人工智能技術(shù)沖擊與就業(yè)穩(wěn)定性

摘 要：隨著數(shù)字經(jīng)濟時代信息技術(shù)的深入變革，人工智能對勞動就業(yè)產(chǎn)生了深遠(yuǎn)的影響，其中人工智能技術(shù)對勞動力就業(yè)穩(wěn)定性的影響一直是學(xué)界和業(yè)界十分關(guān)注的熱點問題。本文基于2010至2022年中國A股上市企業(yè)的微觀數(shù)據(jù)，從就業(yè)規(guī)模和結(jié)構(gòu)穩(wěn)定性兩個維度，探討了人工智能技術(shù)對就業(yè)穩(wěn)定性的影響、作用機制以及約束條件。研究表明：首先，人工智能技術(shù)能夠穩(wěn)定企業(yè)就業(yè)規(guī)模波動，但會加劇就業(yè)結(jié)構(gòu)波動，促進(jìn)就業(yè)崗位從低技能向高技能轉(zhuǎn)變；其次，全要素生產(chǎn)率與勞動產(chǎn)出效率是人工智能影響就業(yè)穩(wěn)定性的關(guān)鍵機制；最后，獲得政策支持的企業(yè)更能在穩(wěn)定就業(yè)規(guī)模的同時促進(jìn)就業(yè)結(jié)構(gòu)更替。處于初創(chuàng)或成熟階段及市場勢力較強的企業(yè)能更有效地穩(wěn)定就業(yè)規(guī)模，而處于衰退期及市場勢力較弱的企業(yè)則更傾向于調(diào)整其就業(yè)結(jié)構(gòu)以適應(yīng)技術(shù)發(fā)展。這項研究為理解新興技術(shù)背景下的就業(yè)穩(wěn)定性問題提供了新的視角。

關(guān)鍵詞：人工智能技術(shù)；就業(yè)穩(wěn)定性；企業(yè)屬性

作者簡介：陳琦，華東師范大學(xué)經(jīng)濟與管理學(xué)院博士研究生（上海 200062）；董直慶，浙江財經(jīng)大學(xué)管理學(xué)院教授、博士生導(dǎo)師（杭州 310018）

基金項目：國家社會科學(xué)基金重點項目“人工智能技術(shù)紅利分配均等性與企業(yè)成長方向問題研究”（24AJY029）；教育部人文社會科學(xué)重點研究基地重大項目“新階段共同富裕視域下技術(shù)創(chuàng)新推動的經(jīng)濟增長動力研究”（22JJD790019）

DOI編碼： 10.19667/j.cnki.cn23-1070/c.2025.02.006

引 言

近年來，就業(yè)穩(wěn)定已被黨中央國務(wù)院置于“六穩(wěn)”“六?！惫ぷ鞯氖孜?，其對維持社會穩(wěn)定、促進(jìn)經(jīng)濟增長和增強公眾信心的重要性不言而喻。穩(wěn)定的就業(yè)不僅能夠保障家庭收入和消費能力，從而激發(fā)國內(nèi)市場活力，也是社會和諧與進(jìn)步的基礎(chǔ)。在當(dāng)前全球經(jīng)濟不確定性日益加劇的背景下，研究就業(yè)穩(wěn)定性的必要性和緊迫性愈發(fā)突出。這不僅有助于政府制定更為有效的勞動市場政策，以應(yīng)對技術(shù)革命帶來的挑戰(zhàn)，同時也是保障廣大勞動者的福祉與推動社會長期繁榮的關(guān)鍵因素之一。因此，深入剖析影響就業(yè)穩(wěn)定性的多重因素，并探索有效的應(yīng)對策略，對于構(gòu)建更為包容和可持續(xù)的經(jīng)濟體系至關(guān)重要。前沿文獻(xiàn)從經(jīng)濟、政策法規(guī)與人口等多角度探索影響就業(yè)穩(wěn)定的因素，其中經(jīng)濟因素主要涉及全球化①、資本流動②和經(jīng)濟周期③，政策與法規(guī)因素涵蓋如社會保險法④、最低工資標(biāo)準(zhǔn)⑤、財稅政策⑥、貨幣政策⑦等，人口因素則包括人口老齡化⑧和性別差異⑨等。隨著人工智能技術(shù)的快速發(fā)展和廣泛應(yīng)用，其對勞動市場的影響逐漸成為研究的熱點問題。

物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和人工智能等新一代信息技術(shù)正驅(qū)動經(jīng)濟體系從工業(yè)經(jīng)濟時代向數(shù)字經(jīng)濟時代演進(jìn)，人工智能技術(shù)也逐步成為第四次工業(yè)革命的引領(lǐng)力量。從2017年國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，到2022年國家工信部等四部門印發(fā)《國家人工智能產(chǎn)業(yè)綜合標(biāo)準(zhǔn)化體系建設(shè)指南（2024版）》，再到黨的二十大也進(jìn)一步提出：“推動戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展，構(gòu)建新一代信息技術(shù)、人工智能、生物技術(shù)、新能源、新材料、高端裝備、綠色環(huán)保等一批新的增長引擎?！雹獍l(fā)展和應(yīng)用人工智能逐步上升為我國的國家戰(zhàn)略，并成為制造業(yè)轉(zhuǎn)型升級的重要任務(wù)。在這樣的政策背景下，人工智能技術(shù)發(fā)展獲得政府大力支持，不僅有利于企業(yè)通過實行“機器換人”或“人機協(xié)作”提高生產(chǎn)效率與市場競爭力，同時也可能對勞動就業(yè)格局產(chǎn)生深遠(yuǎn)影響。11具體來說，人工智能技術(shù)進(jìn)步雖然為企業(yè)帶來了效率的提升和成本的降低，但也可能導(dǎo)致就業(yè)結(jié)構(gòu)的快速變動，其中，低技能勞動力正面臨被替代的風(fēng)險。因此，深入探討人工智能技術(shù)的發(fā)展與就業(yè)穩(wěn)定性之間的關(guān)系，不僅有利于理解技術(shù)變革對勞動市場的長遠(yuǎn)影響，也為制定相關(guān)就業(yè)政策提供重要的決策依據(jù)。

