人工智能對臺灣地區(qū)勞動力市場影響效應(yīng)研究

李 月 孟 璐

一、引 言

人工智能（Artificial Intelligence，簡稱AI）概念的提出最早可追溯到20世紀(jì)50年代。2010年以來，隨著大數(shù)據(jù)應(yīng)用、機(jī)器學(xué)習(xí)等科學(xué)技術(shù)的重大發(fā)展與突破，人工智能逐漸成為產(chǎn)業(yè)變革的核心驅(qū)動力。據(jù)測算，人工智能可以使全球國內(nèi)生產(chǎn)總值增加14%，其中86%的行業(yè)部門將在AI技術(shù)的帶動下產(chǎn)生重大影響（Delsole，2018），給社會的生產(chǎn)和運(yùn)營方式帶來了巨大的變化。2016年，世界經(jīng)濟(jì)論壇將其作為“第四次工業(yè)革命”的核心之一①。為此，2016年起將人工智能視為突破性技術(shù)創(chuàng)新的國家與地區(qū)與日俱增②，許多經(jīng)濟(jì)體紛紛籌劃AI戰(zhàn)略發(fā)展框架，積極加速數(shù)字轉(zhuǎn)型提升數(shù)字競爭力（陸鴻偉，2020）。

臺灣地區(qū)在半導(dǎo)體、信息通信技術(shù)和制造業(yè)方面處于世界領(lǐng)先地位，奠定了人工智能良好的發(fā)展基礎(chǔ)。近年來，臺灣當(dāng)局積極推動人工智能的發(fā)展，制定了多項(xiàng)促進(jìn)人工智能發(fā)展政策。例如，臺灣地區(qū)行政和科技管理機(jī)構(gòu)分別發(fā)布了《4 年人工智能行動計(jì)劃（2018—2021 年）》《5 年人工智能戰(zhàn)略（2017—2021 年）》，兩項(xiàng)計(jì)劃預(yù)算合計(jì)高達(dá)540億元新臺幣。這些人工智能發(fā)展政策內(nèi)容涉及廣泛，涵蓋鼓勵人工智能初創(chuàng)企業(yè)、吸引跨國公司、培養(yǎng)人工智能人才等重要議題。從整體效果看，2020年臺灣地區(qū)的工業(yè)機(jī)器人安裝量位居世界第七位，如圖1所示。從人工智能的產(chǎn)業(yè)分布③看，2005—2019年，臺灣地區(qū)工業(yè)機(jī)器人的應(yīng)用主要集中于農(nóng)林牧漁業(yè)、采礦業(yè)、制造業(yè)、電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)、建筑業(yè)、教育等行業(yè)，其中制造業(yè)的工業(yè)機(jī)器人每年以較快的速度持續(xù)上升，且占比最高。因此，工業(yè)機(jī)器人的應(yīng)用對臺灣地區(qū)勞動力市場的影響研究一般聚焦于制造業(yè)。

圖1 2020年15大經(jīng)濟(jì)體工業(yè)機(jī)器人的年安裝量

隨著人工智能應(yīng)用的日益廣泛，關(guān)于“機(jī)器是否會取代勞動力”的探討也日益增多。主流研究成果表明，人工智能對勞動力市場就業(yè)與工資的影響存在多種效應(yīng)，包括：替代效應(yīng)，認(rèn)為人工智能會取代一部分勞動力進(jìn)而降低工資水平（Autor等,2003;Acemoglu和Restrepo,2018;王永欽和董雯，2020;李磊等，2021）；創(chuàng)造效應(yīng)，認(rèn)為人工智能雖然取代了一部分的勞動崗位，但同時也會產(chǎn)生豐富的新的崗位（Mokyr 等,2015;Akerman 等,2015;Gaggl 和Wright,2017）；生產(chǎn)力效應(yīng)④，認(rèn)為人工智能的運(yùn)用會帶動生產(chǎn)力的提升，進(jìn)而在收入效應(yīng)的影響下企業(yè)會增資擴(kuò)產(chǎn)，進(jìn)而提高勞動力需求與工資水平（王永欽和董雯，2020；陳楠等，2021）；補(bǔ)充效應(yīng)，認(rèn)為人工智能并不是對勞動力的替代，更多地是對勞動力的一種補(bǔ)充（陳怡如和王宣智,2020）。這些效應(yīng)并非孤立存在，更多學(xué)者認(rèn)為其同時存在且相互制衡。

對于臺灣地區(qū)而言，人工智能發(fā)展日新月異，是否會對勞動力就業(yè)和工資收入產(chǎn)生影響；相較于其他經(jīng)濟(jì)體人工智能與勞動力市場的關(guān)系是否呈現(xiàn)其他新特征均是值得研究的重要問題。本文將著重探討人工智能在臺灣地區(qū)的應(yīng)用對勞動力市場產(chǎn)生的效應(yīng)，以期通過實(shí)證研究對此問題給出相對科學(xué)嚴(yán)謹(jǐn)?shù)呐袛啵L試探索人工智能應(yīng)用方面的臺灣地區(qū)經(jīng)驗(yàn)。

