|
摘要：人工智能作为新一轮科技革命和产业变革的引领性力量，势必会对高质量发展产生深刻影响。基于2008—2019年中国283个城市面板数据并将不同技能劳动力就业结构纳入人工智能与高质量发展分析框架的实证研究表明，人工智能应用可以促进城市产业结构升级，提升城市技术创新水平和绿色低碳水平，从而推动城市高质量发展。从理论机制来看，缩减低技能劳动力的就业份额和提升高技能劳动力的就业比重可以强化人工智能应用对高质量发展的促进作用。分区域来看，东部地区人工智能应用显著促进城市高质量发展，高技能劳动力会强化人工智能对于高质量发展的影响效果；而东北地区人工智能应用显著抑制高质量发展，低技能劳动力会加剧人工智能对于高质量发展的抑制作用。上述结论意味着，应积极推进人工智能应用，赋能高质量发展，同时各地区应根据就业结构等客观实际制定差异化的人工智能发展策略。 关键词：人工智能；高质量发展；就业结构；工业机器人 基金：国家自然科学基金专项项目“面向碳中和的中国经济转型模式构建研究”（72140001）；中国社会科学院博士后创新项目“双碳目标与中国制造业高质量发展研究”。 |
一、引言
我国经济在实现数十年的跨越式增长后，正面临结构性矛盾和周期性问题叠加局面。从外部环境来看，国际形势更趋复杂严峻和不确定，经济全球化遭遇逆流，西方国家对我国实施核心关键技术封锁遏制。从国内来看，人口红利和廉价劳动力优势逐渐消失，经济发展受到资源与环境瓶颈约束。因此，党的二十大报告指出，要坚持以推动高质量发展为主题，加快建设现代化经济体系。随着我国经济进入新发展阶段，发展的重点从数量增长转变为质量提升，推动高质量发展成为构建现代化经济体系的有力支撑和必然要求。因此，科学评价发展质量既是把握发展现状和推动高质量发展的重要基础，也是亟需研究的重要课题。
作为引领新一轮科技革命和产业变革的前沿技术，人工智能不仅有助于优化传统产业生产流程，而且能够促进新兴产业萌生，成为壮大实体经济、抢占科技革命制高点和提升竞争力的重要抓手（李鹏，2021）。[1]2019年以来，我国已建成北京、上海、天津、深圳、杭州、合肥等18个国家新一代人工智能创新发展试验区，人工智能核心技术、基础软硬件、人工智能产品和行业应用协同发展，形成了有利于人工智能技术发展的良好生态。2021年，工业和信息化部相继出台《“十四五”智能制造发展规划》《“十四五”机器人产业发展规划》，将人工智能作为战略性新兴产业给予重点扶持，鼓励以人工智能技术推动工业智能化转型。习近平总书记也先后30多次在重要讲话中提到人工智能（张春芳和徐艳玲，2022）。[2]工业机器人作为人工智能技术的重要载体，是集成信息技术、控制技术和智能制造技术为一体的重要创新成果。国际机器人联合会相关统计数据显示，2021年中国工业机器人安装量达24.33万台，同比增长44%。中国成为人工智能发展最为活跃的国家之一。在此背景下，探究人工智能对高质量发展的影响及其作用机制，对于塑造经济发展新动能、构建具有国际竞争力的现代产业体系具有重要意义。
与此同时，随着国际经济下行，劳动力就业压力进一步加大，就业结构错配、摩擦性失业现象愈发突显。人工智能应用带来的“机器换人”现象可能对劳动力就业结构造成影响。关于人工智能对劳动力就业结构的影响，已有研究主要存在替代效应与互补效应两种不同的观点。一方面，人工智能应用带来的“机器换人”会对劳动力产生替代效应，从而减少就业；另一方面，人工智能应用会创造新的就业岗位和劳动力需求，从而对劳动力就业产生互补效应。人工智能对劳动力的最终影响效果取决于替代效应与互补效应的相对大小，而哪种效应发挥主导力量关键在于工业机器人对于现有就业岗位的替代程度。Acemoglu和Restrepo（2020）称之为机器与人的竞赛。[3]汪前元等（2022）认为，工业机器人对低技能的劳动力具有替代效应，并且随着人工智能应用水平的提升，会创造更多高技能劳动力的岗位需求。[4]由此衍生出一个问题，即就业结构在人工智能与高质量发展二者之间发挥何种作用？
有鉴于此，本文试图回应人工智能是否促进了高质量发展，并从以劳动力技能为导向的就业结构视角出发，探究就业结构如何影响人工智能对于高质量发展的作用效果。本文可能的边际贡献主要有：第一，本文从产业结构、技术创新、绿色低碳三个视角构建高质量发展指数，探究人工智能对高质量发展的影响，从不同维度揭示了人工智能应用对高质量发展的作用机理。第二，本文回应了人工智能通过何种机制影响高质量发展这一问题，阐述了就业结构如何在人工智能与高质量发展之间发挥作用，也深化了对于“机器换人”如何引致劳动力就业结构变迁的理论认识。第三，本文从全国城市层面测度人工智能应用水平和高质量发展，讨论人工智能应用对我国不同区域高质量发展影响的差异性，并立足各区域实际对人工智能发展与高质量发展提出差异化的政策建议。
