鈔小靜 沈路 廉園梅

(西北大學(xué)經(jīng)濟管理學(xué)院,陜西 西安 710127)

一、引言

從機器學(xué)習(xí)到大數(shù)據(jù)分析，從語義理解到人臉識別，人工智能技術(shù)的研發(fā)與應(yīng)用對社會生產(chǎn)與人類生活產(chǎn)生了深刻影響。面對新一輪科技革命和產(chǎn)業(yè)變革帶來的歷史機遇，為推進人工智能與實體經(jīng)濟加速融合發(fā)展，2017年7月，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，確立了中國人工智能發(fā)展“三步走”的戰(zhàn)略目標(biāo)?！吨腥A人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標(biāo)綱要》中亦強調(diào)：要聚焦人工智能關(guān)鍵算法等重要領(lǐng)域，加速推進智能產(chǎn)品設(shè)計與制造，深入實施智能制造工程，培育先進制造業(yè)集群。隨著人工智能技術(shù)發(fā)展由初步探索邁向深耕細(xì)分與跨界融合的新時期，其與制造業(yè)的深度融合在替代危險工作崗位、提高勞動生產(chǎn)率、賦能經(jīng)濟高質(zhì)量發(fā)展的同時亦引發(fā)了“機器替人”的失業(yè)焦慮，我國的就業(yè)問題也逐漸凸顯為勞動力技能與就業(yè)崗位不匹配的結(jié)構(gòu)性問題。

已有研究主要考察了人工智能對中國制造業(yè)就業(yè)的直接影響。一方面，中國制造業(yè)行業(yè)中掌握中、低技能的勞動力占比更高[1]，隨著人工智能技術(shù)發(fā)展的深度與廣度逐漸提升以及人工智能應(yīng)用的生產(chǎn)成本不斷降低，中、低技能勞動力會逐漸喪失原有的競爭優(yōu)勢。因而，處理任務(wù)速度更快、操作精確度更高的人工智能技術(shù)應(yīng)用將逐步替代一些制造業(yè)就業(yè)崗位。另一方面，人工智能技術(shù)發(fā)展也會帶動高端數(shù)控機床、機器人等相關(guān)行業(yè)的繁榮，從而為技能勞動力提供大量諸如人工智能研發(fā)、智能化產(chǎn)品制造等新就業(yè)崗位[2]。事實上，機器人的大規(guī)模應(yīng)用既可能因高投資回報率而替代本行業(yè)和關(guān)聯(lián)行業(yè)的勞動力就業(yè)[3]，亦可能通過降低生產(chǎn)成本、擴大生產(chǎn)規(guī)模而對產(chǎn)業(yè)鏈下游行業(yè)的勞動力就業(yè)產(chǎn)生正溢出效應(yīng)[4]。但鮮有文獻直接考察人工智能對中國制造業(yè)就業(yè)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)。

對相關(guān)典型事實進行觀察，如圖1所示，2005-2019年中國制造業(yè)人工智能發(fā)明專利授權(quán)數(shù)總體呈現(xiàn)出先緩慢上升而后大幅上升的變化趨勢，且2013年之前的人工智能發(fā)明專利授權(quán)數(shù)明顯偏少。制造業(yè)就業(yè)人員數(shù)總體呈現(xiàn)出先上升后下降的變化趨勢，且在2013-2019年期間與人工智能發(fā)明專利授權(quán)數(shù)呈現(xiàn)出較為明顯的反方向變動關(guān)系，這表明2013年后人工智能技術(shù)可能對制造業(yè)勞動力就業(yè)產(chǎn)生了崗位替代效應(yīng)。從人工智能技術(shù)的行業(yè)異質(zhì)性和空間關(guān)聯(lián)度來看(如圖2所示(1)在圖2中，y8代表2013-2019年人工智能發(fā)明專利授權(quán)數(shù)均值，橫軸z代表中國制造業(yè)28個細(xì)分行業(yè)，縱軸WZ為其空間滯后項。1-28分別代表農(nóng)副食品加工業(yè)、食品制造業(yè)、飲料制造業(yè)、煙草制品業(yè)、紡織業(yè)、紡織服裝業(yè)、皮革毛皮及其制品業(yè)、木材加工業(yè)、家具制造業(yè)、造紙業(yè)、印刷業(yè)、文教體娛用品制造業(yè)、石油加工業(yè)、化學(xué)原料制造業(yè)、醫(yī)藥制造業(yè)、化學(xué)纖維制造業(yè)、橡膠和塑料制品業(yè)、非金屬礦物制品業(yè)、黑色金屬冶煉業(yè)、有色金屬冶煉業(yè)、金屬制品業(yè)、通用設(shè)備制造業(yè)、專用設(shè)備制造業(yè)、汽車制造業(yè)、鐵路船舶航空制造業(yè)、電氣機械制造業(yè)、計算機通信和其他電子設(shè)備制造業(yè)、儀器儀表制造業(yè)，下同。)，大部分制造行業(yè)位于第一或第三象限，表明人工智能技術(shù)水平存在顯著的行業(yè)異質(zhì)性，且在具有技術(shù)關(guān)聯(lián)的行業(yè)間產(chǎn)生了“高高相鄰”“低低相鄰”的集聚效應(yīng)，而人工智能技術(shù)水平的行業(yè)異質(zhì)性和關(guān)聯(lián)性正是其產(chǎn)生溢出的基礎(chǔ)。那么，人工智能技術(shù)對中國制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)究竟存在何種產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)？該效應(yīng)又是否會受到行業(yè)異質(zhì)性特征的影響？回答這些問題，一方面，有利于推進制造業(yè)發(fā)展數(shù)字化、高端化、智能化，為人工智能等前沿科技賦能制造業(yè)轉(zhuǎn)型升級提供經(jīng)驗證據(jù)；另一方面，有利于精準(zhǔn)識別人工智能技術(shù)對中國勞動力市場的沖擊力度，并在新一代信息技術(shù)與實體經(jīng)濟深度融合的大環(huán)境下，為改善人力資本結(jié)構(gòu)、促進勞動力穩(wěn)定就業(yè)提供理論依據(jù)和經(jīng)驗參考。

圖1 制造業(yè)人工智能發(fā)明專利授權(quán)與就業(yè)人口變化趨勢

圖2 技術(shù)距離矩陣下人工智能發(fā)明專利授權(quán)數(shù)的Moran’s I散點圖

二、文獻綜述

隨著人工智能行業(yè)的蓬勃發(fā)展，“機器替人”逐漸引發(fā)人們對失業(yè)的擔(dān)憂，學(xué)術(shù)界開始關(guān)注人工智能對勞動力就業(yè)的影響。已有文獻主要研究了人工智能對勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)的直接影響。在人工智能對勞動力就業(yè)規(guī)模的影響方面，一部分學(xué)者認(rèn)為人工智能對勞動力就業(yè)存在崗位替代效應(yīng)，即人工智能的發(fā)展會導(dǎo)致勞動力就業(yè)總量下降[5-6]。Autor等(2003)[7]、Acemoglu和Restrepo(2018)[8]利用任務(wù)理論模型將工作任務(wù)劃分為結(jié)構(gòu)化程度高的常規(guī)任務(wù)和結(jié)構(gòu)化程度低的非常規(guī)任務(wù)，發(fā)現(xiàn)人工智能技術(shù)會降低勞動者的比較優(yōu)勢，進而制約勞動力就業(yè)。另一部分學(xué)者則持樂觀態(tài)度，認(rèn)為人工智能可以通過促進生產(chǎn)規(guī)模擴張和技術(shù)擴散對勞動力就業(yè)產(chǎn)生積極影響[9]。Dauth等(2017)[10]基于1994-2014年德國勞動力市場數(shù)據(jù)，發(fā)現(xiàn)機器人應(yīng)用有利于促進服務(wù)業(yè)的勞動力就業(yè)。Trajtenberg(2018)[11]、Graetz和Michaels(2018)[12]也認(rèn)為人工智能行業(yè)的繁榮發(fā)展可以創(chuàng)造出大量的新就業(yè)機會。

