人工智能、區域創新能力與產業結構升級
——基于中國工業機器人的經驗證據

胡 艷，陳 曦

(1.安徽大學 經濟學院，安徽 合肥 230601；2.安徽大學 創新發展戰略研究院，安徽 合肥 230601)

一、引言

產業結構升級是引領傳統產業轉變發展方式、推動新舊動能轉換、加快構建新發展格局、實現新時代高質量發展要求的必由之路。伴隨著我國人口紅利逐漸消退、資源環境約束趨緊，依靠技術驅動產業結構升級成為新常態下的重要途徑。黨的二十大報告明確指出要推動制造業高端化、智能化、綠色化發展，推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能、高端裝備等一批新的增長引擎。工業機器人作為人工智能最具代表性的應用，與制造業的深度融合顯著提升了生產率和資源配置效率，通過顛覆傳統生產模式帶動生產規模化、專業化發展，促進制造業向高端化演變，日漸成為新時代促進產業結構升級和高質量發展的有效推動力。目前我國人工智能發展已取得顯著成效，但由于其作用發揮受本地技術基礎匹配的影響，仍面臨適配性低、創新能力弱等問題[1]。在國內經濟結構轉型和國際“逆全球化”趨勢的雙重壓力下，我國應抓住新一輪科技革命的發展機遇，積極參與人工智能創新鏈競爭。因此，深刻認識人工智能對產業結構升級的影響，厘清如何提升區域創新能力以適應人工智能發展要求，并進一步推動產業結構升級，對我國加快構建經濟發展新格局、推動高質量發展、建設科技強國、提升全球競爭力顯得尤為重要。

目前國內外學術界主要從經濟、社會和環境層面對人工智能進行了深入研究。在經濟層面，現有研究基本支持人工智能對提升生產率、推動經濟增長的作用。Kromann等[2]基于14國面板數據實證得出，自動化技術的應用在短期和長期均能顯著提升生產率；Graetz和Michaels[3]研究發現使用工業機器人可以提高全要素生產率和經濟增長率；林晨等[4]認為人工智能可以通過提高實體經濟吸引力來減輕居民消費壓力，強化實體經濟資本對經濟增長的拉動作用。人工智能對社會層面的影響研究主要聚焦于勞動就業方面，部分學者認為，以工業機器人為代表的人工智能的應用會減少就業總量[5]、降低勞動收入份額[6]；但Brynjolfsson等[7]認為人工智能作為一種新技術出現而造成的短期結構性失業，屬于階段性特征；王曉娟等[8]研究得出機器人在短期因替代效應而對就業產生負向作用，中長期則得益于創造效應促進就業增長。在環境層面，學者們認為人工智能可以通過結構優化效應、創新效應以及人力資本效應等機制提升綠色發展效率、推動綠色低碳轉型[9-10]。

關于產業結構升級，眾多學者從水平測度、升級效應和影響因素三個方面展開了深入研究。在水平測度方面，一些學者基于就業、產值等數據構建公式對產業結構升級水平進行測算[11-12]；也有學者通過建立指標體系來度量產業結構升級水平，如宋華等[13]構建包含三次產業產值變動率、貢獻率和勞動力分布結構的三類綜合指標測算產業結構升級。在產業結構升級效應方面，以往研究表明產業結構對經濟增長、居民消費、生態環境等方面具有正向的促進效應[14-16]。關于產業結構升級的影響因素的研究較為豐富，不少學者從多維度探討影響產業結構的機制，目前備受關注的因素主要有技術進步[17]、數字經濟[18]、環境規制[13]、FDI[19]、人口老齡化[20]與政策支持[21-22]等。

