人工智能驅動制造業高質量發展的多維效應及作用機制研究

[中圖分類號]F062.3 [文獻標志碼]A [文章編號]1004－4833（2025）04-0104-12

一、引言及文獻綜述

改革開放以來，我國持續發展社會生產力，深度融人全球產業分工體系，逐步構建起門類齊全的現代工業體系，取得舉世矚目的經濟成就，國內生產總值由1978年的0.36萬億元躍升至2024年的134.91萬億元。經過長期高速增長之后，我國制造業結構失衡的深層次矛盾和問題日益凸顯，產業囿于“技術依賴”、“低端鎖定”、“國際話語權缺失\"等多重困境[，阻礙了我國由制造大國向制造強國的戰略轉型。以高端芯片產業為例，國內企業大多處于低附加值的芯片封裝測試環節，芯片設計、生產等高附加值環節仍被以美國為代表的西方發達國家所壟斷。在此背景下，黨的二十大報告提出，“推動制造業高端化、智能化、綠色化發展”。作為當前科技發展的重要戰略領域，人工智能正成為賦能制造業高質量發展的核心突破口。人工智能憑借大數據、前沿算法與互聯網等核心技術的跨越式發展，正推動千行百業發生深層次變革。世界各國或地區把發展人工智能擺在重要戰略地位，搶占人工智能發展的主動權和國際話語權。當前，我國政府已在全力支持人工智能發展，并將其視為經濟發展、產業變革的新引擎。那么，人工智能在制造業領域的應用能否有效推動我國制造業實現高質量發展轉型？其作用機制的具體表現又是怎樣的？深人探究上述問題，對準確把握人工智能與制造業高質量發展之間的關聯具有重要意義：一方面，有利于揭示人工智能驅動制造業高質量發展的內在邏輯，理解兩者融合發展的本質內涵;另一方面，能夠促進人工智能與制造業的深度融合，為政府相關部門制定政策提供參考依據。

與本文研究主題密切相關的文獻主要有三個方面。一是人工智能發展水平測度研究。學界主要從工業機器數量和綜合指數兩個方面測度人工智能發展水平[2]。工業機器人是智能制造系統中制造技術的重要組成部分，也是人工智能應用于制造業的主要方式。工業機器人的應用程度已被視為評估人工智能發展水平的重要測度指標，主要包括工業機器人存量數、工業機器人進口數、工業機器人應用密度等指標。然而，人工智能發展水平并非只是反映工業機器人技術發展程度，而是對人工智能各方面的全方位綜合考量。為此，學界構建綜合指標體系測算人工智能發展水平，主要涵蓋技術創新基礎、智能產業化、產業智能化等維度指標[3]。此外，部分學者運用文本挖掘方法對非格式化文本展開研究，構建智能化指數測算人工智能發展水平[4]。二是制造業高質量發展的測度及影響因素研究。制造業高質量發展具有經濟效益高、創新能力強、產業結構優化和發展模式綠色的顯著特征。學者們主要運用單一指標和多維指標體系兩種方法測度制造業高質量發展水平。單一指標主要包括制造業全要素生產率、制造業勞動生產率、制造業增加值占GDP的比值、出口產品技術復雜度[5]等。然而這種測度方法僅能體現制造業的某一方面，容易忽視制造業高質量發展的其他重要因素。針對此不足，學者們構建多維度指標體系展開測度研究，主要包括創新驅動、質量效益、綠色發展、結構優化、開放發展、產品質量、風險控制等維度指標[6]。關于制造業高質量發展的影響因素，學界已展開了廣泛研究，技術創新、消費需求、產業政策、數字技術和人力資本等因素顯著影響制造業高質量發展水平[7]。三是人工智能與制造業高質量發展的影響效應研究。人工智能的經濟效應領域涌現出大量文獻，研究內容主要涉及人工智能與經濟增長、產業升級、勞動就業與收人分配等主題[8]。學界主要從制造業生產率、產業結構優化兩個方面探討人工智能對制造業高質量發展的影響，歸納為技術賦能機制和結構優化機制。第一，技術賦能機制。工業智能技術有利于提高制造業全要素生產率。一方面，人工智能技術通過自動化程序，提高了生產線的靈活性和響應速度，顯著提升企業生產效率。另一方面，人工智能借助數據分析和機器學習，幫助企業更精準地預測市場需求，實現資源配置的優化。第二，產業結構優化機制。學者們通常把人工智能視為自動化技術發展的最新形式，探討人工智能的增長效應、收人效應和相對價格效應對產業結構優化的影響，主要從需求端和供給側兩個維度展開。肖旭與戚聿東研究發現，產業智能化轉型能夠有效提升產業運行效率，促進不同產業間的跨界融合，重塑產業組織競爭格局，強化各領域生產要素投入的協同運用，優化生產要素配置效能，進而推動產業結構躍升[9]。師博分析指出，人工智能依托市場容量效應，與大數據、物聯網等技術深度融合發展的過程中，會激發技術外溢效應，助力傳統產業向智能化方向轉型升級[10]。路瑋孝與孟夏的研究表明，工業機器人的推廣應用促使大量勞動力向服務業領域流動，這種跨部門的勞動力優化流動有效促進了生產性服務業發展，進而加速了產業結構向“軟化”方向演進[3]。何玉梅和趙欣灝則認為，人工智能通過技術創新效應、資源配置效應以及消費升級效應推動產業結構優化[11]。戴魁早等學者研究發現，人工智能通過強化對高技術產業勞動生產率及技術溢出效應的差異化作用，推動工業內部結構實現優化升級[12]。此外，還有部分學者聚焦于人工智能與全球價值鏈攀升的關聯研究，并進一步剖析其對產業結構優化的作用機理[13]。

已有文獻為人工智能對制造業高質量發展的影響研究提供了豐富且深刻的見解，但仍存在不足之處：其一，在人工智能發展水平測度方面，學界尚無統一標準，主要包括工業機器人和綜合指數兩種測度思路。然而，工業機器人相關指標測算和智能產業化發展水平測算均要設定較嚴格的假設，例如以制造業各行業就業人數的占比近似工業機器人在各行業的分布比例，由此測算的人工智能發展水平與實際情況可能存在較大的偏差，這將會影響實證結果的可靠性。其二，制造業高質量發展是一個內涵豐富且復雜的系統，學界在其測度研究上尚未達成共識。單一測度指標具有清晰的內涵，但其測度結果可能存在片面性。部分文獻嘗試基于新發展理念構建指標體系進行測度，但對制造業高質量發展的內涵剖析不夠深入，未能凸顯制造業的獨特性和未來發展趨勢，導致測度結果缺乏可比性。其三，已有文獻主要集中在人工智能與制造業某一細分領域的分析，例如制造業全要素生產率、制造業結構優化、制造業全球價值鏈攀升、出口產品技術復雜度等，然而探討人工智能對制造業高質量發展直接影響效應的研究成果相對匱乏，人工智能對制造業高質量發展的影響效應及傳導機制尚未形成清晰認知，需要結合經驗數據展開實證分析。

