人工智能技术的收入分配效应研究人工智能技术会诱致劳动收入不平等吗模型推演与分类评估

人工智能技术的收入分配效应研究人工智能技术会诱致劳动收入不平等吗模型推演与分类评估

一、人工智能技术影响要素收入分配的机理自2006年提出“深度学习”概念以来，苹果、谷歌的无人机和汽车一直在竞争世界，语音和视觉识别技术不断发展。人工智能技术开始广泛应用于生产和生活的各个领域。党的十九大报告指出“推动互联网、大数据、人工智能和实体经济深度融合”。《新一代人工智能发展规划》（2017）将发展人工智能上升到国家战略层面，力争到2030年人工智能产业竞争力要达到世界领先水平。国际机器人联合会（IFR）统计显示（见图1），作为人工智能的重要载体，工业机器人在中国每万名制造业工人的拥有量正快速增长，当前已超越世界平均水平。现代主流观点认为，人工智能技术引领的第四次工业革命即将来临，人类活动和社会生产方式在人工智能环境中必将发生深刻改变，在人工智能技术迅猛发展过程中，劳动力市场尤其是劳动就业及其收入分配可能会遭受明显冲击。据世界不平等数据库（WID）统计（见图2），中国收入前10%与后50%人群的收入份额差距正呈现逐年扩大趋势，特别是21世纪以来贫富差距问题愈发凸显。为此，当前人工智能技术在要素收入分配中究竟扮演何种角色？是否会诱致中国劳动收入差距进一步扩大？人工智能技术将通过哪些途径影响劳动收入分配？不同影响途径的效应如何？其收入分配效应在不同部门和地区是否存在差异？对这些问题的研究，有助于预判人工智能技术所引发的收入分配结构失衡和就业冲击，依此提出抑制收入差距扩大的政策建议。技术进步的收入分配效应向来是学术界关注的焦点，尤其是劳动收入分配领域的技能溢价问题。早期的经验研究发现技术进步存在技能偏向性，诱发技能溢价导致收入不平等（一般地，人工智能技术会以机器设备为载体，更可能表现出技能偏向性特征（第一类文献认为，人工智能技术不仅以“机器换人”的自动化形式替代劳动岗位，也会创造全新的工作岗位增加劳动就业，即通过劳动就业岗位更替改变收入分配结构。然而，人工智能技术并非仅能替代低技能劳动，近年来大数据与“深度学习”等技术不断创新与应用，使得一些复杂型和认知型高技能劳动岗位，即传统观点认为无法被机器所取代的生产任务也可能被智能化机器替代，诸如人工客服、会计、保险业务员等。面对这种新型技术发展趋势，第二类文献认为，人工智能技术在产生岗位更迭效应的同时，也存在突出的生产率效应。人工智能技术可以通过提升要素生产率，并促进产出增加的方式影响要素收入分配。一些研究已证实人工智能技术有利于提升生产率。就本文研究所及，现有文献特点主要有：一是人工智能技术对劳动收入分配的作用机理研究正处于初始阶段，不同部门人工智能技术如何通过岗位更迭改变就业结构，以及如何通过改变要素生产率影响劳动报酬，并未形成系统性成果；二是人工智能技术对不同类型劳动就业可能存在差异化的影响，但在不同劳动力市场环境中，尚未系统评估人工智能技术对高、低技术部门劳动收入差距产生何种影响。尤其是转型经济体的劳动力市场明显有别于成熟发达市场，人工智能技术的收入分配效应可能存在独特性。基于此，本文在二、人工智能技术影响收入差距的因素本文基于假设1：一国最终产品由低技术（l）和高技术（h）部门产品进行生产：其中，Y为最终产品产出，Y假设2：沿袭其中，y假设3：无论是低技术还是高技术部门，一部分岗位的生产活动可完全由机器或设备资本独立执行。换言之，s部门各岗位上的中间品可由劳动或资本单独投入生产得到。