李 月 孟 璐

一、引 言

人工智能（Artificial Intelligence，簡稱AI）概念的提出最早可追溯到20世紀50年代。2010年以來，隨著大數(shù)據(jù)應用、機器學習等科學技術的重大發(fā)展與突破，人工智能逐漸成為產(chǎn)業(yè)變革的核心驅(qū)動力。據(jù)測算，人工智能可以使全球國內(nèi)生產(chǎn)總值增加14%，其中86%的行業(yè)部門將在AI技術的帶動下產(chǎn)生重大影響（Delsole，2018），給社會的生產(chǎn)和運營方式帶來了巨大的變化。2016年，世界經(jīng)濟論壇將其作為“第四次工業(yè)革命”的核心之一①。為此，2016年起將人工智能視為突破性技術創(chuàng)新的國家與地區(qū)與日俱增②，許多經(jīng)濟體紛紛籌劃AI戰(zhàn)略發(fā)展框架，積極加速數(shù)字轉(zhuǎn)型提升數(shù)字競爭力（陸鴻偉，2020）。

臺灣地區(qū)在半導體、信息通信技術和制造業(yè)方面處于世界領先地位，奠定了人工智能良好的發(fā)展基礎。近年來，臺灣當局積極推動人工智能的發(fā)展，制定了多項促進人工智能發(fā)展政策。例如，臺灣地區(qū)行政和科技管理機構(gòu)分別發(fā)布了《4 年人工智能行動計劃（2018—2021 年）》《5 年人工智能戰(zhàn)略（2017—2021 年）》，兩項計劃預算合計高達540億元新臺幣。這些人工智能發(fā)展政策內(nèi)容涉及廣泛，涵蓋鼓勵人工智能初創(chuàng)企業(yè)、吸引跨國公司、培養(yǎng)人工智能人才等重要議題。從整體效果看，2020年臺灣地區(qū)的工業(yè)機器人安裝量位居世界第七位，如圖1所示。從人工智能的產(chǎn)業(yè)分布③看，2005—2019年，臺灣地區(qū)工業(yè)機器人的應用主要集中于農(nóng)林牧漁業(yè)、采礦業(yè)、制造業(yè)、電力熱力燃氣及水生產(chǎn)和供應業(yè)、建筑業(yè)、教育等行業(yè)，其中制造業(yè)的工業(yè)機器人每年以較快的速度持續(xù)上升，且占比最高。因此，工業(yè)機器人的應用對臺灣地區(qū)勞動力市場的影響研究一般聚焦于制造業(yè)。

圖1 2020年15大經(jīng)濟體工業(yè)機器人的年安裝量

隨著人工智能應用的日益廣泛，關于“機器是否會取代勞動力”的探討也日益增多。主流研究成果表明，人工智能對勞動力市場就業(yè)與工資的影響存在多種效應，包括：替代效應，認為人工智能會取代一部分勞動力進而降低工資水平（Autor等,2003;Acemoglu和Restrepo,2018;王永欽和董雯，2020;李磊等，2021）；創(chuàng)造效應，認為人工智能雖然取代了一部分的勞動崗位，但同時也會產(chǎn)生豐富的新的崗位（Mokyr 等,2015;Akerman 等,2015;Gaggl 和Wright,2017）；生產(chǎn)力效應④，認為人工智能的運用會帶動生產(chǎn)力的提升，進而在收入效應的影響下企業(yè)會增資擴產(chǎn)，進而提高勞動力需求與工資水平（王永欽和董雯，2020；陳楠等，2021）；補充效應，認為人工智能并不是對勞動力的替代，更多地是對勞動力的一種補充（陳怡如和王宣智,2020）。這些效應并非孤立存在，更多學者認為其同時存在且相互制衡。

對于臺灣地區(qū)而言，人工智能發(fā)展日新月異，是否會對勞動力就業(yè)和工資收入產(chǎn)生影響；相較于其他經(jīng)濟體人工智能與勞動力市場的關系是否呈現(xiàn)其他新特征均是值得研究的重要問題。本文將著重探討人工智能在臺灣地區(qū)的應用對勞動力市場產(chǎn)生的效應，以期通過實證研究對此問題給出相對科學嚴謹?shù)呐袛?，并嘗試探索人工智能應用方面的臺灣地區(qū)經(jīng)驗。

