何勤 李鑫悅

摘要：人工智能帶來(lái)的新的技術(shù)變革促使企業(yè)收入分配格局發(fā)生變化?；?007—2022年滬深A(yù)股上市公司數(shù)據(jù)，通過(guò)文本分析法對(duì)人工智能技術(shù)和應(yīng)用進(jìn)行科學(xué)測(cè)算，并就人工智能對(duì)企業(yè)利潤(rùn)與工資之間收入分配的影響展開(kāi)分析。研究發(fā)現(xiàn)：人工智能技術(shù)和應(yīng)用對(duì)企業(yè)利潤(rùn)與工資收入分配的影響呈“U”型，即在人工智能技術(shù)和應(yīng)用發(fā)展的早期，利潤(rùn)與工資比率不斷下降，差距逐漸縮小；但當(dāng)人工智能技術(shù)和應(yīng)用超過(guò)閾值時(shí)，利潤(rùn)不斷吞噬工資，導(dǎo)致二者之間差距逐漸擴(kuò)大。該結(jié)論在經(jīng)歷了替換被解釋變量、分時(shí)段檢驗(yàn)、剔除直轄市樣本等一系列穩(wěn)健性檢驗(yàn)后依然成立。機(jī)制分析發(fā)現(xiàn)，人工智能技術(shù)和應(yīng)用能夠通過(guò)就業(yè)規(guī)模效應(yīng)、就業(yè)結(jié)構(gòu)效應(yīng)和生產(chǎn)率效應(yīng)間接影響企業(yè)利潤(rùn)與工資之間的分配。進(jìn)一步研究發(fā)現(xiàn)，財(cái)務(wù)柔性能夠正向調(diào)節(jié)人工智能與利潤(rùn)和工資之間收入分配的“U”型關(guān)系，對(duì)于財(cái)務(wù)柔性較高的企業(yè)來(lái)說(shuō)，人工智能技術(shù)和應(yīng)用與企業(yè)內(nèi)部分配效應(yīng)的“U”型關(guān)系較為明顯，說(shuō)明人工智能技術(shù)和應(yīng)用對(duì)財(cái)務(wù)柔性較高的企業(yè)分配效應(yīng)的影響相對(duì)更大。研究為在人工智能加速發(fā)展背景下提高員工工資、抑制企業(yè)間資本和勞動(dòng)差距擴(kuò)大提供了重要的政策建議。

關(guān)鍵詞：人工智能技術(shù)；人工智能應(yīng)用；利潤(rùn)與工資；收入分配

中圖分類號(hào)：F244文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4149（2024）03-0111-18

DOI：10-3969/j-issn-1000-4149-2024-00-037

一、引言

得益于新型基礎(chǔ)設(shè)施建設(shè)的卓著進(jìn)步，我國(guó)在人工智能領(lǐng)域發(fā)展迅猛，人工智能產(chǎn)業(yè)取得長(zhǎng)足進(jìn)展。根據(jù)中國(guó)信息通信研究院測(cè)算，2022年我國(guó)人工智能核心產(chǎn)業(yè)規(guī)模達(dá)到5080億元，同比增長(zhǎng)18%。截止到2022年底我國(guó)人工智能企業(yè)超過(guò)4000家。作為新一輪科技革命的重要驅(qū)動(dòng)力量，人工智能已廣泛應(yīng)用于金融、交通、教育等多個(gè)領(lǐng)域，并正在逐漸“霸占”更多的工作崗位，其帶來(lái)的勞動(dòng)力市場(chǎng)變革必將對(duì)收入分配格局產(chǎn)生重大影響。

近年來(lái)，我國(guó)就業(yè)和工資兩極化現(xiàn)象開(kāi)始凸顯。有學(xué)者認(rèn)為，現(xiàn)代化生產(chǎn)技術(shù)的出現(xiàn)是造成這種現(xiàn)象的主要原因［1］。技術(shù)進(jìn)步的非中性特征意味著不是所有的生產(chǎn)要素都能從技術(shù)進(jìn)步中均等受益。人工智能的資本偏向性加劇了收入分配上對(duì)勞動(dòng)的掠奪，進(jìn)而影響資本和勞動(dòng)要素所有者之間的收入差距。黨的二十大把實(shí)現(xiàn)全體人民共同富裕擺在更加重要的位置，將其作為中國(guó)式現(xiàn)代化五大特征和本質(zhì)要求之一。在此背景下，企業(yè)作為人工智能技術(shù)和應(yīng)用的主體，如何讓員工共享人工智能發(fā)展紅利，縮小資本與勞動(dòng)分配差距對(duì)實(shí)現(xiàn)共同富裕目標(biāo)至關(guān)重要。

事實(shí)上，人工智能引發(fā)的技術(shù)性失業(yè)和收入不平等是密切相關(guān)的。勞動(dòng)力市場(chǎng)上存在著巨大的不平等現(xiàn)象，致使一些勞動(dòng)者的勞動(dòng)所得遠(yuǎn)遠(yuǎn)低于其他人?，F(xiàn)有文獻(xiàn)主要關(guān)注技術(shù)進(jìn)步的兩極分化效應(yīng)［2-3］。首先，對(duì)整個(gè)勞動(dòng)力市場(chǎng)來(lái)說(shuō)，人工智能帶來(lái)的自動(dòng)化水平提高會(huì)對(duì)不同勞動(dòng)力群體的收入造成不對(duì)稱的影響。阿西莫格魯（Acemoglu）等在研究中發(fā)現(xiàn)，在過(guò)去的40年間，人工智能的應(yīng)用使中低收入人群的實(shí)際工資呈現(xiàn)出下降趨勢(shì)，勞動(dòng)力市場(chǎng)出現(xiàn)兩極分化現(xiàn)象［4］。王林輝等表示，人工智能技術(shù)通過(guò)非對(duì)稱地改變不同部門的生產(chǎn)率來(lái)影響勞動(dòng)收入分配，導(dǎo)致高、低技術(shù)部門勞動(dòng)收入差距擴(kuò)大［5］。然而，越來(lái)越多的學(xué)者使用偏向性技術(shù)進(jìn)步理論來(lái)解釋收入差距逐漸擴(kuò)大的原因［6］。根據(jù)偏向性技術(shù)進(jìn)步理論，隨著技術(shù)的發(fā)展企業(yè)對(duì)高技能勞動(dòng)力的需求增加，它們的生產(chǎn)效率提升更為顯著。當(dāng)高技能勞動(dòng)力與低技能勞動(dòng)力的替代彈性大于1時(shí)，技術(shù)進(jìn)步將提高高技能勞動(dòng)者的就業(yè)機(jī)會(huì)和薪資水平，從而加大了技能溢價(jià)，進(jìn)一步加劇了收入不平等［7］。其次，對(duì)企業(yè)來(lái)說(shuō)，人工智能引發(fā)企業(yè)內(nèi)部收入差距不斷擴(kuò)大。普雷特納（Prettner）等根據(jù)美國(guó)人口普查數(shù)據(jù)發(fā)現(xiàn)，工業(yè)機(jī)器人的使用提高了企業(yè)的生產(chǎn)效率，同時(shí)也提高了高技能勞動(dòng)者的工資，降低了低技能勞動(dòng)者的工資［8］。姚笛等采用上市公司數(shù)據(jù)研究發(fā)現(xiàn)，機(jī)器人的應(yīng)用顯著擴(kuò)大了企業(yè)內(nèi)部任務(wù)工資差距和技能工資差距，并且任務(wù)工資差距擴(kuò)大更加明顯［9］。

