工業智能化能否降低企業出口生存風險？
——來自中國上市公司的經驗證據

馬野青，王冠宇，喬剛

（1.南京大學 經濟學院，南京 210093；2.南京大學 世界經濟研究中心，南京 210093）

0 引言

黨的二十大報告指出，為推動高質量發展，需“著力提升產業鏈供應鏈韌性和安全水平”。我國是制造業大國，構建了規模大、覆蓋全的產業體系，是全球產業鏈供應鏈的重要組成部分，但我國制造業總體上仍處于全球價值鏈的中低端。在全球經濟格局演變以及終端消費者需求多樣化和定制化程度不斷提升的情境中，高成本、低效率的發展短板越來越突出，導致我國產業鏈供應鏈韌性還不夠強，應對國際風險、爭取國際經濟話語權的能力也比較弱。在此條件下，為了實現降本增效以及滿足終端消費者對產品質量、效率和精度的要求，工業智能化已成為企業主要發展方向［1］。所謂工業智能化，是以5G、人工智能、大數據、物聯網等為基礎，以智能硬件、自動化設備等為核心，以智能制造、智慧物流等智能技術為應用場景的更高級的工業形態［2］，其本質是以人工智能系統替代人類的勞動，更加強調機器人等智能要素在生產中的作用［3］，是人工智能時代技術進步的物化體現［4］。那么，工業智能化能否成為突破我國現階段發展桎梏的有效助力，提升產業鏈供應鏈韌性與安全水平？對這一問題，學界目前還未給出明確回答?，F有研究主要從工業智能化對企業勞動力結構、勞動力收入、企業生產與經營效率等方面進行了討論，鮮有從韌性與安全水平這一方向進行深入研究。為此，本文利用企業的出口生存能力來衡量在國際市場上的韌性與安全水平，對工業智能化發展能否有效降低企業出口生存風險進行探究。本文旨在為推動工業智能化和降低企業貿易風險等相關策略與政策制定提供重要的理論支撐與充足的啟示意義。

1 文獻綜述

大數據和信息化時代的到來為工業向4.0階段突破帶來了可能。在此背景下，越來越多的學者關注工業智能化發展所帶來的影響，相關的研究文獻層出不窮。

1.1 工業智能化與勞動力替代

工業智能化主要通過智能機器代替工人執行常規的、可編碼的任務［3］，其最直接、最主要的影響是對勞動力的替代，故多數學者從產業結構、就業以及收入等方面對工業智能化進行研究。在產業結構方面，工業智能化會對產業結構高級化和合理化水平產生顯著的促進作用［6］，并通過減少低技能勞動者遷入［7］以及改變區域間產業單向梯度轉移模式［8］，推動區域產業結構的升級。在就業方面，工業智能化不僅可以增加勞動力需求［9］，還可以產生工人、消費者和公司所有者廣泛共享的生產力收益［10］。但孫早和侯玉琳［11］卻認為，工業智能化對就業存在“兩極化”影響，替代了中等教育程度的勞動力，但提高了低教育程度勞動力的就業。在收入和收入分配方面，ACEMOGLU和RESTREPO［12］研究發現，每千人多一臺機器人，工資會降低0.42%。但陳東和姚笛［13］卻發現，人工智能機器人應用會提高企業平均工資。周廣肅和丁相元［14］基于收入分配視角，發現了工業智能化會通過對勞動力市場中不同群體就業機會和工資水平的異質性影響對整體的收入差距產生作用。

1.2 工業智能化與企業出口

與本文密切相關的另一支文獻是關于智能化的出口效應研究。目前該領域的研究前沿主要集中在智能化所帶來的出口規模、出口質量、出口增加值、出口技術復雜度、出口產品范圍等績效方面的表現。具體而言，智能化發展能夠顯著促進企業出口擴張［15］，但是在不同國家、不同機器人功能和不同產品上具有異質性影響［16］。人工智能技術會促進國際貿易交易模式平臺化、小宗化，可為中小企業創造更多參與國際貿易的機遇［17］，也會為多產品企業擴大出口產品范圍提供機會［18］。智能化水平也會影響貿易主體的貿易質量，智能化水平的提高會通過降低貿易成本、推動技術創新和優化要素配置實現出口產品質量的提高［19］，通過生產工藝優化以及中間投入優化促進企業出口國內技術含量提升［20］，以及通過推動效率優化促進出口國內增加率上升［21］。劉燦雷等［22］從國家層面出發，發現工業智能化發展能通過提升研發創新優勢和產業內產品差異化來強化一國制造業整體出口的比較優勢。

