工業機器人發展與制造業轉型升級

鄧仲良 屈小博

摘? ?要：實現制造強國目標必須加快推進制造業智能轉型。利用IFR國別數據總結了全球工業機器人應用的如下“卡爾多事實”：多數經濟發達國家的人口結構變動導致了“機器換人”;工業機器人應用加快了資本深化過程;主要國家推進工業機器人應用均基于本國的產業比較優勢，并將其主要應用于高技術制造業;重大技術突破主要依賴于行業內頭部企業的長期技術積累。對中國代表性工業機器人及智能制造企業的調查研究表明，工業機器人頭部企業的初始發展路徑都具有相似產業背景;當前中國工業機器人在一般制造業應用中存在過度推廣問題，在附加值較高的零部件制造業中應用程度相對不高。理論和調查研究都表明，推進工業機器人應用可通過提高生產效率和優化要素配置結構來促進制造業轉型升級，但其也會對資本、勞動力等要素市場產生交互影響。因此，相關產業政策制定應遵循全球工業機器人應用的典型化特征規律，因地制宜、分門別類地引導推進工業機器人更多地應用于高技術制造業，避免盲目實施“機器換人”。

關鍵詞：工業機器人;制造業發展;數字經濟

中圖分類號：F424? ?文獻標識碼：A? ?文章編號：1003-7543（2021）08-0025-13

以工業機器人應用來實現先進制造業跨越發展已成為全球共識。根據國際機器人聯盟（IFR）數據，世界工業機器人產業發展迅猛，2013—2019年全球工業機器人年均增速為16.7%，2019年全球工業機器人新增38.1萬臺，總存量已接近270萬臺。當前中國正在大規模推進工業機器人在制造業中的應用，2013年以來中國工業機器人安裝臺數已持續多年位居全球第一，2018年新增安裝和存量分別占全球的35.61%和25.35%，但制造業真實產值增加率并未與工業機器人應用同步正向增加。在這種情況下，有必要反思工業機器人促進制造業發展轉型的作用機制到底是什么。與國外相比，中國制造業發展和工業機器人應用的結合點有何共性規律或差異性？

迄今為止，學術界對上述問題還未有統一、明確的回應，主要原因包括：其一，當前新技術發展迅速，已有技術很快會被新的前沿技術替代，進而對生產組織產生顛覆性影響，這使得研究者難以及時準確識別何種新技術對制造業發展影響最大。其二，從產業體系演進歷程來看，中國與國外制造業的產業結構還存在較大差異，需要選取合適的共性技術應用來彌合國內外實際情況差異，而工業機器人應用則提供了這樣一個共同技術背景。工業機器人技術最初興盛于1990年前后，已在美國和歐洲等國的制造業中得到廣泛應用，盡管當前這些主要發達國家的制造業已逐步讓位于服務業，但其仍然在大力推進工業機器人應用。改革開放以來中國現代制造業體系日益完備，2013年后中國工業機器人進入大規模應用階段，但工業機器人和制造業深度融合的中國模式尚未形成，制造業經濟貢獻率2012年被服務業超過。針對上述兩種疑惑，本文將這些現實問題提煉為以下兩個問題：如何準確認識及有效促進工業機器人的應用？不同國家在推進工業機器人應用時有何共性規律？

當前中國正在加快形成新發展格局，創新驅動和擴大內需是關鍵影響因素，促進工業機器人等新技術在制造業中應用不僅有利于發揮科技創新作用，提升中國制造核心競爭力，實現全球產業價值鏈攀升，而且能夠有效應對人口老齡化和勞動力供給下降，進一步對沖“人口紅利”式微引發的潛在增長率失速，穩定制造業比重。與此同時，“機器換人”也對人口質量和勞動力技能水平提出了更高要求。

長期而言，技術應用對經濟增長的貢獻度在不斷發生變化。Kaldor從20世紀全球經濟發展中總結出六個“卡爾多事實”[1]，隨著經濟社會發展和技術水平不斷進步，新的卡爾多事實進一步得到了補充和完善[2]。從實際情況來看，以新技術應用來促進制造業轉型升級不僅是世界各國的普遍經驗，而且是實現經濟可持續增長的通用路徑。鑒于工業機器人在制造業中應用是研究中國和國外制造業升級問題的共同現實背景，在已有研究文獻和實際調研的基礎上，本文嘗試總結全球工業機器人領域的“卡爾多事實”，探討工業機器人應用如何影響中國制造業轉型升級。本文利用國別層面的IFR工業機器人數據和企業調研發現的共性問題來研究中國工業機器人在制造業中的應用情況，并將其與全球工業機器人應用的典型事實相比較，從而從理論和實踐層面獲得可供參考的政策啟示。

