摘要：在準(zhǔn)“強(qiáng)人工智能”的背景下，作為推動(dòng)社會(huì)生產(chǎn)力發(fā)展的新增長(zhǎng)引擎，人工智能的持續(xù)發(fā)展對(duì)中國(guó)勞動(dòng)就業(yè)是否有益，是否真的會(huì)引發(fā)“技術(shù)性失業(yè)”的焦慮和不安？基于此，以就業(yè)總量的視角，通過(guò)熵值法測(cè)度中國(guó)省級(jí)人工智能發(fā)展水平，選取2018—2022年省級(jí)面板數(shù)據(jù)，深入探究中國(guó)人工智能發(fā)展水平對(duì)勞動(dòng)就業(yè)的影響，實(shí)證研究證明：人工智能發(fā)展水平對(duì)中國(guó)勞動(dòng)就業(yè)有一定的阻礙作用。因此，有針對(duì)性地提出了加強(qiáng)人工智能教育和人才培養(yǎng)、提高人力資本、合理布局人工智能等優(yōu)化人工智能和勞動(dòng)就業(yè)關(guān)系的對(duì)策建議，為解決中國(guó)勞動(dòng)力市場(chǎng)相關(guān)問(wèn)題提供借鑒。

關(guān)鍵詞：人工智能發(fā)展；就業(yè)總量；省域面板數(shù)據(jù)；熵值法

中圖分類(lèi)號(hào)：F249.2；F425文獻(xiàn)標(biāo)志碼：A

0引言

科技創(chuàng)新作為經(jīng)濟(jì)發(fā)展的核心動(dòng)力，不僅可以推動(dòng)社會(huì)生產(chǎn)力的提升，還能推動(dòng)政治結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、生活結(jié)構(gòu)等發(fā)生重大轉(zhuǎn)變。當(dāng)前，在準(zhǔn)“強(qiáng)人工智能”的前夜，人工智能已然成為國(guó)際競(jìng)爭(zhēng)的新焦點(diǎn)和經(jīng)濟(jì)發(fā)展的新引擎，主要發(fā)達(dá)國(guó)家，紛紛出臺(tái)人工智能規(guī)劃和相關(guān)政策，將人工智能視為提升國(guó)家綜合國(guó)力的重大戰(zhàn)略，力圖在新一輪國(guó)際科技競(jìng)爭(zhēng)中掌握主導(dǎo)權(quán)。為把握住人工智能這一重大的歷史性機(jī)遇，中國(guó)也把建設(shè)發(fā)展人工智能技術(shù)提升到了國(guó)家戰(zhàn)略層面。黨的二十大報(bào)告中著重強(qiáng)調(diào)“構(gòu)建新一代信息技術(shù)、人工智能、生物技術(shù)、新能源、新材料、高端裝備、綠色環(huán)保等一批新的增長(zhǎng)引擎”，《2024年國(guó)務(wù)院政府工作報(bào)告》中明確提出“深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開(kāi)展‘人工智能＋’行動(dòng)”?？梢灶A(yù)見(jiàn)，人工智能在未來(lái)一段時(shí)間將發(fā)展更為迅速，會(huì)引發(fā)科技方面的重大變革，并對(duì)經(jīng)濟(jì)和人類(lèi)社會(huì)帶來(lái)更為廣泛和深刻的影響[1]。

技術(shù)進(jìn)步是經(jīng)濟(jì)增長(zhǎng)的來(lái)源，就業(yè)則是保障民生的根本，是影響一國(guó)經(jīng)濟(jì)發(fā)展、社會(huì)穩(wěn)定和人民生活質(zhì)量的重要因素。人工智能的發(fā)展一方面提升了生產(chǎn)力水平，促進(jìn)經(jīng)濟(jì)增長(zhǎng)；另一方面也會(huì)對(duì)勞動(dòng)力市場(chǎng)造成一定的影響，代表著一種對(duì)勞動(dòng)力就業(yè)的新威脅，引發(fā)了人們對(duì)人工智能帶來(lái)“技術(shù)性失業(yè)”的焦慮與不安[2]。2024年，中國(guó)就業(yè)環(huán)境面臨著不確定因素增多、社會(huì)預(yù)期偏弱、就業(yè)總量壓力不減、結(jié)構(gòu)性矛盾依然存在等多重挑戰(zhàn)，在“突出就業(yè)優(yōu)先導(dǎo)向”的政策要求下，人工智能的持續(xù)發(fā)展對(duì)就業(yè)究竟有什么樣的影響？在已經(jīng)和即將在各行各業(yè)“人工智能化”的背景下，機(jī)器人是否會(huì)真的“代替”人？科學(xué)回答和評(píng)估這些，對(duì)于中國(guó)技術(shù)進(jìn)步方向以及就業(yè)保障實(shí)施方面有著重要的指導(dǎo)意義。鑒于此，利用中國(guó)30個(gè)省份（不含西藏及港澳臺(tái)地區(qū)）2018—2022年的面板數(shù)據(jù)，以實(shí)證角度探究并檢驗(yàn)人工智能發(fā)展對(duì)中國(guó)勞動(dòng)力就業(yè)總量的影響，以便更有針對(duì)性地提出對(duì)策建議來(lái)緩解中國(guó)存在的就業(yè)問(wèn)題。

