人工智能与全要素生产率:“技术红利”还是“技术鸿沟”

姜 伟,李 萍

(1.中央民族大学 经济学院,北京 100081;2.西安财经大学,陕西 西安 710100)

一、引 言

人工智能作为引领性科技、突破性创新的方法之一,是创新驱动发展的重要组成部分。根据中国信通院(CAICT)发布的《人工智能核心技术产业白皮书》可知,截至2020年,中国人工智能产业初步形成以京津冀、长三角、粤港澳、成渝等地区为核心的区域发展格局。核心区域通过发展人工智能能够深刻改变自身已有的生产方式,推动经济发展质量变革、效率变革、动力变革。那么,核心区域人工智能的迅速发展能否带动周边地区实现生产方式变革?或者说核心区域人工智能发展带来的是“技术红利”还是“技术鸿沟”?如果存在“技术红利”,表明人工智能发挥了引领性作用,带动周边地区全要素生产率提升,实现高质量发展;如果存在“技术鸿沟”,意味着人工智能发展水平较高的地区具有较高的全要素生产率,但无法对周边地区全要素生产率带来溢出效应。因此,探究人工智能发展对全要素生产率的空间溢出效应,对于中国以创新驱动高质量发展、实现“十四五”时期在质量效益明显提升的基础上实现经济持续健康发展的经济社会发展目标具有重要意义。

当前关于人工智能影响全要素生产率的研究专注于讨论人工智能发展对本地全要素生产率的影响,认为人工智能有利于促进全要素生产率提升,进而推动当地经济增长[1]。其他学者则多集中于从工业机器人和自动化的角度讨论人工智能对就业、收入分配和经济增长的影响,认为人工智能在对就业产生结构性冲击,导致就业极化与收入极化的同时,有利于促进产业升级,应对老龄化对经济增长的不利影响[2-9]。可见,现有研究尚不能回答人工智能究竟带来的是“技术红利”还是“技术鸿沟”。基于此,本文从空间经济学的视角考察人工智能对全要素生产率的影响,将国家知识产权局专利检索统计数据与地级及以上城市进行匹配,确定人工智能发展的中心城市和外围城市,利用空间杜宾模型(SDM)考察人工智能是否带来“技术红利”,如果存在“技术红利”,则进一步分析“技术红利”的空间范围。

二、文献回顾

当前关于人工智能影响全要素生产率的研究较少,多数学者从信息化、智能化和数字产业发展的溢出效应进行探讨,相关研究集中于以下三个方面:

第一,人工智能有利于提升本地全要素生产率。Graetz等基于17个国家1993—2007年的行业数据研究发现,工业机器人的使用提高了劳动生产率和全要素生产率[10]。孙早等基于中国2001—2017年23个制造业省级面板数据的研究发现,人工智能发展促进了纺织服装和通用设备等传统制造业的全要素生产率提升,但对医药制造、计算机和仪器仪表制造这三个高端制造业的全要素生产率提升没有显著作用[11]。

第二,信息化、智能化、数字化具有显著的溢出效应。首先,以互联网为代表的信息通信技术通过加速人力资本积累,提高资本配置效率和资金流转速度,推动传统产业升级和新兴产业发展等机制产生显著的溢出效应[12]。高杨等研究发现,农业信息化通过优化农业资源配置,对农业绿色全要素生产率具有显著的空间溢出效应[13]。其次,智能化通过完善企业劳动力结构、推动下游产业扩大生产规模等机制对产业升级和就业均存在正向溢出效应[14-15]。最后,数字经济对全要素生产率具有显著的空间溢出效应。杨慧梅、李宗显等分别构建省际和城市层面数字经济发展指数,探究数字经济对全要素生产率的空间效应,研究发现数字经济能够有效推动本地及邻近地区全要素生产率提升[16-17]。

