人工智能对劳动力供给的影响问题研究——基于Cite Space科学知识图谱(2010—2020)

马红鸽，莫正晖

(西安财经大学 公共管理学院， 陕西 西安 710061)

一、引言

人工智能(Artificial Intelligence，AI)最早于1956年由麦卡锡教授提出，标志着人工智能的诞生[1]。近年来，随着AI技术与机器人技术的不断发展与创新，劳动力能够越来越多地从繁重、机械和重复性的劳动中解放出来，与此同时也造成许多工作岗位对劳动力不再需要或者需求量大大减少的问题，取而代之的是人工智能的衍生品。人工智能是否对劳动力市场造成了冲击，是否给劳动力市场带来了新的发展机遇等成为智能时代人们所关心的重要问题。在这样的背景下，国内外学者们围绕人工智能对劳动力供给的影响展开研究，当前理论界形成了两种显著对立的观点：一种观点认为人工智能对劳动力供给会产生挤兑效应，从而引发失业等问题；另一种观点认为技术的发展进步会创造出更多的工作岗位，不会造成劳动力需求的减少，反而会增加对劳动力的需求。本文将围绕人工智能对劳动力供给的影响问题，梳理现有研究对学者们的研究成果进行回顾和评述，以期能够对我国未来人工智能与劳动力供给领域的研究进行展望，能够为该领域未来的研究提供借鉴和参考。

本文通过Cite Space可视化知识图谱软件，以Web of Science(WOS)核心数据库和中国知网(CNKI)数据库中人工智能与劳动力的相关文献作为研究样本，运用文献计量法进行辅助分析，主要从发文年份、国际合作、核心作者、研究机构、关键词词频、关键词聚类和关键词时区视图等方面梳理人工智能与劳动力供给研究领域的研究现状与知识基础，并探讨其当前的研究热点和未来研究的前沿主题，客观而形象地分析国内外学者们对人工智能与劳动力供给的研究概况和学术成果。相对于已有文献，本研究采用文献计量分析与文献内容分析相结合的方法，使用Cite Space这一类具有文献数据分析功能的前瞻性知识图谱软件，通过知识可视化对已有研究成果进行文献梳理和总结，相比较于某些文献单一的内容分析法，更具有科学性和客观性。

二、数据分析工具与数据来源

(一)数据分析工具

本文采用信息可视化技术中的前沿科学知识图谱法，使用信息可视化软件Cite Space进行分析。Cite Space是美国Drexel大学陈超美教授所开发的一款基于Java语言的软件，主要依托共引分析(Co-Citation)和寻径网络算法(Path Finder)等理论，在对某一研究领域的文献进行计量分析的基础上，绘制出一系列能够分析该研究领域的演化方式和发展的前沿知识图谱，并提炼出当前的研究热点与研究前沿[2]。本文将通过国内外对比分析视角，多角度、多层次综合整理国内外学者关于人工智能与劳动力供给研究领域的研究概况和理论成果，把握人工智能与劳动力之间的内在联系，为后续的相关研究与实践调查提供经验指导，发挥人工智能等新兴技术对社会进步和经济发展方面的引领作用，对未来我国人口结构改变可能导致的劳动力供给问题提出应对之策。

