世界迎來百年未有之大變局，全球制造業(yè)價(jià)值鏈深度調(diào)整。黨的二十大指出“推進(jìn)新型 工業(yè)化、加快建設(shè)制造強(qiáng)國、質(zhì)量強(qiáng)國、航天強(qiáng)國、交通強(qiáng)國、網(wǎng)絡(luò)強(qiáng)國、數(shù)字中國”。為了實(shí)現(xiàn)新型工業(yè)化，中國各地多措并舉，促進(jìn)工業(yè)化和信息化深度融合，加快制造業(yè)數(shù)字化轉(zhuǎn)型， 提升產(chǎn)品智能化水平。

　　工業(yè)機(jī)器人改變著人類生產(chǎn)方式，是推進(jìn)新型工業(yè)化的重要生產(chǎn)工具。當(dāng)前，機(jī)器人產(chǎn)業(yè)呈現(xiàn)蓬勃發(fā)展之勢，最新的工業(yè)機(jī)器人融合視覺識別、運(yùn)動控制、雙臂協(xié)同等多項(xiàng)技術(shù)，精密操作能力得到顯著提升，可以完成更加復(fù)雜的任務(wù)，是支撐智能制造的重要基礎(chǔ)設(shè)備。 工業(yè)機(jī)器人推動制造業(yè)生產(chǎn)可能性前沿不斷進(jìn)步的同時(shí)，對勞動力就業(yè)等產(chǎn)生深遠(yuǎn)影響。在中國推進(jìn)新型工業(yè)化和人口結(jié)構(gòu)轉(zhuǎn)變背景下，深入認(rèn)識機(jī)器人應(yīng)用對經(jīng)濟(jì)發(fā)展的影響具有重要的現(xiàn)實(shí)指導(dǎo)意義。

　　工業(yè)機(jī)器人對經(jīng)濟(jì)的影響是一個復(fù)雜的研究問題。首先，不同區(qū)域、行業(yè)和企業(yè)存在異質(zhì)性 ;其次，機(jī)器人的經(jīng)濟(jì)影響存在短期和長期的差異 ;再次，企業(yè)機(jī)器人直接使用數(shù)據(jù)難以獲得，遺漏變量、測量誤差和雙向因果關(guān)系等帶來的內(nèi)生性問題使得因果識別較為困難 ; 最后，機(jī)器人研發(fā)與應(yīng)用的全球分工差異也增加了研究難度，這使得研究者得出的結(jié)論時(shí)常存在一定的爭議。考慮到問題本身的復(fù)雜性，我們在綜述研究進(jìn)展時(shí)除了要關(guān)注研究結(jié)論， 也要探討研究的理論模型構(gòu)建和實(shí)證數(shù)據(jù)來源及方法。國際機(jī)器人聯(lián)合會(IFR)對工業(yè)機(jī)器人的定義是，具有編程能力、可重復(fù)執(zhí)行任務(wù)、在工業(yè)環(huán)境中自動操作的多關(guān)節(jié)機(jī)器人系統(tǒng)。 有研究把機(jī)器人視為人工智能應(yīng)用或數(shù)字經(jīng)濟(jì)發(fā)展的組成部分，對機(jī)器人的就業(yè)等影響進(jìn)行了概括性綜述(曹靜和周亞林，2018 ;張鵬飛，2018 ;王春超和聶雅豐，2023)。盡管機(jī)器人技術(shù)與人工智能等新一代信息技術(shù)有緊密聯(lián)系，但兩者的經(jīng)濟(jì)影響內(nèi)涵存在較大差異，本文聚焦工業(yè)機(jī)器人應(yīng)用相關(guān)研究。下文在不引起歧義的情況下，將“工業(yè)機(jī)器人”簡稱為“機(jī)器人”，以便文字表述更為簡潔。

　　機(jī)器人對經(jīng)濟(jì)影響的理論研究

　　Joseph Zeira(1998)開創(chuàng)性地將機(jī)器投入作為勞動力投入的替代因素引入經(jīng)濟(jì)分析，對后續(xù)機(jī)器人經(jīng)濟(jì)影響的理論分析產(chǎn)生了深遠(yuǎn)影響。經(jīng)濟(jì)學(xué)家通常將技術(shù)創(chuàng)新的經(jīng)濟(jì)含義定義為在不增加投入的情況下增加產(chǎn)出，這意味著新技術(shù)可以提高任何生產(chǎn)要素組合下的產(chǎn)出。 然而，Joseph Zeira(1998)指出，這種簡單的假設(shè)在許多情況下并不適用，例如蒸汽機(jī)、火車等技術(shù)發(fā)展是與機(jī)器設(shè)備密不可分的，要提高技術(shù)水平就必須購買機(jī)器設(shè)備。Joseph Zeira(1998)認(rèn)為，技術(shù)是蘊(yùn)含于機(jī)器中的，如果生產(chǎn)者想采用更先進(jìn)的技術(shù)，就必須增加機(jī)器資本投入，并且技術(shù)的引入是一個機(jī)器替代人的過程。在他建立的經(jīng)濟(jì)模型中，最終產(chǎn)出是 一種產(chǎn)品，其中間投入品可以有多種選擇。這些中間產(chǎn)品最初是由人力按照傳統(tǒng)方法生產(chǎn)的，但隨著新的工業(yè)技術(shù)的發(fā)明，越來越多的中間產(chǎn)品也可以由人力和承載新技術(shù)的機(jī)器聯(lián)合生產(chǎn)，機(jī)器對人力具有替代作用，生產(chǎn)者是否選擇采用技術(shù)取決于機(jī)器替代人力是否帶來經(jīng)濟(jì)效益，而這又依賴于當(dāng)?shù)氐膭趧恿べY和反映機(jī)器資本價(jià)格的利息率。

