人工智能與制造業深度融合：空間分布、經濟效應與影響因素

一、引言

在全球經濟數字化轉型的大背景下，實體經濟與數字經濟的融合發展已成為建設現代化產業體系、推動經濟高質量發展的關鍵戰略。《中共中央關于進一步全面深化改革、推進中國式現代化的決定》在第三項“健全推動經濟高質量發展體制機制\"中首次提出“健全促進實體經濟和數字經濟深度融合制度”（以下簡稱“實數融合”），將實體經濟放在數字經濟前面，凸顯實體經濟發展的重要性。制造業是實體經濟的主體與根基，人工智能是新一輪科技革命影響未來發展的關鍵變量。推動制造業和人工智能重點領域的融合深度，是加快推進新型工業化，充分釋放中國制造大國和網絡大國疊加、聚合、倍增效應，拓展經濟發展新空間，加強國際競爭優勢的關鍵內容。

目前圍繞實體經濟和數字經濟的理論內涵、概念界定，及其二者融合機制、融合問題、融合路徑等研究較為豐富。從現有文獻來看，實體經濟的內涵在理論層面并沒有作出嚴格的界定，也沒有專門針對實體經濟的統計口徑和統計指標體系（夏杰長，2022），產業分類方面也存在狹義和廣義等多層次分類視角（黃群慧，2017）。“實數融合\"的“數\"具體是指數據要素、數字技術還是數字經濟，學術界和政策界沒有明確區分，存在一定的混用（夏杰長和李鑾誤，2024）。另外，在“實數融合”之前，學術界更廣泛使用的是“數實融合”，即數字經濟和實體經濟深度融合，因此，在后文的文獻綜述中，本文所參考引用的文獻多以“數實融合\"文章為主。本文更加強調實體經濟發展，結合最新政策精神，本文使用\"實數融合\"替代\"數實融合”。

圍繞實數融合的研究更多是將新一代信息技術作為整體，側重于學理性和政策性研究，探討數字經濟與實體經濟融合的內涵、融合機理、趨勢、挑戰、驅動因素和對策等（洪銀興和任保平，2023;陸岷峰，2023;張帥等，2022;鈔小靜，2022;趙劍波，2020；曹平等，2024）。考慮到制造業在實體經濟中的核心地位，以及人工智能技術與區塊鏈、元宇宙等其他新一代信息技術的差異性，本文將重點聚焦人工智能與制造業融合，旨在將制造業作為“出題人”，將人工智能作為“解題者”，立足實體經濟發展，研究區域人工智能與制造業融合現狀及其對經濟發展的影響。2019 年《關于促進人工智能和實體經濟深度融合的指導意見》強調，促進人工智能和實體經濟深度融合，需要結合不同行業、不同區域特點，探索創新成果應用轉化的路徑和方法，構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。因此，本文將聚焦制造業，使用中國城市制造業人工智能企業與專利數據，從新型實體企業和實數技術融合兩個方面衡量不同區域制造業和人工智能融合水平，在了解中國人工智能與制造業空間分布特征的基礎上，構建計量模型，研究區域人工智能與制造業融合的經濟效應及其影響因素。

本文的邊際貢獻在于：第一，研究視角上，本文聚焦人工智能與制造業，研究區域人工智能與制造業融合現狀及其對經濟發展的影響。已有關注人工智能與制造業融合測度的文獻鮮少，僅有少部分文獻探究人工智能與制造業融合的內涵表現與難點對策（鄧洲，2018;高煜，2019;朱蘭，2023）。第二，數字技術和數據變量方面，本文聚焦人工智能技術，區別于區塊鏈、機器人等其他新一代信息技術，以人工智能專利和人工智能企業測度人工智能發展情況，更加精準合理。另外，本文使用城市一制造業一人工智能三維變量，從新型實體企業與實數技術融合兩個方面衡量人工智能與制造業產業融合和技術融合水平，展現不同時間、不同城市人工智能與制造業深度融合的時空特征，然后構建計量模型，研究區域實數融合的經濟效應和影響因素。本文的研究結論為提出具有行業針對性、區域聯動性的實體經濟與數字經濟融合策略，深化實體經濟與數字經濟融合深度和強度提供數據和現象支撐。

二、文獻綜述

人工智能與制造業深度融合涵蓋內容較多，本文將分別從人工智能與制造業融合的理論內涵、變量測度與經濟效應三個方面進行闡述。

（一）人工智能與制造業融合的內涵

數字經濟與實體經濟深度融合是構建現代化產業體系、推動區域高質量發展的重要手段（陳曦，2022）。人工智能與制造業融合，本質上屬于數字經濟與實體經濟融合的領域，其中的“數\"可理解為數據要素、數字技術或數字經濟，而“實\"可理解為廣義的實體經濟中尚未進行數字化變革的部分，本質上是數字產業化和產業數字化協同發展（夏杰長和李鑾誤，2024）。洪銀興和任保平（2023）認為數字經濟和實體經濟深度融合是數據成為關鍵生產要素之后提出的要求，把“深度融合”界定為數字技術和數據要素滲透實體經濟的全過程，通過數據要素與數字技術雙輪驅動對實體經濟進行改造，具體表現為技術創新與數字經濟融合、產業創新與數字經濟融合、企業組織創新與數字經濟融合。陳曦（2022）指出數字經濟和實體經濟深度融合有三個方面的內涵：一是萬物互聯成為數字經濟與實體經濟融合的物質基礎，二是數據成為數字經濟與實體經濟融合的關鍵要素，三是創新成為數字經濟與實體經濟融合的最終結果。陳雨露（2023）則從企業層面、產業層面與宏觀經濟層面解析數字經濟與實體經濟融合的主要途徑，分析數實融合的必要條件與政策著力點。

