人工智能、勞動力市場摩擦與貨幣政策“穩(wěn)就業(yè)”調(diào)控效應(yīng)

摘要：人工智能在給勞動力市場帶來沖擊的同時，也對傳統(tǒng)貨幣政策的就業(yè)調(diào)控效應(yīng)帶來挑戰(zhàn)。在引入勞動力市場搜尋匹配機(jī)制的新凱恩斯動態(tài)隨機(jī)一般均衡模型中納入人工智能因素，著重探究其對貨幣政策“穩(wěn)就業(yè)”調(diào)控效應(yīng)的影響機(jī)制。研究發(fā)現(xiàn)，人工智能通過替代效應(yīng)和收入效應(yīng)使就業(yè)受到雙向影響；收入效應(yīng)的滯后性致使短期內(nèi)就業(yè)被明顯擠出，還加劇了“高增長、高投資、低消費”并存態(tài)勢；其資本偏向性導(dǎo)致寬松貨幣政策下企業(yè)傾向于投資擴(kuò)產(chǎn)而非招工，疊加勞動力市場摩擦，進(jìn)一步削弱貨幣政策穩(wěn)就業(yè)功效；將就業(yè)目標(biāo)納入貨幣政策會面臨穩(wěn)就業(yè)與穩(wěn)增長的權(quán)衡，雖然能緩解寬松貨幣政策下人工智能過度替代就業(yè)的問題，卻也造成投資和產(chǎn)出相對下降。據(jù)此提出應(yīng)合理引導(dǎo)人工智能發(fā)展方向，將新形態(tài)就業(yè)群體納入公共服務(wù)覆蓋范圍，完善社會保障體系，實施技術(shù)沖擊兜底措施，強(qiáng)化貨幣政策等政策建議。

關(guān)鍵詞：人工智能；勞動力市場；“機(jī)器換人”；穩(wěn)就業(yè)；貨幣政策；替代效應(yīng)；收入效應(yīng)

文獻(xiàn)標(biāo)識碼：A" " " 文章編號：1002-2848-2025（04）-0020-16

一、問題提出

作為新一代科技革命的核心，人工智能及其相關(guān)產(chǎn)業(yè)近年來飛速發(fā)展。2019年以來，中國已建成北京、上海、天津等18個國家新一代人工智能創(chuàng)新發(fā)展試驗區(qū)，人工智能核心技術(shù)、基礎(chǔ)軟硬件、人工智能產(chǎn)品和行業(yè)應(yīng)用協(xié)同發(fā)展。2021年，工業(yè)和信息化部相繼出臺《“十四五”智能制造發(fā)展規(guī)劃》和《“十四五”機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃》，將人工智能作為戰(zhàn)略性新興產(chǎn)業(yè)重點扶持，鼓勵以人工智能技術(shù)推動工業(yè)智能化轉(zhuǎn)型。根據(jù)國際數(shù)據(jù)公司（IDC）和中國信息通信研究院測算，2024年全球人工智能市場規(guī)模達(dá)到4.4萬億元[①]，其中中國市場規(guī)模占比超過15%[②]，中國成為人工智能發(fā)展最為活躍的國家之一。與傳統(tǒng)工業(yè)機(jī)器人局限于常規(guī)性和重復(fù)性的工作任務(wù)不同，新一代人工智能可以從事需要較高認(rèn)知性和創(chuàng)造性的工作，并在部分領(lǐng)域表現(xiàn)出遠(yuǎn)超人力的高效率和準(zhǔn)確性。新一代人工智能的這一特點對就業(yè)產(chǎn)生了深遠(yuǎn)影響，并引起社會對其是否會引發(fā)大規(guī)模“機(jī)器換人”的擔(dān)憂。本文將人工智能對勞動力的替代，即“機(jī)器換人”，定義為在人工智能技術(shù)推動下，利用工業(yè)機(jī)器人、自動化控制或流水線設(shè)備等替代勞動力的一種智能化生產(chǎn)方式[1-2]。據(jù)估算，截至2030年，美國的人工智能就業(yè)替代率為47%，中國也有多達(dá)77%的工作崗位面臨“機(jī)器換人”的挑戰(zhàn)，高于除埃塞俄比亞之外的所有發(fā)展中國家[3]。此外，全球新冠病毒感染疫情沖擊導(dǎo)致勞動力市場摩擦加劇，進(jìn)一步加速了人工智能等自動化資本的投入，企業(yè)對人工智能的使用出現(xiàn)爆發(fā)式增長。據(jù)中商產(chǎn)業(yè)研究院測算，2022年中國人工智能市場規(guī)模增速達(dá)到43.18%[③]，與同年國家統(tǒng)計局測算的經(jīng)濟(jì)中面臨的大量摩擦性失業(yè)形成了鮮明對照[④]。

人工智能在給勞動力市場帶來沖擊的同時，也對傳統(tǒng)貨幣政策的就業(yè)調(diào)控效應(yīng)形成了挑戰(zhàn)。一方面，傳統(tǒng)經(jīng)濟(jì)理論與生產(chǎn)函數(shù)通常將資本和勞動視作一定程度上互補(bǔ)的兩種生產(chǎn)要素[4]。企業(yè)在擴(kuò)大生產(chǎn)時往往需要同步擴(kuò)大資本投入和勞動投入。然而，眾多理論和實證研究表明，人工智能具有的新興生產(chǎn)要素的資本偏向?qū)傩栽谝欢ǔ潭壬铣^了對勞動的偏向?qū)傩裕瑥亩鴮趧恿哂酗@著的替代性[5]。另一方面，人工智能與勞動存在顯著不同。傳統(tǒng)勞動要素的調(diào)整成本和工資黏性特征在人工智能中幾乎不存在[6]。這意味著企業(yè)在調(diào)整生產(chǎn)要素時，相較于調(diào)整勞動，調(diào)整人工智能將面臨更低的調(diào)整成本和更短的時滯?；谶@些特點，人工智能驅(qū)動的“機(jī)器換人”會顯著影響貨幣政策的就業(yè)調(diào)控效應(yīng)。傳統(tǒng)觀點認(rèn)為，貨幣政策的“穩(wěn)經(jīng)濟(jì)”和“穩(wěn)就業(yè)”目標(biāo)之間具有內(nèi)在一致性。由于短期內(nèi)價格存在黏性且固定資產(chǎn)難以迅速調(diào)整，貨幣政策可以通過降低融資成本刺激企業(yè)擴(kuò)大生產(chǎn)規(guī)模，增加勞動雇傭需求，從而在穩(wěn)經(jīng)濟(jì)的同時實現(xiàn)穩(wěn)就業(yè)。但人工智能以其對勞動力較強(qiáng)的替代性和調(diào)整相對低黏性的特點，從“替代效應(yīng)”和“收入效應(yīng)”兩個方面對上述機(jī)制產(chǎn)生方向相反的影響。一方面，人工智能的替代效應(yīng)使得企業(yè)在擴(kuò)大生產(chǎn)過程中對勞動力的依賴性減弱。此時，疊加勞動力市場摩擦加劇導(dǎo)致的信息不對稱和職位空缺時間延長，企業(yè)直接或間接用人成本的增加會進(jìn)一步強(qiáng)化其采用人工智能實現(xiàn)擴(kuò)產(chǎn)的“機(jī)器換人”動機(jī)[7]，導(dǎo)致產(chǎn)出缺口與就業(yè)缺口之間出現(xiàn)背離。另一方面，人工智能在產(chǎn)業(yè)間的滲透通過大幅提高生產(chǎn)力產(chǎn)生收入效應(yīng)。企業(yè)利潤提升推動投資資本形成，并通過技能溢價提高在崗勞動力的平均工資水平。收入效應(yīng)促進(jìn)了寬松貨幣政策下的總需求擴(kuò)張，擴(kuò)大產(chǎn)出的同時也增加了對勞動力的需求。

鑒于當(dāng)前中國人工智能發(fā)展呈現(xiàn)技術(shù)創(chuàng)新和產(chǎn)業(yè)應(yīng)用雙輪驅(qū)動的快速增長態(tài)勢，本文統(tǒng)籌以上兩類觀點，在統(tǒng)一框架內(nèi)納入人工智能深化發(fā)展和勞動力市場摩擦加劇的背景，梳理人工智能影響就業(yè)的作用機(jī)制并提煉影響因素，探討在人工智能替代效應(yīng)和收入效應(yīng)同步發(fā)生作用的條件下，傳統(tǒng)貨幣政策的穩(wěn)就業(yè)作用渠道是否通暢，以及效果是否符合預(yù)期。本文引入經(jīng)典的搜尋匹配框架（DMP），刻畫勞動力市場的匹配摩擦[7-8]，同時，引入人工智能的通用技術(shù)進(jìn)步屬性和資本偏向?qū)傩?，刻畫技術(shù)進(jìn)步引發(fā)的生產(chǎn)方式結(jié)構(gòu)性升級。通過在動態(tài)隨機(jī)一般均衡模型（DSGE）中考察人工智能對就業(yè)產(chǎn)生沖擊的微觀機(jī)制，分析人工智能深化發(fā)展對貨幣政策穩(wěn)就業(yè)調(diào)控的影響，并進(jìn)一步探討將就業(yè)目標(biāo)納入貨幣政策規(guī)則的合理性。

