人工智能對出口產品質量促進的異質效應與影響路徑

唐青青 白東北 王玨

(1.西北大學經濟管理學院，陜西 西安 710127； 2.安徽財經大學經濟學院，安徽 蚌埠 233030)

一、問題提出

2017年12月，工業和信息化部印發《促進新一代人工智能產業發展三年行動計劃》，計劃提出以信息技術與制造技術深度融合為主線，以新一代人工智能技術的產業化和集成應用為重點，推進人工智能和制造業深度融合，加快制造強國和網絡強國建設。2020年，我國的外貿規模已達到4.6萬億美元，國際市場份額占14.7%，貨物與服務貿易總額躍居全球第一。但“貿易大國”不等于“貿易強國”，如何有效發揮工業智能化推動作用，成為實現我國高水平對外開放和經濟高質量發展的關鍵。基于此，本文著眼于探究人工智能與出口產品質量的關系，檢驗人工智能技術的微觀作用機制，為我國制定和實施國際貿易政策提供理論借鑒。

1956年，約翰·麥卡錫首次提到“人工智能”概念，目前對其標準定義尚未發布。較為普遍的理解是將利用計算機程序，通過“仿人”方式在復雜環境中學習、交流和推理等過程的技術稱之為人工智能[1]。歷次工業革命，從蒸汽到電力再到信息技術無不推動歷史變革，人工智能作為第四次工業革命通用推廣技術，亦成為世界經貿發展核心動力[2]，對一國經濟、就業和國際貿易等具有重大影響。現有研究對人工智能和經濟發展關系研究較多。事實上，由于人工智能技術本身就是對人類工作行為的模仿，其發展將使傳統勞動力和部分技能勞動力被機器替代[3]，而技能偏向型技術進步對勞動力市場影響具有分化作用[4]，人工智能替代中低技術勞動力的同時，將增加高技術勞動力工作時間，并創造全新工作崗位，最終優化勞動力市場結構[5]。擴展到產業層面，人工智能技術的廣泛滲透性、數據驅動性、系統智能化等特征促進傳統生產方式變革，同時催生新業態和新模式，推動產業轉型升級[2]。

現有人工智能和國際貿易關系文獻研究可歸總為以下三個方面。一是人工智能擴大國際貿易規模。早在2003年，Brynjolfsson等(2011)[6]基于美國企業數據，驗證了計算機化在短期和長期均促進生產率提升。Graetz等(2015)[7]則聚焦工業機器人領域，認為自動化技術提高了勞動生產率和全要素生產率。國內學者從不同層面出發，驗證了智能化對地區全要素生產率的促進效應[8]。因此，人工智能可通過提高企業生產率擴大一國貿易規模。此外，人工智能依托互聯網技術，具有智能數據收集、數據分析、數據整合和自動化存儲等功能，能夠降低出口營銷、物流和倉儲成本[9]，促使更多企業選擇出口，進而擴大貿易規模。二是人工智能影響國際貿易分工。首先，人工智能技術改變國際貿易分工格局。人工智能技術發展使機器和勞動力結合，出現機器替代勞動力的現象。Frey和Osborne(2017)[10]、David(2017)[11]運用概率分布模型預測未來20年，47%美國工人和55%日本工人將被自動化所取代。Acemoglu和Restrepo(2017)[12]進一步考慮自動化對勞動力市場均衡影響，運用IFR數據實證得出，每千人勞動力中增加一個機器，將導致就業率下降0.18%～0.34%。因此，人工智能將削弱勞動力比較優勢，對勞動密集型產業和出口導向型貿易模式造成威脅，影響國際貿易分工格局[9]。其次，人工智能技術影響國際貿易分工地位。智能化能夠實現地區全球價值鏈攀升[13]。劉斌和潘彤(2020)[14]利用工業機器人數據驗證了人工智能通過降低貿易成本、促進技術創新、優化資源配置提高一國行業全球價值鏈參與程度和分工地位。呂越等(2020)[15]則運用微觀數據，實證檢驗人工智能通過提高全要素生產率和降低生產成本增強企業全球價值鏈嵌入程度。三是人工智能變革國際貿易模式。隨著互聯網平臺、云計算、大數據、人工智能等新型技術在全球范圍擴展，商業模式呈扁平化特征，實現規模經濟和范圍經濟融合發展[16]。2018年中國首屆數字貿易論壇講解了以人工智能技術與數字認證技術，由多國聯合打造的跨境數字貿易服務平臺TEGGS系統。系統利用大數據技術，完成了與多個海關繁瑣程序的便捷轉譯與互聯互通的新突破，并采用國產CA認證技術、電子簽名技術與國產動態物碼技術結合，對人與物進行跨境全程全量跟蹤，節省傳統產業物流和時間成本的同時，保證了跨境貿易的安全性。因此，工業智能化發展促使跨境數字平臺的完善，構建包括企業、政府、個人等在內的虛擬市場，突破傳統貿易平臺中物理距離的限制，通過實時信息互聯互通實現買方和賣方的精準對接，大幅度減少貿易鏈條，降低搜尋成本和通訊成本，同時保證產品精準對接賣方市場。

