人工智能对就业的影响：创造还是破坏？*

薛继亮,管华意,薄 婧

( 内蒙古大学 经济管理学院，内蒙古 呼和浩特 010021 )

近年来，人工智能发展势不可挡，从扫地机器人、智能语音助手到无人机、大数据处理等，正逐渐渗入人们的日常生活。国内一大批新兴企业抓住大好势头，凭借技术、资金与数据等方面的优势成为中国人工智能行业的先锋。当前，人工智能已上升到国家战略发展层面，将来势必会进入更加蓬勃发展的新阶段。智能化的应用影响就业存在以下可能方式：创造效应和破坏效应，即它不仅会带来技术创新，有着创造新岗位新工作的可能性，同时也存在着取代人类劳动力进而引发失业的风险。因此，如何正确看待人工智能与我国劳动力就业之间的关系成为重要的问题。为更好地利用和发展好人工智能，同时稳定就业、保障人民福祉，需要尽早就人工智能发展对我国劳动力就业的影响作出理性预期和合理判断，及时调整应对策略，稳定劳动力市场。

一、文献综述

国内外学者关于人工智能对就业冲击的研究比较深入，集中体现在人工智能的就业创造或就业破坏方面。从国外文献来看，Brown和Weisbenner的研究表明，当储蓄率较低时，机器人生产率的提高更有可能会降低年轻劳动力及未来几代人的福利。智能机器正在一系列工作中迅速取代劳动力[1]。Frey和Osborne通过估计702个具体职业被计算机替代的可能性，发现美国约有47%的职业处于高风险类别，未来10—20年会被替代，且服务业的大量岗位极易受到替代效应的影响[2]。与此同时，Acemoglu和Restrepo的两项研究均发现，自动化可以创造全新的工作岗位，因为技术进步所激发的新任务的产生会使得劳动力存在比较优势，从而提升劳动力需求[3-4]。当然，这种就业“创造”和“破坏”也可能同时存在。自动化虽然会创造一种生产率提高效应，增加高技能劳动力就业，但也会取代它直接影响的劳动力类型，降低其工资，其中低技能劳动力从中受损最严重[5-6]。

随着人工智能的飞速发展，近年国内学者也开始着眼于研究人工智能对就业的影响。在就业破坏方面，王燊成认为，人工智能可能会加剧地区间、行业间和群体间的就业不公平[7]。杨伟国和邱子童认为，人工智能提高了低技能劳动者的就业门槛，降低了其就业的自主性[8]。余玲铮等认为，机器人的使用会降低劳动收入份额和就业规模，损害劳动者福利[9]。韩民春和赵一帆发现，工业机器人对制造业的就业效应存在区域性差异[10]。闫雪凌等认为，我国工业机器人对制造业整体就业存在替代效应，对岗位数量产生了明显的负向影响[11]。魏巍认为，人工智能替代效应所导致的技术性失业现象已在我国初露端倪[12]。谢萌萌等发现，制造业企业融合人工智能将显著降低低技能劳动力的就业比重[13]。在就业创造方面，金陈飞等发现，人工智能应用显著提升了企业的劳动收入份额[14]。何勤和邱玥认为，企业提高人工智能技术的研发投入带来了更多的工作机会[15]。李磊等也认为，机器人对就业的促进效应强于替代效应[16]。此外，孙早和侯玉琳认为，人工智能的应用会使就业呈现“两极化”特征[17]61-70。窦畅宇和肖峰认为，就业替代和就业创造在不同就业群体中可能会同时发生[18]。潘丹丹发现，人工智能显著提升了本科和专科学历的员工就业比重，同时显著降低研究生及以上和高中及以下学历的员工比例[19]。陈晓等发现，对于不同技能水平的劳动力来讲，工业智能化会增加高等技能劳动力需求和替代中等技能劳动力[20]。

综上所述，国内外文献从就业创造和就业破坏的不同视角来分析人工智能对就业的影响，但结论并不完全一致。在工业化进程中，人工智能究竟会带来怎样的就业冲击，需要更加深入的研究。本研究不同于以往文献中单纯根据就业人员的不同受教育程度区分劳动力就业结构，而是重新划分定义低、中、高水平劳动力，在构建人工智能水平测度指标的基础上，检验中国劳动力就业创造和就业破坏的变化趋势，以期为新时期稳就业提供理论和经验支持。