本文的邊際貢獻(xiàn)有三方面。第一，在統(tǒng)一框架下同時重現(xiàn)現(xiàn)實中觀察到的人工智能替代效應(yīng)和收入效應(yīng)兩種經(jīng)驗現(xiàn)象，并通過DMP模型為收入效應(yīng)的分析提供微觀基礎(chǔ)，進(jìn)而從綜合效應(yīng)的角度分析人工智能對就業(yè)的凈影響。第二，在理論建模的基礎(chǔ)上，結(jié)合新發(fā)展階段中國勞動力市場摩擦加劇的現(xiàn)實進(jìn)行參數(shù)校準(zhǔn)，并對貨幣政策的就業(yè)調(diào)控效應(yīng)進(jìn)行數(shù)值模擬實驗，定量研究結(jié)果更具現(xiàn)實意義。第三，基于所構(gòu)建的模型，將就業(yè)目標(biāo)納入擴(kuò)展的貨幣政策規(guī)則，探討貨幣政策對人工智能就業(yè)替代效應(yīng)的緩解作用，進(jìn)一步明確強(qiáng)化貨幣政策調(diào)控的可行性路徑，為人工智能技術(shù)進(jìn)步的不同發(fā)展階段制定相宜的宏觀政策提供參考。

二、文獻(xiàn)綜述

（一）人工智能對就業(yè)的影響

關(guān)于人工智能技術(shù)應(yīng)用對勞動者就業(yè)影響的研究文獻(xiàn)有兩類。第一類文獻(xiàn)著眼于結(jié)合新一代人工智能的屬性來考察就業(yè)效應(yīng)。新一代人工智能既依附一定的物質(zhì)資本而存在，又需要與人力勞動相結(jié)合，從而表現(xiàn)出通用性技術(shù)進(jìn)步的屬性，對資本和勞動者生產(chǎn)效率均具有增強(qiáng)效應(yīng)[9]。同時，人工智能發(fā)展的三大要素——算法、算力和大數(shù)據(jù)，均高度依賴資本密集型設(shè)施，包括計算、存儲和網(wǎng)絡(luò)等設(shè)施。這使得人工智能呈現(xiàn)出明顯的資本偏向性技術(shù)進(jìn)步特點，對資本生產(chǎn)效率的邊際增強(qiáng)效應(yīng)高于對勞動者生產(chǎn)效率的增強(qiáng)效應(yīng)，且對資本生產(chǎn)效率的增進(jìn)效應(yīng)比以往技術(shù)變革的增進(jìn)效應(yīng)更大[10]。人工智能資本偏向型技術(shù)進(jìn)步在初期不僅需要投入價格高昂的資本，還需通過培訓(xùn)提升勞動力技能水平，并招聘和培育能勝任高級別任務(wù)的高技能勞動力。這會在短期內(nèi)加大企業(yè)成本壓力，抑制企業(yè)擴(kuò)大產(chǎn)出規(guī)模，導(dǎo)致對勞動力需求產(chǎn)生擠出效應(yīng)[11]。

第二類文獻(xiàn)主要關(guān)注人工智能對社會整體就業(yè)的影響。一是理論研究，基于DSGE框架研究人工智能的總體就業(yè)效應(yīng)，且主要圍繞人工智能的就業(yè)替代效應(yīng)展開[12]。二是實證研究，關(guān)于人工智能的就業(yè)總量效應(yīng)仍然存在爭議：部分研究認(rèn)為人工智能會擴(kuò)張就業(yè)崗位，增加勞動力需求，降低失業(yè)率[13]；也有大量實證文獻(xiàn)強(qiáng)調(diào)人工智能通過對勞動力的替代降低了企業(yè)的勞動吸納[3，14]。但現(xiàn)有經(jīng)驗證據(jù)普遍支持人工智能的廣泛使用提高了企業(yè)投資水平[15]和在崗勞動力的工資水平[16]，即存在顯著的收入效應(yīng)。這一點在以往的理論研究中往往未與替代效應(yīng)置于統(tǒng)一框架下進(jìn)行討論。

（二）貨幣政策的就業(yè)調(diào)控效應(yīng)

大量經(jīng)驗事實表明，近年來貨幣政策對就業(yè)的調(diào)控能力呈下降態(tài)勢，實際經(jīng)濟(jì)活動對貨幣政策調(diào)節(jié)的敏感性降低。這對貨幣政策理論和實踐帶來巨大的挑戰(zhàn)，邊際成本與實體經(jīng)濟(jì)沖擊的關(guān)系弱化是其中的重要解釋之一。經(jīng)濟(jì)活動中的邊際成本是決定總通貨膨脹水平的關(guān)鍵變量。通貨膨脹與實體經(jīng)濟(jì)波動關(guān)系的弱化可能源于工資向下黏性、工資議價能力和企業(yè)邊際調(diào)整能力的變化，導(dǎo)致實際邊際成本波動弱化。相關(guān)文獻(xiàn)研究尤其強(qiáng)調(diào)智能化與機(jī)器人普及因素的影響。當(dāng)勞動力較難被替代時，經(jīng)濟(jì)沖擊會影響勞動力供給與需求，進(jìn)而造成邊際成本波動；而當(dāng)智能化資本被廣泛使用時，企業(yè)可通過靈活調(diào)整其使用來降低邊際成本。一方面，隨著通貨膨脹趨勢下降，一定實際利率和持續(xù)低通貨膨脹的組合意味著較低名義利率，限制了貨幣政策在經(jīng)濟(jì)疲弱時進(jìn)一步調(diào)整利率的空間；另一方面，通貨膨脹與實體經(jīng)濟(jì)波動關(guān)系的弱化，使依賴傳統(tǒng)泰勒規(guī)則的貨幣政策難以有效調(diào)控就業(yè)[17]。在此基礎(chǔ)上，部分學(xué)者嘗試擴(kuò)展泰勒規(guī)則，將就業(yè)納入貨幣政策函數(shù)[6，18]。其中，一支文獻(xiàn)強(qiáng)調(diào)勞動力市場的搜尋匹配等摩擦性因素，將經(jīng)典的DMP模型應(yīng)用于研究貨幣政策對失業(yè)的影響，以此解釋2008年金融危機(jī)后各國勞動力市場復(fù)蘇緩慢的現(xiàn)象。Thomas[19]研究發(fā)現(xiàn)，在考慮勞動力市場摩擦的情況下，最優(yōu)貨幣政策并非穩(wěn)定物價，而是允許輕微通貨膨脹以抵消名義工資黏性帶來的過度失業(yè)。Bessen[20]研究發(fā)現(xiàn)，更高的通貨膨脹會減少消費需求，進(jìn)而降低企業(yè)對工人的勞動需求，增加失業(yè)。國內(nèi)相關(guān)研究基于近年來經(jīng)濟(jì)活動中摩擦性失業(yè)增大的事實，重點探討了公共衛(wèi)生事件沖擊下離職率、工人勞動意愿、招工成本和勞動力市場匹配摩擦的變化對就業(yè)的影響[21]。

綜合來看，現(xiàn)有研究從人工智能的就業(yè)效應(yīng)以及貨幣政策有效性等層面進(jìn)行了理論分析和經(jīng)驗證明，但仍存在不足。一方面，現(xiàn)有關(guān)于人工智能就業(yè)總量效應(yīng)的理論研究，大多未在統(tǒng)一框架下探討替代效應(yīng)和收入效應(yīng)這兩種方向相反的效果對就業(yè)的綜合影響，導(dǎo)致理論分析與經(jīng)驗事實出現(xiàn)一定程度的脫節(jié)。另一方面，人工智能在降低通貨膨脹壓力的同時，也使貨幣政策調(diào)控效果面臨更大的不確定性，而現(xiàn)有文獻(xiàn)對此討論不足。本文嘗試在統(tǒng)一理論框架內(nèi)系統(tǒng)探討人工智能對就業(yè)總量的替代效應(yīng)和收入效應(yīng)及其作用機(jī)制，結(jié)合近年來勞動力市場摩擦加劇的事實，研究其對貨幣政策穩(wěn)定就業(yè)調(diào)控效應(yīng)的影響，并進(jìn)一步討論貨幣政策調(diào)控優(yōu)化的可行路徑。

