人工智能对出口产品质量促进的异质效应与影响路径
人工智能对出口产品质量促进的异质效应与影响路径唐青青1 白东北2 王珏1
(1.西北大学经济管理学院，陕西 西安 710127； 2.安徽财经大学经济学院，安徽 蚌埠 233030)
摘 要： 以创新促发展，推进人工智能和制造业高度融合是中国成为制造强国的关键。本文使用IRF提供的机器人数据、中国工业企业数据库和中国海关数据库构建微观企业面板数据，实证检验人工智能技术与制造企业出口产品质量的关系。主要结论如下：首先，人工智能技术显著促进制造企业出口产品质量升级，且与高生产率制造企业相比，人工智能对低生产率企业的促进作用更明显。其次，人工智能的促进效应是通过替代低端劳动力降低企业成本、推动企业技术创新和优化企业要素配置实现的。其中，主要通过降低企业成本和优化要素配置提高低生产率企业出口产品质量，对技术创新的促进效应体现在高生产率企业中。考虑到机器人数据结构特征，对行业出口产品质量进一步分析发现，人工智能显著提高行业出口产品质量，且资源再配置效应对行业出口产品质量贡献率达到82.01%。因此，创新引领发展就是要把握智能化高速发展契机，减少劳动力投入、优化要素配置、提高技术创新，从而助推我国制造企业以更高水平参与国际竞争。
关键词： 人工智能； 出口产品质量； 劳动投入规模； 要素配置； 技术创新
一、问题提出
2017年12月，工业和信息化部印发《促进新一代人工智能产业发展三年行动计划》，计划提出以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，加快制造强国和网络强国建设。2020年，我国的外贸规模已达到4.6万亿美元，国际市场份额占14.7%，货物与服务贸易总额跃居全球第一。但“贸易大国”不等于“贸易强国”，如何有效发挥工业智能化推动作用，成为实现我国高水平对外开放和经济高质量发展的关键。基于此，本文着眼于探究人工智能与出口产品质量的关系，检验人工智能技术的微观作用机制，为我国制定和实施国际贸易政策提供理论借鉴。
1956年，约翰·麦卡锡首次提到“人工智能”概念，目前对其标准定义尚未发布。较为普遍的理解是将利用计算机程序，通过“仿人”方式在复杂环境中学习、交流和推理等过程的技术称之为人工智能。历次工业革命，从蒸汽到电力再到信息技术无不推动历史变革，人工智能作为第四次工业革命通用推广技术，亦成为世界经贸发展核心动力，对一国经济、就业和国际贸易等具有重大影响。现有研究对人工智能和经济发展关系研究较多。事实上，由于人工智能技术本身就是对人类工作行为的模仿，其发展将使传统劳动力和部分技能劳动力被机器替代，而技能偏向型技术进步对劳动力市场影响具有分化作用，人工智能替代中低技术劳动力的同时，将增加高技术劳动力工作时间，并创造全新工作岗位，最终优化劳动力市场结构。扩展到产业层面，人工智能技术的广泛渗透性、数据驱动性、系统智能化等特征促进传统生产方式变革，同时催生新业态和新模式，推动产业转型升级。
现有人工智能和国际贸易关系文献研究可归总为以下三个方面。一是人工智能扩大国际贸易规模。早在2003年，Brynjolfsson等(2011)基于美国企业数据，验证了计算机化在短期和长期均促进生产率提升。Graetz等(2015)则聚焦工业机器人领域，认为自动化技术提高了劳动生产率和全要素生产率。国内学者从不同层面出发，验证了智能化对地区全要素生产率的促进效应。因此，人工智能可通过提高企业生产率扩大一国贸易规模。此外，人工智能依托互联网技术，具有智能数据收集、数据分析、数据整合和自动化存储等功能，能够降低出口营销、物流和仓储成本，促使更多企业选择出口，进而扩大贸易规模。二是人工智能影响国际贸易分工。首先，人工智能技术改变国际贸易分工格局。人工智能技术发展使机器和劳动力结合，出现机器替代劳动力的现象。Frey和Osborne(2017)、David(2017)运用概率分布模型预测未来20年，47%美国工人和55%日本工人将被自动化所取代。Acemoglu和Restrepo(2017)进一步考虑自动化对劳动力市场均衡影响，运用IFR数据实证得出，每千人劳动力中增加一个机器，将导致就业率下降0.18%～0.34%。因此，人工智能将削弱劳动力比较优势，对劳动密集型产业和出口导向型贸易模式造成威胁，影响国际贸易分工格局。其次，人工智能技术影响国际贸易分工地位。智能化能够实现地区全球价值链攀升。刘斌和潘彤(2020)利用工业机器人数据验证了人工智能通过降低贸易成本、促进技术创新、优化资源配置提高一国行业全球价值链参与程度和分工地位。吕越等(2020)则运用微观数据，实证检验人工智能通过提高全要素生产率和降低生产成本增强企业全球价值链嵌入程度。三是人工智能变革国际贸易模式。随着互联网平台、云计算、大数据、人工智能等新型技术在全球范围扩展，商业模式呈扁平化特征，实现规模经济和范围经济融合发展。2018年中国首届数字贸易论坛讲解了以人工智能技术与数字认证技术，由多国联合打造的跨境数字贸易服务平台TEGGS系统。系统利用大数据技术，完成了与多个海关繁琐程序的便捷转译与互联互通的新突破，并采用国产CA认证技术、电子签名技术与国产动态物码技术结合，对人与物进行跨境全程全量跟踪，节省传统产业物流和时间成本的同时，保证了跨境贸易的安全性。因此，工业智能化发展促使跨境数字平台的完善，构建包括企业、政府、个人等在内的虚拟市场，突破传统贸易平台中物理距离的限制，通过实时信息互联互通实现买方和卖方的精准对接，大幅度减少贸易链条，降低搜寻成本和通讯成本，同时保证产品精准对接卖方市场。
