人工智能創新發展具有穩就業效應嗎？

摘 要：人工智能技術革命正在重構經濟系統的要素配置與組織形態，科學評估其就業效應是平衡技術創新與社會治理的關鍵議題。本文以“新一代人工智能創新發展試驗區”政策為切入點，基于城市與企業的宏觀和微觀數據構建多時點雙重差分模型，系統考察人工智能試點政策對城市及企業就業的動態影響及作用機制。研究發現：試驗區政策顯著促進了城市與企業層面的就業。機制分析顯示，試驗區政策通過崗位創造、市場擴大以及產業集聚三種效應促進高質量充分就業。政策紅利呈現空間與結構異質性，高標準市場體系地區、數字基建領先區域、非農行業所屬企業、非國有企業及技術密集型行業就業彈性更為顯著，但同時也可能引發低技能勞動力結構性替代風險。本研究既為揭示人工智能的就業“創造-替代”二重性提供了微觀證據，也為人工智能時代就業優先政策體系優化提供了靶向依據。

關鍵詞：AI；高質量充分就業；崗位創造；人工智能創新發展試驗區

中圖分類號：F24921；F420 文獻標識碼：A 文章編號：1001-148X（2025）05-0086-12

收稿日期：2025-03-03

作者簡介：李媛（1985—），女，陜西武功人，教授，博士，研究方向：數字經濟、產業轉型；胡成林（2000—），男，陜西安康人，碩士研究生，研究方向：數字經濟與產業經濟。

基金項目：國家社會科學基金一般項目“數字技術賦能農業全產業鏈升級的機制與路徑研究”，項目編號：23BJY179。

一、引 言

就業是民生之本、安國之策。實施就業優先戰略是黨的二十大作出的重要部署。2025年的《政府工作報告》明確指出：“促進高質量充分就業，強化企業就業吸納支持，保障重點群體就業穩定，統籌新技術應用和崗位轉換，創造新的就業機會”。從長遠來看，供給面的政策尤其是產業政策可能是對就業影響最大的政策變量之一［1］。本質上，產業是勞動者就業的根基與載體，處于就業體系基礎地位。人工智能作為推動新一輪產業變革的核心技術，在產業競爭乃至大國博弈中占據制高點。黨中央高度關注與重視人工智能發展，積極倡導并大力推動實體經濟與互聯網、大數據、人工智能深度融合發展。當前，人工智能正以其典型的“技術-經濟范式”特征和高強度的“溢出效應”推動傳統產業升級，并通過產業關聯效應催生新產業和新業態，進而衍生出更高層次的就業形態。

技術進步對勞動力市場的影響，始終是經濟學界關注的核心議題。一方面，人工智能的飛速發展與滲透引發了人們對于“機器換人”還是“人機共生”的爭議；另一方面，相較于前幾次技術革命所誕生的“通用技術”，人工智能的獨特性在于其覆蓋學科之廣、滲透產業之深、對經濟社會的影響之大都是前所未有的。事實上，學術界較早關注到了人工智能對就業市場變化和勞動技能結構的影響，相關研究結論大致可歸納為兩種觀點。第一種觀點認為，人工智能對勞動就業的影響具有復雜性，新技術應用引致和創造的新任務及新崗位是歷次工業革命沒有導致大規模失業的重要原因，因此應更多地關注如何利用人工智能創造新的勞動機會以實現更好的經濟社會結果［2］。李磊等（2021）［3］和尹志鋒等（2023）［4］的研究進一步支持了這一判斷，即就業規模在機器人與人工智能的應用下不僅未收縮反而顯現增長態勢。第二種觀點則強調人工智能對就業的負面沖擊［5-6］，如王林輝等（2022）［7］基于中國勞動力動態調查數據發現中國1905%的勞動就業面臨高替代風險。綜合來看，學界對于人工智能的就業效應尚未形成定論，受限于目前人工智能應用廣度和深度的測度局限，現有研究多以工業機器人與文本詞典表征，而鮮有學者關注國家新一代人工智能創新發展試驗區政策是否具有以及如何賦能穩就業的作用機制，關于試驗區政策經濟效應的系統研究亟待補充。

基于上述分析，本文將新一代人工智能創新發展試驗區政策視為一項準自然實驗（以下簡稱試驗區政策），首先利用多時點雙重差分法檢驗其對城市總體就業的影響，繼而通過企業數據從更微觀的層面深入考察相關機制。本文的邊際貢獻主要體現在以下三個方面：（1）在理論層面，揭示了新一代人工智能創新發展試驗區影響就業的內在作用機制。現有關于人工智能產業政策的實證研究總體較為缺乏，本文以科技部推出的人工智能創新發展試驗區政策為切入點，在“穩就業”總體目標框架下，評估了其對就業吸納的潛在影響，補充和拓展了對試驗區政策經濟效應的相關研究。（2）在實證層面，為人工智能穩就業效應的研究提供了微觀證據支撐。本文基于多時點雙重差分法構建外生評估框架，較為嚴謹地檢驗人工智能試驗區政策能否賦能穩就業，并在微觀視角下對其影響機制和異質性表現進行了系統性考察，為技術進步對就業市場影響的相關研究提供了有益補充。（3）在實踐層面，為推動人工智能發展與新發展階段促進高質量充分就業提供了政策啟示。

二、理論分析與研究假設

人工智能與人力資本之間存在深度協同關系，這種協同效應不僅重構了生產函數，也為勞動力市場的結構性升級提供了新動能。新一代人工智能創新發展試驗區政策作為我國推動人工智能與實體經濟深度融合的戰略部署和制度載體，不僅促進了新興產業集群的形成，更重構了知識群、技術群和產業群的互動生態系統，成為驅動技術變革與就業結構轉型的重要力量。從技術創新維度來看，試驗區政策通過直接和間接雙重影響重塑就業市場（見圖1）。