二、理论分析
关于高质量发展的评价方法已形成丰富的研究成果。李蕾和刘荣增（2022）认为，高质量发展的本质特征是效率的提高，而全要素生产率是衡量效率较为综合和全面的指标，因此选用全要素生产率来衡量发展质量。[5]然而，更多的学者认为高质量发展是一个包含多个维度的概念，简单利用某一指标来测度具有片面性，可能导致测度结果出现偏差，利用产业结构、技术进步、节能减排、企业效益、产业竞争力等多维度的指标体系来评价高质量发展相对更加科学全面（付晨玉和杨艳琳，2020；史丹和李鹏，2019）。[6，7]高质量发展是质与量的有机统一，也是一个不断演进的动态过程，包括多个方面的内容。第一，实现高质量发展的关键在于突破传统产业结构的低端锁定以及培育新兴产业，做好新动能的培育以及新旧动能的转换和接续工作，加快推进产业结构转型升级（黄阳平和刘妍璇，2020）。[8]产业结构升级与高质量发展之间的动态关系主要体现在产业结构高级化和合理化。产业结构高级化是指第一产业逐渐向第二和第三产业演进，主导产业由劳动密集型向资本密集型和技术密集型转变的过程。产业结构合理化是指各产业之间的协调性和关联性能够实现生产要素的合理配置（韩永辉等，2017）。[9]第二，当前我国发展过程中存在的技术创新能力薄弱问题成为制约高质量发展的关键因素。高质量发展的重要特征就是从要素驱动转变为创新驱动，技术创新特别是颠覆性技术创新是产业结构升级和生产力整体跃升的主要动力源。只有不断提升技术创新能力，才能突破产业链低端锁定，向中高端价值链攀升（程强和武笛，2015）。[10]第三，高质量发展必须统筹经济效益与生态环境。长期以来，高污染高排放的粗放型产业发展方式导致生态环境遭受破坏，也给居民生产生活带来严重负面影响。面对更加严格的资源环境约束，我国产业体系必须从现有的数量扩张型向绿色化的质量提升型转变（张伟，2015）。[11]同时，控制温室气体排放、发展低碳经济已成为国际社会的共识，然而我国碳排放总量和碳排放强度均高于国际平均水平，特别是发电、建材、钢铁、有色金属、化工等产业仍然是碳排放的主要领域。因此，高质量发展必须体现绿色低碳要求，推广绿色生产方式，减少碳排放（邱振卓，2016）。[12]因此，本文将从产业结构升级、技术创新和绿色低碳发展三个维度评价高质量发展。
（一）人工智能对高质量发展的影响
人工智能技术的快速发展会对产业结构带来深刻影响。首先，人工智能通过促进服务业发展实现产业结构升级。伴随着人工智能技术兴起，平台经济、共享经济、体验经济等新模式蓬勃发展，科技金融、智慧物流、检验检测等生产性服务业专业化发展，智慧医疗、数字旅游等生活性服务业品质化发展，从而提高服务业在经济中的比重，促进产业结构向高端迈进。其次，人工智能通过促进制造业服务化转型实现产业结构升级。制造业服务化转型是塑造制造业新优势的重要途径，人工智能应用可以促进各生产制造企业主体之间实现数据互联互通，为客户提供个性化定制服务，提高制造业产品附加值，从而推动产业结构高级化发展（田秀娟和李睿，2022）。[13]最后，人工智能通过生产方式变革实现产业结构升级。人工智能应用水平较高的行业和企业可以通过智能化平台进行海量数据采集，将碎片化的需求信息与供给信息聚合，从而精准预测市场趋势，实现供给端与需求端精准匹配。各企业之间运用人工智能技术实现产业互动，从而增强不同产业链以及产业链上下游之间的协调性，促进产业结构合理化发展（魏丽莉和侯宇琦，2022）。[14]
人工智能的兴起为技术创新注入新的动力。首先，人工智能通过知识溢出效应促进技术创新水平提升。人工智能应用有助于打破信息孤岛，为各企业之间信息资源共享与交流合作搭建平台，进而催生企业间的知识溢出效应，从而促进企业技术进步（韩峰和阳立高，2020）。[15]其次，人工智能通过行业示范效应促进技术创新水平提升。人工智能应用会催生新产业、新业态和新模式。在激烈的市场竞争中，落后的生产方式逐渐被淘汰，研发和应用新技术的企业将在竞争格局中占据先发和主导地位，从而在行业内形成良好的创新环境和完善的技术支撑体系，促进其他企业加快研发新技术、新产品，优化服务水平（Aghion和Festré，2017）。[16]最后，人工智能通过优化资源配置促进技术创新水平提升。人工智能应用水平较高的行业或企业往往具有知识密集、技术密集、资本密集的特征，能够吸引劳动力、资本、信息、知识、技术等生产要素由其他行业或企业向其流动和集聚，从而优化创新要素结构，促进技术创新（方晓霞和李晓华，2022）。[17]