與以往研究相比，本文的邊際貢獻體現(xiàn)在以下三個方面：第一，現(xiàn)有文獻關于人工智能對勞動力市場影響效應的研究多集中于西方發(fā)達經(jīng)濟體，例如美國、加拿大、歐洲等這些國家智能化發(fā)展較早，引發(fā)了當?shù)厣鐣Α皺C器替代人”的普遍擔憂，因此備受學界與政府的關注。然而，雖然東亞“四小龍”同屬發(fā)達經(jīng)濟體，但是其發(fā)展模式屬于后發(fā)趕超模式，與西方先進國家的資源稟賦與發(fā)展路徑都不同，“機器換人”的問題尚未受到廣泛關注。然而，我們必須認識到，臺灣地區(qū)作為東亞發(fā)展模式的典型代表，人工智能對其勞動力市場的影響或與西方世界不同，值得我們研究與借鑒。第二，從臺灣地區(qū)制造業(yè)不同細分行業(yè)入手，實證研究臺灣地區(qū)制造業(yè)人工智能的應用對其就業(yè)與工資的影響，研判替代效應與創(chuàng)造效應的主導性問題，比較臺灣地區(qū)與歐美經(jīng)濟體的差異。在此基礎上，按照研發(fā)支出水平將臺灣地區(qū)產(chǎn)業(yè)劃分為高技術產(chǎn)業(yè)與低技術產(chǎn)業(yè)，探究不同技術水平下臺灣地區(qū)制造業(yè)人工智能的應用對勞動力市場影響的異質(zhì)性。第三，結(jié)合臺灣地區(qū)的實際情況尋找工具變量，運用兩階段最小二乘法對模型進行回歸，并對工具變量進行檢驗，其滿足相關性、外生性和有效性條件，保證了實證結(jié)論的穩(wěn)健性。

本文余下的安排：第二部分為文獻綜述；第三部分為人工智能對勞動力市場影響的理論分析；第四部分實證分析工業(yè)機器人在臺灣地區(qū)的應用對勞動力市場產(chǎn)生的效應，并進行穩(wěn)健性與內(nèi)生性檢驗；第五部分進一步探討對于臺灣地區(qū)不同技術水平的行業(yè)，人工智能的應用對其就業(yè)與工資的異質(zhì)性；第六部分為結(jié)論與政策啟示。

二、文獻綜述

（一）人工智能對勞動力市場就業(yè)與工資影響的相關研究

在理論的支撐下，大量學者展開了實證研究，發(fā)現(xiàn)對于不同的經(jīng)濟體、不同的發(fā)展階段的樣本都會得到差異化的結(jié)論。其中一部分研究得到了較為樂觀的結(jié)論，認為創(chuàng)造效應、生產(chǎn)力效應或者補充效應將發(fā)揮主導性作用。例如，麥肯錫評估發(fā)現(xiàn)，2016—2030 年全球勞動市場約有4 億至8 億個工作被自動化取代，但也創(chuàng)造5.6 億至8.9 億個新的工作機會；美國以及歐洲的研究都表明機器人應用會對其崗位數(shù)量產(chǎn)生正向影響（Gregory 等， 2016）。中國的案例也有一部分結(jié)果支持這種結(jié)論（李磊等，2021；王曉娟等,2022）。此外，部分學者得到了機器人的引進對勞動力工資產(chǎn)生正向影響的結(jié)論。Acemoglu 和Restrepo（2018a）研究發(fā)現(xiàn)工業(yè)機器人引進會催生出大量豐富的新崗位，因此需要更多的勞動力，進一步帶動崗位工資的提高；工業(yè)機器人的引進會在一定程度上提高國內(nèi)高技術勞動者的比例，進而提高勞動者工資（楊曉鋒，2018）。

與此相對，也有學者得到了相對悲觀的結(jié)論，認為替代效應將發(fā)揮主導性作用，進而會對經(jīng)濟體的就業(yè)產(chǎn)生不利影響。全球范圍內(nèi)，麥肯錫（2017）、世界經(jīng)濟論壇（2018）均得到了人工智能會對勞動力發(fā)揮替代作用的結(jié)論，樣本不同、年份不同，替代效應的結(jié)果有所差別。同樣是美國1990—2007年的案例發(fā)現(xiàn)，制造業(yè)每使用一臺工業(yè)機器人，會導致就業(yè)人口下降0.18%～0.34%，并且其他工人的工資也會隨之下降（Acemoglu 和Restrepo，2017）；中國的案例也有部分研究支持該結(jié)論（王永欽與董雯,2020；閆雪凌等，2020），并認為短期內(nèi)替代效應更大（王曉娟等,2022）；德國1994—2014年72個產(chǎn)業(yè)的案例發(fā)現(xiàn)，工業(yè)機器人應用對制造業(yè)崗位數(shù)量產(chǎn)生顯著的負面影響，即每增加1 臺工業(yè)機器人平均減少2 個制造業(yè)的就業(yè)崗位（Dauth 等，2018）。此外，一些學者認為工業(yè)機器人應用對勞動力工資產(chǎn)生了抑制作用。也有部分學者指出工業(yè)機器人應用并不會對勞動力的就業(yè)數(shù)量和工資產(chǎn)生明顯效應（王永欽和董雯，2020）。

