羅潤東 郭怡笛

一、問題的提出

人工智能技術(shù)進(jìn)步背景下，中國經(jīng)濟(jì)發(fā)展整體向創(chuàng)新驅(qū)動的方向轉(zhuǎn)換，從而使產(chǎn)業(yè)分工發(fā)生調(diào)整，收入分配格局出現(xiàn)轉(zhuǎn)變。同時，脫貧攻堅工作的全面勝利，標(biāo)志著我國向共同富裕這一歷史目標(biāo)邁進(jìn)了關(guān)鍵一步。因此，探討人工智能技術(shù)進(jìn)步是否能夠在初次分配環(huán)節(jié)促進(jìn)共同富裕目標(biāo)具有其理論特色與時代創(chuàng)新性。制造業(yè)作為受人工智能技術(shù)沖擊最大的行業(yè)，在研究共同富裕的初次分配環(huán)節(jié)時，制造業(yè)員工收入的變動情況具有特征性和代表性。本文以制造業(yè)企業(yè)員工的收入水平變動方向作為切入點，從微觀視角回答人工智能技術(shù)進(jìn)步是否能夠促進(jìn)企業(yè)員工共同富裕這一問題。

根據(jù)內(nèi)生增長理論，生產(chǎn)過程中先進(jìn)技術(shù)的引入是生產(chǎn)率增長和創(chuàng)新發(fā)展的動力。部分學(xué)者擔(dān)憂，這種以人力資本為載體的“超級智能”將大量攫取有限的資源，進(jìn)而降低勞動份額；①A.Korinek and J.E.Stiglitz,“Artificial Intelligence and its Implications for Income Distribution and Unemployment,”NBER Working Paper,2018,No.24174；郭凱明：《人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動》，《管理世界》2019年第7期。另一方面，由于社會技術(shù)進(jìn)步的方向是“技能偏向”與“程序偏向”的，兩者都會導(dǎo)致就業(yè)單向極化，進(jìn)一步擴(kuò)大貧富差距，從而加劇了收入不平等的現(xiàn)象。②陳勇、柏喆：《技能偏向型技術(shù)進(jìn)步、勞動者集聚效應(yīng)與地區(qū)工資差距擴(kuò)大》，《中國工業(yè)經(jīng)濟(jì)》2018年第9期；Y.Zhou and R.Tyers,“Automation and Inequality in China,”CAMA Working Paper,2017,No.59/2017.也有學(xué)者認(rèn)為，現(xiàn)實中當(dāng)新技術(shù)（如新型自動化技術(shù)、人工智能）取得重大突破時，邊際產(chǎn)出和勞動生產(chǎn)率的提高會帶動工資水平增長。③G.Graetz and G.Michaels,“Robots at Work,”The Review of Economics and Statistics,vol.100,no.5,2018,pp.753-768.隨著人工智能技術(shù)應(yīng)用的開展，人工智能總體上有助于提高社會工資水平、④謝璐、韓文龍、陳翥：《人工智能對就業(yè)的多重效應(yīng)及影響》，《當(dāng)代經(jīng)濟(jì)研究》2019年第9期；師博：《人工智能助推經(jīng)濟(jì)高質(zhì)量發(fā)展的機(jī)理詮釋》，《改革》2020年第1期。提升勞動收入份額⑤P.Aghion,B.F.Jones and C.I.Jones,“Artificial Intelligence and Economic Growth,”NBER Working Paper,2017,No.23928；金陳飛、吳楊、池仁勇、吳寶：《人工智能提升企業(yè)勞動收入份額了嗎?》，《科學(xué)學(xué)研究》2020年第1期。和縮小行業(yè)工資差距。⑥B.Stevenson,“Artificial Intelligence,Income,Employment,and Meaning,”The Economics of Artificial Intelligence:An Agenda,NBER Chapters,2019,pp.189-195；何勤、邱玥：《人工智能的就業(yè)效應(yīng)研究:錦上添花抑或是釜底抽薪?》，《北京聯(lián)合大學(xué)學(xué)報（人文社會科學(xué)版）》2020年第2期。長期來看，隨著時間的推移，人工智能領(lǐng)域逐漸成熟的新技術(shù)將繁衍出大量相關(guān)的工作崗位，形成新的產(chǎn)業(yè)行業(yè)，以容納更多勞動力參與就業(yè)，從而消弭一部分收入差距，⑦D.Acemoglu and P.Restrepo,“Unpacking Skill Bias:Automation and New Tasks,”NBER Working Paper,2020,No.26681.勞動力市場將自動恢復(fù)均衡狀態(tài)，收入不平等現(xiàn)象也會有所緩和。

