当代中国就业市场正经历着人口结构转型、产业智能化升级与人工智能技术冲击的三重变奏。从人口维度看，“十四五”时期中国人口总量首次出现负增长，有关机构预测劳动力占比将从2020年的70.3%预计下降至2050年的59.8%，人口年龄中位数已从1980年的21.9岁上升至2020年的38.4岁，逼近主要发达国家水平。与此同时，劳动力素质结构持续优化，2023年劳动年龄人口平均受教育年限达11.05年，新增劳动力平均受教育年限为14年，接受高等教育的人口达到2.5亿人。
从产业维度看，中国正处于从工业社会向数字社会加速转型的关键期。数字经济高速增长对传统产业结构和就业结构造成深刻冲击，工业机器人已应用于国民经济71个行业大类，服务机器人产量同比增长34.3%。更根本性的变化来自人工智能技术的渗透——它不再是简单的自动化工具，而是正在形成以数智化为基本特征的“人工智能经济”。
从分配维度看，传统的“工资时代”正逐步让位于“个人溢价时代”。中国社会科学院学者田丰指出，数字经济时代的实质是“‘工资溢价’而非‘技能溢价’”，“代际红利源于选择而非绝对优势”。这意味着，劳动者获得的回报越来越不取决于其在企业中的岗位等级或工龄长短，而取决于其能否通过技术赋能直接对接市场需求、创造可量化的价值。这一趋势推动中国的就业形态加速向欧美模式趋近——个体不再依附于组织获取收入，而是直接成为市场的参与者。
一、从组织依附到市场直连
在工业时代，就业是国民收入分配的核心环节，也是产业控制劳动力成本的关键手段。企业通过劳动合同将劳动者纳入组织体系，以岗位工资、绩效考核、福利保障等方式实现对劳动力价值的“定价”与“分配”。这种模式下，劳动者的收入水平与其所在企业的规模、行业地位、盈利能力高度相关，形成了一种“组织依附型”分配机制。
然而，北京大学区域与国别研究院的研究表明，1978年以来，中美两国的劳动法在概念和运作上出现趋同态势，工人权益保障更多依赖劳动法执行，而工人参与机制逐渐弱化。这种变化看似强化了劳动者权益，实则揭示了一个更深层的转向：当工人无法通过集体协商和组织参与影响分配时，其收入决定机制便让渡给了市场。与此同时，企业通过劳务派遣、业务外包等方式规避劳动法约束的现象普遍存在，进一步弱化了传统雇佣关系的稳定性。
更极致的表现出现在“低底薪、高绩效”模式的泛滥中。近期引发广泛关注的32岁程序员加班猝死案例显示，其1.9万元月薪中底薪仅3000元，绩效占比超过80%，且需身兼多职、承担原需6-7人的任务量。这种薪酬结构实质上是将劳动者的生存保障与绩效产出深度绑定，迫使员工“用干得多换取高绩效、高工资”。其背后的逻辑是：企业正在退出“保障者”角色，转而成为“市场机会的中介者”——它不再为劳动者的稳定性付费，而只为劳动者创造的可量化价值付费。
其转变就是，就业作为分配环节的功能正在从“组织内部分配”转向“市场直接分配”。劳动者与企业之间不再是传统意义上的依附关系，而更像是“平台与节点”的关系。劳动者在企业的身份越模糊，其收入的“个人溢价”属性就越突出。
二、被解构的劳动关系与被切断的工龄
人工智能对就业的影响机制正在加速这一进程。中国劳动和社会保障科学研究院学者杨伟国提出，AI对就业存在“市场效应”与“范式效应”双重机制。在范式效应中，“就业岗位的解构效应是基础和基本表现形式”，还包括密度效应、价值效应、数据效应、流动效应和交付效应等一系列次级效应。更重要的是，“劳动力市场范式转变为工作任务市场范式”——这意味着，传统的“岗位”被解构为一个个具体的“工作任务”，劳动者不再占有岗位，只承接任务。
这种范式转变在现实中表现为两种看似矛盾的分配失调现象。
第一种是“用工隔离”导致劳动者权益虚化。工人日报调查发现，部分企业通过设立分公司、交叉任职、轮流签订劳动合同等方式进行形式上的“用工隔离”，试图切断劳动者工龄或否认劳动关系。有劳动者工作近11年，却因合同主体更换，维权时发现工龄被认定为仅1年。最高人民法院虽已出台司法解释保护劳动者权益，但这类现象的普遍存在本身就说明：当“工作任务市场范式”冲击“劳动力市场范式”时，传统以稳定雇佣为基础的分配保障机制正在失灵。
第二种是“绩效压榨”导致劳动者生命透支。前述程序员案例中，公司明确将“末位淘汰制”与加班时长纳入绩效考核，利用网络软件进行“无边界协作”，迫使员工“自愿”内卷。这种管理方式的实质是：企业利用技术手段将市场的不确定性和竞争压力直接传导至每个劳动者个体，让劳动者以个人身份直接承受市场波动的代价。
分配失调的深层后果是：劳动者既难以依附企业获得稳定保障，又尚未具备直接参与市场获取溢价的能力。处于“组织依附解体”与“个人能力未及”之间的中间地带，成为分配矛盾最尖锐的区域。
三、代际红利与技能溢价的分野
人口结构的深刻变化正在重塑劳动者与市场的关系。劳动力总量减少、年龄结构老化的趋势不可逆转，但这并不意味着劳动力要素的“退场”，而是意味着劳动力要素的“转型”——从数量型转向质量型，从标准化转向差异化。
