呂榮杰，郝力曉

(河北工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，天津 300401)

0 引言

科技是國之利器。2020年10月29日，中國共產(chǎn)黨第十九屆中央委員會第五次全體會議審議通過了《中共中央關(guān)于制定國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和二O三五年遠(yuǎn)景目標(biāo)的建議》，科技創(chuàng)新首次在五年規(guī)劃中單獨(dú)成章，并置于各項重點(diǎn)任務(wù)之首。當(dāng)前，人工智能已成為引領(lǐng)未來的戰(zhàn)略性技術(shù)，是各國力圖在新一輪國際科技競爭中掌握主導(dǎo)權(quán)的著力點(diǎn)。中國在人工智能領(lǐng)域已經(jīng)取得一定進(jìn)展，主動掌握人工智能發(fā)展情況，研判大勢，把握方向，對戰(zhàn)略層面的系統(tǒng)研發(fā)布局至關(guān)重要。因此，本文研究的核心問題是：如何測度人工智能發(fā)展水平？我國人工智能發(fā)展的空間分布特征和時間演進(jìn)趨勢如何？上述問題的解決，可以為研究人工智能對經(jīng)濟(jì)社會的影響提供實(shí)證依據(jù)，為掌握我國人工智能整體發(fā)展格局，推動高質(zhì)量發(fā)展和區(qū)域協(xié)同發(fā)展提供政策依據(jù)。

測度人工智能發(fā)展水平是一個新問題，但關(guān)于技術(shù)創(chuàng)新評價的研究由來已久。已有文獻(xiàn)主要使用評分模型、增長模型、訪談?wù){(diào)查法、問卷調(diào)查法和構(gòu)建指標(biāo)體系法對技術(shù)水平進(jìn)行衡量。其中，評分模型[1-2]是針對某一個具體產(chǎn)品或設(shè)備進(jìn)行評分，而本文涉及的人工智能作為一個技術(shù)領(lǐng)域，包含眾多產(chǎn)品類型，甚至細(xì)分技術(shù)領(lǐng)域，因而評分模型不適用于本研究；增長模型[3-6]是通過設(shè)置技術(shù)上限，動態(tài)預(yù)測技術(shù)發(fā)展趨勢，而本文研究對象是當(dāng)前人工智能發(fā)展情況，屬于靜態(tài)下的技術(shù)狀態(tài)研究；訪談?wù){(diào)查法主要是運(yùn)用專家默會知識對技術(shù)發(fā)展現(xiàn)狀進(jìn)行評估，主觀和定性方法很難準(zhǔn)確評估多個省份多年來的人工智能發(fā)展水平面板數(shù)據(jù)；問卷調(diào)查法[7-8]是針對企業(yè)進(jìn)行微觀數(shù)據(jù)調(diào)查，微觀數(shù)據(jù)有助于研究人工智能應(yīng)用對調(diào)研企業(yè)發(fā)展的影響，但容易忽略宏觀經(jīng)濟(jì)重新配置的情況，也很難反映中國人工智能整體發(fā)展格局；構(gòu)建指標(biāo)法是通過利用多個客觀數(shù)據(jù)，從多個方面對當(dāng)前技術(shù)狀態(tài)進(jìn)行測量，該方法對于產(chǎn)品種類較多、缺乏直接統(tǒng)計數(shù)據(jù)的人工智能來說，是最優(yōu)選擇。

鑒于此，本文構(gòu)建人工智能發(fā)展評價指標(biāo)體系，測度我國人工智能發(fā)展水平。在此基礎(chǔ)上，利用Dagum基尼系數(shù)和核密度估計探究我國人工智能發(fā)展的地區(qū)差異。首先，基于2003—2018年我國內(nèi)地30個省份(西藏因數(shù)據(jù)不全，未納入統(tǒng)計)數(shù)據(jù)，利用熵權(quán)法測度我國人工智能發(fā)展水平；其次，采用Dagum基尼系數(shù)測算我國人工智能總體差異并對其進(jìn)行分解，探究差異來源及貢獻(xiàn)；再次，采用Kernel核密度估計法分析四大區(qū)域及各區(qū)域內(nèi)部人工智能發(fā)展的動態(tài)演進(jìn)，進(jìn)一步揭示我國人工智能發(fā)展分布動態(tài)規(guī)律；最后，總結(jié)研究結(jié)論，給出具體政策建議。

1 指標(biāo)體系構(gòu)建

已有文獻(xiàn)對構(gòu)建技術(shù)創(chuàng)新能力評價指標(biāo)體系開展了卓有成效的研究，并取得了可觀的研究成果。然而，作為一個具體技術(shù)領(lǐng)域，人工智能發(fā)展評價指標(biāo)體系的研究仍處于初始階段。

