人工智能對(duì)微觀企業(yè)的就業(yè)影響：總量、來源與異質(zhì)性研究

葉祥松　黎美玲　潘麗群

摘要：現(xiàn)有關(guān)于人工智能對(duì)我國(guó)微觀企業(yè)就業(yè)影響的研究主要采用行業(yè)數(shù)據(jù)，側(cè)重分析人工智能對(duì)行業(yè)層面就業(yè)總量的影響，忽視了微觀企業(yè)使用機(jī)器人將會(huì)產(chǎn)生顯著的行業(yè)影響，沒有深入分析機(jī)器人使用對(duì)行業(yè)內(nèi)部不同企業(yè)的影響，更沒有進(jìn)一步直接對(duì)微觀企業(yè)的就業(yè)變動(dòng)、就業(yè)創(chuàng)造和就業(yè)消失進(jìn)行全面和深入的分析。通過將國(guó)際機(jī)器人聯(lián)合會(huì)提供的工業(yè)機(jī)器人數(shù)據(jù)和中國(guó)工業(yè)企業(yè)數(shù)據(jù)進(jìn)行匹配，可實(shí)證分析機(jī)器人對(duì)中國(guó)微觀企業(yè)在總量上、異質(zhì)性上以及增量上的就業(yè)效應(yīng)。研究發(fā)現(xiàn)：總量上，機(jī)器人顯著降低了企業(yè)雇傭勞動(dòng)力的數(shù)量，機(jī)器人投入每增加1%，企業(yè)的勞動(dòng)力需求會(huì)下降1.41%。異質(zhì)性上，機(jī)器人對(duì)非國(guó)有企業(yè)的沖擊效應(yīng)更大；對(duì)資本密集型、技術(shù)密集型和勞動(dòng)密集型的影響逐漸減弱。增量上，機(jī)器人既能夠創(chuàng)造就業(yè)也能夠消滅就業(yè)，但顯著表現(xiàn)為就業(yè)消失效應(yīng)，并且這種就業(yè)消失效應(yīng)主要出現(xiàn)在退出企業(yè)而非存續(xù)企業(yè)。此結(jié)論對(duì)于我國(guó)技術(shù)進(jìn)步方向和方式、經(jīng)濟(jì)增長(zhǎng)驅(qū)動(dòng)力量以及就業(yè)保障實(shí)施等方面有著重要的理論價(jià)值和實(shí)踐指導(dǎo)意義。

關(guān)鍵詞：機(jī)器人；就業(yè)變動(dòng)；就業(yè)創(chuàng)造；就業(yè)消失

文章編號(hào)：2095-5960（2023）06-0070-10；中圖分類號(hào)：F241.4；F270-05；文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

人工智能作為新時(shí)代的一種技術(shù)革命，由于其技術(shù)進(jìn)步具有顯著的偏向性特征，導(dǎo)致這種技術(shù)在推廣使用過程中，必然會(huì)替代部分勞動(dòng)崗位和就業(yè)數(shù)量，并將最終影響到就業(yè)結(jié)構(gòu)和企業(yè)的雇傭。根據(jù)麥肯錫報(bào)告《就業(yè)的失去與獲得：自動(dòng)化時(shí)代的勞動(dòng)力轉(zhuǎn)換》[1]，預(yù)計(jì)2030年全球60%的職業(yè)中至少三分之一組成的活動(dòng)被自動(dòng)化代替。中國(guó)作為全球第一大工業(yè)機(jī)器人應(yīng)用市場(chǎng)[2]，同時(shí)又是全球最大的勞動(dòng)力市場(chǎng)，在當(dāng)前工業(yè)機(jī)器人在各行各業(yè)被廣泛使用的背景下，這種新型的技術(shù)進(jìn)步對(duì)現(xiàn)有企業(yè)的雇傭行為究竟會(huì)造成何種程度和何種形式的沖擊？不同企業(yè)之間又存在何種差異？在2022年“穩(wěn)增長(zhǎng)和保就業(yè)”的政策目標(biāo)下，機(jī)器人究竟在創(chuàng)造就業(yè)機(jī)會(huì)還是毀滅就業(yè)機(jī)會(huì)？在已經(jīng)和即將在各行各業(yè)大規(guī)模采用的情況下，機(jī)器人是否屬于一種就業(yè)友好型的技術(shù)進(jìn)步？科學(xué)回答和評(píng)估這個(gè)命題，對(duì)于我國(guó)技術(shù)進(jìn)步方向和方式、經(jīng)濟(jì)增長(zhǎng)驅(qū)動(dòng)力量以及就業(yè)保障實(shí)施等方面有著重要的理論價(jià)值和實(shí)踐指導(dǎo)意義。

