鄭江淮 冉 征

一、引言

德國提出“工業(yè)4.0”概念以來(1)2013年4月，德國政府在漢諾威工業(yè)博覽會(huì)上正式公布《德國工業(yè)4.0戰(zhàn)略計(jì)劃實(shí)施建議》。，基于物聯(lián)網(wǎng)的自動(dòng)化智能生產(chǎn)成為先進(jìn)制造業(yè)的發(fā)展藍(lán)圖，也是“中國制造2025”的主攻方向。在一系列政策的引導(dǎo)下(2)如《機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃(2016—2020 年)》《智能制造發(fā)展規(guī)劃(2016—2020 年)》《關(guān)于促進(jìn)機(jī)器人產(chǎn)業(yè)健康發(fā)展的通知》等。，中國工業(yè)機(jī)器人存量步入世界前列，人工智能產(chǎn)業(yè)發(fā)展迅速、規(guī)模不斷擴(kuò)大(3)數(shù)據(jù)來源：國際機(jī)器人聯(lián)合會(huì)(IFR)；德勤：《中國人工智能產(chǎn)業(yè)白皮書》。。然而，不同行業(yè)的智能化水平仍存在較大差距，智能化設(shè)備的使用主要集中在計(jì)算機(jī)和電子、電氣設(shè)備、運(yùn)輸設(shè)備、家具生產(chǎn)等制造業(yè)部門，較少涉及服務(wù)業(yè)。(4)F.Calvino,C.Criscuolo,L.Marcolin,and M.Squicciarini.“A Taxonomy of Digital Intensive Sectors”.OECD Science,Technology and Industry Working Paper No.14,2018.近年來，智能制造逐漸向運(yùn)輸設(shè)備、醫(yī)療、生物等非傳統(tǒng)領(lǐng)域擴(kuò)散，這主要源于20世紀(jì) 90 年代以來信息存儲(chǔ)管理、互聯(lián)網(wǎng)和人工智能等基礎(chǔ)理論與核心技術(shù)的高速發(fā)展。(5)D.Autor，F(xiàn).Levy，and R.J.Murnane.“The Skill Content of Recent Technological Change:An Empirical Exploration”.Quarterly Journal of Economics，2003，118(4)：1279-1333.智能制造的基本范式正在從以互聯(lián)網(wǎng)為基礎(chǔ)的網(wǎng)絡(luò)化階段轉(zhuǎn)向以人工智能等一系列技術(shù)創(chuàng)新為基礎(chǔ)的新智能化階段。(6)J.Zhou，P.Li，Y.Zhou，B.Wang，and L.Meng.“Toward New-Generation Intelligent Manufacturing”.Engineering 2018,4(4):11-20.要把握智能制造未來的發(fā)展方向、提前制定智能化高速發(fā)展下的產(chǎn)業(yè)政策，必須準(zhǔn)確評(píng)估智能制造技術(shù)創(chuàng)新水平，厘清智能制造技術(shù)創(chuàng)新對(duì)于產(chǎn)業(yè)結(jié)構(gòu)、生產(chǎn)率等一系列經(jīng)濟(jì)指標(biāo)的影響機(jī)制。

智能制造(Intelligent Manufacturing，IM)又被稱為制造業(yè)智能化，是指基于新一代信息通信技術(shù)與先進(jìn)制造技術(shù)的深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能的新型生產(chǎn)方式。與人工生產(chǎn)相比，智能制造有著高生產(chǎn)率、高質(zhì)量、低成本等優(yōu)勢(shì)。因此，智能制造的廣泛運(yùn)用必然會(huì)對(duì)生產(chǎn)方式、商業(yè)模式以及勞動(dòng)力結(jié)構(gòu)產(chǎn)生沖擊。(7)C.A.Keisner，J.Raffo，and S.Wunsch-Vincent.“Breakthrough Technologies—Robotics,Innovation and Intellectual Property”.WIPO Economic Research Working Paper,2015.

現(xiàn)有對(duì)智能制造的研究主要集中在智能化生產(chǎn)的就業(yè)破壞效應(yīng)和就業(yè)創(chuàng)造效應(yīng)(8)L.Karabarbounis，and N.Brent.“The Global Decline of the Labor Share”.Quarterly Journal of Economics，2014，129(1):61-103；E.Oberfield，and R.Devesh.“Micro Data and Macro Technology”.NBER Working Paper No.2045，2014；G.Graetz，and M.Guy.“Robots at Work”.Review of Economics and Statistics，2018，100(5)：753-768；D.Acemoglu，and P.Restrepo.“Robots and Jobs：Evidence from U.S.Labor Markets”.Journal of Political Economy，2020，128(6):2188-2244.，模型大多假定智能制造技術(shù)替代了低技術(shù)產(chǎn)業(yè)的勞動(dòng)力，被替代的勞動(dòng)力可以直接轉(zhuǎn)移至高技術(shù)新產(chǎn)品的生產(chǎn)中(9)郭凱明：《人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)與勞動(dòng)收入份額變動(dòng)》，載《管理世界》，2019(7)；陳彥斌、林晨、陳小亮：《人工智能、老齡化與經(jīng)濟(jì)增長》，載《經(jīng)濟(jì)研究》，2019(7)；D.Acemoglu，and P.Restrepo.“The Race between Man and Machine:Implications of Technology for Growth，F(xiàn)actor Shares，and Employment”.American Economic Review，2018，108(6)：1488-1542。，這暗含著一個(gè)無摩擦的技能提升與匹配過程?？紤]到再就業(yè)需要重新匹配及技術(shù)性失業(yè)的影響，上述模型可能高估智能制造的經(jīng)濟(jì)效益。此外，由于不同產(chǎn)業(yè)的智能化潛力存在差異，智能制造所產(chǎn)生的效應(yīng)需要置于由可智能化產(chǎn)業(yè)與難以智能化產(chǎn)業(yè)構(gòu)成的一般均衡框架中去分析。

中國制造業(yè)已經(jīng)表現(xiàn)出明顯的智能制造深化趨勢(shì)。國內(nèi)學(xué)者對(duì)測(cè)度智能制造水平進(jìn)行了積極嘗試，由于無法精確統(tǒng)計(jì)智能化設(shè)備數(shù)量，只能通過滲透度等指標(biāo)對(duì)工業(yè)機(jī)器人數(shù)量或者其他代理變量進(jìn)行近似估算。隨著智能制造范式的調(diào)整，相較于傳統(tǒng)智能化設(shè)備的使用，智能制造技術(shù)創(chuàng)新顯得更加重要，但較少有研究涉及中國各地區(qū)智能制造技術(shù)水平的測(cè)度以及可能產(chǎn)生的經(jīng)濟(jì)效應(yīng)。

本文研究的主要內(nèi)容是：(1)鑒于目前智能制造技術(shù)主要針對(duì)制造業(yè)，本文模型設(shè)計(jì)了可智能化的制造業(yè)部門和無智能化的服務(wù)業(yè)部門，技術(shù)進(jìn)步只影響制造業(yè)部門的生產(chǎn)模式，服務(wù)業(yè)部門依靠勞動(dòng)力和資本的投入直接產(chǎn)出，可以合理接收被智能制造替代的勞動(dòng)力。(2)通過專利數(shù)據(jù)的篩選測(cè)算地區(qū)層面的智能制造技術(shù)創(chuàng)新水平。專利數(shù)據(jù)提供了每項(xiàng)專利的申請(qǐng)(授權(quán))年份、申請(qǐng)人地址、專利分類號(hào)、中英文描述等信息。本文使用文本分析法識(shí)別出智能制造技術(shù)的相關(guān)專利，嘗試解決智能化水平難以精確統(tǒng)計(jì)的問題，從技術(shù)創(chuàng)新角度豐富了國內(nèi)智能制造領(lǐng)域的經(jīng)驗(yàn)性研究。

本文剩余部分的安排如下：第二部分梳理相關(guān)文獻(xiàn)；第三部分構(gòu)造理論模型對(duì)智能制造技術(shù)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)進(jìn)行歸納；第四部分介紹對(duì)于智能制造專利的篩選過程；第五、六部分進(jìn)行實(shí)證研究，并展開進(jìn)一步分析；第七部分進(jìn)行總結(jié)并提出政策建議。

