摘"要：文章采用熵值法構(gòu)建了中國(guó)人工智能綜合發(fā)展的指標(biāo)體系，通過(guò)Dagum基尼系數(shù)與核密度估計(jì)分析了中國(guó)東、中、西部三大區(qū)域人工智能綜合發(fā)展的特征、空間非均衡性及動(dòng)態(tài)演化趨勢(shì)。研究發(fā)現(xiàn)：2010—2019年省域人工智能發(fā)展指標(biāo)逐年增長(zhǎng)，并呈現(xiàn)“東熱西冷”的空間非均衡性，同時(shí)三大區(qū)域間差異逐步擴(kuò)大，區(qū)域內(nèi)出現(xiàn)兩極分化現(xiàn)象，可為系統(tǒng)布局人工智能發(fā)展規(guī)劃、推動(dòng)區(qū)域間一體化發(fā)展提供理論參考和政策依據(jù)。

關(guān)鍵詞：人工智能；指標(biāo)體系；區(qū)域差異；Dagum基尼系數(shù)

中圖分類號(hào)：F124.3文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1005-6432（2025）"02-0009-04

DOI：10.13939/j.cnki.zgsc.2025.02.003

1"引言

伴隨算法、算料和算力三大核心要素的高速發(fā)展，人工智能對(duì)中國(guó)經(jīng)濟(jì)建設(shè)、產(chǎn)業(yè)優(yōu)化、民生改善等方面的影響持續(xù)擴(kuò)大。人工智能的發(fā)展有利于提升人類的創(chuàng)造力與產(chǎn)品的附加價(jià)值，既是時(shí)代進(jìn)步的必然趨勢(shì)，也是國(guó)際競(jìng)爭(zhēng)的新焦點(diǎn)。盡管中國(guó)研究人工智能與經(jīng)濟(jì)社會(huì)建設(shè)關(guān)系的文獻(xiàn)逐漸豐富，但中國(guó)人工智能產(chǎn)業(yè)起步較晚，導(dǎo)致在人工智能基礎(chǔ)領(lǐng)域的研究相較于國(guó)際仍有一定差距（李旭輝等，2020）[1]。目前的研究方向主要包括：一是使用專利數(shù)據(jù)來(lái)衡量人工智能的技術(shù)差距，如中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院基于知識(shí)產(chǎn)權(quán)制定了“國(guó)家創(chuàng)新指數(shù)”；二是使用反映人工智能創(chuàng)新水平的參數(shù)作為代理變量衡量人工智能發(fā)展水平，如袁野等從創(chuàng)新主體、創(chuàng)新環(huán)境、系統(tǒng)效益三個(gè)維度選取了人工智能新增企業(yè)數(shù)、每年新增政策數(shù)等18項(xiàng)具體指標(biāo)構(gòu)建了人工智能關(guān)鍵核心技術(shù)創(chuàng)新能力指標(biāo)測(cè)度體系[2]；三是使用反映人工智能產(chǎn)業(yè)發(fā)展水平的參數(shù)作為代理變量衡量人工智能發(fā)展水平，如顧國(guó)達(dá)等從人工智能環(huán)境支撐力、知識(shí)創(chuàng)造力、產(chǎn)業(yè)競(jìng)爭(zhēng)力三個(gè)維度選取了AI科研機(jī)構(gòu)數(shù)據(jù)、AI上市企業(yè)數(shù)據(jù)等24項(xiàng)具體指標(biāo)進(jìn)行了人工智能綜合評(píng)價(jià)體系的構(gòu)建[3]。

總體來(lái)看，人工智能發(fā)展評(píng)價(jià)尚未形成統(tǒng)一完善的標(biāo)準(zhǔn)體系（陳鳳仙，2022[4]），現(xiàn)有研究成果仍存在以下問(wèn)題：一是測(cè)度維度相對(duì)局限，測(cè)度指標(biāo)多依賴于知識(shí)產(chǎn)權(quán)數(shù)據(jù)；二是測(cè)度指標(biāo)權(quán)重賦予較為主觀，無(wú)法真實(shí)反映地區(qū)人工智能綜合發(fā)展水平；三是研究結(jié)果有待深化，缺乏從區(qū)域視角考察人工智能綜合發(fā)展的空間差異及動(dòng)態(tài)演變趨勢(shì)[5]。有鑒于此，文章將在測(cè)度指標(biāo)、客觀賦權(quán)、空間關(guān)聯(lián)等方面有所拓展。

