人工智能對紡織業國際分工地位提升的影響研究

馬文景 顧國達 李建琴

摘要：隨著云計算、物聯網和大數據等新技術的興起，人工智能發展邁入新的階段，正在引領紡織行業多領域變革。本文基于世界投入產出表，構建全球價值鏈地位指數衡量一國國際分工地位，運用多維面板固定效應模型考察人工智能對紡織業國際分工地位的作用機制及影響效應，拓展了紡織產業國際分工的研究邊界。研究發現：人工智能發展對紡織業全球價值鏈地位提升效用顯著;機制檢驗表明，人工智能主要通過技術創新、生產效率和人力資本三個渠道對紡織業國際分工地位產生影響，其中通過生產效率提升產業國際分工地位的作用還有待進一步激發。

關鍵詞：人工智能;紡織業;產業升級;國際分工;全球價值鏈;投入產出

中圖分類號：F746.21文獻標志碼：A文章編號： 10017003（2022）06000109

引用頁碼： 061101

DOI： 10.3969/j.issn.1001-7003.2022.06.001（篇序）

基金項目： 國家自然科學基金面上項目（71973120）;財政部和農業農村部國家現代農業產業技術體系資助項目（CARS-18-ZJ0601）

作者簡介：馬文景（1992），女，博士研究生，研究方向為國際貿易。通信作者：顧國達，教授，guguoda@zju.edu.cn。

數字經濟時代，人工智能（Artificial Intelligence，AI）與實體經濟深度融合，將引領產業變革與全球價值鏈重塑，從而影響一國的產業國際分工地位。據中國信息通信研究院發布的《全球人工智能戰略與政策觀察（2019）》統計，至2013年全球有三十余個國家和地區已制定人工智能相關戰略、產業規劃文件。習近平總書記曾多次強調用人工智能開辟社會治理新格局、為高質量發展賦能：2017年，習近平總書記在“一帶一路”國際合作高峰論壇開幕式上發表演講，指出要堅持創新驅動發展，加強在數字經濟、人工智能等前沿領域合作，連接成21世紀的數字絲綢之路;2018年，習近平總書記在十九屆中央政治局第九次集體學習中強調，人工智能是新一輪科技革命和產業變革的重要驅動力量，加快發展新一代人工智能是事關中國能否抓住新一輪科技革命和產業變革機遇的戰略問題，是贏得全球科技競爭主動權的重要戰略抓手，是推動中國科技跨越發展、產業優化升級、生產力整體躍升的重要戰略資源;同年，在中國科學院第十九次院士大會、中國工程院第十四次院士大會上，習近平總書記再次指出要推進互聯網、大數據、人工智能同實體經濟深度融合，要以智能制造為主攻方向推動產業技術變革和優化升級，推動制造業產業模式和企業形態根本性轉變，以“鼎新”帶動“革故”，以增量帶動存量，促進中國產業邁向全球價值鏈中高端。作為市場競爭最為充分的傳統產業，紡織業在全球貿易中占有重要地位。面對全球“再工業化”浪潮、產品同質化、勞動力成本不斷上升等問題，再加上全球環境和資源約束加劇，全球紡織業迫切需要改善其傳統弊病，探索新的發展模式和空間，以有效實現產業轉型升級。將人工智能引入紡織行業的設計、生產、銷售環節已成大勢所趨。近年來，包括機器感知、機器學習、機器思維等技術開始滲透紡織行業的部分領域，并取得了初步進展。人工智能目前的發展水平對各國紡織業國際分工地位是否有明顯驅動作用？具體的作用機制是什么？這些問題的探討對于人工智能發展及相關政策的制定、紡織產業轉型升級和國際分工地位提升的路徑選擇具有理論價值和重要現實意義。

基于此，本文運用多維面板固定效應模型考察人工智能對紡織業國際分工地位的影響。可能的邊際貢獻有以下三個方面：一是利用人工智能綜合評價體系對28個經濟體2010—2017年的人工智能發展水平進行多維測算和國際比較，突破了僅依靠機器人數據人工智能衡量維度單一的瓶頸;二是首次將人工智能作為紡織業國際分工地位的新興影響因素進行探索性研究;三是進一步從技術創新、生產效率、人力資本三個渠道解析人工智能對紡織業全球價值鏈地位的作用機制。

