李靜雯
(遼寧大學(xué)經(jīng)濟(jì)學(xué)院,沈陽 110036)
在資源與環(huán)境雙重約束下,推動(dòng)我國經(jīng)濟(jì)發(fā)展方式由外延式向內(nèi)涵式轉(zhuǎn)變,促進(jìn)全要素生產(chǎn)率的提升已成為經(jīng)濟(jì)轉(zhuǎn)型和實(shí)現(xiàn)中國經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵所在[1],也成為新常態(tài)下中國經(jīng)濟(jì)增長的重要著力點(diǎn)。黨的十九大報(bào)告明確提出“推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合” 的重要論斷,為提升全要素生產(chǎn)率提供重要的突破方向,以加速實(shí)現(xiàn)經(jīng)濟(jì)增長方式由投資驅(qū)動(dòng)向創(chuàng)新驅(qū)動(dòng)的轉(zhuǎn)變。2021 年《政府工作報(bào)告》 明確提出“人工智能發(fā)展是新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力”,說明智能化信息技術(shù)將成為重塑產(chǎn)業(yè)發(fā)展的新優(yōu)勢,提升國家競爭力的強(qiáng)戰(zhàn)略。根據(jù)《2020~2026 年中國工業(yè)機(jī)器人行業(yè)發(fā)展態(tài)勢與投資分析報(bào)告》 顯示,中國工業(yè)機(jī)器人產(chǎn)量在2019 年前兩個(gè)季度達(dá)到了13777 套,同比增長7.2%,全國工業(yè)機(jī)器人累計(jì)產(chǎn)量73849.1 套,同比增長23.9%。據(jù)推算,到2030 年,人工智能將超過信息和通信技術(shù)引致的0.6%的年均增長率,將推動(dòng)GDP 年均增長1.2%[2]。為此,人工智能將成為新一輪支撐我國經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵抓手。在轉(zhuǎn)變經(jīng)濟(jì)增長方式和人工智能重要作用凸顯的背景下,基于人工智能的視角來研究中國全要素生產(chǎn)率增長問題具有重要的理論及現(xiàn)實(shí)意義。
目前,關(guān)于人工智能與全要素生產(chǎn)率之間的關(guān)系研究存在兩種觀點(diǎn):(1) 人工智能正向激勵(lì)全要素生產(chǎn)率提升。其原因主要在于:①機(jī)器人或人工智能技術(shù)的應(yīng)用實(shí)現(xiàn)了“機(jī)器換人”,與傳統(tǒng)技術(shù)變革相比,人工智能技術(shù)實(shí)現(xiàn)了體力或腦力勞動(dòng)者“雙重” 替代效應(yīng),在一定程度上降低了對中低技能勞動(dòng)者的需求,擴(kuò)充了高技能勞動(dòng)力市場,有助于提升勞動(dòng)生產(chǎn)效率和經(jīng)濟(jì)整體增長率[3,4];②人工智能技術(shù)的應(yīng)用能夠精密控制生產(chǎn)流程,提高最終產(chǎn)品的附加值,從而促進(jìn)全要素生產(chǎn)率提升。其促進(jìn)效果主要源于技術(shù)溢出效應(yīng),會(huì)因制造業(yè)細(xì)分行業(yè)差異而產(chǎn)生異質(zhì)效應(yīng)[5];③人工智能技術(shù)與傳統(tǒng)要素深度融合,增強(qiáng)傳統(tǒng)要素生產(chǎn)力,提升要素流動(dòng)性,改善要素質(zhì)量與配置效率[6];④人工智能技術(shù)具有較高的滲透性,能夠徹底改變經(jīng)濟(jì)運(yùn)行方式,應(yīng)用于經(jīng)濟(jì)社會(huì)的各個(gè)環(huán)節(jié),意味著人工智能技術(shù)在提高生產(chǎn)率的同時(shí),還能促進(jìn)互補(bǔ)式創(chuàng)新發(fā)展[7];(2)人工智能發(fā)展一定程度上不利于全要素生產(chǎn)率的提升,形成生產(chǎn)率悖論。其原因主要在于:①在市場驅(qū)動(dòng)下,人工智能技術(shù)偏向于走勞動(dòng)節(jié)約型的發(fā)展路徑,可能會(huì)造成失業(yè)恐慌,不利于就業(yè)的增加和生產(chǎn)率的提高[8];②人工智能技術(shù)可能導(dǎo)致過度的“智能自動(dòng)化”,進(jìn)而導(dǎo)致生產(chǎn)要素的錯(cuò)配,造成全要素生產(chǎn)率的降低[9];③人工智能技術(shù)仍有改進(jìn)空間,需要相應(yīng)的人員、基礎(chǔ)設(shè)施以及互補(bǔ)性技術(shù)與之相匹配,才能有效提升全要素生產(chǎn)率[10]。
