人工智能、侵蚀性竞争和行业质量阶梯

奥鹏网院作业

人工智能、侵蚀性竞争和行业质量阶梯*
綦建红 周洺竹

[提 要] 本文采用国际机器人联合会提供的工业机器人跨国跨行业安装数据，考察了人工智能对行业质量阶梯的影响与作用机制，并在此基础上探究了侵蚀性竞争的调节作用及其引致的质量集聚效应。研究结果发现，人工智能显著缩短了行业质量阶梯，提升了产品质量，且这一作用在一系列检验后依然稳健；基于内生中介效应模型的结果表明，人工智能对质量阶梯的影响是通过增加中间品使用、提高生产率和改变资本密集度实现的。侵蚀性竞争的存在，不仅负向调节了人工智能对行业质量阶梯的作用，还引发了质量维度上的地理转移现象，导致高质量产品的产销活动转变为以高质量国家为中心进行的区域性活动。探究人工智能对行业质量阶梯的影响，既有助于厘清人工智能的经济效应，也有助于提升产品国际竞争力，助推贸易高质量发展。

[关键词] 人工智能；机器人；市场重合；侵蚀性竞争；质量阶梯

一、引 言
产品质量是一国实现出口贸易可持续发展的重要基础，也是国际贸易领域始终关注的热点话题。已有研究表明，关注一国产品质量在出口产品质量阶梯中的相对位置，要比质量本身更具现实意义(Khandelwal，2010；施炳展等，2013)。

提升产品质量并非易事，而人工智能时代的到来为解决这一问题开辟了新思路。人工智能在生产中的运用主要是通过工业机器人(以下简称机器人)实现的(Bessen et al.，2019)。根据国际机器人联合会(International Federation of Robotics，IFR)公布的《2020年世界机器人报告》，目前世界运行的机器人已达270万台，这些机器人在推动“制造”向“智造”转变的过程中，促使生产环节高效化和生产标准统一化，为各国产品质量的进一步提升提供了可能。

从已有研究看，在Goldfarb & Trefler(2018)和Meltzer(2018)较早提出人工智能将对国际贸易领域产生变革性影响的基础上，学者们发现，以机器人为代表的人工智能应用能够降低生产成本，导致一国的出口增加，与他国贸易流动更多(Artuc et al.，2018)。而机器翻译、信通技术作为方兴未艾的人工智能技术，也同样显著促进了出口增长(Brynjolfsson et al.，2018；Barbero & Rodriguez-Crespo，2018)。国内学者进一步将研究扩展至全球价值链(GVC)领域，肯定了机器人使用对GVC参与的促进作用(吕越等，2020；刘斌和潘彤，2020)。相比之下，人工智能对产品质量影响的研究尚有完善空间。DeStefano & Timmis(2021)首次量化了这一影响，但其研究仅从国家收入水平、产品类型和机器人类型角度对机器人的质量效应进行了异质性考察，并未涉及其中的作用机理，而这也是本文试图解答的第一个问题。

学者们还发现，人工智能的应用存在技术的外部性和偏向性。Acemoglu et al.(2020)发现采用机器人的企业在降低成本的同时，也对同行业中竞争对手产生了负面效应；无独有偶，Faber(2020)和Kugler et al.(2020)也发现一国使用机器人会产生业务回流，显著降低其他国家的就业水平。“零和博弈”的情景还发生在采用人工智能的企业之间，即生产率高的“龙头企业”、拥有规模和技术优势的大型企业增益更多(Stiebale et al.，2020)。这些研究表明，机器人的应用很可能带来激烈的同业竞争，而在需求疲软的情况下，这种竞争就会演变为侵蚀性竞争，对其他经济体的市场地位产生潜在威胁(Pula & Santabwidth=8,height=11,dpi=110rbara，2012)。当侵蚀性竞争压力较大时，为弥补需求减少和利润损失，经济主体会做出降低产品质量的决策(侯欣裕等，2020)。可见，侵蚀性竞争的存在，是机器人应用过程中的重大挑战，明确侵蚀性竞争在机器人和行业质量阶梯二者关系中的角色，对智能化推进贸易高质量发展至关重要，这是本文试图解决的第二个问题。

本文可能的边际贡献在于：其一，研究视角方面，将人工智能和产品质量纳入同一实证分析框架，不仅考察了人工智能对质量阶梯的影响，还对其作用机制进行分析，弥补了现有研究关于人工智能质量效应论证的不足，为实现贸易高质量发展提供了新的分析视角；其二，影响机制方面，采用Dippel et al.(2020)的内生中介效应检验模型，将工具变量引入其中，缓解了传统三步法机制检验中存在的内生性问题；其三，内容拓展方面，将已有研究鲜有涉及的侵蚀性竞争纳入其中，不仅梳理了侵蚀性竞争在人工智能影响行业质量阶梯中发挥的调节作用，还考察了其引致的质量集聚效应。

本文剩余部分安排如下：第二部分提出理论假说；第三部分进行实证设计；第四部分为实证结果与分析；第五部分为机制分析；第六部分探析了侵蚀性竞争带来的影响；第七部分基于中国数据进行了进一步讨论；最后为结论与启示。

二、理论假说
尽管关于质量阶梯影响因素的文献凤毛麟角，且主要侧重于对经济主体固有特征的分析，但是这些研究仍为考察人工智能的质量效应提供了重要参考。Amiti & Khandelwal(2013)论证了国家发展状况和质量阶梯的关系，发现先进的发达国家位于产品质量阶梯的顶端，而发展中国家则远离前沿。具体到行业特征，Khandelwal(2010)发现行业资本强度、生产率、研发水平均与质量阶梯息息相关；无独有偶，刘伟丽和陈勇(2012)、施炳展等(2013)的研究也支持了上述观点。随着人工智能时代的到来，人工智能的质量效应引起了越来越多学者的关注与重视(蔡振坤和綦建红，2021；DeStefano & Timmis，2021)。

(一)人工智能影响行业质量阶梯的作用渠道
结合已有研究，本文认为人工智能是实现贸易高质量发展的重要手段，各国各行业能够利用智能化缩短质量阶梯的长度，实现产品质量的提升，且这种作用可能通过三条渠道实现：增加行业中间品使用、提高行业生产率和资本密集度。

首先，作为人工智能技术的典型代表，机器人不仅在生产环节承担了一系列重复性高和容错率低的工作，减少了生产误差(DeStefano & Timmis，2021)，而且在销售环节有效管理和降低了供应链上的风险，提高了供应过程的整体效率(Meltzer，2018)。得益于这些优势，机器人应用企业不仅巩固了已有竞争优势，而且改变了行业内的竞争态势，致使市场份额和资源重新分配(Koch et al.，2019)。为了适应这种变化，行业需要增加新的生产投入，除了劳动力和常规资本投入外，作为必要物质资本投入的中间品同样必不可少。与此同时，机器人作为新型生产要素，通常比非自动化机器需要更高质量的投入与之配套(DeStefano & Timmis，2021)，这其中既包括优质的人力资本(Meltzer，2018；Acemoglu，2021)，也包括更高质量的中间品。而中间品投入的质量往往决定着产出质量的水平(Kugler & Verhoogen，2012；许家云等，2017)，这就使得中间品在生产环节占据着举足轻重的位置。

