人工智能對紡織業(yè)國際分工地位提升的影響研究

馬文景 顧國達(dá) 李建琴

摘要：隨著云計算、物聯(lián)網(wǎng)和大數(shù)據(jù)等新技術(shù)的興起，人工智能發(fā)展邁入新的階段，正在引領(lǐng)紡織行業(yè)多領(lǐng)域變革。本文基于世界投入產(chǎn)出表，構(gòu)建全球價值鏈地位指數(shù)衡量一國國際分工地位，運用多維面板固定效應(yīng)模型考察人工智能對紡織業(yè)國際分工地位的作用機(jī)制及影響效應(yīng)，拓展了紡織產(chǎn)業(yè)國際分工的研究邊界。研究發(fā)現(xiàn)：人工智能發(fā)展對紡織業(yè)全球價值鏈地位提升效用顯著;機(jī)制檢驗表明，人工智能主要通過技術(shù)創(chuàng)新、生產(chǎn)效率和人力資本三個渠道對紡織業(yè)國際分工地位產(chǎn)生影響，其中通過生產(chǎn)效率提升產(chǎn)業(yè)國際分工地位的作用還有待進(jìn)一步激發(fā)。

關(guān)鍵詞：人工智能;紡織業(yè);產(chǎn)業(yè)升級;國際分工;全球價值鏈;投入產(chǎn)出

中圖分類號：F746.21文獻(xiàn)標(biāo)志碼：A文章編號： 10017003（2022）06000109

引用頁碼： 061101

DOI： 10.3969/j.issn.1001-7003.2022.06.001（篇序）

基金項目： 國家自然科學(xué)基金面上項目（71973120）;財政部和農(nóng)業(yè)農(nóng)村部國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系資助項目（CARS-18-ZJ0601）

作者簡介：馬文景（1992），女，博士研究生，研究方向為國際貿(mào)易。通信作者：顧國達(dá)，教授，guguoda@zju.edu.cn。

數(shù)字經(jīng)濟(jì)時代，人工智能（Artificial Intelligence，AI）與實體經(jīng)濟(jì)深度融合，將引領(lǐng)產(chǎn)業(yè)變革與全球價值鏈重塑，從而影響一國的產(chǎn)業(yè)國際分工地位。據(jù)中國信息通信研究院發(fā)布的《全球人工智能戰(zhàn)略與政策觀察（2019）》統(tǒng)計，至2013年全球有三十余個國家和地區(qū)已制定人工智能相關(guān)戰(zhàn)略、產(chǎn)業(yè)規(guī)劃文件。習(xí)近平總書記曾多次強調(diào)用人工智能開辟社會治理新格局、為高質(zhì)量發(fā)展賦能：2017年，習(xí)近平總書記在“一帶一路”國際合作高峰論壇開幕式上發(fā)表演講，指出要堅持創(chuàng)新驅(qū)動發(fā)展，加強在數(shù)字經(jīng)濟(jì)、人工智能等前沿領(lǐng)域合作，連接成21世紀(jì)的數(shù)字絲綢之路;2018年，習(xí)近平總書記在十九屆中央政治局第九次集體學(xué)習(xí)中強調(diào)，人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，加快發(fā)展新一代人工智能是事關(guān)中國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問題，是贏得全球科技競爭主動權(quán)的重要戰(zhàn)略抓手，是推動中國科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升的重要戰(zhàn)略資源;同年，在中國科學(xué)院第十九次院士大會、中國工程院第十四次院士大會上，習(xí)近平總書記再次指出要推進(jìn)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能同實體經(jīng)濟(jì)深度融合，要以智能制造為主攻方向推動產(chǎn)業(yè)技術(shù)變革和優(yōu)化升級，推動制造業(yè)產(chǎn)業(yè)模式和企業(yè)形態(tài)根本性轉(zhuǎn)變，以“鼎新”帶動“革故”，以增量帶動存量，促進(jìn)中國產(chǎn)業(yè)邁向全球價值鏈中高端。作為市場競爭最為充分的傳統(tǒng)產(chǎn)業(yè)，紡織業(yè)在全球貿(mào)易中占有重要地位。面對全球“再工業(yè)化”浪潮、產(chǎn)品同質(zhì)化、勞動力成本不斷上升等問題，再加上全球環(huán)境和資源約束加劇，全球紡織業(yè)迫切需要改善其傳統(tǒng)弊病，探索新的發(fā)展模式和空間，以有效實現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型升級。將人工智能引入紡織行業(yè)的設(shè)計、生產(chǎn)、銷售環(huán)節(jié)已成大勢所趨。近年來，包括機(jī)器感知、機(jī)器學(xué)習(xí)、機(jī)器思維等技術(shù)開始滲透紡織行業(yè)的部分領(lǐng)域，并取得了初步進(jìn)展。人工智能目前的發(fā)展水平對各國紡織業(yè)國際分工地位是否有明顯驅(qū)動作用？具體的作用機(jī)制是什么？這些問題的探討對于人工智能發(fā)展及相關(guān)政策的制定、紡織產(chǎn)業(yè)轉(zhuǎn)型升級和國際分工地位提升的路徑選擇具有理論價值和重要現(xiàn)實意義。

基于此，本文運用多維面板固定效應(yīng)模型考察人工智能對紡織業(yè)國際分工地位的影響?？赡艿倪呺H貢獻(xiàn)有以下三個方面：一是利用人工智能綜合評價體系對28個經(jīng)濟(jì)體2010—2017年的人工智能發(fā)展水平進(jìn)行多維測算和國際比較，突破了僅依靠機(jī)器人數(shù)據(jù)人工智能衡量維度單一的瓶頸;二是首次將人工智能作為紡織業(yè)國際分工地位的新興影響因素進(jìn)行探索性研究;三是進(jìn)一步從技術(shù)創(chuàng)新、生產(chǎn)效率、人力資本三個渠道解析人工智能對紡織業(yè)全球價值鏈地位的作用機(jī)制。

