數(shù)據(jù)要素與人工智能技術(shù)融合對區(qū)域經(jīng)濟(jì)發(fā)展差距的影響

中圖分類號：F124 文獻(xiàn)標(biāo)識碼：A

0 引言

區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展是貫徹新發(fā)展理念的客觀要求，亦是實(shí)現(xiàn)高質(zhì)量發(fā)展的重要體現(xiàn)。在傳統(tǒng)經(jīng)濟(jì)發(fā)展模式中，高技能勞動力、技術(shù)、資本等優(yōu)質(zhì)要素往往向產(chǎn)業(yè)集聚、擁有創(chuàng)新平臺與制度支撐的發(fā)達(dá)地區(qū)集中，欠發(fā)達(dá)地區(qū)在要素獲取與技術(shù)創(chuàng)新中處于不利地位，從而影響我國整體經(jīng)濟(jì)的高質(zhì)量、可持續(xù)發(fā)展。2023年，國家數(shù)據(jù)局等17部門聯(lián)合印發(fā)《“數(shù)據(jù)要素x \"三年行動計(jì)劃（2024—2026年）》，明確提出開展“數(shù)據(jù)要素 x 科技創(chuàng)新\"行動，支持開展人工智能大模型開發(fā)和訓(xùn)練，讓“數(shù)據(jù)要素應(yīng)用廣度和深度大幅拓展，在經(jīng)濟(jì)發(fā)展領(lǐng)域發(fā)揮數(shù)據(jù)要素乘數(shù)效應(yīng)”。隨著數(shù)字經(jīng)濟(jì)發(fā)展，數(shù)據(jù)要素的虛擬性、可融合性和共享性使得其與傳統(tǒng)生產(chǎn)要素的協(xié)同配置成為實(shí)現(xiàn)價(jià)值釋放的關(guān)鍵[1]。在數(shù)據(jù)驅(qū)動、人工智能技術(shù)賦能下，數(shù)字技術(shù)打破空間地理約束，顯著降低跨區(qū)域資源流動成本、提升區(qū)域資源配置效率和科技創(chuàng)新水平，為區(qū)域協(xié)調(diào)發(fā)展提供了新思路。

學(xué)界針對數(shù)據(jù)要素與人工智能技術(shù)融合進(jìn)行了較為豐富的研究，但存在一定局限，亟待深入探索。第一，已有研究揭示了數(shù)據(jù)要素的價(jià)值實(shí)現(xiàn)機(jī)制，指出其開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：文章編號：1001-7348（2025）15-0001-10需與信息技術(shù)等載體相結(jié)合才能發(fā)揮效用[2-3]，并強(qiáng)調(diào)數(shù)據(jù)要素通過與其他生產(chǎn)要素協(xié)同方能提升生產(chǎn)效率和創(chuàng)新水平[4]，這種相互促進(jìn)的協(xié)同效應(yīng)構(gòu)成數(shù)字經(jīng)濟(jì)時(shí)代生產(chǎn)力提升的核心動力機(jī)制，但鮮有文獻(xiàn)對該協(xié)同機(jī)制進(jìn)行系統(tǒng)性實(shí)證檢驗(yàn)。第二，現(xiàn)有研究視角存在局限性。多數(shù)文獻(xiàn)僅從單一角度分析數(shù)據(jù)要素或人工智能的經(jīng)濟(jì)效應(yīng)[57]，忽視要素間的協(xié)同共生關(guān)系。雖然部分學(xué)者注意到人工智能既能作為獨(dú)立生產(chǎn)要素，又能提升其他要素質(zhì)量8，彌補(bǔ)了數(shù)據(jù)要素?zé)o法自動形成創(chuàng)新優(yōu)勢的缺陷[9]，但對數(shù)據(jù)要素與人工智能技術(shù)深度融合產(chǎn)生的乘數(shù)效應(yīng)和雙向賦能關(guān)系研究不足。第三，針對數(shù)智融合與區(qū)域發(fā)展關(guān)系的研究明顯不足。一方面，有學(xué)者發(fā)現(xiàn)數(shù)據(jù)要素與人工智能技術(shù)結(jié)合提升了城市創(chuàng)新能力[1°]，亦有學(xué)者認(rèn)為東部沿海地區(qū)憑借其先發(fā)優(yōu)勢，在人工智能技術(shù)創(chuàng)新和數(shù)字產(chǎn)業(yè)集聚方面占據(jù)主導(dǎo)地位[11]，但對如何通過要素融合實(shí)現(xiàn)中西部地區(qū)跨越式發(fā)展的探討不足。另一方面，研究發(fā)現(xiàn)，人工智能技術(shù)對區(qū)域高質(zhì)量發(fā)展存在異質(zhì)性作用[12]，但未能揭示數(shù)據(jù)要素如何通過與人工智能技術(shù)的融合，縮小區(qū)域經(jīng)濟(jì)差距，尤其缺乏對數(shù)智融合如何助力落后地區(qū)突破發(fā)展瓶頸的分析。

鑒于此，本文將結(jié)合區(qū)域創(chuàng)新系統(tǒng)理論，以數(shù)據(jù)要素與人工智能技術(shù)融合作為核心解釋變量，利用2012-2023 年我國30個(gè)省份面板數(shù)據(jù)，實(shí)證考察數(shù)據(jù)要素與人工智能技術(shù)融合能否縮小區(qū)域經(jīng)濟(jì)差距、推動我國經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展。與已有文獻(xiàn)相比，本文的邊際貢獻(xiàn)表現(xiàn)為：一是從理論上拓展數(shù)智融合內(nèi)涵和邏輯，深入探討兩者協(xié)同作用機(jī)理，有效彌補(bǔ)已有研究不足。二是立足工業(yè)4.0背景，結(jié)合《“數(shù)據(jù)要素 x ”三年行動計(jì)劃》，通過理論分析與實(shí)證檢驗(yàn)，揭示數(shù)智融合對縮小區(qū)域經(jīng)濟(jì)差距的內(nèi)在作用機(jī)理。研究成果為釋放數(shù)據(jù)要素的乘數(shù)效應(yīng)、促進(jìn)人工智能技術(shù)健康發(fā)展，以及實(shí)現(xiàn)高質(zhì)量協(xié)調(diào)發(fā)展和中國式現(xiàn)代化目標(biāo)提供有力支撐。

1 理論基礎(chǔ)與研究假設(shè)

1.1數(shù)據(jù)要素與人工智能技術(shù)融合

基于熊彼特的創(chuàng)新理論，創(chuàng)新是推動經(jīng)濟(jì)增長的動力，是技術(shù)革新及生產(chǎn)函數(shù)重構(gòu)。在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)據(jù)作為新型生產(chǎn)要素，通過與人工智能技術(shù)的深度融合，有效降低創(chuàng)新活動邊際成本，縮短技術(shù)迭代周期，加速新質(zhì)生產(chǎn)力形成與擴(kuò)散，為經(jīng)濟(jì)高質(zhì)量發(fā)展提供新動能。

首先，海量數(shù)據(jù)為人工智能技術(shù)發(fā)展提供基礎(chǔ)支撐，有助于提升智能決策水平，優(yōu)化資源配置，加速數(shù)字技術(shù)與傳統(tǒng)產(chǎn)業(yè)融合；其次，通過持續(xù)的數(shù)據(jù)反饋和算法迭代，提升人工智能學(xué)習(xí)效率，優(yōu)化模型結(jié)構(gòu)，加快預(yù)測速度，促進(jìn)數(shù)字技術(shù)廣泛參與服務(wù)或制造場景，拓展人工智能技術(shù)應(yīng)用邊界；最后，兩者融合突破空間地理和人力資本限制，促進(jìn)各類生產(chǎn)要素跨區(qū)域配置和數(shù)據(jù)價(jià)值轉(zhuǎn)換。立足我國國情，數(shù)據(jù)要素與人工智能技術(shù)融合驅(qū)動新質(zhì)生產(chǎn)力形成，推動經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化和社會生活智能化，通過技術(shù)創(chuàng)新提高生產(chǎn)效率，進(jìn)而實(shí)現(xiàn)經(jīng)濟(jì)增長和社會福祉提升[13]。綜上所述，人工智能技術(shù)與數(shù)據(jù)要素融合能夠發(fā)揮 ?₁+1gt;2^′ 的價(jià)值倍增作用，這種融合效應(yīng)為實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展開辟了新路徑。

