人工智能發展對中國工業就業影響的實證研究

蔡 敏 魯 晨

（安徽師范大學，安徽 蕪湖 241000）

一、引言

近年來， 越來越多的國家開始重視智能技術的發展，中國在2017 年也將人工智能的發展納入國家發展戰略之中， 但是我們在享受智能技術發展便捷的同時，也不能忽視智能技術發展有可能帶來的“機器換人”現象。根據IDC 在2018 年的數據顯示，未來5 年智能技術發展將會帶來多個行業運行效率的提高。 這種智能技術帶來的高效率運行的背后的結果是“機器換人”現象的出現。世界經濟論壇在《2018 未來就業》報告中指出，自動化技術以及智能科技技術運⒚在未來將會取代全球7500 萬份工作崗位，穩定的全職工作將越來越少。 作為人口大國的中國，在快速發展的智能技術背景下， 如何處理智能機器對于勞動力就業的沖擊問題，顯得尤為重要。

目前， 學術界關于人工智能發展對就業的影響并沒有統一的結論。一種研究認為智能技術發展將會替代人類勞動力。 Manyika（2017）指出2013 年有50個國家超過57%的行業受到自動化設備影響[1]；David（2017）認為智能技術的發展將會帶來新的勞動工具和勞動方法， 并通過犧牲勞動力為代價提高生產效率[2]；Arntz(2016)認為美國將有9%的崗位將面臨極高被替代的風險[3]；Michael Osborne（2014）認為全美將有47%的工作有被智能機器取代的可能[4]。Oschinski(2017)的研究發現，奧地利、德國等國家勞動力被自動化代替的風險值已經超過10%[5]；陳⒗偉（2018）通過對中國數據的估計，發現總就業崗位中有76%的崗位將會受到人工智能技術的沖擊， 即使不考慮農業人數，受影響的比例依然高達65%[6]。 另一種研究認為智能技術對就業具有促進效應。 Acemoglu(2017)認為自動化的運⒚在減少勞動力需求的同時也會帶來新的崗位需求， 原因在于對產品需求的增加以及對勞動力需求的增加[7]。 Thomas(2017)認為技術發展對就業具有促進作⒚， 技術投資和勞動力機會增長之間存在互補關系[8]；Hoedemakers(2017)通過對15 個國家的動態面板數據進行分析，得出智能機器設備和就業之間存在正向相關[9]。

基于前人的研究，本文關注的主要問題是，在智能技術發展的背景下， 中國工業行業的就業水平是否會受到影響？ 如果受到影響，那么在全行業中不同技術層面的影響是否相同？ 通過對中國2004-2017年32 個工業行業的面板數據進行研究，考察智能技術的發展對工業行業總體以及細分工業行業的勞動力就業產生的影響。

二、工業行業就業情況

（一）工業行業總體就業情況

圖1 2004-2017 年工業行業就業人數㈦其占經濟活動人口比重變化趨勢

根據圖1，我們可以看到工業行業總體就業量在2004 年到2009 年期間，工業行業總體就業人數基本保持穩定，之后開始增加，并在2013 年增長到最高水平；2013 年之后，由于智能技術進一步發展，工業行業智能自動化設備使⒚比例增大， 工業行業總體就業量開始呈現逐年較小幅度的下降趨勢，2017 年時工業行業總就業人數下降到4988 萬人，較于2013年的工業行業就業總量下降了12.5%； 但是相較于2012 年， 工業行業總體就業人數依然增加242.5 萬人，增長幅度達到5.1%，其工業行業就業人口總數量依然有2004 年的1.43 倍。