1 文獻(xiàn)綜述

進(jìn)入21世紀(jì)以來，人工智能技術(shù)快速發(fā)展，受到主要發(fā)達(dá)經(jīng)濟(jì)體的高度重視。由于人工智能應(yīng)用范圍廣泛，相關(guān)統(tǒng)計體系還未建立，在人工智能測度方面，衡量角度還比較單一。既有文獻(xiàn)測度人工智能的指標(biāo)主要有以下幾類：其一，目前學(xué)界普遍采用國際機(jī)器人聯(lián)合會（The International Federation of Robotics，IFR）的機(jī)器人數(shù)據(jù)，分析人工智能對各國就業(yè)結(jié)構(gòu)及勞動力市場的影響^[1];其二，人工智能專利數(shù)據(jù)常被當(dāng)做代理變量，反映人工智能產(chǎn)業(yè)的發(fā)展特征和趨勢^[2-3];其三，采用人工智能分類指標(biāo)反映人工智能各領(lǐng)域的發(fā)展?fàn)顩r，如陳德余等^[4]運用市場容量、就業(yè)人口、科研規(guī)模和專利申請數(shù)量四個指標(biāo)分別測度國內(nèi)各區(qū)域人工智能發(fā)展水平;其四，構(gòu)建綜合指標(biāo)對人工智能總體發(fā)展水平進(jìn)行測度，如顧國達(dá)等^[5]利用國際層面數(shù)據(jù)，構(gòu)建了包含多維度衡量的人工智能綜合發(fā)展指數(shù)，為人工智能發(fā)展水平的綜合評價和國際比較提供了可能。人工智能對經(jīng)濟(jì)發(fā)展影響效應(yīng)的研究日益豐富^[6]，但主要停留在理論分析層面。在微觀企業(yè)層面，Kinkel等^[7]基于對655家制造業(yè)公司代表的跨國調(diào)查，發(fā)現(xiàn)組織因素對人工智能在制造業(yè)中的應(yīng)用影響最大。劉斌等^[8]、呂越等^[9]以工業(yè)機(jī)器人數(shù)據(jù)作為人工智能的代替變量，分別從產(chǎn)業(yè)中觀層面和企業(yè)微觀層面兩個視角，證實人工智能對全球價值鏈（Global Value Chain，GVC）參與程度和GVC競爭力的積極影響。可見，眾多學(xué)者對于人工智能促進(jìn)經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)升級的正向作用持肯定態(tài)度，但相關(guān)具體產(chǎn)業(yè)的計量和實證分析的研究還比較單薄，尤其是人工智能對紡織產(chǎn)業(yè)作用的定量分析尚屬空白。149EBCE7-DF8C-4BD7-93DC-60580D269352

目前國內(nèi)外研究紡織業(yè)的文獻(xiàn)大多集中在紡織業(yè)國際分工地位比較，國內(nèi)外學(xué)者從不同角度對其進(jìn)行分析，主要可歸納為以下幾個方面：一是參考Balassa^[10]提出的顯性比較優(yōu)勢指數(shù)來研判紡織業(yè)的產(chǎn)業(yè)競爭力，如王飛等^[11]借助以增加值為基準(zhǔn)修正過的顯示性比較優(yōu)勢指數(shù)（RCA），對紡織服裝市場上的主要國家的產(chǎn)業(yè)競爭力進(jìn)行橫向比較，特別是在增加值分解模型的基準(zhǔn)上對同一行業(yè)內(nèi)分工的上游和下游部分同時進(jìn)行分析，彌補了傳統(tǒng)貿(mào)易統(tǒng)計口徑行業(yè)部門劃分不詳?shù)娜毕?。二是參考Koopman等^[12]構(gòu)建的“GVC參與度”和“GVC地位指數(shù)”來分析一國紡織業(yè)參與國際分工的程度和價值鏈地位，如李明潔^[13]通過對比分析發(fā)現(xiàn)中國在全球價值鏈中具有較高的參與度，并且在紡織服裝業(yè)全球價值鏈中處于上游位置，在微笑曲線中處于中游位置;胡靜寅等^[14]測算中國紡織服裝業(yè)在全球價值鏈的國際分工地位，得到中國紡織業(yè)仍處于價值鏈中下游的結(jié)論;李曉鐘等^[15]通過測算GVC地位指數(shù)對中國紡織產(chǎn)業(yè)各類產(chǎn)品在全球價值鏈中的地位進(jìn)行分析，同時加入Kaplinsky升級指數(shù)衡量產(chǎn)業(yè)升級態(tài)勢，得出中國紡織產(chǎn)品升級指數(shù)不斷上升，在全球價值鏈地位也呈現(xiàn)逐步攀升態(tài)勢的結(jié)論。三是參考Hausman等^[16]所構(gòu)建的出口技術(shù)復(fù)雜度指數(shù)對紡織業(yè)在國際分工中的競爭力進(jìn)行分析，如顧國達(dá)等^[17]基于1992—2011年中國絲綢業(yè)出口復(fù)雜度指標(biāo)的測算，刻畫中國絲綢業(yè)出口貿(mào)易技術(shù)結(jié)構(gòu)的分布與演變，并對其變動機(jī)制進(jìn)行分析;詹小琦^[18]基于UN Comtrade數(shù)據(jù)庫2010—2020年的數(shù)據(jù)，計算出口技術(shù)復(fù)雜度，并借助國際市場占有率（IMS）顯示性比較優(yōu)勢指數(shù)（RCA）、貿(mào)易競爭力指數(shù)（TC），對世界主要國家紡織服裝產(chǎn)業(yè)鏈的國際分工地位進(jìn)行比較分析，結(jié)果表明中國與發(fā)達(dá)國家存在技術(shù)差距，而與新興國家相比傳統(tǒng)競爭優(yōu)勢也在減弱。隨著國際分工的不斷深化和價值鏈的不斷分解，考慮到提出中間品貿(mào)易重復(fù)計算等問題，本文選取學(xué)界主流評估指標(biāo)“GVC地位指數(shù)”，以更準(zhǔn)確衡量各國紡織產(chǎn)業(yè)的國際分工地位真實水平。

