工业机器人应用与制造业企业创新绩效*——基于研发投入和员工知识能力的中介效应

□ 李 敏 黄海艳

一、引言

以物联网、大数据、机器人及人工智能为突破口的第四次工业革命正在兴起，制造业与信息技术融合发展是时代的必然产物。中央全面深化改革委员会第十四次会议强调，要加快推动新一代信息技术和制造业融合发展，以智能制造为主攻方向，提升制造业数字化、智能化、网络化发展水平。智能时代下，制造业转型升级是促进我国经济高质量发展的强大动力，工业机器人的广泛应用则是转型升级的突破点。当前中国正在大规模推进机器人在制造业中的应用，实施“机器换人”，如汽车产业、电子制造产业等均采用机器人作业来缓解劳动力高成本压力，实现产品质量的提升，提高产品附加值和市场竞争力。在中国制造向“中国智造”升级的过程中，机器人正扮演着越来越重要的角色。根据全球机器人联合会（IFR）统计，2019年我国累计销售工业机器人14.05 万台，占全球销量的比重为38%。与此同时，机器人的大规模应用也带来了一系列挑战：个体企业存在技术壁垒、研发资金投入、盈利不确定性等问题[1-2]；企业员工会面临技术性失业风险、薪酬差距等问题。[3-4]

制造业作为国民经济的支柱，其创新行为不仅是获取竞争优势、实现转型升级的关键，也是驱动国家经济增长的重要手段。初期，制造业企业利用机器来延伸人的手，替代人的一部分体力劳动，这些体力劳动一般特征为：技术含量低、劳动强度大、危险性高，如焊接、装配、搬运等。[5-6]在信息技术不断发展的同时，机器人技术也在朝着模拟人的部分智能和感觉的方向加速发展。目前，机器人能够进一步识别、判断、决策和领会人的命令，帮助企业完成多种控制与信息处理的任务，替代人们的“半脑力”劳动。[7]工业机器人产生的替代效应引发了员工不安全感。[8]自我决定理论认为，个体通过自我调节能够从事利于自身发展的活动。[9]因而，机器人应用可能会产生人力资本提升效应。[10]人力资本包括企业员工的受教育程度、知识技能水平、健康和保健状况等。[11]当企业投入的高层次人力资本越多，企业整体创新质量就会越高。[12]随着机器人应用越来越经济，企业缩减了大量生产成本，进而能够为企业研发活动的开展提供一定的资金支持。研发资金的投入可能会为企业带来新产品、新技术，有利于提升创新绩效。[13-14]

资源基础理论强调，异质性资源的获取、配置和发展是企业实现可持续发展和获取竞争优势的关键。[15]巴尼（Barney）[16]认为，资源包括组织资本资源、人力资源、信息技术资源、设备资源和知识资源，组织能够通过资源配置与实施提高效率和效益。工业机器人作为智能制造技术代表，最终致力于提高企业绩效，包括财务绩效、创新绩效等。[17]其中，创新绩效直接影响企业的绩效提升。有关工业机器人应用对创新绩效影响的研究可以追溯到信息技术的创新绩效影响研究。诸多学者围绕工业智能化、人工智能等主题展开研究，但是研究结论并不一致。乔希（Joshi）等[18]以ACAP 理论为基础，发现企业通过信息技术的应用能够增强其知识能力，从而有助于专利发明以及新产品、新服务的产生。睢博等[19]认为工业智能化改善了劳动力结构，促进企业创新水平提升。张炜等[20]发现人工智能企业的创新效率呈现下降趋势。目前，尚未有学者直接对机器人应用的创新绩效影响进行研究。从长远来看，随着劳动力成本提高和制造业转型升级，我国工业机器人具有很大的发展潜力。企业引进大量机器人实现自动化生产，势必会对企业发展产生巨大影响。由于以往披露的机器人数据都是基于国家层面，国内企业对机器人应用的影响研究难以开展。受益于工具变量法，本文得以对工业机器人应用与创新绩效之间的作用机制进行更深入的探讨，厘清工业机器人应用与企业创新绩效之间的关系，帮助制造业顺利地转型升级，实现智能制造。

本研究采用2011—2018年沪深A 股制造业上市公司的面板数据，首先考察工业机器人应用与企业创新绩效之间的影响关系，其次探讨研发投入和员工的知识能力在工业机器人应用对企业创新绩效影响机制中扮演的双中介作用。本文贡献在于：第一，基于工业机器人的新视角，以改变生产要素的投入来考察企业创新绩效的影响因素，为企业提高创新绩效提供新思路，拓展了企业创新绩效的前因变量研究；第二，从微观企业视角，利用工具变量法研究工业机器人应用与企业创新绩效之间的关系及其作用机制，为制造业转型升级提供决策依据。

