人工智能能否賦能服務業效率提高

摘要：人工智能技術的應用對于解決服務業低效率問題具有一定的實踐價值。文章選取2007—2019年間我國30個省、自治區、直轄市的省級面板數據，實證分析人工智能對服務業效率的影響以及作用機制。研究表明，人工智能對提高服務業效率產生了積極影響，可以通過間接促進人力資本水平提升推動服務業效率提高。進一步的異質性分析表明，人工智能對服務業效率提高的促進作用在東北地區和服務業高效率地區表現更明顯，同時對傳統服務業效率提高的促進作用比現代服務業更加顯著。

關鍵詞：人工智能；服務業效率；人力資本；中介效應

中圖分類號：F49" " " " " " " " " " "文獻標志碼：A" " " " " " " " 文章編號：1671-9840（2024）03-0063-10

DOI：10.16713/j.cnki.65-1269/c.2024.03.007

Abstract： Artificial intelligence （AI） technology has certain exploration value for solving the inefficiency problem of the service industry. This paper selects panel data from 30 provinces from 2007 to 2019 to conduct empirical research on the impact of artificial intelligence on the efficiency of the service industry and its mechanism. Empirical results show that AI has a positive impact on the efficiency of the service industry， and further promotes the efficiency of the service industry by indirectly promoting the improvement of human capital. The analysis of regional heterogeneity shows that the promotion effect of artificial intelligence on the efficiency of the service industry is more obvious in the northeast region. The analysis of industry heterogeneity shows that artificial intelligence has a more significant role in promoting the efficiency of traditional service industries than that of modern service industries. The analysis of the heterogeneity of high and low service industry efficiency shows that the promotion effect of artificial intelligence on provinces with high service industry efficiency is more obvious.

Key words： artificial intelligence （AI）; service sector efficiency; human capital; mediation effect

近年來，我國服務業快速發展，在國民經濟中的比重迅速提高。統計數據顯示，2013年我國服務業增加值占GDP的比重首次超過第二產業，2015年服務業增加值占GDP的比重首次超過50%，2020年服務業增加值占GDP的比重高達54.9%，服務業現已成為我國經濟第一大產業1。伴隨著服務業的快速發展，服務業結構逐漸優化，從傳統的勞動密集型服務業到傳統服務業與新興知識密集型服務業并行發展，形式與業態日益豐富，成為推動我國經濟發展的重要引擎。然而，服務業效率偏低一直是阻礙經濟發展的一大難題，服務業效率仍然存在很大的提升空間。現階段，提高服務業效率、促進服務業高質量發展已然成為促進經濟高質量發展的關鍵。

作為新時代我國科技發展的重要一環，人工智能為實體經濟提供了全新的發展方式，助推我國供給側結構性改革和智慧社會建設。黨的十九大報告強調，“推動互聯網、大數據、人工智能和實體經濟深度融合，在中高端消費、創新引領、綠色低碳、共享經濟、現代供應鏈、人力資本服務等領域培育新增長點、形成新動能”。黨的二十大報告進一步指出，“推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎。構建優質高效的服務業新體系，推動現代服務業同先進制造業、現代農業深度融合”。服務業現已成為我國第一大產業，推動人工智能與服務業深度融合勢在必行，人工智能的發展也為我國服務業效率提高提供了新渠道、新方法與新方向。近年來，人工智能已被廣泛運用于服務業各領域。促進人工智能與服務業深度融合，賦能服務業效率提高，已然成為新時代促進服務業高質量發展的重要內容。本文選取2007—2019年我國省級面板數據，實證檢驗人工智能是否在促進服務業效率提高、助力服務業高質量發展中發揮了積極作用。