2"人工智能綜合發(fā)展指標(biāo)的構(gòu)建

2.1"指標(biāo)體系的構(gòu)建

人工智能水平的評(píng)價(jià)不能僅以智能產(chǎn)品的應(yīng)用水平或相關(guān)產(chǎn)業(yè)的經(jīng)濟(jì)產(chǎn)出作為參考依據(jù)，還要注重人工智能長(zhǎng)期發(fā)展所必需的軟硬件基礎(chǔ)，進(jìn)行全局性的考慮。因此，文章圍繞人工智能硬件基礎(chǔ)、人工智能人才基礎(chǔ)以及人工智能相關(guān)產(chǎn)出所包含的具體指標(biāo)，構(gòu)建了相應(yīng)的指標(biāo)評(píng)價(jià)體系對(duì)人工智能綜合水平進(jìn)行全面的評(píng)價(jià)。具體指標(biāo)體系見(jiàn)表1。

人工智能硬件基礎(chǔ)方面，地方財(cái)政科技支出指標(biāo)能夠在一定程度上有效量化地方政府對(duì)人工智能發(fā)展的支持力度；互聯(lián)網(wǎng)寬帶接入端口數(shù)能夠充分體現(xiàn)人工智能推進(jìn)所必需的網(wǎng)絡(luò)基礎(chǔ)；電信固定資產(chǎn)投資能夠在一定程度上反映地區(qū)對(duì)智能化通信基礎(chǔ)設(shè)施的建設(shè)投入以及對(duì)傳統(tǒng)通信技術(shù)的智能化改造。人工智能人才基礎(chǔ)方面，每十萬(wàn)人口高等學(xué)校平均在校生數(shù)指標(biāo)衡量了地區(qū)高素質(zhì)人口數(shù)量；考慮到人工智能就業(yè)人員相關(guān)數(shù)據(jù)難以獲取，因此選用軟件開(kāi)發(fā)人員指標(biāo)作為替代指標(biāo)進(jìn)行分析。人工智能相關(guān)產(chǎn)出方面，由于人工智能相關(guān)統(tǒng)計(jì)數(shù)據(jù)的匱乏，文章主要通過(guò)與人工智能發(fā)展密切相關(guān)產(chǎn)業(yè)的產(chǎn)出來(lái)量化人工智能的相關(guān)產(chǎn)出。其中，電子及通信設(shè)備制造業(yè)利潤(rùn)、軟件企業(yè)數(shù)量和軟件行業(yè)收入分別從產(chǎn)業(yè)利潤(rùn)、企業(yè)數(shù)量以及行業(yè)營(yíng)收的角度對(duì)人工智能關(guān)聯(lián)產(chǎn)業(yè)的產(chǎn)出進(jìn)行了量化，在反映人工智能相關(guān)產(chǎn)出水平方面具有一定代表性。

2.2"數(shù)據(jù)說(shuō)明

文章樣本包含了中國(guó)30個(gè)省、市、區(qū)，其中西藏和港澳臺(tái)地區(qū)由于存在大量缺失數(shù)據(jù)，未被納入樣本。文章主要數(shù)據(jù)來(lái)源于2011—2020年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》以及樣本單位各省、市、區(qū)的統(tǒng)計(jì)，并采用熵值法對(duì)人工智能綜合發(fā)展指標(biāo)的權(quán)重進(jìn)行了設(shè)定。

3"人工智能綜合發(fā)展指標(biāo)測(cè)度結(jié)果及分析

3.1"省域人工智能綜合發(fā)展指標(biāo)測(cè)度結(jié)果

測(cè)度結(jié)果如表2所示。研究顯示，中國(guó)人工智能在十年間實(shí)現(xiàn)了跨越式發(fā)展，各省域人工智能綜合發(fā)展指標(biāo)呈現(xiàn)出持續(xù)高速增長(zhǎng)的態(tài)勢(shì)。2010年各省域人工智能發(fā)展還處于較低水平，而到了2019年，排名最高的廣東省綜合發(fā)展指標(biāo)來(lái)到28.73，年平均增長(zhǎng)率為50.16%，而排名末位的青海省綜合發(fā)展指標(biāo)也增長(zhǎng)到了0.27，年平均增長(zhǎng)率為23.64%。此外，中國(guó)人工智能綜合發(fā)展水平在空間分布上呈現(xiàn)出“東熱西冷、階梯分布”的空間分化特征。