綜上所述，國內外學者討論了人工智能對國際貿易規模、貿易分工和貿易模式的影響，具有較高理論價值和現實意義。然而，現有文獻缺乏對人工智能和貿易質量關系的討論。首先，近年來，我國對外貿易規模空前，但產品質量仍與發達國家相差甚遠，促進貿易高質量發展是現階段亟待攻克的難關。因此，工業智能化高速發展階段，探究人工智能對產品質量的影響和作用機制尤為關鍵。其次，在已有研究中缺乏人工智能對國際貿易異質效應的關注。新新貿易理論指出，生產率異質性企業對出口選擇、出口規模以及新工藝、新技術的接受、吸納和延展能力均存在差異。因此，人工智能技術對微觀企業出口貿易影響可能存在異質效應。最后，目前對于人工智能微觀機制的研究尚有待完善。基于上述文獻可知，人工智能與國際貿易規模和模式關系的研究多為理論推導和間接分析，與本文較為相近的文獻中，呂越等(2020)[15]實證檢驗人工智能對企業全球價值鏈分工地位的影響，提出降低企業成本和提高企業生產率的作用路徑，為本文研究提供了實證參考。

鑒于此，本文邊際貢獻如下：首先，通過構建微觀面板數據，實證檢驗人工智能對我國制造企業出口產品質量的影響，填補了人工智能和國際貿易質量研究空缺。其次，聚焦于企業生產率異質性，探究人工智能對制造企業出口產品質量升級的異質效應，深化工業智能化發展和微觀企業出口貿易關系研究。再次，通過理論推導和實證檢驗深入分析人工智能對出口產品質量升級的影響路徑，進一步完善工業智能化發展的微觀作用機理。最后，基于行業出口產品質量層面進行動態分解，考察人工智能技術影響行業出口產品質量的重要途徑，對人工智能技術影響效應進行擴展分析。

二、理論分析與假說

探討人工智能技術對出口產品質量的影響，首先需明確哪些因素會影響企業出口產品質量。現有文獻已從需求(市場需求、消費者偏好等)、供給(要素投入等)以及其他相關層面(政策、環境等)展開研究。結合本文研究對象，主要從供給層面探討人工智能對企業出口產品質量的影響效應和作用機理，即主要聚焦于要素投入和要素配置兩個方面。

企業生產過程中的要素投入包括技術、中間品、資本、勞動力等。技術創新對企業產品質量升級的貢獻毋庸置疑[17]。相應地，一國高資本密集度或技術密集度、中間品進口多元化和質量亦可顯著提高企業出口產品質量[18-20]。同時，勞動力投入同樣是生產環節不可缺少的要素之一，且勞動要素在要素投入結構中的比重不斷上升，甚至超過資本投入比重成為產品質量變動的重要原因[21]。勞動力成本和效率高低均直接影響產品質量變化。長期以來我國憑借勞動力成本比較優勢在國際貿易中取得飛速發展，且較低勞動力成本促使企業使用充足資金擴大生產規模，獲得收入效應，進而實現產品質量升級。同時，高生產率企業傾向于選擇出口高質量產品結論已得到驗證[22-23]。另一方面關于要素配置問題。要素得不到有效配置，企業生產過程中要素配置效率就會變得低下，從而抑制企業創新發展和技術升級。由于政府不當干預和市場發展不完全等因素，我國生產要素在經濟發展過程中存在顯著錯配現象。在要素錯配結構性效應討論中，整體要素錯配對勞動密集型和資本密集型產業出口貿易具有一定積極作用，資本錯配甚至有利于增強企業出口強度和出口概率[24]。然而，要素錯配雖然成就了中國出口貿易奇跡，企業生產效率卻顯著降低，造成我國出口產品“高量低質”的惡性后果[25]。

綜上，提高技術創新水平和資本密集度、降低企業成本、優化要素配置是企業出口產品質量升級的重要因素。

進一步，人工智能具體會如何影響企業出口產品質量呢？根據現有文獻，人工智能具有替代效用和創造效應。在“技能偏向性技術進步”理論假設中，人工智能被作為外生技術進步，先驗性認為其對低技能和受教育程度較低勞動力具有替代作用[26]。作用路徑主要表現為：隨著我國人口紅利的喪失，人工智能技術成本相比于勞動力成本逐漸具有比較優勢，企業就偏向于用人工智能技術替代部分勞動力崗位，特別是從事程序化工作的非技術型員工，因其工作內容具有重復性強、創造性和情感交互性弱等特征，極易被替代。Acemoglu和Restrepo(2018)[27]研究中就指出在部分任務制生產環節，機器人比人力更具比較優勢。因此，人工智能技術為雇主提供更大選擇空間，通過替代勞動力這一途徑顯著減少企業勞動力需求，進而降低企業成本。

