AI时代的传统制造业变革

林善浪

【摘要】中国劳动力从无限供给转变为有限供给，带来劳动工资的常态性上升和资本替代劳动效应，中国史无前例的重大变革正在迅速发生，所有产业都面临着资本替代劳动并选择劳动节约型技术的迫切要求。人工智能是第四次工业革命的最主要推动力，也是中国经济动能转换的迫切需要。就制造业而言，人工智能可以应用到制造企业计划、生产、销售和售后服务的全过程。但是，中国传统制造业存在一些制约因素，包括关键技术瓶颈、信息化程度低、资金不足、成本高等。为此，需深化产学研结合、建立完善的数据生态系统，制定人工智能在传统制造业应用的扶持政策，加强人工智能高端人才培养和引进，促进教育和培训体系改革。与此同时，传统制造企业还必须实现商业模式转型，以适应以人工智能为基础的新物流、新零售、新金融和新消费等新型产业生态。

【关键词】人工智能  传统制造业  产业生态

【中图分类号】F49                             【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.18.004

人工智能：经济发展新阶段的技术选择

人工智能（Artificial Intelligence）是第四次工业革命最主要的推动力，是新一轮产业变革的主要方向。与任何新技术应用一样，只有当社会经济提出迫切需求时，才有可能真正实现，人工智能也不例外。恩格斯曾说：“社会一旦有技术上的需要，则这种需要就会比十所大学更能把科学推向前进。”[1]人类在古代就已经知道蒸汽可以推动机械装置，只是到了十七世纪末，出于煤矿排水的需要，才发明了早期的蒸汽抽水机。到了十八世纪七、八十年代，自动纺纱机的发明，迫切需要解决动力问题时，瓦特蒸汽机才获得商业订货，从而实现了产业革命。由于电力比蒸汽力更为优越，从而取代了蒸汽力而促成了第二次工业革命。二十世纪以后，生产规模不断扩大，生产流程和工艺日益复杂，生产控制问题越来越突出，由此引发以微电子技术为标志的第三次工业革命。同样地，只有社会经济提出客观需求，人工智能不仅在技术上可行，也在经济上可行，能够与各行各业融合，尤其是与制造业融合，才具备大规模推广的条件。如果人工智能的概念只存在于科学家的语境中，那么无论是多么先进的技术，都不可能成为开启新时代的钥匙。只有将人工智能充分应用于涉及面非常广的各类传统产业，而不仅仅属于少数的技术寡头，才能充分展示出其经济魅力。那么，中国现阶段是否具备了这样的条件呢？

经过40余年的改革开放和现代化建设，中国经济发展进入了一个新阶段。按照1978年不变价计算，2018年GDP是1978年的36.7倍，人均GDP达到9630美元，是1978年的25.3倍。按照2017年美元计算，中国人均GDP与美国1938年、德国1960年、日本1968年的水平大体相当（见表1）。按照世界银行的分组，中国属于中等偏上收入国家（见图1）。

从工业化进程看，这样的发展阶段意味着中国已经达到刘易斯转折点。刘易斯转折点（Lewisian Turning Point）是发展经济学经典的二元结构转型理论，其含义是：农业过剩劳动力随着工业化发展而逐步转移，但转移出来的劳动力实际工资不会上涨，只有到达某一点时，农业过剩劳动力开始大幅度减少，劳动力无限供给转变为有限供给，推动实际工资常态性上涨，一直到农业劳动生产率与非农产业劳动生产率大体相当、城乡劳动力市场一体化为止。根据国际经验，刘易斯转折点大致在人均GDP达到3000～4000美元之间。[2]中国工业化带动农村劳动力转移，农业就业人数从1991年最高峰的3.9亿人减少到2017年2.1亿人，比重下降到27.0%，中国已经达到刘易斯转折点。

