周曉時，李俊鵬，吳清華

(1.北京大學(xué) 國家發(fā)展研究院，北京 100871；3.華中農(nóng)業(yè)大學(xué) 經(jīng)濟管理學(xué)院，湖北 武漢 430070；3.湖北科技學(xué)院 經(jīng)濟與管理學(xué)院，湖北 咸寧 437100)

人工智能是促進(jìn)當(dāng)前全球經(jīng)濟高質(zhì)量發(fā)展的重要技術(shù)。具體而言，人工智能可以提高勞動生產(chǎn)率和資本效率，加速社會創(chuàng)新，推動國民經(jīng)濟各部門高質(zhì)量發(fā)展，提升經(jīng)濟社會發(fā)展質(zhì)量，其影響較以往的技術(shù)進(jìn)步更為深刻[1]。21世紀(jì)以來，大數(shù)據(jù)、云計算、深度學(xué)習(xí)等相關(guān)技術(shù)發(fā)展，有力促進(jìn)了人工智能發(fā)展，引起主要工業(yè)化強國推動此前沿技術(shù)的研發(fā)和產(chǎn)業(yè)化應(yīng)用。其中，2017年中國政府發(fā)布的《新一代人工智能發(fā)展規(guī)劃》明確提出，“到2025年，人工智能基礎(chǔ)理論實現(xiàn)重大突破，部分技術(shù)與應(yīng)用達(dá)到世界領(lǐng)先水平，人工智能成為帶動我國產(chǎn)業(yè)升級和經(jīng)濟轉(zhuǎn)型的主要動力，智能社會建設(shè)取得積極進(jìn)展”。在這一背景下，人工智能的快速發(fā)展直接或間接影響農(nóng)業(yè)的生產(chǎn)率、生產(chǎn)與經(jīng)營的現(xiàn)代化水平，促進(jìn)農(nóng)業(yè)轉(zhuǎn)型升級。

農(nóng)業(yè)生產(chǎn)率提高是經(jīng)濟發(fā)展的重要基礎(chǔ)。農(nóng)業(yè)生產(chǎn)率增長是保障非農(nóng)產(chǎn)業(yè)擴張和農(nóng)業(yè)勞動力轉(zhuǎn)移的必要條件，提高勞動力在產(chǎn)業(yè)間的配置效率，實現(xiàn)經(jīng)濟平衡增長和可持續(xù)發(fā)展的重要保障[2]。就未來一段時期的中國經(jīng)濟發(fā)展而言，增長動力將從與特定人口窗口相關(guān)的要素驅(qū)動型向生產(chǎn)率驅(qū)動型轉(zhuǎn)變，而農(nóng)業(yè)生產(chǎn)率提高是促進(jìn)非農(nóng)產(chǎn)業(yè)發(fā)展的重要動力源泉[3]。在農(nóng)業(yè)的生產(chǎn)率與經(jīng)營收入均相對低于非農(nóng)產(chǎn)業(yè)的情況下，提高農(nóng)業(yè)生產(chǎn)率還是實現(xiàn)增加農(nóng)民長期性收入、縮小城鄉(xiāng)和產(chǎn)業(yè)之間收入差距的重要方式。因此，如何在人工智能等科技快速發(fā)展的21世紀(jì)，提高農(nóng)業(yè)生產(chǎn)率更是當(dāng)前及未來一段時期的重要課題。

在全球老齡化條件下，加速農(nóng)業(yè)機械技術(shù)與裝備的智能化，是轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式的客觀要求。20世紀(jì)90年代，美國將全球定位系統(tǒng)安裝到農(nóng)業(yè)機械上，標(biāo)志著智慧農(nóng)業(yè)的開端。21世紀(jì)，農(nóng)業(yè)機器人使部分勞動力從繁重、枯燥的勞動中解脫，加速全球農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型，對農(nóng)業(yè)全產(chǎn)業(yè)鏈產(chǎn)生重大影響[4]。農(nóng)業(yè)生產(chǎn)實際表明，農(nóng)業(yè)機器人應(yīng)用仍面臨一系列制約因素，例如高購買成本、農(nóng)業(yè)生產(chǎn)季節(jié)性導(dǎo)致農(nóng)業(yè)機器人投資的低收益，智能水平難以適應(yīng)復(fù)雜農(nóng)業(yè)生產(chǎn)環(huán)境的多變性，操作準(zhǔn)確性有待提高。雖然人工智能正在改變農(nóng)業(yè)生產(chǎn)方式，提高農(nóng)業(yè)生產(chǎn)率，深化農(nóng)業(yè)與市場的聯(lián)系程度[5]，但似乎并未對農(nóng)業(yè)就業(yè)產(chǎn)生顯著影響[6]。從已有文獻(xiàn)來看，相對于受氣候、耕地條件等自然因素影響較大的農(nóng)業(yè)而言，有關(guān)人工智能的研究成果主要集中于宏觀經(jīng)濟、非農(nóng)產(chǎn)業(yè)領(lǐng)域。