第三,全要素生产率受空间溢出效应的影响。企业间、区域间全要素生产率具有空间关联效应。Sena利用意大利1989—1994年制造业企业数据计算企业全要素生产率,研究发现存在高技术企业向低技术企业的知识溢出,表现为高技术企业全要素生产率提升对低技术企业全要素生产率具有正向的空间溢出效应[18]。刘建国等发现1990—2011年中国省域全要素生产率呈现空间自相关性,全要素生产率在各个区域之间存在空间溢出效应[19]。此外,全要素生产率受知识资本、FDI等因素的空间溢出效应的影响[20-21]。

从上述文献可以看出,人工智能对全要素生产率的带动作用以及人工智能的“技术红利”或“技术鸿沟”仍是一个有待探讨的问题。已有研究在讨论人工智能影响全要素生产率方面存在以下不足:一是少有研究从空间经济学的角度分析人工智能的引领性作用。《新一代人工智能发展规划》指出人工智能是引领经济发展、社会建设的战略性技术。这一引领性作用在空间层面应表现为人工智能发展的核心区域可有效带动周边地区经济发展,产生人工智能发展的空间溢出效应。忽略人工智能发展的空间溢出效应,将导致无法准确评估人工智能对中国经济发展的重要作用。二是已有研究较少关注人工智能对全要素生产率的空间溢出效应。人工智能的快速发展在深刻改变本地生产方式的同时,将对邻近地区产业发展、人才结构、资源配置等产生显著影响,深刻改变外围地区的全要素生产率。因此,需采用空间经济学的分析方法讨论核心区域人工智能发展是否促进了周边地区全要素生产率提升。

针对以上不足,本文拟从两个方面进行改进:一是以城市行政区域为分析对象,依据人工智能专利数据,将地级及以上城市划分为人工智能发展的中心城市和外围城市,探讨中心城市人工智能发展对外围城市的引领性作用;二是以中心城市人工智能发展对外围城市全要素生产率的空间溢出效应为研究对象,回答人工智能发展带来“技术红利”还是“技术鸿沟”这一问题。若中心城市人工智能发展有效带动外围城市全要素生产率提升,则存在人工智能发展的“技术红利”。若中心城市人工智能发展对外围城市全要素生产率不具有显著影响,则存在人工智能发展的“技术鸿沟”。如果存在“技术红利”,根据空间距离衰减原理,人工智能对全要素生产率的空间溢出效应可能存在空间边界。本文考察人工智能影响全要素生产率的具体空间范围,从而揭示人工智能在多大的范围内带动了全要素生产率提升。

三、基本假设及研究方法

(一)基本假设

空间经济学与新经济地理学表明,区域经济增长具有显著的空间关联效应,在技术进步方面表现为邻近区域的技术溢出效应是一个区域技术进步的重要源泉[22]。中心城市人工智能发展带来两类溢出效应:一是知识溢出。以机器人为代表的智能化生产设备可有效提升中心城市制造业生产效率,替代中低教育程度劳动力。中低教育程度劳动力向外围城市流动,为外围城市带来最新的生产技术和管理经验,产生知识溢出效应。二是平台溢出。人工智能发展的中心城市依赖于自身人口和产业集聚优势,不断催生新产业、新业态、新模式,在服务业表现为智能化服务平台的出现和广泛应用。智能化服务平台依托于平台背后的大数据资源和人工智能技术,具有边际成本低、利于共享共用的特点,可在外围城市迅速推广应用。

基于中心城市人工智能发展带来的知识溢出和平台溢出效应,中心城市人工智能发展可深刻改变外围城市的生产方式,带动外围城市全要素生产率提升。一方面,知识溢出所带来的先进生产技术和管理经验,有利于外围城市的企业及劳动力及时掌握新的生产技能,表现为全要素生产率提升;另一方面,平台溢出带来先进的智能化服务平台,可有效提高资源配置效率,开拓外围城市市场空间,提高外围城市全要素生产率。基于以上分析,本文提出以下假设:

假设1:人工智能有利于提升外围城市全要素生产率,带来“技术红利”。

知识溢出和平台溢出效应作用的空间范围决定了人工智能影响全要素生产率的空间范围。一方面,知识溢出以中心城市流出的中低技能劳动力为载体。该类劳动力出于生活和工作需求倾向于在距离中心城市较近的地区工作。且距离中心城市较近的外围城市产业结构与中心城市相配套,劳动力在此类城市能够更好地发挥自身的知识经验优势。因此,知识溢出遵循距离衰减规律,随着与中心城市空间距离的增大而减弱。另一方面,平台溢出同样遵循距离衰减规律。原因在于智能化服务平台的推广应用速度随空间距离的增大而衰减。往往是距离中心城市距离较近的外围城市率先应用中心城市人工智能发展的最新成果。由于知识溢出和平台溢出均遵循距离衰减规律,本文提出以下假设:

假设2:受距离衰减规律的影响,人工智能带动外围城市全要素生产率提升的“技术红利”存在空间边界,仅在一定空间范围内显著。

知识溢出和平台溢出的作用效果依赖于外围城市自身的经济发展水平。一方面,外围城市需具有配套产业,才能承接中心城市流出的中低技能劳动力,发挥劳动力的技能优势,产生知识溢出效应,从而提升全要素生产率;另一方面,外围城市利用智能化服务平台提升全要素生产率也需要经济集聚程度达到一定水平,产生对服务业扩张的需求。一般而言,经济发展水平较高的城市经济集聚程度较高,并拥有可容纳劳动力的配套产业。基于以上分析,本文提出以下假设:

假设3:人工智能对全要素生产率的“技术红利”在经济发展水平较高的外围城市更加显著。

(二)实证模型设定

人工智能发展如果带来“技术红利”,最直观的表现是中心城市人工智能发展对外围城市全要素生产率产生显著正向的空间溢出效应。参考覃成林等带有空间外溢变量的区域经济增长收敛检验模型,检验人工智能发展是否带来“技术红利”[23]。模型的具体形式如下:

TFPit=α0+α1AIit+α2W×AIjt+α3W×sciexjt+κXit+λYit+φZit+εit

(1)

其中,i表示人工智能发展外围城市,j表示人工智能发展中心城市;TFPit和AIit分别表示外围城市i的全要素生产率和人工智能发展水平。W为描述区域空间关系的n×n阶权重矩阵,n为地级及以上城市数量。本文设定地理权重为距离倒数wij=1/dij,其中dij表示地级及以上城市经纬度的球面距离。AIjt表示中心城市j的人工智能发展水平。W×AIjt的系数α2表示中心城市人工智能发展对外围城市全要素生产率的空间外溢系数。若α2显著为正,说明中心地区人工智能发展对外围城市全要素生产率具有显著正向的空间溢出效应,带来“技术红利”。sciexjt表示中心城市j的科学技术财政支出,控制中心地区科学技术财政支出的空间溢出效应;W×sciexjt的系数α3为科学技术财政支出的空间外溢系数。α0为常数,ε为误差项。X为居民收入类变量,用在岗职工平均工资wage表示;Y为科技发展支持类变量,包括科学技术财政支出sciex、教育财政支出eduex;Z为经济发展水平类变量,包括人均GDP水平pgdp、年末人口数pop;κ、λ和φ为待估向量。

为检验中心城市发展人工智能带动外围城市全要素生产率提升的空间边界,本文设定不同的空间距离阈值,将距离d以内的城市逐渐从权重中剔除,从而在不考虑距离阈值以内的城市空间关系的基础上,检验人工智能发展对全要素生产率的空间溢出效应,考察“技术红利”的空间范围。空间权重矩阵具体设定为:

(2)

