人工智能對產業分化的影響

羅書嶸

（廣州番禺職業技術學院 財經學院，廣東 廣州 511483）

一、問題的提出

人工智能作為第四次工業革命的代表，是引領第四次工業革命和產業變革的重要戰略性技術，具有技術屬性與社會屬性高度融合的特點，對中國社會生產與生活產生了重要影響。中國目前正處于供給側結構性改革和經濟社會轉型的關鍵階段，人工智能的廣泛應用不僅會引發產業結構的優化升級，還會對三大產業的布局產生深遠影響。精準預測人工智能發展對中國產業結構轉型升級和三大產業布局的影響，對于中國實現經濟高質量發展具有十分重要的現實意義，這正是文章研究的著力點。因此，伴隨著人工智能發展水平的快速提升，人工智能是否會對產業分化產生影響？如果會產生影響，是支持“抑制效應”還是支持“加速效應”？抑或是某一階段符合“抑制效應”，而另一階段符合“加速效應”的“U”型特征？還是支持其他一些重要的特征論斷？鑒于人工智能背景下中國的產業分化問題具有緊迫性、現實性和復雜性，但產業分化面臨著人工智能發展程度的測算困難，制約了產業結構調整，已有研究對此關注不足，同時通過對已有研究成果的借鑒，提出了文章所關注的問題。文章嘗試將人工智能發展程度指標納入實證計量模型的分析框架，檢驗人工智能對全國及東、中、西部地區產業分化的影響。

二、文獻回顧

1.對人工智能文獻的回顧

人工智能的出現與發展，推動了人類科技史上的一次偉大變革，成為經濟學領域一個新的探索對象。進入21世紀，經濟學與人工智能的關系更加緊密。人工智能在計量經濟學、金融經濟學等多個經濟學領域也得到了廣泛運用(Herbert Alexander Simon，1978；Kun Wang，Michael S.Wilkins，2007)[1]。國外對于人工智能帶來的影響，不同領域不同學者存在不同的看法，但大部分學者認為人工智能引發的新一輪技術革命，在短期內會造成一些工作崗位被新技術所替代，但在長期內，一批新的工作崗位也會不斷涌現(Hull and Rothenberg，2008)[2]。

國內許多學者對人工智能與經濟社會發展之間的關系進行了研究，究竟是人工智能對經濟社會發展起促進作用，還是經濟社會發展促進了人工智能技術的應用，抑或是互為推動關系。學術界一直沒有得出一致結論，概括起來，主要有以下兩種觀點：一是人工智能對經濟社會發展具有正面影響。持這種觀點的學者認為，人工智能是創新戰略的重要體現，認為人工智能是經濟社會發展的重要變量，人工智能技術的廣泛應用會影響全要素生產率，從而促進經濟持續增長（陳彥斌等，2019；黃蕊等，2020；林晨等，2020）[3-5]。二是人工智能對經濟社會發展存在不確定性影響。持這種看法的學者既肯定人工智能對經濟社會發展存在正向效應，但也認為人工智能會對經濟社會發展產生負面影響和挑戰（程承坪、李雨佳，2018；李曉華、曾昭睿，2019）[6，7]。

2.對產業分化文獻的回顧

目前國外關于產業分化的研究文獻較少，大多數只是在產業分工或者產業結構調整的研究中簡單提及，圍繞產業分化的文章屈指可數。

國內已有研究主要從產業分化的定義、成因、影響三個方面進行分析。一是關于產業分化的定義研究，學者們關于產業分化的定義，尚無一致看法（蔡躍洲、陳楠，2019；李旭輝等，2020）[8，9]。二是關于產業分化的成因研究，學者們分別從技術創新、發展環境、市場需求、政策等方面對形成產業分化的原因進行了分析。有些學者認為技術創新是產業分化產生的根源（沈瓊、王少朋，2019；張龍鵬、張雙志，2020；余長林等，2020）[10-12]；有些學者認為社會分工和生產力發展是導致產業分化的根本原因（芮明杰，2018）[13]；還有一些學者認為產業政策是導致產業分化的重要原因（郭凱明，2019）[14]。三是關于產業分化的影響研究，已有研究成果對此還未進行深入探討，現有文獻主要從理論角度進行分析，而基于實證分析的研究成果還比較少，尤其缺乏計量模型方面的研究（俞伯陽，2020）[15]。

