中國人工智能綜合發展指標的測度與分析

摘"要：文章采用熵值法構建了中國人工智能綜合發展的指標體系，通過Dagum基尼系數與核密度估計分析了中國東、中、西部三大區域人工智能綜合發展的特征、空間非均衡性及動態演化趨勢。研究發現：2010—2019年省域人工智能發展指標逐年增長，并呈現“東熱西冷”的空間非均衡性，同時三大區域間差異逐步擴大，區域內出現兩極分化現象，可為系統布局人工智能發展規劃、推動區域間一體化發展提供理論參考和政策依據。

關鍵詞：人工智能；指標體系；區域差異；Dagum基尼系數

中圖分類號：F124.3文獻標識碼：A文章編號：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展，人工智能對中國經濟建設、產業優化、民生改善等方面的影響持續擴大。人工智能的發展有利于提升人類的創造力與產品的附加價值，既是時代進步的必然趨勢，也是國際競爭的新焦點。盡管中國研究人工智能與經濟社會建設關系的文獻逐漸豐富，但中國人工智能產業起步較晚，導致在人工智能基礎領域的研究相較于國際仍有一定差距（李旭輝等，2020）[1]。目前的研究方向主要包括：一是使用專利數據來衡量人工智能的技術差距，如中國科學技術發展戰略研究院基于知識產權制定了“國家創新指數”；二是使用反映人工智能創新水平的參數作為代理變量衡量人工智能發展水平，如袁野等從創新主體、創新環境、系統效益三個維度選取了人工智能新增企業數、每年新增政策數等18項具體指標構建了人工智能關鍵核心技術創新能力指標測度體系[2]；三是使用反映人工智能產業發展水平的參數作為代理變量衡量人工智能發展水平，如顧國達等從人工智能環境支撐力、知識創造力、產業競爭力三個維度選取了AI科研機構數據、AI上市企業數據等24項具體指標進行了人工智能綜合評價體系的構建[3]。

總體來看，人工智能發展評價尚未形成統一完善的標準體系（陳鳳仙，2022[4]），現有研究成果仍存在以下問題：一是測度維度相對局限，測度指標多依賴于知識產權數據；二是測度指標權重賦予較為主觀，無法真實反映地區人工智能綜合發展水平；三是研究結果有待深化，缺乏從區域視角考察人工智能綜合發展的空間差異及動態演變趨勢[5]。有鑒于此，文章將在測度指標、客觀賦權、空間關聯等方面有所拓展。

2"人工智能綜合發展指標的構建

2.1"指標體系的構建

人工智能水平的評價不能僅以智能產品的應用水平或相關產業的經濟產出作為參考依據，還要注重人工智能長期發展所必需的軟硬件基礎，進行全局性的考慮。因此，文章圍繞人工智能硬件基礎、人工智能人才基礎以及人工智能相關產出所包含的具體指標，構建了相應的指標評價體系對人工智能綜合水平進行全面的評價。具體指標體系見表1。

人工智能硬件基礎方面，地方財政科技支出指標能夠在一定程度上有效量化地方政府對人工智能發展的支持力度；互聯網寬帶接入端口數能夠充分體現人工智能推進所必需的網絡基礎；電信固定資產投資能夠在一定程度上反映地區對智能化通信基礎設施的建設投入以及對傳統通信技術的智能化改造。人工智能人才基礎方面，每十萬人口高等學校平均在校生數指標衡量了地區高素質人口數量；考慮到人工智能就業人員相關數據難以獲取，因此選用軟件開發人員指標作為替代指標進行分析。人工智能相關產出方面，由于人工智能相關統計數據的匱乏，文章主要通過與人工智能發展密切相關產業的產出來量化人工智能的相關產出。其中，電子及通信設備制造業利潤、軟件企業數量和軟件行業收入分別從產業利潤、企業數量以及行業營收的角度對人工智能關聯產業的產出進行了量化，在反映人工智能相關產出水平方面具有一定代表性。

2.2"數據說明

文章樣本包含了中國30個省、市、區，其中西藏和港澳臺地區由于存在大量缺失數據，未被納入樣本。文章主要數據來源于2011—2020年的《中國統計年鑒》《中國科技統計年鑒》《中國能源統計年鑒》以及樣本單位各省、市、區的統計，并采用熵值法對人工智能綜合發展指標的權重進行了設定。

