數字經濟賦能人工智能產業鏈韌性

中圖分類號：F127 文獻標志碼：A 文章編號：1008-4657（2025）04-0086-11

0 引言

數字經濟和人工智能的快速發展使其成為當今社會經濟發展的重要推動力，它們相互交織、互相促進，共同塑造著未來的產業發展格局。為推動數字經濟和人工智能產業的發展，各國紛紛出臺相關政策來支持產業發展和創新。我國的\"十四五\"規劃明確指出要大力發展數字經濟與人工智能，“數字經濟為經濟社會持續健康發展提供了強大動力”，推動數字基礎設施與產業數字化的轉型發展。

數字經濟是指以數據資源作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動[2]。而人工智能產業作為研究、模仿人的智能的科學技術產業，涉及一系列的上下游企業，從基礎設施建設到云服務產品，這龐大的領域構建了人工智能產業鏈。數字經濟對產業鏈的作用[3]已被多位學者證實，從體育產業鏈[4]，到制造業產業鏈[5]，數字經濟都在對產業鏈起著不容小的作用。作為評估產業鏈的一種方法，產業鏈韌性是指在面對內外部風險和挑戰時，產業鏈各環節所表現出的維持自身系統穩定、防止斷裂和缺失的能力。作為新興產業鏈的一部分，人工智能產業鏈的韌性是否能在數字經濟的影響下得到更好的提升，這是值得我們進行探究的一個話題。

因此，本文旨在研究數字經濟對人工智能產業鏈韌性的影響，并從多個角度分析能夠影響數字經濟與人工智能產業鏈韌性之間關系的因素，進而深人了解數字經濟時代下的人工智能產業鏈韌性。本文的邊際貢獻是：第一，通過構建指標體系對人工智能產業鏈韌性進行測度，拓展了當前文獻的構建思路；第二，通過實證分析探究數字經濟對人工智能產業鏈韌性的影響，加深學界與社會的了解;第三，通過分析影響數字經濟與人工智能產業鏈韌性之間關系的調節因素，為提升人工智能產業鏈韌性出謀劃策。

1文獻綜述與理論基礎

1.1 文獻綜述

正如引言中提到的，數字經濟是指以數據資源作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。這種界定方法既指明了生產要素，又明確了載體與推動力?；跀祿Y源的作用，李陽等指出合理地開發利用數據資源可以更好地發揮其“強鏈”\"拓鏈”“均鏈\"的作用;而面對現代信息網絡，楊海等[7則對信息網絡時代的數據泄露、數據壟斷等問題表示了擔心；針對信息通信技術的發展，司澤宇[8以山東省為例，通過研究發現不同驅動力下的信息通信技術會對經濟發展起到不同的作用，當現有經濟結構無法支撐過度投資時反而會造成生產率的降低。

另一方面，盡管人工智能技術在經過細分后，有許多的技術走在全球前列，但我們的人工智能產業鏈目前還存在著“弱鏈”“斷鏈”和\"無鏈\"三個問題，需要通過“強鏈”“補鏈”和\"建鏈”的方法來解決人工智能產業鏈[9]。同時，吳斌等[10]也強調在評估人工智能產業鏈時引入產業鏈韌性的重要性，可以體現出人工智能產業的抵御、適應和恢復能力。對于如何測度人工智能產業鏈的韌性，大部分學者是通過構建指標體系來進行的，如吳斌等[10]從吸收能力、適應能力、恢復能力三個角度進行構建，泄櫻菁等[1]從抵御風險恢復能力、適應調節能力、創新能力三個層次進行構建。

在數字經濟時代，考慮數字經濟對產業鏈的影響已經比較常見，戚聿東等[12]從理論層面探討了數字經濟對產業鏈的影響路徑，而袁瀚坤等[i3通過實證研究，說明了數字經濟的迅猛發展顯著有效增強了產業鏈供應鏈的韌性。這也進一步說明研究數字經濟與產業鏈韌性之間關系的意義重大。