中国社会科学院学者田丰的研究揭示了一个关键洞察：“代际红利和技术红利对青年群体择业和就业具有显著影响”，但“代际红利源于选择而非绝对优势”。这意味着，当前青年群体在就业市场上的相对优势，并非来自其技能水平的绝对领先，而来自其更早地拥抱数字经济、更灵活地选择就业形态的“选择红利”。然而，“若不能通过教育体系与培训机制的深刻变革，帮助青年从获取‘工资溢价’转向赢得‘技能溢价’，那么所谓的‘代际红利’将难以持续”。
这一判断指向人口适配高质量发展的核心路径：不是让劳动者被动等待组织分配岗位，而是让劳动者主动获取可直接对接市场的“技能溢价”。从“工资溢价”到“技能溢价”的跃迁，正是从“依附企业获得收入”到“直接参与市场获取回报”的跃迁。新增劳动力平均受教育年限已达14年的基础，为这一跃迁提供了人力资本支撑；而AI技术的普及，则为这一跃迁提供了工具可能——AI不仅是替代工作的力量，也是赋能劳动者的力量，“通过人机协作赋能劳动者，帮助劳动者实现人力资本自由配置理想，迈向真正的自由工作时代”。
人口自发适配高质量发展的微观机制正在形成：劳动者越来越清楚，与其寄望于企业的长期保障，不如投资于自身的市场价值。这种理性选择正在倒逼教育体系、培训体系和用工体系的变革。
四、一人公司、零工经济与招工难的三个侧面
“一人公司”、零工经济与招工难并存的现象，看似矛盾，实则共享同一逻辑：传统的“组织-员工”纽带正在瓦解，新的“个人-市场”连接正在形成。
“一人公司”现象——即劳动者以个人身份注册公司或以独立承包人身份承接项目——是“工作任务市场范式”的极致体现。劳动者不再追求进入大企业获得稳定收入，而是直接面向市场交付任务、获取报酬。这种形态下，劳动者的收入完全取决于其个人品牌、专业技能和交付能力，是“个人溢价”的最纯粹形式。
零工经济的扩张则是同一逻辑的另一种表现。平台型企业通过技术手段将海量劳动者与海量需求直接连接，劳动者按单结算、按需上线，企业不承担传统用工的保障责任。这种模式在创造灵活就业机会的同时，也固化了“以高强度、低技能增长为特征的数字劳动模式”。
与两者并存的却是普遍的“招工难”——企业抱怨招不到人，尤其是招不到愿意长期稳定工作的人。这一矛盾的根源在于：当劳动者发现自己无法从稳定就业中获得足够溢价时，便倾向于选择灵活就业以博取更高回报；而当劳动者选择灵活就业时，企业又抱怨用工不稳定。这是一种双向的“预期错配”——企业仍希望以传统方式获得稳定劳动力，劳动者却已不愿以传统方式出卖劳动力。
中日人力资源管理的对比在此具有启示意义。日本大企业长期奉行“终身雇佣+年功序列”，裁员极少，用工稳定。中国则以市场化、灵活用工与绩效导向为主，固定期限合同普遍、外部招聘频繁、人员流动率高。当前的变化并非中国向日本模式靠拢，而是中国在既有市场化基础上进一步向欧美模式演进——个人溢价取代年功序列，市场连接取代组织依附。与日本“企业共同体”的坚守不同，中国正加速进入“个体即公司”的时代。
五、从“依附或压榨”的博弈到“赋能与溢价”的共生
展望未来，中国的就业形态与分配机制将沿着“个人溢价”和“市场直连”的方向继续演进。在这一进程中，无论是企业试图压榨员工，还是员工试图依附企业，都将趋于失效——因为压榨的前提是劳动者无法脱离组织，依附的前提是组织能够提供溢价，而这两个前提都在瓦解。
真正有效的路径是构建“赋能与溢价”的共生关系。
对于劳动者而言，需要完成从“获取工资溢价”到“赢得技能溢价”的转型。这意味着要主动拥抱AI技术、提升可市场化的专业技能、建立个人品牌和交付能力。在“工作任务市场范式”下，劳动者本质上都是自己的CEO，需要经营自己的“人力资本公司”。
对于企业而言，需要完成从“用工控制”到“价值赋能”的转型。当劳动者不再依附于组织时，企业吸引优秀人才的方式就不再是“提供稳定岗位”，而是“提供增值机会”——包括接触前沿技术的机会、积累稀缺经验的机会、建立行业声望的机会。企业对劳动者的控制力越弱，对劳动者的赋能力就必须越强。
对于政策制定者而言，需要探索“发展式治理模式”——不是试图用旧制度“回归式”地保护旧形态，也不是“补丁式”地修补漏洞，而是在坚定不移发展人工智能的框架中，“保护劳动权利、创造工作机会、更新工作技能、创新社会保障与收入保障体系”。未来的社会保障需要从“单位保障”转向“个人账户保障”，从“就业关联”转向“身份关联”，让劳动者无论以何种形态参与市场，都能获得基本保障和持续发展的支持。
常规工资时代的终结，不是劳动者价值的终结，而是劳动者价值回归个体本身的开始。当每个人都需要直接面对市场、直接交付价值、直接获取回报时，真正的“个人溢价时代”才刚刚拉开帷幕。在这个时代，劳动者不再是企业账册上的成本项，而是自身人力资本的所有者和经营者。这既是挑战，也是解放。
)
)
)
)
)
)
)
)
)
)
)
)