具體到人工智能與制造業融合，就是人工智能與制造業產業或同一產業內的不同行業通過相互滲透、相互交叉、最終融為一體，逐步形成新產業的動態發展過程。在融合的過程中，一方面人工智能促進制造業產業升級和效率提升，另一方面制造業領域的工業大數據、任務場景以及工程能力為人工智能提供應用場景、工業數據和裝備支撐，促進人工智能技術進步（朱蘭，2023）。Freeman 和 Perez（1988）將技術革命下范式變革的內容概括為九個方面：企業生產與組織的新方式，對勞動力技能的新要求，新的產品組合，新要素取代舊要素的新趨勢，新投資模式，新基礎設施投資浪潮，中小企業大量進人新興部門，大公司積極進入新部門，新的消費產品、消費方式和生活方式。在人工智能技術的推動下，人工智能與制造業融合也將產生一系列的新產品、新技術、新模式、新需求、新投資等，比如人工智能與藥物研發融合產生的AI制藥，傳統汽車產業與人工智能融合產生的智能網聯新能源汽車，人工智能與工業機器產生的智能機器人等。

（二）人工智能與制造業融合的變量測度

人工智能與制造業融合可以從微觀和宏觀兩個層面進行測度，其中微觀層面可以分為產業融合和技術融合兩個視角。

產業融合最初是從產業合并引申而來的一個概念（厲無畏，2002），隨著20世紀70年代信息通訊技術的發展，三次產業之間的邊界趨于模糊，企業兼并浪潮突破地區和行業的界限，出現產業融合發展態勢（植草益，2001）。產業融合更多體現為企業采用人工智能、區塊鏈等新技術，購買數字化軟件與服務，或者融人數字平臺、采用數字經營模式等。已有研究較多使用企業數字化轉型或者接人電商平臺（呂越等，2023）等測度數實產業融合。技術融合方面，黃先海和高亞興（2023）認為數實產業技術融合是分屬于數字產業與實體產業范疇的技術之間互補互促的動態演進過程。與人工智能相關的專利和論文被經常用于衡量人工智能技術（Cockburn 等，2019;Damioli等，2021）。為測度企業數實技術融合程度，黃先海和高亞興（2023）使用企業發明專利中引用數字產業技術專利的數量作為代理變量，陶峰等（2023）采用國際專利分類信息識別與數字創新活動技術特征相契合的發明專利。陳楠和蔡躍洲（2021，2022）分別使用不同制造業細分行業中數字經濟專利數量衡量數字技術在行業中的滲透率，或者使用省級年度人工智能專利申請量和授權量表征區域層面人工智能技術進步和滲透率。

宏觀層面，學者們主要借助調整后的Logistic 協同演化模型、耦合協調度模型等方法來測度“數實融合\"協調發展關系。這主要包括兩種方式：一是使用單一評價指標體系測度數字經濟和實體經濟融合程度（胡西娟等，2022;鈔小靜，2022）。比如，胡西娟等（2022）從基礎融合、應用融合、創新融合、金融融合四個方面，選取19個變量衡量30個省份數字經濟和實體經濟融合程度。另外一種常用方法是分別構建數字經濟和實體經濟指標體系，然后基于耦合協調度測度數實程度（張帥等，2022；郭晗和全勤慧，2022）。張帥等（2022）選取12個指標從數字基礎設施、數字化應用、數字產業發展三個角度構建省級數字經濟發展水平綜合指標，采用5個指標從實體經濟發展規模、結構和潛力三個角度構建實體經濟評價指標體系，然后以協調度衡量各地區數字經濟和實體經濟的融合水平。

總體而言，上述研究主要是從理論層面探討數實融合的內涵、機制與路徑，實證研究方面以國家或者省級層面為主，這主要是因為國家或者省級層面的數據可得性高，統計口徑一致，具有可比性。但是，上述研究數據變量含義寬泛，即不能精準反映新一代信息技術特性，而且指標選取具有較強的主觀性。因此，本文將借鑒呂越等（2023）、黃先海和高亞興（2023）等研究，從產業融合和技術融合方面測度人工智能與制造業的融合水平。

（三）人工智能與制造業融合的經濟效應

近年來，大量理論與實證研究關注人工智能對生產率和經濟增長的影響（Aghion等，2017；曹靜和周亞林，2018;Lu，2021;Babina等，2024）。許多研究發現人工智能對中國經濟發展質量具有顯著的提升作用（楊先明和王志閣，2023;陳楠和蔡躍洲，2022；楊艷等，2023）。微觀層面，企業應用人工智能技術不僅有助于提高企業數據分析和信息處理能力，更好地對接消費者偏好和市場需求（陳慶江等，2023），企業智能化轉型還能夠通過提高企業勞動力多樣性，促進知識與文化交流碰撞，從而推動企業創新（鄧悅和蔣琬儀，2022），提高企業勞動生產率（Czarnitzki等，2023）。另外，人工智能等數字科技還具有溢出效應，接近數字科技企業有助于提高企業全要素生產率（蔣為等，2025）。

中觀層面，人工智能技術賦能制造業，推動制造業產業升級和價值鏈攀升，提高企業創新水平。人工智能與制造業融合，促進制造業生產模式變革和生產流程升級，推動傳統制造業向高端制造業轉型，提高了產品附加值和技術含量（任保平和宋文月，2019）。人工智能與高附加值產業的深度融合，可以增強本土供應鏈的韌性，促進傳統產業的智能化改造和升級，在全球價值鏈中爭取有利位置（劉斌和潘彤，2020）。此外，制造業具有較高的生產率、前后聯動效應以及規模效應等，工業化是一國經濟增長的重要引擎（朱蘭等，2024）。人工智能與制造業融合有助于推動制造業產業升級（付文宇等，2020;米普宏等，2020），提高制造業發展質量（鄭瓊潔和王高鳳，2021;陸瑤和楊仁發，2023；謝偉麗等，2023；李翔等，2023），進而促進區域經濟增長（王霄瓊等，2024）。另外，人工智能與制造業深度融合增加了新型實體企業的數量（何德旭等，2024），專精特新等新型實體企業通過科技手段與制造工藝創新降低了生產成本，優化資源配置，提高了經濟效率（徐亞平和史依銘，2024）。

