何勤 李鑫悦
摘要：人工智能带来的新的技术变革促使企业收入分配格局发生变化。基于2007—2022年沪深A股上市公司数据，通过文本分析法对人工智能技术和应用进行科学测算，并就人工智能对企业利润与工资之间收入分配的影响展开分析。研究发现：人工智能技术和应用对企业利润与工资收入分配的影响呈“U”型，即在人工智能技术和应用发展的早期，利润与工资比率不断下降，差距逐渐缩小；
但当人工智能技术和应用超过阈值时，利润不断吞噬工资，导致二者之间差距逐渐扩大。该结论在经历了替换被解释变量、分时段检验、剔除直辖市样本等一系列稳健性检验后依然成立。机制分析发现，人工智能技术和应用能够通过就业规模效应、就业结构效应和生产率效应间接影响企业利润与工资之间的分配。进一步研究发现，财务柔性能够正向调节人工智能与利润和工资之间收入分配的“U”型关系，对于财务柔性较高的企业来说，人工智能技术和应用与企业内部分配效应的“U”型关系较为明显，说明人工智能技术和应用对财务柔性较高的企业分配效应的影响相对更大。研究为在人工智能加速发展背景下提高员工工资、抑制企业间资本和劳动差距扩大提供了重要的政策建议。
关键词：人工智能技术；
人工智能应用；
利润与工资；
收入分配
中图分类号：F244文献标识码：A文章编号：1000-4149（2024）03-0111-18
DOI：10-3969/j-issn-1000-4149-2024-00-037
一、引言
得益于新型基础设施建设的卓著进步，我国在人工智能领域发展迅猛，人工智能产业取得长足进展。根据中国信息通信研究院测算，2022年我国人工智能核心产业规模达到5080亿元，同比增长18%。截止到2022年底我国人工智能企业超过4000家。作为新一轮科技革命的重要驱动力量，人工智能已广泛应用于金融、交通、教育等多个领域，并正在逐渐“霸占”更多的工作岗位，其带来的劳动力市场变革必将对收入分配格局产生重大影响。
近年来，我国就业和工资两极化现象开始凸显。有学者认为，现代化生产技术的出现是造成这种现象的主要原因［1］。技术进步的非中性特征意味着不是所有的生产要素都能从技术进步中均等受益。人工智能的资本偏向性加剧了收入分配上对劳动的掠夺，进而影响资本和劳动要素所有者之间的收入差距。党的二十大把实现全体人民共同富裕摆在更加重要的位置，将其作为中国式现代化五大特征和本质要求之一。在此背景下，企业作为人工智能技术和应用的主体，如何让员工共享人工智能发展红利，缩小资本与劳动分配差距对实现共同富裕目标至关重要。
事实上，人工智能引发的技术性失业和收入不平等是密切相关的。劳动力市场上存在着巨大的不平等现象，致使一些劳动者的劳动所得远远低于其他人。现有文献主要关注技术进步的两极分化效应［2-3］。首先，对整个劳动力市场来说，人工智能带来的自动化水平提高会对不同劳动力群体的收入造成不对称的影响。阿西莫格鲁（Acemoglu）等在研究中发现，在过去的40年间，人工智能的应用使中低收入人群的实际工资呈现出下降趋势，劳动力市场出现两极分化现象［4］。王林辉等表示，人工智能技术通过非对称地改变不同部门的生产率来影响劳动收入分配，导致高、低技术部门劳动收入差距扩大［5］。然而，越来越多的学者使用偏向性技术进步理论来解释收入差距逐渐扩大的原因［6］。根据偏向性技术进步理论，随着技术的发展企业对高技能劳动力的需求增加，它们的生产效率提升更为显著。当高技能劳动力与低技能劳动力的替代弹性大于1时，技术进步将提高高技能劳动者的就业机会和薪资水平，从而加大了技能溢价，进一步加剧了收入不平等［7］。其次，对企业来说，人工智能引发企业内部收入差距不断扩大。普雷特纳（Prettner）等根据美国人口普查数据发现，工业机器人的使用提高了企业的生产效率，同时也提高了高技能劳动者的工资，降低了低技能劳动者的工资［8］。姚笛等采用上市公司数据研究发现，机器人的应用显著扩大了企业内部任务工资差距和技能工资差距，并且任务工资差距扩大更加明显［9］。
人工智能对劳动力的替代，不仅直接影响不同劳动群体之间的工资收入不平等，还会影响企业利润和工资之间的不对称分配。经典的卡尔多事实表明，资本和劳动的分配份额在长期中是相当稳定的，但近些年这一规律逐渐被打破：资本在收入中的比重逐渐增加，工资却逐渐下降。埃克豪特（Eeckhout）在研究中首次提出“利润悖论”的概念，他发现企业从技术进步中获得了大量的回报而日益繁荣，但员工的薪酬和待遇却停滞不前，企业在获得超额利润的同时不但没有提供更多的就业机会，反而降低了员工工资［10］。目前，仅有少量文献探究了技术进步和企业利润与工资分配之间的关系。科维里（Coveri）认为，技术对收入分配的影响是带有偏向性的，利润与工资呈负相关关系［11］。而有学者利用中国民营企业数据研究发现，人工智能红利对企业利润与工资之间的分配呈“U”型特征［12］。综上，学界对人工智能与资本和劳动之间关系的研究大多聚焦于行业和地区层面，并取得了一定的研究成果。但关于人工智能对企业利润与工资之间收入分配影响的研究还较为缺乏，且受限于截面数据，现有研究无法更好地识别动态影响以及作用机制，因此需要时间更长、范围更广的微观数据来作进一步分析。