本文可能的邊際貢獻在三個方面：第一，挖掘人工智能專利數據特征，使用國際專利分類標準整理人工智能專利申請數據，將國際專利分類與戰略性新興產業分類進行全面對照，根據人工智能產業鏈技術層、應用層和平臺層三個方面，分類統計人工智能專利數量，以此測度我國人工智能發展水平，避免因嚴格假設帶來的測量誤差。同時，探討人工智能不同技術領域發展水平對制造業高質量發展的異質性影響效應，詳細闡述不同技術領域的賦能成效，進一步豐富已有文獻研究結論。第二，借鑒現有文獻研究成果，從“高端化、智能化、綠色化”三個維度構建指標體系測算我國制造業高質量發展水平。與已有指標體系相比，本文構建的指標體系以新發展理念為引領，緊扣制造業“高端化、智能化和綠色化”的內涵，契合制造業發展的特點與未來趨勢，涵蓋了經濟效應、結構優化、技術創新、環境保護、數字基礎設施等多方面指標，有利于提高測算結果的準確性和有效性，是對制造業高質量發展測度研究的邊際拓展。第三，從理論探究與實證分析兩個維度出發，深人剖析人工智能驅動制造業高質量發展的多維效應及其作用機制。

二、理論分析與研究假設

（一）人工智能驅動制造業高質量發展的多維效應

從人工智能產業鏈的技術層、應用層和平臺層三個維度切入，能夠有效揭示人工智能在技術支撐、應用落地和產業協同等方面對制造業高質量發展的多維效應。首先，產業鏈技術層是人工智能發展的基礎，主要包括算法優化、芯片設計、操作系統開發等領域。人工智能技術創新不僅能夠顯著降低應用成本，還能全方位提升智能系統的性能與可靠性，為制造業高質量發展提供強大的技術支撐。一方面，人工智能技術的廣泛應用使得制造企業能夠快捷、準確地獲取市場信息，實現生產過程的數字化監測和管理，提升企業生產組織效率，形成高效協同的生產與服務模式，推動企業生產向智能化、精準化和高效化發展。另一方面，人工智能技術迭代具有無限可能性，智能產業方興未艾，尚未形成嚴重的技術壟斷格局，政府可借此契機，通過科學制定人工智能發展戰略，為制造業高質量發展創造條件，夯實人工智能賦能制造業高質量發展的技術基礎。其次，產業鏈應用層是人工智能價值釋放的終端，主要聚焦智能消費設備制造與應用軟件開發兩大板塊，這是制造業高質量發展的直接助推器。以智能穿戴設備為代表的制造產品，深度融合了語音識別、圖像識別等人工智能技術，極大地簡化了產品交互流程，拓展了豐富多元的功能。這不僅拉動了消費市場對智能產品的強勁需求，還倒逼制造企業加快智能化轉型步伐，加大在智能生產設備的投入力度，促使制造業向高端化、智能化和綠色化方向發展。同時，各類應用軟件依托人工智能算法精準實現個性化推薦，協助制造業企業深度洞察市場細分需求，定位目標客戶群體，研發適配不同消費場景的智能產品，全方位賦能制造業高質量發展。最后，產業鏈平臺層是連接人工智能技術與應用的橋梁。平臺層以信息系統集成服務為核心，通過搭建數據處理、模型訓練、應用開發等一站式服務平臺，加速人工智能技術在制造業中的普及與應用，促進人工智能與產業的深度融合。一方面，服務平臺為制造業各環節企業營造了互聯互通的企業生態，實現訂單、生產進度、物流配送等信息的實時交互，推動企業間協同制造，提升整體產業效率[10]。另一方面，一站式服務平臺打通企業內部及產業鏈上下游的數據流通渠道，打破數據孤島。制造企業能借此獲取多源、全面的數據，為生產決策提供精準依據，實現生產流程的優化與資源高效配置。據此，本文提出假設 H₁ 。

H₁ ：人工智能對制造業高質量發展具有正向促進效應。

（二）人工智能驅動制造業高質量發展的作用機制

1.人力資本高級化機制

人工智能通過人力資本高級化，推動制造業高質量發展。人力資本作為技能與知識的核心載體，是驅動經濟高質量發展的關鍵要素。人力資本高級化是影響人工智能在制造業高質量發展中發揮賦能作用的重要因素。人工智能技術能夠提升生產任務的復雜化和專業化程度，催生新崗位的創造效應，要求更高素質的人力資本來適應新技術的變遷，此時社會對中高技能勞動力的需求增大，相應地低技能勞動力逐步被工業機器人替代，出現“機器換人\"現象。人工智能對勞動力市場的替代效應和創造效應引致了勞動力市場供需結構性矛盾[1]，，這將會改變生產要素結構，推動人力資本高級化。一方面，在市場機制的調節下，勞動力市場供需結構實現動態耦合互動，這不僅加速了勞動力要素的流動與配置優化，還倒逼企業加大勞動力稟賦的提升力度，增加人力資本投資，培育具備高技能、高素質的勞動力。人工智能與人力資本的深度融合與有效匹配，顯著地促進了制造業高質量發展。另一方面，人工智能推動更多勞動力轉向技能要求更高的新興崗位，加速人力資本快速積累，為制造業高質量發展注入關鍵動力。與此同時，高端人力資本蘊含的異質性知識，為人工智能技術的持續創新營造了良好環境。特別是隱性知識的流動與共享，作為知識創新的助推器，能夠有效促進知識外溢和加快技術擴散進程，持續提升制造業的技術創新能力，從而有力推動制造業高質量發展。