與以往研究相比，本文的邊際貢獻(xiàn)體現(xiàn)在以下三個方面：第一，現(xiàn)有文獻(xiàn)關(guān)于人工智能對勞動力市場影響效應(yīng)的研究多集中于西方發(fā)達(dá)經(jīng)濟(jì)體，例如美國、加拿大、歐洲等這些國家智能化發(fā)展較早，引發(fā)了當(dāng)?shù)厣鐣Α皺C(jī)器替代人”的普遍擔(dān)憂，因此備受學(xué)界與政府的關(guān)注。然而，雖然東亞“四小龍”同屬發(fā)達(dá)經(jīng)濟(jì)體，但是其發(fā)展模式屬于后發(fā)趕超模式，與西方先進(jìn)國家的資源稟賦與發(fā)展路徑都不同，“機(jī)器換人”的問題尚未受到廣泛關(guān)注。然而，我們必須認(rèn)識到，臺灣地區(qū)作為東亞發(fā)展模式的典型代表，人工智能對其勞動力市場的影響或與西方世界不同，值得我們研究與借鑒。第二，從臺灣地區(qū)制造業(yè)不同細(xì)分行業(yè)入手，實(shí)證研究臺灣地區(qū)制造業(yè)人工智能的應(yīng)用對其就業(yè)與工資的影響，研判替代效應(yīng)與創(chuàng)造效應(yīng)的主導(dǎo)性問題，比較臺灣地區(qū)與歐美經(jīng)濟(jì)體的差異。在此基礎(chǔ)上，按照研發(fā)支出水平將臺灣地區(qū)產(chǎn)業(yè)劃分為高技術(shù)產(chǎn)業(yè)與低技術(shù)產(chǎn)業(yè)，探究不同技術(shù)水平下臺灣地區(qū)制造業(yè)人工智能的應(yīng)用對勞動力市場影響的異質(zhì)性。第三，結(jié)合臺灣地區(qū)的實(shí)際情況尋找工具變量，運(yùn)用兩階段最小二乘法對模型進(jìn)行回歸，并對工具變量進(jìn)行檢驗(yàn)，其滿足相關(guān)性、外生性和有效性條件，保證了實(shí)證結(jié)論的穩(wěn)健性。

本文余下的安排：第二部分為文獻(xiàn)綜述；第三部分為人工智能對勞動力市場影響的理論分析；第四部分實(shí)證分析工業(yè)機(jī)器人在臺灣地區(qū)的應(yīng)用對勞動力市場產(chǎn)生的效應(yīng)，并進(jìn)行穩(wěn)健性與內(nèi)生性檢驗(yàn)；第五部分進(jìn)一步探討對于臺灣地區(qū)不同技術(shù)水平的行業(yè)，人工智能的應(yīng)用對其就業(yè)與工資的異質(zhì)性；第六部分為結(jié)論與政策啟示。

二、文獻(xiàn)綜述

（一）人工智能對勞動力市場就業(yè)與工資影響的相關(guān)研究

在理論的支撐下，大量學(xué)者展開了實(shí)證研究，發(fā)現(xiàn)對于不同的經(jīng)濟(jì)體、不同的發(fā)展階段的樣本都會得到差異化的結(jié)論。其中一部分研究得到了較為樂觀的結(jié)論，認(rèn)為創(chuàng)造效應(yīng)、生產(chǎn)力效應(yīng)或者補(bǔ)充效應(yīng)將發(fā)揮主導(dǎo)性作用。例如，麥肯錫評估發(fā)現(xiàn)，2016—2030 年全球勞動市場約有4 億至8 億個工作被自動化取代，但也創(chuàng)造5.6 億至8.9 億個新的工作機(jī)會；美國以及歐洲的研究都表明機(jī)器人應(yīng)用會對其崗位數(shù)量產(chǎn)生正向影響（Gregory 等， 2016）。中國的案例也有一部分結(jié)果支持這種結(jié)論（李磊等，2021；王曉娟等,2022）。此外，部分學(xué)者得到了機(jī)器人的引進(jìn)對勞動力工資產(chǎn)生正向影響的結(jié)論。Acemoglu 和Restrepo（2018a）研究發(fā)現(xiàn)工業(yè)機(jī)器人引進(jìn)會催生出大量豐富的新崗位，因此需要更多的勞動力，進(jìn)一步帶動崗位工資的提高；工業(yè)機(jī)器人的引進(jìn)會在一定程度上提高國內(nèi)高技術(shù)勞動者的比例，進(jìn)而提高勞動者工資（楊曉鋒，2018）。