宏觀層面，人工智能具有滲透性、替代性、協同性和創新性等技術一經濟特征，通過要素替代、效率提升和知識創造等多條路徑，直接促進經濟增長（蔡躍洲和陳楠，2019）。另外，人工智能通過提高生產自動化智能化程度、提高資本回報率和提高全要素生產率，有助于應對老齡化沖擊從而促進經濟增長（陳彥斌等，2019）。基于國家人工智能試驗區的智慧城市建設有助于促進企業綠色創新（高華川等，2024）。

綜上，本文提出研究假設：人工智能與制造業融合有助于促進地區經濟增長。

三、數據說明與基本特征

（一）數據說明

本文借鑒已有研究，分別從產業融合和技術融合兩個方面衡量人工智能與制造業融合程度。其中，產業融合使用制造業中人工智能企業數進行衡量，技術融合使用制造業人工智能專利數進行測度。數據主要來源于企研·學術大數據，涵蓋 2010—2020 年全國城市－行業一人工智能企業存活數目和死亡數目，以及城市一行業一人工智能專利數量和類別，包括專利申請總數、專利授權總數以及發明專利、實用新型專利、外觀設計專利三類專利的申請和授權數目。基于人工智能產業智能感知、數據標簽與標注、深度學習、決策與執行、AI能力評價5個關鍵技術要素，將人工智能產業劃分基礎設施、基礎理論和核心技術、智能應用3部分。然后從企業基本信息、創新知識產出、產品應用平臺和人力資本投入等多個維度的企業信息，梳理并篩選出人工智能產業相關企業，構建人工智能產業專題數據庫。

（二）中國人工智能與制造業融合的空間分布

本節將簡要分析中國制造業人工智能專利和企業的空間分布，為后文進一步研究中國城市人工智能與制造業融合的經濟效應奠定事實基礎。

專利分布在一定程度上反映了地區的技術水平，制造業人工智能專利申請數和授權數越多，說明該城市人工智能與制造業技術融合的程度越深。計算 2020年不同城市制造業人工智能專利申請數和授權數，結果發現城市間制造業人工智能“技術鴻溝\"較大。不論是專利申請數還是授權數，全國制造業人工智能技術滲透率都存在明顯的空間分布不均衡現象，具有“東多西少、高度集中\"的特征。具體來說，東部地區制造業人工智能專利申請數明顯高于西部地區，主要聚集在珠三角、長三角和北京市，呈現“三足鼎立\"態勢。制造業人工智能專利申請集中于東部沿海地區，部分地區制造業人工智能技術尚處于初步發展階段，西部絕大多數地區仍處于空白狀態。

但是企業研發的人工智能技術和產品并不一定應用于本地區或者本行業，因此本文進一步使用城市制造業人工智能企業數反映人工智能與制造業融合深度。結果顯示，中國人工智能與制造業融合程度具有“東多西少、集中分布\"特征。各地區制造業人工智能企業數目整體較少，人工智能企業數目超過200 家的城市僅有深圳市，達到643家，其次是蘇州、廣州、東莞、上海，制造業人工智能企業數在 1 0 0 ～ 200家之間，170個地級市人工智能企業數在 1 ～ 1 0 0 家之間，人工智能企業數為個位數的有124個地級市，192個地級市人工智能企業數為0。人工智能企業分布高度集中，僅深圳市集中分布了全國 22 % 的制造業人工智能企業，排名前五的地級市人工智能企業數占比達到 4 1 . 5 % ，接近半數。也就是說，超過半數地級市制造業沒有人工智能企業，西部和東北大部分地區人工智能與制造業融合處于空白或者初步探索階段，與北京、上海、深圳、杭州等一線城市具有較大差距。這說明，中國人工智能與制造業融合整體水平不高，超半數地區處于空白狀態，中國人工智能和制造業融合程度整體較低，距離全面普及的目標較遠。

總體而言，中國人工智能與制造業融合發展程度存在明顯的區域差異，具有“東多西少、高度集中”的特征。從區域分布來看，不論是企業數目還是專利數目，人工智能與制造業的融合程度均存在明顯的空間分布不均衡現象。制造業人工智能企業主要聚集在珠三角、長三角和北京市，呈現“三足鼎立”態勢。部分地區人工智能與制造業融合尚處于初步發展階段，西部絕大多數地區仍處于空白狀態。區域之間呈現明顯的“二元\"分布結構，北京、深圳、杭州、上海等發達地區人工智能與實體經濟融合程度遠遠高于欠發達地區，且這一差距隨著專利和企業的不斷累積逐漸擴大。

四、人工智能與制造業融合的經濟效應分析

（一）模型構建與變量說明

前文我們對不同地區人工智能與制造業的融合現狀進行了描述性分析。為了進一步分析地區“人工智能 + 制造\"的經濟效應，本文構建模型如下：

式中， 是我們感興趣的被解釋變量，使用地區經濟總量GDP（取對數）衡量地區經濟增長，其中c 是城市， 是年份。核心解釋變量是城市人工智能與制造業融合水平，分別從企業發展和技術進步兩個維度進行衡量。其中，企業發展使用地區年度制造業企業存活數表示，技術進步使用地區年度制造業人工智能發明專利申請數和授權數表示。為了緩解因遺漏變量帶來的內生性，模型同時控制了城市 在 年的人口總量（取對數）、單位從業人數（取對數）和研發人員數量（取對數）。 表示城市固定效應， 表示年份固定效應，分別控制城市層面不隨時間變動的特征和時間趨勢。 是誤差項，標準誤聚類到城市層面。人工智能行業企業數和專利數據來源于企研·學術大數據平臺，城市層面數據來源于《中國城市統計年鑒》，時間為2010—2020年。

