工业机器人如何「换人」？来自中国制造业上市公司的经验证据

图源：图虫

编者按：本文来自微信公众号机器之能（ID：almosthuman2017），作者机器之能，创业邦经授权转载。

技术进步将把人类引向何方，经济学家从未停止过思考。早在20世纪初，凯恩斯就曾做出人类将面临「技术性失业」的著名预言（Keynes，1930）。如今，人工智能（AI）和机器人技术的迅猛发展在推动生产力进步的同时，也加速了劳动力市场上机器人对人的替代，给人类工作带来前所未有的挑战（Frey&Osborne;，2017）。麦肯锡全球研究院的一项最新研究指出，到2030年，全球将会有4—8亿人口的工作被机器人取代，而中国将会有31％的工作时间被自动化（MGI，2017）。未来，人类工作将会在多大程度上被机器人所替代？人工智能与机器人技术的快速发展给人类带来的究竟是机遇还是挑战？这一系列问题已经成为不可忽视的全球性议题（WorldBank，2019）。

2015年国务院颁布《中国制造2025》，将发展智能制造列为实现制造业强国目标的「五大工程」之一。十九大报告进一步明确了「加快建设制造业强国，加快发展先进制造业」的发展目标。目前，机器人应用已经成为推动中国从「制造大国」向「制造强国」转变，实现经济「高质量发展」的重要力量。根据国际机器人联合会（international federation of robotics，IFR）定义，工业机器人是一种可自动控制（automatically controlled）、可重复编程（reprorammable）、可完成多目标任务（multi-purpose）的机械，是面向工业领域的多关节机械手或多自由度机器人，可在一些单调、繁复和长时间的工作中替代人类。数据显示，从2010-2017年，中国工业机器人保有量年均增长率达到37.73％；2016年中国首次超越日本成为全球工业机器人存量最大的国家（如图１所示）；2017年中国工业机器人销量达到13.79万台，占当年全球总销量的36％。作为一个处于经济转型期的发展中大国，机器人应用的迅猛发展势必会对中国当前以及未来的劳动力市场带来深刻影响。然而，现有研究多集中于探讨机器人兴起如何影响欧美等发达经济体的劳动力市场（Acemoglu&Restrepo;，2020；Graetz＆Guy，2018；Dauth et al.，2018），来自发展中国家的证据仍然相对缺乏。即使有少量研究关注了中国的机器人和人工智能发展及其经济影响（Cheng et al.,2019；陈彦斌等，2019），但多侧重于理论层面的讨论，缺乏系统性的实证研究。

本文利用IFR公布的2011—2015年行业层面的机器人数据及中国制造业上市公司的微观数据，基于「巴蒂克工具变量」（Bartik，1991;Goldsmith-Pinkham et al.,2020）的思想构造了中国企业层面的工业机器人渗透度指标，在此基础上，采用工具变量法实证检验了机器人应用对中国制造业上市公司劳动力需求和工资的影响。实证结果表明，总体来看，工业机器人应用对企业的劳动力需求产生了一定的替代效应（工业机器人渗透度每增加1％，企业的劳动力需求下降0.18％），并且这种替代效应呈现出明显的结构性特征，但是对企业的工资水平没有明显影响。具体而言，工业机器人对劳动力的替代主要存在于本科和专科学历的员工群体中，其替代弹性分别为-0.27和-0.44；而对于高中及以下学历劳动力，机器人应用对其有显著的挤入效应；对于研究生及以上学历群体，则没有明显影响。本文进一步从市场结构、融资约束和企业所有权性质三个维度考察了机器人应用对企业劳动力需求和工资的影响机制。研究发现，在市场集中度越高的行业、外部融资依赖度越高的行业和非国有企业中，工业机器人渗透度的提高对劳动力需求的替代效应越明显。为了全面识别工业机器人应用对劳动力市场的整体和长期影响，本文还就机器人应用对企业劳动力需求的产业链传导效应及其长期效应进行了初步探讨。