基于此，本文利用2010—2022年A股上市公司數(shù)據(jù)，研究人工智能技術(shù)沖擊對勞動就業(yè)穩(wěn)定性的影響，深入考察人工智能技術(shù)是否以及在何種情境下容易誘發(fā)勞動就業(yè)更替，并考察企業(yè)全要素生產(chǎn)率、勞動產(chǎn)出效率的中介效果；然后進(jìn)一步分析獲得高新技術(shù)認(rèn)定和寬帶中國試點政策的調(diào)節(jié)效應(yīng)，最后檢驗不同企業(yè)生命周期和市場勢力情況下的異質(zhì)性影響。本文的可能性貢獻(xiàn)主要有二：一是不僅關(guān)注人工智能對就業(yè)規(guī)模穩(wěn)定性的影響，而且關(guān)注其對就業(yè)結(jié)構(gòu)穩(wěn)定性的作用效果，并發(fā)現(xiàn)其對勞動更替方向存在選擇性偏向；二是發(fā)現(xiàn)在不同政策屬性和企業(yè)屬性下，人工智能對就業(yè)穩(wěn)定性產(chǎn)生非對等性影響。

本文剩余部分的安排如下：第一部分為文獻(xiàn)綜述與研究假說；第二部分介紹計量模型選擇、指標(biāo)設(shè)計與數(shù)據(jù)來源說明；第三部分實證檢驗人工智能技術(shù)對就業(yè)穩(wěn)定性的影響，并進(jìn)行內(nèi)生性和穩(wěn)健性檢驗；第四部分對人工智能技術(shù)影響就業(yè)穩(wěn)定性的機制展開研究；第五部分為進(jìn)一步分析，對人工智能技術(shù)影響就業(yè)穩(wěn)定的偏向性展開異質(zhì)性分析；第六部分為結(jié)論與政策建議。

一、理論分析與研究假說

人工智能技術(shù)對企業(yè)內(nèi)部的就業(yè)規(guī)模與結(jié)構(gòu)的影響可能呈現(xiàn)雙重特征。有別于傳統(tǒng)技術(shù)，人工智能技術(shù)具備通用性和平臺性特征，能夠?qū)蜆I(yè)產(chǎn)生更為深遠(yuǎn)的影響。①人工智能技術(shù)通過優(yōu)化業(yè)務(wù)流程和提高生產(chǎn)效率，能夠在一定程度上穩(wěn)定企業(yè)就業(yè)規(guī)模。例如，企業(yè)將人工智能整合應(yīng)用于生產(chǎn)運營流程，有利于企業(yè)更高效地處理生產(chǎn)和管理任務(wù)，減少由于業(yè)務(wù)波動或效率不足導(dǎo)致的人員調(diào)整。②這種效率的提升允許企業(yè)在不增加額外勞動力的情況下增加產(chǎn)出，從而在保持甚至縮減員工數(shù)量的同時增加企業(yè)的總體產(chǎn)能。此外，自動化系統(tǒng)和智能算法可以承擔(dān)重復(fù)性高的工作，減輕人力需求的波動，從而使得企業(yè)能夠維持相對穩(wěn)定的員工數(shù)量。通過減少因市場需求不穩(wěn)定而頻繁調(diào)整人力資源的需求，企業(yè)可以提供更穩(wěn)定的就業(yè)環(huán)境，從而在保持生產(chǎn)力和競爭力的同時，增強員工的就業(yè)保障。

然而，人工智能帶來這種規(guī)模穩(wěn)定性的背后伴隨著深遠(yuǎn)的市場結(jié)構(gòu)性變革，尤其是在就業(yè)結(jié)構(gòu)方面的影響。這種結(jié)構(gòu)變動主要表現(xiàn)在對不同技能層次勞動力需求的重新分配上。③人工智能技術(shù)通常會產(chǎn)生就業(yè)替代效應(yīng)，取代低技能、重復(fù)性強的工作，導(dǎo)致對低技能勞動力的需求減少，而對于能夠設(shè)計、維護和優(yōu)化智能系統(tǒng)的高技能勞動力的需求則相應(yīng)增加。④隨著自動化和智能化水平的提高，對系統(tǒng)開發(fā)者和網(wǎng)絡(luò)安全專家等新興技術(shù)崗位的需求急劇增加，這進(jìn)一步推動了企業(yè)對高技能勞動力的需求。⑤這種技術(shù)驅(qū)動的需求轉(zhuǎn)變，促使企業(yè)內(nèi)部就業(yè)結(jié)構(gòu)向技術(shù)密集型和知識密集型崗位傾斜，從而對中低技能勞動力產(chǎn)生替代效應(yīng)。同樣，人工智能對就業(yè)結(jié)構(gòu)變動的加劇也體現(xiàn)在新職業(yè)機會的創(chuàng)造上。⑥隨著新技術(shù)的不斷演進(jìn)，許多以前不存在的工作崗位如數(shù)據(jù)分析師、機器學(xué)習(xí)工程師等應(yīng)運而生，這就要求勞動力必須具備新的技能和知識，以適應(yīng)新技術(shù)變革。技術(shù)變革雖然帶來就業(yè)結(jié)構(gòu)的分層和分化，但同時也提供了大量高質(zhì)量的就業(yè)機會，為勞動力市場帶來了新的活力和發(fā)展?jié)摿Α?/p>