(二)数据来源

Cite Space能否有效进行可视化分析，最重要的是数据来源的质量以及数据的全面性。虽然“人工智能”已经是一个广为流传的概念，但是在学术界对人工智能的定义尚未达成共识。20世纪中叶，Turing A M提出了一个著名的思想实验，即“图灵测试”(Turing Test)，为智能机器的诞生提供了可能性[3]。人工智能概念提出者麦卡锡教授认为，机器不一定需要像人一样思考才能获得智能，重点是让机器能够解决人脑所能解决的问题[1]。近年来，学者们围绕人工智能的定义展开了广泛的讨论。如人工智能是能够模仿人类自身，反映人类智能方面的机器[4-5]，是通过算法、程序、系统的协作展现出智能的机器[6]，是可以加载相应数据完成各项目标任务的机器[7]。因此，可知人工智能是搜集人类相关数据、学习人类智能、通过计算模拟出人脑的思维方式并且能够赋能在机器身上解决人脑遇到的问题的机器，即大数据、云计算、机器学习和机器人等是人工智能的核心内涵，故在检索策略中将“人工智能”“大数据”“云计算”“机器学习”和“机器人”等作为主题词进行检索。劳动力是具有一定智力、体力的劳动能力的人口的总和，属于人力资源的概念范畴[8]，但实际上劳动力不可能全部投入到社会劳动领域，其包含着劳动力供给的多少，因此在检索策略中以“劳动力”“劳动力供给”和“人力资源”等作为主题词进行检索。本文的国外研究数据来源于美国Web of Science(WOS)核心数据库，为了数据的查全率和查准率，数据采集策略采用组配检索式，即人工智能研究领域检索方式为：主题=“Artificial intelligence” or “Big data” or “Machine learning” or “Robot” or “Mechanic” or “Cloud computing”，时间跨度=2010—2020，文献类型=Article、Review，索引=SSCI，检索结果为38 320条记录；劳动力研究领域检索方式为：主题=“Labor force” or “Manpower” or “Human resources” or “Labor supply” or “Work force”，时间跨度=2010—2020，文献类型=Article、Review，索引=SSCI，检索结果为22 415条记录；通过WOS高级检索中的组配检索式，选中这两组检索记录进行“and”组配，得到244条检索记录。剔除“书评”“会议摘要”“书信”以及其他“新闻报道”，最后得到有效记录230条。本文使用的国内研究数据来自于中国知网(CNKI)数据库，采取的检索策略与WOS数据库高级检索中的组配检索式类似，即使用CNKI数据库的高级检索功能，主题=“人工智能”or“大数据”or“机器学习”or“云计算”or“机器人”等为主题词进行检索，时间范围=2010—2020，文献来源类别=CSSCI；再以主题=“劳动力”or“劳动力供给”or“人力资源”在人工智能研究领域主题检索结果中进行检索，得到283条检索记录。剔除“征稿启事”“会议记录”“选题方向”以及其他无关文献后，最后得到有效记录277条。

三、人工智能对劳动力影响的研究现状

(一)文献计量现状可视化分析

通过统计WOS数据库与CNKI数据库2010—2020年论文发表数量，绘制出国内外文献统计数量图，如图1所示。

图1 2010—2020年国内外人工智能与劳动力研究文献数量统计

根据图1中的曲线，可以将有关人工智能对劳动力的影响的研究划分为两个阶段：第一个是初始发展阶段(2010—2016年)，在这一阶段每年的论文发表数量处于平缓发展状态，没有较大的波动；第二个阶段是中高速上升阶段(2017—2020年)，在这一阶段可以发现国内外学者每年论文发表数量快速上升；2020年，相关论文发表数量均达到了10年来的峰值，学者们对人工智能与劳动力研究领域的关注和研究热情不断提高。除了人工智能技术不断发展外，其主要因素是人工智能研究开始进入各个国家的战略发展规划。美国白宫于2016年10月发布了题为《为人工智能的未来做好准备》和《国家人工智能研发战略规划》两份重要报告；2018年4月，日本发布了第五版《下一代人工智能/机器人核心技术开发》计划。我国“十三五”时期开始大力扶持与实施“互联网+”计划，促进互联网技术与社会经济的协同融合发展[9]；2016年，《国民经济和社会发展第十三个五年规划纲要》中提出“重点突破新兴领域人工智能技术”(1)参见《国民经济和社会发展第十三个五年规划纲要》,http://www.12371.cn/special/sswgh/wen/。；2017年，人工智能被写入党的十九大报告，并提出推动互联网、大数据、人工智能和实体经济深度融合(2)习近平作党的十九大报告,http://media.people.com.cn/n1/2017/1018/c120837-29594814.html。；2018年，李克强总理在政府工作报告中再次谈及人工智能，提出“加强新一代人工智能研发应用”(3)“人工智能”再次写进政府工作报告,http://it.people.com.cn/n1/2018/0308/c1009-29854988.html。；2019年，习近平总书记主持召开中央全面深化改革委员会第七次会议并发表重要讲话，会议审议通过了《关于促进人工智能和实体经济深度融合的指导意见》(4)中央全面深化改革委员会第七次会议,http://www.gov.cn/xinwen/2019-03/19/content_5375140.html。；我国“十四五”规划中也指出要瞄准“人工智能”前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目(5)参见《中华人民共和国国民经济与社会发展第十四个五年规划和2035年远景目标纲要》,http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm。。这些无不表明，人工智能技术对于未来国家和地区战略规划具有至关重要的作用，这也激发了国内外学者们对人工智能研究领域的关注和研究热情，同时也推动了人工智能对劳动力供给影响的相关研究。

