工業機器人應用與全要素生產率提升
——基于人力資本升級視角

□龔銀銀 張永慶 鄭蘇江

一、引言

隨著大數據、云計算、深度學習等技術的迅速發展，人工智能開始成為近年來國內外關注的熱點話題。2022年11 月，美國OpenAI 研發的聊天機器人——ChatGPT 的出現再次掀起了一波人工智能熱潮。人工智能逐漸進入我們的生產和生活，一場“機器人革命”正在對整個經濟社會的運行方式產生重大影響。[1]近年來，中國工業機器人安裝量和存量逐漸上升，習近平總書記在2014 年6 月9 日的兩院院士大會上指出：“國際上有輿論認為，機器人是‘制造業皇冠頂端的明珠’，其研發、制造、應用是衡量一個國家科技創新和高端制造業水平的重要標志?！秉h的十九大報告指出：“加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合”。國家自然科學基金委員會發布了可解釋、可通用的下一代人工智能方法?？梢?，人工智能作為新一輪產業變革的核心驅動力，將重構經濟活動的各環節，形成各領域的智能化新需求，推動社會生產力的整體躍升[2]。

目前，學術界對工業機器人應用或以工業自動化為代表的人工智能相關話題給予了高度關注。不少學者探討了工業機器人應用對經濟增長[3-4]和社會效率[5-6]的影響，也有不少文獻致力于探討工業機器人應用對勞動力市場和就業結構的作用機制[7-10]、對全球價值鏈重構的作用機制[11-12]。同時，部分學者[3][5-6]也關注到了工業機器人對微觀企業生產率提升的作用。不可否認，工業機器人作為智能化時代的產物影響著經濟系統的諸多方面，雖然“計算機的影響舉目皆是，但是生產率統計的數據卻不然”[13]。

企業全要素生產率為經濟發展提供了微觀動力[14]，推進工業自動化、智能化和提升全要素生產率，這些均是中國加快經濟增長模式轉型并向高收入國家跨越的關鍵之舉。然而，近10 年卻出現了全要素生產率增長停滯甚至為負的情況[15]，造成經濟的結構性減速，亟需尋找新的經濟增長點。提升企業全要素生產率的前提主要在于：一是要有技術支撐。中國的技術進步多內嵌于資本投入中[16]，所以物化型技術進步是提升企業生產率的核心。機器人作為近年來物質資本和物化型技術進步的新代表，是促進我國轉向創新和技術驅動以及促進制造業企業生產率提升的重要推動力之一。二是要有高質量的人力資本。智能化背景下，社會對人力資本的需求由數量向質量轉變，提高了人力資本與物質資本的互補性要求[17]，人力資本升級促進企業使用新技術，從而有利于提升全要素生產率[18]。

本文可能的貢獻在于：一是將“機器人應用—人力資本升級—全要素生產率”納入統一分析框架，為準確理解工業機器人應用通過人力資本升級促進全要素生產率提升提供了系統性證據。二是不同于現有文獻多從數字化、智能化技術進步的特定視角來探討其與全要素生產率二者之間的關系[2][19-20]，本文創新性地從人力資本升級視角剖析機器人應用對全要素生產率的影響及其機理，為理解和評估以機器人為代表的智能化技術帶來的社會效益提供了新的思路。三是豐富和拓展了工業機器人應用的影響和對全要素生產率的影響。以往文獻側重于從國家、行業層面研究機器人等智能技術對經濟增長、勞動力和就業、收入不平等、價值鏈重構的影響[4][8][12][21]，較少關注微觀層面上的機器人應用和人力資本相結合的影響，本文重點考察機器人應用如何影響企業的人力資本需求和全要素生產率的微觀機制，為智能化應用和全要素生產率提升提供了經驗證據。

