中国制造业智能化驱动因素及其区域差异

刘 军，钱 宇，曹雅茹，李廉水

(1.南京信息工程大学中国制造业发展研究院,江苏 南京 210044；2.南京信息工程大学管理工程学院,江苏 南京 210044；3.南京航空航天大学经济与管理学院，江苏 南京 211106)

0 引言

改革开放40多年来，中国经济在国际社会中的地位持续攀升，从 “中国制造”到 “中国创造”的过渡，表明我国制造业结构已发生了巨大变革[1]。在保持强劲发展势头的同时，中国制造业也面临着巨大挑战：一方面，人口红利优势减弱，持续发展动力不足；另一方面，劳动、资本等要素价格扭曲，抑制中国企业创新能力提升[2]，制造业技术附加值低；此外，美、德等国制造业回归趋势明显，中国后来者优势减弱，技术引进难度与日俱增。随着人工智能技术在制造业的广泛应用，制造业智能化正成为产业发展的新趋势，对加快经济结构的优化与升级，乃至整个社会都将产生深远影响[3]。有研究指出，人工智能的使用实现了制造领域的 “智能自动化”，预计至2035年，中国制造业增长率将因此提高2%，这意味着为制造业额外带来2.7万亿美元的总增加值。制造业智能化通过创造虚拟劳动力、提高资本效率和促进技术创新，将成为未来中国的经济新动能[4-5]。

中国高度重视制造业智能化，出台并实施了 《中国制造2025》 《智能制造发展规划 (2016—2020年)》等国家重大规划，明确了制造业智能化转型升级的目标和路径。在实践层面，2018年国家工信部批准智能制造试点企业99家，2019年工业机器人年产量达17.7万台，而1995年工业企业仅拥有工业机器人1219台，25年间增长了145.20倍。中国智能制造发展非常迅速，然而，智能化理论研究在一定程度上滞后于实践发展，对制造业智能化内涵的理解不统一，对自身制造业智能化水平的定位、现状和影响因素不明确，缺少系统的方法论来指导实践，这些问题亟待解决。本文从宏观层面、企业层面和政策层面实证检验了制造业智能化的驱动因素，以期为推进中国制造业智能化提供借鉴。

1 文献综述

智能化一词最早在2013年德国汉诺威工业博览会 (HANNOVER MESSE)上提出，旨在提高制造业的智能生产水平[6]。从产业发展来看，制造业智能化是对国家工业体系进行智能化改造的过程，是从单一机器设备智能的点式智能转向自动化、柔性化生产的组线智能，最终实现制造全产业链系统智能的结果[7]。从制造过程来看，智能化强调以工业互联网为基础，将新一代信息通信技术 (ICT)和人工智能 (AI)技术融于产业运作系统，使其具备自感知、自决策和自执行能力[4,8]。最终通过机器智能和人的智能的深度互联互通，实现制造全流程和全生命周期的智能化[9]。

在智能化的测度方面：一种是选取工业机器人为代理变量，研究国际或一国的人工智能、智能制造水平，分析其对生产率、就业、技术创新等方面的影响[10-11]；另一种则是通过构建多维度的智能化评价体系进行测度。Liu等[12]选取7大制造行业的145家企业，构建了中国智能制造发展指数样本库。孙早等[13]则构建了包括软件应用、数据处理、创新能力和社会效益等10类准则的工业智能化指标体系。李廉水等[14]在 《中国制造业发展研究报告2019》中构建了包含智能基础、软件应用和市场实践3个一级指标、6项具体指标的制造业智能化评价体系。此外，也有部分学者选择海关机器人进口数量[15]、信息通信技术投资[16]、机器人专利数量[17]或论文发表数量[18]等变量展开实证研究。在智能化的驱动因素方面：黄阳华[6]总结德国 “工业4.0”发现，产业政策是影响智能化的重要因素；苏贝等[19]通过扎根理论研究得出，产业环境、市场需求、智能技术等显著影响企业的智能化程度；岳孜[20]、孟凡生等[21]认为，创新能力、国家政策是影响制造业智能化的重要原因。此外，完善创新扶持政策[22]、强化产业链配套[23]和政府引导[24]等也是实现制造业智能化转型的重要影响因素。