綜上所述,關(guān)于人工智能與全要素生產(chǎn)率相關(guān)研究成果較為豐富。從經(jīng)驗(yàn)層面考慮,人工智能技術(shù)是否正向作用于全要素生產(chǎn)率,學(xué)術(shù)界依然存在一定爭議?,F(xiàn)有文獻(xiàn)尚未深層次揭示人工智能影響全要素生產(chǎn)率提升的機(jī)制,且大量經(jīng)驗(yàn)研究集中于運(yùn)用面板或截面數(shù)據(jù),缺乏相對合理的理論闡釋和實(shí)證檢驗(yàn)。鑒于此,本文從空間計(jì)量出發(fā)考察全要素生產(chǎn)率,探討人工智能對全要素生產(chǎn)率的空間效應(yīng)。本文構(gòu)建人工智能影響全要素生產(chǎn)率的理論模型,揭示二者之間的內(nèi)在因果關(guān)系;將樣本分為全國和東、中、西部地區(qū),回歸分析人工智能對全要素生產(chǎn)率的作用;基于人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級的視角,闡釋人工智能影響全要素生產(chǎn)率的傳導(dǎo)機(jī)制,為全要素生產(chǎn)率的提升提供新路徑。
本文借鑒Aghion 等[11]、Acemoglu 和Restrepo[12]的做法,假定最終品市場完全競爭,最終品由一般勞動(dòng)力(無彈性供給)和處于(0,1)區(qū)間不同技術(shù)的連續(xù)中間品進(jìn)行生產(chǎn)。假定經(jīng)濟(jì)中最終品的生產(chǎn)函數(shù)為:
其中,Ait為t期使用中間品i時(shí)的技術(shù)水平,Lit為勞動(dòng)力數(shù)量,xit為生產(chǎn)中使用的中間品i的數(shù)量。
假定新產(chǎn)品技術(shù)研發(fā)存在兩種傾向:(1) 常規(guī)型技術(shù),主要通過機(jī)械化的生產(chǎn)擴(kuò)大中間品的種類范圍;(2) 人工智能技術(shù),主要能夠提高中間品在生產(chǎn)最終品時(shí)的生產(chǎn)效率,即=γAit-1,γ>1。因此,兩種技術(shù)研發(fā)成功并投入使用的概率為:
其中,和分別為常規(guī)型技術(shù)和人工智能技術(shù)研發(fā)成功的概率,Rit和Rjt為兩種技術(shù)的研發(fā)投入,δ∈(0,1)為彈性,λ0和λAI為兩種技術(shù)的效率參數(shù),且λAI>λ0。
中間品壟斷廠商通常需要從企業(yè)家手中購買技術(shù)進(jìn)行中間品的生產(chǎn),假定在區(qū)間[0,αt]內(nèi)中間品壟斷廠商購買常規(guī)型技術(shù),并與簡單勞動(dòng)力lit一并投入到最終品的生產(chǎn)中;在區(qū)間[αt,1]內(nèi)中間品壟斷廠商購買人工智能技術(shù),并與高技能勞動(dòng)力sjt一并投入到最終品的生產(chǎn)中。因此,經(jīng)濟(jì)整體的最終品產(chǎn)出可表示為:
假設(shè)經(jīng)濟(jì)中選擇常規(guī)型技術(shù)的中間品壟斷廠商比例為αt,選擇人工智能技術(shù)的廠商比例為1-αt,經(jīng)濟(jì)整體最終品產(chǎn)出為:yt=αtyit+(1-αt)yjt,因此,經(jīng)濟(jì)整體的增長率為:
式(4) 中,Δα=αt-αt-1為常規(guī)型技術(shù)生產(chǎn)導(dǎo)致中間品種類的擴(kuò)大,為人工智能技術(shù)所帶來的生產(chǎn)率的增長。通過式(4) 可進(jìn)一步得到經(jīng)濟(jì)增長率與兩類技術(shù)發(fā)展的關(guān)系為:
通過式(5) 可以看出,人工智能技術(shù)對經(jīng)濟(jì)增長的影響表現(xiàn)為正向促進(jìn)作用,并且隨著常規(guī)型技術(shù)不斷發(fā)展而有所減弱。據(jù)此,本文提出相應(yīng)的研究假說1:人工智能技術(shù)能夠有效促進(jìn)行業(yè)生產(chǎn)率的提升。
則人工智能所帶來的技術(shù)進(jìn)步率為:
其中,ρ=δη2η+1(1-η)1-η,通過式 (6) 可以進(jìn)一步得到經(jīng)濟(jì)技術(shù)進(jìn)步率和高技能勞動(dòng)力投入的關(guān)系為:
即高技能人力資本的投入能夠有效提高技術(shù)進(jìn)步率,實(shí)現(xiàn)經(jīng)濟(jì)增長和技術(shù)進(jìn)步,提高整個(gè)社會(huì)的生產(chǎn)率。據(jù)此,本文提出研究假說2:人工智能發(fā)展帶來的高技能人力資本投入的增加,有助于行業(yè)生產(chǎn)率的提升。