就直接影響而言，一方面，人工智能的深度應用顯著提升了全要素生產率并優化了資源配置。在此過程中，依托不斷迭代的數字技術和算法，加速替代標準化任務，推動傳統低技能崗位的轉型。同時，通過賦能企業研發創新與流程再造，衍生出人機協作、算法優化等高附加值崗位。這一動態調整過程凸顯了人工智能技術對就業影響的非對稱性與互補性特征。另一方面，智能算法大幅降低了勞動力市場供需匹配成本，助力企業突破地理限制，拓展市場容量［8］，進而借助規模經濟效應提升就業吸納能力。在間接影響層面，基于人機協同的理論框架，Brynjolfsson等（2019）［9］指出，人工智能通過替代標準化任務和增強復雜性認知任務，重塑了勞動力市場的技能需求結構。試驗區通過構建人工智能開放平臺和算力基礎設施，加速了智能駕駛、智慧醫療等新興產業集群的形成，創造出算法工程師、數據標注師等新興職業的崗位需求，尤其提升了對非重復性、高技能復合型勞動力的需求，此類崗位的人力資本專用性特征有利于形成就業市場的“鎖定效應”，增強雇傭關系的穩定性。此外，試驗區借助智能政務系統和產業協作平臺，有利于推動技術要素跨域流動，激發區域性創新創業活力，進而通過企業數量增長帶動就業規模擴張。基于上述分析，本文提出如下假設：

H1：人工智能創新發展試驗區的設立能夠賦能穩就業，且該效應存在動態性特征。

（一）崗位創造效應

人工智能既通過替代效應消解部分程序化崗位，更依托互補效應催生新型職業形態，這一動態平衡機制是數字經濟時代就業增長的核心動力。Aghion和Howitt（2023）［10］指出，當技術創新速度超過崗位替代速度時，將產生顯著的就業凈增長效應。以人工智能創新發展試驗區為載體的技術革新和其產生的溢出效應，通過多層次崗位創造機制推動就業增長。首先，試驗區通過技術集聚直接創造專業化技術崗位。人工智能產業鏈的延伸發展推動了技術研發、數據治理和系統集成等環節的專業化分工，催生機器學習專家、AI產品經理等新興職業的需求。Acemoglu和Restrepo（2020）［11］的研究發現，每增加1個工業機器人應用崗位，可聯動創造27個互補性技術服務崗位。其次，人工智能通過降低技能門檻催生普惠型就業。利用智能化技術平臺，將復雜算法及軟件封裝為標準化工具模塊，使普通勞動者能夠借助AI輔助系統執行專業化任務。再次，人機協同深化催生認知增強型崗位。試驗區建設推動了人工智能與垂直應用領域的深度融合，在醫療診斷、金融風控、智能制造等場景中，既需要AI處理海量數據，也依賴人類專家進行價值判斷與策略優化。最后，技術外溢效應拓展衍生型就業空間。試驗區構建的智能基礎設施降低了企業轉型成本，孕育出智慧物流、數字內容生產等新業態，如上海市智能網聯汽車產業化發展帶動車路協同運維、高精地圖標注等衍生崗位增長超過76萬個數據來源：上海市智能網聯汽車發展報告（2023年度），https：//jtwshgovcn/zxzfxx/20240205/7aa0c16cc00e42 cb9b3311b564dc8ffehtml。。基于此，本文提出如下假設：

H2a：人工智能創新發展試驗區的設立通過崗位創造效應賦能穩就業。

（二）市場擴大效應

創新經濟學先驅熊彼特指出，技術創新在不斷摧毀舊的產業和技術的同時，也會孕育新產業，推動經濟動態演進。試驗區的設立促進了人工智能核心技術、基礎軟硬件、相關產品和行業應用的耦合與協同，構建了有利于人工智能發展和應用的良好生態，并在技術擴散中觸發創造性破壞，進而引致就業增長的規模經濟效應，其本質是技術革新與制度創新聯動的過程。一方面，人工智能具有顯著的溢出效應，其技術滲透會促進不同部門間生產要素的流動、調整和優化，推動全要素生產率躍遷，通過優化要素配置效率和重塑生產可能性邊界，引致不同產業的關聯效應與倍增效應的同頻共振［12］，激發企業規模經濟的非線性增長。試驗區通過構建創新生態和數據算力共享平臺，極大地降低了企業智能轉型的邊際成本，而人工智能的邊際產出顯著高于傳統要素的邊際產出，因此生產要素會不斷向技術密集領域流動，不僅有利于激發企業在現有市場的競爭優勢，也助力其通過技術擴散的乘數效應開辟新市場空間［13］，并形成就業吸納的“蓄水池”。另一方面，智能基礎設施的公共品屬性催生了市場網絡效應。試驗區搭建的開放合作平臺與跨域數據流通機制，加速了數據要素的流動與利用效率，降低了技術應用的制度性交易成本，企業得以突破傳統市場的信息不對稱壁壘，精準識別長尾需求分布，顯著降低市場試錯成本。憑借要素配置的優化，企業在生產、設計、組織及運營等各環節開展創新活動，孕育出新產品和新服務，進而創造出更多新的就業崗位。總體來看，人工智能技術重塑了市場擴張的彈性機制，這種技術驅動的規模報酬遞增特性，突破了傳統生產要素的邊際收益遞減規律，形成了市場擴張與就業增長的加速器效應。基于此，本文提出如下假設：