基于人工智能技術(shù)進(jìn)步能否對共同富裕產(chǎn)生貢獻(xiàn)這一角度，楊飛和范從來（2020）通過構(gòu)建內(nèi)生人工智能創(chuàng)新模型研究發(fā)現(xiàn)，高技能勞動力的相對供給增加有利于提升產(chǎn)業(yè)智能化程度，促進(jìn)低/中技能勞動力的相對工資增長，有利于我國益貧式發(fā)展。⑧楊飛、范從來：《產(chǎn)業(yè)智能化是否有利于中國益貧式發(fā)展?》，《經(jīng)濟(jì)研究》2020年第5期。實踐層面來說，隨著脫貧攻堅戰(zhàn)的勝利，消除“絕對貧困”這一目標(biāo)已經(jīng)達(dá)成，在解決相對貧困這一問題上，縮小收入差距是當(dāng)務(wù)之急。有學(xué)者認(rèn)為，人工智能技術(shù)轉(zhuǎn)化為社會財富的過程中，必將耗費(fèi)大量自然物質(zhì)資源，其收益或收益中的一部分都應(yīng)歸屬于全部社會人員，因此，在人工智能廣泛應(yīng)用的背景下，應(yīng)更加強(qiáng)調(diào)通過政府再分配來實現(xiàn)收入相對平等。⑨姚偉：《人工智能的廣泛應(yīng)用與收入分配制度的創(chuàng)新》，《學(xué)術(shù)界》2018年第4期。

目前，關(guān)于人工智能對勞動收入影響的凈效應(yīng)，尚未形成統(tǒng)一的論斷。基于此，本文的貢獻(xiàn)主要在于：（1）將人工智能技術(shù)進(jìn)步與共同富裕這一社會發(fā)展目標(biāo)結(jié)合起來，在已有對宏觀經(jīng)濟(jì)研究成果的基礎(chǔ)上，從微觀層面開展二者關(guān)系的實證研究，拓展了人工智能背景下企業(yè)員工收入變化的相關(guān)分析；（2）采用文本挖掘技術(shù)測度了微觀層面企業(yè)的人工智能應(yīng)用程度，為企業(yè)智能化程度的科學(xué)測度這一難點提供了新的、較為科學(xué)的方法；（3）研究發(fā)現(xiàn)的雙向傳導(dǎo)機(jī)制以及行業(yè)、地區(qū)兩個層面人工智能收入效應(yīng)的異質(zhì)性，深化和拓展了人工智能應(yīng)用與企業(yè)員工收入變化關(guān)系的相關(guān)研究。

二、模型設(shè)計與指標(biāo)選取

（一）模型設(shè)定

在前文文獻(xiàn)梳理的基礎(chǔ)上，本部分從經(jīng)驗分析的層面探究企業(yè)人工智能技術(shù)應(yīng)用對員工構(gòu)成的影響及傳導(dǎo)路徑?；谶@一目的，設(shè)定如下的計量模型：

上述模型中，被解釋變量lnwageit表示企業(yè)i在t年的員工收入，核心解釋變量whether_AIit是一個虛擬變量，用于衡量企業(yè)i在t年的人工智能應(yīng)用情況，變量Xit為一系列控制變量，以上變量的具體衡量指標(biāo)將在后文具體說明；μi為固定個體效應(yīng)、υt為固定年份效應(yīng)，εit為隨機(jī)干擾項。

