人工智能对台湾地区劳动力市场影响效应研究

李 月 孟 璐

一、引 言

人工智能（Artificial Intelligence，简称AI）概念的提出最早可追溯到20世纪50年代。2010年以来，随着大数据应用、机器学习等科学技术的重大发展与突破，人工智能逐渐成为产业变革的核心驱动力。据测算，人工智能可以使全球国内生产总值增加14%，其中86%的行业部门将在AI技术的带动下产生重大影响（Delsole，2018），给社会的生产和运营方式带来了巨大的变化。2016年，世界经济论坛将其作为“第四次工业革命”的核心之一①。为此，2016年起将人工智能视为突破性技术创新的国家与地区与日俱增②，许多经济体纷纷筹划AI战略发展框架，积极加速数字转型提升数字竞争力（陆鸿伟，2020）。

台湾地区在半导体、信息通信技术和制造业方面处于世界领先地位，奠定了人工智能良好的发展基础。近年来，台湾当局积极推动人工智能的发展，制定了多项促进人工智能发展政策。例如，台湾地区行政和科技管理机构分别发布了《4 年人工智能行动计划（2018—2021 年）》《5 年人工智能战略（2017—2021 年）》，两项计划预算合计高达540亿元新台币。这些人工智能发展政策内容涉及广泛，涵盖鼓励人工智能初创企业、吸引跨国公司、培养人工智能人才等重要议题。从整体效果看，2020年台湾地区的工业机器人安装量位居世界第七位，如图1所示。从人工智能的产业分布③看，2005—2019年，台湾地区工业机器人的应用主要集中于农林牧渔业、采矿业、制造业、电力热力燃气及水生产和供应业、建筑业、教育等行业，其中制造业的工业机器人每年以较快的速度持续上升，且占比最高。因此，工业机器人的应用对台湾地区劳动力市场的影响研究一般聚焦于制造业。

图1 2020年15大经济体工业机器人的年安装量

随着人工智能应用的日益广泛，关于“机器是否会取代劳动力”的探讨也日益增多。主流研究成果表明，人工智能对劳动力市场就业与工资的影响存在多种效应，包括：替代效应，认为人工智能会取代一部分劳动力进而降低工资水平（Autor等,2003;Acemoglu和Restrepo,2018;王永钦和董雯，2020;李磊等，2021）；创造效应，认为人工智能虽然取代了一部分的劳动岗位，但同时也会产生丰富的新的岗位（Mokyr 等,2015;Akerman 等,2015;Gaggl 和Wright,2017）；生产力效应④，认为人工智能的运用会带动生产力的提升，进而在收入效应的影响下企业会增资扩产，进而提高劳动力需求与工资水平（王永钦和董雯，2020；陈楠等，2021）；补充效应，认为人工智能并不是对劳动力的替代，更多地是对劳动力的一种补充（陈怡如和王宣智,2020）。这些效应并非孤立存在，更多学者认为其同时存在且相互制衡。

对于台湾地区而言，人工智能发展日新月异，是否会对劳动力就业和工资收入产生影响；相较于其他经济体人工智能与劳动力市场的关系是否呈现其他新特征均是值得研究的重要问题。本文将着重探讨人工智能在台湾地区的应用对劳动力市场产生的效应，以期通过实证研究对此问题给出相对科学严谨的判断，并尝试探索人工智能应用方面的台湾地区经验。

与以往研究相比，本文的边际贡献体现在以下三个方面：第一，现有文献关于人工智能对劳动力市场影响效应的研究多集中于西方发达经济体，例如美国、加拿大、欧洲等这些国家智能化发展较早，引发了当地社会对“机器替代人”的普遍担忧，因此备受学界与政府的关注。然而，虽然东亚“四小龙”同属发达经济体，但是其发展模式属于后发赶超模式，与西方先进国家的资源禀赋与发展路径都不同，“机器换人”的问题尚未受到广泛关注。然而，我们必须认识到，台湾地区作为东亚发展模式的典型代表，人工智能对其劳动力市场的影响或与西方世界不同，值得我们研究与借鉴。第二，从台湾地区制造业不同细分行业入手，实证研究台湾地区制造业人工智能的应用对其就业与工资的影响，研判替代效应与创造效应的主导性问题，比较台湾地区与欧美经济体的差异。在此基础上，按照研发支出水平将台湾地区产业划分为高技术产业与低技术产业，探究不同技术水平下台湾地区制造业人工智能的应用对劳动力市场影响的异质性。第三，结合台湾地区的实际情况寻找工具变量，运用两阶段最小二乘法对模型进行回归，并对工具变量进行检验，其满足相关性、外生性和有效性条件，保证了实证结论的稳健性。

