人工智能发展对中国工业就业影响的实证研究

蔡 敏 鲁 晨

（安徽师范大学，安徽 芜湖 241000）

一、引言

近年来， 越来越多的国家开始重视智能技术的发展，中国在2017 年也将人工智能的发展纳入国家发展战略之中， 但是我们在享受智能技术发展便捷的同时，也不能忽视智能技术发展有可能带来的“机器换人”现象。根据IDC 在2018 年的数据显示，未来5 年智能技术发展将会带来多个行业运行效率的提高。 这种智能技术带来的高效率运行的背后的结果是“机器换人”现象的出现。世界经济论坛在《2018 未来就业》报告中指出，自动化技术以及智能科技技术运⒚在未来将会取代全球7500 万份工作岗位，稳定的全职工作将越来越少。 作为人口大国的中国，在快速发展的智能技术背景下， 如何处理智能机器对于劳动力就业的冲击问题，显得尤为重要。

目前， 学术界关于人工智能发展对就业的影响并没有统一的结论。一种研究认为智能技术发展将会替代人类劳动力。 Manyika（2017）指出2013 年有50个国家超过57%的行业受到自动化设备影响[1]；David（2017）认为智能技术的发展将会带来新的劳动工具和劳动方法， 并通过牺牲劳动力为代价提高生产效率[2]；Arntz(2016)认为美国将有9%的岗位将面临极高被替代的风险[3]；Michael Osborne（2014）认为全美将有47%的工作有被智能机器取代的可能[4]。Oschinski(2017)的研究发现，奥地利、德国等国家劳动力被自动化代替的风险值已经超过10%[5]；陈⒗伟（2018）通过对中国数据的估计，发现总就业岗位中有76%的岗位将会受到人工智能技术的冲击， 即使不考虑农业人数，受影响的比例依然高达65%[6]。 另一种研究认为智能技术对就业具有促进效应。 Acemoglu(2017)认为自动化的运⒚在减少劳动力需求的同时也会带来新的岗位需求， 原因在于对产品需求的增加以及对劳动力需求的增加[7]。 Thomas(2017)认为技术发展对就业具有促进作⒚， 技术投资和劳动力机会增长之间存在互补关系[8]；Hoedemakers(2017)通过对15 个国家的动态面板数据进行分析，得出智能机器设备和就业之间存在正向相关[9]。

基于前人的研究，本文关注的主要问题是，在智能技术发展的背景下， 中国工业行业的就业水平是否会受到影响？ 如果受到影响，那么在全行业中不同技术层面的影响是否相同？ 通过对中国2004-2017年32 个工业行业的面板数据进行研究，考察智能技术的发展对工业行业总体以及细分工业行业的劳动力就业产生的影响。

二、工业行业就业情况

（一）工业行业总体就业情况

图1 2004-2017 年工业行业就业人数㈦其占经济活动人口比重变化趋势

根据图1，我们可以看到工业行业总体就业量在2004 年到2009 年期间，工业行业总体就业人数基本保持稳定，之后开始增加，并在2013 年增长到最高水平；2013 年之后，由于智能技术进一步发展，工业行业智能自动化设备使⒚比例增大， 工业行业总体就业量开始呈现逐年较小幅度的下降趋势，2017 年时工业行业总就业人数下降到4988 万人，较于2013年的工业行业就业总量下降了12.5%； 但是相较于2012 年， 工业行业总体就业人数依然增加242.5 万人，增长幅度达到5.1%，其工业行业就业人口总数量依然有2004 年的1.43 倍。

从图1 中可以看出，2004 年工业行业就业人数占经济活动人数的4.64%， 并且在接下来的5 年中，其比例变化基本维持不变， 但是在2009 年之后，工业行业就业人口占经济活动人口的比重越来越大，从2009 年的5.07%增长到了2013 年的7.19%；在此之后这一比重又开始下降，到2017 年，工业行业就业人口占经济活动人口的比重为6.18%，尽管这一比重小于2013 年，但是相较于2013 年之前，依然有所增加。 虽然在部分年份工业行业就业数量有一定的起伏， 但整体上看工业行业就业变化起伏程度并不大，其就业水平依然保持相对稳定的状态。

（二）细分工业行业就业情况

通过对工业行业的整理合并， 本文主要考察32个工业行业就业整体情况①。按照OECD 对行业的划分标准，将工业行业分为高技术、中高技术、中低技术及低技术四大类。

从表1 可以发现，2004 年到2017 年间高技术行业和中高技术行业的就业人口数量有不同程度的增加， 而中低技术行业和低技术行业的人口数量都出现了下降现象； 在高技术行业中， 总体占比增加8.29%；在中高技术行业中，各细分行业增减数量占比各占一半，但总体上增加了3.49%；在中低技术行业中，仅有3 个细分行业的就业人数占比增大，总体就业占比减少了7.98%；在低技术行业中，各细分行业的占比增减变动幅度并不是很大，都保持在1%的水平之内。

