人工智能的经济影响与公共政策响应

□何小钢

一、引言

在大数据、机器学习以及数字化工具的驱动下，人工智能技术应用迎来拐点并逐渐渗透到各个领域，以自动化、数字化和智能化为主要特征的“第二次机器革命”浪潮给经济社会发展带来了巨大的冲击（陈永伟和曾昭睿，2019）。中国信通院云计算与大数据研究所牵头梳理的《2021 人工智能十大关键词》指出，人工智能与金融、医疗等行业深度融合走向深水区。就金融行业中，智能化成为金融科技布局的重点方向，2020 年银行信息科技投入达到2017 亿元，同比增长超过25%。金融机构通过扩大科技团队、建设基础能力、提供基础应用、赋能已有场景、建立促进和保障机制，全方面进行人工智能体系建设；医疗行业中，人工智能在疫情防控与复工复产中发挥重大作用，在新药研发、蛋白质结构预测等生物化学领域应用成果明显。党的十九大报告提出，促进人工智能、大数据等数字技术与实体经济的融合，有助于培育新的增长点，形成新动能。习近平总书记在主持中共中央政治局第九次集体学习时也强调，人工智能发展是我国科技革命和产业变革的关键，具有重大的战略意义。

理论上，人工智能作为一项通用性目的技术，同以往的技术进步一样，其渗透性的推广和应用往往会提升各行业全要素生产率。从企业层面来看，人工智能可以通过预测优化、提高组织创新能力、缩减成本、增加研发等渠道为企业提效赋能，如已有研究肯定了人工智能应用对生产率的正向影响，认为大力发展人工智能有助于一国经济增长（Graetz 和Michaels，2015；Ajay 等，2019；程虹等，2018；李丫丫等，2018）。人工智能最突出的特征在于其与劳动力市场的互动机制，人工智能技术应用对就业市场影响的范围之广、程度之深超越了以往的技术进步，如国外就有许多研究证实了人工智能的岗位替代或创造效应，以及劳动力就业结构呈现的“极化现象”。然而，人工智能在中国劳动力市场则呈现出单极化和地区差异化特征，产生这种差异的原因可能是，与国外谨慎考虑人工智能对岗位的替代效应不同，就业替代的威胁并不是中国政府和民众的优先考虑项，中国政府对人工智能政策的制定动机更多是出于应对劳动力短缺的挑战以及引发新一轮工业革命的需要（Cheng Hong 等，2019）。近年来，中国人口增速持续放缓，老龄化程度加深导致的工资上涨加速了人工智能在经济领域应用的普及。已有研究发现，人工智能的应用能弥补老龄化带来的劳动力供给减少、经济发展动力不足等问题（陈秋霖等，2018）。而相关政府补贴和产业优惠政策也极大地刺激了企业使用智能机器人，这就进一步促进了人工智能在中国的发展和应用（Cheng Hong 等，2019）。目前，中国政府已将机器人产业确定为具有战略意义的重要产业，启动了各种计划和补贴来鼓励使用机器人，以此促进中国制造业转型升级。人工智能发展的开放性和不确定性使得其技术的跨国流动性增强，尤其是在大数据、互联网和机器学习等前沿技术日新月异地发展下，未来人工智能发展和应用前景广阔，不断深入探讨和完善人工智能的公共政策对中国经济社会发展意义重大。

本文对人工智能的经济效应和老龄化背景下的响应政策进行探讨，主要贡献在于：一是从生产率以及研发互补性视角，研究了人工智能提高生产率进而推动经济高质量增长的具体路径；二是全面梳理了人工智能的就业冲击与收入分配效应，剖析了人工智能在中国与部分发达国家呈现出的不同效应，为正确认识人工智能与劳动力之间的关系作出了一定贡献；三是结合人口老龄化的背景，讨论了人工智能对中国未来发展的影响，提出与人工智能发展相适应的配套劳动力市场调整建议，具有重要的政策涵义。

二、人工智能的发展历程

人工智能（Artificial Intelligence，简称AI）属于计算机科学的一个重要分支，最初以计算机技术为基础，而后受云计算、深度学习等技术推动取得了突破性进展，其本质是一种信息通信技术（Information Communication Technology：ICT），也是一种新型的通用目的技术（General Purpose Technology：GPT），具有通用性和渗透性的特征（蔡跃洲和张钧南，2015）。随着技术发展的不断进步，人工智能的定义也一直处于发展之中，目前学界较为接受的定义是由约翰·麦卡锡早期提出的，即人工智能是一项制造智能机器的科学工程，其目的是使机器所表现的行为与人的智能行为相似。在此基础上，根据智能机器有无自主意识，人工智能可划分为“弱人工智能”和“强人工智能”两种类型。其中，“弱人工智能”是指模仿人类行为看起来很智能，但实际上却缺乏自主意识，而“强人工智能”则不同，是指生产的机器同人类一样具有自我意识，可以独立进行推理和决策，这类人工智能的普及应用会给世界带来更大的、更具颠覆性的影响。从人工智能技术发展史来看，人工智能未来发展依然面临着重重困难，并将长期处于“弱人工智能”阶段（张鑫和王明辉，2019）。目前，学界对于“弱人工智能”领域的研究主要仍集中于研究“弱人工智能”对经济的影响（刘涛雄和刘骏，2018）。

