智能制造与企业人力资本升级

方福前 马瑞光

内容提要 大力发展智能制造是中国由制造大国向制造强国转型的关键举措。文章以中国智能制造试点作为准自然实验，选取２００８—２０２２年沪深Ａ股制造业上市企业数据为样本，构建双重差分模型进行统计分析和机制验证，探究智能制造推进企业人力资本升级的路径机制。研究发现，智能化机器电子类固定资产对非技能劳动力的替代作用明显大于技能劳动力，会挤出非技能劳动力。智能制造项目的实施，通过企业新增固定资产尤其是购置机器电子类固定资产，促使企业对技能劳动力的需求相对上升，显著促进企业人力资本升级，而在国有企业和非技术密集型企业中，智能制造对人力资本升级的影响更为明显。研究为智能制造与企业人力资本升级的关系提供了新的经验解释，为政府制定智能制造战略、企业实施智能制造项目以及企业人力资本管理等提供了理论依据和决策参考。

关键词 智能制造 人力资本 固定资产投资 双重差分模型

〔中图分类号〕Ｆ８３１．４ 〔文献标识码〕Ａ 〔文章编号〕０４４７－６６２Ｘ（２０２３）１２－０１３１－１０

一、引言与文献综述

党的二十大报告强调，把推动制造业高端化、智能化、绿色化发展，作为建设制造强国的重要抓手。为实现制造强国的愿景，中国先后发布了《智能制造发展规划（２０１６—２０２０年）》《“十四五”智能制造发展规划》，提出了要大力发展智能制造，努力构建智能制造发展生态系统的整体目标。智能制造的本质是虚拟网络与实体生产相互融合渗透，是企业在生产、管理、服务等制造活动的各个环节中以新一代信息技术为基础，配合新材料、新能源与新工艺，实现信息深度自动感知、智慧优化自动决策与精准控制等功能的新型生产方式。作为新一代工业化和信息化融合的产物，智能制造受到了各国的普遍关注，例如，美国发布了“先进制造业领导力战略”、德国发布了“国家工业战略２０３０”、日本发布了“社会５．０”等。这意味着各国都把智能制造视为争夺全球经济主导权的重要领域。

随着人口老龄化和出生率下降，中国人口红利正在消失。由此导致中国在未来争夺全球经济主导权的进程中不能再单纯依靠劳动力的数量，而是要重视发挥劳动力质量的作用。劳动力的质量受人力资本影响。企业的人力资本主要表现在员工的知识和技能的积累。随着企业内部员工不断朝着高技能、高知识的方向发展，企业的人力资本会不断升级。那么，智能制造能否在中国人口红利逐渐消失的背景下带动劳动力质量提升，促进制造业企业人力资本升级成为一个重要的现实问题。

中国智能制造发展过程中，机器人和智能化生产设备是智能制造中最为关键的智能装备，始终贯穿在智能制造发展过程中。与本文最为相关的一支文献是研究工业机器人或智能化生产等新技术对劳动力就业的影响。关于这一问题存在三种观点：第一种观点认为工业机器人、人工智能技术会对劳动力产生替代作用。这一观点被大部分国外文献所认可，认为工业机器人和智能化技术会挤出工人的就业岗位，对劳动力产生替代作用，造成大量的劳动力失业，进而引发社会问题。① 中国部分学者也认可这一观点，例如周广肃等基于城市和个人层面数据研究智能化技术对劳动力的影响发现，智能化技术对中国劳动力就业产生替代作用，不仅减少了劳动力就业人数，还增加了在职员工的工作时长。② 王林辉等从劳动力微观职业的角度研究人工智能技术的影响，发现人工智能技术会产生职业替代风险，且劳动力年龄越大，受教育年限越短，则替代风险越高。③第二种观点认为工业机器人对劳动力的替代效应和生产率效应同时存在，工业机器人与人工智能技术的应用会带动就业。人工智能和机器人技术的不断应用会提升企业的创新能力和生产效率，提升企业绩效，扩大企业产出规模，有利于企业提供更多的就业岗位。④ 孔高文等研究发现，机器人的应用在短期内虽然对低学历人员会产生替代作用，但其在中长期会提高企业生产数量和销售规模，进而促进企业提高劳动力雇佣数量。⑤ 第三种观点认为工业机器人对劳动力就业会产生异质性影响，进而会对劳动力就业产生极化影响。胡晟明基于家庭微观个体数据研究工业机器人对人力资本升级的影响，发现工业机器人提升了家庭健康水平和家庭的受教育程度，有利于家庭人员获得行政职务或技术等级提升，对人力资本结构起到提升作用。⑥ 尹洪英和李闯提出人力资本结构改善是赋能企业创新的一个重要渠道，引入智能制造会促使企业雇佣更多高技能劳动力，并通过对低技能劳动力进行培训，推动企业创新。⑦ 魏嘉辉等基于城市面板數据发现，在服务业中工业机器人的应用会和高技能劳动力产生互补作用和对低技能劳动力产生替代作用。⑧ 韩青江从产业结构的视角分析了工业机器人应用对就业结构的影响，发现工业机器人导致传统制造业劳动力就业比例下降，带动生产性和高端服务业就业比例提升。⑨ 明娟和胡嘉琪基于中国省级面板数据探讨工业机器人对劳动力就业技能结构的影响，发现工业机器人应用促进了高技能劳动力就业，对中低技能劳动力则会产生挤出效应。① 何小钢和刘叩明通过理论分析和实证分析发现，机器人会对常规任务岗位的劳动力产生替代效应和对非常规任务岗位的劳动力产生创造效应，从而导致劳动力就业极化。②