假說1：人工智能技術(shù)會影響就業(yè)穩(wěn)定性，能夠穩(wěn)定就業(yè)規(guī)模但加劇了就業(yè)結(jié)構(gòu)變動。

首先，政府通過實施稅收優(yōu)惠、財政補貼等支持政策，直接激勵企業(yè)投資于新技術(shù)如人工智能的研發(fā)和應(yīng)用。普惠性與結(jié)構(gòu)性并舉的減稅政策和財政補貼政策的出臺，不僅降低了企業(yè)面對技術(shù)創(chuàng)新時的經(jīng)濟壓力，也為企業(yè)提供了進(jìn)行技術(shù)升級和人才結(jié)構(gòu)調(diào)整的資金支持。例如，楊國超和芮萌認(rèn)為，⑦政府的高新技術(shù)企業(yè)認(rèn)定政策通過提供的稅收減免和財政補貼，無疑減輕了企業(yè)的稅費負(fù)擔(dān)，鼓勵企業(yè)更積極地投入到人工智能的研發(fā)和應(yīng)用中來，這將直接或間接對就業(yè)穩(wěn)定性產(chǎn)生顯著影響。⑧具體來說，這不僅保證了企業(yè)的正常生產(chǎn)經(jīng)營活動，也使企業(yè)有余力吸納更多的勞動力，提供更多的就業(yè)崗位，直接增加了就業(yè)機會。①同時，企業(yè)可以利用這些資金進(jìn)行研發(fā)性投資，實現(xiàn)研發(fā)創(chuàng)新和智能升級，引入新興技術(shù)如人工智能，這可能導(dǎo)致企業(yè)重新配置的就業(yè)結(jié)構(gòu)，對就業(yè)產(chǎn)生間接影響。②這種政策支持還能幫助企業(yè)在激烈的市場競爭中保持領(lǐng)先地位，通過技術(shù)優(yōu)勢增加就業(yè)數(shù)量和提高就業(yè)質(zhì)量。

其次，企業(yè)的生命周期和市場勢力顯著影響人工智能技術(shù)的采納程度和就業(yè)調(diào)整策略。③在不同的生命周期階段，企業(yè)對技術(shù)的需求和應(yīng)對策略不同。④新興企業(yè)可能更側(cè)重于利用人工智能技術(shù)實現(xiàn)快速增長并擴大市場份額，而成熟企業(yè)可能更傾向于利用這些技術(shù)優(yōu)化現(xiàn)有流程和提升運營效率。同時，⑤市場勢力較強的企業(yè)通常擁有更多資源推動技術(shù)轉(zhuǎn)型，包括購置智能設(shè)備、招募和培訓(xùn)高技能勞動力等，而市場勢力較弱的企業(yè)在技術(shù)轉(zhuǎn)型過程中可能面臨更大的挑戰(zhàn)，資源匱乏使其難以有效適應(yīng)新技術(shù)變革，這可能加劇其就業(yè)結(jié)構(gòu)的波動。這種差異導(dǎo)致了技術(shù)影響的不均等，需求較大的高技能崗位在市場上日益增多，而低技能崗位則逐漸減少，加劇了就業(yè)市場的分層。

假說2：政策支持調(diào)節(jié)了人工智能技術(shù)對就業(yè)穩(wěn)定性的影響，而企業(yè)生命周期和市場勢力的差異將導(dǎo)致人工智能對就業(yè)結(jié)構(gòu)和規(guī)模穩(wěn)定性的異質(zhì)性影響。

二、計量模型選擇、指標(biāo)設(shè)計與數(shù)據(jù)來源說明

（一）計量模型選擇

（2）就業(yè)結(jié)構(gòu)穩(wěn)定：利用高技能與低技能勞動者之比（high_low）及其波動率（volabhl）衡量就業(yè)結(jié)構(gòu)穩(wěn)定性。本文高低技能是根據(jù)職業(yè)結(jié)構(gòu)進(jìn)行劃分。具體地，依據(jù)崗位將員工分為以下六類：高級管理人員、專業(yè)技術(shù)人員、銷售人員、財務(wù)金融人員、普通行政管理人員和普通生產(chǎn)人員。具體分類規(guī)則如下。①高級管理人員，指從事企業(yè)高級管理事務(wù)的人員，需要進(jìn)行一定的腦力勞動，協(xié)調(diào)企業(yè)各方事務(wù)的人員，利用數(shù)據(jù)庫中的中高層及以上管理人員衡量。②專業(yè)技術(shù)人員，指主要從事產(chǎn)品研發(fā)、工程開發(fā)等相關(guān)工作的專業(yè)員工，數(shù)據(jù)庫中的專業(yè)人員、技術(shù)人員、研發(fā)人員、項目開發(fā)相關(guān)人員，以及返聘人員歸為此類。區(qū)別于以往文獻(xiàn)，本文在此類中納入了生產(chǎn)技術(shù)人員以及生產(chǎn)專業(yè)人員。③銷售人員，指從事與產(chǎn)品銷售相關(guān)的崗位員工，本文將數(shù)據(jù)庫中從事市場類、產(chǎn)品銷售、營銷策劃以及公關(guān)等工作的員工劃分為此類。④財務(wù)金融人員，將數(shù)據(jù)庫中的財務(wù)人員、風(fēng)險管理、投融資管理、法律事務(wù)等相關(guān)類別員工劃為該類。⑤行政管理人員，主要指從事重復(fù)性、常規(guī)性工作的非生產(chǎn)性員工，包括數(shù)據(jù)庫中的行政管理、人力資源管理、后勤保障等相關(guān)工作人員。⑥生產(chǎn)人員，主要指在制造業(yè)中從事重復(fù)性生產(chǎn)制造、裝配、采購、倉儲、物流運輸、操作等工作的人員?；谠摲诸?，本文將企業(yè)員工分為低技能和高技能員工，前者包括普通行政管理人員和普通生產(chǎn)人員，后者包括行高級管理人員、專業(yè)技術(shù)人員、銷售人員和財務(wù)金融人員。

2.主要解釋變量：人工智能技術(shù)（lnAIit）。本文將上市公司年報文本中人工智能關(guān)鍵詞詞頻數(shù)的對數(shù)形式作為企業(yè)人工智能技術(shù)水平的衡量指標(biāo)。關(guān)鍵詞的選擇根據(jù)《中國制造2025》《新一代人工智能發(fā)展規(guī)劃》《2020人工智能與制造業(yè)融合發(fā)展白皮書》等政策文件和研究報告，并參考了吳非等的研究，①選取89個人工智能關(guān)鍵詞。②