20 世纪50 年代，“人工智能”概念被首次提出（Moor，2006）后不久，人工智能的发展便遭遇了瓶颈，直到20 世纪90 年代后期，人工智能还是建立在建模、学习和计算基础上，研究者们也主要是尝试在模式识别和预测方面复制并改进人类智能。随着深度学习、物联网和大数据等技术的兴起，人工智能重新迎来发展高潮。据2016 年美国发布的总统经济报告显示，2010—2014 年，全球对机器人技术的需求几乎翻了一番，而且面向机器人技术的专利数量和份额也有所增加。2016 年谷歌开发的AlphaGo 系统击败了世界围棋高手李世石，这使越来越多的人们意识到如今的人工智能已不再简单地依赖于程序化的控制模拟，而是更加的智能化。人工智能与计算机科学、现代机器人学、生物仿生学等学科存在明显交叉并且联系密切，涵盖的前沿技术和分支也较多，包括深度学习、数据存储、算法软件开发、自然语言处理等技术。现实生活中较为常见的机器人就是人工智能和其他数字技术结合的重要产物之一，因此可以把机器人看作人工智能应用的一个重要分支。目前的人工智能主要面向两大领域推进：一是“合成智能”，主要是应用大数据、深度学习、算法等技术来处理数据，具体可以细分出神经网络、智能搜索、人脸识别等领域；二是“人造劳动者”，主要是结合传感器和执行器，制造出代替人类执行某些特定活动的智能机器人（郑戈，2017）。这些机器人除了参与体力劳动以外，还可以完成机械加工、材料搬运和质量控制等任务，同时，利用物联网技术执行任务的人工智能系统在医疗应用、法律服务、会计和审计等领域也越发常见。根据国际机器人联合会（IFR）最新发布的《2020年世界机器人技术》报告显示，世界各地的工厂中正在运行的工业机器人数量超过270 万台，较去年相比增长了12%，与此同时，全世界新安装机器人的销量仍然保持较高水平，2019 年全球发货量就达到37.3 万台，虽然比2018 年下降了12%，但依然是有记录以来的第三高销量。中国是机器人应用大国，据IFR 数据显示，亚洲是工业机器人最强劲的市场，其中中国过去十几年中工业机器人的安装量增加迅速，在2019 年达到了约78.3 万台，位居亚洲国家第一，总运营时长统计存量较2018 增长了21%；日本位居第二，约有35.5 万台，较2018 年增长了12%；其次是印度，约为2.63 万辆，增长达15%。从人工智能，尤其是智能机器人的应用现状与前景不难发现，人工智能、机器人等新一代信息技术发展迅速，现代企业生产方式正面临着突破性的改变，经济社会或将面临新的变革和挑战。

三、人工智能、生产率与经济增长

（一）人工智能与生产率

各国研究者们利用国际机器人联合会（IFR）机器人装运数据、欧洲制造业调查数据（EMS）以及工业部门统计数据进行实证分析发现，人工智能的应用对地区或企业的生产率有正向的显著影响。欧洲机器人委员会审查了7 个欧洲国家3000 家制造类企业2016 年的数据发现，工业机器人在批量生产的大公司以及面向出口的公司中应用更为普遍，并且应用人工智能的公司其劳动生产率水平明显较高。Graetz 和Michaels（2015）调查了17 个国家工业部门1993—2007 年的机器人使用情况发现，工业机器人提高了劳动生产率和附加值，对一国生产总值增长的贡献大约占总增长量的十分之一，这与19 世纪蒸汽机投入使用对英国工业生产率提升的贡献相当。国内研究同样发现，智能机器人的使用使得企业资本回报率、质量水平与管理效率均得到较大提升（程虹等，2018），也有研究具体指出工业机器人带来的技术溢出对生产率具有提升效果。因此，完善机器人配套产业链、增强企业的技术吸收能力对制造业企业生产率的提升具有显著的效果（李丫丫等，2018）。

