下载掌阅APP，畅读海量书库
立即打开
随着新一轮技术革命的蓬勃兴起，人工智能技术的渗透性与协同性不断推动产业协同，重塑制造业产业分工格局。工业智能化作为人工智能技术与工业的有机融合，必将改变制造业企业发展方式。因此，考察我国工业智能化的发展趋势尤为必要，而在此之前，首要目的在于精准度量工业智能化。综观现有文献，对于如何精准度量工业智能化尚未形成系统性观点，其中，主流文献通常采用单一指标或者构建综合性指标体系表征工业智能化。
对于单一指标而言，不同学者从多样性的角度进行表征。在企业层面，由于缺少具体的工业机器人使用数据及智能化数据，大量研究通过构建虚拟变量来度量工业智能化。例如，王兵和王启超（2019）、蔡震坤和綦建红（2021）以企业是否采用机器人或进口机器人来构建虚拟变量；睢博和雷宏振（2021）通过识别是否实施工业化智能化与实施年份，基于双重差分法构建虚拟变量表征企业工业智能化程度。然而，随着研究的深入，采用虚拟变量表征工业智能化容易忽视企业内部的智能化差异，因此如何构建可量化的工业智能化成为新的难点。不少学者开始尝试引入文本分析法（Loughran and Mcdonald，2011），基于上市公司财报或者年报，从中筛选智能化关键词表征工业智能化（温湖炜、钟启明，2021）。例如，岳宇君和顾萌（2022）基于《智能制造发展规划（2016—2020年）》《新一代人工智能发展规划》等政策性文件分别归纳总结出28个与86个智能化即与智能化技术有关的名词，基于公司年报爬取智能化领域关键词并统计频次表征智能化指数。
在地区层面，由于机器人数据的存在，前沿文献普遍从机器人应用绝对数及安装密度两个维度度量工业智能化。在绝对数方面，唐晓华和迟子茗（2021）基于国际机器人联合会公布的机器人，根据机器人行业销量确定各省份权重，将全国工业机器人数分解到各省份，其中，全国工业机器人数=机器人进口数+国内机器人产量-机器人出口数；孙早和侯玉琳（2021）根据各省份工业行业销售产值与全国比重将全国机器人数量拆分到各省份，以各省份工业机器人数量表征工业智能化。在安装密度方面，王文（2020）基于各行业机器人数量及各省份分行业就业人数测算工业机器人安装密度，具体而言，就是基于行业从业人数测算出各省份各行业工业机器人数量，并将其加总量与该省份制造业从业人数相除得到工业机器人安装密度；魏下海等（2020）则在Goldsmith-Pinkham等（2020）的基础上设定2008年为基准年份，基于就业人数与机器人安装量测算机器人安装密度。
随着研究的不断深入，有学者指出，基于机器人数量的单一指标当前仅存在全国与行业层面数据，大多数文献按照工业产值、工业人数的分解表示各省份工业智能化程度，在分解过程中可能会造成数据失真；同时，机器人数据注重从投入端考察工业智能化，忽视了智能化与工业化融合的经济效益，对地区工业智能化程度的度量存在较大偏误。因此，前沿文献开始探究采用多指标体系综合考察地区工业智能化程度。对于综合性指标，现有文献依据自身研究目的从多角度构建指标体系合成工业智能化指数，其中，最具代表性的是孙早和侯玉琳（2019）从基础设施、生产应用、竞争力与效益3个维度出发，构建包含数据处理与存储能力、软件普及与应用、智能化设备投入、新产品生产、智能制造企业、平台运营与维护、经济效益、创新能力、社会效益、信息资源采集在内的10个指标，并基于主成分分析法合成工业智能化指数。这一指标构建体系与测算方法也得到了较多学者认同和采用（王书斌，2020）。魏玮等（2020）借鉴孙早和侯玉琳（2019）的研究思路，从软件应用、工业智能仪器设备、数据处理、平台维护服务、信息采集能力、工业智能企业、创新能力、能源消耗8个维度，基于熵权法测算省级层面工业智能化指数。赵柄鉴等（2021）从软件产品普及情况、智能装备应用情况、信息资源采集及数据处理能力等智能化设备投入，高新技术产业收益、新产品生产、财务运营状况等企业生产能力，网络普及率、互联网端口数、长途光缆长度等互联网环境，多维度构建智能化体系，并基于因子分析法合成区域工业智能化指数。