一、引言

在全球經(jīng)濟數(shù)字化轉(zhuǎn)型的大背景下，實體經(jīng)濟與數(shù)字經(jīng)濟的融合發(fā)展已成為建設(shè)現(xiàn)代化產(chǎn)業(yè)體系、推動經(jīng)濟高質(zhì)量發(fā)展的關(guān)鍵戰(zhàn)略。《中共中央關(guān)于進一步全面深化改革、推進中國式現(xiàn)代化的決定》在第三項“健全推動經(jīng)濟高質(zhì)量發(fā)展體制機制\"中首次提出“健全促進實體經(jīng)濟和數(shù)字經(jīng)濟深度融合制度”（以下簡稱“實數(shù)融合”），將實體經(jīng)濟放在數(shù)字經(jīng)濟前面，凸顯實體經(jīng)濟發(fā)展的重要性。制造業(yè)是實體經(jīng)濟的主體與根基，人工智能是新一輪科技革命影響未來發(fā)展的關(guān)鍵變量。推動制造業(yè)和人工智能重點領(lǐng)域的融合深度，是加快推進新型工業(yè)化，充分釋放中國制造大國和網(wǎng)絡(luò)大國疊加、聚合、倍增效應(yīng)，拓展經(jīng)濟發(fā)展新空間，加強國際競爭優(yōu)勢的關(guān)鍵內(nèi)容。

目前圍繞實體經(jīng)濟和數(shù)字經(jīng)濟的理論內(nèi)涵、概念界定，及其二者融合機制、融合問題、融合路徑等研究較為豐富。從現(xiàn)有文獻來看，實體經(jīng)濟的內(nèi)涵在理論層面并沒有作出嚴(yán)格的界定，也沒有專門針對實體經(jīng)濟的統(tǒng)計口徑和統(tǒng)計指標(biāo)體系（夏杰長，2022），產(chǎn)業(yè)分類方面也存在狹義和廣義等多層次分類視角（黃群慧，2017）?！皩崝?shù)融合\"的“數(shù)\"具體是指數(shù)據(jù)要素、數(shù)字技術(shù)還是數(shù)字經(jīng)濟，學(xué)術(shù)界和政策界沒有明確區(qū)分，存在一定的混用（夏杰長和李鑾誤，2024）。另外，在“實數(shù)融合”之前，學(xué)術(shù)界更廣泛使用的是“數(shù)實融合”，即數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，因此，在后文的文獻綜述中，本文所參考引用的文獻多以“數(shù)實融合\"文章為主。本文更加強調(diào)實體經(jīng)濟發(fā)展，結(jié)合最新政策精神，本文使用\"實數(shù)融合\"替代\"數(shù)實融合”。

圍繞實數(shù)融合的研究更多是將新一代信息技術(shù)作為整體，側(cè)重于學(xué)理性和政策性研究，探討數(shù)字經(jīng)濟與實體經(jīng)濟融合的內(nèi)涵、融合機理、趨勢、挑戰(zhàn)、驅(qū)動因素和對策等（洪銀興和任保平，2023;陸岷峰，2023;張帥等，2022;鈔小靜，2022;趙劍波，2020；曹平等，2024）。考慮到制造業(yè)在實體經(jīng)濟中的核心地位，以及人工智能技術(shù)與區(qū)塊鏈、元宇宙等其他新一代信息技術(shù)的差異性，本文將重點聚焦人工智能與制造業(yè)融合，旨在將制造業(yè)作為“出題人”，將人工智能作為“解題者”，立足實體經(jīng)濟發(fā)展，研究區(qū)域人工智能與制造業(yè)融合現(xiàn)狀及其對經(jīng)濟發(fā)展的影響。2019 年《關(guān)于促進人工智能和實體經(jīng)濟深度融合的指導(dǎo)意見》強調(diào)，促進人工智能和實體經(jīng)濟深度融合，需要結(jié)合不同行業(yè)、不同區(qū)域特點，探索創(chuàng)新成果應(yīng)用轉(zhuǎn)化的路徑和方法，構(gòu)建數(shù)據(jù)驅(qū)動、人機協(xié)同、跨界融合、共創(chuàng)分享的智能經(jīng)濟形態(tài)。因此，本文將聚焦制造業(yè)，使用中國城市制造業(yè)人工智能企業(yè)與專利數(shù)據(jù)，從新型實體企業(yè)和實數(shù)技術(shù)融合兩個方面衡量不同區(qū)域制造業(yè)和人工智能融合水平，在了解中國人工智能與制造業(yè)空間分布特征的基礎(chǔ)上，構(gòu)建計量模型，研究區(qū)域人工智能與制造業(yè)融合的經(jīng)濟效應(yīng)及其影響因素。

本文的邊際貢獻在于：第一，研究視角上，本文聚焦人工智能與制造業(yè)，研究區(qū)域人工智能與制造業(yè)融合現(xiàn)狀及其對經(jīng)濟發(fā)展的影響。已有關(guān)注人工智能與制造業(yè)融合測度的文獻鮮少，僅有少部分文獻探究人工智能與制造業(yè)融合的內(nèi)涵表現(xiàn)與難點對策（鄧洲，2018;高煜，2019;朱蘭，2023）。第二，數(shù)字技術(shù)和數(shù)據(jù)變量方面，本文聚焦人工智能技術(shù)，區(qū)別于區(qū)塊鏈、機器人等其他新一代信息技術(shù)，以人工智能專利和人工智能企業(yè)測度人工智能發(fā)展情況，更加精準(zhǔn)合理。另外，本文使用城市一制造業(yè)一人工智能三維變量，從新型實體企業(yè)與實數(shù)技術(shù)融合兩個方面衡量人工智能與制造業(yè)產(chǎn)業(yè)融合和技術(shù)融合水平，展現(xiàn)不同時間、不同城市人工智能與制造業(yè)深度融合的時空特征，然后構(gòu)建計量模型，研究區(qū)域?qū)崝?shù)融合的經(jīng)濟效應(yīng)和影響因素。本文的研究結(jié)論為提出具有行業(yè)針對性、區(qū)域聯(lián)動性的實體經(jīng)濟與數(shù)字經(jīng)濟融合策略，深化實體經(jīng)濟與數(shù)字經(jīng)濟融合深度和強度提供數(shù)據(jù)和現(xiàn)象支撐。

二、文獻綜述

人工智能與制造業(yè)深度融合涵蓋內(nèi)容較多，本文將分別從人工智能與制造業(yè)融合的理論內(nèi)涵、變量測度與經(jīng)濟效應(yīng)三個方面進行闡述。

（一）人工智能與制造業(yè)融合的內(nèi)涵

數(shù)字經(jīng)濟與實體經(jīng)濟深度融合是構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系、推動區(qū)域高質(zhì)量發(fā)展的重要手段（陳曦，2022）。人工智能與制造業(yè)融合，本質(zhì)上屬于數(shù)字經(jīng)濟與實體經(jīng)濟融合的領(lǐng)域，其中的“數(shù)\"可理解為數(shù)據(jù)要素、數(shù)字技術(shù)或數(shù)字經(jīng)濟，而“實\"可理解為廣義的實體經(jīng)濟中尚未進行數(shù)字化變革的部分，本質(zhì)上是數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化協(xié)同發(fā)展（夏杰長和李鑾誤，2024）。洪銀興和任保平（2023）認(rèn)為數(shù)字經(jīng)濟和實體經(jīng)濟深度融合是數(shù)據(jù)成為關(guān)鍵生產(chǎn)要素之后提出的要求，把“深度融合”界定為數(shù)字技術(shù)和數(shù)據(jù)要素滲透實體經(jīng)濟的全過程，通過數(shù)據(jù)要素與數(shù)字技術(shù)雙輪驅(qū)動對實體經(jīng)濟進行改造，具體表現(xiàn)為技術(shù)創(chuàng)新與數(shù)字經(jīng)濟融合、產(chǎn)業(yè)創(chuàng)新與數(shù)字經(jīng)濟融合、企業(yè)組織創(chuàng)新與數(shù)字經(jīng)濟融合。陳曦（2022）指出數(shù)字經(jīng)濟和實體經(jīng)濟深度融合有三個方面的內(nèi)涵：一是萬物互聯(lián)成為數(shù)字經(jīng)濟與實體經(jīng)濟融合的物質(zhì)基礎(chǔ)，二是數(shù)據(jù)成為數(shù)字經(jīng)濟與實體經(jīng)濟融合的關(guān)鍵要素，三是創(chuàng)新成為數(shù)字經(jīng)濟與實體經(jīng)濟融合的最終結(jié)果。陳雨露（2023）則從企業(yè)層面、產(chǎn)業(yè)層面與宏觀經(jīng)濟層面解析數(shù)字經(jīng)濟與實體經(jīng)濟融合的主要途徑，分析數(shù)實融合的必要條件與政策著力點。

