新一代人工智能产业区域竞争力评价研究

刘刚　刘晨

摘要：人工智能属于通用技术，具有广泛的应用前景，能够引领经济社会全面发展。从复杂网络视角，应用主成分分析法，基于属性和关系数据构建评价指标体系，本文对我国人工智能产业区域竞争力水平进行评价。從评价的结果看，我国人工智能产业尚处于“极化”阶段。随着人工智能与实体经济的深度融合发展，人工智能产业将进入以“扩散”为主导的新阶段，京津冀、长三角和珠三角地区是人工智能产业发展集中的区域，走在了全国的前列。构建多元创新主体协同的创新生态系统，推动人工智能与实体经济的融合发展，是实施《新一代人工智能发展规划》和加快人工智能产业发展的关键举措。

关键词：人工智能;产业;区域竞争力;复杂网络

中图分类号：F49     文献标识码：A     文章编号：1003-1502（2021）01-0030-09

引   言

作为第四次工业革命的引擎，人工智能属于通用技术，具有广泛的应用前景，能够引领经济社会的发展。为了抢抓人工智能发展的重大战略机遇，构筑我国人工智能产业发展的先发优势，2017年7月8日国务院发布了《新一代人工智能发展规划》（以下简称《规划》）。

《规划》制定了我国新一代人工智能三步走战略，明确了每一步人工智能产业发展的目标。第一步，到2020年人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。第二步，到2025年人工智能产业进入全球价值链高端。新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。第三步，到2030年人工智能产业竞争力达到国际领先水平。人工智能在生产生活、社会治理、国防建设各方面应用的广度深度极大拓展，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，人工智能核心产业规模超过1万亿，带动相关产业规模超过10万亿元。为了响应国家战略，各省市都相继出台了新一代人工智能发展规划和行动计划，制定了各自的产业发展目标。

人工智能产业包括两个基本组成部分：核心产业部门和融合产业部门。其中，核心产业部门是指为人工智能产业发展提供基础设施服务、基础软硬件、核心技术和产品研发生产的产业部门。而融合产业部门则是指人工智能与实体经济融合过程中创造的新兴产业部门。随着人工智能技术的成熟和核心产业部门的发展，人工智能与实体经济的深度融合发展和融合产业部门的发展将逐步成为人工智能产业发展的主导。

无论是核心产业部门还是融合产业部门，人工智能产业的发展都是包括企业、大学、科研机构、投资者和政府在内的多元创新主体协同创新的结果。受不同地区市场需求条件、科技创新资源、产业基础和政府政策诸多因素的影响，人工智能产业在区域之间存在差异，表现出明显的“极化”趋势。人工智能产业的“极化”现象不仅表现在都市圈、省市和城市，而且表现在城市空间范围内某个特定区域，例如，北京的海淀区、深圳的南山区和杭州的余杭区。随着人工智能与实体经济深度融合，人工智能产业发展将逐步呈现出“扩散”趋势。如何促进区域空间和产业范围的“扩散”，是推进人工智能产业发展的关键。

对人工智能产业区域发展差异产生的关键因素和动力机制进行比较分析，将有助于制定进一步推动人工智能产业发展的有效政策。本文试图通过评价指标体系的构建，科学评价我国新一代人工智能产业发展的区域竞争力水平，系统考察各地区促进产业发展的政策和环境的有效性。

一、理论综述

区域产业竞争力往往受包括市场需求、政策环境、产业基础、人才和创新资源在内的诸多因素的影响。如何评价分析决定和影响区域产业竞争水平的关键因素和动力机制，成为学术界研究的重点。

20世纪80 年代，美国学者迈克尔·波特在《竞争优势》中最早对产业竞争力进行了系统研究，指出一国特定产业是否具有国际竞争力主要取决于六个因素：要素条件、需求条件、相关产业与辅助产业的状况、企业策略、结构与竞争对手、政府行为和机遇[1]。在《国家竞争优势》一书中，迈克尔·波特进一步提出了“钻石模型”解释国家和区域竞争力的来源。在他看来，决定国家和区域竞争优势的关键因素包括：要素条件，需求条件，相关及支撑产业，公司战略、结构及其对抗表现[2]。从发展阶段看，一国或地区竞争力将经历四个阶段，即要素驱动、投资驱动、创新驱动和财富驱动。在迈克尔·波特的引领下，学术界分别从内涵、影响因素、测度方法和机制等方面对国家或区域产业竞争力展开理论分析和实证研究。

