公共政策如何應(yīng)對人工智能引發(fā)的失業(yè)風(fēng)險？

黃 旭 許文立

一、引言

進(jìn)入新時期以來，我們正在見證由中國共產(chǎn)黨領(lǐng)導(dǎo)的偉大民族復(fù)興，而人工智能可以為中國經(jīng)濟(jì)發(fā)展與復(fù)興提供戰(zhàn)略新動能，也是引領(lǐng)中國經(jīng)濟(jì)發(fā)展最重要的戰(zhàn)略抓手。我國經(jīng)濟(jì)已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)換增長動力的攻關(guān)期，迫切需要新一代人工智能等重大創(chuàng)新添薪續(xù)力(1)2018年10月31日，中共中央政治局就人工智能發(fā)展現(xiàn)狀和趨勢舉行第九次集體學(xué)習(xí)。中共中央總書記習(xí)近平在主持學(xué)習(xí)時強(qiáng)調(diào)，人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問題。要深刻認(rèn)識加快發(fā)展新一代人工智能的重大意義，加強(qiáng)領(lǐng)導(dǎo)，做好規(guī)劃，明確任務(wù)，夯實基礎(chǔ)，促進(jìn)其同經(jīng)濟(jì)社會發(fā)展深度融合，推動我國新一代人工智能健康發(fā)展。。一方面，需要注意的是，人工智能和機(jī)器人的興起給經(jīng)濟(jì)和社會帶來了廣泛而深遠(yuǎn)的影響(王永欽和董雯，2020[1])，尤其是要警惕技術(shù)發(fā)展過程中可能出現(xiàn)的“人工智能陷阱”。例如，人工智能(AI) 和機(jī)器人技術(shù)的迅猛發(fā)展在推動生產(chǎn)力進(jìn)步的同時，也加速了勞動力市場上機(jī)器人對人的替代，給人類工作帶來前所未有的挑戰(zhàn)(董志強(qiáng)和黃旭，2019[2])。雖然人工智能的發(fā)展也會創(chuàng)造新的工作崗位，但大多是高技能工作崗位，根據(jù)“中國企業(yè)-勞動力匹配調(diào)查”(CEES)數(shù)據(jù)，工業(yè)機(jī)器人在制造業(yè)中對勞動力工作崗位替代效應(yīng)明顯，并且存在明顯異質(zhì)性，即對非技能勞動力的替代效應(yīng)大于技能勞動力，在2025年左右，機(jī)器人對我國勞動力市場的替代效應(yīng)將上升至4.7%(程虹等，2018[3])。另一方面，根據(jù)中國統(tǒng)計年鑒數(shù)據(jù)顯示，2012年以來，中國制造業(yè)就業(yè)人口出現(xiàn)持續(xù)下滑，由2012年23 241萬左右下降為2019年的21 305萬，主要原因在于制造業(yè)工人工資大幅上升，推動了制造業(yè)機(jī)器換人的進(jìn)程(蔡躍洲和陳楠，2019[4]；黃旭，2022a[5])。由此可見，在推動人工智能驅(qū)動高質(zhì)量發(fā)展的進(jìn)程中，中國可能面臨“人工智能陷阱”，進(jìn)而引發(fā)失業(yè)風(fēng)險，降低人們的福祉。那么，“人工智能陷阱”可能誘發(fā)的失業(yè)有多嚴(yán)重？對社會福利的影響有多大？可以采取哪些應(yīng)對措施？這些問題都是本文關(guān)注的焦點。

為定量分析“人工智能陷阱”帶來的失業(yè)風(fēng)險、對福利的影響，以及應(yīng)對措施，本文構(gòu)建包含人工智能和人力資本的動態(tài)一般均衡模型，探究了三種公共政策(直接救濟(jì)、培訓(xùn)后再就業(yè)和投資高等教育)應(yīng)對失業(yè)風(fēng)險和福利的作用。模型經(jīng)濟(jì)包含制造業(yè)和服務(wù)業(yè)，并將勞動力異質(zhì)化，區(qū)分為高技能勞動力和低技能勞動力。人工智能在制造業(yè)中得到廣泛使用，可以同時提高智能資本和勞動者的生產(chǎn)效率，作為一種通用性技術(shù)，人工智能存在較強(qiáng)的溢出效應(yīng)，能提高服務(wù)業(yè)全要素生產(chǎn)效率。結(jié)合中國實際背景，本文假設(shè)人工智能會替代制造業(yè)大量低技能工作崗位從而導(dǎo)致失業(yè)的產(chǎn)生。

二、文獻(xiàn)綜述

學(xué)術(shù)界對于人工智能或自動化生產(chǎn)的經(jīng)濟(jì)影響的研究觀點并未達(dá)成一致。大部分學(xué)者認(rèn)為人工智能會促進(jìn)經(jīng)濟(jì)高質(zhì)量增長。人工智能通過自動化替代大量勞動力，提高了資本和勞動者生產(chǎn)效率(Acemoglu和Restrepo，2018a[6]；董志強(qiáng)和黃旭，2021[7]；孫早和侯玉琳，2021[8]；謝攀和張伊娜，2021[9]；黃旭，2022b[10])。Aghion 等(2017)[11]指出對于具體的工作任務(wù)，分配的資本與勞動力大于一定比值時，自動化會提高社會總產(chǎn)出。在此基礎(chǔ)上，陳彥斌等(2019)[12]指出人工智能可以通過智能化生產(chǎn)提高全要素生產(chǎn)率，從而實現(xiàn)經(jīng)濟(jì)高速增長，同時可以合理應(yīng)對老齡化的沖擊。實證方面，學(xué)者大多使用工業(yè)機(jī)器人、計算機(jī)資本等作為人工智能的代理變量，普遍支持人工智能對經(jīng)濟(jì)增長的正面影響(Graetz和Michaels，2015[13])。

也有部分學(xué)者認(rèn)為，人工智能的發(fā)展會導(dǎo)致貧困化增長(Immiserizing Growth)，貧富差距過大，甚至?xí)霈F(xiàn)經(jīng)濟(jì)停滯的現(xiàn)象(Gasteiger和Prettner，2017[14])。Benzell 等(2015)[15]假設(shè)機(jī)器人完全替代低技能工人，同時可以部分替代高技能工作崗位，數(shù)值模擬發(fā)現(xiàn)經(jīng)濟(jì)將呈現(xiàn)貧困化增長，社會總產(chǎn)出將提高，但對勞動力的需求會下降，工人工資將減少，工人的社會福利將下降。黃旭和董志強(qiáng)(2019)[16]的研究也支持上述結(jié)果，并進(jìn)一步指出如果政府對人工智能征稅，可以實現(xiàn)經(jīng)濟(jì)和社會福利U型增長。

