智能制造、產業集聚與勞動力錯配

沈 洋，張秀武

（華僑大學數量經濟研究院，福建廈門 361021）

一、引言

改革開放以來，我國經濟發展取得了前所未有的成就，經濟總量躍居世界第二位。但由于產業政策、市場勢力和制度障礙等“經濟楔子”影響，國內要素市場的市場化道阻且長，尤其是勞動力市場摩擦系數居高不下，勞動力自由流動受阻，存在利用效率低下和錯配的情況[1]。全要素生產率是國家收入差距、市場提質增效和產業結構質量的重要反映。要素市場錯配不僅深刻影響著一國經濟增長質量，還對提高全要素生產率構成嚴重威脅[2]。在以往粗放型經濟發展模式影響下，我國對生產要素的使用和積累仍處于國際價值鏈體系中低端，產業結構僵化，難以擺脫資源鎖定效應[3]。在經濟發展方式轉為經濟高質量發展階段，如何解決經濟結構性和體制性問題一直是困擾著政策界和學術界的現實難題。黨的十九屆五中全會著重強調，要全面深化改革，推動有效市場和有為政府更好結合，促使要素市場化配置改革取得重大進展。目前我國勞動力要素錯配現象普遍存在，大部分勞動力和人力資本配置相較于最優經濟運行狀態存在不同程度的偏離，甚至還有一部分行業產生了嚴重的勞動力錯配現象，不利于經濟穩定增長[4]。在分工化的社會體系中，就業是最大的民生，讓經濟增長與高校畢業生專業對口、人盡其用和轉移勞動力及時再就業是國家治理體系現代化的重要反映。為此，應進一步暢通生產要素在全社會各部門自由流動的制度通道，切實提高勞動力自由配置效率和人民就業質量。

回顧歷史，每一次技術革命往往都伴隨著人們對“機器換人”的擔憂和恐懼，甚至大多數人把自動化技術視為技術性失業的根源，存在“盧德式恐懼”①心理。歷史經驗表明，先進技術確實毀滅了許多工作，但同時又創造了許多新工作崗位來彌補那些被其摧毀的工作崗位，帶來了更加細化的勞動分工，極大縮短了單項任務的完成時間。在政策引領和以數字技術為代表的第四次工業革命推動下，我國傳統制造業正加速與現代信息技術融合，新產品、新技術和新模式不斷涌現，以中性技術進步為特征的數字經濟正深刻影響著我國勞動力供需版圖[5]。雖受新冠肺炎疫情全球大流行、國際貿易結構失衡導致的國際摩擦加劇和美國“制造業回流”“東南亞遷移”等國際局勢影響，中國制造業數字化水平仍在不斷上升。工業和信息化部數據顯示，截至2021年12月底，我國企業數字化研發設計工具普及率和關鍵工序數控化率分別達74.7%和55.3%，培育較大型工業互聯網平臺超過150家，在建“5G+工業互聯網”項目超2 000個，開展網絡化協同和服務型制造的企業比例分別達到了38.8%和29.6%[6]。這都為企業數字化轉型提供了良好的基礎環境，推動著中國制造邁向中國智造?？梢园l現，智能制造可以舒緩工廠停產減量的負效應，數字孿生系統能夠優化工藝流程，工業互聯網助推企業形態的變革，現代數字技術正每時每刻影響著當今的生產和生活方式，并逐漸成為推動國民經濟可持續發展的新動能。自2017年數字經濟首次被列入政府文件以來，數字產業化、產業數字化齊頭并進，社會各行業數字化蝶變速度加快[7]。機械化、流程化、格式化的傳統生產流程正轉向大數據化與智能化的生產創新協同發展演化，勞動者在生產中的地位不斷發生變化，勞動異化和分工精細化正催化著勞動力市場加速流動和層級跳躍。因此，揭示智能制造影響勞動力錯配的一般規律，回答智能制造對勞動力要素市場化配置究竟是福利還是災禍，厘清智能制造推動勞動力優化配置的內在機制，對深入挖掘數字技術賦能經濟高質量發展的潛力、扭轉要素錯配有重要啟示意義。