二、理论与假设

1.机器人渗透度与创新绩效

机器人渗透度于2020年由阿西莫格鲁（Acemoglu）等[21]首先提出，它反映了一个国家或地区工业机器人的分布密度和使用程度。王永钦等[22]认为，与机器人销售量、机器人存量相比，机器人渗透度更能反映一国机器人实际应用水平。韩民春等[23]指出，机器人渗透度是机器人普及程度的重要衡量指标。目前国内学者将机器人的研究范围逐渐拓展到自动化、人工智能和智能制造等相关技术领域。比如，吕洁等[24]利用工业机器人使用密度来衡量一国或地区的自动化程度。朱火弟等[25]采用机器人渗透度来衡量人工智能的发展水平。本文在已有研究的基础上，以制造业企业为研究视角，将机器人渗透度定义为制造业企业的工业机器人应用水平。

机器人技术是制造业实现智能制造的重要支撑。机器人应用不仅解放了大量劳动力，还促进了生产效率的提高，推动企业的创新发展。

首先，企业在创新过程中需要一些资源的支持，比如技术、人力等。根据资源基础理论，资源是企业获取和维持竞争优势的关键，也是企业提高创新能力的重要因素。[16]企业创新资源的不足会削弱员工的创新积极性，从而导致企业创新绩效降低。工业机器人作为人工智能的一个分支，可以被视为一种新型生产要素，不仅效率高，还能进行自我学习和自我更新。[26]企业通过重新配置和组合使用内外部资源，将机器人技术与企业的生产过程、生产设备和产品不断融合，进而实现生产过程创新、设备创新和产品创新。[27]互联网、大数据和5G 的发展为机器人应用提供了新技术支撑，焕发了企业的创新活力，推动机器人的多元化场景应用以及新产品形态的出现，从而大幅度提升创新绩效。

其次，机器人应用大大提高了企业生产力，如何提高生产效率不再是管理者重点关注的问题，如何提高创新能力来获取竞争优势才是问题的关键。技术的不断更迭与进步以及激烈的市场竞争，促使企业重新调整创新决策。[28]在企业的创新决策过程中，管理者是推动研发创新活动的主体[29]，其创新意识有助于企业形成良好的创新氛围。同时，随着机器人的持续性渗透，员工从烦琐、单调的工作中解放出来，能够集中精力从事创造性工作等人工智能无法独立完成的任务，促进新产品或新技术的出现。鉴于此，本文提出如下研究假设1：

H1：机器人渗透度提高会促进企业创新绩效提升。

2.机器人渗透度与研发投入强度

随着持续的自动化趋势及技术改进，机器人价格越来越经济，其在制造业各领域中的应用也越来越广泛，极大降低了生产成本，为企业研发活动提供了资金保障。

首先，机器人具有出错率低、安全性高、长时间作业等优势，容易取代低技能劳动者，从事企业常规性、程序化的工作任务。[30]这种情况下，企业仅需要雇佣少量员工控制机器人即可，能够有效节约人力资源成本，从而让企业有能力追加资本投入，将资金分配到技术创新和新产品研发中去，以实现可持续发展。

其次，人口红利消失推动了机器人产业发展。众多传统制造业企业纷纷投资购买或自行研发智能化设备，实施“机器换人”，以期改善企业雇佣关系、避免劳动纠纷。[31]《中国工业机器人产业发展白皮书（2020年）》显示，与欧美发达国家相比，我国机器人市场需求潜力巨大。资源基础理论认为，企业获取竞争优势的关键在于资源的稀缺性、不可替代性、不可模仿性。[16]尽管我国已熟练掌握了机器人制造技术，但一些重要零部件和技术只能从国外引进，发展受到了很大限制。[19]这在深层次上刺激企业不断去吸收学习先进技术理念，并加大研发资金和研发人员投入，推动机器人等自动化技术创新。鉴于此，本文提出如下研究假设2：

H2：机器人渗透度提高会促进企业加大研发投入强度。

3.研发投入强度与创新绩效

研发投入对新技术的产生具有重要推动作用。大多数学者认为研发投入对创新绩效存在积极影响，但也有学者得出不一致的结论。李明星等发现企业通过增加对研发人员和研发经费的投入，能够优化企业研发资源配置，有利于创新绩效提升。[32]而蒋兵等[33]认为研发投入对创新绩效影响存在门槛效应，并非总能产生积极影响。

