产业智能化对出口复杂度的影响：兼论人口老龄化的调节作用

张龙鹏 张双志 胡燕娟

关键词：出口复杂度；产业智能化；人口老龄化

一、引言

机器学习、深度学习等人工智能关键核心技术的发展，使得人工智能具备了通用技术的特性，其能广泛渗透到经济社会生活的各个领域（Cockburnetal.，2018）。产业智能化就是人工智能在产业领域渗透和应用的过程，且产业智能化的趋势日益显著。国际机器人联合会的数据显示，全球工业机器人存量已从1993年的45.55万台增加到2020年的248.61万台①。在此背景下，以Acemoglu等为代表的国际重量级学者开启了产业智能化的经济社会影响评估的研究热潮。已有文献重点探讨了产业智能化对劳动力市场和经济增长的影响，涉及就业规模与结构、劳动收入份额、收入差距、生产率等维度（曹静和周亚林，2018；FurmanandSeamans，2018；郭凯明和向风帆，2021）。本文尤为关注产业智能化对出口复杂度的影响。出口复杂度反映了一个经济体的出口技术含量、出口结构、生产效率等重要经济特征（杜传忠和管海锋，2021）。提升出口复杂度有助于产业迈向全球价值链中高端，增强经济体的国际竞争力。因此，从出口复杂度的角度展开研究，有利于我们了解如何更好地推进产业智能化，实现经济高质量发展。

同时，全球人口结构发生了深刻的变化，人口老龄化成为全球的基本宏观背景。2002年，全球65岁及以上人口占总人口的比重首次超过7%，为7.1%。按照联合国标准①，全球在2002年已进入老龄社会。2020年，全球65岁及以上人口占比达到9.3%，老龄化程度持续加深。人口老龄化背景伴随产业智能化的进程，因此学者们关注到了人口老龄化对产业智能化的影响（陈秋霖等，2018；刘骏等，2021；AcemogluandRestrepo，2022），这些学者的研究基本认为人口老龄化促进了人工智能在产业中的应用。也有文献研究了人口老龄化与产业智能化的共同作用带来的影响。陈彦斌等（2019）、Acemoglu和Restrepo（2017a）討论了人口老龄化与产业智能化对经济增长的影响，王瑞瑜和王森（2020）则讨论了对产业结构调整的影响。因而，本文在研究产业智能化对出口复杂度的影响的过程中，将人口老龄化这一重要趋势纳入进来，考察人口老龄化所发挥的调节作用。

从已有文献来看，本文的贡献可能体现在两个方面。一方面，袁其刚等（2022）、徐晔等（2022）专门讨论了产业智能化对出口复杂度的影响，但在人口老龄化趋势下，如果研究产业智能化对出口复杂度的影响过程中忽略了人口老龄化的作用，可能会使得我们遗漏一些有意义的研究结论。因此，本文将产业智能化与人口老龄化结合起来，研究两者对出口复杂度的影响。另一方面，不同国家不同行业的智能化程度存在显著的差异性，人口老龄化对不同行业的影响也具有异质性，因而，本文利用制造业细分行业的跨国数据展开实证研究，进而能够探讨更为细致的国家、行业异质性，得到更富有启示性的研究结论，深化我们对产业智能化、人口老龄化与出口复杂度的认识。

二、研究假设提出

（一）产业智能化影响出口复杂度的研究假设

作为一种通用技术，人工智能能够渗透到产品设计、生产制造、市场营销等价值链环节，从而对产业组织产生深刻的影响。在产品设计中，大多数产品创新本质上是智力劳动密集型活动，需要靠研发人员不断地搜索和试验，并且搜索和试验的边际成本不断上升（Cockburnetal.，2018）。应用人工智能可以实现搜索和试验的快速化、海量化，并能得到更佳的产品设计方案，不仅提升了已有产品的质量，而且加快了产品创新进程，向市场快速推出全新的产品。人工智能对产品创新的促进效应在生物医药行业得到了很好的验证。包含1060个分子的化学空间能够促进大量药物分子的开发，但需搜索和试验海量的分子组合，先进技术的缺乏限制了药物开发的进程，使得药物开发成为一项耗时且昂贵的研发活动。人工智能的应用可以识别命中化合物和先导化合物，加快药物靶点验证，优化药物结构设计，加速药物开发（Pauletal.，2021）。产品创新意味着能够增加产品多样性和提升产品质量（李玉山等，2019），赋予出口产品更多的技术含量，也就提升了产品出口复杂度。刘泽岩等（2021）的实证研究也证实了产品创新对出口复杂度提升具有显著的促进作用。

