人工智能、產業高級化與經濟增長

鄒鐵釘 徐影琴

一、問題的提出

中國經濟發展已由追求速度轉向追求質量，更加關注經濟增長的方式、驅動力以及影響因素。人工智能是一種通用的、能重塑創新過程和促進產業發展的新技術〔1〕，可在經濟轉型過程中發揮重要作用。黨的十九大報告關于增加對人工智能研發投入與推廣其應用的倡議具有鮮明的時代意義，有利于提高中國經濟運行的信息化水平和發展技術含量。其后，國務院出臺的《新一代人工智能發展規劃》(國發〔2017〕35號)進一步強調人工智能發展的重要性，指出到2030年中國應在人工智能領域應達到世界先進水平(資料來源：《國務院關于印發新一代人工智能規劃的通知》(國發〔2017〕35號)。)。屆時，人工智能被廣泛運用的場景越來越多，給經濟和社會帶來的促進作用不容小覷，也為緩解人口老齡化以及勞動力短缺壓力提供了新的出路。

第七次全國人口普查數據顯示，中國60歲及65歲以上的人口占比分別超過了18%和13%。按照聯合國60歲以上人口占比超過10%和65歲以上人口占比超過7%的標準(1)資料來源：聯合國于1956年發布的《人口老齡化及其社會經濟后果》。，中國已步入深度老齡化國家行列，這將對產業結構、勞動力供需結構以及經濟增長產生深刻影響〔2〕。人口紅利危機造成的局部用工荒抬升了企業用工成本，這種不以提升生產效率和價值創造能力為目的工資成本上升，不利于經濟長期健康發展。放寬生育限制、鼓勵生育以及延遲退休等政策也只能起到有限的緩沖作用，而減輕對簡單勞動力的依賴，提高生產自動化、智能化水平的人工智能可作為治本之策〔3〕。

過去幾十年，中國始終處于國際產業分工鏈條的底端，憑借廉價勞動力優勢獲取微薄的加工費用和利潤分成，卻在生態環境破壞和資源消耗方面付出了沉重的代價，制約了經濟高質量發展。隨著人口生育率下降以及人均壽命的延長，難以再維系低人力成本優勢，需將發展的動力聚焦于人才培養、技術進步和研發創新。發展人工智能等現代信息技術，提高生產的自動化、智能化水平有利于跳出人口紅利陷阱，從提高資源配置效率的角度提升國際競爭力，為產業高級化和經濟高質量增長找到突破口。

新冠肺炎疫情帶來的經驗教訓是深刻的，過度依賴人力，需要人與人面對面接觸的生產經營活動，難以抵御隨機突發事件的沖擊，蘊含著能將人從繁瑣、危險、骯臟、勞累的工作環境中解放出來，去從事更具創造性的工作。而被其武裝的機器則可以不受生理、作息和工作場景的制約，精準、高效和低成本地執行生產、經營和服務指令，從而將極大地減少對人和低技能勞動力的依賴，因而在應對突發危機、保持經濟社會平穩運行方面具有明顯優勢〔4〕。

學界對人工智能的經濟影響作了較多探討，多集中于人工智能發展對就業、收入分配和經濟增長的影響研究上〔5-7〕。王文(2020)利用面板數據模型分析發現，人工智能提高了知識密集型產業在現代經濟中的占比，改變了勞動力市場的供需結構〔8〕。生產體系自動化、智能化可以讓單位勞動投入帶來更多的產出，提高了企業的投入產出回報率〔9〕。這將進一步激勵社會加大對研發創新和人才培養的投入，促進經濟內涵式發展〔10〕。而其對不同產業部門生產效率的非對稱性影響則是產業結構優化升級的重要動力源〔11〕。技術變遷帶來的產業高級化將淘汰落后產業的過剩產能〔12〕，引導經濟轉向以人力資本投資和技術進步為內生驅動力的高質量增長軌道。當然，人工智能對勞動力的綜合素養提出了更高要求，教育、職業培訓和工作經驗越來越被重視，這又反過來促進研發創新、技術進步和經濟增長〔13〕。

