劉松竹 肖生鵬 梁運文

摘要：我國經(jīng)濟已由數(shù)量規(guī)模的高速增長轉(zhuǎn)向高質(zhì)量發(fā)展新階段，制造業(yè)企業(yè)高質(zhì)量發(fā)展還面臨著諸多問題和發(fā)展瓶頸?；?011—2019年滬深A股制造業(yè)上市公司與國際機器人聯(lián)合會（IFR）的匹配數(shù)據(jù)，考察人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展的影響效應(yīng)及機制，可以發(fā)現(xiàn)人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展存在顯著且穩(wěn)健的促進作用;異質(zhì)性分析結(jié)果顯示，人工智能應(yīng)用較大幅度地提升了國有企業(yè)、非沿海地區(qū)企業(yè)及高技術(shù)行業(yè)企業(yè)的高質(zhì)量發(fā)展。政府應(yīng)通過各種財政支持措施對機器人及人工智能技術(shù)的引進、應(yīng)用及開發(fā)予以補貼及稅收優(yōu)惠等，在加大機器人及人工智能等機器人技術(shù)應(yīng)用力度的同時，要轉(zhuǎn)變技術(shù)創(chuàng)新模式，加強勞動者的職業(yè)技能培養(yǎng)和勞動者自身的技術(shù)吸收能力提升，充分發(fā)揮產(chǎn)學研之間相互合作的協(xié)同創(chuàng)新優(yōu)勢;擴大中西部地區(qū)人工智能技術(shù)的應(yīng)用領(lǐng)域和范圍，強化企業(yè)自主創(chuàng)新的能力，更大程度發(fā)揮其對地區(qū)社會經(jīng)濟發(fā)展的促進作用。

關(guān)鍵詞：人工智能;制造業(yè);企業(yè)高質(zhì)量發(fā)展;技術(shù)創(chuàng)新;人力資本提升

基金項目：國家社會科學基金項目“‘一帶一路’沿線國家‘互聯(lián)網(wǎng)+’價值鏈連接機制與借勢途徑研究”（19BJL112）;湖南省社會科學成果評審委員會一般項目“疫情沖擊下基于產(chǎn)品空間理論的湖南制造業(yè)轉(zhuǎn)型升級路徑與對策研究”（XSP22YBZ099）

中圖分類號：F276? ? 文獻標識碼：A? ? 文章編號：1003-854X（2022）07-0024-08

一、引言與相關(guān)文獻綜述

當前，我國經(jīng)濟已由數(shù)量規(guī)模的高速增長轉(zhuǎn)向高質(zhì)量發(fā)展新階段。改革開放尤其是加入WTO以來，我國經(jīng)濟規(guī)?？焖佘S進，國內(nèi)生產(chǎn)總值已由1978年的3645億元飆升到2021年近114萬億元，年均增長率高達14.3%，近40年間我國GDP實際增長了近313倍。然而，與我國經(jīng)濟規(guī)模的迅速擴張相比，制造業(yè)企業(yè)高質(zhì)量發(fā)展還面臨著諸多問題和發(fā)展瓶頸，諸如自主創(chuàng)新能力不強、產(chǎn)品附加值不高、生產(chǎn)管理效率較低等問題①，導致我國制造業(yè)企業(yè)一直處于“大而不強”的局面，對我國經(jīng)濟轉(zhuǎn)型升級與高質(zhì)量發(fā)展的支撐作用亟待加強。尤其在新冠肺炎疫情仍肆虐全球、中美貿(mào)易摩擦態(tài)勢反復、全球經(jīng)濟發(fā)展趨勢不確定性陡增的背景下，如何提升我國制造業(yè)企業(yè)高質(zhì)量發(fā)展水平，加快產(chǎn)業(yè)轉(zhuǎn)型升級，實現(xiàn)“中國制造”向“中國創(chuàng)造”的轉(zhuǎn)變將成為推動新時代經(jīng)濟增長和高質(zhì)量發(fā)展的重要驅(qū)動力。

人工智能作為一種新型的通用目的技術(shù)，借助大數(shù)據(jù)、算法、互聯(lián)網(wǎng)等技術(shù)突破，通過與制造業(yè)融合發(fā)展引領(lǐng)新的產(chǎn)業(yè)變革。黨的十九屆五中全會也特別指出，要進一步加強大數(shù)據(jù)、人工智能等與制造業(yè)深度融合。得益于技術(shù)的進步及我國制造業(yè)的崛起，人工智能產(chǎn)業(yè)在我國得到了迅猛的發(fā)展，我國人工智能的投融資已占全球的60%②。中國信息通信研究院數(shù)據(jù)顯示，在2004—2020年期間，我國人工智能企業(yè)數(shù)量保持了年均約11.77%的高增長，截至2020年已居于世界第二位，占全球比重達到24.7%，同時，我國人工智能產(chǎn)業(yè)的總規(guī)模在2020年也已高達3031億元，與上年相比，增長幅度高達15.10%。此外，國家工業(yè)和信息化部的數(shù)據(jù)也表明，到2020年底，我國規(guī)模以上制造業(yè)企業(yè)的智能化應(yīng)用率也已達到近50%。當前，數(shù)字化、智能化技術(shù)創(chuàng)新不斷深化，以大數(shù)據(jù)、人工智能等為代表的新技術(shù)、新生產(chǎn)方式、新產(chǎn)品大量涌現(xiàn)，成為推動經(jīng)濟增長和高質(zhì)量發(fā)展的主導力量和重要內(nèi)涵③。那么，人工智能應(yīng)用能否有助于促進我國企業(yè)高質(zhì)量發(fā)展呢？其可能的影響渠道又是什么？這種影響是否又會因為企業(yè)的不同所有制屬性、所處區(qū)域或行業(yè)技術(shù)特性而表現(xiàn)出差異性？這些問題的解決對于厘清人工智能應(yīng)用與我國制造業(yè)企業(yè)高質(zhì)量發(fā)展之間的關(guān)系十分重要。