与已有研究相比，本文可能的边际贡献主要有以下几点：第一，细分人工智能技术和应用，探讨不同层面人工智能的影响方向及作用效果的差异。已有研究从人工智能或数字技术整体展开分析，无法测度不同层面人工智能的发展对利润与工资之间收入分配的差异。本文将人工智能细分为人工智能技术和人工智能应用两方面，能够更加细致地探究人工智能不同层面对企业利润与工资之间收入分配的影响效果和作用机制。第二，本文刻画了人工智能对企业利润与工资之间收入分配的不同效应及其起作用的条件，揭示了就业规模效应、就业结构效应和生产率效应是人工智能分配效应的三种关键机制，有助于在理论和实践上丰富人工智能与企业资本和劳动收入分配之间传导路径的认识。第三，本文进一步研究在财务柔性的影响下，人工智能技术和应用对企业利润与工资之间收入分配的影响，解释了形成企业利润与工资之间收入分配呈“U”型特征的背后原因，验证了企业在适应财务环境动态变化的过程中，如何调节人工智能对内部收入分配的影响效应。
二、理论分析和研究假设
1.人工智能对企业利润和工资之间收入分配的非线性影响
新古典主义认为，技术进步是影响收入分配最主要的因素。在新古典增长模型中，资本与劳动的替代弹性被假定为1，在这种情况下技术进步被认为是中性的。但在很多情况下，技术进步并不是中性的。
希克斯（Hicks）等指出，企业为了降低成本会减少使用相对昂贵的生产要素，技术进步的目的在于节约使用昂贵的生产要素［13］。因此，技术进步是偏向资本还是偏向劳动，取决于哪种生产要素价格上涨得更快。首先，从工资层面来看，根据技能偏向性技术进步理论，技术进步是外生的，被设定为偏向高技能劳动力，这将使得企业增加对高技能劳动力的相对需求，降低对低技能劳动力的相对需求。一方面，在“机器换人”的过程中，技术进步对低技能劳动力的替代，导致低技能劳动力的占比不断减少，工资水平不断下降［9］。另一方面，当技术进步的速度超过教育发展的速度时，高技能劳动力的供给无法满足市场需求，会引起这部分劳动力的工资水平上升［4］。因此，在人工智能发展初期，人工智能会促使企业内低技能劳动力工资下降，高技能劳动力工资上升，从而增加企业的总工资。另外，对资本来说，在人工智能技术和应用的早期，企业构建和维护一个人工智能系统需要高额的投资（例如数据基础设施、购买设备），同时要想实现人工智能的潜在价值，还需要大量的无形投资（如培训员工）［12］。因此在早期，人工智能技术和应用可能不会带来直接效益和生产率提高，还会在实现利润增长之前增加企业的沉没成本［14］。综上，在人工智能技术和应用的早期，利润和工资差距有所缩小。其次，从资本偏向性技术进步视角来看，技术进步往往伴随着分配层面劳动收入占比的降低［15］，主要是由于技术创新降低了技术和设备成本，替代效应正在将企业从劳动密集型向资本、技术密集型转变，最终形成员工工资相对于资本成本的下降［16］。另外，人工智能会替代部分低级别的工作任务，有利于企业节约生产成本，降低产品价格，进一步刺激消费者的需求，促使企业产出规模扩大［17］。同时，人工智能提升到一定水平后会提高企业的生产效率，增强企业的盈利能力。因此，随着人工智能技术和应用的不断进步，将促使企业利润增加、工资降低，导致利润与工资之间的差距扩大。基于此，提出以下假设：假设1：人工智能技术和应用对企业利润与工资之间的收入分配呈“U”型影响。
2.就业规模效应
人工智能对企业就业规模的影响存在不确定性，包括负向的替代效应和正向的恢复效应［18］。一方面，人工智能的使用会直接减少自动化劳动岗位的需求，导致资本对劳动的替代，从而使企业劳动力需求下降。另一方面，人工智能对劳动力的替代不会永远持续下去，其在替代劳动力的同时也会帮助劳动者扩大自身比较优势［19］。此外，人工智能会创造新的就业岗位或扩展原有岗位的工作任务，新任务的产生会增加劳动力需求，可以抵消替代效应，从而扩大就业规模［20］。陈东等指出，人工智能的就业替代效应降低了工人的议价能力和技能组成工资，导致工资水平恶化［21］。王永钦、董雯认为，当替代效应占主导时，工业机器人的应用会降低劳动力需求，增加企业的外部选择机会，降低劳动者的相对议价能力，进而导致劳动者工资增长放缓［22］。然而，人工智能通过就业规模来影响企业利润与工资之间收入分配是两种效应共同作用的结果。在人工智能发展初期，企业旨在用“机器换人”的自动化形式替代劳动力，而非增强劳动者个体，因此，替代效应占主导［18］，员工工资总额不断下降。当人工智能发展到一定水平后，其对劳动力的贡献将大于破坏效应，因为人工智能的广泛应用有助于创造新产品、新服务和新任务，促进产业结构升级，整体上就业规模将不断扩大，企业支付给员工的工资将不断增加。基于上述分析，提出如下假设：假设2：人工智能技术和应用通过改变就业规模进而影响企业利润与工资之间的分配。
3.就业结构效应
由于工作任务的异质性，人工智能对不同岗位、不同群体就业具有差异化的影响。根据技能偏向型技术进步理论，技术进步增加了对高技能劳动力的需求，进而引致技能工资溢价。奥特（Autor）等发现，20世纪90年代以来，技术进步对高技能劳动力的偏向程度开始增加［23］。人工智能会逐渐取代低复杂性、重复性的工作，降低生产任务环节的劳动力需求，并且随着人工智能的不断升级，对于高技能劳动力会产生互补关系［22］。同样，任务偏向型技术进步理论按照工作任务将劳动者分为常规任务劳动者和非常规任务劳动者，认为人工智能会替代需要重复操作来执行任务的常规任务劳动者，但会与非常规任务劳动者形成互补关系［24］。
