人工智能、勞資關(guān)系與勞動收入份額

摘要：基于馬克思主義政治經(jīng)濟(jì)學(xué)理論視角考察人工智能對勞動收入份額的作用機(jī)理，通過構(gòu)造59個國家2001—2019年的平衡面板數(shù)據(jù)并采用面板向量自回歸（PVAR）模型研究發(fā)現(xiàn)：（1）人工智能自身的技術(shù)屬性不僅能夠通過提高資本技術(shù)構(gòu)成所產(chǎn)生的勞動力擠出效應(yīng)降低勞動收入份額，還會通過其就業(yè)創(chuàng)造效應(yīng)提升勞動收入份額；（2）人工智能作為使用價值生產(chǎn)的要素投入，將和普通物質(zhì)資本的深化一同影響勞動收入份額變動，特別是在發(fā)展中國家或人工智能使用規(guī)模小的國家，人工智能使用增加會對勞動收入份額產(chǎn)生顯著的負(fù)向影響；（3）人工智能的應(yīng)用還將通過影響勞資關(guān)系變動而影響勞動收入份額變化，尤其是在發(fā)展中國家，人工智能的應(yīng)用將抑制勞動收入份額下降。因此，在搶抓人工智能發(fā)展機(jī)遇的同時，還要客觀認(rèn)識人工智能發(fā)展對社會就業(yè)和勞動收入份額帶來的沖擊與機(jī)遇，尤其要通過加快形成新質(zhì)生產(chǎn)力實(shí)現(xiàn)勞動收入份額的持續(xù)提升。

關(guān)鍵詞：人工智能；勞資關(guān)系；勞動收入份額；資本有機(jī)構(gòu)成；勞資議價能力；新質(zhì)生產(chǎn)力

文獻(xiàn)標(biāo)識碼：A文章編號：1002-2848-2024（05）-0089-16

一、問題提出

人工智能的快速發(fā)展，引起了全社會對“機(jī)器替代人”的普遍擔(dān)憂，成為廣受關(guān)注的熱點(diǎn)研究問題[1]。工業(yè)智能化的快速發(fā)展對勞動力市場造成了巨大沖擊，深刻影響著勞動收入份額的變動。2000—2019年，世界工業(yè)機(jī)器人存量呈現(xiàn)指數(shù)型增長態(tài)勢，如圖1所示。2000—2009年，人工智能發(fā)展初期工業(yè)機(jī)器人存量增速較為緩慢，從2000年的75萬臺增加到2009年的102萬臺，隨后迅猛增長到2019年的273萬臺。

在資本主義社會，生產(chǎn)資料私有制是致使無產(chǎn)階級陷入貧困的制度根源，資本主義生產(chǎn)的條件就是“資本積聚（或資本的龐大堆積）在少數(shù)人手中”[2]552。為了獲取盡可能多的剩余價值，資本家有盡可能壓低工人工資的內(nèi)在沖動。在資本積累和資本家收入的增長過程中，“失去生存資料的、貧困的勞動能力即‘勞動貧民’的數(shù)量也增加”[2]499，使得失去生產(chǎn)資料的單個勞動者“在以私有權(quán)為前提的社會生產(chǎn)方式的各種可能的轉(zhuǎn)化形態(tài)下赤貧化” [2]582。新卡萊茨基學(xué)派對20世紀(jì)80年代以來金融主導(dǎo)的資本主義體制做了進(jìn)一步思考，認(rèn)為這一體制激化了資本主義生產(chǎn)社會化和生產(chǎn)資料私人占有之間的矛盾，造成了收入分配差距擴(kuò)大[3]。在當(dāng)今智能化時代，許多學(xué)者越來越關(guān)注機(jī)器人等智能化技術(shù)對勞動者就業(yè)特別是勞動收入份額的作用，對于勞動收入份額問題的研究依然具有重要的理論意義與實(shí)踐價值。

事實(shí)上，從馬克思主義政治經(jīng)濟(jì)學(xué)視角，資本有機(jī)構(gòu)成將隨著社會生產(chǎn)力的發(fā)展不斷提高，可變資本所占份額不斷下降，而人工智能作為當(dāng)今智能化時代助推社會生產(chǎn)力快速發(fā)展的強(qiáng)大驅(qū)動力，又會對資本有機(jī)構(gòu)成產(chǎn)生重要影響。與此同時，人工智能增長不僅會直接影響生產(chǎn)力，還會影響生產(chǎn)關(guān)系，并由此作用到勞動收入份額變動。鑒于此，本文將立足馬克思主義政治經(jīng)濟(jì)學(xué)視角，從理論模型中推導(dǎo)出實(shí)證假設(shè)檢驗(yàn)?zāi)Ｐ停钊肟疾烊斯ぶ悄軐趧邮杖敕蓊~的影響。

當(dāng)前，人工智能迅猛發(fā)展，技術(shù)進(jìn)步及其所產(chǎn)生的經(jīng)濟(jì)社會影響備受關(guān)注。例如，分析人工智能在整個勞動力市場的替代效應(yīng)[4]，分析人工智能或產(chǎn)業(yè)智能化對經(jīng)濟(jì)增長的積極影響[5]，等等。Frey等[1]利用美國勞工部對職業(yè)分類的數(shù)據(jù)，將不同職業(yè)歸納為低、中、高三種風(fēng)險類別，發(fā)現(xiàn)未來可能有近半數(shù)的職業(yè)被人工智能所取代。David[6]研究發(fā)現(xiàn)，在不遠(yuǎn)的將來，日本就業(yè)市場將會有大約55%的崗位被智能化取代。王永欽等[7]研究發(fā)現(xiàn)，人工智能的滲透度每增加1個百分點(diǎn)，企業(yè)的雇傭人數(shù)就會下降0.18個百分點(diǎn)?？傮w上，多數(shù)學(xué)者認(rèn)為人工智能對勞動力市場有著不容忽視的替代效應(yīng)。當(dāng)然，也有學(xué)者對人工智能發(fā)展背景下的勞動力就業(yè)保持樂觀態(tài)度。例如，Trajtenberg[8]認(rèn)為盡管人工智能的發(fā)展會在短期內(nèi)對就業(yè)產(chǎn)生一定沖擊，但在長期中其創(chuàng)造效應(yīng)將愈發(fā)明顯，最終對勞動力就業(yè)形成正向沖擊。Acemoglu等[4]研究發(fā)現(xiàn)，雖然勞動力在人工智能背景下有被替代的風(fēng)險，但人工智能同時也可以通過崗位創(chuàng)造效應(yīng)拉動就業(yè)增長。此外，人工智能的發(fā)展還可以提高社會的全要素生產(chǎn)率，降低相關(guān)產(chǎn)品的市場價格，從而通過總需求擴(kuò)張效應(yīng)刺激企業(yè)擴(kuò)大生產(chǎn)規(guī)模，推動就業(yè)水平提高[9]。

除了對勞動力需求數(shù)量方面的影響以外，人工智能的影響還將進(jìn)一步體現(xiàn)在它對勞動力市場結(jié)構(gòu)以及勞動收入份額的作用上。一方面，人工智能在生產(chǎn)過程中的應(yīng)用將導(dǎo)致就業(yè)兩極分化。特別是人工智能對一些易于替代的工作會產(chǎn)生更大的影響[10]，而那些只需要人工智能起輔助作用以至于幾乎難以被取代的工作受到?jīng)_擊的可能性較小[11]。另一方面，人工智能不僅會影響就業(yè)崗位的增減，也會對勞動力的收入水平產(chǎn)生沖擊，因此勞動收入份額的變動更是學(xué)者關(guān)注的重點(diǎn)。已有研究從工人的議價能力[12]、市場結(jié)構(gòu)[13]和資本市場配置效率[14]等不同影響因素探討了勞動收入份額的變動。具體到人工智能對勞動收入份額的影響方面，不少學(xué)者強(qiáng)調(diào)人工智能對勞動收入份額的負(fù)向作用[15-16]。譬如，工業(yè)機(jī)器人數(shù)與工人數(shù)之比每增長1‰則工資水平會降低0.25～0.50個百分點(diǎn)[17]。此外，還有學(xué)者認(rèn)為，人工智能服務(wù)或人工智能擴(kuò)展型技術(shù)提高都會導(dǎo)致勞動收入份額發(fā)生變動[11]，工業(yè)機(jī)器人的應(yīng)用在長期中會促進(jìn)勞動收入份額提高[15]。