人工智能技術同時具有創造效應，體現在以下兩個方面：一是智能化技術和技能勞動力之間存在互補性。人工智能技術雖能夠部分替代人力，但無法擁有人類特有的思維、創造力和情感交互能力。因此，在提高智能化環節生產效率的同時，增加了非智能化任務的勞動力需求，并提高非智能化任務對勞動力的要求。例如在服裝廠，智能化機器通過加快服裝包裝速度，縮短服裝制作時間，增加生產規模，最終提高企業總產出。同時，智能化使非技能型勞動力被替代率上升，激勵非技能型員工向技能型員工轉變，進而提高企業人力資本水平，優化要素配置，最終實現勞動和資本生產效率提升[28]。二是人工智能具有技術創新效應。作為第四次工業革命的核心引擎，人工智能是新一輪科技革命和產業變革的戰略性技術，具有強帶動性“頭雁”效應。首先，憑借大數據計算系統，人工智能可精確識別復雜系統工藝生產過程中存在的問題，為整個生產流程設計科學操作模式，實現生產模式的創新；其次，依托互聯網平臺，通過線上線下互動交流，人工智能可完善精準定制化產業鏈，增強企業市場競爭力，刺激企業生產多元化和技術升級；最后，人工智能技術可衍生新知識，或者將現有知識優化重組，實現企業產品升級[14]。

綜上分析，人工智能技術可通過替代效應減少企業勞動投入規模，降低企業生產成本。同時，人工智能可通過創造效應提高要素配置效率和企業技術創新水平。基于此，提出以下假設。

H1人工智能技術通過替代低端勞動力降低企業成本、優化要素配置和推動技術創新促進企業出口產品質量升級。

值得注意的是，隨著新新貿易理論的提出與完善，企業生產率異質性特征在微觀研究領域已達成共識，不同企業對出口規模、技術學習和應用、技術吸收和轉化等方面均具有顯著差異。基于此，本文從全要素生產率異質性角度討論人工智能技術對企業出口產品質量升級的異質效應就顯得尤為必要。首先，全要素生產率是“給定單位要素投入組合能夠獲得的產出”，受要素投入數量和質量、要素配置效率的影響，高全要素生產率企業本身就具有較高質量要素投入力度和要素配置效率[29]。那么相比之下，對于低生產率企業，人工智能技術替代低端勞動力降低企業成本和增強要素配置效率的作用強度可能就更加顯著。其次，高生產率企業具有更強的技術吸收和轉化能力，對新工藝、新發明和原有產品改進效率較高，能夠更大程度發揮人工智能技術的技術創新效應。而對于低生產率企業而言，一方面受“后發比較優勢”外貿發展特征影響，我國制造企業，特別是生產率較低的勞動比較優勢企業，對發達國家具有較強的技術依賴性，自主創新能力不足[30]；另一方面，人工智能引致知識和技術溢出，實現自主創新能力的提升需要較大投入和周期。雖然生產要素在長期內總可以實現在不同生產部門間自由流動，但受制度、環境和法律等影響，人工智能的技術創新效應并不能實現短期內的大規模爆發[31]。因此，作為新型技術，人工智能技術推動企業技術創新的作用效應可能僅在高生產率企業中顯著。綜上，提出以下假設。

H2人工智能對不同生產率制造企業出口產品質量的影響存在異質效應。

三、計量模型、變量測算和數據來源

(一)計量模型

借鑒已有文獻，構建如下計量模型

rqgt=β0+β1AIct+β2X+uc+ut+εgt

(1)

其中，g、t、c下標分別表示企業、年份和行業；被解釋變量rqgt為企業出口產品質量；核心解釋變量AIct為行業工業機器人密度；X代表企業層面、地區層面控制變量；uc、ut分別表示行業和年份固定效應；εgt為隨機擾動項。

(二)指標構建

1.出口產品質量測算

參考施炳展和邵文波(2014)[17]、Khandelwal(2010)[32]做法，基于海關數據庫中產品層面貿易數據，運用需求推斷法測算出口產品質量并進行標準化處理，實現跨期以及橫截面比較分析，得到企業層面出口產品質量測算公式，如下所示

(2)

rqgt代表對應樣本集合Ω的整體質量，即t年g企業出口產品質量，Ω代表企業出口產品集合。vgmt代表t年g企業m產品出口份額，rqualitygmt為t年g企業m產品質量的標準化指標。

