內容提要：目前，人工智能快速發(fā)展帶來的勞動力就業(yè)結構變化成為廣受關注的熱點問題?；?010-2019年中國省級面板數(shù)據(jù)，利用固定效應模型、門檻效應模型和中介效應模型，實證檢驗創(chuàng)新驅動下人工智能對勞動力就業(yè)結構的影響及作用機制。結果表明：人工智能對就業(yè)結構的影響反映出中國的特殊性，推動中國勞動力就業(yè)結構趨向高級化，這一促進作用在東部地區(qū)和技術密集區(qū)更為顯著；人工智能對勞動力就業(yè)結構具有非線性影響，且人工智能發(fā)展程度越高，對勞動力就業(yè)結構的優(yōu)化作用越明顯；進一步研究發(fā)現(xiàn)，基于創(chuàng)新驅動視角，人工智能還通過技術創(chuàng)新效應和創(chuàng)新人才集聚效應兩個間接機制推動勞動力就業(yè)結構優(yōu)化升級。研究結論對于在人工智能背景下優(yōu)化中國勞動力就業(yè)結構具有一定的理論價值和現(xiàn)實意義。

一、 引 言

人工智能作為新一輪技術革命的代表，在全球范圍內表現(xiàn)出極強的溢出帶動效應。據(jù)普華永道報告預測，未來15年人工智能將促進全球經(jīng)濟增速提高14%，成為經(jīng)濟增長的新引擎，世界各國都在加快對人工智能的相關部署，力求在新一輪科技革命競爭中搶占先機。2017年，中國把人工智能上升至國家發(fā)展戰(zhàn)略的高度，2019年明確將發(fā)展人工智能作為重點產(chǎn)業(yè)方向，2017-2020年，“人工智能”已經(jīng)連續(xù)四年被寫入政府工作報告，中國政府正積極推進人工智能產(chǎn)業(yè)的發(fā)展并適時進行戰(zhàn)略制定與更新。《“十四五”機器人產(chǎn)業(yè)發(fā)展規(guī)劃》提出，中國已連續(xù)8年蟬聯(lián)全球最大的工業(yè)機器人消費國?！?020人工智能產(chǎn)業(yè)白皮書》特別提出，到2025年，中國將成為全球最大的人工智能市場，其核心產(chǎn)業(yè)規(guī)模將達到4000億元。但是，人工智能在推動經(jīng)濟高速發(fā)展的同時對勞動力就業(yè)結構也造成了顯著影響，第七次全國人口普查結果顯示，2020年中國人口老齡化高達18.7%，“人口紅利”正在不斷消逝，結構性、技術性失業(yè)現(xiàn)象愈發(fā)凸顯。在后疫情時代，探究如何運用人工智能技術優(yōu)化勞動力就業(yè)結構成為現(xiàn)階段面臨的重要議題。

二、 文獻綜述

目前，人工智能影響就業(yè)結構的研究多從技能偏向性理論和任務偏向性理論角度出發(fā)，前者關注技能結構的改變，后者以任務結構為研究對象。

人工智能應用早期，Autor等(2003)基于技能偏向性理論認為人工智能確實會影響勞動力就業(yè)結構，導致中低技能勞動力被替代的風險極大。隨著自動化的深入，Autor等(2006)的研究發(fā)現(xiàn)，勞動力市場出現(xiàn)了“就業(yè)極化”現(xiàn)象，中等技能崗位大幅減少，勞動力就業(yè)技能結構逐漸趨向“U”型，技能偏向性理論難以作出合理解釋，于是任務偏向性理論應運而生。Goos等(2007)研究認為中等技能崗位以程序化任務為主，具有一定的規(guī)律性，更易被自動化所替代，而低技能勞動力多為非程序化手工勞動，被替代的風險有所下降，因而會出現(xiàn)“就業(yè)極化”現(xiàn)象。人工智能的出現(xiàn)與應用，會加速就業(yè)的不平等，進一步加劇“就業(yè)極化”現(xiàn)象(Acemoglu和Restrepo，2018)。

國內關于人工智能對就業(yè)結構的影響還存在分歧。部分學者認為人工智能會導致“就業(yè)極化”，例如閆雪凌等(2020)以工業(yè)機器人為研究對象，通過行業(yè)異質性分析發(fā)現(xiàn)中等技術行業(yè)受工業(yè)機器人影響明顯，就業(yè)結構初步極化，呂世斌和張世偉(2015)通過中國制造業(yè)的數(shù)據(jù)，也發(fā)現(xiàn)了相似的結論。孫早和侯玉琳(2019)從勞動力供給視角，基于受教育程度將勞動力劃分為不同技能，同樣發(fā)現(xiàn)中國勞動力就業(yè)結構趨向“兩極化”，進一步研究得出，在沿海發(fā)達地區(qū)由于受生活成本的影響，低技能勞動力的市場份額下降，就業(yè)結構表現(xiàn)為“單向極化”。

