人工智能类物化技术的就业补偿效应
蔡啸1,王林辉2
（1.东北师范大学 经济学院，吉林 长春130117；2.华东师范大学 经济与管理学部，上海200241）
［摘 要］ 构建内生人工智能类物化技术的一般均衡模型，演绎生产中人工智能类物化技术对劳动供给变化的内生反映机制，考察劳动要素供给对产出的直接效应以及通过改变人工智能类物化技术使用产生的就业补偿效应；结合我国制造业2005—2016年面板数据，验证了人工智能类物化技术就业补偿效应的存在性及其对经济增长的影响程度，并测算了我国人工智能类物化技术使用规模的门槛值。结果显示（：1）人工智能类物化技术的就业补偿效应对产出的作用方向与要素供给效应相反，其能够对就业缺口形成补充。若人工智能类物化技术使用规模大于其门槛值，则就业补偿效应大于要素供给效应，并能够完全补充劳动力缺口。（2）我国制造业中人工智能类物化技术的就业补偿效应显著，且已接近门槛值。中低端人工智能类物化技术的就业补偿效应强于高端人工智能类物化技术；在中低技术制造业中，人工智能类物化技术的使用程度较高，但就业补偿效应不显著，而高技术制造业中人工智能类物化技术就业补偿效应明显。
［关键词］ 人工智能；物化技术；就业补偿效应；经济增长
一、问题提出及文献综述
自改革开放以来，我国经济一直保持高速增长，多数学者认为这很大程度上依赖于劳动力的充分供给所形成的人口红利。研究显示，总产出增长中约有1/3的贡献度可以由青年人口比例上升引致的人口结构变化来解释① 蔡昉，王美艳：《中国城镇劳动参与率的变化及其政策含义》，《中国社会科学》2004年第4期，第68-79页。 ② 陆旸，蔡昉：《从人口红利到改革红利:基于中国潜在增长率的模拟》，《世界经济》2016年第1期，第3-23页。 。自2000年后，我国进入老龄化社会，我国老年抚养比由1998年的9.9%持续上升至2016年的15%，人口年龄结构发生明显变化。国内外大部分研究认为，由人口老龄化等因素产生的劳动供给减少会使产出增长速度放缓③ Faruqee,Hamid,Martin Mühleisen.“Population Aging in Japan:Demographic S hock and Fiscal Sustainability.”Japan and the World Economy15.2，2003，pp.185-210。 ④ 刘成坤，赵昕东：《人口老龄化对经济增长的影响及溢出效应研究——基于空间杜宾模型》，《经济问题探索》2018年第6期，第21-32页。 。Brunow&Hirte 基于新古典增长模型提出，人口年龄结构变化会显著影响经济增长，实证检验了欧洲15国劳动力年龄结构与经济增长的关系，结果显示年龄在30～44岁之间的劳动人口对经济增长的作用最为显著，而人口老龄化会降低这部分人口的比例，抑制经济增长⑤ Brunow,Stephan,Georg Hirte.“Age Structure And Regional Economic Growth.”Jahrbuch für Regionalwissenschaft26.1，2006，pp.3-23. 。Chun构建一般均衡模型并采用数值模拟的方法模拟了韩国人口老龄化对经济增长的作用，结果发现人口老龄化会通过抑制经济中的技术创新对经济增长产生负面影响① Chun,Young Jun.“The Growth Effects of Population Aging in an Economy with Endogenous Technological Progress.”Growth29.1，2013，pp.51-80. 。胡鞍钢等以Solow 增长理论为基础，假设生产函数为CD形式，理论推演人口增长对经济增长的影响，并利用我国1990—2008年省级面板数据验证了理论模型的结果，指出我国区域经济发展存在收敛特征，人力资本投资、储蓄率和劳动参与率对经济增长有显著的正向作用② 胡鞍钢，刘生龙，马振国：《人口老龄化、人口增长与经济增长——来自中国省际面板数据的实证证据》，《人口研究》2012年第3期，第14-26页。 。刘穷志和何奇构建了以世代交替模型为基础的理论模型，考察了人口老龄化影响经济增长的内在机制以及政府财政政策的作用，发现人口老龄化对经济增长的作用方向正在发生改变，从最初的正向作用转为负面作用③ 刘穷志，何奇：《人口老龄化、经济增长与财政政策》，《经济学:季刊》2012年第4期，第119-134页。 。刘永平和陆铭提出，我国人口老龄化对经济增长的作用依赖于老龄化程度、实物资本和教育资本的产出弹性，其总效应的方向并不确定④ 刘永平，陆铭：《从家庭养老角度看老龄化的中国经济能否持续增长》，《世界经济》2008年第1期，第65-77页。 。