人工智能的替代效应更容易发生在低技能、从事常规任务劳动力身上。在劳动供给既定的情况下，劳动需求的降低会导致低技能、从事常规任务的劳动力工资水平降低。但也有学者指出，人工智能在其发展的不同阶段，会对技能劳动收入差距产生不同的影响［25］。在人工智能技术和应用的早期阶段，岗位替代效应大于创造效应，人工智能替代了部分劳动力，员工工资水平有所下降。但当人工智能发展到一定程度时，岗位创造效应愈加明显，同时对高技能、非常规任务劳动力的需求逐渐增加，当其供给无法满足需求时，均衡工资会增加，致使企业对员工所支付的工资总额增加。因此，人工智能不仅会导致企业就业规模的变化，还会带来相应的就业结构调整，从而影响企业利润与工资之间的收入分配。基于上述分析，提出如下假设：假设3：人工智能技术和应用通过改变就业结构进而影响企业利润与工资之间的分配。
4.生产率效应
人工智能的发展将带来生产率的显著提升。内生增长理论认为，技术进步是促进生产率提高的动力，是保证经济持续增长的决定因素。奥特等在研究中发现，人工智能不仅能够促进全要素生产率的增长，还能创造出新岗位，这不仅有助于劳动者就业，还有助于提高实际工资水平［3］。具体体现在以下方面：第一，人工智能可以替代低技能的工作任务，相比于执行这类任务的工人，智能机器设备可以不受时间、体力的限制，完成任务的质量和效率更高，从而提高企业的生产效率，降低经营成本，扩大生产规模，进一步提升企业对非自动化岗位劳动者的需求。当劳动供给既定时，劳动需求的增加有利于提高劳动者的平均工资。第二，当人工智能等新技术取得重大突破时，新技术与劳动力呈现出较强的互补性，人工智能会提高劳动生产率，促使劳动的边际产出增加，带动工资水平增长［26］。与此同时，也有学者指出，人工智能的资本偏向性会导致资本和劳动之间的收入差距逐渐扩大，因为人工智能会同时替代体力和脑力劳动，提高净失业率［16］。与劳动相比，资本变得更加重要，资本收入份额增加。基于此，提出如下假设：假设4：人工智能技术和应用通过生产率效应影响企业利润与工资之间的收入分配。
三、研究设计
1.数据来源
本文选取2007—2022年沪深A股上市公司作为研究样本。以2007年作为起始研究年限的原因在于，随着2006年神经网络深度学习算法的出现，人工智能开始以前所未有的速度在全球范围内快速发展，中国的人工智能技术与应用更是真正走在了世界的前列。样本数据分为三类：企业层面的指标主要包括公司基本信息、员工就业信息、财务指标等，均来自Wind数据库和国泰安数据库（CSMAR）；
上市公司年报来自上海证券交易所和深圳证券交易所官网；
区域层面的市场化水平来自中国市场化指数数据库，其余数据来自《中国城市统计年鉴》。此外，本文还对样本数据进行了如下处理：
①剔除连续两年亏损或净资产低于股票面值以及第三年公司经营仍未改善，依旧处于亏损状态并存在退市风险（ST和*ST）的公司；
②剔除金融行业公司；
③剔除“支付给职工以及为职工支付的现金”小于等于0的公司；
④剔除数据缺失严重的样本。为减轻极端值和异常值的影响，本文对所有连续型变量进行了1%的缩尾处理。
2.变量选取
（1）被解释变量。
利润与工资之间的收入分配（All）。本文借鉴已有文献的做法［12，27］，使用企业内部利润与工资的比率来衡量利润与工资之间的收入分配。其中利润使用企业净利润来表示［11］，工资使用支付给职工以及为职工支付的现金来表示。
（2）核心解释变量。
人工智能（AI）。如何度量企业层面的人工智能发展水平是本研究的重点。由于人工智能在企业中的应用近些年才受到广泛关注，目前尚无统一的指标和数据进行测量。现有研究关于人工智能的测度主要分为三种：一是使用国际机器人联盟（IFR）发布的工业机器人数据进行衡量，但工业机器人的应用仅涉及制造业，无法涵盖所有行业。二是使用企业人工智能采纳度进行衡量，将企业机器设备的人均价值作为代理变量，但这种方法无法准确区分机器的类型，因此用其测度人工智能发展水平容易产生较大误差。三是使用专利数据作为人工智能发展水平的代理变量，尽管研究认为专利数据能够有效测度样本期内企业的创新能力，较好地反映企业具备的技术水平和知识存量，但并非所有的创新都申请了专利，例如一些企业出于保护商业秘密的考虑选择不申请专利，使用这种方法测度人工智能发展水平对企业专利行为的变化非常敏感，因此存在一定的局限性。为了更加准确地考察企业人工智能的发展水平，本文基于上市公司年报信息，通过选取人工智能关键词，使用Python批量提取关键词出现的总频数，并以此来反映企业的人工智能发展水平。具体步骤如下：
①使用Python软件编写代码，从上交所和深交所官网上爬取2007—2022年上市公司年报，并将年报格式转换为txt文本格式。
