工業智能化會引發新索洛悖論嗎?
——來自城市層面的經驗證據

李金城 王林輝

(1.吉林大學經濟學院,吉林長春130000; 2.華東師范大學經濟與管理學院,上海200062)

一、引言

近年來,以人工智能為代表的新一代信息技術迅猛發展,深刻改變了工業領域的生產方式,為世界各國轉變經濟發展模式提供了新思路。我國于2015年頒布了《中國制造2025》,強調加快新一代信息技術與制造業深度融合,以驅動我國由制造大國向制造強國邁進。我國工業機器人使用量逐年攀升,已經從2000年的930臺增加到2019年的78.3萬臺,躍居世界第一[1]。然而,人工智能技術往往需要與實體企業深度融合才能發揮作用。工業智能化作為人工智能技術與工業生產融合的重要形式,旨在全面提升工業企業在研發、生產、管理和服務等各個環節的智能化水平。隨著智能化生產與生活方式的普及,學界開始關注工業智能化的經濟社會效益,如工業智能化對經濟增長、產業發展、勞動收入、就業結構等的影響[2-5],且普遍認為工業智能化在長期內會帶動經濟全方位、可持續的增長。

與其他通用型技術一樣,人工智能技術也會在生產生活、社會治理、公共服務等眾多領域發揮重要作用[6]。據相關研究預測,人工智能技術對經濟增長的推動作用將遠超蒸汽技術引發的0.3%增長率,預計到2030年增長率可能達到年均1.2%[7]。那么,工業智能化發展一定會帶動全要素生產率的提升嗎?從歷史經驗來看卻并非如此。例如,20世紀80年代美國集成電路、半導體等信息技術產業迅猛發展,但其生產率增長卻相對緩慢。1987年,Solow更是指出“計算機無處不在,唯獨在生產率統計上不見蹤跡”,這種低生產率與高信息技術投資共存的現象就被稱之為“生產率悖論”或“索洛悖論”[8]。

眾多學者圍繞索洛悖論的存在性及其成因進行了深入探討,但這類研究并未形成共識。一些學者認為索洛悖論并不存在,即信息與通信技術在長期內能夠表現出對生產率的促進作用[9-10]。而另一些學者卻證實了新興技術具有索洛悖論。Acemoglu等認為全要素生產率的提升主要源于先進制造設備的使用而非信息與通信技術設備的投入,其致使信息技術對生產率提升的貢獻較低[11]。Brynjolfsson等將索洛悖論的成因總結為對新興技術預期影響的高估、生產率的測量誤差、新興技術紅利的分配不均以及新興技術產生實際影響的時滯性等[12]。人工智能技術作為信息技術的高階形態,極大拓寬了智能化生產領域,其對生產率的促進作用可能會達到前所未有的程度[13],但也有部分學者指出人工智能技術在推動經濟增長方面未得到統計數據的支撐[14]。此外,前沿文獻主要關注的是發達國家,而發展中國家不同于發達國家的經濟結構、發展階段與制度環境可能會影響人工智能技術的生產率效應[15]。那么,對于我國而言,由人工智能技術驅動的工業智能化發展,是會打破傳統信息技術在生產率方面的障礙,還是會表現出新索洛悖論現象呢?回答這一問題不僅有助于揭示工業智能化對生產率的作用機理,而且可以為政府部門及時制定相關政策,以引導工業智能化對經濟高質量發展的積極影響提供經驗借鑒。

基于此,本文選取2010—2019年我國地級市面板樣本,多維度構造工業智能化評價指標,檢驗我國工業智能化是否會誘致新索洛悖論。本文的邊際貢獻在于,從人工智能技術與工業生產相融合的工業智能化視角考察其對全要素生產率的影響,從城市和產業維度識別新索洛悖論存在的可能性。

