数字经济时代下智能化、科技人力资源与产业转型升级

侯 建，刘 青

（1.河南农业大学 信息与管理科学学院，郑州 450046；2.华南理工大学 公共管理学院，广州 510641）

0 引言

数字经济已经为世界上所有国家和地区开启了新一轮的经济发展契机［1］。尤其对中国而言，逐步实现了数字化规模的跨越式发展，中国数字经济规模在2020年达39.2万亿元，占GDP的38.6%，且其名义增速3倍于同期GDP的名义增速①数据来源：《中国数字经济发展白皮书（2021年）》。。当前，中国已实现由低收入落后农业国向中等收入工业国的成功转型，并逐渐朝数字经济形态演化迈进，中国经济进入新常态，正在经历从高速增长到高质量发展的嬗变。与此同时，过去只关注短期利益而忽略自主研发的“两头在外、大出大进”的发展模式，其弊端越来越明显，产业结构失衡等结构性问题日益突出，具体表现为产能过剩与要素配置扭曲并存，产业结构的低端锁定等［2］。在此背景下，随着中国经济逐渐向新发展格局转变，中国经济结构亟须向创新驱动转变并进行战略性调整升级，将数字经济作为新时期国家竞争优势中的关键力量，促进数字化建设及其带来的结构性潜能释放，推动中国产业结构逐步向中高端演化转型［3］。

产业转型升级是经济持续高质量发展的必由之路，智能化则是数字经济时代推动经济结构转型升级的可靠手段。作为产业转型的核心要素，人工智能正融入经济社会的方方面面，从根本上对整个经济活动各环节进行重组，从而促进产业结构转型升级［1，4］。LIU等［5］认为，智能化是以认知为中心，通过机器学习、计算机视觉等智能技术增强、延伸和取代人的智力，提供全新的人机交互模式，进而改善传统产业生产模式，推动技术革新和生产力的提升［6］。智能化是涉及我国能否在数字经济时代把握住新一轮产业变革机遇的战略性问题，在创新驱动战略背景下，深刻地认识智能化对于产业转型升级的驱动作用，对于新发展格局中产业成功升级具有深远意义。

续 表

在加快转变经济发展方式、促进产业结构现代化调整进程中，科技人力资源在智能化与产业转型升级二者深度融合协调过程中的糅合作用极具讨论意义。一方面，多数学者认为，科技人力资源产出的技术创新成果可以引发需求结构变动与劳动生产变革，帮助实现资源要素的优化配置，进而影响生产成本和生产效率，积极作用于产业转型升级［7］。另一方面，周少甫等［8］研究发现人力资本的经济增长效应明显受到产业结构的影响，在人力资本和经济结构不相适应的情况下，会致使失业率过高以及劳动力市场不平衡。此外，还有研究认为，科技人力资本投资与地区创新绩效之间呈非线性关系，科技人才聚集度对技术创新有显著的负向效应［9-10］。那么，智能化对产业转型升级究竟有何影响？科技人力资源在智能化驱动产业转型升级的机制中起到何种作用？如何有效地利用科技人力资源实现智能化，帮助区域产业转型升级？这些问题都值得进行更加深入的探讨。

基于上述问题，本文的创新与贡献主要有以下方面。①首先构建了全面性、系统性的智能化评价指标体系和测度框架，为现有研究提供了系统性参考借鉴；②更为重要的是，本文创新性地将智能化与科技人力资源纳入产业升级理论机制框架，回答了数字经济时代如何有效利用科技人力资源实现智能化、帮助区域产业转型升级；在构建非线性动态面板门槛模型的基础上，创新性地验证了地区科技人力资源差异对智能化与产业升级关系造成的非线性“门槛”特征及异质性因素，明晰其作用过程中的差异性，探究实现产业转型升级的深层次作用机制，拓展智能化与产业转型升级的研究外延。

