人工智能對企業收入分配的非線性影響

何勤 李鑫悅

摘要：人工智能帶來的新的技術變革促使企業收入分配格局發生變化。基于2007—2022年滬深A股上市公司數據，通過文本分析法對人工智能技術和應用進行科學測算，并就人工智能對企業利潤與工資之間收入分配的影響展開分析。研究發現：人工智能技術和應用對企業利潤與工資收入分配的影響呈“U”型，即在人工智能技術和應用發展的早期，利潤與工資比率不斷下降，差距逐漸縮??；但當人工智能技術和應用超過閾值時，利潤不斷吞噬工資，導致二者之間差距逐漸擴大。該結論在經歷了替換被解釋變量、分時段檢驗、剔除直轄市樣本等一系列穩健性檢驗后依然成立。機制分析發現，人工智能技術和應用能夠通過就業規模效應、就業結構效應和生產率效應間接影響企業利潤與工資之間的分配。進一步研究發現，財務柔性能夠正向調節人工智能與利潤和工資之間收入分配的“U”型關系，對于財務柔性較高的企業來說，人工智能技術和應用與企業內部分配效應的“U”型關系較為明顯，說明人工智能技術和應用對財務柔性較高的企業分配效應的影響相對更大。研究為在人工智能加速發展背景下提高員工工資、抑制企業間資本和勞動差距擴大提供了重要的政策建議。

關鍵詞：人工智能技術；人工智能應用；利潤與工資；收入分配

中圖分類號：F244文獻標識碼：A文章編號：1000-4149（2024）03-0111-18

DOI：10-3969/j-issn-1000-4149-2024-00-037

一、引言

得益于新型基礎設施建設的卓著進步，我國在人工智能領域發展迅猛，人工智能產業取得長足進展。根據中國信息通信研究院測算，2022年我國人工智能核心產業規模達到5080億元，同比增長18%。截止到2022年底我國人工智能企業超過4000家。作為新一輪科技革命的重要驅動力量，人工智能已廣泛應用于金融、交通、教育等多個領域，并正在逐漸“霸占”更多的工作崗位，其帶來的勞動力市場變革必將對收入分配格局產生重大影響。

近年來，我國就業和工資兩極化現象開始凸顯。有學者認為，現代化生產技術的出現是造成這種現象的主要原因［1］。技術進步的非中性特征意味著不是所有的生產要素都能從技術進步中均等受益。人工智能的資本偏向性加劇了收入分配上對勞動的掠奪，進而影響資本和勞動要素所有者之間的收入差距。黨的二十大把實現全體人民共同富裕擺在更加重要的位置，將其作為中國式現代化五大特征和本質要求之一。在此背景下，企業作為人工智能技術和應用的主體，如何讓員工共享人工智能發展紅利，縮小資本與勞動分配差距對實現共同富裕目標至關重要。

事實上，人工智能引發的技術性失業和收入不平等是密切相關的。勞動力市場上存在著巨大的不平等現象，致使一些勞動者的勞動所得遠遠低于其他人?，F有文獻主要關注技術進步的兩極分化效應［2-3］。首先，對整個勞動力市場來說，人工智能帶來的自動化水平提高會對不同勞動力群體的收入造成不對稱的影響。阿西莫格魯（Acemoglu）等在研究中發現，在過去的40年間，人工智能的應用使中低收入人群的實際工資呈現出下降趨勢，勞動力市場出現兩極分化現象［4］。王林輝等表示，人工智能技術通過非對稱地改變不同部門的生產率來影響勞動收入分配，導致高、低技術部門勞動收入差距擴大［5］。然而，越來越多的學者使用偏向性技術進步理論來解釋收入差距逐漸擴大的原因［6］。根據偏向性技術進步理論，隨著技術的發展企業對高技能勞動力的需求增加，它們的生產效率提升更為顯著。當高技能勞動力與低技能勞動力的替代彈性大于1時，技術進步將提高高技能勞動者的就業機會和薪資水平，從而加大了技能溢價，進一步加劇了收入不平等［7］。其次，對企業來說，人工智能引發企業內部收入差距不斷擴大。普雷特納（Prettner）等根據美國人口普查數據發現，工業機器人的使用提高了企業的生產效率，同時也提高了高技能勞動者的工資，降低了低技能勞動者的工資［8］。姚笛等采用上市公司數據研究發現，機器人的應用顯著擴大了企業內部任務工資差距和技能工資差距，并且任務工資差距擴大更加明顯［9］。

人工智能對勞動力的替代，不僅直接影響不同勞動群體之間的工資收入不平等，還會影響企業利潤和工資之間的不對稱分配。經典的卡爾多事實表明，資本和勞動的分配份額在長期中是相當穩定的，但近些年這一規律逐漸被打破：資本在收入中的比重逐漸增加，工資卻逐漸下降。?？撕捞兀‥eckhout）在研究中首次提出“利潤悖論”的概念，他發現企業從技術進步中獲得了大量的回報而日益繁榮，但員工的薪酬和待遇卻停滯不前，企業在獲得超額利潤的同時不但沒有提供更多的就業機會，反而降低了員工工資［10］。目前，僅有少量文獻探究了技術進步和企業利潤與工資分配之間的關系?？凭S里（Coveri）認為，技術對收入分配的影響是帶有偏向性的，利潤與工資呈負相關關系［11］。而有學者利用中國民營企業數據研究發現，人工智能紅利對企業利潤與工資之間的分配呈“U”型特征［12］。綜上，學界對人工智能與資本和勞動之間關系的研究大多聚焦于行業和地區層面，并取得了一定的研究成果。但關于人工智能對企業利潤與工資之間收入分配影響的研究還較為缺乏，且受限于截面數據，現有研究無法更好地識別動態影響以及作用機制，因此需要時間更長、范圍更廣的微觀數據來作進一步分析。