目前國(guó)外學(xué)者主要側(cè)重理論分析人工智能對(duì)就業(yè)、工資以及生產(chǎn)率的影響。例如Acemoglu & Restrepo在傳統(tǒng)的生產(chǎn)框架下引入機(jī)器人作為生產(chǎn)要素[3]，Acemoglu & Restrepo構(gòu)建了生產(chǎn)任務(wù)模型[4]，用生產(chǎn)任務(wù)模型刻畫了自動(dòng)化的應(yīng)用為代表，以及基于生產(chǎn)任務(wù)模型，對(duì)于不同技能類型的勞動(dòng)力，人工智能的應(yīng)用將產(chǎn)生極化和不平等效應(yīng)[5]、恢復(fù)效應(yīng)[6]等。同時(shí)還有其他視角的探索，譬如基于產(chǎn)品需求視角，通過構(gòu)造一般均衡模型來闡述產(chǎn)品需求提升對(duì)就業(yè)的正向促進(jìn)效應(yīng)和就業(yè)替代效應(yīng)[7]；基于公共政策視角，探討機(jī)器人應(yīng)用下的政府收入再分配政策和居民福利。[8]針對(duì)人工智能對(duì)勞動(dòng)力市場(chǎng)影響的實(shí)證文獻(xiàn)大致可以分為積極和消極兩大類。[9-11]

國(guó)內(nèi)學(xué)者起初側(cè)重概述性分析、數(shù)據(jù)統(tǒng)計(jì)分析[12]和少量理論分析[13]，均是從概述性層面和理論層面分析人工智能的采用可能造成的各種經(jīng)濟(jì)影響。后來越來越多的學(xué)者開始嘗試實(shí)證檢驗(yàn)人工智能的經(jīng)濟(jì)效應(yīng)，但是人工智能對(duì)就業(yè)的影響仍然存在爭(zhēng)議。[14-16]然而上述實(shí)證分析主要是采用行業(yè)數(shù)據(jù)，側(cè)重分析人工智能對(duì)行業(yè)層面就業(yè)總量的影響，忽視了微觀企業(yè)使用機(jī)器人將會(huì)產(chǎn)生顯著的行業(yè)影響，因此沒有深入分析機(jī)器人使用對(duì)行業(yè)內(nèi)部不同企業(yè)（進(jìn)入企業(yè)、在位企業(yè)和退出企業(yè)）的影響，更沒有進(jìn)一步直接對(duì)微觀企業(yè)的就業(yè)變動(dòng)、就業(yè)創(chuàng)造和就業(yè)消失進(jìn)行全面和深入的分析。

為此，本文將分析和揭示機(jī)器人的使用對(duì)微觀企業(yè)的就業(yè)總量、就業(yè)變動(dòng)、就業(yè)創(chuàng)造以及就業(yè)消失的系統(tǒng)影響。首先，就國(guó)際機(jī)器人聯(lián)合會(huì)（International Federation of Robotics，IFR）提供的機(jī)器人數(shù)據(jù)和中國(guó)工業(yè)企業(yè)數(shù)據(jù)進(jìn)行匹配，建立實(shí)證模型檢驗(yàn)機(jī)器人對(duì)就業(yè)總量的沖擊效應(yīng)，并且實(shí)證分析這種沖擊效應(yīng)在存續(xù)企業(yè)和非存續(xù)企業(yè)間的差異。其次，從所有制類型、要素密集度分類、企業(yè)規(guī)模以及企業(yè)是否出口等方面，異質(zhì)性分析了機(jī)器人對(duì)不同類型企業(yè)就業(yè)總量的影響。最后，借助中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫的微觀特征，構(gòu)造就業(yè)變動(dòng)率、就業(yè)創(chuàng)造率和就業(yè)消失率等相對(duì)指標(biāo)，從增量層面進(jìn)一步分析機(jī)器人的就業(yè)影響。

本文的邊際貢獻(xiàn)體現(xiàn)在：（1）側(cè)重分析行業(yè)機(jī)器人對(duì)行業(yè)內(nèi)微觀企業(yè)就業(yè)總量和就業(yè)變動(dòng)的影響。具體使用2005～2013年工業(yè)企業(yè)數(shù)據(jù)，構(gòu)造就業(yè)創(chuàng)造、就業(yè)消失的就業(yè)變動(dòng)指標(biāo)，從而實(shí)現(xiàn)對(duì)就業(yè)變動(dòng)進(jìn)行深層次的分析，而不僅僅停留在勞動(dòng)力雇傭數(shù)量的單一維度。（2）通過機(jī)器人對(duì)存續(xù)企業(yè)和非存續(xù)企業(yè)的作用，探討由外生技術(shù)引致的勞動(dòng)力變動(dòng)與規(guī)模以上企業(yè)的進(jìn)入和退出的相互關(guān)系，以及這種外生技術(shù)沖擊效應(yīng)主要是發(fā)生在哪種類型企業(yè)中。（3）基于微觀企業(yè)層面數(shù)據(jù)，從所有制、要素類型、競(jìng)爭(zhēng)力等角度探討工業(yè)機(jī)器人對(duì)不同屬性企業(yè)就業(yè)沖擊的異質(zhì)性。論文對(duì)異質(zhì)性企業(yè)的深入探討對(duì)平衡勞動(dòng)力市場(chǎng)的個(gè)體勞動(dòng)力供給與企業(yè)對(duì)勞動(dòng)力的需求具有一定的指導(dǎo)意義。

