李嘉+張丹丹：面對AI沖擊，為什么新加坡表現出更強的就業韌性？

題記：本文原標題為“從崗位暴露到企業應用：中、新勞動力市場中的人工智能滲透路徑比較”，作者李嘉為新加坡管理大學經濟學院院長、李光前經濟學講席教授；張丹丹為北京大學國家發展研究院副院長、經濟學教授。首發于財新網。

自 2022 年底 ChatGPT 橫空出世以來，生成式人工智能（Generative AI）以前所未有的速度滲透進各行各業。這場技術革命一方面激發了對生產率躍升的廣泛期待，另一方面也引發了全球勞動力市場中日益加劇的“替代焦慮”。

現有研究中，美國勞動力市場由于數據可得性高、研究積累深厚，已成為相關實證分析的“前沿陣地”；但對于亞洲經濟體，尤其是制度環境、產業結構和技能體系差異顯著的國家，系統性的比較研究仍然明顯不足。而恰恰是這種跨國比較，才能幫助我們更清晰地理解：人工智能并非以同一種方式作用于所有勞動力市場。

我們此前的研究（張丹丹等，2025）基于中國大型招聘平臺的百萬級招聘廣告數據，通過將崗位需求拆解為具體“任務”，并評估這些任務被大語言模型替代或重構的可能性，構建了職業層面的 AI大語言模型（AI-LLM）暴露度指標。研究發現，在中國勞動力市場中，受大語言模型技術沖擊最大的主要是白領職業，如會計、編輯、銷售等，其招聘需求已出現明顯下降。技術進步在這一過程中更像是一個“嚴苛的過濾器”：一方面加速清洗白領崗位中高度常規化的任務，另一方面顯著抬高了高暴露度崗位的招聘門檻，使企業對學歷與工作經驗的要求更加苛刻。

然而，技術沖擊并非必然導向同一種“替代路徑”。當我們將視角轉向數字化程度更高、服務業高度集中、跨國公司總部云集的新加坡時，看到的是不同的圖景。新加坡的經濟結構具有高度代表性：幾乎不存在農業，制造業規模有限，絕大多數就業集中在服務業，尤其是商業管理、法律、會計、IT 與金融等高度專業化領域。

由新加坡管理大學與北京大學組成的研究團隊，系統分析了新加坡 2012 年 1 月至 2025 年 10 月間超過 1500 萬條招聘廣告數據。該數據覆蓋了過去 13 年新加坡全部用人單位（近 8 萬家）的招聘行為，使我們能夠完成中國抽樣招聘數據難以實現的分析任務——即從企業層面直接刻畫 AI 技術在真實生產經營活動中的滲透情況。

由于新加坡數據的完整性優勢，我們得以采用兩類互為補充、但測度層級不同的指標來刻畫人工智能在勞動力市場中的滲透路徑。一方面，通過基于崗位任務結構構建的 AI-LLM 暴露指數，識別不同崗位在技術上受到 AI 沖擊的潛在風險；另一方面，通過基于招聘廣告反推企業行為的 AI Integrator（AI集成）指標，刻畫企業是否已將 AI 系統性嵌入其真實生產與經營流程。前者側重崗位層面的“可替代性”，可匯總至職業、行業、地區乃至整體勞動力市場；后者則側重企業層面的“實際應用”，反映 AI 從技術能力向組織能力轉化的程度。以下對這兩種路徑分別進行分析。

基于招聘信息的分析：AI 替代潮的中新差異

我們首先完全沿用中國勞動力市場研究中的方法框架，構建了新加坡的 AI-LLM 暴露指數。具體而言，我們將每一條招聘廣告中的崗位需求拆解為若干具體任務，并逐一評估這些任務受到大語言模型和 AI 技術影響的潛在程度，最終在崗位層面形成可比的 AI-LLM 暴露度指標。

一個看似反直覺卻極為關鍵的發現是：盡管 AI 技術在過去幾年中快速演進，新加坡勞動力市場整體卻保持了相對穩定。尤其是在新發布的招聘崗位中，AI-LLM 暴露指數長期維持在較高且平穩的水平。這表明，不同類型任務在招聘需求中的結構性占比，并未因 AI 的加速擴散而發生劇烈波動，市場正在以一種相對溫和的方式吸收技術沖擊。