事實(shí)上，從馬克思主義政治經(jīng)濟(jì)學(xué)角度看，人工智能在生產(chǎn)過程中的廣泛應(yīng)用不僅會通過生產(chǎn)力變化而影響到勞動者的就業(yè)與收入份額，而且會通過影響生產(chǎn)關(guān)系作用到勞資關(guān)系和勞動者在勞資關(guān)系中的議價能力（下文簡稱“議價能力”），進(jìn)而影響勞動者的收入份額變動。已有學(xué)者在不同程度上關(guān)注人工智能對勞資關(guān)系的影響，發(fā)現(xiàn)人工智能將導(dǎo)致資本由剝削剩余價值向剝奪工人勞動及生存權(quán)利轉(zhuǎn)化[18]；人工智能崛起將導(dǎo)致所有制關(guān)系新控制性、勞資關(guān)系新對抗性以及財(cái)富分配關(guān)系新不平等性等方面生產(chǎn)關(guān)系的新變化[19]；工業(yè)機(jī)器人應(yīng)用背景下，企業(yè)下調(diào)工資水平和減少隱性福利是導(dǎo)致勞動關(guān)系惡化的主要渠道[20]。

綜上可知，已有研究集中于探討人工智能作為技術(shù)進(jìn)步導(dǎo)致的技術(shù)偏向性，進(jìn)而影響勞動收入份額，但基本上都是從人工智能或勞資關(guān)系的某個單一因素視角剖析勞動收入份額的變動，而忽視了人工智能對生產(chǎn)力和生產(chǎn)關(guān)系的作用機(jī)制，及其對勞動收入份額產(chǎn)生的聯(lián)動影響。鑒于此，本文選取59個國家的面板數(shù)據(jù)，旨在考察人工智能和勞資關(guān)系之間的動態(tài)變化關(guān)系以及由此影響的勞動收入份額變動，并進(jìn)一步分析人工智能發(fā)展與勞動收入份額之間的內(nèi)生作用機(jī)制在不同類型國家中的作用差異。

二、理論分析與研究假說

人工智能作為當(dāng)今重要的生產(chǎn)要素，必然會對社會生產(chǎn)力和生產(chǎn)方式產(chǎn)生重要影響。雖然已有研究普遍認(rèn)為人工智能會拉低勞動收入份額[15-16]，但是依然缺乏一個由人工智能使用規(guī)模擴(kuò)大作用到資本技術(shù)構(gòu)成，進(jìn)而影響到勞動收入份額的作用機(jī)制。事實(shí)上，在生產(chǎn)力的內(nèi)部構(gòu)成層面，馬克思從社會生產(chǎn)過程中的物化勞動與活勞動之間的內(nèi)在結(jié)構(gòu)關(guān)系界定了資本有機(jī)構(gòu)成，進(jìn)而考察了社會生產(chǎn)力發(fā)展對資本有機(jī)構(gòu)成變動趨勢的影響。因?yàn)椤吧a(chǎn)過程可能擴(kuò)大的比例不是任意規(guī)定的，而是技術(shù)上規(guī)定的”[21]91，而這一規(guī)定則是通過生產(chǎn)過程中所投入和使用的生產(chǎn)資料與勞動力之間的比例亦即資本技術(shù)構(gòu)成而體現(xiàn)出來的。在把價值因素納入進(jìn)來后，資本有機(jī)構(gòu)成（k）則可以用不變資本（C）和可變資本（V）之間的比例來測度，從而它是“由資本技術(shù)構(gòu)成決定并且反映這種技術(shù)構(gòu)成的資本價值構(gòu)成”[22]163。

為了更好地分析人工智能作為一種特殊的資本對經(jīng)濟(jì)的影響，將資本有機(jī)構(gòu)成表示為：

k=C/V，k=C/V=C+C/V+V （1）

其中，k為不考慮人工智能技術(shù)影響的資本有機(jī)構(gòu)成，k為受人工智能技術(shù)影響的資本有機(jī)構(gòu)成；C為普通資本的固定投資；C 為與人工智能相關(guān)的資本的固定投資；相應(yīng)地，V 為使用普通資本的工人的工資總額，V為使用人工智能資本工人的工資總額。需要說明的是，盡管人工智能作為智能化的機(jī)器設(shè)備系統(tǒng)，不僅是復(fù)雜勞動的物化，而且需要勞動復(fù)雜程度較高的勞動者進(jìn)行操作，然而，人工智能在本質(zhì)上是相對復(fù)雜的生產(chǎn)工具，其本身不會創(chuàng)造價值，而需要借助操控人工智能的復(fù)雜勞動來創(chuàng)造新價值以及轉(zhuǎn)移人工智能自身的價值。因此，從這一層面看，人工智能的使用與普通生產(chǎn)資料或不變資本的使用一樣，均可以提升資本有機(jī)構(gòu)成，其差別主要在于它們所需要匹配不同勞動復(fù)雜程度的勞動力。

基于馬克思資本有機(jī)構(gòu)成理論以及對資本主義生產(chǎn)關(guān)系中作出資本家占有全部的剩余價值而工人不儲蓄的基本假設(shè)，勞動收入一定程度上與可變資本一致，故勞動收入份額可寫成：

l=V/Y=V/C+V+M=1/k+1+m （2）

其中，l為勞動收入份額6a1cc98c6785cae898a52c4066839864，Y為總產(chǎn)出，M為剩余價值，m為剩余價值率。由此可以發(fā)現(xiàn)，勞動收入份額與資本有機(jī)構(gòu)成呈負(fù)相關(guān)關(guān)系，也就意味著資本有機(jī)構(gòu)成的增加會導(dǎo)致勞動收入份額的減少。可見，技術(shù)進(jìn)步致使資本技術(shù)構(gòu)成不斷提高，將使得不變資本的增長高于可變資本的增長，導(dǎo)致資本有機(jī)構(gòu)成不斷提高，進(jìn)而擠壓勞動收入所占的份額（如圖2所示）。

事實(shí)上，馬克思在分析資本主義機(jī)器大工業(yè)時指出，在機(jī)器成為某一生產(chǎn)部門的生產(chǎn)基礎(chǔ)和普遍條件后，機(jī)器將“隨著自己的改良而把工人排擠出去”[2]15，即“使用機(jī)器的公式在于……縮減工人人數(shù)”[2]197，以形成數(shù)量龐大而又符合資本增殖需要的產(chǎn)業(yè)與勞動后備軍。因此，資本主義生產(chǎn)的普遍趨勢便是“在所有生產(chǎn)部門中用機(jī)器代替人的勞動”[2]194。此時，不僅“工人是否還能是工人”會成為問題的焦點(diǎn)[23]119，而且“大工業(yè)把工資壓得越來越低”[24]82。人工智能作為一種先進(jìn)的自動化、智能化生產(chǎn)設(shè)備，必將會強(qiáng)化資本對勞動者排擠力度。

需強(qiáng)調(diào)的是，人工智能作為當(dāng)代先進(jìn)生產(chǎn)力的重要組成部分，還能夠進(jìn)行崗位創(chuàng)造及提高勞動生產(chǎn)率。一方面，人工智能的使用增加能夠擴(kuò)大對高技能勞動力的需求[25]，具有就業(yè)創(chuàng)造效應(yīng)[8]。因此，人工智能所伴隨的技術(shù)溢出與擴(kuò)散效應(yīng)有助于創(chuàng)造更多工作崗位，有利于緩解就業(yè)壓力，提升勞動收入份額。另一方面，一個行業(yè)中的人工智能使用增加，可提升生產(chǎn)效率[9]，由此導(dǎo)致勞動者工資上升。譬如，工人可以利用人工智能領(lǐng)域的機(jī)器學(xué)習(xí)方法更加快速地處理問題，提高生產(chǎn)率[26]。綜合以上分析，本文提出如下假說：