2.人工智能指標測度

借鑒Acemoglu和Restrepo(2017)[12]測算方法，使用工業機器人密度作為人工智能的度量指標，具體測算方式為：運用工業機器人數量與行業層面每千名就業人員比值表示。具體操作中，本文將IRF數據與WOID2016社會經濟賬戶數據根據行業進行匹配，測算出工業機器人密度。

3.其他變量

企業全要素生產率(tfp)，采用LP半參數估計法測算全要素生產率，借鑒龔關和胡關亮(2013)[33]做法，對其中涉及的工業增加值(1)中國工業企業數據庫沒有統計2008、2009、2012和2013年工業增加值和工業中間投入，借鑒李揚等(2018)方法，運用收入法估計工業增加值：工業增加值=固定資產折舊+生產稅凈額+勞動力報酬+應交增值稅+營業盈余。再根據會計準則估計工業中間投入：工業中間投入=工業總產值-工業增加值+應交增值稅。其他缺失值應用插值法補足。、中間投入、從業人員和資本存量相關計算變量，采用工業品出廠價格指數、原材料、燃料和動力購進價格指數、消費者和固定資產投資價格指數并以2000年為基期對數據做平減處理。相關價格指數來自《中國統計年鑒》。企業規模(scale)，借鑒有關研究，采用企業固定資產凈值年平均余額取自然對數表示。企業年齡(age)，由企業所處年份減去企業開業年份加一取自然對數表示。政府補貼(sub)，以企業政府補貼額度與企業銷售額比值表示。企業融資約束(dlixi)，企業擁有利息支出，意味著具有外部融資，即外部融資約束較弱、融資能力較強，有利于出口產品質量升級[17]，取是否有利息支出虛擬變量控制融資約束。企業利潤(profit)，采用企業凈利潤和企業銷售額比值衡量[34]。省級控制變量選取地區財政規模(gov)、地區對外開放水平(open)、地區人均GDP(gdp)、地區金融水平(fis)，數據均源于各省級統計年鑒。

(三)數據說明

數據跨度為2005-2013年，涉及以下數據庫整合：《中國海關數據庫》主要用于出口產品質量測算，為了保證測算結果可信度，借鑒施炳展和邵文波(2014)[17]做法對海關數據進行處理；《中國工業企業數據庫》包涵國家統計局統計的所有國有企業和規模以上非國有企業樣本，借鑒Branet等(2012)[35]匹配處理方法，刪除不符合經濟計量常識和缺失值樣本，為本文提供企業年齡、企業規模等控制變量。人工智能指標計算來源于IRF公布的年份-國家-行業層面機器人數據，其中行業就業人員數據來源于WIOD2016社會經濟賬戶數據庫。借鑒余淼杰和袁東(2016)[36]的兩步法，運用企業名稱、企業郵編和電話號碼兩步匹配，取并集得到《中國海關數據庫》與《中國工業企業數據庫》匹配結果。并采用呂越等(2020)[15]手工匹配的方式，實現工業機器人數據和微觀數據的匹配。統計描述信息見表1。

表1 變量描述性統計

四、實證分析

(一)基準回歸

表2即為基準回歸結果。列(1)在控制行業和年份固定效應，并聚類到企業的情況下，核心解釋變量人工智能的估計系數在1%水平上顯著為正，表明人工智能促進制造企業出口產品質量升級。在此基礎上，加入企業和地區層面控制變量再次進行回歸檢驗，結果如表2列(2)所示，人工智能回歸系數依然顯著為正，進一步證實了本文結論。為了驗證人工智能對制造企業出口產品質量的異質性影響，本文以全要素生產率中位數為界對樣本進行分組回歸，如表2列(3)-(4)所示。人工智能回歸系數均顯著為正，比較來看，對低生產率制造企業出口產品質量的正向效應更大。另外，引入低全要素生產率企業虛擬變量和人工智能與低全要素生產率企業交互項進行估計，交互項回歸系數顯著為正，再次印證這一結論。

表2 基準估計結果

綜上實證結果，要提高制造企業出口產品質量，就需要大力發展智能化產業，積極推進人工智能技術與實體產業相結合，提高全行業企業人工智能技術水平，逐步實現生產過程智能化、自動化和高效化。且人工智能技術對制造企業出口產品質量升級存在異質效應，較低生產率企業更能發揮人工智能技術正向效應，工業智能化成為傳統制造企業提升國際競爭力的重要途徑。