与此同时，我国人口增长低于预期。2000年中国政府《中国21世纪人口与发展》白皮书预测，到21世纪中叶，全国人口总量将达到峰值，接近16亿。2006年国家人口发展战略研究课题组研究报告预测，2020年中国人口将达到14.5亿人，2033年达到15亿人。[3]2016年《国家人口发展规划（2016～2030年）》预测，2020年为14.2亿人，2030年达到峰值14.5亿人。实践证明，人口增长远低于预期。考虑到中国正处于快速城镇化过程，即使国家调整了生育政策，综合生育率也很难乐观。这是因为：一是单身青年比例上升。随着人口向大城市集中，婚恋观念变化，信息不对称，单身男女比例上升。根据2010年第六次全国人口普查数据，30岁及以上未婚女性人数占总人口的2.47%，而在2000年第五次全国人口普查时这一比例只有0.92%。另据国家民政局统计数据，单身男性女性总人数接近2亿人，占总人口比例为14.3%。单身人口随着城镇化发展而上升的趋势，并非中国大陆所独有，在世界各个国家或地区都普遍存在。台湾地区15岁以上人口2012年达到939万人，约占台湾地区总人口的42%。根据日本国立社会保障和人口研究所的预测数据，日本未婚男性人数占总人口的比例2030年将提高到30%，而未婚女性人数占总人口的比例将提高到23%。[4]二是不孕不育比例上升。近年来，随着生活节奏加快、工作压力增加、生育年龄推迟、环境污染恶化、饮食结构改变以及人们生育观念转变等，由此引起的生育能力下降问题也突显出来。据2012年《中国不孕不育现状调研报告》的数据，我国育龄人群中不孕不育率达到12.5%，呈现不断攀升和年轻化的趋势。[5]其中，晚婚、非农业户籍人群不孕不育率比较高，且夫妻文化程度越高不孕症发生率越大。[6]可见，计划生育政策、经济社会发展、生育观念变化，再加上这些社会因素，使得中国成为世界上生育率最低的国家之一。从2016年开始，国家开始实施“全面二孩”政策，但出生率并未如预期的那样反弹，2017年出生人口只有1723万人，远低于2015年衛生健康委员会的预测。有学者认为，中国已经形成了“低生育率陷阱”，[7]即当一个国家的总和生育率低于临界点1.5时，低生育率具有自我强化机制，生育率就难以再次回升。

刘易斯转折点的到来和人口增长低于预期，使得我国劳动年龄人口自2011年达到峰值以后，从2012年开始年年持续减少，2017年减少548万人，2018年减少470万人（见图2）。

中国劳动力从无限供给转变为有限供给，带来劳动工资的常态性上升和资本替代劳动效应，中国史无前例的重大变革正在迅速发生，对整个国民经济结构将产生历史性的影响。不仅是劳动密集型产业，而且是所有产业，都面临着资本替代劳动并选择劳动节约型技术，这是今后相当长时期内国民经济动能转换的基本方向。作为一项劳动节约型技术，人工智能的兴起，并广泛推广应用于传统产业，实现劳动节约型技术升级，是与我国国民经济的结构变革要求相吻合的。