產(chǎn)業(yè)結(jié)構(gòu)升級有助于引導(dǎo)創(chuàng)新型生產(chǎn)要素的流動(dòng),人工智能作為新一代信息技術(shù),通過賦能實(shí)體經(jīng)濟(jì),不斷推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級。智能化信息技術(shù)在產(chǎn)業(yè)間的滲透,一定程度上降低了不同主體之間的交易成本[13],提高了產(chǎn)業(yè)內(nèi)的生產(chǎn)效率,假設(shè)節(jié)約的交易成本為c,且0<c<1。此時(shí)廠商預(yù)期凈利潤為:
通過利潤最大化決策得到人工智能技術(shù)研發(fā)成功并投入使用的概率為:
即智能化信息技術(shù)不僅降低了產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級過程中的交易成本,還提高了人工智能技術(shù)研發(fā)成功概率。因此,進(jìn)一步得到人工智能技術(shù)帶來的技術(shù)進(jìn)步率為:
根據(jù)式(10),進(jìn)一步得出經(jīng)濟(jì)技術(shù)進(jìn)步率和交易成本c之間的關(guān)系為:
式(11) 表明,人工智能在推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級中降低的交易成本,能夠有效推動(dòng)人工智能技術(shù)研發(fā)成功概率,提高經(jīng)濟(jì)技術(shù)進(jìn)步率,帶動(dòng)經(jīng)濟(jì)增長。據(jù)此,本文提出研究假說3:人工智能在推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級過程中能夠有效促進(jìn)行業(yè)生產(chǎn)率的提升。
綜上所述,人工智能對生產(chǎn)效率的提升具有顯著的積極影響。人工智能作為新一代信息技術(shù),所具有的高技術(shù)性、高平臺(tái)性特征,突破了以往創(chuàng)新模式中買賣雙方信息不對稱問題,實(shí)現(xiàn)創(chuàng)新資源在產(chǎn)業(yè)鏈間的共享與整合,促進(jìn)科技成果有效轉(zhuǎn)化,以提高研發(fā)成功率,實(shí)現(xiàn)全要素生產(chǎn)率的提升。此外,人工智能具備的滲透性、協(xié)同性,促使企業(yè)經(jīng)營模式、參與主體、業(yè)務(wù)流程等偏向于網(wǎng)絡(luò)化、柔性化和個(gè)性化方向轉(zhuǎn)變,實(shí)現(xiàn)了關(guān)聯(lián)企業(yè)間的互惠互通,提升了經(jīng)濟(jì)整體的要素配置效率和生產(chǎn)率[14]。值得注意的是,人工智能也具有一定外部性。在直接影響本地區(qū)全要素生產(chǎn)率的同時(shí),還對鄰近地區(qū)生產(chǎn)率的提升具有溢出效應(yīng)。人工智能不同于傳統(tǒng)勞動(dòng)和資本,其憑借高流動(dòng)性的信息技術(shù),實(shí)現(xiàn)了多元主體的信息共享,打破了區(qū)域和空間障礙,其規(guī)模效應(yīng)和正外部性使得不同行業(yè)、不同領(lǐng)域的交互相融式創(chuàng)新成為可能[15]。鑒于此,有必要從空間視角探討人工智能對全要素生產(chǎn)率的作用。
另外,人工智能通過人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級實(shí)現(xiàn)要素生產(chǎn)率的提升。(1) 人力資本作為產(chǎn)業(yè)間公共物品,通過對技術(shù)的擴(kuò)散共享,提高生產(chǎn)效率以帶動(dòng)經(jīng)濟(jì)增長?,F(xiàn)階段,伴隨著人工智能的不斷發(fā)展,社會(huì)對高技能勞動(dòng)力等復(fù)合型人才的需求日益旺盛,在此背景下,對人力資本投資的持續(xù)性也逐漸增強(qiáng)。因此,人工智能技術(shù)通過與高技能勞動(dòng)力、企業(yè)家才能等要素融合,實(shí)現(xiàn)各種要素的互融互通,實(shí)現(xiàn)對傳統(tǒng)生產(chǎn)要素的重構(gòu),以新技術(shù)、新產(chǎn)品的研發(fā)推動(dòng)技術(shù)進(jìn)步,提高生產(chǎn)效率;(2) 產(chǎn)業(yè)結(jié)構(gòu)升級有助于引導(dǎo)創(chuàng)新型生產(chǎn)要素流動(dòng),實(shí)現(xiàn)技術(shù)變革,提高全要素生產(chǎn)率。當(dāng)前,人工智能作為新一代信息技術(shù)賦能實(shí)體經(jīng)濟(jì),實(shí)現(xiàn)對傳統(tǒng)產(chǎn)業(yè)技術(shù)的研發(fā)與創(chuàng)新,通過提升各產(chǎn)業(yè)間數(shù)字化、智能化水平,實(shí)現(xiàn)要素間高效協(xié)同配置,降低各主體之間的交易成本,提高行業(yè)內(nèi)勞動(dòng)生產(chǎn)率和管理效率,提升全要素生產(chǎn)率。