也有學者認為人工智能并未導致中國出現(xiàn)“就業(yè)極化”現(xiàn)象，而是推動勞動力就業(yè)結構優(yōu)化升級，逐漸趨向“高級化”。董直慶和蔡嘯(2016)通過測算技術進步偏向技能勞動的強度，發(fā)現(xiàn)技術進步對就業(yè)結構具有顯著正向影響，表現(xiàn)為技術進步的技能偏向程度越高，勞動力結構優(yōu)化作用越明顯，李舒沁等(2021)同樣基于技能偏向性理論，利用工業(yè)機器人的數(shù)據(jù)也得出了相似結論。張于喆(2019)認為人工智能對不同技能勞動力的影響具有非對稱性，通過調整勞動力技能結構逐漸優(yōu)化就業(yè)結構。俞伯陽(2020)利用多變量狀態(tài)空間模型同樣驗證了這一結論，且發(fā)現(xiàn)不同地區(qū)之間存在明顯的地域差異，人工智能對東部地區(qū)勞動力結構的優(yōu)化作用優(yōu)于中西部地區(qū)。陳曉等(2020)研究進一步說明了工業(yè)智能化對就業(yè)結構高級化具有推動作用，進而能夠改善經(jīng)濟增長質量。

此外，鮮有文獻研究人工智能影響就業(yè)結構的作用機制。何勤等(2020)基于微觀企業(yè)數(shù)據(jù)，認為人工智能技術可以通過產(chǎn)品創(chuàng)新和資本偏好兩條路徑影響就業(yè)，進而使企業(yè)員工數(shù)量、技能和收入發(fā)生改變。郭凱明(2019)建立多部門動態(tài)一般均衡模型，發(fā)現(xiàn)人工智能技術影響生產(chǎn)要素在部門間的流動方向，可以通過促進產(chǎn)業(yè)結構轉型升級影響勞動收入份額。康茜和林光華(2021)利用中介效應模型檢驗產(chǎn)業(yè)結構在工業(yè)機器人與就業(yè)間的作用機制，發(fā)現(xiàn)工業(yè)機器人可以通過產(chǎn)業(yè)結構高級化影響不同技能勞動力的就業(yè)。

綜上所述，關于人工智能對中國就業(yè)結構的影響尚存在爭議，其往往局限于從直接效應角度進行分析，忽視了對二者間內在作用機制的探討，與已有文獻相比，本文可能的貢獻在于：第一，目前，國外有關人工智能就業(yè)效應的結論多以發(fā)達國家為研究對象，考慮到發(fā)展中國家與發(fā)達國家在各方面都存在較大差異，且中國尚處于弱人工智能階段(程承坪和彭歡，2018)，已有結論不一定適用于中國國情，因此本文從發(fā)展中國家角度出發(fā)，基于技能偏向性理論研究人工智能對勞動力就業(yè)結構的影響是否反映出中國的特殊性。第二，現(xiàn)有研究側重人工智能對就業(yè)結構的線性影響，本文運用門檻效應檢驗，探討人工智能在不同階段對勞動力就業(yè)結構的影響是否具有非線性特征。第三，本文在研究直接效應的基礎上，基于創(chuàng)新驅動的間接視角，從技術創(chuàng)新效應和創(chuàng)新人才集聚效應兩個方面探討人工智能影響就業(yè)結構的內在作用機理。

三、 理論分析與研究假設

1. 人工智能對就業(yè)結構的直接效應

人工智能不同于以往技術革命的特點在于它的目的是提高生產(chǎn)率以實現(xiàn)生產(chǎn)過程的全自動化，自動化程度越高對生產(chǎn)率的提升作用越顯著(Acemoglu和Restrepo，2018)，對低技能勞動力的負面影響也越大。人工智能通過替代效應和創(chuàng)造效應加速勞動力技能分化進而使勞動力就業(yè)結構不斷優(yōu)化。根據(jù)歷次技術革命來看，一項新技術的產(chǎn)生會淘汰舊有技術和部分就業(yè)崗位，使低技能勞動力就業(yè)范圍逐漸縮小，但Acemoglu和Restrepo(2020)構建的就業(yè)創(chuàng)造模型表明新技術應用導致勞動力被替代的同時，也會創(chuàng)造出新的就業(yè)機會，提供大量與新技術相匹配的就業(yè)崗位。根據(jù)技能偏向性理論，在人工智能與生產(chǎn)相融合的過程中，高技能勞動力具有知識溢出效應和較高勞動生產(chǎn)率，因而勞動力市場對高技能勞動力的需求量不斷擴大，促進了勞動力市場就業(yè)質量的提升，推動了勞動力就業(yè)結構優(yōu)化升級。

