□陳利鋒，鐘玉婷

一、引 言

近年來，大數(shù)據(jù)、機器學習的快速發(fā)展助推了人工智能在全球范圍內(nèi)的蓬勃發(fā)展[1]，據(jù)2018年3月28日《經(jīng)濟學家》雜志的報道，2015年全球與人工智能有關(guān)的并購交易額不到8.5億美元，而2017年的交易額則達到220億美元，翻了近26倍。根據(jù)全球著名的管理咨詢公司麥肯錫的預測，2030年人工智能將為全球GDP貢獻13萬億美元，為全球經(jīng)濟增長貢獻1.2個百分點。我國政府對人工智能的發(fā)展給予高度重視，并將人工智能的發(fā)展看做事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機會的戰(zhàn)略問題。根據(jù)德勤公司《中國人工智能產(chǎn)業(yè)白皮書(2018)》，2015年我國人工智能的市場規(guī)模為112億元人民幣，而2020年這一數(shù)字將增加至710億元。人工智能的快速發(fā)展引起全社會的廣泛關(guān)注，作為一項對人工具有替代性的革新性技術(shù)，人工智能的發(fā)展究竟如何影響收入分配以及社會福利是被重點關(guān)注的問題。Stevenson(2019)[2]3指出，對于人工智能的發(fā)展，存在兩個截然不同的觀點：一種反烏托邦式的觀點悲觀地認為，人工智能發(fā)展導致機器完全替代人工，機器將取代人類，并最終導致社會福利的惡化，甚至使人類失去生存的意義；另一種烏托邦式的觀點則認為，人工智能發(fā)展會使人類擺脫時間和金錢的約束，進而更好地享受生活，這意味著人工智能的發(fā)展實現(xiàn)了社會福利的改進。

事實上，近年來在關(guān)于人工智能影響收入分配的相關(guān)研究中，研究者并未對這一問題形成一致意見。Aghion等(2017)[3]1以及DeCanio(2016)[4]指出，人工智能發(fā)展必然引起企業(yè)傾向于使用具有更高生產(chǎn)率的人工智能，進而引起失業(yè)增加。這些研究意味著人工智能發(fā)展必然會引起勞動收入份額下降及社會福利的惡化。另外一些研究如Acemoglu和Autor(2011)[5]、Autor(2015)[6]、Acemoglu和Restrepo(2018)[7]2、Autor和Salomons(2019)[8]及Fueki和Maehashi(2019)[9]等則指出，盡管人工智能發(fā)展會產(chǎn)生對人工的替代和失業(yè)增加，但人工智能發(fā)展提高了勞動生產(chǎn)率，最終的結(jié)果可能不會導致收入分配惡化。當然，仍有一些研究如Nardhaus(2015)[10]、Graetz和Michaels(2018)[11]及Berg等(2016)[12]10等認為人工智能發(fā)展并不一定對人工產(chǎn)生替代作用，因而不會必然導致工資下降。國內(nèi)研究者如陳彥斌等(2019)[13]、楊蕙馨等(2020)[14]認為人工智能發(fā)展可以促進我國經(jīng)濟增長，但需要防范人工智能發(fā)展帶來的失業(yè)風險和收入分配失衡。郭凱明(2019)[15]61則指出，人工智能發(fā)展對于勞動收入份額的影響取決于就業(yè)者所在的部門特征，人工智能對不同部門收入分配狀況的影響存在顯著差異。陳利鋒和鐘玉婷(2020)[16]指出，人工智能發(fā)展顯著影響了貨幣政策有效性。這些研究的共同點在于其模型構(gòu)建均基于經(jīng)濟增長分析框架，重視分析人工智能發(fā)展的長期影響。同時，在研究內(nèi)容上，以往研究大多主要集中分析人工智能發(fā)展對經(jīng)濟增長和收入分配的影響，而較少關(guān)注人工智能發(fā)展對勞動力市場以及社會福利產(chǎn)生的影響。作為替代人類勞動力的產(chǎn)物，人工智能發(fā)展必然引起勞動力市場條件改變，那么，人工智能發(fā)展將如何影響勞動者的就業(yè)崗位、勞動收入份額以及社會福利呢？

