人工智能就业创新效应补偿了替代效应吗？

□魏 巍

一、引言

20 世纪90 年代，我国开始涉足人工智能产业，随着研究的不断深入，人工智能技术取得了突飞猛进的发展。2020 年1 月，我国人工智能产业指数499，发展速度虽环比有所放缓，但仍然是数字经济三大产业中的第一名①。据《全球人工智能发展报告》统计，近10 年来，我国的人工智能专利数量每年增速达到42%，总量上遥遥领先，是美国的2.27 倍。举世瞩目的成就离不开我国政府的大力支持。2017 年7 月，我国正式发布了《新一代人工智能发展规划》。展望未来，我国政府公布了到2030 年成为人工智能第一经济体和人工智能应用和实施领域世界领先者的计划。据Statista 统计，到2030 年，中国由人工智能引致的国内生产总值将增加7 万亿美元，从经济效益来看，中国很可能是实施人工智能的最大赢家[1]。

人工智能发展对我国的经济增长无疑是利好的，但随着时间的推移，一些潜在的社会问题也逐渐显现。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，其主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。显然，这对就业产生了直接影响。一些机械程度高的、重复性强的、易于编程实现的工作将会逐渐被人工智能所替代，劳动力市场上将会出现一些剩余劳动力；随着人工智能的普及，一些新的工作岗位又会应运而生。我国人工智能发展对现有岗位产生的替代效应程度如何？是否还会产生更多的剩余劳动力？如何利用人工智能创造出更多新的工作需求来重新安置剩余劳动力并扩大就业？这些问题都值得我们去探讨和解决，这也正是本研究的出发点。

二、文献综述

从技术进步的视角看，人工智能是在机器自动化基础上发展起来的具有智能特点的新技术。我们可以将人工智能视为一种技术平台，它延续了自动化的特点，可以自动完成以前由人工完成的任务，表现为替代效应；也升级了自身的智能特点可以创建新的岗位需求，使劳动力能够有效地被利用，表现为创新效应。在技术变革的研究中，标准方法都假定任何提高生产力（每名工人的附加值）的进步都会增加对劳动力的需求，从而增加就业和工资。当然，技术进步可能会使拥有不同技能的劳动力不平等地受益，一个部门的生产力提高可能会导致该部门的失业。也就是说，即使出现部门性失业，其他部门也会扩张，为整体就业和工资增长做出贡献。但技术变革的现实并不是千篇一律的。许多自动化技术并不能提高劳动生产率，其目标是通过在一系列由人类完成的任务中，用更便宜的资本（机器）来取代劳动力，使得劳动力在增加值中的份额减少，因为自动化比劳动力更能提高生产率。

那么，为什么我国劳动力份额大体上保持不变，生产力增长与相应的工资增长是同步的呢（胡斌红和杨俊青，2020；马国旺和李焙尧，2020）[2-3]？从历史上看，随着自动化技术的引入，其他技术进步同时促成了新的工作岗位，在这些岗位中，劳动力具有竞争优势。这就产生了新的劳动需求，在此人类的劳动可以恢复到生产过程中，并随着新任务改善劳动分工而有力地促进生产力的增长。20 世纪初开始的农业机械化事件形象地说明了这一模式。尽管机械化降低了农业的劳动份额和就业率，但由于制造业和服务业都创造了一系列新岗位，总体劳动力需求上升。比如：文秘职业、更加专业化的蓝领和白领工作都是这个时期产生的，提高了生产力和对劳动力的需求以及劳动力在制造业和服务业中所占的份额。从这个角度来看，造成就业问题的部分原因是生产力增长乏力，更重要的是由于新的岗位创造未能实现，而这种岗位创造更多来源于创新效应。

