展中国家。

这是因为在中国，对于就业性质的正规与否并没有一个确切的定义，也没有对应的统计特征可以做出有用的统计区分和分析描述。一般来说，就业者的劳动力市场地位，譬如在岗位层级和晋升机会、劳动合同签订情况、社会保险覆盖率、劳动力市场制度保护程度、待遇条件及其他权益保障等方面的差异，可以帮助我们粗略地区分正规就业和非正规就业。从这些方面出发，中国城镇就业有一种独特的非正规化类型，或可称之为“非单位化”。

中国城镇就业的统计由两个不同的体系组成，其差异特征可供我们分析不同类型就业的性质。例如，从基于住户抽样调查的劳动力调查制度，我们可以获得推算的城镇就业人员总数；从基于法人单位的劳动工资统计报表制度，我们可以获得不含私营企业的城镇单位就业人员数量。城镇就业人员总数显著大于非私营单位就业人员总数，两者之差由3个部分构成，分别是私营企业就业人员、个体就业人员及未被用人单位注册为员工的就业人员，后两者可以统称为非单位就业人员。

从性质上说，以及从实际待遇来看，这3类就业人员相对于非私营单位就业人员，显然更接近于非正规就业。所以，私营企业就业人数和非单位就业人数（即前述3类）之和与非私营单位就业人数的比率（或就业的“非正规指数”），可以用来衡量城镇就业非正规化程度。官方数据表明，该比率从2000年的49.8%提高到2010年的62.4%，一度下降到2013年的53.0%，随后再次进入上升的轨道，2023年达到65.2%这一有记录以来的最高水平（见图2-2）。

图2-2 城镇就业的非正规化趋势资料来源：国家统计局“国家数据”

分割的劳动力市场还会扭曲求职和就业行为，导致结构性就业矛盾加剧。例如，遭遇体制性障碍或系统性歧视的群体，往往不得已进入并长期滞留在非正规领域，接受低于自身技能应获水平的工资和工作条件。这导致人力资本回报率下降，在微观层面造成对部分劳动者群体工资的抑制，进而产生对人的投资的负激励，在宏观意义上则意味着资源的错配和低效利用。

在一些发达国家，常常可以观察到外来移民在劳动力市场上遭遇“过度资历”或“过度教育”的现象。例如，加拿大统计局在一项研究中发现，2006—2016年，大约10%的移民劳动者持续处于过度资历状态，而非移民群体的这一比例只有4%。这就是说，与居住身份相关的排他性制度使移民劳动力未能获得与其教育资历相符的工作，也未能获得应有的人力资本回报。

与进入新发展阶段、转向高质量发展的需要相比，中国的教育理应得到更快的发展，因此，城镇就业市场上的过度资历问题既不利于形成应有的激励，也并不是高等院校扩大招生造成的，而是户籍制度等因素对劳动力资源配置的体制性制约的表现。只需利用已有的研究和统计数据，观察青年劳动者群体同时具有的几个特征，即可说明这个性质。也就是说，与其他年龄组人口相比，青年劳动人口受教育程度（见图2-3）、调查失业率、没有常住地城镇户籍的比例更高，因而这个群体遭遇过度教育问题的比例也更高。

同其他要素市场一样，劳动力市场价格信号的目的在于调节供求、反映要素稀缺性，以及鼓励人力资本投资。既然结构性就业矛盾具有扭曲劳动力价格的倾向，一旦这种状况持续下去，就意味着劳动力市场失灵现象日趋严重，从而降低就业搜寻和匹配的效率。相反的结论也成立，即如果能够有效消除制度性障碍，劳动力市场匹配水平和资源配置效率都会得到提高，意味着可以依靠更高的经济增长速度获得改革红利。

图2-3 城镇分年龄受教育年限资料来源：国务院第七次全国人口普查领导小组办公室编，《中国人口普查年鉴（2020）》；国家统计局“普查数据”

国外的经验可以提供一些政策启示。例如，谢长泰等人研究发现，在1960-2010年的50年里，美国劳动力市场见证了高技能职业开放度的提高、歧视性的减弱，使具有高技能的女性和黑人男性劳动者能更充分地发挥人力资本优势，因此劳动力市场配置效率及整体生产率均显著提高。在同期人均市场总产出的增量中，这种配置效率改善的贡献率高达20%~40%。

虽然中国和美国的劳动力市场并不具有直接的可比性，但中国城镇劳动力市场效率的确有提高的空间。16~24岁年龄组人口恰是受教育程度最高的群体，这个年龄组也是拥有常住地户口比例最低的群体。因此，他们中有就业意愿且不在学的人口群体，可能遭遇比城镇经济活动人口平均高两倍以上的失业率，意味着他们走上与技能相匹配岗位的概率较低，从总体上看人力资本损失不可谓不大。相应地，通过体制改革所能创造的红利也不可谓不大。

这里还需要说明的是，劳动力市场上的体制性障碍也会削弱政府积极就业政策的实施效果。户籍制度仍然发挥的一个职能便是按照户籍身份提供公共服务，其中自然包括公共就业服务。由于农民工及跨区域流动就业人群没有本地户口，他们所能获得的技能培训、岗位信息、职业介绍、公益性岗位等公共就业服务，相较于本地户籍居民终究是不充分的。

例如，2010—2023年，农民工总人数已经从2.42亿增加到2.98亿，占全国非农就业的比重已经超过一半。与此同时，这部分劳动者的年轻化特征正在消失，即年龄超过50岁的农民工占比同期从12.9%大幅提高到30.6%。如果这个群体享受的公共就业服务不足，将面临更严峻的结构性就业困难，也将放大人工智能和数字经济的整体就业冲击效应。

《中国就业新趋势：人工智能如何重塑劳动力市场》，蔡昉 著，中信出版集团2025年10月出版