關于核心解釋變量 的構建，由于缺乏年度城市制造業人工智能企業數和專利數，本文借鑒Acemoglu和 Restrepo（2020）的工業機器人滲透率的構建方式，使用 2020 年的數據作為基準值，假設地區制造業人工智能企業比值不變，構建年度地區制造業人工智能企業數和專利數。具體公式如下：

，式中 指的是2020年城市 ∣ c ∣ 的制造業人工智能企業存活數量（單位為萬個），行業包括采礦業、制造業、建筑業和電力、熱力、燃氣及水生產和供應業， 是2020年城市 ∣ c ∣ 制造業企業存活數量（萬個）， 指的是城市 在 年的制造業企業存活數目（萬個）。城市年度工業人工智能發明專利申請數和授權數構造方法與企業存活數類似，故不再贅述。考慮到年度地區制造業人工智能企業比值不變的假設較強，后文使用制造業增加值增速作為權重變量，構建年度一城市一制造業人工智能企業存活數，進行穩健性檢驗。

（二）結果分析

表1列出了城市人工智能與制造業融合發展對地區經濟增長的影響，其中第（1）列使用城市制造業人工智能企業存活數作為解釋變量，第（2）列和第（3）列分別使用城市制造業人工智能發明專利授權數和申請數作為解釋變量。結果顯示，不論是使用城市制造業人工智能企業數還是人工智能專利數，地區人工智能與制造業融合程度對地區經濟增長具有顯著的正向促進作用。具體來說，城市制造業人工智能存活企業數目每增加1萬家，地區經濟總量提升 12 . 5 % ；城市制造業人工智能專利授權數和申請數提高1個百分點，地區經濟總量分別增加 3 . 3 % 和 1 . 9 % 。這可能是因為一方面人工智能的滲透性、替代性、協同性和創造性四項技術一經濟特征，不僅有助于推動國民經濟各領域、各部門高質量增長，而且人工智能自身規模壯大也有助于經濟增長質量的提升（蔡躍洲和陳楠，2019）。另一方面，制造業具有規模效應、前后聯動效應、投入一產出結構效應等，不僅有助于拉動其他產業發展，還能促進產業結構轉型升級（朱蘭等，2024）。

另外，相比較而言，城市人工智能企業存活數比專利申請數量的經濟產值帶動效應更強，這可能是因為專利授權受專利代理、專利審查等其他方面因素的影響，具有時滯性，經濟效應當期不能及時顯現，而人工智能領域專利申請本身已經體現了該行業人工智能領域的研發投人，專利申請是研發活動的結果，研發活動本身已經對地區經濟增長起到了促進作用。而制造業人工智能企業是人工智能與制造業融合的實際載體，屬于“新型實體企業”。這類企業大多屬于資本或者技術密集型的智能制造企業，資源利用率與生產效益更高，能夠顯著促進地區經濟增長。

進一步分析城市人工智能與制造業融合促進經濟增長的機制，本文分別從實體經濟發展與就業擴張兩個方面進行分析。研究表明，人工智能與制造業融合的載體，比如智能制造、工業機器人、工業互聯網等，都會顯著促進實體經濟的發展。表2列出了城市人工智能與制造業融合發展對地區工業經濟的影響，其中第（1）列使用城市制造業人工智能企業存活數作為解釋變量，第（2）列和第（3）列分別使用城市制造業人工智能發明專利申請數和授權數作為解釋變量。結果顯示，不論是城市人工智能與制造業領域的技術融合還是產業融合，均有助于促進工業生產總值的增加。具體而言，城市制造業人工智能存活企業數目每增加1萬家，第二產業產值提高 1 6 . 9 % ；城市制造業人工智能專利申請數和授權數每提高1個百分點，第二產業產值分別提高 4 . 8 % 和 2 . 7 % 。這可能是因為企業與其他數字經濟核心產業（數字產品服務業除外）的技術融合對全要素生產率均有顯著的提升作用，偏向于實體產業技術創新的企業從數實產業技術融合中能獲得更大的全要素生產率提升效益（黃先海和高亞興，2023）。人工智能應用能夠顯著促進制造業高質量發展，而且能有效提升制造業發展的經濟效益、創新效益、綠色效益和附加值效益（陸瑤和楊仁發，2023）。

表3列出了人工智能與制造業融合對地區勞動就業的影響，分別使用第二產業就業人數和制造業就業人數作為地區實體經濟就業人數的代理變量。其中第（1）列和第（2）列使用城市制造業人工智能企業存活數作為解釋變量，第（3）列和第（4）列使用城市制造業人工智能發明專利申請數作為解釋變量，第（5）列和第（6）列使用城市制造業人工智能發明專利授權數作為解釋變量。結果顯示，城市人工智能與制造業領域的技術融合和產業融合，均有助于促進地區實體經濟核心部門的就業人數增加。具體而言，城市制造業人工智能存活企業數目每增加1萬家，第二產業和制造業就業人數分別提高 1 3 . 7 % 和6 . 4 % ;城市制造業人工智能專利申請數每提高1個百分點，第二產業和制造業就業人數分別提高 5 . 2 % 和 5 % ;城市制造業人工智能專利授權數每提高1個百分點，第二產業和制造業就業人數分別提高 3 . 9 % 和 4 . 3 % 。這可能是因為經濟轉型與創新對新產品的需求增長有助于創造就業（Harrison 等，2014）。人工智能與制造業融合的過程中，新技術和新產品創造了新的市場需求和工作崗位，增加了勞動力需求（ S u 等，2022），尤其是對于產業智能化發展期和處于上升期的產業（陳東和秦子洋，2022）。