在宏觀經(jīng)濟方面，人工智能主要經(jīng)由生產(chǎn)率影響經(jīng)濟增長。早期有關(guān)研究認(rèn)為人工智能能夠完成技能水平較低的體力勞動(1)當(dāng)前，人工智能發(fā)展水平較高的國家，多為老齡化較為突出的國家。例如，世界銀行的數(shù)據(jù)顯示，2018年中國、美國、日本、德國、印度、俄羅斯、加拿大、法國、巴西、英國65歲及以上人口，分別為10.92%、15.81%、27.58%、21.48%、6.18%、14.67%、17.23%、20.03%、8.92%、18.40%。按照超過7%為老齡化的衡量標(biāo)準(zhǔn)，即除印度外，其他國家均進(jìn)入老齡化階段。，并通過“人機協(xié)作”方式提高勞動的生產(chǎn)率和效率，促進(jìn)經(jīng)濟發(fā)展。隨著21世紀(jì)工業(yè)機器人成為人工智能應(yīng)用最普遍的領(lǐng)域，其存量被廣泛用于衡量人工智能發(fā)展?fàn)顩r[6,10](2)在21世紀(jì)初， Autor等、 Frey等采用計算機資本作為人工智能或自動化的衡量指標(biāo)，但目前更多的選用工業(yè)機器人。鑒于人工智能的最新技術(shù)在工業(yè)機器人領(lǐng)域的大量應(yīng)用，以及近年各國政府的政策導(dǎo)向，此處僅回顧有關(guān)“工業(yè)機器人”的經(jīng)典文獻(xiàn)。。其中，王林輝等采用這種辦法，分析人工智能的崗位替代效應(yīng)和生產(chǎn)率效應(yīng)，及其對勞動力收入不平等的影響[7]。然而，人工智能對生產(chǎn)率的影響受到其應(yīng)用速度、與勞動力技能水平的匹配程度等因素制約[8]。在產(chǎn)業(yè)化應(yīng)用方面，為了促進(jìn)人工智能技術(shù)被投入生產(chǎn)，各國廣泛采取激勵性的財政政策或稅收政策，降低相應(yīng)技術(shù)采用成本。然而，與人工智能相匹配的高技能勞動力供給滯后于現(xiàn)實需求，出現(xiàn)人工智能使用未能產(chǎn)生預(yù)期的生產(chǎn)率提高，即“索洛悖論”難題[9]。

除生產(chǎn)率和經(jīng)濟增長之外，有學(xué)者在工業(yè)就業(yè)方面展開相應(yīng)研究。現(xiàn)有研究更多地得出人工智能對勞動力具有替代效應(yīng)，減少就業(yè)總量的結(jié)論[1,10-12]。例如，陳彥斌等認(rèn)為，人工智能的自動化程度比傳統(tǒng)機械更高，對勞動力的替代效應(yīng)更大[12]。但這些成果忽視了人工智能發(fā)展水平難以滿足部分非常規(guī)工作要求，且技術(shù)發(fā)展可能產(chǎn)生新的就業(yè)崗位，與企業(yè)層面廣泛存在的“人機協(xié)作”現(xiàn)象不符[13]。此外，人工智能作為有偏的資本密集型技術(shù)，其替代作用主要取決于對勞動或資本的替代彈性、產(chǎn)業(yè)生產(chǎn)方式，對就業(yè)和產(chǎn)業(yè)結(jié)構(gòu)的影響存在不確定性[14]。在當(dāng)前人工智能尚處于弱人工智能階段，Daugherty等研究發(fā)現(xiàn)人工智能并沒有減少就業(yè)，或僅僅影響勞動力市場的就業(yè)結(jié)構(gòu)[13]。在勞動力異質(zhì)性方面，群體之間以及其內(nèi)部存在較大的異質(zhì)性，不同類型勞動力受到的影響存在較大差異。其中，Autor等、Acemoglu等學(xué)者證實存在“就業(yè)極化”(中等技能勞動力需求減少，而高技能和低技能的勞動力需求增多)[10-11]。

勞動力由生產(chǎn)率較低的農(nóng)業(yè)向非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移，是經(jīng)濟發(fā)展的必然趨勢。因此，在發(fā)展中國家存在相對剩余農(nóng)業(yè)勞動力的情況下，人工智能發(fā)展會影響產(chǎn)業(yè)間勞動力配置和農(nóng)業(yè)轉(zhuǎn)型。然而，廣泛收集國內(nèi)外相關(guān)文獻(xiàn)的過程中，暫未發(fā)現(xiàn)定量研究人工智能對農(nóng)業(yè)影響的文獻(xiàn)。這就引發(fā)了一系列的疑問——人工智能對農(nóng)業(yè)生產(chǎn)率發(fā)展存在何種影響？其中的作用機制表現(xiàn)為何種形式？對不同的經(jīng)濟發(fā)展水平國家而言，這種外溢效應(yīng)是否表現(xiàn)出異質(zhì)性？為探析以上問題，本文沿用學(xué)術(shù)界普遍采用的機器人作為人工智能替代變量的做法，結(jié)合Acemoglu 等的理論模型[11]，采用1991—2018年49個國家的面板數(shù)據(jù)，實證分析人工智能對農(nóng)業(yè)生產(chǎn)率的影響。在檢驗實證結(jié)果穩(wěn)健性的基礎(chǔ)上，進(jìn)一步從就業(yè)效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)兩個方面，展開作用機制分析。并結(jié)合經(jīng)濟發(fā)展階段，分析人工智能對農(nóng)業(yè)生產(chǎn)率的異質(zhì)性影響。

一、理論模型

Acemoglu等提出封閉經(jīng)濟條件下技術(shù)進(jìn)步影響經(jīng)濟的理論框架，即包括勞動力替代效應(yīng)、生產(chǎn)率效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的影響機制[11]。雖然該框架考察的是對就業(yè)的綜合效益，但指明了技術(shù)進(jìn)步影響經(jīng)濟發(fā)展的具體形式，對分析人工智能對農(nóng)業(yè)生產(chǎn)率的影響具有重要參考價值。具體而言，該理論模型表述為：

