人工智能發展與新質生產力提升：理論機制與實證檢驗

中圖分類號：F207 文獻標識碼：A開放科學（資源服務）標識碼（OSID）：

文章編號：1001-7348（2025）11-0001-11

0 引言

2023年9月，習近平總書記在黑龍江考察時強調，“積極培育新能源、新材料、先進制造、電子信息等戰略性新興產業，積極培育未來產業，加快形成新質生產力，增強發展新動能\"[1]，“整合科技創新資源，引領發展戰略性新興產業和未來產業，加快形成新質生產力”。2新質生產力是由技術革命性突破、生產要素創新性配置、產業深度轉型升級催生形成的當代先進生產力，其核心要義在于勞動者、勞動資料和勞動對象三要素及其優化組合，核心標志是全要素生產率顯著提升。新質生產力顯著區別于高投入、高能耗的傳統生產力，其強調關鍵性、顛覆性技術突破，凸顯“新”與“質”，體現高科技、高效能、高質量等重要特征。新質生產力實現了生產力質態的躍遷，是新時代推動高質量發展的重要動力。

人工智能發展為培育新質生產力、促進高質量發展提供了新思路與新動力。近代以來，工業生產經歷了機械化一電力化一自動化的演變過程，每一次質變都引發生產組織與勞動過程的重大變革，對人類生產方式與勞動方式產生巨大影響。而今，全社會正步入智能時代，由人工智能及其智能硬件和軟件系統共同構成的知識密集型數字技術將成為繼蒸汽機、電力、信息與通信技術之后的新一代通用技術[3]。這一發展趨勢標志著科技的巨大進步將再次深刻改變人類社會生產生活方式，預示著未來生產力水平顯著提升。人工智能發展，不僅有助于推動技術革新與生產智能化，同時，催生新興經濟業態和產業形態出現[4。人工智能與傳統產業的深度融合，將顯著提升資源配置效率和勞動生產率，推動傳統生產模式在顛覆性變革中向規模化、專業化方向發展[5，促進傳統產業由價值鏈低端邁向高端，成為新時代推動新質生產力提升和實現高質量發展的強大動力。在此背景下，深人研究人工智能對新質生產力的影響機制和作用機理，提出有利于人工智能發展和新質生產力培育的策略，無疑具有重大的理論價值和現實意義。

通過梳理文獻發現，已有研究主要探討新質生產力內涵、價值和發展著力點（黃群慧等，2024；洪銀興，2024；任保平，2024），也有大量文獻關注人工智能對全要素生產率、經濟增長、產業結構和勞動力就業等諸多方面的影響（Furman等，2019；Acemoglu等，2018；林晨等，2020；姚加權等，2024）。然而，鮮有文獻研究人工智能與新質生產力間關系，尤其是人工智能何以賦能以及如何賦能新質生產力仍有待明晰。本文通過對人工智能與新質生產力影響關系進行理論分析，并利用2010—2022年中國內地30個省域面板數據進行實證檢驗。

本文邊際貢獻主要有3個方面：第一，在已有文獻基礎上深化人工智能提升新質生產力的理論機制，并通過實證分析為人工智能提升新質生產力的影響效應提供經驗證據。第二，在統一框架下探討人工智能對新質生產力的作用途徑，探究創新能力、能源效率和數字化水平對人工智能影響新質生產力的中介作用，進一步拓展已有文獻研究。第三，探討人工智能影響效應在不同市場化程度、技術聚集水平和產業結構下的異質性表現，并提出發展人工智能、促進新質生產力提升的政策建議，為各地區因地制宜發展新質生產力提供決策參考。

1文獻回顧與假設提出

1. 1 文獻回顧

當前關于新質生產力的研究成果十分豐富。如洪銀興認為，新質生產力是一個宏觀概念，包含新科技、新能源與數字經濟等方面；蔣永穆、喬張媛從“數字生產力”“綠色生產力”“藍色生產力”等方面概括新質生產力表現形式和構成要素；黃群慧、盛方富（2024）從系統要素視角定義新質生產力內涵，并從要素供給、產業體系、功能取向和生產關系等方面提出新質生產力發展路徑；任保平、王昕8提出通過產權制度、生態培育、數實融合、制度完善等路徑實現數據要素市場高標準化的戰略目標，以支撐新質生產力形成和發展。綜上，已有研究對新質生產力內涵、意義和培育路徑等進行了分析，為本文奠定了堅實基礎。

隨著人工智能技術與相關產業的興起，人工智能逐漸成為研究熱點，已有文獻主要聚焦于人工智能對科技創新、就業、收入分配以及產業結構等諸多方面的影響[9-10]，并肯定人工智能對提升全要素生產率、帶動經濟增長的作用[11]。如Aghion等[12]、Acemogluamp;Restrepo[13]等探討了人工智能發展引致的資本對勞動力的替代效應；Graetzamp;Michael4]研究發現，工業機器人應用能夠顯著促進全要素生產率和經濟增長率提升；何玉長、方坤[15]研究認為，人工智能與實體經濟的深度融合對經濟轉型及增長具有推動作用，但其研究以理論分析為主，并未進行實證檢驗；林晨等[4通過構建一般均衡模型發現，人工智能在重塑資本結構方面具有雙重效應，兼顧擴大居民消費和拉動經濟增長的目的；張夏恒、馬妍[1基于理論框架分析生成式人工智能技術賦能新質生產力的價值意蘊、運行機理與實踐路徑，但未進行定量分析。