技術(shù)創(chuàng)新能力評價一般采用單一指標(biāo)或多指標(biāo)構(gòu)建兩種方法。單一指標(biāo)法是指直接采用研發(fā)投入、專利申請量、技術(shù)市場成交額或新產(chǎn)品銷售額等指標(biāo)衡量創(chuàng)新能力[9-10]，但事實(shí)上，單一指標(biāo)有時難以準(zhǔn)確反映技術(shù)創(chuàng)新能力，如技術(shù)研發(fā)投入常常與技術(shù)創(chuàng)新產(chǎn)出不對等，專利申請量與轉(zhuǎn)化為實(shí)際生產(chǎn)力的專利量相差甚遠(yuǎn)。因此，單一指標(biāo)法的優(yōu)點(diǎn)在于指標(biāo)含義清晰、數(shù)據(jù)易于收集與整理，缺點(diǎn)是具有局限性和片面性。多指標(biāo)構(gòu)建法是指綜合運(yùn)用多個指標(biāo)對企業(yè)和地區(qū)技術(shù)創(chuàng)新能力進(jìn)行評價。企業(yè)技術(shù)創(chuàng)新能力評價指標(biāo)體系主要包括投入、產(chǎn)出和組織環(huán)境3個維度，其中產(chǎn)出往往包括技術(shù)創(chuàng)新產(chǎn)出[11]和生產(chǎn)制造產(chǎn)出[12-13]，組織環(huán)境主要包括決策能力[14]、企業(yè)控制力[15]和營銷能力[16]等。對于區(qū)域或國家技術(shù)創(chuàng)新能力評價指標(biāo)體系構(gòu)建，《國家創(chuàng)新指數(shù)報告2018》從創(chuàng)新資源、知識創(chuàng)造、企業(yè)創(chuàng)新、創(chuàng)新績效和創(chuàng)新環(huán)境5個方面對全球40個國家創(chuàng)新能力進(jìn)行評價；陶長琪和周璇(2016)基于創(chuàng)新能力系統(tǒng)觀，從技術(shù)溢出、環(huán)境—技術(shù)耦聯(lián)、環(huán)境規(guī)制角度對省域技術(shù)創(chuàng)新能力進(jìn)行評價?？梢?，要素稟賦、產(chǎn)出能力和外部環(huán)境是評價企業(yè)和區(qū)域技術(shù)創(chuàng)新能力的主要維度。

目前采用多指標(biāo)方法構(gòu)建人工智能發(fā)展評價指標(biāo)體系的研究較少。Ding[17]、陳明藝和胡美齡[18]認(rèn)為，硬件、教育科研、數(shù)據(jù)是推動人工智能發(fā)展的組成要素，并從這3個維度構(gòu)建人工智能發(fā)展評價指標(biāo)體系。該指標(biāo)體系反映了人工智能發(fā)展的基礎(chǔ)條件，但忽略了人工智能的生產(chǎn)和應(yīng)用。孫早和侯玉琳[19]從基礎(chǔ)建設(shè)、生產(chǎn)應(yīng)用、競爭力與效益3個方面對工業(yè)智能化進(jìn)行衡量，并基于 “信息化基礎(chǔ)+信息化應(yīng)用+信息化績效” 思路，認(rèn)為工業(yè)化與信息化融合會帶來績效提升，因而在競爭力與效益指標(biāo)中包含經(jīng)濟(jì)績效和社會績效兩個基礎(chǔ)指標(biāo)，經(jīng)濟(jì)效益和社會效益越好，則工業(yè)化與信息化融合越好。對本研究而言，人工智能發(fā)展帶來的效益尚不明朗，仍是學(xué)者們正在探討的問題[20-23]。因此，選擇社會和經(jīng)濟(jì)發(fā)展程度反映人工智能發(fā)展水平，并不適用于本研究。

綜上，本文基于技術(shù)創(chuàng)新評價理論框架，結(jié)合工業(yè)智能化評價指標(biāo)體系，構(gòu)建人工智能發(fā)展測度指標(biāo)，包括制度環(huán)境、基礎(chǔ)設(shè)施、技術(shù)創(chuàng)新和生產(chǎn)應(yīng)用4個維度，共涉及財政支持力度、政府關(guān)注力度、軟件基礎(chǔ)、智能化設(shè)備基礎(chǔ)、信息技術(shù)服務(wù)基礎(chǔ)、數(shù)據(jù)供應(yīng)基礎(chǔ)、人才規(guī)模、創(chuàng)新物質(zhì)條件、創(chuàng)新效率、智能制造企業(yè)生產(chǎn)情況、智能制造企業(yè)新產(chǎn)品應(yīng)用情況11個基礎(chǔ)指標(biāo)(見圖1)。鑒于實(shí)證分析需要和數(shù)據(jù)可得性，本文選擇的測度指標(biāo)不可能全面概括人工智能發(fā)展涉及的方方面面，而是盡可能在可行范圍內(nèi)最大程度反映人工智能發(fā)展水平。

本文指標(biāo)體系遵循樊綱[24]構(gòu)建市場化指數(shù)的兩個基本原則。首先，由于每個分項指標(biāo)只能從某一特定角度反映人工智能的應(yīng)用，本文從不同角度對上述分項指標(biāo)均采用兩個及以上基礎(chǔ)指標(biāo)進(jìn)行度量，選擇的每個指標(biāo)至少能在一定程度上、一定時期內(nèi)近似地反映人工智能發(fā)展情況。其次，選擇的指標(biāo)必須是可度量的，而且能夠獲得具體數(shù)據(jù)。有些指標(biāo)雖然理論上可行，但缺乏數(shù)據(jù)來源，則寧可暫缺，避免以主觀判斷代替客觀度量。在某些情況下，雖然能夠獲取數(shù)據(jù)，但經(jīng)過驗(yàn)證發(fā)現(xiàn)其可信度較低，也盡量避免使用。指標(biāo)具體定義如下：

