人工智能的經濟影響與公共政策響應

□何小鋼

一、引言

在大數據、機器學習以及數字化工具的驅動下，人工智能技術應用迎來拐點并逐漸滲透到各個領域，以自動化、數字化和智能化為主要特征的“第二次機器革命”浪潮給經濟社會發展帶來了巨大的沖擊（陳永偉和曾昭睿，2019）。中國信通院云計算與大數據研究所牽頭梳理的《2021 人工智能十大關鍵詞》指出，人工智能與金融、醫療等行業深度融合走向深水區。就金融行業中，智能化成為金融科技布局的重點方向，2020 年銀行信息科技投入達到2017 億元，同比增長超過25%。金融機構通過擴大科技團隊、建設基礎能力、提供基礎應用、賦能已有場景、建立促進和保障機制，全方面進行人工智能體系建設；醫療行業中，人工智能在疫情防控與復工復產中發揮重大作用，在新藥研發、蛋白質結構預測等生物化學領域應用成果明顯。黨的十九大報告提出，促進人工智能、大數據等數字技術與實體經濟的融合，有助于培育新的增長點，形成新動能。習近平總書記在主持中共中央政治局第九次集體學習時也強調，人工智能發展是我國科技革命和產業變革的關鍵，具有重大的戰略意義。

理論上，人工智能作為一項通用性目的技術，同以往的技術進步一樣，其滲透性的推廣和應用往往會提升各行業全要素生產率。從企業層面來看，人工智能可以通過預測優化、提高組織創新能力、縮減成本、增加研發等渠道為企業提效賦能，如已有研究肯定了人工智能應用對生產率的正向影響，認為大力發展人工智能有助于一國經濟增長（Graetz 和Michaels，2015；Ajay 等，2019；程虹等，2018；李丫丫等，2018）。人工智能最突出的特征在于其與勞動力市場的互動機制，人工智能技術應用對就業市場影響的范圍之廣、程度之深超越了以往的技術進步，如國外就有許多研究證實了人工智能的崗位替代或創造效應，以及勞動力就業結構呈現的“極化現象”。然而，人工智能在中國勞動力市場則呈現出單極化和地區差異化特征，產生這種差異的原因可能是，與國外謹慎考慮人工智能對崗位的替代效應不同，就業替代的威脅并不是中國政府和民眾的優先考慮項，中國政府對人工智能政策的制定動機更多是出于應對勞動力短缺的挑戰以及引發新一輪工業革命的需要（Cheng Hong 等，2019）。近年來，中國人口增速持續放緩，老齡化程度加深導致的工資上漲加速了人工智能在經濟領域應用的普及。已有研究發現，人工智能的應用能彌補老齡化帶來的勞動力供給減少、經濟發展動力不足等問題（陳秋霖等，2018）。而相關政府補貼和產業優惠政策也極大地刺激了企業使用智能機器人，這就進一步促進了人工智能在中國的發展和應用（Cheng Hong 等，2019）。目前，中國政府已將機器人產業確定為具有戰略意義的重要產業，啟動了各種計劃和補貼來鼓勵使用機器人，以此促進中國制造業轉型升級。人工智能發展的開放性和不確定性使得其技術的跨國流動性增強，尤其是在大數據、互聯網和機器學習等前沿技術日新月異地發展下，未來人工智能發展和應用前景廣闊，不斷深入探討和完善人工智能的公共政策對中國經濟社會發展意義重大。

本文對人工智能的經濟效應和老齡化背景下的響應政策進行探討，主要貢獻在于：一是從生產率以及研發互補性視角，研究了人工智能提高生產率進而推動經濟高質量增長的具體路徑；二是全面梳理了人工智能的就業沖擊與收入分配效應，剖析了人工智能在中國與部分發達國家呈現出的不同效應，為正確認識人工智能與勞動力之間的關系作出了一定貢獻；三是結合人口老齡化的背景，討論了人工智能對中國未來發展的影響，提出與人工智能發展相適應的配套勞動力市場調整建議，具有重要的政策涵義。

二、人工智能的發展歷程

人工智能（Artificial Intelligence，簡稱AI）屬于計算機科學的一個重要分支，最初以計算機技術為基礎，而后受云計算、深度學習等技術推動取得了突破性進展，其本質是一種信息通信技術（Information Communication Technology：ICT），也是一種新型的通用目的技術（General Purpose Technology：GPT），具有通用性和滲透性的特征（蔡躍洲和張鈞南，2015）。隨著技術發展的不斷進步，人工智能的定義也一直處于發展之中，目前學界較為接受的定義是由約翰·麥卡錫早期提出的，即人工智能是一項制造智能機器的科學工程，其目的是使機器所表現的行為與人的智能行為相似。在此基礎上，根據智能機器有無自主意識，人工智能可劃分為“弱人工智能”和“強人工智能”兩種類型。其中，“弱人工智能”是指模仿人類行為看起來很智能，但實際上卻缺乏自主意識，而“強人工智能”則不同，是指生產的機器同人類一樣具有自我意識，可以獨立進行推理和決策，這類人工智能的普及應用會給世界帶來更大的、更具顛覆性的影響。從人工智能技術發展史來看，人工智能未來發展依然面臨著重重困難，并將長期處于“弱人工智能”階段（張鑫和王明輝，2019）。目前，學界對于“弱人工智能”領域的研究主要仍集中于研究“弱人工智能”對經濟的影響（劉濤雄和劉駿，2018）。

