中圖分類號：F424.6 文獻標識碼：A

0 引言

產(chǎn)業(yè)鏈現(xiàn)代化是實現(xiàn)高質(zhì)量發(fā)展和建設現(xiàn)代化產(chǎn)業(yè)體系的基本要求，也是一國參與國際競爭和應對外生沖擊的內(nèi)在選擇。近年來，受全球供應鏈重組、地緣政治風險加劇等外部沖擊的影響，中國產(chǎn)業(yè)鏈安全面臨的不確定因素增多，推動產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展成為政府部門關注重點。習近平總書記在中央全面深化改革委員會第二十四次會議上強調(diào)，“要堅持壯大實體經(jīng)濟，推進產(chǎn)業(yè)基礎高級化、產(chǎn)業(yè)鏈現(xiàn)代化”。黨的二十大報告提出，要堅持以推動高質(zhì)量發(fā)展為主題，加快建設現(xiàn)代化經(jīng)濟體系，著力提升產(chǎn)業(yè)鏈供應鏈韌性和安全水平。中國近年來加大對高新技術產(chǎn)業(yè)和先進制造業(yè)的投人以期推動產(chǎn)業(yè)鏈高級化發(fā)展，但也面臨一些挑戰(zhàn)，一方面人口紅利喪失所導致的傳統(tǒng)勞動密集型產(chǎn)業(yè)勞動力成本上升，使中國在加工代工領域的競爭優(yōu)勢逐漸被勞動力成本更低的國家所替代；另一方面中國產(chǎn)業(yè)鏈建設中的工業(yè)基礎薄弱、核心技術短板、產(chǎn)業(yè)附加值低等一系列問題也仍舊存在[1]。關鍵技術領域的創(chuàng)新突破，對于克服產(chǎn)業(yè)鏈現(xiàn)代化進程中的各種開放科學（資源服務）標識碼（OSID）：文章編號：1001-7348（2025）13-0014-11制約因素，實現(xiàn)產(chǎn)業(yè)鏈自主可控至關重要。人工智能技術作為掀起第四次產(chǎn)業(yè)革命的通用型技術[2-3]，可以借助自動化生產(chǎn)、智能化管理、大數(shù)據(jù)分析等多種方式推動產(chǎn)業(yè)鏈升級，從而實現(xiàn)產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。《“十四五\"智能制造發(fā)展規(guī)劃》明確指出，要以“鼎新”帶動“革故”，以智能制造為主攻方向，通過推動人工智能、數(shù)字孿生等新技術的創(chuàng)新應用，實現(xiàn)我國制造業(yè)向全球價值鏈中高端攀升。綜上，探究人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的影響效應和作用機制，不僅有助于推動中國制造向中國智造轉(zhuǎn)型，更能為落實創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略、推進新型工業(yè)化和實現(xiàn)現(xiàn)代化經(jīng)濟體系建設提供理論支持與實踐參考。

目前，學界關于產(chǎn)業(yè)鏈現(xiàn)代化的研究尚處于初步階段，現(xiàn)有文獻主要聚焦產(chǎn)業(yè)鏈現(xiàn)代化內(nèi)涵和實現(xiàn)路徑等內(nèi)容。關于產(chǎn)業(yè)鏈現(xiàn)代化內(nèi)涵的界定，有學者認為產(chǎn)業(yè)鏈現(xiàn)代化的概念要從產(chǎn)業(yè)鏈和現(xiàn)代化兩個層次把握：產(chǎn)業(yè)鏈是指國民經(jīng)濟中各個產(chǎn)業(yè)部門之間客觀形成的像機械系統(tǒng)鏈條一樣耦合在一起的技術經(jīng)濟聯(lián)系[4]，現(xiàn)代化是指經(jīng)濟社會由傳統(tǒng)向現(xiàn)代轉(zhuǎn)變的過程[5]，因此產(chǎn)業(yè)鏈現(xiàn)代化是指通過提升產(chǎn)業(yè)基礎能力、優(yōu)化產(chǎn)業(yè)鏈運行模式、增強產(chǎn)業(yè)鏈條控制能力和治理能力等方式實現(xiàn)產(chǎn)業(yè)鏈整體水平的現(xiàn)代化發(fā)展[。也有學者立足于全球價值鏈視角，提出產(chǎn)業(yè)鏈現(xiàn)代化是指一個國家或者地區(qū)提升產(chǎn)業(yè)鏈水平、強化產(chǎn)業(yè)在全球價值鏈中的增值能力并實現(xiàn)全球價值鏈升級的過程[7]。雖然學界對于產(chǎn)業(yè)鏈現(xiàn)代化內(nèi)涵的界定尚未達成一致，但可以肯定的是，關于產(chǎn)業(yè)鏈現(xiàn)代化的內(nèi)涵，要立足時代背景和發(fā)展要求，順應國家發(fā)展戰(zhàn)略，從多維度、多角度予以界定[18]。在此基礎上，學者們從需求、供給、新質(zhì)生產(chǎn)力[9]、“鏈主\"企業(yè)[1]、產(chǎn)業(yè)結(jié)構(gòu)布局和融入全球產(chǎn)業(yè)分工體系[8等機制方面，圍繞產(chǎn)業(yè)鏈現(xiàn)代化的實現(xiàn)路徑展開了廣泛的理論探討，為探尋產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的可行途徑提供了豐富的理論支持。

關于人工智能技術影響效應，相關研究主要聚焦人工智能技術對就業(yè)[11]、收人[12]、經(jīng)濟增長[2]等方面影響的實證分析。關于人工智能技術對就業(yè)的影響，現(xiàn)有文獻主要從人工智能技術的崗位替代效應和崗位創(chuàng)造效應展開分析[]，有學者在此基礎上進一步探討了人工智能技術引發(fā)的職業(yè)變遷方向[13]。還有學者從人工智能技術對收入的影響效應展開分析，提出人工智能技術趨向于提高高技能勞動力收入水平，降低低技能勞動力收人水平[12]。Brynjolfsson等[2]對通用技術對經(jīng)濟增長的影響效應展開分析，陳彥斌等[14]通過實證檢驗證實了人工智能技術能夠通過應對老齡化問題帶來的沖擊、提高資本回報率和全要素生產(chǎn)率等途徑助力經(jīng)濟增長。

現(xiàn)有文獻聚焦產(chǎn)業(yè)鏈現(xiàn)代化內(nèi)涵和實現(xiàn)路徑的理論分析，并對人工智能技術的影響效應展開探討，但鮮少有文獻著眼于人工智能技術創(chuàng)新與產(chǎn)業(yè)鏈現(xiàn)代化間關系的實證研究。為此，本文使用2003—2022年中國內(nèi)地30個省份（西藏因數(shù)據(jù)不全未納人統(tǒng)計）數(shù)據(jù)，對人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的影響效應及作用機制展開實證檢驗。本文可能的邊際貢獻在于：第一，使用人工智能專利數(shù)據(jù)作為人工智能技術創(chuàng)新的代理指標，通過構(gòu)建產(chǎn)業(yè)鏈現(xiàn)代化指標體系，實證檢驗人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化水平的影響效應，彌補現(xiàn)有文獻中關于產(chǎn)業(yè)鏈現(xiàn)代化實證研究的空缺。第二，從人力資本和物質(zhì)資本兩大維度剖析人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的作用機制，為更好發(fā)揮人工智能技術賦能效應提供可行性路徑支持。第三，現(xiàn)有文獻大多忽略人工智能技術影響的持續(xù)性。本文從短期趨勢和長期效應兩個視角進一步分析不同時間維度下人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的作用效果，有利于豐富人工智能影響效應的研究視角。

