基于政策量化的人工智能政策對制造業就業的影響研究

（北京聯合大學，北京 100101）

2017 年，國務院印發了《新一代人工智能發展規劃》，推動人工智能產業發展上升為國家戰略。其實早在2017 年之前，為了地區經濟的發展，已有部分省市出臺了人工智能相關政策。例如，2014 年，中關村科技園推出了《關于加快培育大數據產業集群推動產業轉型升級的意見》，安徽出臺了《安徽省智能語音產業發展規劃（2014-2017）》，河南洛陽出臺了《洛陽市機器人及智能裝備產業集群引進和培育行動方案》和《洛陽市工業機器人及智能裝備產業三年攻堅行動計劃》，重慶市推出了《實施制造業裝備智能化提升行動》。當前，智能制造正成為制造業變革的重要方向，人工智能與制造業的結合，究竟會不會影響制造業就業？各地區不同的人工智能政策措施是否意味著不同的人工智能政策效應？對此類問題的探究對制定和實施人工智能政策，提前做好相應規劃和布局，以應對人工智能發展對制造業可能帶來的就業沖擊，具有極其重要的意義。

1 相關研究綜述

1.1 人工智能技術應用對就業的影響

關于技術進步對就業影響的研究，可以追溯到古典經濟學時代。古典經濟學家普遍認為，技術進步對就業的影響具有兩面性，而關于人工智能對就業的影響也有類似的兩面性，既有替代效應，又有創造效應，既有積極的一面，也有消極的一面，替代效應和創造效應的雙重作用體現為人工智能產業政策對就業變化的影響效果［1］。Acemoglu 等學者［2］分析了美國地方勞動力市場工業機器人的使用情況，認為機器人的增加會降低就業率和工資。國內有學者發現工業機器人在我國具備了大規模普及和應用的條件，這將形成對傳統勞動力的規模性替代［3］，未來5 年，機器人對制造業簡單重復勞動工種的替換率將達到25%［4］，還有國內學者認為，人工智能對常規性、程序性工作崗位的沖擊較大，人工智能的替代范圍不只局限于藍領崗位，一些白領崗位也面臨被替代的風險［5］。

然而，也有相反的觀點。Metra Martech 市場調研公司2015 年發布的《工業機器人對就業的積極影響》報告認為，工業機器人對就業實際上產生了積極影響而非消極，并認為未來5 年機器人將為全世界創造100 萬個更高質量的就業機會。國內有學者認為，雖然人工智能會削弱低勞動力成本和自然資源的競爭優勢，對發展中國家拼資源、拼低勞動力成本的發展模式和工業化戰略構成挑戰，但不會完全替代人類就業［6］。還有學者基于北京市典型制造業企業開展了案例研究，研究發現制造業就業存在極化現象，但是“機器換人”在北京并未造成大規模的勞動力失業［7］。

1.2 人工智能政策效應

產業政策是政府保護、促進和扶持特定產業發展的經濟政策，是政府干預經濟的重要手段。江海潮［8］認為產業政策效應的均衡水平由產業政策激勵因素、中央政府政策制定和執行效率因素、市場競爭激勵因素、地方政府戰略偏好等因素共同決定。余明桂等人［9］認為，產業政策能夠通過信貸、稅收、政府補貼和市場競爭機制促進重點鼓勵行業中企業的技術創新，尤其是民營企業的技術創新。