二、文獻(xiàn)梳理

智能制造是對(duì)于一系列信息化、自動(dòng)化概念的總結(jié)，文獻(xiàn)中常見的人工智能、工業(yè)機(jī)器人都是智能制造在生產(chǎn)中的體現(xiàn)。智能制造技術(shù)造成廣泛失業(yè)的觀點(diǎn)可以追溯到20世紀(jì)，Keynes預(yù)言20世紀(jì)以來新技術(shù)的引入將使人均收入穩(wěn)步增長，同時(shí)他也預(yù)測(cè)，隨著機(jī)器替代人工，這將造成廣泛的技術(shù)失業(yè)。(10)J.Keynes.“Economic Possibilities for Our Grandchildren”.In Essays in Persuasion.New York:Norton & Co，1930.智能制造對(duì)于勞動(dòng)力的替代作用在很長一段時(shí)間里受到學(xué)者的廣泛認(rèn)同，Autor 等通過引入“任務(wù)模型”分析勞動(dòng)力和計(jì)算機(jī)化生產(chǎn)在不同工作中的比較優(yōu)勢(shì)，指出智能化技術(shù)的進(jìn)步可以削弱勞動(dòng)力在原有優(yōu)勢(shì)領(lǐng)域的地位，進(jìn)而產(chǎn)生就業(yè)破壞。(11)D.Autor,F.Levy,and R.J.Murnane.“The Skill Content of Recent Technological Change: An Empirical Exploration”.Quarterly Journal of Economics，2003，118(4)：1279-1333.一些研究也證明智能制造技術(shù)確實(shí)替代了相當(dāng)一部分勞動(dòng)力。Graetz等證明工業(yè)機(jī)器人會(huì)減少低技能工人的就業(yè)。(12)⑩ G.Graetz，and M.Guy.“Robots at Work”.Review of Economics and Statistics，2018，100(5)：753-768.Frey & Osborne認(rèn)為接近一半現(xiàn)有工作崗位將會(huì)受到工業(yè)機(jī)器人的沖擊。(13)C.B.Frey，and M.Osborne.“The Future of Employment： How Susceptible Are Jobs to Computerisation”.Technological Forecasting and Social Change，2017，114(1)：254-280.Acemoglu & Restrepo證明，1990年后的勞動(dòng)力市場(chǎng)受到機(jī)器人使用的強(qiáng)烈沖擊 ，1993—2007年機(jī)器人庫存的增加(每千名工人中大約增加了一個(gè)新機(jī)器人)使地區(qū)的就業(yè)人口比率降低了0.37%，同時(shí)使平均工資水平降低了0.73%。在機(jī)器人應(yīng)用最廣泛的地區(qū)，從1990年到2007年就業(yè)和工資均顯著下降，而機(jī)器人應(yīng)用程度較低的地區(qū)則沒有這種趨勢(shì)。(14)

近年來，對(duì)于智能制造勞動(dòng)力破壞效應(yīng)的研究逐漸轉(zhuǎn)為對(duì)勞動(dòng)力結(jié)構(gòu)調(diào)整的影響研究。Acemoglu & Restrepo指出人類勞動(dòng)與馬勞動(dòng)的區(qū)別在于，人類在新的和更復(fù)雜的任務(wù)中具有相對(duì)優(yōu)勢(shì)。(15)D.Acemoglu,and P.Restrepo.“Robots and Jobs: Evidence from US Labor Markets”.Journal of Political Economy，2020，128(6):2188-2244.第三部分也參考該文獻(xiàn)，受篇幅限制，后文不贅述。如果這種比較優(yōu)勢(shì)顯著并且繼續(xù)創(chuàng)造新的任務(wù)，則即使面對(duì)快速的自動(dòng)化，就業(yè)和勞動(dòng)份額也可以保持穩(wěn)定。具體來說，目前的工業(yè)機(jī)器人(智能制造技術(shù))還處于智能替代重復(fù)勞動(dòng)的階段，人力的優(yōu)勢(shì)在于可以處理智能制造技術(shù)不能處理的更“復(fù)雜”的技術(shù)。因此，作者認(rèn)為以AI為代表的智能化改造只會(huì)擠出低端生產(chǎn)領(lǐng)域的勞動(dòng)力。另一方面，其他技術(shù)的創(chuàng)新，即非智能制造技術(shù)，可以增加生產(chǎn)活動(dòng)的可能性，通過新的“生產(chǎn)活動(dòng)”創(chuàng)造新的制造業(yè)就業(yè)崗位，將勞動(dòng)力保留在制造業(yè)。實(shí)證層面，Bessen等對(duì)美國勞動(dòng)力數(shù)據(jù)進(jìn)行研究發(fā)現(xiàn)，自動(dòng)化和機(jī)器人的應(yīng)用在降低制造業(yè)就業(yè)的同時(shí)，也提高非制造業(yè)就業(yè)，即將制造業(yè)的勞動(dòng)力擠入非制造業(yè)。(16)J.E.Bessen，M.Goos，A.Salomons，and W.V.Berge.“Automatic Reaction-What Happens to Workers at Firms that Automate”.SSRN Working Paper，2019.Dauth等基于德國數(shù)據(jù)也發(fā)現(xiàn)了類似現(xiàn)象。(17)W.Dauth，S.Findeisen，J.Suedekum，and N.Woessner.“Adjusting to Robots:Worker-Level Evidence”.Opportunity & Inclusive Growth Institute Working Paper No.13,2018.Cheng等基于中國企業(yè)層面數(shù)據(jù)的研究發(fā)現(xiàn)，不同行業(yè)對(duì)機(jī)器人的使用強(qiáng)度存在明顯差異，就業(yè)規(guī)模越大和資本勞動(dòng)比越高的企業(yè)，應(yīng)用機(jī)器人的程度也越高，而這些現(xiàn)象在發(fā)達(dá)國家也同樣存在，進(jìn)一步說明行業(yè)生產(chǎn)特征對(duì)機(jī)器人應(yīng)用有著重要影響。(18)H.Cheng，R.X.Jia，D.D.Li，and H.B.Li.“The Rise of Robots in China”.Journal of Economic Perspectives，2019，33(3)：71-88.

此外，一些學(xué)者針對(duì)智能制造是否提升生產(chǎn)率進(jìn)行研究。Graetz等基于不同國家不同行業(yè)的機(jī)器人使用差異，證明工業(yè)機(jī)器人會(huì)減少低技能勞動(dòng)力的就業(yè)，但是可以提高生產(chǎn)率和工資。⑩Keisner等指出高收入國家組織積極開發(fā)智能制造技術(shù)，可以防止將制造轉(zhuǎn)移到離岸地點(diǎn)并保留其競爭優(yōu)勢(shì)，因?yàn)橹圃鞓I(yè)智能化可以提高生產(chǎn)率、提升質(zhì)量、降低成本、追求新穎的商業(yè)模式。(19)C.Keisner,S.Wunsch-Vincent,and J.Raffo.“Breakthrough Technologies—Robotics,Innovation and Intellectual Property”.WIPO Economic Research Working Paper,2015.

國內(nèi)學(xué)者也進(jìn)行了一些理論研究，如：郭凱明指出人工智能對(duì)于產(chǎn)業(yè)結(jié)構(gòu)和報(bào)酬分配的影響并不固定，而是取決于部門間以及生產(chǎn)方式之間的產(chǎn)出彈性；陳彥斌等從人工智能如何抵御老齡化沖擊的視角，分析了技術(shù)進(jìn)步對(duì)于資本積累和全要素生產(chǎn)率的影響。(20)郭凱明：《人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)與勞動(dòng)收入份額變動(dòng)》，載《管理世界》，2019(7)；陳彥斌、林晨、陳小亮：《人工智能、老齡化與經(jīng)濟(jì)增長》，載《經(jīng)濟(jì)研究》，2019(7)。此外，國內(nèi)學(xué)者從技術(shù)特性出發(fā)擴(kuò)展了人工智能等新型技術(shù)的經(jīng)濟(jì)內(nèi)涵，如：郭凱明等將人工智能等領(lǐng)域的投資定義為新型基礎(chǔ)設(shè)施投資，從基礎(chǔ)設(shè)施投資的角度研究人工智能等技術(shù)如何促進(jìn)資本密集型產(chǎn)業(yè)對(duì)勞動(dòng)密集型產(chǎn)業(yè)的替代(21)郭凱明、潘珊、顏色：《新型基礎(chǔ)設(shè)施投資與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)》，載《中國工業(yè)經(jīng)濟(jì)》，2020(3)。；郭凱明和羅敏進(jìn)一步證明，產(chǎn)業(yè)內(nèi)部的有偏技術(shù)進(jìn)步是造成技能密集度差異、收入差距和產(chǎn)業(yè)結(jié)構(gòu)變化的主要原因(22)郭凱明、羅敏：《有偏技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型與工資收入差距》，載《中國工業(yè)經(jīng)濟(jì)》，2021(3)。。