创新效应涉及的不仅是创新者，还有使用新技术的工人、采用新技术的公司，以及未来在新技术基础上发展起来的其他公司和研究人员，要确保他们从中受益。但当存在可供选择的、相互竞争的技术模式时，市场导向下的结果就具有不确定性，一方面决策者的判断依据存在局限性；另一方面决策者更加注重眼前利益。比如，根据利润最大化原则，当一种范式领先于另一种范式时，研究人员和公司也倾向于遵循这种范式，即使另一种范式可能更具生产力。在这种情况下，一旦错误的范式向前推进，就很难扭转这种趋势，也难以享受从替代范式所带来的收益。事实上，我们更多侧重了人工智能的自动化，忽视了可以创造更多就业机会的创新效应。比如：美国最具创意的产业集群（如硅谷）周围的生态系统存在过度奖励自动化的情况，而对前沿技术的其他用途关注不够。一部分原因是领先研究人员的价值观和兴趣（例如，特斯拉（Tesla）等公司不断尝试实现自动化的精神），另一部分原因在于大型智能公司的主流商业模式和愿景，它们专注于自动化和从生产过程中去除（易出错的）人的因素。这种自动化理念又会通过产学研渗透到人才培养当中，当一个生态系统变得无所不包时，它将没有多余的空间去进行技术变革（Acemoglu，2019）[4]。因此，如果不同的人工智能方法构成了可供选择的、相互竞争的模式，那么我们不应该只依靠市场导向来决定，还需要政府从更加宏观、系统、全面的角度进行考量，进行适当的引导和干预。

多数研究证实，人工智能对就业的影响既存在替代效应又具备创新效应（Trajtenberg，2018；程承坪，2019；张于喆，2019）[5-7]。替代效应会导致部分劳动力失业，创新效应又会产生新的劳动力需求，而二者之间的总效应决定了人工智能对我国劳动力就业所带来的最终影响。事实证明，人工智能替代效应所导致的技术性失业现象已在我国初露端倪（蒋南平和邹宇，2018）[8]，而人工智能创新效应所出现的新岗位需求和劳动者技能之间的差距成了我国劳动力就业面临的最大问题（屈小博，2019）[9]，若不加以妥善解决就会演变成严重的社会问题。现有研究指出人工智能对我国劳动力市场存在冲击，证实了人工智能的就业效应既包括替代效应，也具有创新效应，但并未深入分析替代效应和创新效应之间的分化与联系，也未检验我国人工智能就业创新效应和替代效应的发展阶段。本文基于市场配置视角，数理演绎了人工智能就业替代-创新效应的作用机制及影响因素，实证检验了我国人工智能替代-创新效应的发展阶段，基于技术进步理论总结并提出了就业外部性创新效应的途径。

三、人工智能就业效应的分化构成

（一）两部门模型

将所有产业划分为传统产业和人工智能产业两类，各企业在市场中自由竞争，不考虑政府部门。这种竞争可能会形成优胜劣汰的良性发展，也可能会由于技术的高门槛而形成垄断。比如，在传统产业中人工智能对劳动力的替代，可以视为自由竞争形成的优胜劣汰模式，而由此形成的人工智能产业更加倾向于垄断竞争的模式，因为人工智能技术的门槛相对较高，不是所有企业都能进入。在这种模式下，人工智能的就业会产生自动化带来的替代效应和组织结构重组带来的创新效应。

假设传统企业投入劳动和资本两种要素进行生产，则生产成本为：

其中，w 代表劳动力的工资，L 代表劳动力数量，r 代表资本利率，K 代表资本总量。为简化计算，假设人工智能均为机器形态，每台人工智能的购入价格为k，且人工智能的使用寿命为n 期。假设工资具有刚性，不考虑替代成本以外的其他因素，在最终产品需求不变的基础上，根据成本最小化原则，企业愿意购入人工智能的条件应该满足：

其中，l 代表被人工智能替代的劳动力数量与组织结构重组产生的新岗位吸纳的劳动力数量之差（即传统企业中被替代岗位的劳动力数量减去新增衔接岗位的劳动力数量），m 代表传统企业购入人工智能的个数，即人工智能对劳动力的替代率为l/m。当传统企业实现最大化的人工智能替代时，应该满足：