本文的创新之处和研究意义在于：第一，首次采用企业层面的微观数据，利用工具变量法，在解决模型内生性问题的基础上系统检验了机器人应用对中国劳动力市场的影响。从国际范围来看，也是较早使用企业层面的微观数据研究机器人的劳动力市场影响的论文。第二，深入剖析了机器人应用对劳动力市场影响的微观机制。现有研究大多从宏观视角出发，关注机器人应用对区域劳动力市场的影响，缺乏对其影响机制的深入探讨。本文的研究发现，从微观层面来看，市场结构、融资约束以及企业自身面临的制度约束都可能会导致机器人应用对企业劳动力需求的影响存在差异。本文的研究结论意味着，机器人应用对劳动力市场的影响并非「局部性」的，而需要从经济社会发展的全局来考虑，它与国家的产业竞争政策、金融发展程度、制度环境、社会保障政策等息息相关。有效应对机器人兴起对社会经济发展带来的挑战、并迎接机遇，需要制度和政策的统筹协调，以促进中国经济的包容性增长和高质量发展。

本文余下部分结构安排如下：第二部分在文献评述的基础上提出本文的研究假说；第三部分介绍本文的数据、工业机器人渗透度的测度方法和分布特征；第四部分实证分析工业机器人应用对企业劳动力需求和工资的影响；第五部分探讨其背后的微观影响机制；第六部分进一步分析机器人应用对企业劳动力需求的产业链传导效应和长期影响；第七部分是结论和建议。

（一）技术进步对劳动力需求和工资的影响

Autor et al.（2003）提出的「基于任务的模型」（task-based model）考虑了技术与劳动力在不同任务中的比较优势，弥补了新古典经济增长模型忽视了技术进步对劳动力需求和工资还可能存在替代效应的缺陷，为研究自动化技术对劳动力市场的影响提供了基准的分析框架。基于该分析框架的研究发现，在理论上，自动化技术对劳动力需求和工资的影响并不一致，即存在负向的替代效应和正向的生产力效应与就业创造效应。

替代效应。在基于任务的模型分析框架下，劳动力与自动化技术在不同的工作中具有各自的比较优势。当自动化技术相对于劳动力更具有比较优势时，劳动力就会被自动化技术所取代，即替代效应。替代效应会导致均衡中的劳动力需求和工资下降（Autor et al.，2003；Acemoglu&Restrepo;，2018,2020）。机器人的使用有助于提高企业生产的自动化水平，在一些机器人相对于人力更具有比较优势的岗位上实现机器对人的替代，从而节约劳动力成本，提高生产效率。而在劳动力供给不变的情况下，劳动力需求下降会降低均衡的工资水平。此外，在雇主和雇员的薪酬谈判中，当雇员的工作越容易被机器人替代时，其议价能力越低，为了获得工作更有可能接受一个较低的工资水平。因此在替代效应作用下，机器人应用可能会降低企业的劳动力需求和员工的平均工资水平。

生产力效应。该效应的作用机制主要体现在以下三个方面：其一，自动化技术的应用有利于企业节约生产经营成本，使得受自动化技术影响的商品和服务的价格下降，并通过「收入效应」增加消费者对该商品或服务的消费需求。在均衡中，消费者需求增加会使企业进一步扩大生产经营规模，从而增加劳动力需求。其二，在「收入效应」影响下，消费者还会增加对其他行业产品的需求，进而导致相关行业的生产规模扩大，劳动力需求上升。例如，研究发现，在欧美等国家，农业机械化水平提高导致食品价格下降，使得消费者的实际收入上升，增加了对非农商品的消费，从而为非农行业创造了大量的就业机会（Herrendorf et al.，2013）。其三，自动化技术的应用导致企业生产经营成本下降，企业自身会有主动扩大生产经营规模的激励，从而增加对非自动化岗位的劳动力需求。机器人应用有助于企业节约生产成本，提高生产效率，扩大生产规模，增加对非自动化岗位的劳动力需求。而随着机器人应用带来劳动生产率的普遍提高，也可能会进一步提高员工的工资水平。