②借鉴格拉斯霍夫（Grashof）等的研究［14］，将人工智能分为人工智能技术（AItec）和人工智能应用（AIapp）两大类，前者侧重于人工智能软硬件基础设施及技术，后者更关注人工智能场景应用。根据《新一代人工智能发展规划》、《人工智能发展报告2011—2020》、《中国制造2025》政策文件和研究报告选取人工智能技术和人工智能应用相关的关键词，利用Python软件和人工处理，分别建立关键词词库。其中人工智能技术包括大数据、云计算、机器学习等，人工智能应用包括智能机器人、无人驾驶、智能控制等。
③借助Python软件的jieba分词功能，从上市公司年报中提取上一步骤涉及的关键词，按照人工智能技术和人工智能应用分别计算关键词出现的次数并加总。具体关键词统计见表1。
表1显示出了人工智能技术和人工智能应用关键词的占比。由表1可以看出，人工智能技术的占比高达75-59%，表明当前中国人工智能的发展仍依赖于人工智能技术。其中，在人工智能技术中，占比最高的依次为大数据（30-82%）、物联网（23-88%）、云计算（12-55%），而人工智能关键技术，如机器学习、深度学习、自然语言处理的占比却不足1%，表明我国人工智能核心技术基础薄弱，暴露出我国人工智能技术在核心算法、芯片研发等关键领域仍然存在“卡脖子”的问题。另外，在人工智能应用方面，智能制造（37-35%）占比最高，其次是智能控制（16-46%）、智能家居（8-69%），表明现阶段我国人工智能应用仍然集中在制造业领域，第一、三产业人工智能应用水平还相对较低。
（3）控制变量。
影响企业收入分配的因素有很多，本文参考现有文献，将控制变量分为三类：
①企业层面包括净资产收益率（Roe）、资产规模（Size）、资产负债率（Lev）。其中，资产收益率使用企业税后利润与净资产的比率衡量；
资产规模使用企业资产总计的对数衡量；
资产负债率使用总负债占总资产的比例衡量。②企业家层面包括董事、监事、高级管理人员是否具有金融背景（Fin）、管理层平均年龄（Age）、管理层女性占比（Fem），其中Fin取1时表示董监高具有金融背景。
③区域层面包括市场化水平（Mar）和产业结构（Ind）。其中，市场化水平使用中国市场化指数数据库中的市场化水平得分来衡量；
产业结构使用第三产业增加值与地区GDP的比重来衡量。具体的变量及变量定义详见表2。
3.模型构建
为了检验人工智能对企业利润与工资之间收入分配的影响，本文构建了如下模型用于基准回归检验：
Allrijt=β0+β1AIrijt+β2AI2rijt+β3Xrijt+γi+λj+δt+εrijt（1）
其中，r、i、j、t分别代表企业、所属行业、所属地区、年份。被解释变量Allrijt为企业利润与工资之间的收入分配，核心解释变量AIrijt包括人工智能技术（AItec）和人工智能应用（AIapp），为了验证人工智能对企业利润与工资之间收入分配的非线性影响，在模型中加入了人工智能的二次项AI2rijt。Xrijt为包含一系列控制变量的集合，包括企业层面、企业家层面、区域层面的控制变量。γi为行业固定效应，λj为地区固定效应，δt为年份固定效应，εrijt为误差项。本文选择对标准误进行企业层面的聚类稳健处理，以解决异方差以及序列相关性问题。
四、实证结果与分析
1.基准回归分析
表3报告了人工智能对企业利润与工资之间收入分配的基准回归结果，其中（1）—（4）列是人工智能技术对企业利润与工资之间收入分配的估计结果，（5）—（8）列是人工智能应用对企业利润与工资之间收入分配的估计结果。由（1）—（4）列可知，不论是否加入控制变量，人工智能技术对企业利润与工资之间的收入分配均呈“U”型，但二次项系数显著不代表“U”型关系成立，因此本文进一步检验了人工智能技术的极值点。本文以（4）列为例绘制了人工智能技术对企业利润与工资之间收入分配的“U”型关系图，如图1所示，人工智能技术的极值点为56-0161，取值范围为［0，106］，极值点位于数据范围内，P值为0-0002，证实了“U”型关系成立。此外，由（5）—（8）列可知，在加入控制变量的基础上，人工智能应用对企业利润与工资之间的收入分配也呈“U”型。同理，进一步检验人工智能应用的极值点，以（8）列为例绘制了人工智能应用对企业利润与工资之间收入分配的“U”型关系图，由图2可以看出，人工智能应用的极值点为28-2246，并位于取值范围［0，58］内，P值为0-0008，同样证明了“U”型关系的存在。上述结果表明，人工智能技术和应用首先降低了企业利润和工资的比值，在达到极值点后，人工智能技术和应用的进一步发展会在增加利润的同时减少工资，加剧企业利润与工资之间收入分配的差距。因此，验证了假设1。
2.内生性检验
内生性主要来源于三个方面：遗漏变量偏差、双向因果和样本选择偏差。首先，为了避免遗漏变量和双向因果造成的内生性问题，本文选取了两个工具变量，并采用了两阶段最小二乘法进行估计。第一，基于份额移动法构造Bartik工具变量，使用单元初始份额和总体增长率的乘积计算历年单元估计值以减弱内生性问题，公式如下：
AIgrowthr，t=AIr，t-1·（1+AIprovt）（2）
其中，AIr，t-1表示r企业在t-1年的人工智能水平，AIprovt表示t年所有企业人工智能水平的年增长率，AIgrowthr，t表示r企业t年人工智能增长率得到的预测值。本文将AI分为人工智能技术和人工智能应用分别构造工具变量。基于初始变量的预测值与本企业人工智能的发展之间存在较强的相关性，但不会与其他影响企业人工智能水平的残差项相关。同时，根据表4
