正文
蔡子微评：
科技创新与产业创新的深度融合，已然成为引领现代化产业体系建设的关键所在。但在产业与科技融合的现实进程中，存在融合不精准等诸多问题亟待解决。为此，一方面要建立科技-产业双向反馈机制，紧密围绕国家战略需求，锚定高技术产业的关键短板，精准确定科技创新的研发方向，使科研立项与产业需求实现精准对接；另一方面要引导企业打造从技术研发、产品转化到产业化的完整产业链，推动产业创新向纵深发展。
话题关注：科技创新和产业创新深度融合的时空演化特征与机制研究——以高技术产业为例
10、湖北打造数字经济发展新引擎。
6月6日，湖北大数据集团启动运营工作推进会议在武汉召开，副省长程用文为企业揭牌。湖北大数据集团的成立，标志着湖北省在系统化布局数据要素市场、构建数字经济发展新引擎方面迈出了关键一步，将加快湖北省数据资源整合共享与开发应用、发展壮大数字经济、培育新质生产力，为湖北加快建成中部地区崛起的重要战略支点贡献数据力量。（经济日报）
蔡子微评：
湖北大数据集团的成立是湖北省深化数字经济发展、布局数据要素市场的关键举措。其创新实践如电力数据交易、国企数据资产入表等案例，不仅解决了数据价值化难题，更形成了可复制的“湖北模式”。这一布局既顺应了国家数字化战略，也凸显了湖北抢占数据要素制高点的决心。通过打通数据资源向生产力转化的通道，集团将为培育新质生产力、推动中部崛起提供核心支撑。
话题关注：数字经济时代下数据要素流动与价值实现的协同发展研究
11、经济日报：恶性价格战没有受益者。
市场是资源配置的有效方式，竞争是市场经济的活力源泉。但恶性价格战会让产业发展陷入恶性循环，最终也会侵害消费者的正当权益。最近，部分汽车企业掀起新一轮价格战，行业内卷式竞争现象再次引发社会热议。中汽协发布倡议，反对车企价格战，维护公平竞争秩序。（经济日报）
蔡子微评：
汽车行业的价格混战表面看是消费者获益，实则形成三重伤害：一是企业研发投入被挤压，延缓技术突破；二是供应链被迫接受压价，削弱产业基础；三是消费者长期利益受损。中汽协的倡议反映了行业自律需求，这要求建立包含技术创新指数、服务满意度等维度的新型竞争评估体系。
话题关注：价格战对产业创新能力的抑制效应研究——基于汽车企业研发投入的面板数据分析
12、央企控股上市公司密集发声，多措并举加强市值管理。
今年以来，国务院国资委多次部署提高央企控股上市公司质量，加强市值管理，传递信心、稳定预期。近期多家央企密集举办业绩说明会、投资者集中交流活动等，纷纷表示提升分红比例、更好回报投资者，并提出做优主业、加强创新、深化改革等，打好提质增效“组合拳”，进一步提振市场信心。国资专家认为，央企市值管理已从政策倡导转向实质性落地。（第一财经）
蔡子微评：
此举彰显了央企对市场价值表现的重视，通过优化股权结构、提升信息披露透明度、加强投资者关系管理等手段，增强市场认可度与投资者信心。同时，央企积极运用回购、增持、分红等工具，提升股东回报，促进市值合理回归。这不仅有助于央企自身高质量发展，也稳定了资本市场，为投资者提供了更多价值投资机会。
话题关注：创新信息披露、投资者互动与企业市值表现
机器人应用与全要素生产率——来自全球生产率分化的经验证据
作者：
王永中,刘东升.
来源：《经济与管理研究》2025年第2期
导读
摘要：
机器人技术作为赋能高质量发展的新动力，不仅直接影响就业需求，还通过就业替代机制和产业结构机制对各国生产率产生分化影响，导致技术红利难以均等惠及所有国家，不利于缩小各国生产率差距。本文通过理论模型分析，推断机器人对生产率具有积极影响，且“机器换人”是提高全要素生产率的重要渠道。基于多个经济体数据的实证研究结果显示，机器人应用提高了各经济体全要素生产率，但由于高生产率经济体的产业结构与机器人技术的匹配度更高、形成的就业替代效应更强，使其生产率的提升幅度更大，进而总体上加剧了全球生产率分化。异质性分析结果表明，少数产业结构适宜、政策环境良好的低生产率经济体，也能通过大量引入机器人，在一定程度上缩小与高生产率经济体间的生产率差距，凸显了明确政策导向和优化产业结构以确保机器人等新技术能够带来可持续技术收益的重要性。
关键词：
机器人应用;全要素生产率;生产率分化;产业结构;就业替代效应;
引用格式：
王永中,刘东升.机器人应用与全要素生产率——来自全球生产率分化的经验证据[J].经济与管理研究,2025,46(02):3-23.