在不利經(jīng)濟(jì)效應(yīng)方面，失業(yè)風(fēng)險尤其引人關(guān)注。人工智能的發(fā)展將導(dǎo)致大面積失業(yè)的風(fēng)險，逐漸成為學(xué)者研究的熱點問題。Frey和Osborne(2017)[17]以自動化概率模型對美國702種職業(yè)進(jìn)行分類，發(fā)現(xiàn)美國47%的勞動力工作崗位存在被自動化替代的風(fēng)險。Acemoglu和 Restrepo(2020)[18]使用了1990—2007年美國數(shù)據(jù)實證發(fā)現(xiàn)，機(jī)器人的廣泛使用會顯著降低對勞動力的需求，1 000個勞動力中每增加1個機(jī)器人，就業(yè)率將下降約0.18%～0.34%。閆雪凌等(2020)[19]使用我國2006—2017年制造業(yè)分行業(yè)數(shù)據(jù)，實證發(fā)現(xiàn)工業(yè)機(jī)器人保有量每上升1%，就業(yè)崗位減少約4.6%。王永欽和董雯(2020)[1]實證發(fā)現(xiàn)如果工業(yè)機(jī)器人滲透度提高1%，企業(yè)對勞動力的需求將下降0.18%?？赘呶牡?2020)[20]基于中國地區(qū)層面和行業(yè)層面的數(shù)據(jù)，實證發(fā)現(xiàn)機(jī)器人的使用會降低當(dāng)?shù)乇惶娲袠I(yè)勞動力的需求，導(dǎo)致技術(shù)性失業(yè)現(xiàn)象，但同時會產(chǎn)生溢出效應(yīng)，即勞動力從被替代的行業(yè)轉(zhuǎn)入其他行業(yè)。

此外，學(xué)界普遍認(rèn)同人工智能對不同勞動力的影響并不相同。Autor等(2003)[21]指出人工智能或自動化的發(fā)展，將替代大量常規(guī)性工作崗位，例如流水線上工作，因此會導(dǎo)致大量低技能工人失業(yè)。孫早和侯玉琳(2021)[8]實證發(fā)現(xiàn)工業(yè)智能化將導(dǎo)致先進(jìn)設(shè)備替代初中和高中學(xué)歷勞動力，并增加對高、低教育程度勞動力的需求。長期中，在人工智能替代效應(yīng)和抑制效應(yīng)的共同作用下，中國勞動力市場就業(yè)總量大致保持平穩(wěn)，但在中短期中，受到崗位結(jié)構(gòu)、年齡和受教育程度的影響，人工智能會造成較嚴(yán)重的結(jié)構(gòu)性失業(yè)。

總之，現(xiàn)有的文獻(xiàn)主要使用西方數(shù)據(jù)預(yù)測人工智能對工作崗位的替代風(fēng)險，而關(guān)于如何應(yīng)對失業(yè)風(fēng)險的文獻(xiàn)卻相對缺乏，少數(shù)文獻(xiàn)提出了對工人進(jìn)行培訓(xùn)等公共政策以應(yīng)對失業(yè)風(fēng)險的觀點(曹靜和周亞林，2018[22])，但并未用實證或數(shù)值模擬的方法進(jìn)行驗證?；诖耍疚目赡艿呢暙I(xiàn)如下：第一，在陳彥斌等(2019)[12]、Acemoglu 和 Restrepo(2018a)[6]的基礎(chǔ)上，將人工智能區(qū)分為替代舊的工作任務(wù)和創(chuàng)造新的工作任務(wù)，并以Logistic函數(shù)表示其演進(jìn)軌跡；第二，國內(nèi)外文獻(xiàn)鮮有研究人工智能對社會總福利的影響，本文特別研究了人工智能失業(yè)背景下多種公共政策對社會總福利的影響，豐富了人工智能的研究內(nèi)容；第三，相比無公共政策干預(yù)，本文對比了多種公共政策的效應(yīng)，發(fā)現(xiàn)直接救濟(jì)將導(dǎo)致經(jīng)濟(jì)增長率、勞動收入份額和社會總福利下降，而培訓(xùn)后再就業(yè)和投資高等教育的公共政策效應(yīng)均優(yōu)于直接救濟(jì)。培訓(xùn)后再就業(yè)和投資高等教育能分別提高低技能和高技能工人的人力資本，說明投資人力資本的公共政策能有效應(yīng)對人工智能的失業(yè)風(fēng)險。

三、理論模型構(gòu)建與學(xué)理邏輯

為了研究人工智能對失業(yè)的影響，本文將構(gòu)建包含人工智能和人力資本的代際交替動態(tài)一般均衡模型。本文借鑒陳彥斌等(2019)[12]、郭凱明(2019)[23]、黃旭(2021)[24]、Acemoglu和Restrepo(2018a)[6]、Prettner和Strulik(2020)[25]的做法，構(gòu)建基于任務(wù)類基準(zhǔn)模型，任務(wù)類模型最大的優(yōu)點是能同時刻畫人工智能替代舊的勞動力工作任務(wù)和創(chuàng)造新的勞動力工作任務(wù)。本文在上述文獻(xiàn)基礎(chǔ)上做了如下改進(jìn)：第一，上述文獻(xiàn)均沒有考慮人力資本，本文則引入人力資本，考察加強(qiáng)人力資本投資對失業(yè)的影響；第二，在上述文獻(xiàn)基礎(chǔ)上，本文以指數(shù)函數(shù)形式同時體現(xiàn)人工智能對智能資本和人力資本的增強(qiáng)效應(yīng)，以及對其他行業(yè)的溢出效應(yīng)；第三，陳彥斌等(2019)[12]采用Logistic函數(shù)刻畫人工智能技術(shù)的演進(jìn)軌跡，本文則采用Logistic函數(shù)分別刻畫人工智能替代舊任務(wù)和創(chuàng)造新任務(wù)的演進(jìn)軌跡；第四，陳彥斌等(2019)[12]假設(shè)勞動力是同質(zhì)的，而本文將勞動力異質(zhì)化，同時考察高技能工人和低技能工人。

本文所構(gòu)建的理論模型中，人工智能將產(chǎn)生三種效應(yīng)：替代效應(yīng)、技術(shù)效應(yīng)和溢出效應(yīng)。人工智能將對現(xiàn)有工作崗位產(chǎn)生破壞效應(yīng)，替代制造業(yè)中大量低技能工作崗位，例如流水線上常規(guī)性工作，從而導(dǎo)致失業(yè)現(xiàn)象的產(chǎn)生。同時人工智能將產(chǎn)生技術(shù)效應(yīng)，提升勞動者和智能資本的生產(chǎn)效率，從而提高制造業(yè)生產(chǎn)產(chǎn)出。最后，人工智能具備溢出效應(yīng)，不僅能提高制造業(yè)生產(chǎn)效率，還能帶來服務(wù)業(yè)生產(chǎn)效率的提升。

圖1 人工智能的多種效應(yīng)

針對人工智能可能造成的失業(yè)現(xiàn)象，本文研究三種公共政策應(yīng)對失業(yè)風(fēng)險。政府對制造業(yè)和服務(wù)業(yè)在崗的勞動者勞動收入和資本收入征稅，籌集稅收用于宏觀調(diào)控：(1)政府對失業(yè)者直接救濟(jì)，保障其基本生活；(2)政府對失業(yè)者進(jìn)行技能培訓(xùn)，促進(jìn)其在服務(wù)業(yè)再就業(yè)；(3)政府投資高等教育，增加高技能工人比例。原因是人工智能會替代制造業(yè)大量低技能工人，投資高等教育相當(dāng)于提前布局，使未來失業(yè)人群提前提高技能水平，塑造成高技能工人。直接救濟(jì)沒有改變失業(yè)者人力資本水平，培訓(xùn)再就業(yè)提高了低技能工人的人力資本水平，投資高等教育則提高了高技能工人的人力資本水平。

