人工智能就業(yè)創(chuàng)新效應補償了替代效應嗎？

□魏 巍

一、引言

20 世紀90 年代，我國開始涉足人工智能產業(yè)，隨著研究的不斷深入，人工智能技術取得了突飛猛進的發(fā)展。2020 年1 月，我國人工智能產業(yè)指數499，發(fā)展速度雖環(huán)比有所放緩，但仍然是數字經濟三大產業(yè)中的第一名①。據《全球人工智能發(fā)展報告》統(tǒng)計，近10 年來，我國的人工智能專利數量每年增速達到42%，總量上遙遙領先，是美國的2.27 倍。舉世矚目的成就離不開我國政府的大力支持。2017 年7 月，我國正式發(fā)布了《新一代人工智能發(fā)展規(guī)劃》。展望未來，我國政府公布了到2030 年成為人工智能第一經濟體和人工智能應用和實施領域世界領先者的計劃。據Statista 統(tǒng)計，到2030 年，中國由人工智能引致的國內生產總值將增加7 萬億美元，從經濟效益來看，中國很可能是實施人工智能的最大贏家[1]。

人工智能發(fā)展對我國的經濟增長無疑是利好的，但隨著時間的推移，一些潛在的社會問題也逐漸顯現。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器，其主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。顯然，這對就業(yè)產生了直接影響。一些機械程度高的、重復性強的、易于編程實現的工作將會逐漸被人工智能所替代，勞動力市場上將會出現一些剩余勞動力；隨著人工智能的普及，一些新的工作崗位又會應運而生。我國人工智能發(fā)展對現有崗位產生的替代效應程度如何？是否還會產生更多的剩余勞動力？如何利用人工智能創(chuàng)造出更多新的工作需求來重新安置剩余勞動力并擴大就業(yè)？這些問題都值得我們去探討和解決，這也正是本研究的出發(fā)點。

二、文獻綜述

從技術進步的視角看，人工智能是在機器自動化基礎上發(fā)展起來的具有智能特點的新技術。我們可以將人工智能視為一種技術平臺，它延續(xù)了自動化的特點，可以自動完成以前由人工完成的任務，表現為替代效應；也升級了自身的智能特點可以創(chuàng)建新的崗位需求，使勞動力能夠有效地被利用，表現為創(chuàng)新效應。在技術變革的研究中，標準方法都假定任何提高生產力（每名工人的附加值）的進步都會增加對勞動力的需求，從而增加就業(yè)和工資。當然，技術進步可能會使擁有不同技能的勞動力不平等地受益，一個部門的生產力提高可能會導致該部門的失業(yè)。也就是說，即使出現部門性失業(yè)，其他部門也會擴張，為整體就業(yè)和工資增長做出貢獻。但技術變革的現實并不是千篇一律的。許多自動化技術并不能提高勞動生產率，其目標是通過在一系列由人類完成的任務中，用更便宜的資本（機器）來取代勞動力，使得勞動力在增加值中的份額減少，因為自動化比勞動力更能提高生產率。

那么，為什么我國勞動力份額大體上保持不變，生產力增長與相應的工資增長是同步的呢（胡斌紅和楊俊青，2020；馬國旺和李焙堯，2020）[2-3]？從歷史上看，隨著自動化技術的引入，其他技術進步同時促成了新的工作崗位，在這些崗位中，勞動力具有競爭優(yōu)勢。這就產生了新的勞動需求，在此人類的勞動可以恢復到生產過程中，并隨著新任務改善勞動分工而有力地促進生產力的增長。20 世紀初開始的農業(yè)機械化事件形象地說明了這一模式。盡管機械化降低了農業(yè)的勞動份額和就業(yè)率，但由于制造業(yè)和服務業(yè)都創(chuàng)造了一系列新崗位，總體勞動力需求上升。比如：文秘職業(yè)、更加專業(yè)化的藍領和白領工作都是這個時期產生的，提高了生產力和對勞動力的需求以及勞動力在制造業(yè)和服務業(yè)中所占的份額。從這個角度來看，造成就業(yè)問題的部分原因是生產力增長乏力，更重要的是由于新的崗位創(chuàng)造未能實現，而這種崗位創(chuàng)造更多來源于創(chuàng)新效應。

