改革開放40年勞動力需求演變研究
——基于自動化與新任務(wù)競爭視角的分析

張睿

(中國人民大學(xué)社會與人口學(xué)院，北京100872)

一、引言與文獻綜述

自18世紀中葉至今，人類歷史上已發(fā)生過三次工業(yè)革命。一般認為，第一次工業(yè)革命以蒸汽機的廣泛使用為標志，第二次工業(yè)革命以電力和內(nèi)燃機的使用為標志，第三次工業(yè)革命以核能技術(shù)、電子計算機的應(yīng)用為標志。從時間上看，每一次工業(yè)革命發(fā)生的周期約為100年。第一次工業(yè)革命將人類帶入了工業(yè)時代，極大地提高了生產(chǎn)力。之后的兩次工業(yè)革命可以看作是第一次工業(yè)革命的延伸，其本質(zhì)都是資本對體力勞動的替代。人工智能與生命科技的發(fā)展，則可以令信息—智能密集的資本替代腦力勞動，這是第三次工業(yè)革命與已發(fā)生的工業(yè)革命的不同之處[1]。從替代體力勞動到替代腦力勞動，技術(shù)進步擴大了資本所能夠完成的生產(chǎn)任務(wù)的范圍，促進了生產(chǎn)力的提高，也帶來了關(guān)于“人類勞動會被完全取代”的擔(dān)憂。在這一背景下，研究資本與勞動之間的關(guān)系，合理選擇人工智能技術(shù)及自動化生產(chǎn)的發(fā)展方向，避免勞動收入份額下降與社會分化，有著重要的理論與現(xiàn)實意義。

與以往工業(yè)革命中的技術(shù)進步不同，人工智能技術(shù)的發(fā)展會替代腦力勞動，將生產(chǎn)過程自動化，利用資本直接取代原本由人腦完成的工作。這會縮小勞動在生產(chǎn)總值中的比重，降低對勞動力的整體需求。自工業(yè)革命發(fā)生以來，資本對人類勞動的替代一直存在，那為何大規(guī)模失業(yè)與工資水平下降的情況沒有出現(xiàn)？這是因為推動生產(chǎn)率提高的科技進步分為不同類型。自動化技術(shù)的進步使資本替代勞動，同時其他類型的技術(shù)進步會創(chuàng)造出新的任務(wù)。在這些任務(wù)中，勞動相比于資本更能勝任[2]。人工智能技術(shù)的發(fā)展使自動化生產(chǎn)的范圍不斷擴大，如果沒有與之伴隨的新任務(wù)的誕生，經(jīng)濟可能面臨不斷內(nèi)縮化與工資水平下降的困境。

研究人工智能技術(shù)發(fā)展背景下，資本對勞動的替代及工資、就業(yè)的變化趨勢，對我國經(jīng)濟發(fā)展有著格外重要的意義。首先，中國過去40年的經(jīng)濟發(fā)展，一直經(jīng)歷著快速的產(chǎn)業(yè)升級，每一次產(chǎn)業(yè)升級都帶動勞動力向新興產(chǎn)業(yè)的轉(zhuǎn)移。未來的新興產(chǎn)業(yè)可能因自動化的普及，只能創(chuàng)造有限的就業(yè)崗位，甚至出現(xiàn)勞動力“逆向”流入工資較低的崗位。因此，需要對人工智能技術(shù)的發(fā)展路線與應(yīng)用前景進行審慎的規(guī)劃，避免新技術(shù)成為工資下降與社會分化的推手。其次，2020年第七次全國人口普查數(shù)據(jù)顯示，人口老齡化程度繼續(xù)提高，高齡化趨勢明顯；人口老齡化速度明顯加快[3]。在人口老齡化高速發(fā)展、勞動適齡人口占比不斷下降的趨勢下，考慮人工智能技術(shù)的經(jīng)濟影響，有助于了解老齡化進程中的勞動力需求與工資演化過程。

