智能制造时代需要怎样的技能人才?

宋旭光, 左马华青

(北京师范大学 统计学院, 北京 100875)

随着新一轮工业革命的蓬勃发展,美国、德国、中国等国家先后出台利好政策促进工业制造业产业再升级,将智能化转型看作产业变革的核心力量。近些年,以数字化、网络化、智能化技术为基础的新业态、新模式悄然走进人们的生活,人工智能、物联网、智能制造等新概念为社会发展注入了新动能,在改变人们生活方方面面的同时,也为经济发展带来了新的机遇和挑战。智能制造等新技术的出现势必会对就业产生重大冲击,越来越多的人将从工业和制造业环节中转移出去,在这个过程中,人们要重新思考对于机器的比较优势。那么不禁要问,智能制造时代到底需要怎样的技能人才呢?

创新的步伐不断加快,技术影响着生活的每一个部分, 我们正在经历一场新的不确定性浪潮。 近几年,社会各界重视探讨智能制造与劳动力市场之间的关系。 从现有文献来看, 科技创新带来的智能制造是可以取代那些低复杂性、重复的工作, 机器人对劳动力的替代效应是一种挤出式的, 进而降低企业对于劳动力的需求[1-2]。 许多学者利用国际机器人联盟(IFR)、欧盟KLEMS项目等数据库对工业机器人进行了实证分析, 从经验角度予以验证[3-4]。 国内的一些学者也利用相关数据库, 就机器人对于全要素生产率、产业结构转型升级、经济增长等方面的影响进行了分析。

进一步深入研究,不少学者发现科技创新会给劳动力市场带来“极化”(1)是一种“两极化”现象,即高技能和低技能行业就业岗位增加,而中技能行业就业岗位减少。现象,Acemoglu等发现机器人仅仅是对低等技术水平和中等技术水平工作有挤出式替代效应,进而导致非技能型失业,而对于高等技术水平的工作没有替代效应[5]。我国的劳动力市场也存在这种“极化”现象,学者在既有研究上运用中国的经验事实来验证西方理论,从产业结构升级、工业智能化等角度进行了解释[6-7]。另外一部分学者认为智能制造对劳动力具有创造效应,Aghion等认为技术进步下的经济增长会促进企业扩大生产进而提供更多的就业岗位[8],技术创新在导致中低等技术水平工作失业的同时,也会提升对高等水平劳动力的互补性需求,进而能够促进一国的劳动力结构转型,能够创造出新的就业机会。对于人工智能对劳动力的最终影响结果,人工智能对劳动力就业的短期影响较大,而长期影响较小[9-10]。

周小川在2019全球科技发展与治理国际论坛上指出,智能制造对劳动力就业的影响,会导致高端人才作用愈发凸显,一般水平工人的工作岗位会更多地被机器所取代,即便一般水平工人找到新的比较优势,但是找到的工作其收入可能不会有所改观。人才是创新的重要资源,高端技能人才更是推动高质量发展的重要支撑。然而,根据人力资源和社会保障部2018年统计数据,我国技能劳动者仅占就业总量的21.3%,其中高端人才仅占从业人员的6.2%,技能劳动力求人倍率(2)求人倍率是劳动力市场在一个统计周期内有效需求人数与有效求职人数之比。始终在2以上。我国正处于经济转型阶段,尚未实现工业化,各地区智能制造水平和劳动力就业存在明显差异,因此探究我国智能制造发展对不同技能水平劳动力就业需求的影响以及作用机理十分重要。

在实际研究中,由于高质量数据的缺乏,现有文献往往只能通过IFR等宏观报告进行简单的概述分析,或者通过工业机器人、信息与通信技术(ICT)等单一指标进行分析。考虑到这些问题,本文将构建一个包含企业智能化投资水平、关键业务智能化发展水平和企业智能化产业形态的智能制造发展水平指标体系,涉及工业机器人投入、ICT软件和硬件投入、高科技产业主营业务收入等多个细化指标,较为全面地衡量智能制造发展水平;通过构建智能制造水平、技能劳动力和非技能劳动力三要素嵌套CES生产函数,来刻画智能制造发展对不同技能水平劳动力就业需求影响的异质性,并利用省级面板数据进行实证分析;通过标准化系统测算CES生产函数中资本对劳动力的替代弹性,利用测算的数据结果进一步验证智能制造发展对不同技能水平劳动力就业需求影响的作用机理。