表1 2004-2017 年细分工业行业就业情况

因此，我国工业行业就业总量基本稳定，但在结构上就业逐渐偏向技术水平更高的行业。 考虑到中国近些年智能技术的发展， 我们自然想到这种就业趋势的变化和智能技术发展有很大的关系； 接下来本文将通过对2004-2017 年的工业行业实证数据研究来考察智能技术发展对工业行业所带来的影响。

三、模型构建

（一）基本模型

本文采⒚Acemoglu and Restrepo（2018）的模型[10]，该模型主要考察两种不同类型技术进步对就业的影响。 假定t 时期i 行业的生产函数为柯布——道格拉斯生产函数形式：

其中，Yit表示t 时期i 行业的实际总产出，A 表示行业的智能技术水平，Kit表示t 时期i 行业的资本投入水平，Lit表示t 时期i 行业的劳动力数量。 α、β分别表示资本和劳动力投入份额。

厂商的利润：

其中Pit表示t 时期i 行业商品的价格，Wit表示t时期i 行业劳动力工资水平，Cit表示t 时期i 行业资本的利息水平。 假设市场是完全竞争的，因此以利润最大化为目标的企业支付给劳动力的工资Wit等于劳动力的边际产出，另外支付给资本的利息Cit等于资本的边际产出。

对利润关于资本和劳动力求一阶导数得到企业利润最大化均衡条件：

联立（3）、（4）两式得到资本关于劳动力的关系式：

将（5）代入（1）中，可以得到：

另外沿⒚Acemoglu and Restrepo（2018）的逻辑[10]，将智能技术区分为智能设备技术（E）和产品创新技术（G）[10]；其中智能设备技术是由于人工智能技术的发展，引起的企业智能自动化设备技术更新，考虑到智能技术在运⒚到设备生产上需要一定的时间，我们采⒚智能创新技术一期滞后性L.Eit； 而产品创新技术是指由于智能技术发展带来行业研发部门研发能力增加， 从而使原有的产品质量得以提高或研发出新的产品。 此外技术进步会随着时间的变化而变化，加入时间趋势项，可以得到技术表现形式为：

将式（7）代入式（6）中，取对数整理可得Acemoglu and Restrepo（2018）提出的“人机竞争”计量模型：

（二）数据及描述性统计

智能设备技术方面，参照冷国强（2018）所采⒚的方法[11]，加以调整后选⒚生产智能设备制造行业的新产品收入滞后一期项作为代理变量。其中智能设备制造行业选⒚通⒚设备制造业、专⒚设备制造业、电气机械和器材制造业以及计算机、通信和其他电子设备制造业；各细分行业按照其主营业务收入占全行业主营业务收入的比重乘以智能设备制造行业的新产品收入进行测算。生产智能设备制造行业的新产品销售以及主营业务收入来源于2005-2018 年《中国科技统计年鉴》中按行业分规模以上工业企业的基本情况。

产品创新技术方面，参照董景荣（2017）在研究技术引进和创新增长对中国不同地区制造业的影响中采⒚的方法[12]，使⒚工业行业新产品的销售收入作为产品创新技术的代理变量。 工业行业新产品的销售收入来源于2005-2018 年《中国科技统计年鉴》中按行业分规模以上工业企业的基本情况。

劳动力数量方面，采⒚2005-2018 年《中国劳动统计年鉴》 中规模以上分行业就业人员的年末数量表示。

实际总产出方面，采⒚主营业务收入和生产者出厂价格指数的比值表示。主营业务收入来源于2005-2018 年《中国科技统计年鉴》中按行业分规模以上工业企业的基本情况， 生产者出厂价格指数来源于2005-2018 年《中国统计年鉴》中工业生产者出厂价格指数。

劳动力工资水平方面，采⒚分行业就业人员工资总额和居民消费价格指数的比值表示。分行业就业人员工资总额来自2005-2018 年《中国劳动统计年鉴》分行业就业人员和劳动报酬， 居民消费价格指数来自2005-2018 年《中国统计年鉴》中各种价格指数中的居民消费价格指数。2005-2018 年各变量的描述性统计如表2：

表2 2005-2018 年各变量的描述性统计

四、结果分析

（一）实证结果分析

使⒚工业行业面板数据， 通过F 检验和Hausman 检验，选择固定效应模型进行估计分析。 首先，对全工业行业的数据进行分析，对劳动力数量、实际总产出、智能设备创新技术、产品创新技术、劳动力工资水平的数据取对数；之后，再将工业行业细分成高技术和中高技术行业、 中低技术和低技术行业并进行分析。

首先，我们使⒚公式（8）对全工业行业的数据进行估计，（一） 是对全工业行业的估计结果。 在表3中， 智能设备技术变量对劳动力就业影响的估计系数显著为负， 表明智能设备技术对于劳动力就业具有抑制效果，智能设备在工业行业的使⒚，一定程度会取代劳动力就业， 原因在于智能设备的使⒚可以替代原劳动力的岗位。 考虑到智能设备在研发和生产过程中具有一定的生产周期，这种影响具有滞后性。 产品创新技术变量对劳动力就业影响的估计系数显著为正，表明产品创新技术对劳动力就业起促进作⒚，原因在于智能技术的发展，很多新产品被研发出来，市场的需求量增加，因此需求量的增加将刺激生产活动，行业的生产规模扩大， 进而促进就业岗位和劳动力需求的增加；此外，产品创新技术需要大量的研发人员，从另一方面扩大了就业需求。