二、模型、數(shù)據(jù)和變量

（一）模型設(shè)定

（二）數(shù)據(jù)說明

機(jī)器人使用數(shù)據(jù)來自國(guó)際機(jī)器人聯(lián)合會(huì)（IFR）數(shù)據(jù)，IFR提供了從1993 年至今全球近100 個(gè)國(guó)家和地區(qū)19 個(gè)行業(yè)機(jī)器人使用情況的數(shù)據(jù)。我國(guó)的機(jī)器人從2006 年開始才有確切的數(shù)據(jù)記錄，基于此，使用2006年以后數(shù)據(jù)，同時(shí)為了與中國(guó)工業(yè)企業(yè)數(shù)據(jù)匹配，工業(yè)機(jī)器人使用數(shù)據(jù)段最終確定為2006～2013年。這里需要特別指出的是，由于IFR數(shù)據(jù)中提供的行業(yè)數(shù)據(jù)與我國(guó)國(guó)民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)并非一一對(duì)應(yīng)，因此將工業(yè)企業(yè)數(shù)據(jù)中的GB/T4754-2002標(biāo)準(zhǔn)與IFR數(shù)據(jù)進(jìn)行匹配，得到13個(gè)制造業(yè)行業(yè)的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證研究。①①閆雪凌等（2020），呂越等（2020）匹配皆為14個(gè)制造業(yè)行業(yè)，是因?yàn)樗麄儾捎肎B/T4754-2011標(biāo)準(zhǔn)。使用工業(yè)企業(yè)數(shù)據(jù)庫（2005-2013），行業(yè)分類只有2013年是采用GB/T4754-2011標(biāo)準(zhǔn)，其余年份都是GB/T4754-2002標(biāo)準(zhǔn)，所以基于GB/T4754-2002標(biāo)準(zhǔn)的30個(gè)行業(yè)與IFR數(shù)據(jù)匹配為13個(gè)行業(yè)。兩者的差別在于橡膠與塑料制品業(yè)合并與否。工業(yè)企業(yè)行業(yè)分類與IFR行業(yè)匹配對(duì)照表囿于篇幅，未在正文呈現(xiàn)，如有讀者需要請(qǐng)向作者索取。

中國(guó)工業(yè)數(shù)據(jù)庫始自2008年，有一些指標(biāo)缺失。缺失的2008～2013 年的工業(yè)中間投入和工業(yè)增加值，本文采用“工業(yè)中間投入=產(chǎn)出值×銷售成本/銷售收入－工資支付－本年折舊”和“工業(yè)增加值=工業(yè)總產(chǎn)值+增值稅－工業(yè)中間投入”先后得出。參照已有文獻(xiàn)的處理方式[17]，將異常值刪除的標(biāo)準(zhǔn)設(shè)定如下：①刪除關(guān)鍵指標(biāo)如工業(yè)總產(chǎn)值、從業(yè)人員年平均人數(shù)、固定資產(chǎn)合計(jì)缺失或者小于等于0的觀測(cè)值。②對(duì)于明顯不符合會(huì)計(jì)原則的觀測(cè)值作刪除處理，如“資產(chǎn)總計(jì)<固定資產(chǎn)合計(jì)”“工業(yè)增加值>工業(yè)總產(chǎn)值”“工業(yè)中間投入>工業(yè)總產(chǎn)值”等。③剔除職工人數(shù)小于30、企業(yè)存活年限為零、負(fù)數(shù)和大于273的企業(yè)。④最后還對(duì)數(shù)據(jù)樣本進(jìn)行了上下1%的縮尾處理。

（三）變量定義

1.因變量：企業(yè)勞動(dòng)力雇傭數(shù)量jobest，是考察工業(yè)機(jī)器人的使用對(duì)勞動(dòng)力市場(chǎng)沖擊的影響表征，通過企業(yè)t時(shí)期的雇傭數(shù)量來體現(xiàn)。為了進(jìn)一步探討企業(yè)雇傭數(shù)量的變化，進(jìn)一步構(gòu)造了就業(yè)變動(dòng)率、就業(yè)創(chuàng)造率和就業(yè)消失率作為被解釋變量。關(guān)于就業(yè)變動(dòng)率、就業(yè)創(chuàng)造率和就業(yè)消失率的計(jì)算方法具體見下文。

2.核心解釋變量：機(jī)器人安裝量robotst是核心解釋變量，數(shù)據(jù)來源于IFR。

3.控制變量：參考Acemoglu & Restrepo[9]，Koch等[11]的做法，在檢驗(yàn)工業(yè)機(jī)器人對(duì)企業(yè)就業(yè)崗位雇傭的影響時(shí)，控制企業(yè)以下幾個(gè)基本特征：工資水平、生產(chǎn)率、行業(yè)規(guī)模、盈利能力、資本深化度。具體而言，工資水平是指人均工資水平；企業(yè)生產(chǎn)率是企業(yè)總產(chǎn)值/雇傭人數(shù)；行業(yè)規(guī)模指工業(yè)總產(chǎn)值；盈利能力指的是企業(yè)的利潤(rùn)總額；資本深化度指的是企業(yè)固定資產(chǎn)投入。表1匯總了變量定義。

三、實(shí)證結(jié)果分析

（一）就業(yè)總量影響分析

按照方程（1），表2報(bào)告了機(jī)器人對(duì)企業(yè)層面就業(yè)崗位雇傭影響的回歸結(jié)果。表2第一列和第二列在控制企業(yè)特征基礎(chǔ)上分別控制時(shí)間固定和行業(yè)固定效應(yīng)后，回歸結(jié)果顯示機(jī)器人的使用在總體上顯著降低了企業(yè)勞動(dòng)力的雇傭數(shù)量。在控制時(shí)間趨勢(shì)效應(yīng)、行業(yè)效應(yīng)和企業(yè)特征后，機(jī)器人的投入使用量每增加1%，則企業(yè)雇傭勞動(dòng)力下降1.41個(gè)百分點(diǎn)，且回歸系數(shù)在統(tǒng)計(jì)上通過1%的顯著性。

