工業機器人應用對不同任務工資差距的影響

一、問題提出

工業機器人已逐漸成為制造業不可或缺的生產要素，為勞動力市場需求結構帶來了新的變化。我國于2010年后開始大規模使用工業機器人，至2019年工業機器人存量已達到78.3萬臺，占全球 29% 的份額①。工業機器人應用顯著提高了企業生產效率，減少了企業用工成本。但隨著工業機器人應用水平的提高，勞動力市場需求結構和工資分配方式發生了巨大變化，工作極化和收入不平等現象不斷加深。以不同任務勞動需求為例，常規生產任務勞動力就業占比逐漸下降，已由2000年的 80.3% 下降至2015年的58.6% ，而知識型勞動力占比已由2005年的 7.4% 上升至2015年的 10.3% ，操作型勞動力占比已由2005年的 12.3% 上升至2015年的 。且在工業機器人應用水平不斷提高的同時，企業內部管理層人員與普通員工間的工資差距也由2014年的約27萬元上升至2019年的47萬元③

工業機器人應用減少了常規生產任務勞動力就業份額，增加了知識型和操作型等非常規勞動力就業份額，調節了常規與非常規任務勞動力間的工資差距。根據技能偏向性技術變革假說（SBTC）和任務偏向性技術變革假說（TBTC）：一方面，工業機器人應用使部分生產任務由勞動力轉向機器人，削減了常規工作任務勞動力生產任務和就業份額，例如，自動化水平較高的美國預計有 47% 的崗位面臨自動化替代風險1；另一方面，工業機器人應用降低了勞動收人份額，提升了非常規工作任務勞動力的能力溢價，即工業機器人對勞動力間工資差距的影響主要體現在其對常規任務勞動力的替代效應，以及對非常規任務勞動力的互補效應。對此，學者們已經展開了研究，但已有研究多側重通過學歷高低或管理層與員工工資差距衡量常規與非常規工作任務的工資差距。事實上，常規工作任務指的是可被機器人替代的工作任務，具有低學歷、低技能和低職位等特征，若僅以低學歷或低技能等某一側向理解常規工作任務終究是片面的。為深入了解工業機器人的收人分配效應，本文總結了可被機器人替代工作任務的特征，從企業層面探討了工業機器人應用如何調節不同工作任務勞動力間的工資差距。企業是收入分配格局的中心環節，研究如何促進人工智能背景下企業工資分配的公平性和合理性，對扎實推進共同富裕進程、高質量發展具有重要意義。

二、文獻綜述

工業機器人應用對居民收人差距的影響已經成為經濟學界關注的重要問題，已有文獻從地區、行業和企業等多個層面進行了研究，本文關注的企業層面研究主要從技能和任務等角度展開：

第一，工業機器人應用與技能工資差距。這一角度研究主要源自技能偏向性技術變革假說（SBTC），該假說認為技術的有偏性擴大了技能工資差距，即技術進步提高了高技能勞動力相對需求和工資收入，擴大了其與低技能勞動力間的工資差距。該假說也被用于解釋20世紀80年代西方國家經歷的收入差距不斷擴大和學歷回報率逐漸上升的現象。這一時期計算機應用場景逐漸蔓延至工作中，計算機與高技能勞動力形成了互補效應，減少了低技能和中等技能勞動力工作時間，因此擴大了企業內部技能工資差距[2-3]。顯然，工業機器人應用對技能工資差距的影響渠道主要為其所產生的替代效應和生產力效應[4]。替代效應指的是工業機器人替代了低技能勞動力，減少了低技能勞動力工作時間，引發了崗位更迭[5-7]。生產力效應指的是工業機器人提高了企業生產效率，減少了企業管理成本，或在一定程度上彌補低技能勞動力缺陷，但更有利于管理層人員，所以并不能從實際上改善員工間工資差距[7-8]。此外，根據工業機器人普及程度和應用水平，可將其對企業內部工資差距的影響分為三個階段。當勞動力工資和自動化水平均較低時，低技能勞動力工資受自動化影響較小；隨著勞動力工資和自動化水平的提高，低技能勞動力被機器替代，抑制了低技能勞動力需求，收入差距擴大；而當經濟達到穩定狀態后，自動化投入份額是恒定的，低技能勞動力工資相對增長率上升，但仍低于高技能勞動力[]

