江苏省“新三样”产业与人工智能产业的发展演化特征和耦合协调关系探究

摘要：在江苏省新兴产业快速发展及产业升级转型的迫切需求背景下，文章旨在探究江苏省“新三样”产业与人工智能产业的发展演化特征及耦合协调关系。首先，通过分析两大产业的发展过程和特点，理论阐述了它们之间的耦合协调关系路径。其次，从时间和空间两个维度，对两大产业在江苏省的发展现状和趋势进行了典型化事实分析。再次，文章采用高斯核密度估计方法，深入探究了这两大产业发展的动态演变特征。最后，通过计算耦合协调度，评估了两大产业耦合协调发展水平，并采用Dagum基尼系数估计和分解法，剖析了耦合协调发展水平的差异及其来源。研究结果表明，江苏省“新三样”产业与人工智能产业在近年来呈现出稳步增长态势，且两者之间的耦合协调关系逐步加强，但区域间仍存在一定差异。

关键词：江苏省；“新三样”；人工智能；演化特征；耦合协调

“新三样”概念在2023年初由中国海关总署首次明确提出，特指新能源汽车、锂电池和光伏产品，这一概念迅速得到了国家知识产权局等相关机构的支持。作为新时代中国外贸出口的重要增长点，“新三样”以其强劲的增长势头，在国际运输体系中外贸产品结构中占据了日益显著的位置。人工智能（Artificial Intelligence， AI）作为计算机科学的一个重要分支，自20世纪50年代提出以来，已经历了从简单逻辑推理到复杂深度学习的演变，其技术发展和创新不断推动着社会各行各业的变革。智能化提升是数字经济下汽车、能源、交通、大数据等多产业融合的典型表现。根据《“十三五”国家战略性新兴产业发展规划》，我国致力于加速电动汽车智能化技术应用，发展智能自动驾驶，并促进电动汽车与智能电网等领域的融合发展。

在全球能源结构转型与科技创新浪潮的双重驱动下，江苏省作为中国东部沿海的经济大省，积极响应国家新能源发展战略与智能制造2025规划的重要举措，正以前所未有的力度推进“新三样”产业和人工智能产业发展。然而，尽管“新三样”产业与人工智能产业在江苏省展现出强劲的发展势头，但两者之间的演化特征、互动机制及如何更有效地促进彼此融合发展，尚需深入探究。

本研究旨在通过实证方式系统分析江苏省“新三样”产业与人工智能产业的发展现状，揭示演化路径和探究两者之间的内在联系与耦合协同效应，以期为政府制定更加精准有效的产业政策、推动产业深度融合与高质量发展提供科学依据。

一、“新三样”产业与人工智能产业的耦合协调关系分析

从技术影响的角度看，第四次科技革命以信息技术为核心，以信息技术、生物技术、新能源技术、新材料技术的交叉融合发展为特征，为“新三样”产业的智能化提升提供了强大的技术支持和创新引擎。从电动汽车的智能驾驶系统，到锂电池的智能制造，再到光伏产品的智能运维等，这种技术支持不仅促进了“新三样”产业的技术进步，也推动了人工智能技术的落地应用，形成了一种技术上的耦合协调。

从市场驱动的角度看，“新三样”产业为人工智能产业提供了广阔的市场需求和应用场景。随着全球对环保、节能和智能化产品的需求日益增长，“新三样”产业迎来了前所未有的发展机遇。这为人工智能产业提供了丰富的应用场景和市场空间。同时，“新三样”产业的市场需求也推动了人工智能技术的不断创新和升级，形成了一种市场驱动下的耦合协调。

从人才共通的角度看，人工智能产业与“新三样”产业在人才需求和培养上存在着高度的共通性。随着两个产业的快速发展，对具备跨学科知识和实践经验的复合型人才的需求日益增加。这种人才需求促使两个产业在人才培养和引进上形成了紧密的合作关系。从高校和研究机构的人才培养，到跨产业的企业间合作，研发人员共促技术创新，形成了一种人才共通下的耦合协调。