人工智能對(duì)勞動(dòng)力的替代，不僅直接影響不同勞動(dòng)群體之間的工資收入不平等，還會(huì)影響企業(yè)利潤(rùn)和工資之間的不對(duì)稱分配。經(jīng)典的卡爾多事實(shí)表明，資本和勞動(dòng)的分配份額在長(zhǎng)期中是相當(dāng)穩(wěn)定的，但近些年這一規(guī)律逐漸被打破：資本在收入中的比重逐漸增加，工資卻逐漸下降。?？撕捞兀‥eckhout）在研究中首次提出“利潤(rùn)悖論”的概念，他發(fā)現(xiàn)企業(yè)從技術(shù)進(jìn)步中獲得了大量的回報(bào)而日益繁榮，但員工的薪酬和待遇卻停滯不前，企業(yè)在獲得超額利潤(rùn)的同時(shí)不但沒(méi)有提供更多的就業(yè)機(jī)會(huì)，反而降低了員工工資［10］。目前，僅有少量文獻(xiàn)探究了技術(shù)進(jìn)步和企業(yè)利潤(rùn)與工資分配之間的關(guān)系?？凭S里（Coveri）認(rèn)為，技術(shù)對(duì)收入分配的影響是帶有偏向性的，利潤(rùn)與工資呈負(fù)相關(guān)關(guān)系［11］。而有學(xué)者利用中國(guó)民營(yíng)企業(yè)數(shù)據(jù)研究發(fā)現(xiàn)，人工智能紅利對(duì)企業(yè)利潤(rùn)與工資之間的分配呈“U”型特征［12］。綜上，學(xué)界對(duì)人工智能與資本和勞動(dòng)之間關(guān)系的研究大多聚焦于行業(yè)和地區(qū)層面，并取得了一定的研究成果。但關(guān)于人工智能對(duì)企業(yè)利潤(rùn)與工資之間收入分配影響的研究還較為缺乏，且受限于截面數(shù)據(jù)，現(xiàn)有研究無(wú)法更好地識(shí)別動(dòng)態(tài)影響以及作用機(jī)制，因此需要時(shí)間更長(zhǎng)、范圍更廣的微觀數(shù)據(jù)來(lái)作進(jìn)一步分析。

與已有研究相比，本文可能的邊際貢獻(xiàn)主要有以下幾點(diǎn)：第一，細(xì)分人工智能技術(shù)和應(yīng)用，探討不同層面人工智能的影響方向及作用效果的差異。已有研究從人工智能或數(shù)字技術(shù)整體展開(kāi)分析，無(wú)法測(cè)度不同層面人工智能的發(fā)展對(duì)利潤(rùn)與工資之間收入分配的差異。本文將人工智能細(xì)分為人工智能技術(shù)和人工智能應(yīng)用兩方面，能夠更加細(xì)致地探究人工智能不同層面對(duì)企業(yè)利潤(rùn)與工資之間收入分配的影響效果和作用機(jī)制。第二，本文刻畫了人工智能對(duì)企業(yè)利潤(rùn)與工資之間收入分配的不同效應(yīng)及其起作用的條件，揭示了就業(yè)規(guī)模效應(yīng)、就業(yè)結(jié)構(gòu)效應(yīng)和生產(chǎn)率效應(yīng)是人工智能分配效應(yīng)的三種關(guān)鍵機(jī)制，有助于在理論和實(shí)踐上豐富人工智能與企業(yè)資本和勞動(dòng)收入分配之間傳導(dǎo)路徑的認(rèn)識(shí)。第三，本文進(jìn)一步研究在財(cái)務(wù)柔性的影響下，人工智能技術(shù)和應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間收入分配的影響，解釋了形成企業(yè)利潤(rùn)與工資之間收入分配呈“U”型特征的背后原因，驗(yàn)證了企業(yè)在適應(yīng)財(cái)務(wù)環(huán)境動(dòng)態(tài)變化的過(guò)程中，如何調(diào)節(jié)人工智能對(duì)內(nèi)部收入分配的影響效應(yīng)。

二、理論分析和研究假設(shè)

1.人工智能對(duì)企業(yè)利潤(rùn)和工資之間收入分配的非線性影響

新古典主義認(rèn)為，技術(shù)進(jìn)步是影響收入分配最主要的因素。在新古典增長(zhǎng)模型中，資本與勞動(dòng)的替代彈性被假定為1，在這種情況下技術(shù)進(jìn)步被認(rèn)為是中性的。但在很多情況下，技術(shù)進(jìn)步并不是中性的。

?？怂梗℉icks）等指出，企業(yè)為了降低成本會(huì)減少使用相對(duì)昂貴的生產(chǎn)要素，技術(shù)進(jìn)步的目的在于節(jié)約使用昂貴的生產(chǎn)要素［13］。因此，技術(shù)進(jìn)步是偏向資本還是偏向勞動(dòng)，取決于哪種生產(chǎn)要素價(jià)格上漲得更快。首先，從工資層面來(lái)看，根據(jù)技能偏向性技術(shù)進(jìn)步理論，技術(shù)進(jìn)步是外生的，被設(shè)定為偏向高技能勞動(dòng)力，這將使得企業(yè)增加對(duì)高技能勞動(dòng)力的相對(duì)需求，降低對(duì)低技能勞動(dòng)力的相對(duì)需求。一方面，在“機(jī)器換人”的過(guò)程中，技術(shù)進(jìn)步對(duì)低技能勞動(dòng)力的替代，導(dǎo)致低技能勞動(dòng)力的占比不斷減少，工資水平不斷下降［9］。另一方面，當(dāng)技術(shù)進(jìn)步的速度超過(guò)教育發(fā)展的速度時(shí)，高技能勞動(dòng)力的供給無(wú)法滿足市場(chǎng)需求，會(huì)引起這部分勞動(dòng)力的工資水平上升［4］。因此，在人工智能發(fā)展初期，人工智能會(huì)促使企業(yè)內(nèi)低技能勞動(dòng)力工資下降，高技能勞動(dòng)力工資上升，從而增加企業(yè)的總工資。另外，對(duì)資本來(lái)說(shuō)，在人工智能技術(shù)和應(yīng)用的早期，企業(yè)構(gòu)建和維護(hù)一個(gè)人工智能系統(tǒng)需要高額的投資（例如數(shù)據(jù)基礎(chǔ)設(shè)施、購(gòu)買設(shè)備），同時(shí)要想實(shí)現(xiàn)人工智能的潛在價(jià)值，還需要大量的無(wú)形投資（如培訓(xùn)員工）［12］。因此在早期，人工智能技術(shù)和應(yīng)用可能不會(huì)帶來(lái)直接效益和生產(chǎn)率提高，還會(huì)在實(shí)現(xiàn)利潤(rùn)增長(zhǎng)之前增加企業(yè)的沉沒(méi)成本［14］。綜上，在人工智能技術(shù)和應(yīng)用的早期，利潤(rùn)和工資差距有所縮小。其次，從資本偏向性技術(shù)進(jìn)步視角來(lái)看，技術(shù)進(jìn)步往往伴隨著分配層面勞動(dòng)收入占比的降低［15］，主要是由于技術(shù)創(chuàng)新降低了技術(shù)和設(shè)備成本，替代效應(yīng)正在將企業(yè)從勞動(dòng)密集型向資本、技術(shù)密集型轉(zhuǎn)變，最終形成員工工資相對(duì)于資本成本的下降［16］。另外，人工智能會(huì)替代部分低級(jí)別的工作任務(wù)，有利于企業(yè)節(jié)約生產(chǎn)成本，降低產(chǎn)品價(jià)格，進(jìn)一步刺激消費(fèi)者的需求，促使企業(yè)產(chǎn)出規(guī)模擴(kuò)大［17］。同時(shí)，人工智能提升到一定水平后會(huì)提高企業(yè)的生產(chǎn)效率，增強(qiáng)企業(yè)的盈利能力。因此，隨著人工智能技術(shù)和應(yīng)用的不斷進(jìn)步，將促使企業(yè)利潤(rùn)增加、工資降低，導(dǎo)致利潤(rùn)與工資之間的差距擴(kuò)大。基于此，提出以下假設(shè)：假設(shè)1：人工智能技術(shù)和應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間的收入分配呈“U”型影響。

2.就業(yè)規(guī)模效應(yīng)