結(jié)合以往研究的分析思路，本文構(gòu)建了一個包含人工智能的動態(tài)隨機一般均衡模型。模型中，人工智能發(fā)展表現(xiàn)為人工智能投資效率提高和人工智能使用范圍擴大?；谶@一模型框架，本文分別使用穩(wěn)態(tài)分析法、短期分析法和福利分析法考察人工智能發(fā)展對勞動收入份額及社會福利的影響。穩(wěn)態(tài)分析的結(jié)果顯示：(1)人工智能發(fā)展促進了勞動生產(chǎn)率提高和產(chǎn)出增加，但對實際工資和消費的影響具有階段依存特征。在初級階段，人工智能發(fā)展導致失業(yè)增加，勞動力需求減少引起實際工資和消費下降；在較高級階段，人工智能發(fā)展導致實際工資提高和消費增加。(2)無論是人工智能投資效率提高，還是人工智能使用范圍擴大，人工智能發(fā)展均導致勞動收入份額下降。本文使用短期分析方法考察了偏好沖擊與技術(shù)沖擊下人工智能發(fā)展對勞動收入份額的影響，研究結(jié)果表明：(1)與人工智能發(fā)展情況無關(guān)，逆向偏好沖擊與積極的技術(shù)沖擊均引起勞動收入份額下降，技術(shù)沖擊對勞動收入份額的影響大于偏好沖擊；(2)無論是偏好沖擊還是技術(shù)沖擊，人工智能發(fā)展顯著影響勞動收入份額。具體表現(xiàn)為，人工智能發(fā)展程度越高，勞動收入份額下降的幅度越大。本文進一步使用福利分析方法考察人工智能發(fā)展對社會福利的影響。結(jié)果表明，人工智能發(fā)展對社會福利的影響具有階段依存性。當人工智能發(fā)展處于較低級階段，人工智能發(fā)展導致消費和就業(yè)等宏觀經(jīng)濟變量更大的波動，進而引致社會福利的惡化；但是在人工智能發(fā)展的相對較高級階段，人工智能發(fā)展僅引起消費和就業(yè)等宏觀經(jīng)濟變量較小的波動，進而相對實現(xiàn)社會福利的改善。

顯然，本文的研究結(jié)論表明，人工智能發(fā)展對我國社會福利的影響與人工智能發(fā)展階段存在密切聯(lián)系。那么，緣何人工智能發(fā)展的宏觀經(jīng)濟影響呈現(xiàn)這一特征呢？一個重要的原因在于，人工智能發(fā)展同時具有替代效應和生產(chǎn)率獲得效應兩種影響。在人工智能發(fā)展早期階段，人工智能投資效率相對較低且使用范圍相對較小，此時替代效應占優(yōu)，就業(yè)和實際工資下降引起消費和就業(yè)表現(xiàn)出較大幅度波動，進而導致社會福利惡化。在人工智能發(fā)展較高級階段，人工智能投資效率提高以及使用范圍擴大，人工智能發(fā)展帶來的生產(chǎn)率獲得效應超越替代效應，盡管就業(yè)下降但是實際工資上升，消費和就業(yè)波動的幅度相對較小，因而最終實現(xiàn)了社會福利的相對改進。

相比以往研究，本文完成的工作包括：(1)構(gòu)建動態(tài)隨機一般均衡模型考察人工智能發(fā)展的宏觀經(jīng)濟效應。以往研究大多基于局部均衡分析，同時在研究內(nèi)容上主要關(guān)注的是人工智能對經(jīng)濟增長層面的影響。(2)以往研究大多關(guān)注的是人工智能發(fā)展產(chǎn)生的長期(也即穩(wěn)態(tài))效應，而本文則同時關(guān)注了人工智能發(fā)展產(chǎn)生的長期影響與短期影響。(3)與以往研究不同，本文詳細區(qū)分了人工智能發(fā)展產(chǎn)生的替代效應和生產(chǎn)率獲得效應，而以往研究大多關(guān)注的是人工智能發(fā)展產(chǎn)生的替代效應。(4)從社會福利的角度綜合考察了人工智能發(fā)展的宏觀經(jīng)濟效應，因而對于人工智能發(fā)展宏觀經(jīng)濟效應的分析更加全面。

二、模型與設(shè)定

經(jīng)濟中包含勞動互補性資本和勞動替代性資本兩種資本：物質(zhì)資本和人工智能資本。與物質(zhì)資本不同，人工智能資本對勞動具有替代作用。這一替代作用使得人工智能發(fā)展必然引起勞動力市場條件發(fā)生改變，進而影響勞動力需求和勞動者收入份額，并且最終通過勞動力市場的變化影響整個宏觀經(jīng)濟以及社會福利狀況。

(一)家庭的優(yōu)化問題

定義Ct和Nt分別表示典型家庭的消費與就業(yè)，典型家庭的終身效用函數(shù)滿足：

式中，Sk(.)和Sz(.)分別為物質(zhì)資本和人工智能資本的調(diào)整成本，并滿足如下形式：

(1)

(2)

其中，δk和δz分別為物質(zhì)資本和人工智能資本的折舊率；ψk和ψz分別為物質(zhì)資本與人工智能資本調(diào)整成本規(guī)模系數(shù)。

