人工智能对中国制造业价值链攀升的影响研究※

郑琼洁 王高凤

内容提要：在阐明人工智能技术应用影响制造业企业价值链攀升机制的基础上，以2011-2018年中国制造业上市公司为主要研究对象，设置倾向得分匹配模型验证人工智能对制造业企业价值链攀升的正向促进作用，并基于行业视角研究了人工智能技术应用对高技术行业、中技术行业、低技术行业等不同行业影响的差异性。研究表明：人工智能技术应用对中国制造业企业全球价值链攀升整体具有显著的正向作用；分行业看，人工智能技术应用对高技术和低技术行业全球价值链位置攀升具有明显的促进效应，且高技术行业效应更为明显，对中技术行业的促进作用不显著。围绕人工智能驱动制造业价值链攀升,应从不同技术层次出发，对高、中、低技术企业采取分类分梯次渐进式策略。

一、 引言与文献述评

“十四五”时期是中国建设制造强国、构建现代化产业体系和实现经济高质量发展的重要阶段。在新的发展阶段，智能制造被赋予新的使命，是推动经济高质量发展的重要动力。当前，中国制造业在经济中仍然处于主导地位，但在国际分工和产业链的位置总体上处于中低端，亟需深化新一代信息技术如人工智能技术与制造业全要素、全产业链、全价值链融合发展，推动产业基础高级化、产业链现代化，促进国内国际双循环。作为引领未来发展的战略性技术，人工智能是制造业转型发展的新动能。中国如何抓住新一轮技术革命和产业革命带来的战略机遇，以人工智能推动制造业向全球价值链高端攀升，成为摆在理论和实践部门面前的重大课题。

当前，人工智能与不同产业领域的融合度不断加强，不论是在传统产业，还是在新兴产业，人工智能技术或产品都得到了不同程度的应用(郭凯明，2019；Cheng等，2019)。尤其在制造业领域，随着中国人口红利的消失，投入要素如劳动力对全要素生产率的贡献日趋变小，制造业亟需注入新的发展动能。人工智能能够将个性化、智能化等生产体系应用到产业中，不仅能够促进制造业组织变革，而且能够重塑劳动力就业结构(孙早和侯玉琳，2019)，提升制造业生产率(郑琼洁和王高凤，2021)，进而推动制造业加快转型升级。

目前，围绕人工智能技术推动制造业价值链攀升方面的研究，主要聚焦于两个方面的内容：一是人工智能推动制造业价值链攀升的内在机理。从生产要素看，人工智能驱动制造业价值链攀升的核心机制在于人工智能改变了企业的生产要素结构，对价值链和社会分工体系进行重构，对产业发展模式产生“颠覆性创新”，降低了资源错配率，提升了生产率，促进制造业企业向“微笑曲线”两端的高附加值环节不断攀升(郑琼洁和王高凤，2021)。从技术创新角度看，企业若想提升其在全球价值链中的位置，必须将技术创新作为推动价值链攀升的内在驱动力，通过不断加强知识积累，提升技术创新，加大产品的科技含量，提升产品的内在品质来实现(Gereffi和Lee，2012)。从产业结构升级视角看，制造业升级过程通常就是实现由资本密集型产业不断代替劳动密集型产业，技术密集型产业不断代替资本密集型产业的发展过程。随着主导产业中技术密集程度的加强，产业结构不断从低级形态向高级形态演化(Humphrey和Schmitz，2002)。二是人工智能对制造业价值链位置影响的实证检验。已有文献多聚焦于分析人工智能技术通过生产率、产业结构等对制造业价值链带来的间接效应，较少直接通过对制造业价值链位置的测算和判定进行研究。从全要素生产率研究看，刘亮和胡国良(2020)基于“生产率悖论”视角，发现人工智能对中高技术行业的生产率提升效应更强。郑琼洁和王高凤(2021)的研究表明人工智能正向促进中国制造业企业全要素生产率。从产业结构来看，人工智能发展对产业结构高级化水平和合理化水平具有促进效应，且产业结构升级效应在不同区域不同(韦东明等，2021)。