人工智能對(duì)企業(yè)就業(yè)規(guī)模的影響存在不確定性，包括負(fù)向的替代效應(yīng)和正向的恢復(fù)效應(yīng)［18］。一方面，人工智能的使用會(huì)直接減少自動(dòng)化勞動(dòng)崗位的需求，導(dǎo)致資本對(duì)勞動(dòng)的替代，從而使企業(yè)勞動(dòng)力需求下降。另一方面，人工智能對(duì)勞動(dòng)力的替代不會(huì)永遠(yuǎn)持續(xù)下去，其在替代勞動(dòng)力的同時(shí)也會(huì)幫助勞動(dòng)者擴(kuò)大自身比較優(yōu)勢(shì)［19］。此外，人工智能會(huì)創(chuàng)造新的就業(yè)崗位或擴(kuò)展原有崗位的工作任務(wù)，新任務(wù)的產(chǎn)生會(huì)增加勞動(dòng)力需求，可以抵消替代效應(yīng)，從而擴(kuò)大就業(yè)規(guī)模［20］。陳東等指出，人工智能的就業(yè)替代效應(yīng)降低了工人的議價(jià)能力和技能組成工資，導(dǎo)致工資水平惡化［21］。王永欽、董雯認(rèn)為，當(dāng)替代效應(yīng)占主導(dǎo)時(shí)，工業(yè)機(jī)器人的應(yīng)用會(huì)降低勞動(dòng)力需求，增加企業(yè)的外部選擇機(jī)會(huì)，降低勞動(dòng)者的相對(duì)議價(jià)能力，進(jìn)而導(dǎo)致勞動(dòng)者工資增長(zhǎng)放緩［22］。然而，人工智能通過(guò)就業(yè)規(guī)模來(lái)影響企業(yè)利潤(rùn)與工資之間收入分配是兩種效應(yīng)共同作用的結(jié)果。在人工智能發(fā)展初期，企業(yè)旨在用“機(jī)器換人”的自動(dòng)化形式替代勞動(dòng)力，而非增強(qiáng)勞動(dòng)者個(gè)體，因此，替代效應(yīng)占主導(dǎo)［18］，員工工資總額不斷下降。當(dāng)人工智能發(fā)展到一定水平后，其對(duì)勞動(dòng)力的貢獻(xiàn)將大于破壞效應(yīng)，因?yàn)槿斯ぶ悄艿膹V泛應(yīng)用有助于創(chuàng)造新產(chǎn)品、新服務(wù)和新任務(wù)，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，整體上就業(yè)規(guī)模將不斷擴(kuò)大，企業(yè)支付給員工的工資將不斷增加?；谏鲜龇治?，提出如下假設(shè)：假設(shè)2：人工智能技術(shù)和應(yīng)用通過(guò)改變就業(yè)規(guī)模進(jìn)而影響企業(yè)利潤(rùn)與工資之間的分配。

3.就業(yè)結(jié)構(gòu)效應(yīng)

由于工作任務(wù)的異質(zhì)性，人工智能對(duì)不同崗位、不同群體就業(yè)具有差異化的影響。根據(jù)技能偏向型技術(shù)進(jìn)步理論，技術(shù)進(jìn)步增加了對(duì)高技能勞動(dòng)力的需求，進(jìn)而引致技能工資溢價(jià)。奧特（Autor）等發(fā)現(xiàn)，20世紀(jì)90年代以來(lái)，技術(shù)進(jìn)步對(duì)高技能勞動(dòng)力的偏向程度開(kāi)始增加［23］。人工智能會(huì)逐漸取代低復(fù)雜性、重復(fù)性的工作，降低生產(chǎn)任務(wù)環(huán)節(jié)的勞動(dòng)力需求，并且隨著人工智能的不斷升級(jí)，對(duì)于高技能勞動(dòng)力會(huì)產(chǎn)生互補(bǔ)關(guān)系［22］。同樣，任務(wù)偏向型技術(shù)進(jìn)步理論按照工作任務(wù)將勞動(dòng)者分為常規(guī)任務(wù)勞動(dòng)者和非常規(guī)任務(wù)勞動(dòng)者，認(rèn)為人工智能會(huì)替代需要重復(fù)操作來(lái)執(zhí)行任務(wù)的常規(guī)任務(wù)勞動(dòng)者，但會(huì)與非常規(guī)任務(wù)勞動(dòng)者形成互補(bǔ)關(guān)系［24］。

人工智能的替代效應(yīng)更容易發(fā)生在低技能、從事常規(guī)任務(wù)勞動(dòng)力身上。在勞動(dòng)供給既定的情況下，勞動(dòng)需求的降低會(huì)導(dǎo)致低技能、從事常規(guī)任務(wù)的勞動(dòng)力工資水平降低。但也有學(xué)者指出，人工智能在其發(fā)展的不同階段，會(huì)對(duì)技能勞動(dòng)收入差距產(chǎn)生不同的影響［25］。在人工智能技術(shù)和應(yīng)用的早期階段，崗位替代效應(yīng)大于創(chuàng)造效應(yīng)，人工智能替代了部分勞動(dòng)力，員工工資水平有所下降。但當(dāng)人工智能發(fā)展到一定程度時(shí)，崗位創(chuàng)造效應(yīng)愈加明顯，同時(shí)對(duì)高技能、非常規(guī)任務(wù)勞動(dòng)力的需求逐漸增加，當(dāng)其供給無(wú)法滿足需求時(shí)，均衡工資會(huì)增加，致使企業(yè)對(duì)員工所支付的工資總額增加。因此，人工智能不僅會(huì)導(dǎo)致企業(yè)就業(yè)規(guī)模的變化，還會(huì)帶來(lái)相應(yīng)的就業(yè)結(jié)構(gòu)調(diào)整，從而影響企業(yè)利潤(rùn)與工資之間的收入分配?；谏鲜龇治?，提出如下假設(shè)：假設(shè)3：人工智能技術(shù)和應(yīng)用通過(guò)改變就業(yè)結(jié)構(gòu)進(jìn)而影響企業(yè)利潤(rùn)與工資之間的分配。

4.生產(chǎn)率效應(yīng)

人工智能的發(fā)展將帶來(lái)生產(chǎn)率的顯著提升。內(nèi)生增長(zhǎng)理論認(rèn)為，技術(shù)進(jìn)步是促進(jìn)生產(chǎn)率提高的動(dòng)力，是保證經(jīng)濟(jì)持續(xù)增長(zhǎng)的決定因素。奧特等在研究中發(fā)現(xiàn)，人工智能不僅能夠促進(jìn)全要素生產(chǎn)率的增長(zhǎng)，還能創(chuàng)造出新崗位，這不僅有助于勞動(dòng)者就業(yè)，還有助于提高實(shí)際工資水平［3］。具體體現(xiàn)在以下方面：第一，人工智能可以替代低技能的工作任務(wù)，相比于執(zhí)行這類任務(wù)的工人，智能機(jī)器設(shè)備可以不受時(shí)間、體力的限制，完成任務(wù)的質(zhì)量和效率更高，從而提高企業(yè)的生產(chǎn)效率，降低經(jīng)營(yíng)成本，擴(kuò)大生產(chǎn)規(guī)模，進(jìn)一步提升企業(yè)對(duì)非自動(dòng)化崗位勞動(dòng)者的需求。當(dāng)勞動(dòng)供給既定時(shí)，勞動(dòng)需求的增加有利于提高勞動(dòng)者的平均工資。第二，當(dāng)人工智能等新技術(shù)取得重大突破時(shí)，新技術(shù)與勞動(dòng)力呈現(xiàn)出較強(qiáng)的互補(bǔ)性，人工智能會(huì)提高勞動(dòng)生產(chǎn)率，促使勞動(dòng)的邊際產(chǎn)出增加，帶動(dòng)工資水平增長(zhǎng)［26］。與此同時(shí)，也有學(xué)者指出，人工智能的資本偏向性會(huì)導(dǎo)致資本和勞動(dòng)之間的收入差距逐漸擴(kuò)大，因?yàn)槿斯ぶ悄軙?huì)同時(shí)替代體力和腦力勞動(dòng)，提高凈失業(yè)率［16］。與勞動(dòng)相比，資本變得更加重要，資本收入份額增加?；诖?，提出如下假設(shè)：假設(shè)4：人工智能技術(shù)和應(yīng)用通過(guò)生產(chǎn)率效應(yīng)影響企業(yè)利潤(rùn)與工資之間的收入分配。

三、研究設(shè)計(jì)

1.數(shù)據(jù)來(lái)源

本文選取2007—2022年滬深A(yù)股上市公司作為研究樣本。以2007年作為起始研究年限的原因在于，隨著2006年神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法的出現(xiàn)，人工智能開(kāi)始以前所未有的速度在全球范圍內(nèi)快速發(fā)展，中國(guó)的人工智能技術(shù)與應(yīng)用更是真正走在了世界的前列。樣本數(shù)據(jù)分為三類：企業(yè)層面的指標(biāo)主要包括公司基本信息、員工就業(yè)信息、財(cái)務(wù)指標(biāo)等，均來(lái)自Wind數(shù)據(jù)庫(kù)和國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR）；上市公司年報(bào)來(lái)自上海證券交易所和深圳證券交易所官網(wǎng)；區(qū)域?qū)用娴氖袌?chǎng)化水平來(lái)自中國(guó)市場(chǎng)化指數(shù)數(shù)據(jù)庫(kù)，其余數(shù)據(jù)來(lái)自《中國(guó)城市統(tǒng)計(jì)年鑒》。此外，本文還對(duì)樣本數(shù)據(jù)進(jìn)行了如下處理：

①剔除連續(xù)兩年虧損或凈資產(chǎn)低于股票面值以及第三年公司經(jīng)營(yíng)仍未改善，依舊處于虧損狀態(tài)并存在退市風(fēng)險(xiǎn)（ST和*ST）的公司；

