人工智能技术和工资收入差距

郭凯明 向风帆

摘 要：随着十九届四中全会把按劳分配为主体、多种分配方式并存上升为社会主义基本经济制度，如何调节收入分配矛盾已成为新时代中国践行新发展理念、推动高质量发展的重大理论和实践课题。值得注意的是，作为引领新一轮科技革命和产业变革的通用技术，人工智能技势必深刻影响各类生产要素的分配格局。本文研究了人工智能技术通过推动产业结构升级进而影响工资收入差距的理论机制。发现人工智能技术影响了不同技能劳动力在不同产业部门内部的相互替代和相互流动，对工资收入差距产生了显著影响。在高技能密集型产业内劳动替代弹性较高，或者产业间产品替代弹性较高时，人工智能将会提高技能密集型产业部门高技能劳动就业比重，同时扩大工资收入差距。反之亦然。基于这些结论，本文为政府推动产业结构升级、缩小工资收入差距提供了政策建议。

关键词：人工智能技术；产业结构升级；收入差距

一、引 言

改革开放以来，中国经济持续发展，2019年中国人均国内生产总值超过了1万美元，稳居中等收入国家行列，与高收入国家差距进一步缩小。现阶段，在保持居民收入快速增长的同时，也需要加强居民收入分配的合理调节。国家统计局数据显示，虽然自2008年以来中国基尼系数出现总体下降趋势，但是2016年以后又开始出现小幅度回升，并且当前中国收入差距的基尼系数从国际比较看仍然处于高位水平。党的十九大报告明确提出：“坚持按劳分配原则，完善按要素分配的体制机制，促进收入分配更合理、更有序。鼓励勤劳守法致富，扩大中等收入群体，增加低收入者收入，调节过高收入，取缔非法收入。坚持在经济增长的同时实现居民收入同步增长、在劳动生产率提高的同时实现劳动报酬同步提高。拓宽居民劳动收入和财产性收入渠道。履行好政府再分配调节职能，加快推进基本公共服务均等化，缩小收入分配差距。”党的十九届四中全会首次把按劳分配为主体、多种分配方式并存上升为社会主义基本经济制度。收入分配制度列入社会主义基本经济制度范畴，充分说明如何调节收入分配较大矛盾已成为新时代中国践行新发展理念、推动高质量发展的重大理论和实践课题。

值得注意的是，近年来人工智能在全世界范围内蓬勃发展，这为中国推动产业结构升级和缓解收入分配矛盾提供了新思路。 习近平总书记指出：“人工智能是引领新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关中国能否抓住新一轮科技革命和产业变革机遇的战略问题。”1人工智能技术在推动新一轮科技革命和产业变革的同时，势必深刻影响各类生产要素的分配格局。准确预判这一影响对推动中国经济实现高质量发展具有重要的现实意义，这也是本文的主要研究问题。

本文研究的出发点是关注到了人工智能技术的三个重要特征：第一，人工智能技术是一种通用技术。如同推动三次工业革命的蒸汽技术、电力技术和信息技术（Bresnahan & Trajetenberg，1995）一样，人工智能技术具有明显的外溢性特征，能够全面影响经济的各个产业；第二，人工智能技术对不同技能劳动力生产率的影响是有偏向的。在不同的应用场景中，人工智能技术可以提高特定的劳动生产效率，从而影响对特定劳动力的相应需求。这种结构性变化既可能影响高技能劳动，也可能影响低技能劳动，不但影响了产业内不同技能劳动力的相互替代，而且影响了产业之间不同产品的相互替代；第三，相对于消费和投资等其他需求，人工智能技术在生产来源上更加依赖于高技能密集型产业的投入。人工智能技术依赖于大数据、机器学习、云计算、半导体等技术的研发应用，这些均是高技能密集型产业，而消费品和投资品从生产来源上更多需要低技能密集型产业的投入。基于以上考虑，本文建立了一个包含人工智能技术的多部门一般均衡模型，纳入了人工智能技術上述三个特征，提出并分析了人工智能技术通过推动产业结构升级进而影响工资收入差距的理论机制，并为政府推动产业结构升级、缩小工资收入差距提供了政策建议。