假說1：就人工智能對生產(chǎn)力的影響而言，人工智能的技術(shù)屬性會通過提高資本技術(shù)構(gòu)成所產(chǎn)生的勞動力擠出效應(yīng)而顯著降低勞動收入份額。同時，人工智能還會通過崗位創(chuàng)造及勞動生產(chǎn)率提高提升勞動收入份額。

人工智能的應(yīng)用在直接替代勞動力的同時，還將影響生產(chǎn)過程中的普通物質(zhì)資本存量變動，由此進(jìn)一步影響勞動收入份額變動。有鑒于此，本文在王藝明[27]的馬克思主義理論模型基礎(chǔ)上引入人工智能這一特殊資本，將資本家和工人抽象為一般化的經(jīng)濟(jì)主體。為貼近現(xiàn)實(shí)經(jīng)濟(jì)規(guī)律，放寬“工人階級無任何儲蓄、資本家無消費(fèi)”的前提假設(shè)，因?yàn)橘Y本家與工人的區(qū)別主要在于資本家在初期擁有大量的生產(chǎn)資料，而工人則不然。盡管工人可以儲蓄，但其資產(chǎn)的增加速度難以使其達(dá)到資本家的水平，故而工人的地位也保持穩(wěn)定[27]。在商品生產(chǎn)的技術(shù)方面，當(dāng)前研究為了考慮多種商品的生產(chǎn)情況普遍采用線性生產(chǎn)函數(shù)，從而較難解釋馬克思關(guān)于人工智能作為一種特殊的生產(chǎn)資料進(jìn)入勞動過程的情況，給進(jìn)一步分析勞動收入份額的非線性變化帶來了困難。因?yàn)楫?dāng)某些生產(chǎn)要素沒有直接進(jìn)入生產(chǎn)時，線性生產(chǎn)函數(shù)就失去了它的作用[27]。因此，本文對勞動生產(chǎn)過程定義更加具有普適性的常規(guī)彈性系數(shù)（constant elasticity of substitution，CES）生產(chǎn)函數(shù)，以期更好地解釋人工智能的作用。

勞動過程是勞動者與生產(chǎn)資料相結(jié)合生產(chǎn)商品的使用價值或物質(zhì)財(cái)富的過程，可以用生產(chǎn)函數(shù)反映勞動過程。假設(shè)包含人工智能的經(jīng)濟(jì)體系最終產(chǎn)品的勞動過程為：

Y=（AL+P）^1－αK^α （3）

其中，Y為整個經(jīng)濟(jì)的最終產(chǎn)品產(chǎn)量，K為社會資本總量，P為整個社會的人工智能總量，L為整個社會的總勞動力，A表示勞動生產(chǎn)力，t表示時期，并且資本的產(chǎn)出彈性系數(shù)α滿足0<α<1。在式（3）的基礎(chǔ)上，社會生產(chǎn)的最終產(chǎn)品Y減去生產(chǎn)資料折舊或損耗ρK，支付完實(shí)物工資wL后，剩余部分Y－ρK－wL即為資本家所獲得的剩余產(chǎn)品，其中ρ是生產(chǎn)資料的折舊或損耗率。值得注意的是，單位勞動力的實(shí)物工資wt不是每期都固定的。隨著勞動生產(chǎn)力的提高，生產(chǎn)和再生產(chǎn)勞動力要求的消費(fèi)資料也會發(fā)生變化，因此不妨假設(shè)wt和At成正比，即有：

w=A（w/A）（4）

在生產(chǎn)資料數(shù)量有限的情況下，顯然不是雇傭越多勞動力越好，因?yàn)槿哂鄤趧恿?chuàng)造的新價值可能低于其勞動力價值。在第t期，資本家需要支付給1單位雇傭勞動力的消費(fèi)資料亦即實(shí)物工資w是給定的，因此他會選擇雇傭勞動量L以使得剩余產(chǎn)品量Y－ρK－wL最大化，問題轉(zhuǎn)化為式（5）對Lt求導(dǎo)：

（AL+P）^1-α（K）^α-ρK-wL（5）

令求導(dǎo)結(jié)果為0可得：

（AL+P）^－α=w/｛［（1－α）A］｝K^－α（6）

進(jìn)而可以解得：

L=（K/A）［｛（1－α）A］/w｝^－1/α－P/A（7）

式（7）說明，資本家雇傭勞動量會隨著社會平均物質(zhì)資本存量Kt的提高而提高，隨著人工智能的發(fā)展而減少。

用Λ表示1單位最終產(chǎn)品在t期的價值。物化勞動價值轉(zhuǎn)移到最終產(chǎn)品中去，轉(zhuǎn)移到最終產(chǎn)品中的價值應(yīng)為Kt損耗或折舊的部分，而最終產(chǎn)品中的新價值全部由勞動力創(chuàng)造，即有：

ΛY=ΛρK+ΛwL+（1－Λw）L（8）

其中，ΛY是生產(chǎn)出來最終產(chǎn)品的價值，ΛρK為生產(chǎn)資料折舊或損耗部分的價值即不變資本部分，勞動力創(chuàng)造的新價值則包括支付給勞動者的勞動力價值ΛwL和資本家占有的剩余價值（1－Λw）L，即可變資本和剩余價值部分。

將式（3）（4）（7）代入式（8）可得：

Λ｛K［（1－α）A/w］^－1/α｝^1－αK^α=ΛρK+（K/A）｛（1－α）A/w｝^－1/α－P/A（9）

進(jìn)而可以解得：

Λ=（1/A）｛［（1－α）A/w］^－1/α（P/K）｝/｛［（1－α）A/w］^{（1－α）/α}－ρ｝（10）

當(dāng)勞動生產(chǎn)力At提高時，最終產(chǎn)品價值Λ減小，意味著生產(chǎn)最終產(chǎn)品的社會必要勞動時間減少。進(jìn)一步可得勞動收入份額LS為：

LS=ΛwL/ΛY=（w/A0）｛［（1－α）A/w］^－1－［（1－α）A/w］^（1－α）/α（P/K） ｝（11）

式（11）表明，勞動收入份額與人工智能水平發(fā)展呈負(fù)相關(guān)關(guān)系，與物質(zhì)資本存量Kt正相關(guān)。無論是使用人工智能還是普通物質(zhì)資本，都是社會生產(chǎn)力發(fā)展的必然要求，也將進(jìn)一步影響社會生產(chǎn)力的發(fā)展。在其他條件不變的情況下，勞動收入份額與人工智能發(fā)展的關(guān)系取決于人工智能資本相對于普通資本的增長速度：如果人工智能資本的增長快于普通資本的增長，勞動收入份額就會下降，這種情況是因?yàn)槿斯ぶ悄芟鄬τ谄胀ㄙY本可以給資本家?guī)砀嗟氖找?，所以資本家會將資本投向人工智能，由此通過更具工人擠出效應(yīng)的人工智能方式導(dǎo)致勞動收入份額的下降；相反地，當(dāng)普通資本的增長率大于人工智能資本的增長率時，勞動收入份額則會上升。

在其他條件不變的情況下，對式（11）求關(guān)于Pt的偏導(dǎo)數(shù)，可得：

аLS/аP=－［（1－α）A/w］^{－（1－α）/α}（w/A）（1/K）<0（12）

從式（12）可知，人工智能規(guī)模Pt的增加確實(shí)能夠?qū)趧邮杖敕蓊~上升產(chǎn)生抑制作用。進(jìn)一步地，由于發(fā)達(dá)國家的物質(zhì)資本存量規(guī)模遠(yuǎn)大于發(fā)展中國家，在其他條件相同并且保持不變時，增加1單位人工智能的使用，對發(fā)展中國家勞動收入份額增長的抑制作用要明顯大于發(fā)達(dá)國家。事實(shí)上，不僅在不同經(jīng)濟(jì)發(fā)展水平的國家中會存在這一差異，而且在人均人工智能發(fā)展水平相對較高的國家中也會如此。基于以上認(rèn)識，本文提出以下假說：