其中，l¯是人工智能所替代的最大劳动力人数，m 是传统企业购入人工智能的最大个数，也是人工智能生产企业面临的最大需求量。那么，人工智能生产企业的利润为：

由于人工智能产业的准入门槛较高，因此，人工智能生产企业具有一定的垄断性。借鉴Acemoglu（2002）[10]的思路，根据利润最大化条件，人工智能垄断生产企业的产品边际成本应该为k2，因此，人工智能生产企业的利润公式可以表示为：

将两个利润公式（4）和（5）联立，可以得到：

将（3）代入（6）可得：

由公式（7）可得，人工智能对劳动力的替代-创新效应受人工智能机器价格、技能溢价、资本溢价和要素结构的共同影响。即人工智能机器的价格越高，替代-创新效应就越弱，说明人工智能机器价格的提高会促进厂商积极性，创造更多的就业岗位；人工智能产业的高技能人员相对于传统企业的低技能人员的工资溢价越高，人工智能的替代-创新效应就越强；资本相对于劳动的报酬率越高，人工智能的替代-创新效应就越强；人工智能产业内部资本要素相对于劳动要素的投入数量越多，人工智能的替代-创新效应就越强。这说明后三者的增加会使得人工智能厂商生产成本增加，减弱了创新效应。

（二）三部门模型

仅依靠市场导向能实现基于创新外部性的就业创新效应吗？创新外部性涉及的不仅是创新者，还有使用新技术的工人、采用新技术的公司，以及未来在新技术基础上发展起来的其他公司和研究人员，要确保他们从中受益。但当存在可供选择的、相互竞争的技术模式时，市场导向下的结果就具有不确定性，一方面决策者的判断依据存在局限性，另一方面决策者更加注重眼前利益。此时，我们不应只依靠市场导向来决定，还需要政府从更加宏观、系统、全面的角度进行考量，进行适当的引导和干预。我国对于人工智能的扶持措施主要表现为减税政策，在（1）式的基础上考虑政府减税：

T 代表政府税收，由于政府的减税政策只在人工智能产业施行，因此，这里仅考虑人工智能产业的税收。利润公式可以表述为：

结合（5）式，可得：

结合（3）式，可得：

考虑政府干预的三部门模型中，除了技能溢价、资本溢价和要素结构，单位人工智能报酬税收也会对替代-创新效应产生影响。税收水平越高，替代-创新效应就越强。

四、人工智能就业替代-创新效应实证分析

（一）计量模型及数据来源

构建人工智能就业效应的基本计量模型如下：

其中，SUBit代表i 区域第t 年的替代-创新效应，kit代表i 区域第t 年人工智能行业的资本价格，wit代表i 区域第t 年的技能溢价，tit代表i 区域第t 年的人工智能税收效应，rit代表i 区域第t 年的资本溢价，fit代表i区域第t 年的人工智能行业要素结构，x 代表一系列控制变量，结合人工智能替代效应的影响因素，本文将控制变量界定为产业结构、对外贸易程度、传统行业自主研发水平、劳动力受教育水平、人工智能企业规模。

根据各指标数据的可获得性，选取2003-2017 年为研究期间，具体来说，各变量的数据来源及描述性统计情况如表1 所示。数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》《中国固定资产投资统计年鉴》《中国信息产业年鉴》《中国税务年鉴》《中国基本单位统计年鉴》和各省份统计年鉴。