（二）人工智能与经济增长

越来越多的工业机器人借助程序编程或人工智能技术参与执行生产过程中的各项任务，尤其是在制造业部门中应用更加普及。根据程虹等（2018）的研究结果显示，机器人已经对我国超过30%的制造业企业产生了潜在影响。2021 世界人工智能大会过后，启信灯塔数据研究中心发布了《人工智能（2010—2021）行业发展研究报告》，报告显示，人工智能科技创新及转化能力逐年提高，产业发明专利占全行业的65%；2010—2020 年人工智能企业融资总额达3 万亿元，市场前景广阔。同时，报告还预计，随着疫情中人工智能场景的密集应用、落地渠道的增加和技术的不断成熟开放，2021—2025 年中国人工智能将再度高速增长，产业迎来黄金期。总体来看，人工智能的应用促进经济增长的观点被人们广泛接受。关于人工智能促进经济增长机制的研究主要可分为3 个方面：第一，技术进步。基于计量经济学框架对企业层面的研究发现，自动化设备和信息通信技术对制造业企业生产率提升具有促进作用（Oliner 等，2008；Jorgenson 和Dale，2001）。具体而言，技术进步提升了组织部门的全要素生产率和创新能力，从而促进一国或地区的经济增长（Bresnahan 等，2002）。第二，“互补”效应和“替代”效应。Hanson（2001）通过建立新古典经济增长模型发现，自动化机器对劳动力形成的“互补”和“替代”效应提升了企业生产力。基于任务模型，Aghion 等（2017）发现，应用更便宜的人工智能技术对劳动力进行补充或者替代可降低生产成本。人工智能会根据不断变化的条件动态优化生产，通过自动化和预测帮助企业优化决策，降低重新分配和重组任务的成本，从而提升劳动生产率（Ajay 等，2019；Atack 等，2019）。高盛2019 年发布的《人工智能报告》指出，人工智能的使用缩减了劳动力需求、降低了成本，对促进生产力提升的贡献突出。第三，要素投入。人工智能的应用和发展会显著促进教育和研发投入，从而带来经济增长（Strulik 和Prettner，2017；Fernald 和Jones，2014）。

四、人工智能对就业和收入的影响

（一）人工智能对就业的影响

以人工智能为代表的新一轮技术发展与经济生产过程进行了深度融合，提升了企业的生产率，但是在促进经济增长的同时，人工智能的普及应用也引发了人们对组织变革及大规模失业现象的担忧。关于人工智能对劳动力就业影响的讨论主要集中于2 个方面：一方面是人工智能的“替代效应”和“创造效应”对劳动力就业岗位数量的影响；另一方面是由于人工智能带来的技术进步是非中性的，这就可能导致对从事重复常规型任务的中低等技能劳动力的替代效应更强，导致劳动力就业结构呈现“极化现象”。

1.人工智能的“替代效应”和“创造效应”

有研究认为，随着机器人应用的边际成本下降且效率提升，智能机器人的应用对劳动力的“替代效应”愈发显著。如Autor 等（2003）以工作内容能否完全被计算机编码实现自动化为标准，对人们的工作岗位进行分类后发现，智能机器人的应用给社会带来的影响不再仅仅局限于替代机械类体力劳动，还有一些中等技能的认知任务也面临被替代的风险。据2020 年10 月世界经济论坛发布的预测报告表明，随着人工智能系统被越来越多地引入到工作场所，政府部门和企业愈发倾向于采用更具成本效益的方式完成任务，这就导致人工智能应用的净效应进一步减少劳动力就业。也有研究认为，未来20 年内将有35%的英国工人、47%的美国工人被新技术替代，而发展中国家的比例会更高，如中国可能有77%的工作面临被替代的风险（胡岚曦和胡志浩，2020）。Acemoglu 和Restrepo（2017）研究发现，人工智能的“替代效应”在制造业中最为明显，特别是对一般的体力劳动者、低学历的蓝领工人的替代作用更强。来自中国的实证研究还发现，机器人对劳动力的“替代效应”存在行业异质性和生产率异质性的特点，如程虹等（2018）采用“中国企业-劳动力匹配调查”数据发现，机器人的应用集中于汽车（20%）、电气机械（15%）和通信电子设备（10%）等生产率较高的行业。李丫丫等（2018）对中国省域机器人应用数据进行分析发现，中国工业机器人对沿海、中部等区域的生产率提升效果显著。

