馬文景 顧國(guó)達(dá) 李建琴

摘要：隨著云計(jì)算、物聯(lián)網(wǎng)和大數(shù)據(jù)等新技術(shù)的興起，人工智能發(fā)展邁入新的階段，正在引領(lǐng)紡織行業(yè)多領(lǐng)域變革。本文基于世界投入產(chǎn)出表，構(gòu)建全球價(jià)值鏈地位指數(shù)衡量一國(guó)國(guó)際分工地位，運(yùn)用多維面板固定效應(yīng)模型考察人工智能對(duì)紡織業(yè)國(guó)際分工地位的作用機(jī)制及影響效應(yīng)，拓展了紡織產(chǎn)業(yè)國(guó)際分工的研究邊界。研究發(fā)現(xiàn)：人工智能發(fā)展對(duì)紡織業(yè)全球價(jià)值鏈地位提升效用顯著;機(jī)制檢驗(yàn)表明，人工智能主要通過(guò)技術(shù)創(chuàng)新、生產(chǎn)效率和人力資本三個(gè)渠道對(duì)紡織業(yè)國(guó)際分工地位產(chǎn)生影響，其中通過(guò)生產(chǎn)效率提升產(chǎn)業(yè)國(guó)際分工地位的作用還有待進(jìn)一步激發(fā)。

關(guān)鍵詞：人工智能;紡織業(yè);產(chǎn)業(yè)升級(jí);國(guó)際分工;全球價(jià)值鏈;投入產(chǎn)出

中圖分類號(hào)：F746.21文獻(xiàn)標(biāo)志碼：A文章編號(hào)： 10017003（2022）06000109

引用頁(yè)碼： 061101

DOI： 10.3969/j.issn.1001-7003.2022.06.001（篇序）

基金項(xiàng)目： 國(guó)家自然科學(xué)基金面上項(xiàng)目（71973120）;財(cái)政部和農(nóng)業(yè)農(nóng)村部國(guó)家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系資助項(xiàng)目（CARS-18-ZJ0601）

作者簡(jiǎn)介：馬文景（1992），女，博士研究生，研究方向?yàn)閲?guó)際貿(mào)易。通信作者：顧國(guó)達(dá)，教授，guguoda@zju.edu.cn。

數(shù)字經(jīng)濟(jì)時(shí)代，人工智能（Artificial Intelligence，AI）與實(shí)體經(jīng)濟(jì)深度融合，將引領(lǐng)產(chǎn)業(yè)變革與全球價(jià)值鏈重塑，從而影響一國(guó)的產(chǎn)業(yè)國(guó)際分工地位。據(jù)中國(guó)信息通信研究院發(fā)布的《全球人工智能戰(zhàn)略與政策觀察（2019）》統(tǒng)計(jì)，至2013年全球有三十余個(gè)國(guó)家和地區(qū)已制定人工智能相關(guān)戰(zhàn)略、產(chǎn)業(yè)規(guī)劃文件。習(xí)近平總書記曾多次強(qiáng)調(diào)用人工智能開(kāi)辟社會(huì)治理新格局、為高質(zhì)量發(fā)展賦能：2017年，習(xí)近平總書記在“一帶一路”國(guó)際合作高峰論壇開(kāi)幕式上發(fā)表演講，指出要堅(jiān)持創(chuàng)新驅(qū)動(dòng)發(fā)展，加強(qiáng)在數(shù)字經(jīng)濟(jì)、人工智能等前沿領(lǐng)域合作，連接成21世紀(jì)的數(shù)字絲綢之路;2018年，習(xí)近平總書記在十九屆中央政治局第九次集體學(xué)習(xí)中強(qiáng)調(diào)，人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，加快發(fā)展新一代人工智能是事關(guān)中國(guó)能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問(wèn)題，是贏得全球科技競(jìng)爭(zhēng)主動(dòng)權(quán)的重要戰(zhàn)略抓手，是推動(dòng)中國(guó)科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級(jí)、生產(chǎn)力整體躍升的重要戰(zhàn)略資源;同年，在中國(guó)科學(xué)院第十九次院士大會(huì)、中國(guó)工程院第十四次院士大會(huì)上，習(xí)近平總書記再次指出要推進(jìn)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能同實(shí)體經(jīng)濟(jì)深度融合，要以智能制造為主攻方向推動(dòng)產(chǎn)業(yè)技術(shù)變革和優(yōu)化升級(jí)，推動(dòng)制造業(yè)產(chǎn)業(yè)模式和企業(yè)形態(tài)根本性轉(zhuǎn)變，以“鼎新”帶動(dòng)“革故”，以增量帶動(dòng)存量，促進(jìn)中國(guó)產(chǎn)業(yè)邁向全球價(jià)值鏈中高端。作為市場(chǎng)競(jìng)爭(zhēng)最為充分的傳統(tǒng)產(chǎn)業(yè)，紡織業(yè)在全球貿(mào)易中占有重要地位。面對(duì)全球“再工業(yè)化”浪潮、產(chǎn)品同質(zhì)化、勞動(dòng)力成本不斷上升等問(wèn)題，再加上全球環(huán)境和資源約束加劇，全球紡織業(yè)迫切需要改善其傳統(tǒng)弊病，探索新的發(fā)展模式和空間，以有效實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。將人工智能引入紡織行業(yè)的設(shè)計(jì)、生產(chǎn)、銷售環(huán)節(jié)已成大勢(shì)所趨。近年來(lái)，包括機(jī)器感知、機(jī)器學(xué)習(xí)、機(jī)器思維等技術(shù)開(kāi)始滲透紡織行業(yè)的部分領(lǐng)域，并取得了初步進(jìn)展。人工智能目前的發(fā)展水平對(duì)各國(guó)紡織業(yè)國(guó)際分工地位是否有明顯驅(qū)動(dòng)作用？具體的作用機(jī)制是什么？這些問(wèn)題的探討對(duì)于人工智能發(fā)展及相關(guān)政策的制定、紡織產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和國(guó)際分工地位提升的路徑選擇具有理論價(jià)值和重要現(xiàn)實(shí)意義。

基于此，本文運(yùn)用多維面板固定效應(yīng)模型考察人工智能對(duì)紡織業(yè)國(guó)際分工地位的影響?？赡艿倪呺H貢獻(xiàn)有以下三個(gè)方面：一是利用人工智能綜合評(píng)價(jià)體系對(duì)28個(gè)經(jīng)濟(jì)體2010—2017年的人工智能發(fā)展水平進(jìn)行多維測(cè)算和國(guó)際比較，突破了僅依靠機(jī)器人數(shù)據(jù)人工智能衡量維度單一的瓶頸;二是首次將人工智能作為紡織業(yè)國(guó)際分工地位的新興影響因素進(jìn)行探索性研究;三是進(jìn)一步從技術(shù)創(chuàng)新、生產(chǎn)效率、人力資本三個(gè)渠道解析人工智能對(duì)紡織業(yè)全球價(jià)值鏈地位的作用機(jī)制。

