新質生產力是由新一輪科技革命和產業變革催生的生產力躍遷，它以科技創新為核心驅動力，以數字化、網絡化、智能化為基本特征，以戰略性新興產業和未來產業為主要載體，不僅引起大多數產業和行業的系統性變革，還徹底改變了人類社會的生產生活方式和組織運作模式。作為引領新一輪科技革命和產業變革的戰略性技術，人工智能代表了技術進步的高階形態，成為發展新質生產力的主要陣地。
如果說以往技術進步對勞動的介入主要基于程序式自動化，對生產力的驅動仍局限在專用性上，那么人工智能則突破了程序式的局限，極大擴展了功能性和通用性，并從根本上重塑新型勞動力。鑒于技能勞動力是全面支撐人工智能勞動介入的主體力量，就勢必成為發展新質生產力背景下需求量最大、結構性矛盾最突出的勞動力群體。從人工智能勞動介入的視角探究技能勞動力需求的改變及特征，對于理清適宜的職業教育人才培養和供給思路意義重大。
一、人工智能的理論基礎與研究范式
人工智能的理論雛形最早可追溯至亞里士多德（公元前384—322年）創立三段論的某些形式邏輯的推理方式，這既是現代符號邏輯和數理邏輯的起點，也是邁向人工智能的第一步。此后，科學家們不斷試圖理解感知、推理、學習、溝通、行動等與人類智能相關的問題；直到1956年，麥卡錫（John McCarthy）等十余位科學家在達特茅斯學院會議上采用“人工智能”①概括他們探討的機器模擬人類智能的問題，才促使人工智能作為一門學科正式誕生。學界普遍認為，圖靈思想以及達特茅斯會議共同構成早期人工智能研究的理論基礎，認知科學②以及認知神經科學③則為學科研究及理論構建提供了根本遵循?；趯χ悄鼙举|的不同理解，形成不同學派和研究范式。
（一）學科脈絡與理論基礎
從學科脈絡看，人工智能在達特茅斯學院會議上被正式提出時，還只是計算機科學的一個分支學科。1936年，圖靈（Alan Mathison Turing）在論文《論可計算數及其在判定問題上的應用》中提出“圖靈機”的設想，即由虛擬的計算機替代人類進行數學運算，并把相關的哲學思考引入智能領域，最早提出機器可以具有智能的觀點。1950年，他在文章《計算機器與智能》中提出圖靈機的理論模型，一種判斷機器是否具有智能的“模仿游戲”④，即圖靈準則。這篇文章被廣泛認為是機器智能最早的系統化科學化論述⑤，圖靈準則也成為最重要的智能機標準。然而，不同于科學領域的其他學科，人工智能不僅在認識論層面沿襲了哲學的系統性思維，學科內部也與哲學諸多分支學科難解難分，最終使其發展成為跨領域的綜合性學科。
從理論基礎看，計算理論奠定了早期人工智能研究的理論基礎。20世紀50—70年代，早期認知科學中占主流地位的計算理論認為，認知即計算，認知活動的實質是“在心理表征之上運作的計算程序”。無論是功能上模擬思維過程的符號主義，還是結構上模擬神經系統的連接主義，都屬于運算智能的范疇，差別是基于抽象思維還是形象思維進行構建。70年代之后，隨著認知神經科學的發展，科學家們逐漸意識到行為從不同維度反映智能，這與意識層面研究形成互補，對于理解智能的本質至關重要。由此，出現了區別于前二者聚焦發展感知智能的行為主義學派。不同研究范式和路徑中，人工智能還充分汲取了邏輯學、仿生學、心理學、控制論等學科和科學的理論成分。
（二）符號主義與思維過程模擬
符號主義（Symbolism）是一種基于邏輯推理的智能模擬方法， 又稱邏輯主義、心理學派或計算機學派。這一學派認為智能產生于大腦思維，主張基于顯性公理和數理邏輯模擬大腦的思維過程，主要理論基礎是紐厄爾和西蒙提出的“物理符號系統假說”⑥（表1）。
