陈安平

• 1:暨南大学经济学院

摘要(Abstract)：

当前，中国的区域经济发展分化态势明显。在此背景下，人工智能的快速渗透会给各地经济增长和区域差距带来什么影响?为了回答该问题，本文首先建立差分模型，给出简约式的证据。研究发现，人工智能对经济增长有显著的促进作用，如果处于25%分位的城市采用与75%分位城市一样的人工智能渗透率，则其GDP的增长率提高约1.4个百分点。该结论在进行一系列稳健性检验及处理内生性问题后仍成立。为进一步分析人工智能对各个区域的异质性影响及总体经济效应，本文构建了一个多区域量化空间模型。模拟分析表明：人工智能会提高一个地区的就业、工资与产出，降低其生产成本与价格，促进该地与其他区域的贸易和劳动力流动；如果每个区域都受到相同的人工智能冲击，则全国GDP和福利水平会上升，但与此同时，由于各地对冲击的响应不同，区域之间人均产出的差距将拉大。

关键词(KeyWords)： 人工智能;经济增长;区域差距;量化空间模型

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金面上项目“基于量化空间模型和多维识别的人工智能区域经济效应及机制研究”(编号:72373047)的资助

作者(Author): 陈安平

参考文献(References)：

• 陈琳,高悦蓬,余林徽.2024.人工智能如何改变企业对劳动力的需求?——来自招聘平台大数据的分析[J].管理世界,40(6):74-91.Chen L,Gao Y P,Yu L H.2024.How is AI shaping the labor demands of enterprises?Evidence from big data analysis of recruitment platforms[J].Journal of Management World,40(6):74-91.(in Chinese) 李磊,王小霞,包群.2021.机器人的就业效应:机制与中国经验[J].管理世界,37(9):104-118.Li L,Wang X X,Bao Q.2021.The employment effect of robots:Mechanism and evidence from China[J].Journal of Management World,37(9):104-118.(in Chinese) 刘卫东,唐志鹏,韩梦瑶,等.2018.2012年中国31省区市区域间投入产出表[M].北京:中国统计出版社.Liu W D,Tang Z P,Han M Y,et al.2018.The 2012 China multi-regional input-output table of 31 provincial units[M].Beijing:China Statistics Press.(in Chinese) 孙早,侯玉琳.2019.工业智能化如何重塑劳动力就业结构[J].中国工业经济,(5):61-79.Sun Z,Hou Y L.2019.How does industrial intelligence reshape the employment structure of Chinese labor force[J].China Industrial Economics,(5):61-79.(in Chinese) 王永钦,董雯.2020.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,55(10):159-175.Wang Y Q,Dong W.2020.How the rise of robots has affected China's labor market:Evidence from China's listed manufacturing firms[J].Economic Research Journal,55(10):159-175.(in Chinese) Acemoglu D,Restrepo P.2018.The race between man and machine:Implications of technology for growth,factor shares,and employment[J].American Economic Review,108(6):1488-1542. Acemoglu D,Restrepo P.2019.Automation and new tasks:How technology displaces and reinstates labor[J].Journal of Economic Perspectives,33(2):3-30. Acemoglu D,Lelarge C,Restrepo P.2020.Competing with robots:Firm-level evidence from France[J].AEA Papers and Proceedings,110:383-388. Acemoglu D,Restrepo P.2020.Robots and jobs:Evidence from US labor markets[J].Journal of Political Economy,128(6):2188-2244. Acemoglu D.2021.Harms of AI,Working Paper No.29247[R].Cambridge:National Bureau of Economic Research,1-55. Acemoglu D,Restrepo P.2022.Tasks,automation,and the rise in US wage inequality[J].Econometrica,90(5):1973-2016. Adao R,Arkolakis C,Esposito F.2022.General equilibrium effects in space:Theory and measurement,NBERWorking Paper No.25544[R].Cambridge:National Bureau of Economic Research,1-63. Aghion P,Jones B F,Jones C I.2017.Artificial intelligence and economic growth,NBER Working Paper No.23928[R].Cambridge:National Bureau of Economic Research:1-56. Aghion P,Antonin C,Bunel S,et al.2020.What are the labor and product market effects of automation?New evidence from France,CEPR Discussion Paper No.14443[R].Paris:CEPR Press. Aghion P,Antonin C,Bunel S,et al.2022.The direct and indirect effects of automation on employment:A survey of the recent literature[M]//Ing L Y,Grossman G M.Robots and AI:a New Economic Era.Oxon and New York:Routledge. Aghion P,Antonin C,Bunel S,et al.2023.The local labor market effects of modern manufacturing capital:Evidence from France[J].AEA Papers and Proceedings,113:219-223. Alonso C,Berg A,Kothari S,et al.2022.Will the AI revolution cause a great divergence?