人工智能發(fā)展會擴大收入差距嗎
——理論假說與省級證據(jù)

劉紅英，朱 琪

(1.韶關(guān)學(xué)院 商學(xué)院,廣東 韶關(guān) 512005；2.華南師范大學(xué) 經(jīng)濟管理學(xué)院,廣州 510006)

一、引言

收入差距縮小是中國實現(xiàn)共同富裕的關(guān)鍵性指標(biāo)，《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》明確指出，到2035年，要實現(xiàn)“中等收入群體顯著擴大，基本公共服務(wù)實現(xiàn)均等化，城鄉(xiāng)區(qū)域發(fā)展差距和居民生活水平差距顯著縮小……全體人民共同富裕取得更為明顯的實質(zhì)性進展”。收入差距縮小在宏觀上表現(xiàn)為城鄉(xiāng)間、地區(qū)間收入差距縮小，在要素分配上表現(xiàn)為勞動報酬份額上升，在個體分配上表現(xiàn)為勞動者之間的收入差距縮小。目前，中國居民收入差距的基尼系數(shù)仍處于高位徘徊，城鄉(xiāng)收入差距縮小，但勞動者工資收入差距擴大，縮小收入差距任務(wù)艱巨[1]。中國勞動收入份額呈“U”型演變趨勢，技能溢價則不斷擴大[2～3]。

技術(shù)進步作為影響收入分配格局的主導(dǎo)因素之一，受到了學(xué)界的普遍關(guān)注，而人工智能是新一輪科技革命的核心驅(qū)動力，將重構(gòu)生產(chǎn)、分配、交換和消費等經(jīng)濟活動各環(huán)節(jié)，產(chǎn)生更為復(fù)雜的收入分配效應(yīng)，并且人工智能作為一種非中性的技術(shù)進步，不能惠及所有部門、要素和群體，可能會加劇收入分配失衡。郭凱明和王鈺冰(2022)對中國分配結(jié)構(gòu)的分解研究認(rèn)為，中國供需結(jié)構(gòu)優(yōu)化會提升中國勞動收入份額，但如果新一代技術(shù)革命推動了資本替代勞動，將可能降低勞動收入份額，同時也提升技能溢價[3]。當(dāng)下，中國正處于全體人民邁向共同富裕的重要階段，關(guān)注人工智能對收入差距的影響具有現(xiàn)實意義。

已有大多數(shù)研究認(rèn)為人工智能等自動化技術(shù)會加劇收入分配失衡，Berg等(2016)將智能機器人視為可以取代勞動力的資本，而資本分配本身就是不平等的，引入機器人將增加資本份額，從而加劇要素收入不平等[4]。Korinek和Stiglitz(2017)認(rèn)為人工智能技術(shù)創(chuàng)新會通過增加創(chuàng)新者盈余和提高資本要素相對價格這兩種渠道，加劇收入分配不平等[5]。Acemoglu和Restrepo(2021)基于美國過去40年的工資結(jié)構(gòu)變化研究，發(fā)現(xiàn)美國工資收入差距擴大主要是因為常規(guī)崗位的工資下降所致，自動化技術(shù)提高了常規(guī)工作任務(wù)的勞動生產(chǎn)率，從而降低了行業(yè)勞動收入份額[6]。王林輝等(2020)通過分解勞動收入差距變化和測算人工智能技術(shù)收入分配，證實人工智能擴大了高、低技術(shù)部門的勞動收入差距[7]。余玲錚等(2019)基于企業(yè)截面數(shù)據(jù)，證實使用機器人會降低企業(yè)勞動收入份額[8]。黃旭(2021)將高技能和低技能勞動力納入新古典生產(chǎn)函數(shù)，基于模型演繹推導(dǎo)，得出人工智能會擴大技能溢價的結(jié)論[9]。

少部分研究認(rèn)為人工智能發(fā)展不會擴大收入差距，Stevenson(2019)認(rèn)為人工智能通過提高勞動生產(chǎn)率，提高消費需求和就業(yè)需求，和以往技術(shù)革命一樣，人工智能技術(shù)變革最終會增加國民福利，收入不平等不會擴大[10]。鄧翔和黃志(2019)基于行業(yè)面板數(shù)據(jù)的實證研究發(fā)現(xiàn)，人工智能對收入差距的影響是先擴大后縮小[11]。金陳飛等(2020)基于浙江中小企業(yè)調(diào)查數(shù)據(jù)，證實人工智能顯著提升了企業(yè)勞動收入份額[12]。

人工智能對收入差距的影響仍處于探索階段，尤其是缺乏對行業(yè)收入差距的影響研究，本文對現(xiàn)有文獻的補充主要體現(xiàn)在：第一，基于人工智能的技術(shù)偏向性視角，將人工智能對收入差距的多方面影響納入統(tǒng)一的研究框架，并對其中的邏輯機理進行理論闡述，進而提出研究假設(shè)；第二，實證檢驗了人工智能發(fā)展對中國收入差距的影響，并通過中介效應(yīng)模型，識別了勞動生產(chǎn)率在人工智能與中國收入差距之間的中介或遮掩作用，為中國人工智能發(fā)展與收入分配治理提供了啟示。