與已有研究相比，本文可能的邊際貢獻主要有以下幾點：第一，細分人工智能技術和應用，探討不同層面人工智能的影響方向及作用效果的差異。已有研究從人工智能或數字技術整體展開分析，無法測度不同層面人工智能的發展對利潤與工資之間收入分配的差異。本文將人工智能細分為人工智能技術和人工智能應用兩方面，能夠更加細致地探究人工智能不同層面對企業利潤與工資之間收入分配的影響效果和作用機制。第二，本文刻畫了人工智能對企業利潤與工資之間收入分配的不同效應及其起作用的條件，揭示了就業規模效應、就業結構效應和生產率效應是人工智能分配效應的三種關鍵機制，有助于在理論和實踐上豐富人工智能與企業資本和勞動收入分配之間傳導路徑的認識。第三，本文進一步研究在財務柔性的影響下，人工智能技術和應用對企業利潤與工資之間收入分配的影響，解釋了形成企業利潤與工資之間收入分配呈“U”型特征的背后原因，驗證了企業在適應財務環境動態變化的過程中，如何調節人工智能對內部收入分配的影響效應。

二、理論分析和研究假設

1.人工智能對企業利潤和工資之間收入分配的非線性影響

新古典主義認為，技術進步是影響收入分配最主要的因素。在新古典增長模型中，資本與勞動的替代彈性被假定為1，在這種情況下技術進步被認為是中性的。但在很多情況下，技術進步并不是中性的。

?？怂梗℉icks）等指出，企業為了降低成本會減少使用相對昂貴的生產要素，技術進步的目的在于節約使用昂貴的生產要素［13］。因此，技術進步是偏向資本還是偏向勞動，取決于哪種生產要素價格上漲得更快。首先，從工資層面來看，根據技能偏向性技術進步理論，技術進步是外生的，被設定為偏向高技能勞動力，這將使得企業增加對高技能勞動力的相對需求，降低對低技能勞動力的相對需求。一方面，在“機器換人”的過程中，技術進步對低技能勞動力的替代，導致低技能勞動力的占比不斷減少，工資水平不斷下降［9］。另一方面，當技術進步的速度超過教育發展的速度時，高技能勞動力的供給無法滿足市場需求，會引起這部分勞動力的工資水平上升［4］。因此，在人工智能發展初期，人工智能會促使企業內低技能勞動力工資下降，高技能勞動力工資上升，從而增加企業的總工資。另外，對資本來說，在人工智能技術和應用的早期，企業構建和維護一個人工智能系統需要高額的投資（例如數據基礎設施、購買設備），同時要想實現人工智能的潛在價值，還需要大量的無形投資（如培訓員工）［12］。因此在早期，人工智能技術和應用可能不會帶來直接效益和生產率提高，還會在實現利潤增長之前增加企業的沉沒成本［14］。綜上，在人工智能技術和應用的早期，利潤和工資差距有所縮小。其次，從資本偏向性技術進步視角來看，技術進步往往伴隨著分配層面勞動收入占比的降低［15］，主要是由于技術創新降低了技術和設備成本，替代效應正在將企業從勞動密集型向資本、技術密集型轉變，最終形成員工工資相對于資本成本的下降［16］。另外，人工智能會替代部分低級別的工作任務，有利于企業節約生產成本，降低產品價格，進一步刺激消費者的需求，促使企業產出規模擴大［17］。同時，人工智能提升到一定水平后會提高企業的生產效率，增強企業的盈利能力。因此，隨著人工智能技術和應用的不斷進步，將促使企業利潤增加、工資降低，導致利潤與工資之間的差距擴大。基于此，提出以下假設：假設1：人工智能技術和應用對企業利潤與工資之間的收入分配呈“U”型影響。

2.就業規模效應

人工智能對企業就業規模的影響存在不確定性，包括負向的替代效應和正向的恢復效應［18］。一方面，人工智能的使用會直接減少自動化勞動崗位的需求，導致資本對勞動的替代，從而使企業勞動力需求下降。另一方面，人工智能對勞動力的替代不會永遠持續下去，其在替代勞動力的同時也會幫助勞動者擴大自身比較優勢［19］。此外，人工智能會創造新的就業崗位或擴展原有崗位的工作任務，新任務的產生會增加勞動力需求，可以抵消替代效應，從而擴大就業規模［20］。陳東等指出，人工智能的就業替代效應降低了工人的議價能力和技能組成工資，導致工資水平惡化［21］。王永欽、董雯認為，當替代效應占主導時，工業機器人的應用會降低勞動力需求，增加企業的外部選擇機會，降低勞動者的相對議價能力，進而導致勞動者工資增長放緩［22］。然而，人工智能通過就業規模來影響企業利潤與工資之間收入分配是兩種效應共同作用的結果。在人工智能發展初期，企業旨在用“機器換人”的自動化形式替代勞動力，而非增強勞動者個體，因此，替代效應占主導［18］，員工工資總額不斷下降。當人工智能發展到一定水平后，其對勞動力的貢獻將大于破壞效應，因為人工智能的廣泛應用有助于創造新產品、新服務和新任務，促進產業結構升級，整體上就業規模將不斷擴大，企業支付給員工的工資將不斷增加?；谏鲜龇治觯岢鋈缦录僭O：假設2：人工智能技術和應用通過改變就業規模進而影響企業利潤與工資之間的分配。

