The Impact of Virtual Agglomeration on Integration of Urban Industrial Chain and Innovation Chain in the Context of Artificial Intelligence

Yu Huang1, Yang Zixuan1, Zhang Jingqiu2

(1.School of International Trade and Economics, University of International Business and Economics, Beijing 100029, China;2.College of Applied Arts and Sciences, Beijing Union University, Beijing 100191, China)

Abstract：While artificial intelligence has sparked a technological revolution, it has also driven transformations in urban industrial spaces and innovation models. As a new form of spatial organization that facilitates the efficient exchange of key factors and information across temporal and spatial boundaries, virtual agglomeration has become a critical support for the integrated development of urban industrial and innovation chains. Amid the widespread application of AI technology, a systematic exploration of how virtual agglomeration promotes urban dual-chain integration, coupled with analysis of its internal mechanisms and spatial regularities, provides valuable guidance for cities to enhance their innovation source capabilities, optimize regional radiation patterns, construct modern industrial systems, and facilitate their ascent in global value chains through this new spatial organizational form.

In view of this, this study develops an evaluation index system for the two subsystems of urban industrial chains and innovation chains. The industrial chain subsystem encompasses four dimensions (length, width, correlation, and thickness), which respectively assess the vertical depth and value-added capacity (including structural hierarchy, integration, and value creation efficiency), horizontal breadth and diversification (reflecting participant scope, resource utilization, and industrial complexity), inter-segment interdependence and coordination (captured by information flow and shared resource contribution), and activity density and economic strength (as indicated by industrial scale and synergistic agglomeration).

The innovation chain subsystem selects indicators corresponding to three stages: R&D investment, achievement transformation, and innovation industrialization. Within this framework, the study calculated the level of virtual agglomeration and the level of coupled and coordinated development between urban industrial and innovation chains across 222 prefecture-level cities in China from 2006 to 2022, and characterized the spatial evolution of urban dual-chain integration. Furthermore, this study constructed a spatial Durbin model to empirically examine the impact and spillover effects of virtual agglomeration on dual-chain integration. The findings indicate that the overall level of dual-chain integration in Chinese cities has continued to rise: at the regional scale, it exhibits a hierarchical transition pattern from coastal economic belts to inland hinterlands; at the urban system level, it presents a circular nested structure characterized by a gradual decline from central to peripheral cities.

Further analysis reveals that under the geographic matrix and the nested economic-geographic spatial weight matrix, virtual agglomeration significantly promotes the level of coupled and coordinated development of local cities′ industrial and innovation chains. However, a significant negative spillover effect was also observed, indicating that virtual agglomeration exerts a degree of inhibitory effect on dual-chain integration in neighboring cities. Heterogeneity analysis based on city size shows that virtual agglomeration has a significantly positive impact on the coupled and coordinated development of urban industrial and innovation chains in megacities (e.g., Beijing, Shanghai, Wuhan), large cities (e.g., Xi′an, Nanjing), and medium-sized cities (e.g., Shijiazhuang, Taiyuan), whereas the facilitating effect is not significant for small and medium-sized cities. Mechanism analysis demonstrates that information transmission efficiency and the agglomeration of producer services are key channels through which virtual agglomeration influences the integrated development of urban industrial and innovation chains. Specifically, the information transmission efficiency mechanism serves as the primary channel for its direct facilitating effect, while the producer services agglomeration mechanism acts as the main channel for its negative spillover effect. Additionally, market segmentation undermines the facilitating effect of virtual agglomeration on the coupled and coordinated development of urban industrial and innovation chains.

This study makes three key contributions: First, it incorporates virtual agglomeration into the theoretical framework of industrial and innovation chain integration, analyzes the specific impact of virtual agglomeration on dual-chain integration, and thereby expands the research scope of existing literature on dual-chain integration. Second, it uncovers spatial correlations and spillovers between urban virtual agglomeration and dual-chain integration, tests the moderating role of market segmentation, and identifies constraints from geography and market conditions. Third, it explores the heterogeneity and spillover effects of virtual agglomeration across different city sizes, providing theoretical support and empirical evidence for local governments to formulate targeted industrial policies.

Key Words：Artificial Intelligence; Integration of Dual Chains; Virtual Agglomeration; Influence Mechanism; Spatial Effect

收稿日期：2025-06-27

修回日期：2025-11-20

基金项目：国家自然科学基金项目(41771187);对外经济贸易大学研究生科研创新基金项目(202315)

作者简介：余煌(1998—),男,湖南平江人,对外经济贸易大学国际经济贸易学院博士研究生,研究方向为区域和城市经济学、产业转型升级;杨子璇(1999—),女,山东聊城人,对外经济贸易大学国际经济贸易学院博士研究生,研究方向为金融学、城市经济转型;张景秋(1967—),女,甘肃兰州人,博士,北京联合大学应用文理学院教授、博士生导师,研究方向为城市地理学、文化遗产与区域保护规划。通讯作者:张景秋。

DOI：10.6049/kjjbydc.D82025060672

开放科学(资源服务)标识码(OSID)：

中图分类号：F061.5

文献标识码：A

文章编号：1001-7348(2026)01-0057-13

0 引言

2025年3月,习近平总书记参加十四届全国人大三次会议江苏代表团审议时强调,“科技创新和产业创新,是发展新质生产力的基本路径”。城市作为科技创新和产业创新资源配置平台和空间载体,城市产业链创新链融合发展是因地制宜发展新质生产力的关键所在,也是推动中国经济由要素投入增长模式转向创新驱动发展模式的关键举措[1]。人工智能作为新一轮战略性技术,正以其强大的技术优势和应用潜力,深刻改变着产业组织形态和创新竞争格局,为城市产业链创新链融合提供新视角。

2025年《政府工作报告》进一步明确提出“持续推进‘人工智能+’行动,将数字技术与制造优势、市场优势更好结合起来”。随着人工智能、大数据及云计算等前沿技术的迅猛发展与广泛应用,传统产业所依存的地理空间界限逐渐模糊,企业得以在更为广泛的虚拟数字空间中实现无缝对接与协同作业。另外,虚拟集聚作为新一代信息技术与实体经济深度融合的空间组织形态,借助其突破时空界限、完善信息对称和促进数字化知识溢出的特性,为城市利用人工智能引领产业升级提供了广阔应用场景和海量数据支持,成为解决当前双链融合“三低一梗阻”问题的发力点[2]。人工智能通过重塑资源配置方式、突破知识传递边界、重构产业协同模式、深度嵌入虚拟集聚影响双链融合,构成二者互动关系的技术背景与现实情境。基于此,在人工智能技术广泛应用趋势下,系统探究虚拟集聚如何促进城市双链融合,解析其内在机理与空间规律,对于城市依托新型空间组织形态提升创新策源能力、优化区域辐射格局、构建现代化产业体系以及推动全球价值链攀升具有重要意义。