②剔除金融行業(yè)公司；

③剔除“支付給職工以及為職工支付的現(xiàn)金”小于等于0的公司；

④剔除數(shù)據(jù)缺失嚴(yán)重的樣本。為減輕極端值和異常值的影響，本文對(duì)所有連續(xù)型變量進(jìn)行了1%的縮尾處理。

2.變量選取

（1）被解釋變量。

利潤(rùn)與工資之間的收入分配（All）。本文借鑒已有文獻(xiàn)的做法［12，27］，使用企業(yè)內(nèi)部利潤(rùn)與工資的比率來(lái)衡量利潤(rùn)與工資之間的收入分配。其中利潤(rùn)使用企業(yè)凈利潤(rùn)來(lái)表示［11］，工資使用支付給職工以及為職工支付的現(xiàn)金來(lái)表示。

（2）核心解釋變量。

人工智能（AI）。如何度量企業(yè)層面的人工智能發(fā)展水平是本研究的重點(diǎn)。由于人工智能在企業(yè)中的應(yīng)用近些年才受到廣泛關(guān)注，目前尚無(wú)統(tǒng)一的指標(biāo)和數(shù)據(jù)進(jìn)行測(cè)量?，F(xiàn)有研究關(guān)于人工智能的測(cè)度主要分為三種：一是使用國(guó)際機(jī)器人聯(lián)盟（IFR）發(fā)布的工業(yè)機(jī)器人數(shù)據(jù)進(jìn)行衡量，但工業(yè)機(jī)器人的應(yīng)用僅涉及制造業(yè)，無(wú)法涵蓋所有行業(yè)。二是使用企業(yè)人工智能采納度進(jìn)行衡量，將企業(yè)機(jī)器設(shè)備的人均價(jià)值作為代理變量，但這種方法無(wú)法準(zhǔn)確區(qū)分機(jī)器的類型，因此用其測(cè)度人工智能發(fā)展水平容易產(chǎn)生較大誤差。三是使用專利數(shù)據(jù)作為人工智能發(fā)展水平的代理變量，盡管研究認(rèn)為專利數(shù)據(jù)能夠有效測(cè)度樣本期內(nèi)企業(yè)的創(chuàng)新能力，較好地反映企業(yè)具備的技術(shù)水平和知識(shí)存量，但并非所有的創(chuàng)新都申請(qǐng)了專利，例如一些企業(yè)出于保護(hù)商業(yè)秘密的考慮選擇不申請(qǐng)專利，使用這種方法測(cè)度人工智能發(fā)展水平對(duì)企業(yè)專利行為的變化非常敏感，因此存在一定的局限性。為了更加準(zhǔn)確地考察企業(yè)人工智能的發(fā)展水平，本文基于上市公司年報(bào)信息，通過(guò)選取人工智能關(guān)鍵詞，使用Python批量提取關(guān)鍵詞出現(xiàn)的總頻數(shù)，并以此來(lái)反映企業(yè)的人工智能發(fā)展水平。具體步驟如下：

①使用Python軟件編寫代碼，從上交所和深交所官網(wǎng)上爬取2007—2022年上市公司年報(bào)，并將年報(bào)格式轉(zhuǎn)換為txt文本格式。

②借鑒格拉斯霍夫（Grashof）等的研究［14］，將人工智能分為人工智能技術(shù)（AItec）和人工智能應(yīng)用（AIapp）兩大類，前者側(cè)重于人工智能軟硬件基礎(chǔ)設(shè)施及技術(shù)，后者更關(guān)注人工智能場(chǎng)景應(yīng)用。根據(jù)《新一代人工智能發(fā)展規(guī)劃》、《人工智能發(fā)展報(bào)告2011—2020》、《中國(guó)制造2025》政策文件和研究報(bào)告選取人工智能技術(shù)和人工智能應(yīng)用相關(guān)的關(guān)鍵詞，利用Python軟件和人工處理，分別建立關(guān)鍵詞詞庫(kù)。其中人工智能技術(shù)包括大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)等，人工智能應(yīng)用包括智能機(jī)器人、無(wú)人駕駛、智能控制等。

③借助Python軟件的jieba分詞功能，從上市公司年報(bào)中提取上一步驟涉及的關(guān)鍵詞，按照人工智能技術(shù)和人工智能應(yīng)用分別計(jì)算關(guān)鍵詞出現(xiàn)的次數(shù)并加總。具體關(guān)鍵詞統(tǒng)計(jì)見(jiàn)表1。

表1顯示出了人工智能技術(shù)和人工智能應(yīng)用關(guān)鍵詞的占比。由表1可以看出，人工智能技術(shù)的占比高達(dá)75-59%，表明當(dāng)前中國(guó)人工智能的發(fā)展仍依賴于人工智能技術(shù)。其中，在人工智能技術(shù)中，占比最高的依次為大數(shù)據(jù)（30-82%）、物聯(lián)網(wǎng)（23-88%）、云計(jì)算（12-55%），而人工智能關(guān)鍵技術(shù)，如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理的占比卻不足1%，表明我國(guó)人工智能核心技術(shù)基礎(chǔ)薄弱，暴露出我國(guó)人工智能技術(shù)在核心算法、芯片研發(fā)等關(guān)鍵領(lǐng)域仍然存在“卡脖子”的問(wèn)題。另外，在人工智能應(yīng)用方面，智能制造（37-35%）占比最高，其次是智能控制（16-46%）、智能家居（8-69%），表明現(xiàn)階段我國(guó)人工智能應(yīng)用仍然集中在制造業(yè)領(lǐng)域，第一、三產(chǎn)業(yè)人工智能應(yīng)用水平還相對(duì)較低。

（3）控制變量。

影響企業(yè)收入分配的因素有很多，本文參考現(xiàn)有文獻(xiàn)，將控制變量分為三類：

①企業(yè)層面包括凈資產(chǎn)收益率（Roe）、資產(chǎn)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）。其中，資產(chǎn)收益率使用企業(yè)稅后利潤(rùn)與凈資產(chǎn)的比率衡量；資產(chǎn)規(guī)模使用企業(yè)資產(chǎn)總計(jì)的對(duì)數(shù)衡量；資產(chǎn)負(fù)債率使用總負(fù)債占總資產(chǎn)的比例衡量。②企業(yè)家層面包括董事、監(jiān)事、高級(jí)管理人員是否具有金融背景（Fin）、管理層平均年齡（Age）、管理層女性占比（Fem），其中Fin取1時(shí)表示董監(jiān)高具有金融背景。

③區(qū)域?qū)用姘ㄊ袌?chǎng)化水平（Mar）和產(chǎn)業(yè)結(jié)構(gòu)（Ind）。其中，市場(chǎng)化水平使用中國(guó)市場(chǎng)化指數(shù)數(shù)據(jù)庫(kù)中的市場(chǎng)化水平得分來(lái)衡量；產(chǎn)業(yè)結(jié)構(gòu)使用第三產(chǎn)業(yè)增加值與地區(qū)GDP的比重來(lái)衡量。具體的變量及變量定義詳見(jiàn)表2。

3.模型構(gòu)建

為了檢驗(yàn)人工智能對(duì)企業(yè)利潤(rùn)與工資之間收入分配的影響，本文構(gòu)建了如下模型用于基準(zhǔn)回歸檢驗(yàn)：

Allrijt=β0+β1AIrijt+β2AI2rijt+β3Xrijt+γi+λj+δt+εrijt（1）

其中，r、i、j、t分別代表企業(yè)、所屬行業(yè)、所屬地區(qū)、年份。被解釋變量Allrijt為企業(yè)利潤(rùn)與工資之間的收入分配，核心解釋變量AIrijt包括人工智能技術(shù)（AItec）和人工智能應(yīng)用（AIapp），為了驗(yàn)證人工智能對(duì)企業(yè)利潤(rùn)與工資之間收入分配的非線性影響，在模型中加入了人工智能的二次項(xiàng)AI2rijt。Xrijt為包含一系列控制變量的集合，包括企業(yè)層面、企業(yè)家層面、區(qū)域?qū)用娴目刂谱兞?。γi為行業(yè)固定效應(yīng)，λj為地區(qū)固定效應(yīng)，δt為年份固定效應(yīng)，εrijt為誤差項(xiàng)。本文選擇對(duì)標(biāo)準(zhǔn)誤進(jìn)行企業(yè)層面的聚類穩(wěn)健處理，以解決異方差以及序列相關(guān)性問(wèn)題。

