沈 洋，張秀武

（華僑大學(xué)數(shù)量經(jīng)濟(jì)研究院，福建廈門 361021）

一、引言

改革開(kāi)放以來(lái)，我國(guó)經(jīng)濟(jì)發(fā)展取得了前所未有的成就，經(jīng)濟(jì)總量躍居世界第二位。但由于產(chǎn)業(yè)政策、市場(chǎng)勢(shì)力和制度障礙等“經(jīng)濟(jì)楔子”影響，國(guó)內(nèi)要素市場(chǎng)的市場(chǎng)化道阻且長(zhǎng)，尤其是勞動(dòng)力市場(chǎng)摩擦系數(shù)居高不下，勞動(dòng)力自由流動(dòng)受阻，存在利用效率低下和錯(cuò)配的情況[1]。全要素生產(chǎn)率是國(guó)家收入差距、市場(chǎng)提質(zhì)增效和產(chǎn)業(yè)結(jié)構(gòu)質(zhì)量的重要反映。要素市場(chǎng)錯(cuò)配不僅深刻影響著一國(guó)經(jīng)濟(jì)增長(zhǎng)質(zhì)量，還對(duì)提高全要素生產(chǎn)率構(gòu)成嚴(yán)重威脅[2]。在以往粗放型經(jīng)濟(jì)發(fā)展模式影響下，我國(guó)對(duì)生產(chǎn)要素的使用和積累仍處于國(guó)際價(jià)值鏈體系中低端，產(chǎn)業(yè)結(jié)構(gòu)僵化，難以擺脫資源鎖定效應(yīng)[3]。在經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)為經(jīng)濟(jì)高質(zhì)量發(fā)展階段，如何解決經(jīng)濟(jì)結(jié)構(gòu)性和體制性問(wèn)題一直是困擾著政策界和學(xué)術(shù)界的現(xiàn)實(shí)難題。黨的十九屆五中全會(huì)著重強(qiáng)調(diào)，要全面深化改革，推動(dòng)有效市場(chǎng)和有為政府更好結(jié)合，促使要素市場(chǎng)化配置改革取得重大進(jìn)展。目前我國(guó)勞動(dòng)力要素錯(cuò)配現(xiàn)象普遍存在，大部分勞動(dòng)力和人力資本配置相較于最優(yōu)經(jīng)濟(jì)運(yùn)行狀態(tài)存在不同程度的偏離，甚至還有一部分行業(yè)產(chǎn)生了嚴(yán)重的勞動(dòng)力錯(cuò)配現(xiàn)象，不利于經(jīng)濟(jì)穩(wěn)定增長(zhǎng)[4]。在分工化的社會(huì)體系中，就業(yè)是最大的民生，讓經(jīng)濟(jì)增長(zhǎng)與高校畢業(yè)生專業(yè)對(duì)口、人盡其用和轉(zhuǎn)移勞動(dòng)力及時(shí)再就業(yè)是國(guó)家治理體系現(xiàn)代化的重要反映。為此，應(yīng)進(jìn)一步暢通生產(chǎn)要素在全社會(huì)各部門自由流動(dòng)的制度通道，切實(shí)提高勞動(dòng)力自由配置效率和人民就業(yè)質(zhì)量。

回顧歷史，每一次技術(shù)革命往往都伴隨著人們對(duì)“機(jī)器換人”的擔(dān)憂和恐懼，甚至大多數(shù)人把自動(dòng)化技術(shù)視為技術(shù)性失業(yè)的根源，存在“盧德式恐懼”①心理。歷史經(jīng)驗(yàn)表明，先進(jìn)技術(shù)確實(shí)毀滅了許多工作，但同時(shí)又創(chuàng)造了許多新工作崗位來(lái)彌補(bǔ)那些被其摧毀的工作崗位，帶來(lái)了更加細(xì)化的勞動(dòng)分工，極大縮短了單項(xiàng)任務(wù)的完成時(shí)間。在政策引領(lǐng)和以數(shù)字技術(shù)為代表的第四次工業(yè)革命推動(dòng)下，我國(guó)傳統(tǒng)制造業(yè)正加速與現(xiàn)代信息技術(shù)融合，新產(chǎn)品、新技術(shù)和新模式不斷涌現(xiàn)，以中性技術(shù)進(jìn)步為特征的數(shù)字經(jīng)濟(jì)正深刻影響著我國(guó)勞動(dòng)力供需版圖[5]。雖受新冠肺炎疫情全球大流行、國(guó)際貿(mào)易結(jié)構(gòu)失衡導(dǎo)致的國(guó)際摩擦加劇和美國(guó)“制造業(yè)回流”“東南亞遷移”等國(guó)際局勢(shì)影響，中國(guó)制造業(yè)數(shù)字化水平仍在不斷上升。工業(yè)和信息化部數(shù)據(jù)顯示，截至2021年12月底，我國(guó)企業(yè)數(shù)字化研發(fā)設(shè)計(jì)工具普及率和關(guān)鍵工序數(shù)控化率分別達(dá)74.7%和55.3%，培育較大型工業(yè)互聯(lián)網(wǎng)平臺(tái)超過(guò)150家，在建“5G+工業(yè)互聯(lián)網(wǎng)”項(xiàng)目超2 000個(gè)，開(kāi)展網(wǎng)絡(luò)化協(xié)同和服務(wù)型制造的企業(yè)比例分別達(dá)到了38.8%和29.6%[6]。這都為企業(yè)數(shù)字化轉(zhuǎn)型提供了良好的基礎(chǔ)環(huán)境，推動(dòng)著中國(guó)制造邁向中國(guó)智造?？梢园l(fā)現(xiàn)，智能制造可以舒緩工廠停產(chǎn)減量的負(fù)效應(yīng)，數(shù)字孿生系統(tǒng)能夠優(yōu)化工藝流程，工業(yè)互聯(lián)網(wǎng)助推企業(yè)形態(tài)的變革，現(xiàn)代數(shù)字技術(shù)正每時(shí)每刻影響著當(dāng)今的生產(chǎn)和生活方式，并逐漸成為推動(dòng)國(guó)民經(jīng)濟(jì)可持續(xù)發(fā)展的新動(dòng)能。自2017年數(shù)字經(jīng)濟(jì)首次被列入政府文件以來(lái)，數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化齊頭并進(jìn)，社會(huì)各行業(yè)數(shù)字化蝶變速度加快[7]。機(jī)械化、流程化、格式化的傳統(tǒng)生產(chǎn)流程正轉(zhuǎn)向大數(shù)據(jù)化與智能化的生產(chǎn)創(chuàng)新協(xié)同發(fā)展演化，勞動(dòng)者在生產(chǎn)中的地位不斷發(fā)生變化，勞動(dòng)異化和分工精細(xì)化正催化著勞動(dòng)力市場(chǎng)加速流動(dòng)和層級(jí)跳躍。因此，揭示智能制造影響勞動(dòng)力錯(cuò)配的一般規(guī)律，回答智能制造對(duì)勞動(dòng)力要素市場(chǎng)化配置究竟是福利還是災(zāi)禍，厘清智能制造推動(dòng)勞動(dòng)力優(yōu)化配置的內(nèi)在機(jī)制，對(duì)深入挖掘數(shù)字技術(shù)賦能經(jīng)濟(jì)高質(zhì)量發(fā)展的潛力、扭轉(zhuǎn)要素錯(cuò)配有重要啟示意義。

