市场结构与机器人技术扩散

欧阳耀福

一、引 言

机器人技术的研究和应用是现代先进制造业的重要标志，在全球范围内得到了各发达国家的空前重视，如美国的“国家机器人计划”、欧盟的“SPARC机器人研发计划”、日本的“机器人新战略”等，这充分表明了机器人尤其是工业机器人对国家经济发展的重要性。我国政府高度重视机器人技术的研发和应用，将机器人产业规划为重点发展的战略性新兴产业，出台了一系列支持机器人产业发展的政策，例如，2013年12月工业和信息化部出台的《关于推进工业机器人产业发展的指导意见》、2016年3月工业和信息化部、国家发展和改革委员会、财政部出台的《机器人产业发展规划（2016-2020年）》等。在此背景下，我国工业机器人安装量和保有量均强劲增长，2018年，我国工业机器人新增安装15.4万台，工业机器人保有量达64.9万台，均位列全球第一。然而，我国工业机器人技术的研究和应用起步较晚，工业机器人使用密度仍然比较低，2018年，我国工业机器人使用密度140（每万名员工），远低于发达国家的水平，如新加坡的831，韩国的774，德国的338，日本的327（图1）。

图1 2018年全球工业机器人使用密度前十五名

随着我国劳动成本快速上涨、人口老龄化凸显、制造业比重持续下降，进一步推动工业机器人在制造业中的应用具有十分重要的现实意义。2014-2019年，我国制造业生产工人平均年薪从42 914元增长至58 356元，年平均增长率超过6%。与此同时，我国劳动年龄人口数量和占比双下降，人口老龄化程度快速加深，进一步加剧了劳动力短缺尤其是生产工人短缺，企业“用工荒、用工难”问题日益凸出。而且，制造业比重持续降低，产业空心化问题逐步显现，2019年中国制造业占经济的比重降至27%左右。工业机器人在制造业中的推广应用，可以有效应对劳动力成本上涨和人口老龄化问题，助推制造业转型升级，保持制造业比重基本稳定。因此，本文的研究主题是机器人技术扩散规律。

当前相关文献大多侧重考察机器人技术应用对经济增长和劳动力市场的影响，这些研究证实了机器人技术应用对经济增长的积极作用：宏观上促进经济增长和提升全要素生产率（Graetz and Michaels, 2018; 杨光和侯钰, 2020），推动服务业转型升级（王文等, 2020）；微观上提高企业劳动生产率（Acemoglu et al., 2020a; 李磊和徐大策, 2020）。同时，机器人应用短期内会替代劳动力，降低企业对劳动力的需求（Autor and Salomons, 2018; Acemoglu and Restrepo, 2022; 王永钦和董雯,2020; Acemoglu et al., 2020a），尤其是低技能、低学历劳动力的需求，导致“技术性失业”（孔高文等, 2020），加剧收入不平等，降低生产工人的工资（Acemoglu and Restrepo, 2018b），但是，在中长期内，机器人应用可能促进就业并提升工资（孔高文等, 2020）。这些研究表明进一步提升工业机器人使用密度的重要意义，但是较少涉及工业机器人应用推广这一重要问题。如何理解不同行业的机器人使用密度的差异？机器人技术在不同行业中的应用和扩散有何种规律？

本文首先通过深入的实地调研总结了中国工业机器人应用的典型事实，然后基于这些典型事实从理论上和实证上研究市场结构对机器人技术扩散的影响。与已有文献不同，本文没有使用Autor et al.（2003）的建模思路——假定机器人可替代劳动完成特定任务，机器人应用程度高意味着机器人可替代劳动完成的任务越多——而是从既定市场结构下的企业生产决策出发，建立了一个产业组织理论模型研究机器人技术扩散规律，因为是否采用机器人生产是企业在既定市场环境下权衡成本与收益的生产决策。

本文的贡献有两点：第一，本文首次考察了市场结构对机器人技术扩散的影响，从理论上分析了不同市场结构下企业采取机器人生产的策略性行为，并利用经验数据检验了理论分析结论。第二，本文基于实地调研观察的经验事实，对机器人技术扩散尤其是企业采用机器人与否的策略性行为进行了理论建模，并基于此分析了市场结构变动对机器人技术扩散的影响，为后续研究机器人技术扩散规律提供了借鉴。