二、文獻綜述

資源配置一直是經濟學研究的熱點話題。自謝長廷和克萊諾（Hsieh&Klenow）[8]構建了要素錯配影響全要素生產率的理論分析框架，并估算了中國勞動力錯配和資本錯配程度以來，眾多學者在此框架內圍繞著勞動力錯配做了大量探討，并取得了豐碩成果?？偨Y現有文獻，與本文主題相關的文獻大致可以分為以下兩個方面：一是把重點放在不同層面或不同維度的資源錯配程度的測算上，將資本錯配和勞動力錯配綜合起來探討。袁志剛等[9]估算了農業部門就業比重過大時對資源錯配的影響效應，認為部門間的工資差異是引致勞動力錯配無法提高全要素生產率的主要原因。郎昆等[10]在經典資源錯配模型的基礎上提出了分組方差解決法，對企業所有制、企業規模和城市層次等6個主要扭曲源進行分解測算，認為近二十年我國資源錯配的來源發生了結構性轉變，傳統企業所有制和企業規模等因素造成的資源錯配情況得到緩解，但區域發展不平衡、企業融資約束和政府干預仍是要素錯配的主要來源。李欣澤等[11]的研究表明，我國資源錯配程度呈現出先下降后上升的U 型走勢，尤其是2008年政府四萬億元刺激計劃實施后錯配程度明顯上升，認為若制造業企業的資源配置達到最優，我國總體經濟效率會提升1.1 倍。張慧慧等[12]認為，2004—2013年我國資本配置效率不斷惡化，而勞動力配置則持續優化。二是圍繞著勞動力錯配的影響因素及其應對策略。一個不爭的事實是，當前我國勞動力配置仍面臨著嚴重的結構性失衡問題。盡管通過戶籍制度改革、推進農業轉移人口市民化和平衡經濟差距等方式引導勞動力合理配置，但影響勞動力配置最關鍵的因素——工資水平和房價還有待深入探討[13]。誠然，緩解勞動力錯配的途徑有很多，已有文獻從貿易自由化[14-15]、企業所有制改革[16]、經濟集聚[17-18]和區域一體化[19]等角度對勞動力錯配的完善進行了探討。

技術進步的社會效應有其獨特的時代烙印和階段特征，人們對其發展脈絡和內在機理的認識也會產生偏差。盡管現階段我國經濟正經歷數字革命，但由于新一代信息技術仍處于發展階段，數字技術、人工智能在生活層面的應用還有待深挖，因而探究智能制造如何影響勞動力配置的研究還比較少。與本文主題相似的文獻主要從互聯網[20-21]、數字金融[22]和數字經濟等[23-24]角度對勞動力錯配的影響進行了研究。

綜上，已有文獻從互聯網或通信技術發展的角度探究了信息化對勞動力錯配的影響，深化了對此問題的認識。智能制造是一系列自動化和信息化概念的總和，是現代化數字技術物化于機器的具體反映，人工智能和工業互聯網技術均屬于智能制造領域范疇。相較于互聯網和通信技術，智能制造更強調制造業領域的技術和機器融合，突出工業機器人替代人類勞動，由此重構勞動力市場。但總的來看，直接探討智能制造或人工智能技術對勞動力配置的研究很少，將智能制造和產業集聚聯合起來的文獻更少。因此，本文構建了智能制造—產業集聚—勞動力錯配的分析框架，在此基礎上將產業集聚分解為多樣化集聚、專業化集聚和產業協同集聚，所得結論有助于對智能制造、產業集聚影響勞動力配置的再認識。

三、機制分析與研究假設

（一）智能制造的直接效應

人工智能、智能制造作為新一代通用的信息技術，天然攜帶著一般信息通信技術所具備的滲透性、替代性和協同性等經濟技術特征，不經意間已滲入到生產生活的方方面面，并悄然改變著經濟社會組織運行模式[25-26]。作為人類勞動的延伸和替代，物化于機器設備的智能制造在緩解人口老齡化和提升全要素生產率等方面具有很大潛力。歷史上每一次新技術變革不僅提高了生產能力和效率，更系統性改變了社會分工體系和勞動雇傭關系。一般而言，數字技術通過破壞效應、補償效應和創新效應影響勞動力配置。從短期看，智能制造在生產領域大規模使用，客觀上提高了資本有機構成，放大了資本要素的產出貢獻，間接促使勞動密集型企業向資本密集型轉型，實現產業轉型升級，但同時也意味著智能制造擠占了勞動要素投入份額。智能制造釋放的巨大生產力縮短了單個任務的工作時間，部分常規性、重復性工作崗位被取代。例如寶潔公司在業務流程、商業模式和企業文化方面所開啟的數字化轉型，將與系統割裂的流程搬到線上，實現了系統整合與全部業務的數字化打通，用機器人自動決策代替傳統“人+Excel”共同決策方式，通過大數據算法快速組合不同策略并尋求最優解，不僅節省了高度復雜性流程的成本費用，還提高了決策效率。同時，智能制造對就業的破壞效應在一定程度上迫使勞動者提高勞動技能和注重人力資本積累，無形中改變了勞動者的工作內容和生產效率。從長期看，智能制造又能通過新的生產任務創造就業崗位，發揮創造效應。隨著數字經濟的縱深發展，以往被數字化技術和自動化技術替代的勞動者可以通過靈活化和平臺化實現再就業，進而重構勞動力配置版圖[22]。數字經濟所衍生的新業務流程在改變和補充原有商業模式的同時，還開發出新商業模式，例如出現了平臺經濟和共享經濟。部分被智能化技術替代的勞動者既可以通過新生產任務或人機協同崗位實現再就業，還可以通過向外包配送等新興生產性服務業轉移再就業。因此，經過數字技術洗禮和“技術性失業”的陣痛，以往傳統意義上的廉價勞動力將逐漸轉變為人力資本含量更高的高質量勞動力，并且在新任務組合框架內實現勞動力再配置，這有助于緩解勞動力錯配。因此，本文提出以下假設：