1.2數(shù)智融合與區(qū)域經(jīng)濟(jì)發(fā)展

新時(shí)代，我國區(qū)域經(jīng)濟(jì)發(fā)展水平呈顯著分化格局。黨中央提出以創(chuàng)新驅(qū)動為核心的區(qū)域協(xié)調(diào)發(fā)展新路徑，強(qiáng)調(diào)通過培育區(qū)域創(chuàng)新生態(tài)系統(tǒng)構(gòu)建高質(zhì)量發(fā)展的新型動力機(jī)制，以此推動區(qū)域發(fā)展格局優(yōu)化和能級提升[14]。

區(qū)域創(chuàng)新系統(tǒng)理論指出，區(qū)域創(chuàng)新活動主要通過企業(yè)、研究機(jī)構(gòu)、政府等主體間互動與協(xié)作實(shí)現(xiàn)[15]。同時(shí)，創(chuàng)新能力是推動區(qū)域經(jīng)濟(jì)發(fā)展的核心驅(qū)動力之二[11，13，16]。隨著數(shù)字經(jīng)濟(jì)深人發(fā)展，數(shù)據(jù)要素與人工智能技術(shù)的深度融合正在重塑區(qū)域創(chuàng)新系統(tǒng)運(yùn)行模式。一方面，二者融合有助于降低創(chuàng)新系統(tǒng)運(yùn)行成本、提升資源配置效率；另一方面，通過要素協(xié)同與數(shù)據(jù)驅(qū)動，能夠顯著增強(qiáng)區(qū)域創(chuàng)新能力，為區(qū)域創(chuàng)新生態(tài)優(yōu)化升級奠定基礎(chǔ)[1]。具體而言，一是數(shù)據(jù)作為新生產(chǎn)要素，屬于典型的輕資產(chǎn)，通過與人工智能、云計(jì)算等數(shù)字技術(shù)融合，有助于解決傳統(tǒng)創(chuàng)新中的高投入、高門檻問題，突破空間限制，減少信息不對稱，提升創(chuàng)新普惠性。特別是對于欠發(fā)達(dá)地區(qū)而言，有助于獲取數(shù)字資源、發(fā)展數(shù)字經(jīng)濟(jì)[18]、產(chǎn)生倍增效應(yīng)[1]。二是數(shù)據(jù)要素具有流動性和跨時(shí)空優(yōu)勢，能夠支撐平臺經(jīng)濟(jì)快速發(fā)展，同時(shí)，人工智能技術(shù)和算法應(yīng)用能夠顯著提高要素匹配效率，促進(jìn)勞動力和資本自由流動[19]，優(yōu)化就業(yè)結(jié)構(gòu)和商業(yè)模式，進(jìn)而帶動產(chǎn)業(yè)轉(zhuǎn)型升級，緩解地區(qū)經(jīng)濟(jì)發(fā)展不平衡問題。因此，本文提出研究假設(shè)：

H₁ ：數(shù)智融合能夠縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。

1.3數(shù)智融合影響區(qū)域經(jīng)濟(jì)發(fā)展差距的作用機(jī)制

研究表明，區(qū)域經(jīng)濟(jì)差距主要源于創(chuàng)新能力、產(chǎn)業(yè)結(jié)構(gòu)和資源配置效率的不同[10，20-21]，因此本文將從區(qū)域創(chuàng)新能力、產(chǎn)業(yè)結(jié)構(gòu)和資源配置效率角度探討二者融合對區(qū)域經(jīng)濟(jì)發(fā)展差距的影響。

1.3.1數(shù)智融合、區(qū)域創(chuàng)新能力與區(qū)域經(jīng)濟(jì)發(fā)展差距

區(qū)域創(chuàng)新能力具有顯著的經(jīng)濟(jì)驅(qū)動效應(yīng)，有助于欠發(fā)達(dá)地區(qū)構(gòu)建“技術(shù)追趕—能力提升—差距收小\"的良性發(fā)展機(jī)制。一方面，當(dāng)?shù)仄髽I(yè)借助人工智能技術(shù)對海量數(shù)據(jù)進(jìn)行處理與分析，不僅能夠提高數(shù)據(jù)價(jià)值轉(zhuǎn)化效率，而且通過數(shù)據(jù)平臺與知識共享機(jī)制，為地區(qū)實(shí)現(xiàn)技術(shù)追趕創(chuàng)造了條件[11]。另一方面，數(shù)據(jù)要素與人工智能技術(shù)協(xié)同重構(gòu)了區(qū)域創(chuàng)新網(wǎng)絡(luò)，通過開放數(shù)據(jù)平臺等形式，促進(jìn)企業(yè)、科研機(jī)構(gòu)與政府間的跨區(qū)域合作及知識協(xié)同，推動欠發(fā)達(dá)地區(qū)技術(shù)進(jìn)步[20]。因此，人工智能技術(shù)應(yīng)用促進(jìn)創(chuàng)新水平提升[22]，而數(shù)據(jù)要素的加入則使得企業(yè)創(chuàng)新活動不再過度依賴傳統(tǒng)的資本與技術(shù)積累，二者融合為后發(fā)地區(qū)提供了更為普惠的創(chuàng)新路徑，有助于縮小區(qū)域經(jīng)濟(jì)差距。基于此，本文提出如下研究假設(shè)：

H₂ ：數(shù)智融合通過提升區(qū)域創(chuàng)新能力縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。

1.3.2數(shù)智融合、產(chǎn)業(yè)結(jié)構(gòu)與區(qū)域經(jīng)濟(jì)發(fā)展差距

根據(jù)產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)規(guī)律，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級是實(shí)現(xiàn)經(jīng)濟(jì)增長的重要基礎(chǔ)。數(shù)字技術(shù)通過廣泛滲透重塑產(chǎn)業(yè)分工體系與生產(chǎn)方式，推動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級[23]，提升產(chǎn)業(yè)數(shù)字化水平，推動區(qū)域產(chǎn)業(yè)從低附加值、資源依賴型轉(zhuǎn)向高附加值、高技術(shù)密集型[24]。換言之，數(shù)智融合通過重構(gòu)產(chǎn)業(yè)價(jià)值鏈、優(yōu)化要素配置，賦能產(chǎn)業(yè)轉(zhuǎn)型升級。例如制造業(yè)通過智能制造提升生產(chǎn)效率和產(chǎn)品質(zhì)量，推動制造流程柔性化、定制化，提高產(chǎn)品附加值；服務(wù)業(yè)通過大規(guī)模數(shù)據(jù)分析和人工智能技術(shù)應(yīng)用，提升客戶體驗(yàn)感和服務(wù)效率，特別是在醫(yī)療、金融等領(lǐng)域，實(shí)現(xiàn)互補(bǔ)性增強(qiáng)。這種由數(shù)字要素與人工智能技術(shù)融合驅(qū)動的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化不僅能夠提升區(qū)域經(jīng)濟(jì)競爭力，為欠發(fā)達(dá)地區(qū)提供低門檻轉(zhuǎn)型路徑[25]，而且有助于實(shí)現(xiàn)區(qū)域產(chǎn)業(yè)分工協(xié)同，從而推動區(qū)域經(jīng)濟(jì)差距結(jié)構(gòu)性收斂，助力區(qū)域協(xié)調(diào)發(fā)展。因此，本文提出研究假設(shè)：

H₃ ：數(shù)智融合通過促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)高級化縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。

1.3.3數(shù)智融合、資源錯配與區(qū)域經(jīng)濟(jì)發(fā)展差距

資源錯配是導(dǎo)致各地區(qū)生產(chǎn)效率不同和經(jīng)濟(jì)發(fā)展不平衡的重要原因[21]。制度約束、要素流動壁壘以及信息不對稱等因素導(dǎo)致資源難以在不同行業(yè)和地區(qū)間實(shí)現(xiàn)高效配置，在一定程度上抑制生產(chǎn)要素的最優(yōu)配置與經(jīng)濟(jì)效率的提升[26]。數(shù)據(jù)要素為人工智能模型訓(xùn)練和應(yīng)用提供了要素基礎(chǔ)，尤其是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法需要大量數(shù)據(jù)以提取特征、模式和規(guī)律，最終通過優(yōu)化算法和智能決策，提高資源配置效率[27]。在數(shù)智融合下，基于數(shù)字平臺的協(xié)同機(jī)制和邊際成本遞減效應(yīng)，欠發(fā)達(dá)地區(qū)也能參與資源整合與調(diào)度網(wǎng)絡(luò)中，實(shí)現(xiàn)供需匹配與跨區(qū)域資源優(yōu)化。這一機(jī)制有助于緩解區(qū)域資源錯配，提高整體資源利用效率，進(jìn)而縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。綜上，本文提出研究假設(shè)：

