工業智能化對就業的影響及其機制分析

摘 要：系統性梳理了工業智能化影響就業的理論邏輯，基于2006—2021年中國269個城市的面板數據，運用雙向固定效應、動態門檻模型和兩階段中介效應模型考察工業智能化對企業勞動力需求的影響及其路徑機制。研究表明，工業智能化對勞動力的影響總體呈現創造效應，即先進的數字技術創造了更多的工作崗位，勞動力市場上崗位供給總體上表現為動態增加。上述結論經過內生性識別和穩健性檢驗后依然成立。工業智能化對勞動力需求的影響并非簡單線性的。當工業機器人安裝密度超過一定門檻值時，生產率效應和補償效應共同作用下勞動分工持續深化，引致企業進一步提高勞動力需求。機制研究表明，工業智能化可以通過促進產業協同集聚和改善勞動力價格扭曲的渠道增加就業崗位。

關鍵詞：工業智能化；人工智能；工業機器人；就業；產業協同集聚；價格扭曲

中圖分類號：F241.4；F424.3

文獻標識碼：A文章編號：1003-3890（2024）05-0041-09

技術進步是經濟增長的決定性因素，歷次技術變革都催生了一輪又一輪的產業革命，改變著人們認識世界、改造世界的基本工具，推動人類文明大步向前[1]。隨著自動化設備的技術水平和設備質量不斷提升，工業智能化對就業的影響自然成為無法回避的現實問題。世界經濟論壇發布的《2020年未來就業報告》指出，新冠疫情導致的經濟衰退和飛速發展的自動化技術使就業市場變革速度遠超預期，未來五年內自動化和人機之間全新的勞動分工體系將會顛覆全球15個行業共計8 500萬個工作崗位，數據錄入、會計核算和行政服務等在內的技能型崗位需求深受影響。相關研究表明，未來20年，中國職業整體的替代風險為59.5%，其中郵政和電信人員、金屬冶煉工和軋制人員等18個重復性崗位潛在的替代風險超過了70%，人工智能對就業的破壞效應不可忽視[2]。推動就業這個最大的民生工程、民心工程和根基工程高質量發展，是體現以人民為中心和筑牢全體人民共同富裕的堅實基礎。黨的二十大報告瞄準就業的難點、痛點和梗阻點，部署實施就業優先政策，強化支持、破除歧視，加強保障，促進高質量充分就業。國務院印發的《“十四五”就業促進規劃》指出，要加快推動數字產業化，“深入實施‘上云用數賦智’行動，推進傳統線下業態數字化轉型賦能”，培育接續有力的就業新動能。因此，揭示工業智能化對我國勞動力市場的影響效應，總結工廠智能化對就業的一般規律和路徑機制，對于回應“機器換人”社會憂慮、扎實推進高質量就業有啟示意義。

一、文獻綜述

技術和勞動之間一直存在競爭關系，大規模自動化的可能性及其引發工作崗位消失這個話題自工業革命以來就被廣泛關注。悲觀主義者一如既往地擔心當今世界將會是一個沒有工作的世界，人們在其中難以適應。樂觀主義者則秉承馬克思當年的愿景，積極擁抱“徹底的自動化”，期待一個無須工作卻能享受生活的未來世界。在不遠的將來，人工智能機器作為將思維、感知和行動一體內嵌與循環的模型，不僅擁有“類人的大腦”實現“獨立思考”，甚至還會進一步“發育”為擁有“類人智慧”乃至是“超人智慧”，將對人類的生存與發展產生劇烈沖擊。總的來看，智能化技術如何影響就業的論點主要有以下三類：

一是工業智能化對就業有創造效應和填補性。以人工智能技術為表征的智能制造工業范式將助力高質量的“人機合作”就業模式，在創造性破壞中產生更多的工作崗位[3]。實現共同富裕離不開勞動分工細化產生的先進生產力和高勞動效率。技術進步通過提高生產效率、降低最終品銷售價格和刺激社會消費，帶來價格效應和收入效應，進而帶動相關企業擴大生產規模進行再生產，提高企業對勞動力的需求[4]。人與機器的關系并非零和博弈。伴隨著數智化技術在企業層面全方位鋪開，人機協同決策、管理、作業等人機互動共生逐漸成為常態，員工與機器的關系正從工具式的“利用與被利用”演化為相輔相成、共生共榮的網絡型共生系統[5]。

