智能制造、劳动力技能结构与出口技术复杂度

徐 晔 朱 婕 陶长琪

(江西财经大学，江西 南昌 330013)

一、引言

改革开放以来，中国凭借丰富的劳动力和资源优势，一跃成为举世瞩目的“世界工厂”。自2001年加入世界贸易组织，中国制造开始大量走出国门，制造业增加值稳步提升，并于2010年首次超过美国。与此同时，中国工业国际竞争力也在不断增强。然而，受人口红利优势逐渐丧失、美国等发达国家制造业回流、越南等新兴发展中国家吸引制造业转移，以及中美贸易摩擦加剧等多种因素叠加的影响，中国制造业发展受到明显挤压。与发达国家相比，目前中国制造业基础能力仍较为薄弱，一些关键核心技术受制于人的问题依然没有得到根本解决。面对新一轮科技革命和产业变革浪潮，党的十九大报告明确指出：加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济的深度融合；拓展对外贸易，培育贸易新业态新模式，推进贸易强国建设；人才是实现民族振兴、赢得国际竞争主动的战略资源。

为了推动高端制造、建设制造强国和贸易强国、实现中国制造高水平走出去，必须要依靠人才提升智能技术水平、突破关键核心技术，提高制造业技术含量与附加价值。在《中国制造2025》行动纲领中，智能制造被确定为新一代信息技术与制造技术深度融合的主攻方向。那么，智能制造的发展是否明显促进了出口技术复杂度的提升？进一步，智能制造能否通过激发技能劳动力充分发挥智能技术红利及人才红利进而更有效地推动出口技术复杂度的提升？已有研究并未对此展开深入探讨。有鉴于此，本文基于2003—2016年中国31个省份数据，研究了智能制造对出口技术复杂度的影响及其作用机制。

二、文献回顾

在新一轮工业革命和人口老龄化的背景下，工业智能化对劳动力就业的影响成为国内学者们研究的焦点，但结论存在一定分歧。从现有文献来看，主要有三类代表性观点，分别是替代、创造和极化效应。陈秋霖等(2018)指出，人口老龄化是人工智能发展的诱因，人工智能与劳动力之间存在“补位式”替代关系,而不是“挤出式”替代。韩民春等(2020)实证研究表明，工业机器人的应用对劳动力就业具有显著的替代效应。然而，也有研究指出，人工智能作为一种新形式的技术进步，不仅不会完全替代劳动力，反而能够创造劳动就业机会(程承坪 等，2018)。此外，还有一些研究显示，工业智能化使得劳动力就业结构呈现出“两极化”特征，比如：孙早等(2019)发现，工业智能化将促使先进设备替代初中和高中学历劳动力，并增加对高、低教育程度劳动力的需求；宋旭光等(2022)研究表明，智能制造发展降低了对初中及以下非技能劳动力的需求，增加了对专科及以上技能劳动力的需求。

随着出口贸易的迅速发展，出口技术复杂度越来越受到重视，与其相关的理论研究也在不断增加。总体上，国内学者的研究重点聚焦于探讨出口技术复杂度的影响因素。已有研究表明，金融支持和技术创新(李玉山 等，2019)、人口年龄结构变动(熊永莲 等，2018)、进口贸易自由化(盛斌 等，2017)、全球价值链与制度质量(刘琳，2015)等对出口技术复杂度均具有显著影响。与本文研究视角最为紧密的文献主要有两类：一类考察了数字经济或互联网发展水平对出口技术复杂度的影响。王玉(2021)实证研究表明，以人工智能为代表的数字经济技术对出口技术复杂度存在正效应。党琳等(2021)通过识别国家网络就绪指数的门槛效应，证实制造业数字化转型对出口技术复杂度具有显著的非线性提升效应。余姗等(2021)基于省级面板数据的实证研究发现，数字经济对出口技术复杂度具有边际递增的非线性驱动效应。李金城等(2017)研究发现，互联网发展水平与出口技术复杂度存在显著的正相关关系。姚战琪(2021)研究表明，数字贸易主要通过人力资本和R&D强度对出口技术复杂度产生显著的间接效应。另一类则探讨了人力资本对出口技术复杂度的影响。毛其淋(2019)研究发现，人力资本扩张显著提高了加工贸易企业的出口技术复杂度，且主要是通过促进企业加大研发投入、在职培训力度以及进口使用更多种类和更高质量的中间投入品等途径实现的。而周茂等(2019)则指出，人力资本扩张显著提升了劳动者技能水平，进一步技能劳动的“要素集聚”和“技术载体”功能共同推动了出口技术复杂度的提高。戴魁早(2019)认为，智能人才是提高出口技术复杂度的关键动力，要素市场扭曲不利于人力资本水平的提高，进而会对地区企业出口技术复杂度产生抑制效应。由此可见，技术与劳动要素的合理配置对出口技术复杂度的提升至关重要。

