人工智能促进服务业生产率了吗＊

■ 申丹虹 崔张鑫

中北大学经济与管理学院 太原 030051

0 引言

我国服务业在经济总量中的比重已经超过50%，尽管与美国、德国、日本等发达国家服务业比重仍有20 多个百分点的差距，而且随着制造业与服务业的产业融合，服务业有很大的上升空间，这也是产业结构升级转型的普遍规律。发达国家在转向服务经济的同时，出现服务业低效率的“鲍莫尔成本病”问题，我国的服务业是否存在同样的问题？我国服务业迅速发展之时，正是以人工智能为代表的新的工业革命兴起之日，我国服务业中能否发挥后发优势，融合人工智能因素，避免走发达国家服务业低效率的老路？从而促进我国服务业高质量的发展。而且在2020年新冠疫情对服务业的冲击下，最先展现出强大生命力的是信息服务业。为此，我们利用上市公司的可得数据，比较了服务业和人工智能融合前后生产率的不同，为了衡量服务业生产率的高低，还选取制造业作为参照变量。

本文上市公司的选取按照证监会“2019年3 季度上市公司行业分类结果”，并选取了2007—2018年的上市公司数据，在国泰安数据库中找到上述服务业和制造业的所有上市公司数据，把这些公司分为人工智能服务业和非人工智能服务业以及人工智能制造业和非人工智能制造业。其中人工智能服务业包括：互联网和相关服务业、软件和信息技术服务业、道路运输服务业、专业技术服务业、人工智能健康、人工智能医疗。人工智能制造业包括：专用设备制造业、铁路、船舶、航天航空和其它运输设备制造业、汽车制造业、金属制品业、造纸及纸质品业、家具制造业、计算机、通信和其他电子设备制造业、通用设备制造业、化学原料及化学制品制造业、电气机械及器材制造业。本文采用数据包络分析法Malmquist指数对它们的全要素生产率（Total Factor Productivity,TFP）进行动态比较，以期为我国服务业的高质量可持续发展探索一条可行性路径。

1 文献综述

按照传统经济理论，服务业由于属于劳动密集型行业，服务业的生产率必然低于制造业,服务业的低效率导致“服务业成本病”，中国服务业是否由于低效率从而成为经济增长的掣肘呢？王燕武,李文溥（2018）认为近些年来服务业生产率增速呈现下降趋势但是部分行业和地区的TFP 高于制造业[1]。崔敏和赵增耀（2020）以及夏杰长和肖宇等（2019）发现，服务业生产率不仅细分行业明显不同，而且呈现地区差异[2][3]。郭凯明和杭静等（2020）运用一般均衡模型，验证了中国服务业成本病的影响显著且存在区域性差异[4]。崔敏和赵增耀（2018）研究发现服务业TFP 异质性是造成区域服务业TFP 不同的主要原因[5]。平新乔和安然等（2017）对2008年我国服务业和制造业TFP 进行了比较，发现制造业的生产率高于服务业生产率，验证了鲍莫尔“成本病”假说[6]。而韩朝亮和符建华（2019）利用索罗余值法，证明我国的服务业“成本病”正在缓解或痊愈，而且ICT 促进了服务业的发展[7]。

随着我国服务业对高质量发展的追求，服务业正在经历从内容、业态到模式的全方位创新，借助于人工智能的推动，服务业出现网络化、智能化和平台化特点，那么，服务业是否借助人工智能技术使生产率进步？对经济合作与发展组织（Organization for Economic Co-operation and Development,OECD）和新兴市场经济国家的实证研究发现劳动生产率并没有因人工智能的快速发展而出现上升，出现了“人工智能与劳动生产率的悖论”[8]。熊伟和骆雅洁（2012）验证了信息技术的投入并没有提高酒店行业的生产率[9]。郭敏和方梦然基于国际数据研究发现，人工智能技术创新的滞后效应是悖论发生的主要原因[10]。杜传忠和姜照华等（2018）基于1947—2016年间ICT 对美国经济的影响，研究结果表明ICT 对经济的贡献呈“S”型且服务业和工业经济结构的失衡致使ICT 生产率悖论的发生[11]。刘奕和夏杰长(2018)对我国服务业的实证研究发现服务业在信息通信技术（Information and Communications Technologies,ICT）方面的投资是制造业的三倍[12]，但是程名望和张家平（2019）运用PIM系统证实中国ICT服务业"投资不足",但不存在生产率悖论[13]。江小涓（2018）以体育和文化服务业为案例进行了研究，论述了体育和文化服务业借助于网络技术，生产效率大大提高[14]。牛新星和蔡跃洲（2019）运用Jorgenson-Griliches增长核算方法证明ICT对服务业TFP有正向影响[15]。综上所述，学者对ICT 是否能提高服务业生产率还存在着较大争议，那么，作为ICT核心部分的人工智能技术对服务业全要素生产率产生什么作用？在我国服务行业是否存在服务业成本病？服务业和制造业在加入人工智能因素之后前后发生了何种变化？