一、工業機器人應用的產業類別及研究方法

當前對工業機器人的概念界定已比較明確，IFR提供了1993年以來全球主要使用工業機器人的國家和地區的新增和存量數目，并以年度報告的形式每年跟蹤研究，這為本文研究工業機器人及其在制造業中的應用提供了詳實的基礎數據?；谶@樣的考慮，本文遵循IFR對工業機器人的定義，即工業機器人為“三個或多軸上可編程的、自動控制的、多功能機械手臂裝置”[3]。

（一）工業機器人應用的產業類別

根據IFR《2019年世界機器人報告：工業機器人》（World Robotics 2019： Industrial Robots），工業機器人應用的產業分類基本能夠與世界通行的標準行業劃分目錄對應。為進一步聚焦分析工業機器人在制造業中的應用趨勢，本文剔除了工業機器人在農林牧漁業（A-B）、采礦業（C）、電力燃氣和用水供給（E）、建筑業（F）、教育和研究（P）等產業內的應用數據。對制造業而言（IFR產業劃分代碼為D），工業機器人在制造業中應用的產業有食品和飲料制造業（10—12）、紡織業（13—15）、木制品及家具制造業（16）、造紙及出版印刷業（17—18）、塑料和化工制造業（19—22）、玻璃等礦物制品制造業（不含汽車零部件，23）、基本金屬制造業（24）、金屬制品制造業（非汽車，25）、電氣電子制造業（26—27）、工業機械制造業（28）、汽車制造業（29）等，產業類別劃分具體如表1（下頁）所示。

（二）研究方法

鑒于當前中國工業機器人的官方統計數據尚不完善，本文在研究方法上以文獻研究、IFR數據與實際調研情況相結合為主，即從實際調研中提煉問題，在文獻研究中梳理理論機制，再將IFR數據和實際調研情況進行比較分析。在研究數據基礎方面，本文整理了全球IFR總量及其分國別、分產業數據，將IFR數據匹配至6個主要應用工業機器人國家（中、美、德、法、韓、日），在此基礎上，再匹配以世界銀行發展指數WDI（World Bank Index）和OECD數據庫中產業結構、人口年齡結構等國別層面數據。調研對象主要選取國內工業機器人研發與生產企業和采用工業機器人生產的制造業企業，具體調查對象包括：徐州工程機械集團有限公司（簡稱徐工集團）、賽摩智能科技集團股份有限公司（簡稱賽摩）、南京埃斯頓機器人工程有限公司（簡稱埃斯頓）、珠海格力智能裝備有限公司（簡稱格力智能裝備）、珠海市運泰利自動化設備有限公司（簡稱運泰利）、珠海松下馬達有限公司（簡稱松下馬達），重點考察工業機器人企業的技術特征以及工業機器人在制造業中的應用情況。具體而言，針對工業機器人產業本身發展情況的調研，本文以埃斯頓、松下馬達等企業為主;對工業機器人在制造業中應用情況的調研，本文選取了徐工集團、賽摩、格力智能裝備、運泰利等制造業企業。

為全面地了解國內工業機器人產業及智能制造企業的發展方向和面臨的挑戰，本研究調研訪談人員主要針對中高層管理人員和工廠技術工人，這不僅可以提供管理層對工業機器人企業發展及應用方向的宏觀視野，而且能反映基層技術員工對工業機器人技術應用的細致思考。調研時間主要集中于2020年6—10月，具體調研形式為：一是實地企業調研。課題組提前對廣東和江蘇兩地的企業發放調查問卷和座談提綱，對企業基本信息、行業類型（四位碼行業）、員工總數、固定資產、營銷收入、生產成本、是否獲得政府補貼、推進“機器換人”起始時間及原因、使用工業機器人類型及相關成本投入等情況進行統計。二是面對面訪談。對企業管理層和基層技術骨干代表人員進行訪談，通常為調研企業介紹各自企業發展的基本情況，并對提綱問題進行回答，然后根據企業具體情況通過交互問答等方式來進一步了解工業機器人企業的生產決策、技術選取、新業務拓展等具體信息。三是調研情況總結和回訪。對每次調研結果都采取語音和文字記錄，并在調研后對調研問題及回答進行系統整理，若有疑問之處，再就具體問題向相關企業進行求證。

二、全球工業機器人應用的“卡爾多事實”