20 世紀50 年代，“人工智能”概念被首次提出（Moor，2006）后不久，人工智能的發展便遭遇了瓶頸，直到20 世紀90 年代后期，人工智能還是建立在建模、學習和計算基礎上，研究者們也主要是嘗試在模式識別和預測方面復制并改進人類智能。隨著深度學習、物聯網和大數據等技術的興起，人工智能重新迎來發展高潮。據2016 年美國發布的總統經濟報告顯示，2010—2014 年，全球對機器人技術的需求幾乎翻了一番，而且面向機器人技術的專利數量和份額也有所增加。2016 年谷歌開發的AlphaGo 系統擊敗了世界圍棋高手李世石，這使越來越多的人們意識到如今的人工智能已不再簡單地依賴于程序化的控制模擬，而是更加的智能化。人工智能與計算機科學、現代機器人學、生物仿生學等學科存在明顯交叉并且聯系密切，涵蓋的前沿技術和分支也較多，包括深度學習、數據存儲、算法軟件開發、自然語言處理等技術。現實生活中較為常見的機器人就是人工智能和其他數字技術結合的重要產物之一，因此可以把機器人看作人工智能應用的一個重要分支。目前的人工智能主要面向兩大領域推進：一是“合成智能”，主要是應用大數據、深度學習、算法等技術來處理數據，具體可以細分出神經網絡、智能搜索、人臉識別等領域；二是“人造勞動者”，主要是結合傳感器和執行器，制造出代替人類執行某些特定活動的智能機器人（鄭戈，2017）。這些機器人除了參與體力勞動以外，還可以完成機械加工、材料搬運和質量控制等任務，同時，利用物聯網技術執行任務的人工智能系統在醫療應用、法律服務、會計和審計等領域也越發常見。根據國際機器人聯合會（IFR）最新發布的《2020年世界機器人技術》報告顯示，世界各地的工廠中正在運行的工業機器人數量超過270 萬臺，較去年相比增長了12%，與此同時，全世界新安裝機器人的銷量仍然保持較高水平，2019 年全球發貨量就達到37.3 萬臺，雖然比2018 年下降了12%，但依然是有記錄以來的第三高銷量。中國是機器人應用大國，據IFR 數據顯示，亞洲是工業機器人最強勁的市場，其中中國過去十幾年中工業機器人的安裝量增加迅速，在2019 年達到了約78.3 萬臺，位居亞洲國家第一，總運營時長統計存量較2018 增長了21%；日本位居第二，約有35.5 萬臺，較2018 年增長了12%；其次是印度，約為2.63 萬輛，增長達15%。從人工智能，尤其是智能機器人的應用現狀與前景不難發現，人工智能、機器人等新一代信息技術發展迅速，現代企業生產方式正面臨著突破性的改變，經濟社會或將面臨新的變革和挑戰。

三、人工智能、生產率與經濟增長

（一）人工智能與生產率

各國研究者們利用國際機器人聯合會（IFR）機器人裝運數據、歐洲制造業調查數據（EMS）以及工業部門統計數據進行實證分析發現，人工智能的應用對地區或企業的生產率有正向的顯著影響。歐洲機器人委員會審查了7 個歐洲國家3000 家制造類企業2016 年的數據發現，工業機器人在批量生產的大公司以及面向出口的公司中應用更為普遍，并且應用人工智能的公司其勞動生產率水平明顯較高。Graetz 和Michaels（2015）調查了17 個國家工業部門1993—2007 年的機器人使用情況發現，工業機器人提高了勞動生產率和附加值，對一國生產總值增長的貢獻大約占總增長量的十分之一，這與19 世紀蒸汽機投入使用對英國工業生產率提升的貢獻相當。國內研究同樣發現，智能機器人的使用使得企業資本回報率、質量水平與管理效率均得到較大提升（程虹等，2018），也有研究具體指出工業機器人帶來的技術溢出對生產率具有提升效果。因此，完善機器人配套產業鏈、增強企業的技術吸收能力對制造業企業生產率的提升具有顯著的效果（李丫丫等，2018）。