H2b：人工智能創新發展試驗區的設立通過市場擴大效應賦能穩就業。

（三）產業集聚效應

人工智能在推動傳統產業轉型的過程中，通過實體經濟與智能經濟融合帶動智能產業化與產業智能化的協同發展，在引致新產業、新經濟、新業態產生與集聚的同時為勞動者提供更多就業選擇［14］。試驗區的空間集聚特征使其能夠深度重構產業鏈上下游的要素配置關系，在優化區域經濟地理格局的過程中，形成穩就業的持續動力。一方面，人工智能廣泛滲透至各行各業，成為跨行業交叉融合的紐帶，推動形成產業集聚，激發了新行業和新業態的涌現，通過與人工智能的融合及互動發展，孕育出一大批新的創業和就業機會。另一方面，人工智能在催生新業態的過程中，為要素自由流動與信息自由交換開辟了高效的數字化通道，由此引致的流通成本削減、交易成本壓縮以及融合成本降低的三重效應疊加，更是為制造業與生產性服務業的集聚提供了有利條件，從而不斷引發應用鏈、人才鏈、資本鏈、創新鏈及產業鏈之間的多維互動，形成以龍頭企業為核心、中小企業協同創新的產業集群生態，并在縱向產業鏈延伸和橫向產業生態拓展中創造更多的就業機會［15］。例如，上海馬橋試驗區通過吸引非夕科技、節卡機器人等200余家人工智能企業集聚，形成了從核心零部件到系統集成的完整產業鏈資料來源：https：//financesinacomcn/roll/2024-08-21/doc-inckmfqa7643537shtml。，顯著拉動了大量就業增長。綜上所述，本文提出如下假設：

H2c：人工智能創新發展試驗區的設立通過產業集聚效應賦能穩就業。

三、研究設計

（一）模型設定

科技部于2019年牽頭發布《國家新一代人工智能創新發展試驗區建設工作指引》，著力推進人工智能領域的相關制度創新與實踐探索。同年2月，北京市獲批成為全國首個試驗區，明確以構建產學研用一體化創新體系為核心任務。此后，該模式在上海、天津等市相繼落地，截至2024年10月，全國已設立18個特色鮮明的試點區域，旨在通過差異化的政策設計與獨特的資源稟賦，著力破除制約產業轉型的體制機制障礙，為培育具有國際競爭力的人工智能產業集群提供制度保障。若試驗區政策實現了預期的主要目標，則有望對試點城市的技術創新應用、產業數智化轉型產生積極影響，并進一步重塑就業格局。基于此，本文從穩就業視角考察人工智能試驗區設立對就業的影響，首先檢驗試驗區設立是否在城市總體層面沖擊了就業，然后進一步從企業微觀層面驗證試驗區設立能否賦能穩就業。

為了科學評估人工智能創新發展試驗區的政策效應，本文采用多時點雙重差分模型從時間和截面兩個維度分別對試驗區城市在政策干預前后的就業市場差異，以及試驗區與非試驗區城市間的就業市場差異進行控制。通過設立處理組與對照組進行反事實分析，可同步控制時間趨勢項的區域異質性與潛在其他政策的干擾效應，緩解試驗區選擇偏誤帶來的內生性問題，精準識別該政策對就業影響的凈效應。

1為了獲得試驗區政策的城市總體就業效應，首先檢驗該政策對城市總體就業的影響。基準回歸模型設定為：

Citylaborct=α1+θ1CityAIpostct+λ1Xct+φc+μt+εct（1）

式（1）中，被解釋變量Citylaborct為t年城市c的總體就業水平，以城市在崗職工平均人數的對數表示。核心解釋變量CityAIpostct為虛擬變量，衡量城市c在t年是否建立了試驗區，若沒有建立，則取值為0，反之為1；φc和μt代表城市固定效應與年份固定效應，εct代表影響城市就業的隨機擾動項；θ1為雙重差分估計量，衡量試驗區政策對城市總體就業的相關效果；Xct代表影響城市c在t年總體就業的控制變量，參考尹志鋒等（2023）［4］、孫偉增和郭冬梅（2021）［16］的研究，選取：經濟發展水平（lggdp），以人均地區生產總值的對數衡量；城市人力資本水平（human），以普通本專科在校學生數與年末總人口的比值衡量；城市交通便捷度（tpc），以境內公路總里程的對數衡量；地區平均工資（wage），以城市在崗職工平均工資表示；消費水平（rsc），以社會消費品零售總額的對數表示。

2如前文所述，如果試驗區政策總體上促進了城市層面的就業增長，那么該政策在企業層面的就業效應如何？在得出試驗區政策在城市層面的總體就業效應基礎上，進一步檢驗試驗區政策對企業層面就業的影響，模型設定為：

Laborit=α2+θ2AIpostit+λ2Xit+Φi+φi+μt+εit（2）

式（2）中，被解釋變量Laborit表征企業i第t期的就業規模，采用員工總數的對數衡量。核心解釋變量AIpostit為構建的政策虛擬變量，當企業i所在城市于t年獲批試驗區時取值為1，否則為0；固定效應（Φi、φi和μt）分別控制行業特征、企業特征與年份特征；εit是用于捕捉影響就業的隨機擾動項；雙重差分估計量θ2精準捕獲政策凈效應，是重點關注的估計量；控制變量集Xit代表影響企業i在t年員工就業的系列變量。借鑒王鋒和葛星（2022）［17］的研究選取企業層面控制變量包括：總資產周轉率（ato），以營業收入與平均資產總額的比值衡量；資產負債率（lev），以企業負債總計與資產總計的比值表示；成立年限（listage），以企業當前年份與企業成立年份差額的對數衡量；總資產凈利潤率（roa），以企業凈利潤與資產平均總額之比表示；營業收入增長率（growth），以本期營業收入與上期營業收入之比表示。此外，參考沈坤榮等（2024）［18］選取地區層面控制變量包括：地級市經濟發展水平（gdp），以地級市地區生產總值的對數衡量；人力資本水平（human），以普通本專科在校學生數與年末總人口的比值表征；城鎮化水平（urban），以城市人口密度的對數值表示。

（二）樣本選取與數據來源

基于以上研究設計，本文涉及城市和企業兩個數據集。

1城市數據。以2014—2022年為研究區間，選取我國286個地級市為研究樣本，對于部分缺失數據采用線性插值補齊，剔除數據缺失嚴重的城市，最終獲得2574個觀測值的平衡面板數據，數據來源于《中國城市統計年鑒》。

