韓青江 陳雁云 夏 蕾

(1.南京大學 商學院,江蘇 南京 210023;2.江西財經(jīng)大學 a.應用經(jīng)濟學院,b.經(jīng)濟與社會發(fā)展研究院,江西 南昌 330013;3.武漢輕工大學 經(jīng)濟學院,湖北 武漢 430023)

一、引言

人工智能作為一種通用目的技術,通過與實體經(jīng)濟融合,促進傳統(tǒng)產(chǎn)業(yè)轉型升級、驅動產(chǎn)業(yè)智能化與現(xiàn)代化。在新發(fā)展階段,為了進一步提升中國的產(chǎn)業(yè)國際競爭力,消除制約產(chǎn)業(yè)升級的要素限制,黨的十九大報告提出著力構建以實體經(jīng)濟為核心的現(xiàn)代產(chǎn)業(yè)體系,加快推進實體經(jīng)濟、科技創(chuàng)新、現(xiàn)代金融、人力資源等要素的協(xié)同發(fā)展?，F(xiàn)代產(chǎn)業(yè)體系的構建對產(chǎn)業(yè)發(fā)展提出了新的要求,由過去強調產(chǎn)業(yè)結構高度化與合理化轉向追求產(chǎn)業(yè)要素協(xié)同化,更關注要素供給的質量以及要素與產(chǎn)業(yè)生產(chǎn)的匹配。人工智能作為一種新的技術集群,是科技創(chuàng)新的重要表現(xiàn)。以大數(shù)據(jù)、智能算法與超級算力為代表的智能技術一方面影響資本與勞動等傳統(tǒng)要素的生產(chǎn)效率,另一方面塑造以“數(shù)據(jù)”為標志的新的生產(chǎn)要素,促進了生產(chǎn)方式的變革。鑒于人工智能創(chuàng)新系統(tǒng)與現(xiàn)代產(chǎn)業(yè)體系之間錯綜復雜的相互影響關系,從系統(tǒng)角度研究人工智能與現(xiàn)代產(chǎn)業(yè)體系的融合尤為必要:一方面有助于從理論層面掌握人工智能與現(xiàn)代產(chǎn)業(yè)體系發(fā)展之間的相互影響機制,另一方面有助于從實證層面了解人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合與協(xié)調程度,為進一步提升兩者的互動效率、促進產(chǎn)業(yè)現(xiàn)代化水平的提升提供建議。本文從系統(tǒng)耦合的角度出發(fā),通過分別構建人工智能與現(xiàn)代產(chǎn)業(yè)體系的綜合評價指標,從理論與實證兩個層面分析人工智能與現(xiàn)代產(chǎn)業(yè)體系融合發(fā)展的機制與效應,為提升人工智能與現(xiàn)代產(chǎn)業(yè)體系的良性互動發(fā)展提供政策支撐。

二、文獻綜述

通過查閱既有文獻發(fā)現(xiàn),當前有關人工智能與現(xiàn)代產(chǎn)業(yè)體系相互影響的文獻較少,可見人們對新一輪技術革命沖擊下人工智能對現(xiàn)代產(chǎn)業(yè)體系發(fā)展的研究存在不足。在既有研究中,相關文獻可以分為兩個方面:一是從人工智能的角度出發(fā)探討人工智能技術進步對產(chǎn)業(yè)結構的影響;二是從現(xiàn)代產(chǎn)業(yè)體系的角度出發(fā)分析數(shù)字經(jīng)濟等新經(jīng)濟形態(tài)帶來的影響。

首先,就人工智能影響產(chǎn)業(yè)結構而言,相關文獻分析人工智能的驅動效應。郭凱明通過研究指出,人工智能技術進步會促進生產(chǎn)要素在不同部門之間流動,這一流動導致產(chǎn)業(yè)結構轉型和勞動收入份額的變化[1]60-77。李海艦和張璟龍認為,數(shù)字產(chǎn)業(yè)化的蓬勃發(fā)展拓展了智能化生產(chǎn)方式的應用場景,加速了平臺化產(chǎn)業(yè)新生態(tài)的形成[2]13-22。鄭江淮和冉征研究指出,在勞動力工資水平較高時,制造業(yè)智能化技術創(chuàng)新能夠降低第二產(chǎn)業(yè)的勞動數(shù)量,提升第二產(chǎn)業(yè)的產(chǎn)值,并進一步促進經(jīng)濟增長[3]86-101。韋東明等研究發(fā)現(xiàn)人工智能技術進步對產(chǎn)業(yè)結構的高度化與合理化具有顯著的促進作用,其中對高技術制造業(yè)、裝備制造業(yè)、生產(chǎn)性服務業(yè)和高端服務業(yè)的產(chǎn)業(yè)升級作用顯著[4]70-83。耿子恒等通過構建人工智能技術成熟度指標實證研究發(fā)現(xiàn),人工智能可以促進制造業(yè)產(chǎn)業(yè)升級,但是對產(chǎn)業(yè)結構高度化有顯著的負影響,同時對產(chǎn)業(yè)結構合理化影響不顯著,區(qū)域和產(chǎn)業(yè)的異質性較大[5]38-52。王瑞瑜和王森結合老齡化的影響,分析了人工智能對產(chǎn)業(yè)結構的影響,發(fā)現(xiàn)人工智能技術發(fā)展可以緩解老齡化對第一、二產(chǎn)業(yè)的消極影響,同時促進第三產(chǎn)業(yè)的發(fā)展[6]80-92。胡俊和杜傳忠從理論層面分析了人工智能促進產(chǎn)業(yè)轉型的機制與路徑,認為人工智能可以通過生產(chǎn)率提升、新產(chǎn)業(yè)新業(yè)態(tài)新模式的創(chuàng)造等方式促進產(chǎn)業(yè)結構的轉型升級[7]94-101。Aghion等基于理論模型分析認為人工智能與傳統(tǒng)生產(chǎn)方式的替代與轉變決定了產(chǎn)業(yè)結構升級的方向[8]6-10。此外還有學者從生產(chǎn)率的角度分析了人工智能對產(chǎn)業(yè)的影響(Graetz和Michaels[9]753-768、Acemoglu和Restrepo[10]18-50)。