進(jìn)一步，考察樣本期內(nèi)規(guī)模以上的存續(xù)企業(yè)和新進(jìn)入或者退出規(guī)模以上企業(yè)的受影響程度。表2第三列顯示了樣本期內(nèi)存續(xù)企業(yè)的回歸結(jié)果，從系數(shù)可以看出，工業(yè)機(jī)器人的投入使用對(duì)存續(xù)企業(yè)的勞動(dòng)力雇傭也表現(xiàn)為負(fù)向影響，但系數(shù)相比總體影響較小，僅為-0.00627。第四列是樣本期內(nèi)非存續(xù)企業(yè)（即企業(yè)存在退出或新進(jìn)入的情形）的回歸結(jié)果，回歸系數(shù)顯著為-0.0157，工業(yè)機(jī)器人的投入使用每增加1%，非存續(xù)企業(yè)降低雇傭崗位數(shù)量為1.57個(gè)百分點(diǎn)。非存續(xù)企業(yè)的回歸系數(shù)顯著大于存續(xù)樣本?？赡艿慕忉屖谴胬m(xù)企業(yè)相對(duì)而言學(xué)習(xí)能力、應(yīng)變能力以及抗擊市場(chǎng)風(fēng)險(xiǎn)能力更強(qiáng)，因此機(jī)器人對(duì)其勞動(dòng)力需求影響相對(duì)較弱；非存續(xù)企業(yè)主要是包括新進(jìn)企業(yè)和退出企業(yè)，前者作為參與市場(chǎng)競(jìng)爭(zhēng)的“新兵”，面臨機(jī)器人的沖擊可能受到較大影響，而后者作為參與市場(chǎng)競(jìng)爭(zhēng)的“弱者”，自然更容易受到新技術(shù)的沖擊。進(jìn)一步地，將非存續(xù)企業(yè)劃分為新進(jìn)企業(yè)和退出企業(yè)，回歸系數(shù)都顯著為負(fù)，機(jī)器人對(duì)兩類企業(yè)的雇傭水平都表現(xiàn)為負(fù)向影響，而機(jī)器人對(duì)新進(jìn)企業(yè)的負(fù)向沖擊要大于退出企業(yè)的負(fù)向沖擊。這里需要強(qiáng)調(diào)的是，退出企業(yè)主要是指統(tǒng)計(jì)上從規(guī)模以上界定為規(guī)模以下，但還是可以說明退出企業(yè)相對(duì)于存續(xù)企業(yè)比較弱，退出企業(yè)相對(duì)于新進(jìn)企業(yè)畢竟還是“老兵”，因此受到機(jī)器人的影響相對(duì)較小。

（二）穩(wěn)健性檢驗(yàn)

1.沖擊滯后性影響

機(jī)器人的投入使用以及對(duì)勞動(dòng)力市場(chǎng)的沖擊存在時(shí)間滯后，將時(shí)間滯后予以考慮，用上一期人工智能數(shù)據(jù)替換當(dāng)期數(shù)據(jù)進(jìn)行回歸。表3為考慮時(shí)間滯后的回歸結(jié)果，從結(jié)果來看，考慮時(shí)間滯后效應(yīng)結(jié)果與基準(zhǔn)結(jié)果表2相比，效應(yīng)系數(shù)上相對(duì)較小，但是顯著性及對(duì)企業(yè)雇傭勞動(dòng)力的降低作用具有一致性，說明基準(zhǔn)回歸結(jié)果穩(wěn)健。

2.工具變量法

為了進(jìn)一步減輕可能與中國(guó)機(jī)器人在行業(yè)范圍內(nèi)的傳播以及勞動(dòng)力市場(chǎng)成果相關(guān)的混雜因素的干擾，利用機(jī)器人在其他國(guó)家/地區(qū)的行業(yè)水平傳播作為工具變量，旨在用來代表世界范圍內(nèi)的機(jī)器人技術(shù)前沿。[18]目前有Giuntella & Wang使用IFR數(shù)據(jù)在同一時(shí)期內(nèi)歐洲國(guó)家/地區(qū)中機(jī)器人的平均行業(yè)水平作為智能機(jī)器人使用的工具變量[19]，也有閆雪凌使用美國(guó)同一時(shí)期的智能機(jī)器人使用水平作為工具變量[14]。本文梳理了同一時(shí)期歐洲和美國(guó)地區(qū)智能機(jī)器人使用水平，發(fā)現(xiàn)我國(guó)使用工業(yè)機(jī)器人水平與美國(guó)類似，從2000年初至今有急劇增長(zhǎng)的趨勢(shì)。歐洲國(guó)家的機(jī)器人使用水平起步較早，增長(zhǎng)速度先增后減，很多行業(yè)在2010年前后達(dá)到投入使用峰值，因此以美國(guó)同期機(jī)器人使用水平作為我國(guó)工業(yè)機(jī)器人的工具變量更為合適。表4是2SLS二階段回歸的結(jié)果，第一階段回歸表明美國(guó)工業(yè)機(jī)器人的使用與我國(guó)同期工業(yè)機(jī)器人的使用具有顯著相關(guān)性，相關(guān)性系數(shù)顯著為0.896，且其F統(tǒng)計(jì)量為1054.28，遠(yuǎn)大于10，可以拒絕存在弱工具變量的原假設(shè)。第二階段的回歸系數(shù)為-0.0310，且統(tǒng)計(jì)上通過1%的顯著性。與基準(zhǔn)結(jié)果-0.0141相比，工具變量法的系數(shù)稍大，但在數(shù)量級(jí)上保持一致性，說明結(jié)果穩(wěn)健。

