吳淑娟 吳海民

[摘要]文章基于人才對智能產(chǎn)業(yè)發(fā)展的重要作用，運用線性回歸方法和灰色預測方法以及我國智能產(chǎn)業(yè)上市公司數(shù)據(jù)，對我國智能人才的需求進行預測，結果發(fā)現(xiàn)：從整體上看，我國智能產(chǎn)業(yè)人才的需求量將逐步增加，對低級勞動力仍有大量的需求，特別是應用環(huán)節(jié);地區(qū)稅負和融資環(huán)境以及企業(yè)經(jīng)營規(guī)模基本上與智能產(chǎn)業(yè)的就業(yè)量正相關;企業(yè)收益質(zhì)量與智能產(chǎn)業(yè)的中高級人才就業(yè)量顯著負相關;智能產(chǎn)業(yè)的人才結構對產(chǎn)業(yè)人才需求水平提升明顯不利。

[關鍵詞]智能產(chǎn)業(yè);智能人才;彈性系數(shù)

[中圖分類號]G521

[文獻標識碼]A

[文章編號]2095-3437（2020）04-0029-04

教育部于2018年印發(fā)的《高等學校人工智能創(chuàng)新行動計劃》要求，高校到2030年要成為建設世界主要人工智能創(chuàng)新中心的核心力量和引領新一代人工智能發(fā)展的人才高地，為我國躋身創(chuàng)新型國家前列提供科技支撐和人才保障，因此必須對智能人才的需求進行合理預測，為智能人才培養(yǎng)提供有用參考。常用的人才需求預測方法主要有經(jīng)驗預測法和模型預測法，后者較前者更客觀和精準。本文基于我國智能人才的需求趨勢提出相應的政策啟示以供參考。

一、文獻綜述

國外的人才需求預測研究較國內(nèi)的早。蘇聯(lián)在制定其第一個五年計劃之時便開展了專家需求量預測的研究工作。第二次世界大戰(zhàn)之后，發(fā)展經(jīng)濟學的出現(xiàn)和盛行推動了人才需求預測的研究。特別是舒爾茨等人提出人力資本理論以后，教育理論界于20世紀60年代提出“人力資源說”，主張學校可根據(jù)政府的經(jīng)濟發(fā)展計劃和“長期性的人力預測”來提供一定數(shù)量的訓練有素的人力儲備，為經(jīng)濟的發(fā)展服務。自此，西方國家興起了教育規(guī)劃熱潮。

國內(nèi)的相關研究始于20世紀80年代。1982年，國務院決定制訂全國專門人才規(guī)劃，不久后多個部門聯(lián)合下達關于進行人才預測和制訂教育發(fā)展規(guī)劃的通知。在其研究成果方面，可通過中國知網(wǎng)檢索到1479篇相關論文（截至2019年3月筆者修改此文時）。早期的研究以歷史研究、現(xiàn)狀分析、比較研究和專家的分析判斷方法為主。近年的研究多為對某區(qū)域或行業(yè)或人才類型等的實證性研究以及對人才需求預測的方法和模型研究。時間序列法和相關分析法是前期較為常用的數(shù)學模型。比較常用的方法有灰色預測模型和支持向量機、神經(jīng)網(wǎng)絡等非線性預測方法。

盡管現(xiàn)有成果已經(jīng)較為豐富，但專門針對智能技術人才預測的研究仍鮮見。在智能經(jīng)濟迅猛發(fā)展的時期，人才需求會因為智能技術對人才需求的紛繁多變而呈現(xiàn)出不確定的特點。因此，本文采用線性和非線性預測方法進行預測，綜合研判我國智能行業(yè)的人才需求。

二、線性預測及其結果

線性預測方法有時間序列法和相關序列法，后者更為常用，因而為本文所采用。

（一）智能人才需求的影響因素

人才需求的影響因素主要包括：企業(yè)外部環(huán)境因素，如政府的產(chǎn)業(yè)政策;企業(yè)內(nèi)部因素，如企業(yè)的戰(zhàn)略目標、生產(chǎn)銷售計劃、組織結構的調(diào)整等;人才自身因素，如人才的年齡結構、素質(zhì)結構等。因智能產(chǎn)業(yè)的官方統(tǒng)計不足，故本文采用上市公司數(shù)據(jù)。企業(yè)外部環(huán)境因素選取政府的稅收政策和產(chǎn)業(yè)融資環(huán)境兩項指標。前者用智能企業(yè)的稅收負擔（TB）代表，用企業(yè)歷年應交稅費與營業(yè)收入的比值來表示。后者用智能企業(yè)的融資金額（FA）代表，通過企業(yè)籌資活動產(chǎn)生的現(xiàn)金流量凈額來反映。企業(yè)內(nèi)部因素選取企業(yè)的規(guī)模和收益質(zhì)量兩項指標，企業(yè)規(guī)模（BS）用企業(yè)歷年的總資產(chǎn)的對數(shù)來表示，收益質(zhì)量（INQ）用企業(yè)歷年經(jīng)營活動凈收益與利潤總額的比值來表示。人才自身因素選取企業(yè)的人才素質(zhì)結構（HRSTR）指標，用各智能企業(yè)歷年本科及本科以上員工的占比來表示。