1.3 工業智能化的非線性影響

工業智能化屬于高級生產形態，但當其處于較低水平時，可能無法產生顯著的經濟效益。賈根良［2］指出，低水平的產業結構與智能化互動能力較差，同時初級階段的智能化與高技能勞動需求也存在摩擦，故低水平智能化難以實現對固有腦力勞動的替代。BENMELECH和ZATOR［23］的研究也支持這一觀點，他們認為小投資規模的機器人對企業的影響是有限的，且從行業和地區的總就業來看，影響幅度也不大。汪前元等［24］研究發現，只有當智能化水平達到創新成果可以順利轉化的時候，才會對低碳經濟轉型的創新驅動產生顯著的促進作用。與之類似，羅良文等［25］同樣以低碳經濟轉型為研究對象，也發現智能化對低碳經濟轉型存在顯著的非線性特征，只有當技術創新跨過一定水平后其促進作用才會凸顯。

1.4 工業智能化的測度

既有文獻的測度方式主要從地區與行業（企業）兩個維度展開。關于地區維度的工業智能化水平測度，孫早和侯玉琳［10］最先基于軟件普及和應用、智能化設備投入、信息資源采集能力等情況，用熵值法進行測度。而后汪前元等［24］與王林輝等［26］也參考這一做法選取地區層面的指標進行測度。而微觀層面現有文獻主要基于機器人的使用程度進行測度。工業機器人作為智能化生產的主要載體，提供了新動能與新手段［27］，同時工業機器人也是自動化技術的代表性成果，故其投入情況在一定程度上能反映智能化水平［6］?；诖?，多數學者利用機器人密度衡量行業層面的工業智能化水平，用機器人滲透度來衡量企業層面的工業智能化水平，并以此探究對勞動力結構、創新以及出口的影響［6，28-29］。

1.5 文獻簡評

雖然現有文獻對于理解工業智能化的經濟效應提供了多維度的討論，但少有深入探討工業智能化的出口安全效應，同時也缺乏對工業智能化與企業出口生存風險之間可能存在的非線性關系的研究?；诖?，本文主要的邊際貢獻體現在：①從智能化生產與企業出口安全視角出發，考察工業智能化如何影響企業出口生存風險；②在異質性企業出口模型的基礎之上，構建將工業智能化內部化的一般均衡模型，通過數理推導梳理發現工業智能化影響企業出口生存風險的完整傳導鏈條；③進一步討論工業智能化對企業出口生存風險存在的階段性影響，并利用門檻回歸模型對這種階段性影響產生的內在機理進行檢驗。

2 理論機制

2.1 消費者行為

基于KHANDELWA等［30］的設定，消費者效用取決于所消費產品的質量與數量，并假設產品之間的替代彈性為固定值σ（σ＞1），則消費者的效用函數可以表示為

其中，U表示總效用，xk表示產品k的消費數量，qk表示產品k的消費數量。在效用最大化條件下，消費數量可以表示為

其中，pk為產品k的價格；Y表示消費者的總支出；P為所有產品的綜合價格指數，可以表示為

2.2 廠商行為

假定企業的異質性體現在生產率φ方面，一般意義上的企業生產的邊際成本（mck）可以表示為

其中，κ為常數，τk為企業出口的冰山成本，即企業銷售每單位產品到出口國還必須支付τk-1單位的冰山可變成本。ck為購買一單位生產要素的支付成本。除此之外，企業還需要支付一系列用于滿足生產和出口行為的固定成本，用Fk表示。那么，企業出口利潤可以表示為

此時，企業的出口利潤為

其中，θ=(σ-1)σ-1σ-σ，為一個常數。

2.3 企業出口生存概率

企業能否在出口市場生存取決于在該出口市場上的利潤表現，只有當企業的出口收益高于生存的期望臨界值時，企業才會在該市場得以生存［31］。具體而言，除了出口成本的約束，企業還面臨隨機的退出因素ω，該因素服從N(0，ζ2)的正態分布［32］①服從正態分布就說明存在ω＜0的情況，例如部分企業出于戰略目的能夠接受短暫的利潤虧損，則此時ω ＜ 0。，故企業出口生存概率λ*可表示為