1 文献综述

现有关于产业链与创新链融合发展研究主要集中在以下方面:一是理论研究。在定义与特征探讨上,已有学者认为产业链与创新链融合是指通过创新要素与产业要素深度整合,实现从基础研究到产业化应用的全链条协同发展[3],融合特征表现为关键环节突破、规模化发展以及产业生态网络逐步形成。在耦合路径探讨中,有学者指出借助产业技术研究院、产学研合作创新、大科学工程以及企业主导的创新联合体等多种形式,能够有效推动产业链与创新链耦合发展[4]。二是影响因素研究。柳毅等[5]运用空间计量模型探究数字经济对传统制造业双链耦合协调发展的影响;张本秀和吴福象[6]从资本积累和就业极化两个方面分析机器人应用对产业链创新链融合的影响。在评估单一产业链或创新链综合发展水平时,学者灵活选择熵值法、主成分分析法或层次分析法等进行量化分析[7],这些方法因其在处理单一系统时的高效性和准确性而被广泛应用。当涉及产业链与创新链间耦合关系或进一步拓展到多链协同发展的复杂场景时,学者多借助综合动态模型衡量这种耦合水平,其中耦合协调度模型、灰色关联度模型以及复合系统动力学预测模型等应用普遍。

现有关于虚拟集聚的研究主要包括以下两个方面:一是集中探讨虚拟集聚的概念界定、类型划分、特征表现及其形成机制。如虚拟集聚形成机制和驱动因素[8]、虚拟集聚组织形式及合作动力、虚拟集聚治理模式与协同效应[9]。二是部分学者从企业创新、企业出口质量和经济韧性等角度探究虚拟集聚的外部影响[10],但实证研究尚处于探索阶段。此外,关于虚拟集聚测度,已有学者采用区位熵、空间基尼系数等传统地理集聚度量方法进行测度。如采用区位熵指数和地理距离外溢衰减指数测度城市层面虚拟集聚水平[11];或从数字产业外部资源、虚拟网络交互、地理集聚等方面构建虚拟集聚指标体系[12];抑或采用份额移动法测算数字要素经由产业关联对细分行业的渗透程度,并将其作为行业层面虚拟集聚指数量化指标[13]。

虚拟集聚与城市双链融合关联研究虽处于探索阶段,但部分研究揭示了二者互动关系。在理论层面,学者普遍认为,虚拟集聚通过打破地理限制,为产业链上下游企业与创新链主体搭建跨域协作平台,这种组织形态革新为双链要素精准匹配创造了条件。在实证研究方面,部分学者发现,虚拟集聚程度较高城市产业专利转化率与高新技术产业产值占比显著提升[14],在一定程度上反映产业链与创新链的协同效能。此外,在对产业链与创新链融合区域差异及空间关联研究中,有学者发现地理距离和市场壁垒不仅会直接限制产业链跨区域延伸,还会通过削弱知识溢出效率抑制创新链辐射[15]。值得注意的是,在人工智能技术强化数字平台和弱化地理距离背景下,市场分割对双链融合的抑制作用是否依然显著,这为解析虚拟集聚与双链融合关系提供了关键调节视角,有待进一步验证。总之,上述研究为本文提供了坚实的理论基础,但存在如下不足:①在理论框架上,未将虚拟集聚系统纳入双链融合实证研究体系,尤其缺乏人工智能背景下对二者互动机制的深度解构,难以回应数字技术革命对产业协同模式的重塑作用。②在研究尺度上,现有研究多停留在省级层面,对地级市双链融合水平的测度及空间演化特征的关注不足,难以支撑城市精准施策需求。③在机制检验上,对虚拟集聚影响双链融合传导路径缺乏实证检验,且未剖析空间溢出效应。④在情境分析上,忽视了市场分割等制度因素的调节作用,也未探讨城市规模差异带来的异质性影响,导致对虚拟集聚效应边界条件的认知比较模糊。

鉴于此,本文测算2006—2022年中国内地222个城市虚拟集聚水平和城市产业链与创新链耦合协调发展水平,在解析城市双链融合空间演化的基础上构建空间杜宾模型,实证探究虚拟集聚对双链融合的溢出效应。本文边际贡献在于:①立足人工智能赋能实体产业的关键窗口期,将虚拟集聚纳入产业链创新链融合发展理论框架,分析虚拟集聚对双链融合的影响,可扩展双链融合研究边界。②现有双链融合研究主要集中在省级层面,本文利用耦合协调度模型测度城市层面双链融合发展水平,对其开展空间演化分析,并从信息传递效率和生产性服务业集聚视角剖析城市尺度虚拟集聚内在传导机制,可为理解城市层面双链融合提供新视角。③深入研究城市虚拟集聚与双链融合的潜在空间关联关系及空间溢出效应,探讨市场分割在其中发挥的调节效应,验证地理因素和市场环境的约束以及虚拟集聚在不同城市规模下的异质性表现及溢出效应,有助于为地方政府精准制定产业政策提供理论依据。

2 理论分析与研究假设

2.1 虚拟集聚影响城市双链融合的直接效应

随着数字经济的纵深发展,人工智能技术已从单一工具升级为重塑产业逻辑的核心力量,其通过算法迭代与数据穿透能力,正在重构传统生产要素配置规则与产业组织互动模式。在这一技术演进背景下,虚拟集聚作为依托数字网络形成的新型产业空间形态,其对产业链创新链的融合作用受人工智能技术的深度渗透。第一,人工智能通过动态要素匹配系统改变虚拟集聚资源配置方式[16]。相比于传统集聚受信息不对称和地理限制的约束,人工智能算法可实时整合产业链设备闲置信息与创新链研发需求,经全域网络精准对接,提升协同效率,为双链融合奠定要素基础。第二,人工智能借助智能解析技术突破知识传递时空边界,通过生成式AI技术快速整合全球知识资产,能促进创新链与产业链高效对接,强化创新价值转化。第三,人工智能依托数字孪生平台重构产业协同模式,将供应链主体纳入数字空间,人工智能算法可动态调整合作节奏,缩短“空间距离”,降低交易成本并加速成果转化,使虚拟集聚对双链融合的推动作用从要素层面升至系统层面。