综上所述，国内学者针对出口技术复杂度的关键驱动因素展开了大量研究，且取得了一系列有价值的成果。但是，尚无文献将智能制造、劳动力技能结构以及出口技术复杂度纳入同一框架进行分析。较之已有研究，本文的贡献主要体现在以下两个方面：第一，基于智能制造的视角考察其对出口技术复杂度的影响，为促进出口技术复杂度的提升提供了一个新的视角，丰富了出口技术复杂度影响因素的文献。第二，进一步考虑了技术供给与技能劳动力的匹配情况，揭示了智能制造影响出口技术复杂度的具体机制，为智能制造通过优化劳动力技能结构进而促进出口贸易高水平发展提供了经验证据。

三、理论分析与研究假说

智能制造促进出口技术复杂度提升的内在机理如图1所示。数字技术的信息数据化表征与处理、网络化技术的人物间交叉互联以及智能化技术的深度学习与自主决策等特点，赋予智能制造实现跨时空资源共享和跨主体互联协作的能力，优化了资源配置并改善了传统生产方式，进而可以有效解决制造业出口贸易活动中的技术要素供需矛盾，推动出口技术复杂度提高。同时，由于技术进步具有技能偏向性，智能技术需要与之相匹配的技能劳动力才能使其效用最大化，更好地促进技术进步与创新，推动出口技术复杂度提高。

图1 作用机理

(一)智能制造与出口技术复杂度

智能制造是指在制造过程各环节与新一代信息技术深度融合所进行的智能活动，包含智能制造技术与系统(人机一体化系统)。其中，智能制造技术是智能制造不断发展的动力源泉，由数字化、网络化、智能化与先进制造技术深度融合而成，具备共性赋能技术所特有的技术红利。智能制造带来的技术红利对出口技术复杂度的提升主要通过智能制造技术对平台、资源和生产赋能的方式，即建立协同平台、优化资源配置模式以及改善传统生产方式，实现技术与制造业各环节的深度融合。数字化技术和网络化技术作为智能制造的基础和技术支撑(赵剑波，2020)，通过算法和平台连接、挖掘和整合数据化信息，突破了信息流动障碍，推动了资源跨时空跨主体的开放共享和协同发展，降低了信息搜寻和生产交易成本，提高了资源配置效率和劳动生产效率(李金城 等，2017；Nath et al.，2017)，从而有助于突破贸易壁垒，促进出口贸易发展，提升出口产品国际竞争力，推动制造业出口产品技术含量稳步提高(刘琳，2015)。同时，工业机器人作为智能化技术应用的重要形式，通过发挥自动化和智能化效应改变了制造业传统生产方式，提高了资源利用效率，降低了劳动强度，提高了产品质量与生产效率(Graetz et al.，2018)，进而推动出口技术复杂度显著提升(郭晶 等，2010)。此外，数字化、网络化和智能化技术节约的生产和贸易成本均可用于研发创新，从而通过提高知识与技术增量促进制造业技术进步，提升出口产品技术含量。因此，智能制造的发展对出口技术复杂度的提高具有促进作用。

