香港经济政策绿皮书2026｜关颖伦教授、太明珠教授、王子涵先生

在高度依赖编码、内容创作、客户服务和数据分析等工作的组织和工作流程中，生成式人工智能及大型语言模型的应用正在快速发展。这一趋势下，关于生成式人工智能究竟是好帮手还是取代人手，正广为各方讨论。根据Eloundou等（2023）的研究，其依据职业资讯网（ONET）分类的估计显示，约有19%美国就业人口，其至少一半的职责或受大型语言模型影响。虽然职业及职责不免有所变化，但部分人则视之为生成式人工智能对就业潜在影响的早期预警信号。

国际研究证实AI冲击年轻职场

至少在某些职业和人口特征方面，上述关注已获关于生成式人工智能近期学术研究的印证。例如，Brynjolfsson、Chandar与Chen（2025）证明，企业对生成式人工智能的采用与劳动市场中侧重年资的变化显著相关。此研究基于美国约五分之一雇员人数在50人或以上的企业薪酬数据，从中可见在受到生成式人工智能影响的行业中，较年轻就业者的人数显著减少。与2022年第4季度（即ChatGPT推出前的最后一季度）相比，25岁以下就业人数（如客户服务和软件开发等职位）减少近20%，而30至45岁的就业人数亦仅略有增加。同样，Lichtinger与HosseiniMaasoum（2025）就LinkedIn来自285,000家公司的6,200万份履历数据进行分析，亦印证这一趋势：招聘“生成式人工智能整合人员”的公司，其初级员工数量大幅下降，而高层人员数目则保持稳定甚或有所增加。

香港职场受影响程度轻

在有关人工智能对劳动市场影响的研究中，上述研究属最早之列，从中提出此一迫切问题：世界各地相关情况如何？尤其是香港目前表现如何？这对包括香港在内的各个国际金融中心尤为重要。由于经济结构、监管和劳动市场的差异，香港的情况或会与西方经济体迥然不同。

考虑及此，本研究汇集了几方面的数据来源，从而分析香港在受生成式人工智能影响程度、采用和能力方面的表现。笔者利用数据公司RevelioLabs所提供的LinkedIn数据、美国专利及商标局的专利记录、OpenAlex的学术出版趋势，以及BuiltWith的数字化指标进行实证分析。虽然此等数据未臻完善，而人工智能领域的发展一日千里，但综合以上数据的广度，亦足以就香港劳动市场与人工智能活动提供迄今最为全面的视角。

基于按上述数据库构建而成的衡量指标，笔者从中所得结果显示，香港的职业结构使本地极易受生成式人工智能影响，劳动市场中有一大部分工种已被现有研究指出，属于易受人工智能冲击。即便如此，若按“生成式人工智能整合人员”职位招聘、专利，以及研究成果衡量，就可观察到人工智能的采用与创新主要集中在少数企业，其中不少属跨国公司。香港在这些方面普遍落后于美国、新加坡等先进人工智能中心。借助LinkedIn的就业者历史数据，笔者构建出香港工作人口组成的时间序列板图，并按照标准生成式人工智能影响程度指标加以分类，从而追踪在企业展开招聘人工智能相关职位的就业趋势，将其中变化与类似经济体进行比较。尽管香港职业结构意味着受人工智能影响的水平甚高，与其他先进经济体相若，但在本地受影响的行业中，实际就业调整则不至那么急剧。至于近几年2019冠状病毒病疫情肆虐、社会事件及人口迁移模式等因素，与此亦不无关系。

此外，本文论及关于人工智能对劳动市场影响与日俱增的研究文献。例如，Humlum与Vestergaard（2025）发现，人工智能在丹麦的影响迄今为止较为温和，这可能归因于制度环境、劳工规例，以及与人工智能互补的技能减轻了人工智能的潜在冲击。同样，KleinTeeselink（2025）在英国的研究表明，尽管部分职位被取代，但新增的工作和互补性往往能够抵消这种影响。

最后，笔者也提出对香港及类似经济体的政策建议，其中特别强调须对教育制度、技能政策、数据基础设施和劳动市场制度加以调适，以致能够实现生成式人工智能，而不至于对特定群体造成过度伤害或加重过渡期成本。

