人工智能與中國制造業企業高質量發展

劉松竹 肖生鵬 梁運文

摘要：我國經濟已由數量規模的高速增長轉向高質量發展新階段，制造業企業高質量發展還面臨著諸多問題和發展瓶頸。基于2011—2019年滬深A股制造業上市公司與國際機器人聯合會（IFR）的匹配數據，考察人工智能應用對我國制造業企業高質量發展的影響效應及機制，可以發現人工智能應用對我國制造業企業高質量發展存在顯著且穩健的促進作用;異質性分析結果顯示，人工智能應用較大幅度地提升了國有企業、非沿海地區企業及高技術行業企業的高質量發展。政府應通過各種財政支持措施對機器人及人工智能技術的引進、應用及開發予以補貼及稅收優惠等，在加大機器人及人工智能等機器人技術應用力度的同時，要轉變技術創新模式，加強勞動者的職業技能培養和勞動者自身的技術吸收能力提升，充分發揮產學研之間相互合作的協同創新優勢;擴大中西部地區人工智能技術的應用領域和范圍，強化企業自主創新的能力，更大程度發揮其對地區社會經濟發展的促進作用。

關鍵詞：人工智能;制造業;企業高質量發展;技術創新;人力資本提升

基金項目：國家社會科學基金項目“‘一帶一路’沿線國家‘互聯網+’價值鏈連接機制與借勢途徑研究”（19BJL112）;湖南省社會科學成果評審委員會一般項目“疫情沖擊下基于產品空間理論的湖南制造業轉型升級路徑與對策研究”（XSP22YBZ099）

中圖分類號：F276? ? 文獻標識碼：A? ? 文章編號：1003-854X（2022）07-0024-08

一、引言與相關文獻綜述

當前，我國經濟已由數量規模的高速增長轉向高質量發展新階段。改革開放尤其是加入WTO以來，我國經濟規模快速躍進，國內生產總值已由1978年的3645億元飆升到2021年近114萬億元，年均增長率高達14.3%，近40年間我國GDP實際增長了近313倍。然而，與我國經濟規模的迅速擴張相比，制造業企業高質量發展還面臨著諸多問題和發展瓶頸，諸如自主創新能力不強、產品附加值不高、生產管理效率較低等問題①，導致我國制造業企業一直處于“大而不強”的局面，對我國經濟轉型升級與高質量發展的支撐作用亟待加強。尤其在新冠肺炎疫情仍肆虐全球、中美貿易摩擦態勢反復、全球經濟發展趨勢不確定性陡增的背景下，如何提升我國制造業企業高質量發展水平，加快產業轉型升級，實現“中國制造”向“中國創造”的轉變將成為推動新時代經濟增長和高質量發展的重要驅動力。

人工智能作為一種新型的通用目的技術，借助大數據、算法、互聯網等技術突破，通過與制造業融合發展引領新的產業變革。黨的十九屆五中全會也特別指出，要進一步加強大數據、人工智能等與制造業深度融合。得益于技術的進步及我國制造業的崛起，人工智能產業在我國得到了迅猛的發展，我國人工智能的投融資已占全球的60%②。中國信息通信研究院數據顯示，在2004—2020年期間，我國人工智能企業數量保持了年均約11.77%的高增長，截至2020年已居于世界第二位，占全球比重達到24.7%，同時，我國人工智能產業的總規模在2020年也已高達3031億元，與上年相比，增長幅度高達15.10%。此外，國家工業和信息化部的數據也表明，到2020年底，我國規模以上制造業企業的智能化應用率也已達到近50%。當前，數字化、智能化技術創新不斷深化，以大數據、人工智能等為代表的新技術、新生產方式、新產品大量涌現，成為推動經濟增長和高質量發展的主導力量和重要內涵③。那么，人工智能應用能否有助于促進我國企業高質量發展呢？其可能的影響渠道又是什么？這種影響是否又會因為企業的不同所有制屬性、所處區域或行業技術特性而表現出差異性？這些問題的解決對于厘清人工智能應用與我國制造業企業高質量發展之間的關系十分重要。