然而，智能制造对出口技术复杂度的影响并非呈简单的线性特征。在智能制造发展初期，其以数字化、网络化技术应用为主，效用主要体现在降低信息搜寻成本方面。尽管随着信息技术的发展，新一代人工智能技术逐步成为智能制造的核心，但是其本质上仍属于对自动化技术的模仿，疏忽了对关键技术的研发，导致人工智能仅对劳动密集型和资本密集型制造业具有促进作用，而难以有效推动技术密集型制造业的发展(孙早 等，2021)。在以出口劳动密集型产品为主的阶段，智能制造技术赋能所带来的技术红利能够满足出口产品的技术需求，但随着中国出口产品逐步向技术密集型转变，这种由经济增长而非技术创新驱动的出口技术复杂度的提升明显后劲不足、难以为继。也就是说，当智能制造发展到一定阶段，由于关键核心技术的自主创新能力较弱，智能技术进步的供给与出口产品对关键核心技术的需求难以实现有效匹配，从而导致智能制造对出口技术复杂度的促进作用受到抑制。由此可见，智能制造与出口技术复杂度之间可能呈非线性关系。综上，本文提出：

假说

1

：

智能制造对出口技术复杂度的促进作用具有非线性特征。

(二)劳动力技能结构的中介效应

数字化和网络化是智能制造的基础，人工智能是智能制造的关键核心技术，智能机器人的应用是智能制造的重要环节，其与人共同活动组成人机一体化系统。因此，智能制造除了发挥技术红利对出口技术复杂度产生直接影响外，还可以通过技能劳动力的人才红利间接提升出口技术复杂度。随着机器人的广泛应用与人工智能的持续发展，自动化与智能化生产水平不断提高。人机协同生产的出现改善了传统生产方式，在生产任务中实现了对技能劳动力供给不足的任务替代(Sachs et al.，2012，2015)，一定程度上提高了生产效率与质量，甚至是产品技术含量。同时，由于技术进步具有技能偏向性，非技能或低技能劳动力容易被取代，只有较高技能的劳动力才能快速适应新技术(Katz et al.，1992)。这是因为高技能劳动力对新知识与新技术的学习与应用能力更强，在提高技术使用速度和生产效率方面的作用更加突出(Costinot，2009；Galor et al.，2000)。因此，人机协同生产中新技术与技能劳动力是否能够完美结合尤为重要(Acemoglu et al.，2020)，技能和技术之间的不匹配会阻碍新技术的发展和潜在生产力的增长(Acemoglu et al.，2018)。随着新一轮科技革命的深入推进，智能制造技术对技能劳动力的需求越来越大，并且提出了更高的要求。

除了有助于实现智能技术的有效应用，对技能劳动力要求的提高还是驱动出口技术复杂度提升的关键。出口技术复杂度不仅是出口产品技术含量和生产效率的综合反映，也是技术创新与进步的重要体现(赵富森，2020)。而技术创新与进步涵盖技术开发、转化和应用三个方面(陶长琪 等，2021)，需要劳动者具备较强的技术研发与应用能力。出口技术复杂度越高，意味着产品技术含量越高，进行研发和生产的难度越大(齐俊妍 等，2011)，对与之相匹配的高技能劳动力的需求越大(Acemoglu et al.，2019)。工业智能化只有协同高技能劳动力才能更好发挥技术创新效应(孙早 等，2019)，其对高技能劳动力的需求显著多于低技能劳动力(Acemoglu，2002)。因此，在智能制造中增加具备技术研发与应用能力的高技能劳动力，有助于充分利用现有资源激发新旧技术的潜在生产力、发挥创新效应并突破技术边界，从而促进出口技术复杂度不断提高。综上，本文提出：