（三）穩健性檢驗

為了保證結果的可信度，本文主要從遺漏變量、測量誤差、反向因果三方面考慮其內生性問題。因此，本文綜合使用替換被解釋變量、增加控制變量、改變融合數據權重、使用GMM模型四種方式，進行穩健性檢驗（見表4）。具體來說：（1）替換被解釋變量。基準模型中使用城市GDP 衡量城市經濟增長，這可能受城市人口規模的影響。因此，本文使用城市人均GDP作為被解釋變量，研究城市人工智能與制造業融合對地區人均收入水平的提升。（2）增加控制變量。基準回歸模型中僅控制了地區人口總量、單位從業人數和研發人員數量，為了避免因遺漏變量帶來的內生性，本文進一步增加了單位從業人員數、規模以上工業企業數、年末金融機構各項貸款余額、實際使用外資金額、教育支出、科學支出等變量，研究城市人工智能與制造業融合對地區經濟增長的影響。（3）使用其他權重計算城市人工智能與制造業融合水平。前文使用城市制造業企業存活數自增速作為可變權重，考慮到地區人工智能與制造業融合程度可能與地區經濟增速相關，本文進一步使用地區經濟增速作為可變權重，衡量年度城市人工智能與制造業融合水平。（4）使用GMM模型。由于模型可能存在反向因果關系，本文在基準模型的基礎上加人城市人工智能與制造業融合水平的滯后一期，模型轉化為一個動態面板模型，然后使用系統GMM進行估計。核心解釋變量使用城市制造業人工智能企業存活數用以衡量人工智能與制造業融合程度，所有的結果均顯示，城市人工智能與制造業融合顯著促進了地區經濟增長，表明本文的分析結果是穩健的。①

五、拓展分析：什么導致地區人工智能與制造業融合差異？

（一）模型構建與變量說明

2016年被視為人工智能元年。2016年AlphaGO打敗李世石使得人工智能廣泛進人普通大眾視野，同年，蘋果、特斯拉、百度、谷歌等巨頭實現人工智能技術突破，世界主要經濟體紛紛出臺人工智能發展戰略，美國發布《為未來人工智能作好準備》和《人工智能、自動化和經濟》，日本審議通過《第五期科學技術基本計劃（2016—2020）》，中國也在《“十三五\"國家科技創新規劃》以下簡稱《規劃》）中明確將“人工智能\"作為科技創新重點發展方向。科技創新規劃對全國技術發展和產業政策的出臺具有直接的影響，但是由于地方經濟發展基礎和產業結構不同，《規劃》對不同地區的人工智能的發展影響不同。為了研究《規劃》沖擊的影響，本文將地區按照第二產業占比進行劃分，研究《規劃》對不同地區的差異性影響。由于《規劃》對全國各地區都有影響，不適合使用雙重差分法，本文使用事件分析法識別《規劃》出臺對城市人工智能與制造業融合的動態效應。模型構建如下：

式中， 表示 年城市 ∣ c ∣ 人工智能與制造業融合程度，分別使用制造業人工智能企業存活數、新進入數、退出數、發明專利申請數和發明專利授權數，從新型實體企業和實數技術融合兩個方面進行衡量。 表示人工智能政策沖擊前后的年份，本文設定政策沖擊前5年以及政策沖擊后 4年，共包含10年的窗口期。Treat。按照2015年第二產業增加值占比是否超過中位數進行區分，如果2015年城市 的第二產業增加值占比超過了中位數，該城市以第二產業作為主導產業，那么就認為是處理組，Treat。取值為1;反之則為控制組，取值為 捕捉了政策的動態效應，衡量政策沖擊不同年份對城市人工智能與制造業融合深度的影響。λ。表示城市固定效應， 表示年份固定效應，分別控制城市層面不隨時間變動的特征和時間趨勢， 是誤差項。城市年度制造業人工智能行業企業數和專利數據來源于企研·學術大數據平臺，城市層面數據來源于《中國城市統計年鑒》，時間為2010—2020年。

（二）結果分析

表5列出了政策沖擊對城市制造業人工智能企業數自的影響，包括制造業人工智能企業新進入數、退出數和凈進入數。結果顯示，2016年《規劃》的出臺顯著影響了城市制造業人工智能企業的進入和退出，且政策具有滯后性。在政策實施當年，《規劃》對城市制造業人工智能企業發展沒有顯著影響；但是在政策沖擊一年后，相較于非第二產業占主導的地區，第二產業占主導的地區制造業人工智能企業進入數目顯著下降，退出數量增多，凈進入企業數目減少。這一政策效應隨著時間的推移，更加明顯。這說明，《規劃》的出臺確實對城市制造業人工智能的發展產生了影響，但是這一影響具有非對稱性。也就是說相較于非第二產業主導的地區，第二產業主導地區的制造業人工智能企業凈進入企業數自反而下降了，制造業人工智能企業更多向非工業主導地區匯集。這可能是由于人工智能企業屬于技術和人才密集型，在國家科技創新鼓勵人工智能技術研發之后，更多企業更傾向于進人以服務業為主的發達地區。

這與王林輝等（2022）發現的人工智能企業地理格局分布呈現“強者愈強，弱者愈弱\"現象一致，背后原因在于由于規模效應和協同效應，人工智能企業的地理格局往往由大規模企業主導，人工智能企業跟隨龍頭企業聚集分布。

