范曉男，孟繁琨，鮑曉娜，曲 剛

(1.大連工業(yè)大學(xué) 管理學(xué)院，遼寧 大連 116034；2.卡迪夫大學(xué) 商學(xué)院，威爾士 卡迪夫 CF10 3AT；3.大連理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，遼寧 大連 116024)

0 引言

2015年以來(lái)，人工智能越來(lái)越成為社會(huì)各界關(guān)注焦點(diǎn)，計(jì)算能力提升、數(shù)據(jù)爆發(fā)式增長(zhǎng)、機(jī)器學(xué)習(xí)算法進(jìn)步等一系列因素推動(dòng)了人工智能技術(shù)快速發(fā)展。新一代人工智能為經(jīng)濟(jì)社會(huì)發(fā)展注入了新動(dòng)能，成為產(chǎn)業(yè)發(fā)展的重要驅(qū)動(dòng)力。制造業(yè)是人工智能技術(shù)的重要應(yīng)用領(lǐng)域，“物理世界”(由制造業(yè)設(shè)備代表)和“數(shù)字世界”(由人工智能技術(shù)代表)的碰撞融合必將催生制造業(yè)的巨大變革。人工智能技術(shù)不僅能影響企業(yè)勞動(dòng)力數(shù)量，也可以幫助企業(yè)擺脫認(rèn)知局限性，改變傳統(tǒng)技術(shù)研發(fā)模式，通過(guò)數(shù)據(jù)科學(xué)和數(shù)據(jù)分析為企業(yè)決策及資源配置提供可量化依據(jù)，進(jìn)而影響制造企業(yè)生產(chǎn)效率。那么，人工智能如何影響制造企業(yè)生產(chǎn)率？人工智能影響制造企業(yè)生產(chǎn)率背后的內(nèi)在機(jī)制又是什么？回答以上問(wèn)題不僅有助于深刻理解人工智能的微觀經(jīng)濟(jì)后果，而且也將為政府制定有效的產(chǎn)業(yè)和創(chuàng)新政策提供理論依據(jù)。

然而，關(guān)于人工智能如何影響企業(yè)生產(chǎn)率的問(wèn)題，學(xué)術(shù)界觀點(diǎn)并不一致。一方面，部分學(xué)者認(rèn)為人工智能對(duì)企業(yè)生產(chǎn)率具有積極促進(jìn)作用。Acemoglu & Restrepo(2018)構(gòu)建了機(jī)器智能理論模型，提出機(jī)器智能具有替代效應(yīng)和生產(chǎn)率效應(yīng)，替代效應(yīng)會(huì)降低勞動(dòng)力需求，而生產(chǎn)率效應(yīng)通過(guò)使用更便宜的資本替代勞動(dòng)力從而提高生產(chǎn)率；Brynjolfsson等[1-2]使用不同人工智能指標(biāo)進(jìn)行實(shí)證研究，發(fā)現(xiàn)人工智能對(duì)企業(yè)生產(chǎn)率有顯著積極影響；Mark Purdy & Paul Daugherty[3]進(jìn)一步提出人工智能是一種新的生產(chǎn)要素，是資本與勞動(dòng)的混合體，可以通過(guò)優(yōu)化智能自動(dòng)化系統(tǒng)流程、增加人力與實(shí)物資本以及推動(dòng)技術(shù)創(chuàng)新等方式提升企業(yè)生產(chǎn)率。另一方面，也有學(xué)者提出人工智能應(yīng)用存在“生產(chǎn)率悖論”。Gordon[4]認(rèn)為,始于20世紀(jì)70年代的“第三次工業(yè)革命”到2005年已基本接近尾聲，后續(xù)技術(shù)創(chuàng)新的作用已經(jīng)非常小，移動(dòng)計(jì)算、機(jī)器人技術(shù)、3D打印、人工智能等對(duì)企業(yè)生產(chǎn)率幾乎沒(méi)有什么影響，因?yàn)檫@些創(chuàng)新或與企業(yè)關(guān)系不大，或還沒(méi)有足夠成熟到產(chǎn)生影響；Acemoglu & Restrepo[5]認(rèn)為，人工智能等技術(shù)被過(guò)度采用，導(dǎo)致資本和勞動(dòng)配置不當(dāng)，從而阻礙生產(chǎn)率提升。

本文嘗試從微觀企業(yè)層面，使用我國(guó)A股上市制造企業(yè)數(shù)據(jù)，研究人工智能對(duì)制造企業(yè)生產(chǎn)率的影響，驗(yàn)證人工智能在制造企業(yè)的應(yīng)用是否存在“生產(chǎn)率悖論”。以此為基礎(chǔ)，進(jìn)一步考察人工智能通過(guò)勞動(dòng)生產(chǎn)率、資本使用效率、技術(shù)進(jìn)步等影響制造企業(yè)生產(chǎn)率的內(nèi)在機(jī)制。

1 理論分析與研究假設(shè)

1.1 人工智能與制造企業(yè)生產(chǎn)率

關(guān)于人工智能是否影響制造企業(yè)生產(chǎn)率，實(shí)際上是“生產(chǎn)率悖論”討論的繼續(xù)?！吧a(chǎn)率悖論”又稱“索洛悖論”，由Solow于1987年提出，其認(rèn)為技術(shù)變革隨處可見(jiàn)，但統(tǒng)計(jì)數(shù)據(jù)卻沒(méi)有明確顯示技術(shù)對(duì)增長(zhǎng)產(chǎn)生的影響。

人工智能作為一種新的生產(chǎn)要素，能夠克服人類資本和勞動(dòng)力限制，促進(jìn)制造業(yè)生產(chǎn)率提升。人工智能使常規(guī)生產(chǎn)活動(dòng)可以用自動(dòng)化代替，解放了勞動(dòng)力，讓更多人從事更能激發(fā)創(chuàng)造力和附加值更高的工作[6]。產(chǎn)品可以通過(guò)手工技術(shù)或工業(yè)技術(shù)兩種方式生產(chǎn)，手工技術(shù)勞動(dòng)投入需求大，資本投入需求小，而工業(yè)技術(shù)則相反。如果生產(chǎn)率低，依靠手工技術(shù)進(jìn)行生產(chǎn)會(huì)更有利；而當(dāng)生產(chǎn)率突破一定臨界點(diǎn)時(shí)，采用工業(yè)技術(shù)進(jìn)行生產(chǎn)會(huì)變得更高效。因此，技術(shù)進(jìn)步可以促進(jìn)生產(chǎn)率提高[7]。