一、 理论框架

1. 基本模型

本文使用Sato[11]提出的嵌套CES生产函数,将智能制造资本投入K、技能劳动力的劳动力供给LH和非技能劳动力的劳动力供给LL三种投入要素纳入统一的分析框架中。理论上三要素投入的二阶CES生产函数有三种嵌套方式,分别为(LHLL)K、(KLL)LH和(KLH)LL。为了辨别智能制造资本对技能劳动力和非技能劳动力替代弹性的区别,应该使用后两种嵌套方式。国内外学者通常倾向于使用先将资本与技能劳动力组合,然后再与非技能劳动力组合的嵌套形式[12-13]。因此,本文选用(KLH)LL嵌套方式,假设企业i对应的生产函数为嵌套的CES生产函数,即

(1)

其中:Yi是企业i最终产品产量;K是企业i的智能制造资本;LH和LL分别代表技能劳动力和非技能劳动力的劳动力供给;Ai是衡量智能制造水平的变量,代表企业i的智能制造资本增进型技术效率;Bi和Ci分别代表企业i的技能劳动力增进型技术效率和非技能劳动力增进型技术效率;σ表示智能制造资本与技能劳动力之间的替代弹性;ξ表示智能制造系统与非技能劳动力之间的替代弹性。

企业i目标是最大化利润Πi,这里将企业的价格标准化为1,即

(2)

其中,γ、ωH、ωL分别为智能制造资本价格、技能劳动力工资和非技能劳动力工资。由经济学基本原理可知在完全竞争市场条件下,企业的最优选择是边际产出等于劳动报酬。结合生产函数式(1)及其最优化目标函数式(2),可分别得到以下一阶条件:

(3)

由一阶条件可以求得智能制造资本价格、技能劳动力工资和非技能劳动力工资:

(4)

当企业i发生技术进步时,则会出现两种情况:一是这个技术进步是中性技术进步,即对投入要素的边际产出的影响作用一致;二是这个技术进步是有偏型技术进步,即对投入要素的边际产出影响作用不一致,进而会产生有偏的整体效应。为了揭示不同类型的技术进步对要素投入和总产出的作用机理和强度差别,本文借鉴Caselli等的思路,构造有偏型技术进步参数φi,φi表示企业i智能制造资本与技能劳动力之间的相对增进型技术进步强度,其中令Ai=φiMi,Bi=(1-φi)Mi,Mi表示智能制造资本与技能劳动力的中性技术进步[14]。若企业i智能制造资本增进型技术效率Ai相对于技能劳动力增进型技术效率Bi增加,即dφi>0,则有偏型技术进步表现为相对资本增进型。同理构造参数ψi,ψi表示企业i智能制造系统与非技能劳动力之间的相对增进型技术进步强度,其中Mi=ψiNi,Ci=(1-ψi)Ni,Ni表示智能制造系统与非技能劳动力的中性技术进步。生产函数式(1)转化为

(5)

一般而言,当要素替代弹性σ>1时,智能制造资本与技能劳动力之间是替代关系,二者的相对资本增进型技术进步(dφi>0)也为资本偏向型技术进步,相对技能劳动力增进型技术进步表现为劳动偏向型技术进步,此时技能劳动力的技术效率增速小于智能制造资本;而当要素替代弹性σ<1时,智能制造资本与技能劳动力之间是互补关系,二者的相对资本增进型技术进步也为劳动偏向型技术进步,相对技能劳动力增进型技术进步表现为资本偏向型技术进步,此时技能劳动力的技术效率增速大于智能制造资本。对于智能制造系统与非技能劳动力之间替代弹性ξ的弹性的探讨,也会得到类似的结果。

2. 智能制造对劳动力结构的影响模型

智能制造资本对技能劳动力的影响公式,见式(6):

(6)

在智能制造资本价格和技能劳动力工资相对不变的情况下,当智能制造资本与技能劳动力之间的替代弹性σ>1时,随着有偏型技术进步参数φi的提升,K/LH增加,即对技能劳动力相对需求越小;当智能制造资本与技能劳动力之间的替代弹性0<σ<1时,随着有偏型技术进步参数φi的提升,K/LH减少,即对技能劳动力相对需求越大。

智能制造资本对非技能劳动力影响的公式,如式(7)所示:

(7)