(二)穩健性檢驗

1.內生性檢驗

為了避免可能存在的內生性問題。首先，選用鄰近地區行業人工智能技術的平均值，作為本地區行業人工智能技術的代理變量，使用兩階段最小二乘法(2sls)進行估計，結果如表3列(1)-(2)所示，以鄰近地區行業人工智能技術作為工具變量的核心解釋變量回歸系數顯著為正，且Kleibergen-Paap rk LM statistic、Kleibergen-Paap rk Wald F statistic顯示拒絕工具變量識別不足和弱工具變量假設，表示人工智能技術與所選工具變量具有較強相關性，回歸結果可信。其次，選擇人工智能滯后一期和滯后兩期變量作為工具變量進行2sls回歸，結果如表3列(3)-(6)所示。綜合表3回歸結果，除了回歸系數有一定變化之外，與基準回歸結果基本一致，證明了本文實證結果的可靠性。綜上，在考慮內生性問題后，本文的結論依然穩健，人工智能技術顯著提高制造企業出口產品質量，且對低生產率企業作用強度更大。

表3 內生性檢驗回歸結果

2.其他穩健性檢驗

(1)樣本選擇偏誤。考慮到人工智能技術應用會影響企業出口決策，僅使用出口企業樣本分析人工智能技術與制造企業出口產品質量關系會產生樣本選擇偏誤。對此，借鑒相關文獻處理方法，采用Heckman兩步法處理潛在的樣本選擇偏誤問題。具體做法如下：首先構建Probit出口決策模型，估計得出逆米爾斯比率(imr)；隨后將逆米爾斯比率引入人工智能和出口產品質量模型。模型設定如下

Pr(eigt)=μ(Zβ)

(3)

rqgt=β0+β1AIct+β2imr+β3X+β4l.rqgt+uc+ut+εcgt

(4)

其中，eigt為t年g企業是否選擇出口虛擬變量，若選擇出口取值為1，否則為0。l.rqgt表示滯后一期出口產品質量。Z表示影響企業出口決策的因素集合，假設模型(3)和(4)的隨機擾動項服從聯合正態分布，且相關系數為φ，當φ不等于0時，兩個模型相關，表明若忽略出口決策模型，出口產品質量模型估計結果會出現偏差。表4列(1)為Heckman兩步法第一階段估計結果，人工智能回歸系數顯著為正，表明人工智能技術提高能夠促進制造企業出口決策。列(2)為第二階段估計結果，imr回歸系數顯著為負，可知確實存在樣本選擇偏誤問題。逆米爾斯系數引入出口產品質量模型后，人工智能估計系數仍顯著為正，相比基準回歸結果，人工智能技術正向促進制造企業出口產品質量結論和異質效應并沒有改變。因此，修正樣本選擇偏誤問題后，本文結論依然穩健。

表4 穩健性檢驗回歸結果

(2)剔除加工貿易企業。加工貿易作為我國重要貿易方式，傾向于使用國外中間品投入生產，直接降低技術應用、技術升級積極性和對高素質人才的需求。因此，可能會錯估人工智能技術對出口產品質量的推動效用。借鑒錢瑛和何歡浪(2019)[37]做法，剔除加工貿易企業樣本對整體樣本進行修正。由表4列(3)-(4)可知，相比于基準回歸結果，整體變化幅度不大，核心結論仍然保持穩健。

(3)剔除臨時出口企業。低質量企業快速進入退出市場是影響我國出口產品質量提升效果不顯著的重要因素[38]，而人工智能技術應用引致的成本變化會導致低效率、低質量企業快速進入和退出市場。因此，臨時出口企業可能會影響到人工智能與制造企業出口產品質量關系。借鑒陳勇兵等(2012)[39]處理方法，剔除樣本期內企業出口年限不超過3年的樣本，回歸結果如表4列(5)-(6)所示，人工智能回歸系數仍為正，并通過了1%的顯著性水平檢驗。綜上，在剔除臨時出口企業樣本后，本文結論依然可靠。

(4)指標轉換。為避免測量誤差對估計結果產生影響，借鑒Auer和Chaney(2009)[40]、Manova和Zhang(2012)[41]的方法，利用單位價值法重新測算出口產品質量：一是產品價格與平均價格之差與價格標準差的比值rq_AC；二是產品價格與平均價格比值取自然對數rq_MZ。由表4實證結果可見，無論是rq_AC還是rq_MZ，人工智能技術均在1%水平上顯著為正，且核心解釋變量與低企業全要素生產率虛擬變量交互項顯著為正，說明替換變量后并沒有影響人工智能技術與制造企業產品質量的正向關系和異質效應。

(三)異質性分析

1.區分企業貿易方式

考慮到人工智能作用多表現在對低端勞動力的替代上，相比于一般貿易企業，人工智能對加工貿易企業作用強度可能更大。基于此，本文按照貿易方式不同將企業分為加工貿易企業和一般貿易企業，引入加工貿易企業虛擬變量(pte)、人工智能和加工貿易企業交互項(AI*pte)。回歸結果見表5，從列(1)可見，相對于一般貿易企業，人工智能技術對加工貿易企業產品質量的提升作用更大。由此可見，企業在通過提高智能化水平促進出口產品質量升級的過程中，人工智能對一般貿易企業提升作用有待進一步激發。