第二，工業機器人應用與任務工資差距。這一角度研究源自任務偏向性技術變革假說（TBTC），該假說誕生于20世紀90年代，一些國家出現了工作極化現象，即高技能和低技能勞動力就業份額逐漸提高，而中等技能勞動力份額逐漸下降[3]。在該現象的解釋中，技能偏向性技術變革假說則讓步于任務偏向性技術變革假說[10]。任務偏向性技術變革假說將工作任務根據工作場所劃分為常規任務和非常規任務。常規任務指的是程序化和重復性工作任務，而非常規任務則相對而言更需要人的認知決斷和人際交往。與SBTC假說相同的是，TBTC假說也認為工業機器人通過替代效應和生產力效應擴大了常規任務與非常規任務勞動力間的工資差距。一方面，機器人應用減少了常規任務勞動力工作任務，甚至替代了常規任務勞動力，降低了常規任務勞動力薪酬水平[3，11-12]。另一方面，機器人與非常規任務勞動力形成了良好的互補關系，提高了企業生產效率，降低了企業用工成本，從而提高了非常規任務勞動力的需求和薪酬水平[1，13]。可以發現，無論在經濟現象的解釋上，還是在理論與實證的分析中，工業機器人作為一種技術變革都更具任務偏向性，即工業機器人對企業內部工資差距的影響更多地表現為任務工資差距，而不是技能工資差距[8]

基于SBTC和TBTC假說，已有研究均主要通過勞動力的技能和學歷水平，驗證了工業機器人的技能偏向性和任務偏向性，且認為任務偏向性大于技能偏向性。但無論技能還是任務差異，都是對工作任務是否能被機器人替代的一種不甚準確的理解，而可被機器人替代的勞動力并不等于低技能或低學歷勞動力。為深入分析工業機器人對勞動力工資差距的影響，本文根據工業機器人技術具有的主要特征，定義了可被機器人替代的“自動化型工作”④，深人探討了工業機器人應用對不同工作任務勞動力工資差距的調節作用。

三、理論分析與研究假設

借鑒已有文獻的研究思路[8，13]，構建關于機器人-勞動力需求的簡要理論模型，分析了機器人的技術變革特征及其對工資差距的影響。

考慮企業通過一系列連續生產任務 x 進行生產：

其中： Y 為總產出； y（x） 為生產任務 x 的產出， x∈ [N-1，N]，N-1 和 N 之間反映了任務范圍的變化。

企業生產任務均可由工人 （l（x） ）或機器人（ m （x） ）完成，假設 I 為企業當前技術可實現的自動化任務范圍，當任務 x∈[0，I] 時，該生產任務可由工人或機器人完成，否則該任務只能由工人完成，所以：

其中， γ_L（x） 為生產任務 x 的人工勞動生產率，γ_M（x） 為生產任務 x 的機器人生產率。假設 γ_L（x） 是不斷提高的， γ_L（x）/γ_y（x） 隨生產任務 x 提高而提高，這便意味著在高強度任務中工人處于相對優勢地位。

假設工人供給 （L） 和機器人供給 （K） 均是固定的、非彈性的，勞動力需求的變化會影響勞動力在國民收入和工資收入中的份額，但不會影響就業。

此時，均衡工資 W 與勞動需求的關系可表示為：

式（3）表明工資 W （勞動力的邊際產品）等于勞動力的平均產品與總生產函數中勞動力指數的乘積。將式（3）倒置即得到工資函數向下傾斜的勞動力需求曲線。

根據工人工作內容，假設工人分為“非自動化型工作\"工人（ High） 和“自動化型工作”工人（Low）兩種。“非自動化型工作”工人供給為 H ，“自動化型工作”工人供給為 L ，“自動化型工作”可由機器人執行，兩種工人供給均具有彈性。“自動化型工作\"工人只能執行閾值 S∈[I，N] 內的工作任務，“非自動化型工作”工人可以執行所有工作任務。簡單地，還假設兩種類型工作工人所執行工作任務的生產率仍為 γ_L（x） ，所以“非自動化型工作”工人工資（ W_High ）大于“自動化型工作\"工人工資（ W_Low） 。

W_Highgt;W_Low 意味著“自動化型工作”工人將執行（I，S）內的工作任務，而“非自動化型工作”工人執行 （S，N） 內的工作任務。“非自動化型工作”和“自動化型工作”工人的均衡工資分別為：

機器人應用對不同類型工人工資差距的影響，即“非自動化型工作”與“自動化型工作”工人的工資溢價為：

式（5）意味著工業機器人應用擴大了不同工作類型工人間的工資差距。不難理解，機器人將替代或削減“自動化型工作”工人的工作任務，使得“自動化型工作”工人工資增長速度明顯低于“非自動化型工作”工人工資增長速度，從而擴大了兩種類型工人間的工資差距。