刘军等（2022）基于省际面板数据，从基础投入层、生产应用层、市场效益层3个角度构建包含研发投入、智能设备投入、软件开发与服务情况、智能设备市场利润、试点企业市场效益等13个指标，并基于层次分析法和熵权法确定权重合成工业智能化指数。陈晓等（2020）则指出，孙早和侯玉琳（2019）构建的工业智能化指标体系存在指标与测算方法的缺陷，因此对其进行优化，主要更新方法有两个：一是将智能制造企业情况度量指标改为相对指标，使得指标体系保持一致；二是借鉴樊纲等（2003）测算市场化程度的思路，先对原始数据进行极差法处理，再经过主成分分析法合成，使工业智能化指数更加精准。
作为反映社会发展的重要指标，经济增长已经成为学界关注的重点。然而，历次经济跨越式发展背后往往都蕴含着技术进步，可以说，工业技术的每一次巨变都带来生产率的大幅提升（曹静、周亚林，2018）。工业智能化作为以人工智能技术为载体的新型工业形式，也必然与传统技术革命一样改变区域经济发展方式。但是，随着“生产率悖论”的广泛流行，工业智能化如何影响经济增长成为前沿文献争议的焦点，即工业智能化是通过提升生产率促进经济持续增长，还是通过减少投资抑制经济繁荣（刘涛雄、刘骏，2018），前沿文献从理论与实证等多个维度进行了探究，最终形成了截然不同的研究结论：工业智能化有益论、工业智能化有害论（生产率悖论）、工业智能化不确定论。
工业智能化有益论指出，人工智能技术与工业化的有机融合在降低资本价格（Wang et al.，2021）、推动社会生产力提升的同时催生出一系列新业态和新产业，在改变就业格局的过程中必将实现经济可持续增长。Hanson（2001）在通过外生增长考察机器智能与经济增长的关系时，发现最终机器会通过替代效应降低对劳动力的需求，在推动生产力快速提升的过程中带动经济跨越式发展。Graetz和Michaels（2018）在1993—2007年跨国面板数据的基础上，从实证角度证实了智能化能够促进经济发展，且样本国家工业机器人每增加1%将会带来0.37%的产出增加。杨光和侯钰（2020）选取1993—2017年跨国面板数据进行检验。结果显示，工业机器人的使用能够正向激励经济增长，这一作用在后人口红利时期更加明显。在分国别检验中，发现工业机器人在“金砖国家”中的作用显著性较欧盟及OECD国家更弱；在分行业检验中，发现工业机器人对汽车生产与塑料化工产出的影响更大。刘军等（2022）基于2010—2016年中国省级面板数据从实证层面检验智能化影响经济增长的方向及作用路径。研究显示，智能化能够显著促进中国经济增长，且与中西部地区相比，对东部地区的激励作用更大，传导机制检验发现智能化主要通过提升生产效率与创新能力促进经济增长。
然而，随着研究的逐渐深入，文献已不再满足于仅仅探究工业智能化与经济增长的关系，而是深入经济发展内部，开始探究工业智能化如何影响生产率。大量基于任务模型的研究不仅证实了自动化技术具有生产率效应（Acemoglu and Restrepo，2018），而且认为工业机器人既能直接影响经济增长，又能通过作用于全要素生产率间接影响经济增长（杨光、侯钰，2020）。除此之外，也有较多学者从实证角度进行了检验。侯世英和宋良荣（2021）在经济收敛模型和2012—2018年省级层面数据的基础上，研究发现，智能化能够促使经济增长呈现收敛特征，且全要素生产率与资本回报率在智能化对经济增长作用中发挥传导作用，区域市场整合程度有助于提升智能化对经济增长质量收敛的正向影响。Kromann等（2020）以跨国别行业样本数据为研究对象，证实了工业机器人的广泛使用能够带来全要素生产率的快速提升，其中，机器人使用强度每增加1%将带来6%的全要素生产率提升。刘亮和胡国良（2020）基于制造业2007—2017年样本数据，从实证层面验证人工智能技术的“生产率悖论”问题。结果表明，“生产率悖论”并不存在，即人工智能技术带来了全要素生产率的提升，但由于“拥挤效应”的存在，这一正向作用的边际效应逐渐降低，其中，技术效率而非技术进步在人工智能对全要素生产率中发挥传导作用。行业异质性研究显示，相对于低技术行业而言，高技术行业人工智能对全要素生产率的促进效应更强。