本文余下的安排：第二部分为文献综述；第三部分为人工智能对劳动力市场影响的理论分析；第四部分实证分析工业机器人在台湾地区的应用对劳动力市场产生的效应，并进行稳健性与内生性检验；第五部分进一步探讨对于台湾地区不同技术水平的行业，人工智能的应用对其就业与工资的异质性；第六部分为结论与政策启示。

二、文献综述

（一）人工智能对劳动力市场就业与工资影响的相关研究

在理论的支撑下，大量学者展开了实证研究，发现对于不同的经济体、不同的发展阶段的样本都会得到差异化的结论。其中一部分研究得到了较为乐观的结论，认为创造效应、生产力效应或者补充效应将发挥主导性作用。例如，麦肯锡评估发现，2016—2030 年全球劳动市场约有4 亿至8 亿个工作被自动化取代，但也创造5.6 亿至8.9 亿个新的工作机会；美国以及欧洲的研究都表明机器人应用会对其岗位数量产生正向影响（Gregory 等， 2016）。中国的案例也有一部分结果支持这种结论（李磊等，2021；王晓娟等,2022）。此外，部分学者得到了机器人的引进对劳动力工资产生正向影响的结论。Acemoglu 和Restrepo（2018a）研究发现工业机器人引进会催生出大量丰富的新岗位，因此需要更多的劳动力，进一步带动岗位工资的提高；工业机器人的引进会在一定程度上提高国内高技术劳动者的比例，进而提高劳动者工资（杨晓锋，2018）。

与此相对，也有学者得到了相对悲观的结论，认为替代效应将发挥主导性作用，进而会对经济体的就业产生不利影响。全球范围内，麦肯锡（2017）、世界经济论坛（2018）均得到了人工智能会对劳动力发挥替代作用的结论，样本不同、年份不同，替代效应的结果有所差别。同样是美国1990—2007年的案例发现，制造业每使用一台工业机器人，会导致就业人口下降0.18%～0.34%，并且其他工人的工资也会随之下降（Acemoglu 和Restrepo，2017）；中国的案例也有部分研究支持该结论（王永钦与董雯,2020；闫雪凌等，2020），并认为短期内替代效应更大（王晓娟等,2022）；德国1994—2014年72个产业的案例发现，工业机器人应用对制造业岗位数量产生显著的负面影响，即每增加1 台工业机器人平均减少2 个制造业的就业岗位（Dauth 等，2018）。此外，一些学者认为工业机器人应用对劳动力工资产生了抑制作用。也有部分学者指出工业机器人应用并不会对劳动力的就业数量和工资产生明显效应（王永钦和董雯，2020）。

此外，机器人应用对不同技能的劳动力会产生不同的影响，中、低技能劳动力更容易被工业机器人所替代（Graetz 和Michaels，2018；魏下海等，2018）；而主要从事非常规的、工作任务难以自动化的高技能工人则不易被取代（李磊等，2021）；OECD 于2018 年在G20 部长会议的报告中提及，自动化目前虽尚未造成大量失业，但却产生劳动力在不同职业、部门及区域间重新配置的现象，此等新兴科技所造成的改变使得劳动市场需求板块移向需要更多认知技能的工作，而目前许多劳动力并未具备此种技能。