2企業數據。以2015—2023年間滬深兩市的A股上市公司為樣本對象。作如下處理：其一，將股票簡稱中帶有“ST”以及“*ST”標識的樣本予以剔除；其二，把上市狀態處于“ST”“*ST”“暫停上市”以及“終止上市”的樣本剔除；其三，篩除數據存在嚴重缺失情況的企業，并針對個別企業存在的部分缺失數據進行線性插補。最終獲得涵蓋4378家上市企業、總計29287個觀測值的非平衡面板數據，數據來源為國泰安數據庫。

四、實證結果分析

（一）基準回歸

1表1展示了新一代人工智能創新發展試驗區設立對城市就業影響的檢驗結果。在基準模型中本文采用了逐步回歸方法，表1回歸結果顯示，試驗區的設立顯著提振了城市總體就業水平。在模型中加入了控制變量以及城市固定效應與年份固定效應后，CityAIpost的估計系數為0053，且在1%的水平上通過了顯著性檢驗。表明在充分考慮其他條件的干擾下，該政策使試點城市的總體就業相比非試點城市平均提高了約53%，試驗區政策的總體就業效應為正。這為下文進一步檢驗試驗區設立對企業層面就業的影響奠定了基礎。

2在前文得出試驗區設立提振城市總體就業水平有效性的基礎上，評估其對企業穩就業的影響，結果如表2所示。其中，所有回歸均控制了年份固定效應，但在個體固定效應上，前兩列僅按照是否為實驗組（Treated是否=1）進行了粗略控制，且表2列（2）相比于列（1）進一步控制了行業固定效應。列（3）和列（4）則加入了企業固定效應以更精準地控制個體固定效應。列（4）在模型設定上充分考慮了行業固定效應、企業固定效應以及年份固定效應，并納入了控制變量，AIpost的系數為0027，并在1%的水平上通過了顯著性檢驗。回歸結果表明，與處于非試驗區城市的企業相比，位于試驗區城市的企業在就業方面平均實現了約27%的增幅，研究假設H1得到初步驗證。

（二）平行趨勢檢驗

利用雙重差分法進行因果推斷的關鍵前提是滿足“平行趨勢”假設，否則會導致處理效應估計偏誤。就本文而言，在試驗區政策正式實施以前，設立試驗區的城市與未設立試驗區的城市相比，各自企業的就業變化走向應當呈現平行態勢。為此，設定如下計量模型檢驗：

Laborit=α3+∑4t=-4，t≠-1δtDit+λ3Xit+Φi+φi+μt+εit（3）

式（3）中，Dit是一組虛擬變量，若企業i所在的城市在第t年實施了試驗區政策，則取值為1，反之為0。其余變量設定與式（2）一致，以政策實施前一期為基期，采用完全動態設定形式。系數δt反映了試驗區政策實施的第t年，試點城市和非試點城市企業的就業差異。

首先，當tlt;0時，圖2顯示，各期的δt單一系數檢驗及系數聯合檢驗在統計意義上均不顯著，表明在干預發生前，處理組與對照組企業在結果變量上的變動趨勢是平行的。其次，當tgt;0時，隨著時間推移，δt由統計上不顯著變得顯著并逐漸增大，且在政策實施前兩期不顯著。導致此現象可能存在兩方面原因：一是試驗區政策對企業就業的促進作用可能存在時滯，因此在政策實施兩期后變為顯著。二是政策實施前兩期對應2020年和2021年，在2020年初爆發了新冠疫情并不斷蔓延，新冠疫情防控可能對企業就業產生了負面影響，導致不顯著。上述分析表明，試驗區設立在初期沒能起到提振企業就業的作用，且恰好又受到新冠疫情沖擊，但隨著時間推移，其對企業就業的提振作用日漸增強，假設H1得到驗證。

（三）安慰劑檢驗

本文在基準回歸部分控制了政策變量以外的多項企業特征差異對處理組和對照組的影響，但企業-年份層面不可觀測因素仍可能對估計結果產生影響。為此，本文進行混合虛構安慰劑檢驗，即通過隨機抽取和分配與先前相同數量的受試驗區政策沖擊的企業和沖擊的年份進行安慰劑檢驗，最終以偽核心解釋變量DID替代式（2）中的AIpost進行回歸。圖3繪制了2000次隨機抽樣過程估計結果的虛假回歸系數與虛假回歸P值的分布情況。由圖3可知，回歸系數落在0附近且服從正態分布，而真實估計系數0027位于虛假估計系數分布之外。另外，絕大多數的P值在01右側，即絕大多數結果不顯著，表明隨機選取的試驗區對就業的影響不再存在，進一步證實先前研究結果是穩健的。

（四）內生性處理

1排除其他政策干擾

在本文考察期內，可能存在其他相關共時性政策對回歸結果造成潛在干擾導致估計偏誤，梳理相關政策文件，發現樣本期內存在國家級大數據綜合試驗區政策可能影響本文結果。因此，構造其虛擬變量BD，將其加入基準回歸中。回歸結果顯示：AIpost的系數相較于原結果有所上升，但仍在1%的水平上顯著，而BD的回歸系數不顯著，故原結果依舊穩健。

2工具變量法

為進一步解決內生性問題，借鑒田鴿和張勛（2022）［19］的做法，將企業注冊地市與“八縱八橫”光纜骨干網節點城市的球面距離和試驗區設立時間虛擬變量的交互項（Distance×postyear）作為工具變量。光纜骨干網節點城市的數字基礎設施建設與應用水平高，離其越近，越易成為人工智能創新發展試驗區政策試點城市，滿足工具變量相關性假設。此外，由于“八縱八橫”網絡布局在20世紀已完成，其地理距離屬于外生于當前就業市場狀態的先決變量。表3第一階段回歸顯示，交互項的系數顯著為負，符合先前推測，即離節點城市越近，設立試驗區的可能性就越大。同時，一階段F統計量顯著大于Stock-Yogo在10%顯著性水平上的臨界值1638，說明本文工具變量非弱工具變量。在第二階段結果中，Alpost的系數在1%的顯著性水平上為正，與基準結果一致，進一步驗證了試驗區設立對企業就業的正向促進作用。