那么如何理解機器人應用背景下的“自動化型工作”與“非自動化型工作”？需要提到的是兩種技術變革假說，技能偏向性技術變革假說（SBTC）和任務偏向性技術變革假說（TBTC）。其中，SBTC假說用技能差異解釋“自動化型工作”與“非自動化型工作\"的差異，認為技術變革將提高高技能工人勞動需求和工資收人，擴大高技能與低技能工人工資差距。TBTC假說用任務差異解釋“自動化型工作”與“非自動化型工作”的差異，它將工作任務分為常規工作任務和非常規工作任務，認為常規工作任務受到機器人的威脅，而非常規工作任務則無法通過自動化實現，且與機器人形成良好的互補關系，所以機器人應用將提高非常規任務工人工資收入，并擴大其與常規任務工人工資差距。

SBTC假說誕生于20世紀80年代，解釋了西方發達國家出現的工資收入不平等和教育回報率上升現象。TBTC假說誕生于20世紀90年代，優于SBTC假說的是，它進一步解釋了工作極化的現象，即高技能和低技能勞動就業份額逐漸提高，中等技能勞動就業份額反而下降。雖然無法判斷技能差距和任務差距對“自動化型工作”與“非自動化型工作”差距的解釋力，但相對于技能偏向性，已有研究認為工業機器人技術更具任務偏向性。例如：一些研究強調了工業機器人對可編碼和重復性的常規任務存在替代性，對高級認知和社會互動的非常規任務具有互補性[3]。一些研究指出工業機器人的任務替代效應要大于技能替代效應，他們將任務和技能作為機器人替代效應的兩種角度，比較分析了兩種假說的適用性[8]

可以發現，雖然SBTC假說和TBTC假說理論基礎已較為成熟，解釋了西方發達國家的實際問題，但它們對技能和任務的定義較為模糊。例如：SBTC理論通常以教育程度衡量技能，工業機器人的替代效應可能更直接作用于具體任務，而非單純依賴教育水平。TBTC理論則重視工作任務的替代，認為常規工作任務更容易被機器人替代，但對常規任務與非常規任務的區分過于依賴主觀標準。技能和常規任務均未能準確和全面地表現出可被機器人替代工作的特征。所以，本文將基于兩種理論，從機器人應用場景和特征角度，以開放性思維討論了“自動化型工作”的特征。

四、實證設計

（一）實證策略

工業機器人應用將直接影響執行“自動化型工作\"工人的工資水平，從而影響企業內部工資差距，所以本文從如何定義“自動化型工作”工人的角度，探討了工業機器人如何影響企業內部工資差距。與已有研究以技能和任務差異定義“自動化型工作”工人不同，本文基于“自動化型工作”的特征更為精準和細致地采用了多角度定義的方法。工業機器人應用背景下的“自動化型工作”主要具有以下特征：第一，工業機器人更傾向替代生產部門工人，削減工人工作任務。第二，“自動化型工作”通常具有重復性和程序化的特征，而這些任務原來主要由低學歷工人執行。第三，機器人應用將增加技術部門投入，推動技術部門進步，以滿足機器人運行需求。第四，機器人應用提高了企業生產率，降低了企業管理成本，加速提升了管理層人員薪酬水平。所以，本文使用生產部門工人、低學歷工人、非技術部門工人和普通工人（相對于管理層）定義“自動化型工作”工人，即分別探討了工業機器人應用對生產任務工資差距、學歷工資差距、技術任務工資差距和管理層與員工工資差距的影響，以檢驗工業機器人應用如何影響企業內部工資差距。已有研究多通過學歷衡量工人技能、生產部門與否衡量工人工作任務，所以該研究也可作為工業機器人技能與任務偏向性的討論。

（二）數據

根據工業機器人應用特征，選取中國制造業上市公司作為研究樣本。其中，工業機器人使用數據來源于國際機器人聯合會（IFR），IFR提供了我國制造業細分行業工業機器人使用量，對其根據巴蒂克工具變量構造思想，分解得到企業工業機器人使用水平。企業特征和管理層特征數據來源于國泰安數據庫（CSMAR），員工特征數據來源于Wind數據庫。

為保證數據的客觀性和真實性，對樣本進行了清洗。第一，剔除股票處于ST、*ST狀態的企業。第二，剔除企業員工人數少于100人的企業。第三，剔除管理層人員薪酬水平小于普通員工薪酬水平的企業，以及薪酬水平為負的企業。第四，剔除國有企業，原因在于國有企業具有薪酬約束和薪酬黏性的問題。此外，剔除存在缺失值的企業，剔除了異常值數據，并對所有連續變量進行上下 0.1% 截尾處理。由此，共得到2012—2019年7016個有效樣本量。

（三）計量模型

為實證分析工業機器人應用如何影響企業內部工資差距，構建以下面板固定效應模型，該模型同時適用于對生產任務工資差距、學歷工資差距、技術任務工資差距和管理層與員工工資差距的分析：