在自己所讲授的课程中尝试使用。但这也只是一种教学模式，不可千篇一律，照抄照搬，要根据每门课程的特点，遵循“宜翻则翻”的原则，并非所有有关高等教育翻转学习的研究都有积极的效果[12]。教师应从实际情况出发，根据学生的特点和课程的特点，完成教学任务，从而达到培养目标。
有学者针对发达国家的相关研究发现，人工智能类物化技术的使用会通过降低生产成本的方式，诱发企业在生产中使用自动化或机器人从事劳动工作，会对劳动力形成替代，进而弥补劳动力短缺⑤ Aghion,Philippe,Peter Howitt.“Growth and unemployment.”The Review of Economic Studies61.3，1994，pp.477-494. 。Autor构建了机器设备与自动化对就业影响的静态模型，计算机技术成本下降推进了技术普及，企业将增加计算机投资同时削减劳动就业，形成替代效应⑥ Autor,David H.,Frank Levy,Richard J.Murnane.“The Skill Content of Recent Technological Change:An empirical Exploration.”The Quarterly journal of economics118.4，2003，pp.1279-1333. 。Benzell et al.在一个跨期迭代OLG 模型中讨论机器人对劳动力替代的问题，其假设机器人能完全代替低技能劳动生产任务，但只能部分替代高技能劳动工作，这将导致劳动收入被削减，从长期来看资本与储蓄也会下降⑦ Benzell,Seth G.,et al.Robots are us:Some Economics of Human Replacement.No.w20941.National Bureau of Economic Research,2015. 。Acemoglu&Restrepo 通过对发达国家1990到2015年的经济增长和人口结构数据进行了实证分析，结果显示劳动供给下降对经济增长具有正面促进作用，在劳动供给下降越快的国家机器人使用越多，表明人工智能类物化技术对劳动的替代，补偿了劳动供给不足对经济增长的抑制作用，但这种作用需要资本足够丰富以形成低利息率条件⑧ Acemoglu,Daron,Pascual Restrepo.“Secular Stagnation?The Effect of Aging on Economic Growth in the Age of Automation.”American Economic Review107.5，2017，pp.174-79。 ⑨ Acemoglu,Daron,Pascual Restrepo.Robots and Jobs:Evidence from US Labor Markets.No.w23285.National Bureau of Economic Research,2017. 。