(一)企業(yè)與人工智能

1.企業(yè)。

借鑒郭凱明(2019)[23]的做法，假設(shè)社會上存在一個最終品生產(chǎn)部門和兩個中間品生產(chǎn)部門，其中中間品生產(chǎn)部門分別為制造業(yè)和服務(wù)業(yè)，最終品生產(chǎn)部門將制造業(yè)和服務(wù)業(yè)產(chǎn)品進(jìn)行復(fù)合形成最終品。為簡化起見，假設(shè)每個部門均只有一家代表性企業(yè)進(jìn)行生產(chǎn)，市場處于完全競爭狀態(tài)，最終品生產(chǎn)函數(shù)為

(1)

其中，Yt表示最終品產(chǎn)出，Ym,t為制造業(yè)產(chǎn)出，Ys,t為服務(wù)業(yè)產(chǎn)出，ε∈(0,+∞)為兩中間品部門產(chǎn)出的替代彈性，γ∈(0,1)表示兩部門產(chǎn)出權(quán)重的系數(shù)。制造業(yè)采用人工智能驅(qū)動自動化進(jìn)行生產(chǎn)，同時人工智能是一種通用技術(shù)，對其他行業(yè)存在較強(qiáng)的溢出效應(yīng)，因而也能促進(jìn)服務(wù)業(yè)生產(chǎn)效率的提升。j={m,s}分別表示制造業(yè)和服務(wù)業(yè)。

假設(shè)最終品價格標(biāo)準(zhǔn)化為1，制造業(yè)t期價格為Pm,t，服務(wù)業(yè)t期價格為Ps,t，則制造業(yè)與服務(wù)業(yè)相對價格Pt為：

(2)

且滿足

(3)

制造型企業(yè)同時包含研發(fā)部門和生產(chǎn)部門。高技能勞動力參與研發(fā)工作，低技能勞動力從事生產(chǎn)部門常規(guī)性工作，例如流水線上工作。制造型企業(yè)使用Cobb-Douglas技術(shù)將研發(fā)部門RDt和生產(chǎn)部門Xt結(jié)合在一起，生產(chǎn)函數(shù)為：

Ym,t=(RDm,t)1-αm[Xm,t(Ak,tKm,t,A2,tH2,m,t)]αm

(4)

其中，αm為制造型企業(yè)生產(chǎn)部門的產(chǎn)出彈性，1-αm為制造型企業(yè)研發(fā)部門的產(chǎn)出彈性。Ak,t為智能資本Km,t的生產(chǎn)效率，A2,t為低技能工人人力資本H2,m,t的生產(chǎn)效率。采用Cobb-Douglas生產(chǎn)函數(shù)的原因是，雖然人工智能技術(shù)的發(fā)展增加了對高技能工人的需求，但高技能工人的份額目前在中國相對比較固定(2)參見http://nads.ruc.edu.cn/zkcg/zcjb/2979e6117e1e4e819610ffbd05252920.htm。。制造型企業(yè)研發(fā)部門RDm,t的生產(chǎn)來源于高技能工人的創(chuàng)意，故假設(shè)研發(fā)部門由高技能工人的人力資本決定，為簡化起見，制造型企業(yè)研發(fā)部門的生產(chǎn)函數(shù)為：

RDm,t=A1,tH1,m,t

(5)

制造型企業(yè)生產(chǎn)部門借鑒Acemoglu和Restrepo(2018a)[6]基于任務(wù)類模型，假設(shè)制造型企業(yè)生產(chǎn)部門Xm,t通過CES函數(shù)加總多種生產(chǎn)任務(wù)得到，t期任務(wù)區(qū)間為[Nt-1,Nt]，其長度標(biāo)準(zhǔn)化為1，Xm,t生產(chǎn)函數(shù)為：

(6)

其中，z∈[Nt-1,Nt]為中間品的生產(chǎn)任務(wù)，Xm,t(z)為任務(wù)z生產(chǎn)的中間品數(shù)量，εm≥0為中間品生產(chǎn)任務(wù)之間的替代彈性。

中間品生產(chǎn)任務(wù)z既可以由智能資本進(jìn)行生產(chǎn)，也可以由勞動力進(jìn)行生產(chǎn)，其生產(chǎn)函數(shù)為：

(7)

制造業(yè)生產(chǎn)部門所有低技能工人人力資本存量H2,m,t和智能資本數(shù)量Km,t分別為:

(8)

由式(7)可知任務(wù)z的價格為:

(9)

由式(6)～式(8)得：

(10)

采取與Acemoglu和Restrepo(2018a)[6]相同的簡化假設(shè)，令γl,t(z)=γk,t(z)=1得：

(11)

將式(11)代入式(4)可得制造型企業(yè)生產(chǎn)函數(shù)為：

(12)

其中，

(13)

式(12)本質(zhì)上是CES函數(shù)嵌入Cobb-Douglas函數(shù)得到的嵌套函數(shù)，外層函數(shù)使用Cobb-Douglas函數(shù)的原因是相對于低技能工人，高技能工人與人工智能驅(qū)動的自動化生產(chǎn)相對互補。內(nèi)層函數(shù)使用CES函數(shù)的原因是人工智能驅(qū)動的自動化生產(chǎn)會替代低技能工人從事的常規(guī)性工作。其經(jīng)濟(jì)學(xué)含義是高技能工人在研發(fā)部門工作促進(jìn)人工智能的發(fā)展，包含自動化技術(shù)的進(jìn)步和新生任務(wù)的產(chǎn)生。

采用類似的方法，服務(wù)型企業(yè)生產(chǎn)函數(shù)為：

(14)

為簡化起見，假設(shè)制造型企業(yè)和服務(wù)型企業(yè)資本投資均來自自有資本(本企業(yè)工人的儲蓄)，從而資本存量動態(tài)方程如下：

Kj,t+1=(1-δk)Kj,t+Ij,t

(15)

Ij,t=L1,j,ts1,j,t+L2,j,ts2,j,t

(16)

其中，δk為資本折舊率，Ij,t為企業(yè)投資，來自本企業(yè)總儲蓄。

企業(yè)完全競爭并追求利潤最大化，從而由式(12)、式(14)可得：

(17)

(18)

又由于人力資本存量Hi,j,t=lihi,tLi,j,t,i=1,2;j=m,s，其中l(wèi)i為勞動力的工作時間，hi,t為單個勞動力的人力資本存量。從而，企業(yè)對勞動力的需求函數(shù)為

(19)

(20)

其中低技能勞動力在制造業(yè)和服務(wù)業(yè)產(chǎn)出彈性分別為：

(21)

