Ada sebuah pertanyaan yang kerap mengusik para pengamat ekonomi industri: bagaimana perusahaan-perusahaan China — dari Huawei dan ByteDance hingga BYD dan CATL — mampu, dalam waktu relatif singkat, membangun tenaga kerja yang sanggup mengejar, kemudian melampaui, banyak pemain lama dunia? Jawaban populer cenderung mereduksi fenomena ini pada satu faktor: jam kerja yang panjang, subsidi negara, atau jumlah populasi yang besar. Kerangka tunggal seperti itu hampir selalu meleset. Yang sesungguhnya bekerja di balik kompetensi adaptif tenaga kerja korporasi China adalah jaringan faktor yang saling memperkuat — sebuah ekosistem produktif yang menghubungkan kebijakan industri, sistem pendidikan, praktik manajerial di tingkat perusahaan, hingga geografi aglomerasi industri. Untuk memahami fenomena ini secara objektif, kita perlu mengurainya satu per satu, sambil tetap memberi ruang pada keterbatasan dan paradoks yang juga melekat di dalamnya.
Titik berangkat yang paling jarang dibahas, tetapi paling fundamental, adalah sisi *permintaan*. Tenaga kerja tidak menjadi adaptif dalam ruang hampa; ia menjadi adaptif karena dihadapkan pada permintaan yang menuntutnya untuk demikian. Sejak awal abad ke-21, China secara sistematis mengarahkan permintaan tersebut melalui serangkaian kebijakan industri — Medium- and Long-Term Plan on Science & Technology (2006), Made in China 2025 (2015), dan Rencana Lima Tahun ke-14 dan ke-15 — yang secara eksplisit menargetkan transisi dari manufaktur murah berbasis tenaga kerja menjadi manufaktur berbasis pengetahuan (CSIS, 2025; U.S.-China Economic and Security Review Commission [USCC], 2025). Kebijakan ini bukan sekadar daftar sektor prioritas; ia menyediakan permintaan terjamin, pembiayaan, dan tekanan politik yang membuat perusahaan-perusahaan harus mengembangkan kapabilitas teknologi mereka sendiri. Evaluasi oleh USCC (2025) menyimpulkan bahwa Made in China 2025 memenuhi sekitar 86 persen targetnya, dan — yang lebih penting bagi pembahasan kita — menciptakan apa yang mereka sebut sebagai “industrial commons” yang padat: kumpulan klaster produsen, pemasok komponen, dan kapabilitas riset yang saling terhubung sehingga kemajuan di satu sektor dengan cepat memicu terobosan di sektor tetangga. Dalam lingkungan seperti itu, kompetensi karyawan yang cepat berpindah dari satu domain teknis ke domain lain memiliki *premium* ekonomi yang nyata.
Pada lapisan berikutnya, China membangun sisi *penawaran* sumber daya manusia dalam skala yang sulit ditandingi. Investasi negara dalam penelitian dan pengembangan (R&D) tumbuh rata-rata 11,7 persen per tahun antara 2013 dan 2021, jauh di atas Amerika Serikat (6,5 persen), Uni Eropa (3,5 persen), dan Jepang (1,3 persen) (Guangming Online, 2022). Total pengeluaran R&D China pada 2025 menembus 3,92 triliun yuan atau sekitar 569 miliar dolar AS, setara 2,8 persen dari PDB (Yin, sebagaimana dilaporkan oleh State Council, 2026). Sejak melampaui Amerika Serikat pada 2013, jumlah personel R&D China dalam ekuivalen waktu penuh terus memimpin dunia, mencapai 7,57 juta orang pada 2024 (Organisation for Economic Co-operation and Development [OECD], 2025 sebagaimana dikutip CEIC, 2024). Di bagian hulu pipa tenaga kerja, pendidikan tinggi China saat ini memproduksi sekitar 3,57 juta lulusan STEM (sains, teknologi, teknik, matematika) per tahun, atau sekitar 40 persen dari seluruh lulusan perguruan tinggi (Oliss, McFaul, & Riddick, 2024). Untuk pendidikan doktoral, Zwetsloot et al. (2021) memproyeksikan bahwa pada 2025 universitas-universitas China akan menghasilkan lebih dari 77.000 doktor STEM per tahun, dibandingkan sekitar 40.000 di Amerika Serikat — sebuah pembalikan kapasitas yang memiliki konsekuensi jangka panjang pada arah kompetisi teknologi global.