二、理論分析與研究假設(shè)

(一)人工智能的內(nèi)涵與特征界定

新一代人工智能的核心技術(shù)是深層神經(jīng)網(wǎng)絡(luò)技術(shù)(DNNS)，它通過機器學(xué)習(xí)增強了機器的感知和決策能力，使機器具備“人腦”的功能，賦予了機器智能化算法和模型，因此，人工智能本質(zhì)上是具有自主學(xué)習(xí)、自主決策和判斷能力的智能自動化技術(shù)[13]。從人工智能的內(nèi)涵看人工智能有如下技術(shù)特征：首先，人工智能是具有數(shù)據(jù)偏向的數(shù)字通用技術(shù)，數(shù)據(jù)是人工智能的核心要素，深層神經(jīng)網(wǎng)絡(luò)技術(shù)可以實現(xiàn)對大型非結(jié)構(gòu)化數(shù)據(jù)的處理與學(xué)習(xí)，如文本、圖像、語音等，但它需要依賴大型數(shù)據(jù)集進行運算和分析，數(shù)據(jù)與算法匯聚，大大提高了AI應(yīng)用行業(yè)的生產(chǎn)效率和營銷效率，從而擴大了AI與非AI應(yīng)用行業(yè)的收入差距。其次，人工智能是一種智能自動化技術(shù)，人工智能的智能化特征使得AI具有人工替代性，其對勞動力的廣泛替代將降低勞動就業(yè)率與工資率，從而降低勞動收入份額，擴大要素收入差距。再次，人工智能是新一代的信息技術(shù)(ICT)，移動互聯(lián)網(wǎng)、5G、云計算等為人工智能發(fā)展提供了海量的數(shù)據(jù)和強大的算力支持，因此人工智能是信息技術(shù)的延伸，具有信息通信技術(shù)(ICT)屬性，從而對勞動力的沖擊具有技能偏向性，增加技能溢價。

(二)人工智能影響收入差距的理論分析與研究假設(shè)

1.人工智能的數(shù)據(jù)偏向性與行業(yè)收入差距

人工智能是一種偏向數(shù)據(jù)、算法的通用性數(shù)字技術(shù)，數(shù)據(jù)是人工智能的核心要素，其對行業(yè)差距的影響具有兩面性。一方面，數(shù)據(jù)、算法的非競爭性催生了行業(yè)之間的不公平競爭，引致行業(yè)間的收入差距擴大。數(shù)據(jù)具有兩個典型特征，一是數(shù)據(jù)的經(jīng)濟價值是規(guī)模報酬遞增的，數(shù)據(jù)獲得性越強的企業(yè)將越有可能改善產(chǎn)品和服務(wù)質(zhì)量，缺乏數(shù)據(jù)的企業(yè)則處于競爭劣勢；二是數(shù)據(jù)具有非競爭性，這使得數(shù)字產(chǎn)品和數(shù)字服務(wù)(如算法和軟件)都是非競爭性的，一旦企業(yè)率先部署了新的數(shù)字技術(shù)，就可以以零邊際成本服務(wù)于不斷增長的市場，從而快速獲得規(guī)模經(jīng)濟。數(shù)據(jù)和人工智能算法匯聚，大大提高了AI領(lǐng)先行業(yè)的生產(chǎn)率，促使AI應(yīng)用企業(yè)和行業(yè)的市場力量不斷增強，最終導(dǎo)致贏者為大的競爭格局。典型事實是數(shù)據(jù)豐富的科技型企業(yè)或數(shù)據(jù)平臺規(guī)模迅速擴大，如國內(nèi)的三大科技巨頭BAT。

另一方面，人工智能對傳統(tǒng)行業(yè)的滲透，可以提高傳統(tǒng)落后部門的行業(yè)增長率，從而縮小行業(yè)差距。首先，人工智能會提高服務(wù)業(yè)勞動生產(chǎn)率，人工智能算法通過提高行業(yè)供需匹配效率，提高了AI滲透率高的行業(yè)生產(chǎn)率，如醫(yī)療健康、金融和教育，這些曾被定義為生產(chǎn)率增長緩慢或停滯的部門，隨著人工智能的技術(shù)介入和滲透，獲得了生產(chǎn)率增長，“鮑莫爾成本病”將不復(fù)存在。未來五年，“AI+”將使教育業(yè)、零售業(yè)、制造業(yè)和金融業(yè)的效率分別提高82%、74%、64%和58%[14]。其次，5G、衛(wèi)星成像、傳感器和無人機等技術(shù)在農(nóng)業(yè)部門的應(yīng)用，也將提高農(nóng)業(yè)勞動生產(chǎn)率，像人工智能和互聯(lián)網(wǎng)技術(shù)融合，推動智慧農(nóng)業(yè)和農(nóng)村電子商務(wù)發(fā)展，從而提高農(nóng)業(yè)部門的生產(chǎn)率和收入水平。據(jù)此，提出如下競爭性的研究假設(shè)。