3.劃分不同行業(yè)

基準(zhǔn)回歸中按照IFR數(shù)據(jù)特征將行業(yè)分類為13個(gè)行業(yè)，這里按照GB/T4754-2002為基準(zhǔn)的兩位數(shù)行業(yè)大類，對(duì)保留的30個(gè)制造業(yè)行業(yè)進(jìn)行分析。從回歸結(jié)果表5來看，與表3的回歸結(jié)果相似，從就業(yè)變動(dòng)的增量上來看，具有顯著性增量。同時(shí)這種增量表現(xiàn)為創(chuàng)造和消失效應(yīng)，創(chuàng)造效應(yīng)不顯著，消失效應(yīng)顯著。行業(yè)類型的不同劃分佐證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

（三）異質(zhì)性分析

1.所有制類型分類

按照企業(yè)所有制類型，將企業(yè)分為國(guó)有和非國(guó)有兩種類型。表6顯示了工業(yè)機(jī)器人對(duì)國(guó)有企業(yè)、非國(guó)有企業(yè)、存續(xù)和新進(jìn)或退出國(guó)有企業(yè)和非國(guó)有企業(yè)影響的差異。第一列和第二列是國(guó)有企業(yè)和非國(guó)有企業(yè)整體上的比較，工業(yè)機(jī)器人的使用降低了國(guó)有企業(yè)和非國(guó)有企業(yè)的勞動(dòng)力雇傭數(shù)量，每提升工業(yè)機(jī)器人的使用量1%，將降低國(guó)有企業(yè)和非國(guó)有企業(yè)的勞動(dòng)力雇傭1.29和1.40個(gè)百分點(diǎn)，國(guó)有企業(yè)和非國(guó)有企業(yè)整體上受到的沖擊效應(yīng)較為接近。但從第三和第四列看，存續(xù)國(guó)有企業(yè)和存續(xù)非國(guó)有企業(yè)的差異較大，工業(yè)機(jī)器人的使用對(duì)存續(xù)非國(guó)有企業(yè)的勞動(dòng)力雇傭有顯著影響，但對(duì)存續(xù)國(guó)有企業(yè)影響不顯著。從第五和第六列看，工業(yè)機(jī)器人的使用對(duì)非存續(xù)企業(yè)，無論是國(guó)有企業(yè)和非國(guó)有企業(yè)都有顯著的負(fù)向作用，對(duì)非存續(xù)非國(guó)有企業(yè)的影響更甚。對(duì)非存續(xù)樣本①①囿于篇幅原因，針對(duì)非存續(xù)樣本中的新進(jìn)入和退出企業(yè)回歸結(jié)果未在正文展示 ，讀者可向作者索要。從所有制類型來看，國(guó)有企業(yè)的雇員制度較為穩(wěn)定，而非國(guó)有企業(yè)員工流動(dòng)性大，對(duì)雇傭成本敏感。因此，相比非國(guó)有企業(yè)，擁有勞動(dòng)力成本和資本成本不敏感特征的國(guó)有企業(yè)受到的工業(yè)機(jī)器人的沖擊更小。

2.要素密集型分類

按照產(chǎn)品所在行業(yè)的不同要素類型，將企業(yè)分為勞動(dòng)密集型、技術(shù)密集型、資本密集型。從表7的1～3列和7～9列來看，全樣本企業(yè)和非存續(xù)樣本企業(yè)受到工業(yè)機(jī)器人的沖擊效應(yīng)相差不大，工業(yè)機(jī)器人對(duì)其都有顯著的負(fù)向影響。同時(shí)，工業(yè)機(jī)器人的使用對(duì)勞動(dòng)密集型企業(yè)、技術(shù)密集型企業(yè)、資本密集型企業(yè)的影響呈逐步遞增的趨勢(shì)，工業(yè)機(jī)器人的使用每提升1%，勞動(dòng)密集型和技術(shù)密集型企業(yè)勞動(dòng)力雇傭數(shù)量降低1～2個(gè)百分點(diǎn)，但對(duì)于資本密集型企業(yè)則降低5個(gè)百分點(diǎn)。對(duì)于存續(xù)樣本，技術(shù)密集型企業(yè)受到的沖擊不顯著，勞動(dòng)和資本密集型受到顯著影響，但影響系數(shù)相較于全樣本和非存續(xù)樣本企業(yè)較為微弱。從要素類型來看，資本密集型企業(yè)有資本優(yōu)勢(shì)，更有能力購買和使用工業(yè)機(jī)器人；勞動(dòng)密集型企業(yè)對(duì)成本敏感度高，且生產(chǎn)率較低，故相對(duì)而言使用工業(yè)機(jī)器人的成本更高，采用工業(yè)機(jī)器人的可能性較小，只有當(dāng)采用工業(yè)機(jī)器人的成本低于使用勞動(dòng)力成本時(shí)密集型企業(yè)才有可能大規(guī)模使用工業(yè)機(jī)器人。現(xiàn)有階段使用工業(yè)機(jī)器人還處于有條件門檻階段，因此工業(yè)機(jī)器人對(duì)資本密集型、技術(shù)密集型和勞動(dòng)密集型的影響相對(duì)逐漸遞減。