1 文獻綜述

進入21世紀以來，人工智能技術快速發展，受到主要發達經濟體的高度重視。由于人工智能應用范圍廣泛，相關統計體系還未建立，在人工智能測度方面，衡量角度還比較單一。既有文獻測度人工智能的指標主要有以下幾類：其一，目前學界普遍采用國際機器人聯合會（The International Federation of Robotics，IFR）的機器人數據，分析人工智能對各國就業結構及勞動力市場的影響^[1];其二，人工智能專利數據常被當做代理變量，反映人工智能產業的發展特征和趨勢^[2-3];其三，采用人工智能分類指標反映人工智能各領域的發展狀況，如陳德余等^[4]運用市場容量、就業人口、科研規模和專利申請數量四個指標分別測度國內各區域人工智能發展水平;其四，構建綜合指標對人工智能總體發展水平進行測度，如顧國達等^[5]利用國際層面數據，構建了包含多維度衡量的人工智能綜合發展指數，為人工智能發展水平的綜合評價和國際比較提供了可能。人工智能對經濟發展影響效應的研究日益豐富^[6]，但主要停留在理論分析層面。在微觀企業層面，Kinkel等^[7]基于對655家制造業公司代表的跨國調查，發現組織因素對人工智能在制造業中的應用影響最大。劉斌等^[8]、呂越等^[9]以工業機器人數據作為人工智能的代替變量，分別從產業中觀層面和企業微觀層面兩個視角，證實人工智能對全球價值鏈（Global Value Chain，GVC）參與程度和GVC競爭力的積極影響。可見，眾多學者對于人工智能促進經濟發展和產業升級的正向作用持肯定態度，但相關具體產業的計量和實證分析的研究還比較單薄，尤其是人工智能對紡織產業作用的定量分析尚屬空白。149EBCE7-DF8C-4BD7-93DC-60580D269352

目前國內外研究紡織業的文獻大多集中在紡織業國際分工地位比較，國內外學者從不同角度對其進行分析，主要可歸納為以下幾個方面：一是參考Balassa^[10]提出的顯性比較優勢指數來研判紡織業的產業競爭力，如王飛等^[11]借助以增加值為基準修正過的顯示性比較優勢指數（RCA），對紡織服裝市場上的主要國家的產業競爭力進行橫向比較，特別是在增加值分解模型的基準上對同一行業內分工的上游和下游部分同時進行分析，彌補了傳統貿易統計口徑行業部門劃分不詳的缺陷。二是參考Koopman等^[12]構建的“GVC參與度”和“GVC地位指數”來分析一國紡織業參與國際分工的程度和價值鏈地位，如李明潔^[13]通過對比分析發現中國在全球價值鏈中具有較高的參與度，并且在紡織服裝業全球價值鏈中處于上游位置，在微笑曲線中處于中游位置;胡靜寅等^[14]測算中國紡織服裝業在全球價值鏈的國際分工地位，得到中國紡織業仍處于價值鏈中下游的結論;李曉鐘等^[15]通過測算GVC地位指數對中國紡織產業各類產品在全球價值鏈中的地位進行分析，同時加入Kaplinsky升級指數衡量產業升級態勢，得出中國紡織產品升級指數不斷上升，在全球價值鏈地位也呈現逐步攀升態勢的結論。三是參考Hausman等^[16]所構建的出口技術復雜度指數對紡織業在國際分工中的競爭力進行分析，如顧國達等^[17]基于1992—2011年中國絲綢業出口復雜度指標的測算，刻畫中國絲綢業出口貿易技術結構的分布與演變，并對其變動機制進行分析;詹小琦^[18]基于UN Comtrade數據庫2010—2020年的數據，計算出口技術復雜度，并借助國際市場占有率（IMS）顯示性比較優勢指數（RCA）、貿易競爭力指數（TC），對世界主要國家紡織服裝產業鏈的國際分工地位進行比較分析，結果表明中國與發達國家存在技術差距，而與新興國家相比傳統競爭優勢也在減弱。隨著國際分工的不斷深化和價值鏈的不斷分解，考慮到提出中間品貿易重復計算等問題，本文選取學界主流評估指標“GVC地位指數”，以更準確衡量各國紡織產業的國際分工地位真實水平。

綜上所述，紡織服裝業雖然在勞動力成本等傳統競爭優勢上面臨新興國家的壓力，但最主要的問題還是找到提升產業國際分工地位的優化路徑，在智能織造、提高自主品牌和自主創新能力方面縮短與發達國家的差距。但目前針對人工智能對紡織業改進的研究相對較少，且僅停留在技術層面，尚缺乏貿易層面關于人工智能對紡織業影響定量分析的研究。據此，本文結合已有研究，剖析人工智能推進紡織產業國際分工地位提升的影響及作用機制，探究培養人工智能作為紡織產業國際競爭新優勢的具體對策。