高质量中间品使用增多，对于提升产品质量大有裨益。具体来说，其一，各个国家和行业根据其比较优势或生产特点，通过配置资源生产不同的产品，而中间品内嵌了其他行业或其他国家的生产技术信息和质量信息(马述忠和吴国杰，2016)，对不同国家和行业中间品的使用，能够有效实现不同市场间资源的最优配置，带来更多高质量产品的生产，降低产品升级阻力(许家云等，2017)；其二，中间品投入增加能够丰富行业可使用的中间品种类，多种类的中间品组合能够降低投入价格、节约生产成本，提升产品质量(Halpern et al.，2015；许家云等，2017)；其三，中间品的重要来源之一是国外进口，而进口的中间品往往代表了更高的质量水平，其数量和质量增加均有助于产品质量的持续提升(Kugler & Verhoogen，2012)。基于此，本文提出：

假说1 人工智能能够促进中间品使用，提升产品质量，实现行业质量阶梯的缩短。

其次，针对机器人的生产率效应，国内外学者得出了一致结论，即机器人能够替代低技能劳动力和提升生产技术，故能带来劳动生产率的提高(Graetz & Michaels，2018；杨飞和范从来，2020)。一方面，智能系统的机械化水平较强，主要用来从事一系列重复性、低技术含量的工作，承担以前由低技能劳动力执行的任务，提高了生产性任务的准确性和精度，带来了对生产率的增益效果(Acemoglu & Restrepo，2019；DeStefano & Timmis，2021)；另一方面，作为人工智能的典型代表，机器人本身就是技术创新的产物，是综合了人的特长和机器特长的拟人电子机械装置，不仅可以实现工作自动化，还可以激发人类创造力、判断力和灵活性，有利于革新生产方式，促进生产率的提升(王永钦和董雯，2020；Acemoglu，2021)。

已有研究表明，生产率较低会导致产品质量升级受阻，难以改变出口贸易低端锁定的不利局面(张夏等，2020)。相反，生产率高的行业对新技术的容纳和接受力度更强，不仅能在出口贸易中占有优势，而且更有能力支付生产高质量产品所需的高成本，从而带来更多更高质量产品的生产和出口(Kugler & Verhoogen，2012)；同时，智能化设备往往被用于承担一系列重复性高和容错率低的工作，产品的生产环节更加规范，生产误差更低(DeStefano & Timmis，2021)，故生产出来的产品更趋于标准化，也有利于实现缩短行业质量阶梯的目的。据此本文提出：

假说2 人工智能的应用会通过提高生产率来缩短行业质量阶梯。

最后，机器人还可能通过改变行业资本密集度影响行业质量阶梯。资本密集度在一定程度上可以反映行业生产的禀赋状况和比较优势，资本密集度越高，行业越倾向于利用禀赋优势生产并出口更高质量的产品，从而位居较高的阶梯位置(Khandelwal，2010；Hallak & Sivadasan，2013)。

机器人投入作为资本的形式之一，可能更多地发生在原本资本密集度更高的行业，这就会模糊机器人通过提高资本密集度而发挥的提质作用。但资本密集度不仅仅涉及资本的增加，而且更多地体现为资本和劳动两种要素的相对比例，即机器人在影响资本的同时，对劳动的影响也会改变原有的资本密集度。因此，机器人导致行业资本密集度变化的原因至少涉及两方面：从资本方面来说，随着机器人的普及，生产过程的智能化和自动化水平不断升高，资本可执行的任务范围扩大，越来越多的生产任务可以用资本代替劳动加以完成(陈彦斌等，2019)，这改变了原有的要素配比模式，此时行业会更倾向于使用资本生产更高质量的产品(Hallak & Sivadasan，2013)；与此同时，投资机器人不仅能改变当期生产的要素配比和产品优势，更能深化自动化技术，实现长期的资本积累，带来资本劳动比率的持续增加。从劳动力方面来说，机器人对劳动力的需求取决于两种相悖作用的相对大小：“替代论”认为机器人的用途相对具体，主要用于替代由人类完成的某些特定工作(Acemoglu & Restrepo，2020)，因此使用机器人能够减少生产中对劳动力的需求，产生“机器换人”的现象。与之相反，“创造论”则认为机器人的应用能够扩大产出规模、提升生产效率和产品市场份额，从而会增加劳动力需求(李磊等，2021)；同时，在机器人使用过程中，需要更多与之相辅相成的专业人员配合，也会创造出新的工作岗位(Acemoglu，2021)。据此本文提出：

假说3 人工智能能够改变行业资本密集度，从而改变比较优势，实现行业质量阶梯的缩短。

(二)人工智能、侵蚀性竞争和行业质量阶梯
以机器人为代表的人工智能技术在投入生产时，带来了生产效率和质量的提高，夯实和加强自身的竞争优势，有可能改变原有的竞争状态。Acemoglu et al.(2020)的研究发现，企业采用机器人技术后，在对自身产生积极就业效应的同时，会造成同行业竞争对手的就业损失。与之相类似，Kugler et al.(2020)和Faber(2020)均发现美国使用机器人产生了产业回流现象，增加了本国就业机会，降低了他国的就业。即使同样使用机器人技术，经济主体的收益也并不对称。例如，Stiebale et al.(2020)的研究表明，机器人使用过程中，原本生产率高的企业获益更大，资源的重新分配促进了龙头企业的产生；蔡震坤和綦建红(2021)还发现，机器人的使用会带来市场份额的重新分配，初始质量更低的企业会得到更多的市场份额。这些研究表明，机器人发挥经济效应的同时，可能改变原有的生产模式，从而引致个体之间激烈的竞争效应。

由于各国同一行业提供的往往是相同产品和相似产品，当产品销往有限的国际市场时，互为彼此的产品竞争者，势必产生需求市场之间的相互重叠，出口市场重合度过高导致了额外的国际市场风险，无疑会带来巨大的同业竞争。这种同业竞争不仅涉及产品类型的重合，更涉及产品质量的重合性，在需求疲软的情况下，这种竞争就会演变为侵蚀性竞争，此时经济主体的市场需求存在被其他行业或企业侵蚀的风险，它们可能偏好采用降低产品质量的决策缓解竞争的不利影响(侯欣裕等，2020)。因此，侵蚀性竞争的存在，可能使行业产品质量升级阻力变大，抵消了部分机器人带来的质量促进效应。基于此，本文认为：

