江蘇省“新三樣”產業與人工智能產業的發展演化特征和耦合協調關系探究

摘要：在江蘇省新興產業快速發展及產業升級轉型的迫切需求背景下，文章旨在探究江蘇省“新三樣”產業與人工智能產業的發展演化特征及耦合協調關系。首先，通過分析兩大產業的發展過程和特點，理論闡述了它們之間的耦合協調關系路徑。其次，從時間和空間兩個維度，對兩大產業在江蘇省的發展現狀和趨勢進行了典型化事實分析。再次，文章采用高斯核密度估計方法，深入探究了這兩大產業發展的動態演變特征。最后，通過計算耦合協調度，評估了兩大產業耦合協調發展水平，并采用Dagum基尼系數估計和分解法，剖析了耦合協調發展水平的差異及其來源。研究結果表明，江蘇省“新三樣”產業與人工智能產業在近年來呈現出穩步增長態勢，且兩者之間的耦合協調關系逐步加強，但區域間仍存在一定差異。

關鍵詞：江蘇省；“新三樣”；人工智能；演化特征；耦合協調

“新三樣”概念在2023年初由中國海關總署首次明確提出，特指新能源汽車、鋰電池和光伏產品，這一概念迅速得到了國家知識產權局等相關機構的支持。作為新時代中國外貿出口的重要增長點，“新三樣”以其強勁的增長勢頭，在國際運輸體系中外貿產品結構中占據了日益顯著的位置。人工智能（Artificial Intelligence， AI）作為計算機科學的一個重要分支，自20世紀50年代提出以來，已經歷了從簡單邏輯推理到復雜深度學習的演變，其技術發展和創新不斷推動著社會各行各業的變革。智能化提升是數字經濟下汽車、能源、交通、大數據等多產業融合的典型表現。根據《“十三五”國家戰略性新興產業發展規劃》，我國致力于加速電動汽車智能化技術應用，發展智能自動駕駛，并促進電動汽車與智能電網等領域的融合發展。

在全球能源結構轉型與科技創新浪潮的雙重驅動下，江蘇省作為中國東部沿海的經濟大省，積極響應國家新能源發展戰略與智能制造2025規劃的重要舉措，正以前所未有的力度推進“新三樣”產業和人工智能產業發展。然而，盡管“新三樣”產業與人工智能產業在江蘇省展現出強勁的發展勢頭，但兩者之間的演化特征、互動機制及如何更有效地促進彼此融合發展，尚需深入探究。

本研究旨在通過實證方式系統分析江蘇省“新三樣”產業與人工智能產業的發展現狀，揭示演化路徑和探究兩者之間的內在聯系與耦合協同效應，以期為政府制定更加精準有效的產業政策、推動產業深度融合與高質量發展提供科學依據。

一、“新三樣”產業與人工智能產業的耦合協調關系分析

從技術影響的角度看，第四次科技革命以信息技術為核心，以信息技術、生物技術、新能源技術、新材料技術的交叉融合發展為特征，為“新三樣”產業的智能化提升提供了強大的技術支持和創新引擎。從電動汽車的智能駕駛系統，到鋰電池的智能制造，再到光伏產品的智能運維等，這種技術支持不僅促進了“新三樣”產業的技術進步，也推動了人工智能技術的落地應用，形成了一種技術上的耦合協調。

從市場驅動的角度看，“新三樣”產業為人工智能產業提供了廣闊的市場需求和應用場景。隨著全球對環保、節能和智能化產品的需求日益增長，“新三樣”產業迎來了前所未有的發展機遇。這為人工智能產業提供了豐富的應用場景和市場空間。同時，“新三樣”產業的市場需求也推動了人工智能技術的不斷創新和升級，形成了一種市場驅動下的耦合協調。

從人才共通的角度看，人工智能產業與“新三樣”產業在人才需求和培養上存在著高度的共通性。隨著兩個產業的快速發展，對具備跨學科知識和實踐經驗的復合型人才的需求日益增加。這種人才需求促使兩個產業在人才培養和引進上形成了緊密的合作關系。從高校和研究機構的人才培養，到跨產業的企業間合作，研發人員共促技術創新，形成了一種人才共通下的耦合協調。

