广东智能制造如何影响行业劳动要素配置 ——基于城级面板数据的分析

张雅铭（通讯作者） 马嘉沛 王艳盈 邱嘉萱 梁京钺

（华南师范大学，广东 广州 511400）

一、引言

随着科技不断更新与数字化经济的迅猛发展，广东省面临着就业结构优化的机遇与挑战。《新一代人工智能发展规划的通知》出台后，人工智能上升至国家战略层面，对中国经济的渗透率越来越强，产业智能化程度越来越高，工业智能化进入全速发展阶段。然而由于产业智能化的发展，机器学习等新一代人工智逐步替代现有劳动力，对劳动力市场产生较大冲击（Sachs等，2015）。而广东省作为经济大省，极其重视产业智能化的发展，因而受到智能化发展的冲击更为显著。因此探究智能化发展对劳动力就业的影响，平抑技术进步的负面影响是保证广东地区社会稳定、经济平稳运行的关键。

同时，制造业作为国民经济的主要支柱，广东省着力于推动制造业智能化改造，并计划在2025年实现全省制造业全面进入智能化制造阶段《广东省智能制造发展规划（2015—2025年）》，因此，在产业智能化的冲击中，广东省制造业首当其冲。具体表现为两个方面，首先，制造业自动化、智能化转型将对广东省劳动力的行业间流动产生重大影响。德勤的《中国人工智能白皮书》指出，人工智能的使用可降低制造商最高20%的加工成本，而这种减少最高有70%源自于更高的劳动生产率。而广东省早期制造业为劳动密集型，聚集了大量劳动力，随着广东省经济发展，劳动力成本优势的消失使“机器换人”成为必要。其次，制造业服务化正在成为制造业发展的新方向和新趋势，制造业的智能化改造将会影响广东省生产性服务业在制造业中的嵌入。卫力等（2020）的研究发现，企业技术创新能力与服务化绩效存在显著正相关关系。因此，结合制造业智能化存在的行业内部异质性，探讨制造业及先进制造业，还有与之相对的传统制造业智能化水平如何影响，以及多大程度上影响劳动力就业十分有必要。

二、文献综述

国内外不乏学者研究智能化发展对劳动力就业的影响,但人工智能对就业结构的总体效应却没有一致的结论。Frey等（2013）的研究表明，美国将会有47%的工作面临被计算机取代的风险，Arntz等（2016）也认为OECD国家有6%～12%的职业有自动化风险。但部分学者提出，人工智能在替代部分工作任务的同时，也创造了新的工作机会（Acemoglu等，2017；蔡跃洲等，2019），即“替代效应”以及“收入效应”。“替代效应”指随着人工智能的大量使用，会对原有的就业人群和就业结构产生冲击，造成技术性失业或结构性失业（谢璐等，2019）；“收入效应”指企业节约的劳动力成本传递给消费者后，提高了消费者的实际收入，从而产生了新的消费需求，企业为了满足这些需求，会雇佣更多劳动者。除此之外，对人工智能的使用形成了新行业和新需求，相应的增加了对新技术劳动者的需求。

尽管人工智能对于就业结构的总体效应尚不明确（曹静等，2018），但无可争议的是，人工智能对劳动力就业影响存在“异质性”。如吕荣杰等（2018）认为人工智能的发展在一定程度上替代了乡村劳动力，也有学者认为技术进步使办公员和行政工作人员的数量减少（Autor&Dorn，2013;Autor，Manning&Smith，2016；Acemoglu&Redtrepo，2017）。

同时，国内外理论和实证研究从不同角度探究技术进步对就业的破坏和创造效应，但缺乏针对我国制造业智能化对就业的影响的研究。Acemoglu等（2017）研究发现制造业工业机器人的使用显著抑制了产业内就业和工资，技术进步在制造业主要表现为破坏效应，根据估计结果，美国1993年至2007年间因工业机器人的使用产生的失业至少为36万人次。蔡啸等（2019）则结合国内的情况，发现在多数情况下，人工智能技术会抑制制造业就业，其对制造业就业的替代将促进劳动力向服务业的流动；当人工智能技术存在较大突破导致制造业生产率有巨大提升时，产出增长对劳动力的需求效应会大于技术替代效应，劳动力回流入制造业。孙早等（2019）从理论和经验两个层次证明：工业智能化将促使先进设备替代初、高中学历劳动力，增加对高、低教育程度劳动力的需求，即呈现“两极化”趋势。而在东南沿海地区由于高生活成本，先进设备对低教育程度劳动力的替代加剧，但第三产业的快速发展弱化了这一替代效应。在所有地区，劳动力的受教育程度越高，劳动力就业受到生活成本因素的负向影响就越小。

