The Impact and Mechanism of Artificial Intelligence Technology Innovation on Industrial Chain Modernization

Xu Weixiang1,2,Mu Yaqian1,Zhou Jianping1,Liu Chengjun3

(1.School of Economics,Zhejiang University of Technology;2.Institute of Modern Industrial System,Zhejiang University of Technology,Hangzhou 310023,China; 3.Zhijiang College of Zhejiang University of Technology,Shaoxing 312030,China)

Abstract：The modernization of industrial chains is essential for achieving high-quality development and building a modern industrial system.It represents an intrinsic strategy for China to engage in international competition and to withstand external shocks.In recent years,the landscape has been marked by a global reconfiguration of supply chains and heightened geopolitical risks,leading to a rise in uncertainties and unpredictable factors that jeopardize the security of China's industrial chains.Consequently,the acceleration of industrial chain modernization has become a critical priority for government departments.Meanwhile,as a general-purpose technology driving the Fourth Industrial Revolution,artificial intelligence (AI) has become a central point of strategic planning for countries worldwide due to its powerful capabilities in intelligent penetration,boundary extension,self-deepening,and knowledge creation.According to the "China New Generation Artificial Intelligence Technology and Industry Development Report 2023" released by the New Generation Artificial Intelligence Development Research Institute,China's AI technology is currently widely applied in 19 fields,including smart agriculture,smart manufacturing,smart home,and smart management.Thus,does the development and application of AI technology help China overcome industrial chain challenges and accelerate the modernization of its industrial chains? Investigating this question not only aids in comprehensively understanding the impact of AI on the modernization of industrial chains but also provides theoretical and practical support for the implementation of an innovation-driven strategy.

While existing literature has extensively focused on the theoretical analysis of the connotation and realization paths of industrial chain modernization,and many scholars have discussed the effects of AI technology.However,regrettably,empirical research specifically examining the relationship between AI technology innovation and industrial chain modernization is scarce.Therefore,drawing on panel data from 30 provinces from 2003 to 2022,this study analyzes typical facts about the development of industrial chain modernization in China.By leveraging AI patent technology data,it constructs a robust industrial chain modernization index system.This systematic approach allows us to empirically scrutinize the profound effects and underlying mechanisms of AI technology innovation on the modernization trajectory of industrial chains.The study reveals that,first,AI technology innovation can significantly enhance the level of industrial chain modernization.Compared to regions with low levels of industrial chain modernization,low foreign trade levels,and those in the central and western regions,the enabling effect of AI technology is stronger in regions with high levels of industrial chain modernization,high foreign trade levels,and in the eastern regions.Second,AI technology can promote industrial chain modernization through two channels:advancing human capital and increasing the turnover of fixed assets.The mediating mechanism of human capital advancement is mainly determined by the intelligent penetration,boundary extension,and knowledge creation characteristics of AI technology,while the mechanism of increasing fixed asset turnover is driven by AI's intelligent penetration,boundary extension,and self-deepening characteristics.Third,the impact of AI technology innovation on the modernization of industrial chains shows a sustained effect,with an initial decline followed by a subsequent rise over time.In the early stages of AI technology innovation,its effect on industrial chain modernization is not significant and may even be negative.However,over time,the promoting effect of AI technology on industrial chain modernization becomes increasingly strong,and in the long term,the enabling effect of AI technology innovation far outweighs its initial negative effects.

The potential contributions of this paper are threefold.First,by using AI patent data as a proxy for AI technology innovation and constructing an industrial chain modernization index system,this study empirically tests the impact of AI technology innovation on the modernization level of industrial chains,filling a gap in the existing empirical research on industrial chain modernization.Second,it innovatively analyzes the mechanism of AI technology innovation on industrial chain modernization from two dimensions:human capital and material capital,providing possible pathways to better leverage the enabling effects of AI technology.Third,while existing literature mostly overlooks the persistence of AI technology's impacts,this paper further analyzes the effects of AI technology innovation on industrial chain modernization development from both short-term trends and long-term effects,enriching the research perspectives on the impact of AI.

Key Words：Artificial Intelligence; Technological Innovation; Industrial Chain Modernization; Advanced Human Capital; Fixed Asset Turnover Rate

收稿日期：2024-07-23

修回日期：2024-09-27

基金项目：国家社会科学重大基金项目(18ZDA045);浙江省高校重大人文社科攻关计划项目(2023QN083);教育部人文社会科学规划基金项目(23YJA790069);浙江省大学生科技创新活动计划暨新苗人才计划项目(2024R403B073)

作者简介：徐维祥(1963—),男,浙江东阳人,博士,浙江工业大学经济学院教授,浙江工业大学现代化产业体系研究院院长、博士生导师,研究方向为产业与区域经济发展;牟雅倩(1996—),女,甘肃兰州人,浙江工业大学经济学院硕士研究生,研究方向为产业与区域经济发展;周建平(1995—),男,浙江丽水人,博士,浙江工业大学经济学院助理研究员,研究方向为区域经济;刘程军(1987—),男,湖南邵阳人,博士,浙江工业大学之江学院副教授、硕士生导师,研究方向为产业经济。

