人工智能技術沖擊與就業穩定性

摘 要：隨著數字經濟時代信息技術的深入變革，人工智能對勞動就業產生了深遠的影響，其中人工智能技術對勞動力就業穩定性的影響一直是學界和業界十分關注的熱點問題。本文基于2010至2022年中國A股上市企業的微觀數據，從就業規模和結構穩定性兩個維度，探討了人工智能技術對就業穩定性的影響、作用機制以及約束條件。研究表明：首先，人工智能技術能夠穩定企業就業規模波動，但會加劇就業結構波動，促進就業崗位從低技能向高技能轉變；其次，全要素生產率與勞動產出效率是人工智能影響就業穩定性的關鍵機制；最后，獲得政策支持的企業更能在穩定就業規模的同時促進就業結構更替。處于初創或成熟階段及市場勢力較強的企業能更有效地穩定就業規模，而處于衰退期及市場勢力較弱的企業則更傾向于調整其就業結構以適應技術發展。這項研究為理解新興技術背景下的就業穩定性問題提供了新的視角。

關鍵詞：人工智能技術；就業穩定性；企業屬性

作者簡介：陳琦，華東師范大學經濟與管理學院博士研究生（上海 200062）；董直慶，浙江財經大學管理學院教授、博士生導師（杭州 310018）

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

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

引 言

近年來，就業穩定已被黨中央國務院置于“六穩”“六?！惫ぷ鞯氖孜?，其對維持社會穩定、促進經濟增長和增強公眾信心的重要性不言而喻。穩定的就業不僅能夠保障家庭收入和消費能力，從而激發國內市場活力，也是社會和諧與進步的基礎。在當前全球經濟不確定性日益加劇的背景下，研究就業穩定性的必要性和緊迫性愈發突出。這不僅有助于政府制定更為有效的勞動市場政策，以應對技術革命帶來的挑戰，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鍵因素之一。因此，深入剖析影響就業穩定性的多重因素，并探索有效的應對策略，對于構建更為包容和可持續的經濟體系至關重要。前沿文獻從經濟、政策法規與人口等多角度探索影響就業穩定的因素，其中經濟因素主要涉及全球化①、資本流動②和經濟周期③，政策與法規因素涵蓋如社會保險法④、最低工資標準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。隨著人工智能技術的快速發展和廣泛應用，其對勞動市場的影響逐漸成為研究的熱點問題。

物聯網、大數據、云計算和人工智能等新一代信息技術正驅動經濟體系從工業經濟時代向數字經濟時代演進，人工智能技術也逐步成為第四次工業革命的引領力量。從2017年國務院印發《新一代人工智能發展規劃》，到2022年國家工信部等四部門印發《國家人工智能產業綜合標準化體系建設指南（2024版）》，再到黨的二十大也進一步提出：“推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎?！雹獍l展和應用人工智能逐步上升為我國的國家戰略，并成為制造業轉型升級的重要任務。在這樣的政策背景下，人工智能技術發展獲得政府大力支持，不僅有利于企業通過實行“機器換人”或“人機協作”提高生產效率與市場競爭力，同時也可能對勞動就業格局產生深遠影響。11具體來說，人工智能技術進步雖然為企業帶來了效率的提升和成本的降低，但也可能導致就業結構的快速變動，其中，低技能勞動力正面臨被替代的風險。因此，深入探討人工智能技術的發展與就業穩定性之間的關系，不僅有利于理解技術變革對勞動市場的長遠影響，也為制定相關就業政策提供重要的決策依據。

基于此，本文利用2010—2022年A股上市公司數據，研究人工智能技術沖擊對勞動就業穩定性的影響，深入考察人工智能技術是否以及在何種情境下容易誘發勞動就業更替，并考察企業全要素生產率、勞動產出效率的中介效果；然后進一步分析獲得高新技術認定和寬帶中國試點政策的調節效應，最后檢驗不同企業生命周期和市場勢力情況下的異質性影響。本文的可能性貢獻主要有二：一是不僅關注人工智能對就業規模穩定性的影響，而且關注其對就業結構穩定性的作用效果，并發現其對勞動更替方向存在選擇性偏向；二是發現在不同政策屬性和企業屬性下，人工智能對就業穩定性產生非對等性影響。

本文剩余部分的安排如下：第一部分為文獻綜述與研究假說；第二部分介紹計量模型選擇、指標設計與數據來源說明；第三部分實證檢驗人工智能技術對就業穩定性的影響，并進行內生性和穩健性檢驗；第四部分對人工智能技術影響就業穩定性的機制展開研究；第五部分為進一步分析，對人工智能技術影響就業穩定的偏向性展開異質性分析；第六部分為結論與政策建議。