此外，機器人應用對不同技能的勞動力會產(chǎn)生不同的影響，中、低技能勞動力更容易被工業(yè)機器人所替代（Graetz 和Michaels，2018；魏下海等，2018）；而主要從事非常規(guī)的、工作任務難以自動化的高技能工人則不易被取代（李磊等，2021）；OECD 于2018 年在G20 部長會議的報告中提及，自動化目前雖尚未造成大量失業(yè)，但卻產(chǎn)生勞動力在不同職業(yè)、部門及區(qū)域間重新配置的現(xiàn)象，此等新興科技所造成的改變使得勞動市場需求板塊移向需要更多認知技能的工作，而目前許多勞動力并未具備此種技能。

（二）臺灣地區(qū)人工智能與勞動力市場的相關研究

人工智能在臺灣地區(qū)發(fā)展迅速，也是臺灣當局當前和未來的重點發(fā)展領域。探索人工智能應用對勞動力市場的影響效應對于臺灣地區(qū)未來的經(jīng)濟增長十分重要。然而，在國際上臺灣地區(qū)的相關研究相對匱乏，大陸目前對此研究尚屬空白。臺灣地區(qū)部分學者與相關機構(gòu)進行了有關研究，其結(jié)論存在一定的分歧：部分研究得到了替代效應的結(jié)論，如陳劍虹（2019）表示，自動化與智慧化技術產(chǎn)生勞動替代效果，并帶來結(jié)構(gòu)性失業(yè)與所得分配不均等問題；臺灣地區(qū)勞動事務主管部門于2018 年分別委托“中華經(jīng)濟研究院”與信息工業(yè)策進會的研究顯示，盡管目前產(chǎn)業(yè)在導入新科技方面仍處于摸索及觀望階段（如金融服務業(yè)），但已對具有重復性、事務性的工作產(chǎn)生沖擊。部分研究則支持補充效應，陳怡如與王宣智（2020）實證研究了2004—2017年臺灣地區(qū)制造業(yè)工業(yè)機器人的運用對勞動力市場產(chǎn)生的效應，發(fā)現(xiàn)工業(yè)機器人導入和勞動雇用呈現(xiàn)正向互補關系，即工業(yè)機器人并非取代人力，而是彌補人力的短缺。近年來該互補關系呈下滑態(tài)勢，但尚未轉(zhuǎn)變?yōu)樘娲P系。類似對其他經(jīng)濟體的研究，臺灣地區(qū)的研究也支持勞動力市場兩極化的結(jié)論，如林曉嬋（2018）研究發(fā)現(xiàn)，新興科技將造成勞動力的重新配置，除提高勞動市場的彈性外，也促使未來勞動需求呈現(xiàn)兩極化發(fā)展，即高技術工作工資愈發(fā)提高，而低技術工作工資則愈發(fā)下降，導致收入差距進一步擴大。

三、實證模型的構(gòu)建與數(shù)據(jù)

（一）模型設定

本文著重探討工業(yè)機器人應用對臺灣地區(qū)制造業(yè)勞動力市場的影響效應，從行業(yè)層面來分析工業(yè)機器人保有量的變化與臺灣地區(qū)勞動力就業(yè)數(shù)量和工資的關系⑤。對此，構(gòu)建基準回歸模型如下：

其中，i、t分別表示不同行業(yè)和年份。上述模型中，被解釋變量分別為lnemployeeit代表行業(yè)i在t年的就業(yè)人數(shù)；lnwageit代表行業(yè)i在t年的工資水平。核心解釋變量為lnrobotit用于衡量臺灣地區(qū)行業(yè)i在t年的人工智能應用情況，變量Xit包含一系列影響勞動力市場就業(yè)與工資的控制變量集合，其中包括制造業(yè)行業(yè)規(guī)模（lnscale）、固定資產(chǎn)投資（lnfixassets）、臺商投資大陸（lntdi）和研發(fā)投入（lnrd）。

