中国人工智能技术创新水平评价及测度

匡祥琳

（百色学院，广西 百色 533000）

一、引言

近年来，人工智能技术已成为各国科技经济领域的重要支柱，并在多个领域取得明显成绩[1-4]。加速构建人工智能核心技术体系，提升人工智能技术创新能力对突破技术壁垒、塑造科技强国具有重大战略意义。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》指出，要瞄准人工智能、量子信息等前沿领域，实施一批具有战略性、前瞻性的国家重大科技项目。然而，囿于国际贸易技术壁垒加剧、单边主义盛行以及中国核心技术发展缓慢等因素，如何有效驱动中国信息技术水平提升，已成为目前亟待解决的难题。

梳理现有研究发现，部分学者从理论机理[5，6]、提升路径[7-9]及影响因素[10，11]等角度对人工智能发展水平展开研究。还有部分学者分别从单一区域、国家等角度对人工智能发展水平及效率进行实证分析及测度[12，13]。这些研究为测度人工智能发展水平奠定了良好基础。但上述研究中，主要侧重于从人工智能产业主体、产业收益等宏观维度评价人工智能发展水平，以技术创新这一微观视角切入的研究尚处于空白阶段。事实上，技术创新作为人工智能产业发展的核心竞争力[14]，对于考察人工智能技术发展具有重要意义。鉴于此，文章尝试在借鉴人工智能技术相关研究成果的基础上，以技术创新角度构建一套适用于评价中国人工智能技术创新水平的指标体系，并运用定性与定量相结合的评价方法加以评价，进而为该研究领域作出重要补充。在此基础上，通过对中国人工智能技术创新水平进行统计测度，尝试找出中国人工智能技术创新方面存在的不足，比较分析中国各省份间、区域间的人工智能技术创新水平，为相关产业政策制定与提升人工智能技术创新水平提供指导与借鉴。

二、研究设计

1. 评价指标体系构建

创新能力指的是在激烈的市场竞争中，创新主体在相关政策指引下，将创新理念与构思转化成新产品、新技术，进而获得拥有自主知识产权的关键核心技术的能力[15]。结合人工智能技术创新的相关研究[16，17]，文章从创新环境、创新资源、创新质量以及创新产出四个方面构建中国人工智能技术创新水平评价指标体系。

（1） 创新环境

赵彦飞等(2019)[18]指出创新环境是创新的基础保障，保障创新系统各主体正常有序运行，在创新进程中起到重要作用。因此，创新环境是测度人工智能技术创新水平的重要内容。创新环境所含因素众多，既包括政策颁布、体制机制等政策因素，也包含算力等客观因素，还涵盖碳排放等环境因素。

（2） 创新资源

李旭辉、李丽雅(2020)[19]认为创新资源是指人工智能技术创新发展所需的各种资源要素，是人工智能产业创新活动的起点与源头。创新资源亦是人工智能技术创新水平的重要衡量指标。而且，由于人工智能产业自身具有创新性与发展性特点，其创新发展所需资源并不局限于物质资源，更需要创新资源的投入。除研发资金投入外，还需人力投入、专利授权等客观因素为技术创新提供有力保障。

（3） 创新质量

创新质量是创新进程与结果的具体体现，其在一定程度上决定着创新规模、效率及潜在内含的创新能力。由此，创新质量是人工智能技术创新水平评价体系的重要指标之一。侯建、陈恒(2016)[20]指出自主研发与技术转化是驱动创新发展，实现创新的两大路径。其中，自主研发能力是借助产业技术水平提升创新质量的核心要素。强化关键技术开发、掌握人工智能核心技术有助于中国在激烈国际科技竞争中站稳脚跟。而技术转化能力主要是通过驱动人工智能产业加大创新力度与深度、融合发展的动力，亦是体现创新质量的关键因素。

（4） 创新产出

创新产出是人工智能技术创新水平最直观的反映，是人工智能技术创新的最终结果，亦是人工智能发展对社会经济发展贡献的重要体现。因此，创新产出是人工智能技术创新水平评价体系的重要内容。创新产出是通过实施创新活动而形成的有形或无形结果，如人工智能产业总利润或新产品盈利。

综上所述，文章从创新环境、创新资源、创新质量、创新产出4 个层面选取了20 个指标构建人工智能技术创新水平评价指标体系，如表1 所示。

表1 人工智能技术创新水平评价指标体系

2. 数据来源与处理

文章以2010—2020 年中国30 个省区市（除西藏及港、澳、台地区） 面板数据展开实证分析。数据主要来源于历年《中国高技术产业统计年鉴》 《中国统计年鉴》 《科技统计年鉴》，以及部分数据来源于中国信息通信研究院相关研究报告。由于中国人工智能技术创新水平评价指标体系中各指标数据量纲差异，采用无量纲化处理方式消除因量纲不同造成的评价结果误差。之后采用效用值方法对数据进行处理，效用值区间限定为[0，100]。具体公式为：