1 文獻(xiàn)綜述

進(jìn)入21世紀(jì)以來(lái)，人工智能技術(shù)快速發(fā)展，受到主要發(fā)達(dá)經(jīng)濟(jì)體的高度重視。由于人工智能應(yīng)用范圍廣泛，相關(guān)統(tǒng)計(jì)體系還未建立，在人工智能測(cè)度方面，衡量角度還比較單一。既有文獻(xiàn)測(cè)度人工智能的指標(biāo)主要有以下幾類：其一，目前學(xué)界普遍采用國(guó)際機(jī)器人聯(lián)合會(huì)（The International Federation of Robotics，IFR）的機(jī)器人數(shù)據(jù)，分析人工智能對(duì)各國(guó)就業(yè)結(jié)構(gòu)及勞動(dòng)力市場(chǎng)的影響^[1];其二，人工智能專利數(shù)據(jù)常被當(dāng)做代理變量，反映人工智能產(chǎn)業(yè)的發(fā)展特征和趨勢(shì)^[2-3];其三，采用人工智能分類指標(biāo)反映人工智能各領(lǐng)域的發(fā)展?fàn)顩r，如陳德余等^[4]運(yùn)用市場(chǎng)容量、就業(yè)人口、科研規(guī)模和專利申請(qǐng)數(shù)量四個(gè)指標(biāo)分別測(cè)度國(guó)內(nèi)各區(qū)域人工智能發(fā)展水平;其四，構(gòu)建綜合指標(biāo)對(duì)人工智能總體發(fā)展水平進(jìn)行測(cè)度，如顧國(guó)達(dá)等^[5]利用國(guó)際層面數(shù)據(jù)，構(gòu)建了包含多維度衡量的人工智能綜合發(fā)展指數(shù)，為人工智能發(fā)展水平的綜合評(píng)價(jià)和國(guó)際比較提供了可能。人工智能對(duì)經(jīng)濟(jì)發(fā)展影響效應(yīng)的研究日益豐富^[6]，但主要停留在理論分析層面。在微觀企業(yè)層面，Kinkel等^[7]基于對(duì)655家制造業(yè)公司代表的跨國(guó)調(diào)查，發(fā)現(xiàn)組織因素對(duì)人工智能在制造業(yè)中的應(yīng)用影響最大。劉斌等^[8]、呂越等^[9]以工業(yè)機(jī)器人數(shù)據(jù)作為人工智能的代替變量，分別從產(chǎn)業(yè)中觀層面和企業(yè)微觀層面兩個(gè)視角，證實(shí)人工智能對(duì)全球價(jià)值鏈（Global Value Chain，GVC）參與程度和GVC競(jìng)爭(zhēng)力的積極影響?？梢?jiàn)，眾多學(xué)者對(duì)于人工智能促進(jìn)經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)升級(jí)的正向作用持肯定態(tài)度，但相關(guān)具體產(chǎn)業(yè)的計(jì)量和實(shí)證分析的研究還比較單薄，尤其是人工智能對(duì)紡織產(chǎn)業(yè)作用的定量分析尚屬空白。149EBCE7-DF8C-4BD7-93DC-60580D269352

目前國(guó)內(nèi)外研究紡織業(yè)的文獻(xiàn)大多集中在紡織業(yè)國(guó)際分工地位比較，國(guó)內(nèi)外學(xué)者從不同角度對(duì)其進(jìn)行分析，主要可歸納為以下幾個(gè)方面：一是參考Balassa^[10]提出的顯性比較優(yōu)勢(shì)指數(shù)來(lái)研判紡織業(yè)的產(chǎn)業(yè)競(jìng)爭(zhēng)力，如王飛等^[11]借助以增加值為基準(zhǔn)修正過(guò)的顯示性比較優(yōu)勢(shì)指數(shù)（RCA），對(duì)紡織服裝市場(chǎng)上的主要國(guó)家的產(chǎn)業(yè)競(jìng)爭(zhēng)力進(jìn)行橫向比較，特別是在增加值分解模型的基準(zhǔn)上對(duì)同一行業(yè)內(nèi)分工的上游和下游部分同時(shí)進(jìn)行分析，彌補(bǔ)了傳統(tǒng)貿(mào)易統(tǒng)計(jì)口徑行業(yè)部門劃分不詳?shù)娜毕荨６菂⒖糑oopman等^[12]構(gòu)建的“GVC參與度”和“GVC地位指數(shù)”來(lái)分析一國(guó)紡織業(yè)參與國(guó)際分工的程度和價(jià)值鏈地位，如李明潔^[13]通過(guò)對(duì)比分析發(fā)現(xiàn)中國(guó)在全球價(jià)值鏈中具有較高的參與度，并且在紡織服裝業(yè)全球價(jià)值鏈中處于上游位置，在微笑曲線中處于中游位置;胡靜寅等^[14]測(cè)算中國(guó)紡織服裝業(yè)在全球價(jià)值鏈的國(guó)際分工地位，得到中國(guó)紡織業(yè)仍處于價(jià)值鏈中下游的結(jié)論;李曉鐘等^[15]通過(guò)測(cè)算GVC地位指數(shù)對(duì)中國(guó)紡織產(chǎn)業(yè)各類產(chǎn)品在全球價(jià)值鏈中的地位進(jìn)行分析，同時(shí)加入Kaplinsky升級(jí)指數(shù)衡量產(chǎn)業(yè)升級(jí)態(tài)勢(shì)，得出中國(guó)紡織產(chǎn)品升級(jí)指數(shù)不斷上升，在全球價(jià)值鏈地位也呈現(xiàn)逐步攀升態(tài)勢(shì)的結(jié)論。三是參考Hausman等^[16]所構(gòu)建的出口技術(shù)復(fù)雜度指數(shù)對(duì)紡織業(yè)在國(guó)際分工中的競(jìng)爭(zhēng)力進(jìn)行分析，如顧國(guó)達(dá)等^[17]基于1992—2011年中國(guó)絲綢業(yè)出口復(fù)雜度指標(biāo)的測(cè)算，刻畫中國(guó)絲綢業(yè)出口貿(mào)易技術(shù)結(jié)構(gòu)的分布與演變，并對(duì)其變動(dòng)機(jī)制進(jìn)行分析;詹小琦^[18]基于UN Comtrade數(shù)據(jù)庫(kù)2010—2020年的數(shù)據(jù)，計(jì)算出口技術(shù)復(fù)雜度，并借助國(guó)際市場(chǎng)占有率（IMS）顯示性比較優(yōu)勢(shì)指數(shù)（RCA）、貿(mào)易競(jìng)爭(zhēng)力指數(shù)（TC），對(duì)世界主要國(guó)家紡織服裝產(chǎn)業(yè)鏈的國(guó)際分工地位進(jìn)行比較分析，結(jié)果表明中國(guó)與發(fā)達(dá)國(guó)家存在技術(shù)差距，而與新興國(guó)家相比傳統(tǒng)競(jìng)爭(zhēng)優(yōu)勢(shì)也在減弱。隨著國(guó)際分工的不斷深化和價(jià)值鏈的不斷分解，考慮到提出中間品貿(mào)易重復(fù)計(jì)算等問(wèn)題，本文選取學(xué)界主流評(píng)估指標(biāo)“GVC地位指數(shù)”，以更準(zhǔn)確衡量各國(guó)紡織產(chǎn)業(yè)的國(guó)際分工地位真實(shí)水平。