（五）其他穩健性檢驗

1PSM-DID

理論上，試驗區的設立會受地區經濟社會發展水平等因素的影響，如城市工業現代化水平越高，其成為試驗區的可能性就越大，這易產生樣本選擇性偏誤問題。為此，利用傾向得分匹配雙重差分法（PSM-DID），基于式（2）中的所有控制變量作為匹配變量，按照一比一最近鄰匹配法，為試驗區內的企業匹配特征最為相近的非試驗區內企業。匹配后，得到23770個企業-年度觀測值，利用式（2）進行回歸，結果如表5列（1）所示，證實本文先前結果是穩健的。

2Bacon分解

由于政策在不同地區實施的時點存在差異，而Goodman-Bacon（2021）［20］提出，雙向固定效應估計量等于數據中所有可能的兩組或兩期DID估計量的加權平均值，本文采用雙向固定效應為基礎進行多期DID估計得到的平均處理效應有可能會因為“壞對照組”而產生異質性偏誤。為此，本文進行了Bacon分解得出了正式的診斷，實現了對每一組權重與系數的精準識別，如表4所示，“壞對照組”的權重與對回歸系數的貢獻占比均較低，僅為44%和3%，這表明本文異質性處理效應的偏誤問題較小，故本文回歸結果仍然穩健。

3剔除省會城市企業樣本

由于省會城市在一省內的特殊地位，其經濟社會發展程度通常高于省內其他城市，加之諸如產業與人才集聚等因素也存在致使回歸結果產生偏誤的可能，故剔除省會城市企業樣本，重新進行回歸，結果如表5列（2）所示，基準結果依然穩健。

4調整樣本期

2019年底爆發的新冠疫情作為小概率重大事件，對全國經濟社會發展乃至就業產生了巨大的負面沖擊，這在前文平行趨勢假設評估中也有體現。因此，將2020年的樣本剔除后再進行回歸。結果如表5列（3）所示，有效排除了新冠疫情對企業就業干擾后，試驗區政策對就業的促進效應依然顯著，表明結果具有穩健性。根據Fang 等 （2020）［21］的研究，疫情與防疫政策極有可能致使企業對勞動力的需求及結構發生改變， 這在一定程度上支持了本文的結論。

5使用省域層面的聚類穩健標準誤

理論上，設立試驗區的城市極有可能會同時受到來自同省域內其他城市的影響，進而引發樣本自相關問題。為此，采用省域聚類穩健標準誤進行穩健性檢驗，表5列（4）的結果與基準回歸結果保持一致，再次驗證了前文結論。

五、進一步分析

（一）機制分析

1崗位創造效應

人工智能的發展并非僅對勞動力產生替代效應，作為與高技能勞動力深度互補的生產要素，人工智能通過改善勞動生產率來提升勞動者的邊際生產力，試驗區的設立有效推動了相關技術的場景化落地與產業的深度融合，提升了勞動專業化分工效率與細化程度，其技術擴散效應通過優化要素配置效率與重構生產組織模式，催生了新的職業形態與崗位需求。借鑒沈坤榮等（2024）［18］的研究，本文擬從新注冊企業視角探析試驗區設立的崗位創造效應。內在的邏輯是：試驗區通過推動構建區域性的人工智能開放平臺與算力基礎設施，打破技術創新與應用壁壘，極大地降低了企業智能化轉型的試錯成本，一方面吸引現有的上下游企業集聚并形成創新生態；另一方面，也推動相關新創企業成立，從而創造更多的就業崗位。

為檢驗上述機制，本文從企查查數據庫獲取了工商注冊企業信息，整理出地級市層面年度新注冊企業數量，并取對數來表征創業水平。表6列（1）結果顯示，試驗區的設立顯著地提高了地區創業活躍度，進而促進企業就業增長。列（2）為以中國區域創新創業指數數據來源：北京大學企業大數據研究中心—中國區域創新創業指數（IRIEC）。中新注冊企業得分作為城市創業水平的代理變量進行回歸，結果依然表明試驗區設立能夠激發城市創業活力，促進就業。此外，試驗區設立可能會直接影響人工智能相關行業的新創企業及其就業。目前，由于國內外尚未形成人工智能產業統計分類標準，而人工智能的底層支撐為大數據，本文選取了信息傳輸、計算機服務和軟件業、科學研究與技術服務業等大數據相關行業的新創企業數量和就業人數作為人工智能行業的代理變量，并取對數處理。列（3）和列（4）結果顯示，試驗區的設立顯著地增加了人工智能相關行業的新創企業數量，進而通過崗位創造效應，促進就業人數增長，假設H2a得到驗證。

2市場擴大效應

規模經濟是經濟學中的重要現象，表現為生產規模的增加帶來單位成本下降與效率提升。在新古典經濟增長理論的框架下，技術革新被廣泛認為是推動全要素生產率（TFP）增長的關鍵動力。試驗區的設立，一方面使得企業對人工智能的應用與開發工作更具便利性。借助智能機器人、機器學習和大模型等人工智能相關技術，企業能夠極大地提升生產流程的自動化與智能化水平，從而提高資源整合與利用效率，進而促進企業全要素生產率躍升。另一方面，試驗區促進了技術與產業的深度融合，推動了區域性的基礎設施建設與數據及技術的共享，有利于突破數據孤島與數據應用的困境，大大降低企業人工智能應用與創新的相關成本，從而吸引產業鏈與供應鏈相關的上下游企業形成集聚并產生規模經濟效益，提升企業競爭能力，擴大企業產出和市場份額，并與就業增長和人力資源再配置形成良性互動，進而提振企業就業。

