孫 寧，李明真，李 達(dá)，王永路

（1.中國信息通信研究院 產(chǎn)業(yè)與規(guī)劃研究所，北京 100191；2.北京交通大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100044；3.中國人民警察大學(xué) 財務(wù)處，河北 廊坊 065000；4.中國人民警察大學(xué) 研究生院，河北 廊坊 065000）

一、引言

制造業(yè)是一個國家經(jīng)濟(jì)增長的主要引擎，《中國制造2025》中明確指出制造業(yè)是國民經(jīng)濟(jì)的主體，是立國之本、興國之器、強(qiáng)國之基。隨著國家市場和體制改革，女性群體越來越多地加入勞動力市場中來。《中國勞動統(tǒng)計年鑒》數(shù)據(jù)顯示，制造業(yè)是19 個行業(yè)中吸納城鎮(zhèn)女性就業(yè)最多的行業(yè)，從2000年女性從業(yè)人員1425 萬人，占女性就業(yè)總量的32%，到2017年的1821 萬人，占比28%，雖然比例有所波動但始終保持女性就業(yè)總量第一的位置。國家統(tǒng)計局《2018 中國農(nóng)村貧困監(jiān)測報告》顯示，2017年貧困地區(qū)農(nóng)村從業(yè)人員外出就業(yè)女性優(yōu)先選擇的行業(yè)也是制造業(yè)，占比26.1%，可見制造業(yè)為女性群體從傳統(tǒng)的家庭角色過渡到重要勞動力隊伍提供了很大的支持。

隨著近年來中國人口老齡化趨勢的加深，勞動力成本持續(xù)上升，原來的人口紅利優(yōu)勢不再。與此同時，科學(xué)技術(shù)的快速進(jìn)步不斷推動著社會向前發(fā)展，改變著人類生產(chǎn)及生活方式，技術(shù)紅利成為制造業(yè)的新出路。人工智能不同于以往的技術(shù)變革，能同時增強(qiáng)資本和勞動者生產(chǎn)效率，并對傳統(tǒng)行業(yè)存在較強(qiáng)的溢出效應(yīng)（黃旭，2022），主要通過模擬、延伸和擴(kuò)展人類智能，來完成或輔助人類完成各類工作（袁玉芝和杜育紅，2019）?！丁笆奈濉敝悄苤圃彀l(fā)展規(guī)劃》提出“到2025年，規(guī)模以上制造業(yè)企業(yè)大部分實(shí)現(xiàn)數(shù)字化網(wǎng)絡(luò)化，重點(diǎn)行業(yè)骨干企業(yè)初步應(yīng)用智能化”的目標(biāo)，充分發(fā)揮人工智能技術(shù)創(chuàng)新成果在制造業(yè)起到的重要作用，推動智能制造發(fā)展邁上新臺階。

一個行業(yè)的轉(zhuǎn)型升級會對行業(yè)中的勞動力結(jié)構(gòu)產(chǎn)生重大影響。制造業(yè)中女性從業(yè)者基數(shù)大、比例高，技術(shù)進(jìn)步無疑會影響行業(yè)內(nèi)的女性群體就業(yè)及收入水平。我國一直密切關(guān)注著性別工資差距問題，從1990年到2010年婦女社會地位的調(diào)查結(jié)果顯示，性別工資差距不斷擴(kuò)大。城鎮(zhèn)在業(yè)女性的平均收入由1990年的占男性平均收入的77.5%下降到了2010年的67.3%；農(nóng)村的男女收入差距擴(kuò)大的更嚴(yán)重，從1990年農(nóng)村在業(yè)女性的平均收入是男性平均收入的79%直線下降到2010年的56%。近幾年情況根據(jù)BOSS 直聘研究院自2016年起的《中國職場性別薪酬差異報告》數(shù)據(jù)顯示，2016—2021年五年內(nèi)只有2019年和2021年性別收入差距呈現(xiàn)縮小的情況，即便在2021年度中國城鎮(zhèn)就業(yè)人群的性別薪酬差異有所收斂，較2020年有1.2 個百分點(diǎn)的改善，女性勞動者的平均薪酬為7017 元，是城鎮(zhèn)男性勞動者的77.1%。同時國內(nèi)學(xué)者通過對微觀數(shù)據(jù)、行業(yè)數(shù)據(jù)、教育程度分類數(shù)據(jù)等實(shí)證研究，發(fā)現(xiàn)性別收入差距呈現(xiàn)逆轉(zhuǎn)趨勢（歐陽任飛等，2017；魏下海等，2018）。中國的性別紅利潛力巨大，根據(jù)普華永道發(fā)布的《2019年女性就業(yè)指數(shù)》顯示，如果中國在縮小男女薪酬差距方面做出改善，女性的收入預(yù)計能提高34%，相當(dāng)于女性收入提高2 萬億美元。

已有的研究文獻(xiàn)對性別收入差距現(xiàn)象產(chǎn)生的原因進(jìn)行了詳盡的研究，主要形成以下兩種解釋。

一種觀點(diǎn)認(rèn)為是市場和體制改革、政策背景、行業(yè)隔離導(dǎo)致差距的存在。李實(shí)等（2014）在城鎮(zhèn)經(jīng)濟(jì)和企業(yè)改革的背景下，選取了1995年、2002年和2007年三個時點(diǎn)對比分析勞動力市場結(jié)構(gòu)變化對女性勞動者工資收入的影響，結(jié)果表明這期間城鎮(zhèn)職工工資的性別差距出現(xiàn)了不斷擴(kuò)大的趨勢，且有所加速。肖潔（2017）基于中國生育、人口政策的轉(zhuǎn)變，考察生育對不同收入層次已婚女性勞動收入的影響程度，發(fā)現(xiàn)高收入和收入較低的已婚女性面臨顯著的生育懲罰，收入較低的女性付出的生育代價更大。趙媛媛（2016）利用“中國雇主-雇員匹配數(shù)據(jù)”發(fā)現(xiàn)行業(yè)內(nèi)的性別隔離會增加性別工資差異。