與此相對，也有學(xué)者得到了相對悲觀的結(jié)論，認(rèn)為替代效應(yīng)將發(fā)揮主導(dǎo)性作用，進(jìn)而會對經(jīng)濟(jì)體的就業(yè)產(chǎn)生不利影響。全球范圍內(nèi)，麥肯錫（2017）、世界經(jīng)濟(jì)論壇（2018）均得到了人工智能會對勞動力發(fā)揮替代作用的結(jié)論，樣本不同、年份不同，替代效應(yīng)的結(jié)果有所差別。同樣是美國1990—2007年的案例發(fā)現(xiàn)，制造業(yè)每使用一臺工業(yè)機(jī)器人，會導(dǎo)致就業(yè)人口下降0.18%～0.34%，并且其他工人的工資也會隨之下降（Acemoglu 和Restrepo，2017）；中國的案例也有部分研究支持該結(jié)論（王永欽與董雯,2020；閆雪凌等，2020），并認(rèn)為短期內(nèi)替代效應(yīng)更大（王曉娟等,2022）；德國1994—2014年72個產(chǎn)業(yè)的案例發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用對制造業(yè)崗位數(shù)量產(chǎn)生顯著的負(fù)面影響，即每增加1 臺工業(yè)機(jī)器人平均減少2 個制造業(yè)的就業(yè)崗位（Dauth 等，2018）。此外，一些學(xué)者認(rèn)為工業(yè)機(jī)器人應(yīng)用對勞動力工資產(chǎn)生了抑制作用。也有部分學(xué)者指出工業(yè)機(jī)器人應(yīng)用并不會對勞動力的就業(yè)數(shù)量和工資產(chǎn)生明顯效應(yīng)（王永欽和董雯，2020）。

此外，機(jī)器人應(yīng)用對不同技能的勞動力會產(chǎn)生不同的影響，中、低技能勞動力更容易被工業(yè)機(jī)器人所替代（Graetz 和Michaels，2018；魏下海等，2018）；而主要從事非常規(guī)的、工作任務(wù)難以自動化的高技能工人則不易被取代（李磊等，2021）；OECD 于2018 年在G20 部長會議的報(bào)告中提及，自動化目前雖尚未造成大量失業(yè)，但卻產(chǎn)生勞動力在不同職業(yè)、部門及區(qū)域間重新配置的現(xiàn)象，此等新興科技所造成的改變使得勞動市場需求板塊移向需要更多認(rèn)知技能的工作，而目前許多勞動力并未具備此種技能。

（二）臺灣地區(qū)人工智能與勞動力市場的相關(guān)研究

人工智能在臺灣地區(qū)發(fā)展迅速，也是臺灣當(dāng)局當(dāng)前和未來的重點(diǎn)發(fā)展領(lǐng)域。探索人工智能應(yīng)用對勞動力市場的影響效應(yīng)對于臺灣地區(qū)未來的經(jīng)濟(jì)增長十分重要。然而，在國際上臺灣地區(qū)的相關(guān)研究相對匱乏，大陸目前對此研究尚屬空白。臺灣地區(qū)部分學(xué)者與相關(guān)機(jī)構(gòu)進(jìn)行了有關(guān)研究，其結(jié)論存在一定的分歧：部分研究得到了替代效應(yīng)的結(jié)論，如陳劍虹（2019）表示，自動化與智慧化技術(shù)產(chǎn)生勞動替代效果，并帶來結(jié)構(gòu)性失業(yè)與所得分配不均等問題；臺灣地區(qū)勞動事務(wù)主管部門于2018 年分別委托“中華經(jīng)濟(jì)研究院”與信息工業(yè)策進(jìn)會的研究顯示，盡管目前產(chǎn)業(yè)在導(dǎo)入新科技方面仍處于摸索及觀望階段（如金融服務(wù)業(yè)），但已對具有重復(fù)性、事務(wù)性的工作產(chǎn)生沖擊。部分研究則支持補(bǔ)充效應(yīng)，陳怡如與王宣智（2020）實(shí)證研究了2004—2017年臺灣地區(qū)制造業(yè)工業(yè)機(jī)器人的運(yùn)用對勞動力市場產(chǎn)生的效應(yīng)，發(fā)現(xiàn)工業(yè)機(jī)器人導(dǎo)入和勞動雇用呈現(xiàn)正向互補(bǔ)關(guān)系，即工業(yè)機(jī)器人并非取代人力，而是彌補(bǔ)人力的短缺。近年來該互補(bǔ)關(guān)系呈下滑態(tài)勢，但尚未轉(zhuǎn)變?yōu)樘娲P(guān)系。類似對其他經(jīng)濟(jì)體的研究，臺灣地區(qū)的研究也支持勞動力市場兩極化的結(jié)論，如林曉嬋（2018）研究發(fā)現(xiàn)，新興科技將造成勞動力的重新配置，除提高勞動市場的彈性外，也促使未來勞動需求呈現(xiàn)兩極化發(fā)展，即高技術(shù)工作工資愈發(fā)提高，而低技術(shù)工作工資則愈發(fā)下降，導(dǎo)致收入差距進(jìn)一步擴(kuò)大。

三、實(shí)證模型的構(gòu)建與數(shù)據(jù)

（一）模型設(shè)定

本文著重探討工業(yè)機(jī)器人應(yīng)用對臺灣地區(qū)制造業(yè)勞動力市場的影響效應(yīng)，從行業(yè)層面來分析工業(yè)機(jī)器人保有量的變化與臺灣地區(qū)勞動力就業(yè)數(shù)量和工資的關(guān)系⑤。對此，構(gòu)建基準(zhǔn)回歸模型如下：

