智库理论动态丨机器人兴起如何影响中国劳动力市场（外三则）
目前，机器人应用已经成为推动中国从“制造大国”向“制造强国”转变，实现经济“高质量发展”的重要力量。
根据国际机器人联合会（IFR）定义，工业机器人是一种可自动控制、可重复编程、可完成多目标任务的机械，是面向工业领域的多关节机械手或多自由度机器人，可在一些单调、繁复和长时间的工作中替代人类。数据显示，从2010至2017年，中国工业机器人保有量年均增长率达到37.73%;2016年中国首次超越日本成为全球工业机器人存量最大的国家;2017年中国工业机器人销量达到13.79万台，占当年全球总销量的36%。
作为一个处于经济转型期的发展中大国，机器人应用的迅猛发展势必会对中国当前以及未来的劳动力市场带来深刻影响。
本研究利用国际机器人联合会公布的2011至2015年行业层面的机器人数据及中国制造业上市公司的微观数据，构造了中国企业层面的工业机器人渗透度指标，在此基础上，实证检验了机器人应用对中国制造业上市公司劳动力需求和工资的影响。
实证结果表明，总体来看，工业机器人应用对企业的劳动力需求产生了一定的替代效应，即工业机器人渗透度每增加1%，企业的劳动力需求下降0.18%，且这种替代效应呈现出明显的结构性特征，但是对企业的工资水平没有明显影响。
具体而言，工业机器人对劳动力的替代主要存在于本科和专科学历的员工群体中，其替代弹性分别为-0.27和-0.44;而对高中及以下学历劳动力，机器人应用对其有显著的挤入效应;对研究生及以上学历群体，则没有明显影响。
本研究进一步从市场结构、融资约束和企业所有权性质三个维度考察了机器人应用对企业劳动力需求和工资的影响机制。
本研究发现，在市场集中度越高的行业、外部融资依赖度越高的行业和非国有企业中，工业机器人渗透度的提高对劳动力需求的替代效应越明显。进一步分析表明，机器人应用还可能通过产业链传导对企业劳动力需求带来间接影响，并且这种影响主要表现为行业间的技术溢出;从长期来看，机器人应用对企业劳动力需求的替代效应可能会被生产力效应和就业创造效应所抵消。
本研究的结论为理解机器人应用对中国劳动力市场的影响和制定相应的公共政策提供了学术依据，具有重要的政策含义。
第一，机器人应用对中国制造业企业劳动力需求的替代效应已然显现，尤其是对中等技能劳动力替代效应尤为显著。对中国而言，需进一步完善多层次社会保障体系，加快推进失业保险制度改革，以化解人工智能对劳动力市场带来的风险。
本研究表明，工业机器人应用在非国有企业中表现出更为显著的劳动力替代效应，而随着机器人与人工智能技术的发展，农民工等高失业风险群体势必会面临更大的冲击。因此，应借鉴国际有益经验，完善失业保险制度设计，提高失业保险的覆盖面和有效性，加强对非正式工作的社会保障力度。
第二，本研究发现，机器人与人工智能技术的应用可能会在一些岗位上实现对人的替代，但同时也会创造出新的工作机会。机器人应用对不同技能劳动力需求的影响存在明显差异。因此，应进一步健全相关的就业培训制度和再就业政策，提高不同技能劳动者对新经济的适应能力;完善人口流动政策，减少劳动力区域流动的制度壁垒;进一步优化人才培养体系，加强机器人、人工智能等相关领域的专业人才和“互补型”人才的培养，抓住新一轮技术革命带来的发展机遇。
第三，本研究表明，在市场集中度高的企业、融资约束强的企业中机器人对劳动力的替代效应更为显著。因此，推进更公平的竞争性市场环境、缓解企业的融资约束，有助于创造更多的就业机会和岗位，实现中国经济的高质量发展。
（本文原题“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”，原载《经济研究》2020年第10期。作者王永钦、董雯。）
机器人与就业
尽管现实中，中国工业机器人产业表现出强劲需求和高速发展，各级政府也多次制定导向作用较强的产业政策，然而对机器人究竟对中国的劳动力市场产生了什么影响，尚未有明确可信的一致认知。
现有部分文献考察了机器人是否会挤占人类工作岗位、机器人如何影响劳动力市场就业水平和企业生产效率等问题，以验证是否存在“技术性失业”问题。然而，此类研究存在较多争议和不足，对现实世界，特别是对中国现实的指导意义较弱。
本研究使用2012至2017年中国地区层面和行业层面的机器人应用数据，尝试较全面考察机器人应用对劳动力市场的影响。
本研究发现:机器人应用会显著降低劳动就业水平，特别是在易被机器替代的行业中。然而，这一影响在不同劳动力市场结构下存在较大差异，在低学历员工占比较高、劳动力保护较弱及市场化程度较高的地区，机器人应用规模的增加对就业的冲击更严重。
本研究还发现，行业-地区内的机器人应用在短期及中长期均具有一定的溢出效应，同样会影响到其他行业或地区的劳动力市场。具体来说，某一行业-地区内机器人应用，会刺激本地下游行业、本地其他劳动力替代性较高行业及外地同行业的就业，同时，也会在一定程度刺激本地同行业的中长期就业和工资水平。本文的研究发现为“技术性失业”争论提供了新的证据，并对中国劳动力市场的结构变化提供了经验性解释。
本研究为机器人产业政策的制定提供了新的思路和借鉴。
首先，机器人应用会引发“技术性失业”问题，因此，不论是政府监管部门，还是微观企业决策者，在制定智能机器人、工业机器人等相关产业政策和公司内部决策时，不仅应当关注机器人发展和大规模应用对生产效率的提升，也应关注机器人对劳动力市场的影响、对劳动力就业和对员工工作稳定性的影响。对现有机器人应用较广的行业，政府应适当增加关注，及时解决相关就业问题，尽快转移相关劳动力，避免就业矛盾发生激化。对于仍需政策鼓励与支持的行业，在进一步完善机器人相关行业政策，在提高生产效率、推动工业转型升级的同时，也要综合考虑保障就业的需求。
其次，在不同地区，机器人应用对劳动力就业的影响存在一定的差异。基于此，政策制定者应该根据不同地区的发展阶段和就业现状，推出因地制宜、全面协调的机器人发展战略，在提高生产效率的同时，减少对劳动力市场的影响。
第三，机器人应用存在显著的溢出效应，因此建议政府制定适当政策以引导利用机器人应用的溢出效应，促进不同行业、地区之间的协调立体发展，推动企业、行业对中长期持续发展的关注，以更高效地调节生产和就业。
随着机器人应用规模扩大，行业内的平均工资水平也随之增加，这一结果表明机器人应用具有一定的调节收入分配的功能。基于此，监管部门可进一步引导优化机器人产业在国民经济中所发挥的作用，注重加强对微观企业行为的引导，借助税费、补贴等手段增强对企业机器人应用决策的影响，引导企业在利润分配中更注重职工利益，增加对职工的职业培训教育和岗位保护，从企业内部转移吸收“富余”劳动力，在保障生产效率的前提下缓解机器人应用对就业的影响。
（本文原题“机器人与就业——基于行业与地区异质性的探索性分析”，原载《中国工业经济》2020年第8期。作者孔高文、刘莎莎、孔东民。）
工业机器人使用与区域劳动力市场调整
作为一个正处于经济结构转型关键期的制造业大国，中国工业机器人的使用近年来呈现爆发性增长的趋势。
根据国际机器人联合会（IFR）数据库的记录，中国工业机器人的使用规模从1999年的550台快速增长到2018年的649447台，20年期间工业机器人使用规模平均每年增加3万余台，其中2017到2018年的增加最多，达到15.6余万台，并且自2016年以来连续多年位居世界首位。
中国工业机器人在时间维度上呈现爆发性增长的同时，其在不同的地区之间也存在明显的差异化发展趋势。广东、江苏两省的机器人使用在2008至2017年一直处于领先地位，其使用机器人的企业比例在2017年较全国平均水平高出5%到6%。
工业机器人使用在时间上的爆发性增长和空间上的差异化增长构成了中国过去十余年工业智能化发展的两个典型事实。与此同时，中国在经济结构转型和开放发展的过程中也从过去对劳动力数量的依赖转变为对更高劳动力质量的需求，劳动力就业结构和收人分配机制也在发生调整，主要表现为劳动力在不同部门之间进行重新配置以及劳动力因技能票赋差异获得的报酬不同。
正如现有文献所提到的，工业机器人的使用替代劳动力了吗?工业机器人对劳动力就业和工资造成了怎样的影响?面对工业机器人，劳动力市场如何做出调整?这些问题将构成本文的核心命题。
基于上述事实，本研究构建中国城市工业机器人使用程度的指标，以2012、2014和2016年中国劳动力动态调查数据中的劳动力就业和工资为研究对象，基于中国区域劳动力市场的分析视角，对工业机器人是否替代劳动力等问题进行实证分析。
研究结果表明:
第一，工业机器人使用不会对当地劳动力的整体就业造成负面影响，但会在一定程度上替代制造业部门的劳动力，劳动力通过向服务业部门就业做出调整。城市工业机器人的使用每增加1台(每万人)，当地劳动力到制造业部门参与工作的概率下降4.08%，当地劳动力到服务业部门参与工作的概率上升4.43%。
第二，工业机器人使用所导致的劳动力跨部门重新配置主要体现为低技能水平的劳动力群体，并且城市工业机器人使用显著提高了当地劳动力的工作时长，这主要源于服务业部门工作时长的增加。
第三，工业机器人使用对当地劳动力的整体工资增长影响较小，但会显著促进制造业部门劳动力的工资和技能溢价增长，抑制服务业部门劳动力的工资增长，而对服务业部门的技能溢价无影响。
本文原题“机器换人——工业机器人使用与区域劳动力市场调整”，原载《北京师范大学学报》（社会科学版）2020年第6期。作者赵春明、李震、李宏兵、彭刚。）
服务业发展如何倒逼制造业向智能化升级
我国经济已由高速增长阶段转向高质量发展阶段，加快发展先进制造业实现智能制造，对制造业转型升级提出了明确要求和工作任务。自动化趋势以及工业机器人的规模化使用是制造业从“制造”转向“智造”的重要表现。
在2011至2016年，工业机器人销售量年均增长率达到12%，年均供给增长到21.2万套。2016年，中国市场销售87000套产业机器人，接近欧洲和美洲市场的总和(97300套)。同时，中国也是机器人密度增长最快的国家之一，2013至2016年，中国机器人密度（每万名工人配套使用工业机器人的数量）从25快速增长到68，但是与德国、美国等先进制造国家相比仍处于较低水平。
显然，自动化水平较低仍是我国制造业转型升级的短板，未来中国制造业自动化和智能制造水平的提升是转型升级的必要环节。
但是，自动化和机器人的广泛使用可能导致制造业部门劳动需求减少，智能制造、机器人、大数据和“互联网+”等新的生产模式将提高制造业部门的劳动需求弹性，导致劳动力，尤其是之前处于低技术制造业企业就业的低端劳动力成为制造业部门的“库存”。因此，如何引导制造业“库存”的劳动力要素在产业间有序流动，具有重要的现实意义。
本研究的基本思路是:当服务业的发展带来其薪酬水平提升以后，吸引劳动力从制造业向服务业转移，由此带来制造业人力成本上升，倒逼制造业产业升级，推动其向智能化和信息化转变。
实证结果显示:一方面，服务业和制造业的行业相对工资对劳动力从制造业向服务业转移有正向推动作用，相对工资越高，服务业相对制造业在经济活动人口中所占比重就越大;另一方面，制造业的固定资产投资对制造业的智能化升级发挥显著的推动作用，劳动力从制造业向服务业的转移对制造业的智能化水平有显著的正向作用。
本研究对制造业转型升级的启示是:
第一，政府可以将部分直接补贴于制造业的财政补贴转移到服务业上，利用服务业转型升级提升服务业工资水平，吸引劳动力流向服务业，倒逼制造业转型升级。
第二，把握制造业转型升级与服务业转型升级的节奏，协调发展制造业与服务业，实现制造业与服务业双升级。
制造业与服务业双升级过程中会出现暂时的结构性失业问题，即制造业流出的劳动力暂时无法在服务业部门获得就业。在机器人使用不断加速的背景下，劳动力就业的速度会在一定时期内慢于机器人替代劳动力的速度，这是由于机器代替传统就业职位的速度大于创造新就业职位的速度，以及转移到服务业的劳动力需要学习的时间成本。
基于此，可以通过征收机器人使用税，压低制造业部门机器人替代劳动力的速度，将这些税收补充到流出劳动力的失业补贴中，加快服务业部门吸收流出劳动力的速度和质量，最终实现制造业与服务业协调、高质量的双升级。
（本文原题“智能制造、劳动力流动与制造业转型升级”，原载《统计与决策》2020年第23期。作者付宏、刘其享、汪金伟。）
机器人如何影响中国劳动力市场
人工智能和机器人的兴起给经济和社会带来了广泛而深远的影响。中国已经成为全球机器人应用量最大的国家，机器人的应用对中国劳动力市场造成了怎样的影响，是一个有待回答的重要问题。
一、引言
技术进步将把人类引向何方，经济学家从未停止过思考。早在20世纪初，凯恩斯就曾做出人类将面临“技术性失业”的著名预言（Keynes，1930）。如今，人工智能（AI）和机器人技术的迅猛发展在推动生产力进步的同时，也加速了劳动力市场上机器人对人的替代，给人类工作带来前所未有的挑战（Frey&Osborne，2017）。麦肯锡全球研究院的一项最新研究指出，到2030年，全球将会有4—8亿人口的工作被机器人取代，而中国将会有31％的工作时间被自动化（MGI，2017）。未来，人类工作将会在多大程度上被机器人所替代？人工智能与机器人技术的快速发展给人类带来的究竟是机遇还是挑战？这一系列问题已经成为不可忽视的全球性议题（WorldBank，2019）。
二、文献综述与研究假说
（一）技术进步对劳动力需求和工资的影响
Autoretal.（2003）提出的“基于任务的模型”（task-basedmodel）考虑了技术与劳动力在不同任务中的比较优势，弥补了新古典经济增长模型忽视了技术进步对劳动力需求和工资还可能存在替代效应的缺陷，为研究自动化技术对劳动力市场的影响提供了基准的分析框架。基于该分析框架的研究发现，在理论上，自动化技术对劳动力需求和工资的影响并不一致，即存在负向的替代效应和正向的生产力效应与就业创造效应。
替代效应。在基于任务的模型分析框架下，劳动力与自动化技术在不同的工作中具有各自的比较优势。当自动化技术相对于劳动力更具有比较优势时，劳动力就会被自动化技术所取代，即替代效应。替代效应会导致均衡中的劳动力需求和工资下降（Autoretal.，2003；Acemoglu&Restrepo，2018,2020）。机器人的使用有助于提高企业生产的自动化水平，在一些机器人相对于人力更具有比较优势的岗位上实现机器对人的替代，从而节约劳动力成本，提高生产效率。而在劳动力供给不变的情况下，劳动力需求下降会降低均衡的工资水平。此外，在雇主和雇员的薪酬谈判中，当雇员的工作越容易被机器人替代时，其议价能力越低，为了获得工作更有可能接受一个较低的工资水平。因此在替代效应作用下，机器人应用可能会降低企业的劳动力需求和员工的平均工资水平。
生产力效应。该效应的作用机制主要体现在以下三个方面：其一，自动化技术的应用有利于企业节约生产经营成本，使得受自动化技术影响的商品和服务的价格下降，并通过“收入效应”增加消费者对该商品或服务的消费需求。在均衡中，消费者需求增加会使企业进一步扩大生产经营规模，从而增加劳动力需求。其二，在“收入效应”影响下，消费者还会增加对其他行业产品的需求，进而导致相关行业的生产规模扩大，劳动力需求上升。例如，研究发现，在欧美等国家，农业机械化水平提高导致食品价格下降，使得消费者的实际收入上升，增加了对非农商品的消费，从而为非农行业创造了大量的就业机会（Herrendorfetal.，2013）。其三，自动化技术的应用导致企业生产经营成本下降，企业自身会有主动扩大生产经营规模的激励，从而增加对非自动化岗位的劳动力需求。机器人应用有助于企业节约生产成本，提高生产效率，扩大生产规模，增加对非自动化岗位的劳动力需求。而随着机器人应用带来劳动生产率的普遍提高，也可能会进一步提高员工的工资水平。
就业创造效应。自动化在取代一部分劳动岗位的同时，也会创造出新的人力更具比较优势的工作岗位，均衡中自动化如何影响劳动力市场则取决于两种影响的净效应。有研究指出，就业创造效应可以解释美国1980-2010年就业增长的一半左右（Acemoglu&Restrepo，2018）。而人工智能和机器人技术的广泛应用无疑会创造出更多的新业态、新模式和新的就业岗位。例如，机器人应用可能会使企业增加对机器人工程师、维修师等新工作岗位的需求。综上，以机器人为代表的自动化技术对劳动力市场的影响并非简单单向的，而是取决于负向的替代效应，以及正向的生产力效应和就业创造效应的综合影响。基于上述分析，本文提出以下两个待验证的假说：
H1：从企业层面来看，当替代效应占主导时，机器人应用程度的提高会减少企业的劳动力需求，降低企业的平均工资水平。
H2：从企业层面来看，当生产力效应和就业创造效应占主导时，机器人应用程度的提高会增加企业的劳动力需求，提升企业的平均工资水平。
（二）技术进步对就业结构的影响