其中，Φ(·)為正態分布函數，其值（取決于πk）代表企業的出口生存概率，也反向代表企業出口生存風險，即πk越高，企業的出口生存概率越高、出口生存風險越低。結合式（7）和式（8），可得

2.4 引入工業智能化后的企業出口生存

用I表示企業的工業智能水平，I上升代表企業實現工業智能化。工業智能化主要對企業生產率以及出口產品質量產生影響②一般而言，企業實現工業智能化也要追加對固定資產的投資，從而可能也會對固定成本Fk產生影響。但事實上，工業智能化的實現也會降低對部分勞動力的需求，這也就意味著企業會降低部分雇傭成本和員工培訓成本等與人力資本相關的固定成本投入，因此固定成本渠道對企業出口的影響是不明確的，并非嚴格約束企業出口?；诖?，本文重點從企業生產率和出口產品質量兩個影響明確且方便量化的渠道來探究工業智能化對企業出口生存風險的影響。當然，即使存在例如固定成本渠道等其他影響渠道，也并不與本文研究內容沖突，更不會反駁本文的核心結論。除此之外，文章在進一步討論部分探討了工業智能化發展的階段性影響，也將驗證關于上述關于固定成本之間權衡的猜想。。

首先，基于ACEMOGLU和RESTREPO［12］建立的框架，假定所有生產任務x都屬于［N-1，N］的區間構成的一個連續統，延用楊光和侯鈺［27］關于推動智能化時的全要素生產率（TFP）表達式，即

其中：e(I)是智能化生產的區間上限，是智能化水平I的增函數，e(I)∈[N-1，N]；φR和φL分別為智能化生產和勞動力生產的生產效率，且智能化帶來的自動化生產技術以及信息化管理模式使得φR＞φL［12，18］。從TFP的表達式可以發現，TFP內生于工業智能化水平決定的生產區間，企業智能化水平越高，則越多的任務會被智能化生產，企業TFP也會提升，即

其次，借鑒KUGLER和VERHOOGEN［33］、沈國兵和袁征宇［34］對企業最終產品質量的界定，在生產層面的最終品質量由企業的生產能力和中間品投入質量決定。故企業最終產品質量的決定函數設為

其中：ψ為（高質量）中間投入品的質量水平；δ表示企業生產效率對產品質量的貢獻能力，δ(I)＞1；ρ用來度量企業生產效率與中間投入品之間的耦合效應；ε(I)刻畫了最終產品質量對中間投入品質量的吸收能力，ε(I)＞1。一方面，工業智能化的發展會促進企業能利用數字要素增強產品功能，進而提高實物商品的價值［35］，另一方面，實現工業智能化的出口企業能夠應用數字技術加強對產品生產流程的規范性進行有效監督，進而能實現對產品質量的高效管控［36］。此外，工業智能化能夠助力企業實現生產技術向更高復雜度跨越，主要體現在企業在制造最終產品過程中能組裝和吸收更高質量中間投入品的技術能力［37］，同時工業智能化可以幫助企業內部的產品設計和生產部門精準把握消費者的真實需求，從而實現高性能產品的投入定制化研發和生產［38］，故ε會受到智能化水平I的影響，且

假定企業分別使用普通和高質量中間投入品進行生產，且生產函數可以表示為

其中，M0與Mh分別為普通與高質量投入品的量，μ為兩者之間的產出彈性。若兩種質量投入品的價格分別為p0與ph。那么此時式（4）關于企業邊際成本函數可以改寫為

接著考察中間品市場。為了簡化模型，延用KUGLER和VERHOOGEN［33］的假設，即中間品由勞動力要素l生產且單位價格為1。將普通中間品質量單位化為1，則其生產函數可以表示為F0(l)=l，但高質量投入品的生產難度會隨著質量要求的提高而增大，故可將質量要求為ψ的高質量投入品生產函數設定為，且ψ＞1。此時兩種中間品利潤函數為π0=F0(l)p0-lw和πh=Fh(l，ψ)ph-lw。在利潤最大化的條件下，可得兩者中間品的投入價格分別為p0=1和ph=ψ。此時，企業生產要素所支付的費用為ck=ψμ，將其代入式（7），最終的利潤表達式為