结合其中，K将s部门资本租金率和劳动工资率分别设为r假设s部门中要素供给K将（5）式—（7）式代入（3）式，可以求得s部门的最优产出：由（8）式，产出变化率dlnY根据（7）式，可将s部门的劳动收入表示为：令ω=w下面重点分析0<ε<1，即高、低技术产品间为互补关系时人工智能技术对收入的影响，而当ε>1时情况相反。由（11）式可知，要素投入效应FA表示高、低技术部门要素投入相对变化引发收入差距的变动。当0<ε<1时，若高技术部门要素投入相对低技术部门增加得更多，则高、低技术部门间劳动收入差距缩小。生产率效应PD表示人工智能技术引发的高、低技术部门全要素生产率相对变化对劳动收入差距的影响效应。若高、低技术部门相对全要素生产率提高，则收入差距缩小。岗位更迭效应UP代表人工智能技术通过引发高、低技术部门自动化扩张与新岗位创造导致劳动岗位更迭，引起两部门劳动岗位比例相对变化，进而影响劳动收入差距。反之则反是。为清晰揭示人工智能技术的自动化扩张与新岗位创造两种形态在劳动收入分配过程中扮演的不同角色，将岗位更迭效应UP做进一步分解：由（12）式可知，人工智能技术可通过高、低技术部门自动化扩张即I结论1：人工智能技术对劳动收入分配的影响存在生产率效应和岗位更迭效应，其贡献分别为ε由（9）式可知，人工智能技术在引发劳动岗位更迭进而影响劳动收入的同时，非对称地改变高、低技术部门全要素生产率T一方面，PIKIL自动化扩张促使企业采用更为“廉价”的机器替代“昂贵”的劳动执行生产任务，以节约成本，提升高、低技术部门相对生产率，缩小劳动收入差距；而当IK时，ln()<0,<0，自动化规模进一步扩张将增加机器需求推动资本租金上涨，企业难以从自动化扩张中提高相对生产率，进而扩大收入差距。同理，PI另一方面，PNL成的自动化岗位过度时，ln()>0,>0，高技术部门新岗位创造将提升生产率，缩小劳动收入不平等。而当NL足时，ln()<0,<0表明高技术部门新岗位数量增加，引发岗位空缺或与劳动技能不匹配从而降低相对生产率，加剧劳动收入不平等。同理，可知低技术部门新岗位创造的生产率效应PN结论2：人工智能技术的生产率效应并非一定会加剧劳动收入不平等，通过自动化扩张和新岗位创造方式改变生产率引致劳动收入分配的效果迥异，且生产率效应存在门槛特征。若不同技术部门产品互补，且资本投资所形成的自动化岗位不足时，高技术部门自动化扩张和低技术部门新岗位创造，均会通过提升高、低技术部门相对生产率缓解收入不平等，反之则反是。三、指标设计、参数估计和数据描述1.人工智能影响劳动就业的生产率效应模型上述模型的效应分解结果为连续情形，在采用实际数据测算时，需要引入时间t进行离散化处理。令Δlnx依据（9）式和（11）式，将要素投入效应FA为测算岗位更迭效应UP因此，岗位更迭效应UP为了衡量人工智能技术的自动化扩张与新岗位创造两种形态通过生产率效应途径，对劳动收入差距的影响，依据（13）式设计反映生产率效应中高、低技术部门自动化扩张和新岗位创造的影响，即PI为此，人工智能技术影响劳动收入不平等的生产率效应PD那么，AI2.工业机器人替代弹性借鉴指标选取与数据说明如下：(1)产出Y为了检验本文方法对人工智能技术度量结果的准确性及可靠性，将每百家企业的工业机器人投入（100×（I此外，采用供给面标准化系统方程法估计ε，基于中国高、低技术部门数据，可得高、低技术产品间替代弹性ε的估计结果为0.90。