李 剛，孔藝猛

一、引言

就業(yè)不僅是經(jīng)濟(jì)的“晴雨表”，也是民生的“溫度計(jì)”。良好的就業(yè)水平不但能夠助力經(jīng)濟(jì)社會(huì)快速發(fā)展，同時(shí)也能夠?qū)崿F(xiàn)社會(huì)公平，保障社會(huì)的穩(wěn)定，使百姓安居樂業(yè)。

然而，以人工智能為代表的新時(shí)代信息技術(shù)革命催生出一大批新興產(chǎn)業(yè)，在調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的同時(shí)對(duì)就業(yè)產(chǎn)生了深遠(yuǎn)影響。 人工智能區(qū)別于前幾次科技革命，它不僅具有更快的變革速度、更大的變革規(guī)模以及更高層次的變革深度，還具備著用嶄新的方式取代人力勞動(dòng)的潛力，這使得人們又一次陷入“機(jī)器取代人”的恐慌。 在這一背景下，技術(shù)進(jìn)步是否會(huì)對(duì)勞動(dòng)力市場(chǎng)造成沖擊再度成為人們關(guān)注的焦點(diǎn)問題。

技術(shù)進(jìn)步作為影響就業(yè)的重要因素，學(xué)者們針對(duì)不同區(qū)域技術(shù)進(jìn)步的就業(yè)效應(yīng)進(jìn)行了多角度研究，但技術(shù)進(jìn)步究竟是促進(jìn)就業(yè)還是會(huì)帶來(lái)結(jié)構(gòu)性失業(yè)尚未有定論。 為了弄清勞動(dòng)力就業(yè)量與就業(yè)結(jié)構(gòu)究竟會(huì)受到技術(shù)進(jìn)步怎樣的影響，本文將運(yùn)用CGE 模型，并結(jié)合各類宏觀數(shù)據(jù)深入研究?jī)?nèi)生技術(shù)進(jìn)步對(duì)我國(guó)就業(yè)的影響，分析結(jié)構(gòu)性失業(yè)是否是內(nèi)生技術(shù)進(jìn)步帶來(lái)的必然結(jié)果。 弄清技術(shù)進(jìn)步與結(jié)構(gòu)性失業(yè)之間的內(nèi)在聯(lián)系，使勞動(dòng)力資源得以有效配置，這對(duì)于政府采取有效的技術(shù)進(jìn)步策略促進(jìn)就業(yè)，推動(dòng)我國(guó)的經(jīng)濟(jì)全面快速穩(wěn)定地發(fā)展有著重要的實(shí)踐意義。

二、文獻(xiàn)綜述

關(guān)于技術(shù)進(jìn)步就業(yè)效應(yīng)的研究最早可以追溯到18 世紀(jì)末，當(dāng)時(shí)如火如荼的工業(yè)革命便引發(fā)了人們對(duì)技術(shù)與勞動(dòng)力市場(chǎng)之間關(guān)系的關(guān)注，因?yàn)樵诖似陂g，英國(guó)工人的工作逐步被新開發(fā)的機(jī)器所取代(Bessen，2015；Katz and Margo，2013)。 在隨后的一百多年里，關(guān)于技術(shù)進(jìn)步究竟會(huì)對(duì)就業(yè)產(chǎn)生什么樣的影響，各項(xiàng)研究之間依舊存在著很大的分歧。學(xué)者們的觀點(diǎn)大致可以分為兩派：一部分學(xué)者認(rèn)為技術(shù)進(jìn)步能夠有效地促進(jìn)就業(yè)；而另一部分學(xué)者則認(rèn)為技術(shù)進(jìn)步會(huì)帶來(lái)結(jié)構(gòu)性失業(yè)。

