中國人工智能科技產業發展的報酬遞增機制研究
——以廣東省為例

劉 剛,席江浩

(南開大學 經濟研究所，天津 300071)

一、引言

人工智能屬于通用技術(GPTs，General Purpose Technologies)，具有廣泛的應用場景。通過與經濟社會的全面融合，人工智能能夠實現全要素生產率持續提升和經濟長期發展。2012年以來，隨著國內外市場、要素成本和環境約束條件的變化，智能化成為中國經濟社會轉型升級的內生動力。隨著包括互聯網、移動互聯網、物聯網、大數據和云計算的發展，信息環境的變化為人工智能在經濟和社會領域的創新應用創造了條件。①

為了推動人工智能科技產業的發展，2017年7月國家出臺了《新一代人工智能發展規劃》。為了響應國家戰略和區域經濟社會發展中的智能化需求，各省市紛紛出臺與當地發展實際相符合的人工智能產業發展規劃和行動計劃。在市場需求牽引、國家戰略引領和地方政府政策響應下，我國人工智能產業呈現出快速發展的態勢。2020年，我國工業互聯網產業增加值規模約為3.1萬億元，同比實際增長約47.9%，對GDP增長貢獻超過11%；[1]2019年中國工業機器人市場累計銷售工業機器人14.4萬臺，年銷售量連續七年位居世界首位；[2]中國人工智能軟件市場規模在2020年達到230.9億元人民幣，僅次于美國。[3]

中國人工智能科技產業的發展不僅表現為規模增長，而且表現為應用領域的快速擴張和與經濟社會的全面融合發展。中國新一代人工智能發展戰略研究院發布的《中國新一代人工智能科技產業發展報告2021》表明，中國的人工智能科技產業已經出現在包括智慧城市、智能交通、智能制造在內的22個應用領域，開始步入和經濟社會全面融合發展的新階段。[4]

無論從增長速度還是從應用領域的擴張來看，中國人工智能科技產業均呈現出報酬遞增規律。在應用需求牽引下，人工智能科技的產業化推動了產業的智能化，而產業智能化進一步帶動了人工智能基礎研究的發展。在報酬遞增規律支配下，人工智能和實體經濟的深度融合將深刻變革我們的生產方式、生活方式和科技創新方式，加速步入以智能化為引領的新經濟時代。在黨的二十大報告中，習近平總書記指出，“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群。”[5]

如何加快推進人工智能和實體經濟融合發展的速度，釋放第四次工業革命帶來的社會生產力發展潛力，是學術界迫切需要回答的理論問題。本文以廣東省人工智能科技產業發展為研究對象②，分析人工智能科技產業發展報酬遞增出現的動力和機制，為國家和地方政府制定加速人工智能和實體經濟深度融合發展的政策提供決策依據。

二、文獻綜述

技術進步是經濟增長的核心動力[6]。截至目前，經濟學在人工智能領域的研究成果仍然相對較少[7]。現有研究主要關注人工智能對就業、收入分配、國際貿易和經濟增長的影響[8-14]。同時，學術界通過經濟結構分析，研究人工智能在經濟發展中的作用[15-17]。

無論是對經濟增長還是對經濟發展的影響分析，經濟學研究都把人工智能科技產業發展本身看作黑箱。作為新技術經濟范式，人工智能科技產業與經濟增長和發展是復雜共生系統。在某種程度上說，揭示人工智能科技產業發展的內在規律是研究新發展階段經濟增長和發展本質及其特征的前提和基礎。

弗里曼和佩蕾絲的技術革命和技術經濟范式概念為我們深入研究人工智能科技產業發展提供了借鑒[18-19]。佩蕾絲認為，技術革命驅動經濟發展是通過新的“關鍵生產要素”的創造和改造現有產業實現的。“關鍵生產要素”是指一個或一組能夠對現實經濟活動成本結構產生深刻影響的關鍵投入。它具有三個方面的基本特征：成本下降趨勢明顯、無限供應可能和應用前景廣闊。圍繞“關鍵生產要素”的生產和投入，技術革命與產業結構變革和經濟發展共生共融創造出新技術經濟范式。

保羅·戴維指出，重大技術變革的路徑依賴是影響產業發展的重要因素，而路徑依賴本身的出現卻可能來自某個偶然的歷史事件，而不是由所謂系統性力量主導的。[20]阿瑟認為，現代而又復雜的技術被應用后，往往表現出報酬遞增特征。[21]在他看來，技術創新報酬遞增現象的出現可能是由偶然事件引起的，其中技術供給方和應用需求方之間的非線性互動形成的創新循環是技術創新影響產業發展和經濟增長的關鍵機制。