H₄ ：數(shù)智融合通過降低資源錯配縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。

1.4創(chuàng)新基建對區(qū)域經(jīng)濟(jì)發(fā)展差距的調(diào)節(jié)機(jī)制

數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)據(jù)、信息等軟資源正在成為推動區(qū)域發(fā)展的核心要素。同時(shí)，人工智能技術(shù)作為這些要素實(shí)現(xiàn)價(jià)值轉(zhuǎn)化的推手，通過特征提取、語義建模、智能預(yù)測等方式顯著放大數(shù)據(jù)要素的生產(chǎn)力效應(yīng)。而以政府為主導(dǎo)、以技術(shù)創(chuàng)新為驅(qū)動的新型基礎(chǔ)設(shè)施為這些新資源要素提供了必要的物理承載和制度支撐[28]

創(chuàng)新基建作為科技創(chuàng)新層面的新型基礎(chǔ)設(shè)施公共品，不僅包括產(chǎn)業(yè)技術(shù)創(chuàng)新基礎(chǔ)設(shè)施、科教基礎(chǔ)設(shè)施和國家級重大科技基礎(chǔ)設(shè)施等硬件設(shè)施，而且涵蓋研發(fā)經(jīng)費(fèi)和創(chuàng)新投人等常態(tài)化管理[29]。創(chuàng)新基礎(chǔ)設(shè)施具有典型的網(wǎng)絡(luò)化特征和正外部性效應(yīng)，能顯著降低數(shù)據(jù)要素流通成本和人工智能技術(shù)應(yīng)用成本，同時(shí)，改善區(qū)域創(chuàng)新系統(tǒng)的整體效能，為數(shù)智融合創(chuàng)造更有利的生態(tài)環(huán)境[30]。產(chǎn)業(yè)基礎(chǔ)薄弱以及政策支持不足等多重制約，欠發(fā)達(dá)地區(qū)在技術(shù)教育、研發(fā)投入和基礎(chǔ)設(shè)施建設(shè)等方面存在明顯短板，導(dǎo)致其在數(shù)字經(jīng)濟(jì)要素獲取和應(yīng)用上處于相對劣勢[5]。這種數(shù)字技術(shù)能力的分化不僅會擴(kuò)大傳統(tǒng)的技術(shù)鴻溝，而且可能通過數(shù)據(jù)要素的累積效應(yīng)和人工智能技術(shù)的自我強(qiáng)化特性，進(jìn)一步加劇區(qū)域經(jīng)濟(jì)發(fā)展不平衡問題。據(jù)此，本文提出假設(shè)：

H₅ ：創(chuàng)新基建投入水平調(diào)節(jié)數(shù)智融合對區(qū)域經(jīng)濟(jì)發(fā)展差距的影響效應(yīng)。

綜上所述，構(gòu)建本研究理論框架如圖1所示。

圖1理論框架

Fig.1Theoretical framework

2 研究設(shè)計(jì)

2.1 變量說明

2.1.1 被解釋變量：區(qū)域經(jīng)濟(jì)發(fā)展差距

參考現(xiàn)有研究[31-32]，以區(qū)域經(jīng)濟(jì)發(fā)展差距（ Egap ）作為被解釋變量。計(jì)算公式為：

其中， n 表示區(qū)域數(shù)量， Pgap_i，t 與 Pgap_j，t 分別表示 Ψ_t 時(shí)期 i 地區(qū)與 j 地區(qū)的人均 GDP 。 Egap_i，t 越大，意味著該區(qū)域與其他區(qū)域經(jīng)濟(jì)差距越大，亦表明區(qū)域經(jīng)濟(jì)發(fā)展不平衡現(xiàn)象越顯著。

2.1.2核心解釋變量：數(shù)智融合度

區(qū)別于傳統(tǒng)生產(chǎn)要素的有形特征，數(shù)據(jù)要素與人工智能技術(shù)具有典型的無形屬性，其互動價(jià)值與協(xié)同作用難以通過單一維度進(jìn)行量化評估。耦合協(xié)調(diào)度模型作為測度整體均衡發(fā)展程度的有效評價(jià)工具，被廣泛用于經(jīng)濟(jì)系統(tǒng)中子系統(tǒng)間互動關(guān)系的評估。基于此，本文借鑒程名望和褚羽舟[10]的研究，通過構(gòu)建多維指標(biāo)體系對兩類要素進(jìn)行系統(tǒng)測度，并運(yùn)用耦合協(xié)調(diào)度模型量化分析數(shù)智融合水平（ x ），通過計(jì)算數(shù)據(jù)要素與人工智能技術(shù)相互作用強(qiáng)度和協(xié)同發(fā)展水平，有效反映其融合質(zhì)量。

（1）數(shù)據(jù)要素評價(jià)體系及測算。數(shù)據(jù)作為數(shù)字經(jīng)濟(jì)時(shí)代的新型生產(chǎn)要素，其價(jià)值實(shí)現(xiàn)具有典型的系統(tǒng)性和協(xié)同性，需要數(shù)據(jù)提供方、采集方、傳輸網(wǎng)絡(luò)以及信息技術(shù)應(yīng)用方的協(xié)同支撐[2]。借鑒聶昀秋等[33]的研究方法，捕捉數(shù)據(jù)要素從形成到價(jià)值實(shí)現(xiàn)的全過程核心屬性。第一，數(shù)據(jù)要素采集和運(yùn)載能力涵蓋數(shù)據(jù)要素來源、后續(xù)處理和應(yīng)用基礎(chǔ)等方面。借鑒劉治彥和王謙[34的研究，互聯(lián)網(wǎng)與移動電話普及率決定數(shù)據(jù)采集廣度和密度，故采用互聯(lián)網(wǎng)與移動電話普及率衡量數(shù)據(jù)要素采集水平。數(shù)據(jù)要素運(yùn)載能力涉及數(shù)據(jù)要素處理和運(yùn)營平臺兩方面，故采用地區(qū)信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)固定資產(chǎn)投資占比衡量，體現(xiàn)數(shù)據(jù)要素的傳輸、存儲和處理能力。數(shù)據(jù)要素采集和運(yùn)載能力的組合使用，不僅考慮數(shù)據(jù)要素的產(chǎn)生源頭，而且兼顧數(shù)據(jù)要素流動的技術(shù)支撐，能較為全面地刻畫數(shù)據(jù)要素的基礎(chǔ)性特征。第二，根據(jù)區(qū)域創(chuàng)新系統(tǒng)理論，創(chuàng)新不是孤立的活動，而是一個(gè)系統(tǒng)性、多主體協(xié)同過程，政府行為對保障數(shù)據(jù)要素應(yīng)用與安全發(fā)揮至關(guān)重要的作用，亦反映其對數(shù)據(jù)要素的重視程度，因此采用大數(shù)據(jù)綜合試驗(yàn)區(qū)數(shù)量和地區(qū)發(fā)布的促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展的政策詞頻進(jìn)行衡量。這些指標(biāo)既包含硬件基礎(chǔ)設(shè)施考量，又納入制度軟環(huán)境評估，能較為全面地反映數(shù)據(jù)要素發(fā)展的政策生態(tài)。第三，數(shù)據(jù)要素價(jià)值轉(zhuǎn)換是指數(shù)據(jù)要素通過處理、分析和利用，產(chǎn)生的實(shí)際經(jīng)濟(jì)價(jià)值。基于數(shù)據(jù)可得性，采用地區(qū)信息技術(shù)服務(wù)、軟件業(yè)務(wù)及嵌入式系統(tǒng)軟件收入占比和中國數(shù)字普惠金融指數(shù)衡量數(shù)據(jù)的經(jīng)濟(jì)與社會價(jià)值。