香港劳动市场与人工智能

观乎人工智能对香港劳动市场的影响，至今仍未有充分研究。香港特区政府未有提供可供学术纵向调查的优质职业数据。因此，在劳动市场数据方面，笔者采用了RevelioLabs从LinkedIn所得的统一工作人口数据。该数据库定期更新就业者履历，并补充职衔、职责说明、入职及离职日期、职业／职位分类、据职衔估计的职级、技能和地理位置，以及教育背景和人口特征。如此统一的数据有助于笔者构建香港企业按时间维度划分的工作人口组成板图，并根据用于文献中受生成式人工智能影响的不同程度来配对职位。这些资料足以建立职业构成、初级与高级员工比例，以及受人工智能影响程度相关分组的分时段指标，从而检视外在结合企业层面的人工智能采用信号，例如通过文本识别在招聘资讯中或公司企业传讯中反映的人工智能采用情况。

至于笔者的研究方法，也有需要注意的地方。一、在香港的LinkedIn资讯覆盖面有所不同。例如，由于该平台在中国内地的采用程度或存在状况随时间推移而变化，内地企业对该平台的使用率或有所不足。二、香港劳动力的构成或大有不同。例如，尽管香港极受人工智能影响，本地不少金融及管理人才却较难被取代，而较趋向年长或精英化（纽约大概可作类比）。同时，生成式人工智能目前的影响多集中于精英化程度较低且较年轻的人口。三、香港企业采用人工智能的速率和深度或较缓慢。然而，笔者认为本研究样本数据中的偏差与ChatGPT面世应无相关性，亦非受生成式人工智能影响职业的独有现象。

在衡量受人工智能影响程度和采用情况（亦即整合）方面，可资参考数据来源有二：一、一般职业层面受影响程度指标，其中隐含所有企业采用人工智能程度相同的假设。这一常用职业层面受影响指标由Eloundou等（2025）提出。二、企业层面采用人工智能的指标，通常透过企业招聘发布资讯。具体而言，Lichtinger与Hosseini（2025）实施了一种用“整合者”（即笔者称之为大型语言模型“采用者”）的分类方式，这些就业者试图将人工智能技术融入其工作流程之中。

基于第一种衡量指标，笔者计算【表1】中极受人工智能影响的职位比例。“受影响”可指获得协助或人手被人工智能取代，但大抵意指产生作用。此类职位包括金融分析师、客户服务人员和软体开发人员等类型。按此标准，香港在极受影响职位比例方面，在各经济体中排名不算特别高。

接下来，笔者标示出2016年各种受影响与不受影响职业的标准化增长，从而加以对比，其中受人工智能影响一环，所依据的是Eloundou等（2023）在O*NETSOC职业层级的GPT-4评级。各种职业按百分位数排名划分为不同的受影响程度组别：受影响程度低（第0至25百分位数）、受影响程度中等（第25至75百分位数）和受影响程度高（第75至100百分位数）。这种分类方法能够捕捉到非线性效应，同时保持结果的可解释性。受影响程度高组别约占香港2022年第4季度所有职位的20%。

数据为半年度统计，并从旁列出美国、新加坡的数据加以对比。在新加坡和美国，（1）在ChatGPT面世的同时，受生成式人工智能影响的年轻就业者人数激增；然而，（2）在香港，虽然同期就业人数是否下降不得而知，但似乎出现源自新冠疫情时期的影响，原因可能在于疫情期间的种种限制，又或社会事件所引致的移民潮。因此，有别于新加坡和美国，香港当年似乎存在先前趋势，以致难以判定人工智能对本地劳动市场的影响。笔者稍后尝试透过企业层面的分析进一步剖析此现象，基于企业之间的差异而非职业之间的差异。归根究柢，研究结论明确：在发达经济体之中，大型语言模型的兴起似乎产生了影响。

笔者接下来进行企业层面的回归分析，利用企业层面受人工智能影响程度的差异，以更好地判断人工智能会否曾带来影响。这是因为整体而言，香港似已出现就业下跌的潜在先前趋势。笔者在本研究的企业样本中，加入美国企业数据作为对照组，令样本规模超过40万家企业，从而观察人工智能对香港的效果到底较大还是较小。

