智能制造、产业集聚与劳动力错配

沈 洋，张秀武

（华侨大学数量经济研究院，福建厦门 361021）

一、引言

改革开放以来，我国经济发展取得了前所未有的成就，经济总量跃居世界第二位。但由于产业政策、市场势力和制度障碍等“经济楔子”影响，国内要素市场的市场化道阻且长，尤其是劳动力市场摩擦系数居高不下，劳动力自由流动受阻，存在利用效率低下和错配的情况[1]。全要素生产率是国家收入差距、市场提质增效和产业结构质量的重要反映。要素市场错配不仅深刻影响着一国经济增长质量，还对提高全要素生产率构成严重威胁[2]。在以往粗放型经济发展模式影响下，我国对生产要素的使用和积累仍处于国际价值链体系中低端，产业结构僵化，难以摆脱资源锁定效应[3]。在经济发展方式转为经济高质量发展阶段，如何解决经济结构性和体制性问题一直是困扰着政策界和学术界的现实难题。党的十九届五中全会着重强调，要全面深化改革，推动有效市场和有为政府更好结合，促使要素市场化配置改革取得重大进展。目前我国劳动力要素错配现象普遍存在，大部分劳动力和人力资本配置相较于最优经济运行状态存在不同程度的偏离，甚至还有一部分行业产生了严重的劳动力错配现象，不利于经济稳定增长[4]。在分工化的社会体系中，就业是最大的民生，让经济增长与高校毕业生专业对口、人尽其用和转移劳动力及时再就业是国家治理体系现代化的重要反映。为此，应进一步畅通生产要素在全社会各部门自由流动的制度通道，切实提高劳动力自由配置效率和人民就业质量。

回顾历史，每一次技术革命往往都伴随着人们对“机器换人”的担忧和恐惧，甚至大多数人把自动化技术视为技术性失业的根源，存在“卢德式恐惧”①心理。历史经验表明，先进技术确实毁灭了许多工作，但同时又创造了许多新工作岗位来弥补那些被其摧毁的工作岗位，带来了更加细化的劳动分工，极大缩短了单项任务的完成时间。在政策引领和以数字技术为代表的第四次工业革命推动下，我国传统制造业正加速与现代信息技术融合，新产品、新技术和新模式不断涌现，以中性技术进步为特征的数字经济正深刻影响着我国劳动力供需版图[5]。虽受新冠肺炎疫情全球大流行、国际贸易结构失衡导致的国际摩擦加剧和美国“制造业回流”“东南亚迁移”等国际局势影响，中国制造业数字化水平仍在不断上升。工业和信息化部数据显示，截至2021年12月底，我国企业数字化研发设计工具普及率和关键工序数控化率分别达74.7%和55.3%，培育较大型工业互联网平台超过150家，在建“5G+工业互联网”项目超2 000个，开展网络化协同和服务型制造的企业比例分别达到了38.8%和29.6%[6]。这都为企业数字化转型提供了良好的基础环境，推动着中国制造迈向中国智造。可以发现，智能制造可以舒缓工厂停产减量的负效应，数字孪生系统能够优化工艺流程，工业互联网助推企业形态的变革，现代数字技术正每时每刻影响着当今的生产和生活方式，并逐渐成为推动国民经济可持续发展的新动能。自2017年数字经济首次被列入政府文件以来，数字产业化、产业数字化齐头并进，社会各行业数字化蝶变速度加快[7]。机械化、流程化、格式化的传统生产流程正转向大数据化与智能化的生产创新协同发展演化，劳动者在生产中的地位不断发生变化，劳动异化和分工精细化正催化着劳动力市场加速流动和层级跳跃。因此，揭示智能制造影响劳动力错配的一般规律，回答智能制造对劳动力要素市场化配置究竟是福利还是灾祸，厘清智能制造推动劳动力优化配置的内在机制，对深入挖掘数字技术赋能经济高质量发展的潜力、扭转要素错配有重要启示意义。