“新三樣”產業與人工智能產業的耦合協調關系如圖1所示。

二、研究設計

（一）研究區域與數據來源

本研究的觀察期為2014-2023年，研究區域涵蓋了江蘇省13個地級市。《中國城市統計年鑒》為本文提供了詳實的經濟、社會統計數據；地方政府工作報告本文提供了政府工作信息，揭示了政策導向和發展重點；天眼查商業查詢平臺為本文提供了豐富的企業信息，有助于了解產業內的企業動態和市場結構。

（二）指標解釋與研究方法

1. 指標解釋

企業作為產業的基本組成單位，其數量的增減直接體現了產業活力、市場規模與競爭態勢。本文選擇使用“新能源汽車、鋰電池和光伏電池制造業企業總數的對數值”來衡量“新三樣”產業發展狀況，以及使用“人工智能企業總數的對數值”來衡量“人工智能產業”發展狀況。

2. 研究方法

一是核密度估計。本文選用能更好地處理高維數據和非線性關系，且估計結果通常更為平滑和準確的高斯核密度估計進行數據分析；二是耦合協調度。本文通過計算耦合協調度來量化評估兩個或兩個以上要素（或系統）之間相互依賴、相互作用及協調發展的水平；三是Dagum基尼系數及分解。本文利用Dagum基尼系數來衡量產業發展水平不平等現象的來源和結構。

三、典型化事實

（一）江蘇省“新三樣”產業與人工智能產業發展水平的發展趨勢分析

在探究2014-2023年江蘇省“新三樣”產業與人工智能產業的演化時，通過取年均值處理相關企業數量并繪制柱狀圖，直觀展示了產業發展趨勢。圖2結果顯示，江蘇省的“新三樣”和人工智能企業數量均穩步增長，這與政府扶持、市場需求增長及技術創新推動緊密相關。全省“新三樣”產業企業年均增長率為23.01%，人工智能產業企業年均增長率高達43.18%，凸顯了人工智能產業的迅猛發展。

（二）江蘇省“新三樣”產業與人工智能產業的空間分布特征分析

圖3（3.a～3.d）展示了江蘇省“新三樣”產業與人工智能產業在觀測期內的空間分布演化特征。從空間分布圖來看，江蘇省“新三樣”產業與人工智能產業的空間分布均發生了顯著變化。2014年，“新三樣”產業企業數量在空間上較為分散，多數地級市企業數少于100個，主要集中在蘇南地區，其中揚州由于新能源產業布局較早而表現突出。這一時期，“新三樣”產業尚處于起步階段。至2023年，“新三樣”產業企業數量大幅增加，超過一半地級市的企業數多于400個，蘇南五市及揚州、徐州等地領先，空間分布更加均衡。同樣，2014年人工智能產業企業數量也相對較少，多數地級市企業數少于1400個，主要集中在蘇南地區的蘇州和南京。這一時期，人工智能產業處于初步發展階段。然而，到了2023年，人工智能產業也實現了快速擴散和發展，超過一半地級市的企業數多于2800個，蘇州、無錫、南京、徐州等地領先。這一變化不僅顯示了人工智能產業的快速發展，也體現了江蘇省在推動產業布局和優化方面的積極成效。

四、動態演變特征

（一）“新三樣”產業發展演變的核密度估計

圖4.a為對江蘇省全省“新三樣”產業發展水平進行核密度估計的結果。全省范圍內，2014-2023年間，“新三樣”產業發展水平顯著提升，曲線中心及變化區間明顯向右移動，體現了產業規模擴大、技術進步和市場競爭力增強。主峰高度的變化反映了產業發展速度的波動，初期快速上升后緩慢下降，進入成熟期和調整期。曲線寬度的變化則顯示了產業內部分布的集中與分散趨勢，初期收斂后小幅拓寬，促進了產業的多樣性和競爭力。2017年出現的小側峰代表了部分新興企業或項目的快速崛起。整個觀察期間產業發展均衡，無明顯的右拖尾。