针对欧美等发达经济体的研究发现，技术进步对不同技能劳动者的影响往往是非线性的，存在明显的就业极化（jobpolarization）现象，即高技能和低技能劳动者的就业呈现出上升趋势，而中等技能劳动者的就业比例明显下降（Autoretal.，2006;Acemoglu&Autor,2011）。关于就业极化现象，一个具有代表性的解释是，中等技能劳动者往往从事的是程序化、常规性的工作，而随着信息技术（ICT）和自动化技术的进步，这些工作最容易被替代。相比较而言，高技能劳动者多从事非常规复杂劳动，而低技能劳动者多从事非常规简单劳动，被机器替代的可能性较小（Autoretal.,2003）。在实证研究中，学者们利用不同国家的经验证据对上述假说进行了验证（Goosetal.,；Autor&Dorn，2013）。最新研究发现，自20世纪50年代以来，制造业领域对中等技能员工需求的减少已经成为一种全球性趋势（Kunst，2019）。
机器人应用不仅会导致企业劳动力需求和工资的总量变化，也可能会带来相应的结构调整。对不同技能结构的劳动力需求而言，机器人在替代部分可自动化工作的同时也会进一步提高企业对非自动化岗位、与机器人技能互补岗位的劳动力需求。诸多研究表明，自动化技术对中等技能劳动者的替代性最强，而与高低技能劳动者存在互补效应。因此，机器人应用可能会导致不同技能劳动者之间的“就业极化”。而在工资方面，机器人应用会使得企业利润在不同部门、不同技能员工间重新分配，可能会进一步加剧高技术人才与低技能员工间工资收入的两极分化。基于上述分析，本文提出第三个待验证的假说：
H3：机器人应用程度提高会导致企业对高技能和低技能劳动者的需求增加，对中等技能劳动者需求减少。
三、深入分析
（一）工业机器人应用对企业劳动力需求的产业链传导效应
一个行业的机器人应用水平不仅会对本行业企业的劳动力需求产生直接影响，还会对产业链上下游行业的其他企业的劳动力需求产生间接影响。为完整地识别机器人应用对就业的影响，本文借鉴Acemogluetal.（2016）的做法，利用2010年中国投入产出表数据构建行业关联权重，检验机器人应用的产业链传导效应，识别方程如下：
为了尽可能识别行业关联效应的影响渠道，本文采用以下方法对其进行验证。首先，本文在不控制本行业工业机器人渗透度的情况下检验行业关联效应。此时估计得到的回归系数既包含了通过影响本行业机器人应用水平而产生的技术溢出效应，也包含了由中间品市场等非技术溢出途径带来的影响。其次，本文在控制了本行业机器人渗透度的情况下检验行业关联效应。
此时得到的回归系数主要反映了由中间品市场等非技术溢出途径产生的影响。表10报告了工业机器人应用对企业劳动力需求的产业链传导效应的估计结果。简约式回归结果表明，对于中国制造业企业而言，下游行业机器人应用水平变化通过产业链传导对上游行业劳动力需求的影响（向上游传导效应）可能主要表现为技术溢出，并且这种溢出效应整体呈现为挤出效应（-0.027），而由中间品市场等途径带来的影响并不显著。上游行业机器人应用水平变化通过产业链传导对下游行业劳动力需求的影响（向下游传导效应）主要表现为技术溢出，这种溢出效应整体呈现为挤出效应（-0.016），但是对专科学历劳动力需求而言，除技术溢出外，也可能通过中间品市场等途径带来一定的正面影响（0.031）。
（二）工业机器人应用对企业劳动力需求和工资的长期影响
前述分析表明，在短期内，工业机器人渗透度的提高会对企业的劳动力需求产生一定的“替代效应”，尤其是对中等技能劳动力需求的替代效应尤为显著，而对员工薪酬变化没有明显影响。然而，一个需要考虑的问题是，机器人应用带来的“生产力效应”和“就业创造效应”可能不会在当期就充分显现，而是需要经过一段时间的积累。为了进一步考察不同机制的影响，本文引入滞后的工业机器人渗透度变量，采用分布滞后模型检验工业机器人应用对企业劳动力需求和工资的长期影响。研究发现，从长期来看，机器人应用对本科和专科学历劳动力需求的替代效应可能会被生产力效应和就业创造效应所抵消，而对低技能劳动力需求的短期挤入效应也会逐渐消失。但是在样本期内，无论短期还是长期，工业机器人应用都未对员工薪酬带来显著影响。
四、结论和政策建议
本文研究表明，机器人应用对中国制造业企业劳动力需求的替代效应已然显现，尤其是对中等技能劳动力替代效应尤为显著。对于中国而言，需进一步完善多层次社会保障体系，加快推进失业保险制度改革，以化解人工智能对劳动力市场带来的风险。在这一方面，北欧国家的劳动力市场政策可以为中国提供有益的借鉴，这些国家的一个政策共性在于对失业者提供短期的失业保险和再培训机会，而非加大企业的解雇成本。在这种政策下，社会对劳动者面临的失业风险进行了分担，同时保持了劳动力市场的流动性和活力。而当前中国的失业保险制度仍然存在不同群体的失业保险覆盖面差距较大、失业保险覆盖群体与高失业风险人群不匹配的结构性矛盾（张盈华等，2019）。本文的研究表明，工业机器人应用在非国有企业中表现出更为显著的劳动力替代效应，而随着机器人与人工智能技术的发展，农民工等高失业风险群体势必会面临更大的冲击。因此，借鉴国际有益经验，完善失业保险制度设计，提高失业保险的覆盖面和有效性，加强对非正式工作的社会保障力度，使其为人工智能时代实现更高质量更充分的就业发挥积极作用。
本文研究发现，机器人与人工智能技术的应用可能会在一些岗位上实现对人的替代，但同时也会创造出新的工作机会。机器人应用对不同技能劳动力需求的影响存在明显差异。因此，应进一步健全相关的就业培训制度和再就业政策，提高不同技能劳动者对新经济的适应能力；完善人口流动政策，减少劳动力区域流动的制度壁垒；进一步优化人才培养体系，加强机器人、人工智能等相关领域的专业人才和“互补型”人才的培养，抓住新一轮技术革命带来的发展机遇。
第三，本文的研究表明，在市场集中度高的企业、融资约束强的企业中机器人对劳动力的替代效应更为显著。因此，推进更公平的竞争性市场环境、缓解企业的融资约束，有助于创造更多的就业机会和岗位，实现中国经济的高质量发展。
（本文作者为复旦经济学院教授，共同作者董雯）
人工智能、技术进步与劳动力结构优化对策研究
人工智能、技术进步与劳动力结构优化对策研究朱巧玲，李敏
(中南财经政法大学经济学院，湖北武汉430073)
摘要：人工智能作为一次新的技术革命，必然带来巨大的社会效用及经济效用。随着人工智能技术的发展与应用，理论界就人工智能对劳动力替代范围进行了激烈讨论。基于技术演进视角，划分了六次技术革命，分析历次技术革命给劳动力及劳动力结构带来的影响，尤其是以人工智能为代表的技术变革对劳动力结构产生的影响。同时，构建了人工智能、技术进步影响劳动力结构的计量模型。实证分析结果表明：人工智能发展和技术水平提高会增加技能劳动与非技能劳动的相对供给，有助于劳动力整体质量提高和劳动力结构优化。最后，针对性地提出人工智能时代优化我国劳动力结构的对策建议，为解决我国的劳动力转型、失业、教育改革及产业升级等问题提供借鉴。
关键词：人工智能；技术进步；劳动力结构
0引言2016年3月，谷歌人工智能公司研发设计的AlphaGo(阿尔法围棋)大胜韩国职业围棋选手，此次“人机大战”引发了理论界对人工智能发展问题的激烈探讨。近年来，世界各国纷纷开始关注人工智能领域，通过发布相关战略规划，抢占人工智能市场发展先机。我国也相继发布了一系列人工智能相关战略规划，将培育人工智能科技创新能力提升到国家宏观战略层面。国内外对人工智能的普遍重视，预示着人工智能技术必将引发新一轮技术进步浪潮，给经济社会带来翻天覆地的变化。
人工智能技术发展及应用，吸引越来越多的企业向智能化靠拢，导致劳动力结构发生巨大变化。因此，如何应对人工智能技术对劳动力的大范围替代？如何优化现有劳动力结构并促进劳动力结构优先升级？这都是未来经济发展亟需解决的现实问题。早期学者们主要关注机器应用对劳动者的影响。例如，马克思[1]在《资本论》中分析机器大工业时期工人与机器间的关系，提出“机器排挤工人”的观点；维纳[2]在其《人有人的用处：控制论与社会》中指出，机器人与人会形成“替代关系”，机器人的发展可能会使“人脑失去价值”。随着技术进步，机器被赋予了“智能”，人工智能技术的应用和普及对现代社会产生了巨大影响。杰瑞·卡普兰[3]在《人工智能时代》中指出，人工智能技术发展会导致越来越多的工种被智能机器取代。国内对人工智能的综合讨论始于1980年自然辩证法学会组织召开的人工智能讨论会，这次会议标志着国内人工智能整体性研究的起步[4]。之后数年间，越来越多的学者开始对人工智能的概念、框架、影响等展开讨论。例如，蔡自兴[5]认为，虽然人工智能技术能创造巨大的经济效益，但也会对劳动力市场产生冲击，影响人的心理健康，存在技术失控的风险；王滢波[6]指出，虽然人工智能发展前景很好，但在短期内会带来很多新的社会问题；学者张彦坤、刘锋[7]指出，人工智能可能成为新的竞争力来源，拥有人工智能的企业可以更低的交易成本获得更多的差价。