本文計算失業(yè)人口的方法為，分別計算出制造業(yè)和服務(wù)業(yè)對低技能和高技能勞動力的需求函數(shù)，再用總的勞動力減去制造業(yè)和服務(wù)業(yè)勞動力人口即為失業(yè)人口。在平衡狀態(tài)時，高技能工人工資在制造業(yè)和服務(wù)業(yè)相同，低技能在兩家企業(yè)也相同，從而ω1,m,t=ω1,s,t,ω2,m,t=ω2,s,t，由此計算得到制造業(yè)企業(yè)對低技能工人的需求L2,m,t=zL2,s,tL1,m,t/L1,s,t。從而失業(yè)人數(shù)為Ut=Lt-(L1,m,t+L2,m,t+L1,s,t+L2,s,t)， 其中Lt為總的勞動力數(shù)量，由此可知失業(yè)率et=Ut/Lt，結(jié)合式(17)、式(18)可求出失業(yè)率et為：

(22)

2.人工智能。

本文借鑒Acemoglu和Restrepo(2018a)[6]，將人工智能理解成為自動化生產(chǎn)方式，其核心變量是自動化前沿技術(shù)It和新生任務(wù)Nt，但Acemoglu和Restrepo(2018a)[6]并未闡述It和Nt的變動過程。人工智能技術(shù)以深度學(xué)習(xí)等方式發(fā)展，It和Nt函數(shù)形式需要進(jìn)一步確定。根據(jù)Mckinsey(2018)[26]人工智能技術(shù)演化軌跡滿足“先凸后凹”的形式，原因是人工智能在初始時期普及程度較慢，發(fā)展比較遲緩；隨著人工智能研發(fā)的投入，其普及程度速度加快；當(dāng)人工智能技術(shù)普及到一定程度后，其發(fā)展又趨于緩和。借鑒陳彥斌等(2019)[12]的研究思路，本文用Logistic函數(shù)描述Nt和It的演化過程，原因是Logistic函數(shù)呈現(xiàn)“先凸后凹”的形式，具體函數(shù)形式如下：

(23)

(24)

本文雖然引入了研發(fā)部門，但是并沒有采用完全內(nèi)生化方式處理人工智能技術(shù)的發(fā)展，而是采用式(23)和式(24)的方式處理，原因是：第一，人工智能研發(fā)部門生產(chǎn)函數(shù)的形式很復(fù)雜，目前還難以確定；第二，目前人工智能在發(fā)展中國家尚處于初級發(fā)展階段，數(shù)據(jù)比較難獲取，對參數(shù)校準(zhǔn)比較困難。借鑒陳彥斌等(2019)[12]采用的形式，既可以將人工智能技術(shù)進(jìn)步速度、新生任務(wù)和自動化前沿技術(shù)變化趨勢考慮進(jìn)去，又容易實現(xiàn)參數(shù)校準(zhǔn)。

(二)家庭

(25)

失業(yè)風(fēng)險概率采用上述形式可以同時保證0

低技能工人在制造業(yè)和服務(wù)業(yè)生產(chǎn)部門從事常規(guī)性工作，數(shù)量分別為L2,m,t、L2,s,t。高技能工人在制造業(yè)研發(fā)部門從事人工智能技術(shù)的研發(fā)工作，或在服務(wù)業(yè)從事管理類工作，數(shù)量分別為L1,m,t、L1,s,t。人工智能會替代制造業(yè)低技能工人，從而導(dǎo)致失業(yè)現(xiàn)象的產(chǎn)生。高技能工人能同時獲得勞動收入和資本收入，而低技能工人僅僅能獲得勞動收入。本文將勞動力進(jìn)行異質(zhì)性處理，是因為人工智能更容易替代低技能工作崗位，同時也是為了和現(xiàn)實相符合。

勞動力通過接受教育獲得人力資本，低技能工人接受高中教育之后人力資本存量為h2,t，每個高技能工人接受高等教育后人力資本存量為h1,t。低技能工人工作的時間為l2=1-d，高技能工人工作的時間為l1=1-d-q?？偟娜肆Y本存量與勞動力工作時間、每個個體人力資本存量和勞動力數(shù)量有關(guān)，從而低技能工人總的人力資本存量分別為H2,j,t=l2h2,tL2,j,t，高技能工人總的人力資本存量為H1,j,t=l1h1,tL1,j,t，其中j={m,s}，分別表示制造業(yè)和服務(wù)業(yè)。

1.個人。

工人的效用分為成年時期和老年時期，其終生效用函數(shù)為：

i=1, 2；j=m,s

(26)

高技能工人預(yù)算約束條件為：

(1-τ1-ζ1)l1ω1,j,th1,t=c1,j,t+s1,j,t

(27)

其中，τ1為政府對高技能工人收入征稅的稅率，ζ1為高技能工人投資人力資本所占勞動收入的比例，從而高技能工人人力資本的投資為e1,t=ζ1l1ω1,j,th1,t。

高技能工人追求一生效用最大化，由式(26)和式(27)計算可得:

(28)

低技能工人進(jìn)行消費和儲蓄抉擇時將面臨失業(yè)風(fēng)險的衡量，當(dāng)?shù)图寄芄と司蜆I(yè)時，其收入來源于企業(yè)工資ω2,j,t；當(dāng)?shù)图寄芄と耸I(yè)時，其收入來源于政府的救濟(jì)金bt。又由于低技能工人面臨失業(yè)風(fēng)險的概率為pt，就業(yè)的概率為1-pt，從而

(1-pt)[(1-τ2)l2ω2,j,th2,t]+ptbt=c2,j,t+s2,j,t+e2,t

(29)

其中,左式為低技能工人的期望收入;τ2為政府對低技能工人收入征稅的稅率; 低技能工人人力資本的投資為e2,t，e2, t=ζ2{(1-pt)[(1-τ2)l2ω2, j, th2, t]+ptbt}，ζ2為低技能工人投資人力資本所占期望收入的比例。

低技能工人追求一生效用最大化，由式(26)和式(29)可得：

(30)

(31)

2.個人教育抉擇。

個人是否選擇高等教育成為高技能工人取決于上述兩種效用的大小，個人選擇成為高技能工人的條件為u1,j,t≥u2,j,t，將式(28)、式(30)和式(31)代入化簡可得：

m(a)≤(1+β)

(32)

(33)

(三)政府部門

Acemoglu和Restrepo(2018b)[27]等西方文獻(xiàn)研究對象大多為西方發(fā)達(dá)資本主義國家，主要分析了人工智能對經(jīng)濟(jì)增長或勞動力市場的影響，但很少考察政府的作用。本文引入政府部門，是因為中國政府與西方服務(wù)型政府不同，中國政府在經(jīng)濟(jì)增長中起到的作用很顯著，例如中國政府過去多年投資基礎(chǔ)設(shè)施建設(shè)拉動經(jīng)濟(jì)高速增長，“穩(wěn)增長”“保就業(yè)”一直是中國政府長期關(guān)注的目標(biāo)。中國政府有很多職能，本文研究中國政府籌集稅收，進(jìn)行轉(zhuǎn)移支付救濟(jì)失業(yè)者或投資人力資本。