上式中，xij为指标i在j省区市的原始数据；ximax表示样本省区市的评价指标i的原始数据最大值；ximin表示为样本省区市评价指标i的原始数据最小值；yij则为样本省区市的评价指标i在第j个样本省区市的指标效用值。

3. 评价指标体系测试与确定

第一步，借助数据分析软件SPSS26.0 对评价指标进行相关性分析，得到具体相关系数矩阵。

第二步，假定评价指标相关性临界值为0.8，然后将临界值低于0.8 的“国家自科基金批准项目中信息科学学科项目数”“人工智能领域人才需求量”“专利申请数”3 个指标剔除（计算过程省略）。

第三步，使用变差系数法Vi=，测试中国人工智能技术创新水平评价指标的鉴别能力。其中，X¯表示为平均值，Si表示标准差。当变差系数越大，则指标鉴别能力越强；变差系数越小，指标鉴别能力越弱。

第四步，根据上述变差系数公式，对指标进行变差系数展开计算，剔除变差系数较小的“新产品开发经费支出”“新产品销售收入”2 个指标，保留15 个指标，形成中国人工智能技术创新水平评价指标体系，如表2 所示。

表2 中国人工智能技术创新水平评价指标体系

三、中国人工智能技术创新水平测度模型构建

主成分分析法主要以降维方式将多个指标筛选组合成少数几个主成分，通过简化数据结构，再根据主成分上的指标载荷与方差贡献率计算指标权重，以实现综合评价。一般情况下，主成分分析法适用于多层次多目标的评价主体，且该方法在学术界的使用较为成熟[21，22]。为使测度结果更加精准，采用主成分分析法与数据统计分析软件SPSS26.0，对中国30 个省份人工智能技术创新水平指标数据的效用值展开因素分析，并构建统计测度模型。

1. 共同度分析

在构建统计测度模型前，应先检验上述评价指标是否符合主成分分析法的基本要求。特对这些指标进行初始共同度与再生共同度分析，结果如表3 所示。观察可知，各指标提取值高于0.4，表明测度指标效度良好且与主成分间关联密切，满足主成分分析法基本要求。

表3 各指标共同度分析

2. 方差分析

为检验被提取的4 个主成分指标是否能够对15 个评价指标进行变差分析，故展开方差分析。使用主成分分析法，对15个指标展开与初始旋转，得到各主成分初始与旋转后的特征值、方差贡献率与累计方差贡献率，如表4 所示。观察可知，被提取的4 个主成分特征值依次为6.578、3.214、1.897、1.542，而且方差贡献率高达88.809%。表明这4 个主成分能够满足对15 个指标中大部分变差的解释，可作为评价中国人工智能技术创新水平的主成分。

表4 方差分析

3. 载荷分析与主成分命名

根据上述方差分析结果，对4 个主成分展开命名并解释。

第一个主成分主要由人工智能开放平台数X1、产出数据量X2、集成电路产量X3、高技术产业碳排放X5组成，载荷矩阵分别为0.953、0.917、0.894、0.921。以上指标分别以不同角度测度了中国人工智能技术创新应具备的创新环境维度。由此，可将第一个主成分定义为创新环境。

第二个主成分由每年相关政策颁布数X4、专利授权量X6、R&D 经费投入X7、人工智能产业R&D 人员X8组成，其载荷矩阵系数依次为0.774、0.841、0.654、0.698。上述指标从不同角度测度了中国人工智能技术创新应具有的创新资源维度。因此，将第二个主成分定义为创新资源。

第三个主成分主要由R&D 人员全时当量X9、R&D 经费内部支出X10、吸引技术支出经费X11、消化吸收支出经费X12组成，其载荷矩阵系数依次为0.768、0.693、0.647、0.598。以上指标分别以不同角度测度中国人工智能技术创新的质量维度。由此，可将第三个主成分定义为创新质量。

第四个主成分主要由人工智能产业利税总额X13、人工智能产业利润总额X14、人工智能产业市场占有率X15组成，其矩阵载荷系数依次为0.749、0.681、0.617。上述指标分别从不同角度测度了中国人工智能技术创新的产出能力，因此将第四个主成分定义为创新产出。至此，可得到中国人工智能技术创新水平评价指标体系与权重，如表5 所示。