H1a：人工智能發(fā)展通過提高AI領(lǐng)先行業(yè)的勞動生產(chǎn)率，擴大行業(yè)收入差距。

H1b：人工智能發(fā)展通過提高傳統(tǒng)行業(yè)的勞動生產(chǎn)率，縮小行業(yè)收入差距。

2.人工智能的資本偏向性與要素收入差距

人工智能是一種智能自動化技術(shù)，其對勞動的替代速度和程度會較以往的技術(shù)更為顯著，從而在要素收入分配上表現(xiàn)為勞動份額下降。已有研究將人工智能視為不同的技術(shù)進步類型，對勞動收入份額的下降進行了機理闡釋。一是從要素增進型技術(shù)進步視角，認(rèn)為人工智能是一種外生技術(shù)進步，可以增加有效勞動力，資本與勞動的收入份額由二者之間的替代彈性決定。其中，從資本增進型技術(shù)進步的視角，認(rèn)為自動化資本只能替代部分勞動，當(dāng)資本與勞動的替代彈性大于1時，勞動力收入份額下降[15]；從勞動增進型技術(shù)進步的視角，認(rèn)為勞動增進型技術(shù)進步使“有效勞動力”增加，提高了勞動的邊際產(chǎn)出，當(dāng)資本與勞動的替代彈性小于1時，自動化技術(shù)會降低勞動收入份額[16]。二是從任務(wù)偏向型技術(shù)進步視角，認(rèn)為人工智能是一種任務(wù)偏向型技術(shù)進步，自動化資本通過替代勞動，減少了勞動力所從事的任務(wù)范圍，降低了勞動收入份額[17]。

從發(fā)展事實看，首先，人工智能對制造業(yè)就業(yè)的負(fù)面沖擊最顯著，Acemoglu和Restrepo(2020)基于美國的數(shù)據(jù)證實，工業(yè)機器人應(yīng)用使制造業(yè)就業(yè)下降0.18到0.34個百分點，工資下降0.25到0.5個百分點[18]。閆雪凌等(2020)基于中國制造業(yè)分行業(yè)數(shù)據(jù)，也證實使用工業(yè)機器人會顯著減少就業(yè)崗位[19]。麥肯錫預(yù)測，到2030年，智能機器人和自動化設(shè)備將使制造業(yè)的操作類崗位減少50%，崗位需求下降速度為整體經(jīng)濟的兩倍。其次，人工智能的替代效應(yīng)會蔓延至服務(wù)業(yè)，如服務(wù)機器人被廣泛應(yīng)用于餐飲、零售、金融等服務(wù)行業(yè)，不僅取代了低級認(rèn)知類服務(wù)崗位，如工資或賬務(wù)計算、人工客服等崗位，還取代了高級認(rèn)知類崗位，如醫(yī)療診斷(X光圖像)、人事招聘(篩選申請人)等[20]，人工智能在服務(wù)業(yè)的應(yīng)用催生了很多無人化商業(yè)模式，像亞馬遜的無人超市和阿里巴巴的無人酒店等。Eggleston 等(2021)基于日本養(yǎng)老院的數(shù)據(jù)，證實機器人在護理行業(yè)的應(yīng)用通過降低護理難度和護理人員留任難度，從而降低了正規(guī)員工的工資[21]。據(jù)此，提出假設(shè)H2。

H2:人工智能發(fā)展會降低中國整體勞動收入份額，同時也降低工業(yè)和服務(wù)業(yè)部門的勞動收入份額。

3.人工智能的技能偏向性與勞動者之間的收入差距

人工智能是新一代的ICT技術(shù)，具有技能偏向性，AI偏向于替代中等技能或低技能工人，從而強化技能溢價，擴大技能型勞動者和非技能型勞動者的收入差距。理論上，人工智能技術(shù)對技能溢價的影響取決于勞動者技能與人工智能技術(shù)的匹配程度，一方面，人工智能技術(shù)與技能型勞動力是互補的，人工智能技術(shù)的開發(fā)與應(yīng)用需要高技能工人完成對智能機器的發(fā)明、維護和操作，這提高了技能型工人的需求和工資，目前，AI人才的薪酬溢價現(xiàn)象突出，2019年AI人才需求較2015年增長11.75倍，人工智能崗位的平均薪酬溢價達(dá)85%，其中高、中、低技能AI崗位的溢價分別為55%、90%和110%。另一方面，人工智能技術(shù)對非技能型勞動力的替代，降低了非技能型工人的工資和就業(yè)率，并且由于非技能型勞動力存在技能升級慢和職業(yè)轉(zhuǎn)換難的問題，從而面臨更為嚴(yán)重的技術(shù)性失業(yè)，低技能工資下降幅度更大，導(dǎo)致高低技能溢價上升。事實上，人工智能人才短缺也加劇了薪酬溢價，《人工智能產(chǎn)業(yè)人才發(fā)展報告(2019—2020)》顯示，中國AI人才缺口為30萬，人工智能行業(yè)人才供需比低于0.4，技能短缺加大了對AI人才的競爭，提高了AI人才的薪酬?；诖?，得到研究假設(shè)H3。