一、文獻綜述

（一）人工智能相關研究

人工智能的概念最早是由約翰·麥卡錫于1956年的達特茅斯會議上正式提出的。雖然目前學界對于人工智能的定義尚未形成統一認識，但學者們普遍認為人工智能能夠執行如視覺感知、語音識別、決策制定或翻譯等通常需要人類智能完成的任務。人工智能是國內學界的一大研究熱點。現階段，關于人工智能方面的前沿研究大多集中于人工智能與就業、產業結構、經濟增長的關系等方面。在人工智能與就業方面的研究中，孟浩［1］通過選取我國企業層面數據進行的實證分析認為，人工智能的運用能夠減少現期就業總體需求，并對就業需求產生結構性影響；孫雪［2］研究發現，人工智能的應用促進了教育型和創業型勞動力就業，但抑制了技術型勞動力就業；陳志［3］認為，人工智能可以有效促進我國勞動力高質量就業，且相較于東部地區，人工智能對就業質量提升的促進作用在中西部地區表現更明顯；人工智能通過提高勞動報酬進而促進就業質量提升［4］，但在短期內，人工智能的應用或將減少勞動者收入［5］。在人工智能與產業結構方面的研究中，韋東明［6］選取2006—2018年省級面板數據進行的實證分析表明，人工智能能夠促進我國產業結構升級；郭艷冰［7］研究發現，人工智能對產業結構升級具有顯著的促進作用，人工智能與人力資本融合對我國產業結構升級的促進效應顯著，其中人工智能與高技能勞動力融合對我國產業結構升級的促進效應更強。在人工智能與經濟增長方面的研究中，陳志［3］研究發現，人工智能的持續發展有助于解決中國經濟增長的結構性減速這一難題；韓永輝［8］進行的地區異質性分析表明，人工智能對我國東部、中部、東北地區的經濟增長具有顯著的促進作用，但對我國西部地區經濟增長的影響不顯著；楊光［9］認為工業機器人這一人工智能代表性發明能夠通過全要素生產率對經濟增長產生影響。

（二）服務業效率相關研究

學界對服務業效率的研究大多集中于服務業效率提高的影響因素上。袁丹［10］利用我國省級面板數據進行的實證研究發現，產業集聚能夠顯著促進我國生產性服務業全要素生產率提高。王文［11］分析了我國制造業需求與生產性服務業效率的關系，發現當經濟發展達到一定水平后，制造業對生產性服務業需求的增加會對生產性服務業效率提高產生顯著的促進作用。張云［12］選取2006—2019年我國城市面板數據并采用雙重差分法進行的實證檢驗表明，我國服務開放對提高城市服務業效率具有顯著的正向影響，技術創新能力提升是服務開放提高城市服務業效率的重要作用渠道。劉國武［13］研究發現，發展數字經濟可以有效克服結構轉型過程中服務業效率低下的問題。

（三）人工智能與服務業效率相關研究

近年來，人工智能、數字技術等對服務業的影響引起了學界的廣泛關注。申丹虹［14］分析發現，加入人工智能因素后的服務業全要素生產率確有提高，但主要源于要素配置效率的提高和規模報酬遞增效應，人工智能在提高服務業全要素生產率中的作用仍然有限，這是由人工智能作用的滯后性所致。于泱泱［15］分析了人工智能對服務業勞動生產率的影響，發現在2014年之后，人工智能對服務業勞動生產率提高的促進作用更加顯著。王文［16］分析了工業機器人應用對服務業的影響，研究發現工業機器人的應用能夠顯著推動服務業結構升級。李帥娜［17］選取省級面板數據進行的實證分析表明，數字技術應用能夠通過市場化水平和高技能勞動力更加顯著地促進服務業勞動生產率的提高，且在中西部地區這一促進作用更加明顯。李曉華［18］認為，數字技術的發展有利于服務業效率提高。

通過梳理文獻可以發現，目前學界關于服務業效率影響因素的文獻有很多，涉及產業集聚、工業機器人應用、數字經濟等，但從宏觀層面研究人工智能技術對服務業效率影響的實證研究較為匱乏。本文在已有文獻的基礎上，選取2007—2019年我國省級面板數據，通過建立面板模型檢驗人工智能對服務業效率提高的影響，并進一步揭示其中的作用機制。