綜上所述，紡織服裝業(yè)雖然在勞動力成本等傳統(tǒng)競爭優(yōu)勢上面臨新興國家的壓力，但最主要的問題還是找到提升產(chǎn)業(yè)國際分工地位的優(yōu)化路徑，在智能織造、提高自主品牌和自主創(chuàng)新能力方面縮短與發(fā)達(dá)國家的差距。但目前針對人工智能對紡織業(yè)改進(jìn)的研究相對較少，且僅停留在技術(shù)層面，尚缺乏貿(mào)易層面關(guān)于人工智能對紡織業(yè)影響定量分析的研究。據(jù)此，本文結(jié)合已有研究，剖析人工智能推進(jìn)紡織產(chǎn)業(yè)國際分工地位提升的影響及作用機(jī)制，探究培養(yǎng)人工智能作為紡織產(chǎn)業(yè)國際競爭新優(yōu)勢的具體對策。

2 研究設(shè)計

2.1 模型設(shè)定

人工智能對紡織產(chǎn)品國際貿(mào)易的正向效應(yīng)作用于國際生產(chǎn)分工的每一生產(chǎn)環(huán)節(jié)中，因此，本文在劉斌等^[8]的基礎(chǔ)上，構(gòu)建基于國家、年份數(shù)據(jù)的多維面板固定效應(yīng)模型，來考察人工智能對一國紡織業(yè)國際分工地位的影響。模型如下：

lnGVCPo_ijt=β₀+β₁lnAI Index_it+βControls+v_i+v_j+v_t+ε_ijt（1）

式中：下標(biāo)i、j和t分別表示出口主體、進(jìn)口主體和年份;被解釋變量GVCPo_ijt是雙邊層面基于貿(mào)易數(shù)字化視角的紡織產(chǎn)業(yè)國際分工地位指標(biāo);核心解釋變量AI Index_it表示i國t年度的人工智能綜合發(fā)展水平。Controls是控制變量集，主要包括引力模型變量和經(jīng)濟(jì)體特征變量。v_i、v_j和v_t分別表示出口主體固定效應(yīng)、進(jìn)口主體固定效應(yīng)和時間固定效應(yīng)。ε_ijt代表隨機(jī)誤差項。為降低異方差，除虛擬變量外，模型中其他變量均取對數(shù)形式。

2.2 變量測度與說明

2.2.1 國際分工地位指標(biāo)

Koopman等^[12]為衡量一國在GVC生產(chǎn)中的位置而構(gòu)建的全球價值鏈地位指數(shù)（GVC-Position），在學(xué)界有較高的代表性。該指標(biāo)反映的是一國產(chǎn)業(yè)中間產(chǎn)品出口的國內(nèi)增加值（IV）與出口的國外增加值（FV）的比值，指標(biāo)越大，表明該產(chǎn)業(yè)在全球價值鏈中的位置越接近上游。取對數(shù)形式，i國紡織業(yè)t年度的GVC地位指數(shù)具體計算模型如下：

GVCPo_it=ln1+IV_itE_it-ln1+FV_itE_it（2）

式中：E_it表示i國紡織業(yè)t年度的總出口。

2.2.2 人工智能指標(biāo)

雖然目前現(xiàn)有文獻(xiàn)普遍使用工業(yè)機(jī)器人密度作為人工智能的度量指標(biāo)，但受限于測算波動性及維度單一性，將其作為人工智能這一通用技術(shù)的發(fā)展水平評價指標(biāo)顯然無法滿足研究需要。本文借鑒顧國達(dá)等^[5]的方法，選取包含人工智能環(huán)境支撐力、人工智能知識創(chuàng)造力、人工智能產(chǎn)業(yè)競爭力三個維度的人工智能綜合發(fā)展指數(shù)，作為人工智能的代理變量。鑒于國際層面數(shù)據(jù)的可比性和可得性，選取2010—2017年28個國家的人工智能發(fā)展水平進(jìn)行測度，得到人工智能綜合發(fā)展指數(shù)，記為AI Index。149EBCE7-DF8C-4BD7-93DC-60580D269352

2.2.3 控制變量

引力模型變量：經(jīng)濟(jì)發(fā)展水平，用國內(nèi)生產(chǎn)總值（GDP）和人口數(shù)量（POP）衡量;自然貿(mào)易成本，用地理距離（Dist）、文化距離（Ling）、是否接壤（Border）、是否為內(nèi)陸國（Landlock）衡量;政策貿(mào)易成本，用簡單平均關(guān)稅（Tariff）衡量。

經(jīng)濟(jì)體特征變量：貿(mào)易自由度（FTA），用貿(mào)易雙方是否簽訂雙邊或多邊區(qū)域貿(mào)易協(xié)定衡量;貿(mào)易開放度（Openness），用貿(mào)易總額與國內(nèi)GDP之比衡量一國貿(mào)易的開放程度;網(wǎng)絡(luò)基礎(chǔ)設(shè)施（Internet），用每百萬人中互聯(lián)網(wǎng)服務(wù)器使用人數(shù)衡量;勞動要素密集度（LABsh），用勞動報酬在GDP的比重衡量;紡織業(yè)資本產(chǎn)出比（K），用一國行業(yè)資本存量占該國的GDP的份額衡量;知識產(chǎn)權(quán)保護(hù)水平（IPP），用《世界競爭力報告》中的知識產(chǎn)權(quán)保護(hù)指標(biāo)衡量;外商投資（FDI），用各國外商直接投資流量衡量。