當然，人工智能進步及其應用也是一把雙刃劍，在產生積極作用的同時，也會在短期內對社會就業和產業發展造成負面沖擊，比如熊彼特創造性破壞和鮑莫爾病兩種效應〔14〕。和一般的技術進步相比，人工智能顯著減少了生產對低技能勞動力的依賴，并導致了新興產業的興起和傳統產業的沒落。這種產業結構變動帶來的就業沖擊便是熊彼特創造性破壞。另外，人工智能對不同產業部門生產效率的非對稱性擾動，造成新興產業部門的勞動力需求明顯低于傳統產業部門，從而造成勞動力向傳統產業部門的回流，由此強化了傳統產業部門在國民經濟中的比重，這種逆產業高級化的現象便是鮑莫爾病效應。同時，由于各地資源稟賦、產業基礎和人才儲備上的不同，人工智能進步帶來的經濟影響存在明顯的地區差異〔15〕，因此應從各地實際出發制定研發創新戰略、產業政策和經濟發展規劃，以緩解地區之間的經濟發展失調和產業結構失衡〔16〕，推動經濟包容性增長和全國統一大市場建設〔17-18〕。

現有關于人工智能進步的經濟影響的研究存在較大分歧，這與其所依托的數據有關，一些學者采用單個省的孤立數據，一些學者采用多個省的平行面板數據，且大部分還存在樣本數據時間跨度過短的問題，既影響了分析結論的代表性、客觀性，也不利于診斷相關政策時滯效應和跨期分化現象。本文聚焦于勞動生產效率、社會全要素生產率以及其他要素邊際生產力的提升，從產業結構與勞動力供需結構匹配耦合角度，利用地級市面板數據對人工智能進步的經濟增長效應展開實證研究。

二、理論框架與機制假設

1.人工智能發展及其應用促進產業高級化的作用機制

產業經濟學認為，產業結構變遷內生于經濟發展，受技術進步驅動，這種變化包括產業內部的換擋升級和產業之間的歸并轉換。前者是一個熊彼特創造性毀滅過程，與新技術的出現和推廣應用有關。在對生產體系進行現代化改造、淘汰落后產能的同時，將培育出一批新興產業部門，為產業高級化和經濟增長提供新的動力〔19〕。人工智能對生產體系的智能化、自動化改造，能提升社會全要素生產率和生產要素邊際生產力以及節約企業用工成本，讓社會資源配置更有效率，這是產業高級化的重要推動力。在保持生產要素投入數量不變的前提下，技術進步會導致同等數量的生產要素投入帶來更多的產量，即社會全要素生產率和要素邊際生產力提高了，經濟體系獲得了更高的投入產出效率以及投資回報率。在經濟理性的驅使下，為了獲得更高的投資回報率，生產要素將流向那些效益好的新興產業部門，從而推動產業高級化。加大對人工智能的研發投入和推廣應用，將明顯提升生產體系的自動化、智能化水平，進而緩解人口老齡化以及用工缺口壓力，提高經濟發展的技術含量。這是提升國際產業分工合作話語權的重要途徑，將有助于化解芯片等核心信息技術“卡脖子”的問題。

2.產業高級化促進經濟增長的作用機制

產業高級化對經濟增長的影響不能忽視“熊彼特創造性破壞”和“鮑莫爾病”兩種效益。前者在孵化出新的產業的同時，將淘汰傳統落后產業的過剩產能。后者是一個互動消融過程，隨著生產自動化、智能化水平的提升，新的產業部門對普通勞動力的需求并沒有傳統產業部門那么大，促使勞動力回流傳統產業部門，導致傳統產業部門規模不但沒有萎縮反而擴大了〔20〕。所以，既要看到人工智能進步在長期內對產業高級化和經濟增長的促進作用，也要看到在短期內會對產業高級化和經濟增長的抑制作用。產業高級化將從數量規模和質量內涵兩個層面影響經濟增長。傳統產業過于依賴普通勞動力投入數量的增加，行業勞動生產效率和資源綜合利用效率不太高，易受人口老齡化以及用工缺口壓力影響，將對經濟的長期發展和高質量增長形成掣肘。而以人工智能為支撐的新興產業，降低了普通勞動力在生產中的重要性，特別是生產自動化、智能化提高了勞動生產效率，助力經濟高質量發展。

3.人工智能發展及其應用影響經濟增長的作用機制

內生增長理論認為，技術進步源于生產過程中要素配置經驗積累，又通過促進人力資本積累、技術擴散、知識外溢以及升級研發與生產設備，對勞動、資本等生產要素在生產中的投入結構與配置效率產生影響，提高整個社會的全要素生產率和勞動生產效率，提升經濟發展質量，增強經濟發展潛力〔21〕。人工智能作為一種新興技術，其進步與應用提升了生產體系的自動化、智能化水平，帶動與之相關的大數據、5G、移動互聯、無人駕駛、智能機器人等產業的發展，促進產業高級化，并改變了勞動力市場的供需結構，相對于低技能勞動力，高技能勞動力更受歡迎，社會更加重視教育、職業技能培訓等人力資本投資，形成“人力資本投資——人才儲備——技術進步——產業結構高級化——經濟增長”的發展路徑。