可见,人工智能技术已深度嵌入虚拟集聚影响双链融合的全流程作用过程,为这种以数字网络为纽带的新型空间组织形态赋予精准化、无边界、高协同的技术赋能特征。在这一现实情境下,传统经济地理学中马歇尔“三位一体外部经济”(劳动力池效应、技术外部性、金钱外部性)呈现出新演化特征[17]。其中,劳动力池效应因智能替代而弱化,技术外部性与金钱外部性则在人工智能技术赋能下被重塑。人工智能赋能的虚拟集聚通过数字空间对物理集聚进行重构,既延续了传统产业集聚技术溢出、资源共享等核心机制,又借助无边界性、高渗透性等特征扩大集聚效应,同时缓解地理集聚的负外部性,成为推动双链融合的重要力量。提出以下假设:

H1:虚拟集聚能够促进城市双链融合发展。

2.2 虚拟集聚影响城市双链融合的传导机制

技术扩散理论认为,创新不仅依赖于技术本身,还与沟通渠道和用户接受度密切相关[18],解决信息梗阻是加强经济主体之间信息共享和资源整合、促进城市产业链与创新链融合的关键。在人工智能技术深度赋能下,虚拟集聚破解城市产业链与创新链环流信息梗阻的能力得到显著提升。首先,虚拟集聚借助人工智能驱动的信息网络突破传统地理空间限制,将更大范围内的生产主体与创新主体纳入智能集群系统。AI算法可自动识别跨区域产业链配套需求与创新链研发资源,通过数字孪生技术构建虚拟对接场景,使原本分散的要素实现动态关联,强化生产要素和创新资源的智能流动性。其次,虚拟集聚在利用大数据、云计算等技术对要素供需信息进行数据化处理后,进一步依托智能算法和匹配引擎精准匹配消费者和供给者需求,从而解决产业链与创新链之间的环流信息梗阻问题。最后,虚拟集聚平台即时反馈与动态调整机制在AI加持下更具有敏捷性[19]。一方面,即时反馈机制能将产业链发展需求快速反馈至创新链,引导创新资源投入方向和创新主体研发方向;另一方面,这种机制能够快速传播创新链前沿技术和创新理念,促进企业之间技术学习和模仿,使创新链成果及时转化为产业链升级动力,最终推动产业链与创新链融合发展。提出以下假设:

H2:虚拟集聚通过提升信息传递效率促进城市双链融合发展。

从主体认知角度分析,产业链与创新链涉及的各类主体在功能定位、认知方式和行为准则上呈现出显著差异。在跨链沟通过程中,主体之间需要传递高度专业化知识和难以言传的隐性知识[20]。这种知识传递的复杂性使得创新成果在产业链与创新链之间的转化面临较高难度和复杂度。作为现代服务业与制造业协同发展的中间“桥梁”,生产性服务业不仅自身具备知识密集型优势,而且在产业前后向关联上发挥重要作用,能够较好地突破产业链与创新链融合之间的隐性知识传递障碍和成果跨链转化困境。虚拟集聚通过数字技术与网络平台强化生产性服务业集聚效应,而人工智能技术深度渗透可进一步提升这种强化作用的精准性与效能,从而推动城市产业链与创新链深度融合。首先,虚拟集聚会强化生产性服务业集聚区作为双链融合空间载体的功能,人工智能技术则会拓展该载体的服务半径与适配精度。虚拟集聚通过扩大外部共享效应,扩展生产性服务业集聚规模效应的有效边界;人工智能驱动的智能调度系统可对服务资源进行动态配置,将研发设计、管理咨询等服务模块与产业链企业及创新机构的实时需求进行精准匹配,使生产性服务业在更广阔的空间范围内实现资源的高效整合与优化配置。其次,虚拟集聚可为生产性服务业集聚区内的创新主体提供更广阔的知识交流平台,生成式人工智能可将专业领域的隐性知识转化为编码信息,大语言模型能够消解跨领域术语壁垒,突破知识传递专业隔阂;同时,人工智能算法可对分散化知识进行关联重组,加速缄默知识创新与应用,缩小创新链与产业链知识势差,通过模块化分工提升创新效率(李爱国等,2024),进而推动双链融合。最后,虚拟集聚可推动生产性服务业集聚区内的产业要素与创新要素形成高效生态网络。人工智能感知系统能够协助虚拟集聚平台实时捕捉产业链生产动态与创新链研发进度,引导生产性服务业动态调整服务供给,在提升生产性服务业附加值的同时,通过产业协同效应促进城市产业链与创新链融合发展。提出以下假设:

H3:虚拟集聚通过强化生产性服务业集聚促进城市双链融合发展。

2.3 虚拟集聚影响城市双链融合的空间效应

虚拟集聚借助大数据、云计算等技术构建跨区域知识共享平台,虽然会突破传统地理集聚的物理边界,却并未消除经济活动的空间关联,反而通过数字技术重构空间作用机制,使其对城市产业链与创新链融合的影响呈现出显著空间特性,从而促进知识共享和技术扩散。一方面,虚拟集聚通过数字平台连接不同城市经济主体,形成一个虚拟的“数字生态空间”,这种网络邻近性使得知识、技术和生产要素能够在更广泛的区域得以优化配置。在这种网络结构中,虚拟集聚不仅促进本地城市产业链与创新链耦合协调发展,还通过网络连接将这种协同效应传递到其它地区,形成城市间协同创新网络。另一方面,尽管虚拟集聚通过数字技术减少对物理空间的依赖,但数字基础设施空间分布不均会限制信息、数据等要素的自由流动,甚至加剧城市间数字鸿沟。数字基础设施空间差异导致不同城市在虚拟网络空间中的发展机会不均等,落后地区难以享受到虚拟集聚带来的产业协同效应[21]。此外,城市要素流动和市场拓展更注重与经济联系紧密城市间的合作与互动。经济邻近城市间相似的制度环境与产业基础能够降低虚拟集聚带来的要素流动交易成本与制度摩擦,进一步扩大这种要素联动对双链融合的正向溢出效应。提出以下假设:

H4:虚拟集聚对城市双链融合的影响存在空间溢出效应。

2.4 市场分割的调节效应

虚拟集聚对城市产业链与创新链融合的作用并非孤立于市场环境而存在,其效应强度受区域市场整合的显著约束。区域市场分割导致资源在不同地区间的流动受阻,使得产业链与创新链在跨区域融合时面临障碍。这种区域间的“壁垒鸿沟”不仅会限制创新资源高效配置,也会对企业跨区域产业链延伸产生约束[22]。例如,链长制作为地方政府治理产业链的政策工具,在全国各地得到广泛推行,对城市产业链优化升级起到一定作用。但更大区域范围内产业链布局统筹规划的缺位,导致地区形成以本城市为中心的封闭式“小循环”模式[23]。此外,制度市场分割也会影响产业链与创新链协同效率和融合进程。一方面,地方保护可能会导致核心技术、研发成果被限定在本地应用,抑制虚拟集聚网络技术共享;另一方面,区域间技术标准、检测规范差异会增加创新成果跨区域产业化的适配成本,导致虚拟集聚推动的知识溢出效应难以转化为双链融合的实际动力。探究市场分割如何调节虚拟集聚对双链融合发展的影响,有助于揭示市场分割对区域创新资源配置和产业协同的阻碍机制,为虚拟集聚溢出效应的有效发挥与政策制定提供实证依据。据此,本文提出以下假设:

