江永红　张本秀

关键词：人工智能 收入分配 劳动力就业 地区发展差异

〔中图分类号〕F014.42〔文献标识码〕A〔文章编号〕0447-662X（2021）07-0058-11

一、引言

近年来，人工智能在全球范围内加速应用，美国、德国及日本等发达国家先后将发展人工智能列为国家核心战略，并在新一代技术革命中处于领先地位。然而，人工智能的广泛应用在提高生产率的同时，也在发达国家引发失业与收入不平等问题，即高技能劳动力借人工智能的福利增加了工资待遇，传统技能劳动力却面临着“机器换人”的失业风险，①发达国家的收入差距进一步扩大。为实现经济高质量发展，我国快速推进人工智能的应用以抓住本轮技术变革的机遇。艾媒咨询所发布的《2020年中国人工智能产业研究报告》也预测至2025年，中国人工智能产业规模将超过4500亿元，并且30%至45%的市场将被人工智能企业占据。因此，人工智能在我国发展潜力巨大，必然对相关产业产生深远影响，其是否会给我国带来同发达国家类似的失业与收入不平等问题值得深入探究。

人工智能扩大收入差距的原因，已有诸多国外学者进行研究，现有文献主要从以下两个角度来解释这一现象。首先，人工智能对不同生产要素具有差异化影响，会降低劳动收入份额，同时却增加资本收入份额。Benzell通过使用两阶段世代交叠模型，发现高生产率机器人的引入，使劳动要素所占份额与劳动力工资皆呈下降趋势。②这是因为人工智能可实现自动化生产，在产业中倾向于替代劳动要素的投入，不利于劳动力的稳定就业，并降低劳动力工资。发现人工智能已导致美国的劳动收入份额呈下降趋势，为上述学者们的观点提供了进一步证明。相反，人工智能却给资本要素带来积极影响，它可提升生产效率，有利于资本报酬的提高与新一轮资本积累的实现，从而增加产业中资本要素的收入份额。由于资本通常集中在少数人手中，更多的普通民众仍是依靠劳动挣得收入，人工智能为资本带来的积极效应只有少数人受益。所以，人工智能给劳动与资本这两种生产要素带来的差异化影响，不利于要素间收入的公平分配。

其次，人工智能对不同岗位劳动力也存在差异化影响，促进高技能劳动力就业，却对低技能劳动力产生替代效应。高技能劳动力所在的岗位通常涉及分析、判断并解决问题等软技能，难以被替代;而低技能劳动力的工作简单且重复性强，不及高效且精准的人工智能更具竞争力，所以低技能劳动力更易被人工智能替代。比如，在技术进步较为领先的美国有47%的岗位易被计算机替代，而在日本这一比例为55%，这些易被替代的岗位多属于低技能岗位，对应的工资水平也不高。这一现象被归结为人工智能对劳动力就业结构的影响，将进一步扩大不同岗位劳动力的收入差距。等也在内生经济增长模型中引入了自动化资本，证明自动化技术降低了低技能劳动力的工资，会扩大收入差距。值得注意的是，近年来我国不同行业间的收入差距也呈扩大趋势，各行业中平均收入最高的信息传输、计算机服务和软件业同最低的农、林、牧、渔业的就业人员平均收入之差由2015年的80095元扩大为2019年的122012元，数据来源于《2016中国劳动统计年鉴》和《2020中国劳动统计年鉴》。前者正是与人工智能发展息息相关的行业，而传统的农、林、牧、渔业则在新技术应用方面有所不足。这预示着人工智能很可能对我国不同岗位的劳动力也产生了差异化影响，并拉大我国的收入差距。

作为最大的发展中国家，我国具有区域经济发展差异大、国内企业技术发展失衡的典型特征，这使得人工智能对我国收入分配的影响会与发达国家有所不同。在此背景下，探究人工智能对我国收入分配的影响机制具有重要意义。但国内学者在此方面的学术成果尚不足，主要体现在：一是针对人工智能影响收入分配的相关研究较少，研究角度也较为片面，未能全面地分析影响机制;二是多从理论方面解释人工智能对我国劳动力就业及收入的影响，未结合实际数据进行验证，可信度不高;三是直接运用国外学者的理论模型，未能有效结合我国经济发展与技术进步现状来展开研究，与我国的经济现实不相符。與现有文献相比，本文的贡献在于：（1）尝试将人工智能、劳动力就业、企业技术应用与地区发展差异纳入统一的分析框架，利用我国2009—2017年的省级面板数据进行实证研究，从劳动力就业结构、企业技术垄断以及区域异质性影响这三个角度来分析人工智能影响收入分配的内在机理，弥补了现有研究的不足。（2）本文充分考虑了中国区域间人工智能发展不平衡的经济现实，分地区考察了人工智能对收入差距的异质性影响，拓展了相关领域的研究范围。（3）本文根据实证结论，给出了针对性政策建议，可促进新技术背景下我国经济的高质量发展，为政府制定符合人工智能发展需要与促进收入分配平等化的政策提供有力的经验支持。