其中，i、t分別表示不同行業(yè)和年份。上述模型中，被解釋變量分別為lnemployeeit代表行業(yè)i在t年的就業(yè)人數(shù)；lnwageit代表行業(yè)i在t年的工資水平。核心解釋變量為lnrobotit用于衡量臺灣地區(qū)行業(yè)i在t年的人工智能應(yīng)用情況，變量Xit包含一系列影響勞動力市場就業(yè)與工資的控制變量集合，其中包括制造業(yè)行業(yè)規(guī)模（lnscale）、固定資產(chǎn)投資（lnfixassets）、臺商投資大陸（lntdi）和研發(fā)投入（lnrd）。

上述基準(zhǔn)模型中，μ代表行業(yè)固定效應(yīng)，由于制造業(yè)不同細(xì)分行業(yè)在研發(fā)投入、技術(shù)水平等方面存在很大的差異，這將對各行業(yè)的勞動力需求產(chǎn)生較大的影響，加入行業(yè)固定效應(yīng)可以吸收行業(yè)層面所有不隨時間變化因素的影響，在一定程度上解決由于行業(yè)本身的特性所引發(fā)的遺漏變量問題；γ代表年份固定效應(yīng)，由于臺灣地區(qū)工業(yè)機(jī)器人的應(yīng)用在樣本期內(nèi)得到了較大的發(fā)展，其面臨的外部環(huán)境也發(fā)生了顯著變化，加入年份固定效應(yīng)可以吸收樣本期內(nèi)的宏觀沖擊；ε是隨機(jī)誤差項(xiàng)。所有變量均取對數(shù)，以消除可能存在的異方差。由于樣本中存在robot為0的情況，即解釋變量機(jī)器人保有量的對數(shù)用ln(robot+ 1)來表示。

為進(jìn)一步驗(yàn)證臺灣地區(qū)工業(yè)機(jī)器人就業(yè)效應(yīng)的行業(yè)異質(zhì)性，本文將臺灣地區(qū)制造業(yè)的細(xì)分行業(yè)劃分為高、低兩類技術(shù)行業(yè)，分別研究臺灣地區(qū)工業(yè)機(jī)器人應(yīng)用對這兩類技術(shù)行業(yè)的就業(yè)以及工資影響。

（二）數(shù)據(jù)來源與指標(biāo)選取

本文主要使用兩套數(shù)據(jù)匹配后進(jìn)行實(shí)證研究。首先，從臺灣地區(qū)“主計(jì)總處”獲取的數(shù)據(jù)，包括2005—2019年臺灣地區(qū)27個制造業(yè)二位碼行業(yè)就業(yè)等相關(guān)數(shù)據(jù)；其次，IFR的全球工業(yè)機(jī)器人數(shù)據(jù)庫，包括14個制造業(yè)分行業(yè)⑥。本文先將兩部分?jǐn)?shù)據(jù)進(jìn)行匹配后再進(jìn)行實(shí)證回歸。

1.被解釋變量：借鑒閆雪凌等（2020）的做法，其中就業(yè)數(shù)量（lnemployee）用行業(yè)年末受雇員工人數(shù)來表示，工資水平（lnwage）為行業(yè)年末平均工資。兩類數(shù)據(jù)均來自臺灣地區(qū)“主計(jì)總處”。

2.核心解釋變量：本文的核心解釋變量是臺灣地區(qū)人工智能的應(yīng)用情況，選用工業(yè)機(jī)器人保有量（lnrobot）作為代理變量，數(shù)據(jù)來源于IFR 數(shù)據(jù)庫。雖然IFR 數(shù)據(jù)庫從1993年開始對臺灣工業(yè)機(jī)器人總量進(jìn)行統(tǒng)計(jì)，但從2005年開始才有比較全的細(xì)分行業(yè)數(shù)據(jù)記錄。因此，本文使用2005—2019年臺灣地區(qū)工業(yè)機(jī)器人制造業(yè)保有量數(shù)據(jù)分析工業(yè)機(jī)器人應(yīng)用對制造業(yè)就業(yè)產(chǎn)生的影響。

3.控制變量：參照以往文獻(xiàn)（閆雪凌等，2020）的做法，本文控制變量包括：（1）行業(yè)規(guī)模（lnscale），用各制造業(yè)的工業(yè)總產(chǎn)值來衡量。通常來說行業(yè)生產(chǎn)規(guī)模越大，對于勞動力的相對需求就會越大。（2）固定資產(chǎn)投資（lnfixassets），資本的積累會在一定程度上影響勞動力就業(yè)人數(shù)和工資水平，固定資產(chǎn)投資深化一般意味著更高的勞動生產(chǎn)率，會對就業(yè)產(chǎn)生顯著的替代效應(yīng)（宋錦和李曦晨，2019）。（3）臺商投資大陸（lntdi），首先，臺商投資大陸會促進(jìn)臺灣地區(qū)將其原材料等源源不斷地出口，使其提高了對臺灣地區(qū)的勞動力需求；其次，臺商對大陸投資以及大陸產(chǎn)品銷售到臺灣地區(qū)則會在一定程度上使臺灣地區(qū)的生產(chǎn)規(guī)模縮小，減少對勞動力的需求（范芹和武力超，2014）。（4）研發(fā)投入（lnrd），用制造業(yè)各細(xì)分行業(yè)的研發(fā)支出來衡量。為了量綱的統(tǒng)一，將所有的變量都進(jìn)行對數(shù)化處理。此外，參照閆雪凌等（2020）的做法，在式（1）研究工業(yè)機(jī)器人對臺灣地區(qū)就業(yè)數(shù)量產(chǎn)生的影響時，控制了行業(yè)的工資水平（lnwage）；同理，在式（2）中控制了相應(yīng)的就業(yè)數(shù)量（lnemployee）。本文所有的變量指標(biāo)含義如表1所示。