進(jìn)一步地，為探究制造業(yè)人工智能的收入效應(yīng)在不同樣本間的差異化體現(xiàn)，有必要進(jìn)行異質(zhì)性分析，在基準(zhǔn)模型基礎(chǔ)上添加異質(zhì)性虛擬變量Dit得到：

為了識別傳導(dǎo)機(jī)制的存在，在上述基本回歸的基礎(chǔ)上進(jìn)行中介效應(yīng)檢驗。下式中，mediatorit表示中介變量，基于Sobel檢驗法的遞歸模型構(gòu)建如下：

（二）指標(biāo)選取

目前，對于人工智能技術(shù)的應(yīng)用領(lǐng)域尚無統(tǒng)一明確的界定，如何定義企業(yè)的智能化程度是當(dāng)前研究所面臨的難題。清華大學(xué)知識智能聯(lián)合研究中心于2019年發(fā)布《2019人工智能發(fā)展報告》，報告中遴選了13個人工智能重點領(lǐng)域，并分別就每個領(lǐng)域技術(shù)發(fā)展情況進(jìn)行解讀。騰訊研究院于2018年發(fā)布《“人工智能+制造”產(chǎn)業(yè)發(fā)展研究報告》給出了人工智能+產(chǎn)業(yè)結(jié)構(gòu)實施的六大典型領(lǐng)域。中國信息通信研究院于2020年發(fā)布《人工智能與工業(yè)融合發(fā)展研究報告》，并進(jìn)一步介紹了人工智能行業(yè)應(yīng)用和主要產(chǎn)品。

基于對上述報告的整合和解讀，本文甄選出人工智能領(lǐng)域的特征詞，如“機(jī)器人”“云計算”“類腦芯片”“人機(jī)交互”“機(jī)器視覺”“迅捷工廠”等，力求涵蓋人工智能產(chǎn)業(yè)鏈的核心技術(shù)、產(chǎn)品、應(yīng)用和實現(xiàn)基礎(chǔ)等方面。通過對2011—2019年滬深A(yù)股上市公司年報進(jìn)行文本挖掘，讀出年報中包含人工智能特征詞的價值信息，從而確定其當(dāng)年生產(chǎn)經(jīng)營業(yè)務(wù)范圍是否涉及人工智能技術(shù)的應(yīng)用，或是否取得智能制造領(lǐng)域的重大技術(shù)突破，并確定企業(yè)吸納人工智能技術(shù)的初始年份。

本文中所使用的面板數(shù)據(jù)均來源于上市公司年報及wind企業(yè)數(shù)據(jù)庫。時間跨度設(shè)定為2011—2019年，為確保獲得信息全面的平衡面板數(shù)據(jù)，本文僅選取2011年之前已掛牌上市、處于存續(xù)狀態(tài)的滬深A(yù)股制造業(yè)上市公司作為分析對象，剔除st、*st及存在數(shù)據(jù)缺失或異常情況的企業(yè)，最終得到一個包含683個制造業(yè)上市公司的樣本集，共6147個觀測值。

被解釋變量：企業(yè)員工收入（lnwage），用“支付給職工及為職工支付的現(xiàn)金”的對數(shù)值表示，該指標(biāo)是勞動要素收入份額在企業(yè)層面的體現(xiàn)，也是衡量人工智能是否有助于促進(jìn)“共同富?！弊饔玫闹匾獦?biāo)志，放入回歸方程前，用CPI指數(shù)進(jìn)行平減。

核心解釋變量：企業(yè)智能化虛擬變量（whether_AI），根據(jù)上市公司年報中提取出的特征值信息，確定企業(yè)是否屬于人工智能應(yīng)用企業(yè)，以及出現(xiàn)智能化行為的初始年份，從該年度起，虛擬變量whether_AI賦值為1，此前的年份則賦值為0。若截止2019年底，企業(yè)尚無智能化行為，或不具備智能化條件，則定義為非人工智能應(yīng)用企業(yè)，whether_AI取值為0。