此外，有研究認(rèn)為，計(jì)算機(jī)、互聯(lián)網(wǎng)、人工智能等新技術(shù)的出現(xiàn)并沒(méi)有對(duì)生產(chǎn)率增長(zhǎng)產(chǎn)生實(shí)質(zhì)性影響，人工智能等技術(shù)不能像之前的技術(shù)革命一樣讓生產(chǎn)率產(chǎn)生明顯增長(zhǎng)[8]。人工智能等技術(shù)發(fā)展與應(yīng)用要么與企業(yè)生產(chǎn)率提升無(wú)關(guān)，要么并未成熟到能夠?qū)ιa(chǎn)率產(chǎn)生影響，形成了總體生產(chǎn)率伴隨技術(shù)進(jìn)步反而增長(zhǎng)放緩甚至負(fù)增長(zhǎng)的“生產(chǎn)率悖論”。針對(duì)上述說(shuō)法，郭敏和方夢(mèng)然[9]利用我國(guó)宏觀層面數(shù)據(jù)研究發(fā)現(xiàn)，人工智能對(duì)生產(chǎn)率的滯后效應(yīng)以及錯(cuò)誤的人工智能統(tǒng)計(jì)是導(dǎo)致“生產(chǎn)率悖論”現(xiàn)象的主因，現(xiàn)階段滯后的配套工作限制了人工智能作用的發(fā)揮。因此，結(jié)合中國(guó)制造業(yè)發(fā)展和人工智能應(yīng)用情況，提出以下競(jìng)爭(zhēng)性假設(shè)：

H1a：人工智能作為新的生產(chǎn)要素，能夠促進(jìn)制造企業(yè)生產(chǎn)率提高；

H1b：人工智能尚不成熟，不能有效驅(qū)動(dòng)制造企業(yè)生產(chǎn)率提升。

1.2 市場(chǎng)份額的調(diào)節(jié)作用

人工智能等新技術(shù)對(duì)企業(yè)生產(chǎn)率的影響往往受到市場(chǎng)份額的約束和調(diào)節(jié)。制造業(yè)市場(chǎng)集中度較高，少數(shù)大公司掌握較大市場(chǎng)份額，且企業(yè)市場(chǎng)份額差距懸殊現(xiàn)象仍在加劇[10]。市場(chǎng)份額集中帶來(lái)的結(jié)果是產(chǎn)業(yè)收益越來(lái)越集中于大公司[11]。如果這些制造業(yè)公司為了穩(wěn)定自身市場(chǎng)份額，獲取更多收益，采用人工智能技術(shù)，雖然會(huì)加速企業(yè)自動(dòng)化進(jìn)程，但也可能遭遇美國(guó)經(jīng)濟(jì)學(xué)家鮑莫爾于1967年提出的“鮑莫爾成本病”。目前，人工智能技術(shù)和設(shè)備成本較高，對(duì)企業(yè)技術(shù)要求高，但通用性較弱，智能產(chǎn)品低端化現(xiàn)象時(shí)有發(fā)生。因此，應(yīng)用人工智能技術(shù)可能會(huì)顯著提高制造企業(yè)非自動(dòng)化部門成本，導(dǎo)致資本回報(bào)份額降低[12]，投入產(chǎn)出效率下降?；谏鲜隼碚摲治觯岢鋈缦录僭O(shè)：

H2：市場(chǎng)份額對(duì)人工智能與企業(yè)生產(chǎn)率的關(guān)系有負(fù)向調(diào)節(jié)作用。市場(chǎng)份額業(yè)績(jī)?cè)胶玫钠髽I(yè)，應(yīng)用人工智能促進(jìn)企業(yè)生產(chǎn)率提升的作用越小。

1.3 人工智能影響制造企業(yè)生產(chǎn)率的機(jī)制

一系列研究發(fā)現(xiàn)，人工智能需要與其它生產(chǎn)要素配合才能對(duì)企業(yè)全要素生產(chǎn)率產(chǎn)生具有統(tǒng)計(jì)意義的貢獻(xiàn)[13]。因此，人工智能與勞動(dòng)力、資本、技術(shù)等生產(chǎn)要素之間的關(guān)系會(huì)對(duì)企業(yè)生產(chǎn)率產(chǎn)生影響。

1.3.1 人工智能與勞動(dòng)生產(chǎn)率

一方面，人工智能具有迅速擴(kuò)大的數(shù)據(jù)集、機(jī)器學(xué)習(xí)能力和強(qiáng)大的計(jì)算能力，能夠替代簡(jiǎn)單、重復(fù)、單一和常規(guī)的生產(chǎn)活動(dòng)，創(chuàng)造虛擬勞動(dòng)力，發(fā)揮替代效應(yīng)[14]。人工智能創(chuàng)造的虛擬勞動(dòng)力作為新的生產(chǎn)要素，可以在單位時(shí)間內(nèi)產(chǎn)出更多勞動(dòng)成果，進(jìn)一步形成規(guī)模效應(yīng)，從而提升生產(chǎn)率。此外，人工智能這一虛擬勞動(dòng)力對(duì)勞動(dòng)環(huán)境要求低，具有更長(zhǎng)的勞動(dòng)時(shí)間和更為高效的勞動(dòng)方法，能夠大幅降低生產(chǎn)成本，提高企業(yè)生產(chǎn)效率。Frey & Osborne[15]預(yù)測(cè)，在未來(lái)20年，美國(guó)近一半企業(yè)崗位將可能被人工智能代替。