鉴于此，本文采用双向固定效应模型，结合2010年至2017年广东省城级面板数据，基于构建的制造业智能化冲击指数，探究制造业智能化对广东省制造业劳动力就业的影响。

与已有文献相比，本文的创新体现在：（1） 现有文献研究尚未针对先进制造业及传统制造业智能化的就业效应进行研究，本文将针对三类制造业智能化展开研究；（2）现有文献研究层次大部分集中于省级或者国家级层面，然而我国处于工业化阶段，区域间存在技术差异，因此以城市为划分维度的讨论十分必要。本文采用广东省内城级数据进行研究，在已有文献基础上更加细化地探究制造业智能化对制造业劳动力就业所带来的影响。

三、研究假设

相比传统制造业，先进制造业更可能对制造业就业带来“收入效应”。蔡啸等（2019）研究表明，如果人工智能技术发生重大突破，其对生产率的改进幅度很大，此时制造业产出增加对劳动力的需求效应大于人工智能技术的替代效应，人工智能技术将会提升制造业就业。刘汶荣（2021）也同样发现，“技术创新与就业的交互作用在选择走高质量发展路径且劳动生产率高的制造业企业中最显著”。同样的，牛冲槐等（2014）提出技术创新对就业创造力影响的大小与企业技术创新的类型有关，Georg等（2001）也提出技术领先企业对技能型劳动力需求的增多会产生“技能偏向”效应，是创造就业的主力军，而技术落后的企业的就业创造能力相对较弱。

综上所述，本文提出如下假设：

H1：制造业内，先进制造业智能化主要影响了制造业就业人口增长。

四、研究设计

1.变量设定

（1）核心解释变量的构建：制造业智能化冲击指数

本文使用“制造业智能化冲击指数”度量省内各市受制造业智能化水平的影响程度，它被定义为每个城市的通信设备、计算机用其他电子设备制造业和信息传输、计算机服务和软件业投入到制造业行业①的中间产品占增加值的比重。其中，借鉴中国信通院②《中国数字经济发展白皮书（2020年版）》的计算方法，将上述这两个行业的投入到各制造业中的中间产品价值之和定义为ICT投资，并依据广东省投入产出表计算得到全省制造业智能化数据，表示为ICT/增加值。

在全省制造业智能化的数据基础上，我们根据省内每个城市的产业结构状况，加权计算得出广东省内各城市的“制造业智能化冲击指数”。假设在第t年（t=1,2,…，T）时行业j(j=1,2,…，J)在i城市（i=1,2,…，I）的产值占比为Sijt，并将行业的“制造业智能化冲击指数”记为indintjt，则将当年城市的“制造业智能化冲击指数”定义为：

另外，下文中所出现的第t年i城市的产业层面和行业层面的“制造业智能化冲击指数”均可按照上述定义同理推导求得。至此已得到本文解释变量“制造业智能化冲击指数”。

（2）被解释变量的构建：制造业就业人口

许多学者在关注劳动力就业问题时，会考虑到对就业的测度问题。本文使用“制造业城镇单位就业人口”指标衡量制造业就业人口，作为对制造业整体就业水平和分行业就业水平的度量，记作emp。

（3）控制变量的构建

本文参考相关文献（陈永伟等，2020；孙早等，2019），选择如下控制变量：①研发支出（R&D）；②劳均资本存量，用地区资本形成总额与就业人口之比衡量；③生活成本，用城镇居民家庭人均消费支出占可支配收入的比重衡量；④出口额；⑤外商投资企业投资总额；⑥规模以上工业企业单位数。

2.模型设定

本文研究目的在于考察制造业智能化对劳动力就业的影响，考虑到面板数据的特点，即同时提供了大量不同时点和不同截面的信息，并且，存在不随时间变化而影响就业人口的因素，如自然资源禀赋（梁斌等,2016）；也存在不因截面差异而改变的时间效应，如近年来国家和广东颁布的调整产业结构的相关政策，如财政激励和税收优惠政策（张同斌等，2012），以及正在进行的财税体制改革（储德银等，2014）。因此，借鉴已有文献，为将不随时间变化和截面变化的因素加以固定，本文使用双向固定效应模型（Two-wayFixedEffectModel）③解决部分内生性问题，以获得制造业智能化对劳动力就业更精准的测量。具体的计量经济模型设定如下：

五、计量分析

1.基本回归分析

根据上述计量经济模型，本部分实证检验产业智能化对就业人口的影响。为更好地体现产业智能化对劳动力就业所起到的作用，根据前文文献描述的产业智能化的经济内涵，以下模型按照研究设计，主要使用控制城市和年份因素的双向固定效应模型（Two-wayFEM）。