　　David H. Autor 等(2003)建立了基于任務(wù)的模型對計(jì)算機(jī)技術(shù)的應(yīng)用和勞動力需求之 間的關(guān)系進(jìn)行了深入研究，這為研究機(jī)器人對就業(yè)的影響提供了可供借鑒的理論框架。在基 于任務(wù)的模型中，他們將工作任務(wù)分為常規(guī)任務(wù)(routine tasks)和非常規(guī)任務(wù)(nonroutine tasks)。常規(guī)任務(wù)是指那些可以被明確定義并按照指令來執(zhí)行的任務(wù)，而非常規(guī)任務(wù)是需要人力與計(jì)算機(jī)協(xié)同處理的任務(wù)，計(jì)算機(jī)能夠替代常規(guī)任務(wù)勞動力，而與非常規(guī)任務(wù)勞動力相互補(bǔ)充?；?Joseph Zeira(1998)和 David H. Autor 等(2003)的工作，Daron Acemoglu 和 Pascual Restrepo(2018a)闡釋了為什么基于任務(wù)的經(jīng)濟(jì)建模(task based approach)比單純地 把機(jī)器人看作資本增強(qiáng)型技術(shù)或是人力增強(qiáng)型技術(shù)，更能揭示機(jī)器人與一般機(jī)器資本的差異。在其建議的模型框架中，產(chǎn)出需要完成任務(wù)集中的一系列任務(wù)，任務(wù)集中的一部分任務(wù)機(jī)器人可以完成，而且隨著技術(shù)進(jìn)步，機(jī)器人可以完成的任務(wù)比例不斷增加，在機(jī)器可以完成的任務(wù)中，是全部采用人力，還是由人力與機(jī)器人共同來做，或是完全由機(jī)器人來完成，是廠商基于成本最小化的經(jīng)濟(jì)決策問題，與人力工資、機(jī)器人資本的價(jià)格和機(jī)器人應(yīng)用固定成本直接相關(guān)。

　　Georg Graetz 和 Guy Michaels(2018)研究了企業(yè)決定使用機(jī)器人時(shí)的考慮因素和機(jī)器人 價(jià)格下降對勞動力生產(chǎn)率和就業(yè)的影響。他們的模型設(shè)定了一個包含連續(xù)行業(yè)和壟斷競爭廠商的經(jīng)濟(jì)環(huán)境，不同行業(yè)的機(jī)器人可替代程度存在差異。他們的分析表明，機(jī)器人只在能夠被其代替的任務(wù)比例超過一定數(shù)值的行業(yè)得到采用。機(jī)器人應(yīng)用的固定成本和租賃價(jià)格下降會降低機(jī)器人應(yīng)用的閾值，也將降低機(jī)器人應(yīng)用行業(yè)的相對產(chǎn)出價(jià)格。當(dāng)消費(fèi)端產(chǎn)品替代彈性大于生產(chǎn)端任務(wù)間替代彈性時(shí)，機(jī)器人租賃價(jià)格的下降將使機(jī)器人應(yīng)用行業(yè)的就業(yè)相對其他行業(yè)增加。

　　Daron Acemoglu 和 Pascual Restrepo(2018b)提出以前由勞動力執(zhí)行的任務(wù)可以通過自動 化完成，因此自動化會減少就業(yè)和勞動力份額，甚至可能降低工資水平，同時(shí)自動化也可以 創(chuàng)造出勞動力具有比較優(yōu)勢的新任務(wù)。Daron Acemoglu 等(2020)建立一般均衡模型深入分 析了機(jī)器人應(yīng)用對就業(yè)的影響，這包括三個方面 :第一，替代效應(yīng)。隨著技術(shù)進(jìn)步，機(jī)器人 可完成任務(wù)的比例增加，原來完成這些任務(wù)的人被替代。第二，機(jī)器人應(yīng)用提高生產(chǎn)率，產(chǎn) 品生產(chǎn)成本由此下降，產(chǎn)品需求上升，這會增加所有行業(yè)非自動化部分的人力需求。第三， 正在加快自動化的行業(yè)在擴(kuò)張的同時(shí)也會壓縮其他行業(yè)，這都將提高該行業(yè)非自動化部分的 勞動力需求。

　　Michael Koch 等(2021)基于 Daron Acemoglu 等(2020)的分析框架，在經(jīng)濟(jì)分析中引 入了企業(yè)異質(zhì)性，把分析推向企業(yè)微觀層面。第一類異質(zhì)性，與國際貿(mào)易研究領(lǐng)域的經(jīng)典文 獻(xiàn)(Marc J Melitz，2003)的做法一樣，設(shè)定企業(yè)在生產(chǎn)率上是不同的 ;第二類異質(zhì)性是企業(yè) 生產(chǎn)任務(wù)復(fù)雜度存在差異，不斷有新的復(fù)雜任務(wù)涌現(xiàn)，推動產(chǎn)品質(zhì)量升級。Michael Koch 等(2021)得出以下推斷，首先，機(jī)器人應(yīng)用有正向選擇特征，這意味著更高生產(chǎn)率的企業(yè)更可能采用機(jī)器人 ;其次，機(jī)器人提高企業(yè)產(chǎn)出和市場份額，擴(kuò)大了采用與不采用機(jī)器人的企業(yè) 之間的生產(chǎn)率差異 ;最后，采用機(jī)器人的企業(yè)可能新增崗位，沒有采用機(jī)器人的企業(yè)失去市 場份額并減少就業(yè)崗位。Michael Koch 等(2021)還指出，機(jī)器人應(yīng)用帶來的生產(chǎn)率獲益可能有兩個來源，一是機(jī)器人帶來的直接效率提升，二是勞動力從沒有采用機(jī)器人的企業(yè)重新 配置到采用機(jī)器人的企業(yè)。

　　機(jī)器人的應(yīng)用對經(jīng)濟(jì)分工演進(jìn)產(chǎn)生積極影響。孫早和陳玉潔(2023)基于 Gary S. Becker 和 Kevin M. Murphy(1992)分工模型，刻畫了機(jī)器人引發(fā)生產(chǎn)方式變革的演化路徑，機(jī)器人 首先以發(fā)動機(jī)的形式完成可自動化范圍內(nèi)的任務(wù)，進(jìn)而以工具機(jī)的形式輔助勞動力實(shí)現(xiàn)非自動化范圍內(nèi)生產(chǎn)環(huán)節(jié)的分割重組，反向推動自動化范圍內(nèi)子任務(wù)的分工深化，最終實(shí)現(xiàn)整個任務(wù)區(qū)間生產(chǎn)方式的轉(zhuǎn)變。韓民春和周靜(2023)指出，在智能化生產(chǎn)環(huán)節(jié)，以機(jī)器人為中心的分工協(xié)作簡化了工作職能，深化了勞動分工，使得生產(chǎn)效率得到大幅提高。

