工業機器人應用如何影響企業全要素生產率

中圖分類號：TP242.2；F245 文獻標識碼：A 文章編號：1672-0105（2025）01-0038-09

How the Application of Industrial Robots Affect the Enterprise Total Factor Productivity

LIULixia，LIU Zhijun 1.HuzhouVcatioalamp;TchnicalCoege，Huzho30，Cina;2ZongnanUniversityofonomicandawWuhan430，in

Abstract：Automation technology with industrialrobots as themaincarrer isan important engine torealizethehigh-quality developmentofChina's manufacturingidustry.Tis paperintroduces diferent skillaborclassfications intothetask modelonthe basis of AcemogluandRestrepo（018a）anddeducesthatindustrialrobotapplicatiocanimprovethetotalfactorproductiityof enterprises troughautomationexpansionandnewjobcreation.Attheempiricallevel，thispaperselectsA-sharemanufacturing companies listedin2O11-2021asaresearchsample toempiricallyexaminetheimpactof industrialrobotapplicationonenterprise totalfactorproductivityandthemechanismofitsrole，andtheresultsshowthatrobotaplicationcanenterprisetotalfactor productivityandplaysafacilitatingrolemainlytroughthemechanismofautomationexpansionandnewjobcreation.Further heterogeneityanalysisrevealsthatthepositive impactofrobotapplicationontotalfactorproductivityofcapitaland technology-intensienterpsesadnostate-owedenterprisesismoresigicant.Terefore，enterpsessouldtaketeiiiatie toseizethepporusofutoatiditellgnttasftiogateteligntuactugiteodu， and improve enterprise total factor productivity.

Keywords：industrial robots; total factor productivity;task modeling;automation expansion; new job creation

0引言

新常態背景下，我國正處在轉變發展方式、轉換增長動力的高質量發展階段。以機器人、人工智能為代表的新一輪科技革命和產業變革加速演進，大力推進新型工業化建設成為我國經濟高質量發展的必由之路。工業機器人作為新型工業化時代的代表性技術，正深刻變革著制造業領域的生產模式。近年來，我國機器人存量急速增長，2021年中國工業機器人銷量達268195臺，同比增長 51% ，全球市場份額占比首次超過 50% 。2015年國務院發布《中國制造 2025? ，強調以智能制造為主攻方向，實現生產過程自動化、智能化，全面推進制造強國戰略。隨著機器人在生產生活中的廣泛應用，學界聚焦于其帶來的經濟效益，普遍認為工業機器人應用能夠顯著改善生產效率，實現長期可持續經濟增長。

以機器人為代表的自動化技術，逐步成為我國經濟高質量發展的新動力。然而，自1987年Solow提出“生產率悖論”后，學界對自動化技術能否帶來正向的生產率效益一直存在分歧。主流觀點強調自動化技術可改善生產效率、促進經濟增長。不少學者通過假設以機器資本生產已被自動化的任務，以勞動生產未被自動化的任務，構建任務模型進行理論分析，推演發現自動化技術憑借機器資本在效率與成本上的雙重優勢，替代效率低下的勞動力要素，從而提高企業生產率（Zeira\"}；Autor[2]；Acemoglu和Restrepo[3]）。Steigum[4構建雙重嵌套的CES函數，假定機器資本與勞動或傳統資本替代，理論推演同樣驗證了機器人的生產率效應。楊光和侯鈺在任務模型中納入機器人定價行為，利用跨國機器人進口數據，從經驗層面證明工業機器人應用有利于提高全要素生產率。劉洋等采用數值模擬方法，證明工業智能化通過提高要素生產率、促進產品研發與創新等方式促進總產出增長。但另一種觀點認為，機器人等自動化技術存在“生產率悖論”，不能帶來生產率的持續增長。Brynjolfsson[指出，造成“生產率悖論”的原因主要有四點：對自動化發展程度的高估、生產率的計算誤差、技術進步所造成的收入分配不均以及自動化存在的時滯性。Gordon認為，“生產率悖論”的原因在于自動化技術研發周期長、前期投資門檻高，高昂的轉型成本使許多企業難以承受。Acemoglu和Restrepo基于任務模型推演，發現存在技術與技能不匹配、以犧牲新任務為代價的自動化以及過度自動化這三種阻礙自動化提高生產率的潛在制約因素。胡晟明等[1]利用中國勞動力微觀調查數據，從經驗層面驗證了人機不匹配對生產率效應的限制影響。孫早和侯玉琳將人工智能區分為效率增進型和成本節約型，實證研究發現成本節約型人工智能對全要素生產率的提升是短期的，只有效率增進型人工智能才能長期促進經濟增長。那么，工業機器人作為自動化技術的核心載體，如何影響我國企業全要素生產率，是否會引發新型工業化時代的“生產率悖論\"？回答這一問題對我國工業化進程和智能制造模式選擇發揮著重要指導作用。

