人工智能对就业的影响研究进展

陈明真

摘 要： 正在迅速发展的人工智能是促进未来产业结构变革的重要驱动力，具有很强的“头雁效应”并对劳动力市场产生深刻的影响。本文以人工智能的概念为引，总结了现有的研究成果，回顾了人工智能对就业量、就业结构、产业分布以及劳动力市场收入分配等方面影响的理论和实证研究，就此提出了五种假说，总结了现有文献的不足之处，并对未来研究方向进行了展望。

关键词： 人工智能 就业量 就业结构 收入分配

一、引言

党的十八大提出我国经济发展进入新常态，以技术进步作为经济发展的主要驱动力是顺应经济新常态发展的主要经济增长形式。近年来，人工智能正在以不容忽视的速度进行发展，并且对就業产生了深刻影响。对人工智能的研究从20世纪四50年代开始，1956年由约翰·麦卡锡（John McCarthy）等人组织参与的达特茅斯会议被看作是开创了人工智能（Artificial Intelligence，简称AI）研究领域的先河。要想研究人工智能对劳动力市场各方面的影响，就要了解人工智能的相关概念及其在现阶段的应用领域。目前，对于人工智能这一概念各界学者还未形成统一的定义。MIT电气工程领域通过研究认为人工智能是一个有机整体，其通过模型建立关于思维、感知和行动的表达系统（Finlayson等，2010）。而我国学者对人工智能进行了以下定义：人工智能是为了实现特定任务目标而创造的、能够表现出与人类能力相似水平的技术（杨伟国等，2018）。人工智能正在从各个方面影响着人类的生产、生活，因此要对人工智能保持客观的认知，从而避免认识上的卢德主义（张成岗，2018）。

国务院在2017年7月印发的《新一代人工智能发展规划》中提出人工智能是引领未来的战略性技术，必须加快人工智能深度应用，培育壮大人工智能产业，为我国经济发展注入新动能。在近期的疫情防控中，人工智能也具有多重典型应用场景，习近平总书记在指挥疫情防控工作时指出鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、防控救治等方面发挥更好的支撑作用。未来人工智能的发展将更为迅速，从而引发科技的重大变革，也会深刻影响着人们的生产、生活和学习方式。研究人工智能的发展对就业各方面效应，有助于我们更好地理解人工智能发展对劳动力市场带来的影响，从而更加合理地制定相关政策以应对其给企业和劳动者带来的风险和挑战。

二、人工智能对劳动力就业量的影响

就业是民生之本，就业稳定是维持社会稳定的重要因素。人工智能的发展是否能够造成大规模的失业是当今社会普遍关注的问题。学者对于人工智能对于就业的影响持有不同的观点，其对就业的影响影响总体可分为替代效应和创造效应两种。

（一）破坏性的替代效应

所谓替代效应，一方面是由于人工智能等新技术新产业的发展会造成传统企业的灭亡，劳动岗位消失，进而造成就业的减少;另一方面由于技术进步会提高劳动生产率，在产业规模不变的情况下，减少对劳动力的需求。曹静（2018）认为人工智能的发展会降低自动化成本，从而导致其产生替代效应。有关技术性失业的担忧已然不是一个新的问题了，马克思在《资本论》中提到机器的出现和使用形成了劳动者和机器之间的斗争，劳动资料可以扼杀劳动者，劳动资料一作为机器出现，立刻就成了劳动者的竞争者。熊彼特（1934）也针对技术进步对就业的影响提出了“创造性破坏”这一观点，即每一次大规模的创新都伴随着旧的技术和生产体系的淘汰以及新的生产体系的产生，技术进步必然伴随着对就业的破坏效应。

Benzell等（2015）通过构建跨期迭代（OLG）模型，得出了在一定条件下，机器可以完全替代低技能劳动者、部分替代高技能劳动者，从而造成劳动力需求的减少和工资的下降的结论。李晓华（2018）认为人工智能会造成大规模的失业，随着工业机器人、在线协作自动成本的下降，以机器换人将更加经济。姚战琪、夏杰长（2005）通过研究发现工资的适当增加和人力资本的提升有利于增加就业总量，而技术进步则会一定程度上减少就业。何平，骞金昌（2007）通过对我国大中型制造行业企业1998-2004年的数据进行研究，得出了科技活动对企业生存具有正面影响，但对就业增长没有作用甚至是负作用的结论。2016年世界银行的研究结果显示，在未来20年之内，非洲就业岗位被人工智能所取代的比例为71%，发展中国家这一比例平均是50%，而在OECD国家其替代率为57%。Frey和Osborne（2017）对美国700多个职业进行自动化排序预测，结果显示美国有47%的职位可以在短期内被替代。陈永伟（2018）发现，在未来20年中国就业人口受到人工智能冲击的将占76.8%。2018年麦肯锡的研究报告也指出，未来将有60%的职业可能被新技术替代，其中到2030年，不同行业将有30%的工作会被自动化技术替代（麦肯锡报告，2018）。