實(shí)證研究層面，由于中國關(guān)于智能制造的統(tǒng)計(jì)數(shù)據(jù)相對(duì)匱乏，國內(nèi)學(xué)者通過各種方法對(duì)中國各地區(qū)的智能化水平進(jìn)行估算。孫早和侯玉琳以軟件普及和應(yīng)用情況、智能制造企業(yè)情況和工業(yè)企業(yè)創(chuàng)新能力等10項(xiàng)細(xì)化指標(biāo)測(cè)度工業(yè)智能化水平。(23)孫早、侯玉琳：《工業(yè)智能化如何重塑勞動(dòng)力就業(yè)結(jié)構(gòu)》，載《中國工業(yè)經(jīng)濟(jì)》，2019(5)?？赘呶牡壤弥袊唐焚Q(mào)易數(shù)據(jù)庫、國際工業(yè)機(jī)器人統(tǒng)計(jì)數(shù)據(jù)，測(cè)算了不同地區(qū)每年進(jìn)口機(jī)器人的近似規(guī)模數(shù)，考察機(jī)器人應(yīng)用對(duì)中國勞動(dòng)力市場(chǎng)的影響。(24)孔高文、劉莎莎、孔東民：《機(jī)器人與就業(yè)——基于行業(yè)與地區(qū)異質(zhì)性的探索性分析》，載《中國工業(yè)經(jīng)濟(jì)》，2020(8)。楊飛和范從來運(yùn)用世界投入產(chǎn)出表，以全球計(jì)算機(jī)制造業(yè)和信息服務(wù)業(yè)投入到中國每個(gè)行業(yè)的中間投入占增加值的比重作為產(chǎn)業(yè)智能化的代理指標(biāo)，研究產(chǎn)業(yè)智能化對(duì)于益貧式發(fā)展的影響。(25)楊飛、范從來：《產(chǎn)業(yè)智能化是否有利于中國益貧式發(fā)展》，載《經(jīng)濟(jì)研究》，2020(5)。王永欽和董雯以企業(yè)員工數(shù)量與行業(yè)員工數(shù)量中位數(shù)之比為權(quán)重，從產(chǎn)業(yè)層面的工業(yè)機(jī)器人滲透度入手估算企業(yè)層面的工業(yè)機(jī)器人滲透度。(26)王永欽、董雯：《機(jī)器人的興起如何影響中國勞動(dòng)力市場(chǎng)?——來自制造業(yè)上市公司的證據(jù)》，載《經(jīng)濟(jì)研究》，2020(10)。韓民春和喬剛用工業(yè)機(jī)器人進(jìn)口額表示工業(yè)機(jī)器人使用量，對(duì)工業(yè)機(jī)器人的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)進(jìn)行分析。(27)韓民春、喬剛：《工業(yè)機(jī)器人對(duì)制造業(yè)勞動(dòng)力就業(yè)的結(jié)構(gòu)性影響與地區(qū)差異》，載《產(chǎn)經(jīng)評(píng)論》，2020(3)。

綜上所述，國外學(xué)者對(duì)于智能制造如何重塑經(jīng)濟(jì)結(jié)構(gòu)的研究多以歐美發(fā)達(dá)國家為樣本，來自中國的證據(jù)相對(duì)匱乏，究其原因在于智能制造相關(guān)數(shù)據(jù)的缺失。國際機(jī)器人聯(lián)合會(huì)(IFR)的機(jī)器人數(shù)據(jù)雖然被廣泛應(yīng)用，但是仍不能精確描述中國現(xiàn)狀，尤其是中國各地區(qū)的發(fā)展差異。為此，本文首先構(gòu)造了一個(gè)兩部門均衡模型，分析智能制造技術(shù)創(chuàng)新對(duì)于產(chǎn)業(yè)結(jié)構(gòu)和生產(chǎn)率的影響；其次，基于技術(shù)進(jìn)步視角，通過專利數(shù)據(jù)構(gòu)造反映地區(qū)智能制造技術(shù)創(chuàng)新水平的指標(biāo)，對(duì)理論模型進(jìn)行驗(yàn)證。

三、基于技術(shù)進(jìn)步視角的兩部門模型闡釋

隨著智能制造技術(shù)進(jìn)步，越來越多的生產(chǎn)領(lǐng)域出現(xiàn)“機(jī)器換人”的現(xiàn)象，外在表現(xiàn)為資本對(duì)于勞動(dòng)的替代。Acemoglu & Restrepo構(gòu)建智能化生產(chǎn)模型，將所有的生產(chǎn)活動(dòng)都規(guī)定在一個(gè)連續(xù)的任務(wù)模型之內(nèi)，新的、更復(fù)雜的任務(wù)取代最低端的任務(wù)，較簡單的任務(wù)可以接受智能化改造。該框架假定低技術(shù)產(chǎn)業(yè)中被智能制造技術(shù)應(yīng)用替代的勞動(dòng)力直接轉(zhuǎn)移至高技術(shù)新產(chǎn)品的生產(chǎn)中，忽視了可能存在的技術(shù)性失業(yè)或進(jìn)入其他行業(yè)引發(fā)的產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)。然而，不同行業(yè)接受智能化改造的潛力是不同的，服務(wù)業(yè)受本身特性所限很難出現(xiàn)大規(guī)模智能化。

本文構(gòu)建了一個(gè)由制造業(yè)與服務(wù)業(yè)組成的兩部門框架，將Acemoglu & Restrepo的任務(wù)模型應(yīng)用于制造業(yè)部門，被智能制造替代的勞動(dòng)力向服務(wù)業(yè)轉(zhuǎn)移，產(chǎn)品創(chuàng)新所催生的新崗位也可以從服務(wù)業(yè)部門吸納勞動(dòng)力，服務(wù)業(yè)部門的生產(chǎn)函數(shù)由勞動(dòng)力和資本構(gòu)成。(28)受篇幅所限，模型部分一些具體推導(dǎo)過程省略，感興趣的讀者可向作者索取。

(一)模型設(shè)定

消費(fèi)者需求用一個(gè)具有代表性的家庭刻畫，代表性家庭的瞬時(shí)效用由物品消費(fèi)和服務(wù)消費(fèi)共同決定，用CES函數(shù)表示如下：

(1)

其中，η表示兩部門產(chǎn)品之間的需求替代彈性，λ表示兩部門產(chǎn)品所占份額，C1和C2分別代表家庭用于物品和服務(wù)的支出。家庭通過勞動(dòng)獲取工資，也可以通過投資獲取利潤，并將全部收入用于購買物品或服務(wù)，預(yù)算約束條件為：

P1C1+P2C2≤WL+RK

(2)

其中，L代表勞動(dòng)力，K代表資本，P代表消費(fèi)品價(jià)格，W代表工資，R代表利率。在約束條件下求解效用最大化可以得到：

(3)

市場(chǎng)上的物品由制造業(yè)部門生產(chǎn)，服務(wù)由服務(wù)業(yè)部門提供。制造業(yè)部門的生產(chǎn)函數(shù)Y1由一系列中間投入組成，服務(wù)業(yè)部門的生產(chǎn)函數(shù)Y2由資本和勞動(dòng)力構(gòu)成。具體的生產(chǎn)函數(shù)如下：

(4)

(5)

(二)智能制造技術(shù)進(jìn)步

智能制造技術(shù)進(jìn)步是指智能制造技術(shù)前沿的進(jìn)步。借鑒Acemoglu & Restrepo的思路，人力可以完成所有的中間投入，而智能制造技術(shù)只能在一定程度上替代人力勞動(dòng)，這種替代只能發(fā)生在較為簡單的中間投入中。智能制造技術(shù)進(jìn)步意味著智能制造技術(shù)可以勝任更復(fù)雜的中間投入生產(chǎn)工作，替代原有勞動(dòng)力。