综上所述，国内外学者讨论了人工智能对国际贸易规模、贸易分工和贸易模式的影响，具有较高理论价值和现实意义。然而，现有文献缺乏对人工智能和贸易质量关系的讨论。首先，近年来，我国对外贸易规模空前，但产品质量仍与发达国家相差甚远，促进贸易高质量发展是现阶段亟待攻克的难关。因此，工业智能化高速发展阶段，探究人工智能对产品质量的影响和作用机制尤为关键。其次，在已有研究中缺乏人工智能对国际贸易异质效应的关注。新新贸易理论指出，生产率异质性企业对出口选择、出口规模以及新工艺、新技术的接受、吸纳和延展能力均存在差异。因此，人工智能技术对微观企业出口贸易影响可能存在异质效应。最后，目前对于人工智能微观机制的研究尚有待完善。基于上述文献可知，人工智能与国际贸易规模和模式关系的研究多为理论推导和间接分析，与本文较为相近的文献中，吕越等(2020)实证检验人工智能对企业全球价值链分工地位的影响，提出降低企业成本和提高企业生产率的作用路径，为本文研究提供了实证参考。
鉴于此，本文边际贡献如下：首先，通过构建微观面板数据，实证检验人工智能对我国制造企业出口产品质量的影响，填补了人工智能和国际贸易质量研究空缺。其次，聚焦于企业生产率异质性，探究人工智能对制造企业出口产品质量升级的异质效应，深化工业智能化发展和微观企业出口贸易关系研究。再次，通过理论推导和实证检验深入分析人工智能对出口产品质量升级的影响路径，进一步完善工业智能化发展的微观作用机理。最后，基于行业出口产品质量层面进行动态分解，考察人工智能技术影响行业出口产品质量的重要途径，对人工智能技术影响效应进行扩展分析。
二、理论分析与假说
探讨人工智能技术对出口产品质量的影响，首先需明确哪些因素会影响企业出口产品质量。现有文献已从需求(市场需求、消费者偏好等)、供给(要素投入等)以及其他相关层面(政策、环境等)展开研究。结合本文研究对象，主要从供给层面探讨人工智能对企业出口产品质量的影响效应和作用机理，即主要聚焦于要素投入和要素配置两个方面。
企业生产过程中的要素投入包括技术、中间品、资本、劳动力等。技术创新对企业产品质量升级的贡献毋庸置疑。相应地，一国高资本密集度或技术密集度、中间品进口多元化和质量亦可显著提高企业出口产品质量。同时，劳动力投入同样是生产环节不可缺少的要素之一，且劳动要素在要素投入结构中的比重不断上升，甚至超过资本投入比重成为产品质量变动的重要原因。劳动力成本和效率高低均直接影响产品质量变化。长期以来我国凭借劳动力成本比较优势在国际贸易中取得飞速发展，且较低劳动力成本促使企业使用充足资金扩大生产规模，获得收入效应，进而实现产品质量升级。同时，高生产率企业倾向于选择出口高质量产品结论已得到验证。另一方面关于要素配置问题。要素得不到有效配置，企业生产过程中要素配置效率就会变得低下，从而抑制企业创新发展和技术升级。由于政府不当干预和市场发展不完全等因素，我国生产要素在经济发展过程中存在显著错配现象。在要素错配结构性效应讨论中，整体要素错配对劳动密集型和资本密集型产业出口贸易具有一定积极作用，资本错配甚至有利于增强企业出口强度和出口概率。然而，要素错配虽然成就了中国出口贸易奇迹，企业生产效率却显著降低，造成我国出口产品“高量低质”的恶性后果。
综上，提高技术创新水平和资本密集度、降低企业成本、优化要素配置是企业出口产品质量升级的重要因素。
进一步，人工智能具体会如何影响企业出口产品质量呢？根据现有文献，人工智能具有替代效用和创造效应。在“技能偏向性技术进步”理论假设中，人工智能被作为外生技术进步，先验性认为其对低技能和受教育程度较低劳动力具有替代作用。作用路径主要表现为：随着我国人口红利的丧失，人工智能技术成本相比于劳动力成本逐渐具有比较优势，企业就偏向于用人工智能技术替代部分劳动力岗位，特别是从事程序化工作的非技术型员工，因其工作内容具有重复性强、创造性和情感交互性弱等特征，极易被替代。Acemoglu和Restrepo(2018)研究中就指出在部分任务制生产环节，机器人比人力更具比较优势。因此，人工智能技术为雇主提供更大选择空间，通过替代劳动力这一途径显著减少企业劳动力需求，进而降低企业成本。
人工智能技术同时具有创造效应，体现在以下两个方面：一是智能化技术和技能劳动力之间存在互补性。人工智能技术虽能够部分替代人力，但无法拥有人类特有的思维、创造力和情感交互能力。因此，在提高智能化环节生产效率的同时，增加了非智能化任务的劳动力需求，并提高非智能化任务对劳动力的要求。例如在服装厂，智能化机器通过加快服装包装速度，缩短服装制作时间，增加生产规模，最终提高企业总产出。同时，智能化使非技能型劳动力被替代率上升，激励非技能型员工向技能型员工转变，进而提高企业人力资本水平，优化要素配置，最终实现劳动和资本生产效率提升。二是人工智能具有技术创新效应。作为第四次工业革命的核心引擎，人工智能是新一轮科技革命和产业变革的战略性技术，具有强带动性“头雁”效应。首先，凭借大数据计算系统，人工智能可精确识别复杂系统工艺生产过程中存在的问题，为整个生产流程设计科学操作模式，实现生产模式的创新；其次，依托互联网平台，通过线上线下互动交流，人工智能可完善精准定制化产业链，增强企业市场竞争力，刺激企业生产多元化和技术升级；最后，人工智能技术可衍生新知识，或者将现有知识优化重组，实现企业产品升级。
综上分析，人工智能技术可通过替代效应减少企业劳动投入规模，降低企业生产成本。同时，人工智能可通过创造效应提高要素配置效率和企业技术创新水平。基于此，提出以下假设。
H1 人工智能技术通过替代低端劳动力降低企业成本、优化要素配置和推动技术创新促进企业出口产品质量升级。