二、理論分析與研究假說

全要素生產率是決定經濟發展成效的關鍵,向來受到經濟學界的廣泛關注,生產率悖論則是其中重要的議題之一。自20世紀80年代起,伴隨個人計算機的逐步普及以及互聯網的商用化發展,美國投入大量資金以促進信息技術產業發展,但有學者發現該類產業出現了生產率緩慢增長甚至停滯的現象。以羅伯特·索洛為代表的經濟學家開始探尋該現象背后的原因,被稱為“索洛悖論”問題[9]。近年來,人工智能技術應用范圍不斷擴大,程度不斷加深,歐美國家的生產率卻長期處于低迷狀態,關于智能化時代新索洛悖論的討論不絕于耳[16],引起學界對其成因的廣泛關注,其中得到更多認同的觀點是人工智能技術對生產率的影響具有滯后性。換言之,工業智能化效應的顯現依賴于人工智能技術向相應產業的滲透速度與范圍,只有當人工智能技術達到一定規?；蛘弋a生廣泛影響時才可能提升生產率[14]。此外,工業智能化在以機器替代低技能勞動力的同時,也會增加對編程、智能操作、數據分析等高技能人才的需求[17],而高端人才往往需要經過長時間的技能學習或職業培訓才能適應新的智能化崗位,在初期會弱化工業智能化對生產率的促進作用。

然而,工業智能化會通過多種途徑推動全要素生產率增長。第一,工業智能化通過優化要素結構而促進全要素生產率增長[18]。首先,機器人、無人汽車、自動化系統等智能設備,可以完全替代低技能勞動力完成部分重復型、常規型和高危型工作任務,從而實現工業生產的自動化。當智能機器的成本低于勞動力時,工業智能化可以通過使用更多智能機器來提高全要素生產率。同時,智能機器不會因長時間工作而出現專注度下降的情況,因而生產率的減緩速度也會遠低于人類勞動力。其次,新任務的產生與知識密集型崗位的創造[19],會引發高技能人才集聚,進而帶動組織、管理、生產流程再造,實現生產效率的提升。工業智能化的另一大典型特征是通過搭建智能化平臺,高效聚集與整合信息、數據、技術、知識等資源,使得企業可以在云端完成對研發、生產、銷售、管理等全產業鏈環節的監控,同時可以動態感知市場需求,幫助企業及時發現并調整生產與銷售計劃的不足,從而實現個性化定制與柔性化生產模式,促進企業提質增效。最后,工業智能化有助于突破企業間、行業間及地區間信息交換的時空障礙,提高不同單位之間的信息傳輸效率,從而有效引導生產要素的跨部門流動,實現要素結構的優化,進而提升全要素生產率。第二,工業智能化會通過提升技術創新水平的方式推動全要素生產率的增長。伴隨海量數據累積、數據存儲與分析能力提升和計算能力快速突破,智能設備通過對大量數據資源反復訓練,逐步形成自我學習與強化功能[20-21],如當前ChatGPT正以超乎人類預期的速度不斷進化。同時,工業智能化會吸引大量人才、資金與技術等創新資源的流入,通過改善信息環境,加強不同創新主體之間的知識交流頻率,以增強知識溢出效應,從而促進技術創新水平的提升,驅動全要素生產率增長。據此,本文提出假說1。

假說1:工業智能化通過優化要素結構和促進技術創新提升全要素生產率。

工業智能化以海量數據資源作為關鍵要素投入,并且需要以人工智能為代表的新一代信息技術作為核心驅動力,才能實現對工業生產過程的智能化改造[22]。不難發現,龐大的市場規模、完善的網絡基礎和尖端的核心技術是工業智能化的重要支撐,表明工業智能化發展會受到特定資源的約束,并且在初始階段還需要大量的人才與資金投入,相關設備的研發、安裝、維護均需要高昂的經費支持[23]。然而,現實中由于自然條件、地理位置、制度環境、文化傳統等方面的影響,資源在地區間的分布并不均衡,尤其對于地大物博、幅員遼闊的我國而言更是如此。例如,東部地區的貿易條件便利、人才與資金充沛、科技創新處于領先地位,而中西部地區的土地面積廣闊、自然資源豐富。不同地區不僅擁有的資源稟賦千差萬別,而且市場環境也存在明顯差異,這就可能導致工業智能化在不同地區的應用情況不盡相同。相較于落后城市經濟發達城市可以吸引大量優質的人才、投資者、企業涌入,為工業智能化提供良好的發展環境。此外,依據獨特的資源稟賦和政策條件,各地區逐步形成了特色鮮明的主導產業,如東北老工業基地、上海國際金融中心、內蒙古能源基地等。當前,人工智能技術偏向于替代勞動力執行程式化特征突出的常規型任務,而需要應對復雜外部環境、規則多變的非常規型任務仍只能由勞動力執行[24],那么常規任務更密集的工業相對非常規任務更密集的服務業,更易與人工智能技術深度融合,致使主導產業類型不同地區的工業智能化進程可能存在差異。據此,本文提出假說2。