一、理論分析與研究假說

人工智能技術對企業內部的就業規模與結構的影響可能呈現雙重特征。有別于傳統技術，人工智能技術具備通用性和平臺性特征，能夠對就業產生更為深遠的影響。①人工智能技術通過優化業務流程和提高生產效率，能夠在一定程度上穩定企業就業規模。例如，企業將人工智能整合應用于生產運營流程，有利于企業更高效地處理生產和管理任務，減少由于業務波動或效率不足導致的人員調整。②這種效率的提升允許企業在不增加額外勞動力的情況下增加產出，從而在保持甚至縮減員工數量的同時增加企業的總體產能。此外，自動化系統和智能算法可以承擔重復性高的工作，減輕人力需求的波動，從而使得企業能夠維持相對穩定的員工數量。通過減少因市場需求不穩定而頻繁調整人力資源的需求，企業可以提供更穩定的就業環境，從而在保持生產力和競爭力的同時，增強員工的就業保障。

然而，人工智能帶來這種規模穩定性的背后伴隨著深遠的市場結構性變革，尤其是在就業結構方面的影響。這種結構變動主要表現在對不同技能層次勞動力需求的重新分配上。③人工智能技術通常會產生就業替代效應，取代低技能、重復性強的工作，導致對低技能勞動力的需求減少，而對于能夠設計、維護和優化智能系統的高技能勞動力的需求則相應增加。④隨著自動化和智能化水平的提高，對系統開發者和網絡安全專家等新興技術崗位的需求急劇增加，這進一步推動了企業對高技能勞動力的需求。⑤這種技術驅動的需求轉變，促使企業內部就業結構向技術密集型和知識密集型崗位傾斜，從而對中低技能勞動力產生替代效應。同樣，人工智能對就業結構變動的加劇也體現在新職業機會的創造上。⑥隨著新技術的不斷演進，許多以前不存在的工作崗位如數據分析師、機器學習工程師等應運而生，這就要求勞動力必須具備新的技能和知識，以適應新技術變革。技術變革雖然帶來就業結構的分層和分化，但同時也提供了大量高質量的就業機會，為勞動力市場帶來了新的活力和發展潛力。

假說1：人工智能技術會影響就業穩定性，能夠穩定就業規模但加劇了就業結構變動。

首先，政府通過實施稅收優惠、財政補貼等支持政策，直接激勵企業投資于新技術如人工智能的研發和應用。普惠性與結構性并舉的減稅政策和財政補貼政策的出臺，不僅降低了企業面對技術創新時的經濟壓力，也為企業提供了進行技術升級和人才結構調整的資金支持。例如，楊國超和芮萌認為，⑦政府的高新技術企業認定政策通過提供的稅收減免和財政補貼，無疑減輕了企業的稅費負擔，鼓勵企業更積極地投入到人工智能的研發和應用中來，這將直接或間接對就業穩定性產生顯著影響。⑧具體來說，這不僅保證了企業的正常生產經營活動，也使企業有余力吸納更多的勞動力，提供更多的就業崗位，直接增加了就業機會。①同時，企業可以利用這些資金進行研發性投資，實現研發創新和智能升級，引入新興技術如人工智能，這可能導致企業重新配置的就業結構，對就業產生間接影響。②這種政策支持還能幫助企業在激烈的市場競爭中保持領先地位，通過技術優勢增加就業數量和提高就業質量。

其次，企業的生命周期和市場勢力顯著影響人工智能技術的采納程度和就業調整策略。③在不同的生命周期階段，企業對技術的需求和應對策略不同。④新興企業可能更側重于利用人工智能技術實現快速增長并擴大市場份額，而成熟企業可能更傾向于利用這些技術優化現有流程和提升運營效率。同時，⑤市場勢力較強的企業通常擁有更多資源推動技術轉型，包括購置智能設備、招募和培訓高技能勞動力等，而市場勢力較弱的企業在技術轉型過程中可能面臨更大的挑戰，資源匱乏使其難以有效適應新技術變革，這可能加劇其就業結構的波動。這種差異導致了技術影響的不均等，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，加劇了就業市場的分層。