二、文献综述

（一）技术扩散相关研究

首先，与本文密切相关的是技术扩散（technology diffusion）相关文献。技术创新过程不仅包括新技术的研究与开发，也包括技术扩散，即新技术的采用，有时候后者可能更为重要，因为只有新技术的应用才能产生收益。一项新技术出现以后，企业往往不会立马采用，因为技术采用是有成本的，而其收益则会受市场需求变动而产生不确定性。如果预期未来技术采用成本会大幅下降且市场需求会大幅增加，企业会考虑延后技术采用。例如，Mansfield（1989）观察到，副产品焦炉的采用用了15年，工业机器人则用了12年，内燃机车用了9年。

最早对技术扩散模式或路径的系统研究是Mansfield（1961）的开创性工作，同时，Griliches（1957）在研究技术创新中实际估计了一条技术扩散曲线。当前文献的共识是，技术扩散呈现S曲线模式：在新技术出现初期，只有少数企业会采用新技术，而随着越来越多的企业了解和知道该项技术以后，技术扩散加速，越来越多的企业选择采用该项技术，但是当市场上大多数企业已经采用了该项技术以后，技术扩散减缓，愿意采用该项技术的企业减少。

但是，文献对S曲线的技术扩散路径的解释存在三类不同的模型（Geroski, 2000）。第一类是流行病模型（The epidemic model），其基本的观点是技术扩散的速度不够快的原因是信息在潜在用户中传播的速度不够快。新技术的传播和采用往往需要一些隐藏信息和知识，而且依赖于口口相传等方式，其传播速度往往取决于信息在行业内、区域内的传播速度。由于简单技术的信息传播相对简单，这就意味着，简单技术的传播会比复杂技术的传播更快。第二类模型是概率模型（The probit model），该类模型主要从企业本身的特征解释技术扩散路径，因为企业才是决定是否采用某项技术的决策者。技术扩散速度缓慢可能是因为企业缺乏足够的动力来迅速采取行动。为了采用某项技术，企业往往需要某些特殊技能，花费一定的学习和搜寻成本，而每个企业的技能禀赋和学习成本是不一样的，决定了不同类型的企业采用新技术的动机也存在差异，这种企业本身的差异也就决定了技术扩散的路径。第三类模型则是从人口生态学中演化而来的密度依赖模型（The density dependence model），人口变迁类似，在这类模型中，一项新技术需要经历合法化过程（legitimation），即被接受的过程，而这一过程主要取决于市场上已经接受新技术的企业数量。随着新技术被越来越多的企业所接受，竞争压力会限制新技术的采用，因为采用新技术能够获得的额外收益越来越少了。因此，合法化和竞争的双重力量有助于建立新技术，但最终会限制它们的普及。

后续关于技术扩散的研究也基本是在以上三类模型中进行的。同时，基于这些有关技术扩散的微观分析，有些研究也将其用于分析制度、贸易、地理和政策等宏观因素对技术扩散的影响和后果。这也是大多数国内相关文献的研究重点，详细考察某一个特定技术的扩散或企业采用某项技术的研究则很少。例如，许和连等（2015）分析了贸易网络地位与技术的跨国扩散之间的关系；林建浩和赵子乐（2017）考察了方言和制度对技术扩散的影响。

与这些文献不同，本文主要考虑到企业之间的策略性行为，研究特定行业（工业机器人行业）中的行业竞争对技术扩散的影响。实际上，这与以上三类模型的分析是一脉相承的，因为这些模型的分析隐含一个基本结论，即技术扩散的路径不存在对所有行业均成立的精确模式，可能受行业内知识扩散、企业从成本收益角度考虑的内在动机、市场的竞争压力等行业异质性特征影响。因此，特定行业的技术扩散需要单独分析研究。

（二）机器人相关研究

与本文类似，少数文献也关注了机器人技术扩散的影响因素。一方面，Abeliansky and Prettner（2017）较早关注了人口数量变动对机器人使用密度的影响，他们研究发现，人口增长率提高会降低机器人使用密度，人口增长1%平均会导致机器人使用密度降低2%。Zator（2019）则发现，融资约束会阻碍机器人技术扩散。另一方面，Acemoglu and Restrepo（2018a）利用跨国截面数据，研究人口老龄化对机器人产业的影响，结果表明，人口老龄化会促进机器人的研发和使用。而且，由于机器人主要替代36-55岁的劳动人口，因而该年龄段劳动人口就业更多的行业的机器人使用密度更高。同样地，Stähler（2021）通过建立生命周期理论模型，也发现人口老龄化和机器人生产率提高会促进机器人使用，而且机器人技术扩散可以缓解老龄化带来的经济增长损失，但会加剧收入不平等。另外，Acemoglu et al.（2020b）考察了税制结构的影响，研究发现，当前美国的税收体制偏向于资本而不利于劳动，会导致自动化水平过高，但是，政府可以通过降低劳动税率、征收机器人税，从而增加就业并达到最优的自动化水平。

