生产率悖论

在学术文献中，对逆工业化“最常见的定义是制造业就业人口占总就业人口份额的下降。” ^[1] 从20世纪60年代末70年代初开始，高收入国家最先出现了制造业就业份额的普遍下滑。1970年，美国制造业就业工人数量占全国就业人口总数的22%，到了2017年，这一比例下降到了仅8%。在同一时期，法国制造业的就业比例从23%跌至9%，英国从30%跌至8%。相较而言，日本、德国和意大利的下降幅度略小，但降幅仍然颇为显著：日本从25%降至15%，德国从29%降至17%，而意大利从25%降至15%。上述案例中的下降最终归因为制造业就业人数的大幅下跌。美国、德国、意大利和日本的制造业就业总数相较于第二次世界大战后的峰值下跌了约三分之一，法国的跌幅为50%，而英国的跌幅达到了67%。

普遍认为，制造企业将生产线转移到了海外是导致这些高收入国家出现逆工业化的原因。当然，对于贸易赤字规模全球最高的英美两国而言，离岸外包的确是推动其逆工业化的一个因素。但在包括美英在内的上述所有国家中，制造业岗位流失同制造业绝对产出规模的下降并不存在关联性。恰恰相反，以实际增加值测算，美国、法国、德国、日本和意大利制造业产值在1970年至2017年间增长了一倍多。即便是在其中同期产值增速最低的英国，制造业实际增加值也实现了25%的增长。可以肯定的是，中低收入国家正出产越来越多的商品向高收入国家出口；然而，高收入国家的逆工业化不能仅仅归结为产能向中低收入国家转移，因为高收入国家在21世纪第二个十年末期的制成品产量超过了以往任何时期。同自动化理论家们的核心预期一致，在产量增加的同时，生产这些产品的工人数量却减少了。

正是基于这一点，评论人士们通常认为，导致发达经济体工业岗位流失最重要的原因是劳动生产率的迅速提高，而不是低成本进口产品的涌入。 ^[2] 但如果仔细观察，我们就会发现这种解释也不充分。几十年来，制造业生产率一直在缓慢增长，经济学家罗伯特·索洛（Robert Solow）也因此调侃道：“计算机时代的到来随处可见，唯独在生产率统计里不见踪影。” ^[3] 自动化理论家们也将这一“生产率悖论”视为他们理论阐释中的问题，对此进行了讨论——他们将此或归因于产品需求的疲软，或归因于低薪工人的持续存在。但是，他们低估了这一问题真正的重要性。其中部分原因可以归结于美国制造业劳动生产率的稳定增长，自1950年以来，其年均增速达到了3％左右。在此基础上，埃里克·布莱恩约弗森和安德鲁·麦卡菲提出，自动化的影响可能体现于指数式增长的复合效应，而不是增长速度的小幅提升。 ^[4]

美国官方的制造业增速统计数据过分地夸大了实际情形，因为在这些统计中，生产出处理速度更快的计算机被视同为计算机产量增长。 ^[5] 因此，在美国官方统计中，作为制造业子行业的计算机和电子产品制造业，其生产率水平在1987年至2011年以年均超10%的速度飞快增长，即便同一时期其他子行业生产率增速已经跌至2%左右。 从2011年开始，整个制造业呈现日渐恶化的趋势：2017年全行业就业人口人均实际产出低于2010年水平。制造业生产率增速的崩盘恰恰发生在自动化理论家们认为技术发展应当推动生产率迅速上升的时候。

修正后的美国制造业生产率统计数据与德国和日本等国已出现的趋势更加一致。这些国家的制造业生产率增速已从第二次世界大战后的峰值大幅跌落。德国制造业生产率年均增速从20世纪五六十年代的6.3%，下降到了2000年至2017年的2.4%。从某种程度上说，这一下降趋势是追赶式增长时代落幕的一种意料内的结果。这一结果仍然可能会让自动化理论家们感到惊讶，因为德国和日本在工业机器人领域已经领先于美国。事实上，特斯拉在加州的高度自动化汽车工厂中使用的机器人是由一家德国机器人公司所制造。 ^[6] 截至2016年，德国和日本企业中制造业工人的人均使用工业机器人数量比美国高出60%。 ^[7]