另一種觀點(diǎn)則更多考慮家庭勞動、社會資本、性別歧視在性別收入差距中起的作用。付光偉（2012）通過對2006年中國營養(yǎng)與健康狀況調(diào)查（CHNS）成人微觀數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)男女兩性在工資收入上的不平等主要是通過家務(wù)勞動的不平等發(fā)生作用的。程誠等（2015）從社會資本角度出發(fā)解釋性別收入差距的原因是因?yàn)榕缘纳鐣Y本欠缺，并且女性勞動者的社會資本回報率也顯著低于男性。郭凱明等（2017）應(yīng)用統(tǒng)計型歧視理論估算歧視因素對性別工資差距的影響程度，得出男女就業(yè)機(jī)會差距較大的職業(yè)，工資性別歧視程度也較高的結(jié)論。

而對于技術(shù)創(chuàng)新對性別收入差距的研究目前較少，隆云滔等（2020）通過梳理文獻(xiàn)發(fā)現(xiàn)，人工智能的應(yīng)用促使工作中對于身體技能的要求下降、認(rèn)知能力要求上升，性別參與差距在就業(yè)中不斷縮小，同時人工智能技術(shù)創(chuàng)新使很多重復(fù)性工作被替代，而我國重復(fù)性工作中女性從事的比例更大，所以對于女性的就業(yè)沖擊可能更大，但具體影響是積極或消極很難評估。魏?。?022）基于我國制造業(yè)1993—2019年的省際數(shù)據(jù)，得出人工智能技術(shù)可以通過改變制造業(yè)勞動結(jié)構(gòu)、技能效率結(jié)構(gòu)從而增強(qiáng)技能溢價水平的結(jié)論。技能溢價的提高對于從事低技能勞動者存在負(fù)面作用，進(jìn)而影響性別工資差距。

隨著信息科技的快速發(fā)展，技術(shù)進(jìn)步對于性別工資差距的影響得到了廣泛的關(guān)注，在這些背景下，本文把技術(shù)進(jìn)步聚焦在制造業(yè)轉(zhuǎn)型升級中人工智能的技術(shù)創(chuàng)新方面，提出以下問題：①制造業(yè)中的人工智能技術(shù)創(chuàng)新對行業(yè)收入及性別工資差距會產(chǎn)生什么影響？②技術(shù)進(jìn)步對制造業(yè)中不同類別勞動者的影響是否一致？③如果不一致，技術(shù)進(jìn)步對不同類別勞動者的收入及性別收入差距的影響如何？

與以往研究相比，本文的貢獻(xiàn)主要在于以下三方面：首先，本文將行業(yè)限定在制造業(yè)，主要研究在智能制造背景下人工智能技術(shù)創(chuàng)新對于行業(yè)內(nèi)勞動者性別工資差距的影響；其次，深入討論人工智能技術(shù)創(chuàng)新對制造業(yè)中不同類別的勞動者影響的異質(zhì)性；最后，由于中國人工智能產(chǎn)品在2016年之后開始大規(guī)模進(jìn)入市場，本文數(shù)據(jù)更新到2018年，具有一定的參考性，模型選用工具變量固定效應(yīng)模型，能夠較好地解決人工智能變量內(nèi)生性的問題。

二、理論分析與研究假設(shè)

（一）去技能化與再技能化

勞動者的“去技能化”這一論點(diǎn)最初源于馬克思提出的勞動過程理論，馬克思主要關(guān)注勞動過程中資本家對于“活勞動”的控制進(jìn)而剝削工人階級這一現(xiàn)象，哈里·布雷弗曼（1974）對這一理論進(jìn)行了擴(kuò)展研究，發(fā)現(xiàn)在壟斷資本主義階段，個別分工、機(jī)械化和自動化技術(shù)的應(yīng)用，導(dǎo)致工作的碎片化和專業(yè)化，破壞了工人的完整技藝，削弱了工人控制勞動過程的能力，迫使工人在勞動過程中聽命資本家及管理者的安排，即勞動技能和操作技術(shù)轉(zhuǎn)由機(jī)器和工具完成，工人逐漸成為無需更高技術(shù)和技巧的“非熟練”勞動者。對于這一觀點(diǎn)學(xué)術(shù)界展開討論并進(jìn)行深入的研究，Shaiken（1979）認(rèn)為數(shù)控機(jī)床等自動化設(shè)備的使用降低了資方對勞動者技能的需求，導(dǎo)致工人的技能降低、工會力量被削弱。Berg（2016）研究發(fā)現(xiàn)隨著人工智能自動化技術(shù)等普及，生產(chǎn)力和熟練勞動者的工資將隨之增長，而低技能勞動者的收入會受到損失。

相對于“去技能化”，技術(shù)進(jìn)步對于現(xiàn)階段的勞動者的技能需求表現(xiàn)出了“再技能化”的趨勢，例如技術(shù)進(jìn)步創(chuàng)造了新的工作崗位，又如技術(shù)進(jìn)步降低了低技能勞動者的身體運(yùn)動技能需求（郝翠紅和李建民，2018），為更多女性進(jìn)入勞動力市場提供可能，可能對女性的相對工資產(chǎn)生影響。本文重點(diǎn)關(guān)注技術(shù)進(jìn)步通過女性勞動者的“再技能化”進(jìn)而對工資的影響，Bacolod 和Blum（2005）從個體技能分類的角度出發(fā)認(rèn)為：女性對于認(rèn)知技能的敏感度高于運(yùn)動技能，從事認(rèn)知技能密集型工作的比例也高于男性，技術(shù)的快速進(jìn)步使得認(rèn)知技能的相對價格上升，從而縮小了性別工資差距。Black 和Spitz-Oener（2010）對個體技能的衡量采用男性和女性完成工作任務(wù)的類型，包括常規(guī)任務(wù)和非常規(guī)任務(wù)，并且運(yùn)用德國的數(shù)據(jù)進(jìn)行實(shí)證研究，在技術(shù)變革的推動下，女性的非常規(guī)分析任務(wù)和非常規(guī)交互任務(wù)相對增多，而日常投入任務(wù)顯著下降，這些變化可以解釋性別工資差距縮小的很大一部分原因。Juhn 等（2014）通過對公司的實(shí)證研究發(fā)現(xiàn)由于墨西哥加入北美自由貿(mào)易協(xié)定后關(guān)稅下降引入更多的新技術(shù)，這改善了女性在藍(lán)領(lǐng)工作中的勞動力市場結(jié)構(gòu)，使得女性在藍(lán)領(lǐng)工作中更有生產(chǎn)力，從而提高女性在藍(lán)領(lǐng)工作中的相對工資。可以看出，眾多學(xué)者十分認(rèn)可女性的認(rèn)知技能優(yōu)勢，并且把性別工資差距的部分解釋因素歸因于技術(shù)進(jìn)步背景下女性的技能優(yōu)勢發(fā)揮的作用。