（2）人工智能技術(shù)評價(jià)體系及測算。現(xiàn)有文獻(xiàn)對人工智能技術(shù)的度量主要采用專利數(shù)據(jù)和國際機(jī)器人聯(lián)合會（IFR）統(tǒng)計(jì)的工業(yè)機(jī)器人數(shù)據(jù)，但人工智能技術(shù)應(yīng)用不僅僅體現(xiàn)在工業(yè)機(jī)器人使用上，由于其逐漸具備視覺識別、深度學(xué)習(xí)等能力，廣泛應(yīng)用于生產(chǎn)生活領(lǐng)域。因此，本文從發(fā)展水平和應(yīng)用程度兩個(gè)維度構(gòu)建區(qū)域人工智能技術(shù)評價(jià)指標(biāo)，如表1所示。首先，通過“企查查\"對企業(yè)經(jīng)營范圍中涉及芯片、圖像識別、計(jì)算機(jī)視覺、語音識別、傳感器等與人工智能技術(shù)相關(guān)內(nèi)容進(jìn)行關(guān)鍵詞匹配，再按照年份和地區(qū)進(jìn)行歸總，以衡量該地區(qū)人工智能技術(shù)發(fā)展水平。其次，專利數(shù)據(jù)是衡量技術(shù)創(chuàng)新活動的有效指標(biāo)，學(xué)界普遍采用專利數(shù)據(jù)作為人工智能技術(shù)應(yīng)用水平的代理變量[11，35]。借鑒上述思想，本文利用Python網(wǎng)絡(luò)爬蟲技術(shù)采集專利數(shù)據(jù)，將與人工智能技術(shù)相關(guān)的關(guān)鍵詞（如大數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、云計(jì)算、智能芯片、計(jì)算機(jī)視覺、人機(jī)交互、無人駕駛、智慧城市智能機(jī)器人等）按省份分類匯總后作為衡量各地區(qū)人工智能技術(shù)應(yīng)用水平的指標(biāo)。

表1數(shù)據(jù)要素和人工智能技術(shù)評價(jià)指標(biāo)

Table1 Dataelementsandartificialintelligencetechnologyevaluationmetrics

（3）數(shù)據(jù)要素與人工智能技術(shù)融合度 測算。根據(jù)表1，利用熵值法確定數(shù)據(jù)要素與人工智能技術(shù)權(quán)重，分別設(shè)為 x_d 和 x 再計(jì)算耦合協(xié)調(diào)度。具體評價(jià)過程為：

第一，以數(shù)據(jù)要素評價(jià)指標(biāo) x_d 為例， Σ_m 和 n 分別表示評價(jià)區(qū)域與評價(jià)指標(biāo)數(shù)量，指標(biāo)值為 X_ij（i=1，2，… m：j=1，2，…，n） 。本文中 m=30 ， n=7 。

第二，為了避免不同量綱對評價(jià)指標(biāo)的影響，對指標(biāo)進(jìn)行無量綱化處理。 Y_ij 為 i 區(qū)域第 j 項(xiàng)指標(biāo)的無量綱化值， 。

第三，計(jì)算 i 區(qū)域第 j 個(gè)指標(biāo)的比重， P_ij=Y_ij / 。

第四，計(jì)算指標(biāo)熵值 ?1 。

第五，計(jì)算指標(biāo)的差異性系數(shù)g；＝1一e；。

第六，確定指標(biāo)權(quán)重

第七，計(jì)算評價(jià)指數(shù)， ，其中， k 為二級指標(biāo)， j 為三級指標(biāo)。人工智能技術(shù)評價(jià)指標(biāo) x_r 同理。

第八，在得到 x_d 和 后，采用耦合協(xié)調(diào)度模型評估系統(tǒng)融合水平。其中，耦合度 [0，1]；協(xié)調(diào)度 T=a?x_d+b?x_r，T∈[0，1] ；融合度 。融合度 x 值越大，表明數(shù)智融合度越高，亦反映系統(tǒng)協(xié)同發(fā)展水平越高。

2.1.3 中介變量

區(qū)域創(chuàng)新能力（score）。本文參考現(xiàn)有研究，采用中國區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)（IRIEC）[36]衡量區(qū)域創(chuàng)新能力。該指數(shù)涵蓋新建企業(yè)數(shù)量、風(fēng)險(xiǎn)投資規(guī)模、專利授權(quán)量等5個(gè)維度，綜合評估區(qū)域創(chuàng)新創(chuàng)業(yè)活力與績效，具有多維性和實(shí)時(shí)性。

產(chǎn)業(yè)結(jié)構(gòu)高級化（aduanced）。采用各省份第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值之比測度。

資源錯配程度（allocation）。借鑒劉誠和夏杰長[21]的研究，首先，在假定生產(chǎn)函數(shù)為柯布道格拉斯生產(chǎn)函數(shù)的基礎(chǔ)上，得到資本和勞動力的邊際產(chǎn)出；其次，根據(jù)勞動力和資本的邊際產(chǎn)出與其價(jià)格的偏離程度得到勞動力、資本錯配指數(shù)，并最終得到總體錯配指數(shù)；最后，用各城市當(dāng)年的總體錯配指數(shù)與本年度錯配指數(shù)的最大值之比衡量各城市資源配置效率，比值越小說明該地區(qū)資源錯配程度越低。

2.1.4 調(diào)節(jié)變量：創(chuàng)新基建 ）

借鑒伍先福等[30]的研究，采用熵值法對Ramp;D經(jīng)

費(fèi)投入強(qiáng)度、科學(xué)技術(shù)支出占比、 Ramp;D 人員占比和人均有效專利數(shù)進(jìn)行測度，計(jì)算各省份創(chuàng)新基建得分，以此衡量地區(qū)創(chuàng)新基建水平。

2.1.5 控制變量

參考已有研究，選取以下控制變量[5，10]： ① 收入水平（wage），收入水平影響居民消費(fèi)、投資等總需求，亦對區(qū)域經(jīng)濟(jì)具有一定影響，本文使用各地區(qū)平均工資額并取對數(shù)表示； ② 貿(mào)易開放度（tred），我國各區(qū)域?qū)ν赓Q(mào)易程度存在巨大差異，其是導(dǎo)致地區(qū)經(jīng)濟(jì)發(fā)展不均衡的重要原因之一，本文采用進(jìn)出口總額與GDP的比值表示貿(mào)易開放度； ③ 政府干預(yù)程度 （gov） ，政府行為是影響地區(qū)經(jīng)濟(jì)的重要因素，而地方財(cái)政支出是其干預(yù)經(jīng)濟(jì)發(fā)展的主要手段，本文采用政府預(yù)算支出與GDP的比值表示政府干預(yù)程度； ④ 金融發(fā)展水平（fn），金融發(fā)展水平與地區(qū)經(jīng)濟(jì)息息相關(guān)，地區(qū)經(jīng)濟(jì)發(fā)展水平高，其金融發(fā)展水平也高。本文采用年末金融機(jī)構(gòu)存貸款余額之和占GDP的比重測度。各變量描述性統(tǒng)計(jì)結(jié)果見表2。

表2變量描述性統(tǒng)計(jì)結(jié)果

Table2 Variable descriptive statistics

2.2 模型設(shè)定

首先，基于上述分析，為檢驗(yàn)數(shù)智融合對區(qū)域經(jīng)濟(jì)的影響，構(gòu)建基于面板數(shù)據(jù)的實(shí)證模型：

egap_i，t=α₀+α₁x_i，t+δControls_i，t+γ_i+λ_t+ε_i，t

式（1）中，區(qū)域經(jīng)濟(jì)差距 （egap_i，t ）為被解釋變量，表明地區(qū) i 在時(shí)間 Ψ_t 的經(jīng)濟(jì)發(fā)展差距；數(shù)智融合度 （x） 為核心解釋變量，表示地區(qū) i 在時(shí)間 Ψ_t 的數(shù)據(jù)要素與人工智能技術(shù)融合度； α₀ 為常數(shù)項(xiàng)，Controls為控制變量集，包括收入水平（wage）貿(mào)易開放度 （tred） ，政府干預(yù)程度（gou）和金融發(fā)展水平 （fin），γ_i 為個(gè)體固定效應(yīng)， λ_t 為時(shí)間固定效應(yīng)， ε_i，t 為隨機(jī)干擾項(xiàng)。

其次，為研究解釋變量通過何種路徑影響被解釋變量，借鑒中介效用兩步法，通過兩段式回歸進(jìn)行機(jī)制檢驗(yàn)。根據(jù)假設(shè) H₂、H₃ 和 H₄ ，構(gòu)建模型如下：