控制變量：控制變量的選擇力求包含公司經(jīng)營狀況、創(chuàng)新實力、盈利能力、存續(xù)能力等方面，具體包括：研發(fā)投入強(qiáng)度（rd_rate），用企業(yè)年度研發(fā)支出和營業(yè)收入的比值表示，用于考察企業(yè)的創(chuàng)新能力；銷售凈利率（npm）；收入增長率（income_gr），用企業(yè)年度營業(yè)收入同比增長率表示；資產(chǎn)負(fù)債率（rda）；企業(yè)規(guī)模（lnk），用企業(yè)資產(chǎn)總額的對數(shù)值表示；資本密集度（capital_cr），用企業(yè)固定資產(chǎn)與總資產(chǎn)的比值表示；全要素生產(chǎn)率（lntfp），本文選用Levinsohn-Petrin半?yún)?shù)方法（簡稱LP法）測算出全要素生產(chǎn)率，取對數(shù)后放入模型；企業(yè)年齡（lnage），用截止2019年底，企業(yè)成立年數(shù)的對數(shù)值表示。其中，lnk放入回歸方程前，先用固定資產(chǎn)投資價格指數(shù)（以量化初始年份2011年為基期）進(jìn)行平減。

中介變量：（1）成本收入比（cir），用營業(yè)成本與營業(yè)收入的比值表示，人工智能的應(yīng)用可能導(dǎo)致生產(chǎn)成本發(fā)生變化，企業(yè)出于利潤最大化原則，將相應(yīng)調(diào)整勞動收入份額所占的比例；（2）員工技能結(jié)構(gòu)（em_skill），用企業(yè)生產(chǎn)人員占員工總數(shù)的比值表示，人工智能技術(shù)或?qū)寄芊A賦要求較低的重復(fù)性工作產(chǎn)生替代作用，進(jìn)而影響員工整體收入。

工具變量：（1）專利數(shù)量（last_lnpat），用企業(yè)發(fā)明專利申請量的對數(shù)值表示，專利數(shù)量能夠直接反映出企業(yè)的自主創(chuàng)新能力與核心競爭力；（2）政府補(bǔ)助力度（last_gov），政府補(bǔ)助是推動企業(yè)實施技術(shù)研發(fā)的重要力量，設(shè)置虛擬變量gov，若該企業(yè)政府補(bǔ)助金額大于當(dāng)前年度制造業(yè)企業(yè)政府補(bǔ)助金額的中位數(shù)，則定義gov=1，反之則定義gov=0。考慮到工具變量的外生性，對以上兩個工具變量均選取上一年度的前置變量表示。

（三）描述性統(tǒng)計

表1 報告了所得到的各項指標(biāo)的描述性統(tǒng)計情況。

表1 變量描述性統(tǒng)計

三、實證結(jié)果

（一）基礎(chǔ)回歸結(jié)果

本文采用固定效應(yīng)模型估計方法，控制年份和個體效應(yīng)后，在模型中依次放入核心解釋變量和控制變量，回歸結(jié)果報告見表2。列（1）匯報了當(dāng)模型中僅包含核心解釋變量whether_AI時，被解釋變量lnwage的系數(shù)在1%的置信水平上顯著為正。具體來說，僅考慮單一影響時，應(yīng)用人工智能使得企業(yè)員工收入增加4.97%。在此基礎(chǔ)上依次添加表示企業(yè)創(chuàng)新能力的無關(guān)變量后，核心解釋變量人工智能變量whether_AI的系數(shù)出現(xiàn)輕微的下降。在加入表示企業(yè)資本結(jié)構(gòu)的無關(guān)變量后，核心解釋變量的系數(shù)出現(xiàn)一個顯著的下降，數(shù)值降為0.0151，依然顯著為正，同時控制變量lnk和capital_cr與員工收入lnwage均存在正相關(guān)關(guān)系，可以認(rèn)為員工收入具備規(guī)模效應(yīng)。最后添加無關(guān)變量企業(yè)年齡（lnage），在控制一系列非實驗因素的基礎(chǔ)上，可以發(fā)現(xiàn)，企業(yè)推進(jìn)人工智能的應(yīng)用能夠顯著提高企業(yè)員工的收入水平，使之提高1.51%，意味著人工智能技術(shù)進(jìn)步對制造業(yè)員工的共同富裕存在積極的影響。

