引言

2024年以来，人工智能技术呈现爆发式增长，成为引领新一轮科技革命与产业变革的核心动力。我国人工智能产业规模已突破7000亿元，连续多年保持20%以上的增速，大模型数量居世界首位，专利申请量占全球近四成，技术正从概念走向深度赋能各行各业。大模型加速向多模态演进，生成式人工智能产品与办公协同、教育普惠、工业设计等领域深度融合，构建起覆盖广泛的智能应用生态。与此同时，“人工智能+”首次被写入2024年政府工作报告，2025年政府工作报告进一步强调持续推进“人工智能+”行动，推动数字技术与制造优势、市场优势深度融合，大力发展智能制造装备和智能终端。在地方实践中，人工智能已在政务、城市治理、传统产业等领域实现广泛应用，展现出强劲的赋能效应。在这一技术变革背景下，我国近3亿农民工群体的就业正经历深刻转型。研究表明，工业机器人的广泛应用已导致79.4%从事常规岗位的劳动者被迫转向技能要求更低的行业；人工智能虽未显著压缩农民工的总体就业规模，却引发收入水平下降与非正规就业比例上升的结构性变化。这一现象超越了传统技术替代论的框架，凸显出人工智能对农民工就业影响的多维性与复杂性。随着智能制造、智能巡检等应用场景在制造业等领域的快速渗透，农民工就业正在经历全面重构。然而，人工智能究竟如何影响农民工就业质量？其作用机制是什么？不同区域是否表现出差异化的影响效果？对上述问题的系统解答，对于科学研判技术变革背景下农民工就业态势、制定精准有效的就业促进政策具有重要意义。本文利用中国家庭追踪调查数据与国际机器人联合会数据，实证考察人工智能对农民工就业质量的影响效应、中介机制与区域异质性，以期为推动人工智能赋能农民工高质量就业提供经验支撑。

文献综述与理论基础

（一）文献综述

人工智能作为新一轮科技革命的核心驱动力，其对劳动力市场的深刻影响已成为学术界关注的焦点。王君等认为人工智能对就业的影响呈现出替代效应与创造效应并存的复杂图景。谢萌萌等基于中国制造业企业的微观实证研究进一步证实，人工智能对企业内低技能劳动力就业的负向效应随应用时间的延长而增强，呈现出先凸后凹的动态特征。何勤等指出，从长期和宏观视角看，人工智能会通过催生新兴产业创造新的就业岗位。Autor的研究表明，在发达经济体中，人工智能加剧了就业的极化趋势；但在中国情境下，陈晓等的研究发现，工业智能化主要呈现出单极化特征，即显著增加对高等技能劳动力的需求、替代中等技能劳动力，而对低等技能劳动力的影响尚不显著。这一结论对于理解大多处于中低技能岗位的农民工就业前景至关重要。

关于农民工就业质量的研究，学术界主要从内涵测度和影响因素两个维度展开。在就业质量测度方面，学者们普遍借鉴国际劳工组织提出的“体面劳动”理念，从多维视角构建评价指标体系。张广胜和王若男从工资收入、福利保障、工作稳定性、工作强度四个客观维度构建指标体系；齐乐和陶建平同样采用劳动报酬、工作强度、工作稳定性和社会保障四个维度；陈腾腾和朱谢群则进一步纳入工作满意度这一主观维度，采用熵值法构建综合评价体系。在技术进步对农民工就业质量的影响方面，现有研究主要从产业智能化、数字经济和数字普惠金融等视角展开。关于产业智能化的研究发现，其对农民工就业质量具有“替代效应”和“智能化效应”，其中“替代效应”占主导地位，通过降低工作稳定性和社会保障水平阻碍高质量就业。关于数字经济发展的研究表明，数字经济发展通过重塑工作特征和促进机会公平显著提升农民工就业质量，并呈现出包容性特征。关于数字普惠金融的研究发现，其通过提高个体信息获取效率和提升家庭创业水平显著改善农民工就业质量。