（二）人工智能產業發展演變的核密度估計

圖4.b為對江蘇省全省“人工智能產業發展水平”進行核密度估計的結果。全省范圍內，2014-2023年間，江蘇省人工智能產業持續穩健發展，曲線中心及變化區間明顯向右移動，體現了產業規模的擴大、技術水平的提升及市場應用的深化。主峰高度基本持平，表明產業發展保持了相對穩定性和連續性，得益于產業內部各領域的均衡發展及多方力量的協同推進。曲線寬度無明顯變化，說明產業內部發展水平分布相對均勻，這歸功于江蘇省注重整體規劃和布局，促進了協同發展。曲線的波峰多為雙峰，且右側有低峰值的側峰和右拖尾，揭示了產業內部的多樣性和差異性，有助于推動產業創新和發展。

五、耦合協調關系

（一）耦合協調度

表1為觀測期內江蘇省各地級市的“新三樣”與人工智能產業發展的耦合協調度等級劃分結果。首先，從整體來看，這十年間，江蘇省各地級市的“新三樣”產業與人工智能產業的耦合協調度顯著提升。2014年，多數城市處于極度或嚴重失調狀態，僅少數達到中度失調。但至2023年，多數城市已擺脫失調，進入勉強協調至優質協調階段。2014-2017年，極度與嚴重失調城市減少，但中度與輕度失調仍占多數，顯示耦合協調度較低，產業發展相對獨立。2018年后，隨著政策調整與市場改善，耦合協調度快速提升，輕度失調與瀕臨失調城市增多，同時出現勉強與初級協調城市，產業融合加強，協同發展初顯。至2020年，耦合協調度提升更顯著，嚴重失調城市大幅減少，中度與輕度失調成為主流，同時出現多級協調城市。此期，江蘇推動兩產業融合發展成效顯著，產業協同效應增強。2021-2023年，耦合協調度增速雖放緩，但保持穩定增長。中度與輕度失調城市繼續減少，而多級協調城市持續增加，表明江蘇推動產業融合發展進入新階段，耦合協調度達較高水平。

（二）耦合協調水平的空間差異及來源

通過Dagum基尼系數估計和分解法江蘇省13市“新三樣”產業與人工智能產業耦合協調發展水平進行深入分析。圖5（5.a和5.b）展示了總體差異、差異來源和不同差異來源貢獻度的測算結果。

1. 全域系數

全域系數，反映了江蘇省13市“新三樣”產業與人工智能產業耦合協調發展水平的整體差異。全域系數即總體系數，顯示出持續下降的趨勢，2023年相較于2014年下降了38.12%。這一顯著下降不僅表明江蘇省在推動這兩大產業耦合協調發展上取得了顯著成效，也反映了整體產業結構的優化和升級。特別是在初期（2014-2016年），下降速度較快，可能受益于政策調整或市場機遇。

2. 區域間系數

區域間系數反映了不同區域間的發展差異。與總體系數相似，區域間系數也呈現出下降趨勢，且降幅（41.29%）甚至超過了總體系數，表明城市間的產業協調發展更為迅速，江蘇省在縮小區域間產業發展差異上取得了積極進展。其貢獻度最高（觀測期年均值達57.58%），說明江蘇省“新三樣”與人工智能產業融合發展的不均衡主要來自城市間的發展不均。

3. 區域內系數

區域內系數關注同一地級市的發展水平。與區域間系數相比，區域內系數水平較低，但也呈現出下降趨勢（38.28%）。這表明在同一城市內，這兩個產業的融合發展較為均衡且在進一步加強。其貢獻度較小（觀測期年均值37.39%），意味著同一城市內的發展不均對江蘇省“新三樣”與人工智能產業融合發展的不均衡有一定影響。

4. 超變密度系數

超變密度系數衡量了不同區域的交叉重疊部分對總體差異的貢獻。超變密度系數呈現較為穩定的演化態勢，且貢獻度最小，說明江蘇省內不同城市在“新三樣”與人工智能產業融合發展水平上，沒有出現顯著的交叉重疊差異，即各地區的發展水平相對均衡。

5. 蘇南區域和蘇北區域內系數

根據Dagum基尼系數的估計，蘇北基尼系數近年來穩定下降，2014-2023年間降幅達55.43%，主要得益于“新三樣”產業與人工智能產業的耦合發展，地區間產業發展差異正縮小。相比之下，蘇南基尼系數雖有波動下降，但降幅較小，僅為7.07%，且2021年后高于蘇北。蘇南2014-2018年緩慢下降，2018-2023年緩慢上升。這表明蘇北在產業協調發展上成效顯著，而蘇南需進一步優化產業布局。