2.1.1 基本模型構(gòu)建
已有研究表明,全要素生產(chǎn)率具有顯著的空間自相關(guān)性,忽視空間效應(yīng)的估計(jì)結(jié)果會(huì)存在一定偏誤[16,17]。同時(shí),人工智能的滲透性、融合性等特征,使其憑借較高的信息網(wǎng)絡(luò)技術(shù)打破地理距離限制,產(chǎn)生空間溢出效應(yīng),出現(xiàn)本地區(qū)人工智能的發(fā)展對其他地區(qū)全要素生產(chǎn)率產(chǎn)生影響現(xiàn)象。因此,本文將采用空間計(jì)量研究分析人工智能與全要素生產(chǎn)率之間的作用效果及其影響機(jī)制問題。通過空間極大似然估計(jì)法對本文空間計(jì)量模型進(jìn)行選取,結(jié)果顯示LM(Lag)比LM(Error)更加顯著,并根據(jù)Wald 檢驗(yàn)結(jié)果,最終選用空間滯后模型(SAR)①。模型的具體設(shè)定形式如下:
進(jìn)一步分析人工智能對全要素生產(chǎn)率的傳導(dǎo)機(jī)制,構(gòu)建如下中介效應(yīng)模型為:
式(12)~(15) 中,i和t分別表示地區(qū)和年份,TFPit為全要素生產(chǎn)率,humit為人力資本投資,insit為產(chǎn)業(yè)結(jié)構(gòu)升級,AIit為人工智能,W為空間權(quán)重矩陣,ρ為空間自相關(guān)系數(shù),Xit為控制變量,εit為隨機(jī)誤差項(xiàng)。
2.1.2 空間權(quán)重矩陣構(gòu)建
依據(jù)新經(jīng)濟(jì)地理學(xué)“中心-外圍” 理論,本文主要從地理鄰接和地理距離兩方面構(gòu)建空間權(quán)重矩陣,說明兩個(gè)空間單元i和j之間的影響程度,更加全面的反應(yīng)人工智能與全要素生產(chǎn)率之間空間效應(yīng)。
鄰接權(quán)重矩陣(W0-1)。當(dāng)空間單元i和j鄰接時(shí),將鄰接權(quán)重矩陣賦值為1;當(dāng)空間單元i和j不鄰接時(shí),則將其賦值為0。具體表示為:
距離權(quán)重矩陣(Wgeo)。以兩單元之間地理距離為參考,認(rèn)為隨著地理距離的增加空間溢出效應(yīng)可能會(huì)逐漸衰減,具體表示為:
其中,di,j表示兩地區(qū)質(zhì)心之間的距離。
被解釋變量:全要素生產(chǎn)率(TFP)。目前,測算省級全要素生產(chǎn)率主要有基于增長核算的數(shù)據(jù)包絡(luò)分析法(DEA)和基于生產(chǎn)函數(shù)估算的隨機(jī)前沿分析法(SFA)兩種。相較于DEA 方法,基于生產(chǎn)函數(shù)核算的SFA 方法得到的TFP更能反映其真實(shí)性。SFA 通常將生產(chǎn)函數(shù)通常設(shè)定為Cobb-Douglas 和超越對數(shù)兩種形式,本文將設(shè)定為超越對數(shù)形式,以放松常規(guī)替代彈性的假設(shè),來檢驗(yàn)函數(shù)形式的有效性,能夠保證較好的擬合效果[18]。并根據(jù)Battese 和Coelli[19]的研究采用廣義似然率進(jìn)行檢驗(yàn),具體生產(chǎn)函數(shù)形式為:
uit={uitexp[η(t-T)]}~iidN+(μ,σ2u)
式(18) 中,Y、K和L分別代表產(chǎn)出、物質(zhì)資本和勞動(dòng)力數(shù)量;υit和uit分別為隨機(jī)干擾項(xiàng)和技術(shù)無效率項(xiàng);η為技術(shù)水平的時(shí)變參數(shù)。產(chǎn)出Yit采用經(jīng)2000 年不變價(jià)格平減處理后的GDP 衡量;對于投入指標(biāo)Kit,采用永續(xù)盤存法,以2007 年為基期,采用固定資產(chǎn)投資總額表示,為了考察估算區(qū)間內(nèi)每年實(shí)際投資額,運(yùn)用固定資產(chǎn)投資價(jià)格指數(shù)估算投資品價(jià)格指數(shù),同時(shí)將折舊率取值為5%[20]。將勞動(dòng)力Lit數(shù)量作為另一投入指標(biāo),用全社會(huì)從業(yè)人員數(shù)衡量。