综上所述，有关人工智能对制造业价值链位置的影响研究尚处于探索阶段，亟需在如下几个方面作深入研究：一是人工智能对制造业价值链攀升的理论机制研究有待深入。现有文献尚未围绕人工智能对制造业价值链的影响机制和作用效果进行深入探讨。本文尝试将研究置于新经济发展、新一轮科技革命和“双碳”目标背景下，系统分析人工智能对制造业价值链攀升的影响效应、作用机理，是对现有研究的补充和完善。二是围绕人工智能技术应用对制造业价值链攀升的研究缺乏从定性的理论性研究转向定量的数据分析研究。现有研究将人工智能作为一种高级生产要素引入企业生产函数，从制造业价值链攀升视角进行实证检验的研究较为缺乏，尤其从微观企业视角验证的文献凤毛麟角。三是基于行业视角围绕人工智能对制造业价值链的影响研究则更少。鲜有学者关注人工智能技术应用对不同行业制造业价值链影响的差异性。因此，为了弥补上述研究不足，本文重点分析人工智能推动制造业价值链攀升的理论机制。同时，以2011-2018年中国制造业上市公司为研究对象，将制造业分为高技术行业、中技术行业、低技术行业，研究人工智能技术对制造业的总体效应和不同行业的促进效应。

二、 人工智能影响制造业企业价值链攀升的机制分析

人工智能技术作为产业发展的新动能，是全球各经济主体构建未来国际竞争新优势的关键点，也是推动中国经济高质量发展的重要方式。对于中国制造业企业而言，人工智能技术是其转变生产、销售方式，提升全球价值链位置的重要选择。人工智能影响制造业企业价值链攀升的机制和作用如下。

1. 人工智能通过生产效应加速制造业价值创造、提升全球竞争力

人工智能技术的应用对生产要素结构产生了重要影响，高技能劳动力不断代替低技能劳动力进入研发、生产、销售等领域，产生替代效应，企业生产效率和创新能力不断增强(郑琼洁和王高凤，2021)。同时，人工智能技术本身作为一种高级生产要素，与原有生产要素结构不断磨合，极大地降低了资源错配率，提升制造业各中间环节的增加值，产生要素增强效应，从而提升企业的生产效率和产品附加值。随着数字化经济快速发展，制造业企业通过数字化转型不断创造新价值，借助工业互联网、云计算、大数据等先进技术，制造业企业不断完善自身的硬件机器设备、软件管理系统及数字化应用服务，提升企业数字化生产能力，最终实现价值创造，提升全球竞争力。

2. 人工智能通过平台效应增强制造业企业价值链链接效率

在世界网络化发展的今天，人工智能为制造业企业在融资、信息交流、供应链管理等方面提供了先进的平台技术，极大地提升了企业在生产、销售等方面的效率。具体而言，互联网金融为制造业企业特别是中小企业拓展了融资渠道，缓解了企业资金压力。而各级政府、社会组织建立的网络平台增强了企业数字信息的连通性，促进了各制造业企业之间的信息交流，有效缓解了企业信息不对称问题。不仅如此，制造业企业通过大数据等先进技术重塑供应链，准确预测、掌握消费者需求，实现消费者需求动态追踪，并最终形成以消费者需求为先导、数据分析为核心的一体化供应链生态系统，极大地提升了企业的生产效率。

3. 人工智能通过低碳效应降低制造业企业参与全球价值链的成本

目前工业绿色低碳发展已成为制造业企业发展的重要目标。制造业企业应对全球变暖的压力逐渐增大，而人工智能技术的应用能够在监测碳排放、预测排放量等方面深入掌握企业碳足迹的多个方面，并快速降低成本，其中能源、制药等行业受益颇为明显。不仅如此，煤炭、钢铁等传统制造业借助人工智能不断进行生产技术的改进，优化生产方案，降低生产成本，提高资源利用率。人工智能技术为传统能源行业精细化发展、提升传统行业全球竞争力提供高效的技术支持。