二、模型与假说

（一）人工智能对中国劳动力就业结构作用机理的理论模型

关于技术进步对劳动力就业影响的分析，一般采用基于任务的理论模型。本研究也同样沿用Acemoglu的经典理论模型，在同一框架下探究中国不同地区的智能化程度差异对劳动力就业结构的影响。

假设“任务”是制造产出的一系列工作活动，而“技能”则是劳动力用以完成各项任务的能力。光有技能不能直接得到产出，只有将技能应用到任务中才能得到产出。研究将劳动力划分为拥有低级、中级和高级技能的三种群体。理论上，任一给定技能水平的劳动者都可以根据不同的技术级别去选择相对应的任务。同时，假设封闭经济中只生产单一最终品，且该最终品由一系列在单元区间[0，1]连续的任务生产而成。简便起见，假定最终品的生产函数为：

其中，Y指的是该最终品的产出，而y(i)是任务i的生产水平。假定所有市场均为竞争性市场，则有另外，假定最终品的价格为1。因此，每个任务的生产函数为：

其中，A代表各种要素的偏向性技术（例如AL指的是最能够改善低技能劳动力的技术）；αL(i)、αM(i)和αH(i)分别指的是在不同任务中低级、中级和高级技能劳动力的生产力，αK(i)指的是不同任务中资本的生产力；而l(i)是被分配到任务i中的低技能劳动者数量，l(m)和l(h)的定义也与此类似，k(i)是被分配到任务i中的资本数量。上面的生产函数意味着，理论上每项任务都可以由低级、中级或者高级技能劳动力来完成，但是不同任务在不同技能水平的群体间的比较优势不同。而这个比较优势是理论模型中重要的一部分，为了确保它的存在，我们假定αL(i)/αM(i)和αM(i)/αH(i)均是连续可导且严格递减的函数。

继而得到三种技能劳动力需求的相对值：

由式（6）和式（7）可以看出，不同劳动力之间的相对需求与机器替代的任务区间长度ε有关。进而有：

近年来，人工智能发展日新月异，涉及领域不断扩充，更新换代频率加快，这也就意味着机器任务区间ε的不断增大，结合（8）、（9）两式可以合理推断，中等技能劳动力需求相对于低等技能和高等技能劳动力都在减小，出现“两头大、中间小”的就业需求格局。由此，本研究提出以下假设：

随着智能化的不断推进，中国劳动力就业结构也会呈现“两极化”趋势。对于高技能和低技能劳动力而言，就业创造效应大于破坏效应，其技能份额有所增加；而对于中技能劳动力而言，就业创造效应小于破坏效应，人工智能的快速发展将取代一部分中技能劳动力完成工作任务，从而降低其技能份额。

（二）实证模型

根据前文的理论模型，为探索人工智能对我国劳动力就业结构的影响趋势，设定实证模型如下：

为进一步考察不同经济区域中人工智能水平对当地劳动力就业的影响差异，在模型（10）的基础上加入人工智能水平Int与地区虚拟变量Dn的交互项，进而得到计量模型（11）。

（三）指标选取及数据来源

研究选取2008—2016年中国省级面板数据进行实证分析。由于西藏、青海、宁夏地区部分数据不可得，故将以上三个地区的样本剔除。本研究的数据来源于历年《中国统计年鉴》、《中国劳动统计年鉴》、《中国电子信息产业统计年鉴》、《中国科技统计年鉴》、中宏数据库以及CSMAR数据库。各指标的具体选取和处理方法如下：