DOI：10.6049/kjjbydc.Q202407169

开放科学(资源服务)标识码(OSID)：

中图分类号：F424.6

文献标识码：A

文章编号：1001-7348(2025)13-0014-11

0 引言

产业链现代化是实现高质量发展和建设现代化产业体系的基本要求,也是一国参与国际竞争和应对外生冲击的内在选择。近年来,受全球供应链重组、地缘政治风险加剧等外部冲击的影响,中国产业链安全面临的不确定因素增多,推动产业链现代化发展成为政府部门关注重点。习近平总书记在中央全面深化改革委员会第二十四次会议上强调,“要坚持壮大实体经济,推进产业基础高级化、产业链现代化”。党的二十大报告提出,要坚持以推动高质量发展为主题,加快建设现代化经济体系,着力提升产业链供应链韧性和安全水平。中国近年来加大对高新技术产业和先进制造业的投入以期推动产业链高级化发展,但也面临一些挑战,一方面人口红利丧失所导致的传统劳动密集型产业劳动力成本上升,使中国在加工代工领域的竞争优势逐渐被劳动力成本更低的国家所替代;另一方面中国产业链建设中的工业基础薄弱、核心技术短板、产业附加值低等一系列问题也仍旧存在[1]。关键技术领域的创新突破,对于克服产业链现代化进程中的各种制约因素,实现产业链自主可控至关重要。人工智能技术作为掀起第四次产业革命的通用型技术[2-3],可以借助自动化生产、智能化管理、大数据分析等多种方式推动产业链升级,从而实现产业链现代化发展。《“十四五”智能制造发展规划》明确指出,要以“鼎新”带动“革故”,以智能制造为主攻方向,通过推动人工智能、数字孪生等新技术的创新应用,实现我国制造业向全球价值链中高端攀升。综上,探究人工智能技术创新对产业链现代化的影响效应和作用机制,不仅有助于推动中国制造向中国智造转型,更能为落实创新驱动发展战略、推进新型工业化和实现现代化经济体系建设提供理论支持与实践参考。

目前,学界关于产业链现代化的研究尚处于初步阶段,现有文献主要聚焦产业链现代化内涵和实现路径等内容。关于产业链现代化内涵的界定,有学者认为产业链现代化的概念要从产业链和现代化两个层次把握:产业链是指国民经济中各个产业部门之间客观形成的像机械系统链条一样耦合在一起的技术经济联系[4],现代化是指经济社会由传统向现代转变的过程[5],因此产业链现代化是指通过提升产业基础能力、优化产业链运行模式、增强产业链条控制能力和治理能力等方式实现产业链整体水平的现代化发展[6]。也有学者立足于全球价值链视角,提出产业链现代化是指一个国家或者地区提升产业链水平、强化产业在全球价值链中的增值能力并实现全球价值链升级的过程[7]。虽然学界对于产业链现代化内涵的界定尚未达成一致,但可以肯定的是,关于产业链现代化的内涵,要立足时代背景和发展要求,顺应国家发展战略,从多维度、多角度予以界定[1,8]。在此基础上,学者们从需求、供给、新质生产力[9]、“链主”企业[10]、产业结构布局和融入全球产业分工体系[8]等机制方面,围绕产业链现代化的实现路径展开了广泛的理论探讨,为探寻产业链现代化发展的可行途径提供了丰富的理论支持。

关于人工智能技术影响效应,相关研究主要聚焦人工智能技术对就业[11]、收入[12]、经济增长[2]等方面影响的实证分析。关于人工智能技术对就业的影响,现有文献主要从人工智能技术的岗位替代效应和岗位创造效应展开分析[11],有学者在此基础上进一步探讨了人工智能技术引发的职业变迁方向[13]。还有学者从人工智能技术对收入的影响效应展开分析,提出人工智能技术趋向于提高高技能劳动力收入水平,降低低技能劳动力收入水平[12]。Brynjolfsson等[2]对通用技术对经济增长的影响效应展开分析,陈彦斌等[14]通过实证检验证实了人工智能技术能够通过应对老龄化问题带来的冲击、提高资本回报率和全要素生产率等途径助力经济增长。

现有文献聚焦产业链现代化内涵和实现路径的理论分析,并对人工智能技术的影响效应展开探讨,但鲜少有文献着眼于人工智能技术创新与产业链现代化间关系的实证研究。为此,本文使用2003—2022年中国内地30个省份(西藏因数据不全未纳入统计)数据,对人工智能技术创新对产业链现代化的影响效应及作用机制展开实证检验。本文可能的边际贡献在于:第一,使用人工智能专利数据作为人工智能技术创新的代理指标,通过构建产业链现代化指标体系,实证检验人工智能技术创新对产业链现代化水平的影响效应,弥补现有文献中关于产业链现代化实证研究的空缺。第二,从人力资本和物质资本两大维度剖析人工智能技术创新对产业链现代化的作用机制,为更好发挥人工智能技术赋能效应提供可行性路径支持。第三,现有文献大多忽略人工智能技术影响的持续性。本文从短期趋势和长期效应两个视角进一步分析不同时间维度下人工智能技术创新对产业链现代化发展的作用效果,有利于丰富人工智能影响效应的研究视角。

