我国智慧养老服务效率存在的问题与改进路径——基于2015—2020年数据的分析

李兆友， 赵 庚， 赵 萌

(东北大学 文法学院， 辽宁 沈阳 110819)

我国老年人占总人口比重明显上升，80岁以下的低龄老人基数较大，国家面临急速老龄化的压力，随着我国慢性病发病数越来越多，老年人慢性病的负担愈发加重，相应的医疗和养老体系因老龄化的加剧面临重大挑战。[1]面对挑战，传统养老服务缺乏系统性优势，供给能力不足，区域资源调配和适配较为低效，难以适应严峻的老龄化形势。受区域经济发展不均衡的影响，养老的供需结构性矛盾不断加大，传统养老资源的区域适配并不协调，当前养老体系的组织结构和组织方式难以灵活应对[2]。智慧养老服务概念起源于智慧城市，最早由英国生命信托基金会提出，要求在满足老年人的多样化、个性化需求的基础上，借助信息科技的力量实现绿色养老、环保养老。智慧养老服务是养老领域的新业态、新模式，智能化程度更高，供给能力更强。推进智慧养老服务的高质量发展，有利于解决当前的快速老龄化问题。在新发展格局下，国家对智慧养老高质量发展的关注增加，2017年3月，国务院推出《“十三五”国家老龄事业发展和养老体系建设规划》，同年推出《服务业创新发展大纲(2017—2025)》提出要推进发展智慧养老的进程。2020年10月，《中国共产党第十九届中央委员会第五次全体会议公报》指出，应在国家战略层面积极应对老龄化，同年12月国务院办公厅提出促进养老服务高质量发展的意见。传统养老存在的供需双方博弈激烈、财政政策困境、普惠性不强等问题难以解决。[3-5]新兴科技革命的浪潮愈演愈烈，包括养老在内的社会管理和服务方式产生了重要的挑战，面对智慧技术浪潮不可逆的态势，智慧养老服务是顺应时代特征的科学选择。[6]在高质量发展的背景下，关注智慧养老服务效率存在的问题及其改进路径，将有助于智慧养老产业的高质量可持续发展。

一、 相关研究回顾

智慧养老服务相比于传统养老服务具有明显的优势，深入探讨智慧养老服务的相关问题，对养老问题的解决具有重要意义，国内针对智慧养老服务的研究集中在以下3个方面：

1. 智慧养老服务模式和体系方面。李彩宁更为关注多主体、多层次需求的智慧养老服务体系，从多维分析视角阐释了智慧养老的概念及内涵。[7]张锐昕认为，应借助价值嵌入、技术赋能和交互增慧等方式，以顶层驱动和分层整合的方案推进智慧养老体系的建设。[8]朱海龙认为，应提高养老服务业的专业化水平和职业地位,改变养老服务业业态,逐步形成智慧性的养老服务的内容、标准与操作体系，进而形成服务模式转变。[9]贾玉娇、彭聪等认为，智慧养老服务存在重供给轻需求、重物质轻情感、重技术轻体验、认知偏差、过度行政化、市场参与不足、使用与效能低下等问题, 智慧养老作为新兴业态尚处于初级探索阶段。[10-11]魏强认为，应重视构建多元化智慧养老模式、推进老年环境适老化、智能化建设、鼓励社会力量广泛参与，这是推进积极老龄化的重要途径。[12]

2. 智慧养老产业优化方面。廖喜生从产业链整合研究出发，探究了智慧养老产业链五维整合模式及发展路径。[13]王晓慧认为，产业存在供需结构矛盾、行业标准不完善、资金来源单一、社会资本参与率不足等问题，政府应承担标准制定、网络系统建设与宣传的责任。[14]杨芳认为，智慧养老产业发展不仅需要技术的创新,还需要理念的转变、资源的整合和组织的协同。[15]张博认为，智慧养老产业优化基本思路是，推进先进人工智能与健康养老产业的有机融合，加快智慧健康养老供给侧改革,扩大智慧健康养老产业有效供给。[16]韦艳、吴雪、杨武等智慧养老产业优化存在的问题主要集中在专业人员稀缺、供需结构错配、产业供给不足等方向。[17-19]