1 文献综述

在数字经济浪潮下，如何通过智能化推动产业转型升级受到越来越多学者的关注。当前学界认为智能化主要通过以下3个途径促进产业转型升级。①通过互补式替代效应提升劳动生产率［11］。多数学者认为，智能化技术能够替代人工，帮助缓解人口红利缺失导致的“用工荒”问题，改善地区要素结构，人机协同更是可以赋能劳动者从而提高劳动者生产率［12-14］。②通过溢出效应提升产业生产率进而实现产业转型升级。人工智能作为具备显著溢出效益的通用型技术，帮助孵化新兴产业的同时可以与传统农业等产业相融合，进而促进产业价值链延伸和产业结构转型升级［3］。此外，巫圣义和李晓华［15］从理论角度提出，智能化能够帮助推进产品全生命周期的有机融合、产业链资源与信息的整合优化，从而增强上下游企业的协同效应并使产业生产效率不断提升。③通过促进技术创新推动产业升级。ACEMOGLU等［16］实证发现法国制造业企业通过投入机器人参与生产实现技术型驱动，全要素生产率提升了2.4%。YOU和WEI［17］采用DEA方法研究了异质性技术进步的影响，认为资本技术进步能显著促进产业结构升级。

虽然智能化通过多种方式推进产业转型升级，但是智能化对于产业转型升级也存在不一致的作用效应。创新效率是决定产业转型升级速度和质量的根本性因素，而BRYNJOLFSSON等［18］提出“新索洛悖论”理论，即短期内智能化不会提升生产率。这一现象引起了学界讨论，一些学者认为，其产生的重要的原因之一是智能化技术对生产率和创新的影响是滞后的，这是一个需要时间积累以形成一定规模的过程，从而对生产率产生显著的积极作用［19］。李廉水等［20］也使用DEA-Malmquist模型进行实证检验，认为智能化有利于全要素生产率的提升和技术进步，但不能提高技术效率，且区域异质现象明显。

特别地，科技人力资源在探究智能化与产业转型升级的关系过程中发挥着关键性作用。一方面，研究表明，智能化会增加生产的复杂度，进而通过岗位更替和产业结构转型等倒逼人力资本提升，而高质量的人力资源也可以通过创新推动智能化［21-22］。另一方面，人力资本的高级化发展又会通过影响生产效率、创新效率促进技术结构升级和产业结构转型升级［23］。此外，刘新智和沈方［24］认为人力资本与产业转型升级之间存在复杂的双向互动关系，产业转型升级可以通过调整自身的过程以及提高人力资本投入回收来反向促进人力资本存量与质量的提升。WANG等［25］结合空间杜宾模型更深层地剖析了异质性人力资本对产业转型升级的作用，其结果表明虽然人力资本总量的提升能促进产业升级，但某些类型（如高等教育）的人力资本促进产业升级，其他类型（如初级教育）人力资本则是负向作用。由此看来，在经济增长新常态与人口红利瓶颈的双重背景下，科技人力资源作为经济和区域高质量发展的有效助推剂，智能化驱动产业转型升级路径还需倚仗科技人力资源的重要支撑作用。值得注意的是，智能化、科技人力资源与产业转型升级三者之间可能存在复杂动态的非线性关系。

综上所述，数字时代下智能化对于我国推进数字经济发展、实现智能制造具有重要意义。已有研究做出了引导性尝试和理论参考，但仍有待突破和改进之处。

第一，现有研究对于智能化的系统性体系框架研究匮乏，且单一视角可能造成计量偏差，有必要进一步拓展。本文在数字经济高质量转型发展的背景下，基于理论和现实研究基础，全面系统地构建了智能化评价指标体系研究框架，并将智能化作为核心动力来源，考察中国各地区智能化对产业转型升级的机制效应。

第二，现有研究较多关注智能化与产业转型升级过程中对劳动就业的影响，而较为缺乏以科技人力资源为视角切入的差异性研究，且普遍忽视二者作用过程中科技人力资源的作用和非线性特征。基于此，本文考虑将科技人力资源作为门槛，首次将科技人力资源阈值因素引入智能化与产业转型升级的复杂机制，探究不同程度的科技人力资源在智能化与产业转型升级之间的非线性影响。

第三，为避免或减小现有研究计量方法上的误差，本文采用改进的动态门槛回归方法，构建了不同科技人力资源门槛变化区间下智能化影响产业转型升级的动态门槛模型，考虑了模型的内生性和动态变化，使结果更加稳健，为探索产业转型升级的路径选择与政策设计提供了有力的理论支撑和可靠的方案参考。