定義μk為反映物質(zhì)資本投資效率的參數(shù)，μz為反映人工智能投資效率的參數(shù)，那么物質(zhì)資本和人工智能資本積累方程為：

(3)

(4)

定義Wt與wt分別表示名義工資與實際工資，那么二者的關(guān)系滿足wt=Wt/Pt。名義工資Wt依據(jù)交錯方式設(shè)定，即：

(5)

決定最優(yōu)工資設(shè)定的一階條件為：

(6)

(二)產(chǎn)品生產(chǎn)企業(yè)

最終產(chǎn)品生產(chǎn)企業(yè)具有完全競爭特征，其對應的利潤為零。定義Pt和Pt(i)分別為CPI與中間產(chǎn)品Yt(i)對應的價格，εp為不同中間產(chǎn)品Yt(i)的替代彈性，Yt為最終產(chǎn)品產(chǎn)出，那么最終產(chǎn)品生產(chǎn)企業(yè)利潤最大化問題的一階條件為：

Yt(i)=(Pt(i)/Pt)-εpYt

中間產(chǎn)品的生產(chǎn)技術(shù)滿足如下CES形式：

(7)

(8)

(9)

(三)市場出清、貨幣政策與沖擊過程

最終產(chǎn)品用于支持所有典型家庭消費、人工智能資本投資及其調(diào)整成本、物質(zhì)資本投資及其調(diào)整成本。因此，市場出清條件為：

(10)

經(jīng)濟中的貨幣政策遵循如下規(guī)則：

(11)

三、模型參數(shù)化

依據(jù)陳利鋒(2019)[17]8、范愛軍和卞學宇(2018)[18]估計的結(jié)果，將貼現(xiàn)因子β、產(chǎn)品替代彈性εp、名義價格剛性θp、就業(yè)替代彈性εw、名義工資剛性θw、弗里希就業(yè)彈性η等參數(shù)分別取值為0.98、1.5、0.75、2、0.5和0.916；依據(jù)郭路和魏楊(2019)[19]的估計結(jié)果，將物質(zhì)資本折舊率δk、物質(zhì)資本貢獻份額γk分別取值設(shè)定為0.04和0.6。依據(jù)石峰和王懺(2019)[20]等關(guān)于穩(wěn)態(tài)物質(zhì)資本投資效率的設(shè)定，將物質(zhì)資本投資效率參數(shù)μk取值校準為1?？紤]物質(zhì)資本與復合勞動之間存在互補性，因而其替代彈性系數(shù)α的取值校準為0.5。依據(jù)陳利鋒(2019)[17]9的設(shè)定，物質(zhì)資本調(diào)整成本參數(shù)ψk、典型家庭效用函數(shù)中就業(yè)的權(quán)重χ取值分別校準為17.5和2。依據(jù)王博等(2019)[21]以及王立勇和紀堯(2019)[22]貝葉斯估計的結(jié)果，貨幣政策中的參數(shù)ρ、ry、rp分別取值為0.8、0.25和1.25。

由于國內(nèi)已有研究未對人工智能資本折舊率δz進行估計，在基準情形中，本文將其取值設(shè)定為0.04。依據(jù)Berg等(2016)[12]11以及郭凱明(2019)[15]70的做法，將人工智能對人工的替代彈性v、人工智能資本投資調(diào)整成本參數(shù)ψz的取值分別校準為2.5和17.5。依據(jù)郭凱明(2019)[15]71的估算結(jié)果，將復合勞動中人工智能的貢獻份額γz首先校準為0.04(對應γz1)，然后依據(jù)Berg等(2016)[12]13估算的結(jié)果進行敏感性分析，即將γz取值分別設(shè)定為0(對應γz2)和0.08(對應γz3)。依據(jù)陳彥斌等(2019)[13]以及Berg等(2016)[12]13的做法，在基準情形中將人工智能資本投資效率參數(shù)μz的取值設(shè)定為1(對應μz1)，然后使用敏感性分析，分別將這一參數(shù)取值設(shè)定為0(對應μz2)和2(對應μz3)，分別代指經(jīng)濟中未使用人工智能以及人工智能深化兩種情形(表1)。

表1 參數(shù)校準

四、穩(wěn)態(tài)與短期動態(tài)分析

本部分主要使用穩(wěn)態(tài)分析與短期動態(tài)分析兩種方法考察人工智能發(fā)展的影響。穩(wěn)態(tài)分析方法基于比較靜態(tài)分析方法的思路，比較在無外生沖擊發(fā)生的情況下人工智能發(fā)展對宏觀經(jīng)濟變量穩(wěn)態(tài)的差異。這一分析方法可以反映人工智能對宏觀經(jīng)濟的長期影響。短期動態(tài)分析使用沖擊反應分析方法，考察人工智能發(fā)展對不同外生沖擊脈沖響應函數(shù)產(chǎn)生的影響。在使用短期動態(tài)分析時，我們設(shè)定所有外生沖擊的持續(xù)性為0.8、沖擊大小為1個單位標準差。