(1)制度環(huán)境。制度環(huán)境是指人工智能發(fā)展的外部軟環(huán)境，本文使用財政支持力度和政府關(guān)注力度兩個指標(biāo)進(jìn)行測度。財政支持是國家財政以無償撥付的方式，如財政撥款、財政補(bǔ)貼等，對政府扶持的產(chǎn)業(yè)、部門或企業(yè)進(jìn)行資金方面的支持。由于缺乏政府對人工智能產(chǎn)業(yè)資金支持的具體統(tǒng)計數(shù)據(jù)，本文依據(jù)李旭輝等[25]的做法，選用科技撥款作為測度指標(biāo)。政府重視是保障產(chǎn)業(yè)長期穩(wěn)定發(fā)展的法規(guī)基礎(chǔ)，智能、“互聯(lián)網(wǎng)+”、機(jī)器人等在政府工作報告中出現(xiàn)的次數(shù)能夠反映政府在制度建設(shè)上對人工智能發(fā)展的重視程度。

圖1 人工智能發(fā)展評價指標(biāo)體系

(2)基礎(chǔ)設(shè)施?；A(chǔ)設(shè)施是指人工智能發(fā)展的外部基礎(chǔ)建設(shè)情況。本文從軟件基礎(chǔ)、智能化設(shè)備基礎(chǔ)、信息技術(shù)服務(wù)基礎(chǔ)和數(shù)據(jù)供應(yīng)基礎(chǔ)4個方面對基礎(chǔ)設(shè)施進(jìn)行測度。軟件基礎(chǔ)的測度指標(biāo)是基礎(chǔ)軟件、支撐軟件、應(yīng)用軟件等軟件產(chǎn)品收入；智能化設(shè)備基礎(chǔ)的測度指標(biāo)為通訊設(shè)備、計算機(jī)應(yīng)用產(chǎn)品、裝備自動化控制產(chǎn)品、信息系統(tǒng)安全產(chǎn)品等營業(yè)收入；信息技術(shù)服務(wù)基礎(chǔ)的測度指標(biāo)為信息技術(shù)咨詢服務(wù)、集成實(shí)施服務(wù)、運(yùn)行維護(hù)服務(wù)、數(shù)據(jù)服務(wù)、運(yùn)營服務(wù)、電子商務(wù)平臺服務(wù)、集成電路設(shè)計等服務(wù)收入；數(shù)據(jù)供應(yīng)基礎(chǔ)的測度指標(biāo)為各省份互聯(lián)網(wǎng)發(fā)展水平，用互聯(lián)網(wǎng)上網(wǎng)人數(shù)衡量。

(3)技術(shù)創(chuàng)新。技術(shù)創(chuàng)新是指企業(yè)發(fā)展人工智能的內(nèi)部環(huán)境，主要包括人才規(guī)模、創(chuàng)新物質(zhì)條件和創(chuàng)新效率3個基礎(chǔ)指標(biāo)。由于缺乏人工智能相關(guān)直接數(shù)據(jù)，本文用軟件與電子信息技術(shù)產(chǎn)業(yè)研發(fā)人員表征人才規(guī)模，用每名研發(fā)人員擁有的儀器和設(shè)備支出測度創(chuàng)新物質(zhì)條件，用每萬名科技人員技術(shù)市場成交額表征創(chuàng)新效率。

(4)生產(chǎn)應(yīng)用。生產(chǎn)應(yīng)用是指人工智能產(chǎn)出與應(yīng)用水平，主要包括智能制造企業(yè)生產(chǎn)情況和新產(chǎn)品應(yīng)用情況兩個基礎(chǔ)指標(biāo)。智能制造企業(yè)生產(chǎn)情況的測度指標(biāo)為計算機(jī)、通信及其它電子設(shè)備制造業(yè)，儀器儀表制造業(yè)，電器機(jī)械及器材制造業(yè)，專用設(shè)備制造業(yè)等企業(yè)主營業(yè)收入；新產(chǎn)品應(yīng)用的測度指標(biāo)為上述企業(yè)的銷售產(chǎn)值。

2 數(shù)據(jù)來源與模型構(gòu)建

2.1 數(shù)據(jù)來源

中國人工智能發(fā)展并不是最近幾年才開始的，早在1989年，我國就召開了首次中國人工智能聯(lián)合會議，進(jìn)入21世紀(jì)后，與人工智能相關(guān)的課題不斷獲得國家重點(diǎn)和重大基金計劃支持。綜合考慮中國人工智能發(fā)展階段和相關(guān)數(shù)據(jù)的可得性，本文最終確定樣本區(qū)間為2003—2018年中國內(nèi)地30個省份面板數(shù)據(jù)。其中，財政支持力度、創(chuàng)新物質(zhì)條件和創(chuàng)新效率等數(shù)據(jù)來自《中國宏觀經(jīng)濟(jì)數(shù)據(jù)庫》，政府關(guān)注力度數(shù)據(jù)來自省級政府工作報告，軟件基礎(chǔ)、智能化設(shè)備基礎(chǔ)、信息技術(shù)服務(wù)基礎(chǔ)、人才規(guī)模等相關(guān)數(shù)據(jù)來自《電子信息產(chǎn)業(yè)統(tǒng)計年鑒》，數(shù)據(jù)供應(yīng)基礎(chǔ)數(shù)據(jù)來自《中國統(tǒng)計年鑒》，智能制造企業(yè)生產(chǎn)情況和新產(chǎn)品應(yīng)用情況等相關(guān)數(shù)據(jù)來自《中國科技數(shù)據(jù)庫》?？紤]到樣本時間跨度較長，本文按照最近鄰法思想對缺失值和異常值進(jìn)行修正。

