人工智能對勞動力供給的影響問題研究
——基于Cite Space科學知識圖譜(2010—2020)

馬紅鴿，莫正暉

(西安財經(jīng)大學 公共管理學院， 陜西 西安 710061)

一、引言

人工智能(Artificial Intelligence，AI)最早于1956年由麥卡錫教授提出，標志著人工智能的誕生[1]。近年來，隨著AI技術與機器人技術的不斷發(fā)展與創(chuàng)新，勞動力能夠越來越多地從繁重、機械和重復性的勞動中解放出來，與此同時也造成許多工作崗位對勞動力不再需要或者需求量大大減少的問題，取而代之的是人工智能的衍生品。人工智能是否對勞動力市場造成了沖擊，是否給勞動力市場帶來了新的發(fā)展機遇等成為智能時代人們所關心的重要問題。在這樣的背景下，國內外學者們圍繞人工智能對勞動力供給的影響展開研究，當前理論界形成了兩種顯著對立的觀點：一種觀點認為人工智能對勞動力供給會產(chǎn)生擠兌效應，從而引發(fā)失業(yè)等問題；另一種觀點認為技術的發(fā)展進步會創(chuàng)造出更多的工作崗位，不會造成勞動力需求的減少，反而會增加對勞動力的需求。本文將圍繞人工智能對勞動力供給的影響問題，梳理現(xiàn)有研究對學者們的研究成果進行回顧和評述，以期能夠對我國未來人工智能與勞動力供給領域的研究進行展望，能夠為該領域未來的研究提供借鑒和參考。

本文通過Cite Space可視化知識圖譜軟件，以Web of Science(WOS)核心數(shù)據(jù)庫和中國知網(wǎng)(CNKI)數(shù)據(jù)庫中人工智能與勞動力的相關文獻作為研究樣本，運用文獻計量法進行輔助分析，主要從發(fā)文年份、國際合作、核心作者、研究機構、關鍵詞詞頻、關鍵詞聚類和關鍵詞時區(qū)視圖等方面梳理人工智能與勞動力供給研究領域的研究現(xiàn)狀與知識基礎，并探討其當前的研究熱點和未來研究的前沿主題，客觀而形象地分析國內外學者們對人工智能與勞動力供給的研究概況和學術成果。相對于已有文獻，本研究采用文獻計量分析與文獻內容分析相結合的方法，使用Cite Space這一類具有文獻數(shù)據(jù)分析功能的前瞻性知識圖譜軟件，通過知識可視化對已有研究成果進行文獻梳理和總結，相比較于某些文獻單一的內容分析法，更具有科學性和客觀性。

二、數(shù)據(jù)分析工具與數(shù)據(jù)來源

(一)數(shù)據(jù)分析工具

本文采用信息可視化技術中的前沿科學知識圖譜法，使用信息可視化軟件Cite Space進行分析。Cite Space是美國Drexel大學陳超美教授所開發(fā)的一款基于Java語言的軟件，主要依托共引分析(Co-Citation)和尋徑網(wǎng)絡算法(Path Finder)等理論，在對某一研究領域的文獻進行計量分析的基礎上，繪制出一系列能夠分析該研究領域的演化方式和發(fā)展的前沿知識圖譜，并提煉出當前的研究熱點與研究前沿[2]。本文將通過國內外對比分析視角，多角度、多層次綜合整理國內外學者關于人工智能與勞動力供給研究領域的研究概況和理論成果，把握人工智能與勞動力之間的內在聯(lián)系，為后續(xù)的相關研究與實踐調查提供經(jīng)驗指導，發(fā)揮人工智能等新興技術對社會進步和經(jīng)濟發(fā)展方面的引領作用，對未來我國人口結構改變可能導致的勞動力供給問題提出應對之策。

(二)數(shù)據(jù)來源

Cite Space能否有效進行可視化分析，最重要的是數(shù)據(jù)來源的質量以及數(shù)據(jù)的全面性。雖然“人工智能”已經(jīng)是一個廣為流傳的概念，但是在學術界對人工智能的定義尚未達成共識。20世紀中葉，Turing A M提出了一個著名的思想實驗，即“圖靈測試”(Turing Test)，為智能機器的誕生提供了可能性[3]。人工智能概念提出者麥卡錫教授認為，機器不一定需要像人一樣思考才能獲得智能，重點是讓機器能夠解決人腦所能解決的問題[1]。近年來，學者們圍繞人工智能的定義展開了廣泛的討論。如人工智能是能夠模仿人類自身，反映人類智能方面的機器[4-5]，是通過算法、程序、系統(tǒng)的協(xié)作展現(xiàn)出智能的機器[6]，是可以加載相應數(shù)據(jù)完成各項目標任務的機器[7]。因此，可知人工智能是搜集人類相關數(shù)據(jù)、學習人類智能、通過計算模擬出人腦的思維方式并且能夠賦能在機器身上解決人腦遇到的問題的機器，即大數(shù)據(jù)、云計算、機器學習和機器人等是人工智能的核心內涵，故在檢索策略中將“人工智能”“大數(shù)據(jù)”“云計算”“機器學習”和“機器人”等作為主題詞進行檢索。勞動力是具有一定智力、體力的勞動能力的人口的總和，屬于人力資源的概念范疇[8]，但實際上勞動力不可能全部投入到社會勞動領域，其包含著勞動力供給的多少，因此在檢索策略中以“勞動力”“勞動力供給”和“人力資源”等作為主題詞進行檢索。本文的國外研究數(shù)據(jù)來源于美國Web of Science(WOS)核心數(shù)據(jù)庫，為了數(shù)據(jù)的查全率和查準率，數(shù)據(jù)采集策略采用組配檢索式，即人工智能研究領域檢索方式為：主題=“Artificial intelligence” or “Big data” or “Machine learning” or “Robot” or “Mechanic” or “Cloud computing”，時間跨度=2010—2020，文獻類型=Article、Review，索引=SSCI，檢索結果為38 320條記錄；勞動力研究領域檢索方式為：主題=“Labor force” or “Manpower” or “Human resources” or “Labor supply” or “Work force”，時間跨度=2010—2020，文獻類型=Article、Review，索引=SSCI，檢索結果為22 415條記錄；通過WOS高級檢索中的組配檢索式，選中這兩組檢索記錄進行“and”組配，得到244條檢索記錄。剔除“書評”“會議摘要”“書信”以及其他“新聞報道”，最后得到有效記錄230條。本文使用的國內研究數(shù)據(jù)來自于中國知網(wǎng)(CNKI)數(shù)據(jù)庫，采取的檢索策略與WOS數(shù)據(jù)庫高級檢索中的組配檢索式類似，即使用CNKI數(shù)據(jù)庫的高級檢索功能，主題=“人工智能”or“大數(shù)據(jù)”or“機器學習”or“云計算”or“機器人”等為主題詞進行檢索，時間范圍=2010—2020，文獻來源類別=CSSCI；再以主題=“勞動力”or“勞動力供給”or“人力資源”在人工智能研究領域主題檢索結果中進行檢索，得到283條檢索記錄。剔除“征稿啟事”“會議記錄”“選題方向”以及其他無關文獻后，最后得到有效記錄277條。