然而，也有一些研究认为人们夸大了人工智能对劳动力的替代程度，却对智能机器人的引入给劳动力带来的“创造效应”认识不足。一方面，人工智能的应用会促进已有岗位对劳动力的需求。从以往新兴技术变革来看，机器应用并没有带来大规模的失业，相反，资本的不断积累和生产力的逐步提高对劳动力的需求产生了积极影响。如Autor（2015）认为，劳动力在解决问题的能力、直觉、创造力和说服力方面具有比较优势，机器所代替的工作内容与劳动力之间存在较强的互补性，提高了生产力和对劳动力的总体需求。Acemoglu 和Restrepo（2017）通过模型分析发现，短期内机器人的使用能够有效推动发达国家提高全要素生产率，并对非技能劳动力产生1～2 个百分点的冲击，但长期内机器人对劳动力的“换人”效应趋近于0。蔡跃洲和陈楠（2019）指出，人工智能技术的应用对就业有着“补偿效应”，技术应用会带来效率提升，在促进企业规模化生产的同时，也会带来产品品质提升或者实际价格下降，进而促进市场消费需求增加，为满足增加的消费需求，企业就会雇佣更多劳动力。另一方面，技术进步本身也会创造一些新的岗位来替代被淘汰掉的岗位。如19 世纪英国新技术的引进和应用使各种新行业和新工作迅速扩张（Landes，1969）；20 世纪初，美国机械化设备的普及使农业就业大量增加，同时，农业新兴设备产业、新工业和棉纺业的劳动力需求也相应增加。中国人工智能的应用也催生了一些新的工作岗位出现，如2019 年中国人力资源和社会保障部等部门发布了13 个新职业信息，其中就包括人工智能工程技术人员、工业机器人系统操作员和数字化管理师等。人工智能领域及其上下游行业的人才需求持续扩张，为市场增加了巨大的新岗位劳动力需求。Dauth 等（2017）综合德国劳动力市场数据和IFR 机器人数据发现，虽然每增加1 个工业机器人就会导致制造业减少2 个就业岗位，但与此同时，服务业却能够创造更多新的就业岗位。Autor 和Salomons（2017）指出，随着行业生产力的普遍提高，在某些行业内虽然劳动力就业下降，但人工智能对其他行业的积极溢出却能够抵消这一消极影响。综上，从短期来看，人工智能的“替代效应”将对劳动力市场带来较大冲击，但长期来看，人工智能的“创造效应”又会使得市场出现一批新的就业岗位，新行业和新工作的出现会对劳动力就业产生积极的影响。

人工智能对就业既有“替代效应”，又有“创造效应”，两种效应对就业的影响截然不同。然而，由于缺乏完整统一的人工智能数据库，来自不同地区、不同数据资料分析得到的结果莫衷一是，关于人工智能应用对劳动力市场就业总量的影响效果还有待进一步研究观察。有的学者认为2 种效应是无法估计的，如Ajay 等（2019）在与几百家人工智能企业合作研究技术对劳动力市场上特定职位的替代和互补影响时发现，即使在短期内，人工智能对整个劳动力的净影响也是无法评估的。人工智能技术应用影响劳动力需求的因素较多，其净效应的大小还较为模糊，在技术对经济社会产生渐进影响的过程中，其影响程度也与人工智能技术的发展速度、行业环境和政策条件密切相关（蔡跃洲和陈楠，2019）。有的研究者支持“影响中性”，认为同历史上发生的技术进步一样，人工智能的“创造效应”带来岗位的增加可以补偿被其所替代的就业岗位，劳动力就业总量保持稳定（Bessen，2018）。有的学者认为人工智能的“替代效应”有限。如Holford（2018）认为，人工智能主要还是依赖编码知识进行模拟决策，不能完全同人类一样具有创造性思维，无法完全替代人类。还有的研究认为人工智能的“创造效应”更显著，如世界银行2016 年发布的报告预计，中国人工智能技术的就业“创造效应”会大于“替代效应”。在调整了技术应用面临的经济、法律、监管等障碍后，普华永道发布的《2018 AI Predictions:insights to shape business strategy》显示，未来人工智能等相关技术可能替代现有26%的工作岗位，但其带来的生产率和实际收入水平的提升将为中国创造38%左右的新就业机会，根据测算，人工智能有望为中国就业带来约9000 万个新增岗位。

2.劳动力就业的“极化现象”

（1）就业市场的“极化现象”

随着经济社会的日益发展，发达国家和发展中国家对熟练劳动力的需求正在不断增加，但在人工智能加速普及的背景下，劳动力市场就业的变化并不是单纯地由低技能就业岗位向高技能岗位转移。与技能偏向型技术进步不同，人工智能的冲击可能使劳动力市场就业出现“极化现象”。有研究发现，人工智能对劳动力的“替代效应”具有行业异质性，且在同一行业对不同高低技能劳动力的替代程度也有所不同（Acemoglu和Restrepo，2017）。程虹等（2018）从劳动技能和资本密集2 个层面共4 个维度进行分类发现，机器人对劳动密集型行业中非技能劳动力的“替代效应”最强，而对各个不同行业的技能劳动力数量具有增进效果，即机器人的引入增加了对技能型劳动力的需求。部分欧美发达国家的劳动力就业受技术冲击时呈现出强烈的U型特征，即高收入认知工作和低收入体力工作的就业率不断上升而中等技能的劳动力就业下降，呈现两极分化现象（Acemoglu 和Autor，2011；Autor 和Dorn，2010）。然而，有些学者研究发现，中国劳动力就业的特点与发达国家存在差异，如孙早和侯玉琳（2019）基于中国中西部与沿海发达地区发展不平衡的现状进行分析发现，工业智能化程度与经济发展水平相关，发达地区的高生活成本可能挤出低技能劳动者就业，使发达地区劳动力就业呈现向高技能劳动力倾斜的“单极极化”特征。程承坪和彭欢（2018）则指出，中国人工智能的发展对就业的空间极化现象已经显现，发达地区新增就业远远大于欠发达地区，而且随着技术应用的发展和日趋成熟，就业的空间极化现象可能还会加剧。