為驗證上述機制，本文采用當前主流方法中的半參法（LP法）測算TFP衡量企業效率、應用與企業產出直接相關的營業收入代表企業產出、并以企業營業收入占行業營業收入的比重衡量企業市場份額來檢驗市場擴大效應。表7報告了試驗區設立對企業全要素生產率、產出和市場份額的回歸結果，AIpost的系數均至少在5%的水平上顯著為正，表明試驗區政策顯著促進了企業全要素生產率提升，推動了企業產出和競爭能力提高并擴大了市場份額，進而推動就業增長，假設H2b得到驗證，這也與陳琳等（2024）［22］的研究相一致。

3產業集聚效應

前文理論分析表明，人工智能創新發展試驗區的設立會引發產業集聚效應，進而促進就業增長。考慮到現階段我國人工智能與第一產業的融合應用尚處于起步階段根據《中國新一代人工智能科技產業發展2023》報告，我國人工智能與第一產業、第二產業、第三產業融合分布密度的占比分別是069%、2382%和7549%。，因此，借鑒閆中意等（2024）的研究［23］采用生產性服務業集聚、制造業集聚和二者的協同集聚三項指標來刻畫各地區的產業集聚水平。

表8報告了試驗區設立對生產性服務業集聚、制造業集聚以及二者的協同集聚的檢驗結果。結果顯示，AIpost系數估計值均在1%的水平上通過了顯著性檢驗。這表明人工智能創新發展試驗區的設立顯著地促進了生產性服務業集聚、制造業集聚以及二者的協同集聚，進而通過產業集聚效應促進就業增長，假設H2c得到驗證。田政杰等（2019）［24］的研究指出，集聚經濟對于地區產業結構、技術變遷和資源優化配置具有重要作用，進而對地區就業增長具有積極影響，產業集聚程度越高的地區，就業增長幅度往往越大，這在一定程度上支持了本文結論。

（二）異質性分析

1外部環境層面的異質性

高標準市場體系意味著更高水平的制度公平、要素自由流動以及開放治理，是一種“有效市場”與“有為政府”相結合的良好狀態。依據市場化指數衡量企業所在地區的市場化程度，若企業所在地市場化指數高于當年所有地區的均值劃分為高標準市場體系地區，反之則為低標準市場體系地區。表9列（1）結果顯示，AIpost的估計系數只在高標準市場體系地區顯著為正。可能原因是：在高標準市場體系的有力支撐下，數據要素市場化配置，公平競爭、鼓勵創新的市場環境等相關優勢更便于推動人工智能相關技術取得突破，促進創新資源高效流動，從而發揮試驗區政策的就業促進效應。例如杭州近年來憑借“政策引導、人才集聚、生態賦能及資本助力”的組合拳誕生了“宇樹科技”（智能機器人）、“深度求索”（DeeepSeek）及“強腦科技”（腦科學）等“杭州六小龍”資料來源：“杭州六小龍”半數崛起大走廊：打造創新沃土 孕育未來巨擘！——https：//cxkchangzhougovcn/art/2025/1/14/art_1228965235_58898164html。高科技企業。

數字基礎設施是與人工智能深度耦合的底層支撐，其完善程度直接影響技術擴散的廣度與要素協同效率，進而對企業就業產生異質性影響。根據企業所在地人均互聯網寬帶接入端口的中位數閾值，將樣本分為高、低兩類數字基礎設施水平組別。表9列（2）結果顯示，試驗區政策的就業促進效應對數字化條件具有一定程度依賴。在數字基建領先區域，AIpost的估計系數在1%的水平上顯著為正，而低水平區域不顯著。這表明，數字基礎設施通過創新要素的滲透效應和技術擴散的協同作用，顯著增強了試驗區企業的就業吸納能力。數字基建領先區域依托其數據要素流動效率優勢與智能技術應用場景儲備，更有利于企業創新業務流程，從而更好地釋放試驗區政策對企業的穩就業效應。

2產業層面的異質性

為進一步考察試驗區政策對企業就業的影響是否存在產業層面上的異質性。首先，根據《國民經濟行業分類》（GB/T4754—2017）對企業所屬產業類別進行分類，表10列（1）結果顯示，AIpost的估計系數對第二產業和第三產業所屬企業均至少在5%的水平上顯著為正，而對第一產業所屬企業不顯著。可能原因是：試驗區政策側重于推動技術創新和智能化轉型，與第二、三產業的適配性更高，而第一產業領域內人工智能的發展應用尚處于起步階段。上述現象也反映出，需要進一步借助大數據、物聯網和機器學習等新興技術加快彌合地區之間的數字鴻溝，提升要素配置效率，加速發展農業新質生產力［25］。

其次，人工智能作為前沿科技，具備高技術性特征。參考石琦等（2020）［26］的研究，將企業樣本劃分為高科技行業和非高科技行業。表10列（2）結果顯示，高科技行業AIpost的系數在1%的水平上顯著為正，而非高科技行業未通過10%水平上的顯著性檢驗。可能原因在于，高科技行業的企業本身具有較強的技術吸納能力，更易于將人工智能融入其業務流程，從而創造出更多直接崗位和相關配套服務崗位；而非高科技行業企業面臨著技術門檻高、缺乏技術人才和資金支持不足等制約，在技術應用和轉型方面存在一定滯后性，難以將人工智能快速有效地應用到企業的實際運營中，因此試驗區政策對其就業促進效應尚不顯著。

3企業層面的異質性

在對外部環境與產業異質性分析的基礎上，進一步從微觀企業特征出發，考察試驗區政策效應的異質性。首先根據企業性質按照國有企業和非國有企業進行回歸。表11列（1）結果顯示，相較國有企業樣本，在非國有企業中，試驗區設立的就業提升作用更強。這可能是由于非國有企業機制靈活，更易快速響應政策，從而積極探索人工智能應用，創造出新崗位帶動就業增長。同時，基于費舍爾組合檢驗重復抽樣500次得到的組間系數差異檢驗表明，兩組的系數大小并不存在顯著差異。