GAP_it=α_o+α₁ROBOT_it+α₂X_it+α₃Z_it+μ_i+λ_t+ε_it

其中： GAP 為企業內部工資差距，分別可為生產任務工資差距（ P_-GAP） 、學歷工資差距（ E_-GAP） 、技術任務工資差距（ （T_-GAP） 和管理層與員工工資差距 （M_-GAP） ；ROBOT為企業機器人應用水平； X 為企業特征變量； Z 為管理層特征變量； μ 為企業固定效應； λ 為時間固定效應； i 為企業； Ξ_t^t 為年份。無論被解釋變量如何，系數 α₁ 是研究關注的重點，用于識別工業機器人對企業內部不同類型工人間工資差距的影響。

（四）變量

1.被解釋變量。被解釋變量為企業內部工資差距，包括生產任務工資差距（ （P_-GAP） 、學歷工資差距（ E_-GAP） 、技術任務工資差距（ T_-GAP^′ 和管理層與員工工資差距 （M_-GAP） 。其中，管理層與員工工資差距（ M_-GAP） 由管理層人員薪酬水平與普通員工薪酬水平比值表示，管理層人員薪酬水平由“董事、監事及高管年薪總額/（董事、監事及高管人數-未領取薪酬的董事、監事及高管人數）”計算而來，普通員工薪酬水平由“（支付給職工以及為職工支付的現金-董事、監事及高管年薪總額）/（員工人數-董事、監事及高管人數）\"計算而來。

常用的企業數據庫未提供不同部門工人或執行不同任務工人薪酬水平，本文借鑒已有文獻的做法[14]，計算了企業生產任務工資差距（ P_-GAP） 、學歷工資差距（ 和技術任務工資差距（ T_- GAP ）。具體地，以生產任務工資差距為例，考慮行業 i 企業 j 年份 Φ_t 非生產任務員工工資 w_ijt^h 由兩部分組成，分別為行業非生產任務員工平均薪酬水平 w_jt^h 和企業自身的誤差修正項 ε_ijt^h ，便有 w_ijt^h=w_jt^h+ε_ijt^h ，而生產任務員工薪酬水平則為 w_ijt^l=w_jt^l+ε_ijt^l ，所以生產任務工資差距可表示為：

其中， w_jt^h-w_jt^l 為行業生產任務工資差距， ε_ijt^h-ε_ijt^l 為生產任務與非生產任務薪酬的殘差項。由于工資殘差是企業盈利能力的函數，在其他條件不變時，企業盈利能力越強，“非自動化工作”工人薪酬水平越高。考慮到行業盈利能力存在較大差異，企業內部薪酬殘差可由 ε_ijt^h-ε_ijt^l=β_jtπ_ijt 估計，其中 π_ij 為企業盈利能力，由凈利潤與營業收入比值衡量。假設（20 w_jt^h-w_jt^l=α_jt ，企業技能工資差距可表示為：

GAP_ijt=α_jt+β_jtπ_ijt

為估計 ，通過定義和工資差距公式變換，得到以下估計模型：

根據企業員工平均工資、盈利能力和非生產部門員工占比，便可得到 α_jt 和 β_jt 的估計值，從而能夠估計出企業生產任務工資差距。類似地，可以計算出學歷工資差距和技術任務工資差距。由于用到行業數據，研究剔除了“稀缺”行業。

2.解釋變量。解釋變量為企業機器人使用水平（Robot），由我國制造業分行業機器人存量分解而來，計算方法借鑒于王永欽等研究。首先根據各年份各行業機器人存量和2010年（基期）行業就業人數，得到各年份行業機器人使用水平，后根據行業機器人使用水平和2011年（基期）企業所在行業的就業人數占比，得到各年份企業機器人使用水平。我國2010年開始大規模應用工業機器人，所以行業機器人使用水平計算中的行業就業人數選擇2010年為基期，2011年企業開始平衡勞動力與工業機器人數量，所以企業機器人使用水平計算中企業就業人數占比以2011年為基期。