3.2"三大區(qū)域人工智能綜合發(fā)展的空間非均衡性分析

為進(jìn)一步分析區(qū)域差異的大小和來(lái)源，文章通過(guò)Dagum基尼系數(shù)對(duì)中國(guó)人工智能的空間非均衡性進(jìn)行定量分析，測(cè)算結(jié)果如表3所示。

3.2.1"全國(guó)總體的空間非均衡性

數(shù)據(jù)顯示，2010—2019年中國(guó)人工智能發(fā)展水平的總體基尼系數(shù)分布在0.4271～0.5869，平均差異為0.4802，表明全國(guó)總體的空間非均衡性顯著。從演變趨勢(shì)看，三大區(qū)域的總體基尼系數(shù)呈現(xiàn)先下降后上升的“U”型發(fā)展趨勢(shì)。其中，2010—2014年為下降階段，總體基尼系數(shù)從2010年的0.4441下降至2014年的0.4271，年均遞減率為0.97%，表明此階段全國(guó)人工智能發(fā)展的空間非均衡性有所減弱，但減弱幅度不大；2015—2019年為上升階段，總體基尼系數(shù)從2015年的0.4495上升至2019年的0.5869，年均增長(zhǎng)率為6.89%，表明全國(guó)人工智能發(fā)展的空間非均衡性日益變強(qiáng)，區(qū)域差異呈現(xiàn)進(jìn)一步擴(kuò)大的趨勢(shì)。

3.2.2"區(qū)域內(nèi)的空間非均衡性

考察期內(nèi)東部地區(qū)呈現(xiàn)“微弱上升—緩慢下降—快速上升”的變動(dòng)趨勢(shì)，其平均基尼系數(shù)為0.3713，年均增長(zhǎng)速度為8.34%。相比而言，中部地區(qū)內(nèi)部差異最小，其平均基尼系數(shù)為0.1943，區(qū)域內(nèi)差異呈波動(dòng)上升趨勢(shì)，年均增長(zhǎng)速度為23.09%；西部地區(qū)內(nèi)部差異最大，其平均基尼系數(shù)為0.3786，區(qū)域內(nèi)差異整體呈“U”型發(fā)展趨勢(shì)，年均增長(zhǎng)速度為11.02%，其拐點(diǎn)出現(xiàn)在人工智能開(kāi)始全球普及的2012年，四川、重慶以及陜西三省依托基礎(chǔ)設(shè)施和人才優(yōu)勢(shì)率先成為地區(qū)人工智能發(fā)展高地，在先發(fā)優(yōu)勢(shì)影響下區(qū)域內(nèi)差異逐漸擴(kuò)大。

3.2.3"區(qū)域間的空間非均衡性

考察期內(nèi)三大區(qū)域間基尼系數(shù)整體呈波動(dòng)上升趨勢(shì)，表明區(qū)域間人工智能發(fā)展的空間非均衡性進(jìn)一步變強(qiáng)。東-中部、東-西部、中-西部區(qū)域間差異均值分別為0.5513、0.6206、0.3340，區(qū)域間差異呈現(xiàn)出（東-西部）gt;（東-中部）gt;（中-西部）的空間格局。究其原因，東部地區(qū)良好的人工智能發(fā)展制度環(huán)境、突出的人才優(yōu)勢(shì)、優(yōu)良的融資環(huán)境以及先進(jìn)的智慧發(fā)展理念，為其人工智能綜合發(fā)展提供了重要支撐；相較而言，西部地區(qū)受限于地理、人才、基礎(chǔ)設(shè)施和資金的制約，其人工智能綜合發(fā)展水平明顯低于東部地區(qū)。

