機器人應用對區域經濟收斂的影響*

□ 金玥昀 潘士遠 詹御濤 錢 滔

內容提要 本文把機器人視為一種生產要素，在新古典經濟增長模型框架下研究了機器人應用對區域經濟收斂的影響。在此基礎上，本文以2011—2018 年中國228 個地級市作為研究對象，對模型的理論預測進行實證檢驗。研究表明：第一，中國區域經濟存在收斂情況；第二，機器人的應用促進區域經濟加速收斂，有利于縮小區域間收入差距，實現共同富裕；第三，機器人應用對中國中西部地區經濟收斂的促進作用更為顯著。本文還提出對企業購置工業機器人給予財政補助、對工業機器人采用加速折舊或對工業機器人折舊采用加計扣除稅收優惠、著力推動中西部地區工業機器人應用等政策建議。

一、引言

促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，從而催生新產業新業態新模式，為我國經濟的高質量發展指明了方向。人工智能作為新一代信息技術的重要代表，將成為我國未來十年推動經濟高質量發展的重要保障和核心驅動力。工業機器人是人工智能在工業部門最重要的應用之一，自2013 年工信部出臺《關于推進工業機器人產業發展的指導意見》以來，中國不斷推進工業機器人的應用推廣，工業機器人保有量逐年快速上升，并在2016 年超越日本成為世界上工業機器人存量最大的國家。①

經濟收斂是指一定范圍內不同地區或國家其初期指標與經濟增速之間存在負相關關系，即初始發展水平較低的國家或地區的發展速度會更快，初始發展水平較高的國家或地區的發展速度會更慢，從而導致各個國家或地區發展水平趨于一致。因此，經濟收斂是地區均衡發展的重要標志，也是實現共同富裕的基礎。黨的二十大報告把實現全體人民共同富裕擺在更加重要的位置，指出“中國式現代化是全體人民共同富裕的現代化”。中國幅員遼闊、人口眾多，各地區自然資源稟賦差別巨大，區域發展不平衡是阻礙人民群眾福祉普遍提升和實現共同富裕的重要因素之一。有效縮小區域發展差距，是我國解決城鄉差距和收入差距問題、促進共同富裕的重要保障（劉培林等，2021）。因此，在高質量發展中促進共同富裕的背景下，研究機器人應用對經濟收斂的影響具有重要的理論和現實意義。

圖1 2011—2019 年主要國家工業機器人保有量②

現有文獻以新古典增長理論（Solow，1956）或內生經濟增長理論（Romer，1986）為研究基礎，對經濟收斂存在性及其影響因素開展研究。經濟增長存在多種收斂形態，主要包括α 收斂、β 收斂和俱樂部收斂。α 收斂意味著隨著時間的推移，區域間人均收入的分散程度逐漸變小（Barro &Sala-i-Martin，1992）。β 收斂意味著落后地區的經濟增長率將高于發達地區，以更快增速追趕上發達地區，兩者的經濟發展水平將會趨于一致（Barro &Salai-Martin，1992），收斂速度會受到資本要素、人力資本、產業結構等各方面的影響（Mankiw et al.，1992；林毅夫，2002；沈坤榮和馬俊，2002）。俱樂部收斂意味著一個國家或地區內部不同區域表現出相似的收斂趨勢，即初始經濟條件相似的地區發展趨同，但區域之間不存在相互趨同的現象（Wang，2008）。工業化水平、產業結構、人力資本、市場結構以及經濟開放程度等因素都會對俱樂部收斂產生顯著影響。③有研究表明機器人應用有利于全要素生產率的提升，進而促進經濟增長（Kromann et al.，2020）。相反，Acemoglu et al.（2018）認為自動化所導致的勞動力市場摩擦和不完善，可能在短期內造成資本和勞動配置不當，阻礙勞動生產率的提升。機器人的使用會抑制工資增長，從而抑制投資增長，最終會導致經濟的停滯（Gasteiger &Prettner，2017）。而且，自動化或機器人應用可能會損害競爭、消費者隱私和消費者選擇，可能會帶來經濟和社會成本，如果沒有適當監管的話，過度自動化工作，會造成非市場化影響，如工人會失去工作或被迫從事低收入工作，加劇不平等（Acemoglu，2021）。