其次,從現(xiàn)代產(chǎn)業(yè)體系的角度出發(fā),相關研究多從宏觀角度對新經(jīng)濟模式下現(xiàn)代產(chǎn)業(yè)體系的發(fā)展作出論述。農(nóng)春仕側重從人力資本的角度研究指出,人力資源與實體經(jīng)濟協(xié)同具有要素升級效應和同頻共振效應,是解碼現(xiàn)代產(chǎn)業(yè)體系的關鍵,促進其數(shù)量、質量、結構協(xié)同需要形成有效勞動供給、人力資本積累、勞動力合理流動三大機制[11]95-99。胡西娟等從現(xiàn)代產(chǎn)業(yè)體系的四要素出發(fā),從理論層面分析了數(shù)字經(jīng)濟對四要素協(xié)同發(fā)展的作用與價值[12]141-147。魏慶文等從生產(chǎn)函數(shù)的視角,對創(chuàng)新驅動影響現(xiàn)代產(chǎn)業(yè)體系的作用機制進行分析,將創(chuàng)新驅動劃分為技術創(chuàng)新、組織創(chuàng)新和制度創(chuàng)新三個維度,并分別論述了三者協(xié)同發(fā)展作用于現(xiàn)代產(chǎn)業(yè)體系的機理[13]103-113。鐘詩韻等從科技創(chuàng)新與制度創(chuàng)新相互協(xié)調的雙輪創(chuàng)新的角度分析其對產(chǎn)業(yè)結構升級的影響,發(fā)現(xiàn)雙輪創(chuàng)新驅動可通過加強高技術產(chǎn)業(yè)集聚、刺激地區(qū)市場的消費需求、推動人口老齡化等途徑促進產(chǎn)業(yè)結構升級[14]70-85。施一等從基礎研究的角度提出了構建基礎研究資助導航系統(tǒng)平臺的設想,通過該平臺的建設夯實基礎研究能力,實現(xiàn)資源的合理配置,進而建設全鏈條、高質量的現(xiàn)代產(chǎn)業(yè)體系[15]573-579。

以上研究為認知人工智能促進現(xiàn)代產(chǎn)業(yè)體系的發(fā)展提供了參考,但是綜合分析可見當前研究存在諸多不足。一是缺乏直面人工智能與現(xiàn)代產(chǎn)業(yè)體系協(xié)同發(fā)展的研究。雖然部分文獻討論了人工智能對產(chǎn)業(yè)結構或者數(shù)字經(jīng)濟對現(xiàn)代產(chǎn)業(yè)體系的影響,但是相關概念與內涵差異較大。人工智能作為新一代信息技術的典型體現(xiàn),其產(chǎn)業(yè)賦能作用必將對現(xiàn)代產(chǎn)業(yè)體系的發(fā)展與構建產(chǎn)生深遠影響,現(xiàn)有研究對此關注不足。二是缺乏對人工智能和現(xiàn)代產(chǎn)業(yè)體系的科學定量分析。盡管現(xiàn)有文獻提出了多種衡量人工智能與現(xiàn)代產(chǎn)業(yè)體系的方法,但是相關代理變量多局限于工業(yè)機器人、專利、論文、產(chǎn)業(yè)結構等單一變量,對兩者的系統(tǒng)描述和應用研究存在不足。三是缺乏對人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)同關系的研究。人工智能不是單一的技術,而是一類技術集群,涉及廣泛的創(chuàng)新生態(tài)系統(tǒng)。人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)同作用不僅表現(xiàn)為單向的賦能作用,而且表現(xiàn)為兩個系統(tǒng)的相互影響;因此需要突破單向作用機制研究的瓶頸,從系統(tǒng)的角度分析兩者的協(xié)同發(fā)展作用。

本文直面人工智能與現(xiàn)代產(chǎn)業(yè)體系協(xié)同發(fā)展的問題,通過構建人工智能與現(xiàn)代產(chǎn)業(yè)體系的綜合評價指標,基于Dagum基尼系數(shù)、莫蘭指數(shù)和核密度估計等方法,從系統(tǒng)耦合的視角分析人工智能與現(xiàn)代產(chǎn)業(yè)體系之間的協(xié)同發(fā)展效應。本文的邊際貢獻在于三個方面:一是構建了系統(tǒng)的人工智能與現(xiàn)代產(chǎn)業(yè)體系評價指標體系,從多方面、多維度系統(tǒng)評估了兩者的發(fā)展現(xiàn)狀;二是對人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合度與協(xié)調度進行測度,突破了從技術視角分析其影響產(chǎn)業(yè)發(fā)展的單向思維,對理解兩者的融合發(fā)展提供了支撐;三是基于基尼系數(shù)、莫蘭指數(shù)和核密度估計對人工智能和現(xiàn)代產(chǎn)業(yè)體系協(xié)同發(fā)展的差異、空間與動態(tài)特征進行分析,為有關人工智能和現(xiàn)代產(chǎn)業(yè)體系發(fā)展的政策提供了翔實的支撐。