H1：智能制造有助于緩解勞動力錯配。

（二）多樣化和專業化集聚的中介效應

馬歇爾（Marshall）[27]和雅各布斯（Jacobs）[28]的觀點表明，無論是專業化集聚還是多樣化集聚，都可能影響生產要素在微觀企業層面的配置效率，從而影響宏觀經濟運行效率。理論研究表明，專業化集聚和多樣化集聚都能在更高層次上形成投入要素的蓄水池效應，對外部經濟帶來馬歇爾外部效應和雅各布斯外部效應：專業化集聚能推動生產要素流入高效企業，多樣化集聚有助于消除產業間信息隔閡，實現資本和勞動力在產業間的自由配置[29-30]。在產業數字化和數字產業化進程中，以人工智能和智能制造為代表的數字技術，不僅可以通過替代效應取締和淘汰傳統高耗能、低效率生產部門，還能通過賦能效應為傳統產業和新興中小型企業賦能，進而催生新產業、新業態和新模式，為要素自由流動和優化配置開辟新道路[31]。依據勞動分工理論，研發設計、法務咨詢和通信工程等知識密集型服務業的高速發展與空間集聚極大降低了企業服務鏈間的相對成本。出于降低交易成本、提高產出效率和保持核心競爭力等綜合因素的考量，部分企業會將以往由內部提供但又處于相對劣勢的中間生產打包給第三方，通過垂直分解的方式實現服務投入向外購的轉變[32]?，F實中，城市是經濟的物質載體，但隨著城市規模的不斷擴大，城市中通勤成本、住房成本等非貿易因素引致的擁擠成本便會顯現。也正是因為城市規模是動態拓展的，新技術變革導致的時空距離壓縮使得新經濟地理模型中鐘狀曲線的出現成為可能，即隨著貿易成本進一步下降，生產活動呈現出先集聚、后分散到再集聚的過程。艾倫·J.斯科特[33]在《浮現的世界》中提到，隨著新技術進一步發展，全球經濟地理形態由原來簡單的核心—邊緣格局轉化為全新的馬賽克形態，在核心都市區外圍和資本主義體系外圍區域存在著相對繁榮的島嶼。綜上，產業集聚產生的勞動力共享、信息充分和規模經濟能優化勞動力資源配置，而智能制造又能推動知識密集型高新技術集聚和相關生產性服務業發展。本文據此提出以下假設：

H2：智能制造通過推動產業專業化集聚緩解勞動力錯配。

H3：智能制造通過推動產業多樣化集聚緩解勞動力錯配。

（三）產業協同集聚的中介效應

正如雅各布斯[28]所強調的，多樣化集聚對經濟產生正外部性的前置條件是知識能夠在不同產業間形成外溢效應，即產業間需存在較強關聯性和協同性。大數據、物聯網和邊緣計算等新一代信息技術是催生制造業與服務業深度融合的紐帶和黏稠劑。隨著人工智能相關理論和技術日益成熟，深度學習、語音識別和圖形感知等數字技術加速向各個行業滲透，逐步淡化甚至消除行業壁壘和行業屬性，使不同類型的企業組成共同體，“跨界融合”成為組織新常態[34]。制造業與服務業協同發展和深度融合是智能制造的重要內容，服務要素外溢至生產制造各環節中形成了生產性服務業，促使制造業服務化[35]。交通運輸、信息傳輸和金融服務在不同生產工序上筑牢經濟技術聯系，強化著服務業與制造業在空間維度的橫向連接；物聯網、大數據和云服務等產品與市場信息及時交互傳導，加深了兩者在時間維度的縱向連接。產業融合促使制造業部門跳出單一的加工組裝任務框架，單項業務向多業務綜合集成轉化，單一競爭向協同競爭轉變，單一產品供給向一體化產品組合發展，最終實現產品價值鏈的延伸和全要素生產率的提高[36-37]。促進智能搬運機器人（AGV）、碼垛機器人等自動化設備的應用，用更先進的物聯網（IOT）技術提升勞動生產率，并輔之人工智能系統優化制程品控、物流調度和消費感知，使制造業與生產性服務業在生產流程和終端零售的聯系更為緊密，由此優化相關企業選址布局，帶來協同集聚的正外部性。本文據此提出以下假設：

H4：智能制造可以推動制造業與生產性服務業協同集聚，從而緩解勞動力錯配。

四、研究設計

（一）變量選取

1.被解釋變量

勞動力錯配（Lab）。資源錯配是相對資源配置有效而言的，反映的是因要素市場扭曲使資源配置偏離帕累托最優狀態。勞動力錯配是指因信息不充分、所有制歧視、市場不完善等因素使資源流動受阻，甚至出現高回報率的生產要素流向低回報率企業的一種狀態，此時資源配置偏離帕累托最優，勞動力生產要素不能充分實現自身價值?？紤]到要素價格會影響資源配置情況，因而延續要素價格扭曲思想，參照青木（Aoki）[38]和陳永偉等[39]的研究思路，假定勞動力錯配以從價稅τLi的形式存在。首先定義要素價格絕對扭曲系數，以刻畫各地區間要素配置不存在相對扭曲時的情況。因要素價格絕對扭曲所引致的成本加成情況為：