2 研究設計

2.1 模型設定

人工智能對紡織產品國際貿易的正向效應作用于國際生產分工的每一生產環節中，因此，本文在劉斌等^[8]的基礎上，構建基于國家、年份數據的多維面板固定效應模型，來考察人工智能對一國紡織業國際分工地位的影響。模型如下：

lnGVCPo_ijt=β₀+β₁lnAI Index_it+βControls+v_i+v_j+v_t+ε_ijt（1）

式中：下標i、j和t分別表示出口主體、進口主體和年份;被解釋變量GVCPo_ijt是雙邊層面基于貿易數字化視角的紡織產業國際分工地位指標;核心解釋變量AI Index_it表示i國t年度的人工智能綜合發展水平。Controls是控制變量集，主要包括引力模型變量和經濟體特征變量。v_i、v_j和v_t分別表示出口主體固定效應、進口主體固定效應和時間固定效應。ε_ijt代表隨機誤差項。為降低異方差，除虛擬變量外，模型中其他變量均取對數形式。

2.2 變量測度與說明

2.2.1 國際分工地位指標

Koopman等^[12]為衡量一國在GVC生產中的位置而構建的全球價值鏈地位指數（GVC-Position），在學界有較高的代表性。該指標反映的是一國產業中間產品出口的國內增加值（IV）與出口的國外增加值（FV）的比值，指標越大，表明該產業在全球價值鏈中的位置越接近上游。取對數形式，i國紡織業t年度的GVC地位指數具體計算模型如下：

GVCPo_it=ln1+IV_itE_it-ln1+FV_itE_it（2）

式中：E_it表示i國紡織業t年度的總出口。

2.2.2 人工智能指標

雖然目前現有文獻普遍使用工業機器人密度作為人工智能的度量指標，但受限于測算波動性及維度單一性，將其作為人工智能這一通用技術的發展水平評價指標顯然無法滿足研究需要。本文借鑒顧國達等^[5]的方法，選取包含人工智能環境支撐力、人工智能知識創造力、人工智能產業競爭力三個維度的人工智能綜合發展指數，作為人工智能的代理變量。鑒于國際層面數據的可比性和可得性，選取2010—2017年28個國家的人工智能發展水平進行測度，得到人工智能綜合發展指數，記為AI Index。149EBCE7-DF8C-4BD7-93DC-60580D269352

2.2.3 控制變量

引力模型變量：經濟發展水平，用國內生產總值（GDP）和人口數量（POP）衡量;自然貿易成本，用地理距離（Dist）、文化距離（Ling）、是否接壤（Border）、是否為內陸國（Landlock）衡量;政策貿易成本，用簡單平均關稅（Tariff）衡量。

經濟體特征變量：貿易自由度（FTA），用貿易雙方是否簽訂雙邊或多邊區域貿易協定衡量;貿易開放度（Openness），用貿易總額與國內GDP之比衡量一國貿易的開放程度;網絡基礎設施（Internet），用每百萬人中互聯網服務器使用人數衡量;勞動要素密集度（LABsh），用勞動報酬在GDP的比重衡量;紡織業資本產出比（K），用一國行業資本存量占該國的GDP的份額衡量;知識產權保護水平（IPP），用《世界競爭力報告》中的知識產權保護指標衡量;外商投資（FDI），用各國外商直接投資流量衡量。

2.3 數據及來源說明

對于紡織業GVC地位指數測算，數據來源于最新版亞洲發展銀行多區域投入產出數據庫（ADB-MRIO 2018）。由于人工智能指數相關數據獲取年限較短，且缺少部分國家的數據，因此最終本文選定28個國家2010—2017年的數據。對于人工智能指數，具體參考顧國達等^[5]對人工智能綜合發展指數的測算。關于控制變量數據，人均GDP、人口總量、貿易開放度和基礎設施來源于世界銀行數據庫;地理距離來源于CEPII數據庫;自由貿易協定來源于世界貿易組織（WTO）數據庫;勞動要素密集度、人力資本、行業資本產出比的資本存量來源于PWT 10.0（Penn World Table version 10.0）數據庫;知識產權保護指標來源于《世界競爭力報告》。本文主要變量的描述性統計結果如表1所示。

3 實證檢驗

3.1 基準回歸結果

表2列出了控制國家和年份固定效應后人工智能對GVC地位指數影響作用的基準回歸結果。其中第（1）列為加入控制變量之前的回歸，第（2）（3）列為逐步引入引力模型變量及經濟體特征變量后的回歸結果。結果發現，核心解釋變量人工智能發展指數（AI Index）的估計系數在模型（1）中均顯著為正，表明人工智能對貿易國在全球價值鏈的分工地位具有正向推動作用。在加入控制變量后，估計結果仍顯著為正，進一步證明一國人工智能發展與產業國際分工地位提升方向一致。

