AI時代的傳統制造業變革

林善浪

【摘要】中國勞動力從無限供給轉變為有限供給，帶來勞動工資的常態性上升和資本替代勞動效應，中國史無前例的重大變革正在迅速發生，所有產業都面臨著資本替代勞動并選擇勞動節約型技術的迫切要求。人工智能是第四次工業革命的最主要推動力，也是中國經濟動能轉換的迫切需要。就制造業而言，人工智能可以應用到制造企業計劃、生產、銷售和售后服務的全過程。但是，中國傳統制造業存在一些制約因素，包括關鍵技術瓶頸、信息化程度低、資金不足、成本高等。為此，需深化產學研結合、建立完善的數據生態系統，制定人工智能在傳統制造業應用的扶持政策，加強人工智能高端人才培養和引進，促進教育和培訓體系改革。與此同時，傳統制造企業還必須實現商業模式轉型，以適應以人工智能為基礎的新物流、新零售、新金融和新消費等新型產業生態。

【關鍵詞】人工智能? 傳統制造業? 產業生態

【中圖分類號】F49? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.18.004

人工智能：經濟發展新階段的技術選擇

人工智能（Artificial Intelligence）是第四次工業革命最主要的推動力，是新一輪產業變革的主要方向。與任何新技術應用一樣，只有當社會經濟提出迫切需求時，才有可能真正實現，人工智能也不例外。恩格斯曾說：“社會一旦有技術上的需要，則這種需要就會比十所大學更能把科學推向前進。”[1]人類在古代就已經知道蒸汽可以推動機械裝置，只是到了十七世紀末，出于煤礦排水的需要，才發明了早期的蒸汽抽水機。到了十八世紀七、八十年代，自動紡紗機的發明，迫切需要解決動力問題時，瓦特蒸汽機才獲得商業訂貨，從而實現了產業革命。由于電力比蒸汽力更為優越，從而取代了蒸汽力而促成了第二次工業革命。二十世紀以后，生產規模不斷擴大，生產流程和工藝日益復雜，生產控制問題越來越突出，由此引發以微電子技術為標志的第三次工業革命。同樣地，只有社會經濟提出客觀需求，人工智能不僅在技術上可行，也在經濟上可行，能夠與各行各業融合，尤其是與制造業融合，才具備大規模推廣的條件。如果人工智能的概念只存在于科學家的語境中，那么無論是多么先進的技術，都不可能成為開啟新時代的鑰匙。只有將人工智能充分應用于涉及面非常廣的各類傳統產業，而不僅僅屬于少數的技術寡頭，才能充分展示出其經濟魅力。那么，中國現階段是否具備了這樣的條件呢？

經過40余年的改革開放和現代化建設，中國經濟發展進入了一個新階段。按照1978年不變價計算，2018年GDP是1978年的36.7倍，人均GDP達到9630美元，是1978年的25.3倍。按照2017年美元計算，中國人均GDP與美國1938年、德國1960年、日本1968年的水平大體相當（見表1）。按照世界銀行的分組，中國屬于中等偏上收入國家（見圖1）。

從工業化進程看，這樣的發展階段意味著中國已經達到劉易斯轉折點。劉易斯轉折點（Lewisian Turning Point）是發展經濟學經典的二元結構轉型理論，其含義是：農業過剩勞動力隨著工業化發展而逐步轉移，但轉移出來的勞動力實際工資不會上漲，只有到達某一點時，農業過剩勞動力開始大幅度減少，勞動力無限供給轉變為有限供給，推動實際工資常態性上漲，一直到農業勞動生產率與非農產業勞動生產率大體相當、城鄉勞動力市場一體化為止。根據國際經驗，劉易斯轉折點大致在人均GDP達到3000～4000美元之間。[2]中國工業化帶動農村勞動力轉移，農業就業人數從1991年最高峰的3.9億人減少到2017年2.1億人，比重下降到27.0%，中國已經達到劉易斯轉折點。