假说4 侵蚀性竞争的存在，弱化了人工智能对产品质量阶梯的提升作用。

已有研究表明，地理距离是影响出口产品质量的重要因素(Henn et al.，2013；张夏等，2020)，一般来说，出口目标国距离越远，出口产品质量越高。这是因为，更高质量的产品能够克服与距离相关的成本，收取更高的市场价格，获取更高的利润，因此更有能力渗透到更遥远的市场(Baldwin & Harrigan，2011)。如前所述，尽管机器人的应用有利于提升出口产品质量，但是各国各行业在出口时势必受到来自其他国家同行业产品的竞争压力，难以“独善其身”。同行业间侵蚀性竞争的存在，有可能导致某些行业为了规避竞争，改变高质量产品出口目标国的区位选择。具体而言，与国内贸易不同，国际贸易需要承担大量的运输成本和产品损耗成本，加剧了产品销售面临的风险，不利于在激烈的同业竞争中取胜，此时行业可能会倾向于将高质量产品的出口由远距离市场转移至近距离市场，以降低贸易成本和产品质量的折损，保证低价高质的竞争优势。这种规避竞争、保持优势的决策可能引发某国某行业就近出口高质量产品的现象。

假说5 侵蚀性竞争的存在，可能会使高质量产品的出口由远距离市场转移至近距离市场，从而产生各国各行业就近出口高质量产品的现象。

三、研究设计
(一)数据来源
本文所用数据源于CEPII-BACI数据库、IFR全球机器人数据库和WIOD数据库。

需要说明的是，三个数据库使用的行业编码并不一致，本文将其统一为与WIOD数据库一致的ISIC Rev.4行业编码。其中，IFR机器人数据库根据行业释义将其统一，而BACI数据库参照唐宜红和张鹏杨(2020)的做法，根据产品在行业的归属关系，实现HS产品编码—ISIC Rev.3行业编码—ISIC Rev.4行业编码的转化。最终获得41个国家(地区)32个行业的19 662个观测值。

(二)模型设定
为了检验机器人对行业质量阶梯的影响，设定基准模型如下：

Indladderijt=β0+β1AIijt+βXijt+φi

+λj+δt+εijt

(1)

式中，i，j，t分别表示国家(地区)、行业和时间三个维度；Indladderijt为本文的被解释变量，代表各国各行业的质量阶梯；AIijt为本文核心解释变量，代表各国各行业使用人工智能的状况，以机器人的安装密度衡量；Xijt为本文控制变量，φi，λj和δt分别表示国家、行业和时间固定效应；εijt为随机扰动项。

(三)变量说明
1.被解释变量。本文的被解释变量为行业质量阶梯。质量阶梯代表着产品质量真正的前沿(Khandelwal，2010)，这是因为，质量阶梯可以体现产品质量水平，即质量阶梯缩短意味着产品质量升级阻力变小，产品更趋于高质，而质量阶梯延长则意味着产品质量存在进一步升级的可能性；更重要的是，质量阶梯还能够反映产品的质量差异化程度，较短的质量阶梯代表着产品质量差异程度低，而较长的质量阶梯说明行业产品异质程度明显，存在较大的产业升级空间(Henn et al.，2013)。

行业质量阶梯的计算如下：

第一步，采用嵌套Logit的方法计算进口产品质量。参照施炳展等(2013)的做法，使用双边贸易数据，对每个国家(地区)每个产品进行回归计算，得到各产品的进口质量，并对其进行标准化处理。此过程共涉及216个进口国(地区)4 872种产品。

第二步，由于本国来自其他国家(地区)的进口等同于其他国家(地区)对本国的出口，在计算216个进口国(地区)进口产品质量的基础上，对应得到41个样本国家(地区)的出口产品质量。之所以采取计算进口产品质量，间接获取出口产品质量的做法，是因为嵌套Logit的方法在计算产品质量时做了基于消费视角的假设，故需进行进口国角度的回归，这也与已有文献的做法保持一致(Khandelwal，2010；刘伟丽和陈勇，2012；施炳展等，2013)。

第三步，依据Khandelwal(2010)的做法构建产品h的质量阶梯width=132,height=20,dpi=110并根据产品-行业对应关系，将产品质量阶梯合并至行业层面，求得各行业的质量阶梯。

图1展示了各行业质量阶梯和机器人安装数量之间的关系。首先，条形代表了各行业的质量阶梯长度，可以看出各行业之间存在明显的差距，其中，以C15(基本金属制造)为代表的制造业质量阶梯较短(0.362)，而以C46(建筑和工程活动、技术测试和分析)为首的服务业质量阶梯(2.346)较长，这可能是因为制造业的生产更加标准化，产品间差异性较小，而服务业提供的产品和服务更侧重多样化；其次，折线代表了各行业的机器人安装流量，目前机器人安装集中于制造业，服务类行业安装数量较少。这可能是因为服务业中的机器人个性化和专业化明显，需要特殊定制，投入高、产出低，增益效果差，故目前尚未大规模投入使用。综合来看，除个别行业，绝大多数的行业机器人数量和质量阶梯呈现同向变化的关系。

width=307,height=200,dpi=110
图1 各行业的质量阶梯和机器人安装数量

2.核心解释变量。参考Graetz & Michaels(2018)的做法，本文以机器人密度AI(每百万小时工作的机器人数量)作为人工智能的表征，相较于机器人安装流量和存量，该指标更能反映各国(地区)各行业机器人的实际应用水平(王永钦和董雯，2020)。当然，为了更全面捕捉人工智能的经济效应，本文也使用机器人安装流量、存量和其他密度指标用于稳健性检验。

3.控制变量。参考Kugler & Verhoogen(2012)、施炳展等(2013)的做法，本文选取如下控制变量：(1)行业规模(Size)，以行业总产出指数衡量；(2)人力资本(Wage)，以劳动力人均薪酬衡量；(3)劳动力状况(Labor)，以劳动力人数占总人数的比重衡量；(4)要素产出(FS)，以各行业单位产出的劳动报酬表示；(5)资本深化(CD)，以各行业资本存量与行业增加值之比衡量(杨飞和范从来，2020)；(6)人均工时(Hem)，以各行业投入的劳动力人均工时衡量。相关变量以2010年的不变价格来衡量，同时，为减少样本损失，对相关变量采取加1取对数的处理。(1)囿于篇幅所限，变量的描述性统计结果未报告，备索。

四、实证检验结果
(一)基准回归结果
表1列(1)～列(2)汇报了基准回归的估计结果。结果显示，不论是否加入控制变量，AI的估计系数均在1%水平上显著为负，这表明以机器人衡量的人工智能缩短了各国各行业质量阶梯，减少了出口产品质量升级的阻力，有利于提升产品质量。控制变量结果则显示，行业规模(Size)越大、人力资本(Wage)越高、资本深化程度(CD)越高的行业，越有利于质量阶梯缩短，这与Kugler & Verhoogen(2012)、施炳展等(2013)的研究相一致；要素产出(FS)的估计系数显著为正，单位产出的报酬越高表明劳动成本越昂贵，不利于质量升级，从而延长了行业质量阶梯；人均工时(Hem)的估计系数显著为负，表明产品中凝结的人力劳动过多，反而不利于质量升级，这是因为机器人并不能完全替代人力，对某些特定行业来说，必要的人力投入才能发挥其增质效果(Faber，2020；DeStefano & Timmis，2021)。

