中国劳动力平均年龄与结构变化 - 2023年全国劳动力人口平均年龄为39.66岁，接近40岁 [1] - 分群体看，农村男性劳动力平均年龄最高，为41.60岁，其次是城镇男性（40.26岁）、农村女性（39.06岁）和城镇女性（38.07岁）[1] - 自1985年至2023年，全国劳动力平均年龄从32.25岁增长至39.66岁，增加了7.41岁 [1] - 乡村劳动力平均年龄从31.99岁升至40.54岁，其老龄化速度超过城镇（从33.03岁升至39.25岁）[1][5] - 2023年各省份劳动力平均年龄介于37.49岁至41.19岁之间，内蒙古以41.19岁最高，新疆以37.49岁最低 [1][8] 劳动力年龄的地域差异 - 劳动力平均年龄最高的地区是内蒙古（41.19岁），其农村劳动力平均年龄达42.94岁 [1][7] - 黑龙江、辽宁和吉林的劳动力平均年龄均在40岁以上，分别为40.84岁、40.74岁和40.69岁，三省农村劳动力平均年龄均超过42岁 [7] - 湖北和山东的劳动力平均年龄也超过40岁，分别为40.28岁和40.06岁 [7] - 劳动力最年轻的省份是新疆（37.49岁），其城镇劳动力平均年龄为36.46岁 [8] - 劳动力第二年轻的是贵州（37.74岁），广东以37.93岁位列第三 [8] - 西藏、海南、上海、云南、河南等地劳动力平均年龄分布在38.49岁至38.91岁之间，属于相对年轻的“38岁档” [8] 劳动力素质与受教育水平 - 2023年全国劳动力平均受教育年限为11.03年，较1985年的6.14年大幅增加 [2][5] - 城镇劳动力平均受教育年限从1985年的8.23年升至2023年的11.76年，农村从5.47年升至9.44年 [5] - 经济发达省份如北京、上海、天津的劳动力受教育年限较长，而贵州、云南、西藏等地相对较短 [5] - 所有省份城镇劳动力的受教育年限均高于农村，在经济欠发达省份城乡差距更为突出，例如西藏城乡差距为3.63年 [5] 人力资本总量与人均水平 - 2023年中国人力资本总量（按当年价值计算）达到4375.63万亿元，其中城镇占91.63%（4009.30万亿元），农村占8.37%（366.33万亿元）[3] - 1985年至2023年，中国人力资本总量增长约18.44倍，年均增长8.25% [3] - 1996年之前，农村人力资本总量高于城镇；自1996年起，城镇反超农村并持续扩大优势 [3] - 1985年至2023年，中国人均人力资本从4.43万元显著提升至76.87万元，年均增长7.93% [4] - 2013年至2023年间，人均人力资本年均增速提高至8.67% [4] - 2023年人均人力资本排名前五的省份依次为北京、上海、天津、江苏、山东，排名后五位的依次为海南、云南、新疆、甘肃、青海 [4] 人口结构变化与未来趋势 - 2023年，全国0-15岁人口占非退休人口的比重为22.71%，其中农村男性中比重最低，为18.56% [11] - 1985年至2023年，中国0-15岁人口占非退休人口比例从38.61%下降至22.71%，而46岁至退休年龄人口占比从10.44%上升至23.80% [11] - 劳动力后备规模持续收缩，年长劳动力比例不断提高 [11] - 2024年广东出生人口达113万人，较上年增加10万人，连续七年位居全国首位，并连续五年成为唯一出生人口超百万的省份 [9] - 辽宁省以21.90%的65岁及以上人口占比，成为首个进入重度老龄化社会的省份 [8] - 吉林、黑龙江的老年人口占比达到19.41%，老龄化程度分列全国第三、第四位 [8] 政策与社会层面的应对 - 破除“35岁职场门槛”的呼声日益高涨，2026年国家公务员考试首次将报考者年龄放宽至38岁 [12] - 全国人大代表郑功成在2025年全国两会期间提交了《关于坚决纠正就业领域年龄歧视的建议》[12] - “十五五”规划建议提出“促进人口高质量发展”，将人口问题上升到战略高度 [13] - 学界观点认为需推动“人口红利”转向“人才红利”，将人力资本概念扩展到包括大龄和老年劳动人口 [13] - 未来需通过终身学习、优化教育资源配置、加强职业技能培训来应对挑战 [10][14]