Volume saja tentu tidak cukup. Skala besar lulusan justru bisa menjadi beban jika kualitasnya rendah. Namun data asesmen internasional menunjukkan bahwa elemen kualitas memang ada, setidaknya di sekolah-sekolah perkotaan. Pada PISA 2018, gabungan kohort Beijing–Shanghai–Jiangsu–Zhejiang menempati peringkat tertinggi dunia di matematika, sains, dan membaca, dengan rata-rata sekitar 591 di matematika dan 590 di sains (OECD, 2019). Pada PISA 2022, enam sistem pendidikan Asia Timur — termasuk Hong Kong (China), Macao (China), dan Chinese Taipei — mengungguli semua negara lain di matematika, dengan Singapura sebagai pemuncak (OECD, 2023). Memang ada kritik valid bahwa sampel PISA dari China cenderung berasal dari provinsi kaya dan tidak mencerminkan situasi di daerah pedesaan (Wikipedia/PISA, 2024), tetapi yang relevan untuk pembahasan kita adalah bahwa segmen lulusan yang paling mungkin diserap oleh perusahaan-perusahaan terdepan Shenzhen, Shanghai, dan Beijing memang melewati sistem pendidikan dasar dan menengah yang menanamkan dasar kuantitatif yang solid.
Kekuatan sistemik ini ditopang oleh strategi diaspora. Sejak Thousand Talents Plan diluncurkan pada 2008, China secara aktif menarik kembali ilmuwan dan insinyurnya yang sebelumnya dilatih dan bekerja di Barat — kelompok yang dijuluki *haigui* atau “kura-kura laut” (Hao & Liu, 2012; Zweig, 2020). Analisis Stanford menunjukkan proporsi peneliti China yang kembali ke tanah airnya setelah bekerja di Amerika Serikat naik dari 48 persen pada 2010 menjadi 67 persen pada 2021, dan tetap meningkat sesudahnya, dengan rekor 1,29 juta returnee pada 2023 (Stanford analysis dikutip dalam Alphabiz, 2024). Returnee ini menjadi *brain bridge*: mereka membawa pulang bukan hanya pengetahuan eksplisit (publikasi, paten), tetapi juga pengetahuan *tacit* — cara berpikir laboratorium kelas dunia, etika riset, jaringan profesional internasional, dan kebiasaan kerja yang melekat di lembaga-lembaga seperti Stanford, MIT, Pfizer, atau Google. Studi kasus pada industri farmasi dan biotek menunjukkan bagaimana returnee menjadi fondasi pembentukan ekosistem klinis dan R&D farmasi modern China dalam waktu kurang dari dua dekade (Pharmaboardroom, 2019). Dalam istilah ekonomi inovasi, returnee bertindak sebagai akselerator *absorptive capacity* — kapasitas perusahaan untuk mengenali, menyerap, dan memanfaatkan pengetahuan baru dari luar (Song, 2015).
Berpindah dari makro ke level perusahaan, faktor ketiga adalah arsitektur institusional pembelajaran di dalam organisasi itu sendiri. Penelitian empiris pada 115 perusahaan China menemukan bahwa pembelajaran organisasi dan absorptive capacity memberi dampak positif signifikan pada inovasi, dan absorptive capacity menjadi mediator kunci dalam transisi dari *imitasi* ke *inovasi* (Song, 2015). Temuan ini penting karena memperkuat tesis bahwa kapabilitas Chinese firms tidak muncul dari peniruan murni, tetapi dari peniruan yang *diolah* — dipelajari, didekonstruksi, dimodifikasi, dan akhirnya digantikan dengan solusi orisinal. Studi terbaru oleh Sun, Zhang, dan Cui (2024) terhadap perusahaan menengah-kecil China di PLOS ONE menegaskan kembali bahwa motivasi belajar organisasi secara signifikan memengaruhi keberhasilan inovasi, dan iklim inovatif perusahaan memperkuat kinerja organisasi secara keseluruhan.
