何 勤

(首都經(jīng)濟(jì)貿(mào)易大學(xué) 勞動(dòng)經(jīng)濟(jì)學(xué)院，北京 100070)

一、問題的提出

《新一代人工智能發(fā)展規(guī)劃》指出，要推進(jìn)人工智能研發(fā)攻關(guān)、產(chǎn)品應(yīng)用和產(chǎn)業(yè)培育“三位一體”發(fā)展，以技術(shù)突破推動(dòng)領(lǐng)域應(yīng)用和產(chǎn)業(yè)升級，因此人工智能企業(yè)創(chuàng)新投入已成為未來人工智能突破發(fā)展的關(guān)鍵所在，并成為推動(dòng)我國產(chǎn)業(yè)向智能化躍升以及經(jīng)濟(jì)高質(zhì)量發(fā)展的主要?jiǎng)恿?。在?jīng)濟(jì)高質(zhì)量發(fā)展的現(xiàn)實(shí)背景下，通過人工智能創(chuàng)新促進(jìn)高質(zhì)量就業(yè)是提升我國勞動(dòng)力就業(yè)質(zhì)量的重要途徑，而員工收入是表征勞動(dòng)者就業(yè)質(zhì)量的重要指標(biāo)，因此研究人工智能創(chuàng)新投入對員工收入的影響，對探索我國在發(fā)展人工智能背景下實(shí)現(xiàn)更高質(zhì)量就業(yè)的路徑，以及在加快產(chǎn)業(yè)智能化升級的前提下，調(diào)節(jié)收入分配和推動(dòng)共享發(fā)展等方面具有重要的現(xiàn)實(shí)意義。

在國家人工智能戰(zhàn)略和政策紅利的驅(qū)動(dòng)下，我國持續(xù)加大在人工智能領(lǐng)域的投入，同時(shí)人工智能企業(yè)也得到資本的青睞，人工智能上市公司占比逐年攀升。人工智能上市公司，即人工智能概念股上市公司，是指依賴于科技和技術(shù)創(chuàng)新，以人工智能技術(shù)研發(fā)和應(yīng)用為主營業(yè)務(wù)的上市企業(yè)，簡稱人工智能企業(yè)。由于人工智能上市企業(yè)對人工智能技術(shù)創(chuàng)新的投入具有籌資優(yōu)勢且投入逐年上升，這種變動(dòng)趨勢使人工智能上市企業(yè)在分析創(chuàng)新投入與員工收入關(guān)系方面具有典型性。

國內(nèi)外對人工智能技術(shù)創(chuàng)新與員工收入的關(guān)系的認(rèn)識(shí)存在較大爭議，得出三種不一致的結(jié)論：一是單極化影響效應(yīng)，認(rèn)為高技能勞動(dòng)者是人工智能技術(shù)進(jìn)步的受益者，人工智能有利于高技能勞動(dòng)者的工資增長。自20世紀(jì)80年代以來，歐美等發(fā)達(dá)國家人工智能技術(shù)創(chuàng)新對員工收入的影響呈現(xiàn)出高技能工人工資增速高于低技能工人的現(xiàn)象。Acemoglu & Restrepo[1-2]提出，人工智能對勞動(dòng)力收入水平的影響與勞動(dòng)力類型有關(guān)，即人工智能會(huì)對低技能勞動(dòng)力收入水平產(chǎn)生負(fù)面影響，對從事抽象性、創(chuàng)造性領(lǐng)域勞動(dòng)者的收入產(chǎn)生顯著的正向影響。程紅等[3]認(rèn)為，人工智能新技術(shù)的運(yùn)用為高質(zhì)量勞動(dòng)力帶來了更高的工資溢價(jià)，同時(shí)將低質(zhì)量勞動(dòng)力擠出勞動(dòng)力市場。二是兩極化影響效應(yīng)，即高技能勞動(dòng)者、低技能勞動(dòng)者都是人工智能技術(shù)進(jìn)步的受益者。Autor[4]對1993—2010年歐盟16個(gè)國家不同技能等級勞動(dòng)者的收入開展研究，發(fā)現(xiàn)就業(yè)極化促進(jìn)工資極化現(xiàn)象的形成，即人工智能技術(shù)創(chuàng)新使高技能勞動(dòng)者、低技能勞動(dòng)者的收入增加，而中等技能水平勞動(dòng)者收入降低。蔡躍洲、陳楠[5]對人工智能自動(dòng)化過程進(jìn)行分析，認(rèn)為技術(shù)創(chuàng)新會(huì)帶來就業(yè)結(jié)構(gòu)兩極化，并且拉大不同群體間的收入差距，帶來收入不平等現(xiàn)象。三是收入整體下降效應(yīng)，一些學(xué)者認(rèn)為人工智能技術(shù)的替代效應(yīng)在短期內(nèi)導(dǎo)致更多勞動(dòng)者面臨失業(yè)問題。勞動(dòng)力市場面臨高質(zhì)量勞動(dòng)力的短缺與低質(zhì)量勞動(dòng)力轉(zhuǎn)型緩慢兩方面的問題，從而使員工整體收入水平在短期內(nèi)呈現(xiàn)下降態(tài)勢。上述討論鮮有從二者的非線性關(guān)系及作用機(jī)制進(jìn)行理論探討和實(shí)證檢驗(yàn)。

本文以我國人工智能上市企業(yè)為研究對象，旨在研究：人工智能企業(yè)創(chuàng)新投入與員工收入之間是否存在非線性的演變關(guān)系？人工智能創(chuàng)新投入如何影響員工收入水平？是否存在異質(zhì)性？本文在理論分析的基礎(chǔ)上提出研究假設(shè)，并且對所選取的2013—2018年人工智能上市樣本企業(yè)的年報(bào)數(shù)據(jù)進(jìn)行實(shí)證分析，力圖探索人工智能企業(yè)創(chuàng)新投入與員工收入之間的關(guān)系及作用機(jī)制并提出相應(yīng)建議。

本文的邊際貢獻(xiàn)在于：一是突破現(xiàn)有文獻(xiàn)對人工智能與員工收入的線性關(guān)系的討論，從創(chuàng)新激勵(lì)機(jī)制的視野，聚焦人工智能企業(yè)創(chuàng)新投入與員工收入的非線性關(guān)系，提出人工智能企業(yè)創(chuàng)新投入對員工收入影響效應(yīng)的“U”型曲線關(guān)系，得出“U”型曲線的拐點(diǎn)值，從技能結(jié)構(gòu)錯(cuò)配的視角分析了關(guān)鍵影響機(jī)制；二是從提升產(chǎn)品價(jià)值、增加員工技能水平適配度以及提高企業(yè)成長能力三個(gè)方面探討了人工智能企業(yè)創(chuàng)新投入對員工收入的影響機(jī)制，其中提升產(chǎn)品價(jià)值、增加員工技能水平適配度的作用機(jī)制得到驗(yàn)證，進(jìn)一步拓展了現(xiàn)有文獻(xiàn)的研究深度；三是發(fā)現(xiàn)了人工智能與員工收入的關(guān)系在不同行業(yè)類型、治理水平、不同企業(yè)規(guī)模中的異質(zhì)性結(jié)論，為針對不同企業(yè)通過差異化的人工智能創(chuàng)新投入策略來調(diào)節(jié)收入分配提供了借鑒。

二、理論分析與研究假設(shè)

