人工智能對制造業高質量發展的影響研究

[摘 要：在新一輪科技革命和產業變革的加速演進下，人工智能作為核心驅動力能夠促進制造業高質量發展。文章基于2008—2020年我國30個省級面板數據，理論分析并實證檢驗了人工智能對制造業高質量發展的影響。研究發現：人工智能應用能夠顯著促進制造業高質量發展，且能有效提升制造業發展的經濟效益、創新效益、綠色效益和附加值效益；人工智能的應用存在異質性，對東部地區制造業、勞動密集型和中高技術制造業的高質量發展促進效應更為顯著；機制檢驗表明，人工智能通過技術創新、人力資本結構優化、生產性服務業集聚推動制造業高質量發展。

關鍵詞：人工智能；制造業高質量發展；技術創新；人力資本結構；生產性服務業集聚

中圖分類號：F49；F424；TP18 " " 文獻標識碼：A 文章編號：1007-5097（2023）04-0065-12 ]

Research on the Impact of Artificial Intelligence

on the High-quality Development of Manufacturing Industry

YANG Renfaa，b，LU Yaob

（a. School of Economics; b. Institute of Innovation and Development Strategy，Anhui University，Hefei 230601，China）

Abstract：Under the accelerated evolution of the new round of scientific and technological revolution and industrial transformation，artificial intelligence（AI）as the core driving force can promote the high-quality development of manufacturing industry. Based on the data of 30 provincial panels in China from 2008 to 2020，this paper theoretically analyzes and empirically tests the impact of artificial intelligence on the high-quality development of manufacturing industry. It is found that the application of artificial intelligence can significantly promote the high-quality development of manufacturing industry，and can effectively improve the economic，innovative，green，and value-added benefits of the development of the manufacturing industry；there is heterogeneity in the application of artificial intelligence，which has a more significant effect on the high-quality development of manufacturing，labor-intensive and medium-high-tech manufacturing in the eastern region；the mechanism test shows that artificial intelligence promotes the high-quality development of manufacturing industry by technological innovation，human capital structure optimization，and agglomeration of productive service industries.

Key words：artificial intelligence；high-quality development of manufacturing industry； technological innovation；human capital structure；agglomeration of productive service industries

一、引 言

制造業作為立國之本、強國之基，是保障國民經濟持續健康發展的支柱產業。我國已發展成為制造大國，然而受國際環境影響和國內要素供給約束，制造業相較于傳統制造強國競爭優勢有所減弱，其發展也面臨嚴峻挑戰。在此背景下，推動制造業高質量發展不僅是構筑核心競爭力的關鍵環節，也是順應世界大勢的必由之路。《中國制造2025》明確提出，將智能制造作為主攻方向，加快工業機器人在多行業的應用，以推動制造業轉型升級，使我國從制造業大國邁向制造業強國。根據國際機器人聯合會（International Federation of Robotics，簡稱IFR）發布的數據顯示，2008—2020年，我國工業機器人安裝量從7 879臺增長到16.84萬臺，年均增長率達到27%，是目前世界上最大的機器人市場。因此，工業機器人的廣泛應用會不斷加深對經濟社會的影響，逐漸成為未來經濟增長的重要推動力。

面對人工智能市場巨大的發展潛力與前景，如何將人工智能應用于制造業市場，成為賦能制造業的全新引擎，是推動制造業高質量發展的重要之義。2017年7月，國務院印發《新一代人工智能發展規劃》，部署構筑我國人工智能發展的先發優勢。2019年3月，習近平總書記主持召開的中央全面深化改革委員會第七次會議通過了《關于促進人工智能和實體經濟深度融合的指導意見》。黨的二十大報告指出，要加快建設制造強國，推動制造業高端化、智能化、綠色化發展，構建新的增長引擎。可見，制造業高質量發展必然要依賴科技創新，而人工智能作為引領未來的新型戰略技術，能夠通過提升企業全要素生產率、轉變制造業發展模式和重構產業價值鏈等途徑，成為驅動科技創新和制造業高質量發展的重要力量。因此，在我國經濟高質量發展進程中，深入探討人工智能對制造業高質量發展的影響及作用機制具有重要現實意義。

二、文獻綜述

目前，學者對制造業高質量發展研究主要圍繞以下兩個方面：一是制造業高質量發展的內涵以及推進對策。制造業高質量發展是要素投入產出效率高、經濟社會效益好的質量型發展（任保平和文豐安，2018）［1］，是五大新發展理念的應用體現（馮正霖，2019）［2］。相應地，一些學者從頂層設計（史丹和李鵬，2019）［3］、科技創新（李春發等，2020）［4］、產業融合（郭朝先，2019）［5］等方面提出促進制造業高質量發展的對策建議。二是關于制造業高質量發展水平的評價測算。當前，對制造業高質量發展的測算主要有兩種方法：一種是使用單一指標衡量，如企業中間投入產出率（沈坤榮和傅元海，2010）［6］；另一種則是考慮單一指標的局限性和片面性，采用較為全面的指標體系衡量，如趙卿和曾海艦（2020）［7］從經濟效益、創新驅動、“兩化”融合和綠色發展多個維度構建制造業高質量發展評價體系，羅序斌和黃亮（2020）［8］基于數字化、網絡化、智能化和綠色化并進視角構建中國制造業高質量轉型升級評價指標體系。

目前，關于人工智能的研究主要著眼于勞動力市場、就業市場和宏觀經濟等方面。一方面，以工業機器人為代表的人工智能替代了部分勞動力并產生新的勞動需求（Acemoglu和Restrepo，2019［9］；劉駿等，2021［10］），從而對勞動力市場產生影響；另一方面，人工智能的應用會影響就業和工資（Autor和Dorn，2013）［11］，使用工業機器人會對就業結構產生兩極分化沖擊（孔高文等，2020）［12］，但長期來看會增加就業機會和工資水平（王曉娟等，2022）［13］。此外，人工智能在提升社會生產力（Graetz和Michaels，2018）［14］、促進技術進步（薛瀾等，2019）［15］、緩解人口老齡化（楊飛和范從來，2020）［16］等方面發揮了積極作用。

