人工智能技術進步會促進企業員工共同富裕嗎？*

羅潤東 郭怡笛

一、問題的提出

人工智能技術進步背景下，中國經濟發展整體向創新驅動的方向轉換，從而使產業分工發生調整，收入分配格局出現轉變。同時，脫貧攻堅工作的全面勝利，標志著我國向共同富裕這一歷史目標邁進了關鍵一步。因此，探討人工智能技術進步是否能夠在初次分配環節促進共同富裕目標具有其理論特色與時代創新性。制造業作為受人工智能技術沖擊最大的行業，在研究共同富裕的初次分配環節時，制造業員工收入的變動情況具有特征性和代表性。本文以制造業企業員工的收入水平變動方向作為切入點，從微觀視角回答人工智能技術進步是否能夠促進企業員工共同富裕這一問題。

根據內生增長理論，生產過程中先進技術的引入是生產率增長和創新發展的動力。部分學者擔憂，這種以人力資本為載體的“超級智能”將大量攫取有限的資源，進而降低勞動份額；①A.Korinek and J.E.Stiglitz,“Artificial Intelligence and its Implications for Income Distribution and Unemployment,”NBER Working Paper,2018,No.24174；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》，《管理世界》2019年第7期。另一方面，由于社會技術進步的方向是“技能偏向”與“程序偏向”的，兩者都會導致就業單向極化，進一步擴大貧富差距，從而加劇了收入不平等的現象。②陳勇、柏喆：《技能偏向型技術進步、勞動者集聚效應與地區工資差距擴大》，《中國工業經濟》2018年第9期；Y.Zhou and R.Tyers,“Automation and Inequality in China,”CAMA Working Paper,2017,No.59/2017.也有學者認為，現實中當新技術（如新型自動化技術、人工智能）取得重大突破時，邊際產出和勞動生產率的提高會帶動工資水平增長。③G.Graetz and G.Michaels,“Robots at Work,”The Review of Economics and Statistics,vol.100,no.5,2018,pp.753-768.隨著人工智能技術應用的開展，人工智能總體上有助于提高社會工資水平、④謝璐、韓文龍、陳翥：《人工智能對就業的多重效應及影響》，《當代經濟研究》2019年第9期；師博：《人工智能助推經濟高質量發展的機理詮釋》，《改革》2020年第1期。提升勞動收入份額⑤P.Aghion,B.F.Jones and C.I.Jones,“Artificial Intelligence and Economic Growth,”NBER Working Paper,2017,No.23928；金陳飛、吳楊、池仁勇、吳寶：《人工智能提升企業勞動收入份額了嗎?》，《科學學研究》2020年第1期。和縮小行業工資差距。⑥B.Stevenson,“Artificial Intelligence,Income,Employment,and Meaning,”The Economics of Artificial Intelligence:An Agenda,NBER Chapters,2019,pp.189-195；何勤、邱玥：《人工智能的就業效應研究:錦上添花抑或是釜底抽薪?》，《北京聯合大學學報（人文社會科學版）》2020年第2期。長期來看，隨著時間的推移，人工智能領域逐漸成熟的新技術將繁衍出大量相關的工作崗位，形成新的產業行業，以容納更多勞動力參與就業，從而消弭一部分收入差距，⑦D.Acemoglu and P.Restrepo,“Unpacking Skill Bias:Automation and New Tasks,”NBER Working Paper,2020,No.26681.勞動力市場將自動恢復均衡狀態，收入不平等現象也會有所緩和。

基于人工智能技術進步能否對共同富裕產生貢獻這一角度，楊飛和范從來（2020）通過構建內生人工智能創新模型研究發現，高技能勞動力的相對供給增加有利于提升產業智能化程度，促進低/中技能勞動力的相對工資增長，有利于我國益貧式發展。⑧楊飛、范從來：《產業智能化是否有利于中國益貧式發展?》，《經濟研究》2020年第5期。實踐層面來說，隨著脫貧攻堅戰的勝利，消除“絕對貧困”這一目標已經達成，在解決相對貧困這一問題上，縮小收入差距是當務之急。有學者認為，人工智能技術轉化為社會財富的過程中，必將耗費大量自然物質資源，其收益或收益中的一部分都應歸屬于全部社會人員，因此，在人工智能廣泛應用的背景下，應更加強調通過政府再分配來實現收入相對平等。⑨姚偉：《人工智能的廣泛應用與收入分配制度的創新》，《學術界》2018年第4期。

