人工智能与现代产业体系融合发展研究——基于系统耦合的视角

韩青江 陈雁云 夏 蕾

(1.南京大学 商学院,江苏 南京 210023;2.江西财经大学 a.应用经济学院,b.经济与社会发展研究院,江西 南昌 330013;3.武汉轻工大学 经济学院,湖北 武汉 430023)

一、引言

人工智能作为一种通用目的技术,通过与实体经济融合,促进传统产业转型升级、驱动产业智能化与现代化。在新发展阶段,为了进一步提升中国的产业国际竞争力,消除制约产业升级的要素限制,党的十九大报告提出着力构建以实体经济为核心的现代产业体系,加快推进实体经济、科技创新、现代金融、人力资源等要素的协同发展。现代产业体系的构建对产业发展提出了新的要求,由过去强调产业结构高度化与合理化转向追求产业要素协同化,更关注要素供给的质量以及要素与产业生产的匹配。人工智能作为一种新的技术集群,是科技创新的重要表现。以大数据、智能算法与超级算力为代表的智能技术一方面影响资本与劳动等传统要素的生产效率,另一方面塑造以“数据”为标志的新的生产要素,促进了生产方式的变革。鉴于人工智能创新系统与现代产业体系之间错综复杂的相互影响关系,从系统角度研究人工智能与现代产业体系的融合尤为必要:一方面有助于从理论层面掌握人工智能与现代产业体系发展之间的相互影响机制,另一方面有助于从实证层面了解人工智能与现代产业体系的耦合与协调程度,为进一步提升两者的互动效率、促进产业现代化水平的提升提供建议。本文从系统耦合的角度出发,通过分别构建人工智能与现代产业体系的综合评价指标,从理论与实证两个层面分析人工智能与现代产业体系融合发展的机制与效应,为提升人工智能与现代产业体系的良性互动发展提供政策支撑。

二、文献综述

通过查阅既有文献发现,当前有关人工智能与现代产业体系相互影响的文献较少,可见人们对新一轮技术革命冲击下人工智能对现代产业体系发展的研究存在不足。在既有研究中,相关文献可以分为两个方面:一是从人工智能的角度出发探讨人工智能技术进步对产业结构的影响;二是从现代产业体系的角度出发分析数字经济等新经济形态带来的影响。

首先,就人工智能影响产业结构而言,相关文献分析人工智能的驱动效应。郭凯明通过研究指出,人工智能技术进步会促进生产要素在不同部门之间流动,这一流动导致产业结构转型和劳动收入份额的变化[1]60-77。李海舰和张璟龙认为,数字产业化的蓬勃发展拓展了智能化生产方式的应用场景,加速了平台化产业新生态的形成[2]13-22。郑江淮和冉征研究指出,在劳动力工资水平较高时,制造业智能化技术创新能够降低第二产业的劳动数量,提升第二产业的产值,并进一步促进经济增长[3]86-101。韦东明等研究发现人工智能技术进步对产业结构的高度化与合理化具有显著的促进作用,其中对高技术制造业、装备制造业、生产性服务业和高端服务业的产业升级作用显著[4]70-83。耿子恒等通过构建人工智能技术成熟度指标实证研究发现,人工智能可以促进制造业产业升级,但是对产业结构高度化有显著的负影响,同时对产业结构合理化影响不显著,区域和产业的异质性较大[5]38-52。王瑞瑜和王森结合老龄化的影响,分析了人工智能对产业结构的影响,发现人工智能技术发展可以缓解老龄化对第一、二产业的消极影响,同时促进第三产业的发展[6]80-92。胡俊和杜传忠从理论层面分析了人工智能促进产业转型的机制与路径,认为人工智能可以通过生产率提升、新产业新业态新模式的创造等方式促进产业结构的转型升级[7]94-101。Aghion等基于理论模型分析认为人工智能与传统生产方式的替代与转变决定了产业结构升级的方向[8]6-10。此外还有学者从生产率的角度分析了人工智能对产业的影响(Graetz和Michaels[9]753-768、Acemoglu和Restrepo[10]18-50)。