(1)

(2)

由式(2)可知，通過簡單的移項處理后，原有對勞動力的替代效應(yīng)和就業(yè)綜合效應(yīng)均體現(xiàn)為勞動力變化，即人工智能影響農(nóng)業(yè)生產(chǎn)率的作用機制主要體現(xiàn)為就業(yè)效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。其中，在就業(yè)效應(yīng)方面，作為一種偏向型技術(shù)進(jìn)步的人工智能，隨著其產(chǎn)業(yè)化應(yīng)用，對勞動力完成的工作量替代率θi增加，使得單位生產(chǎn)所需勞動力和產(chǎn)業(yè)內(nèi)就業(yè)下降。同時，這種影響還受人工智能及其相關(guān)技術(shù)發(fā)展水平、資本存量、勞動力技能狀況等因素影響，學(xué)術(shù)界對替代率θi尚沒有統(tǒng)一的標(biāo)準(zhǔn)，難以有效實證分析人工智能對勞動力的替代效應(yīng)，因此，此處僅集中分析對就業(yè)的綜合效應(yīng)。在產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)方面，人工智能應(yīng)用程度較高的產(chǎn)業(yè)具有要素、技術(shù)等方面的比較優(yōu)勢，其產(chǎn)業(yè)擴張需要從其他產(chǎn)業(yè)轉(zhuǎn)移勞動力，導(dǎo)致農(nóng)業(yè)就業(yè)和產(chǎn)值的占比變動。根據(jù)Romer的技術(shù)變革模型可知，隨著人工智能應(yīng)用引致產(chǎn)業(yè)間生產(chǎn)率變動，勞動等生產(chǎn)要素會實現(xiàn)優(yōu)化配置，并直接或間接影響各產(chǎn)業(yè)就業(yè)和產(chǎn)值的占比，即產(chǎn)業(yè)結(jié)構(gòu)變遷[15]?；谝陨蟽蓚€方面的分析，可以推斷無論人工智能應(yīng)用于農(nóng)業(yè)還是非農(nóng)產(chǎn)業(yè)，該項技術(shù)都會引起產(chǎn)業(yè)之間的生產(chǎn)要素配置變化，進(jìn)而影響農(nóng)業(yè)生產(chǎn)率。

二、實證設(shè)計與數(shù)據(jù)

1.實證模型構(gòu)建

基于式(2)的基本思想，構(gòu)建人工智能影響農(nóng)業(yè)生產(chǎn)率的實證模型。鑒于固定效應(yīng)模型可以解決不隨時間、個體變化的遺漏變量問題，以及樣本數(shù)據(jù)偏差較大問題。為了使因變量滿足經(jīng)典線性模型(CLM)假設(shè)，對因變量和自變量取自然對數(shù)，設(shè)定如下形式的固定效應(yīng)模型：

(3)

式(3)中，因變量lnproductivity為對數(shù)化農(nóng)業(yè)生產(chǎn)率；βai為人工智能(AI)對農(nóng)業(yè)生產(chǎn)率(productivity)的彈性系數(shù)。下標(biāo)n、t、i分別表示國家、年份、所屬的洲；un、vt、ri分別表示國家的個體效應(yīng)、時間效應(yīng)、地區(qū)效應(yīng)，εn,t為誤差項。結(jié)合技術(shù)進(jìn)步、不均衡增長理論等理論，采用controln,t表示其他控制變量，包括老齡化率、總體預(yù)期壽命、人均GDP、貨物或服務(wù)進(jìn)口額、貨物或服務(wù)出口額、稅收比重、總生育率、高等院校入學(xué)率，βj為各控制變量的系數(shù)。

基于式(2)可以發(fā)現(xiàn)，影響農(nóng)業(yè)生產(chǎn)率的兩個主要途徑為就業(yè)效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。為展開作用機制分析，將式(3)中的因變量分別替換為各國農(nóng)業(yè)勞動就業(yè)占比、農(nóng)業(yè)增加值占GDP比例，再進(jìn)行實證檢驗。

2.數(shù)據(jù)來源與說明

本文采用世界銀行和國際機器人聯(lián)合會(IFR)的數(shù)據(jù)，主要是因為世界銀行數(shù)據(jù)庫在國別層面統(tǒng)計口徑一致、具有較高的權(quán)威性；機器人是較為常用的人工智能衡量指標(biāo)，而IFR是全球范圍內(nèi)有關(guān)機器人數(shù)據(jù)的最權(quán)威機構(gòu)?；跀?shù)據(jù)可得性和一致性，本文選取1991年至2018年49個國家(國家的地區(qū)分布和具體名稱，見表1)的數(shù)據(jù)作為樣本。各變量解釋說明如下：

表1 49個樣本國家及其地域分布

(1)因變量農(nóng)業(yè)生產(chǎn)率。參考Gollin等和Tombe的作法[2,16]，以勞均增加值作為生產(chǎn)率的衡量指標(biāo)，具體由各年份(以2010年不變美元價格計算的)農(nóng)業(yè)增加值除以農(nóng)業(yè)就業(yè)人口數(shù)量得出。其中，農(nóng)業(yè)就業(yè)人口數(shù)量由農(nóng)業(yè)就業(yè)占比與總就業(yè)人口相乘得出；根據(jù)世界銀行的統(tǒng)計標(biāo)準(zhǔn)，農(nóng)業(yè)就業(yè)人口包括農(nóng)產(chǎn)品加工、提供農(nóng)業(yè)生產(chǎn)相關(guān)服務(wù)的就業(yè)人口。