综上可知，目前国内外大部分学者主要关注人工智能的技术发展及其给经济社会带来的整体性影响等，尚未形成理论体系，也未从学理角度探讨人工智能对人的发展带来的深远影响，对以人工智能为代表的技术变革给劳动者、劳动方式以及劳动力的影响，相关研究基本处于空白阶段。因此，本文基于技术演进视角，分析历次技术变革给劳动力结构带来的影响，尤其是以人工智能为代表的技术变革对劳动力结构产生的影响，同时进行理论分析和实证检验，提出智能化背景下劳动力结构优化对策。
1理论解释：人工智能、技术进步对劳动力结构的影响1.1历次技术革命与劳动力结构变化在人类发展进程中，经历了数次技术革命，而科技创新正是推动经济社会不断发展的重要力量。在分析历次技术革命对经济社会发展及劳动力结构的影响之前，根据历次技术革命对技术演进过程进行阶段性划分。演化经济学家佩蕾丝[8]将过去二百多年间的技术演进过程划分为5个阶段，本文沿用佩蕾丝的逻辑，将以工业智能化及人工智能技术为主要标志的技术变革作为第6次技术革命，如表1所示。
表1历次技术革命划分
技术革命及基本特征表现对劳动力结构的影响第一次技术革命(1771-1829年)开创了以机器替代手工劳动的时代，实现了从手工工业向机器大生产的转变体力劳动者数量开始减少，劳动者开始向机器大生产领域转移第二次技术革命(1829-1875年)开始向复杂机器发展，实现了生产的机械化，节省了人力，提高了劳动生产效率扩大了就业人群，劳动力总体数量增多，低技能工人数量增加第三次技术革命(1875-1908年)电气化增强了人的四肢和五官等器官，解放了人的体力劳动，改变了生产方式体力劳动者被大范围取代，脑力劳动者和知识工人在劳动力队伍中所占比重增加第四次技术革命(1908-1971年)自动化和工业化程度逐渐加深，技术和机器替代人工的作用进一步增强人的体力劳动被进一步替代，劳动形式开始向脑力劳动发展，管理者数量增加第五次技术革命(1971-2008年)改变了生产方式和劳动方式，使人类的智能获得新的解放实现了对人的体力劳动和脑力劳动的替代，劳动者朝着数字化、信息化和个性化方向发展第六次技术革命(2008-)改变了传统的劳动形态，生产过程中的创新化、信息化、数字化、智能化程度加深替代人的脑力劳动和智力劳动，并且智力劳动者和创新劳动者在劳动力队伍中所占比重增加
从18世纪末开始，经济增长与6次相继出现的技术革命息息相关。第一次技术革命始于1771年，是以机器的出现和工业化为代表的产业革命，人类社会由此进入棉花、铁和水力机械化时代。该阶段通过机器对人工的替代，实现了从手工工业向机器大生产的过渡，并导致现代经济的诞生；第二次技术革命始于1829年，将人类社会带入铁路、蒸汽动力机械化时代，机器替代手工生产在工具的范围和程度上进一步加深，人类体力获得延伸与补充，并且扩大了就业规模；第三次技术革命始于1875年，人类进入钢铁、重工业和电气化时代，机器的使用释放了人的四肢和五官等，脑力劳动者和知识工人在劳动力结构中所占比重增加；第四次技术革命始于1908年，人类进入石油、汽车和大规模生产时代，此时生产领域的机械化和工业化程度逐渐加深，技术和机器对人工的替代作用进一步增强，劳动力的整体技能水平和知识水平进一步提高；第五次技术革命始于1971年，人类进入信息和远程通讯时代，体力劳动者数量大幅减少，数字劳动力占比逐步增大，劳动者朝着数字化、个性化和信息化方向发展；第六次技术革命始于2008年，人类进入工业智能化和人工智能时代[9]，人的体力劳动、脑力劳动被智能化机器大范围取代，智力劳动者和创新劳动者在劳动力队伍中的比重不断增加，人工智能技术与经济生产的深度融合，正改变人们的生活方式、生产方式、思维方式及劳动过程，对经济社会产生巨大影响。
技术进步对劳动力的影响，在不同历史发展阶段表现各异。机器刚出现时，主要用来补充和替代体力劳动[10]。随着技术进步，自动机器体系开始应用于生产生活中，不仅进一步替代了人的体力劳动，突破了人类四肢和五官等生理器官的限制，也解放了人类的思维。计算机的发展和应用，对机器带来了质的提升，人工智能机器人大范围替代体力劳动者、脑力劳动者及智力劳动者，并且在很多领域占据绝对优势，推动人类社会向人工智能时代发展[11]。人工智能技术的发展及应用改变了人类生产方式和劳动方式，使人类的智能获得解放。随着新时代科学技术进步，劳动者也将面临新的机遇与挑战，人工智能技术对人类社会的影响范围逐渐扩大，影响速度也会随之提高。
1.2人工智能、技术进步影响劳动力结构的理论分析1.2.1人工智能、技术进步对劳动力结构的影响
新的技术变革是在已有技术基础上演化及发展的结果，技术的进步和动态演进必然会对经济社会产生巨大影响，改变传统的生产方式和生产过程。每一次技术上的变革和新技术应用，都会引发生产领域质的变化，促使生产方式从手工、简单协作向新式分工发展，改变人类的劳动形式，影响劳动者完善既有技能、学习新技能、更新薪酬体系等，对现有劳动力结构产生巨大影响。Katz等[12]认为，技术进步具有技能偏向性，具有较高技能水平的劳动力才能快速适应新的技术环境，以此同时，低技能劳动力的需求逐渐减少。图1对我国1978-2015年间劳动力质量变化趋势进行刻画，用人力资本指数Q描述劳动力质量变化(人力资本指数Q参考杨建芳等[13]的估计方法)。从图1可以看出，1978-2015年间，我国劳动力整体质量呈现缓慢上升趋势，表明在技术进步的推动和影响下，劳动力技能及劳动力质量在不断优化，劳动力结构逐步朝着更适应当前技术环境的方向发展。此外，从整体上看，我国劳动力质量提升速度过于缓慢，无法跟上技术进步的步伐。如我国面临的严重失业现象，其实质是劳动力技能无法满足市场和企业需求，供需不匹配问题严重。
图11978-2015年我国劳动力质量的变化趋势
奥托·列维和莫奈[14]认为，根据是否具有重复性，可将劳动技能分为常规性技能和非常规性技能。常规性技能是指，能被编程、可以转化为程序语言、容易被自动化机器取代的技能；非常规性技能是指，不能转化为程序语言、无法被自动化机器取代的技能，主要涉及管理、顾客导向服务等问题解决式为主的工作，要求执行者具备灵活解决问题能力、创新能力及沟通联系能力等软技能。2016年“世界经济论坛”年会发布的调查报告指出，在未来5年内，人工智能技术的应用会减少全球15个重要国家710万个工作岗位，而办公和行政人员占劳动力比重将大幅增加[15]。人工智能技术大范围替代体力劳动者、脑力劳动者及智力劳动者，会对传统生产方式、劳动方式及管理方式产生巨大影响，社会生产在技术进步推动下，朝着虚拟化、信息化、智能化方向发展，使得社会意识形态多元化、就业方式灵活化，劳动力结构也会随之发生重大变化。
(1)劳动技能趋向多元化，劳动者知识体系趋向复杂化。智能化时代，人们所处的科技基础环境发生重大变化，大数据和云计算呈现指数级增长，人类的认知体系和知识总量在不断更新和发展，劳动力结构也将随之转变。无论处于哪种工作岗位的劳动者，单一固化的知识储备和技能结构已经无法适应技术进步的速度以及新时代发展要求。随着人工智能技术与生产大规模结合，劳动者的工作角色发生了巨大变化，从机器的附属品转为生产过程的操控者、监督者及管理者。劳动者往往要掌握多种“硬”技能和“软”技能才能满足科技进步带来的新挑战，才能胜任新的工作岗位和新的角色。
(2)智力劳动者所占比重增加，创新能力成为就业的门槛。在技术的影响和推动下，劳动力结构不断优化，技术人员、科研工作者、管理人员等知识水平和素质水平更高的劳动者越来越多，市场需求量也会增大，但对人才的要求也会逐渐提高[16]。人工智能技术与生产过程的深度融合，会减少生产领域的劳动者数量，与此同时，高技术产业、新兴产业、服务行业等将迎来更广阔的发展空间，吸纳更多劳动力，从事产品设计、研发编程、金融投资等高端职业的劳动者数量会逐渐增多，创新型人才、复合型人才、高技术人才等在劳动力结构中所占的比重会逐渐增加。此外，劳动者的软实力也成为竞争焦点，劳动者必须主动培养创新意识和创新能力，并将创新能力熟练运用于从事的工作岗位中。具备人工智能技术尚无法取代的创造性、灵活性、人文性等能力将成为智能化时代人才竞争的关键。
1.2.2技术影响劳动力结构的机理分析
从历次技术革命分析中可以看出，劳动力结构经历了体力劳动者—脑力劳动者—智力劳动者的发展阶段，而劳动力结构优化又会反过来推动技术持续进步。技术革命及其带来的社会变革会使脑力劳动和智力劳动逐渐成为劳动者最基本的劳动形式，并对劳动者的技能结构、知识结构、智力结构提出新要求，促使劳动者的劳动技能向更具创造性、价值性领域发展[17]。技术发展带来的最直接后果是劳动生产率提升，加速劳动力技能分化进程，对高技能劳动力的需求不断扩大，拉开了高技能与低技能劳动报酬差距，会造成资本对劳动的过度替代。技术发展带来的间接后果是，新技术与生产过程大规模融合，不断产生新的技术资本和人力资本，技术对劳动力的替代效应和补偿效应不断增强，促使劳动力结构主动或被动调整。
