人工智能技术与产业生态化转型

摘 要：中国式现代化是人与自然和谐相处的现代化，而这离不开产业的生态化转型。本文基于人工智能技术蓬勃发展这一现实背景，选取城市样本数据定量检验人工智能影响产业生态化转型效应与路径。研究发现，人工智能技术能够推动产业生态化转型，且这一正向促进作用在经过内生性处理与稳健性检验后依然显著；人工智能对产业生态化的影响存在明显的城市异质性，相较于老工业基地与省会及计划单列市，人工智能对非老工业基地与低行政级别城市产业生态化转型促进作用更强；人工智能主要通过绿色创新引致新兴环保型产业扩张实现产业生态化转型，且市场化改革在人工智能环保效应发挥中扮演重要角色。

关键词：人工智能；产业生态化；绿色创新；市场环境

作者简介：谭玉松，西北大学经济管理学院讲师（西安 710127）

基金项目：陕西省社会科学基金项目“人工智能驱动陕西产业生态化转型的动力机制及对策研究”（2023D020）

DOI编码： 10.19667/j.cnki.cn23-1070/c.2024.03.007

引言

自1978年以来，在全球分工格局构建与国内市场化改革的双重驱动下，中国跨越式的经济增长使得人均GDP从1978年的381元增加到2023年的8.94万元。①然而必须清醒地看到，随着粗放型经济发展方式引发的传统产能过剩与新兴产业不足等问题的频频出现，推动产业结构升级仍可能成为转变经济发展方式与助力中国式现代化实现的重要突破口。然而面对资源短缺与环境保护的强约束，单纯的产业结构高级化与合理化已无法实现“既要绿水青山又要金山银山”的朴素愿景。因此，如何推动产业向可持续方向发展就成为产业演变的新课题。产业生态化是产业结构绿色化转向的系统演进，是指借助资源节约型与环境友好型技术对产业全链条进行生态化改造以实现绿色增产的过程。通常来说，传统落后型产业的逐步萎缩与新兴环保型产业的有序扩张是产业生态化转型的重要表现形式，这均离不开技术进步尤其是通用型技术进步的参与。

作为通用型技术的典型代表，人工智能旨在将超强算法与深度学习相结合，通过自主沟通、自主运算、自主决策实现信息的跨时空传递与创新资源的高效传输。随着应用场景的逐渐丰富与应用程度的逐步加深，人工智能在重塑产业分工格局与产业链接方式上的巨大优势，使得世界各国纷纷进行顶层设计以抢占智能革命高地。在此背景下，我国相继出台了《新一代人工智能发展规划》《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》等系列文件，试图通过统筹规划与有序引导，实现经济增长由传统要素驱动向智能技术驱动转变。在此基础上，我国人工智能产业蓬勃发展，数据显示2022年我国人工智能核心产业规模同比增长18%，达到5080亿元。且与此息息相关的人工智能专利申请量也跃居世界首位，在2013年至2022年11月间，我国相关专利申请量达到38.9万项，已超过全球的一半。毫无疑问，快速发展的人工智能将对经济社会产生深远影响。

众多学者围绕人工智能的经济社会效益展开了大量研究，且普遍认为不同企业、产业、国家均可以凭借智能技术在要素配置、柔性生产、价值创造等方面的巨大优势实现竞争能力的提升。诚然，这种竞争优势也会体现在环保领域，即智能化的精确计算与自动化控制可能会成为低碳发展的关键。②那么，人工智能到底会如何影响绿色发展呢？对此，较多文献从不同视角出发进行了深入探讨，且普遍认为以大数据、工业机器人、信息互联网等为代表的新兴事物会通过对社会分工协作的改变与生产要素协同的深化推动生产方式的集约与创新，从源头扭转资源的浪费与环境的恶化趋势。③但是这并不意味着人工智能与绿色发展的关系就失去了探索空间。从现有文献来看，对人工智能环境效益的考察更多基于技术进步的绿色发展路径，然而人工智能却并非等同于传统技术进步，其环保效果的实现更多依赖于能否与经济结构形成有效关联，即需要从产业结构转型的视角来考察人工智能的环保偏向。

