中國人工智能發展評價指標體系構建與實證測度

馬光威，鐘玉婷，鐘 堅

（1.東莞理工學院經濟與管理學院，廣東東莞 523106；2.深圳大學經濟學院，廣東深圳 518061）

1 研究背景

近年來，以人工智能（AI）為核心的第四次科技革命呈現出爆發式發展態勢，對人類社會活動產生了巨大影響。中國2017 年7 月發布的《新一代人工智能發展規劃》將發展人工智能提升至國家戰略高度，與此同時，國內各地方政府也不斷加大科研投入力度，積極布局人工智能產業，建設人工智能產業園區，而各地高校也不斷增設相關學科專業，各類發明專利不斷涌現。主動了解和掌握人工智能目前發展情況及其未來發展方向，對中國戰略層面人工智能研發布局至關重要。

基于數字科技的機器學習技術不斷突破，由此推動了人工智能產業快速發展，中國在人工智能領域也取得了大量技術進展。國內學者很早便對人工智能發展水平進行了關注，并圍繞這一主題開展研究，如王洪慶等［1］、陶長琪等［2］、陳明藝等［3］的研究。相對簡單的人工智能發展水平度量方法主要有以下兩個方向：一是使用已經實現自動化的生產任務占所有生產任務的比重反映人工智能發展程度，如郭凱明［4］、程承坪等［5］、王瑞瑜等［6］的研究；二是假設人工智能發展使生產函數中出現了與普通資本不同的智能資本，然后通過智能資本及其變化來刻畫人工智能的發展程度，如陳利鋒等［7］、黃旭等［8］、程惠芳等［9］的研究。部分專業機構則聚焦于人工智能發展水平測度問題展開研究，如烏鎮智庫［10］自2016 年起連續多年從產業、技術、應用場景3 個維度匯總全球人工智能發展數據；2018 年，清華大學中國科技研究中心［11］發布《中國人工智能發展報告2018》，從科技產出與人才投入、產業發展與市場應用、發展戰略與政策環境、社會認知與綜合影響等4 個維度對國內人工智能發展水平進行測度；2019 年，國家工業信息安全發展研究中心發布《中國人工智能產業發展指數》，從基礎支撐、創新能力、融合應用、產業運行、環境保障5 個維度對人工智能產業發展情況進行綜合評價［12］。相比之下，學者們的研究則更加細化，如李旭輝等［13］運用縱橫向拉開檔次法、非線性規劃法對我國三大支撐帶人工智能產業自主創新能力進行測度，熊曦等［14］、王宏起等［15］、李旭輝等［16］也做了類似研究；郝力曉等［17］通過熵權法，從制度環境、基礎設施、技術創新與生產應用4 個維度測度了2003—2018 年中國各省份人工智能發展指數；匡祥琳［18］則采用主成分分析法，基于2010—2020 年中國30 個省區市面板數據，對其人工智能技術創新水平進行測度；顧國達等［19］構建了以環境力、知識創造力、產業競爭力為主的人工智能綜合發展指數體系，同時運用組合賦權法和時序加權平均算子對2010—2018 年中國、美國、歐盟、日本、韓國、加拿大等國家和地區的人工智能發展水平進行量化評估，孫早等［20］、王山等［21］也開展了類似研究；陳鳳仙［22］則從經濟學視角切入，對人工智能發展水平測度相關文獻進行全面梳理，歸納總結了人工智能的綜合發展水平、滲透率及其對經濟各領域影響程度的測度方法。

綜上，現有研究成果更多采用較為單一或相對簡單的指標對人工智能發展水平進行替代研究，也有學者如郝力曉等［17］嘗試構建相對完善的測度指標體系對其發展進行研究，但遺憾的是，當前學術界尚未構建相對科學的指標體系測度人工智能發展水平，導致相關研究缺少量化分析基礎；加之中國的人工智能發展尚處于初級階段，統計數據稀缺，因而其發展水平的測度難度較大，仍有待進一步探索。