實證研究已經(jīng)證明，人工智能技術(shù)的發(fā)展與自動化在生產(chǎn)過程中的普及將會導(dǎo)致就業(yè)率與工資水平的下降，以及不同行業(yè)中勞動力的再分配。美國和西歐的勞動力市場均發(fā)生了極化現(xiàn)象，非流程化、需要頻繁信息溝通的崗位，如企業(yè)管理、學(xué)術(shù)研究及入門家政等的就業(yè)比例上升；流程化、溝通較少的崗位，如流水線工人、超市收銀員等的就業(yè)比例下降。技術(shù)進步是就業(yè)極化的主要原因之一[4]。還有研究發(fā)現(xiàn)，企業(yè)在生產(chǎn)中采用人工智能技術(shù)對就業(yè)與工資均有不利影響。在法國企業(yè)中，使用機器人與勞動收入占比的下降、附加值和生產(chǎn)率的提高以及生產(chǎn)中工人貢獻份額的下降相一致。機器人使用率每增加20%，行業(yè)就業(yè)率就會下降3.2%[5][6]。Graetz和Michaels利用17個國家行業(yè)的面板數(shù)據(jù)，發(fā)現(xiàn)機器人使用的增加降低了低技能工人的就業(yè)份額[7]。中國經(jīng)濟中也出現(xiàn)了人工智能技術(shù)與生產(chǎn)自動化降低就業(yè)率與勞動收入的情況，并在制造業(yè)中表現(xiàn)得格外明顯[8]-[10]。

人工智能技術(shù)的發(fā)展使生產(chǎn)中的自動化不斷普及，并降低了整體勞動收入占比以及工資水平，主要原因在于人工智能技術(shù)擴展了資本能夠完成的生產(chǎn)任務(wù)的范圍，并在這些任務(wù)中替代了人類勞動?！盎A(chǔ)任務(wù)模型”（task-based model）將生產(chǎn)過程視為一系列任務(wù)的總和，一個任務(wù)是生產(chǎn)產(chǎn)出（商品和服務(wù)）的工作活動的一個單位[11]。每一個生產(chǎn)任務(wù)均有其技術(shù)特點，決定該任務(wù)能否被資本或勞動所完成。這樣，生產(chǎn)任務(wù)這一概念便被引入模型中，并由資本與勞動提供的競爭性投入完成。Zeira最早構(gòu)建了這一模型[12]，在其提供的動態(tài)框架中，用以替代勞動的技術(shù)是隨著時間推進不斷被發(fā)明的。每一時刻t對應(yīng)著一個當前所能使用的替代勞動力的機器的集合[0,ft]，ft可以看作是t時期的技術(shù)前沿。該集合之外的生產(chǎn)任務(wù)必須由勞動完成，因為可用以替代勞動的機器尚未發(fā)明。此外，機器是否被使用還取決于機器和勞動的相對價格?？偟膩碚f，技術(shù)因素與價格因素共同決定了機器是否可取代勞動。后續(xù)研究大體繼承了這一思路，利用“基礎(chǔ)任務(wù)模型”（task-based model）研究對勞動威脅最大的人工智能技術(shù)的類型[13]、不同技能水平的人工智能技術(shù)如何替代勞動[14]、人工智能技術(shù)對經(jīng)濟增長路徑的影響[15]等。

二、模型

本文采用Acemoglu和Restrepo構(gòu)建的模型[16]，以及如下形式的生產(chǎn)函數(shù)：

其中，總產(chǎn)出Y由一系列單位任務(wù)的產(chǎn)出y(i)組合而成，σ代表替代彈性。i代表任務(wù)的系數(shù)，位于N-1到N之間，i的增加代表任務(wù)復(fù)雜程度的提高。該模型積分限固定，這意味著任務(wù)的總數(shù)量保持恒定，技術(shù)進步所創(chuàng)造出的新任務(wù)會立刻取代（replace）舊任務(wù)。換句話說，這一類模型并未體現(xiàn)分工擴大本身對生產(chǎn)率的促進作用，這一點與Romer的觀點不同[17]。