三、人工智能對勞動力影響的研究現(xiàn)狀

(一)文獻計量現(xiàn)狀可視化分析

通過統(tǒng)計WOS數(shù)據(jù)庫與CNKI數(shù)據(jù)庫2010—2020年論文發(fā)表數(shù)量，繪制出國內外文獻統(tǒng)計數(shù)量圖，如圖1所示。

圖1 2010—2020年國內外人工智能與勞動力研究文獻數(shù)量統(tǒng)計

根據(jù)圖1中的曲線，可以將有關人工智能對勞動力的影響的研究劃分為兩個階段：第一個是初始發(fā)展階段(2010—2016年)，在這一階段每年的論文發(fā)表數(shù)量處于平緩發(fā)展狀態(tài)，沒有較大的波動；第二個階段是中高速上升階段(2017—2020年)，在這一階段可以發(fā)現(xiàn)國內外學者每年論文發(fā)表數(shù)量快速上升；2020年，相關論文發(fā)表數(shù)量均達到了10年來的峰值，學者們對人工智能與勞動力研究領域的關注和研究熱情不斷提高。除了人工智能技術不斷發(fā)展外，其主要因素是人工智能研究開始進入各個國家的戰(zhàn)略發(fā)展規(guī)劃。美國白宮于2016年10月發(fā)布了題為《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》兩份重要報告；2018年4月，日本發(fā)布了第五版《下一代人工智能/機器人核心技術開發(fā)》計劃。我國“十三五”時期開始大力扶持與實施“互聯(lián)網(wǎng)+”計劃，促進互聯(lián)網(wǎng)技術與社會經(jīng)濟的協(xié)同融合發(fā)展[9]；2016年，《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》中提出“重點突破新興領域人工智能技術”(1)參見《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》,http://www.12371.cn/special/sswgh/wen/。；2017年，人工智能被寫入黨的十九大報告，并提出推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合(2)習近平作黨的十九大報告,http://media.people.com.cn/n1/2017/1018/c120837-29594814.html。；2018年，李克強總理在政府工作報告中再次談及人工智能，提出“加強新一代人工智能研發(fā)應用”(3)“人工智能”再次寫進政府工作報告,http://it.people.com.cn/n1/2018/0308/c1009-29854988.html。；2019年，習近平總書記主持召開中央全面深化改革委員會第七次會議并發(fā)表重要講話，會議審議通過了《關于促進人工智能和實體經(jīng)濟深度融合的指導意見》(4)中央全面深化改革委員會第七次會議,http://www.gov.cn/xinwen/2019-03/19/content_5375140.html。；我國“十四五”規(guī)劃中也指出要瞄準“人工智能”前沿領域，實施一批具有前瞻性、戰(zhàn)略性的國家重大科技項目(5)參見《中華人民共和國國民經(jīng)濟與社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》,http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm。。這些無不表明，人工智能技術對于未來國家和地區(qū)戰(zhàn)略規(guī)劃具有至關重要的作用，這也激發(fā)了國內外學者們對人工智能研究領域的關注和研究熱情，同時也推動了人工智能對勞動力供給影響的相關研究。

(二)相關研究領域國際合作網(wǎng)絡分析

圖2 2010—2020年發(fā)文國家或地區(qū)可視化知識圖譜

運用Cite Space軟件對WOS數(shù)據(jù)庫的230篇國際期刊文獻所屬國家或地區(qū)進行分析，得到發(fā)文國家或地區(qū)合作網(wǎng)絡圖譜(圖2)。如圖2所示，每一個小圓圈(即節(jié)點)都代表一個國家或地區(qū)，其中圓圈輪廓的大小與該國或該地區(qū)的論文發(fā)表數(shù)量呈正相關關系，即發(fā)文頻率越高，則圓圈越大[2]。兩個節(jié)點之間的連線則代表兩國或地區(qū)在該研究領域的學術合作關系，連接線條越粗則表示合作關系越密切。根據(jù)圖2中節(jié)點大小與發(fā)文數(shù)量依次排序，排在前五位的國家或地區(qū)分別是：美國、中國、英國、意大利、荷蘭。由圖2可以看出，在人工智能與勞動力供給的研究中，發(fā)文量最多的是美國，從節(jié)點的連線也可以看出，美國與中國、英國、意大利、澳大利亞等許多國家都形成了密切的合作關系。說明美國學術界在人工智能與勞動力供給研究領域處于核心地位，且形成了一定規(guī)模的學術研究成果，具有較高的影響力。中國學術研究成果在國際領域位列第二，說明我國人工智能與勞動力供給研究領域已經(jīng)邁向國際化，與多個國家和地區(qū)建立了學術合作交流關系，在國際上具有一定的影響力；但中國與美國相比還存在著較大的差距，主要體現(xiàn)在與其他國家學術合作交流相對較少以及高質量的學術論文成果相對較少。因此，國內學術界應該繼續(xù)加強國際合作，提高學術研究成果質量，繼續(xù)增強我國人工智能與勞動力供給研究在國際上的影響力。

