人工智能發展水平對制造業就業的影響
——基于消費升級的中介效應分析

■呂榮杰，徐夢瑤，楊 蕾

一、引言與文獻綜述

2019年3月，李克強總理在政府工作報告中明確指出：“圍繞推動制造業高工資發展，強化工業基礎和技術創新能力，加快建設制造強國。打造工業互聯網平臺，拓展‘智能+’，為制造業轉型升級賦能”。制造業作為智能機器人與人工智能應用最廣的行業，其勞動力市場受到了不小的沖擊，但目前國內外關于人工智能與制造業就業的研究相對較少且研究結論存在差異，主要有以下四種觀點：一是抑制效應，人工智能通過時間效應與邊際產出效應降低了制造業企業低技能的就業比重（謝萌萌等，2020）。二是促進效應，人工智能通過提升生產率、增加高技能勞動力供給促進了制造業就業總量（Graetz&Michaels，2018）。三是門檻效應，蔡嘯和黃旭美（2019）利用兩部門模型發現人工智能技術會顯著降低制造業的勞動力占比，但是當人工智能技術取得重大突破導致生產率增長過高時會造成制造業勞動力回流的現象。四是無影響，工業機器人等的應用不會對制造業就業規模產生影響（楊曉鋒，2018）。在此背景下，探究人工智能對制造業就業的影響機理具有重要的現實意義，有助于了解人工智能時代制造業的就業形勢。

消費作為我國經濟發展的GDP 組成部分，正逐步取代出口和投資，成為我國經濟增長的重要驅動力量（金曉彤和黃蕊，2017）。尤其是在全球經濟下滑的大背景下，不斷刺激國內居民消費潛力，擴大內需增長已經成為中國經濟轉向高質量增長階段的基本動力（方嫻和金剛，2020），而人工智能的快速發展為消費升級提供了契機。歷史經驗表明，技術進步的迅猛發展會涌現出新的消費需求以及消費的新業態、新模式等，促使消費升級（黃衛東和岳中剛，2016），也有助于企業提高消費市場占有率、拓展新的消費市場（張家平等，2018）。同時，通過刺激消費需求的提升能夠擴大就業規模（王軍和詹韻秋，2018）。以上邏輯分析表明消費升級可能在人工智能對制造業就業的影響中發揮中介作用。

綜上所述，目前人工智能與制造業就業的研究結論不一，并且缺乏關于人工智能與制造業就業的機理研究。因此，本文在探究人工智能與制造業就業效應的基礎上，分析消費升級的中介作用。

二、理論闡釋與研究假設

（一）人工智能與制造業就業數量

本文認為人工智能影響制造業就業數量主要通過成本、產品、生產率與新業態四個方面。首先，近年來，隨著我國老齡化的不斷加劇，企業的用人成本逐漸上升，倒逼制造業企業使用智能化設備，對于一些制造業企業來說，雖然用人成本逐漸上升，但使用人工智能的成本依然遠遠大于用人成本，因此部分企業還是會選用人工。其次，相較于人類勞動力來說，人工智能在某些方面超過甚至遠遠超過人類。譬如計算能力、記憶存儲能力、精準操作能力等（譚鐵牛和孫哲南，2018）。因此，相較于工人來說，人工智能在較大程度上提升了產品的生產質量，但同時，工人在前期準備、柔性化和空間靈活性等方面仍具有突出的優勢，因此需要人機合作來保障整個生產線有效運轉，進而提升產品整體的質量。此外，人工智能與制造業企業的深度融合大大提升企業的生產率，減少了用人單位的崗位需求。同時，生產率的提升促使企業的業務量上升，企業規模隨之擴大，從而增加了就業機會。最后，人工智能與制造業融合發展會催生新的業態。例如智能家居、智能交通等，而這些新業態會創造出新的商業模式與職業，進而產生更多的用人需求。基于此，提出以下假設：