接下來，假設(shè)勞動在復(fù)雜程度更高的任務(wù)中具有優(yōu)勢。因此，存在一個I=I*∈(N-1,N)，復(fù)雜程度大于I*的任務(wù)只能由勞動完成，小于I*的任務(wù)可以由自動化的資本（機器）完成。N的增加則代表了新技術(shù)的創(chuàng)造，這部分任務(wù)只能由勞動完成。通過該模型，兩類不同的技術(shù)進步得以區(qū)分：I的提高對應(yīng)著自動化程度的提高，N的提高意味著新任務(wù)的產(chǎn)生。這兩種技術(shù)進步對勞動力需求的影響相反。I的提高會使資本奪走原本屬于勞動的生產(chǎn)任務(wù)，N的提高則會創(chuàng)造出只能由勞動完成的新任務(wù)。自動化應(yīng)用范圍擴大會奪取原本由勞動完成的生產(chǎn)任務(wù)，這一過程稱為轉(zhuǎn)移效應(yīng)（displacement effect）；新任務(wù)的產(chǎn)生會創(chuàng)造只能由勞動完成的工作崗位，這一過程稱為復(fù)原效應(yīng)（reinstatement effect）。這一框架可通過圖1直觀表示。

圖1 兩種類型技術(shù)進步對資本和勞動的不同影響

下一步，利用這一框架考慮兩種類型的技術(shù)進步如何影響勞動力需求。勞動力需求通過經(jīng)濟中整體的工資水平來衡量。理論上，勞動者的工資等于GDP與勞動在生產(chǎn)中所占份額的乘積，因此，工資水平變化受生產(chǎn)率和勞動收入占比兩個因素的影響。

如前所述，自動化應(yīng)用范圍的擴展縮小了勞動占據(jù)的任務(wù)范圍，新任務(wù)的產(chǎn)生擴大了勞動占據(jù)的任務(wù)范圍。自動化在生產(chǎn)中的普及提高了生產(chǎn)率；新任務(wù)的產(chǎn)生創(chuàng)造了只能由勞動勝任的工作，利用了勞動的比較優(yōu)勢，也提高了生產(chǎn)率。因此，自動化的普及對工資水平的影響是不確定的，其影響取決于轉(zhuǎn)移效應(yīng)和生產(chǎn)率效應(yīng)的凈值；反之，新任務(wù)的產(chǎn)生總是提高工資水平（見表1）。

表1 兩種技術(shù)變遷對工資的影響

此外，還存在要素擴張型的技術(shù)進步，主要體現(xiàn)在要素質(zhì)量的改善或數(shù)量的提高。這類技術(shù)進步也能夠提高生產(chǎn)率，并通過改變資本與勞動的相對生產(chǎn)率來改變勞動收入占比，但不改變生產(chǎn)的任務(wù)內(nèi)容，這一過程被稱為替代效應(yīng)（substitution effect）。在現(xiàn)實中，經(jīng)濟由多個部門構(gòu)成，不同部門的勞動密集程度不同，當某一部門的技術(shù)進步使勞動者在不同部門間轉(zhuǎn)移時，不同的勞動密集程度也可能對工資產(chǎn)生影響，這一過程被稱為構(gòu)成效應(yīng)（composition effect）。綜上所述，總工資水平變動由下式?jīng)Q定：

值得注意的是，中國自改革開放以來經(jīng)歷了相比于歐美發(fā)達國家更加迅速的人口轉(zhuǎn)變。當人口年齡結(jié)構(gòu)處在最富有生產(chǎn)性的階段時，充足的勞動力供給和高儲蓄率為經(jīng)濟增長提供了一個額外的源泉，這被稱作人口紅利[18]，人口紅利在整個東亞的高速經(jīng)濟增長中的貢獻可能達到30%以上[19]。生產(chǎn)率效應(yīng)由人均GDP的變動來衡量。為分析人口轉(zhuǎn)變對總工資水平的影響，將人均GDP增速拆解為勞均GDP變動和人口結(jié)構(gòu)變動兩個部分[20]，過程如下：

其中，Y代表GDP，N代表總?cè)丝冢琇代表勞動年齡人口。根據(jù)聯(lián)合國標準，勞動年齡人口指15—64歲年齡段人口。對（3）式取對數(shù)值，并進行求導(dǎo)，得到其增長率的表達形式：

（4）式表明，人均GDP變動可以表示為勞均GDP變動和人口結(jié)構(gòu)變動兩個部分。（4）式中的括號部分代表勞動年齡人口增速與總?cè)丝谠鏊俚牟?，反映人口結(jié)構(gòu)的變動。結(jié)合（2）式與（4）式，總工資水平變動決定于：