工業機器人在制造業中應用改變了產業中的要素結構，引起了增長中要素貢獻份額及配置效率的變化。2000年以來全球工業機器人產業發展逐步成熟，已呈現一些基本特征，本文結合已有研究文獻、IFR數據和實際調研情況總結了工業機器人產業及其應用的“卡爾多事實”①。

（一）人口變動是多數經濟發展水平較高國家推進工業機器人應用的主要原因

工業機器人應用的第一個“卡爾多事實”是，人口老齡化、勞動力與勞動力成本是影響工業機器人應用的核心因素。已有研究表明，人口老齡化、高人力資本市場需求是“機器換人”趨勢日益加快的主要原因[4]。Abeliansky & Prettner利用1993—2013年60個國家數據的研究表明，人口總量增加率提高1%，將會降低2%的機器人使用增量[5]。從“機器換人”效果來看，人口老齡化和低生育率等對經濟社會帶來的不利影響可以通過機器人替代來進行緩解[6-7]，即通過使用機器人替代傳統崗位，可以減少經濟體對勞動力投入的要求，從而補償人口老齡化引起勞動力供給不足對經濟增長的不利沖擊。

從主要應用工業機器人的國家來看，除日本外，中國、美國、德國、法國和韓國在制造業中應用工業機器人的規模與人口老齡化趨勢成正比：16～64歲勞動力結構越充裕，工業機器人應用規模越低，而65歲以上人口越多，工業機器人應用規模越大（見圖1）。對日本而言，這樣的規律似乎不明顯，這可能由于日本老齡化問題出現較早，而日本僅在部分產業大規模推進工業機器人應用。世界銀行發展指數（WDI）表明，1993年日本老齡化率為13.27%，2018年日本老齡化比重達27.58%，其工業機器人應用規模始終停留在30萬～35萬臺，增幅和存量臺數都變化不大（前提是IFR提供的日本相關數據完整且正確）②。從日本工業機器人應用產業來看，日本工業機器人在制造業中應用主要集中在汽車制造業（2018年121 264臺）、電氣電子制造業（109 361臺）、半導體/LCD/LED（85 973臺）、金屬制品制造業（37 813臺）等，而在其余產業應用比重較低，這表明日本僅在具有比較優勢的高技術產業上大規模使用工業機器人。從企業調研的實際情況來看，企業是否采取“機器換人”主要取決于機器人購置與維護成本、勞動力成本變化和產品的邊際利潤提升等因素。

從勞動力市場的相關研究來看，大量已有研究表明，“機器換人”具有就業替代和就業創造兩種效應[8]。工業機器人使用會引起勞動力市場產生兩種效應：替代效應和生產率效應。一方面，工業機器人的使用降低了勞動力需求和工資水平。已有研究表明，這種替代效應具有顯著的產業異質性[9]：在勞動密集型制造業推進“機器換人”可縮減用工成本，對規模較大、資本深化程度較高、研發力度較強的高技術制造業則是互補的正向效應，機器人對就業的替代效應僅在中等技術的標準常規化任務中顯著[10]。具體而言，就美國勞動力市場而言，推進機器人等智能技術應用會降低就業和工資水平，拉低近0.2%的就業比重，并造成就業工資下降0.42%[11]。外部健康沖擊也會降低面對面工作任務需求，新冠肺炎疫情的大流行降低了勞動力流動性，對密切接觸的勞動密集型制造業影響較大，導致其加快了“機器換人”。另一方面，工業機器人的使用提升了自動化技術應用的正向促進作用[5]，其還創造了生產過程中非自動化環節的勞動力需求，同時機器和人的交互需求增多還增加了“人機協作”的中間崗位需求[12]，而從工業機器人產業來看，機器人產業本身及上下游設計與研發、零部件制造、銷售和技術服務等環節也會創造新的就業崗位，因而機器人應用也具有勞動力創造效應。

（二）工業機器人產業的重大技術突破主要依賴于龍頭企業的長期技術積累

工業機器人產業鏈分為核心零部件制造、機器人本體制造和系統集成三個部分（見圖2）。其中，工業機器人的利潤關鍵點為產業上游的精密減速器、伺服電機及驅動、控制器等關鍵零部件制造，機器人本體制造業和產業下游系統集成屬于技術應用范疇。當前各國都提前布局全球工業機器人產業鏈中的核心環節，逐漸形成了各具特色的核心技術和創新模式，如日本川崎重工和發那科、德國庫卡等在機器人手臂、機器人末端結構和核心控制單元等方面擁有顯著優勢。我們在工業機器人制造企業調研中發現，工業機器人產業屬于技術壟斷高度集中行業，這種新技術的誕生及廣泛應用基于各國頭部企業的技術發展基礎，并與其長期技術積累和不斷創新研發投入密切相關。近年來，中國沈陽新松、南京埃斯頓、安徽埃夫特在機器人本體集成和控制單元方面進展迅速，徐工集團和三一重工更是將工業機器人、工程機械與大數據結合來打造工業互聯網產業。基于上述國別產業發展和企業調研情況，本文總結的工業機器人應用的第二個“卡爾多事實”是，本國工業機器人重大技術突破依賴于本國機器人行業內龍頭企業的長期投入和經驗積累。

