要点总结 #
面对国内外多重超预期因素冲击，制造业的稳定发展是实现高质量发展的基本前提。 然而，中国制造业仍存在关键技术受制于人、产品附加值低、自动化程度不高等问题，面临随时“断链”的风险。人工智能作为新一轮产业革命的核心驱动力，具有深度学习、人机协同、自主操控等技术特征，可能成为提升制造业韧性的新动能。本文基于2006—2020年中国省级面板数据，从抵抗力、恢复力和革新力三个维度构建制造业韧性指数，探究人工智能对制造业韧性的影响机制。
研究表明，人工智能能够显著促进制造业韧性提升，且该结论经内生性处理和稳健性检验后仍然成立。 人工智能对制造业韧性的促进作用存在明显的异质特征，在信息基础设施水平较高、对外开放程度较低和中部地区更为显著。此外，人工智能不仅可以直接增强制造业韧性，还能通过促进产业专业化集聚和提升自主创新能力的方式间接对制造业韧性产生积极影响。然而，产业多样化集聚和模仿创新的传导路径尚不明显。人工智能对制造业韧性的影响具有正向边际效率递增的非线性动态演化特征，但这种网络效应主要体现在东部地区，中西部地区则表现出正向“N”型的门槛特征。
关键要点 #
论文重要性 #
本研究为新发展格局下政府和企业更好地释放人工智能赋能红利以及提升制造业发展韧性提供了重要启示。 人工智能作为新一轮产业革命的核心驱动力，能够显著提升制造业韧性，尤其是在信息基础设施水平较高、对外开放程度较低和中部地区。通过促进产业专业化集聚和提升自主创新能力，人工智能为制造业韧性提供了新的增长路径。未来研究可以进一步探讨人工智能在资源配置、产业升级等方面的作用，以及外部环境和内部环境对人工智能赋能效应的约束机制。
深度解读 #
AI与制造业韧性 #
本文探讨了人工智能（AI）如何显著提升制造业韧性，尤其是在面对外部冲击时。通过构建制造业韧性指数，研究发现AI不仅直接增强了制造业的抵抗力、恢复力和革新力，还通过促进产业专业化集聚和提升自主创新能力间接提升了制造业韧性。AI的赋能效应在不同地区表现出明显的异质性，尤其是在信息基础设施水平较高、对外开放程度较低的中部地区更为显著。此外，AI对制造业韧性的影响呈现出正向边际效率递增的非线性动态特征，尤其是在东部地区表现出明显的网络效应。这些发现为政府和企业在新发展格局下更好地释放AI赋能红利、提升制造业韧性提供了重要启示。
产业集聚与AI #
本文深入分析了AI通过产业集聚提升制造业韧性的机制。研究发现，AI通过促进产业专业化集聚显著增强了制造业韧性，而产业多样化集聚的传导路径尚不明显。产业专业化集聚通过规模效应降低了企业成本，提高了劳动生产效率，从而增强了制造业的恢复力和抵抗力。然而，产业多样化集聚的作用不显著，可能是因为数字经济时代技术溢出的空间约束减弱，企业地理聚集的动机降低。这一发现为未来研究提供了新的视角，即通过产业集聚的路径进一步探索AI如何赋能制造业韧性。
科技创新与AI #
本文揭示了AI通过科技创新提升制造业韧性的机制。研究发现，AI通过提升自主创新能力显著增强了制造业韧性，而模仿创新能力的作用不显著。自主创新能力的提升有助于打破技术壁垒，增强制造业的抵抗力和革新力，而模仿创新则容易造成技术依赖，未能有效提升制造业韧性。这一发现表明，未来制造业的发展应更加注重自主创新，尤其是在核心技术领域，以应对全球产业链供应链的不确定性。
AI的网络效应 #
本文通过门槛面板模型揭示了AI对制造业韧性的非线性动态影响。研究发现，AI对制造业韧性的影响呈现出正向边际效率递增的网络效应，尤其是在东部地区表现出明显的非线性特征。随着AI水平的提升，其对制造业韧性的促进作用逐渐增强，但在中西部地区则表现出正向“N”型的门槛特征。这一发现表明，AI的赋能效应在不同发展阶段和地区表现出显著差异，未来政策制定应更加注重区域差异，尤其是在中西部地区，应加快新型基础设施建设，以充分释放AI的赋能潜力。
未来研究方向 #
本文指出了未来研究的几个重要方向。首先，制造业韧性的测度指标体系需要进一步深化和丰富，尤其是在抵抗力和革新力方面。其次，未来研究可以从资源配置、产业升级等角度进一步探讨AI提升制造业韧性的有效渠道。此外，AI对制造业韧性的非线性影响机制仍需进一步探索，尤其是在外部环境和内部环境的约束下，AI如何动态调整其赋能效应。这些研究方向的探索将为制造业的高质量发展提供新的理论支持和实践指导。
完整论文 #