3.2.4"區(qū)域內(nèi)和區(qū)域間差異貢獻(xiàn)率

考察期內(nèi)區(qū)域內(nèi)、區(qū)域間、超變密度基尼系數(shù)均保持在相對(duì)穩(wěn)定的貢獻(xiàn)率水平。其中，區(qū)域間差異貢獻(xiàn)率維持在65%左右，是構(gòu)成中國(guó)人工智能發(fā)展差異最主要的原因；區(qū)域內(nèi)差異貢獻(xiàn)率呈現(xiàn)出波動(dòng)上升趨勢(shì)，且波動(dòng)幅度較?。怀兠芏葘?duì)區(qū)域差異貢獻(xiàn)最小，其貢獻(xiàn)率在9%左右波動(dòng)。

3.3"人工智能發(fā)展的動(dòng)態(tài)演化

基于前文的測(cè)度與相對(duì)差異分析結(jié)果，文章還采用了廣泛使用的Epanechnikov核函數(shù)來(lái)進(jìn)行空間核密度估計(jì)，通過(guò)核密度曲線的分布位置、形態(tài)和延展性等特征揭示中國(guó)人工智能綜合發(fā)展水平的動(dòng)態(tài)演化。

3.3.1"整體指標(biāo)的動(dòng)態(tài)演化

由2010—2019年省域人工智能綜合發(fā)展指標(biāo)的核密度曲線可以發(fā)現(xiàn)：①核密度曲線整體呈正偏態(tài)分布，形態(tài)逐步向扁而寬的態(tài)勢(shì)發(fā)展，峰值降低、寬度加大，表明省域人工智能綜合發(fā)展指標(biāo)密集度降低，差異程度加大；②核密度曲線向右移動(dòng)，表明省域人工智能發(fā)展水平在不斷提高；③在分布形態(tài)上，核密度曲線右尾逐漸拉長(zhǎng)，分布延展性在一定程度上呈拓寬趨勢(shì)，表明在全國(guó)范圍內(nèi)人工智能綜合發(fā)展指標(biāo)的差異在逐漸增加，人工智能綜合發(fā)展的區(qū)域差異持續(xù)增加，空間非均衡性逐步擴(kuò)大。

3.3.2"三大區(qū)域指標(biāo)的動(dòng)態(tài)演化

整體來(lái)看，三大區(qū)域的核密度曲線變化趨勢(shì)與全國(guó)變化趨勢(shì)基本保持一致，核密度曲線在向右移動(dòng)的同時(shí)呈現(xiàn)出扁而寬的發(fā)展態(tài)勢(shì)。在考察期內(nèi)，東部地區(qū)人工智能綜合發(fā)展指標(biāo)呈正偏態(tài)分布，說(shuō)明東部地區(qū)的人工智能發(fā)展具有擴(kuò)展效應(yīng)；中部地區(qū)在2012—2013年開(kāi)始出現(xiàn)明顯的側(cè)峰，且側(cè)峰峰值較小，在2015—2019年逐步由雙峰向單峰過(guò)渡，說(shuō)明中部地區(qū)人工智能發(fā)展兩極分化效應(yīng)逐漸減弱；西部地區(qū)存在明顯的側(cè)峰，說(shuō)明西部地區(qū)的人工智能發(fā)展存在兩極分化效應(yīng)。

4"研究結(jié)論與政策建議

4.1"研究結(jié)論

通過(guò)對(duì)中國(guó)人工智能綜合發(fā)展指標(biāo)的測(cè)度與分析，文章研究得出以下三點(diǎn)結(jié)論。

（1）指標(biāo)變動(dòng)趨勢(shì)：人工智能蓬勃發(fā)展，省域發(fā)展指標(biāo)逐年增長(zhǎng)。中國(guó)人工智能在2010—2019年實(shí)現(xiàn)了跨越式增長(zhǎng)，各省域均保持了持續(xù)且高速的發(fā)展態(tài)勢(shì)。樣本考察期內(nèi)，中國(guó)人工智能綜合發(fā)展指標(biāo)增長(zhǎng)最快的省域?yàn)閺V東省，其在2019年綜合發(fā)展指標(biāo)為28.73，年平均增長(zhǎng)率為50.16%，而排名末位的青海省綜合發(fā)展指標(biāo)在2019年也增長(zhǎng)到了0.27，年平均增長(zhǎng)率為23.64%。