二、理論分析與研究假說

工業機器人能夠推動生產活動智能化，同時也會增加生產環境的復雜度，這往往伴隨著企業人力資本結構的適應性變革。[22]當前，工業環境的智能化和技術密集度的提高對人力資本的技能水平提出了更高要求[22-23]，人機協作并發揮積極作用仍是企業工業機器人應用的關鍵一環。關于工業機器人應用與勞動力的關系，學者們廣泛研究了二者的替代關系是否存在：其一，認為工業機器人對從事簡單、重復工作勞動力的“替代效應”會削減低技能勞動力需求，提高企業生產率。[10]其二，認為工業機器人使用會創造大量新的工作機會，通過擴大非自動化任務的勞動需求促進就業[24]，但是新崗位的技能要求通常較高[6]。其三，認為工業機器人應用存在異質性，如對美國而言會擠出部分低技能勞動力[25]，而對西班牙制造業而言，高技能勞動力需求提高的同時，低技能勞動力并未被擠出，勞動力需求總體是上升的[26]。此外，相對于技能勞動力，非技能勞動力被工業機器人替代的可能性更大，同時工業機器人激發了生產技術升級，引致全要素生產率提高。[3]可見，對于工業機器人如何影響人力資本結構和生產率尚未得出一致結論，這方面的研究還相對匱乏。

本文認為，工業機器人應用能夠通過不同途徑促進人力資本升級，進而影響企業全要素生產率。一是工業機器人應用通過提高對高技能勞動力的需求來促進人力資本升級，進而提升全要素生產率。一方面，工業機器人應用表現出的社會生產對技能需求的激增會帶來生產技術升級，進而引致企業對資本和技能勞動投入的增加。智能化與制造業的深度融合會引發互補性技術進步和創新，催生生產條件和要素的新組合，從而提升全要素生產率。另一方面，工業機器人是具備先進技術的資本品，資本技能具有互補性[27]，先進技術匹配高技能勞動力的效率更佳，企業生產技術的升級也會伴隨著對高技能勞動力需求的提高，驅動企業人力資本升級和提升全要素生產率。例如，工業機器人應用催生出對與之相匹配的機器人維修師、工程師等高技能勞動力崗位的需求?；趩T工組織匹配理論，工業機器人和智能化技術的應用離不開與之相匹配的高素質員工，信息技術和高技能人力資本的組合能夠創造更高的生產效率，使得企業更傾向于雇用高技能人才，這就會促進企業存量人力資本提升。此外，非常規型崗位在現實中不可或缺，相對于常規型崗位，其所需的高技能勞動力具有比較優勢。[28]簡言之，工業機器人應用引致生產技術升級將催生企業對高技能勞動的需求，促進人力資本升級，進而提升企業的全要素生產率。二是工業機器人應用將通過擠出部分低技能勞動以優化人力資本結構，進而影響企業全要素生產率。工業自動化、智能化等新生態的催生以及對傳統業態的部分“取代”和“破壞”，可能會導致一些工作崗位減少甚至消失。第一，企業使用工業機器人執行常規生產活動，擠出了部分低技能勞動力[10]，企業可以投入較少的人力資本要素生產同等甚至更多數量的產品。第二，根據國際標準化組織（ISO）的定義，工業機器人具備多用途和多關節機械手的自動化屬性，這就意味著其能夠替代一系列低技能勞動力執行的包裝、搬運、碼垛等常規手工型任務。第三，計算機資本能替代記錄和計算等常規認知型任務[29]，自動化技術替代常規型崗位，減少對非技能勞動的需求[30]。第四，在數智化轉型應用過程中，工業機器人應用可以提高企業的管理效率和管理能力，有利于提升勞動力素質，實現低人力資本向高人力資本轉型[31]。因此，本文認為，工業機器人應用通過擠出低技能勞動力促進人力資本升級，進而提升企業全要素生產率。綜上，本文提出以下研究假設（H1）與理論模型（圖1）。