假說2：就人工智能作為使用價值生產(chǎn)的投入要素而言，勞動收入份額變動受到人工智能發(fā)展和普通物質(zhì)資本深化的雙重影響。在人工智能使用規(guī)模較高或經(jīng)濟(jì)發(fā)展水平相對較高的國家，人工智能增長不會像在發(fā)展中國家那樣對勞動收入份額產(chǎn)生更為顯著的負(fù)向影響。

人工智能作為先進(jìn)的生產(chǎn)技術(shù)不僅會影響生產(chǎn)力的變化和生產(chǎn)率的提高[26]，還會對生產(chǎn)關(guān)系尤其是勞動議價能力產(chǎn)生重要影響，并由此作用到勞動收入份額的變化。由于人工智能將對低技能勞動力產(chǎn)生就業(yè)替代效應(yīng)[28]，從而會增加對高技能勞動力的需求[25]，因此人工智能的使用將對不同經(jīng)濟(jì)發(fā)展水平國家勞動議價能力產(chǎn)生不同影響。一方面，在廉價而低技能勞動力相對豐裕并且以勞動力密集型產(chǎn)業(yè)為主的發(fā)展中國家，人工智能的運(yùn)用會加速擠出勞動力，由此進(jìn)一步放大資本技術(shù)構(gòu)成所伴隨的相對過剩人口效應(yīng)，進(jìn)而激化勞資雙方的矛盾。在這種情況下，工人會提升其內(nèi)部凝聚力，強(qiáng)化工會組織的勞動保障作用，繼而提高勞資議價能力。另一方面，與發(fā)展中國家不同，在生產(chǎn)技術(shù)水平普遍較高的發(fā)達(dá)國家中，人工智能的就業(yè)創(chuàng)造效應(yīng)將占據(jù)主導(dǎo)地位。更多就業(yè)崗位的創(chuàng)造有利于緩和勞動矛盾，從而勞資議價能力也不容易受到勞資矛盾的激化而增強(qiáng)。

進(jìn)一步地，就勞動議價能力對勞動收入份額的作用而言，現(xiàn)有研究認(rèn)為勞動議價能力與勞動收入占比顯著正相關(guān)[12]。然而值得注意的是，資本的流動性強(qiáng)于勞動，導(dǎo)致資本的議價能力強(qiáng)于勞動，從而會降低勞動收入占比[29]。在勞資雙方的力量變動過程中，如果資本方占統(tǒng)治地位，則工人名義工資將會低于勞動生產(chǎn)率[30]。特別是在經(jīng)濟(jì)發(fā)展水平或人工智能資本深化程度較高的國家中，勞動議價能力的提升對勞動收入份額的影響往往被資本議價能力提升伴隨的抑制作用所掩蓋或抵消。因此，人工智能對勞動收入份額的影響還存在一條勞資關(guān)系的作用路徑。綜合以上認(rèn)識，本文提出如下假說：

假說3：在發(fā)展中國家，人工智能的運(yùn)用會提高勞資議價能力，并由此提升勞動收入份額；然而，在發(fā)達(dá)國家或人工智能使用規(guī)模大的國家，人工智能的應(yīng)用會降低勞資議價能力，并且勞資議價能力提升不會對其勞動收入份額產(chǎn)生顯著的正向影響。

三、模型、變量與相關(guān)檢驗(yàn)

（一）模型設(shè)定

一方面，面板向量自回歸（PVAR）模型充分利用了面板數(shù)據(jù)的優(yōu)點(diǎn)，能有效控制個體效應(yīng)和時間效應(yīng)，捕捉個體差異性和不同截面的共同沖擊，從而可以更好地模擬現(xiàn)實(shí)的經(jīng)濟(jì)系統(tǒng)，反映變量之間面對沖擊時的動態(tài)響應(yīng)與長期交互路徑。另一方面，PVAR模型能夠?qū)⑵渥兞慷家曌鲀?nèi)生變量，當(dāng)變量之間存在逆向因果關(guān)系時，可以處理內(nèi)生性問題，通過計(jì)算正交化脈沖響應(yīng)函數(shù)以及生成相對應(yīng)的動態(tài)脈沖響應(yīng)圖，測算在面對單個內(nèi)生變量的沖擊時其他內(nèi)生變量相對應(yīng)的反應(yīng)程度。或者說，PVAR模型不僅能夠呈現(xiàn)主要解釋變量對因變量的動態(tài)脈沖響應(yīng)，還能夠?qū)徱曇蜃兞繉χ饕忉屪兞康膭討B(tài)脈沖響應(yīng)情況——盡管這在本文中并不是主要的關(guān)注點(diǎn)，但是在經(jīng)濟(jì)學(xué)的相關(guān)研究中得到了廣泛應(yīng)用[31-32]。因此，本文通過使用PVAR 模型分析勞動收入份額、資本技術(shù)構(gòu)成、人工智能發(fā)展水平以及勞資議價能力的內(nèi)在動態(tài)關(guān)系：

y=α+β+∑^pβy+ε（13）

其中，i表示國家，t表示年份，p為模型的滯后階數(shù)；y是包含勞動收入份額增長率（gla）、與普通物質(zhì)資本存量相聯(lián)系的資本技術(shù)構(gòu)成增長率（gk1）、與人工智能發(fā)展水平相聯(lián)系的資本技術(shù)構(gòu)成增長率（gk2）、勞資議價能力增長率（gba）、經(jīng)濟(jì)實(shí)際總產(chǎn)值增長率（grg），以及對外開放水平增長率（gtr）在內(nèi)的向量，即yit=｛gla，gk1，gk2，gba，grg，gtr｝；αi代表個體效應(yīng)，用以體現(xiàn)地區(qū)間的個體差異，β代表時間效應(yīng)，用以刻畫變量隨時間的變化趨勢，εit是白噪聲隨機(jī)擾動項(xiàng)。

（二）變量構(gòu)造與數(shù)據(jù)來源

第一，對于被解釋變量勞動收入份額增長率，本文基于Penn World Table（PWT）10.0數(shù)據(jù)庫測算的勞動收入份額數(shù)據(jù)來計(jì)算。該數(shù)據(jù)庫包含各個國家及地區(qū)的宏觀經(jīng)濟(jì)數(shù)據(jù)，其中的勞動收入份額數(shù)據(jù)是經(jīng)過一系列的測算指標(biāo)核算的結(jié)果，并且針對各國自我雇傭的情況進(jìn)行核準(zhǔn)，因而被廣泛使用。

第二，在參照楊光等[5]做法的基礎(chǔ)上，采用國際機(jī)器人聯(lián)合會（IFR）公布的各行業(yè)工業(yè)機(jī)器人的存量加總值與就業(yè)人數(shù)的比值，測度因人工智能使用而導(dǎo)致的資本技術(shù)構(gòu)成變動情況，進(jìn)而計(jì)算出其增長率。值得注意的是，人工智能因其發(fā)展時間較短而存在較大的數(shù)據(jù)可得性問題，如何測度全球各國的人工智能發(fā)展水平也是一大難點(diǎn)。對此，一個較為流行的做法是使用IRF公布的世界機(jī)器人年度報告中符合國際標(biāo)準(zhǔn)化組織（ISO）標(biāo)準(zhǔn)的機(jī)器人安裝與存量數(shù)據(jù)進(jìn)行測度[5]。鑒于此，本文從IFR 2020年發(fā)布的世界工業(yè)機(jī)器人數(shù)據(jù)庫中搜集整理各國的人工智能數(shù)據(jù)。相較于專利數(shù)量作為人工智能的測算標(biāo)準(zhǔn)，工業(yè)機(jī)器人的使用直接參與了生產(chǎn)活動，直接影響了經(jīng)濟(jì)的發(fā)展，可以更好地?cái)M合人工智能對生產(chǎn)過程的影響。

