［摘"要］人工智能發(fā)展引致的傳統(tǒng)生產(chǎn)方式的變革，勢(shì)必會(huì)對(duì)勞動(dòng)力市場(chǎng)產(chǎn)生深遠(yuǎn)影響。文章關(guān)注到人工智能技術(shù)廣泛應(yīng)用所引起的就業(yè)形態(tài)變化，使用2012—2020年山東省A股上市公司數(shù)據(jù)，探究山東省人工智能應(yīng)用對(duì)勞動(dòng)力就業(yè)的影響及其機(jī)制，并得到以下結(jié)論：現(xiàn)階段，山東省人工智能應(yīng)用對(duì)就業(yè)的綜合影響仍以替代效應(yīng)為主。較于勞動(dòng)密集型企業(yè)，山東省人工智能應(yīng)用對(duì)資本密集型企業(yè)的就業(yè)替代效應(yīng)更為顯著。山東省人工智能應(yīng)用通過(guò)提升勞動(dòng)力成本降低了企業(yè)的勞動(dòng)力需求，通過(guò)資本深化產(chǎn)生的就業(yè)創(chuàng)造效應(yīng)緩解了其對(duì)就業(yè)的擠出效應(yīng)。

［關(guān)鍵詞］人工智能；就業(yè)；替代效應(yīng)；創(chuàng)造效應(yīng)

［中圖分類號(hào)］F320.3"［文獻(xiàn)標(biāo)識(shí)碼］A

［文章編號(hào)］2095-7416（2024）03-0048-12

一、引言

作為通用技術(shù)，人工智能是新一代技術(shù)變革的核心引擎，是推進(jìn)新舊動(dòng)能轉(zhuǎn)換、有效應(yīng)對(duì)老齡化問(wèn)題的新動(dòng)力。改革開放以來(lái)，我國(guó)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整取得顯著進(jìn)展，但是經(jīng)濟(jì)發(fā)展不平衡和不充分的問(wèn)題依然突出，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整優(yōu)化升級(jí)仍是轉(zhuǎn)變發(fā)展方式、實(shí)現(xiàn)高質(zhì)量發(fā)展的必然要求和重要任務(wù)。人工智能的技術(shù)優(yōu)勢(shì)，為工業(yè)領(lǐng)域的產(chǎn)業(yè)發(fā)展模式帶來(lái)了“顛覆性突破”，有利于提高產(chǎn)品質(zhì)量、提高生產(chǎn)效率、增強(qiáng)科技創(chuàng)新能力，促進(jìn)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和新興產(chǎn)業(yè)衍生發(fā)展。同時(shí)，人口老齡化對(duì)經(jīng)濟(jì)社會(huì)的不利影響可以通過(guò)“機(jī)器換人”來(lái)緩解。通過(guò)使用機(jī)器人替代傳統(tǒng)工作崗位，可以降低經(jīng)濟(jì)對(duì)勞動(dòng)力投入的需求，從而彌補(bǔ)人口老齡化導(dǎo)致的勞動(dòng)力供給不足對(duì)經(jīng)濟(jì)增長(zhǎng)的不利影響。

我國(guó)高度重視新一輪技術(shù)革命帶來(lái)的戰(zhàn)略機(jī)遇，2017年，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了人工智能三步走戰(zhàn)略。黨的二十大報(bào)告指出，推動(dòng)戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展，構(gòu)建新一代信息技術(shù)、人工智能等一批新的增長(zhǎng)引擎。當(dāng)前，ChatGPT、OpenAI、云計(jì)算等人工智能技術(shù)在智能制造、智慧金融、智慧交通等領(lǐng)域的應(yīng)用場(chǎng)景不斷落地，推動(dòng)了機(jī)器人、生物技術(shù)、醫(yī)療、環(huán)保技術(shù)等領(lǐng)域的發(fā)展和進(jìn)步，并滲透到工業(yè)生產(chǎn)和社會(huì)生活的方方面面，極大改變了既有的生產(chǎn)生活方式。截至2022年，我國(guó)工業(yè)機(jī)器人產(chǎn)量達(dá)到44.3萬(wàn)套，同比增長(zhǎng)超過(guò)20%，裝機(jī)量占全球比重超過(guò)50%，穩(wěn)居全球第一大工業(yè)機(jī)器人市場(chǎng)，制造業(yè)機(jī)器人密度達(dá)到每萬(wàn)名工人392臺(tái)。山東省高度重視人工智能產(chǎn)業(yè)發(fā)展，出臺(tái)了《山東省人民政府關(guān)于大力推進(jìn)“現(xiàn)代優(yōu)勢(shì)產(chǎn)業(yè)集群+人工智能”的指導(dǎo)意見》，并在《山東省制造業(yè)創(chuàng)新能力提升三年行動(dòng)計(jì)劃（2023—2025年）》中提出要大力發(fā)展人工智能技術(shù)。目前，山東省已有人工智能骨干企業(yè)近1000家，核心產(chǎn)業(yè)產(chǎn)值超100億元。人工智能相關(guān)從業(yè)企業(yè)超過(guò)9.4萬(wàn)家，其中擁有人工智能自主知識(shí)產(chǎn)權(quán)產(chǎn)品的企業(yè)超過(guò)1900家，已形成從基礎(chǔ)支撐、核心技術(shù)到行業(yè)應(yīng)用的較完整的產(chǎn)業(yè)體系。