关于物化型技术与劳动力的关系问题，国内学者也进行了诸多研究。姚战琪和夏杰长基于我国31个省市区截面数据分析了投资、人力资本、技术进步、城市化以及产业结构变化对就业的影响，实证结果显示我国资本与劳动呈替代关系，技术进步会通过这种替代关系减少就业⑩ 姚战琪，夏杰长：《资本深化、技术进步对中国就业效应的经验分析》，《世界经济》2005年第1期，第58-67页。 。叶仁荪等（2008）基于我国1990—2005年省级面板数据，运用DEA 方法测算了样本时间内我国各省全要素生产率，针对技术进步的就业效应进行了回归分析⑪ 叶仁荪，王光栋，王雷：《技术进步的就业效应与技术进步路线的选择——基于1990—2005年中国省际面板数据的分析》，《数量经济技术经济研究》2008年第3期，第137-147页。 。实证结果显示，技术进步在总体上推进了我国产业就业结构优化，但现阶段技术进步对我国就业增长存在挤出效应。唐国华运用结构VAR 模型分析了我国技术创新与就业的动态关联机制。实证结果显示，技术创新与就业存在反向变动关系。在技术创新初期，其对就业增长的“破坏”效应最大，随着时间推移逐步减小，在长期技术创新将不会影响就业增长⑫ 唐国华：《技术创新的动态就业效应:基于结构VAR 模型的实证研究》，《科学学与科学技术管理》2011年第4期，第72-77页。 。巫强对我国上市公司的雇佣规模与技术进步以及工资波动的关系进行了实证检验，结果发现技术进步和工资增长对企业的雇佣规模有显著的负向影响，营业收入则有显著的正向影响⑬ 巫强：《资本深化、技术进步与雇佣规模调整》，《中国人口·资源与环境》2013年第6期，第160-168页。 。从企业所有制角度分析，技术进步对民营企业就业的影响更为显著，而国有企业就业规模受工资增长的影响更大。
纵观国内外研究成果，现有研究大多从劳动参与率、劳动生产率、投资以及储蓄角度分析劳动供给变化的经济影响，较少从技术进步特别是人工智能类物化技术视角，探究物化技术对劳动就业的补偿效应。Acemoglu&Restrepo 认为在劳动供给减少的情况下，人工智能类物化技术能够对就业形成补偿效应，抑制产出的下降趋势，甚至在满足一定条件时，补偿效应会使得产出在劳动供给下降时仍能保持增长。为此，本文尝试在以下方面做出贡献：第一，以Acemoglu&Restrepo2017年的理论研究为基础，构建内生物化技术的一般均衡模型，刻画人工智能类物化技术对劳动供给变化的内生反映机制，分解产出增长中的劳动要素供给效应与技术补偿效应，获取使技术补偿效应超越要素供给效应的人工智能类物化技术门槛条件，将对经济增长和技术进步领域的研究形成有益的补充。第二，利用我国12个制造业2005—2016年相关面板数据，采用面板数据固定效应模型分析人工智能类物化技术对产出的技术补偿效应的存在性及影响，依据估计结果计算我国人工智能类物化技术门槛值，验证理论研究结论。并将人工智能类物化技术细分为高端物化技术与中低端物化技术，分别进行实证检验以考察不同行业中不同物化技术补偿效应差异。
经过两年的技术研究与实践，逐步形成了高分辨率遥感影像辅助生态清洁小流域建设审批工作新模式，在专家评审会上起到了良好的辅助效果，并得到了好评。本项工作能够有效地发现以下几类现象：
二、内生物化技术一般均衡模型
控制变量中，资本存量、行业盈利企业占比以及外商投资均对产出有显著的正向作用，出口交货值占比对产出有显著的负向作用，行业规模和能源消耗对产出的作用不明显。现阶段我国制造业主要以满足内需为主，出口交货值占比数值较小（仅计算机、通信和其他电子设备制造业出口占比较高），出口交货值占比扩大可能会影响国内贸易，从而降低产出水平。
其中i =∈[N -1,N ]为生产任务序号，y (i )为i 任务的产品，N 代表了任务的边界，任务的总量被控制为1。企业根据劳动工资W 与资本价格（利息率）R 来进行生产决策。存在一个技术边界M ：若i ≤M ，则任务i 由机器以生产率θK (i )生产；若i ＞M ，则任务i 不能由机器生产，只能由劳动以生产率θI (i )生产① dθ k (i )/di ＞0.d [θ l (i )/θ k (i )]/di ＞0。假设使用物化技术需要支付的研发成本函数为C (x )⋅Y ，其中x 为使用机器生产的任务比例。劳动供给外生无弹性，用L 表示社会劳动总量。机器设备由资本购买，社会总投资K 同样外生且无弹性。最终产品生产厂商会选择合适的物化技术规模M 和y (i )以达到利润最大化：
其中p (i )为y (i )的价格，利用一阶条件并加总可得总量生产函数为② 由于篇幅限制，此处未列出具体推导过程，如有疑问可以联系作者。
[21] 费琅辑注 耿升等译，《阿拉伯波斯突厥人东方文献辑注》[M]，北京：中华书局,1989年，P216.