受學(xué)者們的啟發(fā)，中國智能制造發(fā)展過程中，技術(shù)進(jìn)步的技能自動化應(yīng)用對于低技能勞動者具有更大的沖擊力，會造成低技能勞動的相對報酬整體降低，不平等性增加（Acemoglu and Restrepo，2018），但同時更多的女性勞動者進(jìn)入制造業(yè)勞動市場，由于人工智能自動化生產(chǎn)降低了低技能勞動者對于體力技能的要求，縮小了男女之間的技能差距，女性勞動者由于具有認(rèn)知精細(xì)化技能優(yōu)勢等特質(zhì)可能在制造業(yè)部門中更受青睞。

根據(jù)以上分析，本文提出假設(shè)1：

人工智能技術(shù)創(chuàng)新會促使制造業(yè)中低技能勞動者整體工資水平的下降，但卻縮小了低技能勞動者間的性別工資差距（H1）。

（二）技能提升論

勞動者技能需求提升這一論點(diǎn)主要來源于馬克思和恩格斯的工業(yè)化理論中關(guān)于工業(yè)化、技術(shù)革命及教育的認(rèn)識：科技發(fā)明使社會的運(yùn)動活躍起來，促進(jìn)了工業(yè)的繁榮發(fā)展，“大工業(yè)的本性決定了勞動的變換、職能的更動和工人的全面流動性”，即技術(shù)革新的替代作用會導(dǎo)致勞動市場的變動，對高教育水平的高技能勞動者的需求會提高，因此需要重視教育的發(fā)展來提高人的綜合素質(zhì)以適應(yīng)這種變換。

在工業(yè)化理論的指導(dǎo)下，學(xué)者們在進(jìn)行技術(shù)進(jìn)步對于性別收入差距的影響研究中考慮了職業(yè)和受教育程度因素。Tick 和Oaxaca（2010）將勞動力的職業(yè)劃分為高技能職業(yè)和中低技能職業(yè)，考察技術(shù)進(jìn)步對美國1979—2001年的性別工資差距的職業(yè)差異影響，實(shí)證研究發(fā)現(xiàn)技術(shù)進(jìn)步能夠縮小高技能勞動者的性別工資差距，但對于中低技能勞動者沒有顯著影響。Beaudry 和Lewis（2012）發(fā)現(xiàn)美國20 世紀(jì)80～90年代勞動者性別工資差距顯著下降伴隨著教育回報的增加這一現(xiàn)象，通過考察1980—2000年美國各城市的性別工資變化，當(dāng)技術(shù)進(jìn)步使生產(chǎn)方式發(fā)生巨大變化時，認(rèn)知技能的相對價格增加，而女性和高教育程度的勞動者都具有認(rèn)知技能的比較優(yōu)勢，并得出考察期間男女工資差距下降的四分之一是由重返教育的人數(shù)增加導(dǎo)致的。邢春冰等（2014）通過對中國2005年的人口抽樣調(diào)查數(shù)據(jù)進(jìn)行分析也得出了相似的結(jié)論，技術(shù)進(jìn)步對不同技能需求的變化推動著教育回報與性別工資差距呈現(xiàn)反向變動趨勢。通過學(xué)者們的研究可以發(fā)現(xiàn)，技術(shù)革新會對不同技能類型的職業(yè)產(chǎn)生不同的影響，低技能類工作可能面臨著更多的替代，而對于高技能類勞動者的需求卻在不斷上升，在實(shí)證中對職業(yè)技能水平的衡量因素大多為勞動者的受教育程度（申廣軍，2016）。

中國制造業(yè)目前的勞動市場面臨著高技能勞動者需求的提升，《制造業(yè)人才發(fā)展規(guī)劃指南》顯示，中國制造業(yè)10 大重點(diǎn)領(lǐng)域2020年的人才缺口超過1900 萬人，2025年這個數(shù)字將接近3000 萬人，缺口率高達(dá)48%。人才短缺直接促使高技能勞動者的整體薪資水平的上升，然而高技能勞動市場的性別工資影響因素較復(fù)雜，一方面，女性高技能勞動者的教育水平優(yōu)勢和認(rèn)知技能優(yōu)勢能為其工資水平的提升提供保障；另一方面，制造業(yè)的行業(yè)性質(zhì)決定了大部分從業(yè)者的工作需要與機(jī)械相關(guān)，更多人認(rèn)為即使是高技能勞動者也要求具有一定的體力技能，性別偏好的作用使得人工智能技術(shù)創(chuàng)新可能會導(dǎo)致男性高技能從業(yè)者的工資增加幅度大于女性，從而增加性別工資差距。鄧韻雪和許怡（2019）通過對廣東省的制造企業(yè)進(jìn)行走訪調(diào)查，談話過程中發(fā)現(xiàn)不論是管理者還是技術(shù)人員對于“男性能力”和“女性能力”的偏好性可能對性別工資進(jìn)行很好的解釋，男性的關(guān)鍵詞圍繞著“動手能力強(qiáng)”“對機(jī)械感興趣”“上手快”“更理性更有邏輯”展開，而“女性能力”的評價則更多是“細(xì)膩”“耐心”“動手能力和邏輯框架能力較弱”“對機(jī)械不敏感”等詞語。人工智能自動化背景下對性別能力固有的認(rèn)知差異可能是造成行業(yè)中性別工資差異的重要原因。由于難以通過理論來衡量兩方面因素對于高技能勞動者性別工資差距的影響程度大小，由此本文提出對立假設(shè)2a 和假設(shè)2b：