基于此，本文将构建的产业生态化转型指数与工业机器人渗透度相对接，定量检验人工智能对产业生态化转型的影响效应与传导路径。与现有文献相比，本文可能的边际贡献在于以下几方面：①研究视角。摆脱了传统文献直接考察智能技术绿色发展效应的缺陷，将环保落脚点放在了中观产业，通过对人工智能与产业生态化转型关系的探究贴切反应人工智能融入生产的情景，有助于全面理解人工智能技术环保偏向的形成。②研究路径。产业生态化转型通常包含传统污染型产业的升级与新兴绿色产业的发展，而这就离不开污染治理与绿色创新，本文基于产业生态化转型的本质特征，从绿色治理能力与绿色技术创新两个维度检验人工智能作用于产业生态化转型的内在机理，打破人工智能环保效应黑箱。③研究拓展。文献对人工智能环保效应的考察更多围绕作用效果、传导路径、异质性等展开，忽视了智能技术与绿色发展均依赖于外部环境约束。本文在对人工智能与产业生态化关系考察之后，引入市场化环境这一关键变量，检验人工智能推动产业生态化转型是否受制于市场环境的约束，试图为市场化改革的推进提供经验支撑。

一、文献综述与研究假说

产业生态化起源于产业代谢理论与产业生态系统理论，④后伴随着可持续发展理念的兴起逐渐受到学术界的广泛关注。通常而言，产业生态化被认为是可持续战略的深化和产业发展的高阶形式，①旨在通过资源节约型与环境友好型产业体系的构建，破除产业增长与环境污染无法共存的两难困境，实现经济效益、环境效益、社会效益的有机协同。②对于产业生态化转型的研究，现有文献更多围绕产业生态化内涵界定、指标测算、空间演化等视角展开，较少关注何种因素可能会诱发或加速推动产业生态化转型，而仅有的研究更多从基础设施、数字经济等视角展开，③却普遍忽视要想通过落后产业淘汰、传统产业改造、新兴产业培育等实现产业生态化转型均离不开技术进步。作为通用型技术的典型代表，人工智能以其超强的渗透性快速融入各个生产环节，尤其是随着工业机器人的广泛应用，对非技能型与技能型劳动岗位的替代与创造效应及非对称的改变要素生产率引发的经济发展模式变化使其备受学界关注。

现有文献普遍认为人工智能的高效率、高精度、可持续等优势使其能够克服传统资本要素边际产品递减与柔性生产困难的缺陷，⑤通过智能资本累积与个性化定制的实现促使经济保持持续增长态势。在此过程中，“人-机-物”的智能式互联也会在前端生产与末端处理等环节实现环境的精细化管理与资源利用水平的提升。⑥首先，在智能平台的加持下，企业可凭借智能监控、自主分析、快速决策等实时感知生产环境变化，并动态调整生产方案，通过过程干预从源头实现防污减排。除此之外，网络化协同模式的构建使企业能够更快获取终端消费者的个性化需求，通过“一对一”的个性定制进一步优化要素配置，在防止产能过剩过程中实现资源高效利用。⑦其次，“链主企业”的智能化改造具有传导性，即核心企业在通过“智改数转”带动自身绿色化转向的过程中，能够通过前向干预与后向传输引致设计、生产、运输、销售等全产业链条的绿色生态化改造。特别是对终端产品的再回收与再利用将会进一步提升资源利用率，助力产业生态化转型。⑧最后，人工智能在与产业融合过程中会扩大企业生产可能性边界，通过环保偏向型技术进步催生大批资源节约型与环境友好型新模式、新业态、新产业的诞生，在吸引生产要素跨产业与跨部门流入的过程中逐步实现落后产业淘汰与新兴产业有序扩张。据此，本文提出如下假说：