H5:市场分割负向调节虚拟集聚对城市双链融合发展的影响。

综上所述,本文构建理论模型如图1所示。

3 研究设计

3.1 模型设定

本文构建虚拟集聚对城市产业链与创新链耦合协调发展直接传导机制的基本模型[24]:

CCDit=α0+αVagi,t+βcontroli,t+μi+δt+εi,t

(1)

其中,CCDit、Vagi,t分别为城市i在t时期的产业链与创新链耦合协调水平和虚拟集聚水平;μi为个体固定效应;δt为时间固定效应;εi,t为随机扰动项;controli,t为一组控制变量;α0为截距项;α为虚拟集聚的回归系数;β为控制变量的回归系数。

为进一步探究虚拟集聚对城市产业链与创新链耦合协调发展的空间效应,将公式拓展为空间面板杜宾模型(SPDM):

CCDit=α0+ρWCCD+α1Vag+φ1WVag+α2Control+φ2WControl+μ+δ+ε

(2)

其中,W为空间矩阵单元,包括地理距离权重矩阵和经济地理嵌套矩阵。

为进一步检验虚拟集聚对城市产业链与创新链耦合协调发展的作用机制,以及对信息传递效率、生产性服务业集聚的空间溢出效应,本文设定如下回归模型:

Information=α0+ρWInformation+α1Vag+φ1WVag+α2Control+φ2WControl+μ+δ+ε

(3)

Service=α0+ρWService+α1Vag+φ1WVag+α2Control+φ2WControl+μ+δ+ε

(4)

其中,Information、Service分别为城市信息传递效率、生产性服务业集聚观测值向量,其它参数与公式(1)相同。

3.2 变量含义

3.2.1 被解释变量

产业链与创新链深度融合通过各主体间的深度协作推动产业与技术紧密结合,其核心在于通过主体间的积极互动,实现产业链各环节与创新链各阶段的有效衔接和协同共振,进而促进价值提升与增值[25]。耦合协调度模型能够精准刻画复杂系统中子系统间的相互依赖与协调发展关系,客观反映产业链与创新链融合水平。城市产业链与创新链耦合协调度不仅衡量两者之间的紧密程度和协调性,还揭示其在发展过程中的互动与促进关系。本文通过构建城市产业链创新链融合评价指标体系,进一步运用熵值法计算城市产业链子系统和创新链子系统发展指数。在此基础上,通过耦合协调度模型测算最终结果。

基于科学性、客观性和数据可得性,参考相关研究[26],本文构建城市产业链与创新链评价指标体系,如表1所示。产业链子系统指标包含长度、宽度、关联度和厚度4个维度,分别评估产业链纵向拓展性、横向覆盖范围、各环节的协同紧密性以及整体竞争力。其中,产业链长度主要描述产业链层次结构和协同水平,价值增值能力和一体化程度能够全面评估产业链附加值创造效率及延伸程度。城市产品出口技术复杂度反映产品生产过程中所涉及的技术水平、知识含量和创新能力,能够表征产业链价值增值能力,具体计算公式参考朱向东等[27]的研究。产业链宽度主要体现产业链参与者的横向拓展程度和竞争效率,节点企业数量、资源利用率和产业结构层次能够反映产业链多元化竞争力和城市产业发展程度。产业链关联度主要评估产业链各环节之间的相互依存性和紧密程度,信息化水平和就业贡献率能够衡量产业链不同环节之间的信息流畅程度和资源共享程度。产业链厚度主要反映产业链活动多样性和附加值,产业规模和产业协同集聚度能够评估城市产业链内部资源投入、产出水平和市场占有力。

创新链子系统从创新研发投入、成果转化、产业化3个阶段选取指标。其中,研发投入阶段主要聚焦基础研究和技术开发,包括人才、资金、创新企业主体等。成果转化阶段是创新链中的关键环节,决定创新成果能否从实验室走向市场,这一阶段的目标是将基础研究成果转化为具有实际应用价值的技术或产品原型。其中,知识产权获取率反映创新成果在法律层面的保护和认可程度,是衡量创新成果能否转化为实际生产力的重要指标;新产品开发项目率反映企业或科研机构在创新链中将研究成果转化为实际产品的能力;新产品收入是衡量创新成果市场价值和商业成功的关键指标。产业化阶段作为创新链的关键终点,注重科技成果的大规模应用与商业转化,能够产生实际生产力和经济效益。其中,工业智能化是创新链产业化阶段的重要标志,反映制造业通过智能化创新技术实现转型升级的能力,采用城市人工智能企业数表征;创业活跃度反映创新链从技术到市场的转化效率,创业活动能够将新技术快速转化为新产品和新服务,采用每百人新创企业数表征;产品出口额反映创新成果国际市场占有率,采用城市产品出口总额表征;高技术产业出口增长不仅体现技术创新能力提升,还反映创新成果的市场价值和国际竞争力[27],采用高技术产业出口交货值占出口总额比重表征。

综上,本文采用耦合协调模型测算城市产业链与创新链耦合协调水平,具体公式如下:

(5)

T=αCYi+βICi

(6)

(7)

式中,CCD为城市产业链与创新链耦合协调度,CY为城市产业链综合发展指数,IC为城市创新链综合发展指数。

3.2.2 解释变量

参考刘烨等[28]的研究,虚拟集聚作为在网络空间中集聚形成的一种新型组织形式,其量化分析需兼顾信息技术集聚水平和实体经济中地理空间距离衰减特性。其中,信息传输、计算机服务和软件业就业人数区位熵是衡量虚拟集聚程度的核心指标。尽管虚拟集聚高度依赖新一代信息技术,但其实际运作与实体经济的联系依然紧密,因而会受到传统地理空间距离的影响。基于此,地理空间“距离衰减”效应在量化过程中不可或缺。因此,本文在评估虚拟集聚程度时,以区位熵为基础,结合逆地理距离权重进行加权处理,以更全面地反映其特征。具体计算方法如下:

(8)