H3：人工智能發(fā)展會提高技能溢價，擴大技能型和非技能型勞動者的收入差距。

綜上所述，人工智能影響中國收入差距的內(nèi)在邏輯如圖1所示。

三、模型構(gòu)建與數(shù)據(jù)說明

(一)計量模型構(gòu)建

基于上述的理論分析，構(gòu)建如下檢驗人工智能發(fā)展與中國收入分配差距的計量模型：

Yit=α0+α1AIit+α2Xit+δi+λt+εit

(1)

其中，下標(biāo)i和t分別表示省份和年份，被解釋變量Yit為收入差距，根據(jù)理論假設(shè)，Yit包括行業(yè)收入差距(Giniit)、勞動收入份額(Lsit)、工業(yè)部門勞動收入份額(Ishit)、服務(wù)業(yè)部門勞動收入份額(Sshit)和勞動者技能溢價水平(Premit)，核心解釋變量(AIit)為各省份人工智能發(fā)展水平，Xit為控制變量的向量集，δi為省份固定效應(yīng)，λt為年份固定效應(yīng)，εit為隨機干擾項。選取的研究樣本為2004—2018年中國省級面板數(shù)據(jù)。

(二)指標(biāo)設(shè)計與變量說明

1.收入差距

2.人工智能發(fā)展水平(AI)

目前人工智能的衡量指標(biāo)多采用國際機器人聯(lián)合會(IFR)提供的機器人安裝數(shù)量表示[19],但工業(yè)機器人主要應(yīng)用于工業(yè)部門，也有學(xué)者選用人工智能專利數(shù)量表示,通常以人工智能作為關(guān)鍵詞進行專利量搜索，人工智能專利的定義較為隨意[11]。本文參考了國家信息安全發(fā)展研究中心2019年公布的《人工智能中國專利技術(shù)分析報告》，該報告歸納了在深度學(xué)習(xí)、語音識別、自然語言處理、計算機視覺、智能駕駛、云計算和智能機器人等7個分支領(lǐng)域中人工智能專利的IPC分類號，作者從國家知識產(chǎn)權(quán)局手動收集并整理出2004—2018年各省份人工智能專利申請量，來表征人工智能發(fā)展水平。從人工智能專利數(shù)量看，專利數(shù)最小值為0，最大值為64758，專利最多的省份為廣東、北京、江蘇、上海、浙江，基本符合各省份人工智能發(fā)展現(xiàn)狀。同時，從國際機器人聯(lián)合會(IFR)獲取了中國工業(yè)行業(yè)機器人安裝數(shù)量，并參照王文(2020)的做法，構(gòu)造了各地區(qū)的機器人安裝密度(Robm)作為人工智能的替代指標(biāo)，用于穩(wěn)健性檢驗[24]。

3.控制變量

參照已有研究，模型回歸包含如下變量：外商投資水平(FDI)為各省份外商投資企業(yè)投資額占GDP比重；對外貿(mào)易水平(Open)，用各省份進出口總額占GDP比重表示；勞動力平均受教育程度(Edu)，計算公式為(小學(xué)教育人數(shù)×6+初中教育人數(shù)×9+高中教育人數(shù)×12+大學(xué)文化程度人數(shù)×16)/6歲以上人口數(shù)；資本深化(Ky)，用資本-產(chǎn)出比表示，資本存量采用單豪杰(2008)[25]的算法,并折算為1978年的不變價；研發(fā)投入強度(Rd)，表示各地區(qū)的科技創(chuàng)新水平，用各地區(qū)研究與試驗發(fā)展經(jīng)費占GDP比重表示；人均GDP(Rgdp)，用各省份GDP價格指數(shù)折算成2004年為基期的不變?nèi)司鵊DP。相關(guān)數(shù)據(jù)來源于各期的《中國貿(mào)易外經(jīng)統(tǒng)計年鑒》《中國人口與就業(yè)統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。所有變量的描述性統(tǒng)計如表1。

