人工智能對產業結構升級的影響機制研究
——基于資本-技能互補的理論分析

張萬里, 劉 婕

(西北工業大學 公共政策與管理學院,陜西 西安 710072)

引言

2017年國務院發布的《新一代人工智能發展規劃》指出,人工智能作為新一輪產業變革的核心驅動力,將重構生產、分配、交換、消費等經濟活動各環節,催生新技術、新產品、新產業、新業態、新模式,引發經濟結構重大變革。中國經濟發展進入新常態,深化供給側結構性改革任務非常艱巨,必須加快人工智能深度應用,培育壯大人工智能產業。2015年由李克強總理簽批的《中國制造2025》指出,要以加快新一代信息技術與制造業深度融合為主線,以推進智能制造為主攻方向,強化工業基礎能力,提高綜合集成水平,完善多層次多類型人才培養體系,促進產業轉型升級。因此,人工智能作為全球工業4.0的重要產物,影響著居民、企業、社會等多層次的發展和需求,而如何將人工智能技術運用到各個產業中,提升整個國家產業生產效率和資源配置是未來中國乃至全球產業變革的首要問題。

中國作為全球第二大經濟體,人工智能、5G、物聯網等為代表的新科技迅猛發展。據《中國新一代人工智能發展報告2020》統計,2013—2018年全球人工智能領域的論文文獻產出共30.5萬篇,其中中國發表7.4萬篇,美國發表5.2萬篇。中國人工智能技術廣泛分布在18個應用領域,企業技術集成與方案提供、智能機器人兩個應用領域的企業數占比最高,分別為15.43%和9.66%。而2013年中國第三產業增加值為26萬億元,首次超過第二產業,中國產業結構正在經歷重要變革。人工智能的發展在一定程度上解釋了中國產業結構由第一產業向第二產業,再向第三產業轉型的過程,自主決策、深度學習等技術替代勞動力和資本進行自動化、數字化和智能化生產,提升企業生產率。因此,人工智能能否促進產業結構升級?其作用機理如何?這些問題都值得研究。人工智能在提高生產率的同時,對勞動力的替代作用不容小覷,“機器替人”現象越發頻繁(張萬里 等,2020)。美國勞工部數據顯示,2017年美國制造業崗位比2007年少140萬,制造業生產率的改善提高工人工資福利,高技能勞動力匯集在人工智能產業,而被替代的低技能勞動力則流向非人工智能產業,造成收入差距的擴大。人工智能帶來的非熟練勞動力流動和收入分配不平等是否會加劇產業間的不均衡發展和生產要素錯配,阻礙產業優化升級?在不同就業結構和工資收入結構的地區或產業,人工智能能否獲得提高生產率的最優生產要素組合,通過先發產業的示范效應和知識溢出效應促進產業升級?這些問題都值得探討。

本文基于資本-技能互補理論建立人工智能和產業結構升級的理論分析框架,使用2015—2019年27個國家的跨國面板數據,采用中介效應模型分析人工智能對產業結構升級的直接影響,以及勞動力結構和收入分配不平等的中介作用。本文的邊際貢獻如下:(1)使用資本-技能互補理論,將生產要素分為人工智能資本、生產性物質資本、高技能勞動力和低技能勞動力,把人工智能、勞動力結構、資本結構、收入分配和產業結構升級納入統一的分析框架中;(2)采用跨國面板數據,分析人工智能指數、與人工智能相關指標對產業結構高級化和合理化的直接影響;(3)通過中介效應模型驗證勞動力結構和收入分配不平等如何作用于人工智能和產業結構升級之間的關系。

一、文獻綜述與假設提出

人工智能主要指通過類人的思維能力做出反應的智能機器,主要包括機器人、語言識別、圖像識別等?；ヂ摼W、大數據、云計算和物聯網等技術的興起,推動著人工智能運用到各個領域中(徐鵬 等,2020)。人工智能通過替代低技能勞動力和補充高端人才,改變產業間的生產要素配置,影響產業結構升級。而產業結構升級是產業整體生產率的提升和生產要素的合理配置,現有學者將產業結構升級分為產業結構高級化和合理化(李洪亞,2016)。本文的產業結構高級化主要是產業整體生產率的提升,產業結構合理化則是生產要素在產業間的合理配置。