其中,vsjt、xjt分别代表城市j在年份t的信息传输、计算机服务和软件业员工人数与总雇员人数,v、x则分别代表所有城市中上述行业的总员工人数和总雇员人数。此外,dcj表示城市c与城市j之间的地理距离权重,这一权重依据两城市间的球面距离确定。

3.2.3 机制变量

(1)信息传递效率(Information)。现有研究多聚焦资本市场中的信息传递效率,这一视角与本文研究主题存在一定差异。因此,本文从交易效率角度入手,采用人均GDP与城市人均电信业务收入的比值进行测度[29]。电信业务指标不仅与语言交流密切相关,更是居民在生产生活中信息成本的集中体现。其中,剔除各地居民邮政(快递)业务支出成本,以更清晰地反映信息传递效率。

(2)生产性服务业集聚(Service)。用生产性服务业从业人员计算区位熵指数,以衡量生产性服务业集聚程度。根据国家统计局发布的《生产性服务业统计分类(2019)》,基于《中国城市统计年鉴》提供的细分行业就业人数计算,公式如下:

(9)

其中,Lij、Li分别表示i地区生产性服务业从业人数和所有行业从业总人数,Lj、L分别表示全国生产性服务业从业总人数和所有行业从业总人数。

3.2.4 调节变量

市场分割水平(MS)。借鉴王昀和孙款款[30]的研究,运用价格指数法对各相邻城市之间的市场分割程度进行量化评估。

(10)

其中,MS(qnt)表示市场分割程度,n表示地区,N表示合并城市组合数目。

3.2.5 控制变量

虚拟集聚对城市产业链创新链融合发展的影响不限于集聚效应。除虚拟集聚变量外,城市产业链创新链融合还存在其它影响因素。参照相关研究[31],本文加入以下控制变量:①经济水平,采用城市人均GDP的自然对数衡量,以反映城市经济规模和市场潜力对产业链创新链融合的推动作用;②财政分权,采用地方财政一般预算支出与收入的比值衡量,用以考察政府财政资源配置对城市产业链创新链融合的影响;③劳动力成本,采用城市人均工资的自然对数值衡量,劳动力成本高低直接影响企业生产成本和创新能力,进而影响产业链创新链融合程度;④基础设施,城市交通基础设施建设是邻近城市产业关联发挥外部性作用的有利条件,采用公路客运量(人)的自然对数衡量;⑤水资源利用,采用工业废水排放量万吨的自然对数表征,用于衡量城市环境压力和产业可持续发展能力;⑥外资直接投资,外资流入通过技术关联和溢出效应影响城市产业链与创新链空间布局,采用外商直接投资的自然对数表征。

3.3 数据来源

本文数据主要来源于《中国城市统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》《中国工业企业数据库》《中国海关数据库》。为克服部分城市个别非核心指标统计数据缺失问题,对少量缺失数据采用线性插值法补全,该处理方式不会影响核心指标的真实性与多元数据间的匹配性,能有效保证变量测度及核心科学问题解释的可靠性。结合研究需要与数据可得性,本研究数据样本时间跨度为2006—2022年,最终样本覆盖全国222个城市。

4 实证结果与分析

4.1 空间演化与模型选取

4.1.1 空间演化

为进一步探究城市双链耦合协调度的时空特征和地区差异,以2006年、2014年和2022年中国城市产业链与创新链耦合协调度指数为基础,利用ArcGIS软件对3个年度各城市进行等级划分,得到城市产业链创新链融合空间演化格局(见图2)。从全国看,2006—2022年中国双链耦合协调度呈稳步增长态势,实现从相对失衡到较为协调的阶段转变。具体而言,2006—2014年,低度协调城市数量逐步减少,中度协调城市空间分布相对分散,沿海地区部分城市呈高度协调,这一时期中国城市双链耦合协调度整体空间发展态势趋向均衡。2014—2022年,低度协调城市逐步转化为中度协调城市,高度协调城市数量显著增加,且出现集中连片区域。分区域看,2022年,中国城市双链融合水平在不同区域间存在显著差异,呈现出东高—中次—西低的空间分布格局。东部地区经济基础雄厚,市场环境优越,吸引了大量国内外投资和创新资源。良好的市场环境和产业基础促进创新成果快速转化和产业化,创新链与产业链融合水平显著提升。以上海、杭州、苏州等城市为代表的长三角城市群,以广州、深圳等城市为代表的珠三角城市群,以青岛、济南、烟台为代表的山东半岛城市群在双链融合方面表现突出。这表明,东部地区城市群通过中心城市与周边城市协同合作,形成高效的创新与产业联动机制,在区域双链融合中发挥显著引领作用。此外,长春、沈阳、武汉、长沙、西安、福州、太原等省会城市在全国范围内也处于相对优先水平。这些城市借助其在区域内的行政、教育和科研资源集聚优势,成为区域创新中心,推动本地产业链与创新链融合发展[32]。

4.1.2 空间计量检验

为验证空间计量模型的适用性,本文对核心变量进行空间自相关检验,以评估其空间依赖性。表2展示了2006—2022年全局自相关分析结果。结果显示,双链融合各年份的全局Moran's I系数均为正值,且多数统计结果在1%水平上显著。这表明,城市产业链与创新链耦合协调发展呈现出显著的空间正相关性,即不同城市双链融合水平存在明显的空间关联。因此,研究虚拟集聚对城市产业链与创新链融合发展的影响需考虑空间溢出效应。本文采用空间杜宾模型(SDM)分析虚拟集聚对城市产业链与创新链耦合协调发展的直接影响与空间效应。同时,纳入时间固定效应和个体固定效应,并开展LM、LR和Wald检验,结果如表3所示。

4.2 基准回归分析

表4呈现了基准回归分析结果。在构建该模型过程中,不仅纳入关键控制变量,还充分考虑城市固定效应和时间固定效应的综合影响。由列(1)(2)结果可知,在不考虑空间因素情况下,虚拟集聚对双链融合的直接效应系数在1%水平上显著为正,表明虚拟集聚能够直接促进双链融合,虚拟集聚水平越高,双链融合程度越深。在地理距离权重矩阵和经济地理嵌套矩阵下,虚拟集聚对城市产业链与创新链耦合协调发展的直接影响均显著为正,促进双链融合发展,说明研究结果稳健,假设H1得以验证。虚拟集聚具有强渗透性和高时空压缩特征,未考虑空间效应可能会错估其作用效果。因此,进一步基于两种不同空间权重矩阵进行空间回归检验。从虚拟集聚回归系数看,在两种不同空间权重矩阵下,空间效应系数分别为-0.162和-0.203,均显著为负,表明虚拟集聚通过空间关联对相邻区域产生负向溢出效应。这反映出本城市产业链与创新链耦合协调发展不仅受自身虚拟集聚水平的影响,同时还与周边城市虚拟集聚水平相关。