3.控制變量：本文控制變量包括企業(yè)規(guī)模（lnsize）、企業(yè)成長性（growth）、企業(yè)存續(xù)期（lnsave）、經(jīng)營成本（cost）、股權(quán)結(jié)構(gòu)（lnstru）和企業(yè)價值（lnvalue）。其中，企業(yè)規(guī)模利用企業(yè)凈資產(chǎn)的對數(shù)衡量；企業(yè)成長性利用企業(yè)營業(yè)利潤增長率衡量；企業(yè)存續(xù)期利用當(dāng)年與企業(yè)注冊年份之差加1的對數(shù)衡量；企業(yè)經(jīng)營成本利用企業(yè)管理費用與營業(yè)總收入之比衡量；股權(quán)結(jié)構(gòu)為前十大股東持股數(shù)的對數(shù)；企業(yè)價值為公司市值與總債務(wù)之和與企業(yè)現(xiàn)金和現(xiàn)金等價物之差衡量。

（三）數(shù)據(jù)來源說明

本文選取中國非金融類A股上市公司作為研究樣本，時間為2010—2022年。原始數(shù)據(jù)主要來源于銳思（RESSET）、國泰安數(shù)據(jù)庫（CSMAR）和萬得數(shù)據(jù)庫（Wind）。在得到原始數(shù)據(jù)后，本文進(jìn)行了如下預(yù)處理：首先，剔除了金融類（包括銀行、證券、保險）公司和ST類上市公司樣本；其次，刪除了數(shù)據(jù)缺失嚴(yán)重的上市公司樣本；最后，為了盡可能排除離群值對估計結(jié)果的干擾，對所有連續(xù)變量進(jìn)行了前后各1%水平的縮尾（Winsorize）處理。最終得到樣本觀測值17 290個。企業(yè)人工智能技術(shù)數(shù)據(jù)由作者根據(jù)上市公司年報整理獲得，地級市數(shù)據(jù)來源于各地區(qū)統(tǒng)計年鑒。

三、實證檢驗結(jié)果與評價

（一）基準(zhǔn)回歸

本文利用模型檢驗人工智能技術(shù)對就業(yè)穩(wěn)定性的影響，基準(zhǔn)回歸結(jié)果展示在表1中。結(jié)果表明，人工智能技術(shù)對雇傭增長率和規(guī)模波動率的系數(shù)分別在1%和5%的水平上顯著為負(fù)，對高低技能比和結(jié)構(gòu)波動率的系數(shù)均在1%的水平上顯著為正，說明人工智能技術(shù)在穩(wěn)定就業(yè)規(guī)模的同時，會加劇企業(yè)內(nèi)部就業(yè)結(jié)構(gòu)的變動，降低就業(yè)結(jié)構(gòu)穩(wěn)定性?？赡艿脑蛟谟?，人工智能技術(shù)的應(yīng)用依賴高技能勞動力的協(xié)作配合，這促使企業(yè)對勞動力的需求結(jié)構(gòu)向高技能勞動力傾斜。本文進(jìn)一步檢驗人工智能技術(shù)對不同技能勞動力的影響，結(jié)果展示在表2中?？梢园l(fā)現(xiàn)，人工智能技術(shù)促進(jìn)了勞動就業(yè)方向從低技能崗位向高技能崗位更替。具體而言，企業(yè)增加專業(yè)技術(shù)崗位和銷售崗位的高技能人員，這意味著人工智能技術(shù)會促進(jìn)企業(yè)新技術(shù)崗位如人工智能相關(guān)專業(yè)技術(shù)崗位的人才需求，在擴大業(yè)務(wù)經(jīng)營范圍的同時對銷售人員的需求也同步擴張；在低技能人員中，人工智能技術(shù)的應(yīng)用對于普通生產(chǎn)人員的就業(yè)產(chǎn)生顯著的替代效果，最終加劇了企業(yè)就業(yè)結(jié)構(gòu)的波動。

（二）內(nèi)生性處理

本文利用工具變量法與滯后期模型進(jìn)行內(nèi)生性問題處理。首先，本文參考王林輝等、①王永欽等的方法，①使用美國工業(yè)機器人滲透度（robot_US）作為工具變量進(jìn)行內(nèi)生性檢驗。該工具變量的選擇原因為，美國工業(yè)機器人水平處于行業(yè)領(lǐng)先地位，與中國機器人的發(fā)展趨同，可能會通過技術(shù)沖擊影響中國企業(yè)人工智能水平，但是其并不會直接影響中國的勞動力市場，所以滿足工具變量的相關(guān)性和排他性要求。實證結(jié)果展示在表3 Panel A中。其中第一階段回歸中robot_US的系數(shù)在5%的水平上顯著為正，滿足工具變量相關(guān)性條件，并且第一階段F值為14.55，故不存在弱工具變量問題。第二階段回歸中人工智能技術(shù)的系數(shù)均在1%的水平上顯著，并且系數(shù)大小與基準(zhǔn)回歸結(jié)果相似，說明在解決內(nèi)生性問題之后，基準(zhǔn)回歸結(jié)果依舊顯著。此外，本文利用滯后期模型進(jìn)行內(nèi)生性檢驗，將滯后一期核心解釋變量作為主要解釋變量納入基準(zhǔn)回歸模型進(jìn)行實證檢驗。實證結(jié)果展示在表3 Panel B中，結(jié)果顯示在滯后一期的lnAI對就業(yè)規(guī)模穩(wěn)定性和結(jié)構(gòu)穩(wěn)定性的影響依舊顯著。