3.企業(yè)規(guī)模分類

按照企業(yè)雇傭規(guī)模的大小，將企業(yè)分為30～300人②②前文樣本限制中已將企業(yè)雇傭規(guī)模人數(shù)設(shè)定為30人以上。，300～1000人及1000人以上三種規(guī)模類型，回歸結(jié)果見表8。對(duì)于1000人以上企業(yè)影響不顯著，無論是全樣本、存續(xù)樣本還是非存續(xù)樣本。對(duì)于1000人以下企業(yè)，工業(yè)機(jī)器人對(duì)30～300人企業(yè)的沖擊大于300～1000人的企業(yè)，說明工業(yè)機(jī)器人降低了相對(duì)較小企業(yè)的雇傭數(shù)量，這與Koch 等[11]的研究結(jié)論具有一致性，即企業(yè)規(guī)模越大，規(guī)模效應(yīng)越突出，生產(chǎn)率越高，工業(yè)機(jī)器人的使用將促進(jìn)企業(yè)生產(chǎn)率的進(jìn)一步提升，從而可能擴(kuò)大規(guī)模；相反由于小規(guī)模企業(yè)的競(jìng)爭(zhēng)力相對(duì)較弱，工業(yè)機(jī)器人將降低企業(yè)的勞動(dòng)力雇傭，呈現(xiàn)出勞動(dòng)力從小企業(yè)流向大企業(yè)的趨勢(shì)。

4.企業(yè)出口與否

按照工業(yè)企業(yè)數(shù)據(jù)庫中出口交貨值的記錄，將企業(yè)劃分為出口企業(yè)和非出口企業(yè)，回歸結(jié)果見表9?？傮w來看，工業(yè)機(jī)器人的使用對(duì)非出口企業(yè)影響更大，相同數(shù)量的工業(yè)機(jī)器人的使用引發(fā)的降低非出口企業(yè)雇傭的數(shù)量是出口企業(yè)雇傭數(shù)量的2倍以上。對(duì)于非存續(xù)樣本，此趨勢(shì)依然存在。但對(duì)于存續(xù)樣本，出口企業(yè)受到的影響不顯著?？赡艿慕忉屖浅隹谄髽I(yè)相比較于非出口企業(yè)競(jìng)爭(zhēng)力更強(qiáng)，生產(chǎn)率更高，與新技術(shù)互補(bǔ)作用更強(qiáng)，因此工業(yè)機(jī)器人對(duì)非出口企業(yè)的沖擊效應(yīng)更強(qiáng)，顯著降低了非出口企業(yè)的雇傭數(shù)量，相反對(duì)于出口企業(yè)的沖擊則較弱。

（四）就業(yè)變動(dòng)影響分析：創(chuàng)造效應(yīng)抑或消失效應(yīng)

表2已經(jīng)顯示了人工智能使用下企業(yè)勞動(dòng)力雇傭數(shù)量的變化。這種變化的來源可能有兩種類型：一種是由現(xiàn)存企業(yè)引致的就業(yè)變化，一些現(xiàn)存企業(yè)可能會(huì)創(chuàng)造新的工作機(jī)會(huì)，而另一些企業(yè)可能會(huì)減少工作機(jī)會(huì)；另一種則是由新進(jìn)入市場(chǎng)的企業(yè)或者剛退出市場(chǎng)的企業(yè)引致的就業(yè)變化。

表10顯示了在行業(yè)層面上，工業(yè)機(jī)器人產(chǎn)生的就業(yè)變動(dòng)、就業(yè)創(chuàng)造和就業(yè)消失效應(yīng)的大小。從回歸系數(shù)來看，整體上工業(yè)機(jī)器人引發(fā)的就業(yè)變動(dòng)為0.00660，可以理解為就業(yè)增量上的增加，但系數(shù)沒有通過統(tǒng)計(jì)上的顯著性。進(jìn)一步來看分解后的就業(yè)創(chuàng)造效應(yīng)和就業(yè)消失效應(yīng)，就業(yè)創(chuàng)造效應(yīng)的回歸系數(shù)為0.00321，同樣沒有通過統(tǒng)計(jì)的顯著性，但是就業(yè)消失效應(yīng)顯著為-0.00361，且通過統(tǒng)計(jì)上的5%的顯著性，表明工業(yè)機(jī)器人的投入使用帶來了就業(yè)的創(chuàng)造和就業(yè)消失效應(yīng)，但顯著表現(xiàn)為就業(yè)消失效應(yīng)。

表11是對(duì)就業(yè)創(chuàng)造效應(yīng)的兩個(gè)來源進(jìn)行的分解，來自存續(xù)企業(yè)和來自新進(jìn)企業(yè)的創(chuàng)造效應(yīng)，從回歸結(jié)果來看，來自存續(xù)企業(yè)的創(chuàng)造效應(yīng)和來自新進(jìn)企業(yè)的創(chuàng)造效應(yīng)都不顯著。表12是對(duì)就業(yè)消失效應(yīng)的兩個(gè)來源進(jìn)行的分解，來自存續(xù)企業(yè)和消失企業(yè)的消失效應(yīng)，從回歸結(jié)果來看，來自存續(xù)企業(yè)的消失效應(yīng)不顯著，而來自消失企業(yè)的就業(yè)消失效應(yīng)顯著為-0.00316，且與整體上的就業(yè)消失效應(yīng)-0.00361相差不大，說明工業(yè)機(jī)器人引致的就業(yè)消失效應(yīng)主要來自消失企業(yè)，工業(yè)機(jī)器人對(duì)存續(xù)企業(yè)的消失效應(yīng)很小。