已有研究取得了颇多成果，但国内外学者在制造业智能化的内涵上尚未形成统一认识。制造业向智能化转型是推进智能制造的过程，也是反应智能制造程度的一种状态，具有多种表现形式，而仅使用工业机器人、相关专利、论文数量进行衡量并不具有代表性，智能化的测度方面的研究成果较少，尚未建立较为完善的评价指标体系；关于制造业智能化驱动因素的研究较为欠缺，且以定性分析为主，鲜有对影响智能化水平的驱动因素进行实证检验的研究。

2 中国制造业智能化评价体系构建与测算

2.1 制造业智能化的内涵

本文认为，制造业智能化是推进制造业由传统生产向智能制造转变的过程，包括数字化、网络化和智能化三个阶段[4]。数字化是传统制造向智能化转型的基础，数字化制造旨在将数字技术 (数控机床、计算机辅助设计与制造等)应用于产品设计、仿真和生产，强调利用建模和仿真连接产品设计和实际制造，以提高工艺水平和生产效率。网络化是智能化的重要发展阶段，是企业对数字化制造的升级并强化外部联系的过程。网络化制造旨在将互联网技术 (ASP服务平台、分布式CAD系统等)应用于企业产品的开发、生产、销售中，强调利用互联网技术连接不同企业，保障企业间信息的高效畅通，发挥协同制造优势。智能化则是前两个阶段的延续与发展，是更高级、更成熟的阶段，是制造业推进生产方式由基础阶段向智能生产动态转变的过程。制造业智能化表现在企业将新一代ICT技术和AI技术应用于产品制造的全生命周期中，以实现生产环节、管理模式和服务销售智能化，充分挖掘制造业潜力，最终实现制造业价值链攀升和经济、社会效益提高[25]。

制造业智能化是推进智能制造的过程，也是反映智能制造程度的一种状态，其具体表现在基础投入、生产应用和市场效益等方面。首先，智能设备、研发经费、人员等基础要素投入是实现智能化的基础；其次，智能化水平的提升在于开发和应用新兴技术，以人工智能为核心的新一代信息通信技术的生产应用是智能制造的关键；最后，持续的市场绩效和社会效益是制造业智能化转型的价值体现。

2.2 制造业智能化评价体系构建

加强基础技术攻关投入、强化智能设备应用、提高收益是实现制造全过程智能化的重要体现[26]。为了系统考量各地区制造业智能化发展水平，借鉴孙早[13]和李廉水[14]等的研究，在基础投入、生产应用、市场效益等内涵基础上，以科学性、独立性原则进行指标选取，最终确定3类一级指标、10项二级指标、13项测度指标的制造业智能化评价体系 (见表1)。

表1 制造业智能化各指标权重

(1)基础投入层。智能设备、技术人才、资金等基础要素投入是实现制造业智能化的根基所在。工业机器人等智能设备的使用是衡量企业智能化程度的重要维度，智能设备的管理、维护所要求的人力资本也与一般劳动力不同，更多强调对知识、技术、经验的灵活运用，甚至需要人员持有一定的创新思维和自主学习能力[8]。同时，计算机视觉、机器学习等先进生产技术的创新离不开战略性新兴产业的投入与支撑[27]，加强研发投入是提高智能设备的人机协同作业、建模仿真、感知决策等能力的必要途径。

(2)生产应用层。智能技术的开发与应用、软硬件服务、数据处理是制造业智能化的集中体现。软硬件的提升不但能够大大减少对生产过程中低级劳动力的过度依赖，还可以部分取代人的脑力劳动，通过高级生产要素 (智能设施、科研成果、高技能劳动力等)为企业竞争力提供正向激励作用[28]。此外，大数据处理、智能技术应用既可以减少劳动力、提高边际产出，还能增加生产技术附加值，提升企业价值。

