制造业智能化与城乡收入差距

王子敏，周溢凡

（南京邮电大学经济学院，南京 210046）

引言

近年来，党中央高度重视收入差距问题。党的十九届五中全会，首次把“全体人民共同富裕取得更为明显的实质性进展”作为2035 年远景目标提出来；早在党的十九大报告中，习近平总书记就提出，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。改革开放以来，中国经济高速发展，城乡居民收入持续增长，但由于存在城乡二元结构特征，中国城乡收入差距不断加大（陈斌开等，2010）[1]。国家统计局数据显示，我国城乡居民收入比值由1978 年的2.57∶1 上升至2007 年的3.33∶1，尽管2019年下降为2.64∶1，但差距绝对值达到26338元，收入分配严重失衡，如果考虑城镇在医疗、教育、交通等方面的优势，实际城乡收入差距将更大（陆铭和陈钊，2004）[2]。城乡收入差距问题已成为推进共同富裕、实现发展平衡所需要解决的重大问题。

中国的城乡收入差距问题受到学术界密切关注，主要研究方向分为两大类：第一类研究从内生性的角度，探讨了城市化（陆铭和陈钊，2004）[2]、人力资本（陈斌开等，2010）[1]、金融发展（叶志强等，2011）[3]、交通设施（刘晓光等，2015）[4]、户籍制度（万海远等，2013）[5]等因素对城乡收入差距的影响。第二类研究从外生性的角度，分析了财政支出城市偏向（雷根强等，2012）[6]、外商投资（彭文慧，2013）[7]等因素对城乡收入差距的影响。随着信息技术的发展，学者们开始重视技术进步对城乡收入差距的影响，但并未达成一致结论：一类研究表示，技术进步会导致城乡收入差距不断扩大（Leamer,2000）[23]；另一类研究认为技术进步能够抑制城乡收入差距（Hertel,2006）[24]。此外，还有研究认为技术进步与城乡收入差距之间呈“倒U 型”关系（程名望和张家平，2019）[8]。

智能化技术作为一种新兴颠覆性技术，正在深刻改变着人类经济运行方式。与以往互联网、计算机等技术相比，传统的信息技术通过既定程序执行计算或控制等任务来推动生产效率的提升，而智能化技术则通过模拟人类智能和生理构造，基于大数据扩展人类智能，使机器胜任人类智能无法完成的工作。2017 年国务院颁布《新一代人工智能发展规划》，同年人工智能被写入党的十九大报告，人工智能正式上升到国家战略层面。与此同时，学界做了大量关于智能化技术的研究工作，主要聚焦于智能化技术对就业总量（Acemoglu and Restrepo,2016； Benzell et al,2017）[25][26]、就业结构（孙早和侯玉琳，2019；Autor,2015）[9][27]、 经 济 增 长 （陈 彦 斌 等 ，2019）[10]、产业结构（郭明凯，2019）[11]等方面的影响。在智能化技术与收入分配方面，已有研究主要集中于智能化技术对行业收入差距和技能劳动收入差距的影响，大量研究认为，智能化技术发展将同时产生高技能需求岗位的“创造效应”和低技能需求岗位的“替代效应”（Acemoglu and Restrepo,2019）[28]，而现阶段智能化技术的影响以“替代效应”为主，导致就业结构出现极化现象，进一步引发因技能溢价差异而产生的“收入两极化”，加剧高技能劳动者与低技能劳动者之间的收入水平差距（Lankisch et al., 2017）[29]。此外，邓翔等（2019）发现智能化技术发展使行业收入差距呈先扩大后缩小的趋势[12]。然而在城乡层面，智能化技术对收入差距的影响却鲜有文献提及。

本文研究的核心问题是我国制造业智能化的发展是否会影响城乡居民收入分配状况，其影响机理如何，又该如何应对。为回答以上问题，首先将智能技术进步引入CD 生产函数，从理论上分析制造业智能化发展对城乡收入差距的影响；其次，基于2003—2019 年省级面板数据，对影响机制展开计量检验。在此基础上，一方面考虑区域异质性，探讨在各地区智能化发展不均衡的情况下，制造业智能化对不同地区城乡收入差距的影响；另一方面从人力资本和市场化程度的角度出发，研究不同区域劳动力市场结构的异质性如何影响制造业智能化对城乡收入差距的冲击。最后针对不同地区如何应对智能技术引致的城乡收入不平等提出政策建议。