1文獻(xiàn)綜述

作為影響勞動(dòng)就業(yè)的重要因素，人工智能引起了國(guó)內(nèi)外學(xué)者的關(guān)注，并從多個(gè)角度分析了其影響。

1956年，人工智能的概念由科學(xué)家麥卡錫（John McCarthy）在達(dá)特茅斯會(huì)議首次提出，他認(rèn)為人工智能就是讓機(jī)器的行為看起來(lái)更像人所表現(xiàn)出的智能行為一樣，該會(huì)議對(duì)人工智能的設(shè)想是一臺(tái)可以模擬學(xué)習(xí)或智能處理所有事宜的機(jī)器。隨著人工智能的不斷發(fā)展，學(xué)者對(duì)人工智能的研究欲望不斷加強(qiáng)，Nilsson[3]認(rèn)為人工智能是一門(mén)關(guān)于如何表達(dá)知識(shí)、獲取知識(shí)以及使用知識(shí)的學(xué)科。Bryn?jolfsson和McAfee[4]認(rèn)為基于人工智能、數(shù)字化革命等推動(dòng)的第二次機(jī)器革命將實(shí)現(xiàn)空前的技術(shù)進(jìn)步。國(guó)內(nèi)學(xué)者對(duì)人工智能的研究也在不斷深入。張?chǎng)魏屯趺鬏x[5]認(rèn)為人工智能是新一代“通用目的技術(shù)”，是一項(xiàng)目標(biāo)導(dǎo)向的技術(shù)，是對(duì)人類(lèi)智能及其生理構(gòu)造的模擬。孫早和侯玉琳[6]認(rèn)為人工智能是一項(xiàng)新的生產(chǎn)要素，可以提升制造效率和改善資源配置，促進(jìn)全要素生產(chǎn)率提升。張娟[7]認(rèn)為中國(guó)已經(jīng)逐步進(jìn)入強(qiáng)人工智能時(shí)代，生成式AI被認(rèn)為是強(qiáng)人工智能的初級(jí)形態(tài)。

人工智能作為新的技術(shù)變革，以其不同于以往技術(shù)變革的發(fā)展速度、規(guī)模和深度引起了學(xué)界的廣泛關(guān)注，越來(lái)越多的學(xué)者開(kāi)始就人工智能對(duì)各行業(yè)的影響展開(kāi)研究，但從宏觀角度上衡量一個(gè)國(guó)家或地區(qū)的人工智能發(fā)展程度，目前對(duì)其測(cè)算沒(méi)有一個(gè)統(tǒng)一的衡量標(biāo)準(zhǔn)。部分學(xué)者如俞伯陽(yáng)[8]以信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)全社會(huì)資產(chǎn)投資額來(lái)代表人工智能發(fā)展水平。葉祥松等[9]以工業(yè)機(jī)器人安裝量來(lái)代表人工智能發(fā)展水平。此外，還有部分學(xué)者自主構(gòu)建人工智能發(fā)展水平指標(biāo)，如王志剛和胡寧寧[10]從基礎(chǔ)資源投入、人力資源投入、技術(shù)服務(wù)、產(chǎn)出應(yīng)用水平4個(gè)一級(jí)指標(biāo)建立中國(guó)人工智能發(fā)展評(píng)價(jià)指標(biāo)體系。楊先明和王志閣[11]根據(jù)中國(guó)國(guó)家工業(yè)和信息化部對(duì)工業(yè)化和信息化融合的指標(biāo)體系，從人工智能投入和應(yīng)用層面選取五大基礎(chǔ)指標(biāo)構(gòu)建綜合反映中國(guó)省際人工智能發(fā)展水平的評(píng)價(jià)體系。

