人工智能技術對中國制造業全球價值鏈升級的影響效應研究

劉曙光 孟慶婕

（中國海洋大學經濟學院，青島 266100）

前 言

改革開放以來，中國憑借勞動和資源稟賦優勢，積極參與全球價值鏈分工，經濟發展水平實現穩步提升。然而，隨著中國在全球價值鏈的嵌入度的進一步提升，“兩頭在外”的加工制造模式導致我國制造業 “低端鎖定 “的弊端日益凸顯，如何打破 “低端鎖定”困境，實現制造業產業結構和生產模式升級成為我國擴大和實現高水平對外開放亟需破解的難題。十八大以來，國家高度重視科技創新在各行各業發展中的引領作用，并將其作為制造業高質量發展的第一生產力，2015年國務院發布 《中國制造2025》行動綱領，首次強調了智能制造工程、機器人應用對實現制造業大國向制造業強國轉變的突出貢獻，破除制造業“低端鎖定”困境必須充分發揮科技創新的生產力作用，促進制造業轉型升級和附加值提升。

新時期經濟高質量發展目標對發展動力提出新的要求，要實現創新、技術、效率驅動必須重視人工智能賦能制造業，激發工業智能化的創新促進效應，通過創新實現制造業價值鏈地位的提升。已有文獻對人工智能技術的研究主要集中在勞動力、大數據、物聯網等方面，對于工業智能化及其對產業在全球價值鏈地位升級的影響研究較少，本文基于工業機器人數據、進出口貿易數據對人工智能技術對中國制造業價值鏈升級的影響效應進行研究，為持續推進人工智能在工業領域應用，促進創新驅動及產業轉型升級提供支撐。

1 文獻綜述

作為一項技術進步成果，人工智能具有明顯的 “技能偏向”，人工智能對勞動力素質提出更高要求，主要表現在對人工智能機器、設備的操控、掌握，使之更好的與勞動力進行互補，通過提高勞動生產效率促進產業全球價值鏈地位的提升。 Aghion等（2017）[1]基于自動化模型，指出人工智能出現使勞動力得以脫離簡單、重復性工作而致力于更具創造性的產品開發和技術應用工作，通過資本對勞動的替代，提高產品附加值進而促進產業在全球價值鏈中地位提升。Acemoglu和 Restrepo（2020a）[2]通過建立機器人在不同產品生產任務中與勞動力展開競爭的理論模型來分析1990～2007年間機器人的使用對美國勞動力市場的影響，發現每千名工人中增加1個機器人將導致就業人口比重下降0.18～0.34個百分點，工資下降0.25～0.5個百分點。

石喜愛等（2018）[3]以 2005～2015 年中國省級面板數據為樣本，研究發現以 “互聯網+”為代表的智能化在促進制造業價值鏈地位提升的同時還可以通過溢出效應帶動周邊制造業發展。呂越等（2020）[4]以 2000～2013 年微觀企業數據為樣本探究了人工智能對企業參與價值鏈分工的影響，研究結果表明人工智能可以顯著促進行業價值鏈地位提升，并通過替代低端環節勞動力來降低企業成本、提高企業生產率增強企業競爭力兩個渠道促進企業參與全球價值鏈分工。孫早和侯玉琳（2021）[5]結合智能化水平與新經濟地理學理論模型，指出工業智能化改變了傳統的 “雁陣模式”下沿海地區產業向內陸地區轉移的趨勢，人力資本的提升成為決勝地區現代產業體系構建的關鍵環節。

2 機制分析與研究假設

人工智能作為生產要素投入以及對制造業生產、組織結構的改變都將影響制造業全球價值鏈地位提升。以物聯網、大數據、云計算為代表的數字化、智能化改變了全球價值鏈組織結構，促進生產模式由 “蛇形”向 “蛛形”轉變，使全球價值鏈更為扁平，通過提高生產、交換節點鏈接效率，降低交易成本，提升制造業企業出口附加值[6]；另外，數字化、智能化的發展創造了大量細分市場需求，根據 “長尾效應”理論，個性化、差異化產品消費需求占比將大幅提升，為中小企業發展提供巨大發展空間的同時增強中小企業在全球價值鏈中的競爭力[7]。據此提出假設1：

H1：人工智能產業發展能夠促進制造業價值鏈地位提升。

人工智能能夠促進人力資本水平提升。Autor等（2003）[8]以計算機技術為代表，基于其對技能勞動力的補充和非技能勞動的替代建立模型檢驗計算機運用對教育需求和技能提升的影響，發現1970～1998年間教育需求提升的30%可以歸因于計算機技術的發展。另外，Tinbergen（1974）[9]基于對美國勞動技能與收入分配關系歷史數據的分析，指出對于技能的需求是與科技水平的發展相伴生的，尤其是技能偏向（Skill-bias）性技術進步，技術進步將增加對技能勞動力的需求和教育溢價。人工智能通過增加對知識密集型勞動要素的需求倒逼勞動力為避免失業而進行持續的技能學習，企業也會組織相關技能培訓，增強企業面對人工智能帶來的勞動范式改變的韌性，促進企業價值鏈地位提升。據此提出假設2：