（2）“极化现象”的解释

目前关于劳动力就业“极化现象”的解释主要有3 种：一是强调技术进步非中性。该理论认为，人们的工作按内容可以分为3 类：手工常规任务、常规易编码任务和非常规认知任务，其中，技术进步会替代常规任务，补充非常规认知任务。Autor 等（2013）对工作任务进行分类并分析后指出，制造业企业中的工作内容可以分为2 类：一种是常规生产任务（包括企业的装配、焊接、传输等），这类任务能够被计算机完全编码并实现自动化，主要由中低技能的劳动者负责；另一种是非常规生产任务（包括部门交互、管理、检查维修设备），这种工作不能被计算机完全编码替代，主要由高等技能劳动者提供。为使读者更易于理解，采用科布-道格拉斯生产函数：Y=（LR+C）1-ɑLNɑ进行进一步分析，其中LR、LN 分别代表常规和非常规工作任务的投入，分别对应中低技能劳动力与高技能劳动力，当智能化设备的投入资本C 随时间下降时，智能机器人对常规、生产任务的“替代效应”就会增强。此外，智能化设备的应用凸显了劳动力在解决问题、适应性和创造力方面的比较优势，因此，人工智能会替代低技能劳动，并与高技能劳动力形成互补。Autor（2015）通过对美国劳动力市场的分析发现，计算机的规模化应用降低了常规生产岗位的需求，却大幅度提升了非常规生产岗位的需求。二是行业专业化程度加深和组织结构变化使劳动力就业层次出现分割。这种解释具体表现为高技术部门或行业倾向于雇佣高学历、高技能劳动力，低技能部门倾向于集中低技能劳动力，社会各部门发展趋向于更专业化（Kremer 等，2006）。三是强调技术冲击对消费者偏好和贸易的综合影响。人工智能技术的进步降低了外包的成本，可以满足消费者多样化需求，是劳动力“极化”的一个重要原因（Autor 和Dorn，2010）。吕世斌和张世伟（2015）认为，技术进步使得运输和通信交流更加便利，信息技术的发展使得外包成本降低，促进加入世界贸易后的发展中国家生产组织的专业化程度上升，全球化贸易的增加对不同技能劳动力就业产生影响。此外，也有研究发现，随着人工智能技术的进步，其对高技能劳动力带来的影响也越来越大，人工智能技术对未来劳动力市场就业的影响效果还有待进一步探索。

（二）人工智能对收入的影响

面对人工智能逐渐走向市场应用，其导致的收入分配不平等问题不容忽视。自20 世纪80 年代以来，工业机器人在制造业中被大量使用，许多发达国家工资不平等现象明显加剧，而以技能为导向的技术变革则是产生该现象的主要原因。然而，技术的传播及应用虽然有助于解释发达国家劳动力市场不平等加剧现象，但是对发展中国家或者贫穷国家收入分配的影响尚没有直接的证据。传统贸易理论认为，在全球经济一体化时期，发展中国家的不平等现象将减少，然而在过去几十年中，非洲、拉丁美洲和亚洲地区的部分发展中国家或地区的经济发展增速缓慢。这主要是由于发展中国家各行业专业化程度不同且学历在高中及以下的劳动力数量较多，因此由人工智能技术带来的不平等情况可能会更加严重。对此，经济学家们提出并比较了2 种可能的解释：技能偏向型技术变革（Feenstra 和Gordon，1999）和国际贸易导致的外包和质量升级（Frias等，2009）。也有学者认为这2 种解释都起到了作用，甚至两者之间存在相互作用（Acemoglu 和Restrepo，2019）。由以往研究可知，人工智能主要是通过改变不同技能劳动力的收入水平、不同行业要素的投资回报率以及企业的市场份额，从而影响劳动力市场的收入分配。

1.人工智能影响劳动力的收入水平

人工智能技术具有偏向性（Autor，2015），即人工智能对劳动力市场中低技能群体与中高技能劳动力的影响是不同的。一般认为，低技能劳动力的工资报酬受技术进步影响更大，容易产生收入下降甚至面临失业的风险。Prettner 和Strulik（2017）运用OLG 模型将教育内生化，即假设高学历的劳动者与机器是互补关系，低学历的劳动者与机器是替代关系，通过研究证明了技术与经济不断发展的同时，收入差距会进一步扩大。然而，随着人工智能的发展，研究者发现其对金融、律师、医生等高技能劳动力的冲击也在增加，人工智能对这部分劳动力的“替代效应”有助于缩小收入差距（陈永伟，2018）。吕世斌和张世伟（2015）就中国制造业工人的工资变化情况进行调查发现，随着就业“极化”现象的出现，劳动者的工资也呈现“极化”现象，人工智能对高、低技术行业的劳动力报酬都有显著的正向作用。

