文 | 李曉龍

數據要素與數據訓練式人工智能的發展正在深刻驅動勞動力市場變革。應主動順應技術變革趨勢，加快完善制度保障和技能培訓體系，實現勞動力市場的平穩有序轉型。

當前，數據作為新型生產要素，已成為數字經濟時代的“石油資源”?！稊底种袊l展報告》顯示，我國數據產量已達8.1ZB，位居全球前列。海量數據的積累孕育了DeepSeek等具有國際影響力的開源大模型，更催生了以深度學習、大語言模型為代表的“數據訓練式人工智能”。與以往以自動化設備為主的“反應機器式人工智能”不同，數據訓練式人工智能更強調數據驅動下的自主學習與復雜任務處理能力，其強大的生產力和創造力在各行各業展現出巨大潛力。

這種技術演進對勞動力市場產生了雙重影響：一方面，數據訓練式人工智能在創意生成、策略分析等領域的良好表現，可能進一步擠壓中高端崗位；另一方面，技術擴散催生的新產業、新業態，又將創造大量高技能崗位。例如，生成式人工智能推動內容創作產業規模擴張，帶動數據標注、模型優化等產業鏈就業需求；智能駕駛技術發展刺激傳感器研發、交通系統運維等人才需求。這種“替代—創造”并存的效應，使我國“就業難”“招工難”并存的結構性就業矛盾更趨復雜。

數據要素與數據訓練式人工智能的發展正在深刻驅動勞動力市場變革。把握這一歷史機遇，必須主動順應技術變革趨勢，加快完善制度保障和技能培訓體系，實現勞動力市場的平穩轉型，為經濟高質量發展奠定堅實基礎。政府需要發揮戰略引領作用，充分利用數據訓練式人工智能的生產模式，推動勞動力市場有序轉型。

在供給側方面，應推動教育體系升級，尤其是將數字化技能納入基礎教育，并在職業教育和高等教育中增設與數字化轉型和人工智能相關的課程，形成“人工智能+X”復合型專業。同時，推動“雙導師制”聯合培養機制，定向培養高技能人才。還需加快數據要素市場建設，建立數據產權交易平臺，推動數據開放，降低數據獲取成本，制定數據質量標準，提升數據準確性和有效性。

在需求側方面，加大對企業技術轉型的支持，尤其是在算力基礎設施領域提供政策補貼，鼓勵建設綠色數據中心和智能計算中心，降低算力成本。支持制造業、農業和服務業等領域的數據訓練式人工智能應用示范項目，建立“AI轉型診斷”制度，評估企業自動化潛力并制定崗位重構方案。同時，推動企業間共享員工，優化勞動力配置，特別是為新崗位提供靈活轉崗機會。

在供需平衡方面，需加強政策協調，建立動態監測和勞動力市場預警平臺，發布技能培訓指南，推動行業技能認證互通。政府還可以為受AI影響的勞動者提供專項補貼，推動對相關勞動者的再教育，幫助他們順利轉型。