此外，新技术的出现也会对现有劳动力结构产生破坏，不仅可能使原有知识和技能失去用武之地，还可能导致短期内就业市场中的知识和技能需求与当前劳动力供给失衡，造成劳动力贬值、带来就业压力。虽然技术进步能够开辟新的发展领域，开发新的工作岗位，但如果劳动者无法适应由此产生的新要求，企业就会减少劳动岗位，导致严重的结构性失业。随着科学技术发展，生产过程及生产工具趋向于自动化与智能化，科学技术已经能够替代人的大部分工作，这对劳动者的知识水平、智力水平和创新能力要求越来越高，劳动者必须不断更新自身的知识体系和技能体系，以满足更复杂、更高级、更具创新性和开拓性的工作岗位需要。
基于上述分析，笔者认为，技术对劳动力结构带来的影响，从长期看，有助于劳动力结构优化与完善；从短期看，可能造成高技能劳动力和低技能劳动力严重分化，带来结构性失业等问题。随着技术发展，技术资本和人力资本会得到更高的投资回报，进而对劳动力结构产生重要影响，作用机理如图2所示。
图2技术影响劳动力结构的作用机理
2实证分析：人工智能、技术进步对劳动力结构的影响由于科学技术研发和转化周期逐渐缩短，知识、信息和数据呈爆发式增长，劳动者现有技能很容易被取代或淘汰。因此，分析人工智能、技术进步对劳动力结构的影响具有重要现实意义。下文将结合我国2002-2015年相关数据，构建人工智能、技术进步影响劳动力结构的计量分析模型，实证分析人工智能、技术进步对劳动力结构的影响。
2.1指标选取及数据来源本文将劳动力结构定义为技能劳动与非技能劳动之比，表达式为：LSI=LS/LU。其中，LSI表示劳动力结构，LS表示技能劳动供给，LU表示非技能劳动供给[18]。劳动力结构估算主要采用《中国劳动力统计年鉴》中公布的全国就业人员受教育构成指数数据，该数据最早公布于2003年。因此，主要考察2002-2015年我国劳动力结构变化。技能劳动供给为大专及以上学历就业人员所占比例与全国就业人数之积，非技能劳动供给为全国就业人数与技能劳动供给之差。
工业领域是目前我国人工智能技术的主要应用领域，工业机器人是人工智能技术与工业化深度融合的关键。因此，选用工业机器人发展水平衡量我国人工智能发展与应用情况，以我国工业机器人销售量进行量化。
选择综合技术水平(各年劳动生产效率与资金产值效率的算数平均值)衡量我国技术进步[19]。劳动生产率用工业增加值与同时期全部从业人员平均人数的比值衡量(元/人·年)，资金产值效率用固定资产净值与工业增加值的比值表示。其中，工业增加值、全部从业人员年平均数和固定资产净值等指标量化均以全部国有企业及规模以上非国有企业为统计口径。
基于我国时间序列数据构建人工智能、技术进步影响劳动力结构的计量模型如下：
LSIt=α0C+α1AIt+α2Techt+μt
(1)
式(1)中，LSIt表示我国第t年的劳动力结构；AIt表示第t年我国工业机器人的销售量；Techt表示我国第t年的综合技术进步水平；μt表示随机扰动项。指标测量数据主要来源于《中国统计年鉴》、《中国工业统计年鉴》、《中国劳动统计年鉴》、国泰安研究服务中心CSMAR系列数据库等，如表2所示。
表2模型变量
变量类型变量名称一级指标具体衡量指标变量代码被解释变量劳动力结构技能劳动供给与非技能劳动供给之比技能劳动供给为大专及以上学历就业人员所占比例与全国就业人数之积;非技能劳动供给为全国就业人数与技能劳动供给之差;LSI解释变量人工智能工业机器人的发展应用中国工业机器人的销售量(台)AI技术进步综合技术水平劳动生产率与资金产值效率的算数平均值Tech
2.2指标协整关系检验在检验人工智能、技术进步与劳动力结构的协整性之前，检验各时间序列是否平稳。ADF检验结果表明，所有原序列LSI、AI、Tech均不平稳，在5%的显著水平下接受“存在单位根”的假设。但是，所有变量的二阶差分序列均为平稳序列。因此，在5%的显著性水平下LSI、AI、Tech存在同阶单整。
对计量模型进行普通最小二乘法估计，估计结果显示，D.W.统计量约为0.539，远小于2，说明扰动项存在强烈的序列相关。对计量模型进行LM检验，P值在1%显著水平下拒绝原假设。因此，计量模型残差序列存在自相关。采用ADF方法对计量模型残差序列进行平稳性检验，结果显示在1%显著性水平下，残差序列拒绝“存在单位根”的原假设，即残差序列为平稳时间序列，又因为LSI、AI、Tech是同阶单整，因此，LSI、AI、Tech等变量间存在协整关系，说明人工智能、技术进步的发展变化会引起劳动力结构变动。
2.3实证分析结果回归模型扰动项序列相关，会导致模型估计结果失真，因而需要构建误差修正模型：
LSIt=β0C1+β1AIt+β2Techt+μt
(2)
μt=φiμt-1+εt
(3)
对该计量模型进行普通最小二乘法估计，结果如表3所示。模型拟合优度为0.982，说明模型拟合效果较好，常数项、人工智能发展水平AI、综合技术水平Tech均在5%水平下显著，由此可以得出以下结论：①人工智能、技术进步的影响系数均为正，表明二者对技能劳动与非技能劳动的相对供给具有正向促进作用；②人工智能发展对劳动力结构具有显著影响，当人工智能技术发展水平提高时，技能劳动与非技能劳动相对供给增大，进而引发劳动力结构变化，有助于我国人力资本整体质量提高；③综合技术水平对我国劳动力结构变化具有显著影响，技术水平越高，技能劳动与非技能劳动的相对供给越大，从侧面证明了技术进步有利于劳动力结构优化。
表3普通最小二乘法估计结果
变量变量代码系数t统计量P值常数项C0．0322．7600．022＊＊人工智能发展水平AI0．7445．6260．000＊＊＊综合技术水平Tech0．0013．1480．012＊＊
注：*、**、***分别表示在10%、5%、1%的水平下显著
3人工智能时代我国劳动力结构优化对策随着技术进步、人工智能发展，劳动力结构优化升级成为亟待解决的重要问题。由于政府、企业、劳动者都是智能化和技术进步的重要参与者与推动者，因此本文从政府、企业和劳动者3个角度提出人工智能时代我国劳动力结构优化的对策建议。
(1)对于政府而言，应鼓励社会各界主动帮助劳动者提高技能水平、完善其知识体系，帮助被智能机器人排挤出的劳动力再就业，以有效应对技术进步给就业带来的挑战和冲击[20]。教育投资有助于劳动者快速适应技术进步，因而可以通过提高教育水平增强劳动者适应能力，缓解技术进步带来的人力资本折旧。在技术进步的引导与推动下，通过提高科研资金投入、完善劳动者权益保障体系、健全教育培养制度等策略，推动劳动力结构优化升级。
(2)对于企业而言，应根据所处行业特点及企业现实发展情况，科学合理地推动企业生产过程智能化与现代化。人工智能的发展必然会对企业工作岗位和组织结构产生重大影响。因此，企业应联合政府及教育培训机构，确定不同工作岗位所需的技能，为劳动者快速就业提供帮助[21]。人工智能技术与生产过程深度结合，会促使劳动力结构逐渐从体力向脑力和智力、从低技能向高技能、从规则性向非规则性转型。因此，企业必须重视劳动力整体素质的优化与提高，重视员工再培训，制定有效的人才发展战略，积极主动地促进劳动力结构转型。
(3)对于劳动者而言，其主要通过劳动实现个人价值。人工智能时代，劳动方式和劳动形态发生了颠覆性改变，劳动者具备无法被人工智能技术替代的能力的重要性愈发凸显，社会对高级人才、复合型人才及跨界人才的需求增大。因此，劳动者必须主动提高自身综合能力，包括灵活解决实际问题的能力、创新能力、自我管理能力和自我监督能力等，以快速适应新的工作岗位及技术环境。
4结语技术进步的目的在于，更好地为人类自由全面发展提供物质基础。因此，应熟练运用技术手段解决人在发展过程中遇到的现实问题。总体来说，人工智能技术进步对劳动力结构的影响利大于弊，资本和人才是最重要的社会财富，用人工智能机器人替代人类完成部分价值较低的工种，释放人类的体力、脑力与智力，使其专注于更有价值的工作。为了应对新技术革命带来的机遇和挑战，必须充分利用我国劳动力优势，积极开发劳动者的智力资源，不断激发劳动力的创造力。同时，应准确把握技术发展趋势，积极应对人工智能带来的负面影响，并利用技术进步推动经济社会可持续发展，迎接新技术革命的挑战。
参考文献:
[1]马克思．资本论(第1卷)[M]．北京：人民出版社，2004.