上述基準模型中，μ代表行業(yè)固定效應，由于制造業(yè)不同細分行業(yè)在研發(fā)投入、技術水平等方面存在很大的差異，這將對各行業(yè)的勞動力需求產(chǎn)生較大的影響，加入行業(yè)固定效應可以吸收行業(yè)層面所有不隨時間變化因素的影響，在一定程度上解決由于行業(yè)本身的特性所引發(fā)的遺漏變量問題；γ代表年份固定效應，由于臺灣地區(qū)工業(yè)機器人的應用在樣本期內(nèi)得到了較大的發(fā)展，其面臨的外部環(huán)境也發(fā)生了顯著變化，加入年份固定效應可以吸收樣本期內(nèi)的宏觀沖擊；ε是隨機誤差項。所有變量均取對數(shù)，以消除可能存在的異方差。由于樣本中存在robot為0的情況，即解釋變量機器人保有量的對數(shù)用ln(robot+ 1)來表示。

為進一步驗證臺灣地區(qū)工業(yè)機器人就業(yè)效應的行業(yè)異質(zhì)性，本文將臺灣地區(qū)制造業(yè)的細分行業(yè)劃分為高、低兩類技術行業(yè)，分別研究臺灣地區(qū)工業(yè)機器人應用對這兩類技術行業(yè)的就業(yè)以及工資影響。

（二）數(shù)據(jù)來源與指標選取

本文主要使用兩套數(shù)據(jù)匹配后進行實證研究。首先，從臺灣地區(qū)“主計總處”獲取的數(shù)據(jù)，包括2005—2019年臺灣地區(qū)27個制造業(yè)二位碼行業(yè)就業(yè)等相關數(shù)據(jù)；其次，IFR的全球工業(yè)機器人數(shù)據(jù)庫，包括14個制造業(yè)分行業(yè)⑥。本文先將兩部分數(shù)據(jù)進行匹配后再進行實證回歸。

1.被解釋變量：借鑒閆雪凌等（2020）的做法，其中就業(yè)數(shù)量（lnemployee）用行業(yè)年末受雇員工人數(shù)來表示，工資水平（lnwage）為行業(yè)年末平均工資。兩類數(shù)據(jù)均來自臺灣地區(qū)“主計總處”。

2.核心解釋變量：本文的核心解釋變量是臺灣地區(qū)人工智能的應用情況，選用工業(yè)機器人保有量（lnrobot）作為代理變量，數(shù)據(jù)來源于IFR 數(shù)據(jù)庫。雖然IFR 數(shù)據(jù)庫從1993年開始對臺灣工業(yè)機器人總量進行統(tǒng)計，但從2005年開始才有比較全的細分行業(yè)數(shù)據(jù)記錄。因此，本文使用2005—2019年臺灣地區(qū)工業(yè)機器人制造業(yè)保有量數(shù)據(jù)分析工業(yè)機器人應用對制造業(yè)就業(yè)產(chǎn)生的影響。

3.控制變量：參照以往文獻（閆雪凌等，2020）的做法，本文控制變量包括：（1）行業(yè)規(guī)模（lnscale），用各制造業(yè)的工業(yè)總產(chǎn)值來衡量。通常來說行業(yè)生產(chǎn)規(guī)模越大，對于勞動力的相對需求就會越大。（2）固定資產(chǎn)投資（lnfixassets），資本的積累會在一定程度上影響勞動力就業(yè)人數(shù)和工資水平，固定資產(chǎn)投資深化一般意味著更高的勞動生產(chǎn)率，會對就業(yè)產(chǎn)生顯著的替代效應（宋錦和李曦晨，2019）。（3）臺商投資大陸（lntdi），首先，臺商投資大陸會促進臺灣地區(qū)將其原材料等源源不斷地出口，使其提高了對臺灣地區(qū)的勞動力需求；其次，臺商對大陸投資以及大陸產(chǎn)品銷售到臺灣地區(qū)則會在一定程度上使臺灣地區(qū)的生產(chǎn)規(guī)?？s小，減少對勞動力的需求（范芹和武力超，2014）。（4）研發(fā)投入（lnrd），用制造業(yè)各細分行業(yè)的研發(fā)支出來衡量。為了量綱的統(tǒng)一，將所有的變量都進行對數(shù)化處理。此外，參照閆雪凌等（2020）的做法，在式（1）研究工業(yè)機器人對臺灣地區(qū)就業(yè)數(shù)量產(chǎn)生的影響時，控制了行業(yè)的工資水平（lnwage）；同理，在式（2）中控制了相應的就業(yè)數(shù)量（lnemployee）。本文所有的變量指標含義如表1所示。