(一)穩(wěn)態(tài)分析

表2顯示的是對應不同的人工智能投資效率時產(chǎn)出等主要宏觀經(jīng)濟變量的穩(wěn)態(tài)。依據(jù)表2可以發(fā)現(xiàn)，對應人工智能投資效率參數(shù)μz為0、1和2時各宏觀變量的特征為：(1)穩(wěn)態(tài)產(chǎn)出Y分別為0.8141、0.8334和0.8749，即人工智能投資效率提高引起穩(wěn)態(tài)產(chǎn)出增加。(2)穩(wěn)態(tài)消費C分別為0.4559、0.4462和0.4709，穩(wěn)態(tài)實際工資w分別為0.7208、0.7120和0.7338，表明人工智能投資效率對穩(wěn)態(tài)消費和穩(wěn)態(tài)實際工資的影響并不具有線性特征。(3)當人工智能投資效率參數(shù)μz的取值為0時，表明人工智能資本在模型經(jīng)濟中未發(fā)生作用，企業(yè)生產(chǎn)過程中未使用人工智能，因而在這一情形中穩(wěn)態(tài)人工智能資本價格Rz、穩(wěn)態(tài)人工智能資本投資Iz以及穩(wěn)態(tài)人工智能資本存量Z均無取值；當μz分別取值為1和2時，穩(wěn)態(tài)人工智能資本價格Rz分別取值為0.06和0.03，穩(wěn)態(tài)人工智能資本投資Iz的取值分別為0.0025和0.0075，穩(wěn)態(tài)人工智能資本存量Z分別為0.075和0.43。顯然，人工智能投資效率提高，引起穩(wěn)態(tài)人工智能資本價格下降以及穩(wěn)態(tài)人工智能資本投資和穩(wěn)態(tài)人工智能資本存量增加。(4)穩(wěn)態(tài)就業(yè)N分別為0.3582、0.3559和0.3530，即人工智能投資效率提高引起就業(yè)下降。(5)單位勞動產(chǎn)出的穩(wěn)態(tài)值分別為2.2728、2.3417和2.4785，由于單位勞動產(chǎn)出表示勞動的生產(chǎn)效率，因而人工智能投資效率的提高引起了勞動生產(chǎn)效率的提高。(6)穩(wěn)態(tài)勞動收入份額分別為0.3171、0.3041和0.2961，表明人工智能資本投資效率提高降低了勞動收入份額。

表2 人工智能資本投資效率與宏觀經(jīng)濟穩(wěn)態(tài)

人工智能投資效率參數(shù)μz取值越大，表明人工智能投資效率越高，人工智能資本的積累成本更低且更為便利，吸引企業(yè)偏好使用人工智能替代人工，導致就業(yè)減少。以往研究將這一效應稱為人工智能發(fā)展的“替代效應”[3]6。人工智能發(fā)展的替代效應使勞動力需求下降，并導致實際工資降低。不過，人工智能發(fā)展還可以通過生產(chǎn)率獲得效應對實際工資施加影響[7]4，即人工智能投資效率提高促進了人工智能的使用，進而引起勞動生產(chǎn)率提高。由于工資與勞動生產(chǎn)率對應，因而人工智能發(fā)展通過提高勞動生產(chǎn)率而引起實際工資增加。Stevenson(2019)[2]4指出，替代效應與生產(chǎn)率獲得效應共同決定了人工智能發(fā)展對實際工資的影響：在人工智能發(fā)展的初級階段，替代效應占優(yōu)，因而實際工資下降；而在人工智能發(fā)展的高級階段，生產(chǎn)率獲得效應占優(yōu)，實際工資提高。因此，人工智能發(fā)展對實際工資的影響并不具有線性特征，實際工資表現(xiàn)出先下降后上升的特征。

勞動收入份額的變化取決于三個因素：實際工資w、就業(yè)N和產(chǎn)出Y。人工智能投資效率參數(shù)μz取值越大，企業(yè)將更加偏好使用人工智能替代人工，勞動生產(chǎn)率得以提高，因而產(chǎn)出隨著人工智能投資效率μz取值的增加而增加。在初級階段，人工智能發(fā)展引起實際工資w、就業(yè)N減少以及產(chǎn)出增加，因而勞動收入份額必然下降；在高級階段，人工智能發(fā)展由于生產(chǎn)率獲得效應而引起實際工資增加、就業(yè)減少和產(chǎn)出增加，但實際工資源于勞動生產(chǎn)率提高，因而其增加的速度慢于勞動生產(chǎn)率增加的速度，勞動收入份額依然下降。