有一些学者也研究了中国机器人应用情况。余玲铮等（2019）通过企业调查问卷发现，出口导向、规模较大、用工短缺的企业使用机器人比例更高。同时，他们认为，劳动力市场变化和竞争环境是促进机器人使用的重要原因。Fan et al.（2020）则基于最低工资水平的变动，考察了劳动力成本对企业采用机器人的影响。研究发现，在2008年以前，提高最低工资水平不会影响企业采用机器人的概率，而在2008年以后，提高最低工资水平会提高企业采用机器人的概率，而且这种促进效应在效率高的企业、沿海城市的企业和技术劳动力密集行业更显著。Cheng et al.（2019）也是基于企业调研数据，发现企业规模和资本密集度与企业机器人使用密度正相关，而且劳动力成本上升是推动机器人使用的重要因素。

本文与这些研究存在三点重要区别：第一，这些研究基本都关注企业层面企业特征对机器人技术扩散的影响，而本文关注行业层面机器人使用的影响因素，即市场结构的影响。一方面是因为高质量企业层面机器人使用数据较难获得，另一方面是因为行业层面的考察更能反映整个机器人产业发展的规律，而微观企业特征很难完全反映整体行业情况，尤其是无法考虑企业间的策略性行为的影响。第二，本文基于深入的实地调研，总结出了当前中国工业机器人的典型事实，并建立了理论分析模型，以此作为实证研究的基础。第三，本文采用了行业机器人实际使用数据，而不是用机器人进口数据（Fan et al., 2020）或部分企业的调研数据（余玲铮等, 2019；Cheng et al., 2019）。

三、调研发现

本文首先从实地调研的经验出发，提炼出我国工业机器人应用的典型事实，以此作为对机器人技术扩散的建模基础。2019年至2021年期间，作者曾多次赴广东广州、深圳、东莞和浙江温州等省市，专题调研我国智能制造和工业机器人应用情况，包括汽车整车及配件制造、轮船制造、电梯制造、机器人制造、低压电器制造、服装制造等行业中的应用情况。基于这些实地调研，结合与政府相关部门的座谈，我们提炼出当前我国工业机器人应用的两点典型事实。

第一，我国工业机器人推广应用进程缓慢，大多数行业处于工业机器人应用初期阶段。据了解，作为全国制造业发达省份，广东省80%的制造业企业仍处在向自动化转型的工业3.0阶段。虽然万里挑一有一两家自动化工厂，如深圳富士康的灯塔工厂，但是相当大比例的企业根本没有自动化计划。例如，在某知名电梯制造企业的生产车间中，几乎所有环节都没有机器人，产线仍依赖大量的人工。而且，由于当前工业应用机器人技术的使用密度较小，机器人使用还没有对劳动力市场带来显著的冲击，对企业用工需求影响也不大。

我国工业机器人推广应用比较缓慢的原因可以概括为两个方面。一是技术上不具备大规模应用的条件，技术成熟仍需要时间。工业是高度垂直化的，垂直领域之间的工业机理不通用。工业细分行业较多，不同行业的生产线、工艺、产品规格差异大，但工业又追求生产稳定性和成品率，即便是同行业同产品，不同企业对工艺、产品的理解不一样，其自动化的路径和工业机器人的应用也会完全不一样。与商业智能不同，工业中将人的经验固化到机器上更难，因而基于数据的经验固化、产业化过程比较漫长，尤其是当前工业领域数据积累量仍比较少。据某知名企业介绍，使用机器人生产西服就很困难，每一件西服都有一条关键的纹路，这种纹路要非常的直，而由于衣服的材料和材质等差异性非常大，当前工业机器人很难达到这种精度，而只能依赖人的经验手工完成，而且，衣服的纤维和弹性会随天气等因素变化而变化，机器人很难兼容这些因素。二是经济上成本太高、收益不够。虽然有些环节或全部环节在技术上都可以实现自动化，但是企业仍会因成本收益考量而选择不投入，不采用机器人生产。例如，在低压电器的生产方面，全自动化生产在技术上完全可以实现，但是企业仍保留只有70%自动化的生产线，而不愿进一步提高自动化程度。另外，企业进行数字化智能化改造，需要既懂数字化、智能化又懂工艺的人才队伍，而当前这方面人才缺口很大，提高了企业采用机器人生产的成本和难度。