為了更好地了解中國各省份人工智能發展水平，本研究圍繞人工智能發展的表征與影響展開分析，并著重考察以下問題：第一，人工智能發展水平測度指標體系設計思路是什么，哪些指標更適合衡量中國人工智能發展狀況？第二，哪種方法對中國省域人工智能發展水平測度更適用？第三，2020 年中國各省域人工智能發展水平如何，有哪些政策啟示？

2 指標體系構建與測度方法選擇

借鑒鐘玉婷等［23］的研究，按照事物發展的“事前—事中—事后”的邏輯順序，在明確中國人工智能發展水平測度指標體系設計思路與指標選取原則的基礎上，構建一個“三維四層”的人工智能發展水平測度指標體系。由于西藏和港澳臺地區人工智能相關數據缺失較多，因此只對中國30 個省份的人工智能發展水平進行測度研究。

2.1 指標體系構建

2.1.1 指標體系設計思路

借鑒李旭輝等［24］的研究中關于指標體系構建的思路，擬定人工智能發展水平測度指標體系的構建框架為“三層四維”，其中“三層”指一級、二級、三級指標；“四維”指創新支撐、技術成果、成果應用、創新實踐4 個維度。具體如下：一是創新支撐，指能夠直接或間接參與到創新過程中的活動因素。該維度側重衡量人工智能創新趨勢和持續性能力，指標設計考慮主要在宏觀層面測度。二是技術成果，指人工智能技術創新的直接成果輸出。因為直接技術成果不僅是作為創新技術的物化顯示，同時也是引領創新驅動發展的主要載體，代表先進技術的前進方向。該指標設計綜合考慮了相關企業、科研機構以及高校專利發明與科研論文輸出。三是成果應用，指人工智能技術成果的社會價值。由于成果應用被作為檢驗技術能否為社會創造價值的最佳途徑，因而在衡量國家或地區的人工智能發展水平時，不僅要考慮到其發展所依托的創新環境及其創新質量，還要明確其知識創造、傳播及應用貢獻度，因而成果應用更側重創新成果的場景適用性。相關指標設計主要考慮研究成果的生產轉化或消費轉化。

2.1.2 指標選取原則

立足于數據的可獲得性和指標測度的時效性，圍繞中國各地社會經濟發展的現實基礎，構建如下三級指標的選取原則：一是匹配性原則，即指標需要與測評內容相匹配。一方面，各維度指標需要與相應二級指標測評內容相匹配，支撐二級指標的測評目的；另一方面，三級指標作為測度指標體系的基礎層內容，內容設計需要考慮與現實活動的匹配。二是適用性原則，即指標需要適用于中國宏觀層面和省域層面，同時考慮到人工智能發展的技術特征，也需要適用于人工智能軟硬件結合的技術特點。三是可獲得性原則，即指標測度所需數據可通過搜集整理獲得。鑒于目前中國人工智能發展實際，數據可獲得性為本研究的指標選取重要原則。研究數據大多來源于《中國科技統計年鑒》《中國人工智能產業發展指數》等，部分數據則采用互聯網數據處理技術進行抓取與解析。

2.1.3 指標體系

結合上述人工智能發展測度指標體系的構建思路與指標選取原則，借鑒由英特爾AI 百佳創新激勵計劃、德勤人工智能研究院和深圳人工智能行業協會聯合發布的《中國成長型AI 企業研究報告》［25］，深圳市人工智能行業協會［26］發布的《2021 人工智能發展白皮書》，清華大學人工智能研究院、清華-中國工程院知識智能聯合研究中心［27］聯合發布的《人工智能發展報告2020》，以及中國科學技術發展戰略研究院［28］發布的《中國區域科技創新評價報告2021》等的相關指標體系，設計了包含4 個一級指標、10 個二級指標與32 個三級指標的人工智能發展水平測度指標體系，具體如表1 所示。