假設1a：人工智能發展水平對制造業就業數量存在正向影響；

假設1b：人工智能發展水平對制造業就業數量存在負向影響。

圖1 人工智能發展水平對制造業就業數量的影響機理

（二）人工智能與制造業就業工資

根據馬克思的工資理論，工資是勞動者價值的體現。由前文可知，人工智能與制造業的深度融合會創造出新業態，新業態會產生更多的用人需求，這些用人需求主要體現在高技能勞動力方面（周文斌，2017）。具體而言，人工智能與制造業融合所創造出的新業態包括智能機器人、智能家居、智能交通等，而這些業態創造出來的職業所需要的技能較高。袁玉芝和杜育紅（2019）基于美國職業信息網絡數據以及中國綜合社會調查數據（CGSS）發現人工智能引領的第四次工業革命浪潮對我國勞動力技能的需求發生了變化，主要表現在對非程序性技能的需求不斷增加。具體到制造業，智能化的生產設備作為人工智能技術的外在形式，工人在操作智能機器時需要在了解新技術的基礎上，提升自己的專業化技能，特別是高端技能（肖龍，2019），而高技能的外在形式就是高工資（王春超和張承莎，2019）。同時，對低技能勞動力來說，引入人工智能后，人工智能會承擔勞動力之前所從事的常規任務，不僅提高了效率，還會促進低級勞動力向人際、復雜、靈活、適應等人類優勢方面改進，同樣也增加了勞動力的價值，提高了低級勞動力的就業工資。基于此，提出假設2：

假設2：人工智能會促進制造業就業工資的提升。

（三）消費升級的中介作用

人工智能作為一種技術進步，不僅改變了工作場景，也改變了生產生活方式，AI助力智慧城市、“AI+醫療”“AI+安防”等，人工智能產品或服務已經深入滲透到日常的生產生活當中，并從需求端與供給端影響著消費升級。從供給端即企業來說，企業通過供應鏈中的多個環節提升消費效率。一是在人工智能時代下，企業的營銷方式不再是過去針對所有人的模式，而是針對消費者的不同喜好達到精準營銷。人工智能的核心算法機器學習可以從大量的數據中挖掘出消費者的需求，改善數據質量，從而幫助企業實現精準營銷（鐘成林和胡雪萍，2019）。二是隨著大數據、人工智能等技術在快遞行業的不斷應用，智能機器人可以在下單、分揀、配送方面幫助快遞人員，因此物流變得越來越高效與便捷。無論是“AI+營銷”“AI+生產”還是“AI+物流”，都從渠道與服務方面滿足顧客的需求，改善了顧客的消費體驗，同時縮短了消費周期，成為拉動消費升級的外在動力。從需求端即消費者本身來說，人工智能的快速發展創造新的消費對象。以“互聯網+”為核心的第三次工業革命以后，90后、00后消費者逐漸登上消費舞臺，已經成為中國消費市場上的主力軍。人工智能的發展為其帶來更多樣化的消費體驗（師博，2020），從而刺激其消費，增加購買行為。

消費升級會產生發展與享受型需求的擴大和生存型需求減少的雙重效應。不論是對城鎮居民還是農村居民來說，其消費內容均呈現出由衣食住行等生存型消費向發展型和享受型消費升級的發展態勢（杜丹清，2017）。一方面，消費需求是產業結構調整的方向，人們對發展型與享受型的需求增加必然會帶來相關行業規模的擴大，從而拉動就業。對制造業來說，消費升級會促進傳統制造業向制造業服務化轉型，同時也會拉動高端制造業發展，而這些行業對勞動者的技能與知識要求較高，相應的工資與福利待遇也相對較高，因此在促進就業工資提升同時增加了高技能勞動力的就業。另一方面，生存型消費需求的減少意味著衣食住行相關行業的規模會減少，因此在傳統制造業就業的低技能的勞動力可能面臨失業的風險。

圖2 消費升級的中介作用

綜上所述，可以推斷出：人工智能能夠通過促進消費升級從而對制造業就業產生間接影響。具體來說：人工智能通過影響消費升級的需求端（消費者本身）與供給端（企業）來促進消費升級，而消費升級會產生制造業新業態，誕生新的商業模式，在此基礎上間接促進了產業升級，從而拉動就業數量與就業工資的增長。同時，壓縮傳統的與生存型消費需求相關的制造業的生存空間，造成低端就業人員數量的下降，因此消費升級在人工智能發展與制造業就業數量之間的中介作用取決于消費升級對高技能就業人數的創造效應以及對低技能就業人數擠出效應的大小。基于此，提出以下假設：