對(duì)于制造業(yè)部門，每項(xiàng)中間投入的生產(chǎn)需要投入勞動(dòng)力或資本，勞動(dòng)力和資本可以相互替代。智能制造技術(shù)可能應(yīng)用的中間投入環(huán)節(jié)區(qū)間為I∈[N-1，N]，假設(shè)i≤I部分中間投入在技術(shù)上是可智能化的，即可以用資本替代勞動(dòng)力進(jìn)行生產(chǎn)，i>I部分中間投入不可智能化，必須用人工來完成。如果使用勞動(dòng)力進(jìn)行生產(chǎn)，中間投入生產(chǎn)函數(shù)為y(i)=γ(i)l(i)，其中：γ(i)表示勞動(dòng)力在i中間投入中的生產(chǎn)率，滿足γ(i)>0,γ′(i)>0。如果使用機(jī)器進(jìn)行生產(chǎn)，生產(chǎn)函數(shù)為y(i)=k(i)。

除了技術(shù)約束，制造業(yè)企業(yè)進(jìn)行智能化改造還面臨成本決策。在競爭性均衡下，中間投入價(jià)格p(i)將等于生產(chǎn)的最低單位成本：

(6)

(7)

綜合式(2)、(6)、(7)，可以得到制造業(yè)部門的勞動(dòng)力和資本份額：

(8)

(9)

同理，可以得到服務(wù)業(yè)部門的勞動(dòng)力份額和資本份額：

(10)

(11)

在均衡條件下，市場(chǎng)出清包括要素市場(chǎng)出清和產(chǎn)品市場(chǎng)出清：

L=L1+L2

(12)

K=K1+K2

(13)

Y1=C1，Y2=C2

(14)

(15)

均衡狀態(tài)下的各內(nèi)生變量由式(3)、(8)～(15)共同決定。

(三)智能制造技術(shù)進(jìn)步對(duì)產(chǎn)業(yè)結(jié)構(gòu)的影響

為簡化模型，假設(shè)η=σ=1，將效用函數(shù)和制造業(yè)部門的生產(chǎn)函數(shù)轉(zhuǎn)變?yōu)榭虏肌栏窭股a(chǎn)函數(shù)形式，式(8)、(9)可以寫作：

(16)

(17)

本文關(guān)注智能制造技術(shù)進(jìn)步對(duì)于勞動(dòng)力結(jié)構(gòu)的影響，求ΩL關(guān)于技術(shù)約束參數(shù)I的導(dǎo)數(shù)：

(18)

命題1：(1)在勞動(dòng)力相對(duì)工資水平高于智能制造資本成本的情況下，企業(yè)有動(dòng)機(jī)采用最前沿的智能制造技術(shù)，可供企業(yè)采用的智能制造技術(shù)創(chuàng)新水平越高，擠出制造業(yè)部門勞動(dòng)力就越多；(2)在勞動(dòng)力工資水平低于智能制造資本成本的情況下，即使現(xiàn)有的智能制造技術(shù)創(chuàng)新水平越高，但企業(yè)沒有動(dòng)機(jī)應(yīng)用智能制造技術(shù)，也就不會(huì)對(duì)產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)生影響。

(四)智能制造技術(shù)對(duì)經(jīng)濟(jì)增長的影響

將ΩL和ΩK及假設(shè)條件η=σ=1帶入制造業(yè)部門的生產(chǎn)函數(shù)，并在對(duì)數(shù)條件下對(duì)I*求導(dǎo)可得：

(19)

(20)

其中，M=α(1-λ)+λ(1-n*)>0，只有當(dāng)I*-N+1>α?xí)r，智能制造技術(shù)創(chuàng)新才能提升服務(wù)業(yè)產(chǎn)值增長率。涉及I*和I的關(guān)系與上文類似，不再贅述。結(jié)合命題1的分析，得出如下命題：

命題2：(1)在勞動(dòng)力工資水平低于智能制造資本成本的情況下，即使現(xiàn)有的智能制造技術(shù)創(chuàng)新水平提高，但是企業(yè)沒有動(dòng)力應(yīng)用，就不會(huì)對(duì)經(jīng)濟(jì)增長產(chǎn)生影響。(2)在勞動(dòng)力工資水平高于智能制造資本成本的情況下，企業(yè)應(yīng)用的智能制造技術(shù)創(chuàng)新水平越高，對(duì)經(jīng)濟(jì)增長的作用效果越顯著，作用方向受經(jīng)濟(jì)總體資本密集度和兩部門資本產(chǎn)出彈性影響。如果資本密集度較高，且使用智能制造技術(shù)的制造業(yè)資本產(chǎn)出彈性高于服務(wù)業(yè)資本產(chǎn)出彈性，即資本從制造業(yè)智能制造投資獲得的邊際回報(bào)高于服務(wù)業(yè)，則企業(yè)應(yīng)用智能制造技術(shù)水平越高對(duì)經(jīng)濟(jì)增長提升的促進(jìn)效應(yīng)就越顯著；如果資本密集度和兩部門資本產(chǎn)出彈性不能同時(shí)滿足上述條件，企業(yè)應(yīng)用的智能制造技術(shù)水平提高對(duì)經(jīng)濟(jì)增長的影響則呈現(xiàn)U型效應(yīng)。

四、智能制造專利的識(shí)別方法及現(xiàn)狀

學(xué)界對(duì)于智能制造的具體內(nèi)涵，尤其對(duì)智能制造所涉及的專利技術(shù)還沒有形成統(tǒng)一意見。目前達(dá)成的共識(shí)是智能制造與“工業(yè)機(jī)器人”“人工智能”存在密切關(guān)系。本文將智能制造技術(shù)細(xì)分為AI技術(shù)和機(jī)器人技術(shù)，并用不同的方法進(jìn)行篩選過濾。AI技術(shù)目前還處于概念化階段，缺少直接對(duì)應(yīng)的專利代碼，我們用關(guān)鍵詞來識(shí)別與AI技術(shù)相關(guān)的專利。機(jī)器人技術(shù)有成型的專利分類號(hào)(IPC)，故本文用專利代碼來識(shí)別。

(一)專利識(shí)別

AI技術(shù)相關(guān)專利的識(shí)別問題一直是學(xué)界關(guān)注的焦點(diǎn)，計(jì)算機(jī)協(xié)會(huì)(Association for Computing Machinery)一直致力于AI技術(shù)的跟蹤報(bào)告，并提供了清晰的分析框架。計(jì)算機(jī)協(xié)會(huì)將AI技術(shù)分為三個(gè)主要類別：(1)通用AI技術(shù)(AI techniques)，統(tǒng)計(jì)和數(shù)學(xué)模型的高級(jí)形式，例如機(jī)器學(xué)習(xí)、模糊邏輯和專家系統(tǒng)，允許計(jì)算(通常由人類執(zhí)行的任務(wù))且不同的AI技術(shù)可用作實(shí)現(xiàn)不同AI功能的手段。(2)AI功能應(yīng)用程序(AI functional applications)，可以使用一種或多種AI技術(shù)實(shí)現(xiàn)的功能，例如語音或計(jì)算機(jī)視覺。(3)AI應(yīng)用領(lǐng)域(AI application fields)，AI技術(shù)可能應(yīng)用于不同的領(lǐng)域或?qū)W科，例如交通運(yùn)輸、農(nóng)業(yè)或生命和醫(yī)學(xué)。其中，AI應(yīng)用領(lǐng)域的專利通常具有獨(dú)特目的，不能重新編程以執(zhí)行其他任務(wù)，屬于AI技術(shù)在其他領(lǐng)域中的獨(dú)占性應(yīng)用，與本文的研究對(duì)象差異較大。因此，本文所提取的AI專利主要包括通用AI技術(shù)和AI功能應(yīng)用程序兩個(gè)層面。世界知識(shí)產(chǎn)權(quán)組織(WIPO)在人工智能技術(shù)報(bào)告中詳細(xì)匯報(bào)了AI技術(shù)的關(guān)鍵詞。