該假說指出，“符號是智能行動的根基”“物理符號系統是一般智能行為的必要和充分條件”。該學派認為人類大腦特征可以用特定的物理符號表示，思維過程則應被視為符號⑦的表征和運算過程?；诰哂袊栏褚幎ㄐ缘乃惴ǔ绦蛞约啊凹僭O—論證—新假設”的啟發式程序，使計算機習得一定的“解決問題的能力”，學習過程則是“從經驗或規則出發，根據前提推出結論的過程”。這種自上而下的演繹式推理是自動發生的，且由于符號系統對知識表達的確切性和邏輯性，其過程具有可解釋、可追溯的特點。然而，在大量不確定、不完全信息的復雜環境中，通用領域的知識邊界難以劃定，因此，其研究合理性是有限的，只能聚焦某個專門領域，主要包括啟發式程序、專家系統、知識工程等。
（三）連接主義與神經系統模擬
連接主義（Connectionism）是一種基于神經網絡和網絡間連接機制的智能模擬方法，又稱仿生學派或生理學派。他們認為智能是物理結構和連接方式的統一，主張基于仿生學模擬神經元的連接機制。神經元是神經系統最基本的結構和功能單位，它們通過自身的突觸部分發生連接，構成龐大的腦神經網絡，從而進行信息傳遞和交互?！叭绻覀兛梢杂糜邢薜恼Z句來描述自然神經系統的任何功能”，那么，“我們就可以用形式的人工的神經網絡來實現它”。連接主義從這種結構類比中獲得啟示，試圖通過算法規則模擬神經元之間的連接機制以及改變權值構建人工神經網絡（圖1）。
與符號主義不同的是，其構建除了在“軟件”上探究大腦的學習和訓練機能，還在“硬件”上模擬大腦的生物結構和連接機制。然而，鑒于模擬目的具有指向性以及大腦結構、功能的復雜性，就只能從部分的模仿構建中推導出整體，沒有必要也沒有可能進行完整模擬。因此，它仍然無法擺脫專用人工智能的限制，其研究主要包括感知機、反向傳播和深度學習等。
（四）行為主義與反應行為模擬
行為主義（Actionism）是一種基于“感知—行動”的智能模擬方法，又稱進化學派或控制論學派。他們認為智能的本質是主體與環境的交互，主張模擬人類對環境的反應行為，以行為主義和控制論思想作為理論基礎。從行為主義⑧視角看，心理學的理論目標在于“預見和控制行為”。這里的行為是指“有機體用以適應環境變化的各種身體反應的組合”，還可以分解為多個獨立的“刺激—反應”單元。從控制論⑨角度看，機器與有機體屬于同一概念體系的研究對象，行為是“對象相對于它的環境做出的任何變化”，表現為輸入和輸出兩種形式，行為過程是為達到穩態的調節與控制過程。該學派擺脫了傳統人工智能的哲學假設，既反對研究心理和意識，也不采取內省的方法，轉而研究客觀存在、可觀察的大腦行為，并把信息反饋作為調節控制行為的關鍵點。通過輸入端感知和輸出端反饋，使機器自主適應各種復雜、不確定和非結構化的客觀環境，進而達到智能主體內部以及主體間的協調。這種適應，本質上是“復雜系統的各個要素彼此之間的精確聯系以及它們整個集團與四周環境的精確聯系”。
二、人工智能應用的三個層級與勞動介入
根據韋伯字典對智能的定義，學習、理解和處理是智能的基本要素⑩，人工智能應用的目的就是讓機器具備這些要素，從而更高效地介入人類勞動、完成需要人類智能才能完成的各種任務。然而，“人工智能是人的智能的延長而不是人的智能的復制”。相對于人類勞動力而言，人工智能的優勢在于技術賦能放大了機器模擬人腦的機能，使其在一定程度和范圍內能夠克服人類的生物局限，甚至顯著優于自然原型，這是一種根本性的性能延長優勢?；谶@種優勢，不同應用層級的人工智能通過自動化特定任務以及全智能功能模擬的方式介入人類勞動，高層級人工智能甚至可能實現智能的質性躍遷。