作為第四次工業革命的引擎，人工智能具有廣泛的應用前景，屬于通用技術。Bresnahan和Trajtenberg把具有廣泛應用前景和能夠推動經濟社會長期發展的技術稱為通用技術。[22]他們認為，通用技術具有三個基本特征：應用領域廣泛、具有持續改進可能和能夠引發互補性創新。從他們的論述看，通用技術屬于技術革命范疇。

通用技術和報酬遞增概念為我們深入考察技術革命如何影響經濟發展的微觀基礎提供了研究思路和框架。人工智能科技產業的發展及其報酬遞增趨勢是通用技術和經濟社會融合發展的結果。因而，人工智能和經濟社會融合發展包括兩個相互促進的組成部分：人工智能產業化和產業智能化，它們分別構成人工智能科技產業的核心產業部門和融合產業部門。核心產業部門是指人工智能產業化形成的產業部門，是“關鍵生產要素”產出和通用技術供給方所組成的部門。融合產業部門則是指人工智能通用技術和經濟融合發展過程中所形成和創造的產業部門，是“關鍵生產要素”投入和應用需求方所組成的部門。研究兩個產業部門創新主體之間的互動關系，是分析技術革命與新興產業和經濟發展關系的基本視角。

Helpman和Trajtenberg指出，通用技術與應用領域之間的正反饋對技術創新產生積極效應。[23]通用技術的價值創造依賴于具體應用領域的成功應用。而這不僅取決于通用技術本身，而且取決于通用技術能否與具體應用領域專用技術的結合和重組。核心產業部門和融合產業部門的技術重組和互補性創新是通用技術引發產業發展和經濟增長的關鍵。在通用技術發展的初期階段，技術體系的不完善可能因為缺乏應用領域而導致核心產業部門技術創新激勵不足。隨著技術體系的完善、應用領域拓展和協同創新的出現，通用技術創新激勵效應將逐漸增強。

在對比分析電氣技術和信息技術兩種通用技術對經濟增長影響異同的基礎上，Jovanovic和Rousseau指出,電氣技術能夠促進經濟增長的一個重要原因是電動機的小型化使工廠可以更加靈活地重新分配生產資源，從而為應用場景提供更多的創新可能。[24]當通用技術應用在融合產業部門引發互補性創新時，兩個產業部門的協同創新帶來的技術重組將引領經濟的持續增長和發展。

Astebro、Colombo和Seri研究了計算機輔助設計和數控技術之間的互補性創新現象，發現了互補技術之間的應用關聯效應，即一種技術的應用會增大另一種技術應用的概率。[25]Rothaermel和Hill提出了互補性資產概念并進行了分類：通用互補性資產和專用互補性資產。[26]其中，通用互補性資產是指可以在公開市場獲得的資產，而專用互補性資產則是指難以在公開市場獲得的對新技術商業化至關重要的獨特資產。他們的分析表明，如果通用技術通過通用互補性資產商業化，則行業的績效是下降的；如果通用技術通過專用互補性資產實現商業化，則行業的績效是提升的。這是因為，通過通用互補性資產的新技術商業化不依賴創新，而通過專用互補性資產的新技術商業化則依賴創新。在新技術通過專用互補性資產商業化的過程中，技術創新能夠積累非競爭性資產和能力③，使企業和產業獲取市場競爭優勢。

核心產業部門和融合產業部門異質創新主體之間的非線性互動、知識和技術重組、互補性創新和正反饋效應，是分析人工智能科技產業報酬遞增機制的邏輯主線。在阿瑟看來，在高度不確定性的現實世界中，創新主體的偶然試錯或創新應用帶來的微弱優勢所導致的更多應用的產生，是某種技術路徑鎖定效應出現的根源。技術創新報酬遞增產生的原因包括三個方面：前期研發的高投入、網絡效應和客戶嵌入性。其中，新技術的早期應用者會通過網絡效應影響其他潛在應用者做出采用決策，當網絡效應足夠大時，新技術將會在特定應用領域被鎖定并成為主導技術。

復雜網絡理論的發展為分析網絡效應與人工智能科技產業發展報酬遞增關系提供了方法論借鑒。[27-28]Watts和Strogat發現，復雜網絡呈現冪律分布特征，即少數處于網絡核心的節點擁有較高的度數中心度。從復雜網絡的形成和發展看，度數越高的節點越容易連接到新的節點，即優勢連接。[29]在通用技術的商業化過程中形成的創新網絡屬于復雜網絡，具有明顯的無尺度網絡特征，在時空上呈現等級擴散的特點。[30-33]復雜網絡具有較高的創新擴散水平，創新擴散速度的變動與網絡平均距離變動同步，網絡聚類系數決定創新擴散的質量即創新最終累積采納者的比例。[34]