將該利潤函數對投入品質量ψ求導，并將基于式（6）得到的以及基于式（11）得到的代入式（14），整理后可投入品質量ψ的內生表達式為

再將該式代入式（11），可得企業出口產品質量的決定式為

3 研究設計

3.1 數據來源與處理

本文的數據來源主要分為四類：①測算工業智能化使用的機器人數據來源于IFR統計的全球各國分行業工業機器人統計量，也是目前權威的工業機器人統計數據；②衡量企業出口生存風險使用的企業層面的出口數據來源于中國海關數據庫，其詳細報告了企業出口到每一個目的國市場的HS8位編碼產品的價值量、數量以及貿易方式等信息；③企業特征數據來源于Wind、Choice數據庫、CSMAR數據庫以及CNRDS數據庫；④中國與美國制造業行業層面的數據分別來自《中國統計年鑒》和NBER-CES數據庫。

數據處理時，首先借鑒王永欽和董雯［39］的做法，將中國制造業分行業就業人數與IFR統計的工業機器人數據進行匹配；其次，選取中國滬深A股制造業上市公司為研究對象，按照年份、行業等信息將含有上市公司層數的員工人數、經濟績效等指標的數據庫與前面得到的機器人數據進行匹配，并將行業層面的數據匹配進去，再按照式（18）進行測算；最后，利用2010—2016年中國海關數據庫，依據年份、股票代碼等信息匹配企業出口數據，并剔除了樣本期內掛牌ST及退市的企業，得到完整的基準研究所需的數據。此外，由于工業和信息化部于2015年遴選出了首批智能制造試點示范項目共46家企業，為了排除智能制造試點示范項目政策的干擾，進一步對樣本加以篩選，剔除了寶鋼股份、雷柏科技、四川長虹、長安汽車、陜鼓動力、大族激光、東方通信、濰柴動力、天地科技等智能制造試點示范項目企業。

3.2 核心變量測度

3.2.1 被解釋變量 采用企業出口產品退出目的國市場的風險率衡量企業出口生存風險（Exitfcpt），將建立貿易關系后下一年不再出口視為生存失敗。即，若企業f的產品p在t期出口而t+1期停止出口到目的國c，則表明企業退出，取值為1，反之為0。關于生存風險的數據還存在兩個問題。①多個持續時間段。參考陳勇兵等［40］的研究，將同一貿易關系的多個持續時間段視作為相互獨立的持續時間段。②樣本數據的刪失。參考羅勝強和鮑曉華［41］的研究，以2010年與2016年為觀察期分別處理左刪失和右刪失問題。

3.2.2 核心解釋變量工業智能化（Intft） 基于研究維度的考慮，本文采用工業機器人滲透度衡量。關于企業層面工業機器人滲透度的測算，借鑒ACEMOGLU和RESTREPO［12］、王永欽和董雯［39］的做法，采用“巴蒂克（Bartik）工具變量”進行測算，具體測算方法為

其中：rsjt表示制造業s行業t年的工業機器人存量，labst=2010表示以2010年為基期的中國制造業s行業的從業人數，這兩者的比值刻畫了中國制造業在行業層面的機器人滲透度；peofst=2011表示s行業中f企業2011年（基期）生產職工人數占比，Midfst=2011表示2011年制造業所有企業生產職工人數占比中位數，這兩者的比值相當于賦予每個企業在行業中的權重。

3.2.3 控制變量（X） 陳勇兵等［40］認為企業的特征變量和出口目的國的特征變量是關系國內企業出口生存的重要因素，且現有研究企業層面的工業機器人對出口影響的文獻［19，21］中，控制變量的選取也多源自這兩個方面。本文選取了能描述企業規模狀況、盈利狀況以及人力狀況等一系列會直接影響企業出口生存風險以及企業工業智能化的特征變量作為控制變量。除了基本的競爭力要素外，目標國的經濟政治穩定情況及對外貿易政策的變化情況往往是企業出口生存的決定性因素，因此，本文也控制了與目的國相關的特征變量。在企業規模狀況方面，選取員工人數（Staff）與固定資產凈額（Nfa）；在企業盈利狀況方面，選取資產收益率（Roa）與資產周轉率（Ast）；在企業人力狀況方面，選取工資水平（Wage）與勞動資本比（Lcr）；在目的國特征方面，選取目的國的匯率水平（Exrate）、與目的國的經濟制度距離（Ed）、與目的國的政治制度距離（Pd）④經濟與政治制度距離測算指標分別來源于全球經濟自由度指數與全球治理指數，并采用KOGUT和SINGH［42］提出的K&S模型測算。以及是否簽訂區域貿易協定（RTA）。

