来自低工资国家的竞争日益加剧，促使许多制造企业关闭或将部分生产环节转移至海外。有观点认为，这可能危及福利水平的持续提升。Helper等人（2012）认为，（美国）制造业是商业创新的主要来源，并贡献了出口收入的大部分。制造业的萎缩在高工资国家的政策制定者中引发了担忧。他们一直在寻求巧妙的办法，以重振制造业生产和就业。新技术和自动化常被视为应对这些挑战的可行方案。预计未来将出现许多可能有助于提高生产率的技术创新（经济顾问委员会，2016）。预计这些创新还将通过产品的“服务化”以及与设计和创新的更紧密联系，惠及制造业以外的活动，从而对整体经济产生积极影响（Bruegel，2017）。
现有关于自动化的研究
近期关于自动化的研究主要聚焦于自动化与就业之间的关系。然而，少数实证论文考察了工业机器人与绩效之间的关系，包括Graetz和Michaels（2018）以及Kromann等人（2019），两篇论文均发现，行业层面采用工业机器人提高了生产率。
近年来，几乎没有关于企业层面自动化潜在经济影响的系统性实证证据。现有文献中有一小部分研究关注上一轮自动化浪潮，即20世纪80年代至90年代初期的自动化——Dunne（1994）、Doms等人（1997）以及Bartelsman等人（1998）。这些论文主要描述了采用自动化技术的工厂或企业与未采用的企业之间的差异。Bartel等人（2007）研究了较近的时期，即1997至2002年，但聚焦于一个范围狭窄的行业——美国阀门制造业——并发现自动化投资提高了生产效率。
自动化的新衡量指标
要获得更深入的理解，需要企业层面的数据。在一篇新论文（Kromann和Sørensen，2019）中，我们收集了一个新的数据集，用于衡量丹麦制造企业的自动化水平。由此，我们能够提供制造企业采用自动化技术的实证证据。基于企业走访的观察，两个描述自动化的重要指标尤为突出。它们是自动化资本存量和自动化生产流程所占的比例。我们将后者称为自动化得分，该指标的目的在于反映：自动化资本能否被企业高效利用，取决于其实施情况以及与制造系统的整合程度。问卷的设计使这两个方面均可被测量。在问卷中纳入自动化得分的动机在于，管理者、自动化设备供应商和行业专家都认为，自动化生产流程所占的比例是自动化的一个重要方面，而标准的资本衡量指标未必能够反映这一点。实证分析有力地支持了这一论断。
主要发现
我们首先考察制造企业间自动化的采用情况。我们发现，在许多企业中，自动化的使用程度较为有限。2005年，企业针对自动化的机械设备投资中，近40%的投资比例约为10%或更低。2010年，近一半的企业仍然在很大程度上依赖人工生产流程。另一端则是那些将全部机械设备投资用于自动化资本、且自动化得分较高的企业。结果见图1。由此我们得出结论：企业间自动化技术的采用存在较大差异，这一结论在子行业、不同类型的生产以及出口强度高低不同的企业之间同样成立。
图1 企业新增资本投资与自动化
a) 针对自动化的机械设备新增资本投资占比分布
b) 2005年和2010年自动化得分的分布
注：基于第4节中使用的474家企业
来源：作者关于制造业自动化的调查
鉴于企业间自动化存在差异，一个直接的问题是：是什么驱动了自动化投资？因此，我们转而考察自动化技术采用的一个潜在驱动因素。具体而言，我们关注中国加入世界贸易组织以来日益加剧的国际竞争，并考察这是否加速了自动化技术的采用。我们将其称为贸易诱发的自动化假说。我们发现，中国向全球出口的增长推动了自动化资本投资，这支持了该假说。与专业化生产其他产品的企业相比，专业化生产中国出口商具有比较优势的产品类型的企业，有更大的动机增加自动化投资，以抵御日益加剧的竞争。在中国出口变化之后，位于第75百分位的企业的自动化资本年增长率，比位于第25百分位的企业高出2.16%。我们还考察了中国向全球出口的增长是否与自动化得分相关。结果显示并非如此，这表明企业主要产品的中国出口变化仅推动了自动化资本投资，却未影响这些投资在生产中的实施方式。结果见图2。
图2 自动化与国际竞争：2005至2010年五年差分估计
注：图表为Kromann和Sørensen（2019）表II第1列和第4列的图示。图表使用Stata程序“binscatter”构建。每个分箱由一个点表示，代表26家企业的均值。分箱数量的选择是为了满足丹麦统计局的匿名性规定，该规定除其他外要求，同一分箱中两家最大企业的合计销售份额不得超过85%。拟合线由OLS对包含442家企业的估计数据集进行估计。回归在长差分上进行，以消除企业固定效应。因变量为：上图中自动化资本的Δlog，下图中自动化得分的Δ。图中所示的解释变量为企业主要销售份额所属产品类型中中国出口的Δlog。两幅图中，我们均控制了一组解释变量，包括其他类型资本的Δlog、就业的Δlog、技能占比的Δ，以及行业与地区的完整虚拟变量组合（10个行业和8个地区）。所有变化均为2005年至2010年之间的五年差分，但中国出口的Δlog除外，其五年差分计算区间为2001年至2006年。国际竞争的衡量指标以产品层面计算。442家企业共对应189个不同的产品代码。
来源：作者关于制造业自动化的调查、联合国Comtrade数据以及丹麦统计局的登记数据
模型说明与外部验证
该实证模型与Bloom等人（2014）提出的理论模型相关，该理论模型提出创新与进口竞争之间存在正相关关系。具体而言，该理论模型解释了为何在贸易自由化之后，受中国竞争冲击更大的企业拥有更强的创新动机。其作用机制由“暂时被困要素”驱动，例如对企业而言培训成本高昂、因而不宜解雇的技术工人，因为其企业特定人力资本一旦流失便无法为企业所用。来自中国的竞争加剧，降低了技术工人所生产产品的需求。由于培训成本高昂，技术工人仍留在企业中工作，但其机会成本下降。因此，贸易自由化之后，由于技术工人的机会成本下降，企业的创新动机随之增强。Bloom等人（2016）为该模型提供了实证支持，并考察了中国进口竞争对十二个欧洲国家创新的影响。
