中國人工智能發展水平對勞動就業的影響

摘要：在準“強人工智能”的背景下，作為推動社會生產力發展的新增長引擎，人工智能的持續發展對中國勞動就業是否有益，是否真的會引發“技術性失業”的焦慮和不安？基于此，以就業總量的視角，通過熵值法測度中國省級人工智能發展水平，選取2018—2022年省級面板數據，深入探究中國人工智能發展水平對勞動就業的影響，實證研究證明：人工智能發展水平對中國勞動就業有一定的阻礙作用。因此，有針對性地提出了加強人工智能教育和人才培養、提高人力資本、合理布局人工智能等優化人工智能和勞動就業關系的對策建議，為解決中國勞動力市場相關問題提供借鑒。

關鍵詞：人工智能發展；就業總量；省域面板數據；熵值法

中圖分類號：F249.2；F425文獻標志碼：A

0引言

科技創新作為經濟發展的核心動力，不僅可以推動社會生產力的提升，還能推動政治結構、經濟結構、生活結構等發生重大轉變。當前，在準“強人工智能”的前夜，人工智能已然成為國際競爭的新焦點和經濟發展的新引擎，主要發達國家，紛紛出臺人工智能規劃和相關政策，將人工智能視為提升國家綜合國力的重大戰略，力圖在新一輪國際科技競爭中掌握主導權。為把握住人工智能這一重大的歷史性機遇，中國也把建設發展人工智能技術提升到了國家戰略層面。黨的二十大報告中著重強調“構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎”，《2024年國務院政府工作報告》中明確提出“深化大數據、人工智能等研發應用，開展‘人工智能＋’行動”?？梢灶A見，人工智能在未來一段時間將發展更為迅速，會引發科技方面的重大變革，并對經濟和人類社會帶來更為廣泛和深刻的影響[1]。

技術進步是經濟增長的來源，就業則是保障民生的根本，是影響一國經濟發展、社會穩定和人民生活質量的重要因素。人工智能的發展一方面提升了生產力水平，促進經濟增長；另一方面也會對勞動力市場造成一定的影響，代表著一種對勞動力就業的新威脅，引發了人們對人工智能帶來“技術性失業”的焦慮與不安[2]。2024年，中國就業環境面臨著不確定因素增多、社會預期偏弱、就業總量壓力不減、結構性矛盾依然存在等多重挑戰，在“突出就業優先導向”的政策要求下，人工智能的持續發展對就業究竟有什么樣的影響？在已經和即將在各行各業“人工智能化”的背景下，機器人是否會真的“代替”人？科學回答和評估這些，對于中國技術進步方向以及就業保障實施方面有著重要的指導意義。鑒于此，利用中國30個省份（不含西藏及港澳臺地區）2018—2022年的面板數據，以實證角度探究并檢驗人工智能發展對中國勞動力就業總量的影響，以便更有針對性地提出對策建議來緩解中國存在的就業問題。

1文獻綜述

作為影響勞動就業的重要因素，人工智能引起了國內外學者的關注，并從多個角度分析了其影響。

1956年，人工智能的概念由科學家麥卡錫（John McCarthy）在達特茅斯會議首次提出，他認為人工智能就是讓機器的行為看起來更像人所表現出的智能行為一樣，該會議對人工智能的設想是一臺可以模擬學習或智能處理所有事宜的機器。隨著人工智能的不斷發展，學者對人工智能的研究欲望不斷加強，Nilsson[3]認為人工智能是一門關于如何表達知識、獲取知識以及使用知識的學科。Bryn?jolfsson和McAfee[4]認為基于人工智能、數字化革命等推動的第二次機器革命將實現空前的技術進步。國內學者對人工智能的研究也在不斷深入。張鑫和王明輝[5]認為人工智能是新一代“通用目的技術”，是一項目標導向的技術，是對人類智能及其生理構造的模擬。孫早和侯玉琳[6]認為人工智能是一項新的生產要素，可以提升制造效率和改善資源配置，促進全要素生產率提升。張娟[7]認為中國已經逐步進入強人工智能時代，生成式AI被認為是強人工智能的初級形態。