二、文献综述

资源配置一直是经济学研究的热点话题。自谢长廷和克莱诺（Hsieh&Klenow）[8]构建了要素错配影响全要素生产率的理论分析框架，并估算了中国劳动力错配和资本错配程度以来，众多学者在此框架内围绕着劳动力错配做了大量探讨，并取得了丰硕成果。总结现有文献，与本文主题相关的文献大致可以分为以下两个方面：一是把重点放在不同层面或不同维度的资源错配程度的测算上，将资本错配和劳动力错配综合起来探讨。袁志刚等[9]估算了农业部门就业比重过大时对资源错配的影响效应，认为部门间的工资差异是引致劳动力错配无法提高全要素生产率的主要原因。郎昆等[10]在经典资源错配模型的基础上提出了分组方差解决法，对企业所有制、企业规模和城市层次等6个主要扭曲源进行分解测算，认为近二十年我国资源错配的来源发生了结构性转变，传统企业所有制和企业规模等因素造成的资源错配情况得到缓解，但区域发展不平衡、企业融资约束和政府干预仍是要素错配的主要来源。李欣泽等[11]的研究表明，我国资源错配程度呈现出先下降后上升的U 型走势，尤其是2008年政府四万亿元刺激计划实施后错配程度明显上升，认为若制造业企业的资源配置达到最优，我国总体经济效率会提升1.1 倍。张慧慧等[12]认为，2004—2013年我国资本配置效率不断恶化，而劳动力配置则持续优化。二是围绕着劳动力错配的影响因素及其应对策略。一个不争的事实是，当前我国劳动力配置仍面临着严重的结构性失衡问题。尽管通过户籍制度改革、推进农业转移人口市民化和平衡经济差距等方式引导劳动力合理配置，但影响劳动力配置最关键的因素——工资水平和房价还有待深入探讨[13]。诚然，缓解劳动力错配的途径有很多，已有文献从贸易自由化[14-15]、企业所有制改革[16]、经济集聚[17-18]和区域一体化[19]等角度对劳动力错配的完善进行了探讨。

技术进步的社会效应有其独特的时代烙印和阶段特征，人们对其发展脉络和内在机理的认识也会产生偏差。尽管现阶段我国经济正经历数字革命，但由于新一代信息技术仍处于发展阶段，数字技术、人工智能在生活层面的应用还有待深挖，因而探究智能制造如何影响劳动力配置的研究还比较少。与本文主题相似的文献主要从互联网[20-21]、数字金融[22]和数字经济等[23-24]角度对劳动力错配的影响进行了研究。

综上，已有文献从互联网或通信技术发展的角度探究了信息化对劳动力错配的影响，深化了对此问题的认识。智能制造是一系列自动化和信息化概念的总和，是现代化数字技术物化于机器的具体反映，人工智能和工业互联网技术均属于智能制造领域范畴。相较于互联网和通信技术，智能制造更强调制造业领域的技术和机器融合，突出工业机器人替代人类劳动，由此重构劳动力市场。但总的来看，直接探讨智能制造或人工智能技术对劳动力配置的研究很少，将智能制造和产业集聚联合起来的文献更少。因此，本文构建了智能制造—产业集聚—劳动力错配的分析框架，在此基础上将产业集聚分解为多样化集聚、专业化集聚和产业协同集聚，所得结论有助于对智能制造、产业集聚影响劳动力配置的再认识。

三、机制分析与研究假设

（一）智能制造的直接效应

人工智能、智能制造作为新一代通用的信息技术，天然携带着一般信息通信技术所具备的渗透性、替代性和协同性等经济技术特征，不经意间已渗入到生产生活的方方面面，并悄然改变着经济社会组织运行模式[25-26]。作为人类劳动的延伸和替代，物化于机器设备的智能制造在缓解人口老龄化和提升全要素生产率等方面具有很大潜力。历史上每一次新技术变革不仅提高了生产能力和效率，更系统性改变了社会分工体系和劳动雇佣关系。一般而言，数字技术通过破坏效应、补偿效应和创新效应影响劳动力配置。从短期看，智能制造在生产领域大规模使用，客观上提高了资本有机构成，放大了资本要素的产出贡献，间接促使劳动密集型企业向资本密集型转型，实现产业转型升级，但同时也意味着智能制造挤占了劳动要素投入份额。智能制造释放的巨大生产力缩短了单个任务的工作时间，部分常规性、重复性工作岗位被取代。例如宝洁公司在业务流程、商业模式和企业文化方面所开启的数字化转型，将与系统割裂的流程搬到线上，实现了系统整合与全部业务的数字化打通，用机器人自动决策代替传统“人+Excel”共同决策方式，通过大数据算法快速组合不同策略并寻求最优解，不仅节省了高度复杂性流程的成本费用，还提高了决策效率。同时，智能制造对就业的破坏效应在一定程度上迫使劳动者提高劳动技能和注重人力资本积累，无形中改变了劳动者的工作内容和生产效率。从长期看，智能制造又能通过新的生产任务创造就业岗位，发挥创造效应。随着数字经济的纵深发展，以往被数字化技术和自动化技术替代的劳动者可以通过灵活化和平台化实现再就业，进而重构劳动力配置版图[22]。数字经济所衍生的新业务流程在改变和补充原有商业模式的同时，还开发出新商业模式，例如出现了平台经济和共享经济。部分被智能化技术替代的劳动者既可以通过新生产任务或人机协同岗位实现再就业，还可以通过向外包配送等新兴生产性服务业转移再就业。因此，经过数字技术洗礼和“技术性失业”的阵痛，以往传统意义上的廉价劳动力将逐渐转变为人力资本含量更高的高质量劳动力，并且在新任务组合框架内实现劳动力再配置，这有助于缓解劳动力错配。因此，本文提出以下假设：