國內學者借鑒國外理論，運用中國數據，探究了機器人應用對中國制造業就業的影響（王永欽和董雯，2020），以及對勞動生產率的影響（胡晟明等，2021）。與現有文獻不同，本文把機器人視為一種生產要素，在新古典經濟增長模型框架下研究了機器人應用對經濟收斂的影響，并以2011—2018 年中國228 個地級市作為研究對象，實證檢驗了模型的理論結果。結果顯示：第一，中國地級市之間存在著經濟發展的收斂；第二，工業機器人應用有助于區域經濟差距加速縮小，能夠促進區域共同富裕的實現；第三，從東中西分板塊看，工業機器人應用對中國中西部地區經濟收斂的促進作用比東部地區更為顯著。

本文可能的貢獻在于：第一，本文將機器人作為生產要素納入新古典生產函數，在新古典經濟增長理論中研究了機器人應用對經濟收斂的影響，這具有一定的理論意義；第二，本文使用地級市相關數據合理構造工業機器人滲透率，對機器人應用加快經濟收斂的作用做了詳細的實證分析，為中國機器人應用加速區域經濟增長收斂提供了實踐證據；第三，本文從區域經濟收斂的視角探究了機器人應用對共同富裕的助力作用，對于如何進一步強化機器人應用效率以縮小區域收入差距，進而促進共同富裕具有較強的現實意義。

本文剩余部分安排如下：第二部分是理論模型與假說；第三部分是模型設定與數據；第四部分是實證結果與分析；第五部分是穩健性檢驗；第六部分是結論和建議。

二、理論模型與假說

本文以Solow（1956）為基礎，構建涵蓋資本、勞動力、機器人三種要素的經濟增長模型，來探究機器人應用對經濟收斂的影響。與Solow（1956）一樣，本文假設：經濟是封閉的，生產唯一的一種最終產品；資本品和消費品之間可以一對一轉換；儲蓄率、人口增長率和技術進步均為外生；時間是連續的。

為考察機器人應用對經濟收斂的影響，本文假設t 時期企業的生產函數滿足柯布道格拉斯（Cobb-Douglas）生產函數形式：④

其中，Y（t）為企業t 時期的產量，K（t）為企業的資本存量，M（t）為企業在機器人應用方面的資本投入，⑤A（t）為企業的技術水平，L（t）為企業投入的勞動，α 為企業資本投入的份額，β 為機器人投入的份額。

假設L 和A 分別以外生速率n 和g 增長，初始的勞動數量和初始的技術水平為L（0）和A（0）：

定義A（t）L（t）為有效勞動，其數量以n+g 的速率增長。

在連續時間下，資本積累方程和機器人應用積累方程可表述為：

定義k 為每單位有效勞動的平均資本量、y為每單位有效勞動的平均產量、m 為每單位有效勞動的平均機器人應用量。可將式（1）寫為：

將式（7）、式（8）代入式（6），可知在平衡增長路徑上，人均有效資本、人均有效機器人和人均有效產出分別為：

為了探究經濟向平衡增長路徑收斂的速度大小，將式（6）對數線性化可得：

式（12）兩邊對t 求導得：

該方程表明，在平衡增長路徑附近，logy 移向logy*的速度幾乎與logy 和logy*之間的距離成比例。也就是說，logy（t）-logy*的增長率近似于一個固定常數ρ。對于經濟收斂速度ρ，本文有如下命題。

命題1：當加入機器人應用這一生產要素后，新古典經濟增長模型的經濟收斂速度為ρ=（2-α-β）（n+g+δ）。

證明：由式（13）可知：

當logy=logy*時，y=y*，則：

在標準的新古典經濟增長模型中，經濟收斂速度為λ=（1-α）（n+g+δ）。⑥ρ＞λ，故命題1 表明機器人應用提高了經濟收斂速率。基于上述理論分析，本文提出以下假設。

假設：機器人應用能加速中國區域經濟收斂。

三、模型設定與數據

（一）模型設定

首先，本文構建模型（20）和模型（21）來檢驗中國區域經濟收斂的存在性，具體如下：

其中，log（yc，t）是指觀察期的人均產出對數值，log（yc，t-1）是指觀察期上一期的人均產出對數值。α1代表收斂情況，α1＜0 表示經濟收斂，反之則表示經濟發散。∑year 代表年份固定效應，∑city 代表地區固定效應，∑controlc，t-1代表地區控制變量，εi，t為隨機干擾項。