三、理論模型

本文參考Merz等[22-23]的研究框架，構(gòu)建了一個包含通用型人工智能和資本偏向型人工智能的新凱恩斯主義動態(tài)隨機(jī)一般均衡模型，并通過搜尋匹配模型刻畫勞動力市場摩擦。模型包含代表性家庭、最終品生產(chǎn)商、中間產(chǎn)品生產(chǎn)商和貨幣政策當(dāng)局等經(jīng)濟(jì)主體。家庭通過選擇消費和勞動以最大化其效用函數(shù)，決定勞動力市場參與，并具有與企業(yè)進(jìn)行工資談判的能力。家庭以無風(fēng)險利率持有企業(yè)債券，為企業(yè)生產(chǎn)性資本融資。中間品廠商通過投入勞動和資本生產(chǎn)差異化中間產(chǎn)品，最終品廠商將中間品組合成最終品。中間品廠商以勞動和人工智能增進(jìn)型資本作為投入要素，受雇傭成本約束，與工人進(jìn)行工資談判，并引入價格黏性。模型通過外生崗位分離率引入勞動力市場摩擦，同時采用納什議價規(guī)則決定企業(yè)與工人之間的工資水平。

（一）勞動力市場

DMP搜尋匹配模型的核心要素是匹配功能：新增就業(yè)人數(shù)由總失業(yè)人數(shù)和總空崗數(shù)量的函數(shù)給定：

其中，為勞動力市場的匹配效率；為相對于失業(yè)求職者的匹配彈性。令表示本期期初等待匹配的總失業(yè)人數(shù)，并將市場上的總勞動力數(shù)量標(biāo)準(zhǔn)化為1，則本期期初等待匹配的失業(yè)人數(shù)等于總勞工人數(shù)減去上期匹配成功并就業(yè)的人數(shù)：

其中，為就業(yè)人數(shù)，則空崗被填補(bǔ)的概率如下：

其中，表示勞動力市場緊張程度，類似的，找到工作概率（尋崗率）為：

廠商的就業(yè)變動規(guī)律如下：

其中，表示崗位留存率。

（二）家庭部門

代表性家庭包括就業(yè)成員和失業(yè)成員，就業(yè)成員在期的效用函數(shù)為：

其中，表示工作的負(fù)效用權(quán)重；是反映消費和勞動的可替代性程度的參數(shù)；代表家庭部門消費水平，為就業(yè)成員的消費與失業(yè)成員的消費之和：

家庭部門本期就業(yè)量取決于上期留存就業(yè)量和本期找到工作的失業(yè)者：

家庭部門預(yù)算約束如下：

其中，為投資水平；為家庭持有的債券資產(chǎn)；為物價水平；為就業(yè)成員的實際工資水平；為債券的名義利率；為資本價格；為政府稅收。家庭部門有如下資本積累方程：

其中，為資本折舊率；為資本調(diào)整成本系數(shù)。家庭部門在預(yù)算和就業(yè)以及資本累積方程的約束下，追求效用函數(shù)的最大化：

其中，為期望算子；為家庭折現(xiàn)因子。實際利率定義如下：

其中，為通貨膨脹水平。

（三）最終品廠商

代表性最終品廠商j從中間品廠商購買中間品并通過如下常數(shù)替代彈性（CES）加總過程生產(chǎn)最終品：

其中，是中間品廠商生產(chǎn)的中間產(chǎn)出，其價格為；表示差異化中間品的替代彈性。最終品生產(chǎn)商通過選擇中間品投入和產(chǎn)出實現(xiàn)如下最優(yōu)化問題：

由此可得中間品廠商的需求函數(shù)：

（四）中間品廠商

對于包含人工智能的中間品廠商的生產(chǎn)函數(shù)的刻畫參考陳彥斌等[24]的研究，代表性中間品廠商j的技術(shù)滿足如下CES形式：

其中，代表一般技術(shù)水平，反映人工智能的通用技術(shù)進(jìn)步屬性。為分配系數(shù)，為替代參數(shù)。進(jìn)一步假設(shè)表示截至期已經(jīng)實現(xiàn)自動化的產(chǎn)品所占份額，并以此估算分配系數(shù)，反映資本偏向型人工智能的發(fā)展程度。假設(shè)資本均勻地分配到已經(jīng)實現(xiàn)自動化的任務(wù)中，則每個自動化任務(wù)生產(chǎn)過程中需要投入單位的資本；勞動均勻的分配到未實現(xiàn)自動化的任務(wù)中，則每個非自動化任務(wù)生產(chǎn)過程需要投入單位的勞動。按此假設(shè)，中間品的生產(chǎn)函數(shù)可以寫成：

其中，是全要素生產(chǎn)率，反映通用型人工智能發(fā)展，并假設(shè)其遵循如下過程：

其中，為全要素生產(chǎn)率穩(wěn)態(tài)水平。資本偏向型人工智能滿足如下一階自回歸的形式：

其中，為人工智能發(fā)展穩(wěn)態(tài)水平。廠商在壟斷競爭中經(jīng)營，根據(jù)最終品生產(chǎn)商的需求來設(shè)定商品價格。此外，廠商根據(jù)通貨膨脹目標(biāo)調(diào)整價格時，需要支付名義二次調(diào)整成本：

其中，為價格調(diào)整成本參數(shù)。中間品廠商的勞動需求為：

其中，為中間品廠商每期發(fā)布的新崗位數(shù)量占空崗數(shù)量的比例（新崗位數(shù)量不超過空崗數(shù)量）。中間品廠商在勞動需求函數(shù)、生產(chǎn)函數(shù)和最終品生產(chǎn)商的需求函數(shù)的約束下實現(xiàn)其利潤最大化：

其中，刻畫時變的拉格朗日乘數(shù)的動態(tài)效應(yīng)；參數(shù)衡量企業(yè)保持空崗的單位經(jīng)濟(jì)成本。

（五）工資設(shè)定、貨幣政策與市場出清

工資設(shè)定參考DMP模型的標(biāo)準(zhǔn)做法，由企業(yè)和工人之間的逐期納什議價規(guī)則決定。其中，表示工人接受工作相比于不接受工作的凈收益；表示企業(yè)發(fā)布空缺崗位之后匹配成功相對于匹配不成功的邊際凈收益。談判后的均衡工資應(yīng)使得雙方通過規(guī)模報酬不變（CRS）形式加總的總收益得到最大化：

其中，為工人的相對議價能力，該值越大說明工人的談判力量越強(qiáng)，在均衡工資決定中的話語權(quán)越高。將工資決定方程寫成對數(shù)形式，并對求導(dǎo)，可得一階條件：

定義為工作匹配成功產(chǎn)生的總剩余，其中工人得到總剩余的部分，廠商得到部分。此外，貨幣政策當(dāng)局根據(jù)泰勒規(guī)則設(shè)定名義利率：

其中，為貨幣政策平滑系數(shù)；和分別為貨幣政策對通脹缺口和產(chǎn)出缺口的反應(yīng)系數(shù)；和分別為產(chǎn)出和通脹的穩(wěn)態(tài)水平，是貨幣政策沖擊。商品市場的出清為：

四、理論機(jī)制分析

基于以上理論模型，下文對人工智能及勞動力市場摩擦影響就業(yè)及貨幣政策調(diào)控效應(yīng)的作用機(jī)制進(jìn)行理論分析。

（一）均衡條件

對就業(yè)、空崗和資本分別求一階條件并進(jìn)行運算，根據(jù)納什議價規(guī)則確定均衡工資，可得勞動供給均衡條件式（27）、勞動需求均衡條件式（28）、資本利用均衡條件式（29）以及均衡工資式（30）。

其中，，表示非工作活動的當(dāng)前邊際價值，包括閑暇的邊際價值以及其他非市場活動的價值。因此，式（27）表示家庭中額外就業(yè)供給（左側(cè)）的影子價值由三部分組成：一是額外單位的就業(yè)帶來的效用增加，表示為以效用衡量的工資；二是由于工作增加和閑暇減少所產(chǎn)生的負(fù)效用；三是由當(dāng)期就業(yè)匹配產(chǎn)生的持續(xù)性效用。

其中，表示勞動的邊際產(chǎn)出；為中間品廠商的邊際生產(chǎn)成本；為隨機(jī)折現(xiàn)因子。式（28）表示企業(yè)的勞動需求由雇傭工人的邊際成本與邊際收益所確定，邊際收益由企業(yè)從邊際雇傭所獲得的預(yù)期未來凈收益的貼現(xiàn)值給出。

其中，為資本使用成本，反映單位資本使用給企業(yè)帶來的邊際收益，由全要素生產(chǎn)率、人工智能要素以及單位資本產(chǎn)出的邊際產(chǎn)出共同決定。

式（30）表明，均衡工資由兩部分加權(quán)平均求出：一部分（）是工人對就業(yè)匹配的邊際貢獻(xiàn)而獲得獎勵（勞動力的邊際產(chǎn)出節(jié)約了雇傭成本，這里表示為與未來勞動力市場緊張程度成比例）；另一部分（）為對非工作活動的邊際價值（或相當(dāng)于工作活動的邊際成本）的補(bǔ)償。結(jié)合式（28）（30）并根據(jù)納什議價規(guī)則，可得總剩余的遞推表達(dá)式為：