1 理论分析与研究假设

1.1 人工智能技术创新与产业链现代化

人工智能是引领新一轮科技革命和产业变革的战略型技术,是推动中国产业优化升级和生产力跃升的重要战略资源,具有溢出带动性很强的“头雁”效应,能够为产业链现代化提供新型动力[8]。第一,人工智能技术可以借助自动化生产和智能制造系统实时监控和调整生产参数,优化生产流程,提高生产效率。Graetz等[15]利用1993—2007年17个国家的机器人使用情况证实了机器人应用每增加1%,可以使年劳动生产率提高约0.36%。第二,人工智能技术可以通过大数据分析和机器学习算法助力企业实现对市场需求的精准预测,提高产业链各环节协同效率,提升供应链响应速度与灵活性,进而促进中国企业参与全球价值链[16]。同时,随着人工智能技术与产业链融合发展,不但会改变传统生产方式,推动传统产业向智能化、高端化方向转型,也会催生无人驾驶、智能机器人、智慧医疗等新兴产业,带动整个产业链升级(郭凯明,2019),实现产业链现代化发展。

人工智能技术可以促进产业链各环节及整个产业链条效率提升。一方面,人工智能技术能够不断为产业链各环节赋能并塑造全新的智能化环境[17]。在产业链上游,人工智能通过大数据分析帮助企业精准把握市场需求、优化产品设计与研发流程,提高产品研发效率和质量;在产业链中游,人工智能利用自动化设备和智能化管理降低能源消耗与生产成本,提高生产效率;在产业链下游,人工智能通过智能客服、智能推荐等应用提升市场响应速度和客户服务水平。另一方面,人工智能技术可以为整个产业链条效率提升赋能。产业链的本质特性是分工,自动化生产可以促进分工细化并提高专业化分工效率[13],优化产业链运行模式;人工神经网络可以通过预测与建模分析提高产业链韧性;专家系统可以通过智能化管理提高产业链控制与治理能力。同时,人工智能技术能与各大产业融合发展,如:人工神经网络可以进行农业预测和建模分析,助力工业信号分析和采掘探测,通过人脸识别与风险评估提高服务业水平;专家系统可以进行农场管理和温室环境监测,助力制造业科学生产,辅助医疗与服务等;机器人可以进行智能农业采摘、智能工业生产、拓宽服务业范畴等。人工智能技术的创新发展为产业链现代化注入了强大动力与活力,可以凭借其数据处理、智能决策支持和自动化生产等优势全方位推动产业链优化升级,提升产业链现代化水平。据此,本文提出如下研究假设:

H1:人工智能技术创新能够推动产业链现代化发展。

1.2 人工智能技术创新、人力资本高级化与产业链现代化

人工智能与产业链融合发展表现出四大基本特性:智能渗透、边界延展、知识创造与自我深化。智能渗透是指一种技术与生产生活中的各个环节相互融合、相互渗透并改变经济运行方式的潜能[18],是人工智能作为通用技术最基本的特性之一[19]。与其他创新技术不同的是,人工智能技术的渗透作用具有“智能”特性,能够更广泛地渗透到经济社会的方方面面,包括农业、工业、服务业中的各个行业,以及研发、生产、销售、服务等各个环节。边界延展是指人工智能技术催生新的生产任务和拓展生产边界的能力,具体表现为人工智能技术的创新升级会不断延伸人的体力和脑力劳动界限,拓宽行业生产和服务范畴,拓展新产品、新岗位、新市场[12]。知识创造是指人工智能技术能够模拟人的思维逻辑,产生原本需要人脑反复认识和实践才能得到的新知识,是人工智能技术区别于以往技术的特有属性[20]。具体表现为人工智能技术可以通过对现有知识的深度学习和大数据分析发现和创造出新的知识,ChatGPT、文心一言等生成式人工智能的涌现使得知识创造成为人工智能不可忽视的特性之一。自我深化是指人工智能可以借助大数据进行自我训练和优化以提高自身准确性和效率,具体表现为:人工智能技术能够通过自我深化赋予人工智能更多功能,拓宽生产范围;人工智能技术可以通过自我革新和训练提高生产和工作效率,数字经济时代的来临为人工智能技术的自我深化提供了大量数据基础。

在人工智能技术创新发展过程中,智能渗透、边界延展和知识创造特性决定了人工智能会不断推动人力资本高级化以提升产业链现代化水平。与人类劳动相比,智能化设备具备生产效率和生产精度方面的优势,故智能渗透特性决定了人工智能技术的创新发展会不断降低生产活动中对于中低技能劳动力的需求。而边界延展特性又决定了人工智能技术会不断催生出新业态和新岗位,增加社会生产活动中对于高技能劳动力的需求。Acemoglu 等[11]研究指出,自动化技术倾向于替代低技能、重复性工作,但同时也会创造出需要高技能劳动力来完成的新任务和新岗位。人工智能技术作为“发明方法的发明”,其知识创造特性也会通过助力人力资本高级化发展推动产业链现代化。尤其是在科学研究领域,科研人员确定某种创新发现极为不易,人工智能技术则可以通过大数据和深度学习较为准确地预测和分析可能出现的结果,促进人力资本升级。而人力资本是提升产业链现代化水平的关键因素:首先,人力资本水平的提升可以有效提高产业链韧性,增强产业链自主可控能力;其次,高质量的人力资本会增强知识和技能溢出效应,助力产业链各环节整合,同时还可以更有效地提高产业链上中下游的协同性,推动产业链现代化发展。据此,本文提出如下研究假设:

