人工智能对产业分化的影响

罗书嵘

（广州番禺职业技术学院 财经学院，广东 广州 511483）

一、问题的提出

人工智能作为第四次工业革命的代表，是引领第四次工业革命和产业变革的重要战略性技术，具有技术属性与社会属性高度融合的特点，对中国社会生产与生活产生了重要影响。中国目前正处于供给侧结构性改革和经济社会转型的关键阶段，人工智能的广泛应用不仅会引发产业结构的优化升级，还会对三大产业的布局产生深远影响。精准预测人工智能发展对中国产业结构转型升级和三大产业布局的影响，对于中国实现经济高质量发展具有十分重要的现实意义，这正是文章研究的着力点。因此，伴随着人工智能发展水平的快速提升，人工智能是否会对产业分化产生影响？如果会产生影响，是支持“抑制效应”还是支持“加速效应”？抑或是某一阶段符合“抑制效应”，而另一阶段符合“加速效应”的“U”型特征？还是支持其他一些重要的特征论断？鉴于人工智能背景下中国的产业分化问题具有紧迫性、现实性和复杂性，但产业分化面临着人工智能发展程度的测算困难，制约了产业结构调整，已有研究对此关注不足，同时通过对已有研究成果的借鉴，提出了文章所关注的问题。文章尝试将人工智能发展程度指标纳入实证计量模型的分析框架，检验人工智能对全国及东、中、西部地区产业分化的影响。

二、文献回顾

1.对人工智能文献的回顾

人工智能的出现与发展，推动了人类科技史上的一次伟大变革，成为经济学领域一个新的探索对象。进入21世纪，经济学与人工智能的关系更加紧密。人工智能在计量经济学、金融经济学等多个经济学领域也得到了广泛运用(Herbert Alexander Simon，1978；Kun Wang，Michael S.Wilkins，2007)[1]。国外对于人工智能带来的影响，不同领域不同学者存在不同的看法，但大部分学者认为人工智能引发的新一轮技术革命，在短期内会造成一些工作岗位被新技术所替代，但在长期内，一批新的工作岗位也会不断涌现(Hull and Rothenberg，2008)[2]。

国内许多学者对人工智能与经济社会发展之间的关系进行了研究，究竟是人工智能对经济社会发展起促进作用，还是经济社会发展促进了人工智能技术的应用，抑或是互为推动关系。学术界一直没有得出一致结论，概括起来，主要有以下两种观点：一是人工智能对经济社会发展具有正面影响。持这种观点的学者认为，人工智能是创新战略的重要体现，认为人工智能是经济社会发展的重要变量，人工智能技术的广泛应用会影响全要素生产率，从而促进经济持续增长（陈彦斌等，2019；黄蕊等，2020；林晨等，2020）[3-5]。二是人工智能对经济社会发展存在不确定性影响。持这种看法的学者既肯定人工智能对经济社会发展存在正向效应，但也认为人工智能会对经济社会发展产生负面影响和挑战（程承坪、李雨佳，2018；李晓华、曾昭睿，2019）[6，7]。

2.对产业分化文献的回顾

目前国外关于产业分化的研究文献较少，大多数只是在产业分工或者产业结构调整的研究中简单提及，围绕产业分化的文章屈指可数。

国内已有研究主要从产业分化的定义、成因、影响三个方面进行分析。一是关于产业分化的定义研究，学者们关于产业分化的定义，尚无一致看法（蔡跃洲、陈楠，2019；李旭辉等，2020）[8，9]。二是关于产业分化的成因研究，学者们分别从技术创新、发展环境、市场需求、政策等方面对形成产业分化的原因进行了分析。有些学者认为技术创新是产业分化产生的根源（沈琼、王少朋，2019；张龙鹏、张双志，2020；余长林等，2020）[10-12]；有些学者认为社会分工和生产力发展是导致产业分化的根本原因（芮明杰，2018）[13]；还有一些学者认为产业政策是导致产业分化的重要原因（郭凯明，2019）[14]。三是关于产业分化的影响研究，已有研究成果对此还未进行深入探讨，现有文献主要从理论角度进行分析，而基于实证分析的研究成果还比较少，尤其缺乏计量模型方面的研究（俞伯阳，2020）[15]。