而關(guān)于人工智能的發(fā)展對(duì)勞動(dòng)就業(yè)的影響，目前存在3種觀點(diǎn)：樂(lè)觀態(tài)度、悲觀態(tài)度及中立態(tài)度。一部分學(xué)者認(rèn)為人工智能的發(fā)展對(duì)勞動(dòng)就業(yè)存在負(fù)面阻礙，如朱火弟和葉潤(rùn)[12]認(rèn)為人工智能發(fā)展對(duì)中國(guó)低技能勞動(dòng)力就業(yè)存在顯著的負(fù)面影響，隨著人工智能技術(shù)的發(fā)展，生產(chǎn)過(guò)程、生產(chǎn)工具都逐漸自動(dòng)化和智能化，從而產(chǎn)生了替代效應(yīng)。也有一部分學(xué)者對(duì)人工智能的發(fā)展對(duì)就業(yè)勞動(dòng)的影響抱有樂(lè)觀態(tài)度，如Christopher[13]認(rèn)為技術(shù)進(jìn)步越快，意味著未來(lái)收益的有效貼現(xiàn)率越低，利潤(rùn)的現(xiàn)值就越高，因此企業(yè)為了實(shí)現(xiàn)利潤(rùn)最大化，會(huì)擴(kuò)大生產(chǎn)規(guī)模，提供更多工作機(jī)會(huì)。還有一部分學(xué)者對(duì)人工智能的發(fā)展對(duì)勞動(dòng)就業(yè)的影響保持中立態(tài)度，如蔡嘯和黃旭美[14]認(rèn)為人工智能技術(shù)的應(yīng)用與制造業(yè)就業(yè)之間存在“門(mén)檻效應(yīng)”，一般情況下人工智能技術(shù)會(huì)抑制制造業(yè)就業(yè)，但當(dāng)人工智能技術(shù)應(yīng)用轉(zhuǎn)化水平增強(qiáng)，制造業(yè)生產(chǎn)率有巨大提升時(shí)會(huì)促進(jìn)制造業(yè)重新創(chuàng)造就業(yè)機(jī)會(huì)。

通過(guò)對(duì)已有文獻(xiàn)的研讀，雖然國(guó)內(nèi)外學(xué)者在人工智能發(fā)展與勞動(dòng)就業(yè)的關(guān)系上進(jìn)行了廣泛且多樣的研究，但由于研究角度、研究樣本、測(cè)算方法的不一致，研究結(jié)論并不統(tǒng)一，仍有較大研究前景，這為進(jìn)一步研究人工智能的發(fā)展與就業(yè)的關(guān)系奠定了基礎(chǔ)。但是，現(xiàn)有研究還存在著一些不足之處，大部分學(xué)者都從理論角度分析了人工智能的發(fā)展對(duì)就業(yè)量的影響，實(shí)證方面的研究較少，且尚未得到統(tǒng)一的結(jié)論。

2計(jì)量檢驗(yàn)與回歸結(jié)果

2.1數(shù)據(jù)說(shuō)明

2.1.1變量解釋

為了考察人工智能發(fā)展對(duì)勞動(dòng)就業(yè)的影響，計(jì)量檢驗(yàn)在設(shè)定模型時(shí)把人工智能發(fā)展水平作為核心解釋變量，同時(shí)考慮多個(gè)控制變量，最終加入4個(gè)控制變量，并基于數(shù)據(jù)的可得性以2018—2022年為觀測(cè)年份建立如下的回歸方程：

InEMPit=αi+β0+β1AIit+β2URBANit+β3OPENit

+β4FINANCEit+β5InTRANSit+μi（1）

式中：EMPit為被解釋變量，代表就業(yè)總量，是省市i第t年的總就業(yè)人數(shù)。AIit為解釋變量，是省市i第t年的人工智能發(fā)展水平。

對(duì)于影響中國(guó)勞動(dòng)就業(yè)總量的控制變量，借鑒朱火弟和葉潤(rùn)[12]、蔡嘯和黃旭美[14]以及鄭景麗等[15]的研究：（1）URBANit為省市i第t年的城鎮(zhèn)化水平，中國(guó)城鎮(zhèn)化水平的提高促進(jìn)著勞動(dòng)力從農(nóng)村向城市轉(zhuǎn)移，不僅帶動(dòng)了高新技術(shù)和高端產(chǎn)業(yè)的發(fā)展，也帶來(lái)了低端服務(wù)業(yè)和制造業(yè)的就業(yè)機(jī)會(huì)。（2）OPENit為省市i第t年的對(duì)外開(kāi)放程度，隨著全球貿(mào)易形勢(shì)的不斷變化，如中美貿(mào)易摩擦、國(guó)際政治經(jīng)濟(jì)風(fēng)險(xiǎn)的凸顯以及新冠疫情的影響等，對(duì)中國(guó)外貿(mào)和勞動(dòng)力市場(chǎng)的穩(wěn)定運(yùn)行帶來(lái)了挑戰(zhàn)，而勞動(dòng)力的資源優(yōu)勢(shì)及人力資源素質(zhì)的不斷提高在推進(jìn)中國(guó)貿(mào)易高質(zhì)量發(fā)展、成為全球貨物貿(mào)易第一大國(guó)的道路上不斷助力，因此對(duì)外開(kāi)放水平對(duì)于中國(guó)勞動(dòng)力總量的影響至關(guān)重要。（3）FINANCEit為省市i第t年的金融發(fā)展水平，金融機(jī)構(gòu)通過(guò)提供貸款和其他金融服務(wù)支持企業(yè)擴(kuò)張和創(chuàng)新，有助于創(chuàng)造更多的就業(yè)崗位，與就業(yè)總量之間存在明顯的促進(jìn)作用[16]；TRANSit為省市i第t年的交通通達(dá)度，交通通達(dá)程度會(huì)影響勞動(dòng)力的自由流動(dòng)，從而造成勞動(dòng)力流動(dòng)壁壘，抑制中國(guó)經(jīng)濟(jì)的高質(zhì)量發(fā)展[17]。αi表示省級(jí)個(gè)體效應(yīng)，μi為隨機(jī)誤差項(xiàng)，β0為常數(shù)項(xiàng)。各變量的含義及相關(guān)說(shuō)明可見(jiàn)表1，采用的原始數(shù)據(jù)來(lái)源于歷年地方統(tǒng)計(jì)年鑒及《中國(guó)統(tǒng)計(jì)年鑒》。此外，為了消除潛在的異方差問(wèn)題，對(duì)EMPit、FINANCEit取自然對(duì)數(shù)。