另一方面，人工智能可能并不會(huì)直接減少勞動(dòng)力，而是促進(jìn)勞動(dòng)力素質(zhì)提升。人工智能可以解放勞動(dòng)力，使勞動(dòng)力轉(zhuǎn)向高創(chuàng)造性和高專業(yè)性工作，被解放的勞動(dòng)力通過(guò)參加高技能職業(yè)培訓(xùn)和學(xué)習(xí)，主動(dòng)或被動(dòng)提升自身素質(zhì)和技能水平。人工智能與高技能、高素質(zhì)勞動(dòng)力結(jié)合，更能發(fā)揮出生產(chǎn)率效應(yīng)，促進(jìn)企業(yè)生產(chǎn)率提高。此外，制造企業(yè)應(yīng)用人工智能會(huì)增加高技能勞動(dòng)力需求[16]，高技能勞動(dòng)力對(duì)人工智能有較強(qiáng)的使用能力，在相同時(shí)間約束下，可以有效減少程序性工作，提高勞動(dòng)力生產(chǎn)率，從而發(fā)揮人工智能的生產(chǎn)率效應(yīng)。人工智能也可能創(chuàng)造出分析、應(yīng)用、維護(hù)等多種新的勞動(dòng)崗位，從而抵消或逆轉(zhuǎn)人工智能造成制造企業(yè)勞動(dòng)力減少的現(xiàn)象。因此，企業(yè)應(yīng)用人工智能可能既增加勞動(dòng)力數(shù)量，又提高勞動(dòng)力素質(zhì)。根據(jù)以上分析，提出以下假設(shè)：

H3a：人工智能通過(guò)影響勞動(dòng)力數(shù)量，進(jìn)而影響制造企業(yè)生產(chǎn)率；

H3b：人工智能通過(guò)影響勞動(dòng)力素質(zhì)，進(jìn)而影響制造企業(yè)生產(chǎn)率。

1.3.2 人工智能與資本使用效率

人工智能會(huì)影響企業(yè)物質(zhì)資本和人力資本使用效率[17]。一方面，人工智能能夠完善和提高現(xiàn)有物質(zhì)資本使用效率[18]。人工智能利用基礎(chǔ)計(jì)算能力和優(yōu)化數(shù)據(jù)的概念，借助大數(shù)據(jù)手段，可快速收集、處理市場(chǎng)信息和數(shù)據(jù)，有利于經(jīng)濟(jì)主體科學(xué)決策。智能化制造企業(yè)可實(shí)施定制化生產(chǎn)經(jīng)營(yíng)，節(jié)約大量物質(zhì)投入，提高了物質(zhì)資本使用效率，最大限度地使稀缺資本產(chǎn)生利潤(rùn)，提高生產(chǎn)率。人工智能具有智能控制和精準(zhǔn)管理功能，通過(guò)數(shù)據(jù)處理、方案篩選和自動(dòng)糾錯(cuò)功能，使制造企業(yè)在經(jīng)濟(jì)活動(dòng)中實(shí)現(xiàn)有效控制、精細(xì)化管理和精準(zhǔn)操作，減少資源浪費(fèi)，促進(jìn)生產(chǎn)率提升[19]。

另一方面，根據(jù)盧卡斯的人力資本經(jīng)濟(jì)增長(zhǎng)模型，社會(huì)及個(gè)人的投資不僅會(huì)形成資產(chǎn)設(shè)備等物質(zhì)資本，也會(huì)形成存在于勞動(dòng)者身上的人力資本，僅僅在企業(yè)應(yīng)用人工智能技術(shù)并不會(huì)對(duì)生產(chǎn)率產(chǎn)生顯著促進(jìn)作用，只有同時(shí)在人力資本方面進(jìn)行相應(yīng)投資才會(huì)得到更高生產(chǎn)率回報(bào)[20]。因此，人工智能技術(shù)在制造業(yè)的應(yīng)用既可以影響物質(zhì)資本使用效率，也可以影響人力資本使用效率。因此，提出如下假設(shè)：

H4a：人工智能通過(guò)影響物質(zhì)資本使用效率，進(jìn)而影響制造企業(yè)生產(chǎn)率；

H4b：人工智能通過(guò)影響人力資本使用效率，進(jìn)而影響制造企業(yè)生產(chǎn)率。

1.3.3 人工智能與技術(shù)進(jìn)步

人工智能、機(jī)器學(xué)習(xí)等新技術(shù)所產(chǎn)生的經(jīng)濟(jì)效應(yīng)是基于其隸屬于通用技術(shù)的屬性[20]。作為一種新的通用技術(shù)，人工智能可以直接影響生產(chǎn)率。人工智能、機(jī)器學(xué)習(xí)的應(yīng)用改變了機(jī)器感知能力，例如，機(jī)器視覺(jué)識(shí)別行人的錯(cuò)誤率已經(jīng)從每秒30幀出現(xiàn)1次錯(cuò)誤降低到大約每秒3 000萬(wàn)幀出現(xiàn)1次錯(cuò)誤，自動(dòng)化汽車可行性大幅度提升，工廠自動(dòng)化任務(wù)完成準(zhǔn)確性也有了較大提升[21]。同時(shí)，人工智能還會(huì)間接增加互補(bǔ)性技術(shù)創(chuàng)新投入，激發(fā)大量互補(bǔ)性技術(shù)創(chuàng)新，成為制造業(yè)、物流業(yè)、金融業(yè)等行業(yè)增長(zhǎng)的重要驅(qū)動(dòng)力[22-23]。面對(duì)智能化轉(zhuǎn)型壓力，制造企業(yè)需要增強(qiáng)智能設(shè)備系統(tǒng)集成能力，因此會(huì)從產(chǎn)品設(shè)計(jì)、生產(chǎn)工藝流程、配套設(shè)施等方面加大研發(fā)投入和技術(shù)改造經(jīng)費(fèi)。人工智能技術(shù)和設(shè)備的廣泛應(yīng)用會(huì)產(chǎn)生技術(shù)擴(kuò)散效應(yīng)和溢出效應(yīng)，加速新產(chǎn)品和新技術(shù)產(chǎn)生，促進(jìn)相關(guān)產(chǎn)業(yè)設(shè)備更新，增加技術(shù)創(chuàng)新產(chǎn)出，最終提高企業(yè)生產(chǎn)率。但是，人工智能技術(shù)也不可避免地具有不確定性，和其它通用技術(shù)一樣，人工智能可能不會(huì)帶來(lái)生產(chǎn)率的立刻變化，技術(shù)史表明，多種新技術(shù)的“并存但不爆發(fā)”往往會(huì)持續(xù)很長(zhǎng)時(shí)間，只有各種新舊力量之間產(chǎn)生關(guān)聯(lián)，才會(huì)集中性爆發(fā)并擴(kuò)散到傳統(tǒng)行業(yè)，表現(xiàn)為生產(chǎn)率提升?；诖耍疚奶岢鋈缦录僭O(shè)：