綜上所述，紡織服裝業(yè)雖然在勞動(dòng)力成本等傳統(tǒng)競(jìng)爭(zhēng)優(yōu)勢(shì)上面臨新興國(guó)家的壓力，但最主要的問(wèn)題還是找到提升產(chǎn)業(yè)國(guó)際分工地位的優(yōu)化路徑，在智能織造、提高自主品牌和自主創(chuàng)新能力方面縮短與發(fā)達(dá)國(guó)家的差距。但目前針對(duì)人工智能對(duì)紡織業(yè)改進(jìn)的研究相對(duì)較少，且僅停留在技術(shù)層面，尚缺乏貿(mào)易層面關(guān)于人工智能對(duì)紡織業(yè)影響定量分析的研究。據(jù)此，本文結(jié)合已有研究，剖析人工智能推進(jìn)紡織產(chǎn)業(yè)國(guó)際分工地位提升的影響及作用機(jī)制，探究培養(yǎng)人工智能作為紡織產(chǎn)業(yè)國(guó)際競(jìng)爭(zhēng)新優(yōu)勢(shì)的具體對(duì)策。

2 研究設(shè)計(jì)

2.1 模型設(shè)定

人工智能對(duì)紡織產(chǎn)品國(guó)際貿(mào)易的正向效應(yīng)作用于國(guó)際生產(chǎn)分工的每一生產(chǎn)環(huán)節(jié)中，因此，本文在劉斌等^[8]的基礎(chǔ)上，構(gòu)建基于國(guó)家、年份數(shù)據(jù)的多維面板固定效應(yīng)模型，來(lái)考察人工智能對(duì)一國(guó)紡織業(yè)國(guó)際分工地位的影響。模型如下：

lnGVCPo_ijt=β₀+β₁lnAI Index_it+βControls+v_i+v_j+v_t+ε_ijt（1）

式中：下標(biāo)i、j和t分別表示出口主體、進(jìn)口主體和年份;被解釋變量GVCPo_ijt是雙邊層面基于貿(mào)易數(shù)字化視角的紡織產(chǎn)業(yè)國(guó)際分工地位指標(biāo);核心解釋變量AI Index_it表示i國(guó)t年度的人工智能綜合發(fā)展水平。Controls是控制變量集，主要包括引力模型變量和經(jīng)濟(jì)體特征變量。v_i、v_j和v_t分別表示出口主體固定效應(yīng)、進(jìn)口主體固定效應(yīng)和時(shí)間固定效應(yīng)。ε_ijt代表隨機(jī)誤差項(xiàng)。為降低異方差，除虛擬變量外，模型中其他變量均取對(duì)數(shù)形式。

2.2 變量測(cè)度與說(shuō)明

2.2.1 國(guó)際分工地位指標(biāo)

Koopman等^[12]為衡量一國(guó)在GVC生產(chǎn)中的位置而構(gòu)建的全球價(jià)值鏈地位指數(shù)（GVC-Position），在學(xué)界有較高的代表性。該指標(biāo)反映的是一國(guó)產(chǎn)業(yè)中間產(chǎn)品出口的國(guó)內(nèi)增加值（IV）與出口的國(guó)外增加值（FV）的比值，指標(biāo)越大，表明該產(chǎn)業(yè)在全球價(jià)值鏈中的位置越接近上游。取對(duì)數(shù)形式，i國(guó)紡織業(yè)t年度的GVC地位指數(shù)具體計(jì)算模型如下：

GVCPo_it=ln1+IV_itE_it-ln1+FV_itE_it（2）

式中：E_it表示i國(guó)紡織業(yè)t年度的總出口。

2.2.2 人工智能指標(biāo)

雖然目前現(xiàn)有文獻(xiàn)普遍使用工業(yè)機(jī)器人密度作為人工智能的度量指標(biāo)，但受限于測(cè)算波動(dòng)性及維度單一性，將其作為人工智能這一通用技術(shù)的發(fā)展水平評(píng)價(jià)指標(biāo)顯然無(wú)法滿足研究需要。本文借鑒顧國(guó)達(dá)等^[5]的方法，選取包含人工智能環(huán)境支撐力、人工智能知識(shí)創(chuàng)造力、人工智能產(chǎn)業(yè)競(jìng)爭(zhēng)力三個(gè)維度的人工智能綜合發(fā)展指數(shù)，作為人工智能的代理變量。鑒于國(guó)際層面數(shù)據(jù)的可比性和可得性，選取2010—2017年28個(gè)國(guó)家的人工智能發(fā)展水平進(jìn)行測(cè)度，得到人工智能綜合發(fā)展指數(shù)，記為AI Index。149EBCE7-DF8C-4BD7-93DC-60580D269352

2.2.3 控制變量

引力模型變量：經(jīng)濟(jì)發(fā)展水平，用國(guó)內(nèi)生產(chǎn)總值（GDP）和人口數(shù)量（POP）衡量;自然貿(mào)易成本，用地理距離（Dist）、文化距離（Ling）、是否接壤（Border）、是否為內(nèi)陸國(guó)（Landlock）衡量;政策貿(mào)易成本，用簡(jiǎn)單平均關(guān)稅（Tariff）衡量。

經(jīng)濟(jì)體特征變量：貿(mào)易自由度（FTA），用貿(mào)易雙方是否簽訂雙邊或多邊區(qū)域貿(mào)易協(xié)定衡量;貿(mào)易開(kāi)放度（Openness），用貿(mào)易總額與國(guó)內(nèi)GDP之比衡量一國(guó)貿(mào)易的開(kāi)放程度;網(wǎng)絡(luò)基礎(chǔ)設(shè)施（Internet），用每百萬(wàn)人中互聯(lián)網(wǎng)服務(wù)器使用人數(shù)衡量;勞動(dòng)要素密集度（LABsh），用勞動(dòng)報(bào)酬在GDP的比重衡量;紡織業(yè)資本產(chǎn)出比（K），用一國(guó)行業(yè)資本存量占該國(guó)的GDP的份額衡量;知識(shí)產(chǎn)權(quán)保護(hù)水平（IPP），用《世界競(jìng)爭(zhēng)力報(bào)告》中的知識(shí)產(chǎn)權(quán)保護(hù)指標(biāo)衡量;外商投資（FDI），用各國(guó)外商直接投資流量衡量。