假说1：人工智能有助于推动产业结构生态化转型。

作为转型国家的典型代表，中国区域间市场发育、制度环境、产业基础等表现各异，在面对以人工智能为代表的新兴技术冲击时，城市发展理念、产业生产方式、企业经营模式等能否转变以及如何转变均受制于城市个体特征约束。⑨通常而言，人工智能的规模化应用通常在包括制造业在内的工业领域率先落地，①即人工智能的就业效应、生产率效应及环保效应的发挥均依赖于智能技术如何与传统工业有机融合。由此，城市产业基础可能会成为人工智能产业生态化转型效应发挥的关键。通常而言，老工业基地往往呈现工业占比高、国企份额重、污染型企业集聚等典型特征，②表现出“人才外流-发展落后-转型困难”的恶性循环。在智能化革命的趋势下，人才短缺与机构臃肿的缺陷使其更倾向于被动接受智能化改造，容易弱化人工智能驱动产业变革效应的发挥。除此之外，独特的政治体制使得中国城市间行政级别差异明显，政治驱动下的经济发展模式使得在面对外生冲击时做出何种反应受制于城市自身政治地位。③本地效应显示，高等级城市通常伴随着经济发达、交通便利、人才集聚等，容易为人工智能等新兴技术落地提供良好环境。然而从省域来看，以省会城市为代表的高行政级别城市通常距离上级政府更近，行政决策的实施通常要考虑同城上级政府的意见，在一定程度上降低了部门决策效率。综上所述，本文提出如下假说：

假说2：人工智能对产业结构生态化转型的影响受制于城市产业基础与行政级别的约束。

二、研究设计

（一）模型设定

结合前文理论分析，本文基于城市层面样本数据评估人工智能技术对产业生态化转型的作用，回归模型设定如下：

iseit = β0 + β1robit + β2 controlit + θi + τt + εit

其中，下标i 表示城市，t 表示时间，因变量iseit 表示t 年i 城市的产业生态化水平，自变量robit 表示t年i 城市的人工智能技术，controlit 为一组控制变量集合。θi 为城市固定效应，τt 为时间固定效应，εit 为干扰项。估计系数β1 是本文最为关心的变量，若β1 显著为正，表明人工智能技术推动了产业生态化转型；若β1 显著为负，说明人工智能技术抑制了产业生态化转型；若β1 不显著，意味着人工智能技术与产业生态化转型间无明显关系。

（二）指标构建与数据来源

1. 被解释变量

产业生态化转型（ise）：前沿文献主要从两个维度进行度量：一是选取生态效率、第三产业占比、环保产业比重等单一指标；二是多维度构建产业生态化指标体系，基于熵值法、纵横向拉开档次法、主成分分析法等测度综合指数。总的来看，由于产业生态化转型是一个涵盖经济、资源、污染等的庞大系统，单一指标缺乏对产业生态系统的精准刻画，因此存在一定的局限性。而基于经济发展、产业升级、生态保护、污染排放、资源消耗与循环利用等角度的综合评价，更契合于产业生态化转型的内涵。为此，本文在充分借鉴杨得前和刘仁济思路的基础上从经济发展与资源环境等维度构建产业生态化转型指标体系，④并基于熵权法合成产业生态化转型指数。具体变量及定义如表1所示。

2. 解释变量

人工智能（rob）：作为本文最为重要的核心变量，如何度量人工智能成为实证检验的关键。前沿文献普遍认为工业机器人是人工智能技术在生产环节的重要载体，故倾向于选取机器人安装量或者渗透度来表征人工智能。①为此，本文借鉴前沿文献的普遍做法，基于国际机器人联合会公布的机器人数据测度机器人渗透度以表征人工智能。具体计算公式如下：

其中i 为城市，j 为行业，t 为年份，基期为2003年，robit 为人工智能技术，lijt0 为2003年i 城市j 行业的就业人数， ljt0 为2003年j 行业就业数，rjt 为t 年j 行业的机器人数。

3.控制变量

行政干预（fis）采用政府公共预算支出和GDP的比值度量；环境规制（enr）采用政府工作报告中的环保词频占总报告字数的比值表征；外商投资（fdi）采用规模以上工业企业中外资企业所占比重度量；金融发展（fin）选取金融机构年末贷款余额和GDP比值表示；经济集聚（eag）采取单位面积上的GDP表征。

4.数据来源

为兼具样本容量与数据有效性，本文选取2003—2019年城市数据进行实证检验，其中测度人工智能所需要的工业机器人数据来自于国际工业机器人联合会，其余相关经济变量来自于《中国城市统计年鉴》及各省市统计年鉴。为保证实证结果的可靠性，对部分极端异常值及数据缺失样本进行剔除。

