人工智能、中間產品內向化與內需主導型全球價值鏈

楊丹萍 楊小鋼

（寧波大學中東歐經貿合作研究院，寧波 315211）

引 言

以新冠肺炎疫情、俄烏沖突、供應鏈“去中化” 戰略等為代表的外部沖擊通過中間品貿易關聯機制將風險傳遞到產業鏈上的各國，引起了斷鏈的“共振” 效應。目前以“中國＋1” 模式、近岸外包、產業回流為主要特點的產業區位調整戰略已經開啟，驅動全球價值鏈朝著彈性化、區域化和短鏈化的趨勢重構，國際大循環動力明顯弱化。面對這種情況，黨的二十大明確指出要“依托我國超大規模市場優勢，以國內大循環吸引全球資源要素，增強國內國際兩個市場兩種資源聯動效應，提升貿易投資合作質量和水平”。如何基于市場優勢，擺脫“體外循環” 模式，強化產業鏈控制力，構建“以我為主” 的產業鏈供應體系是雙循環戰略的應有之義。

本文認為“兩頭在外” 依附性嵌入模式未來的轉換方向是構建內需主導型全球價值鏈。內需主導型全球價值鏈是以國內市場的有效需求為基礎，通過國內國際雙循環虹吸國內外優質資源，構建的“以我為主” 的全球化產業分工組織體制［1］。如何培育內生能力去構建內需主導型全球價值鏈，以人工智能為代表的技術革新能否成為構建內需主導型GVC 的抓手是亟需關注的問題。在以工序切片化和任務分割為主要模式的當下，人工智能的應用是否會促進國內承接境外中間品生產，引致中間產品內向化則也是一個值得關注的問題。進一步地，依托國內需求形成的智能制造和進口中間品替代是否會助力內需主導型全球價值鏈的構建，建立基于內生能力的國內專業化分工，則是本文研究的根本目的。

關于人工智能的研究，學界主要基于就業結構、收入差距、經濟增長等視角展開了深入探討，其中人工智能的價值鏈升級效應得到了一些學者的關注。人工智能會通過降低貿易成本、促進技術創新、優化資源配置的途徑提升一國行業的全球價值鏈參與度與分工地位［2］，顯著促進一國價值鏈網絡的深化［3］。不過人工智能應用重塑了制造環節的增值能力，人工智能對部分勞動力要素已產生替代效應，產業回流的趨勢愈加明顯［4］。關于中間產品內向化的研究，馬丹等（2019）［5］指出技術差距的縮小會引致中間品生產環節向境內轉移，中間產品內向化的進程會愈加明顯，這個機制的核心就是技術差距會導致國內外中間品價格的變化，從而使得國內中間品的替代效應顯著增強，降低國內對于外部供應鏈的依賴性。同時進口來源國經濟政策不確定性的沖擊會導致企業成本上升和進口產品質量下降，這也會倒逼企業將更多中間品生產環節轉向境內［6］。但是企業中間品供給結構向境內傾斜，可能會引起貿易失速，進而導致全球價值鏈嵌入的“阻塞效應”［7］。關于內需主導型全球價值鏈的研究，以內需為主導的外貿體系能夠使本國宏觀經濟運行獨立于外部環境的負面沖擊，減少國外供給側不確定性因素向境內擴散，不過中間品環節的離岸外包可能會抵消上述正面效應［8］。同時也有學者指出推進貿易便利化改革是構建內需主導外貿新模式的關鍵［9］。總體來看，依托境內需求形成的“以我為主” 的內需主導型價值鏈非常強調自生能力、價值鏈延伸和動態競爭，這幾個特征與人工智能和中間產品內向化的功能屬性不謀而合。綜上所述，目前學界關于這三者的研究割裂性較強，鮮有文獻涉及人工智能、中間產品內向化和內需主導型全球價值鏈構建這三者之間的關系，缺乏關于如何基于內生能力構建內需主導型全球價值鏈的研究。因此考察人工智能和中間產品內向化對構建內需主導型全球價值鏈的影響效應具有重要意義。