就业创造效应。自动化在取代一部分劳动岗位的同时，也会创造出新的人力更具比较优势的工作岗位，均衡中自动化如何影响劳动力市场则取决于两种影响的净效应。有研究指出，就业创造效应可以解释美国1980-2010年就业增长的一半左右（Acemoglu&Restrepo;，2018）。而人工智能和机器人技术的广泛应用无疑会创造出更多的新业态、新模式和新的就业岗位。例如，机器人应用可能会使企业增加对机器人工程师、维修师等新工作岗位的需求。综上，以机器人为代表的自动化技术对劳动力市场的影响并非简单单向的，而是取决于负向的替代效应，以及正向的生产力效应和就业创造效应的综合影响。基于上述分析，本文提出以下两个待验证的假说：

H1：从企业层面来看，当替代效应占主导时，机器人应用程度的提高会减少企业的劳动力需求，降低企业的平均工资水平。

H2：从企业层面来看，当生产力效应和就业创造效应占主导时，机器人应用程度的提高会增加企业的劳动力需求，提升企业的平均工资水平。

（二）技术进步对就业结构的影响

针对欧美等发达经济体的研究发现，技术进步对不同技能劳动者的影响往往是非线性的，存在明显的就业极化（job polarization）现象，即高技能和低技能劳动者的就业呈现出上升趋势，而中等技能劳动者的就业比例明显下降（Autor et al.，2006;Acemoglu&Autor;,2011）。关于就业极化现象，一个具有代表性的解释是，中等技能劳动者往往从事的是程序化、常规性的工作，而随着信息技术（ICT）和自动化技术的进步，这些工作最容易被替代。相比较而言，高技能劳动者多从事非常规复杂劳动，而低技能劳动者多从事非常规简单劳动，被机器替代的可能性较小（Autor et al.,2003）。在实证研究中，学者们利用不同国家的经验证据对上述假说进行了验证（Goos et al.,；Autor&Dorn;，2013）。最新研究发现，自20世纪50年代以来，制造业领域对中等技能员工需求的减少已经成为一种全球性趋势（Kunst，2019）。

机器人应用不仅会导致企业劳动力需求和工资的总量变化，也可能会带来相应的结构调整。对不同技能结构的劳动力需求而言，机器人在替代部分可自动化工作的同时也会进一步提高企业对非自动化岗位、与机器人技能互补岗位的劳动力需求。诸多研究表明，自动化技术对中等技能劳动者的替代性最强，而与高低技能劳动者存在互补效应。因此，机器人应用可能会导致不同技能劳动者之间的「就业极化」。而在工资方面，机器人应用会使得企业利润在不同部门、不同技能员工间重新分配，可能会进一步加剧高技术人才与低技能员工间工资收入的两极分化。基于上述分析，本文提出第三个待验证的假说：

H3：机器人应用程度提高会导致企业对高技能和低技能劳动者的需求增加，对中等技能劳动者需求减少。

（一）数据来源

本文使用的工业机器人数据来自IFR。该组织每年对全球机器人制造商进行调查，根据机器人制造商提供的一手数据统计形成「国家－行业－年度」层面的世界机器人统计数据，这也是目前世界范围内最权威的机器人统计数据。鉴于工业机器人主要应用于制造业领域，因此本文主要利用制造业行业中类（二位数行业代码）的工业机器人数据进行分析。与现有研究主要侧重于行业或地区等宏观层面的分析不同，本文着眼于从微观层面考察工业机器人应用如何影响企业的劳动力需求和工资水平。基于微观数据的分析，有助于进一步理解机器人应用对劳动力市场影响的微观机制，为政策制定提供更准确可靠的依据。尽管中国规模以上工业企业数据库（以下简称工企数据库）在研究中国工业企业行为方面具有独特优势，但是考虑到中国工业机器人的使用在2010年之后才呈现出快速上升趋势，且工企数据库中2007年之后的数据有明显缺失，因此本文在实证研究中主要采用2011-2015年中国沪深两市Ａ股制造业上市公司的数据进行分析。其中，企业员工构成、企业经营等数据来自Wind数据库，员工薪酬数据来自国泰安数据库（CSMAR）。本文用到的其他数据还包括：中国制造业分行业就业数据来自《中国工业统计年鉴》；城市层面的相关经济数据来自《中国城市统计年鉴》；美国分行业就业数据来自NBER-CES。