綜合來說，目前的學術界已經大量研究了數字經濟對各種產業的產業鏈韌性的影響，例如制造業和服務業等，但關于數字經濟對人工智能產業鏈韌性的研究卻相對稀缺。同時，現有研究更多地集中在人工智能對數字經濟與整體經濟的助推作用[14]及其產業政策[15]，而對其產業鏈韌性，尤其是在數字經濟環境下的韌性變化關注較少。因此，盡管數字經濟在整體產業鏈韌性提升中扮演了重要角色，關于它對人工智能這一前沿產業的具體影響機制，仍缺乏深入的實證分析。

本文試圖彌補這一不足，首先，通過實證分析揭示數字經濟對人工智能產業鏈韌性的短期和長期影響;其次，探討教育水平與產業結構作為調節變量在這一影響中的作用;最后，揭示不同地區的教育調節效應異質性。這些研究不僅為人工智能產業鏈的韌性問題提供了新的實證證據，也為政策制定者優化數字經濟環境下的產業鏈韌性提升策略提供了理論支持。

1.2理論分析與研究假設

1.2.1數字經濟與人工智能產業鏈韌性

數字經濟的飛速發展對人工智能產業鏈韌性產生了強大的影響。首先，數字經濟以數據為核心驅動力，通過互聯網、云計算、大數據等技術，極大地提高了數據的收集、存儲和處理能力[16]，這為人工智能的發展提供了豐富的資源基礎。資源依賴理論指出，企業依賴于外部資源，而數字經濟通過提供豐富的數據和計算資源，減少了企業對單一外部資源的依賴，增強了其自主性和應變能力，從而增強了人工智能產業鏈的韌性。

另一方面，數字經濟帶來了數字化轉型，而數字化轉型使得企業能夠更靈活地應對市場變化，通過數據分析和算法優化，企業能夠迅速調整供應鏈和生產流程[17]，從而提高了整體產業鏈的靈活性和適應性。動態能力理論指出，企業在快速變化的環境中重新配置資源和能力的能力，而數字經濟通過提供實時數據分析和預測工具，幫助企業在動態環境中迅速做出反應，提升了其適應和恢復能力，有效地增強了人工智能產業鏈的韌性。

同時，數字經濟促進了信息的高效流通和共享，增強了產業鏈上下游企業之間的協同能力，減少了信息不對稱帶來的風險[18]，進一步提升了產業鏈的韌性。因此，數字經濟不僅為人工智能技術的發展提供了基礎設施支持，還通過增強企業的資源獲取和動態調整能力，提高了人工智能產業鏈的韌性。

基于以上分析，我們提出以下假設：

H1：數字經濟可以加強人工智能產業鏈韌性

H2：隨著數字經濟的發展，其對人工智能產業鏈韌性的增強作用不斷深化，數字經濟不僅在短期內，也可以在長期內促進人工智能產業鏈韌性的發展。

1.2.2教育、數字經濟與人工智能產業鏈韌性

隨著數字經濟的發展和人工智能技術的廣泛應用，教育在提升人力資本、促進技術創新方面扮演了不可或缺的角色。首先，教育促進了知識的傳播和技術的擴散，推動了數字經濟與人工智能技術的深度融合。知識溢出效應理論[指出，教育和培訓能夠促進知識在企業和產業間的流動，增強整個產業的創新能力。通過與大學合作，人工智能企業能夠更快地獲取前沿的技術成果，并將其應用到實際生產中，從而提高產業鏈的競爭力和韌性。

其次，教育還在塑造社會對數字經濟和人工智能技術的接受度和適應度方面起到了重要作用。社會認知理論表明，教育能夠影響個體和群體對新技術的態度和行為[20]。通過科普和宣傳，教育能夠提高公眾對數字經濟和人工智能的理解和認可，減少技術應用過程中可能遇到的阻力，促進技術的順利推廣和應用，為發展人工智能產業鏈韌性打好社會基礎。

同時，當教育水平較低時，勞動者的技能和素質相對薄弱，無法有效利用數字技術，而由于技術的弱化，產業鏈對技術沖擊的抵御能力較弱，數字經濟的推動作用有限，而當教育發展到一定程度時，教育系統能夠培養出大量具備數據分析、機器學習和算法設計等能力的專業人才[211，，能夠在面對市場變化和技術挑戰時，迅速適應并做出適合于企業的合理調整，從而增強產業鏈的適應性和恢復能力。

