人工智能技术发展背景下收入不平等及政策：理论分析

黄 旭

一、引言

人工智能将成为未来社会新的增长引擎，随着人工智能技术的进一步发展，生产力和生活方式将得到极大改善。人工智能将克服老龄化的困境，创造更多的财富，促进经济增长(陈彦斌等，2019[1];蔡跃洲和陈楠，2019[2])，扩大居民消费(林晨等，2020[3])，同时能促进产业转型升级(郭凯明，2019[4])，但由此引发的收入不平等加剧也引起了经济学家的关注。越来越多的证据表明，一系列低技能和中等技能职业的自动化导致了工资不平等(Autor等,2003[5];Goos和Manning，2007[6])。低技能劳动力由于工作程式化程度较高，易于被人工智能所替代，而高技能劳动力一般接受过高等教育，工作岗位涉及多种技能组合，例如创新能力、团队合作能力、决策能力等等，较难被人工智能所替代。人工智能的发展提升了对劳动力技能的需求，因而在未来发展过程中对高技能劳动力更有利。

大量文献详细阐述了人工智能或自动化对收入不平等的影响机制和效应，主要从降低劳动收入份额和增加资本收入份额、扩大劳动力的工资不平等方面进行了详细解释(Hanson,2001[7];Lankisch 等,2019[8])。

理论方面，DeCanio(2016)[9]拓展CES生产函数，发现若劳动力和机器人资本替代弹性较大，随着人工智能技术的发展，收入不平等将加剧。Benzell 等(2015)[10]通过建立两期OLG模型，证明使用机器人可以增加资本回报率，当代人会受益，而后代会陷入贫困，并预测劳动收入份额最终会下降。Brynjolfsson和McAfee(2014)[11]进一步指出，资本收益增加的不平衡性是人工智能导致收入不平等加剧的重要原因。人工智能的发展会导致创新的增加，新产品和新服务会增加资本回报，但只有少数掌握资本的资本所有者受益。Prettner和 Strulik(2017)[12]基于研发的增长模型，发现创新驱动的增长会导致自动化程度的提高，技能溢价的增加，更快的经济增长会加剧不平等。因此，自动化可能是许多国家不平等加剧的主要驱动因素。Sachs和Kotliko(2015)[13]建立模型并数值模拟发现自动化会使每个新生代都比其前辈更糟糕，同时还表明，适当的代际政策可以用来将赢家和输家的局面转化为所有世代的双赢。Acemoglu和Restrepo(2018)[14]弥补以往研究的不足，建模中同时引入低技能的自动化和高技能的自动化，研究发现自动化替代低技能工人总是增加工资不平等，而自动化替代高技能工人会降低工资不平等。

实证方面，学者在欧美多个国家找到了相应的证据(Gordon,2009[15]；Fonseca等,2018[16])。Dickson(2017)[17]指出目前收入不平等加剧的趋势没有减缓的迹象。自动化有可能通过剧烈的变革使全世界数百万人无法就业，同时导致贫富差距不断扩大。为了促进世界经济发展和维持人类的社会规范，有必要分析和调整政府福利计划，保障人们生活水平不断提高。Korinek和Stiglitz(2017)[18]将替代型人工智能技术进步导致工资不平等问题进行分类：第一，讨论了AI等新技术可能导致帕累托改进的一般条件。第二，描述不平等受影响的两个主要渠道:创新者产生的盈余和要素价格变化引起的再分配。第三，提供了几个简单的经济模型来描述政策如何抵消这些影响。在合理的条件下，可以通过征收非扭曲性税收以补偿未来可能会陷入贫困的人群。第四，描述了技术进步可能导致技术失业的两个主要渠道:通过效率工资效应和过渡现象。第五，推测创造超人类智力水平的技术可能会影响不平等。

在国内文献方面，学者发现中国也出现了收入不平等的现象(吕世斌和张世伟，2015[19])，原因可能是技术进步所导致(宋冬林等,2010[20]；宁光杰和林子亮，2014[21])。理论方面，学者一般通过改进新古典模型，构建技能偏向性技术，解释收入不平等等现象(陆雪琴和文雁兵，2013[22]；徐舒,2010[23])。王林辉等(2020)[24]构造高、低技术两部门模型，发现人工智能对不同技能劳动者生产效率影响是不同的，从而导致了收入不平等的现象，并使用中国2000—2016年省级数据进行验证。董直庆等(2014)[25]引入个体的教育选择，构建数理模型，研究发现：中国技术进步偏向于技能劳动者，扩大了技能劳动和非技能劳动的工资差距，诱发技能溢价;然而，中性技术进步能够增加技能劳动的供给，并减小二者的工资差距。邹薇和刘勇(2010)[26]引入技能劳动供给约束和技能溢价，构造了关于经济转型与收入不平等变化的动态模型。研究表明，现代工业技术与传统农业技术之间的差距越大，技能劳动供给越有限，则技能溢价越高，经济转型启动越延迟，收入不平等状况越严重。董志强和黄旭(2021)[27]构建动态一般均衡模型，使用数值模拟的方法证明，延长普及教育的年限可以在促进经济增长的同时抑制收入不平等加剧。