山東省是傳統(tǒng)制造業(yè)大省，擁有聯(lián)合國(guó)分類的全部41個(gè)工業(yè)大類，實(shí)施智能化數(shù)字化轉(zhuǎn)型是山東制造業(yè)在百年未有之大變局中實(shí)現(xiàn)高質(zhì)量發(fā)展、保持優(yōu)勢(shì)地位的難得機(jī)遇、關(guān)鍵增量和高效路徑。就業(yè)是民生之本，人工智能的蓬勃發(fā)展在提升生產(chǎn)效率、促進(jìn)經(jīng)濟(jì)增長(zhǎng)的同時(shí)，也對(duì)勞動(dòng)力就業(yè)帶來(lái)了深刻且長(zhǎng)遠(yuǎn)的影響。人工智能應(yīng)用過(guò)程中，到底是“機(jī)器換人”的就業(yè)替代效應(yīng)還是“人機(jī)協(xié)同”的就業(yè)創(chuàng)造效應(yīng)，尚無(wú)統(tǒng)一結(jié)論。同時(shí)，作為工業(yè)大省和人工智能應(yīng)用大省，山東省的人工智能應(yīng)用對(duì)就業(yè)的影響程度如何，影響機(jī)制為何，還有待進(jìn)一步研究。因此，識(shí)別山東省人工智能發(fā)展的就業(yè)綜合效應(yīng)水平，探索引導(dǎo)人工智能與高質(zhì)量就業(yè)融合發(fā)展的山東方案，為促進(jìn)“數(shù)智化”轉(zhuǎn)型階段高質(zhì)量就業(yè)提供理論依據(jù)就顯得尤為重要。鑒于此，本文以山東省為研究對(duì)象，使用2012—2020年山東省A股上市公司面板數(shù)據(jù)，對(duì)人工智能技術(shù)廣泛應(yīng)用所引起的就業(yè)形態(tài)變化及其機(jī)理進(jìn)行探討，并進(jìn)一步提出相關(guān)政策建議。

二、文獻(xiàn)綜述

伴隨著人工智能的蓬勃發(fā)展，越來(lái)越多的學(xué)者關(guān)注到人工智能對(duì)勞動(dòng)力就業(yè)的影響，從斯密和李嘉圖的價(jià)格和需求理論，到馬克思的“工業(yè)后備軍”理論，再到熊彼特的技術(shù)創(chuàng)新和經(jīng)濟(jì)周期理論，新技術(shù)是否會(huì)導(dǎo)致失業(yè)一直是一個(gè)爭(zhēng)論不休的問(wèn)題。作為一項(xiàng)新技術(shù)，人工智能本身是否會(huì)取代工人并導(dǎo)致大規(guī)模失業(yè)也是爭(zhēng)論的焦點(diǎn)。

部分學(xué)者認(rèn)為，人工智能對(duì)就業(yè)的影響主要以替代效應(yīng)為主［1-3］。Frey 和 Osborne指出，人工智能一般以工業(yè)機(jī)器人等新型生產(chǎn)資料的形式呈現(xiàn)，導(dǎo)致自動(dòng)化成本降低，從而引發(fā)“機(jī)器換人”［4］。Hanson基于新古典增長(zhǎng)分析框架探討智能機(jī)器人應(yīng)用對(duì)勞動(dòng)力市場(chǎng)的影響，理論分析發(fā)現(xiàn)，機(jī)器人應(yīng)用是對(duì)傳統(tǒng)勞動(dòng)力的替代，會(huì)降低企業(yè)的勞動(dòng)力需求［5］。Autor和Dorn在此基礎(chǔ)上構(gòu)建了自動(dòng)化技術(shù)分析的工作任務(wù)式模型，并基于此分析框架考察差異化任務(wù)中機(jī)器與勞動(dòng)力間的替代關(guān)系［6］。Acemoglu和Restrepo使用任務(wù)式模型，對(duì)美國(guó)1997—2007年勞動(dòng)力數(shù)據(jù)和機(jī)器人數(shù)據(jù)展開分析，他們發(fā)現(xiàn)，機(jī)器人使用密度的增加會(huì)顯著降低就業(yè)率水平［7］。Nedelkoska和Quintini基于32個(gè)OECD 國(guó)家的樣本進(jìn)行分析，發(fā)現(xiàn)自動(dòng)化技術(shù)對(duì)OECD 國(guó)家的就業(yè)造成沖擊，約14%的崗位面臨失業(yè)風(fēng)險(xiǎn)［8］。閆雪凌等使用2006—2017年中國(guó)制造業(yè)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)工業(yè)機(jī)器人應(yīng)用對(duì)就業(yè)的負(fù)向效應(yīng)顯著，其中工業(yè)機(jī)器人對(duì)勞動(dòng)力的替代彈性約為4.6［9］。這一結(jié)論在孔高文等基于地區(qū)層面與行業(yè)層面的匹配數(shù)據(jù)中得到進(jìn)一步驗(yàn)證，他們進(jìn)一步認(rèn)為，低學(xué)歷、低技能勞動(dòng)力受到的技術(shù)沖擊更大［10］。王永欽和董雯采取“巴蒂克工具變量”的因果關(guān)系識(shí)別工業(yè)機(jī)器人應(yīng)用對(duì)中國(guó)勞動(dòng)力市場(chǎng)的影響，發(fā)現(xiàn)工業(yè)機(jī)器人滲透度增加1個(gè)單位，會(huì)引致0.18%單位的勞動(dòng)力失業(yè)［11］。

