AI渗透如何重塑城市零工薪资——基于海量招聘数据的实证分析

这个研究话题看似不大，但切入点相当精准。AI对劳动市场的影响容易被写成空洞的泛论，而本文作者没有大而化之地讨论就业替代问题，而是聚焦于"零工工资"这一价格信号，探究AI渗透究竟如何重塑劳动力市场的定价机制。

该研究的价值在于，零工经济天然适合观察AI冲击的传导路径。零工任务颗粒度细、技能可分解、工资调整灵活，相比传统长期雇佣关系更容易捕捉技术冲击的即时反馈。换言之，零工市场如同AI冲击劳动力市场的"前沿阵地"。

真正值得借鉴的是其数据处理与指标构建方法。研究团队采用2022—2023年间近2000万条"58同城"兼职招聘信息，梳理出50类零工职业、668个地县市、30余万个"城市-月份-职业"面板观测值；运用"文本分析结合多个大语言模型"构建职业AI渗透度，并进一步加权得到城市零工AI渗透度。这一指标体系构建相当完善。

研究结论也比较明晰：职业AI渗透度提升1个标准差，零工日薪约下降1.8%；城市零工AI渗透度提升1个标准差，平均工资约下降1.09%。更重要的是，AI冲击还会产生跨城市溢出效应，压制邻近城市的零工薪酬，形成从核心向周边扩散的降薪梯度。

【研究框架】

论文首先从理论层面分解AI对工资的替代效应、生产率效应和新任务创造效应；随后利用招聘大数据构建职业和城市两个层级的AI渗透度；接着分别估计职业渗透、城市渗透对零工工资的作用；最终深入机制分析和空间溢出维度，探讨招聘结构、高技能岗位占比及城市间传导路径。

【核心创新】

创新点不在于验证"AI会影响工资"这一常识，而在于将AI渗透拆解为职业层和城市层两个维度。前者衡量某一职业本身被AI替代的难易程度，后者评估一个城市零工需求结构整体暴露于AI冲击的程度。

另一创新点是空间溢出效应。多数AI劳动市场研究仅关注本地效应，本文进一步探讨相邻城市间的工资联动，发现负向溢出存在约3期时滞，并在一定距离范围内呈现先增强后衰减的规律。

【研究设计】

核心数据来源于"58同城"兼职招聘的海量信息。被解释变量为零工日薪和周薪，核心解释变量为职业AI渗透度和城市零工AI渗透度。作者控制了城市、时间固定效应以及数字基础设施、产业结构、就业规模、GDP、数字普惠金融等变量，并采用类似Bartik的工具变量法处理内生性问题。

【主要结论】

职业AI渗透和城市AI渗透均会显著压低零工工资。省会城市和直辖市的负向效应更为突出，表明技术经济越发达的城市，零工岗位越容易率先受到AI冲击。

【作用机制】

AI并非无差别地压低所有工资水平。招聘需求越旺盛、高技能零工占比越高，工资惩罚越弱，甚至形成技能溢价。低技能零工承受的负向冲击更强，说明AI的实质影响在于重塑技能价格结构。

【拓展方向】

可将零工工资替换为招聘数量、招聘时长、岗位技能要求，探究AI是否改变岗位需求结构。也可将零工市场置换为平台劳动、外包服务、自由职业者报价，继续考察AI渗透如何影响劳动定价。

还可沿空间溢出方向深入：一个城市AI产业发展，是否会通过劳动力流动影响周边城市的工资和岗位结构。