据此提出假说一：人工智能的发展导致资本替代劳动，形成了“替代效应”。

（二）创造性的补偿效应

所谓补偿效应，一些学者也称之为创造效应。一方面由于人工智能技术的发展提高了劳动生产率，当产品的需求弹性较高时，产品的成本下降会导致对产品的需求增多，企业扩大生产从而增加了非自动化任务的劳动力需求，Acemoglu、Restrepo（2016）将其称之为生产率效应;另一方面，人工智能技术发展自身带来了新岗位新任务对劳动力的需求，即所谓的补偿效应;最后，虽然人工智能技术可以替代一部分从事简单、重复等任务的劳动力，但是其无法替代高社交频率以及创造性强等具有劳动比较优势的任务，例如工程师、设计师、心理医生等等，这些具有劳动比较优势新工作、新职能的产生是相对于替代效应的强大反作用力，很大程度上抵消了替代效应带来的对劳动力市场的冲击和破坏。马克思认为在一种机器部门被排挤的工人会在另外的部门被雇用，机器也使得专门制造机器的工人出现。Acemoglu（2018a、2018b）通过构造就业创造的模型指出，自动化的发展在替代劳动力就业岗位的同时，也会创造出一些更具有劳动比较优势的新岗位。陈秋霖等（2018）基于跨国面板数据和中国省级面板数据的研究，发现人工智能与劳动者之间存在的替代效应是“补位式”替代而并非“挤出式”替代。Bloom等（2018）估计，2010—2030年，世界范围内由于人工智能的发展将出现7.34亿新的工作岗位。

据此提出假说二：人工智能的发展使得一部分新的劳动具有比较优势的岗位产生，增加了就业量，形成了“创造效应”。

根据以上两个效应提出假说三：人工智能的发展使得短期内替代效应明显并超过创造效应，导致就业量减少;但在长期，创造效应的作用力更大并超过替代效应，使得就业量增加。

三、人工智能对劳动力就业结构的影响

尽管学者对人工智能对就业的总体效应研究没有统一定论，但是人工智能对不同行业不同岗位的劳动者带来的影响是不同的这一观点是无可厚非的（曹静，2018）。张刚等（2020）认为以人工智能为代表的技术进步与之前“技术偏向性技术进步”有所不同，人工智能导致“程序偏向性技术进步”。将劳动力市场中的岗位按技能高低分为高技能工作岗位、中等技能工作岗位和低技能工作岗位，人工智能的普及和广泛应用会增加高技能工作岗位和低技能工作岗位，而导致中等技能工作岗位的减少。因此岗位极化是人工智能等新技术对中等技能劳动力的替代最为严重，中等技能劳动力从岗位中被挤出，并向高技能和低技能岗位流动，造成高技能和低技能的就业岗位增加、中等技能岗位减少的现象。

人工智能技术的发展对岗位的影响主要就体现在中等技能岗位减少（Autor，2013;Frey等，2017）。与之相对应的是高技能岗位，比如脑力劳动和低技能岗位，比如体力劳动岗位的增加，就业人数也随就业岗位的变化而产生变化，导致了劳动力市场两极分化现象的产生（Goos等，2007）。Autor等（2013）通过研究也发现，美国劳动力市场中岗位极化趋势主要表现为低技能服务业岗位与就业人数的增加;且在劳动密集型市场中，就业和工资的两极分化更加明显。基于制造业行业数据，吕世斌和张世伟（2015）利用不同技术水平行业的就业变化近似代表不同技能工人的就业结构变化，通过研究发现中国制造业就业结构整体上较为稳定，而内部则存在明显的就业极化，具体表现为高技术和低技术行业的就业比重有大幅上升，而中等技术行业的就业增长幅度较小。郝楠（2017）则以各行业受教育程度为标准衡量行业的技能水平，发现自2001年以来，中国不同行业的就业结构呈现出“N型极化”升级趋势，即高、低技能行业就业增加，部分中等技能行业就业减少，同时代表最高技能水平的教育行业的就业不断下降。屈小博和程杰（2015）采用就业岗位分析方法研究了就业结构的变化，结果显示中国的就业结构整体上显示出中等收入岗位数量相对增长更快的就业升级趋势，分区域考察时表现为“有序递进的升级”;进一步分析农民工就业结构变化时，发现农民工就业已初现“两极化”特征，即最低，中高和最高收入岗位数量的增长幅度要大于中低收入岗位。对于新时期中国出现就业“极化”的原因，既有研究总体上仍然沿袭了运用中国的经验事实来验证西方就业“极化”理论的思路，主要从信息技术进步、产业结构升级、城镇化、贸易开放、对外直接投资和离岸外包等角度进行了解释（江永红等，2016;郝楠和江永红，2017;李宏兵等，2017）。