1.人工智能水平

研究参照孙早和侯玉琳构建的工业智能化指标体系[17]68-70，基于实际数据可得性选取了三个代表性指标，分别是：（1）软件普及和应用情况，采用的指标是所有软件产品的总收入占所有规模以上工业企业主营业务收入的比重；（2）创新能力，采用各省专利申请授权量与研究设计成员全时当量的比值来衡量；（3）新产品生产情况，采用的指标是新产品销售收入占大规模工业企业主营业务收入的比重。将这三个指标标准化之后采用主成分分析法测度，结果出现负值，故将坐标统一平移至均为正值进行衡量。本研究构建的人工智能指标相较孙早和侯玉琳构建的指标体系更为简洁，该方法得到的人工智能水平的描述性统计情况如表1所示。

表1 人工智能水平的描述性统计

2.不同技能水平劳动力

受限于2008—2016年省级面板数据可得性，首先，将历年《中国劳动统计年鉴》中分地区各行业受教育程度为小学及以下的劳动力归为低水平劳动力，大学本科及以上的劳动力归为高水平劳动力，而中学、中高等职业教育和大学专科的劳动力划分为中等水平劳动力；其次，通过观察这9年间各行业就业人员的受教育程度占比分布情况，将低水平劳动力平均占比相当高的农林牧渔业归为低技能行业，而电热燃水业、建筑业、交通运输业、批发零售业、住宿餐饮业、采矿业、制造业、房地产业、租赁和商务服务业、水利环境公共设施管理业、卫生社会工作、居民服务修理业、文化体育娱乐业等行业的中等水平劳动力偏高，故将这些行业归为中等技能行业，其余的如房地产业、信息传输软件服务、金融业、科学研究技术服务、公共管理社会保障组织和教育业等行业因高水平人才占比较高而归为高等技能行业。将这些各地区分行业就业人员数进行分组加总后再分别除以城镇总就业人数，即得到低等技能劳动力占比、中等技能劳动力占比和高等技能劳动力占比。

3. 控制变量

（1）产业结构，用各个省份第二、三产业增加值的比值来衡量。（2）贸易水平，用各省份的进出口总额占国内生产总值（GDP）的比重进行衡量。（3）人力资本，参照杜伟等的处理方式，将未上过学、小学和初中、高中及职业技术学院、大学专科、大学本科及以上这五组劳动力受教育年限按平均累计受教育年限分别设定为2、6、9、12和16年[21]，则劳动力的平均受教育年限为这五组的加权平均数。这里同样考虑到未上过学的劳动力也可以在工作过程中不断积累知识技能，故并未取零处理。（4）人口负担，即养育负担，用0—14岁及65岁以上人口占劳动年龄人口的比重来衡量。各变量的描述性统计如表2所示。

表2 变量的描述性统计

三、实证回归结果

（一）人工智能对就业影响的实证结果及其解释

1.人工智能对就业影响的整体检验

由于截面数大于个体数，故研究数据为短面板数据。Hausman检验结果表明，应使用控制个体效应的固定效应模型，并采用LSDV法对样本进行估计，回归结果如表3所示。

观察表3中人工智能水平对劳动力就业影响的回归结果可以发现，在就业创造效应的主导作用之下，低等技能和高等技能劳动力的占比均有所增加，人工智能技术的进步并没有对上述两种技能的劳动力就业产生挤出效应，反而扩大了劳动力需求。与此同时，受制于就业破坏效应的影响，中等技能劳动力占比随智能技术的发展呈现萎缩态势。这一结果验证了本研究提出的假设，即人工智能技术通过破坏效应和创造效应对不同劳动技能群体产生了不同的影响，在提高低等、高等技能劳动力就业的同时，替代一部分中等技能劳动力，最终导致中国整体出现就业结构“两极化”趋势，该趋势与国内外已有研究结论一致。

表3 人工智能对就业影响的实证结果

具体来说，核心解释变量人工智能水平将促进低等技能劳动力占比增加0.0030个单位，即每1个单位的人工智能水平提升将会促进低技能劳动力在总就业占比中增加0.30%，但不显著。而人工智能对就业结构的影响在后两组中均显著：人工智能水平每增长1个单位，在其他变量不变的情况下，将在1%的水平下显著促进高等技能劳动力占比增长0.0557个单位，也就意味着智能技术每提升1个单位，就会通过创造效应使高等技能劳动力所占就业份额显著增长5.57%；同时人工智能将在1%的水平下抑制中等技能劳动力占比0.0587个单位的增长，即中等技能劳动力所占就业份额在经济环境中除人工智能水平增加1个单位之外，其他条件不变时，将会在就业破坏效应的影响之下显著降低5.87%。