表5 中国人工智能技术创新水平评价指标体系与权重

根据上述4 个主成分与权重，文章构建中国人工智能技术创新水平评价指标体系测度模型如下：

上式中，j表示样本省区市；i表示的是主成分；Fij表示的是j样本在主成分i上的得分；Fj(j=1，2，…，4)表示的是省区市j的总分；βi(i=1，2，3，4)表示的是主成分i所对应的权重数值。

将主要评价指标作为预测变量，求出各个主成分上指标的载荷系数与权重，构建如下人工智能技术创新水平4 个主成分的测度模型：

上式中，X为样本省区市j在第i个评价指标上的效用值。

四、实证分析

1. 整体分析

中国30 个省区市人工智能技术创新水平如表6 所示。总体而言，2010—2020 年间，中国人工智能技术创新水平整体呈增长态势，且省际差异明显。2010—2015 年，中国人工智能技术创新水平呈现波动增长态势，可能是由于2015 年以前中国经济处于快速增长阶段，各地对于人工智能技术发展缺乏统一政策指导，使得人工智能技术创新水平出现波动现象。2016—2020 年，中国人工智能技术创新水平呈稳步上升趋势。究其原因，中国2016 年国务院发布的《“十三五”国家科技创新规划》 以及同年颁布的《“互联网+”人工智能三年行动实施方案》等政策指引密切相关。各地贯彻落实人工智能创新发展战略，逐步加大人工智能研发投入，优化产业结构，使得人工智能技术创新水平逐年提升。从均值来看，中国人工智能技术创新水平均值排名前五的省区市依次为江苏、浙江、北京、福建、上海，以上省区市人工智能技术创新水平均值均大于0.55；排名后三位的分别为青海、新疆、宁夏，均值均小于0.1。其中，中国人工智能技术创新水平最高的江苏省与最低的新疆之间相差7.4倍，可见中国人工智能技术创新水平的省际差距十分明显。

表6 2010—2020 年中国工智能技术创新水平

进一步将中国30 个省区市按照国家统计局划分标准分成东、中、西部三个地区，得出分区域人工智能技术创新水平结果，如图1 所示。观察可知，中国东、中、西部三个地区人工智能技术创新水平均呈不同程度的波动上升态势。其中东部地区人工智能技术创新水平远高于中西部地区，中部地区次之，西部地区居后。可能是由于东部地区省区市经济与科技实力较强，其中大部分省区市正处于高质量发展阶段，相较于中、西部地区省区市更关注科技水平的提升，使得人工智能技术创新水平高于中国其他地区；中部地区人工智能技术创新水平在当地政府促进科技发展、打造人工智能教育产业基地等利好政策的指引下，逐渐趋近于全国均值；西部地区人工智能技术创新水平则长期低于全国均值。究其原因，西部地区主要采用粗放型经济发展模式，使其在经济加速发展的同时对其他技术创新领域关注更少，人工智能技术创新水平相对其他地区更低。

图1 中国人工智能技术创新水平分地区比较

2. 分维度分析

（1） 创新环境

依据上述研究结论，文章绘制中国人工智能技术创新水平准则层时序比较图与截面图如图2、3 所示。样本考察期间内，创新环境维度呈现波动上升的时序特征，且上升程度在四个准则层中最高。这可能是由于中国人工智能创新、数字基建等政策的颁布与实施，使得创新环境逐步完善，有了相应的政策支持与数字、技术等基础。从各省区市创新环境均值来看，上海、江苏、北京的创新环境水平位居前三，内蒙古、青海、宁夏的创新环境水平相对较低，样本省区市间创新环境水平极差较大；高水平省区市周边区域来看，上海、北京以及江苏周边省区市的创新环境水平相对较高，通过高水平省区市的辐射带动作用，推动了周边省区市创新发展；从低水平城市的周边区域来看，低水平省区市周边区域创新环境水平相对较低，尚未形成人工智能技术创新能力的区域间良性促进作用，难以带动创新环境区域协调发展。

（2） 创新资源

样本考察期内，创新资源维度展现出波动上升的时序特征，且上升程度仅次于创新环境（图2～3）。从各省区市创新资源水平均值来看，江苏、福建、北京的创新资源得分相对较高，且得分均大于0.49，可能是由于这些省区市经济实力较强，有较强的经济实力作支撑，推动科技发展，进而带动人工智能产业创新发展。内蒙古、宁夏以及新疆等地创新资源水平较低，得分均低于0.11，可能是由于这些省区市关注更多的是经济发展，在推动经济快速发展的同时忽略了对创新资源的投入。