六、總結與建議

本文采用核密度估計、耦合協調度分析和Dagum基尼系數估計等研究方法，對江蘇省2014-2023年間的“新三樣”產業與人工智能產業的演化特征及互動關系進行研究，發現江蘇省這兩大產業近年來穩步增長，兩大產業均由分散到集中、由少數地區向全省擴散。此外，兩大產業的耦合協調度在觀測期內顯著提升，從失調過渡到協調，整體差異持續下降，產業融合發展成效顯著，區域間和區域內的差異逐步縮小。

基于研究結論，本文對江蘇省“新三樣”與人工智能產業發展提出三點建議：

第一，優化產業布局，促進均衡發展。江蘇省應繼續優化產業布局，推動產業由分散向集中轉變，擴散至全省。針對蘇南、蘇北的產業發展差異，制定差異化政策，鼓勵區域合作，推動產業協同發展。

第二，加強產業融合，提升耦合協調度。江蘇省應深化“新三樣”與人工智能產業的融合，通過技術創新、資源共享和協同發展，延伸產業鏈，提升價值鏈。加強區域內產業融合，提高關聯度和協同性，形成良性循環。

第三，注重可持續發展，提升產業韌性。江蘇省應推動產業向高端化、智能化、綠色化方向發展，加強產業規劃、完善政策、提高創新能力。注重產業內部發展水平集中和清晰定位，避免同質化競爭和資源浪費。

參考文獻：

[1]國家知識產權局辦公室. “新三樣”相關技術專利分類體系（2024）[EB/OL].[2024-10-01].https：//www.gov.cn/zhengce/zhengceku/202408/P020240814-

418227999474.pdf.

[2]喬婧.加快構建與外貿新需求相適應的國際運輸體系[J].宏觀經濟管理，2024（04）：38-45.

[3]LeCun Y， Bengio Y， Hinton G. Deep learning[J].nature，2015，521（7553）：436-444.

[4]Jordan M I，Mitchell T M.Machine learning：Trends， perspectives，and prospects[J].Science，2015，349（6245）：255-260.

[5]王震坡，黎小慧，孫逢春.產業融合背景下的新能源汽車技術發展趨勢[J].北京理工大學學報，2020（01）：1-10.

[6]江蘇省工業和信息化廳. 關于加快推進江蘇省技術創新示范企業建設的實施意見[EB/OL].[2024-10-01].https：//gxt.jiangsu.gov.cn/art/2024/2/2/art_6278_

11143874.html.

[7]任保平，宋文月.新一代人工智能和實體經濟深度融合促進高質量發展的效應與路徑[J].西北大學學報（哲學社會科學版），2019（05）：6-13.

[8]馮昭奎.科技革命發生了幾次——學習習近平主席關于“新一輪科技革命”的論述[J].世界經濟與政治，2017（02）：4-24+155-156.

[9]張映鋒，張黨，任杉.智能制造及其關鍵技術研究現狀與趨勢綜述[J].機械科學與技術，2019（03）：329-338.

[10]王君，張于喆，張義博，洪群聯.人工智能等新技術進步影響就業的機理與對策[J].宏觀經濟研究，2017（10）：169-181.

[11]姜洋，翟紀華.智力資本對新能源企業績效影響研究[J].商業經濟，2021（02）：96-99.

[12]SILVERMAN B W.Density estimation for statistics and data analysis[M].London：Chapman and Hall，1986.

[13]Dagum C.A new approach to the decomposition of the Gini income inequality ratio[M].Physica-Verlag HD，1998.

[14]國家能源局.關于公布創建新能源示范城市（產業園區）名單（第一批）的通知[EB/OL].[2024-10-01].https：//zfxxgk.nea.gov.cn/auto87/201402/t20140212_1-

762.htm.

[15]王淑佳，孔偉，任亮，等.國內耦合協調度模型的誤區及修正[J].自然資源學報，2021，36（03）：793-810.

（作者單位：黃怡、張言彩，淮陰師范學院；尹耀，國家稅務總局淮安市稅務局）