核心變量:人工智能(AI)。本文參照Acemoglu 和Restrepo (2017)[21]的測度方法,采用各省(區(qū)、市)工業(yè)機(jī)器人的安裝密度衡量,具體數(shù)據(jù)源自IFR 數(shù)據(jù)庫。其中,IFR 數(shù)據(jù)庫是由機(jī)器人制造商統(tǒng)計(jì)的世界機(jī)器人的安裝和庫存總量。具體計(jì)算公式為:
其中,Robotsit代表i?。▍^(qū)、市)t年的工業(yè)機(jī)器人安裝量,Eijt代表i?。▍^(qū)、市)t年j行業(yè)的從業(yè)人數(shù)占全國j行業(yè)從業(yè)人數(shù)比重,Robotsjt代表IFR 數(shù)據(jù)庫中j行業(yè)t年的工業(yè)機(jī)器人安裝量,empit代表i?。▍^(qū)、市)t年的制造業(yè)從業(yè)人數(shù),J表示制造業(yè)行業(yè)數(shù)量。
其他核心變量:人力資本投資(hun)。隨著人工智能技術(shù)的發(fā)展,社會(huì)對高技能勞動(dòng)力和復(fù)合型人才的需求逐漸增加,因此,本文采用各地區(qū)教育經(jīng)費(fèi)占地區(qū)生產(chǎn)總值的比重衡量人力資本投資情況。
產(chǎn)業(yè)結(jié)構(gòu)升級(ins)。借鑒唐曉華和李靜雯(2022)[22]研究方法,用三大產(chǎn)業(yè)的產(chǎn)出和要素投入的耦合度衡量。認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)升級本質(zhì)上強(qiáng)調(diào)中觀層面的升級,以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和提升產(chǎn)業(yè)效率為目的,來最終實(shí)現(xiàn)資源要素在產(chǎn)業(yè)間的高效合理配置。其具體計(jì)算公式為:這里,i代表三次產(chǎn)業(yè),Y和E分別代表各產(chǎn)業(yè)產(chǎn)值和就業(yè)人數(shù)。
另外,為緩解遺漏變量可能造成的估計(jì)偏誤,本文進(jìn)一步控制對外開放水平(open)、對外貿(mào)易依存度(fdi)、財(cái)政支出水平(fiscal)以及金融發(fā)展水平(fin)變量,具體指標(biāo)說明和統(tǒng)計(jì)結(jié)果見表1。
表1 變量定義與描述性統(tǒng)計(jì)
(1) 數(shù)據(jù)說明
為了提高樣本數(shù)據(jù)的連續(xù)性和完備性,避免數(shù)據(jù)缺失嚴(yán)重的年份或者數(shù)據(jù)波動(dòng)性大的地區(qū)對本文的實(shí)證結(jié)果造成一定影響。本文最終選取2007~2021 年我國30 個(gè)省(區(qū)、市)的面板數(shù)據(jù),基于數(shù)據(jù)的可獲得性,西藏自治區(qū)、香港澳門特別行政區(qū)以及臺(tái)灣地區(qū)暫未涵蓋。衡量人工智能的原始數(shù)據(jù)來源于IFR 數(shù)據(jù)庫;衡量全要素生產(chǎn)率、人力資本投資、產(chǎn)業(yè)結(jié)構(gòu)升級、對外開放水平、對外貿(mào)易依存度、財(cái)政支出水平的原始數(shù)據(jù)主要來源于《中國統(tǒng)計(jì)年鑒》 及其計(jì)算。
(2) 人工智能與全要素生產(chǎn)率的相關(guān)性分析
為了初步揭示人工智能與全要素生產(chǎn)率是否有相關(guān)性,本文在測算兩組數(shù)據(jù)基礎(chǔ)上,運(yùn)用Stata 軟件繪制出人工智能發(fā)展水平和全要素生產(chǎn)率之間的散點(diǎn)圖和擬合直線(如圖1)??梢钥闯觯斯ぶ悄馨l(fā)展水平和全要素生產(chǎn)率之間呈現(xiàn)明顯的正相關(guān)關(guān)系,表明人工智能發(fā)展促進(jìn)了區(qū)域全要素生產(chǎn)率水平的提升。鑒于此,為檢驗(yàn)二者之間的關(guān)系是否可靠,本文將在回歸模型的基礎(chǔ)上進(jìn)行實(shí)證檢驗(yàn)與分析。
圖1 人工智能與全要素生產(chǎn)率的相關(guān)關(guān)系