2.1.2中國(guó)省域人工智能發(fā)展水平評(píng)價(jià)指標(biāo)體系構(gòu)建

需要特別說(shuō)明的是，解釋變量AIit基于中國(guó)（除去西藏及港澳臺(tái)地區(qū)）30個(gè)省份數(shù)據(jù)，參考孫早和侯玉林[6]的研究從基礎(chǔ)建設(shè)、生產(chǎn)應(yīng)用、競(jìng)爭(zhēng)力和效益3個(gè)方面，構(gòu)建了由7項(xiàng)指標(biāo)構(gòu)成的中國(guó)省域人工智能發(fā)展水平評(píng)價(jià)指標(biāo)體系，見(jiàn)表2。

基礎(chǔ)建設(shè)一級(jí)指標(biāo)由信息傳輸、計(jì)算服務(wù)和軟件業(yè)社會(huì)固定投資占比和互聯(lián)網(wǎng)普及率構(gòu)成，信息傳輸、計(jì)算服務(wù)和軟件業(yè)社會(huì)固定投資占比為省市i第t年的信息傳輸、計(jì)算服務(wù)和軟件業(yè)社會(huì)固定投資在固定投資總額的占比，互聯(lián)網(wǎng)普及率為互聯(lián)網(wǎng)用戶(hù)數(shù)與常住人口總數(shù)的占比；生產(chǎn)應(yīng)用一級(jí)指標(biāo)由工業(yè)機(jī)器人安裝量和工業(yè)機(jī)器人滲透率組成，以IFR（國(guó)際機(jī)器人聯(lián)合會(huì)）發(fā)布的國(guó)家工業(yè)機(jī)器人安裝量及存量數(shù)據(jù)為基礎(chǔ)，同時(shí)考慮到各省的工業(yè)機(jī)器人主要應(yīng)用于第二產(chǎn)業(yè)，因此以各省市第二產(chǎn)業(yè)產(chǎn)值占比為權(quán)重，實(shí)現(xiàn)工業(yè)機(jī)器人安裝量與存量數(shù)據(jù)省級(jí)之間分配，從而根據(jù)式（2）（3）得到相應(yīng)數(shù)據(jù)；競(jìng)爭(zhēng)力和效益一級(jí)指標(biāo)由專(zhuān)利申請(qǐng)數(shù)、產(chǎn)業(yè)效益和社會(huì)效益組成，專(zhuān)利申請(qǐng)數(shù)為省市i第t年規(guī)模以上工業(yè)企業(yè)專(zhuān)利申請(qǐng)數(shù)，產(chǎn)業(yè)平均效益為省市i第t年電子信息產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入/電子信息產(chǎn)業(yè)制造企業(yè)數(shù)，社會(huì)效益指標(biāo)由各省份的單位GDP能源消耗情況衡量[6]，即表現(xiàn)在人工智能對(duì)生產(chǎn)生活的幫助下各省份能源消耗是否減少。

構(gòu)建好指標(biāo)體系后，采用熵值法實(shí)證測(cè)度中國(guó)省域人工智能發(fā)展水平，熵值法綜合評(píng)價(jià)的具體步驟如下。

（1）原始數(shù)據(jù)標(biāo)準(zhǔn)化處理由于各項(xiàng)指標(biāo)的計(jì)量單位不統(tǒng)一，因此在進(jìn)行綜合指標(biāo)測(cè)算前，要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，把指標(biāo)相對(duì)值化，從而解決各項(xiàng)指標(biāo)值的不同質(zhì)問(wèn)題。因正向指標(biāo)和負(fù)向指標(biāo)代表的含義相反，所以通常按照指標(biāo)屬性的不同來(lái)選擇不同的公式進(jìn)行標(biāo)準(zhǔn)化處理：

m；j=1，2，3，…n）。（5）

式中：Φij是經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的第i個(gè)樣本的第j項(xiàng)指標(biāo)，Xij是第i個(gè)樣本中第j項(xiàng)指標(biāo)的原始數(shù)據(jù)值，min（Xi）j為第j項(xiàng)指標(biāo)的最小值，max（Xi）j為第j項(xiàng)指標(biāo)的最大值。