二是工業智能化對就業有破壞效應和替代性。與工業化早期顛覆性通用技術相似，人工智能等自動化技術既帶來了希望，還帶來了機器擠占女性、低技能勞動者工作崗位的糟糕境遇[6-7]。周期性地按照新的構成再生產出來的舊資本，會越來越排斥它以前雇傭的工人，產生嚴重的“技術性失業”。生產力發展創造了更多的自由時間，尤其是醫療保健、交通運輸和生產環境控制等領域受益良多，但近年來一些工業化強國在大規模運用人工智能的同時卻面臨著勞動收入份額下降、全員勞動生產率增長緩慢等困境。較多的預測報告顯示，自動化技術將會導致大量失業，機器學習和人工智能的發展，使得無數工作崗位上的工作者被機器取代[8]。新一輪技術革命中衍生的智能的、適應性的、通用的技術，已不再是早期技術那樣簡單地取代人類肌肉，而是部分甚至完全替代人類勞動，人類與非人類工作的關系越來越凸顯出一種替代趨勢[9]。

三是工業智能化對就業的影響效果是中性的。技術進步對人類工作的影響并非單純的“烏托邦”，也并非單純的“敵托邦”，而是兩者并存。在新興發展中國家，由于明星企業、工作極化和工作內容差異化對勞動力要求更加多樣，在就業結構和生產規模擴張的背景下，人工智能技術對勞動力市場工作崗位總量的影響仍是懸而未決的[10]。工業自動化對就業的影響總體而言是中性的，只是在時間維度存在階段性“陣痛”。采取正確的人工智能運作方式能夠糾正市場、企業和個人將資源錯配給勞動密集型任務，扭轉機器人在勞動部門的非方向性配置，促使其在制造業和服務業間重新配置，由此對全社會就業規模的影響是不確定的[11]。同時，因為內部勞動力市場這一中間過渡地帶的存在，使得“機器換人”并未產生把勞動者擠出企業用工體系而拋向外部勞動力市場的失業問題[12]。

綜上，工業智能化對未來就業的影響是福利還是災難，目前尚未統一定論；工業智能化的時代是否值得勞動者期待還需進一步深入研究。相對于已有文獻，本文潛在的邊際改進在于：一是運用機器人安裝密度表征工業智能化，在解釋工業智能化創造就業崗位的一般規律時，還運用動態門檻模型發現了非線性效應；二是已有文獻在分析機制路徑時主要引入勞動生產率、產業結構和技能結構，而本文在全國統一大市場背景下，將產業協同集聚和勞動力價格扭曲納入機制路徑，揭示了工業智能化增加就業崗位的理論邏輯。

二、理論機制與研究假設

（一）基本傳導機制

工業機器人、人工智能和數字技術對勞動力需求的影響，依賴技術在具體工作任務中的比較優勢。任務分配模型表明，機器人在手工和常規型任務中具有比較優勢，而認知型、非常規型工作只能由人類勞動或者是人機協同完成，因此自動化技術與人類勞動的替代關系存在明顯的低端任務序列偏好。技術進步意味著機械設備能在更高層次上勝任復雜任務，人類勞動力被替代的可能性增大。但智能化技術的大規模應用可以提高勞動生產率，降低工業最終品出廠價格，擴大生產規模并創造新產品、新機器和新產業部門，由此增加勞動力需求。總的來看，工業智能化對就業的創造效應表現為生產效應和新任務創造。一方面，與以往自動化、機械化技術不同的是，人工智能、智能化技術在替換體力工作任務的同時，還強化了智力工作崗位的自動化程度，技術產生的生產率效應和規模效應變大。智能化技術可以降低復雜任務的執行成本，增加正在經歷“自動化”轉型的部門對勞動力需求的同時，還提高“非自動化”部門對勞動力的派生需求。另一方面，在數字經濟時代，因技術進步產生的結構性失業也會在新的任務中再就業。在智能技術的支持下，勞動者具有比較優勢的新工作任務、經濟活動和工作形態不斷被創造，智能化衍生的平臺經濟、分享經濟和眾包模式可以作為被替代員工再就業的新平臺。因此，智能化技術產生的新任務直接彌補了“機器換人”的破壞效應。由此，提出研究假設1：

H1：工業智能化創造了更多的工作崗位，促使企業雇傭更多的勞動力。

近年來，人工智能發展日新月異，涉及的領域、范圍和部門不斷擴充，摩爾定律漸進失效，技術更新換代的頻率越發迅速，這意味著工業智能化技術對工作崗位的影響可能是非線性的。在可以預見的未來，人工智能技術只會是呈現幾何級倍速發展，“超數智時代”乘著生產力大變革的東風快速到來。古典勞動力需求理論認為，技術進步對就業的影響主要取決于企業總需求對技術的敏感性。從短期來看，技術進步對需求的影響可能較小，但隨著社會生產力持續提升、企業規模不斷擴大以及產業門類不斷豐富，工業智能化創造的高生產率效應會“滾雪球式”地創造更多的工作崗位。同時，數字化時代人們提高職業素養和參加技術培訓的經濟成本不斷下降，人們在“機器換人”的擔憂中會主動追加人力資本投資，隨之產生的結果是勞動者技能與工作崗位適配度不斷提高，在更復雜的工作中人機協同辦公逐漸成為主流，勞動者更能在長時期內實現充分就業。由此，提出研究假設2：