以上研究发现机器人、人工智能技术会影响人力资本升级，这些研究在微观层面论证了机器人等智能装备对人力资本升级的影响，但较少有研究在更宏观的层面研究中国智能制造试点政策这一国家政策是否有助于实现制造强国的目标，能否带动制造业人力资本升级，以及中国智能制造政策通过何种路径实现人力资本升级，这些问题仍有待于进一步研究。

二、制度背景与理论分析

１．制度背景

为了实现制造强国的目标，响应《智能制造发展规划（２０１６—２０２０年）》和《“十四五”智能制造发展规划》，中国工业和信息化部于２０１５—２０１８年连续发布了《工业和信息化部关于公布智能制造试点示范项目名单的通告》（下称《通告》），《通告》明确了中国将通过企业试点的方式，逐步进行智能制造推广。第一批试点企业出现在２０１５年，总计４６家企业；第二批试点企业出现在２０１６年，共计６３家企业；第三批试点企业出现在２０１７年，共计９７家企业；第四批试点企业出现在２０１８年，共计９９家企业。

伴随着智能制造试点政策的实施，中央利用工业转型升级资金、专项建设基金加大对智能制造企业的扶持力度，同时给予智能制造发展适当税收优惠政策，鼓励智能制造试点企业积极与国外优秀企业对接学习优秀经验，引进高端技术，创建智能生产车间。在智能制造试点政策实施后，工业和信息化部于２０２０年进一步发布《智能制造发展指数报告》对智能制造试点效果进行评估，发现自智能制造实施以来，制造业企业的数字化、网络化水平明显提升，创新能力和创新质量不断增强。智能制造的實施整体促进了制造业企业智能化、数字化转型升级，但智能制造实施过程中，在不同行业之间制造业发展水平并不均衡。

２．理论分析

中国智能制造试点政策是政府给予试点企业优惠政策，鼓励企业实施智能制造，实现制造业转型的重大战略方针。智能制造试点政策会影响试点企业实施智能制造从而带动其内部人力资本升级。智能制造的实施从制造过程看，涉及智能设计、智能工艺与装备、智能生产和服务，无论是智能设计还是智能生产服务都离不开智能装备作为支撑，智能装备是智能制造的基础，是企业实施智能制造必要的物质资本。智能装备包括智能加工机床、生产线、机器人、物流与监测设备等新型固定资产。因此，试点企业在实施智能制造时，首先要新增固定资产投资，尤其是机器类、机械类和电子类新增固定资产，其次在这类固定资产的基础上调整企业人员结构与之相匹配，进而通过智能设计、工艺和智能生产技术建立智能车间和智能企业，最后在智能企业的基础上完善智能服务构建智能供应链，最终形成智能制造生态系统。