值得注意的是，随着新新贸易理论的提出与完善，企业生产率异质性特征在微观研究领域已达成共识，不同企业对出口规模、技术学习和应用、技术吸收和转化等方面均具有显著差异。基于此，本文从全要素生产率异质性角度讨论人工智能技术对企业出口产品质量升级的异质效应就显得尤为必要。首先，全要素生产率是“给定单位要素投入组合能够获得的产出”，受要素投入数量和质量、要素配置效率的影响，高全要素生产率企业本身就具有较高质量要素投入力度和要素配置效率。那么相比之下，对于低生产率企业，人工智能技术替代低端劳动力降低企业成本和增强要素配置效率的作用强度可能就更加显著。其次，高生产率企业具有更强的技术吸收和转化能力，对新工艺、新发明和原有产品改进效率较高，能够更大程度发挥人工智能技术的技术创新效应。而对于低生产率企业而言，一方面受“后发比较优势”外贸发展特征影响，我国制造企业，特别是生产率较低的劳动比较优势企业，对发达国家具有较强的技术依赖性，自主创新能力不足；另一方面，人工智能引致知识和技术溢出，实现自主创新能力的提升需要较大投入和周期。虽然生产要素在长期内总可以实现在不同生产部门间自由流动，但受制度、环境和法律等影响，人工智能的技术创新效应并不能实现短期内的大规模爆发。因此，作为新型技术，人工智能技术推动企业技术创新的作用效应可能仅在高生产率企业中显著。综上，提出以下假设。
H2 人工智能对不同生产率制造企业出口产品质量的影响存在异质效应。
三、计量模型、变量测算和数据来源
(一)计量模型
借鉴已有文献，构建如下计量模型
rqgt=β0+β1AIct+β2X+uc+ut+εgt
(1)
其中，g、t、c下标分别表示企业、年份和行业；被解释变量rqgt为企业出口产品质量；核心解释变量AIct为行业工业机器人密度；X代表企业层面、地区层面控制变量；uc、ut分别表示行业和年份固定效应；εgt为随机扰动项。
(二)指标构建
1.出口产品质量测算
参考施炳展和邵文波(2014)、Khandelwal(2010)做法，基于海关数据库中产品层面贸易数据，运用需求推断法测算出口产品质量并进行标准化处理，实现跨期以及横截面比较分析，得到企业层面出口产品质量测算公式，如下所示
width=149,height=46,dpi=110
(2)
rqgt代表对应样本集合Ω的整体质量，即t年g企业出口产品质量，Ω代表企业出口产品集合。vgmt代表t年g企业m产品出口份额，rqualitygmt为t年g企业m产品质量的标准化指标。
2.人工智能指标测度
借鉴Acemoglu和Restrepo(2017)测算方法，使用工业机器人密度作为人工智能的度量指标，具体测算方式为：运用工业机器人数量与行业层面每千名就业人员比值表示。具体操作中，本文将IRF数据与WOID2016社会经济账户数据根据行业进行匹配，测算出工业机器人密度。
3.其他变量
企业全要素生产率(tfp)，采用LP半参数估计法测算全要素生产率，借鉴龚关和胡关亮(2013)做法，对其中涉及的工业增加值(1)中国工业企业数据库没有统计2008、2009、2012和2013年工业增加值和工业中间投入，借鉴李扬等(2018)方法，运用收入法估计工业增加值：工业增加值=固定资产折旧+生产税净额+劳动力报酬+应交增值税+营业盈余。再根据会计准则估计工业中间投入：工业中间投入=工业总产值-工业增加值+应交增值税。其他缺失值应用插值法补足。、中间投入、从业人员和资本存量相关计算变量，采用工业品出厂价格指数、原材料、燃料和动力购进价格指数、消费者和固定资产投资价格指数并以2000年为基期对数据做平减处理。相关价格指数来自《中国统计年鉴》。企业规模(scale)，借鉴有关研究，采用企业固定资产净值年平均余额取自然对数表示。企业年龄(age)，由企业所处年份减去企业开业年份加一取自然对数表示。政府补贴(sub)，以企业政府补贴额度与企业销售额比值表示。企业融资约束(dlixi)，企业拥有利息支出，意味着具有外部融资，即外部融资约束较弱、融资能力较强，有利于出口产品质量升级，取是否有利息支出虚拟变量控制融资约束。企业利润(profit)，采用企业净利润和企业销售额比值衡量。省级控制变量选取地区财政规模(gov)、地区对外开放水平(open)、地区人均GDP(gdp)、地区金融水平(fis)，数据均源于各省级统计年鉴。
(三)数据说明
数据跨度为2005-2013年，涉及以下数据库整合：《中国海关数据库》主要用于出口产品质量测算，为了保证测算结果可信度，借鉴施炳展和邵文波(2014)做法对海关数据进行处理；《中国工业企业数据库》包涵国家统计局统计的所有国有企业和规模以上非国有企业样本，借鉴Branet等(2012)匹配处理方法，删除不符合经济计量常识和缺失值样本，为本文提供企业年龄、企业规模等控制变量。人工智能指标计算来源于IRF公布的年份-国家-行业层面机器人数据，其中行业就业人员数据来源于WIOD2016社会经济账户数据库。借鉴余淼杰和袁东(2016)的两步法，运用企业名称、企业邮编和电话号码两步匹配，取并集得到《中国海关数据库》与《中国工业企业数据库》匹配结果。并采用吕越等(2020)手工匹配的方式，实现工业机器人数据和微观数据的匹配。统计描述信息见表1。
表1 变量描述性统计
width=686,height=363,dpi=110
四、实证分析
(一)基准回归
表2即为基准回归结果。列(1)在控制行业和年份固定效应，并聚类到企业的情况下，核心解释变量人工智能的估计系数在1%水平上显著为正，表明人工智能促进制造企业出口产品质量升级。在此基础上，加入企业和地区层面控制变量再次进行回归检验，结果如表2列(2)所示，人工智能回归系数依然显著为正，进一步证实了本文结论。为了验证人工智能对制造企业出口产品质量的异质性影响，本文以全要素生产率中位数为界对样本进行分组回归，如表2列(3)-(4)所示。人工智能回归系数均显著为正，比较来看，对低生产率制造企业出口产品质量的正向效应更大。另外，引入低全要素生产率企业虚拟变量和人工智能与低全要素生产率企业交互项进行估计，交互项回归系数显著为正，再次印证这一结论。
表2 基准估计结果
width=686,height=310,dpi=110
注：括号内为企业层面聚类标准差的t统计量；*、**、*** 分别表示在 10%、5%、1%水平上显著；限于篇幅，表中未列示控制变量等内容。下同。