當人工智能投資效率保持不變(μz取值等于1)時，表3顯示了人工智能資本在復合勞動中的貢獻份額(即人工智能使用范圍)γz取不同數(shù)值時宏觀經(jīng)濟變量各自的穩(wěn)態(tài)值。依據(jù)表3可以發(fā)現(xiàn)，對應γz的取值分別為0、0.04、0.08，宏觀經(jīng)濟變量的特征為：(1)穩(wěn)態(tài)產(chǎn)出Y的取值分別為0.8188、0.8334、0.8848。由于γz取值越大表明人工智能資本的使用范圍越廣泛，因而隨著人工智能在復合勞動中的貢獻份額γz取值增加，產(chǎn)出也隨之增加，意味著人工智能適用范圍擴大推動了穩(wěn)態(tài)產(chǎn)出增加。(2)與人工智能投資效率參數(shù)μz變化對穩(wěn)態(tài)實際工資w和穩(wěn)態(tài)消費C的影響類似，穩(wěn)態(tài)消費C相應的取值分別為0.4585、0.4462、0.4804，穩(wěn)態(tài)實際工資w的取值分別為0.7364、0.7120、0.7560，二者均經(jīng)歷先下降后上升的過程。(3)穩(wěn)態(tài)就業(yè)N的取值分別為0.3603、0.3559、0.3509，表明人工智能使用范圍擴大引致就業(yè)減少。穩(wěn)態(tài)勞動生產(chǎn)率也即單位勞動產(chǎn)出的取值分別為2.2726、2.3417、2.5215，而穩(wěn)態(tài)勞動收入份額的取值則為0.3240、0.3041、0.2998，表明人工智能使用范圍擴大提高了勞動生產(chǎn)率，并降低了勞動收入份額。顯然，這一發(fā)現(xiàn)與表2類似，導致這一變化的原因仍然是人工智能發(fā)展同時存在替代效應和生產(chǎn)率獲得效應。(4)當γz取值為0時，人工智能對于復合勞動無貢獻，即企業(yè)生產(chǎn)活動中未使用人工智能，因而此時穩(wěn)態(tài)人工智能資本價格Rz、穩(wěn)態(tài)人工智能資本投資Iz以及穩(wěn)態(tài)人工智能資本存量Z均無取值；當γz取值為0.04和0.08時，穩(wěn)態(tài)人工智能資本價格Rz取值均為0.06，這與表2中人工智能資本投資效率對穩(wěn)態(tài)人工智能資本價格的影響不同。原因在于，穩(wěn)態(tài)人工智能資本價格Rz滿足：

(12)

顯然，Rz的取值與人工智能適用范圍γz的取值無關(guān)，僅與人工智能的投資效率μz的取值有關(guān)，因此，表3中γz的變化并未引起穩(wěn)態(tài)人工智能資本價格Rz的取值發(fā)生改變。當γz取值為0.04和0.08時，穩(wěn)態(tài)人工智能資本投資Iz分別取值為0.0025和0.0151，穩(wěn)態(tài)人工智能資本存量Z的取值分別為0.075和0.3789，即人工智能使用范圍擴大推動了穩(wěn)態(tài)人工智能資本投資Iz、穩(wěn)態(tài)人工智能資本存量Z的增加。其原因在于人工智能資本使用范圍越大，生產(chǎn)過程對人工智能資本的需求越大，刺激了人工智能投資增加，人工智能資本存量也隨之增加。

結(jié)合表2和表3可以發(fā)現(xiàn)，無論是人工智能投資效率提高還是人工智能使用范圍擴大(二者合稱人工智能發(fā)展)，均引起經(jīng)濟中長期產(chǎn)出、人工智能投資、人工智能資本存量增加以及勞動生產(chǎn)率提高，同時也引起就業(yè)減少以及勞動收入份額下降，并且人工智能發(fā)展對于長期實際工資和消費的影響與人工智能的發(fā)展階段密切相關(guān)。

(二)短期分析

與以往相近研究類似，本文使用脈沖響應函數(shù)分析方法進行短期分析，即計算偏好沖擊與技術(shù)沖擊下勞動收入份額的脈沖響應路徑，通過比較人工智能投資效率參數(shù)μz、人工智能使用范圍參數(shù)γz在不同取值下勞動收入份額的脈沖響應，考察人工智能發(fā)展對勞動收入份額的短期影響。

