人工智能、产业高级化与经济增长

邹铁钉 徐影琴

一、问题的提出

中国经济发展已由追求速度转向追求质量，更加关注经济增长的方式、驱动力以及影响因素。人工智能是一种通用的、能重塑创新过程和促进产业发展的新技术〔1〕，可在经济转型过程中发挥重要作用。党的十九大报告关于增加对人工智能研发投入与推广其应用的倡议具有鲜明的时代意义，有利于提高中国经济运行的信息化水平和发展技术含量。其后，国务院出台的《新一代人工智能发展规划》(国发〔2017〕35号)进一步强调人工智能发展的重要性，指出到2030年中国应在人工智能领域应达到世界先进水平(资料来源：《国务院关于印发新一代人工智能规划的通知》(国发〔2017〕35号)。)。届时，人工智能被广泛运用的场景越来越多，给经济和社会带来的促进作用不容小觑，也为缓解人口老龄化以及劳动力短缺压力提供了新的出路。

第七次全国人口普查数据显示，中国60岁及65岁以上的人口占比分别超过了18%和13%。按照联合国60岁以上人口占比超过10%和65岁以上人口占比超过7%的标准(1)资料来源：联合国于1956年发布的《人口老龄化及其社会经济后果》。，中国已步入深度老龄化国家行列，这将对产业结构、劳动力供需结构以及经济增长产生深刻影响〔2〕。人口红利危机造成的局部用工荒抬升了企业用工成本，这种不以提升生产效率和价值创造能力为目的工资成本上升，不利于经济长期健康发展。放宽生育限制、鼓励生育以及延迟退休等政策也只能起到有限的缓冲作用，而减轻对简单劳动力的依赖，提高生产自动化、智能化水平的人工智能可作为治本之策〔3〕。

过去几十年，中国始终处于国际产业分工链条的底端，凭借廉价劳动力优势获取微薄的加工费用和利润分成，却在生态环境破坏和资源消耗方面付出了沉重的代价，制约了经济高质量发展。随着人口生育率下降以及人均寿命的延长，难以再维系低人力成本优势，需将发展的动力聚焦于人才培养、技术进步和研发创新。发展人工智能等现代信息技术，提高生产的自动化、智能化水平有利于跳出人口红利陷阱，从提高资源配置效率的角度提升国际竞争力，为产业高级化和经济高质量增长找到突破口。

新冠肺炎疫情带来的经验教训是深刻的，过度依赖人力，需要人与人面对面接触的生产经营活动，难以抵御随机突发事件的冲击，蕴含着能将人从繁琐、危险、肮脏、劳累的工作环境中解放出来，去从事更具创造性的工作。而被其武装的机器则可以不受生理、作息和工作场景的制约，精准、高效和低成本地执行生产、经营和服务指令，从而将极大地减少对人和低技能劳动力的依赖，因而在应对突发危机、保持经济社会平稳运行方面具有明显优势〔4〕。

学界对人工智能的经济影响作了较多探讨，多集中于人工智能发展对就业、收入分配和经济增长的影响研究上〔5-7〕。王文(2020)利用面板数据模型分析发现，人工智能提高了知识密集型产业在现代经济中的占比，改变了劳动力市场的供需结构〔8〕。生产体系自动化、智能化可以让单位劳动投入带来更多的产出，提高了企业的投入产出回报率〔9〕。这将进一步激励社会加大对研发创新和人才培养的投入，促进经济内涵式发展〔10〕。而其对不同产业部门生产效率的非对称性影响则是产业结构优化升级的重要动力源〔11〕。技术变迁带来的产业高级化将淘汰落后产业的过剩产能〔12〕，引导经济转向以人力资本投资和技术进步为内生驱动力的高质量增长轨道。当然，人工智能对劳动力的综合素养提出了更高要求，教育、职业培训和工作经验越来越被重视，这又反过来促进研发创新、技术进步和经济增长〔13〕。

当然，人工智能进步及其应用也是一把双刃剑，在产生积极作用的同时，也会在短期内对社会就业和产业发展造成负面冲击，比如熊彼特创造性破坏和鲍莫尔病两种效应〔14〕。和一般的技术进步相比，人工智能显著减少了生产对低技能劳动力的依赖，并导致了新兴产业的兴起和传统产业的没落。这种产业结构变动带来的就业冲击便是熊彼特创造性破坏。另外，人工智能对不同产业部门生产效率的非对称性扰动，造成新兴产业部门的劳动力需求明显低于传统产业部门，从而造成劳动力向传统产业部门的回流，由此强化了传统产业部门在国民经济中的比重，这种逆产业高级化的现象便是鲍莫尔病效应。同时，由于各地资源禀赋、产业基础和人才储备上的不同，人工智能进步带来的经济影响存在明显的地区差异〔15〕，因此应从各地实际出发制定研发创新战略、产业政策和经济发展规划，以缓解地区之间的经济发展失调和产业结构失衡〔16〕，推动经济包容性增长和全国统一大市场建设〔17-18〕。