基于以上分析，我們提出以下假設：

H3：教育在數字經濟與人工智能產業鏈韌性中起調節作用，并表現為門限作用。

1.2.3產業結構、數字經濟與人工智能產業鏈韌性

經過優化的產業結構能夠提升資源配置效率，促進產業鏈上下游的協同，增強整個產業鏈的適應性和抗風險能力。首先，合理的產業結構有助于優化資源配置，提高生產效率。通過促進高科技產業和傳統產業的深度融合，數字經濟可以推動產業結構升級。產業集群理論[22]指出，當相關產業聚集在一起時，可以實現資源共享、信息交流和技術合作，從而提高整體競爭力。產業結構的優化使得各個環節之間的協調更加緊密，減少了資源浪費和重復建設，提高了人工智能產業鏈的整體效率和靈活性。

其次，產業結構的多樣性增強了產業鏈的抗風險能力。在數字經濟的推動下，產業結構逐漸向多樣化和高附加值方向發展。這種多樣化不僅包括不同產業間的多樣化，也包括產業內部不同環節的多樣化[23]。多樣化理論表明，多樣化可以分散風險，當某一領域出現問題時，其他領域可以彌補其損失，從而增強整個產業鏈的穩定性和韌性。在人工智能產業中，多樣化的產業結構可以在面對市場波動和技術挑戰時，提供更多的應對選擇和調整空間，產業鏈的韌性得到發展。

同時，當產業結構較為單一時，某個產業的波動可能會對整個人工智能產業鏈甚至整個經濟大環境產生嚴重影響，同時以傳統產業為主的產業結構也難以發揮數字經濟的作用，區域協調作用[24]受到抑制，而當產業結構更加多元化與現代化時，產業結構的合理布局可以促進區域經濟的平衡與不同行業的協同發展，有助于分散風險，提高經濟體對沖擊的抵抗力。另一方面，不同區域的合理分工和合作，可以在供應鏈管理、技術研發和市場拓展等方面形成優勢互補，提高整體產業鏈的協同效率和韌性。

基于以上分析，我們提出以下假設：

H4：產業結構在數字經濟與人工智能產業鏈韌性中起調節作用，并表現為門限作用。

2指標選取與模型構建

2.1 指標選取

我們利用國家統計局、中國經濟社會大數據研究平臺、中國火炬統計年鑒和北京大學數字金融研究

中心等平臺，收集了中國2013—2022年31個省份（不含港澳臺）的相關指標數據，同時使用線性插補法填補缺失值。

2.1.1 被解釋變量

本文的被解釋變量為人工智能產業鏈韌性（ati）。人工智能產業鏈作為產業鏈的一種類型，可以借鑒其他產業鏈韌性的構建方法。為測度我國人工智能產業鏈韌性的發展水平，本文以匹配性、適用性、可獲得性原則為指導，設計包括了抵抗力、恢復力、創新力3個二級指標及10個三級指標的綜合評價體系，具體指標如表1所示。再通過熵權法，綜合10個指標得到人工智能產業鏈韌性變量。

表1人工智能產業鏈韌性的指標表

2.1.2 被解釋變量

本文的核心解釋變量為數字經濟（dec），基于文獻[25]，使用指標：人均GDP（元/人）、全體居民人均可支配收入（元）互聯網寬帶接入用戶（萬戶）電子商務銷售額（億元）光纜線路長度（公里）和社會消費品零售總額（億元）。這5個指標均為正指標，也同樣使用熵權法對其進行綜合，得到核心解釋變量。同時，為了后續驗證穩健性，我們同時利用主成分法得到新的數字經濟變量（decp）。

2.1.3 控制變量

為了保證回歸結果的準確性，我們使用以下5個變量作為控制變量：

對外直接投資（fdi）。我們通過使用外商投資企業進出口總額（千美元）來代表對外直接投資，由于該變量的數量級較大，在后續分析中，我們將對其取對數處理（lnfdi）。