基于復雜價值網絡分析方法，劉剛等的研究表明，應用需求牽引、國家戰略引領、地方政府政策的積極響應、平臺主導的創新生態和創新體系的高度開放性是中國人工智能科技產業發展的關鍵因素。[35-37]從創新體系的視角，Lundvall和Rikap認為，國家和科技巨頭企業創新體系的相互促進，是中國人工智能科技產業快速發展和實現趕超的重要機制。[38]

人工智能科技產業的快速發展源于核心產業部門和融合產業部門創新主體之間的相互作用和協同創新，是典型的復雜網絡。一方面，核心產業部門的賦能在為融合產業部門早期應用者帶來競爭優勢的同時，將引致更多的應用者；另一方面，融合產業部門技術應用者的資金和技術反饋會激勵核心產業部門技術供給者進一步展開技術創新。兩個產業部門創新主體的非線性互動和協同創新，共同推動人工智能通用技術和經濟社會的深度融合發展。

三、研究設計和方法

筆者選擇608家廣東省人工智能科技產業核心產業部門企業作為樣本④，把與樣本企業存在技術合作關系的傳統企業和機構作為融合產業部門，通過分析兩個產業部門之間技術互動關系的動態演化，考察中國人工智能科技產業發展報酬遞增產生的動力和機制。608家廣東省人工智能樣本企業分布在基礎層、技術層和應用層。其中，基礎層企業9家，占比1.48%；技術層企業55家，占比9.05%；應用層企業544家，占比89.47%。

廣東省是中國乃至世界制造業基地和商品貿易中心，電子信息產業、汽車產業和商貿服務業發達。2014年以來，面對國內外市場條件的變化、要素成本上漲和環境約束的增強，廣東省率先在經濟轉型升級過程中創造出強烈的智能化需求。在應用需求牽引下，608家人工智能企業通過賦能和改造傳統產業，推動了人工智能科技產業的發展。基于608家廣東省人工智能企業與傳統企業和機構的技術合作關系數據量化分析，筆者可以清晰地觀察到核心產業部門和融合產業部門異質創新主體之間相互作用和協同創新的動力和機制。

在數據采集上，筆者首先以608家人工智能企業為樣本節點，通過實地調查和大數據方法，搜索到與樣本節點存在的技術合作關系。當確定樣本節點和關系節點之間存在人工智能技術合作關系時，賦值為“1”。技術合作關系包括技術輸入和技術賦能，其中，技術輸入是指關系節點為樣本節點提供技術支持，技術賦能則是指樣本節點為關系節點提供技術支持。技術輸入和賦能可能是雙向的，即節點之間相互賦能⑤。在確定技術合作關系之后，再從技術類別、應用領域和時間三個維度進行分類，分析技術合作關系發生和發展的情況。關系數據采集的截至時間為2021年6月30日。因為人工智能技術創新和應用主要發生在2014年之后，關系數據的量化分析期間為2014—2020年。

四、價值網絡分析

(一)靜態分析

筆者將采集到的608家廣東省人工智能企業的技術合作關系數據輸入社會網絡分析軟件Gephi 0.9.2，得到由9 284個節點(其中，關系節點數為8 676)和15 608條邊(關系)構成的價值網絡拓撲結構圖(如圖1所示)，包括平均路徑長度3.736、網絡直徑13、平均聚類系數0.048和度數中心度冪律分布在內的結構性指標表明(如表1所示)，廣東省人工智能科技產業價值網絡屬于典型的復雜網絡，表現出明顯的小世界網絡特征。以華為、騰訊、云從科技、優必選、中興通訊和平安科技(中國平安)⑥等為代表的少數節點擁有較高的度數中心度，是價值網絡的核心節點。如表1所示，模塊化為0.66，平均聚類系數為0.048，表明圍繞核心節點價值網絡存在著集聚現象，表現出明顯的層級狀結構特征。

圖1 廣東省人工智能科技產業價值網絡

表1 價值網絡結構性統計指標⑧

度數中心度排名前二十的節點均為樣本節點，主要包括三類企業：第一類是以華為和騰訊為代表的綜合平臺⑦；第二類是以平安科技(中國平安)、云從科技和云天勵飛為代表的專業平臺；第三類是以中興通訊和優必選為代表的非平臺人工智能企業。

度數中心度排名前二十的關系節點包括四類：第一類是以百度、阿里巴巴、京東為代表的綜合性平臺；第二類是以中國移動和中國聯通為代表的基礎設施平臺；第三類是以英特爾和高通為代表的國外芯片企業；第四類則是包括清華大學、華南理工大學和上海交通大學在內的具有人工智能基礎研究和人才培養實力的研究型大學。

從度數中心度排名前二十節點的類型來看，包括平臺(綜合性平臺、專業性平臺和基礎設施平臺)、非平臺人工智能企業、芯片企業和研究型大學在內的多元創新主體的相互作用和協同創新，共同推動了廣東省人工智能科技產業的發展。其中，作為價值網絡的核心節點，平臺及其主導的產業創新生態構成的子網絡是廣東省人工智能科技產業發展的主導者。

