基于AHP-熵權TOPSIS 法的區域人工智能產業創新策源能力評價

浦 悅，胡 斌

（上海工程技術大學管理學院，上海 201620）

一、引言

隨著我國經濟發展步入新常態，經濟發展從投資、要素驅動逐漸轉向創新驅動。“增強創新策源能力”作為習近平總書記在滬考察期間對上海產業發展及科創中心建設提出的指示，塑造創新策源能力是面對新一輪產業革命的重要任務。人工智能產業作為新一輪的重點產業領域之一，是撬動經濟發展的重要支點，人工智能產業創新策源能力塑造為產業發展提供了有力抓手，其創新策源能力水平直接影響到國家和地區的綜合競爭力[1]。從創新策源能力的內涵出發，建立區域人工智能產業創新策源能力評價指標體系，真實反映區域內人工智能產業創新策源能力情況，探討各省市人工智能產業發展特點，對于區域提升科技治理水平，激發人工智能產業區域發展內生動力具有重要的理論與實際意義。

二、相關文獻綜述

區域人工智能產業創新策源能力評價，不僅涵蓋領域內科學發現和技術發明對產業發展的支撐，更強調應用場景和成果轉化對人工智能產業可持續發展的策動。創新策源概念的提出是國家進一步推動區域產業高質量發展的重要體現，衡量區域內人工智能產業創新策源能力水平十分必要。創新策源能力相關的研究主要集中于創新策源功能和創新策源地兩個方面。

創新策源功能方面，上海社會科學院課題組（2016）[2]、杜德斌（2018）[3]指出創新策源功能是全球性創新型城市及區域產業可持續發展的重要特征，具有創新匯聚、篩選、釋放三項子功能。在創新策源地方面，王業強等（2017）[4]通過梳理科技創新與地區差距的關系，提出了科技策源地龍頭創新的發展機制。李石柱（2010）[5]認為高新區通過轉變經濟發展方式可以轉型為戰略新興產業策源地，闡述了產業發展與策源地之間的關系。余江等（2020）[6]認為集成電路產業發展必須依靠跨科學、大縱深的開創性研究拓展產業領域知識邊界推動重大原始創新。

產業發展評價方面，陳文俊等（2018）[7]采用聚類分析法和空間自相關分析法，對我國各省份生物醫藥產業發展水平進行了綜合評價。陳文鋒和劉薇（2016）[8]創新性地概括了戰略性新興產業發展質量的內涵，對各省份新一代信息技術產業發展質量進行了評價。朱建明和楊鴻瑞（2019）[9]運用模糊神經網絡對我國部分區域版權產業發展綜合水平進行預測評價。

本文從創新策源能力的內涵出發，圍繞區域人工智能產業創新策源能力的影響因素進行分析，結合評價指標體系的構建原則和思路，構建了一套以基礎研究影響力、核心技術引領力、應用場景拉動力、創新資源集聚力、創新創業環境吸引力為一級指標的區域人工智能產業創新策源能力評價指標體系。在此基礎上，本文通過AHP 法和熵權法確定主、客觀指標權重，采用綜合賦權的方法得到綜合權重，并根據TOPSIS 法建立評價模型，對我國31 個省市的人工智能產業創新策源能力作科學客觀的評價。

三、評價體系構建

區域人工智能產業創新策源能力評價涵蓋對一個地區人工智能領域基礎研究培育原始創新、核心技術推動技術進步以及應用場景、創新資源和創新創業環境策動產業發展多個方面的考察。因此，針對區域人工智能產業創新策源能力的指標體系是一個多屬性全面性的評價指標體系。

（一）評價指標體系的構建思路與原則

區域人工智能產業創新策源能力評價體系的構建思路是：從人工智能創新活動特點和實際情況出發，結合創新策源能力的內涵解讀，圍繞人工智能產業領域基礎研究影響力、核心技術引領力、應用場景拉動力、創新資源集聚力和創新創業環境吸引力5 個方面建立定性與定量相結合，堅持全面性、系統性、可操作性和引導性原則，全面反映區域人工智能產業創新策源能力水平。