一、问题提出
随着新一轮科技革命深入推进,以工业机器人为核心载体的现代化生产方式正成为重塑全球竞争格局的关键力量
[1]
。机器人、人工智能等新技术的推广和普及,是促进各国生产率增长、获得技术红利的重要动力
[2-3]
。然而,这一技术红利在不同国家间的分配可能是不平衡的,生产率较高的发达国家在技术变革中显然获益更多,将扩大其与低生产率国家的科技差距,削弱低生产率国家参与国际分工的能力
[4]
,这不仅损害低生产率国家的福利,也对大国科技竞争博弈格局的走向产生重要影响。佩恩表(PWT)数据库
(1)
PWT提供了两组全要素生产率(
TFP
)测度结果:一是按当前购买力平价计算的全要素生产率(
RTFPNA
),即PWT设定所有样本经济体2017年(基期)的
TFP
=1,因而
RTFPNA
在时间维度是可比的;二是按经济体不变价计算的全要素生产率(
CTFP
),PWT设定美国(基准经济体)的
TFP
=1,因而
CTFP
在经济体维度(截面维度)是可比的。生产率增长趋势要求样本经济体的全要素生产率在时间维度可比,故利用
RTFPNA
数据做分析;而生产率分化趋势要求样本经济体的
TFP
在经济体间可比,故利用
CTFP
数据做分析。
显示,20世纪90年代以来,全球主要经济体的全要素生产率增势明显,时间维度的核密度曲线逐渐右移(见图1);但与此同时,不同经济体间全要素生产率的差距进一步扩大,截面维度的核密度曲线逐渐从单峰分布向双峰分布转变,全球生产率呈现两极分化特征(见图2)。在这一背景下,深入理解机器人等智能技术的特征和发展趋势,分析其对全要素生产率及国家间生产率分化的潜在影响,具有重要的理论价值和现实意义。
图1 各经济体全要素生产率增长趋势
数据来源:根据佩恩表(PWT 10.01)数据库整理得到。
图2 各经济体全要素生产率分化趋势
数据来源:根据佩恩表(PWT 10.01)数据库整理得到。
关于机器人应用对生产率的积极影响,已得到大量文献证实。现有文献认为,与早期的自动化浪潮不同,以机器人为代表的新一代智能技术更加灵活、通用和自主,对生产方式的影响更为广泛
[5]
,能够有效提高生产效率和产品质量
[6-7]
。杨光和侯钰(2020)认为,机器人对发展中国家和发达国家的生产率都有显著的推动作用
[2]
。然而,傅等人(Fu et al.,2021)进一步指出,机器人应用与发达国家的生产率提高正相关,但这种影响在发展中国家微不足道
[8]
。在微观层面,黄等人(Huang et al.,2022)、科赫和马努伊洛夫(Koch &Manuylov,2023)也提供了相似的证据,他们分别利用中国工业企业数据和西班牙制造业公司数据进行实证研究,发现机器人应用对企业生产率产生积极影响
[9-10]
。黄等人(Huang et al.,2023)的研究进一步发现,相比劳动密集型企业,机器人对资本密集型企业的全要素生产率提升幅度更大
[11]
。与此同时,人们对采用机器人等智能设备的潜在负面影响深感担忧,学界对此的讨论主要集中在劳动经济学领域,但尚未达成共识。一部分文献认为,机器人具有生产力效应,有利于就业增长,主要有三个机制:一是机器人应用提高了生产率,激励企业规模扩张,进而增加了企业中非自动化岗位的就业需求
[12-14]
;二是机器人应用能够创造与新技术相关的新任务和工作,促进了就业增长
[15-16]
;三是机器人应用提高了劳动要素的边际回报
[17]
,工人的收入水平和消费能力提高,进而带动企业生产规模和就业需求增长
[18-19]
。另一部分文献认为,机器人具有替代效应,会抑制就业增长,甚至可能引发大规模失业。其核心思想是将工作的任务内容划分为常规和非常规两类,在常规任务领域,机器人能够比人类更高效率、更高质量地执行体力劳动活动,且越来越有能力执行需要一定认知能力的非常规活动
[20]
,因此,即使机器人应用创造了一些新任务和工作,并增加了非自动化岗位的就业需求,但在多数情况下,“机器换人”仍占据主导地位