H2：工業智能化對就業的影響是非線性的，智能化程度越高，崗位創造效應越明顯。

（二）產業集聚的中介機制

工業機器人、人工智能等數字技術是數字經濟時代的代表性產物，被機器替代的勞動力可能在數字產業中以零工或者新興職業的方式再就業。馬克思［13］在《資本論》中提到，“雖然機器在應用它的勞動部門必然排擠工人，但是它能引起其他勞動部門就業的增加”。從歷史經驗來看，只要自動化技術不能完全替代人類勞動力，或是在“超強人工智能”出現之前，技術進步對勞動力市場的影響無疑是“加法”與“減法”并存的過程。人工智能在工業部門的應用會擠占部分常規性和任務型就業崗位，但制造業與服務業之間較低的產品替代彈性決定了被自動化技術替代的低端勞動力會流向低技能服務業。因此，人工智能技術不僅會推動制造業服務化，還會帶動更加細化的勞動分工，進而促進生產性服務業的發展，這就為特定區域內有縱向投入產出關聯、橫向業務關聯或是外部性關聯的多元企業集聚創造機遇。

產業集聚帶來的規模經濟和正外部性等集聚效應會顯著提高勞動生產率和帶動經濟發展，最終促進就業的增長。具體而言，當生產性服務業和制造業實現較高水平的協同集聚時，由供需決定的要素市場和產品市場的規模也會隨之擴大，并由此產生較強的規模效應。由于制造業和生產性服務業在空間范圍上的集聚，制造業部門采購生產性服務業中間品的交易成本和運輸成本趨于下降，且長期穩定的要素供需關系降低了生產部門要素供應的不確定性，這能促使制造業企業聚焦于產品生產，擴大生產規模，增加勞動力需求。此外，在市場規模效應影響下，無論是單一生產鏈的垂直協同集聚還是多重生產鏈的水平式協同集聚，產品市場的多樣化需求均有助于制造業部門實現更加細化的勞動分工，微觀生產部門“小而全”的經營模式會轉向“專精特新”的精細化管理，該過程無疑會使產業鏈縱向拓展，從而增加工作崗位。同時，隨著產業協同集聚程度的加深，兩業互動程度隨之深化，產業融合越來越順暢，其內部知識和外部技術溢出優勢特征逐步顯現，進而實現技術協同創新和產業鏈延伸，能增加工作崗位。因此，產業協同集聚所具備的資金外部性、知識技術外溢性、基礎設施共享性、勞動專業化和產業投入產出關聯性有利于新企業的創建和吸引外部企業入駐，間接推動了特定區域內勞動力的需求[14]。由此，提出研究假設3：

H3：工業智能化通過促進產業協同集聚的機制路徑增加就業。

（三）勞動力價格扭曲的中介機制

要素市場價格扭曲引致市場價格信號失真，要素間的價格差異不再反映各自的稀缺程度。現行的晉升競爭激勵機制不僅會導致地方政府干預主導產業的規劃，還會促使相關部門借助行政管制手段抑制市場調節，人為壓低資本、土地、能源、工資及各種資源的價格，造成要素之間比價關系的扭曲，企業以超低價格獲取生產要素。就勞動要素而言，我國勞動力要素價格扭曲反映的是勞動者薪酬扭曲，且主要表現為負向扭曲。一些地方出于招商引資和保護本土企業利益，長期默許企業利用自身在勞動力市場的強勢地位支付給工人低于市場價位的薪資。個體的理性選擇導致集體的非理性行為。出于利潤最大化，微觀企業主體作出的經濟決策往往是根據扭曲后的要素價格來選擇要素組合方式，以達到現行要素價格下的成本最小化目標，但實際生產并非帕累托最優。在經濟政策的“公有偏好”影響下，要素市場價格扭曲的表征形態是，國有企業面臨較低的資本價格和較高的工資成本，非公經濟則面臨較高的資本價格和廉價的勞動力。被扭曲的勞動力要素使得部分效率較低的企業可以獲得盡可能多的勞動力，尤其是那些效益低下、就業效應較弱的國有企業，效率較高的企業卻難以獲得足夠的勞動力。勞動力無法根據企業生產效率進行流動配置，微觀經濟體很難實現長期潛在的最優產出，這勢必對企業的產出能力、資本積累和勞動力需求產生負面影響。盡管增量改革促成非國有經濟的發展壯大，但隨著中國經濟從短缺轉向過剩，部分非國有企業不得不面對生產成本上升，利潤空間壓縮的局面，降低企業用工需求，即要素價格扭曲直接毀滅了工作崗位。綜上，在被扭曲的要素市場中，企業的產出潛能無法充分釋放，經濟體可能出現產出不足和失業率上升并存的現象。