四、實(shí)證結(jié)果與分析

1.基準(zhǔn)回歸分析

表3報(bào)告了人工智能對(duì)企業(yè)利潤(rùn)與工資之間收入分配的基準(zhǔn)回歸結(jié)果，其中（1）—（4）列是人工智能技術(shù)對(duì)企業(yè)利潤(rùn)與工資之間收入分配的估計(jì)結(jié)果，（5）—（8）列是人工智能應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間收入分配的估計(jì)結(jié)果。由（1）—（4）列可知，不論是否加入控制變量，人工智能技術(shù)對(duì)企業(yè)利潤(rùn)與工資之間的收入分配均呈“U”型，但二次項(xiàng)系數(shù)顯著不代表“U”型關(guān)系成立，因此本文進(jìn)一步檢驗(yàn)了人工智能技術(shù)的極值點(diǎn)。本文以（4）列為例繪制了人工智能技術(shù)對(duì)企業(yè)利潤(rùn)與工資之間收入分配的“U”型關(guān)系圖，如圖1所示，人工智能技術(shù)的極值點(diǎn)為56-0161，取值范圍為［0，106］，極值點(diǎn)位于數(shù)據(jù)范圍內(nèi)，P值為0-0002，證實(shí)了“U”型關(guān)系成立。此外，由（5）—（8）列可知，在加入控制變量的基礎(chǔ)上，人工智能應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間的收入分配也呈“U”型。同理，進(jìn)一步檢驗(yàn)人工智能應(yīng)用的極值點(diǎn)，以（8）列為例繪制了人工智能應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間收入分配的“U”型關(guān)系圖，由圖2可以看出，人工智能應(yīng)用的極值點(diǎn)為28-2246，并位于取值范圍［0，58］內(nèi)，P值為0-0008，同樣證明了“U”型關(guān)系的存在。上述結(jié)果表明，人工智能技術(shù)和應(yīng)用首先降低了企業(yè)利潤(rùn)和工資的比值，在達(dá)到極值點(diǎn)后，人工智能技術(shù)和應(yīng)用的進(jìn)一步發(fā)展會(huì)在增加利潤(rùn)的同時(shí)減少工資，加劇企業(yè)利潤(rùn)與工資之間收入分配的差距。因此，驗(yàn)證了假設(shè)1。

2.內(nèi)生性檢驗(yàn)

內(nèi)生性主要來(lái)源于三個(gè)方面：遺漏變量偏差、雙向因果和樣本選擇偏差。首先，為了避免遺漏變量和雙向因果造成的內(nèi)生性問(wèn)題，本文選取了兩個(gè)工具變量，并采用了兩階段最小二乘法進(jìn)行估計(jì)。第一，基于份額移動(dòng)法構(gòu)造Bartik工具變量，使用單元初始份額和總體增長(zhǎng)率的乘積計(jì)算歷年單元估計(jì)值以減弱內(nèi)生性問(wèn)題，公式如下：

AIgrowthr，t=AIr，t-1·（1+AIprovt）（2）

其中，AIr，t-1表示r企業(yè)在t-1年的人工智能水平，AIprovt表示t年所有企業(yè)人工智能水平的年增長(zhǎng)率，AIgrowthr，t表示r企業(yè)t年人工智能增長(zhǎng)率得到的預(yù)測(cè)值。本文將AI分為人工智能技術(shù)和人工智能應(yīng)用分別構(gòu)造工具變量?；诔跏甲兞康念A(yù)測(cè)值與本企業(yè)人工智能的發(fā)展之間存在較強(qiáng)的相關(guān)性，但不會(huì)與其他影響企業(yè)人工智能水平的殘差項(xiàng)相關(guān)。同時(shí)，根據(jù)表4

（1）—（4）可知，無(wú)論使用人工智能技術(shù)還是人工智能應(yīng)用，Bartik工具變量均通過(guò)了過(guò)度識(shí)別和弱工具變量檢驗(yàn)，第二階段的結(jié)果呈現(xiàn)出統(tǒng)計(jì)學(xué)意義上的顯著性，且在考慮了此內(nèi)生性后核心解釋變量的系數(shù)絕對(duì)值變大，這意味著存在反向因果關(guān)系的影響，證明了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

第二，本文將解釋變量的滯后一期作為工具變量，結(jié)果如表4（5）—（8）列，估計(jì)結(jié)果表明人工智能技術(shù)與人工智能應(yīng)用及其二次項(xiàng)的符號(hào)及顯著性與基準(zhǔn)回歸結(jié)果一致，證明了在引入工具變量減輕內(nèi)生性問(wèn)題的影響后，本文的結(jié)論依然成立。

其次，考慮不同財(cái)務(wù)狀況下的企業(yè)可能會(huì)存在一定的選擇偏誤，因此采用傾向得分匹配法（PSM）緩解這一內(nèi)生性問(wèn)題。本文按照人工智能技術(shù)和人工智能應(yīng)用的中位數(shù)進(jìn)行分組，大于中位數(shù)的組賦值為1，反之為0，形成虛擬變量分組。再分別采用1∶1最近鄰匹配、1∶3最近鄰匹配、半徑匹配和核匹配的方法得到平均處理效應(yīng)（ATT）。傾向得分匹配的結(jié)果表明，實(shí)驗(yàn)組和對(duì)照組組間差異均顯著為負(fù)，人工智能技術(shù)和應(yīng)用程度高的實(shí)驗(yàn)組其企業(yè)利潤(rùn)與工資之間的收入分配顯著高于對(duì)照組，且這一處理效應(yīng)在不同的匹配方法下具有穩(wěn)健性傾向得分匹配結(jié)果備索。。

3.穩(wěn)健性檢驗(yàn)

為了使基本結(jié)論更加可信，本文還從以下四個(gè)方面進(jìn)行一系列的穩(wěn)健性檢驗(yàn)：

①替換被解釋變量。為了避免被解釋變量因測(cè)度方法不同產(chǎn)生的偏差對(duì)估計(jì)結(jié)果的影響，本文借鑒已有文獻(xiàn)的做法［12］，將企業(yè)利潤(rùn)與工資之間的收入分配劃分為利潤(rùn)與營(yíng)業(yè)收入的比值（Profit）、工資與營(yíng)業(yè)收入的比值（Wage）分別進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果如表5所示，人工智能技術(shù)的估計(jì)系數(shù)與基準(zhǔn)回歸結(jié)果基本一致，但人工智能應(yīng)用對(duì)工資與營(yíng)業(yè)收入的比值沒(méi)有通過(guò)穩(wěn)健性檢驗(yàn)，因此還需進(jìn)行一系列穩(wěn)健性檢驗(yàn)。

②分時(shí)段檢驗(yàn)。2017年《新一代人工智能發(fā)展規(guī)劃》強(qiáng)調(diào)，提升人工智能技術(shù)水平，實(shí)現(xiàn)核心領(lǐng)域的領(lǐng)先地位；加強(qiáng)人工智能應(yīng)用研究，推動(dòng)創(chuàng)新應(yīng)用落地。此后，我國(guó)人工智能發(fā)展進(jìn)入全新階段，因此，本文以2017年為時(shí)間節(jié)點(diǎn)分階段進(jìn)行回歸。

③剔除直轄市樣本?？紤]到企業(yè)分布屬地的特殊性以及直轄市地區(qū)特殊的發(fā)展政策，本文剔除四大直轄市樣本重新進(jìn)行回歸檢驗(yàn)。

④采用更為嚴(yán)格的聚類穩(wěn)健標(biāo)準(zhǔn)誤?？紤]到同一地區(qū)內(nèi)各個(gè)企業(yè)在人工智能發(fā)展中存在交流和合作，可能存在相關(guān)性，因此，為避免估計(jì)偏誤，使用聚類到省級(jí)層面的穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸。上述所有穩(wěn)健性檢驗(yàn)結(jié)果均表明，本文核心結(jié)論依然成立，證明基準(zhǔn)回歸結(jié)果具有穩(wěn)健性穩(wěn)健性檢驗(yàn)結(jié)果備索。

4.機(jī)制檢驗(yàn)

上述研究表明，人工智能技術(shù)和應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間收入分配的影響呈“U”型?；谇懊娴睦碚摲治?，本文對(duì)人工智能影響企業(yè)利潤(rùn)與工資之間收入分配的潛在機(jī)制進(jìn)行進(jìn)一步檢驗(yàn)，主要包括就業(yè)規(guī)模效應(yīng)、就業(yè)結(jié)構(gòu)效應(yīng)和生產(chǎn)率效應(yīng)。

