劉 亮 胡國(guó)良

內(nèi)容提要 人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，對(duì)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展至關(guān)重要。然而，人工智能對(duì)于生產(chǎn)率的影響非常復(fù)雜，對(duì)于究竟是否存在所謂的“生產(chǎn)率悖論”尚無(wú)一致見(jiàn)解?；谥袊?guó)制造業(yè)數(shù)據(jù)的實(shí)證研究結(jié)果顯示，人工智能顯著促進(jìn)了全要素生產(chǎn)率的提升，證偽了“生產(chǎn)率悖論”；進(jìn)一步的異質(zhì)性分析發(fā)現(xiàn)，人工智能對(duì)中高技術(shù)行業(yè)的生產(chǎn)率提升效應(yīng)更強(qiáng)。但是，由于“擁擠效應(yīng)”以及應(yīng)用潛力被低估，人工智能對(duì)制造業(yè)全要素生產(chǎn)率提升的邊際效應(yīng)在降低。人工智能主要通過(guò)提高技術(shù)效率來(lái)促進(jìn)全要素生產(chǎn)率的提升，其對(duì)于技術(shù)進(jìn)步的促進(jìn)作用并不顯著。為此，應(yīng)推動(dòng)人工智能技術(shù)在中國(guó)制造業(yè)的應(yīng)用，完善人工智能相關(guān)政策，加強(qiáng)智能化基礎(chǔ)設(shè)施建設(shè)，培養(yǎng)人工智能技術(shù)人才。

引 言

人工智能已經(jīng)成為目前最有前途的技術(shù)之一。據(jù)推算，到2030年，人工智能將推動(dòng)全球GDP年均增長(zhǎng)1.2%，超過(guò)了蒸汽機(jī)、信息和通信技術(shù)擴(kuò)散引致的0.3%、0.6%的年均增長(zhǎng)效應(yīng)。①習(xí)近平總書記強(qiáng)調(diào)，人工智能是全球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)我國(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，要在經(jīng)濟(jì)發(fā)展質(zhì)量變革、效率變革、動(dòng)力變革中發(fā)揮人工智能作用，提高全要素生產(chǎn)率。因此，如何準(zhǔn)確把握人工智能的技術(shù)特性與優(yōu)勢(shì)，實(shí)現(xiàn)全要素生產(chǎn)率的提升，成為學(xué)界與政策制定部門關(guān)注的重大課題。

近年來(lái)，隨著大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)等技術(shù)的突破發(fā)展，人工智能開(kāi)始呈現(xiàn)爆發(fā)式發(fā)展的態(tài)勢(shì)，關(guān)于人工智能對(duì)經(jīng)濟(jì)社會(huì)發(fā)展各方面的影響的研究文獻(xiàn)大量涌現(xiàn)。不過(guò)，正如Solow所言：“計(jì)算機(jī)無(wú)處不在，唯獨(dú)在生產(chǎn)率統(tǒng)計(jì)數(shù)據(jù)上難見(jiàn)其蹤影。”②近年來(lái)，人工智能在感知與認(rèn)知方面取得了突飛猛進(jìn)的發(fā)展，人工智能圖像識(shí)別的誤差率已經(jīng)由2010年的30%降低到2016年的5%以下，語(yǔ)音識(shí)別的誤差率也由2016年的8.5%下降到2017年的5.5%。然而，2000年中期以來(lái)，美國(guó)的勞動(dòng)生產(chǎn)率并未出現(xiàn)大幅度的增長(zhǎng)，2005～2016年，美國(guó)勞動(dòng)生產(chǎn)率的年均增速僅為1.3%，低于1995～2004年的2.8%。③這種生產(chǎn)率增速顯著下降的現(xiàn)象也廣泛出現(xiàn)在經(jīng)濟(jì)與合作組織(OECD)國(guó)家，并且在新興經(jīng)濟(jì)體中也初見(jiàn)端倪。④