其次,从现代产业体系的角度出发,相关研究多从宏观角度对新经济模式下现代产业体系的发展作出论述。农春仕侧重从人力资本的角度研究指出,人力资源与实体经济协同具有要素升级效应和同频共振效应,是解码现代产业体系的关键,促进其数量、质量、结构协同需要形成有效劳动供给、人力资本积累、劳动力合理流动三大机制[11]95-99。胡西娟等从现代产业体系的四要素出发,从理论层面分析了数字经济对四要素协同发展的作用与价值[12]141-147。魏庆文等从生产函数的视角,对创新驱动影响现代产业体系的作用机制进行分析,将创新驱动划分为技术创新、组织创新和制度创新三个维度,并分别论述了三者协同发展作用于现代产业体系的机理[13]103-113。钟诗韵等从科技创新与制度创新相互协调的双轮创新的角度分析其对产业结构升级的影响,发现双轮创新驱动可通过加强高技术产业集聚、刺激地区市场的消费需求、推动人口老龄化等途径促进产业结构升级[14]70-85。施一等从基础研究的角度提出了构建基础研究资助导航系统平台的设想,通过该平台的建设夯实基础研究能力,实现资源的合理配置,进而建设全链条、高质量的现代产业体系[15]573-579。

以上研究为认知人工智能促进现代产业体系的发展提供了参考,但是综合分析可见当前研究存在诸多不足。一是缺乏直面人工智能与现代产业体系协同发展的研究。虽然部分文献讨论了人工智能对产业结构或者数字经济对现代产业体系的影响,但是相关概念与内涵差异较大。人工智能作为新一代信息技术的典型体现,其产业赋能作用必将对现代产业体系的发展与构建产生深远影响,现有研究对此关注不足。二是缺乏对人工智能和现代产业体系的科学定量分析。尽管现有文献提出了多种衡量人工智能与现代产业体系的方法,但是相关代理变量多局限于工业机器人、专利、论文、产业结构等单一变量,对两者的系统描述和应用研究存在不足。三是缺乏对人工智能与现代产业体系耦合协同关系的研究。人工智能不是单一的技术,而是一类技术集群,涉及广泛的创新生态系统。人工智能与现代产业体系的耦合协同作用不仅表现为单向的赋能作用,而且表现为两个系统的相互影响;因此需要突破单向作用机制研究的瓶颈,从系统的角度分析两者的协同发展作用。

本文直面人工智能与现代产业体系协同发展的问题,通过构建人工智能与现代产业体系的综合评价指标,基于Dagum基尼系数、莫兰指数和核密度估计等方法,从系统耦合的视角分析人工智能与现代产业体系之间的协同发展效应。本文的边际贡献在于三个方面:一是构建了系统的人工智能与现代产业体系评价指标体系,从多方面、多维度系统评估了两者的发展现状;二是对人工智能与现代产业体系的耦合度与协调度进行测度,突破了从技术视角分析其影响产业发展的单向思维,对理解两者的融合发展提供了支撑;三是基于基尼系数、莫兰指数和核密度估计对人工智能和现代产业体系协同发展的差异、空间与动态特征进行分析,为有关人工智能和现代产业体系发展的政策提供了翔实的支撑。