工业智能化有害论指出，包括人工智能在内的新兴技术的广泛应用可能无法带来生产率的提升与经济的持续增长，人工智能渗入工业生产更为直接的是大量劳动力的失业以及收入的减少，随之而来的消费降低与投资衰减不可避免地会损害经济增长。Gordon（2016）指出，在过去的近百年，技术进步以及大量智能设备的广泛使用确实促进了经济繁荣，但是在当前经济发展阶段，大量的新兴技术与智能化发展已不可能再次带来经济高速发展，也不会给生活带来巨大改变，甚至可能无法超越之前的生活水平。Gasteiger和Prettner（2017）通过戴蒙德模型研究发现，机器人的大量使用并没有带来经济增长，反而抑制了工资与投资增加，最终导致经济大面积停滞。郭敏和方梦然（2018）在国际前沿研究的基础上，基于定量分析探究人工智能引发“生产率悖论”的缘由。研究发现，“生产率悖论”的产生可能源于劳动生产率效应的滞后性和人工智能错误的统计，而滞后性可能是“生产率悖论”的最主要成因，即人工智能技术引发的生产率效应不是当期产生的，而是需要与产业进行深度融合后才能发挥作用。
工业智能化不确定论认为，尽管总体上工业智能化可能带来经济增长与全要素生产率的提升，但是作用方向仍受制于可能存在区域、行业、个体特征影响，即某些不易察觉的因素可能成为干扰工业智能化对经济增长影响的关键因素。李丫丫等（2018）选取省域制造业2006—2015年数据为研究对象，分区域检验结果显示，工业机器人应用对北京、天津及东部沿海、北部沿海、南部沿海地区的省份制造业生产率发挥正向激励作用，而对东北和西北地区的省份影响不显著。魏玮等（2020）基于2006—2016年面板数据考察劳动力结构、工业智能化和全要素生产率之间的关系。结果显示，工业智能化能够通过劳动力结构优化促进全要素生产率的提升，但存在明显的智能化发展程度与区域差异，即工业智能化发展早期劳动力提升了东部地区全要素生产率，而对中西部地区表现出抑制作用。Gries和Naudé（2020）基于内生增长模型考察人工智能技术的经济效应发现，人工智能如何影响经济发展取决于其与劳动力之间的替代弹性，当替代弹性较高时，人工智能技术应用将会降低总需求从而减缓经济增长；而当替代弹性较低时，尽管经济增速仍可能放缓，但是人工智能在供给侧依然会促进产能扩张。周晓时等（2021）选取1991—2018年跨国面板数据，从实证层面检验以机器人表征的人工智能技术如何影响农业生产率。结果显示，人工智能技术的广泛应用能够显著提升农业生产率，其中，对农业劳动力的替代发挥部分中介作用，同时人工智能技术的作用方向受到经济发展阶段的制约，即在高收入国家人工智能技术表现出明显的促进效应，而在中低收入国家人工智能技术显示出负向影响。孙早和侯玉琳（2021）在熊彼特创新模型的基础上从理论层面考察人工智能技术特别是政府部门介入如何影响经济增长，进一步选取省级制造业面板2001—2017年样本数据从实证层面进行验证。结果显示，人工智能对全要素生产率的作用方向受制于行业自身特征约束，具体而言，人工智能发展有助于提升纺织服装服饰业、金属制造业、化学纤维制造业等行业全要素生产率，而降低了烟草制品业全要素生产率，对医药制造业，仪器仪表制造业和计算机、通信及其他电子设备制造业等高端制造业全要素生产率并没有显示出显著作用，但政府部门的人工智能投入能够促进高端制造业全要素生产率的提升。