(一)技術(shù)進(jìn)步導(dǎo)致失業(yè)論

早期有大量古典經(jīng)濟(jì)學(xué)家認(rèn)為技術(shù)進(jìn)步與失業(yè)存在很密切的聯(lián)系，會(huì)導(dǎo)致社會(huì)就業(yè)總量的減少。 對(duì)于工業(yè)革命帶來(lái)的工人失業(yè)、貧困問題，英國(guó)著名的政治經(jīng)濟(jì)學(xué)家Thomas Robert Malthus 率先發(fā)表自己的看法，在他看來(lái)，技術(shù)的飛速進(jìn)步能夠使資本實(shí)現(xiàn)快速積累，市場(chǎng)若是無(wú)法保持同步一致的變化，那么就會(huì)導(dǎo)致原有職業(yè)被代替，最終引起失業(yè)情況的加劇。 Malthus 的觀念成為學(xué)者們研究技術(shù)進(jìn)步對(duì)就業(yè)的負(fù)面效應(yīng)的理論基礎(chǔ)，他們以此為基石，開始深入探討技術(shù)進(jìn)步負(fù)面效應(yīng)的作用機(jī)制，并得到了許多理論成果；Julien Prat 通過(guò)建立搜索與匹配模型來(lái)探索技術(shù)進(jìn)步與就業(yè)之間的關(guān)系，結(jié)果發(fā)現(xiàn)，由于外部期權(quán)效應(yīng)大于資本化效應(yīng)，因此技術(shù)進(jìn)步會(huì)增加失業(yè)率；Brynjolfsson 和McAfee 指出，美國(guó)的公司在大蕭條(2007年至2008年)之后沒有擴(kuò)大雇傭，美國(guó)經(jīng)濟(jì)顯示出戰(zhàn)后最高的失業(yè)率，他們指出，新技術(shù)的廣泛應(yīng)用是近年來(lái)結(jié)構(gòu)性失業(yè)率上升的最重要推動(dòng)力之一，他們還認(rèn)為，新采用的生產(chǎn)率更高的機(jī)器和自動(dòng)化設(shè)備取代了工人，導(dǎo)致新就業(yè)機(jī)會(huì)出現(xiàn)的速度越來(lái)越慢；Stiglitz 認(rèn)為美國(guó)制造業(yè)的技術(shù)創(chuàng)新提高了生產(chǎn)率，同時(shí)降低了就業(yè)率和工資，導(dǎo)致了當(dāng)前的經(jīng)濟(jì)增長(zhǎng)速度放緩。 國(guó)內(nèi)學(xué)者王君等認(rèn)為，技術(shù)進(jìn)步引領(lǐng)了三次科技革命，在此背景下，大規(guī)模的失業(yè)與技術(shù)進(jìn)步的浪潮密切相關(guān)。

(二)技術(shù)進(jìn)步減少失業(yè)論

古典經(jīng)濟(jì)學(xué)家James Steuart 認(rèn)為機(jī)械化帶來(lái)的失業(yè)是短期的，從長(zhǎng)遠(yuǎn)角度來(lái)看，生產(chǎn)機(jī)器部門對(duì)勞動(dòng)力需求的擴(kuò)張能夠補(bǔ)償這種暫時(shí)性的失業(yè)；一部分學(xué)者認(rèn)為由創(chuàng)新驅(qū)動(dòng)的就業(yè)減少會(huì)導(dǎo)致工資的下降，反過(guò)來(lái)又會(huì)促進(jìn)勞動(dòng)密集型技術(shù)和工業(yè)的發(fā)展(Layard et al.，1994；Venables，1985)；Violante 認(rèn)為技能偏好型技術(shù)進(jìn)步不僅推動(dòng)了科技發(fā)展，而且增加了高技能勞動(dòng)者的相對(duì)需求并提高了其勞動(dòng)報(bào)酬，使二者保持同步增長(zhǎng)。 Bloom 等估計(jì)，得益于人工智能等新興產(chǎn)業(yè)的發(fā)展，在2010 ～2030年之間，全世界將新增7.34 億個(gè)新的工作崗位。 Vivarelli 認(rèn)為，不僅要研究創(chuàng)新對(duì)就業(yè)的直接影響，而且還有必要研究創(chuàng)新對(duì)就業(yè)的間接影響，并介紹了由技術(shù)變革本身引發(fā)的不同的補(bǔ)償效應(yīng)機(jī)制，根據(jù)他提出的理論，技術(shù)進(jìn)步最初對(duì)就業(yè)產(chǎn)生的不利影響可以通過(guò)補(bǔ)償機(jī)制來(lái)抵消；Usanov 和Chivot 發(fā)現(xiàn)，隨著技術(shù)進(jìn)步通常取代傳統(tǒng)上由非熟練勞動(dòng)力完成的工作，數(shù)字革命已經(jīng)惠及高技能勞動(dòng)力；Sungmoon Jung 等考慮了技術(shù)進(jìn)步的補(bǔ)償機(jī)制，從經(jīng)濟(jì)增長(zhǎng)、就業(yè)和分配三個(gè)方面探討了因素偏向的技術(shù)變化對(duì)經(jīng)濟(jì)系統(tǒng)的影響，技術(shù)進(jìn)步帶來(lái)的經(jīng)濟(jì)增長(zhǎng)不成比例地增加了對(duì)資本和高技能勞動(dòng)力的需求，同時(shí)加劇了收入不平等。 此外，很多學(xué)者利用實(shí)證數(shù)據(jù)分析不同地區(qū)技術(shù)進(jìn)步對(duì)就業(yè)的影響，得出了相同的結(jié)論。 Graetz 和Michaels 使用1970 ～2011年17 個(gè)發(fā)達(dá)國(guó)家的數(shù)據(jù)發(fā)現(xiàn)，技術(shù)進(jìn)步并未給這些國(guó)家?guī)?lái)過(guò)多的結(jié)構(gòu)性失業(yè)。 Dauth等則利用IFR 數(shù)據(jù)對(duì)德國(guó)進(jìn)行研究，同樣也沒有發(fā)現(xiàn)機(jī)器人會(huì)給社會(huì)帶來(lái)顯著的失業(yè)增多問題。 孫文凱等對(duì)中國(guó)2003 ～2013年的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)在這十年間人工智能等技術(shù)進(jìn)步并沒有降低社會(huì)的勞動(dòng)參與率。