1 理論分析與研究假設

1.1人工智能技術創(chuàng)新與產(chǎn)業(yè)鏈現(xiàn)代化

人工智能是引領新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略型技術，是推動中國產(chǎn)業(yè)優(yōu)化升級和生產(chǎn)力躍升的重要戰(zhàn)略資源，具有溢出帶動性很強的“頭雁\"效應，能夠為產(chǎn)業(yè)鏈現(xiàn)代化提供新型動力[8。第一，人工智能技術可以借助自動化生產(chǎn)和智能制造系統(tǒng)實時監(jiān)控和調(diào)整生產(chǎn)參數(shù)，優(yōu)化生產(chǎn)流程，提高生產(chǎn)效率。Graetz等[15]利用1993—2007年17個國家的機器人使用情況證實了機器人應用每增加 1% ，可以使年勞動生產(chǎn)率提高約 0.36% 。第二，人工智能技術可以通過大數(shù)據(jù)分析和機器學習算法助力企業(yè)實現(xiàn)對市場需求的精準預測，提高產(chǎn)業(yè)鏈各環(huán)節(jié)協(xié)同效率，提升供應鏈響應速度與靈活性，進而促進中國企業(yè)參與全球價值鏈[16]。同時，隨著人工智能技術與產(chǎn)業(yè)鏈融合發(fā)展，不但會改變傳統(tǒng)生產(chǎn)方式，推動傳統(tǒng)產(chǎn)業(yè)向智能化、高端化方向轉(zhuǎn)型，也會催生無人駕駛、智能機器人、智慧醫(yī)療等新興產(chǎn)業(yè)，帶動整個產(chǎn)業(yè)鏈升級（郭凱明，2019），實現(xiàn)產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。

人工智能技術可以促進產(chǎn)業(yè)鏈各環(huán)節(jié)及整個產(chǎn)業(yè)鏈條效率提升。一方面，人工智能技術能夠不斷為產(chǎn)業(yè)鏈各環(huán)節(jié)賦能并塑造全新的智能化環(huán)境[17]。在產(chǎn)業(yè)鏈上游，人工智能通過大數(shù)據(jù)分析幫助企業(yè)精準把握市場需求、優(yōu)化產(chǎn)品設計與研發(fā)流程，提高產(chǎn)品研發(fā)效率和質(zhì)量；在產(chǎn)業(yè)鏈中游，人工智能利用自動化設備和智能化管理降低能源消耗與生產(chǎn)成本，提高生產(chǎn)效率；在產(chǎn)業(yè)鏈下游，人工智能通過智能客服、智能推薦等應用提升市場響應速度和客戶服務水平。另一方面，人工智能技術可以為整個產(chǎn)業(yè)鏈條效率提升賦能。產(chǎn)業(yè)鏈的本質(zhì)特性是分工，自動化生產(chǎn)可以促進分工細化并提高專業(yè)化分工效率[13，優(yōu)化產(chǎn)業(yè)鏈運行模式；人工神經(jīng)網(wǎng)絡可以通過預測與建模分析提高產(chǎn)業(yè)鏈韌性；專家系統(tǒng)可以通過智能化管理提高產(chǎn)業(yè)鏈控制與治理能力。同時，人工智能技術能與各大產(chǎn)業(yè)融合發(fā)展，如：人工神經(jīng)網(wǎng)絡可以進行農(nóng)業(yè)預測和建模分析，助力工業(yè)信號分析和采掘探測，通過人臉識別與風險評估提高服務業(yè)水平；專家系統(tǒng)可以進行農(nóng)場管理和溫室環(huán)境監(jiān)測，助力制造業(yè)科學生產(chǎn)，輔助醫(yī)療與服務等；機器人可以進行智能農(nóng)業(yè)采摘、智能工業(yè)生產(chǎn)、拓寬服務業(yè)范疇等。人工智能技術的創(chuàng)新發(fā)展為產(chǎn)業(yè)鏈現(xiàn)代化注入了強大動力與活力，可以憑借其數(shù)據(jù)處理、智能決策支持和自動化生產(chǎn)等優(yōu)勢全方位推動產(chǎn)業(yè)鏈優(yōu)化升級，提升產(chǎn)業(yè)鏈現(xiàn)代化水平。據(jù)此，本文提出如下研究假設：

H₁ ：人工智能技術創(chuàng)新能夠推動產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。

1.2人工智能技術創(chuàng)新、人力資本高級化與產(chǎn)業(yè)鏈現(xiàn)代化

人工智能與產(chǎn)業(yè)鏈融合發(fā)展表現(xiàn)出四大基本特性：智能滲透、邊界延展、知識創(chuàng)造與自我深化。智能滲透是指一種技術與生產(chǎn)生活中的各個環(huán)節(jié)相互融合、相互滲透并改變經(jīng)濟運行方式的潛能[18]，是人工智能作為通用技術最基本的特性之一[19]。與其他創(chuàng)新技術不同的是，人工智能技術的滲透作用具有“智能”特性，能夠更廣泛地滲透到經(jīng)濟社會的方方面面，包括農(nóng)業(yè)、工業(yè)、服務業(yè)中的各個行業(yè)，以及研發(fā)、生產(chǎn)、銷售、服務等各個環(huán)節(jié)。邊界延展是指人工智能技術催生新的生產(chǎn)任務和拓展生產(chǎn)邊界的能力，具體表現(xiàn)為人工智能技術的創(chuàng)新升級會不斷延伸人的體力和腦力勞動界限，拓寬行業(yè)生產(chǎn)和服務范疇，拓展新產(chǎn)品、新崗位、新市場[12]。知識創(chuàng)造是指人工智能技術能夠模擬人的思維邏輯，產(chǎn)生原本需要人腦反復認識和實踐才能得到的新知識，是人工智能技術區(qū)別于以往技術的特有屬性[20]。具體表現(xiàn)為人工智能技術可以通過對現(xiàn)有知識的深度學習和大數(shù)據(jù)分析發(fā)現(xiàn)和創(chuàng)造出新的知識，ChatGPT、文心一言等生成式人工智能的涌現(xiàn)使得知識創(chuàng)造成為人工智能不可忽視的特性之一。自我深化是指人工智能可以借助大數(shù)據(jù)進行自我訓練和優(yōu)化以提高自身準確性和效率，具體表現(xiàn)為：人工智能技術能夠通過自我深化賦予人工智能更多功能，拓寬生產(chǎn)范圍；人工智能技術可以通過自我革新和訓練提高生產(chǎn)和工作效率，數(shù)字經(jīng)濟時代的來臨為人工智能技術的自我深化提供了大量數(shù)據(jù)基礎。