二、文獻(xiàn)綜述

資源配置一直是經(jīng)濟(jì)學(xué)研究的熱點(diǎn)話題。自謝長(zhǎng)廷和克萊諾（Hsieh&Klenow）[8]構(gòu)建了要素錯(cuò)配影響全要素生產(chǎn)率的理論分析框架，并估算了中國(guó)勞動(dòng)力錯(cuò)配和資本錯(cuò)配程度以來(lái)，眾多學(xué)者在此框架內(nèi)圍繞著勞動(dòng)力錯(cuò)配做了大量探討，并取得了豐碩成果?？偨Y(jié)現(xiàn)有文獻(xiàn)，與本文主題相關(guān)的文獻(xiàn)大致可以分為以下兩個(gè)方面：一是把重點(diǎn)放在不同層面或不同維度的資源錯(cuò)配程度的測(cè)算上，將資本錯(cuò)配和勞動(dòng)力錯(cuò)配綜合起來(lái)探討。袁志剛等[9]估算了農(nóng)業(yè)部門就業(yè)比重過(guò)大時(shí)對(duì)資源錯(cuò)配的影響效應(yīng)，認(rèn)為部門間的工資差異是引致勞動(dòng)力錯(cuò)配無(wú)法提高全要素生產(chǎn)率的主要原因。郎昆等[10]在經(jīng)典資源錯(cuò)配模型的基礎(chǔ)上提出了分組方差解決法，對(duì)企業(yè)所有制、企業(yè)規(guī)模和城市層次等6個(gè)主要扭曲源進(jìn)行分解測(cè)算，認(rèn)為近二十年我國(guó)資源錯(cuò)配的來(lái)源發(fā)生了結(jié)構(gòu)性轉(zhuǎn)變，傳統(tǒng)企業(yè)所有制和企業(yè)規(guī)模等因素造成的資源錯(cuò)配情況得到緩解，但區(qū)域發(fā)展不平衡、企業(yè)融資約束和政府干預(yù)仍是要素錯(cuò)配的主要來(lái)源。李欣澤等[11]的研究表明，我國(guó)資源錯(cuò)配程度呈現(xiàn)出先下降后上升的U 型走勢(shì)，尤其是2008年政府四萬(wàn)億元刺激計(jì)劃實(shí)施后錯(cuò)配程度明顯上升，認(rèn)為若制造業(yè)企業(yè)的資源配置達(dá)到最優(yōu)，我國(guó)總體經(jīng)濟(jì)效率會(huì)提升1.1 倍。張慧慧等[12]認(rèn)為，2004—2013年我國(guó)資本配置效率不斷惡化，而勞動(dòng)力配置則持續(xù)優(yōu)化。二是圍繞著勞動(dòng)力錯(cuò)配的影響因素及其應(yīng)對(duì)策略。一個(gè)不爭(zhēng)的事實(shí)是，當(dāng)前我國(guó)勞動(dòng)力配置仍面臨著嚴(yán)重的結(jié)構(gòu)性失衡問(wèn)題。盡管通過(guò)戶籍制度改革、推進(jìn)農(nóng)業(yè)轉(zhuǎn)移人口市民化和平衡經(jīng)濟(jì)差距等方式引導(dǎo)勞動(dòng)力合理配置，但影響勞動(dòng)力配置最關(guān)鍵的因素——工資水平和房?jī)r(jià)還有待深入探討[13]。誠(chéng)然，緩解勞動(dòng)力錯(cuò)配的途徑有很多，已有文獻(xiàn)從貿(mào)易自由化[14-15]、企業(yè)所有制改革[16]、經(jīng)濟(jì)集聚[17-18]和區(qū)域一體化[19]等角度對(duì)勞動(dòng)力錯(cuò)配的完善進(jìn)行了探討。

技術(shù)進(jìn)步的社會(huì)效應(yīng)有其獨(dú)特的時(shí)代烙印和階段特征，人們對(duì)其發(fā)展脈絡(luò)和內(nèi)在機(jī)理的認(rèn)識(shí)也會(huì)產(chǎn)生偏差。盡管現(xiàn)階段我國(guó)經(jīng)濟(jì)正經(jīng)歷數(shù)字革命，但由于新一代信息技術(shù)仍處于發(fā)展階段，數(shù)字技術(shù)、人工智能在生活層面的應(yīng)用還有待深挖，因而探究智能制造如何影響勞動(dòng)力配置的研究還比較少。與本文主題相似的文獻(xiàn)主要從互聯(lián)網(wǎng)[20-21]、數(shù)字金融[22]和數(shù)字經(jīng)濟(jì)等[23-24]角度對(duì)勞動(dòng)力錯(cuò)配的影響進(jìn)行了研究。

綜上，已有文獻(xiàn)從互聯(lián)網(wǎng)或通信技術(shù)發(fā)展的角度探究了信息化對(duì)勞動(dòng)力錯(cuò)配的影響，深化了對(duì)此問(wèn)題的認(rèn)識(shí)。智能制造是一系列自動(dòng)化和信息化概念的總和，是現(xiàn)代化數(shù)字技術(shù)物化于機(jī)器的具體反映，人工智能和工業(yè)互聯(lián)網(wǎng)技術(shù)均屬于智能制造領(lǐng)域范疇。相較于互聯(lián)網(wǎng)和通信技術(shù)，智能制造更強(qiáng)調(diào)制造業(yè)領(lǐng)域的技術(shù)和機(jī)器融合，突出工業(yè)機(jī)器人替代人類勞動(dòng)，由此重構(gòu)勞動(dòng)力市場(chǎng)。但總的來(lái)看，直接探討智能制造或人工智能技術(shù)對(duì)勞動(dòng)力配置的研究很少，將智能制造和產(chǎn)業(yè)集聚聯(lián)合起來(lái)的文獻(xiàn)更少。因此，本文構(gòu)建了智能制造—產(chǎn)業(yè)集聚—?jiǎng)趧?dòng)力錯(cuò)配的分析框架，在此基礎(chǔ)上將產(chǎn)業(yè)集聚分解為多樣化集聚、專業(yè)化集聚和產(chǎn)業(yè)協(xié)同集聚，所得結(jié)論有助于對(duì)智能制造、產(chǎn)業(yè)集聚影響勞動(dòng)力配置的再認(rèn)識(shí)。

三、機(jī)制分析與研究假設(shè)

（一）智能制造的直接效應(yīng)

人工智能、智能制造作為新一代通用的信息技術(shù)，天然攜帶著一般信息通信技術(shù)所具備的滲透性、替代性和協(xié)同性等經(jīng)濟(jì)技術(shù)特征，不經(jīng)意間已滲入到生產(chǎn)生活的方方面面，并悄然改變著經(jīng)濟(jì)社會(huì)組織運(yùn)行模式[25-26]。作為人類勞動(dòng)的延伸和替代，物化于機(jī)器設(shè)備的智能制造在緩解人口老齡化和提升全要素生產(chǎn)率等方面具有很大潛力。歷史上每一次新技術(shù)變革不僅提高了生產(chǎn)能力和效率，更系統(tǒng)性改變了社會(huì)分工體系和勞動(dòng)雇傭關(guān)系。一般而言，數(shù)字技術(shù)通過(guò)破壞效應(yīng)、補(bǔ)償效應(yīng)和創(chuàng)新效應(yīng)影響勞動(dòng)力配置。從短期看，智能制造在生產(chǎn)領(lǐng)域大規(guī)模使用，客觀上提高了資本有機(jī)構(gòu)成，放大了資本要素的產(chǎn)出貢獻(xiàn)，間接促使勞動(dòng)密集型企業(yè)向資本密集型轉(zhuǎn)型，實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，但同時(shí)也意味著智能制造擠占了勞動(dòng)要素投入份額。智能制造釋放的巨大生產(chǎn)力縮短了單個(gè)任務(wù)的工作時(shí)間，部分常規(guī)性、重復(fù)性工作崗位被取代。例如寶潔公司在業(yè)務(wù)流程、商業(yè)模式和企業(yè)文化方面所開(kāi)啟的數(shù)字化轉(zhuǎn)型，將與系統(tǒng)割裂的流程搬到線上，實(shí)現(xiàn)了系統(tǒng)整合與全部業(yè)務(wù)的數(shù)字化打通，用機(jī)器人自動(dòng)決策代替?zhèn)鹘y(tǒng)“人+Excel”共同決策方式，通過(guò)大數(shù)據(jù)算法快速組合不同策略并尋求最優(yōu)解，不僅節(jié)省了高度復(fù)雜性流程的成本費(fèi)用，還提高了決策效率。同時(shí)，智能制造對(duì)就業(yè)的破壞效應(yīng)在一定程度上迫使勞動(dòng)者提高勞動(dòng)技能和注重人力資本積累，無(wú)形中改變了勞動(dòng)者的工作內(nèi)容和生產(chǎn)效率。從長(zhǎng)期看，智能制造又能通過(guò)新的生產(chǎn)任務(wù)創(chuàng)造就業(yè)崗位，發(fā)揮創(chuàng)造效應(yīng)。隨著數(shù)字經(jīng)濟(jì)的縱深發(fā)展，以往被數(shù)字化技術(shù)和自動(dòng)化技術(shù)替代的勞動(dòng)者可以通過(guò)靈活化和平臺(tái)化實(shí)現(xiàn)再就業(yè)，進(jìn)而重構(gòu)勞動(dòng)力配置版圖[22]。數(shù)字經(jīng)濟(jì)所衍生的新業(yè)務(wù)流程在改變和補(bǔ)充原有商業(yè)模式的同時(shí)，還開(kāi)發(fā)出新商業(yè)模式，例如出現(xiàn)了平臺(tái)經(jīng)濟(jì)和共享經(jīng)濟(jì)。部分被智能化技術(shù)替代的勞動(dòng)者既可以通過(guò)新生產(chǎn)任務(wù)或人機(jī)協(xié)同崗位實(shí)現(xiàn)再就業(yè)，還可以通過(guò)向外包配送等新興生產(chǎn)性服務(wù)業(yè)轉(zhuǎn)移再就業(yè)。因此，經(jīng)過(guò)數(shù)字技術(shù)洗禮和“技術(shù)性失業(yè)”的陣痛，以往傳統(tǒng)意義上的廉價(jià)勞動(dòng)力將逐漸轉(zhuǎn)變?yōu)槿肆Y本含量更高的高質(zhì)量勞動(dòng)力，并且在新任務(wù)組合框架內(nèi)實(shí)現(xiàn)勞動(dòng)力再配置，這有助于緩解勞動(dòng)力錯(cuò)配。因此，本文提出以下假設(shè)：