（二）評價指標體系的選取與構建

本文參考郭韜等（2017）[10]采用的度量方法及宋曉彤等（2019）[11]設置的指標體系，結合人工智能產業創新驅動的特點以及評價體系的構建思路與原則，最終確定了包含三級指標的評價指標體系，其中，一級指標5 項，二級指標10 項，三級指標22 項。本文選用基礎研究影響力、核心技術引領力、應用場景拉動力、創新資源集聚力、創新創業環境吸引力等5 個指標作為一級指標，選用基礎研究資源、基礎研究產出、核心技術披露等10 個指標作為二級指標，選用計算機科學領域得到H 引用的文章數量、計算機科學領域頂級高校數量、計算機科學領域頂級論文錄用數等22 個指標作為三級指標（見表1）。

1.基礎研究影響力包括基礎研究資源和基礎研究產出兩部分。基礎研究資源的儲備和基礎研究產出的質量是人工智能產業發展的重要驅動力，具有基礎性、前瞻性、原創性和影響力的基礎研究是一個區域人工智能產業能否達到世界前沿水平的關鍵。因此，本文選取基礎研究資源和基礎研究質量反映基礎研究影響力，具體指標有計算機科學領域得到H 引用的文章數量、計算機科學領域頂級高校數量、計算機科學領域頂級論文錄用數以及計算機科學領域頂級論文被引用量。

2.核心技術引領力包括核心技術披露和核心技術價值兩部分。核心技術引領力主要反映驅動人工智能產業創新策源能力形成所必備的計算機視覺、機器學習、自然語言處理、語音識別等核心技術的支撐情況。技術的進步對該領域的創新策源能力提升至關重要，核心技術的突破會進一步加快人工智能產業的發展[12]。本文主要從人工智能領域專利和技術市場的角度來分析核心技術引領力，具體指標有人工智能領域PCT 專利數量、人工智能領域專利申請數量、技術市場成熟度以及專利授權率。

3.應用場景拉動力包括場景研發條件和場景研發產出兩部分。人工智能技術正加速在各行業深度融合和應用落地，新一代人工智能產業應用驅動的特征愈加明顯，從這一角度出發，本文選取了人工智能領域獨角獸企業數量、國家人工智能開放創新平臺數量、數字經濟勞動力需求以及高技術產品出口比重來反映區域內應用場景對于區域人工智能產業創新策源能力的驅動效應。

4.創新資源集聚力包括人才資源集聚和支撐條件集聚兩部分。人工智能產業是高度知識、資本密集型產業，人才隊伍、金融支持和數據資源集聚是人工智能產業發展的重要支撐條件。本文主要從高學歷（大學專科及以上）人口比例、計算機科學領域專家數量、人工智能領域投融資規模、R&D 經費支出占GDP 比重以及科學數據中心數量來分析區域內人工智能產業創新資源的集聚情況。

5.創新創業環境吸引力包括創新環境水平和創業環境水平兩部分。區域內積極的政策導向、良好的創新生態、友好的營商環境和有力的資本支撐對于人工智能領域人才、企業和資本的吸引是人工智能產業持續發展的重要支撐。因此，本文選用政府數據開放程度、科研協作水平、人工智能產業發展政策發布數量、外商投資企業數及人工智能領域投融資熱度來分析區域營造人工智能產業創新創業環境吸引力的情況。

（三）指標權重確定

區域人工智能產業創新策源能力評價的另一關鍵環節就是指標權重的確定。為了確保權重體系的合理性與客觀性，本文采用了層次分析法與熵權法綜合賦權，從而保證評價結果的合理性和客觀性，如圖1 所示。

圖1 AHP-熵權法綜合賦權流程圖

1.AHP 法主觀指標權重確定。AHP 法是對系統進行綜合評價的一種方法，可以實現定性與定量的綜合分析[13]。AHP 方法通過構造兩兩比較的判斷矩陣并通過計算賦予指標權重。具體步驟如下：