人工智能技術(shù)創(chuàng)新會促使制造業(yè)中高技能勞動者整體工資水平的上升，并且能夠縮小高技能勞動者間的性別工資差距（H2a）；

人工智能技術(shù)創(chuàng)新會促使制造業(yè)中高技能勞動者整體工資水平的上升，但卻加劇了高技能勞動者間的性別工資差距（H2b）。

（三）人工智能分階段影響差異

Hémous 和Olsen（2022）建立了一個帶有自動化的內(nèi)生模型并基于橫向創(chuàng)新增長模型，研究發(fā)現(xiàn)技術(shù)進(jìn)步對經(jīng)濟(jì)發(fā)展和收入分配的影響是分階段的，第一階段，低水平的技術(shù)要經(jīng)歷一個增長階段，自動化程度都比較低，收入不平等和勞動份額較為穩(wěn)定；第二階段，自動化程度提高，低技能勞動力的工資會暫時減少，勞動份額也會降低，加劇收入不平等；第三階段，自動化產(chǎn)品的份額開始穩(wěn)定，但低技能勞動者的工資增長速度低于高技能工資。Acemoglu 和Restrepo（2018）的研究同樣發(fā)現(xiàn)了自動化在短期會加劇不平等性，但長期這種不平等性會受到限制。顧基發(fā)等（2020）將人工智能發(fā)展劃分為6 個階段：萌芽期、瓶頸期、應(yīng)用期、低迷期、平穩(wěn)期和繁榮期，并總結(jié)每個階段不同的特點(diǎn)。韓青江和韓民春（2021）認(rèn)為機(jī)器人技術(shù)進(jìn)步對勞動力市場存在動態(tài)影響，短期內(nèi)對低技能勞動者的薪酬產(chǎn)生負(fù)面影響，對高技能勞動者和科學(xué)家群體的薪酬產(chǎn)生正面影響，長期來看，對所有勞動者的收益與福利都將產(chǎn)生負(fù)面影響。

根據(jù)學(xué)者們的研究，人工智能技術(shù)創(chuàng)新對性別收入分配的影響具有階段性和復(fù)雜性，本文基于產(chǎn)品的生命周期理論將人工智能技術(shù)創(chuàng)新發(fā)展的過程分為導(dǎo)入期、成長期、成熟期，處于不同階段對于勞動力市場的主要影響群體和影響程度會存在差異，對整體的效應(yīng)也有所不同。人工智能自動化導(dǎo)入期破壞效應(yīng)初步體現(xiàn)，在制造業(yè)這種勞動密集型產(chǎn)業(yè)中技術(shù)優(yōu)勢明顯，低技能勞動者由于工作性質(zhì)重復(fù)性高較容易被機(jī)械化替代，進(jìn)而成為導(dǎo)入期人工智能自動化生產(chǎn)主要沖擊的對象，這一階段人工智能技術(shù)與技能表現(xiàn)為一種替代關(guān)系，技術(shù)進(jìn)步呈現(xiàn)出技術(shù)偏向性的特征，使得制造業(yè)勞動者整體工資水平下降，但縮小了男女之間的技能差距，性別工資差距相應(yīng)縮??；隨著人工智能技術(shù)創(chuàng)新的發(fā)展進(jìn)步，成長期中創(chuàng)新效應(yīng)開始出現(xiàn)，體現(xiàn)在創(chuàng)造出一些新職業(yè)，例如工業(yè)機(jī)器人系統(tǒng)運(yùn)維員這種基于工業(yè)機(jī)器人進(jìn)行的數(shù)據(jù)采集、狀態(tài)監(jiān)測、故障分析的工作，并且超前沿、高水平的技術(shù)進(jìn)步和大規(guī)模的生產(chǎn)意味著需要更多更高素質(zhì)的人力資本的投入（沈紅兵，2019），技能型勞動者供求不平衡帶動了技能溢價，勞動報酬提高，工資不平等性加劇。這一階段中人工智能技術(shù)與技能為互補(bǔ)關(guān)系，技術(shù)進(jìn)步呈現(xiàn)出技能偏向性的特征，使得制造業(yè)勞動者整體工資水平上升，但難以通過理論衡量性別工資差距縮小與否；成熟期則是一方面人工智能技術(shù)創(chuàng)新成果增加及生產(chǎn)效率趨于穩(wěn)定；另一方面高等教育專門化人才培養(yǎng)及勞動力市場內(nèi)非教育培訓(xùn)增加高技能勞動者的供給，完成了人工智能對勞動力就業(yè)市場“技能-技術(shù)”匹配關(guān)系的重塑，市場供求趨于動態(tài)平衡，進(jìn)而可能會限制工資的不平等性。鑒于我國人工智能應(yīng)用時間尚短但發(fā)展迅速，對于性別工資分配可能存在導(dǎo)入和成長兩個階段特質(zhì)的雙重影響。

基于以上分析及參考假設(shè)1 和假設(shè)2，本文提出假設(shè)3：

人工智能技術(shù)創(chuàng)新造成勞動者整體工資水平下降，但縮小性別工資差距（H3a）；

人工智能技術(shù)創(chuàng)新使勞動者整體工資水平上升，并且縮小性別工資差距（H3b）；

人工智能技術(shù)創(chuàng)新使勞動者整體工資水平上升，但加劇性別工資差距（H3c）。

三、研究設(shè)計

（一）數(shù)據(jù)來源

鑒于數(shù)據(jù)可獲得性，本文微觀數(shù)據(jù)來源于2010年、2012年、2014年、2016年和2018年中國家庭追蹤調(diào)查（CFPS）問卷，主要有以下考慮：一方面，CFPS 為追蹤調(diào)查，并且包含了個人行業(yè)信息，收入信息，個體特征等方面的信息，能夠得到豐富的面板數(shù)據(jù)，面板數(shù)據(jù)的好處在于能夠消除個體的異質(zhì)性；另一方面，CFPS 數(shù)據(jù)覆蓋了全國各?。ㄊ?、自治區(qū)）社區(qū)、家庭、成人、孩子的多層次的信息，分層抽樣并且更新到2018年，具有數(shù)據(jù)的可靠性和實(shí)效性?；谘芯磕康?，本文將樣本行業(yè)限定在制造業(yè)，女性樣本年齡范圍為16～55 歲，男性樣本年齡范圍為16～60 歲，工作狀態(tài)為在業(yè)并且受雇的非農(nóng)就業(yè)樣本，剔除收入變量缺失樣本后剩余10112個樣本，其中男性樣本比重為57.12%，女性樣本比重為42.88%。

本文宏觀指標(biāo)部分，人工智能相關(guān)專利申請量來源于吉江專利數(shù)據(jù)庫以“人工智能”為關(guān)鍵詞的搜索，最后形成2010年、2012年、2014年、2016年和2018年5年的制造業(yè)人工智能技術(shù)創(chuàng)新的面板數(shù)據(jù)。