在人工智能對勞動力就業(yè)結(jié)構(gòu)的影響方面，學(xué)者們大多認(rèn)為人工智能技術(shù)作為創(chuàng)新生產(chǎn)函數(shù)中的一項重要投入，可以通過重塑工藝和產(chǎn)品的生產(chǎn)流程催生出大量的技術(shù)崗位需求，從而優(yōu)化勞動力結(jié)構(gòu)[13]。一方面，隨著具有技能偏向的技術(shù)進步出現(xiàn)，人工智能對具有中、低技能或教育水平的勞動力存在顯著的替代效應(yīng)[14-15]。這主要是因為具有高技能或教育水平的勞動力適應(yīng)新技術(shù)的能力更強[7]，其在競聘新就業(yè)崗位時仍具有較大的競爭優(yōu)勢。另一方面，F(xiàn)eng和Graetz(2015)[16]則在探討人工智能對不同類型崗位替代程度的過程中提出了“就業(yè)極化”理論[16]。首先，人工智能技術(shù)會優(yōu)先替代工作任務(wù)結(jié)構(gòu)程度高的崗位以降低企業(yè)成本；其次，受到“吹風(fēng)”效應(yīng)的影響[17]，人工智能更傾向于替代具有中等技能的勞動力，孫早和侯玉琳(2019)[18]基于2001-2015年中國省級面板數(shù)據(jù)驗證了該理論。

已有研究主要關(guān)注人工智能對勞動力就業(yè)的直接影響，但其實在新一輪科技革命和產(chǎn)業(yè)變革的深入發(fā)展過程中，人工智能作為發(fā)揮“頭雁效應(yīng)”的引領(lǐng)型技術(shù)具有很強的溢出效應(yīng)。即其不僅會影響引入該技術(shù)的行業(yè)本身的勞動力就業(yè)，還會伴隨產(chǎn)業(yè)鏈的聯(lián)動流轉(zhuǎn)，在不同行業(yè)間產(chǎn)生溢出效應(yīng)。在垂直產(chǎn)業(yè)鏈溢出效應(yīng)方面，Autor和Salomons(2018)[19]基于1970-2007年19個國家的行業(yè)數(shù)據(jù)發(fā)現(xiàn)工業(yè)機器人已經(jīng)有效融入了產(chǎn)業(yè)鏈的各個環(huán)節(jié)，上游行業(yè)的機器人應(yīng)用通過提升生產(chǎn)效率和降低中間品價格對下游行業(yè)就業(yè)產(chǎn)生了正向溢出效應(yīng)[4,12]。而王曉娟等(2022)[3]在研究機器人應(yīng)用的就業(yè)擠出效應(yīng)時，發(fā)現(xiàn)本行業(yè)的機器人應(yīng)用會對上游和下游行業(yè)均產(chǎn)生負(fù)溢出效應(yīng)。此外，產(chǎn)業(yè)智能化還可以通過來自上游行業(yè)的前向關(guān)聯(lián)效應(yīng)提升勞動報酬份額[20]。在水平技術(shù)關(guān)聯(lián)溢出效應(yīng)方面，行業(yè)間的技術(shù)關(guān)聯(lián)愈強，工業(yè)機器人應(yīng)用產(chǎn)生的技術(shù)溢出效應(yīng)就愈大[2]。李磊等(2021)[21]研究發(fā)現(xiàn)機器人應(yīng)用在促進本企業(yè)就業(yè)規(guī)模擴張的同時，對未引進機器人的行業(yè)內(nèi)企業(yè)就業(yè)同樣具有正向影響。

綜上所述，現(xiàn)有研究重點關(guān)注人工智能對勞動力就業(yè)的直接效應(yīng)，部分研究兼顧考察了我國人工智能發(fā)展的溢出效應(yīng)，但探討人工智能技術(shù)對中國制造業(yè)就業(yè)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)的研究較少。因此，本文的邊際貢獻主要包括以下三個方面。第一，探究人工智能技術(shù)沖擊下勞動力在垂直產(chǎn)業(yè)鏈和水平技術(shù)關(guān)聯(lián)行業(yè)間轉(zhuǎn)移的方向和程度，以期從勞動力行業(yè)轉(zhuǎn)移的視角豐富資源優(yōu)化配置理論。第二，基于人工智能技術(shù)在中國制造業(yè)中的實際發(fā)展?fàn)顩r，定量識別其對中國制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)的影響。第三，已有關(guān)于人工智能對勞動力就業(yè)影響的研究大多忽視了某些社會因素的行業(yè)異質(zhì)性特征。由于我國不同行業(yè)的科研水平、資本深化程度、生產(chǎn)規(guī)模等均存在較大差異，因此，本文考慮了這些因素對人工智能技術(shù)影響勞動力就業(yè)的調(diào)節(jié)效應(yīng)。

三、理論機制與研究假說

人工智能技術(shù)作為一種新型基礎(chǔ)設(shè)施，具有明顯的溢出特征[22]。在我國超大規(guī)模市場優(yōu)勢和完備產(chǎn)業(yè)體系優(yōu)勢的基礎(chǔ)上，人工智能的應(yīng)用不僅可以通過技術(shù)擴散實現(xiàn)對制造業(yè)全方位、多角度、全鏈條的改造提升，而且還可能會通過垂直方向上的產(chǎn)業(yè)鏈溢出和水平方向上的技術(shù)關(guān)聯(lián)溢出對勞動力的就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)產(chǎn)生重要影響?；诖?，本文從垂直產(chǎn)業(yè)鏈溢出與水平技術(shù)關(guān)聯(lián)溢出兩個維度來闡釋人工智能技術(shù)對中國制造業(yè)勞動力就業(yè)影響的理論邏輯。這里，人工智能在垂直方向上的產(chǎn)業(yè)鏈溢出效應(yīng)是指與人工智能相關(guān)的知識與技術(shù)在具有產(chǎn)業(yè)關(guān)聯(lián)的上、下游行業(yè)間應(yīng)用并擴散，進而對本行業(yè)之外的其他行業(yè)就業(yè)水平所產(chǎn)生的影響，依據(jù)人工智能技術(shù)的流動方向可劃分為來自上游行業(yè)的“前向溢出”和來自下游行業(yè)的“后向溢出”[23]。而人工智能在水平方向上的技術(shù)關(guān)聯(lián)溢出效應(yīng)則是指人工智能技術(shù)的發(fā)展不僅會對本行業(yè)就業(yè)產(chǎn)生預(yù)期效應(yīng)，還會對技術(shù)鄰近行業(yè)的就業(yè)水平產(chǎn)生額外影響。

(一)垂直產(chǎn)業(yè)鏈溢出維度下人工智能技術(shù)對制造業(yè)就業(yè)的影響

制造業(yè)上、下游行業(yè)之間具有非常密切的技術(shù)關(guān)聯(lián)與產(chǎn)品關(guān)聯(lián)，由此使得人工智能應(yīng)用在技術(shù)關(guān)聯(lián)與產(chǎn)品關(guān)聯(lián)兩個層面均會對制造業(yè)就業(yè)產(chǎn)生溢出效應(yīng)。