四、变量说明及区域划分

(一)变量说明

本文以人工智能对全要素生产率的空间溢出效应作为研究对象,将外围城市的全要素生产率作为被解释变量。城市全要素生产率的计算利用Olley-Pakes法(以下简称OP法)。在变量处理上,参考余永泽和李启航的方法,产出以城市地区生产总值(GDP)来表示。考虑缺少城市层面GDP平减指数,本文利用城市所在省份的GDP平减指数对城市GDP按2000年不变价进行平减处理。投入的劳动以全社会从业人员来表示。投资以城市当年固定资产投资来表示,并采用城市所在省份的固定资产投资价格指数平减为2000年不变价[24]。参考张军等的研究数据,以2000年为基期,城市基期资本存量由2000年各市占所在省份全社会固定资产投资比重确定,结合9.6%的折旧率和城市固定资产投资,计算历年城市层面的资本存量[25]。

人工智能可以处理和分析大量非结构化数据,核心算法是机器学习和深度学习。本文利用国家知识产权局专利检索统计数据,以机器学习和深度学习为关键词检索人工智能专利申请和授权情况。数据显示,2005年之后,中国人工智能专利申请数迅速增长。因此,选定2005—2018年为研究时间,找出21 053条机器学习和深度学习专利,并将其与地级及以上城市相匹配。由于部分城市数据缺失较为严重,本文最终得到258个地级及以上城市的面板数据。被解释变量和控制变量数据来自于《中国城市统计年鉴》、中经网统计数据城市年度库。主要变量描述性统计见表1,控制变量均取自然对数值。

表1 变量描述性统计

(二)区域划分

中国地级及以上城市按照人工智能发展的先发优势特点和集聚特征,分为三类:

第一类是发展人工智能时间较早、已基本形成人工智能先发优势的城市,可称为人工智能发展的先发城市。该类城市以北京、深圳、上海、杭州、南京、广州、成都、武汉、西安等城市为代表,基本在2005—2010年开始申请人工智能专利,且一直持续至2018年,因此具有人工智能发展的先发优势,表现为先发城市人工智能专利申请数占比较高。专利数据显示,33个先发城市2005—2018年人工智能专利申请数占比达90.94%,人工智能发展的核心区域地位显著。

第二类是发展人工智能时间较晚、初步形成人工智能发展优势的城市,可称为人工智能发展的后发城市。该类城市以东莞、珠海、佛山、常州等31个城市为代表,于2015—2016年开始持续存在人工智能专利申请或授权。2015年7月,国务院出台《关于积极推进“互联网+”行动的指导意见》,提出依托互联网平台提供人工智能公共创新服务,加快人工智能核心技术突破,首次将人工智能纳入战略决策。之后,随着《“互联网+”人工智能三年行动实施方案》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划(2018—2020年)》等一系列政策出台,带动一批城市以人工智能作为引领未来经济发展的重要科技力量,形成人工智能发展的后发城市。

第三类是人工智能发展水平较低、未形成人工智能发展优势的城市,可归为人工智能发展的外围城市。该类城市人工智能专利申请或授权数量较少,且人工智能专利申请或授权的连续性不高,表明外围城市尚未形成人工智能发展优势。

人工智能发展的中心城市应满足两点要求:一是城市自身人工智能专利申请和授权数量占比较高;二是连续多年具有人工智能专利申请或授权。基于城市人工发展的集聚特点,本文以《关于积极推进“互联网+”行动的指导意见》出台后均具有人工智能专利申请的先发城市和后发城市作为人工智能发展的中心城市(共64个地级及以上城市),其他城市作为人工智能发展的外围城市,探讨中心城市人工智能发展对外围城市全要素生产率的空间溢出效应,判断人工智能“技术红利”的空间范围。2005—2018年,中心城市人工智能专利申请数占全部申请数的比重为97.88%,表明中心城市的划分具有较好的代表性。

五、实证分析

本部分基于构建的空间计量模型,检验人工智能发展能否通过空间溢出效应带动其他地区全要素生产率提升,产生“技术红利”。若存在“技术红利”,则进一步检验人工智能“技术红利”的空间范围,并根据经济发展水平将外围城市划分为高经济发展水平和低经济发展水平两类地区,检验“技术红利”的空间异质性。