本文的创新之处体现在以下两个方面。首先，本文把产业结构转型纳入到人工智能领域研究。这一领域近年来发展迅速，涌现了大量的文献（曹静和周亚林，2018；陈永伟，2018）。目前关于人工智能影响机制的刻画方式主要有两种，一种是把人工智能的发展视作一种自动化的过程（Benzell et al.，2015；Aghion et al.，2017；Acemoglu & Restrepo，2018a；陈彦斌等，2019；林晨等，2020），也就是资本逐渐代替劳动的过程，这势必会导致劳动收入份额的下降（Acemoglu & Restrepo，2018b）。另一种是把人工智能作为一种要素扩展型技术（Kotlikoff & Sachs，2012；Graetz & Michaels，2015；Nordhaus，2015；Bassen，2017）。在这种分析机制下，人工智能对劳动收入份额的影响方向是不确定的，取决于不同生产要素间的替代弹性。总的来看人工智能影响收入分配是大部分文献都强调的，其中Acemoglu & Restrepo（2018c）通过把自动化分为对高技能劳动力和低技能劳动力替代两类，直接关注了技能的溢价。但是这些研究都没有关注到结构转型的影响。Aghion et al.（2017）和郭凯明（2019）关注到了人工智能对产业结构转型以及结构转型对劳动收入份额的重要影响，但是都没有分析工资收入差距。本文强调了人工智能技术在推动产业结构升级的同时也对工资收入差距产生了重要影响，从这一视角发展了人工智能领域研究。

其次，本文关注到产业结构转型对工资收入差距的影响。结构转型领域经典文献关注于影响结构转型的经济力量（Kongsamut et al.， 2001； Ngai & Pissarides， 2007； Acemoglu & Guerrieri， 2008），最近一些研究进一步强调了国际贸易和投资的影响（Uy et al.，2013； Swiecki， 2017； Guo et al.，2017； Herrendorf et al.， 2018； Sposi， 2018）。在结构转型的经济影响方面，主要关注于结构转型对生产率的影响（Duarte and Restuccia， 2010； 郭凯明等，2018；颜色等，2018），很少有研究关注到产业结构转型对工资收入差距的影响。Buera et al.（2018）提出技能密集型产业扩张会导致技能溢价上升，但是他们只是使用了发展核算框架，没有考虑技术进步的影响。郭凯明等（2020）提出资本深化改变了技能密集型产业相对比重，从而影响了技能溢价，但也没有考虑技术进步。郭凯明和罗敏（2021）提出技术进步会影响产业结构进而影响工资收入差距，但他们没有把技术内生化，也没有直接关注人工智能技术的特点。本文强调了人工智能技术通过影响结构转型进而影响了工资收入差距，从这一视角发展了结构转型领域研究。

二、模型框架

由（5）式和（10）式知，此时家庭部门消费和研发投入在两个行业的比重相等。因此在需求侧，无论多少比例用于消费和对人工智能技术的研发投入，均不会影响到两种不同技能水平的劳动的相对比重，即需求侧的需求结构不会影响到产业结构转型。这种理论分析的简化有助于清楚地展示人工智能技术发展对供给侧的影响。

基于假设1，由式（7）和（8）可知，

这是因为，如果人工智能是偏向高技能劳动的技术，两个产业的企业均会使用生产效率提高更多的高技能劳动去替代低技能劳动。此时在产业内劳动替代弹性更大的部门，这种替代效应的影响就会更大，所以，高技能劳动就会更多地集中在该部门去替代低技能劳动，从而推动低技能劳动流向产业内劳动替代弹性更小的部门。反之亦然。并且，在两个产业中，只要产业内劳动替代弹性足够大，那么对生产率相对提高更多的高技能劳动的相对需求也会更大幅度提升，导致工资收入差距扩大。