2.人工智能影响资本的投资回报率

基于任务模型，学者们考察了自动化对劳动力价格和资本价格的变化发现，自动化会导致一些行业比重上升，另一些行业下降。Lankishch 等（2017）运用内生增长模型研究自动化带来的技能溢价发现，自动化的应用降低了低技能工人的工资，致使收入不平等现象加剧。技术的应用会改变要素的投入产出，使资本投资回报率上升（Acemoglu 和Restrepo，2017）。研究者们还发现，人工智能对不同地区的劳动力分布产生的影响不同，这就导致各地区的投资回报率存在差异，进而造成城市间的收入不平等扩大（曹静和周亚林，2018）。

3.人工智能影响企业的市场份额

一方面，通过对数据的智能化处理和分析，人工智能能够帮助企业获得产出和产品定价上的相对优势，从而获得更大市场份额。根据产业组织理论，当数据集中在少数企业，算法歧视（Algorithmic Discrimination）和算法合谋（Algorithmic Collusion）的风险将加大，企业采取价格歧视和垄断合谋阻碍市场竞争的风险也会加大；另一方面，人工智能作为一项数字技术，边际成本低且易于扩散的数字特性导致早期进入市场的企业更易建立行业壁垒，从而拉开与其他企业之间的生产力差距，同时促进企业的横向扩张和纵向并购行为，利润和财富在少数大公司中集中，收入分配问题和不平等现象加剧（陈永伟，2018）。此外，人工智能产业对城市的发展，特别是超大城市的发展也具有显著影响，这就容易加剧这些城市内企业与其他城市企业的差距。具体而言，由于强大的资源聚集和人才聚集效应以及强大的人工智能生产链，发达城市的生产自动化和智能化程度得到更大提升，企业得到进一步发展，越来越多的资本替代劳动，促进了区域全要素生产率的提升，推动中国经济向更高质量发展，但同时也进一步扩大了国内各区域经济发展的差异（陈德余和汤勇刚，2021）。

五、发展人工智能的政策响应

（一）“智能红利”补位人口红利不足

人口老龄化加深是中国经济加速发展过程中面临的一大难题，也是影响中国经济发展的重要因素。随着人口红利减弱，人工智能等技术发展带来的“智能红利”可以刺激企业创新，提高生产效率，从而弥补人口红利减少导致的经济增长动力不足。已有研究发现，在人口老龄化致使劳动力绝对数量下降的背景下，人口结构变化和劳动力成本上升等因素是驱使自动化市场蓬勃向上发展的动力。研究一国人口老龄化程度和机器人使用密度的关系发现，不同生产要素相对价格的变化会刺激对特定种类创新的应用，当劳动力工资上升导致成本上涨时，企业应用先进技术替代劳动力的意愿就更强（Abeliansky 和Prettner，2017；Acemoglu 和Restrepo，2017）。因此，越是人口老龄化严重的国家，使用机器人替代的激励就越大。陈秋霖等（2018）发现，人工智能发展属于“诱导式创新”，其与劳动力之间更多是“补位式替代”关系，即智能化设备可以填补劳动力缺口，抵偿老龄化加深对经济增长的不利影响。陈彦斌等（2019）通过构建人工智能和老龄化的动态一般均衡模型发现，人工智能应用促进了技术进步，有利于提高全要素生产率，其应对老龄化的效果可能较延迟退休表现更为显著。为应对人口老龄化问题，一些国家对人工智能的发展和应用保持着高度关注，围绕人工智能的发展开展了一系列研究并制定了相应的公共政策。如2016 年美国白宫发布了《为人工智能的未来做好准备》，报告深度分析了人工智能对经济和就业的影响；2017 年英国发布了《人工智能：未来决策制定的机遇与影响》，该报告把人工智能的创新优势上升为国家战略，指出在将发展人工智能用于提升总体国家竞争能力的同时也要积极应对人工智能给法律和个人或公众利益带来的挑战；德国针对人工智能技术的开发，与美国、以色列等展开合作，明确表示支持人工智能在交通、家居、生产等多行业领域的融合应用；日本推动数据标准化建设和人工智能在社会服务平台的应用，打造了“超智能社会5.0”（薛亮，2017）。