在人工智能技術創(chuàng)新發(fā)展過程中，智能滲透、邊界延展和知識創(chuàng)造特性決定了人工智能會不斷推動人力資本高級化以提升產(chǎn)業(yè)鏈現(xiàn)代化水平。與人類勞動相比，智能化設備具備生產(chǎn)效率和生產(chǎn)精度方面的優(yōu)勢，故智能滲透特性決定了人工智能技術的創(chuàng)新發(fā)展會不斷降低生產(chǎn)活動中對于中低技能勞動力的需求。而邊界延展特性又決定了人工智能技術會不斷催生出新業(yè)態(tài)和新崗位，增加社會生產(chǎn)活動中對于高技能勞動力的需求。Acemoglu等[11]研究指出，自動化技術傾向于替代低技能、重復性工作，但同時也會創(chuàng)造出需要高技能勞動力來完成的新任務和新崗位。人工智能技術作為“發(fā)明方法的發(fā)明”，其知識創(chuàng)造特性也會通過助力人力資本高級化發(fā)展推動產(chǎn)業(yè)鏈現(xiàn)代化。尤其是在科學研究領域，科研人員確定某種創(chuàng)新發(fā)現(xiàn)極為不易，人工智能技術則可以通過大數(shù)據(jù)和深度學習較為準確地預測和分析可能出現(xiàn)的結(jié)果，促進人力資本升級。而人力資本是提升產(chǎn)業(yè)鏈現(xiàn)代化水平的關鍵因素：首先，人力資本水平的提升可以有效提高產(chǎn)業(yè)鏈韌性，增強產(chǎn)業(yè)鏈自主可控能力；其次，高質(zhì)量的人力資本會增強知識和技能溢出效應，助力產(chǎn)業(yè)鏈各環(huán)節(jié)整合，同時還可以更有效地提高產(chǎn)業(yè)鏈上中下游的協(xié)同性，推動產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。據(jù)此，本文提出如下研究假設：

H₂ ：人工智能技術創(chuàng)新通過推動人力資本高級化助力產(chǎn)業(yè)鏈現(xiàn)代化。

1.3人工智能技術創(chuàng)新、固定資產(chǎn)回報率提升與產(chǎn)業(yè)鏈現(xiàn)代化

人工智能技術創(chuàng)新發(fā)展中的智能滲透、邊界延展和自我深化特性決定了人工智能會不斷提升固定資產(chǎn)回報率以促進產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。一方面，隨著勞動力成本的上升，人工智能技術在某些方面相對于人類勞動力的比較優(yōu)勢越來越顯著，其智能滲透特性帶來的自動化轉(zhuǎn)型大大提高了企業(yè)生產(chǎn)效率，固定資產(chǎn)回報率由此得以提升。另一方面，人工智能技術作為形成新質(zhì)生產(chǎn)力的關鍵引擎[21]，邊界延展特性使其不斷拓展出如自動駕駛、智慧醫(yī)療、智慧農(nóng)業(yè)等新業(yè)態(tài)和新模式，以此拓寬企業(yè)經(jīng)營模式和提高經(jīng)營效率，提升企業(yè)固定資產(chǎn)回報率。其自我深化特性則會使人工智能在一定程度上擺脫對工程師研發(fā)升級的依賴，自發(fā)地利用大數(shù)據(jù)和深度學習進行更新升級，進一步提高固定資產(chǎn)回報率。固定資產(chǎn)回報率的提升會提高儲蓄率和投資率[14]，儲蓄率和投資率的提升則意味著長期需求和供給的增加，而需求和供給又是提升產(chǎn)業(yè)鏈現(xiàn)代化水平的基本驅(qū)動力之一[8]，故而固定資產(chǎn)回報率的提升會從供給和需求兩端提高產(chǎn)業(yè)鏈現(xiàn)代化水平。據(jù)此，本文提出如下研究假設：

H₃ ：人工智能技術創(chuàng)新通過促進固定資產(chǎn)回報率提升助力產(chǎn)業(yè)鏈現(xiàn)代化。

綜上所述，本文構(gòu)建理論模型，如圖1所示。

2中國產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展水平分析

2.1產(chǎn)業(yè)鏈現(xiàn)代化指標體系構(gòu)建

關于產(chǎn)業(yè)鏈現(xiàn)代化測度指標的選取，本文在產(chǎn)業(yè)鏈現(xiàn)代化內(nèi)涵界定的基礎上，借鑒張虎等[1]、劉志彪[4]、張其仔8的研究思路及方法，認為產(chǎn)業(yè)鏈現(xiàn)代化的核心在于：滿足創(chuàng)新、協(xié)調(diào)、可持續(xù)的高質(zhì)量發(fā)展要求；順應數(shù)字化的時代背景；增強基礎能力和韌性以應對復雜的國際環(huán)境?；诖?，本文從產(chǎn)業(yè)鏈基礎、產(chǎn)業(yè)鏈創(chuàng)新、產(chǎn)業(yè)鏈韌性、產(chǎn)業(yè)鏈協(xié)同、產(chǎn)業(yè)鏈數(shù)字化和產(chǎn)業(yè)鏈可持續(xù)六大維度構(gòu)建產(chǎn)業(yè)鏈現(xiàn)代化指標體系（見表1），并使用熵值法合成綜合指標以衡量產(chǎn)業(yè)鏈現(xiàn)代化水平。

2.2全國產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展水平分析

從全國層面來看，中國產(chǎn)業(yè)鏈現(xiàn)代化水平呈不斷上升態(tài)勢（見圖2），從2003年的0.090上升到2022年的0.273，總體提高0.183，但整體現(xiàn)代化水平不高，具體可按照時間維度將其演變過程分為四個階段，第一階段為2003—2008年，產(chǎn)業(yè)鏈現(xiàn)代化水平從0.090上升至0.106，上升幅度（0.016）僅占總體增幅（0.183）的8.74% ，分析其原因，這一階段中國享有顯著的勞動力成本優(yōu)勢，許多企業(yè)依賴于低成本的勞動力而非高技術生產(chǎn)方式。第二階段為2008—2013年，產(chǎn)業(yè)鏈現(xiàn)代化水平從0.106上升至0.148，增幅占總體的 22.95% .較第一階段有所上升但依舊不高，原因可能是2008年全球金融危機沖擊與政府為緩解沖擊而加大基礎設施建設及經(jīng)濟政策扶持力度雙重作用下的結(jié)果。第三階段為2013—2018年，產(chǎn)業(yè)鏈現(xiàn)代化水平從0.148上升至0.203，增幅占總體的 30.05% ，這一階段中國產(chǎn)業(yè)鏈現(xiàn)代化水平增幅較大，究其原因，可能是《“十二五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》、“供給側(cè)結(jié)構(gòu)性改革”以及“中國制造2025”戰(zhàn)略等政策的發(fā)布促進了以人工智能為代表的高新技術產(chǎn)業(yè)快速發(fā)展。第四階段為2018—2022年，產(chǎn)業(yè)鏈現(xiàn)代化水平從0.203提升至