4.3 空间效应分析

根据不同定量分析模型,由于溢出效应的周期性,空间模型系数并不能完全反映虚拟集聚的边际效用。本文使用差分分解方法将影响效应分解为直接影响效应、间接影响效应和总效应[33],空间效应分解结果如表5列(1)(2)所示。在两种不同空间权重矩阵下,虚拟集聚对城市产业链与创新链耦合协调度的直接效应估计参数分别为0.031和0.032,且均通过1%水平显著性检验,表明虚拟集聚促进本地城市产业链创新链融合发展。虚拟集聚在两种空间权重矩阵下对邻近城市产业链与创新链耦合协调度的溢出效应在1%水平上显著为负,对应系数分别为-0.114和-0.106。这表明,虚拟集聚存在负向空间溢出效应,本地区虚拟集聚对邻近地区双链融合发展起抑制作用,假设H4得以验证。在本地区虚拟集聚的带动下,借助数字技术和数字平台,产业链与创新链各节点能够超越地理空间约束,在虚拟空间中实现更广泛的资源配置和创新合作。这会引发区域产业链上下游企业快速整合与重组,进一步增强对邻近城市技术、资本等生产要素和创新要素的吸引,形成“虹吸集聚”现象,导致周边地区创新资源流失[34],进而抑制产业链与创新链耦合协调发展。

4.4 稳健性检验

为进一步验证基准回归与空间效应分析结果的可靠性,本研究通过多种方法进行稳健性检验,结果如表6所示。在数据处理层面,采用上下1%缩尾处理以缓解极端值干扰。表6列(1)(2)结果显示,在地理距离权重矩阵与经济地理嵌套矩阵下,虚拟集聚对本地区双链融合的直接效应系数在1%水平上显著为正;间接效应系数通过1%水平显著性检验且符号为负。这与基准回归结果一致,表明剔除极端值后所得结果与核心结论保持一致,且系数出现一定幅度上升,表明虚拟集聚对双链融合的作用效果显著。在空间权重矩阵设定层面,更换为反距离平方矩阵与经济距离矩阵,表6列(3)(4)结果显示,直接效应系数分别为0.051和0.050,均在1%水平上显著为正;间接效应系数分别为-0.033和-0.016,在5%水平上显著为负。综上,在不同数据处理与权重设定下,虚拟集聚对双链融合的影响特征一致,表明研究结论具有稳健性。

5 进一步分析

5.1 异质性分析

不同城市发展规模可能会使虚拟集聚对城市产业链与创新链耦合协调发展的影响呈现显著差异[35]。城市先发优势源于早期积累的规模效应、资源集聚和路径依赖。根据国务院发布的《关于调整城市规模划分标准的通知》,将城市按规模分组作为分类变量(超大型城市=1;特大城市=2;大城市=3;中小型城市=4),在模型中引入规模变量与虚拟集聚的交互项。如表7所示,加入交互项后,虚拟集聚回归系数依然显著为正,交互项直接效应系数为负,说明随着城市规模变小,虚拟集聚对城市产业链与创新链耦合协调发展程度的影响降低。相较于超大城市、特大城市与大城市,虚拟集聚对小城市双链融合发展的促进作用较弱。这是因为,小城市数字基础设施不完善、数字化服务不足和数字平台运营人才较少,导致企业在虚拟集聚中的参与度和协同效率较低[36],会限制虚拟集聚对小城市产业链与创新链耦合协调的促进作用。

5.2 影响机制分析

为验证虚拟集聚通过提高生产性服务业集聚水平与信息传递效率促进城市产业链与创新链耦合协调发展的理论分析,本文在基准回归模型的基础上进行机制检验,表8展示了生产性服务业集聚机制和信息传递效率机制检验结果。

表8列(1)(2)结果显示,虚拟集聚对信息传递效率的直接影响估计值为0.026,并通过1%显著性水平检验;而间接效应系数虽为正值,但未通过显著性检验。信息传递效率对双链融合的直接效应系数和间接效应系数均显著为正。这表明,虚拟集聚能有效提高当地城市信息传递效率,进而促进城市产业链与创新链耦合协调发展,但对邻近地区的溢出效应不显著,假设H2得以验证。虚拟集聚一方面通过数字技术和互联网平台提升参与主体间的信息共享与匹配效率,持续高效的信息传递会强化产业链各环节之间的生产关联性[37]。另一方面,虚拟集聚网络空间强大的扩容性和开放性促进知识多样化与隐性知识显性化,加速技术转移和创新成果转化。这种高效的信息传递机制不仅会优化产业链协同效率,还为创新链发展提供了广阔空间。尽管虚拟集聚信息传递机制在直接促进本地区产业链与创新链耦合方面效果显著,但其间接效应可能受技术门槛和市场化程度的制约[38],无法充分发挥其空间溢出效应。

表8列(3)(4)结果显示,虚拟集聚对生产性服务业集聚的直接影响显著为正,而其间接效应则显著为负,对应系数分别为1.358和-5.382;生产性服务业集聚对双链融合的直接效应系数和间接效应系数均显著为正。这表明,虚拟集聚能有效提高当地城市生产性服务业集聚水平,进而促进城市产业链与创新链耦合协调发展,但对邻近地区存在负向空间溢出效应,假设H3得以验证。虚拟集聚借助数字技术平台,促进信息流、物流与资金流高效交互,使得生产性服务业在地理空间上不必依附于制造业,并向具有知识溢出和生产优势的发达城市集聚[39]。生产性服务业集聚通过提供中间投入,缩小创新链与产业链之间的知识落差。这一过程不仅推动创新链和产业链上各主体深度协同创新,还加快创新成果落地与应用,将基础研究成果转化为新兴产业领域的关键核心技术,进而有力促进本地城市产业链与创新链深度融合与协同发展。虚拟集聚依托数字技术平台打破生产性服务业对制造业的地理依附约束,但这一过程并未推动要素向邻近地区扩散,反而通过交易成本的“选择性降低”强化“核心—外围”空间结构。鉴于生产性服务业所具备的显著知识外溢性和低消费替代弹性,这类产业往往倾向于在知识资源丰富且生产条件优越的大城市集中布局,而邻近地区因数字基础设施差距、知识吸收能力不足,难以承接核心城市要素外溢[40],最终导致邻近地区生产性服务业集聚动力弱化,未能推动双链融合发展。