工業智能化的持續、快速發展，在變革經濟發展模式的同時，潛移默化地影響著要素的配置方式。一方面，借助互聯網、云計算和大數據分析技術，工業互聯網對配置生產要素相關的信息進行搜集、整理與分析，相關主體可以獲取有關要素價格的精確信息，降低市場信息不對稱性，暢通生產要素自由流動的渠道，實現傳統經濟中以勞動力和資本為代表的生產要素以一種更為有效的方式整合或重組，從而有助于要素生產組合方式的集約化和高效化[15]。另一方面，互聯網技術衍生的網絡平臺，弱化了距離和時間的物理壁壘，信息可以更為迅速地進行跨地域、跨時間、跨部門傳播與分享，要素需求者和供給者能夠在更為廣闊的市場進行精準匹配，從而提高要素市場一體化水平。就勞動要素而言，工業智能化以資本、技術替代由勞動者執行的任務，利用先進要素價格優勢和規模效應擠占了從事簡單常規的中低技能勞動者的崗位，但同時又提升了企業對非智能崗位和互補崗位的需求。工業智能化的縱深發展會提升勞動力素質。工業智能化通過催生新業態、新模式創造的新興崗位，將引導勞動者從常規可替代的崗位流向非常規復雜崗位，或是推動勞動者向部分入職門檻較低的生產性服務業實現再就業，再結合互聯網技術賦能信息較強的穿透能力和傳播速度，這有助于提高崗位與勞動者的適配度，減緩勞動力價格扭曲。由此，提出研究假設4：

H4：工業智能化可以通過改善勞動力價格扭曲的機制路徑促進就業。

三、研究設計與數據來源

（一）變量選取

1.被解釋變量：勞動力需求（Job）。相較于前三次工業革命對經濟社會的影響，本輪技術變革對社會各方面的影響更為深刻且廣泛。綜合考慮工業智能化技術和產品對社會的整體影響，本文使用年末單位從業人員數表征勞動力需求。

2.核心解釋變量：工業智能化（Rob）。新興技術賦予工業機器人更加完備的技術屬性，使其在眾多工作中扮演著人的角色，能夠獨立或者協助工作人員完成生產任務，由此提高勞動自動化應用水平。鑒于工業機器人已成為工業智能化不可或缺的核心組件，本文選取工業機器人安裝密度作為工業智能化的代理變量。本文假設行業s的工業機器人分布狀況在全國是一致的。具體而言：先將國際機器人聯合會數據集中涉及制造業的14個大類與我國制造業行業分類進行匹配，得到全國層面的機器人安裝總量；再以2006年作為基準年份，將各城市制造業細分行業的就業人數占全國總人數的份額構造“行業-城市”層面的機器人安裝密度；最后，將各行業的機器人安裝密度匯總得到城市數據。

式（1）中，Robit表示城市i在時期t的機器人安裝密度，employsit表示i城市s行業在時期t時的從業人員數量，Robst表示行業s在時期t的機器人保有量，employst=2006是行業s在2006年的就業人數，那么Robst/employst=2006就表示各年度的行業層面機器人安裝密度指標。為盡可能緩解中國產業分布對機器人安裝密度的內生影響，結合王永欽等[16]的研究思路，引入以2005年為基準的美國制造業機器人安裝密度作為工具變量，式（1）中RobUSst/employUSst=2005表示美國各年度的行業層面機器人安裝密度。

3.中介變量。一般而言，智能制造、人工智能技術對工業生產部門的沖擊較大，尤其是那些常規任務型、重復型和規則型工種更易受到沖擊。這些容易被工業機器人和智能化技術替換下來的從業人員，往往是受教育程度低、職業技能素養不高的低端勞動力群體。這些勞動者受到沖擊后最易從事倉儲配送和零售服務等門檻較低的職業來實現再就業。本文選取制造業和生產性服務業集聚水平的協同度作為產業協同集聚（CO）的代理變量。先使用區位熵分別測量兩個產業的集聚程度，以制造業為例可得LQit=（Mit/Mt）/（Eit/Et），其中Mit表示城市i制造業從業人員數量，Mt表示城市i所有產業的從業人員總數，Eit表示全國制造業從業人員的總數，Et表示全國所有產業的從業人員總數。然后，對比兩個產業集聚度的差異來衡量產業協同集聚程度。