H1：智能制造有助于缓解劳动力错配。

（二）多样化和专业化集聚的中介效应

马歇尔（Marshall）[27]和雅各布斯（Jacobs）[28]的观点表明，无论是专业化集聚还是多样化集聚，都可能影响生产要素在微观企业层面的配置效率，从而影响宏观经济运行效率。理论研究表明，专业化集聚和多样化集聚都能在更高层次上形成投入要素的蓄水池效应，对外部经济带来马歇尔外部效应和雅各布斯外部效应：专业化集聚能推动生产要素流入高效企业，多样化集聚有助于消除产业间信息隔阂，实现资本和劳动力在产业间的自由配置[29-30]。在产业数字化和数字产业化进程中，以人工智能和智能制造为代表的数字技术，不仅可以通过替代效应取缔和淘汰传统高耗能、低效率生产部门，还能通过赋能效应为传统产业和新兴中小型企业赋能，进而催生新产业、新业态和新模式，为要素自由流动和优化配置开辟新道路[31]。依据劳动分工理论，研发设计、法务咨询和通信工程等知识密集型服务业的高速发展与空间集聚极大降低了企业服务链间的相对成本。出于降低交易成本、提高产出效率和保持核心竞争力等综合因素的考量，部分企业会将以往由内部提供但又处于相对劣势的中间生产打包给第三方，通过垂直分解的方式实现服务投入向外购的转变[32]。现实中，城市是经济的物质载体，但随着城市规模的不断扩大，城市中通勤成本、住房成本等非贸易因素引致的拥挤成本便会显现。也正是因为城市规模是动态拓展的，新技术变革导致的时空距离压缩使得新经济地理模型中钟状曲线的出现成为可能，即随着贸易成本进一步下降，生产活动呈现出先集聚、后分散到再集聚的过程。艾伦·J.斯科特[33]在《浮现的世界》中提到，随着新技术进一步发展，全球经济地理形态由原来简单的核心—边缘格局转化为全新的马赛克形态，在核心都市区外围和资本主义体系外围区域存在着相对繁荣的岛屿。综上，产业集聚产生的劳动力共享、信息充分和规模经济能优化劳动力资源配置，而智能制造又能推动知识密集型高新技术集聚和相关生产性服务业发展。本文据此提出以下假设：

H2：智能制造通过推动产业专业化集聚缓解劳动力错配。

H3：智能制造通过推动产业多样化集聚缓解劳动力错配。

（三）产业协同集聚的中介效应

正如雅各布斯[28]所强调的，多样化集聚对经济产生正外部性的前置条件是知识能够在不同产业间形成外溢效应，即产业间需存在较强关联性和协同性。大数据、物联网和边缘计算等新一代信息技术是催生制造业与服务业深度融合的纽带和黏稠剂。随着人工智能相关理论和技术日益成熟，深度学习、语音识别和图形感知等数字技术加速向各个行业渗透，逐步淡化甚至消除行业壁垒和行业属性，使不同类型的企业组成共同体，“跨界融合”成为组织新常态[34]。制造业与服务业协同发展和深度融合是智能制造的重要内容，服务要素外溢至生产制造各环节中形成了生产性服务业，促使制造业服务化[35]。交通运输、信息传输和金融服务在不同生产工序上筑牢经济技术联系，强化着服务业与制造业在空间维度的横向连接；物联网、大数据和云服务等产品与市场信息及时交互传导，加深了两者在时间维度的纵向连接。产业融合促使制造业部门跳出单一的加工组装任务框架，单项业务向多业务综合集成转化，单一竞争向协同竞争转变，单一产品供给向一体化产品组合发展，最终实现产品价值链的延伸和全要素生产率的提高[36-37]。促进智能搬运机器人（AGV）、码垛机器人等自动化设备的应用，用更先进的物联网（IOT）技术提升劳动生产率，并辅之人工智能系统优化制程品控、物流调度和消费感知，使制造业与生产性服务业在生产流程和终端零售的联系更为紧密，由此优化相关企业选址布局，带来协同集聚的正外部性。本文据此提出以下假设：

H4：智能制造可以推动制造业与生产性服务业协同集聚，从而缓解劳动力错配。

四、研究设计

（一）变量选取

1.被解释变量

劳动力错配（Lab）。资源错配是相对资源配置有效而言的，反映的是因要素市场扭曲使资源配置偏离帕累托最优状态。劳动力错配是指因信息不充分、所有制歧视、市场不完善等因素使资源流动受阻，甚至出现高回报率的生产要素流向低回报率企业的一种状态，此时资源配置偏离帕累托最优，劳动力生产要素不能充分实现自身价值。考虑到要素价格会影响资源配置情况，因而延续要素价格扭曲思想，参照青木（Aoki）[38]和陈永伟等[39]的研究思路，假定劳动力错配以从价税τLi的形式存在。首先定义要素价格绝对扭曲系数，以刻画各地区间要素配置不存在相对扭曲时的情况。因要素价格绝对扭曲所引致的成本加成情况为：