文章的主要貢獻在于：第一，從人工智能這一新的視角對產業分化的影響進行深入探討，增強了理論的解釋力。文章在探究人工智能對產業分化的影響時，打破了以往研究在“抑制效應”與“加速效應”間非此即彼的解釋，明確提出了人工智能對產業分化的影響存在著在某一階段支持“抑制效應”，達到某一拐點后，在另一階段支持“加速效應”的新型特征論斷。第二，構建并測算中國人工智能發展程度的綜合性評價指標，為分析人工智能與產業分化之間的關系提供了一種新的研究思路。文章采用主成分分析法對中國人工智能發展程度進行測算，避免了以往研究中利用單一指標度量人工智能發展程度的不足，可以全面客觀地反映中國人工智能發展水平。第三，通過構建熵指數(EI)對全國及東、中、西部地區的產業分化度進行測度，并構建計量模型實證分析了人工智能對全國及東、中、西部地區產業分化的影響。研究結果是對已有研究領域的一種延伸和有益探索，為逐步實現區域之間的協調平衡發展提供了一種新的研究視野。

三、人工智能發展水平的測算

1.測算人工智能發展程度的指標選取

大部分學者通過單一指標分析法來測算人工智能發展水平（付文宇等，2020；劉斌、潘彤，2020；王瑞瑜、王森，2020）[16-18]。單一指標分析法具有簡單直觀、測算方便、應用范圍較廣等優點，但也存在著較大局限性，人工智能發展水平還受制于一國或地區高技術發展規模、技術市場結構等諸多因素的影響，僅用單一指標難以真實測算出該國或地區的人工智能發展水平。也有些學者選取綜合指標來測算并進行分析（汝剛等，2020）[19]。

在借鑒國內外學者關于人工智能發展水平的指標體系設計基礎上，結合中國高技術經濟發展階段、人工智能特征以及實際國情，根據指標選取的客觀性和數據的可獲得性，中國人工智能發展水平指標體系的構建見表1。

表1 中國人工智能發展水平指標體系

為了考察中國人工智能發展水平隨時間的變動情況，選取中國2003—2018年的時間序列數據來進行測算。通過2003—2019年的《中國統計年鑒》和國家統計局網站，收集并整理了中國人工智能發展水平的相關數據，中國人工智能發展水平描述指標數據見表2。

表2 2003—2018年中國人工智能發展水平描述指標數據

2.人工智能發展程度的測算

文章采取主成分分析法對中國人工智能發展程度進行合理測算。依據已經確定的七個指標，用X1、X2、X3、X4、X5、X6、X7分別表示信息傳輸計算機服務和軟件業全社會固定資產投資、高技術產業研究與試驗發展人員全時當量、高技術產業研究與試驗發展經費支出、高技術產業新產品開發經費支出、高技術產業新產品銷售收入、高技術產業專利申請數以及中國工業機器人安裝量。為了符合利用主成分分析方法對數據的要求，把這七個指標數據進行了標準化處理，可以得出七個指標之間的相關系數矩陣，見表3。

表3 人工智能發展程度七個指標之間的相關系數矩陣

通過相關系數矩陣可知，七個變量相互之間的相關性都很強、相關系數比較高，進一步地，可以分析主成分的特征值以及累積方差貢獻率，見表4。

表4 主成分的特征值以及累積方差貢獻率

根據表4，第一主成分的特征值是6.772，顯然大于1。第一主成分的方差貢獻率為96.747%，也就是說，人工智能發展程度七個指標總體上超過95%的信息可通過第一主成分來解釋。依據特征值超過1，累積方差貢獻率不低于85%的標準，提取第一個主成分來代表全部指標變量的所有信息，利用第一主成分作為綜合變量來計算成分矩陣，見表5。