2.勞動生產率提高機制

人工智能通過提高勞動生產率，推動制造業高質量發展。勞動生產率是綜合反映一個國家或地區工業競爭力強弱的重要體現，提高勞動生產率是實現制造業高質量發展的關鍵驅動力。歷史經驗表明，每一輪重大技術革新都會對勞動力市場產生深遠影響，而人工智能技術的突破性進展尤為突出，將會顯著提高勞動生產率水平。一方面，人工智能釋放出顯著的技術紅利，其在產業領域的廣泛滲透與深度應用，正驅動制造業生產方式向自動化、數字化方向加速轉型。生產方式的數字化與自動化水平的提升，會同步帶動單位勞動生產率的提高。同時，勞動生產率的提高為企業帶來了更多的經濟效益和利潤空間，使得企業有更多的資金和資源投入到人工智能技術的研發和應用，促使更多的人工智能技術在制造業部門中應用滲透，進一步提高生產過程的自動化和智能化程度。另一方面，人工智能驅動產業組織形態革新，其通過優化企業管理效能與決策執行效率對勞動生產率提升產生顯著作用。伴隨人工智能與互聯網、大數據技術的深度融合，數字化平臺正逐步演變為新型生產組織形態。數字平臺通過推動企業間的協同聯動，促成信息知識的實時互通，有效緩解信息不對稱問題，降低交易和管理成本，提高資源配置效率和產業運作流暢度，進而提高勞動生產率。這一變革為制造業高質量發展提供了強大動力，加速產業向數字化、智能化轉型的進程，助推制造業高質量發展。

3.消費需求升級機制

人工智能通過消費需求升級，推動制造業高質量發展。消費需求升級是指消費者追求更高品質、更具個性化產品和服務的趨勢，反映了消費結構、品質與方式的全面提升。消費需求升級是新興產業發展的根本動力，居民消費結構升級有利于推動制造業技術創新、產品結構優化以及產品質量和服務水平提升，進而驅動制造業高質量發展。人工智能主要從供給側和需求端兩個方面驅動消費需求升級。從供給側看，人工智能技術憑借其強大的數據處理與分析能力，實現對消費者偏好及行為模式的精準剖析，進而助力企業更深入地洞察市場需求。企業通過大數據分析和機器學習，可以實時獲得消費者的反饋和需求變化，進而調整產品設計和生產策略，創造出新型智能消費產品。同時，人工智能還能輔助企業進行產品創新，開發出更符合消費者預期的高智能化、高附加值產品，推動產業向更高質量、更高效益的方向發展。從需求端看，隨著人工智能技術的不斷進步與應用，消費者對智能化、個性化產品的需求不斷增加。智能消費品需求升級倒逼制造企業不斷進行技術創新和產品升級，推動產品向高端化、智能化和綠色化方向發展。居民對智能消費品的需求升級，推動人工智能產品與服務供給向更高質量發展。人工智能賦能智能產品市場實現供需匹配，提高消費需求升級的數量和質量。人工智能產業供給與居民智能服務及產品需求的耦合互動，推動智能制造供給能力持續提升和人工智能應用場景不斷拓展，形成了需求牽引供給、供給創造需求的良性循環，這一良性循環有利于推動制造業高質量發展。據此，本文提出假設 H₂ 。

H₂ ：人工智能通過人力資本高級化、勞動生產率和消費需求升級渠道推動制造業高質量發展。

三、模型設定、變量選取與數據說明

（一）模型設定

1.基準回歸模型

根據 H₁ ，本文構建基準回歸模型驗證人工智能對制造業高質量發展的直接效應，具體模型如下：

Hqd_it=α₀+α₁lnAI_it+α_clnZ_it+μ_i+δ_t+ε_it

式中， Hqd_it 為省份 i 第 Ψ_t 年制造業高質量發展水平， .AI_it 為省份 i 第 Ψ_tΨ_t 年人工智能發展水平； Z_it 為一系列控制變量，包括經濟發展水平、市場規模、對外開放程度、政府支持力度四個變量； μ_i 表示個體固定效應； δ_t 表示時間固定效應； ε_it 表示隨機干擾項； α₀ 為模型的截距項， α₁ 為人工智能對制造業高質量發展的影響系數， α_c 為控制變量的回歸系數向量。

2.渠道效應模型

根據 H₂ ，人工智能通過人力資本高級化、勞動生產率和消費需求升級三個渠道間接推動制造業高質量發展。借鑒B-K因果關系分析流程，本文構造渠道效應模型檢驗人工智能對制造業高質量發展的間接效應，具體步驟如下：首先，開展基準模型回歸，檢驗人工智能對制造業高質量發展的回歸系數 α₁ 是否顯著不等于零；其次，在基準模型系數 α₁ 通過顯著性檢驗的基礎上，分別構建渠道變量 M_it 對人工智能的線性回歸方程，進一步檢驗人工智能的回歸系數;最后，開展被解釋變量對核心解釋變量和渠道變量的回歸分析，通過檢驗模型回歸系數的顯著性來判斷渠道效應是否存在。渠道變量包括人力資本高級化（ ）、勞動生產率（ ）和消費需求升級（ lnCons_it ）三個變量，模型設定具體如下：

lnM_it=β₀+θlnAI_it+β_clnZ_it+μ_i+δ_t+ε_it

（二）變量選取

1.被解釋變量

制造業高質量發展是一個復雜系統，具有豐富的內涵。2022年10月16日，黨的二十大報告首次提出，“推動制造業高端化、智能化、綠色化發展”，明確了制造業高質量發展的方向。“高端化、智能化、綠色化”構成了制造業高質量發展的核心內涵。為此，本文從“高端化、智能化、綠色化”三個維度構建評價指標體系（表1），運用熵權法測算制造業高質量發展指數。各維度指標說明具體如下。

本文從創新基礎、結構優化和經濟效益三個方面測算制造業高端化水平，包括11個指標。第一，創新基礎是制造業高質量發展的重要動力。本文選擇規上工業企業發明專利申請數、規上工業企業Ramp;D人員全時當量、規上工業企業Ramp;D經費支出占工業總產值的比值和規上工業企業開設研發機構的企業數4個指標予以表征。發明專利申請數反映了制造業高端化的技術實力與積累，Ramp;D人員全時當量、Ramp;D經費支出比值及開設研發機構的企業數量反映了制造業創新投入的強度與基礎。第二，結構優化是制造業高端化的必然趨勢，高技術產業的蓬勃發展更是制造業高端化的主要特征。本文選擇高技術產業與規上工業企業營業收入的比值、高技術產業與規上工業企業從業人數的比值和高技術產業與規上工業企業新產品銷售收入的比值3個指標予以表征。第三，高端制造業通常具有高附加值、高利潤率等特點，經濟效益的提升是制造業高端化的直接體現。經濟效益主要表現在盈利能力、成本控制、資產運營效率和資產流動性等方面。本文選擇規上工業企業營業收入利潤率、規上工業企業成本費用利潤率、規上工業企業總資產貢獻率和規上工業企業流動資產周轉率4個指標予以表征。