(3)市场效益层。持续的市场绩效是制造业智能化转型的价值体现。长期来看，制造业智能化转型通过降低成本、提高制造效率给企业价值和产品附加服务效益带来了显著提升。2013年德勒对全国200家智能制造企业的调研数据显示，中国智能制造水平仍处于初级阶段，企业短期效益并不明显，而其在2018年的调研表明，受访智能制造企业中利润率超过50%的比例已由2013年的14%上升至33%。

2.3 数据的选取、处理与测算2.3.1 数据来源

本文选取2010—2016年30个省、市、自治区的面板数据为研究对象 (不包括港澳台及西藏)，数据来源包括2011—2017年的 《中国统计年鉴》 《中国高技术产业统计年鉴》 《中国电子信息产业统计年鉴》，以及中华人民共和国工业和信息化部网站等。

2.3.2 评价方法与步骤

(1)层次分析法计算权重。首先构建层次结构模型，根据制造业智能化内涵的三个维度，构建相应目标层 (制造业智能化)、3个准则层、13个子准则层，以及包括30个省、市、自治区的方案层；接着构建判定矩阵P，采用九标度法，由专家进行对比判断打分得出；然后通过解判定矩阵的最大特征值构建权重向量PW，计算一致性指标PI以及平均一致性指标RI；最后测算一致性比率PR，检验矩阵的一致性，不断调整至PR<0.1时得出各指标权重。

(2)熵权法计算权重。该方法为客观赋权法，指标变异程度越大，该指标提供的信息越多，其权重相应越高。为了解决多指标评价体系中单位不统一导致的指标间无可比性问题，首先采用归一化法进行无量纲化处理，然后计算各指标的熵值、冗余度，最后计算各指标权重：

(1)

(3)基于层次分析法与熵值法的综合权重。考虑到专家判断的主观偏差和统计问题所造成的客观偏差，本文参考张挺等[29]的做法，选择等权重加权平均法，将主观的层次分析法与客观的熵值法权重进行相加，得出综合权重：

(2)

最终计算得出各省份制造业智能化水平，其中Wit为综合权重，Yit为无量纲化处理后的测度指标值：

E=∑WitYit

(3)

2.4 测算结果分析2.4.1 指标权重分析

从表1中的一级指标看，生产应用层占比最大，为0.42，其次为基础投入层，占比0.37，市场效益层权重较低，仅0.23。在二级指标中，智能技术产业化程度、人员投入、研发经费投入占比位居前三，分别占28%、14%、12%，表明实现制造业智能化不仅要加大科研经费和科研人员投入，还要把做好研发成果转化落地作为重要一环。此外，市场效益层对衡量智能化总体水平的影响并不高，可能的原因包括：①智能制造水平的提高在短期内并不能明显增加市场效益；②企业市场收益由多部分构成，智能化水平与市场收益有一定关系，但并非企业收益的全部来源，市场收益层的权重较低，也在某种程度上说明了权重分布的合理性。

2.4.2 制造业智能化水平的总体特征

基于上述权重值，计算出2010—2016年30个省、市、自治区制造业的智能化综合得分。由表2可知，2010—2016年全国制造业智能化的总体水平呈稳固上升趋势，制造业智能化综合得分从2010年的12.22上升为2016年的19.90，年均增长率为9.71%。智能化水平在时间趋势上不断提高，但全国均值仅为15.88分，制造业智能化程度有待继续强化。分区域看，呈现由西向东依次增加的梯度分布态势，且具有一定空间异质性。智能化总体均值前10名中东部地区占82%，广东、江苏、北京、上海等东部地区一直处于高水平发展的领先态势，东部地区均值24.59，远高于中部的11.79、西部的10.14。从年度增长率来看，2010—2016年东、中、西部地区智能化水平年均增长率分别为10.17%、6.81%、8.17%，可见，东部地区增长率依旧居于首位，这得益于东部良好的地理优势、丰富的制造基础和强大的科研实力，凭借优势服务本土、吸引外商，成为推动中国制造业智能化发展进程的主要力量。

