羅書(shū)嶸

（廣州番禺職業(yè)技術(shù)學(xué)院 財(cái)經(jīng)學(xué)院，廣東 廣州 511483）

一、問(wèn)題的提出

人工智能作為第四次工業(yè)革命的代表，是引領(lǐng)第四次工業(yè)革命和產(chǎn)業(yè)變革的重要戰(zhàn)略性技術(shù)，具有技術(shù)屬性與社會(huì)屬性高度融合的特點(diǎn)，對(duì)中國(guó)社會(huì)生產(chǎn)與生活產(chǎn)生了重要影響。中國(guó)目前正處于供給側(cè)結(jié)構(gòu)性改革和經(jīng)濟(jì)社會(huì)轉(zhuǎn)型的關(guān)鍵階段，人工智能的廣泛應(yīng)用不僅會(huì)引發(fā)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)，還會(huì)對(duì)三大產(chǎn)業(yè)的布局產(chǎn)生深遠(yuǎn)影響。精準(zhǔn)預(yù)測(cè)人工智能發(fā)展對(duì)中國(guó)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)和三大產(chǎn)業(yè)布局的影響，對(duì)于中國(guó)實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展具有十分重要的現(xiàn)實(shí)意義，這正是文章研究的著力點(diǎn)。因此，伴隨著人工智能發(fā)展水平的快速提升，人工智能是否會(huì)對(duì)產(chǎn)業(yè)分化產(chǎn)生影響？如果會(huì)產(chǎn)生影響，是支持“抑制效應(yīng)”還是支持“加速效應(yīng)”？抑或是某一階段符合“抑制效應(yīng)”，而另一階段符合“加速效應(yīng)”的“U”型特征？還是支持其他一些重要的特征論斷？鑒于人工智能背景下中國(guó)的產(chǎn)業(yè)分化問(wèn)題具有緊迫性、現(xiàn)實(shí)性和復(fù)雜性，但產(chǎn)業(yè)分化面臨著人工智能發(fā)展程度的測(cè)算困難，制約了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，已有研究對(duì)此關(guān)注不足，同時(shí)通過(guò)對(duì)已有研究成果的借鑒，提出了文章所關(guān)注的問(wèn)題。文章嘗試將人工智能發(fā)展程度指標(biāo)納入實(shí)證計(jì)量模型的分析框架，檢驗(yàn)人工智能對(duì)全國(guó)及東、中、西部地區(qū)產(chǎn)業(yè)分化的影響。

二、文獻(xiàn)回顧

1.對(duì)人工智能文獻(xiàn)的回顧

人工智能的出現(xiàn)與發(fā)展，推動(dòng)了人類科技史上的一次偉大變革，成為經(jīng)濟(jì)學(xué)領(lǐng)域一個(gè)新的探索對(duì)象。進(jìn)入21世紀(jì)，經(jīng)濟(jì)學(xué)與人工智能的關(guān)系更加緊密。人工智能在計(jì)量經(jīng)濟(jì)學(xué)、金融經(jīng)濟(jì)學(xué)等多個(gè)經(jīng)濟(jì)學(xué)領(lǐng)域也得到了廣泛運(yùn)用(Herbert Alexander Simon，1978；Kun Wang，Michael S.Wilkins，2007)[1]。國(guó)外對(duì)于人工智能帶來(lái)的影響，不同領(lǐng)域不同學(xué)者存在不同的看法，但大部分學(xué)者認(rèn)為人工智能引發(fā)的新一輪技術(shù)革命，在短期內(nèi)會(huì)造成一些工作崗位被新技術(shù)所替代，但在長(zhǎng)期內(nèi)，一批新的工作崗位也會(huì)不斷涌現(xiàn)(Hull and Rothenberg，2008)[2]。

國(guó)內(nèi)許多學(xué)者對(duì)人工智能與經(jīng)濟(jì)社會(huì)發(fā)展之間的關(guān)系進(jìn)行了研究，究竟是人工智能對(duì)經(jīng)濟(jì)社會(huì)發(fā)展起促進(jìn)作用，還是經(jīng)濟(jì)社會(huì)發(fā)展促進(jìn)了人工智能技術(shù)的應(yīng)用，抑或是互為推動(dòng)關(guān)系。學(xué)術(shù)界一直沒(méi)有得出一致結(jié)論，概括起來(lái)，主要有以下兩種觀點(diǎn)：一是人工智能對(duì)經(jīng)濟(jì)社會(huì)發(fā)展具有正面影響。持這種觀點(diǎn)的學(xué)者認(rèn)為，人工智能是創(chuàng)新戰(zhàn)略的重要體現(xiàn)，認(rèn)為人工智能是經(jīng)濟(jì)社會(huì)發(fā)展的重要變量，人工智能技術(shù)的廣泛應(yīng)用會(huì)影響全要素生產(chǎn)率，從而促進(jìn)經(jīng)濟(jì)持續(xù)增長(zhǎng)（陳彥斌等，2019；黃蕊等，2020；林晨等，2020）[3-5]。二是人工智能對(duì)經(jīng)濟(jì)社會(huì)發(fā)展存在不確定性影響。持這種看法的學(xué)者既肯定人工智能對(duì)經(jīng)濟(jì)社會(huì)發(fā)展存在正向效應(yīng)，但也認(rèn)為人工智能會(huì)對(duì)經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生負(fù)面影響和挑戰(zhàn)（程承坪、李雨佳，2018；李曉華、曾昭睿，2019）[6，7]。

2.對(duì)產(chǎn)業(yè)分化文獻(xiàn)的回顧

目前國(guó)外關(guān)于產(chǎn)業(yè)分化的研究文獻(xiàn)較少，大多數(shù)只是在產(chǎn)業(yè)分工或者產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的研究中簡(jiǎn)單提及，圍繞產(chǎn)業(yè)分化的文章屈指可數(shù)。

國(guó)內(nèi)已有研究主要從產(chǎn)業(yè)分化的定義、成因、影響三個(gè)方面進(jìn)行分析。一是關(guān)于產(chǎn)業(yè)分化的定義研究，學(xué)者們關(guān)于產(chǎn)業(yè)分化的定義，尚無(wú)一致看法（蔡躍洲、陳楠，2019；李旭輝等，2020）[8，9]。二是關(guān)于產(chǎn)業(yè)分化的成因研究，學(xué)者們分別從技術(shù)創(chuàng)新、發(fā)展環(huán)境、市場(chǎng)需求、政策等方面對(duì)形成產(chǎn)業(yè)分化的原因進(jìn)行了分析。有些學(xué)者認(rèn)為技術(shù)創(chuàng)新是產(chǎn)業(yè)分化產(chǎn)生的根源（沈瓊、王少朋，2019；張龍鵬、張雙志，2020；余長(zhǎng)林等，2020）[10-12]；有些學(xué)者認(rèn)為社會(huì)分工和生產(chǎn)力發(fā)展是導(dǎo)致產(chǎn)業(yè)分化的根本原因（芮明杰，2018）[13]；還有一些學(xué)者認(rèn)為產(chǎn)業(yè)政策是導(dǎo)致產(chǎn)業(yè)分化的重要原因（郭凱明，2019）[14]。三是關(guān)于產(chǎn)業(yè)分化的影響研究，已有研究成果對(duì)此還未進(jìn)行深入探討，現(xiàn)有文獻(xiàn)主要從理論角度進(jìn)行分析，而基于實(shí)證分析的研究成果還比較少，尤其缺乏計(jì)量模型方面的研究（俞伯陽(yáng)，2020）[15]。