綜上，當前文獻主要關注新質生產力內涵、價值和發展等方面，也有文獻研究了人工智能對生產率、經濟增長、就業和產業結構等方面的影響，但鮮有文獻研究人工智能與新質生產力的關系，尤其是人工智能何以賦能、如何賦能新質生產力仍有待明晰。本文將從理論上分析人工智能對新質生產力的影響效應，并利用省級面板數據和工業機器人數據進行實證檢驗，揭示人工智能促進新質生產力提升的內在機制與區域異質性，以進一步豐富和深化人工智能與新質生產力關系研究。

1.2 假設提出

1.2.1人工智能與新質生產力

新質生產力的基本內涵體現為勞動者、勞動資料（工具）和勞動對象三要素及其優化組合的質變，核心標志是全要素生產率的顯著提升（黃群慧、盛方富，2024），其具有高科技、高效能、高質量等顯著特征。作為新質生產力的標志之一，新型勞動工具不僅為新質生產力提供載體，而且是新質生產力形成的重要體現，其創新和應用顯著促進社會生產力提升。在第四輪科技革命加速演進的時代背景下，人工智能憑借廣泛滲透性、數據驅動性和系統智能化等優勢成為重要的新型勞動工具，其創新與使用必將加速生產力質態的迭代躍遷，引領傳統生產模式發生深刻變革[17]。具體表現為：第一，人工智能可以發揮滲透性優勢，通過與各行業各產業部門深度融合，淘汰落后的技術裝備和生產模式，推動生產全過程自動化、數字化和智能化，降低生產運營管理和信息搜尋成本，通過優化生產要素投入實現資源高效配置，進一步提升產業質量和全要素生產率，促進新質生產力培育和發展。第二，人工智能可以發揮數據驅動優勢和系統智能化優勢，推動數據要素深度嵌入生產過程，有助于生產者精準掌握市場供需狀況，提供優質產品和服務，促進不同市場主體、不同行業間緊密聯系，實現人與人、人與物、物與物之間互聯互通，真正實現智能化生產，從而推動生產力質態的迭代躍遷。第三，人工智能與傳統產業的深度融合有利于推動傳統產業由價值鏈低端向高端躍遷，催生一批新興產業和未來產業，形成新經濟形態和產業質態，并成為新時代推動新質生產力提升和實現高質量發展的不竭動力。同時，人工智能對低技能勞動力具有替代效應，倒逼勞動力努力提高自身勞動技能和素質[18-19]，從而在整體上促進勞動力水平與生產能力提升。據此，本文提出以下假設：

H₁ ：人工智能可以顯著促進新質生產力提升。

1.2.2人工智能、創新能力與新質生產力

新質生產力涌現與提升主要依靠巔覆性創新，以創新能力增強帶來生產效率與產品質量的提高，通過新型科技應用與手段推動生產活動更加智能化、自動化和高效。科技創新的引領作用表現為科學技術持續驅動生產力發展，創新能力提升和新技術應用促進生產要素在廣度、深度、瀕度上得到深人拓展，實現優化組合，從而帶來生產力形態躍遷與社會生產水平顯著提升。作為一種通用目的技術，人工智能與各產業部門緊密結合能夠大幅拓展其應用領域，深化數實融合，通過技術溢出效應對區域整體創新能力發揮驅動作用。通過技術的廣泛傳播和應用，人工智能能夠在一定程度上打破時空界限，擴大對不同行業與領域的覆蓋，推動制造、交通、醫療、教育以及金融等行業實現智能化與數字化升級。而人工智能與大數據、云計算等新興技術的融合，將產生巨大的整合式創新效應，為其它場景下的突破性創新提供參考，從而提升區域整體創新能力。發展人工智能企業、提升區域智能化水平，有利于為科技突破性升級與顛覆式創新創造良好的產業生態和創新生態。人工智能企業為區域創新主體提供了海量AI素材、數據信息和數據庫，同時，提供了能夠直接用于創新的算法和代碼開源社區[20]，極大便利了創新主體的知識搜尋和信息檢索活動，顯著降低了創新成本。這有利于充分激發創新主體研發意愿、提升突破式創新積極性，并帶來區域整體創新能力和創新績效的顯著提升，從而促進地區新質生產力長足發展。根據以上分析，本文提出以下假設：