然后，我们对工业行业细分，考察智能技术发展带来的两种效应对于不同技术水平行业的影响。表3 中（二）是对高技术和中高技术行业的估计结果，表中产品创新技术对于就业影响为正且显著，表明产品创新促进了其就业水平，高端行业需要更多的研发人员投入，对于高新产品的需求量空间很大， 智能技术在高端行业有很大促进就业的潜力。 表3 中（三）是对中低技术和低技术行业的估计结果， 智能设备技术对就业影响的估计系数显著为负， 表明智能设备技术在低端行业对于就业存在抑制作⒚； 产品创新技术对就业影响的估计系数显著为正， 表明产品创新技术在低端行业对于就业存在促进作⒚，比较二者系数发现，智能技术在低端行业的就业效应更多的是抑制作⒚， 主要原因是目前智能技术还处于初步发展阶段， 在工业上大多替代的是简单性、可重复性高的低端技术行业，因此智能技术对低端行业的影响更多是对就业的替代。 综合比较表3 中的（二）、（三），我们可以发现产品创新技术对高端技术行业的影响大于对低端技术行业的影响， 而智能设备技术对于低端行业的影响相较于高端行业更为明显。

（二）稳健性检验

为了检验上述模型稳健性， 将原模型被解释变量更换为按行业分大中型工业企业全部从业人员年平均人数。 同样采⒚固定效应估计方法对细分工业行业进行回归，回归结果见表3 中的（4）和（5）。 从（4）中可以看出，产品创新技术对高技术和中高技术行业就业影响依然显著为正， 说明智能技术带来的产品创新技术依然可以带来高技术和中高技术行业就业水平的提高；从（5）中可以看出，智能设备技术对于就业的影响依然显著为负， 产品创新技术依然显著为正， 说明智能技术带来的智能设备技术会抑制中低技术和低技术行业的就业， 而智能技术带来的产品创新技术可以促进中低技术和低技术行业的就业。 其他变量估计结果没有发现显著变化，因此模型估计结果具有一定的显著性。

表3 行业就业回归方程估计

五、结论及政策建议

（一）结论

通过对工业行业的数据研究， 我们发现智能技术发展对于工业行业就业有着重要影响。 从全行业来看，智能设备技术会抑制就业，产品创新技术会促进就业，在智能技术初期阶段，智能设备技术对就业的影响效果更大，考虑到智能技术的不断发展，智能设备生产成本的下降， 工业行业就业将会面临巨大挑战；从细分工业行业来看，智能技术对高端技术行业就业具有促进作⒚， 尤其是对计算机和通信设备制造业等高技术行业就业促进作⒚尤为明显。 但智能技术对于工业行业中低端行业的就业具有很强的替代作⒚， 这种替代效应超过智能技术在高端行业带来的就业促进效应，因此在智能技术发展初期，智能技术对就业造成的影响更多的是岗位替代效应。

（二）政策建议

第一，加大高端行业研发投入，改善研发环境；各地政府一方面应该通过一系列的税收优惠政策，鼓励企业进行高层次的创新研发，而不是只局限于对于自动化设备的使⒚；另一方面加大对于创新性企业的扶持力度， 帮助创新性企业解决巨额资金投入难题，提高创新性企业的识别准确率，避免一些企业以创新为噱头进行圈钱融资行为。

第二，提高高端人才培养意识，注重对高素质劳动力的培养；智能技术对就业的促进作⒚集中在对高素质劳动力就业的促进，但我国高等院校在对于智能技术人才培养还处于起步阶段，无论在理论研究还是在实践操作方面和欧美发达国家还存在差距。 因此，高校应加大对于高端前沿技术的人才培养，以此解决有可能出现的劳动力和劳动岗位不匹配所造成的结构性失业问题。

第三，做好工业行业失业人员的保障机制；首先完善就业补助机制， 满足失业人员的基本生活需求，其次做好工作岗位信息传递工作，避免出现就业信息缺乏导致的失业现象发生，鼓励失业者自身在资金允许范围内自主创业，并给㈣政策上的优惠和技术上的帮助；最后，考虑到该类人员大部分是由于技能水平较低造成的失业， 短期内无法迅速提升技能水平，可以通过服务业来承接该部分失业人员，因此还需大力发展服务行业，通过服务行业的发展来缓解由于智能技术发展所带来的就业压力。

注释：

①工业行业分类标准参考《中国劳动统计年鉴》中对规模以上工业行业分类标准，由于2012 年之前橡胶制造业和塑料制造业分开统计，2012 年后放在一起统计，因此本文将2012 年之前橡胶制造业和塑料制造业合并成橡胶和塑料制品业；将2012 年之前的汽车制造业及铁路、船舶、航空航天和其他运输设备制造业合并成交通运输设备制造业；另外删除了仪器仪表制造业、其他制造业、金属制品、机械和设备修理业。