部分學(xué)者就人工智能技術(shù)應(yīng)用對(duì)就業(yè)的影響持積極觀點(diǎn)，Hoedemakers認(rèn)為，人工智能技術(shù)應(yīng)用并不僅意味著勞動(dòng)力需求的減少，還會(huì)產(chǎn)生就業(yè)創(chuàng)造效應(yīng)［12］。一方面，高翔等、楊飛和范從來(lái)等認(rèn)為，人工智能技術(shù)應(yīng)用會(huì)催生新業(yè)態(tài)、新產(chǎn)業(yè)、新行業(yè)和新產(chǎn)品，釋放其就業(yè)創(chuàng)造效應(yīng)，擴(kuò)大就業(yè)規(guī)模［13-14］。另一方面，人工智能技術(shù)應(yīng)用會(huì)倒逼企業(yè)提升創(chuàng)新能力，加劇企業(yè)的資本深化水平，進(jìn)一步擴(kuò)大其對(duì)高技術(shù)人才的需求。Bessen 解釋了第一次工業(yè)革命期間自動(dòng)化和新工作崗位的因果關(guān)系，并指出織布機(jī)的自動(dòng)化創(chuàng)造了許多新的工作崗位，以滿足對(duì)廉價(jià)布匹的高需求［15］。自動(dòng)化并沒(méi)有淘汰織布工，相反，它將織布工的角色轉(zhuǎn)變?yōu)榧徏喒?。Prettner和Strulik發(fā)現(xiàn)智能化應(yīng)用會(huì)推動(dòng)新產(chǎn)品研發(fā)，新興產(chǎn)品的生產(chǎn)則會(huì)創(chuàng)造大量就業(yè)［16］。任保平和宋文月認(rèn)為，新一代人工智能在融入實(shí)體經(jīng)濟(jì)的過(guò)程中伴隨著對(duì)傳統(tǒng)產(chǎn)業(yè)的改造、新興產(chǎn)業(yè)的帶動(dòng)，這一過(guò)程中會(huì)通過(guò)資本深化創(chuàng)造就業(yè)崗位［17］。李磊等基于微觀企業(yè)數(shù)據(jù)的分析，發(fā)現(xiàn)人工智能應(yīng)用促進(jìn)了企業(yè)的勞動(dòng)力需求，但并不是所有行業(yè)都能從中獲益，這取決于其生產(chǎn)要素的密集程度，其對(duì)勞動(dòng)密集型產(chǎn)業(yè)的就業(yè)刺激效果不顯著［18］。邸俊鵬等基于省級(jí)面板數(shù)據(jù)的分析，發(fā)現(xiàn)工業(yè)機(jī)器人應(yīng)用對(duì)就業(yè)和工資水平的影響以正向促進(jìn)效應(yīng)為主［19］。

當(dāng)然，也有學(xué)者認(rèn)為以人工智能為代表的數(shù)智化技術(shù)對(duì)就業(yè)的影響不確定，尹彥輝等、苗世青認(rèn)為，數(shù)智化技術(shù)對(duì)就業(yè)的影響主要取決于人工智能就業(yè)創(chuàng)造效應(yīng)和替代效應(yīng)的強(qiáng)弱比較［20-21］。Acemoglu和Restrepo基于任務(wù)式模型的分析發(fā)現(xiàn)，人工智能應(yīng)用引發(fā)的就業(yè)替代效應(yīng)會(huì)降低勞動(dòng)力需求和工資水平，但同時(shí)，由于生產(chǎn)效率提升促進(jìn)資本深化，又會(huì)擴(kuò)大企業(yè)的勞動(dòng)力需求［22］。邵文波和盛丹認(rèn)為智能化技術(shù)對(duì)就業(yè)的影響取決于多重因素，其中，放開市場(chǎng)競(jìng)爭(zhēng)就會(huì)使智能化對(duì)就業(yè)的影響由負(fù)轉(zhuǎn)正［23］。郭凱明則認(rèn)為人工智能對(duì)傳統(tǒng)資本和勞動(dòng)均會(huì)產(chǎn)生替代效應(yīng)，但效應(yīng)大小主要取決于人工智能的替代彈性和在生產(chǎn)中所占份額［24］。王林輝等則從崗位轉(zhuǎn)換視角探討人工智能的就業(yè)效應(yīng)，發(fā)現(xiàn)人工智能引致的崗位轉(zhuǎn)換改變了就業(yè)形態(tài)，勞動(dòng)力就業(yè)崗位由傳統(tǒng)的常規(guī)向非常規(guī)轉(zhuǎn)變［25］。

綜上所述，已有研究為本文提供了重要啟迪與借鑒，但仍待進(jìn)一步深化。首先，現(xiàn)有研究在探討人工智能發(fā)展對(duì)就業(yè)的影響時(shí)，更多是從國(guó)家層面進(jìn)行探討，將深入推進(jìn)智能化的省級(jí)區(qū)域作為分析對(duì)象的研究相對(duì)較少。現(xiàn)實(shí)中也需要關(guān)注到具體區(qū)域的影響效應(yīng)，即基于省級(jí)微觀企業(yè)數(shù)據(jù)探討區(qū)域?qū)用嫒斯ぶ悄軐?duì)就業(yè)的影響如何，為制定因地制宜的產(chǎn)業(yè)政策提供理論支撐和決策依據(jù)。其次，人工智能應(yīng)用會(huì)促進(jìn)企業(yè)資本深化，而資本深化會(huì)影響企業(yè)的勞動(dòng)力需求。對(duì)在進(jìn)行人工智能影響就業(yè)機(jī)制檢驗(yàn)時(shí)，鮮有研究關(guān)注到資本深化對(duì)就業(yè)的影響。

基于此，本文以人工智能應(yīng)用較為廣泛的、工業(yè)門類齊全的山東省作為研究對(duì)象，利用2012—2020年山東省198家A股上市公司數(shù)據(jù)，通過(guò)基準(zhǔn)回歸分析、內(nèi)生性討論、穩(wěn)健性檢驗(yàn)和機(jī)制檢驗(yàn)，系統(tǒng)性探討人工智能對(duì)山東省就業(yè)總量的影響及其作用機(jī)制，以期為準(zhǔn)確把握數(shù)智化轉(zhuǎn)型中山東省勞動(dòng)力市場(chǎng)變化提供現(xiàn)實(shí)依據(jù)，為推進(jìn)高質(zhì)量發(fā)展和勞動(dòng)力市場(chǎng)穩(wěn)定找準(zhǔn)發(fā)力點(diǎn)，為制定因地制宜的產(chǎn)業(yè)政策提供理論支撐和決策依據(jù)。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

