2026世界人工智能大会期间，上海科技大学教育、创新和可持续发展研究中心（CEISD）与合作伙伴联合发布《AI时代的中国劳动力市场：从职业消失论到任务重组论》。报告以65200条任务、1267个细分职业为底座，打造了中国版动态C-O*NET数据库，团队搭建了“AI 暴露（Exposure）指数—人类互补”四象限评价体系，全面测算了AI对中国就业市场的冲击和重组双重效应，为AI时代中国的经济研究和宏观政策制定提供量化参考。
通过对2023年底至2026年4月我国全平台线上完整招聘周期的数据分析，报告扭转了流行的“AI 批量淘汰职业”焦虑叙事。团队研究发现，ChatGPT问世以来，新增线上招聘池超四分之一岗位处于AI高替代敞口，但高替代并不一定意味着高风险，人类互补是重要缓冲。特别值得关注的是，复合型闭环岗位成为就业市场的最大新特征，同期市场约有2100万个岗位由任务重组而生,占总招聘岗位的18.6%。
项目首席数据科学家、上科大CEISD客座学者陈沁表示：“过去几年全社会陷入‘职业替代焦虑’，大家盯着职业名称分析，本质是观察尺度错了。从统计数据角度看，中国有人社部的权威职业分类系统、职业技能标准系统、新职业画像和劳动力市场趋势数据，但缺乏统一尺度和任务级的完整职业系统数据库；学术界曾以美国O*NET为基准构建了一些数据系统，但并不完全适配中国国情。我们基于线上全量招聘数据搭建的中国版动态 C-O*NET，核心目标就是把研判单位从‘职业名称’下沉到‘可更新的岗位职责’。短期来看，1—3年入门岗承压是结构性事实，但长期不存在整体性失业危机，市场正在重新筛选‘能驾驭AI、承担最终责任’的复合型劳动者。”
“我们打造了中国的动态C-O*NET数据系统，未来会开源开放，希望成为中国经济学研究的数据基座。LLM（大语言模型）对国内劳动力市场的影响主线是任务重组，这从实证层面挑战了亚当・斯密、巴贝奇延续两百五十年的分工理论：过去分工依靠拆分人类任务降低切换成本，而LLM抹平任务切换成本，分工逻辑从‘人与人细分’转向‘人机协同闭环’。”上海科技大学CEISD主任杨燕青说，“未来希望更多的团队加入“碳硅共生”的经济学分工研究，为打造人工智能时代新的宏观经济政策工具箱提供理论和数据支撑。”
报告核心结论一：“职业消失论”是伪命题，AI冲击针对任务。以Java开发、电话客服两组“高暴露职业”为例，二者AI暴露分数同处高位，但局面迥异。客服岗位整套话术、工单录入、标准问答均可由大模型独立完成，人类互补分值极低，招聘规模持续收缩；Java工程师虽可依靠AI生成基础代码、撰写接口文档，但架构设计、线上故障处置、跨业务系统协调等高责任、高现场判断任务无法被机器接管，资深技术岗薪资持续上行。报告发现，在所有招聘岗位中，26.6%落入高暴露低互补替代压力区，面临被AI加速。
报告核心结论二：AI尚未催生全新职业，市场增量来自复合型闭环岗位。尽管AI暴露岗位招聘规模收缩，但岗位承载的工作职责并未同步消失。大量可文本化任务脱离专属岗位，跨行业扩散至生产、技术、销售全链条，单一专项岗位失去不可替代价值。岗位内部职责熵值（度量职责的复杂性和组合度）持续走高，企业普遍将多道工序合并，打造 “一人独立完成全流程” 复合职能包，排名第一的高增长组合为 “制造优化 + 质量闭环”，全网出现频次超17万次，覆盖465类不同职业。
报告核心结论三：高校人才培养与市场存在供需错配。本科专业热度与四年后就业需求相关系数仅0.23；四年培养周期跟不上AI市场迭代，考生填报滞后市场变化。2025级超三成本科招生投向高替代压力专业。报告提出，单一全校AI通识课无法解决就业导向的教育创新，需要适配不同专业真实工作场景。研究提出六大AI难以替代的核心人类能力：情境判断、责任承担、跨角色协调、伦理权衡、现场适应、证据链表达，并给出分专业课程更新方案。
团队表示，C-O*NET数据库将持续动态按月更新，未来将开源开放，为经济学研究、高校教育创新、国家和地方的就业宏观政策制定提供长效量化支撑。
天宇优配提示：文章来自网络，不代表本站观点。