第三，對于測度普通物質(zhì)資本存量的資本技術(shù)構(gòu)成增長率，本文假定資本價值構(gòu)成保持不變，重點(diǎn)考察技術(shù)構(gòu)成的變化，使用PWT 10.0數(shù)據(jù)庫中資本存量以及勞動人口數(shù)量構(gòu)建了普通資本的資本技術(shù)構(gòu)成，這也反映了資本深化程度。

第四，使用勞資議價能力增長率測度勞資關(guān)系緊張程度的變化。一般而言，一國的勞資議價能力上升意味著工人力量更強(qiáng)，勞動者獲取更多的勞動份額。這一指標(biāo)的原始數(shù)據(jù)來源于《世界經(jīng)濟(jì)自由》報告中關(guān)于勞動市場管制的子指標(biāo)“集中勞資談判能力” 。值得一提的是，這項(xiàng)指標(biāo)越小代表工人的工資水平越大程度由勞資談判決定，體現(xiàn)更加強(qiáng)大的階級力量，故其與勞資議價能力之間是相反關(guān)系。出于分析方便的考慮，首先將其相反數(shù)作為勞資議價能力的替代指標(biāo)。其次，重點(diǎn)分析人工智能使用變化對勞資議價能力變動趨勢的影響，亦即人工智能使用增加與勞資議價能力增速之間是否存在顯著的內(nèi)生互動關(guān)系。值得注意的是，發(fā)達(dá)國家與發(fā)展中國家之間的勞資議價能力增長率均值存在明顯的差異（見圖3），即在2001—2019年，發(fā)展中國家的這一均值有11年為負(fù)，而發(fā)達(dá)國家的這一均值則僅有5年為負(fù)。由此可見，較之于發(fā)展中國家而言，發(fā)達(dá)國家的勞資關(guān)系緊張程度總體上更多地處于不斷上升通道中。

第五，本文使用實(shí)際人均國內(nèi)生產(chǎn)總值增長率作為經(jīng)濟(jì)增長率的替代指標(biāo)，以控制各國經(jīng)濟(jì)發(fā)展差異的影響。相關(guān)數(shù)據(jù)來自PWT數(shù)據(jù)庫中關(guān)于各個國際或者地區(qū)以2017年美元作為購買力平價單位計(jì)算的實(shí)際GDP增長率，反映單個國家或者地區(qū)全部最終產(chǎn)品和服務(wù)的市值總額，以及人工智能發(fā)展對勞動收入份額帶來的總需求效應(yīng)。該數(shù)據(jù)的計(jì)算包括家庭消費(fèi)、投資、政府購買、出口及進(jìn)口等方面的信息，這些數(shù)據(jù)來自聯(lián)合國國民賬戶數(shù)據(jù)庫。

第六，參照劉峰[33]利用基于世界發(fā)展指標(biāo)（WDI）數(shù)據(jù)庫來測度對外開放的方法，使用進(jìn)出口總額占GDP的比重作為對外開放程度的指標(biāo)，進(jìn)而求得對外開放程度增長率。

通過以上變量構(gòu)造方法并經(jīng)過配對、刪去數(shù)據(jù)大面積缺失樣本并用插補(bǔ)法補(bǔ)齊數(shù)據(jù)，得到了59個國家2001—2019年平衡面板數(shù)據(jù)，變量的描述性統(tǒng)計(jì)結(jié)果見表1。

（三）變量的面板單位根檢驗(yàn)和滯后階數(shù)選擇

在構(gòu)建PVAR模型之前需要對變量是否存在單位根進(jìn)行平穩(wěn)性檢驗(yàn)，如果存在單位根，就意味著該變量為非平穩(wěn)時間序列，在這種情況下，回歸分析中會出現(xiàn)偽回歸的情況。從表2檢驗(yàn)結(jié)果可知，無論是適用于平衡面板數(shù)據(jù)情形的萊文-林-朱（Levin-Lin-Chu）統(tǒng)計(jì)量（LLC統(tǒng)計(jì)量）和尹-佩薩諾-茜恩（Im-Pesaran-Shin）統(tǒng)計(jì)量（IPS統(tǒng)計(jì)量）的檢驗(yàn)結(jié)果，還是允許非平衡面板數(shù)據(jù)情形的擴(kuò)展的迪克-富勒-費(fèi)歇爾（augmented dickey fuller-Fisher）統(tǒng)計(jì)量（ADF-Fisher統(tǒng)計(jì)量）的單位根檢驗(yàn)結(jié)果，均在1%的水平下拒絕了存在單位根的原假設(shè)，即它們均為平穩(wěn)序列。

全樣本層面PVAR模型變量的滯后階數(shù)檢驗(yàn)結(jié)果如表3所示 本文借鑒連玉君的PVAR2程序包進(jìn)行滯后階選擇。?？紤]模型的有效性、穩(wěn)定性以及更優(yōu)的數(shù)據(jù)預(yù)測性，除了貝葉斯信息準(zhǔn)則（BIC）外，模型的赤池信息準(zhǔn)則（AIC）與漢南奎恩信息準(zhǔn)則（HQIC）準(zhǔn)則均建議PVAR模型的最優(yōu)滯后階數(shù)為4階，故而應(yīng)建立PVAR（4）模型。

四、全樣本層面回歸結(jié)果分析

（一）PVAR回歸結(jié)果分析及面板格蘭杰因果檢驗(yàn)

全樣本層面PVAR模型的廣義矩（GMM）估計(jì)回歸結(jié)果如表4所示。首先，gk2滯后2期（L2.gk2）的回歸系數(shù)為-0.004并且通過了5%的顯著性檢驗(yàn)，表明人工智能的發(fā)展與勞動收入份額增長率之間存在顯著負(fù)相關(guān)性；同時，gk2滯后4期（L4.gk2）的回歸系數(shù)為0.004并且也通過了5%的顯著性檢驗(yàn)，表明人工智能發(fā)展在更長時期內(nèi)還與勞動收入份額增長有顯著正相關(guān)性，初步符合假說1的相關(guān)論斷。從第（1）列的回歸結(jié)果可以看出，gk1和gba的不同滯后期的回歸系數(shù)均不顯著，因此假說2和假說3的論斷還有待區(qū)分不同經(jīng)濟(jì)發(fā)展水平后再作進(jìn)一步考察。

為了進(jìn)一步識別PVAR模型估計(jì)回歸結(jié)果中各解釋變量之間的因果關(guān)系，本文對各變量進(jìn)行了格蘭杰因果檢驗(yàn)，結(jié)果如表5所示?？梢园l(fā)現(xiàn)，人工智能的發(fā)展是勞動收入份額的格蘭杰原因，并且通過了5%的顯著性檢驗(yàn)，驗(yàn)證了假說1中的因果關(guān)系。同時，經(jīng)濟(jì)增長是勞動收入份額的格蘭杰原因。

（二）脈沖響應(yīng)分析

通過繪制伴隨矩陣的特征根圖對模型進(jìn)行穩(wěn)定性檢驗(yàn)可知，模型6個變量的特征根均位于單位圓內(nèi)，意味著本文選取的6個變量所構(gòu)成的經(jīng)濟(jì)系統(tǒng)是穩(wěn)定的，可以對其執(zhí)行脈沖響應(yīng)分析。