（1）—（4）可知，无论使用人工智能技术还是人工智能应用，Bartik工具变量均通过了过度识别和弱工具变量检验，第二阶段的结果呈现出统计学意义上的显著性，且在考虑了此内生性后核心解释变量的系数绝对值变大，这意味着存在反向因果关系的影响，证明了基准回归结果的稳健性。
第二，本文将解释变量的滞后一期作为工具变量，结果如表4（5）—（8）列，估计结果表明人工智能技术与人工智能应用及其二次项的符号及显著性与基准回归结果一致，证明了在引入工具变量减轻内生性问题的影响后，本文的结论依然成立。
其次，考虑不同财务状况下的企业可能会存在一定的选择偏误，因此采用倾向得分匹配法（PSM）缓解这一内生性问题。本文按照人工智能技术和人工智能应用的中位数进行分组，大于中位数的组赋值为1，反之为0，形成虚拟变量分组。再分别采用1∶1最近邻匹配、1∶3最近邻匹配、半径匹配和核匹配的方法得到平均处理效应（ATT）。倾向得分匹配的结果表明，实验组和对照组组间差异均显著为负，人工智能技术和应用程度高的实验组其企业利润与工资之间的收入分配显著高于对照组，且这一处理效应在不同的匹配方法下具有稳健性倾向得分匹配结果备索。。
3.稳健性检验
为了使基本结论更加可信，本文还从以下四个方面进行一系列的稳健性检验：
①替换被解释变量。为了避免被解释变量因测度方法不同产生的偏差对估计结果的影响，本文借鉴已有文献的做法［12］，将企业利润与工资之间的收入分配划分为利润与营业收入的比值（Profit）、工资与营业收入的比值（Wage）分别进行检验。检验结果如表5所示，人工智能技术的估计系数与基准回归结果基本一致，但人工智能应用对工资与营业收入的比值没有通过稳健性检验，因此还需进行一系列稳健性检验。
②分时段检验。2017年《新一代人工智能发展规划》强调，提升人工智能技术水平，实现核心领域的领先地位；
加强人工智能应用研究，推动创新应用落地。此后，我国人工智能发展进入全新阶段，因此，本文以2017年为时间节点分阶段进行回归。
③剔除直辖市样本。考虑到企业分布属地的特殊性以及直辖市地区特殊的发展政策，本文剔除四大直辖市样本重新进行回归检验。
④采用更为严格的聚类稳健标准误。考虑到同一地区内各个企业在人工智能发展中存在交流和合作，可能存在相关性，因此，为避免估计偏误，使用聚类到省级层面的稳健标准误进行回归。上述所有稳健性检验结果均表明，本文核心结论依然成立，证明基准回归结果具有稳健性稳健性检验结果备索。
4.机制检验
上述研究表明，人工智能技术和应用对企业利润与工资之间收入分配的影响呈“U”型。基于前面的理论分析，本文对人工智能影响企业利润与工资之间收入分配的潜在机制进行进一步检验，主要包括就业规模效应、就业结构效应和生产率效应。
本文参考已有文献的做法［12］，在基准回归的基础上考察中介变量对企业利润与工资之间的非线性影响。
（1）就业规模效应。
前面理论分析表明，人工智能对劳动力具有替代效应和恢复效应，而企业最终的就业规模取决于二者的共同作用。因此，本文以企业员工人数（Dem）作为劳动力就业规模的代理变量，检验就业规模效应。结果如表6所示，由第（1）、（5）列可以看出，人工智能技术和人工智能应用的系数不显著，说明二者对劳动力就业规模的影响不是线性的。（2）、（6）列进一步加入二者的二次项，人工智能技术和应用的系数显著为正，二次项系数显著为负，说明人工智能技术和应用对劳动力就业规模的影响是非线性的。接下来考察劳动力就业规模对利润与工资之间收入分配的影响。在第（3）、（4）列，我们引入劳动力就业规模及其二次项，结果显示劳动力就业规模的系数显著为负，其二次项系数显著为正，说明劳动力就业规模对利润与工资之间收入分配的影响呈“U”型，这表明人工智能技术能够通过改变企业就业规模来影响利润与工资之间的“U”型关系。而通过（7）—（8）列可知，劳动力就业规模对利润与工资之间收入分配的影响是线性的，且在加入劳动力就业规模的二次项后，人工智能应用的系数变得不显著，这说明就业结构对人工智能应用和企业利润与工资之间的“U”型关系起到完全中介作用。综上，假设2得到验证。
（2）就业结构效应。
根据前面分析，人工智能技术和应用对就业结构的影响是动态的。本文将企业中研发人员占比（Pos）作为代理变量，考察员工就业结构这一中间机制。估计结果如表7所示。首先，由（1）、（2）列可知，人工智能技术对劳动力就业结构的影响是非线性的。第（4）列加入劳动力就业结构及其二次项，结果显示，劳动力就业结构的系数显著为正，劳动力就业结构二次项的系数显著为负，表明劳动力就业结构对利润与工资之间收入分配的影响呈倒“U”型。这表明，人工智能技术通过诱导倒“U”型的就业结构效应引发了“U”型的利润与工资之间的收入分配效应。其次，由表7第（7）列可知，在加入劳动力就业结构这一中介变量后，其系数不显著，说明劳动力就业结构对利润与工资之间的收入分配不是线性的，第（8）列加入劳动力就业结构的二次项后，劳动力就业结构的系数显著为正，劳动力就业结构二次项的系数显著为负，上述结果表明人工智能应用可以通过就业结构效应引发利润与工资之间非对称的收入分配效应。因此，假设3成立。