創(chuàng)新效應涉及的不僅是創(chuàng)新者，還有使用新技術的工人、采用新技術的公司，以及未來在新技術基礎上發(fā)展起來的其他公司和研究人員，要確保他們從中受益。但當存在可供選擇的、相互競爭的技術模式時，市場導向下的結果就具有不確定性，一方面決策者的判斷依據存在局限性；另一方面決策者更加注重眼前利益。比如，根據利潤最大化原則，當一種范式領先于另一種范式時，研究人員和公司也傾向于遵循這種范式，即使另一種范式可能更具生產力。在這種情況下，一旦錯誤的范式向前推進，就很難扭轉這種趨勢，也難以享受從替代范式所帶來的收益。事實上，我們更多側重了人工智能的自動化，忽視了可以創(chuàng)造更多就業(yè)機會的創(chuàng)新效應。比如：美國最具創(chuàng)意的產業(yè)集群（如硅谷）周圍的生態(tài)系統(tǒng)存在過度獎勵自動化的情況，而對前沿技術的其他用途關注不夠。一部分原因是領先研究人員的價值觀和興趣（例如，特斯拉（Tesla）等公司不斷嘗試實現自動化的精神），另一部分原因在于大型智能公司的主流商業(yè)模式和愿景，它們專注于自動化和從生產過程中去除（易出錯的）人的因素。這種自動化理念又會通過產學研滲透到人才培養(yǎng)當中，當一個生態(tài)系統(tǒng)變得無所不包時，它將沒有多余的空間去進行技術變革（Acemoglu，2019）[4]。因此，如果不同的人工智能方法構成了可供選擇的、相互競爭的模式，那么我們不應該只依靠市場導向來決定，還需要政府從更加宏觀、系統(tǒng)、全面的角度進行考量，進行適當的引導和干預。

多數研究證實，人工智能對就業(yè)的影響既存在替代效應又具備創(chuàng)新效應（Trajtenberg，2018；程承坪，2019；張于喆，2019）[5-7]。替代效應會導致部分勞動力失業(yè)，創(chuàng)新效應又會產生新的勞動力需求，而二者之間的總效應決定了人工智能對我國勞動力就業(yè)所帶來的最終影響。事實證明，人工智能替代效應所導致的技術性失業(yè)現象已在我國初露端倪（蔣南平和鄒宇，2018）[8]，而人工智能創(chuàng)新效應所出現的新崗位需求和勞動者技能之間的差距成了我國勞動力就業(yè)面臨的最大問題（屈小博，2019）[9]，若不加以妥善解決就會演變成嚴重的社會問題。現有研究指出人工智能對我國勞動力市場存在沖擊，證實了人工智能的就業(yè)效應既包括替代效應，也具有創(chuàng)新效應，但并未深入分析替代效應和創(chuàng)新效應之間的分化與聯系，也未檢驗我國人工智能就業(yè)創(chuàng)新效應和替代效應的發(fā)展階段。本文基于市場配置視角，數理演繹了人工智能就業(yè)替代-創(chuàng)新效應的作用機制及影響因素，實證檢驗了我國人工智能替代-創(chuàng)新效應的發(fā)展階段，基于技術進步理論總結并提出了就業(yè)外部性創(chuàng)新效應的途徑。