一、理论分析

参考程名望和张家平（2019）[8]的研究，基于CD 生产函数，假设只存在两个部门：城镇部门和农村部门，分别用u和r来表示。内生经济增长理论认为，技术进步是经济增长的内生因素（Romer,1986）[30]，据此本文将智能化技术设定为内生变量，则两部门的生产函数分别为：

式（1）（2）中，Aiu、Air分别代表城镇部门和农村部门的制造业智能技术水平，Yu和Yr分别为城镇和农村的产出。考虑到我国存在特殊的城乡二元结构，城镇部门作为现代经济发展的主要载体，对资本的依赖程度较高；而农村部门仍以传统农业经济为主，对土地的依赖程度较高。故本文以K和T分别代表城镇部门的资本存量和农村部门的土地存量，α和β分别为资本产出弹性和土地产出弹性，Lu和Lr为两部门的劳动投入。

假设城镇智能技术应用程度、农村智能技术应用程度与整体智能技术应用程度之间存在稳定的关系，设定权重λ和η，则有：Aiu=λAi，Aiu=ηAi。两部门生产数可写为：

假设两部门都追求利润最大化且规模报酬不变，在满足完全竞争的条件下，劳动者收入等于劳动的边际产品价值。对式（3）（4）求偏导，分别得到城镇部门和农村部门的劳动者收入函数：

Incomeu和Incomer分别代表城镇居民和农村居民的收入水平，以两部门居民收入的比值来表示城乡收入差距。城乡收入差距函数为：

此时，制造业智能化对城乡收入差距的影响取决于式（8）的正负，其中分母恒大于零，分子正 负 取 决 于（β-α）的 正 负 。 若β＞α， 则∂π ∂Ai＞0 ，城乡收入差距扩大；若β＜α，则∂π ∂Ai＜0 ，城乡收入差距缩小；若β=α，则∂π ∂Ai=0，城乡收入差距得最大值。穆怀中和吴鹏（2016）认为，在发展初始阶段，经济发展以第一产业为主，此时土地的产出弹性大于资本的产出弹性，即β＞α；随着经济社会再发展，第二产业和第三产业则将占据更高的比重，此时资本的产出弹性将会大于土地的产出弹性，即β＜α[13]。本文推测，随着智能化发展水平的提高，制造业智能化与城乡收入差距之间将呈“倒U型”的曲线关系。

已有研究可以帮助解释制造业智能化与城乡收入差距之间的“倒U 型”关系。Acemoglu and Restrepo（2019）指出，智能技术具有技能偏向特征，其发展过程中将同时产生高技能需求岗位的“创造效应”和低技能需求岗位的“替代效应”[28]。这两种效应的相对大小决定了智能化技术对城乡收入差距的影响。

在自动化技术发展初期，其主要应用于传统制造业的程序化、重复性任务，即使会创造新的工作，但对中低技能劳动力的“替代效应”仍占据主导（Hanson，2001）[31]。在美国，过去35 年的智能技术应用显著减少了以常规操作性工作为主的中等收入群体就业岗位总量，同时低收入和低等教育群体也面临着较高的被替代风险（Cortes et al.，2017）[32]。在影响中低技能劳动力就业的同时，智能化技术也引起该群体工资收入的变化。Lankisch et al.（2017）指出机器人的应用虽然能够增加人均产出，但却导致低技能劳动力的实际工资水平下降约20%，加剧了收入不平等[29]。张桂金和张东（2019）认为中低技术工人未从“机器换人”中获益，他们进一步研究发现，“机器换人”引发的就业替代效应导致部分中低技术工人的加班时间减少，加班工资降低，从而被迫离职[14]。

随着智能化技术持续发展，虽然在部分流水线、程序化工作上替代了人力劳动，但同时催生了很多新工作任务和就业岗位，如机器人工程师、算法开发、智能设备维护等，长期来看智能技术对就业岗位的贡献将多于破坏。Acemoglu and Restrepo（2018）认为新的劳动岗位更青睐具有相对优势的高技能劳动，而智能化技术更倾向于替代低技能劳动，因此短期内劳动岗位替代与创造可能会导致收入不平等，但长期来看，新岗位技能的普及能够在一定程度上抑制收入差距[33]。Berg et al.（2018）也指出机器人的应用会提高劳动生产率，部分岗位会出现对劳动力需求的增加，长期来看机器人的应用能够改善居民生活，提高经济发展水平[34]。