4. 人工智能通过产业融合效应促进新兴制造业与传统制造业实现升级

一是新兴制造业内部上下游产业之间的融合。以新材料产业为例，深空、深远海等新空间拓展，特别是商业航天发展迅猛，对材料和装备制造提出新需求，带动极端制造、超材料、超精细加工等产业进一步发展，上下游产业纵向融合、协同发展。二是新兴产业之间的融合。信息技术、生物技术、新能源技术、新材料技术等领域交叉融合，正在引发新一轮科技革命和产业变革，加速颠覆性技术创新从单一向集成化创新转变，带动集成多领域不断涌现具有较高技术水平的新产品。三是新兴制造业与传统制造业的融合。新兴制造业发展需以传统的资本、平台、技术等作为支撑，而传统制造业转型升级亟需新兴制造业的引领，二者相辅相成，协同发展。

三、 人工智能影响制造业企业价值链攀升的指标测算与模型设计

1. 数据来源与变量说明

(1) 解释变量AI。研究人工智能技术应用对制造业企业价值链攀升的影响最为重要的两个方面：一是判断哪些企业应用了人工智能技术；二是计算企业全球价值链的位置。对于应用人工智能技术的制造业企业，考虑到数据的代表性和可获得性，本文选取Wind经济金融数据库2011-2018年沪深两市和新三板的全部制造业企业。同时，剔除了部分样本，包括ST企业，已停牌、退市或中止状态的企业，经处理最终得到6281家初始企业数据。而判断哪些企业应用了人工智能技术，则参考郑琼洁和王高凤(2021)的方法，从企业科技产出-人工智能匹配、企业管理体系-人工智能匹配、行业应用-人工智能匹配、政策扶持-人工智能匹配等四个方面综合进行判别，最终筛选出应用人工智能技术的制造业企业640家。

(2) 被解释变量GVC。对于如何计算企业全球价值链的位置，本文分为两个步骤：第一，选取亚洲开发银行发布的ADBMRIO数据库进行行业全球价值链位置测算。由于该数据库包含63个国家及地区35个细分行业2000-2018年投入产出数据，本文选取制造业14个细分行业2011-2018年投入产出数据。而后利用Koopman等(2014)的增加值分析结果，计算行业全球价值链的分工位置，具体过程如下：

(1)

(2)

(3)

第二，将上文中的6281家初始企业进行行业归类，而后借鉴Wang等(2017)的做法，将行业层面的全球价值链分工地位指数细化到企业层面：

(4)

2. 计量模型的设定

本文主要考察人工智能技术的应用对中国制造业企业全球价值链位置的影响，因此采用PSM-DID即倾向得分匹配倍差法进行分类别对比。具体而言，将制造业企业分为应用人工智能技术的企业和未应用人工智能技术的企业，并确定应用人工智能技术企业的具体时间，而后设置多期双重差分法进行回归，对比分析应用人工智能技术的企业与未应用人工智能技术的企业在全球价值链分工地位方面的差异性，进一步确定人工智能技术对提升中国制造业企业全球价值链分工地位的作用。设置的计量模型如下：

GVCit=σ0+σ1(AIi×timeit)+σ2TFPit+σ3RDit+σ4DRit+σ5GMit+σ6CDit+uit+ηit+tit+εit

(5)

其中，被解释变量为企业全球价值链分工地位GVCit。解释变量为虚拟变量AIi×timeit。AIi= 1表示应用人工智能技术的制造业企业，此为处理组，AIi=0表示未应用人工智能技术的制造业企业，此为对照组。timeit为年份虚拟变量，timet= 1 表示企业应用人工智能技术后的时期，timet=0表示企业应用人工智能技术前的时期。控制变量中，TFPit为制造业企业的全要素生产率，是生产率效应指标；RD表示制造业企业在每一期的研发投入力度，用当期研发支出/营业收入衡量；DR表示制造业企业当期的研发水平，用企业本科及以上学历人数/企业员工总数测算；GM表示制造业企业当期规模，用企业总资产规模来衡量；CD表示制造业企业当期资本深化程度，用企业固定资产净值/企业员工总数测算。u为行业固定效应，η为企业固定效应，t为时间固定效应，ε为残差。

