中国人工智能综合发展指标的测度与分析

摘"要：文章采用熵值法构建了中国人工智能综合发展的指标体系，通过Dagum基尼系数与核密度估计分析了中国东、中、西部三大区域人工智能综合发展的特征、空间非均衡性及动态演化趋势。研究发现：2010—2019年省域人工智能发展指标逐年增长，并呈现“东热西冷”的空间非均衡性，同时三大区域间差异逐步扩大，区域内出现两极分化现象，可为系统布局人工智能发展规划、推动区域间一体化发展提供理论参考和政策依据。

关键词：人工智能；指标体系；区域差异；Dagum基尼系数

中图分类号：F124.3文献标识码：A文章编号：1005-6432（2025）"02-0009-04

DOI：10.13939/j.cnki.zgsc.2025.02.003

1"引言

伴随算法、算料和算力三大核心要素的高速发展，人工智能对中国经济建设、产业优化、民生改善等方面的影响持续扩大。人工智能的发展有利于提升人类的创造力与产品的附加价值，既是时代进步的必然趋势，也是国际竞争的新焦点。尽管中国研究人工智能与经济社会建设关系的文献逐渐丰富，但中国人工智能产业起步较晚，导致在人工智能基础领域的研究相较于国际仍有一定差距（李旭辉等，2020）[1]。目前的研究方向主要包括：一是使用专利数据来衡量人工智能的技术差距，如中国科学技术发展战略研究院基于知识产权制定了“国家创新指数”；二是使用反映人工智能创新水平的参数作为代理变量衡量人工智能发展水平，如袁野等从创新主体、创新环境、系统效益三个维度选取了人工智能新增企业数、每年新增政策数等18项具体指标构建了人工智能关键核心技术创新能力指标测度体系[2]；三是使用反映人工智能产业发展水平的参数作为代理变量衡量人工智能发展水平，如顾国达等从人工智能环境支撑力、知识创造力、产业竞争力三个维度选取了AI科研机构数据、AI上市企业数据等24项具体指标进行了人工智能综合评价体系的构建[3]。

总体来看，人工智能发展评价尚未形成统一完善的标准体系（陈凤仙，2022[4]），现有研究成果仍存在以下问题：一是测度维度相对局限，测度指标多依赖于知识产权数据；二是测度指标权重赋予较为主观，无法真实反映地区人工智能综合发展水平；三是研究结果有待深化，缺乏从区域视角考察人工智能综合发展的空间差异及动态演变趋势[5]。有鉴于此，文章将在测度指标、客观赋权、空间关联等方面有所拓展。

2"人工智能综合发展指标的构建

2.1"指标体系的构建

人工智能水平的评价不能仅以智能产品的应用水平或相关产业的经济产出作为参考依据，还要注重人工智能长期发展所必需的软硬件基础，进行全局性的考虑。因此，文章围绕人工智能硬件基础、人工智能人才基础以及人工智能相关产出所包含的具体指标，构建了相应的指标评价体系对人工智能综合水平进行全面的评价。具体指标体系见表1。

人工智能硬件基础方面，地方财政科技支出指标能够在一定程度上有效量化地方政府对人工智能发展的支持力度；互联网宽带接入端口数能够充分体现人工智能推进所必需的网络基础；电信固定资产投资能够在一定程度上反映地区对智能化通信基础设施的建设投入以及对传统通信技术的智能化改造。人工智能人才基础方面，每十万人口高等学校平均在校生数指标衡量了地区高素质人口数量；考虑到人工智能就业人员相关数据难以获取，因此选用软件开发人员指标作为替代指标进行分析。人工智能相关产出方面，由于人工智能相关统计数据的匮乏，文章主要通过与人工智能发展密切相关产业的产出来量化人工智能的相关产出。其中，电子及通信设备制造业利润、软件企业数量和软件行业收入分别从产业利润、企业数量以及行业营收的角度对人工智能关联产业的产出进行了量化，在反映人工智能相关产出水平方面具有一定代表性。

2.2"数据说明

文章样本包含了中国30个省、市、区，其中西藏和港澳台地区由于存在大量缺失数据，未被纳入样本。文章主要数据来源于2011—2020年的《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》以及样本单位各省、市、区的统计，并采用熵值法对人工智能综合发展指标的权重进行了设定。

