廣州汽車產業整車制造技術學習能力分析

焦亮

摘 要：基于過柯布道格拉斯生產函數條件下構造的產業技術學習雙因素動態模型，可以測度累積產量和累積知識量對單位生產成本的影響。本文以廣州汽車產業整車制造為研究對象，通過歷年數據擬合廣州汽車整車制造學習能力測度模型，對所獲得的模型估計參數進一步計算得到經驗技術學習率和研發技術學習率。結合學習率指標的動態變化分析了廣州汽車業“干中學”和“研中學”的現實，并提出了相關建議。

關鍵詞：廣州汽車產業 技術學習率 動態雙因素

中圖分類號：F2文獻標識碼：A文章編號：1003-9082（2019）12-00-02

引言

二十一世紀以來，作為廣州市支柱產業之一的廣州汽車產業初步具備了一定的科研技術能力、產品開發能力和綜合配套能力，在全國汽車工業中具有重大影響力，2017年廣州汽車行業總產值5117.04億元約占全市工業總產值22.6%、汽車總產量310.8萬輛居全國城市之首、占全國汽車總產量的10.7%。同時，廣州汽車產業仍存在不少問題，如汽車企業以合資合作為主，關鍵技術主要掌握在豐田、本田和日產等外資企業手中，自主創新能力不足，新能源汽車技術研發和推廣步伐緩慢，人才培養機制落后，高端人才欠缺[1]。廣州本土的自主汽車零部件企業只能作為下級供應商，大部分只能生產技術含量較低的汽車配件，許多關鍵零部件還需要大量進口。全球新一輪工業革命競賽已經開啟，創新是產業升級的根本，保持高效率的技術學習成為廣州汽車產業快速獲取先進技術、改進管理能力以適應環境快速變遷和維持競爭優勢的關鍵，對廣州汽車產業技術學習能力展開分析迫切而必要。

汽車產業作為資本和技術密集型產業，只有具有相當的產業規模和技術水平，才能保證產業利潤。既有研究對汽車產業規?？梢酝ㄟ^產量、產值和集中度等指標來衡量，而對產業技術水平則多限于定性或利用專利數量、研發投入等靜態、局部的指標來分析，動態、全面地計算分析汽車產業技術學習能力將有助于發現影響廣州汽車產業技術學習能力的外部條件和變化路徑，并能為相關決策者制定和調整產業技術政策提供參考。

一、產業技術學習能力理論與測度方法

學習曲線，或者經驗曲線，刻畫了生產的單位成本隨著累計產量的不斷增長而逐步下降的過程;從數學角度講，學習曲線表達了成本與產量間的統計特征關系： 隨著單位產品產量的翻倍，生產產品的單位成本將以一定的比例縮減[2]。技術學習是為了使產業提升其技術能力而展開的一系列的技術活動，包括基本的操作、復雜的工程技術和技術創新， 其過程不僅包括從經驗中學習，還包括從工程活動和正式的研發活動中學習[3]。宋寶香、彭紀生（2008）認為我國轎車工業自主品牌的發展主要采用的是企業內外部學習方式相結合的模式：首先，在模仿國外先進技術的基礎上，不斷消化吸收，邊積累經驗邊提升自己，走出了一條從不模仿到創新最終實現自主研發的道路;其次，以技術外包為主逐漸轉向自主開發，然后，在從技術合作方引入產品的基礎上對技術進行改良和發展，再進行自主創新;最后，形成近乎完全獨立的自主開發模式[4]。波蘭尼（1962）最早將人類知識分為明晰知識或顯性知識（articulated knowledge）和默會知識或隱性知識（tacit knowledge）兩類，劃分的標準是這種知識能否進行知識編碼（knowledge codify）。顯性知識只需要溝通即可轉移，通常的研究都假定“知識是外顯的”，認為知識一旦被創造出來，則可以在成本為零的條件下被其他使用者所使用。然而，實際上企業所擁有的許多知識并非僅僅是顯性知識，而更多的是隱性知識。從接受知識的主體特征看，由于默會知識是一種具體的實際的時空背景下產生的“此時此地的知識”，具有相似模擬的性質，很難將它傳遞給他人，因為相似過程需要即時處理。由此決定這類知識只能通過每天的實踐和使用技術所掌握，并且這種知識的傳遞絕大部分依賴于非正式的個人接觸。這包括“干中學”、“用中學”和“個體之間的相互作用中學”，這些方式都是特定個人在特定環境中根據特定現象在知識傳遞的瞬間來完成的[5]。構建和提升產業的技術創新能力，現在已經成為產業技術學習的主要目的，從研究開發中學習在技術學習過程中的重要作用是不容忽視的[6] 。

越來越多的學者開始從經驗中學習和研究開發中學習兩方面來分析產業技術學習能力，同時為了準確反映技術學習率隨時間的動態發展變化，楊瑩（2012）在CARR（1946）動態學習模型基礎上剔除資源價格對技術學習率的影響，并利用柯布道格拉斯函數分析推導動態雙因素測度模型，構建動態模型來計算從經驗中學習的技術學習率和從研究開發中學習的技術學習率，如公式（1）所示，公式（1）中參數由公式（2）推導得出[7]。本文采用這一模型來測度和驗算廣州汽車制造整車制造的經驗技術學習率（LDR）和研發技術學習率（LSR）。

兩個技術學習率中的參數a1、a2、b1、b2、c由雙因素動態測度模型所確定，如公式（2）所示。其中X為累積的經驗，本文用廣州汽車整車累計產量來表示;KS為知識的積累，本文用廣州汽車整車制造知識積累量表示;KSt表示時間t時廣州汽車整車生產知識積累量，L表示廣州汽車整車生產勞動力人數;Ct表示時間t時廣州汽車整車生產的勞動成本，即單位車輛的人力投入;Ct`表示剔除資源價格后的勞動成本，Pti表示t時間時i=1，…，n個資源投入的價格;δ表示整車企業知識積累折舊率;tag表示整車研發投入轉化為知識積累量的滯后時間。

二、廣州汽車產業整車制造學習能力測度

通過廣州統計年鑒（2004-2016）和中國汽車工業年鑒（2004-2017）查找和計算得到表1中數據，由于整車研發數據并不在既有年鑒和企業年度報表中出現，本文采用汽車行業歷年研發投入占營業收入比值與整車營業收入之積來間接計算求得。

本文研究時間以2004年為起點，假設之前的廣州汽車整車累計產量為零、知識積累量為20。根據鐘雅菁（2017）對汽車上市制造公司的研究顯示，汽車研發投入對企業績效產生影響作用上存在滯后期為一年的延遲效應，本文研究采用tag=1即汽車研發投入轉化為知識積累滯后期為一年的設定。宋旭光（2018）研究測算出，中國交通運輸設備制造業R&D相對較高為56.46%，本文采用δ=56.46%這一設定。在確定δ和tag這兩個參數和假定2004年廣州整車生產知識積累量為20億元的基礎上，逐次計算出2005-2016廣州整車生產各年知識轉化量在和各年知識積累量。t時勞動成本Ct由各年整車產量除以整車生產工人數得出，資源投入價格之積以各年PPI數據代替，逐次計算得到2005-2016年剔除資源價格的廣州汽車整車生產勞動成本。其中2012年由于國際事件影響產生了日系車產量的異常數值，本文通過插值法作了修正處理。廣州汽車整車制造學習能力測度模型所需要的數據如表2所示。