表2 2010—2016年制造业智能化水平综合测度值 单位：分

3 中国制造业智能化驱动因素分析

3.1 模型构建

为了进一步探讨制造业智能化的驱动因素，借鉴李健旋[25]对智能化影响因素的研究，建立如下计量模型：

Aiit=β0+β1Innit+β2Humit+β3Finit+

β4FDIit+β5Wageit+β6Ckit+β7Zcit+β8Erit+εit

(4)

式中：i代表省份、t代表年份、Aiit代表上文测算得出的制造业智能化水平。Innit、Humit、Finit、FDIit分别代表创新能力、人力资本、金融发展以及外商直接投资，为宏观层面驱动因素；Wageit、Ckit代表工资水平、企业出口，为企业层面驱动因素；Zcit、Erit为智能化政策和环境规制，为政策层面驱动因素。εit为随机干扰项。

3.2 数据说明

被解释变量：Aiit以上文测算的智能化综合得分衡量。解释变量：从宏观层面、企业层面以及政策层面对可能的驱动因素进行实证检验。

3.2.1 宏观层面

(1)区域创新能力 (Inn)。技术创新分为渐进式和突破式两种[32]。渐进式创新通过对现有智能技术和设备的改造升级，能够更好地实现生产流程和服务的智能化，提升智能运维、数据驱动服务、个性化定制水平。突破式创新通过创造全新的智能生产技术，打破制造业发展瓶颈和技术垄断，是推进中国制造业转型升级的重要基础[30]。本文采用2011—2017年 《中国区域创新能力报告》[31]中的综合创新能力指标衡量。

(2)人力资本 (Hum)。人力资本是附加在人力身上的经验、知识和技能，具备较多经验和学识的高素质劳动力是实现制造业智能化过程中的基础投入要素，同时较高的人力资本可以促进企业的生产研发活动，进一步提高制造业智能化水平。本文借鉴彭涛等[33]的做法，使用平均受教育年限衡量。

(3)金融发展水平 (Fin)。金融发展程度高可以为企业智能化转型提供充足的研发和智能设备投入资金，有效解决技术创新型企业的融资问题，促进制造业智能化。本文选取金融机构贷款余额、保险总额、两股交易额等指标，采用熵值法计算得出。

(4)外商直接投资 (FDI)。外商直接投资不仅可以为我国带来前沿的智能制造设备、生产工艺和管理知识，促进智能化转型，还能通过产业内和产业间技术溢出[34]，促进内资企业对先进技术的了解、掌握、转化和再创造，促进智能生产水平提高。本文采用外商直接投资进行衡量。

3.2.2 企业层面

(1)成本压力 (Wage)。我国人口红利优势的减少致使劳动力成本上升，一方面可能对企业在研发、设备方面投入产生 “挤出效应”，限制智能化发展；另一方面也可能倒逼企业用智能设备替代传统劳工，促进智能化。本文采用制造业行业平均工资衡量。

(2)企业出口 (Ck)。出口贸易主要通过竞争效应和 “出口中学”推动制造业智能化。竞争效应体现在为了满足国外严苛的技术、质量与环保标准要求，将迫使出口型企业进行智能化转型，以提高产品质量和技术附加值[35]。本文采用规模以上企业出口交货值占工业销售产值的比重衡量。

3.2.3 政策层面

(1)智能化政策 (Zc)。 《国家智能制造标准体系建设指南》等政策的颁布与实施可有效解决我国智能制造标准缺失、滞后问题，在为企业智能化发展找准方向的同时还能通过财税手段为企业智能化转型提供保障。本文采用各省份智能制造试点企业数量作为代理变量。