人工智能主要通過以下三個途徑影響產業結構高級化:首先,要素轉移效應。人工智能企業釋放低技能勞動力和補充高技能勞動力,降低勞動力生產時間,提高生產效率。人工智能還能加速企業創新效率,通過生產率和技術創新的提高帶動產業升級。非人工智能企業吸收大量低技能勞動力,規模經濟效應帶來生產率的提高。并且,人工智能企業帶來知識溢出效應,整個地區產業的生產率不斷增加(杜傳忠 等,2017)。其次,產業關聯效應。上游企業人工智能的應用,提高下游企業對原材料和中間產品的供給量和產品質量,而下游企業實施人工智能,通過生產率的提升而增加對上游企業產品的需求,上游企業被迫提高技術創新和規模經濟。下游企業對上游企業進行監督和技術合作,帶動整個地區產業生產率的提升(陳永偉,2018)。最后,價值鏈效應。人工智能技術與傳統非生產增值活動融合,結合大數據、云計算等技術,實現精準營銷,減少成本。人工智能與相關生產要素的投入,替代傳統流水作業,轉向價值鏈高端層面,實現全方位、多角度、全鏈條改造。因此,本文提出如下假設。

假設1:人工智能促進產業結構高級化。

人工智能釋放的低技能勞動力增加其他低技術、勞動密集型企業的就業壓力,而人工智能企業市場競爭力的提升擴大生產規模,高端人才和資本不斷流向該企業,導致勞動和資本在企業間的極化現象(Berg et al,2016)。政府盲目吸引高技能人才和高技術企業,重點發展部分國有高技術企業,對民營私有企業的重視不足,形成生產要素錯配,不同行業間的差距越來越大。

首先,人工智能產生的勞動力替代和互補效應,導致低技能勞動力大量向非人工智能企業集聚,而高端人才和管理人才向生產率更高的人工智能企業過度匯集。深度學習和自主決策等提升勞動和資本生產率,人工智能企業盈利能力提升,為了擴大生產規模而購買更多的智能設備和器械,提高研發支出,導致企業間的勞動、資本和技術等生產要素極化現象加劇(Acemoglu et al,2018)。隨著人工智能融入產業內部并造成知識和技術積累后,配合互聯網等技術,逐漸形成信息網絡,加速生產要素的流動效率,資源配置方式由要素驅動向科技創新型轉變。其次,政府官員為了能繼續連任,盲目地增加當地生產績效,通過提高補貼、降低關稅、人才引進等政策吸引高新技術產業,但不成熟的金融機構、基礎設施和市場需求不能帶動人工智能企業的生產和技術創新(徐偉呈 等,2018)。政府鼓勵發展地方政府持股和控制的企業,其他民營私有企業得不到政府的資金和人員支持,造成生產要素錯配,形成勞動和資本的浪費(朱希偉 等,2017)。最后,需求導向效應。人工智能也讓傳統的消費模式發生變化,通過智能化平臺實現消費者與生產者對接,滿足個性化生產與服務。企業通過數字經濟平臺及時搜集市場信息,及時改變經營活動計劃,更高效、精準地滿足消費者需求,引導更多社會資源向人工智能企業流動,也容易造成資源的過度流動。因此,本文提出如下假設。

假設2:人工智能對產業結構合理化不存在促進作用。

人工智能通過自動化生產和智能化水平,解放勞動力,對認知、創造性思維能力的特殊人才需求增加,企業有時間和資本進行技術創新,提升創新型、高知識的技術型人才需求。從任務的復雜度來看,人工智能對常規和非常規任務表現出不同的替代彈性,分析管理和決策、情景適應、人際溝通等非常規任務員工需求更高。人工智能通過生產率效應創造規模經濟,但也通過創造效應引致新的工作崗位,譬如與編程、設計、維護等專業技術相關的任務。因此,人工智能提高勞動力結構,增加人力資本。

李愛等(2019)指出,高技能勞動力就業的增加提高勞動和資本生產率,帶來產品和技術創新,提升產品質量,使產業從“微笑曲線”中低端走向高端。高技能人才的增加加強員工之間的技術合作和經驗交流,促進知識溢出效應。管理層知識和素質的提升提供了員工的技術培訓和出國交流機會,提高企業勞動生產率(李磊 等,2019)。而人力資本的提升改變了勞動者就業觀念,偏好工作條件好、發展潛力大且薪酬更高的產業部門,引發人力資本不斷從低端產業向高端產業流動,并驅動制造業由低端向高端轉型升級。而且,人力資本的提升增加勞動者收入和消費,根據需求層次理論與需求相似理論,消費者收入的提升帶來更高層次的需求和價值體現,偏好個性化和多樣化,驅動產業結構升級。

