报告行业投资评级 - 报告未对任何特定行业或公司给出明确的投资评级 [1][7][12][14] 报告的核心观点 - 报告核心观点认为，全球人力资本积累进程在许多中低收入国家已陷入停滞甚至倒退，传统的部门及生命周期视角的政策效果有限 [14][15][44] - 报告提出，必须采用“情境视角”，将政策关注点扩展至人力资本形成的三个关键情境：家庭、社区与职场，通过理解这些情境中的动态机制来设计更有效的干预措施 [14][22][39][44] - 报告强调，应对人力资本挑战需要跨部门协作，并推动更全面的数据议程以追踪进展 [41][42][44] 根据相关目录分别进行总结 人力资本积累陷入停滞 - 全球多国人力资本关键指标停滞或恶化，例如在若干撒哈拉以南非洲国家，当前成年人平均身高低于25年前 [15] - 学习成果方面，低收入和中等偏低收入国家儿童的平均学业水平现已低于15年前，撒哈拉以南非洲地区下降最为显著 [15] - 职场技能发展不均衡，个人在工作中积累的人力资本，在印度约为巴西的一半，在巴西又约为美国的一半 [15] 家庭中的人力资本积累 - 家庭背景对人力资本积累有决定性影响，以秘鲁为例，母亲仅受过小学或更低教育的5岁儿童，其词汇量约为母亲至少完成初中教育儿童的一半 [23] - 家庭资源与照护质量的差异是造成差距的主因，资源（如收入、现金转移）和高质量照护（如亲子活动）均能提升儿童发展成果，但资源往往难以弥补低质量照护的不足 [27][28] - 政策优先事项包括：为贫困人口提供资源与就业机会、推广亲子育儿项目、投资女童教育以及扩大学前教育覆盖率 [28][40] 社区中的人力资本积累 - 社区特性显著影响个人发展，巴西研究显示，低收入家庭子女若在富裕社区而非贫困社区成长，其受教育年限将增加两年，成年后收入可达后者的两倍 [29][30] - 本地服务质量悬殊，例如巴基斯坦旁遮普省农村，学校质量最高十分位村庄的儿童，其年学习成绩比最低十分位村庄的儿童高出44% [29] - 环境质量（如空气、水源、卫生）和暴力程度等社区特性也深刻影响人力资本积累 [29][32] - 政策应重点针对困境社区，提供资源与激励以提升其服务水平、环境质量与社会资本 [32][40] 职场中的人力资本积累 - 职场是人力资本积累的重要场所，但中低收入国家约70%的劳动者从事小规模农业、低质量自营职业或在微型企业工作，这些岗位学习机会有限 [34] - 经验回报存在差异，中低收入国家自营职业者的收入涨幅仅为领薪雇员的一半 [34][36] - 政策优先事项包括：推广正式学徒制、提供农技推广服务、为通用技能培训提供补贴，以及激励企业扩大规模并投资职业培训，以创造更多高学习潜力的工作岗位 [38][40] 将多种情境纳入政策框架应对旧有挑战 - 有效的政策需在家庭、社区和职场三种情境下协同推进，并实现跨部门协作 [39][41] - 需要借助社保登记体系、社会救助中心、个案管理等工具来统筹跨情境的投资与服务 [42] - 当前衡量人力资本投资进展的数据有限，需要在全球和国家层面制定更全面的数据议程 [42]

重新认识“投资于人”与无形资本的核心地位 - 当前对“投资于人”的讨论多聚焦于需求端，但考虑到中美科技竞争加剧、无形资本崛起及中国建设创新型国家的背景，其重要性远超于此[2] - 过去25年间，财富格局发生巨大变革，无形资本成为企业价值主要驱动力，以标普500指数成分股企业为例，当前其价值的80%由无形资本驱动，而有形资本仅占20%，这一结构与25年前（有形资本80%，无形资本20%）完全相反[2] - 无形资本涵盖品牌、专利、软件、数据、算法及组织流程等要素，这些均与人力资本深度相关，从通俗意义上理解，人力资本是无形资本的核心源头，无形资本是人力资本的固化形态[2][3] 