将（3）式带入厂商最优化问题（2），对λ 求导可得最优的技术使用规模λ *满足：
为便于分析（4）式所表达的均衡含义，我们将设定研发成本函数与生产率函数的具体形式。假设C (λ )和θl (i )/θk (i )满足
,此时有
企业的物化技术规模依赖于要素禀赋。劳动人口越多，资本存量越少，对于物化技术的使用规模越小；反之，劳动人口稀缺，资本相对充裕，则对物化技术使用规模越大，物化技术与就业存在相互替代的关系。由于在（4）式中笔者发现内生物化技术与劳动供给存在替代关系，下面将考察劳动供给变化通过改变技术使用规模对总产出的间接影响：
推论1：劳动供给对总产出的作用可分为要素供给效应和就业补偿效应，要素供给效应为正，就业补偿效应为负。在劳动供给下降时，由于物化技术存在与劳动的替代关系，其使用规模将随着劳动供给数量下降而不断升高，要素供给效应随之下降，而就业补偿效应随之上升。
在上式（5）中，为区分劳动供给对产出的不同影响，我们称源于劳动供给对产出的直接影响为劳动的要素供给效应，称物化技术使用随劳动供给变化产生反向变动，进而对产出造成的间接影响为就业补偿效应。劳动供给变化影响产出的总效应等于供给效应与补偿效应之和。由前述分析可知，要素供给效应为正，就业补偿效应为负。若劳动供给不断下降，根据（4）式，λ *将不断增加。在λ *增长至一定水平时，供给效应将小于补偿效应，总效应由正转负，劳动供给减少将提高总产出。在此，称使得总效应由正转负的λ *门槛值为
̑，即当λ *≤
̑时，劳动供给对产出的总效应为正；当λ *＞
̑时，劳动供给对产出的总效应为负。
将C (λ )和θl (i )/θk (i )的解析形式带入（5）有：
老陈咧嘴一笑，说那一巴掌啊，打得我都懵了。我活了一把年纪了，还从没有人打过我耳光呢。老陈摸了摸脸，皱了一下眉头，好像疼痛还没有过去一样。已到吃晚饭时间，我说去打饭，老陈从枕头下面抽出一张钞票来要给我。我说，陈师傅，你要是这样可就见外了。见我是认真的，老陈又把那张钞票塞回枕头底下了。我打饭回来，叫老陈吃饭，他身子扭动了一下，似有难言之隐。我问他是不是要小便，他点了点头，不好意思地笑了笑。我说，陈师傅，有什么事您老尽管吱声，都是男人，没有什么不能说的。老陈点着头，说我这辈子都是伺候别人，还从没被别人伺候过呢。
可以证明，若τ ＜21，则必然存在 ⁀
，满足
时
Xit 为模型控制变量，主要包括：（1）资本存量(l nk )，以行业固定资产合计来表示。（2）行业规模(n um )，以行业当年企业单位数量度量。（3）行业盈利企业占比(p rofit )，以行业中盈利企业数量占企业总数的比例来表示。（4）外商投资(f di )，以本行业所有者权益中外商投资占比代表行业外商投资情况。（5）出口(e x )，以本行业出口交货值占总销售产值的比例代表行业出口能力。（6）能源消耗(e lec )，以行业当年电力消耗水平为行业能源消耗指标。上述数据均来自《中国工业经济统计年鉴》，其中资本存量以1990年为不变价进行平减，资本存量、行业规模、能源消耗均作对数化处理。主要变量的描述性统计见表1。
三、物化技术就业补偿效应实证检验
（一）计量模型构建与变量说明
本节将对前述理论模型中，产出增长中物化技术的就业补偿效应进行检验。在产出方程中引入物化技术与劳动交叉项的方式，通过估计交叉项系数检验就业补偿效应，基本回归方程如下：上面回归方程中，劳动供给对产出的直接效应即要素供给效应由系数a 1表示，而就业补偿效应由交叉项a 3techi ,t ∗lnlit 表示，劳动对产出影响的总效应为a 1+a 3techi 。根据理论模型，应有a 1＞0，a 3＜ 0，而物化技术门槛值
当物化技术跨越门槛值后，劳动供给对产出将呈负向作用，即总产出可实现持续稳定增长。
进一步将样本12行业细分为高技术制造业与中低技术制造业，分析两类物化技术补偿效应的差异。其中交通设备制造业、计算机、通信和其他电子设备制造业、电气机械及器材制造业、通用设备制造业和专用设备制造业为高技术制造业，食品制造业、酒、饮料和精制茶制造业、烟草制品业、化学原料及化学制品制造业、医药制造业、非金属矿物制品业、金属制品业为中低技术制造业。仍然应用面板数据固定效应
其中
总量生产函数呈CD 生产函数形式，λ 为使用物化技术进行生产的任务比例，即物化技术规模。同时λ 也代表了资本的收入份额。（3）式与传统CD 函数的差异在于，物化技术的使用规模不仅影响总生产效率A (λ )，同时也会影响资本劳动收入份额λ 和1-λ 。
lnY 代表行业工业销售产值的对数，ln1为行业的平均用工人数对数值。tech 代表行业对物化技术的使用规模，由于其具体数据难以获取，用我国进口工业自动化机器人数量进行替代。工业自动化机器人在HS2002六位数编码体系中主要包括851531（电弧焊接机器人）、847950（多功能机器人）、851521（电阻焊接机器人）、851580（激光焊接机器人）。考虑到进口机器设备的运输和安装时间滞后，本文以我国上述四类自动化机器人2004—2015年（滞后一年）进口数量代表我国工业企业对人工智能类物化技术使用，数据来源于联合国贸易发展数据库（UNCTAD）。为分析不同类型机器人对就业补偿效应差异，本文还将tech 分为高端物化技术techhi 和中低端物化技术techlow ，其分别对应多功能机器人（847950）和焊接机器人（851521、851531、851580）。