三、數(shù)據(jù)分析

在上文提出的框架的基礎(chǔ)上，結(jié)合Acemoglu和Restrepo提供的數(shù)據(jù)處理辦法，分析中國自1978年以來影響總工資水平變動的因素，并以此分析勞動力需求的演變。

（一）數(shù)據(jù)來源與處理

這部分的研究需要中國自1978年以來的分行業(yè)工資水平、從業(yè)人員數(shù)、GDP增加值以及中國GDP總量和人口規(guī)模、年齡結(jié)構(gòu)的數(shù)據(jù)，數(shù)據(jù)來自中國知網(wǎng)——中國經(jīng)濟社會發(fā)展統(tǒng)計數(shù)據(jù)庫、國泰安經(jīng)濟金融研究數(shù)據(jù)庫、Wind數(shù)據(jù)庫、CCER經(jīng)濟金融數(shù)據(jù)庫。

數(shù)據(jù)處理方面，有以下幾點需要說明。首先，研究時段分為1978—2003年、2004—2018年兩個時間段，如此劃分的原因有兩個：第一，根據(jù)中國《國民經(jīng)濟行業(yè)分類標準》，第二產(chǎn)業(yè)包含采掘業(yè)，制造業(yè)，電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)及建筑業(yè)四大類，前三類統(tǒng)稱為工業(yè)。第二產(chǎn)業(yè)在1978年至今的經(jīng)濟發(fā)展過程中起到了舉足輕重的作用。在2004年以前中國的GDP統(tǒng)計中，只有工業(yè)和建筑業(yè)兩類的數(shù)據(jù)，因此，在1978—2003年時間段的分析中，將第二產(chǎn)業(yè)分為工業(yè)和建筑業(yè)；在2004—2018年時間段的分析中，將第二產(chǎn)業(yè)分為采掘業(yè)，制造業(yè)，電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)及建筑業(yè)四大類。第二，第三產(chǎn)業(yè)所含門類較多，共計15個門類。其中，2004年之前只有交通運輸業(yè)、倉儲及郵政業(yè)、批發(fā)和零售業(yè)等5個行業(yè)有相關(guān)數(shù)據(jù)。第三產(chǎn)業(yè)中，租賃和商務(wù)服務(wù)業(yè)、金融業(yè)和房地產(chǎn)業(yè)是GDP及就業(yè)人數(shù)占比最高的三個行業(yè)，為保證分析結(jié)果的直觀性，將第三產(chǎn)業(yè)分為租賃和商務(wù)服務(wù)業(yè)、金融業(yè)、房地產(chǎn)業(yè)和其他服務(wù)業(yè)四個大類。

其次，中國經(jīng)濟中存在城鄉(xiāng)二元結(jié)構(gòu)。在統(tǒng)計數(shù)據(jù)中，歷年的全國第一產(chǎn)業(yè)從業(yè)人數(shù)遠大于城鎮(zhèn)農(nóng)林牧漁業(yè)從業(yè)人數(shù)①根據(jù)中國國民經(jīng)濟行業(yè)分類標準，第一產(chǎn)業(yè)即指農(nóng)林牧漁業(yè)。。然而，統(tǒng)計數(shù)據(jù)中并無1978—2018年完整的第一產(chǎn)業(yè)收入數(shù)據(jù)。若只以城鎮(zhèn)農(nóng)林牧漁業(yè)從業(yè)人員代替第一產(chǎn)業(yè)從業(yè)人員整體情況，會忽略自改革開放以來農(nóng)村勞動力不斷向城市轉(zhuǎn)移這一重要事實，造成嚴重偏差。為補全數(shù)據(jù)，本文以CCER經(jīng)濟金融數(shù)據(jù)庫提供的部分年份（1995—2002年）的第一產(chǎn)業(yè)平均收入數(shù)據(jù)與國泰安經(jīng)濟金融數(shù)據(jù)庫提供的自1978年開始的農(nóng)林牧漁業(yè)平均收入數(shù)據(jù)相對比，反推出自1978年開始的第一產(chǎn)業(yè)平均收入。應(yīng)當承認，這種近似辦法會造成一定的偏差，主要問題在于高估早期的第一產(chǎn)業(yè)收入。但是，為完整刻畫中國勞動力收入變遷過程，這一近似的測算方法應(yīng)當是可以接受的。