（二）工业机器人渗透度的测度方法

Acemoglu&Restrepo; （2020）采用一般均衡模型考察了机器人应用对美国区域劳动力市场的影响，并基于模型结论构造了度量美国区域层面「机器人渗透度」的指标，其构造思想类似于「巴蒂克工具变量」（bartik instrument）（Bartik,1991;Goldsmith-Pinkham et al.，2020）。本文借鉴其方法构造中国制造业企业层面的机器人渗透度指标。具体测度方法如下：

本文之所以采用美国工业机器人数据构造工具变量，主要基于以下三点考虑：第一，在样本期内美国机器人应用水平虽领先于中国，但其发展趋势与中国同期比较接近（见图１和图２）。第二，美国的工业机器人应用水平处于全球领先地位，其发展趋势能够反映该行业的技术进步趋势。第三，与大多数发展中国家相比，美国的劳动力市场相对完全，其各行业机器人应用水平对中国劳动力市场的影响应该仅反映比较外生的技术进步带来的影响。因此，我们认为，美国行业层面的工业机器人应用程度对中国劳动力市场的影响主要反映了同类行业技术特征（满足工具变量的相关性要求），而与其他影响中国机器人应用的本土因素无关（满足工具变量的排他性约束），将其作为中国企业层面机器人渗透度的工具变量，有助于减轻模型的内生性问题。

1.中国制造业行业层面工业机器人渗透度分布特征

与机器人存量、销量指标相比，机器人渗透度（密度）更能反映一国机器人实际应用水平。如表1所示，中国工业机器人渗透度最高的行业是汽车制造业，最低的是纺织、皮革、服装业，不同行业间的工业机器人渗透度差异较大。而与美国相比，中国制造业整体的工业机器人渗透度仍然偏低。总体来看，在中国和美国都呈现出资本密集型行业（如汽车制造、机械设备制造等）拥有更高的机器人渗透度，而传统的劳动密集型行业（如纺织服装、家具制造等）的机器人应用并不明显。

图2展示了2010-2015年中国与美国制造业分行业工业机器人渗透度的变化情况。可以看出，中国工业机器人应用增长最快的行业是汽车制造业，其增长幅度远远领先于其他行业。美国工业机器人的增长与中国基本呈现出相似的行业特征。略有不同的是，美国的其他制造业和基本金属制造业的机器人使用水平要显著高于中国，而在金属制品业和铁路、船舶、航空航天和其他运输设备制造业上中国的机器人渗透度略高于美国。

2.企业层面工业机器人渗透度的分布特征

表2报告了不同分组下企业层面工业机器人渗透度的均值检验结果。结果显示，高行业集中度的企业的平均机器人渗透度显著高于低行业集中度的企业；处于外部融资依赖度较低的行业中的企业拥有更高的机器人渗透度；国有企业的机器人渗透度要略高于非国有企业。