假設3a：消費升級在人工智能發展水平與制造業就業數量之間存在正向中介作用；

假設3b：消費升級在人工智能發展水平與制造業就業數量之間存在負向中介作用；

假設4：消費升級在人工智能發展水平與制造業就業工資之間存在正向中介作用。

三、模型、變量與數據

（一）模型設定

首先，為檢驗人工智能發展水平與制造業就業效應之間的關系，構建如下模型：

考慮到就業數量與工資的變動具有一定的持續性，將模型擴展為以下形式的動態面板數據模型：

其中，i 和 t 分別表示地區和年份，EMit表示制造業就業數量，EQit表示制造業就業工資，AIit表示人工智能發展水平，控制變量包括城鎮化（Urban）、外商直接投資（FDI）、人均GDP（GDP）、產業結構（Indu）、人力資本（Hum）。?it表示隨機誤差項。式（1）表示人工智能發展對制造業就業數量的總效應，式（2）表示人工智能發展對制造業就業工資的總效應。式（3）和式（4）分別表示人工智能發展對制造業就業數量與制造業就業工資的動態模型。

（二）變量說明與數據來源

選擇2010—2017年我國省際面板數據進行實證研究，時間樣本截至2017 年是由于2018 年中美貿易戰可能會影響勞動力市場就業。由于新疆、西藏、云南的數據嚴重缺失，故將其剔除。對于少量缺失的數值用插值法補全。數據來源于歷年《中國統計年鑒》《中國電子信息產業統計年鑒》《中國科技統計年鑒》《中國信息社會發展報告》具體指標的選取和處理方法如下。

1.被解釋變量

制造業就業。將制造業就業效應分為就業數量與就業工資兩個方面。就業數量用各省制造業就業人數表示，就業工資用制造業人員平均工資表示。

2.解釋變量

人工智能技術發展水平。根據中國信通院發布的全球人工智能政策技術和產業發展情況簡析中分析的人工智能技術崛起的三大因素：數據（人工智能發展的基石）、算法（人工智能技術發展的引擎）、算力（人工智能技術實現的保障）來構建人工智能測度指標。具體細化指標如下：①數據資源豐富程度，這里采用數據處理與存儲能力來衡量，包括數據加工、內容處理與電子商務平臺數字運營服務。②基礎設施投入，選用信息傳輸、計算機服務和軟件業固定資產投資衡量。③基礎設施應用情況，使用《中國信息社會發展報告》中的數字化生活指數作為測度指標。此指標反映的是現代信息技術擴散對公眾生活的影響，也反映了信息技術在居民生活中的擴散和普及程度，因此使用該指標近似反映人工智能在人們生活中的應用情況。④軟件產品收入，由于算法數據不可得，目前也沒有衡量指標可以反映算法的發展程度，而軟件包括程序和算法，因此使用軟件產品收入作為算法的測度指標，主要包括基礎軟件、應用軟件、支撐軟件等。⑤嵌入式系統收入，嵌入式系統廣泛應用于智能交通、智慧醫療、智能識別設備等領域，使用《中國電子信息產業統計年鑒》中的嵌入式系統軟件收入來衡量。⑥創新能力，這里采用國家專利申請授權量與R&D 人員全時當量的比值作為測度指標。以上數據來源于《中國電子信息產業統計年鑒》《中國統計年鑒》《中國科技統計年鑒》和《中國信息社會發展報告》以及各省統計年鑒。

根據上述測度指標，利用主成分分析法構建各地區人工智能發展指數。為消除由于量綱不同可能產生的不利影響，對原始數據進行了標準化處理。并對數據做KMO檢驗，KMO的測度值都大于0.8，說明本文所觀測的數據適合做主成分分析。對于因子個數選擇，根據前k個主成分累計方差貢獻率達到80%的方法來確定。同時借鑒韓先鋒等（2019）對互聯網綜合發展水平指數的構造方法，將測算所得數據標準化到[0，1]區間，確定各地區的人工智能發展指數，并以此作為本文的核心解釋變量。