（3） 创新质量

样本考察期内创新质量维度呈波动上升态势，上升程度在四个子维度中最低（图2～3）。极小值出现在2011 年，自2016年中国创新质量呈现出稳步增长态势。究其原因，2017 年以前，中国发展模式多是以粗放式发展模式为主，产量、效益增加的同时并未真正做到高质量发展，导致创新质量水平下降。2017 年国务院政府工作报告中将人工智能加入国家战略规划，以及《新一代人工智能发展规划》等一系列政策发布及实施，中国创新质量得以持续提升。从准则层水平截面来看，样本考察期内各省份创新质量评分中，浙江、北京、江苏、上海、福建等省区市的创新质量在30 个省区市中处于领先水平，且得分均超过0.49。由于这些省区市本身经济发展正处于高质量发展阶段，且在相关政策扶持下取得了进一步发展。内蒙古、青海、新疆、陕西的创新质量评分较低，且均低于0.11，这也在一定程度上说明上述省区市的经济发展属于“重经济发展、轻发展质量”的模式。

（4） 创新产出

样本考察期内，创新产出维度呈现波动上升趋势，且上升程度仅次于创新资源（图2～3）。从波动趋势来看，创新产出在2016—2020 年呈现稳步上升趋势，究其原因可能是由于2014—2015 年国家领导人开始将人工智能发展的内容在讲话或报告中单独提出，并于2016 年制定《机器人产业发展规划（2016—2020 年）》。这进一步推动了中国人工智能发展，促使大部分省区市在这期间创新产出水平得到提升。观察图3 可知，内蒙古、新疆、宁夏、云南的创新产出水平较低，可能是由于这些省区市前期投入用于技术创新领域的人力、资金、技术等资源更少，导致其创新产出得分低于其他省区市。

图2 准则层人工智能技术创新水平时序比较

图3 准则层人工智能技术创新水平截面比较

五、结论与建议

文章从创新环境、创新资源、创新产出、创新质量四个层面，构建中国人工智能技术创新水平测度的15 个指标，之后采用主成分分析方法对中国30 个省区市效用值数据展开因素分析，定义创新环境、创新资源、创新质量、创新产出4 个主成分及其权重，并最终得出以下结论：第一，从整体上看，研究样本期间内，中国人工智能技术创新水平呈现出波动上升时序特征，但省际差距十分明显，人工智能技术创新水平上最高省区市与最低省区市之间比率为6.5 倍。经济水平越高的省区市其人工智能技术创新水平越高、增长率越低，经济发展水平越低，人工智能技术创新水平均值越低、增长率越高。第二，分地区来看，研究期内东、中、西部地区人工智能技术创新水平均呈上升态势，其中东部地区最高，中部地区次之，西部地区居后。第三，从准则层来看，创新环境、创新资源、创新质量、创新产出四个子维度均呈不同程度上升态势，按照提升程度排列为：创新环境＞创新资源＞创新产出＞创新质量。

根据以上结论文章提出如下政策建议：

1. 强化技术创新的边际递增收益优势

从结果上看，中国人工智能技术创新水平省际差距十分明显，且这种差距是由于科技发展水平、技术资金投入等因素导致。因此，地方政府应发挥人工智能产业的边际递增收益优势，通过增加创新资源投入，助推地方技术创新水平提升。具言之，地方政府财政可采用加大对人工智能产业的投入、颁布利好政策等方式，助推地方人工智能产业形成“科学—技术—创新—产业”边际效益递增的创新路径，逐步完善区域内人工智能技术创新水平均衡发展。

2. 实施差异化人工智能创新发展战略

研究显示，东部地区创新产出水平高于中、西部地区，说明东部地区人工智能产业相较于中、西部地区更为发达。因此，要整体提升中国人工智能技术创新水平，政府还需因地制宜制定提升人工智能技术创新水平政策。一方面，针对中、西部地区，政府可大幅度增加区域内重点省区市的创新投入。增加创新基建力度，推动人工智能产业升级，以省区市创新驱动带动区域整体技术创新水平提升。另一方面，针对东部地区，应持续推进国家人工智能创新示范区、国家高新区建设等政策，充分发挥示范区、高新区对人工智能智能技术创新水平较低地区的指引与带动作用，加速推进人工智能成果转化与普及速度。

3. 培育人工智能技术创新土壤

研究结果显示，尽管人工智能技术创新水平的省区市在增长率方面有了一定提升，但从均值审视却远未达到经济发达省区市水平。因此，为加速突破人工智能技术发展不均衡格局，欠发达省区市需加大人工智能技术创新能力土壤培育力度。一方面，政府可积极落实人工智能相关高技术产业转型升级政策，促进区域内产业结构由以往重制造业倾斜至高新技术产业。另一方面，政府需推进高校与人工智能产业达成深度产教融合合作模式，在高校中开设人工智能相关课程，培养人工智能技术创新人才。