2 智能化测度

2.1 指标构建

在当前新一轮科技革命和产业革命迅猛发展的新形势下，智能化成为中国社会经济发展的关键性突破口和获取核心竞争力的新引擎［26］。然而，目前智能化衡量尚未形成统一体系，也未科学地运用变量数据［4］。在此背景下，构建智能化评价指标体系，以科学、系统地衡量中国现阶段智能化发展水平，能够为各区域提供自评估诊断的方法和标准参考，对于推动我国智能化发展具有极其深远的意义。智能化是利用大数据、物联网等智能化技术与经济社会各个行业的融合应用，实现对人的智力、体力替代和劳动效率的提升，进而实现经济效益和社会效益的提升。李廉水等［27］认为，基础设施投入及软件技术的开发和应用都是实现智能化不可或缺的环节，最终目标是增加社会经济效益。孙早和侯玉琳［28］利用了涵盖基础建设、生产应用、竞争力和效益3个方面的10个细化指标，使用主成分分析法对智能化水平进行衡量。张万里和宣旸［6］利用主成分分析法，从软件使用、智能仪器设备使用、机器人使用、智能化企业创新等7个方面进行测算。王立平和李缓［29］运用熵值法对包括智能技术、智能应用、智能效益3个方面的10个指标进行了有效衡量。本文在把握智能化内涵的基础上，总结对比相关文献的各级评价指标设置，兼顾测度指标层次性与数据可得性，构建了包括智能基础、智能效益、智能创新3个子系统共计11个指标的测度体系，为智能化指标体系的构建提供了借鉴。其中，本文考虑了个别指标在不同行业的差异，例如在智能基础指标方面，载体建设运用高技术产业研发机构个数代理表示［6，26-28］：一方面是由该指标对应的最具代表性的特征行业表示，较为明显和典型地体现了某个区域智能化的发展特征；另一方面，全面地体现了区域智能化发展差异，更有效地展示了数据结构特征和对比情况。这与现有研究ZHAO等［3］、季良玉［26］的做法保持一致。基于李廉水等［27］、孙早和侯玉琳［28］的研究和数据限制，代表性指标无法分解测算，但在现有研究控制范围和信效度内并没有造成较大的实际结果偏差。

2010年之后《中国科技统计年鉴》统一变更为规模以上工业企业创新数据［30］，而《中国电子信息产业统计年鉴》公布的计算机、电子元器件和仪器设备进口额、软件企业个数指标相关测算数据中缺乏自2021年以来至今的相关数据。为避免明显偏差，本文选择2011—2020年中国29省市的年鉴相关数据进行研究。

熵值法采用客观赋权，在一定程度上消除了人为因素和主观评价性，同时也能够采取归一化方法对数据进行无量纲的处理等［1，29］。相对来说，主成分分析法依据原始数据信息结构，通过求取指标的方差累计贡献率来确定权重，消除了相关变量对综合结果的影响［6］。因此，本文采用熵值法以避免主观因素造成的偏差，使对智能化水平的测度更具有合理性。

各评价指标权重的计算结果如表1所示。由表1可知，3个子系统对智能化水平均有影响，其中：智能创新占比最大，权重为0.400，说明智能创新是智能化的最主要因素；其次是智能效益，权重为0.334；最后是智能基础，权重为0.266。11个测度指标中，各指标的权重大小有一定差异。智能技术熵值最小，所含信息量最大，权重为0.153，对全面评价的影响最大。然后，熵值从小到大依次是创新技术、载体建设、发展效率、人才保证、智能服务、智能化应用水平、企业发展、产业运行、基础设施和信息资源采集能力，所占权重依次是0.143、0.135、0.110、0.104、0.090、0.084、0.077、0.050、0.028、0.026。其中，互联网上网人数熵值最大，所含信息量最小，对智能化全面评价的影响最小。

表1 智能化测算体系Tab.1 Intelligence measurement system

2.2 区域智能化水平测算结果及分析

根据表2，通过熵值法测算的结果可以看出，2010—2019年我国智能化的平均值为0.034 483，表明当前我国智能化整体水平仍然偏低，存在一定的发展空间。

表2 2010—2019年中国区域智能化水平Tab.2 China’s regional intelligence level from 2010 to 2019

