論人工智能技術(shù)對(duì)于收入分配差距的影響

曹景晟

摘 要：本文利用全球12個(gè)國(guó)家2002-2017年的面板數(shù)據(jù)，結(jié)合具體行業(yè)內(nèi)工資水平現(xiàn)狀分析，分析了人工智能自動(dòng)化技術(shù)發(fā)展對(duì)于收入分配差距的傳遞機(jī)制，以對(duì)庫(kù)茲涅茲經(jīng)濟(jì)增長(zhǎng)的周期性理論進(jìn)行驗(yàn)證。研究表明，人工智能具有短期內(nèi)減少收入差距的作用，且兼具高效助推經(jīng)濟(jì)增長(zhǎng)的生產(chǎn)力效應(yīng);但長(zhǎng)期內(nèi)替代效應(yīng)的發(fā)揮及行業(yè)內(nèi)技術(shù)壟斷現(xiàn)象的逐步涌現(xiàn)會(huì)增大收入不平等，其總體變動(dòng)規(guī)律與倒“U”型曲線相反。通過(guò)結(jié)構(gòu)方程模型的構(gòu)建進(jìn)一步印證了智能化技術(shù)的直接助力需搭配各方面宏觀政策的間接協(xié)作，方可完成各行業(yè)資源的合理配置及智能化技術(shù)與人力的完美對(duì)接。

關(guān)鍵詞：人工智能;庫(kù)茲涅茲曲線;收入分配

一、引言

近年來(lái)，人工智能高新技術(shù)的迅猛發(fā)展推動(dòng)經(jīng)濟(jì)社會(huì)的各領(lǐng)域產(chǎn)生了重大變革，其所對(duì)應(yīng)的技術(shù)進(jìn)步帶動(dòng)了生產(chǎn)率的極大提高，引發(fā)了學(xué)術(shù)界新一輪的關(guān)注。自1956年約翰·麥卡錫等學(xué)者所組織的達(dá)特茅斯會(huì)議將人工智能（Artificial Intelligence，簡(jiǎn)稱AI）這一術(shù)語(yǔ)引入，以此為源頭而標(biāo)志著人工智能學(xué)科的建立，從而展開(kāi)對(duì)其實(shí)踐意義的深入探究。根據(jù)麥卡錫的概念界定，人工智能化技術(shù)實(shí)為一項(xiàng)生產(chǎn)智能化機(jī)器，尤其指智能信息化程序的科學(xué)工程，其高效運(yùn)用對(duì)于技術(shù)革命具備重大意義。聚焦近年來(lái)大數(shù)據(jù)的發(fā)展及蔓延、算法與硬件的進(jìn)步，人工智能所帶動(dòng)的各行業(yè)的技術(shù)革新邁入了發(fā)展的新高潮。正如Brynjolfsson（2014）所提到，由人工智能自動(dòng)化、數(shù)據(jù)化革命等引領(lǐng)的二次機(jī)器革命將實(shí)現(xiàn)前所未有的技術(shù)進(jìn)步，論及廣度或是深度都要超越以往任何一次科技革命，故其經(jīng)濟(jì)意義不可忽略。且學(xué)者Zeira（1998）較早明確關(guān)于人工智能技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)影響的探討實(shí)為關(guān)于自動(dòng)化技術(shù)革新對(duì)經(jīng)濟(jì)增長(zhǎng)影響探究的延伸，在此基礎(chǔ)上Autor（2015）便提出設(shè)想，若自動(dòng)化會(huì)引致部分勞動(dòng)力變得多余，則當(dāng)前核心經(jīng)濟(jì)問(wèn)題將是分配而不是稀缺。而關(guān)于人工智能技術(shù)的收入分配效應(yīng)的研究，Berg et al（2016）從要素占有份額出發(fā)，得出智能機(jī)器人成本降低及其產(chǎn)出提高會(huì)使資本相較于勞動(dòng)的收入回報(bào)率升高，且不同技能水平勞動(dòng)力替代程度不同也會(huì)促使收入進(jìn)一步分化。Acemoglu & Restrepo（2016）為此將研究視角拉到宏觀經(jīng)濟(jì)周期中去考慮，提出人工智能技術(shù)對(duì)于收入不平等的影響一方面在其所創(chuàng)造的新型任務(wù)崗位中得以弱化，另一方面在其所推動(dòng)的不同經(jīng)濟(jì)發(fā)展階段也呈現(xiàn)出不同特征。而國(guó)內(nèi)學(xué)者任恒娜（2019）在對(duì)人工智能產(chǎn)業(yè)外延及內(nèi)涵解析后，根據(jù)國(guó)內(nèi)人工智能的態(tài)勢(shì)分析，進(jìn)一步提出國(guó)內(nèi)人工智能技術(shù)尚屬初級(jí)階段，且與國(guó)際人工智能發(fā)展仍在銜接過(guò)程中，于是將人工智能發(fā)展及其產(chǎn)業(yè)化視角置于國(guó)際環(huán)境內(nèi)是十分必要的，這對(duì)于國(guó)內(nèi)智能化產(chǎn)業(yè)與國(guó)際接軌具備指導(dǎo)意義。基于此，我們引入Kuznets（1955）宏觀經(jīng)濟(jì)周期性理論，其建立在技術(shù)推動(dòng)傳統(tǒng)產(chǎn)業(yè)向現(xiàn)代化產(chǎn)業(yè)過(guò)渡過(guò)程中，不同個(gè)體及不同經(jīng)濟(jì)活動(dòng)周期性變動(dòng)趨勢(shì)的背景下，伴隨經(jīng)濟(jì)增長(zhǎng)收入差距表現(xiàn)出倒“U”型變化。以此為視角本文將展開(kāi)相關(guān)實(shí)證分析來(lái)驗(yàn)證人工智能自動(dòng)化背景下其收入分配變動(dòng)是否仍滿足此周期性變動(dòng)趨勢(shì)。此外引入結(jié)構(gòu)方程模型來(lái)考察核心變量與結(jié)構(gòu)性宏觀控制變量對(duì)于被解釋變量影響方式的不同，以對(duì)人工智能推動(dòng)自動(dòng)化變革的背景下所體現(xiàn)出的收入分配效應(yīng)進(jìn)行補(bǔ)充說(shuō)明。

二、文獻(xiàn)回顧

（一）關(guān)于人工智能的研究

近年來(lái)關(guān)于人工智能領(lǐng)域的理論研究取得突破性的進(jìn)展。從人工智能的整個(gè)發(fā)展史出發(fā)，上世紀(jì)中葉，英國(guó)數(shù)學(xué)家圖靈作為科技革命的先驅(qū)，使得一批科學(xué)家為人工智能這一學(xué)科的誕生提供了理論基礎(chǔ)和實(shí)驗(yàn)工具。在1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批科學(xué)家在達(dá)茅斯會(huì)議上創(chuàng)立人工智能學(xué)科為標(biāo)志，使得人工智能研究邁進(jìn)了一個(gè)嶄新的時(shí)代。其后以馮·諾伊曼等為代表的科學(xué)家們?cè)噲D通過(guò)符號(hào)化編程實(shí)現(xiàn)人工智能。直至Bellman（1978）及Haugeland（1989）先后指明人工智能旨在創(chuàng)造一種像人類一樣思考的機(jī)器。自此，“機(jī)器學(xué)習(xí)”的概念被引入，其作為人工智能的重要學(xué)科，卻也是實(shí)現(xiàn)人工智能的首要方法（Taddy，2017），其使機(jī)器用算法來(lái)解析數(shù)據(jù)，并通過(guò)大量數(shù)據(jù)的學(xué)習(xí)找出實(shí)現(xiàn)任務(wù)的方法。國(guó)內(nèi)學(xué)者鐘義信（2004）結(jié)合相關(guān)專著確立了基于高等人工智能理論的科學(xué)觀與方法論，建立了“基礎(chǔ)意識(shí)-情感-理智”的系統(tǒng)模型，系統(tǒng)定義了現(xiàn)代人工智能技術(shù)的相關(guān)概念。另一方面，Agion P.et al（2017）在對(duì)人工智能的經(jīng)濟(jì)數(shù)理模型的構(gòu)建中，首次明確了人工智能的技術(shù)發(fā)展實(shí)為一種高端的自動(dòng)化技術(shù)革命。進(jìn)而導(dǎo)致在人工智能化程度的相關(guān)測(cè)度領(lǐng)域，以Camerer C.F.（2017）為首的一大批行為經(jīng)濟(jì)學(xué)家與統(tǒng)計(jì)學(xué)家為使相關(guān)指標(biāo)與效用測(cè)度方便，將“人工智能”與“機(jī)器學(xué)習(xí)”這兩個(gè)概念視作等價(jià)，以便分析人工智能自動(dòng)化的相關(guān)經(jīng)濟(jì)效應(yīng)。