Ei，t

ε_i，t

score_i，t=κ₀+κ₁x_i，t+δControls_i，t+γ_i+λ_t+ε_i，t

式中，產(chǎn)業(yè)高級化（aduanced）、資源錯配程度（allocation）、區(qū)域創(chuàng)新能力（score）分別為機(jī)制變量，其他符號同式（1）。

最后，為驗(yàn)證創(chuàng)新基建在數(shù)智融合影響區(qū)域經(jīng)濟(jì)差距中的調(diào)節(jié)效應(yīng)，構(gòu)建模型如下：

gap_i，t=α₀+α₁x_i，t+α₂infra_innoi，t+α₃x_i，tinfra_innoi，

進(jìn)一步地，數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的影響可能

存在非線性特征，本文采用面板門檻回歸方法，嘗試識別是否存在顯著門檻變量及其臨界值。具體模型構(gòu)建如下：

ega?_i，t=α₀+α₁x_i，t×I（thr_i，t?θ）+α₂x_i，t× （20 （6）

式中， thr_i，t 為門檻變量， θ 為待估門檻值，I（·）為示性函數(shù)。當(dāng) I=1 時(shí)，括號中表達(dá)式成立，其他符號同式（1）。

2.3 數(shù)據(jù)來源與處理

選取 2012-2023 年我國內(nèi)地30個(gè)省份（西藏因數(shù)據(jù)不全未納入）為樣本，數(shù)據(jù)主要來源于歷年《中國城市統(tǒng)計(jì)年鑒》、CSMAR數(shù)據(jù)庫、CNRDS數(shù)據(jù)庫、中國區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)（IRIEC）、北京大學(xué)數(shù)字普惠金融指數(shù)報(bào)告。此外，企業(yè)層面人工智能技術(shù)發(fā)展數(shù)據(jù)來源于企查查，專利數(shù)據(jù)來源于中國專利數(shù)據(jù)庫。為了保證數(shù)據(jù)結(jié)果的可靠性、準(zhǔn)確性和穩(wěn)定性，對數(shù)據(jù)進(jìn)行以下處理：對缺失值進(jìn)行線性插補(bǔ)、對數(shù)值波動較大的變量進(jìn)行對數(shù)化處理，最終得到360個(gè)有效樣本。

3 實(shí)證分析

本研究主要使用Statal8.0軟件對相關(guān)數(shù)據(jù)進(jìn)行處理。實(shí)證分析前，采用方差膨脹因子VIF值檢驗(yàn)共線性。結(jié)果顯示，VIF值處于 1.529～2.755 的范圍內(nèi)，低于臨界值10，表明本文選取的指標(biāo)不存在嚴(yán)重的多重共線性。同時(shí)，Hausman檢驗(yàn)和F檢驗(yàn)結(jié)果均顯著拒絕原假設(shè)。因此，本研究選擇固定效應(yīng)模型進(jìn)行回歸分析。

3.1 基準(zhǔn)回歸結(jié)果

為提升實(shí)證結(jié)果穩(wěn)健性，采用逐步回歸法進(jìn)行檢驗(yàn)。表3中列（1）（2）（3）分別為混合效應(yīng)模型、個(gè)體固定效應(yīng)模型和雙固定效應(yīng)模型，結(jié)果表明，數(shù)智融合度 （x） 0與區(qū)域經(jīng)濟(jì)發(fā)展差距 （egap） 至少在 10% 的統(tǒng)計(jì)水平上存在顯著負(fù)向關(guān)系，說明二者融合有助于縮小區(qū)域經(jīng)濟(jì)差距。因此，本文假設(shè) H₁ 得到驗(yàn)證。

表3基準(zhǔn)回歸結(jié)果Table3Benchmarkregression results

注： x??? 、 ** 和 分別表示 1%.5% 和 10% 的顯著性水平；括號內(nèi)為t值，下同

表3中列（4）（5）分別表示數(shù)據(jù)要素（De）與人工智能技術(shù)（AI）對區(qū)域經(jīng)濟(jì)發(fā)展差距的影響，結(jié)果表明，數(shù)據(jù)要素與人工智能技術(shù)分別對區(qū)域經(jīng)濟(jì)發(fā)展差距的影響不顯著，亦側(cè)面反映出數(shù)智融合對促進(jìn)區(qū)域協(xié)調(diào)發(fā)展的有效性。

3.2 中介效應(yīng)檢驗(yàn)

運(yùn)用兩步法檢驗(yàn)中介效應(yīng)。由表4列（1）（3）可知，核心解釋變量數(shù)智融合度 在 1% 的水平上與變量產(chǎn)業(yè)高級化（aduanced）、區(qū)域創(chuàng)新能力（score）顯著正相關(guān)，說明產(chǎn)業(yè)高級化（aduanced）、區(qū)域創(chuàng)新能力（score）提高會增強(qiáng)經(jīng)濟(jì)發(fā)展內(nèi)生動力，提升區(qū)域技術(shù)水平與產(chǎn)出附加值，進(jìn)而抑制區(qū)域經(jīng)濟(jì)發(fā)展差距（egap）擴(kuò)大；列（2）結(jié)果則顯示，數(shù)智融合度 和資源錯配（allocation）存在顯著負(fù)相關(guān)關(guān)系，即資源錯配程度增大會導(dǎo)致區(qū)域經(jīng)濟(jì)發(fā)展差距（egap）擴(kuò)大。因此，中介效應(yīng)成立，即假設(shè) H₂、H₃ 和 H₄ 得到驗(yàn)證。

表4中介效應(yīng)檢驗(yàn)結(jié)果

Table4Mediationeffecttestresults

3.3 調(diào)節(jié)效應(yīng)檢驗(yàn)

本文通過加人調(diào)節(jié)變量與核心解釋變量的交互項(xiàng)來驗(yàn)證是否存在調(diào)節(jié)效應(yīng)，考慮到交互項(xiàng)與單項(xiàng)的共線性可能影響基準(zhǔn)回歸結(jié)果，因此回歸時(shí)只需觀察交互項(xiàng)符號以及系數(shù)顯著性。表5表明，核心解釋變量 x 與調(diào)節(jié)變量創(chuàng)新基建水平（infra_inno）的交互項(xiàng)系數(shù)在 1% 水平上顯著為負(fù)，與解釋變量 （x ）同號，表明在其他條件不變情形下創(chuàng)新基建水平（infra_inno）越高，數(shù)智融合度 對區(qū)域經(jīng)濟(jì)差距（egap）的抑制作用越強(qiáng)。這說明在創(chuàng)新基建水平較高地區(qū)，研發(fā)經(jīng)費(fèi)投入和科技支出為數(shù)智融合提供了持續(xù)的創(chuàng)新生態(tài)保障，形成“投入一產(chǎn)出一再投入\"的良性循環(huán)，即區(qū)域創(chuàng)新基礎(chǔ)設(shè)施越完善，數(shù)智融合越有助于縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。因此，區(qū)域創(chuàng)新基礎(chǔ)設(shè)施的調(diào)節(jié)效應(yīng)成立，假設(shè) H₅ 得到驗(yàn)證。

表5調(diào)節(jié)效應(yīng)檢驗(yàn)結(jié)果

Table5Moderationeffecttestresults

3.4 內(nèi)生性與穩(wěn)健性檢驗(yàn)

3.4.1 內(nèi)生性問題

為克服潛在的內(nèi)生性問題，采用2SLS方法進(jìn)行估計(jì)，以內(nèi)生變量一階滯后項(xiàng)作為工具變量。表6中列（1）顯示，工具變量與內(nèi)生變量存在顯著的相關(guān)性。此外，不可識別檢驗(yàn)與弱工具變量檢驗(yàn)結(jié)果均顯著拒絕原假設(shè)，表明工具變量選取有效，且滿足外生性。列（2）為利用工具變量糾正內(nèi)生變量的偏誤結(jié)果，結(jié)果顯示，解釋變量在 1% 水平上顯著為負(fù)，表明估計(jì)結(jié)果具有穩(wěn)健性。

3.4.2 時(shí)滯性檢驗(yàn)

為檢驗(yàn)?zāi)Ｐ蜁r(shí)滯效應(yīng)并緩解雙向因果問題，對解釋變量進(jìn)行一階與二階的滯后處理。表6列（3）（4）顯示，經(jīng)滯后處理解釋變量仍在 1% 水平上顯著為負(fù)，與前文結(jié)論一致，再次證實(shí)研究發(fā)現(xiàn)的穩(wěn)健性。