三、人工智能就業(yè)效應的分化構成

（一）兩部門模型

將所有產業(yè)劃分為傳統(tǒng)產業(yè)和人工智能產業(yè)兩類，各企業(yè)在市場中自由競爭，不考慮政府部門。這種競爭可能會形成優(yōu)勝劣汰的良性發(fā)展，也可能會由于技術的高門檻而形成壟斷。比如，在傳統(tǒng)產業(yè)中人工智能對勞動力的替代，可以視為自由競爭形成的優(yōu)勝劣汰模式，而由此形成的人工智能產業(yè)更加傾向于壟斷競爭的模式，因為人工智能技術的門檻相對較高，不是所有企業(yè)都能進入。在這種模式下，人工智能的就業(yè)會產生自動化帶來的替代效應和組織結構重組帶來的創(chuàng)新效應。

假設傳統(tǒng)企業(yè)投入勞動和資本兩種要素進行生產，則生產成本為：

其中，w 代表勞動力的工資，L 代表勞動力數量，r 代表資本利率，K 代表資本總量。為簡化計算，假設人工智能均為機器形態(tài)，每臺人工智能的購入價格為k，且人工智能的使用壽命為n 期。假設工資具有剛性，不考慮替代成本以外的其他因素，在最終產品需求不變的基礎上，根據成本最小化原則，企業(yè)愿意購入人工智能的條件應該滿足：

其中，l 代表被人工智能替代的勞動力數量與組織結構重組產生的新崗位吸納的勞動力數量之差（即傳統(tǒng)企業(yè)中被替代崗位的勞動力數量減去新增銜接崗位的勞動力數量），m 代表傳統(tǒng)企業(yè)購入人工智能的個數，即人工智能對勞動力的替代率為l/m。當傳統(tǒng)企業(yè)實現最大化的人工智能替代時，應該滿足：

其中，lˉ是人工智能所替代的最大勞動力人數，m 是傳統(tǒng)企業(yè)購入人工智能的最大個數，也是人工智能生產企業(yè)面臨的最大需求量。那么，人工智能生產企業(yè)的利潤為：

由于人工智能產業(yè)的準入門檻較高，因此，人工智能生產企業(yè)具有一定的壟斷性。借鑒Acemoglu（2002）[10]的思路，根據利潤最大化條件，人工智能壟斷生產企業(yè)的產品邊際成本應該為k2，因此，人工智能生產企業(yè)的利潤公式可以表示為：

將兩個利潤公式（4）和（5）聯立，可以得到：

將（3）代入（6）可得：

由公式（7）可得，人工智能對勞動力的替代-創(chuàng)新效應受人工智能機器價格、技能溢價、資本溢價和要素結構的共同影響。即人工智能機器的價格越高，替代-創(chuàng)新效應就越弱，說明人工智能機器價格的提高會促進廠商積極性，創(chuàng)造更多的就業(yè)崗位；人工智能產業(yè)的高技能人員相對于傳統(tǒng)企業(yè)的低技能人員的工資溢價越高，人工智能的替代-創(chuàng)新效應就越強；資本相對于勞動的報酬率越高，人工智能的替代-創(chuàng)新效應就越強；人工智能產業(yè)內部資本要素相對于勞動要素的投入數量越多，人工智能的替代-創(chuàng)新效應就越強。這說明后三者的增加會使得人工智能廠商生產成本增加，減弱了創(chuàng)新效應。

（二）三部門模型

僅依靠市場導向能實現基于創(chuàng)新外部性的就業(yè)創(chuàng)新效應嗎？創(chuàng)新外部性涉及的不僅是創(chuàng)新者，還有使用新技術的工人、采用新技術的公司，以及未來在新技術基礎上發(fā)展起來的其他公司和研究人員，要確保他們從中受益。但當存在可供選擇的、相互競爭的技術模式時，市場導向下的結果就具有不確定性，一方面決策者的判斷依據存在局限性，另一方面決策者更加注重眼前利益。此時，我們不應只依靠市場導向來決定，還需要政府從更加宏觀、系統(tǒng)、全面的角度進行考量，進行適當的引導和干預。我國對于人工智能的扶持措施主要表現為減稅政策，在（1）式的基礎上考慮政府減稅：

