邓仲良 屈小博

摘   要：实现制造强国目标必须加快推进制造业智能转型。利用IFR国别数据总结了全球工业机器人应用的如下“卡尔多事实”：多数经济发达国家的人口结构变动导致了“机器换人”;工业机器人应用加快了资本深化过程;主要国家推进工业机器人应用均基于本国的产业比较优势，并将其主要应用于高技术制造业;重大技术突破主要依赖于行业内头部企业的长期技术积累。对中国代表性工业机器人及智能制造企业的调查研究表明，工业机器人头部企业的初始发展路径都具有相似产业背景;当前中国工业机器人在一般制造业应用中存在过度推广问题，在附加值较高的零部件制造业中应用程度相对不高。理论和调查研究都表明，推进工业机器人应用可通过提高生产效率和优化要素配置结构来促进制造业转型升级，但其也会对资本、劳动力等要素市场产生交互影响。因此，相关产业政策制定应遵循全球工业机器人应用的典型化特征规律，因地制宜、分门别类地引导推进工业机器人更多地应用于高技术制造业，避免盲目实施“机器换人”。

关键词：工业机器人;制造业发展;数字经济

中图分类号：F424   文献标识码：A   文章编号：1003-7543（2021）08-0025-13

以工业机器人应用来实现先进制造业跨越发展已成为全球共识。根据国际机器人联盟（IFR）数据，世界工业机器人产业发展迅猛，2013—2019年全球工业机器人年均增速为16.7%，2019年全球工业机器人新增38.1万台，总存量已接近270万台。当前中国正在大规模推进工业机器人在制造业中的应用，2013年以来中国工业机器人安装台数已持续多年位居全球第一，2018年新增安装和存量分别占全球的35.61%和25.35%，但制造业真实产值增加率并未与工业机器人应用同步正向增加。在这种情况下，有必要反思工业机器人促进制造业发展转型的作用机制到底是什么。与国外相比，中国制造业发展和工业机器人应用的结合点有何共性规律或差异性？

迄今为止，学术界对上述问题还未有统一、明确的回应，主要原因包括：其一，当前新技术发展迅速，已有技术很快会被新的前沿技术替代，进而对生产组织产生颠覆性影响，这使得研究者难以及时准确识别何种新技术对制造业发展影响最大。其二，从产业体系演进历程来看，中国与国外制造业的产业结构还存在较大差异，需要选取合适的共性技术应用来弥合国内外实际情况差异，而工业机器人应用则提供了这样一个共同技术背景。工业机器人技术最初兴盛于1990年前后，已在美国和欧洲等国的制造业中得到广泛应用，尽管当前这些主要发达国家的制造业已逐步让位于服务业，但其仍然在大力推进工业机器人应用。改革开放以来中国现代制造业体系日益完备，2013年后中国工业机器人进入大规模应用阶段，但工业机器人和制造业深度融合的中国模式尚未形成，制造业经济贡献率2012年被服务业超过。针对上述两种疑惑，本文将这些现实问题提炼为以下两个问题：如何准确认识及有效促进工业机器人的应用？不同国家在推进工业机器人应用时有何共性规律？

当前中国正在加快形成新发展格局，创新驱动和扩大内需是关键影响因素，促进工业机器人等新技术在制造业中应用不仅有利于发挥科技创新作用，提升中国制造核心竞争力，实现全球产业价值链攀升，而且能够有效应对人口老龄化和劳动力供给下降，进一步对冲“人口红利”式微引发的潜在增长率失速，稳定制造业比重。与此同时，“机器换人”也对人口质量和劳动力技能水平提出了更高要求。

长期而言，技术应用对经济增长的贡献度在不断发生变化。Kaldor从20世纪全球经济发展中总结出六个“卡尔多事实”[1]，随着经济社会发展和技术水平不断进步，新的卡尔多事实进一步得到了补充和完善[2]。从实际情况来看，以新技术应用来促进制造业转型升级不仅是世界各国的普遍经验，而且是实现经济可持续增长的通用路径。鉴于工业机器人在制造业中应用是研究中国和国外制造业升级问题的共同现实背景，在已有研究文献和实际调研的基础上，本文尝试总结全球工业机器人领域的“卡尔多事实”，探讨工业机器人应用如何影响中国制造业转型升级。本文利用国别层面的IFR工业机器人数据和企业调研发现的共性问题来研究中国工业机器人在制造业中的应用情况，并将其与全球工业机器人应用的典型事实相比较，从而从理论和实践层面获得可供参考的政策启示。