三、人工智能與現(xiàn)代產(chǎn)業(yè)體系協(xié)同發(fā)展的耦合機制

(一)人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合系統(tǒng)的內涵界定

人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合體現(xiàn)在兩個系統(tǒng)的相互影響與作用。首先,人工智能系統(tǒng)的發(fā)展表現(xiàn)為智能的產(chǎn)業(yè)化與產(chǎn)業(yè)的智能化。前者體現(xiàn)了人工智能相關新一代信息通信技術發(fā)展形成的新產(chǎn)業(yè),是人工智能系統(tǒng)的核心與基石;后者體現(xiàn)了人工智能作為通用目的技術賦能傳統(tǒng)產(chǎn)業(yè)的影響與技術擴散的結果,是人工智能系統(tǒng)發(fā)展的目標與方向。人工智能系統(tǒng)的發(fā)展既需要創(chuàng)新主體即各類創(chuàng)新型企業(yè)和研發(fā)機構的支撐,又需要各種市場需求主體即各產(chǎn)業(yè)的拉動,還需要政府與各類服務、孵化機構的引導與推動;因此人工智能的發(fā)展不僅僅是單一的技術進步,而且是多元主體、多類要素共同支撐和形成的創(chuàng)新生態(tài)系統(tǒng)。其次,現(xiàn)代產(chǎn)業(yè)體系系統(tǒng)表現(xiàn)為產(chǎn)業(yè)結構的高度化、產(chǎn)業(yè)結構的合理化和產(chǎn)業(yè)要素的協(xié)同化。產(chǎn)業(yè)結構高度化與產(chǎn)業(yè)結構合理化是既有文獻中常用于衡量產(chǎn)業(yè)體系的兩個指標,分別體現(xiàn)了產(chǎn)業(yè)結構的轉型升級和生產(chǎn)要素的配置效率;產(chǎn)業(yè)要素協(xié)同化是對兩者的補充,體現(xiàn)了產(chǎn)業(yè)體系現(xiàn)代化對要素協(xié)同、過程支撐和發(fā)展實體經(jīng)濟等的關注與要求。因此關于人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合主要表現(xiàn)為人工智能創(chuàng)新生態(tài)系統(tǒng)與現(xiàn)代產(chǎn)業(yè)體系系統(tǒng)的互動,基于底層的要素互動與供需關系,一方面提升了智能產(chǎn)業(yè)化與產(chǎn)業(yè)智能化水平,另一方面提升了產(chǎn)業(yè)結構高度化與合理化,促進產(chǎn)業(yè)要素協(xié)同。

(二)人工智能促進產(chǎn)業(yè)體系現(xiàn)代化的作用機制

一是人工智能促進產(chǎn)業(yè)結構高級化。首先,數(shù)據(jù)成為新的生產(chǎn)要素,以“數(shù)據(jù)+算力+算法”為標志的智能生產(chǎn)方式徹底改變了傳統(tǒng)產(chǎn)業(yè),促進了傳統(tǒng)產(chǎn)業(yè)智能化改造和數(shù)字化升級。其次,人工智能通過新技術將各類生產(chǎn)要素重組,催生了諸多新業(yè)態(tài)、新模式、新產(chǎn)業(yè),平臺經(jīng)濟、旅游農(nóng)業(yè)、服務型制造等不斷涌現(xiàn),促進了產(chǎn)業(yè)結構的轉變與升級。最后,人工智能作為通用目的技術通過賦能傳統(tǒng)資本提高了傳統(tǒng)資本的生產(chǎn)效率,通過倒逼勞動力技能提升了勞動力要素技能結構,從而有力地支撐了產(chǎn)業(yè)結構高級化。

二是人工智能促進產(chǎn)業(yè)結構合理化。首先,人工智能通過消除信息不對稱和降低搜尋成本等措施大大提高了市場效率[16]18-22,使市場需求與產(chǎn)品供給精準匹配,提高了資源匹配效率。其次,人工智能拓展了不同產(chǎn)業(yè)的邊界,打通了產(chǎn)業(yè)的節(jié)點,促進了產(chǎn)業(yè)協(xié)同發(fā)展。對傳統(tǒng)產(chǎn)業(yè)而言,不同行業(yè)有其固有的產(chǎn)業(yè)鏈條和運作模式。隨著大數(shù)據(jù)和智能技術的滲透,產(chǎn)業(yè)組織開始多元化,行業(yè)之間的聯(lián)系愈發(fā)緊密,要素流動和交換越來越頻繁,促進了產(chǎn)業(yè)結構合理化。最后,虛擬現(xiàn)實、數(shù)字孿生和元宇宙等新技術的出現(xiàn)進一步顛覆了傳統(tǒng)產(chǎn)業(yè)模式,從設計、生產(chǎn)到制造都擺脫了物理空間的限制,虛擬化的產(chǎn)業(yè)與消費組織形態(tài)進一步推進了產(chǎn)業(yè)結構合理化。

三是人工智能促進產(chǎn)業(yè)要素協(xié)同化。首先,人工智能作為新一輪科技革命的典型表現(xiàn),是產(chǎn)業(yè)發(fā)展的助推器。圍繞不同行業(yè)的應用需求,人工智能正在全方位地滲透與優(yōu)化既有生產(chǎn)模式,促進了實體經(jīng)濟的高質量發(fā)展。其次,人工智能技術為解決如何實現(xiàn)金融服務實體經(jīng)濟提供了良好的方案,基于大數(shù)據(jù)的資金監(jiān)管系統(tǒng)、企業(yè)與個人信譽評估系統(tǒng)、稅務與風險監(jiān)控系統(tǒng)等為金融機構管理和監(jiān)控資金安全提供強有力的工具,促使更多的資金流向實體經(jīng)濟。最后,人工智能技術通過強大的市場需求倒逼勞動力技能結構升級,促進教育系統(tǒng)培訓更多的高學歷技術人才,引導公眾由金融家崇拜向工程師崇拜轉向,實現(xiàn)人力資源與實體經(jīng)濟的良性互動。