本文各指標的具體定義與衡量方法見表1。

表1 主要變量定義Tab.1 Definition of main variables

3.3 計量模型構建

為檢驗工業智能化對企業出口生存風險的影響，本文構建二值選擇模型（Logit模型）進行回歸。原因在于，本文被解釋變量為二值虛擬變量，相較于普通線性模型，使用該模型得到的估計系數的可解釋性較強且具有更強的預測能力。模型具體形式為

其中，f、p、c、t分別代表企業、產品、出口國和年份，Exitfcpt表示企業的出口生存風險，Intft表示企業工業智能化水平，X為一系列控制變量，λt、γfpc分別表示時間（年份）固定效應與個體（企業—產品—目的國）固定效應，εfpct為隨機擾動項。

4 實證結果分析

4.1 基準回歸結果分析

工業智能化對企業出口生存風險Exitfcpt影響的基準估計結果展示在表2中。其中，列（1）核心解釋變量的系數顯著為負，且在列（2）和列（3）逐步控制了企業特征狀況以及目的國特征狀況可能對結果產生的干擾后，發現工業智能化的系數仍顯著為負，表明工業智能化總體上會顯著降低企業出口產品在目的國市場上的出口生存風險。

表2 基準回歸結果Tab.2 Benchmark regression results

4.2 穩健性檢驗

4.2.1 采用線性面板模型 雖然二值選擇模型與本文研究適配度更高，但線性面板模型可以通過組內變換或差分變換來解決二值選擇模型無法解決的伴生參數問題?；诖?，本文使用線性面板模型進行穩健性檢驗。結果匯報在表3中，從列（1）和列（2）可以看出，各列中工業智能化的系數均顯著為負，表明工業智能化能顯著降低企業的出口生存風險，這與基準回歸的結果一致。

表3 穩健性檢驗結果Tab.3 Robustness test result

4.2.2 采用Cloglog生存模型 為了進一步驗證基準研究結論的可靠性，本文構建出口企業離散時間Cloglog生存分析模型進行經驗研究，具體模型為

被解釋變量Cloglog(1-hfpct)越大，則企業出口生存風險越大，生存概率越低。需要說明的是，受限于Cloglog模型固定效應的識別上限，參考李磊等［42］的做法，這里個體固定效應控制了地區、行業和目的國。結果如表3所示，列（3）和列（4）中核心解釋變量系數同樣顯著為負，表明工業智能化能顯著降低企業的出口生存風險，與基準回歸的結果一致。

4.2.3 采用Kaplan-Meier（K-M）估計 本文采用危險函數對企業出口生存風險的分布特征進行描述，并利用2011—2014年中國工業企業數據庫與中國海關數據庫合并后的數據進行估計。參考主流做法，將當年進口機器人的企業視為使用工業機器人，否則視為不使用。采用K-M估計，可以從其他估計角度來驗證本文核心結論；使用海關數據庫也可以緩解使用上市公司這樣的大企業樣本帶來的樣本自選擇問題。假設企業在第t期生存，持續T期后，在第t+Δt期生存失敗的概率ht為

基于式（20），可以得到使用工業機器人的出口企業和不使用工業機器人的出口企業的K-M生存曲線，如圖1所示，使用工業機器人的企業出口生存風險要顯著小于不使用工業機器人的企業，與核心結論一致。

圖1 Kaplan-Meier生存曲線Fig.1 Kaplan-Meier survival curve

4.2.4 采用“企業出口生存”作為被解釋變量 對于初次進入國外市場的貿易關系而言，第二年能否持續存在是衡量企業出口關系質量的重要因素。因此，參考孫浦陽和張龑[31]衡量出口生存的辦法，只考察首次建立貿易關系的樣本，將貿易關系首期建立后的第二年出口額仍然為正視為出口成功生存，否則視為失敗，并以此建立“企業出口生存”（Survivalfpct）的虛擬變量為被解釋變量。結果如表3所示，可以發現，列（5）和列（6）中核心解釋變量系數顯著為正，表明工業智能化能有效提高企業的出口生存概率，即降低企業的出口生存風險，與本文的核心結論一致。