三、研究設計

1.指標選取與數據來源

(1)經濟增長。為消除不同城市人口數量差異的影響，經濟增長指標使用地區人均GDP。為消除異方差的影響，人均實際GDP取對數(lnpgdp)。為消除通貨膨脹的影響，地區人均GDP采用人均實際GDP。其中，實際人均GDP的計算，以2005年為基期，假定基期指數為100，那么各期實際GDP可通過下式計算得到：

GDPreal=GDPt-1real(GDP指數/100)

(2)產業高級化。根據克拉克產業結構演變理論，第三產業比重的上升以及第一、第二產業比重的下降是產業高級化的主要特征，借鑒鄭萬吉等(2015)的做法〔22〕，將產業高級化指標定義為：

其中，xi表示產業i的增加值占總產值的比重；指標r越接近于1，表明產業結構級別越低；越接近于3，表明產業結構級別越高。

(3)人工智能。本文選取相關專利申請數(al)作為衡量人工智能發展水平的指標。對于樣本中少數觀測值的人工智能專利申請量為0的情形，為避免其無法取對數對回歸造成影響，本文對所有觀測值的人工智能專利申請量在原始數值的基礎上加 1，再取對數。

(4)交互項。人工智能與產業高級化當期項及滯后一期項的交互項(lnalxlnr和lnalxLlnr)用來刻畫技術進步對經濟增長的短期和長期影響，并幫助模型消除內生性。

(5)變量選取與數據來源。各變量的指標構建方法與數據來源參見表1。另外，由于各城市統計年鑒提供的進出口數據以美元為計價單位，須先將計價單位按照國際匯率轉換成人民幣，匯率數據來源于歷年《中國統計年鑒》。部分缺失數據通過查閱各省份國民經濟和社會發展統計公報并運用插值法補齊。

表1 變量指標的構建與數據來源

2.計量模型

產業高級化和經濟增長是一個動態持續過程，人工智能促進產業高級化影響經濟增長的作用，既與當期因素有關，又與當期因素在上一期的變動有關，故在計量模型中加入解釋變量的滯后項。

刻畫人工智能促進產業高級化的模型為：

Lnri，t=γ0+γ1lni，t-1+γ2lnali，t+γ3Xi，t+Фi，t

(1)

刻畫產業高級化影響經濟增長的模型為：

Lnpgdpi，t=α0+α1lnpgdpi，t-1+α2lnri，t+α3lnri，t-1+α4Xi，t+μi，t

(2)

在模型(2)中加入產業高級化當期項、滯后一期項與人工智能的交互乘積項(lnalxlnr和lnalxLlnr)，得到刻畫人工智能通過產業高級化影響經濟增長的模型：

lnpgdpi，t=α0+α1lnpgdpi，t-1+α2lnri，t+α3lnali，t×lnri，t+α4lnali，t×Llnri，t-1+α5Xi，t+νi，t

(3)

模型中的交互乘積項主要用來說明人工智能通過產業高級化影響經濟增長的時滯效應和跨期差異，并有助于消除模型的內生性；i和t表示不同城市和年份；φ、μ、ν為隨機誤差項，且服從正態分布；X是一組控制變量，包括人力資本、對外開放度、金融發展水平、政府調控度和人口自然增長率等因素。

表2 模型設定的檢驗(2)結果由由stata16.0計算得出，后面各表相同。

考慮到樣本數據為“大N小T”的短面板以及跨區域結構特征，在回歸模型選擇上，需要檢驗混合OLS模型、固定效應模型(FE)和隨機效應模型(RE)的有效性。首先，為了判別模型1-3應該選擇混合OLS模型還是固定效應模型，本文對三個模型依次作F檢驗，其結果如表2所示，均拒絕原假設，即固定效應模型優于混合OLS模型。其次，為了判別模型1-3應該選擇固定效應模型還，是隨機效應模型，本文對三個模型依次作Hausman檢驗，其結果如表2所示，均拒絕原假設，即固定效應模型優于隨機效應模型。另外，從整體角度看，三個模型都引入了被解釋變量的滯后項，排除了被解釋變量受時間變化的影響，因此選擇個體固定效應模型。

3.描述性統計

本文選取2007-2019年中國285個地級市樣本數據作為分析依據。樣本搜集過程中，雖然個別變量有數據缺失，但不太嚴重，故不作處理。模型中核心變量、控制變量的統計性描述參見表3。