此外，我国长期存在严重的城乡二元结构，城乡劳动力技能水平存在较大差异。第六次全国人口普查结果显示，农村部门文盲人口占15 岁及以上人口比重达7.26%，显著高于城市部门比重(1.90%)。这说明农村劳动力是低技能劳动力的主要组成部分，而高技能劳动力更多存在于城镇部门。因此随着智能技术发展，城乡收入差距将呈现先上升后下降的“倒U型”趋势。考虑到现阶段我国仍处于智能化技术发展初期，本文提出命题：

现阶段而言，制造业智能化发展扩大了我国城乡居民收入差距。

二、实证研究设计

（一）基准模型设定

基于上述理论分析，本研究通过构造省级层面面板数据，检验制造业智能化发展对我国城乡收入差距的影响。建立如下基准模型：

其中，下标i代表省份或直辖市，t代表年份，Gapi,t代表城乡收入比值，Theili,t代表各省泰尔指数，Aii,t代表制造业智能化水平，Controlsi,t代表各控制变量，νt为时间效应，μi为个体效应，εi,t为随机误差项。此外，Hausman 检验结果支持采用固定效应模型，进一步F检验的结果显示P 值为0.000，说明时间效应存在，且考虑到所选样本为固定空间单位，故本研究对个体和时间实施双向固定。

（二）变量选取

1.被解释变量。被解释变量为城乡居民收入差距。参考已有研究，衡量城乡收入差距有三种方法：比值法、泰尔指数法和基尼系数法。陈斌开等（2010）[1]、刘晓光等（2015）[4]使用比值法来度量城乡收入差距，其具体测算公式为：城乡收入差距=城镇居民人均收入/农村居民人均收入，该值越大即城乡收入差距越大。还有部分研究如王少平和欧阳志刚（2008）使用泰尔指数作为度量城乡收入差距的指标，该方法考虑了城乡人口流动导致的结构变动对收入差距的影响，且对收入阶层两端的变动较为敏感，是一个动态指标[15]。基尼系数测度的是地区总体收入差距，对城乡层面收入差距的解释力度较差，故采用基尼系数法开展的研究较少。因此，本文基于静态和动态视角，分别采用城乡收入比值（Gap）和泰尔指数（Theil）两种方法来测度地区城乡收入差距。泰尔指数参考王少平和欧阳志刚（2008）[15]一文的方法，其计算公式为：

其中，j=1 表示城镇地区，j=2 表示农村地区，Ii,t表示i地区第t年的总收入，Iij,t则表示城镇居民或农村居民的总收入；同理，Pi,t表示i地区第t年的总人口，Pij,t则表示城镇人口数量或农村人口数量。

2.核心解释变量。解释变量为制造业智能化水平(Ai)。目前智能化技术的相关研究主要采用国际机器人联盟(IFR)提供的各国工业机器人应用数据（孔高文等，2020；Acemoglu&Restrepo，2017）[19][35]，但该数据主要是国家层面和行业层面的机器人数据，不涉及中国细分地区的机器人应用状况，且该数据样本期较短，可能引发样本随机性问题。此外，部分学者如蔡啸和黄旭美(2019)[16]以信息传输、计算机服务和软件业全社会资产投资额作为智能化的代理指标，该指标难以将智能化技术与传统信息技术区分开，用来度量制造业智能化水平并不合理。

鉴于本文研究的是中国省级层面的制造业智能化水平，故参考孙早和侯玉琳（2019）[17]的做法，本文基于生产应用、基础建设、竞争力和效益3 个维度，构建了制造业智能化水平测度指标，在数据可获范围内尽可能地反映智能化技术的主要内容。具体选用如下指标：光缆线路长度与省域面积的比值、高技术制造业从业人员数、信息传输、软件和信息技术服务业固定资产投资额、高技术制造业R&D 经费、软件业务收入占工业企业主营业务收入的比重、信息系统集成业务收入占工业企业主营业务收入的比重、高技术制造业新产品销售收入占工业企业主营业务收入的比重、国家专利申请授权量与R&D 人员全时当量的比值、高技术制造业利润总额、高技术制造业主营业务收入与高技术制造业从业人员数的比值、各省份的单位GDP 能源消耗情况（煤炭和电力）。将不同类型的数据统一口径后，使用熵值法来度量各省的制造业智能化水平。熵值法能够根据熵值客观赋权指标权重进行综合评价，有效克服多指标信息的无序性和人为确定的主观性。因此，本文采用熵值法综合评价2003—2019 年中国各省份的制造业智能化水平。