全樣本PVAR（4）回歸的脈沖響應(yīng)結(jié)果如圖4所示?？梢园l(fā)現(xiàn)，在受到人工智能影響的資本技術(shù)構(gòu)成正向沖擊之后，勞動收入份額在第2期呈現(xiàn)顯著負(fù)效應(yīng)，然后隨著時間推移逐步遞減，并在第4期后開始向零值衰減收斂。總體而言，人工智能助推的資本技術(shù)構(gòu)成增長在長期中會顯著地削減勞動收入份額，從而假說1中的論斷是成立的。普通物質(zhì)資本深化程度對勞動收入份額的沖擊在第1期出現(xiàn)顯著的負(fù)效應(yīng)，并隨著時間推移逐步遞減；同時，勞資議價能力發(fā)生1個標(biāo)準(zhǔn)差沖擊后，勞動收入份額的脈沖響應(yīng)曲線在第4期呈現(xiàn)較為顯著的正響應(yīng)特征。這一方面印證了假說2中關(guān)于勞動收入份額變動受到人工智能發(fā)展和資本深化的雙重影響的論斷，另一方面則印證了假說3中人工智能的勞動力擠出效應(yīng)會提升勞資關(guān)系緊張程度而抬高勞動收入份額的作用機(jī)制。當(dāng)然，相關(guān)作用機(jī)制的國別差異還有待進(jìn)一步考察。

五、進(jìn)一步分析

（一）不同經(jīng)濟(jì)發(fā)展水平層面的回歸結(jié)果分析

1.PVAR回歸結(jié)果分析及面板格蘭杰因果檢驗(yàn)

遵循前文的研究思路，發(fā)達(dá)國家的PVAR模型選擇滯后一階 。從表6中回歸結(jié)果可知，發(fā)達(dá)國家的L1.gk2以及L1.gba均不再對勞動收入份額有顯著影響，這與假說2和假說3的判斷相吻合。

發(fā)達(dá)國家樣本的格蘭杰因果檢驗(yàn)結(jié)果顯示，發(fā)達(dá)國家樣本中出現(xiàn)了與全樣本不一致的因果情況，由人工智能使用決定的資本技術(shù)構(gòu)成增長率不再是勞動收入份額增長率的格蘭杰原因，這與假說2的論述吻合。

發(fā)展中國家GMM回歸結(jié)果如表7所示，從第（1）列可以發(fā)現(xiàn)，L.gk的回歸系數(shù)為-0.005并且通過了5%的顯著性檢驗(yàn)，而L.gk的回歸系數(shù)為0.003并且通過了10%的顯著性檢驗(yàn)。這與假說1中人工智能應(yīng)用對勞動收入份額的雙重作用密切相關(guān)，也符合假說2中關(guān)于人工智能增長將對發(fā)展中國家的勞動收入份額產(chǎn)生顯著負(fù)向影響的論述。與全樣本不同的是，發(fā)展中國家中勞資議價能力的滯后4期（L.gba）對勞動收入份額的影響顯著為正，說明在發(fā)展中國家，工會力量和勞工議價能力的提高可以為勞動者爭取更大的初次分配份額，表現(xiàn)為勞動收入份額的增加，這符合假說3中的判斷。

發(fā)展中國家格蘭杰因果檢驗(yàn)結(jié)果表明 ，人工智能發(fā)展依然是勞動收入份額變動的格蘭杰原因，同樣經(jīng)濟(jì)增長也是勞動收入份額的一個格蘭杰原因。

2.PVAR回歸結(jié)果的脈沖響應(yīng)分析

發(fā)達(dá)國家的脈沖響應(yīng)也呈現(xiàn)與全樣本不同的情況，如圖5所示。在人工智能影響下的資本技術(shù)構(gòu)成增長受到1個標(biāo)準(zhǔn)差沖擊后，勞動收入份額的脈沖響應(yīng)曲線呈水平狀并且始終位于零值水平線置信區(qū)間內(nèi)，而沒有表現(xiàn)出顯著的響應(yīng)特征。這驗(yàn)證了假說2中關(guān)于發(fā)達(dá)國家人工智能增長不會對其勞動收入份額產(chǎn)生顯著影響的論斷。勞動收入份額受到勞資議價能力的1個標(biāo)準(zhǔn)差沖擊后，在第1期呈現(xiàn)負(fù)響應(yīng)特征，并在第2期后不斷收斂為0，但零值水平線幾乎一直位于置信區(qū)間內(nèi)，所以這一響應(yīng)的顯著性很弱。同時，人工智能影響下的資本技術(shù)構(gòu)成增長在樣本初期能對勞資議價能力產(chǎn)生顯著的負(fù)向沖擊。以上結(jié)果符合假說3中人工智能在發(fā)達(dá)國家中的應(yīng)用會降低勞資議價能力，同時勞資議價能力提升不會對其勞動收入份額產(chǎn)生顯著正向影響的判斷。

發(fā)展中國家各變量之間的脈沖響應(yīng)結(jié)果表明，勞動收入份額受到人工智能1個經(jīng)正交分解的標(biāo)準(zhǔn)差沖擊之后，在第2期有明顯的負(fù)響應(yīng)，并在第4期后衰減收斂到零值附近。這意味著在發(fā)展中國家人工智能使用增加會通過提升資本技術(shù)構(gòu)成顯著降低勞動收入份額，由此證實(shí)了假說1和假說2中的相關(guān)論斷。在勞資議價能力受到1個標(biāo)準(zhǔn)差沖擊后，勞動收入份額表現(xiàn)出波動型的脈沖響應(yīng)特征，特別是在第4期呈現(xiàn)顯著的順周期變動特征。同時，勞資議價能力受到人工智能作用下資本技術(shù)構(gòu)成增長率的1個標(biāo)準(zhǔn)差正向沖擊后，在初期有一個較為顯著的正向響應(yīng)，隨后在第2期轉(zhuǎn)為不顯著的負(fù)向響應(yīng)。由此表明，人工智能的運(yùn)用在提高資本有機(jī)構(gòu)成后，的確會進(jìn)一步提高勞資議價能力，進(jìn)而又通過勞資議價能力對勞動收入份額的正向作用機(jī)制提升勞動收入份額，亦即存在一條“人工智能使用增加→勞資議價能力提高→勞動收入份額增加”路徑。這一結(jié)果與假說3中的論斷相吻合。對發(fā)展中國家的這一研究結(jié)論與何小鋼等[16]的發(fā)現(xiàn)相一致，即勞動者議價能力的提高有助于緩解機(jī)器人應(yīng)用對勞動收入份額的負(fù)面效應(yīng)。

（二）人工智能人均規(guī)模差異層面的回歸結(jié)果分析

1.PVAR回歸結(jié)果分析及面板格蘭杰因果檢驗(yàn)

將人均人工智能發(fā)展程度高于平均水平的國家歸為人工智能使用規(guī)模高的國家，而將人均人工智能發(fā)展程度低于平均水平的國家劃為人工智能使用規(guī)模低的國家。其中，人工智能使用規(guī)模高的國家有22個，低的國家有37個。在經(jīng)過單位根檢驗(yàn)以及滯后階數(shù)判定后，這兩類國家的滯后階數(shù)均為4，故而構(gòu)建PVAR（4）模型對數(shù)據(jù)進(jìn)行GMM回歸分析。

人工智能使用規(guī)模高的國家GMM回歸結(jié)果表明，以gla為被解釋變量，L3.gk2的回歸系數(shù)為0013且通過了10%的顯著性檢驗(yàn)，但L4.gk2的回歸系數(shù)為-0.010，也通過了10%的顯著性檢驗(yàn)。由此表明，在人工智能使用規(guī)模高的國家，人均人工智能使用規(guī)模的進(jìn)一步增長的確能夠?qū)趧邮杖敕蓊~發(fā)揮出假說1中所論述的正反兩方面的雙重作用。與全樣本不同的是，人均普通物質(zhì)資本增長率的滯后2階對勞動收入份額的回歸系數(shù)為-0.276，且通過了1%的顯著性檢驗(yàn)，說明人工智能使用規(guī)模高的國家，普通物質(zhì)資本的提高對勞動收入份額有著顯著的負(fù)向影響。此外，人工智能對勞動者議價能力有著積極的反向作用，并且勞資議價能力提升并未對其勞動收入份額產(chǎn)生顯著影響，均符合假說3的判斷。