[2]维纳．人有人的用处：控制论与社会[M]．陈步，译，北京：北京大学出版社，2010．
[3]KAPLANJ.Humansneednotapply:aguidetowealthandworkintheageofartificialintelligence[M].USA:YaleUniversityPress,2015.
[4]曲青．人工智能学术讨论会[J]．自然辩证法通讯，1981(1)：78-78.
[5]蔡自兴．人工智能对人类的深远影响[J]．高技术通讯，1995(6)：55-57．
[6]王滢波．人工智能发展及其影响[J]．信息安全与通信保密，2016(12)：20-22.
[7]张彦坤，刘锋．全球人工智能发展动态浅析[J]．现代电信科技，2017，47(1)：60-66．
[8]CARLOTAPEREZ.Technologicalrevolutionsandfinancialcapital[M].UK:EdwardElgarPublishing.2002.
[9]贾根良．第三次工业革命与工业智能化[J]．中国社会科学，2016(6)：87-106．
[10]毕先萍．改革以来技术进步对我国就业的影响研究[J]．科技进步与对策，2009，26(14)：151-156．
[11]朱巧玲，李敏.智能化背景下机器人和人的发展关系探讨[J]．改革与战略，2017(3):12-16．
[12]KATZLF,MURPHYKM.Changerinrelativewages,1963-1987:supplyanddemandfactors[J].QuarterlyJournalofEconomics,1992,107(1):35-78.
[13]杨建芳，龚六堂，张庆华．人力资本形成及其对经济增长的影响：一个包含教育和健康投入的内生增长模型及其检验[J]．管理世界，2006(5):10-18．
[14]AUTOD,LEVYHF,MURNANERJ.Theskillcontentofrecenttechnologicalchange:anempiricalexploration[J].QuarterlyJournalofEconomic,2003,118(4):179-1333.
[15]刘伟．关于人工智能若干重要问题的思考[J]．人民论坛·学术前沿，2016(7)：6-11．
[16]董直庆，蔡啸．技术进步方向诱发劳动力结构优化了吗[J]．吉林大学社会科学学报，2016，56(5)：25-33．
[17]FLORIDILUCIANO.Thefourthrevolution:howtheinfosphereisreshapinghumanreality[M].Oxford:OxfordUniversityPress,2016.
[18]陈锐.劳动力错配、结构演变及其对技术进步技能偏向性的影响研究[D].长春：吉林大学，2014.
[19]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[J].世界经济，2005(01):58-67，80.
[20]JEREMYRIFKIN.Thethirdindustrialrevolution:howlateralpoweristransformingenergy,theeconomy,andtheworld[M].UK:PalgraveMacmillan,2011.
[21]ERIKBRYNJOLFSSON.Thesecondmachineage:work,progress,andprosperityinatimeofbrillianttechnologies[M].USA:W.W.Norton&Company,2014.
AStudyonArtificialIntelligence,TechnologicalProgressandtheOptimizationCountermeasuresofLaborStructureZhuQiaoling,LiMin
(EconomicsSchool，ZhongnanUniversityofEconomicsandLaw,Wuhan430073，China)
Abstract：Artificialintelligenceasanewwaveoftechnologicalrevolution,itisboundtobringenormoussocialbenefitsandeconomicbenefits.Withthedevelopmentandapplicationofartificialintelligencetechnology,thetheoreticalcirclehaslaunchedalivelydiscussionofthescopeofartificialintelligencereplacedthelaborforce.Thispaperwasbasedontheperspectiveoftechnologyevolution,dividedintosixtechnologicalrevolutions,andstudiedtheimpactsofthetechnologicalrevolutiononthelabourforceandthestructureofthelabourforce,especiallytheimpactoftechnologicalchangerepresentedbyartificialintelligenceonthestructureoflaborforce,andconstructedtheeconometricmodeloftheinfluenceofartificialintelligenceandtechnologicalprogressonlaborstructure.Theempiricalanalysisresultsshowthat:thedevelopmentofartificialintelligenceandtheprogressoftechnologycontributetoimprovetherelativesupplyofskilledlaborandnon-skilledlabor,enhancetheoverallqualityoftheworkforce,andoptimizethestructureoflaborforce.Finally,targetingputforwardthecountermeasurestooptimizethestructureoflaborforceintheageofartificialintelligence,providingreferencesforalleviatingtheproblemoflaborforcetransitionproblems,unemploymentproblems,educationreformandindustrialupgradingissuesinChina.
KeyWords:ArtificialIntelligence;TechnologicalProgress;StructureoftheLaborForce
DOI：10.6049/kjjbydc.2017090391
中图分类号：F241
文献标识码：A
文章编号：1001-7348(2018)06-0036-06
收稿日期：2017-12-13
基金项目：中南财经政法大学“研究生创新教育计划”博士生科研创新项目(2016-jjxy-bs-06)
作者简介：朱巧玲(1962-)，女，湖南邵阳人，博士，中南财经政法大学经济学院教授、博士生导师，研究方向为产权与企业理论、人的发展经济学、社会主义经济理论；李敏(1990-)，女，河南新乡人，中南财经政法大学经济学院博士研究生，研究方向为政治经济学、人的发展经济学。
(责任编辑：林思睿)
取代还是解放：人工智能对金融业劳动力市场的影响
如图4所示，在银行业务价值链的四大核心环节中，人工智能带来了客户画像建立与潜客预测以及语音和图像识别身份两大创新模式；在产品与解决方案设计、客户需求管理、智能投顾、反欺诈、资产组合风险预警等方面为银行提供了智能分析与决策；在信用评分、资料审核、报告生成、客服等环节，人工智能更是将自动化水平推向了新高度。
在保险业的应用
基于专家访谈与国内外大量案例研究，我们发现人工智能在保险业价值链的各个环节存在丰富的潜在应用。国内外领先保险集团已开展人工智能布局，以覆盖保险业业务体系中产险、寿险各条线的前中后台流程。人工智能不仅可为前端营销、承保、核保、理赔等核心流程提供多样化支持，也渗透到了后端资产管理等环节中（参阅图5）。
如图5所示，在保险业务价值链的六大核心环节中，人工智能带来了智能识别客户满意度这一创新模式；在保险产品设计、交叉销售和追加销售、客户流失预测、预审批建议、反欺诈检测、索赔预测、资产组合管理、再保险建议等方面提供了智能分析与决策；在用户行为评估以及财物状态检测、承保自动化、客户请求流转、远程理赔查勘等环节实现了自动化水平的新高度。
在资本市场业务的应用
通过案例资料研究及行业专家访谈，我们看到人工智能在资本市场同样具备广阔的前景。国内外领先证券公司已开始探索人工智能在从证券发行、投资决策支持、销售与交易到数据分析与报告等各个环节的潜在应用（参阅图6）。
如图6所示，在资本市场业务价值链的五大核心环节中，人工智能带来了多渠道界面信息沟通这一创新模式；在资产组合个性化定制建议、股票交易决策支持、研究分析、风险建模、智能投资顾问等方面协助开展智能分析与决策；并在智能文档解读、自动报告生成、跨资产类别清算、移动报告等环节推进了自动化水平达到新高度。
在金融业支持性职能的应用