表1 各變量含義與描述性統(tǒng)計

四、實證分析

(一)基準(zhǔn)回歸

為了減少異方差，對各解釋變量進行對數(shù)化處理，采用雙向固定效應(yīng)模型進行方程估計。表2模型(1)為人工智能與行業(yè)收入差距的回歸結(jié)果，實證支持了人工智能發(fā)展會縮小行業(yè)收入差距的假設(shè)H1b。現(xiàn)階段人工智能對傳統(tǒng)行業(yè)的廣泛滲透，促進了落后行業(yè)的生產(chǎn)率增長和銷售量增長，總體上表現(xiàn)為行業(yè)收入差距縮小。模型(2)～(4)為人工智能與中國勞動收入份額的回歸結(jié)果，回歸表明人工智能發(fā)展會顯著降低中國整體和分部門的勞動收入份額，人工智能可能通過對勞動力的替代和資本的深化而降低勞動份額，驗證了假說H2。模型(5)為人工智能與勞動者技能溢價的回歸結(jié)果，表明人工智能發(fā)展顯著增加了勞動者技能溢價，擴大了技能型和非技能型勞動者的收入差距，驗證了假說H3。

表2 基準(zhǔn)回歸結(jié)果

(二)內(nèi)生性處理

人工智能并非嚴(yán)格的外生變量，各地區(qū)人工智能發(fā)展可能受到國家政策引導(dǎo)，或迫于本地區(qū)產(chǎn)業(yè)智能化升級壓力而產(chǎn)生的自選擇行為，模型的內(nèi)生性還可能來自反向因果，即人工智能與收入分配差距之間可能存在雙向因果關(guān)系，一些企業(yè)為了提高企業(yè)績效，如勞動生產(chǎn)率或銷售額，而自發(fā)選擇采用或開發(fā)人工智能技術(shù)，促進了人工智能技術(shù)的發(fā)展，而人工智能崗位的高薪酬溢價也激勵更多高技術(shù)人才投身于人工智能產(chǎn)業(yè)。為了克服模型可能存在的內(nèi)生性問題，本文使用二階段最小二乘法(IV-2SLS)進行IV估計，工具變量選取方法有兩種：一是使用LAI的滯后一期和二期作為LAI的工具變量；二是借鑒孫早、侯玉琳(2021)的做法，采用各省份光纜密度作為人工智能發(fā)展水平的工具變量，用各省份每平方公里長途光纜長度衡量[26]。光纖是人工智能技術(shù)的首選材料，光纜密度與人工智能技術(shù)發(fā)展密切相關(guān)，但不能直接影響收入差距，在一定程度上滿足了工具變量相關(guān)性和外生性的條件。表3 Panel A為采用LAI滯后一期和二期為LAI工具變量的回歸結(jié)果，Panel B為采用光纜密度(LGL)作為工具變量的回歸結(jié)果，列(1)為第一階段回歸結(jié)果，列(2)～(6)為第二階段回歸結(jié)果(1)為節(jié)省文章篇幅，表3僅列出了工具變量和核心變量的回歸結(jié)果，完整回歸結(jié)果備索。，兩種工具變量法均通過了識別不足和弱工具變量檢驗，工具變量與核心解釋變量LAI顯著正相關(guān)，弱化內(nèi)生性問題后，工具變量法結(jié)論與基準(zhǔn)回歸結(jié)論一致，并且核心變量LAI的顯著性水平和系數(shù)值均有明顯提升。

表3 IV-2SLS回歸結(jié)果

(三)穩(wěn)健性檢驗

本文采用兩種方法進行穩(wěn)健性檢驗。首先是替換核心被解釋變量，用各地區(qū)19個國民經(jīng)濟行業(yè)的泰爾指數(shù)(Thei)替換行業(yè)基尼系數(shù)，勞動收入份額的替代指標(biāo)(LSS)用勞動者報酬占GDP比重表示，技能溢價的替代指標(biāo)選用科學(xué)研究與技術(shù)服務(wù)業(yè)與農(nóng)林牧漁業(yè)平均工資之比表示，記為Pay。回歸結(jié)果如表3列(1)～(3)，與基準(zhǔn)回歸結(jié)果一致，人工智能顯著縮小了行業(yè)收入差距，同時也降低了勞動收入份額，并擴大了高低技能勞動者的收入差距。

其次是變換核心解釋變量。沿用國內(nèi)外學(xué)者的做法，用IFR提供的中國工業(yè)機器人安裝量構(gòu)造的各地區(qū)機器人安裝密度(Robm)作為人工智能的替代指標(biāo)，樣本期為2006—2018年，考慮到工業(yè)機器人對服務(wù)業(yè)部門的勞動份額沒有直接影響，故穩(wěn)健性檢驗不再考慮分部門的情況?；貧w結(jié)果如表4列(4)～(6)所示，與基準(zhǔn)回歸結(jié)論高度一致。