H2：人工智能通過促進人力資本水平提高，推動價值鏈地位提升。

人工智能能夠促進新產品研發。作為一項突破性技術創新，人工智能帶來的 “技術奇點”能把研究人員從一般的模仿和學習中解放出來，從而致力于產品研發，通過挖掘新產品線生產潛力抵消現有產品線的遞減收益；另外，人工智能機器的感知、領悟、行動和學習能力使企業實現自動化、數字化，以更快速度、更低成本進行生產，縮短新產品生產、研發周期。技術變革帶來新產品研發和產品功能升級通過對產品鏈創新瓶頸的破解和外部創新要素的整合，促進產業邊界延伸和產業鏈重構，基于制造業與服務業融合以及要素組合的優化實現企業向微笑曲線兩端移動[10]。據此提出假設3：

H3：人工智能通過促進新產品的研發，推動價值鏈地位提升。

3 研究設計

3.1 模型設定

為檢驗人工智能對制造業全球價值鏈地位的影響，本文根據面板數據建立模型進行分析，基準模型形式如下：

其中，lngvcit表示制造業全球價值鏈地位，lnintelligenceit表示人工智能水平，controlsit代表控制變量組合，yeart表示時間效應，industryi表示行業效應，εit為隨機干擾項。

3.2 主要指標定義與數據說明

（1）被解釋變量：全球價值鏈地位指標（lngvcit）。本文參考 Hausmann等（2007）[11]的研究通過產品技術復雜度來反映一國產業在全球價值鏈中的地位。產品技術復雜度較低時意味著一國出口產品屬于低技術加工裝配的 “邊緣”，從而處于價值鏈低端環節，反之，則說明一國出口產品屬于研發、創新等高技術環節，從而反映出一國處于較高的價值鏈地位，產品及產業技術復雜度計算公式如下：

（2）核心解釋變量：人工智能（lnintelligenceit）。本文以國際機器人聯合會（IFR）公布的工業機器人數據的對數衡量人工智能水平。

（3）其他變量。中介變量：①人力資本水平（salary），以制造業分行業平均勞動報酬表示；②新產品研發（newproduct），以制造業分行業新產品開發項目數表示。控制變量：①外商直接投資水平（fdi），以制造業各行業外商資本金及港澳臺資本金表示；②勞動力規模（population），以制造業各行業就業人數表示；③行業規模（company），以制造業各細分行業企業單位數表示；④政府研發補貼（governth），以制造業各行業政府科技支出表示。

4 數據處理及實證分析

4.1 數據來源

本文以2010～2019年數據為樣本①，測算了SITC Rev.3三位碼261種產品出口技術復雜度。參考盛斌（2002）[12]對 SITC Rev.3 與國民經濟行業分類（GB／T 4754-2002）的行業轉換對照表，測算出我國制造業28個行業的出口技術復雜度水平，進而按照呂越等（2020）[13]對國民經濟行業分類與國際標準產業分類（ISIC）匹配表進行相應調整，得到IFR行業分類下14個制造業行業出口技術復雜度水平。各變量描述性統計結果如表1所示。

表1 變量描述性統計

4.2 基準回歸分析

表2中列（1）的回歸結果顯示以工業機器人代表的人工智能水平對于制造業產品技術復雜度的提升在1%水平下顯著為正，工業機器人安裝數量增加1%可以使制造業全球價值鏈地位提升0.01%。列（2）～（5）的回歸結果顯示隨著控制變量的加入，人工智能水平對制造業價值鏈地位提升的影響依舊顯著為正，核心解釋變量參數估計結果較為穩健，進而驗證了假說1，即人工智能水平能夠促進制造業全球價值鏈地位的提升。由列（5）的估計結果可知，外商直接投資對于我國制造業價值鏈地位提升具有負向作用，這一估計結果與唐宜紅和張鵬楊（2017）[14]的研究結果一致。