從技術(shù)關(guān)聯(lián)層面來看，制造業(yè)上、下游行業(yè)之間的緊密關(guān)聯(lián)能夠顯著提升人工智能技術(shù)開發(fā)與交流的頻率[24]，有效延長人工智能技術(shù)的傳播擴散鏈條，進而對勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)帶來溢出效應(yīng)。在“前向溢出”方向上，上游行業(yè)人工智能技術(shù)研發(fā)與應(yīng)用會對下游行業(yè)產(chǎn)生“示范效應(yīng)”[25]，強化下游行業(yè)競相學(xué)習(xí)、模仿與技術(shù)追趕的行為，并通過信息共享、技術(shù)轉(zhuǎn)讓、創(chuàng)新互動等方式促進下游行業(yè)人工智能技術(shù)發(fā)展，由此形成對下游非技能勞動力的崗位替代效應(yīng)。在“后向溢出”方向上，由于下游行業(yè)比上游行業(yè)的終端產(chǎn)品的生產(chǎn)工序更為復(fù)雜，面臨的非結(jié)構(gòu)性問題更多，一般對技能勞動力的需求也相應(yīng)更多。通常而言，技能勞動力可以更快速地適應(yīng)人工智能技術(shù)發(fā)展，并通過人工智能在新環(huán)境、新問題中識別新知識[26]，進而不斷拓寬其知識儲備，提升信息傳遞效率，增強技術(shù)擴散能力，最終協(xié)同帶動上游行業(yè)人工智能技術(shù)發(fā)展并對非技能勞動力形成崗位替代效應(yīng)。因此，無論從“前向溢出”還是“后向溢出”來看，人工智能技術(shù)在技術(shù)關(guān)聯(lián)層面均會對制造業(yè)非技能勞動力形成崗位替代效應(yīng)。

從產(chǎn)品關(guān)聯(lián)層面來看，制造業(yè)上游行業(yè)為下游行業(yè)提供中間產(chǎn)品的供給，下游行業(yè)給上游行業(yè)帶來更高質(zhì)量產(chǎn)品的壓力，由此對勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)產(chǎn)生溢出效應(yīng)。在“前向溢出”方向上，上游行業(yè)通過任務(wù)自動化與創(chuàng)新升級可以提升自身勞動生產(chǎn)率，并為下游行業(yè)提供更廉價、更優(yōu)質(zhì)的原材料或中間品供給，從而導(dǎo)致下游行業(yè)生產(chǎn)成本下降及產(chǎn)品銷量上升。此時，下游行業(yè)為形成規(guī)模經(jīng)濟通常會擴張生產(chǎn)線，進而形成崗位創(chuàng)造效應(yīng)[4]。與此同時，上游提供的優(yōu)質(zhì)化、多樣化的中間品也會增加產(chǎn)品制造難度，從而引起下游行業(yè)對高技能勞動力需求的增加[27]。在“后向溢出”方向上，下游行業(yè)人工智能技術(shù)發(fā)展同樣有利于提升其生產(chǎn)效率，進而增加對原材料或產(chǎn)品零部件的需求[25]。根據(jù)中國投入產(chǎn)出表，上游制造行業(yè)主要包括木材加工業(yè)、橡膠和塑料制品業(yè)、金屬制品業(yè)等中低端制造業(yè)，具有生產(chǎn)階段數(shù)較少、生產(chǎn)工序單一化的典型特征。因此，從事這些行業(yè)的勞動力多為非技能勞動力，市場需求增加可能會倒逼中低端制造業(yè)提升勞動生產(chǎn)率，繼而迫使非技能勞動力面臨更高的“機器替人”風(fēng)險。而下游行業(yè)主要包括汽車制造業(yè)、鐵路船舶航空制造業(yè)、計算機通信和其他電子設(shè)備制造業(yè)等高端制造業(yè)，復(fù)雜的生產(chǎn)工序會促使這些下游行業(yè)加強對上游行業(yè)的技術(shù)指導(dǎo)，以及對原料加工和中間品制造的嚴(yán)格監(jiān)督，以確保產(chǎn)品質(zhì)量[28]，這在一定程度上對上游行業(yè)勞動力結(jié)構(gòu)優(yōu)化產(chǎn)生了知識與技術(shù)溢出效應(yīng)。因此，在產(chǎn)品關(guān)聯(lián)層面，人工智能技術(shù)的“前向溢出”會對制造業(yè)勞動力,特別是技能勞動力形成崗位創(chuàng)造效應(yīng)，而其“后向溢出”則會對制造業(yè)非技能勞動力形成崗位替代效應(yīng)。

當(dāng)前，不論是按照受教育程度[15,18]還是科技研發(fā)能力[29]對技能勞動力與非技能勞動力進行劃分，中國的技能勞動力總量均低于非技能勞動力，而人工智能技術(shù)在技術(shù)關(guān)聯(lián)路徑與產(chǎn)品關(guān)聯(lián)路徑的共同作用下，會帶來制造業(yè)對技能勞動力的需求占比上升，對非技能勞動力的需求占比下降，由此導(dǎo)致其對整體就業(yè)規(guī)模產(chǎn)生負(fù)溢出效應(yīng)，而對就業(yè)結(jié)構(gòu)優(yōu)化產(chǎn)生正溢出效應(yīng)?；诖?，本文提出如下假設(shè)。

H1上游行業(yè)人工智能技術(shù)發(fā)展對下游行業(yè)勞動力就業(yè)規(guī)模具有顯著負(fù)溢出效應(yīng)。

H2下游行業(yè)人工智能技術(shù)發(fā)展對上游行業(yè)勞動力就業(yè)規(guī)模具有顯著負(fù)溢出效應(yīng)。

H3上游行業(yè)人工智能技術(shù)發(fā)展對下游行業(yè)勞動力就業(yè)結(jié)構(gòu)優(yōu)化具有顯著正溢出效應(yīng)。

H4下游行業(yè)人工智能技術(shù)發(fā)展對上游行業(yè)勞動力就業(yè)結(jié)構(gòu)優(yōu)化具有顯著正溢出效應(yīng)。

(二)水平技術(shù)關(guān)聯(lián)溢出維度下人工智能技術(shù)對制造業(yè)就業(yè)的影響

不同于垂直產(chǎn)業(yè)鏈關(guān)聯(lián)，水平技術(shù)關(guān)聯(lián)的行業(yè)間沒有嚴(yán)格的生產(chǎn)工序上的聯(lián)系，本行業(yè)由于知識基礎(chǔ)、技術(shù)結(jié)構(gòu)、研發(fā)投入強度等較為接近，可能存在更為密切的人才流動與產(chǎn)業(yè)競合，并使得人工智能從人才流動和產(chǎn)業(yè)競合兩個層面對制造業(yè)就業(yè)產(chǎn)生技術(shù)溢出效應(yīng)。

從人才流動層面來看，鄰近行業(yè)人工智能技術(shù)的發(fā)展會吸引技術(shù)后進的行業(yè)通過人員外派、人才交流與引進等方式學(xué)習(xí)并模仿其創(chuàng)新行為[25]，從而改善勞動力技能結(jié)構(gòu)，并對部分難以快速適應(yīng)人工智能技術(shù)的非技能勞動力進行替代。此時，類似的知識基礎(chǔ)、技術(shù)結(jié)構(gòu)有利于減輕創(chuàng)新人才的跨行業(yè)溝通障礙，提升行業(yè)間的知識共享與創(chuàng)新協(xié)作效率[29]。即對技術(shù)后進行業(yè)而言，技術(shù)關(guān)聯(lián)性愈強，其在創(chuàng)新人才交流中吸收人工智能技術(shù)溢出的效率就愈高，且能通過長期的人才創(chuàng)新互動進一步形成循環(huán)累積因果效應(yīng)，不斷提升行業(yè)人工智能技術(shù)水平，進而實現(xiàn)人工智能技術(shù)對勞動力的崗位替代效應(yīng)和結(jié)構(gòu)優(yōu)化效應(yīng)。

從產(chǎn)業(yè)競合層面來看，為了柔性地應(yīng)用于生產(chǎn)制造，人工智能需要隨給定任務(wù)的變化不斷調(diào)整原有的規(guī)則設(shè)定和算法模型，并尋找具備靈活調(diào)整能力的智能型人才與之匹配。在這一現(xiàn)實情境下，某一行業(yè)人工智能技術(shù)的發(fā)展會給技術(shù)鄰近行業(yè)帶來競爭壓力[25]，進而迫使這些行業(yè)不斷強化職工專業(yè)技能培訓(xùn)，并通過創(chuàng)新激勵、裁員等方式正向促進或反向倒逼勞動力向復(fù)雜化、多元化、智能化轉(zhuǎn)型。而在產(chǎn)業(yè)合作方面，本行業(yè)則通過技術(shù)轉(zhuǎn)讓、技術(shù)交流等方式促進智能化產(chǎn)品設(shè)計、人工智能專利技術(shù)等向鄰近行業(yè)滲透，淘汰部分難以與之迅速適配的非技能勞動力，并推動其余勞動力對原有知識與技能進行調(diào)整與更新，逐步增強與人工智能系統(tǒng)運作的契合度，最終實現(xiàn)勞動力就業(yè)結(jié)構(gòu)優(yōu)化。因此，無論從產(chǎn)業(yè)競爭還是產(chǎn)業(yè)合作來看，本行業(yè)人工智能技術(shù)均會對技術(shù)鄰近的制造業(yè)就業(yè)規(guī)模產(chǎn)生負(fù)溢出效應(yīng)，而對就業(yè)結(jié)構(gòu)優(yōu)化產(chǎn)生正溢出效應(yīng)。基于上述分析，本文提出以下假設(shè)。