具體到人工智能與制造業(yè)融合，就是人工智能與制造業(yè)產(chǎn)業(yè)或同一產(chǎn)業(yè)內(nèi)的不同行業(yè)通過相互滲透、相互交叉、最終融為一體，逐步形成新產(chǎn)業(yè)的動態(tài)發(fā)展過程。在融合的過程中，一方面人工智能促進制造業(yè)產(chǎn)業(yè)升級和效率提升，另一方面制造業(yè)領(lǐng)域的工業(yè)大數(shù)據(jù)、任務(wù)場景以及工程能力為人工智能提供應(yīng)用場景、工業(yè)數(shù)據(jù)和裝備支撐，促進人工智能技術(shù)進步（朱蘭，2023）。Freeman 和 Perez（1988）將技術(shù)革命下范式變革的內(nèi)容概括為九個方面：企業(yè)生產(chǎn)與組織的新方式，對勞動力技能的新要求，新的產(chǎn)品組合，新要素取代舊要素的新趨勢，新投資模式，新基礎(chǔ)設(shè)施投資浪潮，中小企業(yè)大量進人新興部門，大公司積極進入新部門，新的消費產(chǎn)品、消費方式和生活方式。在人工智能技術(shù)的推動下，人工智能與制造業(yè)融合也將產(chǎn)生一系列的新產(chǎn)品、新技術(shù)、新模式、新需求、新投資等，比如人工智能與藥物研發(fā)融合產(chǎn)生的AI制藥，傳統(tǒng)汽車產(chǎn)業(yè)與人工智能融合產(chǎn)生的智能網(wǎng)聯(lián)新能源汽車，人工智能與工業(yè)機器產(chǎn)生的智能機器人等。

（二）人工智能與制造業(yè)融合的變量測度

人工智能與制造業(yè)融合可以從微觀和宏觀兩個層面進行測度，其中微觀層面可以分為產(chǎn)業(yè)融合和技術(shù)融合兩個視角。

產(chǎn)業(yè)融合最初是從產(chǎn)業(yè)合并引申而來的一個概念（厲無畏，2002），隨著20世紀(jì)70年代信息通訊技術(shù)的發(fā)展，三次產(chǎn)業(yè)之間的邊界趨于模糊，企業(yè)兼并浪潮突破地區(qū)和行業(yè)的界限，出現(xiàn)產(chǎn)業(yè)融合發(fā)展態(tài)勢（植草益，2001）。產(chǎn)業(yè)融合更多體現(xiàn)為企業(yè)采用人工智能、區(qū)塊鏈等新技術(shù)，購買數(shù)字化軟件與服務(wù)，或者融人數(shù)字平臺、采用數(shù)字經(jīng)營模式等。已有研究較多使用企業(yè)數(shù)字化轉(zhuǎn)型或者接人電商平臺（呂越等，2023）等測度數(shù)實產(chǎn)業(yè)融合。技術(shù)融合方面，黃先海和高亞興（2023）認(rèn)為數(shù)實產(chǎn)業(yè)技術(shù)融合是分屬于數(shù)字產(chǎn)業(yè)與實體產(chǎn)業(yè)范疇的技術(shù)之間互補互促的動態(tài)演進過程。與人工智能相關(guān)的專利和論文被經(jīng)常用于衡量人工智能技術(shù)（Cockburn 等，2019;Damioli等，2021）。為測度企業(yè)數(shù)實技術(shù)融合程度，黃先海和高亞興（2023）使用企業(yè)發(fā)明專利中引用數(shù)字產(chǎn)業(yè)技術(shù)專利的數(shù)量作為代理變量，陶峰等（2023）采用國際專利分類信息識別與數(shù)字創(chuàng)新活動技術(shù)特征相契合的發(fā)明專利。陳楠和蔡躍洲（2021，2022）分別使用不同制造業(yè)細(xì)分行業(yè)中數(shù)字經(jīng)濟專利數(shù)量衡量數(shù)字技術(shù)在行業(yè)中的滲透率，或者使用省級年度人工智能專利申請量和授權(quán)量表征區(qū)域?qū)用嫒斯ぶ悄芗夹g(shù)進步和滲透率。

宏觀層面，學(xué)者們主要借助調(diào)整后的Logistic 協(xié)同演化模型、耦合協(xié)調(diào)度模型等方法來測度“數(shù)實融合\"協(xié)調(diào)發(fā)展關(guān)系。這主要包括兩種方式：一是使用單一評價指標(biāo)體系測度數(shù)字經(jīng)濟和實體經(jīng)濟融合程度（胡西娟等，2022;鈔小靜，2022）。比如，胡西娟等（2022）從基礎(chǔ)融合、應(yīng)用融合、創(chuàng)新融合、金融融合四個方面，選取19個變量衡量30個省份數(shù)字經(jīng)濟和實體經(jīng)濟融合程度。另外一種常用方法是分別構(gòu)建數(shù)字經(jīng)濟和實體經(jīng)濟指標(biāo)體系，然后基于耦合協(xié)調(diào)度測度數(shù)實程度（張帥等，2022；郭晗和全勤慧，2022）。張帥等（2022）選取12個指標(biāo)從數(shù)字基礎(chǔ)設(shè)施、數(shù)字化應(yīng)用、數(shù)字產(chǎn)業(yè)發(fā)展三個角度構(gòu)建省級數(shù)字經(jīng)濟發(fā)展水平綜合指標(biāo)，采用5個指標(biāo)從實體經(jīng)濟發(fā)展規(guī)模、結(jié)構(gòu)和潛力三個角度構(gòu)建實體經(jīng)濟評價指標(biāo)體系，然后以協(xié)調(diào)度衡量各地區(qū)數(shù)字經(jīng)濟和實體經(jīng)濟的融合水平。

總體而言，上述研究主要是從理論層面探討數(shù)實融合的內(nèi)涵、機制與路徑，實證研究方面以國家或者省級層面為主，這主要是因為國家或者省級層面的數(shù)據(jù)可得性高，統(tǒng)計口徑一致，具有可比性。但是，上述研究數(shù)據(jù)變量含義寬泛，即不能精準(zhǔn)反映新一代信息技術(shù)特性，而且指標(biāo)選取具有較強的主觀性。因此，本文將借鑒呂越等（2023）、黃先海和高亞興（2023）等研究，從產(chǎn)業(yè)融合和技術(shù)融合方面測度人工智能與制造業(yè)的融合水平。

（三）人工智能與制造業(yè)融合的經(jīng)濟效應(yīng)

近年來，大量理論與實證研究關(guān)注人工智能對生產(chǎn)率和經(jīng)濟增長的影響（Aghion等，2017；曹靜和周亞林，2018;Lu，2021;Babina等，2024）。許多研究發(fā)現(xiàn)人工智能對中國經(jīng)濟發(fā)展質(zhì)量具有顯著的提升作用（楊先明和王志閣，2023;陳楠和蔡躍洲，2022；楊艷等，2023）。微觀層面，企業(yè)應(yīng)用人工智能技術(shù)不僅有助于提高企業(yè)數(shù)據(jù)分析和信息處理能力，更好地對接消費者偏好和市場需求（陳慶江等，2023），企業(yè)智能化轉(zhuǎn)型還能夠通過提高企業(yè)勞動力多樣性，促進知識與文化交流碰撞，從而推動企業(yè)創(chuàng)新（鄧悅和蔣琬儀，2022），提高企業(yè)勞動生產(chǎn)率（Czarnitzki等，2023）。另外，人工智能等數(shù)字科技還具有溢出效應(yīng)，接近數(shù)字科技企業(yè)有助于提高企業(yè)全要素生產(chǎn)率（蔣為等，2025）。

