姜雪

收入分配質量是衡量高質量發(fā)展的重要指標，調整優(yōu)化收入分配格局是全面建設小康社會的應有之義，更是全面實現現代化的重要內涵。當前我國收入分配格局仍然存在諸多問題，人工智能的應用疊加疫情沖擊將加快制造工廠“無人化”和服務業(yè)機器人化趨勢，這對優(yōu)化我國收入分配格局帶來更多挑戰(zhàn)。因此，分析近期人工智能的應用對我國收入分配格局帶來的挑戰(zhàn)，趨利避害應對可能產生的問題將顯得尤為重要。

一、人工智能通過資本、就業(yè)和技能渠道影響收入分配

人工智能技術是對人的智能的延伸，目前其應用領域主要包括機器人領域、語言和圖像識別領域以及能夠解決相對復雜問題的專家系統(tǒng)。無人駕駛、人臉識別、智能機器人等人工智能技術的逐步成熟將會導致一些簡單、重復和具有規(guī)律性的工作被替代。作為新一輪科技革命的主要代表，人工智能推動經濟增長的過程更多地表現為技能—資本偏向性，這種偏向性既體現在資本與勞動之間，也體現在勞動力市場內部。因此，與歷次技術革命類似，人工智能的推廣應用將會通過影響勞動與資本之間的收入分配以及就業(yè)結構影響收入分配格局。

（一）人工智能促使資本投入增加，提高資本要素分配比重

從國際經驗看，新技術變革往往會使得勞動者報酬在國民收入分配格局中的占比下降。人工智能的應用將會使更多的收入和財富向少數資本所有者聚集，從而提高資本要素分配比重，降低勞動收入份額。其主要原因是人工智能的應用推廣是資本深化的過程，在此過程中，其價格必然下降，導致越來越多的資本向新技術集中，引致資本替代勞動。長期看，人工智能的應用必然帶來生產效率的提升，進一步提高資本要素回報率，擴大勞動要素與資本要素的回報差距，從而加劇資本和勞動在要素分配格局中的占比差距。

（二）人工智能擠出和替代就業(yè)，不利于勞動收入份額提升

人工智能通過就業(yè)渠道影響勞動收入份額，突出表現在就業(yè)的破壞效應，從而降低勞動收入份額。人工智能對就業(yè)的破壞效應主要表現在兩方面，一方面人工智能有利于提高勞動生產效率和企業(yè)的管理效率，在保持原有生產規(guī)模不變的前提下會導致一些就業(yè)崗位的直接減少;另一方面人工智能的應用將提高資本的使用效率，導致資本和勞動之間的替代，從而減少對勞動者的需求。當然，也有研究表明未來隨著人工智能技術的應用推廣，人工智能會通過提高生產效率，降低生產成本和產品價格，增加消費需求，創(chuàng)造新的工作崗位。但是目前人工智能的大部分技術尚處于初步探索階段，由于技術的規(guī)模效應相對有限，對就業(yè)的替代較為明顯。被人工智能替代的勞動力多為受教育程度較低的勞動力，高端就業(yè)崗位存在著較高的準入門檻，獲取新技能需要較高的教育成本和學習能力，并且人工智能取代勞動力的速度遠超于對高端勞動力的培訓速度。有研究表明，每安裝一臺工業(yè)機器人，將替代1.6個制造業(yè)工人。因此，人工智能技術的應用會對現有勞動力結構造成沖擊，造成勞動力市場供需失衡，不利于勞動收入份額的提升。

（三）人工智能提高技能溢價①，擴大收入分配差距

一些研究表明，中低等教育水平的工作者面臨更大的被人工智能替代的風險，因為他們主要工作于最容易受自動化影響的行業(yè)。在人工智能發(fā)展初期階段，人工智能技術的應用會降低低技能勞動力的工資水平，提高技能溢價，擴大收入分配差距。首先，以先進技術和資本設備為載體的技術變革往往是技能偏向型的，先進的機器設備的應用需要擁有非常規(guī)技能的勞動者與之結合。因此，人工智能的發(fā)展對勞動者的知識水平、智力水平和創(chuàng)新能力要求越來越高，加速了勞動力技能分化進程，對高技能勞動力的需求不斷擴大，這必然導致收入分配向高技能勞動群體傾斜。其次，就業(yè)結構調整后，低技能就業(yè)崗位的就業(yè)人數將可能增長，競爭更加激烈，工資下行壓力持續(xù)擴大，導致高技能人群與低技能人群之間的工資差距不斷擴大，最終表現為收入分配向高學歷、高技能勞動者群體的不斷傾斜。