文章的主要贡献在于：第一，从人工智能这一新的视角对产业分化的影响进行深入探讨，增强了理论的解释力。文章在探究人工智能对产业分化的影响时，打破了以往研究在“抑制效应”与“加速效应”间非此即彼的解释，明确提出了人工智能对产业分化的影响存在着在某一阶段支持“抑制效应”，达到某一拐点后，在另一阶段支持“加速效应”的新型特征论断。第二，构建并测算中国人工智能发展程度的综合性评价指标，为分析人工智能与产业分化之间的关系提供了一种新的研究思路。文章采用主成分分析法对中国人工智能发展程度进行测算，避免了以往研究中利用单一指标度量人工智能发展程度的不足，可以全面客观地反映中国人工智能发展水平。第三，通过构建熵指数(EI)对全国及东、中、西部地区的产业分化度进行测度，并构建计量模型实证分析了人工智能对全国及东、中、西部地区产业分化的影响。研究结果是对已有研究领域的一种延伸和有益探索，为逐步实现区域之间的协调平衡发展提供了一种新的研究视野。

三、人工智能发展水平的测算

1.测算人工智能发展程度的指标选取

大部分学者通过单一指标分析法来测算人工智能发展水平（付文宇等，2020；刘斌、潘彤，2020；王瑞瑜、王森，2020）[16-18]。单一指标分析法具有简单直观、测算方便、应用范围较广等优点，但也存在着较大局限性，人工智能发展水平还受制于一国或地区高技术发展规模、技术市场结构等诸多因素的影响，仅用单一指标难以真实测算出该国或地区的人工智能发展水平。也有些学者选取综合指标来测算并进行分析（汝刚等，2020）[19]。

在借鉴国内外学者关于人工智能发展水平的指标体系设计基础上，结合中国高技术经济发展阶段、人工智能特征以及实际国情，根据指标选取的客观性和数据的可获得性，中国人工智能发展水平指标体系的构建见表1。

表1 中国人工智能发展水平指标体系

为了考察中国人工智能发展水平随时间的变动情况，选取中国2003—2018年的时间序列数据来进行测算。通过2003—2019年的《中国统计年鉴》和国家统计局网站，收集并整理了中国人工智能发展水平的相关数据，中国人工智能发展水平描述指标数据见表2。

表2 2003—2018年中国人工智能发展水平描述指标数据

2.人工智能发展程度的测算

文章采取主成分分析法对中国人工智能发展程度进行合理测算。依据已经确定的七个指标，用X1、X2、X3、X4、X5、X6、X7分别表示信息传输计算机服务和软件业全社会固定资产投资、高技术产业研究与试验发展人员全时当量、高技术产业研究与试验发展经费支出、高技术产业新产品开发经费支出、高技术产业新产品销售收入、高技术产业专利申请数以及中国工业机器人安装量。为了符合利用主成分分析方法对数据的要求，把这七个指标数据进行了标准化处理，可以得出七个指标之间的相关系数矩阵，见表3。

表3 人工智能发展程度七个指标之间的相关系数矩阵

通过相关系数矩阵可知，七个变量相互之间的相关性都很强、相关系数比较高，进一步地，可以分析主成分的特征值以及累积方差贡献率，见表4。

表4 主成分的特征值以及累积方差贡献率

根据表4，第一主成分的特征值是6.772，显然大于1。第一主成分的方差贡献率为96.747%，也就是说，人工智能发展程度七个指标总体上超过95%的信息可通过第一主成分来解释。依据特征值超过1，累积方差贡献率不低于85%的标准，提取第一个主成分来代表全部指标变量的所有信息，利用第一主成分作为综合变量来计算成分矩阵，见表5。

表5 成分矩阵

通过表5可以看出，第一主成分f1与所有指标X1、X2、X3、X4、X5、X6和X7都非常显著，其载荷分别为0.917、0.988、0.998、0.998、0.997、0.995和0.990，由此可知，人工智能发展程度变动的综合指标完全可以利用第一主成分来反映。为获取主成分f1的函数表达式，可以把表5列示的系数除以与其相对应表4中的特征值的平方根，进而得出主成分函数的变量系数向量：