大多數(shù)研究表明，人工智能會替代大量常規(guī)性工作，導(dǎo)致失業(yè)風(fēng)險提高。面對失業(yè)，常見的方法有向失業(yè)工人發(fā)放救濟(jì)金和再就業(yè)培訓(xùn)。發(fā)放救濟(jì)金可以保障失業(yè)者的基本生活，同時可以幫助失業(yè)者尋找新的工作。再就業(yè)培訓(xùn)，指失業(yè)者經(jīng)過技能培訓(xùn)后實現(xiàn)再就業(yè)。中國目前的狀況是制造業(yè)實現(xiàn)智能化生產(chǎn)后，對常規(guī)性勞動力需求會逐漸減弱。與此同時，隨著物流業(yè)和京東等平臺型企業(yè)的蓬勃發(fā)展，中國的服務(wù)業(yè)規(guī)模迅速擴(kuò)大，將制造業(yè)多余的勞動力轉(zhuǎn)移到服務(wù)業(yè)是當(dāng)下中國解決失業(yè)的一條合適路徑。

除了上述兩種方法外，鑒于中國對高技能勞動力需求規(guī)模的擴(kuò)大，政府在教育措施方面可以進(jìn)行相應(yīng)調(diào)整以適應(yīng)未來發(fā)展需求，例如擴(kuò)大本科生和研究生招生規(guī)模，對招生專業(yè)及人數(shù)進(jìn)行相應(yīng)調(diào)整等。

政府的稅收來源于三部分：對高技能工人征稅、對低技能工人征稅、對資本征稅。假設(shè)政府對高技能工人勞動收入征收的稅率為τ1，對低技能工人勞動收入征收的稅率為τ2，對資本收入征收的稅率為τ3，從而政府t期的稅收Gt為：

Gt=τ1(ω1,m,tH1,m,t+ω1,s,tH1,s,t)+τ2(ω2,m,tH2,m,t

+ω2,s,tH2,s,t)+τ3(Rm,tKm,t+Rs,tKs,t)

(34)

政府將籌集的稅收用于兩種用途：對失業(yè)者發(fā)放救濟(jì)金和進(jìn)行教育投資。中國目前的背景是由于人工智能的替代作用，制造業(yè)勞動力逐漸多余，服務(wù)業(yè)對勞動力需求在增加，但由于制造業(yè)低技能工人未必能適應(yīng)服務(wù)業(yè)工作崗位需求，所以存在結(jié)構(gòu)性失業(yè)的風(fēng)險，因此，本文僅考慮制造業(yè)失業(yè)的情形。

為了和現(xiàn)實相符合，假設(shè)救濟(jì)金bt與制造業(yè)低技能工人工資成正比，

bt=ψω2, m, t

(35)

其中，比例系數(shù)ψ∈(0,1)。比例系數(shù)小于1的原因是，如果救濟(jì)金大于工人工資，則參與工作的工人將沒有動力工作，也選擇失業(yè)領(lǐng)取救濟(jì)金。政府支出的所有救濟(jì)金為Bt=btUt。

政府支付救濟(jì)金后，將剩余的資金全部用于教育投資，提升在職工人的人力資本存量，從而教育投資Et為：

Et=Gt-Bt

(36)

假設(shè)政府構(gòu)建了公共教育體系，每個個體接受高中教育將花費政府d2,t成本，接受高等教育將花費政府ft成本，從而高技能工人將花費政府的成本為d1,t=d2,t+ft。政府將教育資金Et中的μ部分投資于高中教育，1-μ部分投資于高等教育，從而

μEt=d2,t(L1,m,t+L2,m,t+L1,s,t+L2,s,t)

(37)

(1-μ)Et=ft(L1,m,t+L1,s,t)

(38)

勞動力的技能水平，既受政府提供的公共教育的影響，也與個人提升技能水平的投資正相關(guān)。政府投資于教育，有利于教育行業(yè)的發(fā)展，提升教育的質(zhì)量，例如專注于人力資源培訓(xùn)的促進(jìn)會，大學(xué)開設(shè)的各種在職教育，政府部門組織面向企業(yè)員工的各種講座等。制造業(yè)和服務(wù)業(yè)工人通過政府的投資獲得再培訓(xùn)的機(jī)會，提升了人力資本存量。個人為了滿足自身發(fā)展的需要，會通過培訓(xùn)提升自己的技能水平，例如在線教育等等。從而人力資本存量的變動方程為:

i=1, 2；j=m,s

(39)

其中，δ1、δ2分別為高技能工人和低技能工人人力資本的折舊率，γ1、γ2分別為政府投資于高技能工人和低技能工人人力資本的邊際效應(yīng)，1-γ1、1-γ2分別為高技能和低技能工人投資于人力資本的邊際效應(yīng)，a1、a2分別為投資于高技能工人和低技能工人人力資本的技術(shù)參數(shù)。

(四)模型均衡系統(tǒng)

當(dāng)模型達(dá)到均衡時，勞動力市場出清，即高技能工人和低技能工人的勞動供給總量等于服務(wù)業(yè)和制造業(yè)的勞動需求量，從而Lt=L1,m,t+L1,s,t+L2,m,t+L2,s,t+Ut；最終品市場出清，即最終品用于高技能低技能工人消費、救濟(jì)失業(yè)者、智能資本再投資和高技能低技能工人人力資本再投資，從而Yt=C1,m,t+C1,s,t+C2,m,t+C2,s,t+Bt+Im,t+Is,t+Et。模型達(dá)到均衡時，高技能工人效用實現(xiàn)了最大化、企業(yè)利潤實現(xiàn)了最大化。由于模型過于復(fù)雜，人工智能技術(shù)的變化是Logistic函數(shù)，難以求出解析解，因此本文主要通過數(shù)值模擬分析公共政策對失業(yè)的影響。

四、參數(shù)校準(zhǔn)

借鑒陳彥斌等(2019)[12]的做法，本文選取模擬的時間為2016—2035年，每一期為一年。選取2016年，是為了結(jié)合中國2016—2018年實際經(jīng)濟(jì)數(shù)據(jù)進(jìn)行擬合。和陳彥斌等(2019)[12]不同的是，本文關(guān)注的核心變量是體現(xiàn)人工智能替代勞動力工作任務(wù)的變量It和表示人工智能創(chuàng)造新工作任務(wù)的變量Nt。和陳彥斌等(2019)[12]的研究方法類似，本文用Logistic函數(shù)表示It、Nt的演化過程。

(一)模型外參數(shù)校準(zhǔn)