具体到人工智能对农民工就业质量的影响，学术界存在两种不同的观点。一种观点认为，人工智能应用会对农民工就业质量产生负面影响。有研究认为产业智能化对农民工就业质量的“替代效应”占主导地位，通过降低工作稳定性和社会保障水平阻碍高质量就业。从人力资本理论视角的研究指出从事常规性、操作性特征岗位的农民工更易被替代。另一种观点则认为，人工智能应用能够提升农民工就业质量。苏妍等利用国际机器人联合会数据和中国劳动力动态调查数据的实证研究表明，机器人应用显著提升了农民工就业质量，突出表现在降低工作强度、提高工作稳定性和福利保障水平等方面。魏下海等的研究表明，机器人应用会重塑城市劳动力市场的工作任务结构。

（二）理论基础

1.内生增长理论

内生增长理论将技术进步视为经济系统内生的结果，认为其源于企业等主体持续的研发投入、人力资本积累与创新活动。该理论为本研究提供了关键的宏观动态视角：首先，人工智能技术的发展与应用具有内生性，当前中国的产业智能化转型源于微观主体为追求增长与竞争力所推动的持续创新过程。其次，内生技术进步具有非中性和技能偏向特征，人工智能技术更倾向于与高技能劳动力互补，提高其边际产出，进而改变不同技能群体在劳动力市场中的相对地位。最后，内生增长理论强调由技术驱动的产业结构升级是实现经济持续增长的关键路径，人工智能通过提升全要素生产率，推动经济结构从劳动密集型向技术密集型升级，这一过程必然伴随劳动力在产业、行业间的重新配置，从而引发就业结构变迁。基于上述机制，本文认为人工智能作为内生的、技能偏向型技术进步，很可能通过推动产业结构升级这一关键路径间接作用于农民工就业质量。据此，提出假说：

H1：产业结构升级在人工智能影响农民工就业质量的过程中发挥中介作用。

2.技术—技能互补假说

技术—技能互补假说强调，技术进步并非均质地提升所有要素的生产率，而是倾向于与高技能劳动力互补，并与低技能劳动力形成替代，这一非中性特征在嵌入先进设备和软件的技术中尤为显著。刘汶荣指出该互补效应具有组织条件性，即在高效运作的企业环境中，技术与高技能劳动力的协同作用更为明显。关爱萍与谢晶从宏观层面验证了资本与技能的互补效应，表明人工智能系统的引入偏向能够与之高效协作的高技能劳动力，并抬升其市场回报。在人工智能语境下，互补效应与替代效应均被强化：一方面，人工智能系统的运维、优化与创新需较高认知水平和专业知识，从而与高技能劳动力形成强互补，扩大其需求与薪酬优势；另一方面，人工智能在执行标准化、程序化的体力和认知任务上具有显著效率优势，因而对主要从事此类工作的低技能农民工构成强替代。这一机制有效解释了农民工群体内部出现的结构性分化：少数实现技能提升、能够与人工智能协同的农民工获得“技术红利”，而多数技能结构固化的农民工则面临就业挤压与收入停滞。基于上述逻辑，本文认为技能极化是人工智能影响农民工就业质量的关键路径。据此，提出假说：

H2：技能极化在人工智能影响农民工就业质量的过程中发挥中介作用。

三、研究设计

（一）数据来源

本文所使用的微观数据来源于中国家庭追踪调查数据（CFPS）。该调查样本覆盖全国25个省/市/自治区，涵盖个体、家庭与社区三个层面的追踪信息。基于研究目的，本文选取2014至2022年共五期CFPS非平衡面板数据，并按如下步骤进行样本筛选：依据国家统计局对农民工的界定，选取年龄在16至63岁（男性）或16至55岁（女性）、从事非农工作的农业户籍个体；保留就业结构与人工智能相关变量完整的样本；剔除存在关键变量缺失或异常值的观测值。在宏观数据方面，本文采用的机器人数据来自国际机器人联合会（IFR）提供的国家—行业层面机器人存量指标，其余地区与行业层面的控制变量数据来源于《中国统计年鉴》《中国劳动统计年鉴》及各省份统计年鉴等官方出版物。经数据清洗、匹配与整理，最终获得有效样本12782个。