本文使用的數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)和Wind數(shù)據(jù)庫(kù)。根據(jù)研究目標(biāo)，本文選擇2012—2020年企業(yè)所屬地在山東省的A股上市公司作為研究樣本，沿用大多數(shù)文獻(xiàn)使用此數(shù)據(jù)庫(kù)的處理方式，剔除金融類、有嚴(yán)重?cái)?shù)據(jù)缺失、ST和*ST的公司樣本，剔除營(yíng)業(yè)總收入為負(fù)值、支付給職工薪酬為負(fù)值、勞動(dòng)收入大于總收入比重、員工人數(shù)不足100人的公司，并對(duì)連續(xù)變量進(jìn)行上下 1%的縮尾處理，最終匹配得到198家有效的上市公司，共1041個(gè)樣本的數(shù)據(jù)。

（二）變量選擇

被解釋變量：本文主要關(guān)注人工智能技術(shù)應(yīng)用對(duì)山東省就業(yè)總量的影響，故選取企業(yè)年末從業(yè)人員總數(shù)衡量就業(yè)總量（L）。

核心解釋變量：本文在對(duì)人工智能技術(shù)應(yīng)用程度進(jìn)行刻畫時(shí)，主要參考何勤等、孫文遠(yuǎn)和劉于山的處理方式［26-27］，當(dāng)前企業(yè)人工智能應(yīng)用一般基于機(jī)器人設(shè)備實(shí)現(xiàn)，故選取企業(yè)機(jī)器設(shè)備價(jià)值與企業(yè)員工數(shù)的比值，即人均機(jī)器設(shè)備價(jià)值表征人工智能滲透度（AI）。

控制變量：控制變量的選取參考方明月等、李琳等、曹雅茹等的研究［28-30］，主要包括：（1）企業(yè)規(guī)模（Scale），使用企業(yè)資產(chǎn)總額的對(duì)數(shù)測(cè)度。（2）資產(chǎn)周轉(zhuǎn)率（ATO），采用總營(yíng)業(yè)額與總資產(chǎn)值衡量。（3）資產(chǎn)收益率（ROA），基于上市公司凈資產(chǎn)收益與總資產(chǎn)之比衡量。（4）資產(chǎn)結(jié)構(gòu)（KS），采取上市公司無(wú)形資產(chǎn)占總資產(chǎn)比值衡量。（5）研發(fā)強(qiáng)度（RD），選取研發(fā)投入占企業(yè)薪酬比重刻畫。

中介變量：本文著重考察人工智能應(yīng)用引致的創(chuàng)造效應(yīng)和替代效應(yīng)對(duì)就業(yè)的影響，故分別從資本深化（KL）和人力成本（W）兩方面進(jìn)行機(jī)制分析。其中，選取上市公司總資產(chǎn)與員工人數(shù)的比值刻畫資本深化，選取員工平均工資衡量企業(yè)用工成本。各變量的描述性統(tǒng)計(jì)結(jié)果如表1所示。

（三）模型設(shè)定

為實(shí)證檢驗(yàn)人工智能技術(shù)應(yīng)用對(duì)勞動(dòng)力就業(yè)的影響，本文設(shè)定的基準(zhǔn)回歸模型如下：

Lit=α+βAIit+γControlsit+λi+δt+εit（1）

其中，Lit為被解釋變量，表示就業(yè)總量，AIit為核心解釋變量，表示人工智能滲透度，Controlsit表示控制變量集，分別為企業(yè)規(guī)模、資產(chǎn)周轉(zhuǎn)率、資產(chǎn)收益率、資產(chǎn)結(jié)構(gòu)和企業(yè)研發(fā)強(qiáng)度。i和t分別表示企業(yè)和年份，λi和δt分別為企業(yè)和年份層面的固定效應(yīng)，εit表示隨機(jī)誤差項(xiàng)。

四、實(shí)證分析

（一）基準(zhǔn)回歸結(jié)果分析

表2報(bào)告了人工智能對(duì)山東省勞動(dòng)力就業(yè)影響的基準(zhǔn)分析結(jié)果。列（1）為在控制企業(yè)和年份固定效應(yīng)時(shí)只加入核心解釋變量的估計(jì)結(jié)果。結(jié)果顯示，人工智能滲透度AI的系數(shù)為-0.236，在5%統(tǒng)計(jì)水平上顯著為負(fù)，這表明人工智能滲透會(huì)顯著降低就業(yè)水平。列（2）為加入控制變量后的估計(jì)結(jié)果，人工智能滲透度的系數(shù)為-0.293，在1%統(tǒng)計(jì)水平上顯著為負(fù)，與列（1）的估計(jì)結(jié)果差別不大。為保證回歸結(jié)果的準(zhǔn)確性，在列（3）和列（4）中逐步加入企業(yè)固定效應(yīng)和年份固定效應(yīng)進(jìn)行估計(jì)。結(jié)果顯示，人工智能滲透對(duì)山東省企業(yè)就業(yè)水平的影響仍顯著為負(fù)，這說(shuō)明當(dāng)前山東省人工智能應(yīng)用的替代效應(yīng)大于創(chuàng)造效應(yīng)，其對(duì)山東省就業(yè)的影響仍以替代效應(yīng)為主，同時(shí)也表明基準(zhǔn)回歸的結(jié)果較為穩(wěn)健。

控制變量的估計(jì)結(jié)果顯示，企業(yè)規(guī)模和資產(chǎn)周轉(zhuǎn)率的估計(jì)系數(shù)均在1%統(tǒng)計(jì)水平上顯著為正，這表明企業(yè)規(guī)模越大、資金鏈越安全的企業(yè)所吸納的就業(yè)越多。企業(yè)資產(chǎn)收益率的估計(jì)結(jié)果顯著為負(fù)，可能的原因是企業(yè)利潤(rùn)越高的企業(yè)，自動(dòng)化水平越高，企業(yè)的用工需求也就越少。企業(yè)研發(fā)的估計(jì)系數(shù)在10%統(tǒng)計(jì)水平上顯著為正，表明人工智能應(yīng)用進(jìn)程中，企業(yè)對(duì)技術(shù)研發(fā)的重視程度很高，對(duì)高技能人才的需求也會(huì)逐步增大，這會(huì)擴(kuò)大企業(yè)的用工需求。