“新三样”产业与人工智能产业的耦合协调关系如图1所示。

二、研究设计

（一）研究区域与数据来源

本研究的观察期为2014-2023年，研究区域涵盖了江苏省13个地级市。《中国城市统计年鉴》为本文提供了详实的经济、社会统计数据；地方政府工作报告本文提供了政府工作信息，揭示了政策导向和发展重点；天眼查商业查询平台为本文提供了丰富的企业信息，有助于了解产业内的企业动态和市场结构。

（二）指标解释与研究方法

1. 指标解释

企业作为产业的基本组成单位，其数量的增减直接体现了产业活力、市场规模与竞争态势。本文选择使用“新能源汽车、锂电池和光伏电池制造业企业总数的对数值”来衡量“新三样”产业发展状况，以及使用“人工智能企业总数的对数值”来衡量“人工智能产业”发展状况。

2. 研究方法

一是核密度估计。本文选用能更好地处理高维数据和非线性关系，且估计结果通常更为平滑和准确的高斯核密度估计进行数据分析；二是耦合协调度。本文通过计算耦合协调度来量化评估两个或两个以上要素（或系统）之间相互依赖、相互作用及协调发展的水平；三是Dagum基尼系数及分解。本文利用Dagum基尼系数来衡量产业发展水平不平等现象的来源和结构。

三、典型化事实

（一）江苏省“新三样”产业与人工智能产业发展水平的发展趋势分析

在探究2014-2023年江苏省“新三样”产业与人工智能产业的演化时，通过取年均值处理相关企业数量并绘制柱状图，直观展示了产业发展趋势。图2结果显示，江苏省的“新三样”和人工智能企业数量均稳步增长，这与政府扶持、市场需求增长及技术创新推动紧密相关。全省“新三样”产业企业年均增长率为23.01%，人工智能产业企业年均增长率高达43.18%，凸显了人工智能产业的迅猛发展。

（二）江苏省“新三样”产业与人工智能产业的空间分布特征分析

图3（3.a～3.d）展示了江苏省“新三样”产业与人工智能产业在观测期内的空间分布演化特征。从空间分布图来看，江苏省“新三样”产业与人工智能产业的空间分布均发生了显著变化。2014年，“新三样”产业企业数量在空间上较为分散，多数地级市企业数少于100个，主要集中在苏南地区，其中扬州由于新能源产业布局较早而表现突出。这一时期，“新三样”产业尚处于起步阶段。至2023年，“新三样”产业企业数量大幅增加，超过一半地级市的企业数多于400个，苏南五市及扬州、徐州等地领先，空间分布更加均衡。同样，2014年人工智能产业企业数量也相对较少，多数地级市企业数少于1400个，主要集中在苏南地区的苏州和南京。这一时期，人工智能产业处于初步发展阶段。然而，到了2023年，人工智能产业也实现了快速扩散和发展，超过一半地级市的企业数多于2800个，苏州、无锡、南京、徐州等地领先。这一变化不仅显示了人工智能产业的快速发展，也体现了江苏省在推动产业布局和优化方面的积极成效。

四、动态演变特征

（一）“新三样”产业发展演变的核密度估计

图4.a为对江苏省全省“新三样”产业发展水平进行核密度估计的结果。全省范围内，2014-2023年间，“新三样”产业发展水平显著提升，曲线中心及变化区间明显向右移动，体现了产业规模扩大、技术进步和市场竞争力增强。主峰高度的变化反映了产业发展速度的波动，初期快速上升后缓慢下降，进入成熟期和调整期。曲线宽度的变化则显示了产业内部分布的集中与分散趋势，初期收敛后小幅拓宽，促进了产业的多样性和竞争力。2017年出现的小侧峰代表了部分新兴企业或项目的快速崛起。整个观察期间产业发展均衡，无明显的右拖尾。