圖1 理論模型

H1：給定其他條件不變，工業機器人應用將顯著提升企業的全要素生產率。

三、研究設計

（一）數據來源與樣本選擇

工業機器人數據來源于國際機器人聯合會（IFR）數據庫。本文將IFR 數據與2011 年實施的《國民經濟行業分類》（GB/T 4754—2011）進行匹配，合并C13—C43 制造業行業兩位碼，最終得到一組中國2011—2019年行業—年份層面歸屬于13 個制造業行業的上市公司數據。企業與行業數據來源于WIND 數據庫、CSMAR數據庫以及《中國工業統計年鑒》，工具變量涉及的各國（地區）相關數據來源于《國際統計年鑒1995》和NBER-CES。從數據庫中匹配整理了2011—2019 年中國滬、深兩市A 股制造業上市公司共10854 條非平衡面板數據作為研究樣本，并對連續變量進行縮尾處理，剔除原始數據中經營異常的ST 樣本以及財務異常（資產負債率大于1）、核心研究變量缺失的樣本。

(二)變量設定

1.解釋變量

本文被解釋變量為企業全要素生產率（TFP）。參考大多數研究的做法并結合現實情況，本文使用LP 法和OP法計算的企業全要素生產率作為被解釋變量用于實證分析，分別用TFP_LP 和TFP_OP 表示。用GMM 法、OLS 法和FE 法進行變量的穩健性檢驗。

2.核心解釋變量

本文核心解釋變量為工業機器人應用（Robot），參考王永欽和董雯（2020）[8]的思路，用Bartik 變量法構造的機器人滲透度測度。具體做法為：首先，使用公式（1）計算中國各行業工業機器人滲透度。其中分別表示c 行業t 年的機器人存量及基期年（2010）的就業人數。其次，使用公式（2）構造中國企業層面的工業機器人滲透度。Robotc，i，t、PWPc，i，t=2011/MPWPt=2011分別表示c 行業i 企業工業機器人滲透度以及i 企業在基期年（2011）雇用人數占制造業所有企業基期年雇用人數中位數的比值。

3.控制變量

本文控制變量主要包括：企業規模（Scale），用企業總資產的對數表示；企業年齡（Age），用當前日期與公司成立日期相減取對數表示；企業類型（Soe），根據企業的登記注冊類型生成虛擬變量，國有企業取值為1，非國有企業取值為0；資本密集度（Capital），以企業固定資產數額與企業人員數的比值取對數表示；資產負債率（Debt），用總負債比總資產表示；企業績效（Roe），以凈利潤與凈資產的比值表示；管理費用率（Expense），以管理費用與營業收入的比值表示；企業市場勢力（Force），以總資產的周轉率表示，即主營業務收入與平均資產總額比值。表1 為各變量的描述性統計結果。

表1 各變量的描述性統計

（三）計量模型設定

借鑒Acemoglu 和Restrepo（2020）[10]的思路，設定如下模型（3）用以檢驗工業機器人應用對制造業企業全要素生產率的影響。

其中：i 為企業，t 為年份，TFPi，t為被解釋變量，即LP 法和OP 法計算的企業全要素生產率。Robot 為核心解釋變量，用工業機器人應用的對數表示。X 為控制變量，γ 為企業固定效應，γ 為年份固定效應，ε 為隨機擾動項。本研究重點關心估計系數β1的取值情況，其數值越大表示企業工業機器人使用度越高，若系數β1顯著為正，其經濟學含義表示工業機器人應用對企業全要素生產率具有顯著的正向促進作用。

四、實證檢驗

（一）基準回歸

根據模型（3）考察工業機器人應用對制造業企業全要素生產率的影響，結果如表2 所示。列（1）為沒有控制企業和年份效應的估計結果，列（2）—列（6）為控制了企業和年份效應并分步加入控制變量的估計結果，列（5）和列（6）為加入了所有控制變量并控制了企業和年份效應的估計結果。列（5）和列（6）的結果顯示：Robot 的回歸系數顯著為正，均通過1%水平的顯著性檢驗且R2得到提高。結果表明:工業機器人應用顯著促進了企業全要素生產率提升，驗證了前文研究假設H1。