2.3 數(shù)據(jù)及來(lái)源說(shuō)明

對(duì)于紡織業(yè)GVC地位指數(shù)測(cè)算，數(shù)據(jù)來(lái)源于最新版亞洲發(fā)展銀行多區(qū)域投入產(chǎn)出數(shù)據(jù)庫(kù)（ADB-MRIO 2018）。由于人工智能指數(shù)相關(guān)數(shù)據(jù)獲取年限較短，且缺少部分國(guó)家的數(shù)據(jù)，因此最終本文選定28個(gè)國(guó)家2010—2017年的數(shù)據(jù)。對(duì)于人工智能指數(shù)，具體參考顧國(guó)達(dá)等^[5]對(duì)人工智能綜合發(fā)展指數(shù)的測(cè)算。關(guān)于控制變量數(shù)據(jù)，人均GDP、人口總量、貿(mào)易開(kāi)放度和基礎(chǔ)設(shè)施來(lái)源于世界銀行數(shù)據(jù)庫(kù);地理距離來(lái)源于CEPII數(shù)據(jù)庫(kù);自由貿(mào)易協(xié)定來(lái)源于世界貿(mào)易組織（WTO）數(shù)據(jù)庫(kù);勞動(dòng)要素密集度、人力資本、行業(yè)資本產(chǎn)出比的資本存量來(lái)源于PWT 10.0（Penn World Table version 10.0）數(shù)據(jù)庫(kù);知識(shí)產(chǎn)權(quán)保護(hù)指標(biāo)來(lái)源于《世界競(jìng)爭(zhēng)力報(bào)告》。本文主要變量的描述性統(tǒng)計(jì)結(jié)果如表1所示。

3 實(shí)證檢驗(yàn)

3.1 基準(zhǔn)回歸結(jié)果

表2列出了控制國(guó)家和年份固定效應(yīng)后人工智能對(duì)GVC地位指數(shù)影響作用的基準(zhǔn)回歸結(jié)果。其中第（1）列為加入控制變量之前的回歸，第（2）（3）列為逐步引入引力模型變量及經(jīng)濟(jì)體特征變量后的回歸結(jié)果。結(jié)果發(fā)現(xiàn)，核心解釋變量人工智能發(fā)展指數(shù)（AI Index）的估計(jì)系數(shù)在模型（1）中均顯著為正，表明人工智能對(duì)貿(mào)易國(guó)在全球價(jià)值鏈的分工地位具有正向推動(dòng)作用。在加入控制變量后，估計(jì)結(jié)果仍顯著為正，進(jìn)一步證明一國(guó)人工智能發(fā)展與產(chǎn)業(yè)國(guó)際分工地位提升方向一致。

在加入引力變量的回歸結(jié)果中，國(guó)民生產(chǎn)總值、人口總量與GVC地位指數(shù)的關(guān)系并不穩(wěn)定，說(shuō)明在全球生產(chǎn)網(wǎng)絡(luò)快速發(fā)展的背景下，本土市場(chǎng)發(fā)展水平對(duì)提升紡織業(yè)國(guó)際分工地位的作用并不突出。地理距離與GVC地位指數(shù)關(guān)系顯著為負(fù)，符合預(yù)期。兩國(guó)接壤與GVC地位指數(shù)呈顯著負(fù)相關(guān)關(guān)系，表明兩國(guó)相鄰對(duì)紡織業(yè)國(guó)際分工地位提升缺乏正向調(diào)節(jié)作用。簡(jiǎn)單平均關(guān)稅的系數(shù)為正，但不顯著。進(jìn)一步關(guān)注引入經(jīng)濟(jì)特征變量的回歸結(jié)果，外商投資、自由貿(mào)易協(xié)定和勞動(dòng)要素密集度估計(jì)系數(shù)顯著為正，與預(yù)期一致。令人意外的是，網(wǎng)絡(luò)基礎(chǔ)設(shè)施、貿(mào)易開(kāi)放度、知識(shí)產(chǎn)權(quán)保護(hù)及紡織業(yè)資本產(chǎn)出比對(duì)GVC地位指數(shù)的影響顯著為負(fù)，意味著在相對(duì)傳統(tǒng)的紡織業(yè)中，互聯(lián)網(wǎng)發(fā)展水平、貿(mào)易開(kāi)放水平、良好的知識(shí)產(chǎn)權(quán)保護(hù)制度及紡織業(yè)資本的發(fā)展還未成熟，尚處于劇烈國(guó)內(nèi)競(jìng)爭(zhēng)的內(nèi)耗階段，其帶來(lái)的GVC低端俘獲效應(yīng)引致的技術(shù)抑制，在一定程度上大于其帶來(lái)的技術(shù)溢出效應(yīng)、學(xué)習(xí)效應(yīng)、成本節(jié)約效應(yīng)引致的技術(shù)促進(jìn)^[19]，導(dǎo)致國(guó)際規(guī)模收益大于國(guó)內(nèi)規(guī)模收益，因此并未對(duì)紡織業(yè)國(guó)際分工地位帶來(lái)正向提升作用。

3.2 內(nèi)生性檢驗(yàn)

為有效解決模型可能存在的雙向因果和遺漏變量導(dǎo)致的內(nèi)生性問(wèn)題，需要借助工具變量進(jìn)行內(nèi)生性檢驗(yàn)。表3顯示了使用工具變量后，對(duì)全球價(jià)值鏈地位指數(shù)重新回歸后的結(jié)果。其中，第（1）列是使用解釋變量滯后一期作為工具變量的二階段最小二乘法（2SLS）的回歸結(jié)果，Durbin-Wu-Hausma檢驗(yàn)結(jié)果表明基礎(chǔ)回歸模型存在內(nèi)生性，Kleibergen-Paaprk LM和Kleibergen-Paaprk Wald F結(jié)果表明模型不存在弱工具變量和不可識(shí)別問(wèn)題;第（2）列是使用被解釋變量滯后一期（L.GVCPo）作為工具變量的系統(tǒng)GMM法的回歸結(jié)果，通過(guò)Sargan檢驗(yàn)證明工具變量的有效性;由于通過(guò)Wald檢驗(yàn)的chi2統(tǒng)計(jì)量和Wooldridge檢驗(yàn)的F統(tǒng)計(jì)量監(jiān)測(cè)到樣本數(shù)據(jù)存在組間異方差和組內(nèi)自相關(guān)，因此第（3）列采用混合回歸+穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸分析。結(jié)果表明，應(yīng)用不同的估計(jì)方法進(jìn)行回歸后，人工智能對(duì)紡織業(yè)GVC地位指數(shù)的影響仍顯著為正。