1 理論分析與研究假說

當人工智能等數字技術的應用趨于成熟，并具有一定應用規模時，其相對價格會下降，從而替代生產中的部分勞動力投入［10］。以往勞動力成本的上漲引致了本國諸多生產環節的離岸外包，這種現象會因為人工智能的廣泛應用得到逆轉。智能化會促使勞動力在要素投入結構中貢獻度不斷降低，不少中間產品活動轉向內包［4，11］，這是人工智能引致中間產品內向化的宏觀基礎。人工智能的應用能夠顯著改善企業的雇傭結構，企業高技術人才比例會得到明顯提升，勞動力結構的優化會增強企業內部的創新效率［12］。人工智能的應用還能強化企業對進口中間品的學習能力，促使企業要素稟賦結構向資本偏向型轉變，這將有利于企業吸收中高技術密集型的中間品技術溢出。通過模仿學習提升對新技術的適應性，降低本土企業的創新成本。而技術創新會強化企業關鍵中間品的生產能力，從而實現中間品生產向境內轉移。

人工智能的應用會通過影響國內外中間品價格引致中間產品內向化。人工智能本身具備的生產率提升效應［3，12］，能使企業通過規模經濟效應降低企業生產的固定成本，強化域內中間品的價格優勢； 另外，人工智能自身還需要其他配套體系的支撐，人工智能會促使企業提高其他高技術要素的投入，如以大數據、云計算等為代表的數字化要素，以技術服務、軟件研發為代表的生產性服務要素。這些要素的投入會快速縮小本國行業與其他行業的技術差距。當本國行業的技術差距與技術領先行業差距縮小時，國內外中間品價格會發生顯著改變［5］。在這種情況下，企業則會基于成本最小化和利潤最大化的目標，將中間品投入結構向境內傾斜，從而重塑了中間品的國內外配置，國內中間品的替代效應會顯著增強。

鑒于此，本文提出假說1： 人工智能會導致中間產品內向化，從而發揮“補鏈” 效應。

（1） 人工智能的應用能通過對制造活動的精確把控，降低生產過程中的非必要損耗，減少企業的邊際成本。同時人工智能還能夠協同大數據、云計算降低企業的搜尋匹配成本，成本的下降將直接促使企業將資金投入到提升中間品質量上，從而縮短新產品生命周期； （2） 人工智能的企業會增強與其他運用人工智能企業及未使用人工智能企業的競爭［13］，促使低質量產品快速迭代，獲得可與中高質量產品相競爭的地位，這種行業內部的競爭會倒逼企業不得不提升中間產品質量。良性競爭下，上游中間品質量的提升還會對下游中間品質量產生溢出效應和疊加效應［14］； （3） 人工智能本身所具備的高技術生產性服務要素和數字要素的需求，會引致諸多高質量要素的投入，而人工智能則能與之協同提升出口中間品質量。

中間產品替代所引致的國內中間品產能的提升，使其投入結構向國內傾斜，從而導致本土競爭，倒逼中間品生產企業提升自身的產品質量。而依托國內需求形成的“國內需求——本土中間品供給——中間品出口關聯” 能夠使企業通過境內需求的規模效應、生產者與消費者互動的學習效應、創新和異質性需求引致的產品差異化等途徑實現對境內消費者衍生需求的精確把控［15］，提升個性化定制能力，最終提升中間品出口質量。同時中間產品內向化導致生產環節向境內集聚，完善了域內的產業鏈鏈條，境內產業鏈上下游的互通互聯能使生產者和消費者的需求快速得到創新反饋。因此國內生產鏈的延伸能實現創新的“增量提質”，有效緩解依賴國外供應鏈所帶來的弊端［16］。依托境外的中間品供給，使得企業不得不花費一定的資金去收集境外的供給信息，建立購置渠道，因此中間品進口成本相較于境內的購買成本較高。同時過于依賴別國的中間品供給，很可能會受到進口國經濟政策不確定性的沖擊，進一步增加企業的固定成本。而中間產品內向化則會充分降低企業的上述成本，使企業將資金更多投入到優化中間品生產質量上。