需要指出的是，雖然WIPO的關(guān)鍵詞能夠識(shí)別人工智能技術(shù)，但是同一詞匯的含義在不同的語境下可能有一定差別。本文在中文語言環(huán)境下，對(duì)以上兩類關(guān)鍵詞進(jìn)行再識(shí)別。英文關(guān)鍵詞“neural network”可以翻譯為“神經(jīng)網(wǎng)絡(luò)”，也可以翻譯為“神經(jīng)網(wǎng)”，在中文語境下可以分解為“神經(jīng)”和“網(wǎng)絡(luò)”兩個(gè)關(guān)鍵詞分散在專利描述當(dāng)中。根據(jù)以上方法，對(duì)每個(gè)英文關(guān)鍵詞進(jìn)行分解，可以得到一套中文AI技術(shù)關(guān)鍵詞。中國國家知識(shí)產(chǎn)權(quán)局所統(tǒng)計(jì)的專利數(shù)據(jù)包含了中英文雙語摘要，為了確保數(shù)據(jù)的準(zhǔn)確性，本文用英文和中文兩套關(guān)鍵詞對(duì)發(fā)明專利數(shù)據(jù)進(jìn)行識(shí)別，只有當(dāng)一項(xiàng)專利的雙語描述中分別包括AI技術(shù)的中英文關(guān)鍵詞時(shí)，才將其標(biāo)記為AI專利。

機(jī)器人技術(shù)專利代碼的界定較為成熟，此前學(xué)者對(duì)于機(jī)器人專利的研究涉及的專利代碼有較為全面的總結(jié)。(29)UK Intellectual Property Office Informatics Team.“Eight Great Technologies.Robotics and Autonomous Systems.A Patent Overview”.Newport:Intellectual Property Office，2014.為了保證機(jī)器人專利的精確性、通用性，并能夠直接為生產(chǎn)智能化服務(wù)，以及盡量與AI專利保持區(qū)別，本文只針對(duì)B25J、G05B、G06F和G08G1/16四類代碼的專利進(jìn)行分析。

(二)特征事實(shí)

第一，中國的智能制造專利數(shù)量明顯提升。智能制造技術(shù)的專利申請(qǐng)數(shù)在從1995年開始進(jìn)入高速增長時(shí)期，這一趨勢(shì)直到2012年左右才有所放緩?？傮w情況如圖1所示。1985年在華申請(qǐng)的智能制造相關(guān)專利約為650件，2015年在華申請(qǐng)專利數(shù)量超過11萬件。從申請(qǐng)人所屬國家來看，1995年以前，智能制造專利的國內(nèi)申請(qǐng)占比維持在40%以上，并逐年攀升；1995年開始，大量國外申請(qǐng)人涌入中國專利市場(chǎng)，造成國內(nèi)申請(qǐng)占比急速下降，低至1998年的21%；從1999年開始，國內(nèi)申請(qǐng)占比逐漸攀升，即使2001年中國加入WTO后，國外申請(qǐng)人在華申請(qǐng)的智能制造專利數(shù)量快速上升，也并沒有影響這一趨勢(shì)。2006年國內(nèi)申請(qǐng)占比超過50%，2015年國內(nèi)申請(qǐng)占比超過90%。雖然近年來國外申請(qǐng)占比下滑明顯，但是國外申請(qǐng)數(shù)量一直在穩(wěn)步上升，國外專利申請(qǐng)人在中國智能制造技術(shù)進(jìn)步的過程中發(fā)揮了重要作用。

圖1 智能制造專利數(shù)量及增長率

第二，智能制造技術(shù)的發(fā)展存在顯著的地區(qū)差異。從中國各省份智能制造專利分布來看，1995年以前，北京市一直是國內(nèi)智能制造技術(shù)研發(fā)的核心地區(qū)，智能制造專利申請(qǐng)數(shù)遠(yuǎn)高于其他省份。1996年開始，上海市和廣東省的智能制造技術(shù)迅速發(fā)展，成為第二梯隊(duì)，其中廣東省智能制造技術(shù)的發(fā)展尤為迅速，并于2003年超越北京市，成為申請(qǐng)智能制造專利最多的省份，這一優(yōu)勢(shì)一直保持到現(xiàn)在。2008年以后，江蘇、浙江、四川(將重慶市專利數(shù)統(tǒng)計(jì)在內(nèi))、湖北等省份的智能制造專利數(shù)量出現(xiàn)了快速增長，但還無法挑戰(zhàn)北京市和廣東省的領(lǐng)先地位。

五、實(shí)證研究

(一)研究設(shè)計(jì)和變量說明

為了檢驗(yàn)智能制造技術(shù)創(chuàng)新的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)，本文構(gòu)建如下的基準(zhǔn)回歸模型：

L_sndct=β0+β1ln_im_act+∑βX+λarea+λyear+εct

(21)

ln_per_gdpct=β0+β1ln_im_act+∑βX+λarea+λyear+εct

(22)

其中，ln_im_a為主要解釋變量智能制造專利申請(qǐng)數(shù)的對(duì)數(shù)形式；ln_per_gdp為地區(qū)人均GDP的對(duì)數(shù)形式；L_snd為第二產(chǎn)業(yè)勞動(dòng)力占比?？紤]到數(shù)據(jù)的完整性和可得性，控制變量X包括勞動(dòng)力數(shù)量/人均資本存量的對(duì)數(shù)形式(ln_K/L)、政府財(cái)政支出占比(gov)、外商直接投資占比(fdi)、非智能制造專利申請(qǐng)數(shù)(ln_non_im_a)等。人均資本存量通過永續(xù)盤存法計(jì)算，基礎(chǔ)指標(biāo)為地區(qū)每年的真實(shí)投資額，折舊率取15%；政府財(cái)政支出占比為當(dāng)年政府財(cái)政支出與地區(qū)GDP的比值；外商直接投資占比為當(dāng)年外商直接投資總額與地區(qū)GDP的比值。

主要解釋變量ln_im_a通過智能制造的專利數(shù)量反映地區(qū)智能制造技術(shù)創(chuàng)新水平。智能制造專利的識(shí)別基于發(fā)明申請(qǐng)專利文本篩選。被解釋變量包括產(chǎn)業(yè)結(jié)構(gòu)和地區(qū)人均產(chǎn)出。在實(shí)證層面研究產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)，需要按照模型設(shè)定將產(chǎn)業(yè)區(qū)分為兩類。通過研究專利代碼和行業(yè)代碼之間的對(duì)應(yīng)關(guān)系可以發(fā)現(xiàn)，絕大部分專利都屬于第二產(chǎn)業(yè)，智能制造技術(shù)的相關(guān)專利全部屬于第二產(chǎn)業(yè)。因此，實(shí)證部分將第二產(chǎn)業(yè)視作理論模型中的制造業(yè)，以第二產(chǎn)業(yè)的勞動(dòng)力占比代表地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)。

(二)數(shù)據(jù)來源和描述性統(tǒng)計(jì)

專利數(shù)據(jù)來源于國家知識(shí)產(chǎn)權(quán)局的相關(guān)數(shù)據(jù)庫。由于西藏自治區(qū)和海南省的專利數(shù)量遠(yuǎn)少于其他省份，且其他變量的統(tǒng)計(jì)值也存在比較嚴(yán)重的缺失問題，為了保證實(shí)證結(jié)果的穩(wěn)健性剔除這兩個(gè)省份的數(shù)據(jù)。重慶市從1997年開始設(shè)立直轄市，為了便于指標(biāo)測(cè)度、不產(chǎn)生歧義，本文的實(shí)證部分將1997年以后的重慶市數(shù)據(jù)與四川省數(shù)據(jù)合并，與1997年之前的統(tǒng)計(jì)口徑保持一致。其他變量的數(shù)據(jù)主要來源于歷年《中國統(tǒng)計(jì)年鑒》，我們結(jié)合《中國勞動(dòng)統(tǒng)計(jì)年鑒》、全國經(jīng)濟(jì)普查數(shù)據(jù)以及 CSMAR數(shù)據(jù)庫進(jìn)行了補(bǔ)充。