现有关于人工智能进步的经济影响的研究存在较大分歧，这与其所依托的数据有关，一些学者采用单个省的孤立数据，一些学者采用多个省的平行面板数据，且大部分还存在样本数据时间跨度过短的问题，既影响了分析结论的代表性、客观性，也不利于诊断相关政策时滞效应和跨期分化现象。本文聚焦于劳动生产效率、社会全要素生产率以及其他要素边际生产力的提升，从产业结构与劳动力供需结构匹配耦合角度，利用地级市面板数据对人工智能进步的经济增长效应展开实证研究。

二、理论框架与机制假设

1.人工智能发展及其应用促进产业高级化的作用机制

产业经济学认为，产业结构变迁内生于经济发展，受技术进步驱动，这种变化包括产业内部的换挡升级和产业之间的归并转换。前者是一个熊彼特创造性毁灭过程，与新技术的出现和推广应用有关。在对生产体系进行现代化改造、淘汰落后产能的同时，将培育出一批新兴产业部门，为产业高级化和经济增长提供新的动力〔19〕。人工智能对生产体系的智能化、自动化改造，能提升社会全要素生产率和生产要素边际生产力以及节约企业用工成本，让社会资源配置更有效率，这是产业高级化的重要推动力。在保持生产要素投入数量不变的前提下，技术进步会导致同等数量的生产要素投入带来更多的产量，即社会全要素生产率和要素边际生产力提高了，经济体系获得了更高的投入产出效率以及投资回报率。在经济理性的驱使下，为了获得更高的投资回报率，生产要素将流向那些效益好的新兴产业部门，从而推动产业高级化。加大对人工智能的研发投入和推广应用，将明显提升生产体系的自动化、智能化水平，进而缓解人口老龄化以及用工缺口压力，提高经济发展的技术含量。这是提升国际产业分工合作话语权的重要途径，将有助于化解芯片等核心信息技术“卡脖子”的问题。

2.产业高级化促进经济增长的作用机制

产业高级化对经济增长的影响不能忽视“熊彼特创造性破坏”和“鲍莫尔病”两种效益。前者在孵化出新的产业的同时，将淘汰传统落后产业的过剩产能。后者是一个互动消融过程，随着生产自动化、智能化水平的提升，新的产业部门对普通劳动力的需求并没有传统产业部门那么大，促使劳动力回流传统产业部门，导致传统产业部门规模不但没有萎缩反而扩大了〔20〕。所以，既要看到人工智能进步在长期内对产业高级化和经济增长的促进作用，也要看到在短期内会对产业高级化和经济增长的抑制作用。产业高级化将从数量规模和质量内涵两个层面影响经济增长。传统产业过于依赖普通劳动力投入数量的增加，行业劳动生产效率和资源综合利用效率不太高，易受人口老龄化以及用工缺口压力影响，将对经济的长期发展和高质量增长形成掣肘。而以人工智能为支撑的新兴产业，降低了普通劳动力在生产中的重要性，特别是生产自动化、智能化提高了劳动生产效率，助力经济高质量发展。

3.人工智能发展及其应用影响经济增长的作用机制

内生增长理论认为，技术进步源于生产过程中要素配置经验积累，又通过促进人力资本积累、技术扩散、知识外溢以及升级研发与生产设备，对劳动、资本等生产要素在生产中的投入结构与配置效率产生影响，提高整个社会的全要素生产率和劳动生产效率，提升经济发展质量，增强经济发展潜力〔21〕。人工智能作为一种新兴技术，其进步与应用提升了生产体系的自动化、智能化水平，带动与之相关的大数据、5G、移动互联、无人驾驶、智能机器人等产业的发展，促进产业高级化，并改变了劳动力市场的供需结构，相对于低技能劳动力，高技能劳动力更受欢迎，社会更加重视教育、职业技能培训等人力资本投资，形成“人力资本投资——人才储备——技术进步——产业结构高级化——经济增长”的发展路径。