人工智能技术是绿色低碳发展的重要支撑。首先，人工智能通过提高生产效率促进绿色低碳水平提升。人工智能技术可以帮助企业及时获取市场信息，对生产要素进行灵活调度，缓解信息不对称带来的生产滞后问题，从而降低资源能源消耗水平（程文先和钱学锋，2021）。[18]例如，融合人工智能技术的虚拟电厂、智慧能源平台可以帮助企业实施错峰用电，从而减少能源消耗和碳排放。其次，人工智能通过产业链关联效应促进绿色低碳水平提升。由于产业链关联效应，产业链上游企业的绿色化转型会通过中间产品和服务促使下游企业降低能源消耗和污染排放。反之，产业下游企业绿色低碳转型也会倒逼上游企业节能减排。而人工智能技术通过信息共享、基础设施共享等方式增强产业链关联度，从而促进绿色低碳水平提升。最后，人工智能通过更新生产设备促进绿色低碳水平提升。以工业机器人为代表的人工智能设备是人工智能技术的重要载体，随着人工智能技术广泛应用，企业需要顺应智能化转型趋势而不断更新生产设备。而这些新设备一般都是符合绿色低碳理念、更加先进环保的机器设备，对于促进节能减排、实现绿色化发展具有积极作用（戴翔和杨双至，2022）。[19]
综上所述，本文认为，人工智能可以促进城市产业结构升级、提升技术创新水平和绿色低碳水平，进而推动城市高质量发展。
（二）人工智能影响高质量发展的机制
人工智能在各行业的广泛应用会对劳动力就业产生影响，且这种影响对于不同技能的劳动力具有异质性。Acemoglu和Restrepo（2017）发现，人口增长率较低的国家会倾向于采用人工智能技术从事生产活动，以克服人口老龄化对经济发展产生的消极影响。[20]吕越等（2020）发现，人工智能技术的应用可以通过使用工业机器人替代低端环节的劳动力从而实现企业全球价值链地位的跃升。[21]因此，对于一些工作量大、重复性强和感情交互弱的岗位，当企业应用工业机器人的成本比雇佣劳动力的成本更低时，企业会为了降低生产成本而进行“机器换人”，缩减低技能劳动力的需求。这种采用工业机器人替代低技能劳动力的做法会推动劳动密集型产业向资本密集型和技术密集型转变，从而促进产业结构升级和技术创新水平提升。此外，随着人工智能应用水平的不断提升，工业机器人在生产制造环节的应用不再局限于机械臂，逐渐具备视觉识别、深度学习等能力，可以胜任智能巡检、质量检测等更复杂的工作，应用场景不断拓展，因而也会创造数据分析员、智能设备检修员、人工智能训练师、虚拟现实工程师、数据标注师等新的就业岗位，对劳动力产生新的需求。这将会提升高技能劳动力就业比重，更好地支撑人工智能技术催化衍生出的智能芯片、云计算、智能软件服务等新兴行业发展与传统行业升级。综上，人工智能应用可以替代从事低端生产环节的低技能劳动力，对高技能劳动力产生更多需求，从而实现高技能劳动力对低技能劳动力的替代效应，引导劳动力在产业之间合理流动，最终促进发展质量提升，即人工智能应用通过缩减低技能劳动力的就业份额、提升高技能劳动力就业比重来促进高质量发展。
（三）人工智能影响高质量发展的区域异质性
我国幅员辽阔，各地区经济发展水平、自然资源禀赋、人口密度等方面均存在明显差异。为推动区域协调发展，我国先后推行东部沿海开放、西部大开发、东北振兴、中部崛起等战略。将四大板块进行横向对比有利于把握各地区人工智能应用水平与区域发展质量，从而明晰发展重点和方向。作为我国产业体系最为完备的地区，东部地区呈现为技术和资本相对丰富、劳动力相对短缺的要素禀赋结构特征，在新一代信息技术、大数据、集成电路、航空航天、新能源汽车等技术密集型和资本密集型产业更具有比较优势，为高质量发展和人工智能应用注入了内部动力。东部地区人工智能起步较早，企业更偏向于提高生产环节的智能化水平以降低人力资源成本，吸引更多的高技能劳动力集聚，并将失去比较优势的劳动密集型产业逐渐向中部地区和西部地区转移。对于中部地区而言，要素禀赋结构呈现劳动力相对丰富而技术和资本相对稀缺的特点，劳动密集型产业迅速发展，食品加工业、有色金属加工业、纺织服装产业等传统行业比重较高。