事實上，關(guān)于機器人、人工智能應(yīng)用的經(jīng)濟效應(yīng)研究，主要源自西方發(fā)達國家，并聚焦于經(jīng)濟增長、勞動力市場、收入分配等方面。就經(jīng)濟增長而言，陳彥斌等通過構(gòu)建動態(tài)一般均衡模型，研究表明人工智能能夠緩解老齡化對經(jīng)濟的沖擊，從而促進經(jīng)濟增長④;Kromann等的研究發(fā)現(xiàn)機器人、工業(yè)智能化不僅可以促進經(jīng)濟增長，還能促進其全要素生產(chǎn)率的提高⑤;楊光和侯鈺的研究則進一步證實了上述結(jié)論，還發(fā)現(xiàn)在人口紅利的不同階段存在顯著的差異性⑥。關(guān)于人工智能應(yīng)用對勞動力市場的影響，Gregory等認為工業(yè)智能化的使用能夠增加產(chǎn)品需求，也會創(chuàng)造出新的就業(yè)崗位，進而促進就業(yè)的增長⑦;Acemoglu和Restrepo的研究則發(fā)現(xiàn)，增加使用機器人會減少美國勞動力市場的就業(yè)人口比例⑧;Dauth等采用德國的IFR數(shù)據(jù)研究表明，機器人應(yīng)用未對其總體就業(yè)造成損失，而只是改變了德國的就業(yè)結(jié)構(gòu)⑨，即機器人、人工智能應(yīng)用對不同行業(yè)的影響存在差異性。在收入分配方面，DeCanio與Brynjolfsson等認為，人工智能的大量應(yīng)用會代替更多勞動，致使資本要素的份額增加，資本報酬遞增，進而加劇了收入不平等⑩。同時，還有部分研究進一步從微觀層面考察了機器人及人工智能應(yīng)用等對企業(yè)勞動生產(chǎn)率、企業(yè)出口產(chǎn)品質(zhì)量、企業(yè)綠色發(fā)展等的影響{11}。近年來制造業(yè)企業(yè)如何實現(xiàn)高質(zhì)量發(fā)展?jié)u成學術(shù)界研究的熱點問題，且主要以宏觀層面的研究為主，例如經(jīng)濟高質(zhì)量發(fā)展的評判體系{12}、經(jīng)濟高質(zhì)量發(fā)展的影響因素{13}等，而較少關(guān)注企業(yè)微觀層面的研究。企業(yè)是經(jīng)濟高質(zhì)量發(fā)展的微觀主體，只有企業(yè)實現(xiàn)高質(zhì)量發(fā)展才能從根本上推動經(jīng)濟的高質(zhì)量發(fā)展。

從上述文獻梳理可知，既有研究要么僅考察了機器人及人工智能應(yīng)用對企業(yè)出口產(chǎn)品質(zhì)量、勞動生產(chǎn)率及綠色發(fā)展等的影響，要么僅從區(qū)域及產(chǎn)業(yè)視角關(guān)注其對經(jīng)濟高質(zhì)量發(fā)展的影響。如從省級層面考察工業(yè)智能化對制造業(yè)高質(zhì)量發(fā)展的影響，結(jié)果發(fā)現(xiàn)，工業(yè)智能化與制造業(yè)發(fā)展質(zhì)量之間呈現(xiàn)“U”型關(guān)系，且這種關(guān)系存在較強的行業(yè)及區(qū)域異質(zhì)性特征{14}，因此難以捕捉企業(yè)微觀層面影響?；诖?，本文從人工智能視角來考察其對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展的影響，為機器人及人工智能應(yīng)用助推我國經(jīng)濟轉(zhuǎn)型升級和企業(yè)高質(zhì)量發(fā)展提供新的經(jīng)驗證據(jù)。

二、研究設(shè)計

（一）數(shù)據(jù)來源

本文數(shù)據(jù)主要源自國際機器人聯(lián)合會（IFR）所公布的“年份—國家—行業(yè)”層面的機器人統(tǒng)計數(shù)據(jù)、國泰安（CSMAR）數(shù)據(jù)庫、萬得（WIND）數(shù)據(jù)庫以及《中國工業(yè)統(tǒng)計年鑒》。由于本文考察的工業(yè)機器人主要應(yīng)用于制造業(yè)領(lǐng)域，基于數(shù)據(jù)可得性，我們將考察期設(shè)定為2011—2019年，并以中國滬深A股制造業(yè)上市公司為研究對象進行實證研究。依據(jù)《GB/T 4754—2017國民經(jīng)濟行業(yè)分類與代碼》以及《所有經(jīng)濟活動的國際標準行業(yè)分類（第四版）》，我們將制造業(yè)上市公司行業(yè)數(shù)據(jù)與IFR的工業(yè)機器人數(shù)據(jù)進行匹配，并在剔除了ST、*ST類上市公司以及存在數(shù)據(jù)嚴重缺失的樣本后，最終得到1948家制造業(yè)上市公司的12088個樣本觀測值的并集數(shù)據(jù)。同時，為消除樣本異常值的影響，本文對主要連續(xù)變量進行了前后1%的Winsorize處理，并使用統(tǒng)計軟件Stata 15.0進行數(shù)據(jù)分析。