表5 成分矩陣

通過表5可以看出，第一主成分f1與所有指標X1、X2、X3、X4、X5、X6和X7都非常顯著，其載荷分別為0.917、0.988、0.998、0.998、0.997、0.995和0.990，由此可知，人工智能發展程度變動的綜合指標完全可以利用第一主成分來反映。為獲取主成分f1的函數表達式，可以把表5列示的系數除以與其相對應表4中的特征值的平方根，進而得出主成分函數的變量系數向量：

第一主成分函數的變量系數向量為：

由此可得第一主成分的函數表達式為：

根據式(2)可以計算出中國2003—2018的人工智能發展水平，將其繪制成曲線圖，如圖1所示。

圖1 2003—2018年中國人工智能發展程度的曲線圖

從圖1可以看出，依據七個指標綜合計算的中國人工智能發展程度表現出較強的上升趨勢，中國人工智能發展水平呈逐年不斷持續增加的態勢。

四、產業分化的測度

產業分化度是描述當前各種產業的分布狀況，由于產業分化會以新興產業形成、產業結構調整優化升級等形式表現出來，而這兩種表現形式均可通過產業增加值的情況來表示。如果某一產業增加值不斷提高，產業結構調整幅度越大，產業分化程度就越高；如果各產業增加值分布越均衡，產業分化度就越小。又由于熵指數運用了信息理論中熵的概念，具有平均信息量的含義，文章借助熵指數來探討產業分化度。具體地，可以構建熵指數(EI)對全國及東、中、西部地區的產業分化度進行測度。設Zj表示第j產業的增加值，t為產業的總個數，Pj表示第j產業的增加值占總產業增加值的比重，即：

產業分化熵指數的定義表達式可寫成：

其中，熵指數EI越大，說明產業增加值分布越均衡，產業分化度越低。如果Z1=Z2=…=Zj，那么P1=P2=…=Pj，此時產業增加值分布均衡，熵指數EI值達到最大值log(t)。進一步地，可以得出產業分化度R的計算公式：

其中，R越小表示產業分化度越低，R越大表示產業分化度越高。

通過2003—2019年的《中國統計年鑒》和國家統計局網站，收集并整理了中國產業分化的相關數據，同時運用上述熵指數測度方法對全國產業分化度R、東部地區產業分化度Re、中部地區產業分化度Rm、西部地區產業分化度Rw進行測度。測度結果見表7。進一步繪制出全國及東、中、西部地區產業分化度的時間變化趨勢圖，如圖2所示。

圖2 2003—2018年全國與東中西部地區產業分化度的變動趨勢

從圖2可以看出，全國、東部地區、中部地區以及西部地區的產業分化度趨勢圖非常相似，總體上全國、東部地區、中部地區以及西部地區的產業分化度趨勢線持續上升，即產業分化度隨著時間的推進而不斷增大的趨勢。盡管產業分化度總體上呈現出上升趨勢，但卻表現出“先抑后揚”的特征，即產業分化度趨勢在2003—2010年呈現出以遞減的速度上升，2011年之后表現出以遞增的速度上升。從圖2中還可以看出，東部地區的產業分化度明顯高于全國、中部地區和西部地區，全國的產業分化度高于中部地區和西部地區，西部地區的產業分化度最小。

五、人工智能對產業分化影響的實證分析

1.計量模型方程設定及變量說明

文章主要檢驗人工智能對中國產業分化的影響，綜合考慮產業分化的各種影響因素，產業分化的計量模型可表示為：

其中，R是被解釋變量，表示產業分化度，其測度方法利用前面已經探討的熵指數來進行計算。人工智能(AI)是文章模型的核心解釋變量，人工智能是一門新研究開發并用于模擬、延伸以及擴展人的智能的方法、技術、理論及應用系統的技術科學。人工智能是由計算機視覺、機器學習等不同領域組成，其主要目標是通過機器學習等手段能夠勝任一些通常需要人類智能才能實現的復雜工作。因此，人工智能發展水平僅用單一指標來測算是片面的，必須依賴于綜合指標才能科學地進行測算。u表示隨機擾動項。