（2）計(jì)算第j項(xiàng)指標(biāo)下第i個(gè)樣本指標(biāo)值的比重Pij

由于計(jì)算信息熵時(shí)需要取自然對(duì)數(shù)，指標(biāo)值不能為0，因此要進(jìn)行適當(dāng)處理，即對(duì)數(shù)據(jù)進(jìn)行0.01的平移處理，即令Zij=Φij+d。其中，d為使其略大于0的一個(gè)正數(shù)，在此取0.01。

∑i=1

（6）（3）根據(jù)熵值計(jì)算公式計(jì)算第j項(xiàng)指標(biāo)的信息

（4）計(jì)算第j項(xiàng)指標(biāo)的差異性系數(shù)gj。

對(duì)于第j項(xiàng)指標(biāo)，Xij的差異性越大，對(duì)指標(biāo)評(píng)價(jià)的作用就越大，熵值ej就越小，即gj越大，指標(biāo)越重要。gj= 1-ej（8）

（5）計(jì)算確定各評(píng)價(jià)指標(biāo)權(quán)重wj。

wj=（9）n∑j=1gj

各項(xiàng)指標(biāo)的熵值ej、差異性系數(shù)gj及權(quán)重wj見(jiàn)表3。

對(duì)中國(guó)各省人工智能水平的測(cè)度采用30個(gè)省份2018—2022年的指標(biāo)數(shù)據(jù)，依照熵值法公式測(cè)算得出，并根據(jù)2022年得分大小分成3個(gè)等級(jí)，詳見(jiàn)表4。

由表4可知，廣東、江蘇、浙江、山東、福建、北京、上海、山西、安徽、河南的人工智能水平位居前列。而位于低水平的省份多集中在東北、西部省份，這些省份經(jīng)濟(jì)發(fā)展多集中于第一產(chǎn)業(yè)，勞動(dòng)人員多從事于農(nóng)、林、漁、牧等傳統(tǒng)行業(yè)，對(duì)人工智能的應(yīng)用需求不足，同時(shí)創(chuàng)新和投資支撐相對(duì)欠缺。

2.2相關(guān)性檢驗(yàn)

在確定回歸模型和變量的基礎(chǔ)上，首先對(duì)變量進(jìn)行相關(guān)性檢驗(yàn)，包括描述性統(tǒng)計(jì)、多重共線(xiàn)性檢驗(yàn)、Hausman檢驗(yàn)，然后使用固定效應(yīng)回歸依次對(duì)全樣本進(jìn)行考察。

2.2.1描述性統(tǒng)計(jì)

表5列出了各變量數(shù)據(jù)的基本信息。綜合各個(gè)變量的數(shù)據(jù)可得性，實(shí)證研究的樣本為2018—2022年中國(guó)30個(gè)省份的面板數(shù)據(jù)。

2.2.2 多重共線(xiàn)性檢驗(yàn)

因選取了5個(gè)變量分析人T智能的發(fā)展對(duì)勞動(dòng)就業(yè)的影響，若變量間存在多重共線(xiàn)性，則會(huì)導(dǎo)致回歸結(jié)果出現(xiàn)誤差。因此，在正式回歸前對(duì)各變量進(jìn)行多重共線(xiàn)性檢驗(yàn)。

首先對(duì)各變量相關(guān)系數(shù)矩陣進(jìn)行分析，通過(guò)pearson相關(guān)系數(shù)和spearman相關(guān)系數(shù)考察變量的多重共線(xiàn)性。表6為各變量相關(guān)系數(shù)矩陣結(jié)果，可以看出在2種相關(guān)系數(shù)矩陣方法的考察下，除城鎮(zhèn)化水平（URBANit）與對(duì)外開(kāi)放程度（OPENit）的相關(guān)系數(shù)超過(guò)0.7以外，其他變量的相關(guān)性系數(shù)均小于0.7，說(shuō)明多重共線(xiàn)性問(wèn)題并不嚴(yán)重。

為確?；貧w結(jié)果，考察各變量的方差膨脹因子，進(jìn)一步開(kāi)展多重共線(xiàn)性檢驗(yàn)。一般認(rèn)為，VIF的數(shù)值大于5則變量之間存在共線(xiàn)性。由表7可以看出，所有變量的方差膨脹因子均值為2.94，處于較低水平，最小值為1.52，最大值為4.24，小于過(guò)往檢驗(yàn)的標(biāo)準(zhǔn)值5，據(jù)此證明研究所用模型的變量間不存在多重共線(xiàn)性。

2.2.3 Hausman檢驗(yàn)

為保證回歸的可行性以及回歸結(jié)果的可靠性，進(jìn)行了Hausman檢驗(yàn)。該檢驗(yàn)方法的原假設(shè)為選擇隨機(jī)效應(yīng)模型更優(yōu)。由表8可知，檢驗(yàn)結(jié)果顯示P值為0.000 0，即該結(jié)果拒絕了原假設(shè)，因此正式回歸時(shí)選擇固定效應(yīng)。