與此同時，我國人口增長低于預期。2000年中國政府《中國21世紀人口與發展》白皮書預測，到21世紀中葉，全國人口總量將達到峰值，接近16億。2006年國家人口發展戰略研究課題組研究報告預測，2020年中國人口將達到14.5億人，2033年達到15億人。[3]2016年《國家人口發展規劃（2016～2030年）》預測，2020年為14.2億人，2030年達到峰值14.5億人。實踐證明，人口增長遠低于預期。考慮到中國正處于快速城鎮化過程，即使國家調整了生育政策，綜合生育率也很難樂觀。這是因為：一是單身青年比例上升。隨著人口向大城市集中，婚戀觀念變化，信息不對稱，單身男女比例上升。根據2010年第六次全國人口普查數據，30歲及以上未婚女性人數占總人口的2.47%，而在2000年第五次全國人口普查時這一比例只有0.92%。另據國家民政局統計數據，單身男性女性總人數接近2億人，占總人口比例為14.3%。單身人口隨著城鎮化發展而上升的趨勢，并非中國大陸所獨有，在世界各個國家或地區都普遍存在。臺灣地區15歲以上人口2012年達到939萬人，約占臺灣地區總人口的42%。根據日本國立社會保障和人口研究所的預測數據，日本未婚男性人數占總人口的比例2030年將提高到30%，而未婚女性人數占總人口的比例將提高到23%。[4]二是不孕不育比例上升。近年來，隨著生活節奏加快、工作壓力增加、生育年齡推遲、環境污染惡化、飲食結構改變以及人們生育觀念轉變等，由此引起的生育能力下降問題也突顯出來。據2012年《中國不孕不育現狀調研報告》的數據，我國育齡人群中不孕不育率達到12.5%，呈現不斷攀升和年輕化的趨勢。[5]其中，晚婚、非農業戶籍人群不孕不育率比較高，且夫妻文化程度越高不孕癥發生率越大。[6]可見，計劃生育政策、經濟社會發展、生育觀念變化，再加上這些社會因素，使得中國成為世界上生育率最低的國家之一。從2016年開始，國家開始實施“全面二孩”政策，但出生率并未如預期的那樣反彈，2017年出生人口只有1723萬人，遠低于2015年衛生健康委員會的預測。有學者認為，中國已經形成了“低生育率陷阱”，[7]即當一個國家的總和生育率低于臨界點1.5時，低生育率具有自我強化機制，生育率就難以再次回升。

劉易斯轉折點的到來和人口增長低于預期，使得我國勞動年齡人口自2011年達到峰值以后，從2012年開始年年持續減少，2017年減少548萬人，2018年減少470萬人（見圖2）。

中國勞動力從無限供給轉變為有限供給，帶來勞動工資的常態性上升和資本替代勞動效應，中國史無前例的重大變革正在迅速發生，對整個國民經濟結構將產生歷史性的影響。不僅是勞動密集型產業，而且是所有產業，都面臨著資本替代勞動并選擇勞動節約型技術，這是今后相當長時期內國民經濟動能轉換的基本方向。作為一項勞動節約型技術，人工智能的興起，并廣泛推廣應用于傳統產業，實現勞動節約型技術升級，是與我國國民經濟的結構變革要求相吻合的。