(一)“技术红利”的实证检验

利用包含固定效应的空间杜宾模型(SDM-FE)对式(1)进行估计,结果见表2。表2第(1)列只放入外围城市自身人工智能发展水平、中心城市人工智能发展水平与科学技术财政支出。第(2)列至第(4)列在第(1)列的基础上进一步控制外围城市居民收入、科技发展支持和经济发展水平三类控制变量。第(5)列进一步控制年份固定效应。

表2 “技术红利”的实证检验结果

由表2可知,W×AI的系数显著为正,在依次引入控制变量和年份固定效应后,人工智能的空间外溢系数均通过1%的显著性检验。这表明,中心城市人工智能发展显著带动了外围城市全要素生产率提升。中心城市每多申请1项人工智能专利,外围城市全要素生产率约提升0.59%。空间溢出效应是人工智能促进全要素生产率提升的一个重要机制。整体而言,人工智能有效发挥了引领性作用,为外围地区带来“技术红利”。而且,外围城市人工智能AI系数不显著,表明外围城市发展人工智能对本地全要素生产率无影响。原因可能在于外围城市人工智能发展水平较低,未能有效发挥人工智能对全要素生产率的带动作用。2005—2018年,外围城市人工智能专利申请数仅447项,占全部申请数2.12%。外围城市全要素生产率主要受中心城市人工智能发展的影响,假说1得以验证。

控制变量方面,外围城市工资水平与全要素生产率负相关;科学技术财政支出、教育财政支出、人口数量对全要素生产率无显著影响;人均GDP水平越高的外围城市全要素生产率越高;中心城市科学技术财政支出W×sciex的系数不显著,表明中心城市科学技术财政支出未对全要素生产率产生空间溢出效应。

(二)“技术红利”的空间范围

如前所述,中心城市人工智能发展通过空间溢出效应带动外围城市全要素生产率提升,产生“技术红利”。一般而言,空间溢出效应遵循距离衰减规律。那么,中心城市人工智能发展带动外围城市全要素生产率提升的空间溢出效应是否具有空间边界,即人工智能发展仅带动局部空间范围内外围城市全要素生产率的提升?本节试图回答这一问题。考虑表2中W×AI的系数α2及其显著性可直接反应人工智能影响外围城市全要素生产率的空间溢出效应,以W×AI的空间外溢系数α2为依据,采用设定距离阈值的方式,利用SDM-FE模型对式(1)进行估计,检验人工智能发展影响全要素生产率的空间范围。

参考覃成林和杨霞的研究,本文在设置距离阈值时,以50公里为起点,每10公里回归一次,依次记录回归结果中中心城市人工智能发展的空间外溢系数α2的估计值及其显著性[23]。结果显示,随着距离阈值不断提高,中心城市人工智能发展的空间外溢系数α2并未呈现单一的距离衰减现象,而是呈倒U型变化,即随着与中心城市距离的增加,空间外溢系数α2呈先增高后降低的变化趋势。图1给出了人工智能发展的空间外溢系数α2与地理距离的关系。

图1 空间外溢系数的距离变化曲线

从图1可以看出,空间外溢系数α2除在70公里、180公里和200公里处出现一定幅度的抬升外,随距离的变化基本符合倒U型规律。根据距离变化曲线的走势可以将其划分为两个部分,一是140公里内的空间范围,人工智能发展对全要素生产率的空间溢出效应随距离的增加逐渐增强;二是140公里至200公里的空间范围,人工智能发展对全要素生产率的空间溢出效应随距离的增加而减弱,出现距离衰减现象。当外围城市与中心城市的距离超过200公里后,空间外溢系数α2不再显著。空间外溢系数α2的距离变化规律表明,中心城市人工智能发展虽然通过空间溢出效应带动外围城市全要素生产率提升,但这种带动作用仅在一定的地理范围内才能实现,具有明显的局域性特征。人工智能发展影响全要素生产率的空间边界为200公里。在该空间范围内,中心城市人工智能发展能够通过空间溢出效应带动外围城市全要素生产率提升,产生“技术红利”,对距离超过空间边界的外围城市,中心城市人工智能发展难以对其全要素生产率产生显著影响。为进一步检验空间范围内人工智能对全要素生产率的空间边界和空间溢出效应,本文以200公里为边界点,将200公里内和210公里外的区域样本进行回归分析,估计结果见表3。