（3）生产率效应。
人工智能的发展将带来生产率的显著提升。为了验证人工智能技术和应用如何通过生产率影响企业利润与工资之间的收入分配，本文使用全要素生产率（Tfp）作为代理变量，并采用OP法来衡量。结果如表8所示。由（2）列可以看出，人工智能技术对全要素生产率存在显著的影响。进一步考察基准回归的非线性影响是否源于全要素生产率的作用，在第（4）列加入全要素生产率及其二次项，结果显示，全要素生产率的系数显著为正，二次项系数不显著，表明全要素生产率对企业利润与工资之间的收入分配的影响是线性的，即人工智能技术通过提高全要素生产率引发了“U”型的利润与工资之间的收入分配效应。此外，由第（5）、（6）列可知，人工智能应用对全要素生产率的影响是非线性的，为了考察人工智能应用对利润与工资之间收入分配的“U”型关系是不是全要素生产率所引致的，接下来进一步在第（8）列加入全要素生产率及其二次项，结果表明，二次项系数不显著，说明人工智能应用也能够通过提高全要素生产率引发利润和工资之间的“U”型关系。假设4得以验证。
五、进一步分析
人工智能技术和应用对企业利润与工资之间的分配产生了非对称、非线性的影响，这一影响效应是否又与其他外部因素切实相关？根据融资约束理论，融资约束的存在导致企业无法满足创新投入对资金稳定投入的要求，抑制了企业的创新行为。而企业财务柔性能够直接为创新行为提供资金支持，不必使企业受限于高交易成本的外部融资，有利于缓解融资约束。所谓财务柔性，是指企业为了应对财务环境变化和不确定性，通过整合财务资源、优化财务决策，来管理财务风险的一种综合能力。它主要体现在企业如何有效运用财务资源、优化财务行为，以及如何处理财务风险的过程中［28］。
研究表明，财务柔性可以产生适应效应，通过灵活调整财务储备保证企业可持续创新［29］。由于人工智能的研发和应用需要大量资金，其高风险性在前期可能不会带来直接效益和促进生产率提高，这会在实现增长之前增加企业的沉没成本，而财务柔性能够优化企业财务资源配置，保持持续稳定的资金投入。陈非、韩晓宇研究发现，高水平的财务柔性能够使企业保持充足的资金和剩余负债能力开展创新研发活动［30］。通过提高财务柔性水平，企业有足够的资金发展人工智能技术，更能够从人工智能应用中获益，进而提高企业的盈利能力。综上所述，财务柔性对人工智能和企业利润与工资之间收入分配的关系具有调节作用。
基于以上分析，本文借鉴孔德议、许安心的做法［31］，使用现金柔性和负债柔性来表示财务柔性。其中，现金柔性=企业现金持有率-同行业平均现金持有率，负债柔性=同行业平均负债比率-企业负债比率。为了检验财务柔性在人工智能对企业利润和工资之间收入分配的非线性影响中所起的作用，本文在基准回归模型（1）的基础上加入调节变量、调节变量与核心解释变量的交乘项、调节变量与核心解释变量二次项的交乘项，建立非线性的调节效应模型如下：
Allrijt=β0+β1AIrijt+β2AI2rijt+β3Finrijt+β4Fin·AIrijt+β5Fin·AI2rijt+
β6Xrijt+γi+λj+δt+εrijt（3）
其中，Finrijt表示财务柔性。由表9第（2）列可以看出，财务柔性与人工智能技术的交乘项系数为-0-0283，在1%统计水平上显著，财务柔性与人工智能技术二次项的交乘项的系数为0-0002，且在10%的统计水平上显著，表明财务柔性正向调节了人工智能技术与企业分配效应的“U”型关系。为了能够进一步厘清财务柔性与人工智能技术之间的交互作用，利用变量均值加减标准差的方式绘制交互效应图。由图3可知，在财务柔性水平较高时，“U”型曲线相较于未考虑财务柔性的调节效应时变得陡峭，可以看出财务柔性强化了二者之间的“U”型关系。在跨过拐点后，高水平的财务柔性会加快人工智能技术的发展，同时提高利润与工资间的比值。随着人工智能技术的进步，在相同的人工智能技术水平下，财务柔性更高的企业其利润与工资的比值也越大。同样，由表9第（4）列可知，财务柔性与人工智能应用的交乘项（β=-0-0394）、财务柔性与人工智能应用二次项的交乘项（β=0-0007）的系数均显著，表明财务柔性正向调节了人工智能应用与企业分配效应的“U”型关系。其调节效应如图4所示，对于财务柔性较高的企业来说，人工智能应用与企业内部分配效应的“U”型关系较为明显，表现在“U”型左右两边相对陡峭，说明人工智能应用对财务柔性较高的企业分配效应的影响相对更大。
六、结论与建议
提高员工工资、增进员工福祉，一直是全社会共同努力的目标。但随着人工智能的大规模应用，企业中人工智能的红利出现了偏向资本的现象［12］。为了全面考察人工智能是否对企业利润和工资之间的收入分配产生非对称、非线性的影响，本文基于2007—2022年沪深A股上市公司的数据，从理论和实证两方面进行了深入探讨。研究发现：
①人工智能技术和人工智能应用对企业利润与工资之间收入分配的影响呈“U”型，即人工智能技术和应用先是缩小了利润与工资之间的差距，在其发展到一定程度后，逐渐开始偏向于利润，且在经历了一系列稳健性检验后结论依然成立。