智能技術：傳統制造業升級的基本趨勢

人工智能（Artificial Intelligence）一詞，是1955年在達特茅斯學院（Dartmouth College）舉辦的學術會議上被首次提出來的。根據Nilsson（2010）的定義，所謂人工智能，就是“致力于使機器智能化的活動，智能是使機器能夠在其環境中適當地運作并具有預見的能力”。[8]像艾倫·圖靈（Alan Turing）這樣的早期開拓者強調了教育機器的重要性，因為機器可能會像孩子一樣學習，即強調人工智能作為學習過程。人工智能涉及多個學科領域，包括生物學、仿生學、語言學、心理學和認知科學、神經科學、數學、哲學和邏輯、控制論、信息和計算機科學等，其中最為核心的是三個相互關聯但又不相同的領域：神經網絡、機器人技術和符號系統。符號系統的前提是試圖通過處理符號來復制人類決策的邏輯流程（Newell and Simon，1976）。[9]機器人技術依賴于對已知環境的主動感知。雖然機器人作為可執行人類任務的機器概念，至少可以追溯到20世紀40年代，但機器人技術的蓬勃發展是20世紀80年代以后，伴隨著數控機床技術的發展而發展。迄今為止，人工智能在經濟上最重要的應用就在這一領域，尤其是制造業大規模部署“工業機器人”。人工智能的核心要素是被廣泛地描述為“深度學習”的方法，不但專注于符號邏輯或精確感知和反應系統，而且嘗試創建可靠和準確的預測方法，神經網絡在這一領域尤為重要。神經網絡是一種程序，它使用權重和閾值的組合，將一組輸入轉換為另一組輸出，測量這些輸出與現實的“接近程度”。在20世紀80年代，Rumelhart和Hinton等開發“反向多層感知”（back-propagating multi-layer）技術進一步完善了神經網絡的概念框架。[10]在計算機視覺和預測等一系列領域中，“深度學習”的功能是出人意料的強大，被視為“發明方法的發明”。正如Griliches（1957）所說的那樣，“發明方法的發明”是比任何單一新產品的開發具有更大潛力。[11]

人工智能不僅僅是人們通常認知的一項新技術，而且是可以與各行各業融合的通用技術，在第四次工業革命中具有里程碑意義。[12]Alphabet執行董事長埃里克·施密特認為：我們“將會看到一個新的時代……智慧的時代。”谷歌提出“人工智能第一”，而微軟首席執行官薩蒂亞·納德拉認為：人工智能是技術的“終極突破”。[13]麥肯錫（2017）認為，人工智能將改變經濟格局，為創造商業價值和降低成本創造新的機會。[14]根據麥肯錫研究報告，人工智能應用前景可分為三種國家或地區：一是澳大利亞、加拿大、法國、德國、意大利、日本、韓國、英國和美國等發達經濟體，人口老齡化較為普遍，勞動年齡人口增長放緩。二是阿根廷、巴西、中國和俄羅斯等老齡化的新興經濟體，勞動年齡人口減少可能導致經濟增長乏力。三是印度、印度尼西亞、墨西哥、尼日利亞、沙特阿拉伯、南非和土耳其等年輕新興經濟體，勞動年齡人口的持續增加，但促使經濟增長得更快，也需要應用智能化以提升生產率。[15]如果按照行業分，住宿和餐飲服務業排在第一位，制造業排在第二位（見表2）。可見，中國是全球應用人工智能比較迫切的國家，而制造業是應用人工智能最為迫切的領域之一。

就制造業而言，根據麥肯錫的調查報告，人工智能可以應用到制造企業計劃、生產、銷售和售后服務的全過程。[16]

第一，應用于企業計劃，準確預測需求和優化供應。生產企業總是需要準確地預測市場需求未來發展趨勢，以便獲取市場競爭優勢。人工智能通過分析不同數據，可以識別客戶需求發展趨勢，為企業更好地安排生產計劃、設計更好的產品提供支持。在某些情況下，與傳統方法相比，基于人工智能的需求預測誤差減少30%～50%，可以將總庫存減少20%～50%，因產品產不對銷帶來的損失可降低65%，運輸和倉儲、供應鏈管理成本可分別降低5%～10%和25%～40%。[17]構建順暢運作的供應鏈是各行各業持續發展的重要環節，準確預測以確保庫存水平合理也是企業競爭力的重要來源。但是，供應鏈受到內部和外部眾多因素影響，產品發布時機、分銷渠道多寡、極端氣候變化，以及客戶對產品信息的認知或媒體對產品的報道等種種復雜因素，都可能對供應鏈績效產生極其重要的影響。然而，傳統預測手段和庫存補充系統是無法利用物聯網海量數據進行分析的。全球供應鏈領先企業已經開始意識到，基于機器學習的方法對提高預測準確性，讓生產企業全面優化采購活動，優化補貨系統，對降低庫存水平、提高供應鏈績效，都具有重要作用。機器學習方法不僅考慮到銷售歷史數據、供應鏈建構、地理位置、客戶偏好，還考慮廣告活動、產品價格和當地天氣預報等近實時更新的數據，這是傳統預測手段難以做到的。