本文考虑了劳动力的异质性，以教育程度的差异将劳动力区分为低技能工人和高技能工人，通过改进新古典模型，解释了收入不平等的原因，探究了政府可以通过向资本征税筹集税收，并以不同比例转移支付给低技能和高技能工人的政策的可行性。

首先，静态条件下本文通过改进新古典增长模型，区分了三种效应对技能溢价的影响，分别是技术效应、互补效应和供给效应。其中技术效应是本文研究的重点，指人工智能资本存量和人工智能技术生产效率的提高都将增加技能溢价。

其次，本文在静态模型的基础上，将教育纳入分析的范畴，拓展世代交替模型，研究动态情况下收入不平等及人工智能技术的发展对教育决策的影响。随着人工智能技术的发展，如果没有政府进行收入调节，技能溢价将加剧。技能溢价对教育将产生两种效应，一方面技能溢价的增加将刺激更多劳动力选择高等教育，另一方面人工智能的发展提高了对劳动者技能的要求，低技能劳动者的比例将会增加。

由于人工智能的发展会增加资本收入份额，减少劳动收入份额，为减少技能溢价，政府可以对资本征税并转移支付给工人。本文发现，对资本的税收应满足一定的条件，同时转移支付过程中要合理进行分配，支付给低技能工人的金额与支付给高技能工人的金额比例大于一定值时，该政策可以减少技能溢价，促进社会公平。最后，本文发现，如果人工智能技术没有跨越奇点，政府可能会陷入效率与公平两者难以兼顾的困境。其中，奇点指的是人工智能技术水平的某个界限，当人工智能技术跨越该界限后，经济会以前所未有的速度快速增长。

本文的创新有如下几点：第一，同时从静态模型和动态模型考察收入不平等现象，对问题的分析更全面。第二，在世代交替模型的基础上，将教育选择内生化，详细分析了人工智能扩大了收入不平等，同时影响人们是否选择高等教育提高技能。第三，从政府的角度探讨了对资本征税，并按比例分配给低技能和高技能工人政策的可行性。

二、模型

(一)静态模型

本文假设劳动力是异质的，劳动力由于受教育差异，区分为低技能和高技能工人。低技能工人指未接受大学高等教育的群体，和人工智能构成替代的关系，例如制造业中流水线上工作的工人，极易被人工智能所取代。高技能工人指接受过大学高等教育的群体，例如公司管理者或高级研发工程师等。

本文借鉴Lankisch 等(2019)[8]的生产函数，并做了如下改进：增加了劳动者生产效率和资本生产效率，同时将低技能劳动力与自动化资本的无限替代更改为常替代弹性，这样更具有一般性，和现实更相符。新的生产函数为

(1)

其中，K为传统物质资本，P为人工智能资本，LL为低技能工人，LH为高技能工人，AL和AH分别为低技能工人和高技能工人的生产效率，AP为人工智能技术的生产效率。ε为低技能工人与人工智能资本的替代弹性，由于人工智能易于替代低技能工人，故假设ε>1。σ为高技能工人与人工智能资本的替代弹性，由于高技能工人涉及复杂的逻辑思维和决策能力，目前人工智能较难替代高技能工人，故假设0<σ<1。

假设企业利润为π，高技能和低技能工人工资分别为ωH、ωL，传统资本租金价格为RK,人工智能资本租金价格为Rp，从而

π=Y-ωHLH-ωLLL-RpP-RKK

(2)

在完全竞争的条件下企业追求利润最大化，从而高技能和低技能工人工资分别为

(3)

(4)

传统资本租金价格为

(5)

人工智能资本租金价格为

(6)

假设资本充分自由流动，不存在套利，即RK=RP，化简得

(7)

定义技能溢价为高技能工人工资与低技能工人工资之比，即

(8)

命题一：

1.技术效应：提高人工智能资本存量和人工智能技术的生产效率都将增加技能溢价。

2.互补效应：随着高技能工人生产效率的提高，技能溢价将减少；低技能工人生产效率提高，技能溢价不确定。

3.供给效应：低技能工人数量增加，技能溢价将增加；高技能工人数量增加，技能溢价减少。

证明：对式(8)两边取对数得

(9)