（一）基准回归与简约式回归模型

为检验工业机器人渗透度变化对企业劳动力需求和工资的影响，本文构建以下基准回归模型：

基准回归模型和简约式回归控制了企业固定效应和时间固定效应，并将标准误在企业和年份层面上进行双向聚类。

（二）基准模型与简约式模型回归结果

1.工业机器人应用对企业劳动力需求的影响

表4报告了工业机器人渗透度对企业劳动力需求影响的估计结果。鉴于简约式回归和基准回归结果基本一致，且使用以美国数据计算的工业机器人渗透度作为解释变量更有助于减轻模型的内生性问题，因此下面主要针对简约式回归结果进行分析（下文同）。如表4简约式回归结果所示，从全样本来看，企业面临的工业机器人渗透度每增加1％，其雇佣员工人数会下降0.032％。进一步按员工的学历水平分组来看，工业机器人渗透度每增加1％会导致本科学历雇佣人数下降0.042％，专科学历雇佣人数下降0.07％。不同的是，工业机器人渗透度每增加１％会使得企业雇佣高中及以下学历人数增加0.197％。此外，机器人应用对于研究生及以上学历的雇佣人数没有显著影响。

导致上述结果的原因可能在于：机器人相对于人力在一些常规性、复杂性劳动方面更具比较优势，这些工作往往由中等技能劳动力从事，因此对中等技能劳动力的替代效应更为明显。而对于技能需求较低的工作，人力相对于机器人更具比较优势，采用机器替代人反而会增加企业的生产成本。此外，在自动化生产环境下，对于不需要较高技能的一般性劳动，企业可以通过雇佣更低成本的低技能劳动力来完成，这也会增加企业对低技能劳动力的需求。

2.工业机器人应用对员工工资的影响

表5汇报了工业机器人应用对企业员工薪酬影响的回归结果。基准回归和简约式回归结果表明，高管薪酬和普通员工工资对工业机器人渗透度的弹性系数为负，但是估计结果并不具有统计意义上的显著性。尽管基准回归中工业机器人渗透度对普通员工工资的影响系数在１０％的显著性水平下具有统计显著性，但是这种显著性非常微弱，回归结果并不稳健。上述分析表明，工业机器人应用对中国制造业企业员工薪酬的影响并不明显。一个可能的解释是，工资的调整具有刚性，工资向下调整困难，即使机器人对劳动力需求量有明显的替代效应。

（三）工具变量（2SLS）回归结果

简约式回归的好处在于，美国不同行业工业机器人应用水平对中国对应行业劳动力需求和工资的影响仅反映了行业本身的技术特征，避免了采用本国数据可能产生的内生性问题。但是这种做法也存在一个缺陷，即该回归系数难以在数量上直接反映中国工业机器人应用对劳动力市场的影响程度。为弥补上述缺陷，本文以InCHFexposeure to robots 作为InCHFexposeure to robots 的工具变量，采用两阶段最小二乘法（2SLS）对模型进行重新估计，该估计方法下所得的InCHFexposeure to robots的回归系数不仅考虑了内生性问题，同时也可更为直观地反映中国工业机器人应用对企业劳动力需求和工资水平的数量影响。

表6报告了中国工业机器人应用对企业劳动力需求和工资影响的IV 2SLS估计结果。如表6panel A所示，平均来看工业机器人渗透度每增加1％，企业对劳动力的需求会下降0.183％。并且工业机器人对劳动力的替代效应主要存在于本科和专科学历的员工群体中，其替代弹性分别为-0.273和-0.439。而对于高中及以下学历劳动力，工业机器人渗透度每增加1％，会导致企业对该学历劳动力的需求量增加0.966％。此外，工业机器人应用对研究生及以上学历的劳动力需求没有明显影响。如表6 Panel B所示，工业机器人应用无论是对高管薪酬还是普通员工工资都没有显著影响，这与本文的简约式回归结果一致。鉴于IV 2SLS的回归系数在数量意义上更加直观，本文在后续分析中主要汇报两类回归结果：一是简约式回归结果；二是IV 2SLS估计结果。

