人工智能技術(shù)對就業(yè)結(jié)構(gòu)均衡的影響

【作者簡介】，博士，副教授，碩士生導(dǎo)師，研究方向：收入分配與經(jīng)濟(jì)發(fā)展；，碩士研究生，研究方向：勞動經(jīng)濟(jì)學(xué)。

中圖分類號：F241.4；TP18文獻(xiàn)標(biāo)識碼：A

引言

黨的二十大報告明確提出，“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)、人工智能等一批新的增長引擎?！痹谶@個科技飛速進(jìn)步的時代，人工智能正引領(lǐng)著一場前所未有的技術(shù)革命。從簡單的數(shù)據(jù)處理到復(fù)雜的決策支持，從自動化生產(chǎn)到智能服務(wù)，人工智能已經(jīng)滲透到生活和社會生產(chǎn)的方方面面。尤其是近年來，人工智能技術(shù)的突破性進(jìn)展，在企業(yè)生產(chǎn)能力、營商環(huán)境以及勞動力市場等多個方面都產(chǎn)生了不同的影響。

在勞動力市場方面，人工智能水平的提高會對不同崗位的就業(yè)帶來沖擊，傳統(tǒng)制造業(yè)生產(chǎn)線上的低技術(shù)高重復(fù)性的工作正在被人工智能逐漸取代。目前學(xué)術(shù)界的主流觀點認(rèn)為，人工智能的應(yīng)用對于就業(yè)數(shù)量的影響分為替代效應(yīng)和創(chuàng)造效應(yīng)。當(dāng)自動化技術(shù)相比于勞動力更具備優(yōu)勢時，勞動力就會被替代，從而減少就業(yè)，產(chǎn)生替代效應(yīng)。而在人工智能水平提升的同時，新技術(shù)的應(yīng)用又會產(chǎn)生新崗位、新行業(yè)，從而使就業(yè)的總?cè)藬?shù)增加，產(chǎn)生創(chuàng)造效應(yīng)。人工智能的應(yīng)用對勞動力市場沖擊的總效應(yīng)取決于二者的大小比較。何勤等（2020）發(fā)現(xiàn)，人工智能技術(shù)的使用對制造業(yè)員工數(shù)量增長有負(fù)向影響，對員工技能和收入有正向影響。趙玲等（2023）認(rèn)為，人工智能水平的提高會增加服務(wù)業(yè)雇員的總數(shù)量，促進(jìn)就業(yè)[2]。

由此可見，在不同企業(yè)或者不同行業(yè)中，其崗位的性質(zhì)和特征存在差異，替代效應(yīng)和創(chuàng)造效應(yīng)相結(jié)合后的綜合效應(yīng)也存在差異，對就業(yè)的影響存在不確定性。蔡嘯和黃旭美（2019）通過對2003—2016年的省級面板數(shù)據(jù)實證研究發(fā)現(xiàn)，在多數(shù)情況下，人工智能水平的提高會抑制制造業(yè)就業(yè)，勞動力會從制造業(yè)流向服務(wù)業(yè)，而當(dāng)人工智能技術(shù)出現(xiàn)重大突破，制造業(yè)生產(chǎn)率得到大幅提升時，對制造業(yè)而言，創(chuàng)造效應(yīng)會大于替代效應(yīng)，這會使勞動力流回制造業(yè)[3]。

第二產(chǎn)業(yè)與第三產(chǎn)業(yè)的關(guān)系一直是產(chǎn)業(yè)結(jié)構(gòu)研究的關(guān)鍵問題，許多學(xué)者圍繞著這一問題展開討論，其中產(chǎn)業(yè)結(jié)構(gòu)高級化一直是討論的焦點。王瑞瑜（2024）認(rèn)為人工智能的生產(chǎn)可以促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的高級化4。而目前對產(chǎn)業(yè)間的均衡問題研究相對較少，且具有兩種不同的觀點。江靜（2017）認(rèn)為現(xiàn)在的服務(wù)業(yè)占比遠(yuǎn)低于同水平發(fā)展中國家，也低于同期世界平均水平，因此服務(wù)業(yè)目前因占比過低而導(dǎo)致產(chǎn)業(yè)結(jié)構(gòu)失衡5。而郭凱明（2017）則認(rèn)為，盡管服務(wù)業(yè)占比過低，但由于其提升速度太快，未能與經(jīng)濟(jì)發(fā)展相協(xié)調(diào)，所以服務(wù)業(yè)存在占比提升過快的結(jié)構(gòu)性失衡。黃群慧（2017）也認(rèn)為中國服務(wù)業(yè)因占比提升速度過快而產(chǎn)生結(jié)構(gòu)失衡。對于一國而言，服務(wù)業(yè)產(chǎn)值占GDP的多少為優(yōu)尚無統(tǒng)一標(biāo)準(zhǔn)，在產(chǎn)業(yè)融合的經(jīng)濟(jì)背景下，傳統(tǒng)意義上的產(chǎn)業(yè)占比無法充分反映經(jīng)濟(jì)狀況。華民（2017）認(rèn)為，過快地發(fā)展服務(wù)業(yè)會導(dǎo)致經(jīng)濟(jì)增速下降，產(chǎn)生“結(jié)構(gòu)性減速”，因為服務(wù)業(yè)的資本深化程度不夠，過快的增長會導(dǎo)致全要素生產(chǎn)率的下降。中國服務(wù)業(yè)的快速增長與制造業(yè)的占比下降，導(dǎo)致中國“制造業(yè)空心化”的風(fēng)險逐漸增大。

宋健和鄭江淮（2017）、陳永偉（2023）認(rèn)為，中國的服務(wù)業(yè)存在明顯的“鮑莫爾成本病”，中國的服務(wù)業(yè)高端化不夠，其生產(chǎn)效率明顯低于制造業(yè)[。姜濤（2005）認(rèn)為，用比較勞動生產(chǎn)率可以大致衡量各產(chǎn)業(yè)產(chǎn)出能力協(xié)調(diào)程度。孫晴等（2019）也同樣認(rèn)為，當(dāng)一個產(chǎn)業(yè)的比較勞動生產(chǎn)率相近且趨近于1時，產(chǎn)業(yè)結(jié)構(gòu)趨于均衡狀態(tài)[2]。圖1匯報了近年來二、三次產(chǎn)業(yè)的比較勞動生產(chǎn)率情況?？梢钥吹?，第三產(chǎn)業(yè)的比較勞動生產(chǎn)率一直低于第二產(chǎn)業(yè)且差距明顯。所以，我們認(rèn)為二、三次產(chǎn)業(yè)的相對結(jié)構(gòu)一直處于失衡狀態(tài)。

觀察中國近年來的勞動力數(shù)量，可以看出第二產(chǎn)業(yè)的就業(yè)人數(shù)呈遞減趨勢，伴隨而來的是第三產(chǎn)業(yè)就業(yè)人數(shù)的逐年增加。說明在宏觀的經(jīng)濟(jì)背景下，有一部分勞動力從第二產(chǎn)業(yè)流向了第三產(chǎn)業(yè)。圖2匯報了近年來不同產(chǎn)業(yè)間的就業(yè)情況。