表1 變量指標含義

四、實證結(jié)果分析

（一）基準結(jié)果

表2 顯示了2005—2019 年臺灣地區(qū)工業(yè)機器人應用對其制造業(yè)勞動力市場影響的基準回歸結(jié)果。其中，第（1）～（2）列估計了工業(yè)機器人應用對臺灣地區(qū)制造業(yè)勞動力就業(yè)數(shù)量的影響。第（1）列為僅控制行業(yè)固定效應的回歸結(jié)果；第（2）列報告的是同時控制行業(yè)固定效應和年份固定效應后的回歸結(jié)果，發(fā)現(xiàn)臺灣地區(qū)工業(yè)機器人保有量在樣本期2005—2019年內(nèi)每上升1%，制造業(yè)就業(yè)數(shù)量上升1.58%。這意味著在樣本期間內(nèi)，臺灣地區(qū)人工智能對勞動力就業(yè)發(fā)揮了正效應，即替代效應小于創(chuàng)造效應，反映出人工智能的運用與普及對臺灣地區(qū)制造業(yè)勞動力就業(yè)數(shù)量產(chǎn)生了顯著的促進作用。前人關于加拿大就業(yè)市場、美國制造業(yè)勞動力市場（Bessen，2019），以及歐洲27國10年調(diào)查數(shù)據(jù)（Gregory 等，2016）的研究也得到了類似的結(jié)論。筆者認為，這在一定程度意味著，對于2005—2019年臺灣制造業(yè)就業(yè)而言，由人工智能引入創(chuàng)造出的就業(yè)人數(shù)大于由此被替代的就業(yè)人數(shù)。通常，人工智能的創(chuàng)造主要來自三個途徑：一是生產(chǎn)力提升途徑，即AI技術促進了生產(chǎn)力的提升，進而降低了生產(chǎn)成本，增加了經(jīng)濟需求，促進企業(yè)生產(chǎn)而刺激就業(yè)的良性循環(huán)。二是收入效應途徑。AI技術推動收入提升，進而增加民間消費與企業(yè)投資需求，帶來就業(yè)市場繁榮。三是孕育新產(chǎn)業(yè)途徑。AI的發(fā)展一方面可以促進產(chǎn)業(yè)供應鏈的延長，另一方面也有助于孕育出新產(chǎn)業(yè)，這些都將增加對勞動力的需求。在上述三種途徑的帶動下，臺灣地區(qū)的就業(yè)創(chuàng)造效應顯現(xiàn)出主導作用。

表2 基準模型回歸結(jié)果

通過第（3）～（4）列可以看出，臺灣地區(qū)工業(yè)機器人的應用對制造業(yè)工資水平的影響效應不顯著。這與王永欽和董雯（2020）對中國大陸相關問題的結(jié)論相一致。事實上，關于人工智能對工資的影響，最主流的結(jié)論是AI 的運用造成了低薪現(xiàn)象的產(chǎn)生，以及薪資兩極化與收入差距的加大（林曉嬋，2018）。因此，我們推斷這里的不顯著與我們選取的總體樣本有關，即需要進一步細化樣本才能得到對不同層次人群工資影響的顯著結(jié)論，在下文的異質(zhì)性分析中將進一步討論。

控制變量方面，對于制造業(yè)勞動力就業(yè)數(shù)量而言，行業(yè)規(guī)模越大，其可以提供的勞動力就業(yè)崗位數(shù)量就越多，也更容易吸引更多的勞動力進入；在樣本期內(nèi)臺商投資的回歸系數(shù)在5%的水平上顯著為正，即臺商投資大陸會顯著促進臺灣地區(qū)制造業(yè)勞動力就業(yè)；此外，研發(fā)投入也對制造業(yè)的勞動力就業(yè)數(shù)量有促進效應；對于工資水平而言，在同時控制了行業(yè)固定效應和年份固定效應時，行業(yè)規(guī)模、研發(fā)支出對勞動力工資的回歸系數(shù)分別在1%和10%的水平上顯著為正，說明在其他條件不變的情況下行業(yè)規(guī)模越大、研發(fā)支出越多，將促進制造業(yè)勞動力的平均工資水平上升。