二、理论机制

人工智能的应用日渐广泛，我国收入分配所受影响也日渐扩大。本文认为，人工智能的挤出效应、创造效应、技术垄断效应以及区域差异效应是其影响我国收入分配的主要机制。

1.挤出效应与创造效应

人工智能会对就业岗位产生挤出效应和创造效应，在这两种效应的共同作用下，劳动力就业结构被改变。一方面，人工智能的挤出效应表现为不同类型岗位被替代的可能性不同，可量化且无需复杂思考的低收入岗位更易被人工智能替代，赵慧勤、王兆雪、张天云：《面向智能时代“4C能力”培养的创客课程设计与开发——基于STEAM理念的实施路径》，《远程教育杂志》2019年第1期。重视社交能力与创造能力的高收入岗位则得以保留，即人工智能偏向于挤出低收入岗位;另一方面，人工智能可创造出新的就业岗位，主要来源于人工智能提升产值所带来的劳动力需求增加以及围绕人工智能产业本身所产生的相关岗位。二者都是与新兴技术有关的高技能岗位，收入水平也较高。2020年所举办的世界经济论坛曾预测，到2022年，人工智能领域的工作岗位数量将增加近一倍，以高技能和管理类岗位居多。国内现有数据也显示：现阶段我国人工智能产业发展迅速，对于人工智能领域的人才需求在短时间内激增，当前我国人工智能产业内有效人才缺口达30万。工业和信息化部：《人工智能产业人才发展报告（2019—2020年版）》，2020年。可见，人工智能的创造效应在我国就业市场上已开始发挥作用。

综上，基于人工智能的挤出效应与创造效应，低技能劳动力易被挤出，高技能劳动力可获得更多的就业机会，这促使劳动力就业结构发生改变，程承坪、彭欢：《人工智能影响就业的机理及中国对策》，《中国软科学》2018年第10期。并导致不同技能劳动力的收入差距扩大。基于此，本文提出假说1。

假说1：人工智能挤出低技能劳动力，却促进高技能劳动力就业，改变了劳动力就业结构，扩大了不同技能劳动力的收入差距。

2.技术垄断效应

人工智能是新一代技术进步，可显著提高企业的劳动生产率，增加企业收入。米晋宏、江凌文、李正图：《人工智能技术应用推进中国制造业升级研究》，《人文杂志》2020年第9期。著名咨询公司ACCENTURE所发布的《2017年人工智能发展报告》揭示了人工智能对美国、德国和日本等12个发达国家经济增长的促进作用，其中一个重要途径便是通过提高生产率来推动国家经济增长，即人工智能可提高企业的劳动生产率，给企业带来营收增长，对增加企业收入和促进经济发展具有积极影响。但就我国而言，限于技术应用条件，人工智能只能在经济实力、技术水平和发展前景等方面均较为领先的行业中得到充分应用。据《2020人工智能产业研究报告》，人工智能在我国互联网、金融和城市管理等基础设施完善、发展前景优越的行业中应用广泛;在技术基础薄弱、商业模式落后的农业和零售业中，其赋能作用尚不明显。技术先进的企业先应用人工智能，可提高劳动生产率并获得超额利润，在收入分配中处于优势地位;而技术条件落后、尚未应用人工智能的企业在收入分配中则处于劣势地位。可见，人工智能在不同企业间的应用差异将使企业的营收增长呈现出差距。

因此，人工智能的技术垄断效应表现为个别企业先应用人工智能来提高劳动生产率从而获得超额利润，暂时缺乏条件应用人工智能的企业则无法受益，这扩大了企业间的收入差距。基于此，本文提出假说2。