智能技术：传统制造业升级的基本趋势

人工智能（Artificial Intelligence）一词，是1955年在达特茅斯学院（Dartmouth College）举办的学术会议上被首次提出来的。根据Nilsson（2010）的定义，所谓人工智能，就是“致力于使机器智能化的活动，智能是使机器能够在其环境中适当地运作并具有预见的能力”。[8]像艾伦·图灵（Alan Turing）这样的早期开拓者强调了教育机器的重要性，因为机器可能会像孩子一样学习，即强调人工智能作为学习过程。人工智能涉及多个学科领域，包括生物学、仿生学、语言学、心理学和认知科学、神经科学、数学、哲学和逻辑、控制论、信息和计算机科学等，其中最为核心的是三个相互关联但又不相同的领域：神经网络、机器人技术和符号系统。符号系统的前提是试图通过处理符号来复制人类决策的逻辑流程（Newell and Simon，1976）。[9]机器人技术依赖于对已知环境的主动感知。虽然机器人作为可执行人类任务的机器概念，至少可以追溯到20世纪40年代，但机器人技术的蓬勃发展是20世纪80年代以后，伴随着数控机床技术的发展而发展。迄今为止，人工智能在经济上最重要的应用就在这一领域，尤其是制造業大规模部署“工业机器人”。人工智能的核心要素是被广泛地描述为“深度学习”的方法，不但专注于符号逻辑或精确感知和反应系统，而且尝试创建可靠和准确的预测方法，神经网络在这一领域尤为重要。神经网络是一种程序，它使用权重和阈值的组合，将一组输入转换为另一组输出，测量这些输出与现实的“接近程度”。在20世纪80年代，Rumelhart和Hinton等开发“反向多层感知”（back-propagating multi-layer）技术进一步完善了神经网络的概念框架。[10]在计算机视觉和预测等一系列领域中，“深度学习”的功能是出人意料的强大，被视为“发明方法的发明”。正如Griliches（1957）所说的那样，“发明方法的发明”是比任何单一新产品的开发具有更大潜力。[11]

人工智能不仅仅是人们通常认知的一项新技术，而且是可以与各行各业融合的通用技术，在第四次工业革命中具有里程碑意义。[12]Alphabet执行董事长埃里克·施密特认为：我们“将会看到一个新的时代……智慧的时代。”谷歌提出“人工智能第一”，而微软首席执行官萨蒂亚·纳德拉认为：人工智能是技术的“终极突破”。[13]麦肯锡（2017）认为，人工智能将改变经济格局，为创造商业价值和降低成本创造新的机会。[14]根据麦肯锡研究报告，人工智能应用前景可分为三种国家或地区：一是澳大利亚、加拿大、法国、德国、意大利、日本、韩国、英国和美国等发达经济体，人口老龄化较为普遍，劳动年龄人口增长放缓。二是阿根廷、巴西、中国和俄罗斯等老龄化的新兴经济体，劳动年龄人口减少可能导致经济增长乏力。三是印度、印度尼西亚、墨西哥、尼日利亚、沙特阿拉伯、南非和土耳其等年轻新兴经济体，劳动年龄人口的持续增加，但促使经济增长得更快，也需要应用智能化以提升生产率。[15]如果按照行业分，住宿和餐饮服务业排在第一位，制造业排在第二位（见表2）。可见，中国是全球应用人工智能比较迫切的国家，而制造业是应用人工智能最为迫切的领域之一。

就制造业而言，根据麦肯锡的调查报告，人工智能可以应用到制造企业计划、生产、销售和售后服务的全过程。[16]

第一，应用于企业计划，准确预测需求和优化供应。生产企业总是需要准确地预测市场需求未来发展趋势，以便获取市场竞争优势。人工智能通过分析不同数据，可以识别客户需求发展趋势，为企业更好地安排生产计划、设计更好的产品提供支持。在某些情况下，与传统方法相比，基于人工智能的需求预测误差减少30%～50%，可以将总库存减少20%～50%，因产品产不对销带来的损失可降低65%，运输和仓储、供应链管理成本可分别降低5%～10%和25%～40%。[17]构建顺畅运作的供应链是各行各业持续发展的重要环节，准确预测以确保库存水平合理也是企业竞争力的重要来源。但是，供应链受到内部和外部众多因素影响，产品发布时机、分销渠道多寡、极端气候变化，以及客户对产品信息的认知或媒体对产品的报道等种种复杂因素，都可能对供应链绩效产生极其重要的影响。然而，传统预测手段和库存补充系统是无法利用物联网海量数据进行分析的。全球供应链领先企业已经开始意识到，基于机器学习的方法对提高预测准确性，让生产企业全面优化采购活动，优化补货系统，对降低库存水平、提高供应链绩效，都具有重要作用。机器学习方法不仅考虑到销售历史数据、供应链建构、地理位置、客户偏好，还考虑广告活动、产品价格和当地天气预报等近实时更新的数据，这是传统预测手段难以做到的。