隨著國內工業機器人的推廣應用和人工智能的發展，人工智能給制造業帶來的經濟效應和社會效應受到了廣泛關注。從制造業生產率來看，一部分學者認為，人工智能技術的突破和工業機器人的應用有利于提高制造業全要素生產率（孫早和侯玉琳，2021）［17］，從而推動行業進步；也有學者基于制造業企業微觀數據指出，工業機器人等人工智能應用能夠促進勞動力結構轉型，提升制造業勞動生產率（余玲錚等，2021）［18］。從制造業產業結構來看，郭凱明（2019）［19］通過建立多部門動態一般均衡模型，證明人工智能服務和技術會促使要素流動，從而促進產業結構升級；韋東明等（2021）［20］基于制造業工業機器人數據，從實證角度考察人工智能對產業結構轉型的作用效應。從制造業全球價值鏈來看，人工智能可以提高產品質量，提升產品附加值（韓峰和莊宗武，2022）［21］，從而促進制造業企業出口升級（Lu和Zhou，2021）［22］，推動產業邁向全球價值鏈中高端，提升其在全球價值鏈分工地位（呂越等，2020）［23］。

回顧已有文獻，多數研究集中于人工智能與制造業發展的某一維度分析，而直接關注人工智能對制造業高質量發展影響的文獻較少。鑒于此，本文嘗試從以下兩個方面做出努力：一是基于經濟效益、創新效益、綠色效益和附加值效益四個方面構建制造業高質量發展體系，并利用Bartik工具變量法計算機器人滲透度，衡量人工智能發展水平，實證檢驗人工智能對制造業高質量發展的影響；二是嘗試探討人工智能影響制造業高質量發展的機制問題，從技術創新、人力資本結構優化和生產性服務業集聚三個方面探討人工智能影響制造業高質量發展的作用機制。

三、理論分析

現階段，新一代人工智能技術持續演進，其不僅能與傳統制造業融合，直接促進制造業變革，還能通過多途徑推動制造業由低端向高端發展，逐漸成為引領制造業高質量發展的重要引擎。因此，有必要從理論出發，深入探究人工智能影響制造業高質量發展的內在機理。

（一）基礎性理論分析

當前，面對新一輪科技革命和產業變革的契機，以人工智能應用為手段，推動制造業邁向中高端是制造業高質量發展的關鍵（高煜，2019）［24］。從經濟效益來看：人工智能的應用會替代部分勞動力，促進“人機融合與協作”（胡晟明等，2021）［25］，從而提高勞動效率，提升行業生產力；同時，人工智能借助高端技術創造出新的產品和服務，創新商業模式，促進新興產業形成，從而培育經濟增長新動能，實現制造業高質量發展（Vaio等，2020）［26］。從創新效益來看：隨著以工業機器人為代表的人工智能技術在制造業領域的應用與滲透，逐漸形成以創新和知識驅動為特征的高質量發展（Iqbal等，2020）［27］。從綠色效益來看：根據技術進步理論，在短期內，人工智能技術能夠通過智能化應用降低行業碳排放強度，提高能源效率，從而有利于經濟增長；根據“技術回彈效應”理論，長期視角下，經濟快速提升會導致能源消耗增加，對能源產生新的需求，并不利于綠色發展。而目前學者通過理論和實證研究普遍認為，人工智能技術的應用能夠提升工業綠色發展效率，產生綠色經濟效益（Wang等，2022［28］；唐曉華和遲子茗，2022［29］）。從附加值效益來看：人工智能會催生和加速智能消費，驅動消費結構升級，而消費結構的升級會倒逼企業產品研發和質量提升，從而產生附加值效益（任保平和宋文月，2019）［30］。

（二）拓展性理論分析

人工智能是引領未來的新興戰略技術，憑借發展速度快、輻射范圍廣、影響程度深的特點，從供給端和需求端雙向推動了制造業高質量發展。具體來看，人工智能可以通過促進技術創新、優化人力資本結構、生產性服務業集聚來推動制造業高質量發展。

1. 技術創新效應

人工智能對技術創新的促進作用主要表現為：一是人工智能有助于提升要素的有效投入。根據熊彼特的技術創新理論，人工智能會推動企業加大要素投入以提升自身競爭力，而要素投入帶來的生產要素與生產條件的新組合，能夠提升企業及行業技術創新水平（Nordhaus，2021）［31］。二是人工智能可以提升企業創新能力。人工智能的應用會引發制造業企業創新行為的變革，拓展企業自主技術創新空間，促進新一輪的技術創新。三是人工智能通過擴散先進技術推動技術進步。人工智能作為新一代通用性ICT（信息通信技術），廣泛滲透和應用于各個產業部門和各個環節，具有較大的縱向和橫向外部性，推動工業制造領域技術創新的共同突破（程文，2021）［32］。

根據新經濟增長理論，內生技術進步是經濟增長最根本的動力來源。技術創新作為制造業發展的核心動力，可以通過顛覆現有生產和管理模式、提高制造業產品附加值、改善要素資源配置效率等途徑在制造業高質量發展中發揮積極作用（胡俊和杜傳忠，2020）［33］。

