人工智能與工業(yè)結(jié)構(gòu)升級

戴魁早，吳婷莉，潘愛民

一、引 言

工業(yè)結(jié)構(gòu)升級是走中國特色新型工業(yè)化道路的根本要求，也是實現(xiàn)工業(yè)大國向工業(yè)強國轉(zhuǎn)變的必由之路。20世紀(jì)90年代以來，工業(yè)結(jié)構(gòu)升級問題備受中國學(xué)術(shù)界和政府部門的關(guān)注，被多次寫入政府文件。遺憾的是，盡管做出了很大努力，中國工業(yè)部門大多仍處在國際分工中低端，低水平重復(fù)建設(shè)與總體產(chǎn)能過剩等結(jié)構(gòu)不合理問題依然突出，亟待實現(xiàn)持續(xù)升級?，F(xiàn)有研究強調(diào)了技術(shù)創(chuàng)新、國際貿(mào)易、要素稟賦和產(chǎn)業(yè)政策等多種因素對中國工業(yè)結(jié)構(gòu)升級的重要作用①②③陳佳貴：《中國工業(yè)現(xiàn)代化問題研究》，北京：中國社會科學(xué)出版社2004年版。，但大都忽略了正在快速發(fā)展的人工智能的可能影響。

作為全球新一輪科技和產(chǎn)業(yè)變革關(guān)鍵驅(qū)動力的新一代人工智能，呈現(xiàn)出蓬勃發(fā)展的趨勢，全球產(chǎn)業(yè)規(guī)模從2015年的1 684億元人民幣增長到2018年的3 677．3億元人民幣以上，年均增長率超過29．73%，遠(yuǎn)高于同期的全球經(jīng)濟增長速度。預(yù)計到2030年，人工智能將為全球GPD帶來額外14%的提升，為全球經(jīng)濟貢獻15．7萬億美元。①相關(guān)數(shù)據(jù)來源于德勤《中國人工智能產(chǎn)業(yè)白皮書（2018年）》。近年來，中國政府高度重視人工智能發(fā)展，2017年 “人工智能” 首次寫入政府工作報告。2017年7月國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，以加快人工智能產(chǎn)業(yè)發(fā)展。2017年10月中共十九大報告強調(diào)，要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合。2017年12月工業(yè)和信息化部印發(fā)了《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020）》，以推動人工智能和實體經(jīng)濟深度融合。2019年《國務(wù)院政府工作報告》進一步強調(diào)，要深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用。2022年《國務(wù)院政府工作報告》進一步強調(diào)， “培育壯大集成電路、人工智能等數(shù)字產(chǎn)業(yè)” 。在新基建、數(shù)字經(jīng)濟等利好政策助推下，中國人工智能市場規(guī)模從2016年的154億元人民幣增長至2020年的1 280億元人民幣，年增長率達到69．79%；預(yù)計2022年將達2 729億元人民幣。

依據(jù)產(chǎn)業(yè)結(jié)構(gòu)理論②Chenery，H．，Robinson，S．，Syrquin，M．，Industrialization and Growth：A Comparative Study，New York：Oxford University Press，1986．，工業(yè)結(jié)構(gòu)升級是這樣一個過程，原有要素和資源從勞動效率較低的工業(yè)部門向生產(chǎn)效率較高的技術(shù)密集型工業(yè)部門轉(zhuǎn)移，新增的要素和資源也被配置到勞動效率較高的工業(yè)部門，這會導(dǎo)致技術(shù)密集型工業(yè)部門的份額不斷上升，進而實現(xiàn)工業(yè)結(jié)構(gòu)持續(xù)升級③張培剛、張建華、羅勇、李博：《新型工業(yè)化道路的工業(yè)結(jié)構(gòu)優(yōu)化升級研究》，《華中科技大學(xué)學(xué)報》（社會科學(xué)版）2007年第2期。。實際上，人工智能發(fā)展非對稱地改變了不同技術(shù)部門生產(chǎn)率，拉大了高技術(shù)部門與低技術(shù)部門的勞動收入差距④王林輝、胡晟明、董直慶：《人工智能技術(shù)會誘致勞動收入不平等嗎——模型推演與分類評估》，《中國工業(yè)經(jīng)濟》2020年第4期。，促進了生產(chǎn)要素在產(chǎn)業(yè)部門間的流動⑤郭凱明：《人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動》，《管理世界》2019年第7期。，進而可能對工業(yè)結(jié)構(gòu)升級產(chǎn)生重要的影響。因而，在當(dāng)前全球新一輪科技和產(chǎn)業(yè)變革背景下，發(fā)展人工智能可能是推進中國工業(yè)結(jié)構(gòu)升級的一條重要途徑。

基于此，本文從理論與實證兩個層面探究人工智能是否促進了工業(yè)結(jié)構(gòu)升級，試圖從人工智能發(fā)展視角為推動中國工業(yè)轉(zhuǎn)型升級提供理論依據(jù)與經(jīng)驗證據(jù)。與本文主題緊密相關(guān)的第一類研究是探討工業(yè)結(jié)構(gòu)升級影響因素的文獻。國外的文獻認(rèn)為，需求、供給和國際貿(mào)易都是驅(qū)動產(chǎn)業(yè)結(jié)構(gòu)演變的重要因素，而且政府為增強競爭力出臺誘導(dǎo)性產(chǎn)業(yè)政策是推動日本、德國和新加坡等國家工業(yè)結(jié)構(gòu)變化的重要因素⑥Amsden，A．H．，Asia's Next Giants：South Korea and Late Industrialization，New York：Oxford University Press，1989．，技術(shù)進步與技術(shù)溢出⑦Dewick，P．，Greena，K．，F(xiàn)leetwooda，T．，Miozzoa，M．， “Modelling Creative Destruction：Technological Diffusion and Industrial Structure Change to 2050” ，Technological Forecasting and Social Change，Vol．73，No．9，2006，pp．1084-1106．、信息通信技術(shù)服務(wù)業(yè)全球化⑧Takagi，S．，Tanaka，H．， “Globalization of Information Services and the Industrial Structure of the Japanese Economy” ，The Review of Socionetwork Strategies，Vol．8，No．1，2014，pp．19-33．也對產(chǎn)業(yè)結(jié)構(gòu)演變產(chǎn)生了重要影響。國內(nèi)文獻也深入分析了多種因素在中國工業(yè)結(jié)構(gòu)升級過程中的作用，研究發(fā)現(xiàn)，技術(shù)創(chuàng)新、組織與制度創(chuàng)新、產(chǎn)業(yè)政策、要素稟賦、互聯(lián)網(wǎng)發(fā)展⑨許家云：《互聯(lián)網(wǎng)如何影響工業(yè)結(jié)構(gòu)升級：基于互聯(lián)網(wǎng)商用的自然實驗》，《統(tǒng)計研究》2019年第12期。等都是影響工業(yè)結(jié)構(gòu)升級的重要因素。上述文獻從不同角度深刻解釋了這些因素在工業(yè)結(jié)構(gòu)升級中的重要作用，但尚未涉及人工智能與工業(yè)結(jié)構(gòu)調(diào)整這一主題。

與本文主題緊密相關(guān)的第二類研究是人工智能對產(chǎn)業(yè)結(jié)構(gòu)的影響，代表性文獻有郭凱明（2019）、胡俊和杜傳忠（2020）、張萬里等（2021）、郭艷冰和胡立君（2022）等。如郭凱明構(gòu)建的理論模型發(fā)現(xiàn)，人工智能發(fā)展會促使生產(chǎn)要素在產(chǎn)業(yè)部門間流動，這一結(jié)構(gòu)轉(zhuǎn)型過程導(dǎo)致了勞動收入份額變動。但是人工智能的影響方向是不確定的，取決于不同產(chǎn)業(yè)部門在人工智能產(chǎn)出彈性和人工智能與傳統(tǒng)生產(chǎn)方式的替代彈性上的差別。①郭凱明：《人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動》，《管理世界》2019年第7期。而郭艷冰和胡立君的經(jīng)驗研究則發(fā)現(xiàn)，人工智能對于產(chǎn)業(yè)結(jié)構(gòu)升級具有顯著的促進作用。②郭 艷冰、胡立君：《人工智能、人力資本對產(chǎn)業(yè)結(jié)構(gòu)升級的影響研究——來自中國30個省份的經(jīng)驗證據(jù)》，《軟科學(xué)》2022年第5期。胡俊和杜傳忠的定性分析認(rèn)為，人工智能將促進技術(shù)經(jīng)濟范式的升級，催生新興智能化產(chǎn)業(yè)發(fā)展，最終將實現(xiàn)產(chǎn)業(yè)升級。③胡 俊、杜傳忠：《人工智能推動產(chǎn)業(yè)轉(zhuǎn)型升級的機制、路徑及對策》，《經(jīng)濟縱橫》2020年第3期。張萬里等學(xué)者的經(jīng)驗研究還發(fā)現(xiàn)，勞動力結(jié)構(gòu)和收入分配在產(chǎn)業(yè)智能化影響產(chǎn)業(yè)結(jié)構(gòu)升級中發(fā)揮著重要的調(diào)節(jié)作用。④⑤⑥宣 旸、張萬里：《產(chǎn)業(yè)智能化、收入分配與產(chǎn)業(yè)結(jié)構(gòu)升級》，《財經(jīng)科學(xué)》2021年第5期。就研究對象而言，上述文獻關(guān)注的是三次產(chǎn)業(yè)結(jié)構(gòu)，并未涉及人工智能對工業(yè)內(nèi)部結(jié)構(gòu)的影響，而工業(yè)內(nèi)部結(jié)構(gòu)有著自身的變化規(guī)律。⑦張 培剛、張建華、羅勇、李博：《新型工業(yè)化道路的工業(yè)結(jié)構(gòu)優(yōu)化升級研究》，《華中科技大學(xué)學(xué)報》（社會科學(xué)版）2007年第2期。就人工智能影響產(chǎn)業(yè)結(jié)構(gòu)的機制而言，上述文獻并未從部門間要素配置效率存在差異這一導(dǎo)致要素流動的機制進行解釋。就分析范式而言，上述文獻要么構(gòu)建理論模型，要么定性分析，要么運用計量進行實證檢驗，并未從理論模型和實證檢驗兩個層面分析兩者的關(guān)系。這也為本文的研究提供了可能的突破空間。