表4 穩(wěn)健性檢驗回歸結(jié)果

(四)異質(zhì)性分析

1.區(qū)域異質(zhì)性檢驗

中國人工智能發(fā)展事實表明，AI企業(yè)、AI產(chǎn)業(yè)和AI人才主要匯聚在東部地區(qū)，其中，京津冀、江浙滬、粵港澳三地的AI企業(yè)占比分別為30.98%、26.70%和25.17%，尤其是北京、深圳、上海、杭州、廣州成為引領(lǐng)中國人工智能發(fā)展的主要城市，匯集了眾多AI巨頭和AI新創(chuàng)獨角獸企業(yè)。相對于東部蓬勃發(fā)展的人工智能，中西部人工智能的滲透率較低。據(jù)此，將中國劃分為東部和中西部地區(qū)進行區(qū)域異質(zhì)性分析(2)東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11個省份；中西部地區(qū)包括山西、內(nèi)蒙古、遼寧、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆19個省份。不含西藏、港澳臺。?；貧w結(jié)果如表5，Chow test顯示，各分組系數(shù)存在顯著的差異。表5模型(1)回歸結(jié)果顯示，人工智能在中西部地區(qū)的發(fā)展顯著縮小了行業(yè)收入差距，但在東部地區(qū)不顯著，這可能是因為東部人工智能發(fā)展水平較高，對行業(yè)滲透不均衡的特點更為突出，受人工智能影響行業(yè)收入差距的正反機制作用，短期內(nèi)無法判斷影響的顯著性。模型(2)～(4)的回歸結(jié)果表明，人工智能發(fā)展顯著降低了中西部總體及各部門的勞動份額，同時，也顯著降低了東部工業(yè)部門的勞動份額，但對東部整體和服務(wù)業(yè)部門的勞動份額影響不顯著，這可能是因為自動化技術(shù)主要沖擊的是工業(yè)領(lǐng)域，以及勞動密集型產(chǎn)業(yè)或低技能崗位，而東部地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)、人口結(jié)構(gòu)可以有效平熨人工智能的負(fù)面沖擊，并且由于人工智能發(fā)展的領(lǐng)先優(yōu)勢，東部地區(qū)還受益于人工智能的崗位創(chuàng)造效應(yīng)，最終人工智能對東部整體和服務(wù)業(yè)部門的勞動收入份額影響不顯著。模型(5)結(jié)果表明，人工智能發(fā)展均提高了東部、中西部的勞動者技能溢價水平，并且人工智能對東部地區(qū)勞動者收入差距的擴大效應(yīng)要大于中西部地區(qū)，這與人工智能人才主要匯聚在東部地區(qū)的現(xiàn)實相符，東部AI人才數(shù)量占比高達(dá)62.7%。

表5 區(qū)域異質(zhì)性檢驗回歸結(jié)果

2.時期異質(zhì)性檢驗

對于人工智能發(fā)展高速和低速時期的劃分，有的學(xué)者以2010年神經(jīng)網(wǎng)絡(luò)技術(shù)突破了機器學(xué)習(xí)對量級數(shù)據(jù)集的訓(xùn)練和學(xué)習(xí)局限為界[27]，還有學(xué)者以2011年德國提出的工業(yè)4.0為界[19]。從中國人工智能專利發(fā)展事實來看，2004—2010年，AI專利申請量增長了82.75%，2011—2018年增長了403.61%，2011年是中國人工智能發(fā)展的分水嶺，據(jù)此，將中國人工智能發(fā)展階段劃分為低速發(fā)展(2004—2010年)和高速發(fā)展階段(2011—2018年)，進行時期異質(zhì)性分析，回歸結(jié)果如表6。Chowtest顯示，各分組存在顯著的系數(shù)差異。模型(1)顯示，隨著人工智能加速發(fā)展，其對中國行業(yè)收入差距的作用可能先縮小后擴大，雖然這一效應(yīng)在統(tǒng)計上不顯著，但這仍然意味著人工智能帶來的部門生產(chǎn)率差異所引致的收入差距擴大將可能成為主導(dǎo)效應(yīng)。模型(2)～(4)表明，在人工智能發(fā)展的低速時期，其對中國勞動收入份額的抑制作用不顯著，但進入高速發(fā)展階段以后，人工智能顯著降低了中國整體和分部門的勞動收入份額。模型(5)的回歸結(jié)果表明，人工智能無論是低速還是高速發(fā)展階段，對勞動者技能溢價的促進效應(yīng)都是顯著的，并且隨著人工智能的發(fā)展，這種影響效應(yīng)有所減緩。

表6 時期異質(zhì)性檢驗回歸結(jié)果

(五)進一步分析：勞動生產(chǎn)率的中介效應(yīng)檢驗

理論分析表明，勞動生產(chǎn)率在人工智能與收入差距中可能起著中介作用，人工智能技術(shù)可能通過提高勞動生產(chǎn)率，擴大或縮小收入差距，人工智能也可能通過提高勞動生產(chǎn)率影響勞動收入份額，同樣地，根據(jù)Acemoglu和Restrepo(2020)的研究，高技能自動化會降低勞動者技能溢價，而低技能自動化會增加勞動者技能溢價，自動化技術(shù)通過影響勞動生產(chǎn)率來影響勞動力工資[28]。基于此，建立中介效應(yīng)模型，檢驗勞動生產(chǎn)率是否在人工智能與收入差距中起到中介作用。

lnLPit=γ0+γ1lnAIit+γ2Xit+vi+μt+ε1it

(2)