人工智能产业的发展是多元创新主体协同创新和发展的结果，表现为一个复杂网络的演化过程。从复杂网络的视角考察人工智能产业发展和区域竞争力，能够对人工智能产业区域发展动力和机制进行比较分析。基于复杂网络方法，在进行区域产业竞争力评价指标体系构建研究上，学术界主要从两个方面展开研究。一是从复杂网络结构视角，曼纽尔·卡斯泰尔认为在分析区域竞争力时应考虑各种资源在全球流动而形成的庞大网络体系，提出“全球流动空间”理论，强调城市地位应该由城市间的网络关系所决定[3];张静娴、周文等采用关联网络DEA模型对复杂系统效率进行评价，对于有较多子系统的复杂适应系统，通过将其子系统按照投入产出类型进行归类，从而将复杂网络结构转化为简单的链式结构[4]。二是将复杂网络的相关指标直接纳入指标核算体系，黄国妍、刘江会等从先进生产性服务业和先进制造业两个维度，采用“点出度”“点入度”和“中间中心度”等多重网络指标评价全球主要城市竞争力，发现纽约、伦敦等顶级层级城市具有强大的综合网络竞争力[5]。

同时，学术界广泛采用不同的评价方法对区域产业竞争力进行评价和指标体系的构建，例如，因子分析法、主成分分析法、钻石模型、层次分析法、结构方程模型、云模型结构方程法、DEA法和灰色关联投影模型法。其中，主成分分析法是近年来区域竞争力评价中最常使用的方法。

本文从复杂网络的视角，运用主成分分析方法对我国新一代人工智能产业区域竞争力进行评价。为了动态刻画新一代人工智能产业区域竞争力水平，本文建立了包括797家人工智能企业的中国智能经济数据库。数据库的数据包括属性和关系数据。其中关系数据包括技术合作、人力资本和投融资三个维度。本文基于属性和关系数据，运用主成分分析方法构建评价指标体系，从多维度视角刻画新一代人工智能产业区域竞争力的发展现状和趋势。

二、人工智能产业区域竞争力评价指标体系

在研究中，本文把人工智能产业的发展看作是一个复杂适应系统。区域人工智能产业兴起和发展是包括企业、大学和非大学科研机构、投资者、链接者和政府在内的多元创新主体相互联系和作用中的涌现现象。多元创新主体互动所形成的创新生态系统是区域人工智能产业活力和竞争力的基础。因此，区别于以往的指标体系构建，本文从复杂网络的角度出发，除了包含属性数据的相关指标外，为了考虑企业之间、企业与政府之间的互动关系数据，创新性地纳入了以关系数据为基础的相关指标。

指标体系的建立主要考虑如下原则：第一，多维度度量人工智能产业区域竞争力。为了确保二级指标度量的完整性，均采用两个及两个以上三级指标进行衡量。所选择的每个指标至少能在一定程度上、一定时期内反映区域人工智能产业竞争力的基本特征。第二，所选择的指标必须是可度量的，而且在数据上具有可获得性。属性数据主要来自各类创新主体统计指标，关系数据主要来自数据库的相关数据。

指标体系从六个方面衡量区域人工智能产业的竞争力（如表1所示）。

1.企业能力X1。企业作为复杂适应系统多元主体互动中的核心主体，其能力是测度地区产业竞争力的重要部分。在企业能力评价中，本文主要从企业规模和企业创新能力两个方面进行测度。其中企业规模评价由各地区人工智能样本企业数量、样本企业估值/市值2项三级指标构成。人工智能样本企业数指标使用797家人工智能企业在各地区的分布情况进行测度，样本企业估值/市值指标用各区域有效样本企业的估值/市值进行测度。而企业创新能力则包括3项三级指标：样本企业平均专利数、基础和技术层样本企业数①和样本企业技术赋能关系数。

2.学术生态X2。随着人工智能产业的发展，高校和研发机构通过构建人工智能学术生态与产业界协同创新，推动人工智能产业化和产业智能化步伐。本文分別从高校和非大学科研机构的角度衡量各地区学术生态的整体情况，AI大学创新能力主要包括4项三级指标，分别为AI大学数量、AI大学平均国内论文数、平均国际论文数和平均专利数。非大学科研机构创新能力指标也包括4项三级指标，分别为非大学科研机构数，非大学科研机构平均国内论文数、平均国际论文数和非大学科研机构平均专利数。