H2:人工智能技术创新通过推动人力资本高级化助力产业链现代化。

1.3 人工智能技术创新、固定资产回报率提升与产业链现代化

人工智能技术创新发展中的智能渗透、边界延展和自我深化特性决定了人工智能会不断提升固定资产回报率以促进产业链现代化发展。一方面,随着劳动力成本的上升,人工智能技术在某些方面相对于人类劳动力的比较优势越来越显著,其智能渗透特性带来的自动化转型大大提高了企业生产效率,固定资产回报率由此得以提升。另一方面,人工智能技术作为形成新质生产力的关键引擎[21],边界延展特性使其不断拓展出如自动驾驶、智慧医疗、智慧农业等新业态和新模式,以此拓宽企业经营模式和提高经营效率,提升企业固定资产回报率。其自我深化特性则会使人工智能在一定程度上摆脱对工程师研发升级的依赖,自发地利用大数据和深度学习进行更新升级,进一步提高固定资产回报率。固定资产回报率的提升会提高储蓄率和投资率[14],储蓄率和投资率的提升则意味着长期需求和供给的增加,而需求和供给又是提升产业链现代化水平的基本驱动力之一[8],故而固定资产回报率的提升会从供给和需求两端提高产业链现代化水平。据此,本文提出如下研究假设:

H3:人工智能技术创新通过促进固定资产回报率提升助力产业链现代化。

综上所述,本文构建理论模型,如图1所示。

2 中国产业链现代化发展水平分析

2.1 产业链现代化指标体系构建

关于产业链现代化测度指标的选取,本文在产业链现代化内涵界定的基础上,借鉴张虎等[1]、刘志彪[4]、张其仔[8]的研究思路及方法,认为产业链现代化的核心在于:满足创新、协调、可持续的高质量发展要求;顺应数字化的时代背景;增强基础能力和韧性以应对复杂的国际环境。基于此,本文从产业链基础、产业链创新、产业链韧性、产业链协同、产业链数字化和产业链可持续六大维度构建产业链现代化指标体系(见表1),并使用熵值法合成综合指标以衡量产业链现代化水平。

2.2 全国产业链现代化发展水平分析

从全国层面来看,中国产业链现代化水平呈不断上升态势(见图2),从2003年的0.090上升到2022年的0.273,总体提高0.183,但整体现代化水平不高,具体可按照时间维度将其演变过程分为四个阶段,第一阶段为2003—2008年,产业链现代化水平从0.090上升至0.106,上升幅度(0.016)仅占总体增幅(0.183)的8.74%,分析其原因,这一阶段中国享有显著的劳动力成本优势,许多企业依赖于低成本的劳动力而非高技术生产方式。第二阶段为2008—2013年,产业链现代化水平从0.106上升至0.148,增幅占总体的22.95%,较第一阶段有所上升但依旧不高,原因可能是2008年全球金融危机冲击与政府为缓解冲击而加大基础设施建设及经济政策扶持力度双重作用下的结果。第三阶段为2013—2018年,产业链现代化水平从0.148上升至0.203,增幅占总体的30.05%,这一阶段中国产业链现代化水平增幅较大,究其原因,可能是《“十二五”国家战略性新兴产业发展规划》、“供给侧结构性改革”以及“中国制造2025”战略等政策的发布促进了以人工智能为代表的高新技术产业快速发展。第四阶段为2018—2022年,产业链现代化水平从0.203提升至0.273,增幅占比最大,为38.25%,原因分析:一是严峻的国际形势促使政府及企业加快产业链现代化的步伐以提高抗风险能力;二是随着供给侧结构性改革的深化,政府加大对落后产能的淘汰力度,更多资源和政策向智能化方向倾斜,进一步推动了产业链现代化水平的提升。

各子维度指标显示:在2003—2022年中国产业链现代化发展进程中,产业链基础、产业链数字化和产业链创新起到主要作用,其中产业链基础提升速度最快,指标得分从0.018增至0.084,为中国产业链现代化发展奠定了良好基础。而产业链韧性、产业链协同和产业链可持续水平提升幅度不高,中国产业链抗风险能力、产业链内外协同水平和产业链绿色化发展等方面亟须提升。

2.3 各省份产业链现代化水平分析

图3为2003、2012和2022年我国内地30个省份产业链现代化水平。在2003—2022年间,各省份的产业链现代化水平均有所提升,且后10年的提升速度均高于前10年。2003年,各省份产业链现代化水平处于0.04～0.23之间,天津、北京和上海均高于0.2排名前三,广东、江苏、福建、浙江和辽宁产业链现代化水平处于0.1～0.2之间,其余省份产业链现代化水平在0.1以下,说明2003年全国各省份产业链现代化水平差距不大,且大都处于较低水平。2012年,各省份产业链现代化水平提升至0.07～0.32之间,上海、广东、北京处于产业链现代化水平前三的位置,各省份产业链现代化水平较2003年未有大幅度提升。2022年,各省份产业链现代化水平处于0.13～0.62之间,其中广东、北京、上海、江苏和浙江处于领先地位,均在0.4以上,宁夏、云南、内蒙古、甘肃、黑龙江和新疆产业链现代化水平较低,在0.16及以下,所有省份的产业链现代化水平均得到较高提升,各省份产业链现代化水平间的差距也随之加大。