四、結(jié)論與啟示

伴隨著工業(yè)機(jī)器人在制造業(yè)的快速推廣和應(yīng)用，機(jī)器人對(duì)制造業(yè)企業(yè)雇傭的沖擊程度以及可能的機(jī)理尚未得到明晰的實(shí)證分析和解釋。本文基于微觀工業(yè)企業(yè)數(shù)據(jù)展開實(shí)證分析和機(jī)理探討。運(yùn)用2006～2013年中國(guó)工業(yè)企業(yè)數(shù)據(jù)，首先衡量了工業(yè)機(jī)器人對(duì)絕對(duì)雇傭數(shù)量的沖擊程度，實(shí)證發(fā)現(xiàn)，機(jī)器人的使用降低了整體上的企業(yè)雇傭數(shù)量，機(jī)器人使用每提升1%，企業(yè)雇傭減少1.41%。其中對(duì)于存續(xù)企業(yè)的降低作用為0.627%，對(duì)于非存續(xù)企業(yè)的降低作用為1.57%。工業(yè)機(jī)器人對(duì)存續(xù)企業(yè)的雇傭影響較小，作為一種新技術(shù)的運(yùn)用更大程度上通過企業(yè)雇傭行為可能間接影響了企業(yè)主營(yíng)業(yè)務(wù)收入的變動(dòng)，進(jìn)而導(dǎo)致其進(jìn)入或退出規(guī)模以上企業(yè)。進(jìn)一步將機(jī)器人就業(yè)效應(yīng)分解為就業(yè)創(chuàng)造效應(yīng)和就業(yè)消失效應(yīng)對(duì)企業(yè)雇傭進(jìn)行微觀機(jī)制解釋，工業(yè)機(jī)器人對(duì)就業(yè)顯著表現(xiàn)為就業(yè)消失效應(yīng)，就業(yè)創(chuàng)造效應(yīng)不顯著，整體上表現(xiàn)為崗位雇傭的下降趨勢(shì)。最后闡述工業(yè)機(jī)器人的應(yīng)用對(duì)哪一種類型企業(yè)的勞動(dòng)力雇傭影響更大？研究發(fā)現(xiàn)機(jī)器人對(duì)非國(guó)有企業(yè)的沖擊效應(yīng)更大；對(duì)資本密集型、技術(shù)密集型和勞動(dòng)密集型的影響逐漸減弱。與此同時(shí)，企業(yè)規(guī)模越小，機(jī)器人的沖擊效應(yīng)越大，并且隨著企業(yè)規(guī)模擴(kuò)大，機(jī)器人對(duì)企業(yè)的負(fù)向作用越弱；相比競(jìng)爭(zhēng)力較強(qiáng)的出口企業(yè)，機(jī)器人對(duì)非出口企業(yè)的沖擊效應(yīng)更強(qiáng)，顯著降低了非出口企業(yè)的雇傭數(shù)量。

啟示主要有：1.人工智能作為一種新型的技術(shù)進(jìn)步，能夠做到穩(wěn)就業(yè)的同時(shí)提供經(jīng)濟(jì)發(fā)展質(zhì)量。實(shí)證分析雖然發(fā)現(xiàn)機(jī)器人在總量上面抑制了勞動(dòng)力需求，但是在增量上面還是產(chǎn)生了就業(yè)創(chuàng)造效應(yīng)，機(jī)器人的就業(yè)消失效應(yīng)也主要出現(xiàn)在退出企業(yè)中，說明機(jī)器人作為一種新型的技術(shù)，短期內(nèi)可以淘汰哪些行業(yè)內(nèi)部競(jìng)爭(zhēng)力相對(duì)弱的企業(yè)，中長(zhǎng)期內(nèi)可以通過行業(yè)競(jìng)爭(zhēng)力提高整個(gè)行業(yè)的勞動(dòng)力需求。2.機(jī)器人不是一種簡(jiǎn)單的行業(yè)“顛覆者”，而是一個(gè)和諧的再造者。人工智能作為一種新型的技術(shù)平臺(tái)，在實(shí)現(xiàn)原有勞動(dòng)自動(dòng)化的同時(shí)，能夠?yàn)椴煌瑢用娴膭趧?dòng)力創(chuàng)造更多的需求，實(shí)現(xiàn)不同技能勞動(dòng)者的需求互補(bǔ)。3.客觀看待總量控制和結(jié)構(gòu)優(yōu)化之間的矛盾。作為一種新型的技術(shù)進(jìn)步，必然在總量上對(duì)就業(yè)市場(chǎng)產(chǎn)生顯著的負(fù)向沖擊，但是這種沖擊可能是短期的，是建立在中長(zhǎng)期結(jié)構(gòu)優(yōu)化和新需求創(chuàng)造基礎(chǔ)上的，因此，政策層面依然應(yīng)該大力鼓勵(lì)和推廣人工智能在各行各業(yè)的應(yīng)用。

參考文獻(xiàn)：

[1]麥肯錫報(bào)告[OL].https：//www.mckinsey.com/featured-insights/future-of-work/jobs-lost-jobs-gained-what-the-future-of-work-will-mean-for-jobs-skills-and-wages.