具体步骤如下：①对指标进行标准化处理，Rij=(rij-rmin)/(rmax-rmin)；②对指标进行熵值计算，k=1/ln(n)＞0 ； ③ 确 定 指 标 权 重 ，④综合评价

3.控制变量。为了控制影响城乡收入差距的其他因素，本文还需设定相关控制变量。参考以往研究，本文采用各省人均GDP 的对数衡量经济发展水平；采用各省金融业增加值占GDP 总量的比重衡量金融水平；采用各省进出口总额与GDP 总量的比值衡量开放程度；采用各省城镇人口数量占总人口数量的比重衡量城镇化水平；采用各省二、三产业比重之和衡量产业结构；采用各省平均受教育年限衡量教育水平；采用各省农林水事务支出占财政支出的比重衡量财政支农水平；采用各省财政支出与GDP 总量的比值衡量财政支出水平；采用各省国有固定资产投资额占全社会固定资产投资总额的比重衡量国企比重。具体变量设定如表2所示。

表1 制造业智能化测度指标体系

表2 变量设定与描述统计

（三）数据说明

受到数据可获得性的限制，本研究利用2003—2019 年省级面板数据来考察制造业智能化发展对城乡收入差距的影响。值得注意的是，国家于2014 年调整居民收入统计口径，农村地区由统计人均纯收入调整为统计人均可支配收入，故2003—2013年的被解释变量Gap表示为城镇居民可支配收入与农村居民人均纯收入的比值，2014—2019 年调整为城镇居民可支配收入与农村居民可支配收入的比值。泰尔指数的测度指标来源于《中国区域经济统计年鉴》，智能化水平测度指标来源于《中国科技统计年鉴》《中国电子信息产业统计年鉴》，各控制变量来源于《中国统计年鉴》、EPS 数据库及《新中国六十年统计资料汇编》。此外，由于西藏及港澳台地区各项数据缺失严重，故本研究样本为剔除西藏和港澳台的30 个省、直辖市、自治区，样本期为2003—2019年。

（四）主要指标分析

制造业智能化水平分布。通过汇总智能化水平测度值，本研究运用GIS技术绘制了各省区市制造业智能化水平分布图（略）。总体来看，中国的制造业智能化发展水平呈现东高西低、南高北低的基本特征，与中国经济的发展格局和趋势符合一致。具体而言，北京、上海、广东、浙江和江苏为我国智能化水平较高的地区，内蒙古、甘肃、宁夏和云南的智能化水平则相对较低。可以发现，由于当前智能化技术更多被应用于工业制造业，且我国工业机器人超过70%依赖进口（罗连发等，2019）[18]，因此样本期内我国制造业智能化发展主要集中于工业基础较强、对外贸易发达的东部沿海地区。

城乡收入差距变化趋势。图1 报告了2003—2019 年全体省份城乡收入差距平均值的变化趋势，不难发现，样本期内城乡收入比值和泰尔指数的变化基本保持一致，均为先上升后下降的“倒U 型”曲线。具体而言，2003—2006 年中国城乡收入差距均值呈现逐年扩大的态势，并于2006年开始步入“倒U 型”曲线的拐点阶段，此后在2006—2019 年的十余年内城乡收入差距均值逐年缩小。这与陈斌开等（2010）的发现基本一致，证明库兹涅茨假说在中国确实成立，即在经济发展初期，收入分配形势趋于恶化，随着经济进一步发展，收入差距得以改善[1]。