假说2：人工智能仅在部分企业中得到充分应用，提高其劳动生产率，为其带来超额利润，扩大了企业间的收入差距。

3.区域差异效应

我国区域经济发展存在较大差异，人工智能在各地区的应用不均衡现象也较为明显。据统计，我国88%的人工智能企业现分布于北京、上海和广东等东部发达地区，这类地区人工智能企业聚集，在优越的技术背景下，多个产业普遍受益，就业结构也得到升级。创业邦研究中心：《2018中国人工智能白皮书》，2018年。以广东省为例，据《广东省新一代人工智能发展规划》，到2025年，广东省人工智能核心产业规模有望突破1500亿元，所带动的相关产业规模将达1.8万亿。与此同时，广东省就业人员中教育程度在专科及以上的人员占比从2015年的17.3%升至2019年的24%，而教育程度在小学及以下的人员占比则从13.7%降至11.2%，就业结构明显优化。数据来源于《2016中国劳动统计年鉴》和《2020中国劳动统计年鉴》。可见，人工智能促进发达地区的劳动力就业结构进一步升级。就业结构的升级可在一定程度上缓解人工智能对收入差距的扩大作用，这是因为：一方面，发达地区的人工智能在各产业中被广泛应用，均衡增加产值并优化就业结构，王业强、魏后凯：《“十三五”时期国家区域发展战略调整与应对》，《中国软科学》2015年第5期。有助于提高劳动力的整体收入水平;另一方面，发达地区政策环境优越，就业扶持与失业救助方面的政策体系更为完善，人力资本水平也较高，面对人工智能对就业的冲击，发达地区的劳动力具有更高的适应能力。因此，人工智能的广泛应用与优越的政策环境在一定程度上减少了人工智能对发达地区收入分配的不利影响。

综合来看，人工智能在发达地区的各产业中应用广泛，且发达地区政策环境更为完善，可减少人工智能对就业及收入分配的不利影响，因此发达地区的收入差距扩大程度小于欠发达地区。基于此，本文提出假说3。

假说3：由于发达地区的人工智能應用更加广泛、政策环境更加优越，所以发达地区收入差距受人工智能的影响将小于欠发达地区。

图1 人工智能影响收入分配的作用机理图

三、模型构建与数据说明

1.模型建立

本文基本计量模型设定如下：

IGit=α0+α1AIit+βXit+λi+υt+εit（1）

模型中，i表示省份，t表示时间;被解释变量IGit表示省份i在第t年的收入差距，核心解释变量AIit表示省份i在第t年的人工智能发展水平;λi表示个体效应，νt表示时间效应，εit表示随机误差项;Xit表示一系列控制变量，包括对外贸易（Tra）、政府行为（Gov）、税收水平（Tax）、城镇化水平（Cit）和经济增长（Pgdp）。下文交互项中出现的Labit表示就业结构，LPit表示劳动生产率。

本文还在模型（1）的基础上，构建了交互项来体现理论机制中所提出的四个效应。其中，AI′Lab表示人工智能的挤出效应和创造效应改变就业结构从而对收入差距产生影响;AI′LP表示人工智能的技术垄断效应改变企业劳动生产率从而对收入差距产生影响。于是，计量模型完善为：

IGit=α0+α1AIit+α2Labit+α3LPit+α4（AIit′Labit）+α5（AIit′LPit）

+bXit+Ii+υt+eit（2）

2.数据来源和指标选取

考虑到数据可得性，本文选择2009—2017年中国省级面板数据进行实证研究，西藏自治区的相关数据缺失，故将其剔除。数据来源于国家统计局、各省（市）统计年鉴、历年《中国统计年鉴》《中国劳动统计年鉴》和国际机器人联合会（IFR）。具体指标的选取和处理方法如下：

（1）收入差距（IG）：本文以不同行业的城镇单位就业人员平均工资为基础，采用收入水平和劳动力技能水平相对较高的信息传输、计算机服务和软件业就业人员与收入水平和劳动力技能水平相对较低的农、林、牧、渔业就业人员的平均工资之差来衡量收入差距，回归时取其自然对数。此数据同时涵盖了不同行业与不同技能劳动力的收入差距，符合本文理论机制的分析内容，所以将其作为衡量收入差距的指标是可行的。