但現(xiàn)實事物的發(fā)展關系往往比較復雜，不僅僅局限于線性關系，人工智能發(fā)展的各個階段對不同技能勞動力的需求都會存在差異。由“機器換人”向“人機協(xié)同”發(fā)展的過程中，勞動力市場對高技能勞動力表現(xiàn)為持續(xù)的吸納作用，同時對低技能勞動力表現(xiàn)為更強的擠出作用，由于中等技能勞動力的需求多寡具有一定的不確定性，可能隨勞動生產(chǎn)率提高而被替代，也可能因勞動生產(chǎn)率提高帶來居民收入上升進而導致社會需求顯著增加，企業(yè)在擴大生產(chǎn)的過程中為中等技能勞動力創(chuàng)造了更多就業(yè)崗位，但不論各個階段人工智能對中等技能勞動力影響如何，最終的直接表現(xiàn)都是促進中國勞動力就業(yè)結構優(yōu)化升級。

因此，人工智能對中國勞動力就業(yè)結構的影響不同于發(fā)達國家的“就業(yè)極化”，而是反映出中國的特殊性，推動中國勞動力就業(yè)結構逐漸趨向高級化。據(jù)此提出以下假說：

假說1：人工智能推動中國勞動力就業(yè)結構逐漸趨向高級化。

假說2：人工智能對勞動力就業(yè)結構具有非線性影響，且人工智能發(fā)展程度越高，對勞動力就業(yè)結構的優(yōu)化作用越明顯。

2. 人工智能對就業(yè)結構的間接效應

(1) 技術創(chuàng)新效應。熊彼特(2006)提出創(chuàng)新對經(jīng)濟發(fā)展具有驅動作用，通過優(yōu)化要素配置，創(chuàng)新生產(chǎn)、組織、運營、設計等過程，帶來產(chǎn)品創(chuàng)新和服務創(chuàng)新，從而創(chuàng)造更多新的就業(yè)機會。在產(chǎn)業(yè)結構層面，人工智能作為新一輪產(chǎn)業(yè)變革的驅動力量，具有創(chuàng)新賦能特性，在促進經(jīng)濟發(fā)展的同時能夠推動技術創(chuàng)新，激發(fā)互補性創(chuàng)新投入，以技術創(chuàng)新帶動產(chǎn)業(yè)創(chuàng)新，擴大傳統(tǒng)產(chǎn)業(yè)的生產(chǎn)可能性邊界，加速傳統(tǒng)產(chǎn)業(yè)與新興產(chǎn)業(yè)的融合，推動科技成果轉移轉化，有助于催生許多新業(yè)態(tài)、新組織和新模式(丁志帆，2020)，在這一過程中，勞動力市場對高技能勞動力的需求也將隨著技術性崗位的增加而不斷上升。在企業(yè)層面，人工智能技術的應用對研發(fā)部門有了更高的技術要求，倒逼企業(yè)不斷進行技術創(chuàng)新以適應新技術帶來的崗位變化。同時，人工智能技術的應用可以不斷完善產(chǎn)品工藝和生產(chǎn)流程，顯著提升了勞動生產(chǎn)率和信息流通效率，使企業(yè)研發(fā)人員能夠更加專注于研發(fā)領域，激發(fā)企業(yè)技術創(chuàng)新內生動力，提高專利授權數(shù)量和企業(yè)研發(fā)能力，加快重塑各個崗位的工作內容與工作模式，在技術創(chuàng)新效應的驅動下，企業(yè)對勞動力技能的要求越來越高，這在一定程度上促進了勞動力就業(yè)結構優(yōu)化升級。據(jù)此提出以下假說：