第一主成分函数的变量系数向量为：

由此可得第一主成分的函数表达式为：

根据式(2)可以计算出中国2003—2018的人工智能发展水平，将其绘制成曲线图，如图1所示。

图1 2003—2018年中国人工智能发展程度的曲线图

从图1可以看出，依据七个指标综合计算的中国人工智能发展程度表现出较强的上升趋势，中国人工智能发展水平呈逐年不断持续增加的态势。

四、产业分化的测度

产业分化度是描述当前各种产业的分布状况，由于产业分化会以新兴产业形成、产业结构调整优化升级等形式表现出来，而这两种表现形式均可通过产业增加值的情况来表示。如果某一产业增加值不断提高，产业结构调整幅度越大，产业分化程度就越高；如果各产业增加值分布越均衡，产业分化度就越小。又由于熵指数运用了信息理论中熵的概念，具有平均信息量的含义，文章借助熵指数来探讨产业分化度。具体地，可以构建熵指数(EI)对全国及东、中、西部地区的产业分化度进行测度。设Zj表示第j产业的增加值，t为产业的总个数，Pj表示第j产业的增加值占总产业增加值的比重，即：

产业分化熵指数的定义表达式可写成：

其中，熵指数EI越大，说明产业增加值分布越均衡，产业分化度越低。如果Z1=Z2=…=Zj，那么P1=P2=…=Pj，此时产业增加值分布均衡，熵指数EI值达到最大值log(t)。进一步地，可以得出产业分化度R的计算公式：

其中，R越小表示产业分化度越低，R越大表示产业分化度越高。

通过2003—2019年的《中国统计年鉴》和国家统计局网站，收集并整理了中国产业分化的相关数据，同时运用上述熵指数测度方法对全国产业分化度R、东部地区产业分化度Re、中部地区产业分化度Rm、西部地区产业分化度Rw进行测度。测度结果见表7。进一步绘制出全国及东、中、西部地区产业分化度的时间变化趋势图，如图2所示。

图2 2003—2018年全国与东中西部地区产业分化度的变动趋势

从图2可以看出，全国、东部地区、中部地区以及西部地区的产业分化度趋势图非常相似，总体上全国、东部地区、中部地区以及西部地区的产业分化度趋势线持续上升，即产业分化度随着时间的推进而不断增大的趋势。尽管产业分化度总体上呈现出上升趋势，但却表现出“先抑后扬”的特征，即产业分化度趋势在2003—2010年呈现出以递减的速度上升，2011年之后表现出以递增的速度上升。从图2中还可以看出，东部地区的产业分化度明显高于全国、中部地区和西部地区，全国的产业分化度高于中部地区和西部地区，西部地区的产业分化度最小。

五、人工智能对产业分化影响的实证分析

1.计量模型方程设定及变量说明

文章主要检验人工智能对中国产业分化的影响，综合考虑产业分化的各种影响因素，产业分化的计量模型可表示为：

其中，R是被解释变量，表示产业分化度，其测度方法利用前面已经探讨的熵指数来进行计算。人工智能(AI)是文章模型的核心解释变量，人工智能是一门新研究开发并用于模拟、延伸以及扩展人的智能的方法、技术、理论及应用系统的技术科学。人工智能是由计算机视觉、机器学习等不同领域组成，其主要目标是通过机器学习等手段能够胜任一些通常需要人类智能才能实现的复杂工作。因此，人工智能发展水平仅用单一指标来测算是片面的，必须依赖于综合指标才能科学地进行测算。u表示随机扰动项。

通过借鉴已有相关文献和经验数据，文章选择以下几个控制变量：第一，经济发展水平(lngdp)，利用国内生产总值的对数值来衡量，经济发展水平有助于优化产业结构，从而影响产业分化格局；第二，市场化水平(market)，利用国有单位就业人员与全国就业人口比重来衡量，市场化的不断深入可推进一国或地区的产业分化程度；第三，城市化水平(city)，利用城镇人口与总人口的比值来衡量，这一比重越高表明城市化水平越高；第四，经济开放水平(open)，利用进出口总额与国内生产总值的比重来衡量，经济开放通过对外贸易等不同途径对产业结构产生影响，进而影响产业分化状态。

2.数据说明及描述性统计

文章选取中国2003—2018年的年度数据，对人工智能对中国产业分化的影响进行了实证分析。人工智能发展程度的水平项(AI)和产业分化度(R)采用前面所计算的值。人工智能发展程度的平方项AI2与立方项AI3可以通过其水平项值计算而获得。为了比较，文章还计算了东部地区产业分化度(Re)、中部地区产业分化度(Rm)、西部地区产业分化度(Rw)。被解释变量、解释变量和控制变量的数据均来源于2003—2019年的《中国统计年鉴》《中国科技统计年鉴》。