从控制变量看，产业结构指标系数多为负，这表明第二产业相较第三产业来说发展较慢，这也说明第三产业在国民经济中的发展越来越重要，同时，该项指标对从低到高水平的劳动力就业呈现先抑制后促进再抑制的影响趋势，且实证结果均在1%的水平下显著。值得一提的是，产业结构与人工智能水平对劳动力技能结构的影响方向在三种不同技能层次的群体中均呈现相反趋势，这与江永红等[22]的研究结论一致，进一步验证了产业结构升级将在一定程度上加剧中国就业“两极化”发展。这可能是由于我国第三产业中的服务业占比较大，其中的批发零售、住宿餐饮等行业所需要的劳动力知识技能要求并不高。该行业的工作任务基本属于情感类、情景交互类的当场交付任务，可以吸纳相当一部分低等技能劳动力，从而促进低等技能劳动力就业。此外，同属第三产业的金融、教育等行业也由于人才强国等战略的实施方兴未艾，这将为专攻商科、教育学类的高素质人才提供大量互动性岗位，这类岗位对创意思维、抽象思维、数理运算等能力提出了较高要求，因而可以吸纳更多高技能人才。

贸易水平对低等和中等技能劳动力所占市场份额均有正向影响但并不显著，但对高等技能劳动力却有显著负向影响。人力资本对三组不同程度技能的劳动力均有显著正向影响，其中，对低技能劳动力就业的促进作用最大，也就是说在其他条件不变时，劳动力平均受教育年限每增加1%，就会使得这部分劳动力的就业份额在10%的水平下显著增长1.03%。而人力资本对高技能就业份额的增益程度在三种劳动力技能群体中最小，即控制其他变量不变时，劳动力平均受教育年限每增长1%，将会在1%的水平下显著促使高技能劳动力就业份额增长0.57%。这表明人力资本的增加能在不同程度上促进国内不同行业劳动力就业数量的增长，尤其是对于农林牧渔业劳动力的积极影响更大。而高技能劳动力之所以并未成为模型中在人力资本增加下受益最大的群体，可能是因为本研究将受过大学本科及以上教育的劳动力的受教育年限统一归为16年，但随着近年来高等教育的深入发展，其规模也在不断扩大，大学毕业后选择读研深造的学生不在少数，硕士研究生和博士研究生的数量不断增多，但受限于历年统计年鉴中受教育程度划分最高的仅是“研究生及以上”级别，对于具体的劳动力群体中硕士研究生、博士研究生数量缺乏相关数据，因而实际的平均受教育年限与本研究的衡量方式存在些许误差。人口负担在低等、中等技能劳动力中均有抑制作用，且对中技能劳动力的消极作用更显著，而对高等技能劳动力有积极影响。

2.人工智能对就业影响的分地区验证

在人工智能对我国各省份劳动力就业影响的基本实证回归之后，为进一步探索人工智能在我国不同区域内对国内劳动力就业的影响，采用地理经济学传统分区方式，将全国省份分为八大经济区，分地区对影响结果进行实证检验。这八大经济区域分别是东北经济区（辽宁、吉林、黑龙江）、北部沿海经济区（北京、天津、河北、山东）、东部沿海经济区（上海、江苏、浙江）、南部沿海经济区（福建、广东、海南）、黄河中游经济区（陕西、山西、河南、内蒙古）、长江中游经济区（湖北、湖南、江西、安徽）、西南经济区（云南、贵州、四川、重庆、广西）和西北经济区（甘肃、新疆）。人工智能对不同地区劳动力就业的影响如表4所示。