2.3 數(shù)據(jù)及來源說明

對于紡織業(yè)GVC地位指數(shù)測算，數(shù)據(jù)來源于最新版亞洲發(fā)展銀行多區(qū)域投入產(chǎn)出數(shù)據(jù)庫（ADB-MRIO 2018）。由于人工智能指數(shù)相關(guān)數(shù)據(jù)獲取年限較短，且缺少部分國家的數(shù)據(jù)，因此最終本文選定28個國家2010—2017年的數(shù)據(jù)。對于人工智能指數(shù)，具體參考顧國達(dá)等^[5]對人工智能綜合發(fā)展指數(shù)的測算。關(guān)于控制變量數(shù)據(jù)，人均GDP、人口總量、貿(mào)易開放度和基礎(chǔ)設(shè)施來源于世界銀行數(shù)據(jù)庫;地理距離來源于CEPII數(shù)據(jù)庫;自由貿(mào)易協(xié)定來源于世界貿(mào)易組織（WTO）數(shù)據(jù)庫;勞動要素密集度、人力資本、行業(yè)資本產(chǎn)出比的資本存量來源于PWT 10.0（Penn World Table version 10.0）數(shù)據(jù)庫;知識產(chǎn)權(quán)保護(hù)指標(biāo)來源于《世界競爭力報告》。本文主要變量的描述性統(tǒng)計結(jié)果如表1所示。

3 實證檢驗

3.1 基準(zhǔn)回歸結(jié)果

表2列出了控制國家和年份固定效應(yīng)后人工智能對GVC地位指數(shù)影響作用的基準(zhǔn)回歸結(jié)果。其中第（1）列為加入控制變量之前的回歸，第（2）（3）列為逐步引入引力模型變量及經(jīng)濟(jì)體特征變量后的回歸結(jié)果。結(jié)果發(fā)現(xiàn)，核心解釋變量人工智能發(fā)展指數(shù)（AI Index）的估計系數(shù)在模型（1）中均顯著為正，表明人工智能對貿(mào)易國在全球價值鏈的分工地位具有正向推動作用。在加入控制變量后，估計結(jié)果仍顯著為正，進(jìn)一步證明一國人工智能發(fā)展與產(chǎn)業(yè)國際分工地位提升方向一致。

在加入引力變量的回歸結(jié)果中，國民生產(chǎn)總值、人口總量與GVC地位指數(shù)的關(guān)系并不穩(wěn)定，說明在全球生產(chǎn)網(wǎng)絡(luò)快速發(fā)展的背景下，本土市場發(fā)展水平對提升紡織業(yè)國際分工地位的作用并不突出。地理距離與GVC地位指數(shù)關(guān)系顯著為負(fù)，符合預(yù)期。兩國接壤與GVC地位指數(shù)呈顯著負(fù)相關(guān)關(guān)系，表明兩國相鄰對紡織業(yè)國際分工地位提升缺乏正向調(diào)節(jié)作用。簡單平均關(guān)稅的系數(shù)為正，但不顯著。進(jìn)一步關(guān)注引入經(jīng)濟(jì)特征變量的回歸結(jié)果，外商投資、自由貿(mào)易協(xié)定和勞動要素密集度估計系數(shù)顯著為正，與預(yù)期一致。令人意外的是，網(wǎng)絡(luò)基礎(chǔ)設(shè)施、貿(mào)易開放度、知識產(chǎn)權(quán)保護(hù)及紡織業(yè)資本產(chǎn)出比對GVC地位指數(shù)的影響顯著為負(fù)，意味著在相對傳統(tǒng)的紡織業(yè)中，互聯(lián)網(wǎng)發(fā)展水平、貿(mào)易開放水平、良好的知識產(chǎn)權(quán)保護(hù)制度及紡織業(yè)資本的發(fā)展還未成熟，尚處于劇烈國內(nèi)競爭的內(nèi)耗階段，其帶來的GVC低端俘獲效應(yīng)引致的技術(shù)抑制，在一定程度上大于其帶來的技術(shù)溢出效應(yīng)、學(xué)習(xí)效應(yīng)、成本節(jié)約效應(yīng)引致的技術(shù)促進(jìn)^[19]，導(dǎo)致國際規(guī)模收益大于國內(nèi)規(guī)模收益，因此并未對紡織業(yè)國際分工地位帶來正向提升作用。

3.2 內(nèi)生性檢驗

為有效解決模型可能存在的雙向因果和遺漏變量導(dǎo)致的內(nèi)生性問題，需要借助工具變量進(jìn)行內(nèi)生性檢驗。表3顯示了使用工具變量后，對全球價值鏈地位指數(shù)重新回歸后的結(jié)果。其中，第（1）列是使用解釋變量滯后一期作為工具變量的二階段最小二乘法（2SLS）的回歸結(jié)果，Durbin-Wu-Hausma檢驗結(jié)果表明基礎(chǔ)回歸模型存在內(nèi)生性，Kleibergen-Paaprk LM和Kleibergen-Paaprk Wald F結(jié)果表明模型不存在弱工具變量和不可識別問題;第（2）列是使用被解釋變量滯后一期（L.GVCPo）作為工具變量的系統(tǒng)GMM法的回歸結(jié)果，通過Sargan檢驗證明工具變量的有效性;由于通過Wald檢驗的chi2統(tǒng)計量和Wooldridge檢驗的F統(tǒng)計量監(jiān)測到樣本數(shù)據(jù)存在組間異方差和組內(nèi)自相關(guān)，因此第（3）列采用混合回歸+穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸分析。結(jié)果表明，應(yīng)用不同的估計方法進(jìn)行回歸后，人工智能對紡織業(yè)GVC地位指數(shù)的影響仍顯著為正。

3.3 穩(wěn)健性檢驗

為進(jìn)一步保證人工智能對紡織業(yè)國際分工地位影響的有效性，本文對基礎(chǔ)回歸進(jìn)行指標(biāo)替代的穩(wěn)健性檢驗。當(dāng)前關(guān)于人工智能定量分析的研究較少，因此替代變量選擇可供參考的文獻(xiàn)有限，本文借鑒劉斌等^[8]和呂越等^[9]的方法，采用IFR公布的工業(yè)機(jī)器人存量（Operationalstock）替換核心解釋變量進(jìn)行回歸分析。表4給出了替換人工智能度量指標(biāo)的回歸結(jié)果，顯示變量替換后的人工智能影響系數(shù)仍顯著為正，表明本文結(jié)論依舊穩(wěn)健。