文章的主要貢獻(xiàn)在于：第一，從人工智能這一新的視角對(duì)產(chǎn)業(yè)分化的影響進(jìn)行深入探討，增強(qiáng)了理論的解釋力。文章在探究人工智能對(duì)產(chǎn)業(yè)分化的影響時(shí)，打破了以往研究在“抑制效應(yīng)”與“加速效應(yīng)”間非此即彼的解釋，明確提出了人工智能對(duì)產(chǎn)業(yè)分化的影響存在著在某一階段支持“抑制效應(yīng)”，達(dá)到某一拐點(diǎn)后，在另一階段支持“加速效應(yīng)”的新型特征論斷。第二，構(gòu)建并測(cè)算中國(guó)人工智能發(fā)展程度的綜合性評(píng)價(jià)指標(biāo)，為分析人工智能與產(chǎn)業(yè)分化之間的關(guān)系提供了一種新的研究思路。文章采用主成分分析法對(duì)中國(guó)人工智能發(fā)展程度進(jìn)行測(cè)算，避免了以往研究中利用單一指標(biāo)度量人工智能發(fā)展程度的不足，可以全面客觀地反映中國(guó)人工智能發(fā)展水平。第三，通過(guò)構(gòu)建熵指數(shù)(EI)對(duì)全國(guó)及東、中、西部地區(qū)的產(chǎn)業(yè)分化度進(jìn)行測(cè)度，并構(gòu)建計(jì)量模型實(shí)證分析了人工智能對(duì)全國(guó)及東、中、西部地區(qū)產(chǎn)業(yè)分化的影響。研究結(jié)果是對(duì)已有研究領(lǐng)域的一種延伸和有益探索，為逐步實(shí)現(xiàn)區(qū)域之間的協(xié)調(diào)平衡發(fā)展提供了一種新的研究視野。

三、人工智能發(fā)展水平的測(cè)算

1.測(cè)算人工智能發(fā)展程度的指標(biāo)選取

大部分學(xué)者通過(guò)單一指標(biāo)分析法來(lái)測(cè)算人工智能發(fā)展水平（付文宇等，2020；劉斌、潘彤，2020；王瑞瑜、王森，2020）[16-18]。單一指標(biāo)分析法具有簡(jiǎn)單直觀、測(cè)算方便、應(yīng)用范圍較廣等優(yōu)點(diǎn)，但也存在著較大局限性，人工智能發(fā)展水平還受制于一國(guó)或地區(qū)高技術(shù)發(fā)展規(guī)模、技術(shù)市場(chǎng)結(jié)構(gòu)等諸多因素的影響，僅用單一指標(biāo)難以真實(shí)測(cè)算出該國(guó)或地區(qū)的人工智能發(fā)展水平。也有些學(xué)者選取綜合指標(biāo)來(lái)測(cè)算并進(jìn)行分析（汝剛等，2020）[19]。

在借鑒國(guó)內(nèi)外學(xué)者關(guān)于人工智能發(fā)展水平的指標(biāo)體系設(shè)計(jì)基礎(chǔ)上，結(jié)合中國(guó)高技術(shù)經(jīng)濟(jì)發(fā)展階段、人工智能特征以及實(shí)際國(guó)情，根據(jù)指標(biāo)選取的客觀性和數(shù)據(jù)的可獲得性，中國(guó)人工智能發(fā)展水平指標(biāo)體系的構(gòu)建見(jiàn)表1。

表1 中國(guó)人工智能發(fā)展水平指標(biāo)體系

為了考察中國(guó)人工智能發(fā)展水平隨時(shí)間的變動(dòng)情況，選取中國(guó)2003—2018年的時(shí)間序列數(shù)據(jù)來(lái)進(jìn)行測(cè)算。通過(guò)2003—2019年的《中國(guó)統(tǒng)計(jì)年鑒》和國(guó)家統(tǒng)計(jì)局網(wǎng)站，收集并整理了中國(guó)人工智能發(fā)展水平的相關(guān)數(shù)據(jù)，中國(guó)人工智能發(fā)展水平描述指標(biāo)數(shù)據(jù)見(jiàn)表2。

表2 2003—2018年中國(guó)人工智能發(fā)展水平描述指標(biāo)數(shù)據(jù)

2.人工智能發(fā)展程度的測(cè)算

文章采取主成分分析法對(duì)中國(guó)人工智能發(fā)展程度進(jìn)行合理測(cè)算。依據(jù)已經(jīng)確定的七個(gè)指標(biāo)，用X1、X2、X3、X4、X5、X6、X7分別表示信息傳輸計(jì)算機(jī)服務(wù)和軟件業(yè)全社會(huì)固定資產(chǎn)投資、高技術(shù)產(chǎn)業(yè)研究與試驗(yàn)發(fā)展人員全時(shí)當(dāng)量、高技術(shù)產(chǎn)業(yè)研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開(kāi)發(fā)經(jīng)費(fèi)支出、高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入、高技術(shù)產(chǎn)業(yè)專利申請(qǐng)數(shù)以及中國(guó)工業(yè)機(jī)器人安裝量。為了符合利用主成分分析方法對(duì)數(shù)據(jù)的要求，把這七個(gè)指標(biāo)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，可以得出七個(gè)指標(biāo)之間的相關(guān)系數(shù)矩陣，見(jiàn)表3。

表3 人工智能發(fā)展程度七個(gè)指標(biāo)之間的相關(guān)系數(shù)矩陣

通過(guò)相關(guān)系數(shù)矩陣可知，七個(gè)變量相互之間的相關(guān)性都很強(qiáng)、相關(guān)系數(shù)比較高，進(jìn)一步地，可以分析主成分的特征值以及累積方差貢獻(xiàn)率，見(jiàn)表4。

表4 主成分的特征值以及累積方差貢獻(xiàn)率

根據(jù)表4，第一主成分的特征值是6.772，顯然大于1。第一主成分的方差貢獻(xiàn)率為96.747%，也就是說(shuō)，人工智能發(fā)展程度七個(gè)指標(biāo)總體上超過(guò)95%的信息可通過(guò)第一主成分來(lái)解釋。依據(jù)特征值超過(guò)1，累積方差貢獻(xiàn)率不低于85%的標(biāo)準(zhǔn)，提取第一個(gè)主成分來(lái)代表全部指標(biāo)變量的所有信息，利用第一主成分作為綜合變量來(lái)計(jì)算成分矩陣，見(jiàn)表5。

表5 成分矩陣

通過(guò)表5可以看出，第一主成分f1與所有指標(biāo)X1、X2、X3、X4、X5、X6和X7都非常顯著，其載荷分別為0.917、0.988、0.998、0.998、0.997、0.995和0.990，由此可知，人工智能發(fā)展程度變動(dòng)的綜合指標(biāo)完全可以利用第一主成分來(lái)反映。為獲取主成分f1的函數(shù)表達(dá)式，可以把表5列示的系數(shù)除以與其相對(duì)應(yīng)表4中的特征值的平方根，進(jìn)而得出主成分函數(shù)的變量系數(shù)向量：