通過借鑒已有相關文獻和經驗數據，文章選擇以下幾個控制變量：第一，經濟發展水平(lngdp)，利用國內生產總值的對數值來衡量，經濟發展水平有助于優化產業結構，從而影響產業分化格局；第二，市場化水平(market)，利用國有單位就業人員與全國就業人口比重來衡量，市場化的不斷深入可推進一國或地區的產業分化程度；第三，城市化水平(city)，利用城鎮人口與總人口的比值來衡量，這一比重越高表明城市化水平越高；第四，經濟開放水平(open)，利用進出口總額與國內生產總值的比重來衡量，經濟開放通過對外貿易等不同途徑對產業結構產生影響，進而影響產業分化狀態。

2.數據說明及描述性統計

文章選取中國2003—2018年的年度數據，對人工智能對中國產業分化的影響進行了實證分析。人工智能發展程度的水平項(AI)和產業分化度(R)采用前面所計算的值。人工智能發展程度的平方項AI2與立方項AI3可以通過其水平項值計算而獲得。為了比較，文章還計算了東部地區產業分化度(Re)、中部地區產業分化度(Rm)、西部地區產業分化度(Rw)。被解釋變量、解釋變量和控制變量的數據均來源于2003—2019年的《中國統計年鑒》《中國科技統計年鑒》。

表6列出了各變量指標的描述性統計。各變量指標的基本統計信息表明，中國產業分化度的最大值為2.590，最小值為2.333，表明中國產業分化度波動幅度較小，但東部地區與中西部地區的產業分化度差異較明顯。從均值和標準差來看，所有變量的標準差值都小于均值，不存在異常值。但人工智能發展程度立方項遠高于人工智能發展程度平方項，而人工智能發展程度平方項也遠高于人工智能發展程度水平項，意味著這三個變量之間具有較大的差異性，存在明顯的非線性關系。同時，人工智能發展程度水平項、平方項以及立方項自身在不同年份也表現出較大差異，這些數據對構建估計模型方程奠定了十分良好的統計基礎。所有回歸分析采用的變量數據經過ADF檢驗均拒絕接受存在單位根假設，說明回歸分析變量為平穩序列。

表6 各變量的描述性統計分析

3.實證分析結果及討論

文章采取OLS回歸模型，運用對中國人工智能發展程度和產業分化度的測度結果，考察2003—2018年中國人工智能發展水平對產業分化的影響，回歸結果如表7所示。

從表7的實證檢驗結果可以看出，全國和中部地區人工智能發展程度的水平項、平方項以及立方項的估計系數在5%的顯著性水平下都顯著，東部地區的人工智能發展程度的水平項、平方項以及立方項的估計系數在1%的顯著性水平下顯著，只有西部地區的人工智能發展程度的水平項、平方項以及立方項的估計系數即使在50%的顯著性水平下也不顯著。這表明全國、東部地區、中部地區人工智能發展程度的水平項、平方項和立方項對產業分化度的變動具有顯著影響，其中，東部地區變動尤為顯著，但西部地區人工智能發展程度的水平項、平方項和立方項對產業分化度并未產生明顯影響。出現這種現象是因為東中部地區在人工智能基礎設施建設、人力投入方面明顯高于西部地區，直接引起東中部地區在人工智能經濟產出和產品產出方面也會明顯高于西部地區，進而導致東中部地區人工智能對產業分化度產生顯著影響，而西部地區人工智能對產業分化度的影響并不明顯。

