【首席視野】程實：AI時代下的“投資於人”

金吾財訊2026年3月5日 08:37

程實系工銀國際首席經濟學家、中國首席經濟學家論壇理事

進入2026年，AI技術的突破性進展正在重新定義人力資本投資的內涵。AI對工作流的影響已從工具層面的輔助進入系統層面的重構階段。低階重複性任務被快速壓縮，而高階能力溢價上升，人機協同能力成爲新的基礎能力。在此背景下，“十五五”規劃建議將“投資於人”置於更加突出的位置，這一安排有望成爲支撐潛在增長持續穩定的重要變量。

工作流重構下的人力資本裂變

AI技術對工作流的影響已從工具級輔助進入系統級重構階段。《2026 Agentic Coding Trends Report》（《2026年自動化編碼趨勢報告》）指出，軟件開發的核心活動正從寫代碼轉向編排代理系統，也就是說工程師的價值越來越體現在架構設計、任務分解與系統監督上，具體實現則由AI承擔。

報告顯示，工程師在約60%的工作中使用AI，但能夠完全委託的任務僅佔0~20%。這表明AI的擴散本質上是協作式的，而非完全自動化的。AI承擔的是執行，人類負責判斷、監督與戰略分解。由此，技能需求並非整體下降，而是出現結構性裂變。

首先，低階、可驗證、重複性的任務被快速壓縮。信息整理、基礎編碼、測試生成等環節已可由代理系統自動完成，相關技能的邊際價值顯著下降。其次，高階能力溢價上升。複雜系統架構設計、跨域問題識別、戰略判斷與風險評估等能力在AI環境下更難替代，其相對收益與市場需求反而提高。再次，人機協同能力成爲新的基礎能力。有效設定任務、拆解問題、校驗輸出與動態調整代理系統，成爲決定生產率差異的關鍵。

在AI工作流普及的情境下，單位勞動有效供給的內涵正在發生變化。

一是從知識存量轉向學習與遷移能力。當AI可以即時檢索、生成與整合信息，勞動者的價值更多體現爲快速學習、跨域整合與提出關鍵問題的能力，而非既有知識存量本身。

二是從專業深度轉向跨域結構能力。AI在單一領域優化方面表現突出，但跨領域問題識別、類比推理與複雜系統權衡仍高度依賴人類判斷。

三是從執行效率轉向判斷質量。當執行層被壓縮，人類價值更多集中在目標設定、方案選擇與風險控制。因此，過去以學歷層級、專業匹配與工作年限爲核心的評價體系，難以刻畫AI時代真實生產能力。學習速度、遷移能力、人機協同效率與組織吸收能力，正在成爲更具解釋力的變量。

從“資本-勞動”組合結構看，AI擴散並未削弱人力資本的重要性，反而提高了技術資本的人力依賴度。AI系統的有效運行依賴於任務分解能力、多代理協調能力與人類監督體系的設計。這意味着，AI相關資本投入的回報，取決於是否具備足夠的人才密度與組織吸收能力。

AI擴散下的結構適配與生產率躍遷

我們基於106個經濟體樣本的跨國實證結果顯示，AI準備度指數與TFP（全要素生產率）水平呈顯著正相關。在控制人力資本指數後，AI變量係數爲0.866（p<0.001），意味着AI準備度指數（0~1）每提高0.1個單位，TFP水平平均提高約0.087。

在以人力資本指數進行線性控制的設定下，人力資本變量本身並未顯示出顯著的邊際解釋力。這並不意味着“投資於人”不重要，而更可能反映出人力資本的關鍵作用並非體現在簡單數量加法，而是體現在技能結構匹配度、組織吸收能力與技術擴散效率等更具結構性的維度。

進一步，按照人力資本指數三分位進行分組迴歸，可以觀察到更爲直觀的結構異質性特徵。在低人力資本組與高人力資本組中，AI準備度指數-TFP斜率均顯著爲正，其中高人力資本組斜率更陡（β=1.352，p<0.001），低人力資本組亦顯著（β=0.885，p=0.003），而中人力資本組斜率不顯著（β=0.666，p=0.186）。分組迴歸結果呈現出一定的結構分層特徵，但線性交互項未顯示統計顯著性，說明這一機制更可能體現爲非線性或門檻式結構。

也就是說，人力資本的關鍵作用不在於其水平本身，而在於其是否能夠形成與新技術路徑相匹配的技能結構與組織吸收能力。當匹配度達到一定程度後，AI對TFP的放大效應纔會顯著增強。

綜合而言，AI時代的人力資本需求呈現結構性裂變。常規技能加速貶值，高階能力溢價上升，人機協同成爲基礎能力。