（二）構(gòu)建計量模型

本文旨在考察人工智能應(yīng)用對中國制造業(yè)企業(yè)高質(zhì)量發(fā)展的影響，為此，我們構(gòu)建如下基準計量模型進行估計：

Hqualityijt=δ0+δ1AIijt+Σδicontrolit+γj+γt+εijt （1）

式（1）中的下標i、j與t分別表示企業(yè)、國民經(jīng)濟行業(yè)分類（CIC）4位碼行業(yè)及年份;Hquality為被解釋變量，即企業(yè)高質(zhì)量發(fā)展;AI為人工智能的代理變量，即本文的核心解釋變量;controlit表示一系列控制變量，γj、γt分別為行業(yè)和年份層面的固定效應(yīng)，ε為隨機誤差項。

（三）變量選取

1. 被解釋變量：企業(yè)高質(zhì)量發(fā)展（Hquality），后文均以此指代制造業(yè)企業(yè)高質(zhì)量發(fā)展。對于其測度方式，目前主要分為兩大類，即單一指標法和多指標法。其中單一指標法較為常見，較多采用全要素生產(chǎn)率、勞動生產(chǎn)率、經(jīng)濟增加值等進行測度，也有部分學者使用多指標法對其進行表征，如唐紅祥等{15}。但這些測度方法的不足之處在于主觀性較大，難以得到統(tǒng)一評估指標?；诖?，本文借鑒陳詩一和陳登科的做法{16}，以企業(yè)全要素生產(chǎn)率表征企業(yè)高質(zhì)量發(fā)展。此外，由于全要素生產(chǎn)率的測算方法眾多，其中最小二乘法（OLS法）和固定效應(yīng)法（FE法）無法解決內(nèi)生性問題，且涵蓋的信息不全面，而廣義矩估計法（GMM法）要求樣本具有足夠長的時間跨度，同時，OP法又會因企業(yè)投資額缺失導致大量數(shù)據(jù)丟失問題，因此，本文借鑒Arnold等的做法{17}，使用LP法計算企業(yè)全要素生產(chǎn)率，并將其作為企業(yè)高質(zhì)量發(fā)展的代理變量。

2. 核心解釋變量：人工智能應(yīng)用（AI）。作為本文的核心解釋變量，人工智能應(yīng)用被視為自動化技術(shù)的一種高階類型。我們借鑒Acemoglu和Restrepo{18}、王永欽和董雯{19}等的做法，使用工業(yè)機器人數(shù)據(jù)作為人工智能應(yīng)用的代理變量。我們選擇以企業(yè)層面工業(yè)機器人密度表征人工智能應(yīng)用水平，具體測度方法如下：首先，利用行業(yè)層面工業(yè)機器人存量與行業(yè)基期就業(yè)人數(shù)（萬人）的比值計算出行業(yè)層面工業(yè)機器人滲透度;其次，將企業(yè)基期生產(chǎn)人員占比與制造業(yè)全部企業(yè)基期生產(chǎn)人員占比的中位數(shù)之比作為權(quán)重;最后，將企業(yè)權(quán)重與對應(yīng)行業(yè)的工業(yè)機器人滲透度的乘積作為企業(yè)層面工業(yè)機器人密度。如式（2）所示：

Robotsijt=（2）

式（2）中，Robotsijt表示制造業(yè)行業(yè)j中i企業(yè)在t年的工業(yè)機器人密度，IRjt為行業(yè)j在t年的工業(yè)機器人存量，Laborjt=2010為行業(yè)j在2010年（基期）的就業(yè)人數(shù)，PPijt=2011為行業(yè)j中i企業(yè)在2011年（基期）生產(chǎn)人員的比重，MedPPt=2011為全部制造業(yè)所有企業(yè)在2011年的生產(chǎn)人員占比的中位數(shù)。

3. 控制變量。參考既有研究，本文選取了一系列指標作為控制變量，具體包括：（1）企業(yè)規(guī)模（Size），以企業(yè)期末資產(chǎn)總額的自然對數(shù)表征;（2）企業(yè)年齡（Age），以企業(yè)當期年份減去成立之年的差額取自然對數(shù)表示;（3）資產(chǎn)負債率（Lev），以企業(yè)期末負債總額與資產(chǎn)總額的比值表征;（4）董事會規(guī)模（Bsize），以董事會總?cè)藬?shù)的自然對數(shù)進行表征;（5）獨立董事比例（Indep），以獨立董事人數(shù)與董事會總?cè)藬?shù)的比值表示;（6）股權(quán)集中度（Top1），以第一大股東持股比例表征;（7）企業(yè)市場價值（Tq），以企業(yè)市值與總資產(chǎn)的比值表征;（8）研發(fā)投入強度（RD），以企業(yè)研發(fā)投入與營業(yè)收入的比值表征;（9）高管薪酬（EI），以企業(yè)高管年薪總額的自然對數(shù)表征。表1報告了相關(guān)變量的描述性統(tǒng)計結(jié)果。

三、實證分析

（一）基準回歸估計結(jié)果分析

本文利用式（1）考察了人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展的影響，具體回歸結(jié)果如表2所示。第（1）列未添加任何控制變量，第（2）列加入各層面控制變量，各列均控制了行業(yè)固定效應(yīng)和年份固定效應(yīng)?？梢钥闯觯瑹o論是否添加控制變量，人工智能應(yīng)用對我國企業(yè)高質(zhì)量發(fā)展的估計系數(shù)在1%顯著性水平上均為正，這表明人工智能應(yīng)用有助于促進我國企業(yè)的高質(zhì)量發(fā)展。導致這一現(xiàn)象的原因可能在于，一是人工智能應(yīng)用有助于減少? ? ? ? ? ? ? ?表2? 基準回歸結(jié)果