表2 基礎(chǔ)回歸結(jié)果

（二）異質(zhì)性檢驗

1.制造業(yè)技術(shù)劃分與行業(yè)異質(zhì)性檢驗

參考《OECD制造業(yè)技術(shù)劃分標(biāo)準(zhǔn)》，本文將我國制造業(yè)產(chǎn)業(yè)劃分為高端制造業(yè)、①定義高技術(shù)產(chǎn)業(yè)為高端制造業(yè)，劃分原則依據(jù)國家統(tǒng)計局發(fā)布的《高技術(shù)產(chǎn)業(yè)（制造業(yè)）分類（2017）》中對于高技術(shù)企業(yè)的相關(guān)認(rèn)定。中高端制造業(yè)、中低端制造業(yè)和低端制造業(yè)四類。設(shè)置產(chǎn)業(yè)虛擬變量，分別定義它們與核心解釋變量whether_AI的交互項AI_high、AI_midhigh、AI_midlow和AI_low，觀察交互項的系數(shù)變化。為進(jìn)一步明確人工智能在企業(yè)層面的收入效應(yīng)，我們在模型中添加“勞動收入份額”和“平均收入”兩個指標(biāo)作為輔助的被解釋變量，用企業(yè)勞動報酬占企業(yè)增加值的比例表示勞動收入份額，用企業(yè)員工收入除以員工總數(shù)表示平均勞動收入?；貧w結(jié)果匯報在表3中，組Ⅰ報告了人工智能對員工收入的影響系數(shù)，組Ⅱ報告了人工智能對員工勞動收入份額的影響系數(shù)，組Ⅲ報告了人工智能對員工平均收入的影響系數(shù)。

表3 制造業(yè)行業(yè)異質(zhì)性檢驗

回歸結(jié)果顯示：首先，人工智能技術(shù)進(jìn)步對高端制造業(yè)的員工收入、勞動收入份額和員工平均收入有顯著的正向拉動作用，推進(jìn)人工智能化使高端制造業(yè)的整體收入增加3.41%，使勞動收入份額增加0.83%，員工平均收入增加0.13%。高端制造業(yè)屬國際經(jīng)濟(jì)和科技競爭的重要陣地，該行業(yè)勞動收入的提高有利于人力資本向技能勞動力的方向轉(zhuǎn)變，耦合提升就業(yè)結(jié)構(gòu)，成為企業(yè)初次分配環(huán)節(jié)共同富裕導(dǎo)向的人力資本條件。其次，從事低端制造業(yè)的員工整體收入對人工智能并不敏感，且隨著智能化應(yīng)用的展開，勞動收入份額和平均收入出現(xiàn)一定程度的減少。低端制造業(yè)包括“食品加工業(yè)”“紡織業(yè)”等10個細(xì)分行業(yè)，均屬勞動密集型產(chǎn)業(yè)，人工智能技術(shù)進(jìn)步將導(dǎo)致這部分產(chǎn)業(yè)出現(xiàn)轉(zhuǎn)移淘汰的趨勢，“轉(zhuǎn)移”意味著從事低端制造業(yè)的員工將部分轉(zhuǎn)移至新興的低門檻平臺經(jīng)濟(jì)，“淘汰”意味著低端行業(yè)失業(yè)率的上升，從而直接導(dǎo)致行業(yè)收入水平的下降。最后，從事中高端制造業(yè)和中低端制造業(yè)企業(yè)的員工收入在人工智能影響下分別增加了1.6%和1.44%，收入提升效應(yīng)雖然不及對高端制造業(yè)，但中低端制造業(yè)的員工平均收入和勞動收入份額亦有所增加。中高端制造業(yè)和中低端制造業(yè)集合了我國工業(yè)企業(yè)50%的勞動力，這一群體勞動回報的提高為共同富裕夯實了產(chǎn)業(yè)基礎(chǔ)。