一、工业机器人应用的产业类别及研究方法

当前对工业机器人的概念界定已比较明确，IFR提供了1993年以来全球主要使用工业机器人的国家和地区的新增和存量数目，并以年度报告的形式每年跟踪研究，这为本文研究工业机器人及其在制造业中的应用提供了详实的基础数据。基于这样的考虑，本文遵循IFR对工业机器人的定义，即工业机器人为“三个或多轴上可编程的、自动控制的、多功能机械手臂装置”[3]。

（一）工业机器人应用的产业类别

根据IFR《2019年世界机器人报告：工业机器人》（World Robotics 2019： Industrial Robots），工業机器人应用的产业分类基本能够与世界通行的标准行业划分目录对应。为进一步聚焦分析工业机器人在制造业中的应用趋势，本文剔除了工业机器人在农林牧渔业（A-B）、采矿业（C）、电力燃气和用水供给（E）、建筑业（F）、教育和研究（P）等产业内的应用数据。对制造业而言（IFR产业划分代码为D），工业机器人在制造业中应用的产业有食品和饮料制造业（10—12）、纺织业（13—15）、木制品及家具制造业（16）、造纸及出版印刷业（17—18）、塑料和化工制造业（19—22）、玻璃等矿物制品制造业（不含汽车零部件，23）、基本金属制造业（24）、金属制品制造业（非汽车，25）、电气电子制造业（26—27）、工业机械制造业（28）、汽车制造业（29）等，产业类别划分具体如表1（下页）所示。

（二）研究方法

鉴于当前中国工业机器人的官方统计数据尚不完善，本文在研究方法上以文献研究、IFR数据与实际调研情况相结合为主，即从实际调研中提炼问题，在文献研究中梳理理论机制，再将IFR数据和实际调研情况进行比较分析。在研究数据基础方面，本文整理了全球IFR总量及其分国别、分产业数据，将IFR数据匹配至6个主要应用工业机器人国家（中、美、德、法、韩、日），在此基础上，再匹配以世界银行发展指数WDI（World Bank Index）和OECD数据库中产业结构、人口年龄结构等国别层面数据。调研对象主要选取国内工业机器人研发与生产企业和采用工业机器人生产的制造业企业，具体调查对象包括：徐州工程机械集团有限公司（简称徐工集团）、赛摩智能科技集团股份有限公司（简称赛摩）、南京埃斯顿机器人工程有限公司（简称埃斯顿）、珠海格力智能装备有限公司（简称格力智能装备）、珠海市运泰利自动化设备有限公司（简称运泰利）、珠海松下马达有限公司（简称松下马达），重点考察工业机器人企业的技术特征以及工业机器人在制造业中的应用情况。具体而言，针对工业机器人产业本身发展情况的调研，本文以埃斯顿、松下马达等企业为主;对工业机器人在制造业中应用情况的调研，本文选取了徐工集团、赛摩、格力智能装备、运泰利等制造业企业。

為全面地了解国内工业机器人产业及智能制造企业的发展方向和面临的挑战，本研究调研访谈人员主要针对中高层管理人员和工厂技术工人，这不仅可以提供管理层对工业机器人企业发展及应用方向的宏观视野，而且能反映基层技术员工对工业机器人技术应用的细致思考。调研时间主要集中于2020年6—10月，具体调研形式为：一是实地企业调研。课题组提前对广东和江苏两地的企业发放调查问卷和座谈提纲，对企业基本信息、行业类型（四位码行业）、员工总数、固定资产、营销收入、生产成本、是否获得政府补贴、推进“机器换人”起始时间及原因、使用工业机器人类型及相关成本投入等情况进行统计。二是面对面访谈。对企业管理层和基层技术骨干代表人员进行访谈，通常为调研企业介绍各自企业发展的基本情况，并对提纲问题进行回答，然后根据企业具体情况通过交互问答等方式来进一步了解工业机器人企业的生产决策、技术选取、新业务拓展等具体信息。三是调研情况总结和回访。对每次调研结果都采取语音和文字记录，并在调研后对调研问题及回答进行系统整理，若有疑问之处，再就具体问题向相关企业进行求证。

二、全球工业机器人应用的“卡尔多事实”