（二）模型及主要變量

本文主要考察制造業(yè)中人工智能技術(shù)創(chuàng)新的應(yīng)用是否對女性有優(yōu)勢進(jìn)而縮小性別工資差距，前文理論分析表明技術(shù)進(jìn)步對于不同技能水平的勞動者的影響存在差異性，因此本文基于學(xué)者經(jīng)驗(yàn)結(jié)合已有實(shí)證數(shù)據(jù)，將技能水平分為低技能水平和中高技能水平兩種類型，并且按照受教育年限進(jìn)行劃分，分別討論技術(shù)進(jìn)步對兩類群體的不同影響。由于現(xiàn)實(shí)中勞動者的工資水平的決定因素繁多且復(fù)雜，技術(shù)進(jìn)步對個體工資會產(chǎn)生影響，勞動者的個人情況、工作單位性質(zhì)等同樣會影響工資水平，因此在明瑟工資方程的基礎(chǔ)上，首先加入人工智能技術(shù)創(chuàng)新的衡量變量和技術(shù)創(chuàng)新與性別的交互項(xiàng)，此外控制個體效應(yīng)，具體回歸計量模型如式（1）所示。

其中：下標(biāo)i為個體；j為省份；t為時間，t=2010，2012，2014，2016，2018，本文的被解釋變量lnwage為個體的工資收入的對數(shù)，工資收入以個體一年的工資收入總額來測量。解釋變量female為性別虛擬變量，女性編碼為“1”，男性編碼為“0”；ai為人工智能技術(shù)創(chuàng)新變量，人工智能專利申請量指標(biāo)參考鄧翔和黃志（2019）對于人工智能技術(shù)創(chuàng)新的測度，通過吉江專利網(wǎng)以“人工智能”為關(guān)鍵詞進(jìn)行搜索，按照年份、專利申請地的省份信息進(jìn)行歸類，并且通過《國際專利分類與國民經(jīng)濟(jì)行業(yè)分類參照關(guān)系表》進(jìn)行人工智能專利的行業(yè)匹配，更具有行業(yè)實(shí)際應(yīng)用性。ai×female為技術(shù)進(jìn)步與性別的交互項(xiàng)，研究重點(diǎn)關(guān)注交互項(xiàng)前的系數(shù)，系數(shù)為正則代表人工智能技術(shù)進(jìn)步能夠縮小性別工資差距。

X為控制變量包括年齡、教育程度、個人情況和工作單位性質(zhì)，其中教育程度分為三個組別，初中及以下、高中、技校、中專和大專及以上，分別為虛擬變量。個人情況包括政治身份、婚姻狀況和戶口性質(zhì)；政治身份以是否為黨員來衡量，是黨員編碼為“1”，否則編碼為“0”；是否已婚為虛擬變量，已婚則編碼為“1”，否則為“0”；戶口性質(zhì)是否為農(nóng)村戶口，是則編碼為“1”，否則編碼為“0”。工作單位性質(zhì)分為三組，私營企業(yè)、國企和外商投資企業(yè)，分別作為虛擬變量顯示；α為常數(shù)項(xiàng)；β1為性別變量對工資收入的影響；β2為人工智能技術(shù)創(chuàng)新變量對工資收入的影響；β3為技術(shù)進(jìn)步與性別的交互項(xiàng)對工資收入的影響；γ為控制變量的影響系數(shù)；μ為個體效應(yīng)；ε為隨機(jī)誤差項(xiàng)。

（三）描述性統(tǒng)計

表1 是總體樣本和男女兩個子樣本的描述性統(tǒng)計。從總體來看，制造業(yè)中勞動者的受教育程度明顯偏低，一半以上的勞動者擁有初中及以下的教育水平。在兩個子樣本中，年收入的均值存在明顯差異，女性年收入均值是男性年收入均值的73.14%，教育程度、婚姻狀況、黨員身份等特征均存在明顯差異。

表1 變量的描述性統(tǒng)計

表2 為分別用初中及以下教育年限和高中及以上教育年限分類為低技能水平群體和中高技能水平群體的分組樣本描述性統(tǒng)計，能夠看到，隨著技能水平的提高，勞動者的年收入均值也隨之增加，但是同一技能水平中的性別工資差距明顯存在，表現(xiàn)為低技能水平女性勞動者年收入均值是男性年收入均值的70.49%，高技能水平女性年收入均值是男性的81.61%，由此可以初步判斷教育水平的提高能夠縮小性別工資差距。同樣可以觀察到，不同教育水平的勞動者的已婚率、黨員身份和工作單位性質(zhì)的選擇都存在明顯的差異，可能會對性別工資差距產(chǎn)生影響。

表2 分組變量的描述性統(tǒng)計

四、實(shí)證結(jié)果

（一）基準(zhǔn)回歸

利用Hausman 對總體面板數(shù)據(jù)進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果強(qiáng)烈拒絕隨機(jī)效應(yīng)模型，因此采用固定效應(yīng)模型。表3 給出了基準(zhǔn)模型的總體回歸結(jié)果，列（1）報告了單獨(dú)進(jìn)行個體固定效應(yīng)和個體-時間固定效應(yīng)下的估計結(jié)果，可以看到人工智能變量和人工智能與性別的交互項(xiàng)都不顯著，能夠推斷出人工智能專利數(shù)這一解釋變量具有很強(qiáng)的內(nèi)生性，本文采用工具變量法來準(zhǔn)確估計人工智能技術(shù)創(chuàng)新對性別工資差距的影響程度，工具變量要求與隨機(jī)擾動項(xiàng)不相關(guān)，只通過人工智能專利數(shù)來影響個體工資水平，由此本文選取了兩個層面的工具變量，各省份公用移動通信基站數(shù)量和各省份出臺的智能制造規(guī)劃的政策文件數(shù)目。公用移動通信基站數(shù)量反映了地區(qū)的信息通信發(fā)展水平，而人工智能技術(shù)的發(fā)展基礎(chǔ)為傳感器、云計算等信息通信的快速發(fā)展，公用移動通信基站數(shù)量數(shù)據(jù)來源于中國經(jīng)濟(jì)金融研究數(shù)據(jù)庫（CSMAR）；鑒于國家對于制造業(yè)智能轉(zhuǎn)型的關(guān)注，2015年5 月國務(wù)院印發(fā)智能制造綱領(lǐng)性文件《中國制造2025》帶動地方政府緊跟國家步伐制定不同省份相應(yīng)的智能制造規(guī)劃，人工智能的政策文件可以促進(jìn)人工智能技術(shù)的發(fā)展，數(shù)據(jù)整理自北大法寶數(shù)據(jù)庫。弱工具變量Cragg-Donald 檢驗(yàn)F值為1077.211，拒絕工具變量為弱工具變量的假設(shè)，說明本文選擇的兩個工具變量具有實(shí)證有效性。列（2）為加入工具變量之后的估計結(jié)果，根據(jù)總體回歸結(jié)果可以看到人工智能技術(shù)創(chuàng)新變量在10%水平上顯著且系數(shù)為正，表明技術(shù)進(jìn)步有利于提高制造業(yè)勞動力整體的工資水平，人工智能與性別的交互項(xiàng)在5%水平上顯著且系數(shù)為負(fù)，表明人工智能技術(shù)創(chuàng)新對男性工資的正向影響效果大于女性，即人工智能技術(shù)創(chuàng)新在整體上擴(kuò)大了制造行業(yè)中的性別工資差距，假設(shè)H3c 成立。