其中，τLi為勞動力錯配指數，γLi為勞動力要素價格絕對扭曲系數，表示資源不存在相對扭曲時的加成情況。因要素價格絕對扭曲系數在實際測算過程中往往難以觀測，一般情形下采用要素相對扭曲系數進行代替。

其中，si=Yi/Y，表示i地區產出占國內總產出的份額；Li/L表示i地區使用的人力資本占全國人力資本總量的份額；，表示產出加權的人力資本貢獻值；si βLi/βL表示勞動力有效配置時i地區使用人力資本的最佳比例，反映了實際使用的人力資本總量與有效配置時的偏離度。

由式（1）和式（2）可知，測算勞動力錯配的關鍵步驟是求解勞動力產出系數βL值。對此，參照趙志耘等[40]的做法，采用索羅余值法進行測算。假定生產函數服從規模報酬不變的C-D 生產函數，即：

其中，Y為總產出，A為全要素生產率，K為物資資本投入，L為勞動力投入，θ為要素彈性。對式（3）兩端同時進行對數化處理，在模型中加入時間效應νt和個體效應λi，可得到：

其中，ε表示隨機擾動項，下標i和t分別表示省份和年份。產出變量Y選取各省份的實際GDP進行表征。物資資本投入選取各省份固定資產投資存量K進行表征，其計算公式為：Kt=It/Pt+(1-δt)Kt-1，固定資產投資額I使用固定資產投資價格指數Pt進行平滑，折舊率δ設定為9.6%。人力資本投入量選用中央財經大學中國人力資本研究中心所計算的勞動力資本存量作為代理變量?？紤]到各省份要素配置存在異質性，因而在實際計算過程中采用的是變系數估計模型。

2.核心解釋變量

智能制造（Rob）。有別于蒸汽時代的第一次機器革命，自動化、數字化和智能化已成為第二次機器革命最重要的特征標簽，技術進步已不再僅以提高人類勞動效果為方向，更多地呈現出對人類勞動的替代[41]。根據此定義，本文采用工業機器人安裝密度表征智能制造。國際機器人聯盟（IFR）從2006年開始提供較為詳細的分行業工業機器人安裝數量，但其公布的是國家層面的數據，省級工業機器人的安裝數量還未可知。對此，效仿王永欽等[42]和閆雪凌等[43]的研究思路，采用巴蒂克（Bartik）[44]工具變量法計算各省份工業機器人安裝數量。具體而言，根據中國勞動統計年鑒和中國工業統計年鑒等數據源提供的制造業二位碼行業就業數據，利用IFR所提供的全球分行業工業機器人數據中涉及的14 個制造業子行業，根據行業分類標準、屬性和名稱與我國31 個子行業進行匹配。其具體計算公式為：

其中，Robit表示i省份t年的機器人安裝密度，Ljit為i省份j行業t年的從業人員數量，Lit表示i省份t年就業人員總量，Robjt表示j行業t年的工業機器人安裝數量，Lit為j行業t年的從業人員總量；MRobt L2005為本文選取的工具變量，其中MRobt表示美國在年份t的工業機器人安裝數量，L2005表示2005年美國制造業從業人員數量。

3.中介變量

產業集聚。相同或不同類型的企業大量扎堆在一定空間范圍內，形成了產業集聚現象?？紤]到自動化和人工智能等技術對工業部門沖擊較大，而工業部門中技術含量較低的崗位更易受到沖擊。這部分被人工智能和工業機器人替換下來的工人，往往是從事常規性、重復性和規則性崗位的低端勞動力群體，其被替代后最易從事倉儲配送和零售服務等門檻較低的生產性服務業。同時，大量引進和安裝工業機器人又提高了部分行業的資本有機構成，使其更傾向于資本密集型和技術密集型。為此，本文在構造產業集聚指標時，主要包含了生產性服務業多樣化集聚、高新技術專業化集聚和制造業與生產性服務業協同集聚三個維度。

生產性服務業多樣化集聚（HHID）選用赫芬達爾指數的倒數衡量，其計算公式為：HHIDit=。其中，Eij表示i省份j行業t年的從業人員數量占i省份生產性服務業的比重，Ej表示生產性服務業j的從業人員數量占全國生產性服務業的比重。高新技術專業化集聚（PS）采用總體經濟活動的測度辦法，使用區位熵來衡量，其計算公式為：PS=(Sji/Xj)/(Si/X)。其中，Sji表示i省份j行業的就業人數，Xj表示全國j行業的就業人數，Si表示i省份的就業總人數，X表示全國就業總人數。高新技術專業化集聚選取信息傳輸、計算機服務和軟件業以及科學研究、技術服務和地質勘探業兩個行業進行表征。制造業和生產性服務業的協同集聚（SY）選用制造業專業化集聚與生產性服務業專業化集聚的協同度進行表征，計算方式為：SY=[1-|Ba-Bb|/(Ba+Bb)]+(Ba+Bb) 。 其中Ba、Bb分別表示制造業專業化集聚和生產性服務業專業化集聚。