在加入引力變量的回歸結果中，國民生產總值、人口總量與GVC地位指數的關系并不穩定，說明在全球生產網絡快速發展的背景下，本土市場發展水平對提升紡織業國際分工地位的作用并不突出。地理距離與GVC地位指數關系顯著為負，符合預期。兩國接壤與GVC地位指數呈顯著負相關關系，表明兩國相鄰對紡織業國際分工地位提升缺乏正向調節作用。簡單平均關稅的系數為正，但不顯著。進一步關注引入經濟特征變量的回歸結果，外商投資、自由貿易協定和勞動要素密集度估計系數顯著為正，與預期一致。令人意外的是，網絡基礎設施、貿易開放度、知識產權保護及紡織業資本產出比對GVC地位指數的影響顯著為負，意味著在相對傳統的紡織業中，互聯網發展水平、貿易開放水平、良好的知識產權保護制度及紡織業資本的發展還未成熟，尚處于劇烈國內競爭的內耗階段，其帶來的GVC低端俘獲效應引致的技術抑制，在一定程度上大于其帶來的技術溢出效應、學習效應、成本節約效應引致的技術促進^[19]，導致國際規模收益大于國內規模收益，因此并未對紡織業國際分工地位帶來正向提升作用。

3.2 內生性檢驗

為有效解決模型可能存在的雙向因果和遺漏變量導致的內生性問題，需要借助工具變量進行內生性檢驗。表3顯示了使用工具變量后，對全球價值鏈地位指數重新回歸后的結果。其中，第（1）列是使用解釋變量滯后一期作為工具變量的二階段最小二乘法（2SLS）的回歸結果，Durbin-Wu-Hausma檢驗結果表明基礎回歸模型存在內生性，Kleibergen-Paaprk LM和Kleibergen-Paaprk Wald F結果表明模型不存在弱工具變量和不可識別問題;第（2）列是使用被解釋變量滯后一期（L.GVCPo）作為工具變量的系統GMM法的回歸結果，通過Sargan檢驗證明工具變量的有效性;由于通過Wald檢驗的chi2統計量和Wooldridge檢驗的F統計量監測到樣本數據存在組間異方差和組內自相關，因此第（3）列采用混合回歸+穩健標準誤進行回歸分析。結果表明，應用不同的估計方法進行回歸后，人工智能對紡織業GVC地位指數的影響仍顯著為正。

3.3 穩健性檢驗

為進一步保證人工智能對紡織業國際分工地位影響的有效性，本文對基礎回歸進行指標替代的穩健性檢驗。當前關于人工智能定量分析的研究較少，因此替代變量選擇可供參考的文獻有限，本文借鑒劉斌等^[8]和呂越等^[9]的方法，采用IFR公布的工業機器人存量（Operationalstock）替換核心解釋變量進行回歸分析。表4給出了替換人工智能度量指標的回歸結果，顯示變量替換后的人工智能影響系數仍顯著為正，表明本文結論依舊穩健。

4 機制檢驗

人工智能主要從技術創新效應、生產效率效應和人力資本效應三個渠道影響紡織業國際分工地位，因此，本文對這三個機制進行實證檢驗。

4.1 技術創新機制檢驗

隨著消費水平的提高，紡織品已不滿足于原始的服用性能，通過技術創新逐漸成為主流的功能性與智能性給紡織品、服裝服飾產品行業帶來了極高的附加價值。人工智能通過去中介化，從需求端促進全民創新、提高產品附加值和技術含量^[20-21]。因此，本文認為人工智能通過紡織業的技術創新，將培育全球價值鏈新增長極。為驗證這一影響渠道，本文選取世界銀行數據庫中的研發投入（Research）作為技術創新的代理變量，在模型（1）的基礎上，構建影響渠道的模型（3）和模型（4）：149EBCE7-DF8C-4BD7-93DC-60580D269352

ln Research_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（3）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂Research_it+βControls+v_i+v_j+v_t+ε_ijt（4）

機制檢驗結果如表5所示，根據第（1）列的回歸結果，人工智能對研發投入的影響系數顯著為正，意味著人工智能有效推進了一國的技術創新。而根據第（2）列的回歸結果，研發投入對紡織業全球價值鏈地位的影響顯著為正，且人工智能對紡織業全球價值鏈地位的影響變小。由此可見，技術創新存在部分中介效應，人工智能對紡織業國際分工地位的影響可以通過技術創新實現。紡織企業大多處于成長階段，其生產方式、管理模式及商業形態亟需緊跟數智時代實現有效轉型，從市場競爭的初級形態發展到高級形態。因此，激勵創新、提升產品附加值、促進產業革新及培育產品比較優勢方面，人工智能將發揮越來越重要的作用。