（一）專用人工智能與自動化特定任務
專用人工智能（ANI）是人工智能發展的初級階段，對應智能輔助11或弱人工智能，主要“通過技術手段在機器上表現出一定的智能性”。一方面，ANI對勞動的嵌入僅限于特定領域、單一智能。它的認知范圍比較狹窄，基于“大數據驅動小任務”范式運作，只“針對特定的目標實現智能化應用”，如自然語言處理、計算機視覺，對于特定任務以外的事物并不具備完整認知功能。另一方面，ANI對勞動的嵌入本質上仍體現為工具性。作為基于特定任務的單一智能，ANI功能非常有限，仍需借助大型數據集來學習和訓練，這既離不開人類的程序設計和數據灌注，也無法脫離人類的監督和管理。以谷歌的AlphaGo和IBM公司的Watson為例，AlphaGo以及它的升級版本Zero僅在局部智能水平的單項測試中超越人類智能，Watson也只在癌癥治療、基因檢測等醫療領域有突出表現。盡管它們在特定領域的狹窄認知上已經表現出顯著優于人類的智能水平，但對標注數據12仍具有強依賴性，說到底只能作為專用領域的一種勞動工具，輔助人類完成勞動任務。
（二）通用人工智能與全智能功能模擬
通用人工智能（AGI）是人工智能應用發展的較高階段，對應智能增強或強人工智能，在智能功能整合以及通用性方面有了質的飛躍。它具備類似人類的一般智力，能夠抽象思考、常識積累、學習遷移，并在非特定輸入下自我學習和糾錯調試；也能夠像人類一樣在現實環境中獨立執行非預設性任務、自主產生并完成任務。對于上述核心能力的探討，學界提出類人智能和非類人智能兩種可能性，分歧在于是否仿照人的思維方式和行為模式。然而，無論屬于哪種類型，AGI無疑是以更高級別自動化或全智能功能模擬的方式介入勞動過程，同時也創造出適宜人類從事或體現人類生物優勢的新任務新職位。以邁向AGI的突破性技術BERT和GPT系列模型為例，這類預訓練語言模型“已經為一般類型的模型提供了基礎模型這一術語”，它們通過自我監督進行大規模數據訓練，“很容易適應于執行廣泛的下游任務”，其重要發展方向是“吸收世界上其他感官數據，實現集成的、多模態學習”，這無疑初步展示出一種通用性更強的人工智能應用。
（三）超人工智能與機器智能質性躍遷
與前兩個層級相比，超人工智能（ASI）的定性描述最模糊，盡管只是基于智能涌現和技術奇點的一種預測，但無疑代表著一種“在幾乎所有領域遠遠超過人類的認知能力”。目前，人工智能整體處于專用技術層級，向通用層級躍遷的過程就是將機器的性能優勢13與一般智力結合起來，增強其功能整合能力和通用性能。然而令人擔憂的是，促成智能躍遷的大模型訓練在執行任務時產生了一些出乎意料的行為、思路或想法，研究者們將其稱為“智能涌現”14，這意味著機器可能具備某種人類無法解釋的自我覺醒的能力。此外，弗諾·文奇（Vernor Steffen Vinge）、庫茲韋爾（Ray Kurzweil）等人揭示的即將到來的“技術奇點”也受到廣泛關注。庫茲韋爾認為人工智能會在一段時期后“發生近似垂直的指數增長”，而“計算機就能夠融合傳統的生物智能與機器智能的雙重優勢”。這讓科學家們開始警惕，人工智能技術有可能發展成為“比人類的生物性思維更快、更有效的思維方式”，實現各方面智能全面超越人類的機器智能的質性躍遷。
三、人工智能介入對技能勞動力需求的改變