鑒于此，本文提出假說2： 人工智能和中間產品內向化能通過提升中間品出口質量發揮“強鏈”效應，進而促進內需主導型全球價值鏈的構建。

受限于產品構造和技術結構，產品的生產環節只能在現有的技術框架下合理解構。同時考慮到產品的生產效率和協同模式，產業鏈有一定程度的生產階段邊界。在沒有外部技術沖擊的情況下，細化分解產品生產環節和延長價值鏈長度的動機比較微弱，這也是近10 年來產業鏈增長停滯、制造業分工全球化進程減緩的重要原因。而人工智能的導入能夠使工作指令、程序信息等的傳遞更加標準化，使生產工序更加計算機化，從而有效實現價值鏈各部分的銜接和工序細化［3］。因此人工智能在制造業中的應用有助于突破產業鏈分工的瓶頸，使得生產階段進一步分解。

同時中間產品內向化也有延伸生產步長的效應，具體來看，內向化將中間產品生產環節控制在一國境內，使企業得以避免繁瑣的通關手續和較高的跨境貿易成本，企業在境內繼續延伸產品生產階段的動機會愈發增強。同時從嵌入視角上看，境內中間品的生產集聚能使企業依托“蜘蛛型” 網絡協調本土企業的競爭與合作關系，依托“蛇型” 分工模式實現對價值鏈的轉換，促使企業向研發設計、品牌營銷等高附加值環節攀升，在功能升級和鏈條升級中進一步延伸價值鏈長度［1］。而較長的產業鏈延伸能夠引致深層的產品加工和迂回生產，進一步促進了內需主導型全球價值鏈的構建。

鑒于此，本文提出假說3： 人工智能和中間產品內向化能通過延長生產步長發揮“延鏈” 效應，進而促進內需主導型全球價值鏈的構建。

集聚經濟是提高區域經濟發展績效的重要基礎，而以專業化市場為依托的本土產業集群是集聚經濟重要的空間和產業載體。人工智能技術的應用促使企業快速提升生產率，通過競爭效應淘汰了部分落后產業，助推傳統產業向均等化的方向發展［17］，為產業集聚奠定了良好的基礎。同時信息技術的應用使企業邊界變得模糊，人工智能的應用也增強了企業“歸核化” 生產的動機，企業對外部產品供應商的需求愈加旺盛，這也驅動了區域內的產業集聚。值得注意的是，人工智能等高新技術的應用還內生地決定了其具有對先進服務要素的需求，因此人工智能還能通過與軟件研發、科技服務等生產性服務業的合作產生協同集聚效應。

中間產品內向化本身就意味著境內中間品投入比例的上升，這代表境內中間品生產已經有了量的積累。而中間品生產強調域內要素流動和共享，這將促使要素向同一空間范圍集聚。同時產業鏈上下游的關聯，也會使得鏈上各個企業向同一區域集聚，由此引致產業集聚。本土的產業集聚能夠對境內需求產生快速反應，強化對境內需求變化的感知度。同時產業集聚還能通過中間投入共享、知識技術溢出和勞動力蓄水池這三方面的馬歇爾外部性提升企業的附加值獲取能力［18］，從而強化內需主導型GVC 構建能力。

鑒于此，本文提出假說4： 人工智能和中間產品內向化能通過促進產業集聚發揮“固鏈” 效應，進而促進內需主導型全球價值鏈的構建。

2 計量模型、變量測算與數據說明

2.1 計量模型設定

為檢驗人工智能和中間產品內向化對構建內需主導型全球價值鏈的影響，本文構建如下計量模型：

其中，下標i、j、k、t分別代表出口國、出口市場、行業以及年份。被解釋變量RDVijkt表示t年i國k行業對j國的返回增加值，即內需主導型全球價值鏈的構建水平； 核心解釋變量Robotikt表示t年i國k行業的人工智能應用水平； 核心解釋變量Dfinrikt為t年i國k行業的中間產品內向化程度；Xit代表一系列控制變量；Vj、Vk、Vt分別表征出口市場固定效應、行業固定效應以及年份固定效應。上述模型的所有變量均進行了對數化的處理以緩解極端值和異方差的影響。

2.2 變量定義

（1） 被解釋變量： 內需主導型GVC 分工程度（RDV）。內需主導型全球價值鏈這種分工模式的增加值流向主要表現為環形特征，即本國創造的增加值輸出國外再返回境內。基于該特征并結合現有研究，確定返回增加值作為被解釋變量［8］。