COms=［1-［LQm-LQs］/LQm+LQs］+（LQm+LQs）（2）

式（2）中，LQm表示制造業專業化集聚，LQs表示生產性服務業專業化集聚，COms表示制造業與生產性服務業的協同集聚。

勞動力價格扭曲（MIS）。考慮要素價格會影響資源配置，延續要素價格扭曲的思想，假定勞動力錯配以從價稅τLi的形式存在，那么勞動力錯配指數的計算過程為：

τLi=1/γLi-1（3）

4.控制變量。為防止遺漏重要變量造成的內生性問題，同時為了獲取更加精準的估計結果，參照現有研究，本文選取了八個控制變量。具體而言：人口密度，使用城市年末人口數與轄區面積的比值來衡量；外商直接投資，使用實際利用外商直接投資額來衡量；環境污染，由于我國對霧霾污染監測較晚，直到2012年底才有部分重點城市PM2.5的監測數據，因而本文使用達爾豪斯大學大氣成分分析組公布的PM2.5濃度數據來衡量環境污染；工資水平，使用城鎮職工年均工資收入來衡量；宏觀調控，使用一般公共預算支出占國內生產總值的比值來衡量；信息化，使用移動電話年末用戶數來衡量；產業結構，使用第三產業增加值與第二產業增加的比值來衡量；經濟水平，使用人均國內生產總值來衡量。

（二）計量模型

1.線性模型。本文的核心目的是辨析工業智能化對制造業勞動力市場的影響效應。針對該研究目的，結合各變量的界定與選取，將研究思路映射到實證模型中，由此構建以下線性計量模型：

LnJobit=a0+a1LnRobit+a2Controlit+μi+νt+εit （5）

式（5）中，下標t、i分別表示年份、城市，μ、ν、ε分別表示個體固定效應、時間固定效應和服從白噪聲過程的隨機擾動項，a為待估參數，Control表示包含所有控制變量的信息集。為了減緩異方差對模型估計的干擾，本文對所有變量做了對數化處理和上下1%縮尾。為驗證產業協同集聚在工業智能化影響勞動力需求的路徑中所發揮的中介效應，本文使用逐步回歸的思路構建中介效應遞推方程式。在式（5）的基礎上，分別構建工業智能化影響產業協同集聚和勞動力價格扭曲的計量模型，可得：

LnCoit=b0+b1Robit+b2Controlit+μi+νt+εit （6）

LnMISit=c0+c1LnRobit+c2Controlit+μi+νt+εit（7）

式（6）和（7）分別表示工業智能化對產業協同集聚和勞動力價格扭曲的影響，回歸系數b1、c1的符號方向、顯著性須重點關注。將中介變量作為解釋變量納入方程的右端，構造中介效應檢驗方程表達式為：

LnJobit=d0+d1LnRobit+d2LnCoit+d3Controlit+μi+νt+εit" （8）

LnJobit=e0+e1LnRobit++e2LnMIS+e3Controlit+μi+νt+εit （9）

式（5）表示的是工業智能化影響勞動力就業需求的總效應。式（8）和（9）中，回歸系數d1、e1均表示的是工業智能化影響就業的直接效應，b1×d2、c1×e2表示的是中介效應。若中介效應方程組成立，則認為工業智能化不僅可以直接增加工作崗位，還可以通過提高產業協同集聚度和緩解勞動力價格錯配的渠道增加市場對勞動力的需求。

2.門檻模型。傳統的靜態面板門檻模型要求變量具備強烈的排他性假設往往使得估計結果有偏。為增加非線性模型因果推斷的邏輯性和精確性，在靜態門檻模型的基礎上改進的動態門檻模型允許存在因變量的滯后項，且放松了協變量嚴格外生性條件。該模型在引入被解釋變量時間滯后項的基礎上運用廣義矩估計的方式進行計算，能很好地克服因變量內生性引致的估計結果有偏的缺陷。動態門檻模型與傳統靜態門檻模型最大的優點在于無須預設門檻變量對某個特定解釋變量存在門檻效應的原假設。換言之，動態門檻模型假設門檻變量對所有解釋變量均存在門檻效應。為驗證工業智能化與勞動者就業間的非線性關系，構建以下動態門檻模型：

LnJobi，t=b0+βXit+κ（1，Xi，t）δ

{qi，tgt;γ}+μi+εit （10）

式（10）中，δ{·}為示性函數，當括號中的條件成立時取值為1，反之則取值為0。式（10）表示的是門檻變量對所有變量（被解釋變量及其滯后項、其他控制變量）的門檻效應，其主要是通過一階差分法消除個體效應μi，使用差分廣義矩估計方法計算各解釋變量的擬合參數。其中：Xi，t表示包含了就業的時間滯后項和工業智能化在內的所有解釋變量，qi，t為門檻變量，參數β是解釋變量的回歸系數，γ是門檻值。若κ=0，則表明統計樣本不存在彎折，即不存在門檻效應。需要說明的是，與傳統門檻模型不同的是，當qi，tgt;γ時，門檻變量的斜率為β+κ。換言之，式（10）將傳統的線性模型設定為折彎形式，即在門檻值處，回歸函數發生折彎而非跳躍。