3 模型选择、变量设计与数据来源

3.1 模型设定

3.1.1 基准回归模型

为实证检验人工智能技术创新对产业链现代化的作用效应,本文构建如下模型:

MICit=α+β0AIit+β1Controlsit+γi+δt+εit

(1)

式中:下标i和t分别表示省份和年份;MIC代表产业链现代化水平;AI代表人工智能技术创新水平;回归系数β0反映人工智能技术创新对产业链现代化的影响;Controls代表控制变量,包括教育水平、消费水平、经济发展水平、外商直接投资和人口密度;γi、δt、εit分别代表时间固定效应、省份固定效应和随机扰动项。

3.1.2 机制回归模型

借鉴江艇(2022)的分析思路,建立如式(2)(3)所示模型,实证检验人工智能技术创新促进产业链现代化发展的作用机制:

Laborit=α+β0AIit+β1Controlsit+γi+δt+εit

(2)

Rit=α+β0AIit+β1Controlsit+γi+δt+εit

(3)

其中,Labor代表人力资本水平,R代表固定资产回报率,β0反映人工智能技术创新对于两种机制变量的影响效应,下标i、t及其余变量含义与式(1)相同。

3.2 变量选择

3.2.1 被解释变量:产业链现代化水平(MIC)

产业链现代化水平(MIC)基于前文的产业链现代化水平指标体系测算得到,此处不再赘述。

3.2.2 解释变量:人工智能技术创新水平(AI)

既有研究主要采用工业机器人数据[16]和人工智能专利数据[13]表征人工智能创新水平。然而,工业机器人数据对人工智能发展水平的衡量往往局限于工业部门,有片面性,相比之下,人工智能专利数据可以破除这一局限,更全面地衡量人工智能技术创新发展态势。故本文借鉴黄志等[12]、王林辉等[13]的研究,在综合政府官方发布的权威文件和人工智能领域权威报告的基础上,以“人工智能”“算法”“机器人”“专家系统”等作为人工智能领域关键词,在PatentHub数据库中检索并筛选专利类型为“发明授权”、专利有效性为“有效”的专利数据,再将所得数据在省份层面进行加总处理,用以表征人工智能技术创新水平(单位:万件)。

3.2.3 机制变量:人力资本水平(Labor)、固定资产回报率(R)

对于人力资本水平(Labor)的测度,本文采用文献中广泛使用的平均受教育年限来衡量。针对固定资产回报率(R)的测度,本文基于固定资产回报率含义和借鉴相关研究[22],使用各省份工业企业利润总额与固定资产净值之比表征。

3.2.4 控制变量

借鉴相关研究[1,8],本文选取以下变量作为影响产业链现代化水平的控制变量:教育水平(Edu),用教育经费占GDP比重来衡量;消费水平(Consu),用消费品零售总额占GDP比重来表示;经济发展水平(Lpgdp),用人均GDP取对数来衡量;外商直接投资(Lfdi),以外商投资总额取对数来表征;人口密度(Popude),以人均城市道路面积来衡量。本文主要变量的描述性统计结果如表2所示。

3.3 数据说明

本文以2003—2022年中国内地30个省份作为研究对象。具体数据来源于:PatentHub数据库、国家统计局、各省份统计年鉴、EPS全球统计数据/分析平台、中国经济社会大数据研究平台以及《中国统计年鉴》《中国工业统计年鉴》《中国高技术统计年鉴》《中国能源统计年鉴》《中国民政统计年鉴》《中国区域经济统计年鉴》。对于个别缺失数据,根据具体缺失情况采用平均增长率或插值法补齐。

4 人工智能技术创新赋能产业链现代化发展的实证检验

4.1 基准回归

为检验人工智能技术创新对产业链现代化的促进作用,本文利用模型(1)进行基准回归。如表3所示,列(1)为未加入任何控制变量和固定效应的结果,列(2)～(4)报告了添加控制变量后年份固定、省份固定以及双固定情况下的回归结果。列(4)结果表明,人工智能技术创新水平每提高1个单位,产业链现代化水平会提升0.538个单位。以上结论证实了假设H1。

4.2 稳健性检验与内生性处理

4.2.1 稳健性检验

本文采用多种方法进行稳健性检验。第一,为避免赋权方式差异导致的结果偏误,本文在上述产业链现代化指标体系构建的基础上,利用主成分分析法合成新的产业链现代化指标替代被解释变量进行回归,结果见表4列(1)。第二,考虑到人工智能专利的应用对于产业链现代化的影响可能存在滞后性,本文以滞后一期的人工智能专利数据进行稳健性检验,结果如表4列(2)所示。第三,为了缓解遗漏变量带来的计量误差,同时考虑到对外贸易活动会带来更激烈的市场竞争和更高的生产效率,城市化发展有助于产业结构的变革与升级,二者均会对产业链现代化发展产生影响,故在基准回归的基础上,进一步将外贸水平和城市化水平纳入控制变量,城市化水平以城镇人口与总人口比值来衡量,外贸水平以区域进出口总额与GDP比值来衡量,回归结果见表4列(3)。第四,考虑到直辖市在经济、社会、政策方面可能具有一些特殊性,因此本文在剔除四大直辖市的基础上重新进行回归,结果如表4列(4)所示。第五,自2017年底开始,多省份陆续实施“链长制”政策以驱动产业链现代化发展[23],为排除这一政策对回归结果的干扰,本文剔除2017年及以后的样本数据并进行回归,结果如表4列(5)所示。综合列(1)～(5)的回归结果,人工智能技术创新能够推动区域产业链现代化发展这一结论具有稳健性,假设H1得到进一步验证。

