论文部分内容阅读
中国从未停下变革的脚步。
推动中国高速发展和日益繁荣的传统驱动因素正在发生变化，创新带来的生产力提升正在成为今天进一步提高人民生活水平的动能，一场大规模的技能转型势在必行。
此外，数字化和自动化的全面推进正在深度改变劳动力市场的格局以及未来的技能需求。到2030年，多达2.2亿中国劳动者（约占劳动力总数的30%）或需变更职业。
根据麦肯锡全球研究院的未来工作模型预测，该数字约占全球工作变更总数的1/3。鉴于中国庞大的人口和劳动力， 其转型经验和解决方案，或可为面临相似挑战的其他经济体提供广泛参考。
过去30年，中国在居民收入（增长10倍）、劳动生产率（增长10倍）、GDP（增长13倍）方面取得了显著进步，但同时，一些关键驱动因素的作用却在减弱。正因如此，通过创新驱动生产力增长和技能转型，进而提高人民的工资和生活水平，其重要性愈发凸显。
根据一些智库的数据解读，中国的长远目标是到2050年，将国内人均GDP与高收入经济体人均GDP之比从现在的27%提升到70%。为实现这一目标，情景模拟分析显示，中国需要在2050年之前保持每年4.7%的人均GDP增长和4.9%的工资增长。
2013年以来，中国的劳动适龄人口有所减少。麦肯锡全球研究院2016年的研究发现，若中国完成从投资驱动增长向生产力驱动增长的转型，到2030年，中国的家庭收入或将提高5.1万亿美元（33万亿元人民币）。
通常而言，教育水平的高低决定了工资的差异。
在该领域，明瑟收入函数（Mincer earnings function）被广泛应用，其函数模型确立了工资收入与教育和工作经历之间的关系。世界银行对139个国家、地区的1120项估算数据进行了分析，结果显示，按照个人终身收入总额计算，每增加一年教育经历的平均回报率约为9%。1950-2000年间，该数字一直保持在9%，2000年之后小幅增长到10%。
Goldin和Katz关于教育与技术间的竞赛理论可以解释这种增长。这项影响深远的劳动经济学研究认为，技术进步具有“技能偏见”，会导致收入不平等，而教育是调节这种不平等的关键一环。劳动者技能水平越高，工资就越高。据估计，技能水平每提高一个标准差，工资大约可增长15%～20%;这种相关性在各个国家或地区均十分显著，高技能劳动者的工资可能为低技能劳动者的两倍（如英国和美国）。
此外，在技能需求得到滿足的国家、地区，工资不平等程度较低。例如，在“全球工资比”国家、地区排名中，第90百分位与第50百分位之间的差距，有1/3 是由于高技能劳动力的净供给不足。这表明劳动力技能的净供给对社会平等有积极影响。
还有证据表明，劳动力市场愈发青睐劳动者的社交技能。在1980-2012年间的美国，同时对数学和社交技能要求很高的工作增长（及其工资增长）均尤为强劲。一项研究发现，社交技能每增长一个标准差，工资约增长10%。社交技能的“受宠”，是因为自动化技术难以胜任社会类与情感类工作，而较高的社交技能有助于提高团队合作效率。
在两大趋势的影响下，中国经济和劳动力市场正在经历一场巨变。
第一个趋势是：中国逐渐从出口、制造、投资拉动型经济，转向内需、服务和创新驱动型经济。
这种转变极大地改变了现有工作类型。为满足当今和未来劳动力市场需求，学生和劳动者所需的教育和技能培训也发生了改变。未来中国或将面临高学历、高技能人才缺口，而国家要全面实现现代化，必须教育、培养更多走在前沿的创新人士和技能娴熟的专业人才。
资料来源：世界银行;麦肯锡全球研究院分析
第二个趋势是：数字化和自动化浪潮正在席卷全球。
因此，无论是以重复性体力劳动为代表的制造业岗位，还是需要数据输入和验证等基本认知技能的服务业岗位，其需求都在减少。
麦肯锡全球研究院的未来工作模型为本报告提供了量化分析，并对自动化可能取代或带来的工作类型进行了分析。根据研究表明，在中等自动化和早期应用自动化两种情景下，全球将分别有约15%和30%的工作被取代。由于技术进步和新冠疫情的催化作用，这一比例现有所提高。
研究考虑了两种情景：一 是基于当前支出和投资趋势的“趋线”情景（trendline scenario），二是需要在某些领域加大投资的“加速”情景（step-up scenario）。
在“趋线”情景下，推动劳动力需求的因素包括收入增加、养老医疗需求、技术支出、房地产建设投资、基础设施投资、能源转换和效率等。在“加速”情景下，就业岗位的增加也将得益于房地产建设、基础设施、能源转换和效率等方面的投资提升，以及家务和育儿等无偿劳动的市场化推进。