(2)环境规制 (Er)。环境规制使企业生产成本不断提高，其 “技术进步效应”和 “创新补偿效应”将迫使企业加大环保技术创新、更换先进的绿色智能生产工艺[36]，以更加绿色智能的方式进行生产，这有助于促进企业的智能化转型。本文采用污染治理完成额占GDP的比重衡量。

3.3 数据来源与描述性统计

本文所用数据主要来源于2011—2017年 《中国统计年鉴》 《中国区域创新能力报告》 《中国劳动统计年鉴》等，处理后的数据描述性统计结果见表3。

表3 主要变量指标的描述性统计结果

3.4 计量结果及分析3.4.1 制造业智能化驱动因素的总体回归结果

表4所示的模型1～3分别报告了固定效应 (FE)、随机效应 (RE)、FGLS模型的估计结果。根据Hausman检验，P值为0.02，拒绝原假设，选择固定效应模型。由于FGLS估计能在一定程度上缓解模型可能存在的异方差和序列相关问题[37]，因此本文基于FGLS模型 (模型3)的回归结果，讨论实证研究的发现。

表4 制造业智能化驱动因素的总体回归结果

(1)宏观层面，创新能力的估计系数显著为正，表明创新能力是制造业向智能化转型的重要驱动力。制造技术与人工智能的融合、数据处理效率的提高、生产管理模式的创新，将促成新的智能产品与智能生产活动，提高地区智能化水平。金融发展水平的系数为0.35，且通过1%的显著性检验，表明提高资金的配置效率对缓解制造企业在智能技术研发上的资金压力、实现智能技术产业化具有重要作用。人力资本对智能化的促进作用并不显著，可能是因为当前我国人力资本水平并不高，智能应用人才欠缺。外商投资抑制了我国的智能化水平提升，可能是因为当前外商投资仍是针对大量劳动密集型产业，未能推动先进技术的引入，促进智能化转型。

(2)企业层面，成本压力和企业出口估计系数分别为0.70、0.31，且通过1%显著性检验，说明其对智能化产生显著正向影响，表明随着我国人口红利的消失，劳动力成本上升，用工成本成为影响企业智能化转型的主要因素，这与我国部分企业向越南、柬埔寨等低用工成本国家迁移，其余企业不断选择进行技术升级来缓解用工压力的实际情况相符。同时企业出口影响显著，说明出口型企业参与更多的国际竞争，有利于企业对照国际市场的前沿需求学习先进生产技术，积极推进智能化转型。

(3)政策层面，试点政策能够显著提高我国的智能化水平，这种促进作用主要来自智能化政策通过试点企业给制造业智能化转型提供政策导向，提升企业智能生产、销售、服务的整体水平。环境规制政策抑制了企业的智能化转型，可能是因为目前我国的环境规制强度并不高，相较于技术升级，低强度地区企业更倾向交纳排污费，而排污费的缴纳对企业在智能设备和研发经费上的投入产生了一定的 “挤出效应”。

3.4.2 总体回归的稳健性检验

更换被解释变量的衡量方法是稳健性检验的有效方法之一。本文使用孙早等[13]测度的工业智能化指数，进行稳健性检验。经过数据的匹配和处理，保留2010—2015年的数据回归，仍选用FGLS估计方法，稳健性检验的回归结果见表4中的模型4。可以发现，除了智能化政策变量不显著外，其余变量的显著性及影响方向与基准估计一致，表明制造业智能化驱动因素的回归结果是稳健的。智能化政策不显著可能是由于数据样本的限制，仅2015年有智能化政策数据，政策效应未得到有效体现。