第二，應用于生產過程，提高生產率并最大限度地減少設備損耗和維修。在生產過程，人工智能可以優化設備運轉和操作流程，尤其是近年來不斷出現更強大的計算機、新的算法模型和大型訓練數據集，使計算機視覺獲得極大的進步，對對象類型進行分類的能力顯著提升，減少了設備損耗，提高了設備利用效率。協作機器人的出現，改善了人機兼容性，可以幫助管理人員更快地完成管理任務和日常操作，提高員工操作效率，降低成本和提高產量。同時，由于產品缺陷而必須處理或重新加工所導致的損失，是傳統制造企業經常面臨的重要問題。人工智能技術可以幫助優化產品設計或工藝條件，從而顯著減少產品缺陷，減少損失。

第三，應用于銷售推廣，獲取準確的客戶需求信息和制定合理的價格。產品的最優價格取決于許多因素，如星期、季節、氣候、渠道、競爭對手的價格，等等。生產企業必須在合適的時間以合適的價格銷售，才能提高客戶滿意度，而又能夠帶來更多的銷售和更高的利潤。企業只要積累足夠數據，利用人工智能分析顧客以前的購買記錄、年齡、家庭住址、網頁瀏覽習慣和其他線索，就可以實行動態定價，實施個性化促銷，在需求上升或消費者愿意支付更多費用時提高價格，并在相反的情況下降低價格。人工智能可以確定每個產品的價格彈性，并根據不同情況采取不同的產品策略和價格策略。

第四，應用于售后服務，提供更為豐富的顧客體驗。人工智能可以為顧客購買和產品消費提供建議，創造更加個性化、更加便捷的顧客體驗，提高顧客的忠誠度。例如，計算機視覺和機器學習等人工智能技術，可以根據客戶先前的購買習慣，更好地了解客戶喜歡什么、不喜歡什么，為客戶推薦產品購買組合，或者建議客戶如何更好地使用產品。人工智能技術還可以讓客戶隨時隨地消費產品、取走喜歡的產品，而不需要考慮是否付款，事后從他們的帳戶中扣除相關費用，并通過電子郵件向他們發送收據。

推動人工智能與傳統制造業的融合，中國具備獨特優勢和條件。第一，中國在全球人工智能研發中處于領先地位。根據AI Index報告的數據，2015年中國在國際學術期刊上發表的論文數量僅次于美國，中美兩國把其他國家遠遠甩在后面。2018年中國研究機構發表人工智能論文增長了400%，企業發表的人工智能論文增長了73%。中國的人工智能發展多由科技企業推動引領，一些互聯網企業走在了自然語言處理、圖像和語音識別等技術前沿。第二，中國具有豐富的數據基礎和龐大的應用市場。中國是全球人口最多的國家，互聯網技術相對普及，網民規模持續增長，每時每刻都在生成海量數據。這是訓練人工智能系統的前提條件。中國也是全球制造業規模最大的國家，具有其他國家無法比擬的廣闊的應用市場。第三，中國人工智能投資和創新創業非常活躍。根據騰訊研究院等單位發布的《2017年中美人工智能創投現狀與趨勢研究報告》數據，2014～2016年每年AI領域融資數量分別為113起、241起和262起，2017年融資額超過美國。在591家國內AI初創公司中，有75%的公司處于B輪融資及之前，其中有236家獲得A輪融資，有92家初創公司處于天使輪階段。[18]第四，中國5G技術領先全球，與人工智能形成協同發展。隨著物聯網的大規模布局、數據規模的不斷擴大，數據傳輸和存儲的壓力也越來越大，而人工智能對數據傳輸和處理的要求越來越高。自2018年以來，中國已加快了5G布局，并進入了預商用階段。5G具有帶寬大、傳輸速度快、通信延遲小、可靠性高等優點，可以讓人工智能提供更直觀、更便捷、更豐富的客戶體驗。第五，人工智能改造成為中國傳統制造企業的基本共識。用工難、用工貴已經成為擺在傳統制造企業面前的難題，特別是在勞動強度大、工作環境惡劣的行業，出現了用工危機。“以機換人”“人機合作”已經成為傳統制造業轉型升級的重要選擇。例如，上海海立集團是空調壓縮機“領頭羊”，從2007年開始實施“機器換人”，已經有480臺機器人，90%以上生產任務都由機器人來完成。[19]