（2）人工智能发展水平（AI）：宋旭光和左马华青、王文、孙早和侯玉琳等均使用工业机器人数据分别研究了人工智能对劳动力生产率、就业以及产业全要素生产率的影响。宋旭光、左马华青：《工业机器人投入、劳动力供给与劳动生产率》，《改革》2019年第9期;王文：《数字经济时代下工业智能化促进了高质量就业吗》，《经济学家》2020年第4期;孙早、侯玉琳：《人工智能发展对产业全要素生产率的影响——一个基于中国制造业的经验研究》，《经济学家》2021年第1期。本文参考王文的做法，以各省份工业机器人安装密度来衡量人工智能发展水平。国际机器人联合会（IFR）公布了2017年中国工业机器人在制造业各行业的分布情况，其中汽车制造行业、电子类产品行业、金属制品行业、塑料和化学制品行业以及食品和饮料制品行业总计安装使用了超过总量95%的工业机器人。根据王文对2017年工业机器人在中国制造业各行业分布情况的统计，汽车制造业安装使用了全部制造业40%左右的机器人，电子类产品制造业约为30%、金属制品业为15%、塑料和化学制品业为9%、食品和饮料制品业为2%。考虑到数据可得性，本文假设各省份的工业机器人在各行业的应用率相同，此方法参考宋旭光和左马华青的处理。将我国的制造业行业对照上述五个行业进行归并，得到相应行业的全国就业人数与各省就业人数，并以此为依据将工业机器人安装量分配至各省份，各省份工业机器人安装量与该省制造业就业人数的比值即为各省份工业机器人安装密度。

（3）劳动生产率（LP）：人工智能技术目前在工业企业中应用较为广泛，本文选取企业的全员劳动生产率来代表模型中劳动生产率这一指标，该指标用企业的工业增加值与从业人数的比值来表示，可以反映企业的生产技术水平。周云波、田柳、陈岑：《经济发展中的技术创新、技术溢出与行业收入差距演变——对U型假说的理论解释与实证检验》，《管理世界》2017年第11期。中国工业企业数据库中的行业包括采掘业、制造业以及电力、燃气及水的生产这三个门类，所以本文也选取这三个门类的数据来计算劳动生产率这一指标。

（4）劳动力就业结构（Lab）：考虑到受教育程度是影响就业人员技能水平的重要因素，因此本文采用不同受教育程度的就业人员占比来衡量不同技能劳动力的就业结构，研究生与大学本、专科人员为高技能劳动力，小学及以下学历的人员则为低技能劳动力，本文的就业结构采用高技能劳动力人数与低技能劳动力人数之比来表示。

（5）控制变量：已有研究中影响收入分配的因素主要包括对外贸易、政府行为、税收水平、城镇化水平以及经济增长等，因此本文选取这些变量作为控制变量。具体来说：对外贸易（Tra），用各省份的进出口总额占GDP的比重来衡量;政府行为（Gov），由于政府支出方向存在较多未知，所以无法确定具体何种政府消费行为可对收入分配产生显著影響，所以参考郑猛和杨先明的做法，郑猛、杨先明：《要素替代、技术进步与中国制造业比较优势动态化》，《贵州财经大学学报》2017年第6期。用各省份政府一般性预算支出占GDP的比重来衡量政府行为;税收水平（Tax），用各省份财政税收收入占GDP的比重来衡量;城镇化水平（Cit），用各省份城镇人口占该省份总人口的比重来衡量;经济增长（Pgdp），用各省份人均GDP来表示，回归时取其自然对数。

四、回归结果分析

1.基本回归结果

基于前文建立的基础多元回归模型并依据Hausman检验结果，本文采用固定效应回归方法结合逐步回归法验证各变量对收入差距影响的显著性。由于城镇化水平对收入差距的影响具有滞后作用，所以将其滞后一期进行估计。结果显示：主要解释变量人工智能发展水平的回归系数显著为正，且人工智能发展水平提高1个单位，将使收入差距扩大4.6%，这表明人工智能的应用扩大了我国居民的收入差距。近年来，我国大力推行人工智能技术，其市场规模预计将从2015年的112亿元增长到2020年的710亿元，德勤：《中国人工智能产业白皮书》，2018年。各产业中的人工智能应用率明显提升，人工智能给我国收入分配所带来的冲击日渐扩大。本文的基础回归结果证明了人工智能的应用扩大了我国居民收入差距，这与杨伟国等在研究人工智能对劳动力结构的影响时，进一步提出的人工智能将导致收入不平等的观点相一致。杨伟国、邱子童、吴清军：《人工智能应用的就业效应研究综述》，《中国人口科学》2018年第5期。然而，研究人工智能对收入分配的影响不可止于趋势性的结论，更要揭示其内在机制。同时，随着技术的更新换代，人工智能与不同学科的结合将进一步扩大其在产业中的应用范围，加深人工智能与实体经济的融合程度，因此探究人工智能对收入分配的影响机制需从多角度来进行。国外学者曾尝试从人工智能发展的不同阶段切入，研究其在不同发展阶段对收入分配的异质性影响。但就我国而言，人工智能技术尚处于推广期，其阶段特点尚不明显，因而此类方法并不适用于研究人工智能对我国收入分配的影响。