其中，τLi为劳动力错配指数，γLi为劳动力要素价格绝对扭曲系数，表示资源不存在相对扭曲时的加成情况。因要素价格绝对扭曲系数在实际测算过程中往往难以观测，一般情形下采用要素相对扭曲系数进行代替。

其中，si=Yi/Y，表示i地区产出占国内总产出的份额；Li/L表示i地区使用的人力资本占全国人力资本总量的份额；，表示产出加权的人力资本贡献值；si βLi/βL表示劳动力有效配置时i地区使用人力资本的最佳比例，反映了实际使用的人力资本总量与有效配置时的偏离度。

由式（1）和式（2）可知，测算劳动力错配的关键步骤是求解劳动力产出系数βL值。对此，参照赵志耘等[40]的做法，采用索罗余值法进行测算。假定生产函数服从规模报酬不变的C-D 生产函数，即：

其中，Y为总产出，A为全要素生产率，K为物资资本投入，L为劳动力投入，θ为要素弹性。对式（3）两端同时进行对数化处理，在模型中加入时间效应νt和个体效应λi，可得到：

其中，ε表示随机扰动项，下标i和t分别表示省份和年份。产出变量Y选取各省份的实际GDP进行表征。物资资本投入选取各省份固定资产投资存量K进行表征，其计算公式为：Kt=It/Pt+(1-δt)Kt-1，固定资产投资额I使用固定资产投资价格指数Pt进行平滑，折旧率δ设定为9.6%。人力资本投入量选用中央财经大学中国人力资本研究中心所计算的劳动力资本存量作为代理变量。考虑到各省份要素配置存在异质性，因而在实际计算过程中采用的是变系数估计模型。

2.核心解释变量

智能制造（Rob）。有别于蒸汽时代的第一次机器革命，自动化、数字化和智能化已成为第二次机器革命最重要的特征标签，技术进步已不再仅以提高人类劳动效果为方向，更多地呈现出对人类劳动的替代[41]。根据此定义，本文采用工业机器人安装密度表征智能制造。国际机器人联盟（IFR）从2006年开始提供较为详细的分行业工业机器人安装数量，但其公布的是国家层面的数据，省级工业机器人的安装数量还未可知。对此，效仿王永钦等[42]和闫雪凌等[43]的研究思路，采用巴蒂克（Bartik）[44]工具变量法计算各省份工业机器人安装数量。具体而言，根据中国劳动统计年鉴和中国工业统计年鉴等数据源提供的制造业二位码行业就业数据，利用IFR所提供的全球分行业工业机器人数据中涉及的14 个制造业子行业，根据行业分类标准、属性和名称与我国31 个子行业进行匹配。其具体计算公式为：

其中，Robit表示i省份t年的机器人安装密度，Ljit为i省份j行业t年的从业人员数量，Lit表示i省份t年就业人员总量，Robjt表示j行业t年的工业机器人安装数量，Lit为j行业t年的从业人员总量；MRobt L2005为本文选取的工具变量，其中MRobt表示美国在年份t的工业机器人安装数量，L2005表示2005年美国制造业从业人员数量。

3.中介变量

产业集聚。相同或不同类型的企业大量扎堆在一定空间范围内，形成了产业集聚现象。考虑到自动化和人工智能等技术对工业部门冲击较大，而工业部门中技术含量较低的岗位更易受到冲击。这部分被人工智能和工业机器人替换下来的工人，往往是从事常规性、重复性和规则性岗位的低端劳动力群体，其被替代后最易从事仓储配送和零售服务等门槛较低的生产性服务业。同时，大量引进和安装工业机器人又提高了部分行业的资本有机构成，使其更倾向于资本密集型和技术密集型。为此，本文在构造产业集聚指标时，主要包含了生产性服务业多样化集聚、高新技术专业化集聚和制造业与生产性服务业协同集聚三个维度。

生产性服务业多样化集聚（HHID）选用赫芬达尔指数的倒数衡量，其计算公式为：HHIDit=。其中，Eij表示i省份j行业t年的从业人员数量占i省份生产性服务业的比重，Ej表示生产性服务业j的从业人员数量占全国生产性服务业的比重。高新技术专业化集聚（PS）采用总体经济活动的测度办法，使用区位熵来衡量，其计算公式为：PS=(Sji/Xj)/(Si/X)。其中，Sji表示i省份j行业的就业人数，Xj表示全国j行业的就业人数，Si表示i省份的就业总人数，X表示全国就业总人数。高新技术专业化集聚选取信息传输、计算机服务和软件业以及科学研究、技术服务和地质勘探业两个行业进行表征。制造业和生产性服务业的协同集聚（SY）选用制造业专业化集聚与生产性服务业专业化集聚的协同度进行表征，计算方式为：SY=[1-|Ba-Bb|/(Ba+Bb)]+(Ba+Bb) 。 其中Ba、Bb分别表示制造业专业化集聚和生产性服务业专业化集聚。