(一)人工智能創(chuàng)新投入對員工收入的影響效應(yīng)分析

人工智能創(chuàng)新投入對員工收入的影響表現(xiàn)為時(shí)間維度上的動(dòng)態(tài)演變關(guān)系，以及影響結(jié)果的抑制和促進(jìn)“雙刃劍”效應(yīng)。人工智能創(chuàng)新投入通過就業(yè)對收入的影響分為短期和長期兩個(gè)方面，劉春燕[6]認(rèn)為，短期創(chuàng)新投入引發(fā)的技術(shù)進(jìn)步會(huì)減少就業(yè)，降低收入，但在長期內(nèi)又會(huì)促進(jìn)就業(yè)的增長，提高整體收入水平。Acemoglu & Autor[7]提出機(jī)器人的使用在短期內(nèi)對非技能勞動(dòng)力會(huì)產(chǎn)生1～2個(gè)百分點(diǎn)的即期沖擊，但從10～20年跨度的長期角度看，機(jī)器人對勞動(dòng)力的替代效應(yīng)趨近于零。王君等[8]分析了人工智能創(chuàng)新投入引發(fā)的技術(shù)進(jìn)步在時(shí)序上對就業(yè)影響的階段性差異，即在技術(shù)進(jìn)步導(dǎo)入期，破壞效應(yīng)明顯，而在拓展期，創(chuàng)造效應(yīng)凸顯，在衰退期，其對就業(yè)的影響減弱。同時(shí)，王君等[8]還對技術(shù)進(jìn)步對就業(yè)總量的拓展性影響進(jìn)行探討，認(rèn)為一方面，技術(shù)進(jìn)步提高了勞動(dòng)生產(chǎn)率和資本生產(chǎn)率，在直接減少就業(yè)崗位的同時(shí)，導(dǎo)致資本對勞動(dòng)的替代，對就業(yè)造成沖擊。另一方面，技術(shù)進(jìn)步及其廣泛應(yīng)用，又會(huì)創(chuàng)造新的就業(yè)崗位，對就業(yè)產(chǎn)生正向創(chuàng)造效應(yīng)，同時(shí)，技術(shù)進(jìn)步還能夠顯著降低勞動(dòng)強(qiáng)度，提高勞動(dòng)生產(chǎn)率，改善工作環(huán)境，提高勞動(dòng)者的工作舒適度和滿意度，推動(dòng)勞動(dòng)者報(bào)酬快速增長和休閑時(shí)間延長，整體上具有明顯的就業(yè)質(zhì)量改善效應(yīng)。據(jù)此，人工智能企業(yè)創(chuàng)新投入對員工收入可能產(chǎn)生兩方面的影響。

第一，從抑制效應(yīng)來看，主要體現(xiàn)為短期就業(yè)替代機(jī)制下的破壞作用。一方面，人工智能對部分崗位和工作任務(wù)的直接替代。在短期內(nèi)，由于人工智能技術(shù)帶來的低成本、高效率、精細(xì)化等優(yōu)勢相對于人類的工作能力較為顯著，從而導(dǎo)致企業(yè)對勞動(dòng)需求下降并對員工總體收入產(chǎn)生消極影響。同時(shí)，人工智能對常規(guī)體力型和常規(guī)認(rèn)知型任務(wù)的替代性也得到驗(yàn)證，其對勞動(dòng)者收入變化的解釋力越來越強(qiáng)[7]。另一方面，員工技能不匹配帶來的工資調(diào)整“滯后性”。人工智能技術(shù)創(chuàng)新提升了崗位的技能要求，進(jìn)一步加快了就業(yè)極化的趨勢，即常規(guī)性、事務(wù)性崗位的勞動(dòng)需求相對于高技能和低技能崗位減少[9]，不同技能水平崗位的就業(yè)比重呈“U”型變動(dòng)趨勢，這一現(xiàn)象使部分被人工智能替代的失業(yè)者向技能要求的兩端流動(dòng)，然而新的任務(wù)往往需要新的技能，如果就業(yè)者不具備這些技能，那么在其調(diào)整工作崗位的過程中就會(huì)遭遇較大的阻力，造成技術(shù)與技能的不匹配，從而減緩了就業(yè)和工資的調(diào)整。而勞動(dòng)者提升知識(shí)技能的過程中存在一定的時(shí)間滯后效應(yīng)，因此導(dǎo)致勞動(dòng)力需求在短期內(nèi)呈現(xiàn)下降趨勢，從而造成員工收入整體水平降低。

第二，從促進(jìn)效應(yīng)來看，主要體現(xiàn)為長期就業(yè)創(chuàng)造機(jī)制下的補(bǔ)償作用。一方面，新崗位創(chuàng)造帶來整體收入增加。隨著企業(yè)對人工智能技術(shù)創(chuàng)新投入的不斷增加，它也需要引入更多勞動(dòng)力填補(bǔ)創(chuàng)造出的新崗位空缺。長期來看，當(dāng)企業(yè)的創(chuàng)新投入達(dá)到一定水平時(shí)會(huì)增加更多新產(chǎn)品的消費(fèi)需求，企業(yè)對勞動(dòng)力的需求依然大量存在，員工總體收入將呈現(xiàn)上漲趨勢。另一方面，員工技能提升后帶來工資溢價(jià)提升。員工在技術(shù)發(fā)展的潮流中得到新知識(shí)技能的培訓(xùn)，通過消耗一定的時(shí)間成本，提升其工作能力，從而產(chǎn)生技能的工資溢價(jià)。朱巧玲、李敏[10]認(rèn)為人工智能技術(shù)創(chuàng)新通過提升工作任務(wù)的技能要求，在一定程度上提升了自身的價(jià)值，從而使員工收入整體水平趨于提升?；谏鲜龇治觯疚奶岢鋈缦麓?yàn)證的研究假設(shè)。

H1：人工智能企業(yè)創(chuàng)新投入對員工收入產(chǎn)生顯著影響，并且這種影響效應(yīng)呈現(xiàn)出非線性的“U”型關(guān)系。當(dāng)創(chuàng)新投入位于“U”型曲線左側(cè)拐點(diǎn)時(shí)，對員工收入產(chǎn)生抑制效應(yīng)，當(dāng)創(chuàng)新投入位于“U”型曲線右側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入對員工收入產(chǎn)生促進(jìn)效應(yīng)。

(二)作用機(jī)制分析

1.人工智能創(chuàng)新投入與產(chǎn)品價(jià)值

熊彼特認(rèn)為技術(shù)進(jìn)步不是單純的節(jié)省勞動(dòng)力的過程創(chuàng)新，在這個(gè)過程中還產(chǎn)生了新的生產(chǎn)分支，代替了舊產(chǎn)品，打破了原有產(chǎn)品的價(jià)值，產(chǎn)生了新產(chǎn)品，刺激了額外的消費(fèi)，但人工智能技術(shù)進(jìn)步總體上加劇了收入的不平等，員工實(shí)際工資短期內(nèi)下降，最終會(huì)上升，但上升需要很長時(shí)間，長到令人擔(dān)憂[11]。同時(shí)，人工智能創(chuàng)新投入導(dǎo)致生產(chǎn)率提高，可能造成平均生產(chǎn)成本下降，這在高度競爭的市場中會(huì)轉(zhuǎn)化為產(chǎn)品價(jià)格的下降，但這種下降可能因價(jià)格剛性和市場的非競爭性而受限，這將削弱新產(chǎn)品的價(jià)值，抑制消費(fèi)和崗位的創(chuàng)造，降低收入。綜上，人工智能投入在短期內(nèi)可能導(dǎo)致產(chǎn)品價(jià)值下降，員工收入降低。