(二)相关研究领域国际合作网络分析

图2 2010—2020年发文国家或地区可视化知识图谱

运用Cite Space软件对WOS数据库的230篇国际期刊文献所属国家或地区进行分析，得到发文国家或地区合作网络图谱(图2)。如图2所示，每一个小圆圈(即节点)都代表一个国家或地区，其中圆圈轮廓的大小与该国或该地区的论文发表数量呈正相关关系，即发文频率越高，则圆圈越大[2]。两个节点之间的连线则代表两国或地区在该研究领域的学术合作关系，连接线条越粗则表示合作关系越密切。根据图2中节点大小与发文数量依次排序，排在前五位的国家或地区分别是：美国、中国、英国、意大利、荷兰。由图2可以看出，在人工智能与劳动力供给的研究中，发文量最多的是美国，从节点的连线也可以看出，美国与中国、英国、意大利、澳大利亚等许多国家都形成了密切的合作关系。说明美国学术界在人工智能与劳动力供给研究领域处于核心地位，且形成了一定规模的学术研究成果，具有较高的影响力。中国学术研究成果在国际领域位列第二，说明我国人工智能与劳动力供给研究领域已经迈向国际化，与多个国家和地区建立了学术合作交流关系，在国际上具有一定的影响力；但中国与美国相比还存在着较大的差距，主要体现在与其他国家学术合作交流相对较少以及高质量的学术论文成果相对较少。因此，国内学术界应该继续加强国际合作，提高学术研究成果质量，继续增强我国人工智能与劳动力供给研究在国际上的影响力。

(三)国内外相关研究领域比较分析

目前国外对人工智能与劳动力供给的研究主要集中在人工智能对产业供给、岗位数量供给、岗位要求供给的影响。研究发现第一产业受到人工智能的影响较小[10-11]；第二产业受到人工智能技术的冲击影响较大，主要体现为人工智能的替代效应[12]；第三产业在人工智能领域是难以替代的，同时能够激发出人工智能的创造效应[13]。在劳动力岗位数量供给方面，学者们分别从经验分析法、理论推导法、实证检验法分析人工智能对劳动力供给的影响[10,12]；Acemoglu等认可人工智能技术的发展对就业岗位既有替代效应也有供给效应[12,14]。在对岗位要求上，Goos等认为人工智能技术会使劳动技能和劳动任务发生改变，可能产生劳动力供给的“极化效应”[15]。

国内学者对人工智能与劳动力供给的研究起步较晚，主要形成了在人工智能大背景下，以我国人口结构变化、人口老龄化、产业结构与劳动力供给为主的研究课题。刘骏等、魏义方立足基本国情，对未来人口结构变化导致劳动力供给不足问题进行研究，以缓解我国人口老龄化、劳动力“结构性”失业问题[16-17]。杨俊凯等、王丽媛通过研究产业结构与劳动力供需关系问题，指出产业结构升级能够减少人工智能“替代效应”对我国劳动力的冲击，让人工智能“创造效应”发挥就业红利，促进劳动力就业发展[18-19]。

(四)国内外核心作者分析

通过作者合作网络可视化图谱可以分析出人工智能与劳动力供给研究领域具有高影响力的学者，共被引分析可以得到某个领域中高被引作者的分布情况，确定该领域具有影响的学者，通过回顾核心作者的高被引文献，更清楚地了解该领域的发展历程和发展现状。

结合引用率和发文数量，可以发现国外人工智能与劳动力供给问题研究排名前五的核心作者为：Frey CB、Autor DH、Mcafee A、Chen HC、Akter S(如图3所示)。Chen HC认为大数据浪潮是当前重要的时代特征，利用大数据运算能够引发商业模式的改变，且能够在商业竞争中取得较大的优势，其关键在于对冗杂的信息进行有效挖掘，并进行分析后作出战略性的决策[20]；Mcafee A谈到大数据分析与非数据主导分析之间的区别在于大数据分析有更快的速度与多样性，可以帮助公司管理人员做出更好的预测和决策[21]；Autor DH论证了人工智能与自动化会导致低技能劳动力的重新分配，造成劳动力市场以及劳动力工资两极分化现象的出现[22]。Akter S基于资源基础理论，分析了人工智能效应的异质性，通过管理、技术和能力3个维度对不同公司的绩效会产生不同的影响[23]。Frey CB研究发现由于计算机技术的工程瓶颈，自动化浪潮导致计算机替代劳动力的速度会逐步下降，但会随着技术的不断进步，逐步实现对劳动力的替代[10]。