具体的倾向得分匹配的过程如下：第一步，进行变量匹配，选取企业全要素生产率、企业研发投入强度、企业现有研发能力、企业规模、企业资本深化程度为协变量；第二步，通过Logit方法计算表示控制匹配变量后制造业企业使用人工智能技术的倾向得分；第三步，依据处理组和对照组企业倾向得分相近程度进行倾向得分匹配。需要说明的是，本文选取2015年作为对照组和处理组的节点期，因2015年是中国人工智能与制造业深度融合进度快速发展的一年。在2015年前，政府和企业都逐步意识到人工智能的重要驱动力和影响力。2015年后，各地区逐步推行“人工智能+制造业”，大力打造智能制造试点示范项目，智能制造成为各地区产业转型的重要方式。本文匹配后的处理组和对照组的可观测变量在企业应用人工智能技术前后不存在显著差异，符合条件独立性假设。不仅如此，在计量回归前，本研究对共同范围内的个体进行逐年匹配，并在匹配结果下对处理组和对照组企业各种客观特征进行匹配平衡性检验。结果表明，各匹配变量在匹配前后的标准偏差绝对值均小于5%，匹配结果可靠。最后进行同趋势检验，结果如图1所示，可以看出，before的系数均不显著，所设置的计量模型满足平行趋势假定。

四、 人工智能影响制造业价值链攀升的整体效应与行业比较

1. 整体效应分析

(1) 全数据计量结果分析。从表1的计量结果可以看出，变量AI×time系数显著为正，表明人工智能技术应用对中国制造业企业全球价值链位置的提升具有明显的正向效应。人工智能技术应用强度增加1%，制造业企业全球价值链位置提升0.0208%。目前中国制造业整体位于全球价值链中低端，核心技术创新能力偏弱，而关键核心技术突破是实现智能制造、促进制造业企业价值链攀升的重要一环，在“人工智能+制造业”实现创新应用方面具有举足轻重的作用。目前，中国部分人工智能产业的核心技术、关键材料和部件被欧美日等发达国家或地区的企业垄断。如人工智能基础软硬件仍由欧美国家或地区大型企业主导，人工智能芯片设计的基础半导体器件仍主要由NVIDIA、IBM和Intel等国外企业生产和垄断。中国作为制造业大国，航空航天设备、新能源装备等高科技产业方面的核心技术受制约较大，导致人工智能与制造业融合速度放缓。因此，中国亟需强化科技应用研发，加速推动人工智能技术落地和创新产品应用，充分发挥人工智能技术对制造业生产率提升的作用。

表1 倾向得分匹配法计量结果

从控制变量看，在人工智能技术应用的基础上，企业生产效率、研发投入强度及生产规模对其价值链位置的提升皆有正向影响，这与现实相符。由于人工智能对资金要求较高，在一定程度上对制造业企业的资本深化产生了负面影响，但随着人工智能技术应用带来的要素结构优化，将有效增加企业人力资本，提升生产效率。人工智能技术应用提高了生产与需求的匹配程度，极大地提升了生产线的柔性。人工智能的市场预测优势有利于企业科学安排生产计划，在满足社会消费需求的前提下实现最低库存，降低企业资源错配率。目前，中国制造业企业特别是高成长企业不断加大对人工智能技术的投入，但从人工智能专利数据看，发明专利只占专利总量的1/5，基础创新投入严重不足，从长远看不利于制造业实现占据价值链位置高端的目标。因此，亟需政府牵头，有效指导制造业企业依据其自身发展的优势找准人工智能技术研发投入的切入点，利用人工智能技术从研发创新端加速制造业企业全球价值链位置攀升。