（二）人工智能與經濟增長

越來越多的工業機器人借助程序編程或人工智能技術參與執行生產過程中的各項任務，尤其是在制造業部門中應用更加普及。根據程虹等（2018）的研究結果顯示，機器人已經對我國超過30%的制造業企業產生了潛在影響。2021 世界人工智能大會過后，啟信燈塔數據研究中心發布了《人工智能（2010—2021）行業發展研究報告》，報告顯示，人工智能科技創新及轉化能力逐年提高，產業發明專利占全行業的65%；2010—2020 年人工智能企業融資總額達3 萬億元，市場前景廣闊。同時，報告還預計，隨著疫情中人工智能場景的密集應用、落地渠道的增加和技術的不斷成熟開放，2021—2025 年中國人工智能將再度高速增長，產業迎來黃金期。總體來看，人工智能的應用促進經濟增長的觀點被人們廣泛接受。關于人工智能促進經濟增長機制的研究主要可分為3 個方面：第一，技術進步。基于計量經濟學框架對企業層面的研究發現，自動化設備和信息通信技術對制造業企業生產率提升具有促進作用（Oliner 等，2008；Jorgenson 和Dale，2001）。具體而言，技術進步提升了組織部門的全要素生產率和創新能力，從而促進一國或地區的經濟增長（Bresnahan 等，2002）。第二，“互補”效應和“替代”效應。Hanson（2001）通過建立新古典經濟增長模型發現，自動化機器對勞動力形成的“互補”和“替代”效應提升了企業生產力。基于任務模型，Aghion 等（2017）發現，應用更便宜的人工智能技術對勞動力進行補充或者替代可降低生產成本。人工智能會根據不斷變化的條件動態優化生產，通過自動化和預測幫助企業優化決策，降低重新分配和重組任務的成本，從而提升勞動生產率（Ajay 等，2019；Atack 等，2019）。高盛2019 年發布的《人工智能報告》指出，人工智能的使用縮減了勞動力需求、降低了成本，對促進生產力提升的貢獻突出。第三，要素投入。人工智能的應用和發展會顯著促進教育和研發投入，從而帶來經濟增長（Strulik 和Prettner，2017；Fernald 和Jones，2014）。

四、人工智能對就業和收入的影響

（一）人工智能對就業的影響

以人工智能為代表的新一輪技術發展與經濟生產過程進行了深度融合，提升了企業的生產率，但是在促進經濟增長的同時，人工智能的普及應用也引發了人們對組織變革及大規模失業現象的擔憂。關于人工智能對勞動力就業影響的討論主要集中于2 個方面：一方面是人工智能的“替代效應”和“創造效應”對勞動力就業崗位數量的影響；另一方面是由于人工智能帶來的技術進步是非中性的，這就可能導致對從事重復常規型任務的中低等技能勞動力的替代效應更強，導致勞動力就業結構呈現“極化現象”。

1.人工智能的“替代效應”和“創造效應”

有研究認為，隨著機器人應用的邊際成本下降且效率提升，智能機器人的應用對勞動力的“替代效應”愈發顯著。如Autor 等（2003）以工作內容能否完全被計算機編碼實現自動化為標準，對人們的工作崗位進行分類后發現，智能機器人的應用給社會帶來的影響不再僅僅局限于替代機械類體力勞動，還有一些中等技能的認知任務也面臨被替代的風險。據2020 年10 月世界經濟論壇發布的預測報告表明，隨著人工智能系統被越來越多地引入到工作場所，政府部門和企業愈發傾向于采用更具成本效益的方式完成任務，這就導致人工智能應用的凈效應進一步減少勞動力就業。也有研究認為，未來20 年內將有35%的英國工人、47%的美國工人被新技術替代，而發展中國家的比例會更高，如中國可能有77%的工作面臨被替代的風險（胡嵐曦和胡志浩，2020）。Acemoglu 和Restrepo（2017）研究發現，人工智能的“替代效應”在制造業中最為明顯，特別是對一般的體力勞動者、低學歷的藍領工人的替代作用更強。來自中國的實證研究還發現，機器人對勞動力的“替代效應”存在行業異質性和生產率異質性的特點，如程虹等（2018）采用“中國企業-勞動力匹配調查”數據發現，機器人的應用集中于汽車（20%）、電氣機械（15%）和通信電子設備（10%）等生產率較高的行業。李丫丫等（2018）對中國省域機器人應用數據進行分析發現，中國工業機器人對沿海、中部等區域的生產率提升效果顯著。