四、人工智能技术收入分配效应测算为考察中国高、低技术部门间劳动收入差距变化，依据样本特征划分为2001—2005年、2006—2011年和2012—2016年三个阶段，测算人工智能技术的收入分配效应，检验自动化扩张与新岗位创造两种形态对收入不平等的作用，对比不同地区不同技术部门人工智能技术收入分配效应。1.人工智能技术对收入不平等的影响表1将劳动收入差距变化率分解为要素投入效应FA、生产率效应PD、岗位更迭效应UP及其他因素的影响效应OT，并测算人工智能技术总影响效应即AI。数据显示：高、低技术部门间劳动收入差距在各时期均呈现扩大趋势，在2001—2016年期间收入差距年均扩大4.33%，表明中国不同技术行业间劳动收入不平等现象愈发严重。具体而言：(1)在2001—2005年期间，收入不平等年均扩大4.64%，其中要素投入效应FA使得收入差距年均收窄0.36%，人工智能技术引发的生产率效应PD和岗位更迭效应UP分别导致收入差距年均扩大0.12%和0.06%。然而，这一时期FA、PD和UP的贡献较低，收入差距变化主要由其他因素决定。(2)在2006—2011年期间，收入差距扩大速度加快，年均扩大6.08%，其中高、低技术部门要素投入相对变化形成的FA年均降低收入差距0.48%，而人工智能技术产生的PD和UP贡献显著增加，受二者影响，收入不平等程度分别提高0.34%和0.48%。可见，这一时期人工智能技术对收入不平等的作用增大。(3)在2012—2016年期间，收入差距年均扩大1.99%，相对上一时期有所减缓。而UP显著提高，促使收入差距年均扩大0.70%且贡献增至31.63%。PD同样有所提高，引发收入差距年均扩大0.44%，而FA贡献有所降低。人工智能技术引发的生产率效应与岗位更迭效应主导这一时期劳动收入差距变化，贡献高达51.49%。(4)在全样本即2001—2016年期间，人工智能技术通过引发不同技术部门劳动岗位更迭和改变全要素生产率，共同诱致收入差距年均扩大0.75%，贡献为15.12%。纵观整个样本期间，人工智能技术对劳动收入不平等的影响伴随时间推移，作用愈发突出，2006年和2012年之后岗位更迭效应和生产率效应显著提高，这与2006年“深度学习”概念的提出和2012年大数据技术兴起，再次掀起人工智能“热潮”的时间节点相吻合。此外，人工智能技术形成的岗位更迭效应相对生产率效应对收入不平等的作用更强。2.人工智能技术的岗位更人工智能技术通过引发不同部门劳动岗位更迭及生产率变动，影响劳动收入不平等。然而，人工智能技术为何会扩大劳动收入差距？岗位更迭效应和生产率效应在其中分别扮演何种角色？为此，结合理论模型先剖析岗位更迭效应，进一步探究生产率效应对收入不平等的影响。表2展示了岗位更迭效应UP的分解结果，将UP分解为人工智能技术引发的高、低技术部门自动化扩张和新岗位创造分别形成的岗位更迭效应，分别对应表2中UI综合可知，人工智能技术的岗位更迭效应加剧劳动收入不平等，一是因为低技术部门自动化扩张，使劳动岗位被机器取代、劳动需求被削减，却难以在该部门通过岗位创造方式弥补就业下降，进而减少劳动收入并扩大与高技术部门收入差距；二是尽管人工智能技术在高技术部门通过自动化扩张替代劳动缩小收入差距，但也会创造大量新岗位，增加高技术部门劳动收入而加剧不平等。图5展示了岗位更迭效应及其分解效应累计变化率的时间趋势。图形显示，人工智能技术通过引起高技术部门自动化扩张，以机器替代高技术部门劳动方式降低该部门劳动收入，使收入差距在2001—2016年期间累计收窄33.37%。