（2） 核心解釋變量1： 人工智能（Robot）。本文借鑒楊飛（2022）［19］的做法，基于投入產出表測度計算機制造業、信息服務業以及科技服務業在某行業中的完全消耗系數，將其作為該行業的人工智能應用水平的代理指標。

（3） 核心解釋變量2： 中間產品內向化程度（Dfinr）。本文借鑒馬丹等（2019）［5］的做法，使用中間產品內向化指標考察國內生產環節承接國外中間品生產的程度。計算公式如下：

其中dfinrijt為第t年i國j行業的中間產品內向化程度，dinijt和finijt分別表示第t年i國j行業的國內和國外中間品投入，inijt為第t年i國j行業的中間品總投入。上式反映了國內中間品投入比重的相對提高程度。

（4） 相關控制變量。國內需求（pergdp），采用國內人均GDP 表示； 貿易伙伴國的制造業生產能力（inadded），采用貿易伙伴國工業增加值占GDP的百分比表示； 貿易成本（distwces），采用地理距離表示； 外商直接投資（fdi），采用外國直接投資凈流入表示； 其余包含兩個虛擬變量，即是否簽署自貿協定（fta）和是否是毗鄰國家（contig）。

2.3 數據來源及處理

本文的返回增加值數據主要來源于UIBE GVC Indicators 數據庫，中間產品內向化指標和人工智能應用水平是基于ADB－MRIO 數據庫進行測算的。人均GDP、貿易伙伴國工業增加值占GDP 的百分比、外商直接投資來源于世界銀行。地理距離和是否是毗鄰國家來源于CEPII 數據庫，是否簽署自貿協定來源于WTO。上述各變量的描述性統計見表1。本文選取了14 個行業，考察時間限定在2007～2021 年，因此本文主回歸的數據結構為“出口國－行業－目的國－年份” 四維數據。

表1 變量的描述性統計

3 實證分析

3.1 基準回歸分析

表2 匯報了基準回歸的結果，由列（1） 和列（2） 可知人工智能的回歸符號在1%的水平上顯著為正，這表明人工智能的應用能夠顯著促進中間產品內向化進程，即人工智能會削弱離岸外包動機，促使國內產業擺脫中間品進口依賴，將部分中間品投入轉向國內，驗證了假說1。進一步分析列（3） 和列（4） 的回歸結果，可見人工智能對返回增加值的影響為正，說明工業智能化的發展是折返增加值分工模式的重要驅動力，有助于構建內需主導型全球價值鏈。同時中間產品內向化的估計結果顯著為正，證明了中間產品的再配置有利于建立基于內生能力的國際專業化分工，而人工智能可作為抓手促進企業實現“歸核化” 生產，引領內需主導型全球價值鏈的構建。

表2 基準回歸結果

3.2 穩健性檢驗

3.2.1 指標替換

（1） 替換被解釋變量。將返回增加值分解成以中間品（RDV＿INT）、最終產品（RDV＿FIN1）、第三國最終產品（RDV＿FIN2）形式返回的中間品增加值； （2） 替換核心解釋變量。采用完全依賴度，即某制造業行業對人工智能行業的完全消耗占所有完全消耗的比重。同時引入工業機器人安裝流量（instal）和存量（stock）作為替換指標。替換后的核心變量符號沒有發生變化，證實了基準回歸的穩健性。

3.2.2 樣本處理

（1） 分別排除應用人工智能的主導行業和邊緣行業。將運用人工智能水平最高和最低的三大行業分別予以剔除，從而形成去頭樣本和去尾樣本以避免特殊樣本主導回歸結果； （2） 分別排除應用人工智能的主導國家和邊緣國家。借鑒上述思路，分別排除人工智能應用水平最高和最低的3 個國家； （3） 劃分樣本區間。由于2013 年前后樣本的人工智能應用水平存在明顯差異，因此以2013 年為界將樣本分為兩部分。兩個核心變量的回歸系數顯著為正，驗證了基準回歸。

3.2.3 補充關鍵控制變量

本文借鑒劉斌和潘彤（2020）［2］的方法，利用改進后的引力模型計算貿易成本。貿易成本的系數在1%的水平上顯著為負，表明了貿易成本是影響返回增加值的關鍵因素，因此提高貿易便利化水平是構建內需主導型GVC 的必要條件。同時兩個核心解釋變量的符號并未發生改變，證明了基準回歸結果的穩健性。