基于此，本研究基于Acemoglu和Restrepo[的任務模型，理論推演機器人應用對全要素生產率的內在影響機制。利用2011—2021年中國滬深A股制造業上市公司數據，以工業機器人滲透率刻畫機器人應用水平，實證檢驗機器人應用對全要素生產率的影響、作用機制，以及在不同要素密集度、所有制差異下的異質性影響。

1理論模型

1.1模型設定

本文借鑒Acemoglu和Restrep[3的任務模型，首先假定整個經濟體存在唯一最終品 Y ，總產出 Y 由一系列子任務 y（x） 組合而成，總產出 Y 的生產函數為：

其中， σ∈（0，+∞） ，表示子任務之間的替代彈性，并將任務區間標準化為1， x∈[N-1，N] ，N和N-1分別表示任務上界與下界。另外，將消費者效用定義為唯一最終品 Y ，假設其為競爭性生產且價格標準化為1。在要素供給上分別定義高技能員工 H 、低技能員工 L 、機器人資本 K ，假定各要素均非彈性供給且外生。各子任務 y（x） 可由k（x） 、 h（x） 以及 l（x） 進行生產，并滿足 ，

工業機器人應用的具體作用機制體現在如下兩點：（1）自動化擴張（Automation）。指原本由勞動力執行的任務目前可由工業機器人、機器設備等實現自動化替代，此階段機器人資本生產率為 γ_κ ，在模型中表現為自動化閾值 I 的增加。 （2）新崗位創造（New）。即在不改變任務總量的前提下，考慮機器人應用創造新任務的影響。例如，自動化技術引入一系列的新崗位以實現任務升級，增添與高技術人才適配的新任務，并淘汰傳統落后的低端任務，在模型中表現為 N 的增加。

另外，將高、低技能員工生產率分別定義為γ_?H（x）. ， γ_?L（x） ， γ_?H（x） ， γ_?L（x） 連續且嚴格遞增。關于各要素生產率的比較優勢，本文給予兩點假設：（1） γ_?H（x）/γ_?L（x） 連續且嚴格遞增，即隨著任務更為復雜，高技能相對于低技能員工存在比較優勢；（2） γ_L（x）/γ_K 連續且嚴格遞增，即隨著任務更為復雜，低技能員工相對于機器人資本存在比較優勢。

設置自動化邊界閾值 I∈（N-1，N） ，以表示技術可行性角度可被自動化，可用資本或勞動進行生產；反之當任務 x∈（I，N） 不可被自動化，僅可用勞動進行生產。然而從理性經濟人角度，廠商引入機器人來替代勞動的意愿取決于各要素之間的效率成本（efficiencycost）差異。假定均衡狀態下的高、低技能員工工資率分別為 W_H. ， W_L ，機器人資本的租賃價格為 R ，現對各要素效率成本作如下幾點假設： ①W_L/γ_L（I）gt;R/γ_K ，即任務 x∈[N-1，I] 將使用機器人生產； （2）R/γ_?Kgt;W_?L/γ_?L（N） ，即新任務 N 增加將增加總產出。