3.就業結構效應

由于工作任務的異質性，人工智能對不同崗位、不同群體就業具有差異化的影響。根據技能偏向型技術進步理論，技術進步增加了對高技能勞動力的需求，進而引致技能工資溢價。奧特（Autor）等發現，20世紀90年代以來，技術進步對高技能勞動力的偏向程度開始增加［23］。人工智能會逐漸取代低復雜性、重復性的工作，降低生產任務環節的勞動力需求，并且隨著人工智能的不斷升級，對于高技能勞動力會產生互補關系［22］。同樣，任務偏向型技術進步理論按照工作任務將勞動者分為常規任務勞動者和非常規任務勞動者，認為人工智能會替代需要重復操作來執行任務的常規任務勞動者，但會與非常規任務勞動者形成互補關系［24］。

人工智能的替代效應更容易發生在低技能、從事常規任務勞動力身上。在勞動供給既定的情況下，勞動需求的降低會導致低技能、從事常規任務的勞動力工資水平降低。但也有學者指出，人工智能在其發展的不同階段，會對技能勞動收入差距產生不同的影響［25］。在人工智能技術和應用的早期階段，崗位替代效應大于創造效應，人工智能替代了部分勞動力，員工工資水平有所下降。但當人工智能發展到一定程度時，崗位創造效應愈加明顯，同時對高技能、非常規任務勞動力的需求逐漸增加，當其供給無法滿足需求時，均衡工資會增加，致使企業對員工所支付的工資總額增加。因此，人工智能不僅會導致企業就業規模的變化，還會帶來相應的就業結構調整，從而影響企業利潤與工資之間的收入分配?；谏鲜龇治觯岢鋈缦录僭O：假設3：人工智能技術和應用通過改變就業結構進而影響企業利潤與工資之間的分配。

4.生產率效應

人工智能的發展將帶來生產率的顯著提升。內生增長理論認為，技術進步是促進生產率提高的動力，是保證經濟持續增長的決定因素。奧特等在研究中發現，人工智能不僅能夠促進全要素生產率的增長，還能創造出新崗位，這不僅有助于勞動者就業，還有助于提高實際工資水平［3］。具體體現在以下方面：第一，人工智能可以替代低技能的工作任務，相比于執行這類任務的工人，智能機器設備可以不受時間、體力的限制，完成任務的質量和效率更高，從而提高企業的生產效率，降低經營成本，擴大生產規模，進一步提升企業對非自動化崗位勞動者的需求。當勞動供給既定時，勞動需求的增加有利于提高勞動者的平均工資。第二，當人工智能等新技術取得重大突破時，新技術與勞動力呈現出較強的互補性，人工智能會提高勞動生產率，促使勞動的邊際產出增加，帶動工資水平增長［26］。與此同時，也有學者指出，人工智能的資本偏向性會導致資本和勞動之間的收入差距逐漸擴大，因為人工智能會同時替代體力和腦力勞動，提高凈失業率［16］。與勞動相比，資本變得更加重要，資本收入份額增加。基于此，提出如下假設：假設4：人工智能技術和應用通過生產率效應影響企業利潤與工資之間的收入分配。

三、研究設計

1.數據來源

本文選取2007—2022年滬深A股上市公司作為研究樣本。以2007年作為起始研究年限的原因在于，隨著2006年神經網絡深度學習算法的出現，人工智能開始以前所未有的速度在全球范圍內快速發展，中國的人工智能技術與應用更是真正走在了世界的前列。樣本數據分為三類：企業層面的指標主要包括公司基本信息、員工就業信息、財務指標等，均來自Wind數據庫和國泰安數據庫（CSMAR）；上市公司年報來自上海證券交易所和深圳證券交易所官網；區域層面的市場化水平來自中國市場化指數數據庫，其余數據來自《中國城市統計年鑒》。此外，本文還對樣本數據進行了如下處理：

①剔除連續兩年虧損或凈資產低于股票面值以及第三年公司經營仍未改善，依舊處于虧損狀態并存在退市風險（ST和*ST）的公司；

②剔除金融行業公司；

③剔除“支付給職工以及為職工支付的現金”小于等于0的公司；

④剔除數據缺失嚴重的樣本。為減輕極端值和異常值的影響，本文對所有連續型變量進行了1%的縮尾處理。

2.變量選取

（1）被解釋變量。

利潤與工資之間的收入分配（All）。本文借鑒已有文獻的做法［12，27］，使用企業內部利潤與工資的比率來衡量利潤與工資之間的收入分配。其中利潤使用企業凈利潤來表示［11］，工資使用支付給職工以及為職工支付的現金來表示。

（2）核心解釋變量。

人工智能（AI）。如何度量企業層面的人工智能發展水平是本研究的重點。由于人工智能在企業中的應用近些年才受到廣泛關注，目前尚無統一的指標和數據進行測量。現有研究關于人工智能的測度主要分為三種：一是使用國際機器人聯盟（IFR）發布的工業機器人數據進行衡量，但工業機器人的應用僅涉及制造業，無法涵蓋所有行業。二是使用企業人工智能采納度進行衡量，將企業機器設備的人均價值作為代理變量，但這種方法無法準確區分機器的類型，因此用其測度人工智能發展水平容易產生較大誤差。三是使用專利數據作為人工智能發展水平的代理變量，盡管研究認為專利數據能夠有效測度樣本期內企業的創新能力，較好地反映企業具備的技術水平和知識存量，但并非所有的創新都申請了專利，例如一些企業出于保護商業秘密的考慮選擇不申請專利，使用這種方法測度人工智能發展水平對企業專利行為的變化非常敏感，因此存在一定的局限性。為了更加準確地考察企業人工智能的發展水平，本文基于上市公司年報信息，通過選取人工智能關鍵詞，使用Python批量提取關鍵詞出現的總頻數，并以此來反映企業的人工智能發展水平。具體步驟如下：