三、基准检验

（一）实证检验

表2汇报了人工智能技术对产业生态化转型的基准回归结果，其中第（1）—第（6）列逐步增加了控制变量。检验结果显示，在控制了时间与地区效应的情况下，无论是否加入控制变量以及加入何种控制变量，人工智能的估计系数均在1%的水平上为正，表明人工智能有助于显著推进中国产业的生态化转型。可能的内在成因在于人工智能技术在与产业融合过程中将会催生低能耗的新产业、新模式、新业态诞生，在降低资源消耗与污染排放的过程中有序引导产业生态化转型。从控制变量的视角来看：行政干预系数为负，表明政府对经济社会的过多干预会对企业环保行为产生挤出效应，进而阻碍产业的生态化转型；环境规制系数显著为负，意味着环境规制不仅无助于产业生态化转型，反而会产生损害作用。可能的原因在于本文采用政府环保意志表征环境规制，然而政府环保意志却并非等同于环保行动，政府工作报告中提出的环保诉求可能受制于具体经济条件制约，产生预期之外的效果。外商投资系数显著为正，表示不断推进的对外开放将有助于引进国外先进技术推进国内产业绿色化转向；金融发展系数显著为正，表明宽松的金融环境与丰富的金融工具能够为产业生态化转型提供充足资金；经济集聚系数显著为正，意味着集聚带来的交通成本优势与高效技术溢出均会拓宽产业生态化转型的边界。

（二）内生性检验

尽管前文已通过控制若干变量与时间、地区固定等降低了内生性的影响，但不可否认的是反向因果等的存在依然会削弱人工智能对产业生态化转型实证结果的可靠性。针对可能存在的内生性问题，寻找合适的工具变量成为破解的关键。为此，本文借鉴陈爱贞等人和谭玉松等人的思路选取滞后一期与美国机器人渗透度作为中国人工智能的工具变量以进行检验。①表3报告了内生性检验的回归结果，由第（1）和（3）列可知，工具变量对人工智能回归系数均显著为正，表明二者存在相关性。其中F统计量分别为16 298和209，故排除弱工具变量的可能，表明工具变量的选取是合适的。第（2）和（4）列结果显示人工智能系数均在1%显著性水平为正，暗示在考虑了潜在反向因果等内生性问题后，人工智能依然能够促进产业生态化转型。

（三）稳健性检验

1.替换被解释变量。在基准检验中，合成产业生态化转型指数时采用了熵权法，为确保研究结果的可信性，本文采用主成分分析法重新合成产业生态化转型指数，并将其作为被解释变量，回归结果如表4第（1）列所示，人工智能估计系数显著为正，表明人工智能技术有助于驱动产业生态化转型，与基准结论基本一致。

2.替换解释变量。作为人工智能技术的重要载体，工业机器人在实证研究中被广泛应用于度量人工智能技术。然而从更严谨的视角来看，人工智能是一个囊括智能技术研发、生产与应用的复杂过程，而机器人仅是其中的一个维度。为此，本文借鉴尹志锋等人的思路选取人工智能技术专利数作为解释变量进行重新检验，①结果如第（2）列所示，发现在替换解释变量后人工智能系数仍然显著为正，证实了人工智能与产业生态化转型间的正向关系。

3.排除外生因素干扰。自党的十八大以来，构建资源节约与生态友好型社会逐渐成为中国经济高质量发展的必由之路，为排除外生因素的影响，本文仅对2012年之前样本进行检验，表4第（3）列报告了回归结果，显示人工智能系数在1%显著性水平上为正，由此可知人工智能技术的渗透与应用会推动产业的生态化转型。

4.省份聚类。为尽可能减少实证误差，在上述分析的基础上，进一步在省份层面进行聚类，表4第（4）列展示了省份聚类下的结果，人工智能估计系数显著为正，与表2中基准结果一致，表明本文结论是可信的。

5.数据缩尾。为排除极端异常值存在对实证结果造成干扰，本文进一步将样本数据进行5%缩尾处理已重新评估人工智能技术的影响，表4第（5）列汇报了数据缩尾后的实证结果，可知人工智能技术系数依然在1%的水平上为正，与基准回归结果显著性与方向完全一致，证实了前述结论的准确性。