假說2:工業智能化的生產率提升效應會受制于城市屬性與產業類型條件的約束。

三、研究設計

基于前述理論分析與研究假說,為實證檢驗工業智能化是否會誘致新索洛悖論,本文利用中國2010—2019年地級市面板數據,構建如下雙向固定效應回歸模型:

tfpit=α0+α1inteit+∑αjXjit+νi+ρt+εit

(1)

其中,i與t分別表示城市與年份,tfpit表示城市全要素生產率,inteit表示工業智能化水平,Xjit表示財政支出、外商投資、經濟集聚、人口密度與工業規模等控制變量,νi與ρt分別表示地區與時間固定效應,εit表示隨機擾動項。

被解釋變量:全要素生產率(tfp)?？v觀現有文獻,全要素生產率的度量方法主要有隨機前沿分析法(SFA)與數據包絡分析法(DEA)兩種[25]。鑒于隨機前沿分析法無法避免因生產函數誤設而導致的結構偏差,而數據包絡分析法無需設定生產函數,且能夠解決截面生產技術的異質性問題[26],因此本文選擇數據包絡分析法測算城市全要素生產率。具體而言,借鑒杜運周等的思路[27],在選取投入變量與產出變量的基礎上,通過構建DEA-SBM模型和DEA-EBM模型測算城市層面全要素生產率。投入變量包括勞動力與資本,本文采用城市從業人數表征勞動力投入,采用張軍等提出的永續盤存法計算的固定資本存量表征資本投入[28],產出變量以地區實際生產總值表征。

核心解釋變量:工業智能化(inte)。工業智能化是在工業互聯網環境中通過投入海量數據資源,利用新一代信息技術智能化改造傳統工業生產方式的過程。工業智能化蘊含豐富內涵,無法僅通過單一指標如機器人或人工智能專利準確衡量。孫早和侯玉琳從基礎建設、生產應用、競爭力和效益等方面構建了工業智能化的統計指標體系,并應用主成分分析法測算了我國省份層面的工業智能化水平[29]。然而,其選用的部分指標未能準確區分智能化與信息化,且樣本受限于省份層面。為此,本文借鑒胡晟明的思路[30],從網站建設、光纜鋪設、智能供應鏈、大數據服務、信息技術服務、機器人滲透度、互聯網寬帶接入、移動互聯網使用、人工智能專利、創新人才投入、創新資金投入、網絡運營與維護、智能安全管理等13個子維度構建地級市層面的工業智能化統計指標體系,并且采用因子分析法合成工業智能化指數,具體計算過程中對工業智能化指數取對數處理。

控制變量:財政支出(fis)采用地方政府一般公共預算支出與地區生產總值之比表征;外商投資(fdi)選取規模以上工業企業中外資企業數量占比表示;經濟集聚(eag)采用地區生產總值與土地面積之比度量;人口密度(pod)選取單位面積的人口數表征;工業規模(mak)采用規模以上工業企業數量取對數來測度。表1給出了主要變量的描述性統計分析結果。

表1 變量描述性統計

本文剔除關鍵變量存在較多缺失值的樣本后,獲得2010—2019年地級市面板數據。工業智能化的測度數據取自中國專利數據庫、國際機器人聯合會、天眼查企業數據庫和《中國城市統計年鑒》;全要素生產率及控制變量的測度數據主要來源于《中國城市統計年鑒》及各省區市統計年鑒。