4.控制变量

为尽可能地缓解遗漏重要变量引致的内生性问题，本文参考既有文献，选取6个控制变量，分别是：人均国内生产总值（GDP），选用以2006年为基期的实际人均GDP 作为代理变量；外商直接投资（FDI），选用外商实际投资额进行表征；水资源（Water），选取人均水资源供应量作为代理变量；劳动力供给（P），选取人口自然增长率作为代理变量；工业化率（IR），选取第二产业产值占总产值的比重作为代理变量；宏观调控（Gov），选取地方财政一般预算支出占国内生产总值的比重作为代理变量。

（二）模型构建

本研究的目的为验证智能制造对劳动力错配的影响，以及产业集聚在其传导过程中发挥的中介效应。根据前述对各变量的选取和确定，首先构建智能制造影响劳动力错配的计量模型：

其中，α表示待估参数；q表示控制变量的数量；Control表示信息集，包含所有控制变量。参照温忠麟等[45]的思路，进一步构建智能制造、产业集聚和劳动力错配的递推方程式：

其中，Agg表示产业集聚，包括生产性服务业多样化集聚、高新技术专业化集聚和制造业与生产性服务业协同集聚；β和φ均表示待估系数。式（6）至式（8）共同组成中介效应递推方程组。式（6）表示核心解释变量对被解释变量的总效应c，其显著是中介效应存在的基本前提；若c不显著，则无必要展开后续的中介效应检验程序。式（8）表示分离产业集聚的间接效应后智能制造对劳动力错配的直接效应c′；式（7）表示智能制造对产业集聚的直接影响，与式（8）中产业集聚的估计系数乘积共同构成间接效应，即β1×φ2=ab。在各变量都标准化的情况下一定存在c=c′+ab，即直接效应和间接效应之和等于总效应。在实际拟合过程中，为减缓异方差干扰，本文对部分数值较大的变量进行对数化处理。

（三）数据来源

遵循数据可得性和可比性原则，选取2006—2020年中国30 个省（自治区、直辖市）的样本数据（不含西藏和港澳台）。工业机器人的数据来源于国际机器人联盟，劳动力错配、产业集聚和控制变量所涉及数据主要来自于中国统计年鉴、《中国人力资本报告2020》、中国工业统计年鉴、中国人口和就业统计年鉴和EPS 数据库，2005年美国制造业从业人员数量数据来自于美国经济分析局（U.S.Bureau of Economic Analysis），极少数缺失值采用线性插值法补齐。各变量的描述性统计见表1。

表1 变量描述性统计

五、实证分析

（一）基准回归分析

考虑到计量模型的随机扰动项很难满足同方差、无自相关和无截面相关的经典假定，若忽视这三个问题，估计结果往往是有偏的。霍奇勒（Hoechle）[46]认为采用德里斯科尔·克雷（Driscoll Kraay，DK）标准误可以同时解决异方差、序列相关和截面相关问题。因此，本文在基准回归部分仅使用DK稳健标准误的估计结果。表2反映的是智能制造影响劳动力错配的估计结果。出于稳健性考虑，采用逐步代入控制变量的方式进行拟合。

由表2可知，在仅考虑智能制造对劳动力错配影响下，智能制造的估计系数为-0.021，且在5%的水平上显著。列（2）至列（7）是先后逐个加入控制变量直到列（7）将所有控制变量全部纳入模型，智能制造的估计系数依然为负，且至少在5%的水平上显著，仅估计系数的绝对值有所增加，表明智能制造缓解劳动力错配的影响效应是显著且稳定的，验证了H1。伴随着人工智能技术在各个领域、地区、行业和部门的渗透与扩散，新技术的发展显著改善了国民就业和劳动力结构，不同程度的技能溢价日渐凸显，人力资本需求逐渐由中低技能演化至高技能，非程序性岗位的劳动力需求不断增加，原本任务性工作岗位的劳动力则会在更深层次劳动分工体系中创造劳动价值。可以明确的是，以工业机器人为代表的智能制造在替代原本由中低端劳动力执行的工作任务同时，释放了巨大生产力，并以降低生产成本和扩大市场份额的方式增加了对其他劳动密集型产品的劳动力需求。新技术降低了提供灵活劳动力就业的交易成本，使非接触经济、零工经济和协同众包等劳动方式成为可能，推动了在更大范围内的产业部门中实现劳动转移和资源配置，有助于缓解劳动力错配问题。