假說3：人工智能可以通過技術創(chuàng)新效應間接促進勞動力就業(yè)結構高級化。

(2) 創(chuàng)新人才集聚效應。根據(jù)技術創(chuàng)新擴散理論，人工智能技術的發(fā)展會增加對創(chuàng)新型人才的需求，增強了人才集聚的“磁場效應”，形成創(chuàng)新人才加速集聚的鏈式反應，吸引知識密集型企業(yè)不斷入駐，有利于打造人才高地，顯著提升全要素生產(chǎn)率，引導大量高技能勞動力主動流入，會產(chǎn)生高技能勞動力的空間集聚效應，這將直接促進區(qū)域勞動力就業(yè)結構的優(yōu)化。同時創(chuàng)新型人才又是技術創(chuàng)新的動力源泉，能夠反向刺激技術進步，釋放創(chuàng)新動力，不斷增強人工智能與創(chuàng)新人才之間的適配性，推動人工智能向“人機協(xié)同”發(fā)展，而人工智能的應用會擠出大量低技能勞動力，盡管制造業(yè)中被替代的勞動力會逐漸向生活性服務業(yè)轉移，但中國服務業(yè)勞動吸納能力已接近飽和，如果這部分勞動力不從提高自身技能角度出發(fā)，最終依舊會被淘汰。因此，人工智能的發(fā)展會倒逼勞動力通過教育、培訓等途徑不斷提升自身技能，以滿足勞動力市場對知識型、技能型、復合型人才的需求，推動“人口紅利”向“人才紅利”逐漸邁進，充分釋放人才集聚的創(chuàng)新紅利，從而使勞動力就業(yè)結構日益優(yōu)化。據(jù)此提出以下假說：

假說4：人工智能可以通過創(chuàng)新人才集聚效應間接促進勞動力就業(yè)結構高級化。

圖1 人工智能對勞動力就業(yè)結構的影響機理

四、 計量模型設定與指標選取

1. 基準模型設定

根據(jù)前文的理論分析與研究假設，本部分將從經(jīng)驗角度探究人工智能優(yōu)化勞動力就業(yè)結構的內在作用機制。參考Acemoglu和Restrepo(2018)的經(jīng)驗，設定如下基本計量模型：

Lit=α0+βrobotit+α1Xit+μi+δt+εit

(1)

其中，i代表省份,t代表時間；被解釋變量Lit表示不同技能勞動力占比；核心解釋變量robotit表示人工智能水平，以工業(yè)機器人滲透度作為其代理變量；變量Xit為一系列控制變量。此外，μi表示個體固定效應，δt表示時間固定效應，εit為隨機誤差項。

2. 指標選取

(1) 被解釋變量：勞動力就業(yè)結構(L)。關于就業(yè)結構的劃分，多數(shù)文獻以勞動力技能結構為標準，本文借鑒孫早和侯玉琳(2019)的方法，用不同受教育程度的就業(yè)人員占比表示不同技能勞動力的就業(yè)情況，以此衡量勞動力就業(yè)結構。將勞動力分為低、中、高技能三類，初中及以下學歷為低技能勞動力(low)，高中學歷為中等技能勞動力(mid)，大專及以上學歷為高技能勞動力(high)。

(2) 核心解釋變量：人工智能(robot)。工業(yè)機器人的使用密度是人工智能發(fā)展程度最直觀的體現(xiàn)，本文采用工業(yè)機器人滲透度作為人工智能的代理變量。由于IFR提供的是國家-行業(yè)層面的數(shù)據(jù)，而本文以省級層面為研究對象，因此，將IFR所提供的中國各行業(yè)機器人使用數(shù)據(jù)與《中國勞動統(tǒng)計年鑒》中行業(yè)分類方式進行匹配，共劃分農(nóng)林牧漁業(yè)、采礦業(yè)、制造業(yè)、電燃水氣供應業(yè)、建筑業(yè)、教育與研發(fā)和其他7大類行業(yè)，借鑒韓民春等(2020)、閆雪凌等(2020)學者對工業(yè)機器人滲透度的測算,具體公式為：

(2)

其中，robotit表示i地區(qū)t時期工業(yè)機器人滲透度；Lijt表示i地區(qū)j行業(yè)t時期的就業(yè)人數(shù)，Lit表示i地區(qū)t時期的就業(yè)人數(shù)，Lijt/Lit表示i地區(qū)j行業(yè)t時期就業(yè)人員比例；Rjt表示j行業(yè)t時期工業(yè)機器人存量，Ljt表示j行業(yè)t時期全國就業(yè)人數(shù)，Rjt/Ljt為j行業(yè)t時期全國層面工業(yè)機器人滲透度。對工業(yè)機器人滲透度做對數(shù)化處理。

(3) 主要控制變量。城市化水平(urban)，采用城鎮(zhèn)人口占總人口的比重表示；生活成本(ch)，以居民人均消費支出與可支配收入之比衡量；技能溢價(premium)，本文用信息傳輸、計算機服務和軟件業(yè)平均工資與農(nóng)林牧漁業(yè)平均工資的比值來衡量；基礎設施建設(inf)，采用鐵路營業(yè)里程的對數(shù)值衡量；受教育水平(edu)，采用平均受教育年限的對數(shù)值表示，平均受教育年限=(未上過學人口數(shù)×1+小學人口數(shù)×6+初中人口數(shù)×9+高中人口數(shù)×12+?？萍耙陨先丝跀?shù)×16)/6歲及以上人口數(shù)；地區(qū)生產(chǎn)總值(gdp)，采用各省生產(chǎn)總值的對數(shù)值表示。