0.273，增幅占比最大，為 38.25% ，原因分析：一是嚴峻的國際形勢促使政府及企業(yè)加快產(chǎn)業(yè)鏈現(xiàn)代化的步伐以提高抗風險能力；二是隨著供給側(cè)結(jié)構(gòu)性改革的深化，政府加大對落后產(chǎn)能的淘汰力度，更多資源和政策向智能化方向傾斜，進一步推動了產(chǎn)業(yè)鏈現(xiàn)代化水平的提升。

各子維度指標顯示：在2003—2022年中國產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展進程中，產(chǎn)業(yè)鏈基礎、產(chǎn)業(yè)鏈數(shù)字化和產(chǎn)業(yè)鏈創(chuàng)新起到主要作用，其中產(chǎn)業(yè)鏈基礎提升速度最快，指標得分從0.018增至0.084，為中國產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展奠定了良好基礎。而產(chǎn)業(yè)鏈韌性、產(chǎn)業(yè)鏈協(xié)同和產(chǎn)業(yè)鏈可持續(xù)水平提升幅度不高，中國產(chǎn)業(yè)鏈抗風險能力、產(chǎn)業(yè)鏈內(nèi)外協(xié)同水平和產(chǎn)業(yè)鏈綠色化發(fā)展等方面亟須提升。

2.3各省份產(chǎn)業(yè)鏈現(xiàn)代化水平分析

圖3為2003、2012和2022年我國內(nèi)地30個省份產(chǎn)業(yè)鏈現(xiàn)代化水平。在2003—2022年間，各省份的產(chǎn)業(yè)鏈現(xiàn)代化水平均有所提升，且后10年的提升速度均高于前10年。2003年，各省份產(chǎn)業(yè)鏈現(xiàn)代化水平處于0.04～0.23 之間，天津、北京和上海均高于0.2排名前三，廣東、江蘇、福建、浙江和遼寧產(chǎn)業(yè)鏈現(xiàn)代化水平處于0.1～0.2 之間，其余省份產(chǎn)業(yè)鏈現(xiàn)代化水平在0.1以下，說明2003年全國各省份產(chǎn)業(yè)鏈現(xiàn)代化水平差距不大，且大都處于較低水平。2012年，各省份產(chǎn)業(yè)鏈現(xiàn)代化水平提升至 0.07～0.32 之間，上海、廣東、北京處于產(chǎn)業(yè)鏈現(xiàn)代化水平前三的位置，各省份產(chǎn)業(yè)鏈現(xiàn)代化水平較2003年未有大幅度提升。2022年，各省份產(chǎn)業(yè)鏈現(xiàn)代化水平處于 0.13～0.62 之間，其中廣東、北京、上海、江蘇和浙江處于領先地位，均在0.4以上，寧夏、云南、內(nèi)蒙古、甘肅、黑龍江和新疆產(chǎn)業(yè)鏈現(xiàn)代化水平較低，在0.16及以下，所有省份的產(chǎn)業(yè)鏈現(xiàn)代化水平均得到較高提升，各省份產(chǎn)業(yè)鏈現(xiàn)代化水平間的差距也隨之加大。

3模型選擇、變量設計與數(shù)據(jù)來源

3.1 模型設定

3.1.1 基準回歸模型

為實證檢驗人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的作用效應，本文構(gòu)建如下模型：

MIC_it=α+β₀AI_it+β₁Controls_it+γ_i+δ_t+ε_it

式中：下標 i 和 Ψ_t 分別表示省份和年份； MIC 代表產(chǎn)業(yè)鏈現(xiàn)代化水平； _AI 代表人工智能技術創(chuàng)新水平；

回歸系數(shù) β_o 反映人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的影響；Controls代表控制變量，包括教育水平、消費水平、經(jīng)濟發(fā)展水平、外商直接投資和人口密度； γ_i 、 δ_t 、 分別代表時間固定效應、省份固定效應和隨機擾動項。

3.1.2 機制回歸模型

借鑒江艇（2022）的分析思路，建立如式（2）（3）所示模型，實證檢驗人工智能技術創(chuàng)新促進產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的作用機制：

Labor_it=α+β₀AI_it+β₁Controls_it+γ_i+δ_t+ε_it

R_it=α+β₀AI_it+β₁Controls_it+γ_i+δ_t+ε_it （3）其中，Labor代表人力資本水平， R 代表固定資產(chǎn)

回報率， β 反映人工智能技術創(chuàng)新對于兩種機制變量

的影響效應，下標 i.t 及其余變量含義與式（1）相同。

3.2 變量選擇

3.2.1被解釋變量：產(chǎn)業(yè)鏈現(xiàn)代化水平（MIC）

產(chǎn)業(yè)鏈現(xiàn)代化水平（MIC）基于前文的產(chǎn)業(yè)鏈現(xiàn)代化水平指標體系測算得到，此處不再贅述。

3.2.2解釋變量：人工智能技術創(chuàng)新水平（AI）

既有研究主要采用工業(yè)機器人數(shù)據(jù)[16]和人工智能專利數(shù)據(jù)[13]表征人工智能創(chuàng)新水平。然而，工業(yè)機器人數(shù)據(jù)對人工智能發(fā)展水平的衡量往往局限于工業(yè)部門，有片面性，相比之下，人工智能專利數(shù)據(jù)可以破除這一局限，更全面地衡量人工智能技術創(chuàng)新發(fā)展態(tài)勢。故本文借鑒黃志等[12]、王林輝等[13]的研究，在綜合政府官方發(fā)布的權威文件和人工智能領域權威報告的基礎上，以“人工智能”“算法”“機器人”“專家系統(tǒng)\"等作為人工智能領域關鍵詞，在PatentHub數(shù)據(jù)庫中檢索并篩選專利類型為“發(fā)明授權”、專利有效性為“有效\"的專利數(shù)據(jù)，再將所得數(shù)據(jù)在省份層面進行加總處理，用以表征人工智能技術創(chuàng)新水平（單位：萬件）。

3.2.3機制變量：人力資本水平（Labor）、固定資產(chǎn)回報率 （R ）

對于人力資本水平（Labor）的測度，本文采用文獻中廣泛使用的平均受教育年限來衡量。針對固定資產(chǎn)回報率 （R ）的測度，本文基于固定資產(chǎn)回報率含義和借鑒相關研究[22]，使用各省份工業(yè)企業(yè)利潤總額與固定資產(chǎn)凈值之比表征。

3.2.4控制變量

借鑒相關研究[18]，本文選取以下變量作為影響產(chǎn)業(yè)鏈現(xiàn)代化水平的控制變量：教育水平（Edu），用教育經(jīng)費占GDP比重來衡量；消費水平（Consu），用消費品零售總額占GDP比重來表示；經(jīng)濟發(fā)展水平 （L?g^. dp ），用人均GDP取對數(shù)來衡量；外商直接投資 （Lf- di），以外商投資總額取對數(shù)來表征；人口密度（Popude），以人均城市道路面積來衡量。本文主要變量的描述性統(tǒng)計結(jié)果如表2所示。

3.3數(shù)據(jù)說明

本文以2003—2022年中國內(nèi)地30個省份作為研究對象。具體數(shù)據(jù)來源于：PatentHub數(shù)據(jù)庫、國家統(tǒng)計局、各省份統(tǒng)計年鑒、EPS全球統(tǒng)計數(shù)據(jù)/分析平臺、中國經(jīng)濟社會大數(shù)據(jù)研究平臺以及《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國高技術統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國民政統(tǒng)計年鑒》《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》。對于個別缺失數(shù)據(jù)，根據(jù)具體缺失情況采用平均增長率或插值法補齊。