注：***、**和*分別表示在1%、5%和10%的水平上顯著;括號內(nèi)為t值;所有回歸均控制了行業(yè)固定效應(yīng)及年份固定效應(yīng)。下同。

技術(shù)創(chuàng)新的風險和不確定性，進而降低創(chuàng)新成本，提升創(chuàng)新效率;二是人工智能應(yīng)用助推的人力資本結(jié)構(gòu)優(yōu)化引起的高質(zhì)量就業(yè)所致。

（二）穩(wěn)健性檢驗

1. 內(nèi)生性檢驗。在上文基準回歸部分，我們利用OLS方法估計了人工智能應(yīng)用對我國企業(yè)高質(zhì)量發(fā)展的影響，為減少由此帶來的內(nèi)生性偏誤，提高研究結(jié)論的穩(wěn)健性，我們借鑒王永欽和董雯{20}、唐青青等{21}選取工具變量的思路，選取以下兩種工具變量并采取2SLS方法進行內(nèi)生性檢驗。首先，以美國工業(yè)機器人的存量構(gòu)造相應(yīng)的中國制造業(yè)企業(yè)工業(yè)機器人存量密度，并將取自然對數(shù)后得到的人工智能變量作為工具變量，之所以選取美國工業(yè)機器人數(shù)據(jù)構(gòu)造工具變量，主要基于兩方面的考慮：其一，美國是制造業(yè)強國且工業(yè)機器人應(yīng)用水平處于全球前列，能夠反映未來人工智能發(fā)展趨勢，而且在樣本期內(nèi)，美國同中國工業(yè)機器人應(yīng)用的發(fā)展趨勢較為接近，因此滿足相關(guān)性假定;其二，美國工業(yè)機器人應(yīng)用水平與中國企業(yè)高質(zhì)量發(fā)展間并沒有直接的聯(lián)系，因此滿足外生性假定。其次，進一步借鑒唐青青等的做法{22}，選用滯后一期的人工智能數(shù)據(jù)作為工具變量進行2SLS回歸，這是因為企業(yè)的機器人密度對當期企業(yè)機器人密度有一定影響，同時作為被解釋變量的當期的企業(yè)高質(zhì)量發(fā)展不會對滯后一期的企業(yè)機器人密度產(chǎn)生影響，工具變量的回歸結(jié)果如表3第（1）、（2）列所示。第一階段估計結(jié)果顯示，兩種工具變量都與機器人密度的估計系數(shù)在1%的顯著性水平上分別為1.038和0.928，表明這兩種工具變量與企業(yè)機器人密度的相關(guān)性條件成立，在第二階段兩種工具變量法下，人工智能對我國企業(yè)高質(zhì)量發(fā)展的回歸系數(shù)也均顯著為正，且P值和F值顯示在1%水平上拒絕了工具變量識別不足及弱識別的原假設(shè)，這說明上述兩種工具變量的選取是有效的。

2. 替換被解釋變量。參考王桂軍和盧瀟瀟{23}、石大千等{24}的做法，本文采用勞動生產(chǎn)率和以O(shè)P法重新計算的企業(yè)全要素生產(chǎn)率作為企業(yè)高質(zhì)量發(fā)展的代理變量，考察其對企業(yè)高質(zhì)量發(fā)展的影響。勞動生產(chǎn)率和OP法重新計算的企業(yè)全要素生產(chǎn)率的回歸結(jié)果依次如表3的第（3）列與第（4）列所示。結(jié)果顯示，兩種替換后的被解釋變量的回歸系數(shù)在1%顯著性水平上為正，其結(jié)果與基準回歸結(jié)果基本一致，表明其結(jié)論是穩(wěn)健的。

3. 替換解釋變量。借鑒曹平等{25}、王永欽和董雯{26}的思路，使用滯后一期的人工智能和工業(yè)機器人安裝密度的自然對數(shù)作為人工智能的代理變量，采用基準回歸模型式（1）進行穩(wěn)健性檢驗，以進一步驗證研究結(jié)論的可信度，結(jié)果如表3第（5）、（6）列所示?？梢钥闯?，替換兩種解釋變量后的回歸系數(shù)分別在5%和1%的顯著性水平上為正，其符號方向及大小均未發(fā)生實質(zhì)性改變，這反映出本文基準回歸的結(jié)論是可靠的。

（三）異質(zhì)性分析

我們進一步從企業(yè)所有制類型、企業(yè)所在區(qū)域和不同技術(shù)水平企業(yè)進行樣本分類，分別考察人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展的異質(zhì)性影響。

一是企業(yè)所有制類型的分析。由于國有企業(yè)與非國有企業(yè)在資源配置效率、企業(yè)經(jīng)營、資產(chǎn)規(guī)模等方面存在差異，與非國有企業(yè)相比，國有企業(yè)體量龐大，融資與經(jīng)營壓力小，總體運營效率不高，因此，不同所有制企業(yè)受到人工智能應(yīng)用的影響也可能存在差異?；诖?，我們將樣本劃分為國有企業(yè)和非國有企業(yè)兩個樣本后進行分組回歸，表4第（1）、（2）列分別給出了國有企業(yè)與非國有企業(yè)子樣本組的回歸結(jié)果，每列均添加了各層面控制變量、行業(yè)固定效應(yīng)和年份固定效應(yīng)?？梢园l(fā)現(xiàn)，人工智能應(yīng)用對不同所有制企業(yè)高質(zhì)量發(fā)展的影響系數(shù)均顯著為正，且與非國有企業(yè)相比，國有企業(yè)的影響系數(shù)更大，表明人工智能應(yīng)用對國有企業(yè)高質(zhì)量發(fā)展的促進作用更大。這可能是由于國有企業(yè)規(guī)模大，且運營效率本身并不高，人工智能更能發(fā)揮出削減人力成本的作用以及對效率提升的作用等，從而更大程度地促進了企業(yè)高質(zhì)量發(fā)展。