4.2 生產效率機制檢驗

紡織產品季節性強，對產品預測、庫存管理、柔性生產和產能均衡帶來了不小的挑戰，并且個性化定制造成了紡織產品多品種小批量的生產特性，降本增效成為行業難題。人工智能從根本上解決了跨境數據流通效率問題，確立數據要素的國際生產分工新地位，幫助紡織業各類要素融合流通，提高紡織業價值鏈管理運營效率。因此，本文認為人工智能通過賦能紡織行業生產效率，助力紡織業價值鏈升級。為驗證這一點，本文選用全要素生產率（TFP）指標來綜合衡量一國的生產效率，數據來自PWT 10.0數據庫，并在模型（1）的基礎上，構建了影響渠道的模型（5）和模型（6）：

ln TFP_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（5）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂TFP_it+βControls+v_i+v_j+v_t+ε_ijt（6）

機制檢驗結果如表6所示，根據第（1）列的回歸結果，人工智能對全要素生產率的影響系數在1%的水平下顯著為正，說明人工智能有效提升了一國的生產效率。而根據第（2）列的回歸結果，全要素生產率對紡織業全球價值鏈地位的影響未通過顯著性檢驗。對此進行Sobel檢驗，其檢驗統計量通過1%的顯著性檢驗，說明人工智能通過生產效率提升紡織業國際分工地位的中介效應成立。其背后具體傳導機制如下：人工智能技術有利于減少生產者之間、生產者和消費者之間的時空束縛，減少市場搜索成本和交易溝通成本，助力企業在國際市場中捕獲更優質更準確的信息，不僅為貨物、服務、數據提供更高效的交換空間和技術支持，同時能夠有效優化和配置全球要素資源、降低生產和貿易成本、提升生產和貿易效率，促使各生產工序從低附加值向高附加值的演變，從而實現國際分工地位的提升。

4.3 人力資本機制檢驗

紡織業的管理水平普遍偏低，人才優化倒逼紡織業這類傳統制造業在工藝設備、管理技術、商業模式等方面全方位提升。一方面，人工智能的發展對勞動力的替代達到了前所未有的速度和規模^[22-23]。另一方面，人工智能在提高員工學習能力和就業增加方面具有巨大潛能^[24]。此外，大量證據證實^[25-26]，人工智能對程序性中低端勞動力的替代作用明顯大于對非程序性高端勞動力的替代作用，從而形成脫離低勞動力成本依賴的國際競爭新優勢。因此，本文認為人工智能通過優化人力資本獲取人口智力紅利，進而影響紡織業國際分工。如前所述，作為勞動密集型產業的代表，人工智能對紡織業全球價值鏈地位的提高不僅存在于生產分割，更重要的是通過勞動力的替代效應來實現的。為深入檢驗這一影響機制，本文引入基于平均受教育年限和教育回報率的人力資本指數（HC）^[27-28]，數據來自PWT 10.0數據庫，并在模型（1）的基礎上，構建了影響渠道的模型（7）和模型（8）：

ln HC_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（7）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂HC_it+βControls+v_i+v_j+v_t+ε_ijt（8）149EBCE7-DF8C-4BD7-93DC-60580D269352

機制檢驗結果如表7所示，第（1）列的回歸結果顯示，人工智能對人力資本指數的影響系數在1%的水平下顯著為正，說明人工智能對優化人力資本具有正向促進作用。第（2）列的回歸結果顯示，人力資本指數對紡織業全球價值鏈地位的影響顯著為負，且人工智能對紡織業全球價值鏈地位的影響變小。由此可見，人力資本指數存在部分中介效應。具體原因分析如下：人工智能的發展對不同行業的勞動力替代存在異質性，替代效應和創造效應并存，人工智能對人力資本的作用方向并不確定。若人工智能發展水平發生重大突破，對于勞動力密集型產業的紡織業來說，創造效應才會大于人工智能技術的替代效應，此時紡織業的國際分工地位才會得到提升。但就實證結果來看，人工智能通過提升人力資本來消除低端勞動力依賴，進而實現提升國際分工地位作用還有待激發。