3.中介變量

消費升級。通常學術界對消費升級的界定是將消費內容劃分為生存型、發展型和享受型三大類，并以發展型和享受型占總消費支出比例的提升作為消費（結構）升級的表現（黃雋和李冀愷，2019）。借鑒大部分學者的做法，采用交通和通信，教育、文化和娛樂，醫療保健，其他用品及服務等四項占消費總支出的比例來測量消費升級。

4.控制變量

城鎮化水平（Urban），該指標的提高會對就業產生促進作用，因此將其選為控制變量，城鎮化水平選用的是城鎮常住人口的比重。外商直接投資（FDI）選用的是FDI的年均增長率。人均GDP（GDP），已有文獻證明，GDP 的增長對就業存在積極影響。產業結構（Zndu）、產業結構的變動會對就業產生重要影響，選取第三產業增加值與第二產業增加值的比例。人力資本（Hum）。本文選取平均受教育年限作為人力資本的衡量指標。

四、實證結果檢驗

（一）回歸結果

1.基準回歸結果

通過Hausman 檢驗，選用固定效應模型（FE），結果報告于表1 的列（1）—（2）。結果顯示：人工智能發展水平對制造業就業數量與就業工資均存在顯著的正向影響。這說明人工智能的發展會促進制造業就業，同時也會提升制造業工資。同時，在控制變量中，城鎮化率對制造業就業數量與工資的估計系數均顯著為正，且均通過1%的顯著性檢驗，這說明城鎮化率會顯著促進地區制造業就業數量與就業工資的提升。外商直接投資對就業的影響具有兩面性，一方面，外商直接投資帶來的溢出效應提高了地區的就業水平；另一方面，外商直接投資擠出了國內投資，提升了資本勞動比，增加了合理化裁員，進而不利于地區就業。本研究結果表明，外商直接投資對本地區的制造業就業的消極影響大于積極影響。產業升級對制造業就業數量產生了負向的顯著影響，但是顯著促進了制造業就業工資的提升。

2.內生性的處理

考慮到核心解釋變量人工智能發展水平可能存在內生性，因此通過對模型進行異方差穩健的DWH 檢驗，結果顯示模型存在明顯的內生性。為了克服由解釋變量內生性導致的估計偏差問題，選取制造業就業數量與制造業就業工資的滯后一期作為工具變量，采用兩階段最小二乘法（2SLS）進行估計。為檢驗工具變量的有效性，選取多種檢驗進行判斷。首先，通過不可識別檢驗，表明工具變量與解釋變量顯著相關，初步說明工具變量的有效性。同時，通過弱工具變量檢驗發現不存在弱工具變量。此外，使用對弱工具變量更不敏感的有限信息最大似然法（LIML），其估計值與2SLS 非常接近，從側面印證不存在弱工具變量。上述檢驗表明所選的工具變量是有效的。結果如表1 的列（3）—（4）所示，人工智能對于制造業的就業人數與就業工資均存在顯著的正向影響，進一步驗證了假設。

3.動態面板估計方法

滯后項的引入可有效降低計量模型的設定偏誤，但同時也帶來了內生性問題。針對滯后項的內生性，采用系統GMM 方法進行估計，最終的估計結果報告在表1 的列（5）—（6）。從動態面板的估計結果可以看出，其與FE和2SLS的結果并不存在差異。

表1 基準回歸結果

（二）中介效應檢驗

為檢驗中介效應，采用逐步回歸法進行檢驗。第一步，以消費升級為被解釋變量，人工智能發展為解釋變量，考察人工智能發展對消費升級的影響。第二步，以制造業就業數量與制造業就業工資作為被解釋變量，消費升級為解釋變量，考察消費升級對制造業就業數量與制造業就業工資的影響。第三步，在上述兩步的檢驗結果顯著的前提下，進一步控制消費升級的間接效應，考察人工智能發展對制造業就業數量與就業工資的影響是否依然顯著。設定的中介效應檢驗模型如下：

式（5）（6）表示人工智能發展對制造業就業數量與就業工資的總效應，式（7）表示人工智能發展水平對消費升級的影響，式（8）（9）分別表示人工智能發展通過消費升級影響制造業就業數量與工資的程度。

同時為了克服內生性導致的估計偏差，考慮到動態模型的合理性，將人工智能、消費升級與制造業就業數量與工資作為內生變量，并將其滯后一階作為工具變量，設定如下的中介效應檢驗模型：