近年來，人工智能與產業結構升級的關系日益受到關注，學者們就人工智能是否以及如何促進產業結構升級展開了廣泛研究。從影響方向看，Aghion等[23]將人工智能納入產業結構演變模型得出人工智能對產業結構升級的影響取決于不同產業部門人工智能與傳統生產方式的轉化程度。郭凱明[24]認為人工智能對產業轉型升級的作用方向由人工智能在各產業部門間的產出彈性，以及和傳統生產方式的替代彈性上的差別決定。沈賞[25]運用系統GMM模型進行實證研究，發現人工智能對產業轉型升級具有正向促進作用。郭艷冰和胡立君[26]基于我國省級面板數據，證實了人工智能可以有效推動產業結構升級。杜文強[27]利用284個地級市面板數據論證得出，工業機器人的廣泛應用能顯著促進地區產業結構升級。從影響路徑看，胡俊和杜傳忠[28]從理論上剖析了人工智能促進產業升級的內在機理，認為人工智能可以通過拓寬自主創新方向推動技術進步，從而優化勞動結構、提高生產率以及促進新興業態的產生和發展，最終實現產業轉型升級。鄧仲良和屈小博[29]認為，工業機器人主要通過改善資本—勞動稟賦結構和提升全要素生產率助推制造業升級。韋東明等[30]通過構建中介效應模型實證得出，人工智能在生產率效應和就業創造效應的傳導機制下對產業結構升級產生顯著正向影響。

綜上所述，人工智能已成為經濟研究熱點，針對其與產業結構升級的研究也不斷增多，但現有研究更多關注的是人工智能對產業升級的直接影響，往往忽視了兩者發展間的非線性關系，且較為缺乏以其他視角切入的差異性研究，對于其他變量在不同閾值下對這兩者的關系產生何種影響也未作深入探討。基于此，本文嘗試進行如下拓展：以區域創新能力為研究視角，將人工智能、區域創新能力和產業結構升級三者納入同一框架，厘清人工智能驅動產業結構升級的理論機制，并實證分析人工智能對產業結構升級的作用以及區域創新能力對兩者關系的調節效應；進一步運用面板門檻模型，深入考察人工智能對產業結構升級的非線性影響，并將區域創新能力閾值因素引入人工智能與產業結構升級的關系中，創新性地驗證不同區域創新能力下人工智能與產業結構升級的非線性關系，豐富人工智能與產業結構升級的定量研究。

二、理論機制與研究假設

(一)人工智能對產業結構升級的基本影響機制

1.直接影響

作為新一輪科技革命的代表性技術，人工智能正在邁入新一輪加速發展期，具備廣泛滲透性、數據驅動性、系統智能化的典型特點，將引領傳統產業生產模式發生深刻變革[28]，從以下幾個方面影響產業結構升級。第一，人工智能憑借其廣泛滲透性，與各行業深度融合，傳統產業通過引進機器人、自動化等人工智能技術進行生產，促使生產設備和生產流程逐漸趨于智能化、自動化，改變了固有的技術結構和生產方式，使資源得到更有效的配置，生產率進一步提升，并且可以實時監測生產過程，提高質檢水平，提升產品質量[31]。人工智能應用于傳統產業的同時還能衍生出一批新興產業，從而推動產業結構升級。第二，工業機器人作為人工智能的集中技術體現，在制造業的廣泛應用中會產生勞動力替代效應，被替代的勞動力將大部分流向服務業，進而推動產業結構的演進。這一沖擊也將倒逼勞動力努力提升自身技能，進而促進整體人力資本水平和生產能力的提升，產業結構也隨之優化升級。第三，人工智能是數據分析、信息編程、移動互聯網等先進技術下誕生的產物，人工智能的發展將帶動知識和技術密集型等現代化產業的進一步發展，進而促進產業結構向高端化演進。第四，人工智能基于大量用戶數據，借助智能識別系統，可以及時捕捉消費者的需求信息，快速匹配產品質量等并做出最佳決策[32]，不斷滿足現代消費者的個性化需要，帶動相關行業的專業化發展，從而促進產業結構升級。由此，提出假設1。

