何勤 李鑫悅

摘要：人工智能帶來的新的技術(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)，通過文本分析法對人工智能技術(shù)和應(yīng)用進(jìn)行科學(xué)測算，并就人工智能對企業(yè)利潤與工資之間收入分配的影響展開分析。研究發(fā)現(xiàn)：人工智能技術(shù)和應(yīng)用對企業(yè)利潤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)用超過閾值時，利潤不斷吞噬工資，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)利潤與工資之間的分配。進(jìn)一步研究發(fā)現(xiàn)，財務(wù)柔性能夠正向調(diào)節(jié)人工智能與利潤和工資之間收入分配的“U”型關(guān)系，對于財務(wù)柔性較高的企業(yè)來說，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，說明人工智能技術(shù)和應(yīng)用對財務(wù)柔性較高的企業(yè)分配效應(yīng)的影響相對更大。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；利潤與工資；收入分配

中圖分類號：F244文獻(xiàn)標(biāo)識碼：A文章編號：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，我國在人工智能領(lǐng)域發(fā)展迅猛，人工智能產(chǎn)業(yè)取得長足進(jìn)展。根據(jù)中國信息通信研究院測算，2022年我國人工智能核心產(chǎn)業(yè)規(guī)模達(dá)到5080億元，同比增長18%。截止到2022年底我國人工智能企業(yè)超過4000家。作為新一輪科技革命的重要驅(qū)動力量，人工智能已廣泛應(yīng)用于金融、交通、教育等多個領(lǐng)域，并正在逐漸“霸占”更多的工作崗位，其帶來的勞動力市場變革必將對收入分配格局產(chǎn)生重大影響。

近年來，我國就業(yè)和工資兩極化現(xiàn)象開始凸顯。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勞動的掠奪，進(jìn)而影響資本和勞動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，縮小資本與勞動分配差距對實(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。勞動力市場上存在著巨大的不平等現(xiàn)象，致使一些勞動者的勞動所得遠(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，對整個勞動力市場來說，人工智能帶來的自動化水平提高會對不同勞動力群體的收入造成不對稱的影響。阿西莫格魯（Acemoglu）等在研究中發(fā)現(xiàn)，在過去的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，勞動力市場出現(xiàn)兩極分化現(xiàn)象［4］。王林輝等表示，人工智能技術(shù)通過非對稱地改變不同部門的生產(chǎn)率來影響勞動收入分配，導(dǎo)致高、低技術(shù)部門勞動收入差距擴(kuò)大［5］。然而，越來越多的學(xué)者使用偏向性技術(shù)進(jìn)步理論來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)對高技能勞動力的需求增加，它們的生產(chǎn)效率提升更為顯著。當(dāng)高技能勞動力與低技能勞動力的替代彈性大于1時，技術(shù)進(jìn)步將提高高技能勞動者的就業(yè)機(jī)會和薪資水平，從而加大了技能溢價，進(jìn)一步加劇了收入不平等［7］。其次，對企業(yè)來說，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，同時也提高了高技能勞動者的工資，降低了低技能勞動者的工資［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］。

人工智能對勞動力的替代，不僅直接影響不同勞動群體之間的工資收入不平等，還會影響企業(yè)利潤和工資之間的不對稱分配。經(jīng)典的卡爾多事實(shí)表明，資本和勞動的分配份額在長期中是相當(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)在獲得超額利潤的同時不但沒有提供更多的就業(yè)機(jī)會，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)利潤與工資分配之間的關(guān)系?？凭S里（Coveri）認(rèn)為，技術(shù)對收入分配的影響是帶有偏向性的，利潤與工資呈負(fù)相關(guān)關(guān)系［11］。而有學(xué)者利用中國民營企業(yè)數(shù)據(jù)研究發(fā)現(xiàn)，人工智能紅利對企業(yè)利潤與工資之間的分配呈“U”型特征［12］。綜上，學(xué)界對人工智能與資本和勞動之間關(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)于人工智能對企業(yè)利潤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)有研究無法更好地識別動態(tài)影響以及作用機(jī)制，因此需要時間更長、范圍更廣的微觀數(shù)據(jù)來作進(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)整體展開分析，無法測度不同層面人工智能的發(fā)展對利潤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企業(yè)利潤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企業(yè)利潤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)資本和勞動收入分配之間傳導(dǎo)路徑的認(rèn)識。第三，本文進(jìn)一步研究在財務(wù)柔性的影響下，人工智能技術(shù)和應(yīng)用對企業(yè)利潤與工資之間收入分配的影響，解釋了形成企業(yè)利潤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)財務(wù)環(huán)境動態(tài)變化的過程中，如何調(diào)節(jié)人工智能對內(nèi)部收入分配的影響效應(yīng)。