其次，構建模型（22）和模型（23）來檢驗機器人應用能加速中國區域經濟收斂的假設，具體如下：

其中，c 為地區，t為年份，CHFc，t-1表示上一期的工業機器人滲透率，log（yc，t-1）×CHFc，t-1表示上一期人均真實GDP 對數值與工業機器人滲透率的交互項，∑year 代表年份固定效應，∑city 代表地區固定效應，∑controlc，t-1代表地區控制變量，μi，t為隨機干擾項。

（二）變量定義和解釋

1.被解釋變量

本文使用人均實際GDP 增長率的對數（log（yc，t/yc，t-1））作為被解釋變量。人均實際GDP 的計算方式為：利用城市名義GDP 以2004 年為基期進行不變價處理，再除以城市年末人口數得到人均實際GDP。

2.解釋變量

本文以人均實際GDP 的對數（logy）和工業機器人滲透率（CHF）作為主要解釋變量。考慮到數據可得性和科學性，本文使用不同年份地區層面每百萬人中工業機器人的使用臺數計算工業機器人滲透率。由于農業和部分服務業（如教育行業）機器人使用量非常少，同時中國農業和部分服務業的勞動力數據統計口徑較小，本文選取了采礦業，建筑業，供電供氣供水業三個大類和制造業（細分為13 個小類），并將其與國際機器人聯合會（IFR）數據庫進行匹配。⑦本文選取地級市法人單位行業就業人數作為行業就業人數的代理變量。本文參考Acemoglu et al.（2020）、趙春明等（2020）構建了以2010 年為基期的區域工業機器人滲透率及其工具變量，⑧具體如下：

為了排除剩余行業和缺失地區的影響，本文使用不同的數據集構建CHF1ct和CHF2ct，以及相對應的工具變量MCHF1ct和MCHF2ct，用來進行穩健性檢驗。

首先，構建涵蓋農業、部分服務業的工業機器人滲透率CHF1ct和MCHF1ct，包括農林牧漁業，教育，采礦業，建筑業，供電供氣供水五大類行業和制造業（細分為13 個小類），具體如下：

其次，構建全國范圍的工業機器人滲透率CHF2ct和MCHF2ct。由于8 個省份制造行業的細分行業就業人數無法獲得，現將地區行業分為農林牧漁業，采礦業，供電供氣供水行業，建筑業，教育，制造業（不再細分為13 個小類）六大類行業與IFR 數據庫進行匹配，以獲得全國范圍的工業機器人滲透率。

3.控制變量

控制變量為表1 中列示的變量，變量定義及說明如下：

表1 控制變量定義

（1）人口增長率（Lngs）。該指標為人口自然增長率n、技術進步率g 以及折舊率s 和的對數。在本文中，n 為城市人口自然增長率，同時參考Mankiw et al.（1992）、Romer（1986）假設g+s=0.05。

（2）物質資本水平（Lsk）。參考張傳勇和劉學良（2017）等的做法，將固定資產投資占GDP 的比重作為物質資本水平的代理變量，但由于城市固定資產投資額數據缺失嚴重，本文選擇城市市政公用設施建設固定資產投資額除以GDP 的對數作為物質資本水平的代理變量。

（3）人力資本（Lsh）。本文參考沈坤榮和馬俊（2002）等的做法選擇城市每萬人在校大學生數的對數作為人力資本的代理變量。

（4）產業結構（Lstr）。本文參考張傳勇和劉學良（2017）的做法，選擇第二、三產業增加值除以GDP 的對數作為產業結構的代理變量。

（5）金融發展水平（Lfd）。本文參考楊友才（2014）的做法，選擇城市年末金融機構人民幣各項貸款余額除以GDP 的對數作為金融發展水平的代理變量。

（6）對外開放程度（Lfdi）。本文參考劉生龍和胡鞍鋼（2010）等的做法，選擇城市外商實際投資額（年平均匯率換算成人民幣）除以GDP 的對數作為對外開放程度的代理變量。