表7 人工智能對產業分化影響的實證檢驗結果

從表7的實證檢驗結果還可以看出，全國、東部地區和中部地區人工智能發展程度的水平項均顯著大于零，人工智能發展程度的平方項均顯著小于零，人工智能發展程度的立方項均顯著大于零，表明人工智能對全國、東部地區和中部地區產業分化的影響在總體上表現出一種不斷上升的趨勢，但在人工智能所處的不同發展階段，其對產業分化影響的上升速度呈現出明顯不同的階段性特征。也就是說，在人工智能發展水平不高的階段，產業分化是隨著人工智能發展水平的提高而以遞減的速率推進，此時“抑制效應”居于主導性地位；隨著人工智能發展水平的不斷上升，觸發到某一特定拐點之后，產業分化則以遞增的速率推進，此時“加速效應”就居于主導性地位。根據表7的實證檢驗結果，通過人工智能發展程度的水平項、平方項和立方項的估計系數能夠建立一個以人工智能發展程度為響應變量的函數表達式。以全國為例，可以建立函數表達式：F(AI)=0.04897AI3-2.02834AI2+27.947471AI，對該函數表達式中的人工智能發展程度的水平項(AI)求二階導數，并令該二階導數等于零，在此基礎上可以計算得出，人工智能對全國產業分化產生“先抑后揚”的影響的拐點將會在人工智能發展程度AI等于13.807時出現。根據樣本數據可以觀測到中國人工智能發展程度AI在2010年已經超過這一臨界值。因此，在2010年以前中國的產業分化以遞減的趨勢推進，該階段支持“抑制效應”；而在2010年以后，中國的產業分化以遞增的趨勢不斷推進，該階段支持“加速效應”。同理，也可建立東部地區和中部地區以人工智能發展程度為響應變量的函數表達式，根據樣本數據計算，可以得出人工智能對東部地區和中部地區產業分化產生“先抑后揚”的影響的拐點分別會出現在人工智能發展程度AI等于13.744和13.664時。根據樣本數據可以觀測到東部地區和中部地區都在2009年超過臨界值，表明相較于全國來說，東部地區和中部地區產業分化度的拐點會提前一年出現。

由上述分析可知，人工智能發展水平對產業分化度的影響存在著“先抑后揚”的特征。在人工智能發展水平較低的階段，產業分化度以遞減的速率增加，在這一階段，人工智能對產業分化的影響支持“抑制效應”；隨著人工智能發展水平的不斷提高，達到某一拐點之后，產業分化度以遞增的速率增加，在這一階段，人工智能對產業分化的影響支持“加速效應”。也就是說，人工智能對產業分化的影響在總體上表現出一種不斷上升趨勢，但在人工智能發展程度所處不同階段，其對產業分化影響的上升速度存在不同的階段性特征。

如何解釋產業分化度隨著人工智能發展程度的不斷提高呈現出先以遞減的速率增加而后以遞增的速率增加這種經濟現象？

首先，在人工智能發展的初期階段，雖然總體上產業分化度處于增長狀態，但這種增長狀態會在一定程度上受某些因素的制約。即，這一時期產業模式發展轉型以及技術層面等因素導致產業分化發展速度降低，會對產業分化產生一定的抑制效應。由于勞動密集型產業在經濟發展中居于主導地位，資源利用率低且生產效率低下，產業成本高且產業成熟度較低，產業間制約資源、成本等要素流動的壁壘較為堅固，抑制了產業分化。同時，技術壁壘也是影響產業分化進程的重要因素。在人工智能發展的初期階段，中國技術密集型產業較少，且未受到社會及政府足夠重視，技術難以對產業分化產生促進效應，技術落后成為制約產業分化的重要因素之一。此時運用到的技術只能支持產業內部發展運作，沒有足夠的技術資源支撐產業分化所衍生出來的新興產業的發展，導致產業分化處于緩慢發展狀態。因此，在人工智能發展水平較低的階段，產業分化度以遞減的速率增加，在這一階段，人工智能對產業分化的影響支持“抑制效應”。