（二）關(guān)于收入分配問(wèn)題的研究

收入分配差距問(wèn)題的引出主要可以追溯到Karl Marx在《資本論》中的理論概述，其首先從要素市場(chǎng)中出發(fā)，提出由于勞動(dòng)被資本所替代而出現(xiàn)的大量“閑置人口”，進(jìn)而使得貧困率上升。隨后在傳統(tǒng)技術(shù)革命下的所誕生的Kuznets（1955）經(jīng)濟(jì)周期下的倒“U”型曲線，則進(jìn)一步深化了關(guān)于經(jīng)濟(jì)增長(zhǎng)背景下的資本積累及收入不平等的變化趨勢(shì)的認(rèn)識(shí)。以此為基礎(chǔ)衍生出大量對(duì)于收入不平等影響因素的探討。其中，Lars Ljungqvist（1993）首次明確了收入分配格局形成中人力資本的重要作用，現(xiàn)期教育投入的增加所帶來(lái)的遠(yuǎn)期回報(bào)，若不足以彌補(bǔ)現(xiàn)期消費(fèi)的減少，則會(huì)產(chǎn)生階層性收入差距。國(guó)內(nèi)學(xué)者姜艷鳳等（2019）由此指出，一國(guó)消化及吸收高端技術(shù)的能力主要受該國(guó)內(nèi)部人力資本水平的直接影響，且在此基礎(chǔ)上明確了人力資本的投入是我國(guó)跨越中等收入陷阱的關(guān)鍵因素，如何完成人力資本與技術(shù)水平的匹配是最首要考慮的問(wèn)題。另外，在資本主義社會(huì)由于存在經(jīng)濟(jì)增長(zhǎng)率被資本回報(bào)率所超越的現(xiàn)象，進(jìn)而產(chǎn)生的收入差距拉大，經(jīng)濟(jì)增長(zhǎng)進(jìn)程中的收入不平等得以弱化的倒“U”型變化趨勢(shì)便會(huì)得不到滿足（Thomas Piketty，2014）。所以引出對(duì)不同政策及制度結(jié)構(gòu)背景下收入分配問(wèn)題的若干研究。李實(shí)（1998）及程永宏（2007）先后將我國(guó)現(xiàn)階段基尼系數(shù)增大的原因歸結(jié)于要素分配合法性落實(shí)、刺激競(jìng)爭(zhēng)等相關(guān)政策性制度變遷等舉措。進(jìn)而程強(qiáng)（2019）通過(guò)SEM結(jié)構(gòu)方程模型對(duì)全球不同國(guó)家收入分配及市場(chǎng)狀況進(jìn)行實(shí)證分析，得出在由完善的經(jīng)濟(jì)制度及結(jié)構(gòu)性因素推動(dòng)的經(jīng)濟(jì)發(fā)展水平，將有利于縮小收入不平等。這其中不可忽略的是，學(xué)者Acemoglu（2015）在從制度變遷的內(nèi)生性去分析收入不平等的決定因素時(shí)，他提到相關(guān)經(jīng)濟(jì)制度、政策性變量以及社會(huì)權(quán)力階層的分配并非是助成收入分配格局的直接因素，而或是通過(guò)稅收、薪酬水平及技術(shù)發(fā)展水平等若干因素再而影響到收入不平等。

（三）關(guān)于人工智能技術(shù)的收入分配效應(yīng)研究

人工智能技術(shù)的飛速發(fā)展影響著經(jīng)濟(jì)社會(huì)的各個(gè)層面，理所當(dāng)然也波及到了經(jīng)濟(jì)學(xué)領(lǐng)域。Aghion（2017）首先從自動(dòng)化的視角入手，提出自動(dòng)化的程度的提高將引致生產(chǎn)率的增長(zhǎng)速度加快及經(jīng)濟(jì)中的資本回報(bào)份額提高并引發(fā)經(jīng)濟(jì)高速增長(zhǎng)，與此帶來(lái)的收入分配效應(yīng)也甚為明顯。他所認(rèn)為的智能化技術(shù)應(yīng)用背景下“技術(shù)偏向型”增長(zhǎng)模式，會(huì)令高技能工人獲益，而讓低技能的工人受損，伴隨著勞動(dòng)力替代效應(yīng)的發(fā)揮，導(dǎo)致分配不均。沿此方向發(fā)展，Lankisch et al（2017）將自動(dòng)化引入模型發(fā)現(xiàn)自動(dòng)化引出技能溢出效應(yīng)，加劇了收入不平等，但Acemoglu & Restrepo（2017b）在前期研究成果上進(jìn)一步拓展，在模型中引入低技能自動(dòng)化與高技能自動(dòng)化，發(fā)現(xiàn)人工智能的收入分配效應(yīng)并不明確，低技能的自動(dòng)化加劇收入不平等，而高技能的自動(dòng)化會(huì)降低收入不平等。另一方面，從資本與勞動(dòng)要素市場(chǎng)的角度分析，Hanson（2001）、Benzell（2015）與DeCanio（2016）先后提出理論，由于經(jīng)濟(jì)社會(huì)資本分布尤為不均，人工智能作為一項(xiàng)資本密集型產(chǎn)業(yè)，會(huì)促進(jìn)生產(chǎn)過(guò)程中資本要素回報(bào)份額的相對(duì)提升，由此產(chǎn)生過(guò)高資本報(bào)酬加劇了收入分化。此外Hanson（2001）運(yùn)用經(jīng)濟(jì)增長(zhǎng)模型證明，工人的勞動(dòng)報(bào)酬足夠的條件下，經(jīng)濟(jì)增長(zhǎng)的速度會(huì)決定其工資增長(zhǎng)速度，收入不均出現(xiàn)與否在于資本所有者是否獲得更多的勞動(dòng)報(bào)酬。Brynjolfsson et al（2017）又對(duì)此理論提出另一方向的思考，自動(dòng)化除了擠壓普通資本與廉價(jià)勞動(dòng)力，也會(huì)使財(cái)富流向那些具備創(chuàng)新優(yōu)勢(shì)和市場(chǎng)規(guī)模的商業(yè)群體，從而可能引發(fā)地區(qū)壟斷，加劇收入不平等。國(guó)內(nèi)學(xué)者姚偉（2018）則對(duì)上述兩方面提出總結(jié)性的論斷，認(rèn)為人工智能引致的自動(dòng)化技術(shù)實(shí)為科技及資本強(qiáng)者獨(dú)占收益的工具，把控人工智能的資本和科技寡頭壟斷一系列生產(chǎn)及市場(chǎng)要素，造成了贏家通吃的狀況。而從就業(yè)結(jié)構(gòu)考慮，現(xiàn)代理論模型強(qiáng)調(diào)自動(dòng)化兼具補(bǔ)充人力的補(bǔ)充作用與替代人力的替代作用，Acemoglu & Restrepo（2016）在此基礎(chǔ)上假設(shè)勞動(dòng)力富有彈性并代入任務(wù)模型，得出自動(dòng)化降低傳統(tǒng)任務(wù)就業(yè)的同時(shí)，新任務(wù)的增加產(chǎn)生了促進(jìn)就業(yè)的趨勢(shì)，反而緩和了勞動(dòng)市場(chǎng)的收入不均問(wèn)題。進(jìn)而Dauth et al（2017）運(yùn)用近幾年德國(guó)的IFR機(jī)器人產(chǎn)業(yè)報(bào)告數(shù)據(jù)發(fā)現(xiàn)，機(jī)器人雖減少了制造業(yè)的就業(yè)，但卻增加了服務(wù)業(yè)的就業(yè)。鮑春雷（2017）從此角度切入提出智能化行業(yè)將引導(dǎo)國(guó)家相關(guān)教育政策的偏移，短期內(nèi)促進(jìn)人們知識(shí)技術(shù)能力的提升，解放了傳統(tǒng)就業(yè)勞動(dòng)者的同時(shí)增加了其專事創(chuàng)造性工作的機(jī)會(huì)，在一定程度上則會(huì)緩和收入不平等。