二、人工智能對我國優(yōu)化收入分配格局的挑戰(zhàn)

（一）人工智能疊加疫情增加勞動力市場供需失衡，不利于優(yōu)化收入分配格局

人工智能的推廣應用將會加大擠出低技能崗位的風險，同時會增加對高技能勞動力的需求，疊加疫情對我國經濟帶來的負面沖擊，短期內將會加劇勞動力市場供需失衡的風險。這將會在一定程度上導致勞動收入份額下降和收入差距的擴大，不利于優(yōu)化收入分配格局。

“機器換人”勢不可擋，擠出低技能崗位風險加大。近年來，我國勞動力成本不斷上漲、企業(yè)提質增效要求提高，倒逼企業(yè)“機器換人”現象明顯。2019年我國制造業(yè)規(guī)上企業(yè)平均工資為70494元，較2013年增加27583元，增長64%。國際機器人聯(lián)合會（IFR）數據顯示，工業(yè)機器人作為人工智能的重要載體，在我國每萬名制造業(yè)工人擁有量正在迅速增長，2016年起已經超過世界平均水平。以工業(yè)機器人為例，電氣電子設備和器材制造連續(xù)三年成為我國市場的首要應用領域，2018年銷量4.6萬臺，占我國市場總銷量的29.8%，其次為汽車制造業(yè)，2018年占比為25.5%，金屬加工業(yè)和食品制造行業(yè)的機器人銷量占比緊隨其后。相應地，這些行業(yè)就業(yè)人數在不斷減少。電子機械及器材制造業(yè)從業(yè)人員由最高時2013年2月的616.9萬人降低到2018年12月的547萬人，減少了69.9萬人。汽車制造業(yè)、金屬加工業(yè)和食品制造業(yè)的從業(yè)人員近幾年也均出現減少的情況，就業(yè)崗位的減少必然會加劇失業(yè)風險，在一定程度上降低勞動收入份額。

疫情蔓延加劇結構性失業(yè)風險，進一步擴大收入分配差距。隨著新冠疫情在全球的蔓延，對我國就業(yè)市場的沖擊越來越大。雖然目前城鎮(zhèn)調查失業(yè)率上升幅度不大，但對就業(yè)形勢的判斷不應僅關注失業(yè)率，當前還有很大一部分非失業(yè)群體面臨著不充分就業(yè)的問題。有預測顯示，我國已經有超過1億人的就業(yè)因疫情受到不同程度的影響，包括約400萬新增失業(yè)者，2600萬因疫情退出勞動力市場的人以及7500萬休假不上班的人。中央政治局會議將“保居民就業(yè)”置于“六?！敝滓矎膫让娣从吵霎斍熬蜆I(yè)形勢的嚴峻。受疫情沖擊較為明顯的行業(yè)包括餐飲住宿、交通運輸等行業(yè)。隨著國外疫情的持續(xù)蔓延，出口外向型企業(yè)受到疫情的沖擊也很明顯，而這些行業(yè)多為低技能勞動力密集的行業(yè)。有部分企業(yè)出于壓低生產經營成本的考慮，或者因為疫情防控安全的需要，加快了“機器換人”的速度。因此，人工智能應用疊加疫情將會增加低技能勞動力失業(yè)風險。