4 機(jī)制檢驗

人工智能主要從技術(shù)創(chuàng)新效應(yīng)、生產(chǎn)效率效應(yīng)和人力資本效應(yīng)三個渠道影響紡織業(yè)國際分工地位，因此，本文對這三個機(jī)制進(jìn)行實證檢驗。

4.1 技術(shù)創(chuàng)新機(jī)制檢驗

隨著消費水平的提高，紡織品已不滿足于原始的服用性能，通過技術(shù)創(chuàng)新逐漸成為主流的功能性與智能性給紡織品、服裝服飾產(chǎn)品行業(yè)帶來了極高的附加價值。人工智能通過去中介化，從需求端促進(jìn)全民創(chuàng)新、提高產(chǎn)品附加值和技術(shù)含量^[20-21]。因此，本文認(rèn)為人工智能通過紡織業(yè)的技術(shù)創(chuàng)新，將培育全球價值鏈新增長極。為驗證這一影響渠道，本文選取世界銀行數(shù)據(jù)庫中的研發(fā)投入（Research）作為技術(shù)創(chuàng)新的代理變量，在模型（1）的基礎(chǔ)上，構(gòu)建影響渠道的模型（3）和模型（4）：149EBCE7-DF8C-4BD7-93DC-60580D269352

ln Research_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（3）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂Research_it+βControls+v_i+v_j+v_t+ε_ijt（4）

機(jī)制檢驗結(jié)果如表5所示，根據(jù)第（1）列的回歸結(jié)果，人工智能對研發(fā)投入的影響系數(shù)顯著為正，意味著人工智能有效推進(jìn)了一國的技術(shù)創(chuàng)新。而根據(jù)第（2）列的回歸結(jié)果，研發(fā)投入對紡織業(yè)全球價值鏈地位的影響顯著為正，且人工智能對紡織業(yè)全球價值鏈地位的影響變小。由此可見，技術(shù)創(chuàng)新存在部分中介效應(yīng)，人工智能對紡織業(yè)國際分工地位的影響可以通過技術(shù)創(chuàng)新實現(xiàn)。紡織企業(yè)大多處于成長階段，其生產(chǎn)方式、管理模式及商業(yè)形態(tài)亟需緊跟數(shù)智時代實現(xiàn)有效轉(zhuǎn)型，從市場競爭的初級形態(tài)發(fā)展到高級形態(tài)。因此，激勵創(chuàng)新、提升產(chǎn)品附加值、促進(jìn)產(chǎn)業(yè)革新及培育產(chǎn)品比較優(yōu)勢方面，人工智能將發(fā)揮越來越重要的作用。

4.2 生產(chǎn)效率機(jī)制檢驗

紡織產(chǎn)品季節(jié)性強，對產(chǎn)品預(yù)測、庫存管理、柔性生產(chǎn)和產(chǎn)能均衡帶來了不小的挑戰(zhàn)，并且個性化定制造成了紡織產(chǎn)品多品種小批量的生產(chǎn)特性，降本增效成為行業(yè)難題。人工智能從根本上解決了跨境數(shù)據(jù)流通效率問題，確立數(shù)據(jù)要素的國際生產(chǎn)分工新地位，幫助紡織業(yè)各類要素融合流通，提高紡織業(yè)價值鏈管理運營效率。因此，本文認(rèn)為人工智能通過賦能紡織行業(yè)生產(chǎn)效率，助力紡織業(yè)價值鏈升級。為驗證這一點，本文選用全要素生產(chǎn)率（TFP）指標(biāo)來綜合衡量一國的生產(chǎn)效率，數(shù)據(jù)來自PWT 10.0數(shù)據(jù)庫，并在模型（1）的基礎(chǔ)上，構(gòu)建了影響渠道的模型（5）和模型（6）：

ln TFP_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（5）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂TFP_it+βControls+v_i+v_j+v_t+ε_ijt（6）

機(jī)制檢驗結(jié)果如表6所示，根據(jù)第（1）列的回歸結(jié)果，人工智能對全要素生產(chǎn)率的影響系數(shù)在1%的水平下顯著為正，說明人工智能有效提升了一國的生產(chǎn)效率。而根據(jù)第（2）列的回歸結(jié)果，全要素生產(chǎn)率對紡織業(yè)全球價值鏈地位的影響未通過顯著性檢驗。對此進(jìn)行Sobel檢驗，其檢驗統(tǒng)計量通過1%的顯著性檢驗，說明人工智能通過生產(chǎn)效率提升紡織業(yè)國際分工地位的中介效應(yīng)成立。其背后具體傳導(dǎo)機(jī)制如下：人工智能技術(shù)有利于減少生產(chǎn)者之間、生產(chǎn)者和消費者之間的時空束縛，減少市場搜索成本和交易溝通成本，助力企業(yè)在國際市場中捕獲更優(yōu)質(zhì)更準(zhǔn)確的信息，不僅為貨物、服務(wù)、數(shù)據(jù)提供更高效的交換空間和技術(shù)支持，同時能夠有效優(yōu)化和配置全球要素資源、降低生產(chǎn)和貿(mào)易成本、提升生產(chǎn)和貿(mào)易效率，促使各生產(chǎn)工序從低附加值向高附加值的演變，從而實現(xiàn)國際分工地位的提升。