从而

证毕！

命题一第1个结论为主要结论，人工智能技术的发展将导致收入不平等现象加剧。主要原因是人工智能替代低技能工作岗位，与高技能工作岗位互补。人工智能替代低技能工作岗位，导致低技能工作岗位减少，而低技能工人供给逐渐过剩，必然带来工资的减少。高技能工人由于不易被人工智能替代，成为技术进步的受益者。

第2个结论看起来比较反常，高技能工人提高生产效率却带来技能溢价的减少。原因是高技能工人与低技能工人的替代弹性系数σ<1，即高技能工人对低技能工人工作岗位互补，两者需要协作共同完成生产任务。高技能工人提高生产效率自身会受益，但是由于高技能与低技能构成互补关系，一方面，高技能工人提高生产效率对低技能工人存在溢出效应，能帮助低技能工人提高生产效率，低技能工人受益更多；另一方面，高技能工人提高生产效率，相当于高技能工人完成工作任务中的比例更高，低技能完成比例减少，社会总财富增加了，分配比例变化不大，低技能工人相对于高技能工人获得了更高的收益，所以导致技能溢价的减少。

(二)动态模型

为了得到更深刻的洞见，本文借鉴Prettner和Strulik(2017)[12]在世代交替模型中将教育纳入研究范畴来考察人工智能发展对教育决策的影响。进一步，为应对收入不平等扩大的现象，本文考察政府对资本征税并转移支付给工人的公共政策效应。本文的创新之处在于修改了生产函数并加入了政府部门的宏观调节，从而获得更深的洞见。

假设每个个体存活两期，成年时期参加工作，老年期退休依靠储蓄生活。假设每个个体均拥有高中学历，并赋予每个个体1单位时间，个体可以选择花费δ单位时间进入大学学习，剩余1-δ单位时间工作。进入大学学习的个人在模型中称为高技能工人，未进入大学学习的个人被称为低技能工人。

劳动力总人口不变，假设t时期为Lt。分为低技能工人LL,t和高技能工人LH,t。生产中有三种生产要素：低技能工人、高技能工人和智能设备。其中智能设备为人工智能控制的自动化设备，例如工业机器人。

1.个人。

工人的效用函数为

(10)

由静态模型结论可知，人工智能技术的发展可能加剧收入不平等，本文考虑对资本征税，并转移支付给个人，转移支付金额为Tj,t。

个人预算约束条件为

(1-δj)ωj,t+Tj,t=cj,t+sj,t

(11)

个人追求效用最大化，联立式(10)和式(11)求解得

(12)

2.个人教育抉择。

个人是否选择大学教育取决于上述两种效用的大小，个人选择大学教育的条件为uH,t≥uL,t，将式(10)和式(12)代入化简可得

(13)

(14)

3.最终品生产。

为方便计算，对式(11)进行了简化。本文研究的重点是人工智能对收入不平等的影响，核心变量是人工智能技术和资本，因而忽略了对传统物质资本的考察。同时假设高技能工人和低技能工人的替代弹性为1，故生产函数为

(15)

其中LH,Y,t为从事最终品生产的高技能工人，低技能工人LL,t均从事最终品生产，xi,t为t时期中间品i，即生产中所使用的智能设备。ε为智能设备和低技能工人之间的替代弹性，智能设备容易替代低技能工人，故假设ε>1。At为中间品数目，代表了人工智能技术前沿，At越大代表人工智能技术越先进，生产的中间产品越多。

企业利润函数为

πt=Yt-ωH,Y,tLH,Y,t-ωL,tLL,t

(16)

其中，ωH,t和ωL,t分别为高技能工人和低技能工人工资，pi,t为中间品xi,t的价格，τR为政府对企业征收的资本税。为计算方便，将At视为连续的变量。

企业追求利润最大化，由一阶条件得

(17)

(18)

(19)

定义技能溢价为

(20)

4.研发部门。

研发部门从高技能工人中招募科学家，为新机器制定蓝图，并通过出售蓝图获利，生产函数为

(21)

(22)

其中，φ∈(0,1]表示跨期知识溢出的强度，λ∈[0,1]表示拥挤效应的强度。

研发部门的利润为研发公司通过出售其专利产生的收入，扣除他们雇用的科学家的成本。研发利润为

(23)

其中，pA,t为蓝图价格，ωH,A,t为研发部门科学家的工资，从而

(24)

模型中假设专利的有效时间为一期，同时人才是充分流动的，研发部门科学家和生产部门高技能工人工资应该相等，即

ωH,A,t=ωH,Y,t

(25)