①使用Python軟件編寫代碼，從上交所和深交所官網上爬取2007—2022年上市公司年報，并將年報格式轉換為txt文本格式。

②借鑒格拉斯霍夫（Grashof）等的研究［14］，將人工智能分為人工智能技術（AItec）和人工智能應用（AIapp）兩大類，前者側重于人工智能軟硬件基礎設施及技術，后者更關注人工智能場景應用。根據《新一代人工智能發展規劃》、《人工智能發展報告2011—2020》、《中國制造2025》政策文件和研究報告選取人工智能技術和人工智能應用相關的關鍵詞，利用Python軟件和人工處理，分別建立關鍵詞詞庫。其中人工智能技術包括大數據、云計算、機器學習等，人工智能應用包括智能機器人、無人駕駛、智能控制等。

③借助Python軟件的jieba分詞功能，從上市公司年報中提取上一步驟涉及的關鍵詞，按照人工智能技術和人工智能應用分別計算關鍵詞出現的次數并加總。具體關鍵詞統計見表1。

表1顯示出了人工智能技術和人工智能應用關鍵詞的占比。由表1可以看出，人工智能技術的占比高達75-59%，表明當前中國人工智能的發展仍依賴于人工智能技術。其中，在人工智能技術中，占比最高的依次為大數據（30-82%）、物聯網（23-88%）、云計算（12-55%），而人工智能關鍵技術，如機器學習、深度學習、自然語言處理的占比卻不足1%，表明我國人工智能核心技術基礎薄弱，暴露出我國人工智能技術在核心算法、芯片研發等關鍵領域仍然存在“卡脖子”的問題。另外，在人工智能應用方面，智能制造（37-35%）占比最高，其次是智能控制（16-46%）、智能家居（8-69%），表明現階段我國人工智能應用仍然集中在制造業領域，第一、三產業人工智能應用水平還相對較低。

（3）控制變量。

影響企業收入分配的因素有很多，本文參考現有文獻，將控制變量分為三類：

①企業層面包括凈資產收益率（Roe）、資產規模（Size）、資產負債率（Lev）。其中，資產收益率使用企業稅后利潤與凈資產的比率衡量；資產規模使用企業資產總計的對數衡量；資產負債率使用總負債占總資產的比例衡量。②企業家層面包括董事、監事、高級管理人員是否具有金融背景（Fin）、管理層平均年齡（Age）、管理層女性占比（Fem），其中Fin取1時表示董監高具有金融背景。

③區域層面包括市場化水平（Mar）和產業結構（Ind）。其中，市場化水平使用中國市場化指數數據庫中的市場化水平得分來衡量；產業結構使用第三產業增加值與地區GDP的比重來衡量。具體的變量及變量定義詳見表2。

3.模型構建

為了檢驗人工智能對企業利潤與工資之間收入分配的影響，本文構建了如下模型用于基準回歸檢驗：

Allrijt=β0+β1AIrijt+β2AI2rijt+β3Xrijt+γi+λj+δt+εrijt（1）

其中，r、i、j、t分別代表企業、所屬行業、所屬地區、年份。被解釋變量Allrijt為企業利潤與工資之間的收入分配，核心解釋變量AIrijt包括人工智能技術（AItec）和人工智能應用（AIapp），為了驗證人工智能對企業利潤與工資之間收入分配的非線性影響，在模型中加入了人工智能的二次項AI2rijt。Xrijt為包含一系列控制變量的集合，包括企業層面、企業家層面、區域層面的控制變量。γi為行業固定效應，λj為地區固定效應，δt為年份固定效應，εrijt為誤差項。本文選擇對標準誤進行企業層面的聚類穩健處理，以解決異方差以及序列相關性問題。

四、實證結果與分析

1.基準回歸分析

表3報告了人工智能對企業利潤與工資之間收入分配的基準回歸結果，其中（1）—（4）列是人工智能技術對企業利潤與工資之間收入分配的估計結果，（5）—（8）列是人工智能應用對企業利潤與工資之間收入分配的估計結果。由（1）—（4）列可知，不論是否加入控制變量，人工智能技術對企業利潤與工資之間的收入分配均呈“U”型，但二次項系數顯著不代表“U”型關系成立，因此本文進一步檢驗了人工智能技術的極值點。本文以（4）列為例繪制了人工智能技術對企業利潤與工資之間收入分配的“U”型關系圖，如圖1所示，人工智能技術的極值點為56-0161，取值范圍為［0，106］，極值點位于數據范圍內，P值為0-0002，證實了“U”型關系成立。此外，由（5）—（8）列可知，在加入控制變量的基礎上，人工智能應用對企業利潤與工資之間的收入分配也呈“U”型。同理，進一步檢驗人工智能應用的極值點，以（8）列為例繪制了人工智能應用對企業利潤與工資之間收入分配的“U”型關系圖，由圖2可以看出，人工智能應用的極值點為28-2246，并位于取值范圍［0，58］內，P值為0-0008，同樣證明了“U”型關系的存在。上述結果表明，人工智能技術和應用首先降低了企業利潤和工資的比值，在達到極值點后，人工智能技術和應用的進一步發展會在增加利潤的同時減少工資，加劇企業利潤與工資之間收入分配的差距。因此，驗證了假設1。