圖1顯示的是對應不同人工智能投資效率偏好沖擊與技術(shù)沖擊下勞動收入份額的動態(tài)變化軌跡?；趫D1可以發(fā)現(xiàn)：第一，與人工智能投資效率μz取值無關(guān)，偏好沖擊與技術(shù)沖擊發(fā)生之后勞動收入份額均表現(xiàn)出下降趨勢。第二，無論是偏好沖擊還是技術(shù)沖擊，μz取值為2的情形下勞動收入份額下降的幅度最大，μz取值為1的情形次之，而μz取值為0的情形下勞動收入份額下降的幅度最小。這意味著，隨著μz取值增加，偏好沖擊、技術(shù)沖擊發(fā)生之后，勞動收入份額下降的幅度越大，即人工智能投資效率越高，勞動收入份額下降的幅度越大。第三，相對偏好沖擊，無論人工智能投資效率μz取值如何，技術(shù)沖擊下勞動收入份額下降的幅度均大于偏好沖擊下勞動收入份額下降的幅度，意味著技術(shù)沖擊對勞動收入份額的影響大于偏好沖擊帶來的影響。

圖1 人工智能投資效率與勞動收入份額

圖2顯示了偏好沖擊與技術(shù)沖擊下對應人工智能使用范圍系數(shù)γz不同取值時勞動收入份額的動態(tài)變化軌跡?；趫D2可以發(fā)現(xiàn)：第一，與圖1中人工智能投資效率對勞動收入份額的影響類似，無論人工智能使用范圍系數(shù)γz取值如何，偏好沖擊與技術(shù)沖擊均引起勞動收入份額下降。第二，當人工智能投資效率μz的取值固定為1時，人工智能使用范圍系數(shù)γz取值為0.08時，無論是偏好沖擊還是技術(shù)沖擊，勞動收入份額下降的幅度均最大，γz取值為0.04時勞動收入份額下降的幅度次之，而γz取值為0時勞動收入份額下降的幅度最小。這意味著，無論是偏好沖擊還是技術(shù)沖擊，人工智能使用范圍系數(shù)γz的取值越大，勞動所得份額下降的幅度越大。第三，與圖1中勞動收入份額的變化軌跡類似，獨立于人工智能使用范圍系數(shù)γz取值情況，技術(shù)沖擊發(fā)生之后勞動收入份額下降的幅度均大于偏好沖擊下勞動收入份額下降的幅度，換言之，技術(shù)沖擊對于勞動收入份額的影響大于偏好沖擊的影響。

圖2 人工智能使用范圍與勞動收入份額

結(jié)合圖1與圖2，可以認為即使在短期人工智能發(fā)展也將導致勞動收入份額下降，同時，比較圖1和圖2中勞動收入份額的下降幅度可以發(fā)現(xiàn)，相同的外生沖擊下，人工智能投資效率參數(shù)μz提高1倍(比如取值從1至2)對勞動收入份額的影響大于人工智能使用范圍參數(shù)γz提高1倍(比如取值從0.04到0.08)對勞動收入份額的影響。這一發(fā)現(xiàn)與穩(wěn)態(tài)分析的結(jié)果基本一致：當μz取值從1增加至2時，穩(wěn)態(tài)勞動收入份額從0.3041下降至0.2961；而當γz取值從0.04增加至0.08時，穩(wěn)態(tài)勞動收入份額從0.3041下降至0.2998。顯然，μz取值改變對穩(wěn)態(tài)勞動收入份額的影響大于γz取值改變對穩(wěn)態(tài)勞動收入份額的影響。

那么，為何偏好沖擊與技術(shù)沖擊均引起勞動收入份額下降呢？首先，逆向偏好沖擊表明典型家庭對當前消費與未來消費之間更傾向于未來消費，相當于總需求下降，因而偏好沖擊必然降低就業(yè)、實際工資和產(chǎn)出。不過，由于產(chǎn)出下降的幅度小于就業(yè)的幅度，進而必然導致勞動收入份額下降。第二，積極的技術(shù)沖擊意味著勞動生產(chǎn)率提高，同樣的產(chǎn)出需要投入的勞動力減少，勞動力需求減少導致就業(yè)與實際工資下降。與就業(yè)、實際工資變化方向相反，技術(shù)進步提高了勞動生產(chǎn)率進而引起產(chǎn)出增加，依據(jù)勞動收入份額的定義可知，技術(shù)進步必然導致勞動收入份額下降。另一個與之相關(guān)的問題是，無論是哪一類型外生沖擊，為何人工智能發(fā)展引致勞動收入份額下降呢？原因在于，無論是人工智能投資效率提高(即μz取值增大)還是人工智能使用范圍擴大(即γz取值增大)，均引致勞動力需求減少和勞動生產(chǎn)率提高，勞動力需求減少直接導致實際工資降低。依據(jù)勞動收入份額的定義可知，勞動收入份額必然隨著人工智能發(fā)展而下降。更重要的是，人工智能發(fā)展程度越高，勞動生產(chǎn)率水平越高，盡管實際工資由于勞動生產(chǎn)率水平的提高而上升，但勞動生產(chǎn)率提高的速度快于實際工資的變化，因而勞動收入份額依然會下降。

