人工智能對(duì)就業(yè)的影響研究進(jìn)展

陳明真

摘 要： 正在迅速發(fā)展的人工智能是促進(jìn)未來(lái)產(chǎn)業(yè)結(jié)構(gòu)變革的重要驅(qū)動(dòng)力，具有很強(qiáng)的“頭雁效應(yīng)”并對(duì)勞動(dòng)力市場(chǎng)產(chǎn)生深刻的影響。本文以人工智能的概念為引，總結(jié)了現(xiàn)有的研究成果，回顧了人工智能對(duì)就業(yè)量、就業(yè)結(jié)構(gòu)、產(chǎn)業(yè)分布以及勞動(dòng)力市場(chǎng)收入分配等方面影響的理論和實(shí)證研究，就此提出了五種假說(shuō)，總結(jié)了現(xiàn)有文獻(xiàn)的不足之處，并對(duì)未來(lái)研究方向進(jìn)行了展望。

關(guān)鍵詞： 人工智能 就業(yè)量 就業(yè)結(jié)構(gòu) 收入分配

一、引言

黨的十八大提出我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，以技術(shù)進(jìn)步作為經(jīng)濟(jì)發(fā)展的主要驅(qū)動(dòng)力是順應(yīng)經(jīng)濟(jì)新常態(tài)發(fā)展的主要經(jīng)濟(jì)增長(zhǎng)形式。近年來(lái)，人工智能正在以不容忽視的速度進(jìn)行發(fā)展，并且對(duì)就業(yè)產(chǎn)生了深刻影響。對(duì)人工智能的研究從20世紀(jì)四50年代開(kāi)始，1956年由約翰·麥卡錫（John McCarthy）等人組織參與的達(dá)特茅斯會(huì)議被看作是開(kāi)創(chuàng)了人工智能（Artificial Intelligence，簡(jiǎn)稱(chēng)AI）研究領(lǐng)域的先河。要想研究人工智能對(duì)勞動(dòng)力市場(chǎng)各方面的影響，就要了解人工智能的相關(guān)概念及其在現(xiàn)階段的應(yīng)用領(lǐng)域。目前，對(duì)于人工智能這一概念各界學(xué)者還未形成統(tǒng)一的定義。MIT電氣工程領(lǐng)域通過(guò)研究認(rèn)為人工智能是一個(gè)有機(jī)整體，其通過(guò)模型建立關(guān)于思維、感知和行動(dòng)的表達(dá)系統(tǒng)（Finlayson等，2010）。而我國(guó)學(xué)者對(duì)人工智能進(jìn)行了以下定義：人工智能是為了實(shí)現(xiàn)特定任務(wù)目標(biāo)而創(chuàng)造的、能夠表現(xiàn)出與人類(lèi)能力相似水平的技術(shù)（楊偉國(guó)等，2018）。人工智能正在從各個(gè)方面影響著人類(lèi)的生產(chǎn)、生活，因此要對(duì)人工智能保持客觀的認(rèn)知，從而避免認(rèn)識(shí)上的盧德主義（張成崗，2018）。

國(guó)務(wù)院在2017年7月印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中提出人工智能是引領(lǐng)未來(lái)的戰(zhàn)略性技術(shù)，必須加快人工智能深度應(yīng)用，培育壯大人工智能產(chǎn)業(yè)，為我國(guó)經(jīng)濟(jì)發(fā)展注入新動(dòng)能。在近期的疫情防控中，人工智能也具有多重典型應(yīng)用場(chǎng)景，習(xí)近平總書(shū)記在指揮疫情防控工作時(shí)指出鼓勵(lì)運(yùn)用大數(shù)據(jù)、人工智能、云計(jì)算等數(shù)字技術(shù)，在疫情監(jiān)測(cè)分析、防控救治等方面發(fā)揮更好的支撐作用。未來(lái)人工智能的發(fā)展將更為迅速，從而引發(fā)科技的重大變革，也會(huì)深刻影響著人們的生產(chǎn)、生活和學(xué)習(xí)方式。研究人工智能的發(fā)展對(duì)就業(yè)各方面效應(yīng)，有助于我們更好地理解人工智能發(fā)展對(duì)勞動(dòng)力市場(chǎng)帶來(lái)的影響，從而更加合理地制定相關(guān)政策以應(yīng)對(duì)其給企業(yè)和勞動(dòng)者帶來(lái)的風(fēng)險(xiǎn)和挑戰(zhàn)。

二、人工智能對(duì)勞動(dòng)力就業(yè)量的影響

就業(yè)是民生之本，就業(yè)穩(wěn)定是維持社會(huì)穩(wěn)定的重要因素。人工智能的發(fā)展是否能夠造成大規(guī)模的失業(yè)是當(dāng)今社會(huì)普遍關(guān)注的問(wèn)題。學(xué)者對(duì)于人工智能對(duì)于就業(yè)的影響持有不同的觀點(diǎn)，其對(duì)就業(yè)的影響影響總體可分為替代效應(yīng)和創(chuàng)造效應(yīng)兩種。

（一）破壞性的替代效應(yīng)