與上述文獻不同，本文構(gòu)建理論模型探究人工智能對工業(yè)結(jié)構(gòu)升級的影響及其機制，進而運用多種計量方法對理論預(yù)期進行經(jīng)驗驗證。跟現(xiàn)有文獻相比，本文的可能貢獻主要體現(xiàn)在：（1）構(gòu)建一個理論模型分析了人工智能發(fā)展與工業(yè)結(jié)構(gòu)升級的內(nèi)在關(guān)系，并利用中國各地區(qū)數(shù)據(jù)對理論模型的結(jié)論進行經(jīng)驗驗證。這是對現(xiàn)有文獻的有益補充，也為人工智能與產(chǎn)業(yè)結(jié)構(gòu)的關(guān)系提供了新證據(jù)。（2）從部門間勞動生產(chǎn)率和技術(shù)溢出存在相對差異的視角，探討了人工智能影響工業(yè)結(jié)構(gòu)升級的機制，深化了對人工智能促進工業(yè)結(jié)構(gòu)升級基本規(guī)律的認(rèn)識和理解。（3）探討了要素市場發(fā)展在人工智能推動工業(yè)結(jié)構(gòu)升級中的作用，研究發(fā)現(xiàn)，勞動力市場、資本市場和技術(shù)市場等要素市場發(fā)展改善人工智能的作用效果，這豐富了人工智能與工業(yè)結(jié)構(gòu)升級的研究內(nèi)容。

二、理論模型

這里借鑒Duarte和Restuccia以及郭凱明⑧⑨D uarte，M．，Restuccia，D．， “The Role of the Structural Transformation in Aggregate Productivity” ，Quarterly Journal of Economics，Vol．1，2010，pp．129-173．的建模思路，構(gòu)建一個涵蓋人工智能的理論模型，探討人工智能在工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級中的作用。

（一）基本假設(shè)

Cheneryet al．（1986）將工業(yè)行業(yè)分為工業(yè)化初期代表產(chǎn)業(yè)（第一類產(chǎn)業(yè)）、工業(yè)化中期代表產(chǎn)業(yè)（第二類產(chǎn)業(yè)）和工業(yè)化后期代表產(chǎn)業(yè)（第三類產(chǎn)業(yè)），而戴魁早用第三類產(chǎn)業(yè)產(chǎn)值（高技術(shù)產(chǎn)業(yè)）占第一類產(chǎn)業(yè)與第二類產(chǎn)業(yè)的產(chǎn)值之和的比例，較好地度量了中國工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級狀況0戴魁早：《中國工業(yè)結(jié)構(gòu)變遷的驅(qū)動因素：1985—2010》，《當(dāng)代經(jīng)濟科學(xué)》2012年第6期。?；诖?，這里將工業(yè)劃分為高技術(shù)產(chǎn)業(yè)（第三類產(chǎn)業(yè)）和非高技術(shù)產(chǎn)業(yè)（第一類產(chǎn)業(yè)和第二類產(chǎn)業(yè)）兩個部門?？紤]一個產(chǎn)品市場是壟斷競爭的經(jīng)濟體，每一時期只生產(chǎn)和消費這兩種工業(yè)產(chǎn)品，不存在產(chǎn)品流動壁壘，也不存在勞動力等要素流動壁壘，各類要素可在企業(yè)間、產(chǎn)業(yè)間自由流動。

1．生產(chǎn)

為了簡便以及表達更直觀，這里的工業(yè)部門產(chǎn)出函數(shù)為僅有技術(shù)（A）和勞動力（L）兩種要素的C-D生產(chǎn)函數(shù)，并假定人工智能（I）和勞動力供給（L）均為外生變量。這樣，假設(shè)在不存在人工智能時，兩個工業(yè)部門的生產(chǎn)函數(shù)由下式來刻畫：

式（1）中，Y1和Y2分別表示不存在人工智能情況下，非高技術(shù)產(chǎn)業(yè)和高技術(shù)產(chǎn)業(yè)的產(chǎn)出水平，L1和L2為兩個部門的勞動力投入。A1和A2表示兩個工業(yè)部門的技術(shù)水平或者全要素生產(chǎn)率。

引入人工智能后，將對兩個工業(yè)部門（高技術(shù)產(chǎn)業(yè)和非高技術(shù)產(chǎn)業(yè)）產(chǎn)生兩個方面的影響，一是人工智能產(chǎn)業(yè)化，二是工業(yè)行業(yè)智能化。這樣，兩個工業(yè)部門的生產(chǎn)函數(shù)將受到兩個方面的影響：（1）人工智能產(chǎn)業(yè)化的影響。人工智能技術(shù)屬于高技術(shù)領(lǐng)域，人工智能產(chǎn)業(yè)歸屬于高技術(shù)產(chǎn)業(yè)，因而，在本文的工業(yè)部門分類中，人工智能作為一種新型的智能化產(chǎn)業(yè)，將歸類到高技術(shù)產(chǎn)業(yè)，因而會直接影響或增加高技術(shù)產(chǎn)業(yè)的產(chǎn)出水平，即有Y2＝A2L2I。（2）工業(yè)行業(yè)智能化的影響。人工智能是一種全面影響經(jīng)濟各個產(chǎn)業(yè)的基礎(chǔ)性與通用性技術(shù)，能夠通過技術(shù)溢出等渠道影響所有工業(yè)部門（高技術(shù)產(chǎn)業(yè)和非高技術(shù)產(chǎn)業(yè)）的產(chǎn)出水平。假設(shè)人工智能對技術(shù)進步的技術(shù)溢出效應(yīng)為?？怂怪行?，即人工智能僅通過技術(shù)進步這一途徑影響工業(yè)部門產(chǎn)出，用Iα和Iβ反映人工智能對非高技術(shù)產(chǎn)業(yè)和高技術(shù)產(chǎn)業(yè)的技術(shù)溢出效應(yīng)。這里為了簡化，假設(shè)兩個部門初始狀況的技術(shù)水平相同，都等于A0。這樣，非高技術(shù)產(chǎn)業(yè)技術(shù)水平A1可由A0Iα反映，高技術(shù)產(chǎn)業(yè)的技術(shù)水平A2可用A0Iβ反映。引入人工智能后，兩個工業(yè)部門生產(chǎn)函數(shù)可由下式來刻畫：

式（2）中，Iα和Iβ反映了人工智能對非高技術(shù)產(chǎn)業(yè)和高技術(shù)產(chǎn)業(yè)產(chǎn)生的技術(shù)溢出效應(yīng)，其中，α和β∈（0，1）。A0表示兩個部門初始狀況的技術(shù)水平或全要素生產(chǎn)率，其他符號的含義與式（2）相同。

2．需求

為了簡化，這里的消費者每一時期僅消費非高技術(shù)產(chǎn)品和高技術(shù)產(chǎn)品這兩類工業(yè)品，并從這兩類工業(yè)品的消費中獲得效用。采用學(xué)術(shù)界通常的做法，設(shè)定市場出清時，假設(shè)效用函數(shù)U（C1，C2）為CES效用函數(shù)，具體形式如下：

式（3）中，C1和C2分別表示消費者對非高技術(shù)產(chǎn)品和高技術(shù)產(chǎn)品的消費量，θ∈（0，1），ρ∈（0，1）。用E反映消費者對兩類工業(yè)品的總支出，piCi為消費者對第i類工業(yè)品的支出，其中，pi為i類工業(yè)品價格。這樣，E可以由消費者對兩類工業(yè)品支出之和來定義：

（二）基礎(chǔ)模型

考慮一個勞動力等要素沒有流動壁壘，工業(yè)品的消費者也是工業(yè)部門勞動力供給者的經(jīng)濟體，要素市場出清時，L＝L1＋L2；產(chǎn)品市場出清時，Yi＝Ci。由于要素流動沒有壁壘，勞動力等要素可在產(chǎn)業(yè)間自由流動，兩個工業(yè)部門的工資水平相等，都為w，因而，消費者的總收入為wL。