[2]機(jī)器人產(chǎn)業(yè)聯(lián)盟年會(huì)報(bào)告[OL].http：//news.sciencenet.cn/htmlnews/2020/1/434777.

[3]Acemoglu， D.， and Restrepo， P. Artificial Intelligence， Automation and Work[J]. NBER Working Paper， 2018a.

[4]Acemoglu， D.， and Restrepo， P. The Race between Machine： Implication of Technology for Growth， Factor Shares and Employment[J]. American Economic Review，2018b，108（6） ：1488～1542．

[5]Acemoglu， D.， and Restrepo， P. Low-Skill and High-Skill Automation[J]．Journal of Human Capital，2018c， 12（2） ：204～232．

[6]Acemoglu D， Restrepo P. Automation and New Tasks： How Technology Displaces and Reinstates Labor[J]. Journal of Economic Perspectives， 2019， 33（2）： 3～30.

[7]Bessen J E. Al and Jobs：The Role of Demand[J].National Bureau of Economic Research，2018.

[8]Sachs， J. D.， Benzell， S. G.， & LaGarda， G. （2015）.Robots： Curse or Blessing？ A Basic Framework（No. w21091）. National Bureau of Economic Research.

[9]Acemoglu， D.， and Restrepo， P. Robots and Jobs： Evidence from US Labor Markets[J]. NBER Working Paper， 2017.

[10]Graetz， G.， and Michaels， G. Robots at work[J]. Review of Economics and Statistics，2018，100 （5）：753～768.

[11]Koch，M.， Manuylov， I.， and Smolka， M. Robots and Firms [J]. CESifo Working Paper No. 7608， 2019.

[12]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（3）：6～21.

[13]王林輝，胡晟明，董直慶.人工智能技術(shù)會(huì)誘致勞動(dòng)收入不平等嗎——模型推演與分類評(píng)估[J].中國(guó)工業(yè)經(jīng)濟(jì)，2020（4）：97～115.

[14]閆雪凌，朱博楷，馬超.工業(yè)機(jī)器人使用與制造業(yè)就業(yè)：來自中國(guó)的證據(jù)[J].統(tǒng)計(jì)研究，2020（1）：74～87.

[15]孔高文，劉莎莎，孔東民.機(jī)器人與就業(yè)：基于行業(yè)與地區(qū)異質(zhì)性的探索性分析[J].中國(guó)工業(yè)經(jīng)濟(jì)，2020（8）.

[16]劉剛，席江浩.中國(guó)人工智能科技產(chǎn)業(yè)發(fā)展的報(bào)酬遞增機(jī)制——以廣東省為例[J].河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2022（6）：1～11；82.

[17]張少華，李蘇蘇. 中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫（1999～2013）的使用研究：基于插值處理方法的比較分析[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2021（5）：20～29.

[18]Acemoglu， D.， and Restrepo， P“The Race between Machine and Man：Implications of Technology for Growth，F(xiàn)actor Sha ares and Employment."The American Economic Review，2018，108（6）：1488～1542.

[19]Giuntella， O.， and Wang， T. Is an Army of Robots Marching on Chinese jobs？[J]. IZA DP No.12281， 2019.

[20]Davis， S. J.， and Haltiwanger， J.Gross Job Creation，Gross Job Destruction，and Employment Reallocation.Quarterly Journalof Economics[J]，1992，107（3）：819～863.

[21]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（12）：68～80.

The Impact of AI on Employment in Enterprises：A Study on Aggregate， Source and Heterogeneity

YE Xiangsong，LI Meiling，PAN Liqun

（School of Economics and Statistics， Guangzhou University， Guangzhou， Guangdong? 510006，China）

Abstract：The existing research on the impact of artificial intelligence on the employment of micro enterprises in China mainly uses industry data， focusing on analyzing the impact of artificial intelligence on the total employment at the industry level， neglecting the significant industry impact that micro enterprises will have when using robots. There is no in-depth analysis of the impact of robot use on different enterprises within the industry， and there is no further direct comprehensive analysis of job creation and job destruction in micro-enterprises. By matching the industrial robot data provided by the International Federation of Robotics with the data of Chinese industrial enterprises， we can empirically analyze the employment effects of robots on Chinese micro enterprises in terms of total quantity， heterogeneity， and increment. Research has found that in terms of total quantity， robots significantly reduce the number of labor employed by enterprises. For every 1% increase in robot investment， the labor demand of enterprises will decrease by 1.41%. In terms of heterogeneity， robots have a greater impact on non-state-owned enterprises; the impact on capital intensive， technology intensive， and labor intensive industries is gradually weakening. In terms of increment， robots can both create and destruct jobs， but the significant effect is the job destruction， which mainly occurs in exiting enterprises rather than surviving enterprises. This conclusion has important theoretical value and practical guidance significance for the direction and mode of technological progress， the driving force of economic growth， and the implementation of employment security in China.

Key words：robot；job growth；job creation；job destruction

責(zé)任編輯：蕭敏娜