从生产制造看，人工智能嵌入该环节，可以带来生产流程的创新和生产效率的提升。一方面，机器视觉、声纹识别技术、深度学习等人工智能技术的应用可以实现产品质量检测与故障判断，帮助企业提高产品的生产质量。同时，人工智能还有助于建立一个可以实时更新的、现场感极强的数字孪生模型，用来支撑物理产品生命周期各项生产活动的决策，进而帮助企业不断提高产品生产质量和实现柔性化、个性化生产。产品生产质量的提升也就赋予了出口产品更多的技术复杂度。另一方面，人工智能在生产制造中的应用实际上是资本替代劳动力的过程，从而给生产流程带来根本性变革，显著提升劳动生产率（GraetzandMichaels，2015）。正如张艾莉和尹梦兰（2019）的研究所指出的，劳动生产率提升所带来的规模效应能够增强产品差异化优势，实现出口复杂度的提升。同时，劳动生产率的提升本身也实现了生产成本的有效控制，而成本控制是企业提升出口复杂度的重要路径（Hausmannetal.，2007；黄先海等，2010；王永进等，2010）。

互联网、大数据等信息技术的发展使得人工智能在市场营销环节最直接和成功地应用在于客户画像领域。借助互联网、大数据等信息技术，企业能够有效地收集和存储客户的人口属性、行为属性、社交属性等大数据信息。进一步地，通过深度学习、图计算、知识图谱等人工智能技术，企业可以精准地展开客户画像。与基于一般信息技术的客户画像不同，人工智能技术下的客户画像不仅能呈现客户认知方面的信息，更能挖掘深层次的感知信息。王烽权等（2020）指出人工智能可以通过中心化、社群化和场景化重构“人”。客户画像有利于企业精准了解客户的个性化、多样化产品需求，进行近似全样本自然实验，为持续改进产品质量和实施产品创新提供了条件（张龙鹏和周立群，2016；Ghasemaghaeietal.，2017）。肖静华等（2020）的案例研究也表明，基于大数据、人工智能的用户数据和需求分析，有助于形成数据驱动的企业与用户产品互动创新。正如前文分析指出的，产品创新将推动出口复杂度的上升，因此，人工智能在市场营销环节的应用也有助于出口复杂度的提升。

综上所述，人工智能在产业组织中研发设计、生产制造、市场营销等关键环节的应用有助于提升产业的出口复杂度。

（二）人口老龄化调节作用的研究假设

随着人类社会进入老龄化阶段，人口老龄化会产生多维和复杂的经济社会影响，但一个基本确信的事实是人口老龄化会导致有效劳动供给减少，带来劳动力成本的上升（Bloometal.，2010；随淑敏和何增华，2020），这会促使企业选择更为便宜的生产要素投入生产活动。虽然现有文献关于人工智能对总就业的影响并没有得到一致的结论，但人工智能确实是一项劳动节约型技术。刘骏等（2021）基于跨国数据的估计结果显示，一个机器人可以替代39-46个劳动力①。随着人工智能技术的发展，相关智能产品价格在不断下降，使得人工智能逐渐成为企业替代劳动力的一个优选项，人工智能在产业中的应用越来越普遍。在此背景下，产业智能化便成为应对人口老龄化所带来的劳动力供给减少的有效途径。陈秋霖等（2018）基于跨国数据的研究表明，人口老龄化程度越高的经济体越倾向于采用智能化生产，人口老龄化是推动产业智能化的一个重要诱因。Acemoglu和Restrepo（2022）基于美国的实证研究也持一致的观点。刘骏等（2021）面向2050年预测了中国机器人密度和人口老龄化的变化，预测结果表明机器人在产业中的应用基本能够应对中国人口老龄化所带来的劳动力短缺问题。总的来说，当一个经济体进入老龄化社会时，必然会对全社会的劳动力供给带来负面冲击，企业利用资本和技术替代劳动力的需求就更加强烈，产业智能化的趋势也会越来越明显。因此，在人口老龄化的经济体中，劳动力资源相对稀缺，增加劳动力的边际成本也就相对较高，这时产业应用人工智能所产生的边际价值就越大（陈秋霖等，2018）。可以推断，随着人口老龄化程度的上升，产业智能化对出口复杂度的正向边际作用也会增强。进一步地，在人口老龄化背景下，相对于资本技术密集型行业而言，劳动密集型行业面临有效劳动供给减少的压力更大，这也就意味着人口老龄化程度的上升将使得劳动密集型行业的智能化产生更大的出口复杂度提升效应。