详细证明过程见附录（三）。

两个生产部门的高技能劳动和低技能劳动的就业比重将呈现出同方向的变化，其变化方向取决于需求端对产业间产品替代弹性、技术的偏向性以及两个行业内高技能劳动的产出弹性。而工资收入差距仅受到前两个关系的影响。当人工智能技术对生产技术的影响更加偏向于高技能劳动时（HL？？？），如果需求端产业之间产品替代弹性大于1，人工智能技术发展会使得工资收入差距扩大，并且提高高技能劳动的产出弹性更高的行业的两种劳动的就业比重。反之亦然。反之，当人工智能技术对生产技术的影响更加偏向于低技能劳动时（HL？？？），由于生产函数在形式的对称性，所有结论刚好相反。（在此略去讨论。）

这是因为，人工智能技术发展提高了两个行业的劳动扩展型技术，如果它更多地提高了高技能劳动扩展型技术，那么高技能劳动的产出弹性更大的行业的实际产出就会更大幅度提升，且该行业产出的相对价格就会下降，需求侧就会用该行业的产品去替代另一个行业的产品，导致另一个行业的实际产出相对下降。但是，当产业间产品替代弹性足够小时，这种替代效应的影响就会很小，也就意味着另一个行业相对产出的下降幅度小于相对价格上升的幅度，该行业的名义产出比重上升。由于两种劳动的收入份额在两个行业间均为名义产出的固定比例，名义产出的比重的上升就会提高劳动的回报率，拉动两种劳动均向该行业流动并扩大工资收入差距。反之亦然。这一经济机制体现了不同行业间产品替代效应，与Acemoglu & Guerrieri（2008）对资本深化的分析一致。

3. 需求侧的理论机制

为了更加清楚地展示出人工智能技术发展对需求侧的影响，暂时简化在供给侧的相应模型设定。为此，做出如下假设。

详细证明过程见附录（四）。

4. 小结

这一部分分别从供给侧和需求侧对人工智能技术对产业结构转型和工资收入差距的影响进行了比较静态分析，给出了3条定理。对于供给侧而言，在人工智能技术更加偏向于高技能劳动的情况下，如果高技能密集型产业的产业内劳动替代弹性较高，或者产业间产品替代弹性较高，那么人工智能技术将会扩大高技能密集型产业高技能劳动就业比重和工资收入差距。低技能劳动在高技能密集型产业的就业比重变动是不确定的，当高技能密集型产业内劳动替代弹性足够大，这种劳动间的替代关系发挥更大的作用时，会降低高技能密集型产业的低技能劳动就业比重；反之，當产业间产品替代弹性足够大，需求侧更多高技能密集型产业的产品发挥更大的替代作用时，会扩大高技能密集型产业的低技能劳动就业比重。对于需求侧而言，如果家庭部门人工智能技术的研发投入在生产来源上的高技能密集型产业投入比重高于该产业家庭部门的消费比重，那么加大人工智能研发投入，将在需求侧提高对高技能密集型产业产品的相对需求，从而提高高技能密集型产业的就业比重和名义产出比重。但此时，工资收入差距和劳动密集程度并不会直接受到研发投入变化的影响。反之，如果人工智能技术是偏向低技能劳动的技术，以上所有结论刚好相反。

综合以上分析，如果人工智能技术是一种偏向高技能劳动的技术，并且高技能密集型产业的产业内劳动替代弹性较高或者产业间产品替代弹性较高，那么，人工智能技术将扩大高技能密集型产业高技能劳动就业比重和工资收入差距，反之亦然。