假設1：人工智能可以顯著促進產業結構升級。

2.間接影響

創新作為第一生產力，是企業競爭優勢的重要源泉，也是國家發展的根本動力，提高區域創新能力可以促進產業結構升級已成為學術界的共識。胡京[33]認為創新主體在積累人力資本、增加創新產出和互相學習的過程中帶動了區域整體的勞動生產率的提升，同時運用向量自回歸(PVAR)模型實證得出區域創新能力的提升正向促進了產業結構優化的結果。區域創新能力在人工智能與產業結構升級的關系中發揮正向的調節效應，可以在一定程度上強化人工智能對產業結構升級的促進作用。首先，區域創新主體借助人工智能海量的AI素材數據庫和能直接用于研究創新的算法和代碼開源社區，大大降低了搜尋成本、信息成本和創新成本，為創新活動提供了極大便利，從而激發創新主體釋放更多資源和資本用于研發創新，促進創新能力和創新效率的顯著提升，助推產業結構持續升級[34]。其次，人工智能屬于通用型技術，借助技術外溢擴散效應，可以突破地理位置帶來的局限，不斷拓寬輻射范圍，加深與不同產業、不同場景的融合應用，促進醫療、教育、制造等傳統領域逐漸趨于智能化的創新變革，從而有效提高資源配置效率和整體創新能力；同時，為其他領域提供創新思路，培育新的高端要素和產業，為消費者提供更多選擇，進一步引發消費升級，從而帶動產業結構優化升級。最后，人工智能技術具有很強的模仿性，可以通過機器實現對產品和技術的模仿，可能導致產品出現同質化的情況，企業為避免行業之間的模仿和競爭，將不斷投入資本用于產品的研發創新，企業的創新能力和產品的市場競爭力得到進一步提升，從而促進產業結構升級。由此，提出假設2。

假設2：區域創新能力在人工智能對產業結構升級影響中具有正向調節作用，是人工智能促進產業結構升級的重要作用路徑。

(二)人工智能對產業結構升級的非線性影響機制

人工智能對產業結構升級具有正向促進作用，但可能存在一定的門檻效應。人工智能促進產業結構升級會受到相關技術、配套設施以及機器設備等因素的影響。Brynjolfsson等[7]基于人工智能迅速發展和全球全要素生產率降低的背景，提出了“新索洛悖論”。“新索洛悖論”認為人工智能的發展在短期內并不能顯著提高生產率，國內學者對此展開討論。郭敏和方夢然[35]認為人工智能技術需要一定時間的累積發展，待形成規模后才能顯著促進生產率的提高。在人工智能發展的早期階段，由于缺乏相應互補性技術、匹配人才以及配套設施和產業政策等，加上大眾對人工智能的理解力的缺失，人工智能的應用發展進程緩慢，無法起到有效促進產業結構升級的作用。但當人工智能技術發展到一定階段后，伴隨著國家對人工智能技術的政策支持、配套設施的逐漸齊備以及人工智能學科和專業人才的增加，人工智能發展規模日漸擴大，人工智能水平得到顯著提升。人工智能廣泛融合于各產業部門的生產與管理，促進了生產率的有效提升和要素資源的優化配置，進而促進產業結構轉型升級。由此，提出假設3a。

假設3a：人工智能與產業結構升級存在門檻效應的非線性關系。

創新為人工智能技術的發展提供不竭源泉，人工智能對產業結構升級的作用效果受本地創新能力的影響。當區域創新能力較弱時，意味著發展人工智能技術缺乏可供調動的創新資源。在人工智能迅速發展的經濟背景下，其對知識和創新儲備的要求也逐漸提高，低水平的區域創新能力無法有效滿足人工智能發展的新要求。創新基礎薄弱致使人工智能難以突破關鍵性技術難題，仍然停留在簡單重復替代勞動和模仿的階段，不具備“人類智能”的特點，人工智能無法進一步發展。若此時一味投入大量資本到人工智能的發展中，將會提高企業成本，降低要素資源利用率，進而抑制產業結構升級。當區域創新能力提升到一定程度后，創新成果產出大大增加，創新資源稟賦結構得到有效改善。人工智能和區域創新能力二者相互匹配、共同作用，將有效轉換創新成果投入到產業當中，更大限度地發揮創新外溢效應，促進生產率提升，從而推動產業結構升級。總之，在較弱的區域創新能力下，區域創新能力和人工智能發展新要求不匹配，人工智能難以促進產業結構升級；隨著區域創新能力的不斷提升，創新成果不斷豐富，人工智能創新成果轉換率也隨之提高，產業結構得以轉型升級。由此，提出假設3b。