人工智能使用規(guī)模低的國家回歸結(jié)果顯示 ，人工智能的滯后2階對勞動收入份額的回歸系數(shù)為-0.004，并通過了1%的顯著性檢驗(yàn)，說明人均人工智能水平提升會削減勞動者的收入份額。這表明人工智能使用規(guī)模低的國家中的人工智能增長更多地是通過假說1中論及的勞動力擠出效應(yīng)來降低勞動收入份額，由此會增大這些國家可能原本就相對較大的就業(yè)壓力。此外，L4.gba對gla的影響顯著為正，說明在人工智能使用規(guī)模低的國家，勞動者議價能力為勞動者爭取了更有利的地位，進(jìn)而獲取了提升的勞動者收入份額，符合假說3中的相應(yīng)判斷。

格蘭杰因果檢驗(yàn)結(jié)果表明，在人工智能使用規(guī)模高的國家中，人工智能發(fā)展不再是勞動收入份額的格蘭杰原因，而人均普通物質(zhì)資本增長是勞動收入份額的顯著格蘭杰原因。同時，人工智能是勞資議價能力的格蘭杰原因，說明人工智能的發(fā)展確實(shí)會影響到勞資關(guān)系力量的變化。 有所不同的是，人工智能使用規(guī)模低的國家格蘭杰因果檢驗(yàn)結(jié)果顯示，人工智能是導(dǎo)致勞動收入份額變動的顯著格蘭杰原因，而人均普通物質(zhì)資本提高則不再是其格蘭杰原因。與此同時，勞資關(guān)系也是資本深化的顯著格蘭杰原因。

2.PVAR回歸結(jié)果的脈沖響應(yīng)分析

人工智能使用規(guī)模高的國家脈沖響應(yīng)結(jié)果顯示 ，勞動收入份額在受到人工智能使用規(guī)模增長的1個標(biāo)準(zhǔn)差正向沖擊后，呈現(xiàn)以負(fù)向脈沖響應(yīng)為主的特征，并在第7期后收斂至0，但其顯著性總體上相對較弱，符合假說1和假說2中的相應(yīng)論斷。勞動收入份額在受到普通物質(zhì)資本深化1個正交化信息的沖擊后，出現(xiàn)了明顯的正向反饋，并在第1期達(dá)到最大值，隨后衰減至0。人均普通物質(zhì)資本在受到人工智能資本1個正向沖擊后，出現(xiàn)了顯著正效應(yīng)，雖然在第1期有所放緩，但是隨后到第3期后又呈現(xiàn)微幅上升過程，并在第7期后開始收斂為0。勞資議價能力在受到人工智能的標(biāo)準(zhǔn)差正向沖擊時，呈現(xiàn)波動變化，但只在第2期時零值水平線在置信區(qū)間外，故總體響應(yīng)水平為負(fù)，符合假說3中關(guān)于人工智能使用規(guī)模高的國家的勞資議價能力提升不會對其勞動收入份額產(chǎn)生顯著的正向影響的論斷。

相對的，人工智能使用規(guī)模低的國家脈沖響應(yīng)結(jié)果顯示，勞動收入份額在受到人工智能的1個正向沖擊后，其脈沖響應(yīng)曲線在第2期呈現(xiàn)相對顯著的負(fù)向探底過程，與假說1和假說2中的相關(guān)論斷相吻合。普通物質(zhì)資本深化在受到人工智能發(fā)展的1個標(biāo)準(zhǔn)差正向沖擊后，出現(xiàn)了顯著的正效應(yīng)，并在第4期后開始衰減至零值水平線。這說明在人工智能使用規(guī)模低的國家，人工智能的發(fā)展推動了普通物質(zhì)資本深化的進(jìn)程。從長期動態(tài)趨勢看，當(dāng)勞資議價能力受到人工智能的標(biāo)準(zhǔn)差正向沖擊后，在第2期表現(xiàn)出相對明顯的探底回升過程，但是由于零值線依然位于置信區(qū)間中，因此總體上并不顯著。

六、結(jié)論與啟示

本文從馬克思主義政治經(jīng)濟(jì)學(xué)理論出發(fā)，通過梳理人工智能、勞資關(guān)系對勞動收入份額的作用機(jī)理并建立相應(yīng)的研究假說，構(gòu)造了59個國家2001—2019年平衡面板數(shù)據(jù)，采用PVAR模型研究發(fā)現(xiàn)：第一，人工智能自身的技術(shù)屬性使其不僅能夠通過提高資本技術(shù)構(gòu)成所產(chǎn)生的勞動力擠出效應(yīng)而降低勞動收入份額，而且會通過就業(yè)創(chuàng)造效應(yīng)提升勞動收入份額；第二，人工智能作為使用價值生產(chǎn)的收入要素，將和普通物質(zhì)資本的深化一同影響勞動收入份額變動，特別是在發(fā)展中國家或人工智能使用規(guī)模低的國家，人工智能使用增加會對勞動收入份額產(chǎn)生顯著的負(fù)向影響；第三，人工智能的應(yīng)用還將通過影響勞資關(guān)系變動而影響勞動收入份額變化，尤其是在發(fā)展中國家，人工智能的運(yùn)用會提高勞資議價能力，并由此提升勞動收入份額。

本文的研究具有較強(qiáng)的理論與政策啟示。第一，搶抓人工智能發(fā)展機(jī)遇，加快形成新質(zhì)生產(chǎn)力。人工智能不僅是驅(qū)動新一輪科技革命的核心驅(qū)動力，還是孕育新質(zhì)生產(chǎn)力的引擎。因此，中國要抓住人工智能時代的技術(shù)革新機(jī)遇，加快推進(jìn)重大科技創(chuàng)新基地建設(shè)，通過擴(kuò)大人工智能產(chǎn)7wQLD+P1KUi4n/EbzcxZ8hQvm+TB8H2IdB9ROc9IroE=業(yè)化應(yīng)用規(guī)模提升孕育智能化、自動化因素的資本技術(shù)構(gòu)成，由此助力智能產(chǎn)業(yè)發(fā)展和新質(zhì)生產(chǎn)力加速形成，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展和勞動收入份額持續(xù)提升。第二，要客觀認(rèn)識人工智能發(fā)展對社會就業(yè)和勞動收入份額帶來的沖擊與機(jī)遇。作為當(dāng)今智能時代先進(jìn)生產(chǎn)力發(fā)展的重要驅(qū)動力，人工智能具有與其他新技術(shù)類似的“雙刃劍”效應(yīng)。人工智能的快速發(fā)展不僅會通過其就業(yè)替代效應(yīng)對傳統(tǒng)就業(yè)崗位帶來重大沖擊，還會通過其崗位創(chuàng)造效應(yīng)形成新的就業(yè)機(jī)會。對此，中國要深化高等教育類型結(jié)構(gòu)、學(xué)科專業(yè)結(jié)構(gòu)改革，培育與挖掘人才紅利，加快高端人才隊(duì)伍建設(shè)。同時，要以適應(yīng)產(chǎn)業(yè)變革為導(dǎo)向，建立和完善勞工就業(yè)培訓(xùn)及相關(guān)咨詢服務(wù)方面的政策措施，強(qiáng)化在崗、轉(zhuǎn)崗職業(yè)培訓(xùn)力度，推動人機(jī)合作、人機(jī)互補(bǔ)，以期在新一輪技術(shù)變革浪潮中推動實(shí)現(xiàn)更加充分、更高質(zhì)量就業(yè)，實(shí)現(xiàn)勞動收入份額的持續(xù)提升。

參考文獻(xiàn)：

［1］FREY C B， OSBORNE M A. The future of employment： how susceptible are jobs to computerisation？[J].Technological Forecasting and Social Change， 2017， 114：254-280.

［2］馬克思恩格斯全集：第37卷[M].中共中央馬克思恩格斯列寧斯大林著作編譯局，編譯.北京：人民出版社，2019.