3.2.4 內生性分析

（1） 控制更加高維的固定效應。將基準回歸中3 個維度的固定效應轉為行業－年份固定效應和出口市場－年份固定效應以考慮經濟運行的多維沖擊，在控制了高維固定效應后，回歸結果依舊穩健。

（2） 工具變量法。關于人工智能工具變量的構造主要采用3 種方法： ①使用人工智能的滯后一階作為工具變量； ②借鑒Faber （2020）［20］的思路，采用其余國家智能化的平均水平構造本國人工智能的工具變量； ③采用移動份額法進行構造，即基于各國全球人工智能的發展程度計算出外生的全球人工智能增長率，再用該增長率與上一期的人工智能程度交乘得到工具變量。最后使用中間產品內向化的滯后1 期作為該變量的工具變量，并以其為基準分別與人工智能的3 個工具變量進行回歸。首先關注不可識別檢驗，Kleibergen－Paap rk LM 的P 值遠小于0.1，表明拒絕了工具變量識別不足的原假設。其次關注弱工具變量檢驗，Kleibergen－Paap Wald rk F 統計量大于Stock－Yogo 檢驗10%臨界水平的臨界值，拒絕了工具變量是弱識別的原假定。最后核心解釋變量的系數方向和顯著性均未發生變化，結論與基準回歸結論相同，說明本文研究結果通過了因果識別檢驗。

3.3 異質性分析

（1） 基于貿易便利化的異質性分析

基于孔慶峰和董虹蔚（2015）［21］的指標體系，利用熵值法測度了各國的貿易便利化水平。根據出口國和貿易伙伴國貿易便利化平均水平的五分位數選取0～20%、40%～60%和80%～100%3 個子樣本。由表3 列（1）～（3） 可知，人工智能的系數顯著為正，說明人工智能具有內需主導型GVC構建效應。中間產品內向化雖然在3 個子樣本中系數均為正，但在0～20%子樣本中中間產品內向化的系數遠小于80%～100%子樣本中的系數。該結果表明貿易便利化是賦能中間產品內向化的重要因素。

表3 異質性分析

（2） 基于技術密集度的異質性分析

將樣本行業分為中低技術、中技術、中高技術3 個子樣本，人工智能和中間產品內向化的系數均為正，說明人工智能的應用和中間產品內向化能在促進中高技術行業構建內需主導型GVC 的同時，賦能傳統行業。另外，人工智能的賦能效應在中技術行業中更為明顯。

3.4 機制分析

（1） 基于中間品出口質量的中介效應檢驗

借鑒施炳展和邵文波（2014）［22］的方法利用CEPII－BACI 數據庫計算國家中間品出口質量，回歸結果見表4 列（1）、（2），列（1） 中人工智能應用和中間產品內向化的系數均為正，表明二者均能提升出口中間品質量。列（2） 加入出口中間產品質量后，中間產品出口質量符號為正，這證實了中間產品出口質量的提高是人工智能和中間產品內向化影響內需主導型全球價值鏈構建的中介機制，驗證了假說2。

表4 機制分析

（2） 基于生產步長的中介效應檢驗

借鑒Wang 等（2017）［23］的方法，利用生產步長即要素投入所產生的增加值被用于最終產品生產的平均次數反映生產工序的復雜程度。列（3）中人工智能和中間產品內向化系數顯著為正，證明二者都能促進生產階段的延伸。列（4） 中生產步長變量系數顯著為正，說明人工智能和中間產品內向化均能通過延長生產步長的機制促進內需主導型全球價值鏈的構建，驗證了假說3。

（3） 基于產業集聚的中介效應檢驗

產業集聚借鑒劉友金等（2023）［24］的做法，利用各國i產業增加值占當年全球i產業增加值的比重來衡量。列（5） 中人工智能和中間產品內向化系數在1%的顯著性水平上均為正，證明二者都能促進產業集聚。列（6） 中產業集聚變量系數顯著為正，表明人工智能和中間產品內向化均能通過促進產業集聚以賦能內需主導型全球價值鏈的構建，驗證了假說4。