由表3可知,在引入控制变量和年份固定效应后,200公里内样本数据服从SDM-FE模型,210公里外样本数据退化为SEM-FE模型,表明中心城市人工智能发展与210公里外的外围城市全要素生产率之间仅需考虑误差项之间的交互效应,即人工智能发展对该区域全要素生产率不存在显著的空间溢出效应。人工智能发展的空间外溢系数在200公里内显著为正。再次证明,在距离中心城市200公里内,中心城市人工智能发展有效带动外围城市全要素生产率提升。超过这一范围,人工智能发展的带动作用不显著。从空间外溢系数上看,中心城市每多申请一项人工智能专利,200公里范围内外围城市全要素生产率提升约为0.43%。可见,人工智能已成为影响区域全要素生产率的重要因素。但是,人工智能发展的“技术红利”仅在一定范围内显著,超过200公里范围,人工智能发展的“技术红利”将会消失,假设2得以验证。

(三)“技术红利”的空间异质性

上述理论分析认为,中心城市人工智能发展能否带动外围城市全要素生产率提升依赖于外围城市的经济发展水平。具有配套产业发展基础、经济集聚有效催生服务业需求的外围城市,可容纳中心城市的中低技能劳动力,充分利用中心城市各类人工智能服务平台,提升自身全要素生产率。换言之,经济发展水平较高的外围城市可更好地借助中心城市人工智能发展提升全要素生产率。为检验这一假设,本文按照是否高于外围城市人均GDP均值将外围城市研究样本划分为两个子样本,即经济发展水平较高的外围城市(样本1,共96个外围城市)和经济发展水平较低的外围城市(样本2,共98个外围城市),考察中心城市人工智能发展“技术红利”的空间异质性。估计结果见表4。

表3 200公里内和210公里外的样本回归结果

表4 人工智能“技术红利”分样本回归结果

表4结果显示,经济发展水平较高的外围城市(样本1)W×AI系数显著为正,经济发展水平较低的外围城市(样本2)W×AI系数不显著。这表明,中心城市人工智能发展对经济发展水平较高的外围城市(样本1)全要素生产率具有显著的带动作用,对经济发展水平较低的外围城市(样本2)全要素生产率无显著影响。中心城市人工智能发展对经济发展水平相对较高的外围城市全要素生产率的带动作用大于经济发展水平相对较低的外围城市。换言之,经济发展水平较高的外围城市对中心城市人工智能空间溢出效应的利用效果要大于经济发展水平相对较低的外围城市。原因在于,一方面,经济发展水平较高的外围城市距离中心城市相对较近,经济发展水平相对较低的外围城市距离中心城市相对较远。数据显示,经济发展水平较高的外围城市与中心城市的距离平均为666.67公里,经济发展水平较低的外围城市平均距离为833.33公里。较远的空间距离限制了知识溢出和平台溢出的作用,使得经济发展水平较低的外围城市无法及时应用中心城市人工智能发展的最新技术成果,全要素生产率未受到中心城市人工智能发展的影响。另一方面,经济发展水平较高的外围城市产业规模较大、人口数量较多,在为中心城市流出的劳动力提供丰富就业选择的同时,能够相对较快地吸收、学习、采用中心城市人工智能发展带来的新平台、新技术,获得“技术红利”。假设3得到验证。