地區高技能人才數量和質量的提升對非人工智能企業造成影響。首先,勞動密集型和低技術企業模仿高技術和人工智能企業的技術,提高勞動生產率,而地區高端人才數量的增加,提高這部分企業對高端人才的雇傭,向資本密集型和技術密集型轉型,提升行業整體生產率(江鵑 等,2018)。其次,高技能人才的增加通過知識溢出效應,提高低技術企業的技術創新、員工素質和知識,人工智能企業生產率的提升增加上下游企業產品的產量和質量需求,這部分企業被迫進行轉型和產業結構調整(唐代盛 等,2019)。由于技術的外溢性,企業與個人更愿意加大人力資本投入,通過教育、培訓、學習等方式,掌握新技術、新工藝和新產品研制方法,而人工智能與其他數字化技術的結合,將個人和企業構成為一個網絡,通過大數據等技術進行精準匹配,而先進的物流和運輸行業也降低了勞動者、生產資料等流動的成本,通過配置效應提高要素的流動效率。因此,本文提出假設3。

假設3:人工智能通過提升勞動力結構,帶動產業結構高級化和合理化。

人工智能主要通過兩個渠道影響收入分配:(1)人工智能對不同勞動群體、生產要素邊際產出的影響不同。企業更偏好使用人工智能相關技術和設備實現自動化、數字化、信息化和智能化生產,提高生產效率,擴大收益,勞動的作用下降,資本的作用提升。因此,人工智能相關的資本回報率相比勞動回報率更高,未來可能完全替代勞動力,即國家的發展主要集中在擁有人工智能機械設備的少數資本家手里,產業發展創造的收入幾乎由資本獲得,即資本和勞動的收入報酬差距不斷擴大。(2)人工智能對不同技能勞動力的替代不同,從事簡單勞動的中低技能勞動者被迫失業,或向低端服務業或其他產業分流,除非提升自身技能適應人工智能技術。因此,對高技能勞動力需求的增加帶來高低技能勞動力收入差異。而且,人工智能對不同技術部門的生產率產生差異化作用,也會擴大高、低技能部門之間的收入差距。

王娟等(2018)指出,工資價格機制是影響人力資本積累和勞動力結構的重要因素,較高的收入分配差距使高技能優秀人才在高收入崗位進行積極主動的生產和創新,提高低技能勞動力學習新技能和知識的積極性,帶動地區整個產業生產率的提升,提高產業結構高級化。而企業間技術、設備和工資的差異,使被人工智能替代的低技能勞動力向低技術、勞動密集型和非人工智能產業集聚,而高端人才和資本轉移到收入、生產率更高的高新技術產業,不同技能勞動收入差距越來越大,生產率也存在較大差異。高新技術產業生產率更高意味著有充足的市場份額和利潤,充沛的高技能人才優勢能帶動企業技術創新,拉開人工智能與非人工智能企業、高低技能勞動力之間的技術差異,造成資本、勞動力和技術等生產要素的錯配(Cantore et al,2014)。并且,收入差距的擴大造成我國高低收入人群消費出現結構斷層現象,高收入人員對高品質產品和服務需求高,但低收入人群卻停留在中低端,讓高端產品與服務市場難以形成規模,。因此,本文提出如下假說。

假設4:人工智能通過惡化收入分配不平等,促進產業結構高級化,對產業結構合理化的促進作用不明顯。

二、理論分析

資本-技能互補模型指高技能勞動和機器的組合對非技能勞動力的替代性更強,兩者是完全互補的。該模型是基于有偏型技術進步建立的,隨著體力勞動者被人工智能替代,技術對不同類型勞動力需求呈現差異化特征(郭凱明,2019)。

(一)基本假定

假設國家為政府、企業和居民三部門經濟體,政府收取稅收用于人工智能技術。社會存在一個最終產品部門,由兩個中間品生產部門組成,每個中間品生產部門使用人工智能資本Mjt、生產性物質資本Kjt、高技能勞動力Hjt和低技能勞動力Ljt。本文使用CES生產函數來表示最終產品生產部門的生產函數:

(1)

其中,Qjt為中間品生產部門生產的中間品數量。

將勞動力分為高技能勞動力和低技能勞動力。假設人工智能資本對高技能勞動力的替代小于生產性物質資本對低技能勞動力的替代,采用多嵌套CES生產函數,得到如下:

(2)

(3)

(4)

最終產品生產部門滿足如下目標函數:

MaxPtQt-P1tQ1t-P2tQ2t

(5)

兩個中間品生產部門也滿足目標函數:

(6)

假定消費者是風險厭惡的,則得出:

(7)

政府、企業和消費三部門都和人工智能的投入和技術水平息息相關,即人工智能資本對整個產業的發展產生直接影響。

(二)比較靜態分析

使用生產性物質資本和低技能勞動力的比值來衡量產業結構,假設K1/L1>K2/L2,且中間品的替代彈性小于增加值投入的彈性,即ε≤σ1,σ2。本文討論以下兩種特殊情況。

情形1:σ1=σ2=1。由假定可知τj=λj,則有:

(8)

(9)

情形2:σ1=ε=1。根據假定可知:

(10)

(11)

當人工智能資本提升,低技能勞動力和生產性物質資本流向τ值更大的中間品生產部門。

以上結論可知,人工智能資本對地區產業結構升級產生直接影響,也通過改變地區勞動力結構、收入分配等因素間接影響產業結構升級,需要通過使用中介效應模型來驗證這兩個機制的存在。

三、模型構建與數據說明

(一)模型構建

構建如下考慮面板的中介效應模型:

(12)

(13)

(14)

β1為人工智能對產業結構升級的總效應,γ2為直接效應,中介效應或間接效應為γ1、α1(溫忠麟 等,2014)。當系數γ1和α1最多有一個不顯著時,需要通過Sobel檢驗來驗證中介效應是否顯著。

(二)變量選取

1.被解釋變量

Hoffmann(1958)指出產業結構升級是資本積累的過程,人均資本越高,生產率越高,而當今大量學者則從產業結構高級化和合理化兩個角度研究產業結構升級。

(1)產業結構高級化。劉偉等(2008)指出產業結構不僅包括產業間生產要素的靜態變化和份額改變,還應涵蓋勞動生產率的提高。本文將產業結構高級化指數(ISU)定義為如下:

(15)

其中,Yijt為j產業的總產值,Fijkt是k生產要素的數量。為了克服量綱帶來的問題,將要素生產率進行修改。

(2)產業結構合理化。產業結構合理化是生產要素在地區內產業間的優化配置、轉移和流動,實現產業內和產業間的協調和關聯,這里主要采用基于勞動與資本多要素條件下的產業偏離度水平,計算方法如下:

(16)

2.解釋變量

參考斯坦福大學2019年發布的“2019年人工智能指數報告”,該報告含有27個國家2015—2019年的相關數據,并將人工智能分為三個方面:(1)科學研究(ARD),包括人工智能相關的文章(發表數、引用率)、專利、會議、教育和技術性能等;(2)經濟變量(AEC),包括人工智能相關的創業投資、公司活動、公共投資、工作和勞動力、機器人銷售和貿易、技能水平和國家戰略等;(3)其他方面(AIN),包括人工智能相關的性別多樣性、公眾認可度和造成的威脅等。首先使用主成分分析計算三個子指標,即ARD、AEC和AIN,然后通過主成分分析將三個子指標合成為人工智能指數(AIT)。

3.中介變量

由于高低技能勞動力比值的相關數據不可獲得,本文使用聯合國開發計劃署(UNDP)發布的《2019人類發展報告》中的人力資本(所有就業人口的平均受教育年限)作為勞動力結構的替代,而將基尼系數作為收入分配不平等指標。

(1)勞動力結構(HED):采用就業人口的平均受教育年限作為高低技能勞動力結構的替代變量,當平均受教育年限越高,地區高技能勞動力占比就越大。

(2)收入分配不平等(IIE):使用國際上通用的基尼系數來衡量國家或地區的收入分配不平等。

4.控制變量

選取如下控制變量:(1)外商直接投資(FDI),采用各國外商直接投資凈流入占生產總值的比例;(2)技術創新(PAT),使用各國專利申請量的對數來衡量;(3)消費水平(CON),即各國居民最終消費水平;(4)貿易程度(TRD),使用各國貿易總額占生產總值的比例。以上的指標均通過2015—2019年世界銀行統計數據庫獲得。

四、實證結果分析

(一)基準回歸結果分析

表1為人工智能指數對產業結構升級的基準回歸結果,均采用靜態面板模型。首先,分析人工智能對產業結構高級化的影響,列(1)人工智能AIT的系數為正,且為0.649,在1%的水平上顯著。列(3)在考慮個體和時間固定效應的情況下,人工智能對產業結構高級化的系數也顯著為正,即0.705,且在1%的顯著性水平上顯著,說明人工智能促進國家的產業結構高級化。其次,分析人工智能對產業結構合理化的影響,列(2)人工智能對產業結構合理化的作用在10%的顯著性為負,即-0.001,而列(4)人工智能AIT的系數也為負,且在5%的水平上顯著。