假設市場均衡存在且唯一，均衡狀態下I_ι^*∈[N-1，I_ι] 、 I_H^*∈[J，I_H] 。為了簡化分析，本文令I_L^*=I_L ， I_H^*=I_H 。另外，假設存在技能差異閾值 s 滿足： W_L/γ_L（S）=W_H/γ_H（S） ，即在 s 點高、低技能工人的效率成本相等， s 點也可表示為高、低技能員工的技能差異。閾值 s 的設定使得： ① 機器人k（x） 在 [N-1，I] 中生產； ② 低技能員工 l（x） 在 （I，S） 中生產； ③ 高技能工人 h（x） 在[S， N] 中生產。此時任務 i 的產出函數 y（x） 為：

1.2市場均衡分析

在市場均衡狀態下，根據廠商利潤最大化原則，任務 x 的均衡價格 p（x） 為：

基于利潤最大化原則，任務 x 的均衡產出 ， ，各要素市場保持出清狀態，可得均衡條件下的 W_H 、 W_L 、 R 表達式如下：

其中， Γ_?H 、 Γ_ι 、 Γ_κ 分別表示高、低技能工人以及機器人資本的有效份額（efficiency share）：

另外，由于最終品的價格標準化為1，滿足理想價格條件： Γ_?HW_?H^?1-σ+Γ_?LW_?L^?1-σ+Γ_?KR^?1-σ=1 。在總產出規模報酬不變的條件下，根據式（4）至（6）可得均衡總產出 Y 表達式為：

由式（7）可知，均衡總產出 Y 與要素價格W_H 、 W_L 、 R 取決于 Γ_?H 、 Γ_ι 、 Γ_κ 內生變量以及外生變量 H 、L、 K 1 σ 0

1.3機器人應用對全要素生產率的影響機理分析

1.3.1自動化擴張對全要素生產率的影響分析

根據式（4）至（7），自動化擴張 I 對企業全要素生產率的影響可表示為：

為簡化分析，將式（8）進行對數化處理，近似可得：

由式（8）、（9）可知，自動化擴張對全要素生產率的促進作用可表示為低技能員工的效率成本W_L/γ_L（I） 與機器人資本的效率成本 R/γ_K1 的差距。從比較優勢上看，自動化擴張通過替代不具備相對比較優勢的低技能員工獲得效率增益，進而提高企業全要素生產率。其內在邏輯是經濟人對于機會成本的理性選擇，越是成本低廉、效率高的機器人越會替代低技能員工從事生產任務，企業成本的下降有利于降低其商品或服務價格，間接地提高了消費者的實際收入，進一步通過產業鏈關聯效應引致需求，誘發規模效應，持續提高企業全要素生產率。

1.3.2新崗位創造對全要素生產率的影響分析

Borland和Coellil認為，技術進步會催生就業創造效應，新技術的出現將伴隨著一系列符合時代進步的新型工作崗位。也有研究發現在自動化技術蓬勃發展的時期往往與新崗位、新任務和新產業的出現相吻合（Acemoglu和Restrep）。[3因而隨著企業自動化技術不斷深化，機器人應用在替代工人的同時也將創造一批新崗位。基于前文假設，創造的新崗位將由高技能員工從事。當企業提高機器人應用水平，拓展新任務集時，根據式（4）至（7），新崗位創造 N 對企業全要素生產率的影響可表示為：

同理，為簡化分析，將式（8）進行對數化處理，近似可得：

由式（11）可知，新崗位創造對企業全要素生產率的影響可表示為高技能員工的效率成本W_?H/γ_?H（N） 與機器人資本的效率成本 R/γ_κ1 的差距。W_?H/γ_?H（N） 越低，新崗位創造對企業全要素生產率的正向影響越大。這說明新崗位創造下所帶來的效益增幅，背后本質上是新創造的復雜任務崗位與落后的簡單任務崗位的效率成本之間的差值，表現了任務整體的質量升級。