图1中各省份智能化发展区域异质性显著，东部地区的广东、江苏、浙江、上海、北京、山东、福建的智能化水平位列全国前7位，高于全国平均水平。还有22个省份智能化水平均值低于全国平均水平（＜0.034 483），存在较大的提升空间，尤其是甘肃、内蒙古、海南、新疆、宁夏等地区，智能化水平位于全国倒数前5，大部分来自西北地区。

图1 2010—2019年中国区域智能化水平Fig.1 China’s regional intelligence level from 2010 to 2019

3 研究设计

3.1 数据来源

本文选取2011—2020年我国省级区域的年鉴数据进行研究（其中青海、西藏、香港、澳门和台湾地区数据缺失）。原始数据均来自国家统计局、《中国统计年鉴（2011—2020）》《中国电子信息产业统计年鉴（2011—2020）》《中国科技统计年鉴（2011—2020）》《中国高技术产业统计年鉴（2011—2020）》。

3.2 变量测量

3.2.1 被解释变量：产业转型升级（ISR）一般来说，技术含量越高、附加值越大的产业占比越大，产业结构持续优化升级。结合中国实际环境，本文借鉴YU和WANG［33］、王森等［34］的方法，考虑三次产业比例及产值比重变化，构造产业转型升级指数。

其中，xi表示第i产业产值占地区总产值的比重，1≤ISR≤3。

3.2.2 核心解释变量：智能化（IND）即上文构建智能化体系的测算结果。

3.2.3 门槛变量：科技人力资源（STR）在新发展格局下，科技创新是产业转型升级的引擎推动力，具备充足知识积累和丰富创造力的科技人力资源能够通过技术、市场和全产业链创新来提升劳动生产率、创造新的消费需求，进而驱动产业转型升级［35］。鉴于此，本文采用分区域的R&D人员全时当量测量科技人力资源［10］。

3.2.4 控制变量 本文采用了以下4个控制变量。

1）消费水平（CON）。消费对经济发展起基础性作用，消费水平增长也意味着居民对于技术含量、服务质量更佳的产品和服务有更大的需求，从而促进产业转型升级［36］。本文采用城镇居民家庭人均消费支出占可支配收入的比重来表示。

2）政府支持（GOV）。政府产业政策调控显著影响产业转型升级。本文以政府财政支出占GDP比重来表示［6，34］。

3）生产规模（SIZ）。生产规模的溢出效应会使企业更加容易以低成本快速扩大企业规模并创造新产品，进而形成新的经济地理格局，影响产业市场规模的大小、产业规模经济效应和产业转型升级［37］，故本文采用地区生产总值与全国生产总值的比值进行测算［33］。

4）金融发展水平（FIN）。金融发展使得资源配置更加合理化，能够为新兴产业和技术的发展提供持续充足的资金，还能够通过网络经济效应来促进产业结构升级［4］。本文运用金融业增加值占GDP比重衡量金融发展水平［34］。

3.3 动态门槛模型设计

由于区域异质性显著，忽视我国不同区域科技人力资源的阈值因素将会导致区域产业转型影响机制出现偏差，即非线性结构化问题［38］。HANSEN［39］提出的面板阈值回归模型方法使用阈值变量来确定结构变化点，利用样本数据的特点搜索真正的阈值，从而避免了主观分组及交叉项估算的偏差。而这一传统的门槛估计方法无法反映样本对象的动态变化或滞后效应，也忽略了内生变量的处理，只适用于静态面板估计［10］。鉴于智能化是一个动态变化的过程，本文采用改进的动态门槛回归模型，加入因变量滞后项对模型进行改进，并依据门槛值划分不同的门槛区间，进而用一阶差分GMM法［40］对区间参数进行估计，充分反映产业转型升级的前期依赖和动态变化。