4.2.2 内生性处理

前文一系列稳健性检验可有效缓解遗漏变量、测量误差所带来的内生性问题,然而需要考虑的是:人工智能技术的发展严重依赖于数据和场景,产业链现代化水平的提升会为人工智能算法的训练和优化提供更多数据和场景,进而为人工智能技术发展提供更广阔的空间,人工智能与产业链现代化发展之间极有可能存在反向因果问题。

本文借鉴刘斌等[24]的研究,使用Web of Science 核心数据库中研究领域为计算机科学、人工智能的论文数量作为工具变量,缓解内生性问题对OLS回归结果的干扰。使用人工智能论文数量的原因是:人工智能论文数与人工智能发展水平密切相关,随着人工智能技术的发展和应用,科研工作者和科研机构对人工智能的关注度和研究投入会不断提升,人工智能技术的发展也会为科研工作者提供更多研究角度和研究条件。

表5报告了使用工具变量进行内生性处理后的2SLS回归结果。Kleibergen-Paap rk LM统计量在1%水平上拒绝了原假设,排除了工具变量不可识别性;Kleibergen-Paap rk Wald F统计量大于Stock-Yogo在10%水平上的临界值,排除了弱工具变量的可能性,工具变量合理性得到进一步验证。其中,列(1)(2)为不添加控制变量情况下的回归结果,列(1)中工具变量(IV)的回归系数为0.389,在1%水平上显著,说明人工智能论文数与人工智能技术创新水平存在正相关关系;列(2)表明对内生性问题加以控制后,人工智能技术创新对于产业链现代化仍存在显著正向效应。将控制变量纳入2SLS回归后的结果如列(3)(4)所示,结论依旧是稳健的。

4.3 异质性分析

在考虑不同地区发展特征的情况下,人工智能技术创新对产业链现代化水平的作用效果会不会存在差异?本文基于我国各地区产业链发展实际状况,从产业链现代化水平、对外贸易水平及区位优势差异三个层面分析人工智能技术创新对产业链现代化的异质性影响。

4.3.1 产业链现代化水平

对于产业链现代化水平的高低,本文借助平均数进行划分:若地区产业链现代化水平高于相应年份的全国平均水平,则该区域为高产业链现代化水平地区;否则为低产业链现代化水平地区。如表6列(1)(2)所示,人工智能技术创新对产业链现代化的影响效应在高产业链现代化水平地区更显著。究其原因,可能是因为高产业链现代化水平地区通常会拥有更完善的产业链基础和更多的人才储备,企业和政府普遍也会更注重高效率、高质量的生产和服务,故而人工智能技术更易与产业链发展相结合,更好地发挥人工智能技术创新赋能作用。

4.3.2 对外贸易水平

较高的对外贸易水平意味着更广阔的市场和更大的竞争压力,政府和企业也更注重引入高技术产品和高技能人才以提升自身竞争力,人工智能技术也相应地更易于发挥其对产业链现代化水平提升的赋能作用。本文基于对外贸易水平平均数,将各区域划分为高对外贸易水平地区和低对外贸易水平地区展开实证检验。如表6列(3)(4)所示,人工智能技术创新对产业链现代化水平的影响效应在高对外贸易水平地区更强。

4.3.3 区位优势差异

考虑到地理位置、自然资源、制度环境等因素带来的区位优势差异也会使人工智能技术创新对产业链现代化的作用效应有所不同。本研究将各地区划分为东部地区和中西部地区展开考察。由表6列(5)(6)可知,相较于中西部地区,人工智能创新对产业链现代化的促进作用在东部地区更强,东部地区在经济、人才、市场、地理等方面的优势使得人工智能技术更好地发挥其外溢效应。

4.4 机制检验

4.4.1 人力资本高级化

根据前文的理论分析,人工智能技术创新对产业链现代化的提升效应能够通过推动人力资本高级化实现。表7列(1) 为人力资本高级化机制检验结果,人工智能的回归系数为0.971,表明人工智能专利数量每增加1万件,可使人均教育年限平均增加0.971年,即人工智能技术创新可以显著促进人力资本高级化。参考徐少俊等[25]、吕拉昌等[26]的研究思路,本文分别以高技能人力资本占比(H_labor)和中低技能人力资本占比(L_labor)替换人力资本水平(Labor)进行稳健性检验,其中,高技能人力资本指最高受教育程度为大学专科及以上就业人员,中低技能人力资本为最高受教育程度为高中及以下的就业人员。如表7列(2)(3)所示,回归系数均在5%水平上显著,即人工智能技术创新可以增加高技能人力资本占比、降低中低技能人力资本占比,进一步说明人工智能技术创新可以通过推动人力资本高级化实现产业链现代化水平提升。因此,假设H2得以证实。

4.4.2 固定资产回报率提升

如前文所述,人工智能技术除了可推动人力资本高级化发展外,其智能渗透、边界延展和自我深化特性还决定了人工智能技术创新也可通过提升固定资产回报率实现产业链现代化发展。由表7列(4)可知,人工智能专利数量每增加1个单位,可使固定资产回报率提升0.463个单位,即人工智能技术创新能够通过提升固定资产回报率进而提高产业链现代化水平。因此,假设H3得以证实。