　　綜上所述，基于壟斷競爭一般均衡分析框架，從勞動力與機(jī)器人的相互替代作用出發(fā)， 研究者對于機(jī)器人的經(jīng)濟(jì)影響理論分析取得了較大進(jìn)展。機(jī)器人對就業(yè)的影響存在替代與創(chuàng)造效應(yīng)，機(jī)器人應(yīng)用對于不同行業(yè)的影響除了與行業(yè)本身密切相關(guān)，還與行業(yè)間產(chǎn)品的消費(fèi) 替代彈性和行業(yè)內(nèi)生產(chǎn)任務(wù)間的替代彈性密切相關(guān)。機(jī)器人應(yīng)用呈現(xiàn)出企業(yè)異質(zhì)性，生產(chǎn)率高的企業(yè)更傾向于應(yīng)用機(jī)器人，機(jī)器人提高經(jīng)濟(jì)生產(chǎn)率的一個機(jī)制是勞動力從生產(chǎn)率低的企業(yè)向生產(chǎn)率高的企業(yè)轉(zhuǎn)移?；诜止ぱ葸M(jìn)的理論研究從經(jīng)濟(jì)組織角度闡釋了機(jī)器人應(yīng)用推動生產(chǎn)方式變革的豐富內(nèi)涵。深入的理論分析為測度機(jī)器人應(yīng)用的經(jīng)濟(jì)影響提供了計(jì)量建模指引。

　　工業(yè)機(jī)器人對經(jīng)濟(jì)影響的實(shí)證研究

　　( 一 ) 工業(yè)機(jī)器人對就業(yè)的影響

　　HL Sirkin 等(2015)進(jìn)行的調(diào)查顯示，使用機(jī)器人最多的行業(yè)是汽車制造業(yè)(39%)，之 后依次是電子制造業(yè)(19%)、金屬制品(9%)，以及塑料和化學(xué)品(9%)。早期，有學(xué)者表 達(dá)出對機(jī)器人應(yīng)用的擔(dān)心，認(rèn)為機(jī)器人會使勞動力市場產(chǎn)生根本性的改變，大量的工作崗位將消失(Erik Brynjolfsson 和 Andrew McAfee，2014 ;Martin Ford，2015)，但這些擔(dān)心并沒有 經(jīng)過嚴(yán)格的實(shí)證檢驗(yàn)。

　　圍繞機(jī)器人對就業(yè)的影響存在一些爭議?；趪H機(jī)器人聯(lián)合會(IFR)發(fā)布的 1993— 2007 年間 17 個國家的分行業(yè)機(jī)器人應(yīng)用數(shù)據(jù)，Georg Graetz 和 Guy Michaels(2018)發(fā)現(xiàn)機(jī) 器人并未顯著減少行業(yè)總就業(yè)人數(shù)，同時(shí)機(jī)器人應(yīng)用確實(shí)減少了低技能勞動力的就業(yè)份額。 與 之 形 成 對 比 的 是，Daron Acemoglu 和 Pascual Restrepo(2020) 基 于 Georg Graetz 和 Guy Michaels(2018)使用的 IFR 數(shù)據(jù)，以美國通勤區(qū)為單位分析了 1990 年至 2007 年不斷增長的 工業(yè)機(jī)器人應(yīng)用對美國勞動力市場的影響，研究結(jié)果是每千人使用機(jī)器人數(shù)增加 1 個單位將減少通勤區(qū)就業(yè)人口比率 0.2 個百分點(diǎn)、工資 0.42 個百分點(diǎn)。Wolfgang Dauth 等(2021)分 析了機(jī)器人對 1994—2014 年德國就業(yè)市場的影響，發(fā)現(xiàn)機(jī)器人的確會導(dǎo)致制造部門的崗位減少，但是勞動者會遷移到商業(yè)服務(wù)部門，一減一增，行業(yè)總的就業(yè)并沒有減少，這個結(jié)果與 Georg Graetz 和 Guy Michaels(2018)的研究結(jié)論接近。

　　Philippe Aghion 等(2020)分析了法國 1994—2015 年制造業(yè)應(yīng)用機(jī)器人等自動化技術(shù)的影響，發(fā)現(xiàn)自動化技術(shù)對就業(yè)的影響無論是從企業(yè)層面還是行業(yè)層面都是增加的。Johannes Hirvonen 等(2022)研究了芬蘭應(yīng)用機(jī)器 人等先進(jìn)技術(shù)的影響，發(fā)現(xiàn)先進(jìn)技術(shù)增加了就業(yè)，在芬蘭，企業(yè)應(yīng)用機(jī)器人去生產(chǎn)新的產(chǎn)品， 而不是去替代原有的勞動力。

　　機(jī)器人對行業(yè)的影響存在差異。鄭麗琳和劉東升(2023)采用 IFR 披露的各經(jīng)濟(jì)體分行 業(yè)機(jī)器人數(shù)據(jù)及國際勞工組織(ILO)公布的 2008—2019 年 22 個經(jīng)濟(jì)體分行業(yè)數(shù)據(jù)，基于行業(yè)和時(shí)序視角考察機(jī)器人應(yīng)用對勞動力就業(yè)的影響效應(yīng)，結(jié)果表明整體上機(jī)器人應(yīng)用增加了 勞動力就業(yè)，但不同行業(yè)存在顯著差異，在農(nóng)林牧漁業(yè)、制造業(yè)、建筑業(yè)和其他服務(wù)業(yè)，機(jī)器人增加就業(yè)，而在采石采礦業(yè)和電氣水生產(chǎn)供應(yīng)業(yè)，則是減少。

　　對中國的部分研究發(fā)現(xiàn)工業(yè)機(jī)器人應(yīng)用會降低部分行業(yè)就業(yè)水平?？赘呶牡?2020)使 用 2012—2017 年中國地區(qū)層面的行業(yè)機(jī)器人應(yīng)用數(shù)據(jù)，發(fā)現(xiàn)在容易被機(jī)器替代的行業(yè)，機(jī)器 人應(yīng)用顯著降低勞動就業(yè)水平。閆雪凌等(2020)使用我國 2006—2017 年制造業(yè)分行業(yè)數(shù)據(jù)， 發(fā)現(xiàn)工業(yè)機(jī)器人使用對制造業(yè)行業(yè)崗位數(shù)量有顯著的負(fù)向沖擊，工業(yè)機(jī)器人保有量每上升 1%， 就業(yè)崗位減少約 4.6%。王曉娟等(2022)利用 2009—2019 年中國各省份勞動力市場數(shù)據(jù)和 基于行業(yè)就業(yè)數(shù)據(jù)計(jì)算的機(jī)器人滲透度指標(biāo)組合的面板數(shù)據(jù)，發(fā)現(xiàn)從短期來看，機(jī)器人滲透 度每增加 1 個單位，制造業(yè)就業(yè)人員總量減少 0.391%，勞動者工資降低 0.163%;從長期來看， 機(jī)器人應(yīng)用會增加制造業(yè)就業(yè)。