式（31）表明，匹配產(chǎn)生的剩余取決于兩個條件：一是當(dāng)期勞動的邊際產(chǎn)出與非勞動活動的邊際價值之間的差值；二是在同一就業(yè)匹配在下一期繼續(xù)存在的條件下帶來的持續(xù)性價值。根據(jù)式（24）（28）和空崗的一階條件，可將雇傭條件表示為：

式（32）表明，企業(yè)的雇傭率直接取決于匹配產(chǎn)生的剩余大小。

（二）人工智能技術(shù)進(jìn)步對就業(yè)影響的機(jī)制分析

一方面，根據(jù)勞動邊際產(chǎn)出的定義，資本偏向型人工智能通過智能化任務(wù)降低勞動力需求，導(dǎo)致勞動邊際產(chǎn)出相對于資本邊際產(chǎn)出的減少，體現(xiàn)為勞動邊際產(chǎn)出中部分的下降。該效應(yīng)通過式（28）～（32）的邏輯鏈條，對勞動力市場的整體態(tài)勢產(chǎn)生不利影響。結(jié)合勞動邊際產(chǎn)出與資本邊際收益式（29）可知，與通用型人工智能同時提高資本和勞動要素的邊際產(chǎn)出不同，資本偏向型人工智能顯著提升了資本相對于勞動的邊際產(chǎn)出優(yōu)勢，進(jìn)一步增強(qiáng)了資本對勞動力的替代能力，誘使企業(yè)更傾向于采用人工智能技術(shù)替代人力，從而使其對就業(yè)產(chǎn)生的替代效應(yīng)更為突出。隨著人工智能技術(shù)水平的提升，在等效產(chǎn)出條件下，企業(yè)對勞動力的需求量減少，意味著勞動力市場可能面臨更為嚴(yán)峻的負(fù)面沖擊。據(jù)此，可以歸納出人工智能影響就業(yè)的第一個機(jī)制：通過資本偏向性降低勞動相對于資本的邊際產(chǎn)出價值，削減企業(yè)對勞動力的需求，引發(fā)勞動力市場的負(fù)面響應(yīng)。

另一方面，人工智能技術(shù)進(jìn)步也會產(chǎn)生與替代效應(yīng)作用方向相反的收入效應(yīng)。智能化資本執(zhí)行任務(wù)的優(yōu)點在于其效率優(yōu)勢，能夠突破時間限制，嚴(yán)格按照程序設(shè)定，更高質(zhì)量、更有效率地完成既定任務(wù)，從而大幅提高企業(yè)生產(chǎn)效率[12]。這體現(xiàn)為資本利用的邊際收益的提高。人工智能技術(shù)進(jìn)步提高了生產(chǎn)函數(shù)式（17）中資本要素的生產(chǎn)率，擴(kuò)大企業(yè)利潤并推動企業(yè)形成投資資本。與此同時，人工智能技術(shù)進(jìn)步帶來的企業(yè)生產(chǎn)率的提高意味著勞動力生產(chǎn)效率由于“技術(shù)溢價”相應(yīng)提升，體現(xiàn)為勞動邊際產(chǎn)出表達(dá)式中的人均產(chǎn)出（）的提升，進(jìn)而提高整體在崗勞動力的工資水平，放寬家庭部門的預(yù)算約束，增加消費。人工智能技術(shù)進(jìn)步能夠提高總需求并推動生產(chǎn)規(guī)模的擴(kuò)大，從而推動企業(yè)形成更多就業(yè)需求。

由于人工智能調(diào)整的非黏性，短期內(nèi)可能主要呈現(xiàn)替代效應(yīng)；而工資水平由納什議價規(guī)則決定，受多方因素對工人議價能力的影響，收入效應(yīng)的顯現(xiàn)需要較長時間的檢驗。鑒于兩種作用方向相反，僅靠機(jī)制分析無法確定人工智能技術(shù)進(jìn)步對就業(yè)的凈影響，其取決于替代效應(yīng)和收入效應(yīng)的權(quán)衡，受企業(yè)實際情況和宏觀經(jīng)濟(jì)條件的限制，因此需要結(jié)合模型模擬作出判斷。

（三）人工智能對貨幣政策調(diào)控的影響分析

貨幣當(dāng)局依據(jù)泰勒規(guī)則調(diào)整貨幣政策，寬松的貨幣政策降低了借貸資金的成本，推動企業(yè)擴(kuò)大生產(chǎn)。傳統(tǒng)觀點認(rèn)為，企業(yè)在短期內(nèi)擴(kuò)大生產(chǎn)時，由于無法調(diào)整技術(shù)水平和資本利用水平等不變要素，會增加勞動這一可變要素的投入。由式（28）可知，此時雇傭工人的邊際成本小于邊際收益，企業(yè)會繼續(xù)擴(kuò)大空崗發(fā)布，直至兩者趨于平衡，而擴(kuò)張性貨幣政策也通過這一渠道實現(xiàn)了“穩(wěn)增長”和“穩(wěn)就業(yè)”目標(biāo)。為了更好地說明貨幣政策在勞動力市場上短期變化的作用機(jī)制，將式（31）對數(shù)線性近似可得：

其中，，為變量穩(wěn)態(tài)水平，為變量的對數(shù)線性化形式，即變量與其穩(wěn)態(tài)值的偏差百分比。根據(jù)式（33）可以看出，貨幣政策調(diào)整將通過影響實際利率作用于匹配總剩余水平，進(jìn)而通過式（32）影響企業(yè)的雇傭決策。在考慮人工智能發(fā)展的情況下，實際利率的降低使得企業(yè)資本邊際成本降低。由于人工智能與勞動力相互替代，且勞動力工資調(diào)整存在黏性，單位資本相對于單位勞動的邊際成本下降得更多。根據(jù)中間品廠商的生產(chǎn)函數(shù)式（17）和資本利用方程式（29），資本成本的降低使得企業(yè)更有動力擴(kuò)大人工智能的使用，并形成更多的智能化資本，推動資本的產(chǎn)出份額的增加。此時，寬松貨幣政策促進(jìn)了企業(yè)更多地使用智能化資本進(jìn)行生產(chǎn)，對就業(yè)的擴(kuò)張作用不及預(yù)期。

貨幣政策能夠降低企業(yè)資本邊際成本的關(guān)鍵機(jī)制在于，價格存在黏性的情況下，降低名義利率能夠引導(dǎo)實際利率降低。而企業(yè)對智能化資本的大規(guī)模使用帶來產(chǎn)出規(guī)模擴(kuò)張效應(yīng)，會降低經(jīng)濟(jì)中的通貨膨脹壓力，這對于貨幣政策的就業(yè)調(diào)控能力會產(chǎn)生不確定的影響。一方面，通貨膨脹降低有助于增加企業(yè)實際利潤和勞動者實際收入，從而刺激消費需求和企業(yè)投資，進(jìn)一步擴(kuò)張總需求并增加勞動雇傭；另一方面，低水平的通貨膨脹壓縮了政策利率下調(diào)的空間，并降低了企業(yè)生產(chǎn)調(diào)整對政策利率的敏感度，這增加了貨幣政策“穩(wěn)就業(yè)”的調(diào)控難度。

五、數(shù)值模擬與政策實驗

（一）參數(shù)校準(zhǔn)

對于家庭部門相關(guān)參數(shù)，本文將家庭跨期貼現(xiàn)因子設(shè)定為，消費/勞動互補(bǔ)性參數(shù)設(shè)定為1，以便識別消費給家庭部門帶來的凈效用，將資本折舊率設(shè)置為0.025/3[7]。人工智能穩(wěn)態(tài)條件下的初始值設(shè)置為0.51[24]。關(guān)于生產(chǎn)部門，現(xiàn)有實證研究對要素替代彈性的測算結(jié)果介于0.8～1.2之間，本文將要素替代參數(shù)設(shè)定為0.1，對應(yīng)的要素替代彈性為1.1[25]。投資調(diào)整成本設(shè)定為3.24[26]。中間品廠商的差異化產(chǎn)品替代彈性設(shè)定為6.0[27]。對于勞動力市場相關(guān)參數(shù)，由于本文假定離職率是外生給定的，因此崗位留存率也是外生給定的，本文將其設(shè)定為0.965。同時，將穩(wěn)態(tài)下的工人尋崗率和勞動力市場緊度分別設(shè)定為0.45和0.50。除此之外，模型中還有部分參數(shù)利用穩(wěn)態(tài)值進(jìn)行校準(zhǔn)，匹配函數(shù)效率和勞動負(fù)效用分別設(shè)定為0.636和0.301?，F(xiàn)有研究關(guān)于失業(yè)匹配彈性的取值介于0.20～0.75之間。當(dāng)前中國勞動力供給層面出現(xiàn)供給總量過剩與有效供給不足的問題，勞動力供給的數(shù)量和質(zhì)量在新增就業(yè)的匹配過程中愈發(fā)重要，將其設(shè)定為0.70，以反映就業(yè)供給在就業(yè)匹配中日益重要的作用[28]。關(guān)于工人的談判效力，Gertler等[29]的估計結(jié)果為0.91。但結(jié)合中國的經(jīng)濟(jì)實際，本文將其設(shè)定為0.50。由于人工智能發(fā)展是一個從無到有的過程，因此本文借鑒已有研究確定與外生沖擊相關(guān)的參數(shù)，具體參考韓民春等[30]的校準(zhǔn)和估計區(qū)間，得到外生沖擊的參數(shù)值。具體參數(shù)校準(zhǔn)結(jié)果見表1。