當然，人工智能在中國制造業中的推廣應用，也存在一系列制約因素：第一，技術瓶頸。技術通過發明、集成并適應具體企業的生產活動才能成為實際的解決方案，這就要求機器人各項技術都比較成熟，性能穩定。目前，雖然機器人技術在某些方面已經比較成熟，包括信息檢索、粗略運動技能和優化規劃，但許多方面還需要進一步研究開發。第二，資金瓶頸。研發和工程化人工智能解決方案，需要投入大量資金。硬件解決方案包括標準計算機和高度專業化的硬件設備，如帶有手臂和其他靈活移動部件的機器人，感知功能的活動需要攝像頭和傳感器等，需要投入大量資金。基于軟件的“虛擬”解決方案，也需要不少的投資。在傳統制造業中，中小企業占多數，普遍效益不佳，資金比較困難。第三，成本瓶頸。人工智能應用在相當程度上是對勞動力的替代，這就涉及到資金成本和勞動成本的高低問題。我國勞動力市場開始從無限供給轉向有限供給，但勞動力供給總量仍然比較大，而且存在著地區結構和技術結構矛盾，中西部勞動力和低技能勞動力仍然供大于求。與歐美國家相比，我國工資水平還相當低，不少行業應用人工智能的成本要大于人工成本。只有大部分行業人工智能成本低于人工成本時，人工智能才有可能普遍推廣，現階段只是在某些行業和企業率先應用。第四，信息化瓶頸。目前，我國大部分生產企業信息化程度低，僅有1/6的企業達到網絡化水平，5/6的企業還沒有較為完善的內部網絡，大量數據下沉在各條生產線之間，工業物聯網數據挖掘和利用還需要持續強化。[20]

為此，加快人工智能和傳統制造業融合，促進傳統制造業轉型升級，需要采取以下措施。

第一，開展產學研深度結合。人工智能技術在企業層面的應用是個性的、獨特的，而科學家的研究是共性的技術，技術供給與需求之間存在很大差距。企業的人工智能解決方案，不僅要符合企業自身差異化的生產活動，還必須符合企業現實的資金和成本承受能力。因此，為了開發可行的人工智能解決方案，企業不僅需要建立內部相應的技術團隊，還要與分布在科研院所的科學家或者領先企業合作，建立了跨部門的人工智能工作組，對解決方案進行原型設計，對業務部門進行測試，才能解決企業面臨的個性化技術訣竅。

第二，著力解決“信息孤島”問題。數據是越來越重要的企業資產，沒有數據就不可能啟動人工智能。當今工業產生的數據90%是“flt數據”，沒有關系結構，需要有效處理，才是有用的。不僅如此，一個企業的數據必須嵌入到較大的數據生態系統中，與其他數據源相結合，才會產生更大的價值。但是，目前各個企業的數據是無法共享的，成為“數據孤島”。從公共部門看，各個政府部門獲取的大量數據，既不向公眾開放，也不在公共部門之間共享，成為“數據孤島”。因此，政府部門需要制定和實施數據標準，開放公共部門數據，并對企業和個人數據進行規范管理，構建有利于人工智能應用的數據生態系統。

第三，扶持傳統制造業和中小企業的人工智能應用。一方面，傳統制造業中少數企業還沒有認識到人工智能的發展趨勢和戰略價值;另一方面，傳統制造業的多數企業，尤其是中小企業，在人工智能應用方面存在著資金瓶頸，力不從心。為推進傳統制造業和中小企業的人工智能應用，各級政府部門和政策性金融機構要在稅收抵免、財政補貼、信貸支持等方面采取更為有效的專項政策。