3.3 穩(wěn)健性檢驗(yàn)

為進(jìn)一步保證人工智能對(duì)紡織業(yè)國(guó)際分工地位影響的有效性，本文對(duì)基礎(chǔ)回歸進(jìn)行指標(biāo)替代的穩(wěn)健性檢驗(yàn)。當(dāng)前關(guān)于人工智能定量分析的研究較少，因此替代變量選擇可供參考的文獻(xiàn)有限，本文借鑒劉斌等^[8]和呂越等^[9]的方法，采用IFR公布的工業(yè)機(jī)器人存量（Operationalstock）替換核心解釋變量進(jìn)行回歸分析。表4給出了替換人工智能度量指標(biāo)的回歸結(jié)果，顯示變量替換后的人工智能影響系數(shù)仍顯著為正，表明本文結(jié)論依舊穩(wěn)健。

4 機(jī)制檢驗(yàn)

人工智能主要從技術(shù)創(chuàng)新效應(yīng)、生產(chǎn)效率效應(yīng)和人力資本效應(yīng)三個(gè)渠道影響紡織業(yè)國(guó)際分工地位，因此，本文對(duì)這三個(gè)機(jī)制進(jìn)行實(shí)證檢驗(yàn)。

4.1 技術(shù)創(chuàng)新機(jī)制檢驗(yàn)

隨著消費(fèi)水平的提高，紡織品已不滿足于原始的服用性能，通過(guò)技術(shù)創(chuàng)新逐漸成為主流的功能性與智能性給紡織品、服裝服飾產(chǎn)品行業(yè)帶來(lái)了極高的附加價(jià)值。人工智能通過(guò)去中介化，從需求端促進(jìn)全民創(chuàng)新、提高產(chǎn)品附加值和技術(shù)含量^[20-21]。因此，本文認(rèn)為人工智能通過(guò)紡織業(yè)的技術(shù)創(chuàng)新，將培育全球價(jià)值鏈新增長(zhǎng)極。為驗(yàn)證這一影響渠道，本文選取世界銀行數(shù)據(jù)庫(kù)中的研發(fā)投入（Research）作為技術(shù)創(chuàng)新的代理變量，在模型（1）的基礎(chǔ)上，構(gòu)建影響渠道的模型（3）和模型（4）：149EBCE7-DF8C-4BD7-93DC-60580D269352

ln Research_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（3）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂Research_it+βControls+v_i+v_j+v_t+ε_ijt（4）

機(jī)制檢驗(yàn)結(jié)果如表5所示，根據(jù)第（1）列的回歸結(jié)果，人工智能對(duì)研發(fā)投入的影響系數(shù)顯著為正，意味著人工智能有效推進(jìn)了一國(guó)的技術(shù)創(chuàng)新。而根據(jù)第（2）列的回歸結(jié)果，研發(fā)投入對(duì)紡織業(yè)全球價(jià)值鏈地位的影響顯著為正，且人工智能對(duì)紡織業(yè)全球價(jià)值鏈地位的影響變小。由此可見(jiàn)，技術(shù)創(chuàng)新存在部分中介效應(yīng)，人工智能對(duì)紡織業(yè)國(guó)際分工地位的影響可以通過(guò)技術(shù)創(chuàng)新實(shí)現(xiàn)。紡織企業(yè)大多處于成長(zhǎng)階段，其生產(chǎn)方式、管理模式及商業(yè)形態(tài)亟需緊跟數(shù)智時(shí)代實(shí)現(xiàn)有效轉(zhuǎn)型，從市場(chǎng)競(jìng)爭(zhēng)的初級(jí)形態(tài)發(fā)展到高級(jí)形態(tài)。因此，激勵(lì)創(chuàng)新、提升產(chǎn)品附加值、促進(jìn)產(chǎn)業(yè)革新及培育產(chǎn)品比較優(yōu)勢(shì)方面，人工智能將發(fā)揮越來(lái)越重要的作用。

4.2 生產(chǎn)效率機(jī)制檢驗(yàn)

紡織產(chǎn)品季節(jié)性強(qiáng)，對(duì)產(chǎn)品預(yù)測(cè)、庫(kù)存管理、柔性生產(chǎn)和產(chǎn)能均衡帶來(lái)了不小的挑戰(zhàn)，并且個(gè)性化定制造成了紡織產(chǎn)品多品種小批量的生產(chǎn)特性，降本增效成為行業(yè)難題。人工智能從根本上解決了跨境數(shù)據(jù)流通效率問(wèn)題，確立數(shù)據(jù)要素的國(guó)際生產(chǎn)分工新地位，幫助紡織業(yè)各類要素融合流通，提高紡織業(yè)價(jià)值鏈管理運(yùn)營(yíng)效率。因此，本文認(rèn)為人工智能通過(guò)賦能紡織行業(yè)生產(chǎn)效率，助力紡織業(yè)價(jià)值鏈升級(jí)。為驗(yàn)證這一點(diǎn)，本文選用全要素生產(chǎn)率（TFP）指標(biāo)來(lái)綜合衡量一國(guó)的生產(chǎn)效率，數(shù)據(jù)來(lái)自PWT 10.0數(shù)據(jù)庫(kù)，并在模型（1）的基礎(chǔ)上，構(gòu)建了影響渠道的模型（5）和模型（6）：

ln TFP_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（5）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂TFP_it+βControls+v_i+v_j+v_t+ε_ijt（6）

機(jī)制檢驗(yàn)結(jié)果如表6所示，根據(jù)第（1）列的回歸結(jié)果，人工智能對(duì)全要素生產(chǎn)率的影響系數(shù)在1%的水平下顯著為正，說(shuō)明人工智能有效提升了一國(guó)的生產(chǎn)效率。而根據(jù)第（2）列的回歸結(jié)果，全要素生產(chǎn)率對(duì)紡織業(yè)全球價(jià)值鏈地位的影響未通過(guò)顯著性檢驗(yàn)。對(duì)此進(jìn)行Sobel檢驗(yàn)，其檢驗(yàn)統(tǒng)計(jì)量通過(guò)1%的顯著性檢驗(yàn)，說(shuō)明人工智能通過(guò)生產(chǎn)效率提升紡織業(yè)國(guó)際分工地位的中介效應(yīng)成立。其背后具體傳導(dǎo)機(jī)制如下：人工智能技術(shù)有利于減少生產(chǎn)者之間、生產(chǎn)者和消費(fèi)者之間的時(shí)空束縛，減少市場(chǎng)搜索成本和交易溝通成本，助力企業(yè)在國(guó)際市場(chǎng)中捕獲更優(yōu)質(zhì)更準(zhǔn)確的信息，不僅為貨物、服務(wù)、數(shù)據(jù)提供更高效的交換空間和技術(shù)支持，同時(shí)能夠有效優(yōu)化和配置全球要素資源、降低生產(chǎn)和貿(mào)易成本、提升生產(chǎn)和貿(mào)易效率，促使各生產(chǎn)工序從低附加值向高附加值的演變，從而實(shí)現(xiàn)國(guó)際分工地位的提升。