2.區分企業所有制

企業所有制差異會影響到人工智能技術與出口產品質量的關系嗎？依據Guariglia等(2011)[42]方式，以企業各類別資本占實收資本的比例，將企業分為外資企業和本土企業，并以外資企業為基準，引入本土企業虛擬變量(fot)、人工智能和本土企業交互項(AI*fot)，回歸結果如表5列(2)所示，相較于外資企業，本土制造企業更能夠發揮人工智能技術對出口產品質量正向作用。外資企業背靠母國技術，具有高質量中間品進口等多種渠道提高生產效率和產品質量，人工智能技術應用對其出口產品質量升級的推動作用有限。

3.區分技術異質性

行業技術水平差異，會使人工智能對產品質量促進作用具有異質性嗎？借鑒既有做法，在國民經濟行業二分位層面劃分高技術和中低技術企業(2)中低技術行業：食品、飲料及煙草業、紡織業、皮革及鞋類制造業、木材加工及其制品業、紙漿、紙制品及印刷出版業、其他制造業及回收加工業、石油加工、煉焦及核燃料加工業、橡膠及塑料制品業、非金屬礦物制品業、金屬冶煉及壓延加工業；高技術行業：化學原料及其制品業、機械制造業、電子及光學儀器制造業、交通運輸設備制造業。，引入中低技術企業虛擬變量(zdjs)、人工智能和中低技術企業交互項(AI*zdjs)。由表5列(3)可知，交互項回歸系數顯著為正，表示中低技術企業能從中獲得更大正向效應。結合前文人工智能技術創新效應分析，高技術企業應充分發揮智能化技術衍生作用，積極提高自身技術研發水平，為產品質量升級提供內生動力。

4.區分制度異質性

借鑒邵朝對等(2016)[43]文獻，依據經濟實力的不同，將企業分為東部地區和中西部地區企業，引入東部地區虛擬變量(east)、人工智能和東部地區交互項(AI*east)。回歸結果如表5列(4)所示，交互項系數顯著為負，表示相較于東部地區，人工智能對中西部地區制造企業產品質量促進作用更大。人工智能技術所帶來的勞動力規模減小、要素配置效率提高等作用更能夠使發展較緩慢的中西部地區取得更顯著成效。東部屬于我國經濟較發達地區，比較優勢產業多為技術密集型、資本密集型等制造業，自主研發創新成為東部地區產業升級主要途徑。

表5 異質性回歸結果

(四)機制檢驗

基于前文理論分析，人工智能會通過三個渠道影響制造企業出口產品質量升級，包括替代勞動要素投入、推動技術創新和優化要素配置，下文從這三個方面分別進行實證檢驗。

1.替代勞動要素投入的機制檢驗

前述異質性分析結果表明，人工智能對加工貿易制造企業出口產品質量促進作用更強，可能的原因在于人工智能對制造企業出口產品質量的影響很大程度通過替代低端勞動力來實現。因此，對低端勞動力依賴性較低的一般貿易制造企業不會受到更大影響。為了檢驗這一點，本文引入人工智能與企業員工人數交互項(AI*ldgm)，驗證人工智能是否通過替代勞動要素投入對出口產品質量產生影響。由表6回歸結果，交互項估計系數顯著為負，符合預期。同時，對不同生產率企業進行分組回歸，結果顯示人工智能替代1%企業員工，會使低生產率和高生產率企業出口產品質量分別提高0.015和0.011個單位。證明工業智能化發展，通過替代低端勞動力降低了企業生產成本進而促進出口產品質量升級，且這一作用途徑在低生產率企業效應更大。

表6 作用機制檢驗結果(1)

2.推動技術創新的機制檢驗

借鑒施炳展和邵文波(2014)[17]測算方式，以無形資產占總資產比重加一取對數衡量企業技術創新水平，引入人工智能與技術創新交互項(AI*yfxl)，驗證人工智能是否通過提高企業技術創新進而影響制造企業產品的質量提升。估計結果顯示，交互項回歸系數顯著為正，表明人工智能發展能夠推動制造企業技術創新水平提高，實現出口產品質量升級。進一步，由分組回歸結果可知人工智能通過提高企業技術創新水平顯著促進高生產率企業出口產品質量升級，對低生產率企業促進作用卻并不顯著。因此，工業智能化的知識溢出和技術溢出效應雖能夠刺激制造企業加強自主創新和研發，卻同時受到企業生產率限制，低生產率企業應在引進工業智能化、高效化等基礎上，進一步加強技術學習和人才引進，為出口產品質量提供持續升級動力。