3.4.3調(diào)整研究樣本

為增強(qiáng)研究結(jié)論的普適性，通過剔除北京、上海等直轄市樣本進(jìn)行敏感性檢驗(yàn)，以降低特殊樣本對估計(jì)結(jié)果的潛在影響。從表6列（5）回歸結(jié)果可知，在剔除特殊樣本后的檢驗(yàn)結(jié)果表明，數(shù)智融合度 依然在

1% 水平上與區(qū)域經(jīng)濟(jì)發(fā)展差距（egap）存在顯著的負(fù)相關(guān)關(guān)系 （-5.274，plt;0.01） ，表明結(jié)論在普通樣本中同樣適用。

3.4.4更換估計(jì)方法

為控制估計(jì)方法可能產(chǎn)生的偏差，采用FGLS方法進(jìn)行穩(wěn)健性檢驗(yàn)，以有效解決模型存在的組間異方

差和組內(nèi)自相關(guān)問題，回歸結(jié)果如表6列（6）（7）所示。結(jié)果顯示，數(shù)智融合度（ x ）和區(qū)域經(jīng)濟(jì)發(fā)展差距（egap）依舊呈顯著負(fù)相關(guān)關(guān)系。

從上述結(jié)果可知，在通過一系列內(nèi)生性考慮和穩(wěn)健性檢驗(yàn)后，數(shù)智融合度對區(qū)域經(jīng)濟(jì)發(fā)展差距的影響均顯著為負(fù)，與前文保持一致，因此本文結(jié)論穩(wěn)健。

表6內(nèi)生性與穩(wěn)健性檢驗(yàn)結(jié)果Table6Endogeneityand robustnesstest results

注：列（6）（7）中括號內(nèi)為Z統(tǒng)計(jì)量

4異質(zhì)性檢驗(yàn)與進(jìn)一步分析

4.1 異質(zhì)性分析

為探究數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的影響在不同樣本中是否存在異質(zhì)性，本文采用分組回歸的方式進(jìn)行分析，結(jié)果如表7所示。列（1）（3）顯示，數(shù)智融合度顯著縮小東部和西部地區(qū)經(jīng)濟(jì)差距，但對中部地區(qū)影響不顯著，呈現(xiàn)“兩頭強(qiáng)、中間弱”的空間分布特征。

其可能的原因?yàn)椋簴|部地區(qū)勞動力和專業(yè)化技能集中，吸引企業(yè)不斷向該地區(qū)集聚，進(jìn)而通過溢出效應(yīng)帶動周邊區(qū)域進(jìn)步；西部地區(qū)在國家政策的大力扶持下，通過“東數(shù)西算”工程及特色產(chǎn)業(yè)數(shù)字化，不斷培育壯大數(shù)字產(chǎn)業(yè)，推動互聯(lián)網(wǎng)、大數(shù)據(jù)與實(shí)體經(jīng)濟(jì)深度融合。同時(shí)，由于具有多元共享、跨界融合和低成本特征，數(shù)據(jù)要素通過融合人工智能技術(shù)有助于第二、三產(chǎn)業(yè)基礎(chǔ)較弱的西部地區(qū)以更低成本縮小與東部及中部地區(qū)的發(fā)展差距。中部地區(qū)擁有較成熟的產(chǎn)業(yè)發(fā)展路線，但是相比于東部地區(qū)，缺乏資源優(yōu)勢與技術(shù)優(yōu)勢，相比于西部地區(qū)又缺乏政策關(guān)注，使得數(shù)據(jù)要素與人工智能技術(shù)的融合度較弱，難以顯著促進(jìn)區(qū)域協(xié)調(diào)發(fā)展。

表7異質(zhì)性分析結(jié)果Table7 Heterogeneity analysis results

4.2數(shù)智融合對區(qū)域經(jīng)濟(jì)差距影響的進(jìn)一步分析

為檢驗(yàn)數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的影響是否存在門檻效應(yīng)，通過Bootstrap法對門檻存在性進(jìn)行檢驗(yàn)，進(jìn)行500次反復(fù)抽樣，得到檢驗(yàn)結(jié)果如表8所示。結(jié)果顯示，單一門檻在 1% 的水平上顯著。進(jìn)一步檢驗(yàn)發(fā)現(xiàn)，二階門檻效應(yīng)未達(dá)到顯著性水平。這表明數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的影響存在顯著的單一門檻特征。

表9為門檻效應(yīng)檢驗(yàn)結(jié)果，結(jié)果表明，金融發(fā)展水平（fin）在數(shù)智融合度 影響區(qū)域經(jīng)濟(jì)差距（egap）的過程中存在顯著的門檻效應(yīng)。具體來說，當(dāng)金融發(fā)展水平（fin）小于6.173時(shí)，數(shù)智融合度（ x ）對區(qū)域經(jīng)濟(jì)差距（egap）的影響在 1% 水平上顯著為負(fù)；但當(dāng)金融發(fā)展水平（fn）大于或等于6.173臨界值時(shí)，數(shù)智融合度 對區(qū)域經(jīng)濟(jì)差距 ）的影響為正，即擴(kuò)大了區(qū)域經(jīng)濟(jì)差距。

表8門限估計(jì)值與門檻效應(yīng)檢驗(yàn)

Table8Thresholdestimationvaluesandthresholdeffecttest

表9門檻效應(yīng)回歸結(jié)果Table9Threshold effectregression results

造成上述結(jié)果的原因可能是，較低的金融發(fā)展水平下企業(yè)融資渠道有限，促使企業(yè)依賴數(shù)智融合提高資源利用效率和創(chuàng)新能力，推動地區(qū)產(chǎn)業(yè)升級，進(jìn)而縮小區(qū)域經(jīng)濟(jì)差距。相反，在金融發(fā)展水平較高地區(qū)，創(chuàng)新要素傾向于向經(jīng)濟(jì)基礎(chǔ)好、回報(bào)率高地區(qū)集聚，形成資源配置的結(jié)構(gòu)性偏向。這種過度集中不僅削弱落后地區(qū)對資金和技術(shù)可獲得性，而且驅(qū)使資本追求短期回報(bào)，降低對欠發(fā)達(dá)地區(qū)的投入意愿，從而抑制數(shù)智融合的普惠性效應(yīng)，加劇區(qū)域發(fā)展不平衡，進(jìn)一步擴(kuò)大區(qū)域經(jīng)濟(jì)差距。

5 研究結(jié)論與建議

5.1 研究結(jié)論

基于區(qū)域創(chuàng)新系統(tǒng)理論，本研究利用2012一2023年中國內(nèi)地30個(gè)省份面板數(shù)據(jù)，構(gòu)建數(shù)據(jù)要素與人工智能技術(shù)評價(jià)指標(biāo)體系，采用熵權(quán)法和耦合協(xié)調(diào)度模型測度二者融合水平，通過固定效應(yīng)模型和門檻效應(yīng)模型，系統(tǒng)考察數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的影響機(jī)制。研究結(jié)論如下：

（1）數(shù)智融合對區(qū)域經(jīng)濟(jì)差距有顯著抑制作用，即數(shù)智融合能夠顯著縮小區(qū)域經(jīng)濟(jì)差距。

（2）數(shù)智融合通過提升區(qū)域創(chuàng)新能力、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)高級化和降低資源錯配，實(shí)現(xiàn)縮小區(qū)域經(jīng)濟(jì)差距的作用。創(chuàng)新基建作為科技創(chuàng)新層面的公共品，該投入可以強(qiáng)化數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的抑制作用。這是因?yàn)閯?chuàng)新基建水平作為數(shù)據(jù)要素與人工智能技術(shù)發(fā)展的底層支撐，能夠更好地促進(jìn)數(shù)智融合，助力區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

（3）數(shù)智融合對縮小區(qū)域經(jīng)濟(jì)差距的影響效應(yīng)在東部與西部地區(qū)顯著，在中部地區(qū)不顯著。這說明數(shù)智跨界融合和多元共享極大緩解了西部地區(qū)創(chuàng)新成本高與效率低的問題，對促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展產(chǎn)生積極作用。

（4）數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的影響中存在金融發(fā)展水平的單門檻效應(yīng)。當(dāng)金融發(fā)展水平跨越門檻值后，數(shù)智融合對區(qū)域協(xié)調(diào)發(fā)展的作用由正轉(zhuǎn)負(fù)。這反映出當(dāng)金融發(fā)展水平超過閾值后，集中效應(yīng)和排他效應(yīng)會導(dǎo)致數(shù)智融合紅利更多地集中在資源豐富、技術(shù)雄厚的地區(qū)，反而加劇區(qū)域間經(jīng)濟(jì)不平衡問題。