作為引領新一輪科技革命和產業變革的戰略性技術，人工智能憑借性能延長優勢介入勞動過程，不僅提升了生產要素質量、改善了資源配置效率，還成為催生新產業、新模式、新動能，發展新質生產力的核心要素。相對于蒸汽、電力、信息等技術進步而言，人工智能突破了程序式的局限，極大擴展了功能性和通用性，并從根本上重塑新型勞動力。鑒于技能勞動力是全面支撐人工智能勞動介入的主體力量，就勢必成為發展新質生產力背景下需求量最大、結構性矛盾最突出的群體。人工智能不僅在本體層面對技能需求量和結構產生深刻改變，也在社會層面對技能勞動者就業和收入帶來重塑性影響。
（一）需求增量和減量呈結構性矛盾
根據價格的需求定律，需求量反映了一定時期內勞動力價格的變動情況，當其他因素不變時，需求量隨價格的變動而反方向變動。任務自動化在一定程度上提高了生產效率、降低了生產成本，但也變相提高了勞動力的相對價格，勞動力需求量隨價格“提高”而減少，此時需求線是一條向右下方傾斜的曲線。然而，需求定律并不是解釋需求量變化的唯一公理，擴容增產也是直接導致需求量改變的因素。生產效率極大提高有效刺激了企業擴大生產和投資規模的行為，促使需求曲線D1整體向右平移至D2，在另一個維度上提高了勞動力需求量15，即從Q1提高至Q2（圖2）。概括而言，人工智能介入對勞動力需求量的改變是一個雙向傳導機制，但增量和減量的目標群體既不交叉重疊也不能直接抵消，需求量改變呈結構性矛盾。
（二）勞動力替代與勞動力創造并存
替代效應基于任務自動化產生，是指以機器自動化生產替代人類生產，從而將人類勞動力排除在具體生產環節之外。如前文所述，與人類勞動力相比，人工智能具備一些根本性的性能延長優勢，由此形成高效率、低成本、高穩定性等特征成為任務自動化的基礎。在市場機制的驅動下，資本更傾向于具備極高生產效率的技術投入，減少對人類勞動力的需求，進而造成一部分技術性失業。創造效應基于新任務新職位發揮作用，是在現有職業和崗位之外，創造適宜人類從事或人類具有比較優勢的新任務新職位，如一些需要人類情感智能和道德判斷的工作，需要情感交流和物理接觸的工作，以及涉及人工智能研發及訓練的技術類工作。這種介入方式使舊任務被具有更高生產力的新變體取代，進而成為拉動就業增長的主要途徑。
（三）技能結構趨于高級化和兩極化
學界對于勞動力技能結構的研究，主要基于技能和任務兩種研究路徑和方法。單從技能匹配度分析，“高技能且從事復雜工作任務的工人因具備較強的判斷、分析、解決問題等認知技能不易被人工智能替代”，中低技能勞動力更容易被自動化替代，從而導致技能結構趨于高級化。若從工作任務類型分析，則是將工資率與勞動力機會成本考慮在內，企業選擇自動化以及社會傾向去自動化之間的矛盾顯現，導致“從事程序性日常任務的中等技能工人最易被替代”，而從事低復雜度弱程序性手工任務以及高技能復雜任務的勞動力不易被替代，導致技能結構呈“U”型，即兩極化趨勢。不同層級的技能結構特征存在顯著差異，較低層級人工智能主要體現技能偏向屬性，而較高層級人工智能則更需要體現任務偏向或雙重屬性。
（四）就業極化與收入分配差距擴大