人工智能具有技術(shù)乘數(shù)補(bǔ)償效應(yīng)，從長期看，企業(yè)對人工智能技術(shù)創(chuàng)新投入增加到一定程度，會(huì)帶來經(jīng)濟(jì)范圍的擴(kuò)大[8]，對微觀企業(yè)來說，主要表現(xiàn)為新產(chǎn)品、新部門的形成，人工智能技術(shù)通過改進(jìn)生產(chǎn)工藝，使生產(chǎn)效率和企業(yè)創(chuàng)新能力得到極大提高，在提升原有產(chǎn)品的質(zhì)量和出廠速度的同時(shí)，隨著企業(yè)研發(fā)能力的提高，產(chǎn)品的性能、功能和設(shè)計(jì)等方面都會(huì)有所突破，產(chǎn)品價(jià)值得到提升，從而增加企業(yè)利潤。對于勞動(dòng)者來說，新技術(shù)的研發(fā)、推廣和應(yīng)用需要大量人員，進(jìn)而使其工作機(jī)會(huì)和收入水平得到提升。與傳統(tǒng)生產(chǎn)過程相比，人工智能技術(shù)的可復(fù)制性使其產(chǎn)品生產(chǎn)的邊際成本為零，可以通過對知識(shí)進(jìn)行重組和整合的方式，快速催生出更為豐富的創(chuàng)新型產(chǎn)品?；谏鲜龇治觯疚奶岢鋈缦麓?yàn)證的研究假設(shè)。

H2：人工智能企業(yè)創(chuàng)新投入對員工收入產(chǎn)生的“U”型關(guān)系通過產(chǎn)品價(jià)值提升產(chǎn)生作用。當(dāng)創(chuàng)新投入位于“U”型曲線左側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入會(huì)引發(fā)產(chǎn)品價(jià)值下降從而對員工收入產(chǎn)生抑制效應(yīng)，當(dāng)創(chuàng)新投入位于“U”型曲線右側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入會(huì)提升產(chǎn)品價(jià)值，對員工收入產(chǎn)生促進(jìn)效應(yīng)。

2.人工智能創(chuàng)新投入與技能適配度

Acemoglu & Restrepo[12]提出人工智能創(chuàng)造的新技術(shù)和任務(wù)要求與勞動(dòng)力技能的不匹配，導(dǎo)致新技術(shù)生產(chǎn)率受限制，減緩了勞動(dòng)力需求，引發(fā)收入不平等，也降低了生產(chǎn)力的收益。這一觀點(diǎn)為本文提供了一個(gè)全新的研究視角和新的中介變量，即技術(shù)與技能適配度。人工智能創(chuàng)新投入早期，人工智能創(chuàng)造的新技術(shù)和任務(wù)要求與勞動(dòng)力具備的技能不匹配，會(huì)引發(fā)技能結(jié)構(gòu)錯(cuò)配化，這種錯(cuò)配化會(huì)導(dǎo)致收入降低，而員工收入水平的提高需要相對長期的培訓(xùn)和教育投資，因此會(huì)對員工收入產(chǎn)生抑制效應(yīng)。同時(shí)，人工智能與高技能勞動(dòng)之間存在互補(bǔ)關(guān)系，而與低技能勞動(dòng)存在替代關(guān)系，因此人工智能通過增強(qiáng)人機(jī)合作提高了高技能工人的勞動(dòng)生產(chǎn)率，使高技能勞動(dòng)力工資上漲，相反，人工智能對低技能勞動(dòng)的替代會(huì)降低他們的工資，在這個(gè)過程中會(huì)拉大收入差距。Braconier & Ruizvalenzuel[13]進(jìn)一步指出，如果當(dāng)前偏向高技能的技術(shù)趨勢持續(xù)，到2060年OECD(經(jīng)濟(jì)合作與發(fā)展組織)國家的收入差距會(huì)比現(xiàn)在提高30%。

隨著人工智能創(chuàng)新投入程度增加，根據(jù)技術(shù)進(jìn)步下的勞動(dòng)力供給效應(yīng)補(bǔ)償機(jī)制[8]，由于企業(yè)增加人工智能創(chuàng)新投入對員工的工作機(jī)會(huì)產(chǎn)生影響，必然會(huì)對員工技能供給產(chǎn)生影響，為了能夠滿足技術(shù)創(chuàng)新帶來的崗位新要求，員工需要延伸其受教育水平，參加新技能培訓(xùn)，以提高自身的技能，從而增強(qiáng)對技術(shù)創(chuàng)新的反饋效應(yīng)，這一過程會(huì)提高員工的技能結(jié)構(gòu)適配度，提升技能溢價(jià)能力，對員工收入產(chǎn)生促進(jìn)效應(yīng)。同時(shí)，隨著人工智能的普及，人工智能成本的下降為企業(yè)以人工智能替代勞動(dòng)力帶來了巨大的經(jīng)濟(jì)激勵(lì)，同時(shí)，那些自身技能由于人工智能化過程中的技能提升帶來的技能溢價(jià)大幅提高，對員工收入產(chǎn)生促進(jìn)效應(yīng)?；谏鲜龇治?，本文提出待驗(yàn)證的研究假設(shè)：

H3：人工智能企業(yè)創(chuàng)新投入對員工收入產(chǎn)生的“U”型關(guān)系通過員工技能水平適配性產(chǎn)生作用。當(dāng)創(chuàng)新投入位于“U”型曲線左側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入會(huì)引發(fā)技能結(jié)構(gòu)錯(cuò)配化從而對員工收入產(chǎn)生抑制效應(yīng)，當(dāng)創(chuàng)新投入位于“U”型曲線右側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入會(huì)加速技能結(jié)構(gòu)適配，對員工收入產(chǎn)生促進(jìn)效應(yīng)。

3.人工智能創(chuàng)新投入與企業(yè)成長能力

李曉宇、陳國卿[14]認(rèn)為企業(yè)成長能力在人工智能創(chuàng)新投入與企業(yè)績效之間起到顯著非線性中介作用。人工智能創(chuàng)新投入需要經(jīng)歷組織變革轉(zhuǎn)型期和創(chuàng)新能力構(gòu)建期,才會(huì)對企業(yè)成長能力產(chǎn)生促進(jìn)作用，因此在人工智能創(chuàng)新投入早期，企業(yè)成長能力下降。同時(shí)，由于企業(yè)資源的有限性，人工智能創(chuàng)新投入可能擠占生產(chǎn)、銷售、人力資本等投入，增加人工智能創(chuàng)新投入勢必會(huì)打破人工智能創(chuàng)新投入與企業(yè)成長能力之間的最佳平衡點(diǎn)，使企業(yè)成長能力下降，導(dǎo)致企業(yè)績效下降甚至虧損，從而對員工的收入產(chǎn)生抑制效應(yīng)。

隨著人工智能創(chuàng)新投入增加，企業(yè)創(chuàng)新環(huán)境、專利數(shù)量、技術(shù)創(chuàng)新能力等呈現(xiàn)出顯著的改善狀態(tài)，這些改善將提高企業(yè)的競爭優(yōu)勢。同時(shí)，人工智能的創(chuàng)新投入會(huì)通過降低外部融資約束，使企業(yè)獲得更高的市場回報(bào)率和成長性，給企業(yè)帶來較高經(jīng)濟(jì)效益，進(jìn)而為提高員工收入水平提供了利潤空間，對員工的收入產(chǎn)生促進(jìn)效應(yīng)。基于上述分析，本文提出待驗(yàn)證的研究假設(shè)：