表1制造業高質量發展評價指標體系

本文從智能轉型投人、智能轉型效益和智能基礎設施三個方面測算制造業智能化水平，包括10個指標。第一，技術改造經費、新產品開發經費和固定資產投資額是制造業智能化轉型的物質基礎，也是衡量企業智能化轉型進度與成效的重要依據。本文選擇高技術產業技術改造經費支出、高技術產業新產品開發經費支出和高技術產業新增固定資產投資額3個指標予以表征。第二，智能制造的主要發展方向聚焦于高技術產業，高技術產業的智能轉型效益則是制造業智能化水平的直接表現。本文選擇高技術產業人均營業利潤、高技術產業人均營業收入和高技術產業新產品銷售收入占營業收入的比值3個指標予以表征。上述指標從不同角度反映了高技術產業智能轉型的效益，既考慮企業的經濟效益和運營效率，又兼顧企業的創新能力和市場競爭力。第三，智能基礎設施是支撐制造業智能化運行的基石，主要體現在寬帶普及度、網絡傳輸能力、通信便捷性等方面。本文選擇每百人互聯網寬帶接入用戶數、每平方公里長途光纜線路長度、移動電話普及率和每萬人域名擁有量4個指標予以表征。

本文從污染排放強度、資源消耗強度和污染治理強度三個方面測算制造業綠色化水平，包括6個指標。第一，污染排放強度是衡量制造業生產活動對環境影響的重要指標，將污染排放強度納入指標體系，有利于刻畫制造業向綠色、低碳、循環方向轉型的成效。本文選擇萬元工業產值工業固體廢物產生量、萬元工業產值工業危險廢物產生量和萬元工業產值二氧化硫排放量3個指標予以表征。第二，資源消耗強度是衡量資源利用效率的關鍵指標，也是制造業綠色化發展的重要內容。本文選擇萬元工業產值用水量和萬元工業產值電力消費量2個指標予以表征。第三，污染治理強度是指企業為減少污染排放所采取的措施和投入的力度，本文選擇工業污染治理投資額占工業總產值的比值予以表征。上述6個指標能夠有效刻畫制造業在綠色化發展過程中污染排放強度、資源消耗、污染治理的變化情況。

2.核心解釋變量

近年來，人工智能領域的專利申請活動顯著增多，學者們使用專利數量衡量人工智能技術的創新程度及應用廣度。本研究選取人工智能專利數量作為衡量人工智能發展水平的指標，主要基于以下三方面考量：第一，人工智能發展水平的差異本質上源于技術創新能力的差距，而專利是評估人工智能技術創新產出水平的核心指標。第二，人工智能專利數據的權威性和可靠性，專利數據通常來源于官方機構，例如國家知識產權局和世界知識產權組織等。統計數據的權威性和可靠性有助于確保測度結果的客觀性和準確性。第三，專利數據具有可量化、可追溯、易分類的特點，通過對人工智能專利的分類統計，可以深人了解人工智能不同技術領域的發展情況。2021年2月7日，國家知識產權局頒布的《戰略性新興產業分類與國際專利分類參照關系表（2021）（試行）》，為戰略性新興產業專利與經濟活動的關聯分析提供統計依據。為此，本文使用國際專利分類提取整理我國人工智能專利申請數據，并根據人工智能產業鏈技術層、應用層和平臺層三個方面，分類統計人工智能專利數量，進而探討人工智能細分領域發展水平對制造業高質量發展的影響效應。表2呈現了2010—2022年我國人工智能專利分類統計數據。本文選擇各省區市人工智能專利申請數量加1取自然對數測度人工智能發展水平。

表22010—2022年中國人工智能專利申請總量及占比

注：國際專利分類號后加“ ”表示包括國際專利分類該層級及以下所有分類號，對于需排除的分類號加括號予以說明。

3.其他變量

中介變量測度說明如下：人力資本高級化（ Hc_it ）采用各省每萬人普通高等學校在校學生人數測度;勞動生產率 （Labor_it） ）采用規上工業企業主營業務收入與規上工業企業平均從業人員年平均數的比值測度;消費需求升級（ Cons_it ）采用人均消費支出衡量?？刂谱兞繙y度說明如下：經濟發展水平 （Pgdp_it ）選擇地區人均GDP測度；市場規模（ Marc_it ）采用各省份GDP占國內生產總值的比重衡量;對外開放程度 （Open_it ）采用各地區進出口總額占GDP的比重衡量;政府支持力度（ Gov_it ）采用科技創新經費總額占政府一般公共財政支出總額的比重測算。上述變量在模型中均取其自然對數值。

（三）數據說明

本文以我國30個省區市為研究樣本，研究期間為2010—2022年，不包括港澳臺及西藏地區。人工智能專利申請數據來源于國家知識產權局專利數據庫。專利數據處理說明如下：檢索上市公司2010—2022年申請的專利名稱，篩選出名稱里包含“自動”\"智能”“人工智能”關鍵詞的專利記錄，再根據上市公司注冊地址匹配至相應省區市，最終匯總得到各省區市各年份的人工智能專利數據。制造業高端化、智能化和綠色化維度指標及其他變量指標的數據來源于相應年份的《中國統計年鑒》《中國科技統計年鑒》《中國工業統計年鑒》，部分缺失的數據通過線性插值法予以補全。

四、實證過程與結果分析

（一）基準模型回歸結果分析

本文運用Hausman檢驗確定回歸模型的適用類型。檢驗結果表明，Hausman檢驗統計量值為22.71，且通過1% 顯著性水平檢驗，由此判定應選擇固定效應模型。為此，本文運用固定效應模型對人工智能影響制造業高質量發展的效應展開實證分析，估計結果詳見表3。為緩解模型遺漏變量可能引發的內生性問題，表3第（1）列至第（4）列依次將控制變量、省份固定效應、年份固定效應以及省份和年份固定效應加入回歸模型。第（1）列為加入控制變量的回歸結果，lnai的系數在10% 的水平下顯著為正，表明人工智能顯著地提高制造業高質量發展水平。在第（1）列的基礎上，第（2）列和第（3）列分別增加了省份固定效應和年份固定效應，lnai的系數均在 1% 的顯著水平下為正，進一步說明人工智能促進制造業高質量發展。第（4）列同時考慮控制變量、省份固定效應和年份固定效應， lnai 的系數仍然顯著為正。當人工