　　基于企業(yè)實(shí)際應(yīng)用機(jī)器人微觀數(shù)據(jù)的研究認(rèn)為，機(jī)器人應(yīng)用提高企業(yè)就業(yè)水平。Michael Koch 等(2021)采用西班牙制造業(yè) 1990—2016 年的企業(yè)工業(yè)機(jī)器人應(yīng)用微觀數(shù)據(jù)，發(fā)現(xiàn)采 用機(jī)器人的企業(yè)產(chǎn)生了 10% 的新崗位 ;沒有采用機(jī)器人的企業(yè)的用工崗位減少，勞動力轉(zhuǎn)移 到生產(chǎn)率更高的采用機(jī)器人的企業(yè)。Jay Dixon 等(2021)認(rèn)為工業(yè)機(jī)器人具有通用技術(shù)的屬 性，而通用技術(shù)的滲透對于經(jīng)濟(jì)的各個部門的生產(chǎn)率提高都有著重大而廣泛的影響(Timothy F. Bresnahan 和 Manuel Trajtenberg，1995)，其針對加拿大 1996—2017 的研究發(fā)現(xiàn)，機(jī)器人投資 的增多對應(yīng)的是企業(yè)用工人數(shù)的增加和管理崗位的減少，企業(yè)采用機(jī)器人的目的更多的是要 提高產(chǎn)品和服務(wù)質(zhì)量，而不是減少人力。李磊等(2021)從 2000 年至 2013 年中國海關(guān)統(tǒng)計(jì) 的進(jìn)出口數(shù)據(jù)中整理出企業(yè)層面的進(jìn)口機(jī)器人數(shù)據(jù)，將其作為企業(yè)實(shí)際應(yīng)用機(jī)器人的替代變 量，發(fā)現(xiàn)機(jī)器人使用使企業(yè)就業(yè)水平上升 9.48 個百分點(diǎn)。陳良源等(2023)基于 2019 年 800 家廣東企業(yè)調(diào)查數(shù)據(jù)，發(fā)現(xiàn)相比沒有應(yīng)用工業(yè)機(jī)器人的企業(yè)，應(yīng)用工業(yè)機(jī)器人的企業(yè)擁有更 大的用人規(guī)模，具有更高的擴(kuò)大用工意愿。

　　一些采用企業(yè)機(jī)器人應(yīng)用間接估計(jì)數(shù)據(jù)的研究得到的結(jié)果與前述研究結(jié)論相反。王永欽和董雯(2020)利用 IFR 公布的 2011—2015 年行業(yè)層面的機(jī)器人數(shù)據(jù)及中國制造業(yè)上市公司 的微觀數(shù)據(jù)，發(fā)現(xiàn)機(jī)器人應(yīng)用對企業(yè)的勞動力需求產(chǎn)生了一定的替代效應(yīng)，機(jī)器人滲透度每增加 1%，企業(yè)的勞動力需求下降 0.18%。宋旭光和左馬華青(2022)利用 IFR 工業(yè)機(jī)器人數(shù) 據(jù)和中國制造業(yè)上市公司微觀數(shù)據(jù)，參照 Daron Acemoglu 和 Pascual Restrepo(2020)的方式構(gòu)建行業(yè)機(jī)器人應(yīng)用指數(shù)，然后借鑒王永欽和董雯(2020)的做法，按照企業(yè)人數(shù)占行業(yè)人 數(shù)比例計(jì)算企業(yè)機(jī)器人滲透指標(biāo)，發(fā)現(xiàn)機(jī)器人滲透率每增加 1 個百分點(diǎn)，企業(yè)對勞動力的需 求會下降 0.027 個百分點(diǎn)。

　　盡管機(jī)器人對就業(yè)的影響是復(fù)雜的，但我們還是可以在初看不完全一致的研究結(jié)論中， 通過探討其研究方法和使用數(shù)據(jù)的可靠性，得到一些研究共識。第一，較多的國內(nèi)外研究認(rèn) 為機(jī)器人應(yīng)用不會減少總的就業(yè) ;第二，機(jī)器人對于行業(yè)的影響存在國家區(qū)域差異性，如部 分基于中國的研究指出機(jī)器人應(yīng)用減少制造業(yè)就業(yè)，但一些國外研究認(rèn)為機(jī)器人應(yīng)用沒有減 少制造業(yè)總體就業(yè) ;第三，有研究指出機(jī)器人就業(yè)影響存在時(shí)間差異，短期內(nèi)機(jī)器人應(yīng)用對 制造業(yè)的影響以替代效應(yīng)為主而長期以創(chuàng)造效應(yīng)為主 ;第四，應(yīng)用機(jī)器人的企業(yè)總體就業(yè)人 數(shù)在增加，而且機(jī)器人應(yīng)用具有正向選擇性，生產(chǎn)率高的企業(yè)更有意愿使用機(jī)器人。與這些 結(jié)論存在不一致的少數(shù)研究大多使用的是機(jī)器人應(yīng)用間接估計(jì)數(shù)據(jù)，本文后續(xù)會做進(jìn)一步的 討論。

　　( 二 ) 工業(yè)機(jī)器人對生產(chǎn)率的影響

　　研究表明機(jī)器人應(yīng)用能夠提高企業(yè)生產(chǎn)率和創(chuàng)新能力。 Georg Graetz 和 Guy Michaels (2018)分析了部分發(fā)達(dá)國家機(jī)器人應(yīng)用與經(jīng)濟(jì)產(chǎn)出之間的關(guān)系，發(fā)現(xiàn)機(jī)器人應(yīng)用對生產(chǎn)率 增長的貢獻(xiàn)是明確的，保守估計(jì)為 0.36 個百分點(diǎn)，占到經(jīng)濟(jì)總生產(chǎn)率增長的 15%。Michael Koch 等(2021)針對西班牙的研究發(fā)現(xiàn)采用機(jī)器人的企業(yè)產(chǎn)出提高了 20%~25%，勞動力占 成本份額降低了 5%~7%。李磊和徐大策(2020)發(fā)現(xiàn)，機(jī)器人使用量的增加會顯著提高中國 制造業(yè)企業(yè)的勞動生產(chǎn)率，與沒有使用機(jī)器人的企業(yè)相比，使用機(jī)器人的企業(yè)勞動生產(chǎn)率平 均高 7.45%。屈小博和呂佳寧(2022)基于“中國企業(yè)—員工匹配調(diào)查”和“產(chǎn)業(yè)結(jié)構(gòu)升級