(三)現(xiàn)代產(chǎn)業(yè)體系促進人工智能發(fā)展的作用機制

一是現(xiàn)代產(chǎn)業(yè)體系促進了智能產(chǎn)業(yè)化發(fā)展。首先,產(chǎn)業(yè)現(xiàn)代化建設為人工智能技術應用提供了廣闊的市場空間,促進了人工智能技術的規(guī)模化發(fā)展,相關技術領域出現(xiàn)了產(chǎn)業(yè)集群和完善的上下游產(chǎn)業(yè)鏈,為智能產(chǎn)業(yè)化的形成奠定了市場基礎。其次,現(xiàn)代產(chǎn)業(yè)體系的建設是一個動態(tài)演變的過程,不同階段的建設需求為智能技術的研發(fā)與迭代提供了市場機會,拉伸了智能產(chǎn)業(yè)鏈的長度與廣度。最后,智能產(chǎn)業(yè)化是現(xiàn)代產(chǎn)業(yè)體系建設的內在要求?，F(xiàn)代產(chǎn)業(yè)體系既通過傳統(tǒng)產(chǎn)業(yè)需求拉動了智能產(chǎn)業(yè)的發(fā)展,又作為新興產(chǎn)業(yè)在政策、資金、法律法規(guī)等方面得到了大力支持。產(chǎn)業(yè)體系得以不斷完善和提升,成為現(xiàn)代產(chǎn)業(yè)體系不可或缺的一部分。

二是現(xiàn)代產(chǎn)業(yè)體系促進了人工智能技術創(chuàng)新并深化產(chǎn)業(yè)智能化轉型。首先,人工智能技術的產(chǎn)業(yè)適用性目前依然不高[17]1-11?，F(xiàn)代產(chǎn)業(yè)體系建設的迫切需求刺激著科研人員不斷探索技術前沿的方向,為適用于人類生產(chǎn)的智能化技術尋找解決方案,市場需求的刺激不斷推動人工智能技術前沿研發(fā)的進步。其次,現(xiàn)代產(chǎn)業(yè)體系為人工智能創(chuàng)新應用提供了多樣化的應用場景。人工智能的應用與滲透促進了產(chǎn)業(yè)共性技術和行業(yè)專用技術的出現(xiàn),深化了技術創(chuàng)新的維度。最后,隨著不同類型的應用場景,不同標準的技術需求得以滿足,產(chǎn)業(yè)智能化程度不斷深化,強化了人工智能的發(fā)展。

三是現(xiàn)代產(chǎn)業(yè)體系促進了人工智能創(chuàng)新系統(tǒng)的完善。人工智能創(chuàng)新系統(tǒng)包括創(chuàng)新主體、創(chuàng)新支撐、創(chuàng)新環(huán)境等多個方面的子系統(tǒng)?，F(xiàn)代產(chǎn)業(yè)體系的發(fā)展為人工智能創(chuàng)新生態(tài)系統(tǒng)的形成與完善提供了支撐。首先,現(xiàn)代產(chǎn)業(yè)體系發(fā)展中技術創(chuàng)新與技術應用的主體互為因果、相互支撐,激發(fā)了創(chuàng)新動力;其次,現(xiàn)代產(chǎn)業(yè)體系與人工智能創(chuàng)新系統(tǒng)共同需求下誕生的產(chǎn)業(yè)政策、法律法規(guī)、社會服務體系等構成了促進產(chǎn)業(yè)智能化與智能產(chǎn)業(yè)化發(fā)展的環(huán)境基礎;最后,資本、勞動力等各類要素與資源的相互滲透為人工智能創(chuàng)新發(fā)展提供了資源保障。

四、研究設計

本文首先構造人工智能與現(xiàn)代產(chǎn)業(yè)體系的綜合評價指標體系,計算各自的綜合指數(shù);然后基于耦合模型計算兩者的耦合度與耦合協(xié)調度,分析兩者發(fā)展水平與耦合協(xié)同的特征事實;最后基于基尼系數(shù)、莫蘭指數(shù)和核密度圖對兩者耦合協(xié)同的差異、空間與動態(tài)特征進行分析,為促進人工智能與現(xiàn)代產(chǎn)業(yè)體系良性協(xié)同提出建議。

(一)綜合評價指標體系構造

基于前文的內涵分析,本文從智能產(chǎn)業(yè)化與產(chǎn)業(yè)智能化兩個維度構造人工智能發(fā)展的綜合評價指標體系:智能產(chǎn)業(yè)化主要包括人工智能的研發(fā)投入、研發(fā)產(chǎn)出與創(chuàng)新環(huán)境等要素,產(chǎn)業(yè)智能化主要考慮各產(chǎn)業(yè)智能化水平與投入力度。最終形成包含2個方面指標5個分項指標16個基礎指標的評價體系。關于現(xiàn)代產(chǎn)業(yè)體系,本文從產(chǎn)業(yè)結構高度化、產(chǎn)業(yè)結構合理化和產(chǎn)業(yè)要素協(xié)同化三個維度構建指標體系。其中,產(chǎn)業(yè)結構高度化包括產(chǎn)業(yè)之間高度化與各產(chǎn)業(yè)高度化水平,產(chǎn)業(yè)要素協(xié)同化是各要素服務實體經(jīng)濟的水平。形成包含3個方面指標9個分項指標26個基礎指標的評價體系。具體指標如表1所示。