1．消費者的選擇

依據(jù)上文定義的消費者效用函數(shù)、總支出和總收入，消費者的效用最大化問題可以由下式表達：

要想找出使得消費者效用最大化時對第i類工業(yè)品的消費量Ci，可以構(gòu)建拉格朗日（Lagrange）函數(shù)進行求解。具體來說，構(gòu)建拉格朗日函數(shù)后，對第i類工業(yè)品消費量Ci分別求偏導(dǎo)，令這些導(dǎo)數(shù)為零，取一階條件的比值，可以得到：

式（6）表明，市場出清條件下消費者效用最大化時，消費者對兩類工業(yè)品的消費量之比主要是由兩類工業(yè)品的價格之比決定的。

2．生產(chǎn)者的選擇

為了簡化及表達更為直觀，這里令α＝δ1，1＋β＝δ2，可以將式（2）調(diào)整為：

依據(jù)上文定義的生產(chǎn)函數(shù)和工資水平，第i類工業(yè)部門的利潤最大化問題可由下式表達：

式（8）中，piIδiA0Li為第i類工業(yè)部門的銷售收入，wLi為第i類工業(yè)部門的生產(chǎn)成本。這樣，第i類工業(yè)部門利潤最大化的一階條件為：

化簡可得：

考慮消費者效應(yīng)最大化和生產(chǎn)者利潤最大化的情形，即聯(lián)立式（6）和式（10），可得：

式（11）表明，在市場出清情況下，兩類工業(yè)產(chǎn)品的價格比由人工智能對兩個工業(yè)部門的產(chǎn)出彈性之差決定（即Iδ2-δ1）。而且，消費者效用和生產(chǎn)者利潤同時實現(xiàn)最大化時，兩類工業(yè)產(chǎn)品的價格比也受到消費者對兩類工業(yè)品消費量之比的影響。

（三）人工智能的影響

這里借鑒戴魁早的做法，采用高技術(shù)產(chǎn)業(yè)（第三類產(chǎn)業(yè)）與非高技術(shù)產(chǎn)業(yè)（第一類產(chǎn)業(yè)和第二類產(chǎn)業(yè)之和）增加值之比衡量工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級①戴魁早：《中國工業(yè)結(jié)構(gòu)變遷的驅(qū)動因素：1985—2010》，《當(dāng)代經(jīng)濟科學(xué)》2012年第6期。，用符號指標(biāo)UIS表示。根據(jù)上文的定義，UIS＝Y(jié)2／Y1。如果UIS值不斷上升，則說明工業(yè)結(jié)構(gòu)在向高技術(shù)化、高知識化和高附加值方向推進，工業(yè)結(jié)構(gòu)在升級。

1．人工智能對工業(yè)結(jié)構(gòu)升級的影響

依據(jù)上文定義，消費者效用最大化和生產(chǎn)者利潤最大化時，產(chǎn)品市場和要素市場出清。我們知道，產(chǎn)品市場出清時，則C1＝Y(jié)1，C2＝Y(jié)2，這樣，有 UIS＝Y(jié)2／Y1＝C2／C1。這里，將式（11）變換成消費者對兩類工業(yè)品的消費量之比形式，可得：

然后，將工業(yè)結(jié)構(gòu)高度化UIS＝Y(jié)2／Y1＝C2／C1，代入式（12）中，可得：

式（13）表明，工業(yè)結(jié)構(gòu)高度化（UIS）受到人工智能（I）的影響。為了進一步明確人工智能的影響方向，這里對式（13）求I的偏導(dǎo)，可得：

式（14）中，θ∈（0，1），ρ∈（0，1），因而，［（1-θ）／θ］1／（1-ρ）大于 0，1-ρ也大于 0。由于δ1＝α，δ2＝1＋β，且α和 β∈（0，1），因而，δ2＞δ1。由此可知，（?UIS／?I）＞0。這表明，人工智能與工業(yè)結(jié)構(gòu)升級（高技術(shù)產(chǎn)業(yè)與非高技術(shù)產(chǎn)業(yè)產(chǎn)出之比）之間存在單調(diào)遞增的關(guān)系，即隨著人工智能水平提高或者人工智能產(chǎn)業(yè)發(fā)展，高技術(shù)產(chǎn)業(yè)（第三類產(chǎn)業(yè)）的比重會不斷上升，工業(yè)結(jié)構(gòu)實現(xiàn)持續(xù)升級。綜合以上分析，可得命題1。

命題1：在其他條件相同的情況下，人工智能水平提高會引起高技術(shù)產(chǎn)業(yè)（第三類產(chǎn)業(yè)）比重上升或工業(yè)結(jié)構(gòu)高度化；或者說，人工智能發(fā)展能夠促進工業(yè)結(jié)構(gòu)升級。

2．人工智能促進工業(yè)結(jié)構(gòu)升級的內(nèi)在機制

依據(jù)產(chǎn)業(yè)結(jié)構(gòu)理論，工業(yè)結(jié)構(gòu)升級是這樣一個過程，原有要素和資源從勞動效率較低的工業(yè)行業(yè)向生產(chǎn)效率較高的技術(shù)密集型工業(yè)行業(yè)轉(zhuǎn)移，新增的要素和資源也被配置到勞動效率較高的資本密集型或技術(shù)密集型工業(yè)行業(yè)，這會導(dǎo)致勞動效率較高的資本密集型或技術(shù)密集型工業(yè)行業(yè)的份額不斷上升，進而實現(xiàn)工業(yè)結(jié)構(gòu)不斷高度化。結(jié)合產(chǎn)業(yè)結(jié)構(gòu)理論，這里進一步分析人工智能促進工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級的內(nèi)在機制。

將式（7）進行變形，可以得到第i類工業(yè)部門勞動生產(chǎn)率的表達公式：

式（15）表明，第i類工業(yè)部門的勞動生產(chǎn)率是由人工智能和技術(shù)水平等因素決定的。式（15）對I求偏導(dǎo)，可得：

式（16）中，由于 δi＞0，A0＞0，因而，?（Yi／Li）?I＞0。這表明，人工智能與第 i類工業(yè)部門的勞動生產(chǎn)率存在單調(diào)遞增的關(guān)系，即人工智能發(fā)展能夠提高第i類工業(yè)部門的勞動生產(chǎn)率。進一步地，由式（15）還可以得到高技術(shù)產(chǎn)業(yè)與非高技術(shù)產(chǎn)業(yè)的勞動生產(chǎn)率之比的表達公式：

式（17）表明，兩個工業(yè)部門的勞動生產(chǎn)率之比由人工智能對兩個工業(yè)部門的產(chǎn)出彈性差異決定。式（17）對I求偏導(dǎo)，可得：

式（18）中，因 δ2＞δ1，可知門的勞動生產(chǎn)率之比存在單調(diào)遞增的關(guān)系，即人工智能發(fā)展對高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率的促進作用更為顯著，使得兩個工業(yè)部門之間的勞動生產(chǎn)率差異逐漸擴大。進一步地，將式（18）代入式（14），可得：

式（19）中，因 δ2＞δ1，θ∈（0，1），ρ∈（0，1），生產(chǎn)率的影響逐漸增強，人工智能對高技術(shù)產(chǎn)業(yè)比重提高的邊際貢獻不斷上升?；蛘哒f，人工智能通過提高兩類工業(yè)勞動生產(chǎn)率之比這一途徑，促進了工業(yè)結(jié)構(gòu)升級。綜合以上分析，有命題2。

命題2：人工智能對高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率的相對影響逐漸增強提高了工業(yè)結(jié)構(gòu)高度化水平；或者說，人工智能通過提升兩個工業(yè)部門勞動生產(chǎn)率之比這一機制促進工業(yè)結(jié)構(gòu)升級。

理論與經(jīng)驗研究都表明，技術(shù)溢出效應(yīng)在技術(shù)進步過程中起著至關(guān)重要的作用，是推動勞動生產(chǎn)率提高或生產(chǎn)效率提升的重要力量。由前文定義可知，δi能夠反映人工智能對兩個工業(yè)部門的技術(shù)溢出效應(yīng)。從式（16）可以看出，δi是決定?（Yi／Li）／?I大小的重要因素，這表明，人工智能對兩個工業(yè)部門勞動生產(chǎn)率的邊際貢獻受到人工智能技術(shù)溢出效應(yīng)的影響。此外，前文對重變化的邊際貢獻會受到兩個工業(yè)部門勞動生產(chǎn)率之比的影響。由此可以推測，人工智能的技術(shù)溢出效應(yīng)對兩個工業(yè)部門勞動生產(chǎn)率產(chǎn)生的影響，會進一步改變高技術(shù)產(chǎn)業(yè)比重或工業(yè)結(jié)構(gòu)高度化水平。綜合以上分析，有如下推論。

推論1：人工智能能夠通過技術(shù)溢出這一機制作用于工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級。