金融化水平（fina）。我們使用金融業增加值（億元）占地區生產總值（億元）的比重來衡量金融化水平。

城鎮化率（cit）。我們使用城鎮人口（萬人）占年末常住人口（萬人）的比重來衡量城鎮化率。

政府支持（govs）。我們使用地方財政一般預算支出（億元）占地區生產總值（億元）的比重來衡量政府支持。

失業水平（unemp）。我們使用城鎮登記失業人數（萬人）占年末常住人口（萬人）的比重來衡量失業水平。

2.1.4調節變量

為了驗證我們的假設，我們選取了兩個調節變量用以分析，具體如下：

教育（edu）。為了衡量教育變量，我們對普通高等學校本專科授予學位數（萬人）、教育經費（萬元）和普通高等學校教職工總數（萬人）這3個指標使用熵權法得到教育變量。

產業結構（is）。產業結構在不同的文獻中有不同的衡量方式，常用的有第二產業增加值占地區生產總值的比重以及第三產業增加值占地區生產總值的比重，在本文中我們使用第三產業增加值（億元）占地區生產總值（億元）的比重來代表產業結構。

2.1.5 描述性統計

對以上提及的9個變量進行描述性統計，所得結果如表2所示。

表2變量的描述性統計結果表

2.2 模型構建

2.2.1面板雙固定回歸模型

為了分析數字經濟與人工智能產業鏈韌性之間的關系，檢驗假設H1，我們先通過協整檢驗[26]，發現使用面板回歸模型不會出現偽回歸現象。接著，利用Hausman檢驗[27確定使用面板固定回歸模型;同時參考文獻[28]對數字經濟與制造業產業鏈韌性的做法，使用面板雙固定回歸模型，回歸模型如式（1）所示，并記為模型1。

ati_i=β₀+β₁dec_i+β₂lnfdi_i+β₃fina_ii+β₄cit_ii+β₅govs_ii+β₆unemp_ii+μ_i+γ_t+ε_ii+β₄decons_ii.

其中， ati_it 代表人工智能產業鏈韌性， 代表數字經濟， lnfdi_it 代表對數化的對外直接投資 Ana_it 代表金融化水平， cit_it 代表城鎮化率， goνs_it 代表政府支持， unemp_it 代表失業水平 ?_Ai 是個體固定效應， γ_t 是時間固定效應， ε_it 是隨機誤差項。

2.2.2 面板分位數模型

本文還將探討在數字經濟的不同發展程度下，其對人工智能產業鏈韌性的影響，以驗證假設H2，此處使用面板分位數模型，如式（2）所示，并記為模型2。

其中，各變量的含義與模型1一致，回歸時取 0.1、0.3、0.5、0.7、0.9 分位數進行回歸。

2.2.3 面板交互項回歸模型

本文還將考慮教育與產業結構在數字經濟與人工智能產業鏈韌性之間的調節作用，已驗證假設H3與H4，此處使用面板交互項回歸模型，如式（3）所示，并記為模型3。

其中，各變量的含義與模型1一致， M_it 代表調節變量，分別是教育 edu_it 與產業結構 ，根據文獻[29]，確認調節效應最關鍵的是系數 δ₂ 的顯著性。

2.2.4 面板門限回歸模型

為了確認調節作用的具體表現形式，參考文獻[30]的做法，此處使用面板門限回歸模型，如式（4）所示，并記為模型4。

ati_i=δ₁dec_aI（M_a?θ）+δ_*dec_iI（M_igt;θ）+μ_i+γ_i+ε_a+β₁lnfdi_a+β₂fina_a+β₃cil_i+β₄govs_i+β₃unemp_i.

其中，各變量的含義與模型1一致， .I（?） 是示性函數，當滿足括號內的條件時，函數值取1，不滿足時取 0;θ 是門限值。

3 實證分析

3.1 面板雙固定回歸模型結果與分析

借助編程軟件，我們可以得到模型1的回歸結果，如表3所示。

表3面板雙固定模型回歸結果表

注：括號內的數值為 Φ_t 值； ???_plt;0.01 ^**plt;0.05 ^*plt;0.1 。下同。

從表3中可以看出，無論是否引入控制變量，核心解釋變量數字經濟dec的系數均為正，且在 1% 的水平顯著，說明數字經濟對人工智能產業鏈韌性具有顯著的促進作用。數字經濟時代大量的數據產生和積累為人工智能技術提供了豐富的數據資源。而數字經濟的發展，不但意味著經濟的發展，也代表著數字化的發展，這推動了各行各業的數字化轉型，人工智能技術也在各個領域得到了廣泛的應用，促進了人工智能業的自主性和應變能力，也促進了人工智能產業鏈韌性的發展。同時，再加入控制變量后，模型的R2提高了，說明模型的擬合優度增加了，也說明在增加了控制變量之后，模型的解釋能力上升了。