3. 智慧养老产业政策和技术方面。黄剑锋研究了智慧养老产业政策在环境型等政策工具方面的区别,以及不同阶段下政策工具使用的差异性。[20]韩烨认为，智慧养老产业存在医养结合模式区域发展不均衡、数据库建设属地性明显、强势地方政府影响社会力量发挥作用、社会力量参与服务供给“软件”缺失、城市养老服务缺乏系统融合。[21]魏蒙认为，智慧养老的研究深度和系统性不足，不能紧跟智慧产业快速发展的步伐，难以满足政府制定相关政策、企业开发相关项目的需求。[22]贾妍认为智慧养老需依托大数据和端—网—云技术,构建大数据驱动的新型养老模式，应优化资源配置,精准对接养老供需,实现数据流驱动的服务流与资金流的协调统一。[23]赵奕钧研究了人工智能、互联网等技术在养老服务领域的深度融合问题，养老资源的无缝对接和优化配给，能够达到全天候、全方位地提供精准化服务和人性化关怀。[24]权(Kwon)、贾拉尔(Jalal)等认为，健康智能家居、健康可穿戴设备产业的蓬勃发展，提高智慧养老服务生态的配套技术水平。[25-26]摩忠德(Majumder)、余(Yu)等将家庭自动化、医疗辅助设备、传感器等相结合，通过大数据、云计算等技术为独居老年人设计出智慧养老平台。[27-28]

综合来看，有关学者在智慧养老服务模式、产业优化、产业政策等方面进行了深入研究，但有关研究在剖析智慧养老的相关问题时，给出的是定性结论，缺乏实际数据支撑和验证，提出的建议缺乏定量研究的支持。鉴于此，本文选取我国2015—2020年有关数据，尝试采用定量研究方法，通过三阶段超效率混合距离(EBM)模型分析年我国不同地域智慧养老服务效率的时空格局特征及差异；通过投影分析方法测定区域智慧养老服务的投入冗余率及产出不足率，为智慧养老服务效率的改进提供可量化、能操作的优化路径，以期为智慧养老的高质量可持续发展提供实证支持。

二、 模型建立、指标体系与数据说明

(一) 超效率混合距离(EBM)模型

数据包络分析方法是针对多投入产出系统的效率评价方法。1978年，查纳斯(A.Charnes)、库伯(W.W.Cooper)等提出了“数据包络分析法”(Data Envelopment Analysis，DEA)，无须设定具体的函数，提出了规模报酬不变的径向距离(CCR)模型。[29]1984年，班克(Banker)、查纳斯(Charnes)、库伯(Cooper)提出可变规模报酬的径向距离(BCC)模型。[30]上述模型多是从径向角度出发，计算目标函数。在现实生产中的约束条件不可能过于单一，一定会有投入产出松弛变量的存在。因此通过径向角度计算的方向距离函数会对结果的稳定性和准确性产生影响。基于此，2007年法勒(Fare)和格罗斯科夫(Grosskopf)提出了非径向的至强有效前沿的最远距离(SBM)的方向性距离函数。[31]

非径向的至强有效前沿的最远距离(SBM)模型可以直接测量生产前沿面相比的非效率，能有效解决投入产出松弛问题，但该模型是以损失效率前沿投影值的原始比例信息为代价的。虽然传统的径向距离模型存在诸多问题和局限，但为了使智慧养老服务效率的测算更为合理，本文拟采用一种同时包含径向和非径向距离函数的混合距离函数(EBM)。该模型可以综合径向与非径向模型的优势，解决至强有效前沿的最远距离(SBM)模型存在损失效率前沿的要素原始比例信息的问题。本文构建的初始混合距离(EBM)模型如下：

(1)