②人工智能技术和应用能够通过就业规模效应、就业结构效应以及生产率效应影响利润与工资之间的分配。
③进一步分析发现，企业财务柔性能够正向调节人工智能技术和应用与企业收入分配之间的“U”型关系。
本文的研究为探索人工智能是否对中国企业层面收入分配产生非对称的影响提供了经验证据。基于此，提出以下政策建议：①支持企业进行科技创新，推进企业智能化转型。政府应继续完善与人工智能和智能制造相关的政策，为企业提供税收优惠、资金支持等实质性帮助，降低企业研发与应用成本。同时，企业需要明确智能化转型的目标和愿景，制定相应的战略规划，推动人工智能技术和应用两方面发展。
②企业应不断增强自身的盈利能力，进一步扩充融资渠道，规避研发风险，保持高水平的财务柔性。充足的资金支持能够支持企业不断提升创新能力，为人工智能的研发投入创造稳定的财务环境，避免因资金不足错失有利的发展机会。
③企业应建立完善的职业技能培训体系，同时劳动者也应增强对不同工作的适应能力，增强自身与高技能工作岗位的适配度，防止由于人工智能的替代效应导致失业率上升、平均工资水平下降，依靠自身的新技能进一步提高工资水平。
参考文献：
［1］刘凤良，吴孟非，徐少锋.人工智能的财富分配效应研究［J］.经济理论与经济管理，2022（6）：64-78.
［2］LANKISCHC，PRETTNERK，PRSKAWETZA.Howcanrobotsaffectwageinequality？［J］.EconomicModelling，2019，81：161-169.
［3］AUTORDH，DORND，KATZLF，PATTERSONC，VANREENENJ.The
fallofthelaborshareandtheriseofsuperstarfirm［J］.TheQuarterlyJournalofEconomics，2020，135（2）：645-709.
［4］ACEMOGLUD，AUTORDH.Skills，
tasksandtechnologies：implicationsforemploymentandearnings［R］.NationalBureauofEconomicResearch，2010.
［5］王林辉，胡晟明，董直庆.人工智能技术会诱致劳动收入不平等吗——模型推演与分类评估［J］.中国工业经济，2020（4）：97-115.
［6］ACEMOGLUD，RESTREPOP.Tasks，
automation，andtheriseinUSwageinequality［J］.Econometrica，2022，90（5）：1973-2016.
［7］王丽媛.智能化发展、劳动力供给技能结构与技能溢价［J］.山西财经大学学报，2021（5）：45-60.
［8］PRETTNERK，BLOOMDE.AutomationandItsMacroeconomicConsequences：Theory，Evidence，andSocialImpacts［M］.London：Elsevier，AcademicPress，2020.
［9］姚笛，陈东，郑玉璐.人工智能与企业内工资差距：任务偏向还是技能偏向［J］.经济理论与经济管理，2023（9）：99-112.
［10］EECKHOUTJ.Theprofitparadox：howthrivingfirmsthreatenthefutureofwork［M］.Princeton：PrincetonUniversityPress，2022：74-75.
［11］COVERIA，PIANTAM.Technology，profitsandwages［R］.LEMworkingpaperseries，2019.
［12］WANGL，CAOZ，DONGZ.Areartificialintelligencedividendsevenlydistributedbetweenprofitsandwages？evidencefromtheprivateenterprisesurveydatainChina［J］.StructuralChangeandEconomicDynamics，2023，66：342-356.
［13］HICKSJR.
Marginalproductivityandtheprincipleofvariation［J］.Economica，1932，35：79-88.
［14］GRASHOFN，KOPKAA.Artificialintelligenceandradicalinnovation：anopportunityforallcompanies？［J］.SmallBusinessEconomics，2023，61（2）：771-797.
［15］CABALLERORJ，FARHIE，GOURINCHASPO.Rents，
technicalchange，andriskpremiaaccountingforseculartrendsininterestrates，returnsoncapital，earningyields，andfactorshares［J］.AmericanEconomicReview，2017，107（5）：614-620.
