作者：刘征驰 高翔宇 陈文武 伍子祺

一、引言

随着人口红利的快速收缩与资本边际收益的不断递减，以要素积累为基础的中国经济增长原有动力机制已逐渐弱化，亟须加快形成新质生产力，助推中国经济增长从要素驱动转向效率驱动，以实现经济高质量发展。值得庆幸的是，中国经济转型恰逢大数据、人工智能等变革性数智技术蓬勃发展。自动化、智能化生产技术被广泛应用于中国经济社会运行的各方面与全过程，正推动中国经济从基于“机器换人”的自动化转向基于“数据换人”的智能化，这一数字技术跃迁将为中国加快形成新质生产力、推动经济高质量发展提供强大的支撑力与驱动力。

实际上，2013年发布的《工业和信息化部关于推进工业机器人产业发展的指导意见》就明确指出“在重要工业制造领域推进工业机器人的规模化示范应用”的发展目标。2010年前后，在劳动力成本上升的现实冲击和国家政策鼓励支持的双重推力作用下，国内企业掀起了“机器换人”的浪潮，机器人的市场需求与应用规模增长迅猛。国际机器人联合会（International Federation of Robotics，下文简称IFR）发布的《2023世界机器人报告》显示，2017—2022年，中国机器人安装量年均增长率高达13%。2022年，我国机器人安装量达29万余台，位居世界第一。

近年来，随着大数据、云计算、机器学习等新一代数字技术的快速发展，中国经济社会生产方式正处于从自动化向智能化的升级进程中。清华大学-中国工程院知识智能联合研究中心、清华大学人工智能研究院知识智能研究中心与中国人工智能学会联合发布的《中国人工智能发展报告2020》显示，2011—2020年中国人工智能领域的专利申请量高达38万件，约占全球申请量74.7%。实际上，随着智能技术在中国经济社会各行业的快速普及与广泛应用，微观企业生产过程的智能化程度也得到了大幅提升。

在企业生产从自动化向智能化转型的现实背景下，亟待从理论和实证层面进行探究的问题是：自动化、智能化是否都会显著影响企业全要素生产率？自动化、智能化对企业全要素生产率的影响有何不同？本文尝试从理论分析与实证检验两方面回答上述问题。具体来说，本文首先从理论上分析了自动化、智能化影响企业全要素生产率的作用机制。其次，本文通过处理企业专利文本数据，并匹配CSMAR（中国经济金融研究数据库）、Wind和中经网数据库的相关数据，在衡量企业生产自动化、智能化水平以及全要素生产率的基础上，实证分析了自动化、智能化对企业全要素生产率的影响及其差异。与既有文献相比，本文边际贡献主要有以下两点：第一，首次基于专利文本数据，利用文本分析法从微观层面衡量了企业生产自动化、智能化水平；第二，首次从微观层面比较研究了自动化、智能化对企业全要素生产率的影响与差异。在理论机制层面，本文提出，企业生产技术从自动化到智能化的演进并非简单技术升级，而是从“机器换人”到“数据换人”的巨大跃迁。因此，虽然自动化和智能化同属于数字技术应用，但它们提升企业生产效率的作用机制却存在较大差异。

二、理论机制分析

（一）替代效应与互补效应

1.替代效应：自动化和智能化兼具

随着企业自动化和智能化技术应用的不断推进，内含前沿技术的先进设备凭借比较优势会逐步替代从事常规性及重复性任务的人力劳动，即替代效应。中低技能劳动力从事的工作具有重复性、程式化等特点，因而更容易受到以自动化为核心技术的工业机器人和具备自主学习能力的智能机器人的双重替代冲击，譬如银行出纳员、物流分拣员等。由“机器换人”产生的替代效应会给企业生产过程带来多方面影响：

（1）直接提高企业生产率。相较于人工劳动，机械臂、智能机器人等自动化或智能化技术具有更高的稳定性和可靠性，从而能够更高效率地完成相关生产任务。

（2）降低企业生产成本。自动化、智能化技术的采用可以缓解劳动力流转对企业生产效率的负面影响。例如，当企业层面存在较高的员工变动率、离职率以及临时工比例时，企业的人力成本会随之上升。“机器换人”可以通过替代企业中低技能劳动力，提高常规性生产的便利性，进而缓解人力成本对企业生产效率的负面作用。