這一趨勢與中國形成了鮮明對比（圖1）。在大語言模型普及之前，中國勞動力市場的 AI-LLM 暴露水平雖略低于新加坡，但整體差距并不顯著；而在 2023 年之后，中國新招聘崗位的 AI-LLM 暴露指數卻出現了明顯下降。這很可能意味著，大量易被 AI 替代的崗位已經在中國率先完成了“出清”。相反，新加坡并未出現類似的指數下滑，顯示其勞動力市場在面對 AI 沖擊時展現出更強的結構韌性。

圖 1：2018 年 1 月—2025 年 10 月中國與新加坡月度招聘崗位的 AI-LLM 暴露指數

數據來源：智聯招聘，lightcast。

基于企業的分析：2023 年前后的“造”與“用”之變

如果說 AI-LLM 暴露指數主要回答的是“哪些崗位在技術上更容易受到 AI 沖擊”，那么基于企業招聘行為構建的AI集成指標，則更直接反映了企業是否、以及在多大程度上，已經將 AI 技術嵌入其真實的業務流程之中。

在新加坡，招聘數據中對 AI 相關人才的需求變化，能夠較為清晰地反映企業在 AI 研發與應用層面的轉型路徑。基于招聘廣告文本，我們將含有 AI 關鍵詞的崗位需求劃分為四類：

第一類是 AI 使用者（AI User），即在日常工作中使用大語言模型工具完成寫作、總結、代碼輔助或客戶服務等任務的崗位；

第二類是 AI 集成者（AI Integrator），即負責構建、運營或將 LLM 深度嵌入企業業務流程的崗位；

第三類是同時具備上述兩類特征的復合崗位；

第四類是 “其他 AI”崗位，主要包括招聘模型實驗室中的基礎模型預訓練研究人員、研究科學家，以及從事通用機器學習或自然語言處理（NLP）算法研發的技術崗位。

在 2018—2021 年間，新加坡的 AI 人才需求主要集中在“其他 AI”領域，即以“造模型”為核心的研發型崗位。這一需求在 2021 年后明顯回落，直到 2023 年才重新回升，但整體仍未超過此前的歷史高位（見圖2）。

真正的結構性轉折出現在 2023 年初。此后，“AI 使用者”和“AI 集成者”兩類崗位需求顯著增長，且后者增長尤為迅速。越來越多企業開始在核心業務流程中系統性引入 AI，部分行業中，發布過 AI 集成相關崗位的企業比例已接近 4%。這類崗位并不要求從零訓練大模型，而是強調通過 RAG（檢索增強生成）、微調或 API 接口，將現有大語言模型深度嵌入具體業務場景。

圖 2：2011 年 9 月—2025 年 10 月新加坡用人企業月度 AI 相關人才需求

數據來源：智聯招聘，lightcast。

如何跨越“替代”的陣痛？

新加坡的經驗表明，AI 并不必然引發大規模失業。當技術應用從單純“替代人力”轉向“業務集成”與“全員賦能”時，反而可能創造新的就業空間。對中國而言，跨越“替代”的陣痛期，至少需要在三方面持續發力：

第一，加速應用生態的構建。推動 AI 從模型研發走向場景落地，鼓勵企業圍繞具體業務流程培育“AI 集成者”崗位。

第二，推動技能培訓體系轉型，從傳授固定知識轉向培養“調用 AI 解決問題”的能力，從培養循序漸進型創新轉向培養能夠駕馭不確定性的顛覆性創新人才。

第三，構建勞動力市場的動態監測體系，從刻畫潛在 AI-LLM 對崗位替代風險的“暴露指數”，進一步拓展到反映企業真實 AI 使用和滲透程度的 AI 集成指標，為分析勞動力市場結構調整提供持續、可操作的政策抓手。

參考文獻：

張丹丹等，2025，“大語言模型人工智能技術對中國勞動力市場的潛在影響研究”，《管理世界》，2025.41(7):59-72

文章來源：財新網