在智能制造资本价格和非技能劳动力工资相对不变,且有偏型技术进步参数φi不变的情况下,当智能制造系统与非技能劳动力之间的替代弹性ξ>1时,随着有偏型技术进步参数ψi的提升,K/LL增加,即对非技能劳动力相对需求越小;当智能制造系统与非技能劳动力之间的替代弹性0<ξ<1时,随着有偏型技术进步参数ψi的提升,K/LL减少,即对非技能劳动力相对需求越大。

在现实生活中,当企业出现技术进步的时候,往往会出现有偏型技术进步参数ψi和φi同时提升的情况。进一步,当1<ξ<σ时,即智能制造资本与技能劳动力之间的替代弹性大于智能制造系统与非技能劳动力的替代弹性。此时,随着有偏型技术进步参数ψi和φi同时提升,K/LH和K/LL都会增加,即企业对所有劳动力相对需求越小。表明企业通过科技创新增加智能制造资本投入, “机器替代工人”将减少对劳动力的需求。这有利于通过增加智能制造资本投入来缓解劳动力供给短缺和劳动力成本较高的问题,应对数量型人口红利的消失。当0<σ<ξ<1时,即智能制造资本与技能劳动力之间的互补性大于智能制造系统与非技能劳动力之间的互补性。此时,随着有偏型技术进步参数ψi和φi同时提升,K/LH和K/LL都会减少,即企业对所有劳动力相对需求越大。这表明人力资本的投入会匹配技术进步的广度和深度,同时也是自主研发和技术引进的决定因素。智能制造资本与技能劳动力之间互补性更强,意味着技能劳动力可以更快匹配新技术,并将其转化为生产力和生产效率的提高。

综上,从理论角度剖析智能制造对不同技能水平劳动力就业需求的影响可知:智能制造发展带来的有偏技术进步会影响对技能劳动力和非技能劳动力的相对需求,但受制于要素替代弹性。当智能制造资本与技能劳动力的替代性更强时,资本增进型技术进步会导致企业对所有劳动力相对需求更小;当智能制造资本与技能劳动力的互补性更强时,资本增进型技术进步会导致企业对所有劳动力相对需求更大。

二、 计量模型设定和指标选取

1. 模型设定

根据本文的理论框架分析,主要从经验角度探究智能制造对不同技能水平劳动力就业需求的影响,分析技能劳动力和非技能劳动力的就业变化。基准计量模型的设定如下:

(8)

2. 指标选取和数据来源

由于本文的实证部分将聚焦智能制造对不同技能水平劳动力就业需求的影响,分析技能劳动力和非技能劳动力的就业变化。考虑到数据的可获得性以及数据质量,本文选择2003—2017年中国除西藏自治区外30个省(区、市)数据进行实证分析。具体指标的选取和处理如下。

(1) 被解释变量

(2) 核心解释变量

智能制造水平(AIit)。本文借鉴国家工业和信息化部《智能制造标准体系建设指南》2015年版和2018年版关于加快推进智能制造综合标准化工作的指导意见,构建智能制造发展水平指标体系,包括企业智能化投资水平、关键业务智能化发展水平和企业智能化产业形态三个方面,涉及工业机器人投入、ICT软件和硬件业务收入、高科技产业主营业务收入等8个细化指标,在数据可获得的前提下尽可能最大程度地反映智能制造发展水平。具体细化指标说明和数据来源如表1所示,并利用全局打分法测算各省份智能制造发展水平指标。

表1 智能制造发展水平指标体系指标说明和数据来源

(3) 主要控制变量

本文引用一些常见的控制变量: 人口老龄化程度(ODR), 用老年抚养比来衡量;科学技术创新(R&D), 用研究与试验发展经费支出来衡量; 经济发展水平(EDL), 用各省份实际人均GDP来衡量; 地区对外开放水平(Open), 用各省份境内目的地和货源地的进出口额占GDP的比重来衡量; 产业结构水平(ISL), 用第二产业增加值占GDP的比重来衡量; 人力资本投资(HCI), 用各省份国家财政性教育经费占一般预算支出的比重来衡量; 外商投资(FDI), 用实际使用外商直接投资金额占GDP的比重来衡量; 城市化水平(Urban), 用城镇人口占总人口的比重来衡量。

三、 实证分析

1. 智能制造发展对劳动力结构影响的实证分析

根据上述基准计量模型,首先进行全样本分析,为了消除模型可能存在的异方差和序列相关问题,所有模型均控制了个体因素和时间因素,采用固定效应模型。基准模型的估计结果如表2所示。