4.2.5 排除異常值影響 為排除樣本中的異常值對基準回歸產生干擾，本文將工業智能化指標在1%和99%分位上進行縮尾?？s尾后的回歸結果見表3，列（7）和列（8）匯報的結果顯示，排除異常值影響后，核心解釋變量的系數符號的方向與顯著性與基準回歸均基本一致。

4.3 內生性檢驗

雖然本文在基準回歸以及穩健性檢驗中采用了一系列的固定效應和控制變量來盡可能排除遺漏變量導致的內生性問題，但仍無法排除互為因果造成的內生干擾，因為企業出口生存能力也代表了一定程度的盈利能力，可以反過來幫助企業實現工業智能化?；诖?，文章選擇使用工具變量法來檢驗可能存在的這一問題。本文利用日本、德國、韓國以及美國行業層面的工業機器人均值構造工具變量。采用這一工具變量的思想為：一方面，這些國家工業機器人研發與應用引領國際前沿，會對中國機器人的采用產生顯著影響；另一方面，這些國家的工業機器人應用對中國國內企業而言是相對外生的。參考王永欽和董雯［39］的做法，工具變量的構造方法為

基于二值選擇模型工具變量的使用，采用Probit兩步法進行估計，估計結果見表4。其中，列（1）匯報了工具變量第一階段的回歸結果，列（2）匯報了第二階段回歸結果。此外，考慮日德韓美的工業智能化水平可能通過市場競爭間接影響中國企業出口的生存風險，本文做了兩方面處理：①去掉出口目的國為日韓德美的樣本，進而排除中國企業與這些國家本土企業競爭這一因素的影響；②去掉出口目的國為日韓德美主要貿易伙伴的樣本（分別去掉了與日韓德美四國當年貿易量排在前五的貿易伙伴），進而排除中國企業與這些國家出口企業在同一第三方市場競爭這一因素的影響，處理后的第一階段與第二階段回歸結果分別匯報在列（3）、列（4）。表4顯示，列（2）、列（4）中工業智能化系數均在1%的水平下顯著為負，表明工業智能化能顯著降低企業的出口生存風險，基準回歸結論依然成立。接著驗證工具變量的有效性，觀察工具變量的“相關性”及是否存在弱工具變量問題，借鑒阮榮平等［43］的方法進行判斷，根據表4列（1）和列（3）可知，工具變量在1%的顯著水平下對工業智能化存在顯著影響，且在使用工具變量后，列（2）和列（4）參數的t統計量并沒有明顯比基準回歸的低，故本文不存在弱工具變量問題。

表4 內生性檢驗Tab.4 Endogenous test

4.4 機制檢驗

為了完整地驗證理論假說，接下來對這兩個影響渠道進行實證檢驗。檢驗方法采用式（18），將被解釋變量替換成企業全要素生產率（TFPft）和出口產品質量（Qualityfpct）。OP法能較好解決同時性偏差和樣本選擇問題，因此前者用OP方法測算的全要素生產率來衡量［44］，后者采用主流的“剩余價值法”測算的出口產品質量衡量［30］。檢驗結果見表5。為了盡量緩解可能存在的內生性問題，本文沿用并使用式（21）構建的工具變量，并將使用工具變量后的檢驗結果匯報在列（2）、列（4）。列（1）、列（2）中工業智能化的系數顯著為正，表明工業智能化能顯著提高企業的全要素生產率；列（3）、列（4）中工業智能化系數同樣顯著為正，表明工業智能化能顯著提高企業的出口產品質量。由此，驗證了本文的理論假說⑤此外，本文也根據溫忠麟和葉寶娟［45］提出的中介效應模型進行了逐步回歸檢驗，檢驗結果也驗證了企業全要素生產率和出口產品質量是工業智能化影響企業出口生存風險的主要渠道，具體結果備索。。