2.2 模型構(gòu)建

2.2.1 熵權(quán)法

作為客觀賦值方法，熵權(quán)法是根據(jù)指標(biāo)離散程度判斷其對綜合評價的影響，熵權(quán)法僅依賴數(shù)據(jù)本身的離散性，能夠避免權(quán)重賦予時可能存在的主觀性，具有一定數(shù)學(xué)意義。本文將2003—2018年全部數(shù)據(jù)設(shè)為基礎(chǔ)數(shù)據(jù)，對權(quán)重進(jìn)行測算。

首先，建立指標(biāo)矩陣，假設(shè)人工智能發(fā)展評價指標(biāo)體系中有m個指標(biāo)，n個評價對象，可以得到多指標(biāo)矩陣X=(xij)m×n。其中，xij表示第j個被評價對象的第i個指標(biāo)值。其次，將指標(biāo)矩陣標(biāo)準(zhǔn)化，為規(guī)避量綱不一致帶來的影響，本文采用臨界值法對指標(biāo)矩陣X=(xij)m×n進(jìn)行標(biāo)準(zhǔn)化處理，得到S=(sij)m×n。然后，計算熵和熵權(quán)，第i個評價指標(biāo)的信息熵計算公式為：

(1)

第i個評價指標(biāo)的熵權(quán)wi計算公式為：

(2)

最后，計算各被評價對象的綜合得分。

(3)

2.2.2 Dagum基尼系數(shù)

傳統(tǒng)方法無法解決地區(qū)差異中的分解和樣本描述問題，而Dagum基尼系數(shù)及其分解方法能夠有效彌補(bǔ)這一欠缺。因此，本文采用Dagum基尼系數(shù)及其子群分解方法，對中國人工智能發(fā)展水平區(qū)域分布差異進(jìn)行分析。根據(jù)Dagum[26]的分解理論，總體基尼系數(shù)(G)可以分解為區(qū)域內(nèi)差異貢獻(xiàn)(Gw)、區(qū)域間差異貢獻(xiàn)(Gnb)和轉(zhuǎn)移變異貢獻(xiàn)(Gt)，其測度結(jié)果可以反映人工智能發(fā)展水平的相對差異及其來源情況。

(4)

G=Gnb+Gw+Gt

(5)

第j個區(qū)域的基尼系數(shù)Gjj和區(qū)域內(nèi)差異貢獻(xiàn)Gw可表示為：

(6)

(7)

j、h區(qū)域間基尼系數(shù)Gjh可表示為：

(8)

j、h區(qū)域間差異貢獻(xiàn)Gnb可表示為：

(9)

轉(zhuǎn)移變異貢獻(xiàn)Gt可表示為：

(10)

Djh表示j、h區(qū)域間人工智能發(fā)展水平的相對影響；djh表示區(qū)域間人工智能發(fā)展水平的差值，即j、h區(qū)域中所有yji>yhr的樣本值之和的數(shù)學(xué)期望；pjh是轉(zhuǎn)移變異的一階矩，表示j、h區(qū)域中所有yji

Djh=(djh-pjh)/(djh+pjh)

(11)

(12)

(13)

其中，F(xiàn)j、Fh分別是j、h區(qū)域的累計分布函數(shù)。

2.2.3 核密度估計

核密度估計利用平滑的峰值函數(shù)擬合樣本數(shù)據(jù)，使用連續(xù)密度曲線描述隨機(jī)變量的分布形態(tài)，具有模型依賴性弱、穩(wěn)健性強(qiáng)等優(yōu)點(diǎn)。因此，本文采用核密度估計方法對人工智能發(fā)展水平的概率密度進(jìn)行估計，并用連續(xù)密度曲線對人工智能發(fā)展的分布動態(tài)情況進(jìn)行可視化描述。

假設(shè)隨機(jī)變量X1,X2,…,XN獨(dú)立同分布，其密度函數(shù)f(x)未知，可以通過經(jīng)驗(yàn)分布函數(shù)得到密度函數(shù)的核估計。經(jīng)驗(yàn)分布函數(shù)為：

(14)

其中，I(z)為示性函數(shù)，N為觀測值數(shù)量，z為條件關(guān)系式。當(dāng)z為真時，I(z)=1；當(dāng)z為假時，I(z)=0。核密度估計式為：

(15)