（二）模型的構建

為考察智能人才需求與影響因素的關系，以人才需求量為因變量，以TB、FA、BS、INQ和HRSTR為自變量，搭建多元回歸模型如下：

（三）數(shù)據(jù)、分析過程和結果

采用2012年至2017年間83家智能上市公司的數(shù)據(jù)，涵蓋基礎平臺、技術平臺和應用環(huán)節(jié)，覆蓋粵、京、浙、蘇等智能產(chǎn)業(yè)聚集地，共計966條。先對數(shù)據(jù)進行無量化處理，再進行單位根檢驗和協(xié)整檢驗。其檢驗結果表明變量通過單位根檢驗，也存在協(xié)整關系，運用Stata 12.0進行回歸分析。這個結果見表1。

（四）結果分析

表1結果顯示：第一，地區(qū)的稅負和融資環(huán)境、企業(yè)的經(jīng)營規(guī)模基本上與基礎平臺、技術平臺和應用環(huán)節(jié)的中高級人才和低級勞動力有正相關關系，因而這些因素在整體上與智能產(chǎn)業(yè)的就業(yè)總量有正相關關系。第二，企業(yè)應收質(zhì)量與技術平臺和應用環(huán)節(jié)的中高級勞動力就業(yè)量均負相關，因而在整體上與智能產(chǎn)業(yè)的中高級人才就業(yè)量顯著負相關。第三，人才的素質(zhì)結構基本上與三個環(huán)節(jié)的中高級人才和低級勞動力就業(yè)負相關，因而在整體上與智能產(chǎn)業(yè)的就業(yè)負相關。值得一提的是：地區(qū)稅收負擔與就業(yè)的正相關關系表明我國當前的稅收政策對就業(yè)起促進作用，可能是因為對智能產(chǎn)業(yè)的稅收優(yōu)惠制度，使得實際稅收水平處于相對低的水平。隨著稅收水平的提升，在未達到最優(yōu)稅率之前，稅收負擔仍然起到促進作用。技術平臺和應用環(huán)節(jié)企業(yè)的收益質(zhì)量不利于中高級人才的就業(yè)，其原因可能是因為收益質(zhì)量強調(diào)銷售能迅速轉(zhuǎn)化為現(xiàn)金，要求在收益創(chuàng)造過程中使用的固定資產(chǎn)維修良好并保存至今，而我國這兩個環(huán)節(jié)的研發(fā)活動仍有較大的發(fā)展空間，對中高級人才的需求尚未迅猛提升。

三、非線性預測及其結果

非線性預測方法較多，其中灰色預測模型是較為常用的一種。該法可以提高預測的精確度，因而為本文所采用。

（一）模型的構建

利用灰色系統(tǒng)理論建立灰色預測模型，對科技人才系統(tǒng)做較全面的分析，并做較長期預測已經(jīng)是國內(nèi)外比較常用的人才需求預測辦法。選定GM（1，1）模型，根據(jù)該模型代表一個白化形式的微分方程，dX（1）/dt+aX（1）=u，式中，a和u是需要通過建模求得的參數(shù)X（1）原始數(shù)據(jù)x（0）的1-AGO。根據(jù)數(shù)據(jù)矩陣B和數(shù)據(jù)向量Y，并作最小二乘計算，求GM（1，1）的參數(shù)a和u并建立時間響應函數(shù)，將時間響應函數(shù)離散化便可得灰色預測模型如下：

（二）指標、數(shù)據(jù)、分析過程和結果

先對數(shù)據(jù)進行無量化處理，再進行單位根檢驗和協(xié)整檢驗。其檢驗結果表明變量通過單位根檢驗，也存在協(xié)整關系，運用灰色系統(tǒng)軟件3.0進行計算，其結果見圖1。