表1 基准回归结果与内生性检验

width=745,height=574,dpi=110
注：括号内数值为t值，估计系数的标准误为稳健标准误；***，**和*分别表示参数在1%，5%和10%的显著性水平上显著。后续各表均对控制变量、时间固定效应、行业固定效应和国家固定效应进行了控制，囿于篇幅所限，不再额外标注。下同。

(二)稳健性检验
1.考虑内生性问题。一方面，基准模型设定存在变量控制不全面的可能性，产生遗漏变量的内生性偏差；另一方面，质量越高的行业，越有可能通过安装机器人来扩大优势，也越具备安装机器人的基础条件，这种逆向因果的内生性也可能产生结果的偏误。对此，本文采用工具变量法和倾向得分匹配结合双重差分法(PSM-DID的方式)，进一步加强结论的可信度。

(1)工具变量法。借鉴Faber(2020)、杨光和侯钰(2020)的做法，选择世界其他国家行业层面的机器人密度(IV_AI)作为核心解释变量的工具变量，由其他国家行业层面机器人数量除以对应的行业总工时求得。由于世界其他国家同期机器人数量在一定程度上能够反映人工智能的发展状况，且受本国行业质量阶梯影响较小，故满足工具变量相关性和排他性的选取要求。表1列(3)至列(4)报告了两阶段最小二乘法(2SLS)的回归结果，根据列(3)的估计结果可知，第一阶段中工具变量与核心解释变量呈显著的负相关关系，证实了相关性的成立，估计系数的符号与杨光和侯钰(2020)的研究保持一致，有可能是各国机器人的使用存在竞争关系所致；同时，Kleibergen-Paap rk F值为89.215，可以排除弱工具变量的问题。列(4)第二阶段的结果显示，AI估计系数显著为负，表明在考虑内生性问题后，机器人仍可缩短行业质量阶梯，证实了基准回归结果的可信性。

(2)PSM-DID。各国各行业使用机器人会受到行业自身发展情况的影响，并非完全外生，存在“自选择”问题，为此本文采用PSM-DID的方法，为每一个机器人的行业匹配与之最为相似的未安装机器人的行业后，再进行DID的分析。表1列(5)～列(7)列示了回归结果，其中Du为是否为实验组的虚拟变量，若i国(地区)j行业具有安装机器人的记录，则视为实验组，Du取1，与之对应的对照组取0；Dt为冲击年份的虚拟变量，安装机器人后为1，安装前为0，多次机器人安装记录的行业以样本期内首次安装年份作为冲击点。回归结果显示，交互项Du×Dt系数仍显著为负，再次证明了基准结果的稳健性。

2.更换变量衡量。由于衡量质量和人工智能的指标多种多样，不同的指标选择可能带来不同的结论。为避免因指标选取产生的偏差，本文更换了被解释变量和核心解释变量的衡量方式。

在更换被解释变量衡量时，一是参考施炳展(2013)的做法，重新测算出口产品质量，并据此计算行业质量阶梯Ladder1；二是更换产品-行业转换关系的合并权重，以出口数量占比重新加权得到行业质量阶梯Ladder2。在更换核心解释变量衡量时，以机器人安装流量(AIF)、存量(AIS)和密度(AID)分别反映人工智能的使用情况，其中机器人密度以每千名工人操作的机器人数量衡量(Acemoglu & Restrepo，2020)。由表2列(1)～列(5)可知，无论采用何种衡量方式，核心解释变量的符号与显著性均与基准结果一致。

3.更换估计方法。从已有研究来看，部分学者将安装机器人视为新一代工业革命的“事件冲击”，并采用双重差分法(DID)考察人工智能的经济效应(Brynjolfsson et al.，2018；Bessen et al.，2019)。学者们认为，虽然DID方法存在明显的内生性问题，但是可以通过工具变量法在一定程度上加以克服(Artuc et al.，2018)。为此，本文参照上述理念，采用DID重新回归；同时，考虑到回归中可能存在的序列相关性，本文还采用两期倍差法进行回归。上述两种方法虽然能够考察机器人安装对行业质量阶梯的影响，但是无法捕捉因机器人安装力度出现的差异，故将机器人密度与Dt相乘并纳入模型，以体现外部冲击力度变化产生的影响。表2列(6)～列(8)中交互项的估计系数均在1%的水平上显著为负，证实了基准结果的稳健性。

4.考虑安装机器人时间长度的影响。不同行业安装机器人时间并不相同，产生使用时间长短的差异，在上文考虑机器人“安装密度”和“是否安装”后，还考虑了机器人“安装持续时间”的影响，本文计算了行业安装机器人的时间并纳入回归，以排除时间长短引发结论差异的可能性。表2列(9)显示，AI的估计系数依然显著为负，表明安装机器人的时间越长，其经济效应越明显，与前文基准结论一致。

表2 稳健性检验

width=744,height=422,dpi=110
5.考虑金融危机的影响。一方面，受金融危机的冲击，本国的供给和他国的需求均受到影响，导致产品质量大幅度下降(Chen & Juvenal，2018)；另一方面，危机的出现，各国开始将人工智能作为应对风险和调整产业结构的重要手段，这必然对机器人使用带来较大冲击(吕越等，2020)。为消除其干扰，参照DeStefano & Timmis(2021)的做法，将2008—2009年的样本删除后进行回归。表2列(10)显示，AI的估计系数仍显著为负，与预期结论保持一致，表明机器人密度对行业质量阶梯的影响并不会受到金融危机事件的干扰。

五、作用机制考察
各国各行业使用机器人能够显著缩短各行业质量阶梯，促进行业产品质量的提高，而这一作用背后的影响机制尚待进一步考察。与传统三步法中介效应不同，本文参考Dippel et al.(2020)的方法，使用内生中介效应检验模型研究机器人密度对行业质量阶梯的作用渠道。该模型与传统中介效应检验模型估计流程一致，即：

width=281,height=20,dpi=110
(2)

width=176,height=17,dpi=110
(3)

Indladder=width=137,height=20,dpi=110

+γControl+εIndladder

(4)

式中，M和Control分别表示机制变量和控制变量。

与之不同的是，内生中介效应检验模型的估计基于2SLS回归，将核心解释变量的工具变量引入每一步因果识别的过程，最大限度地解决了潜在的内生性问题。后两步识别过程，可进一步拆解为式(5)～式(6)和式(7)～式(8)：

第一阶段：width=181,height=17,dpi=110

(5)

第二阶段：width=176,height=23,dpi=110

(6)

此步是为了表明核心解释变量和机制变量之间的关系。其中，width=20,height=20,dpi=110是第一阶段的估计值，IV表示工具变量，M表示机制变量，β和γ是基于2SLS方法得到的估计系数。

第一阶段：width=225,height=17,dpi=110

(7)

第二阶段：width=354,height=26,dpi=110

(8)

此步是在控制AI时，以IV作为M的工具变量，探究机制变量对被解释变量的影响。其中，width=14,height=20,dpi=110是第一阶段的估计值。内生中介效应检验模型提供了式(5)和式(7)的Kleibergen-Paap rk F值，但后者并不具备参考价值，故本文仅报告前者。