表4 人工智能对就业影响的分地区实证结果

由表4可知，分八大经济区域进一步检验人工智能水平对我国劳动力就业影响的实证结果与基本实证回归得出的基本结论仍然一致：人工智能发展对高等技能的劳动力就业的影响系数均显著为正，对低等技能动力就业的影响为正但不显著，表明低等、高等技能劳动力群体从人工智能的应用中获得了一定的就业创造效应，而对中等技能劳动力的影响系数显著为负，表明在经济激励的驱使下，人工智能对中等技能劳动力就业的负向破坏效应更明显，从而造成国内就业结构“两极化”，这与前文理论模型推导结果也吻合，同样进一步验证了假设。

具体来看，各经济区域实证结果均较为显著。其中：（1）东北地区的高技能劳动力在八个经济区中受到人工智能创造效应的影响程度最大，为0.0643个单位，也就是说每1个单位的智能技术发展会促进东北地区劳动力在5%的水平下显著增长6.43%的就业份额。这可能是因为东北地区大力推进新型工业化，促进地区间产业创新合作，不断推动产业优化升级，对富有创新能力、学习能力、合作能力的高素质劳动力存在大量需求。（2）西南地区的高技能劳动力占总就业比重对智能技术的发展相较于其余七个经济区来说最不敏感，获益程度相对较小，仅在5%的水平下增长4.39%。这可能是因为西南地区地处内陆，自身经济情况较为落后，科技发展水平也较弱，即便智能技术快速发展，也较难吸引到高等技能人才。（3）长江中游地区人工智能的应用对低等技能劳动力产生的积极影响在八个经济区中最大，为0.0044个单位，反映了人工智能应用于该地区所产生的就业促进效应强于替代效应。这可能是因为作为传统重工业重型装备制造基地的长江中游地区的劳动力市场仍以重工业为主，相对青睐从事工业产品维护保养等基础性工作的低等技能劳动力，因而人工智能对该地区低等技能劳动力的就业有很大的促进作用。（4）东北地区的中等技能劳动力受人工智能的就业破坏效应影响最大，为0.0613个单位。这表明内含前沿技术的先进设备在东北地区的智能化程度最高，能大幅度替代中等技能劳动力，对其就业起到了显著抑制作用。

此外，在所有经济区域中，属于信息传输软件服务、金融业、科学研究技术服务、教育业等行业的劳动力，以及农林牧渔业的劳动力均能在人工智能的浪潮里占据优势，就业创造效应占主导，就业结构份额相应增加，而其余行业的就业人员则面临劳动力需求挤压进而被人工智能取而代之的风险。

（二）人工智能对相对就业影响的实证结果及其解释

1.人工智能对相对就业影响的整体验证

研究将劳动力技能结构的相对值定义为高等技能劳动力与中等技能劳动力的比值（HM）及中等技能劳动力与低等技能劳动力之比（ML）。人工智能对相对技能结构影响的实证回归结果如表5所示。

表5第二列反映了我国各省份分别属于各大类行业内高等与中等技能劳动力之比（HM）的回归结果。实证结果显示，人工智能水平对HM的回归系数为0.3604，智能技术会促进高等与中等技能劳动力的相对值在1%的水平内显著增加，也就是说，随着智能技术的发展，就业创造效应使高等技能劳动力的就业份额增加，而就业破坏效应使中等技能劳动力的就业份额减少，从而使二者之间的就业差距明显拉大。可以这样理解：智能技术的发展在一定程度上进一步增加了高等技能群体在就业市场上的比较优势，创造了高等技能劳动力具有比较优势的新工作任务，而中等技能劳动力主要从事常规型工作，相对而言其人力资本会变得更加脆弱且就业岗位会变得愈加不稳定，故智能技术的进步增加了高等技能劳动力相对于中等技能劳动力的需求。这一结果也为我国进一步推进科教兴国、人才强国战略提供了理论支撑。只有不断推进高等教育发展，尽可能提升我国劳动力素质，增加我国人力资本原始积累，才有助于我国劳动力市场的优化升级，有利于劳动力结构的改善，进而促进就业，保障人民福祉，提升劳动者生活质量。