3"人工智能綜合發展指標測度結果及分析

3.1"省域人工智能綜合發展指標測度結果

測度結果如表2所示。研究顯示，中國人工智能在十年間實現了跨越式發展，各省域人工智能綜合發展指標呈現出持續高速增長的態勢。2010年各省域人工智能發展還處于較低水平，而到了2019年，排名最高的廣東省綜合發展指標來到28.73，年平均增長率為50.16%，而排名末位的青海省綜合發展指標也增長到了0.27，年平均增長率為23.64%。此外，中國人工智能綜合發展水平在空間分布上呈現出“東熱西冷、階梯分布”的空間分化特征。

3.2"三大區域人工智能綜合發展的空間非均衡性分析

為進一步分析區域差異的大小和來源，文章通過Dagum基尼系數對中國人工智能的空間非均衡性進行定量分析，測算結果如表3所示。

3.2.1"全國總體的空間非均衡性

數據顯示，2010—2019年中國人工智能發展水平的總體基尼系數分布在0.4271～0.5869，平均差異為0.4802，表明全國總體的空間非均衡性顯著。從演變趨勢看，三大區域的總體基尼系數呈現先下降后上升的“U”型發展趨勢。其中，2010—2014年為下降階段，總體基尼系數從2010年的0.4441下降至2014年的0.4271，年均遞減率為0.97%，表明此階段全國人工智能發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，總體基尼系數從2015年的0.4495上升至2019年的0.5869，年均增長率為6.89%，表明全國人工智能發展的空間非均衡性日益變強，區域差異呈現進一步擴大的趨勢。

3.2.2"區域內的空間非均衡性

考察期內東部地區呈現“微弱上升—緩慢下降—快速上升”的變動趨勢，其平均基尼系數為0.3713，年均增長速度為8.34%。相比而言，中部地區內部差異最小，其平均基尼系數為0.1943，區域內差異呈波動上升趨勢，年均增長速度為23.09%；西部地區內部差異最大，其平均基尼系數為0.3786，區域內差異整體呈“U”型發展趨勢，年均增長速度為11.02%，其拐點出現在人工智能開始全球普及的2012年，四川、重慶以及陜西三省依托基礎設施和人才優勢率先成為地區人工智能發展高地，在先發優勢影響下區域內差異逐漸擴大。

3.2.3"區域間的空間非均衡性

考察期內三大區域間基尼系數整體呈波動上升趨勢，表明區域間人工智能發展的空間非均衡性進一步變強。東-中部、東-西部、中-西部區域間差異均值分別為0.5513、0.6206、0.3340，區域間差異呈現出（東-西部）gt;（東-中部）gt;（中-西部）的空間格局。究其原因，東部地區良好的人工智能發展制度環境、突出的人才優勢、優良的融資環境以及先進的智慧發展理念，為其人工智能綜合發展提供了重要支撐；相較而言，西部地區受限于地理、人才、基礎設施和資金的制約，其人工智能綜合發展水平明顯低于東部地區。

3.2.4"區域內和區域間差異貢獻率

考察期內區域內、區域間、超變密度基尼系數均保持在相對穩定的貢獻率水平。其中，區域間差異貢獻率維持在65%左右，是構成中國人工智能發展差異最主要的原因；區域內差異貢獻率呈現出波動上升趨勢，且波動幅度較小；超變密度對區域差異貢獻最小，其貢獻率在9%左右波動。

3.3"人工智能發展的動態演化

基于前文的測度與相對差異分析結果，文章還采用了廣泛使用的Epanechnikov核函數來進行空間核密度估計，通過核密度曲線的分布位置、形態和延展性等特征揭示中國人工智能綜合發展水平的動態演化。

3.3.1"整體指標的動態演化

由2010—2019年省域人工智能綜合發展指標的核密度曲線可以發現：①核密度曲線整體呈正偏態分布，形態逐步向扁而寬的態勢發展，峰值降低、寬度加大，表明省域人工智能綜合發展指標密集度降低，差異程度加大；②核密度曲線向右移動，表明省域人工智能發展水平在不斷提高；③在分布形態上，核密度曲線右尾逐漸拉長，分布延展性在一定程度上呈拓寬趨勢，表明在全國范圍內人工智能綜合發展指標的差異在逐漸增加，人工智能綜合發展的區域差異持續增加，空間非均衡性逐步擴大。