可見(jiàn)，人工智能在提升全要素生產(chǎn)率方面的作用依然存在爭(zhēng)議。一些文獻(xiàn)為人工智能對(duì)全要素生產(chǎn)率的影響提供了經(jīng)驗(yàn)證據(jù)，但研究的樣本多為發(fā)達(dá)國(guó)家，由于經(jīng)濟(jì)結(jié)構(gòu)、發(fā)展階段、技術(shù)水平等方面的差異，不同國(guó)家的技術(shù)溢出條件可能發(fā)生變化。⑤人工智能技術(shù)的應(yīng)用是否提高了中國(guó)的全要素生產(chǎn)率？現(xiàn)有研究尚未給出確切答案?；谝陨峡紤]，本文試圖采用2006～2016年中國(guó)制造業(yè)二位數(shù)行業(yè)工業(yè)機(jī)器人裝備量及相關(guān)數(shù)據(jù)，分析人工智能技術(shù)在中國(guó)的應(yīng)用是否有效促進(jìn)了全要素生產(chǎn)率的提升，剖析其影響渠道，檢驗(yàn)人工智能的“生產(chǎn)率悖論”。

人工智能對(duì)全要素生產(chǎn)率的雙向效應(yīng)：“生產(chǎn)率悖論”的產(chǎn)生機(jī)理

人工智能作為新一代信息技術(shù)，具備替代性、協(xié)同性、創(chuàng)造性與滲透性四項(xiàng)技術(shù)特性，其對(duì)全要素生產(chǎn)率的影響主要體現(xiàn)在如下幾個(gè)方面：

一是人工智能通過(guò)替代人類勞動(dòng)，提高生產(chǎn)率。一方面，人工智能作為能夠識(shí)別和響應(yīng)環(huán)境而智能運(yùn)行的機(jī)器、軟件或算法，可以創(chuàng)造新的虛擬勞動(dòng)力替代人類勞動(dòng)執(zhí)行程序化任務(wù)，實(shí)現(xiàn)復(fù)雜任務(wù)的“智能自動(dòng)化”，直接提高生產(chǎn)效率。⑥另一方面，隨著人工智能資本的擴(kuò)張，知識(shí)與智力密集度不斷積累的同時(shí)也產(chǎn)生了新任務(wù)，在這些新任務(wù)中高技能勞動(dòng)力更具比較優(yōu)勢(shì)，進(jìn)而導(dǎo)致對(duì)高技能勞動(dòng)力的需求相對(duì)增加，最終變現(xiàn)為更高的生產(chǎn)率。二是人工智能可以與傳統(tǒng)生產(chǎn)要素融合，改善要素質(zhì)量與配置效率。人工智能的應(yīng)用能夠補(bǔ)充或增強(qiáng)其他要素的生產(chǎn)力，帶來(lái)企業(yè)組織、管理、生產(chǎn)流程的改變，提升要素流動(dòng)性與利用率。由于人工智能比一般技術(shù)改進(jìn)得更快，在其他要素可以根據(jù)需要快速增長(zhǎng)的情況下，人工智能的應(yīng)用可將生產(chǎn)率提高一個(gè)或更多個(gè)數(shù)量級(jí)。⑦三是與以往的自動(dòng)化技術(shù)存在差異，人工智能不僅是對(duì)體力勞動(dòng)生理器官及其動(dòng)力的替代，而且是對(duì)腦力勞動(dòng)生理器官及其智能的替代。⑧“創(chuàng)新方法的創(chuàng)新”往往比任何單一創(chuàng)新更有潛在價(jià)值，深度學(xué)習(xí)等技術(shù)的快速發(fā)展使得人工智能具備了自我提升的能力，隨著人工智能資本的不斷積累，可能引致奇點(diǎn)的到來(lái)，在有限的時(shí)間帶來(lái)無(wú)限的經(jīng)濟(jì)增長(zhǎng)。⑨四是人工智能作為通用目的技術(shù)，具有滲透性。與蒸汽機(jī)、電力、內(nèi)燃機(jī)和計(jì)算機(jī)等技術(shù)相似，人工智能能夠應(yīng)用于經(jīng)濟(jì)社會(huì)各個(gè)行業(yè)、各個(gè)環(huán)節(jié)，徹底改變經(jīng)濟(jì)的運(yùn)行方式。這就意味著，人工智能不僅可以直接提升生產(chǎn)率，還能促進(jìn)互補(bǔ)式創(chuàng)新的發(fā)展?，F(xiàn)階段，機(jī)器學(xué)習(xí)技術(shù)已廣泛運(yùn)用于自動(dòng)駕駛、疾病診療、人臉識(shí)別、產(chǎn)品推薦等領(lǐng)域，推動(dòng)了不同產(chǎn)業(yè)領(lǐng)域的創(chuàng)新發(fā)展。