2. 人力資本結構優化效應

當前，我國人口老齡化程度不斷加深，勞動力市場面臨著挑戰，而人工智能具有對低技能勞動力的替代作用和促進人機協作、催生新崗位的創造作用（王永欽和董雯，2020）［34］。一方面，人工智能的應用需要高水平的人力資本與之相匹配。面對人工智能帶來的沖擊，制造業企業會增加對高技能、高質量勞動力即人力資本的需求（程承坪和彭歡，2018）［35］，從而提升現有勞動力技能水平，匹配新的勞動需求和生產方式，進而促進人力資本結構優化。另一方面，人工智能的發展必然會促進人力資本結構優化。伴隨著人工智能應用程度的加深，人工智能技術的迭代更新會倒逼勞動者主動提升自身技能水平，實現人力資本要素在不同產業部門流動，提升人力資本效率。

新結構經濟學將要素稟賦結構作為一個重要切入點，認為要素稟賦結構內生決定著某一時點的經濟結構和發展水平（林毅夫，2017）［36］。由于一個經濟體的產業和技術結構內生于要素稟賦結構，要素稟賦結構決定著一個國家和地區產業比較優勢，因而，要使這種比較優勢轉化為市場競爭力，需要促使其與產業和技術結構相匹配。人力資本結構作為要素稟賦結構中的重要部分，其不斷優化以滿足產業結構轉型升級的需要，是增強制造業產業核心競爭力的重要途徑。因此，新一代的人工智能依托互聯網、大數據、云計算和物聯網等新的信息環境，加速人力資本要素積累（Budhwar等，2022）［37］，推進要素市場化配置改革，從而優化人力資本結構，促進制造業高質量發展。

3. 生產性服務業集聚效應

人工智能可以通過促進生產性服務業集聚進而影響制造業高質量發展。人工智能對生產性服務業集聚存在顯著的正向影響，具體體現在：人工智能的應用意味著地區信息化和智能化水平加深，生產性服務業在地理上的互動成本和交易成本將減少，從而在更大空間范圍內拓展市場距離，延長產業鏈，有效促進了生產性服務業集聚（陳建軍等，2009）［38］。

結合馬歇爾的外部經濟理論和波特的產業集群理論，生產性服務業集聚可以通過空間外溢效應和規模經濟效應提高制造業高質量發展水平。首先，生產性服務業集聚能夠產生較強的知識和技術空間外溢效應（Pavelkova等，2021）［39］。由于產業集聚區具有知識和技術的比較優勢，制造業企業可以通過集聚區獲取外部性收益，加速知識和技術的溢出，最終通過提高研發效率和創新能力、降低企業生產成本、提高企業產品附加值等途徑推動制造業轉型升級和高質量發展（盛豐，2014）［40］。其次，生產性服務業在空間地理上的集聚伴隨著資金、技術、信息、設備等要素的相對集中，形成了人力資本水平較高的勞動力市場，有效降低了制造業發展過程中各個環節的成本，產生較強的規模效應。此外，生產性服務業集聚還能與周邊地區制造業集聚產生協同效應（Ke等，2014）［41］，從而助推制造業高質量發展。

四、計量模型、變量與數據說明

（一）模型設定與說明

為了檢驗人工智能對制造業高質量發展的影響，本文構建如下基準模型：

[GZLi，t=α0+α1AIi，t+δXi，t+Ui+Vt+εi，t] （1）

其中：i表示省份；t表示時間；GZLi，t表示i省份在t時期的制造業高質量發展指數；AIi，t表示i省份在t時期的人工智能發展水平；Xi，t為其他控制變量，包括出口需求（EXP）、居民消費（CON）、政府干預程度（GOV）和經濟發展水平（ECO）；εi，t為隨機誤差項；Ui和Vt分別表示地區固定效應和時間固定效應。

（二）變量定義

1. 被解釋變量：制造業高質量發展指數（GZL）

制造業的高質量發展是一個全面而綜合的概念，它包含經濟效益、創新效益、綠色效益和附加值效益等方面內容。基于此，本文從制造業高質量發展內涵出發，借鑒李金昌等（2019）［42］的做法，構建制造業高質量發展評價指標體系，包含10個正向二級指標和3個負向二級指標，進一步利用熵值法計算出制造業高質量發展指數。具體評價指標體系見表1所列。

2. 解釋變量：人工智能水平（AI）

工業機器人是人工智能在制造業應用的重要表現，本文參考韓民春等（2020）［43］的做法，采用工業機器人應用密度衡量人工智能水平，即每萬人擁有的工業機器人數量。由于國際機器人聯合會（IFR）只公布國家層面以及國家細分行業層面的工業機器人數據，而本文需要的是省級層面的工業機器人密度數據，因此，采用Bartik工具變量法構建省級層面工業機器人滲透度，即工業機器人應用密度，具體計算公式如下：

[AIi，t=∑jj=1（empti，jemptiAINUMj，tempj，t）] （2）

其中：[AIi，t]表示i省份t時期工業機器人滲透度；[empti，j]表示t時期i省份j制造業的就業人數，[empti]表示t時期i省份的全部就業總人數，[empti，jempti]則表示t時期i省份j制造業行業的就業人數比例，即權重；[AINUMj，t]表示j制造業行業t時期的工業機器人保有量，[empj，t]表示j制造業t時期的全部從業人數，[AINUMj，tempj，t]則表示全國層面的行業工業機器人密度；將所有制造業相關行業機器人密度加總即得到t時期i省份的機器人滲透度[AIi，t]。

公式中的計算主要取決于兩個重要假設：一是制造業各分行業就業人數占制造業總就業人數比例，權重越大說明該地區制造業發展水平較好，工業機器人應用程度較高；二是制造業中的工業機器人密度大則對整個地區制造業的人工智能水平發展影響大。由于IFR數據庫中公布的行業數據與我國統計體系中的行業分類標準并不完全一致，因此，本文根據國民經濟行業分類GB/T4754-2017，對照IFR所提供的行業進行剔除、匹配和歸并（1）。