这一部分通过数值模拟定量展示，检验上一部分的主要结论，并在定量上评估人工智能技术对产业结构转型和工资收入差距的影响。

1. 产业内劳动替代弹性存在差异的环境

圖1给出了只考虑产业内劳动替代弹性存在差异的环境下人工智能技术的影响。与理论分析相符，如果人工智能技术对生产技术的影响更加偏向于高技能劳动，随着人工智能技术的不断提高，在生产部门1中劳动间替代弹性高于生产部门2时，生产部门1中的高技能劳动就业比重、工资收入差距将会上升，低技能劳动就业比重、行业间相对价格将会上升；在生产部门1中产业内劳动间替代弹性低于生产部门2时，变动方向刚好相反。并且，随着人工智能技术的逐渐提高，家庭研发投入对其边际影响将逐渐减小，可用人工智能技术增长放缓，导致产业结构转型和工资收入差距变动的幅度也逐渐缩小。

表1汇报了主要变量在20期内的变化。生产部门1中劳动替代弹性更高时，生产部门1中高技能劳动就业比重提高了0.104 5，低技能劳动就业比重降低了0.064 1，工资收入差距扩大了0.361 4。如果生产部门1中劳动替代弹性降低到0.5，那么生产部门1中高技能劳动就业比重出现反方向变化，降低了0.053 5，低技能劳动就业比重也出现反方向变动，提高了0.080 4，与此同时，工资收入差距缩小0.452 9。因此，产业内劳动替代弹性相对大小，能够影响结构转型和工资收入差距的变化。

图2给出了生产部门1高技能劳动产出弹性更高时，产业间产品替代弹性存在差异的环境下人工智能技术的影响。与理论分析相符，如果人工智能技术对生产技术的影响更加偏向于高技能劳动，随着人工智能技术的提高，如果产业间产品替代弹性较高，生产部门1中的高技能劳动就业比重、低技能劳动就业比重、工资收入差距、名义产出比重均会提高，行业间相对价格将会降低；如果产业间产品替代弹性较低，除行业间相对价格外，变动方向刚好相反。并且，随着人工智能技术的逐渐提高，家庭部门研发投入对其边际影响将逐渐减小，可用人工智能技术增长放缓，导致产业结构转型和工资收入差距变动的幅度也逐渐缩小。

表2汇报了主要变量在20期内的变化。生产部门1高技能劳动产出弹性更高时，如果行业间产品替代弹性较高，生产部门1中高技能劳动就业比重提高了0.060 5，低技能劳动就业比重升高了0.021 3，工资收入差距扩大了0.103 6。如果行业间产品替代弹性较低，那么以上变量均呈现反方向变动。高技能劳动就业比重降低了0.054 4，低技能劳动就业比重降低了0.058 4，与此同时，工资收入差距也出现缩小趋势，缩小了0.283 5。因此，生产部门间高技能劳动产出弹性的相对大小，对结构转型和工资收入差距的变化有显著的影响。在后面可以看到，这一结论在生产部门2高技能劳动产出弹性更高时仍然成立。

图3给出了生产部门2高技能劳动产出弹性更高时，产业间产品替代弹性存在差异的环境下人工智能技术的影响。与理论分析相符，如果人工智能技术对生产技术的影响更加偏向于高技能劳动，随着人工智能技术的提高，如果产业间产品替代弹性较高，生产部门1中的高技能劳动就业比重、低技能劳动就业比重、名义产出比重均会降低，而工资收入差距和行业间相对价格将会增大；如果产业间产品替代弹性较低，除行业间相对价格外，其余变量变动方向刚好相反。并且，随着人工智能技术的逐渐提高，家庭的人工智能研发投入对其边际影响将逐渐减小，可用人工智能技术增长放缓，导致产业结构转型和工资收入差距变动的幅度也逐渐缩小。