上述分析表明，随着人口老龄化程度的上升，产业智能化对出口复杂度的提升作用也将增强，并且在劳动密集型行业中表现得更为突出。

三、研究设计

（一）数据来源

本文使用四个方面的数据度量研究中使用到的变量。①利用2016年版的世界投入产出数据库（WIOD）计算43个国家56个行业2000年到2014年的出口复杂度，其中有19个制造业行业。②使用国际机器人联合会（IFR）采集的工业机器人数据度量制造业的智能化程度，工业机器人数据包含了73个国家14个制造业行业1993年到2020年的机器人年度安装量和存量。③研究控制了各国行业层面影响出口复杂度的变量，这些变量的度量数据来自WIOD的社会经济账户（SEA），其包含了世界主要国家不同行业分年度的增加值、就业人口、资本存量等数据。④国家层面的控制变量数据来源于世界银行的数据库。由于WIOD、SEA的行业分类与IFR的行业分类有所差异，因此本文以IFR的行业分类为准，进行数据匹配，最终得到40个国家14个制造业行业2000年到2014年的研究样本。

（二）变量说明

研究变量包含被解释变量（出口复杂度）、核心解释变量（产业智能化）、调节变量（人口老龄化）以及控制变量，接下来简要说明这些主要变量的度量。

①出口复杂度。根据程大中等（2017）的研究，首先基于Wang等（2013）的出口增加值分解框架，借助2016年版的WIOD，从后向关联的角度对各国制造业细分行业的出口增加值进行分解，然后根据式（1）和式（2）计算2000年至2014年各国制造业细分行业的出口复杂度。

其中，vxji表示i国j行业的出口增加值；Yi为i国经购买力平价后的人均GDP；NEXPYj代表行业的出口复杂度，值越大，说明出口复杂度越高。在实证研究中，出口复杂度的计算值取自然对数。

②产业智能化。已有文獻主要是根据机器人在行业中的应用情况来衡量产业的智能化程度，如Acemoglu和Restrepo（2017b）、刘斌和潘彤（2020）、吕越等（2020）的研究。本文参考刘斌和潘彤（2020）的研究，利用机器人使用密度作为产业智能化程度的代理变量。机器人使用密度指的是行业内每千人就业人口拥有的机器人存量数量。机器人使用密度越大，代表产业智能化水平越高。本文利用IFR提供的机器人数据和SEA包含的就业人口数据，分年度计算了各个国家制造业细分行业每千人就业人口所拥有的机器人存量数量。

③人口老龄化。一个国家人口的老龄化程度可以用老年人口占总人口的比重来衡量，一般可用60岁及以上人口占总人口比重或65岁及以上人口占总人口比重。本文直接使用世界银行数据库公布的65岁及以上人口占总人口比重度量各个国家的人口老龄化程度。

④控制变量。研究从行业层面和国家层面控制了影响出口复杂度的因素。就行业层面的控制变量而言，参考邱斌等（2012）、刘斌和潘彤（2020）的研究，控制了各个国家制造业细分行业的劳动生产率和劳均资本存量。劳动生产率用行业增加值除以就业人口得到，实证研究中取自然对数；劳均资本存量用行业资本存量除以就业人口得到，实证研究中取自然对数。劳动生产率高的行业越有可能进入资本、技术密集型环节，从而推动出口复杂度的提升。劳均资本存量反映了行业的投资水平，并通过影响机械设备投入，对行业的出口复杂度产生影响。就国家层面的控制变量而言，根据李金城和周咪咪（2017）的研究，控制了各个国家的互联网发展水平，他们认为互联网发展通过信息成本节约效应和人力资本提升效应促进了出口复杂度的提升。国家互联网发展水平使用互联网人口占总人口的比重来衡量。此外，参考张雨和戴翔（2015）关于服务业出口复杂度影响因素的研究，还控制了国家的制造业就业人口规模和经济发展水平。制造业就业人口规模使用制造业就业人口占总就业人口比重度量；经济发展水平使用人均GDP的自然对数衡量，人均GDP以2010年不变美元价计。