三、理論探究及研究假設(shè)

（一）理論探究

綜合當(dāng)今學(xué)術(shù)界對(duì)于人工智能技術(shù)發(fā)展的收入分配效應(yīng)的探究，我們從四方面對(duì)其整體理論框架進(jìn)行分析。其一，Kuznets（1955）經(jīng)濟(jì)增長(zhǎng)的周期性理論中曾著重強(qiáng)調(diào)由技術(shù)創(chuàng)新所引起的結(jié)構(gòu)性收入差距，有學(xué)者將其闡釋為優(yōu)先現(xiàn)代化企業(yè)的“領(lǐng)跑”力量及傳統(tǒng)部門的“追趕”力量（邵紅偉，2016），以此進(jìn)一步明確短期的技術(shù)創(chuàng)新及長(zhǎng)期的技術(shù)擴(kuò)散都存在助推經(jīng)濟(jì)增長(zhǎng)的效用?；谶@種技術(shù)引入及擴(kuò)散所導(dǎo)致的經(jīng)濟(jì)周期性波動(dòng)現(xiàn)象的存在，我們用生產(chǎn)力效應(yīng)來(lái)定義人工智能所推動(dòng)的技術(shù)進(jìn)步背景下，生產(chǎn)率推動(dòng)經(jīng)濟(jì)周期性增長(zhǎng)，進(jìn)而波及收入分配領(lǐng)域這一效果的發(fā)揮。其二，人工智能技術(shù)發(fā)展與傳統(tǒng)技術(shù)革命一樣，都會(huì)引發(fā)大量新型任務(wù)被開(kāi)發(fā)。且由于技術(shù)偏向性效用的存在，導(dǎo)致了部分技能勞動(dòng)力被替代，我們將其定義為替代效應(yīng)。二者協(xié)同使得市場(chǎng)相關(guān)資源進(jìn)一步集中，從而產(chǎn)生了技術(shù)壟斷問(wèn)題，并對(duì)收入不平等進(jìn)一步影響（杜傳忠，胡俊，2019）。其三，人工智能化變革所帶來(lái)的行業(yè)間生產(chǎn)方式的轉(zhuǎn)變，其產(chǎn)生的技能溢價(jià)造成了自動(dòng)化行業(yè)中人力使用的減少進(jìn)而增加了資本回報(bào)份額;與此同時(shí)，大批非自動(dòng)化行業(yè)成本上升，由于 “鮑莫爾成本病”問(wèn)題（Aghion et al，2017）的存在，削弱了資本回報(bào)率。二者在要素市場(chǎng)上對(duì)收入分化起到作用。其四，不可忽略的是非自動(dòng)化行業(yè)中存在勞動(dòng)密集型產(chǎn)業(yè)向資本密集型甚至技術(shù)密集型產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，且造成了相關(guān)人力資源向自動(dòng)化所衍生的大量新型任務(wù)進(jìn)行配置。伴隨剛剛所提到的替代效應(yīng)的發(fā)揮，共同對(duì)從就業(yè)結(jié)構(gòu)分析的收入分配問(wèn)題作出解釋。綜上，從人工智能自動(dòng)化技術(shù)革命出發(fā)，歷經(jīng)四條基本脈絡(luò)來(lái)對(duì)最終的社會(huì)整體收入差距進(jìn)行理論詮釋。其總體傳導(dǎo)機(jī)制可由圖1表示。另外涉及到收入分配的類別區(qū)分，其中包括了功能性收入分配與規(guī)模性收入分配，二者有著緊密且互為補(bǔ)充的關(guān)系，我們利用功能性收入分配理論對(duì)自動(dòng)化與收入分配不平等的關(guān)系奠定了理論基礎(chǔ)，但為了更直觀的的量化國(guó)際民生與收入不均問(wèn)題，規(guī)模性收入分配的引入則更具優(yōu)勢(shì)（胡懷國(guó)，2013）?；诖耍疚睦?002—2017年全球12個(gè)國(guó)家的面板數(shù)據(jù)及相關(guān)前沿資料，系統(tǒng)考察全球性人工智能技術(shù)革命與收入分配差距之間的關(guān)系，以對(duì)上述理論分析進(jìn)行驗(yàn)證。

圖一 人工智能技術(shù)變革與收入分配差距

（二）研究假設(shè)

根據(jù)上述理論分析，本文提出如下研究假設(shè)：

首先，人工智能直接帶動(dòng)相關(guān)自動(dòng)化技術(shù)跨越式發(fā)展，對(duì)經(jīng)濟(jì)發(fā)展產(chǎn)生直接推力。且結(jié)合要素配比與就業(yè)市場(chǎng)的資源整合，又涉及到人工智能化技術(shù)的普及應(yīng)用存在一定時(shí)滯。整體而言會(huì)對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生周期性的影響。搭配理論界對(duì)技術(shù)替代效應(yīng)及生產(chǎn)力效應(yīng)的類比，從而建立假設(shè)1：其他條件不變的情況下，人工智能自動(dòng)化技術(shù)發(fā)展對(duì)生產(chǎn)力存在短期直接拉動(dòng)，其所對(duì)經(jīng)濟(jì)增長(zhǎng)的助推效應(yīng)此時(shí)要超過(guò)技術(shù)替代帶來(lái)的資源失衡。其對(duì)收入分配的影響隨經(jīng)濟(jì)周期應(yīng)呈正“U”變化。

其次，結(jié)合傳統(tǒng)技術(shù)革命條件下，其引致的人力資本水平的緩慢躍升及地區(qū)內(nèi)技術(shù)壟斷勢(shì)力的積聚形成，建立理論假設(shè)2：人工智能技術(shù)長(zhǎng)期來(lái)看會(huì)使人力資源向技術(shù)型企業(yè)傾斜，從而誕生技術(shù)壟斷性企業(yè)，加劇收入分化;但整體技術(shù)型人力資本水平的上升會(huì)減弱此等趨勢(shì)。

最后，結(jié)合任何技術(shù)本身對(duì)現(xiàn)有不同收入階層的沖擊，以及若干宏觀經(jīng)濟(jì)變量的相關(guān)收入分配效應(yīng)，有必要對(duì)其影響收入分化的方式進(jìn)行探討。進(jìn)而建立假設(shè)3：人工智能技術(shù)所代表的核心變量對(duì)于收入差距具備直接作用，而經(jīng)濟(jì)結(jié)構(gòu)性變量對(duì)于收入分化存在潛在的間接影響。

四、計(jì)量模型與相關(guān)指標(biāo)選取

（一）計(jì)量模型設(shè)定

為了考察全球化人工智能技術(shù)發(fā)展與收入分配之間的關(guān)系，同時(shí)考察自動(dòng)化推動(dòng)的經(jīng)濟(jì)發(fā)展中，蘊(yùn)含其中的各國(guó)政策導(dǎo)向的教育人力資本作用，以及驗(yàn)證Kuznets（1955）關(guān)于經(jīng)濟(jì)增長(zhǎng)與收入分配的倒U型假說(shuō)，遵照Anneli Kaasa（2005）宏觀性分析及陳志剛（2016）變量選取的相關(guān)做法，計(jì)量回歸模型形式如下：

[Gini=β0+β1?lnAJit+β2?lnrpctit+β3?lngit+β4?lng2it+β5?lnHit+γCVit+μit]? ? ? ? ? ? ? ? ? ?（1）

式（1）中，下標(biāo)i和t分別表示某國(guó)i第t年的相關(guān)指標(biāo)。本部分的樣本是由2002—2017年全球12個(gè)國(guó)家（美國(guó)、加拿大、中國(guó)、俄羅斯、韓國(guó)、日本、新加披、英國(guó)、德國(guó)、法國(guó)、意大利和巴西）的上述各項(xiàng)指標(biāo)組成的面板數(shù)據(jù)。若模型中待檢驗(yàn)變量的系數(shù)[β3>0]， [β4<0]，則Kuznets（1955）倒U型假說(shuō)即為成立。

（二）指標(biāo)選取

Gini：收入分配差距指標(biāo)。由于學(xué)術(shù)界對(duì)其在描述狀態(tài)分布不均等方面的優(yōu)良性質(zhì)進(jìn)行了廣泛論證（周曉桂，2019），故用其作為被解釋變量以代表國(guó)際不同國(guó)家與地區(qū)的收入差距相對(duì)貼切?；嵯禂?shù)值越大，便說(shuō)明經(jīng)濟(jì)社會(huì)整體收入分配的不平等程度越高。