（三）工業機器人應用本質上是資本深化的過程

就本質而言，工業機器人是一種特殊的自動化設備[4]。新技術的產業化應用將進一步降低勞動力需求，系統的自動化生產技術會加快資本形成過程。根據相關系列研究，本文總結的第三個“卡爾多事實”是，推進工業機器人應用將加快資本深化過程[5]。資本深化過程勢必面臨固定資產折舊問題，為比較不同國家工業機器人的使用情況，本文進一步界定了工業機器人折舊率計算方法，如式（1），

結果表明，2018年中國工業機器人名義年折舊率為1.15%，明顯低于世界平均標準（4.95%），也低于世界其他主要應用工業機器人的國家（如美國6.65%、德國和法國5.70%、韓國3.94%、日本11.56%）。從工業機器人應用規模來看，當前中國、美國、德國、法國、韓國和日本是主要使用工業機器人的國家，合計約占全球工業機器人市場的80%。全球工業機器人使用密度呈逐年上升趨勢，2018年工業機器人在制造業中應用的存量為2 068 185臺，其中，中國為524 273臺，占全球的25.35%。全球平均使用密度為99臺/萬員工，新加坡和韓國使用密度最高，分別為每萬名員工831臺和774臺。從中國制造業中工業機器人的應用來看，2010年以來中國制造業中工業機器人應用比重總體呈先上升而后下降的趨勢，2010年比重為82.32%，2015年比重增加至91.24%，其后每年逐年遞減，2018年制造業中工業機器人應用比重為79.40%。整體而言，中國工業機器人整體應用水平高于世界其他國家，2018年中國使用密度為140臺/萬員工，從資產折舊和維護的角度來看，這意味著工業機器人應用引起的資本深化將使得未來中國工業機器人維護成本進一步上升。

（四）工業機器人產業應用主要依賴于原有產業比較優勢

從各國工業機器人發展情況來看，工業機器人龍頭企業加大工業機器人研發投入的初始起點都依賴于原有企業發展路徑亦或相近的產業背景，即工業機器人發展及產業應用大多都立足于本國原有產業發展基礎，這是本文總結的工業機器人產業及其在制造業中應用的第四個“卡爾多事實”。相關研究表明，短期和長期的技術調整成本是不同的，長期技術調整成本較高，在相同產業背景下工業機器人企業轉換成本較低。我們在南京埃斯頓的調研發現，埃斯頓2000—2010年主要從事交流伺服電機，其為工業機器人的核心零部件制造領域之一。在相關領域的生產技術逐步成熟后，自2011年起埃斯頓開始進行工業機器人核心零部件研發。從不同國家的產業結構來看，中國紡織業具有比較優勢，根據工業機器人在紡織業的每年新增安裝量數據可以看出，中國每年新安裝工業機器人比重都遠高于其他國家，占全球紡織業工業機器人應用比重最大。2018年中國紡織業新增工業機器人全球份額為41.80%，而德國、日本、美國分別僅為16.40%、6.40%和3.80%，如圖3（a）所示。日本在電子元器件、半導體/LCD/LED、汽車制造等方面具有比較優勢，盡管2010年以來其比重逐步下降，但其在微電子制造等領域的工業機器人應用均明顯高于世界其他國家。以電子元器件制造為例，2018年日本電子元器件全球工業機器人存量比重為62.24%，而中國同時間范圍內呈現先上升后下降趨勢，同期中國僅占全球的16.20%，如圖3（b）所示。