（三）实证模型设定

首先，本文利用制造业跨国数据实证检验产业智能化对出口复杂度的影响，为此构建如下实证模型。

四、特征事实分析

（一）产业智能化的特征事实

表1汇报了2000年到2014年40个国家制造业细分行业每千名就业人口拥有的机器人存量数量。由表可知，整体而言，全球制造业每千名就业人口拥有的机器人数量呈增长趋势，说明全球的产业智能化程度在不断提高。从行业异质性来看，资本技术密集型制造业每千名就业人口拥有的机器人数量明显高于劳动密集型制造业，表明资本技术密集型制造业的智能化需求要强于劳动密集型制造业。从2014年的情况来看，产业智能化程度最高的三个行业是汽车制造业，计算机、通信和其他电子设备制造业，橡胶和塑料制品业，最低的三个行业则是纺织品、服装和皮革制品的制造，化学原料和化学制品制造，木材加工和木、竹、藤、棕、草制品。

（二）出口复杂度的特征事实

表2汇报了2000年到2014年40个国家制造业细分行业出口复杂度的测算结果。由表2可知，制造业细分行业的出口复杂度异质性没有产业智能化显著。一方面，从2000年到2014年，除食品、饮料、烟草制造业出口复杂度持续提升外，其他行业的出口复杂度处于波动状态。另一方面，在2014年，我们既可以看到食品、饮料、烟草制造等劳动密集型制造业出口复杂度高于计算机、通信和其他电子设备制造等资本技术密集型制造业出口复杂度，也可以看到电气机械和器材制造等资本技术密集型制造业出口复杂度高于纺织品、服装和皮革制品的制造等劳动密集型制造业出口复杂度。

（三）人口老龄化的特征事实

在本文的40个样本国家中，2000年有34个国家65岁及以上人口占比超过7%，到了2014年，有37个国家65岁及以上人口占比超过7%，说明研究期内人口老龄化已成为样本国家的基本宏观背景。进一步地，图1报告了2000年到2014年40个国家人口老龄化率均值和中位数的变化趋势。从图中可以看出，人口老龄化程度在不断加深，且在2010年后有进一步加快的趋势。2000年，各国65岁及以上人口占比的均值为13.1%，中位数为14.9%。到了2014年，人口老龄化率的均值为16.1%，中位数为17.7%。

五、实证结果分析

（一）产业智能化影响出口复杂度的实证结果

1.基本回归结果

本文根据式（3）所示的实证模型，利用普通最小二乘法，从制造业跨国层面估计了产业智能化对出口复杂度的影响，表3汇报了基本回归结果。由表3可知，在逐步控制固定效应和加入控制变量的过程中，产业智能化的估计系数均在1%的显著性水平上为正，表明制造业智能化水平的提升能够显著提高出口复杂度，推动一个国家全球价值链的升级。第（2）列到第（4）列的估计结果表明，控制固定效应和加入控制变量后，产业智能化的估计系数基本稳定。从第（4）列的估计结果看，产业智能化的估计系数为0.0086，说明全球制造业中每千名就业人口拥有的机器人数量每增加1臺，出口复杂度将上升0.86%。

2.稳健性检验结果

①更换产业智能化度量指标。基本回归使用每千人就业人口拥有的机器人存量数衡量行业的智能化水平，而在另外一些文献中，学者们采用的是机器人的安装量（AcemogluandRestrepo，2017b；王文等，2020）。鉴于存量和安装量是不同的概念范畴，这里使用每千人就业人口的机器人安装量重新度量产业智能化水平，以检验研究结论的稳健性。表4的第（1）列汇报了更换产业智能化度量指标后的估计结果。估计结果显示，产业智能化的估计系数为0.0519，且通过了1%的显著性检验，这表明每千人就业人口机器人安装量每增加1台，出口复杂度将上升5.19%。由此说明，在更换了产业智能化度量指标的情况下，产业智能化的出口复杂度提升效应依然显著存在。

