许怡、许辉| 中国式“机器换人”:新红利,还是潘多拉铁盒?

许怡、许辉| 中国式“机器换人”:新红利,还是潘多拉铁盒?

许怡中山大学社会学与人类学学院讲师

来源:《文化纵横》2019年6月新刊

网页链接


【文/许怡、许辉】

中国的路径选择:从“逐底竞争”到“智能制造”

中国改革开放以来的四十年间,经济的持续快速增长得益于以土地、劳动力和环境成本相对低廉的比较优势融入全球生产网络。通过设立经济特区和出口加工区,吸引境外资本和技术,大力发展劳动密集型产业,中国成为举世瞩目的“世界工厂”。然而这种全球代工生产(OEM)模式也导致了对出口订单的高度依赖,一旦欧美国家市场疲软,消费不振,中国的加工企业就会面临很大的生存压力,甚至出现破产倒闭潮。

从另一个角度看,劳动密集型产业在全球范围内转移的主要动因是“逐底竞争”,即寻找低成本的劳动力,经济学家称之为后发展国家可资利用的“人口红利”。这种逐底竞争模式也必然引发劳工社会学家和劳工权益倡导者所关注的“血汗工厂”问题,以及伴随而来的劳资纠纷和工人集体行动。正如著名学者西尔弗所言,“资本走到哪里,劳工和资本的冲突很快就跟随到哪里”。因此,当制造业经济发展到一定程度,劳工开始要求更高的工资和社会保障,尤其是在劳动力市场逐渐从过剩转向短缺的情况下,经济发展模式和产业结构的转型升级就成为理论和实践上的迫切需求与必然选择,当前中国的发展刚好处在这一转型的关键时期上。

在此背景下,中国国务院分别在2015年和2016年推出了“中国制造2025”和“创新驱动发展”两大战略。根据“中国制造2025”的战略规划,中国将在2025年实现从一个制造业大国向制造业强国转型的目标,进而到2035年能够有能力跟发达国家展开竞争,最终在2049年成为世界制造业的领导力量。智能制造被视为未来20年中国制造的主攻方向。其中,包括工业机器人、自动化高档数控机床等智能装备及智能生产线的研发被列为重点发展领域。

总的来说,中国的工业化道路正在超越“世界工厂”模式,一方面是以“技术红利”取代先前的“人口红利”;另一方面则通过消费升级,驱动产品的个性化、定制化和智能化转型。因此,中国的产业升级策略兼具“技术调整”和“产品调整”,同时考虑到中国幅员辽阔,有着显著的区域发展差异,“空间调整”更多是产业从东南沿海发达地区向中西部欠发展地区的转移。在迈向智能制造的过程中,“逐底竞争”并未彻底消失,“雁阵模式”依然在一个国家内部得到体现。

2012年11月6日,中国工博会工业机器人展,一工业机器人在演示趣味喷涂。图片来源:视觉中国

中国式的“机器换人”

在中国珠三角和长三角地区,以“机器换人”为特征的生产信息化和自动化技术改造正成为产业升级的主要手段。作为先进制造业的关键支撑设备,工业机器人应用范围明显扩大,从传统的汽车、电子产业快速向五金家电、仓储物流、食品加工等新兴领域延伸。

据统计,中国是近年来机器人密度增速最快的国家,由2013年的25台/万人增长到2017年的97台/万人,自2013年以来已成为全球最大的机器人销售市场,2018年工业机器人市场规模将达到62.3亿美元,增速全球第一。全球工业机器人巨头也纷纷在中国建立产业基地,全方位抢占市场高点。国家高度重视机器人产业发展,从中央到地方的各级政府都出台政策鼓励支持,例如,2015年3月,广东省政府印发《广东省工业转型升级攻坚战三年行动计划(2015-2017)》,明确提出工业企业开展“机器换人”计划,其中,以佛山和东莞为代表的传统制造业集中地区提出了符合本地发展实际的“机器换人”路线图和时间表,规模和力度空前。