［3］段雨晨，田佳禾.新卡萊茨基學(xué)派對當(dāng)代資本主義金融危機(jī)的研究[J].政治經(jīng)濟(jì)學(xué)評論，2021（2）：190-208.

［4］ACEMOGLU D， RESTREPO P. The race between man and machine： implications of technology for growth， factor shares， and employment[J].American Economic Review， 2018， 108（6）：1488-1542.

［5］楊光，侯鈺.工業(yè)機(jī)器人的使用、技術(shù)升級與經(jīng)濟(jì)增長[J].中國工業(yè)經(jīng)濟(jì)，2020（10）：138-156.

［6］DAVID B. Computer technology and probable job destructions in Japan： an evaluation[J]. Journal of the Japanese and International Economies， 2017， 43（1）：77-87.

［7］王永欽，董雯.機(jī)器人的興起如何影響中國勞動力市場：來自制造業(yè)上市公司的證據(jù)[J].經(jīng)濟(jì)研究，2020（10）：159-175.

［8］TRAJTENBERG M. AI as the next GPT： a political-economy perspective[R]. National Bureau of Economic Research Working Paper， No.24245，2018.

［9］AUTOR D H. Why are there still so many jobs？ The history and future of workplace automation[J]. The Journal of Economic Perspectives， 2015， 29（3）：3-30.

［10］BORJAS G J， FREEMAN R B. From immigrants to robots： the changing locus of substitutes for workers[R]. National Bureau of Economic Research Working Papers， No.25438， 2019.

［11］郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動[J].管理世界，2019（7）：60-77.

［12］柏培文，楊志才.勞動力議價能力與勞動收入占比：兼析金融危機(jī)后的影響[J].管理世界，2019（5）：78-91.

［13］寧光杰.市場結(jié)構(gòu)與勞動收入份額：基于世界銀行對中國企業(yè)調(diào)查數(shù)據(jù)的分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2013（2）：61-70.

［14］施新政，高文靜，陸瑤，等.資本市場配置效率與勞動收入份額：來自股權(quán)分置改革的證據(jù)[J].經(jīng)濟(jì)研究，2019（12）：21-37.

［15］孫慧文，王賀雨.工業(yè)機(jī)器人使用與勞動收入份額：基于馬克思主義政治經(jīng)濟(jì)學(xué)的分析[J].財(cái)經(jīng)科學(xué)，2023（7）：64-76.

［16］何小鋼，朱國悅，馮大威.工業(yè)機(jī)器人應(yīng)用與勞動收入份額：來自中國工業(yè)企業(yè)的證據(jù)[J].中國工業(yè)經(jīng)濟(jì)，2023（4）：98-116.

［17］ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from US labor markets[J]. Journal of Political Economy， 2020， 128（6）：2188-2244.

［18］張新春.人工智能技術(shù)條件下資本主義勞資關(guān)系演化與啟示[J].當(dāng)代經(jīng)濟(jì)研究，2018（12）：12-18.

［19］蔣紅群.人工智能崛起與當(dāng)代資本主義生產(chǎn)方式新變化[J].學(xué)術(shù)論壇，2020（5）：54-61.

［20］張軍，閆雪凌，余沭樂，等.工業(yè)機(jī)器人應(yīng)用與勞動關(guān)系：基于司法訴訟的實(shí)證研究[J].管理世界，2023（12）：90-112.

［21］資本論：第2卷[M].中共中央馬克思恩格斯列寧斯大林著作編譯局，編譯.北京：人民出版社，2004.

［22］資本論：第3卷[M].中共中央馬克思恩格斯列寧斯大林著作編譯局，編譯.北京：人民出版社，2004.

［23］卡梅倫.機(jī)器會奪走你的工作嗎[M]. 魏倩，王麗陶，譯.北京：中國工人出版社，2019.

［24］馬克思，恩格斯.共產(chǎn)黨宣言[M].中共中央馬克思恩格斯列寧斯大林著作編譯局，編譯.北京：人民出版社，2014.

［25］黃旭，董志強(qiáng).人工智能如何促進(jìn)高質(zhì)量發(fā)展和就業(yè)？[J].中央財(cái)經(jīng)大學(xué)學(xué)報，2023（11）：3-18.

［26］姚建華，徐偲骕.新“盧德運(yùn)動”會出現(xiàn)嗎：人工智能與工作/后工作世界的未來[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2020（5）：45-50.

［27］王藝明.經(jīng)濟(jì)增長與馬克思主義視角下的收入和財(cái)富分配[J].經(jīng)濟(jì)研究，2017（11）：27-42.

［28］汪前元，魏守道，金山，等.工業(yè)智能化的就業(yè)效應(yīng)研究：基于勞動者技能和性別的空間計(jì)量分析[J].管理世界，2022（10）：110-126.

［29］JAYADEV A. Capital account openness and the labor share of income[J]. Cambridge Journal of Economics， 2007，31：423-444.

［30］楊小忠，丁曉欽.勞動力匹配、收入分配與資本主義積累的社會結(jié)構(gòu)穩(wěn)定性[J].世界經(jīng)濟(jì)，2019（8）：3-24.

［31］LOVE I， ZICCHINO L. Financial development and dynamic investment behavior： evidence from panel VAR[J]. Quarterly Review of Economics & Finance， 2006， 46（2）：190-210.

［32］徐春華.人工智能、一般利潤率與全球性長期產(chǎn)能過剩：政治經(jīng)濟(jì)學(xué)三大部類視角[J].經(jīng)濟(jì)管理，2024（1）：5-24.

［33］劉峰. 經(jīng)濟(jì)全球化與國家貿(mào)易利益和收入分配格局研究[D].南京：東南大學(xué)，2021.

編輯：張靜，高原Vol. 46No. 5Sep. 2024

Artificial Intelligence，Labor-Capital Relations and Labor Income Share

XU Chunhua ZENG Fanyi

1. School of Economics and the Wang Yanan Institute for Studies in Economics， Xiamen University， Xiamen 361005， China

2. Jiangxi Provincial Investment Group Co.， Ltd， Nanchang 330000， China

SummaryIn recent years， the rapid integration of artificial intelligence （AI） into production processes has significantly impacted the labor market， influencing labor income distribution and drawing considerable attention from the academic community. However， much of the current research lacks an empirical analysis grounded in Marxist political economics. Marx’s theories on productivity and production relations offer a valuable framework for analyzing the effects of AI on the labor income share.This study aims to bridge this gap by examining the mechanisms and hypotheses of AI’s impact on labor income share through the lenses of productivity and production relations. Using balanced panel data from 59 countries covering the period from 2001 to 2019， and employing the panel vector autoregression （PVAR） model， the findings reveal three key insights： First， the technological attributes of AI reduce labor income share by intensifying the labor displacement effect through improvements in capital composition. However， AI also positively influences labor income by creating new employment opportunities. Second， AI， when combined with the increasing use of traditional capital， affects labor income share， especially in developing countries or regions with low AI adoption. In such contexts， higher AI usage has a marked negative effect on labor income share. Third， AI also impacts labor income by altering labor-management relations. In developing countries， AI use can strengthen labor’s bargaining power， thereby increasing the share of labor income.This study provides two main contributions to the literature： First， it establishes a comprehensive framework for analyzing AI’s effects on both productivity and production relations and their combined influence on labor income share. Previous research primarily focuses on one dimension—either productivity or production relations—while this study integrates both aspects. Second， this study advances the quantitative analysis of Marxist political economics. In an era of abundant economic data and advanced econometric methods， applying these tools to explore contemporary issues in Marxist theory represents a pathway toward modernizing the Marxism.This research expands the theoretical perspective of Marxist political economics regarding AI’s impact on labor income share， offering new insights into how AI development creates both challenges and opportunities for employment and income distribution. Moreover， it contributes to ongoing discussions about the economic and social effects of AI， emphasizing the importance of empirical research within the political economy.

Keywordsartificial intelligence; labor-capital relations; labor income share; organic composition of capital; bargaining power of labor; new quality productivity