据此提出假说四：人工智能的发展使得劳动力市场中中等技能工作岗位减少，高等和低等技能工作岗位增加，产生就业极化效应。

四、人工智能对各产业劳动力就业的影响

依据目前的研究成果，人工智能对农业生产部门的影响力最小，对制造业部门的劳动力影响最大，并逐步转移到服务业（Autor，2013）。

（一）对农业生产部门的影响

现有阶段研究表明，人工智能技术在农业领域的应用可以改变农民的生产方式，Ampatzidis等（2017）认为人工智能已被用于农业自动化，不仅用于农业的种植、灌溉、除草、修剪、收获等，还用于植物疾病的检测和鉴定，整个农业生产活动都实现了人机合作。农业生产自动化程度提高的同时，会减少农业生产部门的劳动力就业量。钟仁耀等（2013）通过对各行业科技进步与就业关系的数据回归，认为农、林、牧、渔等第一产业部门的从业人员将由于科技进步从而大量减少，这意味着劳动力从农业生产部门转移到其他行业生产部门当中，这与世界各国的产业发展情况基本吻合。

人工智能技术的发展在转变农业生产方式、提高农业生产效率的同时，减少了农业部门劳动力的就业量，对农业部门的就业产生了替代效应，这是由于生产规模化、自动化以及智能化程度的加深影响了农业生产时对农民的需求，使得农业生产部门的剩余劳动力向工业和服务业生产部门进行转移。

（二）对工业部门的影响

Georg Graetz（2018）通过研究1993—2007年相对发达的17个经济体工业机器人的使用与经济发展之间的关系，发现工业机器人的增加与劳动生产率的提高有关，工业机器人的使用对生产率增长的贡献高达0.36个百分点，占整个经济范围生产率增长的15%，而工业机器人的使用与劳动力就业呈反向变动关系，随着工业机器人价格的下降，工业生产部门将会增加对机器人的需求而减少对劳动力的需求，这会减少低技能劳动力的就业。Acemoglu等（2017）對美国1993-2007年19个产业工业机器人的使用与就业率和工资进行研究，发现工业机器人的使用与就业和工资呈反方向变动关系，每千名工人中多使用1台机器，则会造成就业人口比例降低0.18%-0.34%，工资下降0.25%-0.5%。谢萌萌等（2020）从四个维度对中国制造业企业2011-2017的样本数据进行分析，发现制造业企业融合人工智能显著降低了低技能的就业比重，且具有动态异质性，即企业融合人工智能的时间越长，劳动力就被挤出越多。

人工智能的发展对制造业的影响是绝对不容忽视的，因为制造业由于自身性质，就容易受到自动化和工业智能化的影响，且制造业吸纳了大量的劳动力，相对受到人工智能发展的冲击更大。

（三）对服务业部门的影响

Frey等（2017）使用结合机器学习方法预测每个职业被人工智能替代的可能性这一方法预测美国700多个职业中有47%可以在短期内被替代，服务业中很多就业人员例如：电话销售、标题检查人员、保险承销商、税务员、信贷员等都有极大可能被人工智能所取代。但是人工智能的发展也使得重复率低、社交性强的工作岗位的就业需求量增加，例如：休闲理疗师、舞蹈指导、教学协调员、心理医生、设计师等。郭凯明（2019）认为人工智能在服务业所占比重的变化情况取决于人工智能在工业和服务业部门的应用前景，如果人工智能在制造业中的应用比重显著大于服务业，那么人工智能将促进服务业的发展，反之则可能提高制造业的比重。且预期人工智能在金融产业的应用前景将非常广阔，其可能会通过促进金融产业的发展从而影响其他行业发展。