5 結 論

隨著以人工智能為代表的第四輪工業革命席卷全球，勞動力成本等傳統比較優勢逐漸淡化，紡織業亟需通過智能制造來提升產品的核心競爭力，從獲取附加價值最低的加工制造環節向獲取更高附加價值的紡織機械生產及產品設計環節升級。本文首次在統一核算框架下，綜合評估人工智能對紡織業國際分工地位提升的影響效應與內在機制，并得到以下結論：第一，人工智能顯著提升了一國紡織業在全球價值鏈所處位置;第二，通過對人工智能的影響機制檢驗，證實了人工智能通過技術創新、生產效率和人力資本三個渠道提升了紡織業國際分工地位，其中通過生產效率推動紡織業向價值鏈上游邁進的動能還有待進一步激發。

為此，本文提出三點政策建議：首先，紡織業應該把握技術革命機遇，積極發展智能織造，將人工智能滲透到智能制造、紡織品分析設計、紡織服裝流行趨勢研究、紡織業專家系統等各個環節，幫助企業完成自動化、智能化、數字化轉型，提高出口產品附加值和技術含量，延長增值鏈條;其次，由于紡織業價值鏈高端環節和核心技術依賴進口，缺乏核心自主創新能力，因此企業和政府要加大研發投入力度，大力推動紡織業人工智能技術的創新成果轉化，研發出更多適用于紡織業智能化發展的產品及設備，快速響應市場需求，打通與下游行業的市場分割阻礙，形成功能設計、產品研發、市場營銷和物流服務一體化的新價值鏈，使其在國際競爭中逐漸占據價值鏈的核心位置;最后，為解決中國紡織業對初級要素過度依賴、低勞動力成本優勢逐漸弱化等關鍵問題，突破全球價值鏈“低端鎖定”困境，紡織業應加快人工智能高端人才隊伍建設，大力引進掌握紡織業人工智能核心技術的高層次研發人才團隊，并與知名高校和科研機構建立人才聯合培養機制，共同培養出一批符合產業發展需要的復合型人才，利用人工智能提高全行業勞動者素質，將紡織業勞動力的規模優勢轉化為依托人力資本等高級要素形成全新的競爭優勢，促進中國紡織業在國際分工地位的提升。

參考文獻：

[1]DAVID H. Is Automation labor-displacing？ Productivity growth， employment， and the labor share[J]. BPEA Conference Drafts， 2018（3）： 8-9.

[2]FUJII H， MANAGI S. Trends and priority shifts in artificial intelligence technology invention： A global patent analysis[J]. Economic Analysis and Policy， 2018， 58： 60-69.

[3]王杰， 馬澤敏， 王維霞， 等. 基于PCT專利分析的全球人工智能產業技術發展比較研究[J]. 中國發明與專利， 2020， 17（8）： 39-46.

WANG Jie， MA Zemin， WANG Weixia， et al. A comparative study of global artificial intelligence industry technology development based on PCT patent analysis[J]. China Invention & Patent， 2020， 17（8）： 39-46.

[4]陳德余， 湯勇剛. 人工智能產業對區域經濟發展影響測度分析[J]. 科技管理研究， 2021， 41（2）： 138-144.

CHEN Deyu， TANG Yonggang. Impact ofartificial intelligence industry on regional economic development[J]. Science and Technology Management Research， 2021， 41（2）： 138-144.

[5]顧國達， 馬文景. 人工智能綜合發展指數的構建及應用[J]. 數量經濟技術經濟研究， 2021， 38（1）： 117-134.

GU Guoda， MA Wenjing， Construction andapplication of artificial intelligence comprehensive development index[J]. The Journal of Quantitative & Technical Economics， 2021， 38（1）： 117-134.

[6]ACEMOGLU D， AUTOR D. Skills tasks and technologies implications for employment and earnings[J]. Handbook of Labor Economics， 2011， 4： 1043-1171.149EBCE7-DF8C-4BD7-93DC-60580D269352

[7]KINKEL S， BAUMGARTNER M， CHERUBINI E. Prerequisites for the adoption of AI technologies in manufacturing： Evidence from a worldwide sample of manufacturing companies[J]. Technovation， 2022， 110（2）： 102375.

[8]劉斌， 潘彤. 人工智能對制造業價值鏈分工的影響效應研究[J]. 數量經濟技術經濟研究， 2020， 37（10）： 24-44.

LIU Bin， PAN Tong. Research on the impact of artificial intelligence on manufacturing value chain specialization[J]. The Journal of Quantitative & Technical Economics， 2020， 37（10）： 24-44.

[9]呂越， 谷瑋， 包群. 人工智能與中國企業參與全球價值鏈分工[J]. 中國工業經濟， 2020（5）： 80-98.