严格而言，中国约有3.95亿全职（或等同全职）岗位可以实现自动化;换言之，约有3.6万亿美元的工资收入可能受自动化影响。
首先是职业变更。
到2030年，中国可能有多达2.2亿劳动者（占劳动力总数的30%）需要变更职业，大约占全球变更职业总数的1/3。
为详细分析劳动力市场需求变化，及其带来的职业结构的改变，我们把中国的劳动者分成6种从业类型，分别是前沿创新者、熟练专业人才、行政白领、一线服务人员、制造业工人、建筑和农业劳动者。 我们的模拟分析显示，前沿创新者的需求可能增长46%，熟练专业人才增长 28%，一线服务人员增长23%，制造业工人减少27%，建筑和农业劳动者减少28%（参见图2）。
1. 已考虑新冠疫情带来的影响。注：由于四舍五入，数字总和可能不等于100%数据来源：国际劳工组织（ILO）： 中国国家统计局;o*NET; 牛津经济研究所;麦肯锡全球研究院分析
自动化推动了中国劳动力市场技能需求类型的持续变化，当下教育和培训体系很难完全满足劳动力市场的未来技能需求，这凸显了提升技能和持续提供再培训的重要性。我们的模拟显示，约有4500万至2.2亿劳动者（约占2030年劳动力总数的6%～30%）可能需要变更职业。这一范围的下限基于中等自动化情景，上限基于早期应用情景。按照上限值计算，全球需要变更职业的总人数高达6.05亿，中国约占1/3。
其次是技能转型。
在中等自动化情景下，到2030年，约有5160亿工时（平均到每名劳动者约为87天）或将需要重新部署。对体力和人工操作技能的需求下降，对社会和情感沟通技能以及技术技能的需求上升。总体来说，体力和人工操作技能以及基础认知技能的需求将分别下降18%和 11%，社会和情感沟通技能以及技术技能需求则会分别增加18%和51%。（参见图3）
数据来源：国际劳工组织（ILO）： 中国国家统计局;o * NET; 牛津經济研究所;麦肯锡全球研究院分析
在中国，一线服务人员是最大的需求增长来源。随着中国消费者变得越来越成熟，他们对服务业劳动者的要求也越来越高。服务业从业人员必须不断提升自身的沟通、交流和纠纷处理能力，同时还要加强技术技能，善用各种数字化工具来提高生产力。上述两大类技能的需求量有望分别增长5%和77%。
在所有制造业工人中，与体力和人工操作技能相关的工作量约占70%。今后，此类技能的占比将减少约12%，而对技术技能的需求则有望增长58%。与制造业工人类似，体力和人工操作技能约占建筑和农业劳动者职业活动的75%。当然，考虑到目前对技术技能的需求水平仍旧较低，此类需求有望增长396%。农民需要加强基础数字化技能培训，学习操作机械工具，并利用数字化设备来收集土壤、产量和市场信息 。
再次是平等推进。
面对劳动力市场和技能的变化，农民工面临的挑战或更为严峻。
2019年，全国农民工总数为2.91亿人。随着中国城镇化的继续推进，按照历史趋势计算，农民工规模或将在2030年将达到3.31亿人。约有22%至40%的中国农民工易受自动化的影响，受影响的总工时约为1510亿至2770亿小时，平均每人57至105天。因此，需要特别关注农民工群体，帮助他们进行必要的转变。中国若能有效推动劳动力和技能转型，便有望实现工资水平的总体提升。
我们根据从业类型的不同对工资增长情况进行了一个划分。在前瞻性模拟中，为了实现整体工资年度增速为4.9%的目标，考虑了两项因素。
首先，是职位本身的工资增长。官方数据表明，2014-2019年，前沿创新者每年的工资增速为6.4%，熟练专业人才为7.6%，行政白领为6.1%，一线服务人员为5.8%，制造业工人为4.6%，建筑和农业劳动者为4.8%。这一趋势将会延续下去，从而使高需求岗位比低需求岗位面临更高的工资增长压力。据此，不同从业类型每年可能会实现2.4%～4.0%不等的工资增长。
其次，是劳动者向高收入工作的流动。例如，一名从事农活的劳动者成功转型为一线服务人员后，其收入可能会翻番。我们的模拟显示，到2030年，中国的年工资或可增长约 5万亿美元，其中约有70%来自于职业本身，而剩余30%则来自于转行。
中国过去30多年的教育改革，打造了一支以适应工业经济发展需要为导向的劳动力队伍。随着中国迈入后工业时代，教育和技能发展体系也需要做出相应调整，中国劳动者职业和技能转变的规模将是空前的。