最后，因年齡結(jié)構(gòu)數(shù)據(jù)最早只能夠追溯到1990年，因此在分析中，本文將根據(jù)（2）式對1978—2003年的數(shù)據(jù)進行分析，根據(jù)（5）式對1990—2003年的數(shù)據(jù)進行分析，并分別展示結(jié)果。

（二）數(shù)據(jù)分析②限于篇幅，這里沒有展示具體的計算細節(jié)，感興趣的讀者可與作者聯(lián)系。

1.1978—2003年分析結(jié)果

根據(jù)上文所述，將這段時間的行業(yè)數(shù)據(jù)合并為農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、租賃和商務(wù)服務(wù)業(yè)、金融業(yè)、房地產(chǎn)業(yè)及其他服務(wù)業(yè)。圖2展示了這段時間7大行業(yè)的GDP份額及各行業(yè)內(nèi)勞動收入占比的演變情況。

圖2（A） 各行業(yè)GDP占比（1978—2003年）

圖2（B） 各行業(yè)內(nèi)勞動收入占比（1978—2003年）

圖2顯示了1978—2003年各大行業(yè)GDP份額及行業(yè)內(nèi)勞動收入占比的演變。從各行業(yè)GDP占比的變化來看，工業(yè)一直是占比最高的行業(yè)，大概占到GDP總額的35%—45%之間。農(nóng)林牧漁業(yè)經(jīng)歷了較大幅度的下降，服務(wù)業(yè)則經(jīng)歷了較大幅度的上升，這反映了中國產(chǎn)業(yè)升級的過程。從行業(yè)內(nèi)勞動收入占比的變化來看，不同行業(yè)呈現(xiàn)出了不同的特點。與其他行業(yè)相比，農(nóng)林牧漁業(yè)勞動收入占比表現(xiàn)出了顯著的下降，這在一定程度上反映出中國農(nóng)民收入水平較低的事實。

圖3顯示了1978—2003年間中國工資水平的演變及影響因素的累積變化。從圖3（A）中可以看出，以1978年為基年，到2002年人均工資提高約350%。這一時期人均工資的年平均增長率為12.5%，人均工資穩(wěn)定快速的增長主要是依靠生產(chǎn)率效應(yīng)（年平均增長率13.9%）來解釋的，構(gòu)成效應(yīng)和替代效應(yīng)的影響很小。值得注意的是，任務(wù)變化效應(yīng)自1995年開始經(jīng)歷了較小幅度的下降。

圖3（A） 工資水平影響因素分解（1978—2003年）

圖3（B）顯示，以1978年為基年，1978—2003年間任務(wù)變化效應(yīng)的整體變動不大，但轉(zhuǎn)移效應(yīng)與復(fù)原效應(yīng)相當明顯。在1978—2003年間，轉(zhuǎn)移效應(yīng)以年平均3.6%的速度減少了勞動力需求，與此同時，復(fù)原效應(yīng)以年平均2.2%的速度增加了勞動力需求。與美國1947—1987年的數(shù)據(jù)相比[21]，中國的轉(zhuǎn)移效應(yīng)與復(fù)原效應(yīng)都表現(xiàn)得更加強烈，這可能與中國1978—2003年間經(jīng)歷的快速產(chǎn)業(yè)迭代升級有關(guān)?？傊瑪?shù)據(jù)分析表明，1978—2003年間出現(xiàn)了大量的自動化，但這一時期快速的產(chǎn)業(yè)迭代升級創(chuàng)造了大量新的生產(chǎn)任務(wù)，提供了新的就業(yè)崗位，基本抵消了自動化對勞動力替代的不利影響。

圖3（B） 轉(zhuǎn)移效應(yīng)與復(fù)原效應(yīng)（1978—2003年）

圖3（C）顯示了年齡結(jié)構(gòu)效應(yīng)對工資水平的影響。結(jié)果顯示，1990—2003年間，人口的年齡結(jié)構(gòu)效應(yīng)對整體工資水平的影響很小?？赡艿脑蛟谟?，充足的勞動力更多表現(xiàn)出對GDP增長的促進作用，充足的勞動力供給使企業(yè)在工資議價過程中更有優(yōu)勢，降低了整體的工資水平。