虽然中部地区人工智能正在兴起，但应用水平不高。西部地区产业结构主要以能源和资源型产业为主，发展内生动力不足，新兴产业起步较晚且发展缓慢，“机器换人”进程较为滞后。东北地区作为我国重要的工业基地与粮食主产区，曾经的重工业优先发展战略导致其产业结构较为单一，农业虽比重较大但农业现代化发展进程较为滞后。尤其是一些老工业基地城市和资源枯竭型城市以往过度依赖某一个产业，当该产业失去竞争优势时，接续替代产业尚未发展成熟，导致劳动力大量流失和产业持续衰退（叶云岭和吴传清，2020）。[22]因此，无论是人工智能应用水平，还是就业结构抑或区域发展质量，四大板块之间均存在明显差距（耿子恒等，2021）。[23]综上所述，本文认为，人工智能应用对高质量发展的影响可能存在区域异质性。
三、研究方法与变量说明
（一）研究方法
为考察人工智能应用对高质量发展的影响，本文构建如下基于面板数据的基准回归模型：
（1）
其中，i表示城市；t表示年份；HQ为被解释变量，表示城市发展质量；Robot为解释变量，即城市层面机器人安装密度，用以表征人工智能应用水平；X为影响发展质量的一系列控制变量，包括经济发展水平、人口密度、对外开放水平、环境规制强度和城镇化水平；μi和γt分别代表个体固定效应和时间固定效应；εit为随机误差项。
为进一步检验不同技能劳动力为主导的就业结构在人工智能应用与城市发展质量之间的作用机制，本文引入就业结构与人工智能应用水平的交互项，构建如下调节效应模型：
（2）
其中，Work为劳动力就业结构，用高技能劳动力与低技能劳动力的比值表示；Robot×Work是就业结构与人工智能应用水平的交互项。若系数α3显著，则表明存在调节效应。
（二）变量说明
被解释变量是高质量发展。本文从产业结构、技术创新水平和绿色低碳水平三个维度来构建高质量发展测度指标体系，并采用主成分分析方法确定权重。产业结构分为产业结构高级化和产业结构合理化，以第三产业和第二产业的产值之比对产业结构高级化进行测度，产业结构合理化则选用泰尔指数进行测度（赵涛等，2020）。[24]技术创新是高质量发展主要特征之一，只有不断提升技术创新水平才能从根本上改变受制于人的局面。本文从创新投入和创新产出两个角度来衡量技术创新水平。其中，研发经费投入是进行技术创新活动的前提和基础，但创新投入具有回报周期长、风险高的特点，因而研发经费的主体是政府用于科学技术研发的财政支出（余泳泽和夏龙龙，2022）；专利授权数可用于衡量创新产出水平（Wagner和Wakeman，2016）。[25，26]绿色低碳水平从绿色生产效率和碳排放量两个层面测度，选用非径向方向距离函数在超效率数据包络分析（DEA）框架下测算城市层面绿色生产效率，借鉴联合国政府间气候变化专门委员会的方法测算城市层面工业碳排放量。高质量发展指标构成如表1所示。
表1 高质量发展指数
解释变量为人工智能应用水平。工业机器人应用于生产活动是人工智能技术与产业融合的典型特征。工业机器人具有自主性、适应性和自动化的特点，成为推动第四次工业革命的重要引擎。因此，用工业机器人密度表示人工智能应用水平。借鉴Acemoglu和Restrepo（2020），本文选用行业层面的工业机器人数量、城市16～64岁适龄劳动力数量和各产业就业数量构建城市层面工业机器人密度指标。[3]本文将企业所属行业分为农林牧渔业、采矿业、制造业、电燃水气供应业、建筑业和教育业六类。
调节变量是就业结构。参考汪前元等（2022），本文将城市层面的就业结构分为高技能劳动力与低技能劳动力两类。[4]高技能劳动力采用大专及以上学历就业人数占就业总人数的比重表示；低技能劳动力采用大专以下学历就业人数占就业总人数的比重表示。
控制变量包括：（1）经济发展水平，用人均国内生产总值表示。（2）人口密度，用单位面积的人口数表示。（3）对外开放水平，用外商直接投资占国内生产总值的比重表示。（4）环境规制强度，用各城市环境规制相关词频表示。（5）城镇化水平，用城市人口占总人口的比重表示。
工业机器人数据来源于国际机器人联合会，其他数据来源于《中国统计年鉴（2009—2020）》《中国城市统计年鉴（2009—2020）》、各市第六次人口普查等。本文以2008年为基期，选用国内生产总值平减指数法对文中所涉及的变量进行调整以消除价格因素的扰动。
四、实证结果分析
（一）基准回归结果