(4) 中介變量。技術創(chuàng)新(te)，用R&D經(jīng)費內部支出占GDP的比重度量；創(chuàng)新人才集聚(ihc)，以R&D人員全時當量進行衡量，并做對數(shù)化處理。

3. 數(shù)據(jù)來源

本文選取2010-2019年中國30個省區(qū)市(除港、澳、臺和西藏外)的面板數(shù)據(jù)為樣本進行實證研究。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》以及國際機器人聯(lián)盟(IFR)、國家統(tǒng)計局和EPS數(shù)據(jù)庫。部分缺失值用插值法進行補齊。主要變量的描述性統(tǒng)計如表1所示。

表1 變量的描述性統(tǒng)計

(續(xù)表)

五、 實證結果與分析

1. 基準回歸結果

根據(jù)上述理論分析和研究設計，選取stata16作為檢驗工具，Hausman檢驗結果顯示P值小于0.1，表明固定效應模型比隨機效應模型更加有效，因此，本文采用雙向固定效應模型進行實證檢驗。

表2報告了模型(1)的估計結果。實證結果顯示，從整體來看，人工智能顯著推動中國勞動力就業(yè)結構逐漸趨向高級化，驗證了本文提出的假說1。可以看出，人工智能降低了低技能勞動力的就業(yè)，卻促進了中高技能勞動力的就業(yè)。在5%的顯著性水平上，人工智能發(fā)展程度每提升1%，將使得低技能勞動力占比減少0.058%，而使中高等技能勞動力占比分別提升0.024%和0.034%。由此可見，人工智能對中國就業(yè)結構的影響不同于國外研究提出的“就業(yè)極化”現(xiàn)象，而是反映出中國的特殊性，推動中國勞動力就業(yè)結構逐漸趨向“高級化”，從而驗證了假說1。

表2 基準回歸結果

控制變量的回歸結果顯示，受教育水平對高技能勞動力就業(yè)具有促進作用，但不顯著，技能溢價、生活成本對高技能勞動力就業(yè)具有顯著的正向吸納作用，而對中低技能勞動力具有負向擠出作用，有利于勞動力就業(yè)結構優(yōu)化升級。而城市化水平和基礎設施建設對高技能勞動力的就業(yè)具有消極影響，不利于勞動力就業(yè)結構高級化，表明在經(jīng)濟發(fā)展的新常態(tài)下，傳統(tǒng)的城市化建設模式和基礎設施建設已經(jīng)不能進一步推動中國勞動力就業(yè)結構向高級化方向發(fā)展，同時也說明需要充分發(fā)揮創(chuàng)新驅動效應促進中國勞動力結構優(yōu)化升級。

2. 穩(wěn)健性檢驗

(1) 內生性檢驗。由于就業(yè)結構的優(yōu)化升級也會推動人工智能技術的研發(fā)與應用，因此，人工智能對勞動力就業(yè)結構的影響可能存在逆向因果的內生性問題。本文借鑒唐曉華和遲子茗(2021)的研究，選取與同時期中國工業(yè)機器人使用密度相似的美國工業(yè)機器人使用密度(USArobot)作為工具變量，采用2SLS法進行工具變量估計，回歸結果如表3所示。表3列(1)為第一階段回歸結果，列(2)-(4)為第二階段回歸結果，回歸結果與基礎回歸結果基本一致，證明了本文結論的穩(wěn)健性，再次驗證了假說1。

表3 內生性檢驗：工具變量法

(2) 穩(wěn)健性檢驗。為保證實證結果具有穩(wěn)健性，本文采用時滯效應和排除異常值的方法進行穩(wěn)健性檢驗。第一，工業(yè)機器人從引進、安裝到最終應用產(chǎn)生規(guī)模效應具有一定的時滯性，本文采用滯后一期的工業(yè)機器人使用密度作為解釋變量，研究結果如表4列(1)-(3)所示，結果依舊穩(wěn)健。第二，為排除異常值干擾，本文對人工智能變量前后5%的數(shù)據(jù)樣本進行縮尾處理，結果如表4列(4)-(6)所示，結果依舊穩(wěn)健。