(三)基準(zhǔn)回歸結(jié)果

表1的前三列匯報(bào)了式(21)的基準(zhǔn)回歸結(jié)果，其中列(1)為隨機(jī)效應(yīng)模型，列(2)為固定時(shí)間效應(yīng)的FE模型，列(3)為時(shí)間地區(qū)雙固定的FE模型。通過Hausman檢驗(yàn)，最終選擇時(shí)間地區(qū)雙固定的FE模型作為基準(zhǔn)回歸的主要結(jié)果。在固定時(shí)間效應(yīng)和地區(qū)效應(yīng)，并加入相關(guān)控制變量后，智能制造專利申請(qǐng)數(shù)對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比的回歸系數(shù)為-0.010，且在5%的水平上顯著。這說明在中國背景下，地區(qū)智能制造技術(shù)水平越高，第二產(chǎn)業(yè)的勞動(dòng)力占比越低。表1的后三列匯報(bào)了式(22)的基準(zhǔn)回歸結(jié)果。在時(shí)間地區(qū)雙固定的FE模型中，智能制造專利申請(qǐng)數(shù)對(duì)于人均GDP的回歸系數(shù)為0.037，且在1%的水平上顯著，說明智能制造技術(shù)水平越高，地區(qū)經(jīng)濟(jì)增長水平越高。結(jié)合理論部分，上述結(jié)果總體上說明中國的勞動(dòng)力工資水平較高，制造業(yè)生產(chǎn)者有意愿進(jìn)行智能化改造。

其他控制變量的結(jié)果顯示，非智能制造專利申請(qǐng)數(shù)對(duì)第二產(chǎn)業(yè)勞動(dòng)力占比和人均GDP均有正向影響，說明產(chǎn)品創(chuàng)新可以增加制造業(yè)的就業(yè)占比并提升總體經(jīng)濟(jì)增長水平。外商直接投資占比對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比沒有顯著影響，但是可以提升地區(qū)人均GDP，這說明外資的進(jìn)入并沒有產(chǎn)業(yè)偏向，但是可以為地區(qū)帶來更高的經(jīng)濟(jì)增長。

表1 智能制造技術(shù)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)

(四)內(nèi)生性解決

內(nèi)生性的來源主要包括以下兩個(gè)方面：一是遺漏重要變量，二是核心解釋變量與被解釋變量之間存在逆向因果。雖然本文參考相關(guān)文獻(xiàn)，在保證數(shù)據(jù)完整性的前提下盡量多地引入控制變量，但是仍然可能存在遺漏變量導(dǎo)致內(nèi)生性的問題。此外，人均GDP反映了地區(qū)的經(jīng)濟(jì)發(fā)展水平，而經(jīng)濟(jì)發(fā)展水平高的地區(qū)通常創(chuàng)新能力較強(qiáng)，可能研發(fā)出更多的智能制造專利，從而導(dǎo)致基準(zhǔn)回歸存在逆向因果問題。第二產(chǎn)業(yè)勞動(dòng)力占比也存在類似的問題。

為此，首先本文用解釋變量的滯后期替代主要解釋變量解決逆向因果問題。表2納入了核心解釋變量智能制造專利申請(qǐng)數(shù)的滯后1期至滯后3期，結(jié)果顯示，智能制造專利申請(qǐng)數(shù)的滯后1期至滯后3期對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比均有顯著的負(fù)向影響，且系數(shù)恒為-0.009，略小于當(dāng)期的結(jié)果。另一方面，智能制造專利申請(qǐng)數(shù)的滯后1期至滯后3期對(duì)于人均GDP均有顯著的正向影響，且均在1%的水平上顯著，但是系數(shù)的絕對(duì)值從0.039逐漸下降到0.033。還需要注意的是，滯后1期智能制造專利申請(qǐng)數(shù)對(duì)于人均GDP的系數(shù)大于基準(zhǔn)回歸中的系數(shù)，說明技術(shù)進(jìn)步的經(jīng)濟(jì)增長效應(yīng)存在一定的滯后性。以上結(jié)果說明，智能制造技術(shù)創(chuàng)新影響了地區(qū)產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長，且這些影響是持續(xù)性的。

表2 內(nèi)生性解決：滯后項(xiàng)

其次，本文嘗試構(gòu)建一個(gè)外生變量作為智能制造專利申請(qǐng)數(shù)的工具變量，并使用2SLS法解決內(nèi)生性問題。國家知識(shí)產(chǎn)權(quán)局的專利數(shù)據(jù)顯示，國外申請(qǐng)人提交的專利申請(qǐng)占1985—2015年在華提交專利總數(shù)的近30%，大部分外國專利由跨國企業(yè)參與研發(fā)申請(qǐng)，而這些專利又從屬于某個(gè)成型的專利族。通常，專利族的形成表示這一專利有著較高的質(zhì)量，因?yàn)橹挥性谝豁?xiàng)專利價(jià)值足夠高時(shí)，專利申請(qǐng)人才有動(dòng)力在不同國家對(duì)同一專利提出申請(qǐng)，從而形成專利族。已有研究普遍認(rèn)為，外國發(fā)明人在中國申請(qǐng)專利的動(dòng)機(jī)主要是對(duì)中國的同行業(yè)競爭者進(jìn)行技術(shù)封鎖，幫助企業(yè)占據(jù)更大的市場(chǎng)份額，符合競爭壟斷假說。(30)A.G.Hu.“Propensity to Patent，Competition and China’s Foreign Patenting Surge”.Research Policy，2010，39(7)：985-993；曲如曉、劉霞：《外國在華專利申請(qǐng)的技術(shù)外溢效應(yīng)研究》，載《世界經(jīng)濟(jì)》，2019(11)。因此，外國專利申請(qǐng)主要受企業(yè)自身戰(zhàn)略主導(dǎo)，一般并不會(huì)受到特定省份專利申請(qǐng)的影響。

一方面，高質(zhì)量的外國專利可以產(chǎn)生知識(shí)溢出，國內(nèi)研發(fā)人員通過研究外國專利獲取新的知識(shí)并進(jìn)行再創(chuàng)新，從而獲取更多專利。另一方面，外國專利的知識(shí)溢出是有偏向性的，一個(gè)地區(qū)更容易從與本地現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)和知識(shí)結(jié)構(gòu)聯(lián)系較為緊密的專利中獲得知識(shí)溢出。本文聚焦智能制造技術(shù)的經(jīng)濟(jì)效應(yīng)，一個(gè)地區(qū)的知識(shí)結(jié)構(gòu)越偏向于智能制造技術(shù)，那么該地區(qū)從國外智能制造專利中獲取的知識(shí)溢出也就越明顯。綜上，本文借鑒孔高文等(31)孔高文、劉莎莎、孔東民：《機(jī)器人與就業(yè)——基于行業(yè)與地區(qū)異質(zhì)性的探索性分析》，載《中國工業(yè)經(jīng)濟(jì)》，2020(8)。的做法構(gòu)造工具變量：IVct=ln_foreign_imt×im_ratect-1。其中，ln_foreign_im表示國外申請(qǐng)人在華申請(qǐng)智能制造專利數(shù)量的對(duì)數(shù)形式；im_rate表示地區(qū)智能制造專利申請(qǐng)數(shù)與專利申請(qǐng)總數(shù)之比，為了進(jìn)一步避免內(nèi)生性，對(duì)其取滯后1期。

表3匯報(bào)了引入工具變量進(jìn)行2SLS回歸的結(jié)果。在固定時(shí)間效應(yīng)和地區(qū)效應(yīng)的情況下，工具變量對(duì)于智能制造專利申請(qǐng)數(shù)的回歸系數(shù)為1.104，在1%的水平上顯著，這說明本文構(gòu)造的工具變量與被解釋變量之間存在顯著的正相關(guān)關(guān)系，外國專利對(duì)地區(qū)智能制造技術(shù)存在知識(shí)溢出，且這種知識(shí)溢出受到地區(qū)知識(shí)結(jié)構(gòu)的影響。本文所關(guān)注的重點(diǎn)是第二階段回歸中核心解釋變量的系數(shù)，表3的列(2)和列(3)顯示，智能制造專利申請(qǐng)數(shù)對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比的回歸系數(shù)為-0.038，對(duì)于人均GDP的系數(shù)為0.031，且均在1%的水平上顯著，這與基準(zhǔn)回歸的結(jié)果基本一致。以上結(jié)果說明，智能制造技術(shù)創(chuàng)新擠出第二產(chǎn)業(yè)的勞動(dòng)力，并促進(jìn)總體經(jīng)濟(jì)增長，這一結(jié)論并不受內(nèi)生性的影響。

表3 內(nèi)生性解決：工具變量

(五)穩(wěn)健性檢驗(yàn)