2.3回歸結(jié)果

2.3.1全樣本回歸

表9顯示的是將人工智能發(fā)展水平作為解釋變量，并使用固定效應(yīng)模型進(jìn)行回歸得到的結(jié)果。

從回歸結(jié)果上可以看出，解釋變量人工智能發(fā)展水平（AIi）t對(duì)中國(guó)勞動(dòng)就業(yè)（InEMPi）t影響的系數(shù)為-0.222，在5%水平上呈顯著的負(fù)向影響，與假設(shè)一致，這說(shuō)明人工智能發(fā)展水平對(duì)中國(guó)勞動(dòng)就業(yè)有一定的阻礙作用，即人工智能的應(yīng)用對(duì)就業(yè)總量形成了負(fù)向的沖擊，隨著人工智能技術(shù)的不斷普及，部分就業(yè)崗位面臨著被人工智能替代的風(fēng)險(xiǎn)，出現(xiàn)先進(jìn)設(shè)備替代低技能勞動(dòng)力的現(xiàn)象，從而導(dǎo)致失業(yè)的出現(xiàn)，影響到中國(guó)的整體就業(yè)市場(chǎng)發(fā)展。URBANit對(duì)InEMPit影響的系數(shù)為-0.281，在10%的水平下呈顯著的負(fù)面影響，說(shuō)明城鎮(zhèn)化水平的提高對(duì)中國(guó)勞動(dòng)就業(yè)總量的上升會(huì)起到負(fù)面作用，城鎮(zhèn)化水平的提高意味著勞動(dòng)力向城鎮(zhèn)的集中，當(dāng)高生活成本超過(guò)中低技能水平勞動(dòng)力的薪酬能力時(shí)，會(huì)迫使低技能水平勞動(dòng)力退出該勞動(dòng)市場(chǎng)。OPENit、FINAN?CEit、InTRANSit的回歸結(jié)果為負(fù)，這說(shuō)明對(duì)外開(kāi)放水平、金融發(fā)展水平、交通通達(dá)度的提高會(huì)影響中國(guó)勞動(dòng)就業(yè)總量的提升。

2.3.2穩(wěn)健性檢驗(yàn)

鑒于研究主要考察人工智能的發(fā)展對(duì)勞動(dòng)就業(yè)的影響，為了驗(yàn)證上述實(shí)證結(jié)論的穩(wěn)健性，將對(duì)解釋變量人工智能水平采用其他測(cè)算方法重新計(jì)算，考察模型的穩(wěn)健性。計(jì)量檢驗(yàn)原本采用建立指標(biāo)通過(guò)熵值法測(cè)算人工智能發(fā)展水平，在穩(wěn)健性檢驗(yàn)時(shí)采用各省工業(yè)機(jī)器人安裝量（InROBOTi）t代表人工智能發(fā)展水平。實(shí)證結(jié)果見(jiàn)表10。如實(shí)證結(jié)果所示，省域人工智能發(fā)展水平與中國(guó)勞動(dòng)就業(yè)之間依然為顯著的負(fù)相關(guān)關(guān)系。因此，改變關(guān)鍵解釋變量計(jì)算方法并未影響回歸結(jié)果及研究結(jié)論。

3結(jié)論與政策建議

自“人工智能”的概念在1956年被提出，從理論和算法設(shè)計(jì)到大規(guī)模應(yīng)用，這個(gè)概念越來(lái)越貼近我們的實(shí)際生活，且實(shí)實(shí)在在地影響著社會(huì)經(jīng)濟(jì)發(fā)展?；?018—2022年中國(guó)30個(gè)省、自治區(qū)、直轄市（除去西藏及港澳臺(tái)地區(qū)）的勞動(dòng)就業(yè)數(shù)據(jù)，考察了人工智能發(fā)展水平對(duì)勞動(dòng)就業(yè)總量的影響。通過(guò)前文分析可得，人工智能發(fā)展水平對(duì)中國(guó)勞動(dòng)就業(yè)有一定的阻礙作用，人工智能的應(yīng)用對(duì)就業(yè)總量造成了一定的負(fù)向沖擊。研究結(jié)果對(duì)于平衡人工智能利用和勞動(dòng)就業(yè)發(fā)展的關(guān)系具有重要的啟示意義，對(duì)當(dāng)前中國(guó)相關(guān)政府部門(mén)制定政策幫助企業(yè)正確認(rèn)識(shí)人工智能技術(shù)對(duì)勞動(dòng)就業(yè)的影響也有一定參考意義。