4人工智能技術創(chuàng)新賦能產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的實證檢驗

4.1 基準回歸

為檢驗人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的促進作用，本文利用模型（1）進行基準回歸。如表3所示，列（1）為未加入任何控制變量和固定效應的結(jié)果，列（2）～（4） 報告了添加控制變量后年份固定、省份固定以及雙固定情況下的回歸結(jié)果。列（4）結(jié)果表明，人工智能技術創(chuàng)新水平每提高1個單位，產(chǎn)業(yè)鏈現(xiàn)代化水平會提升0.538個單位。以上結(jié)論證實了假設 H₁ 。

4.2穩(wěn)健性檢驗與內(nèi)生性處理

4.2.1 穩(wěn)健性檢驗

本文采用多種方法進行穩(wěn)健性檢驗。第一，為避免賦權方式差異導致的結(jié)果偏誤，本文在上述產(chǎn)業(yè)鏈現(xiàn)代化指標體系構(gòu)建的基礎上，利用主成分分析法合成新的產(chǎn)業(yè)鏈現(xiàn)代化指標替代被解釋變量進行回歸，結(jié)果見表4列（1）。第二，考慮到人工智能專利的應用對于產(chǎn)業(yè)鏈現(xiàn)代化的影響可能存在滯后性，本文以滯后一期的人工智能專利數(shù)據(jù)進行穩(wěn)健性檢驗，結(jié)果如表4列（2）所示。第三，為了緩解遺漏變量帶來的計量誤差，同時考慮到對外貿(mào)易活動會帶來更激烈的市場競爭和更高的生產(chǎn)效率，城市化發(fā)展有助于產(chǎn)業(yè)結(jié)構(gòu)的變革與升級，二者均會對產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展產(chǎn)生影響，故在基準回歸的基礎上，進一步將外貿(mào)水平和城市化水平納人控制變量，城市化水平以城鎮(zhèn)人口與總?cè)丝诒戎祦砗饬?，外貿(mào)水平以區(qū)域進出口總額與GDP比值來衡量，回歸結(jié)果見表4列（3）。第四，考慮到直轄市在經(jīng)濟、社會、政策方面可能具有一些特殊性，因此本文在剔除四大直轄市的基礎上重新進行回歸，結(jié)果如表4列（4）所示。第五，自2017年底開始，多省份陸續(xù)實施\"鏈長制\"政策以驅(qū)動產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展[23]，為排除這一政策對回歸結(jié)果的干擾，本文剔除2017年及以后的樣本數(shù)據(jù)并進行回歸，結(jié)果如表4列（5）所示。綜合列 （1）～（5） 的回歸結(jié)果，人工智能技術創(chuàng)新能夠推動區(qū)域產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展這一結(jié)論具有穩(wěn)健性，假設H₁ 得到進一步驗證。

4.2.2 內(nèi)生性處理

前文一系列穩(wěn)健性檢驗可有效緩解遺漏變量、測量誤差所帶來的內(nèi)生性問題，然而需要考慮的是：人工智能技術的發(fā)展嚴重依賴于數(shù)據(jù)和場景，產(chǎn)業(yè)鏈現(xiàn)代化水平的提升會為人工智能算法的訓練和優(yōu)化提供更多數(shù)據(jù)和場景，進而為人工智能技術發(fā)展提供更廣闊的空間，人工智能與產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展之間極有可能存在反向因果問題。

本文借鑒劉斌等[24]的研究，使用Webof Science核心數(shù)據(jù)庫中研究領域為計算機科學、人工智能的論文數(shù)量作為工具變量，緩解內(nèi)生性問題對OLS回歸結(jié)果的干擾。使用人工智能論文數(shù)量的原因是：人工智能論文數(shù)與人工智能發(fā)展水平密切相關，隨著人工智能技術的發(fā)展和應用，科研工作者和科研機構(gòu)對人工智能的關注度和研究投入會不斷提升，人工智能技術的發(fā)展也會為科研工作者提供更多研究角度和研究條件。

表5報告了使用工具變量進行內(nèi)生性處理后的2SLS回歸結(jié)果。Kleibergen-PaaprkLM統(tǒng)計量在 1% 水平上拒絕了原假設，排除了工具變量不可識別性；Kleibergen-PaaprkWaldF統(tǒng)計量大于Stock-Yogo在10% 水平上的臨界值，排除了弱工具變量的可能性，工具變量合理性得到進一步驗證。其中，列（1）（2）為不添加控制變量情況下的回歸結(jié)果，列（1）中工具變量（IV的回歸系數(shù)為0.389，在 1% 水平上顯著，說明人工智能論文數(shù)與人工智能技術創(chuàng)新水平存在正相關關系；列（2）表明對內(nèi)生性問題加以控制后，人工智能技術創(chuàng)新對于產(chǎn)業(yè)鏈現(xiàn)代化仍存在顯著正向效應。將控制變量納入2SLS回歸后的結(jié)果如列（3）（4）所示，結(jié)論依舊是穩(wěn)健的。

4.3 異質(zhì)性分析

在考慮不同地區(qū)發(fā)展特征的情況下，人工智能技術

創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化水平的作用效果會不會存在差異？本文基于我國各地區(qū)產(chǎn)業(yè)鏈發(fā)展實際狀況，從產(chǎn)業(yè)鏈現(xiàn)

代化水平、對外貿(mào)易水平及區(qū)位優(yōu)勢差異三個層面分析人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的異質(zhì)性影響。

4.3.1產(chǎn)業(yè)鏈現(xiàn)代化水平

對于產(chǎn)業(yè)鏈現(xiàn)代化水平的高低，本文借助平均數(shù)進行劃分：若地區(qū)產(chǎn)業(yè)鏈現(xiàn)代化水平高于相應年份的全國平均水平，則該區(qū)域為高產(chǎn)業(yè)鏈現(xiàn)代化水平地區(qū)；否則為低產(chǎn)業(yè)鏈現(xiàn)代化水平地區(qū)。如表6列（1）（2）所示，人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的影響效應在高產(chǎn)業(yè)鏈現(xiàn)代化水平地區(qū)更顯著。究其原因，可能是因為高產(chǎn)業(yè)鏈現(xiàn)代化水平地區(qū)通常會擁有更完善的產(chǎn)業(yè)鏈基礎和更多的人才儲備，企業(yè)和政府普遍也會更注重高效率、高質(zhì)量的生產(chǎn)和服務，故而人工智能技術更易與產(chǎn)業(yè)鏈發(fā)展相結(jié)合，更好地發(fā)揮人工智能技術創(chuàng)新賦能作用。