(二)動態分析

表2列出了2014—2020年廣東省人工智能科技產業價值網絡結構性指標的變動情況。2014—2020年，價值網絡樣本節點、關系節點和關系數都呈現出指數增長態勢。尤其是2019—2020年，關系節點與樣本節點的比值和關系數都出現了爆發式增長。

表2 2014—2020年廣東省人工智能科技產業價值網絡結構性指標變化情況

平均度指標的逐漸提高表明，價值網絡內部節點之間的聯系不僅越來越密切，而且越來越傾向與度數中心度高的核心節點連接。2014年之后，平均聚類系數大于0和平均路徑長度明顯下降兩項指標表明，價值網絡表現出越來越明顯的復雜網絡特征和模塊化趨勢。價值網絡節點之間的連接表現出明顯的優勢連接特征，屬于復雜網絡。

(三)技術合作關系及其變化

筆者首先從技術合作關系在核心產業部門和融合產業部門的分布出發，分析廣東省人工智能科技產業發展的動力究竟來自應用需求牽引還是技術供給推動；其次從關鍵技術領域的技術合作關系出發，考察廣東省人工智能科技產業發展技術重組和技術體系的演化；最后從應用領域的技術合作關系出發，研究技術重組和技術體系的變化如何支持廣東省人工智能科技產業應用領域的拓展。

1.核心和融合產業部門。構成廣東省人工智能科技產業核心產業部門的608家企業的技術合作對象不僅包括企業，而且包括大學、科研院所和政府。筆者僅僅分析企業之間的技術合作關系。其中，與608家樣本企業存在技術合作關系的企業包括兩部分：核心產業部門和融合產業部門企業。筆者進一步把技術合作關系劃分為兩類：一類是608家樣本企業之間的技術合作關系，即核心產業部門內部技術合作關系；二是608家樣本企業與融合產業部門企業之間的技術合作關系，即核心產業部門與融合產業部門企業之間的技術合作關系。

圖2刻畫了2014—2020年608家人工智能企業技術合作關系在核心產業部門和融合產業部門分布變化情況。2014—2020年期間，核心產業部門與融合產業部門的技術合作關系高于核心產業部門內部。這說明廣東省人工智能科技產業一開始就是應用需求牽引的。⑨2014年之后，核心產業部門與融合產業部門、核心產業部門內部技術合作關系均呈現出快速增長趨勢，而且與融合產業部門技術合作關系始終高于核心產業部門。因而，以應用需求為導向和以融合發展為主導，是廣東省人工智能科技產業發展的基本特征。

圖2 2014—2020年廣東省人工智能科技產業技術合作關系在兩部門分布變化情況⑩

2.關鍵技術領域。人工智能是包括大數據和云計算、物聯網、智能芯片和算法在內的15種關鍵技術組成的復雜技術體系。通過技術合作關系在關鍵技術領域的分布及其變化，可以反映廣東省人工智能科技產業發展中技術重組和技術體系的發展情況。

從廣東省人工智能科技產業技術合作關系在關鍵技術領域的分布情況來看，排名第一的是大數據和云計算，技術合作關系占比為40.08%；排名第二的是物聯網，技術合作關系占比為9.98%；排名第三的是5G，技術合作關系占比為9.76%；排名第四和第五的分別是智能機器人和計算機視覺，技術合作關系占比分別為8.55%和4.59%。從技術合作關系占比的排名情況看，大數據和云計算、物聯網和5G技術是人工智能算法部署的基礎。在應用需求牽引下，15種關鍵技術在不同領域的組合和技術體系的發展是推動人工智能和實體經濟融合發展的關鍵。

2014年之后，技術合作在關鍵技術領域出現了快速增長的趨勢。其中，大數據和云計算、物聯網和5G是技術合作關系增長最快的關鍵技術領域。除此之外，智能機器人、計算機視覺和智能算法關鍵技術領域的技術合作關系增長較快。2018年之后，技術合作關系增長最快的關鍵技術領域是自動駕駛、區塊鏈和智能芯片。

3.應用領域。廣東省人工智能科技產業的技術合作關系廣泛分布在19個應用領域。其中，排名第一的是智慧城市，技術合作關系占比為14.27%；排名第二的是智能制造，技術合作關系占比為11.67%；排名第三的是企業智能管理，技術合作關系占比為10.65%。從技術合作關系在各應用領域的分布看，盡管智能制造排名第二，但是從總體上來看第三產業仍然是人工智能技術賦能的主要產業領域。

2014年之后，廣東省人工智能應用領域的技術合作關系均出現快速增長。其中，智慧城市、智能制造和智慧商業是技術關系增長最快的應用領域。2018年之后，智能網聯汽車、智能硬件、智能醫療、科技金融、新媒體與數字內容和智慧政務人工智能應用領域的技術合作關系數量快速增長。