4.3 人力資本機(jī)制檢驗

紡織業(yè)的管理水平普遍偏低，人才優(yōu)化倒逼紡織業(yè)這類傳統(tǒng)制造業(yè)在工藝設(shè)備、管理技術(shù)、商業(yè)模式等方面全方位提升。一方面，人工智能的發(fā)展對勞動力的替代達(dá)到了前所未有的速度和規(guī)模^[22-23]。另一方面，人工智能在提高員工學(xué)習(xí)能力和就業(yè)增加方面具有巨大潛能^[24]。此外，大量證據(jù)證實^[25-26]，人工智能對程序性中低端勞動力的替代作用明顯大于對非程序性高端勞動力的替代作用，從而形成脫離低勞動力成本依賴的國際競爭新優(yōu)勢。因此，本文認(rèn)為人工智能通過優(yōu)化人力資本獲取人口智力紅利，進(jìn)而影響紡織業(yè)國際分工。如前所述，作為勞動密集型產(chǎn)業(yè)的代表，人工智能對紡織業(yè)全球價值鏈地位的提高不僅存在于生產(chǎn)分割，更重要的是通過勞動力的替代效應(yīng)來實現(xiàn)的。為深入檢驗這一影響機(jī)制，本文引入基于平均受教育年限和教育回報率的人力資本指數(shù)（HC）^[27-28]，數(shù)據(jù)來自PWT 10.0數(shù)據(jù)庫，并在模型（1）的基礎(chǔ)上，構(gòu)建了影響渠道的模型（7）和模型（8）：

ln HC_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（7）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂HC_it+βControls+v_i+v_j+v_t+ε_ijt（8）149EBCE7-DF8C-4BD7-93DC-60580D269352

機(jī)制檢驗結(jié)果如表7所示，第（1）列的回歸結(jié)果顯示，人工智能對人力資本指數(shù)的影響系數(shù)在1%的水平下顯著為正，說明人工智能對優(yōu)化人力資本具有正向促進(jìn)作用。第（2）列的回歸結(jié)果顯示，人力資本指數(shù)對紡織業(yè)全球價值鏈地位的影響顯著為負(fù)，且人工智能對紡織業(yè)全球價值鏈地位的影響變小。由此可見，人力資本指數(shù)存在部分中介效應(yīng)。具體原因分析如下：人工智能的發(fā)展對不同行業(yè)的勞動力替代存在異質(zhì)性，替代效應(yīng)和創(chuàng)造效應(yīng)并存，人工智能對人力資本的作用方向并不確定。若人工智能發(fā)展水平發(fā)生重大突破，對于勞動力密集型產(chǎn)業(yè)的紡織業(yè)來說，創(chuàng)造效應(yīng)才會大于人工智能技術(shù)的替代效應(yīng)，此時紡織業(yè)的國際分工地位才會得到提升。但就實證結(jié)果來看，人工智能通過提升人力資本來消除低端勞動力依賴，進(jìn)而實現(xiàn)提升國際分工地位作用還有待激發(fā)。

5 結(jié) 論

隨著以人工智能為代表的第四輪工業(yè)革命席卷全球，勞動力成本等傳統(tǒng)比較優(yōu)勢逐漸淡化，紡織業(yè)亟需通過智能制造來提升產(chǎn)品的核心競爭力，從獲取附加價值最低的加工制造環(huán)節(jié)向獲取更高附加價值的紡織機(jī)械生產(chǎn)及產(chǎn)品設(shè)計環(huán)節(jié)升級。本文首次在統(tǒng)一核算框架下，綜合評估人工智能對紡織業(yè)國際分工地位提升的影響效應(yīng)與內(nèi)在機(jī)制，并得到以下結(jié)論：第一，人工智能顯著提升了一國紡織業(yè)在全球價值鏈所處位置;第二，通過對人工智能的影響機(jī)制檢驗，證實了人工智能通過技術(shù)創(chuàng)新、生產(chǎn)效率和人力資本三個渠道提升了紡織業(yè)國際分工地位，其中通過生產(chǎn)效率推動紡織業(yè)向價值鏈上游邁進(jìn)的動能還有待進(jìn)一步激發(fā)。

為此，本文提出三點政策建議：首先，紡織業(yè)應(yīng)該把握技術(shù)革命機(jī)遇，積極發(fā)展智能織造，將人工智能滲透到智能制造、紡織品分析設(shè)計、紡織服裝流行趨勢研究、紡織業(yè)專家系統(tǒng)等各個環(huán)節(jié)，幫助企業(yè)完成自動化、智能化、數(shù)字化轉(zhuǎn)型，提高出口產(chǎn)品附加值和技術(shù)含量，延長增值鏈條;其次，由于紡織業(yè)價值鏈高端環(huán)節(jié)和核心技術(shù)依賴進(jìn)口，缺乏核心自主創(chuàng)新能力，因此企業(yè)和政府要加大研發(fā)投入力度，大力推動紡織業(yè)人工智能技術(shù)的創(chuàng)新成果轉(zhuǎn)化，研發(fā)出更多適用于紡織業(yè)智能化發(fā)展的產(chǎn)品及設(shè)備，快速響應(yīng)市場需求，打通與下游行業(yè)的市場分割阻礙，形成功能設(shè)計、產(chǎn)品研發(fā)、市場營銷和物流服務(wù)一體化的新價值鏈，使其在國際競爭中逐漸占據(jù)價值鏈的核心位置;最后，為解決中國紡織業(yè)對初級要素過度依賴、低勞動力成本優(yōu)勢逐漸弱化等關(guān)鍵問題，突破全球價值鏈“低端鎖定”困境，紡織業(yè)應(yīng)加快人工智能高端人才隊伍建設(shè)，大力引進(jìn)掌握紡織業(yè)人工智能核心技術(shù)的高層次研發(fā)人才團(tuán)隊，并與知名高校和科研機(jī)構(gòu)建立人才聯(lián)合培養(yǎng)機(jī)制，共同培養(yǎng)出一批符合產(chǎn)業(yè)發(fā)展需要的復(fù)合型人才，利用人工智能提高全行業(yè)勞動者素質(zhì)，將紡織業(yè)勞動力的規(guī)模優(yōu)勢轉(zhuǎn)化為依托人力資本等高級要素形成全新的競爭優(yōu)勢，促進(jìn)中國紡織業(yè)在國際分工地位的提升。

參考文獻(xiàn)：

[1]DAVID H. Is Automation labor-displacing？ Productivity growth， employment， and the labor share[J]. BPEA Conference Drafts， 2018（3）： 8-9.