第四，強化人才培養和員工培訓。人工智能是通用技術，將與各行各業融合，未來人才缺口將很大。首先，要加強高端人才培養和引進。制定人工智能相關的教育和研究計劃，大力培養高端人才，創造良好的人才成長環境。出臺專項計劃和優惠政策，吸引全球最優秀的人才。其次，要重新調整高等教育的體制機制，強化相關學科建設，并把人工智能納入公共必修課程。再次，要加強職業教育和員工再培訓。人工智能的職業教育和員工培訓，對企業的人工智能應用具有至關重要的作用。未來企業員工不是去指揮、操作機器人，而是要跟機器人協同工作，需要從與員工做同事過渡到與機器人做“同事”，這就不僅要求員工必須掌握相關技能，還要培養新的思維模式和文化價值觀。如何與機器人相處，也是教育和培訓的重要內容。

第五，完善相關法律法規。首先，要完善地方政府、企業和個人數據的安全管理法規。目前，政府部門、企業甚至個人對數據采集、開發利用和管理比較混亂，該保護的數據和隱私得不到應有的保護，該開放的又沒有開放，無法可依。要加快立法，規范數據采集和開發利用行為，明確數據安全管理的主體和責任。其次，要制定各類數據的相關標準和規范，推動各領域海量數據的聯通和共享。最后，要建立和完善人工智能應用過程中失業人員的援助政策。目前國內外討論的一個焦點問題就是“機器人擠兌工人”問題。人工智能推廣應用過程中，必然帶來勞動力供求的結構性矛盾，可能產生一部分失業員工。政府既要對生計受到威脅的員工提供必要的生活援助，還要提供培訓和再就業援助。

智能生態：傳統制造業商業模式轉型

人工智能是通用技術，將融入到農業、工業和服務業等各行各業中去，融入到社會各個領域中去。因此，傳統制造業的人工智能應用，不僅僅是企業自身的一項技術改造升級，還必須推進商業模式轉型，以適應基于信息技術和人工智能的新物流、新零售、新金融和新消費等新型產業生態。

第一，適應新物流。目前人工智能在物流領域中的應用十分廣泛，已經深入到了倉儲、運輸、配送等環節。倉儲機器人完成揀選、搬運、裝卸等作業，提高了效率，降低了錯誤率。無人運輸應運而生，無人卡車依靠車內的智能運算系統，檢測道路周圍路況，捕捉交通標志信息以及感知周圍的行駛環境，引導卡車自主、安全的行駛。無人配送技術逐步成熟，包括無人機、無人配送車。國產新型AT200無人運輸機是一款高度智能化的無人運輸機，是當前世界上噸位最大的無人機之一。未來新物流就是依托信息技術和人工智能，構建大數據平臺，實現智能供應鏈、無人倉儲、無人裝卸、智能通關、無人配送、智能全程跟蹤，這就要求生產企業在產品生產、產品包裝、銷售管理等方面，與智能物流相適應。

第二，適應新零售。傳統零售是傳統實體零售和純電商，是單一的線上電商或者線下門店，而新零售就如馬云所說的“是線上和線下的結合，人、貨、倉、配的結合，是虛和實的結合”。新零售既不是純粹的電商，也不是純粹的門店，是以互聯網為基本載體，綜合運用大數據、人工智能等技術，重塑從生產到消費的流通過程，線上線下和現代物流深度融合，為消費者提供了前所未有的快捷、便利和享受，在最短的時間內買到自己最滿意的商品，構建全新的接觸體驗模式。生產企業不再是單純的通過批發、門店零售的方式銷售產品，也不再是單純地通過網上電子商務銷售產品，不僅要改變銷售模式，還要升級改造生產過程。

第三，適應新金融。近年來，金融領域的顯著特點是基于信息技術的各種金融科技創新蓬勃發展。根據國際金融穩定理事會（FSB）的定義，金融科技（Fin Tech）是指通過技術手段促進金融創新，構成對金融市場、機構和金融服務重大影響的商業模式、技術應用、流程和產品，分為支付結算、存貸款和資本籌集、投資管理和市場設施等四個方面。其中，市場設施主要指人工智能、區塊鏈、云計算、大數據、安全等技術的應用所帶來的金融產品創新。從發展趨勢看，未來新金融是“網絡銀行+在線支付+大數據管理+區塊鏈”，尤其是區塊鏈的應用將顛覆傳統金融業務，重構金融機構與企業的關系、企業與消費者的關系。