在服務(wù)業(yè)的勞動生產(chǎn)率一直明顯低于第二產(chǎn)業(yè)情況下，勞動力仍然單向地流向第三產(chǎn)業(yè)，這與第三產(chǎn)業(yè)的低效率不相匹配，出現(xiàn)“逆庫茲涅茲化”趨勢。因此本文認(rèn)為，在這種產(chǎn)業(yè)結(jié)構(gòu)均衡被破壞的情況下，探究人工智能水平的提高如何影響就業(yè)市場勞動力的流向是具有現(xiàn)實意義的。

目前，人工智能對就業(yè)市場的影響逐漸成為討論的焦點，但現(xiàn)有研究仍存在以下不足。第一，大部分研究仍聚焦在微觀視角（尤其是制造業(yè)）。第二，多數(shù)研究關(guān)注整體就業(yè)規(guī)模，對于二、三產(chǎn)業(yè)間的勞動力結(jié)構(gòu)問題研究較少。第三，所選取的數(shù)據(jù)樣本年份較為久遠(yuǎn)，人工智能作為一種新型的技術(shù)進(jìn)步，其在整體上對經(jīng)濟(jì)社會的影響可能存在非線性關(guān)系，而現(xiàn)階段對勞動力市場影響的研究稍顯不足。第四，目前學(xué)界對人工智能發(fā)展水平的測度還未形成統(tǒng)一的標(biāo)準(zhǔn)。

本文認(rèn)為，采用不同衡量指標(biāo)對于實證結(jié)果的影響差異不能被忽略，例如許多研究習(xí)慣用工業(yè)機器人安裝密度作為代理指標(biāo)衡量人工智能水平。工業(yè)機器人雖然是人工智能在制造業(yè)中的重要應(yīng)用，但其只能反映制造業(yè)在制造環(huán)節(jié)的自動化程度，難以全面反映企業(yè)中人工智能的應(yīng)用水平[3]。尹志鋒等（2022）基于人工智能專利情況，認(rèn)為人工智能可以分為專家系統(tǒng)、機器人、計算機視覺、機器學(xué)習(xí)、自然語言處理5大領(lǐng)域[14]。以工業(yè)機器人安裝密度為例，由于“機器換人”的革新，機器人相對于其他細(xì)分領(lǐng)域是產(chǎn)生就業(yè)替代的“重災(zāi)區(qū)”。若僅用機器人安裝密度衡量人工智能技術(shù)的應(yīng)用水平研究其對勞動力市場的影響，將會導(dǎo)致人工智能發(fā)展水平對就業(yè)影響的總效應(yīng)中就業(yè)替代效應(yīng)的占比被高估，進(jìn)而使研究結(jié)果與實際產(chǎn)生偏差。不同時期人工智能技術(shù)不同細(xì)分領(lǐng)域的發(fā)展速度不同，而不同細(xì)分領(lǐng)域?qū)τ诰蜆I(yè)產(chǎn)生的替代效應(yīng)和創(chuàng)造效應(yīng)也不同。鑒于此，本文認(rèn)為，人工智能發(fā)展水平對于就業(yè)市場的影響可能是非線性的，并且人工智能技術(shù)不同細(xì)分領(lǐng)域在不同時期發(fā)展的不均衡性是其主要成因。不同測度對人工智能技術(shù)細(xì)分領(lǐng)域的覆蓋情況不同，被用來探究人工智能技術(shù)應(yīng)用影響就業(yè)時與實際的偏差也存在差異性。

由此可見，人工智能影響就業(yè)的實證結(jié)果與年份和代理指標(biāo)有關(guān)。綜合考慮，本文利用2010—2022年中國城市數(shù)據(jù)與人工智能專利申請量來衡量人工智能應(yīng)用情況，實證探究人工智能發(fā)展如何影響二、三產(chǎn)業(yè)間的就業(yè)結(jié)構(gòu)，并討論其他因素對這種影響的作用。本文的創(chuàng)新可能主要在于以下三點。

第一，研究視角方面，本文利用人工智能專利申請量作為衡量人工智能水平的指標(biāo)，同時利用上市公司企業(yè)年報人工智能關(guān)鍵詞詞頻作為工具變量。這兩種指標(biāo)能夠較為全面、完整地反映人工智能技術(shù)的發(fā)展水平。同時，本文采用的是最新年份的數(shù)據(jù)，從宏觀視角探究在技術(shù)發(fā)展新階段，人工智能技術(shù)應(yīng)用對二、三次產(chǎn)業(yè)間就業(yè)結(jié)構(gòu)的動態(tài)影響，與早期人工智能對單一研究對象就業(yè)影響的研究形成補充和驗證，為解決產(chǎn)業(yè)結(jié)構(gòu)均衡、就業(yè)結(jié)構(gòu)均衡問題提供了新基礎(chǔ)。

第二，研究方法方面，本文構(gòu)建計量模型驗證了人工智能技術(shù)的應(yīng)用對產(chǎn)業(yè)間就業(yè)均衡的影響。同時，對該影響進(jìn)行了異質(zhì)性分析并檢驗了人力資本在其中的作用。此外，本文采用了工具變量、差分GMM等方法控制了內(nèi)生性問題。

第三，研究結(jié)論方面，本文發(fā)現(xiàn)在現(xiàn)階段各生產(chǎn)要素涌向第三產(chǎn)業(yè)的宏觀經(jīng)濟(jì)背景下，人工智能的應(yīng)用對從第二產(chǎn)業(yè)流向第三產(chǎn)業(yè)的勞動力起到“節(jié)流”效應(yīng)，一定程度上緩解了“逆庫茲涅茲化”的趨勢。同時還發(fā)現(xiàn)，目前傳統(tǒng)意義的人力資本水平是一把“雙刃劍”，隨著人均受教育年限的提升，這種“節(jié)流”效應(yīng)受到了抑制。此外，人工智能對產(chǎn)業(yè)間就業(yè)均衡的影響表現(xiàn)出地區(qū)和時間差異。

一、文獻(xiàn)評述與研究假說

一方面，人工智能技術(shù)的飛速發(fā)展在推動生產(chǎn)力進(jìn)步的同時，也促使就業(yè)市場上機器人對勞動力的替代，給人類工作帶來前所未有的挑戰(zhàn)[。事實上，人工智能技術(shù)在制造業(yè)和服務(wù)業(yè)相關(guān)領(lǐng)域已經(jīng)得到了廣泛應(yīng)用。尤其伴隨著ChatGPT、GPT4的快速發(fā)展，曾經(jīng)以認(rèn)知類和創(chuàng)意類為主的被認(rèn)為難以替代的任務(wù)也可以由人工智能完成。Frey和Osborne（2017）認(rèn)為，在未來20年內(nèi)，大約有 47% 的美國工作崗位會受到自動化技術(shù)的威脅，其中低技能崗位風(fēng)險更大。蔡嘯和黃旭美（2019）認(rèn)為人工智能技術(shù)水平的提高又會創(chuàng)造出全新的就業(yè)崗位，能對就業(yè)產(chǎn)生正向創(chuàng)造效應(yīng)，所以，人工智能對就業(yè)的影響取決于替代效應(yīng)與創(chuàng)造效應(yīng)的動態(tài)變化[3]。由此可見，人工智能會造成勞動力在不同崗位、不同行業(yè)之間的流動，且伴隨著發(fā)展階段和經(jīng)濟(jì)背景的不同，這種流動的特征也表現(xiàn)出差異性。另外，這種流動的動力是基于勞動力與崗位的匹配，所以流動的效果對經(jīng)濟(jì)發(fā)展的利弊具有不確定性。