表2报告了人工智能应用对城市高质量发展指数的基准估计结果。由列（1）可知，人工智能应用可以显著促进高质量发展。高质量发展的关键在于突破低端锁定的产业结构、摆脱受制于人的技术创新水平、摒弃高污染高排放的生产方式，而人工智能应用可以显著促进产业结构升级、提升技术创新水平和提升绿色低碳水平，对高质量发展表现为显著的正外部性。
表2 基准回归结果
注：括号内为t值；***、**和*分别表示1%、5%和10%的显著性水平。
由列（2）可知，人工智能应用可以显著促进产业结构升级。可能的原因是人工智能可以通过促进服务业发展、制造业服务化转型和生产方式变革等方式提升发展质量。随着人工智能技术在各产业领域的广泛使用，平台经济、共享经济快速发展，催生更多顺应居民消费需求的服务业新模式、新业态，服务业比重得到提升。人工智能应用推动制造业企业服务化转型，由传统的产品设备供应转变为全生命周期服务和系统解决方案，促进制造业向“微笑曲线”两端延伸，提升产业结构高级化水平。生产方式优化可以更好地实现产业链上下游之间供需有效匹配，促进产业结构合理化发展。
由列（3）可知，人工智能应用可以显著提高技术创新水平。究其原因，随着人工智能技术发展，知识技术共享的便利性促使企业不再受限于地理距离、资源分配不均衡等因素，企业之间进行知识与信息交换将更加便捷，为企业开展联合创新提供支持保障。率先实施“机器换人”的企业会引发行业示范效应，促使其他企业加大创新投入以提升技术创新水平。人工智能应用水平较高的产业和企业一般处于领先地位，会吸引更多的资本、技术、人才等生产要素和创新资源不断向其集聚。
由列（4）可知，人工智能应用可以显著提升绿色低碳水平。这是由于人工智能应用可以帮助企业实时获取信息，灵活调度生产要素，降低资源能源消耗水平。人工智能应用会增加产业链上下游之间的关联效应，引致产业链各环节企业之间连接更加紧密，有利于产业链环节企业协同推进绿色低碳转型。工业机器人等人工智能设备正是在绿色低碳理念下应运而生的，企业应用人工智能装备会提升绿色低碳水平。
（二）稳健性检验
为检验上述回归结果的稳健性，本文对基准回归结果进行稳健性检验，结果如表3所示。首先，替换解释变量。采用机器人存量测算城市层面机器人安装密度，回归结果如列（1）所示。其次，由于人工智能对高质量发展的影响存在滞后性，因此进一步检验滞后性是否对基准回归结果造成影响，回归结果如列（2）所示。内生性问题如果存在，则意味着人工智能本身也更倾向于进入经济发展质量更高的城市。本文选用如下两种工具变量解决内生性问题：第一，美国、德国和日本机器人安装数量均值。随着经济全球化与国际竞争格局演变，各制造业大国对人工智能技术和设备的应用规模具有较高的趋同性。美德日工业机器人应用所带来的溢出效应与中国工业机器人安装密度相关，但是其对中国城市高质量发展没有直接影响，满足工具变量外生性要求。第二，世界工业机器人安装总数与中国安装数量的差值。随着第四次工业革命的到来，世界各主要国家纷纷致力于人工智能技术的研发与应用，这与中国人工智能技术发展密不可分，但是与中国城市高质量发展并无直接关系，因而也满足工具变量选择要求。采用上述工具变量对基准模型重新回归，第一阶段和第二阶段的回归结果分别如列（3）和（4）所示。可以发现，F检验接受工具变量与内生变量相关的原假设；LM统计量显著，表明不存在弱工具变量问题。在第二阶段回归结果中，人工智能应用水平的系数依然显著为正。可见，人工智能应用对发展质量呈现显著的促进作用，基准回归结果稳健。
表3 稳健性检验
注：括号内为t值；***、**和*分别表示1%、5%和10%的显著性水平。
（三）区域异质性检验
人工智能应用对发展质量影响的区域异质性回归结果如表4所示。人工智能应用水平对东部地区发展质量存在显著的正向影响，对中部地区和西部地区发展质量的影响不显著，对东北地区发展质量呈现显著的负向影响。究其原因，各地区产业发展定位和人工智能应用基础均存在明显差异。具体而言，东部地区作为全国新动能发展的引领区，致力于发展战略性新兴产业，凭借其较高的经济发展水平、完善的基础设施建设、充足的人才资源、良好的营商环境等优势，集聚了一大批高技术制造业和服务业企业，对人工智能等新兴技术具有较大需求。因此，东部地区人工智能起步相对较早，围绕人工智能核心技术、基础软硬件和场景应用，构建了较为完整的人工智能产业链，我国18个新一代人工智能创新发展试验区中有半数分布于东部地区，对高质量发展发挥了重要支撑作用。