（二）变量说明

1.被解释变量

农民工就业结构。借鉴明娟等、戚聿东等的做法，从微观层面的工作收入、社会保障、工作稳定性、工作满意度，以及宏观层面的行业年平均工资五个维度，构建农民工就业质量的综合评价指标体系。具体而言，工作收入以问卷中“受访者过去12个月的总收入”衡量；社会保障以“是否拥有五险”反映；工作稳定性以“是否签订劳动合同”表示；工作满意度采用五级量表测度；行业年平均工资则依据省级宏观数据匹配至每位农民工个体。最后采用标准化和主成分分析法合成综合指标。

2.核心解释变量

人工智能水平。为测度人工智能技术的实际渗透程度本文参照Acemoglu等并结合芦婷婷等的测度方法，采用工业机器人密度作为其代理变量。本文所使用的工业机器人原始数据来源于国际机器人联合会（IFR）发布的国家—行业层面机器人存量统计。在具体构建过程中，首先在国家—行业层面计算机器人存量与全国对应行业就业人员数之比，随后以各省份内各行业的就业份额为权重进行加权汇总，最终构建出省级层面的人工智能水平指标。

3.中介变量

产业结构升级。干春晖等采用第三产业与第二产业的产值之比衡量产业结构升级，认为该指标能反映经济结构服务化倾向，若该指标上升，则表明产业结构升级。本文采用第三产业产值与第二产业产值之比作为产业结构升级的衡量指标。

技能极化。作为技能偏向型技术，人工智能的应用对不同技能层级劳动力产生非对称影响，可能引致极化现象，即高、低技能岗位增长，中等技能岗位收缩。本文依据农民工受教育年限将其划分为三类技能群体：低技能（≤9年）、中技能（=12年）和高技能（≥15年），进而分析人工智能对不同技能群体的差异化影响。

4.控制变量

为控制其他潜在因素对农民工就业结构的影响，本文参考相关研究，从个体与地区两个层面选取控制变量。在个体层面，控制性别、年龄、婚姻状况与健康状况；在地区层面，控制经济发展水平、信息化水平、工业化水平与财政支出情况。

四、实证分析

（一）模型设定

1.基准回归模型

为检验人工智能对农民工就业质量的影响，本文构建如下基准回归模型：

其中，i和t分别表示省份、年份；MEQ表示农民工就业质量；Robot表示工业机器人密度；X为控制变量；和分别表示省份与年份固定效应；为随机扰动项。

2.机制检验模型

为识别人工智能影响就业结构的中介路径，本文构建如下中介效应模型：

其中，M为中介变量，即产业结构升级、技能极化。

（二）基准回归结果

表1报告了人工智能对农民工就业结构质量的基准回归结果。列（1）仅控制省份与时间固定效应，人工智能水平的系数为0.968，在1%水平上显著为正。列（2）加入控制变量后，系数下降但仍显著，表明人工智能对农民工就业质量具有稳健的优化作用。控制变量方面，年龄和婚姻状况对就业结构存在显著负向影响，而健康状况与经济发展水平则显著为正，说明年轻、健康的劳动力和良好的区域经济环境有助于就业结构优化。