AJ：人工智能技術(shù)發(fā)展水平指標(biāo)。鑒于人工智能這一新興產(chǎn)業(yè)未出現(xiàn)市場(chǎng)集群化經(jīng)營(yíng)或占據(jù)一定主導(dǎo)性地位，并且與之產(chǎn)生的數(shù)據(jù)可得性問(wèn)題，本部分決定將實(shí)證研究重點(diǎn)集中在人工智能中最具代表性的領(lǐng)域。而搜集現(xiàn)有國(guó)際上關(guān)于人工智能經(jīng)濟(jì)效應(yīng)的實(shí)證文獻(xiàn)，大都廣泛采用工業(yè)智能機(jī)器人相關(guān)指標(biāo)以刻畫(huà)衍生的就業(yè)及收入等經(jīng)濟(jì)問(wèn)題（Acemoglu & Restrepo，2017a）。學(xué)者Dauth et al（2017）對(duì)其概念作進(jìn)一步闡釋，工業(yè)智能機(jī)器人初始為一種面向工業(yè)并依靠自身動(dòng)能及智控能力來(lái)完成各項(xiàng)機(jī)械任務(wù)的自動(dòng)化機(jī)器。而伴隨21世紀(jì)信息技術(shù)革命的到來(lái)，現(xiàn)代化工業(yè)智能機(jī)器人與人工智能技術(shù)便實(shí)現(xiàn)了緊密結(jié)合，各種感知能力的提升和整體于操作任務(wù)環(huán)境中的自適應(yīng)性的進(jìn)步更使得自動(dòng)化技術(shù)在各產(chǎn)業(yè)的應(yīng)用愈加廣泛和徹底。考慮到本文的數(shù)據(jù)時(shí)間跨度以及當(dāng)前國(guó)際學(xué)術(shù)界對(duì)其代表性的認(rèn)可，故采取工業(yè)智能機(jī)器人銷量代表當(dāng)前人工智能技術(shù)發(fā)展水平指標(biāo)。

為了確保實(shí)證結(jié)果的可靠性，在接下來(lái)的實(shí)證回歸分析中引入工業(yè)智能機(jī)器人的產(chǎn)業(yè)投融資額AJ1替換上述核心變量，以對(duì)相關(guān)實(shí)證結(jié)果所具有的穩(wěn)健性進(jìn)行驗(yàn)證。

rpct：企業(yè)技術(shù)壟斷水平指標(biāo)。由經(jīng)濟(jì)學(xué)理論，經(jīng)濟(jì)利潤(rùn)的高低與企業(yè)的市場(chǎng)力量密切相關(guān)，而人工智能所導(dǎo)致的高新技術(shù)壟斷必將導(dǎo)致地區(qū)內(nèi)占據(jù)高市場(chǎng)份額的企業(yè)獲得巨額利潤(rùn)，加劇收入分化（Autor，De loecker，2017）?；诩夹g(shù)壟斷性水平差異對(duì)收入分配的顯著影響（曾小春、王金龍，2012），本文采取國(guó)際PCT專利申請(qǐng)數(shù)量國(guó)際占比來(lái)表示一個(gè)國(guó)家內(nèi)部相關(guān)企業(yè)的市場(chǎng)技術(shù)壟斷水平，由于PCT專利申請(qǐng)是由國(guó)際認(rèn)證以代表國(guó)家整體產(chǎn)業(yè)的自主創(chuàng)新能力，且技術(shù)專利多被地區(qū)內(nèi)相關(guān)主導(dǎo)企業(yè)牢牢把持（曾繁華等，2013），故對(duì)技術(shù)壟斷具有廣泛意義上的代表性。

G：經(jīng)濟(jì)增長(zhǎng)指標(biāo)。由于國(guó)際學(xué)者通常利用人均實(shí)際GDP來(lái)衡量一國(guó)經(jīng)濟(jì)發(fā)展水平，并用其評(píng)定經(jīng)濟(jì)社會(huì)總體發(fā)展的階段性特征（Deininger and Squire，1998;Barro，2000），本部分也決定采用該指標(biāo)。而在實(shí)證分析中，為消除時(shí)間序列數(shù)據(jù)的異方差特征對(duì)實(shí)證結(jié)果的影響，對(duì)人均實(shí)際GDP冠以自然對(duì)數(shù)形式Ln的基本形式。而關(guān)注到非線性關(guān)系可能存在于經(jīng)濟(jì)發(fā)展水平與收人分配之間，故我們?cè)诨貧w模型中將人均實(shí)際GDP自然對(duì)數(shù)的二次項(xiàng)引入，用以驗(yàn)證Kuznets假說(shuō)在各國(guó)成立與否。若人均實(shí)際GDP自然對(duì)數(shù)平方的回歸系數(shù)小于0且變量顯著，則倒U型假說(shuō)成立。

H：教育人力資本水平。教育人力資本是由人工智能發(fā)展到收入差距傳遞的重要媒介，且眾多研究都表明教育人力資本投資可以有效緩解收入分配的不平等狀況。遵照王云多（2018）對(duì)其定義，教育人力資本是由各級(jí)各類教育投資獲得的人力資本，是一種最主要的人力資本形式。由于跨國(guó)數(shù)據(jù)搜集的限制，相關(guān)企業(yè)以及個(gè)人的教育投入不可得，且考慮到分析有關(guān)收入分配效應(yīng)時(shí)宏觀政策的導(dǎo)向性，所以采取各國(guó)政府的教育投入占GDP的比值代表教育人力資本水平，其具備合理性。

CV：控制變量。將一國(guó)就業(yè)結(jié)構(gòu)、對(duì)外開(kāi)放程度以及財(cái)政收支結(jié)構(gòu)這些因素作為控制變量引入回歸方程，考慮其為影響一國(guó)宏觀經(jīng)濟(jì)和居民收入的重要因素。其中，sy為就業(yè)結(jié)構(gòu)指標(biāo)，用各國(guó)年度失業(yè)率來(lái)刻畫(huà);ex為對(duì)外貿(mào)易依存度，用進(jìn)出口額占GDP的比重表示;cz為財(cái)政調(diào)控指標(biāo)，用各國(guó)政府財(cái)政收入占GDP的比值來(lái)衡量。

五、數(shù)據(jù)來(lái)源說(shuō)明及現(xiàn)狀描述性分析

（一）數(shù)據(jù)來(lái)源處理

人工智能發(fā)展指標(biāo)工業(yè)智能機(jī)器人銷量、工業(yè)智能機(jī)器人產(chǎn)業(yè)投融資額與PCT專利申請(qǐng)數(shù)量占比來(lái)自wind數(shù)據(jù)庫(kù)，基尼系數(shù)取自國(guó)家統(tǒng)計(jì)局網(wǎng)站與聯(lián)合國(guó)數(shù)據(jù)庫(kù)，美國(guó)的相關(guān)缺失數(shù)據(jù)由美國(guó)中情統(tǒng)計(jì)局披露數(shù)據(jù)補(bǔ)全。另由聯(lián)合國(guó)數(shù)據(jù)分析報(bào)道，日本與韓國(guó)基尼系數(shù)平穩(wěn)，故首尾缺失數(shù)據(jù)由整體均值補(bǔ)充，間隔數(shù)據(jù)由前后數(shù)值的中位數(shù)補(bǔ)齊。教育經(jīng)費(fèi)支出數(shù)據(jù)取自國(guó)家同國(guó)家統(tǒng)計(jì)局網(wǎng)站，部分缺失數(shù)據(jù)由以上相同方法或由總體變動(dòng)趨勢(shì)補(bǔ)齊?？傮wGDP與人均GDP數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站，以現(xiàn)價(jià)進(jìn)行平減。失業(yè)率由《國(guó)際統(tǒng)計(jì)年鑒》獲取，統(tǒng)一以年末失業(yè)率來(lái)說(shuō)明。進(jìn)出口總額與財(cái)政收入來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站，并與總體GDP核算形成對(duì)外貿(mào)易依存度與財(cái)政收入占比的結(jié)構(gòu)型變量。