4 進一步拓展分析： 服務要素和技術勢差的調節效應

4.1 服務要素賦能下人工智能的“穩鏈”效應

服務型制造是優化制造業競爭力，適應消費結構升級的新型工業化模式，對構建國內國際雙循環的新發展格局具有重要意義，因此有必要分析服務要素投入的賦能作用。借鑒許和連等（2017）［25］的方法，利用完全消耗系數法衡量制造業服務要素投入的水平，總體層面服務要素投入與人工智能的交互項系數顯著為負，表明服務要素投入會抑制人工智能的內需主導型全球價值鏈構建效應。從要素投入的國別屬性上看，國外、國內服務要素投入和人工智能的交互項系數分別顯著為負和正，說明國外服務要素投入會產生“俘獲” 效應，不利于人工智能構建內需主導型全球價值鏈，而國內服務要素投入能發揮“穩鏈” 效應。因此發展服務型制造是構建內需主導型全球價值鏈的重要方向，但在兩業融合中一定要注重引導生產型制造企業以核心產品和核心技術為基礎，建立自主可控的國內服務配套體系。

4.2 技術驅動下中間產品內向化的“建鏈”效應

參考劉斌和潘彤（2020）［2］的構建方法，采用第t－1 年制造業行業全球價值鏈分工地位與貿易伙伴國同一行業分工地位之間的差距，驗證本國與貿易伙伴國之間的技術勢差所可能具備的“建鏈” 效應。同時，本文還選取了基于生產分解模型所測度的TPL 生產位置指標和APL 生產位置指標進行補充驗證。3 個交互項系數均為正，說明本國行業如果能獲取相較于貿易伙伴國技術上的先動優勢，中間產品內向化的“建鏈” 效應會增強。這意味著我國必須深耕技術，在關鍵領域形成對貿易伙伴國的技術勢差，從而為內需主導型全球價值鏈的構建奠定基礎。

5 研究結論與政策建議

本文研究發現，人工智能的應用使境內產業的中間品投入更多轉向國內，引致了中間產品內向化進程。進一步研究發現，人工智能還能與中間產品內向化共同發揮內需主導型全球價值鏈構建效應。這一促進效應是通過提高出口中間品質量、延長生產步長以及促進產業集聚的機制實現的。本文發現貿易便利化程度深度影響了中間產品內向化價值鏈構建效應的發揮。同時對于不同技術密集度的行業，人工智能和中間產品內向化的構建效應亦是顯著。拓展分析發現國內服務要素投入能夠賦能人工智能發揮“穩鏈” 效應，技術勢差能夠助推中間產品內向化發揮“建鏈” 效應。

基于上述結論，提出以下政策建議：

（1） 要積極拓展服務型制造，企業要積極利用數字化和智能化系統開展以用戶為中心的定制化生產，進一步提升新一代信息技術與產業的融合創新能力。優化要素投入結構，將要素投入向以軟件研發、科技服務為代表的先進服務要素傾斜。制造業要與生產性服務業協同發展，實現由生產型制造向服務型制造轉變。

（2） 要深度推進產業“鏈長制”，以智能制造為抓手實現高質量中間品的生產。產業“鏈主”要提升“補鏈” 能力，著力補齊上下游短缺環節。同時企業也要重點優化企業中間品供給體系，從微觀層面推動國內中間品市場的擴容升級，進一步深化國內價值鏈分工和協同，延長生產的國內環節。重點推進境內產業集聚，優化產業集群的耦合性，加強集群分工，推進產業鏈上下游重組。同時，面對中間產品向境內承接的態勢，我國要以建設全國統一大市場為契機，不斷推進國內市場一體化改革，破除市場分割對中間品生產的限制。

（3） 要推進戰略發展方向從“貿易立國” 向“內需立國” 轉變。基于國內市場培育產業國際競爭力，重點依托國內市場優勢實現創新驅動發展戰略。企業要對標境內需求，將研發資源向核心中間品和復雜資本品傾斜，盡早實現基礎軟件、集成電路以及基礎材料等核心零部件自主可控，以此為價值鏈向國外延伸提供源動力。但是要注意的是，在企業利用人工智能、大數據、工業互聯網等推進數字化轉型，實現“歸核化” 生產的同時，企業的生產外包布局要盡量遵守“近岸化”原則，確保生產鏈條的可控性，從而緩解國際市場不確定性的沖擊。