综上实证结果，要提高制造企业出口产品质量，就需要大力发展智能化产业，积极推进人工智能技术与实体产业相结合，提高全行业企业人工智能技术水平，逐步实现生产过程智能化、自动化和高效化。且人工智能技术对制造企业出口产品质量升级存在异质效应，较低生产率企业更能发挥人工智能技术正向效应，工业智能化成为传统制造企业提升国际竞争力的重要途径。
(二)稳健性检验
1.内生性检验
为了避免可能存在的内生性问题。首先，选用邻近地区行业人工智能技术的平均值，作为本地区行业人工智能技术的代理变量，使用两阶段最小二乘法(2sls)进行估计，结果如表3列(1)-(2)所示，以邻近地区行业人工智能技术作为工具变量的核心解释变量回归系数显著为正，且Kleibergen-Paap rk LM statistic、Kleibergen-Paap rk Wald F statistic显示拒绝工具变量识别不足和弱工具变量假设，表示人工智能技术与所选工具变量具有较强相关性，回归结果可信。其次，选择人工智能滞后一期和滞后两期变量作为工具变量进行2sls回归，结果如表3列(3)-(6)所示。综合表3回归结果，除了回归系数有一定变化之外，与基准回归结果基本一致，证明了本文实证结果的可靠性。综上，在考虑内生性问题后，本文的结论依然稳健，人工智能技术显著提高制造企业出口产品质量，且对低生产率企业作用强度更大。
表3 内生性检验回归结果
width=686,height=410,dpi=110
注：Kleibergen-Paap统计量中括号内的数值为Stock-Yogo检验10%水平上的临界值。
2.其他稳健性检验
(1)样本选择偏误。考虑到人工智能技术应用会影响企业出口决策，仅使用出口企业样本分析人工智能技术与制造企业出口产品质量关系会产生样本选择偏误。对此，借鉴相关文献处理方法，采用Heckman两步法处理潜在的样本选择偏误问题。具体做法如下：首先构建Probit出口决策模型，估计得出逆米尔斯比率(imr)；随后将逆米尔斯比率引入人工智能和出口产品质量模型。模型设定如下
Pr(eigt)=μ(Zβ)
(3)
rqgt=β0+β1AIct+β2imr+β3X+β4l.rqgt+uc+ut+εcgt
(4)
其中，eigt为t年g企业是否选择出口虚拟变量，若选择出口取值为1，否则为0。l.rqgt表示滞后一期出口产品质量。Z表示影响企业出口决策的因素集合，假设模型(3)和(4)的随机扰动项服从联合正态分布，且相关系数为φ，当φ不等于0时，两个模型相关，表明若忽略出口决策模型，出口产品质量模型估计结果会出现偏差。表4列(1)为Heckman两步法第一阶段估计结果，人工智能回归系数显著为正，表明人工智能技术提高能够促进制造企业出口决策。列(2)为第二阶段估计结果，imr回归系数显著为负，可知确实存在样本选择偏误问题。逆米尔斯系数引入出口产品质量模型后，人工智能估计系数仍显著为正，相比基准回归结果，人工智能技术正向促进制造企业出口产品质量结论和异质效应并没有改变。因此，修正样本选择偏误问题后，本文结论依然稳健。
表4 稳健性检验回归结果
width=692,height=393,dpi=110
(2)剔除加工贸易企业。加工贸易作为我国重要贸易方式，倾向于使用国外中间品投入生产，直接降低技术应用、技术升级积极性和对高素质人才的需求。因此，可能会错估人工智能技术对出口产品质量的推动效用。借鉴钱瑛和何欢浪(2019)做法，剔除加工贸易企业样本对整体样本进行修正。由表4列(3)-(4)可知，相比于基准回归结果，整体变化幅度不大，核心结论仍然保持稳健。
(3)剔除临时出口企业。低质量企业快速进入退出市场是影响我国出口产品质量提升效果不显著的重要因素，而人工智能技术应用引致的成本变化会导致低效率、低质量企业快速进入和退出市场。因此，临时出口企业可能会影响到人工智能与制造企业出口产品质量关系。借鉴陈勇兵等(2012)处理方法，剔除样本期内企业出口年限不超过3年的样本，回归结果如表4列(5)-(6)所示，人工智能回归系数仍为正，并通过了1%的显著性水平检验。综上，在剔除临时出口企业样本后，本文结论依然可靠。
(4)指标转换。为避免测量误差对估计结果产生影响，借鉴Auer和Chaney(2009)、Manova和Zhang(2012)的方法，利用单位价值法重新测算出口产品质量：一是产品价格与平均价格之差与价格标准差的比值rq_AC；二是产品价格与平均价格比值取自然对数rq_MZ。由表4实证结果可见，无论是rq_AC还是rq_MZ，人工智能技术均在1%水平上显著为正，且核心解释变量与低企业全要素生产率虚拟变量交互项显著为正，说明替换变量后并没有影响人工智能技术与制造企业产品质量的正向关系和异质效应。
(三)异质性分析
1.区分企业贸易方式
考虑到人工智能作用多表现在对低端劳动力的替代上，相比于一般贸易企业，人工智能对加工贸易企业作用强度可能更大。基于此，本文按照贸易方式不同将企业分为加工贸易企业和一般贸易企业，引入加工贸易企业虚拟变量(pte)、人工智能和加工贸易企业交互项(AI*pte)。回归结果见表5，从列(1)可见，相对于一般贸易企业，人工智能技术对加工贸易企业产品质量的提升作用更大。由此可见，企业在通过提高智能化水平促进出口产品质量升级的过程中，人工智能对一般贸易企业提升作用有待进一步激发。
2.区分企业所有制
企业所有制差异会影响到人工智能技术与出口产品质量的关系吗？依据Guariglia等(2011)方式，以企业各类别资本占实收资本的比例，将企业分为外资企业和本土企业，并以外资企业为基准，引入本土企业虚拟变量(fot)、人工智能和本土企业交互项(AI*fot)，回归结果如表5列(2)所示，相较于外资企业，本土制造企业更能够发挥人工智能技术对出口产品质量正向作用。外资企业背靠母国技术，具有高质量中间品进口等多种渠道提高生产效率和产品质量，人工智能技术应用对其出口产品质量升级的推动作用有限。