(二) 三阶段超效率混合距离(EBM)模型

由于智慧养老服务效率采用数据包络分析方法进行研究，其将智慧养老服务抽象为一个具体的生产过程，生产的投入和产出的配比决定了智慧养老服务效率的高低，所以在探究智慧养老服务效率的改进路径时，直接采用传统的回归估计方法，判别智慧养老服务的影响因素对智慧养老服务效率的影响。当选取社会环境变量作为影响因素时，忽视了具体的生产过程，不能直接影响到智慧养老服务投入产出的具体变量；当选取智慧养老服务生产过程中的变量作为影响因素时，如果选取智慧养老服务效率作为回归的因变量，由于智慧养老服务效率是根据投入产出变量测算出来的，而这将导致回归的估计误差。综上，选取三阶段超效率混合距离(EBM)模型和投影分析方法来测度智慧养老服务效率及其改进路径。

第一阶段超效率混合距离(S-EBM)模型。本文采用超效率混合距离(S-EBM)模型,测算智慧养老服务效率。混合距离(EBM)模型有效的兼顾径向和非径向模型的优点，采用超效率混合距离(S-EBM)模型可以更为有效的评价智慧养老服务效率。具体见式(1)。

第二阶段随机前沿方法(SFA)回归模型。在数据包络分析(DEA)模型中，决策单元的绩效受到管理无效率、环境因素和统计噪声的影响，因此有必要分离这3种影响。随机前沿方法(SFA)回归目的是剔除环境因素和随机因素对智慧养老服务效率测度的影响。为了修正第一阶段混合距离(EBM)模型的松弛变量，可以构造如下随机前沿方法(SFA)回归函数：

Sni=f(Zi;βn)+vni+μni;

i=1,2,…,I;n=1,2,…,N

(2)

随机前沿方法(SFA)调整公式如下：

i=1,2,…,I;n=1,2,…,N

(3)

第三阶段修正后的超效率混合距离(S-EBM)模型。首先确定调整后的投入产出变量，通过超效率混合距离(S-EBM)模型再次测算各地区的智慧养老服务效率。此时的智慧养老服务效率已经剔除环境因素和随机因素的影响。为探究各地区智慧养老服务效率的改进路径，采用松弛变量方法来处理。

(三) 指标体系及数据说明

考虑智慧养老服务投入产出指标时，借鉴智慧城市指标体系构建的特点，同时结合智慧养老服务本身的特征[32]。在智慧养老服务投入产出指标体系构建过程中，从智慧养老服务和传统养老服务两个角度进行指标选取。传统养老服务的重点关注人力、物力和财力等方面的因素。在人力因素方面，选取养老机构年末职工数、助理社会工作师人数、社会工作师人数3个指标分别代表人力投入数量和人力投入质量。在物力和财力因素方面，选取机构床位数、设施机构数作为投入变量。智慧养老服务相比于传统养老服务的显著特点是“智慧性”，主要源自云计算、大数据、物联网等新兴技术。为度量智慧养老服务在“智慧”方面的投入，选取光缆线路长度、电话普及率、人均互联网宽带接入端口代表智慧养老服务在基础设施层面的投入，选取移动互联网用户数代表智慧养老服务在信息技术应用层面的投入，选取信息传输、软件和信息技术服务业城镇单位就业人员占比代表智慧养老服务在新兴技术领域专业人才的投入。在产出指标选取时，采用高龄补贴人数和年末收养人数代表智慧养老服务的社会福利产出，采用养老机构收入作为智慧养老服务的经济产出。在考虑影响智慧养老服务效率的环境变量时，主要参考刘益平、黄鲁成、原新等学者针对养老服务相关环境变量的度量方法，结合智慧养老服务的具体特点[33-35]。选取地区生产总值(GDP)、二三产业增加值占地区生产总值(GDP)比重、城镇化率、人口密度、人均可支配收入等5个指标作为自变量，对智慧养老服务的投入用于进行随机前沿(SFA)回归。具体指标结果见表1。

表1 智慧养老服务指标体系

由于2022年的《中国民政统计年鉴》和《中国统计年鉴》尚未发布，因此未能获取各个省份在2021年的各项投入产出指标。为确保数据的完整性与测算的准确性和科学性，选取2015—2020年各个省份面板数据进行分析。智慧养老服务投入产出指标主要来源于2016—2021年《中国民政统计年鉴》、2016—2021年《中国统计年鉴》以及各省市统计年鉴。影响智慧养老服务效率的环境变量主要来自《中国统计年鉴》。个别数据的异常值以及缺失值，通过线性差值方法进行替换和填充。