假说

2

：

智能制造通过优化劳动力技能结构进而影响出口贸易结构，即实现出口贸易结构高级化以提升出口技术复杂度。

四、研究设计

(一)模型构建

本文构建如下面板回归模型(1)检验智能制造对出口技术复杂度的影响，并加入平方项探讨两者间的非线性关系：

(1)

其中：i代表省份，i=1,2,…,31；t代表年份，t=1,2,…,14；j表示控制变量个数，j=1,2,3,4,5；α为常数项；ε为随机干扰项；LEC为各省份制造业出口技术复杂度；IM为各省份智能制造水平；CON为控制变量。

为进一步分析智能制造与出口技术复杂度的非线性关系，本文参考余珊等(2021)的做法，构建如下面板门槛模型(2)：

(2)

其中：j表示控制变量个数，j=1,2,3,4,5；IM既是核心解释变量也是门槛变量；φ为待估门槛值；I(·)为指示函数，在满足条件时取值为1，否则取值为0。

为考察智能制造影响出口技术复杂度的具体机制，引入中介变量劳动力技能结构。本文参考Baron et al.(1986)、温忠麟等(2014)的中介效应检验思路，建立如下检验模型：

(3)

(4)

其中，M代表不同技能的劳动力。由于劳动者学习并为应用智能技术而对自身技能进行提升需要时间，即技能劳动力存在滞后性，因此本文将中介变量滞后一期加入模型(3)。

(二)数据来源和变量说明

基于数据可得性，本文选取2003—2016年中国31个省份的面板数据作为样本数据，对28个制造业行业出口技术复杂度进行实证研究。本文数据来自历年《中国统计年鉴》、国家统计局网站、EPS数据平台、中经网统计数据库和国研网统计数据库。

1.被解释变量：出口技术复杂度

出口技术复杂度的高低反映了出口产品技术含量的高低，是衡量出口竞争力的重要指标。本文采用Hausmann et al.(2007)提出的两步法，并借鉴余姗等(2021)将两步法中的国家层面转换为省级地区层面的做法，测算各省份制造业出口技术复杂度。首先，测算各时期制造业分行业j的出口技术复杂度(IEC)：

(5)

然后，测算各时期分省份制造业出口技术复杂度：

(6)

其中，EC表示t年i省的制造业出口技术复杂度,m=28。为消除异方差，在实证研究时对其进行对数化处理，记为LEC。

鉴于制造业分行业出口额数据的可得性，筛选出中国海关HS编码产品中属于制造业行业产品的出口额，并对其进行分类、汇总，以此作为制造业分行业出口额数据。由于海关编码的商品分类与国民经济行业分类标准不一致，本文根据HS六位编码体系，将其匹配至国民经济行业分类中，整理出28个制造业行业。同时，考虑到2003—2016年间海关编码有02、07、12三种版本，且HS07版与HS12版在制造业6位产品编码上没有差别，因此2003—2007年间制造业分行业的产品出口额以HS02版产品编码为匹配标准，2008—2016年间制造业分行业的产品出口额以HS12版产品编码为匹配标准。

2.核心解释变量：智能制造

智能制造技术包含智能制造使能技术和智能制造信息技术。在使能技术方面，主要包括人工智能、工业机器人和智能制造系统等；在信息技术方面，主要包括大数据、物联网、云计算和数字孪生等。由于制造业在智能化发展进程中以工业互联网为基础，并以人工智能等新技术为支撑，本文选取人工智能技术水平、工业机器人应用水平、互联网普及程度和信息通讯水平四个指标，使用熵值法综合衡量各省份智能制造发展水平。其中，各指标数据均为省级数据。具体指标说明如下：