3.優化要素配置的機制檢驗

基于前文理論分析，人工智能可優化企業生產要素配置。參考蒲阿麗和李平(2019)[44]的方法構建要素配置效率指標，具體計算公式為：企業從業人員年平均人數占工業總產值比重表示勞動要素配置效率；企業資本存量占工業總產值比重表示資本要素配置效率。在此基礎上，引入人工智能與企業勞動要素配置效率、資本要素配置效率交互項(AI*ldlpz、AI*zbpz)，其中表7列(1)-(3)為勞動要素配置效率回歸結果，列(4)-(6)為資本要素配置效率回歸結果。估計結果中，交互項回歸系數均顯著為正，由此證明人工智能技術應用通過優化要素配置提高制造企業出口產品質量升級。且對比分組回歸結果，人工智能對低生產率制造企業促進作用更明顯。

表7 作用機制檢驗結果(2)

綜上分析，人工智能替代勞動要素投入、推動企業技術創新和優化企業要素配置的作用機制得到驗證，且存在生產率異質效應。具體表現為低生產率制造企業更能夠發揮人工智能對低端勞動力的替代效應和要素配置的優化效應，高生產率企業對新工藝和新技術的吸收能力較強，更能夠發揮工業智能化對企業技術創新推動作用，最終實現出口產品質量升級。

五、擴展分析

上文研究了人工智能促進制造企業出口產品質量升級的微觀證據，而工業機器人數據結構屬于行業層面，為了保證研究的完整性和結論的穩健性，進一步研究人工智能技術對行業出口產品質量的影響。

借鑒已有研究，行業出口產品質量變動主要包括以下四個部分：一是企業內效應，假設在位企業市場份額不變，僅考慮企業自身出口產品質量變動，而引致的行業出口產品質量的變動。二是企業間效應，指其他因素不變，由企業市場份額變動引致的行業出口產品質量變動。三是進入企業效應，指由企業進入引致的行業出口產品質量變動。當新進入企業產品質量高于在位企業平均產品質量水平時，有利于行業出口產品質量升級。四是退出企業效應，指由企業退出引致的行業出口產品質量變動。企業由于生產效率較低等因素退出市場，有利于調整已有企業生產效率平均水平，促進行業出口產品質量升級。Griliches和Regev(1995)[45]研究中，企業間效應、進入企業效應和退出企業效應三項之和被稱為資源再配置效應。上述效應測算和估計需借助行業層面數據，因此，首先計算行業層面出口產品質量，公式如下

(5)

其中，j、t、g分別表示三位碼行業、年份和企業，?表示行業層面企業集合。Vgt為權重，由企業出口額占其所在行業出口總額比重表示。本文借鑒相關研究方法，動態分解行業層面出口產品質量。具體分解結果如下所示

(6)

基于式(6)，2005-2013年行業出口產品質量分解結果如表8所示。考察期內，企業間效應最大，效應值為0.02，貢獻率為65.69%，表明高出口產品質量制造企業往往占據較大市場份額，限資源向高生產效率和高出口產品質量存活企業轉移，資源利用率進一步提高的同時，存活企業間資源再配置效率提高，有效促進行業出口產品質量升級。其次是退出企業效應，對出口產品質量貢獻率為31.42%，低質量企業退出市場促進了地區行業出口產品質量升級。貢獻率第三位的為企業內效應，對出口產品質量貢獻率達32.14%，說明考察期內，在位企業自身出口產品質量顯著提高。進入企業效應值為負，可知新進入企業具有較低質量水平，不利于行業出口產品質量提升。進一步計算得出資源再配置效應貢獻率達到82.01%，無疑是行業出口產品質量核心提升路徑。

表8 地區-行業出口產品質量變動的分解結果

為了進一步檢驗人工智能技術影響行業出口產品質量的途徑，建立如下計量模型

Qjt=β0+β1sydjt+uj+ut+εjt

(7)