表4 穩(wěn)健性檢驗

3. 異質性檢驗

(1) 按地區(qū)劃分。鑒于中國東部和中西部地區(qū)經(jīng)濟發(fā)展的不平衡會對估計結果產(chǎn)生不同影響，本文把樣本分為東部和中西部，考察人工智能對勞動力就業(yè)結構影響的異質性，結果見表5。人工智能對東部和中西部地區(qū)勞動力就業(yè)結構優(yōu)化都具有正向影響，且對于東部地區(qū)的優(yōu)化作用強于中西部地區(qū)。究其原因，東部沿海地區(qū)經(jīng)濟發(fā)展水平較高，產(chǎn)業(yè)基礎雄厚，就業(yè)機會多且工資收入相對較高，吸引中高技能勞動力遷入，并且沿海地區(qū)生活成本比較高，進一步限制了低技能勞動力的就業(yè)。而中西部地區(qū)人才資源匱乏，產(chǎn)業(yè)發(fā)展滯后，導致人工智能的就業(yè)效應相對較弱。

表5 異質性回歸結果

(2) 按要素稟賦結構劃分。參考徐德云(2008)對產(chǎn)業(yè)結構升級程度的測算，按要素稟賦結構將地區(qū)劃分為技術密集區(qū)和非技術密集區(qū)，以此說明該地區(qū)由工業(yè)化社會向信息化社會轉型的程度，具體測算公

式為：

(3)

其中，xi表示第i產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比例，L為產(chǎn)業(yè)結構升級程度。L越接近于3，說明該地區(qū)信息化程度越高，技術水平越發(fā)達，定義為技術密集區(qū)；L越接近1，說明該地區(qū)正處于農(nóng)耕文化為主的階段，技術水平較弱，L越接近于2，說明該地區(qū)正處于工業(yè)化向信息化過渡的階段，技術水平尚不成熟，定義為非技術密集區(qū)。根據(jù)上述測算方法，本文將2010-2019年產(chǎn)業(yè)結構升級程度排名前15位的省份列為技術密集區(qū)，其余省份為非技術密集區(qū)?；貧w結果見表5，可以看出，人工智能對技術密集區(qū)的就業(yè)結構升級具有顯著的促進作用，同時對非技術密集區(qū)的就業(yè)結構升級也具有推動作用，但不顯著?？梢?，人工智能對不同技術地區(qū)的就業(yè)結構升級均有一定的促進作用，但對技術密集區(qū)的促進作用更強。究其原因，技術密集區(qū)聚集了京津冀、長三角、珠三角等人工智能產(chǎn)業(yè)重心，發(fā)展速度和勢頭不容小覷，就業(yè)效應更為明顯。

六、 進一步分析：門檻效應和機制檢驗

1. 門檻效應分析

由于人工智能對就業(yè)結構的影響是多維度的，可能會隨人工智能應用程度的不同而產(chǎn)生階段性影響。為進一步探討二者之間是否存在非線性關系，檢驗人工智能發(fā)展水平的提高是否有助于增強勞動力就業(yè)結構的優(yōu)化程度，本文借鑒Hansen(1999)的研究，在式(1)的基礎上構建如下門檻回歸模型：

Lit=α0+c1robotit·I(qit≤φ1)+c2robotit·I(φ1φ2)+α1Xit+εit

(4)

其中，qit為門檻值變量，即人工智能；I(·)為指標函數(shù)；φ為門檻值，φ1<φ2,其余變量和參數(shù)設置與式(1)相同。

表6顯示了不同技能勞動力的門檻效應檢驗結果。以人工智能發(fā)展水平為門檻變量時，對低技能勞動力和高技能勞動力的影響均存在單一門檻，門檻值分別為1.4911和2.8066；對中等技能勞動力的影響存在雙重門檻，門檻值分別為1.3512和2.1645。表7的門檻效應回歸結果表明，對低技能勞動力來說，人工智能發(fā)展水平在到達門檻值前，回歸系數(shù)為 -0.015 且顯著為負，表明人工智能對低技能勞動力就業(yè)具有負向影響；當人工智能發(fā)展水平越過門檻值后，回歸系數(shù)縮小到-0.046且在1%水平上通過顯著性檢驗，說明人工智能發(fā)展水平越高對低技能勞動力的替代作用越明顯。對中等技能勞動力來說，人工智能發(fā)展水平在到達第一個門檻值前，就業(yè)效應以替代效應為主，在跨越了第一個門檻值后，就業(yè)效應以創(chuàng)造效應為主，在跨越第二個門檻值后，就業(yè)仍以創(chuàng)造效應為主，但創(chuàng)造效應有所減弱。對高技能勞動力來說，人工智能發(fā)展水平在到達門檻值前，回歸系數(shù)為0.069且顯著為正，說明人工智能對高技能勞動力具有正向的吸納作用；當跨越門檻值之后，回歸系數(shù)為0.062且顯著為正，表明人工智能對高技能勞動力就業(yè)的推動作用略有下降，但下降幅度甚微。將不同技能勞動力綜合來看，隨著人工智能的發(fā)展，對勞動力就業(yè)結構的優(yōu)化作用不斷增強。