表2 基准回归结果

（二）内生性讨论

在基准回归中，本文已尽可能地控制了劳动力错配的影响因素，但遗漏重要变量和反向因果关系的内生性问题仍无法避免。从经济现实来看，我国劳动年龄人口绝对规模从2014年起便进入下行通道，传统意义上的人口红利逐渐消失，沿海部分地区季节性用工荒常态化，大量企业招工困难。尽管部分企业一再放宽对劳动者的年龄限制并不断提高劳动报酬，但效果却不尽如人意，用工难、招工难仍是困扰劳动密集型企业持续发展的重要因素。用工短缺引致的劳动力成本急剧上升迫使企业寻求更可靠的替代方案——企业数字化转型，智能制造提上日程。一个典型例子是，2014年东莞市政府积极施行“机器换人”战略，先后出台《东莞市推进企业“机器换人”行动计划（2014—2016年）》和《东莞市“机器换人”专项资金管理办法》等一系列政策措施，分阶段、有计划地打造智能制造全生态链。这些政策不仅降低了传统制造业对劳动力的依赖，还促进了东莞制造业从“世界工厂”到“智造东莞”的华丽转型。为消除反向因果内生性问题，本文采取以下两种方式：

一是运用广义空间两阶段最小二乘法（GS2SLS）。沿着沈洋等[47]的研究思路，采用智能制造与其空间滞后项作为工具变量，并基于两阶段最小二乘法（2SLS）估计空间面板模型。为更全面刻画省份间的地理距离和经济差距信息，空间权重矩阵采用各省份省会城市间的地理距离Wi1j和各省份2006—2020年平均GDP 差值的倒数Wi2j构建经济地理嵌套矩阵Wi*j，计算公式为：Wi*j=0.5Wi1j+0.5Wi2j。

二是为智能制造选取特定的工具变量。在工具变量的选取方面，部分文献选取的是智能制造的时间滞后项[48-49]，缺陷在于未考虑工业机器人对就业的时滞效应，尽管上一期的机器人安装密度是既定的，但企业在当期员工招聘时会考虑已有机器人存量和机器人所带来的经济效益，影响当期企业对劳动力的需求量。还有部分学者选择美国工业机器人安装强度作为人工智能的工具变量[42]，但考虑到本文在构造工业机器人安装密度时已经使用了该变量，且再次使用其他国家工业机器人安装数量又可能与先前的工具变量产生内生关系。因此，本文选取2008年各地区火电上网电价（含脱硫）作为工具变量。工业机器人的安装与使用离不开电力消耗，工业上网电价变动意味着企业自动化转型过程中生产成本也会发生变动，影响企业是否采取“机器换人”措施。现有文献还未证实工业电价对劳动力错配有直接影响，且2008年我国智能化生产还处于起步阶段，对电力需求和电价的敏感性不高，因而该变量满足外生性要求。2008年工业上网电价的数据来源于国家发展和改革委员会价格司。在实际估计过程中，为防止上网电价与劳动力错配间不可观测的内生关系对估计结果所产生的偏误问题，本文同时采用了两阶段最小二乘法和近似外生（Plausibly Exogenous）工具变量法中的近似于零估计法（Local to Zero，LTZ）。

根据表3数据计算，两阶段最小二乘法的不可识别检验的似然比统计量为333.624，在1%显著性水平下拒绝原假设，认为该工具变量不存在不可识别问题；弱工具变量检验的统计量为1 595.207，远大于10%临界值的16.38，认为不存在弱工具变量问题。结合2SLS、GS2SLS 和近似外生工具变量法的估计结果看，智能制造能够缓解劳动力错配的结论仍得到支持，系数绝对值有所增大，只是显著性有所降低，但仍在可接受范围内。

（三）稳健性检验

前述基准回归结果证实了智能制造能显著缓解劳动力错配，为证实上述结果的稳健性，本文采取以下两种方式进行验证：一是替换被解释变量。在劳动力错配的投入产出评价体系中，人力资本投入选取的是各省份基于1985年劳动力实际资本存量，此处将其更换为劳动力实际投入数量，在从业人员数量的角度刻画人力资本使用量。同时，将测度劳动力错配的时间窗口拓展为2000—2020年，使重新测度的劳动力错配指数与原指数最大程度地不同；最后取2006—2020年的数据。二是考虑时滞效应。工业机器人从引进、安装、生产到规模化应用是一个循序渐进的过程，对就业重新配置的影响可能需要一段时间沉淀才能显现。这里使用工业机器人安装密度的滞后一期来作为式（6）中工业机器人安装密度的代理变量，以检验工业机器人对劳动力配置的时滞效应。由表3可知，无论是更换被解释变量还是使用解释变量的滞后项，智能制造对劳动力错配的估计系数始终为负，且显著性未发生明显变化，表明基准回归模型中智能制造缓解劳动力错配的结论是稳健可靠的。