表6列出了各变量指标的描述性统计。各变量指标的基本统计信息表明，中国产业分化度的最大值为2.590，最小值为2.333，表明中国产业分化度波动幅度较小，但东部地区与中西部地区的产业分化度差异较明显。从均值和标准差来看，所有变量的标准差值都小于均值，不存在异常值。但人工智能发展程度立方项远高于人工智能发展程度平方项，而人工智能发展程度平方项也远高于人工智能发展程度水平项，意味着这三个变量之间具有较大的差异性，存在明显的非线性关系。同时，人工智能发展程度水平项、平方项以及立方项自身在不同年份也表现出较大差异，这些数据对构建估计模型方程奠定了十分良好的统计基础。所有回归分析采用的变量数据经过ADF检验均拒绝接受存在单位根假设，说明回归分析变量为平稳序列。

表6 各变量的描述性统计分析

3.实证分析结果及讨论

文章采取OLS回归模型，运用对中国人工智能发展程度和产业分化度的测度结果，考察2003—2018年中国人工智能发展水平对产业分化的影响，回归结果如表7所示。

从表7的实证检验结果可以看出，全国和中部地区人工智能发展程度的水平项、平方项以及立方项的估计系数在5%的显著性水平下都显著，东部地区的人工智能发展程度的水平项、平方项以及立方项的估计系数在1%的显著性水平下显著，只有西部地区的人工智能发展程度的水平项、平方项以及立方项的估计系数即使在50%的显著性水平下也不显著。这表明全国、东部地区、中部地区人工智能发展程度的水平项、平方项和立方项对产业分化度的变动具有显著影响，其中，东部地区变动尤为显著，但西部地区人工智能发展程度的水平项、平方项和立方项对产业分化度并未产生明显影响。出现这种现象是因为东中部地区在人工智能基础设施建设、人力投入方面明显高于西部地区，直接引起东中部地区在人工智能经济产出和产品产出方面也会明显高于西部地区，进而导致东中部地区人工智能对产业分化度产生显著影响，而西部地区人工智能对产业分化度的影响并不明显。

表7 人工智能对产业分化影响的实证检验结果

从表7的实证检验结果还可以看出，全国、东部地区和中部地区人工智能发展程度的水平项均显著大于零，人工智能发展程度的平方项均显著小于零，人工智能发展程度的立方项均显著大于零，表明人工智能对全国、东部地区和中部地区产业分化的影响在总体上表现出一种不断上升的趋势，但在人工智能所处的不同发展阶段，其对产业分化影响的上升速度呈现出明显不同的阶段性特征。也就是说，在人工智能发展水平不高的阶段，产业分化是随着人工智能发展水平的提高而以递减的速率推进，此时“抑制效应”居于主导性地位；随着人工智能发展水平的不断上升，触发到某一特定拐点之后，产业分化则以递增的速率推进，此时“加速效应”就居于主导性地位。根据表7的实证检验结果，通过人工智能发展程度的水平项、平方项和立方项的估计系数能够建立一个以人工智能发展程度为响应变量的函数表达式。以全国为例，可以建立函数表达式：F(AI)=0.04897AI3-2.02834AI2+27.947471AI，对该函数表达式中的人工智能发展程度的水平项(AI)求二阶导数，并令该二阶导数等于零，在此基础上可以计算得出，人工智能对全国产业分化产生“先抑后扬”的影响的拐点将会在人工智能发展程度AI等于13.807时出现。根据样本数据可以观测到中国人工智能发展程度AI在2010年已经超过这一临界值。因此，在2010年以前中国的产业分化以递减的趋势推进，该阶段支持“抑制效应”；而在2010年以后，中国的产业分化以递增的趋势不断推进，该阶段支持“加速效应”。同理，也可建立东部地区和中部地区以人工智能发展程度为响应变量的函数表达式，根据样本数据计算，可以得出人工智能对东部地区和中部地区产业分化产生“先抑后扬”的影响的拐点分别会出现在人工智能发展程度AI等于13.744和13.664时。根据样本数据可以观测到东部地区和中部地区都在2009年超过临界值，表明相较于全国来说，东部地区和中部地区产业分化度的拐点会提前一年出现。