H5a：人工智能通過(guò)影響技術(shù)創(chuàng)新投入，進(jìn)而影響制造企業(yè)生產(chǎn)率；

H5b：人工智能通過(guò)影響技術(shù)創(chuàng)新產(chǎn)出，進(jìn)而影響制造企業(yè)生產(chǎn)率。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)樣本

本文選取2015—2017年滬、深兩市A股制造業(yè)上市公司作為研究樣本，主要基于以下兩點(diǎn)考慮：①雖然早在1956年人工智能的概念就被提出，但人工智能取得迅猛發(fā)展并廣泛應(yīng)用于制造業(yè)主要發(fā)生在2015年以后，為發(fā)揮制造企業(yè)示范作用，2015年工信部開(kāi)始發(fā)布智能制造試點(diǎn)示范企業(yè)名單；②在2011年德國(guó)提出工業(yè)4.0概念之后，2015年中國(guó)隨即提出了“中國(guó)制造2025”戰(zhàn)略，其核心就是實(shí)現(xiàn)制造業(yè)全面智能化，自2015年起越來(lái)越多的制造企業(yè)開(kāi)始進(jìn)行轉(zhuǎn)型，實(shí)施與人工智能深度融合。

為確保數(shù)據(jù)的代表性和精準(zhǔn)性，本文按照如下步驟進(jìn)行了嚴(yán)格的樣本處理：①剔除數(shù)據(jù)存在嚴(yán)重缺失的樣本；②剔除業(yè)績(jī)極差的ST、ST*公司；③考慮到年度行業(yè)均值調(diào)整，剔除某一年度行業(yè)觀測(cè)值少于2個(gè)的樣本。經(jīng)過(guò)上述處理，最后獲得29個(gè)行業(yè)共計(jì)4 346個(gè)樣本觀測(cè)值。

本文數(shù)據(jù)來(lái)源包括兩個(gè)部分。一是反映上市公司是否應(yīng)用人工智能技術(shù)的指標(biāo)，通過(guò)對(duì)東方財(cái)富數(shù)據(jù)庫(kù)中的新聞及公告進(jìn)行爬蟲(chóng)搜集。使用“AI、人工智能、智能制造、智能化、智能應(yīng)用、AI應(yīng)用、智能、人工智能應(yīng)用企業(yè)、制造業(yè)人工智能企業(yè)”等關(guān)鍵詞，手動(dòng)加工、整理和分析，最終確定已經(jīng)應(yīng)用人工智能技術(shù)的A股制造業(yè)上市公司共464家。二是研究涉及的其它財(cái)務(wù)數(shù)據(jù)均來(lái)自CSMAR數(shù)據(jù)庫(kù)。為了剔除異常值對(duì)回歸結(jié)果可靠性可能產(chǎn)生的影響，本文對(duì)除虛擬變量外的所有連續(xù)變量進(jìn)行上下1%分位數(shù)的縮尾(Winsorize)處理，描述性統(tǒng)計(jì)和實(shí)證檢驗(yàn)均使用縮尾處理后的數(shù)據(jù)。此外，本文對(duì)所有解釋變量和控制變量進(jìn)行了方差膨脹因子(VIF)診斷，結(jié)果顯示，VIF均值為1.41，且都在2以內(nèi)。因此，變量之間不存在嚴(yán)重的多重共線性問(wèn)題。

2.2 模型設(shè)定與變量說(shuō)明

本文首先研究制造企業(yè)應(yīng)用人工智能技術(shù)能否影響制造企業(yè)生產(chǎn)率，以及市場(chǎng)份額對(duì)人工智能與制造企業(yè)生產(chǎn)率關(guān)系的調(diào)節(jié)作用，為檢驗(yàn)H1a、H1b、H2，構(gòu)建計(jì)量模型如下：

TFPit=α0+α1DIFAIit+α2lnageit+α3ROAit+α4levit+εi

(1)

TFPit=α0+α1DIFAIit+β1lnsalesit+β2DIFAIit*lnsalesit+α2lnageit+α3ROAit+α4levit+εi

(2)

其中，i、t分別表示公司i與年度t(下同)，αi代表變量系數(shù)，αi代表交乘項(xiàng)系數(shù)，εi代表隨機(jī)誤差項(xiàng)。

被解釋變量TFP表示企業(yè)全要素生產(chǎn)率，通常被解釋為總產(chǎn)出中不能由要素投入所解釋的“剩余”，揭示生產(chǎn)率作為一個(gè)經(jīng)濟(jì)概念的本質(zhì)，主要反映生產(chǎn)過(guò)程中各種投入要素的單位平均產(chǎn)出水平，即投入轉(zhuǎn)化為最終產(chǎn)出的總體效率。經(jīng)典的微觀企業(yè)全要素生產(chǎn)率度量是用最小二乘法(OLS)測(cè)算索洛余值，但傳統(tǒng)OLS法測(cè)算索洛余值時(shí)存在聯(lián)立性偏誤、樣本選擇偏誤等問(wèn)題。為解決以上問(wèn)題，本文主要采用半?yún)?shù)法OP和LP方法測(cè)算全要素生產(chǎn)率。

解釋變量DIFAI是反映制造業(yè)上市公司是否應(yīng)用人工智能技術(shù)的虛擬變量。

調(diào)節(jié)變量為市場(chǎng)份額業(yè)績(jī)指標(biāo)。企業(yè)市場(chǎng)份額變化能夠反映企業(yè)采取各種經(jīng)營(yíng)策略的經(jīng)濟(jì)后果，可以更有效地捕捉企業(yè)市場(chǎng)業(yè)績(jī)變化。參考Campello等[24]的做法，本文采用經(jīng)年度、行業(yè)中值調(diào)整后的銷售收入自然對(duì)數(shù)的變動(dòng)額(lnsales)衡量企業(yè)產(chǎn)品的市場(chǎng)份額，并構(gòu)建市場(chǎng)份額與解釋變量DIFAI的交互項(xiàng)(DIFAI*lnsales)。