3.区分技术异质性
行业技术水平差异，会使人工智能对产品质量促进作用具有异质性吗？借鉴既有做法，在国民经济行业二分位层面划分高技术和中低技术企业(2)中低技术行业：食品、饮料及烟草业、纺织业、皮革及鞋类制造业、木材加工及其制品业、纸浆、纸制品及印刷出版业、其他制造业及回收加工业、石油加工、炼焦及核燃料加工业、橡胶及塑料制品业、非金属矿物制品业、金属冶炼及压延加工业；高技术行业：化学原料及其制品业、机械制造业、电子及光学仪器制造业、交通运输设备制造业。，引入中低技术企业虚拟变量(zdjs)、人工智能和中低技术企业交互项(AI*zdjs)。由表5列(3)可知，交互项回归系数显著为正，表示中低技术企业能从中获得更大正向效应。结合前文人工智能技术创新效应分析，高技术企业应充分发挥智能化技术衍生作用，积极提高自身技术研发水平，为产品质量升级提供内生动力。
4.区分制度异质性
借鉴邵朝对等(2016)文献，依据经济实力的不同，将企业分为东部地区和中西部地区企业，引入东部地区虚拟变量(east)、人工智能和东部地区交互项(AI*east)。回归结果如表5列(4)所示，交互项系数显著为负，表示相较于东部地区，人工智能对中西部地区制造企业产品质量促进作用更大。人工智能技术所带来的劳动力规模减小、要素配置效率提高等作用更能够使发展较缓慢的中西部地区取得更显著成效。东部属于我国经济较发达地区，比较优势产业多为技术密集型、资本密集型等制造业，自主研发创新成为东部地区产业升级主要途径。
表5 异质性回归结果
width=686,height=557,dpi=110
(四)机制检验
基于前文理论分析，人工智能会通过三个渠道影响制造企业出口产品质量升级，包括替代劳动要素投入、推动技术创新和优化要素配置，下文从这三个方面分别进行实证检验。
1.替代劳动要素投入的机制检验
前述异质性分析结果表明，人工智能对加工贸易制造企业出口产品质量促进作用更强，可能的原因在于人工智能对制造企业出口产品质量的影响很大程度通过替代低端劳动力来实现。因此，对低端劳动力依赖性较低的一般贸易制造企业不会受到更大影响。为了检验这一点，本文引入人工智能与企业员工人数交互项(AI*ldgm)，验证人工智能是否通过替代劳动要素投入对出口产品质量产生影响。由表6回归结果，交互项估计系数显著为负，符合预期。同时，对不同生产率企业进行分组回归，结果显示人工智能替代1%企业员工，会使低生产率和高生产率企业出口产品质量分别提高0.015和0.011个单位。证明工业智能化发展，通过替代低端劳动力降低了企业生产成本进而促进出口产品质量升级，且这一作用途径在低生产率企业效应更大。
表6 作用机制检验结果(1)
width=686,height=416,dpi=110
2.推动技术创新的机制检验
借鉴施炳展和邵文波(2014)测算方式，以无形资产占总资产比重加一取对数衡量企业技术创新水平，引入人工智能与技术创新交互项(AI*yfxl)，验证人工智能是否通过提高企业技术创新进而影响制造企业产品的质量提升。估计结果显示，交互项回归系数显著为正，表明人工智能发展能够推动制造企业技术创新水平提高，实现出口产品质量升级。进一步，由分组回归结果可知人工智能通过提高企业技术创新水平显著促进高生产率企业出口产品质量升级，对低生产率企业促进作用却并不显著。因此，工业智能化的知识溢出和技术溢出效应虽能够刺激制造企业加强自主创新和研发，却同时受到企业生产率限制，低生产率企业应在引进工业智能化、高效化等基础上，进一步加强技术学习和人才引进，为出口产品质量提供持续升级动力。
3.优化要素配置的机制检验
基于前文理论分析，人工智能可优化企业生产要素配置。参考蒲阿丽和李平(2019)的方法构建要素配置效率指标，具体计算公式为：企业从业人员年平均人数占工业总产值比重表示劳动要素配置效率；企业资本存量占工业总产值比重表示资本要素配置效率。在此基础上，引入人工智能与企业劳动要素配置效率、资本要素配置效率交互项(AI*ldlpz、AI*zbpz)，其中表7列(1)-(3)为劳动要素配置效率回归结果，列(4)-(6)为资本要素配置效率回归结果。估计结果中，交互项回归系数均显著为正，由此证明人工智能技术应用通过优化要素配置提高制造企业出口产品质量升级。且对比分组回归结果，人工智能对低生产率制造企业促进作用更明显。
表7 作用机制检验结果(2)
width=686,height=416,dpi=110
综上分析，人工智能替代劳动要素投入、推动企业技术创新和优化企业要素配置的作用机制得到验证，且存在生产率异质效应。具体表现为低生产率制造企业更能够发挥人工智能对低端劳动力的替代效应和要素配置的优化效应，高生产率企业对新工艺和新技术的吸收能力较强，更能够发挥工业智能化对企业技术创新推动作用，最终实现出口产品质量升级。
五、扩展分析
上文研究了人工智能促进制造企业出口产品质量升级的微观证据，而工业机器人数据结构属于行业层面，为了保证研究的完整性和结论的稳健性，进一步研究人工智能技术对行业出口产品质量的影响。
借鉴已有研究，行业出口产品质量变动主要包括以下四个部分：一是企业内效应，假设在位企业市场份额不变，仅考虑企业自身出口产品质量变动，而引致的行业出口产品质量的变动。二是企业间效应，指其他因素不变，由企业市场份额变动引致的行业出口产品质量变动。三是进入企业效应，指由企业进入引致的行业出口产品质量变动。当新进入企业产品质量高于在位企业平均产品质量水平时，有利于行业出口产品质量升级。四是退出企业效应，指由企业退出引致的行业出口产品质量变动。企业由于生产效率较低等因素退出市场，有利于调整已有企业生产效率平均水平，促进行业出口产品质量升级。Griliches和Regev(1995)研究中，企业间效应、进入企业效应和退出企业效应三项之和被称为资源再配置效应。上述效应测算和估计需借助行业层面数据，因此，首先计算行业层面出口产品质量，公式如下