（三）穩(wěn)健性檢驗

本文利用如下四種方法進(jìn)行穩(wěn)健性檢驗：第一，替換核心解釋變量。本文將人工智能水平的衡量方法替換為姚加權(quán)等的方法進(jìn)行實證檢驗，②結(jié)果展示在表4的列（1）—（4）。第二，本文將參與回歸連續(xù)變量的縮尾比例從1%更改至5%的水平，重新進(jìn)行基準(zhǔn)回歸檢驗，結(jié)果展示在表4的列（5）—（8）。第三，在基準(zhǔn)回歸模型的基礎(chǔ)上增加了“行業(yè)-年份”維度的固定效應(yīng)，剔除隨著時間變化的行業(yè)因素對實證結(jié)果的影響，結(jié)果展示在表5的列（1）—（4）。第四，本文在基準(zhǔn)回歸模型的基礎(chǔ)上增加了地區(qū)層面的控制變量，地區(qū)高等學(xué)校預(yù)計畢業(yè)生數(shù)（lngrad）以及城鎮(zhèn)居民人均消費水平（以2010年為基年）與GDP之比（consum），以控制地區(qū)層面勞動力和經(jīng)濟因素對實證結(jié)果的影響，結(jié)果展示在表5的列（5）—（8）。以上穩(wěn)健性檢驗結(jié)果均與基準(zhǔn)回歸結(jié)果一致，驗證了本文基準(zhǔn)回歸結(jié)論的可靠性。

四、傳導(dǎo)機制

本文檢驗了企業(yè)全要素生產(chǎn)率（tfp）與勞動產(chǎn)出效率（eff）在人工智能技術(shù)影響就業(yè)穩(wěn)定性中的機制作用。其中企業(yè)全要素生產(chǎn)率利用OP模型進(jìn)行計算，其中產(chǎn)出為主營業(yè)務(wù)收入，投入為企業(yè)就業(yè)人員數(shù)和凈資產(chǎn)總額，以上變量均取對數(shù)形式。勞動產(chǎn)出效率利用勞動投入回報率進(jìn)行計算，勞動產(chǎn)出效率越高意味著單位勞動力的產(chǎn)出越高，具有更高的生產(chǎn)價值。實證結(jié)果展示在表6和表7中。首先，人工智能技術(shù)會顯著提高企業(yè)全要素生產(chǎn)率；當(dāng)將tfp納入基準(zhǔn)回歸進(jìn)行機制檢驗時，結(jié)果顯示全要素生產(chǎn)率會顯著減少企業(yè)雇傭增長率和規(guī)模波動率，同時對高低技能比和結(jié)構(gòu)波動率產(chǎn)生正向影響。這意味人工智能技術(shù)提高全要素生產(chǎn)率可能會帶來業(yè)務(wù)流程優(yōu)化，進(jìn)而會減少對低效勞動力需求，同時也會通過增加勞動力特別是高技能勞動力以滿足擴張需求，因此會導(dǎo)致就業(yè)規(guī)模穩(wěn)定和就業(yè)結(jié)構(gòu)波動。其次，人工智能技術(shù)能夠顯著提高勞動產(chǎn)出效率，當(dāng)將eff納入模型進(jìn)行檢驗發(fā)現(xiàn)，勞動產(chǎn)出效率是人工智能技術(shù)穩(wěn)定就業(yè)規(guī)模的重要機制，人工智能會通過提高勞動產(chǎn)出效率進(jìn)而對就業(yè)規(guī)模穩(wěn)定產(chǎn)生有利影響?？赡艿脑蛟谟?，人機協(xié)作提高單位勞動產(chǎn)出效率時，企業(yè)可能更愿意進(jìn)行企業(yè)內(nèi)部員工的技術(shù)培訓(xùn)或崗位結(jié)構(gòu)變動，進(jìn)而避免大幅入職新員工增加勞動成本。

五、進(jìn)一步分析

（一）政策支持的調(diào)節(jié)效果

1. 是否獲得高新技術(shù)企業(yè)認(rèn)定

當(dāng)企業(yè)獲得高新技術(shù)認(rèn)定時，政府將同時給予企業(yè)稅收優(yōu)惠與政府補貼，這是創(chuàng)新激勵政策對企業(yè)技術(shù)發(fā)展的有效支持。因此本文設(shè)置是否獲得高新技術(shù)企業(yè)的二元變量進(jìn)行調(diào)節(jié)效應(yīng)檢驗，實證結(jié)果展示在表8的Panel A中。實證結(jié)論顯示，列（1）和列（2）中l(wèi)nAI與ICP的交乘項系數(shù)至少在10%的水平上顯著為負(fù)，這意味著在人工智能技術(shù)沖擊下，高新技術(shù)企業(yè)更易穩(wěn)定就業(yè)規(guī)模；列（3）和列（4）中l(wèi)nAI與ICP的交乘項系數(shù)均在1%的水平上顯著為正，說明高新技術(shù)企業(yè)傾向于通過調(diào)整就業(yè)結(jié)構(gòu)以提高人工智能技術(shù)應(yīng)用能力。但是，如果該企業(yè)通過操縱研發(fā)投入的方式以恰好滿足認(rèn)定門檻，那么機會主義行為可能會大大削弱政府技術(shù)支持的實際作用，從而可能無法對企業(yè)技術(shù)水平產(chǎn)生有效影響。因此，本文參考楊國超和芮萌的方法，以獲得高企認(rèn)定但是研發(fā)投入恰好超過法規(guī)門檻1%的公司設(shè)定為“偽高新企業(yè)”，①重新設(shè)置二元虛擬變量進(jìn)行調(diào)節(jié)效應(yīng)檢驗。表8中Panel B的結(jié)果顯示，lnAI與FICP的交乘項系數(shù)均不顯著，因此通過虛增研發(fā)投入而獲得高企認(rèn)定的“偽高新技術(shù)企業(yè)”并不會對人工智能技術(shù)的就業(yè)效應(yīng)產(chǎn)生顯著影響。

2. 是否處于寬帶中國試點城市

城市的信息化建設(shè)是人工智能發(fā)展的重要基礎(chǔ)，因此本文采用寬帶中國試點城市檢驗城市信息化建設(shè)對人工智能就業(yè)效應(yīng)的影響。從2014年至今，國家已經(jīng)確定了第一至第三批共計117個城市（群）作為寬帶中國示范城市。較非試點城市，實施寬帶中國政策的試點城市的信息化建設(shè)水平有了顯著提升。本文根據(jù)企業(yè)所在地區(qū)的城市編碼與樣本年份設(shè)置寬帶中國試點城市的0-1變量，進(jìn)行調(diào)節(jié)效應(yīng)檢驗。實證結(jié)果展示在表9中。實證結(jié)果顯示，處于寬帶中國試點地區(qū)的企業(yè)應(yīng)用人工智能技術(shù)能夠顯著降低企業(yè)雇傭增長率和就業(yè)規(guī)模波動，同時會對企業(yè)高低技能之比和結(jié)構(gòu)波動率產(chǎn)生顯著正向影響。可能的原因在于，信息化的發(fā)展和人工智能技術(shù)的應(yīng)用在增加核心技術(shù)人員的同時，可能會降低對非關(guān)鍵或低技能勞動力的需求，因此導(dǎo)致就業(yè)規(guī)模趨于穩(wěn)定的同時就業(yè)結(jié)構(gòu)趨于變動。