表1 主要变量统计描述
推论2：研发成本函数满足一定条件时，物化技术使用规模存在门槛值。若物化技术的使用规模小于门槛值，供给效应大于补偿效应；若物化技术的使用规模超过门槛值，补偿效应大于供给效应。如果劳动供给持续下降，则物化技术使用规模将不断上升，最终跨越其门槛值，总产出则先下降后上升，呈U型变化趋势。
（二）物化技术补偿效应实证检验
为验证物化技术对经济增长补偿效应的存在性，本文首先对无交叉项的模型（1）进行回归。在模型（1）中，劳动与物化技术独立地影响总产出，结果显示，物化技术对产出有显著的正向作用，而劳动的作用却并不显著。这吻合我们的理论分析：当存在物化技术的就业补偿效应，并且其强度与劳动的要素供给效应接近时，劳动对产出的总效应会接近于0，导致统计上不显著，即模型（1）遗漏了关键变量。对比模型（2）可以明显看到，在原方程中加入物化技术与劳动的交叉项后，劳动本身和交叉项的系数都显著不为0。劳动的系数为正，其反映了劳动对产出的要素供给效应，劳动供给增加对产出有正向作用。劳动与物化技术的交叉项系数显著为负，代表物化技术的就业补偿效应存在，其对产出的作用方向与要素供给效应相反。根据模型（2），劳动对产出的总（边际）效应可以写成(0 .88-0.0752⋅tech )，物化技术越大，劳动的总效应越小。根据估计结果计算物化技术门槛值
=11.70，接近样本数据物化技术的最大值，这说明我国物化技术的使用规模正在跨越其门槛值，此时劳动的要素供给效应与技术补偿效应接近，总效应在0附近，这解释了模型（1）中劳动的系数不显著的内在原因。
由于2008年金融危机对我国本土经济、国际贸易以及货币政策都有较大的影响，为排除其干扰，在模型（3）中加入2008年的时间虚拟变量，其设定为在2008年以前取值为0，2009年及以后取值为1。将虚拟变量与劳动和物化技术的交叉项相乘放入模型。观察估计结果可知，劳动、物化技术以及二者交叉项的估计系数均显著，且系数符号与模型（2）一致，加入虚拟变量仅使得主要变量的系数值产生微小变化。而虚拟变量与补偿效应的交叉项系数并不显著，即2008年金融危机对物化技术的就业补偿效应影响有限。
在模型（4）和模型（5）中，本文进一步将物化技术拆分为高端物化技术和中低端物化技术，并分别检验了其对产出增长的补偿作用。与模型（2）的结果类似，两种物化技术本身对产出的增长有显著的正向作用，劳动的要素供给效应显著为正，由劳动与物化技术交叉项代表的补偿效应系数显著为负。而对比两模型的系数发现，高端物化技术对产出的弹性系数为0.503，而中低端物化技术对产出的弹性系数为0.922，中低端物化技术对产出的影响程度更大。高复杂度物化技术的就业补偿效应系数为-0.0523，中低端物化技术就业补偿效应系数为-0.113，显然中低端物化技术的就业补偿效应也大于高端物化技术。现阶段我国制造业生产过程中，对中低端物化技术仍较为依赖，虽然高端物化技术的使用规模已然超越中低端物化技术，但其对产出的贡献及其就业效应强度都不及中低端物化技术。根据估计结果，计算两类物化技术的门槛值分别为11.36和11.04，结合表1可知，我国对两类技术的使用规模均未能达到门槛值水平，但比较接近，两类物化技术的使用规模分别提升35%和22%即可跨越其门槛值① Tech 为机器人进口数量的对数值，对数的差值换算为水平值即为增长率。，实现劳动供给下降时产出持续稳定增长。
参考A&R（2018），建立任务（task-based）模型，总产出由若干任务以CD 生产函数形式生产:
表2 物化技术就业补偿效应实证检验结果
（三）分行业物化技术补偿效应检验
选取我国2005—2016年间，工业细分行业中机器人应用较多的12个行业作为样本，具体包括：食品制造业、酒、饮料和精制茶制造业、烟草制品业、化学原料及化学制品制造业、医药制造业、非金属矿物制品业、金属制品业、通用设备制造业、专用设备制造业、电气机械及器材制造业、计算机、通信和其他电子设备制造业、运输设备制造业。其中，运输设备制造业为汽车制造业与铁路、船舶、航空航天和其他运输设备制造业的数据加总。相关数据均来自《中国工业经济统计年鉴》。其中产值和固定资产等数据均以1990年不变价进行了平减处理。
当v=vh时，弹体的侵彻模式从销蚀侵彻转变为变形非销蚀侵彻，弹头半径不再变化且与v0=vh时的弹头半径相同；当v=vr时，弹体由变形非销蚀状态转变为刚体状态，并以刚体状态继续侵彻混凝土靶体直到侵彻过程结束。此时，弹体总侵彻深度为
模型估计物化技术的补偿效应，结果如表3所示。
表3 分行业物化技术就业补偿效应实证检验结果