中国人力资本总量与增长 - 2023年中国人力资本总量按当年价值计算为4375.63万亿元 [3] - 1985至2023年，中国人力资本存量从43.02万亿元增长至836.27万亿元，增长超过18倍，年均增长率达8.25% [3] - 2023年全国实际总人力资本较2022年增长43.92万亿元，2019至2022年数据分别为630.55、706.43、747.12、792.36万亿元 [3] 劳动力受教育程度变化 - 1985至2023年，全国劳动力人口平均受教育年限从6.14年上升至11.03年 [4] - 同期，城镇劳动力平均受教育年限从8.23年上升至11.76年，乡村从5.47年上升至9.44年 [4] - 2023年各省城镇劳动力平均受教育年限均高于农村，经济不发达省份差距更大，例如西藏城乡差距为3.63年，北京为2.49年 [4] 劳动力受教育程度的性别差异 - 截至2023年，城镇男性劳动力平均受教育年限为11.63年，女性为11.92年，性别差异正在逐渐消失 [1][4] - 女性教育水平提高幅度大于男性，女性未上过学人口数减少速度更快，高等教育性别差异已大幅降低 [4][5] 劳动力人力资本的性别与年龄结构 - 2023年，男性实际人均劳动力人力资本为37.92万元，女性为17.97万元，相差19.95万元，2022年相差17.54万元，性别差距未缩小 [5] - 1985至2023年，中国劳动力平均年龄从32.25岁增加至39.66岁，2019年起已超过39岁，2019至2022年数据分别为39.01、39.36、39.58、39.72岁 [5] - 同期，城镇劳动力平均年龄从33.03岁升至39.25岁，乡村从31.99岁升至40.54岁，2021年起农村劳动力平均年龄超过40岁 [5] 人力资本变动的影响因素 - 人力资本存量快速增长的原因在于低教育水平老龄人口退出劳动力市场，而新增劳动力预期教育程度较高导致收入较高 [3] - 2005年后主要因年轻劳动力迁入城市，导致乡村劳动力平均年龄与城镇差异缩小并于2010年反超，此后差异逐渐增大 [5] - 疫情封控影响了劳动力的团队合作等素养，给人力资本“质量”带来了负面影响，但未影响受教育程度等具体指标估算 [3]

中国劳动力平均年龄变化 - 从1985年到2023年，中国劳动力平均年龄从32.25岁增加到39.66岁，增加了7.41岁 [1][4] - 同期，城镇劳动力平均年龄从33.03岁上升到39.25岁，乡村劳动力平均年龄从31.99岁上升到40.54岁 [1][4] - 2023年，农村男性劳动力平均年龄为41.60岁，农村女性为39.06岁，城市男性为40.26岁，城市女性为38.07岁 [4] - 2023年劳动力平均年龄最高的五个省份依次为内蒙古、黑龙江、辽宁、吉林和四川，最低的五个省份依次为海南、西藏、广东、贵州、新疆 [4] 中国人力资本总量与人均排名 - 2023年，中国人力资本总量按当年价值计算为4375.63万亿元，其中城镇为4009.30万亿元，农村为366.33万亿元，分别占总量的91.63%和8.37% [2] - 2023年人力资本总量（以1985年为基期的实际值）排名前五位的省份为广东、山东、江苏、河南和浙江，排名后五位的省份为甘肃、海南、宁夏、青海和西藏 [2] - 2023年人均人力资本排名前五位的省份为北京、上海、天津、江苏和山东，排名后五位的省份为海南、云南、新疆、甘肃和青海 [3] 劳动力人口受教育程度变化 - 从1985年到2023年，全国劳动力人口的平均受教育年限从6.14年上升到了11.03年，其中城镇从8.23年上升到11.76年，乡村从5.47年上升到9.44年 [4] - 截至2023年，城镇男性劳动力的平均受教育年限为11.63年，女性为11.92年，乡村男性为9.46年，女性为9.42年，性别差异正在逐渐消失 [4] - 2023年，平均教育程度最高的前五个省份依次是北京、上海、天津、江苏、辽宁，最低的五个省份依次为新疆、贵州、青海、云南、西藏 [5] 高等教育人口占比变化 - 从1985年到2023年，全国劳动力人口大专及以上受教育程度人口占比从1.04%上升到27.39%，其中城镇从3.78%上升到35.82%，乡村从0.16%上升到9.08% [5] - 2023年，劳动力人口大专及以上受教育程度人口占比最多的前五个省份依次是北京、上海、天津、江苏、陕西，占比最低的五个省份依次为广西、江西、贵州、云南、新疆 [5]

文章核心观点 - 人口结构变化（特别是人口红利向人才红利转化与人口老龄化）是影响中国税收增长潜力的关键社会因素，需要通过税制改革和政策协同来应对挑战并把握机遇 [1][2][6] 人口红利对税收增长的积极影响 - 巨大的人口规模形成了人口红利基数，劳动力技术积累提升促使初级劳动力转化为人力资本，为税收增长奠定基础 [1] - 人力资本是技术进步和经济价值创造的源泉，在人工智能、航天技术、新材料等领域的快速发展中贡献了巨量的社会与经济价值，形成重要的税收来源 [2] - 人口红利转化为人才红利时，价值创造的累积度更高，为增值税、企业所得税及个人所得税的增长奠定了重要的税基基础 [2] - 进入高质量发展阶段，人力资本对税收增长的贡献度会进一步提高，前提是加快促进新质生产力的形成 [2] 人口老龄化对税收增长的挑战 - 截至2024年末，中国65岁以上人口超2.2亿，占总人口比达到15.6%，人口老龄化会通过影响劳动力供给、投资、消费等方面影响经济产出，进而影响税收增长潜力 [2] - **劳动力供给视角**：老龄化导致适龄劳动人口减少，引发劳动力市场紧张和工资成本上升 [3] - 企业所得税方面：用工成本上升压缩企业可纳税利润，弱化企业所得税税基，企业利润下降削弱其投资扩张能力并使企业所得税来源趋于下降 [3] - 个人所得税方面：退休人口比重上升，养老金所得税收贡献远低于劳动性所得，个人所得税增速将逐渐放缓；劳动力市场向技能型转型拉大收入差距，增加税制调节难度 [3] - **投资视角**：退休人口占比上升导致生产投资比重下降，可能影响增值税增长 [4] - 老龄化导致可用于扩大再生产的储蓄与投资比重下降，社会投资动力减弱，资本积累放缓，抑制工业生产和商业流通规模扩张，直接影响增值税计税依据规模 [4] - 老年消费多集中于医疗、基础生活服务等适用较低税率或存在减免政策的领域，对增值税收入贡献相对有限 [4] - **消费视角**：老年人口规模扩大不利于消费规模扩张，影响消费税 [5] - 老年群体消费弹性较弱，支出集中于基本生活、医疗等必要性领域，对烟酒、化妆品、成品油、高档消费品等需求有限，使得消费税传统税基难以同步扩大 [5] - 老龄人口推动服务型、康养型支出占比提升，而消费税制度仍以实物货物为核心，对服务型消费覆盖不足，导致税基出现制度性缺口；消费税税目体系更新速度较慢，与绿色、健康、共享等新型消费形态适配性不足，削弱消费税增长空间 [5] 推动税收与人口良性互动的政策建议 - **夯实个人所得税税基**：提升劳动供给质量以促进形成新税源 [6] - 企业所得税方面：加大对技术改造、智能制造的政策支持，使企业通过自动化与数字化缓解用工成本压力，稳定利润水平，提供可持续税源 [6] - 