智能制造试点政策会通过“政策影响—企业智能装备投资—企业员工结构调整”的路径机制带动制造业企业人力资本升级。智能制造试点企业在响应国家的号召实施智能制造转型时，首先会增加与转型相关的固定资产投资，已有研究发现工业机器人等新型物质资本与技能劳动力有互补作用，会带动技能劳动力就业。① 因此，如果物质资本与技能劳动力存在互补效应这一结论成立，那么，随着试点企业响应国家号召，新增工业机器人等固定资产投资，会带动企业内部高技能劳动力就业，进而影响企业内部员工结构。② 具体而言，在增加固定资产投资，尤其是机器、机械和电子信息类智能装备固定资产时，试点企业会提高技能劳动力员工在企业员工中的份额，实现人力资本升级。

综上，本文提出以下假设：

假设一：中国智能制造政策对制造业企业人力资本升级有正向影响。

假设二：中国智能制造政策通过激励企业增加固定资产投入，尤其是机器机械电子类固定资产投入的渠道，促进人力资本升级。

由于企业间所有制性质与技术水平存在差异，中国智能制造试点政策对不同所有制性质和不同技术水平的制造业企业的人力资本升级具有异质性的影响。对于技术密集型企业来说，自身技术水平较高，技能劳动力占比高，企业实施智能制造对其内部员工结构调整幅度有限，而对于非技术密集型企业来说，自身技术人员数量较少，在实施智能制造项目时，企业购置大量的机器人类新型固定资产会大幅度增加高技能劳动力，替代低技能劳动力，提升高技能劳动力员工的相对比例，从而实现人力资本升级。国有企业相对于民营企业来说，本身具有响应国家政策的任务且存在预算软约束，会更多地增加固定资产投资。③ 因此，智能制造对国有企业人力资本升级的作用也会更为明显。

假设三：对于国有企业和非技术密集型企业来说，智能制造试点政策对人力资本升级的作用更明显。

三、研究设计

１．计量模型设定

为了识别企业实施智能制造是否促进了人力资本升级，本文将中国智能制造试点政策作为一项准自然实验，利用双重差分法进行统计检验。构建如下双重差分模型：

ｙｉｊｔ ＝α０ ＋β１Ｉｍｉｔ＋γｃｏｎｔｒｏｌｉｊｔ＋δｉ＋δｊ＋δｔ＋εｉｊｔ （１）

其中ｉ、ｊ、ｔ分别表示企业、行业和年份。ｙｉｊｔ是被解释变量，表示为技能劳动力与非技能劳动力雇佣比的对数（Ｓｋｉｌｌ＿Ｕｎｓｋｉｌｌ）。智能制造试点冲击Ｉｍｉｔ为核心解释变量，当企业属于智能制造企业且在政策实施后当年及之后年份赋值为１，其余赋值为０。估计系数β１反映了中国智能制造试点项目对企业技能劳动力与非技能劳动力相对雇佣的影响。由于智能制造试点项目分别于２０１５、２０１６、２０１７、２０１８年实施，该模型不同于传统的双重差分模型而是多时点双重差分模型。ｃｏｎｔｒｏｌｉｊｔ表示企业层面的控制变量，主要包括企业规模、现金流、企业年龄、净资产收益率、资产负债率、盈利能力、股权集中度、董事会规模、独立董事占比等。δｉ、δｊ和δｔ分别表示企业固定效应、行业固定效应和年份固定效应。εｉｊｔ为随机扰动项，考虑到中国智能制造试点项目在企业层面实施，本文的标准误聚类在企业层面。

２．变量说明

被解释变量。人力资本亦称“非物质资本”，是凝结在劳动力身上的体力、知识、经验等技能的总和。以往文献多认为，学历水平可以作为员工人力资本的衡量指标，高学历员工在工作岗位中被要求完成的创新性工作较多，而低学历员工一般从事重复性、常规性工作。相对于高人力资本的劳动力，低人力资本劳动力的可替代性较强。① 借鉴刘&仁和赵灿根据劳动力工作性质区分人力资本的做法，②本文将技术人员视为技能劳动力，将其他工作性质的人员视为非技能劳动力，并将人力资本升级定义为技能劳动力相对非技能劳动力的雇佣比（Ｓｋｉｌｌ＿Ｕｎｓｋｉｌｌ）上升。具体被解释变量为技能劳动力相对于非技能劳动力雇佣比例的对数。在稳健性检验中，根据学历来划分人力资本，将受教育程度为研究生及以上的劳动者视为高学历者，将受教育程度为高中及以下的劳动者视作低学历者，人力资本分别用高学历劳动力占比（Ｈｉｇｈ＿Ｒａｔｉｏ）和低学历劳动力占比（Ｌｏｗ＿Ｒａｔｉｏ）来衡量。