3 實(shí)證分析結(jié)果

3.1 人工智能發(fā)展評價指標(biāo)權(quán)重及測算結(jié)果分析

基于熵值法，本研究測算出各基礎(chǔ)指標(biāo)和分項指標(biāo)的權(quán)重，如表1所示。

觀察表1可以發(fā)現(xiàn)，生產(chǎn)應(yīng)用(38.867 4%)在4個維度中所占權(quán)重最大，基礎(chǔ)設(shè)施(34.612 6%)緊隨其后，表明夯實(shí)人工智能發(fā)展的基礎(chǔ)設(shè)施建設(shè)，助力相關(guān)智能制造企業(yè)發(fā)展，可以有效提升人工智能發(fā)展水平。此外，制度環(huán)境中政府關(guān)注力度(9.376 0%)權(quán)重超過其余大部分基礎(chǔ)指標(biāo)，說明從制度層面優(yōu)化營商環(huán)境是推動人工智能產(chǎn)業(yè)發(fā)展的加速器。

表1 人工智能發(fā)展評價指標(biāo)體系及權(quán)重

對于中國省際人工智能發(fā)展水平的測度，本文基于30個省份連續(xù)16年數(shù)據(jù)，共計480個樣本。受限于篇幅，測度結(jié)果未全部展示，圖2僅列示了主要年份的中國省際人工智能發(fā)展情況。可以看出，中國省際人工智能發(fā)展水平不斷提高，2011—2015年和2015—2018年主要省份人工智能發(fā)展速度明顯加快。此外，北京、廣東、江蘇、上海、浙江屬于中國人工智能發(fā)展領(lǐng)跑者，2011年之后，山東、四川、福建、陜西、湖北、遼寧、湖南、海南、湖北、重慶、天津等開始發(fā)力，屬于人工智能發(fā)展的追趕者，其余省份人工智能發(fā)展水平相對落后。

圖2 主要年份中國省際人工智能發(fā)展水平

3.2 人工智能發(fā)展區(qū)域差異及來源分析

本文運(yùn)用Dagum基尼系數(shù)及子群分解方法，對中國人工智能發(fā)展的總體差異、區(qū)域內(nèi)差異、區(qū)域間差異和轉(zhuǎn)移變異進(jìn)行分析，以反映人工智能發(fā)展的差異程度及來源。

(1)中國人工智能發(fā)展的總體差異。表2測算的總體基尼系數(shù)反映出2003—2018年中國人工智能發(fā)展水平在全國層面的空間分布差異及其演變趨勢。從全國層面看，中國人工智能發(fā)展的區(qū)域差異較大，基尼系數(shù)分布在0.480 3～0.594 9之間，空間非均勻特征顯著。從演變趨勢看，基尼系數(shù)總體上呈現(xiàn)N型走勢，2003年基尼系數(shù)為0.579 92，隨后下降至2009年的0.515 9，年均遞減率達(dá)到2.068 2%，表明此階段人工智能發(fā)展不均衡問題得到持續(xù)緩解；2009—2015年，基尼系數(shù)又開始增大并保持在0.562 7～0.594 9之間，說明相較于前一階段，此階段人工智能區(qū)域發(fā)展不均衡程度加??；2016年以后，基尼系數(shù)開始回落，到2018年，降至0.480 29，說明近幾年人工智能發(fā)展不均衡現(xiàn)象有所改善，但總體上，區(qū)域差異仍然較大。

(2)中國人工智能發(fā)展的區(qū)域內(nèi)差異。從表2可以看出，東部地區(qū)人工智能發(fā)展的區(qū)域內(nèi)差異最大，平均值達(dá)到0.415 6，波動幅度較小，下降趨勢不明顯；西部地區(qū)略低于東部地區(qū)，平均值為0.381 1，但波動幅度較大，2003—2010年呈正U型波動，2011—2018年呈倒U型波動；東北地區(qū)平均基尼系數(shù)小于東部和西部地區(qū)，2003—2012年呈上升趨勢，2012年以后，基尼系數(shù)開始不斷下降；中部地區(qū)人工智能發(fā)展的區(qū)域內(nèi)差異最小，平均基尼系數(shù)為0.211 5，但考察期內(nèi)的基尼系數(shù)呈波動上升趨勢。

(3)中國人工智能發(fā)展的區(qū)域間差異。從表3可以看出，東—西區(qū)域間差異最大，平均基尼系數(shù)達(dá)到0.721 2；其次是東—中和東—東北，平均基尼系數(shù)分別為0.623 9和0.552 8；東北—中和中—西區(qū)域間差異較小，平均基尼系數(shù)分別為0.351 5和0.367 4。從波動趨勢看，東—西與東—中波動趨勢基本一致，呈下降—上升—下降的小幅波動趨勢；東北—西和東北—中波動趨勢基本一致，呈下降—上升—下降的大幅波動趨勢，2012年和2013年東北—西的基尼系數(shù)一度超過東—東北同期數(shù)據(jù)，而2018年東北—西的基尼系數(shù)卻小于所有區(qū)域間基尼系數(shù)；中—西波動幅度在2003—2008年較小，在2009—2014年上升幅度較大，2014—2018開始明顯下降。