　　背景下制造業(yè)機(jī)器人實(shí)施狀況調(diào)研”數(shù)據(jù)，發(fā)現(xiàn)使用機(jī)器人對提升企業(yè)生產(chǎn)績效有正向作用， 采用機(jī)器人的企業(yè)具有更強(qiáng)的創(chuàng)新能力。

　　機(jī)器人應(yīng)用對地區(qū)全要素生產(chǎn)率有顯著正向影響。陳永偉和曾昭睿(2020)借鑒了 Daron Acemoglu 和 Pascual Restrepo(2020)的做法，構(gòu)建了“工業(yè)機(jī)器人沖擊指數(shù)”來度量一個地 區(qū)的工業(yè)機(jī)器人使用強(qiáng)度，發(fā)現(xiàn)更為密集地使用機(jī)器人進(jìn)行生產(chǎn)可以有效地提升一個地區(qū)的 全要素生產(chǎn)率，機(jī)器人的使用主要是通過改進(jìn)技術(shù)效率和促進(jìn)規(guī)模效益這兩個機(jī)制對生產(chǎn)率 產(chǎn)生了影響。楊光和侯鈺(2020)收集整理了 1993—2017 年 72 個國家或地區(qū)的機(jī)器人使用數(shù)據(jù)及相關(guān)的宏觀經(jīng)濟(jì)數(shù)據(jù)，發(fā)現(xiàn)機(jī)器人的使用確實(shí)對經(jīng)濟(jì)增長具有促進(jìn)作用，全要素生產(chǎn) 率是機(jī)器人影響經(jīng)濟(jì)增長的重要傳導(dǎo)機(jī)制，其解釋力達(dá)到總效應(yīng)的 60%。

　　( 三 ) 工業(yè)機(jī)器人對勞動力市場結(jié)構(gòu)的影響

　　中、低技能職業(yè)的自動化是收入不平等及就業(yè)市場分化的原因之一(David H. Autor 等，2003 ;Guy Michaels 等，2014 ;Carl Benedikt Frey 和 Michael A Osborne，2017)。Daron Acemoglu 和 Pascual Restrepo(2022b)研究發(fā)現(xiàn)，美國工資結(jié)構(gòu)變化的 50%~70% 可歸因于 快速自動化行業(yè)中從事常規(guī)任務(wù)的工人群體相對工資的下降。自動化技術(shù)使得機(jī)器執(zhí)行更多任務(wù)，導(dǎo)致某些工人失去了他們的工作機(jī)會。Daron Acemoglu 等(2023b)基于 2009—2020 年荷蘭企業(yè)微觀數(shù)據(jù)，借鑒 David H. Autor 和 David Dorn(2013)及 Hans RA Koster 和 CerenOzgen(2021)的方法構(gòu)建了常規(guī)任務(wù)強(qiáng)度指數(shù)，研究發(fā)現(xiàn)機(jī)器人應(yīng)用對于從事藍(lán)領(lǐng)常規(guī)工作的、受雇于機(jī)器人可替代崗位的及受教育程度較低的勞動者的就業(yè)及工資有負(fù)面影響，而對從事與機(jī)器人有互補(bǔ)關(guān)系崗位的勞動者有正向作用。James Besse 等(2023)研究了 2000— 2016 年荷蘭企業(yè)自動化支出對勞動者個體的影響，發(fā)現(xiàn)企業(yè)自動化增加了勞動者與企業(yè)分離 的概率，降低了勞動者收入，機(jī)器人對勞動力的替代效應(yīng)顯著。Erling Barth 等(2020)對挪 威的研究發(fā)現(xiàn)，機(jī)器人的引入使得高技能勞動者增加更多，公司內(nèi)部存在技能溢價(jià)，總體上引入機(jī)器人提高了挪威制造業(yè)的平均工資。Anders Humlum(2019)對丹麥的研究發(fā)現(xiàn)，工業(yè) 機(jī)器人應(yīng)用使得平均工資提高了 0.8%，但是制造業(yè)生產(chǎn)崗位工人工資降低了 6%。

　　機(jī)器人對勞動力市場是否存在極化效應(yīng)也受到關(guān)注。就業(yè)極化(employment polarization) 現(xiàn)象指的是高技能和低技能職業(yè)的就業(yè)份額同時(shí)迅速增加，而中等技能職業(yè)就業(yè)份額下降。 Jay Dixon 等(2021)針對加拿大的研究發(fā)現(xiàn)，機(jī)器人應(yīng)用改變了企業(yè)人員的技能構(gòu)成，處于 技能層次中間階段的人員減少，而與機(jī)器人存在互補(bǔ)關(guān)系的低、高技能人員比例增多。邸俊 鵬等(2023)使用 2004—2018 年 31 個中國省際單位機(jī)器人進(jìn)口數(shù)據(jù)，發(fā)現(xiàn)機(jī)器人的應(yīng)用增 加了制造業(yè)高技能和低技能勞動力就業(yè)人數(shù)，減少了制造業(yè)中等技能勞動力的就業(yè)人數(shù)，即 表現(xiàn)為明顯的“極化”效應(yīng)。何小鋼和劉叩明(2023)的研究發(fā)現(xiàn)，機(jī)器人主要是通過常規(guī) 任務(wù)勞動力替代效應(yīng)和非常規(guī)任務(wù)崗位創(chuàng)造效應(yīng)導(dǎo)致就業(yè)極化。值得注意的是，上述機(jī)器人 應(yīng)用存在就業(yè)極化作用的結(jié)論與 Georg Graetz 和 Guy Michaels(2018)基于不包括中國的 17 個國家的研究結(jié)論不同，Georg Graetz 和 Guy Michaels(2018)發(fā)現(xiàn)低技能勞動力占比下降， 就業(yè)極化現(xiàn)象不顯著。