（二）台湾地区人工智能与劳动力市场的相关研究

人工智能在台湾地区发展迅速，也是台湾当局当前和未来的重点发展领域。探索人工智能应用对劳动力市场的影响效应对于台湾地区未来的经济增长十分重要。然而，在国际上台湾地区的相关研究相对匮乏，大陆目前对此研究尚属空白。台湾地区部分学者与相关机构进行了有关研究，其结论存在一定的分歧：部分研究得到了替代效应的结论，如陈剑虹（2019）表示，自动化与智慧化技术产生劳动替代效果，并带来结构性失业与所得分配不均等问题；台湾地区劳动事务主管部门于2018 年分别委托“中华经济研究院”与信息工业策进会的研究显示，尽管目前产业在导入新科技方面仍处于摸索及观望阶段（如金融服务业），但已对具有重复性、事务性的工作产生冲击。部分研究则支持补充效应，陈怡如与王宣智（2020）实证研究了2004—2017年台湾地区制造业工业机器人的运用对劳动力市场产生的效应，发现工业机器人导入和劳动雇用呈现正向互补关系，即工业机器人并非取代人力，而是弥补人力的短缺。近年来该互补关系呈下滑态势，但尚未转变为替代关系。类似对其他经济体的研究，台湾地区的研究也支持劳动力市场两极化的结论，如林晓婵（2018）研究发现，新兴科技将造成劳动力的重新配置，除提高劳动市场的弹性外，也促使未来劳动需求呈现两极化发展，即高技术工作工资愈发提高，而低技术工作工资则愈发下降，导致收入差距进一步扩大。

三、实证模型的构建与数据

（一）模型设定

本文着重探讨工业机器人应用对台湾地区制造业劳动力市场的影响效应，从行业层面来分析工业机器人保有量的变化与台湾地区劳动力就业数量和工资的关系⑤。对此，构建基准回归模型如下：

其中，i、t分别表示不同行业和年份。上述模型中，被解释变量分别为lnemployeeit代表行业i在t年的就业人数；lnwageit代表行业i在t年的工资水平。核心解释变量为lnrobotit用于衡量台湾地区行业i在t年的人工智能应用情况，变量Xit包含一系列影响劳动力市场就业与工资的控制变量集合，其中包括制造业行业规模（lnscale）、固定资产投资（lnfixassets）、台商投资大陆（lntdi）和研发投入（lnrd）。

上述基准模型中，μ代表行业固定效应，由于制造业不同细分行业在研发投入、技术水平等方面存在很大的差异，这将对各行业的劳动力需求产生较大的影响，加入行业固定效应可以吸收行业层面所有不随时间变化因素的影响，在一定程度上解决由于行业本身的特性所引发的遗漏变量问题；γ代表年份固定效应，由于台湾地区工业机器人的应用在样本期内得到了较大的发展，其面临的外部环境也发生了显著变化，加入年份固定效应可以吸收样本期内的宏观冲击；ε是随机误差项。所有变量均取对数，以消除可能存在的异方差。由于样本中存在robot为0的情况，即解释变量机器人保有量的对数用ln(robot+ 1)来表示。

为进一步验证台湾地区工业机器人就业效应的行业异质性，本文将台湾地区制造业的细分行业划分为高、低两类技术行业，分别研究台湾地区工业机器人应用对这两类技术行业的就业以及工资影响。

（二）数据来源与指标选取

本文主要使用两套数据匹配后进行实证研究。首先，从台湾地区“主计总处”获取的数据，包括2005—2019年台湾地区27个制造业二位码行业就业等相关数据；其次，IFR的全球工业机器人数据库，包括14个制造业分行业⑥。本文先将两部分数据进行匹配后再进行实证回归。

1.被解释变量：借鉴闫雪凌等（2020）的做法，其中就业数量（lnemployee）用行业年末受雇员工人数来表示，工资水平（lnwage）为行业年末平均工资。两类数据均来自台湾地区“主计总处”。

2.核心解释变量：本文的核心解释变量是台湾地区人工智能的应用情况，选用工业机器人保有量（lnrobot）作为代理变量，数据来源于IFR 数据库。虽然IFR 数据库从1993年开始对台湾工业机器人总量进行统计，但从2005年开始才有比较全的细分行业数据记录。因此，本文使用2005—2019年台湾地区工业机器人制造业保有量数据分析工业机器人应用对制造业就业产生的影响。