根据前文提出的理论假说，本文选取的机制变量为中间品使用(II)、生产率(TFP)和资本密集度(KL)。其中，中间品使用以中间品投入衡量，生产率采用人均增加值衡量，资本密集度采用资本与雇员人数之比衡量；同时，工具变量的选取同前文保持一致。

(一)中间品使用
机器人的使用改变了原有生产方式，扩张了生产规模，中间品使用会随之增加。来自其他国家或其他行业中间品的组合生产，实现了资源更优化的配置，对优化产业结构和提升产品质量至关重要(Kugler & Verhoogen,2012；许家云等，2017)。表3列(1)汇报了内生中介效应检验模型第二步的回归结果，可以看出机器人密度估计系数在1%的水平上高度显著，表明安装机器人显著促进了中间品的使用；同时，Kleibergen-Paap rk F值大于10%的临界值，拒绝了弱工具变量假设。列(2)的结果则进一步表明，中间品使用增加有利于缩短行业质量阶梯，带来产品质量的进一步提升。这表明中间品使用确实是机器人影响质量阶梯的机制，证实了假说1的成立。

表3 影响机制检验

width=745,height=275,dpi=110
说明：内生中介效应检验模型第一步的回归结果与稳健性检验部分2SLS回归结果相同，不再报告；由于篇幅所限，第二步和第三步仅报告第二阶段的回归结果，第一阶段结果备索。

(二)行业生产率
机器人在生产中主要从事高精度的重复性工作，标准化的机械生产对生产率的提升毋庸置疑(Graetz & Michaels，2018；Acemoglu & Restrepo，2019)。而无论是为满足内销还是进行出口，生产率提高都可以带来产品质量的升级，从而有利于质量阶梯的缩短(张夏等，2020)。表3列(3)～列(4)汇报了机器人生产率效应的估计结果，结果验证了生产率效应的存在，假说2成立。

(三)行业资本密集度
如前文理论假说所述，机器人亦有可能作为资本参与生产环节，改变原有的要素禀赋和生产优势，使其在特定的质量阶梯位置从事生产。根据表3列(5)～列(6)可知，机器人密度对资本劳动比的估计系数在1%的显著水平上为正，将资本劳动比纳入回归后，资本劳动比和机器人密度的估计系数均显著为负。这说明机器人使用能显著地提高资本密集度，带来了行业比较优势的变化，对质量产生了促进作用，从而缩短了行业质量阶梯，这和前文的理论假说3一致。

六、基于侵蚀性竞争的拓展
前文已经证实，某国某行业安装和使用机器人会带来生产率的提高和产品服务质量的提升，夯实并加强该行业的生产优势。对于各行业而言，同行业相似产品和相同产品出口时，产生需求市场之间的相互重叠，带来侵蚀性竞争的压力。基于此，探究侵蚀性竞争、机器人与行业质量阶梯的关系，对于全方位认识侵蚀性竞争为机器人带来的机遇和挑战至关重要。

(一)侵蚀性竞争的测算
参考Bloom et al.(2013)、侯欣裕等(2020)的做法，通过计算市场重合度构建侵蚀性竞争压力指标。该指标的好处有二：一方面，这一指标基于产品层面进行，可以借助产品出口额，将出口价格、出口数量、出口质量等信息包含在内，得到一个综合性的竞争指标；另一方面，行业或企业在出售产品时，更多的竞争来源于相同或相似产品，而非差异性产品。不同于以往的竞争指标(如HHI)，侵蚀性竞争考虑了个体出口时面临来自其他个体市场重合的程度(侯欣裕等，2020)，能够更精确地衡量竞争程度的大小。

首先，根据式(9)测算了各个国家(地区)每种产品k的双边出口市场重合度，该过程使用矩阵运算，共涉及4 872种产品构成的方阵。

width=199,height=49,dpi=110
(9)

式中，i和j表示国家；k和d分别表示产品和出口目的国；Sik=(Sik1,Sik2,...，Sikd)，Sikd代表i国出口产品k到目的国d的出口额(Exportikdt)占其产品k总出口额(Exportikt)比重的平均水平；SICijk为国家i和国家j所生产产品k在出口市场的重合度，取值越大，代表国家i和国家j出口产品k的市场重合度越高。

基于上述测算的重合度，利用式(10)构建国家i在出口产品k时面临的侵蚀性竞争压力指数(Comp)，并以产品k在所属行业中的出口额占比加权，得到国家(地区)i行业层面的侵蚀性竞争指标(Competition)，这种处理在一定程度上将行业信息包含在内，也与上文对行业质量阶梯的测算方式保持一致。该指标越大，表明行业在产品市场上受到来自他国同行业的竞争压力越大，出口时受到的侵蚀作用越突出。

Compikt=∑i≠j(SICijt×RPVijkt)

(10)

Competitionikt=Compikt×wikht

(11)

式中，RPVijkt=Exportjkt/Exportikt，为国家i与国家j所生产产品k的相对出口销售比，衡量了国家间的相对市场规模；wikht=Exportikht/Exportikt,为产品k在所属行业h中的出口额占比。

图2分别显示了分行业和分年份的侵蚀性竞争压力指数均值。尽管各行业和各年份的侵蚀性竞争大小存在差异，但是由于出口市场重合而产生的竞争压力是普遍存在的客观事实，故考察侵蚀性竞争的经济影响，对各国各行业合理应对激烈的同业竞争至关重要。

(二)侵蚀性竞争的调节效应分析
在表4列(1)汇报本文基准回归结果的基础上，列(2)将侵蚀性竞争(Competition)纳入回归，结果显示，该变量的估计系数显著为正，表明同业侵蚀性竞争的存在延长了行业的质量阶梯，行业产品质量升级阻力变大，不利于后续的质量提升，这和侯欣裕等(2020)的结论保持一致。继而，构建机器人密度和侵蚀性竞争压力指数的交互项(AI×Competition)，以考察侵蚀性竞争在机器人与行业质量阶梯二者关系中的调节作用。表4列(3)在对相关变量进行中心化处理的基础上，表明AI×Competition的估计系数显著为正，说明侵蚀性竞争的存在，弱化了机器人密度对质量阶梯的缩短作用，即行业面临的侵蚀性竞争越大，安装机器人对行业产品质量的提升作用越弱，这和假说4保持一致。更进一步来看，此处存在侵蚀性竞争的阈值0.462(=0.006/0.013)，只要侵蚀性竞争不超过该值，使用机器人可以抵消竞争的负面效应，实现阶梯位置的攀升。根据样本数据显示，在本文涉及的所有“国家-行业对”中，约有36.585%(=480/1 312)属于此范围，但仍有近2/3的行业在出口市场上面临着被侵蚀的风险。因此，提升产品质量、保持产品竞争力，积极应对由于出口产品重合度引致的侵蚀性竞争，仍是各国各行业实现贸易可持续发展的重中之重。

width=498,height=216,dpi=110
图2 分行业、分年份侵蚀性竞争压力指数

表4 侵蚀性竞争的调节效应

width=745,height=211,dpi=110
(三)侵蚀性竞争与质量的地理转移
正如理论假说5提出的，行业为规避竞争，可能更倾向于往特定地域出口高质量产品，因此有必要考察在各行业面临侵蚀性竞争时，机器人使用是否会产生质量的转移现象。具体而言，以贸易双方是否相邻定义出口目标国与本国(地区)的距离远近，以出口至不同目标国产品计算的行业质量阶梯定义出口质量状况。