3.2 穩健性檢驗

為了保證模型1的回歸結果具有穩健性，我們需要進行穩健性檢驗，我們使用4種方法，結果如表4所示。

3.2.1更換解釋變量的測度方法

我們可以將解釋變量數字經濟的構建方法從熵權法改為主成分法，再通過面板雙固定回歸模型得到回歸結果。

3.2.2 更換模型

考慮到熵權法的結果在0～1之間，即人工智能產業鏈韌性的測量結果只在0～1之間，將面板回歸模型改為面板Tobit回歸模型，模型形式如式（5）所示。

3.2.3 更換樣本年份

考慮到2020—2022年出現了突發公共衛生事件，可能對回歸結果產生影響，我們將回歸年份從2013—2022 年轉為2013—2019 年，再進行回歸。

3.2.4內生性檢驗

考慮到模型1可能遺漏了解釋變量，而人工智能產業鏈韌性的滯后項也會對當期的產業鏈韌性產生影響[31]，同時也不能忽略人工智能產業鏈韌性對數字經濟的反作用[32]，我們需要解決內生性問題，因此，我們使用兩階段最小二乘法進行估計，同時工具變量設定為各省份各年的郵政營業網點數量[33]。

表4穩健性檢驗回歸結果表

從表4中，我們可以發現，這4種穩健性檢驗方法下的回歸結果均證明了數字經濟的系數均為正，且仍在 1% 的水平上顯著，說明數字經濟對人工智能產業鏈韌性具有顯著的促進作用具有較好的穩健性。而對于內生性檢驗來說，不可識別檢驗的統計量是164.450，并且在 1% 的水平上顯著，說明通過了不可識別檢驗；弱工具變量檢驗的統計量是379.003，遠大于 10% 水平下的臨界值16.38，說明所選取的工具變量不是弱工具變量;由于我們只使用了一個工具變量，因此過度識別檢驗必定通過，綜上，工具變量通過了3種檢驗，證明了工具變量選取的準確性，也說明了模型1回歸結果的準確性。

3.3 面板分位數模型結果與分析

借助編程軟件，我們可以得到模型2的回歸結果，將回歸結果可視化，把回歸系數繪制成折線圖，如圖3所示，其中前一張圖（decO）是不加入控制變量的結果，后一張圖（dec1）是加入了控制變量的結果。

圖1面板分位數模型回歸系數的折線圖

從圖1中可以發現，無論是否加入控制變量，隨著數字經濟的發展，其對人工智能產業鏈韌性的促進作用不斷提高，數字經濟可在長期內很好地促進人工智能產業鏈韌性的發展。從現實出發，隨著數字經濟的發展，云計算和大數據技術得到了快速普及和發展，很好地提高了人工智能產業應對突發狀況的能力，發展了人工智能產業鏈韌性。從這里也能看出，數字經濟不僅在短期內，也可以在長期內促進人工智能產業鏈韌性的發展。

3.4面板交互項回歸模型結果與分析

借助編程軟件，我們可以得到模型3的回歸結果，如表5所示。

表5面板交互項回歸結果表

續表5

從表5中，我們可以發現，教育與數字經濟交互項的系數為正，且在 5% 的水平上顯著，說明教育能夠較顯著地促進數字經濟與人工智能產業鏈韌性之間的關系，教育通過傳播專業知識、培養專業人才、營造良好的社會氛圍，加強了人們對數字經濟與人工智能產業的認識，促進技術的順利推廣和應用，從而很好地提高了數字經濟對人工智能產業鏈韌性的促進作用。

對于產業結構來說，產業結構與數字經濟交互項的系數為正，且在 1% 的水平上顯著，說明產業結構能夠顯著地促進數字經濟與人工智能產業鏈韌性之間的關系，產業結構通過優化資源配置、促進產業鏈的多樣化以及推動區域協調發展，為人工智能產業提供更多的應對選擇和調整空間，很好地提高了數字經濟對人工智能產業鏈韌性的促進作用。