H1：智能制造有助于緩解勞動(dòng)力錯(cuò)配。

（二）多樣化和專業(yè)化集聚的中介效應(yīng)

馬歇爾（Marshall）[27]和雅各布斯（Jacobs）[28]的觀點(diǎn)表明，無(wú)論是專業(yè)化集聚還是多樣化集聚，都可能影響生產(chǎn)要素在微觀企業(yè)層面的配置效率，從而影響宏觀經(jīng)濟(jì)運(yùn)行效率。理論研究表明，專業(yè)化集聚和多樣化集聚都能在更高層次上形成投入要素的蓄水池效應(yīng)，對(duì)外部經(jīng)濟(jì)帶來(lái)馬歇爾外部效應(yīng)和雅各布斯外部效應(yīng)：專業(yè)化集聚能推動(dòng)生產(chǎn)要素流入高效企業(yè)，多樣化集聚有助于消除產(chǎn)業(yè)間信息隔閡，實(shí)現(xiàn)資本和勞動(dòng)力在產(chǎn)業(yè)間的自由配置[29-30]。在產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化進(jìn)程中，以人工智能和智能制造為代表的數(shù)字技術(shù)，不僅可以通過(guò)替代效應(yīng)取締和淘汰傳統(tǒng)高耗能、低效率生產(chǎn)部門，還能通過(guò)賦能效應(yīng)為傳統(tǒng)產(chǎn)業(yè)和新興中小型企業(yè)賦能，進(jìn)而催生新產(chǎn)業(yè)、新業(yè)態(tài)和新模式，為要素自由流動(dòng)和優(yōu)化配置開(kāi)辟新道路[31]。依據(jù)勞動(dòng)分工理論，研發(fā)設(shè)計(jì)、法務(wù)咨詢和通信工程等知識(shí)密集型服務(wù)業(yè)的高速發(fā)展與空間集聚極大降低了企業(yè)服務(wù)鏈間的相對(duì)成本。出于降低交易成本、提高產(chǎn)出效率和保持核心競(jìng)爭(zhēng)力等綜合因素的考量，部分企業(yè)會(huì)將以往由內(nèi)部提供但又處于相對(duì)劣勢(shì)的中間生產(chǎn)打包給第三方，通過(guò)垂直分解的方式實(shí)現(xiàn)服務(wù)投入向外購(gòu)的轉(zhuǎn)變[32]。現(xiàn)實(shí)中，城市是經(jīng)濟(jì)的物質(zhì)載體，但隨著城市規(guī)模的不斷擴(kuò)大，城市中通勤成本、住房成本等非貿(mào)易因素引致的擁擠成本便會(huì)顯現(xiàn)。也正是因?yàn)槌鞘幸?guī)模是動(dòng)態(tài)拓展的，新技術(shù)變革導(dǎo)致的時(shí)空距離壓縮使得新經(jīng)濟(jì)地理模型中鐘狀曲線的出現(xiàn)成為可能，即隨著貿(mào)易成本進(jìn)一步下降，生產(chǎn)活動(dòng)呈現(xiàn)出先集聚、后分散到再集聚的過(guò)程。艾倫·J.斯科特[33]在《浮現(xiàn)的世界》中提到，隨著新技術(shù)進(jìn)一步發(fā)展，全球經(jīng)濟(jì)地理形態(tài)由原來(lái)簡(jiǎn)單的核心—邊緣格局轉(zhuǎn)化為全新的馬賽克形態(tài)，在核心都市區(qū)外圍和資本主義體系外圍區(qū)域存在著相對(duì)繁榮的島嶼。綜上，產(chǎn)業(yè)集聚產(chǎn)生的勞動(dòng)力共享、信息充分和規(guī)模經(jīng)濟(jì)能優(yōu)化勞動(dòng)力資源配置，而智能制造又能推動(dòng)知識(shí)密集型高新技術(shù)集聚和相關(guān)生產(chǎn)性服務(wù)業(yè)發(fā)展。本文據(jù)此提出以下假設(shè)：

H2：智能制造通過(guò)推動(dòng)產(chǎn)業(yè)專業(yè)化集聚緩解勞動(dòng)力錯(cuò)配。

H3：智能制造通過(guò)推動(dòng)產(chǎn)業(yè)多樣化集聚緩解勞動(dòng)力錯(cuò)配。

（三）產(chǎn)業(yè)協(xié)同集聚的中介效應(yīng)

正如雅各布斯[28]所強(qiáng)調(diào)的，多樣化集聚對(duì)經(jīng)濟(jì)產(chǎn)生正外部性的前置條件是知識(shí)能夠在不同產(chǎn)業(yè)間形成外溢效應(yīng)，即產(chǎn)業(yè)間需存在較強(qiáng)關(guān)聯(lián)性和協(xié)同性。大數(shù)據(jù)、物聯(lián)網(wǎng)和邊緣計(jì)算等新一代信息技術(shù)是催生制造業(yè)與服務(wù)業(yè)深度融合的紐帶和黏稠劑。隨著人工智能相關(guān)理論和技術(shù)日益成熟，深度學(xué)習(xí)、語(yǔ)音識(shí)別和圖形感知等數(shù)字技術(shù)加速向各個(gè)行業(yè)滲透，逐步淡化甚至消除行業(yè)壁壘和行業(yè)屬性，使不同類型的企業(yè)組成共同體，“跨界融合”成為組織新常態(tài)[34]。制造業(yè)與服務(wù)業(yè)協(xié)同發(fā)展和深度融合是智能制造的重要內(nèi)容，服務(wù)要素外溢至生產(chǎn)制造各環(huán)節(jié)中形成了生產(chǎn)性服務(wù)業(yè)，促使制造業(yè)服務(wù)化[35]。交通運(yùn)輸、信息傳輸和金融服務(wù)在不同生產(chǎn)工序上筑牢經(jīng)濟(jì)技術(shù)聯(lián)系，強(qiáng)化著服務(wù)業(yè)與制造業(yè)在空間維度的橫向連接；物聯(lián)網(wǎng)、大數(shù)據(jù)和云服務(wù)等產(chǎn)品與市場(chǎng)信息及時(shí)交互傳導(dǎo)，加深了兩者在時(shí)間維度的縱向連接。產(chǎn)業(yè)融合促使制造業(yè)部門跳出單一的加工組裝任務(wù)框架，單項(xiàng)業(yè)務(wù)向多業(yè)務(wù)綜合集成轉(zhuǎn)化，單一競(jìng)爭(zhēng)向協(xié)同競(jìng)爭(zhēng)轉(zhuǎn)變，單一產(chǎn)品供給向一體化產(chǎn)品組合發(fā)展，最終實(shí)現(xiàn)產(chǎn)品價(jià)值鏈的延伸和全要素生產(chǎn)率的提高[36-37]。促進(jìn)智能搬運(yùn)機(jī)器人（AGV）、碼垛機(jī)器人等自動(dòng)化設(shè)備的應(yīng)用，用更先進(jìn)的物聯(lián)網(wǎng)（IOT）技術(shù)提升勞動(dòng)生產(chǎn)率，并輔之人工智能系統(tǒng)優(yōu)化制程品控、物流調(diào)度和消費(fèi)感知，使制造業(yè)與生產(chǎn)性服務(wù)業(yè)在生產(chǎn)流程和終端零售的聯(lián)系更為緊密，由此優(yōu)化相關(guān)企業(yè)選址布局，帶來(lái)協(xié)同集聚的正外部性。本文據(jù)此提出以下假設(shè)：

H4：智能制造可以推動(dòng)制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚，從而緩解勞動(dòng)力錯(cuò)配。

四、研究設(shè)計(jì)

