刘庆峰两会建议:面向AI时代变革,建议打通“教育-技能-就业-保障”全链条

新浪科技
Mar 05

专题:金融视角·聚焦2026年两会

  新浪科技讯 3月5日晚间消息,2026年全国“两会”期间,全国人大代表、科大讯飞董事长刘庆峰提交了《关于从人才培养、制度创新、社会保障等方面系统性顺应AI时代变革的建议》,他认为国家应该打通“教育-技能-就业-保障”全链条,系统性顺应AI时代带来的变革。

  当前,以大模型为代表的通用人工智能正快速重塑产业与就业结构。刘庆峰在建议中指出,AI时代转型期存在多重叠加的现实痛点:技术影响速度史无前例;生成式AI大规模冲击白领知识工作者,中等技能岗位加速萎缩,“就业极化”风险上升;教育与培训的人才供给与AI时代需求存在“供需失衡”,技能更新周期显著缩短;“超级个体”“一人公司”等新就业形态快速出现,但登记税制、社保转移接续、职业伤害保障等制度供给明显滞后;现有政策多为单点推进,教育、就业、产业、社会保障各部门之间缺乏系统性的协同联动,尚未全面形成应对巨大变化的合力。

  对此,刘庆峰建议围绕打通“教育—技能—就业—保障”全链条,坚持以人民为中心,从“供给、需求、制度”三端同时发力,系统性应对AI时代带来的巨大变革。

  供给侧:重塑能力,让人能“接得住”AI的机会

  要在时代的技术变革中站稳脚跟,首先,要具备与之匹配的能力。供给侧要解决的核心问题,是如何让劳动者“与时俱进”,具备与AI协作、驾驭AI的真实能力。

  刘庆峰建议,由教育部牵头,联合发改委、工信部、人社部等部门,建立面向AI时代的人才培养系统工程,形成从基础教育到高等教育的系统性培养体系,以“全民数字素养+AI复合型人才”为主线系统推进。在基础教育中,做好科学教育加法,普及AI通识教育,夯实“人机协同”的认知框架;在职业教育中,建设“人机协作”模块化课程与实训体系,提升AI实操能力;在高等教育中,加快 “AI+X” 交叉学科建设,推动科研范式变革,优化人才培养目标与能力素质模型,培养AI复合型创新人才;在继续教育中,强化国家智慧教育平台AI课程供给,提升全民数字适应力。

  除了培养“新能力”外,还需要在转型阵痛期“托住人”。刘庆峰建议,要完善转型期稳岗转岗公共支持,强化社会保障托底。他建议,要建设全国互认的AI培训体系,打通培训与就业流动堵点,提升劳动者技能可迁移性与市场匹配效率;做强公共培训与实训供给,提供“培训-测评-推荐-跟踪”一体化服务,提升培训成效;强化社会保障托底与再就业支持联动,设立过渡性帮扶,完善失业保险制度,有效缓冲职业中断带来的收入波动冲击。

  需求侧:系统性支持,让“超级个体”找得到位置

  有了能力,还需要有机会和舞台将能力“落地”。需求侧要解决的关键问题,是如何在传统岗位收缩的同时,进行新岗位的挖掘与重构,为劳动者开辟新的就业机会与舞台。

  随着AI工具的普及,越来越多人正凭借一人之力完成原本需要整个团队才能承担的工作,“超级个体”和“一人公司”正在成为AI时代就业增量的重要来源。然而,这类群体在现有制度框架下面临较高的合规成本、社保续接困难和职业伤害缺乏保障等现实障碍,制约了其可持续发展。

  刘庆峰建议,由发改委牵头,联合市场监管总局、税务总局、人社部等部门通过健全新的就业形态制度供给,为这些“超级个体”“一人公司”提供更大的发展舞台。

  他建议,以“低成本合规、一站式服务、可持续保障”为导向,优化微型经营主体的登记与合规流程;完善适配“一人公司”的税费规则与普惠金融支持;健全灵活就业人员社保转移接续与职业伤害保障制度;推动生产力工具普惠化,通过算力与软件服务补贴降低AI工具使用门槛,激发全社会创新活力。

  制度侧:预警协同,保障“三端”联动、形成合力

  能力和机会最终要见实效,需要系统性的制度来保障。制度侧要解决的核心问题,是让供给和需求两端的调节有政策依托、有协同机制,在遇到问题时可以被及时发现并启动联动处置机制、推动闭环解决。

  在预警层面,刘庆峰建议,由国家统计局、人社部牵头,会同发改、工信、财政、教育等部门,建立国家级AI就业风险监测预警与政策评估机制。他建议,通过构建覆盖“岗位变化-技能供需-就业质量”的高频监测体系,统一统计口径与数据底座;建立分行业、分区域预警阈值和政策触发规则,实现“早发现、早干预、早稳控”;把“就业友好型”指标嵌入产业政策与财政资金评估,推动技术创新与高质量就业协同发展。

  在协同层面,刘庆峰建议设立跨部门协同推进机制,形成可迭代的政策“组合拳”。他建议,在国家层面建立协同机制或专项行动计划,明确年度目标、试点城市与重点行业,形成可量化评估指标、动态迭代流程和可复制可推广的政策工具箱,推动从“被动应对”转向“主动塑造”AI就业友好型社会,确保人工智能创新应用的发展红利公平惠及更多群体,实现社会共赢。(文猛)

海量资讯、精准解读,尽在新浪财经APP

责任编辑:何俊熹

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10