中部地区化工、建材、钢铁等传统产业比重较大，近年来通过激发内生动力和承接东部地区产业转移，建立了较为完备的现代化工业体系，全国重要先进制造业中心地位逐渐凸显，且凭借地理位置优势不断推进国际交通物流枢纽建设。发展先进制造业与现代物流对于巡检、分拣、码垛、搬运机器人存在大量需求，但是中部地区人力资源较丰富，劳动力成本相对较低，“机器换人”进程仍较为缓慢，尚未达到能够显著促进高质量发展的阶段。西部地区过去长期依赖资源型产业带动经济发展，产业基础能力较为薄弱，尚处于工业化初期和中期阶段，且伴随着人口红利逐渐消失、资源约束趋紧、区域之间合作机制不健全等问题。资源要素难以实现有效配置，技术创新水平、企业生产管理方式相对落后，产业总体层次不高，依然低端锁定于资源密集型和劳动密集型产业，对于人工智能技术和设备应用范围较为狭窄。同时，西部地区文旅、康养等生活性服务业比重逐年提升，而生活性服务业对于机器人需求量较低，因此人工智能对西部地区发展质量提升作用不显著。东北地区产业发展方向是巩固国家粮食压舱石地位，改造升级传统优势产业的同时培育壮大新兴产业。作为全国钢铁、机械、汽车重要生产基地，东北地区长期依靠要素投入拉动经济增长的方式，存在一批资源枯竭、产业衰退、结构单一型城市，传统制造业占比较高，新兴产业培育发展进程偏慢，较低的收入水平也难以吸引人工智能领域高技能人才，对于应用人工智能等新兴技术尚不具备需求规模与成熟条件。加之快速上升的要素成本导致企业利润降低，盲目购置人工智能技术和设备甚至可能挤压企业利润空间。可见，人工智能应用不能一味追求技术先进性而忽视适用性，而是要从各地区实际出发制定人工智能发展策略。
表4 区域异质性检验
注：括号内为t值；***、**和*分别表示1%、5%和10%的显著性水平。
（四）机制分析
以不同技能劳动力为导向的就业结构对人工智能与高质量发展的调节效应回归结果如表5所示。可见，人工智能应用水平与低技能劳动力的交互项对高质量发展表现为显著的负向影响，人工智能应用水平与高技能劳动力的交互项对高质量发展表现为显著的正向影响。随着人工智能技术应用场景更加广泛，工业机器人可以取代重复性强、劳动强度大、程序量化、可标准化的工作，而且可以承担更长时间、更高强度的工作。因此，工业机器人对低技能劳动力产生替代效应，缩减低技能劳动力占比，从而促进企业将更多的资本投入创新研发、服务售后、销售管理等环节，引致产业结构转型升级和绿色技术创新水平提升。人工智能技术的普及会对高技能劳动力产生更多需求，高技能劳动力与工业机器人的系统交互与密切协作将会共同推动生产方式向效率型、创新型转变，对生产流程进行动态优化，从而促进高质量发展。
表5 机制分析回归结果
注：括号内为t值；***、**和*分别表示1%、5%和10%的显著性水平；列（1）和列（2）中，就业是指低技能劳动力；列（3）和列（4）中，就业是指高技能劳动力。
从区域异质性角度考察就业结构对人工智能与高质量发展的影响，回归结果如表6所示。对于东部地区而言，低技能劳动力会抑制人工智能对于高质量发展的影响效果，但这种抑制作用不显著；高技能劳动力会显著促进人工智能对于高质量发展的影响效果。究其原因，东部地区集聚了大量高技能劳动力，这些高技能劳动力与工业机器人协同工作，形成合力，强化了人工智能对于高质量发展的影响效果；而“机器换人”引致低技能劳动力占比较低，因而低技能劳动力调节作用并不显著。对于中部地区而言，低技能劳动力会抑制人工智能对于高质量发展的影响效果，但这种抑制作用不显著；高技能劳动力会促进人工智能对于高质量发展的影响效果，但这种促进作用不显著。中部地区劳动力资源丰富，呈现为低技能劳动力过剩、高技能劳动力短缺的结构，人工智能专业人才较为缺乏。因此，低技能劳动力会抑制人工智能对于高质量发展的促进效果，高技能劳动力会强化这种效果。对于西部地区而言，无论是低技能劳动力还是高技能劳动力，对高质量发展的影响都不显著。西部地区人口密度低，企业“用工难”问题突出，无论是低技能劳动力还是高技能劳动力都相对缺乏。因此，低技能劳动力和高技能劳动力对高质量发展的影响并不显著。对于东北地区而言，低技能劳动力会强化人工智能对于高质量发展的抑制作用；高技能劳动力会削弱人工智能对于高质量发展的负向影响，但这种作用并不显著。究其原因，东北地区工业发展正处于新旧动能转换的阵痛期，虽然农业智能化进程稳步推进，但工业领域人工智能应用尚不具备适宜条件，盲目引进工业机器人等人工智能设备可能会挤压企业利润，对高质量发展造成负向影响。低技能劳动力无法胜任人工智能技术工作，因此会加剧对高质量发展的负向作用。高技能劳动力虽然可以对高质量发展发挥正向调节作用，但是东北地区人工智能技术领域人才缺口较大，因而这种作用并不显著。