(三)國內外相關研究領域比較分析

目前國外對人工智能與勞動力供給的研究主要集中在人工智能對產(chǎn)業(yè)供給、崗位數(shù)量供給、崗位要求供給的影響。研究發(fā)現(xiàn)第一產(chǎn)業(yè)受到人工智能的影響較小[10-11]；第二產(chǎn)業(yè)受到人工智能技術的沖擊影響較大，主要體現(xiàn)為人工智能的替代效應[12]；第三產(chǎn)業(yè)在人工智能領域是難以替代的，同時能夠激發(fā)出人工智能的創(chuàng)造效應[13]。在勞動力崗位數(shù)量供給方面，學者們分別從經(jīng)驗分析法、理論推導法、實證檢驗法分析人工智能對勞動力供給的影響[10,12]；Acemoglu等認可人工智能技術的發(fā)展對就業(yè)崗位既有替代效應也有供給效應[12,14]。在對崗位要求上，Goos等認為人工智能技術會使勞動技能和勞動任務發(fā)生改變，可能產(chǎn)生勞動力供給的“極化效應”[15]。

國內學者對人工智能與勞動力供給的研究起步較晚，主要形成了在人工智能大背景下，以我國人口結構變化、人口老齡化、產(chǎn)業(yè)結構與勞動力供給為主的研究課題。劉駿等、魏義方立足基本國情，對未來人口結構變化導致勞動力供給不足問題進行研究，以緩解我國人口老齡化、勞動力“結構性”失業(yè)問題[16-17]。楊俊凱等、王麗媛通過研究產(chǎn)業(yè)結構與勞動力供需關系問題，指出產(chǎn)業(yè)結構升級能夠減少人工智能“替代效應”對我國勞動力的沖擊，讓人工智能“創(chuàng)造效應”發(fā)揮就業(yè)紅利，促進勞動力就業(yè)發(fā)展[18-19]。

(四)國內外核心作者分析

通過作者合作網(wǎng)絡可視化圖譜可以分析出人工智能與勞動力供給研究領域具有高影響力的學者，共被引分析可以得到某個領域中高被引作者的分布情況，確定該領域具有影響的學者，通過回顧核心作者的高被引文獻，更清楚地了解該領域的發(fā)展歷程和發(fā)展現(xiàn)狀。

結合引用率和發(fā)文數(shù)量，可以發(fā)現(xiàn)國外人工智能與勞動力供給問題研究排名前五的核心作者為：Frey CB、Autor DH、Mcafee A、Chen HC、Akter S(如圖3所示)。Chen HC認為大數(shù)據(jù)浪潮是當前重要的時代特征，利用大數(shù)據(jù)運算能夠引發(fā)商業(yè)模式的改變，且能夠在商業(yè)競爭中取得較大的優(yōu)勢，其關鍵在于對冗雜的信息進行有效挖掘，并進行分析后作出戰(zhàn)略性的決策[20]；Mcafee A談到大數(shù)據(jù)分析與非數(shù)據(jù)主導分析之間的區(qū)別在于大數(shù)據(jù)分析有更快的速度與多樣性，可以幫助公司管理人員做出更好的預測和決策[21]；Autor DH論證了人工智能與自動化會導致低技能勞動力的重新分配，造成勞動力市場以及勞動力工資兩極分化現(xiàn)象的出現(xiàn)[22]。Akter S基于資源基礎理論，分析了人工智能效應的異質性，通過管理、技術和能力3個維度對不同公司的績效會產(chǎn)生不同的影響[23]。Frey CB研究發(fā)現(xiàn)由于計算機技術的工程瓶頸，自動化浪潮導致計算機替代勞動力的速度會逐步下降，但會隨著技術的不斷進步，逐步實現(xiàn)對勞動力的替代[10]。

通過可視化圖譜并結合發(fā)文數(shù)量與引用率大小，可以得出國內人工智能與勞動力供給研究領域排名前五的核心作者為韓民春、何勤、劉冠軍、曾湘泉、吳清軍(如圖4)。韓民春基于動態(tài)隨機一般均衡模型，分析了人工智能對勞動市場的沖擊，主要表現(xiàn)為對全要素生產(chǎn)率的沖擊、對資本要素替代的沖擊和對投資轉換的沖擊等3種方式，與此同時，人工智能會對勞動力供給產(chǎn)生三大效應，即“破壞效應”“替代效應”“創(chuàng)造效應”[24]。何勤認為企業(yè)人工智能技術的運用會對員工數(shù)量產(chǎn)生負向影響，對技能和收入有促進作用，產(chǎn)品創(chuàng)新與資本偏好在人工智能技術采納中存在中介作用[25]。劉冠軍認為人工智能技術使資本有機構成產(chǎn)生了變化，并分析了第一、第二和第三產(chǎn)業(yè)分別對勞動力就業(yè)的影響[26]。曾湘泉從生產(chǎn)過程、信息傳導機制、就業(yè)數(shù)量、就業(yè)質量、就業(yè)結構和收入分配結構等六大方面分析了技術革命對勞動力產(chǎn)生的影響[27]。吳清軍提出人工智能技術會加快勞動力崗位極化，人工智能的替代與創(chuàng)造效應將長期共存，不過從長遠來看，人工智能能夠帶來經(jīng)濟效益的長期增長并且提供更多的就業(yè)機會[28]。