表2 基準回歸結果

（二）穩健性檢驗

1.全要素生產率的再度量

本文采用GMM 法、OSL 法以及FE 法進行穩健性檢驗，結果見表3。由結果可知，無論采用何種測度方式，核心解釋變量Robot 的系數均達到顯著性水平。

2.工業機器人應用的再度量

（1）本文用工業機器人安裝量（Robot_1）替換基準回歸中的存量重新測度工業機器人滲透度[24]，結果見表4列（1）和列（2）。結果顯示：Robot_1 系數均顯著為正。（2）數字化是工業機器人的一個重要表現[12]，在一定程度上反映了企業的工業機器人應用程度。本文參考吳非等（2021）[32]的思路，結合學術經驗和實踐啟示構建數字化詞典，利用Python 爬蟲技術統計上市公司年報中以“數字化” 為關鍵詞的詞頻，得到企業數字化程度的指標（Digital），以此作為核心解釋變量進行檢驗，結果見表4 列（3）和列（4）。結果顯示：Digital 系數均在1%水平下顯著為正，即數字化對企業全要素生產率具有促進作用。這說明應用工業機器人的企業，數字化程度也相對較高，從有利于企業全要素生產率提升。（3）通過細化關鍵詞統計，直接統計與“人工智能”“工業機器人”“工業自動化”等相關的關鍵詞詞頻，得到人工智能應用程度指標（AI），以此替換核心解釋變量機器人滲透度，結果見表4列（5）和列（6）。結果顯示：AI 系數顯著為正，表明智能化應用正向促進企業全要素生產率提升。

表4 穩健性檢驗Ⅱ：替換核心解釋變量

3.內生性檢驗

為檢驗工業機器人應用對全要素生產率提升可能存在的內生性問題，本文采用工具變量法，利用IV-2SLS法進行估計。第一，借鑒王永欽和董雯（2020）[8]的做法，采用美國機器人滲透RobotUS（IV1）作為Robot 的工具變量。一方面，美國工業機器人發展趨勢與中國較為接近，且作為中國工業機器人的主要進口來源國之一，美國的工業機器人出口量與中國制造業企業工業機器人進口量直接相關；另一方面，美國的機器人并不會直接作用于中國企業的全要素生產率，滿足外生性條件，能較好地解決內生性問題。具體的構造方法如模型（4）所示，其中代表美國c 行業t 年的機器人存量和基期（1990 年）的就業人數。第二，借鑒許健等（2022）[33]的做法，使用5 個進口來源國的機器人數據構造工具變量Robot_mean（IV2），具體的構造方法如模型（5）所示，其中US、JP、UK、GE 和FR 分別表示美國、日本、英國、德國和法國。第三，將美國機器人滲透度和5國經調整的機器人滲透度RobotUS、Robot_mean（IV1+IV2）共同納入工具變量。

表5 報告了第二階段回歸結果，其中：列（1）和列（2）是以IV1 為工具變量的估計，列（3）和列（4）是以IV2 為工具變量的回歸結果，列（5）和列（6）是以IV1+IV2 作為工具變量的回歸結果。工具變量回歸結果顯示：（1）Kleibergen-Paap rk LM 和KleibergenPaap Waldrk F 統計量在以上述3 個變量作為工具變量時的檢驗結果均超過其臨界值，結果通過了不可識別檢驗且表明不存在弱工具變量問題。工具變量過度識別Hansen J 的檢驗結果顯示：P=0.75/0.89>0.05，接受工具變量外生的原假設。（2）無論以IV1、IV2 還是IV1+IV2 為工具變量時，工業機器人應用都顯著正向影響企業的全要素生產率。（3）對比基準回歸結果發現：Robot 的估計系數在不同回歸組合中都有所增大，表明中國工業機器人滲透度的內生性產生了向下偏移，從而低估了中國工業機器人應用對企業全要素生產率提升的作用。