二、理論分析與研究假說

（一）人工智能對服務業效率產生的直接效應

1.成本節約效應。隨著經濟發展，我國人口紅利逐漸減少，勞動力成本逐漸上升，而人工智能的發展與應用可以替代一些低技能水平勞動力，在一定程度上減少企業對勞動力的需求，從而降低生產成本。同時，人工智能通過互聯網和大數據技術，改變了傳統的線下交易方式，為人們提供了更多更便捷獲取差異化信息和匹配信息的途徑，從而降低了交易成本。此外，人工智能在企業運營中也能發揮重要作用，可以降低組織的運行成本。

2.精準配置效應。人工智能在生產、流通等領域的應用有利于進一步優化資源配置，實現帕累托最優。首先，人工智能可以提升生產要素的流動性，減少閑置資源，提高資源利用率和配置效率。其次，通過網絡平臺，人工智能可以實時展示各生產要素的狀態信息，利用大數據構建市場化的供應鏈體系，避免因供需失衡而造成資源浪費，進而提高生產決策的準確性。最后，人工智能可以協助企業構建完整的產業鏈，通過網絡平臺整合產業鏈，減少產業鏈流轉過程中的價值消耗。

3.技術創新效應。人工智能主要通過流程創新、業態創新和商業模式創新提高服務業效率。一是流程創新。人工智能可實現自動化執行重復性任務，如借助自助服務、機器人導購和自動語音應答系統，提高服務效率并降低成本，同時智能化服務流程能夠實現快速響應和即時處理，提升客戶體驗。二是業態創新。人工智能和大數據等技術的應用可以優化傳統產業體系，人工智能模糊了不同業態之間的邊界，有利于跨業態、多元化和虛實結合式發展，進而有利于提高生產效率，創造更高的附加值。三是商業模式創新。人工智能技術創造了新的服務模式，共享經濟平臺借助人工智能和大數據，精確匹配供需，使個人能夠提供并獲取更多服務。此外，人工智能還能夠推動新興服務行業發展，如智能家居、無人駕駛等。

（二）人工智能對服務業效率產生的間接效應

人工智能能夠通過提升人力資本水平間接促進服務業效率提高。首先，人工智能給人們的生產生活帶來了巨大變化，為適應時代發展要求，不斷滿足需求，必須提高人力資本水平。高水平的人力資本有利于提升企業創新研發能力，進而提高服務業效率。其次，互聯網和人工智能等信息技術的快速發展和應用大大降低了人們獲取信息的成本，同時也打破了時空限制，使人們能夠更快速、更全面地獲取知識和信息，因而也有了更多的渠道和方式來提升自身素養和能力。勞動力質量的提升不僅有助于提高勞動者個體的生產效率，還有助于提高其他生產要素的效率，從而提高單位產出效率。最后，人工智能在在線教育等領域的應用可打破時空限制，為教育資源相對貧瘠、教育水平相對較低的地區帶來豐富的教育資源，促進教育事業全面、協調、可持續發展，提高各地區人力資本水平。而通過提高人力資本水平，最終可以實現生產過程中全要素生產率的提高，并進一步提高生產效率。

基于以上分析，本文提出研究假說1和研究假說2：研究假說1即人工智能能夠促進服務業效率提高；研究假說2即人工智能通過提升人力資本水平促進服務業效率提高。

三、研究設計與數據來源

（一）模型構建

本文構建了基準回歸模型以驗證研究假說，模型具體形式如下：

模型（1）中：[Proit]表示第[i]個地區[t]年的服務業效率；[aiit]表示第[i]個地區[t]年的人工智能發展水平；[β]用于衡量人工智能對服務業效率的影響；[Controlsit]代表一系列控制變量，包括其他可能影響服務業效率的因素；[λi]表示個體固定效應，[vt]表示時間固定效應，[εit]為隨機誤差項。需要說明的是，如果人工智能發展水平的系數β顯著為正，則可以認為人工智能的發展對服務業效率提高有積極的促進作用；如果人工智能發展水平的系數β為負或是未通過顯著性檢驗，則需要進一步考慮其他因素的影響或者進一步修正模型。另需注意的是，模型中的控制變量[Controlsit]需根據具體問題和數據來選取，以控制其他可能影響服務業效率的因素。此外，個體固定效應和時間固定效應可以消除個體和時間異質性，提高估計結果的準確性。