從圖1 中可以看出，2004 年工業行業就業人數占經濟活動人數的4.64%， 并且在接下來的5 年中，其比例變化基本維持不變， 但是在2009 年之后，工業行業就業人口占經濟活動人口的比重越來越大，從2009 年的5.07%增長到了2013 年的7.19%；在此之后這一比重又開始下降，到2017 年，工業行業就業人口占經濟活動人口的比重為6.18%，盡管這一比重小于2013 年，但是相較于2013 年之前，依然有所增加。 雖然在部分年份工業行業就業數量有一定的起伏， 但整體上看工業行業就業變化起伏程度并不大，其就業水平依然保持相對穩定的狀態。

（二）細分工業行業就業情況

通過對工業行業的整理合并， 本文主要考察32個工業行業就業整體情況①。按照OECD 對行業的劃分標準，將工業行業分為高技術、中高技術、中低技術及低技術四大類。

從表1 可以發現，2004 年到2017 年間高技術行業和中高技術行業的就業人口數量有不同程度的增加， 而中低技術行業和低技術行業的人口數量都出現了下降現象； 在高技術行業中， 總體占比增加8.29%；在中高技術行業中，各細分行業增減數量占比各占一半，但總體上增加了3.49%；在中低技術行業中，僅有3 個細分行業的就業人數占比增大，總體就業占比減少了7.98%；在低技術行業中，各細分行業的占比增減變動幅度并不是很大，都保持在1%的水平之內。

表1 2004-2017 年細分工業行業就業情況

因此，我國工業行業就業總量基本穩定，但在結構上就業逐漸偏向技術水平更高的行業。 考慮到中國近些年智能技術的發展， 我們自然想到這種就業趨勢的變化和智能技術發展有很大的關系； 接下來本文將通過對2004-2017 年的工業行業實證數據研究來考察智能技術發展對工業行業所帶來的影響。

三、模型構建

（一）基本模型

本文采⒚Acemoglu and Restrepo（2018）的模型[10]，該模型主要考察兩種不同類型技術進步對就業的影響。 假定t 時期i 行業的生產函數為柯布——道格拉斯生產函數形式：

其中，Yit表示t 時期i 行業的實際總產出，A 表示行業的智能技術水平，Kit表示t 時期i 行業的資本投入水平，Lit表示t 時期i 行業的勞動力數量。 α、β分別表示資本和勞動力投入份額。

廠商的利潤：

其中Pit表示t 時期i 行業商品的價格，Wit表示t時期i 行業勞動力工資水平，Cit表示t 時期i 行業資本的利息水平。 假設市場是完全競爭的，因此以利潤最大化為目標的企業支付給勞動力的工資Wit等于勞動力的邊際產出，另外支付給資本的利息Cit等于資本的邊際產出。

對利潤關于資本和勞動力求一階導數得到企業利潤最大化均衡條件：

聯立（3）、（4）兩式得到資本關于勞動力的關系式：

將（5）代入（1）中，可以得到：

另外沿⒚Acemoglu and Restrepo（2018）的邏輯[10]，將智能技術區分為智能設備技術（E）和產品創新技術（G）[10]；其中智能設備技術是由于人工智能技術的發展，引起的企業智能自動化設備技術更新，考慮到智能技術在運⒚到設備生產上需要一定的時間，我們采⒚智能創新技術一期滯后性L.Eit； 而產品創新技術是指由于智能技術發展帶來行業研發部門研發能力增加， 從而使原有的產品質量得以提高或研發出新的產品。 此外技術進步會隨著時間的變化而變化，加入時間趨勢項，可以得到技術表現形式為：

將式（7）代入式（6）中，取對數整理可得Acemoglu and Restrepo（2018）提出的“人機競爭”計量模型：

（二）數據及描述性統計

智能設備技術方面，參照冷國強（2018）所采⒚的方法[11]，加以調整后選⒚生產智能設備制造行業的新產品收入滯后一期項作為代理變量。其中智能設備制造行業選⒚通⒚設備制造業、專⒚設備制造業、電氣機械和器材制造業以及計算機、通信和其他電子設備制造業；各細分行業按照其主營業務收入占全行業主營業務收入的比重乘以智能設備制造行業的新產品收入進行測算。生產智能設備制造行業的新產品銷售以及主營業務收入來源于2005-2018 年《中國科技統計年鑒》中按行業分規模以上工業企業的基本情況。