本文參考Brynjolfsson等[25-26]的研究，選擇計(jì)量模型的控制變量，包括上市公司年齡的對(duì)數(shù)(ln_age)、資產(chǎn)收益率(ROA)和財(cái)務(wù)杠桿率(Lev)。相關(guān)變量的定義如表1所示。

表1 變量說(shuō)明

本文通過(guò)結(jié)構(gòu)方程模型檢驗(yàn)人工智能對(duì)制造企業(yè)生產(chǎn)率影響的微觀機(jī)制。具體變量包括：

(1)公司雇用工人數(shù)量的自然對(duì)數(shù)(lnL)，表示勞動(dòng)力數(shù)量。

(2)公司是否對(duì)員工研究發(fā)展進(jìn)行投入(dum_RD)，作為虛擬變量，公司對(duì)員工研究發(fā)展進(jìn)行投入取1，否則取0。

(3)物質(zhì)資本，主要指企業(yè)投入生產(chǎn)經(jīng)營(yíng)活動(dòng)的生產(chǎn)物資，包括機(jī)器、設(shè)備、廠房、建筑物、交通運(yùn)輸設(shè)施等。首先，本文借鑒Heieh&Klenow[27]的方法，采用上市公司財(cái)務(wù)報(bào)表中的固定資產(chǎn)凈額作為物質(zhì)資本存量的代理指標(biāo)；其次，借鑒Pulic[28]的方法，用物質(zhì)資本增值系數(shù)衡量物質(zhì)資本的使用效率(PKI)，物質(zhì)資本增值系數(shù)是企業(yè)物質(zhì)資本存量與企業(yè)增值之比，其中企業(yè)增值=稅前利潤(rùn)+應(yīng)付職工薪酬-財(cái)務(wù)費(fèi)用。

(4)企業(yè)人力資本，主要反映為支付給員工的現(xiàn)金?？紤]數(shù)據(jù)的可獲得性，選取年報(bào)中的“支付給職工以及為職工支付的現(xiàn)金”指標(biāo)度量企業(yè)人力資本。本文用人力資本增值系數(shù)衡量人力資本使用效率(HCI)，人力資本增值系數(shù)是企業(yè)人力資本與企業(yè)增值之比。

(5)技術(shù)創(chuàng)新投入變量采用公司當(dāng)期研發(fā)投入強(qiáng)度(RDexp)表示，技術(shù)創(chuàng)新產(chǎn)出變量采用公司當(dāng)期申請(qǐng)的發(fā)明專利數(shù)量取對(duì)數(shù)(lnpatenti)表示。

2.3 描述性統(tǒng)計(jì)

表2報(bào)告了制造業(yè)各細(xì)分行業(yè)解釋變量和被解釋變量的描述性統(tǒng)計(jì)結(jié)果。結(jié)果顯示，除石油加工、燒焦及核燃料加工業(yè)和廢棄資源綜合利用業(yè)2個(gè)行業(yè)未應(yīng)用人工智能技術(shù)外，其它制造業(yè)細(xì)分行業(yè)都應(yīng)用了人工智能技術(shù)，表明制造企業(yè)都重視并引入人工智能。從平均值來(lái)看，2個(gè)未應(yīng)用人工智能技術(shù)的行業(yè)全要素生產(chǎn)率并不明顯低于應(yīng)用人工智能技術(shù)的行業(yè)，需要進(jìn)一步實(shí)證檢驗(yàn)，判斷人工智能對(duì)制造企業(yè)生產(chǎn)率的影響。

表2 解釋變量、被解釋變量描述性統(tǒng)計(jì)結(jié)果(分行業(yè))

根據(jù)上市公司是否應(yīng)用人工智能技術(shù)進(jìn)行分組，對(duì)主要變量進(jìn)行描述性統(tǒng)計(jì)分析，如表3所示。結(jié)果顯示，相比未應(yīng)用人工智能技術(shù)的樣本，應(yīng)用人工智能技術(shù)的樣本全要素生產(chǎn)率明顯更高，即TFP_op和 TFP_lp更高。從均值看，應(yīng)用人工智能技術(shù)的公司比未應(yīng)用公司的全要素生產(chǎn)率高。

表3 主要變量分組描述性統(tǒng)計(jì)結(jié)果

3 實(shí)證分析

3.1 基本回歸結(jié)果

本文應(yīng)用Stata15軟件進(jìn)行估計(jì)。運(yùn)用面板數(shù)據(jù)模型檢驗(yàn)H1a、H1b、H2，在作面板數(shù)據(jù)模型回歸時(shí)，經(jīng)過(guò)Hausman檢驗(yàn)，采用隨機(jī)效應(yīng)模型進(jìn)行估計(jì)。為確保沒(méi)有異方差問(wèn)題，采用穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸。

表4的回歸結(jié)果顯示，應(yīng)用人工智能技術(shù)顯著提升了制造業(yè)上市公司的全要素生產(chǎn)率。具體地，第(1)、(3)列的回歸結(jié)果顯示，DIFAI系數(shù)均顯著為正，且在1%的水平下顯著，表明在控制了公司年齡、ROA、Lev等相關(guān)變量后，企業(yè)應(yīng)用人工智能技術(shù)會(huì)顯著提升全要素生產(chǎn)率。因此，H1a成立，即人工智能的應(yīng)用可以有效促進(jìn)制造企業(yè)生產(chǎn)率提升。