其次，隨著人工智能發展水平的不斷提高，產業融合作為現代產業發展的必然趨勢，伴隨社會生產力的不斷進步以及產業結構的不斷調整，人工智能促使產業融合通過改變產業間要素流動、資源配置以及結構等因素來影響產業分化，重新調整一、二、三產業內部產業結構并整合優化產業內部資源的配置。中國的產業分化是基于勞動密集型產業向資本技術密集型產業轉變模式下發展的，隨著這種轉變模式的推進以及技術層面的不斷成熟，產業分化受到的抑制作用也會越來越弱。基于人工智能背景下的產業融合發展能夠極大提高資源利用率，降低交易環節中的成本消耗，有效提高產業發展的利潤空間，從而弱化產業間各種要素流動壁壘的抑制作用，進而暢通各要素在產業間的流動，加快產業分化、細化的進程，對產業分化具有極強的推動力。同時，新技術不斷進步，落后技術不斷淘汰，新技術產生并開始融入各行各業，逐步成為推動產業分化的決定性因素。技術進步改變了原有產業結構，促使新的產業結構不斷涌現、調整和發展，從而為產業分化提供了良好的發展環境，導致產業分化從單一化朝多樣化方向發展。因此，在人工智能發展水平的較高階段，產業分化度以遞增的速率增加，在這一階段，人工智能對產業分化的影響支持“加速效應”。

4.穩健性檢驗

文章的穩健性檢驗包括兩個方面：一方面是指標測度的穩健性檢驗，另一方面是計量方法的穩健性檢驗。

（1）指標測度的穩健性檢驗

指標測度的穩健性檢驗主要表現在選取不同的核心解釋變量替換指標來進行檢驗。為進一步考察人工智能發展程度對產業分化的影響，文章選取高技術產業新增固定資產作為人工智能的替換指標，取其對數值進行回歸分析，穩健性檢驗結果見表8。由于西部地區人工智能對產業分化的影響不顯著，文章未對其進行穩健性檢驗。根據檢驗結果顯示，全國、東部地區和中部地區核心解釋變量指標人工智能的系數在1%的顯著性水平下均顯著；進一步還可以看出，全國、東部地區和中部地區人工智能發展程度的水平項均顯著大于零，人工智能發展程度的平方項均顯著小于零，人工智能發展程度的立方項均顯著大于零，這與基本回歸分析結果一致，說明指標測度具有穩健性。

表8 選取不同的核心解釋變量指標的穩健性檢驗

（2）計量方法的穩健性檢驗

遞歸殘差檢驗方法的基本思路是以樣本觀測值的不斷擴大為基礎，重復估計所構建模型方程的斜率參數，若某一斜率參數向量存在n個待估參數，則前面n個樣本的觀測值能夠估計出該參數向量的第一估計值，(n+1)個樣本的觀測值能夠估計出該參數向量的第二估計值，以此類推，不斷重復該操作過程，一直用完所有的N個樣本的觀測值，最終可得到該參數向量的(N-n)個估計值。在每次參數向量的估計過程中，前一個估計值被用作預測被解釋變量的下一個值，形成預測的誤差值或遞歸殘差，進而衍生出基于遞歸殘差的CUSUMSQ檢驗。顯而易見，遞歸殘差方法的優勢在于可避免選擇經濟結構時間變化的主觀隨意性，并克服樣本容量不足所引起的不利影響。因此，文章采用遞歸殘差CUSUMSQ檢驗的計量方法對全國、東部地區和中部地區模型所估計系數的穩健性進行檢驗，檢驗結果如圖3、圖4和圖5所示。

圖3 全國遞歸殘差平方累計和檢驗結果

圖4 東部地區遞歸殘差平方累計和檢驗結果

圖5 中部地區遞歸殘差平方累計和檢驗結果

從圖3、圖4和圖5可以看出，樣本在整個考察時間范圍內所描繪的CUSUMSQ曲線都在兩倍標準差與5%顯著性水平的上下兩條邊界區間范圍之內波動，未出現偏離邊界范圍的現象，說明所構建模型的核心解釋變量的估計系數是顯著的，進一步證實了研究結果的穩健性。