②更换研究样本。SEA缺少中国分行业的就业数据，因此基本回归中并不包含中国的样本。我们重新收集中国分行业的就业数据，利用中国样本再检验产业智能化对出口复杂度的影响。基于中国样本的实证检验有两点需要说明：第一，2006年开始才有中国工业机器人存量的记录数据，因此研究时间范围调整为2006年到2014年；第二，由于使用的是中国行业层面的数据，因此实证研究没有控制国家层面的变量，仅控制了行业层面的变量。行业层面的控制变量包括技术创新、出口交货值占营业收入比重、劳动生产率（每万人就业人口所产生的增加值的自然对数）、应交所得税占利润总额比重。技术创新的度量指标来源于寇宗来和刘学悦（2017）构建的产业创新指数①，并取自然对数。产业增加值来源于SEA，其余变量度量需要的数据来自中国统计年鉴。表4的第（2）列汇报了基于中国行业样本的估计结果。结果显示，产业智能化的估计系数显著为正，这说明在中国情境下产业智能化依然促进了出口复杂度的提升。

③工具变量回归。基本回归的估计结果可能会受到内生性的影响。内生性的来源有两个方面：一方面是遗漏了国家的制度因素、研发费用等重要变量；另一方面是产业智能化与出口复杂度之间存在双向因果关系。本文使用工具变量回归解决可能存在的内生性问题。借鉴王永进等（2017）关于企业信息化指标工具变量的选择方式，本文将某国某行业智能化的工具变量设定为该行业其他国家每千人就业人口拥有的机器人存量数的均值。如此构造工具变量的原因在于：一方面，就同一行业而言，国家间的产业智能化具有较高的相关性，满足工具变量的相关性条件；另一方面，剔除了本国的产业智能化，一定程度上不会直接影响到本国的行业出口复杂度，满足工具变量的外生性条件。Acemoglu和Restrepo（2017b）、王文等（2020）等学者构造某国产业智能化的工具变量时选择的是与该国产业智能化相似的他国的产业智能化指标，实际上这与本文工具变量的构造思路是大体相似的。表4的第（3）列汇报了基于工具变量的回归结果。由表4可知，未识别检验和弱识别检验均通过了显著性检验，说明工具变量不存在未识别和弱识别问题。产业智能化的估计系数显著为正，表明考虑了内生性问题后，基本回归显示的研究结论依然成立。

3.异质性分析结果

①国家异质性。表5的第（1）列和第（2）列根据经济发展水平的差异探讨了产业智能化影响出口复杂度的国家异质性。根据2014年的人均GDP将样本国家分为两组，一组是人均GDP大于中位数的国家，另一组是人均GDP小于或等于中位数的国家。在人均GDP大于中位数国家组，产业智能化的估计系数为0.0068，且通过了1%的显著性检验，这表明在经济发展水平较高的国家，制造业每千名就业人口拥有的机器人数量每增加1台，出口复杂度上升0.68%。在人均GDP小于或等于中位数国家组，产业智能化的估计系数在1%的显著性水平上为正，估计值为0.0462，表明在经济发展水平较低的国家，制造业每千名就业人口拥有的机器人数量每增加1台，出口复杂度上升4.62%，上升幅度明显高于经济发展水平较高的国家。回归结果表明，对于经济发展水平较低的国家，积极推进产业智能化，有助于推动产业迈向全球价值链的中高端。

②国家—行业异质性。表5的第（3）列到第（6）列进一步探讨了不同经济发展水平国家中资本技术、劳动密集型制造业的产业智能化对出口复杂度的影响。关于资本技术、劳动密集型制造业的分类，本文参考了Zhang等（2019）的研究①。估计结果显示，在人均GDP大于中位数的国家，资本技术密集型制造业的智能化能够显著推动出口复杂度的提升，每千名就业人口拥有的机器人数量每增加1台，出口复杂度上升0.58%；劳动密集型制造业的智能化阻碍了出口复杂度的提升，每千名就业人口拥有的机器人数量每增加1台，出口复杂度下降1.27%。在人均GDP小于或等于中位数的国家中，资本技术密集型制造业和劳动密集型制造业的智能化均对出口复杂度具有显著的正向影响。每千名就业人口拥有的机器人数量每增加1台，资本技术密集型制造业出口复杂度上升4.39%，劳动密集型制造业出口复杂度上升23.26%，可见劳动密集型制造业的智能化对出口复杂度的提升效应明显大于资本技术密集型制造业。回归结果表明，在经济发展水平不同的国家，产业智能化对资本技术、劳动密集型制造业出口复杂度的影响方向和大小存在显著差异。对于经济发展水平较高的国家，从提升出口复杂度角度来看，产业智能化的重心在于资本技术密集型制造业，而非劳动密集型制造业；对于经济发展水平较低的国家，推动整体制造业特别是劳动密集型制造业的智能化是提升产业出口复杂度的重要路径。