[21]
。
最近,有一类文献关注到机器人应用对不同国家的异质性影响。德巴克尔和德斯特凡诺(De Backer &Destefano,2021)研究发现,工业机器人改变了国际分工,减少了从发达国家到新兴和发展中国家的离岸外包,不利于新兴和发展中国家就业和经济增长
[22]
。埃德等(Eder et al.,2024)将机器人视为单独的生产要素,通过非参数研究方法,发现机器人使初始生产率水平较低的经济体增长更快
[23]
。加西亚等(García et al.,2024)的研究表明,随着发展中国家大量进口机器人,将导致部分发展中国家与发达国家之间的差距扩大
[24]
。其他研究结论相反,发现机器人应用对低收入国家的出口产生了积极影响
[25-26]
。
本文与近期文献密切相关,重点关注机器人应用对不同经济体的异质性影响,探讨机器人应用是否改变经济体间生产率差距,从而加剧或减缓全球生产率分化。如果处于生产率前沿地位的经济体在技术变革中获益更多,则意味着促进生产率增长的技术因素同时也导致生产率分化,这凸显了低生产率经济体建立长期机器人发展规划的紧迫性,以确保技术变革不会拉大其与高生产率经济体的差距。鉴于此,本文从理论和实证两个方面,探究机器人应用对生产率分化的影响。在理论上,基于任务模型的框架,分析机器人应用影响全要素生产率的作用渠道,并结合相关的典型事实,提出机器人应用与生产率分化关系的理论假设。在实证上,利用国际机器人联盟(IFR)披露的分行业工业机器人数据、佩恩表(PWT)数据、世界投入产出表(WIOD)数据,实证考察机器人应用对经济体间生产率分化的影响。
本文的边际贡献有三点。第一,在研究视角上,关注机器人应用是否会加剧全球生产率分化。与机器人应用影响生产率增长的传统文献相比,本文针对不同经济体机器人安装量和产业结构差异的典型事实,探究机器人应用引发的技术红利如何在经济体间分配,为技术变革与全球分化的相关研究提供参考。第二,在理论层面拓展了任务模型。将机器人执行任务的比例与生产率联系起来,并将经济体的产业结构引入任务模型,在理论层面论述了各经济体“机器换人”程度和产业结构差异是导致经济体间生产率分化的重要渠道。第三,在实证层面有一定数据运用方面的创新。将IFR数据库与PWT 10.01和WIOD 2016数据库匹配,分别得到60个经济体的面板数据和41个经济体14个制造业行业的面板数据,这两套数据能够从经济体和行业两个维度,实证检验机器人对生产率分化的影响,提高了研究结论的可信度。
本文余下部分的内容结构如下:第二部分是典型事实;第三部分是理论模型与研究假设;第四部分说明数据来源与设定实证分析模型;第五部分是实证结果与分析;第六部分是机制分析和异质性分析,验证机器人对生产率的间接影响以及导致经济体间生产率分化的机制;最后是结论与建议。
二、典型事实
(一)典型事实I:高生产率经济体安装了更多工业机器人
本文利用制造业机器人安装量数据开展典型事实分析。IFR的数据显示,在2000—2019年,全球共安装了354.7万台工业机器人,其中83%的工业机器人被安装在制造行业。图3报告了2000—2019年各经济体安装机器人数量与其基期(2000年)全要素生产率之间的关系。其中,全要素生产率数据来自PWT 10.01数据库;机器人数据来自IFR数据库,并除以基期各经济体的制造业就业人数,得到每百人机器人安装量(制造业就业人数数据来自WIOD 2016数据库),避免了各经济体的制造业规模差异带来的影响。
图3 2000—2019年各经济体机器人安装量与基期(2000年)全要素生产率
数据来源:根据IFR、PWT 10.01和WIOD 2016数据库整理得到。
图3的横轴是基期全要素生产率,纵轴是每百人机器人安装量。可以看到,拟合线向右上方倾斜,表明各经济体的机器人安装量与基期全要素生产率正相关。图中竖直和水平虚线分别将样本经济体均分为两组,两条虚线将全样本划分到四个象限,分属四类经济体,样本点主要分布在第一、三象限,二者占总样本点的78%