綜上所述，基于上述理論推演，本文得出研究假說H1-H3。

H1：工業機器人應用會提高企業全要素生產率。

H2：工業機器人應用將通過自動化擴張提高企業全要素生產率。

H3：工業機器人應用將通過新崗位創造提高企業全要素生產率。

2研究設計

2.1樣本與數據

基于研究數據的時效性與可靠性，本文選取我國2011—2021年的滬深A股制造業上市公司為研究對象。本文所選取的企業數據來源于國泰安（CSMAR）數據庫與中國城市統計年鑒，工業機器人數據來源于國際機器人聯合會（IFR）。同時，為確保研究的科學性，本文對樣本數據作以下處理：第一，剔除樣本中數據缺失且存在ST和ST*狀態的企業；第二，對所有研究變量進行 1% 的縮尾處理；第三，剔除了連續三年以上缺失的觀測值。基于上述處理，最終本文獲取到11344個樣本數據。

2.2模型設定

根據研究文獻和上述理論推演，為了探究工業機器人應用對技能溢價的影響，本文采用雙向固定

效應模型進行計量分析，具體模式設定如下：

其中， i 表示制造業上市企業， χ_t 表示年份，u_i 表示個體固定效應， μ_t 表示時間固定效應， 表示作為被解釋變量的企業技能溢價，Robot_it 為核心解釋變量工業機器人滲透率， 表示一系列控制變量， ε_?it 為隨機擾動項。

2.3變量選取

2.3.1被解釋變量

本文的被解釋變量為企業全要素生產率，基于魯曉東[3的測算方法，本文采用Olley-Pakes法（簡稱OP法）測算的全要素生產率并取對數以作為被解釋變量。

2.3.2核心解釋變量

本文核心解釋變量是工業機器人滲透率，借鑒Acemoglu和Restrepo[4]和王永欽和董雯[15]的做法，本文構造了制造業企業層面的工業機器人滲透度，測算方法如下：

首先構造行業層面機器人的滲透度指數，記為IRP_it ：

式（13）中， IRP_jt 表示 j 行業 Φ_t 年份的工業機器人滲透度， SRP_jt 表示 j 行業 Φ_t 年份的工業機器人存量， EP_j，t=2011 表示 j 行業基期（2011年）的從業人員數量。計算 i 企業在第 χ_t 年的工業機器人滲透度 Robot_it ，記為：

式（14）將行業層面的工業機器人滲透度分解到了企業層面。其中， PD_j，t=2011 代表 j 行業 i 企業在基期（2011年）的生產部門員工占全部員工的比例， EM_i，t=2011 代表所有制造業企業2011年生產部門員工占比中位數。

2.3.3機制變量

本文的機制變量是指衡量工業機器人具體作用機制的變量指標，即自動化擴張（Auto）和新崗位創造（New）。自動化擴張（Auto）主要表現在企業機器設備對低技能工人的替代，本文采用機器設備固定資產凈值與低技能工人數量的比值并取對數來衡量；新崗位創造（New）強調由高技能勞動力執行的新拓展崗位對機器設備執行的落后任務的淘汰，本文采用企業新增高技能工人數量與機器設備固定資產凈值的比值并取對數來衡量。

2.3.4控制變量

本文參考諸竹君等的做法，選取了以下控制變量：（1）資產負債率（Lev）；（2）凈資產收益率（ROE）；（3）固定資產占比（FIXED）；（4）兩職合一（Dual），當企業董事長與總經理是同一個人取1，否則取0。（5）企業年齡（FirmAge），以當年年份減去企業成立年份再加1后的對數值表示；（6）應收賬款占比（REC）。各變量含義明細見表1。

3實證分析

3.1基準回歸

本文首先就工業機器人應用對全要素生產率的影響進行檢驗，具體回歸結果報告見表2。其中，第（1）一（2）列控制了個體與時間固定效應，第（3）一（4）列在此基礎上進一步控制了行業固定效應。結果顯示，機器人應用對全要素生產率的影響系數均顯著為正，這說明機器人應用總體上會改善企業生產效率，提高全要素生產率。假說H1得以驗證。