表1 變量指標(biāo)含義

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)結(jié)果

表2 顯示了2005—2019 年臺灣地區(qū)工業(yè)機(jī)器人應(yīng)用對其制造業(yè)勞動力市場影響的基準(zhǔn)回歸結(jié)果。其中，第（1）～（2）列估計(jì)了工業(yè)機(jī)器人應(yīng)用對臺灣地區(qū)制造業(yè)勞動力就業(yè)數(shù)量的影響。第（1）列為僅控制行業(yè)固定效應(yīng)的回歸結(jié)果；第（2）列報(bào)告的是同時控制行業(yè)固定效應(yīng)和年份固定效應(yīng)后的回歸結(jié)果，發(fā)現(xiàn)臺灣地區(qū)工業(yè)機(jī)器人保有量在樣本期2005—2019年內(nèi)每上升1%，制造業(yè)就業(yè)數(shù)量上升1.58%。這意味著在樣本期間內(nèi)，臺灣地區(qū)人工智能對勞動力就業(yè)發(fā)揮了正效應(yīng)，即替代效應(yīng)小于創(chuàng)造效應(yīng)，反映出人工智能的運(yùn)用與普及對臺灣地區(qū)制造業(yè)勞動力就業(yè)數(shù)量產(chǎn)生了顯著的促進(jìn)作用。前人關(guān)于加拿大就業(yè)市場、美國制造業(yè)勞動力市場（Bessen，2019），以及歐洲27國10年調(diào)查數(shù)據(jù)（Gregory 等，2016）的研究也得到了類似的結(jié)論。筆者認(rèn)為，這在一定程度意味著，對于2005—2019年臺灣制造業(yè)就業(yè)而言，由人工智能引入創(chuàng)造出的就業(yè)人數(shù)大于由此被替代的就業(yè)人數(shù)。通常，人工智能的創(chuàng)造主要來自三個途徑：一是生產(chǎn)力提升途徑，即AI技術(shù)促進(jìn)了生產(chǎn)力的提升，進(jìn)而降低了生產(chǎn)成本，增加了經(jīng)濟(jì)需求，促進(jìn)企業(yè)生產(chǎn)而刺激就業(yè)的良性循環(huán)。二是收入效應(yīng)途徑。AI技術(shù)推動收入提升，進(jìn)而增加民間消費(fèi)與企業(yè)投資需求，帶來就業(yè)市場繁榮。三是孕育新產(chǎn)業(yè)途徑。AI的發(fā)展一方面可以促進(jìn)產(chǎn)業(yè)供應(yīng)鏈的延長，另一方面也有助于孕育出新產(chǎn)業(yè)，這些都將增加對勞動力的需求。在上述三種途徑的帶動下，臺灣地區(qū)的就業(yè)創(chuàng)造效應(yīng)顯現(xiàn)出主導(dǎo)作用。

表2 基準(zhǔn)模型回歸結(jié)果

通過第（3）～（4）列可以看出，臺灣地區(qū)工業(yè)機(jī)器人的應(yīng)用對制造業(yè)工資水平的影響效應(yīng)不顯著。這與王永欽和董雯（2020）對中國大陸相關(guān)問題的結(jié)論相一致。事實(shí)上，關(guān)于人工智能對工資的影響，最主流的結(jié)論是AI 的運(yùn)用造成了低薪現(xiàn)象的產(chǎn)生，以及薪資兩極化與收入差距的加大（林曉嬋，2018）。因此，我們推斷這里的不顯著與我們選取的總體樣本有關(guān)，即需要進(jìn)一步細(xì)化樣本才能得到對不同層次人群工資影響的顯著結(jié)論，在下文的異質(zhì)性分析中將進(jìn)一步討論。

控制變量方面，對于制造業(yè)勞動力就業(yè)數(shù)量而言，行業(yè)規(guī)模越大，其可以提供的勞動力就業(yè)崗位數(shù)量就越多，也更容易吸引更多的勞動力進(jìn)入；在樣本期內(nèi)臺商投資的回歸系數(shù)在5%的水平上顯著為正，即臺商投資大陸會顯著促進(jìn)臺灣地區(qū)制造業(yè)勞動力就業(yè)；此外，研發(fā)投入也對制造業(yè)的勞動力就業(yè)數(shù)量有促進(jìn)效應(yīng)；對于工資水平而言，在同時控制了行業(yè)固定效應(yīng)和年份固定效應(yīng)時，行業(yè)規(guī)模、研發(fā)支出對勞動力工資的回歸系數(shù)分別在1%和10%的水平上顯著為正，說明在其他條件不變的情況下行業(yè)規(guī)模越大、研發(fā)支出越多，將促進(jìn)制造業(yè)勞動力的平均工資水平上升。

續(xù)表

（二） 穩(wěn)健性檢驗(yàn)