5.2 研究意義

相比于現(xiàn)有文獻(xiàn)，本研究一是從理論上深入闡述數(shù)智融合的內(nèi)在邏輯，豐富數(shù)智融合影響區(qū)域經(jīng)濟(jì)差距的理論分析，彌補(bǔ)現(xiàn)有研究中忽略多因素間融合效應(yīng)的不足。二是基于區(qū)域創(chuàng)新系統(tǒng)理論，揭示數(shù)智融合最終促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的內(nèi)在機(jī)制。不僅證實(shí)數(shù)智融合的價(jià)值倍增效應(yīng)對縮小區(qū)域經(jīng)濟(jì)差距的重要作用，而且探討了現(xiàn)階段推動數(shù)智融合、促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的實(shí)現(xiàn)路徑，為推動區(qū)域高質(zhì)量發(fā)展提供了參考。

5.3 政策建議

區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展是實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵路徑，亦是我國實(shí)現(xiàn)共同富裕的必經(jīng)之路。未來應(yīng)形成更加包容、高效的數(shù)字創(chuàng)新體系，實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。因此，提出如下政策建議：

（1）各地區(qū)應(yīng)加快培育和完善數(shù)據(jù)要素市場，形成從數(shù)據(jù)采集、運(yùn)載、存儲、分析到應(yīng)用的全鏈條協(xié)同。特別是針對西部等相對落后區(qū)域，加快建設(shè)數(shù)據(jù)中心，深入實(shí)施“東數(shù)西算”工程，利用數(shù)智融合下的知識溢出效應(yīng)降低創(chuàng)新成本，提升創(chuàng)新水平，形成具有地方特色的產(chǎn)業(yè)集群，促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

（2）增加創(chuàng)新基建投入，提升數(shù)據(jù)智能化應(yīng)用水平。首先，政府應(yīng)進(jìn)一步加大創(chuàng)新基建投入，確保區(qū)域間數(shù)字資源流動暢通，提升數(shù)據(jù)要素的市場化配置效率。同時(shí)，立足地區(qū)發(fā)展實(shí)際，出臺多元化、符合當(dāng)?shù)噩F(xiàn)實(shí)的創(chuàng)新扶持政策，避免政策同質(zhì)化，促進(jìn)數(shù)智融合的有序競爭。其次，加強(qiáng)地方高校、企業(yè)與政府在數(shù)智融合方面的深度合作及協(xié)同創(chuàng)新，如推動高校設(shè)立“校企合作研究中心”，強(qiáng)化科研成果轉(zhuǎn)化，支持對前沿技術(shù)的研究與試驗(yàn)，并設(shè)立專項(xiàng)財(cái)政補(bǔ)貼和稅收優(yōu)惠，鼓勵企業(yè)投入新技術(shù)研發(fā)與應(yīng)用，緩解技術(shù)融合的資金壓力，從而促進(jìn)區(qū)域內(nèi)知識共享和技術(shù)應(yīng)用，提升區(qū)域創(chuàng)新能力。

（3）防范金融資源過度集中，強(qiáng)化數(shù)智融合的政策引導(dǎo)。金融發(fā)展水平過高可能導(dǎo)致數(shù)智融合對區(qū)域經(jīng)濟(jì)差距的抑制作用減弱。因此，政府在利用金融手段支持?jǐn)?shù)字經(jīng)濟(jì)發(fā)展的同時(shí)，要防止資金、數(shù)據(jù)、技術(shù)資源在局部地區(qū)的過度集中。建議完善區(qū)域間數(shù)字金融普惠機(jī)制，鼓勵金融機(jī)構(gòu)加大對欠發(fā)達(dá)地區(qū)數(shù)字產(chǎn)業(yè)的扶持力度，確保數(shù)智融合帶來的經(jīng)濟(jì)增長能夠惠及更廣泛區(qū)域。

參考文獻(xiàn)：

[1]李海艦，趙麗．?dāng)?shù)據(jù)成為生產(chǎn)要素：特征、機(jī)制與價(jià)值形態(tài)演進(jìn)[J].上海經(jīng)濟(jì)研究，2021，33（8）：48-59.

[2]MUELLER M，GRINDAL K. Data flows and the digital e-conomy：information asa mobile factor of production[J].Digital Policy，Regulation and Governance，2019，21（1）：71-87.

[3]JONES C 1， TONETTI C. Nonrivalry and the economics ofdata[J].American Economic Review，202o，110（9）：2819-2858.

[4]林志杰，孟政炫．?dāng)?shù)據(jù)生產(chǎn)要素的結(jié)合機(jī)制——互補(bǔ)性資產(chǎn)視角[J].北京交通大學(xué)學(xué)報(bào)（社會科學(xué)版），2021，20（2）：28-38.

[5]岳書敬，董迪妮，賴曉冰．?dāng)?shù)字創(chuàng)新如何影響城市經(jīng)濟(jì)差距——“數(shù)字鴻溝”還是“數(shù)字紅利”[J].財(cái)經(jīng)科學(xué)，2023，65（9）：76-88.

[6]AGRAWAL A，JOSHUA G，GOLDFARB A. The eco-nomics of artificial intelligence：an agenda[M].Chicago：U-niversityofChicago Press，2019.

[7]洪名勇，張西鳳．?dāng)?shù)據(jù)賦能新質(zhì)生產(chǎn)力發(fā)展的作用機(jī)理與實(shí)現(xiàn)路徑研究[J].經(jīng)濟(jì)問題，2024，46（10）：32-40.

[8]郭晗，人工智能培育中國經(jīng)濟(jì)發(fā)展新動能的理論邏輯與實(shí)踐路徑[J].西北大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2019，49（5）：21-27.

[9]IAIN MC，REBECCA H，SCOTT S. The impact of artifi-cial intelligence on innovation： an exploratory analysis[M].Chicago：University of Chicago Press，2019：115-146.

[10]程名望，褚羽舟．?dāng)?shù)據(jù)要素與人工智能技術(shù)融合能提升城市創(chuàng)新能力嗎[J].同濟(jì)大學(xué)學(xué)報(bào)（社會科學(xué)版），2024，35（3）：49-62.

[11]陳楠，蔡躍洲．人工智能技術(shù)創(chuàng)新與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展——基于專利數(shù)據(jù)的技術(shù)發(fā)展?fàn)顩r及區(qū)域影響分析[J].經(jīng)濟(jì)與管理研究，2023，44（3）：16-40.

[12]高志剛，田豐，韓延玲．人工智能對中國區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展影響的理論機(jī)理與實(shí)證分析——以工業(yè)機(jī)器人為例[J].科技管理研究，2023，43（7）：182-192.

[13]張斌，李亮．“數(shù)據(jù)要素 x ”驅(qū)動新質(zhì)生產(chǎn)力：內(nèi)在邏輯與實(shí)現(xiàn)路徑[J].當(dāng)代經(jīng)濟(jì)管理，2024，46（8）：1-10.

[14]習(xí)近平．推動形成優(yōu)勢互補(bǔ)高質(zhì)量發(fā)展的區(qū)域經(jīng)濟(jì)布局[J].求是，2019，32（24）：4-9.

[15] ASHEIM B，GERTLER MS. The geography of innova-tion：regional innovation systems_A」//The Oxtord hand-book of innovation. Oxford：Oxford University Press，2005.

[16]范德成，肖文雪.數(shù)字經(jīng)濟(jì)何以成為區(qū)域創(chuàng)新發(fā)展新動能——基于要素融合的實(shí)證分析[J].科技進(jìn)步與對策，2025，42（5）：69-81.

[17]付文宇，李彥，賀子欣．人工智能對區(qū)域創(chuàng)新發(fā)展的影響研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2021，40（12）：51-57.

[18］NYLEN D，HOLMSTROM J. Digital innovation in con-text：exploring serendipitous and unbounded digital inno-vation at the church of Sweden[J]. Information Technologyamp; People，2019，32（3）：696-714.

[19]SESTINO A，PRETE M I，PIPER L，et al. Internet ofthings and big data as enablers for business digitalizationstrategies[J]. Technovation，2020，40（8）：102-173.

[20] 楊艷，王理，李雨佳，等．中國經(jīng)濟(jì)增長：數(shù)據(jù)要素的“雙維驅(qū)動\"[J].統(tǒng)計(jì)研究，2023，40（4）：3-18.

