人工智能对劳动力就业的影响

曹华 赵文杰

摘 要：当前，人工智能技术的理论和应用飞速发展，逐渐成为新一轮科技进步和产业变革的核心力量，对人类的生活产生了深刻的影响。从空间溢出的视角，建立三种空间权重矩阵，运用面板数据模型和空间杜宾模型研究中国31个省（自治区、直辖市）2010—2019年间人工智能发展对我国就业规模和就业结构的影响。研究结果表明：我国的劳动力就业和人工智能发展具有空间自相关的特征；人工智能发展对我国就业规模具有显著的促进效应和正向的空间溢出效应；人工智能对我国就业结构的影响呈现出向“高级化”方向发展的促进效应和向“两极化”方向发展的空间溢出效应。

关键词：人工智能；就业规模；就业结构；空间溢出效应

中图分类号：F49；F249.2文献标志码：A文章编号：1672-9684（2023）04-0081-12

随着数字经济时代的到来，人工智能技术对经济社会和产业升级呈现出强大的变革能力，被公认为是新一轮科技进步的主要推动力。在世界各国不断出台有关“人工智能”技术相关战略安排和产业政策的同时，我国也高度重视“人工智能”领域的建设和发展：2015年，“人工智能”成为国家“互联网+”战略的一部分；2016年，“人工智能”一词被写入国家“十三五”规划纲要；2017年，“人工智能2.0”的提出使得人工智能进一步上升为国家战略；2019年，上海、深圳、北京、浙江等地方政府相继出台政策以推进本土人工智能的发展，加快人工智能建设也成为了各地方关注的重点。多年的发展助推我国人工智能水平跻身世界前列，2020年，我国人工智能创新指数综合得分已上升至世界第二位，人工智能产业规模增至3 031亿元①，未来仍有巨大的增长空间。因此，研究人工智能对我国经济社会的影响，可以更好地应对未来“人工智能”时代的各种机遇和挑战。

就业是民生之本，是改善人民生活水平和提高人民生活质量的基本前提和途径。立足于对第四次工业革命的研判，《人口与劳动绿皮书：中国人口与劳动问题报告No.21》②指出，机器人的使用一方面替代了一部分传统常规性（重复性工作、程序性工作）的就业岗位，另一方面也带来了新的就业机会；此外，人工智能对收入水平处于中间位置的常规性工作劳动者的替代效应更强，“机器换人”也促成了就业的两极化。这充分表明，包括机器人在内的人工智能新技术的兴起并快速应用，对于就业总量的影响并不明显，但导致了更为复杂的就业结构匹配问题。因此，在人工智能化趋势日益凸显的今天，仅从理论层面学习和分析人工智能对就业的影响是远远不够的，结合我国国情来研究人工智能对我国就业的影响效应，有助于更好地为未来我国民生与就业保驾护航。值得注意的是，从2010年至今，大数据时代的到来使得运算能力和机器学习能力得到飞速发展，人工智能进入爆炸式发展阶段③。不同于一般的技术进步，人工智能具有巨大的“技术溢出效应”④，它既会带动相关产业及周边地区经济和技术的发展，又能相应地吸引不同技能的劳动力选择在本地区或跨区域就业，同时改变本地区和其他地区的就业规模和就业结构。因此，本文基于空间溢出视角对我国31个省（自治区、直辖市）2010—2019年人工智能对就业的影响进行研究，分析人工智能背景下我国就业规模和就业结构的发展现状及空间溢出特征。在理论层面厘清人工智能时代劳动力就业呈现出的特征及空间效应，不但可以充实我国人工智能在经济领域的研究成果，丰富我国充分就业和高质量就业的理论体系，还能为我国就业政策的制定提供一定的理论支撑；在现实层面对以人工智能为代表的第四次工业革命浪潮下我国就业现状进行分析，在一定程度上可以帮助我国劳动力更好地应对未来可能出现的就业机遇与挑战，缓解“机器换人”的焦虑，推动我国经济持续健康发展。