5.中间品部门。

中间品部门购买研发部门的蓝图进行中间品的生产，生产中间品的物质资本与机器构成线性函数关系，为简化计算方便，假设

xi,t=ki,t

(26)

其中，ki,t为中间品厂商生产机器使用的物质资本数量。中间品厂商分为两类：一类中间品厂商购买新开发的机器蓝图，拥有使用的垄断权，具备一定的市场力量，其利润应该等于进入市场的成本，即

πi,t=pA,t

(27)

另一类中间品厂商使用的是旧机器蓝图，不再受专利的保护，可以自由进入，利润为0。假设新机器角标用i表示，旧机器角标用j表示。

生产新机器的中间品厂商的利润函数为

(28)

中间品厂商追求利润最大化，由一阶条件可得

化简得

(29)

xj,t=α-εxi,t

(30)

由于0<α<1,ε>1，则α-ε>1，从而xj,t>xi,t。原因是旧机器失去了专利保护，价格更低，相应销售量更多。由式(30)得

=(α1-ε-1)At-1+At

(31)

代入式(15)得

(32)

6.政府部门。

由本文静态模型结论可知，替代型人工智能的使用导致收入不平等加剧。借鉴董志强和黄旭(2019)[30]命题一的结论，替代型人工智能的使用将导致劳动收入份额减少，资本收入份额增加。由于资本拥有者成为最大受益者，为促进公平政府可对资本征税，并转移支付给工人。政府保持财政收支平衡，故

(33)

7.均衡分析。

劳动力市场出清：

(34)

LH,t=LH,Y,t+LH,A,t

(35)

由式(19)和式(32)得

(36)

将式(27)和式(36)代入式(25)得

(37)

其中，现实中拥挤效应的值λ比较小，故现实中1-λ-α>0。

虽然根据式(37)无法求出LH,A,t，但是根据隐函数定理，可以证明LH,A,t的解存在且唯一，同时满足LH,A,t>0。

命题二：

2.随着人工智能技术的进步，高技能工人劳动收入份额为1-α，低技能工人劳动收入份额逐渐减少，长期中趋于0。若政府无转移支付，则高技能工人与低技能工人之间财富不平等会加剧，长期中高技能工人将趋于占有全部财富。

3.技能溢价的增加一方面会刺激更多的人选择高等教育，另一方面也会提高对工人学习能力的要求。(1)受篇幅所限，文中未列出命题二的证明过程，感兴趣的读者可向作者索取。

从教育的角度看，人工智能的发展会带来两种截然相反的效应。一方面，技能溢价会刺激更多的人倾向于选择高等教育，高技能工人数量的增加有利于减少技能溢价。但另一方面，人工智能技术的发展对个人学习能力提出了更高的要求。例如，现实中对人工智能研发人才的需求量很大，工资也很高，但企业很难招聘到合适的人才。一个重要原因是人工智能的发展拔高了对工人学习能力的要求，虽然工资高，但能达到要求的人的比例反而在减少。从长远来看，低技能工人的比例可能会持续增加，从社会公平的角度来看，适当的转移支付是必要的。

由式(33)，政府对资本征税后，转移支付给高技能工人TH,t，低技能工人TL,t。为减少技能溢价，转移支付给低技能工人的TL,t明显应大于转移支付给高技能工人的TH,t。为简化分析，假设TL,t=θTH,t，θ>1。政府的调节是在高技能工人和低技能工人的工资确定之后进行的，所以下述分析中假设高技能工人和低技能工人的工资是定值。

由式(10)和式(12)，定义高技能工人与低技能工人的效用之差为

(38)

命题三:

1.政府对资本征税税率τR提高时，技能溢价会减少。

3.随着政府对资本征税税率τR的提高，参与研发的高技能工人会减少，产生蓝图也会减少，但社会产出不一定会减少。(2)受篇幅所限，文中未列出命题三的证明过程，感兴趣的读者可向作者索取。

命题三的经济直觉是政府通过对资本征税，并合理分配转移给高技能工人和低技能工人的财富比例，可以有效减少技能溢价，并且社会生产效率不一定受影响，社会产出未必会减少。事实上，根据黄旭和董志强(2019)[32]，对资本征税并转移支付给工人，经济会呈现U型增长。在初始阶段，征税会造成经济增长率下降，社会产出减少，但从长远来看，征税并转移支付会增加劳动人民财富，增加对企业的投资，促进经济增长。