3.控制變量。控制變量選取借鑒已有文獻的做法，包括企業特征和管理層特征等指標。具體地，企業規模（Size），由企業總資產衡量;企業資產負債率（LEV），由企業總負債與總資產比值衡量;企業經營性現金流（Cashflow），由現金流量凈額與總資產比值衡量；;企業總資產收益率（ROA），由企業總利潤與總資產比值衡量;企業凈資產收益率（ROE），由凈利潤與所有者權益比值衡量；企業固定資產比例（Fixed），由企業固定資產與總資產比值衡量；企業上市年齡（Age）；企業發展速度（Growth），由營業收入增長率衡量；第一大股東持股比例（TOP1），由第一股東持股數量占比衡量;董事人數（Board），包括獨立董事;獨立董事占比（In-dep），由獨立董事與董事比值衡量；管理層持股比例（Mshare），由董事、監事及高管持股數量與股本總數的比值衡量；兩職兼任情況（Dual），如果企業董事長與總經理為同一人，則取值為1，否則取值為0。表1提供了各變量的描述性統計結果，可以發現，企業內部不同類型員工間存在較大的工資差距，企業生產自動化已逐漸成為趨勢。

五、實證結果

（一）基準實證結果

表2提供了基準實證結果，模型 （ 1）～（ 4） 分別用作探討工業機器人應用對生產任務工資差距L （P_-GAP） 、學歷工資差距（ E_-GAP^′ 、技術任務工資差距 （S_-GAP） ）、管理層與員工工資差距 （M_-GAP） 的影響。模型（1）估計結果表明，在控制企業特征和管理層特征下，工業機器人使用水平對生產任務工資差距產生顯著的正向影響，即工業機器人應用擴大了生產部門與非生產部門員工間的工資差距。模型（2）估計結果表明，在控制企業特征和管理層特征下，工業機器人使用水平對學歷工資差距不存在顯著影響，即工業機器人應用未產生擴大低學歷與高學歷員工間工資差距的結果。模型（3）估計結果表明，在控制企業特征和管理層特征下，工業機器人使用水平對技術任務工資差距不存在顯著影響，即工業機器人應用未擴大技術部門與非技術部門員工工資差距。模型（4）估計結果表明，在控制企業特征和管理層特征下，工業機器人使用水平對管理層與員工工資差距產生顯著的正向影響，即工業機器人應用擴大了管理層與普通員工間的工資差距。可見：工業機器人技術更具任務偏向性，而不是技能偏向性，其對生產部門員工的沖擊更大，對低學歷員工的沖擊相對較小。換言之，工業機器人對工資差距的影響不具有學歷或技能特征（已有文獻通常用學歷衡量技能）。工業機器人應用未明顯拉開技術部門與非技術部門員工工資差距，說明工業機器人應用對技術部門的驅動力量相對較小，或當前相關配套技術需求不大。工業機器人應用產生的收益流向了資本，而不是勞動力，即工業機器人應用的生產效率提高效應未平均惠及到企業所有員工，而更多的是管理層。

（二）穩健性分析

為對基準實證結果提供更多支持證據，主要從遺漏變量和內生性問題角度檢驗了基準回歸結果的穩健性。

1.控制行業和城市經濟變量穩健性檢驗。除了企業特征和管理層特征外，企業所屬行業和地區經濟特征也對企業內部工資差距產生一定影響[15]，所以在基準實證模型的基礎上，增加對行業集中度（HHI）、行業外部融資依賴度（DEF）和地區經濟發展水平（ ）的控制，分別由企業總資產與行業總資產比值、行業固定資產平均值與長期負債平均比值、地區實際人均GDP（對數）衡量，數據來源于國泰安數據庫和各地區統計年鑒。表3提供了模型估計結果，模型（1）＼～（4）分別表明工業機器人應用顯著擴大了生產任務工資差距和管理層與員工工資差距，而未對學歷工資差距和技術任務工資差距產生顯著影響，該結論與基準實證結果一致。

2.解釋變量內生性問題穩健性檢驗。鑒于工業機器人應用與企業內部工資差距間存在互為因果關系的現象，采用工具變量法檢驗基準實證結果于內生性問題的穩健性。參考已有文獻的做法[]，利用美國行業層面的工業機器人數據構造中國企業工業機器人使用水平的工具變量。具體地，先根據美國各年份各行業機器人存量和1990年（基期）行業就業人數，得到美國各年份行業機器人使用水平，后根據美國行業機器人使用水平和中國2011年（基期）企業所在行業的就業人數占比，得到各年份企業機器人使用水平的工具變量。選擇美國作為構建工業機器人工具變量的對象，原因在于美國工業機器人應用對中國產生了一定的引領作用，且美國行業工業機器人的應用難以影響中國企業內部工資差距，符合工具變量假設。IFR數據顯示，美國1990年開始大規模應用工業機器人，所以選擇1990年作為美國各年份行業機器人使用水平計算基期。其中，美國制造業就業數據來源于NBER-CES數據庫。