（一）變量選取

1.被解釋變量

勞動(dòng)力錯(cuò)配（Lab）。資源錯(cuò)配是相對(duì)資源配置有效而言的，反映的是因要素市場(chǎng)扭曲使資源配置偏離帕累托最優(yōu)狀態(tài)。勞動(dòng)力錯(cuò)配是指因信息不充分、所有制歧視、市場(chǎng)不完善等因素使資源流動(dòng)受阻，甚至出現(xiàn)高回報(bào)率的生產(chǎn)要素流向低回報(bào)率企業(yè)的一種狀態(tài)，此時(shí)資源配置偏離帕累托最優(yōu)，勞動(dòng)力生產(chǎn)要素不能充分實(shí)現(xiàn)自身價(jià)值。考慮到要素價(jià)格會(huì)影響資源配置情況，因而延續(xù)要素價(jià)格扭曲思想，參照青木（Aoki）[38]和陳永偉等[39]的研究思路，假定勞動(dòng)力錯(cuò)配以從價(jià)稅τLi的形式存在。首先定義要素價(jià)格絕對(duì)扭曲系數(shù)，以刻畫各地區(qū)間要素配置不存在相對(duì)扭曲時(shí)的情況。因要素價(jià)格絕對(duì)扭曲所引致的成本加成情況為：

其中，τLi為勞動(dòng)力錯(cuò)配指數(shù)，γLi為勞動(dòng)力要素價(jià)格絕對(duì)扭曲系數(shù)，表示資源不存在相對(duì)扭曲時(shí)的加成情況。因要素價(jià)格絕對(duì)扭曲系數(shù)在實(shí)際測(cè)算過(guò)程中往往難以觀測(cè)，一般情形下采用要素相對(duì)扭曲系數(shù)進(jìn)行代替。

其中，si=Yi/Y，表示i地區(qū)產(chǎn)出占國(guó)內(nèi)總產(chǎn)出的份額；Li/L表示i地區(qū)使用的人力資本占全國(guó)人力資本總量的份額；，表示產(chǎn)出加權(quán)的人力資本貢獻(xiàn)值；si βLi/βL表示勞動(dòng)力有效配置時(shí)i地區(qū)使用人力資本的最佳比例，反映了實(shí)際使用的人力資本總量與有效配置時(shí)的偏離度。

由式（1）和式（2）可知，測(cè)算勞動(dòng)力錯(cuò)配的關(guān)鍵步驟是求解勞動(dòng)力產(chǎn)出系數(shù)βL值。對(duì)此，參照趙志耘等[40]的做法，采用索羅余值法進(jìn)行測(cè)算。假定生產(chǎn)函數(shù)服從規(guī)模報(bào)酬不變的C-D 生產(chǎn)函數(shù)，即：

其中，Y為總產(chǎn)出，A為全要素生產(chǎn)率，K為物資資本投入，L為勞動(dòng)力投入，θ為要素彈性。對(duì)式（3）兩端同時(shí)進(jìn)行對(duì)數(shù)化處理，在模型中加入時(shí)間效應(yīng)νt和個(gè)體效應(yīng)λi，可得到：

其中，ε表示隨機(jī)擾動(dòng)項(xiàng)，下標(biāo)i和t分別表示省份和年份。產(chǎn)出變量Y選取各省份的實(shí)際GDP進(jìn)行表征。物資資本投入選取各省份固定資產(chǎn)投資存量K進(jìn)行表征，其計(jì)算公式為：Kt=It/Pt+(1-δt)Kt-1，固定資產(chǎn)投資額I使用固定資產(chǎn)投資價(jià)格指數(shù)Pt進(jìn)行平滑，折舊率δ設(shè)定為9.6%。人力資本投入量選用中央財(cái)經(jīng)大學(xué)中國(guó)人力資本研究中心所計(jì)算的勞動(dòng)力資本存量作為代理變量?？紤]到各省份要素配置存在異質(zhì)性，因而在實(shí)際計(jì)算過(guò)程中采用的是變系數(shù)估計(jì)模型。

2.核心解釋變量

智能制造（Rob）。有別于蒸汽時(shí)代的第一次機(jī)器革命，自動(dòng)化、數(shù)字化和智能化已成為第二次機(jī)器革命最重要的特征標(biāo)簽，技術(shù)進(jìn)步已不再僅以提高人類勞動(dòng)效果為方向，更多地呈現(xiàn)出對(duì)人類勞動(dòng)的替代[41]。根據(jù)此定義，本文采用工業(yè)機(jī)器人安裝密度表征智能制造。國(guó)際機(jī)器人聯(lián)盟（IFR）從2006年開(kāi)始提供較為詳細(xì)的分行業(yè)工業(yè)機(jī)器人安裝數(shù)量，但其公布的是國(guó)家層面的數(shù)據(jù)，省級(jí)工業(yè)機(jī)器人的安裝數(shù)量還未可知。對(duì)此，效仿王永欽等[42]和閆雪凌等[43]的研究思路，采用巴蒂克（Bartik）[44]工具變量法計(jì)算各省份工業(yè)機(jī)器人安裝數(shù)量。具體而言，根據(jù)中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒和中國(guó)工業(yè)統(tǒng)計(jì)年鑒等數(shù)據(jù)源提供的制造業(yè)二位碼行業(yè)就業(yè)數(shù)據(jù)，利用IFR所提供的全球分行業(yè)工業(yè)機(jī)器人數(shù)據(jù)中涉及的14 個(gè)制造業(yè)子行業(yè)，根據(jù)行業(yè)分類標(biāo)準(zhǔn)、屬性和名稱與我國(guó)31 個(gè)子行業(yè)進(jìn)行匹配。其具體計(jì)算公式為：

其中，Robit表示i省份t年的機(jī)器人安裝密度，Ljit為i省份j行業(yè)t年的從業(yè)人員數(shù)量，Lit表示i省份t年就業(yè)人員總量，Robjt表示j行業(yè)t年的工業(yè)機(jī)器人安裝數(shù)量，Lit為j行業(yè)t年的從業(yè)人員總量；MRobt L2005為本文選取的工具變量，其中MRobt表示美國(guó)在年份t的工業(yè)機(jī)器人安裝數(shù)量，L2005表示2005年美國(guó)制造業(yè)從業(yè)人員數(shù)量。

3.中介變量

產(chǎn)業(yè)集聚。相同或不同類型的企業(yè)大量扎堆在一定空間范圍內(nèi)，形成了產(chǎn)業(yè)集聚現(xiàn)象?？紤]到自動(dòng)化和人工智能等技術(shù)對(duì)工業(yè)部門沖擊較大，而工業(yè)部門中技術(shù)含量較低的崗位更易受到?jīng)_擊。這部分被人工智能和工業(yè)機(jī)器人替換下來(lái)的工人，往往是從事常規(guī)性、重復(fù)性和規(guī)則性崗位的低端勞動(dòng)力群體，其被替代后最易從事倉(cāng)儲(chǔ)配送和零售服務(wù)等門檻較低的生產(chǎn)性服務(wù)業(yè)。同時(shí)，大量引進(jìn)和安裝工業(yè)機(jī)器人又提高了部分行業(yè)的資本有機(jī)構(gòu)成，使其更傾向于資本密集型和技術(shù)密集型。為此，本文在構(gòu)造產(chǎn)業(yè)集聚指標(biāo)時(shí)，主要包含了生產(chǎn)性服務(wù)業(yè)多樣化集聚、高新技術(shù)專業(yè)化集聚和制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚三個(gè)維度。

生產(chǎn)性服務(wù)業(yè)多樣化集聚（HHID）選用赫芬達(dá)爾指數(shù)的倒數(shù)衡量，其計(jì)算公式為：HHIDit=。其中，Eij表示i省份j行業(yè)t年的從業(yè)人員數(shù)量占i省份生產(chǎn)性服務(wù)業(yè)的比重，Ej表示生產(chǎn)性服務(wù)業(yè)j的從業(yè)人員數(shù)量占全國(guó)生產(chǎn)性服務(wù)業(yè)的比重。高新技術(shù)專業(yè)化集聚（PS）采用總體經(jīng)濟(jì)活動(dòng)的測(cè)度辦法，使用區(qū)位熵來(lái)衡量，其計(jì)算公式為：PS=(Sji/Xj)/(Si/X)。其中，Sji表示i省份j行業(yè)的就業(yè)人數(shù)，Xj表示全國(guó)j行業(yè)的就業(yè)人數(shù)，Si表示i省份的就業(yè)總?cè)藬?shù)，X表示全國(guó)就業(yè)總?cè)藬?shù)。高新技術(shù)專業(yè)化集聚選取信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)以及科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘探業(yè)兩個(gè)行業(yè)進(jìn)行表征。制造業(yè)和生產(chǎn)性服務(wù)業(yè)的協(xié)同集聚（SY）選用制造業(yè)專業(yè)化集聚與生產(chǎn)性服務(wù)業(yè)專業(yè)化集聚的協(xié)同度進(jìn)行表征，計(jì)算方式為：SY=[1-|Ba-Bb|/(Ba+Bb)]+(Ba+Bb) 。 其中Ba、Bb分別表示制造業(yè)專業(yè)化集聚和生產(chǎn)性服務(wù)業(yè)專業(yè)化集聚。