表3 内生性处理与稳健性检验

六、影响机制检验

智能制造可以通过推动生产性服务业多样化集聚、高新技术专业化集聚和产业协同集聚间接缓解劳动力错配，以实现高质量就业。为验证相关研究假设，这里从产业集聚的三个子维度出发，运用逐步回归来验证产业集聚在智能制造缓解劳动力错配的传导过程中发挥的作用，并在此基础上识别哪种形式的集聚所发挥的中介效应最大。

由表4可知，智能制造对生产性服务业多样化集聚、高新技术专业化集聚和产业协同集聚的估计系数分别为0.230、0.113 和0.131，且至少在5%的水平上显著，表明智能制造能显著推动产业集聚和产业协同，递推方程式的直接效应成立。再从列（8）至列（10）的结果来看，智能制造和产业集聚的三个维度对劳动力错配的估计系数至少在10%的水平上显著，表明递推方程式的间接效应成立。最后从ab与总效应c的符号可以发现，在任意一个中介渠道中，间接效应与总效应的符号均保持一致，即产业集聚的三个子维度均呈现出部分中介作用，验证了研究假设H2、H3、H4。多样化集聚、专业化集聚和产业协同集聚的中介效应占比分别为16.430%、23.250%和45.290%，即制造业与生产性服务业协同集聚是智能制造缓解劳动力错配的主要中介路径。新制度经济学的交易成本理论指出，生产性服务业内化于制造业还是外化于独立个体，取决于制造业内部组织成本和外部交易成本的博弈结果。劳动分工精细化带来的一个结果是生产部门需要交换的产品数量和种类越来越多，由此产生各种交易成本。而生产性服务业的一个重要功能正是通过规模经济、范围经济和分工经济缓解相关企业交易成本，带动劳动生产率提高[50]。现阶段，部分城市已呈现出制造业和服务业“双轮驱动”的新发展模式。生产性服务业为亲近客户、节省交易成本以及提供“面对面”和“点对点”的个性化服务，其区位布局会围绕着制造业企业展开，由此产生产业协同集聚。也正是在此情形下，制造业服务化、服务业制造化的新动态才能降低生产环节分散化和分工精细化引致的交易成本，并在此基础上衍生更多的新部门、新产品和新业态，提高整体的资源配置效率。工业互联网、人工智能技术和智能制造在生产性服务业和制造业协同集聚过程中正好发挥着催化剂作用。企业引进智能制造生产线，替代原有规则性、常规性和重复性的工作岗位，由此带来更加高效的劳动生产力和规模经济。规模经济一方面提高了产出效率，另一方面又降低了制成品销售价格，由此导致需求增加。这就产生两个良性循环：消费者对最终品的需求引致厂商对生产性服务业的需求增加，同时被智能制造替代的劳动力由于职业惯性又会在服务业部门寻求与原工作岗位关联性较高的工作。由此制造业与生产性服务业协同发展并缓解劳动力错配。

表4 逐步回归拟合结果

七、结论与启示

（一）结论

随着人工智能、边缘计算和大数据分析的迅速发展，联合数字技术和工业机器的智能制造代替人工执行生产任务的趋势越来越明显，这些新变化使得生产线上的生产方式和相应的劳动分工均发生了重组，由此降低了劳动力错配程度。本文首先构建了智能制造—产业集聚—劳动力错配的理论分析框架，从理论层面阐释了智能制造缓解劳动力错配的作用机理，以及在其传导过程中不同形式的产业集聚所发挥的正向中介作用；然后基于2006—2020年30 个省份的面板数据，结合固定效应模型、中介效应模型实证检验了智能制造和产业集聚对劳动力的影响。研究表明，以工业机器人为表征的智能制造能显著缓解劳动力错配，且这一结论再经过内生性处理和稳健性检验后依然成立。产业集聚是智能制造缓解劳动力错配的重要中介机制，高新技术专业化集聚、生产性服务业多样化集聚和制造业与生产性服务业协同集聚在传导过程中有显著正向中介引导作用，且产业协同集聚的中介效应最大。产业集聚的劳动池效应、技术外部性和金钱外部性是关联企业商贸联系更加密切的增稠剂，信息壁垒弱化、交易成本下降和劳动力市场共享为劳动力自由流动铺就了高速通道。同时，制造业服务化、服务业制造化协同发展缓解了生产部门因分工精细化和生产分化产生的交易成本，两次良性循环推动了劳动力优化配置。在此传导过程中，智能制造在产业集聚过程中发挥着催化剂作用，新技术革命压缩时空距离并为产业集聚提供动力。

（二）启示

新技术变革正深刻影响着经济社会中每一个领域，已成为产业结构转型升级和经济高质量发展的新动能。在“中国制造2025”目标导向下，应极力避免“机器换人”“机器卷人”的情况，着重推动智能制造与高质量就业的良性循环，让技术进步服务于国民对美好生活的向往。结合研究结论，可以获取以下有益启示：