第四，適應新消費。移動互聯網消費的興起，消費者從傳統的現金支付到銀行卡刷卡、會員儲值卡，到手機短信支付、芯片卡“閃付”、微信支付，到手機客戶端APP支付等，不斷擴大移動支付的快捷、便利。移動互聯網也使得消費行為具有私人化的特征，再加之移動設備具有智能數據識別的功能，使得消費者所購買的商品更加能夠代表個人風格品味，個性化特性更加明顯。隨著人工智能和5G的普及，個性化、定制化消費將更加普遍，私人定制將成為更多消費者的選擇。新消費不僅要求生產企業轉變生產模式，而且要更加重視對工業數據和消費數據的挖掘和開發利用。

（同濟大學經濟與管理學院博士研究生紀曉鵬對本文亦有貢獻）

注釋

[1]《馬克思恩格斯選集》第4卷，北京：人民出版社，1972年，第505頁。

[2]汪進、鐘笑寒：《中國的劉易斯轉折點是否到來——理論辨析與國際經驗》，《中國社會科學》，2011年第5頁，第22～37頁。

[3]國家人口發展戰略研究課題組：《國家人口發展戰略研究報告》，《人口與計劃生育》，2007年第3期，第4～9頁。

[4]《調查顯示2030年半數日本人為單身 日媒稱未來堪憂》，環球網，2014年7月29日，http：//world.huanqiu.com。

[5]張皓臣：《不孕癥360°綜合診療體系科研成果推廣學術大會在京啟動》，《中國醫藥導報》，2013年第34期。

[6]黃荷鳳、王波、朱依敏：《不孕癥發生現狀及趨勢分析》，《中國實用婦科與產科雜志》，2013年第9期，第688～690頁。

[7]趙奉軍：《低生育率陷阱與高房價》，《中國房地產》，2019年第7期，第26～28頁。

[8]Nilsson，N. J.， The quest for artificial intelligence， Cambridge University Press， 2009.

[9]Newell， A.， Simon， HA.， "Computer science as empirical inquiry： Symbols and search"， Communications of the ACM， 1976， 19（3）.

[10]Rumelhart， D. E.， "Learning representations by back-propagating errors"， Nature， 1986， 23.

[11]Griliches， Z.， "Hybrid corn： an exploration in the economics of technological change"， Econometrica， 1957， 25（4）.

[12]Cockburn， I. M. ， Henderson， R. ， & Stern， S.， "The impact of artificial intelligence on innovation"， Nber Chapters， 2018.

[13]Brynjolfsson， E.， Rock， D.， &Syverson， C.， "Artificial Intelligence and the Modern Productivity Paradox"， The Economics of Artificial Intelligence： An Agenda， 2019， 23.

[14]McKinsey， "Jobs Lost， Jobs Gained： Workforce Transitions in a Time of Automation"， 2017， https：//www.mckinsey.com.

[15]Manyika， J.， "A future that works： AI， automation， employment， and productivity"， McKinsey Global Institute Research， Tech. Rep， 2017.

[16]McKinsey Global Institute， "Artificial intelligence： The next digital frontier"， Information Security and Communications Privacy， 2017 .

[17]Bauer， H.， Breunig， M.， Richter， G.， Wee， D.， Wüllenweber， J.， & Klein， H.， "Smartening up with Artificial Intelligence （AI）–What，s in it for Germany and its Industrial Sector"， Digital McKinsey， 2017.

[18]騰訊研究院、IT桔子：《2017年中美人工智能創投現狀與趨勢研究報告》，中國大數據產業觀察網，2017年8月25日，https：//detail.youzan.com。

[19]孫一元、海立：《跑馬“智能”制造》，《上海國資》，2016年第10期，第50～51頁。

[20]薛加玉：《人工智能賦能制造業轉型升級》，《現代工業經濟和信息化》，2019年第3期，第9～16頁。

責 編/肖晗題