L? Yue， GU Wei， BAO Qun. Artificial intelligence and Chinese enterprises participate in global value chains[J]. China Industrial Economics， 2020（5）： 80-98.

[10]BALASSA B. Trade liberalization and revealed comparative advantage[J]. Manchester School of Economics and Social Studies， 1965， 33： 99-123.

[11]王飛， 郭孟珂. 我國紡織服裝業在全球價值鏈中的地位[J]. 國際貿易問題， 2014（12）： 14-24.

WANG Fei， GUO Mengke. Position of Chinas textile and apparel industry in global value chain[J]. Journal of International Trade， 2014（12）： 14-24.

[12]KOOPMAN R， POWERS W， WANG Z， et al. Give credit where credit is due： tracing value added in global production chains[EB/OL]. （2011-09-26）[2021-11-25]. https：//www.nber.org/papers/w16426.

[13]李明潔. 基于全球價值鏈理論的中國紡織服裝業國際分工地位研究[D]. 北京： 北京服裝學院， 2018.

LI Mingjie. Study on the International Division of Labor Status of Chinas Textile and Garment Industry Based on Global Value Chain Theory[D]. Beijing： Beijing Institute of Fashion Technology， 2018.

[14]胡靜寅， 張麗. 全球價值鏈視角下中國紡織服裝業在國際分工中的地位： 基于出口復雜度的研究[J]. 蘭州財經大學學報， 2019， 35（2）： 92-104.

HU Jingyin， ZHANG Li. Study on the status of Chinas textile and garment industry in global value chain： Based on export sophistication[J]. Journal of Lanzhou University of Finance and Economics， 2019， 35（2）： 92-104.

[15]李曉鐘， 胡珊. 中國紡織產業在全球價值鏈的地位及升級研究[J]. 國際經濟合作， 2018（3）： 44-49.

LI Xiaozhong， HU Shan. Research on the status of Chinese textile industry in the global value chain and proposed measures for its upgrade[J]. World Economy and Trade， 2018（3）： 44-49.

[16]HAUSMAN R， HWANG J， RODRIK D. What you export matters[J]. Journal of Economic Growth， 2007， 12（1）： 1-25.

[17]顧國達， 方園. 中國絲綢業出口復雜度現狀及演進機制分析[J]. 蠶業科學， 2013， 39（2）： 365-371.

GU Guoda， FANG Yuan. An analysis on the status quo and evolvement mechanism for export technical sophistication of Chinas silk industry[J]. Science of Sericulture， 2013， 39（2）： 365-371.149EBCE7-DF8C-4BD7-93DC-60580D269352

[18]詹小琦. 全球價值鏈視角下中國紡織服裝業國際競爭力的比較[J]. 江蘇海洋大學學報（人文社會科學版）， 2021， 19（6）： 98-109.

ZHAN Xiaoqi. Comparison of international competitiveness of Chinese textile and garment industry under the global value chain division[J]. Journal of Jiangsu Ocean University （Humanities & Social Sciences Edition）， 2021， 19（6）： 98-109.

[19]張杰， 鄭文平. 全球價值鏈下中國本土企業的創新效應[J]. 經濟研究， 2017， 52（3）： 151-165.

ZHANG Jie， ZHENG Wenping. The innovative effect of Chinese domestic firms under the global value chain[J]. Economic Research Journal， 2017， 52（3）： 151-165.

[20]馬述忠， 房超， 梁銀鋒. 數字貿易及其時代價值與研究展望[J]. 國際貿易問題， 2018（10）： 16-30.

MA Shuzhong， FANG Chao， LIANG Yinfeng. Digital trade： Definition， practical significance and research prospects[J]. Journal of International Trade， 2018（10）： 16-30.

[21]黃群慧， 余泳澤， 張松林. 互聯網發展與制造業生產率提升： 內在機制與中國經驗[J]. 中國工業經濟， 2019（8）： 5-23.

HUANG Qunhui， YU Yongze， ZHANG Songlin. Internet development and productivity growth in manufacturing industry： Internal mechanism and China experiences[J]. China Industrial Economics， 2019（8）： 5-23.

[22]FREY C B， OSBORNE M A. The future of employment： How susceptible are jobs to computerisation？[J]. Technological Forecasting and Social Change， 2013， 114（1）： 254-280.

[23]DAVID B. Computer technology and probable job destructions in Japan： An evaluation[J]. Journal of the Japanese and International Economies， 2017， 43（1）： 77-87.

[24]陳宗勝， 趙源. 不同技術密度部門工業智能化的就業效應： 來自中國制造業的證據[J]. 經濟學家， 2021（12）： 98-106.