首先，研发资源配置数量和结构是影响企业创新的关键因素。当企业加大研发投入时，研发人员积极性易被激发，有动力去从事研发创新活动，促进企业创新绩效提升。

其次，雄厚的资金为企业创新活动提供了物质和经济基础，同时增强了企业创新的抗风险能力。企业对研发项目的投入可能会带来新知识、新技术，促进企业产品质量和功能的改进。企业对于研发人员的投资，能够帮助企业引进和培养高层次创新人才，激发人才创新活力，碰撞出更多创新性想法，形成良好创新氛围，推动企业各项创新工作的开展。鉴于此，本文提出如下研究假设3：

H3：研发投入强度在机器人渗透度和企业创新绩效之间起中介作用；机器人应用通过加大研发投入强度间接正向影响企业创新绩效。

4.机器人渗透度与员工知识能力提升

随着“机器换人”进程的推进，制造业很多重复性、机械性的工作岗位逐渐消失，导致组织不得不采取裁员、重组等变革措施。企业员工为了保住自身岗位，很有可能会主动学习新知识、新技能，以适应新工作环境和工作要求。

首先，工业机器人的大规模运用使得员工的工作持续性和稳定性受到影响，低学历、无专业、低技能的群体面临着巨大的失业风险。[34]在这种极其不确定的环境中，员工感知到工作存续性的威胁以及未来发展前景的挑战，容易产生工作不安全感[8]，并引发情绪劳动，即员工对自己的情绪表达进行调整，以符合组织要求[35]。根据自我决定理论，人们倾向于从事有利于自身成长和发展的行为，并且外界环境因素会对其行为产生支持或阻碍的作用。[9]一般来说，员工会采取两种应对策略：表层策略和深层策略。表层策略指员工隐藏自己真实的情绪，展现出组织所要求的情绪，来保住现有工作岗位。而深层策略指个体通过改变自身来满足组织所要求的情绪表达。在这种深层策略中，员工易被激励，愿意主动去提升自身知识能力，掌握新知识、新技能以符合组织要求。

其次，除了替代效应，工业机器人的应用也会衍生出很多非常规型工作岗位[36]，产生新的人才需求，并要求更高人力资本来担任，存在人力资本提升效应。[10]人力资本结构优化有助于员工薪酬的提高[37]，进而使企业员工更有意愿且有资金来支持人力资本提升。为了减少大规模人员流动带来的不利影响，企业可能会主动组织开展相关技能学习培训活动，以保证员工知识技能水平满足工作需要。鉴于此，本文提出如下研究假设4：

H4：机器人渗透度提高会促进员工知识能力提升。

5.员工知识能力提升与创新绩效

高素质人力资本的知识吸收能力与技术创新能力较强，能够产生明显的知识溢出效应，加快知识经验在企业内部的流通传播，很大程度上推动了企业创新绩效的提升。

首先，企业创新是一种复杂的知识生产活动，需要依赖员工自身的知识基础。员工知识能力水平的提升，代表着个人知识吸收能力增强，进而会影响其所在组织的知识吸收能力。[38]同时，企业对外部知识的获取、识别及判断会直接受到企业已有知识水平的影响。[39]当员工的创新经验越丰富、了解的知识类别越多，企业对知识的吸收、转化能力就越强，从而能够实现资源的高效整合配置，有助于创新成果的产生。

其次，根据资源基础理论，人力资本可以成为有价值的、不可模仿的和难以转移的重要资源，是能力、知识和技术的综合体现。[16]相对而言，高素质人力资本拥有多方面的素质特征[40]，能够为企业带来异质化知识，并且其接受、破解和理解信息的能力更强，既可以直接推动技术创新，又能够将知识溢出到低素质人力资本，支持知识经验内部流动与更新，为企业营造出良好的创新氛围。鉴于此，本文提出如下研究假设5：

H5：员工知识能力提升在机器人渗透度和企业创新绩效之间起中介作用；机器人应用通过提升员工知识能力间接正向影响企业创新绩效。

综上所述，构建如下理论模型（见图1）。

图1 理论模型

三、研究设计

1.样本选取和数据来源

本文以2011—2018年沪深A 股制造业上市公司为研究样本，着眼于微观层面，系统探讨工业机器人应用对研发投入和员工知识能力的影响，及其如何更进一步影响企业创新绩效。根据《中国工业机器人产业发展白皮书（2020年）》报告，我国工业机器人使用量自2010年起迅速增长，且主要应用于制造业领域，因此我们选择2011年作为样本期间的起始年份，并将样本范围限定在制造业行业。其中，工业机器人存量数据从全球机器人联合会《世界机器人报告》中获得。全球机器人联合会是目前世界上比较权威的机器人数据统计机构，每年都会披露“国家—行业—年度”层面的世界机器人统计数据。中国制造业分行业就业数据、研发投入、企业员工构成数据来自国泰安数据库（CSMAR），并通过巨潮资讯网站进行补充。衡量企业创新绩效的专利数据通过企查查官网手工搜集获取。剔除ST 公司、数据缺失严重的公司，本文最终得到3 352 个“公司—年度”样本，包括419 家企业。