（接上表）

2.地區(qū)異質(zhì)性檢驗

根據(jù)我國自然地理區(qū)劃原則，將觀測的31個?。ㄗ灾螀^(qū)、直轄市）分為東部地區(qū)、中部地區(qū)、東北地區(qū)和西部地區(qū)四個區(qū)域，①因部分統(tǒng)計數(shù)據(jù)缺失，數(shù)據(jù)集未涵蓋我國香港特別行政區(qū)、澳門特別行政區(qū)和臺灣地區(qū)。設(shè)置地區(qū)虛擬變量，分別定義它們與核心解釋變量whether_AI的交互項AI_east、AI_midland、AI_noreast和AI_west，觀察交互項的系數(shù)變化，具體分析人工智能技術(shù)進(jìn)步對我國各區(qū)域制造業(yè)員工收入的影響差異?；貧w結(jié)果匯報在表4中，組Ⅰ～Ⅲ的分布情況同表3。

表4 地區(qū)異質(zhì)性檢驗

結(jié)果顯示，東部區(qū)域的人工智能化應(yīng)用對員工收入存在顯著的正向影響，智能化的推進(jìn)使得該區(qū)域員工收入提高9.33%，但對平均收入存在輕微的負(fù)向影響。東部區(qū)域覆蓋我國東南沿海，屬我國綜合技術(shù)水平較高的經(jīng)濟(jì)區(qū)，人工智能的發(fā)展態(tài)勢較其他地區(qū)更為蓬勃。智能化高質(zhì)量發(fā)展帶來的收益激勵增強(qiáng)了這些企業(yè)對就業(yè)的吸納能力，逐漸形成東部地區(qū)就業(yè)“兩極化”的態(tài)勢，②孫早、侯玉琳：《工業(yè)智能化如何重塑勞動力就業(yè)結(jié)構(gòu)》，《中國工業(yè)經(jīng)濟(jì)》2019年第5期。盡管整體收入水平有所提升，勞動力向東集聚和行業(yè)內(nèi)部轉(zhuǎn)移依然使得員工平均收入出現(xiàn)輕微下降。中部區(qū)域回歸結(jié)果同東部區(qū)域基本一致，但系數(shù)絕對值減小，對員工收入的影響系數(shù)僅為0.0076，同樣在1%的置信區(qū)間顯著。東北和西部地區(qū)的員工收入與核心解釋變量負(fù)相關(guān)，然而隨著智能化進(jìn)程的推進(jìn)，平均工資有所增長。地區(qū)異質(zhì)性回歸的結(jié)果表明，由于各區(qū)域產(chǎn)業(yè)結(jié)構(gòu)和發(fā)展情況不同，人工智能影響下的員工收入水平存在一定程度的差異，但四個地區(qū)企業(yè)勞動收入份額均呈現(xiàn)增長態(tài)勢，可以認(rèn)為增長仍是“主旋律”。

（三）內(nèi)生性及穩(wěn)健性檢驗

1.工具變量檢驗

由于可能存在解釋變量的內(nèi)生性問題，本文引入專利數(shù)量（last_lnpat）和政府補(bǔ)助力度（last_gov）作為人工智能的工具變量。發(fā)明專利蘊(yùn)含的技術(shù)價值較高，能夠側(cè)面反映出企業(yè)的自主研發(fā)實力，而研發(fā)實力強(qiáng)勁的企業(yè)往往更具備轉(zhuǎn)型智能制造的條件，因此我們將上一年的發(fā)明專利申請數(shù)作為人工智能的工具變量。其次，企業(yè)能夠通過項目審批、設(shè)立智能制造專項資金等方式獲取政府補(bǔ)助，進(jìn)而用于人工智能技術(shù)的研發(fā)和引入，這在一定程度上表明，企業(yè)是否實現(xiàn)智能化與政府對企業(yè)的扶持態(tài)度息息相關(guān)。

將工具變量分別納入回歸方程，豪斯曼檢驗在1%的水平上認(rèn)為解釋變量存在內(nèi)生變量，且工具變量有較強(qiáng)的解釋力，不存在弱工具變量。Hansen J檢驗p值不拒絕原假設(shè)，認(rèn)為不存在多余的工具變量。內(nèi)生性問題的處理結(jié)果報告在表5中，添加工具變量和控制變量后，核心解釋變量的系數(shù)符號及顯著程度與上述基本回歸保持一致，數(shù)值基本合理。