工業機器人應用對學歷工資差距和技術任務工資差距影響不顯著，所以僅從生產任務工資差距、管理層與員工工資差距角度檢驗了基準實證結果于內生性問題的穩健性。表4提供了工具變量2SLS估計結果，工具變量檢驗結果表明其符合假設條件。第一階段估計結果表明工具變量對原變量具有較好的解釋力，第二階段估計結果表明工業機器人使用水平對生產任務工資差距和管理層與員工工資差距產生顯著的正向影響，該結論與基準實證結果一致。

3.樣本選擇偏差穩健性檢驗。為排除企業自身選擇偏好的干擾，選擇行業平均機器人使用水平作為企業工業機器人使用水平的工具變量，進一步檢驗了樣本選擇偏差穩健性。表5提供了工具變量回歸結果，工具變量選取符合假設條件。第一階段估計結果表明工具變量對原變量具有較好的解釋力，第二階段估計結果表明工業機器人使用水平對生產任務工資差距和管理層與員工工資差距產生顯著的正向影響，該結論與基準實證結果一致。

4.控制變量內生性問題穩健性檢驗。企業特征和管理層特征也影響企業對機器人的使用決策，所以在基準實證模型基礎上，對解釋變量和控制變量進行滯后一期處理，進一步檢驗了基準實證結果于控制變量與被解釋變量間內生性問題的穩健性。表6提供了模型估計結果，模型（1）＼～（4）分別表明工業機器人應用顯著擴大了生產任務工資差距和管理層與員工工資差距，未對學歷工資差距和技術任務工資差距產生顯著影響，該結論與基準實證結果一致。

（三）進一步分析

1.工業機器人應用對生產部門員工的影響。上文實證結果表明工業機器人應用顯著擴大了生產部門與非生產部門員工間的工資差距。生產部門是受工業機器人沖擊的首要部門，工業機器人應用必將削減生產部門員工的工作任務量，任務量的減少必將降低生產部門員工薪酬水平。由此引出了另一個讓人擔憂的問題是，除了對任務量的削減外，工業機器人應用是否取代了生產部門中“自動化工作”工人？為此，進一步分析了工業機器應用對企業員工人數（Employee）和生產部門員工人數占比（P_Employee）的影響，表7提供了模型估計結果。模型（1）被解釋變量為企業員工人數，其估計結果表明在企業特征和管理層特征控制下，工業機器人應用未對企業員工人數產生顯著影響。

模型（2）被解釋變量為生產部門員工占比，其估計結果表明在企業特征和管理層特征控制下，工業機器人應用也未對生產部門員工人數占比產生顯著影響。工業機器人應用并未取代生產部門員工，所以其對生產任務工資差距的擴大效應僅體現在工作任務的分擔上。

2.工業機器人應用對管理層與員工工資收入的影響。由上文實證結果可知，工業機器人應用顯著擴大了企業內部管理層人員與普通員工間的工資差距。其內在機制在于工業機器人提高了企業生產效率，減少了企業管理成本，并將更多的生產任務從勞動力轉向工業機器人[15]，所以存在兩種直接渠道。一是工業機器人通過提高企業生產效率提高了管理層人員薪酬水平，二是工業機器人對普通員工的替代效應降低了普通員工薪酬水平，這兩種渠道直接影響管理層人員與普通員工間的工資差距。那么這兩種渠道是否屬實？工業機器人到底如何影響管理層人員與普通員工間的工資差距？為此，進一步分析了工業機器人對管理層人員平均薪酬水平（ M_-WAGE ）和普通員工平均薪酬水平（ E_- WAGE）的影響，表8提供了模型估計結果。模型（1）被解釋變量為管理層人員平均薪酬水平，其估計結果表明在企業特征和管理層特征的控制下，工業機器人應用對管理層人員薪酬水平產生顯著的正向影響。模型（2）被解釋變量為普通員工平均薪酬水平，其估計結果表明在企業特征和管理層特征的控制下，工業機器人應用未對普通員工薪酬水平產生顯著影響。工業機器人應用對管理層與員工工資差距的擴大效應體現在提高了管理層人員薪酬水平，而未降低普通員工薪酬水平。

