人工智能是否塑造了企业内部工资不平等？

《Economic Modelling》：Does Artificial Intelligence Shape Within-Firm Wage Inequality?

　　本研究分析了人工智能对企业内部工资差距的影响。研究发现，人工智能与企业内部工资差距之间存在显著关联。劳动力替代和劳动-资本补偿是潜在的机制。这种影响在企业、行业和区域层面表现出异质性。收入不平等是一个全球性问题，而人工智能的采用为其提供了解决方案。

引言

作为最新技术进步和数字智能革命的代表，人工智能（AI）正越来越多地被应用于企业内部（Czarnitzki等，2023）。其发展及其对工人的影响已成为劳动经济学和收入不平等研究的关键领域（Lu & Zhou，2021）。根据《2023年世界机器人报告》，2022年全球共部署了55.3万台工业机器人，较上年增长5%。分地区看，亚洲占73%，欧洲占15%，美洲占10%。在中国，2022年安装了29万台。截至2023年上半年，中国在役工业机器人保有量已超过150万台。工业机器人可以在生产活动中取代工人，使他们从单调重复的任务中解放出来，同时通过标准化操作降低缺陷率并提高生产效率（Hedelind & Jackson，2011）。

然而，根据世界不平等数据库，许多国家在工业自动化转型过程中收入差距不断扩大。随着中国人工智能应用程度持续提高，其使用极有可能对工人之间的收入差距产生重大影响。企业内部管理层与普通员工之间的工资差距是收入分配差异的微观体现（Beal & Astakhova，2017）。这一差距不仅是优化初次收入分配的重要组成部分，也是影响企业经济转型升级高质量发展的关键因素（Yan等，2024）。虽然技术进步与收入不平等之间的关系已受到广泛关注，但针对企业内部薪酬差距的研究相对较少——尽管这是社会整体收入分配的微观基础。探讨人工智能如何影响企业层面员工之间的收入差异，可以加深我们对技术可能通过组织机制加剧或缓解不平等的理解。这一研究路径为人力资源管理提供了战略洞见，也为政策制定者提供了监管设计的微观视角。因此，本研究采取微观视角，探讨人工智能如何影响企业内部工资不平等，从而为收入分配研究的拓展做出贡献。

本文考察了技术革命与社会公平交汇处的一个核心问题：企业对人工智能（AI）的广泛采用是扩大还是缩小了高层管理人员与普通员工之间的收入差距？传统观点认为，技术变革往往会加剧收入不平等，因为人工智能替代了常规的、高度标准化的工作，同时增加了对高技能创新人才的需求，从而扩大了员工群体之间的薪酬差距。然而，基于中国企业的经验证据，本研究发现人工智能的采用实际上显著降低了企业内部工资不平等。我们认为其机制在于人工智能驱动的劳动力需求变化：人工智能增加了对高技能劳动力的需求，提高了这些工人的工资，同时减少了对低技能劳动力的依赖，从而降低了低薪岗位的比例。因此，本文提供了如何利用技术革命促进共同富裕的微观证据。

鉴于中国与发达国家在市场发展、政治背景和地理环境等方面存在显著差异，一些现有研究的结论可能不直接适用于中国，值得进一步讨论（Luo等，2013）。中国的人工智能研究和应用目前正处于快速扩张阶段，而其劳动力市场仍在发展中，发展水平和配套政策存在一定差距。不完善的制度与政策环境可能导致不同企业对人工智能实施的反应存在异质性。此外，人工智能对经济的影响在现有文献中仍无定论（Mutascu，2021）。国内外学者认为人工智能的影响是多方面且异质的，跨情境推广结果并不恰当（Wang等，2024）。全面分析应考虑经济状况、政治背景、地理条件、市场发展水平和制度发展状况等因素。

因此，我们在中国背景下考察人工智能采用对企业内部工资差距的影响，原因如下。第一，中国在全球人工智能发展和应用方面处于前沿，并得到政府的大力支持。自2019年以来，工业和信息化部一直积极鼓励在主要城市建立人工智能试验区。该举措旨在加强人工智能与实体经济的融合，提升国家在下一代人工智能技术方面的创新能力。此外，人工智能采用程度在不同地区、行业和企业之间存在显著差异，导致发展格局快速但不平衡。这种复杂性使得人工智能对中国工资结构的影响尤为丰富多样，具有很高的研究价值。第二，中国劳动力市场的技能结构存在明显错配，中低技能工人比例较高，更容易被人工智能技术取代。鉴于中国社会收入不平等已经相当严重，企业内部薪酬差距的变化对社会整体紧张情绪有显著影响。因此，人工智能对中国企业内部工资不平等的影响不仅是经济问题，还与社会公平、稳定和政策干预密切相关——使其成为一项紧迫重要的课题。第三，虽然中国已有若干宏观层面研究考察了人工智能对就业和收入的影响，但专门针对企业内部工资结构的研究仍相对有限。在中国情境下从企业层面研究这一问题，不仅有助于丰富关于人工智能如何影响微观企业行为的文献，也为政策制定和管理实践提供实证见解。