（二）基于企業(yè)屬性的異質(zhì)性檢驗

1. 生命周期

當(dāng)企業(yè)生命周期不同時，企業(yè)引進(jìn)人工智能技術(shù)的目的以及企業(yè)就業(yè)需求會有顯著差異，進(jìn)而可能導(dǎo)致人工智能技術(shù)就業(yè)效應(yīng)的異質(zhì)性結(jié)果。因此，本文參考董曉芳和袁燕的方法，利用企業(yè)年齡定義企業(yè)的生命周期，根據(jù)同行業(yè)內(nèi)企業(yè)年齡將企業(yè)劃分為初創(chuàng)期、成熟期和衰退期。①實證結(jié)果展示在表10中，Panel A和Panel B分別展示了處于不同生命周期階段企業(yè)的人工智能水平對就業(yè)規(guī)模穩(wěn)定和就業(yè)結(jié)構(gòu)穩(wěn)定的異質(zhì)性影響。實證結(jié)果顯示：處于初創(chuàng)期企業(yè)的人工智能應(yīng)用能夠穩(wěn)定就業(yè)規(guī)模；處于成熟期的企業(yè)能夠在穩(wěn)定就業(yè)總規(guī)模的情況下，通過調(diào)整就業(yè)結(jié)構(gòu)以適應(yīng)人工智能發(fā)展；處于衰退期的企業(yè)傾向于調(diào)整就業(yè)結(jié)構(gòu)。

2. 企業(yè)市場勢力

在不同市場勢力的企業(yè)中，人工智能技術(shù)的應(yīng)用情況和勞動力需求情況可能存在不同。因此，本文利用勒納指數(shù)衡量企業(yè)市場勢力，以檢驗在不同市場勢力企業(yè)中人工智能就業(yè)效應(yīng)的異質(zhì)性。勒納指數(shù)的計算方法為營業(yè)收入減去營業(yè)成本、銷售費用和管理費用后的部分與營業(yè)收入之比，然后根據(jù)同行業(yè)內(nèi)企業(yè)勒納指數(shù)的中位數(shù)將企業(yè)市場勢力劃分為較高和較低兩組。實證結(jié)果展示在表11中，當(dāng)企業(yè)市場勢力較高時，人工智能技術(shù)對雇傭增長率和規(guī)模波動率的回歸系數(shù)在至少5%的水平上顯著為負(fù)，對高低技能比和結(jié)構(gòu)波動率的系數(shù)在至少5%的水平上顯著為正，意味著市場勢力較高的企業(yè)會通過高技能勞動力替代低技能勞動力的方式適應(yīng)技術(shù)變革，同時維持就業(yè)規(guī)模的穩(wěn)定；市場勢力較低的企業(yè)引進(jìn)人工智能技術(shù)更易加劇企業(yè)的就業(yè)結(jié)構(gòu)更替。

六、基本結(jié)論

本文基于2010—2022年A股上市公司微觀數(shù)據(jù)，檢驗了人工智能技術(shù)沖擊與勞動就業(yè)穩(wěn)定性關(guān)系，重點考察人工智能對就業(yè)規(guī)模以及結(jié)構(gòu)穩(wěn)定性的影響、作用機制以及約束條件。研究結(jié)果表明：第一，人工智能技術(shù)能夠增加就業(yè)規(guī)模穩(wěn)定性，但會加劇就業(yè)結(jié)構(gòu)波動，誘發(fā)勞動就業(yè)方向從低技能向高技能崗位更替。人工智能技術(shù)有效地提高了企業(yè)對專業(yè)技術(shù)人員和銷售人員的需求，但減少了對普通生產(chǎn)人員的需求。第二，人工智能技術(shù)能夠通過提升全要素生產(chǎn)率加速就業(yè)結(jié)構(gòu)更替，勞動生產(chǎn)效率是人工智能技術(shù)穩(wěn)定就業(yè)規(guī)模的重要機制。第三，高新技術(shù)認(rèn)定和寬帶中國政策能夠幫助企業(yè)在調(diào)整就業(yè)結(jié)構(gòu)的同時穩(wěn)定就業(yè)規(guī)模。處于初創(chuàng)期會因為人工智能使用穩(wěn)定就業(yè)規(guī)模；處于成熟期和市場勢力強的企業(yè)傾向于在穩(wěn)定就業(yè)規(guī)模的情況下更替高低技能就業(yè)結(jié)構(gòu)；處于衰退期和市場勢力較低的企業(yè)會通過加速向高技能崗位轉(zhuǎn)移，以適應(yīng)人工智能技術(shù)的應(yīng)用。

結(jié)合本文研究發(fā)現(xiàn)，提出如下政策啟示。

首先，應(yīng)加強職業(yè)技術(shù)教育以適應(yīng)人工智能時代的要求。鑒于人工智能技術(shù)對企業(yè)就業(yè)穩(wěn)定性的顯著影響，企業(yè)勞動力的結(jié)構(gòu)和質(zhì)量需持續(xù)優(yōu)化以適應(yīng)技術(shù)演進(jìn)。隨著行業(yè)對高素質(zhì)勞動者需求的增加，市場對人才的標(biāo)準(zhǔn)也隨之提高。通過對勞動力進(jìn)行人工智能相關(guān)的知識和技能培訓(xùn)，可以為企業(yè)的高技能崗位輸送合適的人才。此外，政府應(yīng)積極發(fā)揮其引導(dǎo)作用，清晰地界定人工智能對各行業(yè)的具體影響，并主動組織相關(guān)技能培訓(xùn)項目，激勵勞動者接受再培訓(xùn)和再教育，以此促進(jìn)就業(yè)的長期穩(wěn)定。