解释变量。在以往研究中，智能制造衡量方式存在较大争议，有学者用上市企业年报相关词频衡量智能制造，③这种做法虽然能表征出企业实施智能制造的意愿，但是无法准确刻画出企业实施智能制造的实际水平；也有学者用中国制造２０２５作为准自然实验，④但这一做法仍然需要年报中的相关词频，存在估计偏误可能性。本文利用工业和信息化部于２０１５—２０１８年连续发布的《工业和信息化部关于公布智能制造试点示范项目名单的通告》作为准自然实验，在智能制造试点示范名单中找出被评为智能制造企业的试点企业，总计１２４家智能制造企业，将其视为实验组，其余的制造业企业则为控制组。由于试点实施的时间分别为２０１５、２０１６、２０１７和２０１８年，这属于多期双重差分模型，因此本文构建智能制造政策的代理变量（Ｉｍｉｔ）为“是否属于智能制造试点企业”和“该企业是否位于政策实施后”的交互项。如果企业为智能制造企业且该企业位于政策实施后，该变量就赋值为１，否则赋值为０。这一做法的优点在于能准确识别智能制造试点企业，同时能够看出智能制造试点企业在响应国家政策后的效果。

控制变量。参考以往文献做法，⑤本文对所有控制变量进行了界定。企业规模（Ｓｉｚｅ），采用企业资产总计的对数来衡量；现金流（Ｃａｓｈｆｌｏｗ），采用当期经营活动产生的现金流量净额与期初固定资产净值的比值来衡量；企业年龄（Ａｇｅ），采用当年年份与企业成立年份的差值来衡量；盈利能力（Ｐｒｏｆｉｔ），采用营业利润与营业总收入的比值来衡量；经营状况（Ｒｏｅ）采用净资产收益率来衡量；资产负债率（Ｌｅｖｅｒａｇｅ），采用负债总额与资产总额的比值来衡量；股权集中度（Ｔｏｐ１０），采用前十大股东持股比例来衡量；董事会规模（Ｂｏａｒｄ），采用董事会人数来衡量；独立董事监督（Ｄｕｌｉ），采用独立董事与董事会总人数的比值来衡量；工资溢价（Ｗｇａｐ），采用高管人员平均薪酬与员工平均薪酬的比值的对数衡量；严格化技能工资溢价（Ｗｇａｐ＿Ｔｏｐ），采用薪资前三名的高管平均薪酬与员工平均薪酬的比值的对数来衡量。

３．数据来源

本文选取２００８—２０２２年中国沪深Ａ股制造业上市企业数据作为研究样本。为了提高数据质量，对初始样本进行了如下预处理：一是剔除ＳＴ类企业；二是剔除样本期内财务出现资不抵债的企业；三是由于中国智能制造试点冲击是在２０１５年首次实施，剔除仅在２０１５年后上市的企业样本。最后共得到１４２５家上市企业，其中有１２４家智能制造企业。本文所使用的数据来源于国泰安数据库。

四、实证结果与分析

１．基准回归

表１报告了智能制造对人力资本升级影响的基准回归结果，其中被解释变量为技能劳动力相对雇佣比（Ｓｋｉｌｌ＿Ｕｎｓｋｉｌｌ）。第（１）列显示，在控制企业、行业和年份固定效应以及技能工资溢价这一控制变量后，智能制造对技能劳动力相对雇佣比呈显著的提升作用（在１０％水平上显著），技能溢价对技能劳动力相对雇佣比呈显著的阻碍作用（在１％水平上显著），这与技能溢价会阻碍人力资本提升的理论预期相一致。第（２）列在控制了更为严格的技能溢价变量以及企业、行业和年份固定效应后，结论与第（１）列一致。第（３）列和第（４）列分别在前两列的基础上进一步加入一系列控制变量以缓解遗漏变量问题，结果依然显示智能制造政策实施促进了试点企业人力资本升级，技能工资溢价则阻碍了人力资本升级。这证明假设一成立。