我國的人工智能政策發端于2015 年國務院印發的《中國制造2025》，隨著國家對人工智能產業重視程度的不斷提高，對人工智能產業的政策支持力度也在不斷加大。袁野等人［10］將人工智能政策分成供給型、環境型與需求型，環境類政策的作用是為人工智能產業創造適宜的發展環境，供給類政策的作用是提供人工智能產業發展的主要動力，需求類政策的作用是為產業發展擴大需求，開拓市場并提供相應管制措施，并認為，創新、平臺、人才和融合發展是發展人工智能產業的主要政策工具［11］。劉洪波等人［12］在“政策目標-政策工具”分析框架下探討人工智能發展特征與政策議題的關注情況，研究認為，地方政府更加重視人工智能帶來的效率提升和產業變革，而忽視了應有的制度規范和風險規避。章小童等人［13］使用內容分析和主題詞共現網絡分析對人工智能發展規劃政策文件進行了研究，旨在揭示各項政策文本內容的主題分布結構特征，研究發現，人工智能示范應用工作是政策布局的關鍵組成部分；各省市人工智能政策主題分布存在顯著差異。

作為一種新鮮事物，針對人工智能政策效應的相關研究剛剛開始，相關研究處于描述、界定和剖析層面，政策研究和評價大多集中于邏輯分析，停留在定性階段，帶有強烈的主觀性。因此，接下來，本文將在人工智能政策文本量化的基礎上，對人工智能政策對制造業就業的影響開展定量研究。

2 人工智能政策量化標準和方法

近年來，伴隨著各類科技政策及其他重要政策文件的出臺，政策文本量化分析成為一種創新性的研究探索［14］，在研究過程中引入統計學和文獻計量學等學科方法，通過內容挖掘、識別、分析等，對政策文本內容進行量化分析。本文借鑒彭紀生教授的科技政策文本量化方法和政策量化標準操作手冊，挖掘各省市人工智能政策文本內容，利用政策力度、政策目標和政策措施三項指標對我國內地各省市發布的人工智能政策進行量化［15］。人工智能政策文獻均來源于公開的數據資料，通過律商網和政府門戶網站檢索獲取，政策樣本范圍覆蓋全國性、省、市（含省會城市及地級市）三個層級。

政策文獻的選取基于以下四項標準：（1）政策標題必須含有“人工智能”“智能”等關鍵詞；（2）發文單位為國務院、部委和地方政府；（3）保留方案、規劃、計劃、意見和通知等政策類型，刪除批復和會議記錄等工作文件；（4）政策必須現行有效。在評判標準中，“政策力度”根據發文機構的權利大小，依照法規、規章和政策性文件、條例和規定、暫行規定（或意見、批復、辦法）、通知，按5 分制進行打分；“政策目標”根據政策中目標描述語氣的強弱程度和詳細程度，按5 分制進行打分；“政策措施”根據政策中所提及措施的具體程度按5 分制進行打分。具體打分標準見表1。

表1 人工智能政策量化標準

表1 （續）

用AIP（Artificial Intelligence Policy）表示人工智能政策，AIPi，p表示p省市i年人工智能政策得分。各省市人工智能政策量化得分公式為：

其中i表示年份，p表示省市，N表示i年頒布的政策數目，j表示i年頒布的第j項政策，G1j、G2j、G3j分別表示第j項政策的政策目標、政策措施、政策力度，依照上述公式計算各省市年度人工智能政策得分。

3 人工智能政策對制造業就業影響的實證研究

3.1 研究假設和數據來源

人工智能作為新一輪科技革命與制造業的融合，將會引發產業變革，人工智能融入制造過程，機器對勞動力的替代和創造雙重效應引致的總效應的不確定性有待考證，各省市人工智能政策的不同措施的效果也有待考證。因此，研究提出假設:

H1:人工智能產業政策對我國城鎮制造業就業有消極影響，即人工智能政策會帶來制造業員工失業，影響制造業就業規模。

H2:人工智能政策的不同措施會影響人工智能政策對就業影響的程度。

需要說明的是：（1）依據現有各省市人工智能政策內容，針對智能制造的人工智能政策措施可以分為兩類，基礎推動型措施和市場拉動型措施。其中，政策的著力點或措施中強調從智能制造的基礎設施建設、技術研發等環節，鼓勵研發、平臺建設、成果轉化，提供資金、場地、技術等支持的，稱為基礎推動型政策措施；政策的著力點或措施中強調需求牽引、應用牽引、推進上下游互為應用場景、實施首臺（套）設備保險補償制度、智能制造示范帶動、支持智能制造企業開拓市場、實施政府采購、用戶補貼等，稱為市場拉動型政策措施。（2）研究依據各省市2015 年至2018 年的人工智能政策和經濟活動數據開展，原始經濟數據主要來源于國家統計局、人力資源和社會保障局統計數據，并根據研究需要進行數據處理。