基準(zhǔn)回歸結(jié)果表明，工業(yè)機(jī)器人應(yīng)用對制造業(yè)就業(yè)數(shù)量具有顯著的促進(jìn)效應(yīng)。但是，臺灣地區(qū)的勞動力就業(yè)會對工業(yè)機(jī)器人應(yīng)用產(chǎn)生一定的滯后反應(yīng)。因此，需要同時考慮到工業(yè)機(jī)器人應(yīng)用對勞動力市場影響的時滯性。為了對研究結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)，本文把被解釋變量由基準(zhǔn)回歸中的當(dāng)期數(shù)據(jù)替換為下一期數(shù)據(jù)，結(jié)果見下表3。在下表中發(fā)現(xiàn)回歸結(jié)果仍然穩(wěn)健，其中工業(yè)機(jī)器人的應(yīng)用對臺灣地區(qū)就業(yè)崗位的創(chuàng)造效應(yīng)程度進(jìn)一步增強(qiáng)。

表3 穩(wěn)健性回歸結(jié)果

（三）內(nèi)生性檢驗(yàn)

由于工業(yè)機(jī)器人應(yīng)用會影響臺灣地區(qū)的勞動力就業(yè)人數(shù)和工資水平，同時勞動力市場的就業(yè)人數(shù)變動也會反過來對工業(yè)機(jī)器人的應(yīng)用產(chǎn)生影響，即制造業(yè)就業(yè)與工業(yè)機(jī)器人應(yīng)用之間存在雙向因果關(guān)系，因此，本文可能存在內(nèi)生性問題。為了避免模型出現(xiàn)較大的偏誤，本文采用工具變量法進(jìn)行內(nèi)生性檢驗(yàn)。

參考王智波和李長洪（2015）的研究，本文選取解釋變量工業(yè)機(jī)器人保有量的滯后一期作為工具變量運(yùn)用兩階段最小二乘法對模型進(jìn)行回歸，回歸結(jié)果見表4。此外，對本文所選取的工具變量進(jìn)行了檢驗(yàn)，滿足相關(guān)性、外生性以及有效性條件。

表4 工業(yè)機(jī)器人對制造業(yè)就業(yè)人數(shù)以及工資水平的IV-2sls 回歸結(jié)果

從表4 內(nèi)生性檢驗(yàn)的回歸結(jié)果中可以看出，工業(yè)機(jī)器人應(yīng)用對臺灣地區(qū)制造業(yè)就業(yè)的影響仍然存在，在同時控制了行業(yè)固定效應(yīng)和年份固定效應(yīng)后，核心解釋變量工業(yè)機(jī)器人保有量的回歸系數(shù)與基準(zhǔn)模型中的正負(fù)號一致，但在1%的水平上顯著，此結(jié)果相較于基準(zhǔn)回歸系數(shù)有所上升，而對于工資的影響同樣在控制了行業(yè)固定效應(yīng)和時間固定效應(yīng)后不顯著。因此，在考慮了內(nèi)生性問題后，并不影響本文基準(zhǔn)回歸中的結(jié)論，結(jié)果依然保持穩(wěn)健，即工業(yè)機(jī)器人的應(yīng)用對就業(yè)總量仍然具有顯著的正向影響。

五、人工智能對勞動力市場影響的行業(yè)異質(zhì)性分析

基準(zhǔn)回歸顯示，人工智能的應(yīng)用對臺灣地區(qū)勞動力市場就業(yè)具有正向促進(jìn)作用，而對工資的影響則不顯著。那么，對于不同技術(shù)水平的產(chǎn)業(yè)來說，上述效應(yīng)在臺灣地區(qū)是否一致呢？對此，本節(jié)將進(jìn)一步在基準(zhǔn)回歸的基礎(chǔ)上進(jìn)行異質(zhì)性分析。

（一）人工智能對臺灣地區(qū)就業(yè)影響的異質(zhì)性分析

對于行業(yè)技術(shù)水平的分類，以往文獻(xiàn)并未得到一致的劃分標(biāo)準(zhǔn)，有些根據(jù)信息數(shù)據(jù)進(jìn)行劃分，有些則是根據(jù)各個行業(yè)勞動者的受教育水平進(jìn)行劃分。由于缺少臺灣地區(qū)從業(yè)者受教育水平的微觀數(shù)據(jù)，本文參照閆雪凌等（2020）的做法，使用研發(fā)支出多少作為劃分行業(yè)技術(shù)高低的衡量標(biāo)準(zhǔn)，將制造業(yè)的所有行業(yè)按照研發(fā)支出是否高于其中位數(shù)劃分為高、低技術(shù)行業(yè)，實(shí)證結(jié)果如下表所示。