表1 人工智能與現(xiàn)代產(chǎn)業(yè)體系綜合發(fā)展水平評價指標體系

(二)綜合指標數(shù)據(jù)處理與權重計算

1.數(shù)據(jù)來源

本文數(shù)據(jù)涉及除港澳臺與西藏之外的30個省(區(qū)、市),時間跨度為2011—2019年,數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》和國家統(tǒng)計局、北京大學數(shù)字普惠金融指數(shù)報告、國際機器人聯(lián)合會IFR統(tǒng)計數(shù)據(jù)庫等。

2.數(shù)據(jù)處理

因為人工智能和現(xiàn)代產(chǎn)業(yè)體系各指標量綱存在差異,所以在權重計算之前,需要對數(shù)據(jù)進行標準化處理。處理公式如下:

對于正向指標的處理:

(1)

對于負向指標的處理:

(2)

3.權重計算

為了保證評價結果的客觀性,本文采取客觀賦權法進行權重計算。目前,各種客觀賦權法都是基于樣本數(shù)據(jù)的某一特征,如波動性(信息量權法)、相關性(CRITIC)和數(shù)值大小(TOPSIS)等從單一角度進行賦權,為綜合數(shù)據(jù)的多種特征。本文分別從不同的角度進行單項賦權,進而構造組合權重進行計算。在客觀賦權法中,熵權法考慮了數(shù)據(jù)的波動性和熵值,CRITIC法考慮了數(shù)據(jù)的波動性和相關性;因此本文使用熵權法和CRITIC法進行計算,進而構造組合權重。基于組合權重可以進一步計算得到人工智能與現(xiàn)代產(chǎn)業(yè)體系的綜合指數(shù)和分項指數(shù)。

(三)兩系統(tǒng)耦合度及耦合協(xié)調度計算

(3)

其中,Ct表示樣本地區(qū)人工智能與現(xiàn)代產(chǎn)業(yè)體系在第t年的耦合度值。鑒于耦合度模型僅能反映兩系統(tǒng)之間的相互影響程度,并不能體現(xiàn)這種影響是良性互動的還是惡性相累的,本文進一步引入耦合協(xié)調度模型來評估人工智能與現(xiàn)代產(chǎn)業(yè)體系的協(xié)調程度。耦合協(xié)調度不僅可以反映系統(tǒng)之間的協(xié)同程度,還能體現(xiàn)相互影響的作用方向。耦合協(xié)調度模型如下:

(4)

其中,Dt表示人工智能與現(xiàn)代產(chǎn)業(yè)體系在第t年的耦合協(xié)調值;Tt表示人工智能與現(xiàn)代產(chǎn)業(yè)體系在第t年的綜合評價指數(shù),反映了對兩個系統(tǒng)的綜合評價。計算公式如下:

(5)

其中,α、β代表權重參數(shù),且α+β=1。考慮到人工智能與現(xiàn)代產(chǎn)業(yè)體系的相互作用同樣重要,令α=β=0.5。為了對人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合度與協(xié)調度有一個直觀的概念,借鑒馮苑等[19]79-90的研究,將耦合度劃分為5個等級,將耦合協(xié)調度劃分為10個等級。各等級的數(shù)值與含義如表2所示:

表2 耦合度與耦合協(xié)調度等級劃分標準

五、人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合發(fā)展的特征事實

(一)人工智能與現(xiàn)代產(chǎn)業(yè)體系綜合發(fā)展水平分析

基于綜合指數(shù)與組合權重,分別計算出2011—2019年中國各省(區(qū)、市)人工智能與現(xiàn)代產(chǎn)業(yè)體系的綜合發(fā)展指數(shù),如圖1所示。

圖1 人工智能和現(xiàn)代產(chǎn)業(yè)體系綜合發(fā)展指數(shù)

由圖1可知,2011—2019年,中國人工智能和現(xiàn)代產(chǎn)業(yè)體系的發(fā)展水平呈現(xiàn)不均衡的特征,人工智能發(fā)展水平滯后于現(xiàn)代產(chǎn)業(yè)體系,說明人工智能無法跟上現(xiàn)代產(chǎn)業(yè)體系發(fā)展的需要。從時間角度來看,人工智能與現(xiàn)代產(chǎn)業(yè)體系的綜合水平在樣本期內均獲得了顯著提升。前者綜合指數(shù)由0.101上升至0.141,提高了40%;后者綜合指數(shù)由0.248上升至0.337,提高了36%。由增長速度可以發(fā)現(xiàn),2011—2014年,人工智能的發(fā)展速度與現(xiàn)代產(chǎn)業(yè)體系趨于一致,保持較低的增長水平。自2015年開始,現(xiàn)代產(chǎn)業(yè)體系的發(fā)展開始加速,而人工智能的發(fā)展水平也在2016年獲得較高增長;此后增速又趨于穩(wěn)定,與2011—2015年的發(fā)展態(tài)勢趨于一致。從區(qū)域角度來看,各省(區(qū)、市)人工智能與現(xiàn)代產(chǎn)業(yè)體系的發(fā)展趨勢存在較大差異。2011—2019年,兩者綜合指數(shù)的平均值如圖2所示:

圖2 2011—2019年各省(區(qū)、市)人工智能與現(xiàn)代產(chǎn)業(yè)體系綜合發(fā)展指數(shù)平均值

由圖2可知,2011—2019年,各省(區(qū)、市)人工智能與現(xiàn)代產(chǎn)業(yè)體系的發(fā)展水平差異顯著。就兩者的對比而言,除廣東之外,其他省(區(qū)、市)人工智能均滯后于現(xiàn)代產(chǎn)業(yè)體系的發(fā)展水平。滯后性最大的5個省(區(qū))分別是內蒙古、貴州、新疆、山西和甘肅,兩指數(shù)比值分別為0.168、0.222、0.239、0.243和0.253。而除廣東外,比值超過0.5的省僅有湖北、安徽、山東和江蘇,比值分別為0.527、0.531、0.655、0.884。這說明我國大部分省(區(qū)、市)人工智能的發(fā)展水平不足。