其次，根據(jù)就業(yè)目標(biāo)靈活制定和調(diào)整產(chǎn)業(yè)政策以應(yīng)對不斷變化的市場需求。針對不同就業(yè)目標(biāo)，政府需靈活調(diào)整各地區(qū)的產(chǎn)業(yè)政策以適應(yīng)日益復(fù)雜的勞動關(guān)系和新興產(chǎn)業(yè)的發(fā)展。特別是在制定針對不同生命周期階段的企業(yè)政策時，需要靈活調(diào)整，以適應(yīng)這些企業(yè)的特定需求。例如，為初創(chuàng)企業(yè)提供創(chuàng)新刺激措施，支持成熟企業(yè)進(jìn)行技術(shù)升級和結(jié)構(gòu)調(diào)整，同時為市場勢力較弱或處于衰退期的企業(yè)提供技術(shù)轉(zhuǎn)型支持，并引導(dǎo)其平穩(wěn)調(diào)整就業(yè)結(jié)構(gòu)。此外，鼓勵企業(yè)積極參評高新技術(shù)企業(yè)認(rèn)定可以有效地穩(wěn)定就業(yè)。

最后，完善人工智能相關(guān)領(lǐng)域的政策支持體系。鑒于人工智能技術(shù)及相關(guān)領(lǐng)域的研發(fā)和應(yīng)用初期所需的高投入成本，政府的支持尤為關(guān)鍵。建議政府通過提供財政補貼、稅收優(yōu)惠等措施來刺激這些高新技術(shù)的研發(fā)和商業(yè)應(yīng)用。建立完善的工業(yè)機器人產(chǎn)業(yè)鏈并推動其在生產(chǎn)中的廣泛應(yīng)用，同時完善的應(yīng)用政策應(yīng)與增長目標(biāo)協(xié)調(diào)，加強產(chǎn)業(yè)聯(lián)動效應(yīng)。此外，建立健全行業(yè)協(xié)會和信息共享平臺，能夠幫助企業(yè)更好地鏈接資源和信息，共同推動行業(yè)健康發(fā)展和技術(shù)創(chuàng)新。

① 趙瑾：《貿(mào)易與就業(yè)：國際研究的最新進(jìn)展與政策導(dǎo)向——兼論化解中美貿(mào)易沖突對我國就業(yè)影響的政策選擇》，《財貿(mào)經(jīng)濟》2019年第3期，第5—18頁。

② 張婷、高德婷、蔡熙乾等：《以“穩(wěn)外資”助推“穩(wěn)就業(yè)”》，《財貿(mào)經(jīng)濟》2021年第6期，第104—118頁。

③ 劉元春、丁洋：《論就業(yè)管理模式的變革趨勢：從逆周期到跨周期》，《管理世界》2023年第1期，第68—77頁。

④ 劉貫春、葉永衛(wèi)、張軍：《社會保險繳費、企業(yè)流動性約束與穩(wěn)就業(yè)——基于〈社會保險法〉實施的準(zhǔn)自然實驗》，《中國工業(yè)經(jīng)濟》2021年第5期，第152—169頁。

⑤ 李太平、岑丹：《最低工資對我國制造業(yè)就業(yè)影響的實證檢驗》，《工業(yè)技術(shù)經(jīng)濟》2020年第7期，第31—38頁。

⑥ 王貝貝、陳勇兵、李震：《減稅的穩(wěn)就業(yè)效應(yīng)：基于區(qū)域勞動力市場的視角》，《世界經(jīng)濟》2022年第7期，第98—125頁。

⑦ 楊楊、于鑫：《財稅政策、貨幣政策如何協(xié)同“穩(wěn)就業(yè)”》，《稅務(wù)研究》2024年第6期，第12—18頁。

⑧ 肖周燕、張亞飛：《人口老齡化、數(shù)字經(jīng)濟與就業(yè)技能結(jié)構(gòu)》，《中國人口·資源與環(huán)境》2024年第7期，第170—183頁。

⑨ 藍(lán)嘉俊、方穎：《穩(wěn)就業(yè)視角下的性別身份認(rèn)同規(guī)范與性別工資差距》，《南京社會科學(xué)》2020年第6期，第29—39頁。

⑩ 習(xí)近平：《高舉中國特色社會主義偉大旗幟 為全面建設(shè)社會主義現(xiàn)代化國家而團結(jié)奮斗》，《人民日報》2022年10月26日，第1版。

11 王林輝、錢圓圓、周慧琳等：《人工智能技術(shù)沖擊和中國職業(yè)變遷方向》，《管理世界》2023年第11期，第74—95頁。

① Koch M.， Manuylov I.， “Measuring the Technological Bias of Robot Adoption and Its Implications for the Aggregate La？ bor Share”， in Research Policy， 2023， Vol.52， No.9， no.104848.

② Acemoglu D， Restrepo P， “Artificial Intelligence， Automation and Work”， in National Bureau of Economic Research，2018， no.24196.

③ 王林輝、胡晟明、董直慶：《人工智能技術(shù)、任務(wù)屬性與職業(yè)可替代風(fēng)險：來自微觀層面的經(jīng)驗證據(jù)》，《管理世界》2022年第7期，第60—78頁。

④ Frey C B， Osborne M A， “The Future of Employment： How Susceptible Are Jobs to Computerisation？”， in Technologi？ cal Forecasting and Social Change， 2017， vol.114， pp.254-280.

⑤ Brynjolfsson E， Mitchell T， Rock D， “What Can Machines Learn， and What Does It Mean for Occupations and the Economy？”， in AEA Papers and Proceedings， 2018， Vol.108， pp.43-47.