表6 区域异质性回归结果
注：括号内为t值；***、**和*分别表示1%、5%和10%的显著性水平。
五、结论与政策建议
本文采用2008—2019年中国283个城市的面板数据，探究人工智能应用对高质量发展的影响。此外，本文进一步研究了以不同劳动力技能为主导的就业结构在人工智能应用与高质量发展之间的影响机制。研究发现：（1）人工智能应用对于高质量发展具有促进作用。人工智能通过促进服务业发展、促进制造业服务化转型和引起生产方式变革来实现产业结构升级，通过知识溢出效应、行业示范效应和优化资源配置促进技术创新水平提升，通过提高生产效率、产业链关联效应和更新生产设备促进绿色低碳水平提升。其中，人工智能应用对产业结构升级的影响大于其对技术创新水平和绿色低碳水平的影响。（2）过缩减低技能劳动力的就业份额和提升高技能劳动力就业比重可以强化人工智能应用对高质量发展的促进作用。人工智能与低技能劳动力的交互项对高质量发展表现为显著的负向作用。这是由于人工智能应用会对低技能劳动力产生替代效应，随着人工智能应用普及和低技能劳动力份额缩减，经济发展质量将逐渐提升。人工智能与高技能劳动力的交互项对高质量发展表现为显著的正向作用。这是因为高技能劳动力能够更好地与机器人等人工智能技术装备实现“人机协同”，助力人工智能应用，进而实现高质量发展。（3）人工智能应用对发展质量的影响存在区域异质性。人工智能应用显著促进东部地区高质量发展，对中部地区和西部地区发展质量的影响不显著，对东北地区发展质量呈现为显著的负向影响。从影响机制来看，在东部地区，高技能劳动力会显著促进人工智能对于高质量发展的影响效果；在东北地区，低技能劳动力会强化人工智能对于高质量发展的抑制作用。基于以上结论，本文提出如下政策建议：
第一，因地制宜制定人工智能发展策略。人工智能发展要进一步加强统筹谋划、区域协同和重点部署。东部地区要引导已有人工智能创新平台聚焦前沿理论，加强人工智能在行业实践应用中迭代创新，建设世界级先进人工智能产业集群。中部地区要更加重视技术与人才引进，加快人工智能在先进制造领域的融合应用。西部地区要围绕重庆和成都等中心城市，加快中心城市与周边地区人工智能技术协同发展，根据各行业特征实施人工智能设备引进和技术改造方案。东北地区要充分发挥沈阳、哈尔滨国家新一代人工智能创新发展试验区的辐射带动作用，以巩固粮食生产核心区为目标，促进人工智能赋能农业发展，提高农业现代化水平；推动人工智能与传统制造业深度融合，催生新兴制造业发展，以人工智能技术赋能东北老工业基地全面振兴。
第二，构建协同高效的人工智能技术创新体系。优化技术创新平台布局，鼓励企业与高校、科研院所共同成立人工智能创新中心，深化关键领域技术研发与开放合作，加强理论研究与实践应用融合，更好地发挥科技创新的引领和支撑作用。加强核心关键共性技术供给，重点面向机器学习、深度学习、机器视觉、图像处理、认知推理等技术，加快形成一批具有自主知识产权和重大国际影响力的人工智能核心技术。强化高技术人才队伍支撑，健全基础教育、高等教育、职业教育相结合的人才培养体系，构建涵盖理论科学家、算法研发工程师、人工智能训练师等面向人工智能前沿技术的人才队伍；面向劳动者定期开展技能培训，帮助其提高应用人工智能技术和设备的能力，更好实现人机协同。
第三，推动人工智能与实体经济深度融合发展。推广人工智能在实体经济领域的应用，鼓励企业在生产过程中综合运用生产智能决策、柔性制造、设备智能运维、能耗优化等技术优化资源配置与投入产出，提高企业生产效率，以试点示范带动全行业智能制造模式应用。加快人工智能产业培育，加强智能制造、智慧农业、智能建筑、智慧交通、智慧医疗等融合应用，培育发展智能机器人、智能网联汽车、智能安防、智能家居等人工智能产业。推动人工智能企业发展壮大，精准对接人工智能企业需求，对重点企业实施“一企一策”，培育一批具有核心竞争力和生态主导力的人工智能“链主”企业，带动大中小企业融通发展；加快人工智能服务型企业发展，打造一批面向人工智能企业提供各类专业化服务的“瞪羚企业”和“独角兽企业”。
参考文献
[1]李鹏.新一轮技术革命背景下智能化转型与高质量发展[J].当代财经,2021,(10):3-15.