3．要素市場發(fā)展對人工智能促進作用的影響

前文基礎(chǔ)模型構(gòu)建時，假設(shè)要素流動沒有壁壘，勞動力等要素可在產(chǎn)業(yè)間自由流動，兩個工業(yè)部門的工資水平相等。但是，實際上，中國各地區(qū)要素市場因發(fā)育程度滯后于商品市場發(fā)展而存在較為嚴(yán)重的市場扭曲現(xiàn)象，這種扭曲主要體現(xiàn)在要素流動障礙和要素價格扭曲，而這種要素市場流動障礙抑制了企業(yè)或產(chǎn)業(yè)生產(chǎn)率提高，導(dǎo)致了很高的生產(chǎn)效率損失。由此自然有這樣的疑問：如果考慮存在要素流動障礙這一事實，即放寬前文關(guān)于勞動力等要素自由流動這一假設(shè)，前文的結(jié)論會有怎樣的改變？或者說，如果勞動力等要素不能完全自由流動，人工智能對工業(yè)結(jié)構(gòu)升級的促進作用會怎樣變化？

古典分配理論認(rèn)為，勞動力等要素的價格取決于其邊際產(chǎn)出；在勞動力等要素自由流動的情況下，不同工業(yè)部門的要素邊際產(chǎn)出會趨于相同，這使得勞動力等要素的價格趨于相等。如果勞動力等要素不能完全自由流動，那么，兩個工業(yè)部門的工資水平不相等。依據(jù)產(chǎn)業(yè)結(jié)構(gòu)理論，相較于非高技術(shù)產(chǎn)業(yè)而言，高技術(shù)產(chǎn)業(yè)勞動力等要素的邊際產(chǎn)出更高。因而，在存在要素流動障礙情況下，高技術(shù)產(chǎn)業(yè)的工資水平會高于非高技術(shù)產(chǎn)業(yè)。如果假設(shè)高技術(shù)產(chǎn)業(yè)（第三類產(chǎn)業(yè)）的工資水平為w2，非高技術(shù)產(chǎn)業(yè)（第一類產(chǎn)業(yè)和第二類產(chǎn)業(yè)）的工資水平為w1；那么，w1／w2＜1。這樣，基于前文的基礎(chǔ)模型均衡分析可得：

式（20）表明，存在要素流動障礙情況下，工業(yè)結(jié)構(gòu)高度化UISd不僅受到人工智能（I）的影響，還受到兩個工業(yè)部門要素相對價格（即相對工資w1／w2）的影響。式（20）對I求偏導(dǎo)，可得：

命題3：要素市場扭曲導(dǎo)致的要素流動障礙會弱化人工智能對工業(yè)結(jié)構(gòu)高度化的促進作用。或者說，隨著要素市場發(fā)展帶來的要素流動性不斷提高，人工智能對工業(yè)結(jié)構(gòu)升級的促進作用會逐漸增強。

三、經(jīng)驗證據(jù)

（一）研究設(shè)計

1．計量模型設(shè)定

為了驗證理論模型的結(jié)論，這里借鑒產(chǎn)業(yè)結(jié)構(gòu)領(lǐng)域?qū)嵶C研究文獻的通常做法，設(shè)定如下計量模型進行驗證：

式（22）中，下標(biāo)i表示地區(qū)，t表示時間，λi表示個體固定效應(yīng)，μt表示時間固定效應(yīng)，εit是隨機擾動項。與理論模型相一致，UISit為工業(yè)結(jié)構(gòu)高度化指數(shù)，衡量工業(yè)結(jié)構(gòu)升級狀況。AIit表示人工智能水平，如果AIit的系數(shù)α1顯著為正，則說明人工智能發(fā)展顯著促進了工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級，即驗證了命題1。

從現(xiàn)有產(chǎn)業(yè)結(jié)構(gòu)領(lǐng)域文獻可知，工業(yè)結(jié)構(gòu)還可能受到創(chuàng)新投入、人力資本、資本深化、出口貿(mào)易、城市化和外商直接投資等因素（Xit）的影響。（1）科技創(chuàng)新是產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的動力，這里用工業(yè)行業(yè)R＆D經(jīng)費內(nèi)部支出與R＆D經(jīng)費外部支出之和來衡量地區(qū)工業(yè)創(chuàng)新投入（取自然對數(shù)，RDK）。（2）在中國改革開放以來的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整過程中，人力資本水平的不斷提升扮演著重要角色，使用各省每百萬人畢業(yè)大學(xué)生人數(shù)表示人力資本（HC）。（3）資本深化是影響技術(shù)進步的重要因素，也是推進工業(yè)結(jié)構(gòu)升級的重要因素，選取地區(qū)工業(yè)固定資產(chǎn)凈值與從業(yè)人員數(shù)比重衡量（CAP）。（4）出口貿(mào)易也是影響工業(yè)結(jié)構(gòu)調(diào)整的重要因素，使用地區(qū)出口額占GDP的比重衡量出口貿(mào)易依存度（EXD）。（5）城市化是推動中國產(chǎn)業(yè)轉(zhuǎn)型升級的重要途徑，對中國各地區(qū)工業(yè)結(jié)構(gòu)升級產(chǎn)生了促進作用，用地區(qū)城鎮(zhèn)人口數(shù)與總?cè)丝跀?shù)比值衡量（URB）。（6）外商直接投資的技術(shù)溢出能夠促進本國技術(shù)進步，也是影響工業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級的重要因素，這里用各省外商直接投資占GDP比重衡量（FDI）。

2．工業(yè)結(jié)構(gòu)高度化的衡量

戴魁早（2012）基于工業(yè)結(jié)構(gòu) “高技術(shù)化、高知識化和高附加值” 過程中的典型事實——第三類產(chǎn)業(yè)（高技術(shù)產(chǎn)業(yè)）增長率要快于第一類產(chǎn)業(yè)和第二類產(chǎn)業(yè)（非高技術(shù)產(chǎn)業(yè)）增長率，采用工業(yè)行業(yè)中第三類產(chǎn)業(yè)產(chǎn)值占第一類產(chǎn)業(yè)與第二類產(chǎn)業(yè)產(chǎn)值之和的比例，較好地度量了中國工業(yè)結(jié)構(gòu)高度化（許家云，2019）。與前文理論模型相一致，這里采用戴魁早（2012）的做法，以高技術(shù)產(chǎn)業(yè)總產(chǎn)值與非高技術(shù)產(chǎn)業(yè)總產(chǎn)值的比值衡量，具體計算公式如下：

式（23）中，UISit代表i地區(qū)t時的工業(yè)結(jié)構(gòu)高度化。Yi2t為i地區(qū)高技術(shù)產(chǎn)業(yè)t時的產(chǎn)值，Yi1t為i地區(qū)t時非高技術(shù)產(chǎn)業(yè)的產(chǎn)值。如果UIS處于上升狀態(tài)，說明地區(qū)工業(yè)結(jié)構(gòu)在向高技術(shù)化、高知識化和高附加值的方向推進，工業(yè)結(jié)構(gòu)在升級。

在依據(jù)式（23）進行測算時，需要明確工業(yè)內(nèi)部的細(xì)分行業(yè)?？紤]到三類產(chǎn)業(yè)分類法的廣泛認(rèn)可度以及地區(qū)層面數(shù)據(jù)的可獲得性，這里采用戴魁早（2012）的做法對各地區(qū)的工業(yè)行業(yè)進行分類①戴魁早（2012）以Chenery et al．（1986）的工業(yè)內(nèi)部三類產(chǎn)業(yè)分類法為依據(jù)，將中國的工業(yè)行業(yè)分成三類產(chǎn)業(yè)。，進而可以測算出地區(qū)層面工業(yè)結(jié)構(gòu)高度化水平。

3．人工智能（AI）的衡量

從上文理論模型關(guān)于人工智能的界定可知，人工智能既是一種有形的生產(chǎn)要素，又能夠產(chǎn)生無形的技術(shù)溢出，孫早和侯玉琳（2019）構(gòu)建的工業(yè)智能化指數(shù)較好地反映了中國現(xiàn)階段工業(yè)化和人工智能的融合程度和發(fā)展情況，能夠體現(xiàn)人工智能的生產(chǎn)要素性質(zhì)和技術(shù)溢出效應(yīng)兩個方面的信息，可能更符合理論模型界定的人工智能?；诖?，這里采用涵蓋基礎(chǔ)建設(shè)、生產(chǎn)應(yīng)用、競爭力與效益三個方面人工智能水平的工業(yè)智能化指數(shù)，并根據(jù)孫早和侯玉琳（2019）構(gòu)建工業(yè)智能化指標(biāo)的方法，把數(shù)據(jù)更新至2018年，即本文樣本數(shù)據(jù)為2001—2018年。①工業(yè)智能化指數(shù)的具體構(gòu)成與測算請見孫早和侯玉琳（2019）一文，這里不再贅述。

4．?dāng)?shù)據(jù)說明

本文數(shù)據(jù)樣本區(qū)間為2001—2018年，樣本共涉及30個省區(qū)市，由于西藏缺失了大量數(shù)據(jù)，研究時未將其納入樣本。數(shù)據(jù)主要來源于歷年《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》和《中國科技統(tǒng)計年鑒》以及CSMAR數(shù)據(jù)庫、EPS數(shù)據(jù)庫和《中國工業(yè)經(jīng)濟》網(wǎng)站。主要變量的描述統(tǒng)計如表1所示。為了減輕異常值（或稱離群值）對估計結(jié)果的影響，估計時對所有連續(xù)變量進行縮尾處理。