假設3b：人工智能對產業結構升級存在區域創新能力門檻效應。

三、研究設計

(一)計量模型構建

為研究人工智能對產業結構升級的影響，本文構建如下面板計量模型：

uisit=α0+α1aiit+αXit+εit

(1)

為研究區域創新能力在人工智能對產業結構升級影響中的調節效應，本文設定如下調節效應模型：

uisit=α0+α1aiit+α2patit+α3aiit×patit+αXit+εit

(2)

為考察人工智能與產業結構升級的非線性關系，本文借鑒Hansen[36]提出的面板門檻回歸模型，以人工智能和區域創新能力為門檻變量，設定如下面板門檻模型：

uisit=β0+β1aiitI(qit≤γ)+β2aiitI(qit>γ)+βXit+εit

(3)

其中：uisit表示i省份在t年的產業結構升級水平；aiit表示i省份在t年的人工智能發展水平；patit表示i省在t年的區域創新能力；aiit×patit為人工智能和區域創新能力的交互項；qit表示i省份在t年的門檻變量；γ表示估計的門檻值；I(·)代表示性函數，若滿足括號中要求取值1，反之則取值0。Xit表示模型的一系列控制變量；εit表示隨機擾動項；其他表示常數項和變量系數。

(二)變量說明

1.被解釋變量

產業結構升級水平(uis)。本文借鑒紀玉俊和李超[11]的研究，采取各產業勞動生產率與各產業生產產值占比的乘積之和來表示產業結構升級。具體計算公式如下：

(4)

其中：uis表示產業結構升級水平；ki表示三次產業增加值占地區生產總值的比值；Li為各產業增加值與各產業就業人數之比，代表勞動生產率。uis數值越大，表示產業結構升級水平越高。

2.核心解釋變量

人工智能水平(ai)。已有文獻研究大多利用工業機器人安裝密度、信息傳輸、計算機服務和軟件業全社會固定資產投資金額以及人工智能專利申請量作為人工智能的表征變量。麥卡錫將人工智能定義為制造智能機器，而工業機器人作為人工智能技術的代表性應用，已被廣泛用于生產工作，可以較好地體現人工智能的實際使用情況，且主要應用于電子和電氣、運輸設備及家具等制造業領域，較少涉及服務業[37]。因此，本文借鑒蘆婷婷和祝志勇[6]、韋東明等[30]的做法，采用機器人安裝密度衡量人工智能水平，并將國際機器人聯盟(IFR)提供的制造業機器人數據與《中國勞動統計年鑒》中提供的制造業分行業就業數據進行匹配，最終測算出各省機器人安裝密度，該做法已得到國內外學者的廣泛認可和使用。具體公式如下：

(5)

其中：aiit表示人工智能水平；Robit表示i省t年的機器人安裝量；Lit表示i省t年的制造業就業人數；Eimt為i省t年m行業的就業人數與全國t年m行業就業人數之比；Robmt表示m行業t年的機器人安裝量；m表示制造業行業數量。對所有行業進行加總，即可得到i省t年的機器人安裝密度。

3.調節變量

區域創新能力(pat)。專利含有眾多關鍵性技術信息，可以較為全面地體現一個地區的技術創新能力。由于專利授權的審核標準較為嚴格，且具有一定的時間滯后性，因此，本文選取三種專利人均申請數(含發明、實用新型和外觀設計專利)來表示區域創新能力，并對其進行對數化處理。

4.控制變量

(1)基礎設施水平(infra)，選取每平方千米的公路里程表示；(2)貿易開放度(trade)，采用進出口總額占地區生產總值的比重表示；(3)政府干預(gov)，采用地方財政一般公共預算支出與地區生產總值的比重表示；(4)外商直接投資(fdi)，選取外商直接投資總額與地區生產總值之比來衡量。以上進出口總額和外商直接投資額均以當年人民幣對美元匯率進行折價處理。