（一）行业集中度分组回归

第一种机制为市场势力。如果一个行业的市场集中度越高，意味着有少数几家大企业在行业中占据主导地位。对于大企业而言，其采用机器人技术具有两方面优势：其一从成本角度来看，机器人应用具有规模经济的特征，即较高的固定成本和近乎为零的边际成本。因此，具有规模优势的大企业更有能力消化前期一次性机器人设备投入带来的成本负担，更容易实现「机器换人」的战略。而在市场高度分散化的行业中，每一家企业的市场势力都很小，企业往往难以负担如此高昂的一次性成本投入。其二从收益角度来看，大企业采用机器人技术可以有效地节约劳动力成本，提高生产力水平，实现更高的成本加成（markup），获得规模收益。

而在竞争性较强的行业，如果采用机器人能够节约生产成本，那么会有更多的企业有激励在生产中使用机器人，在竞争中该行业所生产的产品价格下降更多。随着产品价格下降，消费者对该产品的需求增加，企业进一步扩大生产规模，增加对劳动力的需求。所以，在竞争性较强的行业（行业集中度较低），机器人应用对劳动力需求总体的替代效应可能并不明显。

为验证上述分析，本文根据当年行业集中度中位数将样本分为高行业集中度和低行业集中度两组做分组回归。如表7所示，简约式回归结果表明，在高行业集中度的样本中，工业机器人渗透度每增加1％，会导致企业雇佣本科学历员工减少0.053％，雇佣专科学历员工减少0.07％，雇佣高中及以下学历员工增加0.187％。但是对于低行业集中度的企业而言，工业机器人渗透度对不同学历层次的员工人数均无明显影响。IV 2SLS的回归结果与上述结论一致。技术进步往往是非中性的，即不同要素部门和行为主体从技术进步中的获益存在明显差异（Acemoglu&Autor;,2011）。最新研究指出，新一轮技术进步带有明显的规模偏向（scale-biased），具有规模和技术优势的大企业从技术进步中获益更多（Autor et al.，2020）。本文研究结论表明，在市场集中度较高的行业中工业机器人应用对企业劳动力需求的替代效应越明显，这一发现也为规模偏向型技术进步的理论假说提供了来自中国的经验证据。

（二）行业外部融资依赖度分组回归

第二种机制为融资约束。一国的金融市场越不发达，企业的外部融资成本越高。在此情况下，外部融资依赖度越高的企业越需要依赖内部资金来缓解外部融资约束。而采用机器人替代人可以有效地节约企业的生产成本，使得企业可以将更多的利润配置到稀缺性资源中。因此，在其他条件相同的情况下，外部融资依赖度越高的企业越有激励大规模地使用机器人替代人，节约劳动力成本，提高生产效率，为企业的投资和创新活动积累资本。相反，对于外部融资依赖度较低的企业，由于金融市场不发达而带来的外部融资约束对其影响较小，因此在相同条件下其可能缺乏强烈的激励采用机器人替代人。

为了验证上述分析，本文参照Rajan &Zingales;（1998）的做法，以美国对应行业中所有上市企业的样本中位数刻画某一行业的外部融资依赖度，并根据制造业全行业外部融资依赖度的中位数把全样本划分成高外部融资依赖度和低外部融资依赖度两组分别回归。如表8所示，简约式回归结果表明，在高外部融资依赖度的行业中，工业机器人渗透度每增加1％，会导致企业对本科学历的劳动力需求量减少0.055％，对专科学历的劳动力需求量减少0.081，对高中及以下学历的劳动力需求量增加0.203％。但是对于低外部融资依赖度的企业而言，工业机器人渗透度提高对不同学历层次的劳动力需求均无替代效应，反而对本科学历和高中及以下学历的劳动力需求有一定的挤入效应。基于IV 2SLS的回归结果与上述结论一致。与美国等发达国家相比，中国的金融市场尚不健全，企业的外部融资成本较高。在此背景下，机器人技术的应用有助于缓解中国企业的外部融资约束，对于拉动企业投资，推进企业创新具有积极意义。