第一主成分函數(shù)的變量系數(shù)向量為：

由此可得第一主成分的函數(shù)表達(dá)式為：

根據(jù)式(2)可以計(jì)算出中國(guó)2003—2018的人工智能發(fā)展水平，將其繪制成曲線圖，如圖1所示。

圖1 2003—2018年中國(guó)人工智能發(fā)展程度的曲線圖

從圖1可以看出，依據(jù)七個(gè)指標(biāo)綜合計(jì)算的中國(guó)人工智能發(fā)展程度表現(xiàn)出較強(qiáng)的上升趨勢(shì)，中國(guó)人工智能發(fā)展水平呈逐年不斷持續(xù)增加的態(tài)勢(shì)。

四、產(chǎn)業(yè)分化的測(cè)度

產(chǎn)業(yè)分化度是描述當(dāng)前各種產(chǎn)業(yè)的分布狀況，由于產(chǎn)業(yè)分化會(huì)以新興產(chǎn)業(yè)形成、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整優(yōu)化升級(jí)等形式表現(xiàn)出來(lái)，而這兩種表現(xiàn)形式均可通過(guò)產(chǎn)業(yè)增加值的情況來(lái)表示。如果某一產(chǎn)業(yè)增加值不斷提高，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整幅度越大，產(chǎn)業(yè)分化程度就越高；如果各產(chǎn)業(yè)增加值分布越均衡，產(chǎn)業(yè)分化度就越小。又由于熵指數(shù)運(yùn)用了信息理論中熵的概念，具有平均信息量的含義，文章借助熵指數(shù)來(lái)探討產(chǎn)業(yè)分化度。具體地，可以構(gòu)建熵指數(shù)(EI)對(duì)全國(guó)及東、中、西部地區(qū)的產(chǎn)業(yè)分化度進(jìn)行測(cè)度。設(shè)Zj表示第j產(chǎn)業(yè)的增加值，t為產(chǎn)業(yè)的總個(gè)數(shù)，Pj表示第j產(chǎn)業(yè)的增加值占總產(chǎn)業(yè)增加值的比重，即：

產(chǎn)業(yè)分化熵指數(shù)的定義表達(dá)式可寫(xiě)成：

其中，熵指數(shù)EI越大，說(shuō)明產(chǎn)業(yè)增加值分布越均衡，產(chǎn)業(yè)分化度越低。如果Z1=Z2=…=Zj，那么P1=P2=…=Pj，此時(shí)產(chǎn)業(yè)增加值分布均衡，熵指數(shù)EI值達(dá)到最大值log(t)。進(jìn)一步地，可以得出產(chǎn)業(yè)分化度R的計(jì)算公式：

其中，R越小表示產(chǎn)業(yè)分化度越低，R越大表示產(chǎn)業(yè)分化度越高。

通過(guò)2003—2019年的《中國(guó)統(tǒng)計(jì)年鑒》和國(guó)家統(tǒng)計(jì)局網(wǎng)站，收集并整理了中國(guó)產(chǎn)業(yè)分化的相關(guān)數(shù)據(jù)，同時(shí)運(yùn)用上述熵指數(shù)測(cè)度方法對(duì)全國(guó)產(chǎn)業(yè)分化度R、東部地區(qū)產(chǎn)業(yè)分化度Re、中部地區(qū)產(chǎn)業(yè)分化度Rm、西部地區(qū)產(chǎn)業(yè)分化度Rw進(jìn)行測(cè)度。測(cè)度結(jié)果見(jiàn)表7。進(jìn)一步繪制出全國(guó)及東、中、西部地區(qū)產(chǎn)業(yè)分化度的時(shí)間變化趨勢(shì)圖，如圖2所示。

圖2 2003—2018年全國(guó)與東中西部地區(qū)產(chǎn)業(yè)分化度的變動(dòng)趨勢(shì)

從圖2可以看出，全國(guó)、東部地區(qū)、中部地區(qū)以及西部地區(qū)的產(chǎn)業(yè)分化度趨勢(shì)圖非常相似，總體上全國(guó)、東部地區(qū)、中部地區(qū)以及西部地區(qū)的產(chǎn)業(yè)分化度趨勢(shì)線持續(xù)上升，即產(chǎn)業(yè)分化度隨著時(shí)間的推進(jìn)而不斷增大的趨勢(shì)。盡管產(chǎn)業(yè)分化度總體上呈現(xiàn)出上升趨勢(shì)，但卻表現(xiàn)出“先抑后揚(yáng)”的特征，即產(chǎn)業(yè)分化度趨勢(shì)在2003—2010年呈現(xiàn)出以遞減的速度上升，2011年之后表現(xiàn)出以遞增的速度上升。從圖2中還可以看出，東部地區(qū)的產(chǎn)業(yè)分化度明顯高于全國(guó)、中部地區(qū)和西部地區(qū)，全國(guó)的產(chǎn)業(yè)分化度高于中部地區(qū)和西部地區(qū)，西部地區(qū)的產(chǎn)業(yè)分化度最小。

五、人工智能對(duì)產(chǎn)業(yè)分化影響的實(shí)證分析

1.計(jì)量模型方程設(shè)定及變量說(shuō)明

文章主要檢驗(yàn)人工智能對(duì)中國(guó)產(chǎn)業(yè)分化的影響，綜合考慮產(chǎn)業(yè)分化的各種影響因素，產(chǎn)業(yè)分化的計(jì)量模型可表示為：

其中，R是被解釋變量，表示產(chǎn)業(yè)分化度，其測(cè)度方法利用前面已經(jīng)探討的熵指數(shù)來(lái)進(jìn)行計(jì)算。人工智能(AI)是文章模型的核心解釋變量，人工智能是一門(mén)新研究開(kāi)發(fā)并用于模擬、延伸以及擴(kuò)展人的智能的方法、技術(shù)、理論及應(yīng)用系統(tǒng)的技術(shù)科學(xué)。人工智能是由計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)等不同領(lǐng)域組成，其主要目標(biāo)是通過(guò)機(jī)器學(xué)習(xí)等手段能夠勝任一些通常需要人類智能才能實(shí)現(xiàn)的復(fù)雜工作。因此，人工智能發(fā)展水平僅用單一指標(biāo)來(lái)測(cè)算是片面的，必須依賴于綜合指標(biāo)才能科學(xué)地進(jìn)行測(cè)算。u表示隨機(jī)擾動(dòng)項(xiàng)。