5.機制檢驗

（1）高技術產品對外貿易增長效應的機制檢驗

基于經濟開放對產業結構產生影響，進而影響產業分化狀態的分析，人工智能可以通過高技術產品對外貿易增長渠道來提升生產效率，促進產業分工，降低交易成本，進而影響產業分化。高技術產品對外貿易增長指標hightrade可以利用高技術產品進出口額增長率來衡量，通過引入人工智能與高技術產品進出口額增長率的交互項，驗證人工智能是否通過增加高技術產品對外貿易額來促進一國或地區的產業分化度。高技術產品對外貿易增長效應的機制檢驗結果見表9。

由表9結果可知，全國、東部地區和中部地區人工智能與高技術產品進出口額增長率的交互項的系數均顯著大于零，符合預期，由此可以證明人工智能的發展，提高了高技術產品對外貿易額，進而促進了全國、東中部地區產業分化度的深化。

表9 高技術產品對外貿易增長機制檢驗的估計結果

（2）資源優化配置的機制檢驗

基于人工智能對產業分化的影響機制分析，人工智能發展水平的提升有助于優化資源配置，有利于提高生產效率，進而影響產業分化進程。資源配置效率指標resource的構建可參考蒲阿麗、李平(2019)的研究方法，即利用全國就業人員數量與國內生產總值之比的勞動力配置效率來表示。通過引入人工智能與勞動力配置效率的交互項，分析人工智能是否通過影響資源優化配置而導致各次產業在產業分化中變化。資源優化配置的機制檢驗結果見表10。

根據表10檢驗結果顯示，全國、東部地區和中部地區人工智能與勞動力配置效率的交互項的系數均顯著大于零，由此可以表明人工智能發展水平通過資源優化配置推動了中國或東中部地區產業分化度的深化。

表10 資源優化配置機制檢驗的估計結果

六、結論與政策含義

1.主要研究結論

文章以中國人工智能發展為背景，以產業分化為對象，運用文獻研究、規范分析與實證分析相結合、構建產業分化的理論分析框架，探討人工智能對產業分化影響的內在邏輯；運用主成分分析法從人工智能投入和人工智能產出這兩個方面測算了2003—2018年中國人工智能發展程度；通過構建熵指數(EI)對全國及東、中、西部地區的產業分化度進行了測度；通過構建計量回歸模型實證分析了人工智能對產業分化的影響。文章得出以下主要研究結論：

第一，運用主成分分析法測算中國2003—2018年的人工智能發展程度。結合中國高技術經濟發展階段、人工智能特征以及實際國情，根據指標選取的客觀性和數據的可獲得性，以基礎設施建設、人力投入、財力投入來測算人工智能投入狀況，以經濟產出和產品產出來測算人工智能產出狀況。依據七個指標綜合計算的中國人工智能發展程度表現出較強的上升趨勢，中國人工智能發展水平呈逐年不斷持續增加的態勢。

第二，構建熵指數(EI)對中國及東、中、西部地區的產業分化度進行測度。測度結果表明，全國、東部地區、中部地區以及西部地區的產業分化度趨勢圖非常相似，總體上全國、東部地區、中部地區以及西部地區的產業分化度趨勢線持續上升，即產業分化度隨著時間的推進而不斷增大的趨勢。盡管產業分化度總體上呈現出上升趨勢，但卻表現出“先抑后揚”的特征，即產業分化度趨勢在2003—2010年呈現出以遞減的速度上升，2011年之后表現出以遞增的速度上升。同時，東部地區的產業分化度明顯高于全國、中部地區和西部地區，全國的產業分化度高于中部地區和西部地區，西部地區的產業分化度最小。