（二）變量選取

1.被解釋變量：服務業效率（[Pro]）。本文的被解釋變量為服務業效率（[Pro]），研究中對其進行自然對數處理，并以服務業勞動生產率來度量服務業效率，具體是將服務業增加值與服務業就業人數進行比較來衡量。同時為降低價格變動的影響，本文以2005年第三產業增加值指數對服務業增加值進行平減處理，這樣可確保不同年份服務業增加值在同一參考年份下進行客觀比較。

2.核心解釋變量：人工智能發展水平（[ai]）。本文的核心解釋變量為人工智能發展水平（[ai]），研究中對其進行自然對數處理。參考劉紅英［19］的研究，本文使用國家信息安全發展研究中心在2019年發布的《人工智能中國專利技術分析報告》，選取其中的人工智能專利IPC專利號作為人工智能專利申請量的檢索依據。《人工智能中國專利技術分析報告》總結了深度學習、語音識別、自然語言處理、計算機視覺、智能駕駛、云計算和智能機器人等七大領域中人工智能專利的IPC分類號。此外，本研究還借助國家知識產權局官方網站手動收集并整理了2007—2019年樣本地區人工智能專利申請量數據，以此來衡量各地區人工智能發展水平。

3.控制變量。本文選取產業結構（[ISTR]）、財政支出占比（[FEP]）、研究與試驗發展強度（[RD]）、工業化水平（[IND]）這4個變量作為控制變量。一是產業結構（[ISTR]）。服務業屬于第三產業，第三產業增加值與第二產業增加值比值大，可從某種意義上表明服務業規模相對較大，從而更易產生規模經濟效應，提高服務業效率，本文以第三產業增加值與第二產業增加值的比值來衡量產業結構。二是財政支出占比（[FEP]）。地區財政支出水平越高，越可能對當地服務業發展產生強大的促進作用，進而促進服務業效率提高，本文以地區財政支出占GDP的比重來衡量財政支出占比。三是研究與試驗發展強度（[RD]）。隨著Ramp;D經費的增加，?服務業企業和技術服務機構能夠獲得更多資源進行產品和服務的技術創新，?從而提高服務業效率，?本文以Ramp;D經費支出與GDP之比來衡量研究與試驗發展強度。四是工業化水平（[IND]）。工業化程度的提升意味著生產效率的提高，?這會間接促進服務業發展；同時，?隨著工業生產的增加，?對服務業的需求也隨之增加，?如物流、?金融服務等，?這些需求推動了服務業擴張和效率提高。本文以人均工業增加值來衡量工業化水平。

4.中介變量：人力資本水平（[HU]） 。本文的中介變量為人力資本水平（[HU]），并以地區高等學校在校生人數占地區總人口的比重來衡量。

（三）數據來源與說明

為計算被解釋變量服務業效率（[Pro]），本文使用了多個數據源，包括《中國統計年鑒》《中國第三產業統計年鑒》《中國勞動統計年鑒》，以及各地區統計年鑒和統計公報。核心解釋變量人工智能發展水平（[ai]）數據通過國家知識產權局官方網站手動整理獲得。控制變量產業結構（[ISTR]）、財政支出占比（[FEP]）、研究與試驗發展強度（[RD]）和工業化水平（[IND]）數據來自《中國統計年鑒》、各地區統計年鑒和統計公報。中介變量人力資本水平（[HU]） 數據來自《中國統計年鑒》和第七次全國人口普查數據。同時，考慮到數據的連續性、時效性和可獲得性，本文僅選取了2007—2019年我國30個省、自治區、直轄市1的面板數據進行實證分析。

研究中變量的描述性統計結果如表1所示。

四、實證分析

（一）基準回歸分析

表2列示了基準回歸估計結果。表2中，列（a）（b）分別是采用OLS模型未加入控制變量和加入控制變量的回歸結果，列（c）（d）分別是采用雙向固定效應模型未加入控制變量和加入控制變量的回歸結果。由列（a）（b）可知，未加入控制變量時，人工智能對服務業效率的回歸系數為0.109且在1%水平顯著，加入控制變量后，人工智能對服務業效率的回歸系數為0.083且在1%水平顯著，說明人工智能能夠顯著促進服務業效率提高。由列（c）（d）可知，未加入控制變量時，人工智能對服務業效率的回歸系數為0.071且在10%水平顯著，加入控制變量后，人工智能對服務業效率的回歸系數為0.072且在1%水平顯著，表明人工智能能夠顯著促進服務業效率提高。由此，前文提出的研究假說1得以驗證，即人工智能能夠促進服務業效率提高。