生产部门2高技能劳动产出弹性更高时，如果行业间产品替代弹性较高，生产部门1中高技能劳动就业比重降低了0.027 2，低技能劳动就业比重降低了0.063 8，然而和之前一样，工资收入差距出现扩大趋势，扩大了0.309 5。如果行业间产品替代弹性较低，那么以上变量均呈现反方向变动。高技能劳动就业比重提高了0.054 6，低技能劳动就业比重提高了0.067 7，与此同时，工资收入差距也出缩小趋势，缩小了0.328 3。因此，生产部门间高技能劳动产出弹性的相对大小，对产业结构转型和工资收入差距的变化有显著的影响。

综合以上两个部分的结论分析，从表2可以看出，与之前的理论相符，当技术偏向性确定时，两个生产部门内高技能劳动和低技能劳动的就业比重变化方向取决于行业间产品替代弹性以及两个行业高技能劳动产出弹性的相对大小，且变化方向也与理论一致。而技术偏向性确定时，工资收入差距的变化仅受到行业间产品替代弹性的影响，其变化方向也和之前的理论分析一致。

3. 更一般情形的模拟结果

其余状态变量取值与前文一致，将其作为基准模型。之后提高家庭部门研发比重占生产的总的名义产出比重还是s为0.03，即家庭部门在人工智能技术的研发投入增加50%，把模拟结果与基准模型对比，就可以反映出人工智能技术研发投入增强的影响。

图4给出了基于基准模型与人工智能技术研发投入增加下的数值模拟结果。其中，实线表示基准模型，伴随着经济动态演化，高技能密集型产业高技能劳动比重上升，低技能劳动比重下降，工资收入差距扩大。与此同时，高技能密集型产业的名义产出比重，和产出的相对价格均持续下降。这些变化，反映了人工智能技术不断积累促进了在高技能密集型产业高技能劳动更大幅度替代低技能劳动，相对价格更大幅度下降，导致在高技能密集型产业高技能劳动比重提高的同时，提高另一个行业低技能劳动就业比重和名义产出比重，这与定理1是一致的。

将家庭部门在人工智能技术的研发投入占总的名义产出比重s提高到0.03，使得图4中的实线变为虚线。比较虚线和实线，高技能密集型产业高技能劳动就业比重、低技能劳动就业比重变化幅度均增大，这与定理3是一致的，同时也导致工资收入差距增加幅度、高技能密集型产业的名义产出比重和产出的相对价格的下降均呈现更大幅度的变化。

表3汇报了主要变量在20期内的变化。基准模型中，高技能密集型产业高技能劳动就业比重提高了0.020 1，低技能劳动就业比重降低了0.080 2，工资收入差距扩大了0.313 4。如果家庭部门在人工智能技术的研发投入增加，那么，高技能密集型产业高技能劳动就业比重提高了0.020 4，低技能劳动就业比重降低了-0.093 2，工资收入差距扩大了0.357 2。因此，人工智能技术研发投入增加，能够增大结构转型和工资收入差距的变化程度。

4. 敏感性分析

为了检验基准模型定量结果的稳健性，并且更全面地评估基准模型中的经济机制，这一部分对一些参数进行了敏感性分析。即在不改变其他参数取值的情况下，改变某个参数取值，重新进行模拟，观察定量结果是否显著变化。本部分主要针对四个参数进行稳健性检验，这四个参数可以分为影响高技能密集型产业生产特征和影响人工智能技术的参数两类。

影响人工智能技术特征的参数方面，首先关注技术偏向程度的影响。为此，将参数H？从0.5降低到0.3。图7和表3汇报了此时的模拟结果。根据理论分析，人工智能技术更偏向于高技能劳动扩展型技术，因此，技术偏向程度下降会导致劳动比重和工资收入差距的变化程度降低。与基准模型比较，高技能劳动和低技能劳动在高技能密集型行业的就业比重变化下降显著，分别降低为增长0.006 1和减少0.012 9。除此之外，工资收入差距也显著下降，从原来的增长0.313 4下降为增长0.058 6。注意到，人工智能技术研发投入增加对以上变化的影响方向不一致，它导致劳动比重变化程度增大，而工资收入差距缩小。但是，这与理论分析并不矛盾，因为家庭部门的研发支出占生产的总的名义产出比重在需求端并不会直接影响到工资收入差距，对劳动比重的变化的影响也并不受到技术偏向程度的影响。