圖3 國外作者共被引可視化知識圖譜

(五)國內外研究機構分析

從圖5可以看出，在國際研究機構中主要由高等院校構成，從機構分布來看，麻省理工學院、哈佛大學、新加坡國立大學和倫敦大學等高等院校構成國際領域中的核心研究力量。我國科研機構也在不斷地向國際化邁進，如清華大學與麻省理工學院、哈佛大學等有合作關系。從圖6可以看出，國內研究機構主要為高等院校或者研究所，分布在經(jīng)濟學院與管理學院居多。從機構分布來看，中國人民大學、北京聯(lián)合大學、華中科技大學、南開大學與首都經(jīng)濟貿易大學等高等院校科研機構組成了該學科領域的核心研究力量。通過可視化圖譜發(fā)現(xiàn)，中國人民大學、北京聯(lián)合大學和首都經(jīng)貿大學之間存在合作關系，武漢大學與華中農業(yè)大學之間、對外經(jīng)濟貿易大學與南開大學之間存在合作關系，合作研究初具規(guī)模。但總體而言，各個研究機構之間合作較少，有少數(shù)研究機構利用內部資源，憑借機構內部學者之間的合作提出研究視角，但大多數(shù)研究機構仍處于獨立研究狀態(tài)，各個機構之間合作強度有待提高。人工智能研究屬于綜合性研究領域，加強研究機構之間的合作關系，有助于形成高質量的科學研究成果，也有助于推動人工智能與勞動力供給研究領域的融合創(chuàng)新。有鑒于此，各大高校與科研機構應該緊密合作，以提升我國在人工智能與勞動力供給研究領域中的綜合影響力。

圖5 國外研究機構合作網(wǎng)絡可視化知識圖譜

四、人工智能與勞動力供給研究的熱點和前沿

(一)關鍵詞詞頻分析和主題聚類分析

研究熱點是指在一段時間內，研究者們對某一科學領域的問題或專題進行探討并高度關注的問題，Cite Space的關鍵詞詞頻和主題聚類分析功能有助于分析某一科學領域研究的熱點問題[29]。詞頻分析方法就是在文獻信息中提取能夠表達文獻核心內容的關鍵詞或主題詞頻次的高低分布，來研究該領域發(fā)展動向和研究熱點的方法；主題聚類則是對文獻主要關鍵詞的高度凝練與概括，通過對文獻的關鍵詞進行詞頻分析后，找出頻率相對較高的關鍵詞聚類成主題詞，在一定程度上可看作是該領域的研究熱點[2]。

為了更加清晰地掌握國內外人工智能對勞動力供給影響研究領域的熱點分布概況，本研究用Cite Space軟件分別對國內外人工智能與勞動力供給研究領域的文獻進行關鍵詞詞頻和主題聚類分析，調整相關參數(shù)得到國內外人工智能領域研究熱點的知識圖譜(如圖7和圖8)。關鍵詞聚類后，模塊值Modularity Q值>0.3，說明聚類結果可信，平均輪廓值Mean Silhouette值>0.5，說明聚類合理[29]。如圖7和圖8右上方圖譜參數(shù)所示，兩個聚類圖譜的Q值和S值都滿足聚類圖譜基本要求，表明聚類位于可置信的區(qū)間，聚類質量較高。聚類完成后，可以得到各個關鍵詞的頻率、中心性與起始年份；頻率即關鍵詞所出現(xiàn)的次數(shù)，可以根據(jù)關鍵詞頻率的大小得到該研究領域的高頻率關鍵詞；中心性表示的是，相同節(jié)點在某領域當中的中介作用，該指標大于0.1即為較強；起始年份即該關鍵詞第一次出現(xiàn)的年份。

圖7 2010—2020年國外關鍵詞主題聚類圖譜

(二)國外研究熱點分析

通過Cite Space進行詞頻和主題聚類分析后，可以得到國外人工智能與勞動力研究的關鍵詞聚類知識圖譜，如圖7所示。該圖譜網(wǎng)絡中N=71，E=126，說明每個時間段排在前50的文獻中一共包括了71個關鍵詞，而節(jié)點的大小則與關鍵詞出現(xiàn)的頻次成正比。圖譜中各節(jié)點間的126條連線代表不同關鍵詞之間具有共現(xiàn)關系，連線的粗細代表關鍵詞之間共現(xiàn)關系的強度。通過整理中心度大于0.1的關鍵詞制成表1。

表 1 2010—2020年國外文獻關鍵詞排名(依據(jù)中心度)

通過圖7和表1可以看出，國外學術研究人工智能與勞動力供給領域中出現(xiàn)頻次最高的詞是Big data(大數(shù)據(jù))，一共出現(xiàn)38次。高頻詞反映出以“Big data”(大數(shù)據(jù))為中心的其他關鍵詞節(jié)點還包括了“Machine learning”(機器學習)、“System”(系統(tǒng))、“Technology”(科技技術)、“Innovation”(創(chuàng)新)、“Model”(模式)、“Business intelligence”(商業(yè)智能)、“Human resource management”(人力資源管理)、“Artificial intelligence”(人工智能)、“Data analytics”(數(shù)據(jù)分析)等。進行關鍵詞共現(xiàn)聚類分析后，得到了6個聚類，分別為：#0“Data analytic”(數(shù)據(jù)分析)、#1“Recruitment”(招聘)、#2“Automation”(自動化)、#3“Machine learning”(機器學習)、#4“IT industry”(IT行業(yè))、#5“Stakeholder theory”(利益相關者理論)。本研究根據(jù)關鍵詞排名表和關鍵詞共現(xiàn)聚類圖譜，對國外相關文獻主題詞進行梳理，將國外人工智能與勞動力供給研究熱點具體歸納為以下3個主題，每個主題選取該領域高被引論文、代表性學者論文和最近發(fā)表的論文進行綜述，以期明晰國外人工智能與勞動力供給研究的主要動向。