表5 工具變量檢驗

2.因果關(guān)系檢驗

人工智能技術(shù)進(jìn)步在微觀企業(yè)層面的應(yīng)用顯著提高了員工收入，反之，勞動成本的變動也可能影響企業(yè)采納人工智能技術(shù)的決策，即存在互為因果的動機(jī)。為避免可能存在的因果關(guān)系混淆實證結(jié)果，我們將核心解釋變量做一階滯后處理，重新代入回歸模型。結(jié)果顯示，滯后一期的核心解釋變量系數(shù)及顯著性與原回歸結(jié)果基本一致，可以認(rèn)為基礎(chǔ)回歸結(jié)論是穩(wěn)健可靠的。

3.分階段檢驗

我國于2015年頒布《智能制造試點示范專項行動實施方案》，并自該年度開始部署智能制造試點示范專項行動，2015—2018年四年間遴選推行智能制造試點項目共計305個，覆蓋92個行業(yè)類別、31個?。ㄗ灾螀^(qū)、直轄市），標(biāo)志著我國推進(jìn)智能制造創(chuàng)新發(fā)展的決心。據(jù)此，本文以2015年為界，對原模型做分組回歸，觀察2015年前后回歸系數(shù)變化。結(jié)果顯示，兩個階段核心解釋變量的影響系數(shù)及顯著性均與基礎(chǔ)回歸結(jié)論一致，可以認(rèn)為人工智能技術(shù)進(jìn)步對員工收入的影響在各個時段是均勻一致的，基礎(chǔ)回歸結(jié)論是穩(wěn)健可靠的。

（四）機(jī)制分析

前文分析已知，人工智能在企業(yè)層面的應(yīng)用的確會影響員工收入、促進(jìn)企業(yè)初次分配環(huán)節(jié)共同富裕目標(biāo)的導(dǎo)向，但這一影響的傳導(dǎo)路徑尚不明晰。因此，我們試圖從人工智能對勞動份額產(chǎn)生的雙向效應(yīng)出發(fā)，就以下兩個可能的傳導(dǎo)途徑，利用中介效應(yīng)檢驗方法，探究人工智能影響員工收入的傳導(dǎo)機(jī)制，找到通過人工智能技術(shù)實現(xiàn)企業(yè)員工共同富裕的渠道。本文采用的中介效應(yīng)檢驗方法為Sobel檢驗法，回歸結(jié)果見表6。

表6 機(jī)制分析

1.人工智能技術(shù)進(jìn)步通過成本收入比影響企業(yè)員工收入

在控制非實驗變量的基礎(chǔ)上，首先觀察人工智能通過成本收入比影響員工收入的中介效應(yīng)結(jié)果。Sobel檢驗顯示，在1%的置信水平上，人工智能對員工收入的直接效應(yīng)為正。同時，人工智能的應(yīng)用顯著提高了企業(yè)的成本收入比，使之增加2.02%。研發(fā)、引進(jìn)、購置人工智能設(shè)備，或結(jié)合外包實現(xiàn)大數(shù)據(jù)處理中心、云端平臺搭建等舉措，使得成本出現(xiàn)一定程度上的損耗，出于廠商的趨利性，成本收入比的增加使得企業(yè)趨向于降低勞動份額。中介模型第二階段結(jié)果顯示，成本收入比的增加致使員工收入降低了22.41%，因此，人工智能技術(shù)進(jìn)步通過提高成本收入比對員工收入產(chǎn)生負(fù)的間接效應(yīng)，間接效應(yīng)占比為-4.4%。