事實上，關于機器人、人工智能應用的經濟效應研究，主要源自西方發達國家，并聚焦于經濟增長、勞動力市場、收入分配等方面。就經濟增長而言，陳彥斌等通過構建動態一般均衡模型，研究表明人工智能能夠緩解老齡化對經濟的沖擊，從而促進經濟增長④;Kromann等的研究發現機器人、工業智能化不僅可以促進經濟增長，還能促進其全要素生產率的提高⑤;楊光和侯鈺的研究則進一步證實了上述結論，還發現在人口紅利的不同階段存在顯著的差異性⑥。關于人工智能應用對勞動力市場的影響，Gregory等認為工業智能化的使用能夠增加產品需求，也會創造出新的就業崗位，進而促進就業的增長⑦;Acemoglu和Restrepo的研究則發現，增加使用機器人會減少美國勞動力市場的就業人口比例⑧;Dauth等采用德國的IFR數據研究表明，機器人應用未對其總體就業造成損失，而只是改變了德國的就業結構⑨，即機器人、人工智能應用對不同行業的影響存在差異性。在收入分配方面，DeCanio與Brynjolfsson等認為，人工智能的大量應用會代替更多勞動，致使資本要素的份額增加，資本報酬遞增，進而加劇了收入不平等⑩。同時，還有部分研究進一步從微觀層面考察了機器人及人工智能應用等對企業勞動生產率、企業出口產品質量、企業綠色發展等的影響{11}。近年來制造業企業如何實現高質量發展漸成學術界研究的熱點問題，且主要以宏觀層面的研究為主，例如經濟高質量發展的評判體系{12}、經濟高質量發展的影響因素{13}等，而較少關注企業微觀層面的研究。企業是經濟高質量發展的微觀主體，只有企業實現高質量發展才能從根本上推動經濟的高質量發展。

從上述文獻梳理可知，既有研究要么僅考察了機器人及人工智能應用對企業出口產品質量、勞動生產率及綠色發展等的影響，要么僅從區域及產業視角關注其對經濟高質量發展的影響。如從省級層面考察工業智能化對制造業高質量發展的影響，結果發現，工業智能化與制造業發展質量之間呈現“U”型關系，且這種關系存在較強的行業及區域異質性特征{14}，因此難以捕捉企業微觀層面影響。基于此，本文從人工智能視角來考察其對我國制造業企業高質量發展的影響，為機器人及人工智能應用助推我國經濟轉型升級和企業高質量發展提供新的經驗證據。

二、研究設計

（一）數據來源

本文數據主要源自國際機器人聯合會（IFR）所公布的“年份—國家—行業”層面的機器人統計數據、國泰安（CSMAR）數據庫、萬得（WIND）數據庫以及《中國工業統計年鑒》。由于本文考察的工業機器人主要應用于制造業領域，基于數據可得性，我們將考察期設定為2011—2019年，并以中國滬深A股制造業上市公司為研究對象進行實證研究。依據《GB/T 4754—2017國民經濟行業分類與代碼》以及《所有經濟活動的國際標準行業分類（第四版）》，我們將制造業上市公司行業數據與IFR的工業機器人數據進行匹配，并在剔除了ST、*ST類上市公司以及存在數據嚴重缺失的樣本后，最終得到1948家制造業上市公司的12088個樣本觀測值的并集數據。同時，為消除樣本異常值的影響，本文對主要連續變量進行了前后1%的Winsorize處理，并使用統計軟件Stata 15.0進行數據分析。

（二）構建計量模型

本文旨在考察人工智能應用對中國制造業企業高質量發展的影響，為此，我們構建如下基準計量模型進行估計：

Hqualityijt=δ0+δ1AIijt+Σδicontrolit+γj+γt+εijt （1）

式（1）中的下標i、j與t分別表示企業、國民經濟行業分類（CIC）4位碼行業及年份;Hquality為被解釋變量，即企業高質量發展;AI為人工智能的代理變量，即本文的核心解釋變量;controlit表示一系列控制變量，γj、γt分別為行業和年份層面的固定效應，ε為隨機誤差項。