三、人工智能与现代产业体系协同发展的耦合机制

(一)人工智能与现代产业体系耦合系统的内涵界定

人工智能与现代产业体系的耦合体现在两个系统的相互影响与作用。首先,人工智能系统的发展表现为智能的产业化与产业的智能化。前者体现了人工智能相关新一代信息通信技术发展形成的新产业,是人工智能系统的核心与基石;后者体现了人工智能作为通用目的技术赋能传统产业的影响与技术扩散的结果,是人工智能系统发展的目标与方向。人工智能系统的发展既需要创新主体即各类创新型企业和研发机构的支撑,又需要各种市场需求主体即各产业的拉动,还需要政府与各类服务、孵化机构的引导与推动;因此人工智能的发展不仅仅是单一的技术进步,而且是多元主体、多类要素共同支撑和形成的创新生态系统。其次,现代产业体系系统表现为产业结构的高度化、产业结构的合理化和产业要素的协同化。产业结构高度化与产业结构合理化是既有文献中常用于衡量产业体系的两个指标,分别体现了产业结构的转型升级和生产要素的配置效率;产业要素协同化是对两者的补充,体现了产业体系现代化对要素协同、过程支撑和发展实体经济等的关注与要求。因此关于人工智能与现代产业体系的耦合主要表现为人工智能创新生态系统与现代产业体系系统的互动,基于底层的要素互动与供需关系,一方面提升了智能产业化与产业智能化水平,另一方面提升了产业结构高度化与合理化,促进产业要素协同。

(二)人工智能促进产业体系现代化的作用机制

一是人工智能促进产业结构高级化。首先,数据成为新的生产要素,以“数据+算力+算法”为标志的智能生产方式彻底改变了传统产业,促进了传统产业智能化改造和数字化升级。其次,人工智能通过新技术将各类生产要素重组,催生了诸多新业态、新模式、新产业,平台经济、旅游农业、服务型制造等不断涌现,促进了产业结构的转变与升级。最后,人工智能作为通用目的技术通过赋能传统资本提高了传统资本的生产效率,通过倒逼劳动力技能提升了劳动力要素技能结构,从而有力地支撑了产业结构高级化。

二是人工智能促进产业结构合理化。首先,人工智能通过消除信息不对称和降低搜寻成本等措施大大提高了市场效率[16]18-22,使市场需求与产品供给精准匹配,提高了资源匹配效率。其次,人工智能拓展了不同产业的边界,打通了产业的节点,促进了产业协同发展。对传统产业而言,不同行业有其固有的产业链条和运作模式。随着大数据和智能技术的渗透,产业组织开始多元化,行业之间的联系愈发紧密,要素流动和交换越来越频繁,促进了产业结构合理化。最后,虚拟现实、数字孪生和元宇宙等新技术的出现进一步颠覆了传统产业模式,从设计、生产到制造都摆脱了物理空间的限制,虚拟化的产业与消费组织形态进一步推进了产业结构合理化。

三是人工智能促进产业要素协同化。首先,人工智能作为新一轮科技革命的典型表现,是产业发展的助推器。围绕不同行业的应用需求,人工智能正在全方位地渗透与优化既有生产模式,促进了实体经济的高质量发展。其次,人工智能技术为解决如何实现金融服务实体经济提供了良好的方案,基于大数据的资金监管系统、企业与个人信誉评估系统、税务与风险监控系统等为金融机构管理和监控资金安全提供强有力的工具,促使更多的资金流向实体经济。最后,人工智能技术通过强大的市场需求倒逼劳动力技能结构升级,促进教育系统培训更多的高学历技术人才,引导公众由金融家崇拜向工程师崇拜转向,实现人力资源与实体经济的良性互动。

(三)现代产业体系促进人工智能发展的作用机制

一是现代产业体系促进了智能产业化发展。首先,产业现代化建设为人工智能技术应用提供了广阔的市场空间,促进了人工智能技术的规模化发展,相关技术领域出现了产业集群和完善的上下游产业链,为智能产业化的形成奠定了市场基础。其次,现代产业体系的建设是一个动态演变的过程,不同阶段的建设需求为智能技术的研发与迭代提供了市场机会,拉伸了智能产业链的长度与广度。最后,智能产业化是现代产业体系建设的内在要求。现代产业体系既通过传统产业需求拉动了智能产业的发展,又作为新兴产业在政策、资金、法律法规等方面得到了大力支持。产业体系得以不断完善和提升,成为现代产业体系不可或缺的一部分。