表3基準模型回歸結果

注： * 表示 plt;0.1 ， ^** 表示 plt;0.05 *** 表示 plt;0.01 ，括號內數值為標準誤差，下同。

智能發展水平每提升 1% 時，制造業高質量發展指數會相應增加約0.0112個單位?；貧w結果表明，人工智能對制造業高質量發展具有顯著促進效應，這與前文 H₁ 分析相一致?？紤]到人工智能技術迭代是一個時間積累的過程，同時人工智能技術應用也需要配套的技術、基礎設施以及產業組織結構等，人工智能的賦能效應具有顯著的滯后性。為此，本文在基準模型中分別加人人工智能滯后1期及2期變量，回歸結果詳見表3第（5）列至第（6）列。結果表明，人工智能滯后1期與2期變量對制造業高質量發展均具有顯著促進效應，其回歸系數均通過10% 水平的顯著性檢驗，表明人工智能對制造業高質量發展的影響具有顯著的持續促進作用。

（二）內生性檢驗

通常而言，制造業發展水平較高的省份，往往展現對人工智能技術更為強烈的需求，這種需求驅動了這些省份在人工智能領域的發展，因而人工智能整體發展水平也相對較高，這種反向因果關系將會導致模型估計結果存在偏差。本文采用工具變量法處理模型潛在的內生性問題，并運用兩階段最小二乘法（2SLS）展開參數估計，相關估計結果詳見表4。工具變量包括人工智能滯后一期（L1.lnai）地形起伏度與人工智能企業存量數自然對數的交互項 兩個變量。人工智能滯后一期變量滿足工具變量相關性和

表4內生性檢驗結果

外生性的基本要求：從相關性看，人工智能滯后一期變量與當期人工智能發展水平存在相關性;從外生性看，人工智能滯后一期變量與當期制造業高質量發展水平不相關。同時，為提高內生性檢驗估計結果的穩健性，本文構造雙維度工具變量，選擇地形起伏度與人工智能企業存量數自然對數的交互項作為工具變量，并將其檢驗結果與人工智能滯后一期變量的檢驗結果相互校驗，進一步增強基準模型回歸結論的可信度。一方面，從地形起伏度維度看：地形起伏度與制造業高質量發展水平不相關，滿足外生性要求，這是因為地形起伏度是脫離經濟系統的外生變量，不會影響制造業高質量發展水平;然而，地形起伏度與人工智能發展水平兩者卻密切相關，滿足相關性要求，這是因為地區的地形起伏度相對較低，能為信息傳輸網絡與智能基礎設施的建設完善提供更有利的物理環境，有助于降低建設成本和提高建設效率，推動當地人工智能產業蓬勃發展。另一方面，從人工智能企業存量數維度看：人工智能企業存量數不會直接影響制造業高質量發展水平，滿足外生性要求，因為單憑人工智能企業數量多少未必能直接促進制造業高質量發展;但是，人工智能企業存量數與人工智能發展水平卻密切相關，滿足相關性要求，因為人工智能企業作為智能產業的微觀主體，對各地區人工智能產業發展起到至關重要的作用，人工智能企業存量數越高，越能促進地區人工智能發展。據上可得，地形起伏度與人工智能企業存量自然對數交互項也滿足工具變量外生性和相關性的基本要求。樣本期內各省份人工智能企業存量數源于天眼查數據庫。本文通過提取公司名稱中含有“人工智能”字段的企業明細，根據企業注冊地址匹配對應省份，進而匯總得出各省份人工智能企業存量數。由表4實證結果可得，兩個工具變量在第一階段的F統計量均在 1% 顯著性水平下通過檢驗，內生變量與工具變量的統計關聯性顯著。進一步觀察第一階段的回歸系數，工具變量對應的系數值分別為0.8893和0.0575，且在 1% 水平下顯著為正，這一結果表明上述兩個工具變量對內生變量具有顯著的解釋力。為進一步檢驗工具變量的有效性，本文對工具變量進行了不可識別檢驗和弱工具變量檢驗。不可識別檢驗結果表明，Kleibergen-PaaprkLM統計量分別為91.379和43.824，均在 1% 顯著性水平下拒絕工具變量識別不足的原假設，表明實證模型不存在識別不足問題。同時，弱工具變量檢驗的Cragg-Donald Wald F統計量分別為2399.877和70.156，均超過Stock-YogoweakIDtest在 10% 顯著性水平的臨界值16.38，說明模型選取的工具變量不存在弱工具變量問題。此外，第二階段回歸結果表明，基準模型引人工具變量進行內生性檢驗后，人工智能的回歸系數分別為0.0131和0.0170，均在 5% 水平下顯著為正，系數值均超過基準模型估計的0.0112，這些進一步印證了基準模型的結論，即人工智能對制造業高質量發展具有顯著促進作用。

（三）穩健性檢驗

1.替換核心解釋變量

如前文所述，人工智能企業作為智能產業發展的微觀主體，地區人工智能企業存量數在一定程度上能夠反映地區人工智能發展水平。人工智能企業數量不僅代表著技術創新與研發能力的基礎，還反映了產業鏈上下游的協同程度及市場應用的廣度。為此，本文選取人工智能企業存量數的自然對數測度人工智能發展水平，回歸結果見表5第（1）列。結果表明，人工智能對制造業高質量發展仍具有促進作用，其影響效應在 1% 的顯著性水平上為正，這一結果為基準回歸結論的穩健性提供了有力支撐。

2.異常值處理

表5穩健性檢驗結果

注 ：AR（n） 表示Arellano-Bond Test，n 表示滯后階數，原假設為\"殘差序列無自相關”。Hansen檢驗為過度識別檢驗，原縮尾作為一種數據預處理技術，能夠有效減少異常值對假設為\"工具變量與誤差項不相關\"。第（4）列被解釋變量的模型估計結果的影響。為此，本文對核心解釋變量與被解釋 工具變量設定為 gmm（hqd，lag（2 3） collapse）。變量實施 5% 分位數的縮尾處理，具體回歸結果詳見表5第（2）列。實證結果表明，即便經過縮尾處理，人工智能對制造業高質量發展的正向驅動效應仍顯著，其回歸系數值為0.0151，且通過了 1% 顯著性水平檢驗，進一步說明了基準回歸結果是穩健性的。