人工智能作為新的技術變革，以其不同于以往技術變革的發展速度、規模和深度引起了學界的廣泛關注，越來越多的學者開始就人工智能對各行業的影響展開研究，但從宏觀角度上衡量一個國家或地區的人工智能發展程度，目前對其測算沒有一個統一的衡量標準。部分學者如俞伯陽[8]以信息傳輸、計算機服務和軟件業全社會資產投資額來代表人工智能發展水平。葉祥松等[9]以工業機器人安裝量來代表人工智能發展水平。此外，還有部分學者自主構建人工智能發展水平指標，如王志剛和胡寧寧[10]從基礎資源投入、人力資源投入、技術服務、產出應用水平4個一級指標建立中國人工智能發展評價指標體系。楊先明和王志閣[11]根據中國國家工業和信息化部對工業化和信息化融合的指標體系，從人工智能投入和應用層面選取五大基礎指標構建綜合反映中國省際人工智能發展水平的評價體系。

而關于人工智能的發展對勞動就業的影響，目前存在3種觀點：樂觀態度、悲觀態度及中立態度。一部分學者認為人工智能的發展對勞動就業存在負面阻礙，如朱火弟和葉潤[12]認為人工智能發展對中國低技能勞動力就業存在顯著的負面影響，隨著人工智能技術的發展，生產過程、生產工具都逐漸自動化和智能化，從而產生了替代效應。也有一部分學者對人工智能的發展對就業勞動的影響抱有樂觀態度，如Christopher[13]認為技術進步越快，意味著未來收益的有效貼現率越低，利潤的現值就越高，因此企業為了實現利潤最大化，會擴大生產規模，提供更多工作機會。還有一部分學者對人工智能的發展對勞動就業的影響保持中立態度，如蔡嘯和黃旭美[14]認為人工智能技術的應用與制造業就業之間存在“門檻效應”，一般情況下人工智能技術會抑制制造業就業，但當人工智能技術應用轉化水平增強，制造業生產率有巨大提升時會促進制造業重新創造就業機會。

通過對已有文獻的研讀，雖然國內外學者在人工智能發展與勞動就業的關系上進行了廣泛且多樣的研究，但由于研究角度、研究樣本、測算方法的不一致，研究結論并不統一，仍有較大研究前景，這為進一步研究人工智能的發展與就業的關系奠定了基礎。但是，現有研究還存在著一些不足之處，大部分學者都從理論角度分析了人工智能的發展對就業量的影響，實證方面的研究較少，且尚未得到統一的結論。

2計量檢驗與回歸結果

2.1數據說明

2.1.1變量解釋

為了考察人工智能發展對勞動就業的影響，計量檢驗在設定模型時把人工智能發展水平作為核心解釋變量，同時考慮多個控制變量，最終加入4個控制變量，并基于數據的可得性以2018—2022年為觀測年份建立如下的回歸方程：