4.控制變量

為盡可能地緩解遺漏重要變量引致的內生性問題，本文參考既有文獻，選取6個控制變量，分別是：人均國內生產總值（GDP），選用以2006年為基期的實際人均GDP 作為代理變量；外商直接投資（FDI），選用外商實際投資額進行表征；水資源（Water），選取人均水資源供應量作為代理變量；勞動力供給（P），選取人口自然增長率作為代理變量；工業化率（IR），選取第二產業產值占總產值的比重作為代理變量；宏觀調控（Gov），選取地方財政一般預算支出占國內生產總值的比重作為代理變量。

（二）模型構建

本研究的目的為驗證智能制造對勞動力錯配的影響，以及產業集聚在其傳導過程中發揮的中介效應。根據前述對各變量的選取和確定，首先構建智能制造影響勞動力錯配的計量模型：

其中，α表示待估參數；q表示控制變量的數量；Control表示信息集，包含所有控制變量。參照溫忠麟等[45]的思路，進一步構建智能制造、產業集聚和勞動力錯配的遞推方程式：

其中，Agg表示產業集聚，包括生產性服務業多樣化集聚、高新技術專業化集聚和制造業與生產性服務業協同集聚；β和φ均表示待估系數。式（6）至式（8）共同組成中介效應遞推方程組。式（6）表示核心解釋變量對被解釋變量的總效應c，其顯著是中介效應存在的基本前提；若c不顯著，則無必要展開后續的中介效應檢驗程序。式（8）表示分離產業集聚的間接效應后智能制造對勞動力錯配的直接效應c′；式（7）表示智能制造對產業集聚的直接影響，與式（8）中產業集聚的估計系數乘積共同構成間接效應，即β1×φ2=ab。在各變量都標準化的情況下一定存在c=c′+ab，即直接效應和間接效應之和等于總效應。在實際擬合過程中，為減緩異方差干擾，本文對部分數值較大的變量進行對數化處理。

（三）數據來源

遵循數據可得性和可比性原則，選取2006—2020年中國30 個?。ㄗ灾螀^、直轄市）的樣本數據（不含西藏和港澳臺）。工業機器人的數據來源于國際機器人聯盟，勞動力錯配、產業集聚和控制變量所涉及數據主要來自于中國統計年鑒、《中國人力資本報告2020》、中國工業統計年鑒、中國人口和就業統計年鑒和EPS 數據庫，2005年美國制造業從業人員數量數據來自于美國經濟分析局（U.S.Bureau of Economic Analysis），極少數缺失值采用線性插值法補齊。各變量的描述性統計見表1。

表1 變量描述性統計

五、實證分析

（一）基準回歸分析

考慮到計量模型的隨機擾動項很難滿足同方差、無自相關和無截面相關的經典假定，若忽視這三個問題，估計結果往往是有偏的。霍奇勒（Hoechle）[46]認為采用德里斯科爾·克雷（Driscoll Kraay，DK）標準誤可以同時解決異方差、序列相關和截面相關問題。因此，本文在基準回歸部分僅使用DK穩健標準誤的估計結果。表2反映的是智能制造影響勞動力錯配的估計結果。出于穩健性考慮，采用逐步代入控制變量的方式進行擬合。

由表2可知，在僅考慮智能制造對勞動力錯配影響下，智能制造的估計系數為-0.021，且在5%的水平上顯著。列（2）至列（7）是先后逐個加入控制變量直到列（7）將所有控制變量全部納入模型，智能制造的估計系數依然為負，且至少在5%的水平上顯著，僅估計系數的絕對值有所增加，表明智能制造緩解勞動力錯配的影響效應是顯著且穩定的，驗證了H1。伴隨著人工智能技術在各個領域、地區、行業和部門的滲透與擴散，新技術的發展顯著改善了國民就業和勞動力結構，不同程度的技能溢價日漸凸顯，人力資本需求逐漸由中低技能演化至高技能，非程序性崗位的勞動力需求不斷增加，原本任務性工作崗位的勞動力則會在更深層次勞動分工體系中創造勞動價值。可以明確的是，以工業機器人為代表的智能制造在替代原本由中低端勞動力執行的工作任務同時，釋放了巨大生產力，并以降低生產成本和擴大市場份額的方式增加了對其他勞動密集型產品的勞動力需求。新技術降低了提供靈活勞動力就業的交易成本，使非接觸經濟、零工經濟和協同眾包等勞動方式成為可能，推動了在更大范圍內的產業部門中實現勞動轉移和資源配置，有助于緩解勞動力錯配問題。