3.拓展模型與更換估計方法

鑒于制造業高質量發展存在顯著的路徑依賴特征，歷史發展水平往往會對當期發展水平產生延續效應。為此，本文將被解釋變量滯后一期納入解釋變量體系，構建動態面板回歸模型，并使用系統廣義矩估計法估計模型參數，回歸結果詳見表5第（3）列。系統廣義矩估計法需完成兩項檢驗：一是序列相關性檢驗，即驗證估計方程中隨機擾動項不存在序列相關性；二是過度識別檢驗，即確認模型所選工具變量未出現過度識別問題。自相關檢驗可以通過殘差序列相關性檢驗 AR（n） 來判斷，過度識別檢驗可以運用Hansen檢驗來判斷。檢驗結果表明，AR（2） 卡方統計量為1.49，未能通過 10% 顯著性水平檢驗，表明不存在二階序列相關，即模型內生性問題得以解決。Hansen檢驗卡方統計量為5.64，可在 5% 顯著性水平下接受原假設，工具變量與誤差項不相關，表明模型中所使用的工具變量是有效的。此外，人工智能和制造業高質量發展指數滯后項所對應的回歸系數均顯著大于零。人工智能發展水平每提升 1% ，制造業高質量發展指數會相應提高約0.0123個單位，表明人工智能對制造業高質量發展具有顯著的促進作用。這一結論與基準回歸結果相互印證，再次表明基準回歸結果是穩健的。

（四）多維效應檢驗

本文將國際專利分類編碼與人工智能產業分類進行全面直接對照，從人工智能產業鏈的技術層、應用層和平臺層三個維度分類統計人工智能專利申請數量，以此表征人工智能細分領域發展水平，進而探討其驅動制造業高質量發展的多維效應，回歸結果詳見表6第（1）列至第（3）列。

人工智能技術層變量lnait的回歸系數為0.0108，通過 5% 顯著性水平檢驗，表明人工智能基礎軟件與核心技術的突破，顯著推動制造業高質量發展。人工智能應用層變量lnaiy的回歸系數雖為0.0085，但未能通過 10% 水平的顯著性檢驗，人工智能應用層發展水平的提高未能顯著促進制造業高質量發展。人工智能平臺層變量lnaip 的回歸系數為0.0141，在 5% 水平下顯著為正，其回歸系數略大于變量Inaiy的回歸系數。相比之下，人工智能平臺層發展水平提升所帶來的正向促進作用更加明顯。技術層和平臺層變量的回歸系數顯著為正，應用層變量的回歸系數雖為正數，但未能通過顯著性檢驗。可能的解釋是：第一，人工智能技術層是人工智能發展的基石，主要包括算法優化、芯片設計、操作系統開發等內容，這些領域的技術突破能夠有效降低人工智能的應用成本，提高智能系統的性能與可靠性，為制造業高質量發展提供強大的技術支撐。第二，人工智能平臺層作為連接技術與應用的重要橋梁，通過搭建數據處理、模型訓練、應用開發等一站式服務平臺，有效降低中小型企業應用人工智能的門檻，促進人工智能與產業的深度融合，加速人工智能技術在制造業中的普及與應用，推動產業鏈上下游的協同創新，對制造業高質量發展也具有顯著促進效應。第三，人工智能應用層直接關聯到智能消費相關設備制造及應用軟件開發等行業，其發展雖對提升制造業智能化水平有積極作用，但受限于技術落地難度、市場需求匹配度及用戶習慣培養等因素，人工智能對制造業高質量發展的促進作用尚未充分顯現，后續隨著智能制造產品應用場景與商業模式不斷完善，人工智能應用層的促進效應可能會逐步顯現。

表6人工智能不同細分領域異質性檢驗結果

（五）異質性檢驗

1.分區域異質性檢驗

本文根據2011年6月13日國家統計局關于經濟地域的界定，把總體分為東部、中部、西部和東北四個子樣本進行分組回歸，檢驗人工智能對制造業高質量發展的差異化影響效應，結果詳見表7第（1）列至第（4）列?？傮w而言，子樣本回歸模型中人工智能的回歸系數具有顯著的區域差異，東部、中部及東北三個地區的回歸系數在10% 水平下顯著為正，人工智能對制造業高質量發展具有促進作用，而西部地區的回歸系數為負數但不顯著。人工智能對制造業高質量的影響效應呈現顯著的區域異質性，可能的原因是各區域在經濟基礎、產業體系、政策環境、技術與人才儲備等方面存在差異。東部地區憑借其雄厚的經濟基礎和完善的產業體系，為人工智能技術的快速發展和廣泛應用提供了肥沃土壤，有效地推動了制造業向高端化、智能化、綠色化轉型。東北地區作為老工業基地，傳統制造業轉型升級需求迫切，人工智能技術的快速發展為其提供了新的動力。中部地區則依托其完善的制造業體系和區域協同優勢，通過引人人工智能技術實現技術升級和生產效率提升;同時加強與東部地區的交流合作，借鑒先進經驗和技術成果，促進人工智能與制造業深度融合。然而，西部地區經濟基礎相對薄弱，產業體系不完善，其制造業在結構和技術水平上可能尚未達到能夠充分吸納并有效利用人工智能技術的階段。此外，考慮到東部地區人工智能發展水平整體領先于其他三個地區，中部、西部和東北部地區人工智能發展水平的區域間差異相對較小。本文將總體劃分為東部地區和非東部地區兩個子樣本進行回歸分析，如表7第（5）列所示，實證結果再次表明人工智能對制造業高質量發展的影響效應呈現顯著的區域異質性。