（7）交通基礎設施建設（Lway1、Lway2）。本文選擇城市公路客運量的對數和城市公路貨運量的對數作為交通基礎設施建設的代理變量。

（三）數據來源

本文選取了2011—2018 年中國228 個地級市的數據作為研究的基礎數據。其中，城市名義GDP、年末人口數來源于《中國城市統計年鑒》；國內生產總值指數來源于國泰安數據庫；工業機器人數據來自IFR；中國分行業就業數據來源于《中國工業統計年鑒》；美國分行業就業數據來自美國勞工統計局；相關城市控制變量來源于《中國統計年鑒》、《城市統計年鑒》、《中國建設統計年鑒》和Wind 數據庫。

（四）描述性統計

從表2 中可以看出2011—2018 年中國228個地級市中，人均產出為42821 元，最小值為5304 元，最大值為186356 元，標準差為27524元，表明各地經濟發展水平差異非常大；工業機器人滲透率CHF 的均值為0.0617，其中最小值為0.000932，最大值為0.633，標準差為0.0722，表明各地的工業機器人滲透率差異也非常大，工業機器人的應用水平很不平衡。

表2 主要變量的描述性統計⑩

四、實證結果與分析

本節將報告中國區域經濟收斂情況、機器人應用對中國區域經濟收斂速度的影響，以及中國東中西部地區的異質性分析結果。

本文運用面板數據回歸模型進行實證檢驗。首先對模型進行VIF 檢驗，以判斷模型是否存在多重共線性。這是因為，若模型中變量之間高度相關，可能使回歸的結果混亂，甚至會對估計值的正負方向產生影響，從而造成結果與預期完全相反的情況。然后本文進行了Hausman 檢驗，用來判斷使用隨機效應模型還是固定效應模型。

從表3 結果可知，最大VIF 值小于3，未超過10，說明模型不存在明顯的多重共線性問題。

表3 模型VIF 檢驗結果

表4 是中國區域經濟絕對收斂和條件收斂回歸模型的Hausman 檢驗結果。絕對收斂回歸模型是沒有加入其他可能影響經濟收斂的因素，即沒有加入控制變量；條件收斂回歸模型是加入了影響經濟收斂的其他相關因素，即加入了控制變量。表4結果顯示應使用固定效應模型，本文在接下來的分析中均采用固定效應模型進行回歸。

表4 模型選擇Hausman 檢驗結果

（一）中國區域經濟收斂情況

表5 報告了中國區域經濟收斂性的檢驗結果。其中，模型（1）、（2）報告了中國區域經濟增長絕對收斂的結果，模型（3）、（4）報告了中國區域經濟增長條件收斂的結果，模型（2）、（4）采用的是個體-時間雙向固定效應模型。從表5 的回歸結果來看，無論是絕對收斂模型還是條件收斂模型，變量logy 的系數均在1%的顯著性水平下顯著，且方向為負。這說明2011—2018 年中國地級市層面上的確存在區域經濟絕對收斂和條件收斂。

表5 中國區域經濟收斂情況

（二）機器人應用對中國區域經濟收斂速度的影響

本小節對機器人應用是否加速中國區域經濟收斂進行實證檢驗。表6 報告了機器人應用對中國區域經濟收斂速度影響的檢驗結果。其中，模型（1）、（2）報告了絕對經濟收斂模型下的結果，模型（3）、（4）報告了條件經濟收斂模型下的結果，模型（2）、（4）采用的是個體-時間雙向固定效應模型。從表6 的回歸結果來看，在絕對收斂模型和條件收斂模型下，工業機器人滲透率CHF 與變量logy的交互項系數均在1%的顯著性水平下顯著，且方向為負。在模型（2）中，工業機器人滲透率CHF 與變量logy 的交互項系數為-0.496；在模型（4）中，工業機器人滲透率CHF 與變量logy 的交互項系數為-0.751。加入工業機器人滲透率CHF 與變量logy 的交互項后，變量logy 的系數仍舊在1%的顯著性水平下顯著，且方向為負。這說明機器人應用顯著加速了中國區域經濟收斂，也即對于經濟發展水平較低的區域而言，機器人應用水平的提高能夠更快提升該區域經濟增長率。檢驗結果支持本文的假設，表明機器人應用有助于促進共同富裕。