三、 我国智慧养老服务效率存在的问题

通过数据包络分析软件(MAXdeapro7.0)和随机前沿分析软件(Frontier 4.1) 对智慧养老服务效率的三阶段超效率混合距离(S-EBM)模型进行测算,研究对象为2015—2020年中国31个省级地区的智慧养老服务。第一阶段采用超效率混合距离(S-EBM)模型测算智慧养老服务效率，第二阶段采用SFA回归剔除环境因素和随机误差项对效率测算的干扰，第三阶段得到修正后的效率值。

(一) 社会经济环境变量的影响

随机前沿(SFA)回归前，对变量做共线性检验和皮尔森相关分析，结果显示主要变量均不呈现共线性，可以回归估计。随机前沿(SFA)回归结果中，各松弛变量的伽马值(gamma)都大于0.95，接近于1，即存在管理无效率项和随机误差项的影响，适合进行随机前沿(SFA)回归；单边检验值均通过了1%水平上的显著性检验，说明模型的显著性良好。X1-X5等对于各个松弛变量均具备良好的解释度，多数变量均通过了1%水平的显著性检验。

地区生产总值(GDP)、人口密度和人均可支配收入对各松弛变量整体呈现正向影响，会增加智慧养老服务投入冗余，不利于效率的提高。地方经济发展水平和人口密度较高的地区，对智慧养老服务的投资相对较高，大量的投入易产生资源浪费。第二、第三产业增加值占地区生产总值(GDP)比重和城镇化率对各松弛变量整体呈现负向影响，利于降低智慧养老服务投入冗余，即较高的技术水平和管理水平会抑制投入冗余的增加。

(二) 智慧养老服务效率的时空差异特征

第一、三阶段智慧养老服务效率对比结果显示(见表2)，经过第2阶段随机前沿(SFA)回归模型修正后, 三阶段超效率混合距离(S-EBM)模型的智慧养老服务超效率相较于一阶段有明显的下降，表明环境因素对智慧养老服务效率的影响较大，只有剔除环境因素的影响，才能有效地衡量智慧养老服务效率。

表2 环境变量的随机前沿(SFA)回归估计结果

表3 2015—2020年第一、三阶段智慧养老服务效率对比

我国智慧养老服务效率在时间维度存在的问题：超效率和技术效率代表智慧养老服务效率，2015—2017年，智慧养老服务刚刚萌芽，效率变化趋势较为平稳。2018—2019年受中美贸易摩擦的影响，智慧养老服务的投资受阻，基础设施建设推进速度降低，其服务效率从0.748缓慢下降到0.605。2019—2020年，我国新冠疫情管控的成功，较好的经济环境，促使智慧养老服务的生产规模进一步扩大，受规模效率拉动智慧养老服务效率得到明显提高，从0.605增加到0.784。技术效率是纯技术效率和规模效率的乘积，各地区智慧养老服务的纯技术效率年份均值在0.9以上，纯技术水平和管理水平相对较高，有效地拉高了智慧养老服务的效率。各地区智慧养老服务的规模效率均值为0.744，在一定程度阻碍了智慧养老服务效率的提高，说明智慧养老服务距离最优生产规模还有一定距离，规模增速有待提高，智慧养老服务的相关资源配置能力尚不成熟。

图1为2015—2020年第一、三阶段不同地区智慧养老服务效率及其分解指数的年份均值。整体来看，在剔除环境变量影响之后，第三阶段智慧养老服务效率相较于第一阶段出现了明显的下降。智慧养老服务效率在省级区域维度存在以下问题：排名靠前的省份为上海、陕西、四川，湖北，江西、江苏、山东7个省份的智慧养老服务效率均达到了相对有效，超效率分别为1.166、1.123、1.081、1.060、1.054、1.038、1.002；排名靠后的5个省份为吉林、甘肃、宁夏、天津和西藏，其智慧养老服务效率均在0.4以下。东部沿海地区的智慧养老服务效率相对较高，相对较低的地区主要集中在中部地区和西部地区。