第二，应用于生产过程，提高生产率并最大限度地减少设备损耗和维修。在生产过程，人工智能可以优化设备运转和操作流程，尤其是近年来不断出现更强大的计算机、新的算法模型和大型训练数据集，使计算机视觉获得极大的进步，对对象类型进行分类的能力显著提升，减少了设备损耗，提高了设备利用效率。协作机器人的出现，改善了人机兼容性，可以帮助管理人员更快地完成管理任务和日常操作，提高员工操作效率，降低成本和提高产量。同时，由于产品缺陷而必须处理或重新加工所导致的损失，是传统制造企业经常面临的重要问题。人工智能技术可以帮助优化产品设计或工艺条件，从而显著减少产品缺陷，减少损失。

第三，应用于销售推广，获取准确的客户需求信息和制定合理的价格。产品的最优价格取决于许多因素，如星期、季节、气候、渠道、竞争对手的价格，等等。生产企业必须在合适的时间以合适的价格销售，才能提高客户满意度，而又能够带来更多的销售和更高的利润。企业只要积累足够数据，利用人工智能分析顾客以前的购买记录、年龄、家庭住址、网页浏览习惯和其他线索，就可以实行动态定价，实施个性化促销，在需求上升或消费者愿意支付更多费用时提高价格，并在相反的情况下降低价格。人工智能可以确定每个产品的价格弹性，并根据不同情况采取不同的产品策略和价格策略。

第四，应用于售后服务，提供更为丰富的顾客体验。人工智能可以为顾客购买和产品消费提供建议，创造更加个性化、更加便捷的顾客体验，提高顾客的忠诚度。例如，计算机视觉和机器学习等人工智能技术，可以根据客户先前的购买习惯，更好地了解客户喜欢什么、不喜欢什么，为客户推荐产品购买组合，或者建议客户如何更好地使用产品。人工智能技术还可以让客户随时随地消费产品、取走喜欢的产品，而不需要考虑是否付款，事后从他们的帐户中扣除相关费用，并通过电子邮件向他们发送收据。

推动人工智能与传统制造业的融合，中国具备独特优势和条件。第一，中国在全球人工智能研发中处于领先地位。根据AI Index报告的数据，2015年中国在国际学术期刊上发表的论文数量仅次于美国，中美两国把其他国家远远甩在后面。2018年中国研究机构发表人工智能论文增长了400%，企业发表的人工智能论文增长了73%。中国的人工智能发展多由科技企业推动引领，一些互联网企业走在了自然语言处理、图像和语音识别等技术前沿。第二，中国具有丰富的数据基础和庞大的应用市场。中国是全球人口最多的国家，互联网技术相对普及，网民规模持续增长，每时每刻都在生成海量数据。这是训练人工智能系统的前提条件。中国也是全球制造业规模最大的国家，具有其他国家无法比拟的广阔的应用市场。第三，中國人工智能投资和创新创业非常活跃。根据腾讯研究院等单位发布的《2017年中美人工智能创投现状与趋势研究报告》数据，2014～2016年每年AI领域融资数量分别为113起、241起和262起，2017年融资额超过美国。在591家国内AI初创公司中，有75%的公司处于B轮融资及之前，其中有236家获得A轮融资，有92家初创公司处于天使轮阶段。[18]第四，中国5G技术领先全球，与人工智能形成协同发展。随着物联网的大规模布局、数据规模的不断扩大，数据传输和存储的压力也越来越大，而人工智能对数据传输和处理的要求越来越高。自2018年以来，中国已加快了5G布局，并进入了预商用阶段。5G具有带宽大、传输速度快、通信延迟小、可靠性高等优点，可以让人工智能提供更直观、更便捷、更丰富的客户体验。第五，人工智能改造成为中国传统制造企业的基本共识。用工难、用工贵已经成为摆在传统制造企业面前的难题，特别是在劳动强度大、工作环境恶劣的行业，出现了用工危机。“以机换人”“人机合作”已经成为传统制造业转型升级的重要选择。例如，上海海立集团是空调压缩机“领头羊”，从2007年开始实施“机器换人”，已经有480台机器人，90%以上生产任务都由机器人来完成。[19]