通過關鍵技術和應用領域技術合作關系增長變化的對比分析，筆者可以清楚地看到人工智能技術體系發展和應用領域擴張之間是相互支撐的。其中，技術體系發展是應用領域擴張的前提和基礎，而應用領域擴張則為技術體系發展創造了條件，尤其是大數據和云計算、物聯網和5G技術的創新發展，為算法技術在各應用領域的部署創造了條件。

圖3描述了2014—2020年廣東省人工智能19個應用領域技術合作關系數量比重標準差的變動情況。2014年之后，人工智能技術在各應用領域的技術比重年度標準差出現了快速縮小的趨勢。這說明，隨著人工智能技術體系的發展，人工智能與實體經濟融合發展的領域不斷擴展。

圖3 2014—2020年應用領域技術合作關系比重標準差變動情況

五、模型和推論

作為通用技術，人工智能和經濟社會的深度融合是提高全要素生產率和推動經濟持續增長的關鍵驅動因素。基于廣東省人工智能科技產業發展的實證分析，筆者通過構建一個簡單分析模型，進一步從理論上概括和總結人工智能和實體經濟融合發展報酬遞增產生的基本動力和機制。

假設人工智能科技產業包括兩個部門：核心產業部門和融合產業部門。從價值網絡的視角來看，本文分別用G(G=(V,E))、GN(GN=(VN,EN)和GM(GM=(VM,EM))三個網絡代表人工智能科技產業及其核心產業部門和融合產業部門。其中，GN網絡節點包括人工智能技術研發企業和機構。GM網絡節點包括接受人工智能賦能和實施智能化轉型的傳統產業企業。G網絡是核心產業部門和融合產業部門網絡所有節點及其相互作用的結果。

假設在初始條件下，GN網絡節點掌握的人工智能技術處于研發階段，尚沒有賦能GM網絡節點。在這種情況下，GN網絡是一個隨機網絡，網絡節點包括從事人工智能通用技術研發的研究型大學、平臺、大企業研發部門、新創企業和風險投資機構，網絡節點之間的連接是隨機的。在所研發的人工智能技術沒有實現市場應用的條件下，GN網絡節點的技術研發經費來自政府財政支持、平臺企業和大企業內部融資、風險投資機構投資。GM網絡則是由不掌握人工智能技術卻具有智能化需求的傳統產業企業構成。GM屬于規則網絡，網絡節點之間的市場競爭和合作關系是固有的，不受新技術的影響，連接是機械的。

假設作為技術供給和賦能方，當GN網絡節點掌握的人工智能通用技術尚沒有在具體應用場景應用時，前期研發投資無法獲得市場回報。只有當GN網絡節點把所掌握的通用技術賦能和改造GM網絡節點、且使GM網絡節點獲得市場競爭優勢時，前期研發投資才能獲得市場回報。作為需求方和被賦能方，GM網絡節點則期望引進和運用人工智能通用技術實施創新性競爭策略獲取市場競爭優勢。

再假設GN和GM網絡節點之間的有效連接和互動是人工智能通用技術和傳統產業技術體系的技術重組和互補性創新過程。人工智能和實體經濟的融合不是簡單的人工智能對傳統產業的賦能，而是一個相互適應、技術重組、互補性創新和通用技術專用化的過程。因而，GM網絡企業獲得的新市場競爭優勢是人工智能通用技術和傳統產業技術體系進行有效技術重組和互補性創新的結果。

在上述假設條件下，GN和GM網絡創新主體之間的非線性互動、技術重組和互補性創新過程中出現正反饋效應，形成人工智能科技產業發展呈現報酬遞增趨勢的基本動力和機制。因而，筆者可以用復雜網絡演化公式G=GNGM+GNGN+GMGM表示人工智能科技產業發展報酬遞增趨勢產生的內在機制。其中，GNGM表示核心產業部門和融合產業部門企業和機構之間的非線性互動、技術重組和互補性創新。GNGN表示核心產業部門人工智能通用技術企業和機構之間的非線性互動、技術重組和互補性創新。GMGM則表示融合產業部門企業之間的非線性互動、技術重組和互補性創新。

筆者首先從邏輯上展示核心產業部門和融合產業部門網絡節點之間通過相互作用和協同創新實現人工智能科技產業發展報酬遞增的過程。其次再通過引入連接度(P)指標分析影響人工智能和實體經濟融合發展速度的關鍵因素(見圖4)。