个人所得税方面：完善分类与综合相结合的税制，有序扩大综合所得征收范围（如优先将经营所得纳入），实现全部劳务所得统一核算以扩大税基；关注高净值、高收入人群及跨境税源，完善自然人税收征管体系，实现量能纳税 [6] - **提升增值税适应能力**：应对老龄化下储蓄率下降和投资趋弱导致的税基侵蚀 [7] - 稳定并完善进项抵扣机制，保持税制中性，增强企业投资和再生产预期，从源头稳固税基 [7] - 规范增值税税收优惠政策，将部分已成熟的免税服务纳入征税范围防止税源流失，并将优惠聚焦重点领域及环节以促进投资 [7] - 推进征管数字化，通过电子发票、大数据监管等提高交易识别与管理能力，防止税收流失 [7] - **推动消费税改革转型**：顺应人口结构变化引起的新消费结构变化 [8] - 针对康养、医疗、文化、休闲旅游等服务型消费快速增长的趋势，研究对其中明显属于高端、非必需的消费类别适度扩大消费税覆盖范围 [8] - 建立税目体系的动态更新机制，根据绿色低碳、新能源、数字经济等新兴消费形态定期调整税率与税目分类，防止税基固化，提升消费税贡献度 [8] - **增强宏观政策协同**：强化产业政策、社会政策与税收政策的协同，使税收增长与人口结构变化之间形成可控的动态平衡 [8]

文章核心观点 面对人口结构变动（特别是老龄化）对税收增长形成的结构性挑战，需从税源优化、税制完善、产业政策协同等多方面构建综合方案，以推动税收增长与人口结构变化间形成新的良性互动关系[1][6] 人口红利对税收的积极影响 - 中国巨大的人口规模是人口红利的基础，随着教育水平和科技进步，初级劳动力正转化为人力资本，成为技术进步和经济价值创造的源泉[2] - 人力资本积累推动了人工智能、航天技术、新材料等领域的快速发展，创造了巨大的社会与经济价值，形成了重要的税收来源，包括增值税、企业所得税及个人所得税[2] - 在高质量发展阶段，人力资本对税收增长的贡献度有望进一步提高，前提是其创造价值的潜能能够释放，这需要加快促进新质生产力的形成[2] 人口老龄化对税收的挑战 - 截至2024年末，中国65岁以上人口超2.2亿，占总人口比重达15.6%，老龄化通过影响劳动力供给、投资和消费来影响经济产出与税收潜力[3] - **劳动力供给影响**：老龄化导致适龄劳动人口减少，引发劳动力市场紧张和工资成本上升[3] - **企业所得税**：企业用工成本上升压缩可纳税利润，弱化企业所得税税基，尤其在劳动密集型行业成本挤压效应明显[3] - **个人所得税**：退休人口比重上升，领取养老金的人口增加，而养老金所得税收贡献远低于劳动性所得，将导致个人所得税增速放缓[4] - **投资影响**：退休人口占比上升导致生产性储蓄与投资比重下降，可能影响增值税增长[4] - 投资动力减弱会抑制工业生产和商业流通规模的扩张，直接影响增值税计税依据的规模[4] - 老年消费多集中于医疗、基础生活服务等领域，这些部分往往适用较低税率或存在减免政策，对增值税收入贡献有限[5] - **消费影响**：老年人口规模扩大不利于消费规模扩张，影响消费税等税种[5] - 老年群体消费弹性较弱，支出集中于基本生活、医疗等必要性领域，对烟酒、化妆品、成品油、高档消费品等需求有限，制约消费税传统税基扩大[5] - 服务型、康养型消费占比提升，但消费税制度仍以实物货物为核心，对服务型消费覆盖不足，导致税基出现制度性缺口[5] 构建良性互动关系的综合性方案 - **夯实个人所得税税基**：提升劳动供给质量以促进新税源形成[6] - **企业所得税方面**：加大对技术改造、智能制造的政策支持，帮助企业通过自动化与数字化缓解用工成本压力，稳定利润水平，提供可持续税源[6] - **个人所得税方面**：完善分类与综合相结合的税制结构，有序扩大综合所得征收范围（如优先将经营所得纳入），并关注高净值、高收入人群及跨境税源，加强税收管理[6] - **提升增值税适应能力**：应对老龄化下储蓄率下降和投资趋弱对税基的侵蚀[7] - 