續(xù)表

（二） 穩(wěn)健性檢驗

基準回歸結(jié)果表明，工業(yè)機器人應用對制造業(yè)就業(yè)數(shù)量具有顯著的促進效應。但是，臺灣地區(qū)的勞動力就業(yè)會對工業(yè)機器人應用產(chǎn)生一定的滯后反應。因此，需要同時考慮到工業(yè)機器人應用對勞動力市場影響的時滯性。為了對研究結(jié)果進行穩(wěn)健性檢驗，本文把被解釋變量由基準回歸中的當期數(shù)據(jù)替換為下一期數(shù)據(jù)，結(jié)果見下表3。在下表中發(fā)現(xiàn)回歸結(jié)果仍然穩(wěn)健，其中工業(yè)機器人的應用對臺灣地區(qū)就業(yè)崗位的創(chuàng)造效應程度進一步增強。

表3 穩(wěn)健性回歸結(jié)果

（三）內(nèi)生性檢驗

由于工業(yè)機器人應用會影響臺灣地區(qū)的勞動力就業(yè)人數(shù)和工資水平，同時勞動力市場的就業(yè)人數(shù)變動也會反過來對工業(yè)機器人的應用產(chǎn)生影響，即制造業(yè)就業(yè)與工業(yè)機器人應用之間存在雙向因果關系，因此，本文可能存在內(nèi)生性問題。為了避免模型出現(xiàn)較大的偏誤，本文采用工具變量法進行內(nèi)生性檢驗。

參考王智波和李長洪（2015）的研究，本文選取解釋變量工業(yè)機器人保有量的滯后一期作為工具變量運用兩階段最小二乘法對模型進行回歸，回歸結(jié)果見表4。此外，對本文所選取的工具變量進行了檢驗，滿足相關性、外生性以及有效性條件。

表4 工業(yè)機器人對制造業(yè)就業(yè)人數(shù)以及工資水平的IV-2sls 回歸結(jié)果

從表4 內(nèi)生性檢驗的回歸結(jié)果中可以看出，工業(yè)機器人應用對臺灣地區(qū)制造業(yè)就業(yè)的影響仍然存在，在同時控制了行業(yè)固定效應和年份固定效應后，核心解釋變量工業(yè)機器人保有量的回歸系數(shù)與基準模型中的正負號一致，但在1%的水平上顯著，此結(jié)果相較于基準回歸系數(shù)有所上升，而對于工資的影響同樣在控制了行業(yè)固定效應和時間固定效應后不顯著。因此，在考慮了內(nèi)生性問題后，并不影響本文基準回歸中的結(jié)論，結(jié)果依然保持穩(wěn)健，即工業(yè)機器人的應用對就業(yè)總量仍然具有顯著的正向影響。

五、人工智能對勞動力市場影響的行業(yè)異質(zhì)性分析

基準回歸顯示，人工智能的應用對臺灣地區(qū)勞動力市場就業(yè)具有正向促進作用，而對工資的影響則不顯著。那么，對于不同技術水平的產(chǎn)業(yè)來說，上述效應在臺灣地區(qū)是否一致呢？對此，本節(jié)將進一步在基準回歸的基礎上進行異質(zhì)性分析。

（一）人工智能對臺灣地區(qū)就業(yè)影響的異質(zhì)性分析

對于行業(yè)技術水平的分類，以往文獻并未得到一致的劃分標準，有些根據(jù)信息數(shù)據(jù)進行劃分，有些則是根據(jù)各個行業(yè)勞動者的受教育水平進行劃分。由于缺少臺灣地區(qū)從業(yè)者受教育水平的微觀數(shù)據(jù)，本文參照閆雪凌等（2020）的做法，使用研發(fā)支出多少作為劃分行業(yè)技術高低的衡量標準，將制造業(yè)的所有行業(yè)按照研發(fā)支出是否高于其中位數(shù)劃分為高、低技術行業(yè)，實證結(jié)果如下表所示。