3.5面板門限回歸模型結果與分析

借助編程軟件，我們可以得到模型4的回歸結果，如表6所示。

表6面板門限回歸模型回歸結果表

從表6中，我們可以發現，教育與產業結構都存在顯著的門檻效應，并且當兩者超過其門檻值時，數字經濟對人工智能產業韌性的作用會有所提高，具體來說，當教育水平超過0.6567，產業結構水平超過0.5473時，數字經濟的促進作用分別從0.231與0.281提高到了0.307與0.337，這也與調節效應的結果保持一致，可能的解釋已經在調節效應處提及，這里也比較類似，不再贅述。

3.6 異質性分析

教育是對中華民族偉大復興具有決定性意義的事業，因此我們對教育的調節作用進行進一步的地區異質性分析。為了進一步分析中國不同地區教育對數字經濟與人工智能產業鏈韌性的調節效應，我們使用最為普遍的劃分方法，將31個省份劃分為東北、東部、中部和西部地區，具體劃分方法如表7所示。面板門限回歸模型的結果如表8所示。

表731個省份的劃分方法表

從表8中，我們可以發現：

第一，針對門限值 θ ，對于東北地區與東部地區來說，教育在數字經濟與人工智能產業鏈韌性之間的調節作用是顯著的，而對于中部地區與西部地區來說這個調節作用并不顯著。

第二，針對（1）中的結論，可能的原因是：對于東部地區來說，其產業結構更為多樣化與先進化，對于專業技術人才的需求量大且要求高，同時東部地區的教育資源更為豐富，教育水平較高，教育對數字經濟與人工智能產業鏈韌性之間的調節作用更為明顯。而東北地區教育潛力較大，教育對數字經濟的促進作用厚積薄發，因此教育對數字經濟與人工智能產業鏈韌性之間的調節作用也較顯著。而對于中部地區與西部地區，教育水平相對落后，其教育對數字經濟的促進作用并不顯著，同時中西部地區的人工智能產業發展速度相對緩慢，因此教育對數字經濟與人工智能產業鏈韌性之間的調節作用并不顯著。

第三，在不考慮門限值是否顯著時，當教育超過門限值時，數字經濟的促進作用均有所增強。同時，東北地區的促進作用強于東部地區強于中西部地區，這也符合這幾個地區的現實情況，東北地區重工業較為發達，注重教育，教育的調節作用明顯，而東部地區教育與數字經濟發展較為領先，發展速度保持良好，教育的調節作用略弱于東北地區，但依然強勁。而中西部地區在經濟發展與教育水平上均比不上東北地區與東部地區，教育的調節作用相對薄弱。

4結論與建議

4.1 研究結論

本文立足于數字經濟時代下的人工智能產業鏈韌性發展，通過對中國2013—2022年31個省份的

相關數據進行研究，得到了以下結論：

第一，數字經濟對人工智能產業鏈韌性具有促進作用，同時隨著數字經濟的發展，其對人工智能產業鏈韌性的促進作用不斷提高，數字經濟不僅在短期內，也可在長期內很好地促進人工智能產業鏈韌性的發展。

第二，教育與產業結構在數字經濟與人工智能產業鏈韌性中均起調節作用，并且教育與產業結構可以很好地提升數字經濟對人工智能產業鏈韌性的促進作用。

第三，對于中國的東北、東部、中部、西部地區，教育在數字經濟與人工智能產業鏈韌性之間的調節作用存在地區異質性，東北地區的調節作用強于東部地區強于中西部地區。

4.2研究建議

基于我們所得到的結論，我們可以提出以下建議：

第一，發揮數據要素作用，建立高質量的數據共享與開放平臺。借助數據挖掘與人工智能技術的力量，緩解數據收集與核對的工作量，利用高質量數據平臺的數據促進企業的精準決策和業務優化。同時，利用高質量的數據提高面對風險時產業鏈的抗風險能力，完善數據基礎建設，推動人工智能產業鏈升級轉型與數字經濟高質量發展。