基于本文研究主题和现有研究，设置被解释变量为产业转型升级（ISR），核心解释变量为智能化（IND），门槛变量为科技人力资源（STR）［10，33-35］。鉴于智能化是一个动态变化的过程，需要考虑前期的惯性延续对后期的影响，因此，本文引入相应滞后项以捕捉智能化的动态特征，保证模型的合理性。进一步地，本文考虑影响产业转型升级的其他重要控制因素来保持实证结果更加稳健，加入消费水平（CON）、政府支持（GOV）、生产规模（SIZ）和金融发展水平（FIN）4个控制变量［6，29，36-37］，考察区域不同科技人力资源门槛下智能化对产业转型升级的作用，设定动态面板门槛模型，以单一门槛为例。

动态面板多门槛模型的公式如下，以双门槛为例。

其中，L1、L2为滞后项，I（·）为指示函数，γ为变量门槛值，μi为个体的特定效应，vt为时间的特定效应，εit是随机干扰项。鉴于产业转型升级变量存在一定的时滞，引入了相应滞后的数据进行计算。

3.4 数据描述性统计

表3为所有变量的描述性统计。由表3可知，在考察的290个样本数据中，智能化、产业转型升级、科技人力资源、消费水平、政府支持、生产规模和金融发展水平均值分别为0.034、2.361、12.662、0.690、0.234、0.034、0.065，均略高于中位数0.017、2.337、8.648、0.689、0.221、0.026、0.061。科技人力资源相对其他观测变量标准差值较大，为13.817，这在一定程度上也表明，在观测样本数据中科技人力资源的离散程度较大，各区域科技人力资源水平存在较为明显的差异。智能化、产业转型升级、科技人力资源、消费水平、政府支持、生产规模和金融发展水平最小值分别为0.001、2.127、0.489、0.598、0.106、0.004、0.025，最大值依次分别为0.364、2.832、80.321、0.799、0.457、0.109、0.196。

表3 变量的描述性统计Tab.3 Descriptive statistics of variables

4 科技人力资源的门槛效应

将科技人力资源异质门槛作为切入点，采用上述动态面板门槛模型重点探讨智能化对产业转型升级的复杂机制作用。首先，通过门槛效果检验得到F值和“自抽样法”p值［41］。表4中，单一门槛在5%水平上显著，双重门槛在1%水平上显著，三重门槛并不十分显著，自抽样p值为0.057，由此可知，模型存在显著的科技人力资源双重门槛效应。因此，关于智能化对产业转型升级的驱动作用，本文采用双重科技人力资源门槛模型进行估计。

表4 门槛效果检验Tab.4 Threshold effect test

其次，基于双重门槛模型估计的结果表明，智能化对产业转型升级影响作用中的科技人力资源双重门槛值是13.331和5.494，两个门槛估计值分别在95%置信区间［12.832，14.482］和［5.062，5.716］之内，结果如表5所示。因此，根据这两个门槛数据可以划分为低水平科技人力资源（STR≤5.494）、中等水平科技人力资源（5.494＜STR≤13.331）、高水平科技人力资源（STR＞13.331）3类。对应的门槛“似然比”函数如图2所示，表明模型存在显著双门槛结构。

表5 门槛值估计结果Tab.5 Threshold estimation results

图2 科技人力资源门槛置信区间Fig.2 Threshold confidence interval of science-technology human resources

进一步以一阶差分GMM动态回归比较不同门槛水平差异下的门槛效应，估计结果如表6所示。根据表6可知，整体上，在科技人力资源视角下，智能化对产业转型升级呈现U形关系。随着科技人力资源水平的增强，产业转型升级驱动机制存在差异。局部来看，智能化对产业转型升级的科技人力资源双重门槛条件下，科技人力资源水平低于门槛值5.494时，智能化对产业转型升级具有显著的负向抑制作用；而在5.494和13.331之间时，智能化对产业转型升级的抑制影响明显减弱，然后随着科技人力资源水平继续提高，当超过13.331时，智能化开始正向促进产业转型升级。由此可知，智能化对于产业转型升级呈现出显著的科技人力资源门槛效应，低于门槛值时，智能化的加强并不利于产业转型升级，当超过门槛值时，智能化的增强对产业转型升级起到促进作用。