（2）指標(biāo)空間分布特征：“東熱西冷”，空間非均衡性顯著。從空間分布來(lái)看，中國(guó)人工智能綜合發(fā)展的集聚度較高，展現(xiàn)出“東熱西冷、非均衡分布”的空間分化特征。在樣本考察期內(nèi)，全國(guó)人工智能發(fā)展水平的總體基尼系數(shù)分布在0.4271～0.5869，總體的空間非均衡性顯著。區(qū)域間差異是構(gòu)成中國(guó)人工智能發(fā)展差異最主要的原因，其中東-西部間的空間非均衡性最為顯著。西部地區(qū)內(nèi)部差異最大，東部地區(qū)次之，中部地區(qū)差異相對(duì)較低。

（3）指標(biāo)動(dòng)態(tài)演化：區(qū)域間差異逐步擴(kuò)大，區(qū)域內(nèi)出現(xiàn)兩極分化現(xiàn)象。從整體看，中國(guó)人工智能綜合發(fā)展指標(biāo)的核密度曲線呈正偏態(tài)分布，分布位置逐步向右移動(dòng)，表明中國(guó)人工智能綜合發(fā)展水平在不斷提高；分布形態(tài)呈現(xiàn)扁而寬的發(fā)展態(tài)勢(shì)，表明人工智能綜合發(fā)展指標(biāo)密集度降低，省域差異持續(xù)增加，空間非均衡性逐步擴(kuò)大。從區(qū)域看，東部地區(qū)的人工智能發(fā)展具有擴(kuò)展效應(yīng)，中部地區(qū)人工智能發(fā)展兩極分化效應(yīng)逐漸減弱，西部地區(qū)的人工智能發(fā)展出現(xiàn)兩極分化效應(yīng)。

4.2"政策建議

基于以上研究結(jié)論，為合理控制區(qū)域內(nèi)部極化現(xiàn)象以及區(qū)域間差異，文章提出“人工智能基礎(chǔ)設(shè)施完善—區(qū)域產(chǎn)業(yè)鏈布局重構(gòu)—區(qū)域平衡充分發(fā)展”的發(fā)展路徑。①改善人工智能的人才培養(yǎng)與引進(jìn)機(jī)制，依托能源、土地、政策等優(yōu)勢(shì)打造中西部人工智能人才中心，吸引東部地區(qū)與國(guó)外一流專業(yè)人才和高新科技企業(yè)落戶當(dāng)?shù)?；②?yīng)該有目標(biāo)、有計(jì)劃、有層次地實(shí)施人工智能建設(shè)，制定重點(diǎn)扶持智慧教育、智慧制造、智慧醫(yī)療等領(lǐng)域發(fā)展的相關(guān)政策，加強(qiáng)資源的利用效率；③引導(dǎo)高水平地區(qū)與低水平地區(qū)之間的產(chǎn)業(yè)交流與融合發(fā)展，聯(lián)合打造人工智能計(jì)算平臺(tái)、融合平臺(tái)及應(yīng)用平臺(tái)。

參考文獻(xiàn)：

[1]李旭輝，張勝寶，程剛，等.三大支撐帶人工智能產(chǎn)業(yè)自主創(chuàng)新能力測(cè)度分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020，37（4）：3-25.

[2]袁野，汪書(shū)悅，陶于祥.人工智能關(guān)鍵核心技術(shù)創(chuàng)新能力測(cè)度體系構(gòu)建：基于創(chuàng)新生態(tài)系統(tǒng)視角[J].科技進(jìn)步與對(duì)策，2021，38（18）：84-93.

[3]顧國(guó)達(dá)，馬文景.人工智能綜合發(fā)展指數(shù)的構(gòu)建及應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（1）：117-134.

[4]陳鳳仙.人工智能發(fā)展水平測(cè)度方法研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2022（2）：142-158.

[5]呂榮杰，郝力曉.中國(guó)人工智能發(fā)展水平、區(qū)域差異及分布動(dòng)態(tài)演進(jìn)[J].科技進(jìn)步與對(duì)策，2021，38（24）：76-84.