(2)解釋變量人工智能。其是一種新型的通用信息技術(shù)，具有滲透性、替代性、協(xié)同性、創(chuàng)造性的經(jīng)濟-技術(shù)特征，能夠廣泛用于經(jīng)濟社會的各方面[1]。目前，國內(nèi)外普遍缺乏有效的人工智能統(tǒng)計數(shù)據(jù)，參考Agrawal 等、陳彥斌等采用機器人數(shù)量作為替代變量的作法[12,17]。本文中的“機器人”是根據(jù)國際標(biāo)準(zhǔn)化組織(ISO)的定義：自動化控制、可編程、多功能、由三個及以上轉(zhuǎn)軸的固定或可移動的工業(yè)裝置。結(jié)合數(shù)據(jù)整理過程，需要特別說明以下問題：第一，針對部分國家保有量數(shù)據(jù)缺失，結(jié)合后續(xù)年份到港機器人數(shù)量，采用2018年IFR修訂后的統(tǒng)計方法——當(dāng)年機器人保有量等于近12年積累量，補齊2016—2017年16個主要國家(3)這16個國家為美國、加拿大、墨西哥、巴西、中國、印度、日本、韓國、泰國、越南、法國、德國、意大利、西班牙、英國、南非。的缺失數(shù)據(jù)；第二，《World Robotics 2008》中僅統(tǒng)計北美地區(qū)保有量，沒有細(xì)分2005-2007年美國、加拿大、墨西哥的保有量，分別采用2004年三國GDP占北美地區(qū)總量的比例，乘以對應(yīng)年份北美機器人保有總量得出。同理，針對2004—2007年的荷蘭、比利時、盧森堡三國作為一個整體統(tǒng)計，采用類似方法得出荷蘭、比利時的機器人保有量。

(3)控制變量。老齡化率，即65歲和65歲以上的人口占總?cè)丝诘陌俜直龋側(cè)丝谑歉鶕?jù)實際存在的人口定義確定。老齡化會降低勞動參與率和生產(chǎn)率，減少社會的儲蓄和投資，減緩資本積累速度，制約經(jīng)濟增長[12]。因此，為應(yīng)對這種人口結(jié)構(gòu)變遷對產(chǎn)業(yè)和經(jīng)濟發(fā)展的不利影響，面臨老齡化的國家會增加人工智能的應(yīng)用，彌補本國勞動力供給不足[10]。

預(yù)期壽命，是指假定出生時的死亡率模式在一生中保持不變，一名新生兒可能生存的年數(shù)。預(yù)期壽命提高可能會增加受教育年數(shù)、減少個體終生的勞動時間，并推遲社會整體退休年齡[18]。

總生育率，為假設(shè)婦女度過整個生育期，并按照當(dāng)期的年齡組別生育率所生育的孩子數(shù)。

人均GDP，采用國內(nèi)生產(chǎn)總值(GDP)除以對應(yīng)國別年中人口數(shù)獲得該指標(biāo)。GDP為經(jīng)濟體內(nèi)所有居民生產(chǎn)者創(chuàng)造的增加值總和，加上產(chǎn)品稅，并減去不包括在產(chǎn)品價值中的補貼。其中，計算時未扣除資產(chǎn)折舊或自然資源損耗和退化，并按2010年不變美元價格計算。

進(jìn)出口額。進(jìn)口額包括從其他國家或地區(qū)進(jìn)口貨物和服務(wù)的價值總和，按2010年不變價格計算。出口額與進(jìn)口額統(tǒng)計口徑一致。在開放經(jīng)濟條件下，進(jìn)出口額是由國家生產(chǎn)要素稟賦、科技水平所決定的綜合結(jié)果，但其對就業(yè)的沖擊受到宏觀經(jīng)濟狀況、勞動市場結(jié)構(gòu)、政策等因素制約[19]。針對除2010年之外，中國進(jìn)出口數(shù)據(jù)缺失，根據(jù)2014年和2019年的《中國統(tǒng)計年鑒》中的相關(guān)數(shù)據(jù)，得出以美元計量的當(dāng)年名義進(jìn)出口數(shù)額，再以2010年不變美元價格的平減指數(shù)折算得出。

稅收占比，即稅收占各國當(dāng)年GDP的比例。針對1991-2004年中國數(shù)據(jù)缺失，采用《中國統(tǒng)計年鑒2019》中的相關(guān)數(shù)據(jù)，根據(jù)歸屬中央財政稅種與當(dāng)年GDP總量計算得出。

高等教育入學(xué)率，即按國際教育分類標(biāo)準(zhǔn)(ISCED)，不論年齡大小，第三級教育第一階段(ISCED5)和第二階段(ISCED6)的大學(xué)在校生總數(shù)，占中學(xué)之后 5 年學(xué)齡人口總數(shù)的百分比。人工智能發(fā)展的現(xiàn)實表明，高技能勞動力的數(shù)量及其占比相對更為重要，此處以高等教育入學(xué)率作為受教育水平的替代指標(biāo)。針對部分國家2014—2018年的高等教育入學(xué)率數(shù)據(jù)缺失，采用均值插值法得出這5年的數(shù)據(jù)。

通貨膨脹率為GDP隱含價格平減指數(shù)。具體是按照現(xiàn)價本幣計算的GDP與按照不變價本幣計算的GDP之比，其年增長率反映整個經(jīng)濟體的價格變動率。