在逆全球化浪潮与技术封锁愈演愈烈的现实情境下，国内大循环成为中国打破困境与实现经济增长的重要路径。因此，作为经济发展基石与载体的产业显得尤为重要，特别是推动产业结构转型升级已成为中国能否实现跨越式发展的重要决定力量。毫无疑问，产业升级离不开先进技术的推动，随着具有广泛渗透性的人工智能技术的发展，其与大数据、物联网、智能终端等的协同将会促使高新技术产业更新换代，在带动新兴产业产值增加的同时促使产业结构进一步优化。与此同时，工业智能化的劳动替代效应与技术溢出效应也将广泛提升全产业生产效率，带动传统产业升级改造。然而，工业智能化的广泛应用也可能拉大智能化企业与非智能化企业间的差距，引致大量高技术劳动力与资本向智能化企业集聚，形成一定的极化现象，而非智能化企业将面临人才大量流失与资金困乏的窘境，导致缺乏产业升级的动力与基础。那么工业智能化到底如何影响产业发展？现有文献形成了截然不同的观点：工业智能化有助于产业结构升级和工业智能化对产业结构升级影响不确定。
持工业智能化有助于产业结构升级观点的学者普遍认为，工业智能化引发的劳动替代、产业关联及竞争示范效应均有助于提升产业内的劳动生产率与产业间的协同创新能力，倒逼产业结构升级。在理论层面上，胡俊和杜传忠（2020）认为，人工智能技术具有的广泛渗透性、数据驱动性和系统智能性等基本特性将会通过为技术创新提供方向、倒逼劳动力禀赋提升、提升产业部门生产率、引发新业态及新模式等改变产业发展体系，促进产业转型升级。李越（2021）从马克思主义政治经济学的角度出发探究智能化生产方式如何影响产业结构升级，其认为智能化生产方式能够从生产力与生产关系两个角度作用于产业结构升级：一方面，智能化生产资料的应用能够直接促进产业效率的提升，由此引发传统产业的升级改造；另一方面，智能化信息平台减少了生产者与消费者的沟通障碍，在促进协作效率提升的同时促使产业结构变迁。
在实证层面上，Kim和Park（2009）在考察1980—1990年韩国产业内的技术发展时指出，信息化引发的技术溢出与技术共享在促进产业融合的同时助推产业结构升级。Autor和Dorn（2013）在考察包括计算机技术在内的工业智能化技术如何影响服务业发展时指出，先进技术的劳动替代效应更多发生在制造业，在降低制造业劳动需求的同时诱使剩余劳动力向服务业转移，从而促使服务业繁荣发展。陈秀英和刘胜（2020）基于世界银行数据库和国际机器人联合会样本，从实证层面检验智能制造转型与产业结构升级的关系，结果证实了智能制造转型有助于促进产业结构转型升级，但是这一作用方向仍受到国别的税负程度、营商环境以及城镇化的约束，即低税负环境、低营商成本、高城镇化水平国家的智能制造转型对产业结构升级的推动作用更强。韦东明等（2021）在2006—2018年省级层面样本的基础上，构建产业结构高级化与产业结构合理化两个指数表征产业结构升级，并从实证层面检验工业机器人对产业升级的作用方向、作用路径及作用差异。结果显示，工业机器人有助于提升产业结构高级化和产业结构合理化，且生产率的提升与新岗位的创造在其中发挥传导作用，与此同时，区域间、时序间、产业间差异明显，中部与东部地区、德国“工业4.0”提出后、高技术与装备制造业、生产性与高端服务业中工业机器人对产业结构升级的促进效应明显。杜文强（2022）从机器人安装密度与存量密度两个维度出发，基于中国城市层面2006—2016年样本数据考察工业机器人的广泛使用如何影响产业结构升级。结果表明，无论是工业机器人的安装密度还是存量密度，都有助于促进产业结构向高级化方向转变，其中，人力资本提升、服务业需求增加与岗位创造效应在工业机器人作用于产业结构升级中发挥中介效应；异质性讨论结果显示，区域、技能劳动和时间均约束工业机器人的作用效果，东部地区2013年后及高技能劳动密集型城市工业机器人对产业结构高级化的影响更大。