第二，企业是否采用机器人取决于短期固定成本与长期收益的权衡，即短期投入固定成本，长期提高效率、节约可变成本以获得收益。工业机器人的应用和自动化生产是工艺流程创新，不是产品创新，本质上是更好的生产：以更低的成本生产更好的产品。短期内，企业采用机器人生产的前期投入比较大，成本高，资金需求量很大。而且，一般而言，企业需要建立新的生产线，才能进行比较彻底的信息化自动化智能化改造，所有的设备都需要升级换代、从零开始，而无法基于原有的设备、原有的产线进行简单的技术改造，前期投入巨大。据了解，投产一个全新的智能化汽车生产线投资额高达40多亿元，投产一个低压电器智能工厂的成本也高达20多亿元。

长期来说，采用机器人生产可以提高生产效率，节约劳动成本，但是，这种效率提升能否转变成收益仍面临不确定性，与市场环境高度相关。直观上，采用机器人生产会提高生产效率，节约成本，但也需要足够的市场需求做支撑，如果市场需求不足，企业新建了自动化产线，生产一天，停工三天，也无法获得足够的额外收益。同时，劳动力市场环境也是重要因素。当前我国劳动力成本上升和“用工荒”促进了企业的自动化转型，因为自动化可以节约更多的生产成本，同时缓解“用工荒”。近年来，我国人工成本上升，尤其是珠三角地区的人工成本快速上涨，但企业还是面临“用工荒”问题，很难招到合适的劳动力。而且，人才结构性问题比较突出，年轻人的就业观念发生改变，年轻人熬不住，研发人才留不住，高级技工抢着要。

总之，当前我国工业机器人应用程度不高且对劳动力市场的影响有限，因而研究机器人技术扩散规律、深化对工业机器人应用的规律性认识十分重要。假定机器人应用不存在技术限制，本文考察既定市场环境下企业采用机器人生产的激励问题。而且，由于采用机器人是流程创新，企业可以短期内投入固定成本，建立自动化产线，长期内降低生产成本，获得收益。因此，在以下理论模型中，本文将机器人技术建模设定为企业可以投入一定的固定成本，降低可变生产成本。

四、理论分析

既有理论模型大多采用Autor et al（2003）的建模思路，重点关注机器人替代劳动力的技术可能性：假设机器人可替代劳动完成特定任务，机器人应用程度高意味着机器人可替代劳动完成的任务越多。但是，以上实地调研表明，抛开技术原因，企业是否采用机器人生产面临着短期固定成本与长期收益之间的权衡。即便技术上是可行的，如果收益不足以弥补固定成本，企业也不会采用机器人或提高自动化程度。基于此，本文从企业成本收益权衡出发，建立如下理论模型，重点考察市场竞争环境对机器人技术扩散的影响。

考虑一个古诺竞争模型。假定市场上有n家企业，每家企业都可以用单位生产成本c，生产完全同质化的产品；企业之间进行数量竞争；每个企业都可以决定是否投入固定成本F，采用机器人生产，进行自动化改造，将单位生产成本从c降低至c-Δc。产品市场需求为：

为了研究企业采用机器人的激励与市场结构之间的互动，我们假定采用机器人的固定成本F短期内变动不大，而集中考察企业采用机器人生产可以获得的额外收益。在同等条件下，当企业能够获得的额外收益越高时，企业采取机器人的激励更高，机器人技术扩散更容易，机器人技术应用程度也就更高。反之，如果企业采用机器人生产所获的收益很低时，更不容易弥补前期的固定成本，机器人使用密度也就更低。

本文的目的是考察市场结构如何影响机器人技术扩散。我们用市场上企业数量n衡量市场集中度：当n=1时，市场结构为完全垄断；当n=2时，市场为双寡头垄断结构；当n≥3时，我们假定市场为垄断竞争或竞争性的。因此，本文研究的重点就是考察市场上企业数量n如何影响企业采用机器人生产获得的额外收益。我们首先比较完全垄断结构和双寡头结构下，企业采用机器人生产的激励，然后再考察一般情况。