（二）人工智能技術(shù)沖擊下的宏觀經(jīng)濟(jì)與勞動力市場

人工智能的通用技術(shù)進(jìn)步屬性代表基礎(chǔ)通用水平的進(jìn)步和全要素生產(chǎn)率的提高，而資本偏向型人工智能則反映人工智能對資本要素生產(chǎn)率的偏向日益超過對勞動要素的偏向。本文對兩種類型的人工智能技術(shù)進(jìn)步影響進(jìn)行模型模擬和比較，結(jié)果如圖1所示。通用型人工智能和資本偏向型人工智能的發(fā)展均能提高企業(yè)生產(chǎn)效率，推動企業(yè)擴(kuò)大投資和生產(chǎn)規(guī)模?？偣┙o的提高降低了通貨膨脹水平，提高了家庭部門的實際工資水平和購買力水平。消費的增長擴(kuò)大了總需求，從而促使企業(yè)進(jìn)一步擴(kuò)大生產(chǎn)。企業(yè)在擴(kuò)大生產(chǎn)的過程中又會產(chǎn)生新的勞動需求，從而促進(jìn)就業(yè)。上述過程體現(xiàn)了收入效應(yīng)的影響。然而，由于人工智能具備對勞動力的替代性，企業(yè)在短期內(nèi)對勞動力的需求下降，空崗減少，尋崗率降低，從而對就業(yè)形成擠出，即產(chǎn)生了就業(yè)替代效應(yīng)。兩種效應(yīng)最終使得就業(yè)表現(xiàn)為負(fù)向波動的凈效應(yīng)，工資在短期替代后下降，隨后因收入效應(yīng)重新上升，并在沖擊后第三期回升至略高于穩(wěn)態(tài)的水平。

比較通用型人工智能和資本偏向型人工智能的效應(yīng)可以看到，各變量在兩種沖擊下的變化方向基本一致，但資本偏向型人工智能在短期內(nèi)對就業(yè)產(chǎn)生的負(fù)向沖擊明顯更強(qiáng)。這是由于資本偏向型人工智能的發(fā)展意味著偏向資本要素的技術(shù)進(jìn)步，資本要素的生產(chǎn)率相較于勞動要素的提升幅度更大。疊加人工智能對勞動力的強(qiáng)替代因素，使得企業(yè)短期內(nèi)選擇通過更大規(guī)模的人工智能資本實現(xiàn)擴(kuò)產(chǎn)，同時強(qiáng)化將存量勞動力替換為人工智能的動機(jī)。但工資的調(diào)整是一個逐期納什議價過程，涉及影響工人和企業(yè)間相對議價能力的多重因素，這使得相對于替代效應(yīng)，資本偏向型人工智能收入效應(yīng)會明顯滯后，從而在短期內(nèi)產(chǎn)生更強(qiáng)烈的就業(yè)擠出，并一度對消費產(chǎn)生負(fù)向抑制，使得經(jīng)濟(jì)呈現(xiàn)出“高增長、高投資、低消費”并存的現(xiàn)象，加劇了經(jīng)濟(jì)的波動。

（三）新發(fā)展階段的貨幣政策就業(yè)調(diào)控效應(yīng)分析

進(jìn)入新發(fā)展階段，中國勞動力市場摩擦發(fā)生了實質(zhì)性變化。一方面，新冠病毒感染疫情對勞動力市場匹配的疤痕效應(yīng)消退尚需時日；另一方面，全球經(jīng)貿(mào)摩擦、產(chǎn)業(yè)結(jié)構(gòu)升級、數(shù)字化賦能制造業(yè)以及傳統(tǒng)就業(yè)觀念轉(zhuǎn)變等一系列變化成為勞動力市場運行摩擦加劇的關(guān)鍵因素。由于原有崗位不斷消失，新的職業(yè)不斷涌現(xiàn)，勞動者在轉(zhuǎn)換工作時需要時間，導(dǎo)致摩擦性失業(yè)快速上升。勞動力市場摩擦加劇的具體體現(xiàn)包括：新職業(yè)管理制度供給不足，具體崗位職責(zé)、工作內(nèi)容、技能標(biāo)準(zhǔn)等方面仍存在制度空白，勞動者無法獲得新型就業(yè)崗位的足夠信息；人工智能等技術(shù)進(jìn)步加快了重新定義崗位技能需求的速度，對技能轉(zhuǎn)換能力的要求越來越高，加大了企業(yè)勞動需求與勞動力技能供給匹配的難度；戶籍制度改革滯后于人口流動趨勢，流動人口的基本公共服務(wù)不平等，阻礙了勞動要素的自由流動。

結(jié)合上述經(jīng)濟(jì)現(xiàn)實，本部分對勞動力市場摩擦和人工智能深化發(fā)展對貨幣政策就業(yè)調(diào)控效應(yīng)的影響進(jìn)行深入討論。假設(shè)基準(zhǔn)情況下的崗位分離率，依據(jù)前文初始校準(zhǔn)的崗位留存率為0.965，此時崗位分離率為0.035。首先，將勞動力市場摩擦參數(shù)=0.035和人工智能的初始值0.3分別作為兩種政策實驗的基準(zhǔn)設(shè)定，探究基準(zhǔn)情況下的貨幣政策調(diào)控效應(yīng)。隨后，通過調(diào)整這兩個參數(shù)的取值，模擬勞動力市場摩擦不斷加劇和人工智能不斷深化發(fā)展的情況，并將其與基準(zhǔn)情況下的宏觀經(jīng)濟(jì)和勞動力市場變量的響應(yīng)取差值，以捕捉勞動力市場摩擦加劇和人工智能發(fā)展給貨幣政策調(diào)控效應(yīng)帶來的邊際凈效應(yīng)。

1.基準(zhǔn)條件下的貨幣政策調(diào)控效應(yīng)

在基準(zhǔn)條件下，勞動力市場摩擦較小且人工智能發(fā)展程度較低。較低的人工智能發(fā)展水平意味著其對勞動力的替代效應(yīng)不強(qiáng)，而摩擦較小的勞動力市場則能降低企業(yè)的搜尋匹配成本和時間成本。如圖2所示，由于價格黏性的存在，貨幣政策在短期內(nèi)通過降低名義利率而影響實際利率，降低企業(yè)的資金使用成本，推動企業(yè)擴(kuò)大投資和生產(chǎn)規(guī)模。由于人工智能發(fā)展水平較低，企業(yè)投資和生產(chǎn)規(guī)模的擴(kuò)大在較高程度上仍依賴勞動生產(chǎn)要素的擴(kuò)大投入。疊加勞動力市場較低的匹配摩擦成本，企業(yè)的勞動力需求缺口擴(kuò)大，釋放更多空崗，同時降低失業(yè)率和尋崗率。勞動力需求擴(kuò)大也提高了工人在勞動力市場中的議價能力，抬高了工資水平[⑤]。盡管物價水平有所上升，但總體消費仍然出現(xiàn)正向波動。消費提高引起的總需求上升又倒逼企業(yè)擴(kuò)大生產(chǎn)，從而進(jìn)一步擴(kuò)大資本投資和勞動雇傭，形成良性循環(huán)。

2.勞動力市場摩擦加劇下的貨幣政策調(diào)控效應(yīng)

在勞動力市場摩擦加劇的背景下，崗位留存率將不斷下降，從式（27）可以看出，崗位留存率的下降將降低就業(yè)對家庭的邊際效用，由此抑制家庭的勞動供給，與此同時，式（28）進(jìn)一步表明崗位留存率的下降將降低企業(yè)雇傭勞動的邊際收益，由此抑制企業(yè)的勞動力需求最終在供需兩側(cè)同時對勞動力市場的就業(yè)匹配帶來不利影響。此外，勞動力市場的摩擦也意味著勞動力市場的匹配效率下降，通過影響企業(yè)雇傭效率，影響企業(yè)投產(chǎn)過程的恢復(fù)和擴(kuò)張，從而對貨幣政策傳導(dǎo)機(jī)制形成不利影響。