(1)人工智能技术水平，用信息传输、软件和信息技术服务业全社会固定资产投资额来表示。(2)工业机器人应用水平，借鉴韩民春等(2020)的做法，使用工业机器人进口金额来表示。根据HS07八位编码体系，工业机器人主要分为多功能工业机器人和其他未列名工业机器人(84795010和84795090)、集成电路工厂专用的自动搬运机器人(84864031)、喷涂机器人(84248920)、搬运机器人(84289040)、电阻焊接机器人(85152120)、电弧焊接机器人(85153120)和激光焊接机器人(85158010)。采用上述7类机器人进口额的总和代替工业机器人进口金额，并根据当年汇率将美元折算为人民币。(3)互联网普及程度，用互联网覆盖规模来表示。(4)信息通讯水平，用电子及通信设备制造业专利申请数来衡量。

3.中介变量：劳动力技能结构

劳动力技能结构可分为高级技能劳动力(HW)、中级技能劳动力(MW)和低级技能劳动力(LW)。借鉴徐少俊等(2020)的做法，将接受过高等职业教育的劳动力归为高级技能劳动力，接受过中等职业教育的劳动力归为中级技能劳动力。因此，用大学专科、大学本科和研究生文化程度就业人员的占比衡量高级技能劳动力，用高中文化程度就业人员的占比衡量中级技能劳动力，用未上过学、小学、初中文化程度就业人员的占比衡量低级技能劳动力。

4.控制变量

本文选取的控制变量主要包括：(1)地区开放程度(AO)，用省级进出口总额占地区生产总值的比重来反映。(2)外商直接投资(FDI)，用实际使用外资额来反映，并在实证分析时对其进行对数化处理，记为LFDI。(3)物流基础设施(LN)，用铁路营业里程数和公路线路里程数之和并取对数来反映。(4)知识产权保护(IP)，用地区专利申请受理量占R&D人员全时当量的比重与专利申请授权数占R&D人员全时当量的比重的算术平均值来反映。(5)研发投入(RD)，用研究与试验发展(R&D)经费内部支出占GDP的比重来表示。

(三)描述性统计分析

本文各变量的描述性统计结果如表1所示。出口技术复杂度(EC)的均值为26398，最大值为73024，最小值为5568，标准差为14087，说明不同省份间出口产品技术水平差异较大。智能制造(IM)的均值为0.06，最大值为0.73，最小值为0，标准差为0.09，说明样本省份间的智能制造发展水平存在明显差异。

表1 描述性统计结果

五、实证结果与分析

(一)智能制造对出口技术复杂度的非线性影响

1．基准回归

考虑到一般的Hausman检验在存在异方差和自相关情况时检验结果不稳健，本文选用修正的Hausman检验进行模型选择。修正的Hausman统计量的p值为0，故基于固定效应模型结合聚类稳健标准误进行模型估计，总体回归结果见表2。由列(1)～(7)可以看出，智能制造(IM)及其平方项(IM)的估计系数的符号与显著性并未随控制变量的逐步加入而发生明显变化。具体地，智能制造(IM)的估计系数始终在1%的显著性水平下为正，而智能制造平方项(IM)的估计系数始终显著为负，回归系数的平均值分别为7.808和-8.446。这表明智能制造与出口技术复杂度之间存在倒U形的非线性关系。转折点在智能制造指数约0.485时，本文样本期内仅有5个观测点落在最优值的右侧，大部分集中在左侧。上述检验结果初步说明，提高智能制造发展水平有助于推动出口技术复杂度提升，但边际效应呈递减趋势。

此外，由列(7)中控制变量的回归结果可知，地区开放程度(AO)对出口技术复杂度存在显著的负向影响；外商直接投资(FDI)和物流基础设施(LN)均与出口技术复杂度在1%的显著性水平上正相关；知识产权保护(IP)和研发投入(RD)对出口技术复杂度虽存在正向促进作用，但均不显著。

