【摘要】人工智能及控制设备在生产中的应用，对劳动者就业具有替代效应。当前国内研究大多以职业的人工智能替代风险作为测算对象，较少直接关注异质劳动者的人工智能就业替代风险。本文基于工作任务方法，利用中国劳动力动态调查(CLDS)数据，选取劳动者个人特征、工作任务和从事职业特征三方面输入变量，运用机器学习模型测算每一劳动者个体的替代概率。依据个人特征将劳动者划分为12个异质性群体，对比分析异质劳动者群体的就业替代风险。结果表明：(1)我国处于低、中、高替代风险等级的劳动者份额依次为52.9%、24.2%和22.8%;(2)“使用互联网”工作任务、所从事职业的“学历要求”和“培训要求”三个变量对劳动者的替代风险影响较大；(3)受教育程度低的劳动者群体的平均替代概率较高，其中处于23～35岁劳动者的替代概率最低；(4)职业流动是化解劳动力市场总体替代风险的有效途径，但其效用对劳动者个体是非对称的；(5)部分高风险劳动者的替代风险倾向于固化，需警惕其替代风险转化为失业风险。