金融行业的合规、IT、人力、财务等后台支持职能中存在较多高重复性的工作，而人工智能技术的重要应用之一正是对高重复性工作的替代，因此人工智能在后台支持流程中存在大量应用机会，且这些应用对于银行、保险、资本市场等金融行业而言具有通用性。通过对大量案例进行研究总结，我们发现人工智能可被广泛应用于各后台职能中涉及合规风险检测、数据分析和文档处理等方面的各个环节（参阅图7）。
如图7所示，在金融机构的四大类支持流程中，人工智能带来了大数据运营分析这一创新模式；在内部合规侦测、可疑活动预警、网络风险检测等方面促进了智能分析与决策；在简历/面试筛选、候选人互动、会计自动化、法律研究、协助执法等方面提升自动化水平到达新高度。以下，我们以人工智能在金融行业支持流程的八大应用为例展开论述。
对岗位削减及效率提升影响的定量分析
对银行业就业市场的影响
在稳健发展情景下，至2027年，银行业将削减104万工作岗位，降幅22%；剩余78%的工作岗位将提升42%效率，相当于每人每天花在同样职能活动的时间可减少2.4小时（参阅图11）。
从岗位削减的角度来看，人工智能主要影响和削减了银行业前中台价值链上营销与销售、风险管控与审核、客户管理与服务环节的岗位。我们预估，在营销与销售方面，人工智能将会削减57万工作岗位，在风险管控与审核环节，将有22万的工作岗位面临颠覆，而在客户管理与服务环节，人工智能将替代13万工作岗位。在未来，人工智能会替代柜员的核心工作，将执行业务办理、清点交易现金等工作转由机器如智能VTM来执行；对于个贷业务而言，市场上已经涌现了许多案例，数据挖掘技术以及智能化的分析处理模型能够帮助个贷经理以及风险审批人员进行个人贷款资质的收集、评估、审批及管理；在客服环节，人工智能可以取代人工客服，应对大众客户的呼入需求，在未来，这一领域将会有更多的实践。
虽然以上22%的岗位因操作标准化程度较高、对情感交互的要求较低而可能被人工智能所取代，但银行业仍存在78%的岗位在未来十年内无法完全被人工智能取代，例如客户经理等需要通过与客户的面对面沟通讲解复杂的理财产品，并通过建立关系以影响和帮助客户购买银行产品的岗位。未来银行可能可以通过人工智能客服对大众客群开展服务，但中高净值客群可能仍希望真人客户经理为自己提供服务。
对于这些岗位，人工智能不会造成颠覆但能辅助大幅提升工作效率，尤其客户服务，营销与销售以及风控与审核环节，可以借助人工智能服务大众客户，获取客户洞察、评估信贷风险。我们预估，风险管控与审核环节将有62%的工作时长缩减，营销与销售环节将有60%的工作时长缩减。人工智能与大数据已经在提升客户经理工作效率上进行了许多应用，在未来，客户标签、客户画像的存在能够将庞大的客户群进行分类和分析，客户经理仅需勾选同类客户，系统会自动根据其资产配置情况推荐合适的产品。在过去，一个客户经理可能只能管理少数的客户，但有了人工智能的帮助，他们将可以覆盖一类客户群，不仅可以使得服务面更广、服务下沉，还能提升洞察客户需求的能力，为客户提供定制化的服务。
对保险业就业市场的影响
人工智能技术应用在保险业有较大的潜力，因此也对就业市场影响程度较高。我们估计，至2027年，保险业(不包含保险代理人岗位)将削减119万工作岗位，降幅25%；剩余75%的工作岗位将提升29%效率，相当于每人每天花在同样职能活动的工作时间平均可减少1.8小时（参阅图12）。
从保险业价值链来看，人工智能在营销与销售、核保定价与承保、保单管理与服务以及理赔环节均能带来岗位削减。我们预估，在营销与销售环节，人工智能将会削减41万工作岗位，占削减岗位总数的34%。未来随着语音识别与合成技术的发展，机器将代替大部分的人工坐席向客户推销产品，并能敏感、快速地捕捉客户声音所呈现出来的情绪与偏好，因而提升销售效率、节约成本。
核保定价与承保环节约19万个工作岗位将大幅度面临削减，占削减岗位总数的16%。核保与承保作为一个高度标准化、程序化的流程，相关岗位已经在各大保险公司广泛地被机器取代，我们预计未来的取代速度会加快。同理，在保单管理与服务环节，削减约6万个工作岗位。在理赔环节，定损、核价、核赔同样作为高度标准化的环节，至2027年将被取代，削减一共17万个工作岗位。
纵观保险业的价值链，人工智能也能在多个环节帮助提升工作效率。在产品开发环节，人工智能一方面可以帮助保险精算师收集海量的市场数据、优化精算模型；另一方面可以帮助产品开发和维护的设计人员洞悉市场需求变化、分析竞品，从而更准确、更快速地适应市场需要、在产品层面提高自身竞争能力。然而，由于产品开发环节涉及大量的沟通需求和做出决策的工作，人工智能无法完全替代人的工作。我们预估，人工智能将为保险行业的产品开发环节带来41%的工作时长缩减。
在前文中我们已提及，人工智能对营销与销售岗位最直接的影响体现在电话销售这一渠道，而对于更讲究人际交往与沟通能力的直销与团体销售两种渠道，人工智能则是更多地帮助销售人员快速处理文件收集、信息处理、资料整理等文书性质的工作。在人工智能的帮助下，未来的销售人员将节省28%的工作时间。在此需要特别提醒的是，保险行业不同销售渠道之间岗位需求的变更，或更多地受行业发展对销售模式要求变更的影响，并非全然是人工智能发展的作用。比如直销人员近几年的大量减少，更多的是由于互联网的发展、去中介的趋势，使得这种销售模式不再广泛地被客户需要。
在理赔环节，人工智能将对查勘、理算、核损三个环节带来工作效率提升的影响。其中，查勘工作主要出现在车险业务，是人力较为密集的活动，而人工智能计算机视觉的发展，使得报案客户可以现场拍照取证上传系统，系统通过扫描图像进行远程查勘，大大减少对外勤查勘工作的需要。然而，由于该环节的主动权掌握在客户手中，上传照片的清晰度、真实性、全面性难以得到有效保证，现场查勘仍会是必要的工作、查勘岗无法被机器完全取代；核损作为一项需要与客户进行沟通与达成共识的工作，有对客户进行理赔事项通知、受理客户对理赔反应、与拒绝接受理赔条件顾客进行协商三大主要活动，人工智能可以帮助处理前两大较为标准化的活动、却难以在最后一项个案差距大且对沟通疏导能力存在高要求的活动代替人工；理算这一步骤涉及大量的资料审核、按规章执行计算等人力重复性工作，可以帮助员工快速处理标准化的案件，然而由于理算赔付决策的重要性与部分案件的复杂性，该岗位仍需要保留专业人员应对非标准化的案件。同时，生物识别等人工智能技术可以大大节省给付环节的材料审核流程，提升用户体验。
最后，在资产管理环节，人工智能能够识别最优回报率资产进行固定模式投资、监控并分析所投资产收益率及风险等数据，实时调整资产组合，寻求利益最大化、防范风险，大大提升资产管理操作上的反应速度与效率。然而，由于资产管理与投资者的目标、偏好等个性化因素紧密相关，而个性化的因素又容易发生变动，我们难以用一套固定算法去框定人工智能在资产管理环节的行为，在这一环节，人工的存在还是大有必要。我们预估，人工智能将为保险行业的资产管理环节带来40%的工作时长缩减。
对资本市场业务就业市场的影响
如前文所述，至2027年，资本市场业务将削减7万工作岗位，降幅16%；剩余84%的工作岗位将提升56%效率，相当于每人每天花在同样职能活动的工作时间可减少2.9小时（参阅图13）。
从资本市场业务价值链来看，人工智能将较大幅度颠覆销售交易以及清算结算环节的工作岗位，我们预估，销售和交易环节将有7%的工作岗位被削减；清算结算相关岗位，以及基础报告与数据分析岗位，甚至会被人工智能完全取代。对于过往数量庞大的交易员岗位，其执行交易指令的核心工作将被人工智能交易系统逐渐取代，比如摩根大通内部代号为LOXM的人工智能，已经在2017年投入到欧洲股票高频交易的使用中。人工智能清算系统也将替代现有的清算结算岗位，更加准确高效地完成客户资产与自由资产的清算工作。
如上文所述，人工智能不会大范围颠覆资本市场的工作岗位，但会大幅度提升价值链各环节的工作效率，尤其是智能投资决策和资产管理环节。日后，人工智能将与经典经济学和投资研究理论相结合，通过大数据分析辅助宏观经济研究员进行研究，以提升研究效率与准确性；而投资顾问所提供的理财咨询，投资建议等服务，也会参考人工智能分析系统的结果，与自身项目经验结合并加以完善。我们预估，投资决策支持环节均将节省超过37%工作时间。
对金融业支持性职能部门就业市场的影响
总体来说，金融业职能部门各岗位将受到更大程度的人工智能影响，不管是岗位削减还是效率提升层面（参阅图14）。我们预估，到2027年人工智能将削减39万职能部门岗位，占总体削减岗位的17%，对剩余岗位提升45%工作效率。
从后台各职能岗位拆分来看，人工智能将削减和提升与合规、客户服务、会计核审及行政后勤相关的工作岗位数量和工作效率。在会计核算方面，会计自动化系统可以普遍应用于会计基础职能工作，如记账、报表生成以及数据分析等；在行政后勤方面，自动排班系统等可以高效协助办公甚至对未来所需工时等数据进行预测；在合规领域人工智能也有一席之地，比如内部合规侦测、可疑活动预警功能等，将对存在大量个人业务的银行及保险业带来更大的影响；即使在人力资源方面，人工智能也可以辅助进行简历/面试筛选，识别及预测候选人的性格和行为，但由于这一领域对情感交互能力有一定要求，人工智能在可见的短期内潜力有限。
对中国金融业岗位削减和效率提升的总体分析
以上对人工智能在金融行业的应用以及其对就业影响的分析，是基于人工智能未来十年内稳健发展的假设。但也应该考虑到，未来十年内人工智能技术的发展及其在金融行业的应用普及可能会受到多种因素的限制或影响，如技术、监管、人才等。
从技术层面来看，人工智能需要对海量数据进行计算处理，若人工智能所依赖的相关数据积累或硬件设备的计算能力，无法满足实际应用的需要，则可能会导致其发展受限。如金融业过去尚未重视某些领域的数据标积累与储存，因此可能仍需要较长时间的数据收集才能满足实际应用人工智能的需求。