（四）异质性分析

1. 产业基础异质性

通常来说，城市产业能否朝着绿色化、环保化、生态化等方向转型，取决于城市发展能否摆脱路径依赖。对于老工业基地城市来说，丰裕的要素资源与低廉的能源价格使其更容易形成“绿色创新惰性”，对粗放型经济发展的过度依赖使其更容易上马高污染与高排放项目，①阻碍老工业基地的产业转型升级。那么，在智能技术快速发展与规模化应用的大背景下，不同城市的产业生态化转型是否存在明显差异呢？为此本文基于2013年发改委发布的《全国老工业基地调整改造规划（2013—2022年）》，将样本城市分为老工业基地与非老工业基地，实证检验人工智能技术的作用效果差异。回归结果如表5所示，其中第（1）与（2）列分别为基于熵权法合成产业生态化转型指数下的老工业基地与非老工业基地实证结果，可知在老工业基地城市人工智能系数不显著，而在非老工业基地人工智能系数在1%水平上显著为正。第（3）和（4）列为主成分分析下不同类型城市的检验结果，可知老工业基地城市人工智能系数在10%显著性水平上为正，非老工业基地城市人工智能系数在1%水平上显著为正。综上可知，相较于老工业基地，人工智能对非老工业基地城市产业生态化转型的推动作用更强。可能是因为老工业城市中粗犷的发展方式与较高的工业比重，叠加对人工智能等先进技术的落后反应均制约了老工业基地的产业生态化转型。

2. 行政级别异质性

作为城市间发展不均衡的重要成因，独特政治经济体制约束下的城市基础设施与经营环境的差异也可能成为影响先进技术应用的关键。在一省之内相较于其它城市，省会城市及计划单列市因其超然的政治地位和丰富的资源掌控，通常对人才、资金、技术等具有较强的吸引力，由此引发的人力资本集聚与技术溢出将有助于先进技术的吸收与扩散。但与此同时，距离省级行政中心较近的缘故，省会城市经济发展可能会受到较强的行政干预，尤其是过于冗长的审批流程与保守的发展理念会阻碍人工智能等技术的落地。那么，城市行政级别差异到底会如何影响人工智能对产业生态化转型的影响呢？基于此，本文将样本城市按照行政级别分为高行政级别与低行政级别城市，其中高行政级别城市为省会城市及计划单列市，其余为低行政级别城市。表6汇报了行政级别差异下的回归结果，由第（1）和（3）列可知，高行政级别城市人工智能技术系数在1%水平上分别为0.0086和0.0576，第（2）与（4）列低行政级别城市人工智能系数分别在1%显著性水平上为0.0118与0.1076。综合对比可知，人工智能对低行政级别城市产业生态化转型的促进作用更强。

四、进一步讨论

（一）传导路径检验

前述检验结果证实人工智能有助于推动产业生态化转型。而作为产业生态化转型的重要维度，传统落后型产业的绿色治理与新兴环保型产业的有序扩张哪一种才是人工智能驱动产业生态化转型的重要路径呢？即人工智能到底是通过绿色技术创新促进了新型环保产业的扩张还是通过绿色治理改善了传统落后型产业实现产业生态化转型的呢？为此，本文从绿色创新与绿色治理两个视角出发，探寻人工智能驱动产业生态化的作用路径。具体计量模型设定如下：

iseit = β0 + β1robit + β2 controlit + θi + τt + εit

mit = α0 + α1robit + α2 controlit + θi + τt + εit

iseit = γ0 + γ1robit + γ2mit + γ3 controlit + θi + τt + εit

其中，mit 为中介变量绿色创新（tgr）与绿色治理（ggp），绿色创新采用城市绿色专利申请数表征，绿色治理采用环境污染治理投资与GDP的比值表征，其余各变量与基准回归模型完全一致。

表7前4列汇报了传导路径检验结果，其中第（1）与（2）列为绿色创新的传导路径检验，由第（1）列结果可知人工智能技术对绿色技术创新系数显著为正，由第（2）列可知人工智能与绿色创新系数均在1%水平上显著为正，暗示绿色创新可能成为人工智能驱动产业生态化转型的重要路径，即人工智能技术能够通过推动节能环保型新兴产业的有序扩张实现产业生态化转型。第（3）与（4）列为绿色治理的传导路径检验，由第（3）列结果可知人工智能技术对绿色技术创新系数显著为正，而第（4）列结果中绿色治理系数并不显著，暗示绿色治理不是人工智能驱动产业生态化转型的传导路径。综上可知，人工智能技术主要通过环保型新产业、新模式、新业态的出现来推动产业生态化转型，而非通过对落后产业治理来实现。可能是因为历次工业革命最为显著的特征就是新兴技术引发的新兴产业迸发，对于人工智能技术来说依然如此。尽管人工智能技术在融入生产的过程中能够通过效率提升与劳动替代实现节能减排，但从长期来看，人工智能对生产可能边界的拓展与新兴技术创新平台的搭建才是其环保效应发挥的关键，尤其是智能控制、新材料应用、物联网等新型业态的更广泛应用，才能更持久地引发生产方式的深刻变革与非合意产出的持久下降。