3. 機制檢驗變量

（1）技術創新（TECH）。專利數是技術創新的重要成果，本文借鑒萬建香和汪壽陽（2016）［44］的做法，采用專利申請量的對數來衡量技術創新程度。

（2）人力資本結構優化（HR）。本文參考劉智勇等（2018）［45］的做法，通過空間向量夾角計算人力資本結構優化指標。按照受教育程度將人力資本劃分為5種類型（2），構成一組5維人力資本空間向量[X0=（x0，1， x0，2， x0，3， x0，4， x0，5）]，并依次計算其與基本單位向量組的夾角，從而確定夾角[θk（k=1，…，5）]的權重，最后根據權重計算出人力資本結構高級化指數。具體計算公式如下：

[HR=∑5i=1Wkθk] （3）

其中：[θk][=arccos∑5i=1xk， ix0， i（∑5i=1x2k，i）12（∑5i=1x20，i）12;Wk為θk]

[的權重。]

（3）生產性服務業集聚（AGG）。參考劉奕等（2017）［46］的做法，本文選取“金融業”“科學研究和技術服務業”“租賃和商務服務業”“信息傳輸、計算機服務和軟件業”“交通運輸、倉儲和郵政業”5個行業代表生產性服務業，并以其就業人數為基準對集聚指數進行測度。具體如公式（4）所示：

[AGGi=Ei，j∑jEi， j∑iEi， j∑i∑jEi， j]" （4）

其中，[Ei，j]為i地區j產業的從業人數。

4. 控制變量

其中包括：出口需求（EXP），采用各地區出口金額與地區生產總值的比值來衡量；居民消費水平（CON），采用各地區居民消費水平與當地生產總值的比值來衡量；政府干預程度（GOV），采用各地區一般公共財政支出與地區生產總值的比值來衡量；經濟發展水平（ECO），采用人均GDP來衡量。

（三）數據來源

本文采用2008—2020年我國30個省份的面板數據進行實證檢驗，由于相關數據缺失，西藏和港澳臺地區暫未被選作研究樣本。工業機器人原始數據來自IFR，其他所有原始數據均來自《中國統計年鑒》《中國工業統計年鑒》《中國勞動統計年鑒》、各省份統計年鑒以及各類公開信息，部分數據存在缺漏值，采用插值法補齊。

變量的描述性統計見表2所列。

五、實證結果及分析

（一）基準回歸

在進行回歸分析之前，需要通過Hausman檢驗，判定采用固定效應模型還是隨機效應模型。根據檢驗結果可知，Hausman檢驗值為28.30，P值為0.000，說明在1%的顯著性上拒絕原假設，應該采用固定效應模型。因此，本文選擇固定效應模型來分析人工智能對制造業高質量發展的影響，具體結果見表3所列。

表3中，第（1）列至第（3）列分別將控制變量、時間固定效應和各省份固定效應加入回歸方程，列示回歸方程的邊際效應。其中，第（1）列是僅考慮人工智能對制造業高質量發展影響的結果，可以看出，人工智能對制造業高質量發展的影響系數為0.036 7，并且通過了1%的顯著性檢驗，說明人工智能對制造業高質量發展有顯著的促進作用；第（2）列加入控制變量并且控制了省份固定效應，可以看出，人工智能的估計系數在5%的水平上顯著為正，這與前文分析一致；進一步地，為了增強研究結果的穩健性，第（3）列同時控制了時間固定效應和省份固定效應，可以看出，在雙向固定效應模型中，人工智能每增加1%，會引起制造業高質量發展水平提升6.94%，說明人工智能在制造業的應用能夠顯著促進制造業高質量發展。此外，控制變量的回歸結果顯示：出口需求（EXP）和經濟發展水平（ECO）對制造業高質量發展有顯著的正向影響，這主要由于出口需求增多會驅動制造企業生產更高質量產品，從而推動制造業高質量發展，另外，國家整體經濟發展水平的提升會為制造業發展營造良好的經濟環境，從而推動制造業高質量發展；政府干預度（GOV）與制造業高質量發展存在負相關，這可能是由于政府對市場存在過度干預的情況，而過度干預不利于發揮市場在資源配置中的作用，從而不利于制造業高質量發展；居民消費水平（CON）對制造業高質量發展雖然存在正向促進作用，但并不顯著，這可能是因為居民消費水平是衡量經濟平穩發展的一個重要因素，但其對制造業高質量發展的直接刺激作用并不強。

（二）內生性與穩健性檢驗

1. 內生性檢驗

由于模型可能存在內生性問題從而造成以下偏差：一是可能存在遺漏變量問題；二是人工智能與制造業高質量發展水平可能存在雙向因果關系，即人工智能在推動制造業高質量發展的同時，制造業高質量發展也會影響人工智能的發展，如某些地區制造業產業基礎能力強，相應地，其在發展過程中對人工智能技術及應用的需求較強，從而倒逼該地區人工智能的發展。因此，本文采用以下兩種方法解決內生性問題：

（1）系統GMM法。考慮上一期的制造業高質量發展可能對下一期存在動態影響，本文在模型中引入被解釋變量滯后一期，并采用系統GMM動態面板模型進行估計，以緩解內生性問題。表4第（1）列列示了系統GMM的回歸結果，可以看出，AI系數在1%的水平上顯著為正，說明提高人工智能應用水平能顯著地促進制造業高質量發展；L.GZL系數在1%的水平上顯著為正，說明制造業高質量發展具有時間連續性，前一期制造業高質量發展情況對當期的制造業高質量發展存在顯著的促進作用。此外，AR（1）檢驗P值小于0.01，AR（2）檢驗P值大于0.1，表明存在一階自相關但不存在二階自相關，Sargan檢驗結果表明不存在過度識別現象。