圖1展示了政策沖擊前后城市制造業人工智能企業進人與退出的回歸系數，可以看出，2016 年政策沖擊后，第二產業主導地區制造業人工智能企業數目出現了較大的進入一退出更替，新進入企業數目明顯較少，企業退出數目增加，制造業人工智能企業更多出現在非工業主導地區。

為檢驗結果的穩健性，將被解釋變量替換為城市制造業人工智能發明專利申請數和授權數。表6展示了替換變量后的回歸結果。結果顯示，《規劃》出臺的政策沖擊效果當期就已出現，且具有動態性、持續性。不論是制造業人工智能專利申請數還是授權數，在《規劃》出臺后，第二產業主導地區的制造業人工智能發明專利申請數和授權數均出現了下降，制造業人工智能技術更多出現在非第二產業主導的地區。這可能是因為技術的出現更多是在科學研究行業、ICT行業等生產性服務業，制造業更多是人工智能技術的應用領域，人工智能專利更多是外觀設計或者實用新型專利。

六、研究結論與政策建議

數字經濟與實體經濟融合發展，是帶動區域產業升級和經濟轉型、建設創新型國家和世界科技強國、提升全球地位和實現大國崛起的重大戰略選擇。黨的二十大報告強調要“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”。黨的二十屆三中全會更是首次提出\"實數融合”，強調數字經濟促進實體經濟發展的重要性。本文聚焦人工智能與制造業融合，利用2010—2020年城市制造業人工智能專利數目和企業數目，衡量人工智能與制造業融合程度，研究城市人工智能與制造業融合的空間特征、經濟效應與影響因素。研究發現：第一，中國人工智能與制造業融合呈現出在 2016 年后加速發展、空間上“東多西少、高度集中\"的分布特征;第二，城市制造業人工智能發展通過推動第二產業發展和擴大勞動就業，促進地區經濟增長，且這一經濟效應在高收入地區更為顯著;第三，使用事件分析法發現，2016 年《“十三五\"國家科技創新規劃》的出臺顯著影響了地區制造業人工智能企業的進入和退出，且相較于非第二產業主導的地區，第二產業主導地區制造業人工智能企業進入數目下降，退出數量增多，凈進入企業數目減少，進一步加大了人工智能與制造業融合的區域差距。

不同城市人工智能與制造業融合程度反映了中國當前存在的“數字鴻溝\"和“技術鴻溝”。隨著技術進步和企業發展的循環累積，若不采取措施，將進一步加劇地區間經濟發展不均衡，不利于新發展格局的構建和經濟高質量發展。因此，有必要制定科學合理的政策，降低人工智能與制造業的融合門檻，緩解融合瓶頸，推動人工智能與制造業深度融合，促進制造業轉型升級，推動區域經濟均衡發展。這就需要：第一，尊重人工智能技術發展規律，保持和增強發達地區人工智能技術的創新優勢，發揮技術進步和產業變革引領作用。人工智能技術具有高資本、高技術、高人力資本、高數據密集特征，這就決定了人工智能技術的研發和創新集中于發達地區。發達地區人工智能技術水平代表中國人工智能技術的前沿，應尊重科學創新和數字經濟發展規律，培育京津冀、長三角、粵港澳人工智能產業集群，打造人工智能創新發展高地。對標世界技術前沿，補齊人工智能技術短板，保持和增強比較優勢，進一步提高人工智能技術研發優勢，加強人工智能“卡脖子\"關鍵核心技術攻關。加強體制機制創新，支持人工智能技術創新平臺建設，鼓勵建立海外實驗室，加強國內外人才和技術交流，融人全球創新網絡（朱蘭，2024）。

第二，填補知識鴻溝，培養復合型人才，拓展人工智能技術應用場景，推動人工智能與不同行業深度融合。一是根據制造業不同細分行業的要素稟賦、技術特性、生產經營模式等，探索人工智能應用場景，加快人工智能技術成果轉化應用。搭建人工智能與制造業企業對接平臺，將制造業企業作為“出題人”，邀請人工智能等技術領域企業或者高校作為“解題人”，共同破解人工智能與制造業融合難題。二是填補知識鴻溝，培養符合數智化時代的復合型人才，是推動制造業和人工智能融合發展的關鍵。依靠多種途徑培養制造業與數字技術復合型人才，如高校或者高職高專設置智能制造專業，通過本科輔修、遠程教育、技能培訓等方式加強制造業學生的數智能力，也可以鼓勵專業數字技術人才進入具體制造業實體部門，了解不同產業的工業機理和市場需求，加快培養兼具數字思維、管理思維和生產能力的復合型人才（高柏和朱蘭，2020）。

第三，按照地區比較優勢，補齊實數融合短板，加強區域間數字技術轉移和數字產業合作，縮小區域間“數字鴻溝”。洪銀興和任保平（2023）認為當前數字經濟與實體經濟融合存在“不能融合\"“融合不全\"“融合不深\"“不愿融合”和“不便融合\"的問題，并提出了推動數字經濟和實體經濟深度融合的途徑。但是，阻礙不同地區人工智能與制造業融合的因素存在差異，比如欠發達地區可能是因為數字基礎設施、產業基礎薄弱或者制造業技術較為落后。這就需要一方面加大經濟欠發達地區數字基礎設施建設力度并鼓勵適度超前建設，補齊基礎設施短板。加強與發達地區部門、技術、人才交流，借助對口支援等區域互助模式，快速吸收企業數字化轉型、數字農業、數字治理、在線教育等經驗，發揮欠發達地區的后發優勢。另一方面，要探究不同地區實數融合不深的具體原因，同時結合地區稟賦結構和發展目標，探索促進地區實體經濟和數字經濟融合發展的路徑與模式。立足落后地區的發展階段和稟賦結構，以產業升級為“考題”，將人工智能等數字技術作為“解題”工具，賦能地區產業升級和經濟發展，同時挖掘新經濟業態和新經濟模式。