2.变量设计

（1）解释变量

机器人渗透度（CHF exposure to robots）。本文借鉴阿西莫格鲁等[21]和王永钦等[22]的做法，利用工具变量法构建了企业层面的“机器人渗透度”指标。具体测度方法如下：

该指标表示i行业j企业t年的工业机器人渗透度。其中表示制造业中i行业j企业2011年（基期）生产人员占比与制造业所有企业2011年生产人员占比中位数的比值。表示中国i行业t年的工业机器人存量，表示中国i行业2010年 （基期）的就业人数。

关于制造业细分行业的划分标准，本研究针对的是制造行业2011—2018年工业机器人应用情况，故以《国民经济行业分类》为参考标准。国际机器人联合会参照的是国际标准产业分类（ISIC Rev 4.0 版），与我国分类标准并不统一。为了后续研究的方便，本文将国内行业分类标准与国际标准一一对应，以便我国制造业细分行业的就业人数能够与国际机器人联合会提供的机器人存量数据进行匹配，最终得以计算出企业层面的工业机器人渗透度。

（2）中介变量

员工知识能力（Degree）。舒尔茨（Schultz）认为学历教育可以代表人的技能和知识，是获取人力资本的最主要来源。[41]因而本文借鉴其做法，通过企业本科及以上学历员工数占员工总数的比例来衡量员工知识能力。

研发投入强度（R&D）。参考国内外研究的一般做法[42-43]，即以研发投入占营业收入的比例来表示。

（3）被解释变量

创新绩效（Patent）。参考以往文献，本文以发明公布专利数作为企业创新绩效的度量指标。[44]此外，考虑到专利产出的滞后性，本文将创新绩效数据滞后一年，在稳健性检验中，将数据滞后两年。为了避免丢失专利数为0 的样本观测值，本文借鉴袁建国等的研究[45]，将发明专利数加1 的自然对数作为衡量指标。

（4）控制变量

参考以往研究企业创新绩效影响因素的文献[46-48]，本文控制了如下变 量：企业年龄（Age）、企业规模（Size）、资本密集度（Capital）、资产负债率（Lev）、总资产净利润率（Roa）。本文主要变量的测量如表1所示。

表1 变量定义

四、实证分析

1.描述性统计

表2汇报了变量的描述性统计结果。企业创新绩效、机器人渗透度和研发投入强度的最小值与最大值之间差异较大，说明在制造业中，不同企业的创新能力和机器人应用水平具有明显差别，这可能是要素密集型行业差异性所导致的。

表2 变量描述性统计（N=3352）

2.相关性分析

表3报告了各变量间的相关系数。机器人渗透度与研发投入强度（r=0.047，p＜0.01）、企业创新绩效（r=0.158，p＜0.001）显著正相关，研发投入强度与企业创新绩效（r=0.05，p＜0.01）显著正相关，员工知识能力与企业创新绩效（r=0.206，p＜0.001）显著正相关，基本符合本研究理论预期。机器人渗透度与员工知识能力（r=-0.071，p＜0.001）显著负相关，这与本研究理论预期不一致。

表3 变量皮尔逊相关系数

3.回归分析

表4呈现了工业机器人应用对我国制造业企业创新绩效的基准回归结果。本文按照温忠麟等[49]提出的检验流程，依次分析相应的回归结果。其中，模型1 是控制变量对创新绩效的回归结果，企业规模、总资产净利润率具有显著的正向影响，企业年龄、资本密集度具有显著的负向影响。模型2 中加入机器人渗透度变量，机器人应用正向影响企业创新绩效（β=0.069，p＜0.001），假设1 得到验证。模型3 的结果显示机器人应用正向影响企业研发投入（β=0.213，p＜0.001），假设2 得到验证。模型4 的结果显示机器人应用负向影响员工知识能力（β=-0.006，p＜0.001），假设4 没有得到验证。