二是现代产业体系促进了人工智能技术创新并深化产业智能化转型。首先,人工智能技术的产业适用性目前依然不高[17]1-11。现代产业体系建设的迫切需求刺激着科研人员不断探索技术前沿的方向,为适用于人类生产的智能化技术寻找解决方案,市场需求的刺激不断推动人工智能技术前沿研发的进步。其次,现代产业体系为人工智能创新应用提供了多样化的应用场景。人工智能的应用与渗透促进了产业共性技术和行业专用技术的出现,深化了技术创新的维度。最后,随着不同类型的应用场景,不同标准的技术需求得以满足,产业智能化程度不断深化,强化了人工智能的发展。

三是现代产业体系促进了人工智能创新系统的完善。人工智能创新系统包括创新主体、创新支撑、创新环境等多个方面的子系统。现代产业体系的发展为人工智能创新生态系统的形成与完善提供了支撑。首先,现代产业体系发展中技术创新与技术应用的主体互为因果、相互支撑,激发了创新动力;其次,现代产业体系与人工智能创新系统共同需求下诞生的产业政策、法律法规、社会服务体系等构成了促进产业智能化与智能产业化发展的环境基础;最后,资本、劳动力等各类要素与资源的相互渗透为人工智能创新发展提供了资源保障。

四、研究设计

本文首先构造人工智能与现代产业体系的综合评价指标体系,计算各自的综合指数;然后基于耦合模型计算两者的耦合度与耦合协调度,分析两者发展水平与耦合协同的特征事实;最后基于基尼系数、莫兰指数和核密度图对两者耦合协同的差异、空间与动态特征进行分析,为促进人工智能与现代产业体系良性协同提出建议。

(一)综合评价指标体系构造

基于前文的内涵分析,本文从智能产业化与产业智能化两个维度构造人工智能发展的综合评价指标体系:智能产业化主要包括人工智能的研发投入、研发产出与创新环境等要素,产业智能化主要考虑各产业智能化水平与投入力度。最终形成包含2个方面指标5个分项指标16个基础指标的评价体系。关于现代产业体系,本文从产业结构高度化、产业结构合理化和产业要素协同化三个维度构建指标体系。其中,产业结构高度化包括产业之间高度化与各产业高度化水平,产业要素协同化是各要素服务实体经济的水平。形成包含3个方面指标9个分项指标26个基础指标的评价体系。具体指标如表1所示。

表1 人工智能与现代产业体系综合发展水平评价指标体系

(二)综合指标数据处理与权重计算

1.数据来源

本文数据涉及除港澳台与西藏之外的30个省(区、市),时间跨度为2011—2019年,数据来源于《中国统计年鉴》《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国金融统计年鉴》《中国农村统计年鉴》《中国工业统计年鉴》《中国劳动统计年鉴》和国家统计局、北京大学数字普惠金融指数报告、国际机器人联合会IFR统计数据库等。

2.数据处理

因为人工智能和现代产业体系各指标量纲存在差异,所以在权重计算之前,需要对数据进行标准化处理。处理公式如下:

对于正向指标的处理:

(1)

对于负向指标的处理:

(2)

3.权重计算

为了保证评价结果的客观性,本文采取客观赋权法进行权重计算。目前,各种客观赋权法都是基于样本数据的某一特征,如波动性(信息量权法)、相关性(CRITIC)和数值大小(TOPSIS)等从单一角度进行赋权,为综合数据的多种特征。本文分别从不同的角度进行单项赋权,进而构造组合权重进行计算。在客观赋权法中,熵权法考虑了数据的波动性和熵值,CRITIC法考虑了数据的波动性和相关性;因此本文使用熵权法和CRITIC法进行计算,进而构造组合权重。基于组合权重可以进一步计算得到人工智能与现代产业体系的综合指数和分项指数。