表3 描述性統計分析

表3的數據顯示，2007-2019年，人工智能發展水平的均值、最大值和最小值依次為0.4476、7.3376和0；產業高級化的均值、最大值和最小值依次為0.6100、2.2265和0.2067；人均實際GDP對數的均值、最大值和最小值依次為10.5019、15.8236和4.7358。三個指標值的跨度和波動幅度比較大，這與各地經濟發展水平、產業基礎和人才積累的差異有關。其他變量也呈現出與上述三個指標一樣的統計特性。另外，各變量之間的方差膨脹因子(VIF)小于10，表明不存在嚴重的多重共線性。

4.平穩性檢驗

為避免偽回歸，在進行面板數據回歸分析之前，需要先作單位根檢驗，以判斷各變量的數據序列是否平穩。本文使用的數據為N>T的短面板數據，選擇IPS方法進行平穩性檢驗比較合適。原假設為面板數據存在單位根，檢驗結果如表4所示，均拒絕原假設，即所有變量指標的數據序列是平穩的，因此可以直接進行計量經濟模型分析。

表4 單位根檢驗

四、實證結果分析

1.人工智能發展及其應用促進產業高級化的實證分析

在模型(1)中逐步加入核心解釋變量和控制變量展開固定效應分析，以檢驗人工智能發展對產業高級化的影響，具體結果如表5所示。表5第1列為未加入控制變量的情形，核心解釋變量人工智能發展水平的參數估計值顯著為正，且人工智能發展水平每提高1%，產業高級化水平將提升3.9%，表明人工智能對產業高級化具有明顯的促進作用。第2-6列為加入控制變量的情形，人工智能發展水平的參數估計值雖有所下降，但變化幅度并不大，最低也在1.9%以上，且都顯著，進一步證實了前述結論。可見，人工智能發展在提升生產體系自動化、智能化水平的同時，通過引導資源向更高全要素生產率和要素邊際生產力的新興產業部門流動，促進產業高級化。

表5 人工智能發展影響產業高級化的實證分析

但要注意到，加入控制變量后，部分解釋變量的當期項和滯后一期項的參數估計值及其顯著性出現了分化，這可能與產業基礎、人口結構、人力資本積累、融資渠道和國際貿易的不確定性影響有關，也可能與人工智能進步在短期內形成的熊彼特創造性破壞有關，造成對產業結構的調整出現時滯效應和跨期分化。

2.產業高級化促進經濟增長的實證分析

在計量模型(2)中逐步加入控制變量得到新的模型，用于檢驗產業高級化的經濟增長效應，具體結果如表6所示。表6第1列未加入控制變量，只有產業高級化及其滯后項兩個解釋變量，當期項的參數估計值為負但不顯著，滯后一期項為正且顯著。這表明產業高級化的影響存在明顯的時滯效應和跨期差異，即短期抑制、長期促進，這與熊皮特創造性破壞和鮑莫爾病有關。首先，熊彼特創造性破壞在促進新興產業發展的同時，將逐步淘汰落后產能，進而從整體上提升了社會全要素生產率和要素的邊際生產力，對經濟增長形成促進作用。其次，鮑莫爾病會引導勞動力逆向流入傳統勞動密集型產業部門，降低了整個社會的平均勞動生產效率，對經濟增長形成抑制作用。所以，測度人工智能進步的經濟增長效應，需要綜合考慮熊彼特創造性破壞和鮑莫爾病的差異化影響。

另外，無論是否加入控制變量，產業高級化當期項(lnr)的參數估計值的絕對值不超過1.1%，而滯后項(L.lnr)的參數估計值則在4%以上，后者的經濟促進作用要比前者的經濟抑制作用高出2.9%。這說明人工智能進步的跨期經濟增長效應大于0，對經濟增長具有明顯的促進作用。表6第2-3列為加入人工智能發展水平對數和人力資本之后的估計結果，產業高級化當期項的符號依然為負，滯后項的符號依然為正且都顯著。這表明人工智能進步在短期產生了明顯的熊彼特創造性破壞和鮑莫爾病兩種效應，部分抵消了產業高級化對經濟增長的促進作用。表6第4-6列為加入其他控制變量后的估計結果，產業高級化當期項的參數估計值又恢復到了第1列的情形，指標值變小且不顯著，但滯后項的參數估計值依然保持不變，指標值和顯著性同第2-3列基本一致。這進一步證實了產業高級化對經濟增長的影響的時滯性和跨期差異。