3.2 變量設計

3.2.1 人工智能政策綜合指數

人工智能政策指數（Index of Artificial Intelligence Policy）簡稱IAIP。用AIPi，p表示i年p省市出臺人工智能產業政策得分，AIPi，p用上述政策量化方式獲得。用IAIPi，p表示i年p省市的人工智能政策指數，IAIPi，p可以表示為：

IAIPi，p=AIPi，p+IAIPi-1，p（i=2015,2016,2017,2018）

用NAIP（National Artificial Intelligence Policy）表示全國性人工智能政策得分，NAIPi表示i年全國性人工智能政策得分，NAIPi用上述政策量化方式獲得。用NIAIP （National Index of Artificial Intelligence Policy）表示全國性人工智能政策指數，NIAIPi表示i年全國性人工智能政策指數，NIAIPi可以表示為：

NIAIPi=NAIPi+NIAIPi-1（i=2015,2016,2017,2018）

用TIAIP（Total Index of Artificial Intelligence Policy）表示人工智能政策綜合指數，TIAIPi，p表示i年p省市的人工智能政策綜合指數。由于各省市經濟活動不僅受到各自地方性政策的影響，還受到全國性政策的影響，因此，各省市人工智能政策綜合指數不僅包括該省市已出臺人工智能政策指數，還包括全國性已出臺人工智能政策指數。換句話說，p省市i年的人工智能政策綜合指數TIAIPi，p由兩部分加總而成，一部分是p省市已出臺的人工智能政策指數數值，一部分是全國性的人工智能政策指數數值。因此有：

TIAIPi，p=IAIPi，p+NIAIPi（i=2015,2016,2017,2018）

3.2.2 人工智能政策措施

引入虛擬變量--人工智能政策措施（Artificial Intelligence Policy Focus），簡稱AIPF。用AIPFp表示p省市人工智能政策措施，并設定：

（1）AIPFp=1，若p省市人工智能政策中包含有市場拉動型政策；

（2）AIPFp=0，若p省市人工智能政策中沒有包含市場拉動型政策。

3.2.3 制造業就業規模變化

制造業就業規模變化（Change of Manufacturing Employment Scale，簡稱MES）用制造業就業數量變化表征該項指標。用MESi，p表示i年p省市制造業就業規模，用ΔMESi，p表示i年p省市制造業就業規模變化，有：

ΔMESi，p=MESi，p-MESi-1，p（i=2015,2016,2017,2018）

3.2.4 科技經費投入

科技經費投入（Science and Technology Funding）簡稱STF。用STFi，p表示i年p省市的科技經費投入。

3.2.5 地區生產總值變化

用ΔGDP 表示生產總值變化（District Change of Gross National Product），用ΔGDPi，p表示i年p省市的GDP 變化，有：

ΔGDPi，p=GDPi，p-GDPi-1，p（i=2015,2016,2017,2018）

各變量指標設計和說明見表2。

表2 變量設計和說明

3.3 回歸分析

以各省市制造業就業規模變化為被解釋變量，各省市人工智能政策綜合指數為解釋變量，各省市科技經費投入、地區生產總值變化作為控制變量，構建回歸模型（1）如下：

以各省市制造業就業規模變化為被解釋變量，各省市人工智能政策綜合指數為解釋變量，各省市科技經費投入、地區生產總值變化作為控制變量，人工智能政策措施為虛擬變量，構建回歸模型（2）如下：