(三)两系统耦合度及耦合协调度计算

(3)

其中,Ct表示样本地区人工智能与现代产业体系在第t年的耦合度值。鉴于耦合度模型仅能反映两系统之间的相互影响程度,并不能体现这种影响是良性互动的还是恶性相累的,本文进一步引入耦合协调度模型来评估人工智能与现代产业体系的协调程度。耦合协调度不仅可以反映系统之间的协同程度,还能体现相互影响的作用方向。耦合协调度模型如下:

(4)

其中,Dt表示人工智能与现代产业体系在第t年的耦合协调值;Tt表示人工智能与现代产业体系在第t年的综合评价指数,反映了对两个系统的综合评价。计算公式如下:

(5)

其中,α、β代表权重参数,且α+β=1。考虑到人工智能与现代产业体系的相互作用同样重要,令α=β=0.5。为了对人工智能与现代产业体系的耦合度与协调度有一个直观的概念,借鉴冯苑等[19]79-90的研究,将耦合度划分为5个等级,将耦合协调度划分为10个等级。各等级的数值与含义如表2所示:

表2 耦合度与耦合协调度等级划分标准

五、人工智能与现代产业体系耦合发展的特征事实

(一)人工智能与现代产业体系综合发展水平分析

基于综合指数与组合权重,分别计算出2011—2019年中国各省(区、市)人工智能与现代产业体系的综合发展指数,如图1所示。

图1 人工智能和现代产业体系综合发展指数

由图1可知,2011—2019年,中国人工智能和现代产业体系的发展水平呈现不均衡的特征,人工智能发展水平滞后于现代产业体系,说明人工智能无法跟上现代产业体系发展的需要。从时间角度来看,人工智能与现代产业体系的综合水平在样本期内均获得了显著提升。前者综合指数由0.101上升至0.141,提高了40%;后者综合指数由0.248上升至0.337,提高了36%。由增长速度可以发现,2011—2014年,人工智能的发展速度与现代产业体系趋于一致,保持较低的增长水平。自2015年开始,现代产业体系的发展开始加速,而人工智能的发展水平也在2016年获得较高增长;此后增速又趋于稳定,与2011—2015年的发展态势趋于一致。从区域角度来看,各省(区、市)人工智能与现代产业体系的发展趋势存在较大差异。2011—2019年,两者综合指数的平均值如图2所示:

图2 2011—2019年各省(区、市)人工智能与现代产业体系综合发展指数平均值

由图2可知,2011—2019年,各省(区、市)人工智能与现代产业体系的发展水平差异显著。就两者的对比而言,除广东之外,其他省(区、市)人工智能均滞后于现代产业体系的发展水平。滞后性最大的5个省(区)分别是内蒙古、贵州、新疆、山西和甘肃,两指数比值分别为0.168、0.222、0.239、0.243和0.253。而除广东外,比值超过0.5的省仅有湖北、安徽、山东和江苏,比值分别为0.527、0.531、0.655、0.884。这说明我国大部分省(区、市)人工智能的发展水平不足。

就人工智能综合发展水平而言,广东和江苏位于第一层次,综合指数分别为0.474和0.341。广东与江苏不仅经济基础良好,还拥有丰富的教育资源,这有力地推动了人工智能的技术创新与产业发展。第二梯队分别是上海、北京、山东、浙江、湖北和安徽。以上省(市)均是经济和科教重地,这些要素对人工智能的发展至关重要。从区域角度来看,东、中、西部和东北地区的人工智能平均值分别是0.192、0.105、0.07和0.102。其中西部地区的人工智能发展水平严重不足,亟须加大相关产业的投入力度。由现代产业体系的综合水平可见,2011—2019年中国现代产业体系发展水平呈现波动上升的态势,各省(区、市)差异显著。北京和上海的现代产业体系发展水平最高,位于第一层次,综合指数分别为0.527和0.413。位于第二梯队的分别是江苏、天津、浙江和广东,现代产业体系综合指数分别为0.385、0.368、0.345和0.326。上述省(市)分别位于长三角、环渤海和珠三角等地区,是我国产业发展的先行区。此外,东、中、西部和东北地区的现代产业体系指数平均值分别是0.339、0.251、0.249和0.273,可见现代产业体系的区域差异相较于人工智能较为平缓,区域之间的发展水平相对更加均衡。