4.控制變量

為盡可能地緩解遺漏重要變量引致的內(nèi)生性問(wèn)題，本文參考既有文獻(xiàn)，選取6個(gè)控制變量，分別是：人均國(guó)內(nèi)生產(chǎn)總值（GDP），選用以2006年為基期的實(shí)際人均GDP 作為代理變量；外商直接投資（FDI），選用外商實(shí)際投資額進(jìn)行表征；水資源（Water），選取人均水資源供應(yīng)量作為代理變量；勞動(dòng)力供給（P），選取人口自然增長(zhǎng)率作為代理變量；工業(yè)化率（IR），選取第二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比重作為代理變量；宏觀調(diào)控（Gov），選取地方財(cái)政一般預(yù)算支出占國(guó)內(nèi)生產(chǎn)總值的比重作為代理變量。

（二）模型構(gòu)建

本研究的目的為驗(yàn)證智能制造對(duì)勞動(dòng)力錯(cuò)配的影響，以及產(chǎn)業(yè)集聚在其傳導(dǎo)過(guò)程中發(fā)揮的中介效應(yīng)。根據(jù)前述對(duì)各變量的選取和確定，首先構(gòu)建智能制造影響勞動(dòng)力錯(cuò)配的計(jì)量模型：

其中，α表示待估參數(shù)；q表示控制變量的數(shù)量；Control表示信息集，包含所有控制變量。參照溫忠麟等[45]的思路，進(jìn)一步構(gòu)建智能制造、產(chǎn)業(yè)集聚和勞動(dòng)力錯(cuò)配的遞推方程式：

其中，Agg表示產(chǎn)業(yè)集聚，包括生產(chǎn)性服務(wù)業(yè)多樣化集聚、高新技術(shù)專業(yè)化集聚和制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚；β和φ均表示待估系數(shù)。式（6）至式（8）共同組成中介效應(yīng)遞推方程組。式（6）表示核心解釋變量對(duì)被解釋變量的總效應(yīng)c，其顯著是中介效應(yīng)存在的基本前提；若c不顯著，則無(wú)必要展開(kāi)后續(xù)的中介效應(yīng)檢驗(yàn)程序。式（8）表示分離產(chǎn)業(yè)集聚的間接效應(yīng)后智能制造對(duì)勞動(dòng)力錯(cuò)配的直接效應(yīng)c′；式（7）表示智能制造對(duì)產(chǎn)業(yè)集聚的直接影響，與式（8）中產(chǎn)業(yè)集聚的估計(jì)系數(shù)乘積共同構(gòu)成間接效應(yīng)，即β1×φ2=ab。在各變量都標(biāo)準(zhǔn)化的情況下一定存在c=c′+ab，即直接效應(yīng)和間接效應(yīng)之和等于總效應(yīng)。在實(shí)際擬合過(guò)程中，為減緩異方差干擾，本文對(duì)部分?jǐn)?shù)值較大的變量進(jìn)行對(duì)數(shù)化處理。

（三）數(shù)據(jù)來(lái)源

遵循數(shù)據(jù)可得性和可比性原則，選取2006—2020年中國(guó)30 個(gè)?。ㄗ灾螀^(qū)、直轄市）的樣本數(shù)據(jù)（不含西藏和港澳臺(tái)）。工業(yè)機(jī)器人的數(shù)據(jù)來(lái)源于國(guó)際機(jī)器人聯(lián)盟，勞動(dòng)力錯(cuò)配、產(chǎn)業(yè)集聚和控制變量所涉及數(shù)據(jù)主要來(lái)自于中國(guó)統(tǒng)計(jì)年鑒、《中國(guó)人力資本報(bào)告2020》、中國(guó)工業(yè)統(tǒng)計(jì)年鑒、中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒和EPS 數(shù)據(jù)庫(kù)，2005年美國(guó)制造業(yè)從業(yè)人員數(shù)量數(shù)據(jù)來(lái)自于美國(guó)經(jīng)濟(jì)分析局（U.S.Bureau of Economic Analysis），極少數(shù)缺失值采用線性插值法補(bǔ)齊。各變量的描述性統(tǒng)計(jì)見(jiàn)表1。

表1 變量描述性統(tǒng)計(jì)

五、實(shí)證分析

（一）基準(zhǔn)回歸分析

考慮到計(jì)量模型的隨機(jī)擾動(dòng)項(xiàng)很難滿足同方差、無(wú)自相關(guān)和無(wú)截面相關(guān)的經(jīng)典假定，若忽視這三個(gè)問(wèn)題，估計(jì)結(jié)果往往是有偏的?；羝胬眨℉oechle）[46]認(rèn)為采用德里斯科爾·克雷（Driscoll Kraay，DK）標(biāo)準(zhǔn)誤可以同時(shí)解決異方差、序列相關(guān)和截面相關(guān)問(wèn)題。因此，本文在基準(zhǔn)回歸部分僅使用DK穩(wěn)健標(biāo)準(zhǔn)誤的估計(jì)結(jié)果。表2反映的是智能制造影響勞動(dòng)力錯(cuò)配的估計(jì)結(jié)果。出于穩(wěn)健性考慮，采用逐步代入控制變量的方式進(jìn)行擬合。

由表2可知，在僅考慮智能制造對(duì)勞動(dòng)力錯(cuò)配影響下，智能制造的估計(jì)系數(shù)為-0.021，且在5%的水平上顯著。列（2）至列（7）是先后逐個(gè)加入控制變量直到列（7）將所有控制變量全部納入模型，智能制造的估計(jì)系數(shù)依然為負(fù)，且至少在5%的水平上顯著，僅估計(jì)系數(shù)的絕對(duì)值有所增加，表明智能制造緩解勞動(dòng)力錯(cuò)配的影響效應(yīng)是顯著且穩(wěn)定的，驗(yàn)證了H1。伴隨著人工智能技術(shù)在各個(gè)領(lǐng)域、地區(qū)、行業(yè)和部門的滲透與擴(kuò)散，新技術(shù)的發(fā)展顯著改善了國(guó)民就業(yè)和勞動(dòng)力結(jié)構(gòu)，不同程度的技能溢價(jià)日漸凸顯，人力資本需求逐漸由中低技能演化至高技能，非程序性崗位的勞動(dòng)力需求不斷增加，原本任務(wù)性工作崗位的勞動(dòng)力則會(huì)在更深層次勞動(dòng)分工體系中創(chuàng)造勞動(dòng)價(jià)值。可以明確的是，以工業(yè)機(jī)器人為代表的智能制造在替代原本由中低端勞動(dòng)力執(zhí)行的工作任務(wù)同時(shí)，釋放了巨大生產(chǎn)力，并以降低生產(chǎn)成本和擴(kuò)大市場(chǎng)份額的方式增加了對(duì)其他勞動(dòng)密集型產(chǎn)品的勞動(dòng)力需求。新技術(shù)降低了提供靈活勞動(dòng)力就業(yè)的交易成本，使非接觸經(jīng)濟(jì)、零工經(jīng)濟(jì)和協(xié)同眾包等勞動(dòng)方式成為可能，推動(dòng)了在更大范圍內(nèi)的產(chǎn)業(yè)部門中實(shí)現(xiàn)勞動(dòng)轉(zhuǎn)移和資源配置，有助于緩解勞動(dòng)力錯(cuò)配問(wèn)題。

表2 基準(zhǔn)回歸結(jié)果

（二）內(nèi)生性討論

在基準(zhǔn)回歸中，本文已盡可能地控制了勞動(dòng)力錯(cuò)配的影響因素，但遺漏重要變量和反向因果關(guān)系的內(nèi)生性問(wèn)題仍無(wú)法避免。從經(jīng)濟(jì)現(xiàn)實(shí)來(lái)看，我國(guó)勞動(dòng)年齡人口絕對(duì)規(guī)模從2014年起便進(jìn)入下行通道，傳統(tǒng)意義上的人口紅利逐漸消失，沿海部分地區(qū)季節(jié)性用工荒常態(tài)化，大量企業(yè)招工困難。盡管部分企業(yè)一再放寬對(duì)勞動(dòng)者的年齡限制并不斷提高勞動(dòng)報(bào)酬，但效果卻不盡如人意，用工難、招工難仍是困擾勞動(dòng)密集型企業(yè)持續(xù)發(fā)展的重要因素。用工短缺引致的勞動(dòng)力成本急劇上升迫使企業(yè)尋求更可靠的替代方案——企業(yè)數(shù)字化轉(zhuǎn)型，智能制造提上日程。一個(gè)典型例子是，2014年?yáng)|莞市政府積極施行“機(jī)器換人”戰(zhàn)略，先后出臺(tái)《東莞市推進(jìn)企業(yè)“機(jī)器換人”行動(dòng)計(jì)劃（2014—2016年）》和《東莞市“機(jī)器換人”專項(xiàng)資金管理辦法》等一系列政策措施，分階段、有計(jì)劃地打造智能制造全生態(tài)鏈。這些政策不僅降低了傳統(tǒng)制造業(yè)對(duì)勞動(dòng)力的依賴，還促進(jìn)了東莞制造業(yè)從“世界工廠”到“智造東莞”的華麗轉(zhuǎn)型。為消除反向因果內(nèi)生性問(wèn)題，本文采取以下兩種方式：