四、實證檢驗結果與評價

(一)基準檢驗

表2匯報了工業智能化對全要素生產率影響的基準檢驗結果,其中(1)列和(2)列以DEA-SBM模型測算的全要素生產率為被解釋變量,(3)列和(4)列以DEA-EBM模型測算的全要素生產率為被解釋變量,(1)列和(3)列未控制時間固定效應,(2)列和(4)列同時控制了時間和地區固定效應。結果顯示,無論采用DEA-SBM模型還是DEA-EBM模型測算全要素生產率,工業智能化均至少在10%的顯著性水平上對全要素生產率存在正向影響,表明當前我國工業智能化發展并未誘致新索洛悖論,而是顯著提升了城市全要素生產率。這可能因為人工智能技術融入工業生產過程,不僅會通過彌補傳統要素的不足提高生產效率,還能有效整合不同部門的信息資源,從而實現全要素生產率的提升。

表2 基準檢驗

(二)穩健性檢驗

為了避免樣本選取、指標測算、異常值、遺漏變量等造成的估計偏誤,本文在上述基準檢驗的基礎上,通過替換工業智能化的度量指標、對連續型變量進行縮尾處理、排除政策干擾、考察可能的遺漏變量等多種方式進行穩健性檢驗,結果如表3所示。(1)替換工業智能化的度量指標。鑒于人工智能技術是工業智能化的核心驅動力,為此本文采用人工智能專利授權數替代工業智能化綜合指數度量工業智能化水平,其中人工智能專利根據專利標題及摘要中是否包含與人工智能相關的關鍵詞進行識別,并且依據專利地址信息,將專利加總至地級市層面。表3的(1)列結果顯示,在替換工業智能化的度量指標之后,工業智能化仍然表現出對全要素生產率的顯著正向影響。(2)變量縮尾。為規避極端值的影響,本文對回歸變量進行上下10%的縮尾處理。表3的(2)列結果顯示,工業智能化對全要素生產率影響的回歸系數依舊保持正向顯著。(3)排除政策干擾。為抓住新一代信息技術給世界經濟發展帶來的新機遇,各國紛紛出臺相關戰略以搶占智能化高地,我國政府于2015年發布《中國制造2025》,2017年發布《新一代人工智能發展規劃》,2021年印發《“十四五”智能制造發展規劃》。不難發現,在2015年之后,我國有關智能化發展的政策文件大量涌現。為了排除智能化發展政策的引導作用,從技術發展視角準確識別出工業智能化本身對全要素生產率的影響,本文剔除2015年之后的樣本重新進行檢驗。表3的(3)列結果顯示,工業智能化并未誘致新索洛悖論,而是會提升全要素生產率。(4)加入可能的遺漏變量。由于無法窮盡所有可能對全要素生產率產生影響的變量,本文在梳理現有文獻的基礎上,考慮到人力資本積累或教育投入的增加也可能有利于促進全要素生產率增長,因此在表3的(4)列和(5)列中依次控制了城市人力資本水平(hcp)和教育投入水平(edu)。結果顯示,工業智能化的回歸系數均顯著為正,從而增強了基準回歸結論的可信度。

表3 穩健性檢驗

(三)異質性分析

1. 城市區位

我國不同地區的資源稟賦、產業結構、人口規模、科技水平等差異巨大,導致不同地區發展工業智能化的外在條件與內在激勵不盡相同,因此對于地處不同區位的城市而言,工業智能化的發展進程及其對全要素生產率的影響可能存在明顯差異。為此,本文將城市分類為內陸城市與沿海城市,檢驗不同地區工業智能化對全要素生產率的作用,結果如表4所示。其中,(1)列和(2)列考察內陸城市,(3)列和(4)列考察沿海城市,(1)列和(3)列僅控制地區固定效應,(2)列和(4)列同時控制地區和時間固定效應。結果顯示,在內陸地區,工業智能化對全要素生產率表現出顯著的正向影響,而在沿海地區,工業智能化對全要素生產率的影響反而不顯著,表明工業智能化會在沿海地區誘致新索洛悖論。這可能源于相較于沿海地區內陸地區工業企業的生產流程與工藝較為落后,因而提升空間更大,工業智能化對全要素生產率的促進作用也更強。