与模型（4）和模型（5）的估计结果类似，中低端物化技术对产出的弹性系数要高于高端物化技术。要素供给效应在高技术制造业中显著为正，而在中低技术制造业中不显著，并且就业补偿效应也仅在高技术制造业显著。其可能的原因是我国中低技术产业大多数生产过程相比高技术行业简单，易实现机械自动化，因而物化技术的要素供给效应以及就业替代效应都不显著，而提高两类物化技术却能够显著提升产出水平。高技术制造业对物化技术的使用不足，劳动要素特别是高技能劳动在生产中占据重要位置，所以要素供给效应和就业补偿效应都显著。高技术制造业两类物化技术的门槛值分别为11.50和10.90，对于高端物化技术，其最大值与门槛值差距为0.44，其水平值需提升55.3%才能达到门槛值水平，而中低端物化技术使用规模的最大值已经超越门槛值水平。在模型（6）和模型（8）中，增加高端物化技术1%，将使高技术制造业产出提升0.782%，而中低技术制造业产出仅可提升0.494%。在模型（7）和模型（9）中，增加中低端物化技术1%，将使高技术制造业产出提升1.957%，而中低技术制造业产出仅可提升0.728%。对于高技术制造业，提升中低端物化技术对产出以及就业补偿更为有利，对于中低技术制造业应更多地使用高端物化技术进行生产。
二要建立健全工程质量终身负责制，从严把好工程规划、方案编制、施工管理、检查验收等各个环节，强化科技支撑作用，加强技术指导，推行农水工程标准化设计图集，推进专业化施工，确保工程质量，并建立群众义务监督员等外部监管制度。
课堂教学，尤其是新课教授，是学生英语提升的关键。一直以来，高效课堂是学校教学不懈追求的目标。要实现高效，就要确保有效教学的覆盖面，让课堂真正成为全体学生的课堂。这就需要分层教学来实现。
四、基本结论
近年来我国制造业持续增长的同时面临劳动力供给不足的严峻挑战，多数针对经济增长的研究文献忽视了人工智能类物化技术在生产中对劳动替代所形成的技术补偿效应。本文从理论角度分析了物化技术与劳动供给的内生关联机制，分解产出增长中的劳动要素供给效应与技术补偿效应，获取使技术补偿效应超越要素供给效应的人工智能类物化技术门槛条件；结合我国制造业数据，测度了我国人工智能类物化型技术就业补偿效应的水平，分析了利用物化技术补偿劳动供给短缺，促进产出持续增长的可行性。结果显示：（1）物化技术与劳动在总量上存在替代效应，即劳动供给减少会激励企业更多地使用物化技术，形成就业补偿效应，其方向与要素供给效应相反。理论上利用物化技术的就业补偿效应能够缓解劳动供给减少对产出增长的抑制作用。（2）当研发成本函数满足一定条件时，存在物化技术使用的门槛值，当物化技术使用规模小于门槛值时，要素供给效应大于就业补偿效应，总效应为正，劳动供给减少会抑制产出增长；当物化技术使用规模因劳动供给减少最终跨越门槛值时，就业补偿效应大于要素供给效应，总效应为负，劳动供给减少会促进产出增长。（3）结合我国2005年至2016年制造业12行业数据进行面板数据固定效应回归，分析可知我国制造业中物化技术的就业补偿效应明显，2016年物化技术使用规模已接近其门槛值水平。将物化技术细分为高端物化技术和中低端物化技术后发现，中低端物化技术的就业补偿效应要大于高端物化技术。（4）对高技术制造业和中低技术制造业的回归结果显示，我国高技术制造业中两类物化技术的要素供给效应和就业补偿效应都比较显著，中低端物化技术的作用强度仍要大于高端物化技术。而在中低端技术制造业中，物化技术本身仍对产出有促进作用，但其技术补偿效应并不显著。
在超声的引导下，甲状腺结节粗针穿刺活检能够准确的诊断出结节的良性与恶性，且因粗针穿刺组织取样足，检测成功率高，对甲状腺CNB的诊断精准性高，并发症的发生率低，值得大力推广。与细针穿刺相比，粗针活检取出的组织充足，在病理分析的难度上明显低于细针的细胞学分析，更易于在基层医院开展。
基于此，本文认为，在劳动供给不足的大背景下，政府应更加重视对以机器人和人工智能技术为代表的物化技术的使用。虽然物化技术与劳动存在内生的替代关系，但劳动供给自然下降引发的物化技术使用提升是比较缓慢的，在物化技术未跨越门槛值时，产出将经历一段下降期。若政府通过减税和补贴等政策手段推进物化技术在生产中的应用，特别是高技术制造业中低端物化技术（中低端自动化机器人）的使用，则能充分发挥物化技术的补偿效应，弥补因劳动供给不足引发的增长放缓。
Effects of Employee Compensation forAI-Driven Materialized Technologies
CAI Xiao1,WANG Lin-hui2
（1.School of Economics,Northeast Normal University,Changchun 130117,China;2.Faculty of Economics and Management,East China Normal University,Shanghai 200241,China）