	农民工就业质量	农民工就业质量
人工智能水平	0.968***(0.270)	0.813**(0.369)
性别		0.025(0.025)
年龄		-0.008***(0.002)
婚姻状况		-0.152***(0.023)
健康状况		0.045***(0.009)
经济发展水平		0.765***(0.236)
信息化水平		0.031(0.023)
工业化水平		0.465(1.311)
财政支出		0.042(0.699)
省份固定效应	控制	控制
时间固定效应	控制	控制
常数项	-0.217***(0.060)	-3.847(3.534)
样本量	12782	12782
R2	0.309	0.341

注:括号内为稳健标准误;***、**和*分别表示在1%、5%和10%的水平上显著。以下各表同。

（三）内生性检验

为缓解模型可能因遗漏变量或反向因果导致的内生性问题，本文参考赵涛等和苏策的做法，选取“1984年各省固定电话数量与当年互联网用户数的交互项”作为工具变量进行两阶段最小二乘估计。由表2可知，第一阶段中工具变量对人工智能水平存在显著正向影响，满足相关性要求；第二阶段中系数仍在1%水平上显著为正，与基准回归结论一致。该结果表明在控制内生性干扰后，人工智能对农民工就业质量的提升效应仍稳健。

	农民工就业质量	农民工就业质量
人工智能水平		0.591***(0.117)
工具变量	0.507***(0.124)
常数项	3.245***(26.774)	-2.981***(-3.562)
控制变量	控制	控制
省份固定效应	控制	控制
时间固定效应	控制	控制
样本量	12782	12782
R2	0.475	0.471

（四）稳健性检验

为验证基准回归结果的可靠性，本文采用以下三种方法进行稳健性检验：

（1）剔除极端值。考虑到北京、上海、天津、重庆四大直辖市在政策与经济结构上的特殊性，将其样本予以剔除后重新回归。由表3列（1）可知，人工智能的系数仍在1%水平上显著为正，表明结果不受特殊行政区域的影响。

（2）更换被解释变量。采用等权重法重新构建农民工就业结构指数，该指数与主成分分析法指数高度相关。列（2）结果显示，人工智能系数依然显著为正，说明估计结果对不同测度方法具有稳健性。

（3）缩尾处理。对解释变量在1%和99%分位上进行缩尾，以缓解极端值影响。列（3）中系数依然显著，进一步支持基准结论的稳健性。

综上，三项检验均表明人工智能对农民工就业质量的促进效应稳定存在。

	就业质量	就业质量	就业质量
人工智能水平	0.640***(0.198)	0.367**(2.14)	0.010*(1.96)
控制变量	控制	控制	控制
省份固定效应	控制	控制	控制
时间固定效应	控制	控制	控制
常数项	-3.225(5.402)	0.940*(0.534)	5.702(6.066)
样本量	11754	12782	12782
R2	0.258	0.596	0.182

（五）中介效应

为揭示人工智能影响农民工就业质量的内在机制，本文检验了产业结构升级与技能极化的中介效应，结果如表4。列（1）和（2）显示，人工智能显著促进了产业结构升级，而产业升级又对农民工就业质量产生显著正向影响），说明产业结构升级是重要的传导渠道。列（3）和（4）表明人工智能加剧了技能极化，技能极化进一步推动就业质量变化，反映出技能需求结构变化的中介作用。

	产业升级效应	就业结构	技能极化效应	就业结构
人工智能水平	0.316*** (0.127)	0.103*** (0.101)	0.070*** (0.028)	0.060*** (0.005)
产业结构升级		1.076*** (0.082)
技能极化				0.142*** (0.024)
控制变量	控制	控制	控制	控制
常数项	5.376*** (0.133)	-1.232** (0.533)	1.200*** (0.046)	0.300*** (0.044)
样本量	12782	12782	12782	12782
R2	0.806	0.875	0.500	0.600