具體而言，2014—2018年，東北—西、東—西和中—西的基尼系數(shù)均呈下降趨勢，表明該階段西部地區(qū)人工智能發(fā)展水平有所提高。2007—2012年，東北—西和東北—中的基尼系數(shù)呈上升趨勢，表明該階段東北與中西部地區(qū)人工智能發(fā)展水平差距有所擴(kuò)大。東北—中和中—西的基尼系數(shù)呈交錯變化趨勢，2004—2008年，人工智能發(fā)展水平的中—西差異大于東北—中，2009—2014年，東北—中差異逐漸擴(kuò)大，超過中—西差異，2014—2018年，東北—中差異大幅縮小，開始小于中—西差異，到2018年，兩者都維持在0.33左右。2003—2017年，東—西和東—中的基尼系數(shù)變化趨勢基本一致，但在2017—2018年，東—西的基尼系數(shù)有所下降，而東—中的基尼系數(shù)有所上升。

表2 全國及四大區(qū)域人工智能發(fā)展的基尼系數(shù)

表3 人工智能發(fā)展區(qū)域間基尼系數(shù)

(4)中國人工智能發(fā)展區(qū)域差異來源及其貢獻(xiàn)。表4報告了中國人工智能發(fā)展區(qū)域差異來源及其貢獻(xiàn)，2003—2018年，區(qū)域間差異貢獻(xiàn)占比最大，遠(yuǎn)大于區(qū)域內(nèi)差異和轉(zhuǎn)移變異貢獻(xiàn)，但2010年以后基本呈下降趨勢，由2010年的71.905 1%下降至2018年的65.925 3%。區(qū)域內(nèi)差異貢獻(xiàn)率維持在22%左右，2010年以后呈小幅上升趨勢，由2010年的21.639 5%上升至2018年的23.406 7%。轉(zhuǎn)移變異主要用于識別區(qū)域間的交叉重疊現(xiàn)象，如東部地區(qū)人工智能發(fā)展水平顯著高于西部地區(qū)，但東部地區(qū)人工智能發(fā)展水平較低的部分省份可能低于西部地區(qū)人工智能發(fā)展水平較高的省份(如四川、重慶、陜西等)。2003—2009年，轉(zhuǎn)移變異貢獻(xiàn)基本維持穩(wěn)定，到2009—2014年，轉(zhuǎn)移變異貢獻(xiàn)明顯增加，表明湖北、湖南、四川、重慶等中西部地區(qū)省份人工智能發(fā)展水平超過東部地區(qū)部分省份(如河北等)。綜上，中國人工智能發(fā)展水平總體差異主要來自于區(qū)域間的巨大差距，區(qū)域內(nèi)差異并不是導(dǎo)致總體區(qū)域差異的主要原因，而不同區(qū)域間的交叉重疊對于總體差異造成的影響更小。區(qū)域間差異貢獻(xiàn)遠(yuǎn)超轉(zhuǎn)移變異貢獻(xiàn)，說明不同區(qū)域間人工智能發(fā)展的凈差異較大，從而造成全國范圍內(nèi)人工智能發(fā)展不均衡。

表4 基尼系數(shù)分解結(jié)果

3.3 人工智能發(fā)展分布動態(tài)分析

前文利用Dagum基尼系數(shù)從相對差異角度刻畫了中國人工智能發(fā)展的區(qū)域差異及其來源，下文將從絕對差異角度，利用核密度估計法，通過估計核密度曲線的位置、形態(tài)和延展性等，探討2003—2018年中國人工智能發(fā)展的分布動態(tài)特征。

3.3.1 全國人工智能發(fā)展整體分布動態(tài)

本文對省際人工智能發(fā)展水平進(jìn)行年度核密度估計，并繪制不同時段人工智能發(fā)展水平的分布動態(tài)圖(見圖3)。由圖3可知，觀測期內(nèi)，中國人工智能發(fā)展大致可以分為2003—2006年、2007—2010年、2011—2014年和2015—2018年4個階段。這4個階段的分布曲線不斷右移，其中，2003—2010年右移幅度較小，到2011—2014年右移幅度增大，尤其是2015—2018年右移幅度最大，說明我國人工智能發(fā)展水平正在不斷提升，尤其是2015年之后，提升速度最快。此外，4個階段的主峰高度持續(xù)下降，曲線寬度不斷擴(kuò)大，意味著省際間人工智能發(fā)展水平的絕對差異呈擴(kuò)大態(tài)勢。

從分布位置和形態(tài)看，主峰位置不斷右移，主峰高度持續(xù)下降。具體地，2003—2006年、2007—2010年、2011—2014年和2015—2018年主峰中心位置橫坐標(biāo)分別位于0～0.005、0.01～0.02、0.02～0.05和0.07～0.1之間，主峰高度分別位于75～137、30～60、12～22和5～8之間。從分布延展性看，4個階段都具有右拖尾現(xiàn)象，且延展性呈明顯拓寬趨勢，表明每個階段都存在人工智能發(fā)展水平相對較高的省份，且隨著時間推移，其相對水平不斷提升。此外，4個階段均出現(xiàn)側(cè)峰，且側(cè)峰不斷右移，但峰值較小，說明中國人工智能發(fā)展水平存在一定梯度效應(yīng)，各梯度發(fā)展水平在考察期內(nèi)均有所提升，整體呈現(xiàn)出多級分化趨勢。

3.3.2 區(qū)域?qū)用嫒斯ぶ悄馨l(fā)展水平分布動態(tài)