2.內生性檢驗

內生性主要來源于三個方面：遺漏變量偏差、雙向因果和樣本選擇偏差。首先，為了避免遺漏變量和雙向因果造成的內生性問題，本文選取了兩個工具變量，并采用了兩階段最小二乘法進行估計。第一，基于份額移動法構造Bartik工具變量，使用單元初始份額和總體增長率的乘積計算歷年單元估計值以減弱內生性問題，公式如下：

AIgrowthr，t=AIr，t-1·（1+AIprovt）（2）

其中，AIr，t-1表示r企業在t-1年的人工智能水平，AIprovt表示t年所有企業人工智能水平的年增長率，AIgrowthr，t表示r企業t年人工智能增長率得到的預測值。本文將AI分為人工智能技術和人工智能應用分別構造工具變量?；诔跏甲兞康念A測值與本企業人工智能的發展之間存在較強的相關性，但不會與其他影響企業人工智能水平的殘差項相關。同時，根據表4

（1）—（4）可知，無論使用人工智能技術還是人工智能應用，Bartik工具變量均通過了過度識別和弱工具變量檢驗，第二階段的結果呈現出統計學意義上的顯著性，且在考慮了此內生性后核心解釋變量的系數絕對值變大，這意味著存在反向因果關系的影響，證明了基準回歸結果的穩健性。

第二，本文將解釋變量的滯后一期作為工具變量，結果如表4（5）—（8）列，估計結果表明人工智能技術與人工智能應用及其二次項的符號及顯著性與基準回歸結果一致，證明了在引入工具變量減輕內生性問題的影響后，本文的結論依然成立。

其次，考慮不同財務狀況下的企業可能會存在一定的選擇偏誤，因此采用傾向得分匹配法（PSM）緩解這一內生性問題。本文按照人工智能技術和人工智能應用的中位數進行分組，大于中位數的組賦值為1，反之為0，形成虛擬變量分組。再分別采用1∶1最近鄰匹配、1∶3最近鄰匹配、半徑匹配和核匹配的方法得到平均處理效應（ATT）。傾向得分匹配的結果表明，實驗組和對照組組間差異均顯著為負，人工智能技術和應用程度高的實驗組其企業利潤與工資之間的收入分配顯著高于對照組，且這一處理效應在不同的匹配方法下具有穩健性傾向得分匹配結果備索。。

3.穩健性檢驗

為了使基本結論更加可信，本文還從以下四個方面進行一系列的穩健性檢驗：

①替換被解釋變量。為了避免被解釋變量因測度方法不同產生的偏差對估計結果的影響，本文借鑒已有文獻的做法［12］，將企業利潤與工資之間的收入分配劃分為利潤與營業收入的比值（Profit）、工資與營業收入的比值（Wage）分別進行檢驗。檢驗結果如表5所示，人工智能技術的估計系數與基準回歸結果基本一致，但人工智能應用對工資與營業收入的比值沒有通過穩健性檢驗，因此還需進行一系列穩健性檢驗。

②分時段檢驗。2017年《新一代人工智能發展規劃》強調，提升人工智能技術水平，實現核心領域的領先地位；加強人工智能應用研究，推動創新應用落地。此后，我國人工智能發展進入全新階段，因此，本文以2017年為時間節點分階段進行回歸。

③剔除直轄市樣本?？紤]到企業分布屬地的特殊性以及直轄市地區特殊的發展政策，本文剔除四大直轄市樣本重新進行回歸檢驗。

④采用更為嚴格的聚類穩健標準誤。考慮到同一地區內各個企業在人工智能發展中存在交流和合作，可能存在相關性，因此，為避免估計偏誤，使用聚類到省級層面的穩健標準誤進行回歸。上述所有穩健性檢驗結果均表明，本文核心結論依然成立，證明基準回歸結果具有穩健性穩健性檢驗結果備索。

4.機制檢驗

上述研究表明，人工智能技術和應用對企業利潤與工資之間收入分配的影響呈“U”型。基于前面的理論分析，本文對人工智能影響企業利潤與工資之間收入分配的潛在機制進行進一步檢驗，主要包括就業規模效應、就業結構效應和生產率效應。

本文參考已有文獻的做法［12］，在基準回歸的基礎上考察中介變量對企業利潤與工資之間的非線性影響。

（1）就業規模效應。

前面理論分析表明，人工智能對勞動力具有替代效應和恢復效應，而企業最終的就業規模取決于二者的共同作用。因此，本文以企業員工人數（Dem）作為勞動力就業規模的代理變量，檢驗就業規模效應。結果如表6所示，由第（1）、（5）列可以看出，人工智能技術和人工智能應用的系數不顯著，說明二者對勞動力就業規模的影響不是線性的。（2）、（6）列進一步加入二者的二次項，人工智能技術和應用的系數顯著為正，二次項系數顯著為負，說明人工智能技術和應用對勞動力就業規模的影響是非線性的。接下來考察勞動力就業規模對利潤與工資之間收入分配的影響。在第（3）、（4）列，我們引入勞動力就業規模及其二次項，結果顯示勞動力就業規模的系數顯著為負，其二次項系數顯著為正，說明勞動力就業規模對利潤與工資之間收入分配的影響呈“U”型，這表明人工智能技術能夠通過改變企業就業規模來影響利潤與工資之間的“U”型關系。而通過（7）—（8）列可知，勞動力就業規模對利潤與工資之間收入分配的影響是線性的，且在加入勞動力就業規模的二次項后，人工智能應用的系數變得不顯著，這說明就業結構對人工智能應用和企業利潤與工資之間的“U”型關系起到完全中介作用。綜上，假設2得到驗證。