（一）垄断与寡头垄断市场结构的考察

在垄断市场下，垄断企业不采用机器人和采用机器人生产的最大化利润分别为：

同样地，在双寡头垄断市场结构下，若两家企业都没机器人生产的市场均衡，任意企业的均衡产量和均衡利润为：

考虑两家企业采用机器人生产的动机，则市场可能存在三种情形：两家企业均采用机器人生产；只有一家企业采用机器人；两家企业都没有采用机器人生产。若两家企业都采用机器人生产，则市场均衡为:

同时，企业采取机器人生产所需投入的固定成本必须小于可以获得的额外利润，即：

类似地，若只有一家企业采用机器人生产（假定为企业1），则采用机器人生产企业的均衡产量和均衡利润为：

此时，企业1采用机器人生产可以获得的额外利润为：

为了保证企业1确实有激励采用机器人生产，采用机器人的固定成本必须满足：

为了确保另外一家没有采用机器人的企业（企业2）在看到第一家企业采用机器人之后不会有激励采用机器人，采用机器人生产的固定成本还需要满足：

此时，企业2采用机器人生产所获的额外收益小于其固定成本投入。

比较垄断和双寡头垄断市场结构下企业采用机器人生产的条件，我们可以推导如下定理：

定理1：（1）垄断市场结构下企业采用机器人的激励一定大于双寡头市场下两家企业均采用机器人生产的激励；（2）当采用机器人生产节约的单位生产成本比较大时，即Δc>2(a-c)/7 时，双寡头市场上只有一家企业采用机器人生产的激励高于垄断市场，反之，垄断市场下企业采用机器人生产的激励更高。

直觉上，企业是否采用机器人生产取决于其短期固定成本投入与单位平均成本的节约。在垄断情况下，市场只有一家企业，企业获得全部的市场份额，均衡产量高于双寡头市场下任意企业的均衡产量，因而采用机器人生产所能够节约的总平均成本更大。因此，垄断市场结构下企业采用机器人的激励一定大于双寡头市场下两家企业均采用机器人生产的激励。

但是，双寡头市场下，两家企业之间存在策略性竞争。任意一家企业采用机器人生产，都可以抢占另外一家企业的市场，获得更大的市场份额和均衡利润，即存在竞争效应。当采用机器人生产可以节约的单位平均成本足够高时，这种竞争效应就会使得其中一家企业采用机器人生产的激励高于完全垄断企业的激励，反之，则竞争效应不够强，垄断企业仍更有激励采用机器人生产。

因此，在采用机器人技术生产效率足够高时，双寡头市场比完全垄断市场更有利于机器人的初期推广使用（只有一家企业采用的情况），反之，垄断市场更有利于机器人技术扩散。

（二）一般情形的考察

定理2表明，在机器人技术扩散初期，其他条件不变，市场集中度越大，市场竞争程度低，机器人扩散程度也会相应更低。直观上，在机器人技术扩散初期，市场上采用机器人生产的企业不够多，采用机器人生产获得的竞争优势更大，可以抢占的市场份额和机会更大，即企业的竞争效应很大。此时，市场竞争越激烈，有利于发挥竞争效应的作用，企业采用机器人生产的激励也就越大，因此所有企业都希望获得先发优势。

反之，在机器人技术扩散后期，市场上采用机器人生产的企业已经很多，此时企业采用机器人生产所获得的竞争优势不够明显，竞争效应很小。此时，市场竞争加剧，企业采用机器人生产的激励反而降低，因为采用机器人生产所能获得的额外市场份额也会被竞争者稀释。

接下来，我们利用经验数据进行实证分析，进一步验证理论模型的分析结果。

五、实证分析

（一）研究设定

考虑数据可得性，本文采用我国行业层面2003-2019年的面板数据进行实证分析，行业层面机器人存量数据来自国际机器人联盟（International Robot Federation）。2012年以前的机器人使用数据主要来自机器人制造企业的进出口数据，但是2013年以后的数据包括了中国机器人供应商的数据，能够较好地反映中国工业机器人使用情况。行业层面的平均企业规模、资本密集度、资产收益率、行业成长性等指标的数据来自《中国统计年鉴》（2003-2020）。而行业层面的市场集中度、工艺复杂度、平均用工成本、融资约束等指标的相关数据确实，我们采用A股上市公司的相关数据，先获得企业层面指标，然后对其取平均值或加权平均值，以此表征行业相关指标，（数据来源为国泰安（CSMAR）数据库）。本文没有采用工业企业数据的主要原因是工业企业数据库只更新到2013年，但是中国工业机器人技术扩散和推广使用在2013年以后开始提速，截断之后的数据很难得出可靠结论。在数据处理方面，由于国际机器人联盟的行业分类与我国的国民经济行业分类不一致，因而需要按照一定的规则将两者进行匹配。本文参照吕越等（2020）整理出来的行业转化表进行匹配，整合机器人行业数据和其他相关数据。