(三)人工智能發(fā)展與社會福利

(13)

依據(jù)方程(13)，表4分別給出了人工智能投資效率、人工智能使用范圍對社會福利的影響。表4上半部分給出的是人工智能投資效率對社會福利的影響，從中可以發(fā)現(xiàn)：(1)當人工智能投資效率參數(shù)μz取值為0時，偏好沖擊下消費和就業(yè)的方差分別為0.0259和0.0174；當人工智能投資效率參數(shù)μz取值為1時，消費的方差近似等于(實際值大于)0.0259，就業(yè)的方差為0.0175。這表明當人工智能投資效率參數(shù)由0提高至1，消費和就業(yè)的波動性變大。技術(shù)沖擊的情況與偏好沖擊類似。當μz取值為0時，消費與就業(yè)的方差分別為0.0225和0.1128；而當μz取值為1時，消費的方差近似等于(實際值大于)0.0225，就業(yè)的方差為0.1145，同樣大于μz取值為0 的情形。因此，無論是偏好沖擊還是技術(shù)沖擊，人工智能投資效率參數(shù)由0提高至1 ，消費和就業(yè)均表現(xiàn)出更大的波動性。(2)當人工智能投資效率μz取值為2時，偏好沖擊下消費和就業(yè)的方差分別為0.0221和0.0131，小于μz取值為0和1時的情形；類似的，技術(shù)沖擊下消費與就業(yè)的波動性分別為0.0028和0.0403，同樣小于μz取值為0和1時的情形。因此，當人工智能投資效率μz的取值從1增加至2時，消費和就業(yè)的波動性下降。(3)從社會福利損失的角度，人工智能投資效率μz取值為0時，偏好沖擊與技術(shù)沖擊的社會福利損失分別為0.0352和0.0831；μz取值為1時，偏好沖擊的社會福利損失近似等于(實際值大于)0.0352，技術(shù)沖擊的社會福利損失近似等于(實際值大于)0.0831；μz取值為2時，偏好沖擊的社會福利損失分別為0.0289和0.0238，顯然，μz的取值由0增加至1時，無論是偏好沖擊還是技術(shù)沖擊，社會福利損失均增加；當μz的取值由1增加至2時，無論是偏好沖擊還是技術(shù)沖擊，社會福利損失均降低。

表4 人工智能發(fā)展與社會福利

表4下半部分顯示的是人工智能使用范圍參數(shù)γz對社會福利的影響?；诒?可以發(fā)現(xiàn)：(1)人工智能使用范圍參數(shù)γz取值為0時，消費與就業(yè)的方差分別為0.0259和0.0174；當γz取值為0.04時，消費的方差近似等于(實際值大于)0.0259，就業(yè)的方差近似等于(實際值大于)0.0175。因此，當人工智能的使用范圍參數(shù)γz的取值由0增加至0.04時，消費與就業(yè)的波動性增加。(2)人工智能使用范圍參數(shù)γz取值為0.08時，偏好沖擊下消費與就業(yè)的方差分別為0.0258和0.0171，技術(shù)沖擊下消費與就業(yè)的方差分別為0.0223和0.0224，均小于γz取值為0和0.04時二者的方差。(3)從社會福利損失的估算結(jié)果看，γz取值為0時，偏好沖擊和技術(shù)沖擊各自引致的社會福利損失分別為0.0353和0.0846；γz取值為0.04時，偏好沖擊和技術(shù)沖擊各自引致的社會福利損失分別近似等于(實際值大于)0.0353和0.0831；γz取值為0.08時，偏好沖擊和技術(shù)沖擊各自引致的社會福利損失分別為0.0348和0.0338。因此，當人工智能使用范圍參數(shù)由0增加至0.04，無論是偏好沖擊還是技術(shù)沖擊，社會福利損失將增加；當人工智能使用范圍參數(shù)由0.04增加至0.08，偏好沖擊與技術(shù)沖擊引致的社會福利損失將減少。