中觀層面，人工智能技術(shù)賦能制造業(yè)，推動制造業(yè)產(chǎn)業(yè)升級和價值鏈攀升，提高企業(yè)創(chuàng)新水平。人工智能與制造業(yè)融合，促進制造業(yè)生產(chǎn)模式變革和生產(chǎn)流程升級，推動傳統(tǒng)制造業(yè)向高端制造業(yè)轉(zhuǎn)型，提高了產(chǎn)品附加值和技術(shù)含量（任保平和宋文月，2019）。人工智能與高附加值產(chǎn)業(yè)的深度融合，可以增強本土供應(yīng)鏈的韌性，促進傳統(tǒng)產(chǎn)業(yè)的智能化改造和升級，在全球價值鏈中爭取有利位置（劉斌和潘彤，2020）。此外，制造業(yè)具有較高的生產(chǎn)率、前后聯(lián)動效應(yīng)以及規(guī)模效應(yīng)等，工業(yè)化是一國經(jīng)濟增長的重要引擎（朱蘭等，2024）。人工智能與制造業(yè)融合有助于推動制造業(yè)產(chǎn)業(yè)升級（付文宇等，2020;米普宏等，2020），提高制造業(yè)發(fā)展質(zhì)量（鄭瓊潔和王高鳳，2021;陸瑤和楊仁發(fā)，2023；謝偉麗等，2023；李翔等，2023），進而促進區(qū)域經(jīng)濟增長（王霄瓊等，2024）。另外，人工智能與制造業(yè)深度融合增加了新型實體企業(yè)的數(shù)量（何德旭等，2024），專精特新等新型實體企業(yè)通過科技手段與制造工藝創(chuàng)新降低了生產(chǎn)成本，優(yōu)化資源配置，提高了經(jīng)濟效率（徐亞平和史依銘，2024）。

宏觀層面，人工智能具有滲透性、替代性、協(xié)同性和創(chuàng)新性等技術(shù)一經(jīng)濟特征，通過要素替代、效率提升和知識創(chuàng)造等多條路徑，直接促進經(jīng)濟增長（蔡躍洲和陳楠，2019）。另外，人工智能通過提高生產(chǎn)自動化智能化程度、提高資本回報率和提高全要素生產(chǎn)率，有助于應(yīng)對老齡化沖擊從而促進經(jīng)濟增長（陳彥斌等，2019）。基于國家人工智能試驗區(qū)的智慧城市建設(shè)有助于促進企業(yè)綠色創(chuàng)新（高華川等，2024）。

綜上，本文提出研究假設(shè)：人工智能與制造業(yè)融合有助于促進地區(qū)經(jīng)濟增長。

三、數(shù)據(jù)說明與基本特征

（一）數(shù)據(jù)說明

本文借鑒已有研究，分別從產(chǎn)業(yè)融合和技術(shù)融合兩個方面衡量人工智能與制造業(yè)融合程度。其中，產(chǎn)業(yè)融合使用制造業(yè)中人工智能企業(yè)數(shù)進行衡量，技術(shù)融合使用制造業(yè)人工智能專利數(shù)進行測度。數(shù)據(jù)主要來源于企研·學(xué)術(shù)大數(shù)據(jù)，涵蓋 2010—2020 年全國城市－行業(yè)一人工智能企業(yè)存活數(shù)目和死亡數(shù)目，以及城市一行業(yè)一人工智能專利數(shù)量和類別，包括專利申請總數(shù)、專利授權(quán)總數(shù)以及發(fā)明專利、實用新型專利、外觀設(shè)計專利三類專利的申請和授權(quán)數(shù)目?；谌斯ぶ悄墚a(chǎn)業(yè)智能感知、數(shù)據(jù)標(biāo)簽與標(biāo)注、深度學(xué)習(xí)、決策與執(zhí)行、AI能力評價5個關(guān)鍵技術(shù)要素，將人工智能產(chǎn)業(yè)劃分基礎(chǔ)設(shè)施、基礎(chǔ)理論和核心技術(shù)、智能應(yīng)用3部分。然后從企業(yè)基本信息、創(chuàng)新知識產(chǎn)出、產(chǎn)品應(yīng)用平臺和人力資本投入等多個維度的企業(yè)信息，梳理并篩選出人工智能產(chǎn)業(yè)相關(guān)企業(yè)，構(gòu)建人工智能產(chǎn)業(yè)專題數(shù)據(jù)庫。

（二）中國人工智能與制造業(yè)融合的空間分布

本節(jié)將簡要分析中國制造業(yè)人工智能專利和企業(yè)的空間分布，為后文進一步研究中國城市人工智能與制造業(yè)融合的經(jīng)濟效應(yīng)奠定事實基礎(chǔ)。

專利分布在一定程度上反映了地區(qū)的技術(shù)水平，制造業(yè)人工智能專利申請數(shù)和授權(quán)數(shù)越多，說明該城市人工智能與制造業(yè)技術(shù)融合的程度越深。計算 2020年不同城市制造業(yè)人工智能專利申請數(shù)和授權(quán)數(shù)，結(jié)果發(fā)現(xiàn)城市間制造業(yè)人工智能“技術(shù)鴻溝\"較大。不論是專利申請數(shù)還是授權(quán)數(shù)，全國制造業(yè)人工智能技術(shù)滲透率都存在明顯的空間分布不均衡現(xiàn)象，具有“東多西少、高度集中\(zhòng)"的特征。具體來說，東部地區(qū)制造業(yè)人工智能專利申請數(shù)明顯高于西部地區(qū)，主要聚集在珠三角、長三角和北京市，呈現(xiàn)“三足鼎立\"態(tài)勢。制造業(yè)人工智能專利申請集中于東部沿海地區(qū)，部分地區(qū)制造業(yè)人工智能技術(shù)尚處于初步發(fā)展階段，西部絕大多數(shù)地區(qū)仍處于空白狀態(tài)。

但是企業(yè)研發(fā)的人工智能技術(shù)和產(chǎn)品并不一定應(yīng)用于本地區(qū)或者本行業(yè)，因此本文進一步使用城市制造業(yè)人工智能企業(yè)數(shù)反映人工智能與制造業(yè)融合深度。結(jié)果顯示，中國人工智能與制造業(yè)融合程度具有“東多西少、集中分布\"特征。各地區(qū)制造業(yè)人工智能企業(yè)數(shù)目整體較少，人工智能企業(yè)數(shù)目超過200 家的城市僅有深圳市，達到643家，其次是蘇州、廣州、東莞、上海，制造業(yè)人工智能企業(yè)數(shù)在 1 0 0 ～ 200家之間，170個地級市人工智能企業(yè)數(shù)在 1 ～ 1 0 0 家之間，人工智能企業(yè)數(shù)為個位數(shù)的有124個地級市，192個地級市人工智能企業(yè)數(shù)為0。人工智能企業(yè)分布高度集中，僅深圳市集中分布了全國 22 % 的制造業(yè)人工智能企業(yè)，排名前五的地級市人工智能企業(yè)數(shù)占比達到 4 1 . 5 % ，接近半數(shù)。也就是說，超過半數(shù)地級市制造業(yè)沒有人工智能企業(yè)，西部和東北大部分地區(qū)人工智能與制造業(yè)融合處于空白或者初步探索階段，與北京、上海、深圳、杭州等一線城市具有較大差距。這說明，中國人工智能與制造業(yè)融合整體水平不高，超半數(shù)地區(qū)處于空白狀態(tài)，中國人工智能和制造業(yè)融合程度整體較低，距離全面普及的目標(biāo)較遠(yuǎn)。

總體而言，中國人工智能與制造業(yè)融合發(fā)展程度存在明顯的區(qū)域差異，具有“東多西少、高度集中”的特征。從區(qū)域分布來看，不論是企業(yè)數(shù)目還是專利數(shù)目，人工智能與制造業(yè)的融合程度均存在明顯的空間分布不均衡現(xiàn)象。制造業(yè)人工智能企業(yè)主要聚集在珠三角、長三角和北京市，呈現(xiàn)“三足鼎立”態(tài)勢。部分地區(qū)人工智能與制造業(yè)融合尚處于初步發(fā)展階段，西部絕大多數(shù)地區(qū)仍處于空白狀態(tài)。區(qū)域之間呈現(xiàn)明顯的“二元\"分布結(jié)構(gòu)，北京、深圳、杭州、上海等發(fā)達地區(qū)人工智能與實體經(jīng)濟融合程度遠(yuǎn)遠(yuǎn)高于欠發(fā)達地區(qū)，且這一差距隨著專利和企業(yè)的不斷累積逐漸擴大。