　　余玲錚等(2021)利用制造業(yè)“企業(yè)—工人”匹配數(shù)據(jù)研究發(fā)現(xiàn)，機(jī)器人使非常規(guī)任務(wù) 工資大幅增加，工業(yè)機(jī)器人所體現(xiàn)的技術(shù)進(jìn)步是任務(wù)偏向型(TBTC)，而非傳統(tǒng)意義的教育 技能偏向型(SBTC)。呂潔等(2017)通過對 1990—2015 年間 22 個國家或地區(qū)的經(jīng)驗(yàn)數(shù)據(jù)分析表明，不斷增長的機(jī)器人投入正在緩慢地促進(jìn)發(fā)達(dá)國家的勞動力結(jié)構(gòu)轉(zhuǎn)型，其高技能勞動力比例在逐年上升，這在韓國等新興經(jīng)濟(jì)體表現(xiàn)得尤為突出。陳佳瑩等(2022)結(jié)合中國家庭追蹤調(diào)查(CFPS)的個體數(shù)據(jù)和 IFR 發(fā)布的機(jī)器人數(shù)據(jù)，發(fā)現(xiàn)機(jī)器人應(yīng)用降低了低技能個體在大企業(yè)正規(guī)就業(yè)的概率。

　　機(jī)器人應(yīng)用導(dǎo)致勞動力崗位遷移和跨部門流動。王林輝等(2023)研究發(fā)現(xiàn)，機(jī)器人應(yīng) 用存在崗位轉(zhuǎn)換效應(yīng)，勞動者從繁重向非繁重崗位、從常規(guī)向非常規(guī)任務(wù)轉(zhuǎn)換。何小鋼等(2023) 研究發(fā)現(xiàn)，機(jī)器人應(yīng)用降低了大多數(shù)行業(yè)的企業(yè)勞動收入份額，尤其是食品制造業(yè)、印刷業(yè)等勞動密集型行業(yè)。馬述忠等(2023)發(fā)現(xiàn)，機(jī)器人滲透促進(jìn)了勞動力從制造業(yè)向其他服務(wù)業(yè)部門轉(zhuǎn)移，勞動力的跨部門流動有助于緩解機(jī)器人滲透帶來的負(fù)面影響。何展鴻和韓寶國

　　(2019)對佛山制造業(yè)的調(diào)查發(fā)現(xiàn)，多數(shù)工人有信心應(yīng)對機(jī)器人帶來的沖擊，大部分工人認(rèn)為， 機(jī)器人的普及能減輕工作強(qiáng)度，并且愿意通過學(xué)習(xí)和提升技能水平來提高薪酬待遇水平，在部分企業(yè)中任務(wù)被機(jī)器人替代的勞動者通過轉(zhuǎn)換崗位繼續(xù)留在原來的企業(yè)工作。

　　魏下海等(2020)基于中國勞動力動態(tài)調(diào)查(CLDS，2012—2016 年)的經(jīng)驗(yàn)研究發(fā)現(xiàn)， 當(dāng)城市機(jī)器人安裝密度大時(shí)，移民有更大的概率進(jìn)入該城市就業(yè)而不是被擠出勞動力市場， 此外，相比于常規(guī)任務(wù)移民，機(jī)器人顯著地促進(jìn)非常規(guī)任務(wù)移民就業(yè)。但是，陳媛媛等(2022) 研究發(fā)現(xiàn)，2005—2015 年機(jī)器人的應(yīng)用顯著減少了地區(qū)外來勞動力的遷入率。

　　概括起來，機(jī)器人應(yīng)用對于勞動力市場結(jié)構(gòu)的影響研究受到廣泛關(guān)注，取得了較大進(jìn)展。 盡管機(jī)器人對總體就業(yè)規(guī)模的影響還存在一定爭議，但是機(jī)器人對于其直接可替代的崗位的影響是明確的，機(jī)器人還會增加與其互補(bǔ)的崗位需求，機(jī)器人應(yīng)用也推動了勞動力從勞動密集型制造業(yè)崗位向服務(wù)業(yè)崗位、從生產(chǎn)率低的企業(yè)向高的企業(yè)流動。國內(nèi)外研究都發(fā)現(xiàn)，機(jī)器人應(yīng)用導(dǎo)致了高技能勞動者占比的提高，至于機(jī)器人應(yīng)用是否會導(dǎo)致就業(yè)極化，相關(guān)研究還沒有一致結(jié)論。研究還發(fā)現(xiàn)，機(jī)器人應(yīng)用提高了總體平均工資水平，但是降低了被機(jī)器人替代的制造業(yè)崗位的勞動力工資。

　　( 四 ) 影響機(jī)器人應(yīng)用的因素

　　Daron Acemoglu 和 Pascual Restrepo(2022a)研究表明，人口老齡化會推動工業(yè)自動化， 尤其是機(jī)器人技術(shù)的廣泛應(yīng)用和發(fā)展。面對勞動力短缺和勞動力工資上漲，“機(jī)器換人”在較 長時(shí)間里是中國企業(yè)應(yīng)用機(jī)器人的主要動因之一。對浙江臺州“機(jī)器換人”情況的調(diào)查發(fā)現(xiàn)， 16.6% 的企業(yè)對“機(jī)器換人”有迫切性，54.8% 的企業(yè)開展“機(jī)器換人”的前提是政府加大政策補(bǔ)助力度(吳敏慧，2016)。Haichao Fan 等(2021)研究發(fā)現(xiàn)，生產(chǎn)率高的企業(yè)對于最低 工資提高反應(yīng)更明顯，更愿意采用機(jī)器人。

　　Jay Dixon 等(2021)認(rèn)為，為了發(fā)揮機(jī)器人的作用，企業(yè)要在管理實(shí)踐和組織設(shè)計(jì)上 做深刻變革，這與關(guān)于信息技術(shù)應(yīng)用與組織結(jié)構(gòu)需要互補(bǔ)的一些研究結(jié)論類似(Timothy F. Bresnahan 等，2002 ;Erik Brynjolfsson 等，2021)。企業(yè)能夠直接使用的機(jī)器人還不多，需要 匹配“沖壓、壓鑄、鍛造”等工藝環(huán)節(jié)“量身定做”，這給企業(yè)帶來了較大的成本壓力 ;“機(jī)器換人”是企業(yè)向智能制造方向發(fā)展的一個階段，這對企業(yè)的技術(shù)研發(fā)能力、維護(hù)能力及生產(chǎn)組織的科學(xué)管理水平都提出了更高要求(陸莉莎，2016 ;葉羽萍和王杰敏，2016 ;林昌華， 2015)。在機(jī)器人應(yīng)用滲透中涌現(xiàn)出的機(jī)器人共享工廠等創(chuàng)新模式值得借鑒(韓寶國，2019)。 韓寶國和肖威(2022)從政策、金融、人才、平臺及共享五個方面提出了機(jī)器人應(yīng)用推進(jìn)路徑。