当然，人工智能在中国制造业中的推广应用，也存在一系列制约因素：第一，技术瓶颈。技术通过发明、集成并适应具体企业的生产活动才能成为实际的解决方案，这就要求机器人各项技术都比较成熟，性能稳定。目前，虽然机器人技术在某些方面已经比较成熟，包括信息检索、粗略运动技能和优化规划，但许多方面还需要进一步研究开发。第二，资金瓶颈。研发和工程化人工智能解决方案，需要投入大量资金。硬件解决方案包括标准计算机和高度专业化的硬件设备，如带有手臂和其他灵活移动部件的机器人，感知功能的活动需要摄像头和传感器等，需要投入大量资金。基于软件的“虚拟”解决方案，也需要不少的投资。在传统制造业中，中小企业占多数，普遍效益不佳，资金比较困难。第三，成本瓶颈。人工智能应用在相当程度上是对劳动力的替代，这就涉及到资金成本和劳动成本的高低问题。我国劳动力市场开始从无限供给转向有限供给，但劳动力供给总量仍然比较大，而且存在着地区结构和技术结构矛盾，中西部劳动力和低技能劳动力仍然供大于求。与欧美国家相比，我国工资水平还相当低，不少行业应用人工智能的成本要大于人工成本。只有大部分行业人工智能成本低于人工成本时，人工智能才有可能普遍推广，现阶段只是在某些行业和企业率先应用。第四，信息化瓶颈。目前，我国大部分生产企业信息化程度低，仅有1/6的企业达到网络化水平，5/6的企业还没有较为完善的内部网络，大量数据下沉在各条生产线之间，工业物联网数据挖掘和利用还需要持续强化。[20]

为此，加快人工智能和传统制造业融合，促进传统制造业转型升级，需要采取以下措施。

第一，开展产学研深度结合。人工智能技术在企业层面的应用是个性的、独特的，而科学家的研究是共性的技术，技术供给与需求之间存在很大差距。企业的人工智能解决方案，不仅要符合企业自身差异化的生产活动，还必须符合企业现实的资金和成本承受能力。因此，为了开发可行的人工智能解决方案，企业不仅需要建立内部相应的技术团队，还要与分布在科研院所的科学家或者领先企业合作，建立了跨部门的人工智能工作组，对解决方案进行原型设计，对业务部门进行测试，才能解决企业面临的个性化技术诀窍。

第二，着力解决“信息孤岛”问题。数据是越来越重要的企业资产，没有数据就不可能启动人工智能。当今工业产生的数据90%是“flt数据”，没有关系结构，需要有效处理，才是有用的。不仅如此，一个企业的数据必须嵌入到较大的数据生态系统中，与其他数据源相结合，才会产生更大的价值。但是，目前各个企业的数据是无法共享的，成为“数据孤岛”。从公共部门看，各个政府部门获取的大量数据，既不向公众开放，也不在公共部门之间共享，成为“数据孤岛”。因此，政府部门需要制定和实施数据标准，开放公共部门数据，并对企业和个人数据进行规范管理，构建有利于人工智能应用的数据生态系统。

第三，扶持传统制造业和中小企业的人工智能应用。一方面，传统制造业中少数企业还没有认识到人工智能的发展趋势和战略价值;另一方面，传统制造业的多数企业，尤其是中小企业，在人工智能应用方面存在着资金瓶颈，力不从心。为推进传统制造业和中小企业的人工智能应用，各级政府部门和政策性金融机构要在税收抵免、财政补贴、信贷支持等方面采取更为有效的专项政策。