Abstract: With the construction of a general equilibrium model of embodied AI-driven technologies,this paper deduces the mechanism that these technologies endogenously react to the changes of labor supply in the process of production,while investigating the direct effects of supply of labor elements on output as well as the effects of employee compensation from changing these technological application.Together with the panel data of China’s manufacturing industry from2005to2016,it further tests the existence of effects of employee compensation for AI-driven materialized technologies and the degree of its impact on economic growth,and calculates the threshold value for the application scope of these technologies in China.The results are stated as follows:(1)The way that the effects of employee compensation for these technologies affect output is opposite to those effects of element supply,and can supplement the workforce gap completely.When the application scope of these technologies is wider than its threshold value,the effects of employee compensation will be larger than those of element supply,and be able to completely compensate for the workforce gap.(2)Effects of employee compensation for these technologies in China’s manufacturing industry are significant,and close to the threshold value.To put it specifically,the employee compensation effects in the medium-low AI-driven materialized technologies are more powerful than those in the high-level ones;the degree in which these technologies are utilized is higher,but their employee compensation effects are not significant in the medium-low-technology manufacturing industries,whereas those effects are significant in the high-technology manufacturing ones.
Key words: artificial intelligence;materialized technology;employee compensation effect;economic growth
［中图分类号］ F224.0；F243
［文献标志码］ A
［文章编号］ 1004-1710（2019）04-0048-08
［收稿日期］ 2019-02-25
［基金项目］ 教育部人文社会科学研究项目（19YJC790004）；中国博士后科学基金项目（2017M621182）；东北师范大学哲学社会科学校内青年基金项目（17SQ012）；华东师范大学“幸福之花”基金先导项目（2019ECNU-XFZH003）
［作者简介］ 蔡啸(1986-)，男，吉林长春人，东北师范大学经济学院讲师，博士，主要从事技术进步与就业研究。
［通信作者］ 王林辉(1973-)，女，辽宁锦州人，华东师范大学经济与管理学部教授、博士，博士生导师，主要从事技术进步与经济增长研究。
[责任编辑：靳香玲]
标签：人工智能论文; 物化技术论文; 就业补偿效应论文; 经济增长论文; 东北师范大学经济学院论文; 华东师范大学经济与管理学部论文;