Yit=β0+β1LnAIit+β2lnLPit+β3Xit+φi+?t+ε2it

(3)

其中，LPit為勞動生產(chǎn)率，采用羅長遠(yuǎn)和張軍的做法，用名義GDP與從業(yè)人員數(shù)之比表示，取自然對數(shù)值，記為LLP。Yit為收入差距，包含模型(1)～(5)中的被解釋變量Giniit、Lsit、Ishit、Sshit和Premit。vi、φi為省份固定效應(yīng)，μt和?t為年份固定效應(yīng)，ε1it、ε2it為隨機干擾項，其他解釋變量含義不變，完整的中介效應(yīng)模型包含模型(1)、(2)、(3)。基準(zhǔn)回歸已證實中介效應(yīng)的第一步成立，模型(2)和(3)分別為中介效應(yīng)模型的第二、第三步。

表7列(1)為模型(2)的回歸結(jié)果，人工智能發(fā)展顯著提高了勞動生產(chǎn)率，中介效應(yīng)的第二步成立。列(2)～(6)為模型(3)的檢驗結(jié)果，中介變量勞動生產(chǎn)率的系數(shù)均通過了顯著性檢驗，且各模型的Sobel檢驗結(jié)果在10%的顯著性水平上顯著，這表明中介機制成立，由于各模型的AI的系數(shù)仍然顯著，符號與基準(zhǔn)回歸一致，說明勞動生產(chǎn)率起部分中介作用(3)為了避免由于(a*b)樣本內(nèi)分布非正態(tài)均勻分布而導(dǎo)致的估計偏誤，本文還采用了Bootstrap法計算了模型(2)～(6)中介效應(yīng)(a*b)的置信區(qū)間及其標(biāo)準(zhǔn)誤，基本結(jié)論沒有改變，勞動生產(chǎn)率的中介效應(yīng)存在，為節(jié)省篇幅，正文部分未匯報Bootstrap 的中介效應(yīng)檢驗結(jié)果，備索。。具體而言，列(3)～(5)中，間接效應(yīng)r1β2與直接效應(yīng)β1符號相同，表明勞動生產(chǎn)率的中介作用顯著，即人工智能通過提高勞動生產(chǎn)率降低了中國整體和分部門的勞動收入份額。根據(jù)余玲錚等(2019)的研究，自動化技術(shù)帶來的勞動生產(chǎn)率的增長超過了工資率增長，從而表現(xiàn)為勞動份額下降[8]。列(2)和列(6)由于間接效應(yīng)γ1β2與直接效應(yīng)β1符號相反，因此勞動生產(chǎn)率在模型中起到遮掩(或抑制)效應(yīng)[29]，列(2)表明，人工智能發(fā)展與行業(yè)收入差距之間存在勞動生產(chǎn)率的遮掩效應(yīng)，即勞動生產(chǎn)率提高會擴大行業(yè)收入差距，從而抑制了人工智能縮小行業(yè)收入差距的直接效應(yīng)。同理，列(6)表明勞動生產(chǎn)率提高會降低勞動者技能溢價水平，通過生產(chǎn)率的抑制作用，人工智能對勞動者技能溢價的擴大效應(yīng)將減弱。由此，勞動生產(chǎn)率起著雙刃劍的作用，一方面，人工智能帶來的勞動生產(chǎn)率增長會通過中介或遮掩效應(yīng)，分別降低勞動收入份額，以及擴大行業(yè)收入差距；另一方面，勞動生產(chǎn)率增長通過發(fā)揮遮掩效應(yīng)，也會降低勞動者技能溢價，縮小異質(zhì)性技能的收入差距。總之，中介效應(yīng)檢驗驗證了勞動生產(chǎn)率在人工智能與收入差距中起到顯著的中介或遮掩作用。

表7 中介效應(yīng)檢驗回歸結(jié)果

五、結(jié)論與啟示

本文從人工智能的內(nèi)涵得出人工智能具有數(shù)據(jù)偏向、資本偏向和技能偏向特征，并從偏向性視角闡釋了人工智能影響中國收入差距的邏輯機理。同時，采用2004—2018年省級面板數(shù)據(jù)進行實證檢驗，主要結(jié)論為：第一，人工智能發(fā)展有利于縮小中國整體和中西部地區(qū)的行業(yè)收入差距，但對東部地區(qū)行業(yè)收入差距的影響不顯著，這可能受人工智能影響收入差距的正反機制作用所致；第二，人工智能發(fā)展顯著降低了中國整體和中西部地區(qū)的勞動收入份額，但對東部整體和服務(wù)業(yè)部門勞動份額的影響不顯著，這是因為東部人工智能發(fā)展較快，平熨了智能化技術(shù)的部分負(fù)面效應(yīng)；第三，人工智能會顯著提高勞動者技能溢價水平，在東部地區(qū)和人工智能低速發(fā)展時期，勞動者技能溢價效應(yīng)更強；第四，人工智能帶來的勞動生產(chǎn)率增長，通過發(fā)揮中介作用，降低了勞動收入份額，通過發(fā)揮遮掩作用，減弱了人工智能對行業(yè)差距的縮小效應(yīng)，也緩解了人工智能對勞動者技能溢價的擴大效應(yīng)。