第四，强化人才培养和员工培训。人工智能是通用技术，将与各行各业融合，未来人才缺口将很大。首先，要加强高端人才培养和引进。制定人工智能相关的教育和研究计划，大力培养高端人才，创造良好的人才成长环境。出台专项计划和优惠政策，吸引全球最优秀的人才。其次，要重新调整高等教育的体制机制，强化相关学科建设，并把人工智能纳入公共必修课程。再次，要加强职业教育和员工再培训。人工智能的职业教育和员工培训，对企业的人工智能应用具有至关重要的作用。未来企业员工不是去指挥、操作机器人，而是要跟机器人协同工作，需要从与员工做同事过渡到与机器人做“同事”，这就不仅要求员工必须掌握相关技能，还要培养新的思维模式和文化价值观。如何与机器人相处，也是教育和培训的重要内容。

第五，完善相关法律法规。首先，要完善地方政府、企业和个人数据的安全管理法规。目前，政府部门、企业甚至个人对数据采集、开发利用和管理比较混乱，该保护的数据和隐私得不到应有的保护，该开放的又没有开放，无法可依。要加快立法，规范数据采集和开发利用行为，明确数据安全管理的主体和责任。其次，要制定各类数据的相关标准和规范，推动各领域海量数据的联通和共享。最后，要建立和完善人工智能应用过程中失业人员的援助政策。目前国内外讨论的一个焦点问题就是“机器人挤兑工人”问题。人工智能推广应用过程中，必然带来劳动力供求的结构性矛盾，可能产生一部分失业员工。政府既要对生计受到威胁的员工提供必要的生活援助，还要提供培训和再就业援助。

智能生态：传统制造业商业模式转型

人工智能是通用技术，将融入到农业、工业和服务业等各行各业中去，融入到社会各个领域中去。因此，传统制造业的人工智能应用，不仅仅是企业自身的一项技术改造升级，还必须推进商业模式转型，以适应基于信息技术和人工智能的新物流、新零售、新金融和新消费等新型产业生态。

第一，适应新物流。目前人工智能在物流领域中的应用十分广泛，已经深入到了仓储、运输、配送等环节。仓储机器人完成拣选、搬运、装卸等作业，提高了效率，降低了错误率。无人运输应运而生，无人卡车依靠车内的智能运算系统，检测道路周围路况，捕捉交通标志信息以及感知周围的行驶环境，引导卡车自主、安全的行驶。无人配送技术逐步成熟，包括无人机、无人配送车。国产新型AT200无人运输机是一款高度智能化的无人运输机，是当前世界上吨位最大的无人机之一。未来新物流就是依托信息技术和人工智能，构建大数据平台，实现智能供应链、无人仓储、无人装卸、智能通关、无人配送、智能全程跟踪，这就要求生产企业在产品生产、产品包装、销售管理等方面，与智能物流相适应。

第二，适应新零售。传统零售是传统实体零售和纯电商，是单一的线上电商或者线下门店，而新零售就如马云所说的“是线上和线下的结合，人、货、仓、配的结合，是虚和实的结合”。新零售既不是纯粹的电商，也不是纯粹的门店，是以互联网为基本载体，综合运用大数据、人工智能等技术，重塑从生产到消费的流通过程，线上线下和现代物流深度融合，为消费者提供了前所未有的快捷、便利和享受，在最短的时间内买到自己最满意的商品，构建全新的接触体验模式。生产企业不再是单纯的通过批发、门店零售的方式销售产品，也不再是单纯地通过网上电子商务销售产品，不仅要改变销售模式，还要升级改造生产过程。

第三，适应新金融。近年来，金融领域的显著特点是基于信息技术的各种金融科技创新蓬勃发展。根据国际金融稳定理事会（FSB）的定义，金融科技（Fin Tech）是指通过技术手段促进金融创新，构成对金融市场、机构和金融服务重大影响的商业模式、技术应用、流程和产品，分為支付结算、存贷款和资本筹集、投资管理和市场设施等四个方面。其中，市场设施主要指人工智能、区块链、云计算、大数据、安全等技术的应用所带来的金融产品创新。从发展趋势看，未来新金融是“网络银行+在线支付+大数据管理+区块链”，尤其是区块链的应用将颠覆传统金融业务，重构金融机构与企业的关系、企业与消费者的关系。