（四）員工議價能力異質性討論

工業機器人應用對企業內部工資差距的擴大效應主要體現在其對不同任務員工薪酬水平的影響上。以管理層與員工角度為例，管理層人員享受了工業機器人應用帶來的收益，而普通員工被迫承擔了工業機器人應用的“后果”，這將激發普通員工為維護自身利益與管理層人員進行工資談判。當普通員工議價能力較低時，談判的發生概率將變得較低，且主動權在管理層人員；當普通員工議價能力較高時，普通員工將從工業機器人應用所產生的租金中獲得更多，從而維持或提高自身工資收入。同理，當生產部門員工議價能力較高時也將從工業機器人應用所產生的租金中獲得更多。可見，普通員工議價能力是影響工業機器人應用與企業內部工資差距關系的重要因素。對此進行實證檢驗，以企業職工監事占比來衡量普通員工議價能力，根據不同年份不同行業員工議價能力中位數，將樣本分為低員工議價能力組和高員工議價能力組，在不同組別中分析了工業機器人應用對生產任務工資差距和管理層與員工工資差距的影響，表9提供了模型估計結果。模型（1）～（2）用于識別普通員工議價能力對工業機器人應用與生產任務工資差距關系的影響，其估計結果表明當普通員工議價能力較低時，工業機器人對生產任務工資差距的擴大效應更大，反之則相對較小。模型（3）＼～（4）用于識別普通員工議價能力對工業機器人應用與管理層與員工工資差距關系的影響，其估計結果表明當普通員工議價能力較低時，工業機器人對管理層與員工工資差距的擴大效應更大，也更顯著，反之則變得不顯著。可見，員工議價能力能夠削弱工業機器人對企業內部工資差距的擴大效應。

六、結論與政策啟示

工業機器人已經廣泛應用于制造業生產的各個環節，不可否認的是工業機器人應用降低了企業用工成本，提高了企業生產效率。但隨著工業機器人使用水平的不斷上升，勞動力市場需求結構和工資分配方式發生了巨大變化，對我國不同工作任務的勞動力工資收入產生巨大影響。由此，本文基于我國2012—2019年制造業上市公司數據，探討了工業機器人應用如何影響企業內部工資差距。

研究發現：（1）工業機器人應用顯著擴大了生產部門員工與非生產部門員工間的工資差距，以及管理層人員與普通員工間的工資差距，但未對低學歷與高學歷間工資差距、技術部門與非技術部門工資差距產生顯著影響。這意味著工業機器人技術更具任務偏向性，而不是技能偏向性，工業機器人對生產部門員工的沖擊更大，對低學歷員工的沖擊相對較小，對技術部門的驅動力量也相對較小。且工業機器人應用產生的收益是流向資本的，而不是勞動力。（2）工業機器人應用對生產任務工資差距的擴大效應僅體現在工作任務的分擔上，并未取代生產部門員工，也未減少企業員工總人數。工業機器人應用對管理層與員工工資差距的擴大效應體現在提高了管理層人員薪酬水平，而未降低普通員工薪酬水平。（3）當普通員工議價能力較低時，工業機器人對生產任務工資差距和管理層與員工工資差距的擴大效應更大，反之相對較小。在扎實推進共同富裕的背景下，該結論對政策當局完善收入分配相關政策措施具有重要現實意義，對從事不同工作任務的勞動力未來職業規劃具有重要的指導意義。

得到的政策啟示：工業機器人應用削減了普通員工工作量，尤其是生產部門員工，提高了管理層人員可分享的租金，而未造成大量失業現象。因此，對于政策當局而言，應進一步構建完善的技能培訓生態系統，以及勞動力法律保障體系。對于企業而言，應對工人進行技能培訓，提高工人與機器人在工作任務上的互補性。對于高校而言，應注重學生溝通交流、組織協調和決策判斷等能力的培養，并積極調整學科專業方向和培養方式，以適應機器人的工作特征。此外，對于生產部門員工自身而言，應積極自主參與技能培訓，提升自身綜合素養。對于普通員工（相對于管理層員工）而言，也應加強自身的技術適應能力，可通過一些機遇提高自身在工資談判中的相對地位，例如參與企業的員工持股計劃。以生產部門為例的普通員工無需過多擔憂就業問題，只應進一步提高與機器人的協作能力。

此外，勞動密集型企業依賴高勞動力的投入，這類企業雖然面臨著機器人的替代風險，但也可能通過人機協作模式優化實現轉型升級。技術密集型企業的競爭力來自技術和創新，這類企業的技能輔助崗位受到機器人替代的威脅，但機器人應用也擴大了高技能崗位需求。所以，勞動密集型企業應加強技能轉型與培訓計劃，可對“自動化型工作”工人進行轉崗培訓，例如機器維護等工作內容的培訓，也可設立“人機協作示范崗”，促進“自動化型工作”工人與機器的合作。技術密集型企業應注重高技能人才培養，例如大量培養機器人系統集成、算法優化等高技能崗位人才，可建立“技能-績效”雙軌晉升通道，允許高技能員工選擇技術路線或管理路線。