4.3.2 對外貿(mào)易水平

較高的對外貿(mào)易水平意味著更廣闊的市場和更大的競爭壓力，政府和企業(yè)也更注重引入高技術產(chǎn)品和高技能人才以提升自身競爭力，人工智能技術也相應地更易于發(fā)揮其對產(chǎn)業(yè)鏈現(xiàn)代化水平提升的賦能作用。本文基于對外貿(mào)易水平平均數(shù)，將各區(qū)域劃分為高對外貿(mào)易水平地區(qū)和低對外貿(mào)易水平地區(qū)展開實證檢驗。如表6列（3）（4）所示，人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化水平的影響效應在高對外貿(mào)易水平地區(qū)更強。

4.3.3 區(qū)位優(yōu)勢差異

考慮到地理位置、自然資源、制度環(huán)境等因素帶來的區(qū)位優(yōu)勢差異也會使人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的作用效應有所不同。本研究將各地區(qū)劃分為東部地區(qū)和中西部地區(qū)展開考察。由表6列（5）（6）可知，相較于中西部地區(qū)，人工智能創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的促進作用在東部地區(qū)更強，東部地區(qū)在經(jīng)濟、人才、市場、地理等方面的優(yōu)勢使得人工智能技術更好地發(fā)揮其外溢效應。

4.4機制檢驗

4.4.1 人力資本高級化

根據(jù)前文的理論分析，人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的提升效應能夠通過推動人力資本高級化實現(xiàn)。表7列（1）為人力資本高級化機制檢驗結(jié)果，人工智能的回歸系數(shù)為0.971，表明人工智能專利數(shù)量每增加1萬件，可使人均教育年限平均增加0.971年，即人工智能技術創(chuàng)新可以顯著促進人力資本高級化。參考徐少俊等[25]、呂拉昌等[26]的研究思路，本文分別以高技能人力資本占比（ H_-labor） 和中低技能人力資本占比 （L_-la^. bor）替換人力資本水平（Labor）進行穩(wěn)健性檢驗，其中，高技能人力資本指最高受教育程度為大學?？萍耙陨暇蜆I(yè)人員，中低技能人力資本為最高受教育程度為高中及以下的就業(yè)人員。如表7列（2）（3）所示，回歸系數(shù)均在 5% 水平上顯著，即人工智能技術創(chuàng)新可以增加高技能人力資本占比、降低中低技能人力資本占比，進一步說明人工智能技術創(chuàng)新可以通過推動人力資本高級化實現(xiàn)產(chǎn)業(yè)鏈現(xiàn)代化水平提升。因此，假設 H₂ 得以證實。

4.4.2 固定資產(chǎn)回報率提升

如前文所述，人工智能技術除了可推動人力資本高級化發(fā)展外，其智能滲透、邊界延展和自我深化特性還決定了人工智能技術創(chuàng)新也可通過提升固定資產(chǎn)回報率實現(xiàn)產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。由表7列（4）可知，人工智能專利數(shù)量每增加1個單位，可使固定資產(chǎn)回報率提升0.463個單位，即人工智能技術創(chuàng)新能夠通過提升固定資產(chǎn)回報率進而提高產(chǎn)業(yè)鏈現(xiàn)代化水平。因此，假設 H₃ 得以證實。

5 進一步討論

前文系統(tǒng)地討論了人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的影響效應，證實了人工智能技術創(chuàng)新可通過推動人力資本高級化和固定資產(chǎn)回報率提升促使產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。然而，部分學者在探究人工智能技術的影響效應時注意到人工智能對經(jīng)濟社會的影響存在階段性差異。如Hemous等[27]就經(jīng)濟發(fā)展不同階段人工智能所帶來的差異性影響進行了探討，黃志等[12]在人工智能與勞動收入水平和收入差距的研究中證實了人工智能與經(jīng)濟社會融合的不同階段會帶來不同效益?？紤]到在產(chǎn)業(yè)鏈與創(chuàng)新鏈融合的過程中存在“死亡之谷\"（從基礎型研究轉(zhuǎn)化為應用型研究之困）和“達爾文之海\"（從應用型研究到投人經(jīng)濟生產(chǎn)活動之困）兩大困難（蔡躍洲，2015），人工智能技術與產(chǎn)業(yè)鏈融合的過程中也會存在短期和長期影響差異。據(jù)此，本文借鑒黃志等[12]的研究，構(gòu)建如式（4）（5）所示的實證模型，針對人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的短期影響趨勢和長期效應展開分析。

MIC_it=α+β₀AI_it+β₁L1.AI_it+β₂L2.AI_it+ β₃Controls_it+γ_i+δ_t+ε_it （4）

MIC_it=α+τAI_it+β₁（L，AI_it-AI_it）+ （2號 β^₂（L2.AI_it-AI_it）+β^₃Controls_it+γ_i+δ_t+ε_it （5）

式（4）反映人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的短期影響趨勢。 AI、L1.AI、L2.AI 分別代表當期、滯后一期與滯后兩期的人工智能技術創(chuàng)新。 β₀?β₁ 和 β₂ 分別代表人工智能技術創(chuàng)新當年、滯后一年以及滯后兩年對產(chǎn)業(yè)鏈現(xiàn)代化的影響效應。在式（4）的基礎上令 τ=β₀+β₁+β₂ 構(gòu)建式（5），其中 τ 反映人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的長期效應。其余變量及下標 i 和 χ_t 的含義與式（1）一致。

5.1 短期影響趨勢分析

表8列（1）與列（3）分別為添加控制變量與不添加控制變量情況下的回歸結(jié)果。 AI 的系數(shù)均為負值，L.AI 與 L2.AI 的系數(shù)均為正值，且 L2.AI 的系數(shù)均大于 L.AI ，所有系數(shù)顯著。進一步地，如列（2）與列（4）所示，將被解釋變量替換為采用主成分分析法所得的產(chǎn)業(yè)鏈現(xiàn)代化指數(shù)進行檢驗，結(jié)果保持不變。說明人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的影響在時間上呈先下降后上升的趨勢，并且隨著時間的推移，人工智能對產(chǎn)業(yè)鏈現(xiàn)代化的促進作用會不斷增強。究其原因，人工智能技術從創(chuàng)新、引進到應用需要一定周期，在人工智能技術創(chuàng)新及導入初期，企業(yè)面臨人員培訓、技術調(diào)整等挑戰(zhàn)，會導致其對產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的作用不明顯甚至為負。但隨著人工智能與產(chǎn)業(yè)鏈的不斷融合，其對產(chǎn)業(yè)鏈現(xiàn)代化的正向影響也會不斷增強。

5.2 長期效應分析

如表9所示，列 （1）～（4） 分別為不添加控制變量、替換被解釋變量且不添加控制變量、加入控制變量、加入控制變量且替換被解釋變量情況下的回歸結(jié)果?？梢园l(fā)現(xiàn)，所有情況下 _AI 的系數(shù)為正，且均在 1% 水平上顯著。進一步說明隨著時間的推移，人工智能與產(chǎn)業(yè)鏈融合發(fā)展對產(chǎn)業(yè)鏈現(xiàn)代化的促進作用遠遠大于人工智能創(chuàng)新初期所帶來的負面影響。同時也證實了從長遠分析，人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化具有顯著促進作用。