二是不同區(qū)域的分析。據(jù)中國海關(guān)數(shù)據(jù)庫的各省工業(yè)機器人進口情況的統(tǒng)計，我們發(fā)現(xiàn)機器人進口數(shù)量較多的省份主要分布在長三角、珠三角等沿海地區(qū)，相比非沿海地區(qū)，我國沿海地區(qū)在經(jīng)濟發(fā)展水平、基礎(chǔ)設(shè)施建設(shè)及勞動力素質(zhì)等方面有優(yōu)勢，因此，人工智能應(yīng)用可能會對我國不同區(qū)域企業(yè)高質(zhì)量發(fā)展產(chǎn)生差異性影響。為此，我們按照企業(yè)所在區(qū)域?qū)⑵鋭澐譃檠睾５貐^(qū)企業(yè)與非沿海地區(qū)企業(yè)樣本{27}，在此基礎(chǔ)上進行異質(zhì)性檢驗，結(jié)果如表4第（3）、（4）列所示，每列均加入了各類控制變量、行業(yè)固定效應(yīng)和年份固定效應(yīng)?？梢钥闯?，兩類樣本下人工智能應(yīng)用的影響系數(shù)分別在10%和5%的顯著性水平上均為正，但與沿海地區(qū)企業(yè)相比，非沿海地區(qū)企業(yè)人工智能應(yīng)用的影響系數(shù)更大，這說明人工智能應(yīng)用對非沿海地區(qū)企業(yè)高質(zhì)量發(fā)展的提升效應(yīng)更大?？赡艿脑蚴牵斯ぶ悄芫哂邢鳒p人力規(guī)模與成本的作用，且能提升要素配置效率，這為經(jīng)濟欠發(fā)達的非沿海地區(qū)企業(yè)高質(zhì)量發(fā)展起到了更大的提升作用。而對于經(jīng)濟發(fā)達的沿海地區(qū)企業(yè)，能促進企業(yè)高質(zhì)量發(fā)展的有利條件多，且企業(yè)本身高質(zhì)量發(fā)展水平比較高，因而人工智能對于企業(yè)高質(zhì)量發(fā)展的提升作用有限。

三是分行業(yè)技術(shù)特性的分析?？紤]到不同行業(yè)內(nèi)企業(yè)技術(shù)特征及技術(shù)先進程度不同，人力資本水平也存在差異，因而其對技術(shù)的吸收能力差異可能對企業(yè)高質(zhì)量發(fā)展產(chǎn)生不同的影響。為此，我們根據(jù)國民經(jīng)濟行業(yè)分類代碼（2002年版）將制造業(yè)按照行業(yè)技術(shù)性高低進行分組{28}，進一步考察人工智能應(yīng)用對不同技術(shù)水平行業(yè)企業(yè)高質(zhì)量發(fā)展的異質(zhì)性影響，結(jié)果如表4第（5）、（6）列所示，每列均加入了各類控制變量、行業(yè)固定效應(yīng)和年份固定效應(yīng)?；貧w結(jié)果顯示，人工智能應(yīng)用更有助于推動高技術(shù)行業(yè)企業(yè)的高質(zhì)量發(fā)展，對于低技術(shù)行業(yè)企業(yè)的影響并不顯著。對此可能的解釋是，高技術(shù)行業(yè)內(nèi)企業(yè)的技術(shù)更先進，人力資本水平也更高，對技術(shù)的學習能力和消化吸收能力也更強，因而更有助于推動企業(yè)高質(zhì)量發(fā)展。

（四）影響機制分析

本文通過梳理相關(guān)文獻，認為人工智能應(yīng)用可能會從技術(shù)創(chuàng)新與人力資本提升渠道來影響我國企業(yè)高質(zhì)量發(fā)展。

一是人工智能應(yīng)用通過技術(shù)創(chuàng)新影響企業(yè)高質(zhì)量發(fā)展。作為具有基礎(chǔ)和通用性特征的技術(shù)，人工智能具有很強的溢出帶動效應(yīng)。一方面，人工智能技術(shù)可以有效解決信息不對稱和協(xié)調(diào)溝通效率問題，顯著提高了信息流通的效率和質(zhì)量，加速了技術(shù)創(chuàng)新、產(chǎn)品創(chuàng)新與市場創(chuàng)新的協(xié)同創(chuàng)新效率和質(zhì)量。由于人工智能系統(tǒng)在信息搜索廣度和處理速度上更具優(yōu)勢，因此研發(fā)人員可以更專注于復雜而高級的研發(fā)活動中，擺脫簡單、重復的信息搜尋和處理工作，提高了企業(yè)創(chuàng)新效率，擴大了企業(yè)對知識的學習和應(yīng)用能力{29}。另一方面，人工智能應(yīng)用有助于降低企業(yè)生產(chǎn)經(jīng)營成本和貿(mào)易成本。融資約束是影響企業(yè)創(chuàng)新的重要因素之一，這些成本的降低可以使企業(yè)有更多的資金用以研發(fā)創(chuàng)新，從而可能促進企業(yè)高質(zhì)量發(fā)展。人工智能的“生產(chǎn)率效應(yīng)”會使得企業(yè)的大部分勞動者從重復性的勞動中釋放出來，企業(yè)的勞動力成本降低，節(jié)約了企業(yè)的自有資金，使企業(yè)轉(zhuǎn)而投向更加復雜的、高端的技術(shù)研發(fā)中，緩解了企業(yè)在研發(fā)過程中的融資約束，從而可以提升企業(yè)創(chuàng)新水平。此外，人工智能投資還會產(chǎn)生“干中學”的創(chuàng)新效應(yīng)。作為實物形態(tài)的創(chuàng)新成果，人工智能更易于在實踐中應(yīng)用、模仿和學習，特別是由于其兼具科技性、融合性和智能化等特征，由此所帶來的技術(shù)進步和勞動生產(chǎn)率的促進作用也將比一般性固定資產(chǎn)投資和研發(fā)投資更為顯著{30}。同時，技術(shù)創(chuàng)新有助于優(yōu)化配置生產(chǎn)要素，進而提高企業(yè)全要素生產(chǎn)率和企業(yè)發(fā)展質(zhì)量{31}。因此，我們認為人工智能通過技術(shù)創(chuàng)新效應(yīng)促進了企業(yè)高質(zhì)量發(fā)展。