一、文献综述与问题提出

目前学界相关研究主要集中在三个方面：

一是人工智能对就业总量的影响研究。“人工智能”的概念于1956年在“达特茅斯会议”首次提出后得到迅速发展和广泛应用，人工智能对劳动就业的影响也逐渐受到关注。一部分学者认为，人工智能对就业有“替代效应”。Smith^［1］、Pajarinen^［2］、Frey和Osborne^［3］的研究均表明，未来相当一部分就业机会将会被机器所取代，尤其是程序化、标准化的就业岗位；Goddard^［4］等通过研究发现，人工智能技术的运用不仅会替代绝大部分常规性工作，甚至也会威胁到一些非常规性工作。王君等^［5］认为人工智能技术发展速度更快、覆盖范围更广，大量的企业为了创造更大的效益，以更高速度节约劳动力的使用，以至于超过就业岗位的创造速度，从而会引发失业；陈永伟等^［6］与孟园园和陈进^［7］的看法一致，认为短期内人工智能技术与就业呈负相关关系，会增加失业率。也有一部分学者认为，人工智能对就业有“创造效应”。Gorle和Clive^［8］采用美国2000—2008年IFR⑤的数据进行分析，结果显示人工智能会增加制造业细分行业的就业，并表示在全球范围内仅工业机器人的应用就直接创造了17～19万个工作岗位；Hoedemakers^［9］根据OECD中15个国家15年的专利数据进行GMM分析，结果表明机器人技术进步对劳动力就業有正向的促进效应。程承坪^［10］认为人工智能对就业的影响是螺旋上升的，发展人工智能及人工智能配套基础设施会创造大量的就业岗位；谢璐等^［11］认为人工智能可以通过带动相关产业发展和提高劳动者收入两种途径来创造就业。与上述相互对立的两种观点不同，邓洲^［12］认为工业机器人的应用对劳动力市场会产生替代、填补和创造三种影响，因而工业机器人对劳动力市场的影响结果是不确定的。

二是人工智能对就业结构的影响研究。大量研究表明，人工智能发展对不同技能劳动者的替代效应和创造效应存在差异，导致了就业结构呈现出不同的特点。有学者认为人工智能的发展会带来就业结构“两极化”，如郝楠^［13］的研究表明，我国自21世纪以来不同技能的劳动者就业结构便呈现出“N”型两极化发展趋势；蔡跃洲等^［14］认为人工智能极易取代处于就业结构中间的岗位，就业结构将呈两极化趋势。也有学者认为人工智能发展会使得我国的就业结构向“高级化”方向发展，如陈晓^［15］和朱火弟等^［16］通过实证研究发现人工智能发展虽然会在一定程度上降低中技能和低技能劳动力的就业比重，但却会增加高技能劳动力的就业比重，从而实现就业结构高级化。还有少数学者认为人工智能的发展会促进我国就业结构的“反极化”发展趋势，如潘丹丹^［17］通过对我国上市公司相关数据进行实证研究后发现，人工智能技术的应用降低了高、低技能劳动者就业的比重而增加了中等技能劳动力就业比重，呈现出“反极化”的结构特征。

三是人工智能对就业的空间研究。李俊珏^［18］的研究表明我国人工智能的发展水平存在显著的空间异质性，人工智能发展水平从东到西依次递减。新经济地理学理论表明，各区域之间存在相关性，一个地区经济的发展会对其余地区产生影响。因此，将空间因素纳入人工智能技术发展和劳动力就业的研究更符合我国实际发展情况，如郝楠^［19］的研究表明，我国AI发展对就业并没有产生较大的技术极化现象，但就业的空间极化现象已经显现，AI发达的区域新增就业远远大于AI不发达的地区。

通过梳理国内外相关文献可以发现，尽管技术进步与就业之间的关系一直是经济学研究的重点内容，但“人工智能发展对就业的影响”这一主题的研究时间并不长，2015年以后才迎来重点关注。到目前为止，学者们针对我国人工智能对就业总量和结构的影响研究尚未形成统一的结论，且缺乏关于人工智能对就业的空间溢出效应的研究。因此，本文基于空间溢出效应视角研究我国人工智能发展对就业的影响，不但可以充分借鉴以往学者的研究思路和方法，还能在此基础上进行拓展和创新，将空间因素纳入研究范围。

二、理论分析

人工智能作为一门前沿交叉学科，是计算机科学的一个分支，国外学者更多将人工智能与自动化结合在一起，而国内学者倾向于将人工智能与技术进步结合在一起。人工智能除了具有传统技术进步的特征外，也呈现出其特殊性，具体表现为：其一，AI既能替代人的体力又能替代人的智力；其二，AI的发展降低了企业对自然资源和低劳动力成本的依赖性；其三，AI强化了就业的技术极化现象和空间极化现象。因此，本文进一步分析了人工智能对就业的影响理论机制。