图1 2003—2019年城乡收入差距变动趋势

三、实证分析

（一）基准模型结果

表3 报告了模型（9）和模型（10）的基准回归结果，列（1）（3）为未加入控制变量的结果，列（2）（4）则为加入控制变量再次检验的结果。模型（9）的结果显示，无论是否加入控制变量，制造业智能化系数均在1%的水平上显著为正，意味着智能化的发展显著扩大了中国城乡收入差距。模型（10）被解释变量采用了泰尔指数，考虑了城乡人口结构的变化，从动态的角度检验了制造业智能化的影响，结论与模型（9）类似，列（3）（4） 中 Ai 的系数分别为0.0014 和0.0015，且仍在1%的水平上显著，说明制造业智能化与城乡收入差距呈显著的正相关关系。综上所述，在控制了地区和年份固定效应后，本研究发现制造业智能化的发展将导致中国城乡居民收入差距扩大，且无论是否考虑城乡人口流动导致的人口结构变化，该结论均稳健存在。据此本文的研究假设得到初步证实。

表3 基准回归结果

（二）稳健性检验

由基准回归结果可知，制造业智能化与城乡收入差距呈正相关关系。选取四类方法进行稳健性检验，判断前文研究结论是否可靠，结果如表4所示。

表4 四类稳健性检验结果

1.替换估计模型。在估计方法的使用上，采用最大似然估计法（MLE） 来替换原固定效应（FE），前提需假设扰动项服从正态分布。回归结果如列（1）所示，在使用了MLE进行估计后，制造业智能化的回归系数仍显著为正，与基准回归的结论保持一致。

2.替换核心解释变量。鉴于我国制造业智能化处于起步阶段，智能化水平的测度指标数据较为匮乏，相关统计和调查工作尚未完善。因此本文参考孔高文等（2020）[19]研究，构造了机器人应用密度变量（Rob），以各省平均每平方公里新增进口机器人数量的自然对数值来表示，替换原解释变量Ai 进行稳健性检验。机器人进口数据来源于中国海关的商品贸易数据库，该数据库提供了中国各省级地区对外进出口贸易的月度数据。在HS2012 编码体系中，进口机器人具体包括喷涂机器人（842489）、搬运机器人（842490）、集成电路工厂专用的自动搬运机器人（848640）、电阻焊接 机 器 人 （851521）、 电 弧 焊 接 机 器 人（851531）、激光焊接机器人（851580）和多功能工业机器人（847950），共计七大类。考虑到海南、贵州、云南、西藏、甘肃、青海、宁夏和新疆的机器人进口数据缺失严重，故本研究将剔除这8 个地区，采用余下23 个省级地区的机器人数据进行稳健性检验。此外，因中国商品贸易数据库从2012 年开始进行机器人进口数据的统计工作，故将样本期设定为2012—2019 年。结果如列（2）所示，与基准回归结论保持一致。

3.考虑滞后影响。考虑到制造业智能化对城乡收入差距的影响可能存在一定的时滞效应，因此把基准模型中的智能化水平变量分别替换为一期滞后项Ai-1和两期滞后项Ai-2，代入模型（9）进行稳健性检验。结果如列（3）（4）所示，制造业智能化与城乡收入差距的关系得到进一步证实。

4.控制失业因素。除了考虑一些地区经济特征，基准回归中还可能遗漏了一个重要变量，即地区失业情况。蔡武和程小军（2012）指出，城乡差距加剧了城镇失业，城镇失业又扩大了城乡差距，两者存在恶性循环[20]。具体而言，城乡之间的收入差别诱导大量农村劳动力进入城市，恶化了城市失业，城乡差距因此持续拉大，而农民相对过低的收入导致城乡消费断层增大，农业无法对城镇经济形成拉动，内需不足，创造就业岗位少，城镇失业循环上升[20]。考虑到城乡收入差距的变化可能是由劳动力失业所导致，而不是智能化发展的作用，故本文在控制变量中加入地区失业率，重新进行检验。检验结果如列（5）所示，在控制了地区失业的影响后，制造业智能化的回归系数仍显著为正，表明前文结论不受失业因素的干扰。

（三）内生性处理

本文的基准回归结果说明，制造业智能化的发展显著扩大了城乡收入差距，但该结论亦可能存在内生性问题：一方面，技术进步虽是影响收入分配的重要因素，但智能化技术的发展与城乡收入差距之间可能存在双向因果关系，造成回归结果的有偏和不一致。另一方面，误差项中可能存在对城乡收入差距有重要影响作用的遗漏变量，比如外商直接投资（FDI）：由于外商直接投资在区域分布、产业分布、对劳动力选择方面均具有非均衡的特征，故造成我国城乡收入差距的扩大（彭文慧，2013）[7]。