所謂替代效應(yīng)，一方面是由于人工智能等新技術(shù)新產(chǎn)業(yè)的發(fā)展會(huì)造成傳統(tǒng)企業(yè)的滅亡，勞動(dòng)崗位消失，進(jìn)而造成就業(yè)的減少;另一方面由于技術(shù)進(jìn)步會(huì)提高勞動(dòng)生產(chǎn)率，在產(chǎn)業(yè)規(guī)模不變的情況下，減少對(duì)勞動(dòng)力的需求。曹靜（2018）認(rèn)為人工智能的發(fā)展會(huì)降低自動(dòng)化成本，從而導(dǎo)致其產(chǎn)生替代效應(yīng)。有關(guān)技術(shù)性失業(yè)的擔(dān)憂已然不是一個(gè)新的問(wèn)題了，馬克思在《資本論》中提到機(jī)器的出現(xiàn)和使用形成了勞動(dòng)者和機(jī)器之間的斗爭(zhēng)，勞動(dòng)資料可以扼殺勞動(dòng)者，勞動(dòng)資料一作為機(jī)器出現(xiàn)，立刻就成了勞動(dòng)者的競(jìng)爭(zhēng)者。熊彼特（1934）也針對(duì)技術(shù)進(jìn)步對(duì)就業(yè)的影響提出了“創(chuàng)造性破壞”這一觀點(diǎn)，即每一次大規(guī)模的創(chuàng)新都伴隨著舊的技術(shù)和生產(chǎn)體系的淘汰以及新的生產(chǎn)體系的產(chǎn)生，技術(shù)進(jìn)步必然伴隨著對(duì)就業(yè)的破壞效應(yīng)。

Benzell等（2015）通過(guò)構(gòu)建跨期迭代（OLG）模型，得出了在一定條件下，機(jī)器可以完全替代低技能勞動(dòng)者、部分替代高技能勞動(dòng)者，從而造成勞動(dòng)力需求的減少和工資的下降的結(jié)論。李曉華（2018）認(rèn)為人工智能會(huì)造成大規(guī)模的失業(yè)，隨著工業(yè)機(jī)器人、在線協(xié)作自動(dòng)成本的下降，以機(jī)器換人將更加經(jīng)濟(jì)。姚戰(zhàn)琪、夏杰長(zhǎng)（2005）通過(guò)研究發(fā)現(xiàn)工資的適當(dāng)增加和人力資本的提升有利于增加就業(yè)總量，而技術(shù)進(jìn)步則會(huì)一定程度上減少就業(yè)。何平，騫金昌（2007）通過(guò)對(duì)我國(guó)大中型制造行業(yè)企業(yè)1998-2004年的數(shù)據(jù)進(jìn)行研究，得出了科技活動(dòng)對(duì)企業(yè)生存具有正面影響，但對(duì)就業(yè)增長(zhǎng)沒(méi)有作用甚至是負(fù)作用的結(jié)論。2016年世界銀行的研究結(jié)果顯示，在未來(lái)20年之內(nèi)，非洲就業(yè)崗位被人工智能所取代的比例為71%，發(fā)展中國(guó)家這一比例平均是50%，而在OECD國(guó)家其替代率為57%。Frey和Osborne（2017）對(duì)美國(guó)700多個(gè)職業(yè)進(jìn)行自動(dòng)化排序預(yù)測(cè)，結(jié)果顯示美國(guó)有47%的職位可以在短期內(nèi)被替代。陳永偉（2018）發(fā)現(xiàn)，在未來(lái)20年中國(guó)就業(yè)人口受到人工智能沖擊的將占76.8%。2018年麥肯錫的研究報(bào)告也指出，未來(lái)將有60%的職業(yè)可能被新技術(shù)替代，其中到2030年，不同行業(yè)將有30%的工作會(huì)被自動(dòng)化技術(shù)替代（麥肯錫報(bào)告，2018）。

據(jù)此提出假說(shuō)一：人工智能的發(fā)展導(dǎo)致資本替代勞動(dòng)，形成了“替代效應(yīng)”。

（二）創(chuàng)造性的補(bǔ)償效應(yīng)

所謂補(bǔ)償效應(yīng)，一些學(xué)者也稱(chēng)之為創(chuàng)造效應(yīng)。一方面由于人工智能技術(shù)的發(fā)展提高了勞動(dòng)生產(chǎn)率，當(dāng)產(chǎn)品的需求彈性較高時(shí)，產(chǎn)品的成本下降會(huì)導(dǎo)致對(duì)產(chǎn)品的需求增多，企業(yè)擴(kuò)大生產(chǎn)從而增加了非自動(dòng)化任務(wù)的勞動(dòng)力需求，Acemoglu、Restrepo（2016）將其稱(chēng)之為生產(chǎn)率效應(yīng);另一方面，人工智能技術(shù)發(fā)展自身帶來(lái)了新崗位新任務(wù)對(duì)勞動(dòng)力的需求，即所謂的補(bǔ)償效應(yīng);最后，雖然人工智能技術(shù)可以替代一部分從事簡(jiǎn)單、重復(fù)等任務(wù)的勞動(dòng)力，但是其無(wú)法替代高社交頻率以及創(chuàng)造性強(qiáng)等具有勞動(dòng)比較優(yōu)勢(shì)的任務(wù)，例如工程師、設(shè)計(jì)師、心理醫(yī)生等等，這些具有勞動(dòng)比較優(yōu)勢(shì)新工作、新職能的產(chǎn)生是相對(duì)于替代效應(yīng)的強(qiáng)大反作用力，很大程度上抵消了替代效應(yīng)帶來(lái)的對(duì)勞動(dòng)力市場(chǎng)的沖擊和破壞。馬克思認(rèn)為在一種機(jī)器部門(mén)被排擠的工人會(huì)在另外的部門(mén)被雇用，機(jī)器也使得專(zhuān)門(mén)制造機(jī)器的工人出現(xiàn)。Acemoglu（2018a、2018b）通過(guò)構(gòu)造就業(yè)創(chuàng)造的模型指出，自動(dòng)化的發(fā)展在替代勞動(dòng)力就業(yè)崗位的同時(shí)，也會(huì)創(chuàng)造出一些更具有勞動(dòng)比較優(yōu)勢(shì)的新崗位。陳秋霖等（2018）基于跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)的研究，發(fā)現(xiàn)人工智能與勞動(dòng)者之間存在的替代效應(yīng)是“補(bǔ)位式”替代而并非“擠出式”替代。Bloom等（2018）估計(jì)，2010—2030年，世界范圍內(nèi)由于人工智能的發(fā)展將出現(xiàn)7.34億新的工作崗位。