表5 人工智能对相对就业影响的实证结果

此外，产业结构与人工智能水平对技能结构相对值的影响方向正好相反，且同样显著，在1%的水平下产业结构的增长会显著抑制高等与中等技能劳动力之间的就业差距，这一结果同样符合经济规律。本研究采用的产业结构衡量指标为第二产业增加值与第三产业增加值之比，因而产业结构的高级化意味着第三产业增加值相较第二产业增加值来说增速更快，也对应着我国现在经济发展迅速、第三产业占比逐渐加大的现状，在这样的形势下，高等技能劳动力占据的就业份额将会与中等技能劳动力占比拉开差距。这可能因为第三产业的高速发展对高等技能劳动力的需求强于对中等技能劳动力的需求。高等技能劳动力的抽象逻辑思维能力和学习创新等能力较难习得，对于处理复杂的非程序化类较为灵活机动的事务有比较优势。而第三产业中占比较大的行业为服务类行业，尤其是金融、科学研究等行业的从业门槛并不低，对劳动力技能水平有较高要求，受教育程度主要分布在仅为大专以下的中等技能群体显然不是现如今高速发展的第三产业的最大需求目标。高等技能劳动力接受过大学本科以上教育，在多年的求学过程中习得了较为系统的问题解决思维，对于相关经济金融知识、科学文化知识等有了较为丰富的积淀，成为第三产业发展过程中吸纳就业最多的群体。当然，第二产业的发展集中于专业工人的就业，主要有利于吸纳来自中等技能群体的劳动者。而产业结构与人工智能水平对劳动力技能相对结构HM的影响方向之所以相反，也可以印证前文的推断，即产业结构转型升级会进一步加大人工智能影响高等技能劳动力与中等技能劳动力之间的差距，加速高等技能劳动力与中等技能劳动力的分化，造成不平等的隐患。

第三列回归结果中，人工智能水平对中等技能劳动力与低等技能劳动力之比（ML）的影响为负，说明智能技术的发展会抑制中等技能劳动力与低等技能劳动力占比差距的增加。对于低等技能劳动力而言，引进人工智能技术会促进其就业，而对于中等技能劳动力而言，其就业份额会随着人工智能技术的引入而减少。这在一定程度上会促进中等技能劳动力与低等技能劳动力之间的就业平等，但对于中等技能劳动力来说并非有利信号。实证结果表明，人工智能发展会通过就业破坏效应挤占中等技能劳动力的就业岗位，使得中等技能劳动力的就业环境恶化。与此同时，要求具有灵活性的低等技能工作岗位却会因人工智能获益，从而增加低等技能劳动力就业份额，扩大其就业范围。中等技能劳动力本身在受教育时间上超过低等技能劳动力，按照生命周期理论可知，学习时间的增加会导致其总劳动时间相对低等技能劳动力较短。人工智能发展在阻碍中等技能劳动力就业的同时促进了低等技能劳动力就业，这将进一步减少中等技能人群的福祉。随着人工智能的应用，低等技能岗位逐渐增多，中等技能劳动力原先从事的部分工作被智能机器所替代，中等技能劳动力群体面临着失业的危机。此时他们转而从事高技能岗位的工作存在一定难度，因为这部分工作对思维逻辑、知识能力要求较高，而且很多部门的就业门槛较高，对没有相关工作经验或者没有达到一定学历的劳动力有准入门槛，因而中等技能劳动力中的一部分人将只能转向总体来说收入较低、社会地位也较低的低技能行业。这一流动行为也将进一步增加低等技能劳动力就业占比与中等技能劳动力所占就业份额之间的差距。相反，产业结构对劳动力技能相对结构ML的影响因子为正值，也就是说产业结构升级会提高中等技能劳动力相对于低等技能劳动力的就业占比。