然而，盡管理論上人工智能對(duì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)有重要的支撐作用，但經(jīng)濟(jì)運(yùn)行的實(shí)踐與理論預(yù)期往往存在較大偏差。⑩一是目前人工智能的應(yīng)用更偏向“智能自動(dòng)化”的替代效應(yīng)，沒(méi)有足夠的精力創(chuàng)造新任務(wù)。這種選擇可能導(dǎo)致勞動(dòng)需求停滯不前甚至下降，進(jìn)而在造成勞動(dòng)力收入份額下降的同時(shí)，降低勞動(dòng)生產(chǎn)率。二是通用目的技術(shù)對(duì)全要素生產(chǎn)率的促進(jìn)效應(yīng)并不是自動(dòng)實(shí)現(xiàn)的，需要互補(bǔ)性技術(shù)、基礎(chǔ)設(shè)施、人員素質(zhì)等與之匹配?，F(xiàn)階段，人工智能技術(shù)尚未成熟，人工智能對(duì)全要素生產(chǎn)率的促進(jìn)作用需要存量積累達(dá)到具有全局影響的規(guī)模。三是人工智能對(duì)全要素生產(chǎn)率的促進(jìn)作用需要大量的投資以及個(gè)人、企業(yè)乃至國(guó)家適應(yīng)能力的提升。過(guò)度的“智能自動(dòng)化”可能會(huì)導(dǎo)致勞動(dòng)力無(wú)法匹配人工智能所需的新技能，人工智能的生產(chǎn)率促進(jìn)效應(yīng)將被抑制。而人工智能的過(guò)快引入，也可能以犧牲其他提高生產(chǎn)率的技術(shù)為代價(jià)，不僅直接導(dǎo)致效率低下，也可能造成資源浪費(fèi)，導(dǎo)致整體生產(chǎn)率的下降。

綜上，人工智能對(duì)全要素生產(chǎn)率存在促進(jìn)與抑制的雙向影響，驗(yàn)證中國(guó)是否存在“生產(chǎn)率悖論”，需要進(jìn)行進(jìn)一步嚴(yán)格的計(jì)量檢驗(yàn)。

人工智能對(duì)中國(guó)全要素生產(chǎn)率的影響：基于制造業(yè)的實(shí)證檢驗(yàn)

(一)模型設(shè)定

本文設(shè)定如下模型估計(jì)人工智能對(duì)全要素生產(chǎn)率的影響：

TFPit=α+βAIit+γXit+εit

(1)

其中，TFPit表示i行業(yè)t時(shí)期的全要素生產(chǎn)率；AIit表示i行業(yè)t時(shí)期人工智能應(yīng)用程度；X表示控制變量，包括研發(fā)投入(R&D)、政府干預(yù)(Gov)、外商直接投資(FDI)、要素稟賦(Factor)、行業(yè)規(guī)模(Scale)；ε表示隨機(jī)擾動(dòng)項(xiàng)；α、β、γ表示待估計(jì)系數(shù)。

(二)變量說(shuō)明

1.人工智能(AI)

人工智能可以被定義為能夠識(shí)別和響應(yīng)環(huán)境而智能運(yùn)行的機(jī)器、軟件或算法，也可以簡(jiǎn)單理解為“機(jī)器模仿人類智能行為的能力”。工業(yè)機(jī)器人作為人工智能在制造業(yè)領(lǐng)域應(yīng)用最廣泛的技術(shù)之一，是一種自動(dòng)控制的多用途的機(jī)器，可以通過(guò)編程完全自主地執(zhí)行焊接、噴漆、組裝、搬運(yùn)、包裝等任務(wù)。本文借鑒Acemoglu和Restrepo等的研究，選用中國(guó)制造業(yè)二位數(shù)行業(yè)工業(yè)機(jī)器人裝備增長(zhǎng)量表示人工智能的應(yīng)用程度。