3"人工智能综合发展指标测度结果及分析

3.1"省域人工智能综合发展指标测度结果

测度结果如表2所示。研究显示，中国人工智能在十年间实现了跨越式发展，各省域人工智能综合发展指标呈现出持续高速增长的态势。2010年各省域人工智能发展还处于较低水平，而到了2019年，排名最高的广东省综合发展指标来到28.73，年平均增长率为50.16%，而排名末位的青海省综合发展指标也增长到了0.27，年平均增长率为23.64%。此外，中国人工智能综合发展水平在空间分布上呈现出“东热西冷、阶梯分布”的空间分化特征。

3.2"三大区域人工智能综合发展的空间非均衡性分析

为进一步分析区域差异的大小和来源，文章通过Dagum基尼系数对中国人工智能的空间非均衡性进行定量分析，测算结果如表3所示。

3.2.1"全国总体的空间非均衡性

数据显示，2010—2019年中国人工智能发展水平的总体基尼系数分布在0.4271～0.5869，平均差异为0.4802，表明全国总体的空间非均衡性显著。从演变趋势看，三大区域的总体基尼系数呈现先下降后上升的“U”型发展趋势。其中，2010—2014年为下降阶段，总体基尼系数从2010年的0.4441下降至2014年的0.4271，年均递减率为0.97%，表明此阶段全国人工智能发展的空间非均衡性有所减弱，但减弱幅度不大；2015—2019年为上升阶段，总体基尼系数从2015年的0.4495上升至2019年的0.5869，年均增长率为6.89%，表明全国人工智能发展的空间非均衡性日益变强，区域差异呈现进一步扩大的趋势。

3.2.2"区域内的空间非均衡性

考察期内东部地区呈现“微弱上升—缓慢下降—快速上升”的变动趋势，其平均基尼系数为0.3713，年均增长速度为8.34%。相比而言，中部地区内部差异最小，其平均基尼系数为0.1943，区域内差异呈波动上升趋势，年均增长速度为23.09%；西部地区内部差异最大，其平均基尼系数为0.3786，区域内差异整体呈“U”型发展趋势，年均增长速度为11.02%，其拐点出现在人工智能开始全球普及的2012年，四川、重庆以及陕西三省依托基础设施和人才优势率先成为地区人工智能发展高地，在先发优势影响下区域内差异逐渐扩大。

3.2.3"区域间的空间非均衡性

考察期内三大区域间基尼系数整体呈波动上升趋势，表明区域间人工智能发展的空间非均衡性进一步变强。东-中部、东-西部、中-西部区域间差异均值分别为0.5513、0.6206、0.3340，区域间差异呈现出（东-西部）gt;（东-中部）gt;（中-西部）的空间格局。究其原因，东部地区良好的人工智能发展制度环境、突出的人才优势、优良的融资环境以及先进的智慧发展理念，为其人工智能综合发展提供了重要支撑；相较而言，西部地区受限于地理、人才、基础设施和资金的制约，其人工智能综合发展水平明显低于东部地区。

3.2.4"区域内和区域间差异贡献率

考察期内区域内、区域间、超变密度基尼系数均保持在相对稳定的贡献率水平。其中，区域间差异贡献率维持在65%左右，是构成中国人工智能发展差异最主要的原因；区域内差异贡献率呈现出波动上升趋势，且波动幅度较小；超变密度对区域差异贡献最小，其贡献率在9%左右波动。

3.3"人工智能发展的动态演化

基于前文的测度与相对差异分析结果，文章还采用了广泛使用的Epanechnikov核函数来进行空间核密度估计，通过核密度曲线的分布位置、形态和延展性等特征揭示中国人工智能综合发展水平的动态演化。