就人工智能綜合發(fā)展水平而言,廣東和江蘇位于第一層次,綜合指數(shù)分別為0.474和0.341。廣東與江蘇不僅經(jīng)濟基礎良好,還擁有豐富的教育資源,這有力地推動了人工智能的技術創(chuàng)新與產(chǎn)業(yè)發(fā)展。第二梯隊分別是上海、北京、山東、浙江、湖北和安徽。以上省(市)均是經(jīng)濟和科教重地,這些要素對人工智能的發(fā)展至關重要。從區(qū)域角度來看,東、中、西部和東北地區(qū)的人工智能平均值分別是0.192、0.105、0.07和0.102。其中西部地區(qū)的人工智能發(fā)展水平嚴重不足,亟須加大相關產(chǎn)業(yè)的投入力度。由現(xiàn)代產(chǎn)業(yè)體系的綜合水平可見,2011—2019年中國現(xiàn)代產(chǎn)業(yè)體系發(fā)展水平呈現(xiàn)波動上升的態(tài)勢,各省(區(qū)、市)差異顯著。北京和上海的現(xiàn)代產(chǎn)業(yè)體系發(fā)展水平最高,位于第一層次,綜合指數(shù)分別為0.527和0.413。位于第二梯隊的分別是江蘇、天津、浙江和廣東,現(xiàn)代產(chǎn)業(yè)體系綜合指數(shù)分別為0.385、0.368、0.345和0.326。上述省(市)分別位于長三角、環(huán)渤海和珠三角等地區(qū),是我國產(chǎn)業(yè)發(fā)展的先行區(qū)。此外,東、中、西部和東北地區(qū)的現(xiàn)代產(chǎn)業(yè)體系指數(shù)平均值分別是0.339、0.251、0.249和0.273,可見現(xiàn)代產(chǎn)業(yè)體系的區(qū)域差異相較于人工智能較為平緩,區(qū)域之間的發(fā)展水平相對更加均衡。

(二)人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合度與耦合協(xié)調度分析

基于上文的模型,本文計算了人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合度與耦合協(xié)調度值。就耦合度而言,2011—2019年,中國歷年平均值分別為0.873、0.881、0.88、0.872、0.863、0.884、0.87、0.859和0.835,可見人工智能與現(xiàn)代產(chǎn)業(yè)體系一直處于高水平耦合階段,兩者之間相互影響與依賴度較高。就各省(區(qū)、市)而言,大部分地區(qū)在多數(shù)時間里均顯示出高水平的耦合,僅少數(shù)地區(qū)在某些年份出現(xiàn)耦合度低于0.8的情況,分別是山西、內蒙古、貴州、甘肅、青海和新疆,說明以上省(區(qū))需要加強人工智能與現(xiàn)代產(chǎn)業(yè)體系的融合。就耦合協(xié)調度而言,全國各省(區(qū)、市)和不同地區(qū)的計算數(shù)值如表3所示。

表3 全國各省(區(qū)、市)和地區(qū)人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)調度值

由表3可知,就全國而言,人工智能與現(xiàn)代產(chǎn)業(yè)體系基本上處于瀕臨失調階段,介于輕度失調與勉強協(xié)調之間。其中,東部地區(qū)在近三年已經(jīng)超越瀕臨階段,達到勉強協(xié)調的水平;但是其他地區(qū)都在瀕臨界限以下,尤其是西部地區(qū),依然處于輕度失調階段,可見促進人工智能與現(xiàn)代產(chǎn)業(yè)體系的協(xié)同發(fā)展依然任重道遠。就各省(區(qū)、市)而言,耦合協(xié)調度的差距非常大。根據(jù)2019年的數(shù)據(jù)可見,協(xié)調度最高的是廣東,已經(jīng)達到中級協(xié)調階段;其次為江蘇和北京,分別達到了初級協(xié)調階段;達到勉強協(xié)調階段的省(市)有4個,分別是上海、浙江、湖北和山東。此外有多達12個省(區(qū)、市)處于瀕臨失調階段;其中11個為輕度失調,表現(xiàn)最差的是甘肅,為中度失調。進一步從增長率的角度分析,可以發(fā)現(xiàn)各個省(區(qū)、市)也存在較大差異。從2011—2019年,耦合協(xié)調度增長最高的是廣東,增幅達34.5%;其他增幅較大的省(市)還包括浙江、湖北、福建、江蘇、重慶、江西、吉林和山東,說明上述省(市)人工智能技術進步與產(chǎn)業(yè)體系的發(fā)展較為強勁。與此形成鮮明對比的是部分省(區(qū))在樣本期的9年中耦合協(xié)調度不增反降,分別是新疆、內蒙古、寧夏、海南和甘肅,尤其是甘肅,降幅達到23.44%。這些省(區(qū))均表現(xiàn)出較低的人工智能發(fā)展水平和不高的現(xiàn)代產(chǎn)業(yè)體系綜合水平。提高人工智能技術在產(chǎn)業(yè)中的滲透度是以上省(區(qū))在推動產(chǎn)業(yè)轉型升級中需要格外關注的問題之一。

六、人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)同的差異與動態(tài)變化分析

為了分析系統(tǒng)耦合協(xié)調的區(qū)域差異與動態(tài)特征,本文采用Dagum基尼系數(shù)對不同區(qū)域的差異來源與貢獻進行計算,同時采用莫蘭指數(shù)對耦合協(xié)調的空間集聚特征進行檢驗。在此基礎之上進一步采用核密度估計對其動態(tài)演變特征進行分析。