[21]劉誠，夏杰長.線上市場、數(shù)字平臺與資源配置效率：價(jià)格機(jī)制與數(shù)據(jù)機(jī)制的作用[J].中國工業(yè)經(jīng)濟(jì)，2023，41（7）：84-102.

[22] 陳偉，鄧堯，楊柏，等.人工智能能否賦能區(qū)域技術(shù)創(chuàng)新——創(chuàng)新環(huán)境的中介效應(yīng)[J].科技進(jìn)步與對策，2024，41（10）：57-66.

[23] 周樂欣，孔婧．?dāng)?shù)據(jù)要素市場發(fā)展賦能產(chǎn)業(yè)結(jié)構(gòu)升級的實(shí)證檢驗(yàn)[J].統(tǒng)計(jì)與決策，2024，40（11）：92-97.

[24] 王梁華．?dāng)?shù)字經(jīng)濟(jì)、新質(zhì)生產(chǎn)力與中國式現(xiàn)代化產(chǎn)業(yè)體系建設(shè)[J].科技進(jìn)步與對策，2024，41（18）：55-65.

[25] 吳亮.數(shù)字化賦能產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化促進(jìn)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展實(shí)證研究[J].貴州社會科學(xué)，2022，42（7）：125-132.

[26] 周波，孔欣悅，劉晶.政府引導(dǎo)基金改善資本錯配的效應(yīng)與機(jī)制研究[J].財(cái)經(jīng)問題研究，2025，47（5）：80-92.

[27]AGRAWAL A，GANS J，GOLDFARB A. Prediction ma-chines：the simple economics of artificial intelligence[M].Boston：Harvard BusinessReviewPress，2018.

[28] 郭斌，杜曙光．新基建助力數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展：核心機(jī)理與政策創(chuàng)新[J].經(jīng)濟(jì)體制改革，2021，39（3）：115-121.

[29] 張佩，王姣娥，馬麗.新基建與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的時(shí)空耦合及影響因素[J].地理科學(xué)，2024，44（4）：562-572.

[30] 伍先福，黃曉，鐘鵬，新型基礎(chǔ)設(shè)施建設(shè)與戰(zhàn)略性新興產(chǎn)業(yè)耦合協(xié)調(diào)發(fā)展測度及其耦合機(jī)制[J].地理科學(xué)，2021，41（11）：1969-1979.

[31] 陳明生，鄭玉璐，姚笛．工業(yè)機(jī)器人應(yīng)用對地區(qū)經(jīng)濟(jì)差距的影響研究[J].財(cái)經(jīng)研究，2024，50（1）：139-153.

[32] 趙建新.論區(qū)域經(jīng)濟(jì)差距的衡量指標(biāo)與測度方法[J].經(jīng)濟(jì)地理，1998，18（3）：20-24，29.

[33] 聶昀秋，馬曉君，鄭佳寧．?dāng)?shù)據(jù)要素發(fā)展水平與經(jīng)濟(jì)增長：影響效應(yīng)和機(jī)制分析[J].中國流通經(jīng)濟(jì)，2024，38（8）：56-68.

[34] 劉治彥，王謙．?dāng)?shù)據(jù)要素對經(jīng)濟(jì)增長的影響——基于科學(xué)決策的中介效應(yīng)分析[J].當(dāng)代經(jīng)濟(jì)管理，2024，46（9）：9-19.

[35] DAMIOLIG，VAN ROY V，VERTESY D. The impactof artificial intelligence on labor productivity[J]. EurasianBusiness Review，2021，11（1）：1-25.

[36] 戴若塵，祝仲坤，張曉波．中國區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)構(gòu)建與空間格局（1990—2020）[J].經(jīng)濟(jì)科學(xué)，2024，46（1）：5-34.

The Impact of the Integration of Data Elements and Artificial Intelligence Technology on Regional Economic Development Disparities： Empirical Evidence from 30 Chinese Provinces

Zhu Jiaqi， Ren Jianxin （School of Business Administration，Zhongnan University of Economics and Law，Wuhan 43oo7o，China）

Abstract：Coordinatedregional economic development isa fundamentalrequirementforachieving high-qualityand sustainable growth，with innovation serving asits primary driving force.In traditional developmentparadigms，high-end productionfactors such asskiledlabor，advanced technology，andcapital tendto concentrate in regions characterized bystrong industrialagglomerationsand rich innovationresources.Thisunevenspatial distributionofkey inputs places underdevelopedand peripheral regions atasignificant disadvantage inacessng essentialproduction factors and participating in inovation-driven growth processes.Consequently，regional disparities are exacerbated，hindering inclusive national development.However，the deep integration of data elements andartificial intellgence（AI） technologies hasbegun to reshape thislandscape.This integration hasefectivelyreducedspatialandinstitutional bariers tothedisseminationofknowledge andtechnologies，dramaticallylowering thecostsofcros-regional technologydifusionandenhancing thefluidityofinovation resources.Indoingso，itcontributes to more eficient alocationofresources acrosregionsand elevates regional innovation capacities，thereby ofering new and potentially transformative pathways for narrowing long-standing economic development gaps between regions.In adition，the productive valueof data elements cannot be realized independently. Their economic potentialis maximizedonly through synergistic interaction with other production factors.Particularly，the convergenceof data withAI technologies generates multiplierandcomplementary efects thatsignificantlyenhance inovationeficiencyandtechnologicalproductivity.Theseefects have drawn growingatentioninboth theoreticalandempirical studies，becomingafocal pointindiscusionsof digital transformationandspatial equity.Againstthis backdrop，thepres ent studyadopts theRegional Innovation System（RIS）theoreticalframework to investigate theroleof data-inteligence integration in shaping regional economic disparities.TheRIS framework emphasizes thesystemicand interactive natureof innovation，underscoring theimportance of collaboration among multiple actors within a region，including governments， firms，universities，and research institutions.Such multi-agentcolaboration facilitates knowledge exchange，accelerates technological difusion，andenhances theintegrationofinnovationresources.Thus，it provides asolidtheoreticalbasisfor understanding the regionalized effects of data-AI integration.

To conduct this analysis，，the study constructs a multidimensional indicator system to systematically evaluate the development andapplicationlevels ofdata elementsandAItechnologies across Chinese provinces.Acoupling cordination model is applied to measure the extentand qualityof integration，which is then introduced intothe empirical model asa keyexplanatoryvariable.This methodologicalapproach helpsaddress twonotablegaps inthe literature：theinsuficient atentionto the synergistic relationship between emerging digital factorsand traditionalinputs，and the lack of empirical researchon how digital transformation influences regional economic convergence.Empirical analysis is conducted using panel data from 30 Chinese provinces （excluding Xizang，Hong Kong，Macao，and Taiwan）covering the period from 2012 to 2023，yielding 36O valid observations.Regional economic disparity is quantifiedusing average income gapindicators. The study employs both multiple linear regression and thresholdefect models to asess the impact of data-AI integration onregional disparities.Furthermore，four potential mechanisms areanalyzed：industrialupgrading，resource misalocation，regional innovation capacity，and innovation infrastructure.

The results demonstrate that higher levels of data-AI integration significantly reduce regional economic disparities. Regional innovationcapacity，industrial structureupgrading，and improvements inresource alocation function as mediatingpathways，while innovation infrastructureexertsa moderating influence.Heterogeneity analysisreveals thatthese effcts are more pronounced in theeastern and western regions，but are not statistically significant in the central region. Additionally，thethresholdeffectmodelidentifiesacriticalfinancialdevelopmentlevel（6.173），beyond whichthepositive impactof data-AI integration on narowing disparities reverses，possblydue todiminishing marginal returns orcrowdingout effects in overly mature financial systems.

In sum，by integrating insights from the RIS framework，Schumpeterian innovation theory，and industrial structural evolutiontheory，this study provides a systematic investigation of how emerging production factors-especially data and AIinteract toinfluence regional economiccoordination.Unlike previous studies thatfocus narrowlyon digital technologies orinovation inputs in isolation，this research emphasizes the systemicvalueoffactor integration.Thefindingsoffer not onlytheoretical contributionsbut also practical implications for policymakers seking to promote high-quality，balanced，and innovation-driven regional development in China.

Key Words：Data Elements；Artificial Intellgence Technology；Element Integration；Regional Economic Disparities