工业机器人在制造业中应用改变了产业中的要素结构，引起了增长中要素贡献份额及配置效率的变化。2000年以来全球工业机器人产业发展逐步成熟，已呈现一些基本特征，本文结合已有研究文献、IFR数据和实际调研情况总结了工业机器人产业及其应用的“卡尔多事实”①。

（一）人口变动是多数经济发展水平较高国家推进工业机器人应用的主要原因

工业机器人应用的第一个“卡尔多事实”是，人口老龄化、劳动力与劳动力成本是影响工业机器人应用的核心因素。已有研究表明，人口老龄化、高人力资本市场需求是“机器换人”趋势日益加快的主要原因[4]。Abeliansky & Prettner利用1993—2013年60个国家数据的研究表明，人口总量增加率提高1%，将会降低2%的机器人使用增量[5]。从“机器换人”效果来看，人口老龄化和低生育率等对经济社会带来的不利影响可以通过机器人替代来进行缓解[6-7]，即通过使用机器人替代传统岗位，可以减少经济体对劳动力投入的要求，从而补偿人口老龄化引起劳动力供给不足对经济增长的不利冲击。

从主要应用工业机器人的国家来看，除日本外，中国、美国、德国、法国和韩国在制造业中应用工业机器人的规模与人口老龄化趋势成正比：16～64岁劳动力结构越充裕，工业机器人应用规模越低，而65岁以上人口越多，工业机器人应用规模越大（见图1）。对日本而言，这样的规律似乎不明显，这可能由于日本老龄化问题出现较早，而日本仅在部分产业大规模推进工业机器人应用。世界银行发展指数（WDI）表明，1993年日本老龄化率为13.27%，2018年日本老龄化比重达27.58%，其工业机器人应用规模始终停留在30万～35万台，增幅和存量台数都变化不大（前提是IFR提供的日本相关数据完整且正确）②。从日本工业机器人应用产业来看，日本工业机器人在制造业中应用主要集中在汽车制造业（2018年121 264台）、电气电子制造业（109 361台）、半导体/LCD/LED（85 973台）、金属制品制造业（37 813台）等，而在其余产业应用比重较低，这表明日本仅在具有比较优势的高技术产业上大规模使用工业机器人。从企业调研的实际情况来看，企业是否采取“机器换人”主要取决于机器人购置与维护成本、劳动力成本变化和产品的边际利润提升等因素。

从劳动力市场的相关研究来看，大量已有研究表明，“机器换人”具有就业替代和就业创造两种效应[8]。工业机器人使用会引起劳动力市场产生两种效应：替代效应和生产率效应。一方面，工业机器人的使用降低了劳动力需求和工资水平。已有研究表明，这种替代效应具有显著的产业异质性[9]：在劳动密集型制造业推进“机器换人”可缩减用工成本，对规模较大、资本深化程度较高、研发力度较强的高技术制造业则是互补的正向效应，机器人对就业的替代效应仅在中等技术的标准常规化任务中显著[10]。具体而言，就美国劳动力市场而言，推进机器人等智能技术应用会降低就业和工资水平，拉低近0.2%的就业比重，并造成就业工资下降0.42%[11]。外部健康冲击也会降低面对面工作任务需求，新冠肺炎疫情的大流行降低了劳动力流动性，对密切接触的劳动密集型制造业影响较大，导致其加快了“机器换人”。另一方面，工业机器人的使用提升了自动化技术应用的正向促进作用[5]，其还创造了生产过程中非自动化环节的劳动力需求，同时机器和人的交互需求增多还增加了“人机协作”的中间岗位需求[12]，而从工业机器人产业来看，机器人产业本身及上下游设计与研发、零部件制造、销售和技术服务等环节也会创造新的就业岗位，因而机器人应用也具有劳动力创造效应。

（二）工业机器人产业的重大技术突破主要依赖于龙头企业的长期技术积累

工业机器人产业链分为核心零部件制造、机器人本体制造和系统集成三个部分（见图2）。其中，工业机器人的利润关键点为产业上游的精密减速器、伺服电机及驱动、控制器等关键零部件制造，机器人本体制造业和产业下游系统集成属于技术应用范畴。当前各国都提前布局全球工业机器人产业链中的核心环节，逐渐形成了各具特色的核心技术和创新模式，如日本川崎重工和发那科、德国库卡等在机器人手臂、机器人末端结构和核心控制单元等方面拥有显著优势。我们在工业机器人制造企业调研中发现，工业机器人产业属于技术垄断高度集中行业，这种新技术的诞生及广泛应用基于各国头部企业的技术发展基础，并与其长期技术积累和不断创新研发投入密切相关。近年来，中国沈阳新松、南京埃斯顿、安徽埃夫特在机器人本体集成和控制单元方面进展迅速，徐工集团和三一重工更是将工业机器人、工程机械与大数据结合来打造工业互联网产业。基于上述国别产业发展和企业调研情况，本文总结的工业机器人应用的第二个“卡尔多事实”是，本国工业机器人重大技术突破依赖于本国机器人行业内龙头企业的长期投入和经验积累。