三、研究方法和數(shù)據(jù)

(一)社會(huì)核算矩陣的編制

本文編制的社會(huì)核算矩陣表(SAM 表)包括生產(chǎn)、消費(fèi)、進(jìn)出口，各部門之間的中間交易項(xiàng)以及要素收入幾大模塊，數(shù)據(jù)來(lái)源于《2017年中國(guó)投入產(chǎn)出表》《中國(guó)統(tǒng)計(jì)年鑒2018》和《中國(guó)財(cái)政統(tǒng)計(jì)年鑒2018》。 本文依據(jù)不同的行業(yè)特點(diǎn)，將投入產(chǎn)出表的42 個(gè)部門整合為23 個(gè)，和其他標(biāo)準(zhǔn)的SAM 表相比，主要差異在于勞動(dòng)力的類別的劃分以及R＆D 活動(dòng)的描述。 首先，根據(jù)勞動(dòng)人群的學(xué)歷水平將其分為三大類。 具體來(lái)說(shuō)，大學(xué)本科及以上學(xué)歷被歸為高技能勞動(dòng)力，高中畢業(yè)生為中等技能勞動(dòng)力，初中及以下學(xué)歷人群則被劃分為低技能勞動(dòng)力。 其次，在投資賬戶中引入知識(shí)資本，即將投資賬戶分為實(shí)物資本與知識(shí)資本兩部分，而根據(jù)知識(shí)資本賬戶的使用者類別，又將其分為私人賬戶和公共賬戶。 在本文使用的SAM 表中，最初包含在實(shí)物資本中的R＆D 支出被轉(zhuǎn)入知識(shí)資本賬戶。

(二)CGE 模型的構(gòu)建

本文使用的Knowledge-CGE 模型是在傳統(tǒng)的CGE 模型的基礎(chǔ)上構(gòu)建起來(lái)的，區(qū)別于傳統(tǒng)CGE 模型，此模型考慮了兩個(gè)重要的方面：第一，勞動(dòng)具有異質(zhì)性，因此將勞動(dòng)按學(xué)歷水平分為低技能勞動(dòng)、中技能勞動(dòng)和高技能勞動(dòng)；第二，資本也具備異質(zhì)性，資本可以分為實(shí)物資本和知識(shí)資本。 其中，知識(shí)資本由R＆D 和教育組成。

模型中生產(chǎn)函數(shù)采用四層嵌套的CES-Leontief 結(jié)構(gòu)，具體框架如圖1 所示。

圖1 生產(chǎn)函數(shù)的嵌套結(jié)構(gòu)

四、模擬分析

(一)情景設(shè)計(jì)

本文為了研究?jī)?nèi)生技術(shù)進(jìn)步對(duì)就業(yè)和經(jīng)濟(jì)增長(zhǎng)的影響，將研發(fā)投入總量通過(guò)特定的計(jì)量方法轉(zhuǎn)化為研發(fā)強(qiáng)度，并將其作為一個(gè)代理變量，其值的變大則代表內(nèi)生技術(shù)進(jìn)步，在此基礎(chǔ)上構(gòu)建了四個(gè)政策情景進(jìn)行分析。 各種情景的設(shè)置概述如表1 所示，基礎(chǔ)情景(Business-As-Usual Scenario)是其余四種情景的對(duì)照組，在此情景下，R＆D 強(qiáng)度為2%，在另外四種情景下，R＆D 強(qiáng)度逐漸加大，動(dòng)態(tài)過(guò)程的時(shí)間跨度為10年，即2018～2027年。