一部分學(xué)者認(rèn)為人工智能技術(shù)的應(yīng)用會對就業(yè)產(chǎn)生沖擊。王永欽和董雯（2020）利用2011—2015年滬深兩市A股制造業(yè)上市公司以及中國工業(yè)機器人滲透度數(shù)據(jù)，論證了機器人應(yīng)用降低了企業(yè)對勞動力的需求[1]。何勤等（2020）的研究則采用企業(yè)機器設(shè)備價值作為衡量企業(yè)人工智能水平的指標(biāo)，數(shù)據(jù)年份為2013—2018年，以115家制造業(yè)企業(yè)為研究對象，認(rèn)為人工智能應(yīng)用減小了制造業(yè)用工規(guī)模。彭瑩瑩和汪昕宇（2020）認(rèn)為，隨著人工智能技術(shù)的普及，制造業(yè)用工數(shù)量總體是減少的，其使用的是2018年針對廣東省制造企業(yè)的人工智能應(yīng)用情況問卷調(diào)查數(shù)據(jù)[18]。

還有一部分學(xué)者持有不同觀點。尹志鋒（2023）利用2009—2018年中國人工智能專利數(shù)據(jù)庫和中關(guān)村企業(yè)調(diào)查數(shù)據(jù)庫，考察了人工智能對企業(yè)就業(yè)的影響，認(rèn)為人工智能顯著促進(jìn)就業(yè)[4]。蔡嘯和黃旭美（2019）利用我國28個省份2003—2016年面板數(shù)據(jù)，論證得出人工智能技術(shù)對制造業(yè)就業(yè)的擠出效應(yīng)因重大技術(shù)突破促使制造業(yè)生產(chǎn)率巨大提升時發(fā)生反轉(zhuǎn)，使制造業(yè)勞動力回流，所采用的人工智能水平的衡量指標(biāo)為各省“信息傳輸、計算機服務(wù)和軟件業(yè)全社會固定資產(chǎn)投資與生產(chǎn)總值的比值”[3]

本文認(rèn)為，人工智能技術(shù)對就業(yè)結(jié)構(gòu)的影響與其發(fā)展進(jìn)程有關(guān)，不同時期人工智能技術(shù)不同細(xì)分領(lǐng)域的發(fā)展速度不同，而不同細(xì)分領(lǐng)域?qū)蜆I(yè)產(chǎn)生的替代效應(yīng)和創(chuàng)造效應(yīng)也不同，進(jìn)而影響總效應(yīng)的方向與大小。例如，人工智能可以從軟件和硬件兩個層面進(jìn)行細(xì)分。軟件層面主要是指算法與模型、軟件平臺以及應(yīng)用系統(tǒng)等方面，包括自然語言處理、計算機視覺、機器學(xué)習(xí)、深度學(xué)習(xí)等；硬件層面則是指計算硬件和物理設(shè)備方面，包括AI芯片、傳感器、智能終端和機器人等。

《戰(zhàn)略性新興產(chǎn)業(yè)分類與國際專利分類參照關(guān)系表》對人工智能專利分類號進(jìn)行了匯總和簡易分類。其 中 G05D1/02、G05D1/08、G05D1/10、G05D1/12、G06F1/16分類號對應(yīng)的關(guān)聯(lián)詞為“可穿戴智能設(shè)備制造；智能無人飛行器制造；數(shù)字家庭智能終端設(shè)備、智能感知與控制設(shè)備等其他智能消費設(shè)備制造；金融電子應(yīng)用產(chǎn)品”，用這類專利申請量可大致衡量人工智能硬件的技術(shù)發(fā)展水平。其中G06F3/01、G06F9/44、G06F9/455、G06N3/00、G06N3/04、G06N3/06、G06N3/063、G06N3/067、G06N3/10、G06N3/12、G06N5/00、G06N5/02、G06N5/04分類號對應(yīng)的關(guān)聯(lián)詞在以上產(chǎn)品的基礎(chǔ)上，增加了“生產(chǎn)領(lǐng)域人工智能系統(tǒng)、智能家居系統(tǒng)等信息系統(tǒng)集成服務(wù)；人工智能優(yōu)化操作系統(tǒng)、人工智能中間件、函數(shù)庫；計算機視聽覺軟件、生物特征識別軟件等應(yīng)用軟件開發(fā)”，用這類專利申請量可大致衡量人工智能軟件的技術(shù)發(fā)展水平。圖3匯報了2010一2022年這兩大類的專利申請量。

從圖3可以看到，人工智能硬件技術(shù)的增長一直保持在穩(wěn)定水平，而軟件類技術(shù)水平卻在近幾年大幅度提升，這也說明了人工智能的發(fā)展重心在不同的細(xì)分領(lǐng)域間進(jìn)行轉(zhuǎn)移。

首先，人工智能軟件領(lǐng)域的發(fā)展將會減少數(shù)據(jù)處理、信息篩選等重復(fù)性高、技能要求低的勞動崗位；同時隨著機器學(xué)習(xí)、自然語言處理等方面的不斷成熟，也會不斷涌現(xiàn)新的崗位。而人工智能硬件可以在制造業(yè)中實現(xiàn)自動化生產(chǎn)線，減少高強度體力、重復(fù)性操作以及環(huán)境危險的工作崗位；同時硬件領(lǐng)域的發(fā)展也會創(chuàng)造新的產(chǎn)業(yè)鏈，如芯片設(shè)計、傳感器的制造，從而產(chǎn)生新的就業(yè)崗位。因此，人工智能技術(shù)對就業(yè)影響的總效應(yīng)的大小與方向也會隨著技術(shù)進(jìn)步進(jìn)程的推進(jìn)而發(fā)生改變，并且隨著人工智能硬件的發(fā)展逐漸趨于穩(wěn)定，制造業(yè)中傳統(tǒng)的以“機器換人”為代表的直接崗位替代現(xiàn)象得到抑制。因此，本文提出假設(shè)1。

假設(shè)1：在第三產(chǎn)業(yè)繁榮發(fā)展的環(huán)境下，人工智能的應(yīng)用使一部分勞動力重新回到第二產(chǎn)業(yè)，對第二產(chǎn)業(yè)向第三產(chǎn)業(yè)流動的勞動力起到“節(jié)流”作用。