机器人使用密度可以反映一国机器人技术扩散和应用水平。表1统计了2006年、2009年、2012年、2015年和2019年我国工业分行业机器人使用密度情况。总体上，我国工业机器人应用推广程度在过去十几年间有很大的提高，尤其是在2015-2019年间，所有行业的机器人使用密度成倍增长。分行业来看，机器人使用密度最高的前四个行业分别是汽车制造业，半导体、LCD、LED制造业，金属制品业，橡胶和塑料制品业，机器人使用密度分别达到每万人740台、176台、171.5台和166.6台。但是，与此同时，机器人使用密度最低的几个行业不够每万人10台，包括纺织业，造纸业，制药和日化业，矿采选业、电力、燃气、水生产和供应业。这就意味着，机器人几乎还没有在这些行业开始成规模应用。

表1 我国工业分行业机器人使用密度（台/每万名员工）

进一步，图2给出了我国分行业工业机器人使用密度的时间趋势图，各行业的工业机器人使用密度都呈现增长趋势。同时值得注意的是，不同行业的增长速度和使用程度存在很大的差异，这些差异为我们研究工业机器人技术扩散规律提供了基础。

图2 我国分行业工业机器人使用密度变动趋势

为了直观了解市场结构与工业机器人使用密度之间的关系，图3给出了市场结构与工业机器人使用密度之间的散点图。两者之间的拟合线呈现向右下方倾斜的趋势，表明两者之间可能存负相关关系。

图3 中国工业机器人密度和市场集中度的散点图

（二）实证结果

表2报告了我国市场结构对工业机器人使用密度之影响的回归结果。模型（1）至模型（6）为逐步加入关键控制变量的结果。其中，模型（1）中没有加入其他控制变量，在1%的显著性水平下，市场结构的回归系数显著为负，说明市场集中度对工业机器人使用密度具有显著的负向影响。模型（2）加入了行业基本特征，包括行业平均企业规模、资产密集度和资产收益率等变量，表征市场结构的HHI指数的回归系数仍然为负，但是回归系数不显著。进一步，模型（3）加入了行业技能强度、技术工人比重指标，市场结构的回归系数为负，但是不显著。类似地，在模型（4）至（6）中，市场结构的回归系数保持为负值，但是不显著。由于理论模型表明，市场结构与机器人技术扩散可能存在非线性关系，模型（7）加入市场集中度的二次项，以此验证市场集中度对工业机器人的影响是否存在非线性。回归结果表明，加入二次项以后，市场集中度的一次项和二次项的系数都变成正，但都不显著。因此，综合模型（1）至模型（7）结果可知，当前我国市场集中度对机器人技术扩散的影响是负向的，且不存在非线性关系。

表2 市场结构与工业机器人使用密度

虽然实证研究未能发现我国市场集中度与机器人技术扩散的非线性关系（U型），但是我们认为，这一结果基本符合以上理论模型的分析结论，因为在机器人扩散初期，市场越集中越不利于机器人技术扩散，而当前我国机器人使用密度仍然比较低，正处于机器人技术扩散的初期。虽然我国工业机器人存量和安装量都已经是全球第一了，但是我国是工业大国，制造业产值世界第一，而且机器人技术研发、推广应用起步较晚，导致我国工业机器人使用密度仍远低于发达国家水平。2018年，我国工业机器人使用密度为140（每万名员工），远低于新加坡（831）、韩国（774）、日本（327）等国。而且，细分行业的情况也类似。以汽车制造业为例，我国工业机器人使用密度为740左右，是当前我国工业机器人使用密度最高的行业。但是，韩国汽车制造业的工业机器人使用密度高达2 589，而美国、日本、德国、法国等国的数值也均高达一千多。进一步，实地调研也印证了这一观点，即我国大多数制造业企业均还未开始自动化，只有少数龙头企业和标杆企业在进行自动化智能化转型。因此，在当前我国机器人技术应用初期阶段，市场竞争有利于提高工业机器人使用密度，而市场集中不利于提高机器人使用密度。