一方面，当科技人力资源水平较低时，智能化会抑制产业转型升级。技术创新在推动传统产业转型变革和孕育培养新兴产业的过程中起到核心驱动作用，当科技人力资源处于较低水平时，产品以低端为主，产业可调动的关键创新资源有限，科技人力资源创新成果产出相对较少，因而难以驱动关键领域的技术突破以及与传统产业的融合发展，智能化缺乏创新基础。而且现阶段情境下，人工智能仍旧主要是简单重复劳动生产过程中人力的替代，不具备人的自然属性，因而不具备创新生产能力。智能化对知识和技能的要求日益提高，较低的科技人力资源无法匹配智能化水平提出的新要求，进而无法通过产业智能化的互补替代效应、溢出效应和创新效应实现产业转型升级过程中资本和劳动的节约。而企业层面，智能化转型需要较大的现金和较高水平的人才投入，企业需承担巨大的成本压力，因而缺乏智能化升级动力，智能化的实现基础薄弱，无法有效稳定推动智能化，进而抑制产业转型升级［29］。此种情况下，一味地通过资金、要素驱动智能化而科技人力资源水平与智能化水平不协调，只会加重企业的生产成本，造成企业智能基础资源的无效损耗。此时，破解产业转型升级发展瓶颈的突破口是增强区域科技人力资源储备，利用其显著的创新属性实现生产要素的高效配置和技术效率的显著提升，进而推动创新效率，为智能化的有效发展积聚动能。

另一方面，科技人力资源水平的提高意味着区域人才集聚度增强，此时智能化促进产业转型升级。人才是智能化的根本与基础，作为创新主体，科技人力资源质量决定了智能化发展水平。人工智能时代下，产业需要由劳动力密集型向知识型、技能型产业转变，而这对劳动力的高知识积累提出了根本要求［9］。科技人力资源作为知识和技术的关键载体，可以通过多种形式极大地提高科技创新效率和智能化水平。此外，科技人力资源还具有流动性，优秀的产业政策容易吸引高级人力资本集聚，改善生产要素禀赋结构，激发科技人力资源的知识溢出效应和集聚效应，提升他人的劳动生产率，为智能化发展创造更加和谐的环境氛围并推动区域产业转型升级。而从消费角度来看，较高水平的科技人力资源还会造成产品需求结构的变动，倒逼智能化水平提升与产业结构转型升级［24］。当技术扩散程度达到较高水平时，科技人力资源等科技要素配置与科技产品需求二者共同作用，引领技术进步，加快智能化发展，进而推动产业结构实现转型升级。

总之，在一定的科技人力资源水平下，此时区域自主创新力度不足，科技人力资源水平与智能化的发展要求不匹配，智能化的提升会抑制产业转型升级。随着科技人力资源水平的不断提高，企业的自主创新能力在一定程度上也会得到提升，科技人力资源的溢出效应更加明显，帮助提升生产率、进行更有效的技术创新和创新成果的转换，促进产业转型升级。

产业转型升级的其他驱动力方面，金融发展水平对于产业转型升级产生了显著的正向促进作用。金融业是经济发展的核心，其发展水平越高，代表市场体系愈加完善，越有利于借助于自身的基础优势吸收各方要素资本，进而形成较为完善的技术创新体系。此外，发展金融业能为整体经济提供物质条件支撑，并促使资源流向最有价值的生产项目，从而促进行业的长足发展和产业转型升级。政府作为制度环境的提供者，可以通过信贷、研发补贴、价格、进出口管制、要素分配等促进产业转型升级。值得注意的是，样本期间政府支持对于产业转型升级具有负向影响。为推进产业转型升级，政府必须引导产业突破技术锁定陷阱，然而，当前我国规模大、资本密集度高的行业上游被国企占据，此种情况下，短期内可能实现经济增长，但是长期来看，国企经营管理的低效以及对市场自主创新的阻滞等负面影响会逐渐显现，从而抑制产业转型升级［42］。样本期间消费水平和生产规模对产业转型升级的影响均为负，从供需关系角度来看居民消费是产业升级的一大驱动力，然而消费需求总量不足、消费结构和分配制度的不合理会阻碍居民消费力对创新产品形成有效需求，进而抑制产业转型升级［36］；因区域发展的资源禀赋不同，生产规模尤其是劳动密集型行业生产规模持续增长，易导致企业间高度竞争争夺要素资源，形成要素拥塞和“路径锁定”效应，一定程度上阻碍产业的转型升级。