其次，不同要素密集度企業的商業結構和技術效率不同，其就業水平可能也存在較大差異，將所有樣本按照生產要素的密集程度分為技術密集型、資產密集型和勞動密集型三種類型。表11列（2）結果顯示，試驗區政策對技術密集型企業的就業影響顯著而對資產和勞動密集型企業的影響不顯著。技術密集型企業通常具有較強的技術基礎和創新能力，更易吸收和利用人工智能相關技術，政策實施為其提供了更為有利的創新環境，推動其開拓新的業務領域，進而促進就業增長。

（三）對企業人力資本結構影響的進一步分析

前文探究了新一代人工智能創新發展試驗區政策對企業就業的賦能效應及其異質性。與此相關的另一個重要問題是，試驗區政策是否會給企業的人力資本結構帶來影響？對此問題的研究有助于更全面地評估試驗區政策的經濟效應。基于員工學歷信息劃分的回歸結果如表12所示，試驗區政策對企業專科及以上學歷的員工就業具有顯著地提升作用，對高中及以下學歷員工就業則產生了負向沖擊。這表明學歷在人工智能產業的就業機會分配中扮演著關鍵角色，高學歷群體優勢顯著，低學歷群體亟待提升技能以應對產業變革帶來的結構性挑戰。

Acemoglu和Restrepo（2023）［13］提出的任務模型指出，人工智能相關技術更傾向于替代標準化程序性任務，同時強化對抽象推理、跨域協調等高階能力的需求。為進一步檢驗試驗區政策是否會對勞動力市場的崗位結構產生非對稱影響，基于任務屬性，將就業崗位劃分為生產、銷售、技術及管理四類進行檢驗。表13結果顯示，試驗區設立對企業所帶來的穩就業效應，主要體現在銷售、技術及管理的人員方面。這種分化可能源于人工智能技術對任務價值的重塑機制，人工智能市場擁有廣闊的需求和增長前景，因此更需要配備專業的銷售及管理人員負責客戶服務與市場開拓，同時也要技術和管理人員監督具體業務流程。而在生產崗位的質檢、分揀等標準化操作的崗位，則面臨更高地被自動化替代的風險。上述結果表明，人工智能創新發展進程中，就業增長呈現明顯的技能偏向性，對非常規類型的崗位就業更為有利。

六、結論與政策建議

本文將新一代人工智能創新發展試驗區政策視作一項“準自然實驗”，首先從理論上探析了其對就業的影響機制，然后在檢驗該政策提升城市總體就業顯著有效的基礎上，基于企業微觀數據，評估了其對企業穩就業的影響。主要研究結論如下：（1）試驗區的設立顯著促進了城市及企業層面就業，該結論在經過內生性處理和一系列穩健性檢驗后依然成立；（2）機制分析表明，試驗區政策通過崗位創造、市場擴大及產業集聚三種效應賦能穩就業；（3）政策效果呈現空間與結構異質性，在高標準市場體系地區、數字基建領先區域、非農行業所屬企業、非國有企業及技術密集型行業中，就業促進效應更為顯著，但同時也可能引發低技能勞動力的結構性替代風險。

基于本文結論，提出以下政策建議：

第一，持續推進試驗區建設，強化政策正向引導。盡管當下人工智能引領未來發展的戰略意義不斷顯現，但其產業潛力還遠沒有發揮出來，諸多應用場景、模式還亟待開發。試驗區設立的核心目標在于借助地方資源與優勢，積極開展技術示范應用和政策實踐等，充分發揮出其作為樣板的引領帶動作用。因此，各級政府應進一步推進試驗區建設，一方面，繼續優化政策體系，依據當地產業和企業發展實際，精準施策，確保政策落地應用的精準性與有效性，進一步鞏固政策對智能轉型和穩就業的正向推動效應。另一方面，各級政府要緊密合作，以人工智能與經濟社會發展深度融合為抓手，創新體制機制，深化產學研用結合。

第二，聚焦崗位創造、市場擴大與產業集聚效應，助力企業深度創新應用人工智能，推動形成要素融合-技術融合-產業融合-生態融合系統。首先，政府應著重搭建產學研用合作平臺，鼓勵高校、科研機構與企業在人工智能領域深度合作，加速科研成果向實際生產力落地轉化，助力企業突破技術瓶頸。其次，政府應積極出臺針對性激勵措施，如設立專項研發補貼、人工智能相關企業稅收優惠等，引導企業加大對人工智能的研發投入，提高全要素生產率，擴大市場份額，進而創造更多就業崗位。最后，企業也應積極構建自身內部創新生態，進行互補技術開發和相關匹配性人才的引育，提升員工數字化素養，實現企業發展與就業增長的良性互動。

第三，兼顧外部環境與產業差異，實施差異化政策扶持。考慮到試驗區政策紅利呈現空間與結構異質性，因此政策設計需體現差異化扶持的策略。一方面，對于高標準市場體系和數字基建領先地區，可進一步強化資源傾斜，利用其良好的基礎條件與科技人才集聚優勢，打造我國人工智能產業高地，催生更多應用場景與模式落地，輻射帶動周邊地區發展。針對高科技行業和技術密集型企業，提供客制化政策進行多維度扶持，加速產業智能化轉型步伐，持續放大就業促進效應。另一方面，針對低標準市場體系地區與數字基建落后地區，要持續加強基礎設施建設，夯實制度基礎，構建公平開放的市場環境，開展人工智能普及和培訓，逐步縮小其與發達地區、先進產業的差距，實現全國范圍內人工智能應用與就業增長的均衡推進。

第四，關注人力資本結構調整，防范就業風險。試驗區政策在推動企業人力資本結構優化的同時，對低學歷與低技能員工就業產生替代風險，這要求政府與企業協同應對。在政府層面，應加快完善職業教育與培訓體系，針對人工智能產業需求，開發新興職業技能培訓課程，為低學歷勞動者提供再就業培訓機會，提升其在數字化時代的就業競爭力。同時，建立健全就業保障網絡，加強失業監測與預警，對受人工智能影響較大的群體提供精準就業幫扶，如就業補貼、創業扶持等。在企業層面，則需在推進人工智能應用過程中，合理規劃人力資源布局，探索“人機協同”與“人機共生”的發展模式，通過崗位再設計、內部轉崗等方式，最大限度地降低人員流失風險，確保人工智能發展與社會發展穩定的有機統一。

參考文獻：

［1］ 劉志彪.構建就業友好型產業政策：理論邏輯與改革取向［J］．江海學刊，2024（5）：5-11.