3.控制变量：参照以往文献（闫雪凌等，2020）的做法，本文控制变量包括：（1）行业规模（lnscale），用各制造业的工业总产值来衡量。通常来说行业生产规模越大，对于劳动力的相对需求就会越大。（2）固定资产投资（lnfixassets），资本的积累会在一定程度上影响劳动力就业人数和工资水平，固定资产投资深化一般意味着更高的劳动生产率，会对就业产生显著的替代效应（宋锦和李曦晨，2019）。（3）台商投资大陆（lntdi），首先，台商投资大陆会促进台湾地区将其原材料等源源不断地出口，使其提高了对台湾地区的劳动力需求；其次，台商对大陆投资以及大陆产品销售到台湾地区则会在一定程度上使台湾地区的生产规模缩小，减少对劳动力的需求（范芹和武力超，2014）。（4）研发投入（lnrd），用制造业各细分行业的研发支出来衡量。为了量纲的统一，将所有的变量都进行对数化处理。此外，参照闫雪凌等（2020）的做法，在式（1）研究工业机器人对台湾地区就业数量产生的影响时，控制了行业的工资水平（lnwage）；同理，在式（2）中控制了相应的就业数量（lnemployee）。本文所有的变量指标含义如表1所示。

表1 变量指标含义

四、实证结果分析

（一）基准结果

表2 显示了2005—2019 年台湾地区工业机器人应用对其制造业劳动力市场影响的基准回归结果。其中，第（1）～（2）列估计了工业机器人应用对台湾地区制造业劳动力就业数量的影响。第（1）列为仅控制行业固定效应的回归结果；第（2）列报告的是同时控制行业固定效应和年份固定效应后的回归结果，发现台湾地区工业机器人保有量在样本期2005—2019年内每上升1%，制造业就业数量上升1.58%。这意味着在样本期间内，台湾地区人工智能对劳动力就业发挥了正效应，即替代效应小于创造效应，反映出人工智能的运用与普及对台湾地区制造业劳动力就业数量产生了显著的促进作用。前人关于加拿大就业市场、美国制造业劳动力市场（Bessen，2019），以及欧洲27国10年调查数据（Gregory 等，2016）的研究也得到了类似的结论。笔者认为，这在一定程度意味着，对于2005—2019年台湾制造业就业而言，由人工智能引入创造出的就业人数大于由此被替代的就业人数。通常，人工智能的创造主要来自三个途径：一是生产力提升途径，即AI技术促进了生产力的提升，进而降低了生产成本，增加了经济需求，促进企业生产而刺激就业的良性循环。二是收入效应途径。AI技术推动收入提升，进而增加民间消费与企业投资需求，带来就业市场繁荣。三是孕育新产业途径。AI的发展一方面可以促进产业供应链的延长，另一方面也有助于孕育出新产业，这些都将增加对劳动力的需求。在上述三种途径的带动下，台湾地区的就业创造效应显现出主导作用。

表2 基准模型回归结果

通过第（3）～（4）列可以看出，台湾地区工业机器人的应用对制造业工资水平的影响效应不显著。这与王永钦和董雯（2020）对中国大陆相关问题的结论相一致。事实上，关于人工智能对工资的影响，最主流的结论是AI 的运用造成了低薪现象的产生，以及薪资两极化与收入差距的加大（林晓婵，2018）。因此，我们推断这里的不显著与我们选取的总体样本有关，即需要进一步细化样本才能得到对不同层次人群工资影响的显著结论，在下文的异质性分析中将进一步讨论。

控制变量方面，对于制造业劳动力就业数量而言，行业规模越大，其可以提供的劳动力就业岗位数量就越多，也更容易吸引更多的劳动力进入；在样本期内台商投资的回归系数在5%的水平上显著为正，即台商投资大陆会显著促进台湾地区制造业劳动力就业；此外，研发投入也对制造业的劳动力就业数量有促进效应；对于工资水平而言，在同时控制了行业固定效应和年份固定效应时，行业规模、研发支出对劳动力工资的回归系数分别在1%和10%的水平上显著为正，说明在其他条件不变的情况下行业规模越大、研发支出越多，将促进制造业劳动力的平均工资水平上升。

续表

（二） 稳健性检验

基准回归结果表明，工业机器人应用对制造业就业数量具有显著的促进效应。但是，台湾地区的劳动力就业会对工业机器人应用产生一定的滞后反应。因此，需要同时考虑到工业机器人应用对劳动力市场影响的时滞性。为了对研究结果进行稳健性检验，本文把被解释变量由基准回归中的当期数据替换为下一期数据，结果见下表3。在下表中发现回归结果仍然稳健，其中工业机器人的应用对台湾地区就业岗位的创造效应程度进一步增强。