尽管普遍认为中国制造业的“机器换人”是在新一轮工业革命爆发和人口红利消失的背景下,国家为实现制造业的升级转型和成为制造业强国而布局的重要战略,但是基于中国制造业的产业类型多样,产业结构复杂,工业2.0、3.0与4.0同时并存,不同产业和行业所采取的“机器换人”策略是迥然不同的。因此,我们需要对不同类型产业的“机器换人”进行一个类别上的划分,这对于我们理解中国式的“机器换人”现象及其对应的背景和影响尤为重要。基于大量的文献研究和实地调研,我们区分出两种类型的“机器换人”——高端制造业的“智能化”、“无人化”生产和中低端产业的“省人化”生产。下文将就两种类型的“机器换人”出现的契机及其对生产方式和劳动过程的改变进行分析。

(一)高端制造业:“智能化”和“无人化”

“中国制造2025”里明确规定实践产业转型的重要途径就是建设信息化和自动化的智能工厂,但自动化本身并不代表着智能化,除非其跟人工智能、信息物理控制系统以及大数据深度整合。智能工厂被定义成一套超越简单自动化的灵活系统,“它可以在一个更广泛的网络里自主优化、自我适应以及实时或接近实时地从新的环境里学习,以致于能够在整个生产过程里自动运行”。智能工厂被认为更加具有可靠性、主动性和预测性,因为它可以通过实时分析和学习数据来即时进行反应,以适应客户需求、市场趋势、产品迭代等方面的变化。因此智能工厂里的生产过程,包括生产操作、仓储、研发追踪、质量管控、设备维护等方面都将大幅度升级和电子化。在国家工信部扶持的首批“智能制造专项项目”中,获得立项的企业主要包括海尔、美的、长虹等家电龙头企业,以及在新能源汽车、钢铁、制药、化工、电子科技等行业内领先的龙头企业。这些企业均为不同产业中高端制造业的代表。

笔者曾参观了某知名家电品牌的智能制造与工业互联网示范基地。甫一进入生产区域,首先看到的是生产管理信息系统,整个生产过程被数字化和可视化,管理人员可以通过电子屏幕上的实时数据了解生产速度、进度、物料供应与管理、质检良品率等关键数据;而整条生产线有两层,上层是物料的运输,下层是装配流水线,但机器手臂和自动化设备成为生产过程的主力,机器人通过防护栏与工人隔开,以保证生产安全。机器人与零部件通过射频识别技术实现了沟通,很多机器都具备视觉功能,先拍照再操作。零部件的配送要先扫码,再由自动运输车进行运输,产品装配好之后通过智能设备扫描进行质量检测,包括能耗、性能稳定性等。整个生产过程中工人并不承担重体力活,只是负责粘贴空调的身份标识、装配海绵以及焊接。企业管理方告诉我们,这条智能生产线通过引进46个机器人和110台专业机器已经替代了41个工人,实现自动化率65%,而且已经能够实现小批量、定制化的生产。

尽管该工厂作为智能制造示范基地被广为宣传,但实际上,现有的两条智能生产线仅占了全厂生产线的10%,除非全面普及,否则在减少工人数量和降低人工成本上的效果微乎其微。相对于“机器换人”,该企业现阶段的升级焦点是“工业互联网”——通过提取底层机器设备的数据,经由工业云运算反馈,可实现智能保障,拉通制造-物流-销售等各个流程的一套先进制造体系。

相比生产部门的自动化升级,工业互联网改造同样是推动智能化生产的重要举措。据介绍,该企业的生产自动化是一个逐渐发展的过程。2008年开始时只是单点的自动化,随着自动化生产线带来的生产效率的提升和产品品质的提升,公司高层结合产业发展的趋势决定加大投入,从购买机器人改造生产线到投资工业互联网项目,已经投入了几十个亿。

2019年2月21日,浙江湖州,在新凤鸣集团湖州中石科技有限公司,十余辆智能落筒无人车正在车间内来回穿梭,从生产线上将成品运送至下一个车间,这些无人车具备主动避障、自动装配等先进功能,相对于原来的人工操作,无人车的效率大大提高。图片来源:视觉中国

与智能工厂并行的还有“无人工厂”这一构想。“无人工厂”是高度自动化工厂的另一种表述,欧美国家的顶级汽车制造商,如特斯拉、宝马等常常以其生产模式实现高度自动化的“无人工厂”自居。这种全自动化的无人工厂生产模式也被中国的汽车制造商所模仿和借鉴,例如吉利集团2016年投资72亿元建成的宝鸡工厂,其冲压、焊装、涂装三道主要工序已实现高度自动化甚至全自动化,基本实现“无人生产”。