表2 基準回歸結果

（二）內生性討論

在基準回歸中，本文已盡可能地控制了勞動力錯配的影響因素，但遺漏重要變量和反向因果關系的內生性問題仍無法避免。從經濟現實來看，我國勞動年齡人口絕對規模從2014年起便進入下行通道，傳統意義上的人口紅利逐漸消失，沿海部分地區季節性用工荒常態化，大量企業招工困難。盡管部分企業一再放寬對勞動者的年齡限制并不斷提高勞動報酬，但效果卻不盡如人意，用工難、招工難仍是困擾勞動密集型企業持續發展的重要因素。用工短缺引致的勞動力成本急劇上升迫使企業尋求更可靠的替代方案——企業數字化轉型，智能制造提上日程。一個典型例子是，2014年東莞市政府積極施行“機器換人”戰略，先后出臺《東莞市推進企業“機器換人”行動計劃（2014—2016年）》和《東莞市“機器換人”專項資金管理辦法》等一系列政策措施，分階段、有計劃地打造智能制造全生態鏈。這些政策不僅降低了傳統制造業對勞動力的依賴，還促進了東莞制造業從“世界工廠”到“智造東莞”的華麗轉型。為消除反向因果內生性問題，本文采取以下兩種方式：

一是運用廣義空間兩階段最小二乘法（GS2SLS）。沿著沈洋等[47]的研究思路，采用智能制造與其空間滯后項作為工具變量，并基于兩階段最小二乘法（2SLS）估計空間面板模型。為更全面刻畫省份間的地理距離和經濟差距信息，空間權重矩陣采用各省份省會城市間的地理距離Wi1j和各省份2006—2020年平均GDP 差值的倒數Wi2j構建經濟地理嵌套矩陣Wi*j，計算公式為：Wi*j=0.5Wi1j+0.5Wi2j。

二是為智能制造選取特定的工具變量。在工具變量的選取方面，部分文獻選取的是智能制造的時間滯后項[48-49]，缺陷在于未考慮工業機器人對就業的時滯效應，盡管上一期的機器人安裝密度是既定的，但企業在當期員工招聘時會考慮已有機器人存量和機器人所帶來的經濟效益，影響當期企業對勞動力的需求量。還有部分學者選擇美國工業機器人安裝強度作為人工智能的工具變量[42]，但考慮到本文在構造工業機器人安裝密度時已經使用了該變量，且再次使用其他國家工業機器人安裝數量又可能與先前的工具變量產生內生關系。因此，本文選取2008年各地區火電上網電價（含脫硫）作為工具變量。工業機器人的安裝與使用離不開電力消耗，工業上網電價變動意味著企業自動化轉型過程中生產成本也會發生變動，影響企業是否采取“機器換人”措施?，F有文獻還未證實工業電價對勞動力錯配有直接影響，且2008年我國智能化生產還處于起步階段，對電力需求和電價的敏感性不高，因而該變量滿足外生性要求。2008年工業上網電價的數據來源于國家發展和改革委員會價格司。在實際估計過程中，為防止上網電價與勞動力錯配間不可觀測的內生關系對估計結果所產生的偏誤問題，本文同時采用了兩階段最小二乘法和近似外生（Plausibly Exogenous）工具變量法中的近似于零估計法（Local to Zero，LTZ）。

根據表3數據計算，兩階段最小二乘法的不可識別檢驗的似然比統計量為333.624，在1%顯著性水平下拒絕原假設，認為該工具變量不存在不可識別問題；弱工具變量檢驗的統計量為1 595.207，遠大于10%臨界值的16.38，認為不存在弱工具變量問題。結合2SLS、GS2SLS 和近似外生工具變量法的估計結果看，智能制造能夠緩解勞動力錯配的結論仍得到支持，系數絕對值有所增大，只是顯著性有所降低，但仍在可接受范圍內。

（三）穩健性檢驗

前述基準回歸結果證實了智能制造能顯著緩解勞動力錯配，為證實上述結果的穩健性，本文采取以下兩種方式進行驗證：一是替換被解釋變量。在勞動力錯配的投入產出評價體系中，人力資本投入選取的是各省份基于1985年勞動力實際資本存量，此處將其更換為勞動力實際投入數量，在從業人員數量的角度刻畫人力資本使用量。同時，將測度勞動力錯配的時間窗口拓展為2000—2020年，使重新測度的勞動力錯配指數與原指數最大程度地不同；最后取2006—2020年的數據。二是考慮時滯效應。工業機器人從引進、安裝、生產到規?；瘧檬且粋€循序漸進的過程，對就業重新配置的影響可能需要一段時間沉淀才能顯現。這里使用工業機器人安裝密度的滯后一期來作為式（6）中工業機器人安裝密度的代理變量，以檢驗工業機器人對勞動力配置的時滯效應。由表3可知，無論是更換被解釋變量還是使用解釋變量的滯后項，智能制造對勞動力錯配的估計系數始終為負，且顯著性未發生明顯變化，表明基準回歸模型中智能制造緩解勞動力錯配的結論是穩健可靠的。