此外，為展開作用機制分析，選取農(nóng)業(yè)勞動就業(yè)占比、農(nóng)業(yè)增加值占GDP的比重，分別作為衡量就業(yè)、產(chǎn)業(yè)結(jié)構(gòu)的因變量。在遵循統(tǒng)計口徑一致性、合理補齊少數(shù)缺失數(shù)據(jù)的情況下，以上各變量的描述性統(tǒng)計情況，見表2。

表2 樣本數(shù)據(jù)描述性統(tǒng)計 N=919

三、實證分析與穩(wěn)健性檢驗

1.基準(zhǔn)回歸分析

基于實證模型(2)，以機器人作為人工智能的替代變量，分析對農(nóng)業(yè)生產(chǎn)率的影響。結(jié)合相關(guān)學(xué)者的建議，此處同時控制個體、時間、地區(qū)(4)對于地區(qū)的劃分，此處按亞洲、歐洲、非洲、大洋洲、北美洲、南美洲六大洲的地域概念劃分。需要指出的是，在樣本區(qū)間內(nèi)地區(qū)并未隨時間變化，因此地區(qū)固定效應(yīng)被個體固定效應(yīng)吸收，三維固定效應(yīng)模型退化為二維固定效應(yīng)模型。三個維度的固定效應(yīng)。針對這種情況，采用高維固定效應(yīng)估計方法，與傳統(tǒng)方法相比，該方法具有以下優(yōu)點：在克服樣本異質(zhì)性的情況下，增加固定效應(yīng)的維度；突破傳統(tǒng)估計方法收斂速度慢的局限性，特別是對樣本量大、結(jié)構(gòu)與內(nèi)容較為復(fù)雜的數(shù)據(jù)而言[20-23]。同時，考慮到勞均增加值、機器人保有量，以及人均GDP、進(jìn)口額、出口額存在絕對值相差較大，為消除異方差并便于計算，對這些樣本數(shù)據(jù)取對數(shù)。由于各國家所處地區(qū)在樣本期間并未發(fā)生變動，實際只能控制個體和時間兩個維度的固定效應(yīng)，最終得到實證結(jié)果表3。其中，第(1)和(2)列的解釋變量系數(shù)較接近，表明模型估計結(jié)果比較穩(wěn)健。根據(jù)含有控制變量的固定效應(yīng)模型結(jié)果，機器人保有量對農(nóng)業(yè)生產(chǎn)率的彈性系數(shù)為0.0077，即人工智能的應(yīng)用增加1%會引致后者增加0.0077%。

表3 人工智能對農(nóng)業(yè)生產(chǎn)率的影響

就彈性系數(shù)的數(shù)值大小而言，人工智能對農(nóng)業(yè)生產(chǎn)率正向影響略微弱。導(dǎo)致這一狀況主要是因為當(dāng)前在農(nóng)業(yè)乃至宏觀經(jīng)濟中，人工智能尚處于弱人工智能階段，技術(shù)本身及其應(yīng)用領(lǐng)域還存在較大的發(fā)展空間，對農(nóng)業(yè)生產(chǎn)率的促進(jìn)作用暫未得到全面顯現(xiàn)。21世紀(jì)以來，人工智能依然在決策能力、應(yīng)用成本等方面有待發(fā)展，以至相關(guān)技術(shù)的現(xiàn)實應(yīng)用通常需要人類輔助[17]。在未來發(fā)展過程中，短期內(nèi)突破技術(shù)“奇點”，實現(xiàn)快速響應(yīng)環(huán)境變化并作出決策的難度較大。在農(nóng)業(yè)領(lǐng)域，人工智能主要應(yīng)用于生產(chǎn)灌溉、作物選擇、播種與病蟲害防止、輔助性災(zāi)害預(yù)測等方面，在一定程度上提高了農(nóng)業(yè)生產(chǎn)各環(huán)節(jié)與市場的聯(lián)系，但依賴于物聯(lián)網(wǎng)的精準(zhǔn)農(nóng)業(yè)普及程度還很低。例如，英國的農(nóng)業(yè)機器人與自動化系統(tǒng)(robotics and autonomous systems,RAS)涉及復(fù)雜多樣的技術(shù)，目前僅得到極為有限的小規(guī)模應(yīng)用，未來的推廣需要在操作系統(tǒng)穩(wěn)定性、多樣性、環(huán)境適應(yīng)性、與現(xiàn)有農(nóng)機兼容性等方面實現(xiàn)技術(shù)創(chuàng)新[4]。

2.穩(wěn)健性與內(nèi)生性檢驗

(1)穩(wěn)健性檢驗。為了檢驗實證結(jié)果的穩(wěn)健性，進(jìn)一步采用基于OLS方法混合回歸、替換人工智能變量為其滯后一期(滯后解釋變量模型)實證分析，得出表3第(3)和(4)列的實證結(jié)果。結(jié)果發(fā)現(xiàn)，與表3第(2)列的固定效應(yīng)模型估計相比，OLS、滯后解釋變量模型的解釋變量及控制變量的系數(shù)在方向、大小、顯著性水平方面基本一致。與此同時，在后續(xù)部分將樣本分為高收入國家、中低收入國家兩類樣本，實證結(jié)果滿足“事實性顯著”的特征，此處暫不做過多的說明?？傊?，這些結(jié)果均說明以上本文的估計具有穩(wěn)健性。