表2 总体基准回归结果

2.门槛效应检验

基准回归结果初步表明，智能制造与出口技术复杂度整体上呈正相关关系，但边际效应递减。为避免高度共线性问题，并进一步检验智能制造对出口技术复杂度的非线性影响，本文采用门槛模型进行估计。考虑到各省份间智能制造发展存在差异，选取智能制造发展水平作为门槛变量。基于Hansen的样本自举法反复抽样500次，对面板门槛进行存在性检验，结果表明智能制造发展水平通过了双重门槛检验，门槛值分别为0.0019和0.1638。进一步，采用双门槛模型结合稳健标准误检验进行估计，结果见表3。

表3 面板门槛模型回归结果

由表3可知，当智能制造发展水平低于0.0019时，智能制造的估计系数为-359.321，且通过了1%的显著性水平检验，表明智能制造对出口技术复杂度存在负向影响，这与上文结论不一致。经考察在样本期内，智能制造指数低于0.0019的观测点只有16个，且均在2003—2008间，除去为海南的一个观测点外，其余均为西藏、青海和宁夏的观测点。这可能是因为，在金融危机前，中国制造业出口以劳动密集型产品为主，而西部地区的劳动力成本优势明显，能够充分利用本地资源开发带动相关产业发展；并且，由于西部地区资金不足、基础薄弱，智能制造发展较为缓慢，而过低的智能制造水平又会导致机器红利低于人口红利，生产成本增加，产业发展受阻，最终对出口技术复杂度的提升产生抑制作用。当智能制造发展水平在0.0019和0.1638之间时，智能制造的估计系数为4.899，且通过了1%的显著性水平检验，表明智能制造对出口技术复杂度的影响由抑制效应转为促进效应。当智能制造发展水平高于0.1638时，智能制造的估计系数降至1.928，但仍通过了1%的显著性水平检验。综上可知，随着智能制造的发展，其对出口技术复杂度的促进作用表现出边际效应递减的非线性特征。因此，本文假说1得到充分证实。

3.不同时期的影响

上述全样本门槛检验结果表明，存在抑制效应的观测点均在2003—2008年间。因此，本文推测智能制造对出口技术复杂度的影响在不同时期可能存在差异。为此，引入时间虚拟变量T进行分析，金融危机前(2003—2007年)取值为1，金融危机后(2008—2016年)取值为0。将T与IM的交乘项纳入模型(1)，控制个体效应并使用稳健标准误进行回归，结果列于表4。不难发现，智能制造(IM)的估计系数在1%水平上显著为正，交乘项(T×IM)的估计系数在5%水平上显著为负。这说明，相比于金融危机前，在金融危机后智能制造对出口技术复杂度的促进作用更明显。原因可能在于：金融危机的爆发削弱了中国出口产品的价格优势和国际竞争力，导致出口受阻。为有效应对危机，中国积极引导和支持企业加强自主创新，大力推进经济结构转型升级。因此，金融危机后中国出口产品的技术含量大幅提升。

表4 不同时期基准估计结果

(二)劳动力技能结构的中介效应检验

1.中高级技能劳动力

表5列(2)和(3)报告了以高级技能劳动力为中介变量的估计结果。由列(2)可知，高级技能劳动力对智能制造的回归系数为6.49，且通过了5%的显著性水平检验，说明智能制造增加了企业对高级技能劳动力的需求。同时，列(3)的结果显示，高级技能劳动力显著地促进了出口技术复杂度的提升，而在控制该因素后，智能制造对出口技术复杂度的影响不再显著，表明高级技能劳动力在智能制造和出口技术复杂度之间发挥完全中介作用。

表5 作用机制检验结果

(续表5)

表5列(4)和(5)是以中级技能劳动力为中介变量的估计结果。由列(4)可见，中级技能劳动力对智能制造的回归系数为4.858，且通过了5%的显著性水平检验，表明智能制造会增加企业对中级技能劳动力的需求。列(5)的结果显示，智能制造和中级技能劳动力对出口技术复杂度均存在正向影响，但前者未能通过显著性检验，表明中级技能劳动力在智能制造和出口技术复杂度之间发挥完全中介作用。