H4：人工智能企業(yè)創(chuàng)新投入對員工收入產(chǎn)生的“U”型關(guān)系通過企業(yè)成長能力產(chǎn)生作用。當(dāng)創(chuàng)新投入位于“U”型曲線左側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入會(huì)引發(fā)企業(yè)成長能力下降從而對員工收入產(chǎn)生抑制效應(yīng)，當(dāng)創(chuàng)新投入位于“U”型曲線右側(cè)拐點(diǎn)時(shí)，人工智能創(chuàng)新投入會(huì)提高企業(yè)成長能力，對員工收入產(chǎn)生促進(jìn)效應(yīng)。

三、變量定義、數(shù)據(jù)來源與模型設(shè)定

(一)變量定義

1.被解釋變量

本文將員工收入作為被解釋變量，選取企業(yè)財(cái)務(wù)報(bào)表中的應(yīng)付職工薪酬作為衡量指標(biāo)。

2.解釋變量

基于當(dāng)前已有的包括人工智能在內(nèi)的技術(shù)創(chuàng)新相關(guān)研究，參考王雷[15]的變量指標(biāo)選取方式，本文選擇研發(fā)投入作為衡量企業(yè)人工智能創(chuàng)新投入的指標(biāo)。由于本文提出人工智能創(chuàng)新投入可能會(huì)對員工收入產(chǎn)生“U”型的非線性影響，因而解釋變量也包括了其二次項(xiàng)。

3.中介變量

借鑒已有文獻(xiàn)的做法[13],本研究將產(chǎn)品價(jià)值、技能水平和成長能力作為本文中介變量，中介變量的定義見表1。

4.控制變量

本文借鑒現(xiàn)有文獻(xiàn)，在回歸中納入企業(yè)年齡、資產(chǎn)規(guī)模、資本結(jié)構(gòu)、盈利能力、營運(yùn)能力、員工規(guī)模作為控制變量。變量選取與說明如表1所示。

表1 變量定義

(二)數(shù)據(jù)來源

本文數(shù)據(jù)來源于同花順數(shù)據(jù)庫。根據(jù)數(shù)據(jù)的可獲得性和完整性，本文數(shù)據(jù)處理步驟為：(1)從同花順數(shù)據(jù)庫中檢索我國當(dāng)前人工智能上市公司，根據(jù)前后4次檢索結(jié)果，獲得相關(guān)企業(yè)數(shù)量共138家；(2)根據(jù)企業(yè)年報(bào)數(shù)據(jù)的發(fā)布狀況，避免出現(xiàn)大面積數(shù)據(jù)缺失，導(dǎo)出2013—2018年我國人工智能上市公司各指標(biāo)的數(shù)據(jù)；(3)在所得樣本公司中剔除ST和*ST公司；(4)在所得樣本公司中剔除各主要變量指標(biāo)數(shù)據(jù)缺失的企業(yè)樣本。經(jīng)過篩選，最終獲得87家人工智能上市企業(yè)數(shù)據(jù)，樣本量共522個(gè)。

(三)模型設(shè)定

本文首先構(gòu)建靜態(tài)面板數(shù)據(jù)的固定效應(yīng)回歸模型，在該模型中引入RD的二次項(xiàng)，以檢驗(yàn)人工智能技術(shù)創(chuàng)新與員工收入的“U”型非線性關(guān)系，根據(jù)沈能、張斌[16]的研究，構(gòu)建模型方程如下：

(1)

其中，SI為員工收入水平，RD表示企業(yè)的人工智能創(chuàng)新投入，RD2是其平方項(xiàng)，控制變量X包括Age、AS、CS、RE、IT、SS，i和t分別表示企業(yè)以及年份。

從影響員工收入的因素來看，如企業(yè)規(guī)模、企業(yè)生命周期、組織結(jié)構(gòu)等具有存量因素特征，從而導(dǎo)致員工收入無法在短期內(nèi)迅速進(jìn)行調(diào)整。由于式(1)中隱含了員工收入不存在滯后效應(yīng)的假設(shè)，借鑒沈能、張斌[16]的研究方法根據(jù)局部調(diào)整模型的思路在回歸模型中納入滯后效應(yīng)，調(diào)整模型如下：

(2)

在式(2)中，SI*為預(yù)期最優(yōu)員工收入，U表示解釋變量組成的向量，s為其系數(shù)向量，θ、ξ分別表示常數(shù)項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)。該方程體現(xiàn)了解釋變量當(dāng)期水平對企業(yè)員工收入期望值的影響，根據(jù)局部調(diào)整模型的假設(shè)，在技術(shù)發(fā)展水平、市場機(jī)制、企業(yè)內(nèi)部體制等條件的作用下，員工收入期望值的調(diào)整與實(shí)際變化存在一定程度的差異，其調(diào)整關(guān)系方程(3)。其中，1-λ(0<λ<1)為實(shí)際員工收入向期望值調(diào)整的系數(shù)，將方程(2)帶入式(3)得出式(4)。

(3)

(4)

其中，θ*=(1-λ)θ，s*=(1-λ)s，ξ*=(1-λ)ξ。s*和s分別為短期和長期乘數(shù)，反映解釋變量U對員工收入的短期和長期影響，SIi,t-1表示滯后一期的員工收入，一方面控制了各企業(yè)初始狀態(tài)存在的差異，另一方面對降低企業(yè)創(chuàng)新投入內(nèi)生性問題起到一定的作用。最終的回歸模型如式(5)，β0～β8為待估參數(shù)，μ為隨機(jī)擾動(dòng)項(xiàng)。

β5CSi,t+β6REi,t+β7ITi,t+β8SSi,t+μi,t

(5)

四、實(shí)證結(jié)果及分析

(一)描述性統(tǒng)計(jì)結(jié)果

樣本公司所屬地區(qū)主要包括廣東(25.3%)、北京(22.1%)、浙江(10.5%)等地，并且廣東和北京市所屬地區(qū)的企業(yè)居多。從地理位置分布來看，樣本企業(yè)主要分布在我國沿海地區(qū)，并且這些地區(qū)的人工智能技術(shù)發(fā)展處于全國領(lǐng)先地位。從上市地分布來看，樣本企業(yè)在深圳證券交易所上市占比為81%，上海證券交易所占比為19%，說明該地區(qū)對人工智能企業(yè)的接納和重視度較高，大多數(shù)人工智能企業(yè)選擇從東南沿海地區(qū)上市。從企業(yè)性質(zhì)來看，樣本企業(yè)以民營企業(yè)(72.6%)為主，說明民營企業(yè)相對來說對人工智能技術(shù)的引進(jìn)和研發(fā)程度較大，受到約束相對國有企業(yè)來說較小，在做決策和選擇上具有相對較大的靈活性。此外，本文對各變量的對數(shù)取值進(jìn)行了描述性統(tǒng)計(jì)分析，結(jié)果如表2所示。SI均值為8.304，標(biāo)準(zhǔn)差為1.617，最大值與最小值均處于正向，說明總體上SI呈現(xiàn)上升趨勢；RD標(biāo)準(zhǔn)差為1.509，最大值與最小值差異較大，說明RD值總體波動(dòng)性較小，但有個(gè)別值的差異較大。