其次，人工智能對不同崗位的替代程度是不一樣的。陳明生（2019）認(rèn)為情感性勞動和創(chuàng)造性勞動難以被人工智能取代，具有一定的創(chuàng)新性內(nèi)容和應(yīng)對不確定性以及不規(guī)則的勞動，在短時間內(nèi)也難以被替代[1]。趙玲等（2023）認(rèn)為，中風(fēng)險崗位和職業(yè)主要集中在服務(wù)業(yè)，而大多數(shù)的高風(fēng)險崗位集中在制造業(yè)。何勤等（2020）認(rèn)為，人工智能作為一種偏向性技術(shù)進(jìn)步，會增加制造業(yè)對高學(xué)歷勞動者的需求并減少對低技能勞動者的需求，從而使企業(yè)人力資本結(jié)構(gòu)得到提升。在人工智能發(fā)展的沖擊下，制造業(yè)的低技能勞動崗位減少，而對高技能勞動者的需求影響較小，綜合起來表現(xiàn)為企業(yè)內(nèi)部人力資本結(jié)構(gòu)得到了優(yōu)化。

以往研究大多探討人力資本與單一研究對象就業(yè)情況之間的關(guān)系，并未探究人力資本對勞動力在產(chǎn)業(yè)間流動的動態(tài)影響。本文認(rèn)為，人力資本對就業(yè)情況的影響除了產(chǎn)業(yè)對勞動者獨立的需求改變，也作用于勞動力在產(chǎn)業(yè)間流動。高技能勞動者往往因為受教育年限長或工作年限長等原因，對特定技能的掌握更加專業(yè)和深化，因此高技能勞動者具有更強的不可替代性、更好的福利待遇以及更高的就業(yè)轉(zhuǎn)移成本。所以，高技能勞動者表現(xiàn)出的就業(yè)特征并非“高靈活性”，而是“高穩(wěn)定性”。在面對“風(fēng)險”時，他們往往能夠比其他勞動者更能規(guī)避風(fēng)險，在面對“機遇”時，這些高技能勞動者的決策往往不夠靈活。所以在勞動力涌向第三產(chǎn)業(yè)的大背景下，盡管制造業(yè)在人工智能的加持下使一定勞動力產(chǎn)生回流，但這種回流效果還是受到了高人力資本的抑制作用。因此，本文提出假設(shè)2。

假設(shè)2：人工智能對產(chǎn)業(yè)就業(yè)結(jié)構(gòu)的影響力，會受到高人力資本水平的抑制作用

再次，這種勞動力的流動可能表現(xiàn)出地區(qū)差異和時間差異。與其他地區(qū)相比，以東部為主的經(jīng)濟(jì)發(fā)達(dá)地區(qū)，其產(chǎn)業(yè)結(jié)構(gòu)往往高級化程度更高，第三產(chǎn)業(yè)占比更大，其行業(yè)規(guī)模和崗位特征與一些西部等經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)存在差異性。相較發(fā)達(dá)地區(qū)，欠發(fā)達(dá)地區(qū)的第二產(chǎn)業(yè)占比更大，與人工智能相結(jié)合后得到的改善更為明顯，且欠發(fā)達(dá)地區(qū)人工智能技術(shù)應(yīng)用的水平要略低于經(jīng)濟(jì)發(fā)達(dá)地區(qū)，其對勞動力轉(zhuǎn)移過程中的技術(shù)性壁壘更低，所以促使勞動力回流到第二產(chǎn)業(yè)的效果更明顯。

最后，產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展也受政策影響。我國近年來的政策導(dǎo)向偏向于發(fā)展服務(wù)業(yè)。數(shù)字經(jīng)濟(jì)水平的提升大大促進(jìn)了第三產(chǎn)業(yè)發(fā)展，創(chuàng)造了許多集中在第三產(chǎn)業(yè)領(lǐng)域的新產(chǎn)業(yè)、新業(yè)態(tài)以及新商業(yè)模式[20]。戚聿東等（2020）認(rèn)為，數(shù)字經(jīng)濟(jì)發(fā)展顯著優(yōu)化了就業(yè)結(jié)構(gòu)，證實了數(shù)字經(jīng)濟(jì)的發(fā)展推動了就業(yè)的服務(wù)業(yè)化2。因此，這種產(chǎn)業(yè)規(guī)模和就業(yè)崗位的改變勢必會影響人工智能應(yīng)用對于就業(yè)結(jié)構(gòu)的改變，更大程度地深化了服務(wù)業(yè)與人工智能的結(jié)合，弱化了人工智能技術(shù)應(yīng)用對勞動力向第三產(chǎn)業(yè)流動的“節(jié)流”效應(yīng)。因此本文提出假設(shè)3。

假設(shè)3：人工智能對就業(yè)結(jié)構(gòu)的改變存在差異性。地區(qū)差異主要存在于經(jīng)濟(jì)較為發(fā)達(dá)的中部與東部之間，以及相對落后的西部與東北部地區(qū)之間，在欠發(fā)達(dá)地區(qū)勞動力回流效果更明顯。而時間差異存在于大力發(fā)展數(shù)字經(jīng)濟(jì)前后，在服務(wù)業(yè)因數(shù)字經(jīng)濟(jì)發(fā)展而得到升級完善之后，這種勞動力的回流受到削弱。

二、模型構(gòu)建和數(shù)據(jù)說明

（一）模型構(gòu)建

根據(jù)前文理論，本文認(rèn)為人工智能技術(shù)的應(yīng)用影響了二、三產(chǎn)業(yè)間勞動力的流動。為了驗證這一假設(shè)，本文構(gòu)建以下計量模型：

其中，i和t表示省份和年份。 表示i省t年的人工智能發(fā)展水平，本文采用人工智能相關(guān)專利申請量的對數(shù)值衡量。r_labori表示i省t年第二產(chǎn)業(yè)相對于第三產(chǎn)業(yè)的就業(yè)規(guī)模，采用二三產(chǎn)業(yè)就業(yè)人數(shù)比來度量。 X_it 表示控制變量，涵蓋了可能影響二三次產(chǎn)業(yè)就業(yè)規(guī)模的其他主要因素，包括：（1）固定資產(chǎn)投資水平（capital），采用固定資產(chǎn)投資額與GDP比值度量；（2）城市開放程度（opening），采用外商投資企業(yè)出口總額的對數(shù)值衡量；（3）城鎮(zhèn)化率（urbanization），采用城鎮(zhèn)人口數(shù)與年末常住人口數(shù)比值度量；（4）基礎(chǔ)設(shè)施水平（infrastructure），采用每平方公里的公路里程衡量；（5）金融發(fā)展水平（finance），采用金融業(yè)增加值的對數(shù)值衡量。 μ_i 為省份固定效應(yīng)， u_t 為年份固定效應(yīng)， ε_it 為隨機擾動項， ∝ 、β、γ為系數(shù)項。變量的描述性統(tǒng)計如表1所示。

人工智能相關(guān)專利申請量取對數(shù)后均值為6.231，標(biāo)準(zhǔn)差為2.011；二、三產(chǎn)業(yè)就業(yè)人數(shù)比均值為0.632，標(biāo)準(zhǔn)差為0.235，表明整體上第二產(chǎn)業(yè)的就業(yè)規(guī)模要小于第三產(chǎn)業(yè)。

（二）數(shù)據(jù)來源及說明

本文采用的數(shù)據(jù)為2010—2022年我國30個省份面板數(shù)據(jù)（不包括港澳臺及西藏地區(qū)），對所有變量進(jìn)行縮尾處理，共390個觀測值。