（三）變量選取

1. 被解釋變量：企業高質量發展（Hquality），后文均以此指代制造業企業高質量發展。對于其測度方式，目前主要分為兩大類，即單一指標法和多指標法。其中單一指標法較為常見，較多采用全要素生產率、勞動生產率、經濟增加值等進行測度，也有部分學者使用多指標法對其進行表征，如唐紅祥等{15}。但這些測度方法的不足之處在于主觀性較大，難以得到統一評估指標。基于此，本文借鑒陳詩一和陳登科的做法{16}，以企業全要素生產率表征企業高質量發展。此外，由于全要素生產率的測算方法眾多，其中最小二乘法（OLS法）和固定效應法（FE法）無法解決內生性問題，且涵蓋的信息不全面，而廣義矩估計法（GMM法）要求樣本具有足夠長的時間跨度，同時，OP法又會因企業投資額缺失導致大量數據丟失問題，因此，本文借鑒Arnold等的做法{17}，使用LP法計算企業全要素生產率，并將其作為企業高質量發展的代理變量。

2. 核心解釋變量：人工智能應用（AI）。作為本文的核心解釋變量，人工智能應用被視為自動化技術的一種高階類型。我們借鑒Acemoglu和Restrepo{18}、王永欽和董雯{19}等的做法，使用工業機器人數據作為人工智能應用的代理變量。我們選擇以企業層面工業機器人密度表征人工智能應用水平，具體測度方法如下：首先，利用行業層面工業機器人存量與行業基期就業人數（萬人）的比值計算出行業層面工業機器人滲透度;其次，將企業基期生產人員占比與制造業全部企業基期生產人員占比的中位數之比作為權重;最后，將企業權重與對應行業的工業機器人滲透度的乘積作為企業層面工業機器人密度。如式（2）所示：

Robotsijt=（2）

式（2）中，Robotsijt表示制造業行業j中i企業在t年的工業機器人密度，IRjt為行業j在t年的工業機器人存量，Laborjt=2010為行業j在2010年（基期）的就業人數，PPijt=2011為行業j中i企業在2011年（基期）生產人員的比重，MedPPt=2011為全部制造業所有企業在2011年的生產人員占比的中位數。

3. 控制變量。參考既有研究，本文選取了一系列指標作為控制變量，具體包括：（1）企業規模（Size），以企業期末資產總額的自然對數表征;（2）企業年齡（Age），以企業當期年份減去成立之年的差額取自然對數表示;（3）資產負債率（Lev），以企業期末負債總額與資產總額的比值表征;（4）董事會規模（Bsize），以董事會總人數的自然對數進行表征;（5）獨立董事比例（Indep），以獨立董事人數與董事會總人數的比值表示;（6）股權集中度（Top1），以第一大股東持股比例表征;（7）企業市場價值（Tq），以企業市值與總資產的比值表征;（8）研發投入強度（RD），以企業研發投入與營業收入的比值表征;（9）高管薪酬（EI），以企業高管年薪總額的自然對數表征。表1報告了相關變量的描述性統計結果。

三、實證分析

（一）基準回歸估計結果分析

本文利用式（1）考察了人工智能應用對我國制造業企業高質量發展的影響，具體回歸結果如表2所示。第（1）列未添加任何控制變量，第（2）列加入各層面控制變量，各列均控制了行業固定效應和年份固定效應。可以看出，無論是否添加控制變量，人工智能應用對我國企業高質量發展的估計系數在1%顯著性水平上均為正，這表明人工智能應用有助于促進我國企業的高質量發展。導致這一現象的原因可能在于，一是人工智能應用有助于減少? ? ? ? ? ? ? ?表2? 基準回歸結果

