夜雨聆风
顶刊最新论文!人工智能的新测度方法及其应用(原文及复现资料链接请见文末)
人工智能的新测度方法及其应用
发表期刊：世界经济
影响因子：6.656
发表时间：2026年4月
文章作者：李晓宇，叶初升
文章摘要
本文提要：
人工智能在经济活动中所产生的影响取决于其应用数量及智能水平。如何测度人工智能水平是相关领域研究基础且关键的问题。本文基于人工智能在不同基准测试中的表现及横向比较，改进了智能水平测度方法，构建了一种包含智能水平的人工智能应用指标。与目前的相关研究文献进行应用性比较的结果表明，与仅表征人工智能应用数量的测度方法和现有基于能力反映智能水平的测度方法相比，运用本文的测度方法不仅能更好地测度人工智能水平及其发展，还能进一步测度由于其多维智能不平衡发展而形成的对劳动者的替代性和互补性，并在此基础上深入细致地揭示人工智能对不同技能劳动者产生的收入结构效应，进而预估其发展的潜在影响，为应对人工智能冲击、制定引导人工智能发展方向的政策提供学术支撑。
关键词：人工智能；智能水平；指标测度；就业结构；收入分配
研究背景及意义
1
研究背景
现有研究多用工业机器人、专利、词频等数量指标衡量人工智能，无法反映智能水平与多维能力差异；仅关注替代效应，忽视互补性；难以准确评估 AI 对就业、收入的真实影响，亟需更科学的测度方法。
2
研究意义
理论上，改进人工智能能力测度方法，实现多维智能可比较，构建包含智能水平的应用指标；实践上，精准识别 AI 对不同技能劳动的替代与互补效应，为应对就业冲击、优化收入分配、引导 AI 发展提供学术支撑。
研究问题
-
新测度方法相比传统数量指标具有哪些优势？
-
如何改进人工智能智能水平测度方法，实现不同维度能力的横向可比？
-
如何构建同时包含应用规模 + 智能水平的人工智能应用指标？
-
如何量化人工智能对劳动的替代性与互补性？
-
人工智能如何影响不同技能劳动者的就业与收入结构？
-
研究方法
（1）数据来源：Papers with Code（AI 基准测试表现数据，2008-2022）；ONet 职业能力需求数据库；中国上市公司数据（CSMAR，2010-2022）；WIOD 世界投入产出数据、IFR 工业机器人数据（2000-2009）；中国职业分类大典、2015 年人口普查就业数据
（2）核心变量：AI 智能水平：以人类表现为基准，对 AI 在 10 类任务中的成绩标准化；AI 职业任务完成度（AIqual）：AI 能力满足职业要求的程度；AI 替代性（AIsubs）：min (Aj/Ljk)，能力短板决定替代可能性；AI 互补性（AIcomp）：AIqual/AIsubs，协作且未完全替代的程度；融合型 AI 指标：AIP_subs = 应用规模 × 替代性；AIP_comp = 应用规模 × 互补性。
（3）实证方法：基准回归：双向固定效应模型；拓展模型：双门槛模型（检验智能水平门槛效应）。
研究结论
（1）人工智能的经济影响不仅取决于应用数量，更取决于智能水平与多维能力不平衡发展。
（2）以人类基准表现标准化后，AI认知能力得分最高，其次是感官能力，身体能力最低。
（3）AI 对劳动的影响遵循：低互补低替代→高互补低替代→低互补高替代的动态路径。
（4）人工智能互补性促进就业与收入，替代性抑制就业与收入，整体效应由二者相对强弱决定。
（5）高技能劳动者以互补效应为主，中技能劳动者受替代效应冲击最大，低技能劳动者替代风险逐步上升。
（6）智能水平存在显著门槛：跨越门槛后，互补性骤降、替代性骤升，对就业的正向作用减弱。
边际贡献
（1）方法创新：以人类表现为基准对 AI 多维能力标准化，实现不同任务、不同维度智能横向可比，解决传统方法不可比、仅具序数意义的缺陷。
（2）指标创新：首次构建同时包含应用数量 + 智能水平的 AI 指标，并拆分出替代性指标与互补性指标，突破只测替代、忽视互补的局限。
（3）机制创新：揭示 AI 从 “高互补低替代” 向 “低互补高替代” 的动态转变，识别智能门槛效应，解释就业与收入的非线性影响。
（4）应用创新：新指标可用于企业、行业、地区多层实证，比机器人、专利、词频等传统指标更精准、更稳定。
文章刊发
[1]李晓宇,叶初升.人工智能的新测度方法及其应用[J].世界经济,2026,49(04):68-110.DOI:10.19985/j.cnki.cassjwe.2026.04.009.
版权声明
本文来源：CBD发展研究基地，仅用于学术传播，如有侵权请联系，我们及时修改或删除。
原文及复现材料获取链接
人工智能的新测度方法及其应用 (magtech.com.cn)