二是人工智能應(yīng)用通過人力資本提升來影響企業(yè)高質(zhì)量發(fā)展。人力資本提升主要涉及勞動體能、技能和智能的改善。既有研究發(fā)現(xiàn)，以人工智能技術(shù)為基礎(chǔ)的工業(yè)智能化將逐步實現(xiàn)對勞動力的替代{32}，然而，實際上，人工智能技術(shù)只能替代部分勞動，而對難以被自動化、對技能要求較高的勞動力無法實現(xiàn)替代，同時在人工智能技術(shù)下勞動力結(jié)構(gòu)將由操作型和技能型員工向知識型員工轉(zhuǎn)變{33}，這必然會對勞動力的技能提出更高的要求。Hémous和Olsen的研究也發(fā)現(xiàn)，人工智能技術(shù)的應(yīng)用在提高勞動生產(chǎn)率、增加對高技能勞動力要求的同時，會減少對低技能勞動力的需求{34}。同時，人工智能與不同產(chǎn)業(yè)的融合發(fā)展，將催生新業(yè)態(tài)和新模式，進而推動產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級。此外，產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級還會帶動相關(guān)技能崗位的增加，使得生產(chǎn)部門擴大對人力資本的需求，從而致使勞動者獲得更多的職業(yè)培訓機會{35}。由于勞動力結(jié)構(gòu)優(yōu)化所引致的高質(zhì)量就業(yè)是制造業(yè)實現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵因素，因此，人力資本提升所帶來的勞動力結(jié)構(gòu)優(yōu)化將有助于實現(xiàn)我國企業(yè)高質(zhì)量發(fā)展。

為進一步驗證上述影響機制分析結(jié)果，我們參考Baron和Kenny{36}的思路，在基準回歸模型（1）的基礎(chǔ)上，通過構(gòu)建如下中介效應(yīng)模型（3）與（4）來識別其背后可能的作用機制。

Medit=μ0+μ1AIijt+Σμicontrolit+γj+γt+εijt（3）

Hqualityijt=φ0+φ1AIijt+φ2Medit+Σφicontrolit+γj+γt+εijt? ? ? ? ? ? ? ? ? ?（4）

其中，Medit表示中介變量，即當期技術(shù)創(chuàng)新（Innovation）和人力資本提升（Capital）。關(guān)于中介變量的具體度量如下：關(guān)于技術(shù)創(chuàng)新（Innovation）的測度，黎文靖和鄭曼妮{37}認為，發(fā)明專利能夠?qū)嵸|(zhì)性地推動技術(shù)進步，屬于高質(zhì)量的創(chuàng)新行為;而專利申請數(shù)量包括獲得授權(quán)專利與未獲得授權(quán)專利，因其未獲授權(quán)無法反映企業(yè)真實的技術(shù)創(chuàng)新水平?；诖耍覀円园l(fā)明專利授權(quán)數(shù)量+1后的自然對數(shù)作為技術(shù)創(chuàng)新的代理變量;人力資本提升（Capital）的測度，我們參考魏浩和李曉慶{38}的思路，以企業(yè)平均工資水平的自然對數(shù)作為人力資本提升的代理變量，其中，企業(yè)平均工資使用應(yīng)付職工薪酬/員工人數(shù)計算得出。同時，式（3）—（5）中的其他變量的含義與式（1）一致。

根據(jù)中介效應(yīng)的檢驗原理，要分別檢驗回歸系數(shù)δ1、μ1、φ1與φ2，由于上文基準回歸結(jié)果已表明人工智能應(yīng)用顯著推動了我國企業(yè)高質(zhì)量發(fā)展，即回歸系數(shù)δ1檢驗結(jié)果顯著，因此進入第二步，即檢驗回歸系數(shù)μ1是否顯著，如顯著則繼續(xù)到下一步，否則停止檢驗;在第三步，如回歸系數(shù)φ1與φ2均顯著，表明存在部分中介效應(yīng)，且無需進行sobel檢驗。而當回歸系數(shù)φ1不顯著但回歸系數(shù)φ2顯著時，表明為完全中介效應(yīng);反之，當回歸系數(shù)φ1顯著而回歸系數(shù)φ2不顯著時，則需進一步進行sobel檢驗，如果檢驗結(jié)果顯著，說明中介效應(yīng)成立，反之則不成立。

