人工智能、资本税如何影响收入分配格局：极化还是优化？

尹彦辉，孙祥栋

（1.山东管理学院新兴业态发展研究所，山东 济南 250357；2.北京化工大学经济管理学院，北京 100029）

一、问题的提出

当前，以新一代人工智能为代表的科技和产业革命正在孕育兴起，这为积极推进我国供给侧结构性改革、应对人口老龄化带来的增长困境提供了新动力。2017年7月20日，国务院印发的《新一代人工智能发展规划》将发展人工智能上升到国家战略层面，提出力争到2030年我国人工智能产业竞争力达到世界领先水平； “十四五” 规划纲要将 “新一代人工智能” 作为重点议题提及；党的二十大报告也明确提出 “构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎” 。虽然我国人工智能技术尚处于起步阶段，但发展速度非常快，人工智能市场规模在2016年仅为154亿元，2021年则高达1963亿元，年复合增长率为66.37%。根据国际数据公司（IDC）与浪潮集团联合发布的《2020-2021中国人工智能计算力发展评估报告》预测，到2024年，在人工智能市场中中国将占据全球约15.6%的市场份额。

人工智能的迅猛发展深刻影响着人们的生产生活方式，其带来的劳动力市场变革必将影响收入分配格局。技术进步的非均等渗透和非中性特征，意味着不同生产要素、不同群体无法从技术进步中均等获益。人工智能的资本偏向性决定了其在资本与劳动等生产要素收入间的分配偏倚，进而影响劳动和资本要素所有者之间的收入差距[1]。特别地，在较大的收入差距制约我国实现 “发展成果由人民共享” 的均衡发展的背景下，人工智能技术变革将如何影响收入分配？其作用机制是什么？对不同收入群体的收入分配效应如何？将人工智能作为特殊资本征税是否可行？对上述问题展开研究，有助于预判人工智能技术变革对收入分配的冲击，并据此提出抑制收入差距扩大、引导人工智能促成效率与公平兼顾的高质量发展的可行路径。

关于人工智能的收入分配效应分析，大多从功能性或规模性收入分配单一视角展开，其中功能性收入分配效应是对劳动、资本等生产要素收入份额的分配效果的测度，规模性收入分配效应则主要关注不同收入群体间的收入差距变化。首先，资本与劳动的替代弹性、自动化替代效应、新任务引入速度和生产率增长效应均会影响人工智能的要素分配效应[2][3]。对于人工智能的功能性收入分配效应的已有研究主要围绕着人工智能与劳动力的关系展开，Acemoglu等基于任务模型考察发现，当人工智能能够完全替代劳动力时，人工智能相关机器设备对劳动力的替代导致劳动力需求减少，工资水平降低，劳动收入份额也随之下降，要素收入不平等极端化[4]。Acemoglu等还发现当人工智能与劳动力互补时，在短期依然会出现机器对人力的替代，降低劳动力需求，加剧收入差距。当人工智能只能替代部分劳动力时，若资本与劳动的替代弹性大于1，人工智能同样会挤出劳动份额，恶化收入分配格局[5]。上述结论在马国旺等的研究中得到了进一步验证[6]。芦婷婷等关注到人工智能在影响劳动收入份额时的区域差异性，发现劳动力丰裕程度与人工智能对劳动收入份额的挤出呈负向关系[7]。Bessen则认为人工智能应被视为要素扩展型技术，其对劳动收入份额的影响无法准确判定[8]。钞小静等基于中介机制检验发现，人工智能带来的生产效率提升与岗位创造作用的发挥会显著提升劳动收入份额，缩小要素收入份额间的差距[9]。

其次，对于人工智能的规模性收入分配效应，郭凯明等通过引入人工智能的多部门动态一般均衡模型，探讨了人工智能对不同技能劳动力的影响，发现人工智能会加剧群体间收入差距[10]。与传统技术进步相一致，人工智能与高技能劳动力互补，其应用对高技能劳动力就业具有创造效应，扩大了对高技能劳动力的需求，对低技能劳动力就业则表现为替代效应[11]。社会对劳动力的需求将明显偏向于高知识、高技能的人才[12]。人工智能还可通过强化就业极化趋势来扩大岗位收入差距[13]。岗位极化的趋势由传统制造业向新兴服务业蔓延，由发达国家向发展中国家蔓延，人工智能大量取代中等收入的服务业岗位，这将加剧服务业的岗位极化[14]。