对于双向因果和遗漏变量等内生性问题，本研究构建了工具变量，采用广义矩估计方法（GMM）来处理内生性问题。具体而言，以地方政府科技补贴（Sci）作为制造业智能化的工具变量。从相关性的角度看，中国政府在扶持新一代信息技术产业发展过程中制定了一揽子扶持计划，同时对新一代信息技术产业的基础设施建设、关键装备研发和产品产业化提供必要的资金补贴，这些补贴措施不仅为新一代信息产业的发展提供了前期硬件条件和资金准备，而且增强了信息产业加大研发投入、提高自主创新能力的动力与信心；地方政府采取科技补贴的激励措施可以有效解决战略性新兴产业的融资难题，培育和扩大产业相关市场，加快产业发展速度（张宗益和陈龙，2013）[21]。从外生性的角度看，政府科技补贴的主要目的在于促进高新技术产业研发创新，对城乡居民收入差距并无直接影响。据此，本文认为以地方政府科技补贴作为工具变量基本满足内生性和外生性的要求。

参考周克清等（2011）[22]研究，本文将地方政府科技补贴（Sci）定义为政府预算内科学技术支出占财政支出的比重，考虑到地方政府科技补贴可能需要一定时间才能对智能化产业发展产生作用，本文对地方政府科技补贴作滞后一期处理。此外，本文之所以采用广义矩估计方法（GMM）检验内生性，原因在于扰动项很可能存在自相关或异方差问题，则广义矩估计（GMM）比二阶段最小二乘法（2SLS）更有效。表5为工具变量回归结果，弱工具变量检验显示，第一阶段F统计量为50.00，大于边界值16.38，即从统计角度不存在弱工具变量的问题，说明工具变量的选择是合理的。列（1）为第一阶段回归结果，地方政府科技补贴的系数在1%的水平显著为正，即地方政府科技补贴显著提升了制造业智能发展水平。列（2）为将城乡居民收入比值作为被解释变量的第二阶段回归结果，制造业智能化对城乡收入差距的回归系数在1%的水平上显著为正，表明制造业的智能化发展显著扩大了我国的城乡收入差距。列（3）为将泰尔指数作为被解释变量的第二阶段回归结果，制造业智能化回归系数仍显著为正。可以发现，工具变量的检验结果与基准回归结论保持一致，本文研究结论未受内生性问题影响。

表5 内生性处理结果

（四）异质性分析

中国地域辽阔，资源禀赋分布差异巨大，各地区的经济基础、产业结构等不尽相同。地区间的发展不平衡导致了智能化产业在不同区域的发展水平和应用程度截然不同，因此本文将考察制造业智能化对不同地区城乡收入差距的影响。此外，国家偏向性政策和渐进式改革方式导致人力资本和市场化程度在空间上存在重大差异，而这种差异性会影响各地区智能化发展时企业的劳动力调整决策。因此本文从人力资本水平和市场化程度的角度出发，探索不同地区劳动力市场结构的差异性对制造业智能化与城乡收入差距的关系有何影响，从而本文能够更精确地分析制造业的智能化发展对城乡收入差距带来的影响，提出更有针对性的措施建议。

1.地区异质性分析。本文根据区域经济发展水平，将样本省份划分为东部、中部、西部与东北地区①，将制造业智能化与各地区的交互项作为解释变量，代入模型（9）中进行回归。表6 报告了回归结果：在东部和东北地区，制造业智能化系数显著为正，表明制造业智能技术发展扩大了当地城乡收入差距；中部地区的制造业智能化系数仍为正，但该影响不显著；而在西部地区，制造业智能化显著抑制了当地的城乡收入差距增加。

表6 不同地区的回归结果

改革开放以来，东部、中部和东北地区凭借良好的区位优势，利用港澳台和发达国家产业转移的机会，承接了大量以劳动密集型产业为主的加工工业，吸纳了大量低技能劳动力就业。在这样的背景下，随着智能化、自动化技术的快速发展，其引发的“替代效应”和“创造效应”在东部、中部和东北地区更强烈。一方面，东部、中部和东北地区较高的智能发展水平对低技能劳动力就业的冲击更大，导致其实际工资水平下降更明显（Lankisch et al.，2017）[29]；另一方面，较高的智能化发展水平创造出更多的高技能劳动力就业岗位。考虑到农村劳动力是低技能劳动力的主要组成部分，而高技能劳动力更多存在于城镇部门，故制造业智能技术发展扩大了东部、中部和东北地区的城乡收入差距。而西部地区以传统农业经济为主，智能技术的岗位替代效应有限，相对而言生产率效应更为突出。智能化技术应用促进了农业生产率的提高（Graetz and Michaels，2018），从而推动农村劳动力转移，使农村居民实现收入增长，缩小城乡收入差距[36]。因此制造业的智能化发展抑制了西部地区的城乡收入差距增加。