（三）工业机器人应用本质上是资本深化的过程

就本质而言，工业机器人是一种特殊的自动化设备[4]。新技术的产业化应用将进一步降低劳动力需求，系统的自动化生产技术会加快资本形成过程。根据相关系列研究，本文总结的第三個“卡尔多事实”是，推进工业机器人应用将加快资本深化过程[5]。资本深化过程势必面临固定资产折旧问题，为比较不同国家工业机器人的使用情况，本文进一步界定了工业机器人折旧率计算方法，如式（1），

结果表明，2018年中国工业机器人名义年折旧率为1.15%，明显低于世界平均标准（4.95%），也低于世界其他主要应用工业机器人的国家（如美国6.65%、德国和法国5.70%、韩国3.94%、日本11.56%）。从工业机器人应用规模来看，当前中国、美国、德国、法国、韩国和日本是主要使用工业机器人的国家，合计约占全球工业机器人市场的80%。全球工业机器人使用密度呈逐年上升趋势，2018年工业机器人在制造业中应用的存量为2 068 185台，其中，中国为524 273台，占全球的25.35%。全球平均使用密度为99台/万员工，新加坡和韩国使用密度最高，分别为每万名员工831台和774台。从中国制造业中工业机器人的应用来看，2010年以来中国制造业中工业机器人应用比重总体呈先上升而后下降的趋势，2010年比重为82.32%，2015年比重增加至91.24%，其后每年逐年递减，2018年制造业中工业机器人应用比重为79.40%。整体而言，中国工业机器人整体应用水平高于世界其他国家，2018年中国使用密度为140台/万员工，从资产折旧和维护的角度来看，这意味着工业机器人应用引起的资本深化将使得未来中国工业机器人维护成本进一步上升。

（四）工业机器人产业应用主要依赖于原有产业比较优势

从各国工业机器人发展情况来看，工业机器人龙头企业加大工业机器人研发投入的初始起点都依赖于原有企业发展路径亦或相近的产业背景，即工业机器人发展及产业应用大多都立足于本国原有产业发展基础，这是本文总结的工业机器人产业及其在制造业中应用的第四个“卡尔多事实”。相关研究表明，短期和长期的技术调整成本是不同的，长期技术调整成本较高，在相同产业背景下工业机器人企业转换成本较低。我们在南京埃斯顿的调研发现，埃斯顿2000—2010年主要从事交流伺服电机，其为工业机器人的核心零部件制造领域之一。在相关领域的生产技术逐步成熟后，自2011年起埃斯顿开始进行工业机器人核心零部件研发。从不同国家的产业结构来看，中国纺织业具有比较优势，根据工业机器人在纺织业的每年新增安装量数据可以看出，中国每年新安装工业机器人比重都远高于其他国家，占全球纺织业工业机器人应用比重最大。2018年中国纺织业新增工业机器人全球份额为41.80%，而德国、日本、美国分别仅为16.40%、6.40%和3.80%，如图3（a）所示。日本在电子元器件、半导体/LCD/LED、汽车制造等方面具有比较优势，尽管2010年以来其比重逐步下降，但其在微电子制造等领域的工业机器人应用均明显高于世界其他国家。以电子元器件制造为例，2018年日本电子元器件全球工业机器人存量比重为62.24%，而中国同时间范围内呈现先上升后下降趋势，同期中国仅占全球的16.20%，如图3（b）所示。