表5 表明，對于勞動力就業(yè)數(shù)量，工業(yè)機器人的應用對高技術行業(yè)的就業(yè)具有顯著正向作用。其中，第（4）列表明在高技術行業(yè)中，同時控制行業(yè)固定效應和年份固定效應后，工業(yè)機器人保有量系數(shù)為0.0115，且在5%的水平上顯著為正，即工業(yè)機器人保有量每上升1%，就業(yè)數(shù)量將上升1.15%；而在低技術行業(yè)中同時控制了行業(yè)固定效應和年份固定效應后工業(yè)機器人應用對就業(yè)人數(shù)的影響并不顯著。本文結(jié)論與Acemoglu和Autor（2010）對高技術行業(yè)的相關研究結(jié)論類似，但對低技術行業(yè)的就業(yè)影響不顯著。這可能是由于臺灣地區(qū)高技術行業(yè)的勞動力從事的是非常規(guī)、比較復雜的工作，不容易被工業(yè)機器人替代，因此工業(yè)機器人會對高技術行業(yè)的就業(yè)數(shù)量起促進作用。而高技術行業(yè)人數(shù)的增加進一步促進低技術行業(yè)勞動力人數(shù)的增加需要一定的時間及過程才能產(chǎn)生，這可能是工業(yè)機器人應用對臺灣地區(qū)低技術行業(yè)影響不顯著的原因。

表5 工業(yè)機器人影響不同技術行業(yè)就業(yè)數(shù)量的回歸結(jié)果

（二）人工智能對臺灣地區(qū)工資影響的異質(zhì)性分析

對于制造業(yè)的工資水平來說，從表5 中可以看出，工業(yè)機器人應用對低等技術行業(yè)的工資有非常顯著的負向作用，即使在同時控制了行業(yè)固定效應和年份固定效應后，在低等技術行業(yè)中工業(yè)機器人保有量對工資水平的系數(shù)在5%的水平上顯著為負。在高技術行業(yè)中，在同時控制行業(yè)固定效應和年份固定效應后，工業(yè)機器人應用對制造業(yè)工資的影響在10%的水平上顯著為正。從臺灣地區(qū)的實證結(jié)果可以看出，工業(yè)機器人應用會顯著減少低等技術行業(yè)的工資，這與Acemoglu 和Autor（2010）、Berget等（2010）對低技術行業(yè)的相關研究結(jié)論類似，而對高技術行業(yè)的工資促進作用不是很明顯，可能是由于高技術行業(yè)勞動者的溢價能力有待進一步提高。

六、結(jié)論與政策啟示

基于臺灣地區(qū)2005—2019年14個制造業(yè)分行業(yè)的面板數(shù)據(jù)，運用雙向固定效應模型，研究了臺灣地區(qū)工業(yè)機器人的應用對勞動力就業(yè)數(shù)量和工資水平的影響，在此基礎上進行內(nèi)生性檢驗，并進一步對工業(yè)機器人的就業(yè)效應進行行業(yè)異質(zhì)性分析。結(jié)果發(fā)現(xiàn)，工業(yè)機器人應用對2005—2019年內(nèi)臺灣地區(qū)制造業(yè)的就業(yè)數(shù)量產(chǎn)生了顯著的促進作用，而對工資水平的影響不顯著。同時，針對模型可能存在的內(nèi)生性問題，采用滯后一期制造業(yè)工業(yè)機器人保有量作為工具變量進行回歸，結(jié)果仍然穩(wěn)健。此外，工業(yè)機器人應用會對高技術行業(yè)產(chǎn)生更強的就業(yè)創(chuàng)造效應，這說明工業(yè)機器人應用需要大量高技能水平勞動力與之匹配，而在低技術行業(yè)中臺灣地區(qū)工業(yè)機器人應用對工資水平的抑制作用則更顯著。研究結(jié)論對于兩岸人工智能領域合作具有如下政策意涵：

第一，當前階段臺灣地區(qū)人工智能領域在島內(nèi)的布局應側(cè)重于高技術產(chǎn)業(yè)，中低技術產(chǎn)業(yè)的相關產(chǎn)能應在大陸尋找更大的市場。雖然整體性實證結(jié)果發(fā)現(xiàn)臺灣地區(qū)工業(yè)機器人應用引發(fā)的創(chuàng)造效應超過了替代效應，表明臺灣地區(qū)正處于一個人工智能應用紅利期。然而，我們也必須注意到低技術水平產(chǎn)業(yè)中替代效應的主導性作用。因此，對于這部分產(chǎn)能應積極加強兩岸合作，將其部分產(chǎn)能轉(zhuǎn)移至大陸。前人研究發(fā)現(xiàn)，在大陸資本密集型產(chǎn)業(yè)引進機器人會促進就業(yè)，而在部分勞動密集型產(chǎn)業(yè)引入機器人會帶來就業(yè)人員的減少，因此兩岸人工智能產(chǎn)業(yè)合作的細分技術選擇也需要適合大陸市場。