其中，人工智能專利申請量根據(jù)《戰(zhàn)略性新興產(chǎn)業(yè)分類與國際專利分類參照關(guān)系表》中人工智能專利分類號，從國家知識產(chǎn)權(quán)局檢索得到。第二、三產(chǎn)業(yè)就業(yè)人數(shù)數(shù)據(jù)來自國泰安數(shù)據(jù)庫（CS-MAR）。2010—2017年固定資產(chǎn)投資額取自2011—2018年《中國固定投資統(tǒng)計年鑒》，2018—2022年由2019—2023年中國固定投資年鑒公布的增長率計算得來。每平方公里的公路里程與金融業(yè)增加值來自國家統(tǒng)計局。其他城市數(shù)據(jù)均來自《中國城市統(tǒng)計年鑒》。

三、實證分析結(jié)果

（一）基準(zhǔn)回歸

表2匯報了人工智能水平對二、三產(chǎn)業(yè)相對就業(yè)規(guī)模的基準(zhǔn)回歸結(jié)果?？梢钥闯?，人工智能水平每上漲1個單位，第二產(chǎn)業(yè)相對于第三產(chǎn)業(yè)的就業(yè)規(guī)模提升約0.039個單位。另外，在確定的某一省份中，整體勞動力隨年份增長，從第二產(chǎn)業(yè)流進(jìn)第三產(chǎn)業(yè)。這說明勞動力整體流向主要還是受到宏觀經(jīng)濟(jì)情況影響，盡管第二產(chǎn)業(yè)比較勞動生產(chǎn)率更高，但是個體在就業(yè)選擇時還是受到很多其他方面的影響，例如工作環(huán)境、個體偏好、輿論環(huán)境以及政策引導(dǎo)等。回歸結(jié)果顯示，人工智能水平對二、三產(chǎn)業(yè)就業(yè)人數(shù)比值的凈效應(yīng)仍顯著為正，說明在宏觀環(huán)境驅(qū)使勞動力流向第三產(chǎn)業(yè)的背景下，人工智能的發(fā)展還是對其起到了“節(jié)流”效應(yīng)，使一部分勞動力流回第二產(chǎn)業(yè)。此外，對數(shù)據(jù)進(jìn)行懷特檢驗，檢驗結(jié)果顯示 p=0.4905 ，故認(rèn)為不存在異方差問題。

（二）內(nèi)生性檢驗

1.工具變量法

考慮到解釋變量可能是內(nèi)生的，我們將采用工具變量法處理該問題。本文最先考慮的是利用各省份每年的政府工作報告詞頻統(tǒng)計進(jìn)行分析，但因關(guān)聯(lián)詞相關(guān)頻率太低，無法進(jìn)行有效估計。為了盡可能保證工具變量的外生性，本文采用構(gòu)件合成的思路，將衡量指標(biāo)拆分成不同的構(gòu)成要件。例如，所衡量的某一水平指標(biāo)可以理解為主觀因素與客觀因素的交互結(jié)果。具體而言，選取的工具變量表達(dá)式如下：

IVAI_it=Frequency_it-1×Real_it

其中， IVAI_it 為i省t年衡量人工智能水平的工具變量。Frequencyi-為i省 年的該省內(nèi)所有上市公司企業(yè)年報中出現(xiàn)人工智能關(guān)聯(lián)詞的平均頻率，用來衡量該省企業(yè)對人工智能技術(shù)的關(guān)注度，這種關(guān)注度反映在企業(yè)第二年的生產(chǎn)和決策當(dāng)中。其統(tǒng)計方法為：用python對30個省2009—2021年間的所有年報進(jìn)行爬取，然后進(jìn)行詞頻統(tǒng)計，之后再對每個企業(yè)每一年的統(tǒng)計結(jié)果按省份進(jìn)行手工加總，最后再除以當(dāng)年所統(tǒng)計的各省企業(yè)數(shù)，得到平均結(jié)果。關(guān)于人工智能關(guān)鍵詞的確定，本文參考李果（2023）[3的做法，表3匯報了詞頻分析中人工

智能關(guān)鍵詞的具體指標(biāo)。

Real_it 則是衡量企業(yè)將生產(chǎn)、決策想法落實的能力，這里采用的是i省t年的“新型實用專利和外觀專利的授權(quán)量”與“新型實用專利和外觀專利的申請量”比值衡量。之所以排除發(fā)明專利數(shù)量，是因為發(fā)明專利審核周期過長，一般為兩到三年。本文采用的數(shù)據(jù)年份跨度有限，不宜將某一變量滯后時間過長導(dǎo)致樣本大幅減少。而新型實用專利與外觀專利審核周期一般為半年到一年，因此入選。另外，在實際數(shù)據(jù)整理過程中，發(fā)現(xiàn)有極個別的Real_it 大于1。原因可能是受審核周期的影響，專利授權(quán)與專利申請年份為相鄰的兩年?？紤]到相差年份周期不長，也可以反映企業(yè)在相近年份中的短期的實踐能力，對整個總趨勢影響不大，并且數(shù)據(jù)的偏離程度較小，本文除了對其進(jìn)行常規(guī)的縮尾處理以外，未采用其他的處理辦法。

的內(nèi)生性。

2.更換計量模型

為了排除內(nèi)生性干擾，同時考慮產(chǎn)業(yè)間相對就業(yè)規(guī)?？赡艽嬖诼窂揭蕾?，本文將上一期被解釋變量引入模型，采用動態(tài)面板GMM方法進(jìn)行回歸分析，模型如下：

表4列（1）匯報了采用兩階段最小二乘法（2SLS）檢驗第一階段的估計結(jié)果，結(jié)果顯示工具變量與核心解釋變量相關(guān)。表4列（2）匯報了第二階段的回歸結(jié)果，顯示結(jié)論與前文一致。在控制其他因素后，弱工具變量F檢驗的統(tǒng)計值為12.0926，說明本文選擇的工具變量比較合理，不存在弱工具變量問題。另外，通過對基準(zhǔn)回歸與工具變量回歸結(jié)果進(jìn)行hausman檢驗，檢驗結(jié)果顯示p=0.008 ，說明原核心解釋變量確實存在一定程度

r_laborit-為i省t-1年二、三次產(chǎn)業(yè)就業(yè)人數(shù)的比值，其他變量與上文一致?？紤]到弱工具變量問題，本文僅使用最多2階被解釋變量的滯后項作為工具變量。過度識別檢驗結(jié)果顯示 p=0.9576 ，序列相關(guān)檢驗結(jié)果顯示 AR2=0.2558 ，說明所選工具變量合理且無擾動項序列相關(guān)問題，具體估計結(jié)果見表5。從表中可以看到，人工智能水平的回歸系數(shù)仍然在 5% 的統(tǒng)計水平上顯著為正，與前文結(jié)論保持一致。另外，二、三次產(chǎn)業(yè)相對就業(yè)規(guī)模同時也受到上一期就業(yè)規(guī)模的影響。

