人工智能技術和工資收入差距

郭凱明 向風帆

摘 要：隨著十九屆四中全會把按勞分配為主體、多種分配方式并存上升為社會主義基本經濟制度，如何調節收入分配矛盾已成為新時代中國踐行新發展理念、推動高質量發展的重大理論和實踐課題。值得注意的是，作為引領新一輪科技革命和產業變革的通用技術，人工智能技勢必深刻影響各類生產要素的分配格局。本文研究了人工智能技術通過推動產業結構升級進而影響工資收入差距的理論機制。發現人工智能技術影響了不同技能勞動力在不同產業部門內部的相互替代和相互流動，對工資收入差距產生了顯著影響。在高技能密集型產業內勞動替代彈性較高，或者產業間產品替代彈性較高時，人工智能將會提高技能密集型產業部門高技能勞動就業比重，同時擴大工資收入差距。反之亦然。基于這些結論，本文為政府推動產業結構升級、縮小工資收入差距提供了政策建議。

關鍵詞：人工智能技術；產業結構升級；收入差距

一、引 言

改革開放以來，中國經濟持續發展，2019年中國人均國內生產總值超過了1萬美元，穩居中等收入國家行列，與高收入國家差距進一步縮小?，F階段，在保持居民收入快速增長的同時，也需要加強居民收入分配的合理調節。國家統計局數據顯示，雖然自2008年以來中國基尼系數出現總體下降趨勢，但是2016年以后又開始出現小幅度回升，并且當前中國收入差距的基尼系數從國際比較看仍然處于高位水平。黨的十九大報告明確提出：“堅持按勞分配原則，完善按要素分配的體制機制，促進收入分配更合理、更有序。鼓勵勤勞守法致富，擴大中等收入群體，增加低收入者收入，調節過高收入，取締非法收入。堅持在經濟增長的同時實現居民收入同步增長、在勞動生產率提高的同時實現勞動報酬同步提高。拓寬居民勞動收入和財產性收入渠道。履行好政府再分配調節職能，加快推進基本公共服務均等化，縮小收入分配差距?！秉h的十九屆四中全會首次把按勞分配為主體、多種分配方式并存上升為社會主義基本經濟制度。收入分配制度列入社會主義基本經濟制度范疇，充分說明如何調節收入分配較大矛盾已成為新時代中國踐行新發展理念、推動高質量發展的重大理論和實踐課題。

值得注意的是，近年來人工智能在全世界范圍內蓬勃發展，這為中國推動產業結構升級和緩解收入分配矛盾提供了新思路。 習近平總書記指出：“人工智能是引領新一輪科技革命和產業變革的重要驅動力量，加快發展新一代人工智能是事關中國能否抓住新一輪科技革命和產業變革機遇的戰略問題?！?人工智能技術在推動新一輪科技革命和產業變革的同時，勢必深刻影響各類生產要素的分配格局。準確預判這一影響對推動中國經濟實現高質量發展具有重要的現實意義，這也是本文的主要研究問題。

本文研究的出發點是關注到了人工智能技術的三個重要特征：第一，人工智能技術是一種通用技術。如同推動三次工業革命的蒸汽技術、電力技術和信息技術（Bresnahan & Trajetenberg，1995）一樣，人工智能技術具有明顯的外溢性特征，能夠全面影響經濟的各個產業；第二，人工智能技術對不同技能勞動力生產率的影響是有偏向的。在不同的應用場景中，人工智能技術可以提高特定的勞動生產效率，從而影響對特定勞動力的相應需求。這種結構性變化既可能影響高技能勞動，也可能影響低技能勞動，不但影響了產業內不同技能勞動力的相互替代，而且影響了產業之間不同產品的相互替代；第三，相對于消費和投資等其他需求，人工智能技術在生產來源上更加依賴于高技能密集型產業的投入。人工智能技術依賴于大數據、機器學習、云計算、半導體等技術的研發應用，這些均是高技能密集型產業，而消費品和投資品從生產來源上更多需要低技能密集型產業的投入?；谝陨峡紤]，本文建立了一個包含人工智能技術的多部門一般均衡模型，納入了人工智能技術上述三個特征，提出并分析了人工智能技術通過推動產業結構升級進而影響工資收入差距的理論機制，并為政府推動產業結構升級、縮小工資收入差距提供了政策建議。