然而，也有一些研究認為人們夸大了人工智能對勞動力的替代程度，卻對智能機器人的引入給勞動力帶來的“創造效應”認識不足。一方面，人工智能的應用會促進已有崗位對勞動力的需求。從以往新興技術變革來看，機器應用并沒有帶來大規模的失業，相反，資本的不斷積累和生產力的逐步提高對勞動力的需求產生了積極影響。如Autor（2015）認為，勞動力在解決問題的能力、直覺、創造力和說服力方面具有比較優勢，機器所代替的工作內容與勞動力之間存在較強的互補性，提高了生產力和對勞動力的總體需求。Acemoglu 和Restrepo（2017）通過模型分析發現，短期內機器人的使用能夠有效推動發達國家提高全要素生產率，并對非技能勞動力產生1～2 個百分點的沖擊，但長期內機器人對勞動力的“換人”效應趨近于0。蔡躍洲和陳楠（2019）指出，人工智能技術的應用對就業有著“補償效應”，技術應用會帶來效率提升，在促進企業規模化生產的同時，也會帶來產品品質提升或者實際價格下降，進而促進市場消費需求增加，為滿足增加的消費需求，企業就會雇傭更多勞動力。另一方面，技術進步本身也會創造一些新的崗位來替代被淘汰掉的崗位。如19 世紀英國新技術的引進和應用使各種新行業和新工作迅速擴張（Landes，1969）；20 世紀初，美國機械化設備的普及使農業就業大量增加，同時，農業新興設備產業、新工業和棉紡業的勞動力需求也相應增加。中國人工智能的應用也催生了一些新的工作崗位出現，如2019 年中國人力資源和社會保障部等部門發布了13 個新職業信息，其中就包括人工智能工程技術人員、工業機器人系統操作員和數字化管理師等。人工智能領域及其上下游行業的人才需求持續擴張，為市場增加了巨大的新崗位勞動力需求。Dauth 等（2017）綜合德國勞動力市場數據和IFR 機器人數據發現，雖然每增加1 個工業機器人就會導致制造業減少2 個就業崗位，但與此同時，服務業卻能夠創造更多新的就業崗位。Autor 和Salomons（2017）指出，隨著行業生產力的普遍提高，在某些行業內雖然勞動力就業下降，但人工智能對其他行業的積極溢出卻能夠抵消這一消極影響。綜上，從短期來看，人工智能的“替代效應”將對勞動力市場帶來較大沖擊，但長期來看，人工智能的“創造效應”又會使得市場出現一批新的就業崗位，新行業和新工作的出現會對勞動力就業產生積極的影響。

人工智能對就業既有“替代效應”，又有“創造效應”，兩種效應對就業的影響截然不同。然而，由于缺乏完整統一的人工智能數據庫，來自不同地區、不同數據資料分析得到的結果莫衷一是，關于人工智能應用對勞動力市場就業總量的影響效果還有待進一步研究觀察。有的學者認為2 種效應是無法估計的，如Ajay 等（2019）在與幾百家人工智能企業合作研究技術對勞動力市場上特定職位的替代和互補影響時發現，即使在短期內，人工智能對整個勞動力的凈影響也是無法評估的。人工智能技術應用影響勞動力需求的因素較多，其凈效應的大小還較為模糊，在技術對經濟社會產生漸進影響的過程中，其影響程度也與人工智能技術的發展速度、行業環境和政策條件密切相關（蔡躍洲和陳楠，2019）。有的研究者支持“影響中性”，認為同歷史上發生的技術進步一樣，人工智能的“創造效應”帶來崗位的增加可以補償被其所替代的就業崗位，勞動力就業總量保持穩定（Bessen，2018）。有的學者認為人工智能的“替代效應”有限。如Holford（2018）認為，人工智能主要還是依賴編碼知識進行模擬決策，不能完全同人類一樣具有創造性思維，無法完全替代人類。還有的研究認為人工智能的“創造效應”更顯著，如世界銀行2016 年發布的報告預計，中國人工智能技術的就業“創造效應”會大于“替代效應”。在調整了技術應用面臨的經濟、法律、監管等障礙后，普華永道發布的《2018 AI Predictions:insights to shape business strategy》顯示，未來人工智能等相關技術可能替代現有26%的工作崗位，但其帶來的生產率和實際收入水平的提升將為中國創造38%左右的新就業機會，根據測算，人工智能有望為中國就業帶來約9000 萬個新增崗位。

2.勞動力就業的“極化現象”

（1）就業市場的“極化現象”

隨著經濟社會的日益發展，發達國家和發展中國家對熟練勞動力的需求正在不斷增加，但在人工智能加速普及的背景下，勞動力市場就業的變化并不是單純地由低技能就業崗位向高技能崗位轉移。與技能偏向型技術進步不同，人工智能的沖擊可能使勞動力市場就業出現“極化現象”。有研究發現，人工智能對勞動力的“替代效應”具有行業異質性，且在同一行業對不同高低技能勞動力的替代程度也有所不同（Acemoglu和Restrepo，2017）。程虹等（2018）從勞動技能和資本密集2 個層面共4 個維度進行分類發現，機器人對勞動密集型行業中非技能勞動力的“替代效應”最強，而對各個不同行業的技能勞動力數量具有增進效果，即機器人的引入增加了對技能型勞動力的需求。部分歐美發達國家的勞動力就業受技術沖擊時呈現出強烈的U型特征，即高收入認知工作和低收入體力工作的就業率不斷上升而中等技能的勞動力就業下降，呈現兩極分化現象（Acemoglu 和Autor，2011；Autor 和Dorn，2010）。然而，有些學者研究發現，中國勞動力就業的特點與發達國家存在差異，如孫早和侯玉琳（2019）基于中國中西部與沿海發達地區發展不平衡的現狀進行分析發現，工業智能化程度與經濟發展水平相關，發達地區的高生活成本可能擠出低技能勞動者就業，使發達地區勞動力就業呈現向高技能勞動力傾斜的“單極極化”特征。程承坪和彭歡（2018）則指出，中國人工智能的發展對就業的空間極化現象已經顯現，發達地區新增就業遠遠大于欠發達地區，而且隨著技術應用的發展和日趨成熟，就業的空間極化現象可能還會加劇。