目前，關于人工智能對勞動收入影響的凈效應，尚未形成統一的論斷。基于此，本文的貢獻主要在于：（1）將人工智能技術進步與共同富裕這一社會發展目標結合起來，在已有對宏觀經濟研究成果的基礎上，從微觀層面開展二者關系的實證研究，拓展了人工智能背景下企業員工收入變化的相關分析；（2）采用文本挖掘技術測度了微觀層面企業的人工智能應用程度，為企業智能化程度的科學測度這一難點提供了新的、較為科學的方法；（3）研究發現的雙向傳導機制以及行業、地區兩個層面人工智能收入效應的異質性，深化和拓展了人工智能應用與企業員工收入變化關系的相關研究。

二、模型設計與指標選取

（一）模型設定

在前文文獻梳理的基礎上，本部分從經驗分析的層面探究企業人工智能技術應用對員工構成的影響及傳導路徑。基于這一目的，設定如下的計量模型：

上述模型中，被解釋變量lnwageit表示企業i在t年的員工收入，核心解釋變量whether_AIit是一個虛擬變量，用于衡量企業i在t年的人工智能應用情況，變量Xit為一系列控制變量，以上變量的具體衡量指標將在后文具體說明；μi為固定個體效應、υt為固定年份效應，εit為隨機干擾項。

進一步地，為探究制造業人工智能的收入效應在不同樣本間的差異化體現，有必要進行異質性分析，在基準模型基礎上添加異質性虛擬變量Dit得到：

為了識別傳導機制的存在，在上述基本回歸的基礎上進行中介效應檢驗。下式中，mediatorit表示中介變量，基于Sobel檢驗法的遞歸模型構建如下：

（二）指標選取

目前，對于人工智能技術的應用領域尚無統一明確的界定，如何定義企業的智能化程度是當前研究所面臨的難題。清華大學知識智能聯合研究中心于2019年發布《2019人工智能發展報告》，報告中遴選了13個人工智能重點領域，并分別就每個領域技術發展情況進行解讀。騰訊研究院于2018年發布《“人工智能+制造”產業發展研究報告》給出了人工智能+產業結構實施的六大典型領域。中國信息通信研究院于2020年發布《人工智能與工業融合發展研究報告》，并進一步介紹了人工智能行業應用和主要產品。

基于對上述報告的整合和解讀，本文甄選出人工智能領域的特征詞，如“機器人”“云計算”“類腦芯片”“人機交互”“機器視覺”“迅捷工廠”等，力求涵蓋人工智能產業鏈的核心技術、產品、應用和實現基礎等方面。通過對2011—2019年滬深A股上市公司年報進行文本挖掘，讀出年報中包含人工智能特征詞的價值信息，從而確定其當年生產經營業務范圍是否涉及人工智能技術的應用，或是否取得智能制造領域的重大技術突破，并確定企業吸納人工智能技術的初始年份。

本文中所使用的面板數據均來源于上市公司年報及wind企業數據庫。時間跨度設定為2011—2019年，為確保獲得信息全面的平衡面板數據，本文僅選取2011年之前已掛牌上市、處于存續狀態的滬深A股制造業上市公司作為分析對象，剔除st、*st及存在數據缺失或異常情況的企業，最終得到一個包含683個制造業上市公司的樣本集，共6147個觀測值。

被解釋變量：企業員工收入（lnwage），用“支付給職工及為職工支付的現金”的對數值表示，該指標是勞動要素收入份額在企業層面的體現，也是衡量人工智能是否有助于促進“共同富裕”作用的重要標志，放入回歸方程前，用CPI指數進行平減。

核心解釋變量：企業智能化虛擬變量（whether_AI），根據上市公司年報中提取出的特征值信息，確定企業是否屬于人工智能應用企業，以及出現智能化行為的初始年份，從該年度起，虛擬變量whether_AI賦值為1，此前的年份則賦值為0。若截止2019年底，企業尚無智能化行為，或不具備智能化條件，則定義為非人工智能應用企業，whether_AI取值為0。

控制變量：控制變量的選擇力求包含公司經營狀況、創新實力、盈利能力、存續能力等方面，具體包括：研發投入強度（rd_rate），用企業年度研發支出和營業收入的比值表示，用于考察企業的創新能力；銷售凈利率（npm）；收入增長率（income_gr），用企業年度營業收入同比增長率表示；資產負債率（rda）；企業規模（lnk），用企業資產總額的對數值表示；資本密集度（capital_cr），用企業固定資產與總資產的比值表示；全要素生產率（lntfp），本文選用Levinsohn-Petrin半參數方法（簡稱LP法）測算出全要素生產率，取對數后放入模型；企業年齡（lnage），用截止2019年底，企業成立年數的對數值表示。其中，lnk放入回歸方程前，先用固定資產投資價格指數（以量化初始年份2011年為基期）進行平減。