（三）企业所有权性质分组回归

第三种机制为企业所有权性质的差异。尽管在长期的国企改革实践中，国有企业原先「铁饭碗」的用工制度逐渐被打破，但是国有企业在国民经济中仍然承担着「稳就业」的重要责任。虽然机器人应用可以降低劳动力成本，提高企业的运营效率，但是由于国有企业解除劳动力的成本很高，即使其大规模地采用机器人，也无法在短期内大面积地裁员。相对而言，非国有企业的用工制度更为灵活、解除劳动力的成本较低。因此，受限于国有企业的制度约束，工业机器人应用对其劳动力需求的冲击可能并不明显，而这种替代效应主要存在于非国有企业中。

为了验证上述分析，本文根据企业的所有权性质将企业分为国有企业和非国有企业两个子样本进行分组回归。如表９所示，简约式回归结果表明，工业机器人应用对劳动力的替代效应主要发生在非国有企业中。其中，工业机器人渗透度对本科学历员工的替代弹性为-0.072；对专科学历员工的替代弹性为-0.096；而对于高中及以下学历的员工，工业机器人渗透度每增加1％会导致对其需求量增加0.195％。但是在国有企业样本中，工业机器人应用对不同学历层次的员工雇佣人数均无显著的替代效应。基于IV 2SLS的回归结果与上述结论一致。

（四）不同分组中工业机器人应用对员工薪酬的影响

本文的全样本回归表明，工业机器人应用对中国制造业企业员工薪酬并无显著影响。为了考察在异质性条件下工业机器人渗透度的提高是否会影响员工薪酬，本文依据前述分组方法，实证检验了在不同分组中工业机器人渗透度对员工薪酬的影响。估计结果表明，即使按照行业集中度、外部融资依赖度和企业所有权性质对样本进行分组回归，工业机器人渗透度对高管薪酬和普通员工工资也无显著影响（其中在高外部融资依赖度的样本中，工业机器人渗透度对高管薪酬有显著替代效应是一个例外）。综上所述，从企业层面来看，当前工业机器人应用对中国劳动力市场的冲击主要体现在劳动力的需求上，而对工资没有明显影响。这表明工资调整的刚性特征是普遍存在的，受工资制度和相关政策的影响，工资向下调整十分困难。

（一）工业机器人应用对企业劳动力需求的产业链传导效应

一个行业的机器人应用水平不仅会对本行业企业的劳动力需求产生直接影响，还会对产业链上下游行业的其他企业的劳动力需求产生间接影响。为完整地识别机器人应用对就业的影响，本文借鉴Acemoglu et al.（2016）的做法，利用2010年中国投入产出表数据构建行业关联权重，检验机器人应用的产业链传导效应，识别方程如下：

为了尽可能识别行业关联效应的影响渠道，本文采用以下方法对其进行验证。首先，本文在不控制本行业工业机器人渗透度的情况下检验行业关联效应。此时估计得到的回归系数既包含了通过影响本行业机器人应用水平而产生的技术溢出效应，也包含了由中间品市场等非技术溢出途径带来的影响。其次，本文在控制了本行业机器人渗透度的情况下检验行业关联效应。

此时得到的回归系数主要反映了由中间品市场等非技术溢出途径产生的影响。表10报告了工业机器人应用对企业劳动力需求的产业链传导效应的估计结果。简约式回归结果表明，对于中国制造业企业而言，下游行业机器人应用水平变化通过产业链传导对上游行业劳动力需求的影响（向上游传导效应）可能主要表现为技术溢出，并且这种溢出效应整体呈现为挤出效应（-0.027），而由中间品市场等途径带来的影响并不显著。上游行业机器人应用水平变化通过产业链传导对下游行业劳动力需求的影响（向下游传导效应）主要表现为技术溢出，这种溢出效应整体呈现为挤出效应（-0.016），但是对专科学历劳动力需求而言，除技术溢出外，也可能通过中间品市场等途径带来一定的正面影响（0.031）。