2. 城市等級

在我國經濟發展中,經濟發達城市往往扮演著經濟壓艙石的角色,在資源整合方面具備巨大優勢,在推動自身經濟增長的同時,也會通過要素流動、技術溢出、產業轉移等方式帶動周邊城市發展。而工業智能化依賴大量的人才、資金與技術投入,經濟發達城市憑借其資源聚集優勢能為工業智能化提供更好的發展環境,因此工業智能化可能對經濟發達城市的全要素生產率促進作用更顯著。為此,本文基于新一線城市研究院發布的《城市商業魅力排行榜》將城市劃分為三線及以上城市(包含一線城市、新一線城市、二線城市、三線城市)和三線以下城市(包含四線城市與五線城市)兩大類,檢驗結果如表5所示。其中,(1)列和(2)列采用DEA-SBM模型測算全要素生產率,(3)列和(4)列采用DEA-EBM模型測算全要素生產率。結果顯示,無論采用何種模型度量全要素生產率,工業智能化僅對三線及以上城市的全要素生產率表現出顯著促進作用,而對三線以下城市的全要素生產率影響不顯著。面對新一代信息技術的快速普及,高等級城市憑借雄厚的資金與充足的人力資本能夠更迅速作出反應,而低等級城市則因受到資源約束,工業智能化生產率效應的發揮受到抑制。

表5 異質性檢驗2:城市等級

3.產業異質性

由于工業企業生產任務的程式化特點突出,而服務業企業生產任務大多復雜多變,因此工業企業的生產任務更易由智能設備執行,會率先受到智能化的沖擊。不同城市因資源稟賦和政策環境不同,主導產業類型往往存在差異,一些城市可能具有豐裕的資本要素,更適宜于發展工業,另一些城市可能基于優質的勞動力資源或特殊的地理位置,會優先考慮發展服務業。那么,可以預期若城市的主導產業不同,工業智能化的生產率效應也可能存在明顯差異。為此,本文借鑒孫偉增等的思路,將城市劃分為服務型城市和生產型城市兩大類[31]。具體而言,若城市第三產業比重高于第二產業,則將該城市分類為服務型城市,反之則分類為生產型城市。表6比較了工業智能化對不同主導產業城市全要素生產率的影響差異,其中(1)列和(2)列考察以服務業為主導產業的服務型城市,(3)列和(4)列考察以工業為主導產業的生產型城市。結果表明,無論采用DEA-SBM模型還是DEA-EBM模型測度全要素生產率,工業智能化僅表現出對生產型城市全要素生產率的顯著促進作用,而對服務型城市全要素生產率的影響不顯著。面對智能化沖擊,工業企業會率先通過使用智能設備和構建智能工廠實現制造方式的深刻變革,尤其是對海量數據的收集、整理、分析,智能系統可以替代或協助人類執行生產任務,極大提升了工業企業生產效率。相反,受限于當前人工智能技術的能力,大量服務型任務仍然只能由人類完成,如理發師、保育員等,因而服務型企業生產效率的提升速度較緩慢。

表6 異質性檢驗3:產業主導性

五、進一步討論

(一)機制檢驗

前述分析結果表明工業智能化能夠帶來全要素生產率的提升,那么工業智能化究竟如何破除新索洛悖論呢?為此,本文從要素結構優化與技術創新兩個維度出發考察工業智能化推動全要素生產率的作用路徑。其中要素結構優化(esq)采用資本與勞動之比表征,技術創新(inn)采取單位勞動力的專利申請數度量。檢驗結果如表7所示。其中,(1)列和(2)列分別檢驗了工業智能化對要素結構優化的影響和工業智能化與要素結構優化共同對全要素生產率的影響,由結果可知工業智能化與要素結構優化系數均顯著為正,證實了要素結構優化的機制作用;(3)列檢驗了工業智能化對技術創新的影響,結果可知工業智能化系數在1%水平上顯著為正,即工業智能化有助于推動技術創新;(4)列匯報了工業智能化與技術創新共同對全要素生產率的影響,結果可知工業智能化系數不顯著而技術創新系數顯著為正,為此需進行Sobel檢驗,結果發現Z值2.398,在5%水平上顯著,證實了技術創新的中介效應。由上可知,工業智能化通過要素結構優化與技術創新推動全要素生產率的提升。