3.3.1"整体指标的动态演化

由2010—2019年省域人工智能综合发展指标的核密度曲线可以发现：①核密度曲线整体呈正偏态分布，形态逐步向扁而宽的态势发展，峰值降低、宽度加大，表明省域人工智能综合发展指标密集度降低，差异程度加大；②核密度曲线向右移动，表明省域人工智能发展水平在不断提高；③在分布形态上，核密度曲线右尾逐渐拉长，分布延展性在一定程度上呈拓宽趋势，表明在全国范围内人工智能综合发展指标的差异在逐渐增加，人工智能综合发展的区域差异持续增加，空间非均衡性逐步扩大。

3.3.2"三大区域指标的动态演化

整体来看，三大区域的核密度曲线变化趋势与全国变化趋势基本保持一致，核密度曲线在向右移动的同时呈现出扁而宽的发展态势。在考察期内，东部地区人工智能综合发展指标呈正偏态分布，说明东部地区的人工智能发展具有扩展效应；中部地区在2012—2013年开始出现明显的侧峰，且侧峰峰值较小，在2015—2019年逐步由双峰向单峰过渡，说明中部地区人工智能发展两极分化效应逐渐减弱；西部地区存在明显的侧峰，说明西部地区的人工智能发展存在两极分化效应。

4"研究结论与政策建议

4.1"研究结论

通过对中国人工智能综合发展指标的测度与分析，文章研究得出以下三点结论。

（1）指标变动趋势：人工智能蓬勃发展，省域发展指标逐年增长。中国人工智能在2010—2019年实现了跨越式增长，各省域均保持了持续且高速的发展态势。样本考察期内，中国人工智能综合发展指标增长最快的省域为广东省，其在2019年综合发展指标为28.73，年平均增长率为50.16%，而排名末位的青海省综合发展指标在2019年也增长到了0.27，年平均增长率为23.64%。

（2）指标空间分布特征：“东热西冷”，空间非均衡性显著。从空间分布来看，中国人工智能综合发展的集聚度较高，展现出“东热西冷、非均衡分布”的空间分化特征。在样本考察期内，全国人工智能发展水平的总体基尼系数分布在0.4271～0.5869，总体的空间非均衡性显著。区域间差异是构成中国人工智能发展差异最主要的原因，其中东-西部间的空间非均衡性最为显著。西部地区内部差异最大，东部地区次之，中部地区差异相对较低。

（3）指标动态演化：区域间差异逐步扩大，区域内出现两极分化现象。从整体看，中国人工智能综合发展指标的核密度曲线呈正偏态分布，分布位置逐步向右移动，表明中国人工智能综合发展水平在不断提高；分布形态呈现扁而宽的发展态势，表明人工智能综合发展指标密集度降低，省域差异持续增加，空间非均衡性逐步扩大。从区域看，东部地区的人工智能发展具有扩展效应，中部地区人工智能发展两极分化效应逐渐减弱，西部地区的人工智能发展出现两极分化效应。

4.2"政策建议

基于以上研究结论，为合理控制区域内部极化现象以及区域间差异，文章提出“人工智能基础设施完善—区域产业链布局重构—区域平衡充分发展”的发展路径。①改善人工智能的人才培养与引进机制，依托能源、土地、政策等优势打造中西部人工智能人才中心，吸引东部地区与国外一流专业人才和高新科技企业落户当地；②应该有目标、有计划、有层次地实施人工智能建设，制定重点扶持智慧教育、智慧制造、智慧医疗等领域发展的相关政策，加强资源的利用效率；③引导高水平地区与低水平地区之间的产业交流与融合发展，联合打造人工智能计算平台、融合平台及应用平台。

参考文献：

[1]李旭辉，张胜宝，程刚，等.三大支撑带人工智能产业自主创新能力测度分析[J].数量经济技术经济研究，2020，37（4）：3-25.

[2]袁野，汪书悦，陶于祥.人工智能关键核心技术创新能力测度体系构建：基于创新生态系统视角[J].科技进步与对策，2021，38（18）：84-93.

[3]顾国达，马文景.人工智能综合发展指数的构建及应用[J].数量经济技术经济研究，2021，38（1）：117-134.

[4]陈凤仙.人工智能发展水平测度方法研究进展[J].经济学动态，2022（2）：142-158.

[5]吕荣杰，郝力晓.中国人工智能发展水平、区域差异及分布动态演进[J].科技进步与对策，2021，38（24）：76-84.