5 进一步讨论

前文系统地讨论了人工智能技术创新对产业链现代化的影响效应,证实了人工智能技术创新可通过推动人力资本高级化和固定资产回报率提升促使产业链现代化发展。然而,部分学者在探究人工智能技术的影响效应时注意到人工智能对经济社会的影响存在阶段性差异。如Hémous 等[27]就经济发展不同阶段人工智能所带来的差异性影响进行了探讨,黄志等[12]在人工智能与劳动收入水平和收入差距的研究中证实了人工智能与经济社会融合的不同阶段会带来不同效益。考虑到在产业链与创新链融合的过程中存在“死亡之谷”(从基础型研究转化为应用型研究之困)和“达尔文之海”(从应用型研究到投入经济生产活动之困)两大困难(蔡跃洲,2015),人工智能技术与产业链融合的过程中也会存在短期和长期影响差异。据此,本文借鉴黄志等[12]的研究,构建如式(4)(5)所示的实证模型,针对人工智能技术创新对产业链现代化的短期影响趋势和长期效应展开分析。

MICit=α+β0AIit+β1L1.AIit+β2L2.AIit+β3Controlsit+γi+δt+εit

(4)

MICit=α+τAIit+β1(L.AIit-AIit)+β2(L2.AIit-AIit)+β3Controlsit+γi+δt+εit

(5)

式(4)反映人工智能技术创新对产业链现代化的短期影响趋势。AI、L1.AI、L2.AI分别代表当期、滞后一期与滞后两期的人工智能技术创新。β0、β1和β2分别代表人工智能技术创新当年、滞后一年以及滞后两年对产业链现代化的影响效应。在式(4)的基础上令τ=β0+β1+β2构建式(5),其中τ反映人工智能技术创新对产业链现代化的长期效应。其余变量及下标i和t的含义与式(1)一致。

5.1 短期影响趋势分析

表8列(1)与列(3)分别为添加控制变量与不添加控制变量情况下的回归结果。AI的系数均为负值,L.AI与L2.AI的系数均为正值,且L2.AI的系数均大于L.AI,所有系数显著。进一步地,如列(2)与列(4)所示,将被解释变量替换为采用主成分分析法所得的产业链现代化指数进行检验,结果保持不变。说明人工智能技术创新对产业链现代化的影响在时间上呈先下降后上升的趋势,并且随着时间的推移,人工智能对产业链现代化的促进作用会不断增强。究其原因,人工智能技术从创新、引进到应用需要一定周期,在人工智能技术创新及导入初期,企业面临人员培训、技术调整等挑战,会导致其对产业链现代化发展的作用不明显甚至为负。但随着人工智能与产业链的不断融合,其对产业链现代化的正向影响也会不断增强。

5.2 长期效应分析

如表9所示,列(1)～(4)分别为不添加控制变量、替换被解释变量且不添加控制变量、加入控制变量、加入控制变量且替换被解释变量情况下的回归结果。可以发现,所有情况下AI的系数为正,且均在1%水平上显著。进一步说明随着时间的推移,人工智能与产业链融合发展对产业链现代化的促进作用远远大于人工智能创新初期所带来的负面影响。同时也证实了从长远分析,人工智能技术创新对产业链现代化具有显著促进作用。

6 研究结论与政策建议

6.1 主要结论

本文构建产业链现代化指标体系,基于2003—2022年中国内地30个省份面板数据,分析中国产业链现代化发展水平,采用人工智能专利技术数据,实证考察了人工智能技术创新对产业链现代化发展的影响效应和作用机制。结果表明:第一,人工智能技术创新能够显著提升产业链现代化水平。相对于低产业链现代化水平地区、低对外贸易水平地区和中西部地区,人工智能技术在高产业链现代化水平、高对外贸易水平和东部地区的赋能作用更强。第二,人工智能技术可以通过人力资本高级化和固定资产回报率提升两个渠道推动产业链现代化发展。其中,人力资本高级化的中介机制主要由人工智能技术的智能渗透、边界延展和知识创造特性决定,固定资产回报率提升的中介机制则由人工智能的智能渗透、边界延展和自我深化特性决定。第三,人工智能技术创新对产业链现代化发展的影响效应具有持续性,在时间上呈先下降后上升趋势。在人工智能技术创新初期,其对产业链现代化发展的作用效果不显著甚至有负向影响,但随着时间的推移,其对产业链现代化的促进作用会不断增强。从长远分析,人工智能技术创新对产业链现代化的赋能效应远远大于创新初期的负面效应。

6.2 政策建议

(1)因地制宜加强人工智能技术创新导向,推动产业链现代化发展。政府在制定人工智能发展规划时应加强对人工智能技术研发的支持力度,明确人工智能发展目标和保障措施,积极鼓励和引导企业引进人工智能技术赋能产业链现代化发展。同时,考虑到人工智能技术创新对产业现代化发展的促进作用具有异质性,各地区政府在制定相关政策时应注意强优势和补短板。东部地区可以充分利用人才、资金等方面优势,加快人工智能关键核心技术研发,打造人工智能技术创新高地。中西部地区则应更加注重人工智能技术应用,部署人工智能计算集群和建设人工智能训练场,着力提高人工智能算力服务水平。同时各地区要加强交流合作以推动人工智能技术在区域间的共享和应用,优势互补、协同发展。