本文參考已有文獻(xiàn)的做法［12］，在基準(zhǔn)回歸的基礎(chǔ)上考察中介變量對(duì)企業(yè)利潤(rùn)與工資之間的非線性影響。

（1）就業(yè)規(guī)模效應(yīng)。

前面理論分析表明，人工智能對(duì)勞動(dòng)力具有替代效應(yīng)和恢復(fù)效應(yīng)，而企業(yè)最終的就業(yè)規(guī)模取決于二者的共同作用。因此，本文以企業(yè)員工人數(shù)（Dem）作為勞動(dòng)力就業(yè)規(guī)模的代理變量，檢驗(yàn)就業(yè)規(guī)模效應(yīng)。結(jié)果如表6所示，由第（1）、（5）列可以看出，人工智能技術(shù)和人工智能應(yīng)用的系數(shù)不顯著，說(shuō)明二者對(duì)勞動(dòng)力就業(yè)規(guī)模的影響不是線性的。（2）、（6）列進(jìn)一步加入二者的二次項(xiàng)，人工智能技術(shù)和應(yīng)用的系數(shù)顯著為正，二次項(xiàng)系數(shù)顯著為負(fù)，說(shuō)明人工智能技術(shù)和應(yīng)用對(duì)勞動(dòng)力就業(yè)規(guī)模的影響是非線性的。接下來(lái)考察勞動(dòng)力就業(yè)規(guī)模對(duì)利潤(rùn)與工資之間收入分配的影響。在第（3）、（4）列，我們引入勞動(dòng)力就業(yè)規(guī)模及其二次項(xiàng)，結(jié)果顯示勞動(dòng)力就業(yè)規(guī)模的系數(shù)顯著為負(fù)，其二次項(xiàng)系數(shù)顯著為正，說(shuō)明勞動(dòng)力就業(yè)規(guī)模對(duì)利潤(rùn)與工資之間收入分配的影響呈“U”型，這表明人工智能技術(shù)能夠通過(guò)改變企業(yè)就業(yè)規(guī)模來(lái)影響利潤(rùn)與工資之間的“U”型關(guān)系。而通過(guò)（7）—（8）列可知，勞動(dòng)力就業(yè)規(guī)模對(duì)利潤(rùn)與工資之間收入分配的影響是線性的，且在加入勞動(dòng)力就業(yè)規(guī)模的二次項(xiàng)后，人工智能應(yīng)用的系數(shù)變得不顯著，這說(shuō)明就業(yè)結(jié)構(gòu)對(duì)人工智能應(yīng)用和企業(yè)利潤(rùn)與工資之間的“U”型關(guān)系起到完全中介作用。綜上，假設(shè)2得到驗(yàn)證。

（2）就業(yè)結(jié)構(gòu)效應(yīng)。

根據(jù)前面分析，人工智能技術(shù)和應(yīng)用對(duì)就業(yè)結(jié)構(gòu)的影響是動(dòng)態(tài)的。本文將企業(yè)中研發(fā)人員占比（Pos）作為代理變量，考察員工就業(yè)結(jié)構(gòu)這一中間機(jī)制。估計(jì)結(jié)果如表7所示。首先，由（1）、（2）列可知，人工智能技術(shù)對(duì)勞動(dòng)力就業(yè)結(jié)構(gòu)的影響是非線性的。第（4）列加入勞動(dòng)力就業(yè)結(jié)構(gòu)及其二次項(xiàng)，結(jié)果顯示，勞動(dòng)力就業(yè)結(jié)構(gòu)的系數(shù)顯著為正，勞動(dòng)力就業(yè)結(jié)構(gòu)二次項(xiàng)的系數(shù)顯著為負(fù)，表明勞動(dòng)力就業(yè)結(jié)構(gòu)對(duì)利潤(rùn)與工資之間收入分配的影響呈倒“U”型。這表明，人工智能技術(shù)通過(guò)誘導(dǎo)倒“U”型的就業(yè)結(jié)構(gòu)效應(yīng)引發(fā)了“U”型的利潤(rùn)與工資之間的收入分配效應(yīng)。其次，由表7第（7）列可知，在加入勞動(dòng)力就業(yè)結(jié)構(gòu)這一中介變量后，其系數(shù)不顯著，說(shuō)明勞動(dòng)力就業(yè)結(jié)構(gòu)對(duì)利潤(rùn)與工資之間的收入分配不是線性的，第（8）列加入勞動(dòng)力就業(yè)結(jié)構(gòu)的二次項(xiàng)后，勞動(dòng)力就業(yè)結(jié)構(gòu)的系數(shù)顯著為正，勞動(dòng)力就業(yè)結(jié)構(gòu)二次項(xiàng)的系數(shù)顯著為負(fù)，上述結(jié)果表明人工智能應(yīng)用可以通過(guò)就業(yè)結(jié)構(gòu)效應(yīng)引發(fā)利潤(rùn)與工資之間非對(duì)稱的收入分配效應(yīng)。因此，假設(shè)3成立。

（3）生產(chǎn)率效應(yīng)。

人工智能的發(fā)展將帶來(lái)生產(chǎn)率的顯著提升。為了驗(yàn)證人工智能技術(shù)和應(yīng)用如何通過(guò)生產(chǎn)率影響企業(yè)利潤(rùn)與工資之間的收入分配，本文使用全要素生產(chǎn)率（Tfp）作為代理變量，并采用OP法來(lái)衡量。結(jié)果如表8所示。由（2）列可以看出，人工智能技術(shù)對(duì)全要素生產(chǎn)率存在顯著的影響。進(jìn)一步考察基準(zhǔn)回歸的非線性影響是否源于全要素生產(chǎn)率的作用，在第（4）列加入全要素生產(chǎn)率及其二次項(xiàng)，結(jié)果顯示，全要素生產(chǎn)率的系數(shù)顯著為正，二次項(xiàng)系數(shù)不顯著，表明全要素生產(chǎn)率對(duì)企業(yè)利潤(rùn)與工資之間的收入分配的影響是線性的，即人工智能技術(shù)通過(guò)提高全要素生產(chǎn)率引發(fā)了“U”型的利潤(rùn)與工資之間的收入分配效應(yīng)。此外，由第（5）、（6）列可知，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響是非線性的，為了考察人工智能應(yīng)用對(duì)利潤(rùn)與工資之間收入分配的“U”型關(guān)系是不是全要素生產(chǎn)率所引致的，接下來(lái)進(jìn)一步在第（8）列加入全要素生產(chǎn)率及其二次項(xiàng)，結(jié)果表明，二次項(xiàng)系數(shù)不顯著，說(shuō)明人工智能應(yīng)用也能夠通過(guò)提高全要素生產(chǎn)率引發(fā)利潤(rùn)和工資之間的“U”型關(guān)系。假設(shè)4得以驗(yàn)證。

五、進(jìn)一步分析

人工智能技術(shù)和應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間的分配產(chǎn)生了非對(duì)稱、非線性的影響，這一影響效應(yīng)是否又與其他外部因素切實(shí)相關(guān)？根據(jù)融資約束理論，融資約束的存在導(dǎo)致企業(yè)無(wú)法滿足創(chuàng)新投入對(duì)資金穩(wěn)定投入的要求，抑制了企業(yè)的創(chuàng)新行為。而企業(yè)財(cái)務(wù)柔性能夠直接為創(chuàng)新行為提供資金支持，不必使企業(yè)受限于高交易成本的外部融資，有利于緩解融資約束。所謂財(cái)務(wù)柔性，是指企業(yè)為了應(yīng)對(duì)財(cái)務(wù)環(huán)境變化和不確定性，通過(guò)整合財(cái)務(wù)資源、優(yōu)化財(cái)務(wù)決策，來(lái)管理財(cái)務(wù)風(fēng)險(xiǎn)的一種綜合能力。它主要體現(xiàn)在企業(yè)如何有效運(yùn)用財(cái)務(wù)資源、優(yōu)化財(cái)務(wù)行為，以及如何處理財(cái)務(wù)風(fēng)險(xiǎn)的過(guò)程中［28］。