（五）高技术产业是全球工业机器人应用的主要领域

从全球各产业中使用工业机器人情况来看，工业机器人主要应用于汽车制造、电气电子、金属制品等装备制造业（见表3，下页），其中汽车制造业安装应用工业机器人比重约占全球的30%，汽车制造业中工业机器人应用份额主要集中于中国、日本、德国、美国和韩国，合计占全球的79%。工业机器人在传统劳动密集型企业中应用较少，如食品和饮料制造业、纺织业，2010—2018年其使用比重基本保持不变，2018年食品和饮料制造业、纺织业中工业机器人存量分别占全球总存量的3.56%和0.13%，这表明全球工业机器人主要应用于高附加值产品的制造业，如汽车、电子元器件、半导体/LCD/LED等电子产品和零部件制造，这是工业机器人在制造业中应用的第五个“卡尔多事实”，即从全球工业机器人应用规律来看，工业机器人大多应用于高技术制造业，而非传统劳动密集型产业。

三、工业机器人应用及其对中国制造业升级的影响

在认识全球工业机器人发展的“卡尔多事实”基础上，本文进一步从理论上讨论工业机器人如何促进制造业转型升级，并对当前中国工业机器人产业及其在制造业中的应用情况进行比较分析。

（一）工业机器人促进制造业升级的理论机理

作为智能制造中主要应用的新技术之一，工业机器人应用优化了产业中资本K和劳动力L的要素配置结构。一般地，新技术进步总会改变生产活动的要素结构K/L，技术应用会降低劳动力投入[13]，工业机器人应用本质上仍是资本深化的过程[4]，这使得资本投入偏好进一步加剧[13]。同时，工业机器人使用对要素市场也会产生影响。相关研究表明，机器人等自动化技术应用会推高要素市场价格，尤其是劳动力就业工资水平[14]。只有当资本利率较低时，推进自动化技术应用才能降低生产成本[15]，并实现均衡可持续的增长[16]。工业机器人作为新技术引入，也会对人力资本水平产生影响[17]。工业机器人在制造业中的应用要求相关领域从业的劳动者具有较高的技能水平，因而其直接提高了劳动力市场的就业技能门槛，这也间接增加了制造业劳动力市场的人力资本需求。已有研究进一步表明，只有当机器人与人力资本相匹配时，工业机器人应用才能更好地促进劳动者的工资率和劳动生产率的增长[18]。

工业机器人应用提高了全要素生产率。除优化要素结构外，新知识产生的新技术应用是提高全要素生产率的重要途径。新技术应用的经济效应主要来源于知识创造对原有生产组织形式的改进，其首先诞生于知识创造和传播，不同类型的知识对新技术正效应的作用机理具有差异。一般地，知识主要分为两种类型，即顯性知识和隐性知识，前者也被称为“编码知识”，其可以通过文字、图像等承载知识的外界媒体来进行获取，如标准课本或者工具使用说明书等，具有非竞争性、公共品属性[19];后者则主要指那些不能将知识进行编码，只能通过面对面的“言传身教”系统学习获得的知识，因而其具有集聚效应，如跳舞、武术、维修、音乐、关键仪器和机械操作使用等专业技能传授。工业机器人应用不仅需要“编码知识”的系统传递，如工业机器人产业下游系统集成，亦或操作机器人进行生产的制造业工人，而且需要隐性知识的独立性研发工作和技术交流，如核心零部件研发与制造、工业机器人生产配套技术等，但无论是上述哪种知识类型，知识传播和应用都具有显著的技术外部性。与仅影响价格的资金外部性不同，技术外部性可以不经过市场直接对生产函数产生影响，新技术产业应用将会产生“熊彼特创新理论”中的“创造性破坏”，即技术外部性不仅可以直接提高生产效率，而且可以进一步扩大原有要素结构下的生产函数边界，即原产业或企业中要素结构的单位产出更高，相关实证研究也表明，高技术产业全要素生产率（TFP）增长的来源主要是技术创新[20]。

上述两种作用机制的有效性与工业机器人生产及应用领域的市场环境紧密相关。从推进新技术应用来看，技术获取和应用不会以同等程度渗透至所有产业领域，均衡的技术扩散仅在生产力较高的产业领域和产业关联性较高的区域存在，如何促进新技术扩散及其产业应用是进一步发挥技术进步正外部性的关键。一般而言，在技术应用成熟时期，“熊彼特创新模式”和市场中企业家精神更为重要，由于信息对称和竞争充分，微观市场主体活力越高，新技术应用的正外部性越大。在新技术应用初期，技术市场往往呈现垄断竞争状态，具有垄断寡头特征，尤其是对以互联网和机器人为代表的智能技术应用产业，采用新技术进行生产的大企业可能垄断核心算法和关键零部件的专利技术，这使得中小企业日益成为技术垄断寡头的附庸。在这个阶段，提高技术创新活力、提供及时获取合适技术的机会、可持续的创新收益和知识累积渠道的“技术体制”和“产业创新体系”更加重要。