表6 機器人應用對中國區域經濟收斂速度的影響

（三）異質性分析

中國區域經濟發展不平衡的一個典型特征就是東中西部地區發展不平衡，東部沿海地區與中西部地區在經濟發展、貿易參與度、勞動力技能結構等方面都存在著巨大差異，它們在機器人的應用程度上也有顯著差別，將東中西部分組進行異質性分析，有利于進一步了解機器人促進經濟收斂的作用。為此，本文將中國地級市分為東部地區、中部地區和西部地區三組并分別回歸。如表7 所示，模型（1）和（2）是東部地區樣本回歸的結果、模型（3）和（4）是中部地區樣本回歸的結果、模型（5）和（6）是西部地區樣本回歸的結果。其中模型（1）、（3）、（5）未加入控制變量，為絕對收斂模型；模型（2）、（4）、（6）加入了控制變量，為條件收斂模型。

表7 異質性分析-東中西部差異

三組回歸結果顯示，模型（1）和（3）中工業機器人滲透率CHF 與變量logy 的交互項系數不顯著，模型（2）中交互項系數為-0.537，在5%顯著性水平上顯著；模型（4）中交互項系數為-0.925，在10%顯著性水平上顯著；模型（5）和（6）中交互項系數分別為-1.720、-1.987，在1%顯著性水平上顯著。結果表明，機器人應用對促進中西部經濟相對落后地區經濟收斂的加速效應更為明顯。東部沿海地區經濟發展程度差異相對較小，機器人應用對其經濟收斂的促進作用不如中西部地區大。這表明機器人應用對于促進中西部地區經濟加速均衡發展、實現共同富裕有著巨大潛力。

五、穩健性檢驗

機器人的應用和經濟增長收斂之間可能會存在反向因果關系等內生性問題。比如，可能會出現經濟增長速度比較快的城市，為了進一步提高生產率而增加更多機器人的應用。因此，為了減少內生性因素的影響，確保結果穩健可靠，本文進行了以下穩健性檢驗。

（一）工具變量法

本文首先通過工具變量的方法來緩解內生性問題。參考王永欽和董雯（2020）和Acemoglu et al.（2020）的做法，利用美國行業層面的工業機器人數據來構造機器人滲透度的工具變量MCHFct，具體見第三節中的式（25）。該變量符合工具變量的條件：首先，美國行業層面的工業機器人應用程度對中國技能溢價以及其他本國因素沒有影響，符合外生性條件；其次，美國機器人應用發展與中國呈現很高的趨同性，能夠反映出中國同行業技術特征，符合相關性條件。為了更進一步解決內生性問題，本文參考Lewbel（2012）的做法，使用基于異方差的識別方法來提高工具變量估計量的效率。

表8 報告了機器人應用對中國區域經濟增長收斂性影響的內生性檢驗結果。其中，模型（1）、（2）報告了絕對經濟收斂模型下內生性檢驗的結果，模型（3）、（4）報告了條件經濟收斂模型下內生性檢驗的結果，模型（5）報告了運用基于異方差的識別方法的內生性檢驗的結果，其中模型（2）、（4）是個體-時間雙向固定效應模型。

表8 的回歸結果在符號和顯著性程度上與表6 的結果沒有太大差異，說明在內生性緩解后，機器人應用仍顯著加速了中國區域經濟收斂，表明上文的回歸結果穩健可靠。

表8 穩健性檢驗（工具變量法）

（二）調整解釋變量

為了進一步驗證結果的穩健性，本文對解釋變量做出2 種調整，其中一個調整是將行業擴大到包括農林牧漁、教育、建筑業等機器人使用較少的行業，變量解釋詳見第三節中的式（26）和式（27）。另一個調整是將數據范圍擴大到全國范圍，彌補8個省份缺失的不足。

表9 報告了解釋變量調整為全行業后的檢驗結果。其中，模型（1）、（3）報告了絕對經濟收斂模型下，機器人應用對中國區域經濟增長收斂性的影響結果，模型（2）、（4）報告了條件經濟收斂模型下，機器人應用對中國區域經濟增長收斂性的影響結果。其中模型（3）、（4）使用相應的工具變量以減少內生性影響。從表9 的回歸結果來看，工業機器人滲透率與變量logy 的交互項系數在絕對收斂模型和條件收斂模型中在1%的顯著性水平下顯著為負，變量logy 的系數仍舊在1%的顯著性水平下顯著為負，使用工具變量后，同樣在1%的顯著性水平下顯著為負。這說明上文的回歸結果穩健可靠。