由上述分析可知，人工智能发展水平对产业分化度的影响存在着“先抑后扬”的特征。在人工智能发展水平较低的阶段，产业分化度以递减的速率增加，在这一阶段，人工智能对产业分化的影响支持“抑制效应”；随着人工智能发展水平的不断提高，达到某一拐点之后，产业分化度以递增的速率增加，在这一阶段，人工智能对产业分化的影响支持“加速效应”。也就是说，人工智能对产业分化的影响在总体上表现出一种不断上升趋势，但在人工智能发展程度所处不同阶段，其对产业分化影响的上升速度存在不同的阶段性特征。

如何解释产业分化度随着人工智能发展程度的不断提高呈现出先以递减的速率增加而后以递增的速率增加这种经济现象？

首先，在人工智能发展的初期阶段，虽然总体上产业分化度处于增长状态，但这种增长状态会在一定程度上受某些因素的制约。即，这一时期产业模式发展转型以及技术层面等因素导致产业分化发展速度降低，会对产业分化产生一定的抑制效应。由于劳动密集型产业在经济发展中居于主导地位，资源利用率低且生产效率低下，产业成本高且产业成熟度较低，产业间制约资源、成本等要素流动的壁垒较为坚固，抑制了产业分化。同时，技术壁垒也是影响产业分化进程的重要因素。在人工智能发展的初期阶段，中国技术密集型产业较少，且未受到社会及政府足够重视，技术难以对产业分化产生促进效应，技术落后成为制约产业分化的重要因素之一。此时运用到的技术只能支持产业内部发展运作，没有足够的技术资源支撑产业分化所衍生出来的新兴产业的发展，导致产业分化处于缓慢发展状态。因此，在人工智能发展水平较低的阶段，产业分化度以递减的速率增加，在这一阶段，人工智能对产业分化的影响支持“抑制效应”。

其次，随着人工智能发展水平的不断提高，产业融合作为现代产业发展的必然趋势，伴随社会生产力的不断进步以及产业结构的不断调整，人工智能促使产业融合通过改变产业间要素流动、资源配置以及结构等因素来影响产业分化，重新调整一、二、三产业内部产业结构并整合优化产业内部资源的配置。中国的产业分化是基于劳动密集型产业向资本技术密集型产业转变模式下发展的，随着这种转变模式的推进以及技术层面的不断成熟，产业分化受到的抑制作用也会越来越弱。基于人工智能背景下的产业融合发展能够极大提高资源利用率，降低交易环节中的成本消耗，有效提高产业发展的利润空间，从而弱化产业间各种要素流动壁垒的抑制作用，进而畅通各要素在产业间的流动，加快产业分化、细化的进程，对产业分化具有极强的推动力。同时，新技术不断进步，落后技术不断淘汰，新技术产生并开始融入各行各业，逐步成为推动产业分化的决定性因素。技术进步改变了原有产业结构，促使新的产业结构不断涌现、调整和发展，从而为产业分化提供了良好的发展环境，导致产业分化从单一化朝多样化方向发展。因此，在人工智能发展水平的较高阶段，产业分化度以递增的速率增加，在这一阶段，人工智能对产业分化的影响支持“加速效应”。

4.稳健性检验

文章的稳健性检验包括两个方面：一方面是指标测度的稳健性检验，另一方面是计量方法的稳健性检验。

（1）指标测度的稳健性检验

指标测度的稳健性检验主要表现在选取不同的核心解释变量替换指标来进行检验。为进一步考察人工智能发展程度对产业分化的影响，文章选取高技术产业新增固定资产作为人工智能的替换指标，取其对数值进行回归分析，稳健性检验结果见表8。由于西部地区人工智能对产业分化的影响不显著，文章未对其进行稳健性检验。根据检验结果显示，全国、东部地区和中部地区核心解释变量指标人工智能的系数在1%的显著性水平下均显著；进一步还可以看出，全国、东部地区和中部地区人工智能发展程度的水平项均显著大于零，人工智能发展程度的平方项均显著小于零，人工智能发展程度的立方项均显著大于零，这与基本回归分析结果一致，说明指标测度具有稳健性。

