人工智能与劳动力市场转型：一个随机博弈框架

摘要: 摘要：[目的] 将Acemoglu & Restrepo的任务模型与随机博弈（Stochastic Game）框架相结合，构建一个可计算的四状态动态博弈系统，用以分析人工智能技术进步与劳动力市场结构的互动机制。[方法] 以自动化边际与人力资本结构为状态变量，将连续任务空间离散化为"传统经济期—转型阵痛期—人机协作期—后AI化稳态期"四阶段；通过单期收益矩阵、状态转移矩阵与Bellman方程的联立，刻画企业与工人的策略互动及马尔可夫完美均衡；进一步引入培训补贴、自动化税率与匹配效率提升等政策工具，分析其对收益矩阵与转移矩阵的结构性影响。[结果] 人工智能对就业的影响呈现显著的阶段性非线性特征，存在多重均衡与路径依赖：系统可能收敛于人机协作的高效率均衡，也可能因技能错配陷入低水平陷阱，或因过度自动化导致稳态崩溃。替代效应在转型阵痛期最为显著，生产率效应、自动化深化效应与恢复效应的合力决定了状态跃迁方向。[局限] 状态空间的离散化简化了连续技术演进过程；参数校准缺乏微观实证数据支撑；两主体设定未将政府与金融机构纳入内生博弈框架。[结论] 政策干预需组合施策：转型阵痛期应实施"培训补贴+匹配效率提升"，稳态期需引入"自动化税率"防范过度自动化，并建立基于工资比率的不平等预警机制。