二、理論分析和研究假設(shè)

1.人工智能對企業(yè)利潤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。在新古典增長模型中，資本與勞動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。

希克斯（Hicks）等指出，企業(yè)為了降低成本會減少使用相對昂貴的生產(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，取決于哪種生產(chǎn)要素價格上漲得更快。首先，從工資層面來看，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力，這將使得企業(yè)增加對高技能勞動力的相對需求，降低對低技能勞動力的相對需求。一方面，在“機(jī)器換人”的過程中，技術(shù)進(jìn)步對低技能勞動力的替代，導(dǎo)致低技能勞動力的占比不斷減少，工資水平不斷下降［9］。另一方面，當(dāng)技術(shù)進(jìn)步的速度超過教育發(fā)展的速度時，高技能勞動力的供給無法滿足市場需求，會引起這部分勞動力的工資水平上升［4］。因此，在人工智能發(fā)展初期，人工智能會促使企業(yè)內(nèi)低技能勞動力工資下降，高技能勞動力工資上升，從而增加企業(yè)的總工資。另外，對資本來說，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、購買設(shè)備），同時要想實(shí)現(xiàn)人工智能的潛在價值，還需要大量的無形投資（如培訓(xùn)員工）［12］。因此在早期，人工智能技術(shù)和應(yīng)用可能不會帶來直接效益和生產(chǎn)率提高，還會在實(shí)現(xiàn)利潤增長之前增加企業(yè)的沉沒成本［14］。綜上，在人工智能技術(shù)和應(yīng)用的早期，利潤和工資差距有所縮小。其次，從資本偏向性技術(shù)進(jìn)步視角來看，技術(shù)進(jìn)步往往伴隨著分配層面勞動收入占比的降低［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于資本成本的下降［16］。另外，人工智能會替代部分低級別的工作任務(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，人工智能提升到一定水平后會提高企業(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)利潤增加、工資降低，導(dǎo)致利潤與工資之間的差距擴(kuò)大?；诖?，提出以下假設(shè)：假設(shè)1：人工智能技術(shù)和應(yīng)用對企業(yè)利潤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，人工智能的使用會直接減少自動化勞動崗位的需求，導(dǎo)致資本對勞動的替代，從而使企業(yè)勞動力需求下降。另一方面，人工智能對勞動力的替代不會永遠(yuǎn)持續(xù)下去，其在替代勞動力的同時也會幫助勞動者擴(kuò)大自身比較優(yōu)勢［19］。此外，人工智能會創(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)生會增加勞動力需求，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，工業(yè)機(jī)器人的應(yīng)用會降低勞動力需求，增加企業(yè)的外部選擇機(jī)會，降低勞動者的相對議價能力，進(jìn)而導(dǎo)致勞動者工資增長放緩［22］。然而，人工智能通過就業(yè)規(guī)模來影響企業(yè)利潤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”的自動化形式替代勞動力，而非增強(qiáng)勞動者個體，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，其對勞動力的貢獻(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，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。基于上述分析，提出如下假設(shè)：假設(shè)2：人工智能技術(shù)和應(yīng)用通過改變就業(yè)規(guī)模進(jìn)而影響企業(yè)利潤與工資之間的分配。