宏观核算体系的局限与“综合财富”框架 - 现行的国民账户体系及国家资产负债表估算工作，核心目标服务于金融稳定分析，因此仅纳入产权清晰、可交易、可计价的物质与金融资产[3] - 由于人力资本不可分离、不可强制变现，难以满足核心资产负债表的会计确认标准，因此未被纳入宏观核算体系，这忽略了人力资本对经济长期增长和国家中长期偿债能力的关键作用[3] - 为弥补这一缺陷，世界银行推出了“综合财富”估算框架，在生产资本、自然资本之外，新增人力资本作为核算维度，具有重要意义[3] 投资于“物”与投资于“人”的债务风险辨析 - 当投资聚焦于“物”时，负债端的投入通常会直接形成资产端的实际资本，实现资产与负债的完全匹配，因此债务风险相对较低[4] - 传统观点认为，政府通过扩大负债支持居民消费（如美国2008年金融危机后的做法）会形成债务且未对应实物资产，因此债务风险高，但这种观点忽略了消费是在不断积累人力资本[5] - 债务风险的关键不在于是否形成实物资产，而在于未来现金流与收入能力，人力资本通过提升潜在增长率、扩大税基，能增强政府偿债能力，因此投资于人并不会带来更高的风险[5] 中美人力资本财富对比与差距成因 - 在纳入人力资本财富的全球财富结构中，人力资本财富占比平均超过60%，而实物财富、有形财富占比仅40%左右[6] - 中国凭借人力资源总量优势，与美国共同跻身全球人力资本财富总量前两位，是全球第二大人力资本储备池，但从人均角度看，美国人均人力资本财富是中国的5-7倍，差距显著[6] - 根据世界银行估算公式“人力资本财富=当前工资×就业概率×剩余工作年限”，中美差距主要源于三方面：美国工资水平显著更高、当前就业市场表现良好（就业概率高）、劳动者预期剩余工作年限相对更长[7] “投资于人”的主体责任与中央政府主导作用 - “投资于人”的核心实施主体是政府，需解决“钱从哪儿来”与“钱往哪儿去”两大问题[8] - 强调中央政府牵头发力的核心原因有二：一是“投资于人”与公共服务均等化相关，但地方政府普遍财力不足；二是人力资源具有高度流动性，地方政府单独投入可能导致投入与收益不匹配（外部性问题），中央层面统筹可将此外部性内部化[8] “投资于人”的具体实施路径与四大举措 - 第一，织密社会安全网，推动基本公共服务均等化，着力扩大居民消费，尤其聚焦文化、文娱体育等发展型消费，这些对人力资本积累和创新思维塑造有积极作用[9] - 第二，优化财政支出结构，重点提高“投资于人”的支出占比，在预算编制中将教育、技能培训、基本公共卫生及科研领域人力资本支出归类为“人力资本投资”或“生产性民生支出”[9][10] - 第三，提升国有资本经营收益，充实社保基金与民生保障资金，具体包括深化国企改革提高利润上缴比例、将部分国有资本股权划转至全国社会保障基金[10] - 第四，盘活政府存量资产，提高资产收益率，所得资金用于完善公共服务体系、提高基本养老金水平等领域，破解民生保障资金缺口问题[10]

文章核心观点 - 落实“民生为大”的关键在于全面“投资于人”，将资金资源投入到人的需求、发展和保障上，使其成为撬动投资效率的核心杠杆，以激发14亿多人的潜能并创造乘数效应 [1] - 在传统投资效率下降的背景下，“投资于人”需要放在更加突出的位置，以实现从“人口红利”向“人才红利”升级，并对提升投资效率、优化投资结构、推进经济转型升级具有关键作用 [1] - 全面“投资于人”需要大规模资金投入和战略决策，初步测算总投资规模为80万亿元至100万亿元，通过具体领域的年度新增投入，可推动民生改善并形成“人力资本积累—消费升级—经济增长”的良性循环，最终支撑中国式现代化和共同富裕 [1] 投资于人的核心理念与战略意义 - “投资于人”是指将资本投向人的能力培养、潜能激发与价值实现，以激发14亿多人的潜能，创造出远超资金本身的乘数效应 [1] - 在传统投资效率下降的特定背景下，“投资于人”需要放在更加突出的位置，成为撬动投资效率的核心杠杆 [1] - 以“投资于人”实现从“人口红利”向“人才红利”升级，对提升投资效率、优化投资结构、发挥投资在推进经济转型升级过程中的关键作用具有重要意义 [1] 人力资本的经济贡献与现状分析 - 现代经济增长中人力资本贡献率已超过物质资本 [1] - 与发达国家相比，中国劳动力平均受教育年限还有提升空间 [1] - 世界银行研究表明，劳动力受教育年限每提升1年，GDP将提高9% [1] - 未来必须持续提高劳动力素质，改善劳动力供给质量，推动技术进步，以人口高质量发展支撑经济高质量发展 [1] 投资于人的乘数效应与良性循环 - 随着发展水平的提升，人力资本投资具有更高的效率和乘数效应 [1] - “投资于人”不仅能有效提升劳动力质量，更能通过改善民生预期释放内需潜力 [1] - 此举将形成“人力资本积累—消费升级—经济增长”的良性循环 [1] 全面投资于人的资金规模与具体投向 - 初步测算，全面“投资于人”，全面保障和改善民生，需要80万亿元至100万亿元的投资规模 [1] - 可考虑以每年新增5万亿元投入初步实现城乡基本医疗均等化 [1] - 可考虑以每年新增5000亿元投入普及高中阶段义务教育 [1] - 可考虑以每年新增2万亿元至3万亿元投入完善生育支持体系 [1] - 可考虑以2万亿元至3万亿元投入建立“生育补贴制度” [1] 长期愿景与发展路径 - 以“民生大国”为愿景，以“投资于人”为路径 [1] - 在中国式现代化新征程上，目标既积累雄厚的物质资本，更塑造强大的人力资本 [1] - 最终目标是走向共同富裕 [1]

亚洲经济与教育发展模式 - 越南经济自上世纪80年代以来取得显著增长，人均收入从约100美元增长至约5000美元，胡志明市的预期寿命达到77岁，超过美国部分州[3] - 亚洲新兴经济体（包括中国、印度、印度尼西亚、越南等）对全球经济增长贡献巨大，2025年贡献度超过世界其他地区总和，预计2026年仍将保持这一趋势[3] - 亚洲经济增长模式最初由日本和“亚洲四小龙”（香港、韩国、中国台湾和新加坡）引领，随后扩展至中国大陆和东南亚，近期延伸至孟加拉国和印度[4] 教育投资与文化价值观 - 东亚社会（如中国台湾、新加坡、韩国、日本）对教育高度重视，其教育体系在全球名列前茅，这种重视根植于儒家文化中“学而优则仕”的传统[4][5][7] - 中国台湾规定教育、文化和科学支出须占国家预算至少15%，净预算收入中至少22.5%须用于教育，相比之下，美国联邦预算中教育支出仅略高于2%[7] - 亚洲存在大量通过个人奋斗克服经济困难完成学业的案例，例如越南学生Tran Ha Hoang Chau通过全职工作支持全职学习，并因其科学研究获得奖项[5][6] 教育支持与非营利组织 - 非营利组织U-Go为亚洲和非洲才华横溢的低收入女性提供每人约800美元的奖学金，以支持她们接受高等教育[8] - 亚洲学生将学业置于个人生活之上，例如越南科技系学生Phan Thi My Duyen认为学业是其首要任务，并致力于发明农业和科技装置[7] 对美国教育的反思 - 美国社会存在对教育投资不足的问题，特别是联邦层面教育预算占比低，且地方教育经费分配不均，导致教育资源与家庭财富挂钩[7][9] - 美国存在对高等教育机构进行政治攻击的现象，例如有政客妖魔化大学并提议对其捐赠基金征税[10] - 美国可以从亚洲借鉴对人力资本的尊重，减少对教育平庸现状的自满，并更公平地分配教育资源[9][10]

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]