表3 內生性處理與穩健性檢驗

六、影響機制檢驗

智能制造可以通過推動生產性服務業多樣化集聚、高新技術專業化集聚和產業協同集聚間接緩解勞動力錯配，以實現高質量就業。為驗證相關研究假設，這里從產業集聚的三個子維度出發，運用逐步回歸來驗證產業集聚在智能制造緩解勞動力錯配的傳導過程中發揮的作用，并在此基礎上識別哪種形式的集聚所發揮的中介效應最大。

由表4可知，智能制造對生產性服務業多樣化集聚、高新技術專業化集聚和產業協同集聚的估計系數分別為0.230、0.113 和0.131，且至少在5%的水平上顯著，表明智能制造能顯著推動產業集聚和產業協同，遞推方程式的直接效應成立。再從列（8）至列（10）的結果來看，智能制造和產業集聚的三個維度對勞動力錯配的估計系數至少在10%的水平上顯著，表明遞推方程式的間接效應成立。最后從ab與總效應c的符號可以發現，在任意一個中介渠道中，間接效應與總效應的符號均保持一致，即產業集聚的三個子維度均呈現出部分中介作用，驗證了研究假設H2、H3、H4。多樣化集聚、專業化集聚和產業協同集聚的中介效應占比分別為16.430%、23.250%和45.290%，即制造業與生產性服務業協同集聚是智能制造緩解勞動力錯配的主要中介路徑。新制度經濟學的交易成本理論指出，生產性服務業內化于制造業還是外化于獨立個體，取決于制造業內部組織成本和外部交易成本的博弈結果。勞動分工精細化帶來的一個結果是生產部門需要交換的產品數量和種類越來越多，由此產生各種交易成本。而生產性服務業的一個重要功能正是通過規模經濟、范圍經濟和分工經濟緩解相關企業交易成本，帶動勞動生產率提高[50]?，F階段，部分城市已呈現出制造業和服務業“雙輪驅動”的新發展模式。生產性服務業為親近客戶、節省交易成本以及提供“面對面”和“點對點”的個性化服務，其區位布局會圍繞著制造業企業展開，由此產生產業協同集聚。也正是在此情形下，制造業服務化、服務業制造化的新動態才能降低生產環節分散化和分工精細化引致的交易成本，并在此基礎上衍生更多的新部門、新產品和新業態，提高整體的資源配置效率。工業互聯網、人工智能技術和智能制造在生產性服務業和制造業協同集聚過程中正好發揮著催化劑作用。企業引進智能制造生產線，替代原有規則性、常規性和重復性的工作崗位，由此帶來更加高效的勞動生產力和規模經濟。規模經濟一方面提高了產出效率，另一方面又降低了制成品銷售價格，由此導致需求增加。這就產生兩個良性循環：消費者對最終品的需求引致廠商對生產性服務業的需求增加，同時被智能制造替代的勞動力由于職業慣性又會在服務業部門尋求與原工作崗位關聯性較高的工作。由此制造業與生產性服務業協同發展并緩解勞動力錯配。

表4 逐步回歸擬合結果

七、結論與啟示

（一）結論

隨著人工智能、邊緣計算和大數據分析的迅速發展，聯合數字技術和工業機器的智能制造代替人工執行生產任務的趨勢越來越明顯，這些新變化使得生產線上的生產方式和相應的勞動分工均發生了重組，由此降低了勞動力錯配程度。本文首先構建了智能制造—產業集聚—勞動力錯配的理論分析框架，從理論層面闡釋了智能制造緩解勞動力錯配的作用機理，以及在其傳導過程中不同形式的產業集聚所發揮的正向中介作用；然后基于2006—2020年30 個省份的面板數據，結合固定效應模型、中介效應模型實證檢驗了智能制造和產業集聚對勞動力的影響。研究表明，以工業機器人為表征的智能制造能顯著緩解勞動力錯配，且這一結論再經過內生性處理和穩健性檢驗后依然成立。產業集聚是智能制造緩解勞動力錯配的重要中介機制，高新技術專業化集聚、生產性服務業多樣化集聚和制造業與生產性服務業協同集聚在傳導過程中有顯著正向中介引導作用，且產業協同集聚的中介效應最大。產業集聚的勞動池效應、技術外部性和金錢外部性是關聯企業商貿聯系更加密切的增稠劑，信息壁壘弱化、交易成本下降和勞動力市場共享為勞動力自由流動鋪就了高速通道。同時，制造業服務化、服務業制造化協同發展緩解了生產部門因分工精細化和生產分化產生的交易成本，兩次良性循環推動了勞動力優化配置。在此傳導過程中，智能制造在產業集聚過程中發揮著催化劑作用，新技術革命壓縮時空距離并為產業集聚提供動力。

（二）啟示

新技術變革正深刻影響著經濟社會中每一個領域，已成為產業結構轉型升級和經濟高質量發展的新動能。在“中國制造2025”目標導向下，應極力避免“機器換人”“機器卷人”的情況，著重推動智能制造與高質量就業的良性循環，讓技術進步服務于國民對美好生活的向往。結合研究結論，可以獲取以下有益啟示：