就業“極化”是指高技能與低技能勞動力就業份額不斷增加，而中等技能勞動力就業份額不斷下降，呈現“兩端上漲、中間下跌”的現象。來自中國企業的研究數據表明，機器人引入會導致從事常規、重復類型任務的勞動者轉向更低技能的非常規任務崗位或者面臨技術性失業，同時為從事非常規復雜勞動的高技能勞動者創造更多任務崗位，這與前文提到的“U”型結構彼此呼應。在就業極化現象背后，蘊含著更為復雜的初次分配和再次分配效應，采購機器設備的資本投入、生產要素數字化轉型、高技能人力資本培養都需要得到相應補償，在收入分配上則體現為人工智能對資本、數據和技能的偏向性，最終導致部分企業、生產要素、勞動群體優先受益。技術進步對不同領域、群體非均衡的滲透，成為擴大收入分配差距的重要因素。
四、人工智能介入下技能勞動力需求特征
人工智能介入對技能勞動力需求的改變，本質上源于生產方式的變革，但這種變革并非單純發生在生產力或生產關系的單一維度里，而是根植于不同制度的社會系統之中。這意味著闡釋技能勞動力需求特征時，除了考慮生產力躍遷、生產關系變革帶來的替代和創造效應，還要充分考量抵御社會關系劇烈變動進行的宏觀干預和調控，其根本目的是使技能勞動力需求維持一種動態的平衡?，F階段，這種動態平衡一方面基于勞動力自身知識、技術、技能等的提升，另一方面則基于勞動力對生產力、生產關系以及社會關系變革的適應和轉變。
（一）以高學歷高技能為核心競爭力
作為一種概念性圖式，人工智能既強調理論知識的中軸作用，也強調技術技能的支撐作用。它廣泛涉獵數學、計算機、哲學、腦神經科學等領域的學科知識，包含機器學習、自然語言處理、計算機視覺、數據挖掘等高新技術，具有典型的高知識、高技能特征。鑒于受教育程度是表征知識和技能的重要信號，學歷層次在技能勞動力需求特征中的重要意義就格外突顯，主要體現為社會資本、資源對高學歷高技能勞動力的偏向和傾斜，這成為內隱于社會系統中的普遍共識。
過去十余年，我國技能勞動力受教育年限和學歷層次整體呈向上優化的趨勢，理論知識和技能水平均有大幅提升，高學歷高技能已經成為衡量技能勞動力競爭力的重要標準?，F階段及未來一段時期，隨著人工智能技術的廣泛滲透和應用，它對低學歷低技能勞動力的替代和擠出效應將持續加速釋放，對高學歷高技能人才的需求也將在短期內達到較高水平。無論是初次就業還是再就業的技能勞動力，知識和技能依然是最難獲得、最難替代的競爭力，也是最重要和最具決定性的生產要素，高學歷高技能勢必成為他們的核心競爭力。
（二）技術強滲透領域就業吸納顯著
人工智能與現有產業的結合，主要指向發生在第二產業的人工智能制造以及第三產業的人工智能應用，這與我國三次產業結構調整優化方向基本一致。過去十余年，我國產業及就業結構整體向二、三次產業轉移傾斜，且第三產業對勞動力的吸納能力逐漸優于第二產業，最終形成“三二一”格局。這不僅為產業鏈、價值鏈和產業集群發展指明了方向，也為新產業、新業態、新商業模式建立提供了基本框架。人工智能從科學研究走向全面應用，主要在這些領域產生技術滲透，具體表現為人工智能產業化和產業智能化兩種形態（圖3）。
就人工智能產業化而言，從基礎層的平臺、算力、數據等基礎設施建設，到技術層的系統框架、通用技術、算法等技術構建，再到應用層基于各類識別技術開發的軟件和硬件產品，都是圍繞人工智能科研和應用延展的產業鏈布局。于產業智能化來說，新的科研成果、創新技術與傳統產業相結合，形成智慧金融、智慧物流等新業態，以及以“8+9”新產業標準化重點領域為代表的新興產業和未來產業，具有創新活躍、技術密集、前景廣闊等特征，引領重大技術突破、填補重大發展需求。鑒于技術滲透對勞動力需求具有技能偏向，對勞動力需求規模、結構、收入變動的影響也明顯優于其他產業和行業，就自然成為吸納高學歷高技能勞動力以及新型勞動力的主要場域。
（三）體現技能和任務二維偏向屬性