(2)积极推动“人工智能 +”行动,强化人力资本升级和固定资产回报率提升机制。政府可在重点行业和领域实施人工智能示范项目,以提升效率、降低成本、优化服务的实际效果,激励各行各业积极引进人工智能技术,鼓励企业对生产线进行智能化改造,加快构建人工智能技术平台以促进产业链现代化发展。教育部门可适当调整教育内容与方式,融入更多人工智能相关课程,积极培养跨学科、复合型人才,扩大职业教育与继续教育覆盖面,提升现有劳动力技能水平以适应企业智能化转型需求。

(3)加大技术创新投入,促进人工智能技术与产业链深度融合、持续发展。政府可通过设立人工智能专项基金、税收优惠和研发补贴等政策措施推动人工智能技术与产业链深度融合,减少人工智能技术创新初期对产业链现代化带来的负向影响。相关部门也要应极鼓励和支持行业龙头企业率先引入人工智能技术,利用龙头企业的人力资源与资金优势,探索人工智能技术在产品研发、生产与服务等方面的应用,形成可复制、可推广的经验模式,为中小企业提供借鉴和带动作用,促进产业链现代化发展。

参考文献：

[1] 张虎,张毅,韩爱华.我国产业链现代化的测度研究[J].统计研究,2022,39(11):3-18.

[2] BRYNJOLFSSON E,MITCHELL T,ROCK D.What can machines learn,and what does it mean for occupations and the economy[J].AEA Papers and Proceedings,2018,108(5):43-47.

[3] AGRAWAL A,GANS J,GOLDFARB A.Economic policy for artificial intelligence[J].Innovation Policy and the Economy,2019,19(1):139-159.

[4] 刘志彪.产业链现代化的产业经济学分析[J].经济学家,2019,31(12):5-13.

[5] 庞金友.中国式现代化的政治意蕴与实现路径[J].人民论坛·学术前沿,2022,11(24):25-32.

[6] 盛朝迅.推进我国产业链现代化的思路与方略[J].改革,2019,32(10):45-56.

[7] 黄群慧,倪红福.基于价值链理论的产业基础能力与产业链水平提升研究[J].经济体制改革,2020,38(5):11-21.

[8] 中国社会科学院工业经济研究所课题组,张其仔.提升产业链供应链现代化水平路径研究[J].中国工业经济,2021,38(2):80-97.

[9] 陈雨.新质生产力助推产业链现代化体系建设研究[J].生产力研究,2024,39(8):80-84,161.

[10] 霍春辉,何地,庞铭.“链主”企业提升产业链现代化水平的功能作用与实现路径[J].科学管理研究,2024,42(2):103-109.

[11] ACEMOGLU D,RESTREPO P.Robots and jobs:evidence from US labor markets[J].Journal of Political Economy,2020,128(6):2188-2244.

[12] 黄志,程翔.人工智能对劳动收入水平和收入差距的影响——理论解读与实证检验[J].经济理论与经济管理,2023,43(1):78-95.

[13] 王林辉,钱圆圆,周慧琳,等.人工智能技术冲击和中国职业变迁方向[J].管理世界,2023,39(11):74-95.

[14] 陈彦斌,林晨,陈小亮.人工智能、老龄化与经济增长[J].经济研究,2019,54(7):47-63.

[15] GRAETZ G,MICHAELS G.Robots at work[J].Review of Economics and Statistics,2018,100(5):753-768.

[16] 吕越,张杰.人工智能与产业链韧性提升[J].西安交通大学学报(社会科学版),2024,44(2):29-38.

[17] 董直庆,谭玉松,赵贺.人工智能技术会诱致产业逆向梯度转移吗——来自省际层面的行业经验证据[J].学术月刊,2022,54(8):55-66.

[18] BRESNAHAN T F,TRAJTENBERG M.General purpose technologies 'engines of growth'[J].Journal of Econometrics,1995,65(1):83-108.

[19] 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),2019,49(5):6-13.

[20] 李建中.人工智能:不确定的自主性知识创造[J].自然辩证法研究,2019,35(1):117-122.

[21] 于凤霞.以发展人工智能为重点加速锻造新质生产力[J].中国经济报告,2023,18(6):107-113.

[22] 张勋,徐建国.中国资本回报率的驱动因素[J].经济学(季刊),2016,15(3):1081-1112.

[23] 孟祺.产业政策与产业链现代化——基于“链长制”政策的视角[J].财经科学,2023,67(3):93-107.

[24] 刘斌,潘彤.人工智能对制造业价值链分工的影响效应研究[J].数量经济技术经济研究,2020,37(10):24-44.

[25] 徐少俊,郑江淮.信息化如何影响中国劳动力市场的技能溢价——基于就业升级和就业极化双重视角的分析[J].经济问题探索,2022,43(2):158-170.

[26] 吕拉昌,孙飞翔,黄茹.基于创新的城市化——中国270个地级及以上城市数据的实证分析[J].地理学报,2018,73(10):1910-1922.

[27] HÉMOUS D,OLSEN M.The rise of the machines:automation,horizontal innovation,and income inequality[J].American Economic Journal:Macroeconomics,2022,14(1):179-223.

(责任编辑：梅岚峤)