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)步增加了對高技能勞動力的需求，進(jìn)而引致技能工資溢價。奧特（Autor）等發(fā)現(xiàn)，20世紀(jì)90年代以來，技術(shù)進(jìn)步對高技能勞動力的偏向程度開始增加［23］。人工智能會逐漸取代低復(fù)雜性、重復(fù)性的工作，降低生產(chǎn)任務(wù)環(huán)節(jié)的勞動力需求，并且隨著人工智能的不斷升級，對于高技能勞動力會產(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)將勞動者分為常規(guī)任務(wù)勞動者和非常規(guī)任務(wù)勞動者，認(rèn)為人工智能會替代需要重復(fù)操作來執(zhí)行任務(wù)的常規(guī)任務(wù)勞動者，但會與非常規(guī)任務(wù)勞動者形成互補(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)勞動力身上。在勞動供給既定的情況下，勞動需求的降低會導(dǎo)致低技能、從事常規(guī)任務(wù)的勞動力工資水平降低。但也有學(xué)者指出，人工智能在其發(fā)展的不同階段，會對技能勞動收入差距產(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，崗位創(chuàng)造效應(yīng)愈加明顯，同時對高技能、非常規(guī)任務(wù)勞動力的需求逐漸增加，當(dāng)其供給無法滿足需求時，均衡工資會增加，致使企業(yè)對員工所支付的工資總額增加。因此，人工智能不僅會導(dǎo)致企業(yè)就業(yè)規(guī)模的變化，還會帶來相應(yīng)的就業(yè)結(jié)構(gòu)調(diào)整，從而影響企業(yè)利潤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)用通過改變就業(yè)結(jié)構(gòu)進(jìn)而影響企業(yè)利潤與工資之間的分配。

4.生產(chǎn)率效應(yīng)

人工智能的發(fā)展將帶來生產(chǎn)率的顯著提升。內(nèi)生增長理論認(rèn)為，技術(shù)進(jìn)步是促進(jìn)生產(chǎn)率提高的動力，是保證經(jīng)濟(jì)持續(xù)增長的決定因素。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，還能創(chuàng)造出新崗位，這不僅有助于勞動者就業(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)營成本，擴(kuò)大生產(chǎn)規(guī)模，進(jìn)一步提升企業(yè)對非自動化崗位勞動者的需求。當(dāng)勞動供給既定時，勞動需求的增加有利于提高勞動者的平均工資。第二，當(dāng)人工智能等新技術(shù)取得重大突破時，新技術(shù)與勞動力呈現(xiàn)出較強(qiáng)的互補(bǔ)性，人工智能會提高勞動生產(chǎn)率，促使勞動的邊際產(chǎn)出增加，帶動工資水平增長［26］。與此同時，也有學(xué)者指出，人工智能的資本偏向性會導(dǎo)致資本和勞動之間的收入差距逐漸擴(kuò)大，因?yàn)槿斯ぶ悄軙瑫r替代體力和腦力勞動，提高凈失業(yè)率［16］。與勞動相比，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)用通過生產(chǎn)率效應(yīng)影響企業(yè)利潤與工資之間的收入分配。

三、研究設(shè)計

1.數(shù)據(jù)來源

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)，人工智能開始以前所未有的速度在全球范圍內(nèi)快速發(fā)展，中國的人工智能技術(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、財務(wù)指標(biāo)等，均來自Wind數(shù)據(jù)庫和國泰安數(shù)據(jù)庫（CSMAR）；上市公司年報來自上海證券交易所和深圳證券交易所官網(wǎng)；區(qū)域?qū)用娴氖袌龌絹碜灾袊袌龌笖?shù)數(shù)據(jù)庫，其余數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》。此外，本文還對樣本數(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)營仍未改善，依舊處于虧損狀態(tài)并存在退市風(fēng)險（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)部利潤與工資的比率來衡量利潤與工資之間的收入分配。其中利潤使用企業(yè)凈利潤來表示［11］，工資使用支付給職工以及為職工支付的現(xiàn)金來表示。