2.低级技能劳动力

表5列(6)和(7)报告了以低级技能劳动力为中介变量的估计结果。从列(6)可见，智能制造对低级技能劳动力存在显著的负向影响，系数值为-11.886，表明智能制造的发展会降低企业对低级技能劳动力的需求。列(7)的结果显示，低级技能劳动力对出口技术复杂度的提升存在显著抑制作用，而智能制造对出口技术复杂度的影响不显著，表明低级技能劳动力在智能制造和出口技术复杂度之间发挥完全中介作用。

综上所述，智能制造可以通过优化劳动力技能结构，即增加对中高级技能劳动力的需求、减少对低级技能劳动力的需求，进而促进出口技术复杂度显著提升。由此可知，本文假说2得到验证。

六、稳健性和内生性检验

为确保上述估计结果的可靠性，本文进行了以下稳健性测试：(1)变换被解释变量的测算方法。借鉴戴魁早(2019)的做法，为保证出口产品的技术特征具有跨期稳定性，引入标准出口技术复杂度(SEC)，SEC=100×(EC-EC)/

(EC-EC)，其取值范围在0到100之间，无度量单位且能够进行跨期比较。在此基础上，采用固定效应模型控制个体效应进行回归估计。同时，为解决异方差问题，加入White标准误一同进行检验。(2)增加控制变量。考虑到产业结构升级也可能对出口技术复杂度存在重要影响，在模型中引入控制变量产业结构升级(IS)，并用第三产业增加值占地区生产总值的比重来衡量。在此基础上，控制个体效应与时间效应，使用稳健标准误进行回归估计。上述稳健性检验的结果分别如表6列(1)～(4)和列(5)～(8)所示，从中可见，智能制造与出口技术复杂度均显著正相关，说明本文研究结论是稳健的。

表6 稳健性检验结果

为尽可能解决互为因果关系而导致的内生性问题，本文选取智能制造的滞后项和技能劳动力的滞后项作为工具变量，使用稳健标准误进行两步最优GMM估计。由表7的检验结果可以看出，核心解释变量智能制造的估计系数的符号和显著性水平均与前文保持一致。

表7 内生性检验结果

(续表7)

七、结论与启示

本文基于2003—2016年31个省份数据，考察了智能制造对出口技术复杂度的影响以及劳动力技能结构的中介效应。研究表明：(1)智能制造显著地提升了出口技术复杂度，且两者存在非线性关系。(2)当智能制造水平大于0.0019时，智能制造对出口技术复杂度存在显著的正向影响；随着智能制造的发展，当智能制造水平跨越一定门槛值(0.1638)时，其对出口技术复杂度的促进强度逐步减小。整体上，智能制造对出口技术复杂度的促进作用呈现出边际效应递减的非线性特征。(3)相比于金融危机前，金融危机后智能制造对出口技术复杂度的促进效应更明显。(4)智能制造主要通过优化劳动力技能结构，即协同中高级技能劳动力和替代低级技能劳动力，实现出口贸易结构高级化，进而推动出口技术复杂度显著提升。

根据本文研究结论，提出如下政策建议：(1)进一步加大对智能制造的支持力度，完善信息技术基础设施建设，营造良好的营商环境，助推制造业智能化转型升级，紧紧抓住智能制造释放的技术红利，促进出口产品质量稳步提升。(2)创新人才培养模式，加强技能人才队伍建设，加大专业技能培训力度。一方面，进一步提高教育经费投入，加快构建产教融合、校企合作、工学一体的培养模式，扎实推动基础研究与应用研究的协调发展，为智能化发展提供相匹配的高素质人才。同时，着力破除制约技能人才发展的体制机制，建立健全技能人才服务保障体系。另一方面，努力做好职工在岗、转岗职业技能提升工作，推动低级技能劳动力向中级技能劳动力、中级技能劳动力向高级技能劳动力升级和转移。