（2）“極化現象”的解釋

目前關于勞動力就業“極化現象”的解釋主要有3 種：一是強調技術進步非中性。該理論認為，人們的工作按內容可以分為3 類：手工常規任務、常規易編碼任務和非常規認知任務，其中，技術進步會替代常規任務，補充非常規認知任務。Autor 等（2013）對工作任務進行分類并分析后指出，制造業企業中的工作內容可以分為2 類：一種是常規生產任務（包括企業的裝配、焊接、傳輸等），這類任務能夠被計算機完全編碼并實現自動化，主要由中低技能的勞動者負責；另一種是非常規生產任務（包括部門交互、管理、檢查維修設備），這種工作不能被計算機完全編碼替代，主要由高等技能勞動者提供。為使讀者更易于理解，采用科布-道格拉斯生產函數：Y=（LR+C）1-ɑLNɑ進行進一步分析，其中LR、LN 分別代表常規和非常規工作任務的投入，分別對應中低技能勞動力與高技能勞動力，當智能化設備的投入資本C 隨時間下降時，智能機器人對常規、生產任務的“替代效應”就會增強。此外，智能化設備的應用凸顯了勞動力在解決問題、適應性和創造力方面的比較優勢，因此，人工智能會替代低技能勞動，并與高技能勞動力形成互補。Autor（2015）通過對美國勞動力市場的分析發現，計算機的規模化應用降低了常規生產崗位的需求，卻大幅度提升了非常規生產崗位的需求。二是行業專業化程度加深和組織結構變化使勞動力就業層次出現分割。這種解釋具體表現為高技術部門或行業傾向于雇傭高學歷、高技能勞動力，低技能部門傾向于集中低技能勞動力，社會各部門發展趨向于更專業化（Kremer 等，2006）。三是強調技術沖擊對消費者偏好和貿易的綜合影響。人工智能技術的進步降低了外包的成本，可以滿足消費者多樣化需求，是勞動力“極化”的一個重要原因（Autor 和Dorn，2010）。呂世斌和張世偉（2015）認為，技術進步使得運輸和通信交流更加便利，信息技術的發展使得外包成本降低，促進加入世界貿易后的發展中國家生產組織的專業化程度上升，全球化貿易的增加對不同技能勞動力就業產生影響。此外，也有研究發現，隨著人工智能技術的進步，其對高技能勞動力帶來的影響也越來越大，人工智能技術對未來勞動力市場就業的影響效果還有待進一步探索。

（二）人工智能對收入的影響

面對人工智能逐漸走向市場應用，其導致的收入分配不平等問題不容忽視。自20 世紀80 年代以來，工業機器人在制造業中被大量使用，許多發達國家工資不平等現象明顯加劇，而以技能為導向的技術變革則是產生該現象的主要原因。然而，技術的傳播及應用雖然有助于解釋發達國家勞動力市場不平等加劇現象，但是對發展中國家或者貧窮國家收入分配的影響尚沒有直接的證據。傳統貿易理論認為，在全球經濟一體化時期，發展中國家的不平等現象將減少，然而在過去幾十年中，非洲、拉丁美洲和亞洲地區的部分發展中國家或地區的經濟發展增速緩慢。這主要是由于發展中國家各行業專業化程度不同且學歷在高中及以下的勞動力數量較多，因此由人工智能技術帶來的不平等情況可能會更加嚴重。對此，經濟學家們提出并比較了2 種可能的解釋：技能偏向型技術變革（Feenstra 和Gordon，1999）和國際貿易導致的外包和質量升級（Frias等，2009）。也有學者認為這2 種解釋都起到了作用，甚至兩者之間存在相互作用（Acemoglu 和Restrepo，2019）。由以往研究可知，人工智能主要是通過改變不同技能勞動力的收入水平、不同行業要素的投資回報率以及企業的市場份額，從而影響勞動力市場的收入分配。

1.人工智能影響勞動力的收入水平

人工智能技術具有偏向性（Autor，2015），即人工智能對勞動力市場中低技能群體與中高技能勞動力的影響是不同的。一般認為，低技能勞動力的工資報酬受技術進步影響更大，容易產生收入下降甚至面臨失業的風險。Prettner 和Strulik（2017）運用OLG 模型將教育內生化，即假設高學歷的勞動者與機器是互補關系，低學歷的勞動者與機器是替代關系，通過研究證明了技術與經濟不斷發展的同時，收入差距會進一步擴大。然而，隨著人工智能的發展，研究者發現其對金融、律師、醫生等高技能勞動力的沖擊也在增加，人工智能對這部分勞動力的“替代效應”有助于縮小收入差距（陳永偉，2018）。呂世斌和張世偉（2015）就中國制造業工人的工資變化情況進行調查發現，隨著就業“極化”現象的出現，勞動者的工資也呈現“極化”現象，人工智能對高、低技術行業的勞動力報酬都有顯著的正向作用。