Huawei sering dijadikan studi kasus karena keterbukaan dokumentasinya. Perusahaan ini mengoperasikan platform pembelajaran digital iLearning yang menyediakan kursus daring untuk seluruh karyawan, bersama lebih dari 20.000 forum dan komunitas pengetahuan internal yang memfasilitasi pertukaran lintas-domain (Huawei, 2024). Yang menarik secara struktural adalah dua hal. *Pertama*, Huawei mengoperasikan mekanisme “pasar talenta internal” (internal talent market) yang mendorong perpindahan karyawan antar-departemen secara cepat, sehingga seorang insinyur bisa berpindah dari proyek 5G ke proyek cloud ke proyek perangkat konsumen dalam beberapa tahun (Huawei, 2024). Mobilitas internal seperti ini secara empiris dikaitkan dengan akumulasi *experience breadth* yang memperkuat daya adaptasi karyawan terhadap perubahan teknologi (Wu et al., 2025). *Kedua*, Huawei membedakan dua jalur karier — jalur manajer dan jalur ahli — sehingga karyawan tidak terpaksa pindah ke manajemen untuk mendapatkan kenaikan, dan dengan demikian keahlian teknis tidak terkuras dari lini frontier teknologi (Huawei, 2024). Strategi ini bukan unik Huawei, tetapi diterapkan oleh banyak perusahaan teknologi China yang mempelajarinya, dalam beberapa hal, dari praktik korporasi Jepang dan Amerika.
Kasus BYD dan CATL di sektor kendaraan listrik dan baterai memberikan ilustrasi yang lebih baru. Penelitian firm-level oleh Zhao dan Lema (2025) memperlihatkan bahwa keberhasilan dua perusahaan ini bukan sekadar buah subsidi pemerintah; mereka melakukan investasi awal pada teknologi baterai lithium-ion untuk EV sejak pertengahan 2000-an — mendahului dan turut membentuk kebijakan pemerintah. Mereka memanfaatkan kapabilitas yang sudah ada di sektor baterai elektronik konsumen China, membangun pengetahuan otomotif spesifik melalui kemitraan strategis dengan pemain *incumbent* asing, dan secara aktif merekrut keahlian asing (Zhao & Lema, 2025). Pola ini — internalisasi pengetahuan eksternal, kombinasi dengan basis pengetahuan domestik yang sudah ada, lalu pengembangan kapabilitas organisasi orisinal — adalah definisi praktis dari absorptive capacity yang bekerja.
Faktor keempat sering kali tidak terlihat di ruang kelas atau struktur manajerial, tetapi sangat nyata di peta: aglomerasi geografis. China memiliki klaster industri terpadat dan paling lengkap di dunia, terutama di Delta Sungai Pearl (Shenzhen-Dongguan-Guangzhou) dan Delta Sungai Yangtze (Shanghai-Suzhou-Hangzhou-Nanjing). Penelitian Wang, Lin, dan Li (2010) di Shenzhen — sekali pun mereka menemukan bahwa spillover pengetahuan formal lewat paten tidak begitu kuat — mencatat eksistensi linkage produksi yang sangat intensif antar-perusahaan di klaster ICT. Studi yang lebih baru pada Yangtze River Delta mendokumentasikan bagaimana spillover pengetahuan ilmiah lokal, dimediasi oleh kedekatan industri, memberi dampak positif pada kinerja inovasi perusahaan (Zhang & Cui, 2023). Bagi seorang insinyur muda di Shenzhen, klaster ini berarti satu hal yang sederhana: ia bisa berpindah pekerjaan tanpa pindah kota, bekerja dengan beragam masalah teknis dalam radius beberapa kilometer, dan dengan demikian membangun kombinasi keluasan dan kedalaman pengalaman yang sulit didapatkan di lokasi yang lebih tersebar. Inilah yang dalam literatur ekonomi geografi disebut sebagai *thick labor market effect* — kepadatan pasar tenaga kerja yang mempercepat *matching* dan pembelajaran (Duranton & Puga, 2004, dikutip dalam Zhang & Cui, 2023).