表3 稳健性回归结果

（三）内生性检验

由于工业机器人应用会影响台湾地区的劳动力就业人数和工资水平，同时劳动力市场的就业人数变动也会反过来对工业机器人的应用产生影响，即制造业就业与工业机器人应用之间存在双向因果关系，因此，本文可能存在内生性问题。为了避免模型出现较大的偏误，本文采用工具变量法进行内生性检验。

参考王智波和李长洪（2015）的研究，本文选取解释变量工业机器人保有量的滞后一期作为工具变量运用两阶段最小二乘法对模型进行回归，回归结果见表4。此外，对本文所选取的工具变量进行了检验，满足相关性、外生性以及有效性条件。

表4 工业机器人对制造业就业人数以及工资水平的IV-2sls 回归结果

从表4 内生性检验的回归结果中可以看出，工业机器人应用对台湾地区制造业就业的影响仍然存在，在同时控制了行业固定效应和年份固定效应后，核心解释变量工业机器人保有量的回归系数与基准模型中的正负号一致，但在1%的水平上显著，此结果相较于基准回归系数有所上升，而对于工资的影响同样在控制了行业固定效应和时间固定效应后不显著。因此，在考虑了内生性问题后，并不影响本文基准回归中的结论，结果依然保持稳健，即工业机器人的应用对就业总量仍然具有显著的正向影响。

五、人工智能对劳动力市场影响的行业异质性分析

基准回归显示，人工智能的应用对台湾地区劳动力市场就业具有正向促进作用，而对工资的影响则不显著。那么，对于不同技术水平的产业来说，上述效应在台湾地区是否一致呢？对此，本节将进一步在基准回归的基础上进行异质性分析。

（一）人工智能对台湾地区就业影响的异质性分析

对于行业技术水平的分类，以往文献并未得到一致的划分标准，有些根据信息数据进行划分，有些则是根据各个行业劳动者的受教育水平进行划分。由于缺少台湾地区从业者受教育水平的微观数据，本文参照闫雪凌等（2020）的做法，使用研发支出多少作为划分行业技术高低的衡量标准，将制造业的所有行业按照研发支出是否高于其中位数划分为高、低技术行业，实证结果如下表所示。

表5 表明，对于劳动力就业数量，工业机器人的应用对高技术行业的就业具有显著正向作用。其中，第（4）列表明在高技术行业中，同时控制行业固定效应和年份固定效应后，工业机器人保有量系数为0.0115，且在5%的水平上显著为正，即工业机器人保有量每上升1%，就业数量将上升1.15%；而在低技术行业中同时控制了行业固定效应和年份固定效应后工业机器人应用对就业人数的影响并不显著。本文结论与Acemoglu和Autor（2010）对高技术行业的相关研究结论类似，但对低技术行业的就业影响不显著。这可能是由于台湾地区高技术行业的劳动力从事的是非常规、比较复杂的工作，不容易被工业机器人替代，因此工业机器人会对高技术行业的就业数量起促进作用。而高技术行业人数的增加进一步促进低技术行业劳动力人数的增加需要一定的时间及过程才能产生，这可能是工业机器人应用对台湾地区低技术行业影响不显著的原因。

表5 工业机器人影响不同技术行业就业数量的回归结果

（二）人工智能对台湾地区工资影响的异质性分析

对于制造业的工资水平来说，从表5 中可以看出，工业机器人应用对低等技术行业的工资有非常显著的负向作用，即使在同时控制了行业固定效应和年份固定效应后，在低等技术行业中工业机器人保有量对工资水平的系数在5%的水平上显著为负。在高技术行业中，在同时控制行业固定效应和年份固定效应后，工业机器人应用对制造业工资的影响在10%的水平上显著为正。从台湾地区的实证结果可以看出，工业机器人应用会显著减少低等技术行业的工资，这与Acemoglu 和Autor（2010）、Berget等（2010）对低技术行业的相关研究结论类似，而对高技术行业的工资促进作用不是很明显，可能是由于高技术行业劳动者的溢价能力有待进一步提高。