H₂ ：人工智能通過增強創新能力促進新質生產力提升。

1.2.3人工智能、能源效率與新質生產力

新質生產力的發展遵循新發展理念，即在發展經濟的同時將生態維度納人考量，充分考慮經濟與環境、人與自然關系的平衡。改革開放后我國創造了經濟高速增長的“中國奇跡”，但高投人、高消耗的增長方式也給生態系統帶來壓力。新質生產力發展要求擺脫依靠大量資源投入和高能源消耗的傳統生產模式，轉向更加清潔、更加高效的綠色發展模式。從該角度而言，綠色化與可持續發展是反映生產力發展質量和水平的重要標志。換而言之，新質生產力也是綠色生產力，是對“綠水青山就是金山銀山”和“保護生態環境就是保護生產力”等綠色發展理念的貫徹。由于技術水平與能源利用效率息息相關，技術水平提高有利于降低能源消耗和污染排放，促進經濟實現可持續發展[21]。作為第四輪產業革命的代表性成果，人工智能有利于提高能源利用效率，促進可持續發展[22]，從而加快新質生產力形成與發展。一方面，人工智能有利于產業生態化和生態產業化，即推動農業、工業和服務業全面實現綠色化、智能化和低碳化轉型，進而獲得環境影響更小、能源利用效率更高的增長結果。另一方面，借助數據驅動、萬物互聯和系統智能等優勢，人工智能技術在電力、熱力、建筑和制造等高排放重點行業的大力推廣，在城市治理領域和交通出行領域的廣泛應用，有助于形成綠色生產方式和生活方式，促進以綠色為底色的新質生產力提升（蔣永穆等，2024）。據此，本文提出以下假設：

H₃ ：人工智能通過改善能源效率促進新質生產力提升。

1.2.4人工智能、數字化水平與新質生產力

數字經濟時代，新質生產力表現為一種以數據要素為基底、以數字技術為引領的數字生產力（蔣永穆等，2024）。人工智能的出現催生出相比傳統公共基礎設施更具生產力優勢的新型基礎設施，即包括大數據中心、物聯網、智能終端、數字平臺、工業互聯網等在內的數字基礎設施，促使數據要素深度融入生產全過程，推動數字經濟與實體經濟深度融合。而數實融合的實質是通過數字化對傳統產業進行全鏈條改造、推動數智化轉型，對傳統經濟“生產函數”進行革命性重構，進而促進生產力提質升級。數據已成為培育新質生產力和實現高質量發展的關鍵新型生產要素[23]。人工智能通過發揮數據驅動優勢，促進數據要素充分流動與開放共享[24]，而數據資源的快速增長與創新利用將重塑傳統要素投人和產出規模，進一步改變要素配置結構與方式，突破傳統要素有限供給對經濟增長模式的桎梏，發揮數據要素的乘數效應，帶來全要素生產率的大幅度提高，為新質生產力發展提供有力支撐。人工智能與數字化技術的融合，有助于優化生產線整體設計和提高模擬仿真結果，借助傳感器與物聯網技術全過程、全方位監控生產運行周期，以智能化和自動化實現對生產過程的精準把控，大幅提升生產效率和質量（王永欽等，2020）。通過應用以工業機器人為代表的人工智能技術推動數字化轉型，在提高生產效率與產品質量的同時，與傳統生產要素深度融合，促進傳統生產要素創新性配置[25]，實現生產流程數據化與可追溯化，從而助力新質生產力涌現與提升。通過上述分析，本文提出以下假設：

H₄ ：人工智能通過提高數字化水平促進新質生產力提升。

2 數據來源、變量說明與模型構建

2.1 數據來源

本文以中國內地30個省份（西藏因數據不全未納入）為研究對象，研究時間段為2010—2022年。研究中，機器人安裝密度數據來源于國際機器人聯合會（IFR），人工智能企業數據來源于天眼查，數字普惠金融指數來源于北京大學數字金融研究中心。其它變量數據主要來源于歷年《中國統計年鑒》《中國能源統計年鑒》《中國勞動統計年鑒》《中國環境統計年鑒》等，以及各省市統計年鑒。為了保持數據平穩性和完整性，使用線性插值法對個別缺失數據進行補充。

2.2 變量說明

2.2.1 被解釋變量

新質生產力（Produ）。參考盧江等[26]做法的基礎上，將新質生產力界定包含科技生產力、綠色生產力和數字生產力3個方面，并運用熵權-TOPSIS法進行指標測算，最終得到2010—2022年各省市新質生產力水平。其中，科技生產力包括高技術產業收入、規上工業企業Ramp;D經費、規上工業企業勞動生產率和規上工業企業Ramp;D人員全時當量等4個二級指標；綠色生產力包括能源結構（煤炭消費量/國內生產總值）、用水強度（工業用水量/國內生產總值）、廢物利用（工業固廢物綜合利用量/產生量）以及廢氣排放（工業二氧化硫排放總量/國內生產總值）等4個二級指標；數字生產力包括集成電路產量、電子商務銷售額、電信業務總量、互聯網寬帶接入端口數和軟件業務收入等5個二級指標。測算過程留存備索。

2.2.2 解釋變量

人工智能發展水平（AI）。當前人工智能發展水平測度有多種方法，本文參考相關研究（AcemogluandRestrepo，2020；閆雪凌等，2020；王永欽等[27]），使用機器人安裝密度作為人工智能發展水平測度指標，計算公式如下：

其中， L_ijt 為 i 地區 j 行業 Ψ_t 年就業人數， L_it 為 i 地區 Ψ_t 年就業人數， AI_jt 為 j 行業 Ψ_t 年工業機器人存量， ?L_jt 為 j 行業 Ψ_t 年全國就業總人數。

2.2.3 控制變量

本文使用的控制變量主要有： ① 經濟發展水平（Pgdp） ，采用人均GDP衡量； ② 高等教育水平（Sch），以所在地區高等院校數量為代理變量； ③ 財政支持力度 （Sci） ，使用該地區財政科學技術支出衡量；④ 城鎮化率（Urban），以城市人口占地區總人口的比值衡量； ⑤ 勞動力質量，以該地區在校大學生數量（ Stu） 和高校畢業生數量（Labo）衡量。本文變量定義如表1所示。