(2) 稳健性检验。依据本文设置的计量模型特性，稳健性检验采用安慰剂检验方法。具体来看，首先在所有制造业企业中随机产生一个处理名单，对名单中应用人工智能技术的企业做时间记录，而后将企业应用人工智能技术的初始时间往前进行随机虚拟推移，并依据上述计量模型做回归分析，得出如表2的计量结果。其中，变量AI×time系数不显著，从而可知，随机虚拟往前推移初始时间导致人工智能技术应用对中国制造业企业未产生正向作用，因而上文的计量结果具有稳健性。

2. 分行业人工智能效应的进一步分析

从前文的分析可以看出，人工智能技术应用对中国整体制造业企业价值链位置的攀升具有促进作用，但制造业企业因其研发创新能力、产品性质等不同，从而存在差异，因此，此部分对不同类型的制造业进行人工智能技术应用效应的进一步分析。从上文可知，ADBMRIO数据库中有35个行业，其中包含14个制造业。本文根据戴翔和宋婕(2019)的研究，将14个制造业划分为高技术行业、中技术行业、低技术行业，具体如表3所示。而后按照上述方法对三个行业的制造业企业进行人工智能技术应用效果分析，具体计量结果如表4所示。表4表明，人工智能技术的应用对高技术行业和低技术行业企业价值链地位攀升具有显著的促进作用，对中技术行业企业有正向影响但并不显著。

表2 倾向得分匹配法稳健性检验结果

具体而言，人工智能技术应用对低技术企业促进作用最为明显，当人工智能技术应用强度增加1%，其全球价值链位置提升0.0283%。低技术企业原有的创新能力低，多数位于价值链低端，从事产品的加工、组装，收益率低，应对风险能力弱。因此，若低技术企业生产、销售模式的改革较为容易，则人工智能技术成果应用的效果较为明显。随着中国人口红利的消失，低技术行业的劳动力成本优势逐渐消失，人工智能技术的应用不断调整低技术企业的生产要素结构，缓解低技术企业成本压力并迫使其转变生产方式，而如何激发人工智能对低技术企业的改造和升级将是产业升级重要的内容。

对于高技术行业而言，其内部企业存在高投入性、高创新性、高收益性等特点，主要位于全球价值链中高端位置，更加注重技术创新和研发设计，具有较强的抗风险能力。人工智能技术的应用在传统价值链上增加了新的环节，这一环节成为价值链上各发达国家努力抢占的新的环节，对高技术企业既是机遇也是挑战。加之中国大力提倡低碳生产，高技术企业因其自身的优势不断进行技术创新，在“双碳”目标下快速取得发展先机，进而提升其在全球价值链中的位置。

对于中技术行业而言，多为金属制品企业，这类企业的创新能力低于高技术企业而高于低技术企业，具有一定的研发能力，但受生产要素配置和成本等因素影响，其研发投入占比相对不高。中技术企业产品极易在原材料采购和销售环节出现产业链风险，特别是对于一些依靠欧美外贸出口的企业。而人工智能技术的应用特别是其在库存优化、大数据平台搭建方面极大地缓解了中技术企业的压力，降低了企业的成本，提升其适配生产能力。但目前中技术企业受数字化水平的制约，人工智能技术还缺乏深度应用，大部分企业所推行的数字化和软件化管理只是企业信息化发展第一阶段，还有较大的进步空间(郑琼洁和姜卫民，2022)。

表3 制造业细分行业具体类别

表4 倾向得分匹配法分行业计量结果

五、 结论与建议

本文在明确了人工智能技术应用影响制造业企业价值链攀升机制的前提下，以2011-2018年中国制造业上市公司为研究对象，设置倾向得分匹配模型验证人工智能技术应用对制造业企业价值链攀升的影响，并从行业角度出发，研究人工智能技术应用对高技术行业、中技术行业、低技术行业影响的差异性。结果表明：总体来看，人工智能技术应用对中国制造业企业全球价值链攀升整体具有显著的正向作用，当人工智能技术应用程度增加1%，制造业企业全球价值链位置提升0.0208%；从行业角度看，人工智能技术应用对高技术行业和低技术行业全球价值链位置攀升具有明显的促进效应，且高技术行业效应更为明显，对中技术行业的促进作用不显著。