InEMPit=αi+β0+β1AIit+β2URBANit+β3OPENit

+β4FINANCEit+β5InTRANSit+μi（1）

式中：EMPit為被解釋變量，代表就業總量，是省市i第t年的總就業人數。AIit為解釋變量，是省市i第t年的人工智能發展水平。

對于影響中國勞動就業總量的控制變量，借鑒朱火弟和葉潤[12]、蔡嘯和黃旭美[14]以及鄭景麗等[15]的研究：（1）URBANit為省市i第t年的城鎮化水平，中國城鎮化水平的提高促進著勞動力從農村向城市轉移，不僅帶動了高新技術和高端產業的發展，也帶來了低端服務業和制造業的就業機會。（2）OPENit為省市i第t年的對外開放程度，隨著全球貿易形勢的不斷變化，如中美貿易摩擦、國際政治經濟風險的凸顯以及新冠疫情的影響等，對中國外貿和勞動力市場的穩定運行帶來了挑戰，而勞動力的資源優勢及人力資源素質的不斷提高在推進中國貿易高質量發展、成為全球貨物貿易第一大國的道路上不斷助力，因此對外開放水平對于中國勞動力總量的影響至關重要。（3）FINANCEit為省市i第t年的金融發展水平，金融機構通過提供貸款和其他金融服務支持企業擴張和創新，有助于創造更多的就業崗位，與就業總量之間存在明顯的促進作用[16]；TRANSit為省市i第t年的交通通達度，交通通達程度會影響勞動力的自由流動，從而造成勞動力流動壁壘，抑制中國經濟的高質量發展[17]。αi表示省級個體效應，μi為隨機誤差項，β0為常數項。各變量的含義及相關說明可見表1，采用的原始數據來源于歷年地方統計年鑒及《中國統計年鑒》。此外，為了消除潛在的異方差問題，對EMPit、FINANCEit取自然對數。

2.1.2中國省域人工智能發展水平評價指標體系構建

需要特別說明的是，解釋變量AIit基于中國（除去西藏及港澳臺地區）30個省份數據，參考孫早和侯玉林[6]的研究從基礎建設、生產應用、競爭力和效益3個方面，構建了由7項指標構成的中國省域人工智能發展水平評價指標體系，見表2。

基礎建設一級指標由信息傳輸、計算服務和軟件業社會固定投資占比和互聯網普及率構成，信息傳輸、計算服務和軟件業社會固定投資占比為省市i第t年的信息傳輸、計算服務和軟件業社會固定投資在固定投資總額的占比，互聯網普及率為互聯網用戶數與常住人口總數的占比；生產應用一級指標由工業機器人安裝量和工業機器人滲透率組成，以IFR（國際機器人聯合會）發布的國家工業機器人安裝量及存量數據為基礎，同時考慮到各省的工業機器人主要應用于第二產業，因此以各省市第二產業產值占比為權重，實現工業機器人安裝量與存量數據省級之間分配，從而根據式（2）（3）得到相應數據；競爭力和效益一級指標由專利申請數、產業效益和社會效益組成，專利申請數為省市i第t年規模以上工業企業專利申請數，產業平均效益為省市i第t年電子信息產業主營業務收入/電子信息產業制造企業數，社會效益指標由各省份的單位GDP能源消耗情況衡量[6]，即表現在人工智能對生產生活的幫助下各省份能源消耗是否減少。

構建好指標體系后，采用熵值法實證測度中國省域人工智能發展水平，熵值法綜合評價的具體步驟如下。

（1）原始數據標準化處理由于各項指標的計量單位不統一，因此在進行綜合指標測算前，要對原始數據進行標準化處理，把指標相對值化，從而解決各項指標值的不同質問題。因正向指標和負向指標代表的含義相反，所以通常按照指標屬性的不同來選擇不同的公式進行標準化處理：

m；j=1，2，3，…n）。（5）

式中：Φij是經過標準化處理后的第i個樣本的第j項指標，Xij是第i個樣本中第j項指標的原始數據值，min（Xi）j為第j項指標的最小值，max（Xi）j為第j項指標的最大值。

（2）計算第j項指標下第i個樣本指標值的比重Pij

由于計算信息熵時需要取自然對數，指標值不能為0，因此要進行適當處理，即對數據進行0.01的平移處理，即令Zij=Φij+d。其中，d為使其略大于0的一個正數，在此取0.01。