稳定并完善进项抵扣机制，保持税制中性，增强企业投资和再生产预期，从源头稳固税基[7] - 规范增值税税收优惠政策，将部分已成熟的免税服务纳入征税范围，并将优惠聚焦重点领域以促进投资[7] - 推进征管数字化（如电子发票、大数据监管），提高跨场景交易识别与管理能力，防止税收流失[7] - **推动消费税改革转型**：顺应人口结构变化引起的新消费结构变化[8] - 针对康养、医疗、文化、休闲旅游等服务型消费快速增长的趋势，研究对其中高端、非必需的消费类别适度扩大消费税覆盖范围[8] - 建立税目体系的动态更新机制，根据绿色低碳、新能源、数字经济、共享经济等新兴消费形态定期调整税率与税目，防止税基固化[8] - **增强宏观政策协同**：强化产业政策、社会政策（如养老保障体系改革、就业政策优化）与税收政策的协同，使税收增长与人口结构变化之间形成可控的动态平衡[8]

文章核心观点 - 经济增长逻辑正从以扩大投资规模为导向的加法式增长 转向投资于人和投资于物相结合的乘法式发展 根本目标是推动全要素生产率的持续提升 [1] - 实现乘法效应需聚焦三条路径：发展新质生产力 释放人力资本质量红利 建立物质资本与人力资本的同步投入机制 [1] 投资政策逻辑的转变 - 投资政策逻辑正在发生转变 从2023年中央财经委员会提出结合 到2025年政府工作报告明确其地位 再到十五五规划建议将两者并列写入 是对增长方式的系统重塑 [2] - 理论基础源于柯布-道格拉斯生产函数 在数字经济时代K与L的内涵扩展 K包括制造业升级投资 数字基础设施 数据要素等 L涵盖技能水平 健康状况 教育质量 创新能力等多维度 [2] - 目标是利用四象限框架 将经济运行从高K低L模式迁移至高K高L的新质生产力模式 核心是通过政策与市场机制把K和L从加法关系变成乘法关系 以K×L提升全要素生产率 [3] 发展新质生产力路径 - 投资于物的关键是投得更有效 扩大有效投资 未来高回报资本具备技术外溢效应 规模可扩展性与跨行业赋能能力 如人工智能模型 先进算力 工业互联网平台 绿色装备等 [6] - 投资于人的核心是通过人的能力提升撬动发展 在技能培训层面深化产教融合 在高等教育层面优化学科布局加强创新人才培养 实现科研与产业创新联动 [7] - 技术突破将沿供应链 产业链与价值链扩散 形成物的升级×人的升级的乘数效应 系统性提升TFP 推高资本回报率 新质生产力动能正在加速显化 [7][8] 释放人力资本质量红利路径 - 投资于人的核心是培育人力资本 使人口红利转化为质量红利和人才红利 2009~2023年间劳动力质量提升推动经济增长0.78个百分点 显著高于劳动力数量变化贡献的0.09个百分点 [10] - 加大人力资本投资能够扩大高知识 高技能人才供给 2024年中国高等院校入学率达77% 大幅高于世界平均水平的44% 未来将培养更高知识密度和创新能力的人才 [11] - 自2020年起硕士和博士研究生规模持续扩大 为基础学科拔尖创新人才培养和前沿领域国家学院建设奠定基础 构建覆盖全生命周期的职业技能培训体系是重要保障 [11] 建立同步投入机制路径 - 物质资本K与人力资本L在中长期会通过技术吸收 结构调整和产业升级相互影响 需确保两者协同提升才能发挥全要素生产率的潜在乘数效应 [12] - 两类投资深度互为条件 互为放大器 高质量资本投入倒逼人力资本体系跃升 人力资本积累提高技术采用效率和创新能力 使单位资本产出率提升 [13] - 只有在两类投资同步推进 形成互补时 资本才能进入高回报场景 劳动力能充分发挥技能优势 形成生产率持续提升 经济高质量增长的良性循环 [13]