表5給出了兩類中介機制檢驗的回歸結(jié)果。其中第（1）、（3）列為采用式（3）考察人工智能應(yīng)用對中介變量技術(shù)創(chuàng)新與人力資本提升的估計結(jié)果，第（2）、（4）列報告了將中介變量添加到式（4）后的回歸結(jié)果。同時，由于表2第（2）列所示結(jié)果已表明回歸系數(shù)δ1檢驗結(jié)果為顯著，因此，只需對回歸系數(shù)μ1、φ1與φ2進行檢驗即可。由結(jié)果可知，在技術(shù)創(chuàng)新機制下，人工智能應(yīng)用顯著促進了企業(yè)技術(shù)創(chuàng)新水平，繼而通過技術(shù)創(chuàng)新水平的提升來助推我國企業(yè)高質(zhì)量發(fā)展。通過表5第（2）列的結(jié)果，可以發(fā)現(xiàn)在企業(yè)當期技術(shù)創(chuàng)新變量加入后，人工智能應(yīng)用的回歸系數(shù)較之表2第（2）列的系數(shù)有所減少，表明人工智能應(yīng)用通過技術(shù)創(chuàng)新機制來促進企業(yè)高質(zhì)量發(fā)展，即技術(shù)創(chuàng)新的中介機制效應(yīng)成立。同時，第（3）列的結(jié)果顯示，人工智能應(yīng)用的回歸系數(shù)同樣顯著為正，說明人工智能應(yīng)用具有顯著的人力資本提升作用。結(jié)合表5第（4）列與表2第（2）列的回歸結(jié)果，可以看出人工智能應(yīng)用與人力資本提升的回歸系數(shù)也均顯著為正，說明人力資本提升對于我國制造業(yè)企業(yè)高質(zhì)量發(fā)展的中介效應(yīng)同樣成立。

表5? 影響機制檢驗

四、研究結(jié)論與政策啟示

本文基于2011—2019年中國滬深A股制造業(yè)上市公司與國際機器人聯(lián)合會（IFR）的匹配數(shù)據(jù)，考察了人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展的影響效應(yīng)及機制。研究發(fā)現(xiàn)：第一，人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展存在顯著且穩(wěn)健的促進作用，這一結(jié)果在采用工具變量法、替換解釋變量和被解釋變量進行檢驗后仍然顯著;第二，異質(zhì)性分析結(jié)果顯示，人工智能應(yīng)用較大幅度地提升了國有企業(yè)、非沿海地區(qū)企業(yè)及及高技術(shù)行業(yè)企業(yè)的高質(zhì)量發(fā)展;第三，機制檢驗表明，人工智能應(yīng)用主要通過技術(shù)創(chuàng)新效應(yīng)及人力資本提升效應(yīng)的作用機制來促進我國制造業(yè)企業(yè)高質(zhì)量發(fā)展。

基于上述研究結(jié)論，本文的政策啟示在于：

第一，考慮到人工智能應(yīng)用對我國制造業(yè)企業(yè)高質(zhì)量發(fā)展產(chǎn)生了顯著的促進作用，政府應(yīng)通過各種財政支持措施對機器人及人工智能技術(shù)的引進、應(yīng)用及開發(fā)予以補貼及稅收優(yōu)惠等，尤其是對國有企業(yè)、非沿海地區(qū)企業(yè)及高技術(shù)行業(yè)企業(yè)。

第二，企業(yè)在加大機器人及人工智能等機器人技術(shù)應(yīng)用力度的同時，要轉(zhuǎn)變技術(shù)創(chuàng)新模式，加強勞動者的職業(yè)技能培養(yǎng)和勞動者自身技術(shù)吸收能力的提升，充分發(fā)揮產(chǎn)學研之間相互合作的協(xié)同創(chuàng)新優(yōu)勢。

第三，擴大中西部地區(qū)人工智能技術(shù)的應(yīng)用領(lǐng)域和范圍，強化企業(yè)自主創(chuàng)新的能力，更大程度發(fā)揮其對地區(qū)社會經(jīng)濟發(fā)展的促進作用。

注釋：

① 趙宸宇、王文春、李雪松：《數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率》，《財貿(mào)經(jīng)濟》2021年第7期。

② 楊偉國、邱子童、吳清軍：《人工智能應(yīng)用的就業(yè)效應(yīng)研究綜述》，《中國人口科學》2018年第5期。

③ 湯鐸鐸、劉學良、倪紅福、楊耀武、黃群慧、張曉晶：《全球經(jīng)濟大變局、中國潛在增長率與后疫情時期高質(zhì)量發(fā)展》，《經(jīng)濟研究》2020年第8期。

④ 陳彥斌、林晨、陳小亮：《人工智能、老齡化與經(jīng)濟增長》，《經(jīng)濟研究》2019年第7期。

⑤ L. Kromann， J. R. Skaksen， A. S？準rensen， Automation， Labor Productivity and Employment： A Cross Country Comparison， CEBR， Copenhagen Business School Working Paper， 2011.

⑥ 楊光、侯鈺：《工業(yè)機器人的使用、技術(shù)升級與經(jīng)濟增長》，《中國工業(yè)經(jīng)濟》2020年第10期。

⑦ T. Gregory， A. Salomons， U. Zierahn， Racing with or Against the Machine？ Evidence from Europe， ZEW-Discussion Papers Series， 2016， No.DP12063.

⑧{18} D. Acemoglu， P. Restrepo， Robots and Jobs： Evidence from? U.S. Labor Markets， Journal of Political Economy， 2020， 128（6）， pp.2188-2244.

⑨ W. Dauth， S. Findeisen， J. Südekum， N. Woessner， German Robots： The Impact of Industrial Robots on Workers， CEPR Discussion Paper， 2017， No.DP12306.

⑩ S. J. DeCanio， Robots and Humans-Complements or Substitutes？ Journal of Macroeconomics， 2016， 49， pp.280-291; E. Brynjolfsson， A. McAfee， M. Spence， New World Order： Labor， Capital， and Ideas in the Power Law Economy， Foreign Affairs， 2014， 93（4）， pp.44-53.