表1 主要變量的描述性統(tǒng)計

（二）基準(zhǔn)估計結(jié)果

在估計之前，運用方差膨脹因子方法對解釋變量之間的多重共線性進行檢驗，結(jié)果顯示，主要模型的方差膨脹因子（VIF）總值和單個解釋變量的VIF值都小于10，這表明主要模型的解釋變量之間不存在多重共線性。為了控制時間趨勢可能產(chǎn)生的影響，估計時控制了年度固定效應(yīng)?？紤]到中國地區(qū)層面經(jīng)濟變量存在較大差別，為避免截面單元的異方差性帶來的估計不一致問題，參數(shù)估計采用穩(wěn)健性（robust）估計（下文同）。

表2中模型1和模型2報告了固定效應(yīng)的估計結(jié)果，可以看出，無論是否控制解釋變量，工業(yè)智能化指數(shù)（AI）的系數(shù)值在1%的水平上顯著為正，值為0．233和0．118。這說明人工智能發(fā)展對地區(qū)工業(yè)結(jié)構(gòu)高度化產(chǎn)生了正向影響，即人工智能發(fā)展顯著地促進了各地區(qū)工業(yè)結(jié)構(gòu)升級，這驗證了命題1。

由于可能存在因遺漏變量導(dǎo)致的內(nèi)生性問題，為了克服式（22）可能存在的內(nèi)生性問題，這里采用動態(tài)面板模型的廣義矩估計方法（GMM）作進一步的穩(wěn)健性檢驗?？紤]到樣本觀察值的有限性，本文以被解釋變量的一階滯后項作為工具變量。表2中模型3和模型4報告了未加入控制變量和加入控制變量后的兩步系統(tǒng)GMM估計結(jié)果，Hansen檢驗和AB檢驗均滿足GMM估計的要求，即殘差顯著存在一階自相關(guān)而不存在二階自相關(guān)，Hansen統(tǒng)計量表明工具變量合理有效，也不存在工具變量過度識別問題?？梢钥闯?，各個解釋變量的系數(shù)值與模型1、模型2結(jié)果在影響方向和顯著性方面沒有明顯差異，這驗證了前文結(jié)論具有較好的穩(wěn)健性，即人工智能發(fā)展對地區(qū)工業(yè)結(jié)構(gòu)升級的促進作用顯著且穩(wěn)健。①限于篇幅，控制變量的結(jié)果解釋未報告。

表2 基準(zhǔn)估計結(jié)果

（三）工具變量結(jié)果

第一個工具變量選擇思路如下：合適的工具變量需要同時滿足與地區(qū)人工智能發(fā)展具有高度相關(guān)性，且對工業(yè)結(jié)構(gòu)高度化是外生的，即該外生變量僅能通過人工智能影響地方工業(yè)結(jié)構(gòu)升級?？紤]到數(shù)據(jù)可獲得性，這里借鑒學(xué)術(shù)界通常的工具變量構(gòu)建思路，采用其他地區(qū)工業(yè)智能化指數(shù)的加權(quán)平均值（用符號ORAI表示）作為該地區(qū)人工智能的工具變量。從邏輯上來看，該指標(biāo)（ORAI）能夠較好地滿足工具變量的相關(guān)性和外生性的兩個標(biāo)準(zhǔn)：一方面，由于處于同一國家，各地區(qū)的人工智能技術(shù)發(fā)展及應(yīng)用具有一定的相似性，這滿足了相關(guān)性要求；另一方面，該指標(biāo)是其他地區(qū)工業(yè)智能化指數(shù)的加權(quán)值，不會直接影響該地區(qū)工業(yè)結(jié)構(gòu)高度化水平，而該地區(qū)工業(yè)結(jié)構(gòu)高度化水平對其他地區(qū)人工智能發(fā)展水平的影響也微乎其微，這滿足外生性要求。

第二個工具變量的選擇思路如下：就相關(guān)性來說，人工智能水平與計算機技術(shù)及應(yīng)用密切相關(guān)，而計算機技術(shù)及應(yīng)用與地方計算機專業(yè)高等教育狀況有著密切的關(guān)聯(lián)，所以，地方高等學(xué)校計算機專業(yè)數(shù)量的高低能夠影響計算機技術(shù)及應(yīng)用的人才輸出量，進而影響人工智能水平。就外生性來說，高等學(xué)校計算機專業(yè)的設(shè)立由教育部認(rèn)定或認(rèn)可，所以在短期內(nèi)屬于固定的量。由于前文的數(shù)據(jù)是面板數(shù)據(jù)，只采用所在地區(qū)高等學(xué)校計算機專業(yè)數(shù)量作為工具變量可能會因為固定效應(yīng)而無法進行估計，這里借鑒Nunn＆Qian對工具變量的設(shè)置方法①Nunn，N．，Qian，N．， “US Food Aid and Civil Conflict” ，American Economic Review，Vol．104，No．6，2014，pp．1630-1666．，構(gòu)造2001—2018年各地區(qū)高等學(xué)校計算機專業(yè)數(shù)量（與個體變化有關(guān)）和上一年全國工業(yè)智能化指數(shù)（與時間有關(guān)）的交互項，作為內(nèi)生變量人工智能的工具變量（用符號SNAI表示）。關(guān)于2000—2017年全國工業(yè)智能化指數(shù)測算，采用前文孫早和侯玉琳（2019）的工業(yè)智能化指標(biāo)體系進行測算。

表3報告了引入兩個工具變量后兩階段最小二乘法（2SLS）的異方差穩(wěn)健性估計結(jié)果。工具變量1（ORAI）未控制變量和控制變量時，Kleibergen-Paaprk Wald F（簡稱RKF檢驗）統(tǒng)計量分別為411．763和392．635。工具變量2（SNAI）未控制變量和控制變量時，RKF檢驗統(tǒng)計量為87．621和92．376。這明顯大于Stock和Yogo（2005）審定的F值在10%偏誤水平下的16．38的臨界值，說明兩個工具變量都不存在弱工具變量問題。

表3 2SLS第二階段回歸結(jié)果

表3第二階段回歸結(jié)果中，加入控制變量后內(nèi)生變量工業(yè)智能化指數(shù)（AI）系數(shù)沒有發(fā)生明顯變化，間接說明了估計變量滿足排他性約束，即工具變量是外生的。因而，本文選取的工具變量具有有效性。從表3的結(jié)果可以看出，模型1至模型4中的工業(yè)智能化指數(shù)（AI）和控制變量對工業(yè)結(jié)構(gòu)高度化的系數(shù)值顯著性和影響方向大多一致，且與表2對應(yīng)的估計結(jié)果沒有明顯的差異，這驗證了前文相應(yīng)結(jié)論具有較好的穩(wěn)健性。

（四）穩(wěn)健性檢驗

1．人工智能的重新衡量

在人工智能的研究文獻中，工業(yè)機器人數(shù)也是常有的衡量指標(biāo)，如Kromann et al．（2011）、Acemoglu＆Restrepo（2017a）以工業(yè)機器人的使用作為自動化衡量標(biāo)準(zhǔn)進行跨國、跨行業(yè)的實證研究，宋旭光和左馬華青（2019）、王林輝等（2020）則采用工業(yè)機器人投入對中國人工智能發(fā)展水平進行了衡量。鑒于王林輝等（2020）采用宋旭光和左馬華青（2019）的計算公式測算的每百家企業(yè)工業(yè)機器人投入數(shù)，與前文的工業(yè)智能化指數(shù)的變化趨勢基本一致，且兩個指標(biāo)的相關(guān)系數(shù)達0．93，因而，該指標(biāo)應(yīng)該是穩(wěn)健性檢驗較為理想的指標(biāo)。具體的計算公式為，工業(yè)機器人投入數(shù)（IROB）＝工業(yè)機器人進口數(shù)＋（國產(chǎn)工業(yè)機器人產(chǎn)量-工業(yè)機器人出口）。該指標(biāo)的詳細(xì)測算說明請見宋旭光和左馬華青（2019）、王林輝等（2020）的相關(guān)描述，這里不再贅述。相關(guān)數(shù)據(jù)來源于國際機器人聯(lián)合會（IFR）、聯(lián)合國貿(mào)發(fā)數(shù)據(jù)庫（UNCTAD）和國家統(tǒng)計局網(wǎng)站。

根據(jù)測算的工業(yè)機器人投入數(shù)（IROB）①限于篇幅，工業(yè)機器人投入數(shù)（IROB）的測算結(jié)果未報告，結(jié)果備索。，這里采用固定效應(yīng)與工具變量兩階段最小二乘法（2SLS）對工業(yè)結(jié)構(gòu)高度化指數(shù)（UIS）進行估計，兩種估計方法的結(jié)果顯示，IROB與控制變量系數(shù)值的顯著性、影響方向與前文基本一致，這驗證了前文相關(guān)結(jié)論具有穩(wěn)健性。