（二）穩健性檢驗

1.替換核心解釋變量。為進一步驗證基準回歸結論的穩健性，本文將信息傳輸、計算機服務和軟件業全社會資產投資額作為新的核心解釋變量進行穩健性檢驗。回歸結果如表3列（a）所示。由回歸結果可知，替換核心解釋變量后，人工智能對服務業效率的回歸系數依然顯著為正，表明人工智能對服務業效率提高有顯著的促進作用，前文結論穩健。

2.同時替換解釋變量和被解釋變量。在替換核心解釋變量的基礎上，本文又同時替換了被解釋變量以進行穩健性檢驗。參考王文成［20］的研究，本文采用第三產業集聚度（[SA]）來代表服務業效率，[SAit=ListLitLstLt]，其中[SAit]表示[i]地區[t]年第三產業集聚度，[List]表示[i]地區[t]年第三產業從業人員數，[Lst]表示[t]年全國第三產業從業人員數，[Lit]、[Lt]分別表示[t]年[i]地區和全國從業人員數。同時替換解釋變量和被解釋變量后的回歸結果如表3列（b）所示，可以發現，人工智能對服務業效率的回歸系數依然顯著為正，表明人工智能對服務業效率提高有顯著的促進作用，前文結論穩健。

3.進行1%水平的縮尾處理。為排除異常值對回歸結果的影響，本文對變量前后1%的樣本進行了縮尾處理。由表3列（c）可知，經縮尾處理后，人工智能對服務業效率的回歸系數依然顯著為正，表明人工智能對服務業效率提高有顯著的促進作用，前文結論穩健。

（三）異質性檢驗

1.地區異質性。本文采用國家統計局使用的東中西部和東北地區劃分方法，將30個樣本地區劃分為東部、中部、西部和東北地區1，進一步揭示人工智能對服務業效率提高的地區異質性影響。本文構建了地區虛擬變量（[region]），東部地區賦值為4，西部地區賦值為3，中部地區賦值為2，東北地區賦值為1，并在基準回歸模型的基礎上納入核心解釋變量與地區虛擬變量的交互項（[lnai×region]）進行估計，結果如表4列（a）所示。可以看出，交互項（[lnai×region]）回歸系數在1%水平顯著為負，說明人工智能對東北地區服務業效率提高的促進作用最強，中部地區次之，西部和東部地區相對較弱。由此可見，人工智能對服務業效率提高的促進作用存在明顯的地區異質性，這可能是邊際效應遞減規律作用的結果。東部地區人工智能技術發展水平相對較高，已進入邊際效應遞減階段，人工智能對服務業效率提高的促進作用沒有其他三大地區強；東北地區人工智能技術發展水平相對較低，尚處于發展階段，此時人工智能對服務業效率提高的促進作用強于東部、中部和西部地區。

2.行業異質性。本研究將服務業劃分為傳統服務業和現代服務業，并對兩類服務業進行分組回歸。傳統服務業包括批發和零售業，交通運輸、倉儲和郵政業，住宿和餐飲業；現代服務業包括金融業，房地產業，信息傳輸、軟件和信息技術服務業，租賃和商務服務業，科學研究和技術服務業等。傳統服務業和現代服務業的分組回歸結果分別如表4列（b）（c）所示。回歸結果表明：在傳統服務業組別中，人工智能對服務業效率的回歸系數為3.248且在10%水平顯著；在現代服務業組別中，人工智能對服務業效率的回歸系數為0.751且在5%水平顯著。這說明人工智能對服務業效率提高的促進作用存在明顯的行業異質性，人工智能對傳統服務業效率提高的促進作用強于現代服務業。這可能是因為，對于現代服務業中的高技術行業和崗位，人工智能無法很好地替代勞動力，因而人工智能對現代服務業效率提高的促進作用相對較小。而在傳統服務業中，一些標準化工作可以通過人工智能得以高效完成，因而人工智能對傳統服務業效率提高的促進作用更大。