3.资本环境X3。融资和投资反映了区域人工智能产业对资本的吸引力，因此资本环境包括3项三级指标，分别为融资关系数、融资额和投资关系数。其中，投、融资关系数量指标由样本企业各区域投融资关系总数测度，而企业融资额指标用各区域有效样本企业的融资总额进行测度。

4.国际开放度X4。国际开放度测度的是区域人工智能产业发展中的国际资源整合能力。区域人工智能产业的发展往往得益于和国外创新主体的互动，国际合作的加强往往带动了人工智能产业的持续发展。往往得益于前期国际学习经验、核心人力资本前期国际工作经验、国际技术输入关系、国际技术赋能反映了区域人工智能企业与国外企业、高校、研究机构的互动。国际开放度包括4项指标：核心人力资本前期国际学习经验、核心人力资本前期国际工作经验、国际技术输入关系数和国际技术赋能关系数。核心人力资本前期国际学习经验和工作经验、国际技术输入和赋能关系数指标主要用各地区样本企业核心人力资本和技术关系数据的区域分布进行测度。

5.链接能力X5。链接者是一类特殊的创新主体和活动，它通过把包括企业、开发者、大学、非大学科研机构和政府在内的多元创新主体连接起来，促进多元创新主体之间的合作与交流，是人工智能科技和经济发展的黏合剂和催化剂。区域链接者的活跃程度往往反映一个区域智能经济创新和发展的活力。链接者评价指标包括人工智能会议数和产业联盟数。

6.政府响应X6。政府是区域产业整体发展的推动者，政府通过制定和落实相关产业政策以及兴建产业园区，加速人工智能产业的发展，引领地区产业发展方向。对政府响应能力的测度用2项三级指标进行：人工智能产业园区规划建设数量和政府出台政策数量。其中，出台政策的数量包括统计期内政府出台的规划、实施意见和行动方案数量，人工智能产业园区指标则用近年来各地方规划和建设的人工智能和机器人产业园的数量进行测度。

三、实证分析

（一）标准化处理

本文中区域人工智能产业竞争力评价指数由24个基础指标构成，每个指标的评分表明各省份在人工智能领域产业化竞争度的相对差距。各项指标均与竞争度正相关 ，即指标值越高，人工智能产业竞争度越高。为了消除各指标量纲影响，本文采用最小值—最大值方法，对各指标进行标准化处理。单项指标得分值的计算公式如下：

其中Xij为第i个省份的第j个指标的得分，X为指标值。

此外，由于本文所构建的指标体系中各指标均为正向指标，因此无须进行正向化处理。

（二）竞争力评价模型构建

采用多项关系数据和属性数据对区域人工智能产业竞争力进行评价，属于多属性决策问题，关键问题在于如何确定指标权重。目前，确定指标权重的方法，主要包括主观赋权法、客观赋权法和组合赋权法。主观赋权法通常由决策者主观上比较不同指标的重要性之后进行排序，从而确定指标权重。主观赋权法通常基于决策的实际问题和专家自身的经验和知识进行赋权，往往带有较强的主观性。客观赋权法则是由数据本身属性特点形成，根据原始数据之间的关系来确定权重，权重的客观性强，具有较强的数学理论依据。但是可能因为缺乏对事物真实情况的了解从而产生偏差，确定的权重也因此可能与现实不符。

因此，本文采用组合赋权法确定指标体系的权重。组合赋权法兼顾主、客观两类权重信息， 既能充分利用客观信息， 又能满足决策者的主观愿望，从而使得评价结果更加科学合理。本文主观赋权法采用层次分析法，客观赋权法采用熵权法，再通过加权得到最终权重。

1.主观权重的计算

本文采用层次分析法来计算主观权重。层次分析法的优点在于符合系统性原则，简洁实用，所需定量信息较少，只需将同一层次的指标进行两两比较，即可得出最终结果。基本思路是把与问题有关的指标分成目标层、准则层和方案层等诸多层次，由专家对属于同一支配元素的指标进行两两对比，得到两两对比的判断矩阵。通过对判断矩阵的计算，确定每一支配元素中的指标相对于其支配元素的重要程度（权重），然后由下往上逐层合成不同层级的指标权重，最终得到层次体系最底层指标相对于目标层的权重。本文基于层次分析法的基本思路，将所选指标分解成目标层、准则层和指标层，构建了层次分析模型。

2.客观权重的计算

熵权法充分衡量了指标数值之间的差异程度，克服了主观赋权法主观性过大的缺点。基本思路是根据指标变异性的大小确定客观权重，若某个指标的熵值越小，表明指标值的信息量越多，评价中所起的作用越大，其权重也就越大，反之则权重越小。