表5 內生性檢驗：工具變量回歸

（三）異質性檢驗

1.企業要素密集度的影響

本文將制造業行業分為勞動密集型和資本密集型①。表6 列（2）和列（4）為資本密集型行業的估計結果，其Robot 系數顯著為正。這可能是因為資本密集型行業本身就擁有較高技術水平和更多的高技能勞動力，而工業機器人及智能技術的應用會提高對高技能人才的雇用需求，因此更能促進企業的全要素生產率。表6 列（1）和列（3）為勞動密集型行業檢驗結果，其Robot 系數不顯著。這可能是因為其行業的人力資本水平不高，工業機器人滲透所需的高技能勞動力引入需要時間。此外，IFR 的工業機器人統計數據顯示：工業機器人在適合自動化大批量生產的高資本投入行業中的應用更加廣泛[10]，這些行業工業機器人適應性強。因此，這些行業更有可能采用“機器換人”戰略的資本密集行業更容易提高企業的全要素生產率。

表6 企業要素密集度的影響

2.企業地理位置的影響

由于我國各地對工業機器人應用存在較大的空間地理差異，因此按照樣本企業所在地區，將所有樣本劃分為東中部地區和西部地區進行分組回歸，結果如表7 所示。東中部地區工業機器人應用估計系數在1%的水平下顯著為正，而西部地區機器人應用對制造企業全要素生產率沒有顯著效應，東中部與西部地區存在明顯的異質性?？赡艿脑蚴牵簴|中部地區的先進技術起步較早、工業機器人應用密度較高，擁有豐富的技術資源和廣闊的市場需求，而西部地區工業機器人應用的軟環境不夠開放，機器人技術創新水平相對落后，傳統制造業智能化升級與新興智能制造業的發展相對較慢，產業和人才基礎較薄弱，規?；墓I機器人產業還未形成，因此工業機器人應用的影響不明顯。

表7 企業地理位置的影響

五、渠道檢驗

前文為工業機器人應用正向促進全要素生產率提供了證據支撐，本節進一步研究其中的渠道機制。根據之前的理論分析，工業機器人應用引致生產技術升級將催生高技能型勞動力的需求以促進人力資本升級，進而提升企業全要素生產率。下文將圍繞上述邏輯探討潛在的影響渠道：工業機器人應用是否通過生產技術升級引致高技能勞動力需求來促進人力資本升級，工業機器人應用是否通過擠出部分低技能勞動力來促進人力資本升級，工業機器人應用促進人力資本升級是否引致企業全要素生產率的提升。

（一）工業機器人應用對生產技術升級的影響

理論分析表明，工業機器人應用將帶來生產技術升級，而資本技能互補性的存在又將引致高技能勞動需求增加，進而促進企業人力資本升級和提升全要素生產率。因此，本文直接檢驗機器人應用對生產技術升級的影響。借鑒黃亮雄等（2023）[12]的研究，從研發支出和專利申請數等維度刻畫企業生產技術升級。由于發明專利尤其是已經被授予的發明專利更能體現企業技術進步的“質變”特征，可以避免企業策略性創新行為的影響，因此在專利統計上采用發明專利授予量以期更加準確衡量技術進步。本文從投入、產出、效率3 個維度刻畫技術升級，采用企業研發投入占營業收入的比例（RD）、企業成功申請且被授權的發明專利數量取對數（Inv）以及每單位研發投入的發明專利授予量（Eff），用Patent/ln（1+研發支出）計算衡量。表8 報告了相應的檢驗結果。表8 列（1）至列（3）的結果中，Robot 系數均顯著為正，表明工業機器人應用能夠顯著促進企業生產技術升級。

表8 工業機器人應用對生產技術升級、低技能勞動力擠出的影響

（二）工業機器人應用對低技能勞動的擠出影響

借鑒Autor 等（2003）[29]的研究，本文基于員工職業類型和受教育程度不同來刻畫員工技能水平，將生產人員、行政輔助和難以歸類的其他人員視為低技術型勞動力（Low_skill），將研究生以下學歷人員視為低教育型勞動力（Low_edu），構建相應的企業人力資本升級指標（Labor-higher）后進行檢驗，檢驗結果見表8。表8列（4）和列（5）表明：一方面，工業機器人應用顯著降低了包括生產工人和其他人員在內的低技術員工的直接需求，另一方面，工業機器人應用也顯著降低了研究生及以下低教育型員工的直接需求，驗證了工業機器人應用擠出了部分低技能勞動力的假設。因此，本文認為工業機器人應用可以通過擠出部分低技能勞動以促進人力資本升級，進而影響企業全要素生產率。