(二)人工智能与现代产业体系的耦合度与耦合协调度分析

基于上文的模型,本文计算了人工智能与现代产业体系的耦合度与耦合协调度值。就耦合度而言,2011—2019年,中国历年平均值分别为0.873、0.881、0.88、0.872、0.863、0.884、0.87、0.859和0.835,可见人工智能与现代产业体系一直处于高水平耦合阶段,两者之间相互影响与依赖度较高。就各省(区、市)而言,大部分地区在多数时间里均显示出高水平的耦合,仅少数地区在某些年份出现耦合度低于0.8的情况,分别是山西、内蒙古、贵州、甘肃、青海和新疆,说明以上省(区)需要加强人工智能与现代产业体系的融合。就耦合协调度而言,全国各省(区、市)和不同地区的计算数值如表3所示。

表3 全国各省(区、市)和地区人工智能与现代产业体系的耦合协调度值

由表3可知,就全国而言,人工智能与现代产业体系基本上处于濒临失调阶段,介于轻度失调与勉强协调之间。其中,东部地区在近三年已经超越濒临阶段,达到勉强协调的水平;但是其他地区都在濒临界限以下,尤其是西部地区,依然处于轻度失调阶段,可见促进人工智能与现代产业体系的协同发展依然任重道远。就各省(区、市)而言,耦合协调度的差距非常大。根据2019年的数据可见,协调度最高的是广东,已经达到中级协调阶段;其次为江苏和北京,分别达到了初级协调阶段;达到勉强协调阶段的省(市)有4个,分别是上海、浙江、湖北和山东。此外有多达12个省(区、市)处于濒临失调阶段;其中11个为轻度失调,表现最差的是甘肃,为中度失调。进一步从增长率的角度分析,可以发现各个省(区、市)也存在较大差异。从2011—2019年,耦合协调度增长最高的是广东,增幅达34.5%;其他增幅较大的省(市)还包括浙江、湖北、福建、江苏、重庆、江西、吉林和山东,说明上述省(市)人工智能技术进步与产业体系的发展较为强劲。与此形成鲜明对比的是部分省(区)在样本期的9年中耦合协调度不增反降,分别是新疆、内蒙古、宁夏、海南和甘肃,尤其是甘肃,降幅达到23.44%。这些省(区)均表现出较低的人工智能发展水平和不高的现代产业体系综合水平。提高人工智能技术在产业中的渗透度是以上省(区)在推动产业转型升级中需要格外关注的问题之一。

六、人工智能与现代产业体系耦合协同的差异与动态变化分析

为了分析系统耦合协调的区域差异与动态特征,本文采用Dagum基尼系数对不同区域的差异来源与贡献进行计算,同时采用莫兰指数对耦合协调的空间集聚特征进行检验。在此基础之上进一步采用核密度估计对其动态演变特征进行分析。

(一)人工智能与现代产业体系耦合协调的区域差异与来源分析

为了深入分析中国各地区之间的差异,参考徐晔和赵金凤[20]46-64的方法,将30个省(区、市)进一步分为8个区域,分别是环渤海地区(京、津、冀、鲁)、东北地区(黑、吉、辽)、长三角地区(江、浙、沪、皖)、东南沿海地区(闽、粤、琼)、中部地区(鄂、湘、豫、赣)、中北地区(陕、晋、蒙)、西南地区(云、贵、川、渝、桂)和西北地区(宁、甘、青、新)。各区域内与区域之间的基尼系数计算结果如表4所示。