注：*、**、***分別表示在10%、5%和 1%的顯著性水平下顯著，括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。

（二）內(nèi)生性檢驗(yàn)

雖然基準(zhǔn)回歸結(jié)果較為穩(wěn)健，但基準(zhǔn)模型仍可能存在雙向因果或遺漏變量的問(wèn)題，進(jìn)而由內(nèi)生性問(wèn)題導(dǎo)致估計(jì)結(jié)果有誤，為避免內(nèi)生性偏誤問(wèn)題，本文借鑒孫文遠(yuǎn)和劉于山的處理方式［27］，選取人工智能滲透度的滯后一期作為人工智能滲透度的工具變量（AIIV），采用面板數(shù)據(jù)的兩階段最小二乘法（2SLS）進(jìn)行估計(jì)，估計(jì)結(jié)果見表3。

列（1）中第一階段Kleibergen-Paap F值為99.28，遠(yuǎn)大于10，且工具變量AIIV的估計(jì)系數(shù)在1%統(tǒng)計(jì)水平上顯著為正，排除了存在弱工具變量的可能性，表明構(gòu)建的工具變量較為合理。列（2）中人工智能滲透度的估計(jì)系數(shù)在1%統(tǒng)計(jì)水平上顯著為-0.218，與基準(zhǔn)模型中的估計(jì)系數(shù)-0.282相接近。這表明基于工具變量的兩階段最小二乘法的估計(jì)結(jié)果與基準(zhǔn)估計(jì)結(jié)果相一致，山東省人工智能對(duì)就業(yè)的替代效應(yīng)顯著。

注：*、**、***分別表示在10%、5%和 1%的顯著性水平下顯著，括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。

（三）穩(wěn)健性檢驗(yàn)

本文采取調(diào)整樣本范圍、調(diào)整樣本時(shí)間、調(diào)整要素密集程度的方法進(jìn)行穩(wěn)健性檢驗(yàn)，相關(guān)結(jié)論均未發(fā)生實(shí)質(zhì)性改變?？紤]到智能制造是當(dāng)前人工智能的主要應(yīng)用領(lǐng)域，本文進(jìn)一步將研究樣本聚焦到制造業(yè)行業(yè)，驗(yàn)證估計(jì)結(jié)果的穩(wěn)健性。估計(jì)結(jié)果如表4列（1）所示，主要結(jié)論并未發(fā)生改變。同時(shí)可發(fā)現(xiàn)，制造業(yè)樣本中人工智能滲透度的估計(jì)系數(shù)為-0.267，與基準(zhǔn)回歸模型中的-0.282相比較，山東省制造業(yè)企業(yè)中人工智能應(yīng)用對(duì)就業(yè)的擠出效應(yīng)較非制造業(yè)企業(yè)更弱。這可能是由于相較于制造業(yè)，樣本中非制造業(yè)企業(yè)多屬于資本、技術(shù)密集型企業(yè)，需要承擔(dān)的社會(huì)責(zé)任也較小，其人工智能應(yīng)用程度更高，故其對(duì)就業(yè)的擠出效應(yīng)更顯著。

鑒于中國(guó)機(jī)器人安裝總量于2016年達(dá)到世界第一，本文將研究樣本的時(shí)間維度調(diào)整為2016—2020年，旨在考察人工智能應(yīng)用規(guī)模達(dá)到領(lǐng)先水平后其對(duì)勞動(dòng)力市場(chǎng)就業(yè)的影響是否與之前出現(xiàn)差異。估計(jì)結(jié)果如表4列（2）所示，人工智能滲透度系數(shù)為-0.326，估計(jì)結(jié)果在1%統(tǒng)計(jì)水平上顯著，與表2中基準(zhǔn)回歸中的系數(shù)-0.282相比，可以發(fā)現(xiàn)，伴隨著人工智能應(yīng)用規(guī)模的擴(kuò)大，人工智能對(duì)山東省勞動(dòng)力就業(yè)影響仍然為負(fù)，但其對(duì)就業(yè)的擠出效應(yīng)愈發(fā)凸顯。

進(jìn)一步地，不同行業(yè)的企業(yè)要素密集程度存在差異，人工智能應(yīng)用對(duì)其影響也存在差異，基于此，本文根據(jù)李琳等的方法將企業(yè)行業(yè)分為勞動(dòng)密集型和資本密集型兩類［29］，分別探討人工智能技術(shù)對(duì)就業(yè)的影響。估計(jì)結(jié)果見表4的第（3）列和第（4）列?？梢钥闯觯斯ぶ悄軕?yīng)用對(duì)山東省兩類企業(yè)的就業(yè)均具有顯著的負(fù)向影響，但相較于勞動(dòng)密集型企業(yè)，人工智能應(yīng)用對(duì)山東省資本密集型企業(yè)的就業(yè)擠出效應(yīng)更強(qiáng)。這是由于勞動(dòng)密集型企業(yè)在生產(chǎn)中對(duì)勞動(dòng)力的依賴性更強(qiáng)，勞動(dòng)與資本間的替代彈性較低，人工智能應(yīng)用并不會(huì)大幅降低勞動(dòng)密集型企業(yè)對(duì)勞動(dòng)力的需求。而資本密集型企業(yè)在生產(chǎn)中對(duì)資本的依賴性更強(qiáng)，資本密集型企業(yè)機(jī)器換人的實(shí)現(xiàn)更容易，因此人工智能應(yīng)用導(dǎo)致資本密集型企業(yè)的用工需求下降幅度更大。