2.3 模型設定

本文構建回歸模型如下：

Produ_it=α+βAI_it+γControls_it+year+provi+ ε_εit （2）

其中， Produ_it 表示 i 省域在 Ψ_tΨ_Ψ 年的新質生產力水平， AI_it 表示 i 省域在 χ_t 年的人工智能發展水平，Controls代表一系列控制變量， ε_it 為隨機誤差項，year和proi分別代表時間固定效應與省份固定效應。 β 為核心待估參數，如果系數顯著為正，說明人工智能對新質生產力具有促進作用；反之，則說明人工智能對新質生產力具有抑制作用。根據研究假設 H₁ ，本文預測回歸系數 β 顯著為正。

3實證檢驗結果與分析

3.1 描述性統計與相關性分析

本文測算2010—2022年各省份新質生產力水平（Produ），描述性統計結果如表2所示。可以發現，新質生產力水平均值為0.231，最小值為0.027，最大值為0.896，而全要素生產率（TFP）的最小值和最大值分別為1與2.689，說明各省份新質生產力和全要素生產率水平存在較大差異。人工智能發展水平（AI）的均值為0.086，標準差為0.125，標準差大于均值，說明各省市人工智能發展水平懸殊。

表3反映變量間相關系數矩陣。可以發現，人工智能的兩個指標（AI、AI_Enterprise）與新質生產力（Produ）的相關系數分別為0.312和0.257，并且都在1% 水平上顯著，說明人工智能與新質生產力具有顯著的正相關性。

3.2基準回歸結果

表4反映人工智能對新質生產力提升的影響。由列（1）可知，在不包含控制變量的情況下，人工智能發展水平（AI）對新質生產力（Produ）的影響系數為0.910，并且通過 1% 水平上的顯著性檢驗。在控制省份、年份固定效應且逐步加入控制變量后，人工智能水平（AI）對新質生產力（ Produ） 的影響系數依然顯著為正，且系數絕對值變化較小，證明本文回歸結果穩健，即在其它因素一定情況下，提高人工智能水平能夠顯著促進新質生產力提升，故研究假設 H₁ 成立。在控制變量方面，本文研究發現，提升高等教育水平（ ∵Sch， 和科學技術支出 （Sci） 均能夠顯著提升新質生產力。

3.3 穩健性檢驗

為驗證人工智能對新質生產力影響的穩健性，本文采用縮短樣本周期、替換被解釋變量、替換解釋變量、增加控制變量、刪除極端值等方式進行穩健性檢驗。

3.3.1 縮短樣本周期

自2015年提出“創新、協調、綠色、開放、共享”的新發展理念后，國家更加重視創新在經濟發展中的地位，工業和信息化部、財政部發布《智能制造發展規劃（2016—2020年）》，強調以智能制造為經濟增長培育新動能。為了更好地識別該政策效應，將樣本回歸時間聚焦于2015—2019年，結果如表5列（1）所示。數據顯示，人工智能（AI）系數為0.397，在 1% 水平上顯著，進而驗證上述基準回歸結果的可靠性。

3.3.2替換被解釋變量

新質生產力屬于生產力范疇，在一定程度上可以用全要素生產率衡量。參考姚加權等（2024）的研究，依據實際GDP、資本存量和就業人數3個指標，采用DEA法測算各省市全要素生產率（TFP），將其作為新質生產力的替代變量，放人基準模型重新進行回歸，結果如表5列（2）所示。結果顯示，AI系數為0.448，并且通過 10% 水平上的顯著性檢驗，驗證了本文研究結論穩健。

3.3.3替換解釋變量

當前人工智能發展水平的測度方法有多種，除使用機器人安裝密度作為人工智能發展水平（AI）的代理變量外，本文嘗試以區域人工企業數作為特征指標，將其作為核心解釋變量放入模型，重新回歸。表5列（3）顯示，人工智能（AI）系數依然顯著為正，且絕對值變化較小，驗證本文研究結論穩健。

3.3.4增加控制變量

為減少因遺漏變量造成的估計偏誤，提高研究結論可靠性，通過增加市場化指數（Mark）和專利授權數（Tech）兩個控制變量進行穩健性檢驗。市場化指數（Mark）主要參考王小魯和樊綱等的《中國分省份市場化指數報告（2021）》，其衡量了各省份市場化進程和資源配置效率等，對新質生產力發展具有重要影響。穩健性檢驗結果如表5列（4）所示，添加上述兩個控制變量后，人工智能水平（AI）對新質生產力的影響系數為0.318，顯著性水平為 1% ，與基準回歸結果基本一致，進而驗證研究結論穩健。

3.3.5考慮極端值的影響

樣本中有可能存在極端值，從而影響回歸結果準確性。為避免這一影響，對樣本數據進行上下 1% 的縮尾處理，重新進行基準回歸。表5列（5）為剔除極端值后的回歸結果，結果顯示，人工智能（AI）對新質生產力 （Produ） 的影響系數仍然顯著為正，顯著性水平為5% ，絕對值為0.248，再次驗證本文結論可靠。