表2 主要變量的描述性統(tǒng)計(jì)結(jié)果

(二)創(chuàng)新投入對員工收入水平影響的實(shí)證分析

表3展示了87家人工智能上市企業(yè)創(chuàng)新投入對員工收入影響效應(yīng)的基準(zhǔn)回歸結(jié)果。其中，分別采取靜態(tài)和動(dòng)態(tài)下的POLS法、RE法、FE法以及GMM估計(jì)方法對模型進(jìn)行檢驗(yàn)，結(jié)果顯示，主要解釋變量的估計(jì)系數(shù)基本上呈現(xiàn)較為一致的符號(hào)方向和顯著性。從解釋變量的估計(jì)結(jié)果來看：模型1、模型3、模型5分別采用三種靜態(tài)估計(jì)方法，對人工智能企業(yè)創(chuàng)新投入的一次項(xiàng)和二次項(xiàng)進(jìn)行估計(jì)。模型1采用靜態(tài)POLS估計(jì)法，人工智能企業(yè)創(chuàng)新投入的一次項(xiàng)不顯著且呈現(xiàn)負(fù)向，其二次項(xiàng)顯著且系數(shù)為正向；在模型3、模型5中，人工智能企業(yè)創(chuàng)新投入一次項(xiàng)和二次項(xiàng)均顯著，且一次項(xiàng)系數(shù)為負(fù)，二次項(xiàng)系數(shù)為正。模型2、模型4、模型6分別采用三種動(dòng)態(tài)估計(jì)方法，對人工智能企業(yè)創(chuàng)新投入的一次項(xiàng)和二次項(xiàng)進(jìn)行估計(jì)，其結(jié)果和靜態(tài)模型下的估計(jì)結(jié)果一致，即模型2采用動(dòng)態(tài)POLS估計(jì)法中，人工智能企業(yè)創(chuàng)新投入的一次項(xiàng)不顯著且呈現(xiàn)負(fù)向，模型4、模型6中RD一次項(xiàng)系數(shù)顯著為負(fù)，二次項(xiàng)系數(shù)顯著為正。

表3 創(chuàng)新投入對員工收入水平影響的基準(zhǔn)回歸結(jié)果

上述模型初步回歸結(jié)果顯示，若暫時(shí)拋開人工智能企業(yè)創(chuàng)新投入的非線性效應(yīng)，創(chuàng)新投入對企業(yè)員工收入存在降低作用，這說明對于較多企業(yè)在人工智能技術(shù)發(fā)展的早期，企業(yè)增加對人工智能創(chuàng)新投入，對員工收入的影響是負(fù)向的，與學(xué)術(shù)界較多學(xué)者的研究結(jié)果較為一致。隨著創(chuàng)新投入程度的提高，企業(yè)對部分崗位的需求量增長趨勢逐漸超過人工智能技術(shù)的替代效應(yīng)，并且員工的知識(shí)技能在時(shí)間推移中不斷增強(qiáng)和適配，將獲得更多就業(yè)機(jī)會(huì)和技能的工資溢價(jià)，因而對其收入水平提升產(chǎn)生促進(jìn)作用。也就是說，人工智能企業(yè)創(chuàng)新投入對員工收入的影響效應(yīng)是非線性的。因此，根據(jù)模型估計(jì)結(jié)果，人工智能企業(yè)創(chuàng)新投入對員工收入的影響呈現(xiàn)顯著的“U”型關(guān)系。接下來進(jìn)一步根據(jù)SI的估計(jì)系數(shù)計(jì)算得出不同估計(jì)方法下“U”型曲線的拐點(diǎn)值，如果人工智能企業(yè)創(chuàng)新投入低于該值，則其對員工收入的影響位于“U”型曲線左側(cè)的下降階段，此時(shí)增加創(chuàng)新投入將導(dǎo)致員工收入水平降低；而如果人工智能企業(yè)創(chuàng)新投入高于該值，那么其對員工收入的影響效應(yīng)位于“U”型曲線右側(cè)的上升階段，此時(shí)增加創(chuàng)新投入會(huì)相應(yīng)地提高員工收入水平。

(三)工具變量與GMM估計(jì)

本文采用固定效應(yīng)估計(jì)方法，一定程度上能夠緩解遺漏變量引發(fā)的內(nèi)生性誤差，然而更重要的內(nèi)生性偏誤可能來自逆向因果關(guān)系[17]，即員工收入存在反向影響人工智能企業(yè)創(chuàng)新投入的可能性。例如，從員工角度來看，收入水平提高將在一定程度上激發(fā)員工個(gè)體的積極性，從而增加其工作投入，推動(dòng)企業(yè)創(chuàng)新，為企業(yè)提高盈利空間，促使企業(yè)增加創(chuàng)新投入；從企業(yè)層面來看，技術(shù)進(jìn)步下的員工收入水平反映了企業(yè)的勞動(dòng)力需求，當(dāng)員工收入呈現(xiàn)上升趨勢，表現(xiàn)為新技術(shù)在企業(yè)中的運(yùn)用產(chǎn)生了盈利效果，從而反過來促使企業(yè)進(jìn)一步提升創(chuàng)新投入。

本文首先借鑒劉志彪、凌永輝[17]的做法，使用解釋變量的一階和二階滯后項(xiàng)作為工具變量，分別將其放入表4的模型1和模型2，并且將二者同時(shí)放入模型3進(jìn)行GMM估計(jì)；其次借鑒王亮亮、王躍堂[18]對工具變量的選取，以及王永欽、董雯[19]的工具變量檢驗(yàn)過程，本文使用企業(yè)年均研發(fā)投入自然對數(shù)(研發(fā)投入/企業(yè)成立年限)的一階和二階滯后項(xiàng)作為工具變量，再次進(jìn)行GMM估計(jì)，分別將其放入表4的模型4和模型5，并將二者同時(shí)放入模型6；最后將企業(yè)人均研發(fā)投入自然對數(shù)(研發(fā)投入/員工人數(shù))作為工具變量放入模型7。根據(jù)表4中的檢驗(yàn)結(jié)果，本文使用解釋變量的一階、二階滯后項(xiàng)以及企業(yè)年均研發(fā)投入自然對數(shù)、企業(yè)人均研發(fā)投入自然對數(shù)作為工具變量存在合理性。

表4 人工智能企業(yè)創(chuàng)新投入影響員工收入的GMM估計(jì)結(jié)果

(四)穩(wěn)健性檢驗(yàn)

首先，從表3中可以看出，隨著控制變量不斷加入，創(chuàng)新投入的一次項(xiàng)和二次項(xiàng)顯著且方向一致，分布呈現(xiàn)一負(fù)一正。其次，根據(jù)現(xiàn)有研究對穩(wěn)健性的檢驗(yàn)方式，本文選取控制上市地(滬深兩市)和企業(yè)性質(zhì)來確保主要發(fā)現(xiàn)的可靠性。本文參考陳秋平等[20]研究中進(jìn)行子樣本回歸的做法，選取深圳交易所和民營人工智能上市企業(yè)分別作為子樣本進(jìn)行回歸。表5的模型1～模型8結(jié)果顯示，控制上市地和企業(yè)性質(zhì)后，原先的主要結(jié)論依然成立。

表5 穩(wěn)健性檢驗(yàn)

五、機(jī)制檢驗(yàn)與異質(zhì)性分析

(一)機(jī)制檢驗(yàn)