三、研究设计

1.指标选取与数据来源

(1)经济增长。为消除不同城市人口数量差异的影响，经济增长指标使用地区人均GDP。为消除异方差的影响，人均实际GDP取对数(lnpgdp)。为消除通货膨胀的影响，地区人均GDP采用人均实际GDP。其中，实际人均GDP的计算，以2005年为基期，假定基期指数为100，那么各期实际GDP可通过下式计算得到：

GDPreal=GDPt-1real(GDP指数/100)

(2)产业高级化。根据克拉克产业结构演变理论，第三产业比重的上升以及第一、第二产业比重的下降是产业高级化的主要特征，借鉴郑万吉等(2015)的做法〔22〕，将产业高级化指标定义为：

其中，xi表示产业i的增加值占总产值的比重；指标r越接近于1，表明产业结构级别越低；越接近于3，表明产业结构级别越高。

(3)人工智能。本文选取相关专利申请数(al)作为衡量人工智能发展水平的指标。对于样本中少数观测值的人工智能专利申请量为0的情形，为避免其无法取对数对回归造成影响，本文对所有观测值的人工智能专利申请量在原始数值的基础上加 1，再取对数。

(4)交互项。人工智能与产业高级化当期项及滞后一期项的交互项(lnalxlnr和lnalxLlnr)用来刻画技术进步对经济增长的短期和长期影响，并帮助模型消除内生性。

(5)变量选取与数据来源。各变量的指标构建方法与数据来源参见表1。另外，由于各城市统计年鉴提供的进出口数据以美元为计价单位，须先将计价单位按照国际汇率转换成人民币，汇率数据来源于历年《中国统计年鉴》。部分缺失数据通过查阅各省份国民经济和社会发展统计公报并运用插值法补齐。

表1 变量指标的构建与数据来源

2.计量模型

产业高级化和经济增长是一个动态持续过程，人工智能促进产业高级化影响经济增长的作用，既与当期因素有关，又与当期因素在上一期的变动有关，故在计量模型中加入解释变量的滞后项。

刻画人工智能促进产业高级化的模型为：

Lnri，t=γ0+γ1lni，t-1+γ2lnali，t+γ3Xi，t+Фi，t

(1)

刻画产业高级化影响经济增长的模型为：

Lnpgdpi，t=α0+α1lnpgdpi，t-1+α2lnri，t+α3lnri，t-1+α4Xi，t+μi，t

(2)

在模型(2)中加入产业高级化当期项、滞后一期项与人工智能的交互乘积项(lnalxlnr和lnalxLlnr)，得到刻画人工智能通过产业高级化影响经济增长的模型：

lnpgdpi，t=α0+α1lnpgdpi，t-1+α2lnri，t+α3lnali，t×lnri，t+α4lnali，t×Llnri，t-1+α5Xi，t+νi，t

(3)

模型中的交互乘积项主要用来说明人工智能通过产业高级化影响经济增长的时滞效应和跨期差异，并有助于消除模型的内生性；i和t表示不同城市和年份；φ、μ、ν为随机误差项，且服从正态分布；X是一组控制变量，包括人力资本、对外开放度、金融发展水平、政府调控度和人口自然增长率等因素。

表2 模型设定的检验(2)结果由由stata16.0计算得出，后面各表相同。

考虑到样本数据为“大N小T”的短面板以及跨区域结构特征，在回归模型选择上，需要检验混合OLS模型、固定效应模型(FE)和随机效应模型(RE)的有效性。首先，为了判别模型1-3应该选择混合OLS模型还是固定效应模型，本文对三个模型依次作F检验，其结果如表2所示，均拒绝原假设，即固定效应模型优于混合OLS模型。其次，为了判别模型1-3应该选择固定效应模型还，是随机效应模型，本文对三个模型依次作Hausman检验，其结果如表2所示，均拒绝原假设，即固定效应模型优于随机效应模型。另外，从整体角度看，三个模型都引入了被解释变量的滞后项，排除了被解释变量受时间变化的影响，因此选择个体固定效应模型。

3.描述性统计

本文选取2007-2019年中国285个地级市样本数据作为分析依据。样本搜集过程中，虽然个别变量有数据缺失，但不太严重，故不作处理。模型中核心变量、控制变量的统计性描述参见表3。