第一步：構造兩兩比較判斷矩陣。假設每一層的決策目標為E，被評價對象為i=（1，2，…，m），評價指標為j=（1，2，…，n），αij表示該層次的第i 個被評價對象，第j 個指標下的相對重要性，αij的數值根據9 標度法確定，1 表示因素i 與因素j 同樣重要，數值越大重要度越高，構建兩兩判斷矩陣為：

第二步：權重計算。運用方根法確定指標權重：

表1 區域人工智能產業創新策源能力評價指標體系

第三步：一致性檢驗。當CR<0.1，則認為判斷矩陣通過一致性檢驗；否則需要調整判斷矩陣。

（1）計算最大特征根λmax：

（2）計算一致性指標CI：

（3）計算一致性比率CR：

上式中，RI 表示隨機一致性指標，可直接查表獲得。當CR<0.1 時，通過一致性檢驗，可計算同一層次中所有因素相對于總目標的排序權值。

2.熵權法客觀指標權重確定。在綜合評價問題中，熵是一個比較理想的度量尺度。因此本文采用熵權法對各個指標進行客觀賦權。熵權法首先需要進行無量綱化和標準化，通過計算得到各個指標的信息熵來確定權重。具體步驟如下：

第一步：數據標準化。構建原始數據矩陣V=（νij）m×n，并運用極值處理法進行標準化處理，得到規范化矩陣X。計算公式如下：

以上均為正向指標的處理方式，對于逆向指標的處理方式，本文不再詳細說明。

第二步：確定熵值。計算第j 個指標下，第i 個被評價對象的指標特征權重pij，并得出第j 個指標的熵值ej。

第三步：計算指標權重。計算指標效用值gj，并得出第j 項指標的權重wj。

3.主客觀權重綜合賦權。主客觀權重綜合賦權既避免了主觀賦權過程的主觀偏見，又避免了客觀賦權法不能充分考慮客觀規律的缺點，本文采用主客觀權重綜合賦權，得到綜合權重wj綜合。

上式中，α（0≤α≤1）表示主觀權重偏好系數，為保證偏差平方和最小，本文選取α=0.5，即主觀權重與客觀權重各占組合權重的50%[14]。

4.TOPSIS 評價模型。逼近理想點法根據各指標實際數據集的最優數據和最劣數據，構造正負理想解，通過引入歐氏距離計算相對貼近度以進行綜合評價[15]，具體步驟如下：

第一步：構建加權決策矩陣。加權決策矩陣Z 中共有m 個被評價區域，n 個指標，zij表示在第j 個指標下，第i 個被評價對象的評價數值，則Z 為：

上式中，zij=xij·wj綜合，xij為式（9）中規范化矩陣對應元素，wj綜合為式（14）中主客觀綜合賦權權重。

第四步：計算相對貼近度Ci：

相對貼近度以距離負理想解最遠且距離正理想解最近為最優，即相對貼近度Ci（0≤Ci≤1）值越大，則該區域人工智能產業創新策源能力越強，從而對不同區域人工智能產業創新策源能力進行測度和比較。

四、實證研究

（一）數據來源與預處理

為了科學全面地對各省市人工智能產業創新策源能力作出評價，本文根據《中國統計年鑒》、《中國科技統計年鑒2019》、科睿唯安WOS 數據庫、國家知識產權局、世界知識產權組織數據庫WIPO、國家知識產權局、QS 世界大學排名等，以2010—2019年統計數據為依據，收集了中國31 個省市區（除港澳臺地區）的指標數據。

由于評價指標體系中各指標量綱不同，為方便后期數據的處理與運算，保證不同量綱的指標數據合成。在綜合評價之前，采用極值處理法對原始指標數據矩陣進行規范化處理來消除各指標間量綱的影響。