综上可知，自动化和智能化技术的“替代效应”理论上能够促进企业全要素生产率提升。

2.互补效应：智能化独有

高技能劳动力与智能化技术之间的协同，是智能化技术提升企业全要素生产率的关键。具体而言，智能化技术的互补效应主要体现在以下两个方面：

（1）智能化技术的应用会增加企业高技能劳动力的占比，进而通过优化企业的人力资本结构提高企业生产效率。具体来说，智能化技术的应用改变了企业的生产方式与组织结构。为了可以更灵活快速地有效匹配智能化技术带来的生产方式变革，企业对劳动力提出了更高的要求，同时也对高技能劳动力数量提出了更多的需求。例如，我国领先的金融科技平台——京东金融，就通过智能化技术的应用创造了3000多个风险管理和数据分析岗位，以优化数字化贷款的算法，完成更多非程序化任务。由此可知，智能化技术不仅可以通过优化企业人力资本结构直接提升企业生产效率，同时人力资本结构的优化也可以进一步增强企业吸收和应用技术的能力，从而提升智能化技术在企业中的利用效率，进而提升企业全要素生产率。

（2）智能化技术与高技能劳动力形成有效互补，通过提高高技能劳动生产率来提升企业生产效率。譬如，智能设备辅助医生进行医疗诊断，机器学习和大数据技术为保险商进行风险定价等。智能化技术与高技能劳动力的有效配合，为高技能劳动力省去了部分必要但烦琐的常规性工作，使其被配置到回报与价值更高的非常规性生产工作中，改善生产要素配置效率的同时提升了高技能劳动生产率。

综上可知，智能化技术和高技能劳动力两种要素投入之间的相互赋能与协作，是企业生产效率提升的重要路径之一。

（二）“干中学”与“用中学”效应

1.“干中学”效应：自动化和智能化兼具

随着自动化和智能化技术的发展，新技术的应用为企业带来了“干中学”效应。企业生产活动中的经验积累有助于提高企业生产效率，即“干中学”效应。然而，在给定生产技术不变的情况下，“干中学”效应也具有边际递减的特征，无法持续推动企业全要素生产率的提升。近年来蓬勃发展的新一轮自动化、智能化生产技术变革，为发挥新一轮“干中学”效应提供了新的驱动力。特别是，与“蒸汽化”“电气化”等以往生产技术变革不同，由于大数据、物联网等新型技术的应用，新一轮自动化、智能化生产技术变革过程中的隐性生产经验可以便捷快速地转化为具有非竞争性的显性数据知识，进而能够更迅捷地在更大范围内产生“干中学”效应。总的来说，自动化、智能化作为新一轮变革性技术，或将通过驱动新一轮的“干中学”效应，提高企业全要素生产率。

2.“用中学”效应：智能化独有

与自动化技术不同，智能化技术不仅具有“干中学”效应，同时也具有“用中学”效应。与“干中学”效应在生产过程中学习提高生产效率不同，“用中学”效应是指通过对消费行为的学习，提高企业生产效率。在当前智能经济时代，由于数字平台、智能终端等具有数据采集功能的数字工具的大量部署和应用，直接面向消费者的企业能够轻易积累海量消费者特性与行为数据，例如点赞、评论、反馈、投诉信息等。当这些海量消费者特性和行为数据与大数据、人工智能等智能技术相结合时，便可以被转化为可被企业直接利用的生产或研发经验，进而推动企业生产效率提升。例如，企业利用基于大数据的用户画像，实现用户需求侧的个性化定制，有效打破高库存“魔咒”并增加企业效益；智能系统基于即时反馈的用户数据，快速实现产品研发革新，进而通过增强创新产品的供给能力，提高企业创新效率和效益。

综上，本文认为，除“干中学”效应以外，智能化技术还能通过“用中学”效应提高企业全要素生产率。基于上述分析，自动化通过替代效应、“干中学”效应提升企业全要素生产率，智能化则通过替代效应、互补效应、“干中学”效应、“用中学”效应提升企业全要素生产率。

三、自动化和智能化对企业全要素生产率的影响分析

基于上述理论分析，本文在利用文本分析法从微观企业层面测度自动化、智能化水平，并理论分析自动化、智能化影响企业全要素生产率的作用机制的基础上，结合中国沪深A股上市企业2013—2019年数据，实证检验了自动化、智能化技术对企业全要素生产率的影响及其作用机制。研究发现，自动化、智能化均能显著提升企业全要素生产率，但智能化的提升作用更为显著。机制检验表明，自动化与智能化对企业全要素生产率的作用渠道具有差异性。自动化会通过替代效应与“干中学”效应两种途径显著提升企业全要素生产率，而智能化则会通过替代效应、互补效应、“干中学”效应和“用中学”效应这四种途径，显著提升企业全要素生产率。