（三）數據來源

基于數據可得性原則，本文選取2006—2021年中國269個地級市及以上城市的面板數據作為統計考察對象。各變量原始數據主要源自《中國勞動統計年鑒》《中國工業統計年鑒》《中國統計年鑒》《中國人口和就業統計年鑒》《中國城市統計年鑒》、國際機器人聯盟和各省市統計局。極少數缺失值采用插值法補齊。

四、實證結果分析

（一）基準回歸分析

根據上述理論分析和研究設計，本文綜合統計推斷和因果推斷范式來驗證工業智能化對就業的影響（見表1）。

由表1可知，各模型的擬合結果均顯示，工業智能化對勞動力需求的影響顯著為正，表明工業智能化正向影響就業的結果有一定穩健性。列（4）的基準回歸結果顯示，工業智能化對勞動力需求的擬合系數為0.087 0，且通過了1%水平的顯著性檢驗，表明使用工業機器人能夠促進就業總量增加，工業智能化主要呈現的是崗位創造效應，驗證了H1。結合現實，雖然企業為追求高效益和高利潤選擇了工業機器人來替代程序性和重復性勞動崗位，但工業機器人在提高企業生產效率的同時還擴大了企業的產出水平和規模效益。企業為進一步擴大市場份額，往往會采取增加生產線和提高產品優良率的策略提高產品供給，新任務和更為復雜的任務不斷涌現。在這一過程中不僅會提高企業對生產相關的勞動需求量，同時還會增加與工業機器運營和維護相關的崗位需求。

（二）穩健性檢驗

為驗證基準回歸結果的穩健性，本文采用兩種方式進行驗證。具體而言，方法一是更換被解釋變量。為反映制造業就業份額占所有部門就業人數的動態變化關系，將制造業就業人數絕對量替換為制造業占所有行業的份額作為新的被解釋變量。方法二是使用交互固定效應模型。該模型是面板固定效應模型的進一步發展，充分考慮了現實經濟社會中多重不確定因素的沖擊，能更好地反映經濟實踐。由表2可知，兩種方法的結果均顯示，工業智能化對就業的影響顯著為正，即企業引進和安裝工業機器人對勞動力市場的影響是積極的。工業機器人為企業提高生產效率和拓展產業鏈提供了可能，衍生了更多的工作崗位。

（三）內生性處理

盡管本文盡可能地考慮了遺漏變量內生性問題，但模型設置仍避免不了內生性問題干擾。為了更好地避免計量識別中的內生性問題，本文延續巴蒂克工具變量的思想，使用工業智能化的一階滯后項和一階差分項作為工具變量，再使用兩階段最小二乘法予以估計。由表2可知，工具變量對工業智能化的回歸系數為0.367且在1%水平上顯著，表明滿足相關性研究。第二階段回歸結果顯示，工業智能化對勞動力需求的回歸系數為0.092且在1%水平上顯著，該結果表明在控制潛在的內生性問題后工業智能化對勞動力需求的影響效應與基準回歸保持一致，且顯著性未發生明顯變動，基于因果推斷證實工業智能化創造了就業崗位的結論是可靠的。

五、非線性分析和機制研究

（一）門檻效應

相較于線性促進作用，揭示工業智能化對勞動力需求的非線性效應及其對應的拐點值則更具有現實意義。根據上文設計的動態門檻效應，使用巴蒂克工具變量進行門檻效應估計。同時，為了保證門檻模型擬合結果的穩健性，本文還給出了靜態情形下的估計結果。

由表3可知，動態和靜態兩種形態情形下的彎折系數均顯著為正，同時兩個模型的回歸結果高度相似，可以認為工業智能化影響勞動力需求是非線性的，且結論是穩健的。結果顯示，當工業智能化未跨入門檻值時，其擬合系數為0.025且在1%水平上顯著，表明在引入工業機器人的智能化技術初期，工業智能化仍能增加就業崗位，但崗位創造效應較小。當工業智能化程度跨越門檻值時，其擬合系數和彎折系數之和仍顯著為正，平均影響系數為0.429（0.025+0.404），高于門檻值之前的系數，表明工業機器人安裝密度達到一定閾值時，人工智能可更廣泛地替代人類勞動，同時還會衍生更為細化的勞動分工，人機協同管理、決策、辦公成為常態。由此，大規模地引進安裝工業機器人不僅不會出現結構性的失業問題，反而是自動化技術創造了大量的人機協作崗位或是新興職業。結合經濟現實，在總量勞動時間一定的條件下，工業機器人的廣泛使用增加了物化于機器的勞動時間，這會相應減少人類勞動力，同時無須休閑時間的機器設備為輪班制度創造了良好的條件，這個過程無疑是促使企業雇傭盡可能多的勞動力來配合機器工作，以發揮自動化技術的高效率。長遠來看，任何產業的發展都是一個長周期。當核心產品（如先進機械、計算機、人工智能等設備）成熟、進入產業化生產以后，圍繞著核心產品的生產部門會形成一個更為龐大的、復雜的、立體的產業體系。當人工智能等先進數字化技術在社會全面鋪開時，技術擴散效應使得勞動分工更加細化，企業產業鏈、價值鏈進一步延伸，即使工業智能化先進技術排斥了部門勞動者，但這部分群體又會被支撐核心產品生產的產業鏈所吸納，還衍生了更多的工作崗位。