中介變量：（1）成本收入比（cir），用營業成本與營業收入的比值表示，人工智能的應用可能導致生產成本發生變化，企業出于利潤最大化原則，將相應調整勞動收入份額所占的比例；（2）員工技能結構（em_skill），用企業生產人員占員工總數的比值表示，人工智能技術或將對技能稟賦要求較低的重復性工作產生替代作用，進而影響員工整體收入。

工具變量：（1）專利數量（last_lnpat），用企業發明專利申請量的對數值表示，專利數量能夠直接反映出企業的自主創新能力與核心競爭力；（2）政府補助力度（last_gov），政府補助是推動企業實施技術研發的重要力量，設置虛擬變量gov，若該企業政府補助金額大于當前年度制造業企業政府補助金額的中位數，則定義gov=1，反之則定義gov=0。考慮到工具變量的外生性，對以上兩個工具變量均選取上一年度的前置變量表示。

（三）描述性統計

表1 報告了所得到的各項指標的描述性統計情況。

表1 變量描述性統計

三、實證結果

（一）基礎回歸結果

本文采用固定效應模型估計方法，控制年份和個體效應后，在模型中依次放入核心解釋變量和控制變量，回歸結果報告見表2。列（1）匯報了當模型中僅包含核心解釋變量whether_AI時，被解釋變量lnwage的系數在1%的置信水平上顯著為正。具體來說，僅考慮單一影響時，應用人工智能使得企業員工收入增加4.97%。在此基礎上依次添加表示企業創新能力的無關變量后，核心解釋變量人工智能變量whether_AI的系數出現輕微的下降。在加入表示企業資本結構的無關變量后，核心解釋變量的系數出現一個顯著的下降，數值降為0.0151，依然顯著為正，同時控制變量lnk和capital_cr與員工收入lnwage均存在正相關關系，可以認為員工收入具備規模效應。最后添加無關變量企業年齡（lnage），在控制一系列非實驗因素的基礎上，可以發現，企業推進人工智能的應用能夠顯著提高企業員工的收入水平，使之提高1.51%，意味著人工智能技術進步對制造業員工的共同富裕存在積極的影響。

表2 基礎回歸結果

（二）異質性檢驗

1.制造業技術劃分與行業異質性檢驗

參考《OECD制造業技術劃分標準》，本文將我國制造業產業劃分為高端制造業、①定義高技術產業為高端制造業，劃分原則依據國家統計局發布的《高技術產業（制造業）分類（2017）》中對于高技術企業的相關認定。中高端制造業、中低端制造業和低端制造業四類。設置產業虛擬變量，分別定義它們與核心解釋變量whether_AI的交互項AI_high、AI_midhigh、AI_midlow和AI_low，觀察交互項的系數變化。為進一步明確人工智能在企業層面的收入效應，我們在模型中添加“勞動收入份額”和“平均收入”兩個指標作為輔助的被解釋變量，用企業勞動報酬占企業增加值的比例表示勞動收入份額，用企業員工收入除以員工總數表示平均勞動收入。回歸結果匯報在表3中，組Ⅰ報告了人工智能對員工收入的影響系數，組Ⅱ報告了人工智能對員工勞動收入份額的影響系數，組Ⅲ報告了人工智能對員工平均收入的影響系數。

表3 制造業行業異質性檢驗

回歸結果顯示：首先，人工智能技術進步對高端制造業的員工收入、勞動收入份額和員工平均收入有顯著的正向拉動作用，推進人工智能化使高端制造業的整體收入增加3.41%，使勞動收入份額增加0.83%，員工平均收入增加0.13%。高端制造業屬國際經濟和科技競爭的重要陣地，該行業勞動收入的提高有利于人力資本向技能勞動力的方向轉變，耦合提升就業結構，成為企業初次分配環節共同富裕導向的人力資本條件。其次，從事低端制造業的員工整體收入對人工智能并不敏感，且隨著智能化應用的展開，勞動收入份額和平均收入出現一定程度的減少。低端制造業包括“食品加工業”“紡織業”等10個細分行業，均屬勞動密集型產業，人工智能技術進步將導致這部分產業出現轉移淘汰的趨勢，“轉移”意味著從事低端制造業的員工將部分轉移至新興的低門檻平臺經濟，“淘汰”意味著低端行業失業率的上升，從而直接導致行業收入水平的下降。最后，從事中高端制造業和中低端制造業企業的員工收入在人工智能影響下分別增加了1.6%和1.44%，收入提升效應雖然不及對高端制造業，但中低端制造業的員工平均收入和勞動收入份額亦有所增加。中高端制造業和中低端制造業集合了我國工業企業50%的勞動力，這一群體勞動回報的提高為共同富裕夯實了產業基礎。