(2)內(nèi)生性檢驗。內(nèi)生性產(chǎn)生的原因主要有遺漏解釋變量、雙向因果關(guān)系、測量誤差。其中，遺漏解釋變量問題可以被固定效應(yīng)模型有效控制，而人工智能與農(nóng)業(yè)生產(chǎn)率基本不存在事實上的反向因果關(guān)系(5)在穩(wěn)健性檢驗中，本文將人工智能變量替換為其滯后一期，可以部分避免反向關(guān)系影響。。采用機器人作為替代變量來定量分析人工智能的經(jīng)濟社會影響[17]，是目前學(xué)術(shù)界比較公認(rèn)的作法。針對機器人統(tǒng)計，IFR作為全球性專業(yè)聯(lián)合會，其成員包括各國主要的機器人生產(chǎn)企業(yè)、專業(yè)行業(yè)協(xié)會等組織，擁有大量而廣泛的資料來源渠道，是目前全球最權(quán)威的機器人統(tǒng)計數(shù)據(jù)發(fā)布機構(gòu)?；谝陨戏治龊拖嚓P(guān)事實，可以初步判定文中不存在顯著的內(nèi)生性問題。

3.作用機制分析

無論是采用勞均增加值還是就業(yè)作為衡量指標(biāo)，農(nóng)業(yè)與非農(nóng)產(chǎn)業(yè)的生產(chǎn)率差距長期存在，勞動力向非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移是提高資源配置效率和全要素生產(chǎn)率(TFP)，促進(jìn)經(jīng)濟增長的重要因素[2]。結(jié)合式(2)的相關(guān)理論分析，以下從生產(chǎn)率效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)兩個方面，分析人工智能對農(nóng)業(yè)生產(chǎn)率的影響機制。

(1)就業(yè)效應(yīng)。農(nóng)業(yè)(勞動)生產(chǎn)率的提高取決于分母效應(yīng)和分子效應(yīng)，其中前一種效應(yīng)主要由勞動力轉(zhuǎn)移程度決定[3]。以各國農(nóng)業(yè)就業(yè)占總就業(yè)比例為因變量，采用不同實證模型或估計方法得出實證結(jié)果如表4。通過對比是否納入控制變量的固定效應(yīng)模型、OLS模型、滯后解釋變量模型估計結(jié)果，發(fā)現(xiàn)各模型中人工智能變量系數(shù)一致，顯著為負(fù)。根據(jù)第(2)列實證結(jié)果，在添加控制變量后，人工智能對農(nóng)業(yè)就業(yè)占比的彈性系數(shù)為-0.2532，在1%統(tǒng)計水平顯著。這表明人工智能變量的機器人數(shù)量每增加1%，農(nóng)業(yè)就業(yè)占比將下降0.25個百分點。這一結(jié)論與Acemoglu 等的發(fā)現(xiàn)一致，他們研究發(fā)現(xiàn)每千人擁有的機器人臺數(shù)對就業(yè)的影響系數(shù)為-0.2%[11]。農(nóng)業(yè)的現(xiàn)代化是伴隨著勞動不斷被擠出的資本密集化過程，人工智能在農(nóng)業(yè)領(lǐng)域表現(xiàn)出較明顯的勞動替代效應(yīng)，正是農(nóng)業(yè)現(xiàn)代化的特征表現(xiàn)之一。由于非農(nóng)產(chǎn)業(yè)的人工智能產(chǎn)出彈性一般更大，其產(chǎn)出的價格相對下降、份額增加，將促使勞動力從農(nóng)業(yè)得到補充(6)國際知名咨詢機構(gòu)普華永道的研究成果《人工智能和相關(guān)技術(shù)對中國就業(yè)的凈影響》表明，2017-2037年人工智能對中國工業(yè)就業(yè)的影響偏中性，服務(wù)業(yè)預(yù)計新增就業(yè)崗位9700萬，而農(nóng)業(yè)就業(yè)崗位將下降2200萬。[14]。但需要指出的是，對農(nóng)業(yè)勞動的替代并不一定意味著人工智能必然替代勞動力，表現(xiàn)為對不同產(chǎn)業(yè)的就業(yè)有偏向影響，這取決于資本與勞動的替代彈性。

表4 人工智能的就業(yè)效應(yīng)

(2)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。人工智能屬于具有新型基礎(chǔ)設(shè)施屬性的通用技術(shù)，對勞動或資本可能產(chǎn)生有偏的替代，在不同產(chǎn)業(yè)的應(yīng)用前景存在較大差異，其應(yīng)用會引起產(chǎn)業(yè)結(jié)構(gòu)變遷[14]。為分析人工智能經(jīng)由產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對農(nóng)業(yè)生產(chǎn)率的影響，以農(nóng)業(yè)增加值占GDP的比例為衡量產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)。然后，采用固定效應(yīng)模型、OLS方法以及滯后解釋變量模型，得出的實證結(jié)果如表5，均說明人工智能發(fā)展會降低農(nóng)業(yè)GDP占比，但該系數(shù)在添加控制變量后變得不顯著。具體就農(nóng)業(yè)領(lǐng)域而言，人工智能的發(fā)展及其產(chǎn)業(yè)化應(yīng)用范圍還比較有限，并未實現(xiàn)對農(nóng)業(yè)生產(chǎn)方式的革命性變革，減少農(nóng)業(yè)勞動力需求。因為在產(chǎn)業(yè)化應(yīng)用過程中，規(guī)模經(jīng)濟可以降低人工智能的應(yīng)用成本，促進(jìn)生產(chǎn)率提高和要素替代，加速生產(chǎn)要素流向人工智能替代彈性更低的生產(chǎn)部門[14]。農(nóng)業(yè)是自然再生產(chǎn)和經(jīng)濟再生產(chǎn)相統(tǒng)一的過程，其受自然因素的影響較大、生產(chǎn)的標(biāo)準(zhǔn)化程度低于非農(nóng)產(chǎn)業(yè)，人工智能的使用水平及其對農(nóng)業(yè)生產(chǎn)要素的替代效應(yīng)均較低。因此，在當(dāng)前的科技發(fā)展背景下，由于人工智能在農(nóng)業(yè)中的應(yīng)用較為滯后，其對農(nóng)業(yè)GDP占比的影響還未顯現(xiàn)。