T 代表政府稅收，由于政府的減稅政策只在人工智能產業(yè)施行，因此，這里僅考慮人工智能產業(yè)的稅收。利潤公式可以表述為：

結合（5）式，可得：

結合（3）式，可得：

考慮政府干預的三部門模型中，除了技能溢價、資本溢價和要素結構，單位人工智能報酬稅收也會對替代-創(chuàng)新效應產生影響。稅收水平越高，替代-創(chuàng)新效應就越強。

四、人工智能就業(yè)替代-創(chuàng)新效應實證分析

（一）計量模型及數據來源

構建人工智能就業(yè)效應的基本計量模型如下：

其中，SUBit代表i 區(qū)域第t 年的替代-創(chuàng)新效應，kit代表i 區(qū)域第t 年人工智能行業(yè)的資本價格，wit代表i 區(qū)域第t 年的技能溢價，tit代表i 區(qū)域第t 年的人工智能稅收效應，rit代表i 區(qū)域第t 年的資本溢價，fit代表i區(qū)域第t 年的人工智能行業(yè)要素結構，x 代表一系列控制變量，結合人工智能替代效應的影響因素，本文將控制變量界定為產業(yè)結構、對外貿易程度、傳統(tǒng)行業(yè)自主研發(fā)水平、勞動力受教育水平、人工智能企業(yè)規(guī)模。

根據各指標數據的可獲得性，選取2003-2017 年為研究期間，具體來說，各變量的數據來源及描述性統(tǒng)計情況如表1 所示。數據來源于《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國固定資產投資統(tǒng)計年鑒》《中國信息產業(yè)年鑒》《中國稅務年鑒》《中國基本單位統(tǒng)計年鑒》和各省份統(tǒng)計年鑒。

表1 各變量的描述性統(tǒng)計情況

（二）實證研究結果

1.基礎回歸

經檢驗，回歸變量存在組內自相關和組間異方差，因此選用FGLS 法對人工智能的就業(yè)替代效應進行估計，根據結果顯著性進行添加式回歸。表2 顯示的單項變量回歸結果中的模型一至模型五表示在控制變量的基礎上依次添加了人工智能行業(yè)資本價格、人工智能行業(yè)要素結構、資本溢價、技能溢價和稅收效應五個變量。模型一至模型五的回歸結果均顯示人工智能行業(yè)產品價格的提升會顯著增加人工智能就業(yè)替代-創(chuàng)新效應，說明獲利水平升高，創(chuàng)新效應增強；模型二至模型五的回歸結果均顯示人工智能行業(yè)資本要素相對勞動要素投入比的增加會顯著降低就業(yè)替代效應；模型三至模型五的回歸結果均顯示資本溢價的提升會顯著降低就業(yè)替代效應，說明生產成本增加，創(chuàng)新效應減弱。但模型四和模型五顯示的技能溢價和稅收效應并未對人工智能的就業(yè)替代效應形成顯著影響，結合理論推導模型，我們需要進一步考察交叉項的作用結果。