∑i=1

（6）（3）根據熵值計算公式計算第j項指標的信息

（4）計算第j項指標的差異性系數gj。

對于第j項指標，Xij的差異性越大，對指標評價的作用就越大，熵值ej就越小，即gj越大，指標越重要。gj= 1-ej（8）

（5）計算確定各評價指標權重wj。

wj=（9）n∑j=1gj

各項指標的熵值ej、差異性系數gj及權重wj見表3。

對中國各省人工智能水平的測度采用30個省份2018—2022年的指標數據，依照熵值法公式測算得出，并根據2022年得分大小分成3個等級，詳見表4。

由表4可知，廣東、江蘇、浙江、山東、福建、北京、上海、山西、安徽、河南的人工智能水平位居前列。而位于低水平的省份多集中在東北、西部省份，這些省份經濟發展多集中于第一產業，勞動人員多從事于農、林、漁、牧等傳統行業，對人工智能的應用需求不足，同時創新和投資支撐相對欠缺。

2.2相關性檢驗

在確定回歸模型和變量的基礎上，首先對變量進行相關性檢驗，包括描述性統計、多重共線性檢驗、Hausman檢驗，然后使用固定效應回歸依次對全樣本進行考察。

2.2.1描述性統計

表5列出了各變量數據的基本信息。綜合各個變量的數據可得性，實證研究的樣本為2018—2022年中國30個省份的面板數據。

2.2.2 多重共線性檢驗

因選取了5個變量分析人T智能的發展對勞動就業的影響，若變量間存在多重共線性，則會導致回歸結果出現誤差。因此，在正式回歸前對各變量進行多重共線性檢驗。

首先對各變量相關系數矩陣進行分析，通過pearson相關系數和spearman相關系數考察變量的多重共線性。表6為各變量相關系數矩陣結果，可以看出在2種相關系數矩陣方法的考察下，除城鎮化水平（URBANit）與對外開放程度（OPENit）的相關系數超過0.7以外，其他變量的相關性系數均小于0.7，說明多重共線性問題并不嚴重。

為確?；貧w結果，考察各變量的方差膨脹因子，進一步開展多重共線性檢驗。一般認為，VIF的數值大于5則變量之間存在共線性。由表7可以看出，所有變量的方差膨脹因子均值為2.94，處于較低水平，最小值為1.52，最大值為4.24，小于過往檢驗的標準值5，據此證明研究所用模型的變量間不存在多重共線性。

2.2.3 Hausman檢驗

為保證回歸的可行性以及回歸結果的可靠性，進行了Hausman檢驗。該檢驗方法的原假設為選擇隨機效應模型更優。由表8可知，檢驗結果顯示P值為0.000 0，即該結果拒絕了原假設，因此正式回歸時選擇固定效應。

2.3回歸結果

2.3.1全樣本回歸

表9顯示的是將人工智能發展水平作為解釋變量，并使用固定效應模型進行回歸得到的結果。

從回歸結果上可以看出，解釋變量人工智能發展水平（AIi）t對中國勞動就業（InEMPi）t影響的系數為-0.222，在5%水平上呈顯著的負向影響，與假設一致，這說明人工智能發展水平對中國勞動就業有一定的阻礙作用，即人工智能的應用對就業總量形成了負向的沖擊，隨著人工智能技術的不斷普及，部分就業崗位面臨著被人工智能替代的風險，出現先進設備替代低技能勞動力的現象，從而導致失業的出現，影響到中國的整體就業市場發展。URBANit對InEMPit影響的系數為-0.281，在10%的水平下呈顯著的負面影響，說明城鎮化水平的提高對中國勞動就業總量的上升會起到負面作用，城鎮化水平的提高意味著勞動力向城鎮的集中，當高生活成本超過中低技能水平勞動力的薪酬能力時，會迫使低技能水平勞動力退出該勞動市場。OPENit、FINAN?CEit、InTRANSit的回歸結果為負，這說明對外開放水平、金融發展水平、交通通達度的提高會影響中國勞動就業總量的提升。