表8 选取不同的核心解释变量指标的稳健性检验

（2）计量方法的稳健性检验

递归残差检验方法的基本思路是以样本观测值的不断扩大为基础，重复估计所构建模型方程的斜率参数，若某一斜率参数向量存在n个待估参数，则前面n个样本的观测值能够估计出该参数向量的第一估计值，(n+1)个样本的观测值能够估计出该参数向量的第二估计值，以此类推，不断重复该操作过程，一直用完所有的N个样本的观测值，最终可得到该参数向量的(N-n)个估计值。在每次参数向量的估计过程中，前一个估计值被用作预测被解释变量的下一个值，形成预测的误差值或递归残差，进而衍生出基于递归残差的CUSUMSQ检验。显而易见，递归残差方法的优势在于可避免选择经济结构时间变化的主观随意性，并克服样本容量不足所引起的不利影响。因此，文章采用递归残差CUSUMSQ检验的计量方法对全国、东部地区和中部地区模型所估计系数的稳健性进行检验，检验结果如图3、图4和图5所示。

图3 全国递归残差平方累计和检验结果

图4 东部地区递归残差平方累计和检验结果

图5 中部地区递归残差平方累计和检验结果

从图3、图4和图5可以看出，样本在整个考察时间范围内所描绘的CUSUMSQ曲线都在两倍标准差与5%显著性水平的上下两条边界区间范围之内波动，未出现偏离边界范围的现象，说明所构建模型的核心解释变量的估计系数是显著的，进一步证实了研究结果的稳健性。

5.机制检验

（1）高技术产品对外贸易增长效应的机制检验

基于经济开放对产业结构产生影响，进而影响产业分化状态的分析，人工智能可以通过高技术产品对外贸易增长渠道来提升生产效率，促进产业分工，降低交易成本，进而影响产业分化。高技术产品对外贸易增长指标hightrade可以利用高技术产品进出口额增长率来衡量，通过引入人工智能与高技术产品进出口额增长率的交互项，验证人工智能是否通过增加高技术产品对外贸易额来促进一国或地区的产业分化度。高技术产品对外贸易增长效应的机制检验结果见表9。

由表9结果可知，全国、东部地区和中部地区人工智能与高技术产品进出口额增长率的交互项的系数均显著大于零，符合预期，由此可以证明人工智能的发展，提高了高技术产品对外贸易额，进而促进了全国、东中部地区产业分化度的深化。

表9 高技术产品对外贸易增长机制检验的估计结果

（2）资源优化配置的机制检验

基于人工智能对产业分化的影响机制分析，人工智能发展水平的提升有助于优化资源配置，有利于提高生产效率，进而影响产业分化进程。资源配置效率指标resource的构建可参考蒲阿丽、李平(2019)的研究方法，即利用全国就业人员数量与国内生产总值之比的劳动力配置效率来表示。通过引入人工智能与劳动力配置效率的交互项，分析人工智能是否通过影响资源优化配置而导致各次产业在产业分化中变化。资源优化配置的机制检验结果见表10。

根据表10检验结果显示，全国、东部地区和中部地区人工智能与劳动力配置效率的交互项的系数均显著大于零，由此可以表明人工智能发展水平通过资源优化配置推动了中国或东中部地区产业分化度的深化。

表10 资源优化配置机制检验的估计结果

六、结论与政策含义

1.主要研究结论

文章以中国人工智能发展为背景，以产业分化为对象，运用文献研究、规范分析与实证分析相结合、构建产业分化的理论分析框架，探讨人工智能对产业分化影响的内在逻辑；运用主成分分析法从人工智能投入和人工智能产出这两个方面测算了2003—2018年中国人工智能发展程度；通过构建熵指数(EI)对全国及东、中、西部地区的产业分化度进行了测度；通过构建计量回归模型实证分析了人工智能对产业分化的影响。文章得出以下主要研究结论：

第一，运用主成分分析法测算中国2003—2018年的人工智能发展程度。结合中国高技术经济发展阶段、人工智能特征以及实际国情，根据指标选取的客观性和数据的可获得性，以基础设施建设、人力投入、财力投入来测算人工智能投入状况，以经济产出和产品产出来测算人工智能产出状况。依据七个指标综合计算的中国人工智能发展程度表现出较强的上升趋势，中国人工智能发展水平呈逐年不断持续增加的态势。

第二，构建熵指数(EI)对中国及东、中、西部地区的产业分化度进行测度。测度结果表明，全国、东部地区、中部地区以及西部地区的产业分化度趋势图非常相似，总体上全国、东部地区、中部地区以及西部地区的产业分化度趋势线持续上升，即产业分化度随着时间的推进而不断增大的趋势。尽管产业分化度总体上呈现出上升趋势，但却表现出“先抑后扬”的特征，即产业分化度趋势在2003—2010年呈现出以递减的速度上升，2011年之后表现出以递增的速度上升。同时，东部地区的产业分化度明显高于全国、中部地区和西部地区，全国的产业分化度高于中部地区和西部地区，西部地区的产业分化度最小。