（二）人工智能产业发展演变的核密度估计

图4.b为对江苏省全省“人工智能产业发展水平”进行核密度估计的结果。全省范围内，2014-2023年间，江苏省人工智能产业持续稳健发展，曲线中心及变化区间明显向右移动，体现了产业规模的扩大、技术水平的提升及市场应用的深化。主峰高度基本持平，表明产业发展保持了相对稳定性和连续性，得益于产业内部各领域的均衡发展及多方力量的协同推进。曲线宽度无明显变化，说明产业内部发展水平分布相对均匀，这归功于江苏省注重整体规划和布局，促进了协同发展。曲线的波峰多为双峰，且右侧有低峰值的侧峰和右拖尾，揭示了产业内部的多样性和差异性，有助于推动产业创新和发展。

五、耦合协调关系

（一）耦合协调度

表1为观测期内江苏省各地级市的“新三样”与人工智能产业发展的耦合协调度等级划分结果。首先，从整体来看，这十年间，江苏省各地级市的“新三样”产业与人工智能产业的耦合协调度显著提升。2014年，多数城市处于极度或严重失调状态，仅少数达到中度失调。但至2023年，多数城市已摆脱失调，进入勉强协调至优质协调阶段。2014-2017年，极度与严重失调城市减少，但中度与轻度失调仍占多数，显示耦合协调度较低，产业发展相对独立。2018年后，随着政策调整与市场改善，耦合协调度快速提升，轻度失调与濒临失调城市增多，同时出现勉强与初级协调城市，产业融合加强，协同发展初显。至2020年，耦合协调度提升更显著，严重失调城市大幅减少，中度与轻度失调成为主流，同时出现多级协调城市。此期，江苏推动两产业融合发展成效显著，产业协同效应增强。2021-2023年，耦合协调度增速虽放缓，但保持稳定增长。中度与轻度失调城市继续减少，而多级协调城市持续增加，表明江苏推动产业融合发展进入新阶段，耦合协调度达较高水平。

（二）耦合协调水平的空间差异及来源

通过Dagum基尼系数估计和分解法江苏省13市“新三样”产业与人工智能产业耦合协调发展水平进行深入分析。图5（5.a和5.b）展示了总体差异、差异来源和不同差异来源贡献度的测算结果。

1. 全域系数

全域系数，反映了江苏省13市“新三样”产业与人工智能产业耦合协调发展水平的整体差异。全域系数即总体系数，显示出持续下降的趋势，2023年相较于2014年下降了38.12%。这一显著下降不仅表明江苏省在推动这两大产业耦合协调发展上取得了显著成效，也反映了整体产业结构的优化和升级。特别是在初期（2014-2016年），下降速度较快，可能受益于政策调整或市场机遇。

2. 区域间系数

区域间系数反映了不同区域间的发展差异。与总体系数相似，区域间系数也呈现出下降趋势，且降幅（41.29%）甚至超过了总体系数，表明城市间的产业协调发展更为迅速，江苏省在缩小区域间产业发展差异上取得了积极进展。其贡献度最高（观测期年均值达57.58%），说明江苏省“新三样”与人工智能产业融合发展的不均衡主要来自城市间的发展不均。

3. 区域内系数

区域内系数关注同一地级市的发展水平。与区域间系数相比，区域内系数水平较低，但也呈现出下降趋势（38.28%）。这表明在同一城市内，这两个产业的融合发展较为均衡且在进一步加强。其贡献度较小（观测期年均值37.39%），意味着同一城市内的发展不均对江苏省“新三样”与人工智能产业融合发展的不均衡有一定影响。

4. 超变密度系数

超变密度系数衡量了不同区域的交叉重叠部分对总体差异的贡献。超变密度系数呈现较为稳定的演化态势，且贡献度最小，说明江苏省内不同城市在“新三样”与人工智能产业融合发展水平上，没有出现显著的交叉重叠差异，即各地区的发展水平相对均衡。

5. 苏南区域和苏北区域内系数

根据Dagum基尼系数的估计，苏北基尼系数近年来稳定下降，2014-2023年间降幅达55.43%，主要得益于“新三样”产业与人工智能产业的耦合发展，地区间产业发展差异正缩小。相比之下，苏南基尼系数虽有波动下降，但降幅较小，仅为7.07%，且2021年后高于苏北。苏南2014-2018年缓慢下降，2018-2023年缓慢上升。这表明苏北在产业协调发展上成效显著，而苏南需进一步优化产业布局。