該研究結(jié)論為治理人工智能引致的收入分配失衡提供了如下啟示：

第一，完善數(shù)據(jù)立法，加快數(shù)據(jù)開放，促進企業(yè)公平競爭。實證表明人工智能會縮小行業(yè)差距，但人工智能帶來的生產(chǎn)率增長會抑制這一效應(yīng)，這可能意味著人工智能高速發(fā)展，會擴大行業(yè)間的生產(chǎn)率差異，從而擴大行業(yè)收入差距，這一結(jié)果的根源在于AI的數(shù)據(jù)偏向性，數(shù)據(jù)和算法匯聚引發(fā)了不公平競爭，擴大了行業(yè)收入差距，因此政府需加強對數(shù)據(jù)的治理，當(dāng)務(wù)之急，需完善數(shù)據(jù)立法，倡導(dǎo)數(shù)據(jù)開放，在企業(yè)數(shù)據(jù)共享方面，應(yīng)允許個人數(shù)據(jù)由一個平臺合法遷移到另一個平臺，營造公平的競爭環(huán)境，對于政府擁有的國民稅收、銀行、教育、健康等公共數(shù)據(jù)，也應(yīng)該通過立法共享給企業(yè)，以促進技術(shù)創(chuàng)新。例如美國《開放政府?dāng)?shù)據(jù)法案》要求聯(lián)邦機構(gòu)必須以機器可讀和開放的格式發(fā)布任何非敏感的政府?dāng)?shù)據(jù)并使用開放許可協(xié)議。

第二，完善數(shù)據(jù)要素分配制度，增加勞動者報酬。人工智能作為一種資本集約型技術(shù)，不可避免地帶來勞動收入份額的減少，因此在初次分配范疇上增加勞動者報酬，需完善數(shù)據(jù)要素分配制度。埃里克等(2019)在《激進市場》中測算，未來20年，如果對數(shù)據(jù)勞動支付報酬，將使經(jīng)濟總量的9%由資本所有者轉(zhuǎn)移到勞動者，收入不平等將大幅削減[30]。數(shù)據(jù)要素報酬分配的關(guān)鍵在于將數(shù)據(jù)劃分為勞動還是資本？ 數(shù)據(jù)要素分配首先需對數(shù)據(jù)的勞動屬性進行界定，允許數(shù)據(jù)勞動通過參與生產(chǎn)過程獲得回報，以體現(xiàn)勞動價值。其次是對數(shù)據(jù)權(quán)屬進行確權(quán)，消費者擁有個人數(shù)據(jù)的所有權(quán)、處置權(quán)和財產(chǎn)權(quán)，有權(quán)通過有償共享數(shù)據(jù)參與企業(yè)利潤分配，獲得數(shù)據(jù)的財產(chǎn)性收入。再次是完善數(shù)據(jù)交易市場，便于數(shù)據(jù)加工、許可和轉(zhuǎn)讓等操作，促使數(shù)據(jù)實現(xiàn)其財產(chǎn)性收入功能，在受益各方進行分配。

第三，增加人工智能適用性人才供給，提升普通勞動者數(shù)字技能，降低勞動者技能溢價水平。首先，針對人工智能人才匱乏導(dǎo)致的高薪酬溢價的情形，各類高校應(yīng)從人才結(jié)構(gòu)、崗位類型、知識和技能要求等方面厘清AI人才崗位能力標(biāo)準(zhǔn)，區(qū)分博士、碩士、本科和大專層次，建立匹配產(chǎn)業(yè)發(fā)展的各級人才培養(yǎng)體系，并吸納AI企業(yè)為高校提供場景實訓(xùn)或采取學(xué)徒制的產(chǎn)教融合培養(yǎng)模式，培養(yǎng)人工智能適用性人才。其次，針對普通就業(yè)者缺乏數(shù)字技能造成就業(yè)難的問題，政府可設(shè)立專項資金，進行普惠性的數(shù)字技能化培訓(xùn)，減弱數(shù)字技術(shù)進步帶來的結(jié)構(gòu)性失業(yè)，比如歐盟啟動的歐洲新技能議程計劃，投資了270億歐元用于提升民眾的基本數(shù)字技能；新加坡政府推出的SkillsFuture Initiative項目，為每位25歲以上的居民提供500新加坡元的數(shù)字技能培訓(xùn)經(jīng)費。