⑥ 張樂、林雪杰：《新技術(shù)革命背景下的工作變革與青年政策調(diào)適——基于CGSS的數(shù)據(jù)分析》，《中國青年研究》2021年第4期，第58—69頁。

⑦ 楊國超、芮萌：《高新技術(shù)企業(yè)稅收減免政策的激勵效應(yīng)與迎合效應(yīng)》，《經(jīng)濟研究》2020年第9期，第174—191頁。

⑧ Shuai X， Chmura C， “The Effect of State Corporate Income Tax Rate Cuts on Job Creation”， in Business Economics，2013， Vol.48， No.3， pp.183-193.

① Zhang L， Chen Y， He Z， “The Effect of Investment Tax Incentives： Evidence from China’s Value-Added Tax Re？ form”， in International Tax and Public Finance， 2018， Vol.25， No.4， pp.913-945.

② Aghion P， Cai J， Dewatripont M， et al.， “Industrial Policy and Competition”， in American Economic Journal： Macro？ economics， 2015， Vol.7， No.4， pp.1-32.

③ Tavassoli S， “Innovation Determinants over Industry Life Cycle”， in Technological Forecasting and Social Change，2015， Vol.91， pp.18-32.

④ Cucculelli M， Peruzzi V，“Innovation over the Industry Life-Cycle. Does Ownership Matter？”， in Research Policy，2020， Vol.49， No.1， no.103878.

⑤ Moreira S F， “Inside the Decline of the Labor Share： Technical Change， Market Power， and Structural Change”， in Journal of Economic Dynamics and Control， 2022， Vol.145， no.104566.

⑥ Vannoorenberghe G， “Firm-Level Volatility and Exports”， in Journal of International Economics， 2012， Vol.86， No.1，pp.57-67； Kurz C， Senses M Z， “Importing， Exporting， and Firm-Level Employment Volatility”， in Journal of International Economics， 2016， Vol.98， pp.160-175.

① 吳非、胡慧芷、林慧妍等：《企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)》，《管理世界》2021年第7期，第130—144+10頁。

② 人工智能技術(shù)關(guān)鍵詞包括：人工智能、智能技術(shù)、機器人、機器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、智能軟件、云計算、智能控制、數(shù)據(jù)挖掘、數(shù)字孿生、虛擬實現(xiàn)、混合實現(xiàn)、增強實現(xiàn)、異構(gòu)數(shù)據(jù)、文本挖掘、大數(shù)據(jù)、數(shù)據(jù)可視化、聯(lián)盟鏈、數(shù)字貨幣、智能合約、分布式計算、共識機制、比特幣、語音識別、人臉識別、生物識別技術(shù)、語義搜索、智能數(shù)據(jù)分析、圖像理解、圖像識別、身份驗證、物聯(lián)網(wǎng)、流計算、認(rèn)知計算、信息物理系統(tǒng)、圖計算、融合架構(gòu)、內(nèi)存計算、EB級存儲、綠色計算、億級并發(fā)、多方安全計算、類腦計算、工業(yè)4.0、智能轉(zhuǎn)型、商業(yè)智能、智能創(chuàng)新、智能設(shè)計、智能研發(fā)、智能城市、智能產(chǎn)品、智能營銷、智能工廠、智能辦公、智能生產(chǎn)、智能系統(tǒng)、智能制造、智能終端、智能設(shè)備、智能處理、智能運維、智能服務(wù)、智慧管理、智能客服、自動駕駛、互聯(lián)網(wǎng)金融、移動互聯(lián)、金融科技、數(shù)字金融、開放銀行、智能投顧、智慧農(nóng)業(yè)、數(shù)字營銷、智能營銷、智能家居、工業(yè)互聯(lián)網(wǎng)、網(wǎng)聯(lián)、智能穿戴、智能交通、智能電網(wǎng)、互聯(lián)網(wǎng)醫(yī)療、無人零售、智能環(huán)保、智能醫(yī)療、智能能源、NFC支付、智能文旅、量化金融。

① 王林輝、錢圓圓、宋冬林等：《機器人應(yīng)用的崗位轉(zhuǎn)換效應(yīng)及就業(yè)敏感性群體特征——來自微觀個體層面的經(jīng)驗證據(jù)》，《經(jīng)濟研究》2023年第7期，第69—85頁。

① 王永欽、董雯：《機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)》，《經(jīng)濟研究》2020年第10期，第159—175頁。

② 姚加權(quán)、張錕澎、郭李鵬等：《人工智能如何提升企業(yè)生產(chǎn)效率？——基于勞動力技能結(jié)構(gòu)調(diào)整的視角》，《管理世界》2024年第2期，第101—116+133+117—122頁。

① 楊國超、芮萌：《高新技術(shù)企業(yè)稅收減免政策的激勵效應(yīng)與迎合效應(yīng)》，《經(jīng)濟研究》2020年第9期，第174—191頁。

① 董曉芳、袁燕：《企業(yè)創(chuàng)新、生命周期與聚集經(jīng)濟》，《經(jīng)濟學(xué)（季刊）》2014年第2期，第767—792頁。

[責(zé)任編輯 求實]

Artificial Intelligence Technology and Employment Stability

——A Micro Study Based on Listed Company Data

CHEN Qi， DONG Zhi-qing

Abstract： With the deep change of information technology in the digital economy era， artificial intelligence（AI） has profound impacts on labor employment. The impact of AI technology on labour employment stability has been a hot issue of great concern to the academia and the industry. This article， based on microdata from Chinese A-share listed companies from 2010 to 2022， explores the impact of AI technology on employment stability， conducted through the dimensions of employment scale and structural stability. The findings reveal that： first， AI technology reduces employment volatility within companies but exacerbates structural fluctuations， promoting a shift from low-skill to high-skill jobs； second， total factor productivity and labor output efficiency emerge as key mechanisms through which artificial intelligence influences employment stability； third， firms receiving policy support are better positioned to stabilize employment volatility and facilitate structural transitions. Enterprises in the start-up or mature stage and with stronger market power are more effective in stabilizing employment size， while those in decline and with weaker market power are more inclined to adjust their employment structure to adapt to technological development. This research provides new perspectives for understanding employment stability in the context of emerging technologies.

Key words： Artificial Intelligence technology， employment stability， corporate attributes