已有研究为本文提供了重要基础，但尚存以下几个方面有待进一步深化：首先，现有的人工智能发展对收入分配的影响研究更多集中于单一理论推演或实证分析层面，且对于人工智能对收入分配的影响尚未得到统一结论。其次，人工智能目前尚处于发展初期阶段，基于现有数据和传统统计推断方法无法全面评估人工智能资本深化和广化的宏观经济效应，有必要借助动态随机一般均衡模型等经济结构模型识别其影响。最后，在应对人工智能发展引致的收入差距问题时，现有研究提出的治理措施多基于经验判断，缺乏对政策调节效果的论证支撑，有必要拓展对再分配政策的治理机理分析以及对政策效应评价的模拟研究。

基于此，本文在新凯恩斯一般均衡分析框架下对人工智能的收入分配效应进行全面分析，并探索征收人工智能资本税对宏观经济和收入分配格局的影响。考虑到人工智能的资本属性，本文将人工智能作为生产要素引入动态随机一般均衡模型，从人工智能资本深化和广化两方面刻画人工智能技术变革的不同特征，并嵌入人工智能税征收活动，基于动态模拟分析、长期稳态比较和福利损失分析全面识别人工智能发展影响收入分配的动态调整过程及经济系统的响应机制。进一步地，本文考察了不同税率下人工智能资本税征收作为再分配政策的治理效果，据此提出合理可行的收入格局优化路径。

二、模型构建

本文在Forni等提出的模型框架下，构建嵌入人工智能与异质性家庭的新凯恩斯动态随机一般均衡模型[15]。对于人工智能的设定，借鉴Acemoglu等的处理方式，既考虑人工智能的资本属性，又关注到人工智能与传统资本在生产中的差异，即传统资本与劳动多为互补关系，人工智能则更多体现出对劳动的替代性，据此将人工智能作为智能资本引入模型[4]。模型中的经济主体包括李嘉图家庭、非李嘉图家庭、企业部门、货币部门和财政部门。

（一）家庭部门

借鉴王文甫的处理方式，本文从收入水平和风险承受能力两方面区分出李嘉图和非李嘉图两类异质性家庭，分别用上标R和N表示，两类家庭占比分别为θ和1-θ[16]。其中，李嘉图家庭拥有经济系统中的实体经济资本和人工智能资本，可通过跨期的消费与劳动决策平滑生命周期内收入，实现自身效用最大化，用以表征高收入群体；非李嘉图家庭不参与金融市场，无法进行跨期决策规避风险，表征低收入群体。

两类家庭均从消费和劳动中获得效用，通过跨期决策实现其预期效用最大化：

其中，δɑ和μɑ,t分别为人工智能资本的折旧率和投资效率冲击。在预算约束、资本积累方程和人工智能资本积累方程约束下，通过构建拉格朗日函数可求得李嘉图家庭效用最大化问题的相关一阶条件。与李嘉图家庭不同，非李嘉图家庭不进行跨期决策，当期收入全部用来消费。其支出部分为消费和转移支付收入TRt。

（二）企业部门

商品生产企业包括垄断竞争的中间产品生产企业和完全竞争的最终产品生产企业。最终产品生产企业将其从中间产品企业购得的中间产品Yt（j）加工为同质化的最终产品，供家庭和政府消费。基于最终产品市场的完全竞争特性，求解最终产品企业的最优化问题，可得其对中间产品的需求。中间产品厂商通过租赁实体经济资本Kt-1、人工智能资本AIt，并雇佣两类家庭的劳动力生产差异化的中间产品。本文基于当前人工智能的劳动替代倾向，根据人工智能与劳动的替代关系，设置综合劳动投入：