通過(guò)借鑒已有相關(guān)文獻(xiàn)和經(jīng)驗(yàn)數(shù)據(jù)，文章選擇以下幾個(gè)控制變量：第一，經(jīng)濟(jì)發(fā)展水平(lngdp)，利用國(guó)內(nèi)生產(chǎn)總值的對(duì)數(shù)值來(lái)衡量，經(jīng)濟(jì)發(fā)展水平有助于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，從而影響產(chǎn)業(yè)分化格局；第二，市場(chǎng)化水平(market)，利用國(guó)有單位就業(yè)人員與全國(guó)就業(yè)人口比重來(lái)衡量，市場(chǎng)化的不斷深入可推進(jìn)一國(guó)或地區(qū)的產(chǎn)業(yè)分化程度；第三，城市化水平(city)，利用城鎮(zhèn)人口與總?cè)丝诘谋戎祦?lái)衡量，這一比重越高表明城市化水平越高；第四，經(jīng)濟(jì)開(kāi)放水平(open)，利用進(jìn)出口總額與國(guó)內(nèi)生產(chǎn)總值的比重來(lái)衡量，經(jīng)濟(jì)開(kāi)放通過(guò)對(duì)外貿(mào)易等不同途徑對(duì)產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)生影響，進(jìn)而影響產(chǎn)業(yè)分化狀態(tài)。

2.數(shù)據(jù)說(shuō)明及描述性統(tǒng)計(jì)

文章選取中國(guó)2003—2018年的年度數(shù)據(jù)，對(duì)人工智能對(duì)中國(guó)產(chǎn)業(yè)分化的影響進(jìn)行了實(shí)證分析。人工智能發(fā)展程度的水平項(xiàng)(AI)和產(chǎn)業(yè)分化度(R)采用前面所計(jì)算的值。人工智能發(fā)展程度的平方項(xiàng)AI2與立方項(xiàng)AI3可以通過(guò)其水平項(xiàng)值計(jì)算而獲得。為了比較，文章還計(jì)算了東部地區(qū)產(chǎn)業(yè)分化度(Re)、中部地區(qū)產(chǎn)業(yè)分化度(Rm)、西部地區(qū)產(chǎn)業(yè)分化度(Rw)。被解釋變量、解釋變量和控制變量的數(shù)據(jù)均來(lái)源于2003—2019年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》。

表6列出了各變量指標(biāo)的描述性統(tǒng)計(jì)。各變量指標(biāo)的基本統(tǒng)計(jì)信息表明，中國(guó)產(chǎn)業(yè)分化度的最大值為2.590，最小值為2.333，表明中國(guó)產(chǎn)業(yè)分化度波動(dòng)幅度較小，但東部地區(qū)與中西部地區(qū)的產(chǎn)業(yè)分化度差異較明顯。從均值和標(biāo)準(zhǔn)差來(lái)看，所有變量的標(biāo)準(zhǔn)差值都小于均值，不存在異常值。但人工智能發(fā)展程度立方項(xiàng)遠(yuǎn)高于人工智能發(fā)展程度平方項(xiàng)，而人工智能發(fā)展程度平方項(xiàng)也遠(yuǎn)高于人工智能發(fā)展程度水平項(xiàng)，意味著這三個(gè)變量之間具有較大的差異性，存在明顯的非線性關(guān)系。同時(shí)，人工智能發(fā)展程度水平項(xiàng)、平方項(xiàng)以及立方項(xiàng)自身在不同年份也表現(xiàn)出較大差異，這些數(shù)據(jù)對(duì)構(gòu)建估計(jì)模型方程奠定了十分良好的統(tǒng)計(jì)基礎(chǔ)。所有回歸分析采用的變量數(shù)據(jù)經(jīng)過(guò)ADF檢驗(yàn)均拒絕接受存在單位根假設(shè)，說(shuō)明回歸分析變量為平穩(wěn)序列。

表6 各變量的描述性統(tǒng)計(jì)分析

3.實(shí)證分析結(jié)果及討論

文章采取OLS回歸模型，運(yùn)用對(duì)中國(guó)人工智能發(fā)展程度和產(chǎn)業(yè)分化度的測(cè)度結(jié)果，考察2003—2018年中國(guó)人工智能發(fā)展水平對(duì)產(chǎn)業(yè)分化的影響，回歸結(jié)果如表7所示。

從表7的實(shí)證檢驗(yàn)結(jié)果可以看出，全國(guó)和中部地區(qū)人工智能發(fā)展程度的水平項(xiàng)、平方項(xiàng)以及立方項(xiàng)的估計(jì)系數(shù)在5%的顯著性水平下都顯著，東部地區(qū)的人工智能發(fā)展程度的水平項(xiàng)、平方項(xiàng)以及立方項(xiàng)的估計(jì)系數(shù)在1%的顯著性水平下顯著，只有西部地區(qū)的人工智能發(fā)展程度的水平項(xiàng)、平方項(xiàng)以及立方項(xiàng)的估計(jì)系數(shù)即使在50%的顯著性水平下也不顯著。這表明全國(guó)、東部地區(qū)、中部地區(qū)人工智能發(fā)展程度的水平項(xiàng)、平方項(xiàng)和立方項(xiàng)對(duì)產(chǎn)業(yè)分化度的變動(dòng)具有顯著影響，其中，東部地區(qū)變動(dòng)尤為顯著，但西部地區(qū)人工智能發(fā)展程度的水平項(xiàng)、平方項(xiàng)和立方項(xiàng)對(duì)產(chǎn)業(yè)分化度并未產(chǎn)生明顯影響。出現(xiàn)這種現(xiàn)象是因?yàn)闁|中部地區(qū)在人工智能基礎(chǔ)設(shè)施建設(shè)、人力投入方面明顯高于西部地區(qū)，直接引起東中部地區(qū)在人工智能經(jīng)濟(jì)產(chǎn)出和產(chǎn)品產(chǎn)出方面也會(huì)明顯高于西部地區(qū)，進(jìn)而導(dǎo)致東中部地區(qū)人工智能對(duì)產(chǎn)業(yè)分化度產(chǎn)生顯著影響，而西部地區(qū)人工智能對(duì)產(chǎn)業(yè)分化度的影響并不明顯。