2.人工智能影響資本的投資回報率

基于任務模型，學者們考察了自動化對勞動力價格和資本價格的變化發現，自動化會導致一些行業比重上升，另一些行業下降。Lankishch 等（2017）運用內生增長模型研究自動化帶來的技能溢價發現，自動化的應用降低了低技能工人的工資，致使收入不平等現象加劇。技術的應用會改變要素的投入產出，使資本投資回報率上升（Acemoglu 和Restrepo，2017）。研究者們還發現，人工智能對不同地區的勞動力分布產生的影響不同，這就導致各地區的投資回報率存在差異，進而造成城市間的收入不平等擴大（曹靜和周亞林，2018）。

3.人工智能影響企業的市場份額

一方面，通過對數據的智能化處理和分析，人工智能能夠幫助企業獲得產出和產品定價上的相對優勢，從而獲得更大市場份額。根據產業組織理論，當數據集中在少數企業，算法歧視（Algorithmic Discrimination）和算法合謀（Algorithmic Collusion）的風險將加大，企業采取價格歧視和壟斷合謀阻礙市場競爭的風險也會加大；另一方面，人工智能作為一項數字技術，邊際成本低且易于擴散的數字特性導致早期進入市場的企業更易建立行業壁壘，從而拉開與其他企業之間的生產力差距，同時促進企業的橫向擴張和縱向并購行為，利潤和財富在少數大公司中集中，收入分配問題和不平等現象加劇（陳永偉，2018）。此外，人工智能產業對城市的發展，特別是超大城市的發展也具有顯著影響，這就容易加劇這些城市內企業與其他城市企業的差距。具體而言，由于強大的資源聚集和人才聚集效應以及強大的人工智能生產鏈，發達城市的生產自動化和智能化程度得到更大提升，企業得到進一步發展，越來越多的資本替代勞動，促進了區域全要素生產率的提升，推動中國經濟向更高質量發展，但同時也進一步擴大了國內各區域經濟發展的差異（陳德余和湯勇剛，2021）。

五、發展人工智能的政策響應

（一）“智能紅利”補位人口紅利不足

人口老齡化加深是中國經濟加速發展過程中面臨的一大難題，也是影響中國經濟發展的重要因素。隨著人口紅利減弱，人工智能等技術發展帶來的“智能紅利”可以刺激企業創新，提高生產效率，從而彌補人口紅利減少導致的經濟增長動力不足。已有研究發現，在人口老齡化致使勞動力絕對數量下降的背景下，人口結構變化和勞動力成本上升等因素是驅使自動化市場蓬勃向上發展的動力。研究一國人口老齡化程度和機器人使用密度的關系發現，不同生產要素相對價格的變化會刺激對特定種類創新的應用，當勞動力工資上升導致成本上漲時，企業應用先進技術替代勞動力的意愿就更強（Abeliansky 和Prettner，2017；Acemoglu 和Restrepo，2017）。因此，越是人口老齡化嚴重的國家，使用機器人替代的激勵就越大。陳秋霖等（2018）發現，人工智能發展屬于“誘導式創新”，其與勞動力之間更多是“補位式替代”關系，即智能化設備可以填補勞動力缺口，抵償老齡化加深對經濟增長的不利影響。陳彥斌等（2019）通過構建人工智能和老齡化的動態一般均衡模型發現，人工智能應用促進了技術進步，有利于提高全要素生產率，其應對老齡化的效果可能較延遲退休表現更為顯著。為應對人口老齡化問題，一些國家對人工智能的發展和應用保持著高度關注，圍繞人工智能的發展開展了一系列研究并制定了相應的公共政策。如2016 年美國白宮發布了《為人工智能的未來做好準備》，報告深度分析了人工智能對經濟和就業的影響；2017 年英國發布了《人工智能：未來決策制定的機遇與影響》，該報告把人工智能的創新優勢上升為國家戰略，指出在將發展人工智能用于提升總體國家競爭能力的同時也要積極應對人工智能給法律和個人或公眾利益帶來的挑戰；德國針對人工智能技術的開發，與美國、以色列等展開合作，明確表示支持人工智能在交通、家居、生產等多行業領域的融合應用；日本推動數據標準化建設和人工智能在社會服務平臺的應用，打造了“超智能社會5.0”（薛亮，2017）。