经济增长动力转变 - 中国经济增长的主要制约因素从供给侧转向需求侧，居民消费成为决定性拉动力[1] - 人口进入中度老龄化阶段和总量负增长时代，使需求侧制约更加突显[1] - 需求侧因素特别是居民消费已成为经济增长的主要制约[2] 需求侧核心拉动力分析 - 需求侧作为产出的归宿，消费是终极归宿，更突出体现发展目的的功能[2] - 出口需求受到制造业比较优势下降、全球化新形势和供应链脱钩趋势的抑制[2] - 高质量发展要求需求侧从投资拉动转向消费拉动[2] - 人口负增长、老龄化和收入增长减速对居民消费产生明显抑制[2] 居民消费率的重要性 - 居民消费率保持在与发展阶段相符的常态水平是避免异常减速的关键[3] - 居民消费率越高，经济增长大幅减速的概率越低[3] - 高度重视居民消费是提高宏观经济政策有效性的要求[3] 居民消费面临的阻力 - GDP和居民可支配收入增长双双减速，2010年以来潜在增长率呈下行趋势[5] - 居民人均可支配收入增长呈现与经济增长相匹配的强烈回归趋势[5] - 居民收入差距过大抑制消费，2024年基尼系数仍高达0.465[6] - 城镇内部收入差距呈现轻微扩大趋势，进一步抑制居民消费[7] - 未富先老特征导致中国在类似发展水平上具有更深老龄化和更低消费率[7] 政策建议方向 - 从全生命周期培育人力资本，创造更多高质量就业岗位[8] - 借助职业教育和培训提高劳动者与岗位匹配度，培养新一代劳动者[8] - 通过再分配手段改善收入分配，个人所得税等占比仅35.7%低于OECD国家[9] - 2020年政府支出占GDP比重33.9%显著低于参照国家40.4%的平均水平[9] - 政府社会性支出占比52.4%显著低于参照国家62%的平均水平[9] - 拓展公共品边界，政府支出率从26.9%提高到35.6%，居民消费率从62.9%降低为58%[10]

文章核心观点 - “投资于人”被提升为重要国家战略，旨在将14亿人口的潜力转化为驱动经济内循环的持久动力，为中国式现代化筑牢人力资本优势和竞争优势 [1] - 该战略标志着发展理念从传统要素驱动向以人为本的深刻转变，核心路径是以人民的美好生活需要为导向，牵引供给侧结构性改革与创新 [4] 人力资本作为生产要素 - 全球产业竞争格局正由资本密集型向人才密集型加速转变，人力资本的核心价值更深刻地体现为个体的知识储备、专业技能与创新能力 [1] - 人力资源开发质量直接决定国家在全球价值链中的位置，使得“投资于人”的重要性和紧迫性显著提升 [1] - 需要构建覆盖全生命周期的能力开发体系，包括推动基础教育理念革新、深化高等教育与科研创新融合、加快职业教育与产业升级精准对接 [2] 人力资本作为消费主体 - “投资于人”是激活消费市场、畅通内循环的关键支点，通过培育创新型人才从供给侧创造新的消费场景和产品 [2] - 随着人的素质全面提升，消费需求会从满足基本生存向追求生活品质升级，激活教育、文化、旅游、健康等更高层级的消费增长点 [2] - 需要通过系统性政策组合统筹推进促就业、增收入、稳预期，以增强居民消费能力，并着力完善收入分配制度以扩大中等收入群体规模 [3] 政策与制度保障 - 需要调整优化财政支出结构，提升民生支出在财政预算中的比重，优先保障生育、教育、医疗、养老等基本民生需求 [3] - 需前瞻性完善基础设施和公共服务设施布局，推动公共服务资源精准配置，重点稳步推进基本公共服务均等化 [3] - 需要建立长效机制，优化各级政府间的支出责任划分与财力配置，并改革完善地方政府绩效评价体系，将人力资本积累、民生福祉改善等指标纳入考核 [4]