最后，滞后项在1%水平上显著，说明动态模型构建合理。Sargan检验Prob＞Chi2=0.957，并没有拒绝工具变量有效原假设。AR（1）、AR（2）检验结果如表7所示，采用一阶差分GMM同样较为稳健合理。

表7 AR（1）与AR（2）检验Tab.7 AR（1）and AR（2）test

5 结论与启示

5.1 研究结论

本文构建涵盖智能基础、智能效益、智能创新3个子系统11个二级指标在内的区域智能化指标体系，借助熵值法对中国29个省份的智能化水平进行评估，运用动态面板门槛回归模型的计量方法，在考虑不同地区科技人力资源水平差异的门槛情境下，系统地探究了智能化路径对产业转型升级的科技人力资源动态门槛效应，并得到以下结论。①我国智能化整体水平较低，存在一定发展空间，而且区域异质性显著，实现区域智能化依然道阻且长。②智能化对于产业转型升级的作用显著受限于科技人力资源水平的异质性影响。较低的科技人力资源水平在一定程度上无法有效地激发智能化的驱动效应，对于产业转型升级起到抑制作用，目前大部分区域需要警惕低水平科技人力资源的负向门槛效应。而当科技人力资源水平进一步提高，超过阈值时，将有利于推动智能化促进产业转型升级。③就产业转型升级的其他驱动力而言，区域金融发展水平显著推动了产业转型升级，而政府支持、消费水平和生产规模在样本期间内并没有充分发挥对产业转型升级的促进作用。

5.2 理论贡献

当前，数字经济与实体经济融合发展不断提速，数字经济背景下智能化在优化产业结构、增强经济韧性、实现经济高质量发展等方面具有举足轻重的意义，成为实现产业转型升级、释放结构性潜能的持续动力。本文的理论贡献主要体现在以下方面。

在理论层面上，现有研究多集中于单纯的地区产业升级影响因素问题，缺乏将新环境变化下智能化这一重要动力因素的作用机理纳入研究，尤其在我国数字经济转型发展期，区域科技人力资源异质性严重，更不能孤立地看待智能化、科技人力资源差异和产业转型升级关系问题，而应将其置于同一个框架下进行分析。为弥补现有研究不足，本文创新性地将智能化与科技人力资源纳入产业升级理论机制框架，回答了数字经济时代如何有效利用科技人力资源实现智能化、帮助区域产业转型升级，验证了地区科技人力资源差异对智能化与产业升级关系造成的非线性“门槛”特征及异质性因素，对我国根据不同地区的科技人力资源差异展开实施差别化的智能化能力从而提升驱动发展的战略构想，无疑具有重要理论意义，拓展了区域产业结构升级的理论分析框架。

在研究体系上，当前研究并没有统一的标准和框架对宏观层面的智能化水平进行测度。因此，本文基于智能化概念界定和测度分析理论，将智能化内涵作为选取指标时的基本原则，构建了包含智能基础、智能效益、智能创新3个子系统、11个测度指标的智能化评价指标体系和测度框架，对各区域智能化水平进行相对全面、科学的衡量，克服智能化指标框架单一视角而造成的计量偏差，为现有研究提供了系统性参考借鉴。

在内容意义上，区别于已有研究，本文在数字化转型战略指导下，以区域科技人力资源差异切入，对区域智能化的产业升级机制进行透彻解读，求解智能化现实困境，设计产业升级转型优化机制，明晰区域转型过程存在的差异性和适宜性，在不同的科技人力资源特征影响效应基础上，构建数字经济时代的有效匹配体系，为决策者提供重新审视产业升级的新动能新方案，以期为产业智能化发展找出更加有效的落脚点，提出切实可行的匹配政策体系。

5.3 政策建议

本文更加关注数字经济时代智能化对产业转型升级的影响作用，通过对研究结论的阐述更好地从产业转型升级的视角来认识智能化，并结合科技人力资源异质门槛机制为发挥智能化的作用提供多元化的路径体系，通过推动智能化促进产业转型升级。因此，提出以下建议。