在探討工業機器人對企業內部收人差距影響的研究中，已有研究多從技能偏向性技術變革假說（SBTC）和任務偏向性技術變革假說（TBTC）的驗證或比較角度展開，認為工業機器人更具任務偏向性。但本文認為無論技能或任務差異都是對工作任務是否能被機器人替代的一種不甚準確的理解，而可被機器人替代的勞動力并不等于低技能或低學歷勞動力。所以，本文根據工業機器人技術具有的主要特征，定義了可被機器人替代的“自動化型工作”，討論了工業機器人應用對不同工作任務勞動力工資差距的調節作用，豐富了已有研究內容。但本文未回答何以緩解工業機器人應用對企業內部工資差距的擴大效應，這將作為未來研究重點，從而能夠提供緩解企業內部收入差距的具體方案，從收入分配格局的中心環節入手，助力推進我國共同富裕進程和高質量發展進程。

注釋：

① 該數據來源于國際機器人聯合會（IFR）。② 該數據來源于何小鋼和劉叩明（2023）使用2000—2015年人口普查數據的測算。③ 該數據為來源于國泰安數據庫的不完全統計。工資差距為管理層與普通員工平均工資差值。④ “自動化型工作”勞動力指的是執行那些可以被自動化所代替的工作的勞動力。

參考文獻：

[1]FREY CB，OSBORNE MA.The future of employment：howsusceptible are jobstocomputerisation？［J].Techno-logical forecastingand socialchange，2017，114（1）：254-280.

[2]KRUEGER A B. How computers have changed the wagestructure：evidence from microdata，1984-1989[J].Thequarterly journal of economics，1993，108（1）：33-60.

[3]余玲錚，魏下海，孫中偉，等.工業機器人、工作任務與非常規能力溢價——來自制造業“企業—工人”匹配調查的證據[J].管理世界，2021，37（1）：47-59.

[4]ACEMOGLUD，RESTREPOP. Modelingautomation[J].AEA papers and proceedings，2018a，108：48-53.

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

[6]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，2020，55（10）：159-175.

[7]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一 —模型推演與分類評估[J].中國工業經濟，2020（4）： 97-115.

[8]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，2023，43（9）： 99-112.

[9]HEMOUS D，OLSEN M. The rise of the machines：automa-tion，horizontal innovation and income inequality[J/OL].SSRN Electronic Journal，2013.

[10]AUTORD H，LEVYF，MURNANE RJ. The skill con-tentofrecent technological change：an empirical explora-tion[J].Thequarterly journal of economics，118（4）：.1279-1333.

[11]ACEMOGLU D，RESTREPOEP. Automation and newtasks：how technologydisplacesand reinstates labor[J].Journal of economicperspectives，2019，33（2）：3-30.

[12]何小鋼，劉叩明.機器人、工作任務與就業極化效應——來自中國工業企業的證據[J].數量經濟技術經濟研究，2023，40（4）：52-71.

[13]ACEMOGLU D，RESTREPOE P.Artificial intellgence，automation and work[J/OL].SSRN electronic journal，2018：24196.

[14]李磊，王小潔，蔣殿春.外資進入對中國服務業性別就業及工資差距的影響[J].世界經濟，2015，38（10）：169-192.

[15]王筱筱，盧國軍，崔小勇.自動化是否擴大了企業內部收入差距——來自制造業非國有上市公司的證據[J].經濟科學，2023（4）：85-103.

責任編輯：張然

The Application of Industrial Robots and the Wage Gap of Labor Force for Diferent Tasks

SHEN Chengfang

（SchoolofEconomics，LiaoningUniversity，Shenyang11o136，China）

Abstract：Theaplicationofindustrialrobotshaschangedthedemandstructureandwagedistributionofthelabormarketandhashad ahugeimpactonthewageincomeoflborindiferent worktasksinChina.BasedondatafromlistedmanufacturingcompaniesinChina，thisstudyexploreshowidustrialrobotaplicationscanadjust thewagegapbetweelaborfordiferentjobtasks.Researchhas foundthat，Fstlythapplicationofdusralobotssificantlywidensthegeapbetweemploesinteroductiodon productionsectors，aswellasetwee managementandordinaryemployes.However，ithasnothadasignificantimpactonthe wage gapbetwenhigh-andloweducatedemployeesorbetweentechnicalandon-tehnicalemploys.Industrialobottechnologismore task-orientedrathertanskillriented.Secodly，theideningefectofidustrialrobotapplicationsonthwagegpbetweenproduc tionandon-productionsectoremployesisonlyrefectedinthesharingofworktasksandhasnotcausednumerousunemploymnt. The widening efectonthewagegapbetwee managementandemploysisreflectedintheimprovementof managementpersoel's salarylevelswithouthavingasignificantimpactonordinaryemployes．Thirdly，theimprovementofbargainingpoweramongordinary employees can weaken the widening effect of industrial robots on the wage gap within enterprises.

Keywords：industrial robots；wagegap；production department;managementandemployees；education;technicaldepartment