利用spss 進行回歸，回歸分析結果見表3。

表3 回歸分析結果

從模型（1）的回歸結果可以看出，在不考慮區域差異的情況下，人工智能政策和制造業就業變化有弱相關性，不顯著；GDP 的變化和制造業就業的變化的也有非常弱的正相關性；科技經費投入和制造業就業變化有明顯的負相關性。從模型（2）的回歸結果可以看出，加入人工智能政策措施變量后，模型（1）的結論仍然成立，而政策措施和制造業就業變化有弱的負相關性，但不顯著。

3.4 基于時間分組的描述性統計和非參數檢驗

從各地人工智能政策實施時間的角度考量，將31 個省市分為三類：第一類（Group 1）為較早發布人工智能產業政策的省市，具體指全國性的人工智能政策發布之前就已經有相關人工智能政策的省市，包括北京、安徽、福建、廣東、河南、山東、山西、上海、浙江、重慶，第二類（Group 2）是2017 年之后發布人工智能產業政策的省市，包括甘肅、廣西、貴州、河北、黑龍江、湖北、湖南、江蘇、江西、遼寧、內蒙古、四川、天津，第三類（Group 3）是截止到2019 年3 月底未發布人工智能相關政策的其它省市，包括海南、吉林、寧夏、青海、陜西、西藏、新疆。變量描述性統計結果見表4。

表4 描述性統計結果

從描述性統計結果可以看出：（1）第一類和第二類省市制造業就業規模變化（ΔMES）的平均值和中位數比較接近，和第三類省市差距明顯。（2）第二類省市制造業就業規模變化（ΔMES）平均值的絕對值大于第一類和第三類，而三類省市制造業就業規模變化（ΔMES）中位數的絕對值依次遞減。（3）三類省市GDP 變化（ΔGDP）、科技經費投入（STF）呈階梯分布，差距明顯，并且科技經費投入和GDP 變化的方向是一致的，即科技經費投入越多，GDP 增加的越多。

對三類研究對象進行獨立樣本中位數檢驗和Kruskal Wallis 檢驗，非參數檢驗的結果見表5。

表5 非參數檢驗結果

從非參數檢驗結果來看，在置信區間為95%的情況下，GDP 變化（ΔGDP）、科技經費投入（STF）、制造業就業規模變化（ΔMES）的Sig 值均近似為0，說明三個變量在三類分組上有顯著差異。因此，不同地區的人工智能政策對制造業就業規模變化有顯著影響，人工智能政策得分越高，制造業就業規模下降越明顯，理論假設H1得到驗證。

3.5 基于政策分組的描述性統計和非參數檢驗

通過各地區人工智能政策的語意分析，可以把已經發布人工智能政策的23 個省市分為兩類，其中，包含強調市場拉動型措施的省市劃為一類（Group 4），主要包括北京、上海、四川、天津、江西、江蘇、河南、安徽、福建、廣東、廣西、山東，其他的省市分為一類（Group 5），稱為基礎推動型，主要包括山西、浙江、重慶、甘肅、貴州、河北、黑龍江、湖北、湖南、遼寧、內蒙古。變量描述性統計結果見表6。

表6 描述性統計結果

從描述性統計結果可以看出：市場拉動型組別的制造業就業規模變化（ΔMES）的平均值和中位數的絕對值均大于基礎推動型組別，市場拉動型組別的GDP 變化（ΔGDP）和科技經費投入（STF）的平均值和中位數均高于基礎推動型組別的相應變量，這意味著市場拉動型政策的政策效應更加明顯，市場拉動型政策對制造業就業規模變化和GDP 的影響更大，市場拉動型省市的科技投入也較大。