（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，目前尚無統(tǒng)一的指標(biāo)和數(shù)據(jù)進(jìn)行測量。現(xiàn)有研究關(guān)于人工智能的測度主要分為三種：一是使用國際機(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)備的人均價值作為代理變量，但這種方法無法準(zhǔn)確區(qū)分機(jī)器的類型，因此用其測度人工智能發(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)水平和知識存量，但并非所有的創(chuàng)新都申請了專利，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專利，使用這種方法測度人工智能發(fā)展水平對企業(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信息，通過選取人工智能關(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，并將年報格式轉(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)展報告2011—2020》、《中國制造2025》政策文件和研究報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。其中人工智能技術(shù)包括大數(shù)據(jù)、云計算、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)用分別計算關(guān)鍵詞出現(xiàn)的次數(shù)并加總。具體關(guān)鍵詞統(tǒng)計見表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)、自然語言處理的占比卻不足1%，表明我國人工智能核心技術(shù)基礎(chǔ)薄弱，暴露出我國人工智能技術(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)總計的對數(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時表示董監(jiān)高具有金融背景。

③區(qū)域?qū)用姘ㄊ袌龌剑∕ar）和產(chǎn)業(yè)結(jié)構(gòu)（Ind）。其中，市場化水平使用中國市場化指數(shù)數(shù)據(jù)庫中的市場化水平得分來衡量；產(chǎn)業(yè)結(jié)構(gòu)使用第三產(chǎn)業(yè)增加值與地區(qū)GDP的比重來衡量。具體的變量及變量定義詳見表2。

3.模型構(gòu)建

為了檢驗(yàn)人工智能對企業(yè)利潤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)證人工智能對企業(yè)利潤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)用娴目刂谱兞俊＆胕為行業(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。本文選擇對標(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)性問題。

四、實(shí)證結(jié)果與分析

1.基準(zhǔn)回歸分析

表3報告了人工智能對企業(yè)利潤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)對企業(yè)利潤與工資之間收入分配的估計結(jié)果，（5）—（8）列是人工智能應(yīng)用對企業(yè)利潤與工資之間收入分配的估計結(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)對企業(yè)利潤與工資之間的收入分配均呈“U”型，但二次項系數(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)對企業(yè)利潤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)用對企業(yè)利潤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)用對企業(yè)利潤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)展會在增加利潤的同時減少工資，加劇企業(yè)利潤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)生性主要來源于三個方面：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)生性問題，本文選取了兩個工具變量，并采用了兩階段最小二乘法進(jìn)行估計。第一，基于份額移動法構(gòu)造Bartik工具變量，使用單元初始份額和總體增長率的乘積計算歷年單元估計值以減弱內(nèi)生性問題，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率，AIgrowthr，t表示r企業(yè)t年人工智能增長率得到的預(yù)測值。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，但不會與其他影響企業(yè)人工智能水平的殘差項相關(guān)。同時，根據(jù)表4

（1）—（4）可知，無論使用人工智能技術(shù)還是人工智能應(yīng)用，Bartik工具變量均通過了過度識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)用及其二次項的符號及顯著性與基準(zhǔn)回歸結(jié)果一致，證明了在引入工具變量減輕內(nèi)生性問題的影響后，本文的結(jié)論依然成立。