（2）就業結構效應。

根據前面分析，人工智能技術和應用對就業結構的影響是動態的。本文將企業中研發人員占比（Pos）作為代理變量，考察員工就業結構這一中間機制。估計結果如表7所示。首先，由（1）、（2）列可知，人工智能技術對勞動力就業結構的影響是非線性的。第（4）列加入勞動力就業結構及其二次項，結果顯示，勞動力就業結構的系數顯著為正，勞動力就業結構二次項的系數顯著為負，表明勞動力就業結構對利潤與工資之間收入分配的影響呈倒“U”型。這表明，人工智能技術通過誘導倒“U”型的就業結構效應引發了“U”型的利潤與工資之間的收入分配效應。其次，由表7第（7）列可知，在加入勞動力就業結構這一中介變量后，其系數不顯著，說明勞動力就業結構對利潤與工資之間的收入分配不是線性的，第（8）列加入勞動力就業結構的二次項后，勞動力就業結構的系數顯著為正，勞動力就業結構二次項的系數顯著為負，上述結果表明人工智能應用可以通過就業結構效應引發利潤與工資之間非對稱的收入分配效應。因此，假設3成立。

（3）生產率效應。

人工智能的發展將帶來生產率的顯著提升。為了驗證人工智能技術和應用如何通過生產率影響企業利潤與工資之間的收入分配，本文使用全要素生產率（Tfp）作為代理變量，并采用OP法來衡量。結果如表8所示。由（2）列可以看出，人工智能技術對全要素生產率存在顯著的影響。進一步考察基準回歸的非線性影響是否源于全要素生產率的作用，在第（4）列加入全要素生產率及其二次項，結果顯示，全要素生產率的系數顯著為正，二次項系數不顯著，表明全要素生產率對企業利潤與工資之間的收入分配的影響是線性的，即人工智能技術通過提高全要素生產率引發了“U”型的利潤與工資之間的收入分配效應。此外，由第（5）、（6）列可知，人工智能應用對全要素生產率的影響是非線性的，為了考察人工智能應用對利潤與工資之間收入分配的“U”型關系是不是全要素生產率所引致的，接下來進一步在第（8）列加入全要素生產率及其二次項，結果表明，二次項系數不顯著，說明人工智能應用也能夠通過提高全要素生產率引發利潤和工資之間的“U”型關系。假設4得以驗證。

五、進一步分析

人工智能技術和應用對企業利潤與工資之間的分配產生了非對稱、非線性的影響，這一影響效應是否又與其他外部因素切實相關？根據融資約束理論，融資約束的存在導致企業無法滿足創新投入對資金穩定投入的要求，抑制了企業的創新行為。而企業財務柔性能夠直接為創新行為提供資金支持，不必使企業受限于高交易成本的外部融資，有利于緩解融資約束。所謂財務柔性，是指企業為了應對財務環境變化和不確定性，通過整合財務資源、優化財務決策，來管理財務風險的一種綜合能力。它主要體現在企業如何有效運用財務資源、優化財務行為，以及如何處理財務風險的過程中［28］。

研究表明，財務柔性可以產生適應效應，通過靈活調整財務儲備保證企業可持續創新［29］。由于人工智能的研發和應用需要大量資金，其高風險性在前期可能不會帶來直接效益和促進生產率提高，這會在實現增長之前增加企業的沉沒成本，而財務柔性能夠優化企業財務資源配置，保持持續穩定的資金投入。陳非、韓曉宇研究發現，高水平的財務柔性能夠使企業保持充足的資金和剩余負債能力開展創新研發活動［30］。通過提高財務柔性水平，企業有足夠的資金發展人工智能技術，更能夠從人工智能應用中獲益，進而提高企業的盈利能力。綜上所述，財務柔性對人工智能和企業利潤與工資之間收入分配的關系具有調節作用。

基于以上分析，本文借鑒孔德議、許安心的做法［31］，使用現金柔性和負債柔性來表示財務柔性。其中，現金柔性=企業現金持有率-同行業平均現金持有率，負債柔性=同行業平均負債比率-企業負債比率。為了檢驗財務柔性在人工智能對企業利潤和工資之間收入分配的非線性影響中所起的作用，本文在基準回歸模型（1）的基礎上加入調節變量、調節變量與核心解釋變量的交乘項、調節變量與核心解釋變量二次項的交乘項，建立非線性的調節效應模型如下：