表7 人工智能對(duì)產(chǎn)業(yè)分化影響的實(shí)證檢驗(yàn)結(jié)果

從表7的實(shí)證檢驗(yàn)結(jié)果還可以看出，全國(guó)、東部地區(qū)和中部地區(qū)人工智能發(fā)展程度的水平項(xiàng)均顯著大于零，人工智能發(fā)展程度的平方項(xiàng)均顯著小于零，人工智能發(fā)展程度的立方項(xiàng)均顯著大于零，表明人工智能對(duì)全國(guó)、東部地區(qū)和中部地區(qū)產(chǎn)業(yè)分化的影響在總體上表現(xiàn)出一種不斷上升的趨勢(shì)，但在人工智能所處的不同發(fā)展階段，其對(duì)產(chǎn)業(yè)分化影響的上升速度呈現(xiàn)出明顯不同的階段性特征。也就是說(shuō)，在人工智能發(fā)展水平不高的階段，產(chǎn)業(yè)分化是隨著人工智能發(fā)展水平的提高而以遞減的速率推進(jìn)，此時(shí)“抑制效應(yīng)”居于主導(dǎo)性地位；隨著人工智能發(fā)展水平的不斷上升，觸發(fā)到某一特定拐點(diǎn)之后，產(chǎn)業(yè)分化則以遞增的速率推進(jìn)，此時(shí)“加速效應(yīng)”就居于主導(dǎo)性地位。根據(jù)表7的實(shí)證檢驗(yàn)結(jié)果，通過(guò)人工智能發(fā)展程度的水平項(xiàng)、平方項(xiàng)和立方項(xiàng)的估計(jì)系數(shù)能夠建立一個(gè)以人工智能發(fā)展程度為響應(yīng)變量的函數(shù)表達(dá)式。以全國(guó)為例，可以建立函數(shù)表達(dá)式：F(AI)=0.04897AI3-2.02834AI2+27.947471AI，對(duì)該函數(shù)表達(dá)式中的人工智能發(fā)展程度的水平項(xiàng)(AI)求二階導(dǎo)數(shù)，并令該二階導(dǎo)數(shù)等于零，在此基礎(chǔ)上可以計(jì)算得出，人工智能對(duì)全國(guó)產(chǎn)業(yè)分化產(chǎn)生“先抑后揚(yáng)”的影響的拐點(diǎn)將會(huì)在人工智能發(fā)展程度AI等于13.807時(shí)出現(xiàn)。根據(jù)樣本數(shù)據(jù)可以觀測(cè)到中國(guó)人工智能發(fā)展程度AI在2010年已經(jīng)超過(guò)這一臨界值。因此，在2010年以前中國(guó)的產(chǎn)業(yè)分化以遞減的趨勢(shì)推進(jìn)，該階段支持“抑制效應(yīng)”；而在2010年以后，中國(guó)的產(chǎn)業(yè)分化以遞增的趨勢(shì)不斷推進(jìn)，該階段支持“加速效應(yīng)”。同理，也可建立東部地區(qū)和中部地區(qū)以人工智能發(fā)展程度為響應(yīng)變量的函數(shù)表達(dá)式，根據(jù)樣本數(shù)據(jù)計(jì)算，可以得出人工智能對(duì)東部地區(qū)和中部地區(qū)產(chǎn)業(yè)分化產(chǎn)生“先抑后揚(yáng)”的影響的拐點(diǎn)分別會(huì)出現(xiàn)在人工智能發(fā)展程度AI等于13.744和13.664時(shí)。根據(jù)樣本數(shù)據(jù)可以觀測(cè)到東部地區(qū)和中部地區(qū)都在2009年超過(guò)臨界值，表明相較于全國(guó)來(lái)說(shuō)，東部地區(qū)和中部地區(qū)產(chǎn)業(yè)分化度的拐點(diǎn)會(huì)提前一年出現(xiàn)。

由上述分析可知，人工智能發(fā)展水平對(duì)產(chǎn)業(yè)分化度的影響存在著“先抑后揚(yáng)”的特征。在人工智能發(fā)展水平較低的階段，產(chǎn)業(yè)分化度以遞減的速率增加，在這一階段，人工智能對(duì)產(chǎn)業(yè)分化的影響支持“抑制效應(yīng)”；隨著人工智能發(fā)展水平的不斷提高，達(dá)到某一拐點(diǎn)之后，產(chǎn)業(yè)分化度以遞增的速率增加，在這一階段，人工智能對(duì)產(chǎn)業(yè)分化的影響支持“加速效應(yīng)”。也就是說(shuō)，人工智能對(duì)產(chǎn)業(yè)分化的影響在總體上表現(xiàn)出一種不斷上升趨勢(shì)，但在人工智能發(fā)展程度所處不同階段，其對(duì)產(chǎn)業(yè)分化影響的上升速度存在不同的階段性特征。

如何解釋產(chǎn)業(yè)分化度隨著人工智能發(fā)展程度的不斷提高呈現(xiàn)出先以遞減的速率增加而后以遞增的速率增加這種經(jīng)濟(jì)現(xiàn)象？

首先，在人工智能發(fā)展的初期階段，雖然總體上產(chǎn)業(yè)分化度處于增長(zhǎng)狀態(tài)，但這種增長(zhǎng)狀態(tài)會(huì)在一定程度上受某些因素的制約。即，這一時(shí)期產(chǎn)業(yè)模式發(fā)展轉(zhuǎn)型以及技術(shù)層面等因素導(dǎo)致產(chǎn)業(yè)分化發(fā)展速度降低，會(huì)對(duì)產(chǎn)業(yè)分化產(chǎn)生一定的抑制效應(yīng)。由于勞動(dòng)密集型產(chǎn)業(yè)在經(jīng)濟(jì)發(fā)展中居于主導(dǎo)地位，資源利用率低且生產(chǎn)效率低下，產(chǎn)業(yè)成本高且產(chǎn)業(yè)成熟度較低，產(chǎn)業(yè)間制約資源、成本等要素流動(dòng)的壁壘較為堅(jiān)固，抑制了產(chǎn)業(yè)分化。同時(shí)，技術(shù)壁壘也是影響產(chǎn)業(yè)分化進(jìn)程的重要因素。在人工智能發(fā)展的初期階段，中國(guó)技術(shù)密集型產(chǎn)業(yè)較少，且未受到社會(huì)及政府足夠重視，技術(shù)難以對(duì)產(chǎn)業(yè)分化產(chǎn)生促進(jìn)效應(yīng)，技術(shù)落后成為制約產(chǎn)業(yè)分化的重要因素之一。此時(shí)運(yùn)用到的技術(shù)只能支持產(chǎn)業(yè)內(nèi)部發(fā)展運(yùn)作，沒(méi)有足夠的技術(shù)資源支撐產(chǎn)業(yè)分化所衍生出來(lái)的新興產(chǎn)業(yè)的發(fā)展，導(dǎo)致產(chǎn)業(yè)分化處于緩慢發(fā)展?fàn)顟B(tài)。因此，在人工智能發(fā)展水平較低的階段，產(chǎn)業(yè)分化度以遞減的速率增加，在這一階段，人工智能對(duì)產(chǎn)業(yè)分化的影響支持“抑制效應(yīng)”。