CHEN Zongsheng， ZHAO Yuan. The employment effect of industrial intelligence in sectors with different technology densities： Evidence from Chinas manufacturing industry[J]. Economist， 2021（12）： 98-106.

[25]MICHAELS G， NATRAJ A， Reenen J A. Has ICT polarized skill demand？ Evidence from eleven countries over twenty-five years[J]. Review of Economics and Statistics， 2014， 96（1）： 60-77.

[26]AUTOR D H. Why are there still so many jobs？ The history and future of workplace automation[J]. Journal of Economic Perspectives， 2015， 29（3）： 3-30.

[27]BARRO R J， LEE J W. A new data set of educational attainment in the world， 1950-2010[J]. Journal of Development Economics， 2013， 104： 184-198.

[28]PSACHAROPOULOS G. Returns to investment in education： A global update[J]. World Development， 1994， 22（9）： 1325-1343.

Research on the impact of artificial intelligence on international specialization status in textile industry

MA Wenjing， GU Guoda， LI Jianqin149EBCE7-DF8C-4BD7-93DC-60580D269352

（School of Economics， Zhejiang University， Hangzhou 310030， China）

Abstract：With the continuous iteration of digital technologies， Artificial Intelligence （AI） is emerging as a core strength leading the technological revolution and industrial transformation. Furthermore， since the outbreak of COVID-19 epidemic， AI has been promoted to a new high. To build new international competitiveness， AI has been undoubtedly seen as an important avenue to improve the status of international specializations. Under the opportunity of global value chain （GVC） reconstruction， the traditional comparative advantages such as labor cost are gradually weakened. The textile industry urgently needs to improve the core competitiveness of products through intelligent manufacturing， and upgrade from the processing and manufacturing link with the lowest added value to the textile machinery production and product design link with higher added value. Does the current development level of AI have an obvious driving effect on the international specializations status of textile industry in various countries？ What is the specific mechanism？ The discussion of these problems has theoretical value and important practical significance for the formulation of AI-related policies， the transformation of textile industry and the promotion path selection of the international specializations status.

This paper measures the comprehensive development index of AI in 28 countries from 2010 to 2017. Based on the world input-output table， a global value chain position index is constructed to measure a countrys status of international specializations. The two indicators are connected within a unified framework， and the multi-dimensional panel fixed effect model is used for empirical test of textile industry. Then， using the intermediary effect model， this paper analyzes the influence mechanism of AI on the status of international specializations from three channels： technological innovation， production efficiency and human capital. There are three possible marginal contributions of this paper： First， the research on integrated evaluation systems for AI development in 28 economies from 2010 to 2017， allowing for the international comparison and dynamic tracking from multiple dimensions， could be initial efforts to break up the one-fold measurement of AI. Second， it is the first time to use AI as an emerging influencing factor of the international specializations status in the textile industry. Third， through connecting the AI index with international specializations status of the textile industry within the unified accounting framework， our study provides a better understanding of mechanisms for AI influence on international specializations from three channels： technological innovation， production efficiency and human capital. The main conclusions are as follows： First， AI has significantly improved the position of a countrys textile industry in the global value chain. Second， through the mechanism test， it is confirmed that AI has improved the international specializations status of the textile industry through three channels： technological innovation， production efficiency and human capital. Among them， the kinetic energy of promoting the textile industry to move up the value chain through production efficiency needs to be further stimulated. Therefore， in order to seize the opportunity of technological revolution， the textile industry should actively develop intelligent manufacturing， and use AI technology to help enterprises complete the transformation of automation， intelligence and digitization， so as to improve the added value and technical content of export products. Meanwhile， enterprises and governments should increase R&D （research and development） investment， vigorously promote the transformation of innovative achievements of AI technology in the textile industry， and make it gradually occupy the core position of global value chain in international competition. Finally， in order to solve the key problems of textile industry such as the over-dependence on low-end labor force， administrative departments should speed up the construction of high-end talent team of AI.

The emerging technology represented by AI provides a new path choice for the international specializations status of the textile industry， which can not only further promote the AI sustainable development and the effective integration of all links of the textile industry， but also break through the dilemma of "low-end locking" of the global value chain， so as to achieve the goal of promoting the digital transformation of the textile industry and improving the status of international specializations. It provides a theoretical and factual basis for AI to cultivate new digital kinetic energy in the upgrading of textile industry and to participate in the positioning of a new round of international competition.

Key words：artificial intelligence; textile industry; industrial upgrading; international specialization; global value chain; input-output149EBCE7-DF8C-4BD7-93DC-60580D269352