上文已經(jīng)得到人工智能創(chuàng)新投入與員工收入水平之間“U”型關(guān)系的經(jīng)驗(yàn)證據(jù)，本部分將重點(diǎn)分析人工智能創(chuàng)新投入對員工收入水平的影響機(jī)制。本部分將從開發(fā)產(chǎn)品價(jià)值、促進(jìn)員工技能適配、延伸企業(yè)成長能力三個(gè)方面對H2～H4進(jìn)行檢驗(yàn)。

本文借鑒黃冰冰、馬元駒[21]對非線性模型中介效應(yīng)的檢驗(yàn)方法，分兩步對人工智能創(chuàng)新投入對員工收入水平的非線性影響機(jī)制進(jìn)行檢驗(yàn)：第一步：以創(chuàng)新投入為解釋變量、員工收入為被解釋變量，檢驗(yàn)人工智能創(chuàng)新投入對員工收入的主效應(yīng)模型；第二步：以創(chuàng)新投入為解釋變量，同時(shí)分別加入產(chǎn)品價(jià)值、技能適配度、企業(yè)成長能力作為解釋變量，將員工收入作為被解釋變量，分別檢驗(yàn)產(chǎn)品價(jià)值、技能適配度、企業(yè)成長能力在人工智能創(chuàng)新投入與員工收入水平之間的中介效應(yīng)。本部分基于前文主效應(yīng)基準(zhǔn)模型，分別構(gòu)建中介效應(yīng)模型。

其中，前文式(5)為中介效應(yīng)檢驗(yàn)的第一步，檢驗(yàn)人工智能創(chuàng)新投入與員工收入之間的主效應(yīng)。在此基礎(chǔ)上，構(gòu)建式(6)作為中介效應(yīng)檢驗(yàn)的第二步，分別檢驗(yàn)產(chǎn)品價(jià)值、技能適配度、企業(yè)成長能力在人工智能創(chuàng)新投入與員工收入關(guān)系中的中介效應(yīng)。人工智能創(chuàng)新投入與員工收入之間存在顯著的“U”型關(guān)系在前文已得到驗(yàn)證，本部分進(jìn)一步驗(yàn)證中介效應(yīng)，在中介變量系數(shù)顯著的前提下，重點(diǎn)關(guān)注系數(shù)γ2。若γ2不顯著，說明產(chǎn)品價(jià)值、技能適配度、企業(yè)成長能力分別在人工智能創(chuàng)新投入與員工收入之間存在完全中介效應(yīng)，若γ2顯著但是變小，說明產(chǎn)品價(jià)值、技能適配度、企業(yè)成長能力分別在人工智能創(chuàng)新投入與員工收入之間存在部分中介效應(yīng)。

1.開發(fā)產(chǎn)品價(jià)值

如前文所述，產(chǎn)品價(jià)值是影響企業(yè)創(chuàng)新投入與員工收入水平之間的一個(gè)重要中介變量。人工智能技術(shù)進(jìn)步深化了產(chǎn)業(yè)分工，延長了產(chǎn)業(yè)鏈，這不僅有利于降低生產(chǎn)成本，而且生產(chǎn)手段、過程的創(chuàng)新能夠?qū)Ξa(chǎn)品價(jià)值起到延伸作用，為產(chǎn)品創(chuàng)新以及新產(chǎn)品的研發(fā)提供了基礎(chǔ)。

水源熱泵項(xiàng)目取用地下水水資源論證技術(shù)要點(diǎn)分析……………………………………………… 江 劍，董殿偉(3.50)

本文借鑒Chemmanur et al.[22]的研究成果，選擇樣本企業(yè)無形資產(chǎn)賬面價(jià)值作為產(chǎn)品價(jià)值的衡量指標(biāo)，包括專利技術(shù)、非專利技術(shù)和商標(biāo)權(quán)等，對產(chǎn)品價(jià)值的中介作用進(jìn)行檢驗(yàn)，回歸結(jié)果如表7所示。根據(jù)黃冰冰、馬元駒[21]的中介效應(yīng)檢驗(yàn)方法，在主效應(yīng)回歸結(jié)果(模型1)的基礎(chǔ)上，檢驗(yàn)創(chuàng)新投入、產(chǎn)品價(jià)值同時(shí)對員工收入水平的影響。構(gòu)建基于產(chǎn)品價(jià)值為中介變量的模型如下：

γ4Controlit+εit

(6)

其中，SI為員工收入，RD為創(chuàng)新投入，RD2為創(chuàng)新投入的平方項(xiàng)，PI表示產(chǎn)品價(jià)值，γ0～γ4為待估參數(shù)，i和t分別表示不同企業(yè)以及不同年份。根據(jù)表6結(jié)果顯示，模型1中檢驗(yàn)了人工智能創(chuàng)新投入對員工收入的影響，創(chuàng)新投入的一次項(xiàng)和二次項(xiàng)均顯著，主效應(yīng)模型得到驗(yàn)證，說明中介效應(yīng)第一步檢驗(yàn)通過；模型2中，同時(shí)加入人工智能創(chuàng)新投入與產(chǎn)品價(jià)值后，其系數(shù)值均顯著，通過中介效應(yīng)的第二步檢驗(yàn)，這說明產(chǎn)品價(jià)值在人工智能創(chuàng)新投入和員工收入水平中起到部分中介作用，H2得到驗(yàn)證。經(jīng)計(jì)算，產(chǎn)品價(jià)值中介效應(yīng)占總效應(yīng)的比例為12.88%。

在企業(yè)不斷增加人工智能技術(shù)創(chuàng)新投入的過程中，由于技術(shù)運(yùn)用的周期性特征，短期內(nèi)產(chǎn)品價(jià)值難以顯現(xiàn)，然而從長期來看能夠促進(jìn)企業(yè)產(chǎn)品價(jià)值提升，這與許多學(xué)者的觀點(diǎn)較為一致。人工智能技術(shù)是一項(xiàng)通用性技術(shù)，具有知識(shí)外溢的特征，能夠應(yīng)用于企業(yè)中較多場景和模塊，并且在提高產(chǎn)品質(zhì)量的同時(shí)促進(jìn)產(chǎn)品更新和升級，推動(dòng)企業(yè)經(jīng)濟(jì)效應(yīng)增長，員工收入也相應(yīng)得到提升。

2.促進(jìn)員工技能適配

人工智能技術(shù)環(huán)境下，企業(yè)部分工作內(nèi)容和結(jié)構(gòu)發(fā)生調(diào)整。新技術(shù)和工作任務(wù)會(huì)影響員工技能水平與工作要求間的平衡，主要表現(xiàn)為員工現(xiàn)有能力難以滿足新的工作要求，這種差距會(huì)影響技術(shù)與技能的匹配程度。人工智能會(huì)帶來新技術(shù)，新技術(shù)的運(yùn)用帶來新的任務(wù)，為了完成這些任務(wù)，需要更新勞動(dòng)者的知識(shí)技能，從而導(dǎo)致企業(yè)中技術(shù)與技能匹配程度產(chǎn)生重大變化。