表3 描述性统计分析

表3的数据显示，2007-2019年，人工智能发展水平的均值、最大值和最小值依次为0.4476、7.3376和0；产业高级化的均值、最大值和最小值依次为0.6100、2.2265和0.2067；人均实际GDP对数的均值、最大值和最小值依次为10.5019、15.8236和4.7358。三个指标值的跨度和波动幅度比较大，这与各地经济发展水平、产业基础和人才积累的差异有关。其他变量也呈现出与上述三个指标一样的统计特性。另外，各变量之间的方差膨胀因子(VIF)小于10，表明不存在严重的多重共线性。

4.平稳性检验

为避免伪回归，在进行面板数据回归分析之前，需要先作单位根检验，以判断各变量的数据序列是否平稳。本文使用的数据为N>T的短面板数据，选择IPS方法进行平稳性检验比较合适。原假设为面板数据存在单位根，检验结果如表4所示，均拒绝原假设，即所有变量指标的数据序列是平稳的，因此可以直接进行计量经济模型分析。

表4 单位根检验

四、实证结果分析

1.人工智能发展及其应用促进产业高级化的实证分析

在模型(1)中逐步加入核心解释变量和控制变量展开固定效应分析，以检验人工智能发展对产业高级化的影响，具体结果如表5所示。表5第1列为未加入控制变量的情形，核心解释变量人工智能发展水平的参数估计值显著为正，且人工智能发展水平每提高1%，产业高级化水平将提升3.9%，表明人工智能对产业高级化具有明显的促进作用。第2-6列为加入控制变量的情形，人工智能发展水平的参数估计值虽有所下降，但变化幅度并不大，最低也在1.9%以上，且都显著，进一步证实了前述结论。可见，人工智能发展在提升生产体系自动化、智能化水平的同时，通过引导资源向更高全要素生产率和要素边际生产力的新兴产业部门流动，促进产业高级化。

表5 人工智能发展影响产业高级化的实证分析

但要注意到，加入控制变量后，部分解释变量的当期项和滞后一期项的参数估计值及其显著性出现了分化，这可能与产业基础、人口结构、人力资本积累、融资渠道和国际贸易的不确定性影响有关，也可能与人工智能进步在短期内形成的熊彼特创造性破坏有关，造成对产业结构的调整出现时滞效应和跨期分化。

2.产业高级化促进经济增长的实证分析

在计量模型(2)中逐步加入控制变量得到新的模型，用于检验产业高级化的经济增长效应，具体结果如表6所示。表6第1列未加入控制变量，只有产业高级化及其滞后项两个解释变量，当期项的参数估计值为负但不显著，滞后一期项为正且显著。这表明产业高级化的影响存在明显的时滞效应和跨期差异，即短期抑制、长期促进，这与熊皮特创造性破坏和鲍莫尔病有关。首先，熊彼特创造性破坏在促进新兴产业发展的同时，将逐步淘汰落后产能，进而从整体上提升了社会全要素生产率和要素的边际生产力，对经济增长形成促进作用。其次，鲍莫尔病会引导劳动力逆向流入传统劳动密集型产业部门，降低了整个社会的平均劳动生产效率，对经济增长形成抑制作用。所以，测度人工智能进步的经济增长效应，需要综合考虑熊彼特创造性破坏和鲍莫尔病的差异化影响。

另外，无论是否加入控制变量，产业高级化当期项(lnr)的参数估计值的绝对值不超过1.1%，而滞后项(L.lnr)的参数估计值则在4%以上，后者的经济促进作用要比前者的经济抑制作用高出2.9%。这说明人工智能进步的跨期经济增长效应大于0，对经济增长具有明显的促进作用。表6第2-3列为加入人工智能发展水平对数和人力资本之后的估计结果，产业高级化当期项的符号依然为负，滞后项的符号依然为正且都显著。这表明人工智能进步在短期产生了明显的熊彼特创造性破坏和鲍莫尔病两种效应，部分抵消了产业高级化对经济增长的促进作用。表6第4-6列为加入其他控制变量后的估计结果，产业高级化当期项的参数估计值又恢复到了第1列的情形，指标值变小且不显著，但滞后项的参数估计值依然保持不变，指标值和显著性同第2-3列基本一致。这进一步证实了产业高级化对经济增长的影响的时滞性和跨期差异。