為探究勞動力市場摩擦加劇給貨幣政策調(diào)控效果帶來的邊際凈效應(yīng)，分別將崗位分離率提升至0.055和0.075，觀察勞動力市場摩擦加劇情況下貨幣政策調(diào)控相較于基準(zhǔn)模型（=0.035）的差異。數(shù)值模擬結(jié)果如圖3所示，表示勞動力市場摩擦程度增加給貨幣政策調(diào)控效應(yīng)帶來的凈效應(yīng)?？梢园l(fā)現(xiàn)，隨著摩擦程度的提高，寬松的貨幣政策雖然能夠更高程度地穩(wěn)定企業(yè)投資和產(chǎn)出，但對于就業(yè)的穩(wěn)定作用受到一定程度的削弱[⑥]。當(dāng)勞動力市場摩擦加劇時，企業(yè)雇傭面臨更高的匹配成本和時間成本。而寬松的貨幣政策降低了企業(yè)的資金使用成本，在能夠使用智能化資本替代勞動力的條件下，企業(yè)傾向于通過擴(kuò)大人工智能資本的投入擴(kuò)大生產(chǎn)規(guī)模，而非同步擴(kuò)張勞動力雇傭。由于人工智能對資本生產(chǎn)率的強(qiáng)化作用相對于勞動更大，經(jīng)濟(jì)活動中的投資和產(chǎn)出呈現(xiàn)更大幅度的提升。因此，在勞動力市場摩擦加劇的背景下，寬松的貨幣政策對投資和產(chǎn)出等宏觀經(jīng)濟(jì)變量的調(diào)控效果在人工智能的促進(jìn)下得到強(qiáng)化，但“穩(wěn)就業(yè)”的調(diào)控效果則被削弱。

3.人工智能深化發(fā)展下的貨幣政策調(diào)控效應(yīng)

隨著人工智能等智能化資本投入的增加，人工智能技術(shù)進(jìn)步的偏向也會顯著影響貨幣政策的傳導(dǎo)效力。人工智能發(fā)展初始水平分別為0.3、0.4、0.5時，貨幣政策沖擊給各變量帶來的相較于基準(zhǔn)設(shè)定的邊際凈效應(yīng)，如圖4所示。根據(jù)模擬結(jié)果可知，隨著人工智能發(fā)展水平的提高，貨幣政策對產(chǎn)出、消費和投資的調(diào)控效力得到提升，但控制物價水平和穩(wěn)定就業(yè)的調(diào)控效力有所削弱。原因在于，較高發(fā)展程度的資本偏向型人工智能易在寬松貨幣政策下產(chǎn)生“機(jī)器換人”的過度替代。企業(yè)選擇智能化來節(jié)省勞動力成本，人工智能擠占企業(yè)投資份額并擠出就業(yè)，使得貨幣政策穩(wěn)增長與穩(wěn)就業(yè)目標(biāo)之間存在更加嚴(yán)重的背離。雖然人工智能的發(fā)展仍然能夠通過收入效應(yīng)對就業(yè)發(fā)揮正向效應(yīng)，但綜合來看，就業(yè)替代效應(yīng)的提升給貨幣政策調(diào)控效果帶來的不利影響占據(jù)主導(dǎo)地位，削弱了貨幣政策的“穩(wěn)就業(yè)”凈效應(yīng)。

（四）將就業(yè)目標(biāo)納入貨幣政策規(guī)則的模型模擬

前文分析表明，人工智能在短期內(nèi)給經(jīng)濟(jì)系統(tǒng)和勞動力市場帶來沖擊的同時，也深刻改變了貨幣政策穩(wěn)定就業(yè)的作用機(jī)制，破壞了穩(wěn)產(chǎn)出與穩(wěn)就業(yè)目標(biāo)之間的統(tǒng)一性。在此背景下，有研究建議將就業(yè)目標(biāo)直接納入貨幣政策，以應(yīng)對人工智能對貨幣政策調(diào)控機(jī)制產(chǎn)生的扭曲。本文參考吳立元等[6，23]的研究，在貨幣政策錨定目標(biāo)中引入就業(yè)缺口：

其中，表示貨幣政策對就業(yè)的反應(yīng)系數(shù)，并將其取值校準(zhǔn)為0.5，表示貨幣政策規(guī)則在原有錨定通貨膨脹缺口和產(chǎn)出缺口的基礎(chǔ)上還關(guān)注就業(yè)穩(wěn)定。同時，將只錨定產(chǎn)出和通貨膨脹的基準(zhǔn)泰勒規(guī)則與上述加入就業(yè)目標(biāo)的擴(kuò)展型泰勒規(guī)則的政策效果進(jìn)行比較，考察改進(jìn)貨幣政策規(guī)則是否有利于提升貨幣政策的調(diào)控效果。不同貨幣政策規(guī)則下，通用型人工智能沖擊和資本偏向型人工智能沖擊的脈沖響應(yīng)結(jié)果如圖5所示。

可以看出，貨幣政策中加入就業(yè)目標(biāo)顯著降低了通用型人工智能和資本偏向型人工智能沖擊對勞動力市場帶來的負(fù)向波動，熨平了失業(yè)水平波動，對工資、失業(yè)率、空崗和尋崗率的負(fù)面影響均有所降低，對勞動力市場的波動有著較為明顯的對沖作用。但需要注意的是，由于貨幣政策錨定目標(biāo)的改變，產(chǎn)出水平在擴(kuò)展的泰勒規(guī)則下，在面臨人工智能的正向沖擊時產(chǎn)生的波動性相較于基準(zhǔn)的泰勒規(guī)則會更大，且這一波動主要來自投資。擴(kuò)展的泰勒規(guī)則雖對就業(yè)有著較好的短期穩(wěn)定效果，但一定程度上以加大總產(chǎn)出波動為代價。貨幣當(dāng)局在執(zhí)行貨幣政策規(guī)則時，仍然需要面對“穩(wěn)增長”和“穩(wěn)就業(yè)”二者間的權(quán)衡。

六、結(jié)論與啟示

本文結(jié)合中國經(jīng)濟(jì)現(xiàn)實，通過構(gòu)建一個包含勞動力市場搜尋匹配機(jī)制的新凱恩斯動態(tài)隨機(jī)一般均衡模型，并在此基礎(chǔ)上引入通用型和資本偏向型人工智能技術(shù)進(jìn)步，系統(tǒng)研究了人工智能技術(shù)持續(xù)深化發(fā)展以及勞動力市場摩擦加劇的背景下，人工智能技術(shù)進(jìn)步對勞動力市場動態(tài)以及貨幣政策就業(yè)調(diào)控效果的影響。研究結(jié)論有三部分。第一，模型成功模擬了經(jīng)驗研究中人工智能技術(shù)進(jìn)步對就業(yè)兩種方向相反的影響：替代效應(yīng)和收入效應(yīng)。由于人工智能技術(shù)進(jìn)步的資本偏向性，人工智能對資本邊際產(chǎn)出的增強(qiáng)效應(yīng)大于勞動力，而工資調(diào)整的緩慢使得收入效應(yīng)的發(fā)揮存在時滯，“替代效應(yīng)”占據(jù)主導(dǎo)地位，使得人工智能發(fā)展在短期內(nèi)對就業(yè)形成明顯擠出的同時，加劇了經(jīng)濟(jì)活動中“高增長，高投資，低消費”并存的現(xiàn)象。第二，人工智能使資本密集型生產(chǎn)方式變得更為經(jīng)濟(jì)高效。寬松貨幣政策對資本邊際成本的削減作用會激發(fā)企業(yè)通過增加智能化資本投入來擴(kuò)展生產(chǎn)規(guī)模，而非傳統(tǒng)的增加勞動力雇傭。疊加人工智能廣泛應(yīng)用不斷催生新的職業(yè)場景，新舊職業(yè)頻繁更替導(dǎo)致勞動力市場摩擦加劇，會進(jìn)一步加大企業(yè)“機(jī)器換人”的動機(jī)，制約貨幣政策“穩(wěn)就業(yè)”的調(diào)控效果。此外，人工智能通過擴(kuò)大產(chǎn)出降低了經(jīng)濟(jì)中的通貨膨脹壓力，也擠壓了傳統(tǒng)貨幣政策的調(diào)節(jié)空間。第三，將就業(yè)目標(biāo)納入貨幣政策規(guī)則可以在一定程度上緩和人工智能造成的就業(yè)過度替代，對就業(yè)的負(fù)向變動起到對沖作用，但會產(chǎn)生貨幣政策“穩(wěn)就業(yè)”與“穩(wěn)經(jīng)濟(jì)”間的兩難權(quán)衡：貨幣政策在緩和失業(yè)的同時，企業(yè)投資和總產(chǎn)出相對下降。根據(jù)上述研究結(jié)論，本文提出如下政策建議：

第一，產(chǎn)業(yè)政策制定者應(yīng)當(dāng)充分重視并合理引導(dǎo)相關(guān)產(chǎn)業(yè)人工智能的發(fā)展方向，從當(dāng)前較為普遍的側(cè)重“人機(jī)替代”模式轉(zhuǎn)向更加注重“人機(jī)協(xié)同”的發(fā)展模式。政府相關(guān)部門應(yīng)加大對那些既能促進(jìn)工作效率又能增進(jìn)人類與機(jī)器合作的技術(shù)的研發(fā)和支持力度。同時，通過優(yōu)化人機(jī)交互界面設(shè)計，更好地發(fā)揮人工智能的收入效應(yīng)，即通過創(chuàng)造更多高價值的工作崗位來抵消低技能崗位減少的影響，進(jìn)一步減弱人工智能技術(shù)的資本偏向?qū)傩运鶐淼膹?qiáng)就業(yè)替代效應(yīng)。