圖4 人工智能科技產業發展報酬遞增的動力和機制

在初始條件下，作為GN和GM網絡節點，無論是人工智能企業和機構還是傳統產業企業都具有通過相互聯系和作用進行技術重組的動力。因為，人工智能通用技術和傳統產業技術體系的重組和互補性創新是兩個網絡節點市場競爭優勢的來源。一方面，傳統企業試圖通過技術重組和互補性創新打破產業現有市場競爭格局獲得新的市場競爭優勢；另一方面，人工智能企業和機構則試圖通過與傳統產業企業技術重組和互補性創新，在獲得資金和技術反饋的同時，進一步開展技術創新，擴大領先優勢。

GN和GM網絡節點在初始狀態下的隨機連接和互動存在兩種可能：一是GN網絡節點對GM網絡節點的賦能沒有使GM網絡節點獲得市場競爭優勢，兩個網絡節點之間的互動沒有出現正反饋效應；二是GN網絡節點對GM網絡節點的賦能使GM網絡節點獲得了市場競爭優勢，GM網絡節點則通過資金和技術向GN網絡節點進行反饋。

GN和GM網絡節點連接的正反饋效應將帶來四個方面的連鎖反應：(1)GM網絡節點的智能化和市場競爭優勢的獲取將引發GM網絡其他節點的模仿，從而增加與GN網絡節點的連接；(2)GM網絡節點的資金和技術反饋進一步刺激GN網絡節點之間通過相互連接引進新技術、展開技術重組和互補性創新，推動通用技術體系的分化、專用化和新顛覆性技術創新的出現；(3)GM網絡率先實現智能化的企業進一步發展為行業技術賦能者，通過與網絡內部節點的連接賦能其他節點；(4) 在GN和GM網絡節點連接正反饋效應作用下，兩個網絡節點之間上述三個層面的加速連接、技術重組和互補性創新，不僅推動了產業智能化，而且進一步帶動了人工智能科技創新和產業化。因而，GN和GM網絡節點之間的正反饋效應不斷推動人工智能科技產業的發展，產業發展呈現出報酬遞增和路徑依賴(Path-Dependence)。

GN和GM網絡節點之間的連接產生正反饋效應的關鍵是技術重組和互補性創新過程中的通用技術專用化。GN網絡節點研發的人工智能技術屬于通用技術，GM網絡節點則擁有傳統產業產品和服務的研發和生產技術。人工智能和實體經濟的融合發展帶來兩個方面的通用技術專用化。首先是發生在GM網絡融合產業部門的通用技術專用化，即通用技術專用化Ⅰ。在人工智能賦能和改造傳統產業的過程中，形成了適應特定產業發展的人工智能專用技術體系，構成產業發展新競爭優勢來源；其次是發生在GN網絡核心產業部門的通用技術專用化，即通用技術專用化Ⅱ。產業智能化的正反饋效應同時帶動GN網絡內部節點之間的相互連接和技術重組。為了適應應用場景的擴展，GN網絡的通用技術體系開始分化、專用化和體系化。在市場需求牽引下，兩種類型的通用技術專用化都使人工智能技術體系產生越來越明顯的差異化。因而，在GN和GM網絡節點的連接和互動中出現的正反饋效應是上述連鎖反應產生的第一推動力。在它的推動下，核心產業部門和融合產業部門之間的技術重組和互補性創新不斷推動通用技術體系的專用化和差異化，進一步為新一輪技術重組和互補性創新創造了條件。

推論1：核心產業部門和融合產業部門之間的非線性互動和正反饋效應是人工智能科技產業發展的基本推動力。兩個部門之間技術重組、互補性創新和通用技術專用化是人工智能科技產業發展報酬遞增產生的基礎和前提。

在初始階段，GN網絡節點之間的連接是隨機的。在GN網絡某個節點vn與GM網絡節點連接、技術重組和互補性創新獲得正反饋的條件下,vn節點因技術專用化程度高而具有更強的粘著性。高粘著性的vn節點不僅會連接更多的GM網絡節點，而且會連接更多的GN網絡節點。在這種情況下，無論是GN和GM網絡節點之間的連接還是GN網絡內部節點之間的連接都不再是隨機的，而是演變為優勢連接。具有更強粘著性的GN網絡節點vn會在網絡內部形成子網絡模塊。隨著子網絡的發展和網絡聚類系數的提高，GN網絡逐步由隨機網絡演化為復雜網絡。子網絡的出現意味著以應用需求為牽引的通用技術分化，即通用技術專用化Ⅱ的出現和發展。其中，以vn為代表的關鍵節點通過子網絡的構建而成為人工智能科技產業化的主導者。

推論2：在融合產業部門正反饋效應作用下，核心產業部門企業和機構之間的相互聯系和作用通過技術重組和互補性創新，推動通用技術的分化和人工智能專用技術體系的出現。在核心產業部門中，掌握人工智能專用技術體系的關鍵企業逐步成為人工智能科技創新和產業化的主導者。