六、结论与政策启示

基于台湾地区2005—2019年14个制造业分行业的面板数据，运用双向固定效应模型，研究了台湾地区工业机器人的应用对劳动力就业数量和工资水平的影响，在此基础上进行内生性检验，并进一步对工业机器人的就业效应进行行业异质性分析。结果发现，工业机器人应用对2005—2019年内台湾地区制造业的就业数量产生了显著的促进作用，而对工资水平的影响不显著。同时，针对模型可能存在的内生性问题，采用滞后一期制造业工业机器人保有量作为工具变量进行回归，结果仍然稳健。此外，工业机器人应用会对高技术行业产生更强的就业创造效应，这说明工业机器人应用需要大量高技能水平劳动力与之匹配，而在低技术行业中台湾地区工业机器人应用对工资水平的抑制作用则更显著。研究结论对于两岸人工智能领域合作具有如下政策意涵：

第一，当前阶段台湾地区人工智能领域在岛内的布局应侧重于高技术产业，中低技术产业的相关产能应在大陆寻找更大的市场。虽然整体性实证结果发现台湾地区工业机器人应用引发的创造效应超过了替代效应，表明台湾地区正处于一个人工智能应用红利期。然而，我们也必须注意到低技术水平产业中替代效应的主导性作用。因此，对于这部分产能应积极加强两岸合作，将其部分产能转移至大陆。前人研究发现，在大陆资本密集型产业引进机器人会促进就业，而在部分劳动密集型产业引入机器人会带来就业人员的减少，因此两岸人工智能产业合作的细分技术选择也需要适合大陆市场。

第二，积极推动台湾地区人工智能相关企业融入大陆内循环，助力大陆企业智能化升级。大陆市场广阔且技术层级差异性大，不同的人工智能应用都能找到相应的市场定位，特别是针对台湾地区就业产生抑制性作用的人工智能应用部分，如果在大陆市场找到恰当的融入点便可以延长应用的生命周期，为大陆相关企业实现智能化升级。此外，还可以从三方面寻求更深入的合作：首先，推动两岸人工智能在基础设施领域的互补发展；其次，完善两岸人工智能研发创新合作机制，积极消除制约人工智能合作的体制机制障碍，共同孵化更多的两岸人工智能应用创新项目；最后，深化两岸人工智能教育合作与人才融合，促进两岸人工智能高端创新人才集聚产生规模效应，发挥两岸高等院校协同创新作用。

第三，借助大陆“一带一路”倡议与RCEP 协定，两岸人工智能企业携手共同走出去。西方发达国家的经验表明，随着人工智能应用的不断深入，替代效应大于创造效应的阶段将不断逼近。为延长两岸相关领域的生命力，借助大陆发展战略带动相关产能走出去是两岸人工智能合作不可或缺的重要方面。其可沿两条路径推进：一是“一带一路”方向。将人工智能赋能到“一带一路”建设中，两岸携手打造数字丝绸之路和“一带一路”数字枢纽站，实现信息、资源、资金、物流、人才等多种要素汇合，推动各产业生产与技术的智能化改造，带动更多的经济体走上数字经济发展道路。二是借助RCEP协议，特别是其中的原产地累积规则，改善人工智能领域台商对外投资条件，形成以大陆市场为依托、辐射RCEP 区域的两岸人工智能供应链，打造两岸人工智能合作新格局。

注释：

①WEF 创始人Klaus Schwab 发表的《The Fourth Industrial Revolution》，其中将人工智能、机器人技术、物联网、自动驾驶汽车、3D打印、区块链、生物技术等新科技统称为第四次工业革命。

②根据英国顾问公司Tortoise Capital Advisors 于2019 年发布的全球人工智能指数（The Global AI Index）报告指出，已有29 个经济体推出AI 战略。

③根据IFR所提供的行业分类与台湾地区“主计总处”的行业分类进行对应匹配。

④关于创造效应和生产力效应存在两种观点，有学者将其视为一种效应，即人工智能可促进就业；有学者则将其分开，强调生产力效应是源自生产力提升带来的就业增加。

⑤由于目前我们无法获取台湾地区的微观数据，所以仅能从产业的层面考察人工智能对劳动力市场的影响。

⑥分别为食品饮料及烟草制造业、纺织及服装制品业、木制品及家具制造业、造纸及印刷制品业、化学制品业、橡胶和塑料制品业、非金属矿物制品制造业、基本金属制造业、金属制品制造业、电子和电气设备制造业、工业机械、汽车及其零件制造业、其他运输工具及其零件制造业、其他制造业分支。