（二）工业机器人应用对企业劳动力需求和工资的长期影响

前述分析表明，在短期内，工业机器人渗透度的提高会对企业的劳动力需求产生一定的「替代效应」，尤其是对中等技能劳动力需求的替代效应尤为显著，而对员工薪酬变化没有明显影响。然 而，一个需要考虑的问题是，机器人应用带来的「生产力效应」和「就业创造效应」可能不会在当期 就充分显现，而是需要经过一段时间的积累。为了进一步考察不同机制的影响，本文引入滞后的工 业机器人渗透度变量，采用分布滞后模型检验工业机器人应用对企业劳动力需求和工资的长期影 响。研究发现，从长期来看，机器人应用对本科和专科学历劳动力需求的替代效应可能会被生产力 效应和就业创造效应所抵消，而对低技能劳动力需求的短期挤入效应也会逐渐消失。但是在样本 期内，无论短期还是长期，工业机器人应用都未对员工薪酬带来显著影响。

本文首次利用IFR公布的行业层面的机器人数据以及中国制造业上市公司的微观数据，采用工具变量法实证检验了机器人应用对中国制造业上市公司劳动力需求和工资的影响。实证结果表明，总体来看，工业机器人应用对企业的劳动力需求产生了一定的替代效应，并且这种替代效应呈现出明显的结构性特征，而机器人应用对中国制造业企业的工资水平没有显著影响（一个可能的原因是合约刚性）。此外，具有规模优势的大企业、受外部融资约束影响越大的企业以及受制度约束较少的非国有企业更有可能采取「机器替代人」的战略。进一步分析表明，机器人应用还可能会通过产业链传导对企业劳动力需求带来间接影响，并且这种影响主要表现为行业间的技术溢出；而从长期来看，机器人应用对企业劳动力需求的替代效应可能会被生产力效应和就业创造效应所抵消。本文的结论为理解机器人应用对中国劳动力市场的影响和制定相应的公共政策提供了学术依据，具有重要的政策含义：

本文研究表明，机器人应用对中国制造业企业劳动力需求的替代效应已然显现，尤其是对中等技能劳动力替代效应尤为显著。对于中国而言，需进一步完善多层次社会保障体系，加快推进失业保险制度改革，以化解人工智能对劳动力市场带来的风险。在这一方面，北欧国家的劳动力市场政策可以为中国提供有益的借鉴，这些国家的一个政策共性在于对失业者提供短期的失业保险和再培训机会，而非加大企业的解雇成本。在这种政策下，社会对劳动者面临的失业风险进行了分担，同时保持了劳动力市场的流动性和活力。而当前中国的失业保险制度仍然存在不同群体的失业保险覆盖面差距较大、失业保险覆盖群体与高失业风险人群不匹配的结构性矛盾（张盈华等，2019）。本文的研究表明，工业机器人应用在非国有企业中表现出更为显著的劳动力替代效应，而随着机器人与人工智能技术的发展，农民工等高失业风险群体势必会面临更大的冲击。因此，借鉴国际有益经验，完善失业保险制度设计，提高失业保险的覆盖面和有效性，加强对非正式工作的社会保障力度，使其为人工智能时代实现更高质量更充分的就业发挥积极作用。

本文研究发现，机器人与人工智能技术的应用可能会在一些岗位上实现对人的替代，但同时也会创造出新的工作机会。机器人应用对不同技能劳动力需求的影响存在明显差异。因此，应进一步健全相关的就业培训制度和再就业政策，提高不同技能劳动者对新经济的适应能力；完善人口流动政策，减少劳动力区域流动的制度壁垒；进一步优化人才培养体系，加强机器人、人工智能等相关领域的专业人才和「互补型」人才的培养，抓住新一轮技术革命带来的发展机遇。

第三，本文的研究表明，在市场集中度高的企业、融资约束强的企业中机器人对劳动力的替代效应更为显著。因此，推进更公平的竞争性市场环境、缓解企业的融资约束，有助于创造更多的就业机会和岗位，实现中国经济的高质量发展。

本文（含图片）为合作媒体授权创业邦转载，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系