（2）工具變量法。為了滿足工具變量與內生解釋變量相關、又與隨機擾動項無關的條件，本文參考孫早和侯玉琳（2021）［17］的做法，選擇各省份長途光纜密度作為工具變量，并使用兩階段最小二乘法（2SLS）進行估計。其原因為：從相關性來看，由于長途光纜中的光纖傳感器是工業機器人的基礎關鍵性元件，故各地區長途光纜密度與人工智能發展水平密切關聯；從外生性來看，長途光纜的建設是由外生決定的，不受制造業發展水平影響。因此，選用長途光纜作為工具變量具有可行性，其中，長途光纜密度為各省份每平方公里的長途光纜長度，具體回歸結果見表4第（2）列。為了驗證工具變量的有效性，本文進行了不可識別檢驗和弱工具變量檢驗，檢驗得出Kleibergen-Paap rk LM統計量為122.430，在1%的顯著性水平上拒絕不可識別假設，說明工具變量不存在不可識別問題。此外，Cragg-Donald Wald F統計量為91.215，大于Stock-Yogo，在10%顯著性水平的臨界值為16.38，說明不存在弱工具變量問題。根據回歸結果可知，人工智能每提高１%，制造業高質量發展水平提升8.43%，且在1%的水平上顯著，與基準回歸相比，2SLS回歸結果除系數大小外沒有顯著區別，與上文估計結果一致。

2. 穩健性檢驗

通過基準回歸得出人工智能能夠推動制造業高質量發展，為驗證基準回歸結果是否可靠，本文嘗試用以下兩種方法進行穩健性檢驗：一是異常值處理。由于極端樣本可能對整體回歸結果造成影響，為緩解這一問題，本文對被解釋變量制造業高質量發展和核心解釋變量人工智能做5%水平的縮尾處理，回歸結果見表4第（3）列。結果表明，進行5%水平的縮尾處理后，人工智能對制造業高質量發展仍然表現出顯著的促進作用，系數大小也沒有較大波動，表明基準回歸中并不存在異常值影響。二是更換核心解釋變量。為了進一步考察人工智能對制造業高質量發展的影響，本文參考吳非和徐斯旸（2022）［47］的做法，基于上市企業年報文本數據，利用Python軟件統計“人工智能”相關的關鍵詞詞頻（3），并匹配到企業所在省份，進行對數化處理后得到人工智能應用程度指標，以此替換核心解釋變量人工智能，回歸結果見表4第（4）列。可以看出，人工智能能夠推動制造業高質量發展，且在1%的水平上顯著，表明人工智能對制造業高質量發展的影響是穩健的。以上結果顯示，無論是處理異常值還是替換核心解釋變量，人工智能均能推動制造業高質量發展，通過了穩健性檢驗。

（三）異質性檢驗

1. 分地區

不同地區的經濟發展水平不同，人工智能發展程度也存在差異，因此，不同地區的人工智能發展水平對制造業高質量發展的影響可能也存在差異。為了考察人工智能對制造業高質量發展的區域性差異，本文將樣本分為東部、中部和西部地區（4）分別進行回歸，具體回歸結果見表5所列。

從表5可以看出，東部地區人工智能每增加１%，制造業高質量發展水平提高8.26%，且在1%的水平上顯著；中西部地區人工智能系數為正，但并不顯著，說明人工智能對東部地區制造業高質量發展的影響高于中西部地區。這主要是因為：人工智能主要應用于高端技術產業等技術密集型產業，與中西部地區相比，東部地區產業發展基礎較好，人工智能技術能夠與制造業發展更好地融合，促進制造業企業生產效率提升、運營管理升級和商業模式優化；而中西部地區產業基礎較為薄弱，制造業尚未實現從勞動密集型產業為主導向技術密集型產業為主導的轉變，人工智能的應用未能與制造業實現良好匹配，因此，人工智能對東部地區制造業高質量發展的推動作用更大。

2. 高質量發展子維度

本文構建了制造業高質量發展經濟效益、創新效益、綠色效益與附加值效益4個子維度，通過熵值法計算指標并進行分析，以考察人工智能的結構效應，回歸結果見表6所列。可以看出，人工智能對制造業高質量發展4個維度指標的回歸系數均顯著為正，說明人工智能可以發揮經濟、創新、綠色和附加值效益，從而實現制造業高質量發展。進一步地，比較不同子維度AI回歸系數可以看出，人工智能對經濟效益和創新效益的回歸系數明顯高于其他維度，即人工智能在制造業的應用中產生的經濟效益和創新效益高于其他維度。可能的原因是，人工智能是新一代科技革命產物，在與制造業融合發展過程中能夠發揮其自身特性及特點，提升行業創新水平，形成顯著的經濟效益和創新效益，從而引領制造業高質量發展。

為進一步分析不同技術類型制造業人工智能應用程度對制造業高質量發展影響的異質性特征，本文參考OECD的制造業技術劃分標準，將樣本劃分為低技術制造業、中技術制造業和高技術制造業三大類，并加總每類制造業的工業機器人滲透度作為其人工智能應用水平，具體回歸結果見表7所列。

從表7可以看出，無論是高技術制造業還是中低技術制造業，人工智能應用水平對制造業高質量發展的影響均呈現顯著的正向關系。具體來看，不同技術類型制造業人工智能應用水平對制造業高質量發展影響程度不同，中技術制造業人工智能水平對制造業高質量發展的影響最大，其次是高技術制造業，低技術制造業影響效應最小。可能的原因是，人工智能在不同技術類型制造業中產業融合程度不同，中高技術制造業作為知識和技術密集型產業，產業發展過程中對技術要素需求高，因此，人工智能技術的應用程度更高，從而對制造業高質量發展的影響效應更大。

4. 不同要素密集型制造業

為了考察制造業中不同要素密集型行業的人工智能應用水平對制造業高質量發展的影響差異，本文參考陽立高等（2014）［48］的分類標準，將樣本分為勞動密集型制造業、資本密集型制造業和技術密集型制造業三大類，分別計算出人工智能應用水平并進行回歸，回歸結果見表8所列。

