傳統(tǒng)物流業(yè)是典型的勞動密集型產業(yè)。進入數字時代，物流業(yè)成為人工智能應用中具有代表性的產業(yè)之一，人工智能對物流業(yè)造成巨大的沖擊，物流業(yè)的生產服務模式從人力主導轉型到智能控制，在集人工智能、物聯網技術、計算機技術以及信息處理等技術為一體的智能物流系統(tǒng)的支撐下，無人機、無人車、倉儲機器人及智能快遞柜等設備被廣泛運用到物流的各個環(huán)節(jié)[1]。這大大降低了物流成本，優(yōu)化了物流路徑，提高了勞動效率，為物流業(yè)的發(fā)展提供了新動能。同時生產服務方式的轉型重新定義了物流業(yè)中人與技術的關系，對物流企業(yè)就業(yè)造成了深刻影響。

就業(yè)是民生之本，“就業(yè)不僅是民生問題，也是發(fā)展問題”，就業(yè)作為“六穩(wěn)”和“六?！敝?，其重要性不言而喻。因此，物流行業(yè)在面臨智能化服務轉型升級的情況下，人工智能對物流業(yè)的就業(yè)的影響是怎樣的？會不會提高物流行業(yè)的員工收入？人工智能作用下物流業(yè)的機制如何？厘清以上問題，有助于明晰人工智能對物流業(yè)就業(yè)的影響程度和機制。

1 數據說明與模型設計

1.1 數據

本文物流行業(yè)上市企業(yè)數據信息的選取主要來自東方財富數據庫，通過東方財富對物流行業(yè)的分類，可以得到物流行業(yè)51家上市企業(yè)的數據。由于物流上市公司普遍上市時間較短，因此本文選擇的數據時間跨度為2016—2021年，通過銳思數據庫獲得物流上市企業(yè)在目標年份的各項指標。對于部分缺失2021年的數據，則通過查找各個企業(yè)公布的年報，依據銳思數據庫提供的數據詞典計算得出。為確保估計結果的精準性，對連續(xù)變量進行雙邊1%的Winsorize處理。

續(xù) 表

1.2 模型設定

為了檢驗人工智能應用對員工數量和員工收入的影響，建立了如下計量模型。

其中i表示企業(yè)，t表示年份。其中，被解釋變量為企業(yè)的員工數量（YGSL）和員工收入（YGSR），解釋變量為企業(yè)的人工智能應用（RGZN），Control為控制變量集合，具體包括企業(yè)的資本結構、盈利能力、償債能力和成長能力等。δi為企業(yè)固定效應，λi為時間固定效應，εit為隨機誤差項。對核心解釋變量和被解釋變量采取對數化處理，并且采用聚類穩(wěn)健標準誤進行回歸，有效地控制異方差和自相關帶來的影響。

1.3 變量說明

被解釋變量的測度。本文關注人工智能應用對物流企業(yè)就業(yè)和工資的影響。被解釋變量為物流企業(yè)的就業(yè)人數，采用企業(yè)就業(yè)人數測度。由于物流行業(yè)中部分企業(yè)存在勞務外包行為，而勞務外包本質上也屬于物流企業(yè)實際雇傭勞動力的一部分，如果不加入這一部分將會忽視企業(yè)的勞務外包情況，從而帶來較大的測量誤差。根據企業(yè)會計準則，年報關于員工的統(tǒng)計則不計入勞務外包人數，且年報中的勞務外包只有工時數。根據國家對一年工時數的規(guī)定，本文依此進行換算得到勞務外包人數，并與年報上的員工人數合并，最終形成物流企業(yè)就業(yè)人數的測度指標。此外，本文以企業(yè)財務報告中的應付職工薪酬為依據來測度企業(yè)的整體工資水平。

核心解釋變量的測度。企業(yè)年報中未直接報告人工智能或機器人的應用情況。而現有的文獻中孟浩等[2]采用在企業(yè)報表中出現人工智能關鍵詞來衡量企業(yè)應用人工智能的程度。但這種方式可能會因企業(yè)自身對于人工智能的炒作而使得數據失真。何勤等[3]以企業(yè)的無形資產賬面價值衡量企業(yè)的人工智能水平。本文的研究對象是物流行業(yè)，和上述文獻選取的對象有所不同且物流企業(yè)普遍上市較晚，對外公布的財務報告相對匱乏的情況，故無法利用人工智能關鍵詞的頻數來衡量企業(yè)的人工智能水平。于是借鑒何勤等的思路，研究財務報告后發(fā)現固定資產的電子設備和信息技術設備等科目記錄明確，與人工智能應用密切相關，所以本文選取該項作為指標。