“无人化”的生产模式往往出现在新规划的生产基地,而不是对旧的生产线进行改造。笔者参访的一家新能源汽车制造商,其在广东韶关新建的生产基地也非常接近“无人工厂”的设想。尽管母公司为汽车制造商,该生产基地从事的却是非核心业务——手机代工。参观车间于2017年投产,由企业投资数千万元兴建,车间配备了1000多台数字控制机床和数百台工业机器人,共有182条生产线。这种自动化的数控机床,通常采取“一拖六”模式,即一台机器人搭配六台数控机床:机器人负责给相应的机床投料和上下件,机床则按照既定程序完成打孔、车铣、打磨、焊接等十几道手机壳加工工序。在这个生产车间里,真正的生产和加工作业全部由机器完成,车间只有少量的工人——普工负责物料运输和补充,技术工人负责设备巡查和维护,一般一名工人负责50机器。

上述知名企业的“机器换人”道路,实际上是在其已经处于价值链顶端、行业内领先位置的基础上,通过自身的资本投入和国家政策资金扶持,对其生产模式进行高度自动化与智能化升级。智能化升级的目标不仅仅是节约人力成本,因为相较其对生产线改造所投入的资金,以及聘请高端技术人才的花费,其在人力成本节约上的受益并不显著。更关键的是,智能工厂的打造有助于提升生产效率和产品品质,从而打造先进制造的企业形象,在激烈的市场竞争中占领先机。这种智能化升级也正式宣告生产企业实现了向技术密集型、行业领先品牌的自我升级。

(二)中低端产业:“省人化”

与领先品牌和高端产业同步推进“机器换人”的,还有过去往往是劳动力密集型的中低端产业。过去30年,大量的劳动力密集型产业奠定了中国“世界工厂”的地位,然而,当人口红利逐渐消失,劳动力价格上涨,能够从工人身上获取的剩余价值不断被挤压,中低端产业也试图摆脱对密集劳动力的依赖。实际上,尽管学者对于“刘易斯拐点”是否真的导致了制造业劳动力短缺仍存在争议,但劳动力价格的上涨却是不争的事实。对于企业管理者而言,使用机器人还是使用人力劳动,只需化约为对成本与效益的考量。工业4.0的契机恰好推动了机器人产业的蓬勃发展,大大降低了生产机器人的成本,普通的工业机器人不再是可望不可及的昂贵设备了。于是,日益昂贵的人力劳动与日渐廉价的机器人两股趋势共同造就了珠三角与长三角制造业“机器换人”—“省人化”的浪潮。

已有研究和媒体报道均显示,企业使用工业机器人可节约65%—90%的劳动力,通常可在两至三年收回成本,有的甚至可在一年内。相比过去,企业如引入进口的自动化设备,通常需要八年方能收回成本。已有数据显示,在推行机器换人计划后,浙江省在两年间减少用工200万人,东莞市三年节约用工20万人。 可见,机器人在减员方面的成效是显著的。

除了机器人购买和维护成本的下降,吸引该类企业“机器换人”的另一个因素是当地政府对于企业进行机器设备升级的大力扶持。例如,广东省计划在2015—2017年累计投资9430亿元推动1950家以上的工业企业实施“机器换人”:在东莞,政府计划每年出资两亿元支持企业进行自动化升级;在佛山,政府2018年开始每年投入1.3亿元补贴企业开展“机器换人”。

然而,并非所有的企业都有机会获得政府的自动化升级补贴。政府在制定当地产业升级转型的规划时即已决定重点扶持哪些产业和逐步淘汰另一些产业。一些转型升级成本过高,或者难以转型的劳动力密集性产业,例如制鞋业、服装业,则在缺乏政府扶持和成本上涨的情况下不断外迁、内迁或关停。

有别于高端制造业迈向智能工厂的升级目标,中低端制造业的“机器换人”并非单纯由技术进步本身所驱动,而更大程度上源于劳动力成本的上涨带来的压力。这里所涉及的机器人技术,在20世纪80年代的日本和欧洲已相对成熟。作为缓解劳动力短缺的应用型技术,这些机器人所从事的劳动大多为简单重复性的劳动。目前中国的中低端制造业所引入的机器人,也大多是从事搬运、码垛、装配、焊接、喷漆等相对简单重复性的操作,用以取代日渐昂贵的人力劳动。