五、人工智能对劳动力市场收入分配的影响

人工智能在促进经济增长的同时也可能带来收入分配不平等的加剧。Berg et al（2016）认为目前造成收入分配不平等的主要原因主要有两个：一是随着机器人价格的下降，资本投入将会增加，人均产出也会随之增加，因此资本所占收入的份额也将进一步增加;二是生产力水平将会提高，熟练工人的收入将会增加，低技能劳动力的工资将会减少，导致收入差距进一步扩大。人工智能发展导致的收入分配不平等取决于一系列因素，如劳动力从事工作的性质，相对于高技能低重复率的工作，中等技能及重复率高的工作更加容易被取代。

现阶段社会资本分布存在着不均衡的现象，即大部分的社会资本集中在少数人手中。而人工智能的发展将会进一步年均收入分配不平等，因为其发展会导致资本要素份额的进一步提升。Brynjolfsson et al（2014）通过研究表明，人工智能的发展造成的劳动力市场收入分配不平等加剧的原因可能是由于资本回报率增加导致的，机器对劳动力的替代创造了更多的资本，这就意味着劳动力被自动化逐渐挤压，财富则会流入具有创新力、能迅速适应技术变革的少部分群体，从而加大了收入差距。很多文献研究表明，人工智能在影响劳动力就业，造成岗位极化的同时还会对中低技能劳动的工资份额带来消极影响。Autor（2011）的研究发现中等技能的岗位数量和工资份额在逐渐减少，工资极化伴随着岗位极化发生。Acemoglu等（2017）的研究同样表明工业机器人的使用对劳动力的工资有较强的负面影响。Dauth et al（2017）通过研究发现，随着工业机器人应用的增多，中等技能劳动力将面临巨大的收入损失，但是这种收入损失不是由于其就业被工业机器人替代，而是因为现有工资水平的下降。Benzell等（2015）构建了一个跨期迭代（OLG）模型，通过研究发现在一定条件下，机器人可以完全替代低技能工作和部分高技能工作，从而造成劳动力需求的减少和工资的下降。

劳动力市场的收入分配不平等还存在着区域差异性。Berg（2016）指出在一些发展中国家，机器人对非熟练工人的替代将会降低其相对工资，从而逐渐丧失其成本优势，因此发达国家可能会将生产转移至本国自动化程度较高的工厂，使得低收入国家与高收入国家的收入差距进一步扩大。孙早等（2019）的研究也表明我国工业智能化的发展对劳动力的替代存在区域差异性，北部沿海、黄河中游和东北地區的工业智能化发展会使得这些地区出现就业“两极化”现象，而东部沿海和南部沿海地区则由于过高的生活成本出现“单极极化”趋势，工业智能化加剧了对这两个地区小学教育程度以下劳动力的替代，因此各区域间的收入差距将逐渐加大。

据此提出假说五：人工智能的发展使得劳动力收入分配更加不均，收入差距进一步扩大，且具有区域差异性。

六、结论与展望

人工智能的迅速发展引起了学者对技术对就业影响这一课题的进一步讨论，大量文献对人工智能对劳动力市场中就业量和就业结构、对各产业以及收入分配等方面进行研究。首先通过基于任务的模型，文献对人工智能的发展影响就业的路径以及对劳动收入占国民收入份额的路径进行了探讨。其次，对于人工智能的发展对就业量的影响，由于研究角度以及数据选取的不同，存在着积极和消极两种不同观点。对于消极影响，许多学者认为人工智能的发展对就业存在着替代效应、减少劳动力市场的需求、使收入分配差距进一步扩大;而对于积极影响，人工智能的发展也会创造出大量新的工作岗位，可以改善工作质量等。虽然大部分学者认为人工智能等技术发展所带来的消极影响较大，但是可以通过制定相应的政策缓解其对劳动力市场以及社会造成的冲击，例如政府在推动人工智能技术发展的同时应采取更加积极的再分配政策，例如对劳动力进行职业技能培训，使其职业技能与现阶段发展所需技术相匹配;对机器人征收相应费用等相应措施。根据现有文献，本文提出了五种假说，即人工智能的发展产生了替代效应;也产生了创造效应;短期内替代效应的作用力更大，但在长期条件下创造效应的作用力超过了替代效应，对就业量产生积极的影响;人工智能导致岗位极化效应的产生;以及人工智能的发展使得收入差距进一步扩大。