基于技能偏向屬性，人工智能對可編碼和重復性的常規任務存在顯著替代性，但這并不完全指向勞動力擠出，還存在相當數量的勞動力補充，其中兩個非常重要的動因是：人口老齡化以及低生育率帶來的勞動力結構失衡，以及生物局限性造成的人類勞動能力極限。目前，世界各國推進人工智能戰略，幾乎都將克服日益嚴峻的勞動力不足作為重要目的之一，也始終將彌補人類勞動能力極限、把人類從不適宜的生產勞動中解放出來作為重要目標。
相對于技能偏向，技能勞動力需求更多體現的是任務偏向屬性。任務偏向關注人的發展以及一切社會關系的聯動，在某種程度上具有協調平衡和保障托底的作用16。據此推測，人工智能對技能勞動力的替代將被調控在一定范圍內發生，如一些程序性較強的常規任務或不適宜人類從事的極限任務，對于程序性較弱的非常規任務而言，無論是高技能還是低技能勞動力被替代的風險都相對較低，基于創造效應產生的新任務新職位也主要指這類適宜人類從事的非常規任務（圖4）。支撐任務偏向屬性的宏觀干預和調控，要依托政府的權衡決策和統籌協調，其目的是從個人與社會聯動的價值維度出發，使人工智能對技能勞動力的影響優先體現為互補型合作而非擠出式替代。
（四）跨區域遷移促進勞動力再分配
區域差異是相同制度的社會系統存在顯著差別的重要因素。作為關鍵生產要素，勞動力跨區域遷移意味著人力資本在空間上的再配置，它既是影響勞動力市場動態平衡和區域經濟發展的重要變量，也是闡釋技能勞動力需求特征的重要切入點。影響勞動力遷移的因素很多，而技術優劣對勞動力遷移存在關鍵性影響。宏觀層面，在沒有資本流動和政策調控的情況下，勞動力從技術滲透較弱的地區遷移至較強的地區，但在額外資本投入和政策傾斜條件下，勞動力也可能發生反向遷移；17微觀層面，就業機會、收入水平、職業偏好、區域黏性等區域差異也是體現技術選擇以及勞動力需求的客觀信號。
人工智能對各領域的技術滲透和勞動介入在不同區域之間存在顯著差異，導致一些地區的勞動生產率和工資率整體高于其他地區，以及一些地區對低技能勞動力的擠出明顯高于其他地區。由此，形成兩種遷移路徑和需求特征：一方面，新任務新職位以及高生產率、高工資率吸引更多高技能勞動力在技術發達、滲透力強的地區集聚，實現個人效用最大化；另一方面，就業擠出以及收入分配差距擴大迫使低技能勞動力向智能技術欠發達地區轉移，以抵御收入降低或失業的風險。整體而言，人工智能對技能勞動力跨區域遷移具有顯著促進作用，而不同技能群體的遷移選擇恰好迎合了勞動力再分配的需求。
五、供需內在關聯邏輯與職業教育供給思路
發展新質生產力背景下，人工智能對各領域的技術滲透以及勞動介入導致生產力、生產關系以及社會關系發生重大變革，并從根本上改變了技能勞動力需求?；趯寄軇趧恿π枨蟾淖兒托枨筇卣鞯纳钊肫饰?，本文提出了人工智能視域下技能勞動力供需的內在邏輯，以及作為主要供給途徑的職業教育發展思路。
（一）技能勞動力供需內在關聯邏輯
其一，人工智能視域下技能勞動力需求的根本點是與機器形成全新的合作關系，明確了職業教育的人才培養目標。人工智能的理論研究和技術應用整體沿著全功能、通用性技術方向發展演進，根本目的是借助人工智能的性能延長優勢彌補勞動力短缺、克服勞動能力極限，把人類從程序性較強、復雜程度較高的工作中釋放出來，從事更適宜人類或體現人類生物優勢的工作。由此，人工智能拓展了傳統意義上對于勞動力內涵的界定，人類群體不再是唯一的勞動主體，以機器為載體的智能體也不僅限于發揮勞動工具的價值，而應被視為一種新型的勞動力形態?；跈C器性能延長優勢形成的人機關系，是一種全新的合作關系，因此，新型合作能力就成為人才培養的主要目標。