width=114,height=26,dpi=110
(5)
其中，j、t、g分别表示三位码行业、年份和企业，ø表示行业层面企业集合。Vgt为权重，由企业出口额占其所在行业出口总额比重表示。本文借鉴相关研究方法，动态分解行业层面出口产品质量。具体分解结果如下所示
ΔQuajt=(QuaS2-QuaS1)+vE2(QuaE2-QuaS2)+vx1(QuaS1-Quax1)=width=354,height=49,dpi=110
(6)
ΔQuajt表示从第1期到第2期行业出口产品质量变动。下标S表示在位企业，E表示新进入企业，X表示退出企业。width=275,height=38,dpi=110其中Quagt为g企业t期出口产品质量。Δcovs=covS2-covS1，covSt=width=205,height=29,dpi=110为企业在第t期出口份额，width=686,height=90,dpi=110
基于式(6)，2005-2013年行业出口产品质量分解结果如表8所示。考察期内，企业间效应最大，效应值为0.02，贡献率为65.69%，表明高出口产品质量制造企业往往占据较大市场份额，限资源向高生产效率和高出口产品质量存活企业转移，资源利用率进一步提高的同时，存活企业间资源再配置效率提高，有效促进行业出口产品质量升级。其次是退出企业效应，对出口产品质量贡献率为31.42%，低质量企业退出市场促进了地区行业出口产品质量升级。贡献率第三位的为企业内效应，对出口产品质量贡献率达32.14%，说明考察期内，在位企业自身出口产品质量显著提高。进入企业效应值为负，可知新进入企业具有较低质量水平，不利于行业出口产品质量提升。进一步计算得出资源再配置效应贡献率达到82.01%，无疑是行业出口产品质量核心提升路径。
表8 地区-行业出口产品质量变动的分解结果
width=686,height=234,dpi=110
为了进一步检验人工智能技术影响行业出口产品质量的途径，建立如下计量模型
Qjt=β0+β1sydjt+uj+ut+εjt
(7)
Qjt在不同模型中分别表示式(6)中各分解效应，以及由此加总得出的行业出口产品质量总变动效应和资源再配置效应。估计结果如表9所示，列(1)是总变动效应为因变量回归结果，估计系数显著为正，表明人工智能显著促进行业出口产品质量升级。为了较全面揭示人工智能对各分解效应所引致的行业出口产品质量变动的影响，列(2)-(5)分别报告了企业内效应、企业间效应、进入企业效应和退出企业效应作为因变量的回归结果，发现人工智能对企业内效应、企业间效应影响均显著为正，其中对企业间效应的影响更大。说明人工智能技术显著提高在位企业出口产品质量，相比之下，更是较大程度上促进了在位企业间资源流动，有效资源向高出口产品质量企业聚集，提高了资源利用率和配置效率，实现行业出口产品质量升级。另外，列(4)和列(5)回归系数表明人工智能技术一定程度上降低出口企业市场进入门槛，促使新企业参与出口市场，且增加企业出口期限。一般来说，新进入企业具有较低生产效率，濒临退出企业亦逐步丧失市场竞争力，人工智能技术促使新进入企业增多的同时，又延缓在位企业退出期限，并不利于行业出口产品质量升级。进一步，列(6)报告资源再配置效应为因变量回归结果，人工智能估计系数为正，且通过1%显著性水平检验，表明人工智能技术通过提高企业间资源再配置效应正向促进行业出口产品质量升级。因此，相较于人工智能由进入企业和退出企业效应产生的负向影响，其通过企业间效应对行业出口产品质量积极影响更为显著。综上，资源再配置效应是人工智能促进行业出口产品质量升级的重要作用路径。
表9 人工智能与行业出口产品质量变动
width=686,height=269,dpi=110
六、结论与政策建议
双循环新发展格局背景下，如何寻找国内技术路径促进我国经济高质量发展显得尤为重要。本文使用2005-2013年机器人数据、中国海关数据库和中国工业企业数据库深入研究人工智能技术对制造企业出口产品质量的影响。研究发现：首先，人工智能技术显著促进制造企业出口产品质量升级。且相较于高全要素生产率企业，人工智能技术对低生产率企业的促进效应更加显著。其次，作用机制检验可知，人工智能技术促进作用是通过替代低端劳动力降低企业成本、优化要素资源配置和推动企业技术创新实现的。其中，人工智能主要通过降低企业成本、优化要素配置提高低生产率企业出口产品质量，企业技术创新的机制效应并不显著。再次，人工智能技术对加工贸易企业、本土企业、中低技术和中西部地区企业产品质量促进作用更加明显。最后，将研究视角从微观层面转向行业中观层面。资源再配置效应对行业出口产品质量贡献率达到82.01%，是人工智能提高地区-行业出口产品质量的重要途径。基于此，本文提出以下政策建议。
(1)以创新引领发展，必须高度重视工业智能化、自动化和高效化，为制造企业高质量发展提供新动能。2015年，国务院颁布《中国制造2025》中就提出“以推动智能制造为主攻方向”，2017以来，人工智能被连续写入“两会”政府工作报告。在全球人工智能高速发展浪潮中，我国在人工智能领域投资绝对值超过美国，取得瞩目成就，然而相比之下，在制造业的投入明显不足。据统计，2015年人工智能给中国各行业带来的增速统计中，制造业排在第一位，但目前中国人工智能投资23.40%集中在商业及零售领域，18.30%在自动驾驶，制造业却不到1%。制造业作为我国支柱产业，提升智能化水平对我国对外贸易和经济高质量发展具有至关重要的意义。