相反，低技术部门的自动化扩张，使劳动收入差距累计扩大20.78%。与此同时，人工智能技术通过在高技术部门创造劳动具有生产优势的新岗位，增加该部门劳动需求，引起收入差距累计扩大19.60%。然而，人工智能技术在低技术部门的新岗位创造影响有限，仅累计缩小收入差距0.40%，这可能源于人工智能企业及其衍生岗位通常聚集在高技术行业。综合可知，人工智能技术倾向于在低技术部门替代劳动执行生产任务，以及在高技术部门创造新劳动岗位，共同引起高技术部门相对低技术部门劳动岗位比例的增加，进而加剧劳动收入不平等。3.自动化扩张、新岗位创造显著影响收入不平等的微负向作用事实上，人工智能技术在引起高、低技术部门自动化扩张与新岗位创造的同时，还会通过改变各部门的生产率间接影响劳动收入差距。表1已揭示人工智能技术的生产率效应在各时期表现为扩大收入差距。为深入剖析这一结果，将生产率效应PD分解为高、低技术部门自动化扩张和新岗位创造对劳动收入差距的影响，分别对应表3中的PI表3数据显示：(1)在2001—2005年期间，人工智能技术在高技术部门的自动化扩张有利于提升该部门全要素生产率，使劳动收入差距年均缩小1.15%；而在低技术部门的自动化扩张同样可以提升该部门生产率，但降低高、低技术部门相对生产率，引起收入差距年均扩大0.33%。同时，人工智能技术在高技术部门的新岗位创造通过降低生产率方式，年均扩大收入差距0.94%；相反，低技术部门新岗位创造通过提升高、低技术部门相对生产率，形成对收入不平等的微弱负向作用。(2)在2006—2011年期间，高、低技术部门自动化扩张分别通过提升各部门生产率，使劳动收入差距年均缩小0.80%和扩大0.64%。相反，高、低技术部门的新岗位创造分别通过降低各部门生产率，引发收入差距年均扩大0.51%和收窄0.01%。相对前期，高技术部门的生产率效应有所减弱，而低技术部门得到加强。(3)在2012—2016年期间，人工智能技术的自动化扩张形成的生产率效应增大，分别通过提升高、低技术部门生产率，引发收入差距年均缩小1.17%和扩大1.21%。而新岗位创造分别通过降低高、低技术部门生产率，导致收入不平等程度年均提高0.42%和降低0.02%。(4)就整个样表3人工智能技术影响收入不平等的生产率效应分解单位：%本期间而言，自动化扩张与新岗位创造在高、低技术部门对收入差距形成相反作用，且在低技术部门的自动化扩张比新岗位创造生产率效应更大，从而扩大高、低技术部门间收入差距。自动化扩张形成的生产率效应强于新岗位创造，这可能与当前人工智能技术以自动化为主，且新创造岗位对低技术劳动的实际吸纳效果不理想相关。综合而言，当前人工智能技术以自动化扩张方式提升低技术部门全要素生产率，或以新岗位创造方式降低高技术部门全要素生产率，加剧劳动收入不平等。问题是，人工智能技术的自动化扩张和新岗位创造，为什么会对不同部门全要素生产率产生差异？原因可能在于，自动化扩张与新岗位创造对全要素生产率的影响存在门槛特征，即影响方向主要由自动化岗位占比I表4通过计算高、低技术部门自动化岗位比例与资本投入占比的比值B4.人工智能技术影响资本基础设施建设的岗位对收入差距的分解不同技术部门人工智能技术收入分配效应迥异，那么不同地区人工智能技术影响可能不同。为此，依据一定标准对地区分类。一是根据人工智能技术引起劳动岗位更迭特点，劳动投入较多地区可能遭受更大冲击。按照资本密集度（以劳均资本投入衡量）划分，将资本密集度高于平均值的地区记为“资本密集地”，低于平均值的记为“劳动密集地”。