本文的創新之處體現在以下兩個方面。首先，本文把產業結構轉型納入到人工智能領域研究。這一領域近年來發展迅速，涌現了大量的文獻（曹靜和周亞林，2018；陳永偉，2018）。目前關于人工智能影響機制的刻畫方式主要有兩種，一種是把人工智能的發展視作一種自動化的過程（Benzell et al.，2015；Aghion et al.，2017；Acemoglu & Restrepo，2018a；陳彥斌等，2019；林晨等，2020），也就是資本逐漸代替勞動的過程，這勢必會導致勞動收入份額的下降（Acemoglu & Restrepo，2018b）。另一種是把人工智能作為一種要素擴展型技術（Kotlikoff & Sachs，2012；Graetz & Michaels，2015；Nordhaus，2015；Bassen，2017）。在這種分析機制下，人工智能對勞動收入份額的影響方向是不確定的，取決于不同生產要素間的替代彈性。總的來看人工智能影響收入分配是大部分文獻都強調的，其中Acemoglu & Restrepo（2018c）通過把自動化分為對高技能勞動力和低技能勞動力替代兩類，直接關注了技能的溢價。但是這些研究都沒有關注到結構轉型的影響。Aghion et al.（2017）和郭凱明（2019）關注到了人工智能對產業結構轉型以及結構轉型對勞動收入份額的重要影響，但是都沒有分析工資收入差距。本文強調了人工智能技術在推動產業結構升級的同時也對工資收入差距產生了重要影響，從這一視角發展了人工智能領域研究。

其次，本文關注到產業結構轉型對工資收入差距的影響。結構轉型領域經典文獻關注于影響結構轉型的經濟力量（Kongsamut et al.， 2001； Ngai & Pissarides， 2007； Acemoglu & Guerrieri， 2008），最近一些研究進一步強調了國際貿易和投資的影響（Uy et al.，2013； Swiecki， 2017； Guo et al.，2017； Herrendorf et al.， 2018； Sposi， 2018）。在結構轉型的經濟影響方面，主要關注于結構轉型對生產率的影響（Duarte and Restuccia， 2010； 郭凱明等，2018；顏色等，2018），很少有研究關注到產業結構轉型對工資收入差距的影響。Buera et al.（2018）提出技能密集型產業擴張會導致技能溢價上升，但是他們只是使用了發展核算框架，沒有考慮技術進步的影響。郭凱明等（2020）提出資本深化改變了技能密集型產業相對比重，從而影響了技能溢價，但也沒有考慮技術進步。郭凱明和羅敏（2021）提出技術進步會影響產業結構進而影響工資收入差距，但他們沒有把技術內生化，也沒有直接關注人工智能技術的特點。本文強調了人工智能技術通過影響結構轉型進而影響了工資收入差距，從這一視角發展了結構轉型領域研究。

二、模型框架

由（5）式和（10）式知，此時家庭部門消費和研發投入在兩個行業的比重相等。因此在需求側，無論多少比例用于消費和對人工智能技術的研發投入，均不會影響到兩種不同技能水平的勞動的相對比重，即需求側的需求結構不會影響到產業結構轉型。這種理論分析的簡化有助于清楚地展示人工智能技術發展對供給側的影響。

基于假設1，由式（7）和（8）可知，

這是因為，如果人工智能是偏向高技能勞動的技術，兩個產業的企業均會使用生產效率提高更多的高技能勞動去替代低技能勞動。此時在產業內勞動替代彈性更大的部門，這種替代效應的影響就會更大，所以，高技能勞動就會更多地集中在該部門去替代低技能勞動，從而推動低技能勞動流向產業內勞動替代彈性更小的部門。反之亦然。并且，在兩個產業中，只要產業內勞動替代彈性足夠大，那么對生產率相對提高更多的高技能勞動的相對需求也會更大幅度提升，導致工資收入差距擴大。

詳細證明過程見附錄（三）。

兩個生產部門的高技能勞動和低技能勞動的就業比重將呈現出同方向的變化，其變化方向取決于需求端對產業間產品替代彈性、技術的偏向性以及兩個行業內高技能勞動的產出彈性。而工資收入差距僅受到前兩個關系的影響。當人工智能技術對生產技術的影響更加偏向于高技能勞動時（HL？？？），如果需求端產業之間產品替代彈性大于1，人工智能技術發展會使得工資收入差距擴大，并且提高高技能勞動的產出彈性更高的行業的兩種勞動的就業比重。反之亦然。反之，當人工智能技術對生產技術的影響更加偏向于低技能勞動時（HL？？？），由于生產函數在形式的對稱性，所有結論剛好相反。（在此略去討論。）