（二）中国工业机器人产业及其制造业应用特征

1.当前中国工业机器人产业发展面临的挑战

通过企业调研发现，中国工业机器人产业发展面临一系列挑战，具体表现为：进口国外机器人零部件及整机比重远大于国产品牌，部分关键核心技术瓶颈亟待突破。

第一，国产自主品牌与国外进口替代将并存一段时间。国内市场对工业机器人的需求日益增加，国外工业机器人企业试图采用降价的模式来挤压国产机器人企业的生存空间。由于技术差距明显而产品价格相近，国产工业机器人及其零部件产品受到较大挑战，这反过来制约了国产机器人产业发展。2018年中国工业机器人新增台数为15.4万台，占全球新增量的36.48%。尽管2014年以来国产自主品牌机器人市场占有率稳步提升，但总体占比还不足30%。近年来，国产品牌机器人销量增速还在下降，已从2015年的30.9%降至2018年的16.2%。从使用种类来看，多关节机器人是进口品牌占比份额最大的机器人类型，2018年进口数量约占中国同类市场份额的69.5%。从应用类型来看，除涂层与胶封外，搬运与上下料、焊接、装配与拆封、洁净、加工的进口机器人占比都较大。从产业类别来看，仅电气电子制造业的国产品牌市场份额（32.2%），大于国外进口份额（28.8%），其余产业的工业机器人以进口为主，以汽车制造业为例，纯进口国外安装机器人占比达30.5%。

第二，中国工业机器人的关键核心技术对外依赖性仍较高。当前产业附加值高的上游几乎都被日本和德国企业垄断，中国工业机器人产业正处于从下游集成应用向中上游零部件制造演进的上升过程。中国企业通常采取以下游的系统集成作为切入点来逐步开展上游的技术研发和产品开发，如南京埃斯顿、东莞拓斯达、武汉华中数控分别以机器人产业链下游的数控和集成一体化为主。以南京埃斯顿为例，其核心业务已由下游产品集成逐步向减速器、伺服和控制系统等核心部件国产化制造发展，具有多项自主研发的核心算法和关键零部件，中大力德、南通振康等企业更开始涉猎纯零部件制造。

第三，核心零部件工作稳定性日益成为影响国内同类工业机器人产品质量的关键因素。近年来，尽管中国工业机器人硬件和国外差距逐步缩小，但自主研发的国产机器人操作系统、传感技术、核心算法及其与机器人运行模块及本体兼容性还存在一定差距，这日益成为制约国内机器人企业发展的瓶颈。我们在相关企业调研中发现，基础科学在指导机器人产业发展时存在理论与实践脱节的情况，被调查企业经常反映的问题是：当前教育培训体系与工业实际需求还存在不匹配现象，高校科研成果与产业化应用存在部分脱节，材料加工工艺和技术经验积累还不充分，这使得精密制造工艺水平、工作稳定性和耐久性与国际同类型机器人产品相比还存在一定差距。

2.中国工业机器人在制造业中的应用情况

当前中国在食品和饮料制造、纺织、汽车制造等领域工业机器人应用的市场份额已位居全球第一（见表4）。2018年，中国工业机器人在纺织业、木制品及家具制造业、塑料和化工制造业、金属制品制造业、汽车制造业应用优势明显，其存量分别占全球相应产业的34.41%、21.28%、21.90%、30.62%、23.46%，这些产业大多也是当前中国具有比较优势的产业，其引入工业机器人主要目的在于“代工”，提高生产效率和产品利润。以汽车制造业为例，2018年中国汽车制造业使用工业机器人总存量为198 735台，远高于美国（128 414台）、韩国（93 576台）和日本（101 264台）。尽管电气电子制造业从2018年开始整体超过韩国和日本，但在附加值较高的电子元器件与半导体/LCD/LED等制造业细分行业的应用比重不高，且工业机器人应用规模远低于韩国和日本。以2018年为例，中国在电子元器件产业中新增机器人1091台，占全球新增台数的16.20%，但远低于美国和日本（2018年分别新增1965台和6943台）;半导体/LCD/LED制造业中新增机器人安装台数为5026台，也远低于韩国（12 898台）。