从本质上来看，人工智能作为一项技术进步所引起的收入差距扩大，可具体从以下三个角度分析：第一，劳动力的异质性引起收入差距。西方人力资本理论认为每个劳动者因受教育程度不同而具有不同的人力资本水平，所能胜任的工作岗位也不同。其中具备较高人力资本水平的劳动者就能从事诸如人工智能的研发与维护等技术含量高的岗位，收入相应也高。较低人力资本水平的劳动者所从事的体力劳动则易被人工智能替代，收入低且面临失业问题。第二，企业的技术差距引起劳动生产率差异。马克思曾说“一旦与大工业相适应的一般生产条件形成起来，这种生产方式就获得一种弹性，一种突然地跳跃式地扩展的能力”，[德]马克思：《资本论》第1卷，人民出版社，2018年，第519页。肯定了先进技术对企业劳动生产率的提升作用。但不同企业对先进技术的掌握能力不同，因此并非所有企业皆可借助人工智能来提升劳动生产率进而增加收入。第三，区域间的经济发展差距引起技术应用差异。马克思认为，机器大工业的发展为大企业提供了技术基础，加速资本集中的趋势，资本集中又会引发人口、要素、生产中心和销售市场的集中，带动一个地区的经济发展与技术进步，因此区域的经济发展和技术进步是相互促进的关系。区域间的经济发展不平衡，必然引起技术应用水平的差异，由此区域内部的收入分配所受影响也不同。我国地区间经济基础差异大，各地区、各行业的技术水平也有所不同，在此情况下，人工智能给我国不同地区、行业及劳动力带来的经济影响差异也更为突出，下文将对此进行进一步的分析。

2.进一步检验与机制分析

前文的理论分析已明确了人工智能的创造效应、挤出效应和技术垄断效应均是其影响收入分配的重要作用机制。创造效应和挤出效应的共同作用改变了劳动力就业结构，进而扩大不同技能劳动力的收入差距;而技术垄断效应则提高了部分企业的劳动生产率，扩大企业间的收入差距。本文将对此进行实证检验，在基本模型中分别引入人工智能发展水平与劳动力就业结构、人工智能发展水平与劳动生产率的交互项，估计结果分别如表1、表2所示。在控制了其他影响因素的情况下，两个交互项的影响系数显著为正，即前文所提出的三个效应均扩大了我国的收入差距，与理论分析结果相符合。

一方面，人工智能发展水平与劳动力就业结构的交互项提高1个单位，引起收入差距扩大1%，这说明人工智能的挤出效应和创造效应改变了劳动力就业结构进而扩大收入差距。从理论上来说，人工智能对就业总量的影响具有不确定性，因其挤出部分岗位的同时，也促进了技术研发、维护等岗位的出现。挤出效应与创造效应作用于不同技能岗位，挤出效应减少低技能岗位的供给，创造效应则增加高技能岗位的需求，王君、张于喆、张义博等：《人工智能等新技术进步影响就业的机理与对策》，《宏观经济研究》2017年第10期。因此在劳动力层面，人工智能带来的是结构性影响，总结为人工智能对不同技能劳动力就业的异质性影响。在现代社会，科技是第一生产力，更多管理者尝试用人工智能代替低技能劳动力以提高企业生产效率，国内已有多家科技企业加快实现生产自动化，比如富士康集团打造了“熄灯生产线”以及“熄灯工厂”等全自动化作业点，《探访富士康“熄灯工厂”》，光明网，https：//m.gmw.cn/2020-11/06/content_1301767510.htm。汽车制造、物流管理等行业的“无人工厂”数量也在迅速增长。人工智能的迅速发展造成一线生产工人大规模失业，且人工智能所创造的高技能岗位与这类工人的技能水平并不匹配，无法直接解决其失业问题。此类利于高技能劳动力、弊于低技能劳动力的影响一定程度上彰显出新技术的“偏向性”，江永红等认为偏向性技术进步会导致就业结构趋向“极化”，进而扩大收入差距。江永红、张彬、郝楠：《产业结构升级是否引致劳动力“极化”现象》，《经济学家》2016年第3期。人工智能已表现出类似效应，促进高收入群体稳就业，却使低收入群体的失业问题更加严重，这改变了我国的劳动力就业结构，扩大了不同技能劳动力的收入差距。基于此，假说1得以证实。