表2 基準回歸結果

4.3 穩健性檢驗

人工智能水平對制造業出口技術復雜度有顯著正向促進作用，但同時產品技術復雜度更高的行業人工智能應用率更高，從而導致人工智能水平與制造業產品技術復雜度存在互為因果的內生性問題。為了解決這一問題，本文運用2SLS估計方法，參考唐曉華和遲子茗（2021）[15]以美國機器人安裝量作為工具變量以及機器人安裝量滯后1期作為工具變量進行內生性檢驗。經檢驗，解釋變量滯后1期及美國機器人安裝量不存在弱工具變量問題，是核心解釋變量人工智能水平有效的工具變量。第二階段估計結果顯示，人工智能水平在解釋變量滯后期作為工具變量和美國機器人安裝量作為工具變量的兩種情況下均在1%水平下顯著為正，假設1結論穩健（因篇幅所限未展示）。

4.4 異質性分析

考慮到我國制造業行業要素密集度差異，本文根據韓燕和錢春海（2008）[16]、趙文軍和于津平（2012）[17]對制造業行業異質性的劃分方式，將14個制造業劃分為兩類②，由估計結果可知，人工智能水平對資本和技術密集型行業的正向作用不顯著且較資源和勞動密集型行業更小，原因在于企業應用工業機器人的目的在于通過對勞動力的替代抵消用工成本上升帶來企業經營成本上升，資源和勞動密集型行業工資成本占比更高，因而工業機器人的應用率更高，從而對產品技術復雜度的提升效果更明顯；另外，對于資本和技術密集型行業，機器人主要作為高級人力資本的補充而存在，其產品技術復雜度的提升依舊有賴于人力資本水平，因而盡管機器人的使用對資本和技術密集型行業產品技術復雜度有提升作用但不顯著，但從側面反映出提升我國人力資本水平的迫切性（因篇幅所限未展示）。

4.5 機制檢驗

前文理論分析表明人工智能水平能夠通過人力資本水平提升和促進新產品研發的路徑促進制造業價值鏈地位的提升，據此本文建立中介效應模型（見式（4）、（5））對人工智能影響制造業價值鏈升級的機制進行剖析。其中，medit為中介變量，用以代表人力資本水平（salary）、新產品研發（newproduct）。 表3中列（1）、（2）是對人力資本水平為中介變量進行的回歸，由列（1）結果可知人工智能在1%顯著性水平下對人力資本水平有正向作用，列（2）結果顯示人工智能水平和平均勞動報酬在1%水平下顯著為正，即人工智能水平能夠通過人力資本水平提高促進制造業價值鏈地位提升，從而驗證了假設2。列（3）、（4）是對以新產品研發為中介變量進行的回歸，由列（3）回歸結果可知人工智能水平在1%水平下對新產品研發有顯著促進作用，列（4）的估計結果顯示人工智能水平和新產品項目數在1%水平下顯著為正，即人工智能水平能夠通過新產品研發促進制造業價值鏈地位提升，從而驗證了假設3。

表3 人工智能影響制造業價值鏈提升的機制檢驗

5 結論與啟示

本文以2010～2019年我國14個制造業面板數據為樣本，利用2SLS、差分GMM、系統GMM估計方法對人工智能水平影響制造業價值鏈地位提升的總體效果、異質性與影響路徑進行分析。研究結論表明，人工智能水平能夠顯著提升我國制造業在全球價值鏈中的地位，且對資源和勞動密集型行業價值鏈地位提升的效果更顯著，人工智能水平通過人力資本水平提升、促進新產品項目開發兩條路徑促進制造業全球價值鏈地位提升。

針對以上研究結論，本文認為發揮人工智能生產力，通過人工智能賦能制造業，打破發達國家對我國的技術封鎖實現制造業價值鏈地位的躍升需要從以下幾方面入手：（1）大力推進人工智能賦能制造業。傳統參與價值鏈方式有悖可持續發展理念，為擺脫 “低端鎖定”泥沼，實現可持續高質量發展，我國制造業亟需尋找增長新動能，形成創新驅動的經濟增長，人工智能作為創新要素通過提升人力資本水平、促進新產品研發等路徑推動我國制造業出口技術復雜度提升，因而要持續推進人工智能在制造業應用和推廣，促進我國制造業全球價值鏈地位提升；（2）持續提升人力資本水平。相較于資源和勞動密集型行業機器人對勞動力的簡單替代，資本和技術密集型行業產品技術復雜度的提升更加依賴人力資本水平，唯有不斷加大對高素質人力資本培養，才能更充分發揮人工智能對資本和技術密集型行業的補充和替代作用，促進產品技術復雜度提升，進而提升我國制造業全球價值鏈地位。

注釋：

①本文工業機器人數據來源于國際機器人聯合會（IFR），目前可獲得的機器人數據僅截至2019年，基于數據可得性和準確性，本文研究區間為2010～2019。

②資本和技術密集型行業包括 19、20～21、24、29～30、91、260、261；資源和勞動密集型行業：10～12、13～15、16、17～18、22、23、25。