Allrijt=β0+β1AIrijt+β2AI2rijt+β3Finrijt+β4Fin·AIrijt+β5Fin·AI2rijt+

β6Xrijt+γi+λj+δt+εrijt（3）

其中，Finrijt表示財務柔性。由表9第（2）列可以看出，財務柔性與人工智能技術的交乘項系數為-0-0283，在1%統計水平上顯著，財務柔性與人工智能技術二次項的交乘項的系數為0-0002，且在10%的統計水平上顯著，表明財務柔性正向調節了人工智能技術與企業分配效應的“U”型關系。為了能夠進一步厘清財務柔性與人工智能技術之間的交互作用，利用變量均值加減標準差的方式繪制交互效應圖。由圖3可知，在財務柔性水平較高時，“U”型曲線相較于未考慮財務柔性的調節效應時變得陡峭，可以看出財務柔性強化了二者之間的“U”型關系。在跨過拐點后，高水平的財務柔性會加快人工智能技術的發展，同時提高利潤與工資間的比值。隨著人工智能技術的進步，在相同的人工智能技術水平下，財務柔性更高的企業其利潤與工資的比值也越大。同樣，由表9第（4）列可知，財務柔性與人工智能應用的交乘項（β=-0-0394）、財務柔性與人工智能應用二次項的交乘項（β=0-0007）的系數均顯著，表明財務柔性正向調節了人工智能應用與企業分配效應的“U”型關系。其調節效應如圖4所示，對于財務柔性較高的企業來說，人工智能應用與企業內部分配效應的“U”型關系較為明顯，表現在“U”型左右兩邊相對陡峭，說明人工智能應用對財務柔性較高的企業分配效應的影響相對更大。

六、結論與建議

提高員工工資、增進員工福祉，一直是全社會共同努力的目標。但隨著人工智能的大規模應用，企業中人工智能的紅利出現了偏向資本的現象［12］。為了全面考察人工智能是否對企業利潤和工資之間的收入分配產生非對稱、非線性的影響，本文基于2007—2022年滬深A股上市公司的數據，從理論和實證兩方面進行了深入探討。研究發現：

①人工智能技術和人工智能應用對企業利潤與工資之間收入分配的影響呈“U”型，即人工智能技術和應用先是縮小了利潤與工資之間的差距，在其發展到一定程度后，逐漸開始偏向于利潤，且在經歷了一系列穩健性檢驗后結論依然成立。

②人工智能技術和應用能夠通過就業規模效應、就業結構效應以及生產率效應影響利潤與工資之間的分配。

③進一步分析發現，企業財務柔性能夠正向調節人工智能技術和應用與企業收入分配之間的“U”型關系。

本文的研究為探索人工智能是否對中國企業層面收入分配產生非對稱的影響提供了經驗證據。基于此，提出以下政策建議：①支持企業進行科技創新，推進企業智能化轉型。政府應繼續完善與人工智能和智能制造相關的政策，為企業提供稅收優惠、資金支持等實質性幫助，降低企業研發與應用成本。同時，企業需要明確智能化轉型的目標和愿景，制定相應的戰略規劃，推動人工智能技術和應用兩方面發展。

②企業應不斷增強自身的盈利能力，進一步擴充融資渠道，規避研發風險，保持高水平的財務柔性。充足的資金支持能夠支持企業不斷提升創新能力，為人工智能的研發投入創造穩定的財務環境，避免因資金不足錯失有利的發展機會。

③企業應建立完善的職業技能培訓體系，同時勞動者也應增強對不同工作的適應能力，增強自身與高技能工作崗位的適配度，防止由于人工智能的替代效應導致失業率上升、平均工資水平下降，依靠自身的新技能進一步提高工資水平。

參考文獻：

［1］劉鳳良，吳孟非，徐少鋒.人工智能的財富分配效應研究［J］.經濟理論與經濟管理，2022（6）：64-78.

［2］LANKISCHC，PRETTNERK，PRSKAWETZA.Howcanrobotsaffectwageinequality？［J］.EconomicModelling，2019，81：161-169.

［3］AUTORDH，DORND，KATZLF，PATTERSONC，VANREENENJ.The

fallofthelaborshareandtheriseofsuperstarfirm［J］.TheQuarterlyJournalofEconomics，2020，135（2）：645-709.

［4］ACEMOGLUD，AUTORDH.Skills，

tasksandtechnologies：implicationsforemploymentandearnings［R］.NationalBureauofEconomicResearch，2010.

［5］王林輝，胡晟明，董直慶.人工智能技術會誘致勞動收入不平等嗎——模型推演與分類評估［J］.中國工業經濟，2020（4）：97-115.

［6］ACEMOGLUD，RESTREPOP.Tasks，

automation，andtheriseinUSwageinequality［J］.Econometrica，2022，90（5）：1973-2016.

［7］王麗媛.智能化發展、勞動力供給技能結構與技能溢價［J］.山西財經大學學報，2021（5）：45-60.

［8］PRETTNERK，BLOOMDE.AutomationandItsMacroeconomicConsequences：Theory，Evidence，andSocialImpacts［M］.London：Elsevier，AcademicPress，2020.

［9］姚笛，陳東，鄭玉璐.人工智能與企業內工資差距：任務偏向還是技能偏向［J］.經濟理論與經濟管理，2023（9）：99-112.

［10］EECKHOUTJ.Theprofitparadox：howthrivingfirmsthreatenthefutureofwork［M］.Princeton：PrincetonUniversityPress，2022：74-75.

［11］COVERIA，PIANTAM.Technology，profitsandwages［R］.LEMworkingpaperseries，2019.

［12］WANGL，CAOZ，DONGZ.Areartificialintelligencedividendsevenlydistributedbetweenprofitsandwages？evidencefromtheprivateenterprisesurveydatainChina［J］.StructuralChangeandEconomicDynamics，2023，66：342-356.

［13］HICKSJR.

Marginalproductivityandtheprincipleofvariation［J］.Economica，1932，35：79-88.

［14］GRASHOFN，KOPKAA.Artificialintelligenceandradicalinnovation：anopportunityforallcompanies？［J］.SmallBusinessEconomics，2023，61（2）：771-797.