人工智能迅速發(fā)展，高端人才供給不足，擴大不同群體收入差距。在“新基建”的熱潮下，人工智能領域迅速發(fā)展。雖然目前我國人工智能領域的論文總量、被引論文數量等方面處于領先地位，但在人工智能領域高端人才儲備方面存在明顯短板，人才總量和質量均不能滿足人工智能快速發(fā)展的需求，特別是高端和領軍人才比較缺乏。相關數據顯示，2020年我國人工智能人才缺口達500萬人。但是眾多高校人工智能專業(yè)尚未形成成熟的人才培養(yǎng)方案，且合格的AI人才培養(yǎng)所需時間相對較長，因而這方面高端人才的需求短期內無法快速彌補。因此，在高端人才供給不足和低技能人群供給過剩的情況下，必然提高技能溢價，擴大不同群體收入分配差距。

（二）中低技能勞動力比重大，工作轉換能力低，收入分配格局更易受到沖擊

如前所述，人工智能應用的推廣將會使得更多的中低端技能勞動力更易被替代，增加其失業(yè)風險。從高收入國家數據看，2018年受高等教育的勞動者失業(yè)率平均為4.6%，相應地，僅受過基本教育和中等教育的勞動者失業(yè)率則分別為11.67%和7.77%。

我國從上世紀90年代末開始推動高等教育的大眾化，高等教育毛入學率由1978年的1.55%上升到2018年的48.1%，2020年的高校畢業(yè)生更是高到874萬人。但是由于歷史欠賬問題，我國就業(yè)人員的平均受教育水平仍然偏低。如2018年我國接受基礎教育的勞動者占比高達61.8%，這一比重要遠高于美國、德國和韓國，而接受過高等教育的勞動者占比僅為不足10%，遠低于美國、德國和韓國。從這方面看，人工智能的推廣應用對我國勞動力市場的結構性沖擊將會更為明顯。

除了教育和技能水平外，年齡也是影響勞動者再就業(yè)的重要因素。在勞動力要素的重新配置過程中，年輕的勞動者個體在職業(yè)轉換中更具優(yōu)勢。但是我國老齡化狀況日趨嚴峻，增加了勞動者轉換職業(yè)的難度。2011年以來，我國勞動年齡人口中45歲以上人口占比持續(xù)增加，2018年已經達到41.4%，較2011年提高近8個百分點。加之這部分群體平均受教育水平普遍低于較為年輕的群體，更是加重了其就業(yè)轉換難度。如2018年，我國45歲以上就業(yè)人員中，接受過高等教育的比重僅為3.6%，遠低于25歲—44歲年齡群體。因此，無論從勞動者的教育結構還是年齡結構看，人工智能對我國勞動力市場將會帶來更大的沖擊，進而使得我國收入分配格局受到的影響更大。

（三）人工智能加速資本投入，不利于勞動收入份額提升

自2015年開始，我國人工智能市場規(guī)模已經達到216.9億元。據預測，2020年我國人工智能市場規(guī)模將達到710億元人民幣，2015年到2020年年均復合增長率為44.5%。對于人工智能領域的投資也在不斷提高，2018年上半年，我國人工智能投資總金額達到1527億元，超過2016年和2017年之和。與此同時，2017年，我國資本收入份額和勞動收入份額分別為38.3%和47.51%，分別較2015年增加1.06個百分點和降低0.39個百分點。而人工智能應用更多的長三角、珠三角和北京等地勞動收入份額下降比重要明顯高于全國平均水平，如2017年北京、江蘇、浙江和廣東幾省市的勞動收入份額分別較2015年下降0.58、0.87、1.17和0.51個百分點。這也印證了人工智能技術的推廣應用使得勞動收入份額進一步下降。

三、趨利避害，積極應對人工智能對我國收入分配的挑戰(zhàn)

針對人工智能的應用可能對我國收入分配領域帶來的挑戰(zhàn)，不應談人工智能而色變，而應趨利避害，加快構建適應人工智能發(fā)展的就業(yè)培訓和教育體系，提高就業(yè)人員質量和對新技術的適應能力;充分利用人工智能新技術，優(yōu)化產業(yè)結構，創(chuàng)造更多需求，從而增加就業(yè)崗位;提高服務業(yè)質量和服務的增加值，提高服務業(yè)從業(yè)人員收入;積極引導人工智能向人機協(xié)作的方向發(fā)展。