近年來，中國政府也積極推動工業機器人的生產和使用。2013 年，中華人民共和國工業和信息化部（MIIT）發布了《機器人產業促進和發展指導意見》，提出了一些機器人產業發展的具體目標，如發展3～5 家世界領先的機器人公司和8～10 個配套產業集群；將中國高端機器人產品的全球市場份額提高到45%以上；推動機器人在工廠的使用，使每萬名工人擁有100 臺機器人。2015 年啟動的“中國制造2025”提出，到2020年，每年生產10 萬臺工業機器人，并實現每1 萬名工人擁有150 臺機器人的密度。2016 年，中華人民共和國工業和信息化部等部門共同啟動了《機器人產業發展規劃（2016—2020 年）》，將機器人應用推廣到包括服務業在內的更廣泛領域。2020 年3 月，中華人民共和國科學技術部發布的《關于科技創新支撐復工復產和經濟平穩運行的若干措施》明確提出要大力推動關鍵核心技術攻關，人工智能便是其中一項。此外，該部門還提出要編制面向智慧醫療、智慧農業、公共衛生、智慧城市、現代食品、生態修復、清潔生產等應用場景的技術目錄，在國家高新區、國家新一代人工智能創新發展試驗區等打造示范應用場景，推動實施一批新興產業技術項目，引導消費和投資方向。中華人民共和國工業和信息化部在2020 年3 月的《關于開展產業鏈固鏈行動推動產業鏈協同復工復產的通知》 中提到，要加快人工智能等新基礎設施建設，加快制造業智能化改造。2020 年4 月，中華人民共和國國家發展和改革委員會首次明確新型基礎設施的范圍，人工智能便是新基建的一大主要領域。此外，人工智能相關法律法規問題在2020 年6 月的中華人民共和國全國人民代表大會常務委員會中也被提及，指出要加強立法理論研究，重視對人工智能、區塊鏈、基因編輯等新技術新領域相關法律問題的研究。為更好在全球治理格局下尋求合作共享的機會，中國制定公共政策時應考慮其他國家人工智能和數據規制制度的差異性，共同構建全球治理機制（賈開和蔣余浩，2017）。

（二）應對人工智能給勞動力就業帶來的挑戰

發展人工智能有助于緩解老齡化對中國經濟增長帶來的不利影響（陳彥斌，2019；陳秋霖等，2018；劉濤雄和劉駿，2018），但防范人工智能帶來的失業和收入分配問題則是人工智能有序發展和應用的關鍵。人工智能對就業市場的沖擊給本身處于弱勢的人群帶來的影響可能更大。如Borjas 和Freeman（2019）利用中國地級市2000—2016 年的數據和中國公民個人縱向數據進行研究發現，機器人技術的應用顯著減少了遷移人口的回流，工業機器人普及程度較高的省份移民人口比例下降，同時，機器人使用對國有部門、低技能崗位工作和老年勞動者的影響更大。孫早和侯玉琳（2019）研究發現，智能化會促進機器對中等技能勞動力的替代，刺激人力資本加快提升，勞動力就業結構面臨重塑。據統計，2020 年中國工業機器人行業創造的系統操作員、運維員等諸多新崗位人才需求量達20 萬，但是供給的缺口大，勞動力素質與未來工作技能要求不匹配等問題突出（王君等，2017）。

而處理技術對勞動力就業的沖擊，避免出現結構性失業的關鍵主要在于政府。除了減緩技術應用的速度，防止短期內突然對勞動力市場產生巨大沖擊之外，政府還需要提供一些如社會保護、稅收福利制度等政策措施。當技術替代勞動力時，社會保障制度是維持勞動力市場平穩過渡的關鍵因素，適當的社會保障制度有助于提高就業率。但社會保障制度也可能存在不足，如國外全民基本收入制度（UBI）作為一種社會保障制度引起了廣泛關注（Furman 和Seamans，2018），這一制度的優勢在于能夠在一定程度上減輕貧困，保障人們在面對工作機會相對較少時依然能夠生存（Goolsbee，2018），但也存在明顯的缺點：首先，激勵機制容易發生扭曲，這在很大程度上會降低市場勞動力的參與度，尤其是低收入人群可能會變得懶散且更加依賴社會基本保障。其次，政府面臨的支出壓力變大，可能出現稅收收入難以保障，與其他福利政策難協調等問題（曹靜和周亞林，2018）。為應對人工智能對勞動力就業造成嚴重沖擊，國內研究者們從提高勞動者素質，鼓勵創新創業，深化教育培養體制改革以及完善社會保障制度方面，提出政策建議（王君等，2017；程承坪和彭歡，2018；段海英和郭元元，2018）。建議具體可以歸納為三點：一是重構職業教育體系，完善社會各類保障制度。結合人工智能和機器人行業對人才素質和技能的要求，以市場需求為導向，增強高等教育院校自主辦學的靈活性。提高勞動者素質和技能水平，培養具有較強適用能力的勞動力。完善社會失業保險保障和就業援助制度，對技能不足的勞動力進行再教育和培訓，使勞動者在崗位轉換間實現平穩過渡。二是減少信息不對稱，保持勞動力在不同區域的流動性。加強崗位信息服務，促進勞動力的跨區域流動，鼓勵農村居民向城鎮和勞動力匱乏的區域尋求工作機會。進一步完善戶籍制度，避免區域性和行業間就業歧視現象發生。三是鼓勵創新創業，激發人工智能的創造效應。鼓勵中高端人才創新創業，催生新型業態，擴大就業市場容量。加快人工智能創新基地的建設和人工智能重點領域的突破，支持人工智能應用成果轉化。激發人工智能的就業創造能力，擴大對勞動者的吸納能力。