表2 和表3 分別為固定效應模型與系統GMM 的估計結果。首先，表2 列（1）和列（2）的回歸結果顯示，人工智能對制造業就業數量與就業工資均存在顯著正向影響，滿足中介檢驗的第一個條件。其次，列（3）的回歸結果顯示，人工智能顯著正向影響消費升級（β=0.229），這表明人工智能發展水平顯著提升了地區的消費升級。同時，列（4）和列（5）的回歸結果顯示，消費升級能夠顯著正向影響制造業就業數量（β=0.0338）與工資（β=0.493），這表明消費升級能夠促進地區制造業就業數量與就業工資。故滿足中介效應檢驗的第二個條件。之后，將人工智能與消費升級同時納入對制造業就業數量的回歸，列（6）結果顯示，消費升級的回歸系數并不顯著，并不滿足中介檢驗的第三個條件，因此進行Sobel檢驗，結果顯示P值為0.87，因此不存在中介效應。將人工智能與消費升級同時納入對制造業就業工資的回歸，列（7）結果顯示，人工智能（β=0.233）與和消費升級（β=0.462）均顯著正向影響制造業就業工資，但自變量的影響系數由列（2）的0.344變為0.233，影響效應減弱，故消費升級在人工智能和制造業就業工資之間起到部分中介的作用。

表2 靜態中介檢驗結果

表3 動態中介檢驗結果

表3 是系統GMM 的回歸結果，根據表3 列（4）可以看出，消費升級對制造業就業數量的結果并不顯著，說明固定效應模型高估了消費升級對于制造業就業數量的影響。此外，表3與表2的回歸結果在顯著性水平上不存在差異，進一步證明了研究結果的可靠性。

（三）穩健性檢驗

為保證實證結果的可靠性，更換人工智能變量的衡量方式來進行穩健性檢驗。借鑒Borland & Coelli（2017）的研究，使用信息傳輸、計算機服務和軟件業固定資產投資占生產總值的比重來衡量各省人工智能的發展水平。回歸結果如表4 所示，可以看出模型回歸系數的大小、方向及顯著性水平與前文的回歸結果基本一致，進一步證明了研究的可靠性。

表4 穩健性檢驗結果

五、結論與啟示

基于我國2010—2017 年28 個省份的面板數據，采用固定效應模型、2SLS 與系統GMM 方法，從制造業就業數量和工資水平兩方面分析了人工智能發展水平對制造業就業的影響，在此基礎上探討了消費升級在人工智能發展水平與制造業就業之間的中介作用。主要結論如下：第一，人工智能的發展對制造業就業數量具有顯著的促進作用。現階段人工智能的應用并未對勞動力產生替代效應，人類技能在靈活性方面的突出優勢以及人工智能創造的新業態擴大了制造業的就業數量。第二，人工智能的發展提升了制造業的平均工資水平。人工智能的引入提高了勞動力的技能水平，增加了勞動價值，對制造業的平均工資產生積極影響。第三，消費升級在人工智能與制造業平均工資之間起著部分中介作用，在人工智能與制造業就業數量之間不存在中介作用。即人工智能對制造業平均工資的部分影響是通過促進消費升級實現的。人工智能的發展降低了與生產型消費相關的制造業行業規模，同時擴大了與發展型與享受型相關的制造業行業規模，進而提升制造業整體工資水平。

基于上述結論，提出以下對策建議：第一，加大人工智能技術研發力度，加快推進人工智能在制造業的應用步伐。一方面，要充分發揮人工智能的技術溢出效應，提高制造業的智能化水平，推動制造業由依靠人口紅利發展向智能紅利轉變。另一方面，要建立制造業智能化轉型的長效機制，推動人工智能賦能傳統制造業是一項長期過程，要避免短期政策將智能化轉型陷入盲目化和表面化發展。第二，完善促進消費的體制機制建設，充分發揮勞動力的消費主體地位，積極引導消費升級。人工智能的快速發展使得智能消費占比迅速提升，因此應充分釋放勞動力的智能消費潛力，引導消費升級成為經濟增長的新動能，實現制造業就業工資的穩步增長。