據(jù)此提出假說(shuō)二：人工智能的發(fā)展使得一部分新的勞動(dòng)具有比較優(yōu)勢(shì)的崗位產(chǎn)生，增加了就業(yè)量，形成了“創(chuàng)造效應(yīng)”。

根據(jù)以上兩個(gè)效應(yīng)提出假說(shuō)三：人工智能的發(fā)展使得短期內(nèi)替代效應(yīng)明顯并超過(guò)創(chuàng)造效應(yīng)，導(dǎo)致就業(yè)量減少;但在長(zhǎng)期，創(chuàng)造效應(yīng)的作用力更大并超過(guò)替代效應(yīng)，使得就業(yè)量增加。

三、人工智能對(duì)勞動(dòng)力就業(yè)結(jié)構(gòu)的影響

盡管學(xué)者對(duì)人工智能對(duì)就業(yè)的總體效應(yīng)研究沒(méi)有統(tǒng)一定論，但是人工智能對(duì)不同行業(yè)不同崗位的勞動(dòng)者帶來(lái)的影響是不同的這一觀點(diǎn)是無(wú)可厚非的（曹靜，2018）。張剛等（2020）認(rèn)為以人工智能為代表的技術(shù)進(jìn)步與之前“技術(shù)偏向性技術(shù)進(jìn)步”有所不同，人工智能導(dǎo)致“程序偏向性技術(shù)進(jìn)步”。將勞動(dòng)力市場(chǎng)中的崗位按技能高低分為高技能工作崗位、中等技能工作崗位和低技能工作崗位，人工智能的普及和廣泛應(yīng)用會(huì)增加高技能工作崗位和低技能工作崗位，而導(dǎo)致中等技能工作崗位的減少。因此崗位極化是人工智能等新技術(shù)對(duì)中等技能勞動(dòng)力的替代最為嚴(yán)重，中等技能勞動(dòng)力從崗位中被擠出，并向高技能和低技能崗位流動(dòng)，造成高技能和低技能的就業(yè)崗位增加、中等技能崗位減少的現(xiàn)象。

人工智能技術(shù)的發(fā)展對(duì)崗位的影響主要就體現(xiàn)在中等技能崗位減少（Autor，2013;Frey等，2017）。與之相對(duì)應(yīng)的是高技能崗位，比如腦力勞動(dòng)和低技能崗位，比如體力勞動(dòng)崗位的增加，就業(yè)人數(shù)也隨就業(yè)崗位的變化而產(chǎn)生變化，導(dǎo)致了勞動(dòng)力市場(chǎng)兩極分化現(xiàn)象的產(chǎn)生（Goos等，2007）。Autor等（2013）通過(guò)研究也發(fā)現(xiàn)，美國(guó)勞動(dòng)力市場(chǎng)中崗位極化趨勢(shì)主要表現(xiàn)為低技能服務(wù)業(yè)崗位與就業(yè)人數(shù)的增加;且在勞動(dòng)密集型市場(chǎng)中，就業(yè)和工資的兩極分化更加明顯?；谥圃鞓I(yè)行業(yè)數(shù)據(jù)，呂世斌和張世偉（2015）利用不同技術(shù)水平行業(yè)的就業(yè)變化近似代表不同技能工人的就業(yè)結(jié)構(gòu)變化，通過(guò)研究發(fā)現(xiàn)中國(guó)制造業(yè)就業(yè)結(jié)構(gòu)整體上較為穩(wěn)定，而內(nèi)部則存在明顯的就業(yè)極化，具體表現(xiàn)為高技術(shù)和低技術(shù)行業(yè)的就業(yè)比重有大幅上升，而中等技術(shù)行業(yè)的就業(yè)增長(zhǎng)幅度較小。郝楠（2017）則以各行業(yè)受教育程度為標(biāo)準(zhǔn)衡量行業(yè)的技能水平，發(fā)現(xiàn)自2001年以來(lái)，中國(guó)不同行業(yè)的就業(yè)結(jié)構(gòu)呈現(xiàn)出“N型極化”升級(jí)趨勢(shì)，即高、低技能行業(yè)就業(yè)增加，部分中等技能行業(yè)就業(yè)減少，同時(shí)代表最高技能水平的教育行業(yè)的就業(yè)不斷下降。屈小博和程杰（2015）采用就業(yè)崗位分析方法研究了就業(yè)結(jié)構(gòu)的變化，結(jié)果顯示中國(guó)的就業(yè)結(jié)構(gòu)整體上顯示出中等收入崗位數(shù)量相對(duì)增長(zhǎng)更快的就業(yè)升級(jí)趨勢(shì)，分區(qū)域考察時(shí)表現(xiàn)為“有序遞進(jìn)的升級(jí)”;進(jìn)一步分析農(nóng)民工就業(yè)結(jié)構(gòu)變化時(shí)，發(fā)現(xiàn)農(nóng)民工就業(yè)已初現(xiàn)“兩極化”特征，即最低，中高和最高收入崗位數(shù)量的增長(zhǎng)幅度要大于中低收入崗位。對(duì)于新時(shí)期中國(guó)出現(xiàn)就業(yè)“極化”的原因，既有研究總體上仍然沿襲了運(yùn)用中國(guó)的經(jīng)驗(yàn)事實(shí)來(lái)驗(yàn)證西方就業(yè)“極化”理論的思路，主要從信息技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、城鎮(zhèn)化、貿(mào)易開(kāi)放、對(duì)外直接投資和離岸外包等角度進(jìn)行了解釋?zhuān)ń兰t等，2016;郝楠和江永紅，2017;李宏兵等，2017）。