（二）作用機制檢驗

基準回歸的結果顯示工業智能化提高了勞動生產率，深化了勞動分工體系，對工作崗位有創造效應。為揭示工業智能化影響就業的機制渠道，結合研究假設和機制設計，本文使用逐步回歸的中介效應模型進行估計。

由表4可知，工業智能化對產業協同集聚和勞動力價格扭曲的影響均在1%水平上顯著，其擬合系數分別為0.047和-0.031，表明中介效應是成立的。這意味著工業智能化不僅提高了產業上下游關聯產業縱深發展、橫向產業間的協同發展，還緩解了就業市場信息不對稱引致的勞動力自由流動受阻和要素配置不完全的弊端。工業智能化通過提高制造業與生產性服務業協同集聚度和改善勞動力價格扭曲的機制增加企業對勞動力的需求。

六、結論與啟示

工業機器人是人工智能技術與產業融合的具體折射，其在生產部門推廣和普及不僅帶來了生產方式的變革，還給勞動力市場帶來沖擊。本文先從理論層面梳理了智能化技術影響就業的內在機理，再結合2006—2021年269個城市的面板數據，使用機器人安裝密度表征工業智能化，實證考察了工業智能化對就業的影響。研究表明，工業智能化顯著提高了市場對勞動力的需求。在任務分配模型框架內，其衍生的生產率效應和補償效應能平滑替代效應的負面影響并呈現“錦上添花”的就業創造作用。然而，工業智能化對勞動力需求的影響并非簡單線性的。當工業機器人安裝密度超過一定閾值時，其對崗位的創造效應會更大，工業智能化推動產業鏈各環節分工更加專業化和專門化，人機合作辦公成為新常態。提高產業協同集聚度和縮小勞動力價格扭曲是工業智能化增加就業的重要機制。總體而言，工業智能化的快速發展在中國并未產生“盧德派”所擔憂的“機器導致人口冗余”社會現象，反而提高了人與機器互為補充或攜手工作的能力，人與機器在各自崗位發揮比較優勢，共同推進經濟社會穩步向前。未來的工作是人與機器相互賦能、協同共生，因智能化變得更為高效，工業智能化的時代值得期待。

根據上述研究結論，可以獲得以下啟示：

1.加大人工智能研發投入，推進國產機器人高端化發展。借助5G技術和數字經濟發展紅利，加大云計算、物聯網、區塊鏈和工業互聯網等新型基礎設施投資。謀劃智能工業園區布局，培育具有良好前景的新興產業和就業載體。強化企業創新主體地位，統籌“數字領航”企業和“專精特新”企業協同發展。強化國產機器人核心技術研發，重點面向產業任務和實踐應用，堅持科技成果有效轉化以服務經濟發展為向導，構建“人才引育+技術研發+成果轉化+產業應用”協同創新體系，優先支持制造業各子行業關鍵技術創新，加快完善技術入股、技術授權等產學研互補機制。重視中小企業的數字化和智能化轉型，有步驟、有計劃地推進中小企業“上云”。深入研究中小企業數字化轉型的推進機制和實施手段，形成包含優惠政策、獎勵補貼、表彰等激勵機制，充分發揮龍頭企業和平臺企業的鏈主優勢和生態圈效應，構建“以大帶小，以小促大”的協同轉型格局，推動中小企業創新發展。

2.深化職業教育改革，推動產業數字化轉型升級與擴大數字化就業良性互動。需要瞄準當前勞動力市場存在的供需矛盾和勞動技能結構轉換過慢的問題，注重提高人機協同技能培訓，強化員工數字職業素養。明確數字經濟時代市場對勞動者素質的基本需求，堅持統籌職業教育、高等教育、繼續教育協同創新，推進職普融通、產教融合、科教融匯，優化職業教育類型定位。鼓勵各類院校圍繞人工智能和大數據分析增設相關專業，動態調整基礎研究和應用研究的協同關系，強化創新性、技術性和專業性技術人才培養。統籌實施高校畢業生數字化就業促進計劃，強化學校對在校生的數字化職業技能培訓、職業指導、就業見習和創業指導，建立更多符合工業智能化時代綜合素養提升的平臺。