即便制造业生产率增长低迷，所有这些国家的逆工业化进程依然在继续；也就是说，逆工业化如自动化理论家们所预料的一样出现了，但其产生的原因并不是他们所认为的那样。为了更详细地探讨逆工业化的原因，我将会用到如下几个定义。产出，如上文及下文所提及，是以实际或通货膨胀调整后的“增加值”为标准对某一经济部门产量（生产了多少）的测度。 国内生产总值，又称GDP，代表了整个经济体的增加值。本书使用的就业是指对工人数量的测度，而不是对工作时间的测度——通常而言，除了富裕国家以外，其他地区并无工时统计数据。而生产率则是产出和就业人数的比率：每位工人产出越多，那么工人的生产率水平就越高。对于任何经济部门而言，产出增长率（ΔO）减去劳动生产率增长率（ΔP）等于就业增长率（ΔE），即ΔO–ΔP =ΔE。 ^[8] 依照其定义，这个等式是正确的。假设汽车行业的产出年增长率为3%，而生产率年增长率为2%，那么我们可以算出，该行业就业年增长率为1%（3–2=1）。反之，如果产出每年增长3%，生产率每年增长4%，这意味着就业每年减少1%（3–4=–1）。

我们可以分析法国制造业产出增长率的崩溃，从而了解高收入国家普遍出现的典型模式（如图2.1所示）。 在第二次世界大战后资本主义的“黄金时代”，法国制造业生产率增长率远高于今天的水平：从1950年至1973年，生产率增长率为年均5.2%；且产出增长率甚至更高，达到了年均5.9%的水平。其结果是，就业规模以每年0.7%的速度稳步增长。自1973年以来，产出增长率和生产率增长率均出现了下滑，但是产出增长率的跌幅远远大于生产率增长率的下降幅度。到了21世纪初期，生产率年均增速为2.7%，远远低于第二次世界大战后时期的水平。然而，放缓后的生产率增长率此时已经高于相应的工业产出增长率，后者仅为0.9%。导致的结果是，法国制造业就业人数以年均1.7%的速度迅速收缩。甚至在此之前，逆工业化的进程事实上已经开启：在制造业就业人数增长率持续低于总劳动人口增长率之后，制造业的就业份额很快进入了下行轨道。

分析法国制造业产出增长率的崩溃有助于解释为什么自动化理论家们会错误地认为制造业生产率在快速地增长。相对于产出增长率，生产率增长率一直处于高位，但并非因为生产率增长相较以往出现了提升——如果真是如此，这将是自动化加速的一个确定的迹象。实际的原因恰恰相反，这一趋势的关键在于产出增速相较以往出现了显著的放缓。在其他国家的统计数字中也能够看到同样的模式：制造业产出水平没有出现绝对下降（生产的产品越来越多），但产出增长的速度却出现了下降，因此产出增长速度持续低于生产率增长速度（见表2.1）。随着一个接一个国家出现工业产出增长速度跌破相应生产率增长速度，经济指标量的下降成了质的影响：制造业就业份额逐步下降。经济停滞的恶化同技术活力不足因素相叠加，催生了劳动力的全球逆工业化。

这种“产出主导”的逆工业化无法从纯粹的技术角度进行解释。 ^[9] 经济学家们从其他角度进行的解释大多将这一趋势视为发达经济体的一种无害的演化特征。 然而这一观点本身并不能解释这种所谓的经济演变为什么会伴随着人均GDP的极端变化。逆工业化最早出现在20世纪60年代末70年代初的高收入国家，彼时也是美国、欧洲和日本人均收入趋同时期的末尾阶段。在随后的几十年里，逆工业化“过早地”蔓延到了中低收入国家，人均收入也出现了较大的差异（如图2.2所示）。 ^[10] 很多贫困国家的工业化峰值水平极为低下，可能说它们从未出现工业化反而更准确些。

20世纪末出现了一场堪称全球性的逆工业化浪潮：1991年至2016年，全球制造业绝对就业人数年均增长0.4%，但这仍然远低于全球劳动力的增长水平，导致制造业占总就业人数份额同期下降了3个百分点。 ^[11] 中国是一个重要的例外，但只是部分例外（如图2.3所示）。20世纪90年代中期，中国国有企业裁减了数百万工人，造成了制造业就业份额的稳步下降。 ^[12] 从就业角度看，中国在21世纪初的几年开启了再工业化的进程，但是到了2015年前后，逆工业化却又再度出现。自此之后，中国制造业就业份额出现了大幅下降，从2013年的19.3%跌至2018年的17.2%。如果逆工业化的出现无法从自动化和发达经济体内部演化的角度进行解释，那么导致这一趋势的原因又是什么？