3.4 內生性檢驗

為緩解模型中可能存在的內生性問題，本文借鑒Acemogluamp;Restrepo（2020）、楊飛和范從來[28]、王永欽和董雯（2020）等的研究思路，采用美國機器人安裝數量（US_Robot）作為人工智能水平（AI）的工具變量。選擇該工具變量的原因在于：第一，美國機器人應用與我國新質生產力水平之間不存在直接關系，滿足工具變量的外生性條件；第二，美國機器人應用水平居于全球前列，能夠反映未來人工智能發展趨勢，而且樣本期內美國的機器人應用趨勢與中國較接近，因此滿足工具變量的相關性要求。參考已有文獻的普遍做法，本文以滯后二期的人工智能水平作為第二個工具變量 （L2.AI） ），考察人工智能發展促進新質生產力提升的穩健性。

表6為使用兩階段最小二乘法（2SLS）的工具變量回歸結果。第一階段回歸結果表明，工具變量（US_Robot）的回歸系數為0.026，且在 5% 的水平上顯著，表明美國的機器人安裝數量與我國的機器人安裝密度具有顯著相關性。同時，由表6列（1）可知，另一個工具變量 （L2.AI） 與核心解釋變量AI存在顯著的正相關關系。在統計檢驗方面，Cragg-DonaldWaldF統計量為294.57，大于Stock—Yogo統計量的臨界值（19.95），通過弱工具變量檢驗；AndersonLM檢驗結果顯示，在 1% 水平上顯著拒絕“工具變量識別不足\"的原假設，表明工具變量是合理的。表6列（2）表明，使用工具變量法進行內生性檢驗后，人工智能（AI）對新質生產力（Produ）影響的回歸系數在 5% 水平上顯著為正，系數值為0.236，再次驗證人工智能對新質生產力具有顯著的提升效應。

4作用機制與異質性分析

4.1 作用機制分析

為驗證本研究提出的假設 H₂、H₃ 和 H₄ ，更好地識別人工智能提升新質生產力的作用機理，引入創新能力（Inno）、能源效率（Effi）和數字化水平（Digi）3個機制變量進行機制分析。其中，創新能力采用規模以上工業企業新產品項目數衡量；能源效率通過計算地區GDP與能源消費總量的比值得到；數字化水平參考黃群慧等[29]、趙濤等[30]、劉軍等[31]的方法，根據數字金融普惠指數、光纜密度、信息技術服務從業人員占比、百人中移動電話用戶數等4個指標，利用主成分分析法測算得出。由于傳統意義上檢驗中介效應的“三步法\"存在明顯的內生性問題[32]，本文借鑒寇宗來等[33]的做法，使用“兩步法”對以上3個作用機制進行檢驗，模型設定見公式（3）（4）。

Produ_it=α+βAI_it+γControls_it+year+provi+ E_it （3）

其中，M為機制變量， AI 為地區人工智能水平，e為隨機誤差項，year和provi分別代表年份固定效應與省份固定效應，控制變量Controls的設定同基準模型一致。模型（3）中AI系數反映人工智能對地區新質生產力的總效應。模型（4）中AI系數反映人工智能對能源效率、創新能力和數字化水平的影響效應，根據理論分析，若0顯著為正，則說明存在能源效率效應、創新能力效應和數字化水平效應。

（1）創新能力機制。創新能力機制通過提高人工智能水平，以智能化革命帶動區域創新能力與創新績效提高，從而實現突破性創新，促進地區新質生產力提升。表7列（1）反映人工智能（AI）對創新能力（Inno）的影響效應，從經濟意義上看，人工智能水平每提高一個標準差，將促進創新能力提升 13.2%（0.125×1.056 ×100% ），且經濟意義顯著。這是因為，發展人工智能、提升區域智能化水平，有利于為科技創新創造良好的產業生態和創新生態。人工智能所提供的海量AI素材數據庫，有助于區域創新主體直接用于創新算法和代碼開源社區。這極大便利了創新主體知識搜索和信息采集，降低創新成本，有利于激發創新主體開展突破式創新，促進創新能力和創新績效顯著提升，釋放地區創新體系效能，助力新質生產力長足發展。因此，研究假設 H₂ 得證。

（2）能源效率機制。能源效率機制通過提高智能化水平，促進地區以低能耗實現生產效率提高，從而大幅改善能源利用效率，促進新質生產力提升。表7列（2）表明，地區人工智能水平提升可以顯著改善能源使用效率。這主要得益于人工智能推動運行模式優化升級，以及傳統設備的智能化改造與數字化升級，促進生產精細化和規模化，從而實現生產過程節能和高效。此外，隨著人工智能水平進一步提高和人工智能技術的全面覆蓋，生產過程實現全程監控和及時調整，能夠有效減少能源消耗，提高能源利用效率，進而顯著提升地區新質生產力，因此假設 H₃ 成立。

（3）數字化水平機制。人工智能發展促使數據要素深度融入生產過程，通過數字化對傳統產業進行全鏈條改造和實現數智化轉型，對傳統經濟生產函數進行革命性重構，促進生產力提質升級。表7列（3）的回歸結果表明，人工智能水平提高能夠顯著提升數字化水平，進而提升新質生產力，驗證了假設 H₄ 成立。在互聯網經濟與工業4.0的雙重加持下，數字化成為大勢所趨[34]。應用人工智能技術有助于加速數字化轉型，促進傳統生產要素創新性配置，實現生產流程數據化與可追溯化，助力精準預測和掌控生產過程，及時調整生產策略，推動生產過程智能化和自動化，大幅度提升生產效率和質量，從而促進新質生產力涌現與提升。