第一，针对我国智能化区域发展问题，虽然智能化对总体经济的渗透率逐步升高，但现阶段我国的智能化整体处于低水平的初级阶段，且空间异质性特征明显，提升智能化水平关键在于智能基础的投入、智能效益的实现以及智能创新效率的提升。对于广东、江苏、浙江等智能化水平相对较高的地区，一方面，应当充分发挥其良好的智能化基础优势，实现与各经济领域的深度融合，进一步提升智能化带来的社会经济效益；另一方面，加强智能化前沿技术的研发，以技术创新驱动应用变革，为区域智能化发展注入不竭动力。而对于海南、宁夏、新疆等地区，长期以来受到地理位置偏远、经济基础薄弱、产业与人才结构配置扭曲等关键影响要素的掣肘，当务之急是增强并巩固智能基础，加大新型基础设施投入力度，完善智能化发展政策法规，鼓励传统产业引进先进设备工艺，实现传统产业与智能化技术融合，改善产业生产模式并提高产品附加值，降低企业智能化转型成本。

第二，在数字经济高质量发展的转型关键期，推动智能化是引导我国产业转型升级、经济由劳动密集型转向资本和技术密集型的重要路径。面对当前产业链中低端锁定、要素配置效率低等问题，智能化驱动产业转型升级成为破解我国发展困境、实现经济高质量发展的必然选择。①政府应不断加强对智能化技术创新的重视度，提高技术吸收和内化能力，利用创新效应提升产业生产率。②完善产业政策，加强信息和生产要素的流动，将智能化技术运用到传统产业发展模式的革新和新兴产业的孵化中，充分利用智能化技术的溢出效应，有效协调产业多方利益相关者，解决产业“逐步消散的困境”。

更加重要的是，现实中应注重区域产业转型升级路径的科技人力资源的时空异质性效应，根据区域具体情况正确选择最优驱动路径。智能化是产业转型升级的有效驱动因素和策略，但目前大部分地区科技人力资源水平未跨过门槛值，因此，政府应该根据实际生产环境，合理规划智能化进程。对于科技人力资源水平较低的区域，应该完善地方人才政策，加强优秀人才的培育和引入，积极优化教育科研的要素投入比例，推动科技人力资源水平尽快越过拐点，循序渐进地进行升级改造，避免盲目跟风投资，充分发挥科技人力资源的创新属性，提升劳动生产率；对于科技人力资源水平高的区域，应该稳中求进，鼓励进行创新研发和技术运用，引导社会需求结构变化，进一步通过技术、市场和全产业链创新驱动有效地推进产业转型升级。

第三，对于其他推动产业转型升级的重要控制因素。①深化金融支持，切实提高产业资金配置效率，推动资本流向高附加值产品生产企业。②要做好产业政策的顶层设计，防止或消除阻碍社会发展的技术封锁，放松对中小企业的信贷约束等限制，改善民企经营和融资环境，充分调动市场活力，推动产业转型升级。③在刺激消费需求的同时，依托“互联网+”和区块链等现代信息技术探索新的消费增长点，瞄准服务消费和信息消费的新业态，拉动产业转型升级。④要科学规划和架构互补性产业发展体系，采取功能性产业政策改善区域禀赋结构，促进跨产业知识溢出和技术耦合，促进市场分工，加强区域联系，发挥产业集聚的外部性消解路径锁定难题，促进产业转型升级。⑤科学规划区域产业发展路径，合理调控生产规模，并促使劳动密集型企业与新经济有机融合实现降本增效，摆脱对传统劳动力和资源要素的依赖，切忌竭泽而渔，加强政策帮扶力度，增强资本和技术投资，改善区域禀赋结构，通过供给侧改革以解决路径锁定难题，助力产业转型升级。

5.4 研究局限与展望

第一，由于现有统计资料数据可获得性与适用性的限制，本文选取样本数据主要关注样本期间区域宏观层面，随着数据不断更新，之后的研究可考虑适当扩大样本范围。第二，产业转型异质性门槛因素除了本文关注的科技人力资源视角外，可能还存在行业创新、知识基础及环境规制等其他因素影响，而且可以进一步探索企业微观差异等方面的异质机制效应分析，这些将是未来深入研究的重点。