注：*、**、***分別表示在10%、5%和 1%的顯著性水平下顯著，括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。

（四）影響機(jī)制檢驗(yàn)

在確定當(dāng)前人工智能對(duì)勞動(dòng)力就業(yè)的影響后，有必要進(jìn)一步考察就業(yè)替代效應(yīng)和創(chuàng)造效應(yīng)背后的作用機(jī)制，本文采用中介效應(yīng)模型檢驗(yàn)人工智能應(yīng)用影響山東省勞動(dòng)力就業(yè)的作用機(jī)制。具體而言，在考察就業(yè)替代效應(yīng)傳導(dǎo)渠道時(shí)，本文關(guān)注到人工智能技術(shù)應(yīng)用對(duì)勞動(dòng)生產(chǎn)效率的提升作用，勞動(dòng)力成本的增加誘使機(jī)器換人。為檢驗(yàn)這一機(jī)制，本文將工資率作為中介變量進(jìn)行實(shí)證檢驗(yàn)。在考察人工智能的就業(yè)創(chuàng)造效應(yīng)時(shí)，本文主要考慮到人工智能是一種有偏的技術(shù)進(jìn)步，其在提升生產(chǎn)效率、促進(jìn)資本積累時(shí)，會(huì)通過(guò)資本化效應(yīng)創(chuàng)造就業(yè)。為檢驗(yàn)這一機(jī)制，本文參考寧光杰和張雪凱的處理方式［31］，將資本深化作為中介變量進(jìn)行實(shí)證檢驗(yàn)。具體模型如下：

Lit=α1+β1AIit+γ1Controlsit+εit（2）

Mit=α2+β2AIit+γ2Controlsit+εit（3）

Lit=α3+β3AIit+η3Mit+γ3Controlsit+εit（4）

其中，Mit為中介變量，本文中分別為工資水平和資本深化，Controls為控制變量。

注：*、**、***分別表示在10%、5%和 1%的顯著性水平下顯著，括號(hào)內(nèi)為標(biāo)準(zhǔn)誤。

根據(jù)表5列（1）的估計(jì)結(jié)果，人工智能滲透度對(duì)企業(yè)員工工資水平的回歸系數(shù)在1%統(tǒng)計(jì)水平上顯著為正，意味著人工智能應(yīng)用會(huì)促進(jìn)企業(yè)工資水平上升。進(jìn)一步地，列（2）的結(jié)果顯示，在加入工資水平這一中介變量后，工資系數(shù)顯著為負(fù)，說(shuō)明人工智能在對(duì)就業(yè)的負(fù)向影響中，工資成本發(fā)揮了部分中介作用。這是由于人工智能技術(shù)的生產(chǎn)率效應(yīng)，會(huì)大幅提升勞動(dòng)的邊際產(chǎn)出，促進(jìn)勞動(dòng)生產(chǎn)率提高，進(jìn)而引致工資上升，勞動(dòng)成本上升會(huì)促使企業(yè)更偏向于資本，進(jìn)而引致就業(yè)需求降低。因此，人工智能應(yīng)用在就業(yè)替代效應(yīng)的實(shí)現(xiàn)過(guò)程中，會(huì)促進(jìn)工資上漲，進(jìn)而降低就業(yè)。列（3）的結(jié)果顯示，人工智能滲透度對(duì)資本深化的回歸系數(shù)在1%統(tǒng)計(jì)水平上顯著為正，說(shuō)明人工智能作為有偏技術(shù)進(jìn)步，更有利于資本積累。列（4）的結(jié)果顯示，在加入資本深化這一中介變量后，其對(duì)就業(yè)存在顯著的創(chuàng)造效應(yīng)，減緩了人工智能滲透對(duì)就業(yè)的替代效應(yīng)，說(shuō)明資本深化有效緩解了人工智能對(duì)就業(yè)的擠出。這是由于人工智能促進(jìn)資本深化，當(dāng)資本積累達(dá)到一定程度后，其崗位創(chuàng)造效應(yīng)得以釋放，進(jìn)而減緩了人工智能應(yīng)用對(duì)就業(yè)的擠出，但當(dāng)前階段，人工智能的就業(yè)創(chuàng)造效應(yīng)不如替代效應(yīng)大，總體仍呈現(xiàn)為人工智能對(duì)就業(yè)的擠出。

五、結(jié)論與政策啟示

人工智能作為通用技術(shù)，是新一代技術(shù)變革的核心引擎，是推進(jìn)新舊動(dòng)能轉(zhuǎn)換和有效應(yīng)對(duì)老齡化問(wèn)題的新動(dòng)力。本文關(guān)注到人工智能技術(shù)廣泛應(yīng)用所引起的就業(yè)形態(tài)變化，借助2012—2020年山東省A股上市公司數(shù)據(jù)，探究山東省人工智能應(yīng)用對(duì)勞動(dòng)力就業(yè)的影響及其機(jī)制，并得到以下結(jié)論：第一，現(xiàn)階段，山東省人工智能應(yīng)用對(duì)就業(yè)的綜合影響仍以替代效應(yīng)為主，此結(jié)論在調(diào)整樣本范圍、樣本時(shí)間等穩(wěn)健性檢驗(yàn)后依然成立。第二，較于勞動(dòng)密集型企業(yè)，山東省人工智能應(yīng)用對(duì)資本密集型企業(yè)的就業(yè)替代效應(yīng)更為顯著。第三，從機(jī)制傳導(dǎo)路徑來(lái)看，山東省人工智能應(yīng)用通過(guò)提升勞動(dòng)力成本降低了企業(yè)的勞動(dòng)力需求，通過(guò)資本深化產(chǎn)生的就業(yè)創(chuàng)造效應(yīng)緩解了對(duì)就業(yè)的擠出效應(yīng)。