其次，隨著人工智能發(fā)展水平的不斷提高，產(chǎn)業(yè)融合作為現(xiàn)代產(chǎn)業(yè)發(fā)展的必然趨勢(shì)，伴隨社會(huì)生產(chǎn)力的不斷進(jìn)步以及產(chǎn)業(yè)結(jié)構(gòu)的不斷調(diào)整，人工智能促使產(chǎn)業(yè)融合通過(guò)改變產(chǎn)業(yè)間要素流動(dòng)、資源配置以及結(jié)構(gòu)等因素來(lái)影響產(chǎn)業(yè)分化，重新調(diào)整一、二、三產(chǎn)業(yè)內(nèi)部產(chǎn)業(yè)結(jié)構(gòu)并整合優(yōu)化產(chǎn)業(yè)內(nèi)部資源的配置。中國(guó)的產(chǎn)業(yè)分化是基于勞動(dòng)密集型產(chǎn)業(yè)向資本技術(shù)密集型產(chǎn)業(yè)轉(zhuǎn)變模式下發(fā)展的，隨著這種轉(zhuǎn)變模式的推進(jìn)以及技術(shù)層面的不斷成熟，產(chǎn)業(yè)分化受到的抑制作用也會(huì)越來(lái)越弱?；谌斯ぶ悄鼙尘跋碌漠a(chǎn)業(yè)融合發(fā)展能夠極大提高資源利用率，降低交易環(huán)節(jié)中的成本消耗，有效提高產(chǎn)業(yè)發(fā)展的利潤(rùn)空間，從而弱化產(chǎn)業(yè)間各種要素流動(dòng)壁壘的抑制作用，進(jìn)而暢通各要素在產(chǎn)業(yè)間的流動(dòng)，加快產(chǎn)業(yè)分化、細(xì)化的進(jìn)程，對(duì)產(chǎn)業(yè)分化具有極強(qiáng)的推動(dòng)力。同時(shí)，新技術(shù)不斷進(jìn)步，落后技術(shù)不斷淘汰，新技術(shù)產(chǎn)生并開(kāi)始融入各行各業(yè)，逐步成為推動(dòng)產(chǎn)業(yè)分化的決定性因素。技術(shù)進(jìn)步改變了原有產(chǎn)業(yè)結(jié)構(gòu)，促使新的產(chǎn)業(yè)結(jié)構(gòu)不斷涌現(xiàn)、調(diào)整和發(fā)展，從而為產(chǎn)業(yè)分化提供了良好的發(fā)展環(huán)境，導(dǎo)致產(chǎn)業(yè)分化從單一化朝多樣化方向發(fā)展。因此，在人工智能發(fā)展水平的較高階段，產(chǎn)業(yè)分化度以遞增的速率增加，在這一階段，人工智能對(duì)產(chǎn)業(yè)分化的影響支持“加速效應(yīng)”。

4.穩(wěn)健性檢驗(yàn)

文章的穩(wěn)健性檢驗(yàn)包括兩個(gè)方面：一方面是指標(biāo)測(cè)度的穩(wěn)健性檢驗(yàn)，另一方面是計(jì)量方法的穩(wěn)健性檢驗(yàn)。

（1）指標(biāo)測(cè)度的穩(wěn)健性檢驗(yàn)

指標(biāo)測(cè)度的穩(wěn)健性檢驗(yàn)主要表現(xiàn)在選取不同的核心解釋變量替換指標(biāo)來(lái)進(jìn)行檢驗(yàn)。為進(jìn)一步考察人工智能發(fā)展程度對(duì)產(chǎn)業(yè)分化的影響，文章選取高技術(shù)產(chǎn)業(yè)新增固定資產(chǎn)作為人工智能的替換指標(biāo)，取其對(duì)數(shù)值進(jìn)行回歸分析，穩(wěn)健性檢驗(yàn)結(jié)果見(jiàn)表8。由于西部地區(qū)人工智能對(duì)產(chǎn)業(yè)分化的影響不顯著，文章未對(duì)其進(jìn)行穩(wěn)健性檢驗(yàn)。根據(jù)檢驗(yàn)結(jié)果顯示，全國(guó)、東部地區(qū)和中部地區(qū)核心解釋變量指標(biāo)人工智能的系數(shù)在1%的顯著性水平下均顯著；進(jìn)一步還可以看出，全國(guó)、東部地區(qū)和中部地區(qū)人工智能發(fā)展程度的水平項(xiàng)均顯著大于零，人工智能發(fā)展程度的平方項(xiàng)均顯著小于零，人工智能發(fā)展程度的立方項(xiàng)均顯著大于零，這與基本回歸分析結(jié)果一致，說(shuō)明指標(biāo)測(cè)度具有穩(wěn)健性。

表8 選取不同的核心解釋變量指標(biāo)的穩(wěn)健性檢驗(yàn)

（2）計(jì)量方法的穩(wěn)健性檢驗(yàn)

遞歸殘差檢驗(yàn)方法的基本思路是以樣本觀測(cè)值的不斷擴(kuò)大為基礎(chǔ)，重復(fù)估計(jì)所構(gòu)建模型方程的斜率參數(shù)，若某一斜率參數(shù)向量存在n個(gè)待估參數(shù)，則前面n個(gè)樣本的觀測(cè)值能夠估計(jì)出該參數(shù)向量的第一估計(jì)值，(n+1)個(gè)樣本的觀測(cè)值能夠估計(jì)出該參數(shù)向量的第二估計(jì)值，以此類推，不斷重復(fù)該操作過(guò)程，一直用完所有的N個(gè)樣本的觀測(cè)值，最終可得到該參數(shù)向量的(N-n)個(gè)估計(jì)值。在每次參數(shù)向量的估計(jì)過(guò)程中，前一個(gè)估計(jì)值被用作預(yù)測(cè)被解釋變量的下一個(gè)值，形成預(yù)測(cè)的誤差值或遞歸殘差，進(jìn)而衍生出基于遞歸殘差的CUSUMSQ檢驗(yàn)。顯而易見(jiàn)，遞歸殘差方法的優(yōu)勢(shì)在于可避免選擇經(jīng)濟(jì)結(jié)構(gòu)時(shí)間變化的主觀隨意性，并克服樣本容量不足所引起的不利影響。因此，文章采用遞歸殘差CUSUMSQ檢驗(yàn)的計(jì)量方法對(duì)全國(guó)、東部地區(qū)和中部地區(qū)模型所估計(jì)系數(shù)的穩(wěn)健性進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如圖3、圖4和圖5所示。

圖3 全國(guó)遞歸殘差平方累計(jì)和檢驗(yàn)結(jié)果

圖4 東部地區(qū)遞歸殘差平方累計(jì)和檢驗(yàn)結(jié)果

圖5 中部地區(qū)遞歸殘差平方累計(jì)和檢驗(yàn)結(jié)果

從圖3、圖4和圖5可以看出，樣本在整個(gè)考察時(shí)間范圍內(nèi)所描繪的CUSUMSQ曲線都在兩倍標(biāo)準(zhǔn)差與5%顯著性水平的上下兩條邊界區(qū)間范圍之內(nèi)波動(dòng)，未出現(xiàn)偏離邊界范圍的現(xiàn)象，說(shuō)明所構(gòu)建模型的核心解釋變量的估計(jì)系數(shù)是顯著的，進(jìn)一步證實(shí)了研究結(jié)果的穩(wěn)健性。

5.機(jī)制檢驗(yàn)

（1）高技術(shù)產(chǎn)品對(duì)外貿(mào)易增長(zhǎng)效應(yīng)的機(jī)制檢驗(yàn)

基于經(jīng)濟(jì)開(kāi)放對(duì)產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)生影響，進(jìn)而影響產(chǎn)業(yè)分化狀態(tài)的分析，人工智能可以通過(guò)高技術(shù)產(chǎn)品對(duì)外貿(mào)易增長(zhǎng)渠道來(lái)提升生產(chǎn)效率，促進(jìn)產(chǎn)業(yè)分工，降低交易成本，進(jìn)而影響產(chǎn)業(yè)分化。高技術(shù)產(chǎn)品對(duì)外貿(mào)易增長(zhǎng)指標(biāo)hightrade可以利用高技術(shù)產(chǎn)品進(jìn)出口額增長(zhǎng)率來(lái)衡量，通過(guò)引入人工智能與高技術(shù)產(chǎn)品進(jìn)出口額增長(zhǎng)率的交互項(xiàng)，驗(yàn)證人工智能是否通過(guò)增加高技術(shù)產(chǎn)品對(duì)外貿(mào)易額來(lái)促進(jìn)一國(guó)或地區(qū)的產(chǎn)業(yè)分化度。高技術(shù)產(chǎn)品對(duì)外貿(mào)易增長(zhǎng)效應(yīng)的機(jī)制檢驗(yàn)結(jié)果見(jiàn)表9。