（三）工業機器人應用促進人力資本升級能否引致全要素生產率提升

進一步地，為驗證工業機器人應用促進人力資本升級能否引致全要素生產率提升，即論證“工業機器人應用→人力資本升級→全要素生產率提升”這一邏輯是否成立，本文接下來分步檢驗工業機器人應用是否促進人力資本升級以及人力資本升級是否影響全要素生產率。采取上文的分類邏輯，用企業高技術員工（科技人員、銷售人員、財務人員）占比衡量人力資本技能結構的高級化（High_skill），用研究生及以上學歷員工占比衡量企業人力資本教育結構的高級化（High_edu）。表9 考察了工業機器人應用如何通過人力資本升級影響全要素生產率。列（1）和列（2）表明工業機器人應用顯著增加了企業的高技術型和高教育型員工需求，促進了企業人力資本升級。進一步地，檢驗企業人力資本升級對全要素生產率的影響，用高技能型勞動力相對低技能型勞動力的雇用比例或高教育型勞動力相對低教育型勞動力的雇用比例衡量人力資本升級（Laborhigher），列（3）和列（4）的結果均表明企業人力資本升級顯著提升了全要素生產率。上述結果充分驗證了工業機器人應用通過促進人力資本結構升級，進而提升企業全要素生產率，支持了“工業機器人應用→人力資本升級→全要素生產率”這一核心邏輯機制。

表9 工業機器人應用促進全要素生產率提升的渠道檢驗

六、進一步分析：工業機器人應用的溢出效應

上述研究均是從企業層面進行的探討，考慮到生產技術進步可能具有水平溢出效應，一個行業的工業機器人應用水平會對本行業的全要素生產率產生直接影響，那么是否會對產業鏈上下游其他行業的全要素生產率產生間接影響？基于此，本部分繼續考察工業機器人應用對全要素生產率的提升在行業上的表現。通過查詢UIBE CVC Indicators 數據庫在Length_WIOD2016 中公布的產業前向、后向關聯指數構建行業關聯指數②，識別工業機器人能否通過產業鏈傳導影響上下游行業的全要素生產率。參照黃亮雄等（2023）[12]的做法，構建如下模型（6），其中：Yi，c，t為被解釋變量全要素生產率，i 表示行業，c 表示地區，t 表示年份。前文中LP 法和OP法計算的全要素生產率適用于企業層面，這里的全要素生產率為運用SFA 法計算的適用于行業—地區層面的全要素生產率。HRobot 為工業機器人應用度，用各行業工業機器人應用密度③表示，系數βup代表下游行業的工業機器人應用密度對本行業全要素生產率的影響，即“向上游傳導效應”；系數βdown代表上游行業的工業機器人應用密度對本行業全要素生產率的影響，即“向下游傳導效應”，Xi，c，t代表一系列行業和地區層面的控制變量。Upstreami，c，t和Downstreami，c，t的值分別用模型（7）和模型（8）計算得出，forwardsi，c，t為產業向前關聯指數，backwards 為產業向后關聯指數。

表10 報告了工業機器人應用對行業全要素生產率的產業鏈傳導效應的估計結果。列（1）沒有控制本行業工業機器人應用度（HRobot），但控制了工業機器人向上游傳導效應（Upstream），列（2）在列（1）基礎上增加了對本行業工業機器人應用度（HRobot）的控制。結果顯示：下游行業工業機器人滲透通過產業鏈傳導對上游行業全要素生產率產生促進作用，即具有“向上游傳導效應”，此效應主要表現為技術溢出，而由中間品市場等途徑帶來的影響并不顯著。列（3）為未控制本行業工業機器人應用度（HRobot），但控制了工業機器人向下游傳導效應（Downstream），列（4）在列（3）基礎上增加了對本行業工業機器人應用度（HRobot）的控制。結果顯示：上游行業工業機器人滲透通過產業鏈傳導對下游行業全要素生產率產生促進作用，即具有“向下游傳導效應”，主要表現為技術溢出，而由中間品市場等途徑帶來的影響并不顯著。由上述結果可知，工業機器人應用具有上下游溢出效應。一方面，工業機器人應用提高了本行業的全要素生產率，實現降本增收，通過“收入效應”增加相關產品和服務的需求，導致的生產規模擴大會增加對上下游相關產業的需求，從而帶來正向的上下游傳導和促進效應。另一方面，工業機器人應用促進本行業全要素生產率提升也會加大行業競爭壓力，從而倒逼其他行業進行研發與投資，對其他上下游行業全要素生產率產生正向影響。