表7區域異質性檢驗結果

2.制造業高質量發展分維度檢驗

為進一步探討人工智能對制造業高質量發展分維度影響的具體效應，本文運用熵權法測算制造業高質量發展“高端化、綠色化、智能化”維度的分指數，并將其作為被解釋變量對基準模型進行回歸分析。如表8第（1）列至第（3）列所示，人工智能對制造業高質量發展三大維度分指數的回歸系數具有結構異質性。高端化和智能化分維度下人工智能的回歸系數顯著為正，然而綠色化分維度下人工智能的回歸系數顯著為負。表8第（1）列展示了高端化維度的檢驗結果，人工智能的回歸系數為0.0224，顯著高于基準回歸模型的0.0112，且通過 1% 水平的顯著性檢驗，表明人工智能顯著推動制造業高端化。表8第（2）列顯示了智能化維度的檢驗結果，人工智能的回歸系數為0.0131，略低于高端化維度的系數，也通過了10% 水平的顯著性檢驗，表明人工智能能夠顯著推動制造業智能化。高端化維度和智能化維度的回歸結果與理論預期相一致。表8第（3）列展示了綠色化維度的檢驗結果，人工智能的回歸系數為-0.0514，且在 1% 水平上顯著為負，表明人工智能能夠顯著降低制造業綠色化發展水平。對此，可能的解釋是：一是技術應用的局限性，盡管人工智能技術在理論上能夠優化生產流程，提高資源使用效率，但若技術實施不當或缺乏配套環保措施時，人工智能可能無法顯著減少污染物的排放，甚至可能因技術更新帶來的額外能耗而增加排放;二是替代效應與轉型陣痛，人工智能的引人可能替代了部分傳統生產方式，然而人工智能賦能效應具有滯后性，在新的智能化生產方式完全成熟并體現出其綠色優勢之前，可能會經歷一段綠色化水平下降的轉型陣痛期。

表8制造業高質量發展分維度異質性檢驗結果

五、作用機制分析

前文假設 H₂ 理論闡釋了人工智能間接推動制造業高質量發展的作用機制。為此，本文構建渠道效應模型，實證檢驗人工智能對制造業高質量發展的作用機制，結果詳見表9第（2）列至第（7）列。

（一）人力資本高級化機制

表9第（2）列至第（3）列匯報了人力資本高級化渠道效應的檢驗結果。如表9第（2）列所示，人工智能的回歸系數為正，且通過 1% 水平的顯著性檢驗，表明人工智能顯著促進人力資本高級化。人工智能發展水平每增加 1% ，人力資本總量提升 0.0450% ，人工智能推動了人力資本的積累和提升。在此基礎上，表9第（3）列同時把人工智能和人力資本高級化兩個變量加入估計模型，其回歸系數分別為0.0101和0.0223。其中，人工智能的回歸系數通過 10% 水平的顯著性檢驗，說明模型即使考慮人力資本高級化渠道變量的影響之外，人工智能對制造業高質量發展仍然具有直接影響效應，這意味了人工智能驅動制造業高質量發展還存在其他變量的傳導路徑。值得注意的是，表9第（1）列基準模型人工智能的回歸系數，顯著大于表9第（3）列渠道效應模型中人工智能的回歸系數，這也從側面驗證了人工智能對制造業高質量發展的影響并非局限于某一種形式，它同時存在著直接效應和間接效應。人力資本高級化的回歸系數不顯著，說明人力資本高級化作為渠道變量并沒有顯著解釋人工智能對制造業高質量發展的影響。對此，可能的解釋有兩個：一是人力資本高級化的時滯性，人力資本高級化對制造業高質量發展的影響可能具有長期性，短期內由于技術更新、人員培訓、組織結構調整等成本的存在，人力資本高級化可能無法立即顯現出其對制造業高質量發展的促進效應。二是經濟結構的復雜性，制造業高質量發展受到多種因素的影響，包括市場需求、政策環境、資源分配等，人力資本高級化可能只是其中之一，可能其影響程度受到控制變量的制約，或被其他更強或更直接的因素所掩蓋了。

表9作用機制檢驗結果

（（二）勞動生產率提高機制

表9第（4）列至第（5）列匯報了勞動生產率提高渠道效應的檢驗結果。如表9第（4）列所示，人工智能的回歸系數為正，且通過 1% 水平的顯著性檢驗，說明人工智能顯著提高勞動生產率。人工智能發展水平每增加1% ，勞動生產率提升0.0328個百分點。在此基礎上，表9第（5）列同時把人工智能和勞動生產率兩個變量加入估計模型，其回歸系數分別為0.0073和0.123。從經濟意義上看，人工智能和勞動生產率與制造業高質量發展之間呈正相關。人工智能的回歸系數未能通過 10% 水平的顯著性檢驗，然而勞動生產率的回歸系數卻通過 1% 水平的顯著性檢驗。換言之，模型控制勞動生產率變量之后，人工智能對制造業高質量發展的直接效應不顯著了，而勞動生產率對制造業高質量發展的影響效應仍然顯著。這表明人工智能本身不直接決定制造業高質量發展水平，人工智能對制造業高質量發展的影響是通過勞動生產率渠道變量完全實現的。勞動生產率存在完全渠道效應的可能解釋是：一方面，人工智能作為一種先進的技術手段，其對制造業的影響往往是間接的，主要通過提高生產效率、優化生產流程、降低成本等方式來提升勞動生產率，進而推動制造業高質量發展;另一方面，勞動生產率是衡量制造業高質量發展水平的重要指標之一，人工智能對制造業高質量發展的促進作用需借助勞動生產率的提高來得以呈現。

（三）消費需求升級機制

表9第（6）列至第（7）列匯報了消費需求升級渠道效應的檢驗結果。在表9第（6）列中，人工智能的回歸系數為負，未能通過 10% 水平顯著性檢驗，表明人工智能對消費需求升級并未產生顯著影響。由于人工智能的回歸系數不顯著，模型無法進一步檢驗人工智能推動消費需求升級進而促進制造業高質量發展的傳導機制。值得注意的是，表9第（7）列人工智能的回歸系數與基準模型人工智能的回歸系數基本一致，均在 10% 的水平下顯著。這表明基準模型增加消費需求升級變量后，人工智能的系數值和顯著性并未發生顯著變化，從側面說明了人工智能不能通過消費需求升級的方式間接推動制造業高質量發展。上述結論可能的原因是：一方面，人工智能在制造業中的應用主要集中在生產環節，主要通過提高生產效率、優化資源配置和降低生產成本等方式推動制造業高質量發展，這種推動作用并未能直接轉化為消費需求升級動力，因為消費需求升級更多依賴于居民收入水平。另一方面，人工智能在消費領域的應用還處于初級階段，尚未形成大規模的市場效應。

六、結論與政策啟示

本文對人工智能推動制造業高質量發展的多維效應及其作用機制展開了實證分析。研究發現：（1）人工智能對制造業高質量發展水平的提升具有顯著作用，且在處理內生性問題以及實施多項穩健性檢驗后，該結論依然穩健;人工智能在驅動制造業高質量發展過程中，其多維效應呈現出明顯的差異化特征，技術層和平臺層變量的系數顯著為正，而應用層變量的系數不顯著。（2）人工智能驅動制造業高質量發展的影響效應存在顯著異質性。一是區域差異性，東部、中部及東北地區人工智能對制造業高質量發展具有顯著促進效應，而西部地區不顯著。二是高質量發展結構異質性，高端化和智能化分維度下人工智能的回歸系數顯著為正，而綠色化分維度下的系數顯著為負。（3）人工智能主要通過提高勞動生產率的方式促進制造業高質量發展，人力資本高級化和消費需求升級的傳導機制不顯著。據此，本文提出如下政策建議：