为隔离出人工智能的作用，笔者采取了3项措施。一、控制了每家企业在2020至2022年期间的招聘增长情况。二、观测了ChatGPT面世前各企业在易受影响职位（年资低、受大型语言模型影响程度高）中员工比例的横截面差异。三、笔者还复制了Lichtinger与Hosseini（2025）的研究结果。值得注意的是，在此措施之下，香港的人工智能采用率似乎较高。相关统计摘要见本文附录。

在这一更为科学的设定下，笔者发现香港企业中，易受人工智能影响职位的雇员人数增幅较低，与美国相比尤其显著。以模型(1)为例，因独立变数“员工人数增长率”定义为人工智能冲击前后的百分比变化，回归系数因而以百分点方式呈现。对香港企业而言，易受影响职位员工比例对员工人数增长率的边际效应为主效应与交互作用之和：

𝛽易受人工智能冲击职位比例+𝛽香港企业×易受人工智能冲击职位比例=-0.2122+(-0.3670)=-0.5792。由此可见，如果一家公司中有40%职位易受人工智能冲击，而对比另一家公司仅有20%的职位易受冲击，则前者的员工人数增幅将约低0.116个百分点（-0.5792×0.2）。换算为实际职位数量，相当于香港一家员工人数中位数约为527的企业（在ChatGPT面世前）减少约0.6个职位；而一家平均规模企业（约3,374名员工）则减少约3.9个职位。

结果的潜在解读之一是，人工智能在香港劳动市场影响尤甚于美国。如考虑到（1）根据统计摘要，一般香港企业确实较多采用人工智能（仍需要注意LinkedIn在香港的使用情况有别于美国）；（2）同期，香港经济大受人员流动限制；（3）香港面临中国经济疲弱的影响，从回归分析中的点估计值可见，人工智能对香港的影响或甚于美国。这也不无道理，皆因已有证据表明，在经济低迷时期，企业往往加快重组生产流程（Hershbein与Kahn2018）。

为便于以视觉方式展示其中的净效应，笔者在附录中复制【图1】，并叠加采用人工智能而受影响职业/职位的企业，以及采用人工智能而职位不受影响的企业。似乎采用者企业稍微较倾向于减少受影响职位的员工人数，而（1）将这些员工人数重新分配到其他职位；（2）对于非采用者企业中所有受影响职业的效果大致上大同小异。总体来看，就净效果而言，结果显示采用人工智能的企业以稍快速度减少职位受影响的员工人数，而整体效应则近乎笔者定义的采用者群体所表现出的效应。

香港的人工智能创新

创新虽然范围较窄，却是人工智能采用和能力的一环。通常有两类不受选择偏差影响的创新数据可用。笔者的数据亦来自多个途径，包括OpenAlex有关人工智能的学术刊物，以及美国专利及商标局的人工智能专利资料。OpenAlex是一个涵盖学术著作、作者、机构及概念的综合开源资料库，作为Scopus与WebofScience等付费资料库的免费替代方案。笔者利用OpenAlex追踪全球人工智能研究，分析各国及各机构在人工智能领域的出版产出趋势、国际协作，以及研究重点。此资料源的开放性质也便于学术界进行透明而可重复的人工智能研究。

美国专利及商标局设有一个专门的人工智能相关专利资料库，该资料库透过机器学习模型筛选出包含人工智能成分的专利。笔者利用其中数据来分析人工智能相关的创新趋势，特别是识别人工智能专利发明者和承让人（公司）的地理分布，从而揭示人工智能商业化及企业研发的动态。笔者已透过与RevelioLabs共同协作，让发明者与Revelio联系起来。

笔者每年根据同期情况调整的引用次数,对专利或刊物数据加以调整。无论是采用较高的阈值还是数值型阈值，均呈现出类似的模式。在所有变动情境下，相较于其产业应用，香港始终显然以科研为先。正如【图2】至【图4】所示，在全球按人均顶尖十等分人工智能论文数量排名中，香港位列第3（约173篇／百万人，2015–2024年），但其人均人工智能专利数量仅处于中游水平（位于前30名之列）。

引用Crunchbase的数据，可见初创企业的情况也大同小异。近10年来在Crunchbase中登记的人工智能／机器学习组织若按人均计算，香港在经合组织国家之中处于中游位置；在获得融资的初创企业密度方面，也表现平平。筹集资金款额虽有所增长，但仍落后于新加坡和美国的发展轨迹。简而言之，香港在学术出版上表现突出，但在商业化方面仍有不足，缩小转化差距（专利、获得资金支持的人工智能／机器学习创业）依然十分重要。以色列与此对比鲜明，其学术产出远低于商业化投入。在兼顾科研与应用方面，瑞士、新加坡和美国堪称典范，不但培养出大量初创企业，也有可观的学术成果。