第四，适应新消费。移动互联网消费的兴起，消费者从传统的现金支付到银行卡刷卡、会员储值卡，到手机短信支付、芯片卡“闪付”、微信支付，到手机客户端APP支付等，不断扩大移动支付的快捷、便利。移动互联网也使得消费行为具有私人化的特征，再加之移动设备具有智能数据识别的功能，使得消费者所购买的商品更加能够代表个人风格品味，个性化特性更加明显。随着人工智能和5G的普及，个性化、定制化消费将更加普遍，私人定制将成为更多消费者的选择。新消费不仅要求生产企业转变生产模式，而且要更加重视对工业数据和消费数据的挖掘和开发利用。

（同济大学经济与管理学院博士研究生纪晓鹏对本文亦有贡献）

注释

[1]《马克思恩格斯选集》第4卷，北京：人民出版社，1972年，第505页。

[2]汪进、钟笑寒：《中国的刘易斯转折点是否到来——理论辨析与国际经验》，《中国社会科学》，2011年第5页，第22～37页。

[3]国家人口发展战略研究课题组：《国家人口发展战略研究报告》，《人口与计划生育》，2007年第3期，第4～9页。

[4]《调查显示2030年半数日本人为单身 日媒称未来堪忧》，环球网，2014年7月29日，http：//world.huanqiu.com。

[5]张皓臣：《不孕症360°综合诊疗体系科研成果推广学术大会在京启动》，《中国医药导报》，2013年第34期。

[6]黄荷凤、王波、朱依敏：《不孕症发生现状及趋势分析》，《中国实用妇科与产科杂志》，2013年第9期，第688～690页。

[7]赵奉军：《低生育率陷阱与高房价》，《中国房地产》，2019年第7期，第26～28页。

[8]Nilsson，N. J.， The quest for artificial intelligence， Cambridge University Press， 2009.

[9]Newell， A.， Simon， HA.， "Computer science as empirical inquiry： Symbols and search"， Communications of the ACM， 1976， 19（3）.

[10]Rumelhart， D. E.， "Learning representations by back-propagating errors"， Nature， 1986， 23.

[11]Griliches， Z.， "Hybrid corn： an exploration in the economics of technological change"， Econometrica， 1957， 25（4）.

[12]Cockburn， I. M. ， Henderson， R. ， & Stern， S.， "The impact of artificial intelligence on innovation"， Nber Chapters， 2018.

[13]Brynjolfsson， E.， Rock， D.， &Syverson， C.， "Artificial Intelligence and the Modern Productivity Paradox"， The Economics of Artificial Intelligence： An Agenda， 2019， 23.

[14]McKinsey， "Jobs Lost， Jobs Gained： Workforce Transitions in a Time of Automation"， 2017， https：//www.mckinsey.com.

[15]Manyika， J.， "A future that works： AI， automation， employment， and productivity"， McKinsey Global Institute Research， Tech. Rep， 2017.

[16]McKinsey Global Institute， "Artificial intelligence： The next digital frontier"， Information Security and Communications Privacy， 2017 .

[17]Bauer， H.， Breunig， M.， Richter， G.， Wee， D.， Wüllenweber， J.， & Klein， H.， "Smartening up with Artificial Intelligence （AI）–What，s in it for Germany and its Industrial Sector"， Digital McKinsey， 2017.

[18]騰讯研究院、IT桔子：《2017年中美人工智能创投现状与趋势研究报告》，中国大数据产业观察网，2017年8月25日，https：//detail.youzan.com。

[19]孙一元、海立：《跑马“智能”制造》，《上海国资》，2016年第10期，第50～51页。

[20]薛加玉：《人工智能赋能制造业转型升级》，《现代工业经济和信息化》，2019年第3期，第9～16页。

责 编/肖晗题