四、人工智能與制造業(yè)融合的經(jīng)濟效應(yīng)分析

（一）模型構(gòu)建與變量說明

前文我們對不同地區(qū)人工智能與制造業(yè)的融合現(xiàn)狀進行了描述性分析。為了進一步分析地區(qū)“人工智能 + 制造\"的經(jīng)濟效應(yīng)，本文構(gòu)建模型如下：

式中， 是我們感興趣的被解釋變量，使用地區(qū)經(jīng)濟總量GDP（取對數(shù)）衡量地區(qū)經(jīng)濟增長，其中c 是城市， 是年份。核心解釋變量是城市人工智能與制造業(yè)融合水平，分別從企業(yè)發(fā)展和技術(shù)進步兩個維度進行衡量。其中，企業(yè)發(fā)展使用地區(qū)年度制造業(yè)企業(yè)存活數(shù)表示，技術(shù)進步使用地區(qū)年度制造業(yè)人工智能發(fā)明專利申請數(shù)和授權(quán)數(shù)表示。為了緩解因遺漏變量帶來的內(nèi)生性，模型同時控制了城市 在 年的人口總量（取對數(shù)）、單位從業(yè)人數(shù)（取對數(shù)）和研發(fā)人員數(shù)量（取對數(shù)）。 表示城市固定效應(yīng)， 表示年份固定效應(yīng)，分別控制城市層面不隨時間變動的特征和時間趨勢。 是誤差項，標(biāo)準(zhǔn)誤聚類到城市層面。人工智能行業(yè)企業(yè)數(shù)和專利數(shù)據(jù)來源于企研·學(xué)術(shù)大數(shù)據(jù)平臺，城市層面數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》，時間為2010—2020年。

關(guān)于核心解釋變量 的構(gòu)建，由于缺乏年度城市制造業(yè)人工智能企業(yè)數(shù)和專利數(shù)，本文借鑒Acemoglu和 Restrepo（2020）的工業(yè)機器人滲透率的構(gòu)建方式，使用 2020 年的數(shù)據(jù)作為基準(zhǔn)值，假設(shè)地區(qū)制造業(yè)人工智能企業(yè)比值不變，構(gòu)建年度地區(qū)制造業(yè)人工智能企業(yè)數(shù)和專利數(shù)。具體公式如下：

，式中 指的是2020年城市 ∣ c ∣ 的制造業(yè)人工智能企業(yè)存活數(shù)量（單位為萬個），行業(yè)包括采礦業(yè)、制造業(yè)、建筑業(yè)和電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)， 是2020年城市 ∣ c ∣ 制造業(yè)企業(yè)存活數(shù)量（萬個）， 指的是城市 在 年的制造業(yè)企業(yè)存活數(shù)目（萬個）。城市年度工業(yè)人工智能發(fā)明專利申請數(shù)和授權(quán)數(shù)構(gòu)造方法與企業(yè)存活數(shù)類似，故不再贅述。考慮到年度地區(qū)制造業(yè)人工智能企業(yè)比值不變的假設(shè)較強，后文使用制造業(yè)增加值增速作為權(quán)重變量，構(gòu)建年度一城市一制造業(yè)人工智能企業(yè)存活數(shù)，進行穩(wěn)健性檢驗。

（二）結(jié)果分析

表1列出了城市人工智能與制造業(yè)融合發(fā)展對地區(qū)經(jīng)濟增長的影響，其中第（1）列使用城市制造業(yè)人工智能企業(yè)存活數(shù)作為解釋變量，第（2）列和第（3）列分別使用城市制造業(yè)人工智能發(fā)明專利授權(quán)數(shù)和申請數(shù)作為解釋變量。結(jié)果顯示，不論是使用城市制造業(yè)人工智能企業(yè)數(shù)還是人工智能專利數(shù)，地區(qū)人工智能與制造業(yè)融合程度對地區(qū)經(jīng)濟增長具有顯著的正向促進作用。具體來說，城市制造業(yè)人工智能存活企業(yè)數(shù)目每增加1萬家，地區(qū)經(jīng)濟總量提升 12 . 5 % ；城市制造業(yè)人工智能專利授權(quán)數(shù)和申請數(shù)提高1個百分點，地區(qū)經(jīng)濟總量分別增加 3 . 3 % 和 1 . 9 % 。這可能是因為一方面人工智能的滲透性、替代性、協(xié)同性和創(chuàng)造性四項技術(shù)一經(jīng)濟特征，不僅有助于推動國民經(jīng)濟各領(lǐng)域、各部門高質(zhì)量增長，而且人工智能自身規(guī)模壯大也有助于經(jīng)濟增長質(zhì)量的提升（蔡躍洲和陳楠，2019）。另一方面，制造業(yè)具有規(guī)模效應(yīng)、前后聯(lián)動效應(yīng)、投入一產(chǎn)出結(jié)構(gòu)效應(yīng)等，不僅有助于拉動其他產(chǎn)業(yè)發(fā)展，還能促進產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級（朱蘭等，2024）。

另外，相比較而言，城市人工智能企業(yè)存活數(shù)比專利申請數(shù)量的經(jīng)濟產(chǎn)值帶動效應(yīng)更強，這可能是因為專利授權(quán)受專利代理、專利審查等其他方面因素的影響，具有時滯性，經(jīng)濟效應(yīng)當(dāng)期不能及時顯現(xiàn)，而人工智能領(lǐng)域?qū)＠暾埍旧硪呀?jīng)體現(xiàn)了該行業(yè)人工智能領(lǐng)域的研發(fā)投人，專利申請是研發(fā)活動的結(jié)果，研發(fā)活動本身已經(jīng)對地區(qū)經(jīng)濟增長起到了促進作用。而制造業(yè)人工智能企業(yè)是人工智能與制造業(yè)融合的實際載體，屬于“新型實體企業(yè)”。這類企業(yè)大多屬于資本或者技術(shù)密集型的智能制造企業(yè)，資源利用率與生產(chǎn)效益更高，能夠顯著促進地區(qū)經(jīng)濟增長。

進一步分析城市人工智能與制造業(yè)融合促進經(jīng)濟增長的機制，本文分別從實體經(jīng)濟發(fā)展與就業(yè)擴張兩個方面進行分析。研究表明，人工智能與制造業(yè)融合的載體，比如智能制造、工業(yè)機器人、工業(yè)互聯(lián)網(wǎng)等，都會顯著促進實體經(jīng)濟的發(fā)展。表2列出了城市人工智能與制造業(yè)融合發(fā)展對地區(qū)工業(yè)經(jīng)濟的影響，其中第（1）列使用城市制造業(yè)人工智能企業(yè)存活數(shù)作為解釋變量，第（2）列和第（3）列分別使用城市制造業(yè)人工智能發(fā)明專利申請數(shù)和授權(quán)數(shù)作為解釋變量。結(jié)果顯示，不論是城市人工智能與制造業(yè)領(lǐng)域的技術(shù)融合還是產(chǎn)業(yè)融合，均有助于促進工業(yè)生產(chǎn)總值的增加。具體而言，城市制造業(yè)人工智能存活企業(yè)數(shù)目每增加1萬家，第二產(chǎn)業(yè)產(chǎn)值提高 1 6 . 9 % ；城市制造業(yè)人工智能專利申請數(shù)和授權(quán)數(shù)每提高1個百分點，第二產(chǎn)業(yè)產(chǎn)值分別提高 4 . 8 % 和 2 . 7 % 。這可能是因為企業(yè)與其他數(shù)字經(jīng)濟核心產(chǎn)業(yè)（數(shù)字產(chǎn)品服務(wù)業(yè)除外）的技術(shù)融合對全要素生產(chǎn)率均有顯著的提升作用，偏向于實體產(chǎn)業(yè)技術(shù)創(chuàng)新的企業(yè)從數(shù)實產(chǎn)業(yè)技術(shù)融合中能獲得更大的全要素生產(chǎn)率提升效益（黃先海和高亞興，2023）。人工智能應(yīng)用能夠顯著促進制造業(yè)高質(zhì)量發(fā)展，而且能有效提升制造業(yè)發(fā)展的經(jīng)濟效益、創(chuàng)新效益、綠色效益和附加值效益（陸瑤和楊仁發(fā)，2023）。

