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。