表5列(1)～列(2)显示，当出口目标国为邻近地区时，机器人密度对行业质量阶梯的估计系数不显著，而出口目标国为非邻近地区时，估计系数显著为负，这表明在不考虑侵蚀性竞争时，仅当产品销往距离较远的非邻近地区时，机器人的使用会缩短行业质量阶梯，换句话说，此时非邻近地区享受到了出口国(地区)使用机器人带来的产品质量升级的好处，而距离更近的邻近地区并未受到影响，验证了假说5的成立。

表5 侵蚀性竞争与质量的地理集聚

width=375,height=258,dpi=110
表5列(3)～列(4)则显示，当出口目标国为邻近地区时，交互项系数显著为负，代表侵蚀性竞争加剧，会强化机器人对行业质量阶梯的缩短作用；而当出口目标国为非邻近地区时，交互项系数显著为正，说明机器人对质量的提升作用会因侵蚀性竞争而弱化。这一结果表明，面临侵蚀性竞争时，就近出口的产品会更加标准化、同质化，质量升级更加明显，而远距离出口的产品升级幅度较小。

图3进一步显示了初始年份往不同出口目标国出口产品的行业质量阶梯状况，可以看出，初期出口至邻近地区的阶梯短于非邻近地区，即在初期，邻近地区从同一个国家(地区)进口比非邻近地区质量更高的产品。辅之表5列(3)～列(4)的回归结果，由于激烈的同业竞争，各国各行业会利用机器人技术，倾斜内部资源配置，进一步升级销往邻近地区的高质量产品。这和假说5是一致的，由于国际贸易需要承担大量的运输成本和产品损耗成本，出口至位置较近的地区，可以降低贸易成本和产品质量的折损，保证低价高质的竞争优势，故侵蚀性竞争引发了就近出口高质量产品的现象。

width=339,height=244,dpi=110
图3 不同出口目标国初始年份的阶梯状况

侵蚀性竞争的存在，会导致各国各行业安装机器人时，出口到近距离目标国的产品质量得到更显著的提升，但是，一个国家的质量升级还会受到该国与世界质量前沿距离远近的影响(Amiti & Khandelwal，2013)。若上述效应在产品质量高的国家(地区)更显著，意味着更高质量产品的生产和消费就会以该国(地区)为中心聚集，实现区域性的质量集聚；反之，若此效应在产品质量低的国家(地区)更显著，则说明以各个出口国(地区)为中心，世界各区域产销的产品质量趋同。参考Amiti & Khandelwal(2013)和DeStefano & Timmis(2021)的做法，本文计算了各国的质量差距衡量各国的质量水平，即各国质量与质量前沿的距离，质量差距越小，表明该国越接近质量前沿，产品质量越高。同时，根据质量差距的分位数水平，将国家(地区)划分为低质量(质量差距最大的20%)、中质量(20%～80%)、高质量(质量差距最小的20%)三个组别分组回归。(2)本文也计算了行业层面质量差距对结果的影响，结论与正文分析高度一致，为该部分的两个结论提供了基于行业质量差距的异质性证据。具体结论如下：第一，提高行业质量是非常必要的；第二，产品质量更高的行业更倾向于出口至邻近国家，带来某行业的区域性集聚。篇幅所限，备索。其中，质量前沿定义为初始质量最高的国家，国家层面的质量以各行业产出占比加权行业质量得到。表6汇报了相应的回归结果。

表6 Panel A为不考虑侵蚀性竞争的回归结果。可以看出，仅当出口地为非邻近地区时，中、高质量组的估计系数显著为负，表明在更接近质量前沿的国家(地区)，行业安装机器人后更愿意提高销往远距离地区的产品质量。表6 Panel B为考虑侵蚀性竞争的结果，表明在最接近质量前沿的国家(地区)，侵蚀性竞争强化了机器人对邻近地区产品的质量效应，销往邻近地区的产品质量升级明显，这与前文结论一致，主要是受行业规避风险、保证低价高质动机的激励所致；而在中间质量和远离质量前沿的国家(地区)，侵蚀性竞争均负面影响了机器人对质量的提升作用，所不同的是，前者仅影响销往非邻近地区的产品，后者所有产品都受到影响，且交互项的系数明显大于前者。这一结论表明：一方面，提高产品质量、高质量参与国际贸易是必要的。尽管存在侵蚀性竞争，对于质量接近前沿的国家(地区)，其行业安装机器人在一定程度上能够抵消同业竞争的冲击，行业仍具有规避风险、选择目的地区的能力；而其他国家，尤其是远离质量前沿的国家(地区)，其行业使用机器人的质量效应被侵蚀性竞争的压力大大削弱，极有可能陷入出口低价低质产品的困境。另一方面，质量前沿的国家(地区)更多地将高质量产品销往邻近地区，这可能会带来高质量产品的生产和消费变成区域内活动，即高质量产品的产销会以高质量国家(地区)为中心、在多个小范围区域进行，加深了区域之间的贸易合作。

表6 基于国家质量差距的异质性检验

width=745,height=375,dpi=110
七、基于中国数据的进一步分析
根据前文的理论假说和实证检验，可以发现各国各行业使用机器人能够显著缩短各行业质量阶梯，有利于后续行业出口产品质量的提高。但是，由于机器人的类型并不相同，各自的设计目的、操作任务的公差范围、普及过程和调整成本等均具有明显的差异性，导致投入到生产环节时，可能产生不对称的经济效应(DeStefano & Timmis，2021)。因此，机器人的不同类型必须加以考虑，随之而来的问题有二：一是机器人对出口产品质量的影响，是否因机器人的不同类型而产生异质性结论；二是既然在侵蚀性竞争的压力下，地理距离至关重要，但各图是否因出口距离不同而装配不同类型的机器人生产线，尚不得知。

考虑到IFR并未公布各国各行业不同类型机器人的安装信息，难以从行业层面直接考察使用不同类型机器人的影响，本文专门聚焦中国，选取中国海关进出口数据和中国工业企业数据的匹配数据来解决这一问题。进口数据近似提供了机器人应用数据(Acemoglu et al.，2020；李磊等，2021)，详细的进口记录使研究不同类型机器人的影响成为可能。

本文根据海关进口产品的HS8编码，识别出进口机器人的样本(3)参照蔡震坤和綦建红(2021)的做法，HS8编码包括84864031(工厂自动搬运机器人)、84289040(搬运机器人)、85152120(电阻焊接机器人)、85153120(电弧焊接机器人)、85158010(激光焊接机器人)、84248920(喷涂机器人)、84795090(多功能工业机器人)、84795010(其他工业机器人)八种，较之HS6更为准确。同时，本文还根据产品名称筛选含有“机器人”字眼的样本，得到与HS8编码相一致的样本。，并针对机器人的主要用途，进一步归类为搬运机器人、焊接机器人、喷涂机器人、多功能机器人和其他机器人。同时，参照施炳展(2013)的做法，本文对每种HS编码产品逐一估计，计算出口产品质量和进行标准化处理，并在此基础上测算出相应的行业质量阶梯。