員工技能與人工智能新技術(shù)的適配度是影響員工收入水平提升的關(guān)鍵因素。學(xué)歷水平一方面反映了員工所擁有技能的專業(yè)性程度，另一方面能夠體現(xiàn)員工技能的范圍和體系，包括技能多元性、跨領(lǐng)域水平以及綜合素質(zhì)能力。根據(jù)Autor & Salomons[23]對人工智能背景下學(xué)歷水平與收入水平關(guān)系的研究，技術(shù)進(jìn)步對收入分配的影響表現(xiàn)為：高學(xué)歷、高技能勞動(dòng)者群體的收入水平不斷提升。據(jù)此，本文以員工學(xué)歷水平作為技能水平的測量指標(biāo)，技能水平高的員工對新技術(shù)的要求有更高的適配性，因此將員工學(xué)歷水平作為技能適配度的測量指標(biāo)。構(gòu)建基于員工技能適配度的中介效應(yīng)模型與式(6)類似，這里不再贅述。

表6中的模型3結(jié)果顯示，同時(shí)加入人工智能創(chuàng)新投入與員工技能適配度后，其系數(shù)值均顯著，通過中介效應(yīng)的第二步檢驗(yàn)，說明技能適配度在人工智能創(chuàng)新投入和員工收入水平中起到部分中介作用，因此H3得到驗(yàn)證。經(jīng)計(jì)算，技能水平中介效應(yīng)占總效應(yīng)的比例為12.92%。

表6 人工智能創(chuàng)新投入對員工收入水平的作用機(jī)制檢驗(yàn)

根據(jù)企業(yè)能力理論，企業(yè)增加創(chuàng)新投入能夠使企業(yè)獲得相應(yīng)的競爭優(yōu)勢，對其成長能力起到提升作用，并且使企業(yè)獲得長期經(jīng)濟(jì)利益，從而對員工收入起到促進(jìn)作用。本文借鑒劉洋、臧日宏[24]的研究，選取營業(yè)收入增長率作為企業(yè)成長能力的衡量指標(biāo)。構(gòu)建基于企業(yè)成長能力的中介效應(yīng)模型，與式(6)類似，這里不再贅述。

根據(jù)表6中模型1、模型4的檢驗(yàn)結(jié)果，雖然主效應(yīng)通過了中介效應(yīng)第一步檢驗(yàn)，但是在模型4中，企業(yè)成長能力系數(shù)不顯著，即未通過中介效應(yīng)檢驗(yàn)，因此H4不成立。這說明，人工智能創(chuàng)新投入需要經(jīng)歷組織變革轉(zhuǎn)型期和創(chuàng)新能力構(gòu)建期才會(huì)產(chǎn)生促進(jìn)作用，企業(yè)成長能力的作用機(jī)制不顯著。

(二)異質(zhì)性分析

為了進(jìn)一步檢驗(yàn)人工智能創(chuàng)新投入的異質(zhì)性影響，本文分別檢驗(yàn)人工智能創(chuàng)新投入對不同行業(yè)類型、不同治理水平以及不同企業(yè)類型企業(yè)的影響。在行業(yè)類型方面，將其劃分為制造業(yè)企業(yè)(取值為1)和非制造業(yè)企業(yè)(取值為0)；在治理水平方面，選取高管學(xué)歷作為衡量指標(biāo)，將其劃分為本科學(xué)歷(取值1)、碩士研究生學(xué)歷(取值為2)和博士研究生學(xué)歷(取值為3)；在企業(yè)類型方面，采用同花順數(shù)據(jù)庫對大中小型企業(yè)的判分標(biāo)準(zhǔn)，將企業(yè)劃分為大型企業(yè)(取值為1)和中小型企業(yè)(取值為0)。依次對其進(jìn)行檢驗(yàn)，分組檢驗(yàn)結(jié)果如表7所示。

由表7可知，在不同行業(yè)類型下，制造業(yè)企業(yè)和非制造業(yè)企業(yè)均顯示出人工智能創(chuàng)新投入對員工收入的“U”型關(guān)系，其中制造業(yè)企業(yè)中人工智能創(chuàng)新投入與員工收入“U”型曲線的拐點(diǎn)值為5.910 1，表明若人工智能創(chuàng)新投入值低于該點(diǎn)時(shí)，人工智能創(chuàng)新投入對員工收入影響效應(yīng)處于“U”型曲線左側(cè)的下降階段，此時(shí)增加人工智能創(chuàng)新投入將對員工收入產(chǎn)生負(fù)向影響；而若高于該值，人工智能創(chuàng)新投入對員工收入影響效應(yīng)處于“U”型曲線右側(cè)的上升階段，此時(shí)增加人工智能創(chuàng)新投入將對員工收入產(chǎn)生正向影響。非制造業(yè)企業(yè)中的拐點(diǎn)值為2.087 5，說明相對于制造業(yè)企業(yè)，非制造業(yè)企業(yè)增加人工智能創(chuàng)新投入能夠更早地實(shí)現(xiàn)人工智能技術(shù)對員工收入的提升效應(yīng)。在不同治理水平下，只有具有博士學(xué)歷水平的現(xiàn)任高管所在的企業(yè)呈現(xiàn)人工智能創(chuàng)新投入對員工收入的“U”型關(guān)系，其拐點(diǎn)值為6.229 0，說明碩士研究生及以下學(xué)歷高管所在企業(yè)，增加人工智能創(chuàng)新投入對其員工收入水平的影響不明顯。在不同企業(yè)類型中，大型企業(yè)符合人工智能創(chuàng)新投入對員工收入的“U”型關(guān)系，其拐點(diǎn)值為5.126 9，說明人工智能創(chuàng)新投入對員工收入的影響在大型企業(yè)中更為顯著。

表7 基于不同行業(yè)類型、不同治理水平和不同企業(yè)類型的異質(zhì)性檢驗(yàn)結(jié)果

六、研究結(jié)論與啟示

(一)研究結(jié)論

本文在借鑒已有文獻(xiàn)對于人工智能與收入關(guān)系研究的基礎(chǔ)上，提出研究假設(shè)，并且基于87家人工智能上市企業(yè)的面板數(shù)據(jù)構(gòu)建計(jì)量模型，對研究假設(shè)進(jìn)行實(shí)證檢驗(yàn)，研究發(fā)現(xiàn)：

(1)創(chuàng)新投入對于員工收入的作用表現(xiàn)為先遞減后遞增的趨勢，其影響效應(yīng)呈現(xiàn)出非線性的“U”型關(guān)系。當(dāng)創(chuàng)新投入位于“U”型曲線左側(cè)時(shí)，其對員工收入產(chǎn)生抑制效應(yīng)；當(dāng)創(chuàng)新投入位于“U”型曲線右側(cè)時(shí)，其對員工收入產(chǎn)生促進(jìn)效應(yīng)，并得出在不同估計(jì)方法下“U”型曲線的拐點(diǎn)值。這其中的關(guān)鍵原因在于，人工智能創(chuàng)新投入會(huì)引發(fā)技能結(jié)構(gòu)錯(cuò)配化，短期內(nèi)會(huì)出現(xiàn)部分員工結(jié)構(gòu)性失業(yè)或崗位向下調(diào)整的現(xiàn)象，從而表現(xiàn)為員工收入減少；而當(dāng)創(chuàng)新投入達(dá)到一定程度，技術(shù)運(yùn)用逐漸成熟，員工掌握的技能與智能化技術(shù)產(chǎn)生較高的配合度，提高了工作績效，從而提升了企業(yè)整體績效和利潤空間，為員工收入的提升提供了利潤保障。同時(shí)，部分員工通過培訓(xùn)滿足了企業(yè)的勞動(dòng)力需求，因而促進(jìn)了員工收入的上升。