表4 人工智能与现代产业体系耦合协调的区域差异分析

由表4可知,从总体而言,2011—2019年,中国各区域之间人工智能与现代产业体系耦合协调度的总体差异逐渐增大,由2011年的0.087增加到2019年的0.132,提高了50%。主要的差异来源于区域之间差异,贡献了总体差异的75%。此外,区域内差异贡献了7%,超变密度贡献了18%。就各区域内而言,只有环渤海地区的组内差异出现了下降,其他各区域的组内差异都在上升,说明环渤海地区各省(区、市)之间人工智能与现代产业体系的耦合协调程度正趋于同步。其他区域中差异增加最大的是东北地区,提高了113%;其次是东南沿海地区,提高了84.3%;增加较少的分别是长三角、西南和西北地区,说明这些区域内各省(区、市)两系统的耦合协同度较为接近。2019年,组内差异最大的是东南沿海地区,基尼系数为0.187,主要因为海南与广东和福建的协调度差异较大。而组内差异最小的是东北地区,数值为0.024,说明尽管东北地区协调度差异的增加幅度最大,但事实的差异程度却是最低的。进一步从区域之间差异分析可见,2019年,区域之间差异最大的是长三角地区与西北地区,基尼系数值为0.282;其他差异较大的区域对比还包括西北与东南沿海地区、西北与环渤海地区、中北与长三角地区、西南与长三角地区,基尼系数分别为0.234、0.216、0.213和0.2。从总体而言,长三角、东南沿海和环渤海等地区与西北、中北等地区的组间差异较大。与此同时,中北与东北、西北与中北、西南与东北、中部与环渤海、西南与中北和中部与东北等地区之间的差异较小,基尼系数值均低于0.08。以上地区虽然耦合协调度差异不大,但是并不意味着处于良性耦合阶段。根据上文分析可知这种低差异是以低度耦合协调为代价的,因此需要不断提升相关地区人工智能与现代产业体系的融合发展程度。进一步分析不同地区之间耦合协调度的变化幅度可以发现,中部与西北的差异变化最大,提高了3.45倍;而中部与环渤海地区的差异则是唯一下降的,说明样本期内中部地区的耦合协调度得到了有力提升,缩小了与环渤海和长三角等区域的差异。此外,东北地区也表现出类似的变化。东北与西北的差异提高了2.8倍,但与环渤海和西南地区的差异几乎保持不变,验证了东北地区耦合协调度提升的事实,同时反映出西北地区在促进人工智能与现代产业体系融合发展方面存在诸多不足。与西北地区类似的还有中北地区。以上区域的省(区、市)需要加强对人工智能技术的运用,以促进本地产业体系的转型与升级。

(二)人工智能与现代产业体系耦合协同的空间集聚效应

为了分析人工智能与现代产业体系的耦合协同是否具有空间自相关性,本文进一步通过全局莫兰指数对其空间集聚特征进行检验。就全国而言,莫兰指数计算结果如表5所示。

表5 莫兰指数计算结果

由表5可见,莫兰指数结果均为正,且自2013年开始,结果均在10%水平上显著,说明中国人工智能与现代产业体系的耦合协同存在一定的空间正相关性,即耦合协同度较高的区域存在空间集聚效应。这与环渤海、长三角等地区内不同省(区、市)耦合协调度较高存在一定的相关性。不过,进一步分析上述数值可以发现,P值仅在2014年与2015年通过了5%显著性水平的检验,在其他年份显著性水平在5%以上,且Z值也小于1.65,说明人工智能与现代产业体系耦合协同的空间正相关性虽然存在,但是并非十分显著。这从另一个角度说明,中国在深入推进人工智能与现代产业体系融合发展的过程中,各省(区、市)的发展与进度存在不均衡性,具有一定的随机性。从整体而言,两系统的融合进度存在较大差异,需要深入实施人工智能技术进步的驱动力量,实现区域的协同发展。