假說2：政策支持調節了人工智能技術對就業穩定性的影響，而企業生命周期和市場勢力的差異將導致人工智能對就業結構和規模穩定性的異質性影響。

二、計量模型選擇、指標設計與數據來源說明

（一）計量模型選擇

（2）就業結構穩定：利用高技能與低技能勞動者之比（high_low）及其波動率（volabhl）衡量就業結構穩定性。本文高低技能是根據職業結構進行劃分。具體地，依據崗位將員工分為以下六類：高級管理人員、專業技術人員、銷售人員、財務金融人員、普通行政管理人員和普通生產人員。具體分類規則如下。①高級管理人員，指從事企業高級管理事務的人員，需要進行一定的腦力勞動，協調企業各方事務的人員，利用數據庫中的中高層及以上管理人員衡量。②專業技術人員，指主要從事產品研發、工程開發等相關工作的專業員工，數據庫中的專業人員、技術人員、研發人員、項目開發相關人員，以及返聘人員歸為此類。區別于以往文獻，本文在此類中納入了生產技術人員以及生產專業人員。③銷售人員，指從事與產品銷售相關的崗位員工，本文將數據庫中從事市場類、產品銷售、營銷策劃以及公關等工作的員工劃分為此類。④財務金融人員，將數據庫中的財務人員、風險管理、投融資管理、法律事務等相關類別員工劃為該類。⑤行政管理人員，主要指從事重復性、常規性工作的非生產性員工，包括數據庫中的行政管理、人力資源管理、后勤保障等相關工作人員。⑥生產人員，主要指在制造業中從事重復性生產制造、裝配、采購、倉儲、物流運輸、操作等工作的人員。基于該分類，本文將企業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人員，后者包括行高級管理人員、專業技術人員、銷售人員和財務金融人員。

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

3.控制變量：本文控制變量包括企業規模（lnsize）、企業成長性（growth）、企業存續期（lnsave）、經營成本（cost）、股權結構（lnstru）和企業價值（lnvalue）。其中，企業規模利用企業凈資產的對數衡量；企業成長性利用企業營業利潤增長率衡量；企業存續期利用當年與企業注冊年份之差加1的對數衡量；企業經營成本利用企業管理費用與營業總收入之比衡量；股權結構為前十大股東持股數的對數；企業價值為公司市值與總債務之和與企業現金和現金等價物之差衡量。

（三）數據來源說明

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。原始數據主要來源于銳思（RESSET）、國泰安數據庫（CSMAR）和萬得數據庫（Wind）。在得到原始數據后，本文進行了如下預處理：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，刪除了數據缺失嚴重的上市公司樣本；最后，為了盡可能排除離群值對估計結果的干擾，對所有連續變量進行了前后各1%水平的縮尾（Winsorize）處理。最終得到樣本觀測值17 290個。企業人工智能技術數據由作者根據上市公司年報整理獲得，地級市數據來源于各地區統計年鑒。

三、實證檢驗結果與評價

（一）基準回歸

本文利用模型檢驗人工智能技術對就業穩定性的影響，基準回歸結果展示在表1中。結果表明，人工智能技術對雇傭增長率和規模波動率的系數分別在1%和5%的水平上顯著為負，對高低技能比和結構波動率的系數均在1%的水平上顯著為正，說明人工智能技術在穩定就業規模的同時，會加劇企業內部就業結構的變動，降低就業結構穩定性?？赡艿脑蛟谟?，人工智能技術的應用依賴高技能勞動力的協作配合，這促使企業對勞動力的需求結構向高技能勞動力傾斜。本文進一步檢驗人工智能技術對不同技能勞動力的影響，結果展示在表2中。可以發現，人工智能技術促進了勞動就業方向從低技能崗位向高技能崗位更替。具體而言，企業增加專業技術崗位和銷售崗位的高技能人員，這意味著人工智能技術會促進企業新技術崗位如人工智能相關專業技術崗位的人才需求，在擴大業務經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，人工智能技術的應用對于普通生產人員的就業產生顯著的替代效果，最終加劇了企業就業結構的波動。

（二）內生性處理

本文利用工具變量法與滯后期模型進行內生性問題處理。首先，本文參考王林輝等、①王永欽等的方法，①使用美國工業機器人滲透度（robot_US）作為工具變量進行內生性檢驗。該工具變量的選擇原因為，美國工業機器人水平處于行業領先地位，與中國機器人的發展趨同，可能會通過技術沖擊影響中國企業人工智能水平，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性和排他性要求。實證結果展示在表3 Panel A中。其中第一階段回歸中robot_US的系數在5%的水平上顯著為正，滿足工具變量相關性條件，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的系數均在1%的水平上顯著，并且系數大小與基準回歸結果相似，說明在解決內生性問題之后，基準回歸結果依舊顯著。此外，本文利用滯后期模型進行內生性檢驗，將滯后一期核心解釋變量作為主要解釋變量納入基準回歸模型進行實證檢驗。實證結果展示在表3 Panel B中，結果顯示在滯后一期的lnAI對就業規模穩定性和結構穩定性的影響依舊顯著。