在鄰接和距離權(quán)重矩陣下,全國和東、中、西部人工智能與全要素生產(chǎn)率的回歸估計(jì)結(jié)果如表2 所示。結(jié)果表明,從全國和分地區(qū)上看,人工智能能夠顯著促進(jìn)全要素生產(chǎn)率的提升,二者之間存在明顯的正相關(guān)關(guān)系,驗(yàn)證了前文研究假說1。具體而言,在鄰接和距離權(quán)重矩陣下,東部地區(qū)人工智能對全要素生產(chǎn)率的影響系數(shù)分別為0.127 和0.117,且在1%和5%的水平下顯著大于中、西部地區(qū),即人工智能對全要素生產(chǎn)率的激勵(lì)效果在東部明顯高于中、西部地區(qū)。其原因主要在于:東部地區(qū)信息化水平發(fā)展較高,人工智能技術(shù)應(yīng)用范圍相對較廣,技術(shù)的外溢帶動(dòng)形成規(guī)模效應(yīng),全面提升本地區(qū)全要素生產(chǎn)率水平。相比之下,中、西部地區(qū)信息技術(shù)水平相對較低,人工智能的發(fā)展還有待提升,同時(shí)受制于地方政府的干預(yù),知識(shí)產(chǎn)權(quán)保護(hù)意識(shí)淡薄,科技成果轉(zhuǎn)化能力不足,使得創(chuàng)新能力更依賴于自身要素的調(diào)節(jié),全要素生產(chǎn)率不高。
表2 人工智能與全要素生產(chǎn)率的SAR 模型估計(jì)結(jié)果
此外,表2 模型(1)~(8) 顯示在鄰接權(quán)重矩陣和距離權(quán)重矩陣下,全國和分地區(qū)全要素生產(chǎn)率的空間自相關(guān)系數(shù)ρ都通過了顯著性水平檢驗(yàn),并且均為正,說明全要素生產(chǎn)率具有顯著的空間依賴性。因此,本文根據(jù)SAR 模型的估計(jì)結(jié)果,進(jìn)一步測算了人工智能對全要素生產(chǎn)率的空間效應(yīng),結(jié)果如表3 所示。就全國而言,在兩種權(quán)重矩陣下,人工智能對全要素生產(chǎn)率的空間效應(yīng)顯著為正,其間接效應(yīng)的影響系數(shù)0.071 和0.052大于直接效應(yīng)的影響系數(shù)0.039 和0.033,這表明人工智能與全要素生產(chǎn)率之間存在明顯的空間溢出效應(yīng),說明人工智能在促進(jìn)本地區(qū)全要素生產(chǎn)率提升的同時(shí),對臨近地區(qū)的發(fā)展也起到良好的空間協(xié)同效應(yīng)。這說明人工智能除提升本地區(qū)全要素生產(chǎn)率外,還使得區(qū)域間信息技術(shù)、人力資本等交流的成本逐漸降低,先進(jìn)的技術(shù)能夠滲透到各個(gè)行業(yè),加大了周邊地區(qū)相關(guān)行業(yè)提質(zhì)增效的激勵(lì)作用,輻射帶動(dòng)了周邊地區(qū)全要素生產(chǎn)率的提升。
表3 人工智能對全要素生產(chǎn)率的空間效應(yīng)
就地區(qū)而言,在鄰接和距離空間權(quán)重矩陣下,東、中、西部地區(qū)的間接效應(yīng)同樣顯著大于直接效應(yīng)且為正,意味著地區(qū)差異性不影響人工智能對全要素生產(chǎn)率的空間溢出效應(yīng)。同時(shí),在兩種權(quán)重矩陣下,東部地區(qū)溢出效應(yīng)的影響系數(shù)分別為0.215 和0.292,且在1%和5%的水平下顯著大于中、西部地區(qū),相比于中、西部地區(qū),東部地區(qū)的促進(jìn)效果更明顯。這可能是因?yàn)椋簴|部地區(qū)高端裝備制造業(yè)、電子信息技術(shù)制造業(yè)等技術(shù)密集型產(chǎn)業(yè)較多,人工智能技術(shù)普及率高、適用范圍廣,所形成的規(guī)模效應(yīng)較大;另外,東部地區(qū)區(qū)域間經(jīng)濟(jì)聯(lián)動(dòng)性強(qiáng),具有較高的經(jīng)濟(jì)發(fā)展實(shí)力,產(chǎn)業(yè)分工更加合理,相對合理的產(chǎn)業(yè)結(jié)構(gòu)體系使得人工智能通過標(biāo)準(zhǔn)化的作業(yè)流程提高本地區(qū)勞動(dòng)生產(chǎn)率之外,還通過信息技術(shù)、人力資本等要素溢出滿足了鄰近地區(qū)的發(fā)展,帶動(dòng)周邊地區(qū)全要素生產(chǎn)率的提升。相比之下,東部地區(qū)直接效應(yīng)的影響系數(shù),即促進(jìn)效果相對大于中、西部地區(qū)。主要原因在于中、西部地區(qū)勞動(dòng)密集型產(chǎn)業(yè)偏多,人工智能應(yīng)用范圍狹小,工業(yè)智能化水平整體偏低,同時(shí)受限于自身智能化信息技術(shù)水平,導(dǎo)致人工智能的發(fā)展在對本地區(qū)全要素生產(chǎn)率提升效果不明顯的前提下,更無法對周邊地區(qū)全要素生產(chǎn)率產(chǎn)生明顯的正向溢出效應(yīng),反而會(huì)出現(xiàn)落后地區(qū)生產(chǎn)要素被發(fā)達(dá)地區(qū)所吸納的“虹吸現(xiàn)象”,降低了人工智能對全要素生產(chǎn)率的促進(jìn)效果。