图1 第一、三阶段不同地区智慧养老服务效率及其分解指数

第一、三阶段对比显示，西藏调整前效率值为1.916，调整后为0.094，差值为1.822；青海调整前为1.271，调整后为0.700，差值为0.569；调整差值在0.1-0.5之间的有天津、宁夏、吉林、辽宁、山西、北京等11个省级地区，主要为京津地区、东北地区、西部地区。西藏和青海智慧养老服务受环境因素的影响更为明显，当剔除环境变量的影响时，其智慧养老服务效率出现了明显的下降，个别东北地区和西部地区的部分省份也出现类似的现象，表明这些地区的智慧养老服务产业的自主性相对较低，当剔除政府推动的影响时，其智慧养老服务效率较低，产业的竞争能力较差，不利于市场竞争和可持续发展。值得注意的是，天津市也有类似现象。

(三) 智慧养老服务效率各经济区域存在问题

智慧养老服务模式作为养老服务模式的一种，具备公共产品属性。在关注智慧养老服务效率的同时，应关注智慧养老服务的区域均衡发展，这是确保智慧养老服务可持续发展的前提，一旦丧失公共品属性便不能获得政府相关资源的倾斜，如此将不利于智慧养老产业的发展和兴起。表4是2005—2020年我国八大经济地区的第三阶段智慧养老服务效率，东部沿海地区、长江中游地区、南部沿海地区的超效率值在0.8以上，这些地区智慧养老服务产业成熟度较高、竞争能力较强。东部沿海和南部沿海地区智慧养老服务的优势在于资源配置能力强，趋近最优生产规模，长江中游地区的优势在于技术和管理水平相对较高。大西北地区的智慧养老服务效率为0.352，排名最低，其技术和管理水平达到了相对有效,主要受到生产规模和资源配置能力的影响。处于第二梯队的区域为北部沿海地区、东北地区、黄河中游地区、西南地区。北部沿海、黄河中游和西南地区需要扩大智慧养老服务产业的生产规模，改善资源配置，东北地区需要增加研发能力，提高纯技术水平，优化管理制度，改善服务质量。

表4 八大经济区域智慧养老服务效率对比

总体来看，智慧养老服务效率存在三方面的问题: 第一，受智慧养老服务产业所在地区的外部经济环境变量影响，部分地区进行超前的智慧养老服务设施投资，但相关配套的技术水平和管理水平尚未跟上，这导致智慧养老服务资源投入产出配比不合理，容易造成投入冗余。第二，智慧养老服务效率的空间发展格局存在非均衡发展现象，东部沿海地区的智慧养老服务效率相对较高，相对较低的地区主要集中在中部地区和西部地区。第三，受规模效率水平较低的约束，智慧养老服务产业的综合效率达到了一定的瓶颈。高水平的规模效率要求智慧养老服务产业达到最优生产规模，即投入产出配比最优。要解决上述问题， 第一，需重点关注智慧养老服务效率未达到相对有效的地区，关注这些地区智慧养老服务效率低下的原因并提出相关改进措施。第二，应关注智慧养老服务产业的投入冗余率和产出不足率，明确智慧养老服务产业在发展过程中到底是哪些领域存在投入冗余，通过对投入产出配比的调整，使其达到最优生产规模。

四、 我国智慧养老服务效率的改进路径

智慧养老服务效率在我国各省份存在非均衡发展的特征，相较于纯技术效率特征，其规模效率的非均衡发展特征更为明显。整体来说，智慧养老服务在大多数省份均有良好的表现，但个别省份的智慧养老服务效率依旧存在较低的情况。天津、山西、吉林等25.81%的省份智慧养老服务效率处于低效率阶段，内蒙古等32.26%的省份处于中等效率阶段。这些省份的智慧养老服务效率低下主要受到规模效率的限制，例如内蒙古等29.03%的省份处于中等效率阶段，天津等22.58%的省份处于低效率阶段。可见智慧养老服务产业的最优生产规模是影响这些地区智慧养老服务效率关键因素，如何确保这些省份达到最优生产规模是当务之急。反观之，纯技术效率并未限制智慧养老服务效率的提高，甚至可以说对智慧养老效率的提高起到了拉动作用，新型的管理技术手段，确实有效提高了养老服务的能力和水平。继续扩大智慧养老服务在技术和管理上的研发投入、创新投入，利于改善其高质量服务人民群众的能力。