1.機器人技術對勞動力供給的影響研究

機器人技術主要包括聚類#2“Automation”(自動化)和#3“Machine learning”(機器學習)，包含的關鍵詞有：“Artificial intelligence”(人工智能)、“Technology”(科技技術)等。機器人技術對勞動力的影響是多方面的，部分學者持樂觀的態(tài)度，如Marco研究認為機器人技術的發(fā)展不會導致大規(guī)模的失業(yè)現(xiàn)象發(fā)生[30]；Autor DH認為在部分地區(qū)，機器人技術的使用能夠影響部分工作崗位，從而增加勞動力的就業(yè)[31]。但也有學者認為機器人的出現(xiàn)有可能對勞動力產(chǎn)生消極的影響。Graetz通過對17個國家的面板數(shù)據(jù)進行研究，發(fā)現(xiàn)機器人減少了低技能工人的就業(yè)份額[32]。可見，勞動力市場結構會進一步出現(xiàn)因機器人應用所導致的“技術性失業(yè)”現(xiàn)象，在低學歷員工占比較高、勞動力保護較弱及市場化程度較高的地區(qū)，這一現(xiàn)象表現(xiàn)得更為明顯。

2.信息技術應用對勞動力供給的影響研究

信息技術包括聚類#0“Data analytic”(數(shù)據(jù)分析)，包含的關鍵詞有：“Information technology”(信息技術)、“Big data”(大數(shù)據(jù))、“Internet”(互聯(lián)網(wǎng))等。有關勞動力與信息技術的研究主要從兩個方面展開：第一，信息通信技術與勞動力的替代互補關系。Acemoglu研究發(fā)現(xiàn)，信息技術的投入會與勞動力形成替代關系，即大量的勞動力被信息技術所取代[33]。Bresnahan T總結了信息技術與勞動力互補作用的機制是有限替代和信息過載。第二，從技能偏向型技術視角研究IT導致勞動力的變化[34]。在技能偏向型技術進步理論(Skill Biased Technical Change)中，有學者提出由于存在外生的技術進步，高技術水平的設備使用和新產(chǎn)品的生產(chǎn)將會對勞動力的知識和技能提出更高要求，企業(yè)的技能偏向型發(fā)展趨勢將會影響其對高技能型勞動力的需求。Milgrom等研究發(fā)現(xiàn)信息技術作為技能偏向型技術，企業(yè)在生產(chǎn)過程中采用信息技術越多，對高技能勞動力的需求也就越大，進而導致對低技能勞動力的需求相對減少[35]。

3.人工智能與勞動力的協(xié)作關系研究

當前社會正處于第四次科技革命的浪潮下，人工智能將改變人類認識世界和改造世界的方式，更多全新的方法和技術將融入勞動力的生產(chǎn)生活之中，如何發(fā)揮人工智能與勞動力的相互協(xié)作，實現(xiàn)生產(chǎn)效益的最大化，是當前研究的一個熱點。其包含了聚類有#1“Recruitment”(招聘)、#4“IT industry”(IT行業(yè))、#5“Stakeholder theory”(利益相關者理論)，包含的關鍵詞有：“Model”(模式)、“Business intelligence”(商業(yè)智能)、“Human resource management”(人力資源管理)、“Firm performance”(公司業(yè)績)等。Ehret M等認為現(xiàn)有的商業(yè)模式有可能會對工業(yè)物聯(lián)網(wǎng)(IIOT)造成威脅，人工智能技術的發(fā)展能夠有利于創(chuàng)業(yè)者進行新商業(yè)模式構建，并從IIOT中獲益[36]。Davenport T等研究發(fā)現(xiàn)人工智能可能會改變商業(yè)策略和客戶的行為，管理者通過人工智能可以發(fā)揮出更好的管理效果[37]。

(三)國內研究熱點分析

通過Cite Space進行詞頻和主題聚類分析后，得到國內人工智能與勞動力研究的關鍵詞聚類知識圖譜，如圖8所示。圖譜網(wǎng)絡中N=67，E=92，說明每個時間段排在前50的文獻中一共包括了67個關鍵詞，圖譜中各節(jié)點間的92條連線代表不同關鍵詞之間具有共現(xiàn)關系，通過整理中心度大于0.1的關鍵詞制成表2。

表2 2010—2020年國內文獻關鍵詞排名(依據(jù)中心度)

從圖8和表2可以看出，國內學術研究人工智能與勞動力領域中出現(xiàn)頻次最高的詞是人工智能，一共出現(xiàn)91次，高頻詞反映出的以“人工智能”為中心的其他關鍵詞還包括了“大數(shù)據(jù)”“人力資源”“機器人”“就業(yè)替代”“產(chǎn)業(yè)結構”“勞動收入份額”“智能制造”“機器換人”和“工資”，通過LLR算法聚類后得到7個主題聚類，分別為：#0“全要素生產(chǎn)率”、#1“智能機器人”、#2“數(shù)字經(jīng)濟”、#3“大數(shù)據(jù)”、#4“技術創(chuàng)新”、#5“工資水平”和#6“人工智能技術”。本研究根據(jù)關鍵詞排名表和關鍵詞共現(xiàn)聚類圖譜，對國內相關文獻主題詞進行梳理，將國內人工智能與勞動力研究熱點具體歸納為以下4個主題，每個主題選取該領域的代表性學者與高被引論文進行綜述，試圖剖析國內人工智能與勞動力研究的發(fā)展動向。