其二，人工智能勞動介入導致技能勞動力需求在數量上存在結構性矛盾，在結構上存在極化效應，框定了職業教育的服務范圍和功能定位。在需求數量方面，存在通過自動化人類任務替代現有勞動力的替代效應，也存在基于新任務新職位吸納更多勞動力的創造效應；在技能結構方面，存在基于技能偏向的高級化趨勢，也存在基于任務偏向的兩極化趨勢。這兩方面最終都體現為知識與技能的盈缺，以及增量與存量的變化。由此，職業教育的服務范圍既要包括中等學?；蛲葘W力畢業生，也涵蓋從業、待業、失業等更廣泛的社會群體；不僅要依托高等職業教育優化高素質技術技能人才培育，擴大增量，還要依靠職業培訓提升技術性失業人員再就業能力，盤活存量。
其三，盡管一定時空范圍內勞動力替代效應更顯著，但創造效應體現整體性長期性優勢，深刻影響職業教育的專業和課程設置。根據現有實證研究，很難通過某個行業或區域數據說明替代效應與創造效應哪個更有優勢，但不同應用層級的效應優勢卻存在一定規律性：對于較低層級，自動化主要發生在特定領域的具體生產環節，低端服務業、制造業等勞動密集型行業勞動力替代比較顯著；隨著人工智能向更高層級躍遷，以人工智能技術廣泛嵌入和深化應用為基礎，高新技術領域逐漸衍生以新產業、新業態、新模式為特征的新經濟形態，創造效應更具整體性長期性優勢。替代以及創造效應對社會不同領域和崗位的職業需求帶來根本性改變，深刻影響學校專業和課程設置。
其四，基于技能和任務的二維偏向屬性產生于市場機制與宏觀調控的共同作用，啟發職業教育平衡供需的路徑選擇。人工智能的技能偏向屬性更關注技能的效用，傾向于在智能體與人類勞動力之間選擇性價比更高的方式從事生產活動，由此勞動力替代將隨著人工智能應用層級躍遷逐漸從低技能勞動力向高技能勞動力逐漸覆蓋。而任務偏向屬性則更關注人的發展以及社會關系聯動，在智能體與人類勞動力之間的選擇上顧及平衡和托底問題，該屬性下的勞動力替代受到一定限制，這是維持技能勞動力需求動態平衡的重要路徑。兩種屬性分別對應市場機制和宏觀調控的典型特征，在兩種機制的共同作用下才能形成合力，這對于職業教育統合市場需求和教育響應具有啟示意義。
（二）職業教育人才培養和供給思路
基于上述分析發現，人工智能視域下技能勞動力供需的內在邏輯深刻影響著職業教育技術技能人才供給的培養目標、服務范圍、專業設置、路徑選擇等，為職業教育供給側結構性改革指明了方向。據此本文提出如下建議：
一是樹立人機協作的人才培養理念。在發展以人工智能為驅動的新質生產力背景下，數字化、網絡化、智能化成為現代社會的典型特征，人工智能的技術滲透和勞動介入廣泛影響各行各業，代表了一種與農業社會、工業社會完全不同的生產方式。為了適應新的生產方式，技能勞動力勢必要與機器建立新型合作關系，這是現代化建設對人才培養的重大需求，也是技術技能人才供給的重要思路。職業教育在優化技能勞動力供給時要深入思考：機器能做什么、它的能力邊界以及與人類合作的界限是什么？人類特有的價值和貢獻如何體現，基于哪些基本素養和能力條件能夠成就人類特有的價值？無論是職業學校教育還是職業培訓，對人的培養都要聚焦區別于機器智能的生物智能所特有的知識、技術、能力和情緒等特質，這些既是推動實現人機協作的基礎性條件，也是破解技術性失業的關鍵所在。