研究表明，財(cái)務(wù)柔性可以產(chǎn)生適應(yīng)效應(yīng)，通過(guò)靈活調(diào)整財(cái)務(wù)儲(chǔ)備保證企業(yè)可持續(xù)創(chuàng)新［29］。由于人工智能的研發(fā)和應(yīng)用需要大量資金，其高風(fēng)險(xiǎn)性在前期可能不會(huì)帶來(lái)直接效益和促進(jìn)生產(chǎn)率提高，這會(huì)在實(shí)現(xiàn)增長(zhǎng)之前增加企業(yè)的沉沒(méi)成本，而財(cái)務(wù)柔性能夠優(yōu)化企業(yè)財(cái)務(wù)資源配置，保持持續(xù)穩(wěn)定的資金投入。陳非、韓曉宇研究發(fā)現(xiàn)，高水平的財(cái)務(wù)柔性能夠使企業(yè)保持充足的資金和剩余負(fù)債能力開(kāi)展創(chuàng)新研發(fā)活動(dòng)［30］。通過(guò)提高財(cái)務(wù)柔性水平，企業(yè)有足夠的資金發(fā)展人工智能技術(shù)，更能夠從人工智能應(yīng)用中獲益，進(jìn)而提高企業(yè)的盈利能力。綜上所述，財(cái)務(wù)柔性對(duì)人工智能和企業(yè)利潤(rùn)與工資之間收入分配的關(guān)系具有調(diào)節(jié)作用。

基于以上分析，本文借鑒孔德議、許安心的做法［31］，使用現(xiàn)金柔性和負(fù)債柔性來(lái)表示財(cái)務(wù)柔性。其中，現(xiàn)金柔性=企業(yè)現(xiàn)金持有率-同行業(yè)平均現(xiàn)金持有率，負(fù)債柔性=同行業(yè)平均負(fù)債比率-企業(yè)負(fù)債比率。為了檢驗(yàn)財(cái)務(wù)柔性在人工智能對(duì)企業(yè)利潤(rùn)和工資之間收入分配的非線性影響中所起的作用，本文在基準(zhǔn)回歸模型（1）的基礎(chǔ)上加入調(diào)節(jié)變量、調(diào)節(jié)變量與核心解釋變量的交乘項(xiàng)、調(diào)節(jié)變量與核心解釋變量二次項(xiàng)的交乘項(xiàng)，建立非線性的調(diào)節(jié)效應(yīng)模型如下：

Allrijt=β0+β1AIrijt+β2AI2rijt+β3Finrijt+β4Fin·AIrijt+β5Fin·AI2rijt+

β6Xrijt+γi+λj+δt+εrijt（3）

其中，F(xiàn)inrijt表示財(cái)務(wù)柔性。由表9第（2）列可以看出，財(cái)務(wù)柔性與人工智能技術(shù)的交乘項(xiàng)系數(shù)為-0-0283，在1%統(tǒng)計(jì)水平上顯著，財(cái)務(wù)柔性與人工智能技術(shù)二次項(xiàng)的交乘項(xiàng)的系數(shù)為0-0002，且在10%的統(tǒng)計(jì)水平上顯著，表明財(cái)務(wù)柔性正向調(diào)節(jié)了人工智能技術(shù)與企業(yè)分配效應(yīng)的“U”型關(guān)系。為了能夠進(jìn)一步厘清財(cái)務(wù)柔性與人工智能技術(shù)之間的交互作用，利用變量均值加減標(biāo)準(zhǔn)差的方式繪制交互效應(yīng)圖。由圖3可知，在財(cái)務(wù)柔性水平較高時(shí)，“U”型曲線相較于未考慮財(cái)務(wù)柔性的調(diào)節(jié)效應(yīng)時(shí)變得陡峭，可以看出財(cái)務(wù)柔性強(qiáng)化了二者之間的“U”型關(guān)系。在跨過(guò)拐點(diǎn)后，高水平的財(cái)務(wù)柔性會(huì)加快人工智能技術(shù)的發(fā)展，同時(shí)提高利潤(rùn)與工資間的比值。隨著人工智能技術(shù)的進(jìn)步，在相同的人工智能技術(shù)水平下，財(cái)務(wù)柔性更高的企業(yè)其利潤(rùn)與工資的比值也越大。同樣，由表9第（4）列可知，財(cái)務(wù)柔性與人工智能應(yīng)用的交乘項(xiàng)（β=-0-0394）、財(cái)務(wù)柔性與人工智能應(yīng)用二次項(xiàng)的交乘項(xiàng)（β=0-0007）的系數(shù)均顯著，表明財(cái)務(wù)柔性正向調(diào)節(jié)了人工智能應(yīng)用與企業(yè)分配效應(yīng)的“U”型關(guān)系。其調(diào)節(jié)效應(yīng)如圖4所示，對(duì)于財(cái)務(wù)柔性較高的企業(yè)來(lái)說(shuō)，人工智能應(yīng)用與企業(yè)內(nèi)部分配效應(yīng)的“U”型關(guān)系較為明顯，表現(xiàn)在“U”型左右兩邊相對(duì)陡峭，說(shuō)明人工智能應(yīng)用對(duì)財(cái)務(wù)柔性較高的企業(yè)分配效應(yīng)的影響相對(duì)更大。

六、結(jié)論與建議

提高員工工資、增進(jìn)員工福祉，一直是全社會(huì)共同努力的目標(biāo)。但隨著人工智能的大規(guī)模應(yīng)用，企業(yè)中人工智能的紅利出現(xiàn)了偏向資本的現(xiàn)象［12］。為了全面考察人工智能是否對(duì)企業(yè)利潤(rùn)和工資之間的收入分配產(chǎn)生非對(duì)稱、非線性的影響，本文基于2007—2022年滬深A(yù)股上市公司的數(shù)據(jù)，從理論和實(shí)證兩方面進(jìn)行了深入探討。研究發(fā)現(xiàn)：

①人工智能技術(shù)和人工智能應(yīng)用對(duì)企業(yè)利潤(rùn)與工資之間收入分配的影響呈“U”型，即人工智能技術(shù)和應(yīng)用先是縮小了利潤(rùn)與工資之間的差距，在其發(fā)展到一定程度后，逐漸開(kāi)始偏向于利潤(rùn)，且在經(jīng)歷了一系列穩(wěn)健性檢驗(yàn)后結(jié)論依然成立。

②人工智能技術(shù)和應(yīng)用能夠通過(guò)就業(yè)規(guī)模效應(yīng)、就業(yè)結(jié)構(gòu)效應(yīng)以及生產(chǎn)率效應(yīng)影響利潤(rùn)與工資之間的分配。

③進(jìn)一步分析發(fā)現(xiàn)，企業(yè)財(cái)務(wù)柔性能夠正向調(diào)節(jié)人工智能技術(shù)和應(yīng)用與企業(yè)收入分配之間的“U”型關(guān)系。

本文的研究為探索人工智能是否對(duì)中國(guó)企業(yè)層面收入分配產(chǎn)生非對(duì)稱的影響提供了經(jīng)驗(yàn)證據(jù)?；诖?，提出以下政策建議：①支持企業(yè)進(jìn)行科技創(chuàng)新，推進(jìn)企業(yè)智能化轉(zhuǎn)型。政府應(yīng)繼續(xù)完善與人工智能和智能制造相關(guān)的政策，為企業(yè)提供稅收優(yōu)惠、資金支持等實(shí)質(zhì)性幫助，降低企業(yè)研發(fā)與應(yīng)用成本。同時(shí)，企業(yè)需要明確智能化轉(zhuǎn)型的目標(biāo)和愿景，制定相應(yīng)的戰(zhàn)略規(guī)劃，推動(dòng)人工智能技術(shù)和應(yīng)用兩方面發(fā)展。

②企業(yè)應(yīng)不斷增強(qiáng)自身的盈利能力，進(jìn)一步擴(kuò)充融資渠道，規(guī)避研發(fā)風(fēng)險(xiǎn)，保持高水平的財(cái)務(wù)柔性。充足的資金支持能夠支持企業(yè)不斷提升創(chuàng)新能力，為人工智能的研發(fā)投入創(chuàng)造穩(wěn)定的財(cái)務(wù)環(huán)境，避免因資金不足錯(cuò)失有利的發(fā)展機(jī)會(huì)。

③企業(yè)應(yīng)建立完善的職業(yè)技能培訓(xùn)體系，同時(shí)勞動(dòng)者也應(yīng)增強(qiáng)對(duì)不同工作的適應(yīng)能力，增強(qiáng)自身與高技能工作崗位的適配度，防止由于人工智能的替代效應(yīng)導(dǎo)致失業(yè)率上升、平均工資水平下降，依靠自身的新技能進(jìn)一步提高工資水平。

參考文獻(xiàn)：

［1］劉鳳良，吳孟非，徐少鋒.人工智能的財(cái)富分配效應(yīng)研究［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2022（6）：64-78.