（一）人工智能影响就业总量的理论机制

人工智能对就业总量的影响表现为“替代效应”和“创造效应”综合作用而带来的总效应。人工智能對就业的“替代”具体表现为：其一，人工智能大大提高了劳动力的生产效率，削弱了企业生产活动对劳动力的依赖程度；其二，人工智能的发展意味着企业的技术更新速度加快、投资风险提高，成本的提升和投资的减少抑制了企业规模扩张和对劳动力需求的增加；其三，以人工智能为代表的技术进步也意味着需要更高的知识水平和劳动技能，当劳动者的就业技能无法与之相匹配时就会造成失业率的提升；其四，人工智能的应用提高了企业管理水平，减少了冗员，从而带来了就业替代。人工智能对就业的“创造”具体表现为：其一，人工智能促进了经济增长和投资增加，企业扩大生产规模和经营范围，增加了对劳动力的需求；其二，人工智能的发展会降低产品的生产和销售成本，刺激居民消费需求，企业生产的扩大创造了就业机会；其三，人工智能的发展会深化产业分工，延长产业链，在此过程中创造新的就业岗位；其四，人工智能会引发一些新技术的诞生，新技术的开发、推广和应用均会创造新的就业岗位；其五，人工智能提高了生产效率，缩短了劳动时间，为劳动者创造出更多的消费机会和消费需求，从而增加了就业岗位。

（二）人工智能影响就业结构的理论机制

人工智能通过“需求端”和“供给端”两个途径对就业结构产生影响。从需求端来看，其一，人工智能发展会带来区域产业结构的优化升级，新兴产业的出现带来了新的就业岗位，衰退产业的消失也会挤出一部分就业岗位，从而影响就业的结构；其二，人工智能的发展会引起社会分工的进一步细化，无论是技术密集型还是劳动密集型行业的岗位都会随着就业分工的细化而增加，从而引起不同技能劳动力的数量变化，最终改变就业结构；其三，当人工智能的应用不断推广后，掌握高技能的劳动力会拥有更多的就业选择和就业机会，从而在就业市场上对中、低技能劳动力造成一定的“挤出”，从而改变就业结构。从供给端来看，劳动力本身会不断提高自身技能来适应社会需求，从而对就业结构产生影响。

（三）人工智能影响就业的空间溢出效应理论机制

由上述分析可知，一个地区人工智能的发展，会通过创造效应、替代效应和结构效应对本地区的就业产生影响。但与此同时，人工智能技术本身具有很强的技术外溢效应，会带动周边地区的技术提高；而人工智能的产业关联效应，也会引起周边地区的产业结构变动；地区之间的交流与合作，使每一个地区都不孤立存在，进而使地区之间的经济相互影响、相互关联。因此，人工智能不仅会影响本地区的就业，还会对周边地区产生影响。由于劳动力具有流动性，因此一个地区的就业环境、就业岗位、就业政策等也会通过引致效应吸引其他地区劳动力，从而改变不同地区的就业状况；若一个地区的就业环境、就业岗位、就业政策等对就业状况的改善起到了良好的促进作用，则会通过示范效应和竞争效应对其他地区的就业起到激励作用，由此改变不同地区的就业情况。

三、研究设计

（一）模型构建

由于我国人工智能发展水平和就业情况存在显著的区域异质性，不满足标准计量经济学中的同方差假定，而空间计量经济学解决了变量之间存在的空间相关关系和异质性问题，空间权重矩阵的使用则很好地解释了溢出效应。因此，本文在研究人工智能对就业的影响中将空间因素纳入了考虑范围。

首先，本文构建面板数据回归模型，分析不考虑空间因素的条件下我国人工智能对就业规模和就业结构的影响，形成与空间计量模型的对比；其次，本文构建三种空间权重矩阵，以便可以从不同角度探讨我国人工智能的发展对就业带来的空间溢出特征；最后，本文基于上述空间权重矩阵建立空间杜宾模型，分析人工智能对我国就业的空间溢出效应。

1.基础模型

模型1：Emp_i，t=α₀+α₁AI_i，t+βX_i，t+ε

模型2：Emp_i，t，n=α₀+α₁AI_i，t+βX_i，t+ε

其中，被解释变量Emp_i，t表示i地区t时期的就业总人口，Emp_i，t，n表示i地区t时期n（高、中、低）技能劳动力占比；解释变量AI_i，t表示i地区t时期的人工智能发展水平，X_i，t表示其他控制变量。