第二，政府相關(guān)部門應(yīng)將新形態(tài)就業(yè)群體納入公共服務(wù)范疇，并運用數(shù)字技術(shù)搭建勞動力供需平臺，緩解人工智能技術(shù)沖擊下新舊職業(yè)更替導(dǎo)致的勞動力市場摩擦增大，并改善勞動力市場的匹配效率。政府應(yīng)著力加強(qiáng)網(wǎng)絡(luò)化勞動力市場建設(shè)與智能化勞動力市場管理，利用大數(shù)據(jù)技術(shù)不斷優(yōu)化和完善勞動力市場運行及交易機(jī)制，提高勞動力市場運作的靈活性和透明度，確保勞動者能夠及時準(zhǔn)確地獲取有關(guān)職業(yè)機(jī)會、行業(yè)趨勢等方面的信息，增強(qiáng)其對勞動力市場發(fā)展變化的感知能力和適應(yīng)能力，有效降低信息不對稱的問題。同時，政府及相關(guān)機(jī)構(gòu)可推出更多針對性的技能培訓(xùn)項目，特別是面向中低技能工人，幫助其掌握新技術(shù)、新知識，提高自身競爭力。

第三，完善社會保障體系，實施技術(shù)沖擊兜底措施。人工智能發(fā)展對就業(yè)存在跨期影響：隨著人工智能發(fā)展的成熟化與規(guī)模化，“收入效應(yīng)”在長期會帶動新崗位的出現(xiàn)，擴(kuò)大就業(yè)市場的規(guī)模。但在短期內(nèi)，就業(yè)市場的穩(wěn)定仍然面臨著人工智能技術(shù)“替代效應(yīng)”的沖擊。因而，要實施積極的技術(shù)沖擊兜底措施，通過完善社會保障體系保障勞動者的權(quán)益，紓解勞動力就業(yè)難題。建議政府相關(guān)部門關(guān)注人工智能技術(shù)沖擊下的弱勢群體，建立低收入人群動態(tài)監(jiān)測信息系統(tǒng)，通過核查和追蹤調(diào)查實現(xiàn)常態(tài)化幫扶。將失業(yè)人員、收入低的靈活就業(yè)或非正規(guī)就業(yè)人員、未參保的農(nóng)民工等，及時納入臨時救助范圍，通過發(fā)放失業(yè)補(bǔ)助和救濟(jì)金等方式，為低收入人群提供必要的生活保障。構(gòu)筑社會保障與工資保險的安全線，通過建立健全最低工資制度、失業(yè)保險與社會救濟(jì)等相關(guān)制度體系，保障失業(yè)者或即將失業(yè)者在人工智能技術(shù)沖擊跨期效應(yīng)發(fā)揮周期內(nèi)的基本生存。

第四，不斷強(qiáng)化貨幣政策在實現(xiàn)就業(yè)目標(biāo)方面的工具和措施協(xié)調(diào)，以更有效地應(yīng)對人工智能發(fā)展對勞動力就業(yè)的跨期影響。一方面，中央銀行根據(jù)宏觀經(jīng)濟(jì)環(huán)境的變化靈活調(diào)整貨幣政策的方向和力度，合理選擇錨定目標(biāo)，促進(jìn)經(jīng)濟(jì)增長的同時注重維護(hù)就業(yè)穩(wěn)定。另一方面，加強(qiáng)貨幣政策與財政政策、產(chǎn)業(yè)政策等其他宏觀調(diào)控手段之間的協(xié)調(diào)配合，形成政策合力，在深入推進(jìn)人工智能與產(chǎn)業(yè)發(fā)展的融合中，減少由技術(shù)進(jìn)步帶來的就業(yè)波動?？赏ㄟ^財政補(bǔ)貼、稅收減免等方式，鼓勵企業(yè)在技術(shù)創(chuàng)新的同時加大教育和培訓(xùn)的投資，提升勞動力的整體素質(zhì)和適應(yīng)能力，實現(xiàn)企業(yè)人才保障與社會就業(yè)擴(kuò)容的“雙贏”目標(biāo)。通過緩解人工智能技術(shù)進(jìn)步給勞動力市場帶來的壓力，推動技術(shù)進(jìn)步與勞動力就業(yè)之間的協(xié)同發(fā)展，進(jìn)而推動中國式現(xiàn)代化建設(shè)。

參考文獻(xiàn)：

［1］" " " " BRYNJOLFSSON E， MCAFEE A. The second machine age： work， progress， and prosperity in a time of brilliant technologies［M］. New York： W. W. Norton amp; Company，2014：147-166.

［2］" " " " PRETTNER K. The implications of automation for economic growth and the labor share of income［R］.Vienna University of Technology Working Papers in Economics Theory and Policy，No.04，2016.

［3］" " " " 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.

［4］" " " " BERG A， BUFFIE E F， ZANNA L. Should we fear the robot revolution？ （The correct answer is yes） ［J］. Journal of Monetary Economics，2018，97：117-148.

［5］" " " " 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，2020，55（10）：159-175.

WANG Y Q，DONG W.How the rise of robots has affected China’s labor market： evidence from China’s listed manufacturing firms［J］.Economic Research Journal， 2020，55（10）：159-175.

［6］" " " " 吳立元，王懺，傅春楊，等. 人工智能、就業(yè)與貨幣政策目標(biāo)［J］. 經(jīng)濟(jì)研究，2023，58（1）：56-72.

WU L Y， WANG C， FU C Y， et al. Artificial intelligence， employment and monetary policy objectives［J］. Economic Research Journal，2023，58（1）：56-72.

［7］" " " " MORTENSEN D T， PISSARIDES C A. Job creation and job destruction in the theory of unemployment［J］. Review of Economic Studies，1994，61（3）：397-415.

［8］" " " " DIAMOND P A. Aggregate demand management in search equilibrium［J］. Journal of Political Economy，1982，90（5）： 881-894.

［9］" " " " 陳斌開，徐翔. 人工智能與社會公平：國際經(jīng)驗、影響機(jī)制與公共政策［J］. 國際經(jīng)濟(jì)評論，2024，32（6）：1-19.

CHEN B K，XU X.AI and social fairness：international experience， mechanism and public policy［J］.International Economic Review，2024，32（6）：1-19.

［10］" " " 劉國暉，張如慶，陳清萍. 有偏技術(shù)進(jìn)步抑制中國勞動就業(yè)了嗎？［J］. 經(jīng)濟(jì)問題，2016，38（9）：41-47.

LIU G H，ZHANG R Q，CHEN Q P.Has biased technical change depressed China’s employment？［J］. On Economic Problems，2016，38（9）：41-47.

［11］" " " 干春暉，姜宏. 資本偏向型技術(shù)進(jìn)步新特征及其對勞動力市場的影響機(jī)制研究［J］. 財經(jīng)研究， 2022，48（5）：34-48.

GAN C H，JIANG H.New characteristics of capital-biased technical change and its influence mechanism on the labor market［J］.Journal of Finance and Economics，2022，48（5）：34-48.

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

［13］" " " 劉金東，徐文君，王佳慧. 人工智能對青年就業(yè)的影響研究：來自O(shè)ECD國家工業(yè)機(jī)器人使用的證據(jù)［J］. 中國人口科學(xué)，2024，38（3）：3-17.

LIU J D，XU W J，WANG J H.The impact of artificial intelligence on youth employment：evidence from industrial robots application in the OECD countries［J］. Chinese Journal of Population Science，2024，38（3）：3-17.

［14］" " " 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］. 中國工業(yè)經(jīng)濟(jì)， 2020，38（8）： 80-98.

KONG G W， LIU S S，KONG D M. Robots and labor employment： an empirical investigation based on heterogeneity of industries and regions［J］. China Industrial Economics，2020，38（8）：80-98.

［15］" " " 馮婉昕. 人工智能與企業(yè)金融資產(chǎn)配置：來自國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)的經(jīng)驗證據(jù)［J］. 當(dāng)代財經(jīng)，2024，45（4）：141-152.

FENG W X.Artificial intelligence and corporate financial asset allocation： empirical evidences from the national AI innovation and application pioneer zone［J］. Contemporary Finance amp; Economics，2024，45（4）：141-152.

［16］" " " 徐春華，曾繁毅.人工智能、勞資關(guān)系與勞動收入份額［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2024，46（5）：89-104.

XU C H ， ZENG F Y.Artificial intelligence， labor-capital relations and labor income share［J］.Modern Economic Science，2024，46（5）：89-104.

［17］" " " FUEKI T， MAEHASHI K. Inflation on dynamics in the age of robots： evidence and some theory［R］. Bank of Japan Working Paper，2019.

［18］" " " CAMPOLMI A， GNOCCHI S. Labor market participation， unemployment and monetary policy［J］. Journal of Monetary Economics，2016，79：17-29.