從表8可以看出，勞動密集型制造業、資本密集型制造業和技術密集型制造業中人工智能的應用均顯著促進了制造業高質量發展，具體來看，人工智能在勞動密集型制造業中的應用對制造業高質量發展的影響程度最高，技術密集型其次，影響程度最低的為資本密集型制造業。其中，勞動密集型制造業中人工智能應用水平的回歸系數為0.088 3，且在1%水平上顯著，說明勞動密集型制造業人工智能水平每增加1%，制造業高質量發展將提升8.83%。形成這樣結果的主要原因是，勞動密集型制造業需要大量勞動力，而人工智能對勞動力存在直接的替代效應，“機器代人”使勞動密集型制造業生產效率得到顯著提升，促使其逐漸向智慧化、智能化方向發展。

六、影響機制

上文的實證分析結果表明，人工智能可以有效推動制造業高質量發展，人工智能主要通過技術創新、人力資本結構提升和生產性服務業集聚3個方面影響制造業高質量發展水平。因此，本文借鑒諸竹君等（2022）［49］的做法，對這3個方面展開實證檢驗。

表9列示了人工智能影響制造業高質量發展的作用機制，其中W為機制檢驗變量。第（1）列、第（2）列匯報了技術創新效應的回歸結果，從第（1）列結果來看，人工智能對技術創新的影響在1%水平上顯著為正，說明人工智能的發展促進了技術創新與進步，主要是因為人工智能作為新一代信息技術的代表，具有較強的滲透性和創造性特征，其應用與發展能夠促進技術進步與創新；從第（2）列結果來看，技術創新對制造業高質量發展的影響在5%水平上顯著為正，說明技術創新顯著促進了制造業高質量發展，主要是由于技術創新可以加快制造業智能化升級，提高生產環節效率，優化組織管理模式，延長整體產業鏈，從而推動制造業高質量發展。由此可見，人工智能對制造業高質量發展的影響能夠通過提升技術創新來實現，驗證了本文提出的中間渠道機理。

人工智能發揮對制造業高質量發展的影響除了體現在促進制造業技術進步上，還可以通過人力資本結構的優化來實現，表9第（3）列、第（4）列列示了人力資本結構優化效應的回歸結果。由第（3）列結果可知，人工智能對人力資本結構優化的影響在1%水平上顯著為正，說明人工智能的發展能夠促進人力資本結構優化，主要是由于人工智能存在對中低技能勞動力的替代作用和衍生就業機會的創造作用，進而優化現有人力資本結構；由第（4）列結果可知，人力資本結構優化對制造業高質量發展的影響在1%水平上顯著為正，說明人力資本結構優化對制造業高質量發展存在顯著促進作用。由此可見，人工智能可以通過優化人力資本結構，促進勞動力等生產要素在產業間的流動，培育出產業新業態、新模式，從而助推制造業高質量發展，驗證了本文提出的人力資本結構優化的中間渠道機理。

除上述外，人工智能通過促進生產性服務業集聚實現制造業高質量發展，表9第（5）列、第（6）列列示了生產性服務業集聚效應的回歸結果。由第（5）列結果可知，人工智能在1%的顯著性水平上對生產性服務業集聚有正向影響，說明人工智能推動了生產性服務業集聚，這主要是由于人工智能的應用可以促進全要素在區域間流動，從而有利于形成生產性服務業集聚；由第（6）列結果可知，生產性服務業集聚對制造業高質量發展的影響在5%水平上顯著為正，說明生產性服務業集聚能夠顯著促進制造業的高質量發展，這主要是由于生產性服務業集聚帶來的空間溢出效應和規模經濟效應，能夠推動制造業進行服務化轉型，實現制造業和服務業的融合發展，從而促進制造業高質量發展。由此可見，人工智能對制造業高質量發展的影響能夠通過促進生產性服務業集聚來實現，驗證了本文提出的生產性服務業集聚的中介作用。

七、結論與政策建議

（一）研究結論

本文在理論分析人工智能影響制造業高質量發展的基礎上，采用2008—2020年我國30個省級面板數據，實證檢驗人工智能對制造業高質量發展的影響以及相關影響機制。研究發現：①人工智能應用可以顯著促進制造業高質量發展，經過一系列檢驗結論依然成立；②人工智能可以通過技術創新效應、人力資本結構優化效應和生產性服務業集聚效應促進制造業高質量發展；③人工智能對制造業高質量發展存在顯著的區域性差異，與中西部地區相比，其促進效應在東部地區表現更為顯著；同時，在不同類型的制造業中人工智能對制造業高質量發展呈現異質性特征，其在勞動密集型和中高技術制造業應用產生的影響效應更強。

（二）政策建議

根據研究結論，為進一步發揮人工智能對制造業高質量發展的驅動作用，本文提出以下政策建議：

第一，大力發展人工智能產業，深化人工智能在制造業的應用與融合發展。積極推進智能化基礎設施建設，進一步完善智能制造公共服務平臺，通過降低制造行業門檻和企業發展成本，營造良好發展環境，助推制造業高質量發展。另外，人工智能推動制造業發展是一個復雜的系統工程，不能僅僅依靠制造企業自身資源，政府必須出臺有效的產業政策。通過政策合理布局推動產業結構優化升級，積極引導扶持戰略性新興產業，有效助力制造業智能化升級。