第三，構建計量模型實證分析了人工智能對產業分化的影響。結果表明，全國、東部地區、中部地區人工智能發展程度對產業分化度具有顯著影響，東部地區的影響尤為顯著，但西部地區人工智能發展程度對產業分化度并未產生明顯影響。人工智能發展水平對產業分化度的影響存在著“先抑后揚”的特征：在人工智能發展水平較低的階段，產業分化度以遞減的速率增加，在這一階段，人工智能對產業分化的影響支持“抑制效應”；隨著人工智能發展水平的不斷提高，達到某一拐點之后，產業分化度以遞增的速率增加，在這一階段，人工智能對產業分化的影響支持“加速效應”。也就是說，人工智能對產業分化的影響在總體上表現出一種不斷上升趨勢，但在人工智能發展程度所處不同階段，其對產業分化影響的上升速度存在不同的階段性特征。

2.政策建議

基于上述主要研究結論，為應對人工智能對產業分化所產生的影響，文章提出以下政策建議。

（1）完善勞動力市場體系，防范結構性失業風險

隨著人工智能發展水平的不斷提升，人工智能將對產業分化產生“加速效應”，產業結構的加快調整與勞動力市場的就業結構不匹配造成結構性失業等問題。為此，要完善勞動力市場體系，政府、企業和勞動者三方都要在勞動力市場上發揮主體作用，共同應對人工智能發展所引起的就業替代現象。首先，為應對三次產業間的產業結構調整和區域間的產業承接與轉移，減緩產業轉型升級過程中部分產業快速出現產能過剩問題，政府要健全企業和個人破產保護制度，建立市場出清機制，及時評估人工智能對某些特定產業和工種的影響，并針對性地給予資金和政策上的支持。其次，企業應根據人工智能發展對勞動者技能的要求，及時為勞動者提供與人工智能技術發展相匹配的技能培訓，以人工智能技術需求為導向，加強與教育機構的合作，增強勞動者適應新興產業技術變革的要求以及產業結構就業結構的轉型。最后，勞動者要有危機意識，樹立終身學習的理念，積極參加政府和企業舉辦的勞動技能培訓，不斷提高學習能力，掌握人工智能發展所需要的新興技能技術，全面提升自身綜合素質以應對人工智能對就業造成的影響。

（2）發揮東中西部地區的比較優勢，促進區域之間的協調平衡發展

東中部地區的人工智能發展水平比較高，尤其是東部地區，繼續發揮在人工智能投入方面的優勢，推動人工智能產業鏈高質量發展，引領并帶動西部地區人工智能的發展。西部地區的人工智能發展水平還比較落后，既要鼓勵發達地區人工智能技術在欠發達地區的廣泛應用，也要從基礎設施建設、人力物力財力等方面加大對欠發達地區人工智能發展的投入力度，縮小東中部地區與西部地區之間的差距，逐步實現區域之間的協調平衡發展。

（3）充分利用互聯網構建共享型數據和技術平臺，推動產業間的資源調節與整合

人工智能對產業分化的影響將改變產業分布格局，對產業結構調整產生較大沖擊。首先，通過互聯網平臺建造產業信息聚合載體，推動產業信息系統共建共享，暢通產業鏈間的數據共享渠道，消除產業內部和外部出現的“數據孤島”和“信息割裂”等現象，通過數據共建共享實現資源優化配置與高效運行，進而促進產業轉型升級。其次，通過平臺建設構建產業融合技術研究和共享體制機制，優化資源配置與產業分布格局，合理整合有限資源，促進三次產業間的協調發展。

（4）根據當前中國產業結構轉型升級發展的需要，全方位布局人工智能與三次產業深度融合的戰略規劃與支撐體系

不同的產業類型應匹配不同的人工智能發展政策：對于勞動密集型產業，應通過擴大人工智能的應用范圍來促進生產效率的提升；對于資本密集型產業，應運用適當的戰略規劃使得人工智能技術貫穿于其中以降低二者深度融合的交易成本；對于技術密集型產業，應加大技術研發的投入，提高產品的人工智能技術含量，提升產品競爭力。人工智能可發揮自身智能化技術優勢，實現人工智能與勞動、資本和技術密集型產業的深度融合，促進傳統產業智能化升級，推動三次產業合理有序調整。