(2)若暫時(shí)拋開人工智能企業(yè)創(chuàng)新投入的非線性效應(yīng)，其對企業(yè)員工收入存在降低作用。這體現(xiàn)了現(xiàn)階段我國較多人工智能企業(yè)處于技術(shù)發(fā)展的起步階段：一方面，企業(yè)增加對人工智能創(chuàng)新投入，在部分工作任務(wù)中凸顯了人工智能技術(shù)的比較優(yōu)勢，從而對員工產(chǎn)生替代作用，降低了人工成本；另一方面，在技術(shù)創(chuàng)新的早期，員工的知識(shí)技能提升存在滯后性，尚未能夠滿足企業(yè)發(fā)展的需要，從而導(dǎo)致大部分存在高替代風(fēng)險(xiǎn)的員工向低層級職位流動(dòng)，因此，企業(yè)增加對人工智能技術(shù)投入對員工收入的影響是負(fù)向的，這與較多學(xué)者的研究結(jié)果基本一致。

(3)人工智能創(chuàng)新投入對員工收入的影響是多種因素作用的結(jié)果。本文實(shí)證結(jié)果發(fā)現(xiàn)，企業(yè)產(chǎn)品價(jià)值和員工技能適配度在人工智能創(chuàng)新投入與員工收入關(guān)系之間起到中介作用。一方面，人工智能在企業(yè)中的運(yùn)用能夠激發(fā)企業(yè)進(jìn)行技術(shù)創(chuàng)新，通過新產(chǎn)品的研發(fā)，促使產(chǎn)品升級換代。同時(shí)，工藝流程創(chuàng)新對降低企業(yè)生產(chǎn)成本、穩(wěn)定產(chǎn)品性能產(chǎn)生重要作用，從而提高產(chǎn)品價(jià)值并增加企業(yè)利潤，促使企業(yè)經(jīng)濟(jì)增加值提升，提高員工收入水平。另一方面，企業(yè)增加人工智能創(chuàng)新投入在短期內(nèi)打破了員工技能水平與工作要求間的平衡，使員工現(xiàn)有技能水平難以滿足新工作要求，這種差距會(huì)影響技能與技術(shù)的匹配程度，而員工的現(xiàn)有技能水平與技術(shù)的適配度，一定程度上間接影響了人工智能創(chuàng)新投入與員工收入間的關(guān)系。

(4)人工智能創(chuàng)新投入對員工收入的影響存在異質(zhì)性。在不同行業(yè)類型下，制造業(yè)企業(yè)和非制造業(yè)企業(yè)雖然均顯示出人工智能創(chuàng)新投入對員工收入的“U”型關(guān)系，但是非制造業(yè)企業(yè)增加人工智能創(chuàng)新投入，較之制造業(yè)企業(yè)，能夠更早地實(shí)現(xiàn)人工智能技術(shù)對員工收入正向影響的轉(zhuǎn)變。在不同治理水平下，具有博士研究生學(xué)歷水平的現(xiàn)任高管所在的企業(yè)呈現(xiàn)人工智能創(chuàng)新投入對員工收入的“U”型關(guān)系，表明高學(xué)歷高管團(tuán)隊(duì)，企業(yè)人工智能創(chuàng)新投入對員工收入的影響更為顯著。在不同企業(yè)類型中，大型企業(yè)符合人工智能創(chuàng)新投入對員工收入的“U”型關(guān)系，大型企業(yè)的人工智能創(chuàng)新投入對員工收入的影響更為顯著。

(二)研究啟示

為了進(jìn)一步加強(qiáng)人工智能創(chuàng)新投入對員工收入的促進(jìn)效應(yīng), 推動(dòng)實(shí)現(xiàn)更高質(zhì)量的就業(yè)，基于本文的實(shí)證研究結(jié)果,提出以下對策。

(1)完善支持企業(yè)進(jìn)行長期創(chuàng)新投入的激勵(lì)機(jī)制。本文研究結(jié)果表明，在“U”型曲線的右側(cè)，即從長期來看，隨著人工智能技術(shù)創(chuàng)新投入的增加，其對勞動(dòng)者收入的提高具有促進(jìn)作用，因此要完善支持企業(yè)長期研發(fā)投入的創(chuàng)新激勵(lì)機(jī)制。一是提高企業(yè)的治理水平。改革企業(yè)高管的績效考核制度和薪酬激勵(lì)制度，以企業(yè)高管的長期價(jià)值創(chuàng)造貢獻(xiàn)為重要的考核要素，提高人工智能創(chuàng)新對企業(yè)價(jià)值的邊際貢獻(xiàn)，顯著提高企業(yè)的創(chuàng)新水平和企業(yè)價(jià)值。二是建立長期創(chuàng)新投入機(jī)制。通過長期創(chuàng)新投入，使企業(yè)獲取人工智能技術(shù)知識(shí)，降低生產(chǎn)成本,通過技術(shù)知識(shí)增量推動(dòng)企業(yè)創(chuàng)新,從而持續(xù)取得競爭優(yōu)勢，為員工收入的增長提供長期保障。三是變革員工報(bào)酬激勵(lì)模型。設(shè)計(jì)基于長期探索和創(chuàng)新貢獻(xiàn)的“創(chuàng)新驅(qū)動(dòng)報(bào)酬體系”，激發(fā)員工的創(chuàng)造力，同時(shí)為員工自身進(jìn)行人力資本可持續(xù)投資奠定物質(zhì)基礎(chǔ)。異質(zhì)性研究結(jié)果表明，不同行業(yè)、不同治理水平、不同類型的企業(yè)在不同階段應(yīng)采取不同的創(chuàng)新投入策略，加大非制造業(yè)、大型企業(yè)的人工智能長期創(chuàng)新投入，對員工收入增加有更強(qiáng)的促進(jìn)效應(yīng)。

(2)提高員工技能與技術(shù)的動(dòng)態(tài)適配性。在員工層面，需要不斷更新觀念，將人工智能視為延伸和增強(qiáng)自身智能的工作伙伴，在人機(jī)協(xié)同工作中，通過提高員工技能與技術(shù)的動(dòng)態(tài)適配性，提升自身的自豪感、成就感和價(jià)值感。主動(dòng)更新智能化下的知識(shí)技能結(jié)構(gòu)，積極參與培訓(xùn)和學(xué)習(xí)，主動(dòng)掌握數(shù)字化、智能化以及人機(jī)協(xié)作所需的知識(shí)技能。同時(shí)，在企業(yè)智能化研發(fā)和應(yīng)用過程中主動(dòng)遵守倫理規(guī)范，正確運(yùn)用和維護(hù)企業(yè)創(chuàng)新成果。在企業(yè)層面，搭建有利于員工提升智能化技能的平臺(tái)，通過知識(shí)分享、在線學(xué)習(xí)、體驗(yàn)式培訓(xùn)等幫助員工及時(shí)獲取工作過程中所需的新技能。制訂員工智能化技能提升的補(bǔ)貼策略，實(shí)施科學(xué)的技能培訓(xùn)補(bǔ)償機(jī)制，激勵(lì)員工主動(dòng)參與智能化技能培訓(xùn)。建立與人工智能崗位相關(guān)的技能認(rèn)證標(biāo)準(zhǔn)，建立職業(yè)等級，明確各等級所需的知識(shí)技能及工作要求，針對各等級要求提出明確的培訓(xùn)清單并開展相應(yīng)的技能認(rèn)證，建立認(rèn)證結(jié)果與晉升和績效薪酬的關(guān)聯(lián)體系，從體系和制度上推動(dòng)員工技能的提升。