第二，促進創新要素流動，營造良好的數據與產業鏈發展環境。推動教育體系的改革，鼓勵高校與企業合作，開展產學研一體化的教學模式，提升學生的實際操作能力和創新能力。推動國家層面的信息通信標準化工作，利用自主創新能力推動產業結構升級與教育發展，鼓勵企業擁有屬于自己的知識產權，實現人工智能產業鏈的安全化與創新化。

第三，制定區域差異化政策，實現人工智能產業鏈的階梯式發展。聚焦于“數字鴻溝\"的問題，針對不同地區的經濟發展水平和產業特點，制定差異化的政策支持。一方面，在較落后地區推動公共基礎設施與數字基礎設施的完善化，實現數據的互聯互通，減少信息的不平等現象;另一方面，加速數字技術與人工智能產業鏈的融合，發揮東部地區先進制造業的產業優勢，推動數據要素與創新要素在不同地區之間的流動，激發人工智能產業鏈韌性的巨大潛力。

第四，促進產學研合作與國際交流，實現人工智能產業鏈的國際化。鼓勵高校、科研機構和企業之間的合作，建立產學研一體化的創新體系。通過政策激勵，支持人工智能相關的聯合研發項目和技術轉移平臺建設，推動科研成果的產業化應用。積極參與國際科技合作與交流，學習借鑒國際先進經驗和技術，鼓勵國內企業和科研機構與國際同行開展合作研究和技術交流，提升我國在人工智能領域的國際競爭力。

參考文獻：

[1]中華人民共和國中央人民政府.國務院關于印發\"十四五\"數字經濟發展規劃的通知[EB/OL].（2022-01-12）[2024-07-30]. https：//www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

[2]中華人民共和國中央人民政府.國家統計局令（第33號）數字經濟及其核心產業統計分類（2021）[EB/OL].（2021-05-27）[2024-07-30]. https：//www.gov.cn/gongbao/content/2021/content_5625996.htm.

[3]李玉梅，許晗，宋玉茹，等.數字經濟與產業鏈韌性提升：機制、難點與對策[J].科學管理研究，2024，42（2）：64-72.

[4]李榮日，毛愈鈞，崔琪.數字經濟賦能體育產業鏈韌性提升：沖擊與回應[J].北京體育大學學報，2024，47（1）：50-62.

[5]董麗，趙放.數字經濟驅動制造業產業鏈韌性提升的作用機理與實現路徑[J].福建師范大學學報（哲學社會科學版），2023（5）：33-42.

[6]李陽，劉柏珍，原德霖.數字經濟背景下面向區域協同創新的數據資源開發利用思考[J].圖書與情報，2023（4）：12-19.

[7]楊海，陳亮.信息安全保護在數字經濟發展中的作用研究[J].電腦知識與技術，2022，18（23）：21-22.

[8]司澤宇.數字經濟中信息通信技術對山東省經濟的影響[D].濟南：山東大學，2020.

[9]梁俊.人工智能產業鏈需要“強鏈\"\"補鏈\"和\"建鏈”——對珠三角和長三角人工智能企業和政府部門的調研[J].中國經貿導刊，2021（12）：53-55.

[10]吳斌，柏雙偉，張新.產業鏈韌性在人工智能產業鏈評估中的應用探討[J].科技管理研究，2023，43（7）：199-204.

[11]洑櫻菁，吳斌.中國一線城市人工智能產業鏈韌性測度研究[J].價值工程，2024，43（7）：29-31.

[12]戚聿東，張天碩.數字經濟賦能產業鏈現代化的機理與路徑[J].中共中央黨校（國家行政學院）學報，2024，28（2）：88-95.

[13]袁瀚坤，彭剛東，韓民春.數字經濟發展對產業鏈供應鏈韌性的影響研究[J].江南大學學報（人文社會科學版），2024，23（3）：22-34.

[14]黃旭，洪美玲.生成式人工智能助力數字經濟高質量發展的影響機制與提升路徑[J].南方經濟，2024（8）：23-44.

[15]陳艷霞，張鵬.人工智能產業政策的創新促進效應——來自企業專利數據的證據[J].現代經濟探討，2024（3）：69-79.

[16]孟浩，王偉強.數據要素驅動數字經濟發展的現狀、問題及應對建議[J].通信世界，2024（12）：18-19.