结论

时间所限，笔者在此未及审视香港的初创企业生态圈，但根据本文的研究结果，仍足以提供若干政策启示。首先，人工智能似乎在香港带来了一定的增量影响，但影响似乎不大。这是否意味着人工智能在本地的效应较弱？原因又何在？是否与香港的数据不足有关？笔者呼吁政策制定者多提供劳动市场统计数据，尤其在职业层面，以便加以追踪。无论单由机构雇员独立完成，抑或与各大学合作构建，香港税务申报中包含的自报职业资讯，都是这方面尚待开发的数据“金矿”；其中数据可资产生公开的统计资料。借助本地各大学之力，香港就能轻易创建出一套纵向追踪数据集，以支持各种研究工作和即时政策监测。

其次，尽管香港的大学制度强大，足以产出世界级科研成果，但据笔者研究所得，本地在商业化方面仍存在巨大差距，只有商汤科技属少数例外。这一现象或有几方面原因，亦未必仅限于人工智能领域。香港虽已不遗余力支持大学制度，但大学论文产出与商业化成果之间显然出现脱节；尚未明确的是，各大学在向本地产业转移知识方面是否表现不佳、本地产业是否缺乏创新人才，又或只是基础研究向实际应用转化所需的孕育期较长。

同样不明确的是，上述统计数据是否能全面反映实际情况。正如前述，香港本地产业以金融业为主，而该行业对相关技术的掌握程度在统计数据中往往未能充分体现。另一个可能性也许在于本地产业的技术成果和创新优势部分溢出至邻近城市（如深圳），大疆创新（DJI）即属典型案例。

无论如何，近期特区政府在推动创新创业方面的各项举措值得肯定。香港已设立多项共同联合投资及公共风险投资计划，较突出者包括创科创投基金、香港科技园创投基金和数码港投资创业基金。这些基金通常采取与私人投资者配对投资的方式，其中创科创投基金优化计划清晰聚焦于人工智能和数据科学领域。然而，相对于香港丰富的科研产出，专注人工智能领域的资本规模与专业风险投资深度仍显不足。

据多份官方及半官方评估报告的描述，香港的创新资助架构偏于保守，而行政程序繁复。创科创投基金咨询委员会报告强调，本地私人研发投资者“在创新科技领域抗拒风险”，而本地社会承受失败风险的程度亦较其他类似经济体为低。创新科技及工业局和金融发展局（2021、2024年报告）以及团结香港基金均指出，利用公共共同投资工具不足，缺乏承受早期融资风险的意欲，亟需“更加慷慨、风险规避程度较低、由政府主导的孵化计划和津贴计划，并配合精简的行政程序”。

因此，政策重点应在于从新创建共同投资以及：（1）扩大现有共同投资工具的规模；（2）加倍强调计划在人工智能及其他深科技领域的投资使命；（3）增设至今欠缺的天使投资激励机制。然而，决策者也应特别关注精简行政负担，培训官员处事灵活开放，而非只顾个人仕途而不愿冒险（例如将共同投资利用率定为绩效指标之一）。与此同时，各大学也可各司其职，鼓励学生创业，尤其是支持学生创办人及教职员，并检视以绩效指标为导向的工作（如研究评审工作）能否尽量扩大各大学世界级科研人员的社会回报。

（香港大学经管学院1月发表《香港经济政策绿皮书2026》，由港大教授和研究人员，以及多位国际知名学者共同撰写，就多个香港热门议题作出研究分析，并从崭新角度给予政策建议。《香港01》获授权转载。）

作者关颖伦教授是港大经管学院金融学副教授；作者太明珠教授是港大经管学院金融学副教授，行为与决策科学研究所副总监；作者王子涵是港大经管学院硕士生。

文章仅属作者意见，不代表香港01立场。

01论坛欢迎投稿。请电邮至01view@hk01.com，附上作者真实姓名、自我简介及联络方法。若不适用，恕不另行通知。香港01保留最终编辑权。