H5本行業(yè)人工智能技術(shù)發(fā)展對技術(shù)鄰近行業(yè)勞動力就業(yè)規(guī)模具有顯著負(fù)溢出效應(yīng)。

H6本行業(yè)人工智能技術(shù)發(fā)展對技術(shù)鄰近行業(yè)勞動力就業(yè)結(jié)構(gòu)優(yōu)化具有顯著正溢出效應(yīng)。

四、研究設(shè)計

(一)模型設(shè)定

為檢驗人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)的直接效應(yīng)、產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)，本文設(shè)定空間杜賓模型(SDM)如下

lnEMPit=α0+ρWlnEMPit+α1lnAIit+φ1WlnAIit+α2Xit+φ2WXit+μi+μt+εit

(1)

LSit=β0+ρWLSit+β1lnAIit+λ1WlnAIit+β2Xit+λ2WXit+μi+μt+εit

(2)

其中，下標(biāo)i和t分別表示行業(yè)和時期。EMP代表勞動力就業(yè)規(guī)模，LS代表勞動力就業(yè)結(jié)構(gòu)，AI代表人工智能技術(shù)，X為一系列控制變量，ρ為空間自回歸系數(shù)，W為空間權(quán)重矩陣，α1、β1和φ1、λ1為核心解釋變量及其空間交互項的系數(shù)。μi、μt、εit分別代表個體固定效應(yīng)、時間固定效應(yīng)和隨機擾動項。

(二)空間權(quán)重矩陣的構(gòu)建

根據(jù)托布勒第一定律，任何事物都與其他事物存在關(guān)聯(lián)性，并且關(guān)聯(lián)的緊密程度會隨著距離的增加而衰減。隨著新經(jīng)濟地理學(xué)的不斷演進，“距離”一詞逐漸廣義化，并延伸為經(jīng)濟距離、技術(shù)距離和人力資本距離等，這為本文度量制造業(yè)行業(yè)間的“距離”提供思路。為識別人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)的產(chǎn)業(yè)鏈溢出和技術(shù)關(guān)聯(lián)溢出效應(yīng)，本文構(gòu)造前向、后向和水平技術(shù)關(guān)聯(lián)3種空間權(quán)重矩陣，具體如下。

1.垂直方向上的產(chǎn)業(yè)鏈溢出效應(yīng)

利用投入產(chǎn)出矩陣識別垂直方向上的產(chǎn)業(yè)鏈溢出效應(yīng)是較為常見的做法。借鑒朱平芳等(2016)[23]的研究思路，利用投入產(chǎn)出表(2)2013-2019年期間，國家統(tǒng)計局僅公布了2015年、2017年和2018年的中國投入產(chǎn)出表。由于該數(shù)據(jù)在時期上具有非連續(xù)性，且其他年份數(shù)據(jù)尚不可得，故本文參考朱平芳等(2016)的做法，采用最近一年(即2018年)的中國投入產(chǎn)出表導(dǎo)出構(gòu)造空間權(quán)重矩陣的基礎(chǔ)數(shù)據(jù)。導(dǎo)出的完全消耗系數(shù)矩陣計算Leontief逆矩陣W。W中每一列的元素是其他部門對本部門的投入，每一列元素之和是一個部門生產(chǎn)一件商品所消耗的全部中間品數(shù)量，W中每一行的元素是該部門為其他生產(chǎn)部門提供的中間品消耗量。在此基礎(chǔ)上，根據(jù)上文對前向溢出效應(yīng)的定義構(gòu)建前向空間權(quán)重矩陣(W1)，具體計算過程如下

(3)

式(3)中，第一個等號右側(cè)的第一個矩陣即為Leontief逆矩陣W，用其減去各部門自身的消耗從而確保主對角線全部為0，即得到為本部門提供中間品消耗的其他部門與本部門的關(guān)聯(lián)度。類似地，根據(jù)上文對后向溢出效應(yīng)的定義，將W1轉(zhuǎn)置后得到W2，W2即為后向空間權(quán)重矩陣。

2.水平方向上的技術(shù)關(guān)聯(lián)溢出效應(yīng)

垂直方向上的產(chǎn)業(yè)鏈溢出效應(yīng)可以借助投入產(chǎn)出矩陣識別，而水平方向上的溢出效應(yīng)通常與兩行業(yè)間的經(jīng)濟、技術(shù)發(fā)展水平息息相關(guān)。與經(jīng)濟關(guān)聯(lián)相比，兩行業(yè)間的技術(shù)水平差距越小，越容易形成學(xué)習(xí)與模仿、跨行業(yè)人才交流、高新技術(shù)合作等行為，進而使得人工智能越容易對技術(shù)鄰近行業(yè)的勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)產(chǎn)生水平方向上的溢出效應(yīng)。一般而言，不同行業(yè)間若擁有近似的專利數(shù)量或技術(shù)結(jié)構(gòu)，則考慮其存在“技術(shù)鄰近”關(guān)系[23]。因此，本文參考王欣亮等(2020)[30]的研究思路，通過構(gòu)造技術(shù)距離矩陣(W3)來識別人工智能在水平方向上的技術(shù)關(guān)聯(lián)溢出效應(yīng)，具體如式(4)所示。其中，Dij為兩行業(yè)間的技術(shù)距離，采用兩行業(yè)間2013-2019年發(fā)明專利申請數(shù)均值之差表示。

(4)

(三)變量選取

1.被解釋變量

本文以勞動力就業(yè)規(guī)模(EMP)和勞動力就業(yè)結(jié)構(gòu)(LS)為被解釋變量，采用規(guī)模以上制造業(yè)企業(yè)平均用工人數(shù)表征勞動力就業(yè)規(guī)模，采用技能勞動力與非技能勞動力的比值刻畫勞動力結(jié)構(gòu)優(yōu)化程度。已有研究通常根據(jù)就業(yè)人員的受教育程度來劃分技能勞動力和非技能勞動力[15,18]，然而，制造業(yè)細(xì)分行業(yè)就業(yè)人員受教育程度的相關(guān)數(shù)據(jù)較難獲取，故本文參考包群和邵敏(2008)[31]的研究，以規(guī)模以上制造業(yè)企業(yè)R&D人員數(shù)作為技能勞動力的代理指標(biāo)，并以規(guī)模以上制造業(yè)企業(yè)平均用工人數(shù)與R&D人員數(shù)的差值作為非技能勞動力的代理指標(biāo)。

2.核心解釋變量

已有研究主要采用人工智能專利申請數(shù)或?qū)＠跈?quán)數(shù)表征人工智能技術(shù)水平[32-33]。本文借鑒該做法，按照國際專利分類與國民經(jīng)濟行業(yè)分類參照關(guān)系表，手動檢索制造業(yè)各細(xì)分行業(yè)的人工智能發(fā)明專利授權(quán)數(shù)，并以此表征人工智能技術(shù)水平(AI)，理由如下：一方面，實用新型和外觀設(shè)計專利通常是企業(yè)為獲取政府研發(fā)補貼而進行的策略性創(chuàng)新，而發(fā)明專利才是體現(xiàn)創(chuàng)新質(zhì)量的實質(zhì)性創(chuàng)新。另一方面，相較于專利申請，專利授權(quán)需要經(jīng)過國家專利管理部門的嚴(yán)格審查，更能體現(xiàn)技術(shù)創(chuàng)新的含金量，從而能更加真實有效地反映人工智能技術(shù)水平。