（二）人口老龄化的调节作用回归结果

根据式（4）所示的实证模型，表6估计了产业智能化影响出口复杂度过程中人口老龄化的调节作用。在第（1）列中，产业智能化的估计系数显著为正，表明当人口老龄化率在其均值水平（14.54%）时，行业每千人就业人口拥有的机器人存量每增加1台，出口复杂度将提升0.75%。此外，我们还可以看到，产业智能化与人口老龄化交互项的估计系数为正，且通过了5%的显著性检验，说明随着人口老龄化程度的上升，产业智能化对出口复杂度的正向边际作用在增强。进一步地，第（2）列和第（3）列分资本技术密集型制造业和劳动密集型制造业估计了产业智能化影响出口复杂度过程中人口老龄化的调节作用。产业智能化与人口老龄化交互项的估计系数在资本技术密集型制造业样本中为0.0385，在劳动密集型制造业样本中为0.7229，由此可见，随着人口老龄化程度的上升，劳动密集型制造业智能化的出口复杂度提升效应要强于资本技术密集型制造业。

六、研究结论及对中国的启示

（一）研究结论

本文利用2000年到2014年40个国家14个制造业行业的数据实证检验了产业智能化对出口复杂度的影响，并同时讨论了人口老龄化的调节作用。实证研究结果表明，产业智能化对出口复杂度具有显著的提升效应，并且产业智能化对出口复杂度的影响具有明显的国家与行业异质性。就国家异质性而言，相对于经济发展水平较高的国家，产业智能化对出口复杂度的提升作用在经济发展水平较低的国家更大。就国家—行业异质性而言，在经济发展水平较高的国家，资本技术密集型制造业的智能化显著提升了出口复杂度，但劳动密集型制造业的智能化却阻碍了出口复杂度的提升；在经济发展水平较低的国家，无论在资本技术密集型制造业，还是在劳动密集型制造业，产业智能化均对出口复杂度具有显著的提升效应，但提升效应在劳动密集型制造业更大。进一步地，考虑产业智能化影响出口复杂度过程中人口老龄化的调节作用。本文发现，随着人口老龄化程度的上升，产业智能化对出口复杂度的提升作用也将增强，并且在劳动密集型制造业中表现得更为突出。

（二）对中国的启示

在本文的样本国家中，中国人均GDP处于中位数以下的水平，因此，基于中国样本的稳健性检验结果、国家与行业异质性分析结果、人口老龄化调节作用的分析结果，我们可以得到如下对于中国的政策启示：①继续更大力度实施“智能+”发展战略，以人工智能和实体经济深度融合为主线，推进人工智能在产品设计、生产制造、市场营销等价值链环节的深度應用，充分发挥产业智能化的出口复杂度提升效应，持续推动中国产业迈向全球价值链中高端。②充分重视人工智能在劳动密集型制造业的应用，针对细分行业的特点和痛点，制定产业智能化实施路线图。鉴于劳动密集型制造业面临更强的资金和人才约束，还需要面向劳动密集型制造业为中小微企业智能化转型提供可持续的贴息和融资担保，建设智能化转型的人才培养教育和实训基地，支持中小微企业员工参与智能化转型培训。③根据中国第七次人口普查数据，2020年，中国65岁及以上人口占总人口的比重为13.5%，比全球水平高4.18个百分点。因此，中国需要加强人工智能基础技术、共性技术、先进工艺技术的研发创新，以应对人口老龄化所带来的影响，也同时发挥人口老龄化在产业智能化促进出口复杂度提升过程中的正向调节作用。