在关键变量的测量方面，我们将企业内部工资差距定义为管理层平均薪酬与普通员工平均薪酬之间的绝对差额。为反映企业人工智能（AI）的采用情况，我们使用上市公司年度报告中人工智能相关关键词的出现作为主要指标。为缓解内生性问题，我们利用国家新一代人工智能创新发展试验区（NAAPZ）政策作为外生冲击，采用双重差分方法进行实证检验。企业所在地区被指定为试验区的赋值为1，否则为0。我们发现企业内部的AI采用降低了内部工资差距。机制检验表明，AI的引入通过改变企业的劳动力技能结构和劳动与资本的分配，缩小了管理层与员工之间的工资差距。异质性检验进一步表明，AI对内部工资不平等的影响在非国有企业、CEO影响力更强的公司、融资约束较少的企业、高科技行业以及位于市场化水平更高地区的企业中更为显著。

本文对两个关键研究领域做出了贡献。第一，现有关于人工智能（AI）的学术讨论主要集中在宏观经济影响、行业整体变革或总体劳动力市场效应方面。我们的研究通过将学术焦点转向AI的微观经济后果做出贡献。本文利用工业和信息化部推出的NAAPZ政策，探讨该政策对企业内部工资差距的影响，从而丰富了关于AI经济后果的文献。

第二，本文为研究企业内部工资差距影响因素做出了贡献。以往研究主要关注企业内部薪酬差距与企业绩效、员工行为、数字化转型举措和公司治理结构等既有因素的关系。本文分析了NAAPZ设立对企业内部工资差距的影响，并探讨了其潜在机制。研究结果为完善试验区建设、推动劳动力市场高质量发展和转型提供了重要启示。

章节片段

文献综述与研究假设

首先，关于人工智能（AI）企业层面经济后果的文献，现有AI研究主要聚焦其对宏观经济发展、行业变化或劳动力市场整体效应的影响（Aghion等，2017；John等，2022；Zarifhonarvar，2024；Wang等，2025）。一些近期研究探讨了AI如何改善企业融资环境（Goldstein等，2019；Zhou等，2025）、帮助企业识别和[此处内容不完整，原文中断]

数据与样本

为探讨人工智能如何影响组织内部的薪酬差异，我们构建了一个涵盖2007年至2023年间中国所有A股上市公司的数据集。我们剔除了ST（特别处理）类公司、金融行业公司以及关键控制变量数据缺失的公司。本分析的主要数据来源为CSMAR和Wind数据库。研究样本包括来自2472家公司的30259个公司-年度观测值。

OLS回归结果

为检验AI对企业薪酬差距的影响，我们首先估计以下OLS回归模型：

其中i代表公司，t代表年份。Pay gap_{t+1}是公司工资差距的指标，如3.2节所述。Ln(AI)_t是公司人工智能应用程度的指标，如3.3节所述。X_{i,t}是与公司薪酬差距相关的控制变量向量。我们还加入了年份和公司固定效应，以控制未观测到的异质性。

识别策略（双重差分法）

我们采用DID方法探讨AI对企业内部工资差距的因果影响。具体而言，我们将NAAPZ的实施作为AI采用的外生冲击。公司内部员工之间的薪酬差距是公司管理过程中的内生变量（Kong等，2020）。如果选择公司内部指标作为核心解释变量，可能导致严重的内生性问题，难以确定AI采用对[此处内容不完整，原文中断]

潜在机制

我们认为人工智能（AI）可以通过两个主要渠道降低企业内部工资差距：改变劳动力内部的技能构成以及调整劳动报酬的分配。首先，关于改变劳动力内部的技能构成，通过工业机器人和智能算法等自动化技术，AI接管了重复性和常规性任务，例如流水线操作和基础数据处理[此处内容不完整，原文中断]

横截面分析及其他稳健性检验

在异质性分析中，本文主要检验AI对内部工资差距的差异化影响，涉及CEO或公司特征（如CEO权力、股权结构、融资约束）、行业特征（如高科技或非高科技行业）以及区域特征（如区域市场化水平）。

结论

本研究考察了广泛采用AI对企业内部工资差距的影响。利用企业层面数据，我们发现AI采用显著降低了内部工资差距。这种关系似乎通过技能偏向型技术变革机制发挥作用：AI增加了对高技能工人的需求和报酬。这些发现与现有强调AI与高技能劳动力互补及其对[此处内容不完整，原文中断]

未引用参考文献

Atack等，2019；Benjamin和John，2024；Boero等，2025；MALLICK和SOUSA，2017；Roth和Sant’Anna，2021。

利益冲突声明

? 作者声明他们不存在已知的可能影响本文所报告工作的相互竞争经济利益或个人关系。

致谢

本文受中南财经政法大学基本科研业务费（编号：2722024DD010）、中南财经政法大学数字技术与金融创新人才基地（编号：B21038）、湖南省社会科学基金（编号：24YBQ032）资助。我们衷心感谢编辑和匿名审稿人提出的深刻见解和建设性建议，这些对大幅改进本文具有不可估量的价值。

钱倩倩·孙 | 奥·李 | 泽豪·闫 | 倩坤·顾