其中，为人工智能资本对劳动的要素替代弹性系数，二者为替代关系时 >1，二者为互补关系时0<<1。ωɑ为人工智能资本在综合劳动投入中所占的份额，表示人工智能的使用范围。借鉴Lin等对多要素生产函数的设定方式，中间产品生产企业的生产技术为嵌套的CES技术[17]：

其中，At为全要素生产率冲击，设其服从自回归外生形式。α表示实体经济资本与综合劳动间的替代弹性，二者为互补关系，故0<α<1，ωk为实体经济资本的产出弹性。中间产品生产企业基于成本最小化原则决定要素投入水平，在中间产品生产函数与综合劳动投入约束下可求解其最优化问题的一阶条件，得到实体经济资本、人工智能资本与劳动需求函数。根据Calvo定价原则，每期会有占比为（1-θp）的垄断竞争的中间产品企业可以调整其价格水平，在生产函数、需求约束下求解利润最大化问题可得最优价格水平，进而得出其平均价格水平。

（三）货币部门

设定货币部门采取价格型货币政策，遵循根据通胀与产出缺口调整名义利率的泰勒规则：

其中，Yt为经济社会总产出，Rss、πss和 Yss分别为利率、通货膨胀与总产出的稳态水平，ρR、ρπ和ρY分别为利率平滑系数、利率对通胀缺口与产出缺口的反应系数。代表货币政策冲击。

（四）财政部门

财政部门在预算约束下以产出均衡和财政可持续性为目标对经济进行逆周期调节。具体地，财政部门主要通过征收消费税、劳动税、人工智能资本税、实体经济资本税以及发放政府债券为政府财政支出融资，政府支出主要包括政府购买性支出Gτ、民生支出TRt以及对上期债券的还本付其预算约束为：

本文从财政政策的自动调节功能出发，对人工智能资本税的政策规则进行设定：

（五）市场出清与收入差距

一般均衡状态下，市场出清条件为：

为了更直观地甄别人工智能技术及其税收政策的收入分配效应，本文从要素收入分配和劳动群体间收入分配视角出发，构建劳动份额指数与收入差距指数探讨人工智能发展的功能性和规模性收入分配效应及其作用机理。根据两类家庭收入状况，将收入差距指数定义为李嘉图家庭与非李嘉图家庭的收入比。将劳动份额指数LSt定义为劳动收入占总收入的比重：

三、参数估计

（一）参数校准

本文主要通过借鉴已有研究并结合中国现实经济数据对参数进行赋值。对于家庭主观贴现因子，本文借鉴潘敏等的处理方式，使用2000年1月至2020年12月银行间同业拆借利率的季度化转换数据将其校准为0.992[18]。借鉴朱军等的方法，将消费替代弹性倒数和劳动力供给替代弹性的倒数分别校准为2和1.5[19]。对于实体经济资本折旧率和投资效率，借鉴潘敏等取值为0.02和1[20]。参照尹彦辉等对企业价格粘性的测算结果，将价格不变企业占比校准为0.422[21]。财政部门数据主要包括各类财政支出的稳态值与税率水平，对于劳动、消费和资本税率，综合潘敏等和杨源源等的取值范围，分别校准为 0.1486、0.1506、0.252[20][22]。 借鉴白仲林等的测算方法，使用2002-2020年《中国统计年鉴》数据，将政府消费性支出、投资性支出与转移性支出占总产出的比重分别校准为0.126、0.072和0.052[23]。对于两类家庭占比，本文参照国家统计局的标准，即家庭年收入在10万元以上为中高收入群体，根据CHIP（2019）数据，将李嘉图家庭与非李嘉图家庭占比校准为74%和26%。根据钞小静等的测算，实体资本在生产中所占的份额约为50%，据此，本文对实体资本的产出份额取值为0.5[24]。参照陈利锋等的设定，将实体经济资本与综合劳动间的替代弹性设定为0.5[25]。