5.3 调节效应检验

为揭示市场分割对虚拟集聚与双链融合关系的边界条件,本研究将市场分割指数作为调节变量引入模型,构建虚拟集聚与市场分割的交互项(市场分割_虚拟集聚),并基于空间杜宾模型分解直接效应与间接效应。表9列(1)(2)结果显示,市场分割与虚拟集聚交互项的直接效应系数为-1.868,间接效应系数-13.825,均呈显著负向影响,假设H5得以验证。市场分割调节效应进一步显示,当虚拟集聚明显时,市场分割边际效应负向绝对值增大,虚拟集聚驱动双链融合的正向关系被大幅削弱(见图3)。市场分割的负向调节作用主要源于其对资源空间的负向抑制效应:行政壁垒(如地方保护主义)和制度壁垒(如异地投资限制)等市场分割因素会阻碍资源在区域间自由流动,削弱虚拟集聚平台的资源整合能力,割裂产业创新网络结构,进而抑制创新链与产业链之间的协同效应[41]。可见,只有在良好的统一大市场建设下,虚拟集聚才能更好地发挥对城市产业链创新链的协调耦合作用。

6 结语

6.1 研究结论

本文基于2006—2022年中国内地222个城市面板数据,运用空间杜宾模型实证检验人工智能背景下虚拟集聚对城市产业链创新链融合的影响机制及空间效应,得出如下研究结论:①中国城市产业链与创新链耦合协调度呈现独特的时空演进图景:整体上沿循持续优化的进阶轨迹,区域间形成显著的梯度分异格局——东部沿海地区以城市群为载体构成高耦合核心区域,中西部省会城市作为节点性增长极嵌入其中,共同构成“沿海轴带集聚—内陆核心辐射”的空间梯度格局,展现出从东部沿海向中西部内陆、核心城市向周边区域的双重衰减特征。②在地理距离权重矩阵和经济地理嵌套空间权重矩阵下,虚拟集聚显著促进本地城市产业链与创新链耦合协调发展,但同时存在显著的负向溢出效应,表明其对周边城市双链融合发展存在抑制作用。③异质性分析结果表明,在以北京、上海、武汉为代表的超大城市,以西安、南京为代表的特大城市和以石家庄、太原为代表的大城市中,虚拟集聚对城市产业链与创新链耦合协调发展的影响显著为正,中小城市受益不明显。④机制分析表明,信息传递效率和生产性服务业集聚是虚拟集聚影响城市产业链与创新链融合发展的重要渠道。其中,信息传递效率机制是产生直接促进效应的主要渠道,生产性服务业集聚机制是产生负向溢出效应的主要渠道。⑤市场分割不利于虚拟集聚对城市产业链与创新链耦合协调发展产生促进作用。

6.2 对策建议

根据上述研究结论,本文提出以下建议:

(1)构建虚拟集聚支撑体系,强化双链协同基础设施与平台保障。城市层面应将数字基础设施建设纳入中长期发展规划,重点推进工业互联网骨干网络扩容与边缘节点部署,提升产业链核心企业与创新机构网络接入质量。依托本地优势产业组建虚拟产业联盟,引导龙头企业联合高校、科研机构搭建覆盖研发设计、中试转化、生产制造全流程的虚拟协作平台,建立要素供需动态监测与智能匹配机制。对平台运营实施分类指导,对验证有效的协同模式给予专项运营补贴,推动创新要素与产业要素在虚拟空间精准对接。

(2)建立空间利益协调机制,引导虚拟集聚效应有序扩散。中心城市应划定虚拟集聚外溢重点领域,组织龙头企业梳理非核心研发环节与配套生产能力,通过虚拟产业园区共建形式向周边城市转移。完善区域利益共享机制,对跨市虚拟协作产生的税收增量实施按比例分成,对带动外围城市产业升级项目给予用地指标奖励。中小城市需建立虚拟协作对接专员制度,对中心城市外溢资源制定配套承接方案,依托本地特色产业打造专业化虚拟配套集群,形成与核心区域的功能互补。

(3)实施分级培育策略,提升虚拟集聚与城市能级的适配性。超大城市、特大城市应重点建设人工智能赋能的虚拟协同系统,开发基于知识图谱的技术需求匹配工具与产业链风险预警模块,优化信息传递效率。大城市需制定生产性服务业虚拟集聚引导目录,搭建生产性服务业企业虚拟协作公共服务平台,推动技术标准与协作规则共建共享,促进生产性服务业实现规模化集聚与网络化协同。中小城市应优先完成与区域核心城市的网络互联互通测试,建立虚拟协作通信质量保障机制,针对本地特色产业建设数字化工艺库与专利共享池,提升融入区域双链的专业化水平。

(4)破除制度性壁垒,优化虚拟集聚发展的市场环境。应开展虚拟协作政策清理,编制跨区域虚拟合作事项清单,对清单内事项实施异地受理、协同审批。建立区域性虚拟要素确权中心,规范数据、技术等要素交易流程与定价标准,推行创新资质跨市互认。组建区域虚拟集聚发展联盟,协调各地出台统一的虚拟企业登记标准与税收征管规则,对跨区域虚拟经营行为实施协同监管,降低制度性交易成本。

6.3 不足与展望

本文存在如下不足:首先,受限于城市统计年鉴数据时间限制,未能全面反映近年来虚拟集聚发展变化趋势。未来伴随着大数据和人工智能技术的进一步发展,应更新数据和时间范围,以更全面地捕捉虚拟集聚和城市产业链与创新链融合动态演化趋势,并重点检验人工智能赋能的虚拟集聚对双链融合的作用路径。其次,本文发现市场分割对虚拟集聚效应具有显著约束作用,但未深入探讨市场分割具体类型和程度对这种约束产生的影响作用。未来可进一步细化市场分类,分析不同类型和程度市场发育条件下虚拟集聚影响城市产业链与创新链融合的具体效应,为政策制定提供针对性建议。

参考文献：

[1] 龚忠杰,马丽. 珠三角城市群电子计算机产业链与创新链融合空间格局与演化路径[J]. 地理学报, 2023, 78 (12): 3000-3017.

[2] 王如玉,梁琦,李广乾. 虚拟集聚:新一代信息技术与实体经济深度融合的空间组织新形态[J]. 管理世界, 2018, 34 (2): 13-21.

[3] 陈英武,郑江淮,王嘉杰,等.基于技术专利视角的创新链与产业链融合发展研究[J].科技进步与对策,2024,41(6):75-85.

[4] 余建辉,张文忠,李佳洺.我国创新链、产业链空间协同配置与区域经济布局研究[J].中国科学院院刊,2024,39(4):641-650.

[5] 柳毅,赵轩,杨伟. 数字经济对传统制造业产业链创新链融合的影响——基于中国省域经验的实证研究[J]. 浙江社会科学, 2023,49(3): 4-14,156.