圖3（C） 人口因素對工資水平的影響（1990—2003年）

2.2004—2018年分析結(jié)果

圖4顯示了2004—2018年各大行業(yè)GDP份額及行業(yè)內(nèi)勞動收入占比的演變。從GDP份額的演變來看，制造業(yè)依然是占據(jù)GDP最大份額的行業(yè)，占GDP總額的28%—35%。服務(wù)業(yè)在GDP中的份額持續(xù)提升，截止到2018年，整個第三產(chǎn)業(yè)在GDP中的份額已經(jīng)與制造業(yè)接近。與之形成鮮明對比的是，農(nóng)業(yè)在GDP中的份額持續(xù)下降，2011年已不足10%，這反映了中國產(chǎn)業(yè)結(jié)構(gòu)變遷的方向。從各行業(yè)內(nèi)勞動收入占比的情況來看，除農(nóng)林牧漁業(yè)外，各行業(yè)中勞動收入占比均經(jīng)歷了一定幅度的提高，在2010年之后表現(xiàn)尤其明顯，這一結(jié)果與部分學(xué)者對中國用工成本變化的分析相一致[22][23]。

圖4（A） 各行業(yè)GDP占比（2004—2018年）

圖4（B） 各行業(yè)內(nèi)勞動收入占比（2004—2018年）

圖5（A）顯示，2004—2018年間，中國整體工資水平依然以較快速度增長。以2004年為基年，到2018年人均工資提高約240%，年平均增速可達15.4%。與上一時期相比，這一時期推動工資上漲的因素發(fā)生了變化。自2009年開始，人均GDP增長的速度逐漸慢于工資水平的增長速度，說明生產(chǎn)率效應(yīng)的作用在逐漸減弱。

圖5（A） 工資水平影響因素分解（2004—2018年）

圖5（B）顯示，2004—2018年間，任務(wù)變化效應(yīng)對工資水平基本上產(chǎn)生負向影響。2004—2009年間，復(fù)原效應(yīng)基本保持在很低的水平，說明這一時間段中很少有新的任務(wù)產(chǎn)生，轉(zhuǎn)移效應(yīng)在這一時間段起主導(dǎo)作用。2010—2014年間，復(fù)原效應(yīng)有了一個較大水平的提高，說明這一時間段集中涌現(xiàn)了新的生產(chǎn)任務(wù)。然而，2015—2018年，復(fù)原效應(yīng)幾乎沒有增長，說明這一時間段基本沒有任何新的任務(wù)產(chǎn)生。與之對比，轉(zhuǎn)移效應(yīng)在不斷增強，說明自動化在不斷奪取原本由勞動完成的生產(chǎn)任務(wù)。值得關(guān)注的是，與1978—2003年間相比，復(fù)原效應(yīng)與轉(zhuǎn)移效應(yīng)的年平均值均有了較大幅度的下降。2004—2018年間，復(fù)原效應(yīng)與轉(zhuǎn)移效應(yīng)的年均變化值分別為1.5%和1.8%，而1978—2003年間的數(shù)值分別為2.2%和3.6%。這一數(shù)據(jù)說明，在后一時間段，自動化普及與新任務(wù)產(chǎn)生的速度均有所下降，這可以解釋2004—2018年間人均GDP年均增速的下降。

圖5（B） 轉(zhuǎn)移效應(yīng)與復(fù)原效應(yīng)（2004—2018年）

圖5（C）顯示了年齡結(jié)構(gòu)效應(yīng)對工資水平的影響。與上一時間段的結(jié)果類似，人口的年齡結(jié)構(gòu)效應(yīng)對整體工資水平的影響很小。

圖5（C） 人口因素對工資水平的影響（2004—2018年）

四、結(jié)論與討論

本文采用“基礎(chǔ)任務(wù)模型”（task-based model），將技術(shù)進步分為促進自動化普及型及促進新任務(wù)產(chǎn)生型兩大類，定量研究了1978—2018年中國整體工資水平的演變，在此基礎(chǔ)上對勞動力需求的影響因素與機制進行了探究。