這是因為，人工智能技術發展提高了兩個行業的勞動擴展型技術，如果它更多地提高了高技能勞動擴展型技術，那么高技能勞動的產出彈性更大的行業的實際產出就會更大幅度提升，且該行業產出的相對價格就會下降，需求側就會用該行業的產品去替代另一個行業的產品，導致另一個行業的實際產出相對下降。但是，當產業間產品替代彈性足夠小時，這種替代效應的影響就會很小，也就意味著另一個行業相對產出的下降幅度小于相對價格上升的幅度，該行業的名義產出比重上升。由于兩種勞動的收入份額在兩個行業間均為名義產出的固定比例，名義產出的比重的上升就會提高勞動的回報率，拉動兩種勞動均向該行業流動并擴大工資收入差距。反之亦然。這一經濟機制體現了不同行業間產品替代效應，與Acemoglu & Guerrieri（2008）對資本深化的分析一致。

3. 需求側的理論機制

為了更加清楚地展示出人工智能技術發展對需求側的影響，暫時簡化在供給側的相應模型設定。為此，做出如下假設。

詳細證明過程見附錄（四）。

4. 小結

這一部分分別從供給側和需求側對人工智能技術對產業結構轉型和工資收入差距的影響進行了比較靜態分析，給出了3條定理。對于供給側而言，在人工智能技術更加偏向于高技能勞動的情況下，如果高技能密集型產業的產業內勞動替代彈性較高，或者產業間產品替代彈性較高，那么人工智能技術將會擴大高技能密集型產業高技能勞動就業比重和工資收入差距。低技能勞動在高技能密集型產業的就業比重變動是不確定的，當高技能密集型產業內勞動替代彈性足夠大，這種勞動間的替代關系發揮更大的作用時，會降低高技能密集型產業的低技能勞動就業比重；反之，當產業間產品替代彈性足夠大，需求側更多高技能密集型產業的產品發揮更大的替代作用時，會擴大高技能密集型產業的低技能勞動就業比重。對于需求側而言，如果家庭部門人工智能技術的研發投入在生產來源上的高技能密集型產業投入比重高于該產業家庭部門的消費比重，那么加大人工智能研發投入，將在需求側提高對高技能密集型產業產品的相對需求，從而提高高技能密集型產業的就業比重和名義產出比重。但此時，工資收入差距和勞動密集程度并不會直接受到研發投入變化的影響。反之，如果人工智能技術是偏向低技能勞動的技術，以上所有結論剛好相反。

綜合以上分析，如果人工智能技術是一種偏向高技能勞動的技術，并且高技能密集型產業的產業內勞動替代彈性較高或者產業間產品替代彈性較高，那么，人工智能技術將擴大高技能密集型產業高技能勞動就業比重和工資收入差距，反之亦然。

這一部分通過數值模擬定量展示，檢驗上一部分的主要結論，并在定量上評估人工智能技術對產業結構轉型和工資收入差距的影響。

1. 產業內勞動替代彈性存在差異的環境

圖1給出了只考慮產業內勞動替代彈性存在差異的環境下人工智能技術的影響。與理論分析相符，如果人工智能技術對生產技術的影響更加偏向于高技能勞動，隨著人工智能技術的不斷提高，在生產部門1中勞動間替代彈性高于生產部門2時，生產部門1中的高技能勞動就業比重、工資收入差距將會上升，低技能勞動就業比重、行業間相對價格將會上升；在生產部門1中產業內勞動間替代彈性低于生產部門2時，變動方向剛好相反。并且，隨著人工智能技術的逐漸提高，家庭研發投入對其邊際影響將逐漸減小，可用人工智能技術增長放緩，導致產業結構轉型和工資收入差距變動的幅度也逐漸縮小。

表1匯報了主要變量在20期內的變化。生產部門1中勞動替代彈性更高時，生產部門1中高技能勞動就業比重提高了0.104 5，低技能勞動就業比重降低了0.064 1，工資收入差距擴大了0.361 4。如果生產部門1中勞動替代彈性降低到0.5，那么生產部門1中高技能勞動就業比重出現反方向變化，降低了0.053 5，低技能勞動就業比重也出現反方向變動，提高了0.080 4，與此同時，工資收入差距縮小0.452 9。因此，產業內勞動替代彈性相對大小，能夠影響結構轉型和工資收入差距的變化。