表4 主效应及中介效应的回归分析（滞后1年）

机器人应用之所以会抑制员工知识能力提升，可能的原因是：第一，由于行业属性，以往制造业不重视管理与研发，企业员工主要以生产工人为主，整个行业对员工学历水平要求不高，导致人力资本含量较低。第二，制造业企业通过引进工业机器人实现了自动化生产。生产成本的节约为企业扩大生产规模提供了可能性。尽管机器人解决了大量标准化工作，部分工作始终无法标准化，不得不要求企业员工来承担。当企业扩大生产规模时，非标准化工作量相应增加，需要雇佣的员工数自然会变多，从而不利于提升企业整体知识能力水平。第三，从现状看，一些毕业生倾向于选择互联网等新兴热门行业，不愿意选择制造行业，可能造成制造业整体知识能力水平偏低。

模型6 中机器人渗透度与企业创新绩效的回归系数为正，且显著，员工知识能力回归系数与模型4 中机器人渗透度回归系数的乘积为负，表明员工知识能力在机器人应用与企业创新绩效之间起中介作用，但这种中介作用表现为遮掩效应，假设5 得到验证。模型5 考察研发投入的中介作用，与模型3 相比，模型5中研发投入正向影响企业创新绩效（β=0.053，p＜0.001），但机器人渗透度对企业创新绩效的影响由0.069 降为0.058，且仍然显著，表明研发投入在机器人渗透度和企业创新绩效间发挥部分中介作用，假设3 得到验证。

4.稳健性检验

为了验证结果的可靠性，进一步说明两者之间的关系，本文将企业创新绩效数据滞后两年，再次对假设进行检验，结果如表5所示。假设1、假设2、假设3 和假设5 依旧得到验证，假设4 没有得到验证，与前文结论保持一致，结果具有稳健性。

表5 主效应及中介效应的回归分析（滞后2年）

五、结论与展望

1.研究结论

工业机器人作为新技术、新工具的代表，对我国制造业转型升级和经济增长具有重要影响。本文深入探究机器人渗透度对企业创新绩效的影响及其作用机制，发现：（1）机器人应用正向影响企业创新绩效，呼应了陈金亮等[50]、孟凡生等[27]的研究结论，强调智能化技术对企业创新水平提升的重要作用；（2）中介模型检验表明，机器人应用可以通过加大研发投入提升企业创新绩效，同时会降低员工知识能力来遮掩其对创新绩效的提升。本研究认为，机器人应用会抑制员工知识能力提升。这与胡晟明等[10]提出的工业机器人应用存在人力资本提升效应正好相反，即工业智能化加速了劳动力与其他资本的结合程度，加强员工“干中学”效果，有助于知识能力提升。[19]产生不一致结论的原因可能是制造业行业属性的问题，行业本身对员工学历水平要求不高。此外，企业生产规模的扩大造成非标准化员工人数增多，导致整体员工知识能力降低。

2.政策建议

第一，上述研究结论为我国制造业企业的智能化发展和转型升级提供了清晰的理论机制与政策启示。

政府应围绕工业机器人领域发布多项产业促进政策，推动智能制造前进步伐，助力企业研发创新工作。同时，加强对人工智能教育的引导和支持力度，努力提高劳动者的人力资本水平，挖掘劳动力资源新优势，实现人口红利从“数量型”向“质量型”的转变。

第二，制造业企业要坚持创新驱动，充分利用机器人应用对企业创新绩效的促进机制，不断加大研发资金的投入力度。针对不同要素密集型行业可采取差异化的策略。劳动密集型行业企业应积极引导并大力引进、培养高技能人才，实现工业机器人产业化应用，促进产业转型升级。技术密集型行业企业要优化人才资源配置，激发员工的创新积极性，逐步向智能制造新模式转变。

第三，企业员工必须主动提高综合素质，不断学习新知识、掌握新技能，以具备无法被机器人等智能化技术所替代的能力，包括创新能力、灵活解决问题的能力等，实现个人价值。

3.研究不足与展望

本文也存在一些局限。第一，国际机器人联合会提供的工业机器人应用数据存在缺陷，并非所有制造行业都被纳入到国际机器人联合会所涉及的19 个行业中，数据的不完整可能会造成研究结果的误差。第二，本文只是简单验证了研发投入和员工知识能力的中介作用，并未考虑情境因素的影响，如政府补贴政策、领导个人特征等，还能进一步完善目前的影响机制模型。第三，由于“数量至上”的激励政策和评价导向，我国企业存在盲目追求专利数量的问题，导致专利“经济价值”不高，因而本文创新绩效衡量方式可能存在不妥，在后续研究中可采用朱雪忠等[51]提出的多维专利指标来进行测量，以使结果更精准。第四，本文仅对制造业企业展开研究，但近年来机器人在服务业中的应用比重也在迅速增长，服务机器人由于自主性强、适用性广等特性展现出广阔的空间，后续研究可对服务机器人应用的创新影响进行探讨，分析不同行业间应用的影响差异。