（1）合理布局人工智能，宏觀調(diào)控人工智能發(fā)展水平。Tortoise Media發(fā)布的2023年全球人工智能指數(shù)排名，中國(guó)排名第二僅次于美國(guó)，可見(jiàn)目前中國(guó)人工智能總體發(fā)展水平尚好，但從各省人工智能水平綜合評(píng)價(jià)得分可以發(fā)現(xiàn)國(guó)內(nèi)省域發(fā)展水平不平衡、不均勻，呈現(xiàn)出“東高西低”的局面，因此要依據(jù)自身資源稟賦與產(chǎn)業(yè)優(yōu)勢(shì)有所側(cè)重地發(fā)展人工智能，因地制宜制定差異化的人工智能產(chǎn)業(yè)政策，推動(dòng)各區(qū)域的共同發(fā)展。此外，政府應(yīng)扶持不同區(qū)域內(nèi)人工智能企業(yè)發(fā)展，同時(shí)鼓勵(lì)具有優(yōu)勢(shì)的企業(yè)在不同區(qū)域建立分支機(jī)構(gòu)，為人工智能發(fā)展要素提供跨區(qū)流動(dòng)的可能性，促使勞動(dòng)力向更有需求的地區(qū)流動(dòng)，促進(jìn)全國(guó)省域人工智能發(fā)展水平的共同提高。

（2）加強(qiáng)職業(yè)培訓(xùn)，緩解人工智能對(duì)就業(yè)的負(fù)向效應(yīng)。雖然目前人工智能在實(shí)際生活中的運(yùn)用更傾向于常規(guī)工作、重復(fù)性工作，替代中低技能勞動(dòng)者，但隨著“強(qiáng)人工智能”時(shí)代的不斷臨近，以GPT為代表的訓(xùn)練大數(shù)據(jù)模型研究進(jìn)度加快，人工智能替代高技能勞動(dòng)者的程度將會(huì)逐漸增強(qiáng)。因此，加強(qiáng)對(duì)勞動(dòng)者的職業(yè)培訓(xùn)以提高綜合素養(yǎng)，可以延緩人工智能對(duì)勞動(dòng)力的替代程度。首先，政府應(yīng)持續(xù)增加各類(lèi)教育經(jīng)費(fèi)投入，加強(qiáng)公共就業(yè)服務(wù)體系建設(shè)，大力支持在職職工、失業(yè)人群的技能培訓(xùn)活動(dòng)，并提供就業(yè)指導(dǎo)，不斷提高公開(kāi)就業(yè)信息的時(shí)效性和透明度，幫助勞動(dòng)力實(shí)現(xiàn)技能提升和就業(yè)轉(zhuǎn)移；其次，針對(duì)高層次人才，為滿(mǎn)足對(duì)智能制造人才隊(duì)伍建設(shè)的需求，應(yīng)加強(qiáng)人工智能教育和人才培養(yǎng)，可通過(guò)校企合作設(shè)立人工智能專(zhuān)業(yè)、加強(qiáng)人工智能相關(guān)領(lǐng)域的課程的教育和培訓(xùn)、加大力度扶持高水平人才引進(jìn)等，構(gòu)建人工智能關(guān)鍵人才的培養(yǎng)體系，培養(yǎng)具有“創(chuàng)新+實(shí)操”的“雙面人才”，提高中國(guó)人工智能人才隊(duì)伍的整體素質(zhì)，把握人工智能持續(xù)發(fā)展的“開(kāi)關(guān)”，實(shí)時(shí)調(diào)控人工智能對(duì)中國(guó)勞動(dòng)就業(yè)的沖擊。

（3）完善社會(huì)保障體系，穩(wěn)定勞動(dòng)就業(yè)。首先，針對(duì)人工智能可能引發(fā)的失業(yè)風(fēng)險(xiǎn)，中國(guó)應(yīng)加快建設(shè)并完善普惠性的社會(huì)保障體系，結(jié)合實(shí)際進(jìn)一步完善最低工資制度、失業(yè)保險(xiǎn)、失業(yè)救濟(jì)等相關(guān)制度體系，學(xué)習(xí)國(guó)際經(jīng)驗(yàn)，建立具有針對(duì)性的扶持制度，根據(jù)職業(yè)、年齡、學(xué)歷的不同進(jìn)一步完善失業(yè)人群的扶持政策，避免收入差距進(jìn)一步擴(kuò)大，保障社會(huì)穩(wěn)定；其次，要切實(shí)維護(hù)勞動(dòng)者勞動(dòng)保障權(quán)益，利用大數(shù)據(jù)技術(shù)平臺(tái)收集廣大勞動(dòng)者的勞動(dòng)權(quán)益保障實(shí)際情況，研判現(xiàn)行規(guī)定與實(shí)際就業(yè)環(huán)境之間的管理空白，重點(diǎn)監(jiān)測(cè)受人工智能技術(shù)沖擊大的勞動(dòng)者群體，不斷完善辭退與失業(yè)、社保繳納與使用、薪酬與福利等就業(yè)權(quán)益保障措施，保證就業(yè)公平。

參考文獻(xiàn)：

[1]曹靜，周亞林.人工智能對(duì)經(jīng)濟(jì)的影響研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2018（1）：103-115.