由表9結(jié)果可知，全國(guó)、東部地區(qū)和中部地區(qū)人工智能與高技術(shù)產(chǎn)品進(jìn)出口額增長(zhǎng)率的交互項(xiàng)的系數(shù)均顯著大于零，符合預(yù)期，由此可以證明人工智能的發(fā)展，提高了高技術(shù)產(chǎn)品對(duì)外貿(mào)易額，進(jìn)而促進(jìn)了全國(guó)、東中部地區(qū)產(chǎn)業(yè)分化度的深化。

表9 高技術(shù)產(chǎn)品對(duì)外貿(mào)易增長(zhǎng)機(jī)制檢驗(yàn)的估計(jì)結(jié)果

（2）資源優(yōu)化配置的機(jī)制檢驗(yàn)

基于人工智能對(duì)產(chǎn)業(yè)分化的影響機(jī)制分析，人工智能發(fā)展水平的提升有助于優(yōu)化資源配置，有利于提高生產(chǎn)效率，進(jìn)而影響產(chǎn)業(yè)分化進(jìn)程。資源配置效率指標(biāo)resource的構(gòu)建可參考蒲阿麗、李平(2019)的研究方法，即利用全國(guó)就業(yè)人員數(shù)量與國(guó)內(nèi)生產(chǎn)總值之比的勞動(dòng)力配置效率來(lái)表示。通過(guò)引入人工智能與勞動(dòng)力配置效率的交互項(xiàng)，分析人工智能是否通過(guò)影響資源優(yōu)化配置而導(dǎo)致各次產(chǎn)業(yè)在產(chǎn)業(yè)分化中變化。資源優(yōu)化配置的機(jī)制檢驗(yàn)結(jié)果見(jiàn)表10。

根據(jù)表10檢驗(yàn)結(jié)果顯示，全國(guó)、東部地區(qū)和中部地區(qū)人工智能與勞動(dòng)力配置效率的交互項(xiàng)的系數(shù)均顯著大于零，由此可以表明人工智能發(fā)展水平通過(guò)資源優(yōu)化配置推動(dòng)了中國(guó)或東中部地區(qū)產(chǎn)業(yè)分化度的深化。

表10 資源優(yōu)化配置機(jī)制檢驗(yàn)的估計(jì)結(jié)果

六、結(jié)論與政策含義

1.主要研究結(jié)論

文章以中國(guó)人工智能發(fā)展為背景，以產(chǎn)業(yè)分化為對(duì)象，運(yùn)用文獻(xiàn)研究、規(guī)范分析與實(shí)證分析相結(jié)合、構(gòu)建產(chǎn)業(yè)分化的理論分析框架，探討人工智能對(duì)產(chǎn)業(yè)分化影響的內(nèi)在邏輯；運(yùn)用主成分分析法從人工智能投入和人工智能產(chǎn)出這兩個(gè)方面測(cè)算了2003—2018年中國(guó)人工智能發(fā)展程度；通過(guò)構(gòu)建熵指數(shù)(EI)對(duì)全國(guó)及東、中、西部地區(qū)的產(chǎn)業(yè)分化度進(jìn)行了測(cè)度；通過(guò)構(gòu)建計(jì)量回歸模型實(shí)證分析了人工智能對(duì)產(chǎn)業(yè)分化的影響。文章得出以下主要研究結(jié)論：

第一，運(yùn)用主成分分析法測(cè)算中國(guó)2003—2018年的人工智能發(fā)展程度。結(jié)合中國(guó)高技術(shù)經(jīng)濟(jì)發(fā)展階段、人工智能特征以及實(shí)際國(guó)情，根據(jù)指標(biāo)選取的客觀性和數(shù)據(jù)的可獲得性，以基礎(chǔ)設(shè)施建設(shè)、人力投入、財(cái)力投入來(lái)測(cè)算人工智能投入狀況，以經(jīng)濟(jì)產(chǎn)出和產(chǎn)品產(chǎn)出來(lái)測(cè)算人工智能產(chǎn)出狀況。依據(jù)七個(gè)指標(biāo)綜合計(jì)算的中國(guó)人工智能發(fā)展程度表現(xiàn)出較強(qiáng)的上升趨勢(shì)，中國(guó)人工智能發(fā)展水平呈逐年不斷持續(xù)增加的態(tài)勢(shì)。

第二，構(gòu)建熵指數(shù)(EI)對(duì)中國(guó)及東、中、西部地區(qū)的產(chǎn)業(yè)分化度進(jìn)行測(cè)度。測(cè)度結(jié)果表明，全國(guó)、東部地區(qū)、中部地區(qū)以及西部地區(qū)的產(chǎn)業(yè)分化度趨勢(shì)圖非常相似，總體上全國(guó)、東部地區(qū)、中部地區(qū)以及西部地區(qū)的產(chǎn)業(yè)分化度趨勢(shì)線持續(xù)上升，即產(chǎn)業(yè)分化度隨著時(shí)間的推進(jìn)而不斷增大的趨勢(shì)。盡管產(chǎn)業(yè)分化度總體上呈現(xiàn)出上升趨勢(shì)，但卻表現(xiàn)出“先抑后揚(yáng)”的特征，即產(chǎn)業(yè)分化度趨勢(shì)在2003—2010年呈現(xiàn)出以遞減的速度上升，2011年之后表現(xiàn)出以遞增的速度上升。同時(shí)，東部地區(qū)的產(chǎn)業(yè)分化度明顯高于全國(guó)、中部地區(qū)和西部地區(qū)，全國(guó)的產(chǎn)業(yè)分化度高于中部地區(qū)和西部地區(qū)，西部地區(qū)的產(chǎn)業(yè)分化度最小。

第三，構(gòu)建計(jì)量模型實(shí)證分析了人工智能對(duì)產(chǎn)業(yè)分化的影響。結(jié)果表明，全國(guó)、東部地區(qū)、中部地區(qū)人工智能發(fā)展程度對(duì)產(chǎn)業(yè)分化度具有顯著影響，東部地區(qū)的影響尤為顯著，但西部地區(qū)人工智能發(fā)展程度對(duì)產(chǎn)業(yè)分化度并未產(chǎn)生明顯影響。人工智能發(fā)展水平對(duì)產(chǎn)業(yè)分化度的影響存在著“先抑后揚(yáng)”的特征：在人工智能發(fā)展水平較低的階段，產(chǎn)業(yè)分化度以遞減的速率增加，在這一階段，人工智能對(duì)產(chǎn)業(yè)分化的影響支持“抑制效應(yīng)”；隨著人工智能發(fā)展水平的不斷提高，達(dá)到某一拐點(diǎn)之后，產(chǎn)業(yè)分化度以遞增的速率增加，在這一階段，人工智能對(duì)產(chǎn)業(yè)分化的影響支持“加速效應(yīng)”。也就是說(shuō)，人工智能對(duì)產(chǎn)業(yè)分化的影響在總體上表現(xiàn)出一種不斷上升趨勢(shì)，但在人工智能發(fā)展程度所處不同階段，其對(duì)產(chǎn)業(yè)分化影響的上升速度存在不同的階段性特征。