表1 基準回歸結果

(二)人工智能異質性檢驗

表2為人工智能子指標對產業結構升級影響的實證結果。首先,以產業結構高級化為例,列(1)ARD的系數為0.023,在1%的水平上顯著,國家發表和舉辦的人工智能相關文章、專利、會議和教育等越多,越有利于產業結構高級化。列(2)經濟變量AEC對產業結構高級化的作用為0.005,且在1%的水平上顯著,人工智能創業投資、公司活動、投資、機器人貿易和銷售、勞動力技能水平都加速人工智能的應用,提高企業生產率。列(3)AIN的系數在1%的水平上顯著為正,即0.008,同樣提升產業結構高級化,而與人工智能相關的經濟變量和其他方面對產業結構高級化的正向作用小于科學研究。其次,分析產業結構合理化的實證結果,列(4)科學研究對產業結構合理化的作用為-0.002,在5%的水平上顯著,列(6)與人工智能相關的其他方面對產業結構合理化產生負向作用,在1%的水平上顯著為-0.001,而列(5)經濟變量AEC的系數不顯著。

表2 不同人工智能對產業結構升級的基準回歸結果

表3 中介效應模型分析

(三)機制檢驗

1.勞動力結構

首先,列(1)人工智能對人力資本的作用為0.298,在1%的水平上顯著。其次,列(2)人工智能AIT的系數在1%的水平上顯著為正,即0.324,而人力資本對產業結構高級化的作用在10%的水平上為0.183,因此,中介效應為0.055,Sobel檢驗為1.647,直接效應為0.324,即人工智能通過提升人力資本,帶動產業結構高級化。最后,列(3)人工智能對合理化的作用為-0.011,在1%的水平上顯著,這與表1的結論相同,而人力資本的系數在5%的水平上顯著為0.030,間接效應為0.009,Sobel檢驗在10%的水平上顯著為1.747,雖然人工智能降低合理化,但通過人力資本改善生產要素的合理配置。

絕大多數崗位都會被自動化、智能化和數字化替代,人工智能提高國家的高技能勞動力占比,提升人力資本水平。以產業結構高級化為例,高端人才和管理人員的增加,一方面提高企業內部的管理效率和技術創新,另一方面,人工智能加速產品質量和數量的需求,對上下游關聯企業的產品要求更高,加速企業間監督管理,促進知識溢出效應。以產業結構合理化為例,地區人力資本的整體提升,不僅促進人工智能企業的發展,也為其他非人工智能行業補充高端人才,避免高技術人才和低技能勞動力分別向高生產率和低生產率產業的過度集聚,有利于高端人才在不同產業間的合理分配,促進產業結構合理化。其他行業通過與人工智能企業交流和學習,模仿先進技術,降低企業間的技術差距,吸引高技能人才、資本和技術,提高生產效率和市場份額,避免生產要素的極化現象。

2.收入分配不平等

首先,列(4)可知,人工智能的系數在1%的水平上顯著為正,即5.237。其次,列(5)人工智能和收入分配不平等對產業結構合理化的作用分別為0.421和0.008,均在1%的水平上顯著,因此,間接效應為0.042,Sobel檢驗在5%的水平上顯著為2.177。最后,列(6)人工智能和收入分配不平等的系數分別在5%的水平上顯著為-0.002和-0.008,間接效應為-0.010,Sobel檢驗在10%的水平上顯著。因此,人工智能通過加深收入分配不平等,提高產業結構高級化,但不利于改善生產要素在地區內的合理配置。

Berg等(2016)指出,人工智能變得更加便宜,人均人工智能資本增加,導致總產出的提高,資本占總收入的比重將會增加,勞動者的收入會更低。以產業結構高級化為例,收入分配差距的擴大促使低技能勞動力通過學習新技術來提高技能水平,努力使自己變成高端人才,獲得高收入。收入差距的擴大促使低技能勞動力集聚在勞動密集型企業,提高規模經濟,而高端人才和資本集中在資本密集型和技術密集型企業,提高技術創新,帶動產業結構的高級化。以產業結構合理化為例,人工智能和非人工智能企業工資和技術的差異,迫使低技能勞動力不斷向非人工智能企業和勞動密集型企業過度匯集,產生低技能勞動力的極化現象,而高端人才、管理人員和資本更愿意流向人均產出和收入更高的人工智能企業和高技術企業,過度吸引非人工智能企業的高端人才等生產要素,造成資本、技術和高技能人才的錯配現象。