表10 工業機器人應用的上下游溢出效應

七、研究結論與對策建議

（一）研究結論

本文立足于智能化技術影響了中國社會經濟發展這一事實，系統考察工業機器人應用對全要素生產率的影響及其影響機制。結果表明：人力資本升級是工業機器人應用促進全要素生產率提升的重要傳導路徑之一，這意味著企業未來對高技能勞動力的需求將逐步提高，而低技能勞動力則面臨被“擠出”的風險；同時，在高資本投入行業和技術較為先進的東中部地區，工業機器人應用帶來的全要素生產率提升更為明顯；此外，工業機器人的應用還正向促進其上下游行業的全要素生產率，說明工業機器人應用具有顯著的溢出效應，工業機器人的合理投入使用有利于提升產業鏈上下游的全要素生產率。

（二）對策建議

1.分流培養企業內高、低技能人才

企業可以進行全面的生產需求評估，對于常規性、機械性的勞動，有針對性地引入工業機器人進行生產，將現有的低技能勞動力解放出來，培訓提升其技能以投入到工業機器人難以替代的崗位上，讓勞動者不再有“機器換人”可能帶來的“擠出性”就業焦慮問題。對于現有高技能勞動力，企業可以多開展校企合作和政企合作，強化高技能人才在相關領域的學科理論知識、增加社會實踐經驗，注重培養高技能人才的研發和管理能力，同時要長期關注并積極引入智能化領域的高精尖人才以應對智能化時代的人才新需求。

2.合理規劃工業機器人的應用進程

針對不同資本投入和不同地理位置的企業，規劃不同的工業機器人應用進程。倡導資本和產業基礎雄厚的企業積極進行工業機器人的研發和應用，培育龍頭企業以帶動產業和資本薄弱企業的智能化進程，促進全要素生產率提升。對于資源匱乏和技術較為落后的地區，大量投入工業機器人可能會造成過多低技能勞動力失業，不利于人力資本結構升級和調整，應放慢節奏，采用循序漸進的發展策略。

3.提高工業機器人的產業鏈使用率和研發支持

加大對工業機器人的財稅支持，鼓勵產業上下游行業企業積極并合理地使用工業機器人。同時，重視對工業機器人的研發支持，提高中國工業機器人的應用水平和產業水平，完善工業機器人從研發到生產的完整產業鏈，從最大程度上激發產業鏈的正向關聯效應，提升制造業全產業鏈的全要素生產率。

注：

①13 個行業中，勞動密集型行業包括食品、飲料和煙草制造業，紡織服裝制造業，木材及家具制造業，造紙和紙制品制造業，其余為資本密集型行業。

②將UIBE CVC Indicators 數據庫中公布的中國2009—2014 年C06—C22 制造業細分行業的行業關聯指數與IFR 公布的13 個行業分類進行匹配，將匹配后的關聯指數與行業機器人應用密度、行業和地區層面的控制變量再進行匹配，最終得到2009—2014 年13 個行業的數據。

③行業層面的工業機器人應用密度計算方法為：首先，根據IRF 聯盟公布的中國各行業工業機器人安裝量對應《國民經濟行業分類》（GB/T 4754—2011）中C13—C43 的細分行業代碼進行匹配；其次，從《中國勞動統計年鑒》中收集細分行業各個省份的就業人數占全國總就業人數的百分比；最后，用這個百分比×全國各行業機器人安裝量。