(三)數據來源

本文選取2006—2019年中國30個省(市、自治區)(不含西藏、港澳臺)的面板數據進行實證檢驗①。核心解釋變量原始數據來源于IFR，其他變量數據來源于《新中國60年統計資料匯編》、歷年《中國統計年鑒》《中國勞動統計年鑒》，以及各省(市、自治區)統計年鑒、國研網和中經網數據庫，其中個別省份的缺失數據采用插值法補齊。變量描述性統計結果見表1。

表1 變量描述性統計結果

(四)中國人工智能應用水平現狀

表2報告了2006—2019年中國機器人密度的地區分布②，可以看出，無論是機器人安裝密度還是機器人存量密度，各地區整體上都呈現出逐年上升的趨勢。以存量密度為例，東部地區機器人平均密度最高，西部地區次之，中部地區最低，但中西部差異不明顯。東部地區機器人存量密度由2006年的2.22臺/千人增加至2019年的186.91臺/千人；中部地區由2006年的1.47臺/千人增加至2019年的146.21臺/千人；西部地區由2016年的2.03臺/千人增加至2019年的141.71臺/千人。中部地區增速最快。由此可以看出，我國機器人應用水平隨著時間的推移顯著提升，但存在明顯的區域差異，且該差異存在逐年擴大的趨勢。東部地區由于所包含省份位于沿海地區，經濟發達，產業基礎雄厚，機器人應用水平明顯高于中部和西部地區；在“中部崛起”戰略的實施下，中部地區不斷推進新型工業化，大力發展汽車等裝備制造業，機器人的應用普及度也得到顯著提高。

表2 2006—2019年中國機器人密度的地區分布 單位：臺/千人

四、實證分析

(一)基準回歸結果

本文采用雙向固定效應模型對式(1)進行估計，并同時采用穩健標準誤的OLS回歸作為參照，結果如表3所示。從列(1)至列(4)可以看出，無論是否加入控制變量，人工智能對產業結構升級的影響系數均顯著為正，表明人工智能可以有效推動產業結構升級，驗證了前文假設1。具體而言，人工智能水平每提升1個單位，產業結構升級水平將提升0.097 2個單位。人工智能技術在各產業部門的應用，可以幫助其在生產過程中逐漸趨于智能化、數字化，從而優化各生產要素的投入，節約生產過程中的運營和信息搜尋成本，提高生產率和資源配置效率，進而實現產業結構的優化升級。觀察各控制變量的回歸結果，政府干預對產業結構升級的影響系數顯著為負，這說明政府過多干預經濟，可能使市場這只無形的手不能充分發揮作用，資源得不到有效配置，從而在一定程度上阻礙了產業結構升級。

表3 基準回歸結果

(二)穩健性檢驗

上述基準回歸結果顯示，人工智能對產業結構升級具有顯著的正向促進作用。為檢驗上述結論的可靠性，本文采用替換核心解釋變量、安慰劑檢驗、縮尾處理以及工具變量法進行驗證。

1.替換核心解釋變量。參考已有研究[27]，以機器人存量計算的機器人存量密度作為核心解釋變量的替代變量，再次對產業結構升級進行回歸。觀察表4中第(1)列的回歸結果可知，核心解釋變量回歸系數仍顯著為正，驗證了前文實證結果的可靠性。

表4 穩健性檢驗結果

2.安慰劑檢驗。由于產業結構升級本身存在不斷演變和優化升級的趨勢，與人工智能的發展可能并不存在因果關系。因此，本文進行安慰劑檢驗，使用2006—2018年的人工智能水平對1992—2005年的產業結構升級進行回歸，驗證過去的產業結構升級是否與未來的人工智能發展水平相關，回歸結果見表4中第(2)列。結果顯示，人工智能的回歸系數不顯著，證明過去的產業結構升級和未來的人工智能發展不相關，說明前文結論是穩健的。

3.縮尾處理。我國人工智能發展水平由于地域差異存在較大差距，因此，對變量進行上下兩側1%水平上的縮尾處理，以排除異常值的干擾。從表4中第(3)列可以看出，人工智能對產業結構升級的影響系數依然顯著為正，再次證明上述結果是穩健的。