表1 中國人工智能發展水平測度指標體系

2.2 測度方法選擇

根據文獻回顧可知，當前關于人工智能發展水平測度方法主要有基于截面數據的靜態綜合測度方法與基于面板數據的動態綜合測度方法兩種，分別如張彬等［29］和顧國達等［19］的研究，測度過程均涉及指標的加權計算。對于截面數據，常見指標權重確定方法是因素分析法和熵權法。其中，因素分析法是通過因子分析法或主成分法計算指標權重，有如劉俊顯等［30］、林海明等［31］的研究；而熵權法則常用于計算分項權重，衡量指標的相對差距，如張俊光等［32］、禹春霞等［33］的研究。對于面板數據，常見指標權重確定方法為縱橫向拉開檔次法，即針對時序立體數據的動態測度方法，基本原則為最大化立體數據來體現各評價對象之間的差異，采用求解非線性規劃問題思路逐層確定指標權重［34］。熵權法是基于信息熵的多對象、多指標客觀賦權方法，通常根據指標的離散程度判斷其對綜合評價結果的影響，計算過程僅依賴數據本身，可以有效避免人為干擾而產生的主觀偏差［33］。鑒于2020 年之前相關數據缺失嚴重，2021 年之后部分數據尚未公布，考慮到本研究中32 個指標的時間序列數據搜集的難度，因此采用熵權法，利用指標權重測度2020 年中國人工智能發展水平指數。具體方法如下：

（1）建立指標矩陣。首先，設定含m個指標與n個測度區域的指標矩陣，其中代表第j個測度區域的第i個指標；其次，考慮到指標數據存在負值的可能性，采用min-max 標準化方法對原始矩陣進行處理，得標準化矩陣。

（2）計算指標熵權。對三級指標定義信息熵為：

以信息熵為基礎計算指標熵權值為：

（3）綜合測度。采用熵權法對各省份人工智能發展水平進行綜合測度。

3 中國人工智能發展水平測度

3.1 數據來源

由于某些指標數據統計可能存在時間段差異，如相關政策實施周期、人工智能實驗室建設周期等，故在進行數據收集時，設定含2020 年的時間段均納入到數據統計范圍。測度數據主要來源渠道分為3 種：

一是政府各機關單位組織數據公布的官方網站。相關支撐政策數量、金融扶持政策數量、人工智能專項扶持資金等測度指標的數據來源于各省份人民政府網站和工業和信息化管理部門網站，以及各省份科技管理部門等官方公布信息，統計內容主要為政府各機關單位發布的相關政策，政策實施時間含2020 年；國家重點研發計劃指標數據來源于科學技術部2021 年公布的“2020 年國家重點研發計劃重點專項立項公示”［35］，主要統計內容包括智能芯片研發計劃數、人工智能軟件開發項目數以及互聯網協同智能工業化制造技術研發項目數等；市級以上人工智能實驗室數量指標數據來源于各省份的《國民經濟和社會發展統計公報》《國家重點實驗室年度報告》等，統計內容為國家重點實驗室數量，統計截至2020 年年底；高校相關學科數量指標數據來源于百度百科，統計內容為2020 年各省份高校人工智能專業數。

二是社會公開認可的權威機構。自主創新能力指標值數據來源于《中國區域創新能力評價報告2021》中2020 年區域創新綜合效用值［28］；私募股權投資基金規模指標數據來源于中國證券網，統計內容為2020 年私募基金規模；“人工智能+”發展成效指標數據來源于東方財富Choice 數據庫和《中國統計年鑒2021》，用各省份上市人工智能企業當年利潤總額除以當年國內生產總值（GDP）作為2020 年各省份人工智能企業貢獻度來衡量；人工智能產業園區數量和人工智能產學研基地數指標數據均來源于前瞻產業園區庫，前者的統計內容為2020年各省份智能園區數、大數據園區數以及機器人園區數之和，后者的統計內容為2020 年各省份的人工智能機器生產基地數、人工智能產學研基地數以及人工智能產教融合創新基地數的總和。