表5 表明，對于勞動力就業(yè)數(shù)量，工業(yè)機(jī)器人的應(yīng)用對高技術(shù)行業(yè)的就業(yè)具有顯著正向作用。其中，第（4）列表明在高技術(shù)行業(yè)中，同時控制行業(yè)固定效應(yīng)和年份固定效應(yīng)后，工業(yè)機(jī)器人保有量系數(shù)為0.0115，且在5%的水平上顯著為正，即工業(yè)機(jī)器人保有量每上升1%，就業(yè)數(shù)量將上升1.15%；而在低技術(shù)行業(yè)中同時控制了行業(yè)固定效應(yīng)和年份固定效應(yīng)后工業(yè)機(jī)器人應(yīng)用對就業(yè)人數(shù)的影響并不顯著。本文結(jié)論與Acemoglu和Autor（2010）對高技術(shù)行業(yè)的相關(guān)研究結(jié)論類似，但對低技術(shù)行業(yè)的就業(yè)影響不顯著。這可能是由于臺灣地區(qū)高技術(shù)行業(yè)的勞動力從事的是非常規(guī)、比較復(fù)雜的工作，不容易被工業(yè)機(jī)器人替代，因此工業(yè)機(jī)器人會對高技術(shù)行業(yè)的就業(yè)數(shù)量起促進(jìn)作用。而高技術(shù)行業(yè)人數(shù)的增加進(jìn)一步促進(jìn)低技術(shù)行業(yè)勞動力人數(shù)的增加需要一定的時間及過程才能產(chǎn)生，這可能是工業(yè)機(jī)器人應(yīng)用對臺灣地區(qū)低技術(shù)行業(yè)影響不顯著的原因。

表5 工業(yè)機(jī)器人影響不同技術(shù)行業(yè)就業(yè)數(shù)量的回歸結(jié)果

（二）人工智能對臺灣地區(qū)工資影響的異質(zhì)性分析

對于制造業(yè)的工資水平來說，從表5 中可以看出，工業(yè)機(jī)器人應(yīng)用對低等技術(shù)行業(yè)的工資有非常顯著的負(fù)向作用，即使在同時控制了行業(yè)固定效應(yīng)和年份固定效應(yīng)后，在低等技術(shù)行業(yè)中工業(yè)機(jī)器人保有量對工資水平的系數(shù)在5%的水平上顯著為負(fù)。在高技術(shù)行業(yè)中，在同時控制行業(yè)固定效應(yīng)和年份固定效應(yīng)后，工業(yè)機(jī)器人應(yīng)用對制造業(yè)工資的影響在10%的水平上顯著為正。從臺灣地區(qū)的實(shí)證結(jié)果可以看出，工業(yè)機(jī)器人應(yīng)用會顯著減少低等技術(shù)行業(yè)的工資，這與Acemoglu 和Autor（2010）、Berget等（2010）對低技術(shù)行業(yè)的相關(guān)研究結(jié)論類似，而對高技術(shù)行業(yè)的工資促進(jìn)作用不是很明顯，可能是由于高技術(shù)行業(yè)勞動者的溢價(jià)能力有待進(jìn)一步提高。

六、結(jié)論與政策啟示

基于臺灣地區(qū)2005—2019年14個制造業(yè)分行業(yè)的面板數(shù)據(jù)，運(yùn)用雙向固定效應(yīng)模型，研究了臺灣地區(qū)工業(yè)機(jī)器人的應(yīng)用對勞動力就業(yè)數(shù)量和工資水平的影響，在此基礎(chǔ)上進(jìn)行內(nèi)生性檢驗(yàn)，并進(jìn)一步對工業(yè)機(jī)器人的就業(yè)效應(yīng)進(jìn)行行業(yè)異質(zhì)性分析。結(jié)果發(fā)現(xiàn)，工業(yè)機(jī)器人應(yīng)用對2005—2019年內(nèi)臺灣地區(qū)制造業(yè)的就業(yè)數(shù)量產(chǎn)生了顯著的促進(jìn)作用，而對工資水平的影響不顯著。同時，針對模型可能存在的內(nèi)生性問題，采用滯后一期制造業(yè)工業(yè)機(jī)器人保有量作為工具變量進(jìn)行回歸，結(jié)果仍然穩(wěn)健。此外，工業(yè)機(jī)器人應(yīng)用會對高技術(shù)行業(yè)產(chǎn)生更強(qiáng)的就業(yè)創(chuàng)造效應(yīng)，這說明工業(yè)機(jī)器人應(yīng)用需要大量高技能水平勞動力與之匹配，而在低技術(shù)行業(yè)中臺灣地區(qū)工業(yè)機(jī)器人應(yīng)用對工資水平的抑制作用則更顯著。研究結(jié)論對于兩岸人工智能領(lǐng)域合作具有如下政策意涵：

第一，當(dāng)前階段臺灣地區(qū)人工智能領(lǐng)域在島內(nèi)的布局應(yīng)側(cè)重于高技術(shù)產(chǎn)業(yè)，中低技術(shù)產(chǎn)業(yè)的相關(guān)產(chǎn)能應(yīng)在大陸尋找更大的市場。雖然整體性實(shí)證結(jié)果發(fā)現(xiàn)臺灣地區(qū)工業(yè)機(jī)器人應(yīng)用引發(fā)的創(chuàng)造效應(yīng)超過了替代效應(yīng)，表明臺灣地區(qū)正處于一個人工智能應(yīng)用紅利期。然而，我們也必須注意到低技術(shù)水平產(chǎn)業(yè)中替代效應(yīng)的主導(dǎo)性作用。因此，對于這部分產(chǎn)能應(yīng)積極加強(qiáng)兩岸合作，將其部分產(chǎn)能轉(zhuǎn)移至大陸。前人研究發(fā)現(xiàn)，在大陸資本密集型產(chǎn)業(yè)引進(jìn)機(jī)器人會促進(jìn)就業(yè)，而在部分勞動密集型產(chǎn)業(yè)引入機(jī)器人會帶來就業(yè)人員的減少，因此兩岸人工智能產(chǎn)業(yè)合作的細(xì)分技術(shù)選擇也需要適合大陸市場。