2.全要素生產(chǎn)率(TFP)

本文采用基于DEA模型的Malmquist生產(chǎn)率指數(shù)法，估算中國(guó)制造業(yè)全要素生產(chǎn)率的變化趨勢(shì)。用行業(yè)固定資產(chǎn)合計(jì)、年末從業(yè)人數(shù)作為投入變量，用主營(yíng)業(yè)務(wù)收入作為產(chǎn)出變量。由于國(guó)際機(jī)器人聯(lián)盟(IFR)提供的工業(yè)機(jī)器人數(shù)據(jù)按《國(guó)際標(biāo)準(zhǔn)行業(yè)分類(ISIC Rev 4.0)》標(biāo)準(zhǔn)分類，本文將中國(guó)制造業(yè)二位數(shù)行業(yè)按照《國(guó)民經(jīng)濟(jì)行業(yè)分類(GB/T 4754-2017)》與《國(guó)際標(biāo)準(zhǔn)行業(yè)分類(ISIC Rev 4.0)》匹配，具體匹配方式與部分年份計(jì)算結(jié)果見(jiàn)表1。

表1 中國(guó)制造業(yè)二級(jí)行業(yè)全要素生產(chǎn)率計(jì)算結(jié)果

3.控制變量及數(shù)據(jù)說(shuō)明

參考已有研究，控制變量研發(fā)投入(R&D)采用各行業(yè)R&D經(jīng)費(fèi)內(nèi)部支出進(jìn)行度量；政府干預(yù)(Gov)采用各行業(yè)國(guó)有資本進(jìn)行度量；外商直接投資(FDI)采用各行業(yè)外商資本進(jìn)行度量；要素稟賦(Factor)采用勞均固定資本凈值表示；產(chǎn)業(yè)規(guī)模(Scale)采用勞均主營(yíng)業(yè)務(wù)收入表示。相關(guān)數(shù)據(jù)主要來(lái)源于2007～2017年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》和國(guó)際機(jī)器人聯(lián)盟網(wǎng)站等。為避免異方差，本文對(duì)AI、R&D、Gov、FDI進(jìn)行對(duì)數(shù)化處理，并對(duì)所有變量進(jìn)行了1%以下和99%以上分位數(shù)縮尾(Winsorize)處理。

(三)結(jié)果分析

1.基準(zhǔn)結(jié)果分析

本文采用最小二乘法(OLS)對(duì)基準(zhǔn)模型進(jìn)行估計(jì)，結(jié)果見(jiàn)表2。表2中，列(1)和列(2)分別為只包含人工智能核心解釋變量與加入控制變量的回歸結(jié)果，系數(shù)分別為0.0121和0.0059，且均通過(guò)顯著性檢驗(yàn)，這說(shuō)明人工智能的應(yīng)用對(duì)中國(guó)制造業(yè)全要素生產(chǎn)率變化有顯著的正向影響。列(3)和列(4)分別為控制行業(yè)因素和時(shí)間因素的回歸結(jié)果，人工智能變量的系數(shù)均顯著為正。上述結(jié)果初步表明，考察期內(nèi)人工智能的應(yīng)用促進(jìn)了中國(guó)制造業(yè)全要素生產(chǎn)率的提升。人工智能資本積累與深化，對(duì)全要素生產(chǎn)率形成有益補(bǔ)充。盡管存在潛在的“機(jī)器對(duì)人的替代”，但具備工程和編程功能的數(shù)據(jù)管理師、數(shù)據(jù)分析師等高技能任務(wù)開(kāi)始出現(xiàn)，有利于行業(yè)勞動(dòng)生產(chǎn)率的提升。