三是國家統計局統一匯總公布的統計年鑒。數據來源于各類統計年鑒的有關指標（見表2），其中專業會議/論壇主辦數量數據來源于《中國科技統計年鑒2021》和各省份2021 年統計年鑒，囿于數據統一性原則，故對該指標2020 年缺失的數據統一用0替代，統計內容為2020 年各省份科技類學術交流會。

表2 中國人工智能發展水平測度指標及其定義與計算方式

3.2 測度結果

利用Stata 16 軟件對30 個省份的人工智能發展水平進行綜合測度，具體結果見表3，可知廣東的人工智能發展水平綜合測度結果居第一，江蘇緊隨其后，而北京為第3 位；相比之下，寧夏居第30 位，與廣東存在較大差距。

表3 2020 年30 個省份人工智能發展水平綜合測度結果

根據對各省份的人工智能發展水平進行分維度測算可知（見表4），廣東在創新支撐、技術成果、成果應用與創新實踐4 個維度的人工智能發展水平均位居第一；寧夏的創新支撐維度位于第30 位；青海的技術成果、成果應用與創新實踐3 個維度居于末位。可見，分維度測度結果與總體測度結果基本一致。

表4 2020 年30 個省份人工智能發展水平一級指標測度結果

4 中國人工智能發展水平分析

4.1 總體分析

2020 年，30 個省份人工智能發展水平測度結果的閾值區間為［0.010 7，0.832 2］，其中廣東處于閾值上限，而寧夏處于閾值下限，不同區域間的差異呈現出明顯規律性。具體來看，省域人工智能發展具有區域不平衡、對經濟增長依賴性強和“東高西低”等三大特征。首先，不同省份之間人工智能發展水平存在嚴重的不平衡性。其中，綜合值居全國第30 位的寧夏與排名第一的廣東之間相差約78倍；且除廣東的綜合值超出0.5 之外，北京與江蘇較為接近，均超過0.3，有13 個省份處于0.05 以下。其次，不同省份的人工智能發展水平與其經濟總量之間存在明顯線性相關，經濟總量較高的省份的人工智能發展水平相對較高。為進一步考察區域人工智能發展水平與區域經濟總量之間的相關關系，以各省份的綜合測度值和經濟總量為變量，構建線性擬合方程對兩者之間的相關性進行檢驗，結果如表5 所示，兩者之間存在顯著的正相關關系，線性擬合優度大于50%，一定程度上說明經濟總量越高的地區，其人工智能發展水平相對較好。第三，人工智能發展水平呈現出明顯的“東高西低”特征。除了省份之間人工智能發展存在不平衡性，即使經濟體量較為接近的省份，同樣是處于東部沿海地區的人工智能發展水平優于處于中西部地區，其中東北地區表現尤為明顯，如江西與遼寧GDP 總量較為接近，但二者的人工智能發展水平綜合測度值相差1倍以上，且類似的情況較為普遍，筆者認為可歸因于東部沿海地區更容易接觸到國外的技術轉移，技術創新與實踐的市場激勵也更大。