实证结果显示:从模型的核心解释变量的回归结果来看,表2中列(2)～(4)的相关系数在1%的水平上显著为正,智能制造的发展将提高大学本科、专科教育、中等教育的劳动力占比,智能制造的发展增加了对中等教育及以上学历劳动力的就业需求。列(1)虽然不能拒绝原假设,但是从系数经济意义上来看,智能制造的发展同样促进研究生及以上劳动力的就业需求。列(6)的相关系数在1%的水平下显著为负,智能制造的发展将使得小学及以下学历劳动力占比减少2.570%,智能制造的发展减少了对初中及以下学历劳动力的就业需求。从另一角度来看,目前我国智能制造发展对劳动力市场就业结构的影响在中等教育学历处出现逆转,增加了专科教育及以上学历劳动力的就业需求,降低了初中及以下非技能劳动力的就业需求。这也与国外已有研究的结论类似。从模型的控制变量的回归结果来看,人口老龄化对技能劳动力就业具有正向影响,而对非技能劳动力就业具有负向影响。随着科学技术的发展,所有适龄劳动力都面临着被机器所取代的风险,尤其是老年劳动力可能会受到更为严重的影响。由于这些老年劳动力的技能水平较低,势必会导致初中及以下学历非技能劳动力就业需求的降低。列(1)～(5)中R&D投入的相关系数显著为正,这说明R&D投入对初中及以上学历劳动就业具有显著的正向作用。经济发展水平对劳动力就业结构的影响从一定程度上加速中国就业结构的“两极化”。地区对外开放水平和外商投资的相关系数不显著,但从经济意义来看,地区对外开放水平和外商投资对劳动力就业结构的影响与智能制造大致相同。

表2 智能制造发展对劳动力就业结构影响的回归分析

考虑到智能制造发展、科学技术创新(R&D投入)、人力资本投资和外商投资对劳动力就业结构影响可能会有时间滞后性,本文将以上变量进行滞后一期处理进行稳健性分析,估计结果与基准回归结果基本一致。此外,本文还尝试通过不同学历划分方法以及采用不同方法构建智能制造指标体系的方法,以检验模型的稳健性。针对不同学历划分方法,本文尝试将专科及以上和大学本科及以上分别看作一组进行实证分析,发现智能制造的发展显著促进了中等教育及以上学历劳动力的就业需求,这与基准回归结果一致。针对采用不同方法构建智能制造指标体系,本文尝试采用以下两种方式来构建智能制造指标体系,以进行稳健性检验。第一,参考Acemoglu等、Graetz等[4]的方法,认为工业机器人是最能体现人工智能发展的代理变量,采用工业机器人投入这一变量作为核心解释变量。第二,参考以往文献,选取以下最能体现智能制造发展水平的四个变量构建新的智能制造指标,这四个变量分别为:工业机器人投入、ICT硬件业务收入、ICT软件业务收入、ICT软件业务出口。这两种方法的实证分析结果整体跟基准回归结论一致,且变量滞后一期的实证结果和异质性分析的实证结果也跟结论相差无几(4)受限于篇幅,上述稳健性检验结果未能列出。。

2. 智能制造发展对劳动力结构影响的区域异质性分析

为刻画智能制造发展对不同技能水平劳动力就业需求影响的区域异质性,本文借鉴国家统计局的区域划分方法,将30个地区划分为:东部(北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南)、中部(山西、安徽、江西、河南、湖北和湖南)、西部(内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆)、东北(辽宁、吉林和黑龙江)4个区域,并且在此基础上单独考虑京津冀共5个区域。表3显示了各区域核心解释变量的相关系数和显著性。同时,本文采取“自抽样法(bootstrap)”来检验组间差异的显著性[17-18]。针对不同分组样本,反复进行k次(本文中k=1 000),进而计算出系数差异的经验p值(empiricalp-value),通过经验p值来进行组间差异检验。分析结果的经验p值是显著的,这说明是可以直接比较组间回归系数。

表3 智能制造发展对劳动力结构影响的区域异质性回归分析

结合表3的实证结果:这五大区域智能制造的发展增加了对大学本科及以上学历劳动力的就业需求,且京津冀地区和东北地区对高学历技能人才的需求高于其他区域。同时,只有京津冀地区降低了对专科教育和中等教育学历劳动力的就业需求,而其他区域均对专科教育和中等教育学历劳动力就业有正向作用。东北地区由于近些年东北地区经济低迷、人才流失、劳动力供给减少,导致东北地区对于技能劳动力需求较大[19]。现阶段我国大部分地区技能劳动力在总量和结构上存在一定的短板,对技能劳动力的需求十分迫切。东部、西部和东北三个地区对初中及以下学历非技能劳动力就业有负向作用。