表7 機制檢驗

(二)市場化環境的調節效應

通過前文分析可知,在沿海地區、三線以下、服務型城市中,工業智能化會誘致新索洛悖論,且工業智能化主要通過改善資源配置效率促進全要素生產率增長,那么,我們繼續思考通過優化何種外部條件,能夠幫助城市破除工業智能化的新索洛悖論。本文在此將進一步討論市場化環境對工業智能化生產率效應的調節作用。通常,市場化程度高的地區要素能自由流動與高效配置。特別是在智能技術與產業融合過程中新模式、新業態、新產品競相出現,良好市場化環境可消除市場進出壁壘,可以最大化激發企業的主觀能動性,這有利于智能技術的擴散和工業智能化生產率效應的發揮?；诖?本文將市場化環境引入分析框架,考察市場化環境改善如何改變工業智能化對全要素生產率的作用效果。其中,市場化環境(mar)采取私營和個體從業人數與從業總人數之比來度量。表8報告了市場化環境對工業智能化生產率效應的調節作用檢驗結果。結果顯示,市場化環境與工業智能化的交互項回歸系數均至少在5%的顯著性水平上為正,表明改善市場化環境有助于強化工業智能化對全要素生產率的促進效應。良好的市場化環境可以抑制要素錯配與價格扭曲等現象,賦能全要素生產率提升,也能破除信息壁壘,通過信息共享與技術溢出帶動相關產業及地區生產率的整體改善。

表8 調節效應檢驗

六、基本結論

工業智能化是否會誘致新索洛悖論?理清這一問題對智能化時代經濟發展模式的選擇具有重要意義。本文基于中國2010—2019年地級市面板數據,實證檢驗工業智能化對全要素生產率的影響。研究表明:我國工業智能化并未誘致新索洛悖論,可以推動全要素生產率的提升,在經過指標替換、變量縮尾、排除政策干擾、加入遺漏變量等一系列穩健性檢驗后結果依然穩健。不過,工業智能化的生產率效應受制于城市屬性和主導產業類型的約束,對于內陸、三線及以上、生產型城市而言,工業智能化對全要素生產率的提升作用顯著。機制檢驗表明,工業智能化主要通過優化要素結構與提升技術創新水平驅動全要素生產率增長。進一步研究發現,市場化環境在工業智能化發展中扮演著不容忽視的角色,改善市場環境有助于強化工業智能化對全要素生產率的促進效應。

為了充分發揮新一代信息技術的生產優勢,通過工業化與智能化深度融合規避可能存在的新索洛悖論問題,本文提出如下政策建議:首先,工業企業作為智能化改造的主陣地,要及時抓住工業智能化蘊含的巨大機遇,積極主動引進或研發智能技術,將其融入生產流程,同時整合信息資源改善組織管理水平,從而實現生產效率的提升。在此基礎上,還要積極引導智能化方向從替代簡單勞動力向攻關核心技術轉變,加強智能化領域的基礎理論研究,助力全要素生產率的持續增長。其次,工業智能化需要以海量數據資源作為關鍵要素投入,而大量有價值的數據資源被不同部門所掌握,可能會形成了一座座“數據孤島”。因此,建議政府牽頭構建以大數據、云計算、物聯網為基礎的數字平臺,聚合分散在不同部門的數據資源,統籌協調不同地區、產業或企業的發展需求,以海量數據與信息共享為依托助力工業智能化生產率效應的發揮。最后,通過優化市場環境強化工業智能化對全要素生產率的促進作用。改善市場環境有助于提高資源配置效率,吸引人才、資金、技術等優質資源集聚,加速智能技術的規?；瘧?以良好的經營秩序、完善的產權保護、公平的競爭環境破除市場壁壘,為深入推進工業智能化發展保駕護航。與此同時,為防止資本的無序擴張與企業的盲目跟風行為而導致過度自動化,政府部門也應加強相關法律法規體系的建設,規范企業的投融資渠道,引導企業平穩有序地進行智能化轉型升級。