“机器换人”对就业和工人的影响

从以往学者对技术和就业、工人关系的研究来看,“机器换人”所包含的社会学意涵不仅体现在是否取代工人,还体现为对工人的技能的改变,对劳动过程控制权、劳动力结构、劳动管理方式的影响等。

首先,机器人是否以及在多大程度上取代工人,是否造成失业一直是人们的关注焦点。从我们已有的案例调研来看,机器人确实取代了工人,其取代程度取决于企业使用机器人的普及程度和自动化程度。就现阶段而言,“机器换人”的普及度还不算广,加上工人的自动流失率仍然很高,尽管我们了解到有些企业会采取小规模协商离职的做法,但并未发现大规模的裁员。机器人取代工人的情况是个动态变化的过程,仍需要通过持续的、有规模的统计数据加以观察。

第二个意涵是机器人引入对工人技能的影响——这同时影响着工人对劳动过程的控制权。有别于主流论述中所强调的“技能提升论”或“技术赋能论”,笔者观察到的现象仍然更接近劳动过程理论奠基者布雷弗曼(1974)所主张的“劳动退化论”,而“技能提升论”只符合少部分掌握专门技术的劳动者。在我们所调研的工厂中,无一例外地发现,机器人及自动化设备的引入,使得生产工人的工作大大简化,但这并不意味着工作变得轻松了——工人只是从原来的操作工、技工退化成了运输物料、上下工件、看守设备的辅助性工人,劳动强度则可能因为机器人的高效率运作而增加。技术的升级还有可能导致原本从事某些技术工种的工人退化为普通操作工人。在一家从事汽车座椅生产的企业里,原本有大量从事焊接工作的焊工,因焊接属于技术工种,工人每月享受额外的岗位津贴。在引入机器人后,人工焊接变成了机器人手臂焊接,原来的焊工不需要再从事焊接工作,只需要给机器人上下件和进行简单装配,原有的岗位津贴也因此被取消。在这个案例中,原本从事技能型工作的焊工,由于机器人的引入而被去技能化了。

第三个意涵是机器人的使用对劳动力结构以及车间生产政治的影响。在机器人普及化的工厂里,劳动力结构还将发生显著的两极分化:具有特定知识和技能的软件工程师、数据分析师和技术操作员负责产量任务、流水线速度以及智能化的质量扫描检测等生产安排;而半技能或低技能工人则作为数量有限的辅助工从事流水线和机器人辅助工作。对于低技能或半技能工人而言,通过技能升级实现内部晋升并非易事。实际上,企业通常重新招聘和培训具有高学历和相关专业背景的人员,而不对生产线的普通工人进行再培训和技能提升。因为这两种工作的差异太大,普通工人多为农民工,原受教育水平普遍较低,再加上技能培训需要投入的时间、经济成本并不是每一个工人都能负担得起。技能和知识的鸿沟导致内部劳动力市场的机制基本失效。与此同时,由于工人数量的显著下降,工人被嵌入到以机器人为中心的技术控制中,基于泰勒制流水线而形成工人团结和集体行动的可能性也将降低,不同类型工作的分化也阻碍了技术型人员与辅助型工人之间建立团结,工会和集体谈判等内部调节机制恐怕难以发挥功用。

不管是智能化、无人化还是省人化生产方式的出现,“机器人化”都将对车间里的生产过程、组织形式以及管理方式产生重大影响。当机器换人普及之时,机器人而不是人力劳动者成为生产的中心,这在理论上意味着工人继失去了对“概念”的控制之后也开始失去对“执行”的主动。如布雷弗曼所预示的,车间里的生产工人(如果还存在的话)面临着更大程度的去技能化。此外,不同于福特式或丰田式的大规模生产(Mass Production),未来的智能工厂是一套以大规模定制(Mass Customization)为方向的灵活的生产系统,由智能设备基于云计算“大脑”来调整生产程序和生产计划,生产的进度不需要再依赖于工人的生产效率和积极性——不管是强制的还是霸权式的,从这个意义上说,布洛维笔下的“赶工游戏”在智能工厂的管理控制方面则变得过时了。