表3 回歸結(jié)果

工資的其他影響因素的回歸結(jié)果與以往學(xué)者的研究結(jié)果類似（魏下海等，2018；郝翠紅和李建民，2018）。受教育程度能夠顯著的影響制造業(yè)中勞動者的工資水平，具體表現(xiàn)為具有大專以上學(xué)歷能夠增加勞動者的工資收入；年齡與工資之間存在倒“U”型的關(guān)系，這符合實(shí)際情況，開始工資水平隨著年齡的增長而上升，但當(dāng)達(dá)到一定年齡之后由于學(xué)習(xí)能力下降等方面因素工資水平出現(xiàn)下降趨勢。戶籍方面，農(nóng)村戶口的收入要低于非農(nóng)村戶口，同時，在私人企業(yè)工作不利于工資水平的提高。

列（3）和列（4）為技能分組數(shù)據(jù)的回歸結(jié)果，列（3）低技能水平，列（4）為高技能水平，由于本文數(shù)據(jù)為非平衡面板數(shù)據(jù)且時間跨度為5年，分組之后樣本量減少使得時間跨度的影響變小，所以分樣本的回歸不再控制時間效應(yīng)。列（3）的低技能總體樣本結(jié)果表明人工智能技術(shù)創(chuàng)新會顯著減少低技能水平勞動者的工資水平，但對縮小性別收入差距具有顯著效果，假設(shè)1 成立，即人工智能高度自動化使得低技能水平勞動者工作內(nèi)容變得相對容易了，對于低技能工作者的工資具有一定的沖擊性，但同時原本耗費(fèi)體力的工作變成機(jī)械自動化給了一部分低學(xué)歷女性勞動者參與到原本男性勞動者的工作領(lǐng)域，從而減少了性別收入差距。列（4）報告了高技能勞動者的技術(shù)進(jìn)步與性別工資差距結(jié)果，與低技能水平勞動者不同，列（4）人工智能變量前的系數(shù)為正，即人工智能技術(shù)進(jìn)步能夠顯著提升高學(xué)歷人才整體的工資水平，但是人工智能與性別的交互項(xiàng)為負(fù)，表明人工智能技術(shù)創(chuàng)新會加劇制造業(yè)高技能群體的性別工資差距，假設(shè)2b 成立，即女性的高等教育水平優(yōu)勢和認(rèn)知能力優(yōu)勢會提高其工資水平，但是制造行業(yè)中固有的性別偏好對于高技能人群的影響力更大，高技能男性勞動者的工資增加幅度會高于高技能女性勞動者，從而導(dǎo)致了性別收入差距的擴(kuò)大。

（二）不同年份分組回歸

表4 為2010年、2012年、2014年、2016年和2018年人工智能技術(shù)創(chuàng)新對于性別工資差距的影響結(jié)果，由于數(shù)據(jù)年份較少，較難看出技術(shù)進(jìn)步的影響變動趨勢，但從單獨(dú)年份的結(jié)果顯示，每一年的影響都存在一些差異，2010年屬于人工智能導(dǎo)入期主要影響低技能水平勞動者，使得總體工資水平出現(xiàn)下降但卻縮小了性別工資差距；隨著人工智能自動化技術(shù)在制造業(yè)工廠的應(yīng)用不斷豐富，制造業(yè)對于高技能人才的需求越來越旺盛，高技能人才的技能溢價大幅度提升，表現(xiàn)為2016年技術(shù)進(jìn)步影響下的制造業(yè)總體工資水平顯著增加，但卻加劇了行業(yè)內(nèi)的性別工資差距。2017年被稱為人工智能元年，人工智能各種研發(fā)創(chuàng)新應(yīng)用大量涌現(xiàn)，從2016年到2018年，人工智能專利數(shù)呈指數(shù)上升趨勢，所以2018年人工智能技術(shù)創(chuàng)新對于制造業(yè)勞動者收入及性別工資差距的影響更趨向于綜合化，并在一定程度上可以反映未來的走向，可以看到2018年雖然人工智能技術(shù)創(chuàng)新變量前面的系數(shù)為負(fù)，減少了制造業(yè)中整體的工資水平，但是系數(shù)的絕對值非常小，工資水平波動現(xiàn)象在現(xiàn)實(shí)中也比較常見，而人工智能與性別的交互項(xiàng)系數(shù)為正且在1%水平上顯著，說明人工智能技術(shù)創(chuàng)新大量出現(xiàn)之后，對于性別收入差距的影響開始出現(xiàn)扭轉(zhuǎn)的勢頭。雖然從整體回歸的結(jié)果來看，人工智能自動化的出現(xiàn)會加劇制造業(yè)性別收入差距，但由于2010年到2018年是人工智能處于從初步導(dǎo)入到飛速成長的特殊階段，對于制造業(yè)勞動者工資水平的影響也會經(jīng)歷一些波動之后趨于穩(wěn)定。

表4 年份分組回歸結(jié)果

（三）不同地區(qū)分組回歸

為了研究技術(shù)進(jìn)步對于不同地區(qū)的影響，本文進(jìn)行地區(qū)分組回歸，見表5，模型（1）～模型（4）分別代表東部、中部、西部和東北部四大地區(qū)，不同地區(qū)人工智能自動化發(fā)展程度不同對于當(dāng)?shù)貏趧恿κ袌龅挠绊懸簿哂幸欢ú町悺慕Y(jié)果可以看到人工智能技術(shù)創(chuàng)新對西部地區(qū)存在顯著影響，表現(xiàn)為增加西部地區(qū)制造業(yè)整體工資水平，但卻加劇了性別工資差距。從現(xiàn)實(shí)出發(fā)，東部地區(qū)相比其他地區(qū)制造企業(yè)密集，人工智能自動化機(jī)械應(yīng)用廣泛，但是結(jié)果來看影響并不顯著，原因可能由于數(shù)據(jù)樣本少且沒有覆蓋典型制造企業(yè)樣本，有必要增加樣本容量進(jìn)行進(jìn)一步的研究。