表2 基準(zhǔn)回歸結(jié)果

注：***、**、*分別表示1%、5%、10%的顯著性水平，括號(hào)中為標(biāo)準(zhǔn)誤，下同。

2.人工智能對(duì)全要素生產(chǎn)率影響的行業(yè)異質(zhì)性

由于制造業(yè)不同行業(yè)應(yīng)用的工業(yè)機(jī)器人的種類、技術(shù)含量等存在明顯差異，因而，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的提升作用可能會(huì)存在行業(yè)異質(zhì)性。借鑒《國(guó)際標(biāo)準(zhǔn)行業(yè)分類(ISIC Rev 4.0)》將11個(gè)行業(yè)劃分為低技術(shù)行業(yè)、中技術(shù)行業(yè)、高技術(shù)行業(yè)，在基準(zhǔn)模型的基礎(chǔ)上引入低技術(shù)行業(yè)(Low)、高技術(shù)行業(yè)(High)虛擬變量與人工智能的交互項(xiàng)，考察人工智能對(duì)全要素生產(chǎn)率影響的行業(yè)異質(zhì)性。以中技術(shù)行業(yè)為參照組的回歸結(jié)果見(jiàn)表3。表3中，列(1)和列(2)分別為加入控制變量、同時(shí)控制行業(yè)因素與時(shí)間因素的回歸結(jié)果。從結(jié)果來(lái)看，人工智能應(yīng)用對(duì)全要素生產(chǎn)率的影響系數(shù)顯著為正，表明基準(zhǔn)回歸結(jié)果較為穩(wěn)健。從交互項(xiàng)系數(shù)來(lái)看，人工智能的應(yīng)用對(duì)全要素生產(chǎn)率的影響存在行業(yè)異質(zhì)性。以列(2)為例，人工智能與低技術(shù)行業(yè)的交互項(xiàng)(AI*Low)系數(shù)為-0.0112，通過(guò)10%的顯著性檢驗(yàn)，人工智能與高技術(shù)行業(yè)的交互項(xiàng)(AI*High)系數(shù)為-0.0099，但并不顯著。這說(shuō)明，人工智能的生產(chǎn)率效應(yīng)主要體現(xiàn)在中技術(shù)行業(yè)與高技術(shù)行業(yè)上，而人工智能對(duì)低技術(shù)行業(yè)生產(chǎn)率的促進(jìn)作用相對(duì)較小。原因可能是目前中高技術(shù)行業(yè)的人工智能設(shè)備、軟件、算法等技術(shù)水平更高，人工智能對(duì)流程化任務(wù)的替代得以讓中高技能勞動(dòng)力釋放更多的精力，進(jìn)一步強(qiáng)化了非流程化任務(wù)的比較優(yōu)勢(shì)。此外，中高技術(shù)行業(yè)的人工智能相關(guān)投入更多，也具有更為良好的技術(shù)基礎(chǔ)與吸收能力，可以與工業(yè)機(jī)器人等人工智能技術(shù)形成互補(bǔ)、促進(jìn)技術(shù)外溢，從而更好發(fā)揮其生產(chǎn)率效應(yīng)。

3.人工智能對(duì)全要素生產(chǎn)率影響的階段性特征

本文以2014年為界，將全樣本分為2006～2013年和2014～2016年兩個(gè)時(shí)間段分別進(jìn)行回歸，以分析人工智能對(duì)全要素生產(chǎn)率影響的階段性特征。表3的分時(shí)段回歸結(jié)果揭示了人工智能對(duì)中國(guó)制造業(yè)全要素生產(chǎn)率的影響強(qiáng)度在不同階段的差異。其中，列(3)為2006～2013年樣本的回歸結(jié)果，人工智能對(duì)全要素生產(chǎn)率的影響系數(shù)顯著為正，列(4)為2014～2016年樣本的回歸結(jié)果，正向影響依然顯著。這表明，在考慮人工智能對(duì)全要素生產(chǎn)率影響的階段性特征后，基準(zhǔn)回歸結(jié)果依然穩(wěn)健。從影響的階段性特征來(lái)看，在經(jīng)濟(jì)進(jìn)入“新常態(tài)”后，人工智能對(duì)全要素生產(chǎn)率提升的邊際影響似乎在下降。這一結(jié)果與Graetz和Michaels的結(jié)論相似，他們認(rèn)為隨著工業(yè)機(jī)器人在制造業(yè)的廣泛運(yùn)用，人工智能的邊際收益似乎在減少，會(huì)產(chǎn)生“擁擠效應(yīng)”。這種“擁擠效應(yīng)”的確需要引起重視，不過(guò)本文認(rèn)為造成這種結(jié)果的更重要的原因是人工智能在制造業(yè)領(lǐng)域的應(yīng)用潛力被低估。盡管近年來(lái)中國(guó)人工智能相關(guān)投資屢創(chuàng)新高，但2015～2018年人工智能相關(guān)項(xiàng)目投資最大的300項(xiàng)中，制造業(yè)領(lǐng)域僅占1%，遠(yuǎn)低于商業(yè)及零售領(lǐng)域(23.4%)與自動(dòng)駕駛領(lǐng)域(18.3%)。因此，不應(yīng)對(duì)人工智能的生產(chǎn)率效應(yīng)過(guò)于悲觀，相反，隨著人工智能技術(shù)在制造業(yè)領(lǐng)域的逐漸推廣與不斷發(fā)展，人工智能對(duì)未來(lái)制造業(yè)發(fā)展的貢獻(xiàn)是巨大的。