Qjt在不同模型中分別表示式(6)中各分解效應，以及由此加總得出的行業出口產品質量總變動效應和資源再配置效應。估計結果如表9所示，列(1)是總變動效應為因變量回歸結果，估計系數顯著為正，表明人工智能顯著促進行業出口產品質量升級。為了較全面揭示人工智能對各分解效應所引致的行業出口產品質量變動的影響，列(2)-(5)分別報告了企業內效應、企業間效應、進入企業效應和退出企業效應作為因變量的回歸結果，發現人工智能對企業內效應、企業間效應影響均顯著為正，其中對企業間效應的影響更大。說明人工智能技術顯著提高在位企業出口產品質量，相比之下，更是較大程度上促進了在位企業間資源流動，有效資源向高出口產品質量企業聚集，提高了資源利用率和配置效率，實現行業出口產品質量升級。另外，列(4)和列(5)回歸系數表明人工智能技術一定程度上降低出口企業市場進入門檻，促使新企業參與出口市場，且增加企業出口期限。一般來說，新進入企業具有較低生產效率，瀕臨退出企業亦逐步喪失市場競爭力，人工智能技術促使新進入企業增多的同時，又延緩在位企業退出期限，并不利于行業出口產品質量升級。進一步，列(6)報告資源再配置效應為因變量回歸結果，人工智能估計系數為正，且通過1%顯著性水平檢驗，表明人工智能技術通過提高企業間資源再配置效應正向促進行業出口產品質量升級。因此，相較于人工智能由進入企業和退出企業效應產生的負向影響，其通過企業間效應對行業出口產品質量積極影響更為顯著。綜上，資源再配置效應是人工智能促進行業出口產品質量升級的重要作用路徑。

表9 人工智能與行業出口產品質量變動

六、結論與政策建議

雙循環新發展格局背景下，如何尋找國內技術路徑促進我國經濟高質量發展顯得尤為重要。本文使用2005-2013年機器人數據、中國海關數據庫和中國工業企業數據庫深入研究人工智能技術對制造企業出口產品質量的影響。研究發現：首先，人工智能技術顯著促進制造企業出口產品質量升級。且相較于高全要素生產率企業，人工智能技術對低生產率企業的促進效應更加顯著。其次，作用機制檢驗可知，人工智能技術促進作用是通過替代低端勞動力降低企業成本、優化要素資源配置和推動企業技術創新實現的。其中，人工智能主要通過降低企業成本、優化要素配置提高低生產率企業出口產品質量，企業技術創新的機制效應并不顯著。再次，人工智能技術對加工貿易企業、本土企業、中低技術和中西部地區企業產品質量促進作用更加明顯。最后，將研究視角從微觀層面轉向行業中觀層面。資源再配置效應對行業出口產品質量貢獻率達到82.01%，是人工智能提高地區-行業出口產品質量的重要途徑。基于此，本文提出以下政策建議。

(1)以創新引領發展，必須高度重視工業智能化、自動化和高效化，為制造企業高質量發展提供新動能。2015年，國務院頒布《中國制造2025》中就提出“以推動智能制造為主攻方向”，2017以來，人工智能被連續寫入“兩會”政府工作報告。在全球人工智能高速發展浪潮中，我國在人工智能領域投資絕對值超過美國，取得矚目成就，然而相比之下，在制造業的投入明顯不足。據統計，2015年人工智能給中國各行業帶來的增速統計中，制造業排在第一位，但目前中國人工智能投資23.40%集中在商業及零售領域，18.30%在自動駕駛，制造業卻不到1%。制造業作為我國支柱產業，提升智能化水平對我國對外貿易和經濟高質量發展具有至關重要的意義。

(2)伴隨人口紅利縮減、國際競爭愈烈，以低成本勞動力獲得出口比較優勢的傳統制造企業陷入困境，人工智能成為新的突破口。二十一世紀以來，憑借勞動力和資源比較優勢，我國對外貿易規模大幅提升，然而隨著勞動力成本不斷上升，較低生產率制造企業失去對外貿易優勢，一度陷入困境。人工智能技術應用能夠實現生產線自動化，有效降低勞動要素投入規模，減少企業生產成本，同時調整要素投入結構，提高要素配置效率。并且高效化、精準化生產能夠大大提高企業生產效率和產品質量。因此，人工智能成為低生產率制造企業走出困境，提高國際競爭力的關鍵突破口。總之，工業智能化是我國克服制造業國際貿易困境、抵御其他發展中國家低成本勞動力比較優勢和發達國家再工業化浪潮沖擊的重要突破口。如何激發人工智能對制造業的改造和升級成為需要繼續思考的議題和方向。

(3)突破技術難關，實現“物理世界”和“數字世界”的高度融合，是制造企業提升國際競爭力的關鍵。習近平總書記在十九大報告中著重強調“將推動互聯網、大數據、人工智能和實體經濟深度融合”，然而目前人工智能與制造業的融合仍存在很大問題。其中的原因除了制造業本身存在的數據采集流程長、系統通用性低和復合型人才缺乏等問題外，最關鍵難題在于核心技術掌握和企業自主研發不足。一方面，目前中國在高新技術領域諸如高性能晶體、半導體等人工智能技術核心零部件仍依賴于進口，在國際競爭中高端制造業處于劣勢；另一方面，我國制造企業對國外中間品等存在技術依賴性，自主技術創新不足。因此提升人工智能技術和制造企業自主研發投入力度，培養高端復合型人才，解決人工智能發展和應用的技術性難題至關重要。