為了平滑數(shù)據(jù)，我們對(duì)相關(guān)數(shù)據(jù)取了自然對(duì)數(shù)，以去除經(jīng)濟(jì)時(shí)間序列數(shù)據(jù)異方差的影響。各變量數(shù)據(jù)的描述性統(tǒng)計(jì)由表1所展示。利用該樣本整體數(shù)據(jù)的描述性統(tǒng)計(jì)可觀察到，基尼系數(shù)、工業(yè)智能機(jī)器人銷量、PCT專利申請(qǐng)數(shù)量占比、教育人力資本水平以及各結(jié)構(gòu)性變量之間的差異性都較為明顯，這允許我們探究與人工智能發(fā)展水平有關(guān)的各種可能影響收入差距的因素。

（二）全球人工智能產(chǎn)業(yè)發(fā)展現(xiàn)狀

由于人工智能產(chǎn)業(yè)類別眾多，且由賽迪數(shù)據(jù)顯示，目前智能化產(chǎn)業(yè)主要集中于相關(guān)基礎(chǔ)原件設(shè)計(jì)及機(jī)器學(xué)習(xí)等工業(yè)智能化領(lǐng)域。結(jié)合相關(guān)資料我們將重點(diǎn)放在智能化機(jī)器人這一核心產(chǎn)業(yè)，對(duì)此進(jìn)行相關(guān)統(tǒng)計(jì)。由圖2可以看出，全球機(jī)器人市場(chǎng)規(guī)模不斷擴(kuò)大，其中工業(yè)智能機(jī)器人增速穩(wěn)定且占據(jù)了市場(chǎng)主體。此處再次說(shuō)明了本文選取的工業(yè)智能機(jī)器人指標(biāo)代表人工智能整體發(fā)展水平的合理性及代表性。

資料來(lái)源：IFR，中國(guó)電子學(xué)會(huì)整理

圖五 2017年全球主要國(guó)家工業(yè)智能機(jī)器人銷量分布

基于當(dāng)前各國(guó)數(shù)據(jù)調(diào)查及數(shù)據(jù)可得性原因，在此利用全球2017年工業(yè)智能機(jī)器人銷量作為指標(biāo)，選取了12個(gè)產(chǎn)銷量及產(chǎn)值額較高的國(guó)家作為代表，其分別為美國(guó)、加拿大、中國(guó)、俄羅斯、韓國(guó)、日本、新加披、英國(guó)、德國(guó)、法國(guó)、意大利和巴西。結(jié)果如上圖所示，由各國(guó)家工業(yè)智能機(jī)器人銷量分布可以看出，其在全球產(chǎn)業(yè)分布相對(duì)均勻且廣泛，尤其以美洲、亞洲以及歐洲為產(chǎn)業(yè)發(fā)展的主要區(qū)域，近年來(lái)尤以中國(guó)及美國(guó)的人工智能產(chǎn)業(yè)最為迅猛?；谠摂?shù)據(jù)統(tǒng)計(jì)進(jìn)一步明確了當(dāng)今全球人工智能產(chǎn)業(yè)代表性國(guó)家，并再一次說(shuō)明在全球人工智能產(chǎn)業(yè)區(qū)域化與新興產(chǎn)業(yè)化的背景下，用跨國(guó)數(shù)據(jù)進(jìn)行實(shí)證分析的合理性及必然性。

（三）人工智能相關(guān)行業(yè)收入水平分析

圖三 我國(guó)制造業(yè)平均工資增幅與工業(yè)增加值同比增速對(duì)比

圖四? 2010-2017年全球工業(yè)智能機(jī)器人售價(jià)總體變動(dòng)趨勢(shì)

資料來(lái)源：IFR，中國(guó)電子學(xué)會(huì)整理

根據(jù)國(guó)際機(jī)器人聯(lián)合會(huì)的報(bào)告，自 2013年始我國(guó)逐步躍升至全球工業(yè)智能機(jī)器人第一大市場(chǎng)的位置，以制造業(yè)為產(chǎn)業(yè)核心的“機(jī)器換人”需求旺盛，預(yù)計(jì)仍將保持快速增長(zhǎng)，我們可以制造業(yè)的工資水平現(xiàn)狀來(lái)分析其相關(guān)經(jīng)濟(jì)性。

其一，經(jīng)濟(jì)性拐點(diǎn)臨近。圖中數(shù)據(jù)顯示，我國(guó)制造業(yè)整體平均工資水平保持高速增長(zhǎng)態(tài)勢(shì)，2010年至2016年表現(xiàn)出12.3%的年復(fù)合增長(zhǎng)率;反之，全球以工業(yè)智能機(jī)器人為核心的相關(guān)自動(dòng)化設(shè)備均價(jià)卻逐年下降，其價(jià)格自2012年攀至峰值后逐漸回落。伴隨著機(jī)器人自身的穩(wěn)定性、精準(zhǔn)性、高效性逐漸被認(rèn)可，其對(duì)體力勞動(dòng)者的替代作用也在日漸顯現(xiàn)，以其替代效應(yīng)的發(fā)揮為經(jīng)濟(jì)效用的拐點(diǎn)已然出現(xiàn)。

其二，促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型。機(jī)器人逐漸將一些勞動(dòng)密集型行業(yè)中的技能型工人取代，這也同樣標(biāo)志著相關(guān)產(chǎn)業(yè)逐步完成自勞動(dòng)密集型發(fā)展向資本密集型發(fā)展的模式轉(zhuǎn)換。整體產(chǎn)業(yè)的產(chǎn)能由于自動(dòng)化機(jī)器設(shè)備的引入而得到改善，伴隨著產(chǎn)品質(zhì)量的提升及生產(chǎn)周期的大為縮短等經(jīng)濟(jì)效益的出現(xiàn)。而一些暫時(shí)無(wú)法實(shí)行自動(dòng)化的勞動(dòng)密集型企業(yè)，也會(huì)由于資本成本的上升而擴(kuò)大生產(chǎn)，以減少失業(yè)。

其三，滲透率穩(wěn)步提升。根據(jù)BCG的行業(yè)統(tǒng)計(jì)數(shù)據(jù)，如今將近10%左右的工業(yè)制造任務(wù)由智能化機(jī)器人所承擔(dān)及創(chuàng)造，且到2025年時(shí)其行業(yè)滲透率將躍升至25%。此外配備工業(yè)智能機(jī)器人后的勞動(dòng)力成本也會(huì)由于所處行業(yè)的差異，產(chǎn)生不同程度的下降，全球平均值預(yù)估將下降 16%左右，而對(duì)于中國(guó)來(lái)說(shuō)預(yù)計(jì)下降幅度略高，約至18%。因而深化機(jī)器人應(yīng)用的滲透率有利于用工成本的下降。此外在勞動(dòng)力受教育水平整體提升的背景下，初始階段機(jī)器人只會(huì)針對(duì)部分熟練工人操作的任務(wù)予以替代，此時(shí)工人則完全可以去執(zhí)行相對(duì)復(fù)雜的加工任務(wù)。

以上是對(duì)當(dāng)今人工智能化時(shí)代中的經(jīng)濟(jì)發(fā)展現(xiàn)狀作簡(jiǎn)要描述分析，其再次佐證了模型核心變量設(shè)置的合理性，并為我們利用跨國(guó)面板數(shù)據(jù)對(duì)人工智能與收入分配之間關(guān)系作進(jìn)一步的實(shí)證性研究奠定了現(xiàn)實(shí)基礎(chǔ)，并賦予了一定的實(shí)踐意義。

六、實(shí)證檢驗(yàn)結(jié)果

（一）總體回歸結(jié)果分析

表4模型組內(nèi)自相關(guān)與組間異方差、同期相關(guān)檢驗(yàn)結(jié)果

[檢驗(yàn)對(duì)象 Greene檢驗(yàn) Wooldridge檢驗(yàn) LM檢驗(yàn) Chi統(tǒng)計(jì)量 P值 F統(tǒng)計(jì)量 P值 LM統(tǒng)計(jì)量 P值 （1） 358.39 0.0000 36.119 0.0003 94.007 0.0000 （2） 882.91 0.0000 35.960 0.0003 61.958 0.0046 （3） 190.78 0.0000 44.127 0.0002 76.753 0.0001 ]