表6 产业高级化影响经济增长的实证分析

3.人工智能发展及其应用影响经济增长的作用机制检验

正如研究设计部分所示，在模型(2)中依次加入产业高级化当期项与人工智能的交互乘积项(lnal*lnr)、以及产业高级化滞后项与人工智能的交互乘积项(lnal*Llnr)得到模型(3)，用于分析人工智能推动产业高级化促进经济增长的作用机制(详见表7)。表7第1列为不加入控制变量的估计结果，第2-6列为加入控制变量的估计结果，对比发现参数估计值的符号和显著性并没有多大的变化，只是指标值的大小略有差异。而产业高级化当期项与人工智能交互乘积项(lnal*lnr)的参数估计值在加入控制变量后依然为负，滞后项与人工智能交互乘积项(lnal*L.lnr)的参数估计值在加入控制变量后依然为正。这说明产业高级化在人工智能影响经济增长的过程中具有调节作用，并且短期以抑制作用为主、长期以促进作用为主，表现出明显的时滞性和跨期差异。

表7 人工智能发展影响经济增长的作用机制检验

人工智能对经济增长的促进作用出现跨期分化，与技术进步带来的熊彼特创造性破坏和鲍莫尔病有关，而对社会全要素生产率、要素边际生产力以及企业用工成本的不确定性影响则是关键。首先，熊彼特创造性破坏伴随着现代新兴产业的崛起和传统落后产业的消亡，虽然从整体上提升了社会资源配置效率，但对传统产业部门的从业者造成的就业冲击，将在短期内削弱人工智能进步对经济增长的促进作用。其次，鲍莫尔病对传统产业部门的逆向强化，促使劳动力回流传统产业部门，这是一种短期内逆产业高级化现象。但从产业高级化滞后项与人工智能交互乘积项(lnal*L.lnr)的参数估计值符号看，在长期内，以人工智能等现代信息技术为支撑的新兴产业部门将得到长足发展，对资源配置效率的提升以及对劳动力的大量需求，将极大地改善国民经济结构和社会就业结构，推动经济高质量增长。

4.稳健性检验

为检验实证结果是否稳健，本部分基于干春晖等(2011)的研究〔12〕，用第三产业与第二产业的产值比(r2)来替换产业高级化指标(r)，重新估计人工智能对产业高级化以及经济增长的影响(详见表8)。表8第1、2列为以产业高级化为被解释变量的估计结果，第3、4列为以人均实际GDP对数为被解释变量的估计结果，且奇数列为不加入控制变量的估计结果，偶数列为加入控制变量的估计结果。表8第1、2列和表5的结果一致，即人工智能发展水平对产业高级化的影响都显著为正。第3、4列和表6的结果一致，即产业高级化当期项对经济增长的影响不显著为负，产业高级化滞后一期项对经济增长的影响显著为正。这进一步证实了人工智能进步对产业高级化和经济增长的促进作用存在明显的时滞性和跨期差异。

表8 人工智能发展影响经济增长的稳健性检验

五、结论与政策建议

本文利用地级市面板数据考察了人工智能发展及其应用的经济增长效应，认为人工智能发展及其应用在引导资源跨部门流动、改变就业结构和提升资源配置效率的同时，也会在短期内带来熊彼特创造性破坏和鲍莫尔病两种负面效应，冲击社会就业和宏观经济运行，但其对单位劳动生产效率、社会全要素生产率和其他要素边际生产力的提升，将在长期内促进产业高级化和经济高质量增长。

实证分析的具体结果为：(1)人工智能发展水平每提高1%，产业高级化水平将至少提升1.9%，且统计学指标非常显著，表明人工智能发展对产业高级化具有显著的促进作用；(2)无论是否加入控制变量，产业高级化当期项的参数估计值在-1.1%到-0.5%之间，产业高级化滞后项的参数估计值在4%以上，说明人工智能进步及其应对经济的长期促进作用要大于对经济的短期抑制作用。

为更好地发挥人工智能对经济增长的促进作用，本文提出以下两点建议：(1)将人工智能嵌入到经济与社会运行中，提升生产体系的自动化、智能化水平，减少对低技能劳动力的依赖，为缓解人口老龄化以及劳动力短缺压力提供技术支持，降低企业用工成本，获得更高的生产经营效益；(2)根据各地资源禀赋、产业基础和人才储备情况，因地制宜地制定研发创新战略、产业政策和经济发展规划，避免在技术进步、产业结构调整和转变经济增长方式上搞一刀切和急躁冒进。东部地区可以利用自身优势，大力发展以人工智能为代表的现代信息产业，抢先推进产业高级化进程，为破解核心技术卡脖子难题以及经济高质量发展探路。西部地区则应发挥自身的比较优势，重点做好交通基础设施建设、人才培养和营商环境优化等方面的工作，为产业高级化和经济高质量增长营造良好的环境。