四、 各要素间替代弹性和要素效率的估计与分析

1. 标准化系统建立

本文建立“标准化系统”(非线性联立方程组),来对替代弹性ξ、σ等参数进行预测(5)由于数据的可获得性,本文第四部分Kt的含义为资本存量;非线性联立方程组的构建推导过程此处省略。,进一步揭示智能制造对不同技能水平劳动力就业需求影响的作用机理。为了便于分析,将式(1)嵌套的CES生产函数表示为

(9)

(10)

其中:γA、γB、γC分别表示资本、技能劳动力、非技能劳动力技术增长参数;λA、λB、λC分别表示资本、技能劳动力、非技能劳动力的技术曲率。如果λi<0,则技术进步函数是双曲线形式;如果λi>0,则技术进步函数是指数形式。

2. 数据说明和参数估计

(1) 数据说明

(2) 替代弹性和要素效率的估计与分析

考虑到方程组各个误差项之间可能存在相关性,运用可行性广义非线性最小二乘法(FGNLS)来对“标准化系统”方程组进行估计,见表4。初始值设定如下:π(0)=0.1,γA(0)=λA(0)=γB(0)=λB(0)=γC(0)=λC(0)=0.01,η(0)=1。

表4 双嵌套CES生产函数的参数估计

由表4给出的参数估计值,资本与技能劳动力之间的替代弹性为0.681,表明我国资本与技能劳动力之间有很强的互补性;而资本和技能劳动力组合与非技能劳动力之间的替代弹性为1.329,表明我国资本和技能劳动力组合与非技能劳动力之间有很强的替代性。此外,利用上述两个直接替代弹性的调和平均数以及资本、技能劳动力和非技能劳动力在总产出中的份额,求得资本与非技能劳动力的替代弹性为1.235,这也进一步印证了计量模型的估计结果。技术增长参数γA、γB、γC均大于0,这表明资本、技能劳动力和非技能劳动力均保持技术效率正增长,且技能劳动力的技术效率增速较快。

五、 结论与政策建议

1. 研究结论

本文构建了智能制造水平、技能劳动力和非技能劳动力三要素嵌套的CES生产函数,从理论和经验角度剖析智能制造的发展对不同技能水平劳动力就业需求的影响,并通过标准化系统予以验证。研究结果表明:智能制造的发展将挤出非技能劳动力,且促进技能劳动力的就业需求。从结构上看,各地区智能制造的发展对不同技能水平劳动力就业需求的影响相似却又迥异:大部分区域智能制造的发展都增加了对技能劳动力的就业需求,尤其是京津冀地区和东北地区对高学历技能劳动力的需求高于其他区域。可见,现阶段我国大部分地区技能劳动力在总量和结构上存在一定的短板,对技能劳动力的需求依旧十分迫切。最后通过标准化系统估计参数可知,资本与技能劳动力之间的替代弹性为0.681,资本与非技能劳动力之间的替代弹性为1.235,进一步印证了计量模型的估计结果且解答了智能制造时代需要怎样的技能人才的问题。

2. 政策建议

第一,加强顶层设计,加大技能人才的培养力度。目前,我国技能人才储备与高质量发展尚不匹配。这就需要政府建立科学的职业技能鉴定体系,构建新的技能人才培养体系,以职业教育为基础,以职业资格证书为评价标准,以高级技工教育为主体,完善技能人才培养方案。

第二,进一步加强职业技能教育培训尤其是高技能人才队伍建设。党的十九大报告提出“要建设知识型、技能型、创新型劳动者大军”,希望通过相关政策的引导,打造出一批高技能、高素质的现代产业工人。要将高技能人才培训作为长远发展的根本,不断提高职工素质,在未来发展中力争主动,打造技能强国、制造强国。

第三,推进区域技能劳动力转移,促进区域协调发展。技能劳动力的区域性转移可以有效优化要素资源配置,促进区域协调发展,进而为中国经济增长提供支持。此外,技能劳动力在其再配置过程中,可以有效提升经济增长的效率。

第四,从其他方面增加技能劳动力供给。针对现阶段人口新形势下,较为迫切的问题便是技能劳动力的总量供给。除了上述给出的启示,还可以通过推迟退休和“再教育”开发技能红利,让很多中老年劳动力发挥余热,从而在短期内缓解技能劳动力需求压力。