（三）穩健性檢驗

本文利用如下四種方法進行穩健性檢驗：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等的方法進行實證檢驗，②結果展示在表4的列（1）—（4）。第二，本文將參與回歸連續變量的縮尾比例從1%更改至5%的水平，重新進行基準回歸檢驗，結果展示在表4的列（5）—（8）。第三，在基準回歸模型的基礎上增加了“行業-年份”維度的固定效應，剔除隨著時間變化的行業因素對實證結果的影響，結果展示在表5的列（1）—（4）。第四，本文在基準回歸模型的基礎上增加了地區層面的控制變量，地區高等學校預計畢業生數（lngrad）以及城鎮居民人均消費水平（以2010年為基年）與GDP之比（consum），以控制地區層面勞動力和經濟因素對實證結果的影響，結果展示在表5的列（5）—（8）。以上穩健性檢驗結果均與基準回歸結果一致，驗證了本文基準回歸結論的可靠性。

四、傳導機制

本文檢驗了企業全要素生產率（tfp）與勞動產出效率（eff）在人工智能技術影響就業穩定性中的機制作用。其中企業全要素生產率利用OP模型進行計算，其中產出為主營業務收入，投入為企業就業人員數和凈資產總額，以上變量均取對數形式。勞動產出效率利用勞動投入回報率進行計算，勞動產出效率越高意味著單位勞動力的產出越高，具有更高的生產價值。實證結果展示在表6和表7中。首先，人工智能技術會顯著提高企業全要素生產率；當將tfp納入基準回歸進行機制檢驗時，結果顯示全要素生產率會顯著減少企業雇傭增長率和規模波動率，同時對高低技能比和結構波動率產生正向影響。這意味人工智能技術提高全要素生產率可能會帶來業務流程優化，進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，因此會導致就業規模穩定和就業結構波動。其次，人工智能技術能夠顯著提高勞動產出效率，當將eff納入模型進行檢驗發現，勞動產出效率是人工智能技術穩定就業規模的重要機制，人工智能會通過提高勞動產出效率進而對就業規模穩定產生有利影響?？赡艿脑蛟谟冢藱C協作提高單位勞動產出效率時，企業可能更愿意進行企業內部員工的技術培訓或崗位結構變動，進而避免大幅入職新員工增加勞動成本。

五、進一步分析

（一）政策支持的調節效果

1. 是否獲得高新技術企業認定

當企業獲得高新技術認定時，政府將同時給予企業稅收優惠與政府補貼，這是創新激勵政策對企業技術發展的有效支持。因此本文設置是否獲得高新技術企業的二元變量進行調節效應檢驗，實證結果展示在表8的Panel A中。實證結論顯示，列（1）和列（2）中lnAI與ICP的交乘項系數至少在10%的水平上顯著為負，這意味著在人工智能技術沖擊下，高新技術企業更易穩定就業規模；列（3）和列（4）中lnAI與ICP的交乘項系數均在1%的水平上顯著為正，說明高新技術企業傾向于通過調整就業結構以提高人工智能技術應用能力。但是，如果該企業通過操縱研發投入的方式以恰好滿足認定門檻，那么機會主義行為可能會大大削弱政府技術支持的實際作用，從而可能無法對企業技術水平產生有效影響。因此，本文參考楊國超和芮萌的方法，以獲得高企認定但是研發投入恰好超過法規門檻1%的公司設定為“偽高新企業”，①重新設置二元虛擬變量進行調節效應檢驗。表8中Panel B的結果顯示，lnAI與FICP的交乘項系數均不顯著，因此通過虛增研發投入而獲得高企認定的“偽高新技術企業”并不會對人工智能技術的就業效應產生顯著影響。