第二，因地制宜推動人工智能應用與制造業區域協同發展。相較于中西部，東部地區要素稟賦和制度稟賦的比較優勢較為凸顯，人工智能在東部地區的發展規模及對制造業高質量發展的促進效應更加顯著。因此，各地區需要結合本地區經濟發展狀況、人工智能的應用程度和制造業發展需求，合理制定人工智能與制造業高質量發展相關的政策規劃，形成各地區優勢互補的產業發展布局。此外，中西部地區應積極發揮資源稟賦優勢，進一步優化營商環境，促進要素合理流動的有效市場，同時發揮有為政府的因勢利導作用，更好地促進地區制造業高質量發展。

第三，進一步發揮技術創新、人力資本結構優化和生產性服務業集聚對制造業高質量發展的作用。提升科技創新能力，大力推進產學研合作，加快科技成果轉化，推動新舊動能轉換；加強引進與培養面向制造業重點領域發展需求的復合型、創新型、應用型專業人才，建立健全科學的人才評價和激勵機制；加快推動生產性服務業集聚發展，創建集聚創新示范區，培育壯大新業態新模式，實現制造業向后端延伸的服務化，促進制造業與現代服務業的融合發展。

注 釋：

（1）根據IFR公布的行業數據，對照國民經濟標準行業分類GB/T4754-2017，篩選匹配后的行業包括“食品飲料制造業”“紡織品制造業”“木材加工及家具制造業”“造紙及紙制品業”“化學原料及化學制品制造業”“電氣機械及器材制造業”“計算機、通信和其他電子設備制造業”“汽車制造業”“金屬制品業”“金屬冶煉業”“非金屬礦物制品業”“通用設備制造業”“鐵路（船舶、航空航天）制造業和其他運輸設備”“其他制造業”。

（2）根據受教育程度劃分為未上過學、小學、初中、高中（含中專）和大專及以上（包括大專、本科及研究生）五種類型。

（3）本文通過提取政策文件中與人工智能相關的關鍵詞，最終篩選得到以下關鍵詞：人工智能、圖像理解、投資決策輔助系統、智能數據分析、智能機器人、機器學習、深度學習、語義搜索、生物識別技術、人臉識別、語音識別、身份驗證、自動駕駛、自然語言處理、智能控制、智能終端、智能管理、智能工廠、智能物流、智能制造、智能倉儲、智能技術、智能設備、智能生產、智慧農業、智能交通、智能醫療、智能穿戴、智能客服、智能家居、智能文旅、智能環保、智能電網、智能營銷、商業智能、移動智能、自動控制、自動監測、自動監控、自動檢測、自動生產、數控、集成控制、集成解決方案、智能故障診斷、生命周期管理、生產制造執行系統、高端智能、工業智能、集成系統、未來工廠。

（4）東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12個省份；中部地區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9個省份；西部地區包括重慶、四川、貴州、云南、陜西、甘肅、寧夏、青海、新疆9個省份。

參考文獻：

［1］任保平，文豐安. 新時代中國高質量發展的判斷標準、決定因素與實現途徑［J］. 改革，2018（4）：5-16.

［2］馮正霖. 以新發展理念引領新時代民航高質量發展［J］. 人民論壇，2019（5）：6-9.

［3］史丹，李鵬. 中國工業70年發展質量演進及其現狀評價［J］. 中國工業經濟，2019（9）：5-23.

［4］李春發，李冬冬，周馳. 數字經濟驅動制造業轉型升級的作用機理——基于產業鏈視角的分析［J］. 商業研究，2020（2）：73-82.

［5］郭朝先. 產業融合創新與制造業高質量發展［J］. 北京工業大學學報（社會科學版），2019，19（4）：49-60.

［6］沈坤榮，傅元海. 外資技術轉移與內資經濟增長質量——基于中國區域面板數據的檢驗［J］. 中國工業經濟，2010（11）：5-15.

［7］趙卿，曾海艦. 產業政策推動制造業高質量發展了嗎？［J］. 經濟體制改革，2020（4）：180-186.

［8］羅序斌，黃亮. 中國制造業高質量轉型升級水平測度與省際比較——基于“四化”并進視角［J］. 經濟問題，2020（12）：43-52.

［9］ACEMOGLU D，RESTREPO P. Automation and New Tasks：How Technology Displaces and Reinstates Labor［J］. Journal of Economic Perspective，2019，33（2）：3-29.

［10］劉駿，劉濤雄，謝康. 機器人可以緩解老齡化帶來的中國勞動力短缺問題嗎［J］. 財貿經濟，2021，42（8）：145-160.

［11］AUTOR D H，DORN D. The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market［J］.The American Economic Review，2013（5）：1553-1597.

［12］孔高文，劉莎莎，孔東民. 機器人與就業——基于行業與地區異質性的探索性分析［J］. 中國工業經濟，2020（8）：80-98.

［13］王曉娟，朱喜安，王穎.工業機器人應用對制造業就業的影響效應研究［J］.數量經濟技術經濟研究，2022，39（4）：88-106.

［14］GRAETZ G，MICHAELS G. Robots at Work［J］. The Review of Economics and Statistics. 2018，100（5）：753-768.

［15］薛瀾，姜李丹，黃穎，等. 資源異質性、知識流動與產學研協同創新——以人工智能產業為例［J］.科學學研究，2019，37（12）：2241-2251.

［16］楊飛，范從來. 產業智能化是否有利于中國益貧式發展？［J］. 經濟研究，2020，55（5）：150-165.

［17］孫早，侯玉琳. 人工智能發展對產業全要素生產率的影響——一個基于中國制造業的經驗研究［J］. 經濟學家，2021（1）：32-42.

［18］余玲錚，魏下海，孫中偉，等. 工業機器人、工作任務與非常規能力溢價——來自制造業“企業—工人”匹配調查的證據［J］. 管理世界，2021，37（1）：47-59.

［19］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［J］. 管理世界，2019，35（7）：60-77，202-203.

［20］韋東明，顧乃華，韓永輝. 人工智能推動了產業結構轉型升級嗎——基于中國工業機器人數據的實證檢驗［J］. 財經科學，2021（10）：70-83.