1.人工智能對產(chǎn)業(yè)升級與勞動力結構的影響

包含的聚類有#0“全要素生產(chǎn)率”和#4“技術創(chuàng)新”，包含的關鍵詞有：“智能制造”“產(chǎn)業(yè)結構”和“人力資源”等。人工智能時代下的產(chǎn)業(yè)開始往智能化、自動化方向發(fā)展，出現(xiàn)了機器換人等現(xiàn)象，造成了勞動力失業(yè)的擔憂。顧和軍等認為勞動力結構與產(chǎn)業(yè)結構轉型升級的方向不匹配，失業(yè)與過剩并存，將會制約經(jīng)濟增長[38]。也有學者對此提出不同意見。包玉香研究發(fā)現(xiàn)勞動力結構能夠支撐經(jīng)濟結構的轉型與升級，實現(xiàn)經(jīng)濟高質量發(fā)展。在工業(yè)智能化與勞動力結構方面，工業(yè)智能化對勞動力結構會產(chǎn)生積極的影響[39]。王文等、陳曉等發(fā)現(xiàn)，產(chǎn)業(yè)升級顯著降低了程式化任務主導的制造業(yè)結業(yè)份額，促進了行業(yè)就業(yè)結構高級化[40-41]。但也有學者指出產(chǎn)業(yè)升級也有可能對勞動力結構產(chǎn)生不利影響。例如，孫早等指出工業(yè)智能化將導致中國勞動力就業(yè)結構整體上呈現(xiàn)出“兩極化”特征[42]。劉歡指出工業(yè)智能化升級后將顯著擴大城鄉(xiāng)收入差距，不利于城鄉(xiāng)協(xié)同發(fā)展[43]。

2.人工智能對勞動力工資的影響

包含的聚類有#5“工資水平”包含的關鍵詞有：“勞動收入份額”和“工資”等。當前學術界關于人工智能影響收入的相關研究中，并未達成一致的論調。有學者認為人工智能的發(fā)展不一定會對勞動力產(chǎn)生就業(yè)替代作用，工資也不會下降。陳秋霖等研究認為人工智能的發(fā)展具有“人力替代”屬性，不過是“補位式替代”，不是“擠出式替代”，因此不會影響勞動者的收入狀況[44]。陳彥斌等認為人工智能的發(fā)展，可以促進經(jīng)濟增長，但要防范勞動力失業(yè)風險和收入分配失衡[45]。但也有學者認為，人工智能技術的發(fā)展將會降低勞動收入份額。陳利峰等通過構建一般均衡模型得出當人工智能投資效率越高，使用范圍越廣的情況下，勞動收入份額下降幅度將增大[46]。余玲錚等認為人工智能在增長生產(chǎn)潛力的同時，也會加劇收入分配差距，勞動收入占比下滑的幅度將擴大[47]；鄧翔等研究發(fā)現(xiàn)人工智能對創(chuàng)造性低、工作任務重復性高的行業(yè)沖擊較大，會對該行業(yè)的勞動力收入產(chǎn)生較大的影響[48]。

3.人工智能技術對勞動力供給的影響

包含的聚類有#1“智能機器人”和#6“人工智能技術”包含的關鍵詞有“機器換人”和“就業(yè)替代”等。蔣南平從經(jīng)濟學視角分析了人工智能對勞動力供給的影響，認為應該優(yōu)化三大產(chǎn)業(yè)中的資本有機構成，以解決人工智能對勞動力供給失衡的問題[49]；宋旭光等認為人工智能等科技是“包容性創(chuàng)新”，勞動力供給短缺產(chǎn)生的負面影響能夠通過人工智能等科技進行彌補，從而促進經(jīng)濟發(fā)展[50]。高春明等從勞動力供給視角闡述了人工智能對緩解中國勞動力供需矛盾的作用，較長期來看人工智能將會創(chuàng)造更多的工作崗位[51]。

4.數(shù)字經(jīng)濟發(fā)展對勞動力的影響研究

數(shù)字化發(fā)展包括的聚類有#2“大數(shù)據(jù)”、#3“數(shù)字經(jīng)濟”，包含的關鍵詞有：“大數(shù)據(jù)”和“人工智能”等。當前我國處于經(jīng)濟新常態(tài)下，數(shù)字經(jīng)濟發(fā)展給各行業(yè)帶來新發(fā)展機遇。通信院發(fā)布的《中國數(shù)字經(jīng)濟發(fā)展與就業(yè)白皮書(2019年)》顯示，數(shù)字經(jīng)濟新增就業(yè)的作用正在不斷加強，2017年我國數(shù)字經(jīng)濟領域就業(yè)人數(shù)為1.71億人，占當年總就業(yè)人數(shù)的比重達到22.1%，并且發(fā)展持續(xù)向好(6)數(shù)據(jù)來自《中國數(shù)字經(jīng)濟發(fā)展與就業(yè)白皮書(2019年)》，http://www.cac.gov.cn/2019-04/19/c_1124389256.htm。。叢屹等經(jīng)過實證檢驗表明，數(shù)字經(jīng)濟的發(fā)展對我國勞動力資源配置效率具有正向的促進作用[52]。但也有學者認為數(shù)字經(jīng)濟也有可能造成其他影響。馬曄風等認為數(shù)字技術的快速迭代會對勞動者提出更高的要求，但相關技能的積累學習需要較長時間，這一矛盾有可能造成勞動力短缺和結構性失衡[53]。楊驍?shù)仁褂梦⒂^數(shù)據(jù)樣本對比發(fā)現(xiàn)，數(shù)字經(jīng)濟對不同行業(yè)會產(chǎn)生不同的影響；服務業(yè)在數(shù)字經(jīng)濟發(fā)展中表現(xiàn)為正向影響，而制造業(yè)則表現(xiàn)為就業(yè)負向影響[54]。閻世平等指出數(shù)字化經(jīng)濟的發(fā)展會導致勞動力需求“兩端極化”格局出現(xiàn)，即增加了對高教育程度勞動者的需求，降低了對低教育程度勞動者的需求[55]。