2．工業(yè)結(jié)構(gòu)升級的重新衡量

（1）前文式（23）工業(yè)結(jié)構(gòu)高度化測算采用的是工業(yè)產(chǎn)值數(shù)據(jù)，較好地從生產(chǎn)角度反映了工業(yè)結(jié)構(gòu)高度化水平。鑒于工業(yè)行業(yè)銷售收入反映了工業(yè)產(chǎn)品的市場實現(xiàn)狀況，因而，采用工業(yè)銷售收入替代式（23）中的工業(yè)產(chǎn)值能夠從銷售（或消費）角度較好地刻畫工業(yè)結(jié)構(gòu)高度化水平。為此，這里采用地區(qū)工業(yè)銷售收入數(shù)據(jù)重新測算工業(yè)結(jié)構(gòu)高度化指標(biāo)（用符號SUIS表示），以確保前文的相關(guān)結(jié)論具有穩(wěn)健性。（2）借鑒韓永輝等（2017）測算產(chǎn)業(yè)結(jié)構(gòu)高度化的做法，以工業(yè)部門產(chǎn)出占比與勞動生產(chǎn)率的乘積項作為衡量指標(biāo)，計算公式如下：

式（24）中，LEISit代表i地區(qū)t時的工業(yè)結(jié)構(gòu)高度化，n為工業(yè)細(xì)分行業(yè)總數(shù)。Yidt為i地區(qū)d工業(yè)細(xì)分行業(yè)t時的產(chǎn)值，LEidt代表i地區(qū)d工業(yè)細(xì)分行業(yè)t時的勞動生產(chǎn)率，LEidf為d工業(yè)行業(yè)在完成工業(yè)化后的勞動生產(chǎn)率，LEidf的選擇依據(jù)劉偉等（2008）的產(chǎn)業(yè)結(jié)構(gòu)標(biāo)準(zhǔn)化階段模型。如果勞動生產(chǎn)率較高的工業(yè)細(xì)分行業(yè)產(chǎn)值占工業(yè)總產(chǎn)值的比重越高，則說明工業(yè)結(jié)構(gòu)高度化水平越高，LEISit的值越大。

根據(jù)重新測算的工業(yè)結(jié)構(gòu)高度化指標(biāo)（SUIS、LEIS），②限于篇幅，工業(yè)結(jié)構(gòu)高度化指標(biāo)（SUIS、LEIS）的測算結(jié)果未報告，結(jié)果備索。這里采用固定效應(yīng)與工具變量兩階段最小二乘法（2SLS）對前文主要結(jié)論進行穩(wěn)健性檢驗。兩種估計方法的結(jié)果顯示，各個解釋變量與表2、表4對應(yīng)系數(shù)值的顯著性和影響方向大多相一致，這進一步驗證了前文相關(guān)結(jié)論具有穩(wěn)健性。

四、影響機制

這里借鑒詹新宇和劉文彬的機制檢驗方法③詹新宇、劉文彬：《中國式財政分權(quán)與地方經(jīng)濟增長目標(biāo)管理——來自省、市政府工作報告的經(jīng)驗證據(jù)》，《管理世界》2020年第3期。，對理論模型的命題2和推論1進行經(jīng)驗驗證，具體分析過程包括兩步：第一步探究人工智能對不同工業(yè)部門勞動生產(chǎn)率之比、技術(shù)溢出效應(yīng)之比的影響；第二步以工業(yè)結(jié)構(gòu)高度化為被解釋變量與實現(xiàn)機制（不同工業(yè)部門的勞動生產(chǎn)率之比與技術(shù)溢出效應(yīng)之比）進行回歸，作為對整個機制分析鏈條的進一步完善和補充說明。

（一）人工智能與實現(xiàn)機制

為了考察人工智能對機制變量產(chǎn)生了怎樣的影響，這里構(gòu)建如下計量模型進行檢驗：

式（25）中，Mit為機制變量，根據(jù)理論模型的分析，機制變量包括高技術(shù)產(chǎn)業(yè)與非高技術(shù)產(chǎn)業(yè)的勞動生產(chǎn)率之比（RLP）以及技術(shù)溢出效應(yīng)之比（RTS）兩個變量。其他符號的含義與式（22）相同。

關(guān)于勞動生產(chǎn)率測算，現(xiàn)有文獻大多以產(chǎn)業(yè)增加值或總產(chǎn)值與從業(yè)人員數(shù)之比衡量?？紤]到數(shù)據(jù)可獲得性，這里采用地區(qū)規(guī)模以上工業(yè)企業(yè)總產(chǎn)值與從業(yè)人員數(shù)之比衡量不同工業(yè)部門勞動生產(chǎn)率。在測算出不同工業(yè)部門勞動生產(chǎn)率的基礎(chǔ)上，再用高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率除以非高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率，得到兩個工業(yè)部門勞動生產(chǎn)率之比（RLP）。

這里借鑒FDI技術(shù)溢出效應(yīng)的研究思路來驗證人工智能的技術(shù)溢出效應(yīng)，即采用全要素生產(chǎn)率作為技術(shù)溢出效應(yīng)的間接衡量指標(biāo)，先檢驗人工智能是否提高了全要素生產(chǎn)率，接著檢驗全要素生產(chǎn)率是否促進了工業(yè)結(jié)構(gòu)升級。關(guān)于全要素生產(chǎn)率的測算，說明如下：（1）采用基于DEA的Malmquist指數(shù)法測算不同工業(yè)部門地區(qū)層面的全要素生產(chǎn)率（TFP）。（2）借鑒余泳澤等（2020）的做法，采用不同工業(yè)部門1998年為基期實際總產(chǎn)值衡量地區(qū)不同工業(yè)部門的產(chǎn)出，選擇不同工業(yè)部門的從業(yè)人員作為勞動投入指標(biāo)。（3）選用永續(xù)盤存法來估算地區(qū)工業(yè)固定資產(chǎn)的資本存量來衡量資本投入。（4）再用高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率除以非高技術(shù)產(chǎn)業(yè)全要素生產(chǎn)率，以兩者之比間接衡量技術(shù)溢出效應(yīng)之比（RTS）。

這里的樣本區(qū)間與前文相一致，測算機制變量的相關(guān)數(shù)據(jù)主要來源于《中國工業(yè)統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》，還有部分?jǐn)?shù)據(jù)來自各省市區(qū)相關(guān)年度的統(tǒng)計年鑒。兩個機制變量為被解釋變量（RLP和RTS）的固定效應(yīng)估計結(jié)果如表4中模型1和模型2所示，為了確保估計結(jié)果的穩(wěn)健性，這里還采用前文工具變量2（SNAI）作為穩(wěn)健性檢驗，對應(yīng)的2SLS估計結(jié)果為模型3和模型4。

從表4中模型1和模型3可以看出，工業(yè)智能化指數(shù)（AI）對機制變量RLP的系數(shù)值都在1%顯著性水平上為正，值為0．018和0．576，這說明人工智能發(fā)展顯著地提高了兩個工業(yè)部門勞動生產(chǎn)率之比，即驗證了理論模型式（18）的結(jié)論。結(jié)合 “人工智能對高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率和非高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率都產(chǎn)生的正向影響” 這一事實可知，人工智能對高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率的提升作用明顯高于同期的非高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率。

表4中模型2和模型4的結(jié)果顯示，工業(yè)智能化指數(shù)（AI）對機制變量RTS的系數(shù)值都顯著為正（值為0．021和0．497），結(jié)合 “人工智能對不同工業(yè)部門都產(chǎn)生了技術(shù)溢出效應(yīng)” 這一事實，該結(jié)論表明，人工智能發(fā)展對高技術(shù)產(chǎn)業(yè)的技術(shù)溢出效應(yīng)顯著高于非高技術(shù)產(chǎn)業(yè)。比較兩個機制變量中工業(yè)智能化指數(shù)的系數(shù)值大小，可以發(fā)現(xiàn)，人工智能對勞動生產(chǎn)率之比這一機制變量的正向影響更大。

（二）機制變量與工業(yè)結(jié)構(gòu)升級

勞動生產(chǎn)率之比和技術(shù)溢出效應(yīng)之比這兩個機制變量能否顯著促進高技術(shù)產(chǎn)業(yè)產(chǎn)業(yè)比重的提高，如果這一結(jié)論成立，無疑是對整個機制分析過程的進一步完善和補充。為此，表4中模型5和模型6報告了引入兩個機制變量（RLP和RTS）對工業(yè)結(jié)構(gòu)高度化的固定效應(yīng)估計結(jié)果，對應(yīng)的2SLS估計結(jié)果為模型7和模型8。

表4 影響機制的估計結(jié)果

從表4中模型5和模型7可以看出，機制變量RLP對工業(yè)結(jié)構(gòu)高度化的系數(shù)值在1%顯著性水平上為正，值為0．961和1．428，這說明高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率的相對提高顯著促進了工業(yè)結(jié)構(gòu)升級。模型6和模型8的結(jié)果顯示，機制變量RTS對工業(yè)結(jié)構(gòu)高度化的系數(shù)值也都顯著為正，表明全要素生產(chǎn)率之比反映的高技術(shù)產(chǎn)業(yè)技術(shù)溢出效應(yīng)相對提高促進了工業(yè)結(jié)構(gòu)升級。