圖2給出了生產部門1高技能勞動產出彈性更高時，產業間產品替代彈性存在差異的環境下人工智能技術的影響。與理論分析相符，如果人工智能技術對生產技術的影響更加偏向于高技能勞動，隨著人工智能技術的提高，如果產業間產品替代彈性較高，生產部門1中的高技能勞動就業比重、低技能勞動就業比重、工資收入差距、名義產出比重均會提高，行業間相對價格將會降低；如果產業間產品替代彈性較低，除行業間相對價格外，變動方向剛好相反。并且，隨著人工智能技術的逐漸提高，家庭部門研發投入對其邊際影響將逐漸減小，可用人工智能技術增長放緩，導致產業結構轉型和工資收入差距變動的幅度也逐漸縮小。

表2匯報了主要變量在20期內的變化。生產部門1高技能勞動產出彈性更高時，如果行業間產品替代彈性較高，生產部門1中高技能勞動就業比重提高了0.060 5，低技能勞動就業比重升高了0.021 3，工資收入差距擴大了0.103 6。如果行業間產品替代彈性較低，那么以上變量均呈現反方向變動。高技能勞動就業比重降低了0.054 4，低技能勞動就業比重降低了0.058 4，與此同時，工資收入差距也出現縮小趨勢，縮小了0.283 5。因此，生產部門間高技能勞動產出彈性的相對大小，對結構轉型和工資收入差距的變化有顯著的影響。在后面可以看到，這一結論在生產部門2高技能勞動產出彈性更高時仍然成立。

圖3給出了生產部門2高技能勞動產出彈性更高時，產業間產品替代彈性存在差異的環境下人工智能技術的影響。與理論分析相符，如果人工智能技術對生產技術的影響更加偏向于高技能勞動，隨著人工智能技術的提高，如果產業間產品替代彈性較高，生產部門1中的高技能勞動就業比重、低技能勞動就業比重、名義產出比重均會降低，而工資收入差距和行業間相對價格將會增大；如果產業間產品替代彈性較低，除行業間相對價格外，其余變量變動方向剛好相反。并且，隨著人工智能技術的逐漸提高，家庭的人工智能研發投入對其邊際影響將逐漸減小，可用人工智能技術增長放緩，導致產業結構轉型和工資收入差距變動的幅度也逐漸縮小。

生產部門2高技能勞動產出彈性更高時，如果行業間產品替代彈性較高，生產部門1中高技能勞動就業比重降低了0.027 2，低技能勞動就業比重降低了0.063 8，然而和之前一樣，工資收入差距出現擴大趨勢，擴大了0.309 5。如果行業間產品替代彈性較低，那么以上變量均呈現反方向變動。高技能勞動就業比重提高了0.054 6，低技能勞動就業比重提高了0.067 7，與此同時，工資收入差距也出縮小趨勢，縮小了0.328 3。因此，生產部門間高技能勞動產出彈性的相對大小，對產業結構轉型和工資收入差距的變化有顯著的影響。

綜合以上兩個部分的結論分析，從表2可以看出，與之前的理論相符，當技術偏向性確定時，兩個生產部門內高技能勞動和低技能勞動的就業比重變化方向取決于行業間產品替代彈性以及兩個行業高技能勞動產出彈性的相對大小，且變化方向也與理論一致。而技術偏向性確定時，工資收入差距的變化僅受到行業間產品替代彈性的影響，其變化方向也和之前的理論分析一致。

3. 更一般情形的模擬結果

其余狀態變量取值與前文一致，將其作為基準模型。之后提高家庭部門研發比重占生產的總的名義產出比重還是s為0.03，即家庭部門在人工智能技術的研發投入增加50%，把模擬結果與基準模型對比，就可以反映出人工智能技術研發投入增強的影響。

圖4給出了基于基準模型與人工智能技術研發投入增加下的數值模擬結果。其中，實線表示基準模型，伴隨著經濟動態演化，高技能密集型產業高技能勞動比重上升，低技能勞動比重下降，工資收入差距擴大。與此同時，高技能密集型產業的名義產出比重，和產出的相對價格均持續下降。這些變化，反映了人工智能技術不斷積累促進了在高技能密集型產業高技能勞動更大幅度替代低技能勞動，相對價格更大幅度下降，導致在高技能密集型產業高技能勞動比重提高的同時，提高另一個行業低技能勞動就業比重和名義產出比重，這與定理1是一致的。