3.替換核心解釋變量

考慮到指標(biāo)的差異可能影響回歸結(jié)果，參考以往研究，本文采用城市互聯(lián)網(wǎng)接人端口數(shù)的對數(shù)值（lnnet）替換核心解釋變量，使結(jié)果更具有穩(wěn)健性。所用數(shù)據(jù)來源于國家統(tǒng)計局。表6匯報了互聯(lián)網(wǎng)接入端口數(shù)對二、三產(chǎn)業(yè)相對就業(yè)規(guī)模的影響，結(jié)論與前文一致。

4.逐步加入控制變量

為了使結(jié)果進(jìn)一步穩(wěn)健，本文通過逐步加入控制變量的方法來觀察核心解釋變量對二三產(chǎn)業(yè)就業(yè)規(guī)模的影響。表7匯報了逐步加入控制變量的回歸結(jié)果，可以看到，在添加控制變量的過程中，人工智能水平對二、三次產(chǎn)業(yè)相對就業(yè)規(guī)模的影響均在1% 的統(tǒng)計水平上顯著為正，說明所選控制變量合理，結(jié)果較為穩(wěn)健。

四、機制檢驗和異質(zhì)性分析

（一）人工智能水平影響就業(yè)的機制檢驗

1.城市國有化程度對人工智能水平影響就業(yè)的作用機制

之前學(xué)者基于微觀視角研究，認(rèn)為企業(yè)所有制類型對勞動力流動產(chǎn)生影響。出于企業(yè)福利待遇、工作壓力、企業(yè)社會責(zé)任以及傳統(tǒng)就業(yè)觀念等各種因素，國有制企業(yè)在勞動力流動性上往往低于私有制企業(yè)。因此城市國有化程度越高，人工智能促使勞動力流向第二產(chǎn)業(yè)的凈效應(yīng)越小。本文采用城鎮(zhèn)國有企業(yè)職工人數(shù)與勞動力總量的比值衡量城市的國有化率（r_nation），并將國有化率以及國有化率與人工智能水平的交互項引入模型，如下所示。

tion_it+γX_it+μ_i+ν_t+ε_it （4）

表8列（1）匯報了國有化率對人工智能水平影響就業(yè)作用機制的回歸結(jié)果。遺憾的是，交互項的回歸系數(shù)雖然為負(fù)，與預(yù)期一致（即國有化率對人工智能促進(jìn)勞動力流向第二產(chǎn)業(yè)有抑制作用），但并未通過顯著性檢驗。

2.人力資本對人工智能水平影響就業(yè)的作用機制

以往文獻(xiàn)多從微觀層面研究人工智能水平對就業(yè)的影響，其中大多數(shù)探討了人工智能的提高對不同技能崗位的替代效果。例如，隨著人工智能水平的提高，制造業(yè)中低技能勞動的崗位減少，高技能勞動的崗位增多。因此，本文認(rèn)為探究人力資本對人工智能影響就業(yè)是有意義的，將人力資本（ edu ）引入模型如下。

μ_i+ν_t+ε_it

其中人力資本（edu）用城市人均教育年限衡量。表8列（2）匯報了回歸結(jié)果。交互項的回歸系數(shù)顯著為負(fù)，說明人力資本的提升對受影響而流向第二產(chǎn)業(yè)的勞動力起抑制作用。

為了使上述結(jié)論具有穩(wěn)健性，本文探究了對不同受教育年限時人工智能水平對就業(yè)市場的影響。表8列（4）為受教育年限小于等于9.35年時（該值為全樣本平均值），人工智能水平對勞動力流向的影響，可以看出此時人工智能的發(fā)展促進(jìn)了部分勞動力向第二產(chǎn)業(yè)回流。列（5）為人均受教育年限大于9.35年時的情況，此時擴大人工智能規(guī)模不再對向第三產(chǎn)業(yè)轉(zhuǎn)移的勞動力產(chǎn)生“節(jié)流”效應(yīng)，反而會促進(jìn)勞動力轉(zhuǎn)移。原因可能是高學(xué)歷勞動者就業(yè)觀念不同，他們往往更注重個人成長和職業(yè)發(fā)展，而服務(wù)業(yè)具有更廣闊的發(fā)展空間和機會。而且隨著受教育程度的提高，人們的消費需求也在發(fā)生變化，這些需求更加促進(jìn)了服務(wù)業(yè)的發(fā)展。伴隨社會認(rèn)知轉(zhuǎn)變和政策支持等因素，受教育程度高的地區(qū)勞動力在就業(yè)選擇方面，并不會完全被生產(chǎn)率提高的第二產(chǎn)業(yè)吸引，他們更傾向于保持穩(wěn)定的工作或部分流向第三產(chǎn)業(yè)。而人均受教育程度高的地區(qū)又不具有充足的靈活就業(yè)的低技能勞動力來抵消這部分沖擊，因此整體效果可能表現(xiàn)為人工智能的擴張促使一部分勞動力流向第三產(chǎn)業(yè)?？偟膩碚f，人均受教育年限的提高降低了人工智能對勞動力轉(zhuǎn)移的“節(jié)流”效應(yīng)。

由此可見，教育年限的野蠻增長并不能代表人力資本的優(yōu)化，更不能解決所有問題。在第三產(chǎn)業(yè)發(fā)展迅速的背景下，社會資源與關(guān)注度也會向其傾斜。這種適應(yīng)市場需求而追求短期自我利益的行為，必然會導(dǎo)致長期的整體失衡。正如前文所言，高技能勞動者往往因為受教育年限長，對特定技能的掌握更專業(yè)，因此較低技能勞動者具有更高的就業(yè)轉(zhuǎn)移成本。在當(dāng)前社會背景下，高校專業(yè)設(shè)置與社會生產(chǎn)需求錯配問題存在已久，且受教育周期逐漸變長，但科技進(jìn)步速度卻逐漸加快。傳統(tǒng)的教育-就業(yè)觀點可能已經(jīng)無法使人力資本結(jié)構(gòu)更加靈活地適應(yīng)不斷變化的社會。

3.人工智能通過教育培訓(xùn)事業(yè)影響就業(yè)的作用機制

長周期的教育對社會需求的時滯效應(yīng)是人力資源錯配的關(guān)鍵，因此，為了使研究更具有現(xiàn)實意義，本文將重點聚焦于再教育與再培訓(xùn)事業(yè)上。再教育、再培訓(xùn)相較于傳統(tǒng)的義務(wù)教育與高校教育，具有周期短的特性，更加靈活地適應(yīng)不斷變化的市場。而且針對的人群往往年紀(jì)更大，相比較傳統(tǒng)教育，他們具有更加成熟的就業(yè)觀念以及明確的就業(yè)目標(biāo)。因此，本文將再教育再培訓(xùn)事業(yè)的發(fā)展水平加入模型如下：

lnretraining+γXi+μi+v，+εit

其中，lnretrainingi表示i省t年的再教育水平，用省內(nèi)教育培訓(xùn)相關(guān)企業(yè)數(shù)量取對數(shù)值來衡量，數(shù)據(jù)來源于企查查網(wǎng)站，搜索關(guān)鍵詞為“教育培訓(xùn)”，根據(jù)所在省份和成立年限進(jìn)行人工整理。表8列（3）匯報了再教育、再培訓(xùn)水平對人工智能影響就業(yè)的作用機制。從中可以看到，人工智能水平與再教育培訓(xùn)水平交互項系數(shù)顯著為負(fù)，說明再教育水平與人均受教育年限一樣，對人工智能的節(jié)流效應(yīng)起抑制作用。