(一)考虑不同类型机器人的异质性
图4汇报了不同类型机器人与行业质量阶梯关系的关系图，可以发现，不同机器人对质量的影响呈现出明显的差异性。图4(a)初步拟合了机器人应用数量和行业质量阶梯之间的关系，可以看出，除了多功能机器人外，其他类型机器人的应用数量均与行业质量阶梯负相关。在采用双向固定效应模型进行回归的基础上，图4(b)报告了机器人应用数量影响行业质量阶梯的估计系数，可以发现与图4(a)完全一致的结论。这可能是因为多功能机器人的功能虽多，但是无法专一化地从事某一生产环节，对质量阶梯的影响有限。进一步观察估计系数大小以及图4(a)斜率的陡峭程度，可以发现，焊接机器人产生的质量效应最为明显，搬运机器人的提质效应相对较弱，究其原因，焊接机器人从事的是精准性要求更高的工作，能实质性地介入到产品生产流程，其中的激光焊接机器人更是能通过激光等技术精准提高机器人工作的精度，属于先进型机器人，与现有的劳动力和机器生产技术相比，可以减少生产错误(DeStefano & Timmis，2021)，实现质量阶梯的缩短；相比之下，搬运机器人多从事体力或重复性任务，减少了非必要人力物力的浪费，提高了生产的效率，虽然也能起到缩短质量阶梯的作用，但是这种机器人的工作较为基础，只是重复性的搬运，难以对原有生产环节起到较大的改进效果，因而其对质量阶梯的缩短作用有限。

width=352,height=170,dpi=110
图4 不同类型机器人与行业质量阶梯的关系

(二)考虑不同类型机器人与出口地理距离
正如表5的结果显示，在不考虑侵蚀性竞争时，机器人使用会显著缩短销往远距离目标国的行业质量阶梯，而在考虑侵蚀性竞争时，为了规避竞争，会转而选择就近出口高质量产品。在这个过程中，出口目标国的不同距离可能会促使企业采用不同类型的机器人，二者之间的关系仍需进一步说明。

图5显示了中国企业出口目标国地理距离与各种类型机器人的箱形图，所采用的地理距离数据来自CEPII数据库。可以看出，中国企业虽然会采用各种类型的机器人投入生产，但是其出口目标国地理距离的中位数(箱子中间的竖线)非常接近，均位于[6 000km，9 000km]的区间内，表明机器人类型和出口目标国地理距离的中间水平并无明显关系。与此同时，搬运机器人、喷涂机器人和焊接机器人出口目标国地理距离几近重合，而多功能机器人和其他机器人出口距离重合度较高，且后两种机器人对应较远的出口目标国。图6进一步汇报了中国企业出口目标国地理距离与各种类型机器人的核密度估计图。可以发现，当出口目标国地理距离较近时，各类机器人使用数量比较类似，但是当出口目标国地理距离较远时，多功能机器人和其他机器人则成为生产的主要推动力，这和图5得到的结论一致。这些证据表明，部分企业会按照出口目标国地理距离来装配自动化生产线，尤其体现在对多功能机器人和其他机器人的装配方面。

width=350,height=242,dpi=110
图5 不同类型机器人与出口目标国距离的箱形图

width=345,height=295,dpi=110
图6 不同类型机器人与出口目标国距离的核密度估计图

八、结论与启示
本文使用2000—2014年IFR机器人安装数据库、BACI双边贸易数据库和WIOD数据库的合并数据，考察了各国各行业人工智能使用对行业质量阶梯的影响，并进一步引入由产品市场重合导致的侵蚀性竞争，探析了侵蚀性竞争在二者关系中的作用及其引致的质量集聚现象。研究结果如下：第一，以机器人为代表的人工智能技术缩短了行业质量阶梯，有利于行业产品质量的提升，这一结论在经过考虑内生性、更换核心变量、更换估计方法、考虑安装机器人时间长短和金融危机冲击等一系列的稳健性检验后依然成立。第二，基于内生中介效应模型的分析表明，机器人主要通过增加中间品使用、提高生产率和改变资本密集度发挥作用。第三，进一步扩展分析表明，侵蚀性竞争在机器人影响行业质量阶梯的过程中发挥了负向的调节作用，即随着侵蚀性竞争的加剧，机器人的提质效应不断弱；此外，由于侵蚀性竞争的存在，机器人使用会使高质量产品更多地出口至地理距离更近的邻近地区，这一现象在接近质量前沿的国家更加突出，最终可能产生高质量产品在区域上的产销集中现象。第四，针对中国数据的分析表明，不同类型的机器人对质量的影响存在差异性，其中焊接机器人对行业质量阶梯的缩短作用最为显著；同时，部分企业会按照出口目标国地理距离来装配自动化生产线。

把握人工智能时代的新机遇，对于培育贸易竞争新优势、推动贸易高质量发展举足轻重。基于此，本文提出如下建议：第一，人工智能可以有效缩短质量阶梯，提升出口产品质量，这为中国实现贸易高质量发展提供了新手段。“低价取胜”并非长远之计，中国应加快人工智能的普及进程，利用智能化提高生产效率和产品质量，生产更多高质量产品，逐步实现贸易从量变到质变的飞跃。第二，考虑到侵蚀性竞争带来的不利影响，中国在积极发挥人工智能“头雁效应”的同时，更要以积极的态度应对日趋激烈的国际竞争，避免落入低质低价竞争的困局。第三，鉴于处于质量前沿的国家和行业能够抵消同业竞争带来的冲击，且高质量产品的产销会就近实现，这意味着提高本国产品质量不仅能够抵御竞争的冲击，而且能够加深区域间合作，实现“共赢”局面。最后，基于对中国数据的再分析表明，中国可以有选择地使用不同类型的机器人提升产品质量，并且可以利用好不同类型机器人的优势出口至不同距离的目的国，从而以高质量的中国产品更深、更广地参与到国际贸易的舞台。