參考文獻：

[1］蔡躍洲、陳楠，2019：《新技術革命下人工智能與高質量增長、高質量就業》，《數量經濟技術經濟研究》第5期。

[2]曹靜、周亞林，2018：《人工智能對經濟的影響研究進展》，《經濟學動態》第1期。

[3］鈔小靜，2022：《以數字經濟與實體經濟深度融合賦能新形勢下經濟高質量發展》，《財貿研究》第 12期。

[4］陳東、秦子洋，2022：《人工智能與包容性增長——來自全球工業機器人使用的證據》，《經濟研究》第 4期。

[5]陳楠、蔡躍洲，2021：《數字技術對中國制造業增長速度及質量的影響——基于專利應用分類與行業異質性的實證分析》《產業經濟評論》第6期。

[6]陳楠、蔡躍洲，2022《人工智能、承接能力與中國經濟增長——新\"索洛悖論\"和基于AI專利的實證分析》，《經濟學動態》第11期。

[7]陳慶江、平雷雨、董天宇，2023：《數字技術應用創新賦能效應的實現方式與邊界條件》，《管理學報》第7期。

[8]陳曦，2022：《推動數字經濟與實體經濟深度融合：理論探析與實踐創新》，《人民論壇·學術前沿》第 24期。

[9]陳彥斌、林晨、陳小亮，2019：《人工智能、老齡化與經濟增長》，《經濟研究》第7期。

[10］陳雨露，2023：《數字經濟與實體經濟融合發展的理論探索》《經濟研究》第9期。

[11」曹平、楊蓉博，2024：《智慧城市建設能促進城市數實融合嗎？——基于“準自然實驗\"的證據》，《江南大學學報（人文社會科學版）》第3期。

[12］鄧洲，2018：《促進人工智能與制造業深度融合發展的難點及政策建議》，《經濟縱橫》第8期。

[13］鄧悅、蔣琬儀，2022：《智能化轉型何以激發企業創新？——基于制造業勞動力多樣性的解釋》，《改革》第9期。

[14]付文宇、李彥、趙景峰，2020：《人工智能如何影響地區制造業優化升級？——基于雙重中介效應的研究》，《經濟體制改革》第4期。

[15」高柏、朱蘭，2020：《從“世界工廠\"到工業互聯網強國：打造智能制造時代的競爭優勢》，《改革》第6期。

[16」高煜，2019：《我國經濟高質量發展中人工智能與制造業深度融合的智能化模式選擇》，《西北大學學報（哲學社會科學版）》第5期。

[17］郭晗、全勤慧，2022：《數字經濟與實體經濟融合發展：測度評價與實現路徑》，《經濟縱橫》第11期。

[18］高華川、王劃璞、董珍，2024：《智能驅動與企業綠色創新——基于國家人工智能試驗區的準自然實驗》，《江南大學學報（人文社會科學版）》第6期。

[19」何德旭、張昊、劉蘊霆，2024：《新型實體企業促進數實融合提升發展質量》，《中國工業經濟》第2期[20]洪銀興、任保平，2023：《數字經濟與實體經濟深度融合的內涵和途徑》，《中國工業經濟》第2期。

[21］胡西娟、師博、楊建飛，2022：《中國數字經濟與實體經濟融合發展的驅動因素與區域分異》，《學習與實踐》第12期。

[22]黃群慧，2017：《論新時期中國實體經濟的發展》，《中國工業經濟》第9期。

[23]黃先海、高亞興，2023：《數實產業技術融合與企業全要素生產率——基于中國企業專利信息的研究》，《中國工業經濟》第11期。

[24]蔣為、倪詩程、彭淼，2025：《數字科技企業賦能實體經濟發展的效率變革——基于數字化供應鏈視角的理論與經驗證據》，《數量經濟技術經濟研究》第1期。

[25]厲無畏，2002：《產業融合與產業創新》，《上海管理科學》第4期。

[26］李翔、葉初升、潘麗群，2023：《人工智能何以提升中國制造業發展質量——索洛悖論在中國制造業的再檢驗》，《蘭州大學學報（社會科學版）》第4期。

[27]劉斌、潘彤，2020：《人工智能對制造業價值鏈分工的影響效應研究》，《數量經濟技術經濟研究》第10 期。

[28]陸岷峰，2023：《數字科技賦能實體經濟高質量發展：融合優勢、運行機理與實踐路徑》，《新疆師范大學學報（哲學社會科學版）》第1期。

[29]陸瑤、楊仁發，2023：《人工智能對制造業高質量發展的影響研究》，《華東經濟管理》第4期。

[30]呂越、陳泳昌、張昊天、諸竹君，2023：《電商平臺與制造業企業創新——兼論數字經濟和實體經濟深度融合的創新驅動路徑》《經濟研究》第8期。

[31］米晉宏、江凌文、李正圖，2020：《人工智能技術應用推進中國制造業升級研究》，《人文雜志》第9期。

[32]任保平、宋文月，2019：《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》，《西北大學學報（哲學社會科學版）》第5期。