其次关注家庭部门对人工智能技术的高技能密集型产业的研发支出比例。为此，将参数1G从0.75降低至0.5。图8和表3汇报了此时的模拟结果。根据理论分析，家庭部门在高技能密集型产业的研发投入比重降低，人工智能技术将在需求侧更大幅度地提高低技能密集型产业的产品需求，从而促进低技能密集型产业的发展。但是考虑到，无论人工智能技术的高技能密集型产业的研发支出比例是0.02还是增长后的0.03，比重均不大，这一影响在定量上不会特别显著。并且由于人工智能技术主要通过就业比重的变化影响到工资收入差距，这一影响也不会特别显著。这在图8和表3上也得到了验证。与基准模型比较，家庭部门对人工智能技术的高技能密集型产业的研发支出比例减少50%，高技能劳动和低技能勞动在高技能密集型产业的就业比重变化分别仅从原来的增长0.020 1和减小0.080 2，降低为增长0.019 8和减少0.080 0。因而工资收入差距增长幅度的变化也很小。同理，人工智能技术研发投入增加的影响也很小，以工资收入差距的变化为例，对20期内工资收入差距变化的影响仅由之前的增长0.043 8下降为增长0.041 5。

五、总结与政策建议

随着十九届四中全会把按劳分配为主体、多种分配方式并存上升为社会主义基本经济制度，如何调节收入分配矛盾已经成为新时代中国践行新发展理念、推动高质量发展的重大理论和实践课题。与此同时，作为引领新一轮科技革命和产业变革的通用技术，人工智能技术势必深刻影响各类生产要素的分配格局。本文基于人工智能技术具有通用技术的外溢性、对不同技能劳动力生产率影响的有偏性和在生产来源上偏向高技能密集型产业三个方面的特点，建立了一个多部门的动态一般均衡模型，从理论上回答了人工智能技术对产业结构转型和工资收入差距的影响机制的问题。此外，本文强调了人工智能技术对产业结构转型和工资收入差距的影响方向是不确定的，在实际政策预估时应考虑产业内劳动替代弹性、技术的偏向性、产业间产品替代弹性以及两个行业劳动的产出弹性等几个方面的特点。并且，本文在理论上给出了产业结构转型和工资收入差距变动的条件，并详细讨论了背后的经济机制。

本文丰富了人工智能在宏观经济结构转型领域的理论视角，提出高技能密集型产业的产业内劳动替代弹性较高，或者产业间产品替代弹性较高时，如果人工智能技术是偏向高技能劳动力的技术，那么将提高高技能密集型产业高技能劳动就业比重和扩大工资收入差距；在生产来源上，如果家庭部门人工智能技术的研发投入在生产来源上的高技能密集型产业投入比重高于该产业家庭部门在该部门的消费比重，那么加大人工智能研发投入，将在需求侧提高对高技能密集型产业产品的相对需求，进而提高高技能密集型产业的就业比重和名义产出比重。总的来说，如果人工智能是一种偏向高技能劳动的通用技术，具有外溢性、依赖高技能密集型产业投入的特点，那么可以得出如果此时高技能密集型产业的产业内劳动替代弹性较高，或者产业间产品替代弹性较高，人工智能技术提高将提高高技能密集型产业高技能劳动就业比重和扩大工资收入差距。基于此，本文提出第一条政策建议：国家应该合理引导人工智能研发投入扩张，发挥人工智能技术的积极作用，促进高技能密集型产业发展。