(一)人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)調的區(qū)域差異與來源分析

為了深入分析中國各地區(qū)之間的差異,參考徐曄和趙金鳳[20]46-64的方法,將30個省(區(qū)、市)進一步分為8個區(qū)域,分別是環(huán)渤海地區(qū)(京、津、冀、魯)、東北地區(qū)(黑、吉、遼)、長三角地區(qū)(江、浙、滬、皖)、東南沿海地區(qū)(閩、粵、瓊)、中部地區(qū)(鄂、湘、豫、贛)、中北地區(qū)(陜、晉、蒙)、西南地區(qū)(云、貴、川、渝、桂)和西北地區(qū)(寧、甘、青、新)。各區(qū)域內與區(qū)域之間的基尼系數(shù)計算結果如表4所示。

表4 人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)調的區(qū)域差異分析

由表4可知,從總體而言,2011—2019年,中國各區(qū)域之間人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)調度的總體差異逐漸增大,由2011年的0.087增加到2019年的0.132,提高了50%。主要的差異來源于區(qū)域之間差異,貢獻了總體差異的75%。此外,區(qū)域內差異貢獻了7%,超變密度貢獻了18%。就各區(qū)域內而言,只有環(huán)渤海地區(qū)的組內差異出現(xiàn)了下降,其他各區(qū)域的組內差異都在上升,說明環(huán)渤海地區(qū)各省(區(qū)、市)之間人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)調程度正趨于同步。其他區(qū)域中差異增加最大的是東北地區(qū),提高了113%;其次是東南沿海地區(qū),提高了84.3%;增加較少的分別是長三角、西南和西北地區(qū),說明這些區(qū)域內各省(區(qū)、市)兩系統(tǒng)的耦合協(xié)同度較為接近。2019年,組內差異最大的是東南沿海地區(qū),基尼系數(shù)為0.187,主要因為海南與廣東和福建的協(xié)調度差異較大。而組內差異最小的是東北地區(qū),數(shù)值為0.024,說明盡管東北地區(qū)協(xié)調度差異的增加幅度最大,但事實的差異程度卻是最低的。進一步從區(qū)域之間差異分析可見,2019年,區(qū)域之間差異最大的是長三角地區(qū)與西北地區(qū),基尼系數(shù)值為0.282;其他差異較大的區(qū)域對比還包括西北與東南沿海地區(qū)、西北與環(huán)渤海地區(qū)、中北與長三角地區(qū)、西南與長三角地區(qū),基尼系數(shù)分別為0.234、0.216、0.213和0.2。從總體而言,長三角、東南沿海和環(huán)渤海等地區(qū)與西北、中北等地區(qū)的組間差異較大。與此同時,中北與東北、西北與中北、西南與東北、中部與環(huán)渤海、西南與中北和中部與東北等地區(qū)之間的差異較小,基尼系數(shù)值均低于0.08。以上地區(qū)雖然耦合協(xié)調度差異不大,但是并不意味著處于良性耦合階段。根據(jù)上文分析可知這種低差異是以低度耦合協(xié)調為代價的,因此需要不斷提升相關地區(qū)人工智能與現(xiàn)代產(chǎn)業(yè)體系的融合發(fā)展程度。進一步分析不同地區(qū)之間耦合協(xié)調度的變化幅度可以發(fā)現(xiàn),中部與西北的差異變化最大,提高了3.45倍;而中部與環(huán)渤海地區(qū)的差異則是唯一下降的,說明樣本期內中部地區(qū)的耦合協(xié)調度得到了有力提升,縮小了與環(huán)渤海和長三角等區(qū)域的差異。此外,東北地區(qū)也表現(xiàn)出類似的變化。東北與西北的差異提高了2.8倍,但與環(huán)渤海和西南地區(qū)的差異幾乎保持不變,驗證了東北地區(qū)耦合協(xié)調度提升的事實,同時反映出西北地區(qū)在促進人工智能與現(xiàn)代產(chǎn)業(yè)體系融合發(fā)展方面存在諸多不足。與西北地區(qū)類似的還有中北地區(qū)。以上區(qū)域的省(區(qū)、市)需要加強對人工智能技術的運用,以促進本地產(chǎn)業(yè)體系的轉型與升級。

(二)人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)同的空間集聚效應

為了分析人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)同是否具有空間自相關性,本文進一步通過全局莫蘭指數(shù)對其空間集聚特征進行檢驗。就全國而言,莫蘭指數(shù)計算結果如表5所示。

表5 莫蘭指數(shù)計算結果

由表5可見,莫蘭指數(shù)結果均為正,且自2013年開始,結果均在10%水平上顯著,說明中國人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)同存在一定的空間正相關性,即耦合協(xié)同度較高的區(qū)域存在空間集聚效應。這與環(huán)渤海、長三角等地區(qū)內不同省(區(qū)、市)耦合協(xié)調度較高存在一定的相關性。不過,進一步分析上述數(shù)值可以發(fā)現(xiàn),P值僅在2014年與2015年通過了5%顯著性水平的檢驗,在其他年份顯著性水平在5%以上,且Z值也小于1.65,說明人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)同的空間正相關性雖然存在,但是并非十分顯著。這從另一個角度說明,中國在深入推進人工智能與現(xiàn)代產(chǎn)業(yè)體系融合發(fā)展的過程中,各省(區(qū)、市)的發(fā)展與進度存在不均衡性,具有一定的隨機性。從整體而言,兩系統(tǒng)的融合進度存在較大差異,需要深入實施人工智能技術進步的驅動力量,實現(xiàn)區(qū)域的協(xié)同發(fā)展。