4.內生性檢驗

考慮到人工智能和產業結構升級之間可能存在雙向因果關系以及遺漏變量和測量誤差的問題，本文采用工具變量法來緩解內生性問題。參考林伯強和譚睿鵬[38]、劉軍和陳嘉欽[39]的做法，選取各省份的地形起伏度作為人工智能的工具變量。一方面，地形起伏度是客觀存在的天然地理因素，并不直接影響產業結構升級，滿足工具變量的外生性要求；另一方面，發展人工智能需要建設大量配套基礎設施，地形起伏度越高越不利于基礎設施的建設，發展人工智能難度較大，滿足工具變量的相關性要求。由于本文選取的是面板數據，而地形起伏度為截面數據，為滿足回歸需求，參考Nunn和Qian[40]的研究，選用各地區地形起伏度與樣本期內全國人工智能水平的交互項作為人工智能的工具變量。

表5為工具變量回歸結果，觀察 Kleibergen-Paap rk LM和Kleibergen-Paap rk Wald F統計量，前者顯著為正，后者大于臨界值，說明不存在工具變量識別不足和弱工具變量的問題，本文工具變量的選擇是合理的。在克服內生性問題后，核心解釋變量人工智能的回歸系數仍顯著為正，驗證了上述結果的穩健性。

表5 工具變量回歸結果

(三)調節效應回歸結果

表6報告了調節效應回歸結果，本文主要關注交互項的系數。可以看出，無論是否加入控制變量，人工智能和區域創新能力的交互項ai×pat的系數都顯著為正，表明區域創新能力在人工智能促進產業結構升級中發揮積極的正向調節作用，假設2得到驗證。人工智能作為通用目的技術，與各行業的高度融合將極大地拓展人工智能的應用領域，加深其與實體經濟的融合，并推動技術溢出。同時，通過與大數據和云計算等技術相結合，可為其他領域的技術創新提供借鑒，進而提升整個社會的創新能力，促進產業結構不斷升級。

表6 調節效應回歸結果

(四)進一步分析：門檻效應檢驗

為驗證假設3a和3b，本文參考Hansen的面板門檻回歸方法，以人工智能以及區域創新能力為門檻變量，進一步探究人工智能對產業結構升級的非線性影響。首先，需要檢驗變量間是否存在非線性的門檻效應以及具體門檻值，檢驗結果如表7所示。由表7數據可知，人工智能和區域創新能力均顯著通過了單一門檻和雙重門檻檢驗，三重門檻則未通過顯著性檢驗。因此，本文從人工智能與區域創新能力雙重門檻的角度探討人工智能對產業結構升級的非線性影響。

表7 門檻效應存在性檢驗

表8報告了門檻效應回歸結果，具體分析如下。

表8 門檻效應回歸結果

1.人工智能

由表8中第(1)列可知，在人工智能門檻區間內，伴隨人工智能水平的不斷提高，人工智能對產業結構升級的作用由抑制轉變為促進，呈現出邊際遞增的非線性特征。具體而言，當人工智能水平低于門檻值0.177 9時，人工智能對產業結構升級的影響系數顯著為負，表明人工智能發展水平較低時無法有效促進產業結構升級；當人工智能水平處于門檻值0.177 9和0.284 8之間時，人工智能對產業結構升級的負向作用有所緩解；當人工智能水平越過高門檻值0.284 8時，人工智能對產業結構升級的回歸系數顯著為正，且系數顯著高于第二階段。由此可知，人工智能與產業結構升級之間確實存在非線性關系，只有當人工智能發展到一定規模時，人工智能才能顯著促進產業結構升級。對此可能的解釋為，人工智能屬于高端新興技術，發展人工智能需要投入一定的資金，在發展前期，由于其資產投資回報率較低，人工智能缺乏投資基金，對產業結構升級的作用發揮具有顯著的滯后性。只有經過一定時間的積累，待人工智能達到一定規模后，才得以有效發揮出滲透作用，深度融合于各行各業，充分發揮技術紅利，助推產業結構轉型升級。