對區(qū)域?qū)用嫒斯ぶ悄馨l(fā)展水平進(jìn)行核密度估計，結(jié)果如圖4所示。整體看，東部地區(qū)人工智能發(fā)展水平呈正態(tài)分布；東北地區(qū)表現(xiàn)為強(qiáng)烈的兩極分化；中部地區(qū)2003—2010年呈正態(tài)分布，2011—2018年開始出現(xiàn)側(cè)峰，但側(cè)峰峰值較??；西部地區(qū)呈現(xiàn)出強(qiáng)烈的多級分化趨勢，有多個小側(cè)峰出現(xiàn)。這說明東部地區(qū)人工智能發(fā)展具有擴(kuò)展效應(yīng)，東北地區(qū)呈現(xiàn)兩極分化效應(yīng)，中部地區(qū)擴(kuò)展效應(yīng)和回程效應(yīng)程度相當(dāng)，西部地區(qū)則表現(xiàn)為多極分化效應(yīng)?？赡艿脑蚴?，人工智能發(fā)展領(lǐng)跑省份都位于東部地區(qū)，東部地區(qū)通過技術(shù)溢出帶動周圍地區(qū)人工智能發(fā)展；東北地區(qū)僅遼寧的人工智能發(fā)展水平較高，而吉林和黑龍江屬于人工智能發(fā)展的落后者，促使與人工智能相關(guān)要素進(jìn)一步向遼寧集中；中部地區(qū)的湖北和湖南人工智能發(fā)展水平相對較高，但與區(qū)域內(nèi)其它省份差距不大，因而在引入人工智能資本、智能應(yīng)用等方面對其它省份可能存在擴(kuò)散效應(yīng)，但同時也不可避免地在人才、企業(yè)生產(chǎn)等方面具有回程效應(yīng)；西部地區(qū)的四川和重慶人工智能發(fā)展水平排名基本處于前10位，陜西在10～15位之間，而其它省份則處于25位之后，多極分化效應(yīng)促使人工智能發(fā)展要素向多個中心點(diǎn)集聚。

圖3 不同時段人工智能發(fā)展水平分布動態(tài)

從分布位置看，四大區(qū)域的主峰位置都在不斷右移，說明考察期內(nèi)人工智能發(fā)展水平在不斷提升。其中，東部地區(qū)4個階段的平均峰值分別為0.015、0.02、0.05、0.15，東北地區(qū)平均峰值分別為0.005、0.01、0.02、0.05，中部地區(qū)平均峰值分別為0.005、0.01、0.025、0.075，西部地區(qū)平均峰值分別為0.001、0.005、0.007、0.025。這說明考察期內(nèi)，東部地區(qū)人工智能發(fā)展水平提升速度最快，2003—2010年東北地區(qū)和中部地區(qū)人工智能發(fā)展水平相當(dāng)，但2011—2018年中部地區(qū)略高于東北地區(qū)，西部地區(qū)人工智能發(fā)展水平提升較慢。從分布形態(tài)看，四大區(qū)域的主峰峰值均在不斷下降，主峰跨度變寬，說明考察期內(nèi)各區(qū)域人工智能發(fā)展水平整體差異擴(kuò)大。其中，東部地區(qū)4個階段的最高峰值最大，主峰跨度最寬，表明東部地區(qū)內(nèi)部人工智能發(fā)展水平差異最大，這印證了Dagum基尼系數(shù)分析結(jié)果。從分布延展性看，考察期內(nèi)四大區(qū)域均表現(xiàn)出右拖尾現(xiàn)象，說明四大區(qū)域內(nèi)都存在人工智能發(fā)展水平相對較高的省份，如東部地區(qū)的北京、上海、廣東、江蘇、浙江等，東北地區(qū)的遼寧，中部地區(qū)的湖北和湖南，西部地區(qū)的四川、重慶和陜西等。此外，考察期內(nèi)四大區(qū)域的核密度曲線都具有較好的延展性，說明人工智能發(fā)展水平相對較高的省份，其相對水平也在提升。

圖4 區(qū)域人工智能發(fā)展水平分布動態(tài)

4 結(jié)論與政策建議

4.1 研究結(jié)論

實(shí)施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略是新時代國家重大戰(zhàn)略之一，而人工智能作為經(jīng)濟(jì)發(fā)展的新引擎和社會建設(shè)的新機(jī)遇，勢必會為區(qū)域協(xié)調(diào)發(fā)展帶來新格局。在此背景下，本文構(gòu)建人工智能發(fā)展評價指標(biāo)體系，通過對2003—2018年中國內(nèi)地30個省份面板數(shù)據(jù)進(jìn)行相應(yīng)處理，測度中國省際人工智能發(fā)展水平。進(jìn)一步地，利用Dagum基尼系數(shù)和核密度估計方法，考察中國人工智能發(fā)展水平的區(qū)域差異及分布動態(tài)演進(jìn)特征。本文主要結(jié)論如下：