2.人工智能技術(shù)進(jìn)步通過員工技能結(jié)構(gòu)影響企業(yè)員工收入

企業(yè)員工的人力資本結(jié)構(gòu)與技能稟賦構(gòu)成企業(yè)發(fā)展的核心競爭力，這里我們采用直接生產(chǎn)人員占比衡量員工技能結(jié)構(gòu)。直接生產(chǎn)人員包括工人、學(xué)徒和直接從事生產(chǎn)操作的一線員工等，在員工總數(shù)中占據(jù)相當(dāng)大的比重。Sobel檢驗的p值報告了中介效應(yīng)在模型中顯著，明確人工智能技術(shù)的應(yīng)用能夠通過影響員工技能結(jié)構(gòu)繼而影響員工收入，直接生產(chǎn)人員占比的下降有利于提升員工整體收入水平，印證了雙向傳導(dǎo)機(jī)制的存在。為了適配人工智能這一新的技術(shù)進(jìn)步形式，企業(yè)員工結(jié)構(gòu)亟待轉(zhuǎn)型升級，通過提升技能稟賦帶動員工整體收入水平的上升，為實現(xiàn)共同富裕奠定人力資本基礎(chǔ)。

結(jié)束語

本文結(jié)合以往相關(guān)研究，主要發(fā)現(xiàn)：（1）人工智能技術(shù)進(jìn)步能夠有效提升員工收入水平，影響系數(shù)為1.51%，在一定程度上促進(jìn)了企業(yè)員工共同富裕；（2）人工智能技術(shù)進(jìn)步對員工勞動報酬、勞動收入份額、以及平均收入水平的影響存在異質(zhì)性，相對來說，在東部地區(qū)、高端制造業(yè)企業(yè)中，這種影響表現(xiàn)更為強(qiáng)烈；（3）人工智能技術(shù)進(jìn)步對企業(yè)員工收入的影響存在雙向傳導(dǎo)機(jī)制，并通過成本收入比和員工技能結(jié)構(gòu)傳導(dǎo)。

當(dāng)前，以人工智能為核心的第四次工業(yè)革命將為全社會帶來巨大的經(jīng)濟(jì)收益，如何建立有效再分配機(jī)制，使其在促進(jìn)擁有技術(shù)專長的高學(xué)歷、高技能工作者收入增長的基礎(chǔ)上，最大限度地保護(hù)中低技能水平工作者的利益，從而縮小收入差距，推進(jìn)共同富裕，這是我們后續(xù)應(yīng)當(dāng)關(guān)注和思考的重點?；诖?，我們提出以下政策建議：（1）健全人力資本培養(yǎng)體系，通過縮小非義務(wù)教育階段公共教育經(jīng)費(fèi)支出差距，促進(jìn)實現(xiàn)人力資本投資均等化，從而切實提高中低收入人群收入，加快形成橄欖型社會；（2）細(xì)化社會分工，力求以最大程度發(fā)揮人工智能的就業(yè)創(chuàng)造效應(yīng)。失業(yè)問題導(dǎo)致的低工資惡性競爭是收入差距擴(kuò)大的重要原因，因此，在培養(yǎng)技能勞動力的同時，應(yīng)該發(fā)揮人工智能對勞動力市場的創(chuàng)造效應(yīng)，最大程度吸收剩余勞動力。同時在體制創(chuàng)新實踐中進(jìn)一步疏通“去產(chǎn)能”類制造業(yè)員工向新型平臺經(jīng)濟(jì)轉(zhuǎn)移的渠道與方式，以期實現(xiàn)我國就業(yè)結(jié)構(gòu)優(yōu)化配置，縮小行業(yè)收入差距；（3）基于地區(qū)生產(chǎn)和發(fā)展水平差異，因地制宜，實施差別化、有傾斜的創(chuàng)新發(fā)展政策。擴(kuò)大先進(jìn)產(chǎn)業(yè)和地區(qū)的人工智能技術(shù)外溢效應(yīng)，拓展西部落后地區(qū)的市場規(guī)模，充分發(fā)揮人工智能技術(shù)的優(yōu)勢，消融地區(qū)間的經(jīng)濟(jì)發(fā)展隔閡，為實現(xiàn)人工智能助推高質(zhì)量發(fā)展和共同富裕的奮斗目標(biāo)夯實基礎(chǔ)。