6 研究結(jié)論與政策建議

6.1 主要結(jié)論

本文構(gòu)建產(chǎn)業(yè)鏈現(xiàn)代化指標體系，基于2003—2022年中國內(nèi)地30個省份面板數(shù)據(jù)，分析中國產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展水平，采用人工智能專利技術數(shù)據(jù)，實證考察了人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的影響效應和作用機制。結(jié)果表明：第一，人工智能技術創(chuàng)新能夠顯著提升產(chǎn)業(yè)鏈現(xiàn)代化水平。相對于低產(chǎn)業(yè)鏈現(xiàn)代化水平地區(qū)、低對外貿(mào)易水平地區(qū)和中西部地區(qū)，人工智能技術在高產(chǎn)業(yè)鏈現(xiàn)代化水平、高對外貿(mào)易水平和東部地區(qū)的賦能作用更強。第二，人工智能技術可以通過人力資本高級化和固定資產(chǎn)回報率提升兩個渠道推動產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。其中，人力資本高級化的中介機制主要由人工智能技術的智能滲透、邊界延展和知識創(chuàng)造特性決定，固定資產(chǎn)回報率提升的中介機制則由人工智能的智能滲透、邊界延展和自我深化特性決定。第三，人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的影響效應具有持續(xù)性，在時間上呈先下降后上升趨勢。在人工智能技術創(chuàng)新初期，其對產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展的作用效果不顯著甚至有負向影響，但隨著時間的推移，其對產(chǎn)業(yè)鏈現(xiàn)代化的促進作用會不斷增強。從長遠分析，人工智能技術創(chuàng)新對產(chǎn)業(yè)鏈現(xiàn)代化的賦能效應遠遠大于創(chuàng)新初期的負面效應。

6.2 政策建議

（1）因地制宜加強人工智能技術創(chuàng)新導向，推動產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。政府在制定人工智能發(fā)展規(guī)劃時應加強對人工智能技術研發(fā)的支持力度，明確人工智能發(fā)展目標和保障措施，積極鼓勵和引導企業(yè)引進人工智能技術賦能產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。同時，考慮到人工智能技術創(chuàng)新對產(chǎn)業(yè)現(xiàn)代化發(fā)展的促進作用具有異質(zhì)性，各地區(qū)政府在制定相關政策時應注意強優(yōu)勢和補短板。東部地區(qū)可以充分利用人才、資金等方面優(yōu)勢，加快人工智能關鍵核心技術研發(fā)，打造人工智能技術創(chuàng)新高地。中西部地區(qū)則應更加注重人工智能技術應用，部署人工智能計算集群和建設人工智能訓練場，著力提高人工智能算力服務水平。同時各地區(qū)要加強交流合作以推動人工智能技術在區(qū)域間的共享和應用，優(yōu)勢互補、協(xié)同發(fā)展。

（2）積極推動“人工智能 + ”行動，強化人力資本升級和固定資產(chǎn)回報率提升機制。政府可在重點行業(yè)和領域?qū)嵤┤斯ぶ悄苁痉俄椖?，以提升效率、降低成本、?yōu)化服務的實際效果，激勵各行各業(yè)積極引進人工智能技術，鼓勵企業(yè)對生產(chǎn)線進行智能化改造，加快構(gòu)建人工智能技術平臺以促進產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。教育部門可適當調(diào)整教育內(nèi)容與方式，融入更多人工智能相關課程，積極培養(yǎng)跨學科、復合型人才，擴大職業(yè)教育與繼續(xù)教育覆蓋面，提升現(xiàn)有勞動力技能水平以適應企業(yè)智能化轉(zhuǎn)型需求。

（3）加大技術創(chuàng)新投入，促進人工智能技術與產(chǎn)業(yè)鏈深度融合、持續(xù)發(fā)展。政府可通過設立人工智能專項基金、稅收優(yōu)惠和研發(fā)補貼等政策措施推動人工智能技術與產(chǎn)業(yè)鏈深度融合，減少人工智能技術創(chuàng)新初期對產(chǎn)業(yè)鏈現(xiàn)代化帶來的負向影響。相關部門也要應極鼓勵和支持行業(yè)龍頭企業(yè)率先引入人工智能技術，利用龍頭企業(yè)的人力資源與資金優(yōu)勢，探索人工智能技術在產(chǎn)品研發(fā)、生產(chǎn)與服務等方面的應用，形成可復制、可推廣的經(jīng)驗模式，為中小企業(yè)提供借鑒和帶動作用，促進產(chǎn)業(yè)鏈現(xiàn)代化發(fā)展。

參考文獻：

[1] 張虎，張毅，韓愛華，我國產(chǎn)業(yè)鏈現(xiàn)代化的測度研究[J].統(tǒng)計研究，2022，39（11）：3-18.

[2] BRYNJOLFSSON E，MITCHELL T，ROCKD. Whatcanmachines learn，and what does it mean for occupations andthe economy[J]. AEA Papers and Proceedings，2018，108（5）：43-47.

[3] AGRAWAL A，GANSJ，GOLDFARB A. Economic policyforartificial intelligence[J].Innovation Policy and the E-conomy，2019，19（1）：139-159.

[4] 劉志彪．產(chǎn)業(yè)鏈現(xiàn)代化的產(chǎn)業(yè)經(jīng)濟學分析[J].經(jīng)濟學家，2019，31（12）：5-13.

[5] 龐金友.中國式現(xiàn)代化的政治意蘊與實現(xiàn)路徑[J].人民論壇·學術前沿，2022，11（24）：25-32.

[6] 盛朝迅．推進我國產(chǎn)業(yè)鏈現(xiàn)代化的思路與方略[J]．改革，2019，32（10）：45-56.

[7] 黃群慧，倪紅福．基于價值鏈理論的產(chǎn)業(yè)基礎能力與產(chǎn)業(yè)鏈水平提升研究[J]．經(jīng)濟體制改革，2020，38（5）：11-21.

[8]中國社會科學院工業(yè)經(jīng)濟研究所課題組，張其仔．提升產(chǎn)業(yè)鏈供應鏈現(xiàn)代化水平路徑研究[J]．中國工業(yè)經(jīng)濟，2021，38（2）：80-97.

[9]陳雨.新質(zhì)生產(chǎn)力助推產(chǎn)業(yè)鏈現(xiàn)代化體系建設研究[J].生產(chǎn)力研究，2024，39（8）：80-84，161.

[10]霍春輝，何地，龐銘．“鏈主\"企業(yè)提升產(chǎn)業(yè)鏈現(xiàn)代化水平的功能作用與實現(xiàn)路徑[J].科學管理研究，2024，42（2）：103-109.

[11] ACEMOGLU D，RESTREPO P. Robots and jobs：evidencefrom US labor markets[J]. Journal of Political Economy，2020，128（6）：2188-2244.

[12]黃志，程翔．人工智能對勞動收入水平和收入差距的影響- 理論解讀與實證檢驗[J].經(jīng)濟理論與經(jīng)濟管理，2023，43（1）：78-95.

[13]王林輝，錢圓圓，周慧琳，等．人工智能技術沖擊和中國職業(yè)變遷方向[J]．管理世界，2023，39（11）：74-95.

[14] 陳彥斌，林晨，陳小亮．人工智能、老齡化與經(jīng)濟增長[J].經(jīng)濟研究，2019，54（7）：47-63.