［15］CABALLERORJ，FARHIE，GOURINCHASPO.Rents，

technicalchange，andriskpremiaaccountingforseculartrendsininterestrates，returnsoncapital，earningyields，andfactorshares［J］.AmericanEconomicReview，2017，107（5）：614-620.

［16］朱琪，劉紅英.人工智能技術變革的收入分配效應研究：前沿進展與綜述［J］.中國人口科學，2020（2）：111-125，128.

［17］干春暉，姜宏.資本偏向型技術進步新特征及其對勞動力市場的影響機制研究［J］.財經研究，2022（5）：34-48，79.

［18］尹志鋒，曹愛家，郭家寶，等.基于專利數據的人工智能就業效應研究——來自中關村企業的微觀證據［J］.中國工業經濟，2023（5）：137-154.

［19］AUTORDH.Whyaretherestillsomanyjobs？thehistoryandfutureofworkplaceautomation［J］.JournalofEconomicPerspectives，2015，29（3）：3-30.

［20］ACEMOGLUD，RESTREPOP.Automationandnewtasks：howtechnologydisplacesandreinstateslabor［J］.JournalofEconomicPerspectives，2019，33（2）：3-30.

［21］陳東，姚笛.人工智能擴大了企業間的工資差距嗎？——來自中國工業企業的證據［J］.經濟科學，2022（3）：127-142.

［22］王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據［J］.經濟研究，2020（10）：159-175.

［23］AUTORDH，DORND.The

growthoflowskillservicejobsandthepolarizationoftheUSlabormarket［R］.NBER，2013.

［24］AUTORDH，LEVYF，MURNANERJ.Theskillcontentofrecenttechnologicalchange：anempiricalexploration［J］.QuarterlyJournalofEconomics，2003，118（4）：1279-1333.

［25］HEMOUSD，OLSENM.Theriseofthemachines：automation，horizontalinnovation，andincomeinequality［J］.AmericanEconomicJournal：Macroeconomics，2022，14（1）：179-223.

［26］GRAETZG，MICHAELSG.Robotsatwork［J］.TheReviewofEconomicsandStatistics，2018，100（5）：753-768.

［27］SUNGR，OWENE，LIQ.Howdocapitalandlaborspliteconomicgainsinanageofglobalization？［J］.ReviewofInternationalPoliticalEconomy，2021，28（1）：232-257.

［28］趙華，張鼎祖.企業財務柔性的本原屬性研究［J］.會計研究，2010（6）：62-69，96.

［29］HAOZ，ZHANGX，WEIJ.Researchontheeffectofenterprisefinancialflexibilityonsustainableinnovation［J］.JournalofInnovation&Knowledge，2022，7（2）：100184.

［30］陳非，韓曉宇.環境不確定性、財務柔性與研發投資——基于中小板上市公司的經驗證據［J］.工業技術經濟，2018（10）：19-25.

［31］孔德議，許安心.管理決斷權、財務柔性與企業技術創新［J］.證券市場導報，2020（5）：56-63.

TheNonlinearImpactofArtificialIntelligenceonEnterpriseIncomeDistribution：

ATestBasedonListedCompanyDatafrom2007to2022

HEQin，LIXinyue

（SchoolofLaborEconomics，CapitalUniversityofEconomicsandBusiness，

Beijing100070，China）

Abstract：Thenewtechnologicalchangesbroughtaboutbyartificialintelligencehaveledtochangesinthedistributionpatternofenterpriseincome.BasedonthedataofAsharelistedcompaniesinShanghaiandShenzhenfrom2007to2022，thisstudyusestextanalysismethodtoscientificallycalculateartificialintelligencetechnologyandapplications，andanalyzestheimpactofartificialintelligenceontheincomedistributionbetweenenterpriseprofitsandwages.ResearchhasfoundthattheimpactofartificialintelligencetechnologyandapplicationsonthedistributionofenterpriseprofitsandwageincomeshowsaUshapedpattern，thatis，intheearlystagesofthedevelopmentofartificialintelligencetechnologyandapplications，theratioofprofitstowagescontinuouslydecreases，andthegapgraduallynarrows;Butwhenartificialintelligencetechnologyandapplicationsexceedthethreshold，profitscontinuetodevourwages，leadingtoagradualwideninggapbetweenprofitsandwages.Thisconclusionstillholdsafterundergoingaseriesofrobustnesstestssuchasreplacingthedependentvariable，timeperiodtesting，andremovingsamplesfrommunicipalitiesdirectlyunderthecentralgovernment.Mechanismanalysisrevealsthatartificialintelligencetechnologyandapplicationscanindirectlyaffectthedistributionofprofitsandwagesamongenterprisesthroughemploymentscaleeffects，employmentstructureeffects，andproductivityeffects.FurtherresearchhasfoundthatfinancialflexibilitycanpositivelyregulatetheUshapedrelationshipbetweenartificialintelligenceandincomedistributionbetweenprofitsandwages.Forenterpriseswithhigherfinancialflexibility，theUshapedrelationshipbetweenartificialintelligencetechnologyandapplicationsandinternaldistributioneffectsismoreobvious，indicatingthattheimpactofartificialintelligencetechnologyandapplicationsonthedistributioneffectofenterpriseswithhigherfinancialflexibilityisrelativelygreater.Thisarticleprovidesimportantpolicyrecommendationsforincreasingemployeewagesandsuppressingthewideningcapitalandlaborgapbetweenenterprisesinthecontextofaccelerateddevelopmentofartificialintelligence.

Keywords：artificialintelligencetechnology；artificialintelligenceapplications；profitsandwages；incomedistribution