第二，積極推動臺灣地區(qū)人工智能相關(guān)企業(yè)融入大陸內(nèi)循環(huán)，助力大陸企業(yè)智能化升級。大陸市場廣闊且技術(shù)層級差異性大，不同的人工智能應(yīng)用都能找到相應(yīng)的市場定位，特別是針對臺灣地區(qū)就業(yè)產(chǎn)生抑制性作用的人工智能應(yīng)用部分，如果在大陸市場找到恰當(dāng)?shù)娜谌朦c(diǎn)便可以延長應(yīng)用的生命周期，為大陸相關(guān)企業(yè)實(shí)現(xiàn)智能化升級。此外，還可以從三方面尋求更深入的合作：首先，推動兩岸人工智能在基礎(chǔ)設(shè)施領(lǐng)域的互補(bǔ)發(fā)展；其次，完善兩岸人工智能研發(fā)創(chuàng)新合作機(jī)制，積極消除制約人工智能合作的體制機(jī)制障礙，共同孵化更多的兩岸人工智能應(yīng)用創(chuàng)新項(xiàng)目；最后，深化兩岸人工智能教育合作與人才融合，促進(jìn)兩岸人工智能高端創(chuàng)新人才集聚產(chǎn)生規(guī)模效應(yīng)，發(fā)揮兩岸高等院校協(xié)同創(chuàng)新作用。

第三，借助大陸“一帶一路”倡議與RCEP 協(xié)定，兩岸人工智能企業(yè)攜手共同走出去。西方發(fā)達(dá)國家的經(jīng)驗(yàn)表明，隨著人工智能應(yīng)用的不斷深入，替代效應(yīng)大于創(chuàng)造效應(yīng)的階段將不斷逼近。為延長兩岸相關(guān)領(lǐng)域的生命力，借助大陸發(fā)展戰(zhàn)略帶動相關(guān)產(chǎn)能走出去是兩岸人工智能合作不可或缺的重要方面。其可沿兩條路徑推進(jìn)：一是“一帶一路”方向。將人工智能賦能到“一帶一路”建設(shè)中，兩岸攜手打造數(shù)字絲綢之路和“一帶一路”數(shù)字樞紐站，實(shí)現(xiàn)信息、資源、資金、物流、人才等多種要素匯合，推動各產(chǎn)業(yè)生產(chǎn)與技術(shù)的智能化改造，帶動更多的經(jīng)濟(jì)體走上數(shù)字經(jīng)濟(jì)發(fā)展道路。二是借助RCEP協(xié)議，特別是其中的原產(chǎn)地累積規(guī)則，改善人工智能領(lǐng)域臺商對外投資條件，形成以大陸市場為依托、輻射RCEP 區(qū)域的兩岸人工智能供應(yīng)鏈，打造兩岸人工智能合作新格局。

注釋：

①WEF 創(chuàng)始人Klaus Schwab 發(fā)表的《The Fourth Industrial Revolution》，其中將人工智能、機(jī)器人技術(shù)、物聯(lián)網(wǎng)、自動駕駛汽車、3D打印、區(qū)塊鏈、生物技術(shù)等新科技統(tǒng)稱為第四次工業(yè)革命。

②根據(jù)英國顧問公司Tortoise Capital Advisors 于2019 年發(fā)布的全球人工智能指數(shù)（The Global AI Index）報(bào)告指出，已有29 個經(jīng)濟(jì)體推出AI 戰(zhàn)略。

③根據(jù)IFR所提供的行業(yè)分類與臺灣地區(qū)“主計(jì)總處”的行業(yè)分類進(jìn)行對應(yīng)匹配。

④關(guān)于創(chuàng)造效應(yīng)和生產(chǎn)力效應(yīng)存在兩種觀點(diǎn)，有學(xué)者將其視為一種效應(yīng)，即人工智能可促進(jìn)就業(yè)；有學(xué)者則將其分開，強(qiáng)調(diào)生產(chǎn)力效應(yīng)是源自生產(chǎn)力提升帶來的就業(yè)增加。

⑤由于目前我們無法獲取臺灣地區(qū)的微觀數(shù)據(jù)，所以僅能從產(chǎn)業(yè)的層面考察人工智能對勞動力市場的影響。

⑥分別為食品飲料及煙草制造業(yè)、紡織及服裝制品業(yè)、木制品及家具制造業(yè)、造紙及印刷制品業(yè)、化學(xué)制品業(yè)、橡膠和塑料制品業(yè)、非金屬礦物制品制造業(yè)、基本金屬制造業(yè)、金屬制品制造業(yè)、電子和電氣設(shè)備制造業(yè)、工業(yè)機(jī)械、汽車及其零件制造業(yè)、其他運(yùn)輸工具及其零件制造業(yè)、其他制造業(yè)分支。