通过可视化图谱并结合发文数量与引用率大小，可以得出国内人工智能与劳动力供给研究领域排名前五的核心作者为韩民春、何勤、刘冠军、曾湘泉、吴清军(如图4)。韩民春基于动态随机一般均衡模型，分析了人工智能对劳动市场的冲击，主要表现为对全要素生产率的冲击、对资本要素替代的冲击和对投资转换的冲击等3种方式，与此同时，人工智能会对劳动力供给产生三大效应，即“破坏效应”“替代效应”“创造效应”[24]。何勤认为企业人工智能技术的运用会对员工数量产生负向影响，对技能和收入有促进作用，产品创新与资本偏好在人工智能技术采纳中存在中介作用[25]。刘冠军认为人工智能技术使资本有机构成产生了变化，并分析了第一、第二和第三产业分别对劳动力就业的影响[26]。曾湘泉从生产过程、信息传导机制、就业数量、就业质量、就业结构和收入分配结构等六大方面分析了技术革命对劳动力产生的影响[27]。吴清军提出人工智能技术会加快劳动力岗位极化，人工智能的替代与创造效应将长期共存，不过从长远来看，人工智能能够带来经济效益的长期增长并且提供更多的就业机会[28]。

图3 国外作者共被引可视化知识图谱

(五)国内外研究机构分析

从图5可以看出，在国际研究机构中主要由高等院校构成，从机构分布来看，麻省理工学院、哈佛大学、新加坡国立大学和伦敦大学等高等院校构成国际领域中的核心研究力量。我国科研机构也在不断地向国际化迈进，如清华大学与麻省理工学院、哈佛大学等有合作关系。从图6可以看出，国内研究机构主要为高等院校或者研究所，分布在经济学院与管理学院居多。从机构分布来看，中国人民大学、北京联合大学、华中科技大学、南开大学与首都经济贸易大学等高等院校科研机构组成了该学科领域的核心研究力量。通过可视化图谱发现，中国人民大学、北京联合大学和首都经贸大学之间存在合作关系，武汉大学与华中农业大学之间、对外经济贸易大学与南开大学之间存在合作关系，合作研究初具规模。但总体而言，各个研究机构之间合作较少，有少数研究机构利用内部资源，凭借机构内部学者之间的合作提出研究视角，但大多数研究机构仍处于独立研究状态，各个机构之间合作强度有待提高。人工智能研究属于综合性研究领域，加强研究机构之间的合作关系，有助于形成高质量的科学研究成果，也有助于推动人工智能与劳动力供给研究领域的融合创新。有鉴于此，各大高校与科研机构应该紧密合作，以提升我国在人工智能与劳动力供给研究领域中的综合影响力。

图5 国外研究机构合作网络可视化知识图谱

四、人工智能与劳动力供给研究的热点和前沿

(一)关键词词频分析和主题聚类分析

研究热点是指在一段时间内，研究者们对某一科学领域的问题或专题进行探讨并高度关注的问题，Cite Space的关键词词频和主题聚类分析功能有助于分析某一科学领域研究的热点问题[29]。词频分析方法就是在文献信息中提取能够表达文献核心内容的关键词或主题词频次的高低分布，来研究该领域发展动向和研究热点的方法；主题聚类则是对文献主要关键词的高度凝练与概括，通过对文献的关键词进行词频分析后，找出频率相对较高的关键词聚类成主题词，在一定程度上可看作是该领域的研究热点[2]。

为了更加清晰地掌握国内外人工智能对劳动力供给影响研究领域的热点分布概况，本研究用Cite Space软件分别对国内外人工智能与劳动力供给研究领域的文献进行关键词词频和主题聚类分析，调整相关参数得到国内外人工智能领域研究热点的知识图谱(如图7和图8)。关键词聚类后，模块值Modularity Q值>0.3，说明聚类结果可信，平均轮廓值Mean Silhouette值>0.5，说明聚类合理[29]。如图7和图8右上方图谱参数所示，两个聚类图谱的Q值和S值都满足聚类图谱基本要求，表明聚类位于可置信的区间，聚类质量较高。聚类完成后，可以得到各个关键词的频率、中心性与起始年份；频率即关键词所出现的次数，可以根据关键词频率的大小得到该研究领域的高频率关键词；中心性表示的是，相同节点在某领域当中的中介作用，该指标大于0.1即为较强；起始年份即该关键词第一次出现的年份。

图7 2010—2020年国外关键词主题聚类图谱

(二)国外研究热点分析

通过Cite Space进行词频和主题聚类分析后，可以得到国外人工智能与劳动力研究的关键词聚类知识图谱，如图7所示。该图谱网络中N=71，E=126，说明每个时间段排在前50的文献中一共包括了71个关键词，而节点的大小则与关键词出现的频次成正比。图谱中各节点间的126条连线代表不同关键词之间具有共现关系，连线的粗细代表关键词之间共现关系的强度。通过整理中心度大于0.1的关键词制成表1。

表 1 2010—2020年国外文献关键词排名(依据中心度)