结论及未来的关注点

纵观世界工业发展史,“机器换人”并不是一个新现象,从18世纪工场手工业到机器大工业转型,从电气时代到自动化时代,每一次工业革命带来的技术革新都造就了一轮又一轮的“机器换人”。技术升级与“机器换人”对就业和工人的影响一直饱受争议,但却未有定论。劳动过程理论和冲突论者认为机器取代了工人,并造成了工人的“去技能化”,从而剥夺了工人对劳动过程的控制权,削弱了工人的谈判能力;技术决定论或管理论者则主张以技术为中心,失业等社会问题的出现源自于社会关系的组织方式和制度安排未能跟上技术进步本身,并非技术本身的问题。在机器人时代来临之际,这些经典理论和观点仍有待研究者不断验证和更新。

实际上,机器人与人类社会的关系也一直是各国政府持续关注的社会议题,不同国家的应对策略体现了各国在处理技术进步与社会关系时的关键作用。1959年第一台工业机器人在美国诞生,美国政府考虑到当时失业率高的问题并预料发展机器人会造成更高的失业率,因此既未对机器人产业进行财政支持,也未组织研发机器人技术。英国政府出于同样的考虑,颁布了否定人工智能和机器人的报告,对工业机器人的发展实施了严厉的限制措施。相较而言,日本后来居上成为机器人王国,主要得益于政府的大力扶持,而这也是基于日本劳动力短缺的社会现实。尽管在上世纪六七十年代各国政府对机器人的发展做出了不同的应对策略,新的科技发展潮流俨然已成为不可逆的趋势,工业4.0及“机器换人”的进程势不可挡。

在中国,“机器换人”既是新现象,也将引发新的社会问题和影响。最直接的影响是,作为人口大国,大量的低技能岗位正在或即将被取代,大规模的结构性失业仍然可能发生,但这个风险目前正在被“用工荒、用工贵”的论述所掩盖。一旦技术突破使得机器人成本得到更大程度的下降,机器人大规模普及,这个风险将变得更为严峻。

其次,即便机器换人能够为制造业创造更多技能型和知识型岗位,但现有制造业工人多为农民工,整体教育水平和职业技能水平较低,如何适应不断升级的制造业用人需求也将成为新的社会难题。更深层的影响则是伴随工作类型和技能的两极分化,劳动者的收入差距将不断扩大,而机器人持有者将以更快的速度积累财富,而贫富差距的扩大则可能衍生出更广泛的社会问题。尽管上述问题目前仍被劳动力短缺和机器人能“增效提质”的论述所掩盖,但其潜在的风险应该引起足够的重视。

作为借鉴了德国工业4.0构想的“中国制造2025”,在处理技术与工人的关系时,也应借鉴德国的思路。充分考虑机器对于工作和工人的影响,均衡“技术与人”的关系已成为德国工业4.0道路的共识。一些德国学者在经济推进工业4.0的同时,还提出了“工作4.0”的构想,即探索数字化和智能化对工作的影响及如何实现工作的升级。

例如,德国的企业在进行技术升级时,非常强调工会等工人代表机制的多方参与和社会对话,让工会可以参与决策企业的升级改造方案以及工人在新的生产方式中的角色,并且对被裁减或转移的工作岗位做好善后安排。不仅如此,德国政府、企业、工会均重视对工人的培训和教育,甚至强调对工人的终身创新教育,并且愿意承担工人受教育的时间成本和经济成本,让工人能够在新的生产方式中保持竞争力。相较而言,中国企业的转型升级则以“减员”和“增效”为目标,对于低技能工人采取自动淘汰机制,缺乏整合的再教育与再就业的机制。

总的来说,“机器人化”在中国的快速扩张所引起的生产过程升级为劳动力市场的变化和劳资关系的转型创造了全新的物质条件,而且也蕴含了许多值得讨论和研究的理论及现实问题。对于机器人发展的未来图景,是以机器人为中心,将工人至于技术的控制之下,还是发展以人为中心的人机协作机制,仍有赖于社会制度的安排和公共政策的制定。而社会制度如何安排,也将影响未来的财富分配,因为可以预见的是,财富将越来越涌向那些机器持有者或其他资本持有者手中。作为社会学研究者,我们将持续关注和探讨“机器换人”对于生产方式和劳动关系的影响,并继续在雇佣政策、培训体系、管理制度、生产安排、工会建设及工人主体性等方面贡献更为具体的经验研究。

雪球转发:0回复:1喜欢:1

全部评论

李鹤展07-04 06:50

社会学研究为啥没有数据?统计学资料?主观凡凡而谈,没有说服力!