(四)異質性分析

1.要素密集度的異質性分析

將制造業行業按要素密集度劃分為勞動密集型和資本密集型。由于產業結構高級化和合理化的衡量需要細分行業的數據,而現有各國關于二分位、三分位和四分位行業的數據較少。因此,鑒于數據獲取來源限制,這里使用聯合國工業發展組織報告的各國二分位制造業經濟指標,按照要素密集度進行劃分,結果見表4。

表4 異質性檢驗

(1)產業結構高級化的實證結果分析。首先,以勞動密集型行業為例。表4列(1)人工智能的系數在1%的水平上顯著為0.881,列(2)和列(3)人工智能AIT的系數均在1%的水平上顯著。列(2)人力資本對產業結構高級化的作用顯著為2.331,列(3)收入分配不平等的系數為0.091,不顯著。通過計算可知,人力資本和收入分配不平等的中介效應分別為0.695和0.477,Sobel檢驗分別為2.026和0.793,只有人力資本的中介效應在5%的水平上顯著。

其次,以資本密集型行業為例,列(4)到列(6)人工智能的系數分別為0.808、0.590和0.278,在1%的水平上顯著,說明人工智能對資本密集型產業結構高級化產生正向的總效應和直接效應。列(2)人力資本的系數在10%的水平上顯著為2.494,列(3)收入分配不平等的系數在5%的水平上顯著為0.336。人力資本和收入分配不平等的中介效應分別為0.743和1.760,Sobel檢驗分別為1.609和1.655,只有收入分配不平等的中介效應顯著存在。

通過以上分析可知,第一,勞動密集型行業人力資本的中介效應顯著性高于資本密集型行業。資本密集型行業的高端人才多于勞動密集型行業,而人工智能對低技能勞動力的替代作用顯著,若地區人力資本水平提升,意味著勞動密集型行業員工技能和素質也得到提升。相比于資本密集型行業,勞動密集型行業人力資本提升更能適應人工智能技術,對生產率的改善作用更大。第二,資本密集型行業收入分配不平等的中介作用顯著性高于勞動密集型。由于資本密集型行業資金、技術等優于勞動密集型,若地區收入差距不斷擴大,則高端人才和管理人才更愿意集中到收入和福利水平更好的資本密集型行業,促進資本密集型行業生產率提升,即資本密集型行業收入分配不平等的中介作用更大。

(2)產業結構合理化的實證結果分析。首先,以勞動密集型行業為例。表4列(1)到列(3)人工智能的系數分別為-0.289、-0.162和-0.095,均在1%的水平上顯著。列(2)和列(3)人力資本和收入分配不平等對產業結構合理化的作用分別為0.477和-0.030,均不顯著,中介效應為0.142和-0.157,Sobel檢驗分別為0.142和-0.157,同樣均不顯著。人工智能不能通過人力資本和收入分配不平等影響產業結構合理化。

其次,以資本密集型行業為例。列(4)到列(6)人工智能的系數同樣均在1%的水平上顯著為負。列(5)和列(6)人力資本和收入分配不平等的系數分別為3.109和-0.230,均在1%的水平上顯著,中介效應分別為0.899和-1.205,Sobel檢驗均在10%的水平上顯著,即人力資本和收入分配不平等的中介效應顯著。

以上分析可知,資本密集型人力資本和收入分配不平等的中介效用顯著高于勞動密集型。第一,以人力資本為例。地區人力資本水平的提升為資本密集型和勞動密集型行業均帶來了高素質和高技能勞動力,避免高端人才全部流向資本密集型行業的極端現象,防止要素錯配。人力資本增加整個行業的高技能人才,也讓勞動密集型行業通過雇傭更多高端人才來使用人工智能等設備,提升生產率,有利于該行業勞動和資本的合理運用,改善產業結構高級化和合理化。而資本密集型行業資金、工資福利、生產率等更好,吸引人才和設備,導致資本密集型行業人工智能通過人力資本影響產業結構合理化的中介作用更大。第二,以收入分配不平等為例。由于收入差距不斷擴大,高端人才更愿意集中到資本密集型行業,導致資本密集型行業高端人才和生產設備增加,創造高生產率。國家為了實現穩就業目標,被替代的低技能勞動力只能流向勞動密集型和低技術行業,雖然勞動密集型行業也會流入部分中高端人才,但只限于高生產率的勞動密集型行業。因此,資本密集型行業人工智能的負向中介效應顯著大于勞動密集型行業。