2.空间权重矩阵

（1）邻接关系权重矩阵（W1）。根据地理位置的分布，建立（0，1）邻接权重矩阵W1，若地区相邻则为1，地区不相邻则为0，对角线元素全表示为0：

假设海南省与广东省相邻。

（2）地理距离权重矩阵（W2）。根据地理距离的远近，地理距离越近，区域之间的相关关系越强；地理位置越远，区域之间相关关系越弱：

其中d_ij为通过各省会城市经纬度计算的两省之间距离。

（3）经济距离权重矩阵（W3）。选用不同地区人均实际GDP（以2010年为基期）的倒数构造经济权重矩阵W3：

3.空间杜宾模型

空间杜宾模型同时考虑了空间滞后的解释变量和被解释变量对被解释变量的影响，同时具备空间滞后模型和空间误差模型的特征，能更好地估计出变量的空间溢出特征，因此，本文选择空间杜宾模型来进行实证分析：

模型3：Emp_i，t=α₀+α₁W_i，t，kEmp_i，t+β₁AI_i，t+β₂X_i，t+γ₁W_i，t，kAI_i，t+γ₂W_i，t，kX_i，t+ε

模型4：Emp_i，t，n=α₀+α₁W_i，t，kEmp_i，t，n+β₁AI_i，t+β₂X_i，t+γ₁W_i，t，kAI_i，t+γ₂W_i，t，kX_i，t+ε

（二）指標选取

1.被解释变量

就业规模（empsca）。本研究选用各省年末就业总人数来表示一个地区的就业规模。

就业结构（empstr）。已有研究显示，人工智能对就业结构的影响主要体现在劳动者的技能结构上，因此本文选择劳动者的技能结构作为就业结构的代表，采用劳动力受教育程度来衡量劳动者技能结构，学历越高意味着劳动技能越强。本文借鉴孙早^［20］、潘丹丹^［17］、陈晓^［15］等大部分学者的做法，以初中学历和高中学历为分界点，将劳动力就业结构划分为低（emplow）、中（empmid）、高（emphigh）技能劳动力，其中中技能劳动力中包含受过高等职业教育的劳动力。

2.核心解释变量

核心解释变量为人工智能水平（AI）。目前，我国针对人工智能发展水平尚未形成统一的测度标准。有潘丹丹^［17］等学者从企业层面以“企业使用人工智能等核心技术的时间”来衡量人工智能发展水平；有闫雪凌^［21］、朱火弟^［16］、芦婷婷^［22］等学者从产业层面“基于IFR提供的机器人存量数计算机器人安装密度”，以此来衡量人工智能发展水平。

鉴于人工智能的发展离不开信息技术、计算机互联网和软件技术的发展，且固定资产投资规模的大小在一定程度上反映了地区的投入水平和重视程度，因此，本文借鉴李俊钰^［18］、韩佳宾^［23］等学者的做法，采用“信息传输、计算机服务和软件业全社会固定资产投资”来衡量人工智能的发展水平。

3.控制变量

在人工智能发展的背景下，本文认为经济增长率、产业结构、贸易开放度、工资水平和教育投入也会影响就业，可作为本文的控制变量。各变量的选取理由如下：

经济增长率（gGDP），指不变价GDP与上年同基期不变价GDP的比值。根据奥肯定律可以获知，GDP变化和失业率变化之间存在一种相当稳定的关系，因此GDP的增长会对就业产生影响。

产业结构（indstr），指第二、三产业增加值占名义GDP的比重。根据配第·克拉克定理，产业结构的变迁必然会对就业结构产生影响。

贸易开放度（open），指进出口总额占GDP的比重。对外贸易推动我国与世界的联系，一方面对外开放通过引进外资、引进人才、引进先进的管理经验和技术对就业结构产生影响；另一方面对外开放迫使我国面对国际市场竞争带来的机遇与挑战，淘汰落后产业，促使企业进行创新，从而影响国内就业规模与结构。

工资水平（salary），即各省的年平均工资。根据就业理论，工资水平的变动会带来企业生产成本的变动，影响企业对劳动力的需求，进而影响劳动力就业规模与结构。

教育投入（edu），指国家财政性教育经费占地方财政一般预算支出的比重。教育水平的高低在一定程度上决定着劳动力技能水平的高低，拥有更高技能的劳动力就业选择更多，失业风险更低，深刻影响着我国的就业结构。而国家对教育的支出在一定水平上反映出该地区的教育水平。