3.4.3 制造业智能化影响因素的区域差异

为了研究各驱动因素对制造业智能化的影响是否存在区域差异，将总体样本分为东中西三大区域，选用FGLS模型进行检验。表5中的模型5～7分别显示了各区域的估计结果，其中东部地区创新能力的影响最大，系数为0.58，通过了1%的显著性检验，说明创新能力是驱动东部智能化的主要因素；中西部则更多因成本压力倒逼进行智能化转型，成本压力对中西部的影响系数分别为1.66、0.66，均通过1%的显著性检验。这可能是因为东部地区处于技术前沿，能够率先凭借新制造技术实现智能化，同时由于我国人口红利及资源优势的缩小，中西部依赖廉价劳动及能源要素的发展路径难以为继，将倒逼企业进行智能化转型。在外商投资方面，东中部地区无显著作用，但能有效促进西部地区智能化水平提高。这是因为外商投资将国外落后产业迁至国内，对东中部制造业企业无论是在市场占有率、利润还是人才吸引上均存在 “挤出效应”，并不利于企业的智能化，而西部地区经济发展落后，外商投资给其带来大量资金和相对先进的技术，进而促进了智能化。智能化政策方面，新设立的智能化试点企业多在东部地区，为东部地区的智能化转型提供了良好的示范作用和政策保障，而中西部地区的政策不占优势，不利于该地区的智能化转型。

表5 制造业智能化影响因素的区域差异

3.4.4 区域差异的稳健性检验

区域差异的稳健性检验仍选用总体稳健性的数据与方法，从表5中模型8～10的结果来看，创新能力仍是东部地区智能化转型的重要驱动因素，成本压力对东部地区智能化转型的影响由不显著转为显著，说明其对东部地区的影响并不稳健。但成本压力仍是驱动中西部智能化转型最重要的因素，表明制造业智能化驱动因素的区域差异是稳健的。

4 结论及政策建议

本文在界定制造业智能化的内涵基础上，构建包含基础投入、生产应用、市场效益3个一级维度、10个二级维度、13项测度指标的制造业智能化评价体系，运用层次分析法和熵值法测算了2010—2016年30个省、市、自治区的制造业智能化指数，并从宏观、企业、政策层面实证分析了制造业智能化的驱动因素。研究发现：①基础投入和生产应用层在制造业智能化指标体系中贡献份额较大，发挥主要作用；②制造业智能化水平有明显的空间异质性，呈现由东到西依次递减的梯度分布态势；③创新能力、金融发展程度、用工成本、政策扶持等可以有效促进地区制造业智能化发展，其中创新能力是驱动东部智能化的主要因素，而成本压力是中西部智能化转型的主要因素。为此本文提出以下政策建议：

第一，完善智能基础设施建设。智能基础设施的作用贯穿在制造企业从设计到销售的整个环节，各地政府要加强大数据、人工智能、工业互联网等新基建投入，建设一个高速、安全的智能网络基础，实现生产制造全过程的自主调度、自主管理和自主决策。

第二，提高地区基础技术的创新能力。创新能力是影响智能化转型的重要因素，需进一步深化创新驱动发展战略，提高科研成果转化落地能力。要建立企业与科研院所的横向交流机制，以生产、教学、研发协同推进科研成果转化为实质生产力。企业要有重点地进行研发布局，建立和完善自有科研部门，提高产品技术附加值。

第三，做好智能化转型的政策保障。一方面，运用财政、税收、金融等政策鼓励传统产业引入先进智能生产设备和工艺，推动传统产业的优化升级；另一方面，建立和完善智能制造法规、标准和考核激励体系，由点到面地将部分试点推广到平台化、集成化的全国性智能制造，同时也要做好包容审慎监管，为制造业智能化转型提供良好的政策环境。

第四，注重智能化水平及驱动因素的区域差异，因地制宜推进制造业智能化转型。对于智能化较低的中西部地区，应注重推行扶持性政策保障，推动由成本压力驱动向创新驱动转变，提升本地智能化经济效益。对于东部地区，应注重培育良好的竞争环境，鼓励高智能化企业公平竞争，根据实际创新能力及智能化水平给予相应的政策优惠和支持。