另外，控制变量中，平均企业规模的回归系数在1%的显著性水平下显著为正，而且在加入其他控制变量之后仍然显著为正，说明行业平均企业规模越大，越有利于工业机器人技术的扩散，这一结果也基本符合理论分析的预测。给定其他条件下，企业规模越大，采用工业机器人生产可以节约的可变生产成本越高，企业采用机器人生产的激励也就越大。这一发现与余玲铮等（2019）通过问卷调研所观察到的经验事实是一致的：一般情况下，规模较大的企业更倾向加大机器设备投入以实现生产成本的节约（Brynjolfsson and McElheran, 2016）。但是，与Koch et al.（2021）不同，用本科以上人数占比表征的技能强度的影响也显著为正，即行业技能强度越高，越有利于工业机器人技术扩散。原因可能是，采用工业机器人生产需要较高的技能投入，从了解工业自动化生产机理到机器人的日常操作和使用都需要一定的知识积累，因而技能强度越高，采用工业机器人生产的基础越高，也就越有利于机器人技术扩散。同时，劳动力市场平均工资水平的变动对行业工业机器人强度影响不显著，其回归系数不显著。另外，融资约束的回归系数显著为负，说明融资约束是制约工业机器人技术扩散的重要因素。直觉上，采用机器人生产是一笔很大的固定投入，资金需求很大，而融资约束则限制了企业获得资金进行自动化改造，因而不利于工业机器人使用密度提升。

表2的分析结果表明，市场集中度与工业机器人使用密度之间存在负向关系，但是，市场结构与工业机器人使用密度之间可能存在内生性。以上理论模型分析也确实表明，企业采用机器人生产会增加本企业的市场份额，同时可能还会导致一些企业停止生产，进而影响市场结构。为此，我们采用市场结构的滞后一期作为核心解释变量进行回归。一方面，市场结构可能对机器人使用密度的影响存在滞后性，因为采用机器人生产是一种大量的固定成本的投入，当期的市场结构可能主要影响企业下一期是否采用机器人的决定，进而影响下一期的机器人使用密度。另一方面，采用滞后变量可以部分解决市场结构与机器人使用密度之间的内生性，因为当期企业采用机器人生产需要一定时间才会影响市场结构，而不会对前一期的市场结构产生影响。这一点从论文的理论模型分析也可以看出，企业采用机器人生产，对市场结构的影响需要有一定的时间发酵，没有采用机器人的企业由于竞争而淘汰也有一个过程，而不会立刻对市场结构产生影响。

表3报告了市场结构滞后一期变量的回归结果，回归结果验证了市场集中度对工业机器人使用密度的负向影响，且不存在非线性关系。而且，采用市场集中度的滞后一期变量后，市场结构的影响在模型（1）—（5）中均显著为负，回归系数也大于市场结构当期变量的回归系数，为0.8左右。给定其他条件不变，市场集中度HHI指数增加一个百分点，会平均降低工业机器人使用密度0.8个百分点。同时，其他控制变量的回归结构均很稳定，表明了整体回归结构的稳定性。其中，行业平均企业规模和技能强度的系数显著为正，而融资约束SA指数的回归系数显著为负。

表3 市场结构的滞后变量与工业机器人使用密度

续表

为了进一步验证回归结果的稳健性，我们考虑了两种稳健性检验：第一，更换被解释变量，使用每年工业机器人新增安装量作为被解释变量进行回归分析，以此研究市场结构对工业机器人推广使用的影响；第二，由于行业层面的样本量比较少，我们参考王永钦和董雯（2020）的方法，进一步将行业层面的机器人使用密度分解到企业层面，以此扩充样本数量。

表4报告了市场结构对工业机器人使用增量的回归结果。显然，市场集中度HHI指数与工业机器人使用增量之间也存在显著负向关系，回归系数显著为负，而且回归系数略大于其对机器人使用密度的回归系数值。同样地，其他控制变量的影响保持稳定。平均企业规模、技能强度对工业机器人年新增安装量存在显著正向影响，而融资约束不利于工业机器人推广使用，但是，融资约束的回归系数不显著。