（三）数据来源于描述性统计

大数据时代的到来，推动人工智能进入爆发式发展阶段，人工智能对就业的影响也成为经济社会不可忽视的主题。因此，本文选取2010—2019年中国31个省（自治区、直辖市）的面板数据进行实证检验。本文的数据来源于《中国人口和就业统计年鉴》《中国科技统计年鉴》以及各省统计年鉴。从表1中主要变量的描述性统计可以看出，我国各变量都存在较为明显的区域异质性，因此有必要将空间因素纳入本文的研究范围。

四、实证研究

（一）空间自相关检验

本文对被解释变量和核心解释变量进行了全局莫兰指数计算，结果见表2。结果表明，我国31个省（自治区、直辖市）的就业规模（empsca）、就业结构（empstr）和人工智能发展水平（AI）的莫兰指数在5%的显著性水平下均为正值，即相邻地区的人工智能发展和就业情况存在相互联系和影响，并非绝对独立。因此，选用空间计量模型研究人工智能对劳动力就业的影响具有一定的合理性，研究结果更具有可靠性。

（二）人工智能对就业规模影响的实证研究

豪斯曼检验结果显示应接受备择假设，因此本文选择使用固定效应模型。从基础模型的空间面板数据回归结果可以看出，人工智能水平的提高，可以显著促进我国就业规模的扩大，这说明我国人工智能的创造效应大于替代效应，为我国劳动力提供了更多的就业机会。此外，对外贸易的发展和教育投入的提高会显著促进我国劳动力就业规模的增长，而平均工资的提升对我国就业规模有不利影响，这是因为：对外开放不但有助于外资企业的设立，同时也为中国企业进入世界市场提供了崭新的机遇，从而产生了许多新的就业机会和岗位；教育投入的提高帮助劳动力更好地适应新时代、提升自身劳动技能，减少了失业的可能性；但工资水平的上升却提高了企业的成本，从而不利于企业扩大规模，减少了企业对劳动力的需求。

从空间杜宾模型回归结果可以看出：首先，在三种空间权重矩阵下，就业规模的空间自回归系数通过了5%的显著性水平，分别为0.609、0.166、0.486，即空间效应存在。其次，人工智能发展水平的回归系数为正，即随着人工智能的不断发展，对地区就业规模的扩大呈现出显著的正向影响，人工智能的发展创造了许多新的就业岗位，为就业规模的扩大提供了条件。人工智能的空间项在三种空间权重矩阵下的系数也通过了显著性检验，在W1和W2下，一个地区人工智能的发展对周边地区的就业规模具有负向的空间溢出效应，这是因为人工智能发展较快的地区拥有更多的就业机会和岗位，对周边地区的勞动力具有一定的吸引力，当周边地区的劳动力涌入人工智能发展更快的地区时，便降低了周边地区的就业规模；在经济地理权重距离下，人工智能的发展对周边地区就业规模具有正向的空间溢出效应，这是因为在考虑到经济因素后，经济发展水平相似的地区可以通过产业集聚、经济往来等形成互利互惠的局面，从而对周边地区就业规模产生正向影响。最后，控制变量回归结果显示，经济增速和教育投入对就业规模具有负向的空间溢出效应，经济越发达、教育水平越高的地区，对劳动力就业的吸纳能力就越强，就越容易造成周边地区经济规模的缩小；产业结构、对外贸易和工资水平的空间溢出效应在三种空间权重矩阵呈现出的结果并不相同。

进一步通过对空间总效应的分解来分析人工智能影响就业规模的直接、间接效应，及将直接、间接效应分别视作区域内、区域间的溢出效应，结果显示，人工智能发展水平在W1和W2的条件下，直接效应为正，没有显著的间接效应，而在W3的条件下，直接效应和间接效应都为正。这说明，人工智能对区域内就业规模的提升具有正向影响，而对周边区域的就业规模并未显示出显著的影响；将经济因素纳入考虑范围后，经济发展水平相似的区域间人工智能发展水平会促进相关地区就业规模的共同增长。