目前人工智能对就业影响的研究已取得较多成果，但是回顾已有文献依旧可以发现，人工智能对就业的影响机制、数据获得、假说检验以及研究方向等方面仍存在一些问题。

一是人工智能对就业的影响机制较为复杂，目前大多数文献都将自动化或工业机器人作为对劳动力替代的资本引入模型进行分析，而在实际生活中人工智能的界定和影响就业的路径要更为复杂。人工智能是技术，也是资本，该技术发展的速度和投入的数量也会对其他生产要素的投入产生影响。因此人工智能对就业的影响路径需要更深入更直接地进行理解。

二是数据的获得具有一定难度。人工智能的内涵广泛，现有的实证分析大多用工业智能化作为人工智能的代理变量，而工业智能化更倾向于表示工业生产部门，对其他产业部门表示性不强。而且人工智能发展还处于初级阶段，数据尚不完善，因此人工智能影响就业的定量分析存在着难度。且人工智能的测量还没有统一的标准和定论，在测量人工智能时有可能将其作为其他资本而归结到其他资本之下，造成结果偏差。因此在现有文献中，对人工智能影响就业的研究大多局限于定性分析以及理论框架的搭建，而定量分析较少，未来需要有对人工智能的统一测量标准以及较为完善的数据以填补先有研究缺口。

三是文章中提出的假说虽有一定的理论和实证支持，但是学者更多将研究集中于技术进步对就业的影响，而对人工智能的研究较少，且理论分析居多，实证分析较少。这可能是由于界定标准较为模糊和数据不足导致的，未来需要对这些假说有更加准确和清晰的实证研究。

四是现有研究大多集中在发达国家，而中国作为世界上最大的发展中国家，同时又面临着人口老龄化和人口红利的消失，人工智能的发展带来的对劳动力市场和整个社会的影响值得探究，而先有研究成果与中国人工智能的发展现状不匹配。Acemoglu（2017）也指出人口老龄化严重的国家人工智能发展较好，人工智能的发展与人口结构的变化也值得研究和探索。

参考文献：

[1]杨伟国，邱子童，吴清军.人工智能应用的就业效应研究综述[J].中国人口科学，2018（05）：109-119+128.

[2]张成岗.人工智能时代：技术发展、风险挑战与秩序重构[J].南京社会科学，2018（05）：42-52.

[3]曹静，周亚林.人工智能对经济的影响研究进展[J].经济学动态，2018（01）：103-115.

[4]陈永伟.人工智能与经济学：近期文献的一个综述[J].东北财经大学学报，2018（03）：6-21.

[5]李晓华.哪些工作岗位会被人工智能替代[J].人民论坛，2018（02）：33-35.

[6]陈秋霖，许多，周羿.人口老龄化背景下人工智能的劳动力替代效应——基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学，2018（06）：30-42+126-127.

[7]张刚，孙婉璐.技术进步、人工智能对劳动力市场的影响——一个文献综述[J].管理现代化，2020，40（01）：113-120.

[8]马弘，乔雪，徐嫄.中国制造业的就业创造与就业消失[J].经济研究，2013，48（12）：68-80.

[9]钟仁耀，刘苇江，刘晓雪，张熠.科技进步对上海就业影响的实证分析——基于分行业的视角[J].人口与经济，2013（02）：78-85.[ZK）]

[10]谢萌萌，夏炎，潘教峰，郭剑锋.人工智能、技术进步与低技能就业——基于中国制造业企业的实证研究[J/OL].中国管理科学：1-9[2020-04-18].

[11]岳昌君，张沛康，林涵倩.就读重点大学对人工智能就业替代压力的缓解作用[J].中国人口科学，2019（02）：2-15+126.

[12]孙文凯，郭杰，赵忠，汤璨.我国就业结构变动与技术升级研究[J].经济理论与经济管理，2018（06）：5-14.

[13]吕世斌，张世伟.中国劳动力“极化”现象及原因的经验研究[J].经济学（季刊），2015，14（02）：757-778.

[14]郝楠.劳动力就业“极化”、技能溢价与技术创新[J].经济学家，2017（08）：27-32.

[15]屈小博，程杰.中国就业结构变化：“升级”还是“两极化”？[J].劳动经济研究，2015，3（01）：119-144.