表5 人工智能的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)

此外，人工智能對農(nóng)業(yè)具有負(fù)向的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)，也可能是由于收入變動、相對生產(chǎn)率變化等因素?！岸鞲駹柖伞北砻髟谑杖朐鲩L過程中，收入需求彈性導(dǎo)致在內(nèi)生性的需求結(jié)構(gòu)中，富有彈性的產(chǎn)品消費增加，進(jìn)而影響產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)創(chuàng)新偏向[24]。就收入需求彈性系數(shù)而言，農(nóng)產(chǎn)品基本屬于生活必需品、彈性系數(shù)較小，因此，隨著人工智能技術(shù)提高人類生活水平，農(nóng)產(chǎn)品的消費和價格增長滯后于其他產(chǎn)品。然而，產(chǎn)品之間的相對價格在一定程度上反映了產(chǎn)業(yè)間TFP的相對變動狀況[21]，而相對生產(chǎn)率變化是導(dǎo)致農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)變遷的重要因素。具體而言，農(nóng)業(yè)面臨的地理條件和自然環(huán)境更為復(fù)雜，對技術(shù)應(yīng)用的要求更高，使得該領(lǐng)域的人工智能產(chǎn)業(yè)化應(yīng)用不及其他產(chǎn)業(yè)。此外，資本積累、技術(shù)創(chuàng)新的強度和偏向會影響要素投入結(jié)構(gòu)及其邊際生產(chǎn)率，引致產(chǎn)業(yè)結(jié)構(gòu)變遷[19]。

四、基于經(jīng)濟發(fā)展階段的進(jìn)一步分析

人工智能作為一項融合多種前沿技術(shù)、不斷完善的新型信息技術(shù)，影響就業(yè)的廣度和深度甚于傳統(tǒng)技術(shù)。對非農(nóng)產(chǎn)業(yè)的研究發(fā)現(xiàn)，人工智能對不同收入水平國家、產(chǎn)業(yè)、性別的勞動力具有異質(zhì)性的影響[17]。為分析其潛在的異質(zhì)性影響，考慮到樣本量的國別差異，將樣本國家分為高收入國家、中低收入國家。其中，按照世界銀行分類標(biāo)準(zhǔn)，前者對應(yīng)“高收入國家”，后者包括按“中上收入國家”“中下收入國家”和“低收入國家”三類國家。

基于以上樣本分類的實證分析結(jié)果(如表6)，表明在納入控制變量后，人工智能對高收入國家、中低收入國家生產(chǎn)率的彈性系數(shù)分別為0.0294和-0.0057，即現(xiàn)階段其對以上兩類國家分別具有顯著的正向促進(jìn)作用和負(fù)向抑制作用。這可能源于以下兩方面的原因：高收入國家是人工智能的研發(fā)和應(yīng)用的主要推動者，高收入國家具有更多的高人力資本勞動力，能夠?qū)崿F(xiàn)高技能勞動力有效供給，滿足人工智能發(fā)展和應(yīng)用的人力資本要求，隨著人工智能應(yīng)用過程中生產(chǎn)率提高，其與中低收入國家的農(nóng)業(yè)生產(chǎn)率差距進(jìn)一步擴大；中低收入國家由于人力資本積累水平相對較低，特別是在農(nóng)業(yè)生產(chǎn)領(lǐng)域，勞動與人工智能存在錯配，不利于農(nóng)業(yè)生產(chǎn)效率的提高。

表6 人工智能對農(nóng)業(yè)生產(chǎn)率的異質(zhì)性影響

從相關(guān)技術(shù)的研發(fā)和應(yīng)用來看，高收入國家在人工智能、國際貿(mào)易等方面具有比較優(yōu)勢。工業(yè)機器人是應(yīng)用最為廣泛、常被用于作為衡量標(biāo)準(zhǔn)的人工智能技術(shù)，以該技術(shù)為例，2018年在全球安裝量前十的國家中，除了中國、墨西哥、印度外其余國家均為高收入國家；從機器人密度(每萬勞動力擁有的臺數(shù))來看，排名前十的均為高收入國家，中低收入國家中排名最高的中國為第20位，為140臺/萬人。同時，在全球化過程中不同國家間農(nóng)業(yè)生產(chǎn)率原本就存在差距(7)Tombe以勞均增加值為衡量指標(biāo)，研究發(fā)現(xiàn)全球收入水平最高的10%國家的農(nóng)業(yè)生產(chǎn)率，是收入水平最低的10%國家的100多倍。，國際貿(mào)易會加劇勞動力市場扭曲——為保護國內(nèi)農(nóng)業(yè)生產(chǎn)者利益和農(nóng)產(chǎn)品多樣化，農(nóng)業(yè)補貼和關(guān)稅會增加農(nóng)業(yè)就業(yè)量，擴大低收入國家與高收入國家的生產(chǎn)率差距[15-16]；在開放經(jīng)濟條件下，存在“林德效應(yīng)”，即高收入國家可以配置更多的資源到高收入彈性的產(chǎn)業(yè)，且占比高于該產(chǎn)業(yè)的產(chǎn)品消費占比；低收入國家只能投入更多的資源到收入彈性較小的產(chǎn)業(yè)[24]。