[2]張旭，于蒙蒙，郭義盟.人工智能發(fā)展如何影響勞動(dòng)力就業(yè)？[J/OL].煙臺(tái)大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2024：1-12[2024-07-13].https：//doi.org/10.13951/j.cnki.issn1002-3194.2024.0401.01.

[3] Nilsson N J. Aritificial intelligence：A new synthesis[M].San Francisco：Morgan Kaufmann Publishers Inc，1998.

[4] Brynjolfsson E，McAfee A. The second machine age：Work，progress，and prosperity in a time of brilliant tech?nologies[M]. New York：Norton，2014.

[5]張?chǎng)?，王明輝.中國(guó)人工智能發(fā)展態(tài)勢(shì)及其促進(jìn)策略[J].改革，2019（9）：31-44.

[6]孫早，侯玉琳.人工智能發(fā)展對(duì)產(chǎn)業(yè)全要素生產(chǎn)率的影響：一個(gè)基于中國(guó)制造業(yè)的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)學(xué)家，2021（1）：32-42.

[7]張娟.生成式AI嵌入數(shù)字政府建設(shè)的審思與展望：基于強(qiáng)人工智能視域[J].財(cái)經(jīng)問(wèn)題研究，2024（， 7）：36-47.

[8]俞伯陽(yáng).人工智能技術(shù)促進(jìn)了中國(guó)勞動(dòng)力結(jié)構(gòu)優(yōu)化嗎：基于省級(jí)面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J].財(cái)經(jīng)問(wèn)題研究，2020（3）：94-102.

[9]葉祥松，黎美玲，潘麗群.人工智能對(duì)微觀企業(yè)的就業(yè)影響：總量、來(lái)源與異質(zhì)性研究[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023，（6）：70-79.

[10]王志剛，胡寧寧.人工智能對(duì)我國(guó)居民消費(fèi)的影響機(jī)制及作用效果[J].深圳大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2023，40（5）：67-77.

[11]楊先明，王志閣.人工智能、財(cái)政職能與中國(guó)經(jīng)濟(jì)發(fā)展質(zhì)量[J].宏觀質(zhì)量研究，2023，11（4）：49-66.

[12]朱火弟，葉潤(rùn).人工智能發(fā)展對(duì)我國(guó)勞動(dòng)力就業(yè)結(jié)構(gòu)的影響：基于2006—2019年省級(jí)面板數(shù)據(jù)的實(shí)證分析[J].重慶理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2021，35（8）：59-70.

[13] Christopher A P. Equilibrium unemployment theory[M].Massachusetts：MIT Press，2000.

[14]蔡嘯，黃旭美.人工智能技術(shù)會(huì)抑制制造業(yè)就業(yè)嗎：理論推演與實(shí)證檢驗(yàn)[J].商業(yè)研究，2019（6）：53-62.

[15]鄭景麗，王喜虹，張雪梅.人工智能如何影響勞動(dòng)收入份額：基于產(chǎn)業(yè)結(jié)構(gòu)與企業(yè)升級(jí)的機(jī)制探討[J].南開(kāi)經(jīng)濟(jì)研究，2024（4）：3-22.

[16]林春，孫英杰，康寬.普惠金融對(duì)中國(guó)產(chǎn)業(yè)就業(yè)的影響效應(yīng)：基于總量和結(jié)構(gòu)視角[J].證券市場(chǎng)導(dǎo)報(bào)，2019（6）：13-19+30.

[17]蔣為，倪詩(shī)程，吉萍.中國(guó)跨地區(qū)勞動(dòng)力流動(dòng)壁壘：測(cè)度方法、演進(jìn)趨勢(shì)與決定因素[J].經(jīng)濟(jì)研究，2024，59（4）：60-77.

Research on the Influence of Artificial Intelligence Development Levelon Labor Employment： Based on Total Employment

CHENG Zeqiang

（Quanzhou University of Information Engineering， Quanzhou Fujian 362000， China）

Abstract：Under the background of quasi-"strong artificial intelligence，"as a new growth engine to promote thedevelopment of social productivity， is the continuous development of artificial intelligence （AI） beneficial to Chi?na's labor and employment，， and will it really trigger anxiety and unease of "technological unemployment"？ Basedon this， this paper measures the level of AI development at the provincial level in China through the entropy methodfrom the perspective of total employment， and selects the provincial panel data from 2018 to 2022 to explore the im?pact of China's AI development level on labor employment.The empirical research proves that the level of AI devel?opment has a certain impediment to China's labor employment. Therefore， countermeasures and suggestions are putforward to optimize the relationship between AI and labor employment， such as strengthening AI education and per?sonnel training， improving human capital， and rationally laying out AI， so as to provide a reference for solving theproblems related to China's labor market.Key words：artificial intelligence development; total employment; provincial panel data; entropy method