表5 智慧养老服务效率相对有效的地区数量及比例

要实现智慧养老服务效率的提高以及达到相对有效，需要从两方面着手：一减少智慧养老服务的投入冗余，二增加智慧养老服务的产出。从投影分析方法入手，对智慧养老服务的投入冗余和产出不足进行改进。为保证对智慧养老服务投入和产出改进的有效性，从最近一年的数据出发进行分析(见表6)。

表6 2020年相对无效省份智慧养老服务投入冗余率(%)

第一，减少智慧养老服务投入冗余方面。相对无效省份的智慧基础设施建设较为充裕，缺乏足够的应用，50%以上的智慧基础设施建设未被智慧养老服务产业充分利用。光缆线路长度、电话普及率、人均互联网宽带接入端口、移动互联网用户等方面的投入需要降低，结合对应指标的投入冗余率结果，这些指标应分别降低56.19%、64.64%、65.75%、53.44%(见表6)。智慧养老服务产业应打通相关行业壁垒，将智慧养老服务嵌套在智慧基础设施周围，进而降低该地区的智慧设施投入的冗余率。智慧养老服务产业未能发挥相关专业人员的能力和特点，即对人力资本的开发尚存在不足。信息传输、软件和信息技术服务业城镇单位就业人员占比、助理社会工作师人数、社会工作师人数的投入冗余率均值在30%—50%之间，相应指标应减少31.17%、41.95%、31.98%(见表6)。综合来看，

这些未达到相对有效的省份，关键在于未能充分利用智慧养老服务的基础设施和专业人员的专业素养，需要改革相关的组织和管理制度，以新思想认识智慧基础设施和相关专业人员，构造与之适配的新业态。

第二，扩大智慧养老服务产出方面。甘肃、天津、西藏、宁夏、山西、重庆等6各地区高龄补贴人数的不足率均大于100%(见表7)，智慧养老服务人数还有很大的拓展空间，智慧养老服务的收入不足率均值为144.18%，有较大的改进空间，智慧养老服务产业的经济收益蓝图广阔。总而观之，通过改进技术水平和管理水平、优化生产规模水平以及对投入冗余的调整，可以增加1倍的数量高龄老人服务人数，可以提高智慧养老服务产业收入的150%左右。

表7 2020年相对无效省份智慧养老服务产出不足率(%)

五、研究结论与对策建议

本文通过三阶段超效率混合距离(S-EBM)模型和投影分析方法进行量化研究，量化离定了我国各省级地区智慧养老服务效率的时空格局特征和差异，并测度出了智慧养老服务投入产出的冗余率，为智慧养老服务效率的改进提供了有效的实证支持。

(一) 研究结论

实证分析结果表明：(1) 智慧养老服务技术水平较高、但尚未达到最优生产规模的前沿面。剔除环境影响之后，第三阶段效率相较于第一阶段效率有明显的下降，环境因素对智慧养老服务效率的影响较大。说明三阶段超效率混合距离(S-EBM)模型适用于智慧养老服务效率的评价。我国智慧养老服务的纯技术效率相对较高，有效拉动了智慧养老服务效率的提高，其效率的提高主要受到规模效率的限制。例如2019—2020年，受规模效率拉动智慧养老服务效率得到明显提高。(2) 智慧养老服务效率呈现东高西低的空间非均衡特征。智慧养老服务效率在我国各省份存在非均衡发展的特征，相较于纯技术效率特征，其规模效率的非均衡发展特征更为明显。部分东北地区、西北地区和天津的智慧养老服务效率受环境因素的影响明显，这些地区的智慧养老服务产业自主性较低。东部沿海地区、长江中游地区、南部沿海地区的智慧养老服务产业成熟度较高、竞争能力较强。东部沿海和南部沿海地区的优势在于资源配置能力强，趋近最优生产规模，长江中游地区的优势在于技术和管理水平较高。大西北地区的智慧养老服务效率主要受到生产规模和资源配置能力的影响。(3) 智慧养老服务的基础设施和人力资本充裕，但利用率较低。未达到相对有效的省份,在投入上存在两种特点：一是这些省份的智慧基础设施建设较为充裕，但存在50%的以上冗余率，不能得到充分利用；二是对人力资本的利用率不足，存在30%—50%的投入冗余。