3.组合权重的计算

参考李廉水等采用兼顾主观偏好和客观信息的组合赋权法来计算各评价指标的组合权重，综合权重计算公式为：

W=（w₁，w₂，…，w_n）T

w_j=βw^a_j+（1-β）w^b_j，j=1，2，…，n

其中，W為综合指标权重，waj为主观赋权后各指标权重，wbj为客观赋权后各指标权重，为了平衡主观、客观权重比重，取β=0.5。

（三） 数据来源

本文选取全国31个省份作为研究对象，由于受数据所限，中国台湾、香港和澳门三个地区没有列入评价范围。基于创新生态系统的视角，截至2019年12月31日，本文构建了包括797家人工智能企业、1915个投资者（投资机构和非投资机构）②、109所AI大学和103家非大学科研机构③、在中国境内召开的1870场会议、190家产业联盟④、31个省、自治区、直辖市出台的577项相关政策和301家人工智能产业园区规划建设情况⑤在内的中国智能经济样本库。通过实际调查和大数据相结合的方法，采集数据和建立样本数据库。样本数据库的数据包括两类：属性数据和关系数据。属性数据是指包括人工智能企业在内的创新主体的成立时间、所属地区和销售收入等方面的信息;关系数据则是指样本企业与其他节点发生的关系和互动规则方面的信息。

四、新一代人工智能产业区域竞争力总体排序和结果分析

依据上述模型及理论，结合2019年各省份相关数据，得到区域人工智能产业竞争力评价指数总体得分及相应排名（如表2所示）。

从2019年中国人工智能产业区域竞争力指数排名看，北京排名第一。广东、上海、浙江、江苏和山东在人工智能产业的发展上排在第二梯队，分值分别为45.54、29.38、26.27、16.78和16.59。从区域上看，2019年中国人工智能产业竞争力北京和广东最强，江苏、浙江、上海次之，中部地区、东北三省竞争力水平普遍较高，西部地区整体竞争力较弱。

通过二级指标排名可以看到（如表3所示），北京在国际开放度、企业能力和链接能力等方面均名列第一，广东在政府响应能力方面位列第一。产业竞争力排名较高的省市自治区都是人工智能企业较为聚集的区域。虽然各省市智能产业竞争力发展不平衡，但是有部分省份在某一组得分排名较高。如辽宁在学术生态得分排名较高，上海在资本环境和链接能力方面得分均排列前三。城市经济转型和升级过程中创造出的智能化需求，是引致创新资源集聚和产业发展的关键因素。学术生态评分较高的辽宁省（2）、吉林省（5）在人工智能产业发展上没有表现出相应的水平和能力，反而是学术生态排名分别位列第11、19、20名的安徽省、河北省和河南省，在人工智能产业的发展上走在了全国前列。以智能化需求为导向，构建和培育富有活力的创新生态系统，是区域人工智能产业发展的前提和基础。

在上述分析的基础上，本文提出的建议为：

第一，以京津冀、珠三角和长三角为重心，布局人工智能科技创新战略，辐射带动区域内产业发展的同时，推动区域间产业协同发展。北京作为中国人工智能产业发展的龙头，在人工智能产业的发展上，不仅拥有科技创新资源优势，而且拥有数据生态和应用场景优势。尤其是依托互联网产业和特色产业的优势，在数字内容和新媒体、科技金融和智慧城市领域获得了飞速发展。从在人工智能领域的地位看，北京市应当紧紧抓住建设具有全球影响力的科技创新中心的历史机遇，以人工智能产业发展为抓手，引领中国经济转型升级。广东省作为先进制造业基地，在转型升级过程中创造出了强烈的市场需求，通过政府的大力推动，牵引广东省的人工智能产业发展。从全国一盘棋的角度，应着力加快北京、广东、江苏、浙江、上海以及黑龙江、辽宁地区间的产业互动，带动周边地区人工智能产业的发展，以点带面，进而推动全国人工智能产业进一步升级。

第二，各地区发挥相应优势，增强与优势地区间互动关系，带动产业发展。企业、政府、高校以及科研院所的互动是人工智能产业发展的基础，应当促进中西部地区与优势产业地区间的技术、学术合作。同时，偏远地区企业发展往往相对滞后，而且学术生态方面也相对薄弱，应当发挥区域链接者及政府的作用，提高区域链接能力，以需求为导向，因地制宜发展相应的人工智能产业。