在驗(yàn)證人工智能與收入分配差距關(guān)系的過(guò)程中，我們選擇在此模型中逐漸引入控制變量的方法，以最終確認(rèn)人工智能發(fā)展、技術(shù)壟斷及經(jīng)濟(jì)增長(zhǎng)等對(duì)于居民收入差距的作用程度。首先由面板數(shù)據(jù)類別選定長(zhǎng)面板的估計(jì)策略，并考慮到誤差項(xiàng)可能存在異方差與自相關(guān)，我們根據(jù)模型設(shè)定把數(shù)據(jù)分作三組，（1）組變量包括lngini、lnaj、lnrpct、lng、（lng）2，（2）組變量加入lnh，（3）組加入控制變量lnsy、lncz、lnex。對(duì)其分別進(jìn)行組內(nèi)自相關(guān)與組間異方差、同期相關(guān)的檢驗(yàn)，檢驗(yàn)結(jié)果如表4給出。

由于面板數(shù)據(jù)檢驗(yàn)結(jié)果均強(qiáng)烈的拒絕原假設(shè)，故決定首先采用最具效率的全面GLS估計(jì)。又由于國(guó)家個(gè)體n相對(duì)于年數(shù)t較小，為把控可能存在的固定效應(yīng)，本部分運(yùn)用LSDV法加入了個(gè)體虛擬變量，而對(duì)于時(shí)間效應(yīng)，則加入時(shí)間趨勢(shì)項(xiàng)進(jìn)行控制?？傮w回歸結(jié)果由表5模型（1）（2）（3）給出。

在模型（1）的初步回歸中，僅引入了人工智能發(fā)展水平及經(jīng)濟(jì)增長(zhǎng)兩個(gè)指標(biāo)以大體判斷人工智能技術(shù)進(jìn)步對(duì)于收入差距的作用。實(shí)證結(jié)果由表6顯示。其中l(wèi)ngini的系數(shù)為負(fù)，意味著人工智能的發(fā)展對(duì)于收入分配差距存在減弱而不是擴(kuò)大的作用。這與前文所引用的一部分國(guó)際學(xué)者的論點(diǎn)是一致的，意即若考量沒(méi)有其他資源引進(jìn)及制度變革的條件下，人工智能與自動(dòng)化的引入實(shí)則降低了收入不平等。作為一種新型的技術(shù)革命，人工智能所起到的作用其實(shí)為一次外生技術(shù)沖擊，它的引入將現(xiàn)代部門“領(lǐng)跑”及傳統(tǒng)部門“追趕”的時(shí)限大大降低（邵紅偉，2016），其高效性表現(xiàn)在短時(shí)間內(nèi)大批創(chuàng)造性崗位的涌現(xiàn)及工人新任務(wù)的被開(kāi)發(fā)，局部及短暫的收入分配差距易被一系列經(jīng)濟(jì)效益所淡化。但是據(jù)此推斷只僅僅關(guān)注了人工智能這一單一變量的收入分配效應(yīng)，其所引致的技術(shù)替代本來(lái)就是一個(gè)緩慢的過(guò)程，需往下進(jìn)一步探究。其次，lnrpct的系數(shù)為正，表示技術(shù)壟斷水平的提升將會(huì)縮小收入差距。這與國(guó)內(nèi)外眾多學(xué)者的結(jié)論是相同的，至于人工智能產(chǎn)業(yè)是否也具備一定的地區(qū)壟斷性，我們需根據(jù)最終趨勢(shì)對(duì)比來(lái)探究。另外，lng的回歸系數(shù)為負(fù)，而（lng）2為正，且都表現(xiàn)顯著，這與Kuznets倒“U”的變化軌跡不符。對(duì)此可以解釋，人工智能的高效應(yīng)用必然對(duì)生產(chǎn)率及經(jīng)濟(jì)增長(zhǎng)具備助推效應(yīng)，二者短期內(nèi)協(xié)同降低了收入差距，但技術(shù)創(chuàng)新的普及、擴(kuò)散依賴于個(gè)人能力的進(jìn)步及制度的完善等條件，故在長(zhǎng)期來(lái)看，對(duì)其忽略可能觸發(fā)了經(jīng)濟(jì)增長(zhǎng)對(duì)于收入不平等推動(dòng)的拐點(diǎn)。

為了進(jìn)一步確定人工智能對(duì)于收入差距的作用，我們首先將教育人力資本指標(biāo)引人回歸方程，結(jié)果由表6模型（2）給出。模型回歸結(jié)果與大多數(shù)學(xué)者的觀點(diǎn)保持一致，其回歸系數(shù)符號(hào)為負(fù)，這便表明提高工人教育人力資本水平有助于縮小整體收入差距。根據(jù)經(jīng)典理論，一國(guó)教育水平的整體提升會(huì)加速地區(qū)企業(yè)人力資本水平的進(jìn)步，進(jìn)而該國(guó)的總體收入分配狀況應(yīng)該會(huì)得到改善。其次，人工智能的變量指標(biāo)回歸系數(shù)由0.478躍升至0.5341，而技術(shù)壟斷變量的回歸系數(shù)出現(xiàn)小幅減弱，說(shuō)明國(guó)家對(duì)相應(yīng)教育部門整體投入的背景下，一方面激發(fā)了對(duì)智能化產(chǎn)業(yè)的人力資本構(gòu)建，另一方面引發(fā)了技能化人才的流動(dòng)，削弱了地區(qū)內(nèi)先進(jìn)技術(shù)企業(yè)對(duì)于相關(guān)人力資源的壟斷，進(jìn)而抑制了收入不平等。此外經(jīng)濟(jì)增長(zhǎng)性指標(biāo)雖作用方向未發(fā)生變動(dòng)，但已不再顯著。又因技術(shù)進(jìn)步對(duì)勞動(dòng)力的影響并不僅僅依賴于它們作用的部分，而且也與經(jīng)濟(jì)社會(huì)中其他因素的調(diào)整息息相關(guān)（Acemoglu，2017a）。因此，接下來(lái)有必要涉及更多角度以探究人工智能對(duì)收入的影響。

順應(yīng)以上分析，為了俘獲單純?nèi)斯ぶ悄馨l(fā)展對(duì)收入差距的真實(shí)作用，我們繼續(xù)引入了對(duì)外貿(mào)易依存度、失業(yè)率以及財(cái)政收入結(jié)構(gòu)等變量，以對(duì)一些影響收入差距的結(jié)構(gòu)性變量進(jìn)行控制。結(jié)果由表3模型（3）給出。首先各解釋變量的作用方向沒(méi)有發(fā)生變化，人工智能發(fā)展變量及技術(shù)壟斷變量均在1%的水平上顯著。經(jīng)濟(jì)增長(zhǎng)指標(biāo)恢復(fù)了模型（1）表現(xiàn)的高顯著性。教育人力資本水平依舊和收入分配顯著的負(fù)相關(guān)，隨著結(jié)構(gòu)性指標(biāo)的逐級(jí)引入，回歸系數(shù)無(wú)明顯波動(dòng)。

進(jìn)一步結(jié)合控制變量的回歸結(jié)果對(duì)模型各解釋變量的總體趨勢(shì)進(jìn)行分析。失業(yè)率變量在模型（3）中與收入差距具備一定正相關(guān)性，這與學(xué)術(shù)界總體理論一致，但經(jīng)濟(jì)社會(huì)整體技術(shù)創(chuàng)新水平的提升，使得就業(yè)結(jié)構(gòu)對(duì)于居民收入分化的顯著性影響漸弱。此外一國(guó)財(cái)政收入占比表現(xiàn)不顯著，但可由系數(shù)方向大體判斷出與收入不平等呈現(xiàn)負(fù)相關(guān)。而對(duì)外貿(mào)易依存度指標(biāo)與基尼系數(shù)表現(xiàn)出顯著的負(fù)相關(guān)關(guān)系，說(shuō)明其淡化了資本的過(guò)分集中的問(wèn)題，減少了收入分化現(xiàn)象的發(fā)生。反觀人工智能自動(dòng)化程度這一主要解釋變量，自模型（2）至模型（3）財(cái)政收入結(jié)構(gòu)指標(biāo)等控制變量引入，回歸系數(shù)表現(xiàn)為遞減態(tài)勢(shì)，由此我們可以看到技術(shù)替代效用的逐漸顯露，進(jìn)而使人工智能發(fā)展對(duì)于減少收入不均效用漸弱。另外觀察變量總趨勢(shì)，人工智能與技術(shù)壟斷兩變量回歸系數(shù)的變動(dòng)存在完全相反的趨勢(shì)，說(shuō)明人工智能產(chǎn)業(yè)發(fā)展對(duì)于壟斷性勢(shì)力的形成具有影響，二者對(duì)于收入分配存在相反的作用狀態(tài)。而對(duì)于經(jīng)濟(jì)增長(zhǎng)的收入分配效應(yīng)，總體作用情況并不具備倒“U”型變化，這與學(xué)術(shù)界對(duì)于一般技術(shù)變革條件下的結(jié)論相反，其中原因恰恰體現(xiàn)在人工智能革命的特殊性，短期內(nèi)引起生產(chǎn)力大幅提升拉動(dòng)經(jīng)濟(jì)增長(zhǎng)，但長(zhǎng)期來(lái)看智能型替代效應(yīng)的發(fā)揮，使其所帶動(dòng)的經(jīng)濟(jì)增長(zhǎng)與收入差距存在正相關(guān)關(guān)系。