2.政策建議

基于上述主要研究結(jié)論，為應(yīng)對(duì)人工智能對(duì)產(chǎn)業(yè)分化所產(chǎn)生的影響，文章提出以下政策建議。

（1）完善勞動(dòng)力市場(chǎng)體系，防范結(jié)構(gòu)性失業(yè)風(fēng)險(xiǎn)

隨著人工智能發(fā)展水平的不斷提升，人工智能將對(duì)產(chǎn)業(yè)分化產(chǎn)生“加速效應(yīng)”，產(chǎn)業(yè)結(jié)構(gòu)的加快調(diào)整與勞動(dòng)力市場(chǎng)的就業(yè)結(jié)構(gòu)不匹配造成結(jié)構(gòu)性失業(yè)等問(wèn)題。為此，要完善勞動(dòng)力市場(chǎng)體系，政府、企業(yè)和勞動(dòng)者三方都要在勞動(dòng)力市場(chǎng)上發(fā)揮主體作用，共同應(yīng)對(duì)人工智能發(fā)展所引起的就業(yè)替代現(xiàn)象。首先，為應(yīng)對(duì)三次產(chǎn)業(yè)間的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和區(qū)域間的產(chǎn)業(yè)承接與轉(zhuǎn)移，減緩產(chǎn)業(yè)轉(zhuǎn)型升級(jí)過(guò)程中部分產(chǎn)業(yè)快速出現(xiàn)產(chǎn)能過(guò)剩問(wèn)題，政府要健全企業(yè)和個(gè)人破產(chǎn)保護(hù)制度，建立市場(chǎng)出清機(jī)制，及時(shí)評(píng)估人工智能對(duì)某些特定產(chǎn)業(yè)和工種的影響，并針對(duì)性地給予資金和政策上的支持。其次，企業(yè)應(yīng)根據(jù)人工智能發(fā)展對(duì)勞動(dòng)者技能的要求，及時(shí)為勞動(dòng)者提供與人工智能技術(shù)發(fā)展相匹配的技能培訓(xùn)，以人工智能技術(shù)需求為導(dǎo)向，加強(qiáng)與教育機(jī)構(gòu)的合作，增強(qiáng)勞動(dòng)者適應(yīng)新興產(chǎn)業(yè)技術(shù)變革的要求以及產(chǎn)業(yè)結(jié)構(gòu)就業(yè)結(jié)構(gòu)的轉(zhuǎn)型。最后，勞動(dòng)者要有危機(jī)意識(shí)，樹(shù)立終身學(xué)習(xí)的理念，積極參加政府和企業(yè)舉辦的勞動(dòng)技能培訓(xùn)，不斷提高學(xué)習(xí)能力，掌握人工智能發(fā)展所需要的新興技能技術(shù)，全面提升自身綜合素質(zhì)以應(yīng)對(duì)人工智能對(duì)就業(yè)造成的影響。

（2）發(fā)揮東中西部地區(qū)的比較優(yōu)勢(shì)，促進(jìn)區(qū)域之間的協(xié)調(diào)平衡發(fā)展

東中部地區(qū)的人工智能發(fā)展水平比較高，尤其是東部地區(qū)，繼續(xù)發(fā)揮在人工智能投入方面的優(yōu)勢(shì)，推動(dòng)人工智能產(chǎn)業(yè)鏈高質(zhì)量發(fā)展，引領(lǐng)并帶動(dòng)西部地區(qū)人工智能的發(fā)展。西部地區(qū)的人工智能發(fā)展水平還比較落后，既要鼓勵(lì)發(fā)達(dá)地區(qū)人工智能技術(shù)在欠發(fā)達(dá)地區(qū)的廣泛應(yīng)用，也要從基礎(chǔ)設(shè)施建設(shè)、人力物力財(cái)力等方面加大對(duì)欠發(fā)達(dá)地區(qū)人工智能發(fā)展的投入力度，縮小東中部地區(qū)與西部地區(qū)之間的差距，逐步實(shí)現(xiàn)區(qū)域之間的協(xié)調(diào)平衡發(fā)展。

（3）充分利用互聯(lián)網(wǎng)構(gòu)建共享型數(shù)據(jù)和技術(shù)平臺(tái)，推動(dòng)產(chǎn)業(yè)間的資源調(diào)節(jié)與整合

人工智能對(duì)產(chǎn)業(yè)分化的影響將改變產(chǎn)業(yè)分布格局，對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整產(chǎn)生較大沖擊。首先，通過(guò)互聯(lián)網(wǎng)平臺(tái)建造產(chǎn)業(yè)信息聚合載體，推動(dòng)產(chǎn)業(yè)信息系統(tǒng)共建共享，暢通產(chǎn)業(yè)鏈間的數(shù)據(jù)共享渠道，消除產(chǎn)業(yè)內(nèi)部和外部出現(xiàn)的“數(shù)據(jù)孤島”和“信息割裂”等現(xiàn)象，通過(guò)數(shù)據(jù)共建共享實(shí)現(xiàn)資源優(yōu)化配置與高效運(yùn)行，進(jìn)而促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。其次，通過(guò)平臺(tái)建設(shè)構(gòu)建產(chǎn)業(yè)融合技術(shù)研究和共享體制機(jī)制，優(yōu)化資源配置與產(chǎn)業(yè)分布格局，合理整合有限資源，促進(jìn)三次產(chǎn)業(yè)間的協(xié)調(diào)發(fā)展。

（4）根據(jù)當(dāng)前中國(guó)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)發(fā)展的需要，全方位布局人工智能與三次產(chǎn)業(yè)深度融合的戰(zhàn)略規(guī)劃與支撐體系

不同的產(chǎn)業(yè)類型應(yīng)匹配不同的人工智能發(fā)展政策：對(duì)于勞動(dòng)密集型產(chǎn)業(yè)，應(yīng)通過(guò)擴(kuò)大人工智能的應(yīng)用范圍來(lái)促進(jìn)生產(chǎn)效率的提升；對(duì)于資本密集型產(chǎn)業(yè)，應(yīng)運(yùn)用適當(dāng)?shù)膽?zhàn)略規(guī)劃使得人工智能技術(shù)貫穿于其中以降低二者深度融合的交易成本；對(duì)于技術(shù)密集型產(chǎn)業(yè)，應(yīng)加大技術(shù)研發(fā)的投入，提高產(chǎn)品的人工智能技術(shù)含量，提升產(chǎn)品競(jìng)爭(zhēng)力。人工智能可發(fā)揮自身智能化技術(shù)優(yōu)勢(shì)，實(shí)現(xiàn)人工智能與勞動(dòng)、資本和技術(shù)密集型產(chǎn)業(yè)的深度融合，促進(jìn)傳統(tǒng)產(chǎn)業(yè)智能化升級(jí)，推動(dòng)三次產(chǎn)業(yè)合理有序調(diào)整。