2.OECD和非OECD國家的異質性分析

為了進一步分析人工智能對產業轉型升級的影響是否在國家層面存在異質性,本文將樣本分為OECD和非OECD國家,以期為中國人工智能發展提供借鑒意義,見表5。

表5 OECD和非OECD國家的實證結果分析

(1)產業結構高級化的實證結果分析。首先,以OECD國家為例?？梢钥闯?表5列(1)—列(5)人工智能的系數幾乎顯著為正,說明OECD國家人工智能促進產業結構高級化和人力資本,并加劇收入分配不平等。列(3)人力資本HED的中介效應為0.914,Sobel檢驗在5%的水平上顯著。列(5)收入分配不平等的中介效應在10%的水平上顯著。以上結論說明OECD國家人工智能通過增加人力資本和收入分配不平等,進而提升產業結構高級化。其次,以非OECD國家為例。除過列(10)人工智能的系數在5%的水平上顯著為0.01,其他列人工智能的系數均不顯著,說明非OECD國家人工智能的發展對產業結構高級化、人力資本和收入分配不平等的作用不明顯。但是,列(8)人力資本對產業結構高級化的作用在5%的水平上顯著為正,列(10)收入分配不平等的系數也在1%的水平上顯著,即人力資本和收入分配不平等對產業結構高級化的作用顯著為正。

以上結論可知,OECD國家相比非OECD國家人工智能對產業結構高級化的正向作用更顯著,因為OECD國家的經濟發展水平、基礎設施、要素配置比非OECD國家更加完善健全,人工智能相關配套設施發展快速。并且,OECD國家產業技術水平、高技能人才占比要比非OECD國家高,更有利于人工智能等數字化技術的落實和應用,從而發揮人工智能的效率帶動作用。進一步分析得出,人工智能通過人力資本和收入分配不平等影響OECD國家產業結構高級化的中介效應比非OECD國家強,OECD國家人力資本本身就比非OECD國家強,擁有高學歷的人才與人工智能的結合,能創造更高的生產率。因此,中國作為世界第二大經濟體,但非OECD國家,人工智能的發展帶來機遇,也帶來挑戰,政府要提高人力資本水平,降低收入分配不平等帶來的要素錯配現象,提升整個地區產業生產率。

(2)產業結構合理化的實證結果分析。首先,以OECD國家為例。表5列(1)—到(5)人工智能的系數均為正,且幾乎都在5%的水平上顯著,說明OECD國家人工智能對產業結構合理化、人力資本和收入分配不平等均存在促進作用。列(3)人力資本的中介效應為0.430,Sobel檢驗在1%的水平上顯著,OECD國家人工智能通過人力資本促進產業結構合理化的作用顯著。列(5)收入分配不平等的中介效應為-0.098,說明人工智能加劇收入分配不平等,進而降低產業結構合理化。

其次,以非OECD國家為例。列(6)、列(8)和列(10)人工智能的系數均為負,這與OECD國家的結論相反。列(7)人工智能對人力資本的作用雖然不顯著,但仍為正,列(8)人力資本對產業結構高級化的中介效應為0.580,雖然不顯著,但為正。列(9)人工智能對收入分配不平等的作用雖然為負,但不顯著。列(10)收入分配不平等的系數在1%的水平上顯著為負,對產業結構合理化的提升作用不明顯。

以上結論可知,OECD國家人工智能改善產業結構合理化,這與非OECD國家不同。OECD國家高技能人才比非OECD國家多,各行各業效率、技術創新比非OECD國家高,因此,OECD國家更能適應人工智能等技術,人工智能造成的勞動力替代和互補作用對OECD國家各行業的作用相對小于非OECD國家,有助于減緩要素極化現象,從而利于改善產業結構合理化,而非OECD國家對產業結構合理化的促進作用不明顯。中國屬于勞動力充裕國,改革開放至今,雖然經濟高速發展,但行業間技術差異、員工技能差異較大,人工智能的應用對我國帶來的挑戰更大,地區和產業大批低技能勞動力被人工智能技術替代而過多轉移到其他低生產率的地區和產業,而高端人才和先進生產設備過多地轉移到人工智能發展快速的地區和產業,造成地區間和產業間要素極化現象。因此,中國要提高再教育、員工技能培訓等,完善戶籍制度,加大機械設備的生產,為各行各業提供充足的高端人才和資本,改善產業結構合理化。