[J].Journal of Monetary Economics,127:18-37. Baum-Snow N,Brandt L,Henderson J V,et al.2017.Roads,railroads,and decentralization of Chinese cities[J].The Review of Economics and Statistics,99(3):435-448. Caliendo L,Parro F,Rossi-Hansberg E,et al.2018.The impact of regional and sectoral productivity changes on the U.S.economy[J].The Review of Economic Studies,85(4):2042-2096. Dauth W,Findeisen S,Suedekum J,et al.2021.The adjustment of labor markets to robots[J].Journal of the European Economic Association,19(6):3104-3153. Dekle R,Eaton J,Kortum S.2007.Unbalanced trade[J].American Economic Review,97(2):351-355. Eaton J,Kortum S.2002.Technology,geography,and trade[J].Econometrica,70(5):1741-1779. Faber B,Gaubert C.2019.Tourism and economic development:Evidence from Mexico's coastline[J].American Economic Review,109(6):2245-2293. Redding S J.2016.Goods trade,factor mobility and welfare[J].Journal of International Economics,101:148-167. Redding S J.2022.Chapter 3-Trade and geography[J].Handbook of International Economics,5:147-217. Tombe T,Zhu X D.2019.Trade,migration,and productivity:A quantitative analysis of China[J].American Economic Review,109(5):1843-1872. Zeira J.1998.Workers,machines,and economic growth[J].The Quarterly Journal of Economics,113(4):1091-1117.
• ① 比如，2017年7月中国出台《新一代人工智能发展规划》,2021年12月制定《“十四五”机器人产业发展规划》,2023年1月发布《“机器人+”应用行动实施方案》。 (1)受数据所限,后文建立的量化空间模型的初始均衡设定为2010年,模拟分析中采用了2010到2015年之间各地所受到的人工智能冲击。 (2)2010和2015年全国层面各产业的就业数据来自https://www.worldklems.net/wkanalytical。 (3)1995年各城市细分产业的就业数据是从Baum-Snow et al.(2017)附录的数据中提取。样本期间,ΔBartik1015的均值是1.32,即对所有城市平均而言,每千人所使用的机器人增加了1.32台。 (4)人口密度的定义是每平方公里的人口数,人均道路面积的定义是平均每人拥有多少平方米的道路。 (5)为了节省篇幅,表中省略了常数项与省份虚拟变量的估计结果。 (6)机器人进口数据来自https://comtrade.un.org/data,本文采用847950商品代码下的进口额。信息传输、计算机服务和软件业的就业数据来自《中国城市统计年鉴》。 (7)19大城市群是一种常见的划分方法,具体包含京津冀、长三角、珠三角、成渝、长江中游、山东半岛、粤闽浙沿海、中原、关中平原、北部湾、哈长、辽中南、山西中部、黔中、滇中、呼包鄂榆、兰州—西宁、宁夏沿黄、天山北坡等城市群。 (8)土地消费可以理解为由住房需求引致的土地需求。 (9)为了简化分析,本文并没有设定机器人和最终品之间的转化函数关系,而假设机器人与最终品的价格相同,从而可以得出中间品生产单位成本的简洁形式。 (10)有文献采用类似的做法在生产函数中引入人工智能,比如Alonso et al.(2022)。 (11)限于篇幅,附录1可通过中国知网检索并下载。 (12)在本文研究所获得的数据中,没有城市之间的贸易与劳动力迁移数据,只有省级之间的贸易和劳动力迁移数据,因而选择省级单元来分析。对于区间贸易,最新的数据是2012年省份之间的投入产出表。对于劳动力流动,可以从人口普查或小普查获取2005,2010,2015等年份的数据,本文选择与区间贸易数据相近的2010年。 (13)2010年人口流动数据见国家统计局网站:http://www.stats.gov.cn/tjsj/pcsj/rkpc/6rp/indexce.htm。 (14)由于没有各省机器人支出的相关数据,假设机器人相关行业的投资为机器人的支出。 (15)也有例外,比如中部的内蒙古与东北的辽宁λ值也较高,这主要是由于这两个省的人均产出也即人均收入和工资相对于机器人的价格更高,生产中采用机器人更为划算所致。 (16)限于篇幅,附录2可通过中国知网检索并下载。 (17)之所以采用2010—2015年机器人密度的变化,是为了观察人工智能冲击在较长一段时期比如五年内的一般均衡效应,也是为了和前文简约式回归的时段相一致,便于对量化空间模型的模拟结果和简约式的估计结果进行比较。机器人密度是以累积机器人安装量除以同年第二产业就业人数而得到。 (18)广东的人均产出提高了约6%。与广东相比,其他各省人均产出变化的幅度很小,比如北京的人均产出仅提高了0.02%,从图3几乎看不出这种变化。图4也存在类似的情况。 (19)其他阶层指以工资为主要收入来源之外的其他群体,比如以资本收益为主要收入来源的阶层。 (20)为了节省篇幅,其他省份冲击对全国GDP和福利水平影响大小的模拟结果在文中没有报告(见附录3,附录可通过中国知网检索并下载)。 (21)如前文所述,受数据所限,量化空间模型的模拟采用的是省级数据。为了和量化空间模型的模拟结果相比较,需要把简约式回归部分基于城市数据的结果转化到省级层面。 (22)为了和简约式模型的预测值相比较,对产出变化的模拟值取了对数。 (23)预测值的均值为0.028,标准差为0.007。模拟值的均值为0.098,标准差为0.073。