表6 門檻效應檢驗結果

究其原因，人工智能應用實質是資本深化的過程，隨著人工智能發(fā)展水平的提高，其通用性、滲透性等特性會進一步擴大應用場景和行業(yè)輻射范圍，作為新的生產(chǎn)要素逐漸替代勞動力等傳統(tǒng)生產(chǎn)要素，加劇對低技能勞動力的失業(yè)沖擊。同時，人工智能的快速應用引起了社會關系和結構的變化，但由于相關制度體系建設尚不完善，導致高技能勞動力就業(yè)的促進效應稍有減弱，并且人工智能發(fā)展速度要遠遠快于勞動力技能的更新速度和人才的培養(yǎng)速度，會出現(xiàn)技術進步與就業(yè)技能間匹配失衡的現(xiàn)象，也解釋了對高技能勞動力的就業(yè)需求略顯回縮的問題，從側面說明了在發(fā)展技術的同時也要注重配套體系建設、加強技能培訓和人才培育。另外，由于中國的人工智能發(fā)展還處于初級階段，中等技能勞動力大多從事常規(guī)性任務，被替代的風險極大，新業(yè)態(tài)的出現(xiàn)為中等技能勞動力創(chuàng)造了新的工作崗位，表現(xiàn)為對中等技能勞動力需求再次增加，但中等技能勞動力是中國勞動力市場的主力軍，創(chuàng)造的新崗位難以容納所有被淘汰的中等技能勞動力，導致對中等技能勞動力的需求小幅下滑。

綜上分析可知，人工智能對不同技能勞動力均存在門檻效應，且從整體視角來看，人工智能對勞動力就業(yè)結構的優(yōu)化作用不斷增強，說明人工智能對勞動力就業(yè)結構的影響具有非線性特征，且人工智能發(fā)展程度越高，對勞動力就業(yè)結構的優(yōu)化作用越明顯，假說2得以驗證。

表7 門檻效應回歸結果

2. 機制檢驗

前文理論分析表明，人工智能通過技術創(chuàng)新效應和創(chuàng)新人才集聚效應可促進中國勞動力就業(yè)結構高級化，為識別這兩種作用機制是否存在，本文借鑒溫忠麟等(2004)提出的中介效應方法，構建如下模型：

Lit=α0+cAIit+α1Xit+μi+δt+εit

(5)

Mit=β0+aAIit+β1Xit+μi+δt+εit

(6)

Lit=θ0+c′AIit+bMit+θ1Xit+μi+δt+εit

(7)

其中，M為中介變量，包括技術創(chuàng)新(te)和創(chuàng)新人才集聚(ihc)兩個方面，其他變量的定義與前文一致。具體的中介效應檢驗流程如圖2所示，另外，為確保解釋變量直接效應估計的可靠性，本文在中介效應第二、三步回歸中分別將另一個中介變量作為控制變量加入方程。

圖2 中介效應檢驗流程

(1) 技術創(chuàng)新效應。表8列(1)回歸結果顯示，人工智能對技術創(chuàng)新的回歸系數(shù)在10%水平上顯著為正，說明人工智能能夠顯著提升技術創(chuàng)新水平；列(2)、(4)、(6)分別為人工智能對低、中、高技能勞動力的回歸結果，均通過了顯著性檢驗；列(3)、(5)、(7)分別為加入了技術創(chuàng)新中介變量的回歸結果。其中，低技能勞動力的技術創(chuàng)新中介效應占比為20.4%；中等技能勞動力不存在技術創(chuàng)新中介效應；高技能勞動力的技術創(chuàng)新中介效應占比為12.1%，說明從整體來看，技術創(chuàng)新效應在人工智能與勞動力就業(yè)結構之間存在著部分中介效應，人工智能可通過驅動技術創(chuàng)新的方式提高技術溢價水平，增強創(chuàng)新效率的提升，從而改善勞動力就業(yè)結構，假說3得以驗證。