Tekanan kompetitif itu sendiri merupakan faktor kelima. Laporan tren talenta LinkedIn China mencatat penurunan masa kerja rata-rata pekerja China dari 34 bulan pada 2014 menjadi 26 bulan pada 2017 (Wu et al., 2025). Survei PwC Hopes and Fears 2023 menunjukkan kesediaan pekerja Gen Z dan Milenial China untuk berpindah pekerjaan jauh lebih tinggi dibanding rata-rata global (Wu et al., 2025). Pada 2025, sektor manufaktur China mencatat tingkat attrition 15,7 persen (China Briefing, 2026). Mobilitas yang tinggi ini sering dianggap “tidak sehat” dari sudut pandang retensi, tetapi dari sudut pandang pembelajaran kolektif tenaga kerja, ia berfungsi sebagai mekanisme transfer pengetahuan: setiap perpindahan adalah perpindahan keterampilan dan praktik dari satu perusahaan ke perusahaan lain. Bagi karyawan individu, mobilitas memaksa pembelajaran ulang yang konstan; bagi industri, ia menciptakan *cross-pollination* yang mempercepat difusi praktik terbaik.
Di sinilah kita harus membahas — secara hati-hati dan tidak mendramatisir — variabel jam kerja. Budaya “996” (bekerja dari pukul 9 pagi hingga 9 malam, enam hari seminggu) memang menjadi norma de facto di sebagian besar perusahaan teknologi China selama hampir dua dekade. Laporan International Labour Organization (ILO, 2024, sebagaimana dikutip DFC Studio, 2025) mencatat rata-rata jam kerja mingguan karyawan urban China adalah 46,4 jam, jauh di atas rata-rata OECD 36,4 jam. Penelitian Tsinghua University, sebagaimana dirangkum sumber sekunder, menunjukkan bahwa setelah 40 jam per minggu, jam tambahan memberi marginal return produktivitas yang menurun (DFC Studio, 2025). Pada 2021, Mahkamah Agung China secara resmi menyatakan praktik 996 sebagai pelanggaran hukum tenaga kerja. Studi di Kansas Journal of Medicine (2021) menemukan hubungan inversi signifikan antara stres pekerja dan produktivitas perusahaan, dan sebuah studi yang diterbitkan di IEEE Software pada 2020 menemukan perusahaan China memang cenderung mempraktikkan jam kerja panjang dibandingkan rekan Amerika mereka (Wikipedia, 2026). Implikasi yang jujur dari literatur ini bukanlah bahwa 996 menyebabkan keunggulan tenaga kerja China — bukti empiris justru menunjukkan biaya kesehatan dan turnover yang nyata — melainkan bahwa intensitas waktu kerja pada fase tertentu memungkinkan kompresi siklus belajar dan iterasi yang lebih cepat, dengan harga sosial yang sekarang mulai dipertanyakan secara internal oleh pemerintah dan pekerja China sendiri. Midea menutup kantor lebih awal, DJI memberlakukan aturan “lampu mati”, dan generasi muda China mulai menolak model ini secara terbuka (Daily Reporter, 2025). Dengan kata lain, faktor “jam panjang” tidak boleh dilihat sebagai keunggulan struktural yang berkelanjutan; ia lebih merupakan *bridging mechanism* selama fase catch-up yang kini sedang surut.
Faktor keenam yang patut diperhatikan adalah reformasi pendidikan dan pelatihan vokasi (Technical and Vocational Education and Training, TVET) yang berurusan dengan tulang punggung tenaga kerja blue-collar. Sejak 2010-an, pemerintah China telah merilis serangkaian dokumen kebijakan untuk menjembatani kesenjangan antara keterampilan lulusan vokasi dan kebutuhan industri (He, Ma, Wei, & Zheng, 2024). Rencana TVET terbaru menargetkan pembangunan sekitar 300 pusat praktik nasional pada 2025, dengan fokus pada lima industri prioritas: teknologi dirgantara, rekayasa material, pertahanan, rekayasa maritim, dan teknologi rel canggih (British Council, 2024). Reformasi ini didorong oleh strategi Made in China 2025 dan Digital China yang menuntut peningkatan dari produk bernilai tambah rendah ke produk bernilai tambah tinggi, sehingga membutuhkan lebih banyak pekerja terampil dan kreatif (He et al., 2024). Inisiatif “Skill China Action” yang diluncurkan oleh Kementerian Sumber Daya Manusia dan Jaminan Sosial pada 2021 memperkuat sisi ini secara institusional (Wang & Zhang, 2025). Perusahaan besar seperti Huawei juga menjadi bagian dari ekosistem ini: kandidat yang lulus sertifikasi Huawei mendapatkan sertifikat keterampilan vokasional dan subsidi (Huawei, 2021). Skema seperti ini menciptakan jalur ko-pengembangan kurikulum antara industri dan sekolah vokasi — sebuah pendekatan yang dalam literatur disebut *industry–academia collaboration* yang berkorelasi dengan persepsi *employability* siswa vokasional di China (Yuan, 2024).