據(jù)此提出假說(shuō)四：人工智能的發(fā)展使得勞動(dòng)力市場(chǎng)中中等技能工作崗位減少，高等和低等技能工作崗位增加，產(chǎn)生就業(yè)極化效應(yīng)。

四、人工智能對(duì)各產(chǎn)業(yè)勞動(dòng)力就業(yè)的影響

依據(jù)目前的研究成果，人工智能對(duì)農(nóng)業(yè)生產(chǎn)部門(mén)的影響力最小，對(duì)制造業(yè)部門(mén)的勞動(dòng)力影響最大，并逐步轉(zhuǎn)移到服務(wù)業(yè)（Autor，2013）。

（一）對(duì)農(nóng)業(yè)生產(chǎn)部門(mén)的影響

現(xiàn)有階段研究表明，人工智能技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用可以改變農(nóng)民的生產(chǎn)方式，Ampatzidis等（2017）認(rèn)為人工智能已被用于農(nóng)業(yè)自動(dòng)化，不僅用于農(nóng)業(yè)的種植、灌溉、除草、修剪、收獲等，還用于植物疾病的檢測(cè)和鑒定，整個(gè)農(nóng)業(yè)生產(chǎn)活動(dòng)都實(shí)現(xiàn)了人機(jī)合作。農(nóng)業(yè)生產(chǎn)自動(dòng)化程度提高的同時(shí)，會(huì)減少農(nóng)業(yè)生產(chǎn)部門(mén)的勞動(dòng)力就業(yè)量。鐘仁耀等（2013）通過(guò)對(duì)各行業(yè)科技進(jìn)步與就業(yè)關(guān)系的數(shù)據(jù)回歸，認(rèn)為農(nóng)、林、牧、漁等第一產(chǎn)業(yè)部門(mén)的從業(yè)人員將由于科技進(jìn)步從而大量減少，這意味著勞動(dòng)力從農(nóng)業(yè)生產(chǎn)部門(mén)轉(zhuǎn)移到其他行業(yè)生產(chǎn)部門(mén)當(dāng)中，這與世界各國(guó)的產(chǎn)業(yè)發(fā)展情況基本吻合。

人工智能技術(shù)的發(fā)展在轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式、提高農(nóng)業(yè)生產(chǎn)效率的同時(shí)，減少了農(nóng)業(yè)部門(mén)勞動(dòng)力的就業(yè)量，對(duì)農(nóng)業(yè)部門(mén)的就業(yè)產(chǎn)生了替代效應(yīng)，這是由于生產(chǎn)規(guī)?；?、自動(dòng)化以及智能化程度的加深影響了農(nóng)業(yè)生產(chǎn)時(shí)對(duì)農(nóng)民的需求，使得農(nóng)業(yè)生產(chǎn)部門(mén)的剩余勞動(dòng)力向工業(yè)和服務(wù)業(yè)生產(chǎn)部門(mén)進(jìn)行轉(zhuǎn)移。

（二）對(duì)工業(yè)部門(mén)的影響

Georg Graetz（2018）通過(guò)研究1993—2007年相對(duì)發(fā)達(dá)的17個(gè)經(jīng)濟(jì)體工業(yè)機(jī)器人的使用與經(jīng)濟(jì)發(fā)展之間的關(guān)系，發(fā)現(xiàn)工業(yè)機(jī)器人的增加與勞動(dòng)生產(chǎn)率的提高有關(guān)，工業(yè)機(jī)器人的使用對(duì)生產(chǎn)率增長(zhǎng)的貢獻(xiàn)高達(dá)0.36個(gè)百分點(diǎn)，占整個(gè)經(jīng)濟(jì)范圍生產(chǎn)率增長(zhǎng)的15%，而工業(yè)機(jī)器人的使用與勞動(dòng)力就業(yè)呈反向變動(dòng)關(guān)系，隨著工業(yè)機(jī)器人價(jià)格的下降，工業(yè)生產(chǎn)部門(mén)將會(huì)增加對(duì)機(jī)器人的需求而減少對(duì)勞動(dòng)力的需求，這會(huì)減少低技能勞動(dòng)力的就業(yè)。Acemoglu等（2017）對(duì)美國(guó)1993-2007年19個(gè)產(chǎn)業(yè)工業(yè)機(jī)器人的使用與就業(yè)率和工資進(jìn)行研究，發(fā)現(xiàn)工業(yè)機(jī)器人的使用與就業(yè)和工資呈反方向變動(dòng)關(guān)系，每千名工人中多使用1臺(tái)機(jī)器，則會(huì)造成就業(yè)人口比例降低0.18%-0.34%，工資下降0.25%-0.5%。謝萌萌等（2020）從四個(gè)維度對(duì)中國(guó)制造業(yè)企業(yè)2011-2017的樣本數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)制造業(yè)企業(yè)融合人工智能顯著降低了低技能的就業(yè)比重，且具有動(dòng)態(tài)異質(zhì)性，即企業(yè)融合人工智能的時(shí)間越長(zhǎng)，勞動(dòng)力就被擠出越多。