一是運(yùn)用廣義空間兩階段最小二乘法（GS2SLS）。沿著沈洋等[47]的研究思路，采用智能制造與其空間滯后項(xiàng)作為工具變量，并基于兩階段最小二乘法（2SLS）估計(jì)空間面板模型。為更全面刻畫省份間的地理距離和經(jīng)濟(jì)差距信息，空間權(quán)重矩陣采用各省份省會(huì)城市間的地理距離Wi1j和各省份2006—2020年平均GDP 差值的倒數(shù)Wi2j構(gòu)建經(jīng)濟(jì)地理嵌套矩陣Wi*j，計(jì)算公式為：Wi*j=0.5Wi1j+0.5Wi2j。

二是為智能制造選取特定的工具變量。在工具變量的選取方面，部分文獻(xiàn)選取的是智能制造的時(shí)間滯后項(xiàng)[48-49]，缺陷在于未考慮工業(yè)機(jī)器人對(duì)就業(yè)的時(shí)滯效應(yīng)，盡管上一期的機(jī)器人安裝密度是既定的，但企業(yè)在當(dāng)期員工招聘時(shí)會(huì)考慮已有機(jī)器人存量和機(jī)器人所帶來(lái)的經(jīng)濟(jì)效益，影響當(dāng)期企業(yè)對(duì)勞動(dòng)力的需求量。還有部分學(xué)者選擇美國(guó)工業(yè)機(jī)器人安裝強(qiáng)度作為人工智能的工具變量[42]，但考慮到本文在構(gòu)造工業(yè)機(jī)器人安裝密度時(shí)已經(jīng)使用了該變量，且再次使用其他國(guó)家工業(yè)機(jī)器人安裝數(shù)量又可能與先前的工具變量產(chǎn)生內(nèi)生關(guān)系。因此，本文選取2008年各地區(qū)火電上網(wǎng)電價(jià)（含脫硫）作為工具變量。工業(yè)機(jī)器人的安裝與使用離不開(kāi)電力消耗，工業(yè)上網(wǎng)電價(jià)變動(dòng)意味著企業(yè)自動(dòng)化轉(zhuǎn)型過(guò)程中生產(chǎn)成本也會(huì)發(fā)生變動(dòng)，影響企業(yè)是否采取“機(jī)器換人”措施?，F(xiàn)有文獻(xiàn)還未證實(shí)工業(yè)電價(jià)對(duì)勞動(dòng)力錯(cuò)配有直接影響，且2008年我國(guó)智能化生產(chǎn)還處于起步階段，對(duì)電力需求和電價(jià)的敏感性不高，因而該變量滿足外生性要求。2008年工業(yè)上網(wǎng)電價(jià)的數(shù)據(jù)來(lái)源于國(guó)家發(fā)展和改革委員會(huì)價(jià)格司。在實(shí)際估計(jì)過(guò)程中，為防止上網(wǎng)電價(jià)與勞動(dòng)力錯(cuò)配間不可觀測(cè)的內(nèi)生關(guān)系對(duì)估計(jì)結(jié)果所產(chǎn)生的偏誤問(wèn)題，本文同時(shí)采用了兩階段最小二乘法和近似外生（Plausibly Exogenous）工具變量法中的近似于零估計(jì)法（Local to Zero，LTZ）。

根據(jù)表3數(shù)據(jù)計(jì)算，兩階段最小二乘法的不可識(shí)別檢驗(yàn)的似然比統(tǒng)計(jì)量為333.624，在1%顯著性水平下拒絕原假設(shè)，認(rèn)為該工具變量不存在不可識(shí)別問(wèn)題；弱工具變量檢驗(yàn)的統(tǒng)計(jì)量為1 595.207，遠(yuǎn)大于10%臨界值的16.38，認(rèn)為不存在弱工具變量問(wèn)題。結(jié)合2SLS、GS2SLS 和近似外生工具變量法的估計(jì)結(jié)果看，智能制造能夠緩解勞動(dòng)力錯(cuò)配的結(jié)論仍得到支持，系數(shù)絕對(duì)值有所增大，只是顯著性有所降低，但仍在可接受范圍內(nèi)。

（三）穩(wěn)健性檢驗(yàn)

前述基準(zhǔn)回歸結(jié)果證實(shí)了智能制造能顯著緩解勞動(dòng)力錯(cuò)配，為證實(shí)上述結(jié)果的穩(wěn)健性，本文采取以下兩種方式進(jìn)行驗(yàn)證：一是替換被解釋變量。在勞動(dòng)力錯(cuò)配的投入產(chǎn)出評(píng)價(jià)體系中，人力資本投入選取的是各省份基于1985年勞動(dòng)力實(shí)際資本存量，此處將其更換為勞動(dòng)力實(shí)際投入數(shù)量，在從業(yè)人員數(shù)量的角度刻畫人力資本使用量。同時(shí)，將測(cè)度勞動(dòng)力錯(cuò)配的時(shí)間窗口拓展為2000—2020年，使重新測(cè)度的勞動(dòng)力錯(cuò)配指數(shù)與原指數(shù)最大程度地不同；最后取2006—2020年的數(shù)據(jù)。二是考慮時(shí)滯效應(yīng)。工業(yè)機(jī)器人從引進(jìn)、安裝、生產(chǎn)到規(guī)?；瘧?yīng)用是一個(gè)循序漸進(jìn)的過(guò)程，對(duì)就業(yè)重新配置的影響可能需要一段時(shí)間沉淀才能顯現(xiàn)。這里使用工業(yè)機(jī)器人安裝密度的滯后一期來(lái)作為式（6）中工業(yè)機(jī)器人安裝密度的代理變量，以檢驗(yàn)工業(yè)機(jī)器人對(duì)勞動(dòng)力配置的時(shí)滯效應(yīng)。由表3可知，無(wú)論是更換被解釋變量還是使用解釋變量的滯后項(xiàng)，智能制造對(duì)勞動(dòng)力錯(cuò)配的估計(jì)系數(shù)始終為負(fù)，且顯著性未發(fā)生明顯變化，表明基準(zhǔn)回歸模型中智能制造緩解勞動(dòng)力錯(cuò)配的結(jié)論是穩(wěn)健可靠的。

表3 內(nèi)生性處理與穩(wěn)健性檢驗(yàn)

六、影響機(jī)制檢驗(yàn)

智能制造可以通過(guò)推動(dòng)生產(chǎn)性服務(wù)業(yè)多樣化集聚、高新技術(shù)專業(yè)化集聚和產(chǎn)業(yè)協(xié)同集聚間接緩解勞動(dòng)力錯(cuò)配，以實(shí)現(xiàn)高質(zhì)量就業(yè)。為驗(yàn)證相關(guān)研究假設(shè)，這里從產(chǎn)業(yè)集聚的三個(gè)子維度出發(fā)，運(yùn)用逐步回歸來(lái)驗(yàn)證產(chǎn)業(yè)集聚在智能制造緩解勞動(dòng)力錯(cuò)配的傳導(dǎo)過(guò)程中發(fā)揮的作用，并在此基礎(chǔ)上識(shí)別哪種形式的集聚所發(fā)揮的中介效應(yīng)最大。