（五）高技術產業是全球工業機器人應用的主要領域

從全球各產業中使用工業機器人情況來看，工業機器人主要應用于汽車制造、電氣電子、金屬制品等裝備制造業（見表3，下頁），其中汽車制造業安裝應用工業機器人比重約占全球的30%，汽車制造業中工業機器人應用份額主要集中于中國、日本、德國、美國和韓國，合計占全球的79%。工業機器人在傳統勞動密集型企業中應用較少，如食品和飲料制造業、紡織業，2010—2018年其使用比重基本保持不變，2018年食品和飲料制造業、紡織業中工業機器人存量分別占全球總存量的3.56%和0.13%，這表明全球工業機器人主要應用于高附加值產品的制造業，如汽車、電子元器件、半導體/LCD/LED等電子產品和零部件制造，這是工業機器人在制造業中應用的第五個“卡爾多事實”，即從全球工業機器人應用規律來看，工業機器人大多應用于高技術制造業，而非傳統勞動密集型產業。

三、工業機器人應用及其對中國制造業升級的影響

在認識全球工業機器人發展的“卡爾多事實”基礎上，本文進一步從理論上討論工業機器人如何促進制造業轉型升級，并對當前中國工業機器人產業及其在制造業中的應用情況進行比較分析。

（一）工業機器人促進制造業升級的理論機理

作為智能制造中主要應用的新技術之一，工業機器人應用優化了產業中資本K和勞動力L的要素配置結構。一般地，新技術進步總會改變生產活動的要素結構K/L，技術應用會降低勞動力投入[13]，工業機器人應用本質上仍是資本深化的過程[4]，這使得資本投入偏好進一步加劇[13]。同時，工業機器人使用對要素市場也會產生影響。相關研究表明，機器人等自動化技術應用會推高要素市場價格，尤其是勞動力就業工資水平[14]。只有當資本利率較低時，推進自動化技術應用才能降低生產成本[15]，并實現均衡可持續的增長[16]。工業機器人作為新技術引入，也會對人力資本水平產生影響[17]。工業機器人在制造業中的應用要求相關領域從業的勞動者具有較高的技能水平，因而其直接提高了勞動力市場的就業技能門檻，這也間接增加了制造業勞動力市場的人力資本需求。已有研究進一步表明，只有當機器人與人力資本相匹配時，工業機器人應用才能更好地促進勞動者的工資率和勞動生產率的增長[18]。

工業機器人應用提高了全要素生產率。除優化要素結構外，新知識產生的新技術應用是提高全要素生產率的重要途徑。新技術應用的經濟效應主要來源于知識創造對原有生產組織形式的改進，其首先誕生于知識創造和傳播，不同類型的知識對新技術正效應的作用機理具有差異。一般地，知識主要分為兩種類型，即顯性知識和隱性知識，前者也被稱為“編碼知識”，其可以通過文字、圖像等承載知識的外界媒體來進行獲取，如標準課本或者工具使用說明書等，具有非競爭性、公共品屬性[19];后者則主要指那些不能將知識進行編碼，只能通過面對面的“言傳身教”系統學習獲得的知識，因而其具有集聚效應，如跳舞、武術、維修、音樂、關鍵儀器和機械操作使用等專業技能傳授。工業機器人應用不僅需要“編碼知識”的系統傳遞，如工業機器人產業下游系統集成，亦或操作機器人進行生產的制造業工人，而且需要隱性知識的獨立性研發工作和技術交流，如核心零部件研發與制造、工業機器人生產配套技術等，但無論是上述哪種知識類型，知識傳播和應用都具有顯著的技術外部性。與僅影響價格的資金外部性不同，技術外部性可以不經過市場直接對生產函數產生影響，新技術產業應用將會產生“熊彼特創新理論”中的“創造性破壞”，即技術外部性不僅可以直接提高生產效率，而且可以進一步擴大原有要素結構下的生產函數邊界，即原產業或企業中要素結構的單位產出更高，相關實證研究也表明，高技術產業全要素生產率（TFP）增長的來源主要是技術創新[20]。

上述兩種作用機制的有效性與工業機器人生產及應用領域的市場環境緊密相關。從推進新技術應用來看，技術獲取和應用不會以同等程度滲透至所有產業領域，均衡的技術擴散僅在生產力較高的產業領域和產業關聯性較高的區域存在，如何促進新技術擴散及其產業應用是進一步發揮技術進步正外部性的關鍵。一般而言，在技術應用成熟時期，“熊彼特創新模式”和市場中企業家精神更為重要，由于信息對稱和競爭充分，微觀市場主體活力越高，新技術應用的正外部性越大。在新技術應用初期，技術市場往往呈現壟斷競爭狀態，具有壟斷寡頭特征，尤其是對以互聯網和機器人為代表的智能技術應用產業，采用新技術進行生產的大企業可能壟斷核心算法和關鍵零部件的專利技術，這使得中小企業日益成為技術壟斷寡頭的附庸。在這個階段，提高技術創新活力、提供及時獲取合適技術的機會、可持續的創新收益和知識累積渠道的“技術體制”和“產業創新體系”更加重要。

