人工智能、劳动力任务类型与城市规模工资溢价

人工智能是任务偏向型技术,其广泛应用可能会扩大工资差距,但对城市规模工资溢价影响需深入研究。文章利用中国劳动力动态调查微观数据和人工智能应用数据,实证探讨在人工智能冲击下非常规和常规劳动力所获得的城市规模工资溢价及其机制。研究发现:相比于常规劳动力,人工智能使得非常规劳动力得到了更高的城市规模工资溢价,该结论在工具变量法、重新划分劳动力类型和扩展样本的检验下依然稳健。机制分析表明:相对于常规劳动力,具有任务偏向型属性的人工智能应用能够强化非常规劳动力在城市集聚经济下的学习、匹配效应,从而提高其城市规模工资溢价。进一步研究表明,不同任务类型劳动力获得城市规模工资溢价会因所处的区位、个体特征而呈现一定的差异性。文章为区域协调发展政策和共同富裕政策的制定提供了理论依据与经验支撑。