人工智能的發(fā)展對(duì)制造業(yè)的影響是絕對(duì)不容忽視的，因?yàn)橹圃鞓I(yè)由于自身性質(zhì)，就容易受到自動(dòng)化和工業(yè)智能化的影響，且制造業(yè)吸納了大量的勞動(dòng)力，相對(duì)受到人工智能發(fā)展的沖擊更大。

（三）對(duì)服務(wù)業(yè)部門(mén)的影響

Frey等（2017）使用結(jié)合機(jī)器學(xué)習(xí)方法預(yù)測(cè)每個(gè)職業(yè)被人工智能替代的可能性這一方法預(yù)測(cè)美國(guó)700多個(gè)職業(yè)中有47%可以在短期內(nèi)被替代，服務(wù)業(yè)中很多就業(yè)人員例如：電話銷(xiāo)售、標(biāo)題檢查人員、保險(xiǎn)承銷(xiāo)商、稅務(wù)員、信貸員等都有極大可能被人工智能所取代。但是人工智能的發(fā)展也使得重復(fù)率低、社交性強(qiáng)的工作崗位的就業(yè)需求量增加，例如：休閑理療師、舞蹈指導(dǎo)、教學(xué)協(xié)調(diào)員、心理醫(yī)生、設(shè)計(jì)師等。郭凱明（2019）認(rèn)為人工智能在服務(wù)業(yè)所占比重的變化情況取決于人工智能在工業(yè)和服務(wù)業(yè)部門(mén)的應(yīng)用前景，如果人工智能在制造業(yè)中的應(yīng)用比重顯著大于服務(wù)業(yè)，那么人工智能將促進(jìn)服務(wù)業(yè)的發(fā)展，反之則可能提高制造業(yè)的比重。且預(yù)期人工智能在金融產(chǎn)業(yè)的應(yīng)用前景將非常廣闊，其可能會(huì)通過(guò)促進(jìn)金融產(chǎn)業(yè)的發(fā)展從而影響其他行業(yè)發(fā)展。

五、人工智能對(duì)勞動(dòng)力市場(chǎng)收入分配的影響

人工智能在促進(jìn)經(jīng)濟(jì)增長(zhǎng)的同時(shí)也可能帶來(lái)收入分配不平等的加劇。Berg et al（2016）認(rèn)為目前造成收入分配不平等的主要原因主要有兩個(gè)：一是隨著機(jī)器人價(jià)格的下降，資本投入將會(huì)增加，人均產(chǎn)出也會(huì)隨之增加，因此資本所占收入的份額也將進(jìn)一步增加;二是生產(chǎn)力水平將會(huì)提高，熟練工人的收入將會(huì)增加，低技能勞動(dòng)力的工資將會(huì)減少，導(dǎo)致收入差距進(jìn)一步擴(kuò)大。人工智能發(fā)展導(dǎo)致的收入分配不平等取決于一系列因素，如勞動(dòng)力從事工作的性質(zhì)，相對(duì)于高技能低重復(fù)率的工作，中等技能及重復(fù)率高的工作更加容易被取代。

現(xiàn)階段社會(huì)資本分布存在著不均衡的現(xiàn)象，即大部分的社會(huì)資本集中在少數(shù)人手中。而人工智能的發(fā)展將會(huì)進(jìn)一步年均收入分配不平等，因?yàn)槠浒l(fā)展會(huì)導(dǎo)致資本要素份額的進(jìn)一步提升。Brynjolfsson et al（2014）通過(guò)研究表明，人工智能的發(fā)展造成的勞動(dòng)力市場(chǎng)收入分配不平等加劇的原因可能是由于資本回報(bào)率增加導(dǎo)致的，機(jī)器對(duì)勞動(dòng)力的替代創(chuàng)造了更多的資本，這就意味著勞動(dòng)力被自動(dòng)化逐漸擠壓，財(cái)富則會(huì)流入具有創(chuàng)新力、能迅速適應(yīng)技術(shù)變革的少部分群體，從而加大了收入差距。很多文獻(xiàn)研究表明，人工智能在影響勞動(dòng)力就業(yè)，造成崗位極化的同時(shí)還會(huì)對(duì)中低技能勞動(dòng)的工資份額帶來(lái)消極影響。Autor（2011）的研究發(fā)現(xiàn)中等技能的崗位數(shù)量和工資份額在逐漸減少，工資極化伴隨著崗位極化發(fā)生。Acemoglu等（2017）的研究同樣表明工業(yè)機(jī)器人的使用對(duì)勞動(dòng)力的工資有較強(qiáng)的負(fù)面影響。Dauth et al（2017）通過(guò)研究發(fā)現(xiàn)，隨著工業(yè)機(jī)器人應(yīng)用的增多，中等技能勞動(dòng)力將面臨巨大的收入損失，但是這種收入損失不是由于其就業(yè)被工業(yè)機(jī)器人替代，而是因?yàn)楝F(xiàn)有工資水平的下降。Benzell等（2015）構(gòu)建了一個(gè)跨期迭代（OLG）模型，通過(guò)研究發(fā)現(xiàn)在一定條件下，機(jī)器人可以完全替代低技能工作和部分高技能工作，從而造成勞動(dòng)力需求的減少和工資的下降。