第一，增強人工智能在制造業領域的滲透與應用程度。一是構建人工智能與制造業深度融合的政策框架，明確融合目標、路徑及階段性任務，為企業智能化轉型提供清晰指引。二是實施“智能制造”示范工程，選取重點行業、龍頭企業開展人工智能應用示范，激發全行業智能化升級的熱情與動力。三是加大財政金融支持力度，設立專項基金，為制造業企業提供低息貸款、風險投資等多元化融資渠道，降低其智能化改造成本。四是優化營商環境，簡化審批流程，降低市場準入門檻，鼓勵更多企業投身于人工智能與制造業的融合創新實踐。

第二，因地制宜推動人工智能與制造業區域協同發展。對于東部、中部及東北地區，應進一步強化人工智能與制造業的深度融合，東部地區應發揮引領作用，打造人工智能與制造業融合創新高地，支持建設世界級先進制造業集群;中部和東北地區則需加快人智能技術引進與消化，利用人工智能賦能傳統產業轉型升級;西部地區應加大政策傾斜力度，通過設立專項基金、稅收優惠等措施，鼓勵企業引入人工智能技術，提升智能制造水平。

第三，精準施策推動人工智能細分領域高質量發展。首先，重點扶持人工智能技術層和平臺層的發展，加大對核心算法、芯片、操作系統等關鍵技術的研發投入，推動核心技術突破與平臺體系建設，構建自主可控的人工智能產業生態。其次，針對應用層發展尚不充分和促進效應不顯著的現狀，應強化政策引導與市場培育，通過示范項目、應用場景的打造，加速應用層技術的成熟與普及，同時鼓勵企業積極探索人工智能與制造業融合的新模式、新業態，激發應用層創新活力。最后，建立跨層級的協同機制，促進技術層、平臺層與應用層之間的有機銜接與互動，形成人工智能賦能制造業高質量發展的良性循環，確保各層級技術的協同發展與綜合效能的最大化。

第四，充分發揮勞動生產率對制造業高質量發展的作用。一是優化政策環境，為采用人工智能技術的企業提供稅收減免和研發補貼。二是建立人工智能與制造業融合的創新示范區，集中展示并推廣高效自動化生產線、智能工廠等成功案例，引導傳統制造業轉型升級，同時提供技術咨詢、診斷服務，幫助企業精準識別并實施勞動生產率提升方案。三是強化人才支撐體系，鼓勵企業開展內部培訓，提升員工對智能技術的適應與應用能力，特別是要加強高技能人才和復合型人才的培養與引進。四是推動跨行業協作，建立人工智能與制造業交流平臺，促進技術、經驗共享，加速人工智能技術向更多細分領域滲透。

參考文獻：

[1]裴長洪，劉洪愧.構建新發展格局科學內涵研究[J].中國工業經濟，2021（6）：5－22.

[2]郭凱明.人工智能發展、產業結構轉型升級與勞動收入份額變動[J].管理世界，2019（7） ：60-77+202-203

[3]路瑋孝，孟夏.工業機器人應用、就業市場結構調整與服務貿易發展[J].國際經貿探索，2021（9）：4－20.

[4]姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業生產效率？——基于勞動力技能結構調整的視角[J].管理世界，2024（2）：101－116+133+117-122 業

[5]曹偉，馮穎姣，余晨陽，等.人民幣匯率變動、企業創新與制造業全要素生產率[J].經濟研究，2022（3）：65－82.

[6]曲立，王璐，季桓永.中國區域制造業高質量發展測度分析[J].數量經濟技術經濟研究，2021（9）：45-61.

[7]唐曉華，遲子茗.工業智能化對制造業高質量發展的影響研究[J].當代財經，2021（5）：102－114.

[8]程文.人工智能、索洛悖論與高質量發展：通用目的技術擴散的視角［J].經濟研究，2021（10）： 22-38

[9]肖旭，戚聿東.產業數字化轉型的價值維度與理論邏輯[J].改革，2019（8）：61－70.

[10]師博.人工智能促進新時代中國經濟結構轉型升級的路徑選擇[J].西北大學學報（哲學社會科學版），2019（5）：14－20.

[11]何玉梅，趙欣灝.新型數字基礎設施能夠推動產業結構升級嗎——來自中國272個地級市的經驗證據[J].科技進步與對策，2021（17）：79-86.

[12]戴魁早，吳婷莉，潘愛民.人工智能與工業結構升級[J].暨南學報（哲學社會科學版），2022（10）：17－35.

[13]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（10）：24－44.

[責任編輯：楊志輝]

Abstract：Asubvsiigialtcholortalintellgeecamporanteitorigualiteotf manufacturingidustryifrentfrotepreviousomprehensieeasuremetperspctivethispaprclasifs939，Opatetalicationdataofartfialiteligeneiafrot2froeemesiosdustrialintchololyeplicaiol platformla，sostosctoeexplaatoyvabsndpcallesttulti-mesioaletandehaffiiali tellgencedivigthgqualitveloptfaufactuingiustyisoudattesuctualdieesi sionalectsoftiellgaitvelotfcustsofs ogylayerandplatfolaeraresignificantlyposie，hileteoefcientsofrblesinapplicationlayeeotsignificantHegi tytestosaessooftialieiiicalyoirdtelliisof manfacturig，ilsstotiellgeisiatlidremesal actionmechanismsowstatartificialintellgenceainlypromotestheg-qualitydvelopmentofmanufacturingindustrybyproving laborproductityandthetransmsionmehansmofhumancapitalupgadingadcosurdemandupgadingisotsigiicantAcod ingly，thisparpuadolicugeosfrofoupets：regniradliatiooftialieic manufacturingiusrtigioalopatotalitellgedafacugdustromotieopmentof artficial intellgencesegmentation，and givingplatotheoleoflaborproductivityinpromoting manufacturingindustry.

KeyWords：rtialintellgee;gualitvelopt；mafactuigdu；elct；mafactuigohi vation；intelligent manufacturing