［21］韓峰，莊宗武. 國內大市場、人工智能應用與制造業出口國內附加值［J］. 世界經濟研究，2022（5）：33-47，135.

［22］LU Y Y，ZHOU Y X. A Review on the Economics of Artificial Intelligence［J］. Journal of Economic Surveys，2021（34）：1045-1072.

［23］呂越，谷瑋，包群. 人工智能與中國企業參與全球價值鏈分工［J］. 中國工業經濟，2020（5）：80-98.

［24］高煜. 我國經濟高質量發展中人工智能與制造業深度融合的智能化模式選擇［J］. 西北大學學報（哲學社會科學版），2019，49（5）：28-35.

［25］胡晟明，王林輝，趙賀. 人工智能應用、人機協作與勞動生產率［J］. 中國人口科學，2021（5）：48-62，127.

［26］VAIO A D，PALLADINO R，HASSAN R，et al. Artificial Intelligence and Business Models in the Sustainable Development Goals Perspective：A Systematic Literature Review［J］. Journal of Business Research，2020（12）：283-314.

［27］IQBAL R，DOCTOR F，MORE B，et al. Big Data Analytics：Computational Intelligence Techniques and Application Areas［J］. Technological Forecasting and Social Change，2020，153：119253.

［28］WANG E Z，LEE C C，LI Y Y. Assessing the Impact of Industrial Robots on Manufacturing Energy Intensity in 38 Countries［J］.Energy Economics，2022，105：105748.

［29］唐曉華，遲子茗. 工業智能化提升工業綠色發展效率的實證研究［J］.經濟學家，2022（2）：43-52.

［30］任保平，宋文月. 新一代人工智能和實體經濟深度融合促進高質量發展的效應與路徑［J］. 西北大學學報（哲學社會科學版），2019，49（5）：6-13.

［31］NORDHAUS W D. Are We Approaching an Economic Singularity？Information Technology and the Future of Economic Growth［J］. American Economic Journal：Macroecnomics，2021（1）：299-332.

［32］程文. 人工智能、索洛悖論與高質量發展：通用目的技術擴散的視角［J］. 經濟研究，2021，56（10）：22-38.

［33］胡俊，杜傳忠. 人工智能推動產業轉型升級的機制、路徑及對策［J］. 經濟縱橫，2020（3）：94-101.

［34］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［J］. 經濟研究，2020，55（10）：159-175.

［35］程承坪，彭歡. 人工智能影響就業的機理及中國對策［J］. 中國軟科學，2018（10）：62-70.

［36］林毅夫.新結構經濟學的理論基礎和發展方向［J］. 經濟評論，2017（3）：4-16.

［37］BUDHWAR P，MALIK A，SILVA T D，et al. Artificial Intelligence-Challenges and Opportunities for International HRM：A Review and Research Agenda［J］. The International Journal of Human Resource Management，2022（6）：1065-1097.

［38］陳建軍，陳國亮，黃潔. 新經濟地理學視角下的生產性服務業集聚及其影響因素研究——來自中國222個城市的經驗證據［J］. 管理世界，2009（4）：83-95.

［39］PAVELKOVA D，ZIZKA M，HOMOLKA L，et al. Do Clustered Firms Outperform the Non-clustered？Evidence of Financial Performance in Traditional Industries［J］. Economic Research-Ekonomska Istra?ivanja，2021（1）：3270-3292.

［40］盛豐.生產性服務業集聚與制造業升級：機制與經驗——來自230個城市數據的空間計量分析［J］. 產業經濟研究，2014（2）：32-39，110.

［41］KE S Z，HE M，YUAN C H. Synergy and Co-agglomeration of Producer Services and Manufacturing：A Panel Data Analysis of Chinese Cities［J］.Regional Studies，2014（11）：1829-1841.

［42］李金昌，史龍梅，徐藹婷.高質量發展評價指標體系探討［J］. 統計研究，2019，36（1）：4-14.

［43］韓民春，韓青江，夏蕾. 工業機器人應用對制造業就業的影響——基于中國地級市數據的實證研究［J］. 改革，2020（3）：22-39.

［44］萬建香，汪壽陽. 社會資本與技術創新能否打破“資源詛咒”——基于面板門檻效應的研究［J］. 經濟研究，2016，51（12）：76-89.

［45］劉智勇，李海崢，胡永遠，等. 人力資本結構高級化與經濟增長——兼論東中西部地區差距的形成和縮小［J］. 經濟研究，2018，53（3）：50-63.

［46］劉奕，夏杰長，李垚. 生產性服務業集聚與制造業升級［J］. 中國工業經濟，2017（7）：24-42.

［47］吳非，徐斯旸. 人工智能技術應用與上市企業市場價值［J］. 現代經濟探討，2022（11）：77-92.

［48］陽立高，謝銳，賀正楚，等. 勞動力成本上升對制造業結構升級的影響研究——基于中國制造業細分行業數據的實證分析［J］. 中國軟科學，2014（12）：136-147.

［49］諸竹君，袁逸銘，焦嘉嘉. 工業自動化與制造業創新行為［J］. 中國工業經濟，2022（7）：84-102.

［責任編輯：夏同梅］

收稿日期：2022-10-17

基金項目：國家社會科學基金后期資助一般項目“中國數字經濟與制造業深度融合研究”（21FJYB045）；安徽省哲學社會科學規劃一般項目“數字經濟驅動安徽制造業轉型升級的路徑研究”（AHSKY2020D52）

作者簡介：楊仁發（1977—），男，江西贛州人，教授，博士生導師，博士，經濟學院副院長，研究方向：產業經濟，區域經濟；

陸 瑤（1998—），女，安徽合肥人，碩士研究生，研究方向：產業經濟。