注：***、**和*分別表示在1%、5%和10%的水平上顯著;括號內為t值;所有回歸均控制了行業固定效應及年份固定效應。下同。

技術創新的風險和不確定性，進而降低創新成本，提升創新效率;二是人工智能應用助推的人力資本結構優化引起的高質量就業所致。

（二）穩健性檢驗

1. 內生性檢驗。在上文基準回歸部分，我們利用OLS方法估計了人工智能應用對我國企業高質量發展的影響，為減少由此帶來的內生性偏誤，提高研究結論的穩健性，我們借鑒王永欽和董雯{20}、唐青青等{21}選取工具變量的思路，選取以下兩種工具變量并采取2SLS方法進行內生性檢驗。首先，以美國工業機器人的存量構造相應的中國制造業企業工業機器人存量密度，并將取自然對數后得到的人工智能變量作為工具變量，之所以選取美國工業機器人數據構造工具變量，主要基于兩方面的考慮：其一，美國是制造業強國且工業機器人應用水平處于全球前列，能夠反映未來人工智能發展趨勢，而且在樣本期內，美國同中國工業機器人應用的發展趨勢較為接近，因此滿足相關性假定;其二，美國工業機器人應用水平與中國企業高質量發展間并沒有直接的聯系，因此滿足外生性假定。其次，進一步借鑒唐青青等的做法{22}，選用滯后一期的人工智能數據作為工具變量進行2SLS回歸，這是因為企業的機器人密度對當期企業機器人密度有一定影響，同時作為被解釋變量的當期的企業高質量發展不會對滯后一期的企業機器人密度產生影響，工具變量的回歸結果如表3第（1）、（2）列所示。第一階段估計結果顯示，兩種工具變量都與機器人密度的估計系數在1%的顯著性水平上分別為1.038和0.928，表明這兩種工具變量與企業機器人密度的相關性條件成立，在第二階段兩種工具變量法下，人工智能對我國企業高質量發展的回歸系數也均顯著為正，且P值和F值顯示在1%水平上拒絕了工具變量識別不足及弱識別的原假設，這說明上述兩種工具變量的選取是有效的。

2. 替換被解釋變量。參考王桂軍和盧瀟瀟{23}、石大千等{24}的做法，本文采用勞動生產率和以OP法重新計算的企業全要素生產率作為企業高質量發展的代理變量，考察其對企業高質量發展的影響。勞動生產率和OP法重新計算的企業全要素生產率的回歸結果依次如表3的第（3）列與第（4）列所示。結果顯示，兩種替換后的被解釋變量的回歸系數在1%顯著性水平上為正，其結果與基準回歸結果基本一致，表明其結論是穩健的。

3. 替換解釋變量。借鑒曹平等{25}、王永欽和董雯{26}的思路，使用滯后一期的人工智能和工業機器人安裝密度的自然對數作為人工智能的代理變量，采用基準回歸模型式（1）進行穩健性檢驗，以進一步驗證研究結論的可信度，結果如表3第（5）、（6）列所示。可以看出，替換兩種解釋變量后的回歸系數分別在5%和1%的顯著性水平上為正，其符號方向及大小均未發生實質性改變，這反映出本文基準回歸的結論是可靠的。

（三）異質性分析

我們進一步從企業所有制類型、企業所在區域和不同技術水平企業進行樣本分類，分別考察人工智能應用對我國制造業企業高質量發展的異質性影響。

一是企業所有制類型的分析。由于國有企業與非國有企業在資源配置效率、企業經營、資產規模等方面存在差異，與非國有企業相比，國有企業體量龐大，融資與經營壓力小，總體運營效率不高，因此，不同所有制企業受到人工智能應用的影響也可能存在差異。基于此，我們將樣本劃分為國有企業和非國有企業兩個樣本后進行分組回歸，表4第（1）、（2）列分別給出了國有企業與非國有企業子樣本組的回歸結果，每列均添加了各層面控制變量、行業固定效應和年份固定效應。可以發現，人工智能應用對不同所有制企業高質量發展的影響系數均顯著為正，且與非國有企業相比，國有企業的影響系數更大，表明人工智能應用對國有企業高質量發展的促進作用更大。這可能是由于國有企業規模大，且運營效率本身并不高，人工智能更能發揮出削減人力成本的作用以及對效率提升的作用等，從而更大程度地促進了企業高質量發展。