人口方面，本文不考慮人口老齡化，故假設(shè)人口增長率n=0。根據(jù)《中國統(tǒng)計年鑒2017》，以九年義務(wù)教育為界限劃分為低技能和高技能工人，比例大約為1∶2，2016年制造業(yè)人口約為2.2億，服務(wù)業(yè)人口約為3.4億，故推算出L1,m,t=0.7×108，L2,m,t+Ut=1.5×108，L1,s,t=1.1×108,L2,s,t=2.3×108。根據(jù)中國統(tǒng)計年鑒教育經(jīng)費家庭投資估算，ζ1=0.2,ζ2=0.1。根據(jù)郭凱明(2019)[23]，智能資本和低技能勞動力的替代彈性為εm=1.5，服務(wù)業(yè)中傳統(tǒng)物質(zhì)資本與低技能勞動力的替代彈性為εs=0.95。制造業(yè)和服務(wù)業(yè)產(chǎn)品互補，故假設(shè)ε=0.9。根據(jù)《中國統(tǒng)計年鑒2017》數(shù)據(jù)，2016年制造業(yè)社會產(chǎn)值為296 236億元，服務(wù)業(yè)社會產(chǎn)值為384 220.5億元，故假設(shè)γ=0.44。再根據(jù)郭凱明(2019)[23]，λ取值為0.5。根據(jù)張車偉和趙文(2020)[28]，2016年中國勞動收入份額約為45.97%，由此推算出αm=0.85,αs=0.85。個人消費方面，根據(jù)郭凱明(2019)[23]，本文假設(shè)時間偏好率β=0.96。

人力資本方面，本文不考慮養(yǎng)老問題。雖然我國人口壽命大致為75歲左右，但是65歲即退休，0～5歲處于幼童時代，從而個人處于人力資本積累和工作的時間僅為60年。本文將個人一生的時間單位化為1，并將12年高中教育作為基準(zhǔn)狀態(tài)。因此，12年高中教育的時間轉(zhuǎn)化為d=12/60=1/5。勞動力再經(jīng)過高等教育成為高技能者，故本文假設(shè)q=4/60=1/15。從而低技能工人工作的時間為l2=1-d=4/5。借鑒Lucas(1988)[29]，假設(shè)政府投資教育對高技能和低技能工人人力資本的邊際效應(yīng)相同，即γ1=γ2=0.5，為簡化起見，假設(shè)資金被平均分配給制造業(yè)和服務(wù)業(yè)高技能和低技能工人，即a1=a2=1/4。

智能資本折舊率方面，借鑒郭凱明(2019)[23]，δk=0.05。假設(shè)人力資本折舊率δ1=δ2=0，原因是后續(xù)實驗要考慮沒有人力資本投資和有人力資本投資兩種情況，假設(shè)人力資本折舊率為0可以更方便進(jìn)行數(shù)值模擬。借鑒郭凱明(2019)[23]，本文將人工智能理解成資本偏向性技術(shù)，故人工智能對資本生產(chǎn)效率的邊際效應(yīng)大于對勞動力生產(chǎn)效率的邊際效應(yīng)，同時根據(jù)生活經(jīng)驗，人工智能對高技能工人生產(chǎn)效率的邊際效應(yīng)大于低技能工人，再根據(jù)勞動收入份額和增長率進(jìn)行校準(zhǔn)得到mk=1,m1=0.8,m2=0.6,ms=0.5。征稅方面，借鑒陳彥斌(2019)[12]，假設(shè)τ1=0.05,τ2=0.05,τ3=0.01。

(二)模型內(nèi)參數(shù)校準(zhǔn)

表1 人工智能替代勞動力工作任務(wù)相關(guān)參數(shù)校準(zhǔn)結(jié)果

對于剩下的參數(shù)，借鑒陳彥斌等(2019)[12]，g0=0.025。借鑒Acemoglu和Restrepo(2018a)[6]，N0=1.0,I0=0.3。此時總的工作區(qū)間初始值為[0,1]，智能資本的工作區(qū)間為[0,0.3]，勞動力工作區(qū)間為(0.3,1]，這樣便于后續(xù)計算和模擬。再根據(jù)國家統(tǒng)計局公布的2016年失業(yè)率4.02%，代入式(24)可得a=0.028。中國各地救濟(jì)金比例并不一致，為保障失業(yè)者基本生活，救濟(jì)金一般為當(dāng)?shù)仄骄べY的20%左右，故假設(shè)ψ=0.2。

(三)模型的適用性分析

根據(jù)上述參數(shù)模擬得到的2016—2018年經(jīng)濟(jì)增長率分別為7.55%、6.85%和6.43%，與現(xiàn)實2016—2018年經(jīng)濟(jì)增長率6.7%、6.8%和6.6%比較接近。勞動收入份額方面，模擬得到的2016—2018年數(shù)值分別為47.49%、46.22%和45.94%，根據(jù)張車偉和趙文(2020)[28]，2016—2018年中國勞動收入份額分別為45.97%，47.26%和47.80%，模擬值和真實值比較接近。另外本模型采用的人口數(shù)據(jù)與2016年人口數(shù)據(jù)相符?？梢姡灸Ｐ湍M得到的數(shù)據(jù)和現(xiàn)實比較相符，能較好地擬合中國的現(xiàn)實經(jīng)濟(jì)狀況。

五、數(shù)值模擬

本文構(gòu)建包含人工智能和人力資本的動態(tài)一般均衡模型，主要關(guān)注政府應(yīng)對失業(yè)問題采取公共政策的效應(yīng)，本文關(guān)注的公共政策有：政府直接救濟(jì)失業(yè)者、培訓(xùn)失業(yè)者實現(xiàn)再就業(yè)和投資高等教育，增加高技能工人比例。其中政府直接救濟(jì)失業(yè)者和培訓(xùn)失業(yè)者再就業(yè)屬于事后干預(yù)，而進(jìn)行教育擴(kuò)招屬于事前干預(yù)。對失業(yè)者進(jìn)行救濟(jì)可以保障失業(yè)者的基本生活，讓失業(yè)者有更多時間尋找新的工作；對失業(yè)者培訓(xùn)實現(xiàn)再就業(yè)則可以實現(xiàn)政府高質(zhì)量就業(yè)的目標(biāo)；進(jìn)行教育擴(kuò)招則可以提高高技能工人的比例，重塑勞動力素質(zhì)，改變目前中國結(jié)構(gòu)性失業(yè)的現(xiàn)狀，讓勞動力市場能更好地適應(yīng)人工智能的發(fā)展。需要指出的是本文關(guān)注的主要是結(jié)構(gòu)性失業(yè)問題，即人工智能替代制造業(yè)中低技能工人的工作崗位，培訓(xùn)后再就業(yè)指的是對制造業(yè)失業(yè)者培訓(xùn)，使之獲得相應(yīng)技能后在服務(wù)業(yè)實現(xiàn)再就業(yè)。

為了探究公共政策的效應(yīng)，本文設(shè)置了多組實驗進(jìn)行數(shù)值模擬(如表2所示)。其中：實驗1是為了探究政府對失業(yè)者進(jìn)行直接救濟(jì)的政策效應(yīng)；實驗2則可以評估政府采取培訓(xùn)再就業(yè)的政策效應(yīng)；實驗3是為了探究政府預(yù)判到未來失業(yè)的可能性，投資高等教育提高高技能工人比例的政策效應(yīng)。本部分將無公共政策設(shè)置為基準(zhǔn)狀態(tài)，其他三種公共政策與之進(jìn)行對比考察公共政策的效應(yīng)。