3.控制變量

參考閆雪凌等(2020)[1]、Cheng等(2019)[34]的研究，在回歸模型中加入如下控制變量：(1)科研水平(RD)，規(guī)模以上制造業(yè)企業(yè)R&D內(nèi)部經(jīng)費支出；(2)資本深化(cap)，規(guī)模以上制造業(yè)企業(yè)固定資產(chǎn)投入；(3)行業(yè)規(guī)模(size)，規(guī)模以上制造業(yè)企業(yè)主營業(yè)務(wù)收入；(4)盈利能力(profit)，規(guī)模以上制造業(yè)企業(yè)年利潤總額；(5)市場競爭程度(mar)，規(guī)模以上制造業(yè)企業(yè)數(shù)；(6)FDI參與度(FDI)，外商投資和港澳臺商投資制造業(yè)企業(yè)資產(chǎn)與規(guī)模以上制造業(yè)企業(yè)資產(chǎn)的比值；(7)工資水平(wage)，各制造行業(yè)城鎮(zhèn)單位就業(yè)人員平均工資；(8)環(huán)境規(guī)制(env)，各制造行業(yè)污染治理投資額。

(四)數(shù)據(jù)來源與說明

本文以2013-2019年中國28個制造業(yè)二位碼行業(yè)為研究對象，所有數(shù)據(jù)均源自歷年《中國科技統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》以及Patenthub全球?qū)＠麛?shù)據(jù)庫。此外，本文所有絕對量指標(biāo)均已做取對數(shù)處理，主要變量的描述性統(tǒng)計如表1所示。

表1 主要變量的描述性統(tǒng)計

五、實證分析

(一)空間自相關(guān)性分析

人工智能技術(shù)作為數(shù)字經(jīng)濟時代下的一種新型基礎(chǔ)設(shè)施，具有溢出帶動性很強的“頭雁效應(yīng)”[22]。結(jié)合上文的特征事實和實證分析，本文利用莫蘭指數(shù)(Moran’s I)測度人工智能技術(shù)發(fā)展水平在行業(yè)間的相關(guān)性。從表2的測度結(jié)果不難看出，人工智能技術(shù)的全局Moran’s I在3種空間權(quán)重矩陣下均為正，且除個別年份以外均通過了顯著性檢驗，這表明人工智能技術(shù)發(fā)展在具有上下游關(guān)聯(lián)和水平技術(shù)關(guān)聯(lián)的行業(yè)間存在顯著正相關(guān)性。為區(qū)分28個制造行業(yè)人工智能技術(shù)水平及其行業(yè)間依賴程度的異質(zhì)性，本文基于技術(shù)距離矩陣(3)囿于篇幅，本文僅展示技術(shù)距離矩陣下的行業(yè)集聚特征及變動趨勢，其余矩陣下的結(jié)果類似，備索。，選擇期初(2013年)與期末(2019年)兩個時間節(jié)點繪制Moran’s I散點圖。由圖3可見，大部分制造行業(yè)位于第一或第三象限，這表明人工智能發(fā)展水平在具有技術(shù)關(guān)聯(lián)的行業(yè)間存在明顯的“高高相鄰”“低低相鄰”的集聚特征，故有必要進一步考慮其溢出效應(yīng)。

表2 2013-2019年28個制造行業(yè)人工智能技術(shù)的全局Moran’s I

圖3 28個制造行業(yè)人工智能技術(shù)的Moran’s I散點圖

根據(jù)不同制造行業(yè)在Moran’s I散點圖中的象限分布及變動趨勢將其劃分為雙高、低-高、雙低、高-低、進化與退化6種類型，具體劃分結(jié)果見表3。(1)雙高型。通用設(shè)備制造業(yè)等7個行業(yè)屬于雙高型行業(yè)，即自身與技術(shù)鄰近行業(yè)的人工智能發(fā)展水平都高。根據(jù)OECD組織對制造業(yè)行業(yè)的技術(shù)分類標(biāo)準(zhǔn)，這些行業(yè)均屬于高技術(shù)或中高技術(shù)行業(yè)。(2)低-高型。煙草制品業(yè)、家具制造業(yè)、黑色金屬冶煉業(yè)、有色金屬冶煉業(yè)在考察期內(nèi)位于第二象限，即其自身人工智能技術(shù)水平不高，但易受到關(guān)聯(lián)行業(yè)知識與技術(shù)溢出的影響，具有較為明顯的后發(fā)優(yōu)勢。(3)雙低型。農(nóng)副食品加工業(yè)等10個行業(yè)屬于雙低型行業(yè)，占樣本量的35.7%，是人工智能技術(shù)發(fā)展的“洼地”。這些行業(yè)大多屬于低技術(shù)或中低技術(shù)行業(yè)，生產(chǎn)規(guī)模較小、生產(chǎn)工序單一致使其人才隊伍結(jié)構(gòu)不夠合理。管理人員較多，而科技研發(fā)人員較少，人工智能技術(shù)開發(fā)能力相對薄弱。(4)高-低型。造紙業(yè)、化學(xué)原料制造業(yè)、橡膠和塑料制品業(yè)在考察期內(nèi)處于第四象限，該象限內(nèi)的行業(yè)自身人工智能發(fā)展水平較高，但由于空間自相關(guān)性為負(fù)，其輻射帶動作用在短期內(nèi)難以體現(xiàn)。(5)進化型。非金屬礦物制品業(yè)、金屬制品業(yè)從第二象限進入到第一象限，這些制品通常被廣泛用于汽車制造、航天器制造、電氣機械等行業(yè)。由于汽車制造等行業(yè)均處于第一象限，能對技術(shù)鄰近行業(yè)產(chǎn)生顯著的正向溢出效應(yīng)，從而輻射帶動非金屬礦物制品業(yè)、金屬制品業(yè)人工智能技術(shù)進步。類似地，文教體娛用品制造業(yè)也由第三象限進入到第四象限。(6)退化型。查閱2013-2019年的Moran’s I散點圖發(fā)現(xiàn)，印刷業(yè)在2014年退回第三象限，隨后幾年內(nèi)在第三、四象限間徘徊。究其原因，可能是與印刷業(yè)技術(shù)關(guān)聯(lián)性較強的造紙業(yè)、橡膠和塑料制品業(yè)在該階段位于第四象限，人工智能技術(shù)溢出效應(yīng)較小，尚不足以帶動印刷業(yè)的智能化發(fā)展。

表3 技術(shù)距離矩陣下2013-2019年28個制造行業(yè)的象限分布及變動趨勢

(二)產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)分析

相較于OLS估計，利用ML法估計空間面板模型下的回歸結(jié)果，能更有效地緩解內(nèi)生性問題，還可以觀測人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)。在空間計量模型的選擇上，本文參考Elhorst(2014)[35]的思路。首先，通過LM檢驗發(fā)現(xiàn)SAR和SEM模型均有效，應(yīng)進一步考慮二者相結(jié)合的SDM模型；其次，通過Wald檢驗發(fā)現(xiàn)SDM模型無法退化為SAR和SEM模型，故本文選擇SDM模型分析人工智能技術(shù)對制造業(yè)就業(yè)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)。又因SDM模型中包含空間交互項，直接采用簡單的點估計分析人工智能技術(shù)對制造業(yè)就業(yè)的影響并不精確，需利用偏微分方程對其進行直接和溢出效應(yīng)分解[36]。經(jīng)Hausman檢驗，下列模型均采用固定效應(yīng)，具體結(jié)果見表4。

表4 人工智能技術(shù)對制造業(yè)就業(yè)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)