本文主要通過替換解釋變量的方法進(jìn)行穩(wěn)健性檢驗(yàn)。首先，專利申請(qǐng)量雖然能夠較為準(zhǔn)確地反映地區(qū)的研發(fā)水平，但是存在質(zhì)量參差不齊以及為完成政策指標(biāo)過度申請(qǐng)的現(xiàn)象。因此，中國專利申請(qǐng)數(shù)量確實(shí)存在一定的泡沫問題。(32)龍小寧、王?。骸吨袊鴮＠ぴ龅膭?dòng)因及其質(zhì)量效應(yīng)》，載《世界經(jīng)濟(jì)》，2015(6)。其次，專利申請(qǐng)數(shù)和專利授權(quán)數(shù)均是增量概念，不能表現(xiàn)一項(xiàng)專利持續(xù)帶來經(jīng)濟(jì)效應(yīng)的現(xiàn)象。實(shí)際上專利之間的質(zhì)量存在差異，在專利續(xù)費(fèi)機(jī)制的背景下，當(dāng)一項(xiàng)專利能夠持續(xù)為創(chuàng)新主體帶來效應(yīng)時(shí)，申請(qǐng)人才會(huì)不斷為其續(xù)費(fèi)。當(dāng)申請(qǐng)人不再為一項(xiàng)專利續(xù)費(fèi)時(shí)，該專利失效。綜上，本文用智能制造技術(shù)專利授權(quán)數(shù)和有效專利數(shù)量作為主要解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)。

表4的列(1)、(2)展示了以智能制造技術(shù)專利授權(quán)數(shù)為主要解釋變量的回歸結(jié)果，其中智能制造技術(shù)專利授權(quán)數(shù)(ln_im_g)對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比的回歸系數(shù)為-0.013，對(duì)于人均GDP的回歸系數(shù)為0.016，且均在1%的水平上顯著。列(3)、(4)展示了以智能制造技術(shù)有效專利數(shù)量為主要解釋變量的回歸結(jié)果，其中智能制造技術(shù)有效專利數(shù)量(ln_im_e)對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比的回歸系數(shù)為-0.006，在10%的水平上顯著為負(fù)，對(duì)于人均GDP的回歸系數(shù)為0.031，在1%的水平上顯著為正。與基準(zhǔn)回歸的結(jié)果保持一致。

表4 穩(wěn)健性檢驗(yàn)：替換解釋變量

此外，本文還通過替換被解釋變量的方式進(jìn)行穩(wěn)健性檢驗(yàn)。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)方面，用地區(qū)制造業(yè)的勞動(dòng)力占比(L_m)代替第二產(chǎn)業(yè)勞動(dòng)力占比進(jìn)行回歸，制造業(yè)比第二產(chǎn)業(yè)更貼合模型的定義，但是省級(jí)層面制造業(yè)的相關(guān)數(shù)據(jù)存在一定缺失，回歸結(jié)果如表5的列(1)～(3)所示。經(jīng)濟(jì)增長效應(yīng)方面，替換后的被解釋變量為地區(qū)真實(shí)總產(chǎn)值的對(duì)數(shù)形式(ln_y_real)，回歸結(jié)果如表5的列(4)～(6)所示。主要解釋變量的回歸系數(shù)與顯著性并沒有明顯變化。

表5 穩(wěn)健性檢驗(yàn)：替換被解釋變量

(六)機(jī)制檢驗(yàn)

1.智能制造技術(shù)對(duì)于不同產(chǎn)業(yè)經(jīng)濟(jì)增長的影響

基準(zhǔn)結(jié)果顯示，智能制造技術(shù)的進(jìn)步將勞動(dòng)力從第二產(chǎn)業(yè)擠入其他產(chǎn)業(yè)，并提升了人均產(chǎn)出。本文對(duì)第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的產(chǎn)值增長率進(jìn)行分析，1985年以來中國各地區(qū)的經(jīng)濟(jì)增長水平均大幅提升，所有省份第二產(chǎn)業(yè)的人均產(chǎn)出都明顯高于第三產(chǎn)業(yè)。因此，本文認(rèn)為智能制造技術(shù)提升地區(qū)經(jīng)濟(jì)增長的機(jī)制主要在于提升了第二產(chǎn)業(yè)的產(chǎn)值增長率。

表6的列(1)、(2)展示了智能制造技術(shù)對(duì)于不同類型產(chǎn)業(yè)的影響。智能制造專利申請(qǐng)數(shù)與第二產(chǎn)業(yè)的真實(shí)人均產(chǎn)值(ln_y2per)呈正相關(guān)，且在1%的水平上顯著，系數(shù)為0.045。同時(shí)，智能制造專利申請(qǐng)數(shù)與第三產(chǎn)業(yè)的真實(shí)人均產(chǎn)出(ln_y3per)之間的系數(shù)為0.002，遠(yuǎn)小于0.045，且該系數(shù)不顯著。這一結(jié)果與表4列(1)～(3)的結(jié)果共同說明，智能制造技術(shù)可以替代第二產(chǎn)業(yè)中的低端勞動(dòng)力，在保存高端技術(shù)工人的情況下，提升第二產(chǎn)業(yè)產(chǎn)值增長率。結(jié)合命題2，上述結(jié)果說明目前中國有著較高的資本密集度，但是智能制造技術(shù)的發(fā)展仍處于較低水平。

表6 機(jī)制檢驗(yàn)

2.智能制造技術(shù)效應(yīng)的地區(qū)差異——基于工資水平

本文理論部分指出，只有在工資水平高于智能制造技術(shù)使用成本時(shí)，智能制造技術(shù)創(chuàng)新的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)才能體現(xiàn)?？紤]到目前數(shù)據(jù)的可得性，智能制造技術(shù)使用成本難以直接觀測(cè)或間接測(cè)算，本文假設(shè)生產(chǎn)者的智能制造技術(shù)使用成本是相同的。在此假設(shè)下進(jìn)一步求證命題1和命題2等同于驗(yàn)證命題：只有在工資水平較高的地區(qū)，智能制造技術(shù)創(chuàng)新的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)才能體現(xiàn)。為了證明上述機(jī)制，構(gòu)建門檻回歸模型對(duì)不同工資水平下智能制造技術(shù)的經(jīng)濟(jì)效應(yīng)進(jìn)行檢驗(yàn)。門檻模型的具體形式為：

Yct=β0+β1ln_im_act×1I(Uit≤T)+β2ln_im_act×I(Uit>T)+∑βX+λarea+λyear+εct

(23)

其中，U代表進(jìn)行價(jià)格指數(shù)平減后地區(qū)當(dāng)年的真實(shí)工資水平，T表示門檻值，I表示判斷工資水平與門檻大小關(guān)系的示性函數(shù)。被解釋變量Y包括地區(qū)人均GDP的對(duì)數(shù)形式ln_per_gdp和第二產(chǎn)業(yè)勞動(dòng)力占比L_snd。其他變量的含義與基準(zhǔn)回歸相同。

表6的列(3)、(4)匯報(bào)了基于式(23)的回歸結(jié)果，在門檻左側(cè)，智能制造專利申請(qǐng)數(shù)(ln_im_a_0)對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比的回歸系數(shù)為負(fù)但是并不顯著，對(duì)于人均GDP的系數(shù)為正但不顯著；在門檻右側(cè)，智能制造專利申請(qǐng)數(shù)(ln_im_a_1)對(duì)于第二產(chǎn)業(yè)勞動(dòng)力占比的回歸系數(shù)顯著為負(fù)，對(duì)于人均GDP的系數(shù)顯著為正。以上結(jié)果說明，只有當(dāng)?shù)貐^(qū)工資達(dá)到一定水平后，智能制造技術(shù)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)才能顯現(xiàn)。