(四)國外研究前沿分析

研究前沿代表該研究領域最新的研究發(fā)展或者動向。在Cite Space中，共被引文獻構成了研究領域的知識基礎，從引用這些知識基礎的施引文獻集合中提取的名詞性術語可以視為該領域的研究前沿[56]。本文運用Cite Space軟件對WOS數(shù)據(jù)庫中所搜集的人工智能與勞動力研究領域文獻進行共被引分析，即選定軟件功能(Reference)，調整相關參數(shù)后生成聚類圖譜，圖譜中Q值與S值系數(shù)處于合理置信度區(qū)間，滿足聚類圖譜要求，在軟件中進行主題聚類，選定LSI算法與LLR算法，在后臺導出聚類標簽詞，匯總制作成表3。

表3 國外人工智能與勞動力供給研究共被引聚類主題詞

根據(jù)聚類標簽，可以判斷出人工智能與勞動力供給研究的前沿領域主要為聚類0、聚類1、聚類2和聚類3。在研究內容上，概括為：其一是人工智能時代背景下，勞動力供給在商業(yè)智能化、環(huán)境道德、勞動力參與和國際發(fā)展等方面的探究；其二是第四次工業(yè)革命浪潮與自動化等新興技術對勞動力供給影響的探究。如Popkova E G等模擬了未來工業(yè)4.0條件下社會創(chuàng)業(yè)中使用人工智能的最佳比例和變體，認為未來社會創(chuàng)業(yè)使用人類智慧與人工智能是最佳選擇[57]；Vermeulen B等研究了自動化對未來十年就業(yè)的預期影響，認為結構性的變化是將來所面臨的一個問題，人類面臨職業(yè)轉變并非工作的結束[58]。大數(shù)據(jù)分析、文本挖掘和基于資源視圖等主題表征了人工智能與勞動力供給研究視角、方法上的創(chuàng)新性選題。

(五)國內人工智能與勞動力供給研究前沿分析

圖9 國內人工智能與勞動力供給研究關鍵詞time zone視圖

由于中國知網(wǎng)(CNKI)數(shù)據(jù)庫的中文文獻在Cite Space軟件中存在部分功能限制，無法使用文獻共被引分析功能，因此研究采用時區(qū)視圖進行前沿主題分析。通過調整相關參數(shù)得到關鍵詞時區(qū)視圖，由圖9可知，居于右上角的是近年來的新興主題關鍵詞，主要包括高質量就業(yè)、勞動收入份額、替代效應、全要素生產(chǎn)率、GMM模型、中介效應、收入差距、收入分配和技術創(chuàng)新等。基于前沿知識圖譜進行深入閱讀，梳理這些前沿關鍵詞所對應的樣本文獻內容，研究發(fā)現(xiàn)我國人工智能與勞動力供給研究前沿選題主要集中在以下幾個方面：(1)人工智能與技術創(chuàng)新背景下，勞動力供給與勞動力收入份額方面的研究，其中包括收入差距、收入分配公平等；(2)勞動力供給與勞動生產(chǎn)率方面的研究，包括資本有機構成對勞動生產(chǎn)率的影響，人工智能替代效應對勞動生產(chǎn)率的影響，以及如何促進勞動力高質量就業(yè)研究等；(3)通過構建相關模型探討人工智能與勞動力供給的影響因素，包括通過構建GMM模型以及引入中介效應進行探討等研究。

五、研究結論與展望

(一)研究結論

本文選取WOS數(shù)據(jù)庫和CNKI數(shù)據(jù)庫2010—2020年人工智能與勞動力供給研究相關文獻，運用Cite Space軟件對人工智能與勞動力供給研究領域進行國家合作網(wǎng)絡、作者共被引、作者合作、機構合作、關鍵詞詞頻、關鍵詞聚類、關鍵詞時區(qū)視圖和文獻共被引等可視化分析，主要得出以下結論：

1.研究熱度不斷上升，文獻數(shù)量逐年遞增

人工智能與勞動力供給研究一直受到國內外學者的廣泛關注。2015年以來國內對人工智能技術重視程度不斷增加，相繼出臺相關政策予以支持。學者們對人工智能與勞動力供給研究領域從2016年以來發(fā)文數(shù)量逐年上升并且熱度不斷增加，國內學術成果在國際領域的影響力逐漸提升。相較于國外學者，我國學者在人工智能與勞動力供給研究領域大多處于獨立研究狀態(tài)，不同學者之間的聯(lián)系較弱，合作網(wǎng)絡較為稀疏。

2.熱點主題總體一致，方向上略有差別

通過高頻關鍵詞與主題聚類分析發(fā)現(xiàn)，目前國內外對于人工智能與勞動力供給的研究熱點總體上相同，在主題聚焦方向上略微有些差異。國外研究熱點集中在：機器人技術、信息技術對勞動力供給的影響研究，以及人工智能與勞動力協(xié)作等方面研究；國內研究熱點集中在：產(chǎn)業(yè)升級與勞動力結構、人工智能對勞動力收入、智能化技術對勞動力供給影響研究以及數(shù)字經(jīng)濟對勞動力供給等方面的研究。