表1进一步分析结果（1）

表2进一步分析结果（2）

另一方面，人工智能发展水平与劳动生产率的交互项提高1个单位，引起收入差距扩大0.2%，这说明人工智能的应用不均衡所导致的企业间劳动生产率差异会扩大收入差距，虽影响程度较小，不及前一种效应所带来的冲击大，但仍是不可忽略的重要影响因素。林晨等认为人工智能可提升资本对劳动的替代能力和技术进步速度，进而提高劳动生产率，林晨、陈小亮、陈伟泽等：《人工智能、经济增长与居民消费改善：资本结构优化的视角》，《中国工业经济》2020年第2期。在此过程中，企业无疑是最大的受益者。提高企业的劳动生产率有利于其控制成本、提升产量，进而实现更高的利润，因此人工智能的应用可为企业带来增收效应。然而，限于我国当前人工智能技术尚且处于推广期，国内企业并未在应用新技术方面得到“普惠性”的受益，所以人工智能的增收效应无法惠及国内所有企业。根据国家知识产权局所发布的《2017年我国人工智能领域主要统计数据报告》，国内企业中人工智能专利申请数量排名靠前的多是大疆、华为和联想之类的高科技企业，这类企业技术基础坚实、发展条件优越，在人工智能的业务应用与创新发展方面均有所领先。相比之下，处于农业、林业等传统行业中的企业则存在开发能力和技术进步动力不足的问题，无法广泛应用新技术，需要政府的创新激励。高培勇、钟春平：《理解中国的宏观经济政策走向——历史回顾、现实判断、理政思路与政策选择》，《经济学动态》2014年第10期。进一步结合其利润水平来看，2020年，华为实现了高达646亿元的净利润，而作为中国农企代表的新希望集团，2020年的净利润为81.82亿元，尚未突破百亿。相关净利润数据均来自两家企业的年报。二者都是各自行业的代表企业，但后者的净利润基数与增长速度均显著小于前者。可见，国内仅有部分企业因应用人工智能而实现快速增收，多数传统行业的企业仍未受益，企业间的收入差距由此扩大。基于此，假说2得以证实。

3.基于地区发展不平衡的分析

在研究人工智能对我国收入分配的影响时，地区发展差异也是一个重要研究角度。本文在理论机制中分析了人工智能的区域异质性影响，即不同地区收入差距受人工智能的影响或呈现异质性。因此，本文进行了分地区回归，针对东部、东北、中部及西部地区逐个进行回归分析，进一步研究不同地区的人工智能发展差异对该地区收入差距所产生的影响。表3的估计结果显示：在考虑了多种影响因素的情况下，东部地区、东北地区和西部地区的回归系数均显著为正，这说明人工智能对我国收入差距总体上仍起到扩大作用，与前文结论一致。中部地区的回归系数虽为正，但不显著，本文认为可能是受到政策因素的影响，下文将具体解释。