將家庭部門在人工智能技術的研發投入占總的名義產出比重s提高到0.03，使得圖4中的實線變為虛線。比較虛線和實線，高技能密集型產業高技能勞動就業比重、低技能勞動就業比重變化幅度均增大，這與定理3是一致的，同時也導致工資收入差距增加幅度、高技能密集型產業的名義產出比重和產出的相對價格的下降均呈現更大幅度的變化。

表3匯報了主要變量在20期內的變化?；鶞誓Ｐ椭校呒寄苊芗彤a業高技能勞動就業比重提高了0.020 1，低技能勞動就業比重降低了0.080 2，工資收入差距擴大了0.313 4。如果家庭部門在人工智能技術的研發投入增加，那么，高技能密集型產業高技能勞動就業比重提高了0.020 4，低技能勞動就業比重降低了-0.093 2，工資收入差距擴大了0.357 2。因此，人工智能技術研發投入增加，能夠增大結構轉型和工資收入差距的變化程度。

4. 敏感性分析

為了檢驗基準模型定量結果的穩健性，并且更全面地評估基準模型中的經濟機制，這一部分對一些參數進行了敏感性分析。即在不改變其他參數取值的情況下，改變某個參數取值，重新進行模擬，觀察定量結果是否顯著變化。本部分主要針對四個參數進行穩健性檢驗，這四個參數可以分為影響高技能密集型產業生產特征和影響人工智能技術的參數兩類。

影響人工智能技術特征的參數方面，首先關注技術偏向程度的影響。為此，將參數H？從0.5降低到0.3。圖7和表3匯報了此時的模擬結果。根據理論分析，人工智能技術更偏向于高技能勞動擴展型技術，因此，技術偏向程度下降會導致勞動比重和工資收入差距的變化程度降低。與基準模型比較，高技能勞動和低技能勞動在高技能密集型行業的就業比重變化下降顯著，分別降低為增長0.006 1和減少0.012 9。除此之外，工資收入差距也顯著下降，從原來的增長0.313 4下降為增長0.058 6。注意到，人工智能技術研發投入增加對以上變化的影響方向不一致，它導致勞動比重變化程度增大，而工資收入差距縮小。但是，這與理論分析并不矛盾，因為家庭部門的研發支出占生產的總的名義產出比重在需求端并不會直接影響到工資收入差距，對勞動比重的變化的影響也并不受到技術偏向程度的影響。

其次關注家庭部門對人工智能技術的高技能密集型產業的研發支出比例。為此，將參數1G從0.75降低至0.5。圖8和表3匯報了此時的模擬結果。根據理論分析，家庭部門在高技能密集型產業的研發投入比重降低，人工智能技術將在需求側更大幅度地提高低技能密集型產業的產品需求，從而促進低技能密集型產業的發展。但是考慮到，無論人工智能技術的高技能密集型產業的研發支出比例是0.02還是增長后的0.03，比重均不大，這一影響在定量上不會特別顯著。并且由于人工智能技術主要通過就業比重的變化影響到工資收入差距，這一影響也不會特別顯著。這在圖8和表3上也得到了驗證。與基準模型比較，家庭部門對人工智能技術的高技能密集型產業的研發支出比例減少50%，高技能勞動和低技能勞動在高技能密集型產業的就業比重變化分別僅從原來的增長0.020 1和減小0.080 2，降低為增長0.019 8和減少0.080 0。因而工資收入差距增長幅度的變化也很小。同理，人工智能技術研發投入增加的影響也很小，以工資收入差距的變化為例，對20期內工資收入差距變化的影響僅由之前的增長0.043 8下降為增長0.041 5。

五、總結與政策建議

隨著十九屆四中全會把按勞分配為主體、多種分配方式并存上升為社會主義基本經濟制度，如何調節收入分配矛盾已經成為新時代中國踐行新發展理念、推動高質量發展的重大理論和實踐課題。與此同時，作為引領新一輪科技革命和產業變革的通用技術，人工智能技術勢必深刻影響各類生產要素的分配格局。本文基于人工智能技術具有通用技術的外溢性、對不同技能勞動力生產率影響的有偏性和在生產來源上偏向高技能密集型產業三個方面的特點，建立了一個多部門的動態一般均衡模型，從理論上回答了人工智能技術對產業結構轉型和工資收入差距的影響機制的問題。此外，本文強調了人工智能技術對產業結構轉型和工資收入差距的影響方向是不確定的，在實際政策預估時應考慮產業內勞動替代彈性、技術的偏向性、產業間產品替代彈性以及兩個行業勞動的產出彈性等幾個方面的特點。并且，本文在理論上給出了產業結構轉型和工資收入差距變動的條件，并詳細討論了背后的經濟機制。