二是不同區域的分析。據中國海關數據庫的各省工業機器人進口情況的統計，我們發現機器人進口數量較多的省份主要分布在長三角、珠三角等沿海地區，相比非沿海地區，我國沿海地區在經濟發展水平、基礎設施建設及勞動力素質等方面有優勢，因此，人工智能應用可能會對我國不同區域企業高質量發展產生差異性影響。為此，我們按照企業所在區域將其劃分為沿海地區企業與非沿海地區企業樣本{27}，在此基礎上進行異質性檢驗，結果如表4第（3）、（4）列所示，每列均加入了各類控制變量、行業固定效應和年份固定效應。可以看出，兩類樣本下人工智能應用的影響系數分別在10%和5%的顯著性水平上均為正，但與沿海地區企業相比，非沿海地區企業人工智能應用的影響系數更大，這說明人工智能應用對非沿海地區企業高質量發展的提升效應更大。可能的原因是，人工智能具有削減人力規模與成本的作用，且能提升要素配置效率，這為經濟欠發達的非沿海地區企業高質量發展起到了更大的提升作用。而對于經濟發達的沿海地區企業，能促進企業高質量發展的有利條件多，且企業本身高質量發展水平比較高，因而人工智能對于企業高質量發展的提升作用有限。

三是分行業技術特性的分析。考慮到不同行業內企業技術特征及技術先進程度不同，人力資本水平也存在差異，因而其對技術的吸收能力差異可能對企業高質量發展產生不同的影響。為此，我們根據國民經濟行業分類代碼（2002年版）將制造業按照行業技術性高低進行分組{28}，進一步考察人工智能應用對不同技術水平行業企業高質量發展的異質性影響，結果如表4第（5）、（6）列所示，每列均加入了各類控制變量、行業固定效應和年份固定效應。回歸結果顯示，人工智能應用更有助于推動高技術行業企業的高質量發展，對于低技術行業企業的影響并不顯著。對此可能的解釋是，高技術行業內企業的技術更先進，人力資本水平也更高，對技術的學習能力和消化吸收能力也更強，因而更有助于推動企業高質量發展。

（四）影響機制分析

本文通過梳理相關文獻，認為人工智能應用可能會從技術創新與人力資本提升渠道來影響我國企業高質量發展。

一是人工智能應用通過技術創新影響企業高質量發展。作為具有基礎和通用性特征的技術，人工智能具有很強的溢出帶動效應。一方面，人工智能技術可以有效解決信息不對稱和協調溝通效率問題，顯著提高了信息流通的效率和質量，加速了技術創新、產品創新與市場創新的協同創新效率和質量。由于人工智能系統在信息搜索廣度和處理速度上更具優勢，因此研發人員可以更專注于復雜而高級的研發活動中，擺脫簡單、重復的信息搜尋和處理工作，提高了企業創新效率，擴大了企業對知識的學習和應用能力{29}。另一方面，人工智能應用有助于降低企業生產經營成本和貿易成本。融資約束是影響企業創新的重要因素之一，這些成本的降低可以使企業有更多的資金用以研發創新，從而可能促進企業高質量發展。人工智能的“生產率效應”會使得企業的大部分勞動者從重復性的勞動中釋放出來，企業的勞動力成本降低，節約了企業的自有資金，使企業轉而投向更加復雜的、高端的技術研發中，緩解了企業在研發過程中的融資約束，從而可以提升企業創新水平。此外，人工智能投資還會產生“干中學”的創新效應。作為實物形態的創新成果，人工智能更易于在實踐中應用、模仿和學習，特別是由于其兼具科技性、融合性和智能化等特征，由此所帶來的技術進步和勞動生產率的促進作用也將比一般性固定資產投資和研發投資更為顯著{30}。同時，技術創新有助于優化配置生產要素，進而提高企業全要素生產率和企業發展質量{31}。因此，我們認為人工智能通過技術創新效應促進了企業高質量發展。