2.劳动力市场结构的异质性分析。本文使用劳动力学历来度量各地区的人力资本水平。具体而言，本文将大学专科、大学本科及研究生文化程度的就业人员定义为高学历就业人员，根据《国家统计年鉴》提供的各地区就业人员中不同文化程度就业人员占比，计算各地区高学历就业人员在就业人员总体中的占比。然后，按照各地区高学历就业人员占比，将样本平均分为两组，分别设定人力资本高、低虚拟变量。在此基础上将制造业智能化与人力资本的交互项作为解释变量，重复模型（9），回归结果见表7 的列（1）、列（2）。此外，根据Fan et al.（2019）[37]测算得出的中国各省区市市场化指数，按照市场化程度高低将研究样本平均分为两组，分别设定市场化程度高、低虚拟变量，然后将制造业智能化与市场化程度的交互项作为解释变量，重复模型（9），回归结果见表7的列（3）、列（4）。

表7报告了回归结果：在高学历劳动力占比较高和市场化程度较高的地区，制造业智能化系数显著为正，说明制造业的智能化发展扩大了当地的城乡收入差距；而在高学历劳动力占比较低和市场化程度较低的地区，制造业智能化系数显著为负，表明制造业的智能化发展抑制了当地的城乡收入差距。这一结果说明劳动力市场结构会显著影响制造业智能化对当地城乡收入差距的冲击，主要集中于人力资本水平较高、市场化程度较高的地区。

表7 不同劳动力市场结构的回归结果

智能制造作为知识密集型行业，其发展竞争核心是人才的竞争，人才分布情况与产业发展程度高度相关。通常在人力资本较高的地区，智能化应用程度更高、产业链更完善，如北京以中关村科学城为核心，聚集了寒武纪、字节跳动、旷视科技等优质人工智能企业。而更高程度的智能化、自动化技术应用也引发了更强的“替代效应”，更多的低技能劳动力被替代，同时创造了更多的高技能岗位需求，导致就业结构两极化严重，进而加剧收入不平等。在市场化程度较低的区域，地方政府对企业事务的干预较多，为了实现稳就业、保增长等政治目标，政府往往会通过财政补助、减轻税负等优惠政策来影响企业劳动力决策，这一干预会导致企业丧失调整劳动力结构的自主权，使得企业无法按照最优配置调整劳动力结构（孔高文等，2019）[19]。因此在市场化程度较高的地区，制造业智能化对当地就业结构影响更大，进而造成当地城乡收入差距扩大。

四、影响机制检验

实际上，智能化技术引发的城乡收入不平等问题，根植于技术进步对就业结构的冲击。一方面，“机器换人”导致从事低认知、重复性工作的劳动力被自动化机器替代，如翻译、导购、电话客服等，其中一部分劳动力会向低端服务业分流，另一部分会通过培训向高技能劳动者转型；另一方面，大数据、机器学习等智能技术的发展能够创造新的工作岗位，增加高技能劳动岗位需求。因此，随着智能化技术普及应用，市场上增加了低技能劳动力和高技能劳动力的就业数量，但降低了对中等技能劳动力的需求（孙早和侯玉琳，2019），引发就业结构“两极化”现象[17]。考虑到农村劳动力是低技能劳动力的主要组成部分，而高技能劳动力更多存在于城镇部门，因此制造业智能化引发的就业结构极化现象，将间接造成城乡居民收入差距扩大。为验证这一可能的影响机制，分别以高技能劳动力就业（Hlab）和低技能劳动力就业（Llab）为中介变量，检验制造业的智能化发展影响城乡收入差距的中介效应。借鉴孙早和侯玉琳（2019）[17]的研究，本文将研究生、大学本科、大学专科学历就业人员定义为高技能劳动力，小学学历及以下就业人员定义为低技能劳动力。