4.2 異質性分析

不同地區在市場化程度、營商環境、產業結構等方面存在顯著差異，因此，需要探討人工智能在不同市場化程度、技術聚集程度和產業結構優化水平地區對新質生產力影響效應的異質性。

4.2.1 市場化程度

我國各地區的市場化進程、政策支持力度和營商環境等存在較大差異，導致地區資金、技術、數據等要素資源配置效率也不同，從而影響人工智能對新質生產力的提升作用。地區市場發育和完善程度越高，說明人工智能企業越能夠充分利用資金、調整投資，或更易于獲得政府支持，進行技術研發（何小鋼等，2019），從而促進突破性創新和科技成果轉化。以市場化程度（Mark）的中位數為依據，將研究樣本劃分為高市場化程度和低市場化程度兩組，回歸結果如表8列（1）（2）所示。該結果表明，在低市場化程度地區人工智能對新質生產力沒有顯著影響，而在高市場化程度地區人工智能顯著促進新質生產力提升。通過Bootstrap法抽樣1000次，得到組間回歸系數差異值p為0.014，說明組間差異顯著存在。

4.2.2技術聚集程度

技術聚集度對人工智能促進新質生產力提升發揮重要作用。本文將各省份專利授權數作為技術聚集度（Tech）的表征變量，根據其中位數，將研究樣本劃分為高技術聚集度地區和低技術聚集度地區兩個組別，然后進行分組回歸，結果如表8列（3）和列（4）所示。結果表明，在低技術聚集度地區人工智能對新質生產力具有一定抑制作用，但在高技術聚集度地區人工智能對新質生產力具有顯著促進作用。組間回歸系數差異檢驗值p為0.000，說明在高技術聚集組和低技術聚集組之間具有顯著差異，且在高技術聚集度地區人工智能對新質生產力的促進作用更顯著。

4.2.3產業結構優化程度

地區產業結構與新質生產力發展密切相關，產業結構不同可能導致新質生產力發展模式不同，因而不同產業結構下人工智能對新質生產力的影響也存在差異化。本文使用第三產業產值占GDP的比重表征產業結構優化程度（Indust），占比越高說明產業結構越合理。本文按其中位數，將樣本分為產業結構優化程度高低兩組，分組回歸結果如表8列（5）和列（6）所示。數據顯示，組間回歸系數差異檢驗值p為0.048，在 5% 水平下顯著，表明在產業結構優化程度較高地區人工智能促進新質生產力發展的影響效應更顯著。可能的解釋是，產業結構優化意味著資源重新配置和技術迭代進步，其中，技術進步帶來生產效率與能源利用效率提升，進而促進新質生產力發展。此外，更加完備、現代化的產業鏈也給人工智能企業提供了更優越的發展條件和創新生態，有利于其進行研發活動和成果轉化，實現突破性創新，進而帶動地區新質生產力提升。

5結語

本文梳理了人工智能影響新質生產力的理論機制，并基于2010—2022年中國內地30個省份面板數據和國際機器人聯合會（IFR）的工業機器人數據，測算各省域人工智能發展水平和新質生產力水平，運用雙向固定模型和工具變量法實證檢驗人工智能對新質生產力的促進效應。研究發現： ① 各省份之間人工智能發展水平懸殊，新質生產力發展水平也迥異； ② 人工智能通過能源效率、創新能力和數字化水平三個機制顯著促進新質生產力提升； ③ 人工智能在市場化程度高、技術聚集程度高和產業結構優化水平高的地區對新質生產力的促進作用更顯著。本文研究對于更好地發展人工智能、培育新質生產力具有重要的政策含義。

根據本文研究結論，提出如下政策建議：

第一，完善市場經濟基礎制度，創建有利于人工智能企業發展的營商環境。研究發現，市場化程度高、產業結構優化的地區，人工智能對新質生產力的促進作用更顯著。因此，各地區應該堅持市場中性原則，確保人工智能企業在市場準人、要素獲取、市場執法、權益保護等方面的平等地位，建立與人工智能、新質生產力發展相適應的治理體系和政策法規體系；加大財政資金支持力度，持續優化與人工智能相關的基礎設施配套建設；鼓勵開辦更多人工智能企業，加大培養人工智能龍頭企業，建設人工智能產業集群和現代化產業鏈，促進人工智能與傳統產業深度融合，不斷推動產業結構優化升級，帶動新質生產力發展。

第二，加快發展人工智能技術，充分發揮其對地區新質生產力的促進作用。各地區應加大研究投入力度，堅持以自主創新加快實現高水平科技自立自強，加大人工智能相關的通用性、基礎性技術研發攻堅力度，著力突破戰略性、前沿性領域的技術瓶頸，致力于以現代新型生產工具賦能生產力發展質量和效率提升。新質生產力是綠色生產力，提高能源利用效率有利于形成綠色生產力。因此，要努力擺脫高資源投入和傳統要素驅動的經濟增長路徑，大力探索開發應用綠色低碳技術，強化能源利用模式創新，以更加清潔、高效、優質的能源利用模式培育和形成新質生產力。