(2)伴随人口红利缩减、国际竞争愈烈，以低成本劳动力获得出口比较优势的传统制造企业陷入困境，人工智能成为新的突破口。二十一世纪以来，凭借劳动力和资源比较优势，我国对外贸易规模大幅提升，然而随着劳动力成本不断上升，较低生产率制造企业失去对外贸易优势，一度陷入困境。人工智能技术应用能够实现生产线自动化，有效降低劳动要素投入规模，减少企业生产成本，同时调整要素投入结构，提高要素配置效率。并且高效化、精准化生产能够大大提高企业生产效率和产品质量。因此，人工智能成为低生产率制造企业走出困境，提高国际竞争力的关键突破口。总之，工业智能化是我国克服制造业国际贸易困境、抵御其他发展中国家低成本劳动力比较优势和发达国家再工业化浪潮冲击的重要突破口。如何激发人工智能对制造业的改造和升级成为需要继续思考的议题和方向。
(3)突破技术难关，实现“物理世界”和“数字世界”的高度融合，是制造企业提升国际竞争力的关键。习近平总书记在十九大报告中着重强调“将推动互联网、大数据、人工智能和实体经济深度融合”，然而目前人工智能与制造业的融合仍存在很大问题。其中的原因除了制造业本身存在的数据采集流程长、系统通用性低和复合型人才缺乏等问题外，最关键难题在于核心技术掌握和企业自主研发不足。一方面，目前中国在高新技术领域诸如高性能晶体、半导体等人工智能技术核心零部件仍依赖于进口，在国际竞争中高端制造业处于劣势；另一方面，我国制造企业对国外中间品等存在技术依赖性，自主技术创新不足。因此提升人工智能技术和制造企业自主研发投入力度，培养高端复合型人才，解决人工智能发展和应用的技术性难题至关重要。
参考文献
李开复,王咏刚. 人工智能. 北京: 文化发展出版社, 2017.
郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动. 管理世界,2019,35(7):60-77.
ACEMOGLU D,RESTREPO P. The race between machine and man:implications of technology for growth,factor shares and employment:NBER Working Papers,2016 .,2016.
KATZ L F, MURPHY K M.Changes in relative wages, 1963-1987:supply and demand factors . Quarterly Journal of Economics,1992,107(1):35-78.
董直庆, 蔡啸. 技术进步方向诱发劳动力结构优化了吗? . 吉林大学社会科学学报,2016(9):25-31.
BRYNJOLFSSON E, HITT L M, KIM H H. Strength in numbers:how does data-driven decision-making affect firm performance?:SSRN Working Papers,2011.,2011.
GRAETZ G,MIC, HAELS G. Robots at work: the impact on productivity and jobs:Centre for Economic Performance,LSE,2015 .,2015.
李廉水, 鲍怡发, 刘军. 智能化对中国制造业全要素生产率的影响研究. 科学学研究, 2020,38(4):609-618.
田云华, 周燕萍, 邹浩, 等.人工智能技术变革对国际贸易的影响. 国际贸易,2020(2):24-31.
FREY C B, OSBORNE M A. The future of employment: how susceptible are jobs to computerization . Technological Forecasting and Social Change,2017,114:254-280.
DAVID B. Computer technology and probable job destructions in Japan:an evaluation . Journal of the Japanese and International Economies,2017,43:77-87.
ACEMOGLU D, RESTREPO P. Robots and jobs:evidence from us labor markets . NBER Working Papers,2017.
刘亮,刘军,李廉水,等. 智能化发展能促进中国全球价值链攀升吗?. 科学学研究,2021,39(4):604-613.
刘斌, 潘彤. 人工智能对制造业价值链分工的影响效应研究. 数量经济技术经济研究,2020,37(10):24-44.
吕越, 谷玮, 包群. 人工智能与中国企业参与全球价值链分工. 中国工业经济,2020(5):80-98.
孙杰. 从数字经济到数字贸易: 内涵、特征、规则与影响. 国际经贸探索,2020,36(5):87-98.
施炳展, 邵文波. 中国企业出口产品质量测算及其决定因素——培育出口竞争新优势的微观视角. 管理世界,2014(9):90-106.
HALLAK J C. Product quality and the direction of trade . Journal of International Economics,2006,68(1):238-265.
李秀芳, 施炳展. 中间品进口多元化与中国企业出口产品质量. 国际贸易问题,2016(3):106-116.
刘海洋, 林令涛, 高璐. 进口中间品与出口产品质量升级: 来自微观企业的证据. 国际贸易问题,2017(2):39-49.
施炳展. 中国企业出口产品质量异质性: 测度与事实. 经济学(季刊),2013,13(1):263-284.