從總體上看，人工智能技術(shù)對中國制造業(yè)勞動力就業(yè)具有顯著的崗位替代效應(yīng)和結(jié)構(gòu)優(yōu)化效應(yīng)。此外，在模型(1)-(6)中，制造業(yè)勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)的空間自回歸系數(shù)(ρ)均顯著為正。結(jié)合全局Moran’s I的檢驗結(jié)果易知，中國28個制造行業(yè)間既存在勞動力就業(yè)規(guī)模、勞動力就業(yè)結(jié)構(gòu)的內(nèi)生交互效應(yīng)，又存在人工智能技術(shù)的外生交互效應(yīng)，這進一步驗證了本文考慮人工智能技術(shù)對制造業(yè)就業(yè)溢出效應(yīng)的必要性。

勞動力就業(yè)規(guī)模。(1)從效應(yīng)分解來看，人工智能技術(shù)的直接效應(yīng)和溢出效應(yīng)均顯著為負(fù)，表明人工智能技術(shù)水平提升及其引致的溢出效應(yīng)均對勞動力就業(yè)具有顯著的崗位替代作用，人工智能產(chǎn)業(yè)發(fā)展所提供的新就業(yè)崗位在短期內(nèi)尚難以緩解制造業(yè)就業(yè)壓力。這與王曉娟等(2022)[3]的研究結(jié)論類似，只不過其考慮的是工業(yè)機器人應(yīng)用的溢出效應(yīng)對制造業(yè)勞動力就業(yè)的影響。此外，人工智能技術(shù)水平提升帶來的前向溢出效應(yīng)、后向溢出效應(yīng)分別占總效應(yīng)的86.84%和82.89%，水平方向上的技術(shù)關(guān)聯(lián)溢出效應(yīng)占比也達到了49.71%。這表明，人工智能技術(shù)發(fā)展通過產(chǎn)業(yè)鏈溢出和技術(shù)關(guān)聯(lián)溢出效應(yīng)對中國制造業(yè)勞動力就業(yè)規(guī)模產(chǎn)生了重要影響。(2)從溢出方向的異質(zhì)性來看，人工智能技術(shù)對勞動力就業(yè)規(guī)模的前向溢出、后向溢出和水平技術(shù)關(guān)聯(lián)溢出均顯著為負(fù)，即H1、H2和H5得證。且人工智能技術(shù)水平提升帶來的前向溢出和后向溢出效應(yīng)遠大于水平方向上的技術(shù)關(guān)聯(lián)溢出效應(yīng)，這表明人工智能發(fā)展可能更容易促進勞動力在具有產(chǎn)業(yè)關(guān)聯(lián)的行業(yè)間流動。

勞動力就業(yè)結(jié)構(gòu)。(1)從效應(yīng)分解來看，人工智能技術(shù)對勞動力就業(yè)結(jié)構(gòu)優(yōu)化的直接效應(yīng)顯著為正，這與王澤宇(2020)[13]的研究結(jié)論類似。人工智能技術(shù)具有典型的創(chuàng)造性特征，其可以協(xié)同促進勞動力在新環(huán)境、新問題中識別新知識并形成技術(shù)進步，從而擴大技能勞動力占比。此外，人工智能技術(shù)的溢出效應(yīng)同樣遠大于直接效應(yīng)，前向溢出、后向溢出和水平技術(shù)關(guān)聯(lián)溢出效應(yīng)分別占總效應(yīng)的73.54%、87.81%和64.56%，表明人工智能在新一輪科技革命和產(chǎn)業(yè)變革中充分發(fā)揮了其溢出帶動性很強的“頭雁引領(lǐng)效應(yīng)”，這對促進我國勞動力就業(yè)結(jié)構(gòu)改善和經(jīng)濟穩(wěn)定增長具有重要作用。(2)從溢出方向的異質(zhì)性來看，人工智能技術(shù)對勞動力就業(yè)結(jié)構(gòu)的前向溢出和水平技術(shù)關(guān)聯(lián)溢出均顯著為正，這可能是上游行業(yè)人工智能技術(shù)發(fā)展通過增加質(zhì)優(yōu)價廉的中間品供給間接促進了下游行業(yè)技能勞動力需求上升，并通過知識共享和強化勞動力技能等方式促進技術(shù)鄰近行業(yè)的勞動力就業(yè)結(jié)構(gòu)優(yōu)化，即H3和H6得證。然而，人工智能技術(shù)對勞動力就業(yè)結(jié)構(gòu)優(yōu)化的后向溢出效應(yīng)為正向不顯著，即H4未得證。究其原因，下游行業(yè)人工智能技術(shù)發(fā)展會極大縮短單位產(chǎn)品的生產(chǎn)時間，進而刺激其追加原材料和勞動力投入。下游制造行業(yè)主要包括汽車制造業(yè)、鐵路船舶航空制造業(yè)、計算機通信及其他電子設(shè)備制造業(yè)等高技術(shù)制造業(yè)，其具有生產(chǎn)階段多、生產(chǎn)工序和生產(chǎn)技術(shù)復(fù)雜化的典型特征。因此，生產(chǎn)終端產(chǎn)品會面臨更多的非程序化問題，相較于非技能勞動力，可能會虹吸更多來自上游的技能勞動力，進而造成上游行業(yè)非技能勞動力占比上升，致使人工智能技術(shù)對勞動力就業(yè)結(jié)構(gòu)優(yōu)化的后向溢出效應(yīng)不顯著。

(三)穩(wěn)健性檢驗

為了確保研究結(jié)論的穩(wěn)健性，本文將通過更換估計模型、更換指標(biāo)、更換空間權(quán)重矩陣、增加控制變量、內(nèi)生性檢驗等多種方式進一步驗證人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)的影響。

1.更換估計模型

除了空間杜賓模型以外，空間自回歸模型(SAR)和空間誤差模型(SEM)也是常用的空間計量模型?？紤]到空間誤差模型無法進行效應(yīng)分解，故本文采用空間自回歸模型對空間杜賓模型進行替代，結(jié)果如表5中的列(1)所示，可以看出本文結(jié)論依舊穩(wěn)健。

表5 穩(wěn)健性檢驗結(jié)果

2.更換指標(biāo)

鑒于中國制造行業(yè)的非技能勞動力人數(shù)高于技能勞動力的客觀事實，本文假設(shè)人工智能技術(shù)通過替代非技能勞動力對制造業(yè)勞動力就業(yè)規(guī)模產(chǎn)生負(fù)效應(yīng)。因此，以非技能勞動力替代規(guī)模以上制造業(yè)企業(yè)平均用工人數(shù)表征就業(yè)規(guī)模。此外，以技能勞動力與規(guī)模以上制造業(yè)企業(yè)平均用工人數(shù)之比替代技能勞動力與非技能勞動力之比表征勞動力就業(yè)結(jié)構(gòu)優(yōu)化程度。更換指標(biāo)后發(fā)現(xiàn)，人工智能技術(shù)對制造業(yè)就業(yè)的影響與上文保持一致。

3.更換空間權(quán)重矩陣

考慮到經(jīng)濟發(fā)展水平相近的行業(yè)間也可能存在人工智能技術(shù)的溢出效應(yīng)，因此，本文利用2013-2019年各制造行業(yè)銷售產(chǎn)值的平均值作為經(jīng)濟發(fā)展水平的代理指標(biāo)，并對式(5)中的D進行替換。結(jié)果如表5的列(3)所示，人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)的回歸結(jié)果保持不變。

4.增加控制變量

除基準(zhǔn)回歸模型中已控制的變量外，技術(shù)引進、出口依存度也可能影響制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)。一方面，制造業(yè)行業(yè)通常將引進消化吸收國外的先進技術(shù)作為技術(shù)獲取和創(chuàng)新能力提升的重要途徑，這有利于提升勞動力素質(zhì)，吸引創(chuàng)新型人才。另一方面，由于中國不斷調(diào)整在全球產(chǎn)業(yè)鏈中的分工，出口規(guī)模可能會影響國內(nèi)制造行業(yè)的發(fā)展，進而影響勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)[15]。因此，本文以技術(shù)引進消化吸收費用和出口交貨值分別表征技術(shù)引進和出口依存度，并將其納入原有模型中進行回歸。表5中的列(4)顯示，在繼續(xù)增加可能存在的遺漏變量后，人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)的影響依然與上文保持一致。