２．稳健性检验

为了保证上述结论可靠，本文从以下几个方面进行了稳健性检验。

（１）共同趋势检验。双重差分法是否有效取决于实验组和对照组是否在政策出台之前有共同的时间趋势，这是本文的前提假设。利用事件研究法将基准模型扩展为如下形式：

ｙｉｊｔ ＝α０ ＋ｔ＝３ｔ＝－５βｔｉｍｄｉｔ＋γｃｏｎｔｒｏｌｉｊｔ＋δｉ＋δｊ＋δｔ＋εｉｊｔ （２）

其中，ｉｍｄｉｔ为虚拟变量，模型将中国智能制造试点推广的事件窗口控制在９个虚拟变量，ｉｍｄｉ，－５变量赋值满足下述条件，样本为智能制造企业在试点推广前５年及以前赋值为１，其余赋值为０；ｉｍｄｉ，３变量赋值条件，为智能制造企业在试点推广后第３年及以后赋值为１，其余赋值为０；其余虚拟变量ｉｍｄｉｔ，当智能制造企业在试点推广第ｔ年时赋值为１，其余赋值为０。如果满足共同趋势，β－５、β－４、β－３和β－２应该不显著。事件研究法的回归结果如表２所示。

表２第（１）—（３）列在控制了控制变量与企业、年份、行业固定效应后，发现在智能制造政策试点推广前４年、前３年和前２年试点企业的人力资本并没有得到改善，这一反事实检验说明结论稳健。进一步，从第（４）列可以看出，智能制造政策在政策实施前对试点企业技能劳动力相对雇佣比的影响不显著，而在政策推广当年和推广后第２年显著促进了试点企业人力资本提升，满足共同趋势假设。

（２）其他稳健性检验。考虑到２０１９年后中美贸易摩擦以及疫情冲击的影响可能会对制造业企业劳动力就业与人力资本升级产生不确定性影响，表３第（１）列剔除了２０１９年以后的样本，可以看出，智能制造依然对技能劳动力相对雇佣比例有显著的正向作用，说明结论稳健。关于人力资本的衡量方式，本文重新定义人力资本，将研究生以上学历的员工定义为高学历者，将高中及以下学历的员工定义为低学历者，得到企业高学历员工占总员工人数的比重（Ｈｉｇｈ＿Ｒａｔｉｏ）和低学历员工占总员工人数的比重（Ｌｏｗ＿Ｒａｔｉｏ），假如智能制造政策实施促进了试点企业人力资本升级，则会表现为促进试点企业高学历员工占比提升，降低试点企业低学历员工占比。从表３第（２）、（３）列可以看出，智能制造政策实施确实提升了试点企业高学历员工占比，降低了低学历员工占比。这说明，智能制造促进了企业人力资本升级这一结论是稳健的，进一步证实了假设一成立。

３．机制检验

为了验证智能制造试点政策实施是否是通过增加固定资产投入从而带动人力资本升级的，本文进行了如表４的检验。表４第（１）列中被解释变量为固定资产投资（Ｋ），采用企业新增固定资产（千万元）来衡量。第（２）列中被解释变量为机器、机械和电子设备类固定资产投资（Ｍａｃｈｉｎｅ），采用企业新增机器、机械和电子设备类固定资产投资（千万元）来衡量。从第（１）列、第（２）列可以看出，智能制造显著促进了企业增加固定资产投资和机器设备、机械设备和电子设备类固定资产投资，根据资产和技能劳动力互补性前提，固定资产投资的增加会带动企业人力资本升级，因此智能制造政策通过增加固定資产投资的机制促进了企业人力资本升级。第（１）列和第（２）列中核心解释变量的系数表明，在智能制造政策实施后，智能制造试点企业比其他企业平均新增７１３５万元固定资产投资和２６５１万元机器设备、机械设备和电子设备类固定资产投资。上述结论表明假设二成立。