(三)人工智能與現(xiàn)代產(chǎn)業(yè)體系耦合協(xié)同的動態(tài)特征

為了分析人工智能與現(xiàn)代產(chǎn)業(yè)體系在不同階段的動態(tài)變化特征,本文進一步繪制了全國及八大地圖兩系統(tǒng)耦合協(xié)同的核密度圖。具體結果如圖3所示。

(a)環(huán)渤海地區(qū) (b)東北地區(qū) (c)長三角地區(qū)

由圖3可見,除西北地區(qū)之外,其他地區(qū)和全國的圖形均顯示出主峰不斷右移的趨勢,說明就全國及大部分地區(qū)而言,人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)調度在不斷提升。由全國的圖形圖3(i)可見,主峰先提升后下降,說明全國層面人工智能與現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)調度的不均衡性先縮小后進一步擴大。圖形存在拖尾,進一步說明耦合協(xié)調度的高水平地區(qū)與低水平地區(qū)之間的差距在拉大。側峰意味著存在一定的極化現(xiàn)象。就其他地區(qū)而言,環(huán)渤海地區(qū)的發(fā)展趨勢與全國類似,存在極化與不均衡的現(xiàn)象。東北地區(qū)的波峰高度變化不大,說明東北地區(qū)的區(qū)域差異沒有顯著變化。長三角地區(qū)的波峰高度不斷提升,說明長三角的區(qū)域不均衡性在縮小。側峰也意味著區(qū)域內有極化的趨勢。東南沿海地區(qū)的極化與區(qū)域不均衡性較為顯著,波峰不斷縮小且側峰顯著提升。中部地區(qū)的主峰高度不斷增加,區(qū)域內的差異在不斷縮小。中北地區(qū)主峰先下降后上升,說明差異先增加后逐漸縮小。西南地區(qū)與中北地區(qū)的趨勢相反,表現(xiàn)為差異先縮小后增加的動態(tài)變化。西北地區(qū)的波峰向左移動,說明區(qū)域內的耦合協(xié)調度在逐漸下降。

七、結論與啟示

本文從系統(tǒng)耦合的角度基于多種研究方法實證研究了人工智能與現(xiàn)代產(chǎn)業(yè)體系的融合發(fā)展程度。研究發(fā)現(xiàn):除廣東外,全國絕大部分省(區(qū)、市)的人工智能發(fā)展水平均滯后于現(xiàn)代產(chǎn)業(yè)體系;2011—2019年,中國人工智能與現(xiàn)代產(chǎn)業(yè)體系兩個系統(tǒng)一直處于高水平耦合階段,說明我國人工智能與現(xiàn)代產(chǎn)業(yè)體系之間的相互影響和依賴程度較高,但是兩者之間的耦合協(xié)調度較低,幾乎處于瀕臨失調的階段,各省(區(qū)、市)之間的協(xié)調度差異較大;中國人工智能與現(xiàn)代產(chǎn)業(yè)體系的區(qū)域差異主要來源于區(qū)域之間的差異,區(qū)域內多出現(xiàn)極化的現(xiàn)象,且區(qū)域之間的不均衡性呈現(xiàn)擴大的趨勢。

為了促進中國人工智能與現(xiàn)代產(chǎn)業(yè)體系的深入融合與協(xié)同發(fā)展,本文提出以下政策建議:

一是加快推進人工智能的技術創(chuàng)新及其與產(chǎn)業(yè)的融合。當前,中國人工智能的發(fā)展水平與進度滯后于現(xiàn)代產(chǎn)業(yè)體系的發(fā)展水平。造成這一困局的原因一方面在于人工智能技術創(chuàng)新的適用度不夠;另一方面在于人工智能技術與產(chǎn)業(yè)的融合度不足,企業(yè)實施智能化改造的動力不強。為了推進人工智能與現(xiàn)代產(chǎn)業(yè)體系的融合,比如通過企業(yè)上云、行業(yè)大數(shù)據(jù)應用、智能生產(chǎn)與商業(yè)支撐體系等促進企業(yè)進行智能化改造,提升企業(yè)的生產(chǎn)效率,降低生產(chǎn)成本。

二是促進人工智能與現(xiàn)代產(chǎn)業(yè)體系在重點區(qū)域的協(xié)同發(fā)展。當前,我國建立了13個人工智能創(chuàng)新示范區(qū),應充分發(fā)揮示范區(qū)的帶頭作用,促進人工智能在典型行業(yè)、典型企業(yè)、典型場景下的應用,通過建立梯隊式的發(fā)展戰(zhàn)略,逐步帶動全國耦合協(xié)同水平的提升,為后續(xù)推進人工智能在全國行業(yè)與產(chǎn)業(yè)的滲透積累經(jīng)驗。

三是加強地區(qū)之間的交流合作,發(fā)揮示范省(區(qū)、市)的幫扶協(xié)助作用。對于東部沿海地區(qū)耦合協(xié)調水平較高的區(qū)域,應充分利用高技能科研人才提高人工智能發(fā)展水平,通過產(chǎn)業(yè)賦能,發(fā)揮高端人才、知識積累和技能創(chuàng)新等要素的溢出效應,提高幫扶地區(qū)人工智能和現(xiàn)代產(chǎn)業(yè)體系的耦合協(xié)調水平。對于中、西部耦合協(xié)調水平較低的區(qū)域,政府應根據(jù)地區(qū)自身發(fā)展現(xiàn)狀制定合適的政策,分步實施,逐步提升人工智能和現(xiàn)代產(chǎn)業(yè)體系的互動水平。