人工智能如何改变中美劳动力市场的岗位结构与人才需求？

人工智能对中美劳动力市场的影响主要体现在结构重塑而非总量冲击上，其核心逻辑在于效率提升的异质性与社会分工的弱化。

首先，在招聘需求与岗位结构方面，人工智能表现出明显的选择性冲击。在中国，高人工智能暴露且低人类互补的岗位约占招聘需求的四分之一，这类岗位面临较大的替代压力。数据显示，低经验、中低工资、低学历门槛的岗位受到的负面冲击最大，而高工资、高经验岗位的需求反而有所增加。这意味着人工智能压缩了职业生涯早期的入门岗位，可能削弱传统的人才培养机制，导致中长期中高端人才供给不足。在美国，高人工智能暴露的信息行业已率先出现就业恶化，表现为就业人数收缩、职位空缺减少及裁员率提升，且针对年轻人的高暴露岗位减少更为明显。

其次，人工智能重塑了岗位职责与工作模式。随着基础性、标准化任务由人工智能承担，高暴露职业的职责结构趋于变宽，从单一职能走向“一人多职”。高人工智能暴露的职责如编程、翻译等并未消失，而是发生跨行业扩散，导致职业收缩速度快于职责消失速度。这种变化要求劳动者具备更广泛的技能组合。

最后，人工智能弱化了传统社会分工，改变了人才价值评估体系。由于人工智能显著降低了学习成本、信息获取成本和任务切换成本，个体可以借助人工智能快速补齐陌生领域知识，使得“一个人加人工智能”闭环完成复杂生产流程成为可能。这一趋势削弱了仅凭单一领域技能形成的专业壁垒，部分专才的稀缺性和议价能力面临挑战。相反，能够跨领域定义问题、调用人工智能完成不同任务，并具备足够专业判断力对最终结果进行校验、整合和负责的复合型人才，其相对价值将进一步上升。未来劳动力市场青睐的“通才”，将是能够借助人工智能调动多个专业能力并对整个生产流程负责的人。