綜合表4的結(jié)果可以認為，人工智能發(fā)展對于社會福利的影響并不具有線性特征。依據(jù)Stevenson(2019)[2]8、Acemoglu和Restrepo(2018)[7]10關(guān)于人工智能發(fā)展階段的劃分可以認為，人工智能發(fā)展對于社會福利的影響具有階段依存特征：在人工智能發(fā)展初級階段，比如人工智能投資效率參數(shù)μz取值從0至1、人工智能使用范圍參數(shù)γz取值從0至0.04(分別代表著人工智能投資效率相對較低、人工智能使用范圍較小的發(fā)展階段)，人工智能發(fā)展加劇了消費和就業(yè)等宏觀經(jīng)濟變量波動，并導致了社會福利的惡化；在人工智能發(fā)展較高級階段，比如人工智能投資效率參數(shù)μz取值從1至2、人工智能使用范圍參數(shù)γz取值從0.04至0.08(分別代表著人工智能投資效率相對較高、人工智能使用范圍較廣的發(fā)展階段)，人工智能發(fā)展降低了消費和就業(yè)等宏觀經(jīng)濟變量的波動，進而實現(xiàn)了社會福利的改進。

五、結(jié)論

結(jié)合人工智能快速發(fā)展的現(xiàn)實，構(gòu)建包含人工智能的動態(tài)隨機一般均衡模型，并使用穩(wěn)態(tài)分析、短期分析以及福利分析方法，考察人工智能發(fā)展對勞動收入份額以及社會福利的影響，得到如下研究結(jié)論：(1)穩(wěn)態(tài)分析的結(jié)果顯示，人工智能投資效率提高和人工智能使用范圍擴大均引起產(chǎn)出增加、勞動生產(chǎn)率提高以及就業(yè)減少。不過，人工智能發(fā)展對實際工資以及消費的影響具有階段依存特征。同時，人工智能投資效率提高和人工智能使用范圍擴大均引起勞動收入份額下降。(2)短期分析的結(jié)果顯示，無論人工智能發(fā)展如何，逆向偏好沖擊和擴張性技術(shù)沖擊均引起勞動收入份額下降，并且技術(shù)沖擊對勞動收入份額的影響大于偏好沖擊。隨著人工智能的發(fā)展，人工智能投資效率越高，或者人工智能使用范圍越廣，勞動收入份額下降的幅度越大。(3)福利分析的結(jié)果表明，人工智能發(fā)展對于社會福利的影響與人工智能的發(fā)展階段密切相關(guān)。在人工智能發(fā)展的初級階段，無論是人工智能投資效率提高，還是人工智能使用范圍擴大，均會導致社會福利的惡化。在人工智能發(fā)展的較高級階段，無論是人工智能投資效率提高，還是人工智能使用范圍擴大，均會引起社會福利的改進。

本文嘗試將對人工具有替代特征的人工智能資本引入模型框架，并基于這一框架分析了人工智能發(fā)展對勞動收入份額及社會福利的影響。作為嘗試，本文仍存在一些可以深入研究之處：(1)在本文的模型中，企業(yè)使用人工智能決策并非內(nèi)生決定，而是看做一個必然選擇。這一做法可以簡化分析過程及難度，但忽略了人工智能發(fā)展過程中企業(yè)的決策選擇。一個可行的做法是借鑒勞動力市場搜尋與匹配方法，考慮企業(yè)在使用人工智能決策時的成本和收益，完整地分析人工智能作為生產(chǎn)投入的最優(yōu)決策過程。這一方面的研究可以參考Petrosky-Nadeau和Wasmer(2017)[24]等關(guān)于資本市場搜尋與匹配的分析思路。(2)本文盡管分析了人工智能發(fā)展的宏觀經(jīng)濟影響，但并未對人工智能時代的財政政策或者貨幣政策進行考察，因此，一個可行的拓展是基于本文的分析框架考察人工智能發(fā)展背景下實現(xiàn)宏觀經(jīng)濟穩(wěn)定的財政與貨幣政策設(shè)計。(3)本文主要采用的是數(shù)值模擬方法考察人工智能發(fā)展對勞動收入份額以及社會福利的影響，并未使用相關(guān)宏觀數(shù)據(jù)或者微觀調(diào)查數(shù)據(jù)，因此，另一個可行的方向是使用人工智能發(fā)展方面的相關(guān)數(shù)據(jù)進行參數(shù)估計或?qū)慕?jīng)驗研究(1)余玲錚等(2019)[25]使用微觀企業(yè)調(diào)查數(shù)據(jù)考察了人工智能發(fā)展對勞動者收入的影響。。(4)本文并未分析人工智能發(fā)展對財政政策與貨幣政策傳導機制產(chǎn)生的影響，關(guān)于這一方面的研究，可以參考陳利鋒和鐘玉婷(2020)[16]以及韓民春和韓青江(2020)[26]的相關(guān)研究。