本文豐富了人工智能在宏觀經濟結構轉型領域的理論視角，提出高技能密集型產業的產業內勞動替代彈性較高，或者產業間產品替代彈性較高時，如果人工智能技術是偏向高技能勞動力的技術，那么將提高高技能密集型產業高技能勞動就業比重和擴大工資收入差距；在生產來源上，如果家庭部門人工智能技術的研發投入在生產來源上的高技能密集型產業投入比重高于該產業家庭部門在該部門的消費比重，那么加大人工智能研發投入，將在需求側提高對高技能密集型產業產品的相對需求，進而提高高技能密集型產業的就業比重和名義產出比重?？偟膩碚f，如果人工智能是一種偏向高技能勞動的通用技術，具有外溢性、依賴高技能密集型產業投入的特點，那么可以得出如果此時高技能密集型產業的產業內勞動替代彈性較高，或者產業間產品替代彈性較高，人工智能技術提高將提高高技能密集型產業高技能勞動就業比重和擴大工資收入差距?；诖?，本文提出第一條政策建議：國家應該合理引導人工智能研發投入擴張，發揮人工智能技術的積極作用，促進高技能密集型產業發展。

其次，人工智能技術發展雖然促進了產業轉型升級，但也可能會因此加劇收入不平等。一方面，如果人工智能技術更大幅度地提高了高技能勞動擴展型技術，促進低技能勞動被替代，那么，高技能密集型行業升級的同時會導致該行業低技能勞動的勞動收入份額下降，工資收入差距擴大。另一方面，人工智能技術研發投入在低技能密集型產業所拉動的需求，與高技能密集型產業發展所轉移出的低技能勞動力可能并不匹配，甚至可能導致結構性失業壓力增大?；诖?，本文提出第二條政策建議：政府在引導人工智能技術加快高技能密集型產業升級發展的同時，應當采取更加積極、合理的收入再分配政策，通過支持低技能勞動力的教育和培訓，提高低技能勞動力對新產業結構和新技術環境的適應性，并且適當提高高技能勞動力收入稅，通過轉移支付來保證合理的工資收入差距。

參考文獻

[1] 曹靜，周亞林. 《人工智能對經濟的影響研究進展》[J]. 《經濟學動態》2018年第1期.

[2] 陳彥斌，林晨，陳小亮. 《人工智能、老齡化與經濟增長》[J]. 《經濟研究》2019年第7期.

[3] 陳永偉. 《人工智能與經濟學：近期文獻的一個綜述》[J]. 《東北財經大學學報》2018年第3期.

[4] 郭凱明，余靖雯，吳澤雄. 《投資、結構轉型與勞動生產率增長》[J]. 《金融研究》2018年第8期.

[5] 郭凱明. 《人工智能發展、產業結構轉型升級與勞動收入份額變動》[J]. 《管理世界》2019年第7期.

[6] 郭凱明，羅敏. 《有偏技術進步、產業結構轉型與工資收入差距》[J]. 《中國工業經濟》2021年第3期.

[7] 林晨，陳小亮，陳偉澤，陳彥斌. 《人工智能、經濟增長與居民消費改善：資本結構優化的視角》[J]. 《中國工業經濟》2020年第2期.

[8] 顏色，郭凱明，杭靜. 《需求結構變遷、產業結構轉型和生產率提高》[J]. 《經濟研究》2018年第12期.

[9] 郭凱明，杭靜，顏色. 《資本深化、結構轉型與技能溢價》[J]. 《經濟研究》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

執行編輯〔周冬〕

郭凱明，中山大學嶺南學院副教授；向風帆（通訊作者），西安大略大學經濟系研究生，電子郵箱：fxiang8@uwo.ca.

1 新華網，“習近平：推動中國新一代人工智能健康發展”，網址：http：//www.xinhuanet.com/politics/leaders/2018-10/31/c_1123643321.htm。