持工业智能化对产业结构升级影响不确定观点的学者认为，一方面，工业智能的行业偏好与劳动力替代偏向容易造成不同产业间生产率的此消彼长，导致产业内与产业间生产要素的错配，不利于全产业升级改造；另一方面，不同区域和行业间发展程度、技术创新能力与资源属性差异明显，这些个体特征可能成为干扰工业智能化对产业结构影响的关键因素。例如，康茜和林光华（2021）在选取2007—2017年省级面板数据检验产业结构在工业机器人与就业中的中介效应时发现，工业机器人对产业结构高级化表现出显著的抑制作用，而对产业结构合理化表现出正向影响。张万里等（2021）的研究结论却完全相反，他们在以2004—2016年省级面板数据检验的过程中发现，产业智能化能够激励地区产业结构向高级化方向转变，却不利于产业结构合理化，且产业智能化对产业结构的影响受制于技能劳动比例与性别比例的约束，同时地区间差异明显。耿子恒等（2021）在省级面板数据的基础上考察人工智能技术应用对产业高质量发展的作用。结果显示，人工智能技术能够促进农业、制造业与服务业产业升级，却抑制了产业结构高级化，从而对产业结构合理化作用不显著。从分区域角度来看，人工智能技术无助于农业和制造业产业升级，仅显著促进了西部地区服务业升级；与此同时，人工智能技术显著促进了东北、中部及京津冀区域产业结构合理化和东北及西部地区产业结构高级化。刘军和陈嘉钦（2021）指出，作为新一轮技术革命的新兴技术，人工智能技术必将在推动产业结构转型升级中发挥不可忽视的重要作用。实证结果证实，在全样本下，人工智能技术能够同时提升产业结构高级化与产业结构合理化，但传导路径并不相同，其中，人力资本水平和创造新业态在人工智能与产业结构高级化中发挥中介效应，而资源优化配置和技术融合在人工智能与产业结构合理化中扮演中介角色。分区域检验发现，智能化对东部及中西部地区产业结构高级化影响均显著，并且对东部地区作用更大，但是仅对东部地区产业结构合理化产生负向影响。
随着智能化技术概念与应用的快速普及，其对传统岗位的冲击已成为社会关注的热点，特别是，与此相伴的人口老龄化的加速到来，智能化到底如何影响劳动力就业市场，是否会带来大面积的失业成为学界和政界关心的话题。众所周知，智能化技术也将如传统技术革命一样改变社会进程的方向，但其智能属性使其对社会经济变革的影响更为深远。智能化的最主要特征在于，让机器具有自主学习能力，能够将需要人工操作的非常规生产任务转变为机器自主完成的常规任务（王军、常红，2021）。当然，在进行任务转换与劳动替代的过程中，智能化技术也必然具备所有新兴技术具备的双面性典型特征（Autor，2015；Kujur，2018）。这也意味着工业智能化可能对劳动力市场同时产生积极效应与消极效应（王林辉等，2020）。
工业智能化的积极效应，是指工业智能化能够通过创造新型岗位的方式带动劳动力需求的增加（Acemoglu and Restrepo，2018），一方面，工业智能化的快速普及使得企业更倾向于实施机器换人提升生产效率，在降低生产成本与商品价格的同时必然引发消费需求的增加，促使企业增加劳动力以扩大生产规模；另一方面，智能化与工业化的深度融合必将创造出新型工作岗位，带动劳动力需求的增加。Berg等（2018）指出，人工智能技术在通过提升生产效率增加总产出的过程中也会带动就业增加。Aghion等（2020）从法国制造业1994—2015年微观数据出发考察自动化如何影响就业，发现自动化对就业的估计弹性为0.28，即能够显著提升就业水平，且这种正向影响在非熟练工人中依然存在。陈宗胜和赵源（2021）在分别基于省级面板数据、企业面板数据考察制造业不同技术密度部门工业智能化与劳动就业的关系及传导路径时，发现尽管高技术密度部门与低技术密度部门的工业智能化均对就业显示出正向促进作用，但是显示出非对等性，其中，高技术密度部门的就业促进作用更强，并且高技术密度部门与低技术密度部门工业智能化对就业影响的传导路径也不相同，高技术密度部门工业智能化主要通过生产规模扩张促进就业，而低技术密度部门工业智能化主要通过技术扩散促进就业，在分别考察企业所有制与区域异质性时，发现工业智能化对非国有企业就业与东部地区企业就业的促进作用较国有企业与中西部地区企业更强。李磊等（2021）在理论模型推导的基础上，选取中国微观企业2000—2013年数据实证检验机器人应用对就业的作用效果。结果表明，机器人应用对劳动力就业更多地表现出促进效应，即显著提升了就业水平，其中，产出规模扩张发挥了重要的传导作用，而生产率效应与市场份额效应作用较弱，且这一作用方向存在显著的行业与劳动力异质性：行业异质性结果显示，机器人应用在资本密集型行业与技术密集型行业促进效应更强；劳动异质性结果显示，中等技能水平劳动力在机器人应用的就业效应中获益最大。