表3列出了人工智能與制造業(yè)融合對地區(qū)勞動就業(yè)的影響，分別使用第二產(chǎn)業(yè)就業(yè)人數(shù)和制造業(yè)就業(yè)人數(shù)作為地區(qū)實體經(jīng)濟就業(yè)人數(shù)的代理變量。其中第（1）列和第（2）列使用城市制造業(yè)人工智能企業(yè)存活數(shù)作為解釋變量，第（3）列和第（4）列使用城市制造業(yè)人工智能發(fā)明專利申請數(shù)作為解釋變量，第（5）列和第（6）列使用城市制造業(yè)人工智能發(fā)明專利授權(quán)數(shù)作為解釋變量。結(jié)果顯示，城市人工智能與制造業(yè)領(lǐng)域的技術(shù)融合和產(chǎn)業(yè)融合，均有助于促進地區(qū)實體經(jīng)濟核心部門的就業(yè)人數(shù)增加。具體而言，城市制造業(yè)人工智能存活企業(yè)數(shù)目每增加1萬家，第二產(chǎn)業(yè)和制造業(yè)就業(yè)人數(shù)分別提高 1 3 . 7 % 和6 . 4 % ;城市制造業(yè)人工智能專利申請數(shù)每提高1個百分點，第二產(chǎn)業(yè)和制造業(yè)就業(yè)人數(shù)分別提高 5 . 2 % 和 5 % ;城市制造業(yè)人工智能專利授權(quán)數(shù)每提高1個百分點，第二產(chǎn)業(yè)和制造業(yè)就業(yè)人數(shù)分別提高 3 . 9 % 和 4 . 3 % 。這可能是因為經(jīng)濟轉(zhuǎn)型與創(chuàng)新對新產(chǎn)品的需求增長有助于創(chuàng)造就業(yè)（Harrison 等，2014）。人工智能與制造業(yè)融合的過程中，新技術(shù)和新產(chǎn)品創(chuàng)造了新的市場需求和工作崗位，增加了勞動力需求（ S u 等，2022），尤其是對于產(chǎn)業(yè)智能化發(fā)展期和處于上升期的產(chǎn)業(yè)（陳東和秦子洋，2022）。

（三）穩(wěn)健性檢驗

為了保證結(jié)果的可信度，本文主要從遺漏變量、測量誤差、反向因果三方面考慮其內(nèi)生性問題。因此，本文綜合使用替換被解釋變量、增加控制變量、改變?nèi)诤蠑?shù)據(jù)權(quán)重、使用GMM模型四種方式，進行穩(wěn)健性檢驗（見表4）。具體來說：（1）替換被解釋變量?；鶞?zhǔn)模型中使用城市GDP 衡量城市經(jīng)濟增長，這可能受城市人口規(guī)模的影響。因此，本文使用城市人均GDP作為被解釋變量，研究城市人工智能與制造業(yè)融合對地區(qū)人均收入水平的提升。（2）增加控制變量?；鶞?zhǔn)回歸模型中僅控制了地區(qū)人口總量、單位從業(yè)人數(shù)和研發(fā)人員數(shù)量，為了避免因遺漏變量帶來的內(nèi)生性，本文進一步增加了單位從業(yè)人員數(shù)、規(guī)模以上工業(yè)企業(yè)數(shù)、年末金融機構(gòu)各項貸款余額、實際使用外資金額、教育支出、科學(xué)支出等變量，研究城市人工智能與制造業(yè)融合對地區(qū)經(jīng)濟增長的影響。（3）使用其他權(quán)重計算城市人工智能與制造業(yè)融合水平。前文使用城市制造業(yè)企業(yè)存活數(shù)自增速作為可變權(quán)重，考慮到地區(qū)人工智能與制造業(yè)融合程度可能與地區(qū)經(jīng)濟增速相關(guān)，本文進一步使用地區(qū)經(jīng)濟增速作為可變權(quán)重，衡量年度城市人工智能與制造業(yè)融合水平。（4）使用GMM模型。由于模型可能存在反向因果關(guān)系，本文在基準(zhǔn)模型的基礎(chǔ)上加人城市人工智能與制造業(yè)融合水平的滯后一期，模型轉(zhuǎn)化為一個動態(tài)面板模型，然后使用系統(tǒng)GMM進行估計。核心解釋變量使用城市制造業(yè)人工智能企業(yè)存活數(shù)用以衡量人工智能與制造業(yè)融合程度，所有的結(jié)果均顯示，城市人工智能與制造業(yè)融合顯著促進了地區(qū)經(jīng)濟增長，表明本文的分析結(jié)果是穩(wěn)健的。①

五、拓展分析：什么導(dǎo)致地區(qū)人工智能與制造業(yè)融合差異？

（一）模型構(gòu)建與變量說明

2016年被視為人工智能元年。2016年AlphaGO打敗李世石使得人工智能廣泛進人普通大眾視野，同年，蘋果、特斯拉、百度、谷歌等巨頭實現(xiàn)人工智能技術(shù)突破，世界主要經(jīng)濟體紛紛出臺人工智能發(fā)展戰(zhàn)略，美國發(fā)布《為未來人工智能作好準(zhǔn)備》和《人工智能、自動化和經(jīng)濟》，日本審議通過《第五期科學(xué)技術(shù)基本計劃（2016—2020）》，中國也在《“十三五\"國家科技創(chuàng)新規(guī)劃》以下簡稱《規(guī)劃》）中明確將“人工智能\"作為科技創(chuàng)新重點發(fā)展方向?？萍紕?chuàng)新規(guī)劃對全國技術(shù)發(fā)展和產(chǎn)業(yè)政策的出臺具有直接的影響，但是由于地方經(jīng)濟發(fā)展基礎(chǔ)和產(chǎn)業(yè)結(jié)構(gòu)不同，《規(guī)劃》對不同地區(qū)的人工智能的發(fā)展影響不同。為了研究《規(guī)劃》沖擊的影響，本文將地區(qū)按照第二產(chǎn)業(yè)占比進行劃分，研究《規(guī)劃》對不同地區(qū)的差異性影響。由于《規(guī)劃》對全國各地區(qū)都有影響，不適合使用雙重差分法，本文使用事件分析法識別《規(guī)劃》出臺對城市人工智能與制造業(yè)融合的動態(tài)效應(yīng)。模型構(gòu)建如下：

式中， 表示 年城市 ∣ c ∣ 人工智能與制造業(yè)融合程度，分別使用制造業(yè)人工智能企業(yè)存活數(shù)、新進入數(shù)、退出數(shù)、發(fā)明專利申請數(shù)和發(fā)明專利授權(quán)數(shù)，從新型實體企業(yè)和實數(shù)技術(shù)融合兩個方面進行衡量。 表示人工智能政策沖擊前后的年份，本文設(shè)定政策沖擊前5年以及政策沖擊后 4年，共包含10年的窗口期。Treat。按照2015年第二產(chǎn)業(yè)增加值占比是否超過中位數(shù)進行區(qū)分，如果2015年城市 的第二產(chǎn)業(yè)增加值占比超過了中位數(shù)，該城市以第二產(chǎn)業(yè)作為主導(dǎo)產(chǎn)業(yè)，那么就認(rèn)為是處理組，Treat。取值為1;反之則為控制組，取值為 捕捉了政策的動態(tài)效應(yīng)，衡量政策沖擊不同年份對城市人工智能與制造業(yè)融合深度的影響。λ。表示城市固定效應(yīng)， 表示年份固定效應(yīng)，分別控制城市層面不隨時間變動的特征和時間趨勢， 是誤差項。城市年度制造業(yè)人工智能行業(yè)企業(yè)數(shù)和專利數(shù)據(jù)來源于企研·學(xué)術(shù)大數(shù)據(jù)平臺，城市層面數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》，時間為2010—2020年。