［16］朱琪，刘红英.人工智能技术变革的收入分配效应研究：前沿进展与综述［J］.中国人口科学，2020（2）：111-125，128.
［17］干春晖，姜宏.资本偏向型技术进步新特征及其对劳动力市场的影响机制研究［J］.财经研究，2022（5）：34-48，79.
［18］尹志锋，曹爱家，郭家宝，等.基于专利数据的人工智能就业效应研究——来自中关村企业的微观证据［J］.中国工业经济，2023（5）：137-154.
［19］AUTORDH.Whyaretherestillsomanyjobs？thehistoryandfutureofworkplaceautomation［J］.JournalofEconomicPerspectives，2015，29（3）：3-30.
［20］ACEMOGLUD，RESTREPOP.Automationandnewtasks：howtechnologydisplacesandreinstateslabor［J］.JournalofEconomicPerspectives，2019，33（2）：3-30.
［21］陈东，姚笛.人工智能扩大了企业间的工资差距吗？——来自中国工业企业的证据［J］.经济科学，2022（3）：127-142.
［22］王永钦，董雯.机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据［J］.经济研究，2020（10）：159-175.
［23］AUTORDH，DORND.The
growthoflowskillservicejobsandthepolarizationoftheUSlabormarket［R］.NBER，2013.
［24］AUTORDH，LEVYF，MURNANERJ.Theskillcontentofrecenttechnologicalchange：anempiricalexploration［J］.QuarterlyJournalofEconomics，2003，118（4）：1279-1333.
［25］HEMOUSD，OLSENM.Theriseofthemachines：automation，horizontalinnovation，andincomeinequality［J］.AmericanEconomicJournal：Macroeconomics，2022，14（1）：179-223.
［26］GRAETZG，MICHAELSG.Robotsatwork［J］.TheReviewofEconomicsandStatistics，2018，100（5）：753-768.
［27］SUNGR，OWENE，LIQ.Howdocapitalandlaborspliteconomicgainsinanageofglobalization？［J］.ReviewofInternationalPoliticalEconomy，2021，28（1）：232-257.
［28］赵华，张鼎祖.企业财务柔性的本原属性研究［J］.会计研究，2010（6）：62-69，96.
［29］HAOZ，ZHANGX，WEIJ.Researchontheeffectofenterprisefinancialflexibilityonsustainableinnovation［J］.JournalofInnovation&Knowledge，2022，7（2）：100184.
［30］陈非，韩晓宇.环境不确定性、财务柔性与研发投资——基于中小板上市公司的经验证据［J］.工业技术经济，2018（10）：19-25.
［31］孔德议，许安心.管理决断权、财务柔性与企业技术创新［J］.证券市场导报，2020（5）：56-63.
TheNonlinearImpactofArtificialIntelligenceonEnterpriseIncomeDistribution：
ATestBasedonListedCompanyDatafrom2007to2022
HEQin，LIXinyue
（SchoolofLaborEconomics，CapitalUniversityofEconomicsandBusiness，
Beijing100070，China）
Abstract：Thenewtechnologicalchangesbroughtaboutbyartificialintelligencehaveledtochangesinthedistributionpatternofenterpriseincome.BasedonthedataofAsharelistedcompaniesinShanghaiandShenzhenfrom2007to2022，thisstudyusestextanalysismethodtoscientificallycalculateartificialintelligencetechnologyandapplications，andanalyzestheimpactofartificialintelligenceontheincomedistributionbetweenenterpriseprofitsandwages.ResearchhasfoundthattheimpactofartificialintelligencetechnologyandapplicationsonthedistributionofenterpriseprofitsandwageincomeshowsaUshapedpattern，thatis，intheearlystagesofthedevelopmentofartificialintelligencetechnologyandapplications，theratioofprofitstowagescontinuouslydecreases，andthegapgraduallynarrows;Butwhenartificialintelligencetechnologyandapplicationsexceedthethreshold，profitscontinuetodevourwages，leadingtoagradualwideninggapbetweenprofitsandwages.Thisconclusionstillholdsafterundergoingaseriesofrobustnesstestssuchasreplacingthedependentvariable，timeperiodtesting，andremovingsamplesfrommunicipalitiesdirectlyunderthecentralgovernment.Mechanismanalysisrevealsthatartificialintelligencetechnologyandapplicationscanindirectlyaffectthedistributionofprofitsandwagesamongenterprisesthroughemploymentscaleeffects，employmentstructureeffects，andproductivityeffects.FurtherresearchhasfoundthatfinancialflexibilitycanpositivelyregulatetheUshapedrelationshipbetweenartificialintelligenceandincomedistributionbetweenprofitsandwages.Forenterpriseswithhigherfinancialflexibility，theUshapedrelationshipbetweenartificialintelligencetechnologyandapplicationsandinternaldistributioneffectsismoreobvious，indicatingthattheimpactofartificialintelligencetechnologyandapplicationsonthedistributioneffectofenterpriseswithhigherfinancialflexibilityisrelativelygreater.Thisarticleprovidesimportantpolicyrecommendationsforincreasingemployeewagesandsuppressingthewideningcapitalandlaborgapbetweenenterprisesinthecontextofaccelerateddevelopmentofartificialintelligence.
Keywords：artificialintelligencetechnology；
artificialintelligenceapplications；
profitsandwages；
incomedistribution