[33］陶鋒、朱盼、邱楚芝、王欣然，2023：《數字技術創新對企業市場價值的影響研究》，《數量經濟技術經濟研究》第5期。

[34］王林輝、姜昊、董直慶，2022：《工業智能化會重塑企業地理格局嗎》，《中國工業經濟》第2期。

[35］王霄瓊、陳聰、李騰飛，2024：《制造業智能化、產業結構升級與區域經濟增長》，《當代經濟》第 10 期。

[36］夏杰長，2022：《中國式現代化視域下實體經濟的高質量發展》，《改革》第10 期。

[37]夏杰長、李鑾誤，2024：《數實融合驅動經濟高質量發展：驅動機制與優化路徑》，《探索與爭鳴》第9期。

[38］謝偉麗、石軍偉、張起帆，2023：《人工智能、要素稟賦與制造業高質量發展——來自中國 208 個城市的經驗證據》，《經濟與管理研究》第4期。

[39]徐亞平、史依銘，2024：《數字經濟與實體經濟融合賦能“專精特新\"企業高質量發展》，《經濟體制改革》第4期。

[40］楊先明、王志閣，2023：《人工智能、財政職能與中國經濟發展質量》，《宏觀質量研究》第4期。

[41]楊艷、王理、李雨佳、廖祖君，2023：《中國經濟增長：數據要素的“雙維驅動\"》，《統計研究》第4期。

[42]張帥、吳珍瑋、陸朝陽、張娜，2022：《中國省域數字經濟與實體經濟融合的演變特征及驅動因素》，《經濟地理》第7期。

[43］趙劍波，2020：《推動新一代信息技術與實體經濟融合發展：基于智能制造視角》，《科學學與科學技術管理》第3期。

[44]鄭瓊潔、王高鳳，2021：《人工智能技術應用與中國制造業企業生產率——兼對“生產率悖論\"的再檢驗》，《學習與實踐》第11期。

[45］朱蘭，2023：《人工智能與制造業深度融合：內涵、機理與路徑》，《農村金融研究》第8期。

[46］朱蘭，2024：《中國人工智能發展的空間極化與國際追趕——基于技術一產業雙重視角》，《農村金融研究》第 3期。

[47]朱蘭、吳紫薇、王勇，2024：《經濟高質量發展的“引擎”——高端制造業發展、人力資本配置和經濟增長》，《數量經濟技術經濟研究》第4期。

[48]植草益，2001：《信息通訊業的產業融合》，《中國工業經濟》第2期。

[49] Acemoglu，D.and Restrepo，P.，202o，Robots and Jobs： Evidence from US Labor Markets， Journal of PoliticalEconomy，128（6）： 2188-2244.

[50]Aghion，P.，Jones，B.F.and Jones，C.L.，2O17，Artificial Inteligenceand Economic Growth，NBER Working Paper，No.23928.

[51]Babina，T.，Fedyk，A.，He，A.and Hodson，J.，2O24，Artificial Inteligence，Firm Growth，and Product Inovation，Journal of Financial Economics，151，103745.

[52]Cockburn，I. M.，Henderson，R.and Stern，S.，2O19，The Impact of Artificial Inteligence on Innovation：AnExploratory Analysis，In A. Agrawal， Gans J. and Goldfarb A.（Eds.）， The Economics of Artificial Intelligence，University of Chicago Press，115-148.

[53] Czarnitzki，D.，Fernandez，G.P.and Rammer，C.，2023，Artificial Intelligenceand Firm-level Productivity，Journalof Economic Behavior amp; Organization，21l：188-205.

[54]Damioli，G.，Van Roy V.and Vertesy D.，2021，The Impactof Artificial Inteligence on Labor Productivity，Eurasian Business Review，11：1-25.

[55]Freeman，C.and Perez，C.，1988，Structural Crises of Adjustment： Business Cycles and Investment Behaviour. In G.Dosi，C.Freeman，R.R. Nelson，G. Silverberg and L.L.G.Soete （Eds.），Technical Change and Economic Theory，Pinter Publishers.

[56]Harrison，R.，Jaumandreu，J.，Mairesse，J.and Peters，B.，2014，Does Innovation Stimulate Employment？AFirm-level Analysis Using Comparable Micro-Data from Four European Countries，International Journal of IndustrialOrganization，35： 29-43.

[57]Lu，C.H.，2O21，The Impactof Artificial InteligenceonEconomic Growthand Welfare，Journalof Macroeconomics，69，103342.

[58]Su，C.W.，Yuan，X.，Umar，M.and Lobont，O.R.，2022，Does Technological Innovation Bring Destructionor Creation tothe Labor Market？ Technology in Society，68，101905.

Advancing the Integration of Manufacturing and Artificial Intelligence： Spatial Distribution，Economic Effects， and Influencing Factors

Zhu Lan ，Leng Yuchen1 and Zhang Tongjin？

（1.Faculty of Applied Economics， UCASS;2.Institute of Quantitative amp; Technological Economics，CASS： 3.School of Economics，Tianjin University of Commerce）

Abstract： Fostering the deep integration of artificial intelligence （AI） and manufacturing constitutes a pivotal national strategy for China to cultivate new productive capacities，establish a modern industrial ecosystem，and advance high-quality economic development. This study examines the spatial-temporal evolution of regional AI-manufacturing integration across Chinese cities from 2010 to 2O2O，employing novel metrics derived from AI-related patent statistics and manufacturing enterprise survival rates. Through empirical analysis of economic impacts and policy determinants， three key findings emerge： First， the convergence process exhibited accelerated progresion post2016，displaying a distinct east-west gradient with pronounced concentration in technology-intensive eastern regions. Second， urban-level AI adoption in manufacturing stimulates regional economic growth through dual mechanisms of secondary sector productivity enhancement and employment expansion，with amplified effects observed in high-income cities. Third，event study analysis reveals that the 2O16 National Science 8 . Technology Innovation 13th Five-Year Plan implementation induced significant market restructuring-secondary sector-dominant regions experienced reduced AI enterprise entry，increased exits and negative net entry ，exacerbating regional integration disparities. These findings provide critical insights for designing spatially differentiated industrial policies and optimizing innovation ecosystem development in emerging economies.

Key Words： artificial inteligence； manufacturing； real integration； integration characteristics;economic effects