隨著GN和GM網絡節點的非線性互動和通用技術專用化，GM網絡節點中率先實現智能化的節點vm因為掌握所在行業智能化改造所需的關鍵技術和共性技術，開始為GM網絡其他節點進行技術賦能。具有更強粘著性的GM網絡節點vm同樣會在網絡內部形成子網絡，通過賦能更多的其他節點逐步成為產業智能化的主導者。GM網絡主導者的出現和節點之間連接的增長，使網絡逐步由規則網絡發展為復雜網絡，產業智能化加速發展。

推論3：在產業智能化過程中，融合產業部門會涌現出掌握行業智能化關鍵和共性技術的企業。因為具有更強的連接能力和掌握人工智能專用技術體系，通過廣泛賦能行業內的其他企業，它們往往成長為產業智能化的主導者。

GN和GM網絡節點之間的非線性互動、技術重組、互補性創新和正反饋效應，不僅推動了核心產業部門人工智能通用技術體系的分化和專用化，而且推動了融合產業部門人工智能專用技術體系的創新和發展。人工智能產業化和產業智能化是相互促進和協同發展的。人工智能產業化為產業智能化提供了前提，產業智能化又促進了人工智能產業化。核心產業部門和融合產業部門之間和內部創新主體之間的良性互動，是人工智能科技產業呈現報酬遞增的關鍵動力和機制。

推論4：人工智能科技產業發展報酬遞增的出現，是核心產業部門和融合產業部門之間和內部創新主體非線性互動的結果。創新主體在核心產業部門和融合產業部門之間、在核心產業部門和融合產業部門內部互動中的正反饋連鎖效應，共同推動了人工智能科技產業的快速發展。

在梳理清楚人工智能科技產業發展報酬遞增產生的內在邏輯基礎上，筆者引入網絡連接度指標進一步分析影響人工智能和實體經濟融合發展速度的關鍵因素。連接度P(0

在初始條件下，GNGN連接是隨機連接，GMGM連接是規則連接，GNGM連接同樣屬于隨機連接，PNN、PMM和PNM的數值都接近于0。當GNGM隨機連接出現正反饋效應時，網絡節點粘著性提高，隨機連接則轉變為優勢連接，PNM值增加。當PNM值的提高達到一定程度時，則會帶動PNN和PMM值的提高，進而促進PNM值的提高。PNN、PMM和PNM三個指標不僅是相互促進的，而且是相互制約的，共同決定著人工智能和實體經濟深度融合發展的速度和水平。

PNM值的提高取決于技術、市場和政策因素，尤其受通用技術專用化程度的影響。PNM的提高能否帶動PNN的提高還要取決于GNGN的創新能力。而GNGN的創新能力不僅取決于國內創新尤其是基礎研究能力，而且取決于全球創新網絡的協同創新能力。當面對國外技術封鎖時，如果國內創新能力出現“卡脖子”現象，PNM的提高無法帶動PNN顯著提高。與PNN指標相比，PMM的提高遇到的問題主要是市場、政策和制度因素。

受技術、市場和政策等因素的影響，PNM、PNN和PMM數值差異及其網絡發展而變化的情況，決定了一定時期內人工智能科技產業發展的速度和水平。如何制定和實施科技創新戰略和策略，化解影響人工智能和實體經濟融合發展中的制約因素，是國家和區域創新體系建設的重要內容。

推論5：人工智能和實體經濟融合發展的進程和速度，取決于多技術、產業領域和跨國創新主體協同創新的能力。在經濟全球化時代，一國或地區人工智能科技產業發展水平不僅深受全球創新循環水平的影響，而且與本國技術、市場和政策因素直接相關。

六、總結和政策建議

基于廣東省人工智能科技產業快速發展的實證分析和理論研究，筆者認為核心產業部門和融合產業部門企業和機構之間的非線性互動和正反饋連鎖效應的出現，是人工智能科技產業發展呈現報酬遞增的動力和機制。同時，兩個產業部門企業和機構的非線性互動和正反饋效應進一步推動了人工智能通用技術的分化和專用技術體系的形成和完善，為實現人工智能和實體經濟的全面深度融合發展奠定了基礎。從涉及的諸多創新主體的相互作用和協同創新過程來看，人工智能科技產業發展是一個復雜系統演化過程中的涌現現象。

本文的政策建議為：

首先，積極促進核心產業部門和融合產業部門企業和機構之間的非線性互動、技術重組和互補性創新中正反饋效應及其鏈式反應的出現，是推動人工智能和實體經濟深度融合發展的重中之重。在初始條件下，兩個產業部門企業和機構的技術重組和互補性創新的正反饋效應往往是自組織的結果。而正反饋效應擴張和鏈式反應的出現，往往超出企業與企業之間互動的界限，需要與之相適應創新創業環境的培育和構建。培育適應人工智能科技產業發展的創新創業生態環境，是國家和區域創新體系建設的重心。