对于人工智能相关数据，参照Fueki等与郭凯明的设定方法，将基准模型中人工智能对劳动的替代弹性和人工智能投资效率的稳态值分别设为2.5和1[26][27]。将人工智能资本在综合劳动投入中所占的份额ωɑ校准为0.05，进一步地，为探讨人工智能资本广化背景下经济系统的变化，本文还考虑了ωɑ取值0.08时人工智能使用范围变化的情形。

（二）贝叶斯估计

对于冲击的自相关系数与标准差，本文使用贝叶斯方法进行估计。选取2000年第1季度至2020年第4季度现实经济数据中的总产出、居民消费与通货膨胀率水平作为观测变量，在对数据进行季节性调整、对数化与HP滤波处理后，通过贝叶斯估计得到相应参数的后验分布（见表1）。

表1 贝叶斯估计结果

四、动态模拟与稳态分析

理论模型设定中，人工智能资本投资效率反映人工智能的深化程度，人工智能使用范围反映人工智能的广化程度。本部分模拟不同人工智能资本广化程度下，人工智能深化冲击、人工智能资本税冲击对宏观经济变量与收入分配格局的影响变化，从短期视角探讨人工智能发展的经济效应、收入分配效应和传导机制，以及人工智能资本税作为再分配政策的调节效应；进而基于长期视角下的稳态变化与福利损失比较，考察人工智能发展与再分配政策的长期效应。

（一）动态模拟分析

图1展示了对经济系统施加1%的正向人工智能资本深化冲击时，与收入分配密切相关的主要经济变量的脉冲响应。在短期内，整体宏观经济处于扩张状态，并且人工智能资本深化有利于表征高收入群体的李嘉图家庭。具体而言，在固定的要素替代弹性下，人工智能资本投资效率提升，意味着人工智能相较于劳动力的相对成本降低，企业更加偏向于使用人工智能，进而导致劳动力需求降低，并且伴随着劳动工资水平的下降。人工智能效率提升引致的就业替代效应导致就业市场中就业数量与工资水平的双重下降，最终使得劳动收入总量呈下降趋势。工资下降对两类家庭劳动收入的影响程度是一致的，但相较于主要依靠劳动收入的表征低收入群体的非李嘉图家庭，人工智能效率提升更有利于李嘉图家庭。李嘉图家庭作为人工智能资本的持有者，其投资效率提升降低了使用成本，并且，由综合劳动投入增加而劳动需求降低可以判断，人工智能投入增幅高于劳动力降幅，需求增加且成本降低，故其收益上升。人工智能资本深化的替代效应降低了非李嘉图家庭收入，而作为人工智能资本拥有者的李嘉图家庭则从中获益，这进一步扩大了两类家庭间的收入差距，也直接影响了两类家庭的消费倾向。从整体看，人工智能资本深化使得整体劳动生产效率提升，这体现为综合劳动上升，进而引起产出水平的上升，并伴随着通货膨胀压力。与此同时，人工智能资本深化伴随着劳动收入份额下降、收入差距进一步扩大的压力。

图1 正向人工智能资本投资效率冲击下主要内生变量的脉冲响应曲线

进一步地，本文基于人工智能使用范围参数的调整探讨人工智能资本广化所带来的影响。通过对基础情形和人工智能资本广化的对比分析可发现，其脉冲响应未出现方向性变化，影响程度呈现小幅变化，人工智能资本广化会放大资本深化的政策效应。人工智能资本广化会刺激经济增长，但同样伴随着就业替代效应，引致劳动需求降低和实际工资水平下降，劳动收入份额下降，收入差距上升。综上，人工智能资本深化和广化发展均促使经济扩张，但经济扩张的成果不成比例地影响异质家庭，在高低收入群体之间产生了内生的分配效应，扩大了收入差距。

为探究再分配政策调节人工智能发展引致的收入分配结果的效果，本文模拟分析了征收人工智能资本税时人工智能发展对宏观经济与收入分配格局的影响。考虑到国际上对传统资本税率的设定一般在10%-30%，本文分别模拟人工智能资本税率为10%、20%、30%时的动态效应。