表1 各变量的描述性统计情况

（二）实证研究结果

1.基础回归

经检验，回归变量存在组内自相关和组间异方差，因此选用FGLS 法对人工智能的就业替代效应进行估计，根据结果显著性进行添加式回归。表2 显示的单项变量回归结果中的模型一至模型五表示在控制变量的基础上依次添加了人工智能行业资本价格、人工智能行业要素结构、资本溢价、技能溢价和税收效应五个变量。模型一至模型五的回归结果均显示人工智能行业产品价格的提升会显著增加人工智能就业替代-创新效应，说明获利水平升高，创新效应增强；模型二至模型五的回归结果均显示人工智能行业资本要素相对劳动要素投入比的增加会显著降低就业替代效应；模型三至模型五的回归结果均显示资本溢价的提升会显著降低就业替代效应，说明生产成本增加，创新效应减弱。但模型四和模型五显示的技能溢价和税收效应并未对人工智能的就业替代效应形成显著影响，结合理论推导模型，我们需要进一步考察交叉项的作用结果。

2.交叉项回归

对表2 中回归结果不显著的两个变量加入人工智能行业资本价格进行交叉项处理，如表3 所示。模型一和模型二分别表示在技能溢价的基础上单独考察交叉项变量和共同考察其他变量的回归结果，二者均显示技能溢价和人工智能行业机器价格的交叉项对人工智能就业替代效应具有显著的抑制作用。也就是说，人工智能行业机器价格的提升会放大技能溢价的作用效果，对人工智能就业替代效应形成显著的抑制作用。模型三和模型四分别表示在税收效应的基础上单独考察交叉项变量和共同考察其他变量的回归结果，二者均显示税收效应和人工智能行业机器价格的交叉项对人工智能就业替代效应具有显著的抑制作用。同理，这说明人工智能行业机器价格的提升会放大税收效应，对人工智能就业替代效应形成显著的抑制作用。模型五是综合考虑所有变量和交叉项影响的回归结果，各变量的作用结果与前述理论推导一致。表2 和表3中所有的控制变量均显著作用于人工智能就业替代效应，其中，第三产业占比的提升、劳动力受教育水平的提升和人工智能企业规模的增加会显著促进人工智能就业替代-创新效应，这是因为这些会促进人工智能行业产品需求的增加和符合岗位需求劳动力的增加，进而抢占了传统行业的劳动力资源。传统制造业自主研发水平的提升和对外贸易的扩大会显著抑制人工智能就业替代-创新效应，这可能是因为我国的对外贸易仍然以传统行业为主，自主研发的提升会带动传统行业的产品升级，从而提升利润空间，增加了传统行业的劳动力需求。

表2 单项变量的回归结果

3.稳健性检验

考虑到劳动力流动的滞后性，同时为了检验模型的稳健性，我们用滞后一期的人工智能创新-替代效应作进一步检验，回归结果如表4 所示。可以看出，滞后一期的回归结果与表3 中的结果大同小异，总体的显著性有所弱化，作用系数也有所减小，但各变量的系数方向和作用效果类似。这说明上述回归结果较为稳健，也表示了人工智能的创新-替代效应有滞后影响，且随着时间的推移，影响会减弱。

表3 考虑交叉项变量的回归结果

表4 考虑交叉项变量的滞后一期回归结果

综上，随着我国人工智能行业的日益壮大和传统制造业的逐渐缩减，就业替代效应在一定时期内将会成为我国经济发展的重要特征，且这种发展趋势很难靠市场力量去改变或缓解。只有通过宏观调控手段来发挥就业创新效应，创造更多的就业岗位，吸纳和转化被替代的劳动力，才能妥善安置剩余劳动力，降低失业率。

五、结论与启示

（一）结论

本文总结梳理了现有文献对人工智能就业效应的研究理论、方法和结果，发现现有研究并未深入分析替代效应和创新效应之间的分化与联系，也未检验我国人工智能替代效应和创新效应的发展阶段。基于此，本文基于市场导向视角，数理演绎了人工智能就业替代-创新效应的作用机制及影响因素，实证检验了我国人工智能替代-创新效应的发展阶段，基于技术进步理论总结并提出了就业外部性创新效应的途径。研究发现，人工智能就业替代效应和创新效应之间存在着市场最优配置，技能溢价、资本溢价和要素结构是人工智能替代-创新效应的内生决定因素。考虑政府干预的情况下，税收、补贴等会成为有效的调控手段。随着我国人工智能的发展，替代-创新效应会逐渐增强。人工智能行业资本劳动投入比的增加、资本溢价、技能溢价和税收的提升均会显著抑制人工智能就业创新效应，人工智能行业产品价格的提升会提升就业创新效应。