二是以數字化撬動職業教育整體性系統變革。數字化是人工智能賦能職業教育的基礎和前提，它突破了物理空間以及工具性應用的局限，成為撬動職業教育整體性系統變革的重要支點。一方面，要以數字思維引領教育思想革新。數字思維是一種體現系統性、交互性和開放性的認知方式，職業教育與經濟發展、技術進步、產業升級等處于同一個社會系統，只有樹立互聯互通、開放共享的教育思想，才能推動教育鏈與人才鏈、產業鏈、創新鏈貫通融合，才能保持自身可持續性的繁榮發展。另一方面，要以數字技術推動教育系統變革。基于數字技術形成更加豐富優質的智能教育主體、電子教學資源、虛擬實訓以及教育治理等，成為推動課程、教學、研發、實訓、治理等變革的重要驅動力，“實虛結合”模式不僅彌合了因時空限制或類型差異造成的發展差距，也極大壓縮了提質擴容的時間和資金成本。
三是布局基于智能技術的特色虛擬教學體系。職業教育的基礎參照系始終是普通教育，建立與普通教育對等的教育體系和生態系統成為優化職業教育類型定位的基礎構件。這不僅指向職業教育的學歷層次要向上打通、學科和專業設置要橫向延展，還意味著國家資歷框架要建立不同類型教育享有“同等社會價值”的融通標準。并且，在對等前提下，職業教育要格外體現區別于普通教育的核心特征，即基于產教融合和校企合作的多元化實訓和實踐教學體系。相對于理論知識類教學，實訓和實踐教學對真實生產場景的依賴性更強，智能技術發揮作用的空間也更大。要以產業和行業分類為基本框架，依托學校與行業、企業、政府的協同建設，布局基于智能技術的虛擬教學體系，把實訓和實踐教學進行模塊化和體系化植入，為不同專業、不同級別的學生提供定制化教學方案、進度管理以及過程性評價。
四是克服傳統專業門類和職業偏向的框架限制。專業門類與職業偏向是兩個相互關聯的節點，職業學校通常依據學科體系設置專業和課程，并由此形成相對鮮明的職業偏向。專業門類處于學科體系和職業體系的交織點，相對于學科體系而言，專業門類應更貼近社會不同領域和崗位的職業需求。隨著以人工智能為代表的高新技術發展和勞動介入，導致一些基于勞動密集型行業的傳統職業被智能技術替代或逐漸消失，也出現一些具有一定規模、具有獨立成熟的專業和技能要求的新職業。專業門類要不斷對現有框架作出調整，既要反映實際生產和職業體系的要求，也要體現職業功能目標的全面性以及技術技能應用水平的先進性，形成聚焦高新技術領域的新的職業偏向。例如，與人工智能、物聯網、大數據、云計算等相關的工程技術，與工業機器人相關的系統操作，以及與信息化應用相關的管理服務。
五是以制度建設統合市場機制和宏觀調控的雙重作用。推動職業教育緊跟人工智能科研和應用的步伐，源源不斷地為社會提供高質量技術技能型人才，不僅立足于市場機制下與日俱增的用工需求，還依賴于廣大教育消費者對職業教育的選擇響應。兩者在觸發時間和形成路徑上大相徑庭，通常企業用人需求對市場機制的反應最敏銳，而消費者觀念和行為的轉變則是在更為復雜的社會系統中緩慢推進。制度建設體現市場機制與宏觀調控的有機結合，是協調二者發展節奏、提升高等職業教育可及性和吸引力的重要路徑。無論是職業教育機構與組織的體系化建設還是其運行規則制定，都要充分考慮不同生源背景和基礎水平目標群體的需求偏好，為增量群體享有高質量高等教育和系統化知識體系提供服務，為存量群體持續發展、更新特定技能或知識提供支持，也為老齡群體更好適應數字化和智能化生活提供幫助。
來源：李鈺靖.發展新質生產力背景下技能勞動力需求特征及職業教育供給思路——基于人工智能勞動介入的研究視角[J].中國職業技術教育，2024（15）：13-24.