（二）中國工業機器人產業及其制造業應用特征

1.當前中國工業機器人產業發展面臨的挑戰

通過企業調研發現，中國工業機器人產業發展面臨一系列挑戰，具體表現為：進口國外機器人零部件及整機比重遠大于國產品牌，部分關鍵核心技術瓶頸亟待突破。

第一，國產自主品牌與國外進口替代將并存一段時間。國內市場對工業機器人的需求日益增加，國外工業機器人企業試圖采用降價的模式來擠壓國產機器人企業的生存空間。由于技術差距明顯而產品價格相近，國產工業機器人及其零部件產品受到較大挑戰，這反過來制約了國產機器人產業發展。2018年中國工業機器人新增臺數為15.4萬臺，占全球新增量的36.48%。盡管2014年以來國產自主品牌機器人市場占有率穩步提升，但總體占比還不足30%。近年來，國產品牌機器人銷量增速還在下降，已從2015年的30.9%降至2018年的16.2%。從使用種類來看，多關節機器人是進口品牌占比份額最大的機器人類型，2018年進口數量約占中國同類市場份額的69.5%。從應用類型來看，除涂層與膠封外，搬運與上下料、焊接、裝配與拆封、潔凈、加工的進口機器人占比都較大。從產業類別來看，僅電氣電子制造業的國產品牌市場份額（32.2%），大于國外進口份額（28.8%），其余產業的工業機器人以進口為主，以汽車制造業為例，純進口國外安裝機器人占比達30.5%。

第二，中國工業機器人的關鍵核心技術對外依賴性仍較高。當前產業附加值高的上游幾乎都被日本和德國企業壟斷，中國工業機器人產業正處于從下游集成應用向中上游零部件制造演進的上升過程。中國企業通常采取以下游的系統集成作為切入點來逐步開展上游的技術研發和產品開發，如南京埃斯頓、東莞拓斯達、武漢華中數控分別以機器人產業鏈下游的數控和集成一體化為主。以南京埃斯頓為例，其核心業務已由下游產品集成逐步向減速器、伺服和控制系統等核心部件國產化制造發展，具有多項自主研發的核心算法和關鍵零部件，中大力德、南通振康等企業更開始涉獵純零部件制造。

第三，核心零部件工作穩定性日益成為影響國內同類工業機器人產品質量的關鍵因素。近年來，盡管中國工業機器人硬件和國外差距逐步縮小，但自主研發的國產機器人操作系統、傳感技術、核心算法及其與機器人運行模塊及本體兼容性還存在一定差距，這日益成為制約國內機器人企業發展的瓶頸。我們在相關企業調研中發現，基礎科學在指導機器人產業發展時存在理論與實踐脫節的情況，被調查企業經常反映的問題是：當前教育培訓體系與工業實際需求還存在不匹配現象，高?？蒲谐晒c產業化應用存在部分脫節，材料加工工藝和技術經驗積累還不充分，這使得精密制造工藝水平、工作穩定性和耐久性與國際同類型機器人產品相比還存在一定差距。

2.中國工業機器人在制造業中的應用情況

當前中國在食品和飲料制造、紡織、汽車制造等領域工業機器人應用的市場份額已位居全球第一（見表4）。2018年，中國工業機器人在紡織業、木制品及家具制造業、塑料和化工制造業、金屬制品制造業、汽車制造業應用優勢明顯，其存量分別占全球相應產業的34.41%、21.28%、21.90%、30.62%、23.46%，這些產業大多也是當前中國具有比較優勢的產業，其引入工業機器人主要目的在于“代工”，提高生產效率和產品利潤。以汽車制造業為例，2018年中國汽車制造業使用工業機器人總存量為198 735臺，遠高于美國（128 414臺）、韓國（93 576臺）和日本（101 264臺）。盡管電氣電子制造業從2018年開始整體超過韓國和日本，但在附加值較高的電子元器件與半導體/LCD/LED等制造業細分行業的應用比重不高，且工業機器人應用規模遠低于韓國和日本。以2018年為例，中國在電子元器件產業中新增機器人1091臺，占全球新增臺數的16.20%，但遠低于美國和日本（2018年分別新增1965臺和6943臺）;半導體/LCD/LED制造業中新增機器人安裝臺數為5026臺，也遠低于韓國（12 898臺）。