表4 市场结构与工业机器人使用增量

续表

表5报告了企业层面市场结构与工业机器人使用密度（ICHF）之间的回归结果。市场结构HHI指数的回归结果显著为负，而且回归系数值略小于行业层面的回归系数，但是相差不大。同时，其他控制变量的回归结果则提供了一些有趣的发现。企业资本密集度的回归系数显著为正，说明资本密集度越高，越有利于企业采用机器人。这一结果与Koch et al.（2021）的结论是一致的。而且，工资水平的回归系数在5%的显著性水平下显著为正，即工资水平上涨会有利于企业采用机器人生产。这一回归结果部分印证了我们的实地调研观察的现象：工资水平上涨会助推企业加速采用工业机器人生产。

表5 市场结构与工业机器人使用密度——企业层面

六、结 论

工业机器人是制造业的“皇冠”，对缓解劳动力短缺压力和推动制造业转型升级具有重要意义。经过十几年的发展，工业机器人在我国制造业中的应用快速增长。然而，由于我国工业机器人应用起步比较晚，当前我国工业机器人应用水平仍然比较低。为此，本文结合实地调研、理论模型和实证分析，研究市场结构对我国工业机器人技术扩散的影响。

基于实地调研，本文总结出了我国工业机器人产业发展现状及主要影响因素。当前国内工业机器人渗透难，推广应用进程缓慢，大多数行业处于工业机器人应用初期阶段，对劳动力市场影响仍不显著。其中有两点重要因素：一是技术上不具备大规模应用的条件，技术程序仍需要时间。工业是高度垂直化的，细分行业较多，且不同行业内生产线、工艺、产品规格差异大，但工业又追求生产稳定性和成品率。与商业智能不同，当前工业领域数据积累量仍比较少，将人的经验固化到机器上更难。二是经济上成本太高、收益不够，企业选择不采用机器人生产。进一步，工业机器人的应用和建立自动化生产线是工艺流程创新，不是产品创新。企业是否进行机器换人，取决于短期固定成本投入和长期平均生产成本降低之间的权衡与市场环境。劳动力成本上升和“用工荒”是促进企业进行生产线改造和机器换人的重要影响因素，但由于机器换人的前期投入比较大、成本高，企业采用机器人生产的积极性受到影响。

结合实地调研观察到的经验事实，本文对不同市场结构下企业采用机器人的激励进行了理论建模分析，研究发现：当市场上采用机器人的企业数量较少时，即在机器人技术扩散初期，市场竞争越激烈越有利于机器人技术扩散，企业更愿意采用机器人生产，因为此时企业希望获得先发优势。但是，在机器人技术扩散后期，市场越集中反而越有利于机器人技术扩散。为了进一步验证理论分析的结论，本文利用我国2003-2019年的经验数据，实证研究了市场结构对工业机器人使用的影响。结果表明，提升市场竞争程度有利于促进工业机器人在工业行业中的扩散，部分验证了理论模型的结论。

本文的研究结果为进一步促进我国机器人尤其是工业机器人推广应用提供了以下几点有益启示。第一，当前我国仍处于机器人技术扩散初期，市场集中度过高不利于机器人技术扩散和推广应用。因此，政府应当坚持市场在资源配置中的决定性作用，强化市场竞争作用，强化市场反垄断监管，促进企业采用机器人技术生产的激励，进而提升整个制造业的自动化水平。与此同时，政府需要重点关注市场集中度较高的行业，其机器人技术扩散应用推广程度比较低且进程较为缓慢，政府需要考虑使用其他激励手段促进这些行业的机器人使用推广，提高其行业自动化水平，进而推动行业转型升级。

第二，以本科以上员工人数占比表征的技能强度对机器人技术扩散具有显著正向影响。这意味着，提升工业机器人使用密度需要加强工业行业的人力资本转型和提升，工业机器人产业应用推广需要大量同时了解工业机理和工业机器人技术的复合型人才，当前，这种复合型的技能人才缺口较大，而且未来将随着工业机器人大规模推广应用而进一步放大。因此，政府应当关注工业机器人推广使用中的技能人才供给，通过再培训被机器人替代的生产工人和加强职业教育等方式，缓解当前技能人才短缺问题。

第三，由于工业机器人技术应用成本较高，融资约束制约了我国工业机器人使用密度提升，因而，切实解决好企业采用机器人技术生产的资金问题，可以有效提高工业机器人的推广普及程度。为此，政府可以提供一些普惠性的税收优惠或补贴政策，尤其重点关注大量中小企业在自动化转型过程中的融资约束问题。