勞動(dòng)力市場(chǎng)的收入分配不平等還存在著區(qū)域差異性。Berg（2016）指出在一些發(fā)展中國(guó)家，機(jī)器人對(duì)非熟練工人的替代將會(huì)降低其相對(duì)工資，從而逐漸喪失其成本優(yōu)勢(shì)，因此發(fā)達(dá)國(guó)家可能會(huì)將生產(chǎn)轉(zhuǎn)移至本國(guó)自動(dòng)化程度較高的工廠，使得低收入國(guó)家與高收入國(guó)家的收入差距進(jìn)一步擴(kuò)大。孫早等（2019）的研究也表明我國(guó)工業(yè)智能化的發(fā)展對(duì)勞動(dòng)力的替代存在區(qū)域差異性，北部沿海、黃河中游和東北地區(qū)的工業(yè)智能化發(fā)展會(huì)使得這些地區(qū)出現(xiàn)就業(yè)“兩極化”現(xiàn)象，而東部沿海和南部沿海地區(qū)則由于過(guò)高的生活成本出現(xiàn)“單極極化”趨勢(shì)，工業(yè)智能化加劇了對(duì)這兩個(gè)地區(qū)小學(xué)教育程度以下勞動(dòng)力的替代，因此各區(qū)域間的收入差距將逐漸加大。

據(jù)此提出假說(shuō)五：人工智能的發(fā)展使得勞動(dòng)力收入分配更加不均，收入差距進(jìn)一步擴(kuò)大，且具有區(qū)域差異性。

六、結(jié)論與展望

人工智能的迅速發(fā)展引起了學(xué)者對(duì)技術(shù)對(duì)就業(yè)影響這一課題的進(jìn)一步討論，大量文獻(xiàn)對(duì)人工智能對(duì)勞動(dòng)力市場(chǎng)中就業(yè)量和就業(yè)結(jié)構(gòu)、對(duì)各產(chǎn)業(yè)以及收入分配等方面進(jìn)行研究。首先通過(guò)基于任務(wù)的模型，文獻(xiàn)對(duì)人工智能的發(fā)展影響就業(yè)的路徑以及對(duì)勞動(dòng)收入占國(guó)民收入份額的路徑進(jìn)行了探討。其次，對(duì)于人工智能的發(fā)展對(duì)就業(yè)量的影響，由于研究角度以及數(shù)據(jù)選取的不同，存在著積極和消極兩種不同觀點(diǎn)。對(duì)于消極影響，許多學(xué)者認(rèn)為人工智能的發(fā)展對(duì)就業(yè)存在著替代效應(yīng)、減少勞動(dòng)力市場(chǎng)的需求、使收入分配差距進(jìn)一步擴(kuò)大;而對(duì)于積極影響，人工智能的發(fā)展也會(huì)創(chuàng)造出大量新的工作崗位，可以改善工作質(zhì)量等。雖然大部分學(xué)者認(rèn)為人工智能等技術(shù)發(fā)展所帶來(lái)的消極影響較大，但是可以通過(guò)制定相應(yīng)的政策緩解其對(duì)勞動(dòng)力市場(chǎng)以及社會(huì)造成的沖擊，例如政府在推動(dòng)人工智能技術(shù)發(fā)展的同時(shí)應(yīng)采取更加積極的再分配政策，例如對(duì)勞動(dòng)力進(jìn)行職業(yè)技能培訓(xùn)，使其職業(yè)技能與現(xiàn)階段發(fā)展所需技術(shù)相匹配;對(duì)機(jī)器人征收相應(yīng)費(fèi)用等相應(yīng)措施。根據(jù)現(xiàn)有文獻(xiàn)，本文提出了五種假說(shuō)，即人工智能的發(fā)展產(chǎn)生了替代效應(yīng);也產(chǎn)生了創(chuàng)造效應(yīng);短期內(nèi)替代效應(yīng)的作用力更大，但在長(zhǎng)期條件下創(chuàng)造效應(yīng)的作用力超過(guò)了替代效應(yīng)，對(duì)就業(yè)量產(chǎn)生積極的影響;人工智能導(dǎo)致崗位極化效應(yīng)的產(chǎn)生;以及人工智能的發(fā)展使得收入差距進(jìn)一步擴(kuò)大。

目前人工智能對(duì)就業(yè)影響的研究已取得較多成果，但是回顧已有文獻(xiàn)依舊可以發(fā)現(xiàn)，人工智能對(duì)就業(yè)的影響機(jī)制、數(shù)據(jù)獲得、假說(shuō)檢驗(yàn)以及研究方向等方面仍存在一些問(wèn)題。

一是人工智能對(duì)就業(yè)的影響機(jī)制較為復(fù)雜，目前大多數(shù)文獻(xiàn)都將自動(dòng)化或工業(yè)機(jī)器人作為對(duì)勞動(dòng)力替代的資本引入模型進(jìn)行分析，而在實(shí)際生活中人工智能的界定和影響就業(yè)的路徑要更為復(fù)雜。人工智能是技術(shù)，也是資本，該技術(shù)發(fā)展的速度和投入的數(shù)量也會(huì)對(duì)其他生產(chǎn)要素的投入產(chǎn)生影響。因此人工智能對(duì)就業(yè)的影響路徑需要更深入更直接地進(jìn)行理解。