[17]張穎慧，李思儀.數字化轉型對企業價值的影響及提升機制[J].會計之友，2024（16）：128-136.

[18]衛世如，陳志芳，侯晨波.數字經濟、信息不對稱與融資約束——基于數字型中小企業的實證研究[J].江蘇商論，2023（12）：86-91.

[19]林梅.知識溢出效應下跨學科、跨專業教育資源優化研究[J].山西青年，2024（9）：19-21.

[20]劉振海，魏永軍，祖強，等.新媒體時代高校思政教育的高質量發展路徑研究——基于社會認知理論的視角[J].江蘇高教，2023（10）：104-108.

[21]王飛躍.如何培養人工智能人才：從平行教學到智慧教育[J].科技導報，2018，36（11）：9-12.

[22]向陽.基于產業集群理論視角的貴州產業結構優化研究[D].貴陽：貴州大學，2009.

[23]熊廣勤，方扶星.數字經濟發展、產業多樣化與城市綠色創新[J].北京工商大學學報（社會科學版），2024，39（4）：45-58.

[24]崔曉雨，付曉東.數字經濟下區域經濟理論與現實變革研究——兼論“十四五\"時期區域經濟數字化轉型[J].中國物價，2022（4）：7-11.

[25]常皓亮.數字經濟、綠色技術創新與碳排放強度——基于我國城市面板數據的經驗研究[J].商業研究，2023（2）：73-80.

[26]武立永.城鎮化與中國經濟增長“長期均衡悖論\"的實證檢驗[J].經濟問題，2014（7）：6-10.

[27]陳強.高級計量經濟學與Stata應用（第二版）[M].北京：高等教育出版社，2014：268-271.

[28]孫文遠，劉吳杰.數字經濟對工業產業鏈韌性的影響效應研究——兼論創新水平和市場分割的機制作用[J].金融經濟，2024（1）：86-97.

[29]沈煜，孫文凱.污染信息公開如何影響健康消費決策[J].世界經濟，2020，43（7）：98-121.

[30]汪芳，汪梓瑜，趙玉林，等.數字經濟發展減少了環境污染嗎？——兼議環境規制的調節效應與門檻效應[J].生態經濟，2024，40（7）：166-173.

[31]李燕.黃河流域能源產業鏈韌性的測度與時空演進分析[J].技術經濟與管理研究，2024（6）：118-124.

[32]胡艷，柯鵬.產業鏈韌性對經濟高質量發展的影響[J].沈陽大學學報（社會科學版），2024，26（3）：18-29.

[33]劉國武，李君華.數字經濟發展對產業結構轉型升級的影響——基于需求端視角[J].當代經濟科學，2024，46（1）：104-116.

Digital Economy Empowers the Resilience of the AI Industry： An Empirical Study Based on Chinese Panel Data

TU Jiakai，LIU Xueting，SHI Yueyi （School of Statisticsand Methematics， Zhejiang Gongshang University，Hangzhou 31Oo18， China）

Abstract：Intheraof thedigitaleconomytheartificial intellgenceindustryfaces newoportunitiesandchallenges.Based onthedataof31provincesinChinafrom2013 to2022，therelationshipbetweendigitaleconomyandtheresilienceoftheAindustrychain is exploredthrough empiricalanalysis.Thestudyshowsthatthedigitaleconomycanenhancetheresilienceof theAI industrychain notonly intheshortermbutalsointhelong term.Meanwhile，whenusedasamoderating variables，educationand industrialstructurecansignificantlyenhanethefacilitatingefectofthdigitaleconomyontheesilienceoftheAIindustrychain. Furtherresearchfoundthattereisegionalheterogeneityintemoderatingefectofducation，anditisfundthatteodeating efectofthenortheasterregionisstrongerthanthatoftheeasteregionandalsostrongerthanthatofthecentralandwesternregions.Finallgstiosareadetorengnteonstuctioofdigialplafos，romotetefoofioativetsfo mulate regionalldifferentiatedpolicies，and promote industry-university-researchcooperationand internationalexchanges.

Key Words：resilience of AI industry; digital economy; education; industrial structure; panel regression

[責任編輯：許立群]