图2显示了不同人工智能资本税率取值下人工智能资本深化冲击效应的动态变化轨迹。基于图2可以发现：主要经济变量在征收人工智能资本税情形下的波动程度均小于无人工智能资本税情形。在一定税率范围内，税收抑制了人工智能对整体经济的刺激效果，通货膨胀的波动程度趋缓。同时，人工智能税收弱化了人工智能资本对收入格局的影响。人工智能对劳动的替代效应减弱，对就业的挤出作用降低，特别是减轻了对非李嘉图家庭就业的冲击，劳动收入份额受到的影响较无税情形减弱，两类家庭收入差距的扩大趋势也放缓。然而，当税率的增加超出一定限度时，如图中税率取30%时，人工智能资本深化对经济的刺激效应弱于税收征管下的抑制效应，产出下降、通胀率也相应回落。同时，体现人工智能对就业挤出效应的劳动收入份额与收入差距扩大幅度均在税收对冲下趋于平稳，经济整体呈紧缩趋势。

图2 不同税率下人工智能资本深化冲击的短期影响

（二）稳态分析

为更全面地把握人工智能变革背景下经济系统的嬗变，本文进一步基于稳态分析探讨人工智能资本深化、广化以及征收人工智能资本税的长期效应。从表2可以发现，当人工智能资本所占份额由0.05提高为0.08时，换言之，当人工智能资本的适用范围扩大时，劳动生产效率提高，稳态产出水平增加，即人工智能资本广化可有效刺激经济。就收入分配而言，较于基准情形，人工智能资本所占份额增加会挤出就业，使得劳动收入份额下降，进而使得两类家庭收入差距进一步扩大。

表2 人工智能发展、税收与宏观经济稳态

当征收人工智能资本税时，对于宏观经济整体而言，随着人工智能资本税率的提高，人工智能对经济的刺激效应逐渐减弱，体现为产出水平稳态值逐步降低。一方面，人工智能资本税的征收提高了人工智能资本的使用成本，减少了企业对人工智能的使用，提升了劳动需求，对家庭产生了收入效应。另一方面，相较于一般劳动力，人工智能的生产效率更高，人工智能使用的减少降低了生产效率，因而产出水平降低。由于效率降低带来的产出损失幅度高于劳动收入增加幅度，因而总产出水平降低。在收入分配方面，随着人工智能资本税率的提高，就业增加提高了劳动收入份额。对于表征高收入群体的李嘉图家庭而言，税率提高带来的成本损失高于劳动增加带来的收入效应，因此其总收入水平降低。表征低收入群体的非李嘉图家庭的主要收入来源于劳动收入，因而其总收入水平显著提升，两类家庭的收入差距进一步缩小。

综上所述，人工智能资本广化对经济扩张有显著效应，但会抑制就业，使得劳动收入份额下降，并扩大收入差距。人工智能资本税的征收会弱化人工智能资本深化下的经济刺激效应，减轻人工智能资本深化对就业的挤出，减缓劳动收入份额的下降，缩小收入差距，优化收入分配格局。

（三）福利损失分析

在探讨人工智能发展及人工智能资本税的长期效应时，仅关注经济系统稳态值变化，具有一定的局限性，还需考虑经济系统的波动状况。鉴于此，本文基于家庭效用函数在稳态处的二阶近似构造福利损失函数进行福利损失分析。考虑到文中模型包含李嘉图和非李嘉图两类家庭，本研究将社会福利损失定义为两类家庭福利损失的加总：

其中，上标~表示各变量对其稳态的对数偏离，Var（·）表示方差。福利损失结果如表3所示。

通过对表3中基准模型与人工智能资本广化情形下社会福利损失的比较分析可发现，随着人工智能应用范围的扩大，资本广化引致的社会福利损失也会增加，这意味着人工智能在带来生产效率提升的同时，也伴随着负向影响。基于两类家庭福利损失的比较可发现，无论是人工智能资本深化还是广化，非李嘉图家庭的福利损失均更为严重，根本原因在于李嘉图家庭拥有更多生产要素，可基于跨期决策平滑消费与劳动，而只拥有劳动生产要素的非李嘉图家庭不能跨期决策，故福利损失更大。