[2]FUJII H， MANAGI S. Trends and priority shifts in artificial intelligence technology invention： A global patent analysis[J]. Economic Analysis and Policy， 2018， 58： 60-69.

[3]王杰， 馬澤敏， 王維霞， 等. 基于PCT專利分析的全球人工智能產(chǎn)業(yè)技術(shù)發(fā)展比較研究[J]. 中國發(fā)明與專利， 2020， 17（8）： 39-46.

WANG Jie， MA Zemin， WANG Weixia， et al. A comparative study of global artificial intelligence industry technology development based on PCT patent analysis[J]. China Invention & Patent， 2020， 17（8）： 39-46.

[4]陳德余， 湯勇剛. 人工智能產(chǎn)業(yè)對區(qū)域經(jīng)濟(jì)發(fā)展影響測度分析[J]. 科技管理研究， 2021， 41（2）： 138-144.

CHEN Deyu， TANG Yonggang. Impact ofartificial intelligence industry on regional economic development[J]. Science and Technology Management Research， 2021， 41（2）： 138-144.

[5]顧國達(dá)， 馬文景. 人工智能綜合發(fā)展指數(shù)的構(gòu)建及應(yīng)用[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2021， 38（1）： 117-134.

GU Guoda， MA Wenjing， Construction andapplication of artificial intelligence comprehensive development index[J]. The Journal of Quantitative & Technical Economics， 2021， 38（1）： 117-134.

[6]ACEMOGLU D， AUTOR D. Skills tasks and technologies implications for employment and earnings[J]. Handbook of Labor Economics， 2011， 4： 1043-1171.149EBCE7-DF8C-4BD7-93DC-60580D269352

[7]KINKEL S， BAUMGARTNER M， CHERUBINI E. Prerequisites for the adoption of AI technologies in manufacturing： Evidence from a worldwide sample of manufacturing companies[J]. Technovation， 2022， 110（2）： 102375.

[8]劉斌， 潘彤. 人工智能對制造業(yè)價值鏈分工的影響效應(yīng)研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2020， 37（10）： 24-44.

LIU Bin， PAN Tong. Research on the impact of artificial intelligence on manufacturing value chain specialization[J]. The Journal of Quantitative & Technical Economics， 2020， 37（10）： 24-44.

[9]呂越， 谷瑋， 包群. 人工智能與中國企業(yè)參與全球價值鏈分工[J]. 中國工業(yè)經(jīng)濟(jì)， 2020（5）： 80-98.

L? Yue， GU Wei， BAO Qun. Artificial intelligence and Chinese enterprises participate in global value chains[J]. China Industrial Economics， 2020（5）： 80-98.

[10]BALASSA B. Trade liberalization and revealed comparative advantage[J]. Manchester School of Economics and Social Studies， 1965， 33： 99-123.

[11]王飛， 郭孟珂. 我國紡織服裝業(yè)在全球價值鏈中的地位[J]. 國際貿(mào)易問題， 2014（12）： 14-24.

WANG Fei， GUO Mengke. Position of Chinas textile and apparel industry in global value chain[J]. Journal of International Trade， 2014（12）： 14-24.

[12]KOOPMAN R， POWERS W， WANG Z， et al. Give credit where credit is due： tracing value added in global production chains[EB/OL]. （2011-09-26）[2021-11-25]. https：//www.nber.org/papers/w16426.

[13]李明潔. 基于全球價值鏈理論的中國紡織服裝業(yè)國際分工地位研究[D]. 北京： 北京服裝學(xué)院， 2018.

LI Mingjie. Study on the International Division of Labor Status of Chinas Textile and Garment Industry Based on Global Value Chain Theory[D]. Beijing： Beijing Institute of Fashion Technology， 2018.

[14]胡靜寅， 張麗. 全球價值鏈視角下中國紡織服裝業(yè)在國際分工中的地位： 基于出口復(fù)雜度的研究[J]. 蘭州財經(jīng)大學(xué)學(xué)報， 2019， 35（2）： 92-104.

HU Jingyin， ZHANG Li. Study on the status of Chinas textile and garment industry in global value chain： Based on export sophistication[J]. Journal of Lanzhou University of Finance and Economics， 2019， 35（2）： 92-104.

[15]李曉鐘， 胡珊. 中國紡織產(chǎn)業(yè)在全球價值鏈的地位及升級研究[J]. 國際經(jīng)濟(jì)合作， 2018（3）： 44-49.

LI Xiaozhong， HU Shan. Research on the status of Chinese textile industry in the global value chain and proposed measures for its upgrade[J]. World Economy and Trade， 2018（3）： 44-49.

[16]HAUSMAN R， HWANG J， RODRIK D. What you export matters[J]. Journal of Economic Growth， 2007， 12（1）： 1-25.

[17]顧國達(dá)， 方園. 中國絲綢業(yè)出口復(fù)雜度現(xiàn)狀及演進(jìn)機(jī)制分析[J]. 蠶業(yè)科學(xué)， 2013， 39（2）： 365-371.

GU Guoda， FANG Yuan. An analysis on the status quo and evolvement mechanism for export technical sophistication of Chinas silk industry[J]. Science of Sericulture， 2013， 39（2）： 365-371.149EBCE7-DF8C-4BD7-93DC-60580D269352

[18]詹小琦. 全球價值鏈視角下中國紡織服裝業(yè)國際競爭力的比較[J]. 江蘇海洋大學(xué)學(xué)報（人文社會科學(xué)版）， 2021， 19（6）： 98-109.

ZHAN Xiaoqi. Comparison of international competitiveness of Chinese textile and garment industry under the global value chain division[J]. Journal of Jiangsu Ocean University （Humanities & Social Sciences Edition）， 2021， 19（6）： 98-109.

[19]張杰， 鄭文平. 全球價值鏈下中國本土企業(yè)的創(chuàng)新效應(yīng)[J]. 經(jīng)濟(jì)研究， 2017， 52（3）： 151-165.

ZHANG Jie， ZHENG Wenping. The innovative effect of Chinese domestic firms under the global value chain[J]. Economic Research Journal， 2017， 52（3）： 151-165.