其次，人工智能技术发展虽然促进了产业转型升级，但也可能会因此加剧收入不平等。一方面，如果人工智能技术更大幅度地提高了高技能劳动扩展型技术，促进低技能劳动被替代，那么，高技能密集型行业升级的同时会导致该行业低技能劳动的劳动收入份额下降，工资收入差距扩大。另一方面，人工智能技术研发投入在低技能密集型产业所拉动的需求，与高技能密集型产业发展所转移出的低技能劳动力可能并不匹配，甚至可能导致结构性失业压力增大。基于此，本文提出第二条政策建议：政府在引导人工智能技术加快高技能密集型产业升级发展的同时，应当采取更加积极、合理的收入再分配政策，通过支持低技能劳动力的教育和培训，提高低技能劳动力对新产业结构和新技术环境的适应性，并且适当提高高技能劳动力收入税，通过转移支付来保证合理的工资收入差距。

参考文献

[1] 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年第1期.

[2] 陈彦斌，林晨，陈小亮. 《人工智能、老龄化与经济增长》[J]. 《经济研究》2019年第7期.

[3] 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年第3期.

[4] 郭凯明，余靖雯，吴泽雄. 《投资、结构转型与劳动生产率增长》[J]. 《金融研究》2018年第8期.

[5] 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年第7期.

[6] 郭凯明，罗敏. 《有偏技术进步、产业结构转型与工資收入差距》[J]. 《中国工业经济》2021年第3期.

[7] 林晨，陈小亮，陈伟泽，陈彦斌. 《人工智能、经济增长与居民消费改善：资本结构优化的视角》[J]. 《中国工业经济》2020年第2期.

[8] 颜色，郭凯明，杭静. 《需求结构变迁、产业结构转型和生产率提高》[J]. 《经济研究》2018年第12期.

[9] 郭凯明，杭静，颜色. 《资本深化、结构转型与技能溢价》[J]. 《经济研究》2020年第9期.

[10] Acemoglu， Daron， Guerrieri Veronica， 2008， Capital Deepening and Nonbalanced Economic Growth[J]， Journal of Political Economy， 116（3）， 467-498.

[11] Acemoglu， Daron， Pascual Restrepo， 2018a， The Race between Man and Machine： Implications of Technology for Growth， Factor Shares， and Employment[J]， American Economic Review， 108（6）， 1488-1542.

[12] Acemoglu， Daron， Pascual Restrepo， 2018b， Automation and New Tasks： How Technology Displaces and Reinstates Labor[J]， Journal of Economic Perspectives， 33（2）， 3-30.

[13] Acemoglu， Daron， Pascual Restrepo， 2018c， Low-Skill and High-Skill Automation[J]， Journal of Human Capital， 12： 204-232.

[14] Aghion， Philippe， Benjamin F. Jones， Charles I. Jones， 2017， Artificial Intelligence and Economic Growth[R]， working paper.

[15] Alvarez-Cuadrado， Francisco， Ngo Van Long， Markus Poschke， 2017， Capital-Labor Substitution， Structural Change and Growth[J]， Theoretical Economics， 12， 1229-1266.

[16] Benzell， Seth G.， Laurence J. Kotlikoff， Guillermo LaGarda， Jeffrey D. Sachs， 2015， Robots Are Us： Some Economics of Human Replacement[R]， working paper.

[17] Bessen， James， 2017， Automation and Jobs： When Technology Boosts Employment[R]， working paper.

[18] Bresnahan， Tim， Manuel Trajtenberg， 1995， General Purpose Technologies： Engines of Growth[J]， Journal of Econometrics， 65， 83-10.

[19] Broda， Christian， David E. Weinstein， 2006， Globalization and the Gains from Variety[J]， Quarterly Journal of Economics， 121（2）， 541-585.

[20] Buera， Francisco，Kaboski Joseph， Richard Rogers， 2018， Skill Biased Structural Change[R]， working paper.

[21] Duarte， Margarida， Diego Restuccia， 2006， The Role of the Structural Transformation in Aggregate Productivity[C]， 2006 Meeting Papers.