控制變量的測度。以企業(yè)的長期負債總額與所有者權益的比率來測度企業(yè)的資本結構，以凈資產收益率和凈利潤與營業(yè)總收入的比率來測度企業(yè)的盈利能力，以負債總額與股東權益的比率來測度企業(yè)的償債能力，以凈資產增長率來測度企業(yè)的成長能力。如表1所示。

表1 變量及變量說明

2 實證分析

2.1 基準估計結果分析

為了避免遺漏變量對模型估計結果的影響，本文采用面板時間和個體均固定的雙固定效應回歸模型對基準模型進行估計。表2列（1）報告了人工智能應用對物流企業(yè)就業(yè)的影響，估計結果顯示人工智能應用顯著提升了企業(yè)的就業(yè)規(guī)模，伴隨企業(yè)人工智能應用增長1%，企業(yè)的員工數量平均增長了0.46%；列（2）報告了人工智能應用對物流企業(yè)工資水平的影響，估計結果顯示，人工智能應用顯著增加了員工收入，企業(yè)人工智能應用增加1%，則員工收入增長0.29%?；鶞誓Ｐ偷墓烙嫿Y果說明人工智能對于整個物流行業(yè)的就業(yè)規(guī)模和員工收入的影響以創(chuàng)造效應為主。

表2 人工智能對企業(yè)員工數量和員工收入影響的估計結果

2.2 中介機制檢驗

為了檢驗人工智能技術研發(fā)對就業(yè)規(guī)模的間接影響，在模型中加入中介變量，借鑒溫忠麟等[4]提出的中介效應檢驗方法，設定模型如下。

其中i表示企業(yè)，t表示年份。其中，被解釋變量為企業(yè)的員工數量（YGSL）、員工收入（YGSR），解釋變量為企業(yè)的人工智能應用（RGZN），中介變量為企業(yè)規(guī)模（GSGM）（企業(yè)期末資產總額），Control為控制變量集合，具體包括企業(yè)的資本結構、盈利能力、償債能力和成長能力等。δi為企業(yè)固定效應，εit為隨機誤差項。為控制異方差和自相關的影響，采用穩(wěn)健標準誤差進行回歸。

表3中列（1）和列（2）分別為未加入企業(yè)規(guī)模變量和加入企業(yè)規(guī)模變量對員工數量的影響；列（3）報告了人工智能對企業(yè)規(guī)模的相關性；列（4）和列（5）分別為未加入企業(yè)規(guī)模變量和加入企業(yè)規(guī)模變量對員工收入的影響。列（3）的回歸結果表明人工智能應用顯著提高了企業(yè)的規(guī)模；列（2）和列（5）的回歸結果表明在加入中介變量企業(yè)規(guī)模后，人工智能應用和企業(yè)規(guī)模對員工數量和員工收入的影響均顯著，說明企業(yè)規(guī)模起到了部分中介效應。這說明對于物流行業(yè)來說，員工收入一部分受到人工智能通過企業(yè)規(guī)模的間接影響，另一部分則受到人工智能應用的直接影響。

表3 人工智能應用對員工數量和員工收入的中介效應回歸結果

3 結 語

本文利用2016—2021年我國物流上市企業(yè)的面板數據，檢驗分析了人工智能應用對就業(yè)規(guī)模和員工收入的影響。研究結果表明，企業(yè)中人工智能應用程度的提高，顯著提高了我國物流企業(yè)的就業(yè)規(guī)模和員工收入；機制分析的結論表明，人工智能應用對就業(yè)的創(chuàng)造效應主要來自其擴大了企業(yè)的規(guī)模。

為了更好地發(fā)揮人工智能對就業(yè)的促進作用，本文提出以下建議。

其一，重視對員工的激勵和培養(yǎng)。雖然目前的數據表明人工智能應用會簡化其工作難度。但是目前物流行業(yè)的競爭日益激烈，未來物流企業(yè)會產生新的工作崗位，這對勞動力的素質提出了更高的要求，為了避免新崗位與員工技能不匹配的情況，企業(yè)應重視提高員工的素質和技能，對員工進行和人工智能技術有關的培訓，并在培訓后進行評估，以確保培訓質量；還可以創(chuàng)辦企業(yè)大學，為想要在工作之外進行充電的普通員工提供良好的學習條件和環(huán)境。

其二，注重把握人工智能的相關政策。人工智能的發(fā)展是大勢所趨，物流企業(yè)應積極響應國家的號召，利用好國家出臺的有關人工智能優(yōu)惠政策，加強人工智能技術的研發(fā)和創(chuàng)新，并將人工智能與企業(yè)融合，以此增強企業(yè)的競爭優(yōu)勢，擴大企業(yè)規(guī)模，達到人工智能間接促進就業(yè)的目的。