二是人工智能應用通過人力資本提升來影響企業高質量發展。人力資本提升主要涉及勞動體能、技能和智能的改善。既有研究發現，以人工智能技術為基礎的工業智能化將逐步實現對勞動力的替代{32}，然而，實際上，人工智能技術只能替代部分勞動，而對難以被自動化、對技能要求較高的勞動力無法實現替代，同時在人工智能技術下勞動力結構將由操作型和技能型員工向知識型員工轉變{33}，這必然會對勞動力的技能提出更高的要求。Hémous和Olsen的研究也發現，人工智能技術的應用在提高勞動生產率、增加對高技能勞動力要求的同時，會減少對低技能勞動力的需求{34}。同時，人工智能與不同產業的融合發展，將催生新業態和新模式，進而推動產業結構轉型升級。此外，產業結構的轉型升級還會帶動相關技能崗位的增加，使得生產部門擴大對人力資本的需求，從而致使勞動者獲得更多的職業培訓機會{35}。由于勞動力結構優化所引致的高質量就業是制造業實現高質量發展的關鍵因素，因此，人力資本提升所帶來的勞動力結構優化將有助于實現我國企業高質量發展。

為進一步驗證上述影響機制分析結果，我們參考Baron和Kenny{36}的思路，在基準回歸模型（1）的基礎上，通過構建如下中介效應模型（3）與（4）來識別其背后可能的作用機制。

Medit=μ0+μ1AIijt+Σμicontrolit+γj+γt+εijt（3）

Hqualityijt=φ0+φ1AIijt+φ2Medit+Σφicontrolit+γj+γt+εijt? ? ? ? ? ? ? ? ? ?（4）

其中，Medit表示中介變量，即當期技術創新（Innovation）和人力資本提升（Capital）。關于中介變量的具體度量如下：關于技術創新（Innovation）的測度，黎文靖和鄭曼妮{37}認為，發明專利能夠實質性地推動技術進步，屬于高質量的創新行為;而專利申請數量包括獲得授權專利與未獲得授權專利，因其未獲授權無法反映企業真實的技術創新水平。基于此，我們以發明專利授權數量+1后的自然對數作為技術創新的代理變量;人力資本提升（Capital）的測度，我們參考魏浩和李曉慶{38}的思路，以企業平均工資水平的自然對數作為人力資本提升的代理變量，其中，企業平均工資使用應付職工薪酬/員工人數計算得出。同時，式（3）—（5）中的其他變量的含義與式（1）一致。

根據中介效應的檢驗原理，要分別檢驗回歸系數δ1、μ1、φ1與φ2，由于上文基準回歸結果已表明人工智能應用顯著推動了我國企業高質量發展，即回歸系數δ1檢驗結果顯著，因此進入第二步，即檢驗回歸系數μ1是否顯著，如顯著則繼續到下一步，否則停止檢驗;在第三步，如回歸系數φ1與φ2均顯著，表明存在部分中介效應，且無需進行sobel檢驗。而當回歸系數φ1不顯著但回歸系數φ2顯著時，表明為完全中介效應;反之，當回歸系數φ1顯著而回歸系數φ2不顯著時，則需進一步進行sobel檢驗，如果檢驗結果顯著，說明中介效應成立，反之則不成立。

表5給出了兩類中介機制檢驗的回歸結果。其中第（1）、（3）列為采用式（3）考察人工智能應用對中介變量技術創新與人力資本提升的估計結果，第（2）、（4）列報告了將中介變量添加到式（4）后的回歸結果。同時，由于表2第（2）列所示結果已表明回歸系數δ1檢驗結果為顯著，因此，只需對回歸系數μ1、φ1與φ2進行檢驗即可。由結果可知，在技術創新機制下，人工智能應用顯著促進了企業技術創新水平，繼而通過技術創新水平的提升來助推我國企業高質量發展。通過表5第（2）列的結果，可以發現在企業當期技術創新變量加入后，人工智能應用的回歸系數較之表2第（2）列的系數有所減少，表明人工智能應用通過技術創新機制來促進企業高質量發展，即技術創新的中介機制效應成立。同時，第（3）列的結果顯示，人工智能應用的回歸系數同樣顯著為正，說明人工智能應用具有顯著的人力資本提升作用。結合表5第（4）列與表2第（2）列的回歸結果，可以看出人工智能應用與人力資本提升的回歸系數也均顯著為正，說明人力資本提升對于我國制造業企業高質量發展的中介效應同樣成立。