(二) 对策建议

本文基于上述研究结果给出对应建议： (1) 由于智慧养老服务效率受环境因素影响明显，因此应推动社会、政府等多行为体参与智慧养老合作，打通行业壁垒，加强良性互动，完善合作机制。政府应发挥顶层设计者的引领作用，出台利于多方行为体的政策，同时做好兜底、监督的工作。应继续加大对智慧养老服务科研创新投入的扶持力度，健全产学研协同创新网，进而保持智慧养老服务纯技术效率的高水平。应鼓励达到最优生产规模的智慧养老服务企业总结经验教训，通过政府和社会公共平台推广其实践经验，为规模效率较低的智慧养老服务地区和企业提供改善路径。(2) 由于我国智慧养老服务效率存在非均衡发展特征，因此应对不同地区给出适合当地的发展建议。其中，部分东北地区和西北地区、天津地区应重视推动当地政府、社会等部门发挥积极影响；北部沿海、黄河中游和西南地区需要扩大智慧养老服务产业的生产规模，改善资源配置；东北地区需要提高纯技术水平，优化管理制度，改善服务质量。推动区域资源协调统筹应用，充分发挥东部沿海和南部沿海地区的资源配置优势，长江中游地区的技术和管理水平优势。(3) 社会组织应发挥其推广方面的优势，为各利益主体搭建合作平台。协调智慧养老产业同智慧基础设施的结合，增进物联网、互联网、人工智能、云计算、大数据等方向的企业和研究机构对智慧养老服务的支撑能力。应在加强培养智慧养老专业服务人才的力度的同时，提高智慧养老服务相关专业人员的利用率，确保人力资本利用率的改善。

积极应对老龄化，是国家的重大战略需求，利于推进国家治理体系和治理能力现代化。智慧养老服务对提升养老服务质量，养老服务供给能力的帮助巨大。其巨大的社会价值和经济价值，应受到国家、社会乃至个人重视。应通过智慧养老服务的推动，进一步趋向真正的“老有所终”。2035远景目标中提出建成健康中国，使人民生活更加美好，人的全面发展得到实质性的推进的目标。面向2035年美丽中国目标基本实现以及本世纪中叶建成美丽中国的壮阔蓝图，需要深刻认识所面临的新形势、新需求与新挑战，要探索智慧养老服务符合自然生态、社会经济规律的发展路径。在具体探索中：第一，要全面深化养老思维，不断提高贯彻新发展理念、构建新发展格局能力和水平，为推动智慧养老的高质量发展提供根本保证。坚持创新在我国智慧养老产业建设全局中的核心地位，面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康。推进智慧养老服务人才体系建设，坚持创新驱动发展战略，完善智慧养老服务的创新体系。第二，吸取国内外先进经验，利用新兴科技赋能智慧养老发展。令创新理念、先进技术与养老服务交汇融合，科学引领支撑健康中国建设。围绕高质量养老体系的全方位建设，充分利用大数据、人工智能、云计算、区块链、互联网等新兴科技，融合创新理念，构建智慧养老体系，形成智慧医养、智慧养老、智慧用老交叉并进的新兴服务业态。第三，坚持扩大内需这个战略基点，加快培育完善智慧养老服务的内需体系。把实施扩大内需战略同深化供给侧结构性改革有机结合起来，以创新驱动、高质量供给引领和创造新需求，助力加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局。 第四，为应对新兴技术对养老领域的深刻变革，应加强相关基础领域研究，如前沿基础理论、底层关键性技术等；应积极推进新兴技术在养老领域的渗透性应用，如智能硬件基础设施、智慧养老产学研创新网络平台建设等；同时加强智慧养老技术知识的普及工作，建构智慧养老专项人才培养计划。面对智慧养老技术的浪潮，国家和个人应做好迎接挑战的准备，洞察智慧养老的发展态势，积极利用智慧养老改善我国老年人的生活质量。