制造业工人还是平台零工？制造业与服务业数字化转型对就业质量与劳动力配置的差异化影响

本文聚焦制造业与服务业数字化转型对劳动力市场的差异化影响，研究团队通过CLDS和CEEMS数据库，运用多项概率模型和工具变量法，揭示了制造业数字化转型（以IIoT和自动化为核心）因高投入、慢回报导致就业质量提升不足，加剧制造业用工荒；而服务业数字化转型（依托数字平台）则通过快速回报显著提升零工经济工资、自主性与满意度，推动劳动力跨行业流动。研究为平衡数字化战略提供实证依据，发表于《Journal of Digital Economy》。

　　

在数字经济席卷全球的背景下，制造业和服务业正经历着截然不同的转型路径。中国作为世界工厂和数字经济大国，其"中国制造2025"战略与蓬勃发展的平台经济形成鲜明对比。然而，这种双轨并行的数字化转型却引发了一个令人困惑的现象：一边是制造业企业高喊"用工难"，另一边是外卖骑手和网约车司机数量激增。这种劳动力市场的结构性失衡背后，究竟隐藏着怎样的机制？

为了解开这个谜团，来自中山大学和中国人民大学的研究团队开展了一项开创性研究。他们发现，制造业数字化转型以工业物联网(IIoT)和自动化设备为核心，虽然提升了生产效率，但动辄数百万的智能生产线投入和漫长的回报周期，使得企业难以承担高人力成本。数据显示，2022年制造业工人年均工资仅8.7万元，远低于平台零工10-12万元的收入水平。更关键的是，制造业不彻底的数字化导致人机协作效率低下，工人被迫承担高强度校准工作，满意度持续走低。

相比之下，服务业数字化转型通过美团、滴滴等数字平台实现轻资产运营，其快速迭代的商业模式带来显著收益。研究显示，服务业数字化每提升1个单位，零工工资增长1.3%，工作自主性提高1.3个百分点，而制造业数字化对工人满意度的改善则微乎其微。这种"冰火两重天"的就业质量差异，最终导致近30%的外卖骑手和20%的网约车司机来自制造业转行。

研究团队创新性地采用双数据库验证机制：一方面通过中国劳动力动态调查(CLDS)捕捉个体职业选择，运用多变量概率模型(MNP)分析转型对就业的影响；另一方面借助中国雇主-雇员匹配调查(CEEMS)从企业端量化用工缺口。工具变量采用城市最大坡度与工业互联网专利数的交互项，有效解决内生性问题。

主要研究发现包括：

1. 劳动力配置失衡：制造业数字化每提升1单位，零工就业概率增加1%，而制造业岗位无显著变化；服务业数字化则使零工就业提升0.8%，同时减少制造业岗位0.2%。
2. 工资差距机制：制造业数字化虽使工人工资增长2.8%，但服务业数字化带来的零工工资增幅(1.3%)在绝对值上更具吸引力。
3. 自主性鸿沟：平台零工的工作自主性评分比制造业工人高12.3个百分点，这种差异在年轻求职者中尤为明显。
4. 企业用工困境：小规模制造企业数字化程度每提高1单位，岗位空缺数激增12.8个，是大型企业的5倍。

这些发现揭示了数字化进程中一个关键悖论：技术进步的就业效应并非均匀分布，而是深刻受制于行业特性。制造业重资产的转型模式与服务业轻资产的平台化路径，共同塑造了劳动力市场的"马太效应"。研究不仅为理解中国特色的"制造业用工荒"现象提供了理论钥匙，更对全球数字经济下的劳动力政策设计具有启示意义。

在讨论部分，作者指出这种分化可能加剧技能错配：制造业需要的高技能工人被平台经济的高弹性所吸引，而低技能工人则被困在自动化替代的阴影中。研究建议政策制定需"双管齐下"——既要通过税收优惠降低制造业数字化成本，也需建立零工社会保障体系。这些见解为正在制定"十四五"数字经济规划的中国政府提供了重要参考，也为其他面临类似转型困境的发展中国家提供了镜鉴。

值得注意的是，研究的局限性在于未能追踪个体职业轨迹的长期变化。随着AI和机器人技术的加速渗透，这种跨行业劳动力再配置可能进一步加剧。未来的研究需要探索如何通过技能培训和政策干预，在促进技术创新的同时维护劳动力市场的平衡与稳定。