研究發(fā)現(xiàn)，1978—2018年間，生產(chǎn)率的提高是促進工資水平上升、提高勞動力需求的最重要的因素；生產(chǎn)任務(wù)的變化對工資水平的變動起相對次要的作用；人口年齡結(jié)構(gòu)的改變則基本上對工資水平?jīng)]有影響。雖然生產(chǎn)任務(wù)的變化總體上起次要作用，但是中國在1978—2018年間經(jīng)歷了強烈的轉(zhuǎn)移效應(yīng)與復(fù)原效應(yīng)，這表明在過去的40年間，中國經(jīng)濟經(jīng)歷了大規(guī)模的自動化普及和產(chǎn)業(yè)迭代過程，二者對勞動力需求分別有著強烈的負向與正向影響。自動化普及程度的提高使資本占據(jù)了原本屬于勞動者的大量工作崗位，這些勞動者不得不轉(zhuǎn)移到新的部門尋找工作，這與杰里米·里夫金的結(jié)論相一致[24]。

以上研究結(jié)論意味著，中國未來的勞動力需求擴大及工資水平上升面臨著嚴峻的挑戰(zhàn)，挑戰(zhàn)一方面來自于生產(chǎn)率增速的下滑，另一方面來自于生產(chǎn)任務(wù)的變化。圖5（B）顯示，近年來中國經(jīng)濟出現(xiàn)了一種新的趨勢：轉(zhuǎn)移效應(yīng)強度的提高和復(fù)原效應(yīng)強度的停滯。這一趨勢與Acemoglu和Restrepo展示的美國的情況相一致，而后者正是美國勞動力需求及工資水平停滯的原因之一[25]?？紤]到中國近年來人工智能技術(shù)的快速發(fā)展，學(xué)界對未來勞動力需求及工資水平的擔(dān)憂也理所當然。

此外，本研究的另一意義在于分析中國經(jīng)濟“增長奇跡”的來源。圖6展示了歷年的復(fù)原效應(yīng)值①圖6所用數(shù)據(jù)與圖3（B）及圖5（B）完全一致。圖6可以看作圖3（B）及圖5（B）中復(fù)原效應(yīng)曲線的導(dǎo)數(shù)，采用不同的表示方式是為了更好地展示復(fù)原效應(yīng)的周期波動。，從中可以明顯地看出，復(fù)原效應(yīng)呈現(xiàn)出周期性的變化規(guī)律，并有5個波峰。復(fù)原效應(yīng)代表了新任務(wù)的產(chǎn)生，而新任務(wù)的產(chǎn)生與產(chǎn)業(yè)革命密不可分。事實上，正是產(chǎn)業(yè)革命中創(chuàng)新的“成簇”出現(xiàn)帶來了新的生產(chǎn)任務(wù)。這一分析結(jié)果證實了陳志武的觀點：中國1978年以后改革開放實現(xiàn)的成果，相當程度上是重復(fù)了東亞地區(qū)在“二戰(zhàn)”之后、西方國家在更早些時候的經(jīng)歷[26]。這一結(jié)果有著非常重要的意義，因為，如果在這里所提出的假說成立，該研究結(jié)果就指明了中國經(jīng)濟“增長奇跡”的核心：通過技術(shù)引入與技術(shù)變遷，實現(xiàn)快速的產(chǎn)業(yè)升級。這也表明，維持中國經(jīng)濟增長速度，其核心依然是通過技術(shù)變遷實現(xiàn)產(chǎn)業(yè)升級，并提供鼓勵產(chǎn)業(yè)變革的制度環(huán)境[27]。

圖6 歷年復(fù)原效應(yīng)值（1978—2018年）

未來可以從以下兩個方面展開進一步的深入研究。第一，相對于歐美發(fā)達國家而言，東亞國家的人口轉(zhuǎn)變過程更為迅速，人口老齡化、勞動力供給不足的問題更加緊迫。人口老齡化及其發(fā)展速度是否促進了東亞國家以更快的速度推廣人工智能技術(shù)以替代勞動力，是值得進一步探索的研究主題。第二，研究中國自1978年開始的快速產(chǎn)業(yè)迭代及其周期表現(xiàn)，從這一角度刻畫中國改革開放以來的經(jīng)濟進程，從而真正破解中國經(jīng)濟的“增長奇跡”之謎。