（六）异质性分析

为考察人工智能水平对农民工就业质量影响的地区差异，本文将全样本划分为东部、中部、西部及东北地区进行分组回归。结果如表5所示，人工智能的影响存在明显的区域异质性。东部地区人工智能系数为0.481且在1%水平上显著为正，表明其就业质量提升效应在技术基础与产业结构更为先进的东部最为突出。中部与西部地区的系数虽为正，但未通过显著性检验，可能源于其产业结构传统、数字基础设施相对滞后，加之劳动力技能与新技术之间存在结构性错配，限制了人工智能对就业质量的整体带动作用。东北地区为显著的负向影响，反映出该地区在传统重工业转型背景下，人工智能可能更多表现为对现有就业岗位的替代，对农民工就业质量形成短期冲击。

变量	东部地区	中部地区	西部地区	东北地区
	就业质量	就业质量	就业质量	就业质量
人工智能水平	0.481***(9.160)	0.173(2.033)	0.297(0.848)	-0.185***(-2.314)
控制变量	控制	控制	控制	控制
省份固定效应	控制	控制	控制	控制
时间固定效应	控制	控制	控制	控制
样本量	5413	2924	3059	1386
R2	0.324	0.363	0.356	0.432

六、研究结论与政策建议

本文利用2014—2022年中国家庭追踪调查数据与国际机器人联合会提供的机器人数据，实证考察了人工智能应用对农民工就业质量的影响效应、作用机制及区域异质性，得出如下主要结论：第一，人工智能应用显著提升了农民工就业质量。基准回归结果显示，人工智能对农民工就业质量的影响系数在1%水平上显著为正，表明人工智能技术通过提高生产效率、创造新就业形态等渠道，对农民工就业质量产生了积极的赋能效应。经过工具变量法处理内生性、剔除直辖市样本、更换被解释变量测度方法等一系列稳健性检验后，该结论依然成立。第二，产业结构升级与技能极化是人工智能影响农民工就业质量的重要传导路径。中介效应检验表明，人工智能通过推动产业结构向服务化、高级化转型，进而改善农民工就业质量；同时，人工智能作为技能偏向型技术进步，加剧了高、中、低技能劳动力之间的技能极化，这种极化效应进一步传导至就业质量，反映出技能结构变化在技术进步与就业质量之间的关键作用。第三，人工智能对农民工就业质量的影响存在显著的区域异质性。东部地区凭借其先进的技术基础和产业结构，人工智能的就业质量提升效应最为突出；中部与西部地区效应虽为正但不显著，可能源于其产业结构传统、数字基础设施滞后及劳动力技能与新技术之间的结构性错配；东北地区则呈现显著的负向影响，反映出该地区在传统重工业转型背景下，人工智能可能更多表现为对现有就业岗位的替代，对农民工就业质量形成短期冲击。

由此，本文提出如下政策建议：

首先，应积极推动人工智能与实体经济深度融合，充分发挥技术进步对农民工就业质量的赋能效应。各级政府应持续完善数字基础设施建设，加快产业智能化转型进程，鼓励企业引入智能制造设备，通过提高生产效率和创造新型就业岗位，为农民工高质量就业提供更多机会。同时，应密切关注人工智能对就业结构的动态影响，建立就业监测预警机制，及时应对可能出现的技术性失业风险。

其次，应重视产业结构升级过程中的就业质量协同提升。在推动制造业向高端化、智能化转型的同时，大力发展现代服务业，拓展农民工就业空间。应通过产业政策引导，促进传统产业与新兴产业的融合发展，充分发挥产业结构升级对就业质量的正向传导作用。对于中西部和东北地区，应加大产业转移支持力度，改善当地产业结构基础，缩小区域间发展差距。

再次，应着力缓解技能极化带来的结构性就业矛盾。针对人工智能对低技能劳动力的替代效应，应构建覆盖广泛、层次分明的职业技能培训体系。政府可联合职业院校、企业实训基地和社会培训机构，开展面向农民工的定向技能提升项目，重点培养数字技术应用能力、设备操作维护能力及与人工智能协同工作的能力。尤其要关注新生代农民工的技能转型，支持其从常规技能向非常规技能转换，提升思考能力、社交能力和语言表达能力，增强其在智能化时代的就业竞争力。