假设社会可以忍受的技能溢价为ω*，此时对应的人工智能技术水平为A*。技能溢价此时代表财富不平等程度，若ωt>ω*时，即财富不平等超出人们可以忍受的程度，此时会导致社会不稳定。政府的一个目标是控制财富不平等程度，让ωt<ω*。根据黄旭和董志强(2019)[32]命题三结论，假设技术奇点为A0，在政府征税的前提下，当人工智能技术At∈[0,A0]时，经济增长率会下降；当At∈[A0,+∞)时，经济增长率会上升。若A*>A0，即在人工智能技术跨越奇点之后，社会才达到财富不平等的极限，此时在征税的前提下，经济增长率仍然会持续上升。政府可以通过对资本征税，转移支付给工人，降低社会财富不平等的程度。此种情况下，政府可以通过宏观政策的调节实现效率与公平两者兼顾的目标。但现实中，经常发生的是A*

命题四：在发展过程中，如果人工智能技术没有跨越奇点，政府有可能陷入效率与公平的两难处境。以效率优先，会导致财富不平等超过人们忍受的极限；以公平优先，会导致社会效率损失，经济出现衰退。

技术的发展，可能会带来财富不平等的加剧。如果人工智能技术水平不够高，没有跨越奇点，政府在宏观调节的过程中，也会遇到效率与公平两者难以兼顾的情况。在人工智能发展过程中，劳动收入份额往往会减少，资本收入份额会增加。通过对资本征税调节的过程中，会遇到效率损失的问题。一个可行的方法是，将税收投入公共设施中，例如教育和医疗，让尽可能多的人享受到更好的公共资源。教育和医疗的一个重要作用是，都可以提升人力资本，而人力资本在未来人工智能时代将发挥重要作用。随着人工智能的快速发展，未来对人的技能要求越来越高，例如思维能力、决策能力、创新能力的组合，以及合作、毅力和移情能力等软技能。在人工智能发展的现阶段，政府可以加大对教育和医疗等公共设施的投资，一方面可以促进工人技能的提高，另一方面可以促进经济在长期中持续增长。

三、结论

虽然中国在过去取得了较长时间的经济增长，但是却面临着贫富差距拉大的风险。根据过往的历史经验，技术进步总是有偏的，并不会以均等的方式惠及全社会。一方面我们需要借助于人工智能促进经济增长，另一方面我们也需要防范人工智能技术发展过程中可能出现的收入不平等加剧的风险。本文将劳动力区分为低技能工人和高技能工人，从静态模型和动态模型两个角度解释人工智能的发展将导致技能溢价加剧。为了得到更深刻的洞见，动态模型中纳入了教育的抉择。以是否接受高等教育为判定条件，将劳动力区分为低技能工人和高技能工人。低技能工人在生产部门工作，高技能工人可以选择在生产部门或研发部门工作。研究发现，人工智能是偏向性技术，随着人工智能技术的发展，高技能工人工资将增加，低技能工人工资将减少，高技能工人劳动收入份额保持不变，而低技能工人劳动收入份额将减少，收入不平等现象加剧。同时人工智能技术的发展将对教育产生两种影响：一方面技能溢价的提高将刺激更多劳动力选择高等教育，另一方面人工智能的发展将提高对劳动者学习能力的要求。两种作用的效果是相反的，这给出的启示是政府可以加大对教育的投资，促进劳动力获得更多公平教育的机会，在未来能减少技能溢价和收入不平等的现象。

为促进社会公平，政府还可以对资本征税，并转移支付给工人。如果税率满足一定条件，且转移支付给低技能工人金额与高技能工人金额比例大于一定数值，则该政策可以有效缓解技能溢价。但征税可能会带来效率损失，如果人工智能技术水平不够高，没有跨域奇点，政府可能将面对效率与公平两者难以兼顾的局面。

在人工智能技术的发展过程中，既要促进经济增长，同时要兼顾社会公平，研究合理的公共政策是非常必要的。本文理论研究结果能有效提供一种政策选择，即对资本征税并转移支付给工人，在转移支付的过程中，向低技能工人倾斜更多，将有助于减小收入不平等的现象，但也可能存在效率损失的现象。因此在发展过程中，政府要同时兼顾效率与公平，在经济增长的同时，尽可能让技术进步的红利惠及全社会。

本文仅仅考察了资本征税后直接进行转移支付，有可能造成社会效率损失。在未来的研究中，一种途径是可以考虑对资本征税后，加强对教育医疗等公共基础设施的投资，因为教育和医疗均可以提升人力资本，对长期经济影响更大。另一种途径是考虑不造成社会效率损失的税收政策减少技能溢价，例如负所得税，对低技能工人的工资税进行减免。这样可以做到既不影响经济效率，又可以减少技能溢价。凡此种种，均可以作为下一步研究的议题。