六、“技術(shù)的技術(shù)”：智能制造技術(shù)對(duì)于其他技術(shù)的影響

長期視角下，智能制造技術(shù)創(chuàng)新對(duì)于產(chǎn)業(yè)結(jié)構(gòu)的影響可能產(chǎn)生一系列連鎖反應(yīng)。智能制造技術(shù)替代人工生產(chǎn)是持續(xù)性的，一般不會(huì)出現(xiàn)勞動(dòng)力反向替代智能制造的情況，這將導(dǎo)致尚未進(jìn)入市場(chǎng)的潛在勞動(dòng)力對(duì)自身受教育水平進(jìn)行重新規(guī)劃。在智能制造技術(shù)進(jìn)步的背景下，高技能勞動(dòng)力依然可以憑借自身能力選擇任意合適部門的工作崗位，獲取相對(duì)較高的工資收入；中低技能勞動(dòng)力在制造業(yè)部門中喪失競爭優(yōu)勢(shì)，只能在低技術(shù)部門提供服務(wù)獲取收入。本文分析顯示，第二產(chǎn)業(yè)的工資水平高于第三產(chǎn)業(yè)，智能制造技術(shù)的發(fā)展將降低中低技能勞動(dòng)力的工資期望。因此，智能化活動(dòng)必然促使更多的勞動(dòng)力和潛在勞動(dòng)力尋求長期教育、獲得更高的技能水平。已有文獻(xiàn)廣泛關(guān)注智能制造如何催生就業(yè)極化(33)V.Jerbashian.“Automation and Job Polarization:On the Decline of Middling Occupations in Europe”.CERGE-EI Working Paper No.576,2016.，本文則進(jìn)一步聚焦智能制造技術(shù)創(chuàng)新對(duì)于知識(shí)生產(chǎn)部門的影響。

目前智能制造技術(shù)甚至人工智能技術(shù)還很難參與知識(shí)生產(chǎn)部門的研發(fā)過程。(34)F.Calvino,C.Criscuolo,L.Marcolin,and M.Squicciarini.“A Taxonomy of Digital Intensive Sectors”.OECD Science,Technology and Industry Working Paper No.14,2018.人力資本是知識(shí)生產(chǎn)部門的主要生產(chǎn)要素，在勞動(dòng)力整體受教育水平和技能水平上升的情況下，知識(shí)生產(chǎn)部門的發(fā)展必然受到促進(jìn)。智能制造技術(shù)的發(fā)展可以提升地區(qū)整體人力資本水平，進(jìn)而推動(dòng)其他技術(shù)的進(jìn)步。因此，可以將智能制造技術(shù)稱為“技術(shù)的技術(shù)”。

本文通過FE模型和系統(tǒng)廣義矩估計(jì)法(sys-GMM)對(duì)上述機(jī)制進(jìn)行檢驗(yàn)。表7匯報(bào)了智能制造專利與非智能制造專利之間的回歸結(jié)果。其中列(1)、(2)基于專利申請(qǐng)數(shù)構(gòu)造指標(biāo)，列(3)、(4)基于專利授權(quán)數(shù)構(gòu)造相關(guān)指標(biāo)。另外，為了避免可能存在的內(nèi)生性問題，以及反映專利研發(fā)的動(dòng)態(tài)效應(yīng)，本文在FE模型中將主要解釋變量取滯后1期引入回歸，并用sys-GMM法進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果顯示，不管針對(duì)專利申請(qǐng)數(shù)還是授權(quán)數(shù)進(jìn)行指標(biāo)構(gòu)建，智能制造專利都能促進(jìn)其他技術(shù)專利的進(jìn)步，納入系統(tǒng)廣義矩估計(jì)模型中，這一促進(jìn)效應(yīng)依然存在。上述結(jié)果驗(yàn)證了智能制造技術(shù)是“技術(shù)的技術(shù)”，可以推動(dòng)其他技術(shù)的進(jìn)步。在滿足廣泛適用性(各產(chǎn)業(yè)廣泛使用)、內(nèi)在的技術(shù)改進(jìn)潛力(持續(xù)專利數(shù)量增長)和創(chuàng)新互補(bǔ)性(刺激其他技術(shù))三項(xiàng)條件的情況下，智能制造技術(shù)有可能成為新一代的通用技術(shù)。

表7 智能制造技術(shù)對(duì)其他技術(shù)的影響

七、主要結(jié)論

本文構(gòu)建了嵌入智能制造技術(shù)進(jìn)步的兩部門模型，從技術(shù)創(chuàng)新的視角出發(fā)研究了智能制造技術(shù)進(jìn)步對(duì)于地區(qū)產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)增長水平的影響。在此基礎(chǔ)上，使用文本分析法對(duì)1985—2015年在中國專利局登記的發(fā)明專利數(shù)據(jù)進(jìn)行處理，篩選出與智能制造相關(guān)的發(fā)明專利，表征中國各地區(qū)智能制造技術(shù)創(chuàng)新的水平，并對(duì)理論模型的結(jié)果進(jìn)行檢驗(yàn)。

本文的主要結(jié)論包括：(1)智能制造技術(shù)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)都是顯著的，智能制造技術(shù)的進(jìn)步將會(huì)擠出一部分第二產(chǎn)業(yè)的勞動(dòng)力，同時(shí)提升地區(qū)整體的經(jīng)濟(jì)增長水平；智能制造技術(shù)進(jìn)步只會(huì)提升第二產(chǎn)業(yè)的產(chǎn)值增長率，對(duì)于第三產(chǎn)業(yè)沒有影響。(2)智能制造的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)增長效應(yīng)存在地區(qū)差異，只有當(dāng)?shù)貐^(qū)工資水平高于某一門檻值時(shí)，智能制造技術(shù)的進(jìn)步才能達(dá)到預(yù)期效果。(3)智能制造技術(shù)可以推動(dòng)其他技術(shù)的進(jìn)步。智能制造技術(shù)促使?jié)撛趧趧?dòng)力提高自身技能水平，人力資本的增加對(duì)研發(fā)創(chuàng)新活動(dòng)有顯著的推動(dòng)作用，在滿足三項(xiàng)必要條件的情況下，智能制造技術(shù)很可能成為未來的通用技術(shù)。

本文研究結(jié)論的戰(zhàn)略含義是，在產(chǎn)業(yè)結(jié)構(gòu)服務(wù)化程度以及服務(wù)業(yè)資本密集度和資本產(chǎn)出彈性不斷提升的長期發(fā)展趨勢(shì)下，智能制造技術(shù)水平只有不斷創(chuàng)新，且伴隨著較大的投資規(guī)模增加，才有可能帶來產(chǎn)業(yè)結(jié)構(gòu)服務(wù)化所需的勞動(dòng)力就業(yè)和整體的經(jīng)濟(jì)增長水平提高。在未來“工業(yè)4.0”的競爭中，加強(qiáng)和加快智能制造技術(shù)創(chuàng)新和應(yīng)用對(duì)中國經(jīng)濟(jì)增長至關(guān)重要。相應(yīng)的政策含義包括：第一，需要完善社會(huì)保障體系，以應(yīng)對(duì)智能化改造可能帶來的摩擦性失業(yè)和結(jié)構(gòu)性失業(yè)。著重對(duì)失業(yè)保險(xiǎn)制度進(jìn)行改革，為失業(yè)者提供再就業(yè)的輔導(dǎo)平臺(tái)，尤其是要大力支持職工在崗技能培訓(xùn)活動(dòng)，以防止大量失業(yè)所帶來的潛在危機(jī)。第二，智能制造技術(shù)進(jìn)步對(duì)于勞動(dòng)力市場(chǎng)需求的影響是長期、不可逆的，必須進(jìn)一步改革教育體系，提高在職勞動(dòng)力以及潛在勞動(dòng)力對(duì)于智能制造技術(shù)的適應(yīng)能力。重點(diǎn)是平衡高等教育和職業(yè)教育的投入水平，形成以高等教育促進(jìn)技術(shù)發(fā)展、以職業(yè)教育提供特色勞動(dòng)力的教育結(jié)構(gòu)，為市場(chǎng)提供更為多樣化的人力資本。第三，目前中國高校為智能制造技術(shù)創(chuàng)新提供了重要的基礎(chǔ)學(xué)科和應(yīng)用性研究支撐，要積極引導(dǎo)產(chǎn)學(xué)研協(xié)同創(chuàng)新。聚焦以智能制造等技術(shù)為代表的新興技術(shù)領(lǐng)域，積極推進(jìn)“政產(chǎn)學(xué)研資”深度融合，由政府協(xié)調(diào)多方建設(shè)合作平臺(tái)，協(xié)同破解“卡脖子”技術(shù)難點(diǎn)，實(shí)現(xiàn)在關(guān)鍵核心技術(shù)上的不斷突破，保證高校和研究機(jī)構(gòu)的最新成果能夠溢出到企業(yè)，并最終產(chǎn)生積極效應(yīng)。