{11} 李磊、徐大策：《機器人能否提升企業(yè)勞動生產(chǎn)率？——機制與事實》，《產(chǎn)業(yè)經(jīng)濟研究》2020年第3期;唐青青、白東北、王玨：《人工智能對出口產(chǎn)品質(zhì)量促進的異質(zhì)效應(yīng)與影響路徑》，《現(xiàn)代財經(jīng)》2021年第12期;S. Mahalakshmi， A. Arokiasamy， J. F. A. Ahamed， Productivity Improvement of an Eco Friendly Warehouse Using Multi Objective Optimal Robot Trajectory Planning， International Journal of Productivity and Quality Management， 2019， 27（3）， pp.305-328.

{12} 任保平、李禹墨：《新時代我國高質(zhì)量發(fā)展評判體系的構(gòu)建及其轉(zhuǎn)型路徑》，《陜西師范大學學報》（哲學社會科學版）2018年第3期。

{13} 趙儒煜、常忠利：《經(jīng)濟高質(zhì)量發(fā)展的空間差異及影響因素識別》，《財經(jīng)問題研究》2020年第10期。

{14} 唐曉華、遲子茗：《工業(yè)智能化對制造業(yè)高質(zhì)量發(fā)展的影響研究》，《當代財經(jīng)》2021年第5期。

{15} 唐紅祥、張祥禎、吳艷等：《中國制造業(yè)發(fā)展質(zhì)量與國際競爭力提升研究》，《中國軟科學》2019年第2期。

{16} 陳詩一、陳登科：《霧霾污染、政府治理與經(jīng)濟高質(zhì)量發(fā)展》，《經(jīng)濟研究》2018年第2期。

{17} J. M. Arnold， B. S. Javorcik， Gifted Kids or Pushy Parents？ Foreign Direct Investment and Plant Productivity in Indonesia， Journal of International Economics， 2009， 79（1）， pp.42-53.

{19}{20}{26} 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(yè)上市公司的證據(jù)》，《經(jīng)濟研究》2020年第10期。

{21}{22} 唐青青、白東北、王玨：《人工智能對出口產(chǎn)品質(zhì)量促進的異質(zhì)效應(yīng)與影響路徑》，《現(xiàn)代財經(jīng)》2021年第12期。

{23} 王桂軍、盧瀟瀟：《“一帶一路”倡議與中國企業(yè)升級》，《中國工業(yè)經(jīng)濟》2019年第3期。

{24} 石大千、胡可、陳佳：《城市文明是否推動了企業(yè)高質(zhì)量發(fā)展？——基于環(huán)境規(guī)制與交易成本視角》，《產(chǎn)業(yè)經(jīng)濟研究》2019年第6期。

{25} 曹平、肖生鵬、林常青：《產(chǎn)品關(guān)聯(lián)密度與企業(yè)出口產(chǎn)品質(zhì)量升級》，《中南財經(jīng)政法大學學報》2021年第6期。

{27} 沿海地區(qū)企業(yè)包括位于北京、天津、河北、遼寧、山東、上海、江蘇、浙江、福建、廣東、廣西和海南的企業(yè)，其余為非沿海地區(qū)企業(yè)。

{28} 參考現(xiàn)有研究，將化學原料及其制品業(yè)、電子及光學儀器制造業(yè)、機械制造業(yè)以及交通運輸設(shè)備制造業(yè)劃定為高技術(shù)行業(yè)，其余制造業(yè)行業(yè)為低技術(shù)行業(yè)。郭凱明：《人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動》，《管理世界》2019年第7期。

{29} 睢博、雷宏振：《工業(yè)智能化能促進企業(yè)技術(shù)創(chuàng)新嗎？》，《陜西師范大學學報》（哲學社會科學版）2021年第3期。

{30} 師博：《人工智能助推經(jīng)濟高質(zhì)量發(fā)展的機理詮釋》，《改革》2020年第1期。

{31} B. Y. Aw， M. J. Roberts， D. Y. Xu， R&D Investments， Exporting and the Evolution of Firm Productivity， The American Economic Review， 2008， 98（2）， pp.451-456.

{32} 賈根良：《第三次工業(yè)革命與工業(yè)智能化》，《中國社會科學》2016年第8期。

{33} 張新春、董長瑞：《人工智能技術(shù)條件下“人的全面發(fā)展”向何處去——兼論新技術(shù)下勞動的一般特征》，《經(jīng)濟學家》2019年第1期。

{34} D. Hémous， M. Olsen， The Rise of the Machines： Automation， Horizontal Innovation and Income Inequality， Barcelona： CEPR Discussion Papers， 2014.

{35} 張桂文、孫亞南：《人力資本與產(chǎn)業(yè)結(jié)構(gòu)演進耦合關(guān)系的實證研究》，《中國人口科學》2014年第6期。

{36} R. M. Baron， D. A. Kenny， The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual， Strategic， and Statistical Considerations， Journal of Personality and Social Psychology， 1986， 51（6）， pp.1173-1182.

{37} 黎文靖、鄭曼妮：《實質(zhì)性創(chuàng)新還是策略性創(chuàng)新？——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響》，《經(jīng)濟研究》2016年第4期。

{38} 魏浩、李曉慶：《知識產(chǎn)權(quán)保護與中國企業(yè)進口產(chǎn)品質(zhì)量》，《世界經(jīng)濟》2019年第6期。

作者簡介：劉松竹，廣西大學工商管理學院博士研究生，廣西南寧，530004;廣西財經(jīng)學院經(jīng)濟與貿(mào)易學院副教授，廣西南寧，530003。肖生鵬，通訊作者，廣西大學工商管理學院博士研究生，廣西南寧，530004。梁運文，廣西大學工商管理學院教授、博士生導師，廣西南寧，530004。

（責任編輯? 陳孝兵）