由此可见，中国制造业整体的工业机器人应用规模很大，在一般制造业中存在产能过剩和过度推广应用的趋势，但在附加值较高的电子元器件及半导体/LCD/LED等零部件制造业中应用程度还不高，这意味着未来利用新技术来促进中国制造业转型升级需要侧重推进工业机器人在高技術制造业中的应用。另外，作为一种自动化技术，从资产折旧率来看，由于中国工业机器人安装使用时间还不长，本文依据式（1）估算2018年中国制造业折旧率为0.90%，这进一步表明未来中国制造业机器人的维护和更新换代的潜在成本较高。

四、结论与政策建议

工业机器人应用是当前推动全球制造业发展变革的突出前沿方向。本文立足当前工业机器人产业的发展状况和全球演变趋势，对新技术如何促进制造业转型升级进行了理论探讨和调查研究。研究和调研结果都表明，新技术通过提高要素配置效率和扩大生产效率边界两种机制来促进制造业转型升级。以工业机器人为例，新技术不仅改变了传统制造业生产效率，而且还会对要素市场产生交互影响。从支撑政策来看，新技术引进和自主创新有机结合更有利于放大技术进步对制造业的正向促进作用。从全球工业机器人应用规律来看，本文总结了工业机器人在制造业应用的五个“卡尔多事实”，即人口变动将促使“机器换人”;作为高技术应用的工业机器人发展更依赖于龙头企业的长期技术积累;工业机器人企业发展依赖于原产业发展路径或相似产业背景;从全球范围来看，工业机器人大多应用于高技术制造业，而在传统劳动密集型产业中使用较少;推进工业机器人应用本质上促进了资本深化。

为发挥工业机器人在促进中国制造业高质量发展方面的作用，建议采取如下措施：

第一，准确认识工业机器人发展及应用规律，因地制宜、分门别类地引导推进机器人产业化应用。当前中国工业机器人主要应用于具有比较优势的传统制造业中，纺织业、食品和饮料制造等传统行业的机器人存量位居世界第一，可预期的设备折旧将逐步提高，而在半导体/LCD/LED及零部件制造等高技术制造业中中国应用比重还不及韩国和日本。为此，应立足不同地区传统制造业装备技术升级需求，以不同地区的比较优势为产业发展重点，开展工业机器人对传统生产线或生产系统的技术改造，选择关键环节进行重点突破，避免盲目推进“机器换人”。就机器人替代就业岗位而言，应积极引导在健康危害和危险作业环境、重复繁重劳动、智能采样分析等关键岗位应用机器人。

第二，加快打造工业机器人产业的基础生态，实现科技自立自强。当前中国主要集中在中下游产品集成，为此，应加快完善上游产业链，补齐芯片研发、操作系统、伺服电机等方面的基础短板。鼓励国产机器人核心零部件制造业发展，提升减速器、伺服电机、传感器以及末端执行端的深度研发和制造能力。新技术更新换代速度很快，要准确把握智能化趋势，继续加强机器人基础共性技术研发，提前布局前沿技术产业。加快制定企业经营数据安全保护标准，鼓励工业流程改造和基础数据共享。促进工业机器人、智能服务机器人和智能制造全产业链配套发展，引导一般生产向智能制造转型，发挥互联网和云计算优势，继续推动5G、大数据、AI与工业机器人的深度融合。

第三，构建不断释放工业机器人“生产率效应”的政策保障机制。整合工业机器人上下游领域的相关产业基金，进一步加大机器人芯片基础研发的资金投入，提高税收减免力度，有序引导国产工业机器人应用。中国工业机器人存量规模日益增大，需要尽快完善工业机器人领域的租赁市场，以满足不同应用场景及对象的工业机器人应用需求，同时也要引导金融机构建立工业机器人抵押租赁的相关业务。劳动力技能水平是促进工业机器人生产率效应发挥的关键因素，在工业机器人专业技术人才培育方面，当前熟悉相关制造业背景和前沿技术的顶级专家人才还比较缺乏，应加快推进机器人专业人才学科体系建设，鼓励高校、研究机构与企业联合培养高级专业人才;发挥行业组织中介作用，衔接好理论研究和产业化应用，进一步畅通产学研技术价值转换渠道。

参考文献

[1]KALDOR N. Capital accumulation and economic growth， in F. A. Lutz and D. C. Hague， editors， The theory of capital[M]. New York： St. Martin's Press， 1961： 177-222.

[2]JONES C I， ROMER P M. The new Kaldor facts： ideas， institutions， population， and human capital[J]. American Economic Journal： Macroeconomics， 2010， 2（1）： 224-245.