就回归系数来看，东部地区人工智能发展水平与就业结构的交互项提高1个单位，将使本地区收入差距扩大0.5%;东北地区交互项提高1个单位，引起收入差距扩大8.1%;西部地区交互项提高1个单位，引起收入差距扩大9.4%，总体上呈现出发达地区收入差距所受影响较小、欠发达地区所受影响较大的特征。地区经济发展水平从两个层面对人工智能影响收入差距作出干预。一方面，经济基础决定上层建筑，经济发达地区的政策环境更为优越，完善的就业政策与广阔的发展前景通常吸引众多人才聚集于此，减少了人工智能给收入差距带来的不利影响;另一方面，经济发达地区通常走在技术进步前列，更多本地企业有能力引入人工智能这类新技术，高技术企业亦倾向于向经济发达地区聚集，进而提高整个地区的人工智能应用率，技术垄断程度较低，企业间收入差距得以缩小。早前已有學者指出我国东部沿海地区的技术水平最为先进，而其他地区则尚处于纯技术效率改善阶段，张公嵬、梁琦：《产业转移与资源的空间配置效应研究》，《产业经济评论》2010年第9期;张成、陈宁、周波：《东部率先发展战略和全要素生产率提升——基于倾向得分匹配—双重差分法的经验分析》，《当代财经》2017年第11期。这一技术发展特征正与本文的观点相一致。作为经济发展水平最为领先的地区，东部地区人工智能应用广泛、就业政策完善，一定程度上缓冲了人工智能给不同技能劳动力与不同企业所带去的冲击;东北地区作为老工业基地，具备一定的智能制造基础，虽因对外贸易与产业结构的落后，致其现有经济发展水平落后于东部地区，但整体来看，东北地区技术水平与政策完善程度处于中等水平，所以东北地区收入差距所受影响仅大于东部地区;西部地区的经济发展落后、地理条件偏远，技术水平与就业政策不完善程度更低，促使其对人工智能带来技术垄断与分配不均的调节能力最差，因此其收入差距的扩大程度也最大。曾有国外学者从类似角度展开研究，并得出相似结论，比如Berger和Frey发现人工智能促进部分发达城市就业结构升级的同时，欠发达城市却遭受了严重的失业问题，这同样导致了城市间的收入差距扩大。基于此，假说3得以证实。

表3分地区回归结果

至于中部地区的回归系数不显著，本文认为可从政策方面作出解释。就中部地区模型的回归结果来看，在引入城镇化水平（Cit）和政府行为（Gov）变量之后，交互项回归系数变小且不再显著，这揭示了政策对人工智能影响收入差距的干预作用。“中部崛起”战略的实施推动中部六省的经济发展进入新局面，国家大力扶持其产业发展，也创造出更多的就业机会。已有学者证明“中部崛起”战略缩小了中部地区的收入差距，有助于我国跨越“中等收入陷阱”，周文、赵果庆、徐波：《中国跨越“中等收入陷阱”的路径突破与政策应对——基于地区收入差距视角》，《经济理论与经济管理》2017年第1期。这一结论从侧面证明了本文的假设是合理的。并且，相比较其他地区的发展战略，“中部崛起”战略的政策落实时期与人工智能的发展时期有所重合，使其对人工智能影响收入分配的干预作用得以及时发挥，因此中部地区回归系数不显著或受此影响，这也印证了政策对于调节收入差距的重要作用。

4.稳健性检验与内生性问题

上述统计分析结果支持了理论机制中的基本结论，但为防止估计结果受到收入差距指标选择的影响，本文将更换被解释变量来进行稳健性检验。本文目前所采用的被解释变量是基于不同行业的城镇单位就业人员平均工资所得，但人工智能的发展存在城乡分化，这同样影响了劳动力就业与收入，王燊成：《人工智能时代我国就业公平的挑战及其应对》，《经济体制改革》2020年第1期。且已有学者证明中国总体收入差距的75%来源于城乡收入差距，陆铭、陈钊、万广华：《因患寡，而患不均——中国的收入差距、投资、教育和增长的相互影响》，《经济研究》2005年第12期。因此城乡收入差距也是衡量我国收入分配情况的重要指标。本文将被解释变量更换为城乡口径的收入差距数据，选择2009—2017年各省份的城镇居民家庭与农村居民家庭的人均可支配收入之比来进行回归。人工智能发展水平的估计系数依然显著为正，稳健性检验结果支持本文的基本结论。

另外，内生性问题是实证研究中不可忽略的重要问题，本文主要从两个方面进行内生性检验。一是人工智能发展水平与收入差距可能存在的反向因果关系，参考余淼杰和袁东以及唐松等的做法，余淼杰、袁东：《贸易自由化、加工贸易与成本加成——来自我国制造业企业的证据》，《管理世界》2016年第9期;唐松、伍旭川、祝佳：《数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异》，《管理世界》2020年第5期。使用滞后一期的解释变量作为当期值的工具变量，尽可能消除“收入差距越大的地区，人工智能发展水平越高”这一反向因果关系所导致的内生性偏误;二是遗漏变量所导致的内生性问题，在上述实证结果的基础上，本文还进一步引入了各省金融发展水平（FD）、技术市场成交额（AIC）和R&D经费投入强度加以控制。金融发展水平（FD）为贷款余额与地区生产总值之比，技术市场成交额（AIC）取对数处理，R&D经费投入强度为R&D经费支出与地区生产总值之比。最终，上述两个方面的内生性检验结果显示，人工智能发展水平的系数符号与显著性同基本回归保持一致，因此本文的基本结论是稳健的。