2.交叉項回歸

對表2 中回歸結果不顯著的兩個變量加入人工智能行業(yè)資本價格進行交叉項處理，如表3 所示。模型一和模型二分別表示在技能溢價的基礎上單獨考察交叉項變量和共同考察其他變量的回歸結果，二者均顯示技能溢價和人工智能行業(yè)機器價格的交叉項對人工智能就業(yè)替代效應具有顯著的抑制作用。也就是說，人工智能行業(yè)機器價格的提升會放大技能溢價的作用效果，對人工智能就業(yè)替代效應形成顯著的抑制作用。模型三和模型四分別表示在稅收效應的基礎上單獨考察交叉項變量和共同考察其他變量的回歸結果，二者均顯示稅收效應和人工智能行業(yè)機器價格的交叉項對人工智能就業(yè)替代效應具有顯著的抑制作用。同理，這說明人工智能行業(yè)機器價格的提升會放大稅收效應，對人工智能就業(yè)替代效應形成顯著的抑制作用。模型五是綜合考慮所有變量和交叉項影響的回歸結果，各變量的作用結果與前述理論推導一致。表2 和表3中所有的控制變量均顯著作用于人工智能就業(yè)替代效應，其中，第三產業(yè)占比的提升、勞動力受教育水平的提升和人工智能企業(yè)規(guī)模的增加會顯著促進人工智能就業(yè)替代-創(chuàng)新效應，這是因為這些會促進人工智能行業(yè)產品需求的增加和符合崗位需求勞動力的增加，進而搶占了傳統(tǒng)行業(yè)的勞動力資源。傳統(tǒng)制造業(yè)自主研發(fā)水平的提升和對外貿易的擴大會顯著抑制人工智能就業(yè)替代-創(chuàng)新效應，這可能是因為我國的對外貿易仍然以傳統(tǒng)行業(yè)為主，自主研發(fā)的提升會帶動傳統(tǒng)行業(yè)的產品升級，從而提升利潤空間，增加了傳統(tǒng)行業(yè)的勞動力需求。

表2 單項變量的回歸結果

3.穩(wěn)健性檢驗

考慮到勞動力流動的滯后性，同時為了檢驗模型的穩(wěn)健性，我們用滯后一期的人工智能創(chuàng)新-替代效應作進一步檢驗，回歸結果如表4 所示。可以看出，滯后一期的回歸結果與表3 中的結果大同小異，總體的顯著性有所弱化，作用系數也有所減小，但各變量的系數方向和作用效果類似。這說明上述回歸結果較為穩(wěn)健，也表示了人工智能的創(chuàng)新-替代效應有滯后影響，且隨著時間的推移，影響會減弱。

表3 考慮交叉項變量的回歸結果

表4 考慮交叉項變量的滯后一期回歸結果

綜上，隨著我國人工智能行業(yè)的日益壯大和傳統(tǒng)制造業(yè)的逐漸縮減，就業(yè)替代效應在一定時期內將會成為我國經濟發(fā)展的重要特征，且這種發(fā)展趨勢很難靠市場力量去改變或緩解。只有通過宏觀調控手段來發(fā)揮就業(yè)創(chuàng)新效應，創(chuàng)造更多的就業(yè)崗位，吸納和轉化被替代的勞動力，才能妥善安置剩余勞動力，降低失業(yè)率。

五、結論與啟示

（一）結論

本文總結梳理了現有文獻對人工智能就業(yè)效應的研究理論、方法和結果，發(fā)現現有研究并未深入分析替代效應和創(chuàng)新效應之間的分化與聯系，也未檢驗我國人工智能替代效應和創(chuàng)新效應的發(fā)展階段。基于此，本文基于市場導向視角，數理演繹了人工智能就業(yè)替代-創(chuàng)新效應的作用機制及影響因素，實證檢驗了我國人工智能替代-創(chuàng)新效應的發(fā)展階段，基于技術進步理論總結并提出了就業(yè)外部性創(chuàng)新效應的途徑。研究發(fā)現，人工智能就業(yè)替代效應和創(chuàng)新效應之間存在著市場最優(yōu)配置，技能溢價、資本溢價和要素結構是人工智能替代-創(chuàng)新效應的內生決定因素。考慮政府干預的情況下，稅收、補貼等會成為有效的調控手段。隨著我國人工智能的發(fā)展，替代-創(chuàng)新效應會逐漸增強。人工智能行業(yè)資本勞動投入比的增加、資本溢價、技能溢價和稅收的提升均會顯著抑制人工智能就業(yè)創(chuàng)新效應，人工智能行業(yè)產品價格的提升會提升就業(yè)創(chuàng)新效應。