通过图7和表1可以看出，国外学术研究人工智能与劳动力供给领域中出现频次最高的词是Big data(大数据)，一共出现38次。高频词反映出以“Big data”(大数据)为中心的其他关键词节点还包括了“Machine learning”(机器学习)、“System”(系统)、“Technology”(科技技术)、“Innovation”(创新)、“Model”(模式)、“Business intelligence”(商业智能)、“Human resource management”(人力资源管理)、“Artificial intelligence”(人工智能)、“Data analytics”(数据分析)等。进行关键词共现聚类分析后，得到了6个聚类，分别为：#0“Data analytic”(数据分析)、#1“Recruitment”(招聘)、#2“Automation”(自动化)、#3“Machine learning”(机器学习)、#4“IT industry”(IT行业)、#5“Stakeholder theory”(利益相关者理论)。本研究根据关键词排名表和关键词共现聚类图谱，对国外相关文献主题词进行梳理，将国外人工智能与劳动力供给研究热点具体归纳为以下3个主题，每个主题选取该领域高被引论文、代表性学者论文和最近发表的论文进行综述，以期明晰国外人工智能与劳动力供给研究的主要动向。

1.机器人技术对劳动力供给的影响研究

机器人技术主要包括聚类#2“Automation”(自动化)和#3“Machine learning”(机器学习)，包含的关键词有：“Artificial intelligence”(人工智能)、“Technology”(科技技术)等。机器人技术对劳动力的影响是多方面的，部分学者持乐观的态度，如Marco研究认为机器人技术的发展不会导致大规模的失业现象发生[30]；Autor DH认为在部分地区，机器人技术的使用能够影响部分工作岗位，从而增加劳动力的就业[31]。但也有学者认为机器人的出现有可能对劳动力产生消极的影响。Graetz通过对17个国家的面板数据进行研究，发现机器人减少了低技能工人的就业份额[32]。可见，劳动力市场结构会进一步出现因机器人应用所导致的“技术性失业”现象，在低学历员工占比较高、劳动力保护较弱及市场化程度较高的地区，这一现象表现得更为明显。

2.信息技术应用对劳动力供给的影响研究

信息技术包括聚类#0“Data analytic”(数据分析)，包含的关键词有：“Information technology”(信息技术)、“Big data”(大数据)、“Internet”(互联网)等。有关劳动力与信息技术的研究主要从两个方面展开：第一，信息通信技术与劳动力的替代互补关系。Acemoglu研究发现，信息技术的投入会与劳动力形成替代关系，即大量的劳动力被信息技术所取代[33]。Bresnahan T总结了信息技术与劳动力互补作用的机制是有限替代和信息过载。第二，从技能偏向型技术视角研究IT导致劳动力的变化[34]。在技能偏向型技术进步理论(Skill Biased Technical Change)中，有学者提出由于存在外生的技术进步，高技术水平的设备使用和新产品的生产将会对劳动力的知识和技能提出更高要求，企业的技能偏向型发展趋势将会影响其对高技能型劳动力的需求。Milgrom等研究发现信息技术作为技能偏向型技术，企业在生产过程中采用信息技术越多，对高技能劳动力的需求也就越大，进而导致对低技能劳动力的需求相对减少[35]。

3.人工智能与劳动力的协作关系研究

当前社会正处于第四次科技革命的浪潮下，人工智能将改变人类认识世界和改造世界的方式，更多全新的方法和技术将融入劳动力的生产生活之中，如何发挥人工智能与劳动力的相互协作，实现生产效益的最大化，是当前研究的一个热点。其包含了聚类有#1“Recruitment”(招聘)、#4“IT industry”(IT行业)、#5“Stakeholder theory”(利益相关者理论)，包含的关键词有：“Model”(模式)、“Business intelligence”(商业智能)、“Human resource management”(人力资源管理)、“Firm performance”(公司业绩)等。Ehret M等认为现有的商业模式有可能会对工业物联网(IIOT)造成威胁，人工智能技术的发展能够有利于创业者进行新商业模式构建，并从IIOT中获益[36]。Davenport T等研究发现人工智能可能会改变商业策略和客户的行为，管理者通过人工智能可以发挥出更好的管理效果[37]。

(三)国内研究热点分析

通过Cite Space进行词频和主题聚类分析后，得到国内人工智能与劳动力研究的关键词聚类知识图谱，如图8所示。图谱网络中N=67，E=92，说明每个时间段排在前50的文献中一共包括了67个关键词，图谱中各节点间的92条连线代表不同关键词之间具有共现关系，通过整理中心度大于0.1的关键词制成表2。

表2 2010—2020年国内文献关键词排名(依据中心度)