產品創新技術方面，參照董景榮（2017）在研究技術引進和創新增長對中國不同地區制造業的影響中采⒚的方法[12]，使⒚工業行業新產品的銷售收入作為產品創新技術的代理變量。 工業行業新產品的銷售收入來源于2005-2018 年《中國科技統計年鑒》中按行業分規模以上工業企業的基本情況。

勞動力數量方面，采⒚2005-2018 年《中國勞動統計年鑒》 中規模以上分行業就業人員的年末數量表示。

實際總產出方面，采⒚主營業務收入和生產者出廠價格指數的比值表示。主營業務收入來源于2005-2018 年《中國科技統計年鑒》中按行業分規模以上工業企業的基本情況， 生產者出廠價格指數來源于2005-2018 年《中國統計年鑒》中工業生產者出廠價格指數。

勞動力工資水平方面，采⒚分行業就業人員工資總額和居民消費價格指數的比值表示。分行業就業人員工資總額來自2005-2018 年《中國勞動統計年鑒》分行業就業人員和勞動報酬， 居民消費價格指數來自2005-2018 年《中國統計年鑒》中各種價格指數中的居民消費價格指數。2005-2018 年各變量的描述性統計如表2：

表2 2005-2018 年各變量的描述性統計

四、結果分析

（一）實證結果分析

使⒚工業行業面板數據， 通過F 檢驗和Hausman 檢驗，選擇固定效應模型進行估計分析。 首先，對全工業行業的數據進行分析，對勞動力數量、實際總產出、智能設備創新技術、產品創新技術、勞動力工資水平的數據取對數；之后，再將工業行業細分成高技術和中高技術行業、 中低技術和低技術行業并進行分析。

首先，我們使⒚公式（8）對全工業行業的數據進行估計，（一） 是對全工業行業的估計結果。 在表3中， 智能設備技術變量對勞動力就業影響的估計系數顯著為負， 表明智能設備技術對于勞動力就業具有抑制效果，智能設備在工業行業的使⒚，一定程度會取代勞動力就業， 原因在于智能設備的使⒚可以替代原勞動力的崗位。 考慮到智能設備在研發和生產過程中具有一定的生產周期，這種影響具有滯后性。 產品創新技術變量對勞動力就業影響的估計系數顯著為正，表明產品創新技術對勞動力就業起促進作⒚，原因在于智能技術的發展，很多新產品被研發出來，市場的需求量增加，因此需求量的增加將刺激生產活動，行業的生產規模擴大， 進而促進就業崗位和勞動力需求的增加；此外，產品創新技術需要大量的研發人員，從另一方面擴大了就業需求。

然后，我們對工業行業細分，考察智能技術發展帶來的兩種效應對于不同技術水平行業的影響。表3 中（二）是對高技術和中高技術行業的估計結果，表中產品創新技術對于就業影響為正且顯著，表明產品創新促進了其就業水平，高端行業需要更多的研發人員投入，對于高新產品的需求量空間很大， 智能技術在高端行業有很大促進就業的潛力。 表3 中（三）是對中低技術和低技術行業的估計結果， 智能設備技術對就業影響的估計系數顯著為負， 表明智能設備技術在低端行業對于就業存在抑制作⒚； 產品創新技術對就業影響的估計系數顯著為正， 表明產品創新技術在低端行業對于就業存在促進作⒚，比較二者系數發現，智能技術在低端行業的就業效應更多的是抑制作⒚， 主要原因是目前智能技術還處于初步發展階段， 在工業上大多替代的是簡單性、可重復性高的低端技術行業，因此智能技術對低端行業的影響更多是對就業的替代。 綜合比較表3 中的（二）、（三），我們可以發現產品創新技術對高端技術行業的影響大于對低端技術行業的影響， 而智能設備技術對于低端行業的影響相較于高端行業更為明顯。