(四)稳健性检验

本文稳健性检验从以下三个方面进行:第一,更换核心解释变量。考虑人工智能专利由申请到授权需要时间,本文使用人工智能专利授权数AI_pub作为人工智能发展的代理变量,重新估计中心城市人工智能发展对外围城市全要素生产率的空间溢出效应。第二,引入中心城市全要素生产率。已有研究表明,全要素生产率具有空间关联效应。相比外围城市,中心城市具有较高的全要素生产率。那么中心城市对外围城市全要素生产率的空间溢出效应来源于人工智能发展还是本身全要素生产率?为回答以上问题,本文引入中心城市全要素生产率OP_center,控制中心城市全要素生产率的空间溢出效应。第三,更换被解释变量。使用LP法、Wooldridge估计等方法对全要素生产率进行重新估计。估计结果见表5。

表5 稳健性检验回归结果

表5中模型(1)结果显示,在将核心解释变量更换为中心城市人工智能专利授权数后,W×AI_pub的空间外溢系数仍显著为正,表明中心城市发展人工智能带动外围城市全要素生产率提升这一结论具有稳健性。在引入中心城市全要素生产率(模型(2))、利用LP法和Wooldridge估计方法重新测算全要素生产率(模型(3)和模型(4))后,W×AI_appl的空间外溢系数仍保持正向显著,表明本文回归结果的稳健性。模型(5)和模型(6)分别对经济发展水平较高的外围城市(样本1)和经济发展水平较低的外围城市(样本2)两个子样本进行回归估计,结果与表4基本保持一致,表明中心城市人工智能发展对外围城市全要素生产率的带动作用集中于经济发展水平较高的外围城市,验证了本文基准回归所得结论。

六、结论与政策建议

本文从空间经济学的视角,基于2005—2018年258个地级及以上城市面板数据,划分人工智能发展的中心城市与外围城市,探讨中心城市人工智能发展是否带动了外围城市全要素生产率提升。实证结果表明:第一,中心城市人工智能发展对外围城市全要素生产率具有显著的空间溢出效应,是带动外围城市全要素生产率提升的重要途经。人工智能发展带来“技术红利”。第二,人工智能发展对全要素生产率的空间溢出效应随距离增长呈先提升后降低的倒U型变化,在距离超过140公里后出现距离衰减现象,在距离超过200公里后不再显著。中心城市人工智能发展对外围城市全要素生产率的空间溢出效应是局域而非全局的,这种溢出效应在200公里以内显著。第三,人工智能发展的“技术红利”主要集中于经济发展水平较高的外围城市。

综合以上结论,本文提出如下政策建议:第一,全方位布局人工智能发展中心城市,打造人工智能多中心发展格局。中心城市人工智能发展带动外围城市全要素生产率提升的范围是有限的。空间范围以外的外围城市无法享受到人工智能发展带来的“技术红利”。那么,对于这些外围城市,如何借助人工智能发展的“东风”提升全要素生产率是未来发展的重要命题。因此,需要制定人工智能的区域发展战略和规划,在外围城市中重点培育一批新的人工智能发展中心城市,利用其人工智能发展的“技术红利”带动周边外围城市全要素生产率提升。第二,推进中心城市人工智能发展,突破人工智能发展的核心技术。随着中心城市人工智能发展水平不断提升,新平台、新技术快速普及应用,将对距离较远的外围城市全要素生产率产生空间溢出效应。因此,需要充分发挥中国超大规模市场优势,进一步推进中心城市人工智能发展,突破人工智能发展的核心技术,提升人工智能的核心竞争力,鼓励开发人工智能新产品、新形态,促进人工智能的推广应用,辐射带动距离较远的外围城市全要素生产率提升。第三,优化外围城市产业结构,充分利用人工智能发展的“技术红利”。中心城市人工智能发展是否具有“技术红利”依赖于外围城市产业结构和经济集聚程度。因此,通过优化自身产业结构、提高经济集聚程度,外围城市可有效吸引中心城市劳动力,及时利用人工智能的新产品、新平台,提高自身利用中心城市“技术红利”的能力。