从图8和表2可以看出，国内学术研究人工智能与劳动力领域中出现频次最高的词是人工智能，一共出现91次，高频词反映出的以“人工智能”为中心的其他关键词还包括了“大数据”“人力资源”“机器人”“就业替代”“产业结构”“劳动收入份额”“智能制造”“机器换人”和“工资”，通过LLR算法聚类后得到7个主题聚类，分别为：#0“全要素生产率”、#1“智能机器人”、#2“数字经济”、#3“大数据”、#4“技术创新”、#5“工资水平”和#6“人工智能技术”。本研究根据关键词排名表和关键词共现聚类图谱，对国内相关文献主题词进行梳理，将国内人工智能与劳动力研究热点具体归纳为以下4个主题，每个主题选取该领域的代表性学者与高被引论文进行综述，试图剖析国内人工智能与劳动力研究的发展动向。

1.人工智能对产业升级与劳动力结构的影响

包含的聚类有#0“全要素生产率”和#4“技术创新”，包含的关键词有：“智能制造”“产业结构”和“人力资源”等。人工智能时代下的产业开始往智能化、自动化方向发展，出现了机器换人等现象，造成了劳动力失业的担忧。顾和军等认为劳动力结构与产业结构转型升级的方向不匹配，失业与过剩并存，将会制约经济增长[38]。也有学者对此提出不同意见。包玉香研究发现劳动力结构能够支撑经济结构的转型与升级，实现经济高质量发展。在工业智能化与劳动力结构方面，工业智能化对劳动力结构会产生积极的影响[39]。王文等、陈晓等发现，产业升级显著降低了程式化任务主导的制造业结业份额，促进了行业就业结构高级化[40-41]。但也有学者指出产业升级也有可能对劳动力结构产生不利影响。例如，孙早等指出工业智能化将导致中国劳动力就业结构整体上呈现出“两极化”特征[42]。刘欢指出工业智能化升级后将显著扩大城乡收入差距，不利于城乡协同发展[43]。

2.人工智能对劳动力工资的影响

包含的聚类有#5“工资水平”包含的关键词有：“劳动收入份额”和“工资”等。当前学术界关于人工智能影响收入的相关研究中，并未达成一致的论调。有学者认为人工智能的发展不一定会对劳动力产生就业替代作用，工资也不会下降。陈秋霖等研究认为人工智能的发展具有“人力替代”属性，不过是“补位式替代”，不是“挤出式替代”，因此不会影响劳动者的收入状况[44]。陈彦斌等认为人工智能的发展，可以促进经济增长，但要防范劳动力失业风险和收入分配失衡[45]。但也有学者认为，人工智能技术的发展将会降低劳动收入份额。陈利峰等通过构建一般均衡模型得出当人工智能投资效率越高，使用范围越广的情况下，劳动收入份额下降幅度将增大[46]。余玲铮等认为人工智能在增长生产潜力的同时，也会加剧收入分配差距，劳动收入占比下滑的幅度将扩大[47]；邓翔等研究发现人工智能对创造性低、工作任务重复性高的行业冲击较大，会对该行业的劳动力收入产生较大的影响[48]。

3.人工智能技术对劳动力供给的影响

包含的聚类有#1“智能机器人”和#6“人工智能技术”包含的关键词有“机器换人”和“就业替代”等。蒋南平从经济学视角分析了人工智能对劳动力供给的影响，认为应该优化三大产业中的资本有机构成，以解决人工智能对劳动力供给失衡的问题[49]；宋旭光等认为人工智能等科技是“包容性创新”，劳动力供给短缺产生的负面影响能够通过人工智能等科技进行弥补，从而促进经济发展[50]。高春明等从劳动力供给视角阐述了人工智能对缓解中国劳动力供需矛盾的作用，较长期来看人工智能将会创造更多的工作岗位[51]。

4.数字经济发展对劳动力的影响研究

数字化发展包括的聚类有#2“大数据”、#3“数字经济”，包含的关键词有：“大数据”和“人工智能”等。当前我国处于经济新常态下，数字经济发展给各行业带来新发展机遇。通信院发布的《中国数字经济发展与就业白皮书(2019年)》显示，数字经济新增就业的作用正在不断加强，2017年我国数字经济领域就业人数为1.71亿人，占当年总就业人数的比重达到22.1%，并且发展持续向好(6)数据来自《中国数字经济发展与就业白皮书(2019年)》，http://www.cac.gov.cn/2019-04/19/c_1124389256.htm。。丛屹等经过实证检验表明，数字经济的发展对我国劳动力资源配置效率具有正向的促进作用[52]。但也有学者认为数字经济也有可能造成其他影响。马晔风等认为数字技术的快速迭代会对劳动者提出更高的要求，但相关技能的积累学习需要较长时间，这一矛盾有可能造成劳动力短缺和结构性失衡[53]。杨骁等使用微观数据样本对比发现，数字经济对不同行业会产生不同的影响；服务业在数字经济发展中表现为正向影响，而制造业则表现为就业负向影响[54]。阎世平等指出数字化经济的发展会导致劳动力需求“两端极化”格局出现，即增加了对高教育程度劳动者的需求，降低了对低教育程度劳动者的需求[55]。