表4 人工智能對(duì)制造業(yè)全要素生產(chǎn)率的影響

本文在模型中加入市場(chǎng)份額與人工智能變量的交互項(xiàng)，以檢驗(yàn)是否存在一些因素顯著影響人工智能與制造企業(yè)生產(chǎn)率間的關(guān)系。表4第(2)、(4)列結(jié)果顯示，加入交互項(xiàng)后，人工智能應(yīng)用虛擬變量系數(shù)仍然為正，且在1%的水平下顯著，市場(chǎng)份額變量系數(shù)也顯著為正，交互項(xiàng)系數(shù)顯著為負(fù)，置信水平為1%。說(shuō)明調(diào)節(jié)變量市場(chǎng)份額顯著影響人工智能與制造企業(yè)生產(chǎn)率間的關(guān)系，即市場(chǎng)份額具有負(fù)向調(diào)節(jié)效應(yīng)。具體來(lái)說(shuō)，DIFAI對(duì)TFP的影響取決于lnsales大小，當(dāng)lnsales取值較小時(shí)，DIFAI對(duì)TFP的影響可能為正；當(dāng)lnsales取值較大時(shí)，DIFAI對(duì)TFP的影響可能為負(fù)。因此，制造業(yè)上市公司市場(chǎng)份額業(yè)績(jī)?cè)胶?，越不利于發(fā)揮人工智能對(duì)制造業(yè)上市公司全要素生產(chǎn)率的促進(jìn)作用。因此，H2得以驗(yàn)證。中國(guó)人工智能技術(shù)尚不成熟，人工智能應(yīng)用的基礎(chǔ)設(shè)施和條件不夠完備[29]，并非所有的制造企業(yè)都能受益于人工智能技術(shù)應(yīng)用。從控制變量看，公司年齡、ROA、Lev的影響都較為顯著，這些發(fā)現(xiàn)均與以往研究結(jié)論基本一致。

3.2 機(jī)制檢驗(yàn)：基于結(jié)構(gòu)方程的多重中介效應(yīng)模型

3.2.1 機(jī)制檢驗(yàn)路徑設(shè)定

本文運(yùn)用結(jié)構(gòu)方程方法檢驗(yàn)人工智能影響制造企業(yè)生產(chǎn)率的機(jī)制，即對(duì)H3a、H3b、H4a、H4b、H5a、H5b進(jìn)行檢驗(yàn)。構(gòu)建多重中介效應(yīng)模型研究勞動(dòng)生產(chǎn)率、資本使用效率、技術(shù)進(jìn)步對(duì)企業(yè)應(yīng)用人工智能技術(shù)與生產(chǎn)率的中介效應(yīng)。在以往實(shí)證研究中，往往采用一系列回歸方程檢驗(yàn)中介過(guò)程，但前提是要預(yù)先假定研究變量間的因果關(guān)系及發(fā)生的時(shí)間順序。本文嘗試采用結(jié)構(gòu)方程模型，基于一個(gè)自變量、多個(gè)中介變量、一個(gè)因變量建模，不僅能同時(shí)分析多條影響路徑，而且可以對(duì)比中介效應(yīng)[30]。

為研究人工智能能否通過(guò)影響勞動(dòng)生產(chǎn)率進(jìn)而促進(jìn)制造企業(yè)生產(chǎn)率提高，模型選擇勞動(dòng)力數(shù)量(lnL)和企業(yè)員工研究發(fā)展投入虛擬變量(dum_RD)作為中介變量；為研究人工智能能否通過(guò)影響資本使用效率進(jìn)而促進(jìn)制造企業(yè)生產(chǎn)率提高，模型選擇物質(zhì)資本使用效率(PKI)和人力資本使用效率(HCI)作為中介變量；為了研究人工智能能否通過(guò)影響技術(shù)進(jìn)步進(jìn)而促進(jìn)制造企業(yè)生產(chǎn)率提高，模型選擇技術(shù)創(chuàng)新投入(RDexp)和技術(shù)創(chuàng)新產(chǎn)出(lnpatenti)作為中介變量。

圖1 基于結(jié)構(gòu)方程的多重中介效應(yīng)模型

3.2.2 機(jī)制檢驗(yàn)?zāi)Ｐ凸烙?jì)

通過(guò)結(jié)構(gòu)方程模型檢驗(yàn)中介效應(yīng)，一般是先進(jìn)行模型估計(jì)，然后計(jì)算中介效應(yīng)。以TFP_op為例，先進(jìn)行結(jié)構(gòu)方程模型估計(jì)。根據(jù)協(xié)方差(Covariance)、修正指數(shù)(Modification Indices，MI)等信息修正模型后，如表5所示，結(jié)構(gòu)方程模型的RMSEA小于0.1，SRMR小于0.05，CFI大于0.9，TLI接近0.9，符合擬合標(biāo)準(zhǔn)，說(shuō)明結(jié)構(gòu)方程模型擬合度較好。

表5 模型擬合度檢驗(yàn)結(jié)果

具體的結(jié)構(gòu)方程模型路徑系數(shù)如圖2所示，H3a、H4a、H4b、H5a、H5b，均成立，但H3b未得到驗(yàn)證。其中，人工智能通過(guò)中介變量勞動(dòng)力數(shù)量促進(jìn)了制造企業(yè)生產(chǎn)率提高，驗(yàn)證了H3a。具體地，DIFAI和lnL的路徑系數(shù)顯著為正，說(shuō)明人工智能顯著增加了制造企業(yè)勞動(dòng)力數(shù)量，因?yàn)槟壳爸圃炱髽I(yè)應(yīng)用人工智能技術(shù)并不成熟，需要更多懂技術(shù)的勞動(dòng)力；lnL和TFP_op的路徑系數(shù)顯著為正，說(shuō)明懂技術(shù)的勞動(dòng)力數(shù)量增加提高了人工智能技術(shù)應(yīng)用效率，進(jìn)而提高了企業(yè)全要素生產(chǎn)率。dum_RD并未構(gòu)成人工智能影響企業(yè)生產(chǎn)率的中介變量，H3b未通過(guò)驗(yàn)證。具體地，DIFAI和dum_RD的路徑系數(shù)不顯著，同時(shí)dum_RD和TFP_op的路徑系數(shù)也不顯著。

圖2 結(jié)構(gòu)方程模型路徑系數(shù)

物質(zhì)資本使用效率、人力資本使用效率構(gòu)成了人工智能影響企業(yè)生產(chǎn)率的中介變量，H4a、H4b通過(guò)驗(yàn)證。具體來(lái)看，DIFAI和PKI的路徑系數(shù)顯著為正，PKI和TFP_op的路徑系數(shù)也顯著為正，說(shuō)明人工智能提升了物質(zhì)資本使用效率，促進(jìn)了生產(chǎn)率增長(zhǎng)，但是，DIFAI對(duì)HCI的影響顯著為負(fù)，而HCI對(duì)TFP_op的影響顯著為正，說(shuō)明人工智能不能有效優(yōu)化人力資本使用效率，進(jìn)而抑制企業(yè)生產(chǎn)率提高。