本文進(jìn)一步檢驗(yàn)人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級的中介作用,具體回歸結(jié)果如表4 所示。其中模型(1) 和(2) 分別通過系統(tǒng)GMM 的方法檢驗(yàn)人工智能對人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級的影響,發(fā)現(xiàn)人工智能對二者的影響均在1%的水平下顯著,且系數(shù)分別為0.003 和0.022,說明人工智能的發(fā)展增加了人力資本的投資,促進(jìn)了產(chǎn)業(yè)結(jié)構(gòu)的升級。且AR(1)、AR(2)以及Sargan 的檢驗(yàn)結(jié)果均表明該模型選取以及估計(jì)結(jié)果的合理性。進(jìn)一步來看,表4 中模型(3) 和(4) 是分別引入鄰接權(quán)重矩陣和距離權(quán)重矩陣下人工智能發(fā)展與人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級對全要素生產(chǎn)率的影響。從結(jié)果來看,在鄰接和距離權(quán)重矩陣下,人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級對全要素生產(chǎn)率的回歸系數(shù)顯著為正,即人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級對全要素生產(chǎn)率的提升存在積極影響。綜合模型(1) 和(2) 的結(jié)論進(jìn)一步表明人工智能發(fā)展通過人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級實(shí)現(xiàn)全要素生產(chǎn)率的提升。驗(yàn)證了前文研究假說2 和3。
表4 人工智能對全要素生產(chǎn)率影響機(jī)制檢驗(yàn)
3.3.1 內(nèi)生性檢驗(yàn)
為了進(jìn)一步證明實(shí)證結(jié)果的穩(wěn)健性,借鑒陶長琪和彭永樟(2017)[23]的做法,運(yùn)用系統(tǒng)GMM替換基準(zhǔn)回歸模型,其回歸結(jié)果如表5 模型(1)和(2) 所示,Sargan 值通過了檢驗(yàn),說明滯后1期人工智能作為工具變量的合理性。同時(shí),人工智能對全要素生產(chǎn)率的影響系數(shù)顯著為正,進(jìn)一步表明,人工智能對全要素生產(chǎn)率的積極作用再次得到證實(shí),同時(shí),人工智能發(fā)展也會(huì)通過人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級間接影響全要素生產(chǎn)率的提升。
表5 內(nèi)生性和穩(wěn)健性檢驗(yàn)
3.3.2 穩(wěn)健性檢驗(yàn)
(1) 替換空間權(quán)重矩陣。空間權(quán)重矩陣的差異容易造成變量之間空間關(guān)聯(lián)度的偏差[24]。為了降低人工智能與全要素生產(chǎn)率的空間關(guān)聯(lián)度偏差,本文進(jìn)一步構(gòu)建經(jīng)濟(jì)空間權(quán)重矩陣(Weco),用兩個(gè)空間單元(i,j)之間人均GDP 差額的倒數(shù)表示,具體度量規(guī)則如下:
其中,GDPi、GDPj分別表示地區(qū)i和地區(qū)j的人均GDP 水平。表5 中模型(3) 和(4) 為替換空間權(quán)重矩陣的估計(jì)結(jié)果??梢钥闯?,在經(jīng)濟(jì)權(quán)重矩陣下,人工智能對全要素生產(chǎn)率的影響系數(shù)依然顯著為正,這與基準(zhǔn)回歸結(jié)果相符。
(2) 替換核心解釋變量衡量方式。借鑒已有文獻(xiàn)的做法,本文采取信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)固定資產(chǎn)投資額作為人工智能的指標(biāo)參數(shù)[25]。表5 中模型(5)~(8) 給出了鄰接權(quán)重矩陣和距離權(quán)重矩陣下更換人工智能核心解釋變量的估計(jì)結(jié)果,發(fā)現(xiàn)人工智能依然能夠顯著促進(jìn)全要素生產(chǎn)率提升,這與基準(zhǔn)回歸結(jié)果相符。同時(shí),也能夠驗(yàn)證產(chǎn)業(yè)結(jié)構(gòu)升級和人力資本投資成為人工智能促進(jìn)全要素生產(chǎn)率提升的重要路徑。綜上所述,考慮替換空間權(quán)重矩陣、更換核心變量的衡量方式,使用滯后1 期解釋變量等因素后,本文的實(shí)證結(jié)果保持穩(wěn)健。