首先，人工智能發(fā)展評價指標(biāo)體系包含制度環(huán)境、基礎(chǔ)設(shè)施、技術(shù)創(chuàng)新和生產(chǎn)應(yīng)用4個分項指標(biāo)，且權(quán)重分別為15.099 2%、34.612 6%、20.911 0%和38.867 4%。其次，北京、廣東、江蘇、上海、浙江屬于中國人工智能發(fā)展領(lǐng)跑者，山東、遼寧、天津、四川、重慶、湖南、湖北、陜西、福建屬于追趕者，考察期內(nèi)其余省份屬于落后者。第三，總體上，中國省際人工智能發(fā)展空間非均衡特征顯著，樣本期內(nèi)基尼系數(shù)始終保持在0.480 3～0.594 9之間，區(qū)域間貢獻(xiàn)率為69.642 3%，區(qū)域內(nèi)貢獻(xiàn)率為22.177 0%，轉(zhuǎn)移變異貢獻(xiàn)率為8.180 7%。具體地，東—西、東—中和東—東北的區(qū)域間差異是主要差異來源，平均基尼系數(shù)分別為0.721 2、0.623 9、0.552 8；東北—中、東北—西和中—西的區(qū)域間差異較小，平均基尼系數(shù)分別為0.353 8、0.470 7、0.367 4；東部、東北、中部和西部地區(qū)的平均基尼系數(shù)分別為0.415 6、0.314 9、0.211 5、0.387 9，其中，東部和西部的基尼系數(shù)超過東北—中和中—西區(qū)域間基尼系數(shù)。最后，在樣本觀測期內(nèi)，中國人工智能發(fā)展水平不斷提升，但發(fā)展水平的絕對差異在逐漸擴(kuò)大。無論是全國層面還是四大區(qū)域?qū)用?，人工智能發(fā)展均呈現(xiàn)出顯著的非均衡態(tài)勢，具體表現(xiàn)為：東部地區(qū)表現(xiàn)為擴(kuò)展效應(yīng)，東北地區(qū)呈現(xiàn)出兩極分化效應(yīng)，中部地區(qū)擴(kuò)展效應(yīng)和回程效應(yīng)相當(dāng)，西部地區(qū)呈現(xiàn)出多極分化效應(yīng)。

4.2 政策建議

根據(jù)以上研究結(jié)論，我國人工智能發(fā)展存在空間非均衡性，降低區(qū)域間差異程度，合理控制區(qū)域內(nèi)部極化現(xiàn)象已經(jīng)成為人工智能產(chǎn)業(yè)發(fā)展過程中亟待解決的問題。為此，本文提出以下建議：

首先，重視區(qū)域內(nèi)發(fā)展不均衡問題。核密度估計結(jié)果表明，四大區(qū)域人工智能發(fā)展水平均存在區(qū)域內(nèi)差異，這對我國人工智能發(fā)展既是挑戰(zhàn)也是機(jī)遇。挑戰(zhàn)在于，人工智能是引領(lǐng)未來的戰(zhàn)略性技術(shù)，人工智能產(chǎn)業(yè)發(fā)展不平衡，勢必會加劇我國經(jīng)濟(jì)發(fā)展不平衡問題；機(jī)遇在于，“星星之火，可以燎原”，在各區(qū)域設(shè)立一個或多個人工智能發(fā)展高地，促使與人工智能發(fā)展相關(guān)的資金、技術(shù)、人才等由中心點(diǎn)向四周有序擴(kuò)散，待人工智能產(chǎn)業(yè)外溢之時，便是形成“燎原”之日。此外，由于基礎(chǔ)設(shè)施建設(shè)是人工智能發(fā)展的基石，對于人工智能發(fā)展水平較低的區(qū)域，需要充分發(fā)揮社會主義制度集中力量辦大事的優(yōu)勢，夯實(shí)基礎(chǔ)設(shè)施建設(shè)，提供培育人工智能發(fā)展的平臺。

其次，統(tǒng)籌區(qū)域間人工智能協(xié)調(diào)發(fā)展，促進(jìn)人工智能與實(shí)體經(jīng)濟(jì)深度融合。本文實(shí)證結(jié)果表明，區(qū)域間差異是人工智能發(fā)展的主要差異來源。探索人工智能帶動實(shí)體經(jīng)濟(jì)發(fā)展模式，通過縮小人工智能發(fā)展區(qū)域間差距，促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)同發(fā)展，是當(dāng)前我國人工智能發(fā)展進(jìn)程中亟需解決的問題。Dagum基尼系數(shù)表明，東—西、東—中、東—東北區(qū)域間差異最大。因此，在推進(jìn)人工智能發(fā)展過程中，要分階段、分批次實(shí)施建設(shè)，不能 “一把抓”。根據(jù)構(gòu)建的指標(biāo)體系，除需要營造有利于人工智能發(fā)展的制度環(huán)境和技術(shù)創(chuàng)新環(huán)境外，西部地區(qū)要重點(diǎn)夯實(shí)人工智能發(fā)展的基礎(chǔ)設(shè)施建設(shè)，而中部和東北地區(qū)則要制定相關(guān)政策，重點(diǎn)助力相關(guān)智能制造企業(yè)發(fā)展。此外，根據(jù)人工智能發(fā)展的領(lǐng)跑者、追趕者和落后者角色，政府可以制定省際間協(xié)作機(jī)制，打破阻礙人工智能技術(shù)流動的壁壘。例如，依照 “點(diǎn)、線、面、體”遞次推進(jìn)，領(lǐng)跑者形成線，追趕者形成面，最終縮小區(qū)域間差異，形成中國人工智能發(fā)展優(yōu)勢，帶動國家競爭力整體躍升和跨越式發(fā)展。