人工智能通過(guò)中介變量技術(shù)創(chuàng)新投入，抑制了制造企業(yè)全要素生產(chǎn)率提高，驗(yàn)證了H5a。具體地，DIFAI對(duì)RDexp的影響顯著為正，說(shuō)明人工智能技術(shù)的應(yīng)用增加了研發(fā)投入；同時(shí)，RDexp對(duì)TFP_op的影響顯著為負(fù)，原因可能是技術(shù)創(chuàng)新的滯后性抑制了當(dāng)期企業(yè)生產(chǎn)率提高。人工智能通過(guò)中介變量技術(shù)創(chuàng)新產(chǎn)出促進(jìn)了制造企業(yè)生產(chǎn)率提高，驗(yàn)證了H5b。具體地，DIFAI和lnpatenti的路徑系數(shù)顯著為正，說(shuō)明人工智能應(yīng)用增加了制造企業(yè)實(shí)質(zhì)性發(fā)明專利數(shù)量；同時(shí)，lnpatenti和TFP_op的系數(shù)顯著為正，說(shuō)明實(shí)質(zhì)性發(fā)明專利數(shù)量越多，企業(yè)生產(chǎn)率越高。

此外，應(yīng)用人工智能技術(shù)對(duì)生產(chǎn)率的直接影響仍然顯著，但路徑系數(shù)為負(fù)，具體為-0.065 4，與表4結(jié)果相比，系數(shù)明顯降低，由正轉(zhuǎn)為負(fù)，表明企業(yè)應(yīng)用人工智能技術(shù)主要通過(guò)多重中介機(jī)制提升企業(yè)生產(chǎn)率。

可見(jiàn)，人工智能技術(shù)目前在中國(guó)并不成熟，仍處于初級(jí)階段，制造企業(yè)應(yīng)用人工智能增加了對(duì)知識(shí)勞動(dòng)力的需求，而懂技術(shù)的知識(shí)勞動(dòng)力促進(jìn)了人工智能技術(shù)的充分使用，發(fā)揮了生產(chǎn)率效應(yīng)。人工智能使計(jì)算效率成倍提升，借助機(jī)器深度學(xué)習(xí)，構(gòu)建人機(jī)合作決策系統(tǒng)，可以優(yōu)化生產(chǎn)流程，提高物質(zhì)資本使用效率，實(shí)現(xiàn)要素優(yōu)化配置。在新一輪科技變革和產(chǎn)業(yè)革命中，人工智能已成為制造業(yè)創(chuàng)新驅(qū)動(dòng)發(fā)展的先導(dǎo)力量，加強(qiáng)人工智能與制造企業(yè)互融互通，有利于新產(chǎn)品、新技術(shù)產(chǎn)生，促進(jìn)制造業(yè)生產(chǎn)率提升。與此同時(shí)，勞動(dòng)力需求增加，引起了人力資本存量增加，從而降低了人力資本使用效率，對(duì)生產(chǎn)率提高產(chǎn)生了消極影響；當(dāng)期研發(fā)投入強(qiáng)度提高，并不一定就能在當(dāng)期提升企業(yè)生產(chǎn)率。

3.2.3 中介效應(yīng)分析

進(jìn)一步以TFP_op為例，進(jìn)行中介效應(yīng)分析，如表6所示。結(jié)果顯示，企業(yè)應(yīng)用人工智能對(duì)生產(chǎn)率有直接負(fù)效應(yīng)，為-0.064 5；企業(yè)應(yīng)用人工智能通過(guò)各中介變量對(duì)生產(chǎn)率有間接正效應(yīng)，為0.397 7；企業(yè)應(yīng)用人工智能技術(shù)對(duì)生產(chǎn)率的總效應(yīng)等于直接效應(yīng)加上間接效應(yīng)，為0.333 2。因此，人工智能之所以能對(duì)企業(yè)生產(chǎn)率產(chǎn)生積極影響，主要是通過(guò)中介變量實(shí)現(xiàn)的。

表6 多重中介效應(yīng)檢驗(yàn)結(jié)果

具體來(lái)說(shuō)，勞動(dòng)力數(shù)量在應(yīng)用人工智能技術(shù)與生產(chǎn)率關(guān)系之間的中介效應(yīng)為0.338 7(0.503 4×0.672 8)，且在1%的水平上顯著；是否對(duì)員工研究發(fā)展進(jìn)行投入的中介效應(yīng)雖然為正，但不顯著；物質(zhì)資本使用效率在應(yīng)用人工智能技術(shù)與生產(chǎn)率關(guān)系之間的中介效應(yīng)為0.018 1(0.315 1×0.057 3)，且在1%的水平上顯著；人力資本使用效率在應(yīng)用人工智能技術(shù)與生產(chǎn)率關(guān)系之間的中介效應(yīng)是負(fù)效應(yīng)，為-0.012 5(-0.091 0×0.137 9)，在5%的水平上顯著；技術(shù)創(chuàng)新投入在應(yīng)用人工智能技術(shù)與生產(chǎn)率關(guān)系之間的中介效應(yīng)也是負(fù)效應(yīng)，為-0.068 0(1.136 6×-0.059 8)；技術(shù)創(chuàng)新產(chǎn)出在應(yīng)用人工智能技術(shù)與生產(chǎn)率關(guān)系之間的中介效應(yīng)是正效應(yīng)，為0.121 3(0.939 7×0.129 1)。

綜合分析可知，制造企業(yè)應(yīng)用人工智能通過(guò)影響勞動(dòng)力數(shù)量、物質(zhì)資本使用效率和技術(shù)創(chuàng)新產(chǎn)出，提升了企業(yè)生產(chǎn)率，具有正向中介效應(yīng)；通過(guò)影響人力資本使用效率和技術(shù)創(chuàng)新投入，抑制了企業(yè)生產(chǎn)率提升，具有負(fù)向中介效應(yīng)；而且，正向中介效應(yīng)大于負(fù)向中介效應(yīng)，整體中介效應(yīng)為正。

3.3 穩(wěn)健性檢驗(yàn)