（三）應對人工智能給收入分配帶來的挑戰

隨著人工智能對勞動力就業結構的影響日益深化，勞動者內部的收入差距不可避免地擴大。針對人工智能給收入分配帶來的挑戰，國內外學者就數據收費、稅收、數字基礎設施建設等政策建議展開討論。Rifkin（2014）認為，人工智能應用帶來日益嚴重的不平等現象與其零邊際成本和消費者免費分享數據以換取“免費服務”有關，數據的構建和算法的處理在人工智能中起著重要的作用，當前的“免費數據-免費服務”模式應該得以調整，重新建立適當的、基于邊際成本的激勵機制。Ibarra 等（2018）也支持對數據收費的建議，認為這不僅有利于改善不平等現象，而且有助于信息隱私的保護。Acemoglu Restrepo（2019）從稅收角度分析指出，對數字經濟適當征稅，一方面可以保持穩定的稅收基礎；另一方面也能夠激勵企業創新。還有學者提出通過鼓勵工人參與共享資本收益和利潤以及建立有效的稅收體系來解決日益嚴重的不平等問題（Freeman，2015；Ciminelli 等，2017），但實際上，減少工作時間和分享企業盈余利潤的倡議很難得到推行。也有學者針對發展中國家的人工智能發展，提出加快數字基礎設施建設的建議，投資建設人工智能發展需要的數字基礎設施，確保各行業和地區的公司實現公平競爭。在“人口紅利”不斷弱化的當下，正確認識人工智能與勞動力之間的關系，使人工智能應用與勞動力市場變革速度相匹配，推動人工智能在不同地區行業平衡發展是避免地區間收入差距擴大的有效措施（陳秋霖等，2018）。

六、研究結論與未來展望

（一）研究結論

通過對現有文獻研究進行歸納發現，人工智能對經濟增長具有積極的促進作用，其影響機制主要為提升企業生產率、減少勞動投入和增加教育研發投入3 個渠道。對人工智能對勞動力就業影響的研究討論主要集中于2 個方面：一是人工智能的“替代效應”和“創造效應”對勞動力就業崗位數量的影響。由于人工智能技術發展的不確定性以及缺乏完整統一的數據庫，對人工智能對就業總量的影響效果還沒有達成統一的意見，但現有的實證經驗論證了人工智能創造新就業崗位的能力，普遍接受的觀點認為，人工智能對就業的“創造效應”抵免了“替代效應”，就業崗位總體保持穩定。二是人工智能所帶來的技術進步是非中性的。人工智能對不同勞動群體的影響具有偏向性，從事重復常規型任務的中低等技能勞動力更易被替代，這就會導致勞動力就業結構呈現“兩極化現象”。此外，一些來自中國的實證研究發現，由于區域發展不協調以及地區生活成本差異，人工智能對低技能就業者的擠出效應更強，勞動力就業結構會出現空間上的“單極極化”現象，同時人工智能的就業極化帶來收入上的極化，可能加劇收入分配和不平等問題，造成貧富差距的擴大。

在分析人工智能發展和應用現狀時，研究發現人口老齡化和智能機器人應用之間有積極互補作用。一方面，人口老齡化加速使得勞動供給緊縮、勞動力成本上升等問題越發嚴峻，人工智能作為一項通用目的技術，其對勞動力更多的是“補位式替代”，彌補“人口紅利”不足帶來的消極影響。另一方面，技術進步改變市場要素相對價格，刺激企業擴大智能化生產，人工智能應用的普及反過來又會對勞動力供求關系、就業市場結構以及收入分配造成沖擊。

（二）未來展望

隨著人工智能的擴大布局及實踐，關于人工智能的研究未來還有很多可積極探索的方向。如，人工智能治理方面，如今人工智能的治理正已逐步從倫理原則等軟性約束，邁向全面具有可操作性的法律規制的新階段。未來人工智能規制和數據治理緊密結合將是重要趨勢，因此全球人工智能治理路徑不僅僅從系統化規制入手，也會逐步強化場景化立法規制探索。以中國為例，為促進新一代人工智能健康發展，積極推動人工智能全球治理，2019 年6 月，國家新一代人工智能治理專業委員會發布了《新一代人工智能治理原則--發展負責任的人工智能》，其目的就是為了更好協調人工智能發展與治理的關系，確保人工智能安全可控可靠。再如，隨著第五代移動通信技術（5G）的蓬勃興起，研究5G 技術與人工智能融合創新發展已成重大趨勢。此外，人工智能營銷作為一個新興研究主題同樣受到越來越多學者的關注，國內相關研究成果自2015 年來保持增長趨勢，并呈現出“起步”“快速演變”和“深化應用”三個發展階段。同時，基礎理論研究對促進人工智能發展也具有重要意義，對人工智能的研究可以借鑒已有經驗發展專業性的基礎理論，以國家人工智能產業規劃及其所涉的關鍵技術為基礎,分析了人工智能專業設置與建設中存在的主要問題，支撐人工智能的變革。在“人口紅利”不斷弱化的當下，正確認識人工智能與勞動力之間的關系，將人工智能應用于勞動力市場變革速度相匹配，制定配套的教育培訓、社會保障和產業政策等方面的政策措施是保障人工智能發揮積極作用、實現經濟更高質量發展的關鍵。在中國情景下，定量化人工智能對企業和個人的影響，探究人工智能對產業發展和經濟增長的影響也是未來的重要研究方向。