綜上所述，結(jié)合 “人工智能對兩個機制變量都產(chǎn)生了正向影響” 可知，人工智能通過提高兩個工業(yè)部門的勞動生產(chǎn)率之比和技術(shù)溢出效應(yīng)之比（或者說，通過增強對高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率和技術(shù)溢出效應(yīng)的相對影響）等渠道機制，促進了工業(yè)結(jié)構(gòu)高度化或工業(yè)結(jié)構(gòu)升級，這驗證了命題2和推論1。

五、拓展分析

（一）要素市場發(fā)展的影響

理論模型的命題3表明，人工智能對工業(yè)結(jié)構(gòu)升級的正向效應(yīng)依賴于勞動力等要素的自由流動程度，而中國各地區(qū)要素市場發(fā)展相對滯后導(dǎo)致的要素流動障礙會弱化人工智能的促進作用，即人工智能對地方工業(yè)結(jié)構(gòu)的作用效果可能會受到地方要素市場發(fā)展程度的影響。隨著要素市場的不斷發(fā)育和發(fā)展，勞動力等要素的流動性會逐漸提高，進而能夠改善人工智能對工業(yè)結(jié)構(gòu)升級的作用效果。為了驗證命題3，這里采用學(xué)術(shù)界通常的做法，在式（22）解釋變量中加入工業(yè)智能化指數(shù)與要素市場發(fā)展變量乘積項進行檢驗，具體計量模型如下：

式（26）中，F(xiàn)M表示要素市場發(fā)展變量，由要素市場發(fā)展指數(shù)（FMD）或者資本市場發(fā)展指數(shù)（CMD）、勞動力市場發(fā)展指數(shù)（LMD）、技術(shù)市場發(fā)展指數(shù)（TMD）等要素細(xì)分市場指數(shù)來反映，γ2為工業(yè)智能化指數(shù)與要素市場發(fā)展變量乘積項的系數(shù)，反映要素市場發(fā)展在人工智能促進工業(yè)結(jié)構(gòu)升級中的作用。

關(guān)于要素市場發(fā)展變量的選擇，王小魯?shù)鹊摹吨袊质》菔袌龌笖?shù)報告（2018）》以樊綱等的指數(shù)為基礎(chǔ)，測算了2008—2016年要素市場及要素細(xì)分市場的市場化進程指數(shù)。①王小魯、樊綱、胡李鵬：《中國分省份市場化指數(shù)報告（2018）》，北京：社會科學(xué)文獻出版社2019年版?；诖?，這里的要素市場發(fā)展指數(shù)及要素細(xì)分市場發(fā)展指數(shù)采用王小魯?shù)葴y算的數(shù)據(jù)，樣本區(qū)間為2008—2016年。

表5報告了引入人工智能與要素市場發(fā)展乘積項的估計結(jié)果，其中，模型1至模型4為固定效應(yīng)的結(jié)果，模型5至模型8為工具變量2（SNAI）的2SLS估計結(jié)果。表5中模型1和模型5的兩種方法估計結(jié)果顯示，乘積項AI*FMD的系數(shù)都在5%水平下顯著為正，值為0．107和0．105，說明要素市場發(fā)展顯著增強了人工智能對工業(yè)結(jié)構(gòu)高度化的促進作用，這驗證了命題3，即要素市場發(fā)展帶來的勞動力等要素流動性提高能夠改善人工智能對工業(yè)結(jié)構(gòu)升級的作用效果。這個結(jié)論表明，對于北京、天津、上海等要素市場發(fā)展程度較高地區(qū)來說（年均值為9．887 5、7．882 5、9．240 0），人工智能的作用效果更明顯，而對于新疆、甘肅、青海等要素市場發(fā)展水平較低地區(qū)來說（年均值為1．232 5、2．820 0、1．742 5），需要加大要素市場體制改革力度，以更好地發(fā)揮人工智能在推動工業(yè)結(jié)構(gòu)升級中的作用。

表5 要素市場發(fā)展的影響估計結(jié)果

從表5還可以看出，兩種估計方法的乘積項AI*LMD、AI*CMD、AI*TMD系數(shù)值都顯著為正，說明了勞動力市場、資本市場、技術(shù)市場等要素細(xì)分市場發(fā)展都改善了人工智能的作用效果，這為命題3提供了進一步證據(jù)支持。這表明，在要素細(xì)分市場發(fā)展水平較高的地區(qū)，人工智能對工業(yè)結(jié)構(gòu)升級的作用更明顯。而對于勞動力市場發(fā)展較慢的青海、新疆、甘肅（年均值為0．465 0、0．125 0、1．330 0），資本市場發(fā)展水平較低的新疆、青海、貴州（年均值為 4．625 0、2．892 5、4．572 5），技術(shù)市場發(fā)育程度較低的新疆、廣西、海南（年均值為0．095 0、0．080 0、0．120 0），加大力度推進要素細(xì)分市場的市場化改革，以降低人才、資本、技術(shù)等要素流動障礙，對工業(yè)結(jié)構(gòu)升級具有重要的現(xiàn)實意義。

（二）人工智能的異質(zhì)性影響

1．人工智能影響的地區(qū)差異

為了驗證人工智能影響的地區(qū)差異是否存在，這里依據(jù)學(xué)術(shù)界常用的分類方法，將全國分為東部地區(qū)、中部地區(qū)、西部地區(qū)。以中部地區(qū)為對照組，設(shè)置虛擬變量ER和WR。ER的含義是，如果是東部地區(qū)取值1，否則取值0；如果是西部地區(qū)，WR取值1，否則取值0。表6中模型1和模型4報告了固定效應(yīng)和工具變量（前文的工具變量SNAI）2SLS的估計結(jié)果，可以看出，兩種方法估計時的解釋變量系數(shù)值顯著性與影響方向基本一致，這說明相關(guān)結(jié)果具有較好的穩(wěn)健性。

表6中模型1和模型4的結(jié)果顯示，東部地區(qū)虛擬變量乘積項AI*ER的系數(shù)值都顯著為正，值為0．322和0．133，而西部地區(qū)虛擬變量乘積項AI*WR的系數(shù)不顯著為正，這說明，與對照組中部地區(qū)相比，東部地區(qū)人工智能發(fā)展的促進作用更明顯，而西部地區(qū)的影響沒有明顯差異。對此可能的解釋是：一方面，相對于中部地區(qū)和西部地區(qū)來說，東部地區(qū)在培養(yǎng)和吸引高素質(zhì)人才等方面具有明顯的優(yōu)勢，而且人工智能發(fā)展的基礎(chǔ)較好且發(fā)展水平更高，因而東部地區(qū)勞動效率提高的難度較小，先進技術(shù)的溢出效果更好，從而表現(xiàn)為人工智能更好地促進了工業(yè)結(jié)構(gòu)高度化。另一方面，東部地區(qū)較好的工業(yè)基礎(chǔ)、資源稟賦優(yōu)勢（包括區(qū)位優(yōu)勢和人才優(yōu)勢等），大數(shù)據(jù)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等相對成熟，使得沿海地區(qū)在中國工業(yè)結(jié)構(gòu)升級過程中起著引領(lǐng)作用，在國家產(chǎn)業(yè)轉(zhuǎn)移政策的推動下，東部地區(qū)沿海地區(qū)大力發(fā)展了高技術(shù)產(chǎn)業(yè)和高端裝備制造業(yè)，工業(yè)結(jié)構(gòu)將呈現(xiàn)出高技能偏向型特征。其結(jié)果是，在相似的人工智能發(fā)展水平情況下，東部地區(qū)的工業(yè)結(jié)構(gòu)高度化程度更高。

2．人工智能影響的時期差異

在本文的樣本區(qū)間2001—2018年間，2008年金融危機使中國工業(yè)過去依賴的一些有利的內(nèi)外部條件（較低的要素成本、巨大的國際市場需求）發(fā)生顯著變化，是影響中國工業(yè)化進程的重大事件。 “十二五” 規(guī)劃綱要明確提出要走新型工業(yè)化道路，加快用高新技術(shù)改造提升傳統(tǒng)制造業(yè)，這會對中國工業(yè)結(jié)構(gòu)升級產(chǎn)生重大影響，由此可以推測，金融危機與 “十二五” 規(guī)劃前后，人工智能發(fā)展對工業(yè)結(jié)構(gòu)升級的影響程度可能不同。為了驗證這種可能存在的時期差異，這里引入兩個時間虛擬變量 T1和 T2。T1為考察金融危機前后的影響是否存在差異，2001—2007年取值1，2008—2018年取值0；T2為考察 “十二五” 前后的影響是否存在差異，2001—2010年取值0，2011—2018年取值1。