二是數(shù)據(jù)的獲得具有一定難度。人工智能的內(nèi)涵廣泛，現(xiàn)有的實(shí)證分析大多用工業(yè)智能化作為人工智能的代理變量，而工業(yè)智能化更傾向于表示工業(yè)生產(chǎn)部門(mén)，對(duì)其他產(chǎn)業(yè)部門(mén)表示性不強(qiáng)。而且人工智能發(fā)展還處于初級(jí)階段，數(shù)據(jù)尚不完善，因此人工智能影響就業(yè)的定量分析存在著難度。且人工智能的測(cè)量還沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)和定論，在測(cè)量人工智能時(shí)有可能將其作為其他資本而歸結(jié)到其他資本之下，造成結(jié)果偏差。因此在現(xiàn)有文獻(xiàn)中，對(duì)人工智能影響就業(yè)的研究大多局限于定性分析以及理論框架的搭建，而定量分析較少，未來(lái)需要有對(duì)人工智能的統(tǒng)一測(cè)量標(biāo)準(zhǔn)以及較為完善的數(shù)據(jù)以填補(bǔ)先有研究缺口。

三是文章中提出的假說(shuō)雖有一定的理論和實(shí)證支持，但是學(xué)者更多將研究集中于技術(shù)進(jìn)步對(duì)就業(yè)的影響，而對(duì)人工智能的研究較少，且理論分析居多，實(shí)證分析較少。這可能是由于界定標(biāo)準(zhǔn)較為模糊和數(shù)據(jù)不足導(dǎo)致的，未來(lái)需要對(duì)這些假說(shuō)有更加準(zhǔn)確和清晰的實(shí)證研究。

四是現(xiàn)有研究大多集中在發(fā)達(dá)國(guó)家，而中國(guó)作為世界上最大的發(fā)展中國(guó)家，同時(shí)又面臨著人口老齡化和人口紅利的消失，人工智能的發(fā)展帶來(lái)的對(duì)勞動(dòng)力市場(chǎng)和整個(gè)社會(huì)的影響值得探究，而先有研究成果與中國(guó)人工智能的發(fā)展現(xiàn)狀不匹配。Acemoglu（2017）也指出人口老齡化嚴(yán)重的國(guó)家人工智能發(fā)展較好，人工智能的發(fā)展與人口結(jié)構(gòu)的變化也值得研究和探索。

參考文獻(xiàn)：

[1]楊偉國(guó)，邱子童，吳清軍.人工智能應(yīng)用的就業(yè)效應(yīng)研究綜述[J].中國(guó)人口科學(xué)，2018（05）：109-119+128.

[2]張成崗.人工智能時(shí)代：技術(shù)發(fā)展、風(fēng)險(xiǎn)挑戰(zhàn)與秩序重構(gòu)[J].南京社會(huì)科學(xué)，2018（05）：42-52.

[3]曹靜，周亞林.人工智能對(duì)經(jīng)濟(jì)的影響研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2018（01）：103-115.

[4]陳永偉.人工智能與經(jīng)濟(jì)學(xué)：近期文獻(xiàn)的一個(gè)綜述[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018（03）：6-21.

[5]李曉華.哪些工作崗位會(huì)被人工智能替代[J].人民論壇，2018（02）：33-35.

[6]陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動(dòng)力替代效應(yīng)——基于跨國(guó)面板數(shù)據(jù)和中國(guó)省級(jí)面板數(shù)據(jù)的分析[J].中國(guó)人口科學(xué)，2018（06）：30-42+126-127.

[7]張剛，孫婉璐.技術(shù)進(jìn)步、人工智能對(duì)勞動(dòng)力市場(chǎng)的影響——一個(gè)文獻(xiàn)綜述[J].管理現(xiàn)代化，2020，40（01）：113-120.

[8]馬弘，喬雪，徐嫄.中國(guó)制造業(yè)的就業(yè)創(chuàng)造與就業(yè)消失[J].經(jīng)濟(jì)研究，2013，48（12）：68-80.

[9]鐘仁耀，劉葦江，劉曉雪，張熠.科技進(jìn)步對(duì)上海就業(yè)影響的實(shí)證分析——基于分行業(yè)的視角[J].人口與經(jīng)濟(jì)，2013（02）：78-85.[ZK）]

[10]謝萌萌，夏炎，潘教峰，郭劍鋒.人工智能、技術(shù)進(jìn)步與低技能就業(yè)——基于中國(guó)制造業(yè)企業(yè)的實(shí)證研究[J/OL].中國(guó)管理科學(xué)：1-9[2020-04-18].

[11]岳昌君，張沛康，林涵倩.就讀重點(diǎn)大學(xué)對(duì)人工智能就業(yè)替代壓力的緩解作用[J].中國(guó)人口科學(xué)，2019（02）：2-15+126.

[12]孫文凱，郭杰，趙忠，湯璨.我國(guó)就業(yè)結(jié)構(gòu)變動(dòng)與技術(shù)升級(jí)研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2018（06）：5-14.

[13]呂世斌，張世偉.中國(guó)勞動(dòng)力“極化”現(xiàn)象及原因的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)學(xué)（季刊），2015，14（02）：757-778.

[14]郝楠.勞動(dòng)力就業(yè)“極化”、技能溢價(jià)與技術(shù)創(chuàng)新[J].經(jīng)濟(jì)學(xué)家，2017（08）：27-32.