表5? 影響機制檢驗

四、研究結論與政策啟示

本文基于2011—2019年中國滬深A股制造業上市公司與國際機器人聯合會（IFR）的匹配數據，考察了人工智能應用對我國制造業企業高質量發展的影響效應及機制。研究發現：第一，人工智能應用對我國制造業企業高質量發展存在顯著且穩健的促進作用，這一結果在采用工具變量法、替換解釋變量和被解釋變量進行檢驗后仍然顯著;第二，異質性分析結果顯示，人工智能應用較大幅度地提升了國有企業、非沿海地區企業及及高技術行業企業的高質量發展;第三，機制檢驗表明，人工智能應用主要通過技術創新效應及人力資本提升效應的作用機制來促進我國制造業企業高質量發展。

基于上述研究結論，本文的政策啟示在于：

第一，考慮到人工智能應用對我國制造業企業高質量發展產生了顯著的促進作用，政府應通過各種財政支持措施對機器人及人工智能技術的引進、應用及開發予以補貼及稅收優惠等，尤其是對國有企業、非沿海地區企業及高技術行業企業。

第二，企業在加大機器人及人工智能等機器人技術應用力度的同時，要轉變技術創新模式，加強勞動者的職業技能培養和勞動者自身技術吸收能力的提升，充分發揮產學研之間相互合作的協同創新優勢。

第三，擴大中西部地區人工智能技術的應用領域和范圍，強化企業自主創新的能力，更大程度發揮其對地區社會經濟發展的促進作用。

注釋：

① 趙宸宇、王文春、李雪松：《數字化轉型如何影響企業全要素生產率》，《財貿經濟》2021年第7期。

② 楊偉國、邱子童、吳清軍：《人工智能應用的就業效應研究綜述》，《中國人口科學》2018年第5期。

③ 湯鐸鐸、劉學良、倪紅福、楊耀武、黃群慧、張曉晶：《全球經濟大變局、中國潛在增長率與后疫情時期高質量發展》，《經濟研究》2020年第8期。

④ 陳彥斌、林晨、陳小亮：《人工智能、老齡化與經濟增長》，《經濟研究》2019年第7期。

⑤ L. Kromann， J. R. Skaksen， A. S？準rensen， Automation， Labor Productivity and Employment： A Cross Country Comparison， CEBR， Copenhagen Business School Working Paper， 2011.

⑥ 楊光、侯鈺：《工業機器人的使用、技術升級與經濟增長》，《中國工業經濟》2020年第10期。

⑦ T. Gregory， A. Salomons， U. Zierahn， Racing with or Against the Machine？ Evidence from Europe， ZEW-Discussion Papers Series， 2016， No.DP12063.

⑧{18} D. Acemoglu， P. Restrepo， Robots and Jobs： Evidence from? U.S. Labor Markets， Journal of Political Economy， 2020， 128（6）， pp.2188-2244.

⑨ W. Dauth， S. Findeisen， J. Südekum， N. Woessner， German Robots： The Impact of Industrial Robots on Workers， CEPR Discussion Paper， 2017， No.DP12306.

⑩ S. J. DeCanio， Robots and Humans-Complements or Substitutes？ Journal of Macroeconomics， 2016， 49， pp.280-291; E. Brynjolfsson， A. McAfee， M. Spence， New World Order： Labor， Capital， and Ideas in the Power Law Economy， Foreign Affairs， 2014， 93（4）， pp.44-53.

{11} 李磊、徐大策：《機器人能否提升企業勞動生產率？——機制與事實》，《產業經濟研究》2020年第3期;唐青青、白東北、王玨：《人工智能對出口產品質量促進的異質效應與影響路徑》，《現代財經》2021年第12期;S. Mahalakshmi， A. Arokiasamy， J. F. A. Ahamed， Productivity Improvement of an Eco Friendly Warehouse Using Multi Objective Optimal Robot Trajectory Planning， International Journal of Productivity and Quality Management， 2019， 27（3）， pp.305-328.