（二）結(jié)果分析

表5列出了政策沖擊對城市制造業(yè)人工智能企業(yè)數(shù)自的影響，包括制造業(yè)人工智能企業(yè)新進入數(shù)、退出數(shù)和凈進入數(shù)。結(jié)果顯示，2016年《規(guī)劃》的出臺顯著影響了城市制造業(yè)人工智能企業(yè)的進入和退出，且政策具有滯后性。在政策實施當(dāng)年，《規(guī)劃》對城市制造業(yè)人工智能企業(yè)發(fā)展沒有顯著影響；但是在政策沖擊一年后，相較于非第二產(chǎn)業(yè)占主導(dǎo)的地區(qū)，第二產(chǎn)業(yè)占主導(dǎo)的地區(qū)制造業(yè)人工智能企業(yè)進入數(shù)目顯著下降，退出數(shù)量增多，凈進入企業(yè)數(shù)目減少。這一政策效應(yīng)隨著時間的推移，更加明顯。這說明，《規(guī)劃》的出臺確實對城市制造業(yè)人工智能的發(fā)展產(chǎn)生了影響，但是這一影響具有非對稱性。也就是說相較于非第二產(chǎn)業(yè)主導(dǎo)的地區(qū)，第二產(chǎn)業(yè)主導(dǎo)地區(qū)的制造業(yè)人工智能企業(yè)凈進入企業(yè)數(shù)自反而下降了，制造業(yè)人工智能企業(yè)更多向非工業(yè)主導(dǎo)地區(qū)匯集。這可能是由于人工智能企業(yè)屬于技術(shù)和人才密集型，在國家科技創(chuàng)新鼓勵人工智能技術(shù)研發(fā)之后，更多企業(yè)更傾向于進人以服務(wù)業(yè)為主的發(fā)達地區(qū)。

這與王林輝等（2022）發(fā)現(xiàn)的人工智能企業(yè)地理格局分布呈現(xiàn)“強者愈強，弱者愈弱\"現(xiàn)象一致，背后原因在于由于規(guī)模效應(yīng)和協(xié)同效應(yīng)，人工智能企業(yè)的地理格局往往由大規(guī)模企業(yè)主導(dǎo)，人工智能企業(yè)跟隨龍頭企業(yè)聚集分布。

圖1展示了政策沖擊前后城市制造業(yè)人工智能企業(yè)進人與退出的回歸系數(shù)，可以看出，2016 年政策沖擊后，第二產(chǎn)業(yè)主導(dǎo)地區(qū)制造業(yè)人工智能企業(yè)數(shù)目出現(xiàn)了較大的進入一退出更替，新進入企業(yè)數(shù)目明顯較少，企業(yè)退出數(shù)目增加，制造業(yè)人工智能企業(yè)更多出現(xiàn)在非工業(yè)主導(dǎo)地區(qū)。

為檢驗結(jié)果的穩(wěn)健性，將被解釋變量替換為城市制造業(yè)人工智能發(fā)明專利申請數(shù)和授權(quán)數(shù)。表6展示了替換變量后的回歸結(jié)果。結(jié)果顯示，《規(guī)劃》出臺的政策沖擊效果當(dāng)期就已出現(xiàn)，且具有動態(tài)性、持續(xù)性。不論是制造業(yè)人工智能專利申請數(shù)還是授權(quán)數(shù)，在《規(guī)劃》出臺后，第二產(chǎn)業(yè)主導(dǎo)地區(qū)的制造業(yè)人工智能發(fā)明專利申請數(shù)和授權(quán)數(shù)均出現(xiàn)了下降，制造業(yè)人工智能技術(shù)更多出現(xiàn)在非第二產(chǎn)業(yè)主導(dǎo)的地區(qū)。這可能是因為技術(shù)的出現(xiàn)更多是在科學(xué)研究行業(yè)、ICT行業(yè)等生產(chǎn)性服務(wù)業(yè)，制造業(yè)更多是人工智能技術(shù)的應(yīng)用領(lǐng)域，人工智能專利更多是外觀設(shè)計或者實用新型專利。

六、研究結(jié)論與政策建議

數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展，是帶動區(qū)域產(chǎn)業(yè)升級和經(jīng)濟轉(zhuǎn)型、建設(shè)創(chuàng)新型國家和世界科技強國、提升全球地位和實現(xiàn)大國崛起的重大戰(zhàn)略選擇。黨的二十大報告強調(diào)要“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”。黨的二十屆三中全會更是首次提出\"實數(shù)融合”，強調(diào)數(shù)字經(jīng)濟促進實體經(jīng)濟發(fā)展的重要性。本文聚焦人工智能與制造業(yè)融合，利用2010—2020年城市制造業(yè)人工智能專利數(shù)目和企業(yè)數(shù)目，衡量人工智能與制造業(yè)融合程度，研究城市人工智能與制造業(yè)融合的空間特征、經(jīng)濟效應(yīng)與影響因素。研究發(fā)現(xiàn)：第一，中國人工智能與制造業(yè)融合呈現(xiàn)出在 2016 年后加速發(fā)展、空間上“東多西少、高度集中\(zhòng)"的分布特征;第二，城市制造業(yè)人工智能發(fā)展通過推動第二產(chǎn)業(yè)發(fā)展和擴大勞動就業(yè)，促進地區(qū)經(jīng)濟增長，且這一經(jīng)濟效應(yīng)在高收入地區(qū)更為顯著;第三，使用事件分析法發(fā)現(xiàn)，2016 年《“十三五\"國家科技創(chuàng)新規(guī)劃》的出臺顯著影響了地區(qū)制造業(yè)人工智能企業(yè)的進入和退出，且相較于非第二產(chǎn)業(yè)主導(dǎo)的地區(qū)，第二產(chǎn)業(yè)主導(dǎo)地區(qū)制造業(yè)人工智能企業(yè)進入數(shù)目下降，退出數(shù)量增多，凈進入企業(yè)數(shù)目減少，進一步加大了人工智能與制造業(yè)融合的區(qū)域差距。

不同城市人工智能與制造業(yè)融合程度反映了中國當(dāng)前存在的“數(shù)字鴻溝\"和“技術(shù)鴻溝”。隨著技術(shù)進步和企業(yè)發(fā)展的循環(huán)累積，若不采取措施，將進一步加劇地區(qū)間經(jīng)濟發(fā)展不均衡，不利于新發(fā)展格局的構(gòu)建和經(jīng)濟高質(zhì)量發(fā)展。因此，有必要制定科學(xué)合理的政策，降低人工智能與制造業(yè)的融合門檻，緩解融合瓶頸，推動人工智能與制造業(yè)深度融合，促進制造業(yè)轉(zhuǎn)型升級，推動區(qū)域經(jīng)濟均衡發(fā)展。這就需要：第一，尊重人工智能技術(shù)發(fā)展規(guī)律，保持和增強發(fā)達地區(qū)人工智能技術(shù)的創(chuàng)新優(yōu)勢，發(fā)揮技術(shù)進步和產(chǎn)業(yè)變革引領(lǐng)作用。人工智能技術(shù)具有高資本、高技術(shù)、高人力資本、高數(shù)據(jù)密集特征，這就決定了人工智能技術(shù)的研發(fā)和創(chuàng)新集中于發(fā)達地區(qū)。發(fā)達地區(qū)人工智能技術(shù)水平代表中國人工智能技術(shù)的前沿，應(yīng)尊重科學(xué)創(chuàng)新和數(shù)字經(jīng)濟發(fā)展規(guī)律，培育京津冀、長三角、粵港澳人工智能產(chǎn)業(yè)集群，打造人工智能創(chuàng)新發(fā)展高地。對標(biāo)世界技術(shù)前沿，補齊人工智能技術(shù)短板，保持和增強比較優(yōu)勢，進一步提高人工智能技術(shù)研發(fā)優(yōu)勢，加強人工智能“卡脖子\"關(guān)鍵核心技術(shù)攻關(guān)。加強體制機制創(chuàng)新，支持人工智能技術(shù)創(chuàng)新平臺建設(shè)，鼓勵建立海外實驗室，加強國內(nèi)外人才和技術(shù)交流，融人全球創(chuàng)新網(wǎng)絡(luò)（朱蘭，2024）。

第二，填補知識鴻溝，培養(yǎng)復(fù)合型人才，拓展人工智能技術(shù)應(yīng)用場景，推動人工智能與不同行業(yè)深度融合。一是根據(jù)制造業(yè)不同細(xì)分行業(yè)的要素稟賦、技術(shù)特性、生產(chǎn)經(jīng)營模式等，探索人工智能應(yīng)用場景，加快人工智能技術(shù)成果轉(zhuǎn)化應(yīng)用。搭建人工智能與制造業(yè)企業(yè)對接平臺，將制造業(yè)企業(yè)作為“出題人”，邀請人工智能等技術(shù)領(lǐng)域企業(yè)或者高校作為“解題人”，共同破解人工智能與制造業(yè)融合難題。二是填補知識鴻溝，培養(yǎng)符合數(shù)智化時代的復(fù)合型人才，是推動制造業(yè)和人工智能融合發(fā)展的關(guān)鍵。依靠多種途徑培養(yǎng)制造業(yè)與數(shù)字技術(shù)復(fù)合型人才，如高?；蛘吒呗毟邔ＴO(shè)置智能制造專業(yè)，通過本科輔修、遠(yuǎn)程教育、技能培訓(xùn)等方式加強制造業(yè)學(xué)生的數(shù)智能力，也可以鼓勵專業(yè)數(shù)字技術(shù)人才進入具體制造業(yè)實體部門，了解不同產(chǎn)業(yè)的工業(yè)機理和市場需求，加快培養(yǎng)兼具數(shù)字思維、管理思維和生產(chǎn)能力的復(fù)合型人才（高柏和朱蘭，2020）。