[6] 张本秀,吴福象. 机器人应用对产业链创新链融合的影响研究[J]. 经济与管理研究, 2024, 45 (2): 21-40.

[7] REN MH, ZHOU T, WANG CX. New energy vehicle innovation network, innovation resources agglomeration externalities and energy efficiency: navigating industry chain innovation [J]. Technological Forecasting and Social Change, 2024, 200:123114.

[8] 金通,孟秀兰. 虚拟集聚:基本内涵、特征与发展逻辑[J]. 社会科学战线, 2024,37(3): 255-262.

[9] DENG P, WEN L, WANG D. Assessing the environmental impact of digital and manufacturing industry co-agglomeration: dual perspectives of geographical and virtual agglomeration[J]. Journal of Environmental Management, 2025, 375:124369.

[10] 宋林,张蕾蕾. 虚拟集聚与城市经济韧性[J]. 当代经济科学, 2024, 46 (6): 132-146.

[11] 张树山,陈凯旋,宋洋.中国城市数字产业虚拟集聚水平区域差异及收敛性分析[J].城市问题,2024, 43 (10):47-58.

[12] 赵春明,班元浩,李宏兵,等. 虚拟集聚能否促进城市出口产品质量升级[J]. 经济管理, 2022, 44 (7): 23-41.

[13] 王媛玉.虚拟与地理双重集聚促进城市群空间功能分工协同研究[J].经济经纬,2025,42(3):3-16.

[14] 孙文远,刘昊杰.数字经济对工业产业链韧性的影响效应研究——兼论创新水平和市场分割的机制作用[J].金融经济,2024, 43 (1):86-97.

[15] XIONG F, CHEN YL, GU SH, et al. The influence of the coupling and coordination between artificial intelligence and digital government construction on green economic efficiency [J]. Journal of Innovation &Knowledge, 2025, 10(6):100831.

[16] 赵超,杨光.人工智能发展何以促进区域创新:基于虚拟集聚和产业转型升级视角[J].区域经济评论,2025, 41 (4):71-83.

[17] 狄乾斌,梁晨露,陈小龙,等. 共生理论下海洋渔业“双链”融合机制、演化模式与路径[J]. 经济地理, 2024, 44 (9): 133-143.

[18] 段德忠,金红. 中国城市绿色技术扩散的时空过程与形成机制[J]. 地理学报, 2023, 78 (8): 2001-2018.

[19] GUO L, TANG MG, WU YM, et al. Government-led regional integration and economic growth: evidence from a quasi-natural experiment of urban agglomeration development planning policies in China [J]. Cities, 2025, 156:105482.

[20] 杨翘楚,余典范. 数字基础设施建设对服务业“鲍莫尔成本病”的影响研究——来自中国地级及以上城市的经验证据[J]. 当代经济科学, 2024, 46 (5): 32-46.

[21] FAN XY, DING GX, LONG ST, et al. Digital divide or dividend? exploring the impact of digital economy on regional gaps of high-quality economic development in China using relational data model [J]. International Review of Economics &Finance, 2025, 101:104222.

[22] 倪一宁,孟宁. 国内贸易壁垒、企业供应链与企业创新[J]. 世界经济研究, 2024, 40 (6): 60-74,136.

[23] 刘洪铎,吴金燕,吴璇,等. 地方主导型产业政策创新赋能新质生产力涌现:基于产业链“链长制”的研究视角[J]. 新疆社会科学, 2024, 44 (3): 53-67.

[24] 余煌,杨子璇,张景秋. 文化产业集聚对中国城市经济转型影响的空间效应与作用机制研究[J]. 地理研究, 2024, 43 (6): 1388-1406.

[25] 梁本部,谢科范,陈汉梅,等. 创新链与产业链双向嵌入研究——基于中国省域样本数据[J]. 技术经济, 2023, 42 (10): 26-37.

[26] 贾卫峰,李尚蓉,王艺宁. 产业政策视角下数字技术对产业链与创新链融合的影响[J]. 科技进步与对策, 2024, 41 (24): 72-84.

[27] 朱向东,许德友,朱晟君.贸易保护如何影响广东城市出口升级——基于出口技术复杂度视角[J].地理研究,2024,43(10):2616-2634.

[28] 刘烨,王琦,班元浩.虚拟集聚、知识结构与中国城市创新[J].财贸经济,2023,44(4):89-105.

[29] 刚翠翠,李娟伟,胡海青.方言声韵与城市商品贸易:两期城市截面数据下的经验证据[J].当代经济科学,2023,45(3):74-88.

[30] 王昀,孙款款.国内产品市场从分割走向整合了吗——来自中国城市层面的经验证据[J].经济学家,2023, 35 (3):98-108.

[31] 李雪松,龚晓倩.地区产业链、创新链的协同发展与全要素生产率[J].经济问题探索,2021, 42 (11):30-44.

[32] 王鹤,王钧艺.“强省会”战略的产业升级效应——基于省会城市行政区划调整的准自然实验[J].地理科学,2024,44(11):1988-1996.

[33] 王金伟,王启翔,冯凌.旅游业发展对共同富裕的直接影响及空间溢出效应[J].地理学报,2024,79(4):1045-1067.

[34] 李治国,李兆哲,孔维嘉.数字经济赋能高质量发展过程中的“虹吸集聚”——来自黄河中下游城市层面的经验证据[J].经济地理,2024,44(1):45-56.

[35] 王如玉,卓则良.虚拟集聚对企业创新效率的影响[J].科技管理研究,2024,44(15):168-176.

[36] DU ZY, WANG Q. Digital infrastructure and innovation: digital divide or digital dividend[J]. Journal of Innovation &Knowledge, 2024, 9(3):100542.

[37] 徐铮,张其仔.产业链视角下数字赋能全球价值链攀升的产业关联溢出效应[J].经济与管理研究,2024,45(7):34-56.

[38] 陈岩,张李叶子,宋文彬.智能服务赋能创新型城市群建设路径研究——实体与虚拟产业集聚视角[J].科技进步与对策,2022,39(9):33-41.

[39] 张军涛,吴雨阳,朱悦.中国制造业与生产性服务业协同集聚的空间关联网络与驱动机制[J].地理学报,2025,80(2):396-414.

[40] 刘岩,程钰,王亚平.黄河流域生产性服务业集聚对城市绿色全要素生产率的影响效应与空间溢出[J].地理研究,2023,42(4):917-935.

[41] HUANG RT, MIAO Q, LIU C, et al. Market segmentation and the dilemma of energy efficiency improvement: new insights from Chinese manufacturing firms[J]. Energy, 2025, 322:135534.

(责任编辑：王敬敏)