（接上表）

2.地區異質性檢驗

根據我國自然地理區劃原則，將觀測的31個省（自治區、直轄市）分為東部地區、中部地區、東北地區和西部地區四個區域，①因部分統計數據缺失，數據集未涵蓋我國香港特別行政區、澳門特別行政區和臺灣地區。設置地區虛擬變量，分別定義它們與核心解釋變量whether_AI的交互項AI_east、AI_midland、AI_noreast和AI_west，觀察交互項的系數變化，具體分析人工智能技術進步對我國各區域制造業員工收入的影響差異。回歸結果匯報在表4中，組Ⅰ～Ⅲ的分布情況同表3。

表4 地區異質性檢驗

結果顯示，東部區域的人工智能化應用對員工收入存在顯著的正向影響，智能化的推進使得該區域員工收入提高9.33%，但對平均收入存在輕微的負向影響。東部區域覆蓋我國東南沿海，屬我國綜合技術水平較高的經濟區，人工智能的發展態勢較其他地區更為蓬勃。智能化高質量發展帶來的收益激勵增強了這些企業對就業的吸納能力，逐漸形成東部地區就業“兩極化”的態勢，②孫早、侯玉琳：《工業智能化如何重塑勞動力就業結構》，《中國工業經濟》2019年第5期。盡管整體收入水平有所提升，勞動力向東集聚和行業內部轉移依然使得員工平均收入出現輕微下降。中部區域回歸結果同東部區域基本一致，但系數絕對值減小，對員工收入的影響系數僅為0.0076，同樣在1%的置信區間顯著。東北和西部地區的員工收入與核心解釋變量負相關，然而隨著智能化進程的推進，平均工資有所增長。地區異質性回歸的結果表明，由于各區域產業結構和發展情況不同，人工智能影響下的員工收入水平存在一定程度的差異，但四個地區企業勞動收入份額均呈現增長態勢，可以認為增長仍是“主旋律”。

（三）內生性及穩健性檢驗

1.工具變量檢驗

由于可能存在解釋變量的內生性問題，本文引入專利數量（last_lnpat）和政府補助力度（last_gov）作為人工智能的工具變量。發明專利蘊含的技術價值較高，能夠側面反映出企業的自主研發實力，而研發實力強勁的企業往往更具備轉型智能制造的條件，因此我們將上一年的發明專利申請數作為人工智能的工具變量。其次，企業能夠通過項目審批、設立智能制造專項資金等方式獲取政府補助，進而用于人工智能技術的研發和引入，這在一定程度上表明，企業是否實現智能化與政府對企業的扶持態度息息相關。

將工具變量分別納入回歸方程，豪斯曼檢驗在1%的水平上認為解釋變量存在內生變量，且工具變量有較強的解釋力，不存在弱工具變量。Hansen J檢驗p值不拒絕原假設，認為不存在多余的工具變量。內生性問題的處理結果報告在表5中，添加工具變量和控制變量后，核心解釋變量的系數符號及顯著程度與上述基本回歸保持一致，數值基本合理。

表5 工具變量檢驗

2.因果關系檢驗

人工智能技術進步在微觀企業層面的應用顯著提高了員工收入，反之，勞動成本的變動也可能影響企業采納人工智能技術的決策，即存在互為因果的動機。為避免可能存在的因果關系混淆實證結果，我們將核心解釋變量做一階滯后處理，重新代入回歸模型。結果顯示，滯后一期的核心解釋變量系數及顯著性與原回歸結果基本一致，可以認為基礎回歸結論是穩健可靠的。