（二）穩(wěn)健性分析

考慮單純利用工業(yè)智能機(jī)器人產(chǎn)銷量指標(biāo)進(jìn)行回歸分析可能會(huì)引發(fā)偏誤，這便需要對(duì)被解釋變量與相關(guān)解釋變量之間的關(guān)系穩(wěn)健性進(jìn)行檢驗(yàn)。我們?cè)诖诉x擇另一全球通行的衡量人工智能技術(shù)發(fā)展的指標(biāo)——工業(yè)智能機(jī)器人產(chǎn)業(yè)投融資額作為核心解釋變量，以考察各解釋變量的作用方向與作用程度。另外由于組內(nèi)異方差與組間同期相關(guān)檢驗(yàn)均強(qiáng)烈拒絕原假設(shè)，普通的固定效應(yīng)模型有可能存在穩(wěn)健標(biāo)準(zhǔn)誤問(wèn)題，為此，使用最為穩(wěn)健的OLS面板校正標(biāo)準(zhǔn)誤進(jìn)行估計(jì)?；貧w結(jié)果由表6模型（4）（5）（6）顯示。

與模型（1）（2）（3）的回歸結(jié)果對(duì)比，主要解釋變量在整體的變動(dòng)趨勢(shì)上并沒(méi)有發(fā)生變化，其中人工智能化水平lnaj由模型（2）到（3）與模型（5）到（6）皆存在顯著性變?nèi)醯内厔?shì)，而技術(shù)壟斷水平指標(biāo)lnrpct整體仍保持較高的顯著性水平。代表經(jīng)濟(jì)增長(zhǎng)的兩指標(biāo)變動(dòng)方向未發(fā)生改變，但總體顯著性從之前回歸中的不確定變至不顯著，回歸系數(shù)絕對(duì)值的大小仍維持著相同的增減態(tài)勢(shì)，其變動(dòng)的不穩(wěn)定性及前后回歸趨勢(shì)上的協(xié)同性，庫(kù)茲涅茲倒“U”型假說(shuō)都無(wú)法得到支持。由此可以看出，一方面由于人工智能化革命在廣度與深度上表現(xiàn)出與以往的傳統(tǒng)工業(yè)化革命不同，且地區(qū)、國(guó)家之間差異普遍存在，造成經(jīng)濟(jì)上的倒“U”型變動(dòng)不穩(wěn)定;另一方面根據(jù)Acemoglu & Restrepo引入的兩效應(yīng)的說(shuō)法，短期的生產(chǎn)力效應(yīng)與長(zhǎng)期的替代效應(yīng)并存對(duì)應(yīng)經(jīng)濟(jì)增長(zhǎng)的周期性變動(dòng)，使得其對(duì)收入分配差異的影響呈正“U”型。另外值得注意的是，教育人力資本水平在前后回歸中回歸系數(shù)都具有減小的走勢(shì)，其中伴隨著的是技術(shù)壟斷指標(biāo)回歸系數(shù)的大幅躍升，此為教育人力資本分配不平衡現(xiàn)象的主要原因。這種狀況一方面會(huì)引發(fā)不同行業(yè)間收入劇烈分化，另一方面削弱了人工智能的生產(chǎn)力效應(yīng)，使得lnaj如模型（6）所示喪失顯著性。

模型（6）控制變量失業(yè)率的回歸系數(shù)變?yōu)樨?fù)值，但由于失去顯著性，我們無(wú)法準(zhǔn)確判斷其對(duì)被解釋變量的真實(shí)影響，這與一些研究結(jié)論是一致的。因全球不同國(guó)家或地區(qū)間智能化發(fā)展水平和狀態(tài)呈不協(xié)同現(xiàn)狀，且這種差異性也普遍存在于勞動(dòng)力市場(chǎng)內(nèi)部，產(chǎn)出彈性和勞動(dòng)力供給彈性不完全相同，從而智能自動(dòng)化背景下就業(yè)結(jié)構(gòu)表現(xiàn)出的復(fù)雜性，造就了其收入分配效應(yīng)的不確定性。財(cái)政收入水平指標(biāo)及對(duì)外貿(mào)易依存度的顯著性進(jìn)一步增強(qiáng)，更加證實(shí)了財(cái)政保障政策的傾斜與進(jìn)出口貿(mào)易的扶持會(huì)減少收入分化現(xiàn)象的發(fā)生。綜上，由于兩種計(jì)量方法下，各解釋變量整體表現(xiàn)出的影響程度與變動(dòng)趨勢(shì)相對(duì)一致，且對(duì)相關(guān)理論有了進(jìn)一步的印證及補(bǔ)充作用，我們可以判斷模型整體穩(wěn)健。

（三）結(jié)構(gòu)方程模型的構(gòu)建及分析

結(jié)構(gòu)方程模型主要用來(lái)處理復(fù)雜的多變量研究數(shù)據(jù)的探究與分析，本文考慮采用結(jié)構(gòu)方程模型來(lái)研究全球化人工智能技術(shù)發(fā)展與收入分配之間的關(guān)系，并量化這種關(guān)系。我們基于面板數(shù)據(jù)的整體回歸得到各變量對(duì)于收入差距的影響效果，卻無(wú)法以此來(lái)判斷核心變量及各宏觀結(jié)構(gòu)型變量影響方式的異同。而結(jié)構(gòu)方程模型的引入在于引入潛變量，其包含相關(guān)控制因素，一方面將多個(gè)潛在變量及其測(cè)量變量置于同一模型中分析，且能夠允許自變量及因變量的測(cè)量誤差;另一方面將傳統(tǒng)回歸及路徑分析進(jìn)行整合以補(bǔ)充和驗(yàn)證原有經(jīng)濟(jì)理論。

結(jié)合研究目的和文獻(xiàn)調(diào)研，我們預(yù)期的結(jié)構(gòu)模型是：CZ、SY、EX這三個(gè)變量通過(guò)潛變量F1來(lái)間接影響gini，AJ、rpct、g、H這四個(gè)變量直接影響gini，具體示意圖如下所示：

通過(guò)SPSS AMOS軟件對(duì)數(shù)據(jù)進(jìn)行分析處理，得到模型的估計(jì)結(jié)果如下：

[ Estimate S.E. P F1 <--- LNgini -0.373 0.154 0.015 LNCZ <--- F1 1 LNSY <--- F1 0.477 0.251 0.058 LNEX <--- F1 -0.367 0.29 0.205 LNAJ <--- LNgini -1.923 0.5 *** LNrpct <--- LNgini -2.109 0.508 *** LNg <--- LNgini -2.493 0.281 *** LNh <--- LNgini 0.027 0.068 0.687 ]

從以上結(jié)構(gòu)方程模型結(jié)果可以得出兩方面結(jié)論：

其一，F(xiàn)1的顯著性為0.015<0.05，表示LNCZ、LNSY、LNEX這三個(gè)變量通過(guò)一個(gè)潛變量來(lái)間接影響收入分配差距。這說(shuō)明相關(guān)宏觀控制因素對(duì)于收入分配存在明顯的間接效應(yīng)，且各控制變量路徑系數(shù)與基本回歸保持大體一致。與之對(duì)照，核心解釋變量對(duì)于收入差距直接作用，與潛變量間不存在關(guān)聯(lián)。