2.人工智能对相对就业影响的分地区验证

观察表6第二列回归结果发现，八大经济区中人工智能水平对HM的回归系数均为正值，这说明不同地区的影响方向并未出现异质性，且均在1%的水平内显著促进了HM的增加。进一步纵向对比可以发现：（1）东北地区人工智能发展对劳动力相对技能结构HM的影响最大，每1个单位的人工智能水平增长将会在1%的水平上显著促进当地区域的HM增长0.1806个单位，也就意味着在其他条件相同时，高等技能劳动力占比会以0.1806倍于中等技能劳动力占比增长。相对于高等技能劳动力，人工智能的应用减少了中等技能劳动力的工作任务。这可能是因为东北地区近年来产业转型升级，对高等技能劳动力的需求超过了对中等技能劳动力的需求。（2）西北、北部沿海和东部沿海地区的人工智能发展对劳动力技能相对结构的促进程度紧随其后，它们的回归系数分别为0.1684、0.1664和0.1616。其中北部沿海地区以高新技术的发展迅猛为特点，不仅是高新技术的研发制造中心之一，而且包含北京、天津这类求职热门城市，因而备受高等技能劳动者的青睐。人工智能的快速发展不仅直接促进了该地区高等技能劳动力就业占比的增大，更进一步扩大了其比较优势。相较于中等技能劳动力，人工智能的应用与高等技能劳动力之间存在较强的互补性。人工智能的应用会创造出更多适宜高等技能劳动力的新工作机会，同时也会通过提升企业生产率水平而对劳动力就业起到正向促进作用，因而智能技术提升会促使高等技能劳动力就业占比相较中等技能劳动力进一步提升，劳动力技能相对结构HM增加。东部沿海地区经济发达，是最具竞争力的地区之一，类似于北部沿海地区的发展状况，人工智能的发展也同样利于高水平人才利用技术提升自身竞争力，增加相对于中等技能群体的比较优势，故而最终造成劳动力技能相对结构HM的增加。（3）西南地区在这八大经济区域中人工智能发展对劳动力技能相对结构HM的促进效应最小，控制其他变量相同时，每1个单位人工智能水平的增长将会在1%的水平下显著促进高等技能劳动力占比相较中等技能劳动力拉大0.1228个单位的差距，说明相比于其他地区而言，西南地区人工智能技术的应用对于提高高等技能劳动力相对中等技能劳动力就业占比的促进作用较小。这可能是因为西南地区的社会经济资源相对贫乏，加之地处内陆，发展前景受限，在吸引高技能人才方面缺乏足够的吸引力，且主要发展传统的重化工业、轻纺工业和旅游业等相关产业，其劳动力需求仍然处在较高水平，故而低于其他七大地区的影响程度。

表6 人工智能对劳动力相对就业影响的分地区实证结果

第三列八大经济区内人工智能水平对中等与低等技能劳动力结构之比的回归系数均为负值，表明智能技术将在1%的水平下抑制中等技能劳动力与低等技能劳动力就业差距的拉大，有利于低等技能劳动力占比的增大。这一结果预示着中等技能劳动力的就业环境相对恶化，人工智能技术对不同技能水平劳动力就业有异质性影响。具体到不同经济区域有如下结论：（1）西南地区就业受到智能发展的破坏效应在所有八个地区中最为明显。每1个单位的人工智能技术增加将会在1%的水平下显著阻碍中等技能劳动力与低等技能劳动力占比增加139.5369个单位。相较于该地区人工智能发展对高等与中等技能劳动力之比的促进作用，人工智能的发展会对低等与中等技能劳动力之比产生抑制作用。这可能是因为在西部崛起的过程中，西南地区对低等技能劳动力需求增加，传统的支柱产业以工业为主，生产过程所需的任务相对简单、可程式化强，容易受到自动化技术的冲击，中等技能劳动力在智能机器化大生产的背景下被挤占生存空间，从而降低了其相对低等技能劳动力的就业份额优势。（2）东北地区和北部沿海地区受到的负面影响仅次于西南地区。这两个区域的人工智能发展将显著影响中等与低等技能劳动力之比降低123.2561个单位和119.8105个单位，抑制中等技能劳动力超过低等技能劳动力的增长。（3）在各区域中，人工智能水平的发展对中等与低等技能劳动力之比的消极影响最小的是东部沿海地区。每1个单位的人工智能水平的增长将带来中等技能和低等技能劳动力占比缩小92.7165个单位。这可能是因为东部沿海地区的行业分布较广，相对来说是多功能的经济区域，在人工智能快速发展的当口需要低等技能劳动力与人工智能的交互操作，人工智能发挥破坏效应的可能性较小，从而阻碍了中等技能劳动力与低等技能劳动力之间就业份额差距的拉大。