最后，应因地制宜制定差异化就业促进政策。东部地区应持续发挥技术引领优势，推动人工智能与高端制造业、现代服务业深度融合，为农民工创造更多高质量就业岗位；中部和西部地区应加快数字基础设施建设，优化产业结构，缩小与东部地区的技术差距，同时加强本地农民工技能培训，缓解结构性错配问题；东北地区应重点关注传统产业转型中的就业替代问题，完善失业保障体系，通过发展接续产业、支持创业等方式，缓解人工智能对就业质量的短期冲击，确保农民工就业稳定。

参考文献：

1. [1] 王君,张于喆,张义博,等.人工智能等新技术进步影响就业的机理与对策[J].宏观经济研究,2017(10):169-181.
2. [2] 谢萌萌,夏炎,潘教峰,等.人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究[J].中国管理科学,2020,28(12):54-66.
3. [3] 何勤,李雅宁,程雅馨,等.人工智能技术应用对就业的影响及作用机制研究——来自制造业企业的微观证据[J].中国软科学,2020(S1):213-222.
4. [4] Autor D H, Levy F, Murnane R J. The skill content of recent technological change: An empricial exploration[J]. Quarterly journal of economics,2003(04):1279-1333.
5. [5] 陈晓,郑玉璐,姚笛.工业智能化、劳动力就业结构与经济增长质量——基于中介效应模型的实证检验[J].华东经济管理,2020,34(10):56-64.
6. [6] 张广胜,王若男.数字经济发展何以赋能农民工高质量就业[J].中国农村经济,2023(01):58-76.
7. [7] 齐乐,陶建平.产业智能化与农民工就业质量的影响机理及提升路径[J].华中农业大学学报（社会科学版）,2023(01):34-46.
8. [8] 陈腾鹏,朱谢群.数字普惠金融对农民工就业质量的影响研究[J].金融经济学研究,2026,41(02):160-176.
9. [9] 苏妍,逯进,贺晓丽.机器人应用对农民工就业质量的影响[J].中国人口科学,2025,39(03):67-82.
10. [10] 魏下海,张沛康,杜宇洪.机器人如何重塑城市劳动力市场:移民工作任务的视角[J].经济学动态,2020(10):92-109.
11. [11] Romer P M. Endogenous technological change[J].Journal of political economy,1990,98(05):71-102.
12. [12] Aghion P, Howitt P. A model of growth through creative destruction[J]. Econometrica,1992,60:323-351.
13. [13] Acemoglu D. Technical change, inequality, and the labor market[J].Journal of economic literature,2002,40(01):7-72.
14. [14] 刘汶荣.基于资本—技能互补与技术—技能偏向的高技能劳动者培养研究[J].职业技术教育,2021,42(30):41-46.
15. [15] 关爱萍,谢晶.技能偏向性技术进步、“资本—技能”互补与技能溢价[J].软科学,2020,34(09):24-29.
16. [16] 明娟,曾湘泉.工作转换与受雇农民工就业质量:影响效应及传导机制[J].经济学动态,2015(12):22-33.
17. [17] 戚聿东,刘翠花,丁述磊.数字经济发展、就业结构优化与就业质量提升[J].经济学动态,2020(11):17-35.
18. [18] Acemoglu D, Restrepo P. Robots and jobs: Evidence from U.S. labor market[J]. Journal of political economy,2020,128(06):2188-22444.
19. [19] 芦婷婷,祝志勇.人工智能对劳动收入份额影响的空间溢出效应——基于静态空间杜宾模型和动态空间杜宾模型的分析[J].经济问题探索,2022(05):65-78.
20. [20] 干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011,46(05):4-16+31.
21. [21] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.
22. [22] 苏策.数字经济对产业结构和就业结构协调发展的影响[J].企业经济,2022,41(11):82-93.