第一，加大人工智能核心技術投資力度，以生產資料智能化緩解勞動力錯配。智能制造帶來的不僅是勞動生產效率的提升，還包括經濟新業態和新模式，在填補人類勞動空缺時衍生了新的就業崗位。智能芯片、高級機器學習、量子計算和算法模型等人工智能基礎層和技術層既是智能制造提高全員勞動生產率的物資保障，也是重構相關產業鏈的核心驅動力。因技術研發前期投入較大，因而關鍵核心技術研發需由政府牽頭組織，構建“政府+龍頭企業”“政府+科研院所”等多元市場參與形式。瞄準全球工業數字孿生系統和人工智能前沿核心技術，集中力量攻克大數據智能、虛擬現實技術、類人腦模擬等有望成為引領新一輪技術變革的前沿技術。前瞻性布局相關基礎性技術研究，堅持以人工智能創新鏈、價值鏈和產業鏈的需求為引領，積極探索各類型的人工智能基礎研究平臺和前沿交叉學科研發平臺，整合國內研究資源，積極引導各平臺間的資源共享、功能互補、協同研發和信息相通，力促機器人技術系統共性基礎技術研發。最后是積極完善人工智能技術創新環境，堅持科技成果有效轉化以服務經濟發展為導向，重點培育、孵化和扶持制造業各子行業關鍵技術創新，優化布局矩陣式多層次成果轉化服務，加快完善技術入股、技術授權、產權交易等產學研互補機制，適度超前推進5G、物聯網和工業互聯網等新基礎設施建設。

第二，推動教育培訓體系升級，以勞動力數字化改善勞動力錯配。智能制造作為新型生產要素滲入經濟活動，能促進產業變革和就業市場變革。智能制造在提高企業資本有機構成的同時，不僅對常規性、任務性和規則性勞動崗位有強替代性，同時又會增加非規則性、創造性和程式化技術性崗位的需求，因而勞動力市場仍存在供需矛盾和行業間轉換過慢的問題。把握變化性的能力是求職者在勞動力市場掌握主動權的關鍵，應明確數字時代急需人才，并以此為導向深化教育改革，鼓勵各類院校圍繞人工智能和大數據分析等新興市場需求增設相關專業，動態調整基礎研究和應用研究的協同關系，強化創新性、技術性和專業性技術人才培養。增強職業院校人才技能教育與培訓的時代性和實效性，完善專業化、定制化和細分化的職業教育培訓體系，注重培養智能制造中人機協作、人機互動的復合型人才。同時，應注重發揮城市承載、行業聚合、企業主體的推動作用，因地制宜推動校企形成“人工智能+”的精準布點教學模式，深入施行產學研協同發展體系。最后是完善終身教育培訓體系，通過職業技術學校、企業大學和人才交流等活動鼓勵企業員工參與職業技能培訓和文化知識學習。

第三，科學謀劃最優資源配置的產業集聚模式，以產業集聚支撐勞動力自由流動。產業集聚以其共享勞動力市場、技術外部性和金錢外部性強化關聯企業之間的商貿聯系和技術交流，推動要素從回報率低的部門流向回報率高的部門，實現勞動力優化配置。因產業集聚對資源配置的改善作用具有滯后效應和滾雪球效應，一旦產業集聚在空間上形成，經濟發展慣性將不可避免地影響資源配置。各地區應根據自身產業現狀和勞動力供需狀況，因地制宜引導有效產業集聚，鼓勵企業在集聚外部性驅使下自發形成產業集聚行為，并輔之以必要的宏觀調控，在做“加法”的同時又做“減法”，以產業結構優化升級減少低端甚至無效資源配置，以合理布局地區產業避免“扎堆式”低層次產業過度集聚引發的擁堵效應。在推動工業現代化發展的同時，還應注重制造業與生產性服務業的協同發展，充分發揮生產性服務業對國民經濟高質量發展的黏合、潤滑作用。在有限資源承載允許范圍內，不斷拓展產業集聚范圍，加強城市周邊基礎設施建設，豐富產業門類，保障高新技術產業健康發展，努力延伸產業價值鏈，加強地區產業集聚政策與其他民生政策耦合協調，形成重點突出、點面結合、統籌兼顧的產業集聚。依托馬賽克式城市群物質載體打造生產性服務業產業集群，致力于消除要素自由流動的體制障礙和市場壁壘，保障制造業和生產性服務業的良性互動，提升勞動要素在企業、行業和區域間自由流動的流暢性和可達性，由此緩解勞動力錯配。

注釋：

①工業革命初期，機器生產逐漸排斥手工勞動使大批手工業者破產，致使工人失業和工資下跌。英國工人為爭取改善勞動條件，在諾丁漢等地區組織起來從事機器破壞行動，以反對機器生產。因該運動由一名叫盧德（Ludd）的工人發起，所以被稱為“盧德運動”。盡管該運動最終以失敗告終，但反抗“機器傷害人”的思想卻被延續下來。此后，“盧德式恐懼”也逐漸演變為使用機器必然會減少對勞動力的需求、致使許多人對機器人時代的來臨充滿恐懼的代名詞。