工业智能化的消极效应，是指工业智能化对劳动力的替代容易造成低技能劳动力的大量失业。通常而言，包括机器人在内的终端设备相较于人力更具有成本上的优势，资本的逐利性必将导致大面积技术性失业（Susskind，2017），这一结论得到大量文献支撑。例如，Arntz等（2016）基于任务模型评估OECD国家工作可被自动化替代的程度，结果发现，21个OECD国家大约有9%的工作面临自动化的威胁，其中，韩国可被自动化替代的工作约为6%，而奥地利则可能达到12%。闫雪凌等（2020）基于2006—2017年样本数据探究工业机器人应用对制造业行业就业的作用。实证结果显示，工业机器人的使用显著减少了就业岗位数量，平均机器人使用每增加1%将减少就业岗位4.6%，且这一负向影响在“工业4.0”概念提出后更为明显。在进一步考察可能存在的行业差异后发现，行业规模、研发力度、资本深化度与人力资本均有助于缓解工业机器人应用对就业的负向作用；同时，中等技术行业就业更容易受到工业机器人应用的负向影响。谢萌萌等（2020）采用制造业企业2011—2017年样本数据考察人工智能技术和制造业融合如何改变低技能就业。实证结果显示，人工智能技术和制造业融合对低技能就业产生挤出效应，随着融合程度的加深挤出效应更大。通过传导路径检验发现，人工智能对低技能劳动就业产生双向作用，既能通过资本积累缓解低技能劳动力就业的减少，又能通过降低低技能劳动边际产出增加低技能劳动失业。Acemoglu和Restrepo（2020）以美国为样本考察工业机器人应用如何影响劳动力市场。结果发现，机器人显著降低了就业水平，平均每1000个劳动力增加1个机器人会带来就业率下降0.2%。刘涛雄等（2022）基于国际机器人联盟2017年报告数据，在以随机森林测算不同类型职业被替代可能的基础上，发现机器人技术的应用使得中国市场1/3的劳动力处于极可能被替代的境地，劳动者自身特征如性别、年龄、工资等都可能成为被替代的重要因素。对于未来而言，产业结构能否顺利调整到位成为中国劳动力市场是否稳定的关键，如果产业结构调整到位，机器人应用就不会对就业产生明显冲击；如果产业结构未能如期调整，机器人应用就会对就业市场造成巨大冲击。
随着研究的深入，很多学者逐渐达成共识，即工业智能化并非表现出单一的创造效应或替代效应，而是可能针对不同技能与不同行业劳动力产生多样性作用。例如，Zhou等（2019）指出，人工智能与自动化会同时展现出对就业的创造效应和替代效应，而人工智能技术最终会如何影响中国劳动力市场将取决于创造效应和替代效应的相对大小。王文（2020）选取各省份工业机器人安装密度，以2009—2017年中国省级面板数据为研究样本，考察工业智能化如何影响就业的行业分布。实证结果显示，工业智能化对就业的影响存在行业异质性，即在降低制造业就业份额的同时反而增加了现代服务业的就业份额，有助于推动就业质量的提升。李舒沁和王灏晨（2021）在考察老龄化背景下人工智能技术对制造业劳动力影响时，发现工业机器人对劳动力产生双向影响，既对技术劳动力产生补偿效应，又对非技术劳动力产生替代效应，因此工业机器人更多地影响低技术劳动力，并且工业机器人能够弥补由老龄人口逐渐退休引发的非技术劳动力缺口。周广肃等（2021）在借鉴Frey和Osborne（2017）评估美国职业替代率的基础上测算中国城市层面职业替代率，并基于机器人数据考察智能化如何影响中国劳动力市场。结果显示，不断推进的智能化进程虽显著降低了劳动力需求的增长，却增加了在职劳动力的工作时长，并且这一作用依赖于劳动者的个体特征，相对于男性、高教育、年轻及城镇户籍的劳动力而言，这一效应在女性群体、低等教育者、年纪较大群体及农业人口中作用更为明显。