　　實(shí)證研究中的難點(diǎn)問題

　　( 一 ) 數(shù)據(jù)

　　獲得可靠的機(jī)器人應(yīng)用數(shù)據(jù)是開展深入研究的基礎(chǔ)。Georg Graetz 和 Guy Michaels(2018) 使用的數(shù)據(jù)是 1993—2007 年 17 個國家的行業(yè)機(jī)器人應(yīng)用數(shù)據(jù)，時(shí)間和國家變化帶來的數(shù)據(jù)統(tǒng)計(jì)變化使得應(yīng)用面板回歸分析成為可能。Daron Acemoglu 和 Pascual Restrepo(2020)研究 機(jī)器人應(yīng)用對于美國 500 多個通勤區(qū)的就業(yè)影響，面臨著通勤區(qū)真實(shí)數(shù)據(jù)無法獲得的問題， 作者構(gòu)建了通勤區(qū)機(jī)器人暴露指數(shù)來反映機(jī)器人使用程度，這個指數(shù)采用的是行業(yè)應(yīng)用機(jī)器 人密度加權(quán)區(qū)域內(nèi)各行業(yè)就業(yè)人口比例。這個指數(shù)構(gòu)建的內(nèi)在假定是每個行業(yè)在各個通勤區(qū)的機(jī)器人使用密度都一樣，各個通勤區(qū)機(jī)器人暴露指數(shù)的差異實(shí)際上是各通勤區(qū)行業(yè)組成差 異帶來的，而不是機(jī)器人實(shí)際使用本身的差異，這也是該研究受到較多質(zhì)疑的原因。

　　有幾項(xiàng)針對中國的研究都采用了間接估計(jì)企業(yè)機(jī)器人應(yīng)用密度的辦法。王永欽和董雯 (2020)根據(jù) IFR 發(fā)布的數(shù)據(jù)計(jì)算了中國行業(yè)機(jī)器人應(yīng)用指數(shù)，指數(shù)定義為行業(yè)機(jī)器人存量除以行業(yè) 2010 年的就業(yè)人數(shù)，在此基礎(chǔ)上，定義企業(yè)機(jī)器人滲透度指數(shù)為企業(yè)中生產(chǎn)部門人數(shù)占比除以制造業(yè)所有企業(yè)生產(chǎn)部門員工占比的中位數(shù)，再乘以行業(yè)機(jī)器人應(yīng)用指數(shù)，這個估計(jì)方法假定企業(yè)機(jī)器人應(yīng)用只與行業(yè)和企業(yè)生產(chǎn)部門規(guī)模有關(guān)。王曉娟等(2022)使用中國

　　2009—2019 年各細(xì)分行業(yè)的機(jī)器人安裝數(shù)據(jù)，與 Daron Acemoglu 和 Pascual Restrepo(2020) 做法類似，將行業(yè)層面的工業(yè)機(jī)器人分解到地區(qū)層面，利用各個省份現(xiàn)有制造業(yè)各行業(yè)就業(yè)份額的差異和行業(yè)機(jī)器人數(shù)量的保有量，來衡量各省份工業(yè)機(jī)器人在制造業(yè)的滲透度。

　　國家行業(yè)層面數(shù)據(jù)會掩蓋行業(yè)內(nèi)企業(yè)的異質(zhì)性，無法識別機(jī)器人應(yīng)用對企業(yè)就業(yè)產(chǎn)生影 響的微觀作用渠道。如前所述，Michael Koch 等(2021)收集、整理了西班牙制造業(yè) 1990— 2016 年的企業(yè)微觀數(shù)據(jù)，把研究拓深到企業(yè)微觀層面。李磊等(2021)整理了 2000 年至 2013 年中國海關(guān)統(tǒng)計(jì)的機(jī)器人進(jìn)出口數(shù)據(jù)，把企業(yè)進(jìn)口機(jī)器人數(shù)據(jù)作為企業(yè)實(shí)際應(yīng)用機(jī)器人 的替代變量，從而把研究向中國企業(yè)微觀層面推進(jìn)了一大步。

　　( 二 ) 因果識別

　　機(jī)器人應(yīng)用與就業(yè)、生產(chǎn)率等因變量間的雙向因果關(guān)系，機(jī)器人應(yīng)用的測量誤差，以及 遺漏變量等問題都會帶來估計(jì)偏差問題，即我們所說的內(nèi)生性問題，這給因果識別造成困難。為減輕內(nèi)生性問題帶來的影響，研究者多采用工具變量方法，以及最新發(fā)展的計(jì)量分析方法。

　　找到合適的機(jī)器人應(yīng)用工具變量是實(shí)證研究的關(guān)鍵之一。Georg Graetz 和 Guy Michaels (2018)從行業(yè)哪些崗位和任務(wù)適合應(yīng)用機(jī)器人入手，尋找構(gòu)建了兩個工具變量，一是行業(yè)所包括的崗位中能夠被機(jī)器人替代的比例，即行業(yè)機(jī)器人可替代性 ;二是行業(yè)所包括的崗位中適合機(jī)器人完成的任務(wù)，即“觸 - 拿”(reaching and handling)任務(wù)所占比例。Jay Dixon 等 (2021)為減輕機(jī)器人投資的非隨機(jī)性帶來的估計(jì)偏差問題，先給細(xì)分行業(yè)需要的手工靈巧性