最后，我们考察了自动化衡量指标是否与企业绩效指标显著相关。该分析用于判断我们的问卷是否包含有关自动化的重要信息，而非仅仅是随机噪声。我们发现，自动化使用程度的提高与更高的生产率增长和盈利能力提升显著相关。这些关系在一系列广泛的控制变量下依然稳健，这些变量包括技能占比、其他生产要素，以及行业虚拟变量与地区虚拟变量的交互项。这些结果为自动化问卷提供了一定的外部验证。
结语
如上所述，企业间的自动化差异很大。由此结果引出一个首要的政策问题，具体如下：技术采用的缺失是否属于次优状态，从而有理由进行政策干预？还是说，技术采用的缺失属于最优状态，意味着企业之所以不实现自动化，是因为它们专注于那些不应实现自动化生产的产品？
在自动化问卷编制过程中的企业走访期间，我们与行业专家和生产经理的密切合作表明，自动化使用率低在一定程度上是由于企业在调查自身需求、自动化可能性以及车间自动化规划方面，特别缺乏必要的技能和资源。生产经理并非不知道自动化技术的存在，但他们缺乏关于可投资的具体技术、如何实施这些技术以及应对哪些生产流程进行自动化的知识或认识。在这个意义上，信息壁垒可能是一种重要的市场失灵，并可能为政策干预提供正当理由。
我们发现，来自中国的国际竞争加剧是自动化资本的一个驱动因素。然而，来自中国的国际竞争加剧无法解释自动化得分的变化。未来一个重要的研究议题是自动化得分的驱动因素，以回答以下问题：为何一些企业的自动化得分较高，而另一些企业的得分较低。
参考文献
Bartel, A, C Ichniowski, and K Shaw (2007)，“How Does Information Technology Affect Productivity? Plant-Level Comparisons of Product Innovation, Process Improvements, and Worker Skills”，Quarterly Journal of Economics，122，1721-58。
Bartelsman, E, G V Leeuwen, and H Nieuwenhuijsen (1998)，“Adoption of Advanced Manufacturing Technology and Firm Performance in the Netherlands,”Economics of Innovation and New Technology, 6 (4)，291–312。
Bloom, N, P Romer, S Terry, and J Van Reenen (2014)，“Trapped factors and China’s impact on global growth”，NBER Working Paper 19951。
Bloom, N, M Draca, and J Van Reenen (2016)，“Trade Induced Technical Change: The Impact of Chinese Imports on Innovation, IT and Productivity”，Review of Economic Studies, 83 (1)，87-117。
Bruegel (2017)，“Remaking Europe: the new manufacturing as an engine for growth”，载于R Veugelers（编），Blueprint Series 26。
Council of Economic Advisers (2016)，Economic Report of the President。
Doms, M, T Dunne, and K R Troske (1997)，“Workers, Wages, and Technology,”Quarterly Journal of Economics，112 (1)，253–290。
Dunne, T (1994)，“Plant Age and Technology use in U.S. Manufacturing Industries,”The RAND Journal of Economics, 25 (3)，488–499。
Graetz, G, and G Michaels (2018)，“Robots at Work”，Review of Economics and Statistics，100 (5)，753-768。
Helper, S, T Krueger, and H Wial (2012)，“Why does Manufacturing Matter? Which Manufacturing Matters? A Policy Framework”，Metropolitan Policy Program，Brookings Institution。
Kromann, L, and A Sørensen (2019)，“Automation, Performance and International Competition: Firm-level Comparisons of Process Innovation”，Economic Policy（2019年4月于第69届Economic Policy专家组会议上发表的论文），即将出版。
Kromann, L, N Malchow-Møller, J R Skaksen, and A Sørensen (2019)，“Automation and Productivity – A Cross-country, Cross-industry Comparison”，Industrial and Corporate Change，即将出版。