[1] Fionna Tregenna, “Characterizing Deindustrialization: An Analysis of Changes in Manufacturing Employment and Output Internationally,” Cambridge Journal of Economics , vol. 33, no. 3, 2009, p.433 。

[2] 学术文献可见Robert Rowthorn和Ramana Ramaswamy屡屡被引用的论文“Deindustrialization: Causes and Implications,”IMF Working Paper 97/42, 1997. 媒体文章可见Eduardo Porter, “Is the Populist Revolt Over? Not if Robots Have Their Way,” New York Times, January 30, 2018。

[3] 引述于Brynjolfsson and McAfee, Second Machine Age , p.100。

[4] 参见Brynjolfsson and McAfee, Second Machine Age , pp.43–5。

[5] 参见Martin Neil Baily and Barry p.Bosworth, “US Manufacturing: Understanding Its Past and Its Potential Future,” Journal of Economic Perspectives , vol. 28, no. 1, 2014; Daron Acemoglvb u et al., “Return of the Solow Paradox? IT, Productivity, and Employment in US Manufac turing,” American Economic Review , vol. 104, no. 5, 2014；以及Susan Houseman, “Understanding the Decline of US Manufacturing Employ ment,”Upjohn Institute Working Paper 18–287, 2018。

[6] Daniel Michaels, “Foreign Robots Invade American Factory Floors,” Wall Street Journal , March 26, 2017。

[7] 根据国际机器人联合会数据，2016年制造业每万名从业人员安装工业机器人数量最高的国家包括韩国（631）、新加坡（488）、德国（309）和日本（303）；而美国的这一数据为189，中国为68。参见Interna tional Federation of Robotics, “Robot Density Rises Globally,” IFR Press Releases , February 7, 2018。

[8] 这一等式排除了所谓的小项 ΔPΔE ，将其视为无足轻重的因素。需要注意的是，这一等式成立的依据是劳动生产率（ O/E ）的定义，但不能将其用于构建因果关系。

[9] José Gabriel Palma, “Four Sources of‘Deindustrialization’and a New Con cept of the‘Dutch Disease’”，辑录于José Antonio Ocampo, ed., Beyond Reforms: Structural Dynamics and Macroeconomic Vulnerability , Stanford University Press, 2005, pp.79–81.参见Rowthorn and Ramaswamy, “Deindustrialization,”p.6，以及Dani Rodrik, “Premature Deindustrializa tion,” Journal of Economic Growth , vol. 21, no. 1, 2016, p.7。

[10] 例如，以制造业就业份额的下降衡量，巴西的逆工业化进程始于1986年，彼时该国人均GDP为12,100美元（以2017年美元购买力平价计算），略高于1973年法国在逆工业化之初人均GDP的一半。南非、印尼和埃及在其经济逆工业化之初时的收入水平相对较低。参见Sukti Dasgupta and Ajit Singh, “Manufacturing, Services, and Premature Deindustrialization in Developing Countries: A Kaldorian Analysis,”in George Mavrotas and Anthony Shorrocks, eds., Advancing Development: Core Themes in Global Economics , Palgrave Macmillan, 2007; Tregenna, “Characterizing Deindustrialization”。

[11] United Nations Industrial Development Organization, Industrial Devel opment Report 2018 , 2017, p.166.联合国工业发展组织（UNIDO）数据显示，在1991年至2016年的二十五年间，全球制造业就业份额从14.4%降至11.1%。而其他来源则认为，在20世纪第二个十年中期，这一份额接近17%。由于工发组织对中国制造业就业的统计更为严格，因此其统计数据低于其他来源所提供的数据。

[12] 1993年至2004年，由于经济结构调整，国有企业就业人数下跌了40%。参见Barry Naughton, The Chinese Economy: Transitions and Growth , MIT University Press, 2007, p.105。 LNjM2X67KWGlmr0oEC8mn9RhoGaw2s1YhW9REVAkMaDN5MhXGWOsNMO2Bm3OyTbx