人力資本優(yōu)勢是導(dǎo)致人工智能對高收入國家農(nóng)業(yè)生產(chǎn)率促進(jìn)作用更顯著的重要原因。從以高等教育入學(xué)率作為衡量指標(biāo)來看，高收入國家在人力資本方面具有比較優(yōu)勢，能夠促進(jìn)本國人工智能等高科技發(fā)展和應(yīng)用。以世界銀行2017年數(shù)據(jù)為例(8)其中，高收入國家數(shù)量為35個，中低收入國家11個，烏克蘭、土耳其、越南3個國家的數(shù)據(jù)缺失。，當(dāng)年高收入國家的平均高等教育入學(xué)率為76.87%，而中低收入國家為42.95%，其中，中高收入國家、中低收入國家、低收入水平國家的平均高等教育入學(xué)率分別為46.66%、38.66%和27.44%。21世紀(jì)以來，人工智能應(yīng)用使勞動力需求表現(xiàn)出“就業(yè)極化”現(xiàn)象[1,10]。在這種背景下，高收入國家的人力資本優(yōu)勢進(jìn)一步凸顯，能夠提供數(shù)量更多的、與人工智能相匹配的高技能勞動力，促進(jìn)生產(chǎn)率提高。此外，高等教育入學(xué)率也表明高收入國家的人力資本狀況，整體優(yōu)于中低收入國家，在機械化和自動化水平原本高于中低收入國家的情況下，較高的高等教育入學(xué)率能夠為人工智能技術(shù)在高收入國家農(nóng)業(yè)領(lǐng)域的應(yīng)用創(chuàng)造更有利的現(xiàn)實條件。

五、結(jié)論與啟示

農(nóng)業(yè)生產(chǎn)率增長有利于優(yōu)化資源配置，提升中國農(nóng)產(chǎn)品國際競爭力和農(nóng)民收入，而人工智能及其相關(guān)技術(shù)的產(chǎn)業(yè)化應(yīng)用是實現(xiàn)中國經(jīng)濟社會組織形式優(yōu)化、經(jīng)濟高質(zhì)量發(fā)展的重要途徑?；贏cemoglu 等的理論模型[11]，采用跨國面板數(shù)據(jù)，以機器人存量作為人工智能的替代變量，實證研究發(fā)現(xiàn)：人工智能對農(nóng)業(yè)生產(chǎn)率具有顯著的正向促進(jìn)作用；對農(nóng)業(yè)勞動力具有顯著的替代效應(yīng)，但對農(nóng)業(yè)GDP占比為代表的產(chǎn)業(yè)結(jié)構(gòu)尚未產(chǎn)生顯著影響；基于不同經(jīng)濟發(fā)展階段的異質(zhì)性分析，表明人工智能對高收入國家農(nóng)業(yè)生產(chǎn)率具有顯著的促進(jìn)作用，而對中低收入國家表現(xiàn)出負(fù)向的抑制作用。

從世界農(nóng)業(yè)發(fā)展過程來看，在未來的技術(shù)進(jìn)步過程中規(guī)?；?、智能化是未來發(fā)展的必然趨勢?；谘芯拷Y(jié)論和中國農(nóng)業(yè)發(fā)展現(xiàn)狀，得出如下啟示：(1)大力發(fā)展與農(nóng)業(yè)相關(guān)的人工智能技術(shù)。為適應(yīng)經(jīng)濟發(fā)展新形勢，2015年發(fā)布的《中國制造2025》將農(nóng)機裝備作為重點發(fā)展的十大領(lǐng)域之一，明確農(nóng)機裝備信息化、智能化的重點發(fā)展方向。因此，在農(nóng)業(yè)智能化水平還相對較低的階段，有必要大力發(fā)展農(nóng)機裝備信息收集、智能決策、精準(zhǔn)作業(yè)等核心技術(shù)；(2)大力促進(jìn)人工智能技術(shù)在農(nóng)業(yè)領(lǐng)域的推廣與應(yīng)用。首先，提高產(chǎn)學(xué)研的整合水平，促進(jìn)人工智能相關(guān)技術(shù)在農(nóng)業(yè)領(lǐng)域的產(chǎn)業(yè)化應(yīng)用。在現(xiàn)實應(yīng)用過程中，努力兼顧智能化技術(shù)水平提升與規(guī)模經(jīng)濟、降低使用成本，以“智慧農(nóng)業(yè)”實現(xiàn)農(nóng)業(yè)的規(guī)模經(jīng)營和勞動生產(chǎn)率提高。其次，突破超小農(nóng)業(yè)經(jīng)營規(guī)模對新技術(shù)產(chǎn)業(yè)化應(yīng)用的限制，為人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用創(chuàng)造條件。通過發(fā)展適度規(guī)模經(jīng)營的新型農(nóng)業(yè)經(jīng)營主體，重點扶持高學(xué)歷的農(nóng)場主、合作社主要管理者參與農(nóng)業(yè)智能化，促進(jìn)農(nóng)業(yè)經(jīng)濟的規(guī)模效益與新技術(shù)采用的良性循環(huán)。此外，在提高農(nóng)村地區(qū)互聯(lián)網(wǎng)普及率的同時，加速無人采棉機、智能灌溉系統(tǒng)、可穿戴的農(nóng)業(yè)智能設(shè)備等相對成熟的人工智能技術(shù)的推廣和應(yīng)用。