5.內(nèi)生性問題

隨著人工智能技術(shù)在制造業(yè)領(lǐng)域的廣泛應(yīng)用，其對制造業(yè)就業(yè)的影響愈發(fā)深刻。然而，制造業(yè)勞動力就業(yè)規(guī)模擴大與就業(yè)結(jié)構(gòu)優(yōu)化亦可能反向促進人工智能技術(shù)的發(fā)展，即二者可能存在反向因果關(guān)系。此外，影響制造業(yè)勞動力就業(yè)的諸多因素也難以窮盡，即可能存在遺漏變量問題。鑒于此，本文嘗試采用工具變量法緩解內(nèi)生性問題。參考黃群慧等(2019)[37]和鈔小靜等(2020)[38]的研究思路，以1989年自然科學(xué)技術(shù)領(lǐng)域研究與開發(fā)機構(gòu)數(shù)作為工具變量，并利用2013-2019年專利申請數(shù)為截面數(shù)據(jù)賦予時間變化趨勢。工具變量選擇依據(jù)如下：(1)科學(xué)技術(shù)領(lǐng)域尤其是自然科學(xué)技術(shù)領(lǐng)域的研發(fā)機構(gòu)為人工智能技術(shù)的研究與發(fā)展提供了基礎(chǔ)。因此，歷史上自然科學(xué)技術(shù)領(lǐng)域研究與開發(fā)機構(gòu)數(shù)量越多的行業(yè)，其人工智能技術(shù)研發(fā)的基礎(chǔ)條件可能就越優(yōu)質(zhì)，即選取自然科學(xué)技術(shù)領(lǐng)域研究與開發(fā)機構(gòu)數(shù)作為人工智能技術(shù)的工具變量可以滿足相關(guān)性要求。(2)自然科學(xué)技術(shù)領(lǐng)域研究與開發(fā)機構(gòu)數(shù)難以對勞動力就業(yè)規(guī)模和結(jié)構(gòu)產(chǎn)生直接影響，尤其是在數(shù)字經(jīng)濟快速發(fā)展的階段，歷史上自然科學(xué)技術(shù)領(lǐng)域研究與開發(fā)機構(gòu)數(shù)量對勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)的影響可忽略不計，即選取自然科學(xué)技術(shù)領(lǐng)域研究與開發(fā)機構(gòu)數(shù)作為人工智能技術(shù)的工具變量能滿足外生性要求。

表6呈現(xiàn)了人工智能技術(shù)對制造業(yè)勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)的2SLS回歸結(jié)果。第一階段回歸結(jié)果表明，工具變量(IV)與人工智能技術(shù)顯著正相關(guān)，且Wald F統(tǒng)計量分別為9.07和9.19，均超過了其對應(yīng)的臨界值8.96，即拒絕了弱工具變量的原假設(shè)，滿足了相關(guān)性的要求。LM檢驗結(jié)果表明，強烈拒絕不可識別的原假設(shè)，滿足了外生性的要求。此外，第二階段回歸結(jié)果表明，在解決內(nèi)生性問題后，人工智能技術(shù)對勞動力就業(yè)規(guī)模與就業(yè)結(jié)構(gòu)依然具有顯著的負(fù)向與正向影響，這驗證了研究結(jié)論的穩(wěn)健性。

表6 內(nèi)生性檢驗結(jié)果

(四)調(diào)節(jié)效應(yīng)

人工智能技術(shù)在各個行業(yè)尤其是在制造業(yè)的大規(guī)模應(yīng)用已經(jīng)替代了一部分非技能勞動力的簡單操作。然而，由于不同制造業(yè)行業(yè)的科研水平、資本深化、行業(yè)規(guī)模等存在較大差異，人工智能技術(shù)對勞動力就業(yè)的影響可能會有所不同[13,32]。因此，本文進一步考慮科研水平、資本深化和行業(yè)規(guī)模對人工智能技術(shù)影響勞動力就業(yè)的調(diào)節(jié)效應(yīng)。調(diào)節(jié)效應(yīng)檢驗?zāi)Ｐ腿缡?5)和式(6)所示，調(diào)節(jié)效應(yīng)的檢驗結(jié)果具體見表7。

表7 調(diào)節(jié)效應(yīng)檢驗結(jié)果

續(xù)表7

lnEMPit=α0+ρWlnEMPit+α1lnAIit+φ1WlnAIit+α2Rit+φ2WRit+α3lnAIit×Rit+φ3WlnAIit×Rit+α4Xit+φ4WXit+μi+μt+εit

(5)

LSit=β0+ρWLSit+β1lnAIit+λ1WlnAIit+β2Rit+λ2WRit+β3lnAIit×Rit+λ3WlnAIit×Rit+β4Xit+λ4WXit+μi+μt+εit

(6)

其中，R為調(diào)節(jié)變量，具體包括科研水平(RD)、資本深化(cap)和行業(yè)規(guī)模(size)。lnAI×R為人工智能技術(shù)與調(diào)節(jié)變量的交互項，其余變量與上文一致，不再贅述。

科研水平。從直接效應(yīng)來看，研發(fā)投入的增加會削弱人工智能技術(shù)對勞動力就業(yè)的替代效應(yīng)，并進一步加強勞動力就業(yè)結(jié)構(gòu)優(yōu)化。一方面，研發(fā)投入高的行業(yè)通常會設(shè)置更多處理非結(jié)構(gòu)性問題的決策性崗位和高技術(shù)研發(fā)崗位，這些崗位的勞動力素質(zhì)通常更高，且其掌握著難以被替代的核心知識或技術(shù)。隨著人工智能技術(shù)的不斷發(fā)展，高研發(fā)行業(yè)會對原有研發(fā)和技術(shù)人員進行培訓(xùn)升級，或者招募新的高技術(shù)人才。另一方面，人工智能技術(shù)本身會對勞動力產(chǎn)生知識外溢效應(yīng)，促進人力資本結(jié)構(gòu)優(yōu)化升級。從溢出效應(yīng)來看，研發(fā)投入強度上升促使人工智能技術(shù)替代勞動力就業(yè)的后向溢出和技術(shù)關(guān)聯(lián)溢出效應(yīng)更加明顯。究其原因，下游行業(yè)多為高端制造業(yè)，如軌道交通設(shè)備制造、海洋工程設(shè)備制造等，這些行業(yè)勞動力素質(zhì)普遍較高，研發(fā)投入增加會進一步強化高技術(shù)人才的信息共享與知識溢出能力。而在紡織、農(nóng)副食品加工等上游行業(yè)，員工大多從事產(chǎn)品加工、裝配等簡單工作，勞動力的技術(shù)溢出能力較弱，因此，人工智能技術(shù)替代勞動力就業(yè)的前向溢出得到了有效緩解。

資本深化。從直接效應(yīng)來看，資本深化同樣在一定程度上緩解了人工智能技術(shù)對勞動力就業(yè)的崗位替代效應(yīng)。一方面，資本深化意味著勞動生產(chǎn)率的提升，其會進一步導(dǎo)致生產(chǎn)規(guī)模擴張和就業(yè)增長；另一方面，資本深化程度高的行業(yè)一般為高技術(shù)行業(yè)，由基準(zhǔn)回歸結(jié)果不難看出，高技術(shù)行業(yè)的勞動力對于新技術(shù)的適應(yīng)、學(xué)習(xí)、消化吸收的能力更強，因而能較好地抵抗人工智能技術(shù)的沖擊[12,34]。從溢出效應(yīng)來看，相較于后向溢出與水平技術(shù)關(guān)聯(lián)溢出，資本深化削弱了人工智能替代勞動力就業(yè)的前向溢出效應(yīng)。正如研究假設(shè)中所述，上游人工智能技術(shù)發(fā)展可能通過產(chǎn)品關(guān)聯(lián)路徑促進下游行業(yè)生產(chǎn)成本下降及產(chǎn)品銷量上升。在資本深化的影響下，上游人工智能發(fā)展進一步促進下游行業(yè)生產(chǎn)規(guī)模擴張，進而吸納被上游“擠出”的部分勞動力。