3.地區服務業效率異質性。本文以服務業效率中位數為標準將服務業劃分為服務業高效率地區和服務業低效率地區，據此構建服務業效率虛擬變量（[effciency]），服務業高效率地區賦值為1，服務業低效率地區賦值為0，并在基準回歸模型的基礎上納入核心解釋變量與服務業效率高低虛擬變量的交互項（[lnai×effciency]）進行估計，結果如表4列（d）所示。回歸結果表明，交互項（[lnai×effciency]）回歸系數為0.014且在1%水平顯著，說明服務業高效率地區人工智能對提高服務業效率的促進作用強于服務業低效率地區。這可能是由于服務業高效率地區服務業發展更加成熟，因而能夠更好地應對新興科學技術的沖擊，產生更明顯的作用效果。而服務業低效率地區服務業發展相對落后，人工智能發展水平相對較低，產業結構也不夠合理，傳統產業在地區占比較高，且對創新的要求較低，導致企業易忽視新興科學技術的應用，在一定程度上阻礙了技術進步，影響了服務業效率的提高。

（四）作用機制檢驗

理論分析表明，人工智能能夠促進服務業效率提高，且能夠通過人力資本對服務業效率提高產生間接的促進作用。本文采用中介效應模型檢驗人力資本對服務業效率提高的作用路徑，模型具體形式如下：

表5列示了作用機制檢驗結果。由表5可知：列（a）中，人工智能對服務業效率的回歸系數為0.083且在1%水平顯著，表明人工智能對服務業效率提高具有積極的促進作用。列（b）中，人工智能對人力資本水平的回歸系數為0.002且在1%水平顯著。列（c）中，人力資本水平對服務業效率的回歸系數為6.833且在5%水平顯著。這意味著在控制了人工智能對服務業效率直接影響的情況下，人力資本水平對服務業效率提高能夠產生顯著的影響。結合列（a）和列（c）的回歸結果，可以認為人力資本在人工智能對服務業效率提高的影響中發揮了中介作用。由此，前文提出的研究假說2得以驗證，即人工智能通過提升人力資本水平促進服務業效率提高。

五、結論與建議

（一）研究結論

本文選取2007—2019年我國省級面板數據，實證研究人工智能對我國服務業效率提高的影響，并將人力資本作為中介變量分析其中的作用機制。研究結果表明：第一，人工智能能夠顯著促進服務業效率提高。第二，人工智能對服務業效率提高的促進作用存在顯著的地區和行業異質性。人工智能對東北地區服務業效率提高的效果最顯著，對傳統服務業效率提高的促進效果優于現代服務業，且對服務業高效率地區的促進作用更大。第三，人工智能通過人力資本產生中介效應對服務業效率提高產生間接的促進作用。

（二）政策建議

基于上述研究結論，本文提出以下政策建議：一是加大人工智能在服務業領域的應用，進一步提高服務業效率。國家應持續關注人工智能的發展，引導人工智能發展的戰略方向，并加強相關理論與核心技術研究。同時還應更加注重將人工智能從理論轉化為實際應用，探索適用于不同服務行業的新模式。此外，為推動人工智能的應用與發展，還需進一步完善相關法律法規。二是努力提高教育質量和培訓水平，充分發揮人力資本的中介效應。人力資本投資對于提高服務業效率至關重要，為充分發揮人力資本的中介效應，應努力提高教育質量和培訓水平，確保更多人受到優質教育和培訓。國家應繼續加大對教育的投入，拓寬技能培訓渠道，為那些被人工智能替代的低端勞動力提供更多的再就業機會，并通過教育培訓，使其能夠從事更高效的工作。三是著力縮小人工智能在不同地區的發展差距，全面促進服務業效率提高。目前，人工智能在我國不同地區的應用水平存在較大差異，應著力縮小發展差距，更加積極地推動人工智能在服務業領域的研發和應用，進一步完善人工智能技術應用的基礎設施，提升應用水平，努力實現全國范圍內服務業效率的普遍提高，推動服務業高質量發展。

參考文獻：

［1］孟浩，張美莎.人工智能如何影響勞動力就業需求？：來自中國企業層面的經驗證據［J］.西安交通大學學報（社會科學版），2021（5）：65-73+93.