本文的研究為客觀評(píng)估人工智能技術(shù)應(yīng)用對(duì)山東省勞動(dòng)力就業(yè)的影響提供了微觀企業(yè)層面的經(jīng)驗(yàn)證據(jù)，而且對(duì)探索引導(dǎo)數(shù)智技術(shù)與高質(zhì)量就業(yè)融合發(fā)展的山東方案提供了現(xiàn)實(shí)依據(jù)。本文得到的政策啟示在于：第一，應(yīng)正確認(rèn)識(shí)人工智能技術(shù)應(yīng)用的生產(chǎn)率效應(yīng)、就業(yè)創(chuàng)造效應(yīng)和就業(yè)替代效應(yīng)。當(dāng)前，山東省正處于新舊動(dòng)能轉(zhuǎn)換的關(guān)鍵期，一方面，應(yīng)大力扶持和發(fā)展以人工智能為代表的數(shù)智化產(chǎn)業(yè)，賦能制造業(yè)轉(zhuǎn)型升級(jí)，完善新興產(chǎn)業(yè)鏈，為傳統(tǒng)產(chǎn)業(yè)的補(bǔ)鏈、延鏈、強(qiáng)鏈注入新動(dòng)能。另一方面，政府在發(fā)展“四新經(jīng)濟(jì)”、推進(jìn)人工智能應(yīng)用、提升生產(chǎn)效率的同時(shí)，應(yīng)兼顧勞動(dòng)力市場(chǎng)的動(dòng)態(tài)變化，以避免大規(guī)模的“機(jī)器換人”引致失業(yè)風(fēng)險(xiǎn)。第二，多管齊下，提升勞動(dòng)力素質(zhì)。引導(dǎo)人機(jī)協(xié)同的技術(shù)進(jìn)步，即勞動(dòng)力素質(zhì)需跟得上人工智能技術(shù)發(fā)展。一方面，提升高等教育和職業(yè)教育人才培養(yǎng)質(zhì)量，擴(kuò)大人工智能相關(guān)的高技能人才供給。隨著人工智能應(yīng)用場(chǎng)景的快速發(fā)展，與智能技術(shù)相匹配的高素質(zhì)勞動(dòng)力需求也會(huì)大幅上升，需要適度調(diào)整不同層次教育的方式方法和側(cè)重點(diǎn)，致力于培養(yǎng)與市場(chǎng)需求相一致的高素質(zhì)人才。另一方面，優(yōu)化技能培訓(xùn)模式，強(qiáng)化技能培訓(xùn)針對(duì)性。為低技能勞動(dòng)力提供健全的、有針對(duì)性的技能培訓(xùn)體系，使低技能勞動(dòng)力適應(yīng)勞動(dòng)力市場(chǎng)需求變化，降低失業(yè)風(fēng)險(xiǎn)。第三，進(jìn)一步推進(jìn)人工智能與山東省先進(jìn)制造業(yè)、現(xiàn)代服務(wù)業(yè)深度融合，促進(jìn)人工智能資本深化，以充分發(fā)揮智能化的就業(yè)創(chuàng)造作用。當(dāng)人工智能達(dá)到一定規(guī)模后，其就業(yè)創(chuàng)造效應(yīng)大于就業(yè)替代效應(yīng)，因此，需制定配套人工智能產(chǎn)業(yè)發(fā)展的專項(xiàng)鼓勵(lì)政策，科學(xué)籌劃人工智能產(chǎn)業(yè)的空間布局，以加快培育和壯大人工智能相關(guān)產(chǎn)業(yè)，推動(dòng)人工智能快成長(zhǎng)、上規(guī)模、強(qiáng)實(shí)力。

參考文獻(xiàn)

［1］Acemoglu D ，Autor D .Skills，tasks and technologies：Implications for employment and earnings［J］.Handbook of Labor Economics，2011，4b（16082）：1043-1171.

［2］Arntz M ，Gregory T ，Zierahn U .Revisiting the risk of automation［J］.Economics Letters，2017（159）：157-160.

［3］Gregory T ，Salomons A ，Zierahn U .Racing with or against the machine？ Evidence on the role of trade in europe［J］.Journal of the European Economic Association，2022（2）：869-906.

［4］Frey C B ，Osborne M A .The future of employment：How susceptible are jobs to computerisation？［J］.Technological Forecasting and Social Change，2017，114：254-280.

［5］Hanson R .Economic growth given machine intelligence［J］.Journal of Artificial Intelligence Research，2001（1）：1-13.

［6］Autor D ，Dorn D.The growth of low skill service jobs and the polarization of the US labor market［J］.American Economic Review，2013，103（5）：1553-1597.

［7］Acemoglu D，P Restrepo.Secular stagnation？ The effect of aging on economic growth in the age or automation ［J］.American Economic Review，2017，107（5）：174-179.

［8］Nedelkoska L，Quintini G.Automation，skill use and training［R］.OECD Social，Employment and Migration Working Paper，No.202，2018.

［9］閆雪凌，朱博楷，馬超.工業(yè)機(jī)器人使用與制造業(yè)就業(yè)：來(lái)自中國(guó)的證據(jù)［J］.統(tǒng)計(jì)研究，2020，37（1）：74-87.[ZK）]

［10］[ZK（#]孔高文，劉莎莎，孔東民.機(jī)器人與就業(yè)——基于行業(yè)與地區(qū)異質(zhì)性的探索性分析［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2020（8）：80-98.

［11］王永欽，董雯.人機(jī)之間：機(jī)器人興起對(duì)中國(guó)勞動(dòng)者收入的影響［J］.世界經(jīng)濟(jì)，2023，46（7）：88-115.

［12］Hoedemakers L.The changing nature of employment：How technological progress and robotics shape the future of work［D］.Lund：Lund University，2017.