六、总结与建议

本文采用核密度估计、耦合协调度分析和Dagum基尼系数估计等研究方法，对江苏省2014-2023年间的“新三样”产业与人工智能产业的演化特征及互动关系进行研究，发现江苏省这两大产业近年来稳步增长，两大产业均由分散到集中、由少数地区向全省扩散。此外，两大产业的耦合协调度在观测期内显著提升，从失调过渡到协调，整体差异持续下降，产业融合发展成效显著，区域间和区域内的差异逐步缩小。

基于研究结论，本文对江苏省“新三样”与人工智能产业发展提出三点建议：

第一，优化产业布局，促进均衡发展。江苏省应继续优化产业布局，推动产业由分散向集中转变，扩散至全省。针对苏南、苏北的产业发展差异，制定差异化政策，鼓励区域合作，推动产业协同发展。

第二，加强产业融合，提升耦合协调度。江苏省应深化“新三样”与人工智能产业的融合，通过技术创新、资源共享和协同发展，延伸产业链，提升价值链。加强区域内产业融合，提高关联度和协同性，形成良性循环。

第三，注重可持续发展，提升产业韧性。江苏省应推动产业向高端化、智能化、绿色化方向发展，加强产业规划、完善政策、提高创新能力。注重产业内部发展水平集中和清晰定位，避免同质化竞争和资源浪费。

参考文献：

[1]国家知识产权局办公室. “新三样”相关技术专利分类体系（2024）[EB/OL].[2024-10-01].https：//www.gov.cn/zhengce/zhengceku/202408/P020240814-

418227999474.pdf.

[2]乔婧.加快构建与外贸新需求相适应的国际运输体系[J].宏观经济管理，2024（04）：38-45.

[3]LeCun Y， Bengio Y， Hinton G. Deep learning[J].nature，2015，521（7553）：436-444.

[4]Jordan M I，Mitchell T M.Machine learning：Trends， perspectives，and prospects[J].Science，2015，349（6245）：255-260.

[5]王震坡，黎小慧，孙逢春.产业融合背景下的新能源汽车技术发展趋势[J].北京理工大学学报，2020（01）：1-10.

[6]江苏省工业和信息化厅. 关于加快推进江苏省技术创新示范企业建设的实施意见[EB/OL].[2024-10-01].https：//gxt.jiangsu.gov.cn/art/2024/2/2/art_6278_

11143874.html.

[7]任保平，宋文月.新一代人工智能和实体经济深度融合促进高质量发展的效应与路径[J].西北大学学报（哲学社会科学版），2019（05）：6-13.

[8]冯昭奎.科技革命发生了几次——学习习近平主席关于“新一轮科技革命”的论述[J].世界经济与政治，2017（02）：4-24+155-156.

[9]张映锋，张党，任杉.智能制造及其关键技术研究现状与趋势综述[J].机械科学与技术，2019（03）：329-338.

[10]王君，张于喆，张义博，洪群联.人工智能等新技术进步影响就业的机理与对策[J].宏观经济研究，2017（10）：169-181.

[11]姜洋，翟纪华.智力资本对新能源企业绩效影响研究[J].商业经济，2021（02）：96-99.

[12]SILVERMAN B W.Density estimation for statistics and data analysis[M].London：Chapman and Hall，1986.

[13]Dagum C.A new approach to the decomposition of the Gini income inequality ratio[M].Physica-Verlag HD，1998.

[14]国家能源局.关于公布创建新能源示范城市（产业园区）名单（第一批）的通知[EB/OL].[2024-10-01].https：//zfxxgk.nea.gov.cn/auto87/201402/t20140212_1-

762.htm.

[15]王淑佳，孔伟，任亮，等.国内耦合协调度模型的误区及修正[J].自然资源学报，2021，36（03）：793-810.

（作者单位：黄怡、张言彩，淮阴师范学院；尹耀，国家税务总局淮安市税务局）