其次，考慮不同財務(wù)狀況下的企業(yè)可能會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)利潤與工資之間的收入分配顯著高于對照組，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度方法不同產(chǎn)生的偏差對估計結(jié)果的影響，本文借鑒已有文獻(xiàn)的做法［12］，將企業(yè)利潤與工資之間的收入分配劃分為利潤與營業(yè)收入的比值（Profit）、工資與營業(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)用對工資與營業(yè)收入的比值沒有通過穩(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，推動創(chuàng)新應(yīng)用落地。此后，我國人工智能發(fā)展進(jìn)入全新階段，因此，本文以2017年為時間節(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，為避免估計偏誤，使用聚類到省級層面的穩(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)用對企業(yè)利潤與工資之間收入分配的影響呈“U”型?；谇懊娴睦碚摲治?，本文對人工智能影響企業(yè)利潤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)上考察中介變量對企業(yè)利潤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，人工智能對勞動力具有替代效應(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，說明二者對勞動力就業(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，人工智能技術(shù)和應(yīng)用的系數(shù)顯著為正，二次項系數(shù)顯著為負(fù)，說明人工智能技術(shù)和應(yīng)用對勞動力就業(yè)規(guī)模的影響是非線性的。接下來考察勞動力就業(yè)規(guī)模對利潤與工資之間收入分配的影響。在第（3）、（4）列，我們引入勞動力就業(yè)規(guī)模及其二次項，結(jié)果顯示勞動力就業(yè)規(guī)模的系數(shù)顯著為負(fù)，其二次項系數(shù)顯著為正，說明勞動力就業(yè)規(guī)模對利潤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)能夠通過改變企業(yè)就業(yè)規(guī)模來影響利潤與工資之間的“U”型關(guān)系。而通過（7）—（8）列可知，勞動力就業(yè)規(guī)模對利潤與工資之間收入分配的影響是線性的，且在加入勞動力就業(yè)規(guī)模的二次項后，人工智能應(yīng)用的系數(shù)變得不顯著，這說明就業(yè)結(jié)構(gòu)對人工智能應(yīng)用和企業(yè)利潤與工資之間的“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)用對就業(yè)結(jié)構(gòu)的影響是動態(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。估計結(jié)果如表7所示。首先，由（1）、（2）列可知，人工智能技術(shù)對勞動力就業(yè)結(jié)構(gòu)的影響是非線性的。第（4）列加入勞動力就業(yè)結(jié)構(gòu)及其二次項，結(jié)果顯示，勞動力就業(yè)結(jié)構(gòu)的系數(shù)顯著為正，勞動力就業(yè)結(jié)構(gòu)二次項的系數(shù)顯著為負(fù)，表明勞動力就業(yè)結(jié)構(gòu)對利潤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，在加入勞動力就業(yè)結(jié)構(gòu)這一中介變量后，其系數(shù)不顯著，說明勞動力就業(yè)結(jié)構(gòu)對利潤與工資之間的收入分配不是線性的，第（8）列加入勞動力就業(yè)結(jié)構(gòu)的二次項后，勞動力就業(yè)結(jié)構(gòu)的系數(shù)顯著為正，勞動力就業(yè)結(jié)構(gòu)二次項的系數(shù)顯著為負(fù)，上述結(jié)果表明人工智能應(yīng)用可以通過就業(yè)結(jié)構(gòu)效應(yīng)引發(fā)利潤與工資之間非對稱的收入分配效應(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)用如何通過生產(chǎn)率影響企業(yè)利潤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，結(jié)果顯示，全要素生產(chǎn)率的系數(shù)顯著為正，二次項系數(shù)不顯著，表明全要素生產(chǎn)率對企業(yè)利潤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)通過提高全要素生產(chǎn)率引發(fā)了“U”型的利潤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)用對利潤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，接下來進(jìn)一步在第（8）列加入全要素生產(chǎn)率及其二次項，結(jié)果表明，二次項系數(shù)不顯著，說明人工智能應(yīng)用也能夠通過提高全要素生產(chǎn)率引發(fā)利潤和工資之間的“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)用對企業(yè)利潤與工資之間的分配產(chǎn)生了非對稱、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)無法滿足創(chuàng)新投入對資金穩(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。所謂財務(wù)柔性，是指企業(yè)為了應(yīng)對財務(wù)環(huán)境變化和不確定性，通過整合財務(wù)資源、優(yōu)化財務(wù)決策，來管理財務(wù)風(fēng)險的一種綜合能力。它主要體現(xiàn)在企業(yè)如何有效運(yùn)用財務(wù)資源、優(yōu)化財務(wù)行為，以及如何處理財務(wù)風(fēng)險的過程中［28］。