第三，搭建人工智能應用場景，加強人工智能技術推廣。場景是具有復雜、多視角、動態化特征的概念，本身具有敘事性[35]，只有搭建人工智能創新應用場景，真正實現區域企業數字化、智能化轉型，才能從整體上提高地區智能化水平，帶動新質生產力形成和發展。為此，要積極建設創新基地、科技園區與孵化器等平臺，以財政激勵政策引導和支持相關產業園區發展，為入駐企業提供良好的辦公場所和先進的設備，鼓勵創新創業團隊探索人工智能技術應用方案。政府應當優化服務，為企業應用人工智能技術提供包括政策支持、技術推廣、人才培訓和市場拓展等在內的綜合式服務，提高企業應用人工智能技術的積極性。同時，通過完善人才薪酬制度、出臺人才政策等方式加大人才培養和引進力度，吸引更多高層次人才加入人工智能企業與行業，以人才優勢提高人工智能領域的競爭力。

參考文獻：

[1]習近平主持召開新時代推動東北全面振興座談會強調牢牢把握東北的重要使命奮力譜寫東北全面振興新篇章[N].人民日報，2023-9-10（01）.

[2]習近平在黑龍江考察時強調 牢牢把握在國家發展大局中的戰略定位奮力開創黑龍江高質量發展新局面[N].人民日報，2023-9-9（01）.

[3]劉志彪，凌永輝，孫瑞東.新質生產力下產業發展方向與戰略——以江蘇為例[J].南京社會科學，2023，34（11）：59-66.

[4]林晨，陳小亮，陳偉澤，等.人工智能、經濟增長與居民消費改善：資本結構優化的視角[J].中國工業經濟，2020，38（2）：61-83.

[5]陳勁，呂文晶.人工智能與新工科人才培養：重大轉向[J].高等工程教育研究，2017，35（6）：18-23.

[6]洪銀興.發展新質生產力建設現代化產業體系[J].當代經濟研究，2024，35（2）：7-9.

[7]蔣永穆，喬張媛.新質生產力：邏輯、內涵及路徑[J].社會科學研究，2024，46（1）：10-18，211.

[8]任保平，王昕.新質生產力形成中建設高標準數據要素市場的框架與路徑研究[J].西北工業大學學報（社會科學版），2025，27（1）：98-104.

[9]陳彥斌，林晨，陳小亮.人工智能、老齡化與經濟增長[J].經濟研究，2019，54（7）：47-63.

[10]ACEMOGLU D，RESTREPO P. Robots and jobs： evi-dence from US labor markets[J].Journal of Political E-conomy，2020，128（6）：2188-2244.

[11]姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業生產效率——基于勞動力技能結構調整的視角[J].管理世界，2024，40（2） ：101-116，133.

[12]AGHION P，JONES B F，JONES C 1. Artificial intelli-gence and economic growth[D]. NBER Working Paper，2017.

[13]ACEMOGLU D，RESTREPO P. The race between manand machine：implications of technology for growth，factorshares and employment[J]. American Economic Review，2018，108（6）：1488-1542.

[14]GRAETZ G，MICHAELS G.Robots at work[J]. Reviewof Economics and Statistics，2018，100（5）：753-768.

[15]何玉長，方坤.人工智能與實體經濟融合的理論闡釋[J].學術月刊，2018，50（5）：56-67.

[16]張夏恒，馬妍.生成式人工智能技術賦能新質生產力涌現：價值意蘊、運行機理與實踐路徑J」電子政務，2024，21（A） 17-95

[17]胡俊，杜傳忠.人工智能推動產業轉型升級的機制、路徑及對策[J].經濟縱橫，2020，36（3）：94-101.

[18]AUTOR D，SALOMONS A. Is automation labor-displa-cing？ productivity growth， employment， and the laborshare[R].National Bureau of Economic Research，2018.

[19]CALVINO F，VIRGILLITO M E. The innovation-em-ployment nexus： a critical survey of theory and empirics[J].Journal ofEconomic Surveys，2018，32（1）：83-117.

[20]王鈺，唐要家.人工智能應用如何影響企業創新寬度[J].財經問題研究，2024，46（2）：38-50.

[21]王雨辰.習近平生態文明思想視域下的“人與自然和諧共生的現代化\"[J].求是學刊，2022，49（4）：11-20.

[22]郭凱明.人工智能發展、產業結構轉型升級與勞動收入份額變動[J].管理世界，2019，35（7）：60-77.

[23]尹西明，陳勁，王冠.場景驅動：面向新質生產力的數據要素市場化配置新機制[J].社會科學輯刊，2024，46（3）：178-188.

[24]周文，韓文龍.數字財富的創造、分配與共同富裕[J].中國社會科學，2023，44（10）：4-23，204.

[25]閆雪凌，朱博楷，馬超.工業機器人使用與制造業就業：來自中國的證據[J].統計研究，2020，37（1）：74-87.

[26]盧江，郭子昂，王煜萍.新質生產力發展水平、區域差異與提升路徑[J].重慶大學學報（社會科學版），2024，30（3）：1-17.

[27]王永欽，董雯.機器人的興起如何影響中國勞動力市場——來自制造業上市公司的證據[J].經濟研究，2020，55（10）：159-175.