4.3 人力資本機(jī)制檢驗(yàn)

紡織業(yè)的管理水平普遍偏低，人才優(yōu)化倒逼紡織業(yè)這類傳統(tǒng)制造業(yè)在工藝設(shè)備、管理技術(shù)、商業(yè)模式等方面全方位提升。一方面，人工智能的發(fā)展對(duì)勞動(dòng)力的替代達(dá)到了前所未有的速度和規(guī)模^[22-23]。另一方面，人工智能在提高員工學(xué)習(xí)能力和就業(yè)增加方面具有巨大潛能^[24]。此外，大量證據(jù)證實(shí)^[25-26]，人工智能對(duì)程序性中低端勞動(dòng)力的替代作用明顯大于對(duì)非程序性高端勞動(dòng)力的替代作用，從而形成脫離低勞動(dòng)力成本依賴的國(guó)際競(jìng)爭(zhēng)新優(yōu)勢(shì)。因此，本文認(rèn)為人工智能通過(guò)優(yōu)化人力資本獲取人口智力紅利，進(jìn)而影響紡織業(yè)國(guó)際分工。如前所述，作為勞動(dòng)密集型產(chǎn)業(yè)的代表，人工智能對(duì)紡織業(yè)全球價(jià)值鏈地位的提高不僅存在于生產(chǎn)分割，更重要的是通過(guò)勞動(dòng)力的替代效應(yīng)來(lái)實(shí)現(xiàn)的。為深入檢驗(yàn)這一影響機(jī)制，本文引入基于平均受教育年限和教育回報(bào)率的人力資本指數(shù)（HC）^[27-28]，數(shù)據(jù)來(lái)自PWT 10.0數(shù)據(jù)庫(kù)，并在模型（1）的基礎(chǔ)上，構(gòu)建了影響渠道的模型（7）和模型（8）：

ln HC_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（7）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂HC_it+βControls+v_i+v_j+v_t+ε_ijt（8）149EBCE7-DF8C-4BD7-93DC-60580D269352

機(jī)制檢驗(yàn)結(jié)果如表7所示，第（1）列的回歸結(jié)果顯示，人工智能對(duì)人力資本指數(shù)的影響系數(shù)在1%的水平下顯著為正，說(shuō)明人工智能對(duì)優(yōu)化人力資本具有正向促進(jìn)作用。第（2）列的回歸結(jié)果顯示，人力資本指數(shù)對(duì)紡織業(yè)全球價(jià)值鏈地位的影響顯著為負(fù)，且人工智能對(duì)紡織業(yè)全球價(jià)值鏈地位的影響變小。由此可見(jiàn)，人力資本指數(shù)存在部分中介效應(yīng)。具體原因分析如下：人工智能的發(fā)展對(duì)不同行業(yè)的勞動(dòng)力替代存在異質(zhì)性，替代效應(yīng)和創(chuàng)造效應(yīng)并存，人工智能對(duì)人力資本的作用方向并不確定。若人工智能發(fā)展水平發(fā)生重大突破，對(duì)于勞動(dòng)力密集型產(chǎn)業(yè)的紡織業(yè)來(lái)說(shuō)，創(chuàng)造效應(yīng)才會(huì)大于人工智能技術(shù)的替代效應(yīng)，此時(shí)紡織業(yè)的國(guó)際分工地位才會(huì)得到提升。但就實(shí)證結(jié)果來(lái)看，人工智能通過(guò)提升人力資本來(lái)消除低端勞動(dòng)力依賴，進(jìn)而實(shí)現(xiàn)提升國(guó)際分工地位作用還有待激發(fā)。

5 結(jié) 論

隨著以人工智能為代表的第四輪工業(yè)革命席卷全球，勞動(dòng)力成本等傳統(tǒng)比較優(yōu)勢(shì)逐漸淡化，紡織業(yè)亟需通過(guò)智能制造來(lái)提升產(chǎn)品的核心競(jìng)爭(zhēng)力，從獲取附加價(jià)值最低的加工制造環(huán)節(jié)向獲取更高附加價(jià)值的紡織機(jī)械生產(chǎn)及產(chǎn)品設(shè)計(jì)環(huán)節(jié)升級(jí)。本文首次在統(tǒng)一核算框架下，綜合評(píng)估人工智能對(duì)紡織業(yè)國(guó)際分工地位提升的影響效應(yīng)與內(nèi)在機(jī)制，并得到以下結(jié)論：第一，人工智能顯著提升了一國(guó)紡織業(yè)在全球價(jià)值鏈所處位置;第二，通過(guò)對(duì)人工智能的影響機(jī)制檢驗(yàn)，證實(shí)了人工智能通過(guò)技術(shù)創(chuàng)新、生產(chǎn)效率和人力資本三個(gè)渠道提升了紡織業(yè)國(guó)際分工地位，其中通過(guò)生產(chǎn)效率推動(dòng)紡織業(yè)向價(jià)值鏈上游邁進(jìn)的動(dòng)能還有待進(jìn)一步激發(fā)。

為此，本文提出三點(diǎn)政策建議：首先，紡織業(yè)應(yīng)該把握技術(shù)革命機(jī)遇，積極發(fā)展智能織造，將人工智能滲透到智能制造、紡織品分析設(shè)計(jì)、紡織服裝流行趨勢(shì)研究、紡織業(yè)專家系統(tǒng)等各個(gè)環(huán)節(jié)，幫助企業(yè)完成自動(dòng)化、智能化、數(shù)字化轉(zhuǎn)型，提高出口產(chǎn)品附加值和技術(shù)含量，延長(zhǎng)增值鏈條;其次，由于紡織業(yè)價(jià)值鏈高端環(huán)節(jié)和核心技術(shù)依賴進(jìn)口，缺乏核心自主創(chuàng)新能力，因此企業(yè)和政府要加大研發(fā)投入力度，大力推動(dòng)紡織業(yè)人工智能技術(shù)的創(chuàng)新成果轉(zhuǎn)化，研發(fā)出更多適用于紡織業(yè)智能化發(fā)展的產(chǎn)品及設(shè)備，快速響應(yīng)市場(chǎng)需求，打通與下游行業(yè)的市場(chǎng)分割阻礙，形成功能設(shè)計(jì)、產(chǎn)品研發(fā)、市場(chǎng)營(yíng)銷和物流服務(wù)一體化的新價(jià)值鏈，使其在國(guó)際競(jìng)爭(zhēng)中逐漸占據(jù)價(jià)值鏈的核心位置;最后，為解決中國(guó)紡織業(yè)對(duì)初級(jí)要素過(guò)度依賴、低勞動(dòng)力成本優(yōu)勢(shì)逐漸弱化等關(guān)鍵問(wèn)題，突破全球價(jià)值鏈“低端鎖定”困境，紡織業(yè)應(yīng)加快人工智能高端人才隊(duì)伍建設(shè)，大力引進(jìn)掌握紡織業(yè)人工智能核心技術(shù)的高層次研發(fā)人才團(tuán)隊(duì)，并與知名高校和科研機(jī)構(gòu)建立人才聯(lián)合培養(yǎng)機(jī)制，共同培養(yǎng)出一批符合產(chǎn)業(yè)發(fā)展需要的復(fù)合型人才，利用人工智能提高全行業(yè)勞動(dòng)者素質(zhì)，將紡織業(yè)勞動(dòng)力的規(guī)模優(yōu)勢(shì)轉(zhuǎn)化為依托人力資本等高級(jí)要素形成全新的競(jìng)爭(zhēng)優(yōu)勢(shì)，促進(jìn)中國(guó)紡織業(yè)在國(guó)際分工地位的提升。