[20]馬述忠， 房超， 梁銀鋒. 數(shù)字貿(mào)易及其時代價值與研究展望[J]. 國際貿(mào)易問題， 2018（10）： 16-30.

MA Shuzhong， FANG Chao， LIANG Yinfeng. Digital trade： Definition， practical significance and research prospects[J]. Journal of International Trade， 2018（10）： 16-30.

[21]黃群慧， 余泳澤， 張松林. 互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升： 內(nèi)在機(jī)制與中國經(jīng)驗[J]. 中國工業(yè)經(jīng)濟(jì)， 2019（8）： 5-23.

HUANG Qunhui， YU Yongze， ZHANG Songlin. Internet development and productivity growth in manufacturing industry： Internal mechanism and China experiences[J]. China Industrial Economics， 2019（8）： 5-23.

[22]FREY C B， OSBORNE M A. The future of employment： How susceptible are jobs to computerisation？[J]. Technological Forecasting and Social Change， 2013， 114（1）： 254-280.

[23]DAVID B. Computer technology and probable job destructions in Japan： An evaluation[J]. Journal of the Japanese and International Economies， 2017， 43（1）： 77-87.

[24]陳宗勝， 趙源. 不同技術(shù)密度部門工業(yè)智能化的就業(yè)效應(yīng)： 來自中國制造業(yè)的證據(jù)[J]. 經(jīng)濟(jì)學(xué)家， 2021（12）： 98-106.

CHEN Zongsheng， ZHAO Yuan. The employment effect of industrial intelligence in sectors with different technology densities： Evidence from Chinas manufacturing industry[J]. Economist， 2021（12）： 98-106.

[25]MICHAELS G， NATRAJ A， Reenen J A. Has ICT polarized skill demand？ Evidence from eleven countries over twenty-five years[J]. Review of Economics and Statistics， 2014， 96（1）： 60-77.

[26]AUTOR D H. Why are there still so many jobs？ The history and future of workplace automation[J]. Journal of Economic Perspectives， 2015， 29（3）： 3-30.

[27]BARRO R J， LEE J W. A new data set of educational attainment in the world， 1950-2010[J]. Journal of Development Economics， 2013， 104： 184-198.

[28]PSACHAROPOULOS G. Returns to investment in education： A global update[J]. World Development， 1994， 22（9）： 1325-1343.

Research on the impact of artificial intelligence on international specialization status in textile industry

MA Wenjing， GU Guoda， LI Jianqin149EBCE7-DF8C-4BD7-93DC-60580D269352

（School of Economics， Zhejiang University， Hangzhou 310030， China）

Abstract：With the continuous iteration of digital technologies， Artificial Intelligence （AI） is emerging as a core strength leading the technological revolution and industrial transformation. Furthermore， since the outbreak of COVID-19 epidemic， AI has been promoted to a new high. To build new international competitiveness， AI has been undoubtedly seen as an important avenue to improve the status of international specializations. Under the opportunity of global value chain （GVC） reconstruction， the traditional comparative advantages such as labor cost are gradually weakened. The textile industry urgently needs to improve the core competitiveness of products through intelligent manufacturing， and upgrade from the processing and manufacturing link with the lowest added value to the textile machinery production and product design link with higher added value. Does the current development level of AI have an obvious driving effect on the international specializations status of textile industry in various countries？ What is the specific mechanism？ The discussion of these problems has theoretical value and important practical significance for the formulation of AI-related policies， the transformation of textile industry and the promotion path selection of the international specializations status.

This paper measures the comprehensive development index of AI in 28 countries from 2010 to 2017. Based on the world input-output table， a global value chain position index is constructed to measure a countrys status of international specializations. The two indicators are connected within a unified framework， and the multi-dimensional panel fixed effect model is used for empirical test of textile industry. Then， using the intermediary effect model， this paper analyzes the influence mechanism of AI on the status of international specializations from three channels： technological innovation， production efficiency and human capital. There are three possible marginal contributions of this paper： First， the research on integrated evaluation systems for AI development in 28 economies from 2010 to 2017， allowing for the international comparison and dynamic tracking from multiple dimensions， could be initial efforts to break up the one-fold measurement of AI. Second， it is the first time to use AI as an emerging influencing factor of the international specializations status in the textile industry. Third， through connecting the AI index with international specializations status of the textile industry within the unified accounting framework， our study provides a better understanding of mechanisms for AI influence on international specializations from three channels： technological innovation， production efficiency and human capital. The main conclusions are as follows： First， AI has significantly improved the position of a countrys textile industry in the global value chain. Second， through the mechanism test， it is confirmed that AI has improved the international specializations status of the textile industry through three channels： technological innovation， production efficiency and human capital. Among them， the kinetic energy of promoting the textile industry to move up the value chain through production efficiency needs to be further stimulated. Therefore， in order to seize the opportunity of technological revolution， the textile industry should actively develop intelligent manufacturing， and use AI technology to help enterprises complete the transformation of automation， intelligence and digitization， so as to improve the added value and technical content of export products. Meanwhile， enterprises and governments should increase R&D （research and development） investment， vigorously promote the transformation of innovative achievements of AI technology in the textile industry， and make it gradually occupy the core position of global value chain in international competition. Finally， in order to solve the key problems of textile industry such as the over-dependence on low-end labor force， administrative departments should speed up the construction of high-end talent team of AI.

The emerging technology represented by AI provides a new path choice for the international specializations status of the textile industry， which can not only further promote the AI sustainable development and the effective integration of all links of the textile industry， but also break through the dilemma of "low-end locking" of the global value chain， so as to achieve the goal of promoting the digital transformation of the textile industry and improving the status of international specializations. It provides a theoretical and factual basis for AI to cultivate new digital kinetic energy in the upgrading of textile industry and to participate in the positioning of a new round of international competition.

Key words：artificial intelligence; textile industry; industrial upgrading; international specialization; global value chain; input-output149EBCE7-DF8C-4BD7-93DC-60580D269352