其二，由于結(jié)構(gòu)方程模型主要定格于研究整體模型的結(jié)構(gòu)性影響因素，故我們將代表經(jīng)濟(jì)增長(zhǎng)周期性變量（lng）2刪去，以考察變量間存在的結(jié)構(gòu)關(guān)系。結(jié)果顯示LNAJ、LNrpct、LNg的因子得分均為負(fù)數(shù)，表示這三個(gè)因素對(duì)于對(duì)于收入分配差距存在減弱而不是擴(kuò)大的作用。尤為值得注意的是人均PCT專利申請(qǐng)數(shù)量對(duì)收入差距的影響系數(shù)轉(zhuǎn)換為負(fù)值，與之表現(xiàn)趨同，教育人力資本水平lnh與被解釋變量變?yōu)檎嚓P(guān)。這表明，技術(shù)壟斷指標(biāo)需要將技術(shù)變革置于一個(gè)較長(zhǎng)周期中才得以發(fā)揮，短期內(nèi)技術(shù)所帶來(lái)的市場(chǎng)資源的集中帶來(lái)生產(chǎn)上效率的擴(kuò)大。而排除長(zhǎng)期影響后，智能自動(dòng)化所引發(fā)的技術(shù)創(chuàng)新對(duì)于整體人力結(jié)構(gòu)可能存在負(fù)面影響的，這種對(duì)人力資本結(jié)構(gòu)的沖擊勢(shì)必波及到收入分化。

七、結(jié)論及政策建議

（一）結(jié)論綜述

基于理論探究、描述性統(tǒng)計(jì)及實(shí)證研究結(jié)果，我們得出結(jié)論：人工智能自動(dòng)化技術(shù)創(chuàng)新存在降低收入分配差距的短期效應(yīng)，其所帶來(lái)的新任務(wù)創(chuàng)造高效助推了相關(guān)勞動(dòng)密集型產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)，也促進(jìn)了非自動(dòng)化產(chǎn)業(yè)的資源引進(jìn)，意即智能化行業(yè)的進(jìn)步短周期內(nèi)所帶來(lái)的生產(chǎn)力效應(yīng)將超過(guò)替代效應(yīng)，達(dá)到削弱收入差距的整體效果。但長(zhǎng)周期來(lái)看，不完全競(jìng)爭(zhēng)市場(chǎng)內(nèi)的部分超級(jí)企業(yè)利用對(duì)智能技術(shù)及相關(guān)專利的壟斷，加速了對(duì)市場(chǎng)超額利潤(rùn)的掠奪，增大了收入不平等。并且在此條件下，國(guó)際范圍內(nèi)Kuznets（1955）關(guān)于經(jīng)濟(jì)增長(zhǎng)周期性的倒“U”型曲線理論無(wú)法得到滿足，究其原因體現(xiàn)在人工智能的技術(shù)創(chuàng)新不僅具備傳統(tǒng)信息技術(shù)革命技術(shù)替代特征，更重要的是其會(huì)縮減企業(yè)用工成本使得利潤(rùn)空間快速增大，所以短期助推經(jīng)濟(jì)增長(zhǎng)的高效與需要一個(gè)長(zhǎng)周期的技術(shù)替代，造成了完全倒“U”型的變動(dòng)趨勢(shì)不明顯，甚至呈現(xiàn)正“U”型變動(dòng)。

此外，智能型替代與傳統(tǒng)技術(shù)替代不同之處在于其深度與廣度，人工智能利用機(jī)器學(xué)習(xí)可使得自動(dòng)化進(jìn)程高級(jí)化，甚至達(dá)到對(duì)勞動(dòng)力的完全替代。雖然我們利用實(shí)證分析沒(méi)有明確證實(shí)人工智能自動(dòng)化與收入差距正“U”型變化拐點(diǎn)的到來(lái)，但其對(duì)收入不均的削弱作用正面臨漸弱趨勢(shì)，這足矣表明智能化替代的作用正在發(fā)揮。另外著眼于當(dāng)下經(jīng)濟(jì)形勢(shì)，人工智能化技術(shù)應(yīng)用主要集中在第二產(chǎn)業(yè)，并以此為基礎(chǔ)向第一及第三產(chǎn)業(yè)進(jìn)行擴(kuò)散，以此帶動(dòng)新一輪的產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。若以自動(dòng)化對(duì)整體行業(yè)進(jìn)行區(qū)分，前期具有激發(fā)非自動(dòng)化行業(yè)勞動(dòng)力高需求的可能性，且?guī)?dòng)了部分勞動(dòng)力成本上升，后期則勢(shì)必受到自動(dòng)化改造的影響而被迫進(jìn)行資本和技術(shù)密集型的生產(chǎn)。故單單從就業(yè)結(jié)構(gòu)角度去分析其收入分配效應(yīng)，會(huì)出現(xiàn)階段及類別復(fù)雜化的特征。

結(jié)合對(duì)結(jié)構(gòu)方程模型的分析，可以看出一國(guó)政府政策性舉措對(duì)于收入分配存在間接助力的作用。其中財(cái)政政策效用決定了一國(guó)政府對(duì)于經(jīng)濟(jì)社會(huì)的宏觀調(diào)控力度，遏制了地區(qū)內(nèi)技術(shù)壟斷型企業(yè)的形成;而政府對(duì)于經(jīng)濟(jì)社會(huì)總體的教育投入，決定了一國(guó)整體的人力資本水平。與面板數(shù)據(jù)回歸不同的是，結(jié)構(gòu)方程模型從宏觀經(jīng)濟(jì)結(jié)構(gòu)出發(fā)剖析出，經(jīng)濟(jì)發(fā)展水平水平、技術(shù)壟斷及智能自動(dòng)化發(fā)展對(duì)收入分化的削弱呈現(xiàn)協(xié)同性，此方法拋開(kāi)周期性而專注于宏觀結(jié)構(gòu)性變化，同時(shí)也再一次佐證了原有結(jié)論。從整體理論研究結(jié)果評(píng)價(jià)，基于當(dāng)今人工智能技術(shù)革命正處于萌芽階段，本文結(jié)合國(guó)內(nèi)外文獻(xiàn)將重點(diǎn)放在人工智能發(fā)展階段中最直接影響的自動(dòng)化領(lǐng)域，且將實(shí)證研究視角定位在其所覆蓋的相關(guān)工業(yè)領(lǐng)域，故希望未來(lái)伴隨智能化技術(shù)的進(jìn)一步蔓延應(yīng)用及學(xué)術(shù)研究的進(jìn)一步深入，在整體宏觀經(jīng)濟(jì)性與不同產(chǎn)業(yè)間人力資源流動(dòng)等角度的探究中能有新的突破。

（二）政策建議

（1）專門設(shè)立以匯聚新一代人工智能技術(shù)型企業(yè)為核心的科創(chuàng)板，重點(diǎn)支持高端設(shè)備、信息技術(shù)及機(jī)器自動(dòng)化等高新技術(shù)產(chǎn)業(yè)和戰(zhàn)略型新興產(chǎn)業(yè)，助推人工智能技術(shù)同制造業(yè)和某些服務(wù)業(yè)深度融合。由于當(dāng)前人工智能技術(shù)尚處在初期發(fā)展階段，其技術(shù)不成熟導(dǎo)致有關(guān)產(chǎn)業(yè)普及程度不高，故追隨當(dāng)今國(guó)家所提倡的加快培植一批以追求自主高新技術(shù)創(chuàng)新為核心戰(zhàn)略的新興企業(yè)板塊的政策趨勢(shì)，人工智能作為落實(shí)創(chuàng)新發(fā)展戰(zhàn)略的新型推力必將引領(lǐng)企業(yè)整體創(chuàng)新水平邁入新發(fā)展階段。在此意義上，強(qiáng)調(diào)人工智能技術(shù)在國(guó)家科創(chuàng)板的主體地位，從長(zhǎng)遠(yuǎn)來(lái)看必將進(jìn)一步促進(jìn)技術(shù)創(chuàng)新達(dá)到與資本市場(chǎng)的完美融合。且由于人工智能技術(shù)的引入同歷來(lái)傳統(tǒng)技術(shù)革命的初期產(chǎn)業(yè)發(fā)展現(xiàn)狀呈現(xiàn)一致性，都存在投入大、融資難及風(fēng)險(xiǎn)高的特點(diǎn)，故資本市場(chǎng)常存在與科技創(chuàng)新難以相容。而若國(guó)家單獨(dú)將人工智能企業(yè)單獨(dú)列入科創(chuàng)板予以政策扶持，則會(huì)有效補(bǔ)齊資本扶持技術(shù)的短板，為人工智能謀求更長(zhǎng)遠(yuǎn)發(fā)展。