Namun, sebagai bagian dari sikap evenhanded, perlu dicatat bahwa sistem ini tidak tanpa cacat. Survei ManpowerGroup mencatat 74 persen pemberi kerja di China melaporkan kesulitan mengisi posisi terampil pada 2025 (HROne, 2025), dan World Economic Forum memperkirakan defisit lebih dari 10 juta pekerja terampil pada akhir 2025 (HROne, 2025). The Diplomat (2025) melaporkan bahwa untuk sepuluh industri manufaktur strategis China, sekitar 48 persen dari kebutuhan 62 juta pekerja terampil hingga akhir 2025 diperkirakan tidak akan terpenuhi. Kebijakan visa K 2025 yang membuka pintu untuk talenta STEM asing memicu reaksi publik justru karena tingkat pengangguran usia 16–24 (eksklusif pelajar) di China mencapai 17,7 persen pada akhir 2025 (NBC News, 2025). Ini menggambarkan paradoks: secara agregat tenaga kerja China sangat kompetitif di banyak sektor, tetapi pada saat yang sama China menghadapi *mismatch* yang serius antara pasokan lulusan universitas umum dan permintaan teknisi industri. Pendidikan vokasi masih menyandang stigma sosial yang membatasi minat siswa berprestasi (South China Morning Post, 2023). Penelitian Yuan et al. (2021) yang dipublikasikan di *Humanities and Social Sciences Communications* menggunakan taksonomi keterampilan tenaga kerja China pertama berbasis pembelajaran mesin menunjukkan bahwa tingkat penyelesaian pendidikan empat-tahun atau lebih tinggi pada kelompok usia 25–34 tahun hanya 14 persen pada 2018, jauh di belakang negara-negara OECD; ini membuat *re-skilling* dan mobilitas karier menjadi tantangan bagi mayoritas pekerja blue-collar.
Apa benang merahnya? Tenaga kerja perusahaan China yang cepat belajar dan adaptif bukanlah produk dari satu faktor sakti — bukan jam kerja panjang, bukan budaya Konfusianisme, bukan subsidi negara, bukan populasi besar — melainkan produk dari arsitektur sistem yang saling memperkuat. Permintaan terjamin dari kebijakan industri menciptakan insentif bagi perusahaan untuk membangun kapabilitas teknologi yang serius. Sistem pendidikan, terutama di hilir STEM dan di kota-kota besar, memasok volume dan kualitas dasar yang memadai. Returnee dari luar negeri menjadi jembatan pengetahuan tacit. Perusahaan-perusahaan besar membangun institusi pembelajaran internal yang terstruktur, dengan pasar talenta internal dan jalur karier ganda. Klaster industri yang padat menciptakan kondisi pasar tenaga kerja yang mempercepat pembelajaran melalui mobilitas dan limpasan informal. Tekanan kompetitif yang tinggi — dengan harga sosial yang nyata — mengompresi siklus iterasi. Reformasi TVET menjangkau lapisan tenaga kerja yang sebelumnya tertinggal. Tidak ada satu pun komponen yang, sendirian, akan menghasilkan tenaga kerja sekompetitif itu; kombinasi semuanya yang menjelaskan apa yang kita amati.
Pelajaran metodologis dari kasus China sebenarnya cukup sederhana: kapabilitas tenaga kerja modern adalah variabel sistemik, bukan variabel pribadi atau kultural. Negara mana pun yang ingin meniru hasilnya — termasuk Indonesia, yang menghadapi tantangan struktural pendidikan dan industrinya sendiri — harus berhati-hati untuk tidak meniru satu elemen yang paling mencolok (seperti jam kerja panjang) dan mengabaikan arsitektur yang menopangnya. Yang ditiru harus *sistemnya*, bukan *gejalanya*. Dan, sebagaimana ditunjukkan kasus China sendiri, bahkan sistem yang berhasil pun menghasilkan ketegangan internal — antara pertumbuhan agregat dan kesejahteraan individu, antara lulusan universitas dan kebutuhan industri, antara intensitas dan keberlanjutan — yang harus dikelola secara terbuka dan berkesinambungan, bukan dirayakan tanpa kritik.