從表6中模型2和模型5可以看出，兩種估計方法乘積項AI*T1的系數(shù)值都顯著為負(fù)，這說明金融危機以后人工智能對工業(yè)結(jié)構(gòu)高度化的促進作用增強了。對此可能的解釋是：一方面，金融危機以后尤其是 “十八大” 以后，中國進一步推進了以要素市場為重點的經(jīng)濟體制改革，這在一定程度上緩解了人才、資本、技術(shù)等要素的流動障礙，因而表現(xiàn)為改善了人工智能對工業(yè)結(jié)構(gòu)升級的作用效果。另一方面，金融危機以后尤其是 “十八大” 以來，我國大力推進了供給側(cè)結(jié)構(gòu)性改革，擴大了工業(yè)行業(yè)的中高端供給，有效地減少了工業(yè)產(chǎn)品的低端供給，這也有助于增強人工智能在工業(yè)結(jié)構(gòu)升級中的作用。

表6模型3和模型6的兩種方法估計結(jié)果顯示， “十二五” 虛擬變量與工業(yè)智能化指數(shù)乘積項AI*T2的系數(shù)值都在1%水平上顯著為正，值為0．073和0．154，這說明 “十二五” 以后人工智能的促進作用明顯增強了。對此可能的解釋是：《國務(wù)院發(fā)布 “十二五” 工業(yè)轉(zhuǎn)型升級規(guī)劃（2011—2015年）》提出了先進制造業(yè)在內(nèi)的六大重點行業(yè)和領(lǐng)域的發(fā)展導(dǎo)向和升級路徑，把高端制造業(yè)作為重點領(lǐng)域，同時推進節(jié)能環(huán)保、新一代的信息技術(shù)、生物、高端裝備制造、新能源、新材料、新能源汽車等戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展①參見2012年1月18日，國務(wù)院發(fā)布《工業(yè)轉(zhuǎn)型升級規(guī)劃（2011—2015年）》。，而為了貫徹執(zhí)行中央的會議精神，地方政府完善并加強了對工業(yè)轉(zhuǎn)型升級政策措施的支持，如科技投入政策、技術(shù)改造政策、高端人才計劃、財稅政策支持等，這一系列政策的實施有效推動了制造模式向數(shù)字化、網(wǎng)絡(luò)化、智能化、服務(wù)化轉(zhuǎn)變，推動了工業(yè)轉(zhuǎn)型升級，進而表現(xiàn)為增強了人工智能對工業(yè)結(jié)構(gòu)升級的促進作用。

表6 人工智能的異質(zhì)性影響估計結(jié)果

六、主要結(jié)論與政策啟示

本文重點關(guān)注了人工智能發(fā)展對工業(yè)結(jié)構(gòu)升級的影響。理論模型發(fā)現(xiàn)，人工智能發(fā)展會引起高技術(shù)產(chǎn)業(yè)比重不斷上升，進而能夠促進工業(yè)結(jié)構(gòu)持續(xù)升級。人工智能發(fā)展通過提高兩個工業(yè)部門勞動生產(chǎn)率之比這一機制對工業(yè)結(jié)構(gòu)升級產(chǎn)生了促進作用；同時，人工智能對兩個工業(yè)部門產(chǎn)生的技術(shù)溢出效應(yīng)也會影響工業(yè)結(jié)構(gòu)高度化水平。此外，要素市場扭曲導(dǎo)致的勞動力等要素流動障礙會弱化人工智能發(fā)展的促進作用。

經(jīng)驗研究的主要結(jié)論如下：（1）人工智能發(fā)展顯著地促進了中國各地區(qū)工業(yè)結(jié)構(gòu)升級。（2）人工智能對工業(yè)結(jié)構(gòu)升級的促進作用主要是通過增強對高技術(shù)產(chǎn)業(yè)勞動生產(chǎn)率（即提高兩個工業(yè)部門勞動生產(chǎn)率之比）和技術(shù)溢出效應(yīng)的相對影響等機制實現(xiàn)的。（3）人工智能對工業(yè)結(jié)構(gòu)升級的促進作用受到要素市場發(fā)展?fàn)顩r的影響，而資本市場、勞動力市場和技術(shù)市場等要素細(xì)分市場發(fā)展都明顯改善了人工智能的作用效果。（4）人工智能的影響存在地區(qū)差異，東部地區(qū)更為明顯的促進作用可能源于工業(yè)基礎(chǔ)和資源稟賦等方面的優(yōu)勢。金融危機以后和 “十二五” 期間的供給側(cè)結(jié)構(gòu)性改革和政策支持增強了人工智能對工業(yè)結(jié)構(gòu)升級的促進作用。

根據(jù)上述結(jié)論，不論是人工智能提高工業(yè)部門勞動效率還是改善對工業(yè)部門的技術(shù)溢出效果，都要求人工智能與工業(yè)部門、要素市場發(fā)展深度融合。據(jù)此，本文提出以人工智能發(fā)展推動工業(yè)轉(zhuǎn)型升級的政策建議：需要大力促進人工智能發(fā)展，加快實現(xiàn)人工智能與工業(yè)部門（尤其是高技術(shù)產(chǎn)業(yè)）的深度融合；需要更好地發(fā)揮人工智能在提高工業(yè)勞動效率和先進技術(shù)應(yīng)用推廣中的作用；人工智能發(fā)展需要依托 “互聯(lián)網(wǎng)＋” 等技術(shù)手段，實現(xiàn)與資本市場、技術(shù)市場和人才市場等要素市場發(fā)展的深度融合。具體政策措施如下：

（1）促進人工智能發(fā)展，加快實現(xiàn)人工智能與工業(yè)部門深度融合。圍繞增加人工智能創(chuàng)新源頭供給，加強前沿基礎(chǔ)理論、關(guān)鍵共性技術(shù)、基礎(chǔ)平臺等方面研究。建立健全保障人工智能健康發(fā)展的法律法規(guī)和倫理道德框架，建立完善人工智能基礎(chǔ)共性、互聯(lián)互通、行業(yè)應(yīng)用、網(wǎng)絡(luò)安全、隱私保護等技術(shù)標(biāo)準(zhǔn)。落實財稅優(yōu)惠政策，落實稅收優(yōu)惠和研發(fā)費用加計扣除等政策支持人工智能企業(yè)發(fā)展。設(shè)立人工智能發(fā)展基金，利用現(xiàn)有政府投資基金、天使投資、風(fēng)險投資、創(chuàng)業(yè)投資基金等多種渠道，支持人工智能重大項目實施和科技成果轉(zhuǎn)化應(yīng)用。

（2）更好發(fā)揮人工智能在提高工業(yè)勞動效率和先進技術(shù)應(yīng)用推廣中的作用。一方面，建立適應(yīng)智能經(jīng)濟需要的終身學(xué)習(xí)和就業(yè)培訓(xùn)體系，全面提高全社會對人工智能的整體認(rèn)知和應(yīng)用水平。支持和鼓勵高等院校、職業(yè)學(xué)校、企業(yè)和社會化培訓(xùn)機構(gòu)等開展、提供人工智能技能培訓(xùn)。完善國有工業(yè)企業(yè)目標(biāo)管理制度、管理層的激勵約束機制、預(yù)算約束，提高國有高技術(shù)企業(yè)的勞動效率。另一方面，支持企業(yè)與高校、科研院所合作，促進人工智能技術(shù)成果、資源和服務(wù)的精準(zhǔn)對接。建立人工智能公共專利池，通過財稅政策優(yōu)惠，激勵工業(yè)企業(yè)對引進的先進人工智能技術(shù)的消化、吸收、應(yīng)用與再創(chuàng)新，提升人工智能技術(shù)溢出效果。

（3）依托技術(shù)手段實現(xiàn)與要素市場發(fā)展的深度融合。大力推動資本市場、勞動力市場和技術(shù)市場等要素市場的市場化改革。推動要素價格改革，不斷健全要素市場的制度規(guī)范，增強金融機構(gòu)競爭，進一步推動利率市場化。完善法律政策保障體系，發(fā)展壯大技術(shù)市場服務(wù)體系，健全監(jiān)督管理體系，深化科技成果使用權(quán)、處置權(quán)和收益權(quán)改革，完善技術(shù)交易的稅收優(yōu)惠政策。發(fā)展完善人才自由流動和先進技術(shù)交易的市場體系，通過利用 “互聯(lián)網(wǎng)＋” 等技術(shù)手段，促進資本市場、技術(shù)市場和人才市場銜接融合，推進全國資本市場、人才市場和技術(shù)市場服務(wù)網(wǎng)絡(luò)形成。

需要指出的是，本文的假設(shè)只適合工業(yè)內(nèi)部結(jié)構(gòu)的研究，相關(guān)結(jié)論可能不能適用于解釋人工智能對三次產(chǎn)業(yè)結(jié)構(gòu)（或農(nóng)業(yè)內(nèi)部結(jié)構(gòu)或服務(wù)業(yè)內(nèi)部結(jié)構(gòu)）的影響，這是本文可能存在的不足之一。此外，本文采用現(xiàn)有的工業(yè)智能化指數(shù)和工業(yè)機器人數(shù)兩個指標(biāo)衡量人工智能，可能不能準(zhǔn)確反映理論模型關(guān)于人工智能的假設(shè)，這也是本文可能存在的不足。因而，尋找更為合適的指標(biāo)衡量人工智能可能是該領(lǐng)域的重要研究方向。