以上研究结果表明，人工智能发展会显著促进本地区就业规模的扩大，这是因为我国人工智能的发展目前所呈现出的特点为创造效应大于替代效应，创造出的大量就业岗位为就业规模的增长贡献了不少力量。当权重矩阵为W1和W2时，人工智能对就业规模的影响具有负向的空间溢出效应；当权重矩阵为W3时，人工智能会对周边地区的就业规模产生正向的空间溢出效应，这是因为人工智能发展较快的地区，对劳动力的吸引力更强，会使周边地区的劳动力纷纷流向人工智能发展水平更高的地区，从而影响了周边地区的就业规模。但经济发展水平高的地区，同样对劳动力就业有很强的吸引力，地区之前的交流与协作，会促进本地区和周边地区就业规模的共同扩张。

（三）人工智能对就业结构影响的实证研究

从基础模型的实证结果可以看出，人工智能会促使就业结构向“高级化”的方向发展，即低技能劳动力占比降低，中、高技能劳动力占比上升。也就是说，人工智能技术目前更多地是替代我国低技能劳动力，而创造了更多中、高技能就业岗位。当将空间因素纳入考虑范围后，人工智能对就业的影响就呈现出不同的特征：在三种空间权重矩阵下，就业结构空间滞后项的回归系数都为正数，即一个地区的就业结构具有正向的空间溢出效应，这说明临近地区或经济发展水平相似的地区的就业结构更倾向于向相同的方向发展；在W1下，人工智能对中、低技能劳动力占比的提高具有明显的促进作用和正向的空间溢出效应，对高技能劳动力占比的提高具有促进作用，但具有负向的空间溢出效应；在W2下，人工智能发展对就业结构的影响和空间溢出效应并不显著；在W3下，人工智能发展对低技能和高技能的就业人员占比具有提升效应和负的空间溢出效应，但却对中技能劳动力就业占比具有正向的空间溢出效应。

进一步将空间总效应分解为直接效应和间接效应，通过回归结果可以看出，在W1和W3下，人工智能对低技能劳动力就业占比的直接效应和间接效应都为正，对中技能劳动力就业占比的间接效应为正，对高技能劳动力占比的直接效应为正、间接效应为负。也就是说，人工智能对区域内就业结构的影响呈现出两极化的特征，会对周边地区和经济发展程度相似地区高技能就业人员的占比产生不利影响。在W2下，人工智能并未显现出对就业结构有明显的空间溢出效应。

以上研究结果表明，我国人工智能的发展对就业结构影响的空间溢出效应主要表现为对中、低技能劳动力就业占比的促进效应和对高技能劳动力就业占比的抑制效应。这是因为，我国人工智能的发展水平尚处于初级阶段，对高技能劳动力的需求不足，人工智能发展较快的地区只会不断吸引周边地区的人才聚集，对周边地区的高技能劳动力就业占比产生不利影响；但人工智能技术的运用会带动产业链的延伸，从而使周边地区相关产业的发展進一步带动周边地区中、低技能劳动力就业占比的提高。

（四）稳健性检验

上述研究结果表明，我国人工智能的发展会导致就业规模的扩大和就业结构向“高级化”方向发展，但为防止估计结果受人工智能变量选择的影响，本文将更换核心解释变量来进行稳健性检验。本文将核心解释变量更换为“机器人安装密度”（Rob），该指标可以直接反映地区对人工智能的应用情况，因此借鉴闫雪凌^［21］、朱火弟^［16］等学者的做法，通过对国际机器人联盟中的原始数据进行处理来测算各省机器人密度，计算公式如下所示：

其中，robit_it表示i地区t时期机器人密度，labor_ijt表示i地区j行业t年的就业人数，labor_it表示i地区t年的就业人数，对所有行业进行加总，即可得到i地区的机器人安装密度。本文更换核心解释变量后对模型重新进行了回归，回归结果见表7。

结果显示，替换核心解释变量后，人工智能变量的显著性水平、估计系数符号与原来回归结果保持一致，人工智能发展对就业规模增长、就业结构呈现“高级化”发展趋势的基本结论依旧稳健。

五、主要结论与对策建议

（一）主要结论

本文从理论分析出发，研究了人工智能影响就业规模和就业结构的理论机制，并进一步运用2010—2019年我国31个省（自治区、直辖市）的面板数据，研究人工智能对我国就业规模和就业结构的影响，运用空间杜宾模型分析人工智能对我国就业的空间溢出效应，主要结论如下：