表3 人工智能发展、税收的社会福利损失分析

基于不同税率下福利损失的比较分析可以发现，通过对人工智能资本征税，可有效降低人工智能资本深化冲击下的社会福利损失。随着累进税率的增加，两类家庭的福利损失逐步降低，福利损失差距缩小。并且，福利损失的变化速度较税率变化速度更快，即税率累进参数的增加对于社会福利的影响并不具有线性特征。综上，人工智能资本税降低了消费和就业等宏观经济变量的波动，可实现社会福利损失的改进。

五、结论与政策启示

（一）主要结论

本文基于当前人工智能发展现状，将人工智能作为劳动要素的替代性资本要素引入生产函数，构建包含人工智能与人工智能资本税的多部门动态随机一般均衡模型。基于短期动态模拟分析、长期稳态比较和福利损失分析得到以下结论：第一，无论是短期还是长期，人工智能资本深化和广化发展均促使经济扩张，但人工智能的劳动替代效应引致要素收入差异产生的功能性收入分配效应，降低了劳动需求与工资水平，导致劳动收入份额下降。第二，经济扩张成果不成比例地影响不同类型家庭，在两类收入群体之间产生了内生的规模性收入分配效应，高、低收入群体间收入差距扩大。同时，在人工智能资本深化和广化发展背景下，高收入群体拥有更多生产要素，可进行跨期决策平滑消费与劳动，而低收入群体掌握的社会资源较少，无法平滑消费，故其福利损失更大。第三，人工智能资本税虽然会弱化人工智能的经济刺激效应，但会减轻其对就业的挤出作用，抑制人工智能的功能性收入分配效应，减缓劳动收入份额的下降；同时对人工智能资本课税可实现劳动群体内部的再分配，抑制人工智能的规模性收入分配效应，缩小群体间收入差距，实现社会福利损失的改进。

（二）政策启示

第一，人工智能为经济扩张注入 “技术” 红利，是经济高质量发展的重要推动力。在人口红利渐行渐远的新发展阶段，人工智能的深入发展和广泛应用可以有效应对人口老龄化带来的内生动力不足问题。当前我国人工智能尚处于发展初期，人工智能的技术红利尚未全面释放，我国可通过人工智能发展拉动经济增长，兑现其技术红利。为此，应加强人工智能教育体系建设，特别是对高等教育中人工智能相关领域高端人才的培养和前沿学科的建设。积极引导社会资本参与，实现人工智能领域的产学研协同发展。持续加大对前沿研究的财政支持，摆脱核心技术与芯片 “卡脖子” 困境。

第二，人工智能具有收入分配的 “极化” 效应，需持续优化初次收入分配。人工智能发展引致的劳动收入份额下降，不仅会阻碍人工智能发展技术红利的社会共享，还会进一步限制人工智能的发展应用。因此，要优化初次收入分配制度，完善最低工资、合理增长、绩效奖励等劳动保护制度，推进工资集体协商，提高劳动者维权意识与议价能力，增加劳动报酬，提高初次收入分配中劳动收入份额，促进社会分配公平。重点关注低收入群体，健全就业培训体系，加大社会保障调节的普适性与精准性。

第三，人工智能资本税可有效缓解人工智能对收入分配的 “极化” 效应，但其推出需循序渐进。人工智能资本税可以调节劳动与资本生产要素的回报率，减缓技术对劳动力市场的冲击，规避大规模失业风险，为社保政策创造财政空间。但是，对税收出台时机的把握要充分考量人工智能与经济发展水平，鉴于人工智能资本税对人工智能经济刺激效应的抑制，为确保高质量发展稳步推进，短期内通过征收人工智能资本税调节收入分配的条件还不成熟。在进行税收方案设计时，要坚持 “税收中性” 原则，设定兼顾效率与公平的税率，在引导人工智能健康发展的同时，缓解其引致的劳动收入份额下降和群体收入差距问题。

（感谢山东省高等学校青年创新团队发展计划 “数字经济赋能共同富裕创新团队” 对本文的支持）