[3]MüLLER C， KUTZBACH N. Wold robotics： industrial robots[Z]. IFR（International Federation of Robotics） Statistical Department， VDMA Services Gmb H， Frankfurt am Main， Germany， 2019.

[4]ACEMOGLU D， RESTREPO P. Artificial intelligence， automation， and work[Z]. NBER Working Paper No. 24196， 2018a.

[5]ABELIANSKY A， PRETTNER K. Automation and demographic change[Z]. Hohenheim Discussion Papers in Business， Economics and Social Sciences， No. 05-2017.

[6]AGHION P， JONES B F， JONES C I. Artificial intelligence and economic growth[Z]. NBER Working Paper No. 23928， 2017.

[7]陈秋霖，许多，周羿.人口老龄化背景下人工智能的劳动力替代效应——基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学，2018（6）：30-42.

[8]屈小博.机器人和人工智能对就业的影响及趋势[J].劳动经济研究，2019（5）：133-143.

[9]孔高文，刘莎莎，孔东民.机器人与就业——基于行业与地区异质性的探索性分析[J].中国工业经济，2020（8）：80-98.

[10] 闫雪凌，朱博楷，马超.工业机器人使用与制造业就业：来自中国的证据[J].统计研究，2020（1）：74-87.

[11] ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from US labor markets[J]. Journal of Political Economy， 2020， 128（6）： 2188-2244.

[12] 韩民春，韩青江，夏蕾.工业机器人应用对制造业就业的影响——基于中国地级市数据的实证研究[J].改革，2020（3）：22-39.

[13] ZEIRA J. Workers， machines， and economic growth[J]. Quarterly Journal of Economics， 1998， 113（4）： 1091-1117.

[14] ACEMOGLU D， RESTREPO P. The race between machine and man： implications of technology for growth， factor shares and employment[J]. American Economic Review， 2018c， 108（6）： 1488-1542.

[15] ACEMOGLU D， GUERRIERI V. Capital deepening and nonbalanced economic growth[J]. Journal of Political Economy， 2008， 116（3）： 467-498.

[16] HEMOUS D， OLSEN M. The rise of the machines： automation， horizontal innovation and income inequality[Z]. CEPR Discussion Papers， No. 10244， 2014.

[17] ACEMOGLU D， RESTREPO P. Low-skill and high-skill automation[J]. Journal of Human Capital， 2018， 12（2）： 204-232.

[18] 余玲铮，魏下海，吴春秀.机器人对劳动收入份额的影响研究——来自企业调查的微观证据[J].中国人口科学，2019（4）：114-125.

[19] ROMER P M. Endogenous technological change[J]. Journal of Political Economy， 1990， 98（5）： 71-102.

[20] 胡亞茹，陈丹丹.中国高技术产业的全要素生产率增长率分解——兼对“结构红利假说”再检验[J].中国工业经济，2019（2）：136-154.

The Development of Industrial Robot and Transformation and Upgrading of Manufacturing Industry

DENG Zhong-liang   QU Xiao-bo

Abstract： To achieve the goal of manufacturing power， the intelligent transformation of manufacturing industry should be accelerated. Based on IFR country data， this paper summarizes five "Kaldor typical facts" of global industrial robot application， that is， the demographic changes of most countries with high economic development level lead to "machine replacement"， the application of industrial robot increases the process of capital deepening， and the main countries promote the application of industrial robot based on their own industrial comparative advantages， And it is mainly used in high-tech manufacturing industry. Major technological breakthroughs mainly depend on the long-term technology accumulation of the leading enterprises in the industry. In this paper， the investigation of representative industrial robots and intelligent manufacturing enterprises in China further shows that the initial development path of industrial robot head enterprises has a similar industrial background. At present， there is the problem of over promotion of industrial robots in general manufacturing industry in China， and the degree of application in high value-added parts manufacturing industry is relatively low. Both theory and investigation show that promoting the application of industrial robots can promote the transformation and upgrading of manufacturing industry by improving production efficiency and optimizing the structure of factor allocation， but it will also have interactive effects on the capital， labor and other factor markets. Therefore， the relevant policy-making should follow the typical characteristics of the global industrial robot application， adjust measures to local conditions， and guide and promote China's industrial robots to be more used in high-tech manufacturing industry， so as to avoid the blind implementation of "machine replacement".

Key words： industrial robot; the development of manufacturing industry; digital economy