其次，在跨學科、產業和區域多元創新主體的相互作用和協同創新過程中，通用技術的專用化和人工智能專用技術體系的形成和發展是人工智能和實體經濟深度融合發展的基礎。而人工智能專用技術體系的出現源于以平臺為主導的產業創新生態的形成和發展。以產業創新生態培育為抓手，促進人工智能專用技術體系的形成和發展，是政府推動人工智能和實體經濟深度融合發展的關鍵。

再次，以應用需求為導向，人工智能技術體系的專用化和差異化會進一步引發通用技術體系的技術重組和顛覆性技術創新。高度重視人工智能技術體系專用化和差異化過程中出現的顛覆性技術創新需求和機遇，部署重大科技創新項目和計劃是國家和區域科技創新戰略的重要內容。

最后，人工智能科技產業的發展是多元創新主體相互作用的復雜適應系統演化中的涌現現象，是技術、組織和制度協同創新的結果，充分發揮組織和制度創新在促進技術創新中的積極作用是體制和機制創新的方向。

注釋：

①中國互聯網絡信息中心(CNNIC)發布的第47次《中國互聯網絡發展狀況統計報告》顯示，截至2020年12月，我國網民規模達9.89億，互聯網普及率達70.4%。

②在人工智能科技產業的發展上，廣東省表現出兩個方面的典型特征：一方面，產業發展以融合產業部門為主導；另一方面，在地方政府政策的積極響應下，產業發展速度明顯快于京津冀和長江三角洲地區。以廣東省人工智能科技產業發展為研究對象，能夠更清晰地看到人工智能和實體經濟融合發展的內在邏輯和規律。

③非競爭性資產和能力是指難以在公開市場獲得的資產和能力。

④608家企業樣本是在中國工程院中國新一代人工智能發展戰略研究院“中國智能經濟2 205家人工智能企業樣本庫”中596家廣東省人工智能企業樣本的基礎上，添加12家近兩年成立的企業。2 205家樣本庫的數據采集截止時間是2020年12月，本文的數據采集截止時間是2021年6月。近兩年新成立的企業有些在2020年12月之前沒有檢索到數據，故沒有納入2 205家樣本庫中。

⑤關系數據主要包含兩類維度，第一是技術合作關系的屬性，包含合作時間、技術類別、應用領域；第二是樣本節點和關系節點的屬性，包括所屬地區、所屬行業等。技術類別和應用領域劃分主要參考國家標準化管理委員會發布的《國家新一代人工智能標準建設體系指南》(2020年)和中國電子技術標準化研究院編制的《人工智能標準化白皮書》(2018、2021年版)。技術類別主要劃分為15類：空間技術、自然語言處理、光電技術、生物識別、自動駕駛、語音識別、區塊鏈、虛擬/增強現實、智能推薦、智能芯片、計算機視覺、智能機器人、物聯網、5G、大數據與云計算。應用領域主要劃分為19類：智能農業、網絡安全、智能安防、智能能源、智慧文旅、智能物流、智能家居、智能政務、智能交通、智能網聯汽車、智能教育、新媒體與數字內容、智能營銷和新零售、金融科技、智能硬件、智能醫療、智能制造、企業智能管理、智慧城市。在關系數據的采集中，通過百度、今日頭條、微信公眾號等多個信源，以“樣本節點關鍵詞+智能關鍵詞+合作關鍵詞”的方式進行檢索。

⑥平安科技是中國平安的全資子公司，是從事提供人工智能解決方案的金融科技(Fintech)公司。截至2021年第一季度，科技專利申請數超過32萬，金融科技和數字醫療科技專利申請數位居全球第一，人工智能位居全球第三。

⑦綜合平臺是指具有包括算力、算法和數據在內的多種技術賦能能力的平臺企業類型。例如，阿里巴巴、百度、騰訊和京東。專業平臺是指以算法賦能為主導的平臺企業類型。例如，平安科技(中國平安)、云從科技和科大訊飛，分別依托金融科技、計算機視覺和語音識別算法賦能。中國移動、中國聯通和中國電信主要是基礎設施服務提供商，即基礎設施服務平臺。國外平臺劃分參照相同標準。

⑧本表列出的隨機網絡、無標度網絡和小網絡指標是在現實價值網絡的基礎上，通過參數調整進行網絡模擬的結果。結果顯示，廣東省人工智能科技產業價值網絡屬于復雜網絡，具有小世界網絡特征。

⑨在應用需求牽引下，核心產業部門的人工智能企業不僅來自國內而且來自國外。例如，為了解決廣東省安防產業的智能化需求，孵化于中國科學院2015年創建的云從科技從項目開始與廣東省安防企業產生技術合作關系。2017年在廣州成立云從科技(廣州)有限公司。

⑩圖中的數據是樣本節點與核心產業部門、融合產業部門每年新增的技術合作關系。