根据前文分析，上述结论成立的条件是物质资本对技能劳动力存在互补效应，为了验证这一条件成立，构建如下模型检验新增固定资产与技能劳动力和非技能劳动力之间的替代性差异：

Ｓａｌｅｉｊｐｔ ＝γ０ ＋γ１ｓｉｊｐｔ＋γ２ｕｉｊｐｔ＋γ３ｓｉｊｐｔ×（Ｉ／Ｋｉｊｐｔ）＋γ４ｕｉｊｐｔ×（Ｉ／Ｋｉｊｐｔ）＋γ５（Ｉ／Ｋｉｊｐｔ）＋δｉ＋δｊ＋δｔ＋εｉｊｔ（３）

Ｓａｌｅｉｊｐｔ ＝τ０ ＋τ１ｓｉｊｐｔ＋τ２ｕｉｊｐｔ＋τ３ｓｉｊｐｔ×（Ｉｍａｃｈｉｎｅ／Ｋｍａｃｈｉｎｅ）＋τ４ｕｉｊｐｔ×（Ｉｍａｃｈｉｎｅ／Ｋｍａｃｈｉｎｅ）＋τ５（Ｉｍａｃｈｉｎｅ／Ｋｍａｃｈｉｎｅ）＋δｉ＋δｊ＋δｔ＋εｉｊｔ （４）

其中，Ｓａｌｅ、ｓ、ｕ分别为销售收入取对数衡量的产出、技能劳动力数量取对数和非技能劳动力取对数，Ｉ／Ｋ为资本标准化后的新增固定资产投资，采用新增固定资产与期末固定资产的比值衡量，Ｉｍａｃｈｉｎｅ／Ｋｍａｃｈｉｎｅ为资本标准化后的机器设备、机械设备和电子类设备固定资产投资，采用新增机器、机械和电子类设备固定资产投资与期末机器、机械和电子类设备固定资产的比值衡量。如果新增固定资产投资与技能劳动力的替代效应弱于非技能劳动力的替代效应，那么新增固定资产与技能劳动力和非技能劳动力的交互项系数应该出现差异。限于篇幅，回归中将水平项的回归结果放置在控制变量中，仅汇报了交互项的结果。表５第（１）列和第（２）列验证了新增固定资产对技能劳动力的替代效应弱于对非技能劳动力的替代效应。从第（１）列可以看出，在控制了企业、行业和年份固定效应后，ｓ×（Ｉ／Ｋ）的估计系数显著为正，ｕ×（Ｉ／Ｋ）的估计系数显著为负，新增固定资产与技能劳动力之间存在互补效应，新增劳动力对非技能劳动力却表现为明显的替代效应。从第（２）列可以看出，新增机器、机械和电子设备类固定资产对低技能劳动力的替代效应明显，但并不会替代高技能劳动力。

综上所述，由于劳动力之间存在异质性以及资本与技能、非技能劳动力之间的替代性差异，新增固定資产投入提升了技能劳动力的相对需求比例，从而整体促进企业人力资本升级。

４．异质性分析

前文对智能制造与企业人力资本升级关系的探究主要集中在整体层面，对二者关系在不同所有制性质和企业技术水平层面是否存在差异尚未提及。接下来从技术水平、企业所有制性质两个维度对二者之间的关系展开异质性分析。

关于企业所有制性质的差异。国有企业相对于民营企业政策适应性较强，存在预算软约束，更容易增加固定资产投资。① 因此，智能制造对国有企业人力资本升级的作用会更明显。为了验证这一推断，本文构建了民营经济虚拟变量（Ｐｅ），取值为１表示民营企业，取值为０代表国有企业。表６第（１）列结果显示，交互项Ｉｍ×Ｐｅ的系数显著为负，这意味着国有企业实施智能制造提升人力资本的效应更强。