2. 是否處于寬帶中國試點城市

城市的信息化建設是人工智能發展的重要基礎，因此本文采用寬帶中國試點城市檢驗城市信息化建設對人工智能就業效應的影響。從2014年至今，國家已經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水平有了顯著提升。本文根據企業所在地區的城市編碼與樣本年份設置寬帶中國試點城市的0-1變量，進行調節效應檢驗。實證結果展示在表9中。實證結果顯示，處于寬帶中國試點地區的企業應用人工智能技術能夠顯著降低企業雇傭增長率和就業規模波動，同時會對企業高低技能之比和結構波動率產生顯著正向影響。可能的原因在于，信息化的發展和人工智能技術的應用在增加核心技術人員的同時，可能會降低對非關鍵或低技能勞動力的需求，因此導致就業規模趨于穩定的同時就業結構趨于變動。

（二）基于企業屬性的異質性檢驗

1. 生命周期

當企業生命周期不同時，企業引進人工智能技術的目的以及企業就業需求會有顯著差異，進而可能導致人工智能技術就業效應的異質性結果。因此，本文參考董曉芳和袁燕的方法，利用企業年齡定義企業的生命周期，根據同行業內企業年齡將企業劃分為初創期、成熟期和衰退期。①實證結果展示在表10中，Panel A和Panel B分別展示了處于不同生命周期階段企業的人工智能水平對就業規模穩定和就業結構穩定的異質性影響。實證結果顯示：處于初創期企業的人工智能應用能夠穩定就業規模；處于成熟期的企業能夠在穩定就業總規模的情況下，通過調整就業結構以適應人工智能發展；處于衰退期的企業傾向于調整就業結構。

2. 企業市場勢力

在不同市場勢力的企業中，人工智能技術的應用情況和勞動力需求情況可能存在不同。因此，本文利用勒納指數衡量企業市場勢力，以檢驗在不同市場勢力企業中人工智能就業效應的異質性。勒納指數的計算方法為營業收入減去營業成本、銷售費用和管理費用后的部分與營業收入之比，然后根據同行業內企業勒納指數的中位數將企業市場勢力劃分為較高和較低兩組。實證結果展示在表11中，當企業市場勢力較高時，人工智能技術對雇傭增長率和規模波動率的回歸系數在至少5%的水平上顯著為負，對高低技能比和結構波動率的系數在至少5%的水平上顯著為正，意味著市場勢力較高的企業會通過高技能勞動力替代低技能勞動力的方式適應技術變革，同時維持就業規模的穩定；市場勢力較低的企業引進人工智能技術更易加劇企業的就業結構更替。

六、基本結論

本文基于2010—2022年A股上市公司微觀數據，檢驗了人工智能技術沖擊與勞動就業穩定性關系，重點考察人工智能對就業規模以及結構穩定性的影響、作用機制以及約束條件。研究結果表明：第一，人工智能技術能夠增加就業規模穩定性，但會加劇就業結構波動，誘發勞動就業方向從低技能向高技能崗位更替。人工智能技術有效地提高了企業對專業技術人員和銷售人員的需求，但減少了對普通生產人員的需求。第二，人工智能技術能夠通過提升全要素生產率加速就業結構更替，勞動生產效率是人工智能技術穩定就業規模的重要機制。第三，高新技術認定和寬帶中國政策能夠幫助企業在調整就業結構的同時穩定就業規模。處于初創期會因為人工智能使用穩定就業規模；處于成熟期和市場勢力強的企業傾向于在穩定就業規模的情況下更替高低技能就業結構；處于衰退期和市場勢力較低的企業會通過加速向高技能崗位轉移，以適應人工智能技術的應用。

結合本文研究發現，提出如下政策啟示。

首先，應加強職業技術教育以適應人工智能時代的要求。鑒于人工智能技術對企業就業穩定性的顯著影響，企業勞動力的結構和質量需持續優化以適應技術演進。隨著行業對高素質勞動者需求的增加，市場對人才的標準也隨之提高。通過對勞動力進行人工智能相關的知識和技能培訓，可以為企業的高技能崗位輸送合適的人才。此外，政府應積極發揮其引導作用，清晰地界定人工智能對各行業的具體影響，并主動組織相關技能培訓項目，激勵勞動者接受再培訓和再教育，以此促進就業的長期穩定。

其次，根據就業目標靈活制定和調整產業政策以應對不斷變化的市場需求。針對不同就業目標，政府需靈活調整各地區的產業政策以適應日益復雜的勞動關系和新興產業的發展。特別是在制定針對不同生命周期階段的企業政策時，需要靈活調整，以適應這些企業的特定需求。例如，為初創企業提供創新刺激措施，支持成熟企業進行技術升級和結構調整，同時為市場勢力較弱或處于衰退期的企業提供技術轉型支持，并引導其平穩調整就業結構。此外，鼓勵企業積極參評高新技術企業認定可以有效地穩定就業。