(三)人工智能与现代产业体系耦合协同的动态特征

为了分析人工智能与现代产业体系在不同阶段的动态变化特征,本文进一步绘制了全国及八大地图两系统耦合协同的核密度图。具体结果如图3所示。

(a)环渤海地区 (b)东北地区 (c)长三角地区

由图3可见,除西北地区之外,其他地区和全国的图形均显示出主峰不断右移的趋势,说明就全国及大部分地区而言,人工智能与现代产业体系的耦合协调度在不断提升。由全国的图形图3(i)可见,主峰先提升后下降,说明全国层面人工智能与现代产业体系的耦合协调度的不均衡性先缩小后进一步扩大。图形存在拖尾,进一步说明耦合协调度的高水平地区与低水平地区之间的差距在拉大。侧峰意味着存在一定的极化现象。就其他地区而言,环渤海地区的发展趋势与全国类似,存在极化与不均衡的现象。东北地区的波峰高度变化不大,说明东北地区的区域差异没有显著变化。长三角地区的波峰高度不断提升,说明长三角的区域不均衡性在缩小。侧峰也意味着区域内有极化的趋势。东南沿海地区的极化与区域不均衡性较为显著,波峰不断缩小且侧峰显著提升。中部地区的主峰高度不断增加,区域内的差异在不断缩小。中北地区主峰先下降后上升,说明差异先增加后逐渐缩小。西南地区与中北地区的趋势相反,表现为差异先缩小后增加的动态变化。西北地区的波峰向左移动,说明区域内的耦合协调度在逐渐下降。

七、结论与启示

本文从系统耦合的角度基于多种研究方法实证研究了人工智能与现代产业体系的融合发展程度。研究发现:除广东外,全国绝大部分省(区、市)的人工智能发展水平均滞后于现代产业体系;2011—2019年,中国人工智能与现代产业体系两个系统一直处于高水平耦合阶段,说明我国人工智能与现代产业体系之间的相互影响和依赖程度较高,但是两者之间的耦合协调度较低,几乎处于濒临失调的阶段,各省(区、市)之间的协调度差异较大;中国人工智能与现代产业体系的区域差异主要来源于区域之间的差异,区域内多出现极化的现象,且区域之间的不均衡性呈现扩大的趋势。

为了促进中国人工智能与现代产业体系的深入融合与协同发展,本文提出以下政策建议:

一是加快推进人工智能的技术创新及其与产业的融合。当前,中国人工智能的发展水平与进度滞后于现代产业体系的发展水平。造成这一困局的原因一方面在于人工智能技术创新的适用度不够;另一方面在于人工智能技术与产业的融合度不足,企业实施智能化改造的动力不强。为了推进人工智能与现代产业体系的融合,比如通过企业上云、行业大数据应用、智能生产与商业支撑体系等促进企业进行智能化改造,提升企业的生产效率,降低生产成本。

二是促进人工智能与现代产业体系在重点区域的协同发展。当前,我国建立了13个人工智能创新示范区,应充分发挥示范区的带头作用,促进人工智能在典型行业、典型企业、典型场景下的应用,通过建立梯队式的发展战略,逐步带动全国耦合协同水平的提升,为后续推进人工智能在全国行业与产业的渗透积累经验。

三是加强地区之间的交流合作,发挥示范省(区、市)的帮扶协助作用。对于东部沿海地区耦合协调水平较高的区域,应充分利用高技能科研人才提高人工智能发展水平,通过产业赋能,发挥高端人才、知识积累和技能创新等要素的溢出效应,提高帮扶地区人工智能和现代产业体系的耦合协调水平。对于中、西部耦合协调水平较低的区域,政府应根据地区自身发展现状制定合适的政策,分步实施,逐步提升人工智能和现代产业体系的互动水平。