第一，我国就业规模、就业结构和人工智能发展水平存在着显著的空间自相关性，莫兰指数在5%的显著性水平下均为正数。其中，就业规模和人工智能发展水平在十年间的空间自相关性变化不大，中、低技能劳动力就业的空间自相关性有所下降，高技能劳动力就业的空间自相关性不断提升。

第二，在三种空间权重矩阵下，我国人工智能对就业规模的影响显著。其中，在邻接关系权重矩阵和地理距离权重矩阵下，人工智能对就业规模的影响具有负向的空间溢出效应，在经济距离空间权重矩阵下具有正向的空间溢出效应；人工智能对就业规模的直接效应都为正数，而仅在经济距离空间权重矩阵下，间接效应显著为正。

第三，在基础面板模型中，人工智能对就业结构的影响呈现出向“高级化”方向发展的特征，而在空间杜宾模型中，人工智能对就业结构的影响表现为“两极化”的发展特征。其中，在邻接关系空间权重矩阵下，人工智能对中、低技能劳动力就业占比具有正向的空间溢出效应和直接效应，对高技能劳动力就业占比具有负向的空间溢出效应和间接效应；在地理距离空间权重矩阵下，人工智能对就业结构的空间溢出效应并不显著。

（二）对策建议

第一，大力推动我国人工智能的发展与产业化的实现。首先，政府应通过完善相关法律法规、伦理道德规范、安全监测评估和产权保护政策来为人工智能发展提供政策保障；通过科学宣传和合理引导让社会公众对人工智能有进一步了解，降低社会公众对“机器换人”的恐慌，以积极的心态面对未来的职业选择和规划。其次，推动人工智能和实体经济的融合发展，创建人工智能服务平台和人工智能创业园区，让人工智能技术更好地为我国中小企业赋能，为可以提供80%以上就业岗位的中小企业的长远发展创造条件。最后，企业应主动开展创新活动，在面临“人才短缺、成本焦虑、供需不匹”的情况下，提前部署企业战略安排，积极寻求政府扶持和企业合作，推动我国在人工智能领域实现进一步突破；企业还需注重对“人机协作”的技术研究和职工技能的培养，以实现人工智能时代职工就业的平稳过渡。

第二，提升人力资本水平，提高劳动者就业技能。首先，政府应加大对高校教育和职业教育的财政支持力度，大力发展多层次教育，及时根据发展需要调整专业结构和专业设置，改善教育环境、提升教育资源、完善教育设施。其次，高校应积极主动设立与人工智能相关的专业并开展人工智能相关课程，把学生培养成为人工智能与其他专业相融合的复合型技术人才。最后，劳动者自身也应转变思想观念，主动提高自身综合素质，努力适应社会对劳动力就业技能的需求，更好地适应新的就业岗位和技术环境。

第三，加强地区间的交流与合作，推动区域就业协调发展。首先，政府应放宽劳动力户籍限制，允许劳动力跨区域流动就业，确保跨区域劳动者享受与当地劳动者同等的基本保障与公共服务；政府应创建企业交流合作平台，充分利用人工智能推动具有完整产业链的产业集群的形成，创造更多就业机会和工作岗位，帮助当地及周边地区解决就业问题。其次，企业应抓住机遇，以合作助推人工智能行业的高水平发展，企业之间的合作交流有助于企业职工相互学习，提升自身能力，改变当地及周边地区的就业结构。最后，各地区之间应出台相关就业政策，完善与落实人才落户政策，确保劳动者的合法权益得到保障，减少因人才引进政策导致的虹吸效应对本地区就业规模和就业结构的影响。

［责任编辑：张思军］

注释：

① 数据来源：人民网，https：//baijiahao.baidu.com/s？id=1705259939415708370&wfr=spider&for=pc。

② 资料来源：《人口与劳动绿皮书：中国人口与劳动问题报告No.21》，社会科学文献出版社：2020年版第123-126页。

③ 资料来源：《中国人工智能发展报告2020》，清华大学人工智能研究院，清华-中国工程院知识智能联合研究中心，中国人工智能学会。

④ 资料来源：新华网客户端，https：//baijiahao.baidu.com/s？id=1619104306304127068&wfr=spider&for=pc。

⑤ 國际机器人联盟（International Federation of Robotics），简称IFR。

参考文献：

［1］ SMITH A，ANDERSON J.AI，robotics，and the future of jobs［J］.Pew research center，2014（6）：51-58.