表5 機制檢驗Tab.5 Mechanism test

5 進一步分析：工業智能化的階段性影響

2010年后，工業智能化在中國興起，但每個企業的工業智能化發展程度存在顯著差異。那么，不同階段的工業智能化所產生的出口生存效果是否存在差異性？這一問題值得進一步的深究。

從理論上來說，工業智能化主要通過影響企業全要素與出口產品質量兩種途徑來影響企業的出口生存。首先，對于生產率途徑，實現的基礎條件是智能化生產的生產效率要大于勞動力生產效率，即φR＞φL。但低水平的智能化與企業產業結構難以實現有效的匹配與良性互動［2］，主要表現在低水平智能化無法實現快速響應優化以及助力企業建立涵蓋研發設計、設備生產、傳輸裝配等產品全生命周期的閉環智能化系統等多個方面，因此，在智能化發展初期，使用低水平智能化的生產率并不一定高于使用固有勞動的生產率?；貧w到模型中，若φR＞φL不成立，則也不成立，即在低水平工業智能化時，企業全要素生產率并不一定隨著工業智能化水平的提高而提高。其次，對于出口產品質量途徑，實現的基礎條件在于最終產品質量對中間投入品質量的吸收能力ε(I)＞1，且其隨著工業智能化水平的提高而提高但低水平工業智能化難以助力企業實現生產技術向更高復雜度跨越［24］，高性能產品的定制和研發要求企業在制造最終產品過程中有足夠的能組裝和吸收更高質量中間投入品的技術能力，而這均難以在低水平的工業智能化條件下實現。若不成立，則無法得出的結論，即在處于低水平工業智能化時，企業出口產品質量并不一定隨著工業智能化水平的提高而提高。綜上所述，在智能化發展的初期，較低水平的工業智能化對企業出口生存風險的影響有限，只有當工業智能化水平跨過一定門檻值后才能有效降低企業出口生存風險。

實證上，本文利用門檻回歸對工業智能化在不同階段對企業出口生存風險可能存在的異質性影響進行檢驗。門檻回歸的設定形式⑥使用面板門檻回歸模型研究前，需要檢驗門檻效應是否存在以及門檻的數量，本文運用Bootstrap抽樣法模擬似然比統計量，并最終根據結果選擇單一門檻模型進行估計。為

其中，γ為門檻參數；T（·）是指標函數，其余符號所代表的變量均與前文一致。

門檻回歸結果如表6所示。由表6中列（1）可知，工業智能化對企業出口生存影響的門檻估計值為2.182 0，當小于門檻估計值時，系數未通過顯著性檢驗，但當越過門檻估計值后，列（1）中工業智能化系數絕對值顯著變大，并由原先的不顯著轉變為在1%水平下顯著為負，說明隨著工業智能化的發展，其對企業出口生存風險的抑制作用效果逐漸增強，最終二者呈現倒J形的走向關系。為了探究這一情況出現的內在機理，本文利用企業全要素生產率以及出口產品質量替換式（22）中的被解釋變量，進行門檻回歸，結果如表6的列（2）和列（3）所示?？梢园l現，工業智能化對企業全要素生產率與出口產品質量影響的門檻估計值分別為1.572 4和3.173 5。當工業智能化小于門檻估計值時，其系數均不顯著，當工業智能化越過門檻估計值后，其系數均明顯增大，并由原先的不顯著均轉變為在1%水平下顯著為正。這就說明，工業智能化發展到一定程度才會對企業全要素生產率與出口產品質量產生顯著的促進作用，也進一步地解釋了工業智能化與企業出口生存風險呈現倒J形的走向關系的內在機理?？偠灾?，門檻回歸的經驗結果說明，初期的工業智能化發展對企業出口生存的影響有限，只有當企業工業智能化水平跨過一定門檻值后才能顯著促進其全要素生產率與出口產品質量的提高，進而才能有效降低其出口生存風險。這一結論符合前文的理論預期。

表6 門檻回歸Tab.6 Threshold regression

6 結論與啟示

6.1 研究結論

本文考察了工業智能化對企業出口生存風險的影響及其影響機制，并利用2010—2016上市公司層面的微觀數據進行實證檢驗，研究發現：總體來看，工業智能化能有效降低企業的出口生存風險，且在進行一系列穩健性以及內生性檢驗后結論依然穩??；工業智能化主要從提高企業全要素生產率與出口產質量兩個渠道來緩解企業出口生存風險；進一步利用門檻回歸后發現，初期或較低水平的工業智能化發展對企業出口生存的影響有限，只有當工業智能化水平跨過一定門檻值后才能顯著促進企業全要素生產率與出口產品質量的提高，進而才能有效降低出口生存風險。