表2 數(shù)值模擬實驗的設(shè)定

(一)政府對失業(yè)者進(jìn)行直接救濟(jì)的政策效應(yīng)

當(dāng)政府選擇直接救濟(jì)失業(yè)者時，實驗結(jié)果如圖2所示。當(dāng)人工智能替代的勞動力工作任務(wù)由5%逐漸上升到10%、15%時，2035年社會總產(chǎn)出分別為1.26×1010、1.40×1010、1.5×1010，制造業(yè)和服務(wù)業(yè)產(chǎn)出同時隨著人工智能的發(fā)展而提高。由此可見，人工智能的發(fā)展可以克服失業(yè)帶來的不利影響，能促進(jìn)經(jīng)濟(jì)持續(xù)發(fā)展。但人工智能的發(fā)展會導(dǎo)致失業(yè)率攀升，隨著失業(yè)工人的增加，政府救濟(jì)失業(yè)工人的財政負(fù)擔(dān)會逐漸增加。當(dāng)人工智能替代的勞動力工作任務(wù)由5%逐漸上升到10%、15%時，到2035年救濟(jì)金占政府財政支出的比例由14.11%上升為15.27%、16.68%。

圖2 人工智能失業(yè)背景下政府救濟(jì)失業(yè)者對經(jīng)濟(jì)的影響

(二)政府對失業(yè)者培訓(xùn)再就業(yè)的政策效應(yīng)

當(dāng)政府選擇將原本用于救濟(jì)失業(yè)者的資金用于培訓(xùn)失業(yè)者，幫助其獲得相應(yīng)技能，實現(xiàn)在服務(wù)業(yè)再就業(yè)時，實驗結(jié)果如圖3所示。當(dāng)人工智能替代的勞動力工作任務(wù)由5%逐漸上升到10%、15%時，2035年社會總產(chǎn)出分別為1.42×1010、1.62×1010、1.81×1010，制造業(yè)和服務(wù)業(yè)產(chǎn)出同樣呈現(xiàn)逐漸提高的趨勢。同時，當(dāng)人工智能替代的勞動力工作任務(wù)由5%逐漸上升到10%、15%時，政府對失業(yè)者進(jìn)行就業(yè)再培訓(xùn)所花費的資金到2035年逐漸由4.33%下降為4.20%、4.03%。原因是當(dāng)失業(yè)者再就業(yè)后，不再需要政府進(jìn)一步救濟(jì)，同時再就業(yè)者提高了社會總產(chǎn)出，緩解了政府財政壓力。

(三)政府投資高等教育的政策效應(yīng)

當(dāng)政府提前預(yù)估到未來可能的失業(yè)時，政府可選擇投資高等教育，提高高技能工人的比例，實驗結(jié)果如圖4所示。投資高等教育的依據(jù)是人工智能的發(fā)展會增加對高技能工人的需求。當(dāng)人工智能替代的勞動力工作任務(wù)由5%逐漸上升到10%、15%時，2035年社會總產(chǎn)出分別為1.47×1010、1.65×1010、1.85×1010，制造業(yè)和服務(wù)業(yè)產(chǎn)出同樣呈現(xiàn)逐漸提高的趨勢。同時，當(dāng)人工智能替代的勞動力工作任務(wù)由5%逐漸上升到10%、15%時，政府進(jìn)行教育擴(kuò)招所花費的資金到2035年逐漸由4.25%下降為4.17%、3.96%。原因是投資高等教育可以滿足人工智能發(fā)展對高技能工人的需求，同時減少了失業(yè)率，有利于社會總產(chǎn)出的提高。

圖3 人工智能失業(yè)背景下政府培訓(xùn)失業(yè)者再就業(yè)對經(jīng)濟(jì)的影響

圖4 人工智能失業(yè)背景下政府投資高等教育對經(jīng)濟(jì)的影響

(四)三種政策的進(jìn)一步對比

為了進(jìn)一步評估三種公共政策的政策效應(yīng)，本文列舉了到2035年，人工智能替代5%工作崗位時經(jīng)濟(jì)增長率和勞動收入份額的變化(人工智能替代10%和15%工作崗位具有類似的結(jié)果)，其中無公共政策為基準(zhǔn)狀態(tài)，結(jié)果如表3所示。三種公共政策下，經(jīng)濟(jì)均實現(xiàn)了U型增長，說明面對失業(yè)政府的宏觀調(diào)控是有效的。2035年無公共政策、直接救濟(jì)、培訓(xùn)再就業(yè)和投資高等教育下經(jīng)濟(jì)增長率分別為6.31%，6.22%、6.89%和6.96%。這說明：(1)直接救濟(jì)會導(dǎo)致經(jīng)濟(jì)增長率下滑。原因是直接救濟(jì)的財政支出來自對勞動者和資本收入的稅收，征稅會影響勞動者的積極性，會導(dǎo)致經(jīng)濟(jì)增長率下滑。(2)培訓(xùn)再就業(yè)和投資高等教育的政策下，勞動收入份額均高于直接救濟(jì)。培訓(xùn)再就業(yè)提升的是低技能工人的人力資本，投資高等教育提升的是高技能工人的人力資本，說明投資人力資本可以有效應(yīng)對失業(yè)問題。

隨著人工智能的發(fā)展，勞動收入份額將呈現(xiàn)逐年下滑的趨勢。原因是智能資本對勞動力存在替代的作用，同時本文僅假設(shè)人工智能替代勞動力的工作崗位，沒有考慮人工智能創(chuàng)造新的任務(wù)，資本的生產(chǎn)效率高于勞動力，從而導(dǎo)致勞動收入份額下降的局面。到2035年，當(dāng)人工智能替代5%工作崗位時，無公共政策、直接救濟(jì)、培訓(xùn)后再就業(yè)和投資高等教育三種公共政策下勞動收入份額分別為43.05%、42.94%、43.80%和44.83%。由此可見：(1)直接救濟(jì)會影響經(jīng)濟(jì)效率，導(dǎo)致勞動收入份額下降；(2)培訓(xùn)后再就業(yè)和投資高等教育均可以有效延緩勞動收入份額下降的局面。

表3 三種公共政策經(jīng)濟(jì)增長率和勞動收入份額對比

為了評估三種公共政策對社會總福利的影響，本文列舉了到2035年，人工智能替代5%工作崗位時社會總福利的變化(人工智能替代10%和15%工作崗位具有類似的結(jié)果)，其中無公共政策為基準(zhǔn)狀態(tài)。社會總福利指的是全體社會勞動者總效用的加總，能衡量整個社會的幸福感。通過表4可以發(fā)現(xiàn)，到2035年，當(dāng)人工智能替代5%工作崗位時，無公共政策、直接救濟(jì)、培訓(xùn)后再就業(yè)和投資高等教育三種公共政策下社會總福利分別為3.52×1011、3.45×1011、4.09×1011、4.12×1011。