表8汇报了回归结果：在制造业的智能化发展导致城乡收入差距扩大的过程中，劳动力就业起到部分中介的效应。列（1）为基准回归结果，制造业智能化对城乡收入差距的回归系数显著为正，说明直接效应存在，可以进一步检验中介效应。列（2）（3）结果显示，制造业智能化和高技能劳动力就业的系数均正向显著，但对该作用效应进行Sobel 检验时，得到Z 值=0.8835，拒绝存在中介效应的原假设，说明高技能劳动力就业不是制造业智能化影响城乡收入差距的中介变量。究其原因，可能是我国智能化技术发展起步较晚，机器人等智能设备很大程度依赖进口且国内市场规模相对较小（罗连发等，2019）[18]，导致高技能技术部门创造的新岗位需求有限，因此高技能劳动力就业不是制造业智能化导致城乡收入差距扩大的间接原因。再看低技能劳动力就业中介效应的检验。列（4）中制造业智能化对低技能劳动力就业有显著正向影响，列（5）中低技能劳动力就业也显著扩大了城乡收入差距。Sobel检验中Z值=2.96，大于边界值0.97，通过了Sobel 检验，说明制造业智能化影响城乡收入差距的过程中，低技能劳动力就业确实起到了部分中介效应。

表8 制造业智能化影响城乡收入差距的中介效应检验

五、结论与建议

在我国全面建成小康社会、扎实推进乡村振兴战略的背景下，缩小城乡居民收入差距、实现共同富裕是未来一段时期内的国家发展目标。与此同时，智能化、自动化技术高速发展，给我国的经济生产方式带来深刻改变。本文基于2003—2019 年中国省级面板数据，实证考察了制造业的智能化发展对我国城乡收入差距的影响，并进行了机制检验。主要结论有四点：第一，从全国范围看，制造业的智能化发展显著扩大了我国城乡收入差距，该结论在进行多项稳健性检验后仍然可靠。第二，从地区差异性看，在东部、中部和东北地区，制造业的智能化发展导致城乡收入差距扩大；而在西部地区，制造业智能化对城乡收入差距具有抑制作用。第三，从劳动力市场结构差异性看，制造业智能化导致的城乡收入差距扩大现象在人力资本水平较高、市场化程度较高的地区尤为明显。第四，中介效应检验发现，智能化技术应用引发劳动力就业极化，从而导致城乡收入不平等，且现阶段智能技术对劳动力以“替代效应”为主，而“创造效应”并不明显。

基于上述研究结论，本文提出如下三点政策建议：第一，制造业智能化导致城乡收入差距扩大的影响机制在于其引发了劳动力就业两极化，尤其是增加了低技能劳动力就业，而农村是低技能劳动力的主要载体。因此政府应大力振兴乡村教育，加大农村教育软硬件建设投入，完善农村教师人才队伍培育和激励制度，引导城市优质教育资源向农村区域布局，促进城乡教育一体化发展。第二，考虑到在不同地区，制造业智能化对城乡收入差距的影响存在一定差异，各地政府应推行因地制宜、差异化的地方发展战略。在东部、中部和东北地区抑或人力资本水平较高、市场化程度较高的地区，一方面政府可以出台农村就业保障相关政策、制定失业补贴、完善劳动力保护制度，根据智能化产业发展需求展开下岗失业人员再就业培训，提升劳动技能水平；另一方面政府可以适当干预企业经营事务和劳动力决策，避免过度自动化可能引发的大规模替代人工和收入不平等问题；在西部地区抑或人力资本水平较低、市场化程度较低的地区，政府可以加快智能产业发展布局，赋能传统产业转型升级。第三，现阶段制造业的智能化发展对高技能劳动力就业的拉动作用并不明显。据工信部统计，我国人工智能产业人才供需比为1∶10，预计2030年人工智能技术人才缺口将超过500万。为此，政府应加紧出台人工智能高端人才培养和引进政策，深化人才体制机制改革，鼓励青年人才创新创业；企业应立足于智能工程应用型人才的培养，打造产学研用一体化的产业人才生态培育系统，加快智能化领域科技成果的转化应用；高校应加强人工智能相关专业学科建设，设立产教融合创新平台，促进人工智能基础理论研究，培育一批能打破关键核心技术瓶颈的优秀人才和高水平团队。