—
## Daftar Pustaka
Alphabiz. (2024). Stanford analysis: Chinese researchers returning home from the U.S. *Alphabiz News*. Diakses dari https://alphabiz.co.kr/news/view/1065553818784725
British Council. (2024). *China’s TVET reforms gain momentum*. British Council Education Insight. Diakses dari https://opportunities-insight.britishcouncil.org/short-articles/news/chinas-tvet-reforms-gain-momentum
CEIC. (2024). China total R&D personnel: Full-time equivalent. Berdasarkan data Organisation for Economic Co-operation and Development. *CEIC Database*. Diakses dari https://www.ceicdata.com
Center for Strategic and International Studies. (2025). *Made in China 2025*. CSIS Analysis. Diakses dari https://www.csis.org/analysis/made-china-2025
China Briefing. (2026). *China’s labor market in 2026: Wage, talent mobility, and city map*. Dezan Shira & Associates. Diakses dari https://www.china-briefing.com/news/chinas-labor-market-in-2026-wage-mobility-talent-map/
Daily Reporter. (2025, 11 September). China’s 996 work culture shows dangers of overwork. *Daily Reporter*. Diakses dari https://dailyreporter.com/2025/09/11/996-work-culture-overwork-productivity-decline/
DFC Studio. (2025). *996 in China and the future of work: A global perspective*. Diakses dari https://dfc-studio.com/blog/china-996/
Duranton, G., & Puga, D. (2004). Micro-foundations of urban agglomeration economies. Dalam J. V. Henderson & J.-F. Thisse (Eds.), *Handbook of Regional and Urban Economics* (Vol. 4, pp. 2063–2117). Elsevier.
Guangming Online. (2022, 21 Oktober). China in a decade: Remarkable innovation-driven development, steady progress of science and technology. *Guangming Online*. Diakses dari https://en.gmw.cn/2022-10/21/content_36103190.htm
Hao, J., & Liu, X. (2012). A tale of sea turtles: Job-seeking experiences of *hai gui* (high-skilled returnees) in China. *Higher Education Policy*, *25*(2), 243–260. https://doi.org/10.1057/hep.2012.4
He, X., Ma, S., Wei, J., & Zheng, M. (2024). Chinese technical and vocational education and training, skill formation, and national development: A systematic review of educational policies. *Vocation, Technology & Education*, *1*(4). https://doi.org/10.54844/vte.2024.0677
HROne. (2025). *What are the main workforce challenges in China? Unveiling critical issues*. Diakses dari https://hrone.com/blog/what-are-the-main-workforce-challenges-in-china-unveiling-critical-issues/
Huawei Technologies. (2021). *Building a vibrant talent ecosystem to empower industries*. Huawei ICT Insights. Diakses dari https://e.huawei.com/en/ict-insights/global/ict_insights/ict32-talent-ecosystem
Huawei Technologies. (2024). *Employee training and development*. Sustainability Report. Diakses dari https://www.huawei.com/en/sustainability/the-latest/stories/assigning-the-brightest-minds
International Labour Organization. (2024). *World employment and social outlook: Trends 2024*. ILO Publishing.