(四)穩(wěn)健性檢驗(yàn)

以上結(jié)果均支持人工智能對(duì)全要素生產(chǎn)率提升的積極作用。然而，模型的內(nèi)生性問(wèn)題不可忽視。對(duì)于遺漏變量造成的內(nèi)生性問(wèn)題，本文嘗試通過(guò)基于面板數(shù)據(jù)的固定效應(yīng)(FE)模型予以緩解，回歸結(jié)果見(jiàn)表3列(5)。列(5)結(jié)果表明，在緩解了遺漏變量引起的內(nèi)生性問(wèn)題后，人工智能的應(yīng)用程度越高，全要素生產(chǎn)率增速越高。對(duì)于人工智能與全要素生產(chǎn)率潛在的雙向因果關(guān)系引起的內(nèi)生性問(wèn)題，本文嘗試采用系統(tǒng)廣義矩估計(jì)(SYS-GMM)模型予以緩解，回歸結(jié)果見(jiàn)表4列(6)。從結(jié)果來(lái)看，在緩解雙向因果關(guān)系引起的內(nèi)生性問(wèn)題后，人工智能與全要素生產(chǎn)率顯著正相關(guān)。

表3 行業(yè)異質(zhì)性、階段異質(zhì)性與穩(wěn)健性檢驗(yàn)結(jié)果

(五)機(jī)制檢驗(yàn)

為驗(yàn)證人工智能影響中國(guó)制造業(yè)全要素生產(chǎn)率的渠道，本文進(jìn)一步將Malmquist生產(chǎn)率指數(shù)分解為技術(shù)效率(Technical Efficiency Change, EF)和技術(shù)進(jìn)步(Technical Change, TC)兩部分。分別以技術(shù)效率和技術(shù)進(jìn)步兩個(gè)指數(shù)增長(zhǎng)率為被解釋變量，對(duì)人工智能影響全要素生產(chǎn)率的傳導(dǎo)路徑進(jìn)行檢驗(yàn)和識(shí)別?？紤]結(jié)果的穩(wěn)健性以及行業(yè)異質(zhì)性，本文分別用FE、系統(tǒng)GMM模型進(jìn)行回歸分析，并加入低技術(shù)行業(yè)、高技術(shù)行業(yè)虛擬變量與人工智能的交互項(xiàng)，回歸結(jié)果見(jiàn)表4。表4中，列(1)和列(2)是以技術(shù)效率為被解釋變量的回歸結(jié)果，列(3)和列(4)是以技術(shù)進(jìn)步為被解釋變量的回歸結(jié)果。由結(jié)果可知，人工智能對(duì)技術(shù)效率的影響顯著為正，系數(shù)在0.0119～0.0175之間。人工智能對(duì)于技術(shù)效率的影響依然存在行業(yè)異質(zhì)性，只是這種異質(zhì)性可能并不明顯，系統(tǒng)GMM模型的回歸結(jié)果通過(guò)了5%的顯著性檢驗(yàn)。人工智能的應(yīng)用對(duì)技術(shù)進(jìn)步有正向影響，但這種影響并不顯著。這說(shuō)明，人工智能主要通過(guò)補(bǔ)充與替代勞動(dòng)力的方式提高技術(shù)效率，進(jìn)而提高中國(guó)制造業(yè)的全要素生產(chǎn)率，而作為通用目的技術(shù)的技術(shù)進(jìn)步效應(yīng)并不顯著。