6.2 理論貢獻

在研究視角上，目前關于人工智能與出口領域的研究前沿主要集中在智能化所帶來的出口規模［15］、出口產品范圍［18］、出口質量［19］、出口技術復雜度［20］、出口增加值［21］等績效方面的表現上，鮮有文獻考慮“出口安全”問題。黨的二十大報告和中央經濟工作會議反復強調“著力提升產業鏈供應鏈韌性和安全水平”，在此背景下，“出口安全”問題值得被重視，對該問題的研究具有重要的現實價值?；诖?，本文考察了工業智能化對企業出口生存風險的影響，探索出智能化生產如何影響產業鏈韌性與安全的一般規律，從具有創新性的“出口安全”視角推進了“人工智能與出口”領域的研究前沿。

在研究內容上，構建了一個將工業智能化內部化的理論模型，通過數理推導得出均衡條件下工業智能化水平對企業出口生存風險的影響及具體影響渠道。與傳統文獻研究智能化與出口關系時大多采用文字性描述相比，本文通過數理模型分析所得到的結論是基于均衡背景下即消費者效用以及企業利潤最大化的條件下的企業最優反應，對工業智能化如何影響企業行為提供了更深層次且更可靠的解釋。

在研究框架上，現有文獻鮮有注意不同階段的智能化對企業出口行為所產生的異質性影響，也缺少對這種階段化影響的內在機理分析與實證檢驗。而本文通過理論與實證相結合的方法對工業智能化的階段性影響進行了探究：理論方面，在基準分析構建的理論模型的基礎之上，進一步通過內在參數分析挖掘出階段性影響產生的機理；實證方面，利用門檻回歸模型對這種階段性影響進行了有效識別。

在研究方法上，既有文獻多數采用機器人進口量作為智能化發展的代理指標［18，20-21］，但這種衡量方式不夠嚴謹，一方面企業進口的機器人不一定均用在自身生產，存在用于加工貿易或進口代理的可能性；另一方面，貿易企業的進口與出口之間關系密切，出口能力也會影響進口狀況。而本文以機器人滲透率作為工業智能化水平的代理變量進行研究，可以有效避免潛在測量誤差以及嚴重反向因果問題造成的估計偏誤。此外，現有研究主要利用美國機器人水平構建工具變量［28-29，39］，但無論是工業機器人研制前沿國，還是中國工業機器人的主要進口來源地，日本、德國和韓國均領先于美國，故僅利用美國數據容易產生弱工具變量問題。因此，本文使用日德韓美四國機器人水平構建工具變量，實現了更為可靠的內生性檢驗。

6.3 政策啟示

如今世界經濟低迷，出口貿易的發展面臨嚴峻的壓力。在新一代信息技術浪潮下，推動企業實現工業智能化以提高產業鏈供應鏈韌性與安全水平、應對貿易風險至關重要?；诖?，一方面企業要深入推進智能化改造，利用AI、5G等數字化技術加快研發智能裝備，在裝備、生產線智能化的基礎上，進一步建設集出口產品研發設計、系統集成、產品制造等于一體的智能化車間，全面實現工藝、生產、質量、能耗等涉及企業生產效率與產品質量的智能優化。另一方面，政府也要完善財政與金融支持政策，在統籌工業與信息化發展財政專項資金的基礎上，重點支持對企業智能化改造的服務，適當提高補助標準，根據企業智能化發展對融資的需求，完善專項信貸政策，創新金融產品等。同時，為企業智能化發展提供服務平臺，牽頭打通關于供應、生產以及管理的數據共享，為企業智能化決策提供支撐。

6.4 研究局限與展望

囿于數據可得性，本文使用的是上市公司樣本，沒有考慮小企業的智能化與出口情況，因此研究結論在小企業的適用性上有待進一步明確考證。同時，雖然本文通過門檻回歸對企業智能化的成本投入與成本節約的動態權衡給予一定的解釋，但具體的成本變化情況還需要更明確的測度與更加嚴謹的實證分析，后續研究可對此進行深入探討。