（二）指標權重計算

本文采用AHP 法與熵權法對各級指標進行綜合賦權。首先采用AHP 法計算主觀權重，通過式（1）～式（6），構造判斷矩陣，并計算得出各層次的主觀指標權重值；然后采用熵權法，在原始指標數據矩陣基礎上，通過式（7）～式（13），計算客觀指標權重值；最后利用式（14），結合計算得到的主、客觀權重，進行綜合賦權，獲得更合理的綜合權重，如表2 所示。

表2 區域人工智能產業創新策源能力評價指標體系綜合權重值

（三）評價結果分析

運用TOPSIS 方法結合計算得出的指標綜合權重值，利用式（15）～式（18）計算得出相對貼近度，并對31 個省市區進行排序，相對貼近度越大，區域人工智能產業創新策源能力越強，反之越弱，結果如表3 所示。

表3 TOPSIS 評價模型排序結果

由表3 可知，北京、廣東和上海的人工智能產業創新策源能力表現突出，北京和上海作為一線發達城市，在人工智能獨角獸企業集聚、投融資環境優異、人才吸引能力強等方面優勢突出，而廣東的電子信息產業高度發達，電子產業作為人工智能的重要載體，為策動人工智能產業創新發展提供了充足的應用場景和核心技術，因此具有很強的人工智能產業創新策源能力；在人工智能產業創新策源能力較強的省市中，以浙江和貴州等省市為代表，近年來堅持以大數據、人工智能作為省市產業轉型升級的重要引擎，實現了人工智能產業跨越式發展，體現了政府創新治理在能力培育和夯實能力基礎中的積極作用；在人工智能產業創新策源能力較弱的地區中，以農業省和老工業省份為代表，由于營商環境和基礎設施薄弱，傳統支柱產業面臨轉型升級，開展人工智能領域創新方面優勢不明顯，因此這些區域的人工智能產業創新策源能力水平較低。總而言之，人工智能產業創新策源能力的培育既需要強化基礎研究影響力、核心技術引領力、應用場景拉動力、創新資源集聚力、創新創業環境吸引力的體系化能力建設，也需要建立起支撐創新策源能力提升的創新治理體系。

五、結論與建議

創新策源力作為創造價值和競爭優勢的源泉，是推動區域人工智能產業高質量可持續發展的重要手段。在當前產業和新科技革命興起的歷史關鍵節點，創新策源能力的強弱是決定一個區域能否把握科技革命、產業革命的窗口機遇和建成創新策源地的決定性因素。本文基于AHP-熵權TOPSIS 法對31 省市的區域人工智能產業創新策源能力進行了綜合評價，填補了現有文獻缺少對于區域重點產業領域創新策源能力的綜合評價研究，主要得出以下結論：（1）各省市區域人工智能產業創新策源能力存在較大差異，北京市、廣東省和上海市的能力水平明顯高于其他區域，區域人工智能產業鮮明優勢是創新策源能力培育和提升的重要支撐。（2）從全國分布情況看，能力水平高的區域雖主要聚集于科學技術創新水平高、應用場景廣泛及政策支持力度大的省市，但貴州等一部分經濟落后的省份憑借著前瞻性的布局和決策同樣走在了產業前沿，政府創新治理在區域人工智能產業創新策源能力培育和提升過程中起到了重要的保障作用。

根據以上結論，基于當前各省市人工智能產業區域創新發展的實際，可以從以下幾個方面為區域人工智能產業創新策源能力培育和提升提供有力支撐。

第一，保持對人工智能產業高強度的戰略投入，夯實人力資源基礎，鼓勵地方政府實施引領性戰略性技術路線圖，明確人工智能領域科學布局。

第二，深化區域人工智能產業一體化，促進開放式創新，通過競爭向競合轉變彌補部分區域在應用場景和創新創業環境方面的弱勢。

第三，組織牽頭大科學計劃與工程，對于人工智能產業“卡脖子”關鍵共性技術進行研發攻關，發揮集中力量辦大事的體制機制優勢，實現產業發展整體提升。