2.3.2穩健性檢驗

鑒于研究主要考察人工智能的發展對勞動就業的影響，為了驗證上述實證結論的穩健性，將對解釋變量人工智能水平采用其他測算方法重新計算，考察模型的穩健性。計量檢驗原本采用建立指標通過熵值法測算人工智能發展水平，在穩健性檢驗時采用各省工業機器人安裝量（InROBOTi）t代表人工智能發展水平。實證結果見表10。如實證結果所示，省域人工智能發展水平與中國勞動就業之間依然為顯著的負相關關系。因此，改變關鍵解釋變量計算方法并未影響回歸結果及研究結論。

3結論與政策建議

自“人工智能”的概念在1956年被提出，從理論和算法設計到大規模應用，這個概念越來越貼近我們的實際生活，且實實在在地影響著社會經濟發展?；?018—2022年中國30個省、自治區、直轄市（除去西藏及港澳臺地區）的勞動就業數據，考察了人工智能發展水平對勞動就業總量的影響。通過前文分析可得，人工智能發展水平對中國勞動就業有一定的阻礙作用，人工智能的應用對就業總量造成了一定的負向沖擊。研究結果對于平衡人工智能利用和勞動就業發展的關系具有重要的啟示意義，對當前中國相關政府部門制定政策幫助企業正確認識人工智能技術對勞動就業的影響也有一定參考意義。

（1）合理布局人工智能，宏觀調控人工智能發展水平。Tortoise Media發布的2023年全球人工智能指數排名，中國排名第二僅次于美國，可見目前中國人工智能總體發展水平尚好，但從各省人工智能水平綜合評價得分可以發現國內省域發展水平不平衡、不均勻，呈現出“東高西低”的局面，因此要依據自身資源稟賦與產業優勢有所側重地發展人工智能，因地制宜制定差異化的人工智能產業政策，推動各區域的共同發展。此外，政府應扶持不同區域內人工智能企業發展，同時鼓勵具有優勢的企業在不同區域建立分支機構，為人工智能發展要素提供跨區流動的可能性，促使勞動力向更有需求的地區流動，促進全國省域人工智能發展水平的共同提高。

（2）加強職業培訓，緩解人工智能對就業的負向效應。雖然目前人工智能在實際生活中的運用更傾向于常規工作、重復性工作，替代中低技能勞動者，但隨著“強人工智能”時代的不斷臨近，以GPT為代表的訓練大數據模型研究進度加快，人工智能替代高技能勞動者的程度將會逐漸增強。因此，加強對勞動者的職業培訓以提高綜合素養，可以延緩人工智能對勞動力的替代程度。首先，政府應持續增加各類教育經費投入，加強公共就業服務體系建設，大力支持在職職工、失業人群的技能培訓活動，并提供就業指導，不斷提高公開就業信息的時效性和透明度，幫助勞動力實現技能提升和就業轉移；其次，針對高層次人才，為滿足對智能制造人才隊伍建設的需求，應加強人工智能教育和人才培養，可通過校企合作設立人工智能專業、加強人工智能相關領域的課程的教育和培訓、加大力度扶持高水平人才引進等，構建人工智能關鍵人才的培養體系，培養具有“創新+實操”的“雙面人才”，提高中國人工智能人才隊伍的整體素質，把握人工智能持續發展的“開關”，實時調控人工智能對中國勞動就業的沖擊。

（3）完善社會保障體系，穩定勞動就業。首先，針對人工智能可能引發的失業風險，中國應加快建設并完善普惠性的社會保障體系，結合實際進一步完善最低工資制度、失業保險、失業救濟等相關制度體系，學習國際經驗，建立具有針對性的扶持制度，根據職業、年齡、學歷的不同進一步完善失業人群的扶持政策，避免收入差距進一步擴大，保障社會穩定；其次，要切實維護勞動者勞動保障權益，利用大數據技術平臺收集廣大勞動者的勞動權益保障實際情況，研判現行規定與實際就業環境之間的管理空白，重點監測受人工智能技術沖擊大的勞動者群體，不斷完善辭退與失業、社保繳納與使用、薪酬與福利等就業權益保障措施，保證就業公平。

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（1）：103-115.