五、结论及建议

本文基于我国2009—2017年省级面板数据，从全新的视角考察了人工智能对收入分配的影响，揭示了主要作用机制。主要结论包括：（1）人工智能的挤出效应和创造效应有利于高收入群体稳就业，而低收入群体的失业问题更加严重，改变了劳动力就业结构，扩大了不同技能劳动力的收入差距;（2）人工智能的技术垄断效应可显著提高部分企业的劳动生产率并使其获得超额利润，尚未应用人工智能的企业则无法受益，企业间的收入差距由此扩大;（3）人工智能对收入差距的影响存在区域异质性。东部地区的人工智能应用最为广泛，且其政策环境优越、人力资本水平较高，收入差距所受影响最小;东北地区人工智能应用的广泛度以及政策完善程度居中，收入差距所受影响大于东部地区;西部地区的人工智能应用广泛度最低、就业调节能力最差，收入分配所受影响也最大;最后，人工智能对中部地区收入差距的影响不显著，本文认为是受“中部崛起”战略的影响所致。基于此研究结论，本文提出以下政策建议：

第一，重视技能培训，促进低技能劳动力的稳就业与再就业。人工智能对不同技能劳动力具有异质性影响，给低技能劳动力带来严重的失业问题，因此着力保障低技能劳动力的稳就业与再就业是关键。一方面，发挥政府主导效应，建立健全就业培训机制。密切关注人工智能的发展历程，深入研究并预判其对劳动力就业的影响，加强对低技能劳动力的在岗和转岗技能培训，提高其素质水平，使低技能劳动力在面对人工智能的挤出效应时拥有更高的适应能力，切实保障低技能劳动力的稳就业;另一方面，增加岗位供给，加强公共服务建设，为低技能劳动力提供更多合適的岗位。政府对公共资源具有控制力，可增加对公共事业及中小微企业的投资补贴和税收优惠，鼓励各经营主体增设低技能岗位，同时进一步完善公共就业服务体系，提高劳动力市场的信息流动性，降低低技能劳动力的再就业门槛，解决人工智能发展带来的失业问题。

第二，加快技术应用，针对技术落后企业给予补助与扶持。不同企业的人工智能应用差异是导致技术垄断现象凸显、企业间收入差距扩大的重要原因，为缩小企业间收入差距，政府部门可从两方面发力。其一，增加对人工智能的研发投入，推进政府、高校、研发机构和企业“四位一体”创新体系的建设，以教育补贴等方式鼓励高校建立人工智能学院、开设人工智能专业，以从业津贴等方式促进更多人才进入研发机构从事人工智能的学习与研发，提升人工智能领域人才的培养水平，进而提高人工智能的发展水平，降低其应用成本。高昂的成本是新技术应用门槛高的主要原因，因此降低应用成本可加速推进人工智能在各行业的广泛应用。其二，加大对企业技术创新的支持力度，针对部分技术条件落后的企业给予补助与扶持，通过发放技术补贴、派遣技术人员等形式来促进技术落后企业同新技术相衔接，并适应人工智能的发展特点和趋势，持续跟踪并推进传统行业的技术转型，从而缩小企业间技术差异，减少企业间收入差距。

第三，缩小地区差异，以人工智能产业带动地方发展。欠发达地区的收入分配受人工智能影响大，主要归因于人工智能的应用不广泛与就业政策的不完善。因此，在着力提高欠发达地区人工智能发展水平的同时，还需以人工智能产业带动地方发展，完善政策环境。首先，应对东北地区和中西部地区给予人工智能招商引资方面的政策优惠，完善其政策环境，大力促进地区间的技术转移，这是提高欠发达地区人工智能发展水平、实现人工智能在我国各地区广泛应用的关键。其次，不同地区采用不同对策，在技术基础尤为薄弱的地区，先在当地优势行业应用人工智能，再以优势行业带动其他行业的模式，逐步实现人工智能在全行业的广泛应用，以保障落后地区的产业技术升级平稳有序地进行。最后，结合地方优势，以人工智能推动产业结构高级化进程，充分发挥人工智能在提升劳动生产率方面的积极作用，促进地区经济发展，实现地方增收。经济水平的提高将带动地方就业政策的完善，进而增强欠发达地区在劳动力就业方面的调节能力，以减少人工智能对我国劳动力就业和收入分配的冲击。

作者单位：安徽大学经济学院

责任编辑：韩海燕