表4 三種公共政策社會總福利對比

一方面，直接救濟(jì)會導(dǎo)致社會總福利減少，原因是直接救濟(jì)會導(dǎo)致勞動者收入減少，影響總體經(jīng)濟(jì)效率，導(dǎo)致社會總產(chǎn)出下滑，影響社會總福利。在公共政策理論與實踐中，直接補貼這種社會福利政策與勞動者的工作積極性存在一定程度的取舍，直接補貼可能會讓人們變得更不愿意工作，這也與本文的福利分析結(jié)論一致。

另一方面，培訓(xùn)后再就業(yè)和投資高等教育公共政策下，社會總福利均高于直接救濟(jì)。這意味著投資工人的人力資本，可以提高生產(chǎn)效率，增加社會總產(chǎn)出，進(jìn)而達(dá)到提高社會總福利的目的。因此，“授人以魚不如授人以漁”，讓人們掌握工作技能，提升人力資本水平從全社會的角度來講是一種更好的措施。

六、結(jié)論

人工智能的發(fā)展會替代制造業(yè)大量常規(guī)性工作崗位，導(dǎo)致中短期結(jié)構(gòu)性失業(yè)的現(xiàn)象。本文構(gòu)建包含人工智能和人力資本的動態(tài)一般均衡模型，模型中同時包含制造業(yè)和服務(wù)業(yè)，勞動力在兩部門中區(qū)分為高技能和低技能工人，并假設(shè)失業(yè)來源于制造業(yè)中人工智能驅(qū)動的自動化替代低技能工作崗位。面對人工智能可能造成的失業(yè)風(fēng)險，本文探究了三種應(yīng)對失業(yè)風(fēng)險的公共政策效應(yīng)，即對失業(yè)者直接救濟(jì)、對失業(yè)者培訓(xùn)后在服務(wù)業(yè)再就業(yè)和投資高等教育。

研究結(jié)果表明，對失業(yè)者直接救濟(jì)將增加政府的財政支出，與無公共政策相比，直接救濟(jì)將導(dǎo)致經(jīng)濟(jì)增長率、勞動收入份額和社會總福利下降。原因是直接救濟(jì)的資金來源于其他勞動者的收入，為救濟(jì)失業(yè)者需要對勞動收入和資本收入征稅，這將導(dǎo)致經(jīng)濟(jì)效率下滑。對失業(yè)者培訓(xùn)再就業(yè)和投資高等教育的公共政策效應(yīng)均將優(yōu)于直接救濟(jì)，不僅能提高經(jīng)濟(jì)增長率、延緩勞動收入份額下降，而且能提高社會總福利。說明未來隨著人工智能技術(shù)的提高，對人的綜合素質(zhì)能力要求也將提高，投資人力資本可以有效應(yīng)對人工智能帶來的沖擊。

結(jié)合上述研究結(jié)論，本文給出如下政策啟示：第一，對失業(yè)者進(jìn)行直接救濟(jì)的必要性。未來人工智能的發(fā)展使得社會存在大面積失業(yè)的風(fēng)險，失業(yè)者從制造業(yè)崗位被自動化替代，短時間內(nèi)可能并不具備服務(wù)業(yè)的技能，因此對失業(yè)者進(jìn)行短時間救濟(jì)是必要的。救濟(jì)失業(yè)者可以保障失業(yè)基本生活，同時可以讓他們有更多的時間參加技能培訓(xùn)、尋找新的工作。需要指出的是，對失業(yè)者進(jìn)行救濟(jì)屬于短時間的公共政策，救濟(jì)金不易過高。因為如果對失業(yè)者進(jìn)行長時間救濟(jì)，會加重政府財政負(fù)擔(dān)，同時會導(dǎo)致失業(yè)率的進(jìn)一步攀升。如果救濟(jì)金過高，會導(dǎo)致一部分就業(yè)者也選擇失業(yè)，不利于社會經(jīng)濟(jì)持續(xù)健康的發(fā)展。第二，對失業(yè)者培訓(xùn)后再就業(yè)有利于穩(wěn)就業(yè)，實現(xiàn)社會高質(zhì)量就業(yè)和經(jīng)濟(jì)高質(zhì)量發(fā)展的目標(biāo)。培訓(xùn)后再就業(yè)可以降低失業(yè)率，實現(xiàn)穩(wěn)就業(yè)的目標(biāo)。同時失業(yè)者經(jīng)過再培訓(xùn)獲得了新的技能，提升了人力資本存量，有利于實現(xiàn)高質(zhì)量就業(yè)的目標(biāo)。失業(yè)者在服務(wù)業(yè)實現(xiàn)再就業(yè)有利于服務(wù)業(yè)生產(chǎn)規(guī)模的擴(kuò)大，由于服務(wù)業(yè)中高技能工人和低技能互補，服務(wù)業(yè)低技能工人數(shù)量增加會提高對服務(wù)業(yè)高技能工人的需求，進(jìn)一步推動服務(wù)業(yè)發(fā)展。制造業(yè)中使用人工智能替代了大量常規(guī)性工作崗位，幫助企業(yè)降低生產(chǎn)成本，同時提高了企業(yè)的生產(chǎn)效率，有利于制造業(yè)生產(chǎn)規(guī)模的擴(kuò)大。由此可見，培訓(xùn)后再就業(yè)可以同時促進(jìn)制造業(yè)和服務(wù)業(yè)生產(chǎn)規(guī)模的擴(kuò)大，有利于社會實現(xiàn)高質(zhì)量發(fā)展的目標(biāo)。第三，投資高等教育可以提高高技能勞動力的比例，有利于重塑勞動力市場，以適應(yīng)未來人工智能的發(fā)展。根據(jù)現(xiàn)有研究文獻(xiàn)，人工智能的發(fā)展會降低對低技能勞動力的需求，增加對高技能勞動力的比例。如果政府投資高等教育，則可以在未來提高高技能勞動力的比例。高技能勞動力比例的提高，可以減少失業(yè)率，同時高技能勞動力比例的提高可以促進(jìn)人工智能研發(fā)水平的提升，促進(jìn)人工智能的進(jìn)一步發(fā)展。當(dāng)人工智能技術(shù)水平提高后，又可以促進(jìn)制造業(yè)和服務(wù)業(yè)的發(fā)展，提高社會總產(chǎn)出。

未來值得進(jìn)一步研究的內(nèi)容如下：第一，本文沒有細(xì)致討論再培訓(xùn)和教育擴(kuò)招的費用，只是簡單地將救濟(jì)金總額轉(zhuǎn)化為再培訓(xùn)和教育擴(kuò)招的費用，這樣便于進(jìn)行對比，未來可以針對培訓(xùn)內(nèi)容和費用進(jìn)行更細(xì)致的研究。第二，本文人工智能僅考慮了自動化對勞動力工作任務(wù)的替代，并沒有考慮新生任務(wù)對失業(yè)的影響，未來可以進(jìn)一步研究新生任務(wù)對勞動力的技能需求變化及其對失業(yè)的影響。第三，本文采取Logistic函數(shù)表示人工智能的演化過程，屬于外生化處理，未來可以對人工智能技術(shù)的發(fā)展進(jìn)行全內(nèi)生化處理，考察高技能工人比例的提升對人工智能發(fā)展的影響。凡此種種，均可以作為下一步研究內(nèi)容。