參考文獻(xiàn)：

[1]DAVID H. Is Automation labor-displacing？ Productivity growth， employment， and the labor share[J]. BPEA Conference Drafts， 2018（3）： 8-9.

[2]FUJII H， MANAGI S. Trends and priority shifts in artificial intelligence technology invention： A global patent analysis[J]. Economic Analysis and Policy， 2018， 58： 60-69.

[3]王杰， 馬澤敏， 王維霞， 等. 基于PCT專利分析的全球人工智能產(chǎn)業(yè)技術(shù)發(fā)展比較研究[J]. 中國(guó)發(fā)明與專利， 2020， 17（8）： 39-46.

WANG Jie， MA Zemin， WANG Weixia， et al. A comparative study of global artificial intelligence industry technology development based on PCT patent analysis[J]. China Invention & Patent， 2020， 17（8）： 39-46.

[4]陳德余， 湯勇剛. 人工智能產(chǎn)業(yè)對(duì)區(qū)域經(jīng)濟(jì)發(fā)展影響測(cè)度分析[J]. 科技管理研究， 2021， 41（2）： 138-144.

CHEN Deyu， TANG Yonggang. Impact ofartificial intelligence industry on regional economic development[J]. Science and Technology Management Research， 2021， 41（2）： 138-144.

[5]顧國(guó)達(dá)， 馬文景. 人工智能綜合發(fā)展指數(shù)的構(gòu)建及應(yīng)用[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2021， 38（1）： 117-134.

GU Guoda， MA Wenjing， Construction andapplication of artificial intelligence comprehensive development index[J]. The Journal of Quantitative & Technical Economics， 2021， 38（1）： 117-134.

[6]ACEMOGLU D， AUTOR D. Skills tasks and technologies implications for employment and earnings[J]. Handbook of Labor Economics， 2011， 4： 1043-1171.149EBCE7-DF8C-4BD7-93DC-60580D269352

[7]KINKEL S， BAUMGARTNER M， CHERUBINI E. Prerequisites for the adoption of AI technologies in manufacturing： Evidence from a worldwide sample of manufacturing companies[J]. Technovation， 2022， 110（2）： 102375.

[8]劉斌， 潘彤. 人工智能對(duì)制造業(yè)價(jià)值鏈分工的影響效應(yīng)研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2020， 37（10）： 24-44.

LIU Bin， PAN Tong. Research on the impact of artificial intelligence on manufacturing value chain specialization[J]. The Journal of Quantitative & Technical Economics， 2020， 37（10）： 24-44.

[9]呂越， 谷瑋， 包群. 人工智能與中國(guó)企業(yè)參與全球價(jià)值鏈分工[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2020（5）： 80-98.

L? Yue， GU Wei， BAO Qun. Artificial intelligence and Chinese enterprises participate in global value chains[J]. China Industrial Economics， 2020（5）： 80-98.

[10]BALASSA B. Trade liberalization and revealed comparative advantage[J]. Manchester School of Economics and Social Studies， 1965， 33： 99-123.

[11]王飛， 郭孟珂. 我國(guó)紡織服裝業(yè)在全球價(jià)值鏈中的地位[J]. 國(guó)際貿(mào)易問(wèn)題， 2014（12）： 14-24.

WANG Fei， GUO Mengke. Position of Chinas textile and apparel industry in global value chain[J]. Journal of International Trade， 2014（12）： 14-24.

[12]KOOPMAN R， POWERS W， WANG Z， et al. Give credit where credit is due： tracing value added in global production chains[EB/OL]. （2011-09-26）[2021-11-25]. https：//www.nber.org/papers/w16426.

[13]李明潔. 基于全球價(jià)值鏈理論的中國(guó)紡織服裝業(yè)國(guó)際分工地位研究[D]. 北京： 北京服裝學(xué)院， 2018.

LI Mingjie. Study on the International Division of Labor Status of Chinas Textile and Garment Industry Based on Global Value Chain Theory[D]. Beijing： Beijing Institute of Fashion Technology， 2018.

[14]胡靜寅， 張麗. 全球價(jià)值鏈視角下中國(guó)紡織服裝業(yè)在國(guó)際分工中的地位： 基于出口復(fù)雜度的研究[J]. 蘭州財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2019， 35（2）： 92-104.

HU Jingyin， ZHANG Li. Study on the status of Chinas textile and garment industry in global value chain： Based on export sophistication[J]. Journal of Lanzhou University of Finance and Economics， 2019， 35（2）： 92-104.

[15]李曉鐘， 胡珊. 中國(guó)紡織產(chǎn)業(yè)在全球價(jià)值鏈的地位及升級(jí)研究[J]. 國(guó)際經(jīng)濟(jì)合作， 2018（3）： 44-49.

LI Xiaozhong， HU Shan. Research on the status of Chinese textile industry in the global value chain and proposed measures for its upgrade[J]. World Economy and Trade， 2018（3）： 44-49.

[16]HAUSMAN R， HWANG J， RODRIK D. What you export matters[J]. Journal of Economic Growth， 2007， 12（1）： 1-25.

[17]顧國(guó)達(dá)， 方園. 中國(guó)絲綢業(yè)出口復(fù)雜度現(xiàn)狀及演進(jìn)機(jī)制分析[J]. 蠶業(yè)科學(xué)， 2013， 39（2）： 365-371.

GU Guoda， FANG Yuan. An analysis on the status quo and evolvement mechanism for export technical sophistication of Chinas silk industry[J]. Science of Sericulture， 2013， 39（2）： 365-371.149EBCE7-DF8C-4BD7-93DC-60580D269352

[18]詹小琦. 全球價(jià)值鏈視角下中國(guó)紡織服裝業(yè)國(guó)際競(jìng)爭(zhēng)力的比較[J]. 江蘇海洋大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）， 2021， 19（6）： 98-109.