第三，构建计量模型实证分析了人工智能对产业分化的影响。结果表明，全国、东部地区、中部地区人工智能发展程度对产业分化度具有显著影响，东部地区的影响尤为显著，但西部地区人工智能发展程度对产业分化度并未产生明显影响。人工智能发展水平对产业分化度的影响存在着“先抑后扬”的特征：在人工智能发展水平较低的阶段，产业分化度以递减的速率增加，在这一阶段，人工智能对产业分化的影响支持“抑制效应”；随着人工智能发展水平的不断提高，达到某一拐点之后，产业分化度以递增的速率增加，在这一阶段，人工智能对产业分化的影响支持“加速效应”。也就是说，人工智能对产业分化的影响在总体上表现出一种不断上升趋势，但在人工智能发展程度所处不同阶段，其对产业分化影响的上升速度存在不同的阶段性特征。

2.政策建议

基于上述主要研究结论，为应对人工智能对产业分化所产生的影响，文章提出以下政策建议。

（1）完善劳动力市场体系，防范结构性失业风险

随着人工智能发展水平的不断提升，人工智能将对产业分化产生“加速效应”，产业结构的加快调整与劳动力市场的就业结构不匹配造成结构性失业等问题。为此，要完善劳动力市场体系，政府、企业和劳动者三方都要在劳动力市场上发挥主体作用，共同应对人工智能发展所引起的就业替代现象。首先，为应对三次产业间的产业结构调整和区域间的产业承接与转移，减缓产业转型升级过程中部分产业快速出现产能过剩问题，政府要健全企业和个人破产保护制度，建立市场出清机制，及时评估人工智能对某些特定产业和工种的影响，并针对性地给予资金和政策上的支持。其次，企业应根据人工智能发展对劳动者技能的要求，及时为劳动者提供与人工智能技术发展相匹配的技能培训，以人工智能技术需求为导向，加强与教育机构的合作，增强劳动者适应新兴产业技术变革的要求以及产业结构就业结构的转型。最后，劳动者要有危机意识，树立终身学习的理念，积极参加政府和企业举办的劳动技能培训，不断提高学习能力，掌握人工智能发展所需要的新兴技能技术，全面提升自身综合素质以应对人工智能对就业造成的影响。

（2）发挥东中西部地区的比较优势，促进区域之间的协调平衡发展

东中部地区的人工智能发展水平比较高，尤其是东部地区，继续发挥在人工智能投入方面的优势，推动人工智能产业链高质量发展，引领并带动西部地区人工智能的发展。西部地区的人工智能发展水平还比较落后，既要鼓励发达地区人工智能技术在欠发达地区的广泛应用，也要从基础设施建设、人力物力财力等方面加大对欠发达地区人工智能发展的投入力度，缩小东中部地区与西部地区之间的差距，逐步实现区域之间的协调平衡发展。

（3）充分利用互联网构建共享型数据和技术平台，推动产业间的资源调节与整合

人工智能对产业分化的影响将改变产业分布格局，对产业结构调整产生较大冲击。首先，通过互联网平台建造产业信息聚合载体，推动产业信息系统共建共享，畅通产业链间的数据共享渠道，消除产业内部和外部出现的“数据孤岛”和“信息割裂”等现象，通过数据共建共享实现资源优化配置与高效运行，进而促进产业转型升级。其次，通过平台建设构建产业融合技术研究和共享体制机制，优化资源配置与产业分布格局，合理整合有限资源，促进三次产业间的协调发展。

（4）根据当前中国产业结构转型升级发展的需要，全方位布局人工智能与三次产业深度融合的战略规划与支撑体系

不同的产业类型应匹配不同的人工智能发展政策：对于劳动密集型产业，应通过扩大人工智能的应用范围来促进生产效率的提升；对于资本密集型产业，应运用适当的战略规划使得人工智能技术贯穿于其中以降低二者深度融合的交易成本；对于技术密集型产业，应加大技术研发的投入，提高产品的人工智能技术含量，提升产品竞争力。人工智能可发挥自身智能化技术优势，实现人工智能与劳动、资本和技术密集型产业的深度融合，促进传统产业智能化升级，推动三次产业合理有序调整。