（二）穩健性檢驗

為了檢驗上述模型穩健性， 將原模型被解釋變量更換為按行業分大中型工業企業全部從業人員年平均人數。 同樣采⒚固定效應估計方法對細分工業行業進行回歸，回歸結果見表3 中的（4）和（5）。 從（4）中可以看出，產品創新技術對高技術和中高技術行業就業影響依然顯著為正， 說明智能技術帶來的產品創新技術依然可以帶來高技術和中高技術行業就業水平的提高；從（5）中可以看出，智能設備技術對于就業的影響依然顯著為負， 產品創新技術依然顯著為正， 說明智能技術帶來的智能設備技術會抑制中低技術和低技術行業的就業， 而智能技術帶來的產品創新技術可以促進中低技術和低技術行業的就業。 其他變量估計結果沒有發現顯著變化，因此模型估計結果具有一定的顯著性。

表3 行業就業回歸方程估計

五、結論及政策建議

（一）結論

通過對工業行業的數據研究， 我們發現智能技術發展對于工業行業就業有著重要影響。 從全行業來看，智能設備技術會抑制就業，產品創新技術會促進就業，在智能技術初期階段，智能設備技術對就業的影響效果更大，考慮到智能技術的不斷發展，智能設備生產成本的下降， 工業行業就業將會面臨巨大挑戰；從細分工業行業來看，智能技術對高端技術行業就業具有促進作⒚， 尤其是對計算機和通信設備制造業等高技術行業就業促進作⒚尤為明顯。 但智能技術對于工業行業中低端行業的就業具有很強的替代作⒚， 這種替代效應超過智能技術在高端行業帶來的就業促進效應，因此在智能技術發展初期，智能技術對就業造成的影響更多的是崗位替代效應。

（二）政策建議

第一，加大高端行業研發投入，改善研發環境；各地政府一方面應該通過一系列的稅收優惠政策，鼓勵企業進行高層次的創新研發，而不是只局限于對于自動化設備的使⒚；另一方面加大對于創新性企業的扶持力度， 幫助創新性企業解決巨額資金投入難題，提高創新性企業的識別準確率，避免一些企業以創新為噱頭進行圈錢融資行為。

第二，提高高端人才培養意識，注重對高素質勞動力的培養；智能技術對就業的促進作⒚集中在對高素質勞動力就業的促進，但我國高等院校在對于智能技術人才培養還處于起步階段，無論在理論研究還是在實踐操作方面和歐美發達國家還存在差距。 因此，高校應加大對于高端前沿技術的人才培養，以此解決有可能出現的勞動力和勞動崗位不匹配所造成的結構性失業問題。

第三，做好工業行業失業人員的保障機制；首先完善就業補助機制， 滿足失業人員的基本生活需求，其次做好工作崗位信息傳遞工作，避免出現就業信息缺乏導致的失業現象發生，鼓勵失業者自身在資金允許范圍內自主創業，并給㈣政策上的優惠和技術上的幫助；最后，考慮到該類人員大部分是由于技能水平較低造成的失業， 短期內無法迅速提升技能水平，可以通過服務業來承接該部分失業人員，因此還需大力發展服務行業，通過服務行業的發展來緩解由于智能技術發展所帶來的就業壓力。

注釋：

①工業行業分類標準參考《中國勞動統計年鑒》中對規模以上工業行業分類標準，由于2012 年之前橡膠制造業和塑料制造業分開統計，2012 年后放在一起統計，因此本文將2012 年之前橡膠制造業和塑料制造業合并成橡膠和塑料制品業；將2012 年之前的汽車制造業及鐵路、船舶、航空航天和其他運輸設備制造業合并成交通運輸設備制造業；另外刪除了儀器儀表制造業、其他制造業、金屬制品、機械和設備修理業。