3.2穩健性檢驗

3.2.1替換被解釋變量

為確保基準結果的穩健性，本研究參考魏志華等的做法，分別采用以固定效應估計方法（FE法）、Levinsohn-Petrin方法（LP法）測算的全要素生產率作為被解釋變量，重新進行回歸，回歸結果報告見表3。結果顯示，在替換被解釋變量后，機器人應用對全要素生產率的影響依然顯著為正，驗證了基準結果的穩健性。

3.2.2改變樣本區間

國務院于2015年印發的《中國制造2025》對工業化以及機器人行業發展具有里程碑意義，因此本文改變樣本區間至2015—2021年后重新回歸。具體回歸結果（見表4）均與基準回歸結果保持一致，再次驗證了本文基準結果的穩健性，機器人應用能夠顯著改善企業生產效率，提高全要素生產率。

3.2.3內生性處理

本文采用工具變量法對工業機器人對企業全要素生產率的影響進行內生性檢驗，借鑒王永欽和董雯[的思路，本文利用IFR提供的美國行業層面的機器人滲透率數據，采用“巴蒂克工具變量”法構建美國機器人滲透率作為工具變量重新進行回歸并報告見表5，結果均與基準回歸一致，其中第（1）—（2）列的第一階段回歸F值為856.94，第（1）—（2）列的第一階段回歸F值為839.15，排除了弱工具變量的問題。這說明經過內生性處理后，工業機器人應用對企業全要素生產率的正向影響這一結論仍然成立。

3.3機制檢驗

本文借鑒江艇[的思路進行機制檢驗，具體結果匯報見表6。第（1）、（3）列檢驗了機器人應用對自動化擴張和新崗位創造的影響，回歸結果顯示其影響系數均顯著為正，驗證了機器人應用將通過自動化擴張和新崗位創造對企業行為產生影響；第（2）、（4）列檢驗了自動化擴張、新崗位創造對企業全要素生產率的影響，其回歸系數均顯著為正，說明自動化擴張、新崗位創造對企業全要素生產率具有促進作用，結合第（1）、（3）列回歸結果，驗證了工業機器人應用通過自動化擴張和新崗位創造改善企業生產效率，提高全要素生產率。假說H2與H3得以驗證。

3.4異質性分析

3.4.1基于企業要素密集度的異質性分析工人機器人應用作為自動化技術的重要載體，需要大量的資金和技術投入。本文參考謝杰等的分類方法，依據行業代碼將企業分為勞動密集型、資本密集型和技術密集型企業，以要素密集度差異進行分組回歸，以探究在要素密集度差異下機器人應用對企業全要素生產率的影響，分組回歸結果報告見表7。結果顯示，機器人應用對資本密集型企業的全要素生產率的正向影響最大，以第（4）列為例，影響系數為0.0688；對技術密集型企業影響次之，以第（6）列為例，影響系數為0.035；而機器人應用對勞動密集型企業全要素生產率并沒有顯著影響，這說明工業機器人更多是一種資本增強型技術變革，而

非勞動增強型技術變革。

3.4.2基于企業所有制的異質性分析

自動化技術對工資差距的影響同樣存在限制條件，當企業存在強大的勞動力保護機制（工會等）將延緩機器人資本替代勞動的速度（Acemoglu和Autor）[20]。而中國企業制度的獨有優勢在于相較于非國有企業，國有企業關于裁員擁有明確嚴格的規章制度，不會出現大規模裁員現象，因而其自動化擴張速度可能存在約束。本文進一步將企業按所有制分為國有與非國有企業后進行異質性檢驗，具體分組回歸結果匯報見表8。結果顯示，機器人應用能夠顯著提升非國有企業全要素生產率，但對國有企業并不存在顯著影響。其原因在于國有企業為了維護員工權益，會適當控制其自動化規模。