第三，按照地區(qū)比較優(yōu)勢，補齊實數(shù)融合短板，加強區(qū)域間數(shù)字技術(shù)轉(zhuǎn)移和數(shù)字產(chǎn)業(yè)合作，縮小區(qū)域間“數(shù)字鴻溝”。洪銀興和任保平（2023）認(rèn)為當(dāng)前數(shù)字經(jīng)濟與實體經(jīng)濟融合存在“不能融合\"“融合不全\"“融合不深\"“不愿融合”和“不便融合\"的問題，并提出了推動數(shù)字經(jīng)濟和實體經(jīng)濟深度融合的途徑。但是，阻礙不同地區(qū)人工智能與制造業(yè)融合的因素存在差異，比如欠發(fā)達地區(qū)可能是因為數(shù)字基礎(chǔ)設(shè)施、產(chǎn)業(yè)基礎(chǔ)薄弱或者制造業(yè)技術(shù)較為落后。這就需要一方面加大經(jīng)濟欠發(fā)達地區(qū)數(shù)字基礎(chǔ)設(shè)施建設(shè)力度并鼓勵適度超前建設(shè)，補齊基礎(chǔ)設(shè)施短板。加強與發(fā)達地區(qū)部門、技術(shù)、人才交流，借助對口支援等區(qū)域互助模式，快速吸收企業(yè)數(shù)字化轉(zhuǎn)型、數(shù)字農(nóng)業(yè)、數(shù)字治理、在線教育等經(jīng)驗，發(fā)揮欠發(fā)達地區(qū)的后發(fā)優(yōu)勢。另一方面，要探究不同地區(qū)實數(shù)融合不深的具體原因，同時結(jié)合地區(qū)稟賦結(jié)構(gòu)和發(fā)展目標(biāo)，探索促進地區(qū)實體經(jīng)濟和數(shù)字經(jīng)濟融合發(fā)展的路徑與模式。立足落后地區(qū)的發(fā)展階段和稟賦結(jié)構(gòu)，以產(chǎn)業(yè)升級為“考題”，將人工智能等數(shù)字技術(shù)作為“解題”工具，賦能地區(qū)產(chǎn)業(yè)升級和經(jīng)濟發(fā)展，同時挖掘新經(jīng)濟業(yè)態(tài)和新經(jīng)濟模式。

參考文獻：

[1］蔡躍洲、陳楠，2019：《新技術(shù)革命下人工智能與高質(zhì)量增長、高質(zhì)量就業(yè)》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第5期。

[2]曹靜、周亞林，2018：《人工智能對經(jīng)濟的影響研究進展》，《經(jīng)濟學(xué)動態(tài)》第1期。

[3］鈔小靜，2022：《以數(shù)字經(jīng)濟與實體經(jīng)濟深度融合賦能新形勢下經(jīng)濟高質(zhì)量發(fā)展》，《財貿(mào)研究》第 12期。

[4］陳東、秦子洋，2022：《人工智能與包容性增長——來自全球工業(yè)機器人使用的證據(jù)》，《經(jīng)濟研究》第 4期。

[5]陳楠、蔡躍洲，2021：《數(shù)字技術(shù)對中國制造業(yè)增長速度及質(zhì)量的影響——基于專利應(yīng)用分類與行業(yè)異質(zhì)性的實證分析》《產(chǎn)業(yè)經(jīng)濟評論》第6期。

[6]陳楠、蔡躍洲，2022《人工智能、承接能力與中國經(jīng)濟增長——新\"索洛悖論\"和基于AI專利的實證分析》，《經(jīng)濟學(xué)動態(tài)》第11期。

[7]陳慶江、平雷雨、董天宇，2023：《數(shù)字技術(shù)應(yīng)用創(chuàng)新賦能效應(yīng)的實現(xiàn)方式與邊界條件》，《管理學(xué)報》第7期。

[8]陳曦，2022：《推動數(shù)字經(jīng)濟與實體經(jīng)濟深度融合：理論探析與實踐創(chuàng)新》，《人民論壇·學(xué)術(shù)前沿》第 24期。

[9]陳彥斌、林晨、陳小亮，2019：《人工智能、老齡化與經(jīng)濟增長》，《經(jīng)濟研究》第7期。

[10］陳雨露，2023：《數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展的理論探索》《經(jīng)濟研究》第9期。

[11」曹平、楊蓉博，2024：《智慧城市建設(shè)能促進城市數(shù)實融合嗎？——基于“準(zhǔn)自然實驗\"的證據(jù)》，《江南大學(xué)學(xué)報（人文社會科學(xué)版）》第3期。

[12］鄧洲，2018：《促進人工智能與制造業(yè)深度融合發(fā)展的難點及政策建議》，《經(jīng)濟縱橫》第8期。

[13］鄧悅、蔣琬儀，2022：《智能化轉(zhuǎn)型何以激發(fā)企業(yè)創(chuàng)新？——基于制造業(yè)勞動力多樣性的解釋》，《改革》第9期。

[14]付文宇、李彥、趙景峰，2020：《人工智能如何影響地區(qū)制造業(yè)優(yōu)化升級？——基于雙重中介效應(yīng)的研究》，《經(jīng)濟體制改革》第4期。

[15」高柏、朱蘭，2020：《從“世界工廠\"到工業(yè)互聯(lián)網(wǎng)強國：打造智能制造時代的競爭優(yōu)勢》，《改革》第6期。

[16」高煜，2019：《我國經(jīng)濟高質(zhì)量發(fā)展中人工智能與制造業(yè)深度融合的智能化模式選擇》，《西北大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》第5期。

[17］郭晗、全勤慧，2022：《數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展：測度評價與實現(xiàn)路徑》，《經(jīng)濟縱橫》第11期。

[18］高華川、王劃璞、董珍，2024：《智能驅(qū)動與企業(yè)綠色創(chuàng)新——基于國家人工智能試驗區(qū)的準(zhǔn)自然實驗》，《江南大學(xué)學(xué)報（人文社會科學(xué)版）》第6期。

[19」何德旭、張昊、劉蘊霆，2024：《新型實體企業(yè)促進數(shù)實融合提升發(fā)展質(zhì)量》，《中國工業(yè)經(jīng)濟》第2期[20]洪銀興、任保平，2023：《數(shù)字經(jīng)濟與實體經(jīng)濟深度融合的內(nèi)涵和途徑》，《中國工業(yè)經(jīng)濟》第2期。

[21］胡西娟、師博、楊建飛，2022：《中國數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展的驅(qū)動因素與區(qū)域分異》，《學(xué)習(xí)與實踐》第12期。

[22]黃群慧，2017：《論新時期中國實體經(jīng)濟的發(fā)展》，《中國工業(yè)經(jīng)濟》第9期。

[23]黃先海、高亞興，2023：《數(shù)實產(chǎn)業(yè)技術(shù)融合與企業(yè)全要素生產(chǎn)率——基于中國企業(yè)專利信息的研究》，《中國工業(yè)經(jīng)濟》第11期。

[24]蔣為、倪詩程、彭淼，2025：《數(shù)字科技企業(yè)賦能實體經(jīng)濟發(fā)展的效率變革——基于數(shù)字化供應(yīng)鏈視角的理論與經(jīng)驗證據(jù)》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第1期。

[25]厲無畏，2002：《產(chǎn)業(yè)融合與產(chǎn)業(yè)創(chuàng)新》，《上海管理科學(xué)》第4期。

[26］李翔、葉初升、潘麗群，2023：《人工智能何以提升中國制造業(yè)發(fā)展質(zhì)量——索洛悖論在中國制造業(yè)的再檢驗》，《蘭州大學(xué)學(xué)報（社會科學(xué)版）》第4期。