（三）結果分析

從圖1可見，2018年我國智能產(chǎn)業(yè)的就業(yè)量基本上呈上升趨勢。產(chǎn)業(yè)整體就業(yè)方面，低級勞動力就業(yè)依然以高于中高級人才就業(yè)量的增長速度增加，帶動產(chǎn)業(yè)整體就業(yè)量的增長。產(chǎn)業(yè)的基礎平臺和應用環(huán)節(jié)的低級勞動力就業(yè)量仍高于中高級人才就業(yè)量，前者的增速也將高于后者，而技術平臺的中高級人才就業(yè)量則稍微高于低級勞動力就業(yè)量，增速也高于后者。低級勞動力的需求量并未如文獻[1]至文獻[3]的發(fā)現(xiàn)那般減少，而是仍保持高于中高級人才的需求量速度增長。這主要是由我國智能產(chǎn)業(yè)對產(chǎn)業(yè)鏈內(nèi)配套環(huán)節(jié)的拉動所造成。智能產(chǎn)業(yè)對就業(yè)有替代效應的同時也有創(chuàng)造效應。例如互聯(lián)網(wǎng)行業(yè)，國內(nèi)智能產(chǎn)業(yè)的重點子行業(yè)之一，其應用場景有搜索引擎、電商用戶行為分析等，同時帶動了運輸業(yè)的發(fā)展，創(chuàng)造了大量的低級勞動力就業(yè)。

四、結論和政策啟示

（一）結論

鑒于人才對智能產(chǎn)業(yè)發(fā)展的重要作用，本文使用線性回歸和非線性方法以及智能上市公司的數(shù)據(jù)，測算了各類因素對智能產(chǎn)業(yè)人才需求的影響和智能人才的需求量，得到以下結論：從整體上看，我國智能產(chǎn)業(yè)的人才需求量將逐步增加。其中，對低級勞動力仍有大量的需求，特別是應用環(huán)節(jié)對低級勞動力的需求量最大。地區(qū)的稅負和融資環(huán)境以及企業(yè)的經(jīng)營規(guī)模基本上與智能產(chǎn)業(yè)的就業(yè)量正相關。企業(yè)收益質(zhì)量與智能產(chǎn)業(yè)的中高級人才就業(yè)量顯著負相關。我國智能產(chǎn)業(yè)的人才結構對產(chǎn)業(yè)的人才需求水平提升明顯不利。

（二）政策啟示

基于上述分析，我國發(fā)展智能經(jīng)濟之時應該做好以下工作。

一是有序加強對智能中高級人才的培養(yǎng)，特別是注重對技術平臺環(huán)節(jié)的中高級人才的培養(yǎng)，優(yōu)化人才結構。技術層是人工智能發(fā)展的核心，對應用層的產(chǎn)品智能化程度起到?jīng)Q定性作用，在這一發(fā)展過程中，算法和計算力對智能技術的發(fā)展起到主要推動作用。因此，特別要加強算法和計算力專業(yè)人才的培養(yǎng)。根據(jù)《高等學校人工智能創(chuàng)新行動計劃》，清華大學、天津大學等高校已經(jīng)成立了人工智能學院、智能與計算機學部等。但是在加強雙一流理工高校的人工智能人才培養(yǎng)力度的同時，要注意凸顯應用型高校結合地方智能經(jīng)濟發(fā)展的特點和優(yōu)勢，加強地方特色智能人才的培養(yǎng)。另外，加強再就業(yè)技能培訓工作，使其能從實質(zhì)上起到對低級勞動力進行培訓、提升其素質(zhì)的作用。當然，還需要配套相應的人才政策，以保障勞動者的生活需要和平穩(wěn)實現(xiàn)就業(yè)轉(zhuǎn)型。

二是加強稅收政策的促進作用。稅收政策對產(chǎn)業(yè)規(guī)模有著很重大的影響。隨著2017年“人工智能”一詞在兩會政府工作報告中出現(xiàn)，人工智能產(chǎn)業(yè)上升為國家戰(zhàn)略后得到了政策支持。今后工作的重點應該在于如何落實和優(yōu)化政策，使其對產(chǎn)業(yè)的推動作用進一步提升，進而擴大產(chǎn)業(yè)規(guī)模，然后增強對智能產(chǎn)業(yè)配套環(huán)節(jié)的促進作用，從而提升就業(yè)需求。與美國人工智能的國家戰(zhàn)略相比，我國的政策性策略最為突出，具有實際操作性的具體實施細則稍顯不足。需要盡快增加相關政策實施細則、階段性目標、時間計劃表、具體要求等內(nèi)容，提高政策的可操作性并健全相應的監(jiān)督機制，切忌讓規(guī)劃文件空轉(zhuǎn)，確保人工智能產(chǎn)業(yè)創(chuàng)新政策不斷得以持續(xù)貫徹落實。

三是避免收益質(zhì)量對技術平臺和應用平臺產(chǎn)生負作用。企業(yè)的研發(fā)活動需要大量的固定資產(chǎn)投資和高層次人才。國內(nèi)大多數(shù)中小型科技企業(yè)難以支付研發(fā)設備費用和聘用高層次人才。因此，政府應該加強公共技術平臺的建設工作，這樣能在降低中小型科技企業(yè)研發(fā)成本的同時吸引和聚集一批相對穩(wěn)定的高層次人才進行持續(xù)的科研，有利于技術攻關和克服技術瓶頸。

[責任編輯：龐丹丹]