[15]屈小博，程杰.中國(guó)就業(yè)結(jié)構(gòu)變化：“升級(jí)”還是“兩極化”？[J].勞動(dòng)經(jīng)濟(jì)研究，2015，3（01）：119-144.

[16]姚戰(zhàn)琪，夏杰長(zhǎng).資本深化、技術(shù)進(jìn)步對(duì)中國(guó)就業(yè)效應(yīng)的經(jīng)驗(yàn)分析[J].世界經(jīng)濟(jì)，2005（01）：58-67+80.

[17]何平，騫金昌.中國(guó)制造業(yè)：技術(shù)進(jìn)步與就業(yè)增長(zhǎng)實(shí)證分析[J].統(tǒng)計(jì)研究，2007（09）：3-11.

[18]孫早，侯玉琳.工業(yè)智能化如何重塑勞動(dòng)力就業(yè)結(jié)構(gòu)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2019（05）：61-79.

[19]岳昌君，張沛康，林涵倩.就讀重點(diǎn)大學(xué)對(duì)人工智能就業(yè)替代壓力的緩解作用[J].中國(guó)人口科學(xué)，2019（02）：2-15+126.

[20]江永紅，張彬，郝楠.產(chǎn)業(yè)結(jié)構(gòu)升級(jí)是否引致勞動(dòng)力“極化”現(xiàn)象[J].經(jīng)濟(jì)學(xué)家，2016（03）：24-31.

[21]郝楠，江永紅.誰(shuí)影響了中國(guó)勞動(dòng)力就業(yè)極化？[J].經(jīng)濟(jì)與管理研究，2017，38（05）：75-85.

[22]李宏兵，郭界秀，翟瑞瑞.中國(guó)企業(yè)對(duì)外直接投資影響了勞動(dòng)力市場(chǎng)的就業(yè)極化嗎？[J].財(cái)經(jīng)研究，2017，43（06）：28-39.

[23]郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)與勞動(dòng)收入份額變動(dòng)[J].管理世界，2019，35（07）：60-77+202-203.

[24]尹振宇，吳傳琦.人工智能的就業(yè)效應(yīng)及其中國(guó)啟示[J].改革與戰(zhàn)略，2019，35（02）：90-97.

[25]張鵬飛.人工智能與就業(yè)研究新進(jìn)展[J].經(jīng)濟(jì)學(xué)家，2018（08）：27-33.

[26]段海英，郭元元.人工智能的就業(yè)效應(yīng)述評(píng)[J].經(jīng)濟(jì)體制改革，2018（03）：187-193.

[27]Ampatzidis， Yiannis， Luigi De Bellis， and Andrea Luvisi. “iPathology： robotic applications and management of plants and plant diseases.” Sustainability 9.6 （2017）： 1010.

[28]Acemoglu， Daron， and David Autor. “Skills， tasks and technologies： Implications for employment and earnings.” Handbook of labor economics. Vol. 4. Elsevier， 2011. 1043-1171.

[29]Acemoglu，? Daron，? and? Pascual? Restrepo. Artificial? intelligence，? automation? and? work.? No. w24196. National Bureau of Economic Research， 2018.

[30]Aghion， Philippe， Benjamin F. Jones， and Charles I. Jones. Artificial intelligence? and economic growth. No. w23928. National Bureau of Economic Research， 2017.

[31]Morikawa，Masayuki.Who are afraid of losing their jobs to artificial intelligence and robots？ Evidence from a survey. No. 71. GLO Discussion Paper， 2017.

[32]Goos， Maarten， and Alan Manning. “Lousy and lovely jobs： The rising polarization of work in Britain.” The review of economics and statistics 89.1 （2007）： 118-133.

[33]Acemoglu， Daron， and David Autor. “Skills， tasks and technologies： Implications for employment and earnings.” Handbook of labor economics. Vol. 4. Elsevier， 2011. 1043-1171.

[34]Graetz， Georg， and Guy Michaels. “Robots at work.” ReviewofEconomicsandStatistics100.5 （2018）： 753-768.

[35]Acemoglu， Daron. “Labor‐and capital‐augmenting technical change.” JournaloftheEuropean Economic Association1.1 （2003）： 1-37.

[36]David， H. The“ task approach” to labor markets： an overview. No. w18711. National Bureau of Economic Research， 2013.

[37]David， H.， and David Dorn. “The growth of low-skill service jobs and the polarization of the US labor market.” American Economic Review 103.5 （2013）： 1553-97.

[38]Acemoglu， Daron， and Pascual Restrepo. “The race between man and machine： Implications of technology for growth， factor shares， and employment.” American Economic Review108.6 （2018）： 1488-1542.

[39]Benzell， Seth G.， et al. Robots are us： Some economics of human replacement. No. w20941. National Bureau of Economic Research， 2015.

[40]Berg， Andrew， Edward F. Buffie， and Luis-Felipe Zanna. “Robots， growth， and inequality.” Finance & Development 53.3 （2016）： 10-13.

[41]Bloom， David E.， Mathew McKenna， and Klaus Prettner. Demography， unemployment， automation， and digitalization： Implications for the creation of （decent） jobs， 2010–2030. No. w24835. National Bureau of Economic Research， 2018.

[42]Dauth， Wolfgang， et al. “German robots-the impact of industrial robots on workers.” （2017）.

[43]Frey， Carl Benedikt， and Michael A. Osborne. “The future of employment： how susceptible are jobs to computerisation？.” Technological forecasting and social change114 （2017）： 254-280.