第一，加大人工智能核心技术投资力度，以生产资料智能化缓解劳动力错配。智能制造带来的不仅是劳动生产效率的提升，还包括经济新业态和新模式，在填补人类劳动空缺时衍生了新的就业岗位。智能芯片、高级机器学习、量子计算和算法模型等人工智能基础层和技术层既是智能制造提高全员劳动生产率的物资保障，也是重构相关产业链的核心驱动力。因技术研发前期投入较大，因而关键核心技术研发需由政府牵头组织，构建“政府+龙头企业”“政府+科研院所”等多元市场参与形式。瞄准全球工业数字孪生系统和人工智能前沿核心技术，集中力量攻克大数据智能、虚拟现实技术、类人脑模拟等有望成为引领新一轮技术变革的前沿技术。前瞻性布局相关基础性技术研究，坚持以人工智能创新链、价值链和产业链的需求为引领，积极探索各类型的人工智能基础研究平台和前沿交叉学科研发平台，整合国内研究资源，积极引导各平台间的资源共享、功能互补、协同研发和信息相通，力促机器人技术系统共性基础技术研发。最后是积极完善人工智能技术创新环境，坚持科技成果有效转化以服务经济发展为导向，重点培育、孵化和扶持制造业各子行业关键技术创新，优化布局矩阵式多层次成果转化服务，加快完善技术入股、技术授权、产权交易等产学研互补机制，适度超前推进5G、物联网和工业互联网等新基础设施建设。

第二，推动教育培训体系升级，以劳动力数字化改善劳动力错配。智能制造作为新型生产要素渗入经济活动，能促进产业变革和就业市场变革。智能制造在提高企业资本有机构成的同时，不仅对常规性、任务性和规则性劳动岗位有强替代性，同时又会增加非规则性、创造性和程式化技术性岗位的需求，因而劳动力市场仍存在供需矛盾和行业间转换过慢的问题。把握变化性的能力是求职者在劳动力市场掌握主动权的关键，应明确数字时代急需人才，并以此为导向深化教育改革，鼓励各类院校围绕人工智能和大数据分析等新兴市场需求增设相关专业，动态调整基础研究和应用研究的协同关系，强化创新性、技术性和专业性技术人才培养。增强职业院校人才技能教育与培训的时代性和实效性，完善专业化、定制化和细分化的职业教育培训体系，注重培养智能制造中人机协作、人机互动的复合型人才。同时，应注重发挥城市承载、行业聚合、企业主体的推动作用，因地制宜推动校企形成“人工智能+”的精准布点教学模式，深入施行产学研协同发展体系。最后是完善终身教育培训体系，通过职业技术学校、企业大学和人才交流等活动鼓励企业员工参与职业技能培训和文化知识学习。

第三，科学谋划最优资源配置的产业集聚模式，以产业集聚支撑劳动力自由流动。产业集聚以其共享劳动力市场、技术外部性和金钱外部性强化关联企业之间的商贸联系和技术交流，推动要素从回报率低的部门流向回报率高的部门，实现劳动力优化配置。因产业集聚对资源配置的改善作用具有滞后效应和滚雪球效应，一旦产业集聚在空间上形成，经济发展惯性将不可避免地影响资源配置。各地区应根据自身产业现状和劳动力供需状况，因地制宜引导有效产业集聚，鼓励企业在集聚外部性驱使下自发形成产业集聚行为，并辅之以必要的宏观调控，在做“加法”的同时又做“减法”，以产业结构优化升级减少低端甚至无效资源配置，以合理布局地区产业避免“扎堆式”低层次产业过度集聚引发的拥堵效应。在推动工业现代化发展的同时，还应注重制造业与生产性服务业的协同发展，充分发挥生产性服务业对国民经济高质量发展的黏合、润滑作用。在有限资源承载允许范围内，不断拓展产业集聚范围，加强城市周边基础设施建设，丰富产业门类，保障高新技术产业健康发展，努力延伸产业价值链，加强地区产业集聚政策与其他民生政策耦合协调，形成重点突出、点面结合、统筹兼顾的产业集聚。依托马赛克式城市群物质载体打造生产性服务业产业集群，致力于消除要素自由流动的体制障碍和市场壁垒，保障制造业和生产性服务业的良性互动，提升劳动要素在企业、行业和区域间自由流动的流畅性和可达性，由此缓解劳动力错配。

注释：

①工业革命初期，机器生产逐渐排斥手工劳动使大批手工业者破产，致使工人失业和工资下跌。英国工人为争取改善劳动条件，在诺丁汉等地区组织起来从事机器破坏行动，以反对机器生产。因该运动由一名叫卢德（Ludd）的工人发起，所以被称为“卢德运动”。尽管该运动最终以失败告终，但反抗“机器伤害人”的思想却被延续下来。此后，“卢德式恐惧”也逐渐演变为使用机器必然会减少对劳动力的需求、致使许多人对机器人时代的来临充满恐惧的代名词。