(五)穩健性檢驗

上文采用勞動力數量作為投入要素,為了檢驗指標合理性,本文在式(15)和式(16)的基礎上,使用資本和勞動兩種生產要素計算產業結構高級化(ISU1)和合理化(ISR1),其中資本數據來源于2019年賓夕法尼亞大學報告的佩恩表。首先,人工智能對產業結構高級化的系數在1%的水平上顯著為0.089,但對合理化的促進作用不明顯。其次,以人力資本為例。人力資本對產業結構高級化的系數不顯著,且Sobel檢驗也不顯著,但均為正。而人力資本對產業結構合理化的中介效應在5%的水平上顯著,即人工智能通過提高人力資本促進產業結構合理化。最后,以收入分配不平等為例。收入分配不平等對產業結構高級化的中介效應為0.104,Sobel檢驗在5%的水平上顯著,即人工智能通過增加收入分配不平等,反而促進產業結構高級化。收入分配不平等對產業結構合理化的中介效應也顯著為負,說明人工智能通過加劇收入分配不平等,惡化勞動和資本等要素在地區和產業間的極化現象。以上結論均與前文結論一致,說明本文結論的合理性。

五、結論與政策建議

(一)研究結論

人工智能是引領新一輪科技革命和產業變革的戰略性技術,具有溢出帶動性很強的“頭雁”效應,要加快發展新一代人工智能是中國贏得全球科技競爭主動權的重要戰略抓手。使用資本-技能互補理論構建理論分析框架,采用2015—2019年27個國家的跨國面板數據,通過中介效應模型驗證人工智能對產業結構高級化和合理化的總效應,以及勞動力結構和收入分配不平等的間接效應,得到的結論如下:第一,人工智能促進產業結構高級化,但對產業結構合理化的提升作用不明顯;第二,勞動力結構部分中介人工智能和產業結構升級之間的關系,即人工智能通過提升人力資本,帶動產業結構高級化和合理化;第三,人工智能加劇收入分配不平等,從而促進產業結構高級化。

(二)政策啟示

第一,政府要制定高端人才引進政策和戶籍制度,提高地區勞動力結構水平。地方政府和企業還要提高科技研發支出,促進政企學研相結合,創造出更先進的人工智能技術,讓先發人工智能企業帶動其他企業,通過模仿、交流和經驗學習等方式,促進整個地區和國家的產業生產率。中央和地方政府要提高尖端人才的補貼、住房等優惠條件,為各行各業提供充足的高端人才。

第二,國家應建立和完善人才培養機構,提高低技能人才的再教育。要避免人工智能普及而帶來的大量失業,引發低技能勞動力在產業間和地區間的過度流動和聚集,造成要素錯配。一方面要在高校和研究機構增設人工智能相關課程和專業,降低線下教育壁壘和增加線上知識傳播;另一方面要在各社區增設人工智能技術應用試點,防止老齡化給居民生活帶來的不便。并且,地方政府要防止“政府錦標賽”制度帶來的過度投資行為,在使用新技術的同時逐漸調整勞動力結構,避免生產要素的過度流失。

第三,政府還要完善收入分配和再分配制度,保障最低工資制度。黨的十九屆六中全會指出,要實現人的全面發展,實現物質財富和精神生活的共同富裕,因此,政府要對失業人群提供最低工資保障,避免失業帶來的社會動蕩,通過再分配和三次分配到低收入勞動群體。但也要防止降低收入分配導致不同階層勞動力付出努力不同而獲取的收入不匹配,提升整個地區和國家產業生產率和勞動力的生活滿足感。

第四,國家要加快建設統一大市場,完善金融體制和基礎設施建設。人工智能的應用需要配套的基礎設施,要加快建設配套的區塊鏈、大數據、云計算、物聯網等新型基礎設施,提高人工智能和不同技術的動態融合。并且,國家和金融機構要完善企業征信系統,為那些有發展潛力、能最大化使用人工智能等新技術的民營企業融到更多資金,確保各行各業獲取充足的原材料和中間產品,以及銷售市場。

致謝:本文的理論分析主要借鑒中山大學嶺南學院郭凱明教授的方法,非常感謝郭凱明教授對作者的悉心指導。理論分析的詳細推導公式請聯系作者。