近年来，数字化转型正以空前速度席卷全球。这一进程不仅标志着技术范式的全方位革新，也深刻影响了国家发展模式与社会结构。在数据驱动与智能决策的驱动下，传统的生产方式、工作范式和人力资本结构正在经历深度重构，劳动力市场由此成为数字化冲击的核心场域。职业边界被重新定义，任务分工逐渐重组，传统的“技能—收入”关系也面临系统性变革。对于数字时代的劳动者，哪些群体有望受益，哪些群体面临冲击，不再简单地由其所从事的职业而定，而是更多受职业内部的任务结构和技能需求变化驱动。仅以职业为分析单元，难以精准识别技术变迁下的结构性风险与收益分布，亟须从具体劳动者出发，深入揭示劳动力市场收入分化的变迁机制。上述分析视角的转换与研究议题的探讨，有助于拓宽对技术进步与收入分配关系的理解，为国家加快构建新发展格局提供必要的现实依据。 中国正处于数字变革的关键交汇点。自2015年以来，中国政府将数字经济与人工智能上升为国家战略，并在短时间内推动数字技术的广泛渗透与深度应用。国家互联网信息办公室发布的《数字中国发展报告(2022年)》显示，截至2022年，中国数字经济规模已达50.2万亿元，占GDP比重的41.5％，人工智能核心产业规模超过5000亿元，位居全球前列。①在这一战略驱动下，中国劳动力市场的技能需求与任务结构几乎同步经历了前所未有的变革，使技能—任务交互作用在塑造收入分配格局中的重要性显著提升。这一变革并非在制度真空中展开。与西方经济体相比，中国劳动力市场呈现出独特的结构性特征与制度约束。首先，长期并存的机关事业单位、国有企业与民营部门之间存在显著的制度性区隔，对技术红利的分配机制产生深远影响；其次，近二十年的高等教育快速扩张，极大地改变了人力资本的供给结构，使得不同受教育群体在技术适应性与任务转换能力上的差异不断扩大，呈现出显著的利益分化。这些制度结构与教育变化表明，相同的任务与技术变迁在不同部门和不同教育背景人群中可能带来差异化的收入后果。 在这一背景下，原有基于“教育—技能—职业”的劳动力市场研究范式逐渐暴露出识别力不足的局限，尤其是在职业内部任务结构迅速重组的现实中，仅依赖职业划分已难以捕捉技术变迁所激发的深层次不平等机制。本文从职业到任务的分析转向，正是对这一挑战的回应。任务结构提供了更细粒度、动态性的识别单位，使研究者能够精确识别不同任务组合所面临的技术替代或协同风险，尤其适用于数字劳动中劳动过程碎片化、自动化与认知升级并存的环境特征。更为重要的是，中国劳动力市场内部的技能差异和任务多样性具有突出的复杂性，②单纯依赖职业分类易掩盖关键结构性变化，进而误判技术扩散与不平等之间的关系。 近年来，国内已有部分研究尝试将任务内容引入中国情境，并初步构建了反映职业技能、自动化替代风险、认知密集程度等维度的指标体系。③这些探索为本土化的任务分析积累了有益经验。然而，现有研究仍面临三重局限：第一，理论嵌入不足，多数研究直接沿用西方理论模型，无法系统呈现中国情境下的所有制结构、教育转型与技术治理逻辑；第二，在数据基础上，多依赖英文职业数据库，难以与中文职业分类系统和微观收入调查数据有效整合，限制了实证可操作性；第三，分析层级多集中于行业或省域层面，缺乏以任务维度识别个体层面收入分化机制的微观视角。因此迫切需要一种能够嵌入中国制度背景，同时提升不平等机制识别力的理论框架与研究路径。 为回应上述理论空缺与现实关切，本文尝试构建“技术变迁—任务重构—工资回报—社会分层”为主线的综合分析框架，聚焦职业技能需求提升与任务重组的交互机制，探讨数字技术如何通过任务结构变化与技能升级共同影响劳动者的收入分配。具体而言，本文通过系统挖掘《中华人民共和国职业分类大典》(以下简称《职业大典》)的中文文本信息，构建覆盖全职业体系的职业数字化水平与任务属性指标，并匹配2012年和2022年“中国家庭追踪调查”(China Family Panel Studies，CFPS)的微观数据，识别中国城镇劳动力市场在十年内的任务结构变迁与收入回报演化轨迹。本文旨在回答三个核心问题：第一，数字技术的快速扩散如何重塑中国城镇职业结构与任务分布格局?第二，技能需求的升级与任务结构的重组如何交互作用并影响不同劳动群体的收入机会?第三，劳动力市场在多种所有制与教育快速扩张的背景下，不同部门与不同受教育群体在技术转型中呈现怎样的收入回报差异?对这些问题的系统分析，不仅回应了数字化转型背景下“技术—任务—收入”变迁机制的现实关切，也有助于在发展中国家情境中反思和拓展技术变迁相关理论的适用边界，为进一步优化技能结构、促进就业公平与实现分配正义提供实证依据与政策参考。 一、理论和分析框架 (一)技术变迁与劳动力市场再分化的理论路径 理解技术变迁如何重塑收入结构，是劳动力市场和分层研究的核心议题。在国际学术界，最具代表性的理论路径包括“技能偏向技术变迁”(Skill-Biased Technological Change，SBTC)与“任务偏向技术变迁”(Task-Biased Technological Change，TBTC)，后者又以“常规任务偏向技术变迁”(Routine-Biased Technological Change，RBTC)为主要解释框架。