第三，加快人工智能与实体经济的融合。人工智能产业包括核心产业部门和融合产业部门。其中，核心产业部门是指基础和技术层产业领域，主要由为人工智能产业发展提供基础设施和核心技术的企业构成。与核心产业部门不同，融合产业部门是人工智能与实体经济融合发展的领域，主要由应用层人工智能企业构成。从人工智能产业发展的实际进程看，人工智能技术与实体经济的加速融合和融合产业部门的发展是未来决定和影响人工智能区域产业竞争力的关键变量。尤其是随着边缘计算的兴起和发展，人工智能在更广泛的范围内赋能现有产业的时代即将到来。

第四，加快形成包括政府战略引领、市场需求牵引、政产学研用协同和加快新基础设施建设在内的协同创新推动机制，是决定和影响区域产业竞争格局的关键。在人工智能产业的发展上，政府的作用不仅表现为制定完善的政策体系和引导新基础设施投资的加强，而且表现在推动应用场景的开放和数据生态优势的形成。在人工智能与实体经济的融合过程中，应用场景的开放和数据生态优势的形成，是融合产业部门加速发展的前提。

第五，随着核心产业部门的成熟和融合产业部门的发展，人工智能产业将从 “极化”走向“扩散”。在“十四五”规划中，要积极在欠发达地区布局新基础设施建设和人工智能科技创新资源，加快人工智能科技和产业向中西部欠发达地区的“扩散”趋势，消除“数字鸿沟”可能带来的新一轮区域经济发展的不平衡。

注释：

①人工智能基础和技术层企业是指提供包括大数据、云计算、边缘计算和智能芯片在内的基础技术和包括核心算法在内的核心技术企业。与应用层企业相比，基础层和技术层企业具有更强的创新和辐射带动能力。

②投资者的样本来自797家企业关系数据中作为关系节点的投资方，包括投资机构和非投资机构。

③AI大学和非大学科研机构的样本，来自权威机构发布的人工智能大学和非大学科研机构榜单。在对大学这类主体样本进行选择和数据采集时，本文以Scopus数据库为基础，根据我国高校在国际上发表人工智能相关论文数和人工智能相关专业机构的设置情况，截至2019年12月31日，共检测到109所AI大学和103家人工智能领域的非大学科研机构。

④会议包括2017年以来在中国境内召开的以“人工智能”和“机器人”为主题的会议，产业联盟包括国家和地方成立的人工智能和机器人相关的产业联盟组织，主要来自网络公开数据筛选。

⑤各地政府出台的规划、实施意见和行动计划政策信息，来自各省、自治区、直辖市和重点城市的政府官网。

参考文献：

[1]〔美〕迈克尔·波特. 竞争优势[M].陈小悦，译.北京：华夏出版社，2005.

[2]〔美〕迈克尔·波特. 国家竞争优势[M].李明轩，邱如美，译.北京：中信出版社，2007.

[3]〔美〕曼纽尔·卡斯泰尔. 信息化城市[M].崔保国，等，译.南京：江苏人民出版社，2001.

[4] 张静娴，周文，陈伟，向宇. 关联网络DEA在多层次指标体系中的应用研究[J]. 运筹与管理，2016，（4）.

[5]黄国妍，刘江会，姜鑫涛，贾高清. 基于复杂网络分析方法的国内外主要城市竞争力比较研究[J]. 城市发展研究，2019，（1）.

A Research on Regional Competitiveness Evaluation of the New Generation Artificial Intelligence Industry

LIU Gang， LIU Chen

Abstract： Artificial intelligence is a general technology. It has a wide range of prospects of application， and can lead the comprehensive development of economy and society. From the perspective of complex network， this paper uses principal component analysis to build an evaluation index system based on attributive and relational data， and evaluates the regional competitiveness of China's artificial intelligence industry. According to the evaluation results， China's artificial intelligence industry is still in the stage of "polarization". With the deep integration of AI and real economy， artificial intelligence industry will enter a new stage dominated by "diffusion". It is the key to implement the new generation artificial intelligence development plan， to speed up the development of artificial intelligence industry to build an ecosystem of innovation with multiple innovation actors， and to promote the integration of artificial intelligence and real economy.

Key words： artificial intelligence; artificial intelligence industry; regional competitiveness; complex network

責任编辑：翟   祎

作者简介：刘   刚（1965—），男，南开大学经济研究所教授、博士生导师。

刘   晨（1993—），男，南开大学经济研究所博士研究生。