由此可見，中國制造業整體的工業機器人應用規模很大，在一般制造業中存在產能過剩和過度推廣應用的趨勢，但在附加值較高的電子元器件及半導體/LCD/LED等零部件制造業中應用程度還不高，這意味著未來利用新技術來促進中國制造業轉型升級需要側重推進工業機器人在高技術制造業中的應用。另外，作為一種自動化技術，從資產折舊率來看，由于中國工業機器人安裝使用時間還不長，本文依據式（1）估算2018年中國制造業折舊率為0.90%，這進一步表明未來中國制造業機器人的維護和更新換代的潛在成本較高。

四、結論與政策建議

工業機器人應用是當前推動全球制造業發展變革的突出前沿方向。本文立足當前工業機器人產業的發展狀況和全球演變趨勢，對新技術如何促進制造業轉型升級進行了理論探討和調查研究。研究和調研結果都表明，新技術通過提高要素配置效率和擴大生產效率邊界兩種機制來促進制造業轉型升級。以工業機器人為例，新技術不僅改變了傳統制造業生產效率，而且還會對要素市場產生交互影響。從支撐政策來看，新技術引進和自主創新有機結合更有利于放大技術進步對制造業的正向促進作用。從全球工業機器人應用規律來看，本文總結了工業機器人在制造業應用的五個“卡爾多事實”，即人口變動將促使“機器換人”;作為高技術應用的工業機器人發展更依賴于龍頭企業的長期技術積累;工業機器人企業發展依賴于原產業發展路徑或相似產業背景;從全球范圍來看，工業機器人大多應用于高技術制造業，而在傳統勞動密集型產業中使用較少;推進工業機器人應用本質上促進了資本深化。

為發揮工業機器人在促進中國制造業高質量發展方面的作用，建議采取如下措施：

第一，準確認識工業機器人發展及應用規律，因地制宜、分門別類地引導推進機器人產業化應用。當前中國工業機器人主要應用于具有比較優勢的傳統制造業中，紡織業、食品和飲料制造等傳統行業的機器人存量位居世界第一，可預期的設備折舊將逐步提高，而在半導體/LCD/LED及零部件制造等高技術制造業中中國應用比重還不及韓國和日本。為此，應立足不同地區傳統制造業裝備技術升級需求，以不同地區的比較優勢為產業發展重點，開展工業機器人對傳統生產線或生產系統的技術改造，選擇關鍵環節進行重點突破，避免盲目推進“機器換人”。就機器人替代就業崗位而言，應積極引導在健康危害和危險作業環境、重復繁重勞動、智能采樣分析等關鍵崗位應用機器人。

第二，加快打造工業機器人產業的基礎生態，實現科技自立自強。當前中國主要集中在中下游產品集成，為此，應加快完善上游產業鏈，補齊芯片研發、操作系統、伺服電機等方面的基礎短板。鼓勵國產機器人核心零部件制造業發展，提升減速器、伺服電機、傳感器以及末端執行端的深度研發和制造能力。新技術更新換代速度很快，要準確把握智能化趨勢，繼續加強機器人基礎共性技術研發，提前布局前沿技術產業。加快制定企業經營數據安全保護標準，鼓勵工業流程改造和基礎數據共享。促進工業機器人、智能服務機器人和智能制造全產業鏈配套發展，引導一般生產向智能制造轉型，發揮互聯網和云計算優勢，繼續推動5G、大數據、AI與工業機器人的深度融合。

第三，構建不斷釋放工業機器人“生產率效應”的政策保障機制。整合工業機器人上下游領域的相關產業基金，進一步加大機器人芯片基礎研發的資金投入，提高稅收減免力度，有序引導國產工業機器人應用。中國工業機器人存量規模日益增大，需要盡快完善工業機器人領域的租賃市場，以滿足不同應用場景及對象的工業機器人應用需求，同時也要引導金融機構建立工業機器人抵押租賃的相關業務。勞動力技能水平是促進工業機器人生產率效應發揮的關鍵因素，在工業機器人專業技術人才培育方面，當前熟悉相關制造業背景和前沿技術的頂級專家人才還比較缺乏，應加快推進機器人專業人才學科體系建設，鼓勵高校、研究機構與企業聯合培養高級專業人才;發揮行業組織中介作用，銜接好理論研究和產業化應用，進一步暢通產學研技術價值轉換渠道。

參考文獻

[1]KALDOR N. Capital accumulation and economic growth， in F. A. Lutz and D. C. Hague， editors， The theory of capital[M]. New York： St. Martin's Press， 1961： 177-222.

[2]JONES C I， ROMER P M. The new Kaldor facts： ideas， institutions， population， and human capital[J]. American Economic Journal： Macroeconomics， 2010， 2（1）： 224-245.