第二，積極推動臺灣地區(qū)人工智能相關企業(yè)融入大陸內(nèi)循環(huán)，助力大陸企業(yè)智能化升級。大陸市場廣闊且技術層級差異性大，不同的人工智能應用都能找到相應的市場定位，特別是針對臺灣地區(qū)就業(yè)產(chǎn)生抑制性作用的人工智能應用部分，如果在大陸市場找到恰當?shù)娜谌朦c便可以延長應用的生命周期，為大陸相關企業(yè)實現(xiàn)智能化升級。此外，還可以從三方面尋求更深入的合作：首先，推動兩岸人工智能在基礎設施領域的互補發(fā)展；其次，完善兩岸人工智能研發(fā)創(chuàng)新合作機制，積極消除制約人工智能合作的體制機制障礙，共同孵化更多的兩岸人工智能應用創(chuàng)新項目；最后，深化兩岸人工智能教育合作與人才融合，促進兩岸人工智能高端創(chuàng)新人才集聚產(chǎn)生規(guī)模效應，發(fā)揮兩岸高等院校協(xié)同創(chuàng)新作用。

第三，借助大陸“一帶一路”倡議與RCEP 協(xié)定，兩岸人工智能企業(yè)攜手共同走出去。西方發(fā)達國家的經(jīng)驗表明，隨著人工智能應用的不斷深入，替代效應大于創(chuàng)造效應的階段將不斷逼近。為延長兩岸相關領域的生命力，借助大陸發(fā)展戰(zhàn)略帶動相關產(chǎn)能走出去是兩岸人工智能合作不可或缺的重要方面。其可沿兩條路徑推進：一是“一帶一路”方向。將人工智能賦能到“一帶一路”建設中，兩岸攜手打造數(shù)字絲綢之路和“一帶一路”數(shù)字樞紐站，實現(xiàn)信息、資源、資金、物流、人才等多種要素匯合，推動各產(chǎn)業(yè)生產(chǎn)與技術的智能化改造，帶動更多的經(jīng)濟體走上數(shù)字經(jīng)濟發(fā)展道路。二是借助RCEP協(xié)議，特別是其中的原產(chǎn)地累積規(guī)則，改善人工智能領域臺商對外投資條件，形成以大陸市場為依托、輻射RCEP 區(qū)域的兩岸人工智能供應鏈，打造兩岸人工智能合作新格局。

注釋：

①WEF 創(chuàng)始人Klaus Schwab 發(fā)表的《The Fourth Industrial Revolution》，其中將人工智能、機器人技術、物聯(lián)網(wǎng)、自動駕駛汽車、3D打印、區(qū)塊鏈、生物技術等新科技統(tǒng)稱為第四次工業(yè)革命。

②根據(jù)英國顧問公司Tortoise Capital Advisors 于2019 年發(fā)布的全球人工智能指數(shù)（The Global AI Index）報告指出，已有29 個經(jīng)濟體推出AI 戰(zhàn)略。

③根據(jù)IFR所提供的行業(yè)分類與臺灣地區(qū)“主計總處”的行業(yè)分類進行對應匹配。

④關于創(chuàng)造效應和生產(chǎn)力效應存在兩種觀點，有學者將其視為一種效應，即人工智能可促進就業(yè)；有學者則將其分開，強調(diào)生產(chǎn)力效應是源自生產(chǎn)力提升帶來的就業(yè)增加。

⑤由于目前我們無法獲取臺灣地區(qū)的微觀數(shù)據(jù)，所以僅能從產(chǎn)業(yè)的層面考察人工智能對勞動力市場的影響。

⑥分別為食品飲料及煙草制造業(yè)、紡織及服裝制品業(yè)、木制品及家具制造業(yè)、造紙及印刷制品業(yè)、化學制品業(yè)、橡膠和塑料制品業(yè)、非金屬礦物制品制造業(yè)、基本金屬制造業(yè)、金屬制品制造業(yè)、電子和電氣設備制造業(yè)、工業(yè)機械、汽車及其零件制造業(yè)、其他運輸工具及其零件制造業(yè)、其他制造業(yè)分支。