(2)
总样本由IFR数据库和WIOD 2016数据库匹配得到,包含41个经济体,占2000—2019年全球制造业中机器人总安装量的95.5%。
。这一事实表明,除中国、捷克、斯洛伐克等少数II类经济体外,低生产率经济体普遍安装更少的工业机器人;同样,除挪威、爱尔兰等少数IV类经济体外,高生产率经济体倾向安装更多的工业机器人
(3)
各经济体基期(2000年)的全要素生产率被认为是外生给定的,各经济体的人均机器人安装量与其产业结构、机器人相关政策有关。由于样本期间中国、捷克、斯洛伐克等实施了导向性较强的机器人相关政策,且其制造业份额相对较高,而机器人主要被安装在制造业,在政策支持和产业结构支撑的共同作用下,中国、捷克、斯洛伐克等II类经济体基期全要素生产率较低,但样本期间机器人安装量较高。与之相反,挪威、爱尔兰、英国等少数IV类经济体受限于自身产业结构或者政策因素,虽然基期生产率较高,但样本期间机器人安装量相对较低。
。
依据各经济体基期全要素生产率的均值,本文进一步将样本经济体分为高生产率经济体和低生产率经济体。图4展示了2000—2019年两组经济体人均机器人保有量的时序变化。可以看到,在2000—2019年,高生产率经济体和低生产率经济体的人均机器人保有量呈现逐年上升势态,并且高生产率经济体的人均机器人保有量明显更高,这与前文典型事实相符。基于相关研究表明,机器人应用水平越高,其对就业的替代效应越强
[27]
。鉴此,与低生产率经济体相比,高生产率经济体具有较高的机器人应用水平,可能引致更强的就业替代效应。
图4 不同经济体分组人均机器人保有量的时序变化
数据来源:根据IFR、PWT 10.01和WIOD 2016数据库整理得到。
(二)典型事实II:高生产率经济体的产业结构与机器人技术更加匹配
工业机器人主要被安装在制造行业,但在制造业内部,不同细分行业对工业机器人的安装量差异较大。图5报告了14个制造业细分行业在2000—2019年的全球工业机器人安装量。可以看到,汽车制造业是工业机器人的主要安装行业,安装量高达122.5万台;计算机电子和光学产品制造业、电气机械和器材制造业的机器人安装量分别达到51.3万台、28.7万台。这三个制造行业中的工业机器人总安装量超过200万台,占全球制造业工业机器人总安装量的74.5%。
图5 各行业机器人安装量和基期产业结构
注:图右侧值为1的虚垂线,表示不同类别经济体各产业份额之比的临界值。若某产业份额比值大于1,意味着高生产率经济体在该行业具有规模优势。
数据来源:基于IFR数据库和WIOD 2016数据库计算得到。
图5也展示了基期高生产率经济体与低生产率经济体各行业规模的比值。该比值为高生产率经济体中某行业就业份额的均值,与低生产率经济体中同一行业就业份额的均值之比。该比值的计算公式可以表示为:
i
、
j
、
t
分别表示经济体、制造行业、年份;
n
、
m
分别表示高、低生产率经济体的数量;
lab
表示就业人数;
Value
表示行业规模的比值,若该值大于1,表明高生产率经济体的该行业具有规模优势。由该图可知,在汽车制造业、计算机电子和光学产品制造业、电气机械和器材制造业等机器人安装量高的行业,高生产率经济体均有明显的规模优势。这一典型事实表明,高生产率经济体的产业结构可能更适合采用机器人设备开展生产活动,这导致机器人应用对这些经济体生产率的提升幅度更大。
三、理论模型与研究假设
本文首先从理论层面分析机器人应用与全要素生产率之间的关系,重点探讨机器人应用影响全要素生产率及其分化的作用渠道。借鉴阿西莫格鲁和雷斯特雷波(Acemoglu &Restrepo,2020)
[27]
构造的模型框架,假定每个行业通过组合不同的任务形成产出,总产出表示为所有任务产出的总和函数,即:
ln
Y
=
y
(
s
)d
s
(1)