本文運(yùn)用空間自相關(guān)回歸模型(SAR),分析空間視角下人工智能對全要素生產(chǎn)率的影響及其作用機(jī)制,得出以下結(jié)論:(1) 人工智能對全要素生產(chǎn)率的提升具有顯著的促進(jìn)作用。同時(shí),該促進(jìn)效果存在顯著的空間溢出效應(yīng),即人工智能發(fā)展在提升本地區(qū)全要素生產(chǎn)率的同時(shí),也能促進(jìn)鄰近地區(qū)全要素生產(chǎn)率的提升;(2) 人工智能影響全要素生產(chǎn)率會(huì)因地區(qū)差異而表現(xiàn)出不同效應(yīng),東部地區(qū)的促進(jìn)效果優(yōu)于中部和西部地區(qū);(3) 進(jìn)一步研究發(fā)現(xiàn),人工智能主要通過人力資本投資和產(chǎn)業(yè)結(jié)構(gòu)升級而實(shí)現(xiàn)全要素生產(chǎn)率的提升。
基于上述研究結(jié)論,得到如下政策啟示:
(1) 充分利用互聯(lián)網(wǎng)和大數(shù)據(jù)新生服務(wù)業(yè)態(tài),推進(jìn)人工智能產(chǎn)業(yè)發(fā)展。要轉(zhuǎn)變傳統(tǒng)發(fā)展模式,充分借助互聯(lián)網(wǎng)和大數(shù)據(jù)的發(fā)展平臺(tái),有效對接科研院所和高校等供給方與智能化生產(chǎn)要素等需求方,實(shí)現(xiàn)在發(fā)展本地區(qū)人工智能產(chǎn)業(yè)的同時(shí),帶動(dòng)其他地區(qū)智能化及相關(guān)產(chǎn)業(yè)的發(fā)展,推動(dòng)經(jīng)濟(jì)整體全要素生產(chǎn)率的提升;另外,地方政府應(yīng)建立完善的系統(tǒng)性支撐體系和財(cái)政補(bǔ)貼政策,為企業(yè)研發(fā)投入提供重要保障。同時(shí),要打造兼顧技能型和智能化的產(chǎn)業(yè)創(chuàng)新體系,為繼續(xù)開拓人工智能相關(guān)產(chǎn)業(yè)發(fā)展奠定基礎(chǔ),為提升全要素生產(chǎn)率提供有力的保障。
(2) 完善政策環(huán)境,因地制宜推動(dòng)人工智能發(fā)展。一方面,要探索人工智能與本地區(qū)產(chǎn)業(yè)融合的平衡點(diǎn),形成適合本地區(qū)的發(fā)展體系。中、西部地區(qū)應(yīng)該進(jìn)一步加強(qiáng)智能化信息技術(shù)的開發(fā)和應(yīng)用,布局與地區(qū)產(chǎn)業(yè)相適應(yīng)的人工智能技術(shù)開發(fā)試點(diǎn),在培育區(qū)域發(fā)展新業(yè)態(tài)的同時(shí),充分釋放人工智能對地區(qū)產(chǎn)業(yè)發(fā)展的帶動(dòng)作用;另外,中、西部地區(qū)要建立完善的人才支持政策,吸引東部地區(qū)智能型技術(shù)人才積極流入中、西部地區(qū),破除阻礙中、西部地區(qū)人工智能產(chǎn)業(yè)發(fā)展門檻,突破原有發(fā)展界限,積極開放市場,引導(dǎo)人才跨區(qū)域的交流與合作,實(shí)現(xiàn)產(chǎn)業(yè)鏈向多維度發(fā)展,推動(dòng)生產(chǎn)效率的提升。
(3) 適應(yīng)人工智能發(fā)展新需求,助力全要素生產(chǎn)率提升。伴隨著人工智能的不斷發(fā)展,高技能勞動(dòng)力等復(fù)合型人才需求不斷增加,在此形式下,必然增強(qiáng)對人力資本投資的持續(xù)性。因此,要把握人力資本投資的合理性,在區(qū)域內(nèi)部要注意避免“買斷式” 的人才引進(jìn)方式,避免出現(xiàn)勞動(dòng)力就業(yè)結(jié)構(gòu)的兩極化,合理激發(fā)勞動(dòng)者的創(chuàng)新活力,推動(dòng)新產(chǎn)品和新技術(shù)的開發(fā)和使用;另外,人工智能的發(fā)展實(shí)現(xiàn)了上下游產(chǎn)業(yè)之間智能化,降低了各主體之間的交易成本。因此,在推進(jìn)人工智能技術(shù)研發(fā)與創(chuàng)新的同時(shí),應(yīng)注重完善要素的市場化配置,促進(jìn)要素間高效率的配置與流動(dòng),積極引導(dǎo)技能型生產(chǎn)要素向高成長性行業(yè)流動(dòng),提升全要素生產(chǎn)率。
注釋:
①限于篇幅,空間極大似然估計(jì)結(jié)果此處未提供,備索。
工業(yè)技術(shù)經(jīng)濟(jì)2023年11期