[3]MüLLER C， KUTZBACH N. Wold robotics： industrial robots[Z]. IFR（International Federation of Robotics） Statistical Department， VDMA Services Gmb H， Frankfurt am Main， Germany， 2019.

[4]ACEMOGLU D， RESTREPO P. Artificial intelligence， automation， and work[Z]. NBER Working Paper No. 24196， 2018a.

[5]ABELIANSKY A， PRETTNER K. Automation and demographic change[Z]. Hohenheim Discussion Papers in Business， Economics and Social Sciences， No. 05-2017.

[6]AGHION P， JONES B F， JONES C I. Artificial intelligence and economic growth[Z]. NBER Working Paper No. 23928， 2017.

[7]陳秋霖，許多，周羿.人口老齡化背景下人工智能的勞動力替代效應——基于跨國面板數據和中國省級面板數據的分析[J].中國人口科學，2018（6）：30-42.

[8]屈小博.機器人和人工智能對就業的影響及趨勢[J].勞動經濟研究，2019（5）：133-143.

[9]孔高文，劉莎莎，孔東民.機器人與就業——基于行業與地區異質性的探索性分析[J].中國工業經濟，2020（8）：80-98.

[10] 閆雪凌，朱博楷，馬超.工業機器人使用與制造業就業：來自中國的證據[J].統計研究，2020（1）：74-87.

[11] ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from US labor markets[J]. Journal of Political Economy， 2020， 128（6）： 2188-2244.

[12] 韓民春，韓青江，夏蕾.工業機器人應用對制造業就業的影響——基于中國地級市數據的實證研究[J].改革，2020（3）：22-39.

[13] ZEIRA J. Workers， machines， and economic growth[J]. Quarterly Journal of Economics， 1998， 113（4）： 1091-1117.

[14] ACEMOGLU D， RESTREPO P. The race between machine and man： implications of technology for growth， factor shares and employment[J]. American Economic Review， 2018c， 108（6）： 1488-1542.

[15] ACEMOGLU D， GUERRIERI V. Capital deepening and nonbalanced economic growth[J]. Journal of Political Economy， 2008， 116（3）： 467-498.

[16] HEMOUS D， OLSEN M. The rise of the machines： automation， horizontal innovation and income inequality[Z]. CEPR Discussion Papers， No. 10244， 2014.

[17] ACEMOGLU D， RESTREPO P. Low-skill and high-skill automation[J]. Journal of Human Capital， 2018， 12（2）： 204-232.

[18] 余玲錚，魏下海，吳春秀.機器人對勞動收入份額的影響研究——來自企業調查的微觀證據[J].中國人口科學，2019（4）：114-125.

[19] ROMER P M. Endogenous technological change[J]. Journal of Political Economy， 1990， 98（5）： 71-102.

[20] 胡亞茹，陳丹丹.中國高技術產業的全要素生產率增長率分解——兼對“結構紅利假說”再檢驗[J].中國工業經濟，2019（2）：136-154.

The Development of Industrial Robot and Transformation and Upgrading of Manufacturing Industry

DENG Zhong-liang? ?QU Xiao-bo

Abstract： To achieve the goal of manufacturing power， the intelligent transformation of manufacturing industry should be accelerated. Based on IFR country data， this paper summarizes five "Kaldor typical facts" of global industrial robot application， that is， the demographic changes of most countries with high economic development level lead to "machine replacement"， the application of industrial robot increases the process of capital deepening， and the main countries promote the application of industrial robot based on their own industrial comparative advantages， And it is mainly used in high-tech manufacturing industry. Major technological breakthroughs mainly depend on the long-term technology accumulation of the leading enterprises in the industry. In this paper， the investigation of representative industrial robots and intelligent manufacturing enterprises in China further shows that the initial development path of industrial robot head enterprises has a similar industrial background. At present， there is the problem of over promotion of industrial robots in general manufacturing industry in China， and the degree of application in high value-added parts manufacturing industry is relatively low. Both theory and investigation show that promoting the application of industrial robots can promote the transformation and upgrading of manufacturing industry by improving production efficiency and optimizing the structure of factor allocation， but it will also have interactive effects on the capital， labor and other factor markets. Therefore， the relevant policy-making should follow the typical characteristics of the global industrial robot application， adjust measures to local conditions， and guide and promote China's industrial robots to be more used in high-tech manufacturing industry， so as to avoid the blind implementation of "machine replacement".

Key words： industrial robot; the development of manufacturing industry; digital economy