表9 穩健性檢驗（全行業）

表10 為解釋變量調整為全地區后的結果。從回歸結果來看，無論是絕對收斂模型還是條件收斂模型，工業機器人滲透率與變量logy 的交互項系數在1%的顯著性水平下均顯著為負，變量logy的系數在1%的顯著性水平下顯著為負，使用工具變量后的結果也在1%的顯著性水平下顯著為負。這說明上文的回歸結果穩健可靠。

表10 穩健性檢驗（全地區）

六、結論和建議

機器人在各行各業的快速滲透勢必會對中國區域經濟發展產生重大而深刻的影響。本文把機器人視為一種生產要素，在新古典經濟增長模型中研究了機器人應用對經濟收斂的影響，并使用2011—2018 年中國228 個地級市數據對模型的理論預測進行實證檢驗。主要研究結果為：一是全國區域（地級市）經濟存在收斂情況；二是機器人的運用可以促進區域經濟加速收斂；三是機器人的運用對中國中西部地區經濟收斂的促進作用更為顯著。

基于上述研究，本文對加強工業機器人的運用、進一步促進區域協調發展、更好助力共同富裕，提出如下政策建議。首先，加大對工業機器人產業的財稅政策扶持力度。雖然目前我國機器人保有量排名第一，但人均擁有量同發達國家相比依然較低，?為加速工業機器人的推廣運用、推進生產“智能化”，建議對企業購置工業機器人給予財政補助、對工業機器人采用加速折舊或對工業機器人折舊采用加計扣除稅收優惠，以激勵企業更新改造工業機器人。其次，著力推動中西部地區工業機器人的應用。通過工業機器人的應用引進資金、人才和技術，促進地區經濟社會發展，實現東中西部的共同富裕。最后，重視機器換人后相關制度改革，讓發展的成果惠及全體人民群眾。當前，工業機器人等人工智能技術的運用也會引起“機器代人”的廣泛憂慮，人工智能是資本和技術密集型產業，是人類與機器間的競合，也是資本與勞動間的競合。因此在大力發展人工智能的同時，要加大初次分配向勞動傾斜力度，并注重勞動者技能的培訓以適應人工智能發展，保障勞動者更加充分、更高質量的就業。

注釋：

①根據國際機器人聯合會（IFR）定義，工業機器人是在工業自動化中使用的、可重復編程的、多用途自動控制操作機，是面向工業領域的多關節機械手或多自由度機器人，可在一些單調、繁復和長時間的工作中替代人類（程虹等，2018；Graetz et al.，2017）。

②數據來自于國際機器人聯合會（IFR）。

③蔡昉和都陽（2000）認為經濟開放程度會影響市場化程度，從而影響資源的配置效率，越開放的經濟體，市場機制所發揮的作用也越明顯，資源配置的效率也就越高，越有利于經濟增長速度的提高，促進落后地區對發達地區的追趕。

④本文把機器人視為一種新的生產要素主要出于以下理由：機器人可在許多的工作中替代人類勞動，甚至在許多任務上能超越人類，在這一意義上，機器人從事的工作具有人類勞動的屬性。但機器人是機器，它也具有資本的屬性。鑒于機器人擁有資本和勞動兩方面的屬性，但又存在有別于這兩方面的屬性，故本文把其視為一種新的生產要素。

⑤企業需要投入才能購買到機器人要素，所以本文用企業在機器人應用方面的資本投入來衡量機器要素投入。

⑥詳細推導請參見Barro &Sala-i-Martin（1995）。

⑦IFR 提供的全球分行業工業機器人數據涉及到14個制造業小類，中國以31 個制造業二位行業代碼歸類，2011 年前汽車制造業未從運輸設備制造業中獨立出來，所以制造業行業小類最后歸并為13 個，匹配方法參照閆雪凌等（2020）的方法（感興趣者可向作者索取）。

⑧中國工業機器人2010 年后才真正邁入發展軌道，以之前的數據為基期不能反映現實，故本文以2010 年作為計算基期。

⑨8 個缺失省份具體為江蘇省、青海省、湖北省、湖南省、海南省、河南省、吉林省、新疆維吾爾自治區。

⑩由于涉及到數據滯后，本文數據的描述性統計包括2010—2018 年。

?2018 年，中國機器人密度為140 臺/萬工人，而新加坡為831 臺/萬工人、韓國為774 臺/萬工人、德國為338 臺/萬工人、日本為327 臺/萬工人，世界平均水平為99 臺/萬工人。數據來自《2020 年中國工業機器人產業發展報告》。