表1 情景描述

(二)內(nèi)生技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)的影響

在這一小節(jié)中，我們分析不同創(chuàng)新水平所產(chǎn)生的經(jīng)濟(jì)效應(yīng)。 通過(guò)比較不同情景下的GDP 變化，我們不難得出結(jié)論：不斷增加R＆D 投入帶來(lái)的內(nèi)生技術(shù)進(jìn)步，可以使得宏觀經(jīng)濟(jì)實(shí)現(xiàn)快速增長(zhǎng)。 表2 列出了每個(gè)假設(shè)情景在2018 ～2027年期間的GDP 增長(zhǎng)率以及GDP年平均增長(zhǎng)率，同時(shí)圖2 列出與“一切照舊”假設(shè)情景相比，各類假設(shè)情景中GDP 水平的變化情況，基準(zhǔn)情景下的GDP 水平為1。 表2 的結(jié)果顯示，在情景4 中，2018 ～2027年之間的GDP 增長(zhǎng)率為54.80%，GDP 的年均增長(zhǎng)率為4.47%，高于其他四種情況；而基準(zhǔn)情景下的GDP 增長(zhǎng)率以及年平均增長(zhǎng)率最低，并且隨著R＆D 強(qiáng)度的增加，GDP 增長(zhǎng)率以及GDP年平均增長(zhǎng)率逐漸遞增，研究結(jié)果突出表明，較高水平的R＆D 支出通過(guò)更多的技術(shù)進(jìn)步，從而促進(jìn)了長(zhǎng)期經(jīng)濟(jì)增長(zhǎng)，而降低的研發(fā)強(qiáng)度則會(huì)阻礙了經(jīng)濟(jì)增長(zhǎng)，導(dǎo)致經(jīng)濟(jì)萎縮。

表2 不同情景下的GDP 增長(zhǎng)率(2018～2027年)

圖2 不同情景下GDP 水平的變化(相比于基準(zhǔn)情景)

(三)內(nèi)生技術(shù)進(jìn)步對(duì)就業(yè)的影響

一般均衡框架的市場(chǎng)出清條件意味著，商品和要素的流動(dòng)必須被經(jīng)濟(jì)中的生產(chǎn)和消費(fèi)活動(dòng)吸收。 這表明，在給定因素下，工業(yè)部門的需求量必須與賦予家庭的總供應(yīng)量相平衡。 因此，按情景類型劃分的勞動(dòng)力需求變化可以理解為每種情景的勞動(dòng)力供給變化。 在此基礎(chǔ)上，我們算出不同情景下勞動(dòng)力需求的變化情況。 表3 列出了在每種情景下2018～2027年之間的總勞動(dòng)力需求變化率，以及在2027年相對(duì)于BAU 情景的總就業(yè)水平的變化(四種情景相對(duì)于基準(zhǔn)情景的變化)。

表3 不同情景下勞動(dòng)總需求的變化

從表3 還可以看出，在情景4 下，總的勞動(dòng)力需求增長(zhǎng)最快(從2018年到2027年增長(zhǎng)80.17%)，而這一情景下的R＆D 投資水平是最高的。 情景4 的數(shù)據(jù)還表明，總就業(yè)水平有了顯著的提升，與2027年的BAU 水平相比增長(zhǎng)了23.10%。另一方面，在R＆D 強(qiáng)度較低的情景1 下，從2018年到2027年，其就業(yè)增長(zhǎng)率最低，為67.06%(不考慮基準(zhǔn)情景)。 此外，我們可以看到，相對(duì)于BAU 情景，情景1 中就業(yè)水平較低(與2030年的BAU 情景相比僅增長(zhǎng)14.41%)。 這些結(jié)果表明，更高水平的創(chuàng)新活動(dòng)可以抵消資本偏向的技術(shù)變革的影響，從而創(chuàng)造更多的就業(yè)機(jī)會(huì)，從而提高經(jīng)濟(jì)中的就業(yè)水平。

1.內(nèi)生技術(shù)進(jìn)步對(duì)不同技能勞動(dòng)力需求的影響

表4 顯示了每種情景下2018 ～2027年按技能類型劃分的勞動(dòng)力需求增長(zhǎng)率，結(jié)果表明，在所有情況下，對(duì)高技能勞動(dòng)力的需求增長(zhǎng)都比對(duì)其他類型勞動(dòng)力的增長(zhǎng)更快。 在情景4 中，高技能勞動(dòng)力的需求增長(zhǎng)幅度最大，為85.21%。 在情景4 中，對(duì)各種勞動(dòng)力的需求都顯著增加(從2018年到2027年，低技能勞動(dòng)力：76.55%，中等技能勞動(dòng)力：82.43%)。另一方面，如表4 所示，在所有情況中，基準(zhǔn)情景的三種勞動(dòng)力需求增長(zhǎng)率均為最低(低技能勞動(dòng)力：55.58%，中等技能勞動(dòng)力：58.64%，高等技能勞動(dòng)力：63.41%)。 高技能勞動(dòng)力對(duì)R＆D 強(qiáng)度變化的更高敏感性意味著：更高水平的內(nèi)生技術(shù)進(jìn)步更有利于促進(jìn)高技能工人的就業(yè)。