表5 分地區(qū)回歸結(jié)果

（四）穩(wěn)健性檢驗(yàn)

參考郝翠紅和李建民（2018）、鄧翔和黃志（2019）、王美艷（2009）等學(xué)者的研究，發(fā)現(xiàn)男性、女性工作時間不同會對性別工資收入產(chǎn)生影響，因此小時工資（lnwage_hr）要比一般意義上的年工資更加理想，因此本文的穩(wěn)健性檢驗(yàn)采用替換因變量的方法，將年工資替換成小時工資來衡量實(shí)證結(jié)構(gòu)是否具有穩(wěn)健性，由于問卷中工作時長這一變量的存在一定的缺失值，本文部分運(yùn)用插值法進(jìn)行填補(bǔ)，無法填補(bǔ)的部分做刪除處理，重復(fù)回歸過程。穩(wěn)健性結(jié)果見表6，與基準(zhǔn)回歸結(jié)果保持一致，說明人工智能技術(shù)創(chuàng)新確實(shí)存在整體上擴(kuò)大制造業(yè)性別工資差距，并且對于分技能樣本的影響存在差異性。

表6 穩(wěn)健性檢驗(yàn)結(jié)果

五、進(jìn)一步討論

騰訊研究院的《“人工智能+制造”產(chǎn)業(yè)發(fā)展研究報告》中給出智能制造的概念，即將人工智能技術(shù)應(yīng)用到制造業(yè)，是在數(shù)字化和網(wǎng)絡(luò)化的基礎(chǔ)上，實(shí)現(xiàn)機(jī)器的自動反饋和調(diào)整。通過人工智能使得制造業(yè)的工廠內(nèi)、企業(yè)間及制造業(yè)生態(tài)網(wǎng)形成一個統(tǒng)一的體系，致力于生產(chǎn)效率的提高和產(chǎn)品質(zhì)量的提升。人工智能對于重復(fù)性工作的處理具有比較優(yōu)勢，人類則更擅長對于推理、思維要求比較高的工作，這類工作往往難以程序化復(fù)制，需要很強(qiáng)的應(yīng)變能力、思辨能力與判斷能力，這恰是人工智很難做到的，基于工作任務(wù)類別是否具備重復(fù)性的角度，參考亞洲開發(fā)銀行《2018年亞洲發(fā)展展望》報告，本文進(jìn)一步將制造業(yè)中高技能和低技能工作者細(xì)分為四種不同情形：非重復(fù)性專業(yè)技術(shù)、重復(fù)性專業(yè)技術(shù)、非重復(fù)性低技能技術(shù)和重復(fù)性低技能技術(shù)。制造業(yè)技術(shù)升級中不同工作類別人工智能技術(shù)創(chuàng)新影響性別工資差距的路徑框架如圖1所示。

圖1 影響路徑圖

非重復(fù)性專業(yè)技術(shù)主要指技能含量高的工作，主要進(jìn)行人工智能領(lǐng)域的技術(shù)創(chuàng)新，即“+人工智能”，包括制造業(yè)原有的高級技工及由于制造業(yè)技術(shù)升級創(chuàng)造出的工種，比如自動化軟件工程師、平臺系統(tǒng)研發(fā)工程師、機(jī)器修理師等，這些工作往往具有學(xué)歷及專業(yè)優(yōu)勢，能夠?qū)θ斯ぶ悄苓M(jìn)行程序設(shè)計、更改的等操作，屬于制造業(yè)中緊缺的難以被替代的人才，但由于制造行業(yè)中存在固有的性別偏好，即認(rèn)為男性在機(jī)器操作、編程等方面具有更強(qiáng)的能力和興趣，從而加劇性別工資差距，故人工智能技術(shù)創(chuàng)新對于非重復(fù)性專業(yè)技術(shù)勞動者性別工資的影響主要取決于不同發(fā)展階段下，女性的高等學(xué)歷技能優(yōu)勢與行業(yè)內(nèi)固有性別偏好之間的博弈。

非重復(fù)性低技能技術(shù)分類下的工作雖然技術(shù)能力要求不高但是卻需要具備很強(qiáng)的個性化制造能力，包括各種制造工藝設(shè)計、產(chǎn)品功能設(shè)計等工作，需要與消費(fèi)者進(jìn)行很好的溝通對接，在智能制造的背景下，人工智能賦能采購、生產(chǎn)等環(huán)節(jié)，即通過“人工智能+”設(shè)計者能夠更快地使想法變?yōu)閷?shí)際產(chǎn)品，但整體上對這類工作的性質(zhì)和內(nèi)容沒有實(shí)質(zhì)性影響，這類工作中女性由于其具有精細(xì)化能力優(yōu)勢可能對于縮小性別工資差距產(chǎn)生一定影響。

重復(fù)性專業(yè)技術(shù)，包括焊接、打磨、切割等具有專業(yè)技術(shù)含量的工作，在制造業(yè)企業(yè)中不可或缺，然而由于這些技術(shù)動作固定且易于模仿，而人工智能工作原理的一部分就是通過機(jī)器模仿人類的肢體行為來輔助人們工作，所以通過機(jī)器制造、程序設(shè)定等步驟能夠?qū)崿F(xiàn)重復(fù)性專業(yè)技術(shù)的自動化工作，人工智能技術(shù)創(chuàng)新會對這類工作產(chǎn)生重大影響。

重復(fù)性低技能技術(shù)主要指不需要過多腦力勞動的工作，對應(yīng)崗位如車間裝配線上進(jìn)行生產(chǎn)的工人、產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)工人等。