（二）市场环境干预

作为我国经济领域的重要改革措施，构建完善的市场环境已经成为我国经济持续增长的动力源泉。通常来说，较高的市场化程度通常伴随着较低的交易成本与政治风险，①企业将拥有更多的灵活性与自主性来选择参与人工智能技术研发与绿色转型活动。与此同时，市场透明度的提升也会打破企业信息壁垒，先进技术、思想、知识的跨时空、跨区域、跨部门流通能够强化组织信任，有助于创新生态与创新网络的形成。诚然，市场环境也会对包括人工智能在内的新兴技术产生不容忽视的影响。为此，本文将市场化环境引入，探究市场化改革影响人工智能对产业生态化转型的作用效果。其中市场化改革采用私营及个体从业人员与单位从业人员比值度量，实证结果如表7第（5）列所示，由此可知市场环境与人工智能技术交互项系数在1%显著性水平上为正，表明市场化改革有助于人工智能技术对产业生态化转型的促进作用。其中的内在机理在于：市场化环境的构建会打破技术垄断，特定企业、行业的智能技术很容易形成扩散，中小型企业通过模仿、消化与吸收能够更快进行生产方式的智能化变革，从而形成全产业的生态化转型。

五、基本结论与政策建议

作为第四次工业革命的典型代表，人工智能技术的规模化应用必然会引发生产方式与生活方式的深刻变革，也必然会为环保集约型社会的构建贡献力量。本文立足于产业生态化转型的新型产业形态，构建人工智能技术经济社会效应的分析框架，基于城市样本数据定量考察人工智能对产业生态化转型的影响。研究发现：人工智能技术有助于推进产业的生态化转型，且在通过替换被解释变量、替换解释变量、排除外生因素干扰、省份聚类、数据缩尾等稳健性检验与选取滞后一期和美国机器人渗透度作为工具变量解决内生性问题后，结论依然稳健。异质性分析发现，产业基础与行政级别差异均会造成人工智能作用效果的不同，相较于老工业基地与省会及计划单列市，人工智能对非老工业基地与低行政级别城市的产业生态化转型促进作用更强。进一步的机制检验与外部环境分析显示，人工智能技术主要通过环保型新产业、新模式、新业态的出现来实现产业生态化转型，且市场化改革有助于增强人工智能对产业生态化转型的促进作用。

总的来看，本文结论为从智能技术视角探究产业生态化转型提供了新证据，并对环境友好型社会构建具有重要的政策启示。首先，研究证实了先进技术尤其是智能技术在产业绿色化、环保化、生态化发展中的作用，这就为企业节能减排的实现与环保集约型社会的构建提供了可操作的经验。因此，企业与政府均应该注重人工智能技术的开发，在调动企业创新动力的基础上，政府也应进行资金与政策方面的扶持，通过产权保护、税收减免与智能技术研发专项资金的确立，为企业智能技术创新保驾护航。其次，应注重城市间的内在差异，因城施策、因地制宜地实现人工智能与产业生态化转型的良性循环。中国幅员辽阔的国土面积造成区域间资源禀赋、要素结构、产业基础差异明显，使得各城市在面对人工智能引发的产业革命时反应并不相同，因此尤其要注重以老工业基地为主的工业型城市的生态化问题，妥善处理发展与变革之间的矛盾，以产业政策引导来加快传统工业的智能化变革与生态化转型。最后，以持续的市场化改革为导向，最大化地激发人工智能效应的发挥。要想充分释放人工智能这一技术红利，破除区域间、行业间、产业间的制度性障碍就显得尤为重要，因此应加快国内统一大市场建设，通过顶层设计与基层探索相结合的方式优化市场结构，以市场的有序竞争与资源的高效流通为智能技术发展与扩散提供支撑。

［责任编辑 求实］