最后，完善人工智能相關領域的政策支持體系。鑒于人工智能技術及相關領域的研發和應用初期所需的高投入成本，政府的支持尤為關鍵。建議政府通過提供財政補貼、稅收優惠等措施來刺激這些高新技術的研發和商業應用。建立完善的工業機器人產業鏈并推動其在生產中的廣泛應用，同時完善的應用政策應與增長目標協調，加強產業聯動效應。此外，建立健全行業協會和信息共享平臺，能夠幫助企業更好地鏈接資源和信息，共同推動行業健康發展和技術創新。

① 趙瑾：《貿易與就業：國際研究的最新進展與政策導向——兼論化解中美貿易沖突對我國就業影響的政策選擇》，《財貿經濟》2019年第3期，第5—18頁。

② 張婷、高德婷、蔡熙乾等：《以“穩外資”助推“穩就業”》，《財貿經濟》2021年第6期，第104—118頁。

③ 劉元春、丁洋：《論就業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、張軍：《社會保險繳費、企業流動性約束與穩就業——基于〈社會保險法〉實施的準自然實驗》，《中國工業經濟》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就業影響的實證檢驗》，《工業技術經濟》2020年第7期，第31—38頁。

⑥ 王貝貝、陳勇兵、李震：《減稅的穩就業效應：基于區域勞動力市場的視角》，《世界經濟》2022年第7期，第98—125頁。

⑦ 楊楊、于鑫：《財稅政策、貨幣政策如何協同“穩就業”》，《稅務研究》2024年第6期，第12—18頁。

⑧ 肖周燕、張亞飛：《人口老齡化、數字經濟與就業技能結構》，《中國人口·資源與環境》2024年第7期，第170—183頁。

⑨ 藍嘉俊、方穎：《穩就業視角下的性別身份認同規范與性別工資差距》，《南京社會科學》2020年第6期，第29—39頁。

⑩ 習近平：《高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗》，《人民日報》2022年10月26日，第1版。

11 王林輝、錢圓圓、周慧琳等：《人工智能技術沖擊和中國職業變遷方向》，《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、任務屬性與職業可替代風險：來自微觀層面的經驗證據》，《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：《新技術革命背景下的工作變革與青年政策調適——基于CGSS的數據分析》，《中國青年研究》2021年第4期，第58—69頁。

⑦ 楊國超、芮萌：《高新技術企業稅收減免政策的激勵效應與迎合效應》，《經濟研究》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：《企業數字化轉型與資本市場表現——來自股票流動性的經驗證據》，《管理世界》2021年第7期，第130—144+10頁。

② 人工智能技術關鍵詞包括：人工智能、智能技術、機器人、機器學習、深度學習、自然語言處理、智能軟件、云計算、智能控制、數據挖掘、數字孿生、虛擬實現、混合實現、增強實現、異構數據、文本挖掘、大數據、數據可視化、聯盟鏈、數字貨幣、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、語義搜索、智能數據分析、圖像理解、圖像識別、身份驗證、物聯網、流計算、認知計算、信息物理系統、圖計算、融合架構、內存計算、EB級存儲、綠色計算、億級并發、多方安全計算、類腦計算、工業4.0、智能轉型、商業智能、智能創新、智能設計、智能研發、智能城市、智能產品、智能營銷、智能工廠、智能辦公、智能生產、智能系統、智能制造、智能終端、智能設備、智能處理、智能運維、智能服務、智慧管理、智能客服、自動駕駛、互聯網金融、移動互聯、金融科技、數字金融、開放銀行、智能投顧、智慧農業、數字營銷、智能營銷、智能家居、工業互聯網、網聯、智能穿戴、智能交通、智能電網、互聯網醫療、無人零售、智能環保、智能醫療、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：《機器人應用的崗位轉換效應及就業敏感性群體特征——來自微觀個體層面的經驗證據》，《經濟研究》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？——來自制造業上市公司的證據》，《經濟研究》2020年第10期，第159—175頁。

② 姚加權、張錕澎、郭李鵬等：《人工智能如何提升企業生產效率？——基于勞動力技能結構調整的視角》，《管理世界》2024年第2期，第101—116+133+117—122頁。

① 楊國超、芮萌：《高新技術企業稅收減免政策的激勵效應與迎合效應》，《經濟研究》2020年第9期，第174—191頁。

① 董曉芳、袁燕：《企業創新、生命周期與聚集經濟》，《經濟學（季刊）》2014年第2期，第767—792頁。

[責任編輯 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