广州汽车产业整车制造技术学习能力分析

焦亮

摘 要：基于过柯布道格拉斯生产函数条件下构造的产业技术学习双因素动态模型，可以测度累积产量和累积知识量对单位生产成本的影响。本文以广州汽车产业整车制造为研究对象，通过历年数据拟合广州汽车整车制造学习能力测度模型，对所获得的模型估计参数进一步计算得到经验技术学习率和研发技术学习率。结合学习率指标的动态变化分析了广州汽车业“干中学”和“研中学”的现实，并提出了相关建议。

关键词：广州汽车产业 技术学习率 动态双因素

中图分类号：F2文献标识码：A文章编号：1003-9082（2019）12-00-02

引言

二十一世纪以来，作为广州市支柱产业之一的广州汽车产业初步具备了一定的科研技术能力、产品开发能力和综合配套能力，在全国汽车工业中具有重大影响力，2017年广州汽车行业总产值5117.04亿元约占全市工业总产值22.6%、汽车总产量310.8万辆居全国城市之首、占全国汽车总产量的10.7%。同时，广州汽车产业仍存在不少问题，如汽车企业以合资合作为主，关键技术主要掌握在丰田、本田和日产等外资企业手中，自主创新能力不足，新能源汽车技术研发和推广步伐缓慢，人才培养机制落后，高端人才欠缺[1]。广州本土的自主汽车零部件企业只能作为下级供应商，大部分只能生产技术含量较低的汽车配件，许多关键零部件还需要大量进口。全球新一轮工业革命竞赛已经开启，创新是产业升级的根本，保持高效率的技术学习成为广州汽车产业快速获取先进技术、改进管理能力以适应环境快速变迁和维持竞争优势的关键，对广州汽车产业技术学习能力展开分析迫切而必要。

汽车产业作为资本和技术密集型产业，只有具有相当的产业规模和技术水平，才能保证产业利润。既有研究对汽车产业规模可以通过产量、产值和集中度等指标来衡量，而对产业技术水平则多限于定性或利用专利数量、研发投入等静态、局部的指标来分析，动态、全面地计算分析汽车产业技术学习能力将有助于发现影响广州汽车产业技术学习能力的外部条件和变化路径，并能为相关决策者制定和调整产业技术政策提供参考。

一、产业技术学习能力理论与测度方法

学习曲线，或者经验曲线，刻画了生产的单位成本随着累计产量的不断增长而逐步下降的过程;从数学角度讲，学习曲线表达了成本与产量间的统计特征关系： 随着单位产品产量的翻倍，生产产品的单位成本将以一定的比例缩减[2]。技术学习是为了使产业提升其技术能力而展开的一系列的技术活动，包括基本的操作、复杂的工程技术和技术创新， 其过程不仅包括从经验中学习，还包括从工程活动和正式的研发活动中学习[3]。宋宝香、彭纪生（2008）认为我国轿车工业自主品牌的发展主要采用的是企业内外部学习方式相结合的模式：首先，在模仿国外先进技术的基础上，不断消化吸收，边积累经验边提升自己，走出了一条从不模仿到创新最终实现自主研发的道路;其次，以技术外包为主逐渐转向自主开发，然后，在从技术合作方引入产品的基础上对技术进行改良和发展，再进行自主创新;最后，形成近乎完全独立的自主开发模式[4]。波兰尼（1962）最早将人类知识分为明晰知识或显性知识（articulated knowledge）和默会知识或隐性知识（tacit knowledge）两类，划分的标准是这种知识能否进行知识编码（knowledge codify）。显性知识只需要沟通即可转移，通常的研究都假定“知识是外显的”，认为知识一旦被创造出来，则可以在成本为零的条件下被其他使用者所使用。然而，实际上企业所拥有的许多知识并非仅仅是显性知识，而更多的是隐性知识。从接受知識的主体特征看，由于默会知识是一种具体的实际的时空背景下产生的“此时此地的知识”，具有相似模拟的性质，很难将它传递给他人，因为相似过程需要即时处理。由此决定这类知识只能通过每天的实践和使用技术所掌握，并且这种知识的传递绝大部分依赖于非正式的个人接触。这包括“干中学”、“用中学”和“个体之间的相互作用中学”，这些方式都是特定个人在特定环境中根据特定现象在知识传递的瞬间来完成的[5]。构建和提升产业的技术创新能力，现在已经成为产业技术学习的主要目的，从研究开发中学习在技术学习过程中的重要作用是不容忽视的[6] 。

越来越多的学者开始从经验中学习和研究开发中学习两方面来分析产业技术学习能力，同时为了准确反映技术学习率随时间的动态发展变化，杨莹（2012）在CARR（1946）动态学习模型基础上剔除资源价格对技术学习率的影响，并利用柯布道格拉斯函数分析推导动态双因素测度模型，构建动态模型来计算从经验中学习的技术学习率和从研究开发中学习的技术学习率，如公式（1）所示，公式（1）中参数由公式（2）推导得出[7]。本文采用这一模型来测度和验算广州汽车制造整车制造的经验技术学习率（LDR）和研发技术学习率（LSR）。

两个技术学习率中的参数a1、a2、b1、b2、c由双因素动态测度模型所确定，如公式（2）所示。其中X为累积的经验，本文用广州汽车整车累计产量来表示;KS为知识的积累，本文用广州汽车整车制造知识积累量表示;KSt表示时间t时广州汽车整车生产知识积累量，L表示广州汽车整车生产劳动力人数;Ct表示时间t时广州汽车整车生产的劳动成本，即单位车辆的人力投入;Ct`表示剔除资源价格后的劳动成本，Pti表示t时间时i=1，…，n个资源投入的价格;δ表示整车企业知识积累折旧率;tag表示整车研发投入转化为知识积累量的滞后时间。

二、广州汽车产业整车制造学习能力测度

通过广州统计年鉴（2004-2016）和中国汽车工业年鉴（2004-2017）查找和计算得到表1中数据，由于整车研发数据并不在既有年鉴和企业年度报表中出现，本文采用汽车行业历年研发投入占营业收入比值与整车营业收入之积来间接计算求得。

本文研究时间以2004年为起点，假设之前的广州汽车整车累计产量为零、知识积累量为20。根据钟雅菁（2017）对汽车上市制造公司的研究显示，汽车研发投入对企业绩效产生影响作用上存在滞后期为一年的延迟效应，本文研究采用tag=1即汽车研发投入转化为知识积累滞后期为一年的设定。宋旭光（2018）研究测算出，中国交通运输设备制造业R&D相对较高为56.46%，本文采用δ=56.46%这一设定。在确定δ和tag这两个参数和假定2004年广州整车生产知识积累量为20亿元的基础上，逐次计算出2005-2016广州整车生产各年知识转化量在和各年知识积累量。t时劳动成本Ct由各年整车产量除以整车生产工人数得出，资源投入价格之积以各年PPI数据代替，逐次计算得到2005-2016年剔除资源价格的广州汽车整车生产劳动成本。其中2012年由于国际事件影响产生了日系车产量的异常数值，本文通过插值法作了修正处理。广州汽车整车制造学习能力测度模型所需要的数据如表2所示。