此外，对于属于不同产权性质，或不同行业的企业，由于其优劣势以及生产技术性质的差异，自动化、智能化发挥作用的程度也可能存在差异。因此，本文从企业产权性质和所在行业两方面进行异质性分析。从企业产权性质展开异质性分析，自动化和智能化对国有企业和非国有企业具有非对称的影响，自动化显著提升了非国有企业全要素生产率，而智能化则对国有企业全要素生产率具有显著影响。自动化对国有企业全要素生产率的促进作用不显著的原因可能是，国有企业的员工流动性相对于非国有企业更低，导致自动化的替代效应在国有企业中难以发挥较大作用，从而使得自动化对国有企业的全要素生产率提升作用有限；智能化对非国有企业全要素生产率的促进作用不显著的原因可能是，当前智能技术的发展还处于初级阶段，其研发与应用成本都相对较高。相对于国有企业，无论在人才还是资金方面，非国有企业都处于显著劣势，从而使得非国有企业的智能化水平还相对有限，进而导致智能化通过替代、互补、“干中学”和“用中学”效应提升非国有企业全要素生产率的作用也相对有限。从企业所在行业展开异质性分析，自动化和智能化与不同生产特性行业的融合程度也存在差异性，自动化对制造业企业全要素生产率显著，而智能化对信息传输、软件和信息技术服务业企业全要素生产率的提升更为显著。这主要是因为，制造业的生产任务是典型的标准化与流水线式的，更容易实现自动化，同时也使得自动化更容易通过替代效应与“干中学”效应提升企业全要素生产率；信息传输、软件和信息技术服务业则是典型的数据密集型与人才密集型行业，更容易实现智能化，同时使得智能化更容易通过替代效应、互补效应、“干中学”效应与“用中学”效应提升企业全要素生产率。

四、研究结论与政策启示

在当前数智经济蓬勃发展的新时代背景下，经济活动的自动化、智能化转型已成为中国加快形成新质生产力、推动经济高质量发展的内在要求。本文在利用文本分析法从微观企业层面测度自动化、智能化水平的基础上，理论分析并实证检验了自动化、智能化对企业全要素生产率的影响及其作用机制。研究表明，自动化、智能化均能显著提升企业全要素生产率，但智能化的提升作用相对更大。自动化主要通过替代效应和“干中学”效应推动企业全要素生产率提高，智能化主要通过替代效应、互补效应、“干中学”效应与“用中学”效应推动企业全要素生产率提高。自动化、智能化在国有企业与非国有企业，以及在不同行业的企业中，对全要素生产率的作用具有差异性。

新一代人工智能技术是赢得全球科技竞争主动权的重要抓手，同时也是新一轮科技革命的驱动力、产业变革的牵引力，企业生产技术从自动化向智能化跃迁已经势不可逆。本文研究为应对新一轮智能技术变革的机遇与挑战提供了重要政策启示：

第一，加快推动企业生产从自动化向智能化的技术跃迁，助力新质生产力形成与经济高质量发展。在已有自动化生产技术的基础上，进一步推动企业生产技术向智能化跃迁能够带来企业生产效率的进一步提升。因此，相关政府决策层应更积极地顺应当前数智经济时代企业生产方式从“自动化”向“智能化”跃迁的潮流，积极把握智能技术发展的重大机会。一方面，通过制定财税优惠政策、布局建设智能技术创新基地等措施支持引导智能技术发展，为企业生产技术智能化跃迁提供基础技术支撑；另一方面，也要通过转型引导、资金支持和试点应用等手段加快推动农业、工业、服务业等传统产业企业对智能技术的采用。

第二，加强对生产数据、用户数据的利用，通过释放数据要素价值进一步提高企业与社会生产效率。一方面，充分调动企业激活数据要素潜能的积极性，通过应用自动化、智能化技术，规范数据采集和开发流程，提高数据采集效率和开发能力。另一方面，激励企业深入挖掘数据要素价值，深化数据开发利用，探索数据要素应用场景，推动智能化技术与大数据的融合创新，强化数据对企业业务的支撑能力。

第二，加快调整劳动力市场技能结构，确保劳动力市场快速适应经济社会生产方式从自动化向智能化跃迁的过程。要加快建立适应智能技术生产方式的学习与就业培训体系，支持高等院校、职业学校和社会化培训机构等开展智能化技能培训，提升就业人员对智能技术发展的适应性。与此同时，也要加强对被技术替代的劳动力再就业培训和指导，确保因智能技术跃迁失业的人员顺利转岗。

第三，智能技术跃迁具有较强的行业异质性与企业差异性，要超前做好战略部署，积极应对生产技术从自动化向智能化跃迁可能带来的不平衡、不协调问题。例如，可以通过实施全行业、全产业链的企业生产智能化转型促进工程，深入开展不同行业、不同类型企业“携手行动”，推动产业链供应链上下游企业、国有企业和非国有企业融通创新。

（原文刊发于《经济评论》2024年第4期，第73—89页。作者分别系湖南大学经济与贸易学院教授、博士生导师，北京大学长沙计算与数字经济研究院研究实习员，香港中文大学深圳数据经济研究院博士后，南方科技大学理学院本科生）