研究表明，財務(wù)柔性可以產(chǎn)生適應(yīng)效應(yīng)，通過靈活調(diào)整財務(wù)儲備保證企業(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)險性在前期可能不會帶來直接效益和促進(jìn)生產(chǎn)率提高，這會在實(shí)現(xiàn)增長之前增加企業(yè)的沉沒成本，而財務(wù)柔性能夠優(yōu)化企業(yè)財務(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)債能力開展創(chuàng)新研發(fā)活動［30］。通過提高財務(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，財務(wù)柔性對人工智能和企業(yè)利潤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)債柔性來表示財務(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)財務(wù)柔性在人工智能對企業(yè)利潤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、調(diào)節(jié)變量與核心解釋變量二次項的交乘項，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表示財務(wù)柔性。由表9第（2）列可以看出，財務(wù)柔性與人工智能技術(shù)的交乘項系數(shù)為-0-0283，在1%統(tǒng)計水平上顯著，財務(wù)柔性與人工智能技術(shù)二次項的交乘項的系數(shù)為0-0002，且在10%的統(tǒng)計水平上顯著，表明財務(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，在財務(wù)柔性水平較高時，“U”型曲線相較于未考慮財務(wù)柔性的調(diào)節(jié)效應(yīng)時變得陡峭，可以看出財務(wù)柔性強(qiáng)化了二者之間的“U”型關(guān)系。在跨過拐點(diǎn)后，高水平的財務(wù)柔性會加快人工智能技術(shù)的發(fā)展，同時提高利潤與工資間的比值。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，財務(wù)柔性更高的企業(yè)其利潤與工資的比值也越大。同樣，由表9第（4）列可知，財務(wù)柔性與人工智能應(yīng)用的交乘項（β=-0-0394）、財務(wù)柔性與人工智能應(yīng)用二次項的交乘項（β=0-0007）的系數(shù)均顯著，表明財務(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，對于財務(wù)柔性較高的企業(yè)來說，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”型左右兩邊相對陡峭，說明人工智能應(yīng)用對財務(wù)柔性較高的企業(yè)分配效應(yīng)的影響相對更大。

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企業(yè)利潤和工資之間的收入分配產(chǎn)生非對稱、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)用對企業(yè)利潤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)用先是縮小了利潤與工資之間的差距，在其發(fā)展到一定程度后，逐漸開始偏向于利潤，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)影響利潤與工資之間的分配。

③進(jìn)一步分析發(fā)現(xiàn)，企業(yè)財務(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中國企業(yè)層面收入分配產(chǎn)生非對稱的影響提供了經(jīng)驗(yàn)證據(jù)?；诖耍岢鲆韵抡呓ㄗh：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，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，保持高水平的財務(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)定的財務(wù)環(huán)境，避免因資金不足錯失有利的發(fā)展機(jī)會。

③企業(yè)應(yīng)建立完善的職業(yè)技能培訓(xùn)體系，同時勞動者也應(yīng)增強(qiáng)對不同工作的適應(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)會誘致勞動收入不平等嗎——模型推演與分類評估［J］.中國工業(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、勞動力供給技能結(jié)構(gòu)與技能溢價［J］.山西財經(jīng)大學(xué)學(xué)報，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)步新特征及其對勞動力市場的影響機(jī)制研究［J］.財經(jīng)研究，2022（5）：34-48，79.

［18］尹志鋒，曹愛家，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——來自中關(guān)村企業(yè)的微觀證據(jù)［J］.中國工業(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？——來自中國工業(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勞動力市場？——來自制造業(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)財務(wù)柔性的本原屬性研究［J］.會計研究，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)、財務(wù)柔性與企業(yè)技術(shù)創(chuàng)新［J］.證券市場導(dǎo)報，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