［19］" " " THOMAS C. Search and matching frictions and optimal monetary policy［J］. Journal of Monetary Economics，2008，55：936-956.

［20］" " " BESSEN J. AI and jobs： the role of demand［R］.National Bureau of Economic Research Working Paper，2018.

［21］" " " 周慧珺，趙扶揚，傅春楊. 勞動力市場摩擦、企業(yè)進(jìn)入退出與經(jīng)濟(jì)波動［J］. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理， 2024，44（2）：81-96.

ZHOU H J， ZHAO F Y， FU C Y. Labor market friction，endogenous firm entry and macroeconomic fluctuations［J］. Economic Theory and Business Management，2024，44（2）：81-96.

［22］" " " MERZ M. Search in the labor market and the real business cycle［J］. Journal of Monetary Economics，1995，36（2）： 269-300.

［23］" " " MONACELLI T， PEROTTI R， TRIGARI A. Unemployment fiscal multipliers［J］. Journal of Monetary Economics， 2010，57（5）：531-553.

［24］" " " 陳彥斌，林晨，陳小亮. 人工智能、老齡化與經(jīng)濟(jì)增長［J］. 經(jīng)濟(jì)研究，2019，54（7）：47-63.

CHEN Y B， LIN C， CHEN X L.Artificial intelligence， aging and economic growth［J］.Economic Research Journal，2019，54（7）：47-63.

［25］" " " 封永剛，蔣雨彤. 要素替代彈性估計方法的比較與改進(jìn)［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（4）：139-158.

FENG Y G， JIANG Y T. Comparison and improvement of estimating methods of elasticity of factor substitution［J］.Journal of Quantitative amp; Technological Economics，2021，38（4）：139-158.

［26］" " " CHRISTIANO L J， EICHENBAUM M， EVANS C. Nominal rigidities and the dynamic effects of a shock to monetary policy［R］. National Bureau of Economic Research Working Paper， 2001.

［27］" " " 于尚艷，易小麗. 偏向性技術(shù)變遷下的宏觀經(jīng)濟(jì)波動與貨幣政策效應(yīng)：基于DSGE模型的分析［J］. 經(jīng)濟(jì)學(xué)家，2013，25（7）：78-85.

YU S Y， YI X L. Macroeconomic fluctuations and monetary policy effects under biased technological change： analysis based on a DSGE model［J］. The Economist，2013，25（7）：78-85.

［28］" " " 張敏，胡慧，陳波. 公共衛(wèi)生事件沖擊下的就業(yè)政策效應(yīng)：二元勞動力市場搜尋匹配視角［J］. 經(jīng)濟(jì)研究， 2022，57（7）：64-83.

ZHANG M， HU H， CHEN B. The effect of employment support policy under public health emergency： a labor search and matching model on dual labor market［J］.Economic Research Journal，2022，57（7）：64-83.

［29］" " " GERTLER M， SALA L， TRIGARI A. An estimated monetary DSGE model with unemployment and staggered nominal wage bargaining［J］. Journal of Money， Credit and Banking，2008，40（8）：1555-1818.

［30］" 韓民春，韓青江. 機(jī)器人技術(shù)進(jìn)步對勞動力市場的沖擊：基于動態(tài)隨機(jī)一般均衡模型的分析［J］. 當(dāng)代財經(jīng)，2020，41（4）：3-16.

HAN M C，HAN Q J.The impact of robot technology progress on labor market：an analysis based on dynamic stochastic general equilibrium model［J］.Contemporary Finance amp; Economics，2020，41（4）：3-16.

編輯：張靜，高原

Artificial Intelligence， Labor Market Frictions， and the Effectiveness of Monetary Policy in Stabilizing Employment

YANG Liu1， PENG Haigen1， YI Yuhuan2， FENG Yuan3

1.School of Economics and Business Administration， Central China Normal University， Wuhan 430079， China

2.School of Finance， Hubei University of Economics， Wuhan 430205， China

3.Shiyan Enterprise Listing Guidance Center， Shiyan 442000， China

Summary The rapid development of artificial intelligence （AI）， combined with labor market matching frictions in China， has profound implications for labor market employment and wage dynamics， while also altering monetary policy mechanisms for employment stabilization through its labor substitutability and capital-biased attributes. Existing studies， however， have not explored the interplay between AI’s employment substitution effects and wage-enhancing effects within a unified theoretical framework， nor adequately examined how AI influences the effectiveness of monetary policy in stabilizing employment.

This paper constructs a dynamic stochastic general equilibrium （DSGE） model incorporating heterogeneous AI shocks and Diamond-Mortensen-Pissarides （DMP） search-matching frictions. Through mechanistic analysis， we elucidate the micro-level channels through which AI affects employment and monetary policy regulation efficacy. Building on this foundation， we conduct numerical simulations based on China’s economic realities to analyze how general-purpose AI （GPAI） and capital-biased AI （CBAI） affect employment and monetary policy effectiveness. Our findings reveal that AI influences employment through both the substitution and income effects， but the income effect lags behind the substitution effect， resulting in short-term employment displacement and exacerbating the coexistence of “high growth， high investment， and low consumption” in the economy. The capital-biased nature of AI shifts enterprise behavior from “hiring for expansion” to “investing for expansion” under accommodative monetary policy， rendering monetary policy effective in promoting economic growth but ineffective in stabilizing employment. Additionally， intensified labor matching frictions elevate recruitment costs， further weakening enterprises’ motivation to hire under accommodative monetary policy. Incorporating employment objectives into monetary policy frameworks involves a trade-off between “employment stabilization” and “growth stabilization”： while it may partially mitigate AI-driven excessive labor substitution under accommodative monetary policy， investment and output would relatively decline.

Compared to existing literature， this paper’s innovations are primarily reflected in： First， it transcends the prevailing focus on AI’s substitution effects by formalizing both substitution and income effects within a unified framework， while theoretically unraveling the microeconomic mechanisms of AI’s impacts on employment and monetary policy effectiveness. Second， it examines the effectiveness of incorporating employment objectives into expanded monetary policy rules to address excessive employment substitution under AI development when AI creates short-term employment substitution and exacerbates divergence between output and employment gaps， thereby further clarifying feasible paths for strengthening monetary policy regulation.

This research reveals specific mechanisms through which AI affects employment， wages， and monetary policy effectiveness. On one hand， it helps guide AI development from “l(fā)abor substitution” toward “human-machine collaboration，” while reducing labor market matching frictions through multiple approaches to mitigate excessive employment substitution； on the other hand， it necessitates continuous improvement of social security systems to address short-term employment substitution， while strengthening monetary policy objective management and coordinating multiple measures.

Keywords artificial intelligence；labor market； “machine substitution”；employment stabilization；monetary policy； substitution effect； income effect

收稿日期：2024-03-13。" "修回日期：2025-05-11。

基金項目：國家社會科學(xué)基金重點項目“跨境氣候風(fēng)險與金融穩(wěn)定研究”（24AJY014）。

作者簡介：楊柳，女，通信作者，華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院教授，研究方向為宏觀調(diào)控與金融風(fēng)險防控研究、區(qū)域經(jīng)濟(jì)發(fā)展，電子郵箱為juticekitty@163.com；彭海根，男，華中師范大學(xué)經(jīng)濟(jì)與工商管理學(xué)院碩士研究生，研究方向為宏觀調(diào)控政策；易宇寰，男，湖北經(jīng)濟(jì)學(xué)院金融學(xué)院講師，研究方向為宏觀經(jīng)濟(jì)、國際金融；馮源，男，十堰市企業(yè)上市指導(dǎo)中心科員，研究方向為宏觀金融。

[①]參見https：//www.caict.ac.cn/kxyj/qwfb/bps/202412/P020241210548865982463.pdf。

[②]參見https：//bg.qianzhan.com/report/detail/f048b03a50c54565.html？v=footer2。

[③]參見https：//www.seccw.com/document/detail/id/25289.html。

[④]參見https：//www.stats.gov.cn/sj/sjjd/202302/t20230202_1896644.html。

[⑤]穩(wěn)態(tài)分析結(jié)果表明，相較于無人工智能，模型系統(tǒng)在引入人工智能之后工資水平的穩(wěn)態(tài)值由0.967提升到3.986，表明人工智能不僅在短期內(nèi)影響工資，還使得工資的絕對水平提升。

[⑥]對于失業(yè)變量，由于寬松的貨幣政策能穩(wěn)定就業(yè)、降低失業(yè)率，三種參數(shù)設(shè)定下失業(yè)的響應(yīng)均為負(fù)向。但隨著勞動力市場摩擦加劇，根據(jù)本文機(jī)制研究，失業(yè)率的下降幅度更小。摩擦加劇相較于基準(zhǔn)情況下的差值越大意味著貨幣政策對失業(yè)率的降低作用更小。因此，失業(yè)差值表現(xiàn)為隨著勞動力市場摩擦加劇而增加。