如圖1 所示，最后兩類技術(shù)工種可能會受到智能制造“機(jī)器換人”浪潮的巨大沖擊。以廣東省唯美陶瓷有限公司為例，2007年前后，公司生產(chǎn)線各個工序全靠人工支持，從采購原材料、配料、燒制，到出窯、拋光印花、質(zhì)檢包裝，每一個環(huán)節(jié)都需要大量的人工，如燒制出窯這一環(huán)節(jié)窯爐車間的工人至少200～300 人。隨后幾年間，唯美陶瓷有限公司引進(jìn)運(yùn)行自動化陶瓷生產(chǎn)線，輸送帶自動將燒成產(chǎn)品從窯爐送往加工車間，拋光、磨邊、切割、質(zhì)檢、包裝都可以通過人工智能機(jī)器全自動完成，印花通過3D 噴墨打印機(jī)完成，從前需要20 人左右的印花工作現(xiàn)在只需要一個人操作即可。公司通過人工智能的投資應(yīng)用，基本實(shí)現(xiàn)車間自動化，累計節(jié)省生產(chǎn)用工超過2000 人，并且工作性質(zhì)由從前的繁重變得輕松。自動化減少了對勞動者身體運(yùn)動技能方面的需求，為一部分女性就業(yè)創(chuàng)造了機(jī)會，從而實(shí)現(xiàn)性別工資差距的縮小。

六、結(jié)論

智能制造背景下，人工智能技術(shù)創(chuàng)新提高制造業(yè)生產(chǎn)效率的同時也在重塑行業(yè)內(nèi)勞動力市場中不同群體的“技能-技術(shù)”的匹配關(guān)系和收入分配。本文使用2010年、2012年、2014年、2016年和2018年的中國家庭追蹤調(diào)查（CFPS）問卷數(shù)據(jù)實(shí)證檢驗(yàn)了人工智能技術(shù)創(chuàng)新對制造業(yè)勞動力市場中性別工資差距的影響，得出以下結(jié)論：

整體而言，技術(shù)進(jìn)步擴(kuò)大了行業(yè)中的性別工資差距，但使整體工資水平趨于上升。其中2018年的數(shù)據(jù)顯示人工智能技術(shù)創(chuàng)新開始起到了縮小性別工資差距的作用，不排除人工智能在接下來的發(fā)展階段中會繼續(xù)縮小性別收入差距的可能性。進(jìn)一步將制造業(yè)中勞動力分為高技能水平群體和低技能水平群體進(jìn)行分組研究，實(shí)證結(jié)果發(fā)現(xiàn)對于低技能勞動者，人工智能技術(shù)創(chuàng)新通過降低對于工作者的體力技能需求，為更多女性進(jìn)入勞動力市場提供可能，并且由于女性具有的認(rèn)知技能優(yōu)勢對其相對工資產(chǎn)生正向影響，進(jìn)而縮小了低技能勞動者性別工資差距，但由于人工智能對低技能勞動者具有較強(qiáng)的替代作用，使低技能群體的勞動報酬下降。隨著人工智能產(chǎn)品大規(guī)模導(dǎo)入市場使得制造業(yè)對高技能勞動者的需求增加，技能溢價上升使得高技能勞動者整體工資水平上升，但實(shí)證發(fā)現(xiàn)隨著人工智能技術(shù)進(jìn)步，高技能群體的性別工資差距增大了，即制造行業(yè)固有的性別偏好使得技術(shù)進(jìn)步對男性高技能從業(yè)者的工資增加幅度大于女性，從而加劇了性別工資差距。

進(jìn)一步從“技能-崗位”細(xì)化匹配的角度進(jìn)行研究，結(jié)果表明：對于非重復(fù)性專業(yè)技師人員來說，人工智能技術(shù)創(chuàng)新對性別收入差距的影響主要取決于不同發(fā)展階段下，女性的高等學(xué)歷技能優(yōu)勢與行業(yè)內(nèi)固有性別偏好之間的博弈；非重復(fù)性低技能技術(shù)群體中女性精細(xì)化優(yōu)勢是在智能制造背景下縮小性別工資差距的渠道，而重復(fù)性工作不論是具有專業(yè)技能還是低技能的勞動者，都較易受到人工智能技術(shù)創(chuàng)新的沖擊。而另一方面機(jī)械自動化減少了對勞動者身體運(yùn)動技能方面的需求，為一部分女性就業(yè)創(chuàng)造了機(jī)會，從而實(shí)現(xiàn)性別工資差距的減小?；谝陨戏治觯疚奶岢鋈c(diǎn)建議。

第一，鑒于人工智能技術(shù)創(chuàng)新縮小了低技能勞動者性別工資差距，但卻降低了勞動報酬，同時部分低技能勞動者面臨著失業(yè)危機(jī)，建議從政策導(dǎo)向上為低技能勞動者提供支持，強(qiáng)化職業(yè)培訓(xùn)補(bǔ)貼政策以加強(qiáng)低技能群體職業(yè)能力，包括通過非教育培訓(xùn)方式助力部分低技能群體轉(zhuǎn)崗再就業(yè)、落實(shí)失業(yè)保險政策以緩解失業(yè)群體的負(fù)擔(dān)，完善勞動者保護(hù)政策以保障就業(yè)者合法權(quán)益。

第二，鑒于行業(yè)性別偏好仍然是制約高技能勞動者性別工資差距縮小的重要原因，打破行業(yè)中的性別固定認(rèn)知具有重要意義，建議加強(qiáng)制造業(yè)中性別意識培訓(xùn)，讓高技能女性勞動者意識到自身機(jī)械自動化、編程等專業(yè)優(yōu)勢及認(rèn)知技能優(yōu)勢，勇于挑戰(zhàn)行業(yè)中的性別能力區(qū)隔，以期改變制造業(yè)中固有的性別能力認(rèn)知，使女性勞動力的就業(yè)環(huán)境更加寬容和相對平等。

第三，鑒于人工智能對制造業(yè)勞動力市場的影響具有分階段的特性，各階段對制造業(yè)勞動力市場的影響具有一定的復(fù)雜性，建議通過調(diào)研問卷、模擬預(yù)測等方式對制造企業(yè)對人工智能市場導(dǎo)入程度及勞動者收入福利等數(shù)據(jù)進(jìn)行追蹤調(diào)查，增強(qiáng)人工智能市場的整體預(yù)判，使其既能夠發(fā)揮出最大的效益，加速制造業(yè)轉(zhuǎn)型升級，又能使勞動力市場處于穩(wěn)定平衡的狀態(tài)，為中國制造業(yè)抓住“技術(shù)紅利”和“性別紅利”提供支持。