由表4可知，智能制造對(duì)生產(chǎn)性服務(wù)業(yè)多樣化集聚、高新技術(shù)專業(yè)化集聚和產(chǎn)業(yè)協(xié)同集聚的估計(jì)系數(shù)分別為0.230、0.113 和0.131，且至少在5%的水平上顯著，表明智能制造能顯著推動(dòng)產(chǎn)業(yè)集聚和產(chǎn)業(yè)協(xié)同，遞推方程式的直接效應(yīng)成立。再?gòu)牧校?）至列（10）的結(jié)果來(lái)看，智能制造和產(chǎn)業(yè)集聚的三個(gè)維度對(duì)勞動(dòng)力錯(cuò)配的估計(jì)系數(shù)至少在10%的水平上顯著，表明遞推方程式的間接效應(yīng)成立。最后從ab與總效應(yīng)c的符號(hào)可以發(fā)現(xiàn)，在任意一個(gè)中介渠道中，間接效應(yīng)與總效應(yīng)的符號(hào)均保持一致，即產(chǎn)業(yè)集聚的三個(gè)子維度均呈現(xiàn)出部分中介作用，驗(yàn)證了研究假設(shè)H2、H3、H4。多樣化集聚、專業(yè)化集聚和產(chǎn)業(yè)協(xié)同集聚的中介效應(yīng)占比分別為16.430%、23.250%和45.290%，即制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚是智能制造緩解勞動(dòng)力錯(cuò)配的主要中介路徑。新制度經(jīng)濟(jì)學(xué)的交易成本理論指出，生產(chǎn)性服務(wù)業(yè)內(nèi)化于制造業(yè)還是外化于獨(dú)立個(gè)體，取決于制造業(yè)內(nèi)部組織成本和外部交易成本的博弈結(jié)果。勞動(dòng)分工精細(xì)化帶來(lái)的一個(gè)結(jié)果是生產(chǎn)部門需要交換的產(chǎn)品數(shù)量和種類越來(lái)越多，由此產(chǎn)生各種交易成本。而生產(chǎn)性服務(wù)業(yè)的一個(gè)重要功能正是通過(guò)規(guī)模經(jīng)濟(jì)、范圍經(jīng)濟(jì)和分工經(jīng)濟(jì)緩解相關(guān)企業(yè)交易成本，帶動(dòng)勞動(dòng)生產(chǎn)率提高[50]?，F(xiàn)階段，部分城市已呈現(xiàn)出制造業(yè)和服務(wù)業(yè)“雙輪驅(qū)動(dòng)”的新發(fā)展模式。生產(chǎn)性服務(wù)業(yè)為親近客戶、節(jié)省交易成本以及提供“面對(duì)面”和“點(diǎn)對(duì)點(diǎn)”的個(gè)性化服務(wù)，其區(qū)位布局會(huì)圍繞著制造業(yè)企業(yè)展開(kāi)，由此產(chǎn)生產(chǎn)業(yè)協(xié)同集聚。也正是在此情形下，制造業(yè)服務(wù)化、服務(wù)業(yè)制造化的新動(dòng)態(tài)才能降低生產(chǎn)環(huán)節(jié)分散化和分工精細(xì)化引致的交易成本，并在此基礎(chǔ)上衍生更多的新部門、新產(chǎn)品和新業(yè)態(tài)，提高整體的資源配置效率。工業(yè)互聯(lián)網(wǎng)、人工智能技術(shù)和智能制造在生產(chǎn)性服務(wù)業(yè)和制造業(yè)協(xié)同集聚過(guò)程中正好發(fā)揮著催化劑作用。企業(yè)引進(jìn)智能制造生產(chǎn)線，替代原有規(guī)則性、常規(guī)性和重復(fù)性的工作崗位，由此帶來(lái)更加高效的勞動(dòng)生產(chǎn)力和規(guī)模經(jīng)濟(jì)。規(guī)模經(jīng)濟(jì)一方面提高了產(chǎn)出效率，另一方面又降低了制成品銷售價(jià)格，由此導(dǎo)致需求增加。這就產(chǎn)生兩個(gè)良性循環(huán)：消費(fèi)者對(duì)最終品的需求引致廠商對(duì)生產(chǎn)性服務(wù)業(yè)的需求增加，同時(shí)被智能制造替代的勞動(dòng)力由于職業(yè)慣性又會(huì)在服務(wù)業(yè)部門尋求與原工作崗位關(guān)聯(lián)性較高的工作。由此制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同發(fā)展并緩解勞動(dòng)力錯(cuò)配。

表4 逐步回歸擬合結(jié)果

七、結(jié)論與啟示

（一）結(jié)論

隨著人工智能、邊緣計(jì)算和大數(shù)據(jù)分析的迅速發(fā)展，聯(lián)合數(shù)字技術(shù)和工業(yè)機(jī)器的智能制造代替人工執(zhí)行生產(chǎn)任務(wù)的趨勢(shì)越來(lái)越明顯，這些新變化使得生產(chǎn)線上的生產(chǎn)方式和相應(yīng)的勞動(dòng)分工均發(fā)生了重組，由此降低了勞動(dòng)力錯(cuò)配程度。本文首先構(gòu)建了智能制造—產(chǎn)業(yè)集聚—?jiǎng)趧?dòng)力錯(cuò)配的理論分析框架，從理論層面闡釋了智能制造緩解勞動(dòng)力錯(cuò)配的作用機(jī)理，以及在其傳導(dǎo)過(guò)程中不同形式的產(chǎn)業(yè)集聚所發(fā)揮的正向中介作用；然后基于2006—2020年30 個(gè)省份的面板數(shù)據(jù)，結(jié)合固定效應(yīng)模型、中介效應(yīng)模型實(shí)證檢驗(yàn)了智能制造和產(chǎn)業(yè)集聚對(duì)勞動(dòng)力的影響。研究表明，以工業(yè)機(jī)器人為表征的智能制造能顯著緩解勞動(dòng)力錯(cuò)配，且這一結(jié)論再經(jīng)過(guò)內(nèi)生性處理和穩(wěn)健性檢驗(yàn)后依然成立。產(chǎn)業(yè)集聚是智能制造緩解勞動(dòng)力錯(cuò)配的重要中介機(jī)制，高新技術(shù)專業(yè)化集聚、生產(chǎn)性服務(wù)業(yè)多樣化集聚和制造業(yè)與生產(chǎn)性服務(wù)業(yè)協(xié)同集聚在傳導(dǎo)過(guò)程中有顯著正向中介引導(dǎo)作用，且產(chǎn)業(yè)協(xié)同集聚的中介效應(yīng)最大。產(chǎn)業(yè)集聚的勞動(dòng)池效應(yīng)、技術(shù)外部性和金錢外部性是關(guān)聯(lián)企業(yè)商貿(mào)聯(lián)系更加密切的增稠劑，信息壁壘弱化、交易成本下降和勞動(dòng)力市場(chǎng)共享為勞動(dòng)力自由流動(dòng)鋪就了高速通道。同時(shí)，制造業(yè)服務(wù)化、服務(wù)業(yè)制造化協(xié)同發(fā)展緩解了生產(chǎn)部門因分工精細(xì)化和生產(chǎn)分化產(chǎn)生的交易成本，兩次良性循環(huán)推動(dòng)了勞動(dòng)力優(yōu)化配置。在此傳導(dǎo)過(guò)程中，智能制造在產(chǎn)業(yè)集聚過(guò)程中發(fā)揮著催化劑作用，新技術(shù)革命壓縮時(shí)空距離并為產(chǎn)業(yè)集聚提供動(dòng)力。

（二）啟示

新技術(shù)變革正深刻影響著經(jīng)濟(jì)社會(huì)中每一個(gè)領(lǐng)域，已成為產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)和經(jīng)濟(jì)高質(zhì)量發(fā)展的新動(dòng)能。在“中國(guó)制造2025”目標(biāo)導(dǎo)向下，應(yīng)極力避免“機(jī)器換人”“機(jī)器卷人”的情況，著重推動(dòng)智能制造與高質(zhì)量就業(yè)的良性循環(huán)，讓技術(shù)進(jìn)步服務(wù)于國(guó)民對(duì)美好生活的向往。結(jié)合研究結(jié)論，可以獲取以下有益啟示：