本文节选自麦肯锡全球研究院报告《中国的技能转型：推动全球规模最大的劳动者队伍成为终身学习者》，编辑中略有改动，经授权刊载。
推动中国高速发展和日益繁荣的传统驱动因素正在发生变化，创新带来的生产力提升正在成为今天进一步提高人民生活水平的动能，一场大规模的技能转型势在必行。
此外，数字化和自动化的全面推进正在深度改变劳动力市场的格局以及未来的技能需求。到2030年，多达2.2亿中国劳动者（约占劳动力总数的30%）或需变更职业。
根据麦肯锡全球研究院的未来工作模型预测，该数字约占全球工作变更总数的1/3。鉴于中国庞大的人口和劳动力， 其转型经验和解决方案，或可为面临相似挑战的其他经济体提供广泛参考。
迫在眉睫的改变
过去30年，中国在居民收入（增长10倍）、劳动生产率（增长10倍）、GDP（增长13倍）方面取得了显著进步，但同时，一些关键驱动因素的作用却在减弱。正因如此，通过创新驱动生产力增长和技能转型，进而提高人民的工资和生活水平，其重要性愈发凸显。
根据一些智库的数据解读，中国的长远目标是到2050年，将国内人均GDP与高收入经济体人均GDP之比从现在的27%提升到70%。为实现这一目标，情景模拟分析显示，中国需要在2050年之前保持每年4.7%的人均GDP增长和4.9%的工资增长。
2013年以来，中国的劳动适龄人口有所减少。麦肯锡全球研究院2016年的研究发现，若中国完成从投资驱动增长向生产力驱动增长的转型，到2030年，中国的家庭收入或将提高5.1万亿美元（33万亿元人民币）。
通常而言，教育水平的高低决定了工资的差异。
在该领域，明瑟收入函数（Mincer earnings function）被广泛应用，其函数模型确立了工资收入与教育和工作经历之间的关系。世界银行对139个国家、地区的1120项估算数据进行了分析，结果显示，按照个人终身收入总额计算，每增加一年教育经历的平均回报率约为9%。1950-2000年间，该数字一直保持在9%，2000年之后小幅增长到10%。
Goldin和Katz关于教育与技术间的竞赛理论可以解释这种增长。这项影响深远的劳动经济学研究认为，技术进步具有“技能偏见”，会导致收入不平等，而教育是调节这种不平等的关键一环。劳动者技能水平越高，工资就越高。据估计，技能水平每提高一个标准差，工资大约可增长15%～20%;这种相关性在各个国家或地区均十分显著，高技能劳动者的工资可能为低技能劳动者的两倍（如英国和美国）。
此外，在技能需求得到滿足的国家、地区，工资不平等程度较低。例如，在“全球工资比”国家、地区排名中，第90百分位与第50百分位之间的差距，有1/3 是由于高技能劳动力的净供给不足。这表明劳动力技能的净供给对社会平等有积极影响。
还有证据表明，劳动力市场愈发青睐劳动者的社交技能。在1980-2012年间的美国，同时对数学和社交技能要求很高的工作增长（及其工资增长）均尤为强劲。一项研究发现，社交技能每增长一个标准差，工资约增长10%。社交技能的“受宠”，是因为自动化技术难以胜任社会类与情感类工作，而较高的社交技能有助于提高团队合作效率。
变革进行时
在两大趋势的影响下，中国经济和劳动力市场正在经历一场巨变。
第一个趋势是：中国逐渐从出口、制造、投资拉动型经济，转向内需、服务和创新驱动型经济。
这种转变极大地改变了现有工作类型。为满足当今和未来劳动力市场需求，学生和劳动者所需的教育和技能培训也发生了改变。未来中国或将面临高学历、高技能人才缺口，而国家要全面实现现代化，必须教育、培养更多走在前沿的创新人士和技能娴熟的专业人才。
图1：保持人均GDP和工资增长是持续提升人民生活水平的关键
第二个趋势是：数字化和自动化浪潮正在席卷全球。
因此，无论是以重复性体力劳动为代表的制造业岗位，还是需要数据输入和验证等基本认知技能的服务业岗位，其需求都在减少。
麦肯锡全球研究院的未来工作模型为本报告提供了量化分析，并对自动化可能取代或带来的工作类型进行了分析。根据研究表明，在中等自动化和早期应用自动化两种情景下，全球将分别有约15%和30%的工作被取代。由于技术进步和新冠疫情的催化作用，这一比例现有所提高。
研究考虑了两种情景：一 是基于当前支出和投资趋势的“趋线”情景（trendline scenario），二是需要在某些领域加大投资的“加速”情景（step-up scenario）。