　　和語言交流能力賦值，再乘以機(jī)器人價(jià)格中位數(shù)的倒數(shù)，構(gòu)建了機(jī)器人投資的工具變量。 有研究使用他國機(jī)器人應(yīng)用數(shù)據(jù)作為研究對象國家的工具變量。Daron Acemoglu 和 Pascual Restrepo(2020)研究機(jī)器人應(yīng)用對美國就業(yè)的影響，使用歐洲機(jī)器人應(yīng)用暴露指數(shù)作為工具變量。Daron Acemoglu 等(2023a)研究荷蘭機(jī)器人應(yīng)用的影響，使用了韓國等機(jī)器人應(yīng)用領(lǐng)先國家的機(jī)器人應(yīng)用指標(biāo)作為工具變量。陳永偉和曾昭睿(2020)使用美國數(shù)據(jù)構(gòu) 建的沖擊指數(shù)作為工具變量。王永欽和董雯(2020)采用美國的行業(yè)機(jī)器人滲透數(shù)據(jù)作為工具變量。陳媛媛等(2022)使用工業(yè)機(jī)器人科技前沿國家的各行業(yè)工業(yè)機(jī)器人應(yīng)用變化量作為工具變量。采用他國機(jī)器人滲透指數(shù)作為研究國的工具變量值得商榷。機(jī)器人的技術(shù)進(jìn)步推動世界各國采用機(jī)器人，研究對象國家的滲透率和他國的滲透率都是結(jié)果，使用平行的結(jié)果作為其一的工具變量，兩者因果關(guān)系較弱，即使是工具變量通過弱工具變量統(tǒng)計(jì)檢驗(yàn)，從經(jīng)濟(jì)作用機(jī)制方面看也不能說其為有效工具變量。 較多的研究者采用雙重差分方法來設(shè)計(jì)因果識別實(shí)驗(yàn)。為處理雙重差分方法中存在的負(fù)權(quán)重問題，以及跨期處理效應(yīng)可能不適用于使用雙重固定效應(yīng)分析的問題，Daron Acemoglu 等(2023b)在實(shí)證研究中應(yīng)用了最新發(fā)展的解決方案(Cle?ment De Chaisemartin 和 Xavier d’Haultfoeuille，2020;Clement De Chaisemartin 和 Luc Behaghel，2020)。Jay Dixon 等(2021) 應(yīng)用雙重差分方法來推斷機(jī)器人的影響，采用了粗化匹配方法(coarsended exact matcing， CEM)(Matthew Blackwell 等，2009 ;Stefano M Iacus 等，2012)，使控制組和處理組在變量上具有更好的平衡性。李磊等(2021)在研究中采用了雙重差分傾向匹配得分方法(PSM-DID)。

　　結(jié)論與展望

　　工業(yè)機(jī)器人應(yīng)用對經(jīng)濟(jì)發(fā)展有深刻影響。研究者建立了基于任務(wù)的、壟斷競爭一般均衡 框架來分析機(jī)器人應(yīng)用對企業(yè)、行業(yè)及區(qū)域就業(yè)和生產(chǎn)率等方面的影響。機(jī)器人對就業(yè)的影 響被歸納為替代效應(yīng)和創(chuàng)造效應(yīng)，機(jī)器人資本價(jià)格和勞動力工資是其中重要的經(jīng)濟(jì)影響因素。 最新的研究將企業(yè)異質(zhì)性引入分析，生產(chǎn)率高的企業(yè)更傾向于采用機(jī)器人。實(shí)證研究支持機(jī) 器人應(yīng)用對企業(yè)和區(qū)域經(jīng)濟(jì)有正向影響，包括產(chǎn)出、勞動生產(chǎn)率、全要素生產(chǎn)率和創(chuàng)新能力等方面。 機(jī)器人應(yīng)用對就業(yè)影響的實(shí)證研究分為國家地區(qū)、行業(yè)和企業(yè)三個層面，研究結(jié)果存在

　　一定爭論。針對機(jī)器人應(yīng)用發(fā)達(dá)國家的研究，如德國、荷蘭、芬蘭等，顯示機(jī)器人應(yīng)用沒有 顯著減少總體就業(yè)，這與基于美國的研究結(jié)論不同 ;行業(yè)層面，有研究認(rèn)為機(jī)器人沒有減少行業(yè)層面的就業(yè)，也有研究表明不同行業(yè)影響存在差異，一些行業(yè)因?yàn)閼?yīng)用機(jī)器人就業(yè)增加， 也有一些行業(yè)就業(yè)減少，如，基于中國的一些研究認(rèn)為，機(jī)器人應(yīng)用減少了制造業(yè)就業(yè) ;企業(yè)層面，有基于西班牙、中國企業(yè)微觀機(jī)器人實(shí)際應(yīng)用數(shù)據(jù)的研究表明，應(yīng)用機(jī)器人提高了企業(yè)就業(yè)水平，也有使用中國企業(yè)機(jī)器人應(yīng)用間接估計(jì)數(shù)據(jù)的研究認(rèn)為，機(jī)器人應(yīng)用減少了企業(yè)就業(yè)。造成研究結(jié)論有所差異的原因，一是不同國家機(jī)器人應(yīng)用的實(shí)際情況不同，二是 區(qū)域機(jī)器人應(yīng)用微觀數(shù)據(jù)難以獲得，這方面的研究還有待深入。

　　機(jī)器人應(yīng)用對勞動力市場結(jié)構(gòu)產(chǎn)生較大影響。多項(xiàng)研究表明，隨著機(jī)器人在許多行業(yè)的 廣泛應(yīng)用，從事常規(guī)、低技能任務(wù)的工人群體受到了較大沖擊，這些工人群體往往面臨著工資下降和就業(yè)機(jī)會減少的風(fēng)險(xiǎn)。此外，機(jī)器人應(yīng)用還引發(fā)了勞動力崗位的遷移和跨部門流動， 勞動力從傳統(tǒng)制造業(yè)轉(zhuǎn)向其他服務(wù)業(yè)部門。機(jī)器人應(yīng)用是否導(dǎo)致就業(yè)極化還存在爭議。

　　機(jī)器人應(yīng)用受多種因素影響。研究表明，人口老齡化、勞動力短缺和成本上漲推動了工業(yè)自動化，尤其是機(jī)器人技術(shù)的應(yīng)用。生產(chǎn)率較高的企業(yè)更愿意應(yīng)用機(jī)器人。機(jī)器人應(yīng)用取得效益也需要企業(yè)進(jìn)行管理實(shí)踐和組織設(shè)計(jì)的變革，如創(chuàng)新的共享工廠等模式。機(jī)器人應(yīng)用的推進(jìn)需要政策、金融、人才、平臺等方面的綜合措施。

　　展望未來，機(jī)器人技術(shù)在飛速發(fā)展，能夠完成的生產(chǎn)任務(wù)也更復(fù)雜，智能工業(yè)機(jī)器人逐 漸成為趨勢，其對就業(yè)、生產(chǎn)率和勞動力結(jié)構(gòu)的影響，以及對企業(yè)組織變革的推動都是有意 義的研究課題。機(jī)器人應(yīng)用與中國制造業(yè)迫切需要的數(shù)字化轉(zhuǎn)型升級之間的內(nèi)在聯(lián)系，機(jī)器人應(yīng)用與高素質(zhì)勞動力的培養(yǎng)，機(jī)器人應(yīng)用在新型工業(yè)化中與其他組成要素的互補(bǔ)協(xié)同作用， 智能工業(yè)機(jī)器人作為新質(zhì)生產(chǎn)力的發(fā)展應(yīng)用路徑等都是值得深入研究的課題。