3.3.2"三大區域指標的動態演化

整體來看，三大區域的核密度曲線變化趨勢與全國變化趨勢基本保持一致，核密度曲線在向右移動的同時呈現出扁而寬的發展態勢。在考察期內，東部地區人工智能綜合發展指標呈正偏態分布，說明東部地區的人工智能發展具有擴展效應；中部地區在2012—2013年開始出現明顯的側峰，且側峰峰值較小，在2015—2019年逐步由雙峰向單峰過渡，說明中部地區人工智能發展兩極分化效應逐漸減弱；西部地區存在明顯的側峰，說明西部地區的人工智能發展存在兩極分化效應。

4"研究結論與政策建議

4.1"研究結論

通過對中國人工智能綜合發展指標的測度與分析，文章研究得出以下三點結論。

（1）指標變動趨勢：人工智能蓬勃發展，省域發展指標逐年增長。中國人工智能在2010—2019年實現了跨越式增長，各省域均保持了持續且高速的發展態勢。樣本考察期內，中國人工智能綜合發展指標增長最快的省域為廣東省，其在2019年綜合發展指標為28.73，年平均增長率為50.16%，而排名末位的青海省綜合發展指標在2019年也增長到了0.27，年平均增長率為23.64%。

（2）指標空間分布特征：“東熱西冷”，空間非均衡性顯著。從空間分布來看，中國人工智能綜合發展的集聚度較高，展現出“東熱西冷、非均衡分布”的空間分化特征。在樣本考察期內，全國人工智能發展水平的總體基尼系數分布在0.4271～0.5869，總體的空間非均衡性顯著。區域間差異是構成中國人工智能發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。西部地區內部差異最大，東部地區次之，中部地區差異相對較低。

（3）指標動態演化：區域間差異逐步擴大，區域內出現兩極分化現象。從整體看，中國人工智能綜合發展指標的核密度曲線呈正偏態分布，分布位置逐步向右移動，表明中國人工智能綜合發展水平在不斷提高；分布形態呈現扁而寬的發展態勢，表明人工智能綜合發展指標密集度降低，省域差異持續增加，空間非均衡性逐步擴大。從區域看，東部地區的人工智能發展具有擴展效應，中部地區人工智能發展兩極分化效應逐漸減弱，西部地區的人工智能發展出現兩極分化效應。

4.2"政策建議

基于以上研究結論，為合理控制區域內部極化現象以及區域間差異，文章提出“人工智能基礎設施完善—區域產業鏈布局重構—區域平衡充分發展”的發展路徑。①改善人工智能的人才培養與引進機制，依托能源、土地、政策等優勢打造中西部人工智能人才中心，吸引東部地區與國外一流專業人才和高新科技企業落戶當地；②應該有目標、有計劃、有層次地實施人工智能建設，制定重點扶持智慧教育、智慧制造、智慧醫療等領域發展的相關政策，加強資源的利用效率；③引導高水平地區與低水平地區之間的產業交流與融合發展，聯合打造人工智能計算平臺、融合平臺及應用平臺。

參考文獻：

[1]李旭輝，張勝寶，程剛，等.三大支撐帶人工智能產業自主創新能力測度分析[J].數量經濟技術經濟研究，2020，37（4）：3-25.

[2]袁野，汪書悅，陶于祥.人工智能關鍵核心技術創新能力測度體系構建：基于創新生態系統視角[J].科技進步與對策，2021，38（18）：84-93.

[3]顧國達，馬文景.人工智能綜合發展指數的構建及應用[J].數量經濟技術經濟研究，2021，38（1）：117-134.

[4]陳鳳仙.人工智能發展水平測度方法研究進展[J].經濟學動態，2022（2）：142-158.

[5]呂榮杰，郝力曉.中國人工智能發展水平、區域差異及分布動態演進[J].科技進步與對策，2021，38（24）：76-84.