已有的文献运用不同的方法测算了我国服务业生产率以及服务业分行业分地区生产率的差异，并研究了影响生产率的因素，其中人工智能因素对于生产率影响的文献，从实证研究角度发现人工智能的作用有限，但案例研究以及理论假设认为人工智能会使生产效率大大提高。本文拟基于中国上市公司的数据，比较服务业和制造业的生产率差距在借助人工智能技术之后是否表现出不同的特征，并比较TFP 异质性和同质性程度以及特征，从微观的角度，回答我国服务业企业借助于人工智能技术，其生产率是否获得提高。本文的贡献体现在3个方面：（1）从微观角度，运用比较研究方法，对服务业企业和人工智能因素融合前后的生产率和制造业进行对比。（2）将TFP 拆解，分析是什么因素对服务业生产率有更大的贡献。（3）人工智能的角度研究服务业生产率。

2 研究方法及数据选择

2.1 Malmquist 指数模型

全要素生产率可以很好地衡量经济的可持续发展以及探索经济增长的动力。DEA非参数Malmquist生产率指数模型：（1）能够使数据质量对结果的影响降低。（2）和参数模型相比较，该模型不需要提前设定函数，从而可以有效避免函数设定造成的误差和主观性判断对结果的影响。（3）细分为几个具体指数，可以更好的分析结果和有针对性的提出建议。Malmquist（1953）提出了Malmquist 指数，可以分析消费在不同时期的变化[16]。Caves 和Christensen（1982）提出了Malmquist 生产率指数[17]。而当前学者主要运用Fare 和Grosskopf 等人(1994)提出的基于DEA的Malmquist指数模型,这一模型测算了生产率的变化情况[18]。Malmquist 指数模型的全要素生产率（TFP）可以分解为技术效率指数（Effch）和技术进步指数（Techch），而技术效率指数（Effch）可以分解为纯技术效率指数（pech）和规模效率指数（Sech）。本文运用Fare 和Grosskopf 等人构建的模型来分析人工智能服务业和制造业以及非人工智能服务业和制造业的TFP的动态变化：

从时期t到t+1，衡量TFP的增长可以表示为：

为了测量TFP，需要计算下面4个距离函数：

其中，X 为投入值、Y 为产出值、i表示上市公司。（Xt,Yt）、（Xt+1,Yt+1）分别表示时期t 和t+1 的投入和产出向量，、分别表示以时期t 和时期t+1 的距离函数。若Mi＞1 说明这一时期内TFP 正增长，Mi＜1，说明TFP 负增长。

2.2 数据来源及评价指标体系

数据源于国泰安数据库（CSMAR）。选取数据的原则为：去除ST、PT、上市年限不足、数据缺失或异常的公司。最终选取2007—2018年人工智能服务业21 个上市公司、人工智能制造业38 个上市公司、非人工智能服务业82 个上市公司、非人工智能制造业367 个上市公司。指标选取参照王宏波和刘杨[19]，产出指标为营业总收入，投入指标为营业成本、管理费用、资产总计、应付职工薪酬。具体如表1：

表1 投入产出指标的具体描述

3 实证分析

为了进一步分析人工智能服务业和人工智能制造业以及非人工智能服务业和非人工智能制造业生产率的动态情况，本节对人工智能和非人工智能的服务业和制造业的TFP 进行了分解。当techch 大于1，表示生产技术进步。pech 是生产过程中所达到的技术水平，大于1 表示纯技术效率的提升是由于管理和制度的改善，小于1表示无效率；sech是测量企业的规模状态，大于1，说明上市公司具有规模效率，是因为要素投入的改进，小于1，则说明规模效率无效。