第一，加大人工智能核心技術(shù)投資力度，以生產(chǎn)資料智能化緩解勞動(dòng)力錯(cuò)配。智能制造帶來(lái)的不僅是勞動(dòng)生產(chǎn)效率的提升，還包括經(jīng)濟(jì)新業(yè)態(tài)和新模式，在填補(bǔ)人類勞動(dòng)空缺時(shí)衍生了新的就業(yè)崗位。智能芯片、高級(jí)機(jī)器學(xué)習(xí)、量子計(jì)算和算法模型等人工智能基礎(chǔ)層和技術(shù)層既是智能制造提高全員勞動(dòng)生產(chǎn)率的物資保障，也是重構(gòu)相關(guān)產(chǎn)業(yè)鏈的核心驅(qū)動(dòng)力。因技術(shù)研發(fā)前期投入較大，因而關(guān)鍵核心技術(shù)研發(fā)需由政府牽頭組織，構(gòu)建“政府+龍頭企業(yè)”“政府+科研院所”等多元市場(chǎng)參與形式。瞄準(zhǔn)全球工業(yè)數(shù)字孿生系統(tǒng)和人工智能前沿核心技術(shù)，集中力量攻克大數(shù)據(jù)智能、虛擬現(xiàn)實(shí)技術(shù)、類人腦模擬等有望成為引領(lǐng)新一輪技術(shù)變革的前沿技術(shù)。前瞻性布局相關(guān)基礎(chǔ)性技術(shù)研究，堅(jiān)持以人工智能創(chuàng)新鏈、價(jià)值鏈和產(chǎn)業(yè)鏈的需求為引領(lǐng)，積極探索各類型的人工智能基礎(chǔ)研究平臺(tái)和前沿交叉學(xué)科研發(fā)平臺(tái)，整合國(guó)內(nèi)研究資源，積極引導(dǎo)各平臺(tái)間的資源共享、功能互補(bǔ)、協(xié)同研發(fā)和信息相通，力促機(jī)器人技術(shù)系統(tǒng)共性基礎(chǔ)技術(shù)研發(fā)。最后是積極完善人工智能技術(shù)創(chuàng)新環(huán)境，堅(jiān)持科技成果有效轉(zhuǎn)化以服務(wù)經(jīng)濟(jì)發(fā)展為導(dǎo)向，重點(diǎn)培育、孵化和扶持制造業(yè)各子行業(yè)關(guān)鍵技術(shù)創(chuàng)新，優(yōu)化布局矩陣式多層次成果轉(zhuǎn)化服務(wù)，加快完善技術(shù)入股、技術(shù)授權(quán)、產(chǎn)權(quán)交易等產(chǎn)學(xué)研互補(bǔ)機(jī)制，適度超前推進(jìn)5G、物聯(lián)網(wǎng)和工業(yè)互聯(lián)網(wǎng)等新基礎(chǔ)設(shè)施建設(shè)。

第二，推動(dòng)教育培訓(xùn)體系升級(jí)，以勞動(dòng)力數(shù)字化改善勞動(dòng)力錯(cuò)配。智能制造作為新型生產(chǎn)要素滲入經(jīng)濟(jì)活動(dòng)，能促進(jìn)產(chǎn)業(yè)變革和就業(yè)市場(chǎng)變革。智能制造在提高企業(yè)資本有機(jī)構(gòu)成的同時(shí)，不僅對(duì)常規(guī)性、任務(wù)性和規(guī)則性勞動(dòng)崗位有強(qiáng)替代性，同時(shí)又會(huì)增加非規(guī)則性、創(chuàng)造性和程式化技術(shù)性崗位的需求，因而勞動(dòng)力市場(chǎng)仍存在供需矛盾和行業(yè)間轉(zhuǎn)換過(guò)慢的問(wèn)題。把握變化性的能力是求職者在勞動(dòng)力市場(chǎng)掌握主動(dòng)權(quán)的關(guān)鍵，應(yīng)明確數(shù)字時(shí)代急需人才，并以此為導(dǎo)向深化教育改革，鼓勵(lì)各類院校圍繞人工智能和大數(shù)據(jù)分析等新興市場(chǎng)需求增設(shè)相關(guān)專業(yè)，動(dòng)態(tài)調(diào)整基礎(chǔ)研究和應(yīng)用研究的協(xié)同關(guān)系，強(qiáng)化創(chuàng)新性、技術(shù)性和專業(yè)性技術(shù)人才培養(yǎng)。增強(qiáng)職業(yè)院校人才技能教育與培訓(xùn)的時(shí)代性和實(shí)效性，完善專業(yè)化、定制化和細(xì)分化的職業(yè)教育培訓(xùn)體系，注重培養(yǎng)智能制造中人機(jī)協(xié)作、人機(jī)互動(dòng)的復(fù)合型人才。同時(shí)，應(yīng)注重發(fā)揮城市承載、行業(yè)聚合、企業(yè)主體的推動(dòng)作用，因地制宜推動(dòng)校企形成“人工智能+”的精準(zhǔn)布點(diǎn)教學(xué)模式，深入施行產(chǎn)學(xué)研協(xié)同發(fā)展體系。最后是完善終身教育培訓(xùn)體系，通過(guò)職業(yè)技術(shù)學(xué)校、企業(yè)大學(xué)和人才交流等活動(dòng)鼓勵(lì)企業(yè)員工參與職業(yè)技能培訓(xùn)和文化知識(shí)學(xué)習(xí)。

第三，科學(xué)謀劃最優(yōu)資源配置的產(chǎn)業(yè)集聚模式，以產(chǎn)業(yè)集聚支撐勞動(dòng)力自由流動(dòng)。產(chǎn)業(yè)集聚以其共享勞動(dòng)力市場(chǎng)、技術(shù)外部性和金錢外部性強(qiáng)化關(guān)聯(lián)企業(yè)之間的商貿(mào)聯(lián)系和技術(shù)交流，推動(dòng)要素從回報(bào)率低的部門流向回報(bào)率高的部門，實(shí)現(xiàn)勞動(dòng)力優(yōu)化配置。因產(chǎn)業(yè)集聚對(duì)資源配置的改善作用具有滯后效應(yīng)和滾雪球效應(yīng)，一旦產(chǎn)業(yè)集聚在空間上形成，經(jīng)濟(jì)發(fā)展慣性將不可避免地影響資源配置。各地區(qū)應(yīng)根據(jù)自身產(chǎn)業(yè)現(xiàn)狀和勞動(dòng)力供需狀況，因地制宜引導(dǎo)有效產(chǎn)業(yè)集聚，鼓勵(lì)企業(yè)在集聚外部性驅(qū)使下自發(fā)形成產(chǎn)業(yè)集聚行為，并輔之以必要的宏觀調(diào)控，在做“加法”的同時(shí)又做“減法”，以產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)減少低端甚至無(wú)效資源配置，以合理布局地區(qū)產(chǎn)業(yè)避免“扎堆式”低層次產(chǎn)業(yè)過(guò)度集聚引發(fā)的擁堵效應(yīng)。在推動(dòng)工業(yè)現(xiàn)代化發(fā)展的同時(shí)，還應(yīng)注重制造業(yè)與生產(chǎn)性服務(wù)業(yè)的協(xié)同發(fā)展，充分發(fā)揮生產(chǎn)性服務(wù)業(yè)對(duì)國(guó)民經(jīng)濟(jì)高質(zhì)量發(fā)展的黏合、潤(rùn)滑作用。在有限資源承載允許范圍內(nèi)，不斷拓展產(chǎn)業(yè)集聚范圍，加強(qiáng)城市周邊基礎(chǔ)設(shè)施建設(shè)，豐富產(chǎn)業(yè)門類，保障高新技術(shù)產(chǎn)業(yè)健康發(fā)展，努力延伸產(chǎn)業(yè)價(jià)值鏈，加強(qiáng)地區(qū)產(chǎn)業(yè)集聚政策與其他民生政策耦合協(xié)調(diào)，形成重點(diǎn)突出、點(diǎn)面結(jié)合、統(tǒng)籌兼顧的產(chǎn)業(yè)集聚。依托馬賽克式城市群物質(zhì)載體打造生產(chǎn)性服務(wù)業(yè)產(chǎn)業(yè)集群，致力于消除要素自由流動(dòng)的體制障礙和市場(chǎng)壁壘，保障制造業(yè)和生產(chǎn)性服務(wù)業(yè)的良性互動(dòng)，提升勞動(dòng)要素在企業(yè)、行業(yè)和區(qū)域間自由流動(dòng)的流暢性和可達(dá)性，由此緩解勞動(dòng)力錯(cuò)配。

注釋：

①工業(yè)革命初期，機(jī)器生產(chǎn)逐漸排斥手工勞動(dòng)使大批手工業(yè)者破產(chǎn)，致使工人失業(yè)和工資下跌。英國(guó)工人為爭(zhēng)取改善勞動(dòng)條件，在諾丁漢等地區(qū)組織起來(lái)從事機(jī)器破壞行動(dòng)，以反對(duì)機(jī)器生產(chǎn)。因該運(yùn)動(dòng)由一名叫盧德（Ludd）的工人發(fā)起，所以被稱為“盧德運(yùn)動(dòng)”。盡管該運(yùn)動(dòng)最終以失敗告終，但反抗“機(jī)器傷害人”的思想?yún)s被延續(xù)下來(lái)。此后，“盧德式恐懼”也逐漸演變?yōu)槭褂脵C(jī)器必然會(huì)減少對(duì)勞動(dòng)力的需求、致使許多人對(duì)機(jī)器人時(shí)代的來(lái)臨充滿恐懼的代名詞。