(四)国外研究前沿分析

研究前沿代表该研究领域最新的研究发展或者动向。在Cite Space中，共被引文献构成了研究领域的知识基础，从引用这些知识基础的施引文献集合中提取的名词性术语可以视为该领域的研究前沿[56]。本文运用Cite Space软件对WOS数据库中所搜集的人工智能与劳动力研究领域文献进行共被引分析，即选定软件功能(Reference)，调整相关参数后生成聚类图谱，图谱中Q值与S值系数处于合理置信度区间，满足聚类图谱要求，在软件中进行主题聚类，选定LSI算法与LLR算法，在后台导出聚类标签词，汇总制作成表3。

表3 国外人工智能与劳动力供给研究共被引聚类主题词

根据聚类标签，可以判断出人工智能与劳动力供给研究的前沿领域主要为聚类0、聚类1、聚类2和聚类3。在研究内容上，概括为：其一是人工智能时代背景下，劳动力供给在商业智能化、环境道德、劳动力参与和国际发展等方面的探究；其二是第四次工业革命浪潮与自动化等新兴技术对劳动力供给影响的探究。如Popkova E G等模拟了未来工业4.0条件下社会创业中使用人工智能的最佳比例和变体，认为未来社会创业使用人类智慧与人工智能是最佳选择[57]；Vermeulen B等研究了自动化对未来十年就业的预期影响，认为结构性的变化是将来所面临的一个问题，人类面临职业转变并非工作的结束[58]。大数据分析、文本挖掘和基于资源视图等主题表征了人工智能与劳动力供给研究视角、方法上的创新性选题。

(五)国内人工智能与劳动力供给研究前沿分析

图9 国内人工智能与劳动力供给研究关键词time zone视图

由于中国知网(CNKI)数据库的中文文献在Cite Space软件中存在部分功能限制，无法使用文献共被引分析功能，因此研究采用时区视图进行前沿主题分析。通过调整相关参数得到关键词时区视图，由图9可知，居于右上角的是近年来的新兴主题关键词，主要包括高质量就业、劳动收入份额、替代效应、全要素生产率、GMM模型、中介效应、收入差距、收入分配和技术创新等。基于前沿知识图谱进行深入阅读，梳理这些前沿关键词所对应的样本文献内容，研究发现我国人工智能与劳动力供给研究前沿选题主要集中在以下几个方面：(1)人工智能与技术创新背景下，劳动力供给与劳动力收入份额方面的研究，其中包括收入差距、收入分配公平等；(2)劳动力供给与劳动生产率方面的研究，包括资本有机构成对劳动生产率的影响，人工智能替代效应对劳动生产率的影响，以及如何促进劳动力高质量就业研究等；(3)通过构建相关模型探讨人工智能与劳动力供给的影响因素，包括通过构建GMM模型以及引入中介效应进行探讨等研究。

五、研究结论与展望

(一)研究结论

本文选取WOS数据库和CNKI数据库2010—2020年人工智能与劳动力供给研究相关文献，运用Cite Space软件对人工智能与劳动力供给研究领域进行国家合作网络、作者共被引、作者合作、机构合作、关键词词频、关键词聚类、关键词时区视图和文献共被引等可视化分析，主要得出以下结论：

1.研究热度不断上升，文献数量逐年递增

人工智能与劳动力供给研究一直受到国内外学者的广泛关注。2015年以来国内对人工智能技术重视程度不断增加，相继出台相关政策予以支持。学者们对人工智能与劳动力供给研究领域从2016年以来发文数量逐年上升并且热度不断增加，国内学术成果在国际领域的影响力逐渐提升。相较于国外学者，我国学者在人工智能与劳动力供给研究领域大多处于独立研究状态，不同学者之间的联系较弱，合作网络较为稀疏。

2.热点主题总体一致，方向上略有差别

通过高频关键词与主题聚类分析发现，目前国内外对于人工智能与劳动力供给的研究热点总体上相同，在主题聚焦方向上略微有些差异。国外研究热点集中在：机器人技术、信息技术对劳动力供给的影响研究，以及人工智能与劳动力协作等方面研究；国内研究热点集中在：产业升级与劳动力结构、人工智能对劳动力收入、智能化技术对劳动力供给影响研究以及数字经济对劳动力供给等方面的研究。