表4 2018～2027年不同技能類型勞動(dòng)力需求增長(zhǎng)率 (單位：%)

2.內(nèi)生技術(shù)進(jìn)步對(duì)不同行業(yè)勞動(dòng)力需求的影響

在本小節(jié)中，我們將研究?jī)?nèi)生技術(shù)進(jìn)步對(duì)不同行業(yè)勞動(dòng)力需求的影響。 圖3 顯示，隨著R＆D 投入的增加，幾乎所有行業(yè)對(duì)勞動(dòng)力的需求均會(huì)加大。 并且不難看出，幾乎對(duì)于所有部門而言，R＆D 投入越多，則勞動(dòng)力需求的漲幅越大。 此外，在所有行業(yè)中，R＆D 部門對(duì)勞動(dòng)力需求增長(zhǎng)率最高，并且顯著高于其他22 個(gè)行業(yè)。 這表明，與其他行業(yè)相比，具有更高創(chuàng)新強(qiáng)度的行業(yè)具有更大的創(chuàng)造就業(yè)機(jī)會(huì)的潛力。 因此，結(jié)果表明，內(nèi)生技術(shù)進(jìn)步可以在高科技制造業(yè)和研發(fā)行業(yè)創(chuàng)造更多就業(yè)機(jī)會(huì)，并促進(jìn)經(jīng)濟(jì)向知識(shí)密集型產(chǎn)業(yè)的過(guò)渡。

圖3 2027年不同行業(yè)勞動(dòng)力需求變化(相對(duì)于基準(zhǔn)情景)

五、結(jié)論及建議

本文從經(jīng)濟(jì)增長(zhǎng)和就業(yè)兩個(gè)方面研究了內(nèi)生技術(shù)進(jìn)步對(duì)整個(gè)經(jīng)濟(jì)社會(huì)的影響。 在分析中，我們采用了基于知識(shí)的可計(jì)算一般均衡模型，為了將技術(shù)進(jìn)步的特點(diǎn)納入CGE 框架，在模型中引入了研發(fā)投資和知識(shí)資本存量，并將R＆D 強(qiáng)度作為衡量?jī)?nèi)生技術(shù)進(jìn)步的指標(biāo)。 以此為理論基礎(chǔ)，從經(jīng)濟(jì)增長(zhǎng)和就業(yè)兩個(gè)方面對(duì)政策情景的模擬結(jié)果進(jìn)行了分析。模擬結(jié)果顯示，研發(fā)經(jīng)費(fèi)的投入促進(jìn)了經(jīng)濟(jì)增長(zhǎng)，并提高了社會(huì)的勞動(dòng)力總需求，創(chuàng)造出更多的就業(yè)機(jī)會(huì)。 這就說(shuō)明，技術(shù)進(jìn)步的間接就業(yè)效應(yīng)與生產(chǎn)力提高驅(qū)動(dòng)的生產(chǎn)擴(kuò)張和經(jīng)濟(jì)中的溢出效應(yīng)相關(guān)，大于技術(shù)進(jìn)步的直接就業(yè)效應(yīng)。

內(nèi)生技術(shù)進(jìn)步能夠使生產(chǎn)率大幅增長(zhǎng)，進(jìn)而降低各部門的生產(chǎn)成本。 生產(chǎn)產(chǎn)出的成本降低，使各部門需要更多的生產(chǎn)要素，從而促進(jìn)生產(chǎn)和擴(kuò)大經(jīng)濟(jì)中的就業(yè)。 據(jù)此可以推斷，促進(jìn)經(jīng)濟(jì)內(nèi)部的創(chuàng)新對(duì)于推動(dòng)經(jīng)濟(jì)增長(zhǎng)和總體就業(yè)擴(kuò)張至關(guān)重要。 因此，我們應(yīng)當(dāng)在創(chuàng)新政策領(lǐng)域建立政策性工具，為各行業(yè)提供推動(dòng)創(chuàng)新變革的機(jī)會(huì)，鼓勵(lì)各行各業(yè)樹立創(chuàng)新精神，加大研發(fā)投入。 具體措施包括提供研發(fā)補(bǔ)貼，降低新興行業(yè)的準(zhǔn)入門檻，以及修訂可能阻礙創(chuàng)新的規(guī)章制度。