3.分階段檢驗

我國于2015年頒布《智能制造試點示范專項行動實施方案》，并自該年度開始部署智能制造試點示范專項行動，2015—2018年四年間遴選推行智能制造試點項目共計305個，覆蓋92個行業類別、31個省（自治區、直轄市），標志著我國推進智能制造創新發展的決心。據此，本文以2015年為界，對原模型做分組回歸，觀察2015年前后回歸系數變化。結果顯示，兩個階段核心解釋變量的影響系數及顯著性均與基礎回歸結論一致，可以認為人工智能技術進步對員工收入的影響在各個時段是均勻一致的，基礎回歸結論是穩健可靠的。

（四）機制分析

前文分析已知，人工智能在企業層面的應用的確會影響員工收入、促進企業初次分配環節共同富裕目標的導向，但這一影響的傳導路徑尚不明晰。因此，我們試圖從人工智能對勞動份額產生的雙向效應出發，就以下兩個可能的傳導途徑，利用中介效應檢驗方法，探究人工智能影響員工收入的傳導機制，找到通過人工智能技術實現企業員工共同富裕的渠道。本文采用的中介效應檢驗方法為Sobel檢驗法，回歸結果見表6。

表6 機制分析

1.人工智能技術進步通過成本收入比影響企業員工收入

在控制非實驗變量的基礎上，首先觀察人工智能通過成本收入比影響員工收入的中介效應結果。Sobel檢驗顯示，在1%的置信水平上，人工智能對員工收入的直接效應為正。同時，人工智能的應用顯著提高了企業的成本收入比，使之增加2.02%。研發、引進、購置人工智能設備，或結合外包實現大數據處理中心、云端平臺搭建等舉措，使得成本出現一定程度上的損耗，出于廠商的趨利性，成本收入比的增加使得企業趨向于降低勞動份額。中介模型第二階段結果顯示，成本收入比的增加致使員工收入降低了22.41%，因此，人工智能技術進步通過提高成本收入比對員工收入產生負的間接效應，間接效應占比為-4.4%。

2.人工智能技術進步通過員工技能結構影響企業員工收入

企業員工的人力資本結構與技能稟賦構成企業發展的核心競爭力，這里我們采用直接生產人員占比衡量員工技能結構。直接生產人員包括工人、學徒和直接從事生產操作的一線員工等，在員工總數中占據相當大的比重。Sobel檢驗的p值報告了中介效應在模型中顯著，明確人工智能技術的應用能夠通過影響員工技能結構繼而影響員工收入，直接生產人員占比的下降有利于提升員工整體收入水平，印證了雙向傳導機制的存在。為了適配人工智能這一新的技術進步形式，企業員工結構亟待轉型升級，通過提升技能稟賦帶動員工整體收入水平的上升，為實現共同富裕奠定人力資本基礎。

結束語

本文結合以往相關研究，主要發現：（1）人工智能技術進步能夠有效提升員工收入水平，影響系數為1.51%，在一定程度上促進了企業員工共同富裕；（2）人工智能技術進步對員工勞動報酬、勞動收入份額、以及平均收入水平的影響存在異質性，相對來說，在東部地區、高端制造業企業中，這種影響表現更為強烈；（3）人工智能技術進步對企業員工收入的影響存在雙向傳導機制，并通過成本收入比和員工技能結構傳導。

當前，以人工智能為核心的第四次工業革命將為全社會帶來巨大的經濟收益，如何建立有效再分配機制，使其在促進擁有技術專長的高學歷、高技能工作者收入增長的基礎上，最大限度地保護中低技能水平工作者的利益，從而縮小收入差距，推進共同富裕，這是我們后續應當關注和思考的重點。基于此，我們提出以下政策建議：（1）健全人力資本培養體系，通過縮小非義務教育階段公共教育經費支出差距，促進實現人力資本投資均等化，從而切實提高中低收入人群收入，加快形成橄欖型社會；（2）細化社會分工，力求以最大程度發揮人工智能的就業創造效應。失業問題導致的低工資惡性競爭是收入差距擴大的重要原因，因此，在培養技能勞動力的同時，應該發揮人工智能對勞動力市場的創造效應，最大程度吸收剩余勞動力。同時在體制創新實踐中進一步疏通“去產能”類制造業員工向新型平臺經濟轉移的渠道與方式，以期實現我國就業結構優化配置，縮小行業收入差距；（3）基于地區生產和發展水平差異，因地制宜，實施差別化、有傾斜的創新發展政策。擴大先進產業和地區的人工智能技術外溢效應，拓展西部落后地區的市場規模，充分發揮人工智能技術的優勢，消融地區間的經濟發展隔閡，為實現人工智能助推高質量發展和共同富裕的奮斗目標夯實基礎。