[22] Graetz， Georg， Guy Michaels， 2015， Robots at Work[R]， working paper.

[23] Guo Kaiming， Jing Hang， Se Yan， 2017， Servicification of Investment and Structural Transformation： The Case of China[R]. working paper.

[24] Hendel， Igal， Aviv Nevo， 2006， Measuring the Implications of Sales and Consumer Inventory Behavior[J]. Econometrica， 74（6）， 1637-1673.

[25] Herrendorf， Berthold， Richard Rogerson， Akos Valentinyi， 2013， Two Perspectives on Preferences and Structural Transformation[J]， American Economic Review， 103（7）， 2752-89.

[26] Herrendorf， Berthold， Richard Rogerson， and Akos Valentinyi， 2018， Structural Change in Investment and Consumption： A Unified Approach[R]， working paper.

[27] Kongsamut， Piybha， Sergio Rebelo， Danyang Xie， 2001， Beyond Balanced growth[J]， The Review of Economic Studies， 68（4）， 869-882.

[28] Korinek， Anton， Joseph E. Stiglitz， 2017， Artificial Intelligence and Its Implications for Income Distribution and Unemployment[R]， working paper.

[29] Kotlikoff， Larry， and Jeffrey D. Sachs， 2012， Smart Machines and Long-Term Misery[R]， working paper.

[30] Ngai， L. Rachel， Christopher A. Pissarides， 2007， Structural Change in a Multisector Model of growth[J]， American Economic Review， 97（1）， 429-443.

[31] Nordhaus， William， 2015， Are We Approaching an Economic Singularity？ Information Technology and the Future of Economic Growth[R]， working paper.

[32] Sposi， Michael， 2018， Evolving Comparative Advantage， Sectoral Linkages， and Structural Change[J]， Journal of Monetary Economics， 103， 75-87.

[33] Swiecki， Tomasz， 2013， Determinants of Structural Change[J]， Review of Economic Dynamics， 24， 95-131.

[34] Uy Timothy， Kei-Mu Yi， Jing Zhang， 2013， Structural Change in an Open Economy[J]， Journal of Monetary Economics， 60（6）， 667-682.

Artificial Intelligence， Structural Transformation and Wage Income Gap

KAIMING GUO

（Lingnan College， Sun Yat-sen University）

FENGFAN XIANG

（Department of Economics，The University of Western Ontario）

Abstract： As the Fourth Plenary Session of the 19th Central Committee of China regards distribution according to work as the main body and multiple distribution methods co-existing as a basic socialist economic system， how to adjust the contradiction of income distribution has become a major theoretical and practical topic for China to implement new development concepts and promote high-quality development. As a general-purpose technology leading a new wave of scientific and technological revolution and industrial transformation， artificial intelligence technology is anticipated to affect the distribution of various production factors profoundly. This paper studies the theoretical mechanism where artificial intelligence technology affects the wage income inequality by promoting the industrial structure upgrading. This paper finds that artificial intelligence technology can affect the substitution and flow of different skill-level labor in different industrial sectors，and the wage income inequality as well. When the elasticity substitution of labors is higher in high-skillintensive industry， or when the elasticity substitution of inter-industry products is higher， high-skill-biased-artificialintelligence will increase the proportion of high-skilled labor employment in skill-intensive industrial sector， while widening the wage-income Inequality，vice versa. Based on these conclusions， this paper provides policy recommendations on promoting the industrial structure upgrading and reducing the wage income inequality.

Keywords： Artificial Intelligence； Structural Transformation； Wage Income Gap

JEL Classification： O11， O14， O41

執行编辑〔周冬〕

郭凯明，中山大学岭南学院副教授；向风帆（通讯作者），西安大略大学经济系研究生，电子邮箱：fxiang8@uwo.ca.

1 新华网，“习近平：推动中国新一代人工智能健康发展”，网址：http：//www.xinhuanet.com/politics/leaders/2018-10/31/c_1123643321.htm。