NBC News. (2025, 23 Oktober). China woos foreign tech talent, fanning its graduates’ unemployment fears. *NBC News*. Diakses dari https://www.nbcnews.com/world/asia/china-woos-foreign-tech-talent-fanning-graduates-unemployment-fears-rcna237485
Oliss, B., McFaul, C., & Riddick, J. C. (2024). *The global distribution of STEM graduates: Which countries lead the way?* Center for Security and Emerging Technology, Georgetown University. Diakses dari https://cset.georgetown.edu/article/the-global-distribution-of-stem-graduates-which-countries-lead-the-way/
Organisation for Economic Co-operation and Development. (2019). *PISA 2018 results (Volume I): What students know and can do*. OECD Publishing. https://doi.org/10.1787/5f07c754-en
Organisation for Economic Co-operation and Development. (2023). *PISA 2022 results (Volume I): The state of learning and equity in education*. OECD Publishing. https://doi.org/10.1787/53f23881-en
Pharmaboardroom. (2019, 4 Oktober). The sea turtles: China’s top pharma talent comes home. *PharmaBoardroom*. Diakses dari https://pharmaboardroom.com/articles/the-sea-turtles-chinas-top-pharma-talent-comes-home/
Song, Z.-H. (2015). Organizational learning, absorptive capacity, imitation and innovation: Empirical analyses of 115 firms across China. *Chinese Management Studies*, *9*(1), 97–113. https://doi.org/10.1108/CMS-05-2014-0092
South China Morning Post. (2023, 13 April). China jobs: Beijing urged to reform vocational education and end discrimination to plug skilled worker gap. *SCMP*. Diakses dari https://www.scmp.com/economy/china-economy/article/3213771
State Council of the People’s Republic of China. (2026, 5 Maret). China hits record R&D spending, unveils innovation push through 2030. *State Council Information Office* (mengutip Menteri Yin Hejun). Diakses dari https://english.www.gov.cn/archive/statistics/202603/05/content_WS69a96a44c6d00ca5f9a09933.html
Sun, X., Zhang, S., & Cui, S. (2024). Unveiling the nexus: Influence of learning motivation on organizational performance and innovative climate of Chinese firms. *PLOS ONE*, *19*(5), e0304729. https://doi.org/10.1371/journal.pone.0304729
The Diplomat. (2025, 23 Oktober). China’s labor market paradox. *The Diplomat*. Diakses dari https://thediplomat.com/2025/10/chinas-labor-market-paradox/
U.S.-China Economic and Security Review Commission. (2025). *Made in China 2025: Evaluating China’s performance*. USCC Annual Report. Diakses dari https://www.uscc.gov/research/made-china-2025-evaluating-chinas-performance
Wang, C. C., Lin, G. C. S., & Li, G. (2010). Industrial clustering and technological innovation in China: New evidence from the ICT industry in Shenzhen. *Environment and Planning A*, *42*(8), 1987–2010. https://doi.org/10.1068/a4356
Wang, Y., & Zhang, L. (2025). The transformation of Chinese vocational education in the era of globalization. *Vocation, Technology & Education*, *2*(3). https://doi.org/10.54844/vte.2025.1023
Wikipedia contributors. (2024). *Programme for International Student Assessment*. Wikipedia. Diakses dari https://en.wikipedia.org/wiki/Programme_for_International_Student_Assessment
Wikipedia contributors. (2026). *996 working hour system*. Wikipedia. Diakses dari https://en.wikipedia.org/wiki/996_working_hour_system
Wu, Y., Chen, L., & Liu, X. (2025). How job mobility history affects employability in Chinese labour market? A paradoxical perspective of experience breadth and depth. *Economic Modelling*, *143*, 106923. https://doi.org/10.1016/j.econmod.2025.106923
Yuan, F. (2024). Quality culture, university-industry collaboration, and perceived employability among vocational students in China: A Yanpei Huang perspective. *Frontiers in Education*, *9*, 1428931. https://doi.org/10.3389/feduc.2024.1428931
Yuan, S., Hu, Y., Zhang, L., Pentland, A., Lakhani, K., & Hidalgo, C. A. (2021). Developing China’s workforce skill taxonomy reveals extent of labor market polarization. *Humanities and Social Sciences Communications*, *8*, Article 187. https://doi.org/10.1057/s41599-021-00862-2
Zhang, J., & Cui, W. (2023). Knowledge spillover and spatial innovation growth: Evidence from China’s Yangtze River Delta. *Sustainability*, *15*(19), 14370. https://doi.org/10.3390/su151914370
Zhao, P., & Lema, R. (2025). China’s technological catch-up and leapfrogging in electric vehicles: A firm-level study of BYD and CATL. *Research Policy* (in press). https://doi.org/10.1016/j.respol.2025.105110
Zweig, D. (2020). *China’s talent programs: Lessons for the United States?* National Academies of Sciences, Engineering, and Medicine. Diakses dari https://nap.nationalacademies.org/resource/27787/Zweig_ITP_Commissioned_Paper.pdf
Zwetsloot, R., Corrigan, J., Weinstein, E. S., Peterson, D., Gehlhaus, D., & Fedasiuk, R. (2021). *China is fast outpacing U.S. STEM PhD growth* (CSET Data Brief). Center for Security and Emerging Technology, Georgetown University. https://doi.org/10.51593/20210018