从监管角度而言，由于人工智能可能导致部分潜在的安全、隐私或金融风险，各项人工智能技术的应用在金融业开始落地推广时，可能会遭遇更为严格的监管。例如针对人工智能可能引起的个人隐私数据泄露问题，监管可能为保护个人数据而对人工智能应用进行部分限制。此外，由于人工智能的决策是通过海量数据学习获得，其模型的逻辑目前仍难以解释。而金融行业的特性可能导致监管在某些方面要求一定可解释性，因而会对人工智能的应用造成一定的限制。鉴于以上不确定性及中国金融监管的特殊性，部分在国外有应用案例的人工智能技术可能无法在国内被批准落地，或需先经过一段时间的试验期。因此人工智能在金融行业应用的铺开速度可能会低于预期。
从人才方面来看，人工智能在金融行业的应用发展离不开相关人才的到位。然而，目前中国的人工智能人才储备仍相对薄弱，距百万级的市场需求仍存在较大缺口，每年人工智能领域的毕业学生尚无法满足市场对人才的需求。目前国内的人工智能人才知识结构和创新能力与国外顶尖人才相比仍有差距，部分顶尖人才流往美国。此外，目前金融企业尚较难招聘到技能熟练的人工智能专家，人才仍大量集中在互联网科技公司，很多金融企业均不具备自主研发人工智能应用解决方案的能力。若在未来十年内，我国在人工智能相关人才的培养及吸引上未能跟上发展需求，那么也可能成为人工智能应用普及的一大障碍。
鉴于存在以上潜在限制因素，我们考虑了三种不同情景以反映不确定性存在的情况下人工智能技术对金融行业就业的影响（参阅图15）。基于前文所述的稳健情景，我们进一步考虑了保守和激进情景(假设保守情景下人工智能能帮助节省的工作时间仅达到稳健情景下的85%；而在激进情景下，假设人工智能能帮助节省的工作时间达到稳健情景下的120%)。从削减岗位的角度来看，稳健情景下人工智能在金融行业的应用将削减约230万人（23%）的工作岗位，而保守情景下这一岗位减少为130万人（13%），激进情景下可能达到290万人（29%）。从提升效率的角度而言，稳健情景下人工智能能为金融行业余下就业岗位减少27%的工作时长，而保守情景下这一数字仅为23%，激进情景下则可能达到32%。
如前文所述，至2027年，资本市场业务将削减7万工作岗位，降幅16%；剩余84%的工作岗位将提升56%效率，相当于每人每天花在同样职能活动的工作时间可减少2.9小时（参阅图13）。
人工智能浪潮下的就业需求结构变化
人工智能时代的就业需求和人才素质要求的变化已经在发达国家和领先企业有了较为明显的体现。以美国为例，过去几十年的技术进步，尤其是计算机处理速度和能力的快速增长导致日常任务的自动化，使得主要涉及手工和认知的日常活动的工作长期下降，如生产业工人、操作性劳工、办公文员等等。与此同时，强调沟通、逻辑与创造的专业服务人才，以及直接与计算机技术打交道的技术人才则一直保持增长。
聚焦国际领先企业，以金融巨头高盛为例，在人工智能的深刻影响下，其在人才要求方面已产生了显著的变化。高盛机构客户证券部门的量化团队不仅从2012年的部门人数占比18%提升到了如今的27%，在人才要求上也出现了“升级”：从10到15年前单单需要擅长风险建模与定价的分析师，演变成了今天更为关注招聘擅长数据分析、机器学习等的人工智能技术人才。2017年10月底，高盛更是在集团层面组建了一支精英高科技团队，专门负责整个集团层面的人工智能应用研发，这支团队将以项目制的形式，与高盛集团内不同部门、不同地区进行沟通与磨合，探索出能在技术层面支持业务长期发展的最佳解决方案。
根据MITReview（麻省理工学院评论）杂志报道，2000年，高盛在纽约总部有600多名现金股票交易员负责处理来自客户的交易指令，而到2017年的今天仅剩下2位，大部分工作由200名计算机工程师维护的自动交易程序替代完成。高盛利用复杂的交易算法（其中有些具备机器学习能力），首先取代了部分较为简单的交易，进而逐步取代外汇、信用等更为复杂的交易。为完成这些交易，算法被设计得更为仿真，尽可能模仿真人交易员一样操作。据高盛首席财务官披露，高盛已开始进行自动化的外汇交易，据估算，一名电脑工程师平均可取代四名交易员，目前电脑工程师已在高盛员工人数中占据三分之一。
人工智能也正在逐步取代高盛许多前台高薪员工的工作。下一步，高盛的投资银行业务也将转向自动化，虽然这些曾经强调销售、建立客户关系等人际沟通技巧的工作不会被完全替代，但高盛已经将完成一个IPO（首次公开发行）业务的过程划分为146项清晰的步骤，并将其中很多步骤标注为了“应该被自动化”。由于投行部门员工薪酬普遍高昂，减少投行员工人数预计将会为高盛节省一笔巨大的人力成本。
在今天的中国，我们也已经能观察到一些与发达市场类似的就业需求和人才素质要求的变化。在技术不断进步的浪潮下，依赖创造和沟通的岗位仍将持续增加，如健康护理专业人员、企业高级决策人员、教育人员（特别是儿童教育）、创造性工作（包括艺术家，演员等）、建筑师、复杂环境中的手工和服务业等等。与之对比的是中国低技能职位在新技术的冲击下已难以为继，如录入员、速记员、文字秘书、客服等职位的招聘近年来均呈现负增长。
目前我国人工智能技术尚处于导入期，因而在人工智能技术领域已发生的就业需求变化有限，主要体现为对基础类技术人才的需求。反映在企业招聘中，目前企业对人才素质要求较以前更为看重技术能力，尤其是基础性人工智能技术能力。根据智联招聘大数据显示，过去一年中就业需求量增长最大的主要为具备两类技能的人才：第一类是掌握机器学习、计算机视觉、自然语言处理等具体人工智能技术的人才；第二类是掌握数据挖掘、数据存储、数据分析、数据库架构等数据领域相关技能的人才，其需求量同样增长明显。尽管需求众多，但目前市场上具备丰富人工智能相关经验的人才十分紧缺。部分从相关IT领域跨界转行的求职者虽拥有较多工作经验，但其中真正与人工智能相关的经验依然十分有限。中国企业在培育、吸引、挽留人工智能人才方面仍旧任重道远。
编辑|Yibin.P返回搜狐，查看更多
2023年中国人工智能行业发展现状与市场规模分析 市场规模超3000亿元【组图】
当前位置：前瞻产业研究院»经济学人»研究员专栏2022年中国人工智能行业发展现状与市场规模分析市场规模超3000亿元【组图】UVc分享到：蔡欢欢•2021-12-1417:00:33来源：前瞻产业研究院E45205G02023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告人工智能行业主要上市公司：海康威视(002415)、科大讯飞(002230)、赛为智能(300044)、东杰智能(300486)、闻泰科技(600745)、中兴通讯(000063)、恒生电子(600570)等
本文核心数据：人工智能市场规模各层次企业分布企业技术分布人工智能细分领域占比等
1、市场规模：中国人工智能行业呈现高速增长态势
人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据中国信通院数研中心测算，2020年中国人工智能产业规模为3031亿元人民币，同比增长15.1%。中国人工智能产业规模增速超过全球。
注：中国信通院的市场规模根据IDC数据测算，统计口径与IDC一致，即包括软件、硬件与服务市场。
2、竞争格局：中国人工智能企业主要分布在应用层占比超过80%
——中国人工智能企业全产业链布局完善
我国作为全球人工智能领域发展较好的地区，无论是人工智能领域的基础层、技术层、应用层，还是人工智能的硬件产品、软件产品及服务，我国企业都有涉及。在国内，除去讯飞等垂直类企业，真正在人工智能有所长进的巨头依然是百度、阿里、腾讯这三家。
——中国人工智能企业主要分布在应用层，占比超过80%
据中国新一代人工智能发展战略研究院2021年5月发布的《中国新一代人工智能科技产业发展报告(2021)》数据，截至2020年底，中国人工智能企业布局侧重在应用层和技术层。其中，应用层人工智能企业数占比最高，达到84.05%;其次是技术层企业数，占比为13.65%;基础层企业数占比最低，为2.30%。应用层企业占比高说明中国的人工智能科技产业发展主要以应用需求为牵引。
3、技术分布：中国人工智能企业核心布局的技术主要为大数据和云计算
从人工智能企业核心技术分布看，大数据和云计算占比最高，达到41.13%;其次是硬件、机器学习和推荐、服务机器人，占比分别为7.64%、6.81%、5.64%;紧随其后，物联网、工业机器人、语音识别和自然语言处理、图形图像识别技术的占比依次为5.55%、5.47%、4.76%、4.72%。
4、细分领域：深度神经网络领域为中国AI研究热门
根据清华大学人工智能研究院、与中国工程院知识智能联合研究中心联合发布的《人工智能发展报告2011-2020》，2011-2020年十大AI研究热点分别为深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。
更多行业相关数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p52q0我要投稿
UVc分享：标签：人工智能发展现状市场规模人工智能细分领域占比人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT2022年中国人工智能医疗行业发展现状及市场规模分析逐渐完善的产业基础提振投资信心【组图】
2023年全球金融科技行业发展现状及前景分析2028年市场规模将突破4000亿美元【组图】
2023年中国人工智能芯片行业发展现状分析行业处于萌芽期【组图】
2023年中国金融科技行业发展现状及市场规模分析2022年市场规模突破5000亿元【组图】
2021年全球人工智能行业市场规模与投融资现状分析未来人工智能将呈现螺旋式发展
2022年美国智能家居行业发展现状及市场规模分析市场规模保持扩大【组图】