行業(yè)規(guī)模。從直接效應(yīng)來看，行業(yè)規(guī)模的擴張緩解了人工智能技術(shù)對勞動力就業(yè)的崗位替代效應(yīng)。隨著制造業(yè)企業(yè)主營業(yè)務(wù)收入增加，其對技術(shù)研發(fā)人員和銷售人員的崗位需求可能會上升[13]。這兩類勞動力通常很難被替代[7]，因為研發(fā)人員掌握著核心技術(shù)，銷售人員離市場更近，鄰近消費者要求其具備靈活的產(chǎn)品推銷能力與溝通能力，并能夠柔性解決更多非程序化問題。從溢出效應(yīng)來看，行業(yè)規(guī)模的擴張削弱了人工智能替代勞動力就業(yè)的產(chǎn)業(yè)鏈溢出效應(yīng)。即生產(chǎn)規(guī)模擴張不僅刺激了本行業(yè)技術(shù)崗位和銷售崗位需求的增加，還為上、下游行業(yè)提供了部分崗位[4]。此外，行業(yè)規(guī)模的擴張進一步加強了人工智能技術(shù)對勞動力就業(yè)結(jié)構(gòu)的優(yōu)化效應(yīng)，與上述原因類似，人工智能發(fā)展提高了對勞動力素質(zhì)與技能的要求，且對技術(shù)崗位勞動力的需求增加。

六、研究結(jié)論與政策建議

充分發(fā)揮人工智能技術(shù)溢出的“頭雁引領(lǐng)效應(yīng)”對促進制造業(yè)生產(chǎn)率整體躍升、優(yōu)化勞動力就業(yè)結(jié)構(gòu)和穩(wěn)定勞動力就業(yè)具有重要的現(xiàn)實意義?；诖?，本文從理論與實證兩個層面深入分析了人工智能技術(shù)對中國制造業(yè)勞動力就業(yè)規(guī)模和就業(yè)結(jié)構(gòu)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)，并得出如下結(jié)論：第一，從垂直產(chǎn)業(yè)鏈溢出維度來看，人工智能技術(shù)主要通過增加質(zhì)優(yōu)價廉的中間品供給促進勞動力在具有垂直產(chǎn)業(yè)鏈關(guān)聯(lián)的行業(yè)間轉(zhuǎn)移，并對下游行業(yè)勞動力就業(yè)結(jié)構(gòu)優(yōu)化產(chǎn)生顯著的正溢出效應(yīng)。第二，從水平技術(shù)關(guān)聯(lián)溢出維度來看，鄰近行業(yè)人工智能技術(shù)發(fā)展對本行業(yè)的就業(yè)規(guī)模存在顯著的負(fù)溢出效應(yīng)，并通過知識共享優(yōu)化本行業(yè)勞動力就業(yè)結(jié)構(gòu)。第三，在考慮科研水平、資本深化和行業(yè)規(guī)模的調(diào)節(jié)作用后，人工智能技術(shù)對本行業(yè)的崗位替代效應(yīng)有所緩解，并進一步優(yōu)化了本行業(yè)和關(guān)聯(lián)行業(yè)的勞動力就業(yè)結(jié)構(gòu)。根據(jù)上述結(jié)論，提出政策建議如下。

第一，加強新興職業(yè)技能培訓(xùn)，提升勞動力就業(yè)質(zhì)量。從企業(yè)層面來看，新技術(shù)、新業(yè)態(tài)、新模式的發(fā)展要求具有高技能勞動力與新崗位匹配。一方面，企業(yè)應(yīng)持續(xù)重點開展員工職業(yè)技能培訓(xùn)，提高勞動者素質(zhì)。另一方面，企業(yè)應(yīng)通過人才引進、內(nèi)部提升等方式著手打造一批智能化人才隊伍，“以高帶低”提升整體人機協(xié)同能力，并通過競爭上崗等途徑倒逼中低技能勞動力學(xué)習(xí)與智能研發(fā)、智能制造、智能管理相關(guān)的知識與技能，推動其向高技能勞動力轉(zhuǎn)型。從政府層面來看，一方面應(yīng)推動人工智能技術(shù)與技能密集型產(chǎn)業(yè)深度融合，避免經(jīng)濟發(fā)展“脫實向虛”。合理引導(dǎo)新就業(yè)形態(tài)積極、規(guī)范發(fā)展，支持中小微企業(yè)形成個性定制、柔性生產(chǎn)、韌性管理的新模式，進而創(chuàng)造新崗位以緩解就業(yè)壓力。另一方面，政府應(yīng)鼓勵中、低技術(shù)部門中非技能型崗位的改造升級，逐步提高就業(yè)質(zhì)量，從而更好地適應(yīng)經(jīng)濟高質(zhì)量發(fā)展需要。

第二，培育壯大人工智能產(chǎn)業(yè)，強化人工智能技術(shù)的產(chǎn)業(yè)關(guān)聯(lián)溢出效應(yīng)。從企業(yè)層面來看，應(yīng)秉持“引進來”和“走出去”相結(jié)合的理念，通過人才引進、人員外派、新興技術(shù)交流與合作等方式強化企業(yè)學(xué)習(xí)模仿效應(yīng)和創(chuàng)新互動效應(yīng)，從而有效接納來自上、下游行業(yè)的人工智能技術(shù)溢出，并構(gòu)建以人工智能技術(shù)為紐帶的產(chǎn)業(yè)鏈條。主動探尋人工智能應(yīng)用場景，積極開放電商、社交等數(shù)據(jù)進而實現(xiàn)信息共享，形成產(chǎn)業(yè)鏈協(xié)同創(chuàng)新與合作共贏的局面。從政府層面來看，應(yīng)著手構(gòu)建與人工智能發(fā)展相適應(yīng)的政策法規(guī)體系，完善開源軟件開發(fā)的知識產(chǎn)權(quán)保護，營造良好的數(shù)字產(chǎn)業(yè)生態(tài)。例如：在信息共享的過程中注重對個人隱私和人工智能知識產(chǎn)權(quán)的保護，加強政府對互聯(lián)網(wǎng)信息平臺的監(jiān)管力度，嚴(yán)懲非法兜售和使用數(shù)據(jù)、商標(biāo)搶注等行為，從而形成安全可靠的信息共享平臺，促進人工智能知識與技術(shù)的良性溢出。

第三，提升企業(yè)科技研發(fā)水平，擴大制造行業(yè)生產(chǎn)規(guī)模。從企業(yè)層面來看，要加強研發(fā)合作，探究并著力解決跨行業(yè)關(guān)鍵共性技術(shù)問題，推動產(chǎn)業(yè)鏈上、中、下游企業(yè)融通創(chuàng)新。要持續(xù)加大基礎(chǔ)研究經(jīng)費投入，不斷完善人才引進與激勵機制，提高研發(fā)人員收益分享比重，充分發(fā)揮企業(yè)家精神和工匠精神在人工智能行業(yè)發(fā)展過程中的重要作用，從而帶動企業(yè)生產(chǎn)規(guī)模擴張和勞動力就業(yè)。從政府層面來看，應(yīng)給予人工智能、新能源、生物醫(yī)藥等高新技術(shù)產(chǎn)業(yè)更多的稅收優(yōu)惠，并通過健全企業(yè)研發(fā)考核制度和充分發(fā)揮重大技術(shù)裝備牽引示范效應(yīng)來增強企業(yè)創(chuàng)新活力。持續(xù)推進“上云用數(shù)賦智”行動，深化研發(fā)、制造、管理等各個環(huán)節(jié)的數(shù)字化應(yīng)用，加速數(shù)據(jù)賦能全產(chǎn)業(yè)鏈協(xié)同轉(zhuǎn)型，從而提升企業(yè)勞動生產(chǎn)率并刺激企業(yè)招募更多勞動力來實現(xiàn)業(yè)務(wù)拓展。