［13］高翔，田開蘭，楊翠紅.從供給側(cè)探尋我國(guó)就業(yè)變化成因［J］.管理評(píng)論，2018，30（5）：187-196.

［14］楊飛，范從來(lái).產(chǎn)業(yè)智能化是否有利于中國(guó)益貧式發(fā)展？［J］.經(jīng)濟(jì)研究，2020，55（5）：150-165.

［15］Bessen J .Toil and technology：Innovative technology is displacing workers to new jobs rather than replacing them entirely［J］.Finance and Development，2015，52（1）：16-19.

［16］Prettner K ，Strulik H .Innovation，automation，and inequality：policy challenges in the race against the machine［J］.North-Holland，2020.

［17］任保平，宋文月.新一代人工智能和實(shí)體經(jīng)濟(jì)深度融合促進(jìn)高質(zhì)量發(fā)展的效應(yīng)與路徑［J］.西北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2019，49（5）：6-13.

［18］李磊，王小霞，包群.機(jī)器人的就業(yè)效應(yīng)：機(jī)制與中國(guó)經(jīng)驗(yàn)［J］.管理世界，2021，37（9）：104-119.

［19］邸俊鵬，鮑俊杰，惠浩.工業(yè)機(jī)器人對(duì)制造業(yè)勞動(dòng)力市場(chǎng)的影響：“升級(jí)”抑或“極化”？［J］.上海經(jīng)濟(jì)研究，2023（2）：51-63.

［20］尹彥輝，孫祥棟.人工智能、資本稅如何影響收入分配格局：極化還是優(yōu)化？［J］.深圳大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2023，40（1）：83-91.

［21］苗世青.人機(jī)協(xié)同對(duì)勞動(dòng)者就業(yè)的影響——基于2018年CGSS數(shù)據(jù)的分析［J］.山東工會(huì)論壇，2023，29（3）：12-23.

［22］Acemoglu D，Restrepo P.The race between man and machine：Implications of technology for growth，factor shares，and employment［J］.American economic review，2018，108（6）：1488-1542.

［23］邵文波，盛丹.信息化與中國(guó)企業(yè)就業(yè)吸納下降之謎［J］.經(jīng)濟(jì)研究，2017，52（6）：120-136.

［24］郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)與勞動(dòng)收入份額變動(dòng)［J］.管理世界，2019，35（7）：60-77+202-203.

［25］王林輝，錢圓圓，周慧琳，等.人工智能技術(shù)沖擊和中國(guó)職業(yè)變遷方向［J］.管理世界，2023，39（11）：74-95.

［26］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？［J］.北京聯(lián)合大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2020，18（2）：84-95.

［27］孫文遠(yuǎn)，劉于山.人工智能對(duì)勞動(dòng)力市場(chǎng)的影響機(jī)制研究［J］.華東經(jīng)濟(jì)管理，2023，37（3）：1-9.

［28］方明月，林佳妮，聶輝華.數(shù)字化轉(zhuǎn)型是否促進(jìn)了企業(yè)內(nèi)共同富裕？——來(lái)自中國(guó)A股上市公司的證據(jù)［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2022，39（11）：50-70.

［29］李琳，宋培，艾陽(yáng)，等.數(shù)字技術(shù)應(yīng)用下的企業(yè)勞動(dòng)收入份額變動(dòng)［J］.廣東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023，38（5）：4-21.

［30］曹雅茹，劉軍，邵軍.替代還是創(chuàng)造：智能化如何影響中國(guó)制造業(yè)就業(yè)？［J］.管理評(píng)論，2023，35（9）：37-49.

［31］寧光杰，張雪凱.勞動(dòng)力流轉(zhuǎn)與資本深化——當(dāng)前中國(guó)企業(yè)機(jī)器替代勞動(dòng)的新解釋［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2021（6）：42-60.

Facilitating or Inhibiting：A Study on the Employment Effects of

Artificial Intelligence Technology Applications in Shandong Province

YIN Yanhui1，2

（1.School of Economics and Trade，Shandong Management University，Jinan，

Shandong Province，250357;

2.Research Center for Digital Economy and Regional Quality Development，

Shandong Management University，Jinan，Shandong Province，250357）

Abstract：The transformation of traditional production methods brought about by the development of artificial intelligence is bound to have a profound impact on the labor market.This paper focuses on the changes in employment patterns caused by the wide application of artificial intelligence technology，uses the data of A-share listed companies in Shandong Province from 2012 to 2020，and explores the impact and mechanism of artificial intelligence application on labor employment in Shandong Province from two aspects，namely the impact and mechanism analysis，and thus obtains the following conclusions：at this stage，the comprehensive impact of artificial intelligence application on employment in Shandong Province is still dominated by the substitution effect.Compared with labor-intensive enterprises，the employment substitution effect of artificial intelligence application on capital-intensive enterprises in Shandong Province is more significant.The application of artificial intelligence in Shandong Province reduces the labor demand of enterprises by increasing labor costs and alleviates the crowding out effect on employment through the employment creation effect generated by capital deepening.

Key words：artificial intelligence;employment;substitution effect;creation effect

（責(zé)任編輯：楊"真）

收稿日期：2023-11-27

基金項(xiàng)目：本文系山東省重點(diǎn)研發(fā)計(jì)劃（軟科學(xué)項(xiàng)目）“人工智能技術(shù)變革下山東省勞動(dòng)力就業(yè)形態(tài)變化與對(duì)策研究”（項(xiàng)目編號(hào)：2023RKY04011）的階段性研究成果。

作者簡(jiǎn)介：尹彥輝（1992—），男，山東臨沂人，經(jīng)濟(jì)學(xué)博士，山東管理學(xué)院經(jīng)貿(mào)學(xué)院副教授，研究方向?yàn)閿?shù)量經(jīng)濟(jì)和政策效應(yīng)評(píng)估。