［2］ PAJARINEN M，ROUVINEN P，EKELAND Anders.Computerization and the future of jobs in Norway［EB/OL］.The research institute of the finnish economy，2015.

［3］ FREY C B，OSBORNE M A.The future of employment：how susceptible are jobs computerization［J］.Technological forecasting and social change，2017（114）：254-280.

［4］ GODDARD M A，DAVIES Z G，GUENAT S.A global horizon scan of the future impacts of robotics and autonomous systems on urban ecosystems［J］.Nature ecology & evolution，2021，5（2）：219-230.

［5］ 王君，张于喆，张义博，洪群联.人工智能等新技术进步影响就业的机理与对策［J］.宏观经济研究，2017（10）：169-181.

［6］ 陈永伟，曾昭睿.“第二次机器革命”的经济后果：增长、就业和分配［J］.学习与探索，2019（2）：101-113.

［7］ 孟园园，陈进.经济不平衡条件约束下，人工智能对就业影响效应研究——以经济发展水平为调节变量［J］.中国劳动，2019（9）：40-52.

［8］ GORLE P，CLIVE A.Positive impact of industrial robots on employment［R］.London，IFR：2013.

［9］ HOEDEMAKERS L.The changing nature of employment：how technological progress and robotics shape the future of work［D］.Lund：Lund University Master Thesis，2017.

［10］程承坪，彭欢.人工智能影响就业的机理及中国对策［J］.中国软科学，2018（10）：62-70.

［11］谢璐，韩文龙，陈翥.人工智能对就业的多重效应及影响［J］.当代经济研究，2019（9）：33-41.

［12］邓洲.工业机器人发展及其对就业影响［J］.地方财政研究，2016（6）：25-31.

［13］郝楠.劳动力极化的经济效应分析——基于经济增长和收入不平等的双重视角［J］.华东经济管理，2017，（2）：118-125.

［14］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］.数量经济技术经济研究，2019（5）：3-22.

［15］陈晓，郑玉璐，姚笛.工业智能化、劳动力就业结构与经济增长质量——基于中介效应模型的实证检验［J］.华东经济管理，2020（10）：56-64.

［16］朱火弟，葉润.人工智能发展对我国劳动力就业结构的影响——基于2006—2019年省级面板数据的实证分析［J］.重庆理工大学学报（社会科学），2021（8）：59-70.

［17］潘丹丹.人工智能的就业反极化效应研究［J］.现代经济探讨，2019（12）：25-31，65.

［18］李俊珏.智能化发展对劳动力就业的影响研究［D］.昆明：云南财经大学硕士学位论文，2020.

［19］郝楠.劳动力就业“极化”、技能溢价与技术创新［J］.经济学家，2017（8）：27-32.

［20］孙早，侯玉琳.工业智能化如何重塑劳动力就业结构［J］.中国工业经济，2019（5）：61-79.

［21］闫雪凌，朱博楷，马超.工业机器人使用与制造业就业：来自中国的证据［J］.统计研究，2020（1）：74-87.

［22］芦婷婷，祝志勇.人工智能是否会降低劳动收入份额——基于固定效应模型和面板分位数模型的检验［J］.山西财经大学学报，2021（11）：29-41.

［23］韩家宾.我国人工智能对就业影响的地区差异——基于发达与欠发达地区的比较分析［D］.太原：山西财经大学硕士学位论文，2020.

Research on the Influence of Artificial Intelligence on Labor Force Employment

——From the Perspective of Space Spillover

CAO Hua，ZHAO Wen-jie

（School of Economics，Yunnan Minzu University，Kunming 650031，China）

Abstract：At present，the theory and application of artificial intelligence technology are developing rapidly，and gradually become the core force of a new round of scientific and technological progress and industrial reform，which has a profound impact on human life.From the perspective of spatial spillover，the author establishes three types of spatial weight matrices，and uses panel data model and spatial Dobbin model to study the impact of the development of artificial intelligence in 31 provinces （autonomous regions and municipalities directly under the central government） on China's employment scale and employment structure from 2010 to 2019.The results show that the employment of labor force and the development of artificial intelligence in China have the characteristics of spatial autocorrelation，that the development of artificial intelligence has a significant promoting effect and positive spatial spillover effect on the scale of employment in China and that the impact of artificial intelligence on China's employment structure shows the promotion effect of developing towards “the high-grade” and the spatial spillover effect of developing towards “polarization”.

Key words：artificial intelligence；employment scale；employment structure；spatial spillover effects