{12} 任保平、李禹墨：《新時代我國高質量發展評判體系的構建及其轉型路徑》，《陜西師范大學學報》（哲學社會科學版）2018年第3期。

{13} 趙儒煜、常忠利：《經濟高質量發展的空間差異及影響因素識別》，《財經問題研究》2020年第10期。

{14} 唐曉華、遲子茗：《工業智能化對制造業高質量發展的影響研究》，《當代財經》2021年第5期。

{15} 唐紅祥、張祥禎、吳艷等：《中國制造業發展質量與國際競爭力提升研究》，《中國軟科學》2019年第2期。

{16} 陳詩一、陳登科：《霧霾污染、政府治理與經濟高質量發展》，《經濟研究》2018年第2期。

{17} J. M. Arnold， B. S. Javorcik， Gifted Kids or Pushy Parents？ Foreign Direct Investment and Plant Productivity in Indonesia， Journal of International Economics， 2009， 79（1）， pp.42-53.

{19}{20}{26} 王永欽、董雯：《機器人的興起如何影響中國勞動力市場？——來自制造業上市公司的證據》，《經濟研究》2020年第10期。

{21}{22} 唐青青、白東北、王玨：《人工智能對出口產品質量促進的異質效應與影響路徑》，《現代財經》2021年第12期。

{23} 王桂軍、盧瀟瀟：《“一帶一路”倡議與中國企業升級》，《中國工業經濟》2019年第3期。

{24} 石大千、胡可、陳佳：《城市文明是否推動了企業高質量發展？——基于環境規制與交易成本視角》，《產業經濟研究》2019年第6期。

{25} 曹平、肖生鵬、林常青：《產品關聯密度與企業出口產品質量升級》，《中南財經政法大學學報》2021年第6期。

{27} 沿海地區企業包括位于北京、天津、河北、遼寧、山東、上海、江蘇、浙江、福建、廣東、廣西和海南的企業，其余為非沿海地區企業。

{28} 參考現有研究，將化學原料及其制品業、電子及光學儀器制造業、機械制造業以及交通運輸設備制造業劃定為高技術行業，其余制造業行業為低技術行業。郭凱明：《人工智能發展、產業結構轉型升級與勞動收入份額變動》，《管理世界》2019年第7期。

{29} 睢博、雷宏振：《工業智能化能促進企業技術創新嗎？》，《陜西師范大學學報》（哲學社會科學版）2021年第3期。

{30} 師博：《人工智能助推經濟高質量發展的機理詮釋》，《改革》2020年第1期。

{31} B. Y. Aw， M. J. Roberts， D. Y. Xu， R&D Investments， Exporting and the Evolution of Firm Productivity， The American Economic Review， 2008， 98（2）， pp.451-456.

{32} 賈根良：《第三次工業革命與工業智能化》，《中國社會科學》2016年第8期。

{33} 張新春、董長瑞：《人工智能技術條件下“人的全面發展”向何處去——兼論新技術下勞動的一般特征》，《經濟學家》2019年第1期。

{34} D. Hémous， M. Olsen， The Rise of the Machines： Automation， Horizontal Innovation and Income Inequality， Barcelona： CEPR Discussion Papers， 2014.

{35} 張桂文、孫亞南：《人力資本與產業結構演進耦合關系的實證研究》，《中國人口科學》2014年第6期。

{36} R. M. Baron， D. A. Kenny， The Moderator-Mediator Variable Distinction in Social Psychological Research： Conceptual， Strategic， and Statistical Considerations， Journal of Personality and Social Psychology， 1986， 51（6）， pp.1173-1182.

{37} 黎文靖、鄭曼妮：《實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響》，《經濟研究》2016年第4期。

{38} 魏浩、李曉慶：《知識產權保護與中國企業進口產品質量》，《世界經濟》2019年第6期。

作者簡介：劉松竹，廣西大學工商管理學院博士研究生，廣西南寧，530004;廣西財經學院經濟與貿易學院副教授，廣西南寧，530003。肖生鵬，通訊作者，廣西大學工商管理學院博士研究生，廣西南寧，530004。梁運文，廣西大學工商管理學院教授、博士生導師，廣西南寧，530004。

（責任編輯? 陳孝兵）