[16]姚战琪，夏杰长.资本深化、技术进步对中国就业效应的经验分析[J].世界经济，2005（01）：58-67+80.

[17]何平，骞金昌.中国制造业：技术进步与就业增长实证分析[J].统计研究，2007（09）：3-11.

[18]孙早，侯玉琳.工业智能化如何重塑劳动力就业结构[J].中国工业经济，2019（05）：61-79.

[19]岳昌君，张沛康，林涵倩.就读重点大学对人工智能就业替代压力的缓解作用[J].中国人口科学，2019（02）：2-15+126.

[20]江永红，张彬，郝楠.产业结构升级是否引致劳动力“极化”现象[J].经济学家，2016（03）：24-31.

[21]郝楠，江永红.谁影响了中国勞动力就业极化？[J].经济与管理研究，2017，38（05）：75-85.

[22]李宏兵，郭界秀，翟瑞瑞.中国企业对外直接投资影响了劳动力市场的就业极化吗？[J].财经研究，2017，43（06）：28-39.

[23]郭凯明.人工智能发展、产业结构转型升级与劳动收入份额变动[J].管理世界，2019，35（07）：60-77+202-203.

[24]尹振宇，吴传琦.人工智能的就业效应及其中国启示[J].改革与战略，2019，35（02）：90-97.

[25]张鹏飞.人工智能与就业研究新进展[J].经济学家，2018（08）：27-33.

[26]段海英，郭元元.人工智能的就业效应述评[J].经济体制改革，2018（03）：187-193.

[27]Ampatzidis， Yiannis， Luigi De Bellis， and Andrea Luvisi. “iPathology： robotic applications and management of plants and plant diseases.” Sustainability 9.6 （2017）： 1010.

[28]Acemoglu， Daron， and David Autor. “Skills， tasks and technologies： Implications for employment and earnings.” Handbook of labor economics. Vol. 4. Elsevier， 2011. 1043-1171.

[29]Acemoglu，  Daron，  and  Pascual  Restrepo. Artificial  intelligence，  automation  and  work.  No. w24196. National Bureau of Economic Research， 2018.

[30]Aghion， Philippe， Benjamin F. Jones， and Charles I. Jones. Artificial intelligence  and economic growth. No. w23928. National Bureau of Economic Research， 2017.

[31]Morikawa，Masayuki.Who are afraid of losing their jobs to artificial intelligence and robots？ Evidence from a survey. No. 71. GLO Discussion Paper， 2017.

[32]Goos， Maarten， and Alan Manning. “Lousy and lovely jobs： The rising polarization of work in Britain.” The review of economics and statistics 89.1 （2007）： 118-133.

[33]Acemoglu， Daron， and David Autor. “Skills， tasks and technologies： Implications for employment and earnings.” Handbook of labor economics. Vol. 4. Elsevier， 2011. 1043-1171.

[34]Graetz， Georg， and Guy Michaels. “Robots at work.” ReviewofEconomicsandStatistics100.5 （2018）： 753-768.

[35]Acemoglu， Daron. “Labor‐and capital‐augmenting technical change.” JournaloftheEuropean Economic Association1.1 （2003）： 1-37.

[36]David， H. The“ task approach” to labor markets： an overview. No. w18711. National Bureau of Economic Research， 2013.

[37]David， H.， and David Dorn. “The growth of low-skill service jobs and the polarization of the US labor market.” American Economic Review 103.5 （2013）： 1553-97.

[38]Acemoglu， Daron， and Pascual Restrepo. “The race between man and machine： Implications of technology for growth， factor shares， and employment.” American Economic Review108.6 （2018）： 1488-1542.

[39]Benzell， Seth G.， et al. Robots are us： Some economics of human replacement. No. w20941. National Bureau of Economic Research， 2015.

[40]Berg， Andrew， Edward F. Buffie， and Luis-Felipe Zanna. “Robots， growth， and inequality.” Finance & Development 53.3 （2016）： 10-13.

[41]Bloom， David E.， Mathew McKenna， and Klaus Prettner. Demography， unemployment， automation， and digitalization： Implications for the creation of （decent） jobs， 2010–2030. No. w24835. National Bureau of Economic Research， 2018.

[42]Dauth， Wolfgang， et al. “German robots-the impact of industrial robots on workers.” （2017）.

[43]Frey， Carl Benedikt， and Michael A. Osborne. “The future of employment： how susceptible are jobs to computerisation？.” Technological forecasting and social change114 （2017）： 254-280.