本文采用替換檢驗(yàn)方法進(jìn)行穩(wěn)健性檢驗(yàn)，主要結(jié)論均未發(fā)生實(shí)質(zhì)性改變。首先，本文選用極大似然估計(jì)方法進(jìn)行檢驗(yàn)，H1a、H2依然成立，結(jié)論未發(fā)生實(shí)質(zhì)性改變。其次，參考宣燁和余泳澤[31]的研究，對(duì)制造業(yè)上市公司的所有權(quán)性質(zhì)進(jìn)行分組，然后分別對(duì)國(guó)有企業(yè)和民營(yíng)企業(yè)進(jìn)行驗(yàn)證。結(jié)果顯示，對(duì)于民營(yíng)企業(yè)，H1a、H2依然成立，主要結(jié)論未發(fā)生實(shí)質(zhì)性改變；對(duì)于國(guó)有企業(yè)，H1a仍然成立，但H2未通過(guò)檢驗(yàn)，即市場(chǎng)份額的調(diào)節(jié)作用不再顯著。說(shuō)明無(wú)論國(guó)有企業(yè)還是民營(yíng)企業(yè)，人工智能已成為其創(chuàng)新發(fā)展的重要驅(qū)動(dòng)力，但由于國(guó)有企業(yè)能夠得到政府更多政策和資金支持，因此市場(chǎng)份額等并不是影響人工智能與生產(chǎn)率關(guān)系的主要因素。

4 結(jié)論與建議

4.1 研究結(jié)論

利用中國(guó)制造業(yè)上市公司2015—2017年相關(guān)數(shù)據(jù)，本文研究發(fā)現(xiàn)，制造業(yè)普遍重視與人工智能深度融合，絕大部分制造業(yè)細(xì)分行業(yè)都應(yīng)用了人工智能技術(shù)，但整體滲透率較低；制造業(yè)上市公司與人工智能融合顯著提高了企業(yè)生產(chǎn)率；市場(chǎng)份額影響了人工智能技術(shù)應(yīng)用與企業(yè)生產(chǎn)率的關(guān)系，市場(chǎng)份額業(yè)績(jī)?cè)胶玫钠髽I(yè)，應(yīng)用人工智能促進(jìn)制造企業(yè)生產(chǎn)率提升的作用越小，某些市場(chǎng)份額業(yè)績(jī)好的企業(yè)可能存在“生產(chǎn)率悖論”。

進(jìn)一步的機(jī)制檢驗(yàn)發(fā)現(xiàn)，人工智能通過(guò)勞動(dòng)力數(shù)量、物質(zhì)資本使用效率和技術(shù)創(chuàng)新產(chǎn)出3個(gè)中介變量，促進(jìn)了企業(yè)生產(chǎn)率提升，產(chǎn)生了正向中介效應(yīng)；通過(guò)人力資本使用效率和技術(shù)創(chuàng)新投入抑制了企業(yè)生產(chǎn)率提升，產(chǎn)生了負(fù)向中介效應(yīng)；且正向中介效應(yīng)大于負(fù)向中介效應(yīng)。本文的研究結(jié)論表明，人工智能技術(shù)在制造企業(yè)的應(yīng)用并不成熟。一方面，我國(guó)制造業(yè)數(shù)字化、信息化水平參差不齊，未能為人工智能在制造業(yè)的廣泛應(yīng)用提供條件和基礎(chǔ)；另一方面，制造業(yè)產(chǎn)業(yè)鏈條遠(yuǎn)比其它行業(yè)復(fù)雜，制造業(yè)從業(yè)人員也未能充分精準(zhǔn)掌握人工智能技術(shù)。因此，人工智能技術(shù)在制造企業(yè)的應(yīng)用難度較大。

4.2 對(duì)策建議

(1)制造企業(yè)應(yīng)積極應(yīng)用人工智能，更好地發(fā)揮人工智能的生產(chǎn)率效應(yīng)。當(dāng)前，我國(guó)人工智能在制造業(yè)領(lǐng)域的應(yīng)用還處于起步和初級(jí)階段，制造企業(yè)應(yīng)用人工智能技術(shù)基礎(chǔ)還比較薄弱，而且在如何實(shí)現(xiàn)與人工智能深度融合方面缺乏具體措施。因此，制造企業(yè)應(yīng)加大人工智能技術(shù)的投入力度，提升企業(yè)數(shù)字化能力和智能化成熟度，為人工智能發(fā)揮生產(chǎn)率效應(yīng)提供軟件基礎(chǔ)；加快設(shè)備連接和廠房改造，為人工智能應(yīng)用奠定硬件基礎(chǔ)。

(2)結(jié)合制造業(yè)細(xì)分行業(yè)特點(diǎn)，開(kāi)發(fā)設(shè)計(jì)人工智能系統(tǒng)，降低人工智能技術(shù)開(kāi)發(fā)應(yīng)用成本。目前，市場(chǎng)份額業(yè)績(jī)好的制造企業(yè)紛紛開(kāi)展人工智能競(jìng)賽，建立各自的研發(fā)中心，進(jìn)行自動(dòng)化、信息化升級(jí)，導(dǎo)致人工智能實(shí)施成本居高不下。但是，由于制造業(yè)各行業(yè)技術(shù)、流程差異大，對(duì)人工智能有不同需求，因此降低設(shè)計(jì)實(shí)施成本不是建立一個(gè)通用的人工智能系統(tǒng)，而是鼓勵(lì)和引導(dǎo)制造業(yè)各細(xì)分行業(yè)領(lǐng)軍企業(yè)自主開(kāi)發(fā)或合作開(kāi)發(fā)智能制造技術(shù)、軟硬件體系，再逐步擴(kuò)散到整個(gè)行業(yè)。

(3)制造企業(yè)要著力推進(jìn)勞動(dòng)力轉(zhuǎn)型，優(yōu)化資本要素配置，合理規(guī)劃研發(fā)投入，加強(qiáng)自主技術(shù)創(chuàng)新。制造企業(yè)需要列出所需AI技術(shù)清單，以確定內(nèi)部資源可以在多大程度上滿足需求，或需要從外部獲得何種技術(shù)，并制定工人技能培訓(xùn)和提升計(jì)劃。同時(shí)，要加強(qiáng)與高校院所合作，強(qiáng)化與國(guó)際領(lǐng)先人工智能企業(yè)在關(guān)鍵技術(shù)方面的研究開(kāi)發(fā)合作，提升關(guān)鍵技術(shù)領(lǐng)域研發(fā)能力。