2.區域創新能力

由表8中第(2)列結果可知，人工智能對產業結構升級的作用在不同的區域創新能力下存在明顯差異，呈現出顯著的U形特征。具體而言，當區域創新能力小于門檻值0.488 1時，人工智能對產業結構升級的回歸系數顯著為負；當區域創新能力處于門檻值0.488 1～2.540 4時，人工智能對產業結構升級的作用由負轉正，開始正向促進產業結構升級；當區域創新能力高于門檻值2.540 4時，人工智能系數增加到0.380 7，且通過了1%水平的顯著性檢驗，說明人工智能對產業結構升級的促進效應明顯增強。由此可知，以區域創新能力為門檻變量時，人工智能對產業結構升級呈現出顯著的區域創新能力門檻效應，只有區域創新能力提升到一定水平后，人工智能才能有效推動產業結構升級。當區域創新能力處于較低水平時，人工智能技術的發展缺乏創新基礎，和本地技術基礎不匹配，難以產出創新成果、突破關鍵性領域的技術難題，無法有效提升要素生產率，促進產業升級；伴隨著區域創新能力的不斷提升，地區創新資源得到有效豐富，人工智能借助創新成果的技術擴散充分實現技術外溢，與傳統產業和新興產業融合發展，促進產業結構升級。

五、結論與政策建議

本文在分析人工智能對產業結構升級影響的基礎上，基于2006—2019年中國30個省(市、自治區)的面板數據，運用雙向固定效應模型、調節效應模型實證檢驗了人工智能、區域創新能力與產業結構升級之間的關系，并進一步運用門檻模型剖析人工智能和產業結構升級之間的非線性關系。研究發現：(1)人工智能應用水平整體呈上升趨勢，但區域發展不均衡，東部地區人工智能水平最高，中部地區增速最快；(2)人工智能顯著促進了產業結構升級，這一結論在一系列穩健性檢驗后依然成立；(3)區域創新能力在人工智能與產業結構升級的關系中具有正向調節作用，是人工智能促進產業結構升級的重要推動因素；(4)人工智能除了受到自身門檻效應對產業結構升級產生的邊際遞增作用外，還存在顯著的區域創新能力雙重門檻，即當區域創新能力突破臨界值后，人工智能對產業結構升級才表現出顯著的促進作用，即人工智能與產業結構升級呈U形關系。

根據上述結論，本文提出如下政策建議：(1)分區域實施差異化的人工智能發展戰略。目前我國地區間人工智能水平存在明顯差距，東部地區由于擁有良好的經濟基礎優勢，機器人應用水平顯著高于中西部，中西部地區應加大人工智能財政投入，同時鼓勵傳統產業加快引入機器人應用，改善生產模式，加強和東部地區的交流與合作，努力縮小發展差距，促進人工智能協調發展。(2)進一步加快人工智能技術發展，加大資金支持力度，不斷完善人工智能相關配套基礎設施建設，充分發揮人工智能對產業結構升級的促進作用。同時，不斷擴大機器人應用規模，建設機器人產業集群，加強與制造業的深度融合，促進制造業的中高端發展，帶動整體產業升級。(3)加強區域創新能力建設。人工智能對產業結構升級的作用受到區域創新能力的影響，當創新能力不足時，人工智能難以有效推動產業升級。因此，應進一步加大科研投入力度，建設人工智能人才培養平臺，提高區域創新能力，攻破人工智能關鍵技術難關，從而更好地適應人工智能發展需要，實現產業升級和經濟高質量發展。

注釋：

① 本文使用的機器人數據來源于IFR數據庫，考慮到中國分行業的機器人安裝量和存量數據從2006年開始才有所記錄，以及IFR數據庫的可得年份，本文選取的數據樣本時間為2006—2019年。

② 東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區包括山西、吉林、黑龍江、河南、湖北、湖南、安徽、江西；西部地區包括內蒙古、重慶、四川、廣西、貴州、云南、陜西、甘肅、青海、寧夏、新疆。