ISSB准则最新进展 - 国际可持续准则理事会已将生物多样性、生态系统及生态系统服务和人力资本研究项目纳入其2024年至2026年的工作计划 [2] - 生物多样性和人力资本是影响企业生产运营、长期发展潜力、现金流、融资渠道和资本成本的关键因素 [2] 生物多样性、生态系统及生态系统服务项目 - 2025年10月发布的工作人员文件核心目的是分析自然相关财务披露工作组框架能否辅助ISSB满足投资者对自然相关信息需求 [3] - TNFD框架具有鲜明投资者导向特征 其框架结构与IFRS S1核心内容架构保持一致 [4] - TNFD框架自2023年发布以来 全球已有超过620家机构采用 覆盖了77个SASB行业分类系统中的64个行业 [4] - TNFD框架覆盖了IFRS S1已要求但需额外指引的领域 以及IFRS S1未明确要求但投资者迫切需要的信息领域 [5] 人力资本研究项目 - 2025年10月发布的工作人员文件核心目标是为ISSB提供项目进展更新并提出一套结构化分析方法 [6] - 分析方法核心分为“依赖与影响”和“风险与机遇”两大维度 [7] - “依赖与影响”维度聚焦劳动者及其他资源与关系两类关键资源 [8] - “风险与机遇”维度通过劳动者及其他资源与关系两大渠道拆解人力资本相关议题 [8] - 人力资本定义在不同领域存在差异 且与IFRS会计准则术语不统一 可能影响项目沟通与推进 [9] 后续工作计划 - 在BEES项目中 工作人员将筛选TNFD中符合IFRS S1目标的部分并研究调整其自愿性建议以适配准则监管 [9] - 在人力资本项目中 工作人员将整合ISSB反馈以优化分析框架并评估准则制定的必要性与可行性 [9]

文章核心观点 - 员工薪酬的持续增长是衡量上市公司可持续发展能力、治理水平和社会责任的重要指标，其意义远超简单的成本支出[1] - 2022至2024年间，A股市场有1291家公司的员工薪酬实现连续三年增长，其中实体经济领域占据主导地位[2] - 员工薪酬增长现象与宏观经济环境、产业结构升级及企业治理现代化进程密切相关，反映了企业对人力资本的战略性投入[15] 行业分布特征 - 薪酬连续三年增长的企业覆盖32个行业，机械设备行业以166家（占比12.86%）位居首位[2] - 电子（122家，9.45%）、电力设备（115家，8.91%）、医药生物（113家，8.75%）、汽车（109家，8.44%）和基础化工（106家，8.21%）等行业紧随其后，合计占比超过半数[2] - 金融行业中，银行（26家，2.01%）与非银金融（11家，0.85%）合计37家，在总量中占比为2.86%[2] 薪酬总额前十企业分析 - 薪酬总额前十家企业均来自金融领域，涵盖国有大行、股份制银行及保险集团[3] - 农业银行以878.03亿元的薪酬总额位列第一，是唯一突破800亿元的企业，员工总数超过45万人[5] - 建设银行（606.61亿元）和中国银行（585.54亿元）分别第二和第三，中国平安（565.64亿元）和工商银行（525.53亿元）位列第四和第五[6][7][8][9] - 前十名中的其余企业为中国人保（368.15亿元）、兴业银行（365.60亿元）、招商银行（345.12亿元）、邮储银行（241.05亿元）和光大银行（218.95亿元）[10][11][12][13][14] 薪酬增长驱动因素 - 薪酬增长主要来源于基础工资调整、绩效奖金提升以及数字化转型带来的岗位优化与激励机制改革[5][6][9] - 战略转型推动薪酬结构性提升，例如中国平安向科技金融转型、兴业银行发展绿色金融、招商银行聚焦零售业务等[8][11][12] - 薪酬体系注重绩效挂钩和长期激励，如股权激励计划，以吸引和保留关键人才[6][12][14] 共性特征与趋势 - 薪酬增长与业务转型联动，企业在科技创新、数字化转型、绿色金融等方向的战略投入推高了高薪岗位比例[15] - 激励机制趋于市场化，采用绩效导向的薪酬制度，将个人贡献与企业效益挂钩[15] - 薪酬分配持续向基层机构和员工倾斜，特别是在承担普惠金融、乡村振兴等社会责任的金融机构中体现明显[5][14]