［2］孫雪，宋宇，趙培雅.人工智能對異質勞動力就業的影響：基于勞動力供給的視角［J］.經濟問題探索，2022（2）： 171-190.

［3］陳志，程承坪，陳安琪.人工智能促進中國高質量就業研究［J］.經濟問題，2022（9）：41-51.

［4］惠煒，姜偉.數字化治理視角下人工智能對就業質量的影響［J］.北京工業大學學報（社會科學版），2023（5）：1-15.

［5］鄭玉艷，鞏師恩.人工智能是否會降低企業勞動收入份額：來自人工智能上市企業的經驗證據［J］.中國商論，2023（8）：139-143.

［6］韋東明，顧乃華，韓永輝.人工智能推動了產業結構轉型升級嗎：基于中國工業機器人數據的實證檢驗［J］.財經科學，2021（10）：70-83.

［7］郭艷冰，胡立君.人工智能、人力資本對產業結構升級的影響研究：來自中國30個省份的經驗證據［J］.軟科學，" " " " " " " " " "2022（5）：15-20.

［8］韓永輝，劉洋，王賢彬.人工智能對區域經濟增長的異質性影響與機制識別：基于中國“機器換人”的實證檢驗 ［J］.學術研究，2023（2）：97-104.

［9］楊光，侯鈺.工業機器人的使用、技術升級與經濟增長［J］.中國工業經濟，2020（10）：138-156.

［10］袁丹，雷宏振.產業集聚對生產性服務業效率的影響：理論與實證分析［J］.軟科學，2015（12）：36-39+59.

［11］王文，孫早.制造業需求與中國生產性服務業效率：經濟發展水平的門檻效應［J］.財貿經濟，2017（7）：136-155.

［12］張云，曹嘯.服務開放、技術創新與城市服務業效率［J］.統計與決策，2022（3）：119-123.

［13］劉國武，李君華，湯長安.數字經濟、服務業效率提升與中國經濟高質量發展［J］.南方經濟，2023（1）：80-98.

［14］申丹虹，崔張鑫.人工智能促進服務業生產率了嗎［J］.科技促進發展，2020（12）：1550-1557.

［15］于泱泱.人工智能技術對服務業勞動生產率的影響研究［D］.濟南：山東財經大學，2021.

［16］王文，牛澤東，孫早.工業機器人沖擊下的服務業：結構升級還是低端鎖定［J］.統計研究，2020（7）：54-65.

［17］李帥娜.數字技術賦能服務業生產率：理論機制與經驗證據［J］.經濟與管理研究，2021（10）：51-67.

［18］李曉華.數字技術與服務業“成本病”的克服［J］.財經問題研究，2022（11）：16-26.

［19］劉紅英，朱琪.人工智能發展會擴大收入差距嗎：理論假說與省級證據［J］.云南財經大學學報，2022（6）：1-14.

［20］王文成，隋苑.生產性服務業和高技術產業協同集聚對區域創新效率的空間效應研究［J］.管理學報，2022（5）： 696-704.

【責任編輯：甘海燕】

收稿日期：2023-09-18

作者簡介：馬兆良（1973—），男，安徽大學經濟學院副教授，經濟學博士，研究方向為信息經濟與郵政經濟、服務業經濟；黃子豪（1999—），男，安徽大學經濟學院碩士研究生，研究方向為服務業經濟。

1數據來源：根據歷年《中國統計年鑒》相關數據整理得出。

1考慮到數據的連續性、時效性和可獲得性，未將香港、澳門、臺灣、西藏納入研究。

1東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南；中部地區包括山西、安徽、江西、河南、湖北和湖南；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆；東北地區包括遼寧、吉林和黑龍江。