3.1 非人工智能服务业和非人工智能制造业TFP 变化及其构成

从表2我们可以看出2007—2018年非人工智能服务业和非人工智能制造业上市公司全要素生产率的分解情况：

同质性：2007—2018年非人工智能服务业和非人工智能制造业年均TFP 增长主要靠技术进步，综合技术效率的走向皆为下滑，技术进步指数的走向都上升的。2007—2010年TFP 都呈上升趋势，但是都为负增长，非人工智能服务业TFP 平均每年以-0.6%的速度增长，其中，综合技术效率值年降幅0.2%（纯技术效率年上升0.3%，规模效率年降幅0.5%），技术进步指数年降幅0.4%，非人工智能制造业TFP每年大约以0.7%的速度下降，其中，综合技术效率值年增幅0.3%（纯技术效率年均下滑为0.6%，规模效率年增幅0.8%），技术进步指数年均下降1%。2011—2012年TFP 都呈下滑趋势，且为负增长，非人工智能服务业TFP 下降率为2.4%，非人工智能制造业TFP 下降率为3.7%。2013-2015年都呈下降趋势，非人工智能服务业TFP 下降率为3.2%，非人工智能制造业TFP 下降率为3.3%。2015-2017年TFP 都呈上升趋势，且为正增长，非人工智能服务业TFP年增长率为2.8%，非人工智能制造业TFP年增长率为1.7%。2017—2018年TFP 都呈下降趋势，非人工智能服务业TFP 降幅为6.8%，非人工智能制造业TFP下滑幅度为1.2%。

表2 2007—2018年非人工智能服务业和非人工智能制造业TFP分解

异质性：2012—2018年非人工智能服务业年均TFP为0.988，平均每年的降幅为1.2%，综合技术效率年均变化幅度为-1.1%（纯技术效率以0.6%的速度下降，规模效率降幅为0.4%），技术进步虽呈上升趋势但是年均降速为0.2%。2010—2011年TFP上升，2012—2013年TFP下降。2012—2018年非人工智能制造业年均TFP 为0.992，年变化幅度为-0.8%，综合技术效率降幅0.1%（纯技术效率以1%的速度下降，规模效率降幅为0.1%），技术进步指数提升率为0.2%，其中2010—2011年TFP呈下滑趋势，2012—2013年呈上涨趋势。

就总体而言，2007—2018年非人工智能服务业TFP均值小于非人工智能制造业，非人工智能服务业的增长关键源于技术进步，但为负增长，需要继续强化科技投入。纯技术效率变化幅度为年降0.6%，规模技术效率年均降低率为0.4%。非人工智能制造业TFP 主要增长动力是技术进步，且为正增长，说明生产技术很成熟。技术效率变化率为负向，纯技术效率年降幅0.1%，规模技术效率年上升率为1%。二者共同点都是技术效率变化幅度为负，其一，生产管理的水平不高和制度不合理，因而要加强非人工智能服务业和非人工智能制造业的管理和制度创新，引进高水平人才，进而提高公司的管理档次和效率。其二，要素投入不合理，非人工智能服务业和非人工智能制造业企业存在着规模扩张的盲目性，科学合理的对要素进行投入，加强对创新方面的投入，转变经营模式不能粗放的发展。

3.2 人工智能服务业和非人工智能服务业TFP 变化及其构成

从表3我们可以看出2007—2018年人工智能服务业和非人工智能服务业上市公司全要素生产率的分解情况：

同质性：2007—2018年非人工智能服务业和人工智能服务业TFP 和综合技术效率总体呈下降趋势。2007—2009、2011—2012、2017—2018年TFP 都呈下滑趋势，2009—2010、2012—2013、2014—2015年TFP 都呈上升趋势。

异质性：2007—2018年非人工智能服务业年均TFP呈平稳发展的微降趋势，技术进步指数总体呈上升趋势，且上升主要源于技术的提升，但是技术进步指数变化幅度为-0.2%，技术效率上升-1.1%（纯技术效率年变化幅度为-0.6%，规模效率年均下降0.4%）。人工智能服务业年均TFP 波动降落，下降的幅度比较大，增长主要靠技术效率0.2%（纯技术效率年均值为1，规模效率年变化幅度为0.3%），技术进步率总体呈下滑趋势。非人工智能服务业整体发展比较好，2012—2016年整体是一个上升趋势，整体发展情况较好。人工智能服务业处于一个波浪式变动。

表3 2007—2018年人工智能服务业和非人工智能服务业的TFP分解

从总体来看，2007—2018年人工智能服务业TFP 大于非人工智能服务业，二者都处于上升趋势。非人工智能服务业上升主要源于技术进步指数，但为负增长，需要继续加强对科学技术的投入。纯技术效率年降幅0.6%，规模技术效率年均降低率为0.4%，即管理效率和程度不到位，生产管理的水平不高，制度不合理，因而要提高公司的管理效率和水平，制定符合公司的政策和效率。另一方面要素投入不合理，说明非人工智能服务业要科学合理的对要素进行投入，合理的设置规模。人工智能服务业增长的主要动力是技术效率，而且是大于1，其中规模效率年均增幅0.3%，人工智能服务业上市公司的管理效率、制度，规模要素设置合理。但同时，人工智能服务业技术进步均值为负增长，且均值没有非人工智能技术进步指数高，说明人工智能服务业还没有真正的掌控技术核心，还需要增加技术投入。