表6 產業高級化影響經濟增長的實證分析

3.人工智能發展及其應用影響經濟增長的作用機制檢驗

正如研究設計部分所示，在模型(2)中依次加入產業高級化當期項與人工智能的交互乘積項(lnal*lnr)、以及產業高級化滯后項與人工智能的交互乘積項(lnal*Llnr)得到模型(3)，用于分析人工智能推動產業高級化促進經濟增長的作用機制(詳見表7)。表7第1列為不加入控制變量的估計結果，第2-6列為加入控制變量的估計結果，對比發現參數估計值的符號和顯著性并沒有多大的變化，只是指標值的大小略有差異。而產業高級化當期項與人工智能交互乘積項(lnal*lnr)的參數估計值在加入控制變量后依然為負，滯后項與人工智能交互乘積項(lnal*L.lnr)的參數估計值在加入控制變量后依然為正。這說明產業高級化在人工智能影響經濟增長的過程中具有調節作用，并且短期以抑制作用為主、長期以促進作用為主，表現出明顯的時滯性和跨期差異。

表7 人工智能發展影響經濟增長的作用機制檢驗

人工智能對經濟增長的促進作用出現跨期分化，與技術進步帶來的熊彼特創造性破壞和鮑莫爾病有關，而對社會全要素生產率、要素邊際生產力以及企業用工成本的不確定性影響則是關鍵。首先，熊彼特創造性破壞伴隨著現代新興產業的崛起和傳統落后產業的消亡，雖然從整體上提升了社會資源配置效率，但對傳統產業部門的從業者造成的就業沖擊，將在短期內削弱人工智能進步對經濟增長的促進作用。其次，鮑莫爾病對傳統產業部門的逆向強化，促使勞動力回流傳統產業部門，這是一種短期內逆產業高級化現象。但從產業高級化滯后項與人工智能交互乘積項(lnal*L.lnr)的參數估計值符號看，在長期內，以人工智能等現代信息技術為支撐的新興產業部門將得到長足發展，對資源配置效率的提升以及對勞動力的大量需求，將極大地改善國民經濟結構和社會就業結構，推動經濟高質量增長。

4.穩健性檢驗

為檢驗實證結果是否穩健，本部分基于干春暉等(2011)的研究〔12〕，用第三產業與第二產業的產值比(r2)來替換產業高級化指標(r)，重新估計人工智能對產業高級化以及經濟增長的影響(詳見表8)。表8第1、2列為以產業高級化為被解釋變量的估計結果，第3、4列為以人均實際GDP對數為被解釋變量的估計結果，且奇數列為不加入控制變量的估計結果，偶數列為加入控制變量的估計結果。表8第1、2列和表5的結果一致，即人工智能發展水平對產業高級化的影響都顯著為正。第3、4列和表6的結果一致，即產業高級化當期項對經濟增長的影響不顯著為負，產業高級化滯后一期項對經濟增長的影響顯著為正。這進一步證實了人工智能進步對產業高級化和經濟增長的促進作用存在明顯的時滯性和跨期差異。

表8 人工智能發展影響經濟增長的穩健性檢驗

五、結論與政策建議

本文利用地級市面板數據考察了人工智能發展及其應用的經濟增長效應，認為人工智能發展及其應用在引導資源跨部門流動、改變就業結構和提升資源配置效率的同時，也會在短期內帶來熊彼特創造性破壞和鮑莫爾病兩種負面效應，沖擊社會就業和宏觀經濟運行，但其對單位勞動生產效率、社會全要素生產率和其他要素邊際生產力的提升，將在長期內促進產業高級化和經濟高質量增長。

實證分析的具體結果為：(1)人工智能發展水平每提高1%，產業高級化水平將至少提升1.9%，且統計學指標非常顯著，表明人工智能發展對產業高級化具有顯著的促進作用；(2)無論是否加入控制變量，產業高級化當期項的參數估計值在-1.1%到-0.5%之間，產業高級化滯后項的參數估計值在4%以上，說明人工智能進步及其應對經濟的長期促進作用要大于對經濟的短期抑制作用。

為更好地發揮人工智能對經濟增長的促進作用，本文提出以下兩點建議：(1)將人工智能嵌入到經濟與社會運行中，提升生產體系的自動化、智能化水平，減少對低技能勞動力的依賴，為緩解人口老齡化以及勞動力短缺壓力提供技術支持，降低企業用工成本，獲得更高的生產經營效益；(2)根據各地資源稟賦、產業基礎和人才儲備情況，因地制宜地制定研發創新戰略、產業政策和經濟發展規劃，避免在技術進步、產業結構調整和轉變經濟增長方式上搞一刀切和急躁冒進。東部地區可以利用自身優勢，大力發展以人工智能為代表的現代信息產業，搶先推進產業高級化進程，為破解核心技術卡脖子難題以及經濟高質量發展探路。西部地區則應發揮自身的比較優勢，重點做好交通基礎設施建設、人才培養和營商環境優化等方面的工作，為產業高級化和經濟高質量增長營造良好的環境。