[15]GRAETZ G，MICHAELS G. Robots at work[J]. Reviewof Economics and Statistics，2018，100（5）：753-768.

[16] 呂越，張杰.人工智能與產(chǎn)業(yè)鏈韌性提升[J].西安交通大學學報（社會科學版），2024，44（2）：29-38.

[17]董直慶，譚玉松，趙賀.人工智能技術會誘致產(chǎn)業(yè)逆向梯度轉(zhuǎn)移嗎——來自省際層面的行業(yè)經(jīng)驗證據(jù)[J].學術月刊，2022，54（8）：55-66.

[18]BRESNAHAN T F，TRAJTENBERG M. General purposetechnologies'engines of growth[J]. Journal of Economet-rics，1995，65（1）：83-108.

[19]任保平，宋文月.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)展的效應與路徑[J].西北大學學報（哲學社會科學版），2019，49（5）：6-13.

[20]：李建中，人工智能：不確定的自主性知識創(chuàng)造[J]．自然辯證法研究，2019，35（1）：117-122.

[21] 于鳳霞.以發(fā)展人工智能為重點加速鍛造新質(zhì)生產(chǎn)力[J].中國經(jīng)濟報告，2023，18（6）：107-113.

[22] 張勛，徐建國．中國資本回報率的驅(qū)動因素[J]．經(jīng)濟學（季刊），2016，15（3）：1081-1112.

[23]孟祺.產(chǎn)業(yè)政策與產(chǎn)業(yè)鏈現(xiàn)代化- 基于“鏈長制”政策的視角[J].財經(jīng)科學，2023，67（3）：93-107.

[24] 劉斌，潘彤．人工智能對制造業(yè)價值鏈分工的影響效應研究[J]．數(shù)量經(jīng)濟技術經(jīng)濟研究，2020，37（10）：24-44.

[25]徐少俊，鄭江淮.信息化如何影響中國勞動力市場的技能溢價——基于就業(yè)升級和就業(yè)極化雙重視角的分析[J].經(jīng)濟問題探索，2022，43（2）：158-170.

[26]呂拉昌，孫飛翔，黃茹.基于創(chuàng)新的城市化——中國 270 個地級及以上城市數(shù)據(jù)的實證分析[J].地理學報，2018，73（10）：1910-1922.

[27]HEMOUS D，OLSEN M. The rise of the machines： automation，horizontal innovation，and income inequality[J].American Economic Journal： Macroeconomics， 2022，14（1）：179-223.

（責任編輯：梅嵐嶠）

The Impact and Mechanism of Artificial Intelligence Technology Innovation on Industrial Chain Modernization

Xu Weixiang1，2，Mu Yaqian1 ，Zhou Jianping1，Liu Chengjun3 （1.School of Economics， Zhejiang University of Technology; 2.Institute of Modern Industrial System，Zhejiang University of Technology，Hangzhou 310023，China; 3. Zhijiang College of Zhejiang University of Technology， Shaoxing 3l203o，China）

Abstract：The modernization of industrialchains is esential for achieving high-qualitydevelopment and buildinga modern industrial system.Itrepresents anintrinsic strategy for China toengage in internationalcompetitionand to withstand external shocks.Inrecent years，the landscape has been marked byaglobalreconfigurationof supplychains and heightened geopoliticalrisks，leading toariseinuncertainties andunpredictablefactors thatjeopardize the securityofChina's industrial chains.Consequently，the acceleration of industrial chain modernization hasbecome a critical priorityfor govenment departments.Meanwhile，as a general-purpose technology driving theFourth Industrial Revolution，artificial inteligence （AIhasbecomeacentralpointofstrategicplanning forcountries worldwideduetoitspowerfulcapabilitiesinintellgent penetration，boundary extension，self-deepening，and knowledge creation.Acording to the \"China New Generation Artificial Intelligence Technology and Industry Development Report 2023\" released by the New Generation Artificial Intelligence Development Research Institute，China's AItechnology iscurentlywidelyappliedin19fields，includingsmartagriculture，smart manufacturing，smart home，and smart management. Thus，does the development and application of AI technologyhelpChinaovercome industrialchainchallengesandaccelerate themodernizationofits industrialchains？ Investigatingthisquestionnotonlyaids incomprehensivelyunderstanding theimpactofAIon the modernizationof industrial chains but also provides theoretical and practical support for the implementation of an innovation-driven strategy.

While existing literature has extensively focusedon the theoreticalanalysis of theconnotationand realization paths of industrial chain modernization，and many scholars have discussd the efects of AI technology.However，regrettbly， empiricalresearch specifically examining therelationship between AI technology inovationand industrial chain modernizationis scarce.Therefore，drawing on panel data from 30 provinces from 2O03 to 202，this study analyzes typical facts about the developmentof industrialchain modernizationin China.By leveraging AI patenttechnologydata，itconstructs a robust industrialchain modernization index system.This systematic approach allowsusto empiricallscrutinize the profound effects andunderlying mechanisms ofAItechnologyinovation onthe modernization trajectoryof industrialcains. The study reveals that，first，AI technology innovation can significantly enhance the level of industrial chain modernization.Comparedtoregions withlow levelsof industrialchainmodernization，low foreigntrade levels，and thosein thecentralandwesternregions，theenablingefectofAI technology is stronger inregionswith high levelsof industrial chain modernization，high foreign tradelevels，and intheeasternregions.Second，AI technologycan promote industrial chain modernization through two channels：advancing human capital and increasing the turnoveroffixed assets.The mediating mechanism of human capital advancement is mainlydetermined bythe intellgent penetration，boundary extension，and knowledge creation characteristicsof AI technology，while the mechanism of increasing fixed asset turnover is driven by AIs intelligent penetration，boundaryextension，and self-deepeningcharacteristics.Third，the impactofAI technology innovationonthe modernizationof industrial chains showsasustained effect，withan initialdeclinefollowed byasubsequent rise overtime.IntheearlystagesofAItechnologyinnovation，its efectonindustrialchain modernizationis nosignificantand mayevenbenegative.However，overtime，thepromoting effectofAItechnologyonindustrialchainmodernizationbecomes increasinglystrong，andinthelong term，theenabling efectofAItechnology innovationfaroutweighsits initial negative effects.

The potential contributions of this paper are threefold.First，by using AI patent data as a proxy for AItechnology innovatio andconstructing an industrial chain modernization index system，this study empirically tests the impact of AI technologyinnovation on the modernization levelof industrialchains，filingagapinthe existing empirical researchonindustrial chainmodernizationSecond，it innovativelyanalyzes the mechanismofAItechnologyinnovationonindustrial chain modernizationfromtwodimensions：humancapitalandmaterialcapital，providing posible pathways tobeterleveragethe enabling effectsof AItechnology.Third，whileexisting literature mostlyoverlooks thepersistenceofAItechnologys impacts，this paper furtheranalyzestheefectsofAItechnologyinnovationonindustrialchainmodernizationdevelopment from both short-term trends and long-term effects，enriching the research perspectives on the impact of AI.

KeyWords：Artificial Inteligence;Technological Innovation;Industrial Chain Modernization； Advanced Human Capital; Fixed Asset Turnover Rate