参考文献

蔡震坤、綦建红，2021：《工业机器人的应用是否提升了企业出口产品质量——来自中国企业数据的证据》，《国际贸易问题》第10期。

陈彦斌、林晨、陈小亮，2019：《人工智能、老龄化与经济增长》，《经济研究》第7期。

侯欣裕、陈璐瑶、孙浦阳，2020：《市场重合、侵蚀性竞争与出口质量》，《世界经济》第3期。

李磊、王小霞、包群，2021：《机器人的就业效应：机制与中国经验》，《管理世界》第9期。

刘斌、潘彤，2020：《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》第10期。

刘伟丽、陈勇，2012：《中国制造业的产业质量阶梯研究》，《中国工业经济》第11期。

吕越、谷玮、包群，2020：《人工智能与中国企业参与全球价值链分工》，《中国工业经济》第5期。

马述忠、吴国杰，2016：《中间品进口、贸易类型与企业出口产品质量——基于中国企业微观数据的研究》，《数量经济技术经济研究》第11期。

施炳展，2013：《中国企业出口产品质量异质性：测度与事实》，《经济学(季刊)》第1期。

施炳展、王有鑫、李坤望，2013：《中国出口产品品质测度及其决定因素》，《世界经济》第9期。

唐宜红、张鹏杨，2020：《全球价值链嵌入对贸易保护的抑制效应:基于经济波动视角的研究》，《中国社会科学》第7期。

王永钦、董雯，2020：《机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据》，《经济研究》第10期。

许家云、毛其淋、胡鞍钢，2017：《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》第3期。

杨飞、范从来，2020：《产业智能化是否有利于中国益贫式发展？》，《经济研究》第5期。

杨光、侯钰，2020：《工业机器人的使用、技术升级与经济增长》，《中国工业经济》第10期。

张夏、汪亚楠、施炳展，2020：《事实汇率制度、企业生产率与出口产品质量》，《世界经济》第1期。

Acemoglu,D.,and P.Restrepo,2019,“Automation and New Tasks: How Technology Displaces and Reinstates Labor”,Journal of Economic Perspectives,33(2): 3-30.

Acemoglu,D.,and P.Restrepo,2020,“Robots and Jobs: Evidence from US Labor Markets”,Journal of Political Economy,128(6): 2188-2244.

Acemoglu,D.,C.Lelarge,and P.Restrepo,2020,“Competing with Robots: Firm-level Evidence from France”,AEA Papers and Proceedings,110: 383-388.

Acemoglu,D.,2021,“AI’s Future Doesn’t Have to Be Dystopian”,http://bostonreview.net/forum/sc ... glu-redesigning-ai.

Amiti,M.,and A.K.Khandelwal,2013,“Import Competition and Quality Upgrading”,Review of Economics and Statistics,95(2):476-490.

Artuc,E.,P.Bastos,and B.Rijkers,2018,“Robots,Tasks,and Trade”,World Bank Policy Research Working Paper No.8674.

Baldwin,R.,and J.Harrigan,2011,“Zeros,Quality and Space: Trade Theory and Trade Evidence”,American Economic Journal: Microeconomics,3(2): 60-88.

Barbero,J.,and E.Rodriguez-Crespo,2018,“The Effect of Broadband on European Union Trade: A Regional Spatial Approach”,World Economy,41:2895-2913.

Bessen,J.E.,M.Goos,A.Salomons,and W.van den Berge,2019,“Automatic Reaction：What Happens to Workers at Firms That Automate?”,Boston University School of Low,Law and Economics Research Paper No.19-2.

Bloom，N.,M.Schankerman,and J.V.Reenen,2013,“Identifying Technology Spillovers and Product Market Rivalry”,Econometrica,81(4): 1347-1393.

Brynjolfsson,E.,X.Hui,and M.Liu,2018,“Does Machine Translation Affect International Trade? Evidence from a Large Digital Platform”,NBER Working Paper No.24917.

Chen,N.,and L.Juvenal,2018,“Quality and the Great Trade Collapse”,Journal of Development Economics,135: 59-76.

DeStefano,T.,and J.Timmis,2021,“Robots and Export Quality”,World Bank Policy Research Working Paper No.9678.

Dippel,C.,A.Ferrara,and S.Heblich,2020,“Causal Mediation Analysis in Instrumental-variables Regressions”,Stata Journal,20(3): 613-626.

Faber,M.,2020,“Robots and Reshoring: Evidence from Mexican Labor Markets”,Journal of International Economics,127,103384.

Goldfarb,A.,and D.Trefler,2018,“AI and International Trade”,NBER Working Paper No.24254.

Graetz,G.,and G.Michaels,2018,“Robots at Work”,Review of Economics and Statistics,100(5): 753-768.

Hallak,J.C.,and J.Sivadasan,2013,“Product and Process Productivity: Implications for Quality Choice and Conditional Exporter Premia”,Journal of International Economics,91(1):53-67.

Halpern,L.,M.Koren,and A.Szeidl,2015,“Imported Inputs and Productivity”,American Economic Review,105(12),3660-3703.

Henn,C.,C.Papageorgiou,and N.Spatafora,2013,“Export Quality in Developing Countries”,IMF Working Paper 13/108.

Khandelwal,A.,2010,“The Long and Short (of) Quality Ladders”,Review of Economic Studies,(4):1450-1476.

Koch,M.,I.Manuylov,and M.Smolka,2019,“Robots and Firms”,CESifo Working Paper No.7608.

Kugler,A.D.,M.Kugler,L.Ripani,and R.Rodrigo,2020,“U.S.Robots and Their Impacts in the Tropics: Evidence from Colombian Labor Markets”,NBER Working Paper No.28034.

Kugler,M.,and E.Verhoogen,2012,“Prices,Plant Size,and Product Quality”,Review of Economic Studies,79(1):307-339.

Meltzer,J.P.,2018,“The Impact of Artificial Intelligence on International Trade”,Center for Technology Innovation at Brookings.

Pula,G.,and D.Santabwidth=8,height=11,dpi=110rbara,2012,“Is China Climbing up the Quality Ladder?”,Banco de Espawidth=8,height=8,dpi=110a Working Paper No.1209.

Stiebale,J.,J.Südekum,and N.Woessner,2020,“Robots and the Rise of European Superstar Firms”,DICE Discussion Paper No.347.

ARTIFICIAL INTELLIGENCE,OVER-COMPETITION AND QUALITY LADDER
QI Jianhong ZHOU Mingzhu

(School of Economics, Shandong University)

Abstract: Using the world’s industrial robot installation data provided by IFR, this paper examines the impact and mechanism of Artificial Intelligence (AI) on the industry quality ladder, and explores the effect of over-competition and its quality agglomeration effect. The results show that AI significantly shortens the industry quality ladder and improves product quality, and this effect is still robust after considering a series of tests. The results based on the test of causal mediation analysis in IV models show that the impact of AI on the quality ladder is realized by increasing the use of intermediate goods, improving productivity and changing capital intensity. The existence of over-competition not only negatively affects the role of artificial intelligence on the industry quality ladder, but also leads to the phenomenon of geographical transfer in the dimension of quality, resulting in the production and marketing of high-quality products becoming a regional activity centered on high-quality countries. This paper is not only helpful to clarifying the economic effect of Artificial Intelligence, but also helpful to enhancing the international competitiveness of products, so as to boost the high-quality development of trade.

Key words: artificial intelligence; robot; market overlap; over-competition; quality ladder

* 綦建红、周洺竹(通讯作者)，山东大学经济学院，邮政编码：250100，电子信箱：qijianhong@sdu.edu.cn。本文获得国家社科基金重大招标项目(17ZDA040；18ZDA078)和国家社科基金一般项目(21BJY097)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。

(责任编辑：李振新)