［2］LANKISCHC，PRETTNERK，PRSKAWETZA.Howcanrobotsaffectwageinequality？［J］.EconomicModelling，2019，81：161-169.

［3］AUTORDH，DORND，KATZLF，PATTERSONC，VANREENENJ.The

fallofthelaborshareandtheriseofsuperstarfirm［J］.TheQuarterlyJournalofEconomics，2020，135（2）：645-709.

［4］ACEMOGLUD，AUTORDH.Skills，

tasksandtechnologies：implicationsforemploymentandearnings［R］.NationalBureauofEconomicResearch，2010.

［5］王林輝，胡晟明，董直慶.人工智能技術(shù)會(huì)誘致勞動(dòng)收入不平等嗎——模型推演與分類評(píng)估［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2020（4）：97-115.

［6］ACEMOGLUD，RESTREPOP.Tasks，

automation，andtheriseinUSwageinequality［J］.Econometrica，2022，90（5）：1973-2016.

［7］王麗媛.智能化發(fā)展、勞動(dòng)力供給技能結(jié)構(gòu)與技能溢價(jià)［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2021（5）：45-60.

［8］PRETTNERK，BLOOMDE.AutomationandItsMacroeconomicConsequences：Theory，Evidence，andSocialImpacts［M］.London：Elsevier，AcademicPress，2020.

［9］姚笛，陳東，鄭玉璐.人工智能與企業(yè)內(nèi)工資差距：任務(wù)偏向還是技能偏向［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2023（9）：99-112.

［10］EECKHOUTJ.Theprofitparadox：howthrivingfirmsthreatenthefutureofwork［M］.Princeton：PrincetonUniversityPress，2022：74-75.

［11］COVERIA，PIANTAM.Technology，profitsandwages［R］.LEMworkingpaperseries，2019.

［12］WANGL，CAOZ，DONGZ.Areartificialintelligencedividendsevenlydistributedbetweenprofitsandwages？evidencefromtheprivateenterprisesurveydatainChina［J］.StructuralChangeandEconomicDynamics，2023，66：342-356.

［13］HICKSJR.

Marginalproductivityandtheprincipleofvariation［J］.Economica，1932，35：79-88.

［14］GRASHOFN，KOPKAA.Artificialintelligenceandradicalinnovation：anopportunityforallcompanies？［J］.SmallBusinessEconomics，2023，61（2）：771-797.

［15］CABALLERORJ，F(xiàn)ARHIE，GOURINCHASPO.Rents，

technicalchange，andriskpremiaaccountingforseculartrendsininterestrates，returnsoncapital，earningyields，andfactorshares［J］.AmericanEconomicReview，2017，107（5）：614-620.

［16］朱琪，劉紅英.人工智能技術(shù)變革的收入分配效應(yīng)研究：前沿進(jìn)展與綜述［J］.中國(guó)人口科學(xué)，2020（2）：111-125，128.

［17］干春暉，姜宏.資本偏向型技術(shù)進(jìn)步新特征及其對(duì)勞動(dòng)力市場(chǎng)的影響機(jī)制研究［J］.財(cái)經(jīng)研究，2022（5）：34-48，79.

［18］尹志鋒，曹愛(ài)家，郭家寶，等.基于專利數(shù)據(jù)的人工智能就業(yè)效應(yīng)研究——來(lái)自中關(guān)村企業(yè)的微觀證據(jù)［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2023（5）：137-154.

［19］AUTORDH.Whyaretherestillsomanyjobs？thehistoryandfutureofworkplaceautomation［J］.JournalofEconomicPerspectives，2015，29（3）：3-30.

［20］ACEMOGLUD，RESTREPOP.Automationandnewtasks：howtechnologydisplacesandreinstateslabor［J］.JournalofEconomicPerspectives，2019，33（2）：3-30.

［21］陳東，姚笛.人工智能擴(kuò)大了企業(yè)間的工資差距嗎？——來(lái)自中國(guó)工業(yè)企業(yè)的證據(jù)［J］.經(jīng)濟(jì)科學(xué)，2022（3）：127-142.

［22］王永欽，董雯.機(jī)器人的興起如何影響中國(guó)勞動(dòng)力市場(chǎng)？——來(lái)自制造業(yè)上市公司的證據(jù)［J］.經(jīng)濟(jì)研究，2020（10）：159-175.

［23］AUTORDH，DORND.The

growthoflowskillservicejobsandthepolarizationoftheUSlabormarket［R］.NBER，2013.

［24］AUTORDH，LEVYF，MURNANERJ.Theskillcontentofrecenttechnologicalchange：anempiricalexploration［J］.QuarterlyJournalofEconomics，2003，118（4）：1279-1333.

［25］HEMOUSD，OLSENM.Theriseofthemachines：automation，horizontalinnovation，andincomeinequality［J］.AmericanEconomicJournal：Macroeconomics，2022，14（1）：179-223.

［26］GRAETZG，MICHAELSG.Robotsatwork［J］.TheReviewofEconomicsandStatistics，2018，100（5）：753-768.

［27］SUNGR，OWENE，LIQ.Howdocapitalandlaborspliteconomicgainsinanageofglobalization？［J］.ReviewofInternationalPoliticalEconomy，2021，28（1）：232-257.

［28］趙華，張鼎祖.企業(yè)財(cái)務(wù)柔性的本原屬性研究［J］.會(huì)計(jì)研究，2010（6）：62-69，96.

［29］HAOZ，ZHANGX，WEIJ.Researchontheeffectofenterprisefinancialflexibilityonsustainableinnovation［J］.JournalofInnovation&Knowledge，2022，7（2）：100184.

［30］陳非，韓曉宇.環(huán)境不確定性、財(cái)務(wù)柔性與研發(fā)投資——基于中小板上市公司的經(jīng)驗(yàn)證據(jù)［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2018（10）：19-25.

［31］孔德議，許安心.管理決斷權(quán)、財(cái)務(wù)柔性與企業(yè)技術(shù)創(chuàng)新［J］.證券市場(chǎng)導(dǎo)報(bào)，2020（5）：56-63.

TheNonlinearImpactofArtificialIntelligenceonEnterpriseIncomeDistribution：

ATestBasedonListedCompanyDatafrom2007to2022

HEQin，LIXinyue

（SchoolofLaborEconomics，CapitalUniversityofEconomicsandBusiness，

Beijing100070，China）

Abstract：Thenewtechnologicalchangesbroughtaboutbyartificialintelligencehaveledtochangesinthedistributionpatternofenterpriseincome.BasedonthedataofAsharelistedcompaniesinShanghaiandShenzhenfrom2007to2022，thisstudyusestextanalysismethodtoscientificallycalculateartificialintelligencetechnologyandapplications，andanalyzestheimpactofartificialintelligenceontheincomedistributionbetweenenterpriseprofitsandwages.ResearchhasfoundthattheimpactofartificialintelligencetechnologyandapplicationsonthedistributionofenterpriseprofitsandwageincomeshowsaUshapedpattern，thatis，intheearlystagesofthedevelopmentofartificialintelligencetechnologyandapplications，theratioofprofitstowagescontinuouslydecreases，andthegapgraduallynarrows;Butwhenartificialintelligencetechnologyandapplicationsexceedthethreshold，profitscontinuetodevourwages，leadingtoagradualwideninggapbetweenprofitsandwages.Thisconclusionstillholdsafterundergoingaseriesofrobustnesstestssuchasreplacingthedependentvariable，timeperiodtesting，andremovingsamplesfrommunicipalitiesdirectlyunderthecentralgovernment.Mechanismanalysisrevealsthatartificialintelligencetechnologyandapplicationscanindirectlyaffectthedistributionofprofitsandwagesamongenterprisesthroughemploymentscaleeffects，employmentstructureeffects，andproductivityeffects.FurtherresearchhasfoundthatfinancialflexibilitycanpositivelyregulatetheUshapedrelationshipbetweenartificialintelligenceandincomedistributionbetweenprofitsandwages.Forenterpriseswithhigherfinancialflexibility，theUshapedrelationshipbetweenartificialintelligencetechnologyandapplicationsandinternaldistributioneffectsismoreobvious，indicatingthattheimpactofartificialintelligencetechnologyandapplicationsonthedistributioneffectofenterpriseswithhigherfinancialflexibilityisrelativelygreater.Thisarticleprovidesimportantpolicyrecommendationsforincreasingemployeewagesandsuppressingthewideningcapitalandlaborgapbetweenenterprisesinthecontextofaccelerateddevelopmentofartificialintelligence.

Keywords：artificialintelligencetechnology；artificialintelligenceapplications；profitsandwages；incomedistribution