[2]张春芳,徐艳玲.习近平人工智能发展重要论述：形成逻辑、内涵意蕴及实践方略[J].河南师范大学学报（哲学社会科学版）,2022,(1):17-24.
[3]Acemoglu D.,Restrepo P..Robots and Jobs:Evidence from US Labor Markets[J].Journal of Political Economy,2020,128(6):2188-2244.
[4]汪前元,魏守道,金山,陈辉.工业智能化的就业效应研究——基于劳动者技能和性别的空间计量分析[J].管理世界,2022,(10):110-126.
[5]李蕾,刘荣增.产业融合与制造业高质量发展：基于协同创新的中介效应[J].经济经纬,2022,(2):78-87.
[6]付晨玉,杨艳琳.中国工业化进程中的产业发展质量测度与评价[J].数量经济技术经济研究,2020,(3):3-25.
[7]史丹，李鹏.我国经济高质量发展测度与国际比较[J].东南学术，2019,(5):168-180.
[8]黄阳平，刘妍璇.产业结构调整中的“结构负利”规避和经济高质量发展[J].东南学术，2020,(4):117-125.
[9]韩永辉,黄亮雄,王贤彬.产业政策推动地方产业结构升级了吗?———基于发展型地方政府的理论解释与实证检验[J].经济研究,2017,(8):33-48.
[10]程强,武笛.科技创新驱动传统产业转型升级发展研究[J].科学管理研究,2015,(4):58-61.
[11]张伟.我国绿色低碳的现代产业发展新体系特征[J].经济问题探索,2015,(8):94-98.
[12]邱振卓.低碳经济视域下加快我国产业转型升级的对策[J].经济纵横,2016,(5):57-60.
[13]田秀娟,李睿.数字技术赋能实体经济转型发展———基于熊彼特内生增长理论的分析框架[J].管理世界,2022,(5):56-74.
[14]魏丽莉,侯宇琦.数字经济对中国城市绿色发展的影响作用研究[J].数量经济技术经济研究,2022,(8):60-79.
[15]韩峰,阳立高.生产性服务业集聚如何影响制造业结构升级？———一个集聚经济与熊彼特内生增长理论的综合框架[J].管理世界,2020,(2):72-94+219.
[16]Aghion P.,FestréA..Schumpeterian Growth Theory,Schumpeter,and Growth Policy Design[J].Journal of Evolutionary Economics,2017,27(1):25-42.
[17]方晓霞，李晓华.异质化国内市场扩张与中国产业发展：以工业机器人产业为例[J].齐鲁学刊，2022,(4):116-130.
[18]程文先,钱学锋.数字经济与中国工业绿色全要素生产率增长[J].经济问题探索,2021,(8):124-140.
[19]戴翔,杨双至.数字赋能、数字投入来源与制造业绿色化转型[J].中国工业经济,2022,(9):83-101.
[20]Acemoglu D.,Restrepo P..Secular Stagnation?The Effect of Aging on Economic Growth in the Age of Automation[J].American Economic Review,2017,107(5):174-179.
[21]吕越,谷玮,包群.人工智能与中国企业参与全球价值链分工[J].中国工业经济,2020,(5):80-98.
[22]叶云岭,吴传清.中国收缩型城市的识别与治理研究[J].学习与实践,2020,(5):32-41.
[23]耿子恒,汪文祥,郭万福.人工智能与中国产业高质量发展———基于对产业升级与产业结构优化的实证分析[J].宏观经济研究,2021,(12):38-52+82.
[24]赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展———来自中国城市的经验证据[J].管理世界,2020,(10):65-76.
[25]余泳泽,夏龙龙.城市财政自主权能提升技术创新水平吗———来自城市和工业企业的证据[J].当代财经,2022,(1):40-52.
[26]Wagner S.,Wakeman S..What Do Patent-based Measures Tell Us about Product Commercialization?Evidence from the Pharmaceutical Industry[J].Research Policy,2016,(5):1091-1102.
叶云岭，中国社会科学院工业经济研究所博士后，经济学博士，主要从事产业经济研究。
史丹,叶云岭.人工智能、就业结构与高质量发展[J].当代财经,2023,(05):3-14.