近年来，中国政府也积极推动工业机器人的生产和使用。2013 年，中华人民共和国工业和信息化部（MIIT）发布了《机器人产业促进和发展指导意见》，提出了一些机器人产业发展的具体目标，如发展3～5 家世界领先的机器人公司和8～10 个配套产业集群；将中国高端机器人产品的全球市场份额提高到45%以上；推动机器人在工厂的使用，使每万名工人拥有100 台机器人。2015 年启动的“中国制造2025”提出，到2020年，每年生产10 万台工业机器人，并实现每1 万名工人拥有150 台机器人的密度。2016 年，中华人民共和国工业和信息化部等部门共同启动了《机器人产业发展规划（2016—2020 年）》，将机器人应用推广到包括服务业在内的更广泛领域。2020 年3 月，中华人民共和国科学技术部发布的《关于科技创新支撑复工复产和经济平稳运行的若干措施》明确提出要大力推动关键核心技术攻关，人工智能便是其中一项。此外，该部门还提出要编制面向智慧医疗、智慧农业、公共卫生、智慧城市、现代食品、生态修复、清洁生产等应用场景的技术目录，在国家高新区、国家新一代人工智能创新发展试验区等打造示范应用场景，推动实施一批新兴产业技术项目，引导消费和投资方向。中华人民共和国工业和信息化部在2020 年3 月的《关于开展产业链固链行动推动产业链协同复工复产的通知》 中提到，要加快人工智能等新基础设施建设，加快制造业智能化改造。2020 年4 月，中华人民共和国国家发展和改革委员会首次明确新型基础设施的范围，人工智能便是新基建的一大主要领域。此外，人工智能相关法律法规问题在2020 年6 月的中华人民共和国全国人民代表大会常务委员会中也被提及，指出要加强立法理论研究，重视对人工智能、区块链、基因编辑等新技术新领域相关法律问题的研究。为更好在全球治理格局下寻求合作共享的机会，中国制定公共政策时应考虑其他国家人工智能和数据规制制度的差异性，共同构建全球治理机制（贾开和蒋余浩，2017）。

（二）应对人工智能给劳动力就业带来的挑战

发展人工智能有助于缓解老龄化对中国经济增长带来的不利影响（陈彦斌，2019；陈秋霖等，2018；刘涛雄和刘骏，2018），但防范人工智能带来的失业和收入分配问题则是人工智能有序发展和应用的关键。人工智能对就业市场的冲击给本身处于弱势的人群带来的影响可能更大。如Borjas 和Freeman（2019）利用中国地级市2000—2016 年的数据和中国公民个人纵向数据进行研究发现，机器人技术的应用显著减少了迁移人口的回流，工业机器人普及程度较高的省份移民人口比例下降，同时，机器人使用对国有部门、低技能岗位工作和老年劳动者的影响更大。孙早和侯玉琳（2019）研究发现，智能化会促进机器对中等技能劳动力的替代，刺激人力资本加快提升，劳动力就业结构面临重塑。据统计，2020 年中国工业机器人行业创造的系统操作员、运维员等诸多新岗位人才需求量达20 万，但是供给的缺口大，劳动力素质与未来工作技能要求不匹配等问题突出（王君等，2017）。

而处理技术对劳动力就业的冲击，避免出现结构性失业的关键主要在于政府。除了减缓技术应用的速度，防止短期内突然对劳动力市场产生巨大冲击之外，政府还需要提供一些如社会保护、税收福利制度等政策措施。当技术替代劳动力时，社会保障制度是维持劳动力市场平稳过渡的关键因素，适当的社会保障制度有助于提高就业率。但社会保障制度也可能存在不足，如国外全民基本收入制度（UBI）作为一种社会保障制度引起了广泛关注（Furman 和Seamans，2018），这一制度的优势在于能够在一定程度上减轻贫困，保障人们在面对工作机会相对较少时依然能够生存（Goolsbee，2018），但也存在明显的缺点：首先，激励机制容易发生扭曲，这在很大程度上会降低市场劳动力的参与度，尤其是低收入人群可能会变得懒散且更加依赖社会基本保障。其次，政府面临的支出压力变大，可能出现税收收入难以保障，与其他福利政策难协调等问题（曹静和周亚林，2018）。为应对人工智能对劳动力就业造成严重冲击，国内研究者们从提高劳动者素质，鼓励创新创业，深化教育培养体制改革以及完善社会保障制度方面，提出政策建议（王君等，2017；程承坪和彭欢，2018；段海英和郭元元，2018）。建议具体可以归纳为三点：一是重构职业教育体系，完善社会各类保障制度。结合人工智能和机器人行业对人才素质和技能的要求，以市场需求为导向，增强高等教育院校自主办学的灵活性。提高劳动者素质和技能水平，培养具有较强适用能力的劳动力。完善社会失业保险保障和就业援助制度，对技能不足的劳动力进行再教育和培训，使劳动者在岗位转换间实现平稳过渡。二是减少信息不对称，保持劳动力在不同区域的流动性。加强岗位信息服务，促进劳动力的跨区域流动，鼓励农村居民向城镇和劳动力匮乏的区域寻求工作机会。进一步完善户籍制度，避免区域性和行业间就业歧视现象发生。三是鼓励创新创业，激发人工智能的创造效应。鼓励中高端人才创新创业，催生新型业态，扩大就业市场容量。加快人工智能创新基地的建设和人工智能重点领域的突破，支持人工智能应用成果转化。激发人工智能的就业创造能力，扩大对劳动者的吸纳能力。