关于企业技术水平的差异。根据前文分析，智能制造促进人力资本升级的机制是通过物质资本替换更多的非技能劳动力，迫使企业提高技能劳动力相对雇佣比例。但是对于技术密集型企业来说，自身技术水平较高，技能劳动力占比高，因此智能制造试点对这类企业人力资本的提升幅度有限。相反，对于非技术密集型企业来说，自身研发人员数量较少，在实施智能制造项目时，需要大幅度增加技能劳动力，带动企业内部人力资本升级。由此推断，智能制造对非技术密集型企业人力资本的提升作用更为明显。为了验证这一理论推断，借鉴鲁桐和党印的做法，②采用研发支出与应付职工薪酬的比值衡量行业要素密集度（Ｔｅｃｔ），并将其与智能制造的交互项置于回归模型。变量Ｔｅｃｔ的值越大，说明企业所在行业技术水平越高。回归结果见表６第（２）列。可以看出，交互项Ｉｍ×Ｔｅｃｔ的估计系数显著为负，说明企业的技术水平越差，企业实施智能制造提升企业人力资本的效应越强。

五、结论与启示

本文以中国智能制造试点为准自然实验，基于２００８—２０２２年沪深Ａ股上市企业数据选取智能制造企业样本，构建双重差分模型验证智能制造对企业人力资本升级的影响及其路径，得出结论如下：（１）企业实施智能制造项目显著促进了人力资本升级，即智能制造项目的实施导致企业对高技能劳动力和高学历劳动力的需求相对上升，其渠道体现在企业新增固定资产投资，其所具有的“技术前沿”属性要求企业增加高素质劳动力，从而带动企业人力资本升级。（２）智能化固定资产类物质资本对于技能劳动力的替代性弱于非技能劳动力。机器人、自动化设备等固定资产会大量替代非技能劳动力，但对技能劳动力的替代作用有限，这丰富了以往人工智能、机器人等会产生“机器换人”作用的观点。（３）智能制造对企业人力资本升级的影响存在异质性，相对而言，其在非技术密集型企业和国有企业中的作用更加明显。

以上研究结论进一步丰富了智能化转型方面的研究内容，实证检验了智能制造对企业人力资本升级的影响路径，对智能时代人与机器关系的认识进一步深化，对实施制造强国战略、推进制造业转型、扩大就业以及企业智能化改造和人力资源管理等都具有现实指导意义和一定参考价值。基于本文结论，提出了如下建议：一是坚定不移推进智能制造。根据本文的结论，加快推进智能制造既是宏观上推进制造业升级、迈向制造强国的必然路径，也是微观上企业升级人力资本，扩大竞争优势的有效途径，日益成为未来制造业发展的重大趋势和核心内容。我国各级政府及相关部门应该坚决贯彻党的二十大精神，突出系统观念、坚持问题导向、强化融合发展，认真实施《“十四五”智能制造发展规划》，以新一代信息技术与先进制造技术深度融合为主线，深入实施智能制造工程，在税收、财政补贴、技术支持及各方面出台相关政策支持智能制造的普及运用，着力构建智能制造发展生态，实现制造业网络化协同、智能化变革。二是协同推进机器设备与人力资本同步升级。相对于低技能劳动力来说，智能制造与高技能劳动力存在互补性关系，实现机器设备智能化只是实施智能制造的第一步，关键要同时匹配高技能劳动力，提高资产与人员的匹配度，才能将智能制造的技术优势转化为竞争优势、经济优势。鉴于中国人口众多的国情，智能制造不能只着眼于让机器代替人的工作，更要着眼于让机器帮助人更高效地工作。要避免盲目补贴工业机器人使用项目、注重短期生产率提升而忽视长效发展，造成机器人对劳动力的急剧替换，而要鼓励企业加强员工培训和技能提升，打造企业技术团队，最终实现企业物质资本与人力资本同步升级，实现“１＋１＞２”的效果。三是差别化推进智能制造试点。不同性质、不同技术特点的企业，智能制造促进人力资本升级的效果不同。在开展智能制造试点的过程中，必须充分考虑企业异质性，采取差别化策略。要统筹考虑区域、行业、企业发展差异，针对细分行业特点和痛点，分层分类系统推动智能制造创新发展。既要鼓励国有企业、技术密集型企业建设智能制造示范工厂，开展场景、车间、工厂、供应链等多层级的应用示范，又要推进中小企业数字化转型，加快专精特新“小巨人”企业智能制造发展，还要鼓励不同区域探索各具特色的智能制造发展路径。

作者单位：中国人民大学经济学院

责任编辑：牛泽东