（三）稳健性检验

本研究计量回归采用的自变量受限于数据获取来源，仅构建了三个维度的指标，经过主成分分析法处理后的数据与实际的人工智能水平之间可能存在一定误差，会影响回归结果的稳健性。同时，因变量就业结构的创新性构建需要通过重复试验验证其可靠性。因此，为检验计量模型的稳健性，在基础回归模型的基础上，增加如下控制变量：机器设备投资（设备、工器具购置等投入占固定资产投资的比重）、研发投入（各省R&D内部经费支出占地区财政支出的比重）和技术引进（各省FDI占该地区GDP的比重），进行回归检验，结果如表7所示。可以看出，人工智能水平的系数符号和原回归完全一致且显著性相近，说明由于智能技术进步所引起的破坏效应和创造效应综合作用而导致中国就业整体出现“两极化”局面的结论仍稳健，这同时也排除了因遗漏变量导致的模型内生性问题。这一结果验证了本研究采用的人工智能水平指标和就业结构指标的解释能力，表明实证结果具有科学性、可靠性。

表7 人工智能对劳动力就业影响的稳健性检验

四、结论及政策建议

面对新一轮科技革命，我国在十八大以后确立了人工智能国家发展战略，推进人工智能运用到社会发展的诸多领域。人工智能正在影响我们的生活，并且未来将在更深层次、更大范围内产生作用。智能技术主要通过两种方式作用于就业：一是存在着就业破坏效应，它伴随着机器、资本对劳动力的替代；二是存在着就业创造效应，它既可以直接填补劳动力所无法胜任的岗位，也可以催生新生产任务及新工作岗位。我国正处于社会主义新时代，大力发展人工智能技术，推进制造强国建设是必经之路，有助于提升国家竞争力，但为实现平稳有效的高质量发展，在发展经济的同时不可忽视稳定就业的目标，必须对智能化发展可能引起的就业结构波动予以重视。本研究在这样的背景下，首先建立理论模型，提出智能化会促进劳动力就业结构“两极化”的假设，继而利用2008—2016年省级面板数据进行实证检验，结果发现：（1）整体来看假设成立，人工智能对就业有偏向性影响，就业创造效应在低等技能和高等技能劳动力间发挥主导作用使其就业份额增加，中等技能劳动力就业份额由于受到破坏效应的影响而有所下降；（2）产业结构升级将在一定程度上进一步加剧人工智能对中国就业“两极化”发展的影响；（3）东北地区高等技能劳动力和长江中游地区低等技能劳动力受人工智能就业创造效应的影响最大，而东北地区中等技能劳动力受人工智能就业破坏效应的影响最大。

基于上述结论，本研究提出以下政策建议：（1）在现有义务教育的基础上，增加对高等教育的投入。未来人工智能进一步发展势必对高层次人才提出更高的需求，人机交互亦是大势所趋。政府应增加经费投入，加强高等教育建设，推进学校教育课程内容与实际运用结合，设立人工智能专业试点，培育有优秀学习能力、创新能力的高素质人才。（2）加强中等技能劳动力的职业技能培训。作为在智能化浪潮中最受破坏效应冲击的群体，中等技能劳动力应得到更多差异化的技能提升培训，以适应人工智能时代灵活多变的工作安排。另外，还应为下岗职工提供再就业培训，扩大市场招聘信息的渠道和范围，缩短其失业时间，促进劳动力市场的稳定。（3）健全劳动者生活保障体系。完善食品安全、医疗保险、住房保障、交通出行、子女教育等涉及百姓生活的相关政策，增加社会基础设施的投入，提升民生服务业质量，从货币投入和政策倾斜层面减轻劳动者生活压力，保障人民幸福生活，提高对高素质人力资本的吸引能力。（4）东北地区在加速智能化产业升级的同时需要加强产业创新，加强地区间创新合作发展以创造新部门、新岗位去容纳被人工智能挤占就业的中等技能劳动力。而传统重型工业发展需要转型升级，以适应新时代的需求。