（三）应对人工智能给收入分配带来的挑战

随着人工智能对劳动力就业结构的影响日益深化，劳动者内部的收入差距不可避免地扩大。针对人工智能给收入分配带来的挑战，国内外学者就数据收费、税收、数字基础设施建设等政策建议展开讨论。Rifkin（2014）认为，人工智能应用带来日益严重的不平等现象与其零边际成本和消费者免费分享数据以换取“免费服务”有关，数据的构建和算法的处理在人工智能中起着重要的作用，当前的“免费数据-免费服务”模式应该得以调整，重新建立适当的、基于边际成本的激励机制。Ibarra 等（2018）也支持对数据收费的建议，认为这不仅有利于改善不平等现象，而且有助于信息隐私的保护。Acemoglu Restrepo（2019）从税收角度分析指出，对数字经济适当征税，一方面可以保持稳定的税收基础；另一方面也能够激励企业创新。还有学者提出通过鼓励工人参与共享资本收益和利润以及建立有效的税收体系来解决日益严重的不平等问题（Freeman，2015；Ciminelli 等，2017），但实际上，减少工作时间和分享企业盈余利润的倡议很难得到推行。也有学者针对发展中国家的人工智能发展，提出加快数字基础设施建设的建议，投资建设人工智能发展需要的数字基础设施，确保各行业和地区的公司实现公平竞争。在“人口红利”不断弱化的当下，正确认识人工智能与劳动力之间的关系，使人工智能应用与劳动力市场变革速度相匹配，推动人工智能在不同地区行业平衡发展是避免地区间收入差距扩大的有效措施（陈秋霖等，2018）。

六、研究结论与未来展望

（一）研究结论

通过对现有文献研究进行归纳发现，人工智能对经济增长具有积极的促进作用，其影响机制主要为提升企业生产率、减少劳动投入和增加教育研发投入3 个渠道。对人工智能对劳动力就业影响的研究讨论主要集中于2 个方面：一是人工智能的“替代效应”和“创造效应”对劳动力就业岗位数量的影响。由于人工智能技术发展的不确定性以及缺乏完整统一的数据库，对人工智能对就业总量的影响效果还没有达成统一的意见，但现有的实证经验论证了人工智能创造新就业岗位的能力，普遍接受的观点认为，人工智能对就业的“创造效应”抵免了“替代效应”，就业岗位总体保持稳定。二是人工智能所带来的技术进步是非中性的。人工智能对不同劳动群体的影响具有偏向性，从事重复常规型任务的中低等技能劳动力更易被替代，这就会导致劳动力就业结构呈现“两极化现象”。此外，一些来自中国的实证研究发现，由于区域发展不协调以及地区生活成本差异，人工智能对低技能就业者的挤出效应更强，劳动力就业结构会出现空间上的“单极极化”现象，同时人工智能的就业极化带来收入上的极化，可能加剧收入分配和不平等问题，造成贫富差距的扩大。

在分析人工智能发展和应用现状时，研究发现人口老龄化和智能机器人应用之间有积极互补作用。一方面，人口老龄化加速使得劳动供给紧缩、劳动力成本上升等问题越发严峻，人工智能作为一项通用目的技术，其对劳动力更多的是“补位式替代”，弥补“人口红利”不足带来的消极影响。另一方面，技术进步改变市场要素相对价格，刺激企业扩大智能化生产，人工智能应用的普及反过来又会对劳动力供求关系、就业市场结构以及收入分配造成冲击。

（二）未来展望

随着人工智能的扩大布局及实践，关于人工智能的研究未来还有很多可积极探索的方向。如，人工智能治理方面，如今人工智能的治理正已逐步从伦理原则等软性约束，迈向全面具有可操作性的法律规制的新阶段。未来人工智能规制和数据治理紧密结合将是重要趋势，因此全球人工智能治理路径不仅仅从系统化规制入手，也会逐步强化场景化立法规制探索。以中国为例，为促进新一代人工智能健康发展，积极推动人工智能全球治理，2019 年6 月，国家新一代人工智能治理专业委员会发布了《新一代人工智能治理原则--发展负责任的人工智能》，其目的就是为了更好协调人工智能发展与治理的关系，确保人工智能安全可控可靠。再如，随着第五代移动通信技术（5G）的蓬勃兴起，研究5G 技术与人工智能融合创新发展已成重大趋势。此外，人工智能营销作为一个新兴研究主题同样受到越来越多学者的关注，国内相关研究成果自2015 年来保持增长趋势，并呈现出“起步”“快速演变”和“深化应用”三个发展阶段。同时，基础理论研究对促进人工智能发展也具有重要意义，对人工智能的研究可以借鉴已有经验发展专业性的基础理论，以国家人工智能产业规划及其所涉的关键技术为基础,分析了人工智能专业设置与建设中存在的主要问题，支撑人工智能的变革。在“人口红利”不断弱化的当下，正确认识人工智能与劳动力之间的关系，将人工智能应用于劳动力市场变革速度相匹配，制定配套的教育培训、社会保障和产业政策等方面的政策措施是保障人工智能发挥积极作用、实现经济更高质量发展的关键。在中国情景下，定量化人工智能对企业和个人的影响，探究人工智能对产业发展和经济增长的影响也是未来的重要研究方向。