（二）启示

1.初步研判人工智能就业效应，制定长短期劳动力发展规划

人工智能就业效应包括替代效应和创新效应两类。以我国现阶段的人工智能发展情况来看，短期的发展规划应主要针对自动化生产所产生的“替代效应”，而长远来看则需着眼于政府调控所产生的外部“创新效应”。各地政府可以结合本地的技能溢价水平、税收水平、要素禀赋情况和资本溢价水平等来判断本地的人工智能替代效应将会带来的劳动力供需问题，提前制定应对措施。各地政府也可以根据本地的经济发展情况，规划人工智能优势产业链，有重点地布局人工智能在不同领域计划产生的外部性以及由此将创造的劳动力需求。将短期应对计划与长期发展规划相结合，分阶段、有重点、有准备地应对人工智能发展对劳动力市场带来的机遇和挑战。

2.顺应人工智能就业替代效应，提前安置和培训剩余劳动力

人工智能就业替代效应是市场导向的结果，取决于技术进步的发展，是不可逆的，因为社会发展不会停滞不前，人工智能的壮大和普及必将成为大势所趋，而市场上必将产生被人工智能替代的剩余劳动力。如果不能妥善安置劳动力，就势必会引起社会恐慌和失业率的攀升。与其被动地等到人工智能替代效应产生后才去寻找安置剩余劳动力的途径，不如未雨绸缪，提前规划，根据人工智能普及后可能会出现的新岗位和新工作对即将被替代的劳动力进行二次培训。这一方面可以提前消除替代效应出现后的恐慌，另一方面也可以缓解后期出现的新岗位所需人员的就业压力，一举两得。当然，在规划剩余劳动力的安置办法时，应该结合劳动力的现有技能，寻找最适应的对口新岗位，采取成本低见效快的培训方式，尽快让再培训后的劳动力顺利上岗。

3.扩大人工智能就业创新外部性，大力发挥政府的宏观调控作用

如前所述，人工智能的出现是技术进步的结果，而就业替代效应是市场导向的结果，我们只能顺应和接受即将发生的事实。但创新效应却在更大的程度上依赖于政府的宏观举措，如果我们在政府的引导下能够调动更多的智能技术，增加劳动力需求，确保生产率的强劲增长，那么未来的就业将一片光明。这就要求各地政府要发挥宏观调控作用，结合地方经济发展优势，创造以人工智能为主导的新经济增长点，将人工智能纳入公共服务体系，借此推广和普及人工智能的应用，更大范围地提供就业岗位。综上所述，正确利用政府调控扩大创新效应，不仅能够消除失业预期所带来的恐慌，更加能够合理利用技术进步所带来的红利，为劳动力就业带来更多的选择和更大的市场。

注：

①根据财新智库的划分，数字经济包括互联网、人工智能和大数据三大产业。2020 年1 月数字经济另外两大产业的指数分别为互联网产业259、大数据产业437。

②比值增大代表制造业劳动力被信息传输业所替代，反之则反是。

③信息传输业单位成本收入价格=信息传输业主营业务收入/信息传输业主营业务成本。由于《中国信息产业年鉴》中2009年以前的信息业主营业务成本数据并未披露，本文选取信息传输业劳动力报酬与资本报酬之和代表主营业务成本。

④参照魏巍和王林辉（2020）的方法计算得到[11]。

⑤参照白雪梅（2004）的方法计算得到[12]。