[27]劉斌、潘彤，2020：《人工智能對制造業(yè)價值鏈分工的影響效應(yīng)研究》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第10 期。

[28]陸岷峰，2023：《數(shù)字科技賦能實體經(jīng)濟高質(zhì)量發(fā)展：融合優(yōu)勢、運行機理與實踐路徑》，《新疆師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》第1期。

[29]陸瑤、楊仁發(fā)，2023：《人工智能對制造業(yè)高質(zhì)量發(fā)展的影響研究》，《華東經(jīng)濟管理》第4期。

[30]呂越、陳泳昌、張昊天、諸竹君，2023：《電商平臺與制造業(yè)企業(yè)創(chuàng)新——兼論數(shù)字經(jīng)濟和實體經(jīng)濟深度融合的創(chuàng)新驅(qū)動路徑》《經(jīng)濟研究》第8期。

[31］米晉宏、江凌文、李正圖，2020：《人工智能技術(shù)應(yīng)用推進中國制造業(yè)升級研究》，《人文雜志》第9期。

[32]任保平、宋文月，2019：《新一代人工智能和實體經(jīng)濟深度融合促進高質(zhì)量發(fā)展的效應(yīng)與路徑》，《西北大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）》第5期。

[33］陶鋒、朱盼、邱楚芝、王欣然，2023：《數(shù)字技術(shù)創(chuàng)新對企業(yè)市場價值的影響研究》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第5期。

[34］王林輝、姜昊、董直慶，2022：《工業(yè)智能化會重塑企業(yè)地理格局嗎》，《中國工業(yè)經(jīng)濟》第2期。

[35］王霄瓊、陳聰、李騰飛，2024：《制造業(yè)智能化、產(chǎn)業(yè)結(jié)構(gòu)升級與區(qū)域經(jīng)濟增長》，《當(dāng)代經(jīng)濟》第 10 期。

[36］夏杰長，2022：《中國式現(xiàn)代化視域下實體經(jīng)濟的高質(zhì)量發(fā)展》，《改革》第10 期。

[37]夏杰長、李鑾誤，2024：《數(shù)實融合驅(qū)動經(jīng)濟高質(zhì)量發(fā)展：驅(qū)動機制與優(yōu)化路徑》，《探索與爭鳴》第9期。

[38］謝偉麗、石軍偉、張起帆，2023：《人工智能、要素稟賦與制造業(yè)高質(zhì)量發(fā)展——來自中國 208 個城市的經(jīng)驗證據(jù)》，《經(jīng)濟與管理研究》第4期。

[39]徐亞平、史依銘，2024：《數(shù)字經(jīng)濟與實體經(jīng)濟融合賦能“專精特新\"企業(yè)高質(zhì)量發(fā)展》，《經(jīng)濟體制改革》第4期。

[40］楊先明、王志閣，2023：《人工智能、財政職能與中國經(jīng)濟發(fā)展質(zhì)量》，《宏觀質(zhì)量研究》第4期。

[41]楊艷、王理、李雨佳、廖祖君，2023：《中國經(jīng)濟增長：數(shù)據(jù)要素的“雙維驅(qū)動\"》，《統(tǒng)計研究》第4期。

[42]張帥、吳珍瑋、陸朝陽、張娜，2022：《中國省域數(shù)字經(jīng)濟與實體經(jīng)濟融合的演變特征及驅(qū)動因素》，《經(jīng)濟地理》第7期。

[43］趙劍波，2020：《推動新一代信息技術(shù)與實體經(jīng)濟融合發(fā)展：基于智能制造視角》，《科學(xué)學(xué)與科學(xué)技術(shù)管理》第3期。

[44]鄭瓊潔、王高鳳，2021：《人工智能技術(shù)應(yīng)用與中國制造業(yè)企業(yè)生產(chǎn)率——兼對“生產(chǎn)率悖論\"的再檢驗》，《學(xué)習(xí)與實踐》第11期。

[45］朱蘭，2023：《人工智能與制造業(yè)深度融合：內(nèi)涵、機理與路徑》，《農(nóng)村金融研究》第8期。

[46］朱蘭，2024：《中國人工智能發(fā)展的空間極化與國際追趕——基于技術(shù)一產(chǎn)業(yè)雙重視角》，《農(nóng)村金融研究》第 3期。

[47]朱蘭、吳紫薇、王勇，2024：《經(jīng)濟高質(zhì)量發(fā)展的“引擎”——高端制造業(yè)發(fā)展、人力資本配置和經(jīng)濟增長》，《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》第4期。

[48]植草益，2001：《信息通訊業(yè)的產(chǎn)業(yè)融合》，《中國工業(yè)經(jīng)濟》第2期。

[49] Acemoglu，D.and Restrepo，P.，202o，Robots and Jobs： Evidence from US Labor Markets， Journal of PoliticalEconomy，128（6）： 2188-2244.

[50]Aghion，P.，Jones，B.F.and Jones，C.L.，2O17，Artificial Inteligenceand Economic Growth，NBER Working Paper，No.23928.

[51]Babina，T.，F(xiàn)edyk，A.，He，A.and Hodson，J.，2O24，Artificial Inteligence，F(xiàn)irm Growth，and Product Inovation，Journal of Financial Economics，151，103745.

[52]Cockburn，I. M.，Henderson，R.and Stern，S.，2O19，The Impact of Artificial Inteligence on Innovation：AnExploratory Analysis，In A. Agrawal， Gans J. and Goldfarb A.（Eds.）， The Economics of Artificial Intelligence，University of Chicago Press，115-148.

[53] Czarnitzki，D.，F(xiàn)ernandez，G.P.and Rammer，C.，2023，Artificial Intelligenceand Firm-level Productivity，Journalof Economic Behavior amp; Organization，21l：188-205.

[54]Damioli，G.，Van Roy V.and Vertesy D.，2021，The Impactof Artificial Inteligence on Labor Productivity，Eurasian Business Review，11：1-25.

[55]Freeman，C.and Perez，C.，1988，Structural Crises of Adjustment： Business Cycles and Investment Behaviour. In G.Dosi，C.Freeman，R.R. Nelson，G. Silverberg and L.L.G.Soete （Eds.），Technical Change and Economic Theory，Pinter Publishers.

[56]Harrison，R.，Jaumandreu，J.，Mairesse，J.and Peters，B.，2014，Does Innovation Stimulate Employment？AFirm-level Analysis Using Comparable Micro-Data from Four European Countries，International Journal of IndustrialOrganization，35： 29-43.

[57]Lu，C.H.，2O21，The Impactof Artificial InteligenceonEconomic Growthand Welfare，Journalof Macroeconomics，69，103342.

[58]Su，C.W.，Yuan，X.，Umar，M.and Lobont，O.R.，2022，Does Technological Innovation Bring Destructionor Creation tothe Labor Market？ Technology in Society，68，101905.

Advancing the Integration of Manufacturing and Artificial Intelligence： Spatial Distribution，Economic Effects， and Influencing Factors

Zhu Lan ，Leng Yuchen1 and Zhang Tongjin？

（1.Faculty of Applied Economics， UCASS;2.Institute of Quantitative amp; Technological Economics，CASS： 3.School of Economics，Tianjin University of Commerce）

Abstract： Fostering the deep integration of artificial intelligence （AI） and manufacturing constitutes a pivotal national strategy for China to cultivate new productive capacities，establish a modern industrial ecosystem，and advance high-quality economic development. This study examines the spatial-temporal evolution of regional AI-manufacturing integration across Chinese cities from 2010 to 2O2O，employing novel metrics derived from AI-related patent statistics and manufacturing enterprise survival rates. Through empirical analysis of economic impacts and policy determinants， three key findings emerge： First， the convergence process exhibited accelerated progresion post2016，displaying a distinct east-west gradient with pronounced concentration in technology-intensive eastern regions. Second， urban-level AI adoption in manufacturing stimulates regional economic growth through dual mechanisms of secondary sector productivity enhancement and employment expansion，with amplified effects observed in high-income cities. Third，event study analysis reveals that the 2O16 National Science 8 . Technology Innovation 13th Five-Year Plan implementation induced significant market restructuring-secondary sector-dominant regions experienced reduced AI enterprise entry，increased exits and negative net entry ，exacerbating regional integration disparities. These findings provide critical insights for designing spatially differentiated industrial policies and optimizing innovation ecosystem development in emerging economies.

Key Words： artificial inteligence； manufacturing； real integration； integration characteristics;economic effects