3.深化推進產業協同布局，培育集制造與服務一體的多功能產業群。制造業與生產性服務業動態協調和深度融合構成了工業智能化的重要內容。應根據資源稟賦和要素條件，明確城市功能定位，“量體裁衣”發展差異化的生產性服務業，引導生產性服務業在工業園區形成區域性集聚，促進產業間橫向與縱向拓展，提升“兩業”的協同高度和質量。重點是精準、高效挖掘生產性服務業在信息傳送、自動化辦公、信貸支持、產品運輸和專利咨詢等方面的核心優勢，賦能制造業提質升檔。加快實施“雙輪驅動”產業戰略規劃，通過財政稅收、人才基金、租房補貼支持高端生產性服務業發展。完善功能性產業政策和區位導向性政策，堅持發展先進制造業和適度降低服務業門檻并舉，推動形成多種跨邊界的產業協同集聚模式，筑牢城市多功能產業群承載力。

注釋：

①因2017年。

參考文獻：

[1]徐偉呈，周田，鄭雪梅.數字經濟如何賦能產業結構優化升級——基于ICT對三大產業全要素生產率貢獻的視角[J].中國軟科學，2022（9）：27-38.

[2]龔遙，彭希哲.人工智能技術應用的職業替代效應[J].人口與經濟，2020（3）：86-105.

[3]孫中偉，鄧韻雪.“世界工廠”的“鳳凰涅槃”——中國制造業“機器換人”的經濟社會意義[J].學術論壇，2020，43（3）：1-8.

[4]AUTOR D H， DORN D.The growth of low-skill service jobs and the polarization of the US labor market[J]. American economic review，2013，103（5）：1279-1333.

[5]何江，閆淑敏，關嬌.四葉草組織：一種新型混合勞動力組織形態[J].外國經濟與管理，2021，43（2）：103-122.

[6]鄧韻雪，劉曉.“機器換人”如何影響了女性就業？——基于2021年廣東省制造業企業的微觀調查數據[J].華東理工大學學報（社會科學版），2022，37（6）：17-30.

[7]李舒沁，王灝晨，汪壽陽.人工智能背景下制造業勞動力結構影響研究——以工業機器人發展為例[J].管理評論，2021，33（3）：307-314.

[8]王林輝，胡晟明，董直慶.人工智能技術、任務屬性與職業可替代風險：來自微觀層面的經驗證據[J].管理世界，2022，38（7）：60-79.

[9]田高良，施諾，劉曉豐.智能制造與勞動力成本粘性——基于工業機器人應用的視角[J].經濟管理，2023，45（9）：28-49.

[10]VRIES G J， GENTILE E， MIROUDOT S， et al.The rise of robots and the fall of routine jobs[J].Labour economics，2020，66：101885.

[11]程承坪，彭歡.人工智能影響就業的機理及中國對策[J].中國軟科學，2018（10）：62-70.

[12]汪華，詹紹康.智能制造、勞動替代與無集體擠出——“機器換人”對工人就業影響的社會學研究[J].安徽師范大學學報（人文社會科學版），2021，49（4）：85-94.

［13］馬克思.資本論：第1卷［M］.北京：人民出版社，1975.

[14]柳卸林，楊博旭.多元化還是專業化？產業集聚對區域創新績效的影響機制研究[J].中國軟科學，2020（9）：141-161.

[15]白俊紅，王星媛，卞元超.互聯網發展對要素配置扭曲的影響[J].數量經濟技術經濟研究，2022（11）：71-90.

［16］王永欽，董雯.機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據［J］.經濟研究，2020，55（10）：159-175.

Influence and Mechanism of Industrial Intelligence on Employment

Abstract：

Based on the panel data of 269 cities in China from 2006 to 2021， this paper investigates the impact of industrial intelligence on the labor demand of enterprises and its path mechanism by using the two-way fixed effect model， dynamic threshold model， and two-stage intermediary effect model. Research shows that the overall impact of industrial intelligence on the labor force is a \"creation effect\"， that is， advanced digital technology creates more jobs， and the supply of jobs in the labor market is generally dynamic. The conclusion is still valid after the endogeneity identification and robustness test. However， the positive effect is non-linear. When the installation density of industrial robots exceeds a certain threshold value， the division of labor continues to deepen under the combined action of the production efficiency effect and compensation effect， causing enterprises to further increase labor demand. Mechanism studies have shown that industrial intelligence can increase employment by promoting industrial synergistic agglomeration and improving labor price distortions. The paper concludes that in the context of the digital China era， the introduction and installation of industrial robots by enterprises can affect the optimal allocation of the labor market， which has important reference significance for guiding industrial digitalization and intelligent transformation and promoting the high-quality development of people's livelihood.

Keywords：industrial intelligence;artificial intelligence;industrial robot;employment;industry cluster;price distortion