一是實施勞動者素質提升工程，提高勞動者適應人工智能技術能力，從而降低失業(yè)風險，促進收入分配格局改善。加大在職培訓力度，不斷提高勞動者技能。針對那些年齡和受教育水平均較低的“雙低”從業(yè)者，應加強新技術應用培訓。鼓勵勞動密集型制造業(yè)企業(yè)，在引入新技術的同時定期組織員工參與技能培訓，讓員工充分了解人工智能技術的發(fā)展對本行業(yè)的影響，以適應人工智能快速發(fā)展對人才的需求，提高就業(yè)轉換能力。同時，應堅持多渠道、多方式提供有針對性的培訓，鼓勵企業(yè)采用機器人、人工智能應用改造升級人才培訓方式。

二是深化教育體系改革，更好體現就業(yè)優(yōu)先戰(zhàn)略。要積極改變傳統(tǒng)教育模式，培養(yǎng)終身教育理念。傳統(tǒng)的大規(guī)模的單科教育可能已經不能適應當前新技術帶來的沖擊，應大力發(fā)展科學、技術、工程、藝術、數學等融為一體的STEAM綜合教育。重視貫通人工智能基礎理論、軟硬件技術、市場產品及垂直領域應用的縱向跨界人才的培養(yǎng)，以及兼顧人工智能與經濟、社會和法律等橫向跨界人才的培養(yǎng)，注重培養(yǎng)各類人工智能復合型人才，完善人才隊伍建設。同時鼓勵高等教育和高職院校積極迎合人工智能發(fā)展趨勢，圍繞人工智能等基礎理論研究，促進高校、科研院所和企業(yè)等創(chuàng)新主體協(xié)同互動，建立人才培養(yǎng)方案和專業(yè)結構的動態(tài)調整機制。借鑒發(fā)達國家經驗，培養(yǎng)終身教育理念，增加對終身教育投入力度。

三是加快產業(yè)結構轉型升級，創(chuàng)造新供給，增加新需求和就業(yè)崗位，提高居民收入水平。應把握“互聯(lián)網+”“人工智能+”等經濟新業(yè)態(tài)發(fā)展趨勢，促進經濟結構轉型升級，加速人工智能與產業(yè)的融合滲透，帶動產業(yè)鏈上下游良性互動，構建多方聯(lián)動、協(xié)調發(fā)展的現代化產業(yè)體系。創(chuàng)造新供給，激發(fā)新需求。如可鼓勵企業(yè)以本次疫情為契機，通過人工智能手段，打造線上旅游、數字旅游等，豐富文旅產業(yè)新生態(tài)。從而不斷增加新的工作崗位，提高居民收入水平和勞動收入份額，縮小收入分配差距。

四是要提高服務業(yè)質量和服務業(yè)從業(yè)人員收入。我國服務業(yè)增加值占GDP的比重和服務業(yè)從業(yè)人員占比均已過半，在促進我國經濟由工業(yè)化向服務化轉變的過程中更應該注重提高服務業(yè)的質量。一方面要拓寬服務業(yè)投融資渠道，提升服務業(yè)技術密集型行業(yè)比重，不斷提高服務業(yè)從業(yè)人員收入水平和勞動收入份額。另一方面，要通過人工智能等新技術手段，更好地匹配服務業(yè)的供給和需求，提高服務質量和消費者滿意度，增加服務的增加值，從而提高相關從業(yè)人員服務收入水平。

五是要積極引導人工智能朝著人機協(xié)作的方向發(fā)展。為防止人工智能帶來的自動化程度超過一定規(guī)?？赡軐е碌氖杖氩黄降葐栴}，防止過度自動化現象出現。應通過制定相關激勵政策，大力支持研發(fā)團隊發(fā)展可以直接提升勞動生產率的人工智能技術，促使人工智能技術朝著與勞動者相互協(xié)作而非競爭的方向發(fā)展，提高勞動生產效率以推動經濟增長。

注：

①一般是指高技能勞動力與低技能勞動力的工資比率。

（作者為國家發(fā)展改革委經濟所助理研究員）