VERHOOGEN E A. Trade, quality upgrading and wage inequality in the Mexican manufacturing sector . Quarterly Journal of Economics,2008,123(2):489-530.
张明志, 铁瑛. 工资上升对中国企业出口产品质量的影响研究. 经济学动态,2016(9):41-56.
祝树金, 赵玉龙. 资源错配与企业的出口行为——基于中国工业企业数据的经验研究.金融研究,2017(11):49-64.
FAN H C, LAI E, LI Y A. Credit constraints,quality, and export prices: theory and evidence from China . Journal of Comparative Economics,2015,43(2):390-416.
宋冬林, 王林辉, 董直庆. 技能偏向型技术进步存在吗？—来自中国的经验证据. 经济研究,2010,45(5):68-81.
ACEMOGLU D, RESTREPO P. Artificial intelligence, automation and work . Social Science Electronic Publishing,2018(1):197-236.
韩民春, 韩青江, 夏蕾. 工业机器人应用对制造业就业的影响——基于中国地级市数据的实证研究.改革,2020(3):22-39.
蔡跃洲, 付一夫. 全要素生产率增长中的技术效应与结构效应——基于中国宏观和产业数据的测算及分解.经济研究,2017,52(1):72-88.
程文先, 樊秀峰. 全球价值链分工下制造企业出口附加值测算——来自中国微观企业层面数据. 中国经济问题,2017(4):52-65.
路玮孝, 孟夏. 工业机器人应用、就业市场结构调整与服务贸易发展. 国际经贸探索,2021(8):1-17. https://doi.org/10.13687/j.cnki.gjjmts.20210816.001.
KHANDELWAL A K. The long and short of quality ladders . Review of Economic Studies,2010,77(4):1450-1476.
龚关, 胡关亮. 中国制造业资源配置效率与全要素生产率. 经济研究,2013(4):4-15.
许家云, 毛其淋, 胡鞍钢. 中间品进口与企业出口产品质量升级: 基于中国证据的研究. 世界经济,2017,40(3):52-75.
BRANDT L, JOHANNES V B, ZHANG Y F. Creative accounting or creative destruction? Firm-level productivity growth in Chinese manufacturing . Journal of Development Economics,2012,97(2):339-351.
余淼杰, 袁东.贸易自由化、加工贸易与成本加成—来自我国制造业企业的证据. 管理世界,2016(9):33-43.
铁瑛, 何欢浪.城市劳动供给与出口产品质量升级—“成本效应”抑或“技能效应”.国际贸易问题,2019(9):26-39.
李坤望, 蒋为, 宋立刚.中国出口产品品质变动之谜: 基于市场进入的微观解释. 中国社会科学,2014(3):80-103.
陈勇兵, 李燕, 周世民. 中国企业出口持续时间及其决定因素. 经济研究,2012,47(7):48-61.
AUER R, CHANEY T. Exchange rate pass-through in a competitive model of pricing-to-market . Journal of Money, Credit and Banking,2009,41(1):151-175.
MANOVAK, ZHANG Z H. Multi-product firms and product quality . NBER Working Paper,2012,127(1):379-436.
GUARIGLIA A, LIU X X, SONG L N. Internal finance and growth:micro-econometric evidence on Chinese firms . Journal of Development Economics,2011,96(1):79-94.
邵朝对, 苏丹妮, 邓宏图. 房价、土地财政与城市集聚特征: 中国式城市发展之路.管理世界,2016(2):19-31.
蒲阿丽, 李平. 出口、市场化与资源配置效率的行业异质性分析.改革,2019(9):93-102.
GRILICHES Z, REGVE H. Firm productivity in Israeli industry 1979—1988 . Journal of Econometrics,1995,65(1):175-203.
Heterogeneous Effect and Influence Path of Artificial Intelligence on Export Product Quality Promotion
TANG Qing-qing1, BAI Dong-bei2, WANG Jue1
(1.School of Economics & Management, Northwest University, Xi’an 710127, China; 2.School of Economics, Anhui University of Finance and Economics, Bengbu 233030, China)
Abstract：Promoting development through innovation and promoting the integration of artificial intelligence and manufacturing are the keys for China to become a manufacturing power. This paper uses robot data provided by IRF, China Industrial Enterprise database and China Customs database to construct micro enterprise data, and empirically tests the relationship between artificial intelligence technology and export product quality of manufacturing enterprises. The main conclusions are as follows:First, artificial intelligence technology can significantly promote the quality upgrading of export products of manufacturing enterprises, and the promotion effect of artificial intelligence on low productivity enterprises is more obvious than that of high productivity manufacturing enterprises. Secondly, the promotion effect of artificial intelligence is realized by replacing low-end labor force, reducing enterprise cost, promoting enterprise technological innovation and optimizing enterprise factor allocation. Among them, the export quality of low productivity enterprises is improved mainly by reducing enterprise cost and optimizing factor allocation, and the promotion effect on technological innovation is reflected in high productivity enterprises. Considering the characteristics of the robot data structure, the further analysis of the export product quality of the industry shows that artificial intelligence significantly improves the export product quality of the industry, and the contribution rate of resource reallocation effect to the export product quality reaches 82.01%. Therefore, innovation-led development is to grasp the opportunity of intelligent rapid development, reduce labor input, optimize factor allocation, improve technological innovation, so as to boost Chinese manufacturing enterprises to participate in international competition at a higher level.
Key words：artificial intelligence; quality of export products; scale of labor input; factor allocation; technology innovation
收稿日期：2021-07-29
基金项目：国家社会科学基金项目(20BJY090)。
作者简介：唐青青，女，西北大学经济管理学院博士生，主要从事世界经济研究；白东北，男，安徽财经大学经济学院讲师，博士，主要从事产业与贸易发展研究；王珏，女，西北大学经济管理学院教授，博士，博士生导师，主要从事世界经济研究。
中图分类号：F740
文献标识码：A
文章编号：1005-1007(2021)12-0094-17
责任编辑 廖筠
页:
[1]