（二）啟示

1.初步研判人工智能就業(yè)效應，制定長短期勞動力發(fā)展規(guī)劃

人工智能就業(yè)效應包括替代效應和創(chuàng)新效應兩類。以我國現階段的人工智能發(fā)展情況來看，短期的發(fā)展規(guī)劃應主要針對自動化生產所產生的“替代效應”，而長遠來看則需著眼于政府調控所產生的外部“創(chuàng)新效應”。各地政府可以結合本地的技能溢價水平、稅收水平、要素稟賦情況和資本溢價水平等來判斷本地的人工智能替代效應將會帶來的勞動力供需問題，提前制定應對措施。各地政府也可以根據本地的經濟發(fā)展情況，規(guī)劃人工智能優(yōu)勢產業(yè)鏈，有重點地布局人工智能在不同領域計劃產生的外部性以及由此將創(chuàng)造的勞動力需求。將短期應對計劃與長期發(fā)展規(guī)劃相結合，分階段、有重點、有準備地應對人工智能發(fā)展對勞動力市場帶來的機遇和挑戰(zhàn)。

2.順應人工智能就業(yè)替代效應，提前安置和培訓剩余勞動力

人工智能就業(yè)替代效應是市場導向的結果，取決于技術進步的發(fā)展，是不可逆的，因為社會發(fā)展不會停滯不前，人工智能的壯大和普及必將成為大勢所趨，而市場上必將產生被人工智能替代的剩余勞動力。如果不能妥善安置勞動力，就勢必會引起社會恐慌和失業(yè)率的攀升。與其被動地等到人工智能替代效應產生后才去尋找安置剩余勞動力的途徑，不如未雨綢繆，提前規(guī)劃，根據人工智能普及后可能會出現的新崗位和新工作對即將被替代的勞動力進行二次培訓。這一方面可以提前消除替代效應出現后的恐慌，另一方面也可以緩解后期出現的新崗位所需人員的就業(yè)壓力，一舉兩得。當然，在規(guī)劃剩余勞動力的安置辦法時，應該結合勞動力的現有技能，尋找最適應的對口新崗位，采取成本低見效快的培訓方式，盡快讓再培訓后的勞動力順利上崗。

3.擴大人工智能就業(yè)創(chuàng)新外部性，大力發(fā)揮政府的宏觀調控作用

如前所述，人工智能的出現是技術進步的結果，而就業(yè)替代效應是市場導向的結果，我們只能順應和接受即將發(fā)生的事實。但創(chuàng)新效應卻在更大的程度上依賴于政府的宏觀舉措，如果我們在政府的引導下能夠調動更多的智能技術，增加勞動力需求，確保生產率的強勁增長，那么未來的就業(yè)將一片光明。這就要求各地政府要發(fā)揮宏觀調控作用，結合地方經濟發(fā)展優(yōu)勢，創(chuàng)造以人工智能為主導的新經濟增長點，將人工智能納入公共服務體系，借此推廣和普及人工智能的應用，更大范圍地提供就業(yè)崗位。綜上所述，正確利用政府調控擴大創(chuàng)新效應，不僅能夠消除失業(yè)預期所帶來的恐慌，更加能夠合理利用技術進步所帶來的紅利，為勞動力就業(yè)帶來更多的選擇和更大的市場。

注：

①根據財新智庫的劃分，數字經濟包括互聯網、人工智能和大數據三大產業(yè)。2020 年1 月數字經濟另外兩大產業(yè)的指數分別為互聯網產業(yè)259、大數據產業(yè)437。

②比值增大代表制造業(yè)勞動力被信息傳輸業(yè)所替代，反之則反是。

③信息傳輸業(yè)單位成本收入價格=信息傳輸業(yè)主營業(yè)務收入/信息傳輸業(yè)主營業(yè)務成本。由于《中國信息產業(yè)年鑒》中2009年以前的信息業(yè)主營業(yè)務成本數據并未披露，本文選取信息傳輸業(yè)勞動力報酬與資本報酬之和代表主營業(yè)務成本。

④參照魏巍和王林輝（2020）的方法計算得到[11]。

⑤參照白雪梅（2004）的方法計算得到[12]。