4結論與啟示

工業機器人應用是否會影響企業全要素生產率？厘清此問題對新常態背景下的智能制造模式選擇具有重要意義。本文基于2011—2021年滬深A股制造業上市公司數據，實證檢驗機器人應用對企業全要素生產率的影響。研究結果表明，工業機器人應用能夠顯著改善企業生產效率，提高全要素生產率，在經過替換被解釋變量、改變樣本區間、內生性處理等一系列穩健性檢驗后結果依然穩健。機制檢驗表明，機器人應用通過自動化擴張和新崗位創造提高企業全要素生產率。異質性檢驗表明，機器人應用對資本密集型企業的全要素生產率的正向影響最大，技術密集型企業次之，對勞動密集型企業沒有顯著影響；相較于國有企業，機器人應用更能提升非國有企業全要素生產率。

在我國大力推進新型工業化的背景下，為了充分發揮工業機器人的生產效率與成本優勢，提高企業全要素生產率，本文提出如下政策建議：（1）制造業企業作為工業機器人應用的主戰場，應主動抓住自動化轉型機遇，持續加大自動化技術研發力度，將智能制造融入生產全流程，優化企業生產效率；（2）企業應更多關注機器人應用的“深度”而非“廣度”，其自動化主攻方向應由機器換人型轉向人機協作型、由成本節約型轉向效率增進型，避免機器人作為單純的動力機器停留在低附加值環節上；（3）企業在推進自動化擴張進程中應注重保護中低技能勞動者權益，進一步完善勞動保護機制，為防止企業出現大規模“機器換人”問題，政府可發布行政法規限制企業裁員數量或比例，或采用征收機器人稅等手段，靈活調控企業引進機器人的速度及規模；（4）政府應建立健全社會職業教育體系和技能培訓機制，尤其增加對職業教育的財政支出，進一步加強自動化、智能化人才隊伍建設，培養更多與自動化技術適配的高技能人才，發揮新崗位創造的生產率效應。

參考文獻：

[1]ZeiraJ.Workers，machines，andconomicgrowth[J].Thequarterlyjoualofeconomics，998，13（04）：9-7.

[2]AutorDH，LevFMuaneRJTheskillontentofrcenttechologicalcangeaempiicalexploration[J]Quartlyoualof econ0mics，2003，118（04） ：1279-1333.

[3]Acemoglu D，Restrepo P. Artificial intelligence，automation and work [R]. NBER working paper， 2018a.

[4]Steigum E.2011，Robotics and growth[A].Emerald group publishing limited，2011（11） ： 543-555.

[5]楊光，侯鈺.工業機器人的使用、技術升級與經濟增長[J].中國工業經濟，2020（10）：138-156.

[6]劉洋，韓永輝，王賢彬.工業智能化能兼顧促增長和保民生嗎？[J].數量經濟技術經濟研究，2023，40，（06）：69-90.

[7]Brynjolfson E.The productivityparadox ofinformation technology[J].Communicationsofthe ACM，1993，36 （12） ： 66-77.

[8]GordonRJ.Whyhas economic growth slowed when innovation appears tobe acelerating？[R].NBER working paper，2018.

[9]AcemogluD，RestrepoP.eacebetweenmanandmachne：iplicationsoftechnologyforgrowthfctorsaresndplment[J].American economic review，2018b，108 （06） ∵ 1488-1542.

[10]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（05）：48-62.

[11]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（01）：32-42.

[12]BorlandJ.CoeliM.Are robots taking our jobs[J].Australian economic review，2017，50（04）：377-397.

[13]魯曉東，連玉君.中國工業企業全要素生產率估計：1999-2007[J].經濟學（季刊），2012，11（02）：541-558.

[14]AcemogluDestrepoPRobotsadjobs：evidenefroUSbormarkets[J].Joualofpoliticalonoyb8（6）：2188-2244.

[15]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.

[16]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（07）：84-102.

[17]魏志華，王孝華，蔡偉毅.稅收征管數字化與企業內部薪酬差距[J].中國工業經濟，2022（03）：152-170.

[18]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（05）：100-120.

[19]謝杰，過重陽，陳科杰，等.最低工資、工業自動化與技能溢價[J].中國工業經濟，2022（09）：102-120.

[20]AcemogluD，AutorDH.Skils，tasksandtechnologes： implicationsforemploymentandeaings[M].Handbookoflaboreconomics，2011： 1043-1171.

（責任編輯：麻小珍）