基于以上结论，在人工智能技术快速发展的今天，要及时建立和完善相关政策，聚焦技术创新，统筹抓好关键技术攻关，进一步筑牢全球技术竞争战略高地。从不同技术层次企业看，建议构建分类分梯次渐进式提升策略。

对于高技术企业而言。一是鼓励企业加快技术研发、培养关键技术团队。鼓励企业开展自主研发和技术创新，构建助力研发“补血机制”，对企业科技计划项目配套奖励，增加企业研发费用补贴专项。鼓励企业打造自身的高水平研发团队，引进和培养技术型人才，进行新产品的设计与研发，避免由于关键技术依赖于国外所导致的产品研发设计环节中断风险。二是推动产业链智能化，鼓励企业加快数字化转型。大力推动5G、互联网、数字经济等信息化建设，鼓励企业灵活实施数字化转型战略，利用自身的比较优势找准链条上深化合作的战略契合点，逐渐向价值链两端发展。加快与新基建无缝衔接，推动科技创新与人工智能、工业互联网、物联网等新型基础设施深度融合。三是强化全产业链生产能力，实现研发设计制造一体化。对于可自主实现设计生产线能力的龙头企业，充分利用制造业产业链在技术溢出、生产管控、市场协同方面的柔韧性，打造原材料采购、研发设计、产品生产加工、营销等全产业链，推动企业实现自主设计与生产。

对于中技术企业而言。一是鼓励企业建立智能化库存，提高原材料需求预测准确性。为避免出现缺料问题，鼓励有条件的企业建立智能化仓库，有效防止因不确定性因素造成的供应链中断风险，在一定程度上保障供应链的连续性和稳定性。二是完善出口转内销政策，支持企业拓宽销售渠道。政府应积极打通线上线下经济，深度挖掘国内需求潜力。搭建出口转内销平台，鼓励外贸企业与国内知名电商平台加强合作。支持外资企业利用现有技术和生产能力开拓国内市场，并在税、费、生产许可证等方面给予一定的便利和支持。三是鼓励企业融入全球创新网络，参与国际大循环系统建设。鼓励中技术企业提升现有产品的创新度和竞争力，提高在全球市场上的分工地位和参与价值链分配的能力。拓展“一带一路”沿线国家进出口贸易和相关配套产品供应链、产业链，鼓励中技术企业开拓国际新兴消费市场，推动中技术企业向产品研发、品牌培育等价值链中高端环节攀升。

对于低技术企业而言。一是促进供应方式多元化，保障加工原料供应。因气候、地貌等自然原因带来的加工原料过分依赖于国外是低技术企业产业链脆弱的重要原因。对于低技术企业而言，其涉及的产业链较短、配套要求不高，在后疫情时期鼓励其积极寻找多家替代厂商以实现产品生产在全球的布局，促进多元化供应方式，降低集中风险，保障原材料供应。二是降低产品同质化程度，减少产品生产的对外依存度。增加产品技术含量，降低产品同质化程度，创新多样化的销售方式，挖掘客户新需求。鼓励企业将自动化技术等融入到现有的生产方式中，降低对国外设备的依赖，从根源上解决低技术企业长期处于价值链低端的困境。三是完善服务机制，增强配套服务能力。低技术企业抗风险能力相对较弱，获得贷款的难度相对较大，建议加大对低技术企业信贷投放力度，进一步落实减税降费等优惠政策，从减、免、退、降等方面着手，减轻低技术企业负担，全力支持企业恢复生产。降低准入门槛，提高证照审批效率，加快办证速度。支持中间产品、原材料等出口企业融入国内产业链供应链，增强配套服务能力。