遺憾的是，再教育、再培訓(xùn)水平的影響并未達(dá)到預(yù)期效果?？赡艿脑蚴牵鞣N教育培訓(xùn)機構(gòu)作為民營企業(yè)，其受市場需求的影響更為敏感。在第三產(chǎn)業(yè)蓬勃發(fā)展的背景下，為了迎合市場需求，更多的機構(gòu)與資源傾向服務(wù)業(yè)。盡管教育培訓(xùn)的模式更加靈活，但完全依靠市場進(jìn)行調(diào)節(jié)，其在對長期經(jīng)濟(jì)均衡發(fā)展的貢獻(xiàn)方面還是處于“失靈”的狀態(tài)。因此必須要重視對再教育、再培訓(xùn)事業(yè)的管理和規(guī)范。隨著科技的不斷進(jìn)步與經(jīng)濟(jì)社會的不斷發(fā)展，市場對勞動力的需求結(jié)構(gòu)也在不斷變化，所以勞動力結(jié)構(gòu)也必須隨之不斷進(jìn)行適應(yīng)性的變化。而長周期、大體量的傳統(tǒng)教育在適應(yīng)方面能力有限。本文相信，隨著社會進(jìn)步節(jié)奏的加快，再教育、再培訓(xùn)將會在長期是一個無法回避的話題。

結(jié)合人均受教育年限的影響，我們可以看到，就目前而言，已經(jīng)不能完全依靠“無形的手”來調(diào)節(jié)教育體制與人力資本結(jié)構(gòu)，也不能僅僅依靠人力資本總量的增長。政府必須采取手段，配套實行“人力資本的供給側(cè)結(jié)構(gòu)性改革”，以防就業(yè)錯配的問題積重難返。

（二）異質(zhì)性分析

1.地域性差異

改革開放以來，我國東部地區(qū)的經(jīng)濟(jì)得到快速發(fā)展，與我國西部和中部地區(qū)的經(jīng)濟(jì)差距不斷擴大[30。本文按照經(jīng)濟(jì)發(fā)展水平差異，把研究樣本中所有省份劃分為中東部地區(qū)和西部及東北地區(qū)，分別檢驗，表9匯報了回歸結(jié)果。

表9結(jié)果顯示，西部及東北地區(qū)人工智能對二、三次產(chǎn)業(yè)相對就業(yè)規(guī)模的影響在 10% 的統(tǒng)計水平上顯著為正，而中東部地區(qū)的回歸系數(shù)雖未通過顯著性檢驗，但結(jié)果依然為正，且絕對值更小。說明在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，人工智能技術(shù)應(yīng)用對勞動力的“節(jié)流”效應(yīng)更為明顯?？赡茉谟谇钒l(fā)達(dá)地區(qū)的第二產(chǎn)業(yè)占比更大，人工智能技術(shù)應(yīng)用的水平更低，對勞動力的技能要求也更低。所以，在與人工智能技術(shù)結(jié)合之后促使勞動力回流到第二產(chǎn)業(yè)的效果更明顯。

2.時期差異

2017年，“數(shù)字經(jīng)濟(jì)”首次出現(xiàn)在國務(wù)院的政府工作報告中。在此之后，國家為了發(fā)展數(shù)字經(jīng)濟(jì)采取了一系列的政策并取得顯著效果。那么，這種政策的實施與發(fā)展方向的調(diào)整是否也影響了人工智能與二、三產(chǎn)業(yè)就業(yè)結(jié)構(gòu)的關(guān)系？本文以2017年為界劃分成兩個子樣本，分別進(jìn)行檢驗，表10匯報了估計結(jié)果。

從表10可以看出，在大力發(fā)展數(shù)字經(jīng)濟(jì)以前，人工智能對二、三次產(chǎn)業(yè)就業(yè)規(guī)模的回歸系數(shù)在 5% 的統(tǒng)計水平上顯著為正，與前文結(jié)論一致。但在政策實施之后，盡管沒有通過顯著性檢驗，但回歸系數(shù)為負(fù)，與2017年之前的結(jié)果存在明顯差異。說明數(shù)字經(jīng)濟(jì)的發(fā)展更大程度地深化了服務(wù)業(yè)與人工智能的結(jié)合，弱化了人工智能技術(shù)應(yīng)用對勞動力向第三產(chǎn)業(yè)流動的“節(jié)流”效應(yīng)。

五、結(jié)論與啟示

近年來，我國人工智能水平實現(xiàn)高速發(fā)展，人工智能技術(shù)的應(yīng)用給整個社會帶來巨大變革。與此同時，我國勞動力也在從第二產(chǎn)業(yè)逐漸流向第三產(chǎn)業(yè)。在促進(jìn)第三產(chǎn)業(yè)發(fā)展的同時，我國產(chǎn)業(yè)結(jié)構(gòu)面臨失衡風(fēng)險。以比較勞動生產(chǎn)率指標(biāo)衡量，我國服務(wù)業(yè)勞動生產(chǎn)率一直明顯低于第二產(chǎn)業(yè)，但勞動力卻一直不斷地從第二產(chǎn)業(yè)流向第三產(chǎn)業(yè)，這與第三產(chǎn)業(yè)的低效率不相匹配，呈現(xiàn)“逆庫茲涅茲化”的趨勢?；诖?，本文探討了人工智能水平的發(fā)展對二、三次產(chǎn)業(yè)間就業(yè)結(jié)構(gòu)的影響，并且運用工具變量法與差分GMM等方法解決內(nèi)生性問題，同時對其影響機制進(jìn)行了探索并進(jìn)行了異質(zhì)性分析，得出以下結(jié)論。

第一，當(dāng)前發(fā)展階段，在勞動力不斷涌向第三產(chǎn)業(yè)的經(jīng)濟(jì)背景下，人工智能水平的提高對二、三次產(chǎn)業(yè)相對就業(yè)規(guī)模的凈效應(yīng)為正，對正在轉(zhuǎn)移的勞動力產(chǎn)生“節(jié)流”效應(yīng)。第二，隨著人均受教育年限的提高，這種節(jié)流效應(yīng)逐漸減弱。因此，受教育年限總量的提高并不能代表人力資本整體的升級，必須考慮人力資本結(jié)構(gòu)的優(yōu)化。第三，更加靈活的再教育、再培訓(xùn)事業(yè)的發(fā)展也未能有效應(yīng)對就業(yè)錯配的問題。可能的原因在于，培訓(xùn)教育事業(yè)與傳統(tǒng)教育都會受到市場的影響，其發(fā)展方向可能相較于長期穩(wěn)健的經(jīng)濟(jì)發(fā)展目標(biāo)存在偏差。第四，人工智能對就業(yè)結(jié)構(gòu)的影響存在地區(qū)與時間方面的異質(zhì)性，其“節(jié)流”效應(yīng)在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)與未大力發(fā)展數(shù)字經(jīng)濟(jì)之前較為顯著。