表5 2020 年30 個省份人工智能發展水平與其生產總值的相關性檢驗結果

4.2 分維度分析

通過計算可得，30 個省份人工智能發展水平的創新支撐、技術成果、成果應用與創新實踐4 個維度的熵權值分別為0.227 2、0.163 6、0.178 7、0.430 5，可見創新實踐對整體發展水平的貢獻最大，創新支撐次之。進一步研究發現，綜合測度值排名靠前的幾個省份的創新實踐也表現較好，創新支撐力度也足夠大。為更加直觀地呈現出上述4 個維度的差別，繪制分區域的分維度層面測算結果散點圖（見圖1）。從創新支撐維度來看，廣東、北京與江蘇分居前三，其中廣東遙遙領先，評價值為0.201 3，而除川渝之外的廣大西部及東北地區的多數省份的測度結果小于0.010 0，與綜合測度結果一致，存在明顯的區域不平衡性。從技術成果維度來看，與創新支撐維度一樣，廣東、北京與江蘇分居前三，西部地區的青海、海南、寧夏、內蒙古、新疆、甘肅、貴州、云南等省份的評價值較低，青海的情況尤為突出，主要是由于這些地區的人工智能技術成果輸出較少。從成果應用維度來看，廣東、江蘇、浙江分居前三，北京則降至第12 位，而西部地區及東北地區的青海、黑龍江、甘肅、吉林、內蒙古、寧夏、新疆等省份的評價值相對較低。從創新實踐維度來看，廣東、北京與江蘇分居前三，其中廣東遙遙領先，評價值為0.334 2，青海、內蒙古、寧夏、新疆、甘肅、黑龍江、云南等省份的評價值較低。由此可見區域人工智能發展水平“強者恒強”的發展特征。其中，廣東、北京、江蘇、上海、浙江、山東等省份的4個維度均表現優秀，而西部地區及東北地區的部分省份的4 個維度均表現較差；創新實踐與創新支撐維度對綜合值的貢獻要遠超其他兩個維度，綜合評價結果表現優秀的廣東、江蘇、北京、浙江等4 個省份的創新實踐維度表現優于其他維度，緊隨其后的上海、山東，其創新支撐維度的表現優于其他維度。

圖1 2020 年30 個省份人工智能發展水平四大維度評價結果

5 結論與政策啟示

本研究圍繞人工智能發展構建了適用于中國人工智能發展水平測度的“三層四維”指標體系，并采用熵權法對中國30 個省份人工智能發展水平進行測度。結果顯示，各省份的人工智能發展水平并不是一致的，而是與其經濟體量之間存在著顯著的線性關系，經濟體量越大的省份，其人工智能發展水平也相對較高；同時，人工智能發展水平存在嚴重的區域不平衡，明顯呈現出“東高西低”的發展特征，即使是經濟體量較為接近的省份，東部沿海地區省份的人工智能發展水平還是要優于中西部地區的省份；此外，創新支撐、技術成果、成果應用與創新實踐4 個維度的測算結果也與經濟綜合發展水平存在正向相關性，即經濟綜合發展越好的省份，其人工智能發展水平的4 個維度也表現較好，且呈現出“強者恒強”的特征，其中廣東、江蘇、北京、浙江4 個省份創新實踐維度表現尤其優秀。

根據以上結論，對中國人工智能發展提供如下建議：（1）統籌全國人工智能產業發展政策，實現各省份人工智能的錯位發展。一方面，中國各省份經濟發展水平存在較大差距，對人工智能發展的投入力度也存在較大差異，另一方面，各省份人工智能發展的側重點也不同，因此，強調全國統一全面推進人工智能發展顯然不太現實，需統籌區域性人工智能發展引導政策，鼓勵不同地區因地制宜地制定人工智能發展路徑。（2）建立健全東部與中西部的人工智能發展差異化投入機制。目前中國人工智能發展仍處于起步階段，各省份應結合各自經濟發展狀況，積極捕捉發展機遇，東部地區應加強創新支撐維度與技術成果維度的投入力度，而中西部地區應加大成果應用維度與創新實踐維度的投入力度，建立跨省域差異化、協同化投入機制。（3）加強技術成果的研發激勵力度，提升技術成果輸出能力。人工智能發展作為一種具體的技術進步形式，對社會生產生活均存在巨大影響，而技術成果的輸出是實現生產生活應用的必然手段，無論是東部、中部還是西部，技術成果的輸出都是至關重要的，因此，要加大技術成果的研發激勵力度，增加人工智能產品的產出，更有利于實現人工智能技術進步影響的社會價值。