3.国内外研究前沿差异较大，交叉学科研究较为突出

通过文献共被引分析与施引文献主题聚类，研究发现国外人工智能与劳动力供给研究前沿领域上，主要分为：劳动力供给在商业智能化、企业环境道德、劳动力参与率、国际化等方面的研究；第四次工业革命浪潮下的新兴技术对劳动力供给的影响；对大数据、文本挖掘和基于资源视图等研究方法、视角上的创新性进行研究。国内人工智能与劳动力供给研究前沿领域包括：劳动力供给与收入份额方面的研究；劳动力供给与劳动生产率方面的研究；构建模型以及引入中介变量等方法对影响因素进行分析等方面的研究。

总体而言，我国人工智能与劳动力供给领域的研究虽然取得了丰硕的成果，但就研究程度和广度方面，还存在着许多不足。未来随着人口老龄化程度的进一步加深，我国劳动力供需问题将进一步凸显，我国人工智能劳动力供给研究还可以在以下方面进行突破与完善：第一，在理论层面，结合我国人口结构、人口老龄化等现实国情和实际出发，探索人工智能与劳动力的有机结合，以丰富劳动力供给的理论研究；第二，在应用层面，运用大数据分析、云计算、数字化等信息技术，加强对我国劳动力供给领域的探究；第三，在学科层面，国内学者们应继续加大研究合作力度，在人工智能与劳动力供给研究领域积极开展学术交流，不断拓展研究的外延，通过多学科视角研究，产出更多高质量的研究成果，以提高我国在该领域的国际影响力。

(二)研究展望

根据我国第七次人口普查的数据，人口结构在未来的中国将会发生重大变化，而这段时期也是以人工智能为代表的新兴技术蓬勃发展的时期。人工智能技术可以给劳动力供给方面提供有力支撑，有效应对未来中国人口结构变化。但人工智能对传统就业的冲击不可避免，需要我们慎重对待。基于上述研究与发现，对人工智能与劳动力供给领域研究做如下展望。

1.人工智能技术可能是解决我国劳动力结构失衡问题的关键

根据全国第七次人口普查数据与学者研究发现，我国劳动力人口规模和比重持续下降，劳动力人口的年龄进一步老化，传统的人口红利逐渐消失，劳动力供给将面临长期短缺的风险[59]。如图10所示，2010年第一季度，中国劳动力市场求人倍率(7)求人倍率是劳动力需求与劳动力供给的比值，求人倍率小于1则表明劳动力供给过剩，大于1则表明劳动力供给不足。为1.04并呈现逐年上升的趋势，期间虽有个别年份下降，但始终维持在1以上。受新冠疫情影响，中国2020年第1季度求人倍率升至1.62，达到历史最高值，相较于前几年的数据，市场劳动力供给人数下降幅度较大。以上分析表明，从2010年以来劳动力市场开始转变为供给不足与结构性供给矛盾并存的格局，低生育率与人口老龄化问题使得我国人口结构问题日益凸显，劳动力供需矛盾日益严峻，这些问题都将成为未来中国劳动力市场的新常态。确保劳动力供需平衡是保障我国经济社会长久稳定发展的重要因素，在新的人口与社会经济形势下，人工智能技术有可能成为劳动力供需关系利好的关键，也有可能对劳动力市场产生新的挑战，这些问题都值得学者们深入探讨与研究。

图10 2010—2020 年中国劳动力市场求人倍率

2.人工智能或将助力我国从人口红利转型

目前我国正在经历低生育率与人口老龄化双重时期，这将会从人口数量和人口质量上持续冲击我国劳动力市场，人口红利的消失已成为定局。“破局”需要以“智”提“质”，让人工智能为高质量发展赋能，促进人工智能与劳动力融合发展，将即将消失的人口红利转化为“人才红利”。同时，要继续加大教育的投入力度，提高我国人力资本水平和人口质量，并制定相关政策，进一步推动产业结构升级，化解新兴技术对传统产业的冲击，在培育新产业过程中创造新的就业机会，充分释放人口质量红利，实现社会经济可持续发展。

3.从完善要素市场化配置出发，释放技术与劳动力活力

完善要素市场化配置是让要素活力竞相迸发的重要保障，政府应积极引导企业选择和使用以人工智能为代表的新兴技术，加快企业智能化、数字化发展，以缓解我国未来人口结构重大变化导致劳动力供给短缺所带来的不良影响。同时要着力引导我国劳动力要素合理有序流动，畅通劳动力的落户渠道和职称评定渠道，保障劳动力供需平衡。