由表1列（2）可得，先进制造业智能化对制造业就业人口的影响系数在1%显著性水平下为正，结果验证了假设。先进制造业智能化能够带动制造业生产效率的巨大提升，其产出增长呈现劳动力就业的需求效应，促使劳动力流入，导致制造业行业的就业创造。如列（1）、（3），制造业与传统制造业智能化冲击指数未呈显著，因此总体上制造业智能化未能带来显著的就业效应。

2.稳健性分析

考虑到制造业智能化对劳动力就业可能存在滞后性，因此本文借鉴闫雪凌等（2020）的做法，通过对制造业就业人口滞后一期对被解释变量进行替换，并根据模型（1）进行稳健性检验。从表2列（2）可见，先进制造业智能化冲击指数系数在1%显著性水平下显著为正，表明先进制造业智能化冲击指数正向影响制造业就业人口，与前述回归结果一致，因此回归结果通过了稳健性检验。

3.异质性分析

本部分将进行异质性分析，更为细致地了解制造业的智能化应用对不同行业就业人口的影响。

表1 制造业产业智能化冲击指数影响制造业就业人口的估计结果

表2 制造业产业智能化冲击指数影响制造业就业人口的滞后一期检验结果

从表3可得，在相应显著性水平之下，先进制造业智能化对信息传输软件和信息技术服务业、金融业、水利环境和公共设施管理业和教育行业就业人口呈显著正向影响。以上行业均为专业化、知识密集程度较高的生产性服务业。一方面，生产性服务业设备需求来自于先进制造业，智能化下的产出增加带动了该类服务业的规模扩张，进而促进就业增长；另一方面，智能化的技术进步将促进先进制造业提升企业的生产与管理水平，企业对信息技术服务、金融服务等需求增加进一步推动该类服务业的就业增长。

表3 先进、传统制造业智能化冲击指数影响各行业就业人口的估计结果

此外，传统制造业智能化与制造业智能化均显著正向影响了采矿业、电力热力燃气及水的生产和供应业、信息传输软件和信息技术服务业、金融业以及教育行业就业人口。由于传统制造业多以劳动密集型、资本密集型为主，生产多较为粗放，因此短期内智能化应用以实现生产规模扩张为主，进而带动了关联企业如采矿业、电力热力燃气及水的生产和供应业的产品需求，产出扩张为该行业提供了一定的就业需求。信息传输软件和信息技术服务业、金融业均属典型生产性服务业，可见传统制造业智能化也带来了一定的生产性服务业需求，但有结果可见该类需求小于先进制造业。

由结果可见，智能化以不同的技术效应提升着先进制造业和传统制造业的技术水平。借鉴李廉水等（2020） 的技术进步机制概括，可认为先进制造业智能化主要以知识溢价的方式带动行业就业，传统制造业智能化则以技术效率的提升为主。

六、结论与启示

人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换和消费等经济活动环节，在催生新业务、新模式和新产品从而创造劳动力岗位的同时，人工智能对行业的就业影响不容小觑。当前，“新基建”的密集部署将推动人工智能进一步深入生产场景，借此背景和趋势，以下研究结论的意义更显重大。

研究表明，先进制造业智能化对制造业、生产性服务业、教育业就业呈收入效应。结果佐证了人工智能技术的外溢性以及异质性特征；同时也可以看出当前广东制造业的智能技术产业融合有待深入。

综上所述，研究可得出重要政策含义：（1）深化智能技术的产业融合，推动生产性服务业与制造业的嵌入式发展；（2）打造城市人才库，教育系统加强人工智能课程建设，企业培训注重层级化的员工数据素养提升，加强校企合作整合城市人工智能教育资源，打造人工智能公共教育和培训平台，实现资源开放共享；（3）进一步完善社会保障制度，通过提升最低收入标准，加强失业津贴、失业保险补贴力度，为因智能化冲击而失业的劳动力编制强有力的社会“安全网”。

未来可以从以下两个方面完善本研究的不足之处：（1）寻找合适的工具变量加入模型，进一步解决固定效应模型所不能全面企及的内生性问题，以及提高研究的稳健性；（2）进一步研究第三产业以及服务业智能化对劳动力就业的影响，完善当前仅通过制造业智能化了解溢出性、异质性的不足，并且进一步探明人工智能在行业间的应用差异特点。

注释：

① 此处行业采用2017年版国民经济行业分类中的门类划分（2017年10月1日起实施），若无特殊说明，下文行业划分均以此为准。

② 中国信通院，全称为中国信息通信研究院，英文简称CAICT。

③ 研究先后使用个体固定效应模型和加入时间因素的双向固定效应模型，结果显示后者的系数均更为显著，故本文采用双向固定效应模型，下文除必要之处外只列示固定效应模型结果。