表8 中介效應檢驗：技術創(chuàng)新效應

(2) 創(chuàng)新人才集聚效應。表9列(1)回歸結果顯示，人工智能對創(chuàng)新人才集聚的回歸系數(shù)在5%水平上顯著為正，表明人工智能發(fā)展有助于發(fā)揮創(chuàng)新人才集聚效應；列(2)、(4)、(6)同上述技術創(chuàng)新中介效應檢驗；列(3)、(5)、(7)分別為加入了創(chuàng)新人才集聚中介變量的回歸結果。其中，對低技能勞動力來說，創(chuàng)新人才集聚的中介效應占比為33.4%；中等技能勞動力不存在創(chuàng)新人才集聚的中介效應；高技能勞動力的創(chuàng)新人才集聚中介效應占比為52.5%，說明就整體而言，創(chuàng)新人才集聚效應在人工智能與勞動力就業(yè)結構之間存在著部分中介效應，人工智能可通過提高創(chuàng)新型人力資本水平，釋放創(chuàng)新動力，不斷優(yōu)化勞動力就業(yè)結構，假說4得以驗證。

七、 研究結論與政策建議

本文利用2010-2019年中國省級機器人和勞動力就業(yè)的面板數(shù)據(jù)，采用固定效應模型、門檻效應模型和中介效應模型，實證檢驗創(chuàng)新驅動下人工智能影響勞動力就業(yè)結構的作用機制。結果表明：① 基于技能偏向性理論，人工智能對中國就業(yè)結構的影響反映出中國的特殊性，推動中國勞動力就業(yè)結構逐漸趨向高級化，即人工智能替代低技能勞動力的同時提高了中高技能勞動力的就業(yè)，這一促進作用在東部地區(qū)和技術密集區(qū)更為顯著。② 門檻效應檢驗表明，人工智能對勞動力就業(yè)結構具有非線性影響，且人工智能發(fā)展程度越高，對勞動力就業(yè)結構的優(yōu)化作用越明顯。③ 除直接效應外，基于創(chuàng)新驅動視角，人工智能還通過技術創(chuàng)新效應和創(chuàng)新人才集聚效應兩個間接機制推動中國勞動力就業(yè)結構優(yōu)化升級。

表9 中介效應檢驗：創(chuàng)新人才集聚效應

基于上述研究結論，本文提出如下對策建議：① 中國人工智能處于快速拓展的上升階段，在不斷加強人工智能基礎設施建設的同時強化政策引導、資金支持等軟環(huán)境建設。政府可適當放寬智能產(chǎn)業(yè)政策，以技術創(chuàng)新帶動產(chǎn)業(yè)創(chuàng)新，出臺一系列“智能+產(chǎn)業(yè)”融合的相關政策，加快傳統(tǒng)產(chǎn)業(yè)與智能產(chǎn)業(yè)的融合速度。加大人工智能技術創(chuàng)新的發(fā)展力度，特別是關鍵核心技術的研發(fā)領域，大力推動人工智能在全產(chǎn)業(yè)、全行業(yè)的應用，加速傳統(tǒng)產(chǎn)業(yè)轉型升級，充分釋放人工智能對就業(yè)結構優(yōu)化的巨大潛能，可以有效解決目前存在的“就業(yè)難”、“招工難”、技能需求匹配失衡等現(xiàn)實問題。② 因地制宜制定差異化人工智能發(fā)展戰(zhàn)略，避免盲目推進造成大規(guī)模“機器換人”帶來的失業(yè)恐慌與就業(yè)市場失衡。東部沿海地區(qū)和技術密集區(qū)可積極推進人工智能產(chǎn)業(yè)鏈規(guī)劃布局以期成為中國人工智能的發(fā)展范本，打造人工智能產(chǎn)業(yè)集群；中西部地區(qū)和非技術密集區(qū)加大資金投入和成果轉化力度，加速人工智能技術落地應用，擴大人工智能試點范圍。③ 未來崗位多元化趨勢明顯，政府應加快轉變人才培養(yǎng)模式，持續(xù)優(yōu)化教育體系結構和勞動力素質結構。重點完善高等教育體系結構，改革教育培養(yǎng)模式，注重培養(yǎng)創(chuàng)新型人才，提高全社會的創(chuàng)新型人力資本存量。同時注重完善人才引進機制，彌補人才缺口，只要人力資本提升的速度快于技術進步的速度，就能充分發(fā)揮“人才紅利”的優(yōu)勢，使勞動力掌握就業(yè)選擇的主動權，從而推動就業(yè)結構逐漸趨向高級化。④ 勞動力在新舊職業(yè)轉換過程中往往難以實現(xiàn)無縫對接，為降低勞動力要素重新配置花費的大量社會成本，可通過實施轉崗培訓、組織定期再學習提高勞動力的技能水平以滿足新工作崗位的需求，建立終身學習的職業(yè)教育體系，加強人工智能領域技能型、復合型人才的培養(yǎng)力度，同時勞動者個人也要強化技能學習意識，積極參加線上、線下職業(yè)培訓，不斷提高自身素質水平，降低“技術性失業(yè)”比例。