ZHAN Xiaoqi. Comparison of international competitiveness of Chinese textile and garment industry under the global value chain division[J]. Journal of Jiangsu Ocean University （Humanities & Social Sciences Edition）， 2021， 19（6）： 98-109.

[19]張杰， 鄭文平. 全球價(jià)值鏈下中國(guó)本土企業(yè)的創(chuàng)新效應(yīng)[J]. 經(jīng)濟(jì)研究， 2017， 52（3）： 151-165.

ZHANG Jie， ZHENG Wenping. The innovative effect of Chinese domestic firms under the global value chain[J]. Economic Research Journal， 2017， 52（3）： 151-165.

[20]馬述忠， 房超， 梁銀鋒. 數(shù)字貿(mào)易及其時(shí)代價(jià)值與研究展望[J]. 國(guó)際貿(mào)易問(wèn)題， 2018（10）： 16-30.

MA Shuzhong， FANG Chao， LIANG Yinfeng. Digital trade： Definition， practical significance and research prospects[J]. Journal of International Trade， 2018（10）： 16-30.

[21]黃群慧， 余泳澤， 張松林. 互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升： 內(nèi)在機(jī)制與中國(guó)經(jīng)驗(yàn)[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2019（8）： 5-23.

HUANG Qunhui， YU Yongze， ZHANG Songlin. Internet development and productivity growth in manufacturing industry： Internal mechanism and China experiences[J]. China Industrial Economics， 2019（8）： 5-23.

[22]FREY C B， OSBORNE M A. The future of employment： How susceptible are jobs to computerisation？[J]. Technological Forecasting and Social Change， 2013， 114（1）： 254-280.

[23]DAVID B. Computer technology and probable job destructions in Japan： An evaluation[J]. Journal of the Japanese and International Economies， 2017， 43（1）： 77-87.

[24]陳宗勝， 趙源. 不同技術(shù)密度部門工業(yè)智能化的就業(yè)效應(yīng)： 來(lái)自中國(guó)制造業(yè)的證據(jù)[J]. 經(jīng)濟(jì)學(xué)家， 2021（12）： 98-106.

CHEN Zongsheng， ZHAO Yuan. The employment effect of industrial intelligence in sectors with different technology densities： Evidence from Chinas manufacturing industry[J]. Economist， 2021（12）： 98-106.

[25]MICHAELS G， NATRAJ A， Reenen J A. Has ICT polarized skill demand？ Evidence from eleven countries over twenty-five years[J]. Review of Economics and Statistics， 2014， 96（1）： 60-77.

[26]AUTOR D H. Why are there still so many jobs？ The history and future of workplace automation[J]. Journal of Economic Perspectives， 2015， 29（3）： 3-30.

[27]BARRO R J， LEE J W. A new data set of educational attainment in the world， 1950-2010[J]. Journal of Development Economics， 2013， 104： 184-198.

[28]PSACHAROPOULOS G. Returns to investment in education： A global update[J]. World Development， 1994， 22（9）： 1325-1343.

Research on the impact of artificial intelligence on international specialization status in textile industry

MA Wenjing， GU Guoda， LI Jianqin149EBCE7-DF8C-4BD7-93DC-60580D269352

（School of Economics， Zhejiang University， Hangzhou 310030， China）

Abstract：With the continuous iteration of digital technologies， Artificial Intelligence （AI） is emerging as a core strength leading the technological revolution and industrial transformation. Furthermore， since the outbreak of COVID-19 epidemic， AI has been promoted to a new high. To build new international competitiveness， AI has been undoubtedly seen as an important avenue to improve the status of international specializations. Under the opportunity of global value chain （GVC） reconstruction， the traditional comparative advantages such as labor cost are gradually weakened. The textile industry urgently needs to improve the core competitiveness of products through intelligent manufacturing， and upgrade from the processing and manufacturing link with the lowest added value to the textile machinery production and product design link with higher added value. Does the current development level of AI have an obvious driving effect on the international specializations status of textile industry in various countries？ What is the specific mechanism？ The discussion of these problems has theoretical value and important practical significance for the formulation of AI-related policies， the transformation of textile industry and the promotion path selection of the international specializations status.

This paper measures the comprehensive development index of AI in 28 countries from 2010 to 2017. Based on the world input-output table， a global value chain position index is constructed to measure a countrys status of international specializations. The two indicators are connected within a unified framework， and the multi-dimensional panel fixed effect model is used for empirical test of textile industry. Then， using the intermediary effect model， this paper analyzes the influence mechanism of AI on the status of international specializations from three channels： technological innovation， production efficiency and human capital. There are three possible marginal contributions of this paper： First， the research on integrated evaluation systems for AI development in 28 economies from 2010 to 2017， allowing for the international comparison and dynamic tracking from multiple dimensions， could be initial efforts to break up the one-fold measurement of AI. Second， it is the first time to use AI as an emerging influencing factor of the international specializations status in the textile industry. Third， through connecting the AI index with international specializations status of the textile industry within the unified accounting framework， our study provides a better understanding of mechanisms for AI influence on international specializations from three channels： technological innovation， production efficiency and human capital. The main conclusions are as follows： First， AI has significantly improved the position of a countrys textile industry in the global value chain. Second， through the mechanism test， it is confirmed that AI has improved the international specializations status of the textile industry through three channels： technological innovation， production efficiency and human capital. Among them， the kinetic energy of promoting the textile industry to move up the value chain through production efficiency needs to be further stimulated. Therefore， in order to seize the opportunity of technological revolution， the textile industry should actively develop intelligent manufacturing， and use AI technology to help enterprises complete the transformation of automation， intelligence and digitization， so as to improve the added value and technical content of export products. Meanwhile， enterprises and governments should increase R&D （research and development） investment， vigorously promote the transformation of innovative achievements of AI technology in the textile industry， and make it gradually occupy the core position of global value chain in international competition. Finally， in order to solve the key problems of textile industry such as the over-dependence on low-end labor force， administrative departments should speed up the construction of high-end talent team of AI.

The emerging technology represented by AI provides a new path choice for the international specializations status of the textile industry， which can not only further promote the AI sustainable development and the effective integration of all links of the textile industry， but also break through the dilemma of "low-end locking" of the global value chain， so as to achieve the goal of promoting the digital transformation of the textile industry and improving the status of international specializations. It provides a theoretical and factual basis for AI to cultivate new digital kinetic energy in the upgrading of textile industry and to participate in the positioning of a new round of international competition.

Key words：artificial intelligence; textile industry; industrial upgrading; international specialization; global value chain; input-output149EBCE7-DF8C-4BD7-93DC-60580D269352