3.國內外研究前沿差異較大，交叉學科研究較為突出

通過文獻共被引分析與施引文獻主題聚類，研究發(fā)現(xiàn)國外人工智能與勞動力供給研究前沿領域上，主要分為：勞動力供給在商業(yè)智能化、企業(yè)環(huán)境道德、勞動力參與率、國際化等方面的研究；第四次工業(yè)革命浪潮下的新興技術對勞動力供給的影響；對大數(shù)據(jù)、文本挖掘和基于資源視圖等研究方法、視角上的創(chuàng)新性進行研究。國內人工智能與勞動力供給研究前沿領域包括：勞動力供給與收入份額方面的研究；勞動力供給與勞動生產(chǎn)率方面的研究；構建模型以及引入中介變量等方法對影響因素進行分析等方面的研究。

總體而言，我國人工智能與勞動力供給領域的研究雖然取得了豐碩的成果，但就研究程度和廣度方面，還存在著許多不足。未來隨著人口老齡化程度的進一步加深，我國勞動力供需問題將進一步凸顯，我國人工智能勞動力供給研究還可以在以下方面進行突破與完善：第一，在理論層面，結合我國人口結構、人口老齡化等現(xiàn)實國情和實際出發(fā)，探索人工智能與勞動力的有機結合，以豐富勞動力供給的理論研究；第二，在應用層面，運用大數(shù)據(jù)分析、云計算、數(shù)字化等信息技術，加強對我國勞動力供給領域的探究；第三，在學科層面，國內學者們應繼續(xù)加大研究合作力度，在人工智能與勞動力供給研究領域積極開展學術交流，不斷拓展研究的外延，通過多學科視角研究，產(chǎn)出更多高質量的研究成果，以提高我國在該領域的國際影響力。

(二)研究展望

根據(jù)我國第七次人口普查的數(shù)據(jù)，人口結構在未來的中國將會發(fā)生重大變化，而這段時期也是以人工智能為代表的新興技術蓬勃發(fā)展的時期。人工智能技術可以給勞動力供給方面提供有力支撐，有效應對未來中國人口結構變化。但人工智能對傳統(tǒng)就業(yè)的沖擊不可避免，需要我們慎重對待。基于上述研究與發(fā)現(xiàn)，對人工智能與勞動力供給領域研究做如下展望。

1.人工智能技術可能是解決我國勞動力結構失衡問題的關鍵

根據(jù)全國第七次人口普查數(shù)據(jù)與學者研究發(fā)現(xiàn)，我國勞動力人口規(guī)模和比重持續(xù)下降，勞動力人口的年齡進一步老化，傳統(tǒng)的人口紅利逐漸消失，勞動力供給將面臨長期短缺的風險[59]。如圖10所示，2010年第一季度，中國勞動力市場求人倍率(7)求人倍率是勞動力需求與勞動力供給的比值，求人倍率小于1則表明勞動力供給過剩，大于1則表明勞動力供給不足。為1.04并呈現(xiàn)逐年上升的趨勢，期間雖有個別年份下降，但始終維持在1以上。受新冠疫情影響，中國2020年第1季度求人倍率升至1.62，達到歷史最高值，相較于前幾年的數(shù)據(jù)，市場勞動力供給人數(shù)下降幅度較大。以上分析表明，從2010年以來勞動力市場開始轉變?yōu)楣┙o不足與結構性供給矛盾并存的格局，低生育率與人口老齡化問題使得我國人口結構問題日益凸顯，勞動力供需矛盾日益嚴峻，這些問題都將成為未來中國勞動力市場的新常態(tài)。確保勞動力供需平衡是保障我國經(jīng)濟社會長久穩(wěn)定發(fā)展的重要因素，在新的人口與社會經(jīng)濟形勢下，人工智能技術有可能成為勞動力供需關系利好的關鍵，也有可能對勞動力市場產(chǎn)生新的挑戰(zhàn)，這些問題都值得學者們深入探討與研究。

圖10 2010—2020 年中國勞動力市場求人倍率

2.人工智能或將助力我國從人口紅利轉型

目前我國正在經(jīng)歷低生育率與人口老齡化雙重時期，這將會從人口數(shù)量和人口質量上持續(xù)沖擊我國勞動力市場，人口紅利的消失已成為定局。“破局”需要以“智”提“質”，讓人工智能為高質量發(fā)展賦能，促進人工智能與勞動力融合發(fā)展，將即將消失的人口紅利轉化為“人才紅利”。同時，要繼續(xù)加大教育的投入力度，提高我國人力資本水平和人口質量，并制定相關政策，進一步推動產(chǎn)業(yè)結構升級，化解新興技術對傳統(tǒng)產(chǎn)業(yè)的沖擊，在培育新產(chǎn)業(yè)過程中創(chuàng)造新的就業(yè)機會，充分釋放人口質量紅利，實現(xiàn)社會經(jīng)濟可持續(xù)發(fā)展。

3.從完善要素市場化配置出發(fā)，釋放技術與勞動力活力

完善要素市場化配置是讓要素活力競相迸發(fā)的重要保障，政府應積極引導企業(yè)選擇和使用以人工智能為代表的新興技術，加快企業(yè)智能化、數(shù)字化發(fā)展，以緩解我國未來人口結構重大變化導致勞動力供給短缺所帶來的不良影響。同時要著力引導我國勞動力要素合理有序流動，暢通勞動力的落戶渠道和職稱評定渠道，保障勞動力供需平衡。