表4 機(jī)制檢驗(yàn)結(jié)果

結(jié)論與政策建議

本文基于國(guó)際機(jī)器人聯(lián)盟提供的2006～2016年中國(guó)制造業(yè)二位數(shù)行業(yè)工業(yè)機(jī)器人數(shù)據(jù)，實(shí)證檢驗(yàn)了在生產(chǎn)中應(yīng)用工業(yè)機(jī)器人的程度對(duì)中國(guó)制造業(yè)全要素生產(chǎn)率的影響及其機(jī)制。研究發(fā)現(xiàn)：(1)整體而言，提高生產(chǎn)過(guò)程中人工智能的應(yīng)用程度顯著提高了全要素生產(chǎn)率，而提高技術(shù)效率是人工智能影響全要素生產(chǎn)率的主要路徑。(2)人工智能對(duì)全要素生產(chǎn)率的影響存在行業(yè)異質(zhì)性，在中高技術(shù)行業(yè)更為明顯，在低技術(shù)行業(yè)相對(duì)較低。(3)人工智能對(duì)中國(guó)制造業(yè)全要素生產(chǎn)率的影響存在階段性差異，由于可能的“擁擠效應(yīng)”與相對(duì)重視程度不足，人工智能對(duì)制造業(yè)全要素生產(chǎn)率的邊際貢獻(xiàn)在降低。

基于上述研究結(jié)論，本文得到以下政策啟示：(1)人工智能技術(shù)的應(yīng)用可以有效提升制造業(yè)全要素生產(chǎn)率，因此，應(yīng)積極推廣人工智能技術(shù)在制造業(yè)產(chǎn)品設(shè)計(jì)、生產(chǎn)制造、智能供應(yīng)鏈等環(huán)節(jié)的運(yùn)用。(2)由于不同行業(yè)技術(shù)水平存在較大差異，因此，應(yīng)針對(duì)不同行業(yè)的優(yōu)勢(shì)與特點(diǎn)，制定差異化的具體政策，提升政策工具的實(shí)用性。(3)人工智能技術(shù)尚處在早期階段，相關(guān)規(guī)范、標(biāo)準(zhǔn)、制度尚未統(tǒng)一，因此，應(yīng)完善人工智能相關(guān)法律法規(guī)，加強(qiáng)人工智能基礎(chǔ)理論和關(guān)鍵核心技術(shù)的研究，規(guī)避潛在的“擁擠效應(yīng)”。(4)人工智能技術(shù)進(jìn)步效應(yīng)的有效發(fā)揮依賴于技術(shù)基礎(chǔ)與吸收能力，因此，應(yīng)加大人工智能互補(bǔ)性技術(shù)的投入，推動(dòng)智能化信息基礎(chǔ)設(shè)施建設(shè)，培養(yǎng)人工智能技術(shù)人才，保障人工智能生產(chǎn)率效應(yīng)的有效發(fā)揮。

①Bughin J., J.Seong, J.Manyika, et al., “Notes from the AI frontier: Modeling the impact of AI on the world economy”,McKinseyGlobalInstitute, 2018.

②Solow R., “We’d better watch out, review of SS Cohen and J. Zysman, Manufacturing matters: The myth of the post-industrial economy”,NewYorkTimesBookReview, 1987, 36.

④Syverson C., “Challenges to mismeasurement explanations for the US productivity slowdown”,JournalofEconomicPerspectives, 2017, 31(2), pp.165～86.

⑤何小鋼、梁權(quán)熙、王善騮：《信息技術(shù)、勞動(dòng)力結(jié)構(gòu)與企業(yè)生產(chǎn)率——破解“信息技術(shù)生產(chǎn)率悖論”之謎》，《管理世界》2019年第9期。

⑦Purdy M., S.Qiu, F.Chen, “How Artificial Intelligence Can Drive China’s Growth”,AccuntureResearchPaper, 2017.

⑧韓江波：《智能工業(yè)化：工業(yè)化發(fā)展范式研究的新視角》，《經(jīng)濟(jì)學(xué)家》2017年第10期。

⑨Nordhaus W.D., “Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth”,NBERworkingPaper, 2015, No.w21547.