［2］ Acemoglu， D.， and P. Restrepo. The Wrong Kind of AI？： Artificial Intelligence and the Future of Labor Demand［J］． Cam-bridge Journal of Regions，Economy and Society，2020，13（1）：25-35.

［3］ 李磊，王小霞，包群.機器人的就業效應：機制與中國經驗［J］．管理世界，2021，37（9）：104-119.

［4］ 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.

［5］ 閆雪凌，朱博楷，馬超.工業機器人使用與制造業就業：來自中國的證據［J］．統計研究，2020，37（1）：74-87.

［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、任務屬性與職業可替代風險：來自微觀層面的經驗證據［J］．管理世界，2022，38（7）：60-79.

［8］ Goldfarb， A.， Tucker， C. Digital Economics［J］． Journal of Economic Literature，2019，57（1）：3-43.

［9］ Brynjolfsson E，et al. Artificial intelligence and the modern productivity paradox： A clash of expectations and statistics［M］．Chicago： University of Chicago Press，2019.

［10］Aghion，P.，Howitt，P. The Creative Destruction Approach to Growth Economics［J］． European Review，2023，31（4）.312-325.

［11］Acemoglu，D.，and P. Restrepo. Robots and Jobs： Evidence from US Labor Markets［J］． Journal of Political Economy，2020，128（6）：2188-2244.

［12］師博，阮連杰.人工智能時代下產業鏈供應鏈的重構、風險及應對［J］．改革，2024（11）：17-27.

［13］Acemoglu，D.，and P. Restrepo. Artificial Intelligence and Labor Market Polarization［J］． Journal of Economic Perspectives，2023，37（2）：3-30.

［14］譚玉松，孫歡.人工智能技術賦能共同富裕：理論邏輯與經驗證據［J］．經濟問題，2024（10）：59-67.

［15］雷尚君，賀俊，張彬斌.數字經濟穩就業：凈貢獻及動能樞紐［J］．財經問題研究，2024（8）：34-50.

［16］孫偉增，郭冬梅.信息基礎設施建設對企業勞動力需求的影響：需求規模、結構變化及影響路徑［J］．中國工業經濟，2021（11）：78-96.

［17］王鋒，葛星.低碳轉型沖擊就業嗎——來自低碳城市試點的經驗證據［J］．中國工業經濟，2022（5）：81-99.

［18］沈坤榮，喬剛，譚睿鵬.國家級大數據綜合試驗區設立與就業增長［J］．中國工業經濟，2024（12）：5-23.

［19］田鴿，張勛.數字經濟、非農就業與社會分工［J］．管理世界，2022，38（5）：72-84.

［20］Goodman-Bacon. Difference-in-differences with variation intreatment timing［J］． Journal of econometrics，2021，225（2）：254-277.

［21］Fang，H.，Ge，C.，Huang，H. and Li，H. Pandemics，Global Supply Chains，and Local Labor Demand：Evidence from 100 Million Posted Jobs in China［R］．NBER Working Paper，2020，No.28072.

［22］陳琳，高悅蓬，余林徽.人工智能如何改變企業對勞動力的需求？——來自招聘平臺大數據的分析［J］．管理世界，2024，40（6）：74-93.

［23］閆中意，卜偉，王雅婧.國家級新區與城市綠色技術創新——基于產業集聚的中介效應研究［J］．科學學與科學技術管理，2024，45（7）：49-67.

［24］田政杰，段志民，董麓.集聚經濟的就業效應：理論機制與經驗證據［J］．商業研究，2019（11）：32-43.

［25］李媛，熊婉辰，任保平.中國農業數字化水平的區域差異、動態演進與形成機理［J］．經濟與管理評論，2025，41（1）：148-160.

［26］石琦，肖淑芳，吳佳穎.股票期權及其要素設計與企業創新產出——基于風險承擔與業績激勵效應的研究［J］．南開管理評論，2020，23（2）：27-38.

Does the Innovation and Development of Artificial Intelligence Have the Effect of

Stabilizing Employment？ ——Empirical Evidence from the National New Generation

Artificial Intelligence Innovation and Development Pilot Zone

LI Yuan， HU Chenglin

（School of Public Administration，Xi’an University of Finance and Economics，Xi’an 710100，China）

Abstract：The artificial intelligence technology revolution is reconstructing the factor allocation and organizational form of the economic system， and scientific evaluation of its employment effect is a key issue in balancing technological innovation and social governance. This paper takes the “New Generation Artificial Intelligence Innovation and Development Pilot Zone” policy as the starting point and constructs a multi-time double difference model based on the macro and micro data of cities and enterprises， and systematically investigates the dynamic impact and mechanism of artificial intelligence pilot policies on the employment of cities and enterprises. The results show that the pilot zone policy significantly promotes employment at the city and enterprise levels. The mechanism analysis shows that the pilot zone policy promotes high-quality and full employment through three effects： job creation， market expansion and industrial agglomeration. The policy dividends show spatial and structural heterogeneity， and the employment elasticity of high-standard market system regions， leading digital infrastructure regions， non-agricultural enterprises， non-state-owned enterprises and technology-intensive industries is more significant， but it may also lead to the risk of structural substitution of low-skilled labor. This study provides microscopic evidence for revealing the duality of employment “creation-substitution” in artificial intelligence， and also provides a targeted basis for the optimization of the employment priority policy system in the era of artificial intelligence.

Key words：AI; high-quality full employment; job creation; artificial intelligence innovation and development pilot zone

（責任編輯：趙春江）