由此本文提出如下建議。（1）以人工智能為代表的科技創(chuàng)新從短期看會對勞動力市場產(chǎn)生沖擊，但這種影響可能具有周期性，從長期看并不會破壞產(chǎn)業(yè)間的均衡，因此我們要大力發(fā)展人工智能技術(shù)，堅定不移地走科技發(fā)展的道路。（2）在改革開放初期或前期的發(fā)展階段，通過恢復(fù)高考、高校擴招等方式提高人力資本進(jìn)而促進(jìn)社會發(fā)展的效果確實有效。但隨著社會的進(jìn)步，僅僅依靠教育年限增長的傳統(tǒng)方式的弊端開始初見端倪。因此必須要同時對人力資本結(jié)構(gòu)進(jìn)行優(yōu)化與調(diào)整，使教育與就業(yè)的鏈條更加適應(yīng)科技迅速發(fā)展的新階段。（3）隨著社會進(jìn)步節(jié)奏的加快，再教育、再培訓(xùn)事業(yè)相較于傳統(tǒng)教育具有更強的靈活性，將會是調(diào)整人力資本結(jié)構(gòu)的一個強有力的工具。因此要大力鼓勵并發(fā)展再教育培訓(xùn)、在崗培訓(xùn)以及“干中學(xué)”等方面。另外，為減少其受市場影響的方向不穩(wěn)定性，應(yīng)從政策方面對教育培訓(xùn)事業(yè)加強管理，例如定向扶持某些培訓(xùn)機構(gòu)、建立同一的行業(yè)管理協(xié)會以及完善相關(guān)管理制度等。（4）人工智能技術(shù)應(yīng)用對勞動力市場的影響存在地區(qū)和時間差異，因此在大力發(fā)展人工智能的同時，也要促進(jìn)勞動力與人工智能在工作中的融合，完善人智共創(chuàng)機制，助力勞動力打破就業(yè)轉(zhuǎn)移過程中的技術(shù)壁壘。

參考文獻(xiàn)

[1]何勤，李雅寧，程雅馨，等.人工智能技術(shù)應(yīng)用對就業(yè)的影響及作用機制研究：來自制造業(yè)企業(yè)的微觀證據(jù)[.中國軟科學(xué)，2020 （S1）：213-222.

[2]趙玲，陶歡，曹海濤.人工智能技術(shù)對就業(yè)影響的實證研究：服務(wù)業(yè)企業(yè)的微觀證據(jù)[].信息技術(shù)與管理應(yīng)用，2023，2（3）：124-137.

[3]蔡嘯，黃旭美.人工智能技術(shù)會抑制制造業(yè)就業(yè)嗎：理論推演與實證檢驗[J].商業(yè)研究，2019（6）：53-62.

[4]王瑞瑜.我國人工智能發(fā)展的產(chǎn)業(yè)結(jié)構(gòu)高級化效應(yīng).西北民族大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2024（2）：162-174.

[5]江靜.中國服務(wù)業(yè)具有獨立發(fā)展的路徑依賴嗎？].南京大學(xué)學(xué)報（哲學(xué)·人文科學(xué)·社會科學(xué)），2017，54（1）：27-36+158.

[6]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[].管理世界，2019，35（7）：60-77+202-203.

[7]黃群慧.論新時期中國實體經(jīng)濟(jì)的發(fā)展].中國工業(yè)經(jīng)濟(jì)，2017 （9）：5-24.

[8]華民.中國經(jīng)濟(jì)增長中的結(jié)構(gòu)問題[J].探索與爭鳴，2017，

（5）：118-122.

[9]宋建，鄭江淮.產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)增長與服務(wù)業(yè)成本?。簛碜灾袊慕?jīng)驗證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2017（2）：1-13.

[10]陳永偉.超越ChatGPT：生成式AI的機遇、風(fēng)險與挑戰(zhàn)]·山東大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2023（3）：127-143.

[11]姜濤.上海二三次產(chǎn)業(yè)結(jié)構(gòu)均衡化研究[].華東經(jīng)濟(jì)管理，2005（4）：11-13.

[12]孫晴，韓平，丁瑩瑩.三次產(chǎn)業(yè)的就業(yè)彈性、結(jié)構(gòu)偏離度與比較勞動生產(chǎn)率協(xié)同研究[.統(tǒng)計與決策，2019，35（10）：129-133.

[13]李果.人工智能技術(shù)應(yīng)用對制造企業(yè)創(chuàng)新績效的影響研究[D].南京：南京郵電大學(xué)，2023.

[14]尹志鋒，曹愛家，郭家寶，等.基于專利數(shù)據(jù)的人工智能就業(yè)效應(yīng)研究：來自中關(guān)村企業(yè)的微觀證據(jù).中國工業(yè)經(jīng)濟(jì)，2023 （5）：137-154.

[15]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，2022，38（7）：60-79.

[16]FREY BC，OSBORNEA M.The future of employment： How susceptible are jobs to computerisation？ [J].Technological Forecasting SocialChange，2017，114：254-280.

[17]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)[J].經(jīng)濟(jì)研究，2020，55（10）：159-175.

[18]彭瑩瑩，汪昕宇.人工智能技術(shù)對制造業(yè)就業(yè)的影響效應(yīng)分析：基于中國廣東省制造企業(yè)用工總量與結(jié)構(gòu)的調(diào)查].北京工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2020，20（5）：68-76.

[19]陳明生.人工智能發(fā)展、勞動分類與結(jié)構(gòu)性失業(yè)研究[].經(jīng)濟(jì)學(xué)家，2019（10）：66-74.

[20]隆云滔，劉海波，蔡躍洲.人工智能技術(shù)對勞動力就業(yè)的影響：基于文獻(xiàn)綜述的視角[.中國軟科學(xué)，2020（12）：56-64.

[21]戚聿東，劉翠花，丁述磊.數(shù)字經(jīng)濟(jì)發(fā)展、就業(yè)結(jié)構(gòu)優(yōu)化與就業(yè)質(zhì)量提升[J].經(jīng)濟(jì)學(xué)動態(tài)，2020（11）：17-35.

（責(zé)任編輯：高夢彤）

Research on the Influence of Artificial Intelligence Technologyon the Balance of Employment Structure

WANGXiaoyun，LUPengrui

（School of Economics and Management， Shanxi Normal University，Taiyuan O3oo31， China）

Abstract： Based on the dataofChinese cities from 2O1O to 2O22，this paper verifies the impactof artificial intellgence improvementon theemployment structureof the secondaryand tertiary industries and its specificcharacteristics，which provides anew basis for the balanced development between Chinese industries.In the current stage of development，theapplicationofartificial intellgence technology plays a“throtling”role in the flowoflabor fromthe secondary industry to the tertiary industry.Atthe same time，the endogeneity problem is solved by means of instrumental variables.With the increase of percapitaeducation years，the“throtling”effectdeclines.The impactof artificial inteligence on the employment balance between industries shows regional and time diferences， and the“throtling”effct is more obvious in the western and northeastern economically underdeveloped regions. After the implementation of policies to vigorously promote the development of the digital economy，the effectof “throttling” has been weakened.

Key Words： Artificial inteligence; Employment; Industrial equilibrium; Instrumental variable method; GMM model