[28]楊飛，范從來.產業智能化是否有利于中國益貧式發展[J].經濟研究，2020，55（5）：150-165.

[29]黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗[J].中國工業經濟，2019，37（8）：5-23.

[30]趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展—來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-76.

[31]劉軍，楊淵，張三峰.中國數字經濟測度與驅動因素研究[J].上海經濟研究，2020，39（6）：81-96.

[32]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022，40（5）：100-120.

[33]寇宗來，劉學悅.中國企業的專利行為：特征事實以及來自創新政策的影響[J].經濟研究，2020，55（3）：83-99.

[34]喻登科，祝可，肖歡.CEO知性特質與企業數字化轉型關系研究[J/OL].科技進步與對策，1-11[2025-05-29].ht-tp：//kns. cnki. net/kcms/detail/42. 1224. G3. 20240708.1556.004. html.

[35]李應博.兩岸科技合作治理的知識場域：范式構建與時空演進[J].科技進步與對策，2022，39（24）：119-129.

（責任編輯：胡俊健）

Artificial Intelligence Development and the Enhancement of New Quality Productive Forces：The Theoretical Mechanism and an Empirical Test

He Yuanlang1，Yuan Jianhong2，3 （1.School of Marxism，Southeast University;2. School of Economic and Management， SoutheastUniversity；3.Institute for the Development of Socialism with Chinese Characteristics，Southeast University，Nanjing 21ll89，China）

Abstract：Newquality productive forces refer tomodern advanced productive forces that have been created through revolutionary technological breakthroughs，innovativealocationof production factors，anddeeptransformationandupgradingof industries，thecore essnceof which isthequalitative transformationof the threelements of workers，means of labor， andlaborobjects and theiroptimalcombination，and the most significantsymbolof whichis a significant increase in total factorproductivity.Itsignificantlydifers fromthe traditional productivityofhighinputandhigh energyconsumption， emphasizes keyanddisruptive technological breakthroughs，andischaracterizedbyhigh technology，highefficiencyand highquality.Newqualityproductive forces bring aboutaqualitative leap in productivity and serve as the driving force for facilitatig high-qualitydevelopment inthenew era.Thedevelopmentofartificialintellgence（AI） provides new ideas and newimpetus for fostering new quality productive forcesand promoting high-qualitydevelopment.AI'songoing development willdrivetechnological innovation，increase productionintellgence，spawnneweconomic sctors，and integrate with traditional industries toenhanceresoureallcationeficiencyandlabor productivityThis integration willstrtraditional production models towards greater scalability and specialization，moving industries up the value chain.

The examination of artificial intellgence's influence on new quality productive forces holds substantial theoretical and practical importance.The literature review indicates that existing studies predominantlyconcentrate onthe essence，value，and developmental prioritiesof new quality productivity，as wellas AIsefects on productivity，economic growth，employment，and industrial structure.However，there is a scarcity of research addresing the nexus between AI and new quality productive forces，and empirical evidence on AIs role in shaping these forces is limited.The reasons and mechanisms by which AI bolsters new quality productive forces are not well understood.

This paper aims to bridge this gap by theoretically and empirically analyzing AI's impact on new quality productive forces using provincial panel data，revealing theunderlying mechanisms and regional disparities inAIs promotionof new quality productive forces，thereby enriching and advancing the discourseon AI and new quality productive forces.This studyfocuses on3O provincialadministrativeregions in China.Toensuredata consistencyandcompleteness，inear interpolation is appied to estimate missing values incertain provinces；anyunfllable gaps are addressed bylistwisedeletion， ensuring the reliability of the analysis.

Thefindings suggest that the development of AIcan significantlycontribute to the improvement of new quality productive forces.Therobustnessofthefindingsof thisstudyisverified byconductingrobustnesstests，shorteningthesampleperiod，replacing the explanatoryvariable，addingcontrol variables，andremoving extreme values.Inaddition，thestudyemploys thenumber of robots installedintheU.S.asthe instrumentvariabletoaddress potentialendogeneityissesinthemodelandensurethatthe estimatesareunbiased.Through mechanismanalysis，itreveals thatAIcontributes tonewqualityproductiveforces throughthree mainchannels：improving innovation，improvingenergyefiency，and improving digitization.Throughheterogeneityanalysis， thestudyfurtherfindsthatthedriving efectofAIonnewqualityproductiveforcesismoresignificant inregions withhighmar ketization，high technology aggregation，and high industrial structure optimization.

This paper deepens the theoretical mechanisms by which AI promotes new quality productive forces on the basis of the existng literatureand provides strong empirical evidencefor the new quality productive forces efect of AIthrough empirical tests.Further，this study explores thefundamental questionof the path through which AImainly afects new quality productiveforces withinaunifiedframework，supporting theroleofinovationcapacityenergy eficiency，anddigitizationlevelinthe paththrough whichAIafects new quality productiveforces，anddeepens theexistingliteratureand related studies.In accordance with the findings of thestudy，the paper puts forward policy recommendations conducive to the fulldevelopment of AIand the promotionof new quality productive forces，which willprovideimportant decision-making references for the development of new quality productive forces in various regions according to local conditions.

KeyWords：New Quality ProductiveForces;；Artificial Inteligence；High-qualityDevelopment； Scientificand Technologi cal Innovation; Industrial Structure