[2]張旭，于蒙蒙，郭義盟.人工智能發展如何影響勞動力就業？[J/OL].煙臺大學學報（哲學社會科學版），2024：1-12[2024-07-13].https：//doi.org/10.13951/j.cnki.issn1002-3194.2024.0401.01.

[3] Nilsson N J. Aritificial intelligence：A new synthesis[M].San Francisco：Morgan Kaufmann Publishers Inc，1998.

[4] Brynjolfsson E，McAfee A. The second machine age：Work，progress，and prosperity in a time of brilliant tech?nologies[M]. New York：Norton，2014.

[5]張鑫，王明輝.中國人工智能發展態勢及其促進策略[J].改革，2019（9）：31-44.

[6]孫早，侯玉琳.人工智能發展對產業全要素生產率的影響：一個基于中國制造業的經驗研究[J].經濟學家，2021（1）：32-42.

[7]張娟.生成式AI嵌入數字政府建設的審思與展望：基于強人工智能視域[J].財經問題研究，2024（， 7）：36-47.

[8]俞伯陽.人工智能技術促進了中國勞動力結構優化嗎：基于省級面板數據的經驗分析[J].財經問題研究，2020（3）：94-102.

[9]葉祥松，黎美玲，潘麗群.人工智能對微觀企業的就業影響：總量、來源與異質性研究[J].貴州財經大學學報，2023，（6）：70-79.

[10]王志剛，胡寧寧.人工智能對我國居民消費的影響機制及作用效果[J].深圳大學學報（人文社會科學版），2023，40（5）：67-77.

[11]楊先明，王志閣.人工智能、財政職能與中國經濟發展質量[J].宏觀質量研究，2023，11（4）：49-66.

[12]朱火弟，葉潤.人工智能發展對我國勞動力就業結構的影響：基于2006—2019年省級面板數據的實證分析[J].重慶理工大學學報（社會科學），2021，35（8）：59-70.

[13] Christopher A P. Equilibrium unemployment theory[M].Massachusetts：MIT Press，2000.

[14]蔡嘯，黃旭美.人工智能技術會抑制制造業就業嗎：理論推演與實證檢驗[J].商業研究，2019（6）：53-62.

[15]鄭景麗，王喜虹，張雪梅.人工智能如何影響勞動收入份額：基于產業結構與企業升級的機制探討[J].南開經濟研究，2024（4）：3-22.

[16]林春，孫英杰，康寬.普惠金融對中國產業就業的影響效應：基于總量和結構視角[J].證券市場導報，2019（6）：13-19+30.

[17]蔣為，倪詩程，吉萍.中國跨地區勞動力流動壁壘：測度方法、演進趨勢與決定因素[J].經濟研究，2024，59（4）：60-77.

Research on the Influence of Artificial Intelligence Development Levelon Labor Employment： Based on Total Employment

CHENG Zeqiang

（Quanzhou University of Information Engineering， Quanzhou Fujian 362000， China）

Abstract：Under the background of quasi-"strong artificial intelligence，"as a new growth engine to promote thedevelopment of social productivity， is the continuous development of artificial intelligence （AI） beneficial to Chi?na's labor and employment，， and will it really trigger anxiety and unease of "technological unemployment"？ Basedon this， this paper measures the level of AI development at the provincial level in China through the entropy methodfrom the perspective of total employment， and selects the provincial panel data from 2018 to 2022 to explore the im?pact of China's AI development level on labor employment.The empirical research proves that the level of AI devel?opment has a certain impediment to China's labor employment. Therefore， countermeasures and suggestions are putforward to optimize the relationship between AI and labor employment， such as strengthening AI education and per?sonnel training， improving human capital， and rationally laying out AI， so as to provide a reference for solving theproblems related to China's labor market.Key words：artificial intelligence development; total employment; provincial panel data; entropy method