在“趋线”情景下，推动劳动力需求的因素包括收入增加、养老医疗需求、技术支出、房地产建设投资、基础设施投资、能源转换和效率等。在“加速”情景下，就业岗位的增加也将得益于房地产建设、基础设施、能源转换和效率等方面的投资提升，以及家务和育儿等无偿劳动的市场化推进。
严格而言，中国约有3.95亿全职（或等同全职）岗位可以实现自动化;换言之，约有3.6万亿美元的工资收入可能受自动化影响。
推动三大转型
首先是职业变更。
到2030年，中国可能有多达2.2亿劳动者（占劳动力总数的30%）需要变更职业，大约占全球变更职业总数的1/3。
为详细分析劳动力市场需求变化，及其带来的职业结构的改变，我们把中国的劳动者分成6种从业类型，分别是前沿创新者、熟练专业人才、行政白领、一线服务人员、制造业工人、建筑和农业劳动者。 我们的模拟分析显示，前沿创新者的需求可能增长46%，熟练专业人才增长 28%，一线服务人员增长23%，制造业工人减少27%，建筑和农业劳动者减少28%（参见图2）。
图2 ：调整劳动力结构时，需要考虑不同从业类型的劳动者
自动化推动了中国劳动力市场技能需求类型的持续变化，当下教育和培训体系很难完全满足劳动力市场的未来技能需求，这凸显了提升技能和持续提供再培训的重要性。我们的模拟显示，约有4500万至2.2亿劳动者（约占2030年劳动力总数的6%～30%）可能需要变更职业。这一范围的下限基于中等自动化情景，上限基于早期应用情景。按照上限值计算，全球需要变更职业的总人数高达6.05亿，中国约占1/3。
其次是技能转型。
在中等自动化情景下，到2030年，约有5160亿工时（平均到每名劳动者约为87天）或将需要重新部署。对体力和人工操作技能的需求下降，对社会和情感沟通技能以及技术技能的需求上升。总体来说，体力和人工操作技能以及基础认知技能的需求将分别下降18%和 11%，社会和情感沟通技能以及技术技能需求则会分别增加18%和51%。（参见图3）
图3 ：未来10年，中国的劳动力队伍需要实现三大转变
在中国，一线服务人员是最大的需求增长来源。随着中国消费者变得越来越成熟，他们对服务业劳动者的要求也越来越高。服务业从业人员必须不断提升自身的沟通、交流和纠纷处理能力，同时还要加强技术技能，善用各种数字化工具来提高生产力。上述两大类技能的需求量有望分别增长5%和77%。
在所有制造业工人中，与体力和人工操作技能相关的工作量约占70%。今后，此类技能的占比将减少约12%，而对技术技能的需求则有望增长58%。与制造业工人类似，体力和人工操作技能约占建筑和农业劳动者职业活动的75%。当然，考虑到目前对技术技能的需求水平仍旧较低，此类需求有望增长396%。农民需要加强基础数字化技能培训，学习操作机械工具，并利用数字化设备来收集土壤、产量和市场信息 。
再次是平等推进。
面对劳动力市场和技能的变化，农民工面临的挑战或更为严峻。
2019年，全国农民工总数为2.91亿人。随着中国城镇化的继续推进，按照历史趋势计算，农民工规模或将在2030年将达到3.31亿人。约有22%至40%的中国农民工易受自动化的影响，受影响的总工时约为1510亿至2770亿小时，平均每人57至105天。因此，需要特别关注农民工群体，帮助他们进行必要的转变。中国若能有效推动劳动力和技能转型，便有望实现工资水平的总体提升。
我们根据从业类型的不同对工资增长情况进行了一个划分。在前瞻性模拟中，为了实现整体工资年度增速为4.9%的目标，考虑了两项因素。
首先，是职位本身的工资增长。官方数据表明，2014-2019年，前沿创新者每年的工资增速为6.4%，熟练专业人才为7.6%，行政白领为6.1%，一线服务人员为5.8%，制造业工人为4.6%，建筑和农业劳动者为4.8%。这一趋势将会延续下去，从而使高需求岗位比低需求岗位面临更高的工资增长压力。据此，不同从业类型每年可能会实现2.4%～4.0%不等的工资增长。
其次，是劳动者向高收入工作的流动。例如，一名从事农活的劳动者成功转型为一线服务人员后，其收入可能会翻番。我们的模拟显示，到2030年，中国的年工资或可增长约 5万亿美元，其中约有70%来自于职业本身，而剩余30%则来自于转行。
中国过去30多年的教育改革，打造了一支以适应工业经济发展需要为导向的劳动力队伍。随着中国迈入后工业时代，教育和技能发展体系也需要做出相应调整，中国劳动者职业和技能转变的规模将是空前的。
本文节选自麦肯锡全球研究院报告《中国的技能转型：推动全球规模最大的劳动者队伍成为终身学习者》，编辑中略有改动，经授权刊载。