3.3 人工智能服务业和人工智能制造业TFP 变化及其构成

从表4我们可以看出2007—2018年人工智能服务业和人工智能制造业上市公司全要素生产率的分解情况：

同质性：2007—2018年人工智能服务业和人工智能制造业年均TFP 都为负增长，增长动力主要来源于技术效率，为正增长，技术进步都为负增长。人工智能服务业TFP年增幅为-0.4%，综合技术效率年均增长0.2%（纯技术效率为1，规模技术效率年上升幅度0.3%），技术进步指数年均下降率为0.6%。人工智能制造业TFP年上升幅度-1.2%，综合技术效率年均上升率为0.3%（纯技术效率为1，规模技术效率年均上升0.4%），技术进步指数降幅1.5%。2007—2009、2010—2011、2015—2016、2017—2018年TFP都为下滑趋势。2009—2010、2014—2015、2016—2017年为上升趋势。

异质性：人工智能制造业TFP、技术进步指数、技术效率轻微波动上升，基本处于一个平稳发展的态势，2012—2013年TFP 呈上升趋势，2013—2014年TFP 呈下降趋势。人工智能服务业TFP、技术进步、技术效率波浪式滑落，2011—2013年TFP 呈下降趋势，2013—2014年TFP呈上升趋势。

就总体而言，2007—2018年人工智能服务业TFP 大于人工智能制造业，二者都处于上升趋势。人工智能服务业和人工智能制造业TFP 上升主要源于技术效率指数，且都为正增长。但是二者存在一个共同缺陷是年均技术进步指数都为负增长，说明技术创新水平还不足，还没有真正的掌控技术核心，需要继续加强对科学技术的投入。

3.4 人工智能制造业和非人工智能制造业TFP 变化及其构成

从表5我们可以看出2007—2018年人工智能制造业和非人工智能制造业上市公司全要素生产率的分解情况：

表4 2007 —2018年人工智能服务业和人工智能制造业TFP分解

表5 2007—2018年人工智能制造业和非人工智能制造业TFP分解

同质性：人工智能和非人工智能制造业TFP 呈波动上升趋势。2009—2010、2016—2017年TFP 都呈上升趋势，2010—2011、2017—2018年TFP都呈下滑趋势。

异质性：人工智能制造业技术效率、技术进步都呈较为平稳的波动上升趋势，人工智能制造业增长的主要动力是技术效率，且为正增长，增长率为0.3%。非人工智能制造业技术效率呈波动下降趋势，技术进步率呈波动上升，主要上升原因源于技术进步。

从总体来看，非人工智能制造业的TFP 大于人工智能制造业，但是二者TFP 的整体变化趋势是一致的，都呈上升趋势。人工智能制造业TFP 上升主要源于技术效率的正向增长，管理水平、制度、规模要素是合理的。技术进步指数年均以1.5%上升,说明人工智能制造业还属于粗放型发展，技术水平低，需要加强对关键技术创新程度的研发投入，从根本上促进TFP的提升。

4 结论

本文运用DEA-Malmquist 指数模型对2007 至2018年21 个人工智能服务业上市公司和38 个人工智能制造业上市公司以及非人工智能服务业82个上市公司和367个非人工智能制造业上市公司的TFP 及其分解进行了动态分析。得出3个结论：

第一，非人工智能服务业平均TFP 低于非人工智能制造业。非人工智能服务业全要素生产率比非人工智能制造业低，说明“服务业成本病”依然存在，这符合“鲍莫尔—福克斯假说”。

第二，加入人工智能因素之后，虽然服务业TFP 高于制造业，人工智能服务业高于非人工智能服务业，但是进一步的分解发现，技术进步指数低于1，全要素生产率的主要动力来自于技术效率，即人工智能服务业全要素生产率的提高主要归功于要素的合理配置和要素规模的扩大，而不是技术进步。人工智能技术在提高服务业全要素生产率方面的作用有限，服务业生产率低的“鲍莫尔病”以及“信息技术生产率悖论”并没有从根本上消除。

第三，进一步的分析发现，由于人工智能技术在服务业和制造业的应用处于起步阶段，技术创新效应还没有真正发挥作用，存在滞后性，只有人工智能技术真正成熟并且在服务业中技术创新效应真正显现出来，人工智能技术才能在提高服务业全要素生产率中发挥作用。