二是若地区高技术行业越密集，则人工智能技术应用范围越广且程度越深，该地劳动者也更易受人工智能技术影响，进而高技术行业占比不同的地区收入分配差异明显。根据技术密集度（以高技术部门产出占比度量）划分，技术密集度大于平均值的地区为“技术密集地”，小于平均值的为“非技术密集地”。首先，探究人工智能技术对资本与劳动密集地收入差距影响的差异，劳动收入差距变化率的分解结果见表5。上述结果显示，人工智能技术在资本密集地的岗位更迭效应大于劳动密集地。为解释这一结果的成因，进一步分解两类地区的岗位更迭效应。图6和图7分别展现资本与劳动密集地岗位更迭效应及其分解效应累计变化率的时间趋势。对比发现：(1)由岗位更迭效应UP累计变化率可知，受人工智能技术引发的高、低技术部门劳动岗位相对变动的影响，资本与劳动密集地的收入差距分别在2001—2016年期间累计扩大20.04%和4.67%。(2)两类地区高技术部门自动化通过减少部门劳动岗位产生的影响（UI可知，劳动密集地的岗位更迭效应相对资本密集地更小，是因为人工智能技术在劳动密集地的高技术部门自动化扩张，以机器替代较多高技术部门劳动岗位缓解不平等。而两类地区低技术部门自动化扩张与新岗位创造的影响大致相当，但劳动密集地高技术部门新岗位创造对不平等的加剧作用更强。此外，尽管资本密集地的岗位更迭效应更大，但具体到人工智能技术两种形态对不同技术部门劳动收入分配的影响时，劳动密集地的高技术部门受到人工智能技术的冲击更大。为分析资本与劳动密集地生产率效应存在差异的原因，表6给出两类地区不同技术部门自动化岗位比例与资本投入占比的比值B其次，剖析人工智能技术对技术与非技术密集地收入不平等的影响差异，表7给出两类地区劳动收入差距变化率及其效应分解结果。为深入分析技术与非技术密集地自动化扩张与新岗位创造对收入差距的岗位更迭效应，图8和图9分别展现两地岗位更迭效应及其分解效应的累计变化趋势。对比发现：(1)在2001—2016年期间，岗位更迭效应UP导致两地收入差距分别累计扩大5.71%和7.71%，表明非技术密集地的岗位更迭效应更大。(2)人工智能技术在技术密集地的高技术部门自动化（UI可知，技术与非技术密集地的不同技术部门不同人工智能技术形态的岗位更迭效应存在突出差异。其中，人工智能技术倾向于在技术密集地通过高技术部门新岗位创造效应加剧收入不平等，以及自动化扩张缓解不平等，并在非技术密集地通过低技术部门自动化扩张扩大收入差距。为对比技术与非技术密集地，不同技术部门自动化扩张与新岗位创造通过生产率效应对劳动收入差距的影响差异，表8测算两地高、低技术部门自动化扩张与新岗位创造形成的生产率效应即PI五、完善人工智能技术就业保障制度，提高就业生态效益本文基于当前世界正处于人工智能技术掀起的第四次技术革命“浪潮”之中，人工智能技术将深入发展和广泛应用，必将对不同部门的劳动产生持续冲击，劳动力市场地位以及不同类型劳动收入不平等将是收入分配领域未来长期且必须面对的重要问题。基于此，政府应重视：(1)健全就业培训机制全方位提升劳动技能水平。基于当前人工智能技术的自动化作用强于新岗位创造，为有效应对由此造成的收入不平等现象，政府应加大教育培训投资规模，建设以高校为人才储备摇篮、以企业为技能实践基地的全方位就业培训机制。具体而言，企业在引入新的生产技术的同时，应定期组织员工参与技能培训，并积极邀请人工智能领域专家开展系列讲座，了解人工智能技术的发展态势，以适应新的生产需求。高等教育和高职院校应迎合经济与社会发展的现实