對兩類研究對象進行獨立樣本中位數檢驗和Kruskal Wallis 檢驗，非參數檢驗的結果見表7。

表7 非參數檢驗結果

從非參數檢驗結果來看，在置信區間為95%的情況下，GDP 變化（ΔGDP）、科技經費投入（STF）的Sig 值小于0.05，說明兩變量在兩類分組上有顯著差異。在置信區間為95%的情況下，制造業就業規模變化（ΔMES）的中位數在兩類分組上也有顯著差異，在分布上沒有顯著差異。但是在置信區間為90%的情況下，制造業就業規模變化（ΔMES）在兩類分組上也顯示出顯著差異。

因此，綜合回歸分析、描述性統計結果和非參數檢驗結果，可以認為，市場拉動型政策措施下，和基礎推動型政策措施比較起來，GDP 增長快，科技經費投入也更多，對制造業就業變化的影響也更大，不同的政策著力點對就業的影響也不同，理論假設H2 得到驗證。

4 研究結論和建議

4.1 研究結論

人工智能是引領未來的戰略性技術，對制造業就業的影響意義深遠。本文通過定量研究發現：

第一，人工智能政策和制造業就業變化呈負相關性，雖然目前還不顯著，但是越是較早頒布人工智能政策的省市，制造業就業規模變化越明顯，這說明人工智能政策對制造業就業的影響正在逐漸顯露。

第二，雖然科技經費投入和GDP 的增加有明顯的關聯，但是科技經費投入對制造業就業的消極影響也很顯著。

第三，市場拉動型政策對制造業就業的影響更明顯。相比基礎推動型政策，市場拉動型政策的GDP 變化和制造業就業變動更明顯，科技經費投入也更大。這也意味著，針對制造業的人工智能政策不同的政策措施和著力點對就業的影響也不同，市場拉動型政策措施對制造業就業變化的影響更大。

4.2 建議

首先，當前新一輪科技革命和產業變革與我國加快轉變經濟發展方式形成歷史性交匯，長期來看，科技進步會促進產業結構優化升級，帶動管理創新［16-17］，我國經濟社會的發展，需要緊緊抓住人工智能發展這一重大歷史機遇，按照“四個全面”戰略布局要求，實施制造強國戰略，把我國建設成為引領世界制造業發展的制造強國。這是我國經濟社會發展的必然要求，也是實現中華民族偉大復興的必經之路。

然而，我國人工智能的發展目前正處于起步階段，針對制造業的基礎性、推動型政策工具使用較多，各省市當前多強調從智能制造的基礎設施建設、技術研發等環節，鼓勵研發、平臺建設、成果轉化，提供資金、場地、技術等支持，市場拉動型工具使用不足。未來針對制造業的人工智能產業政策，應強調和鼓勵應用示范，強調需求牽引、應用牽引、推進上下游互為應用場景，鼓勵和支持智能制造企業開拓市場，并制定相關標準，為智能制造企業的智能應用保駕護航。

其次，作為新一輪產業變革的核心驅動力，人工智能是一把雙刃劍，將重構生產、分配、交換、消費等經濟活動各環節，深刻改變人類生產生活方式和思維模式，在大力發展人工智能的同時，必須高度重視可能帶來的制造業就業規模的變化，采取積極應對措施規避人工智能與制造業的結合帶來的風險和消極影響，在相應政策制定中明確和人工智能相關的相應制度或措施，例如，完善社會保障制度，降低技術性失業可能導致的社會動蕩風險［18］；健全公共就業平臺建設，完善職業指導與職業咨詢服務，對就業困難勞動力提供市場急需技能的培訓，助力勞動力順利轉崗或再就業；鼓勵企業對員工進行轉崗培訓和再就業補償和指導；開展人力資源服務創新研究，創新靈活就業渠道，為靈活就業人員提供創新性的人力資源服務；鼓勵和引導人工智能的就業創造效應，重視培養人工智能及相關產品研發領域及應用領域的縱向和橫向跨界人才的培養［19］，注重人工智能復合型人才的培養等等。