人工智能嵌入對創新生態系統能級提升的影響

[摘要]在新一輪科技革命和產業變革的交匯期，如何引領創新生態系統能級提升，是深度培育新質生產力、在“百年未有之大變局”掌握主動權的題中之義。依托“國家新一代人工智能創新發展試驗區”政策沖擊形成的準自然實驗，以2014—2023年中國284個地級及以上城市面板數據為基礎，利用多時點雙重差分模型量化研究人工智能嵌入對創新生態系統能級提升的影響效應。結果表明：人工智能嵌入對創新生態系統能級提升具有顯著推動作用；人工智能嵌入對創新生態系統能級提升的影響存在數字人才集聚異質性、數字政府建設異質性，且該影響呈現“高數字人才集聚地區大于低數字人才集聚地區”“高數字政府建設水平地區大于低數字政府建設水平地區”的差異格局；人工智能嵌入可通過創新資源市場化，間接驅動創新生態系統能級提升。綜上所述，應推進人工智能發展體系建設、打造多層次育才引才舉措、夯實數字政府建設制度保障并完善創新資源市場化配置機制，以期為助推創新生態系統能級提升提供決策參考。

[關鍵詞]人工智能；創新生態系統；創新資源市場化；數字人才；數字政府

一、 引言

現階段，科技創新在我國發展中的支撐作用與日俱增，逐漸成為我國在“百年未有之大變局”下占據優勢地位的關鍵抓手[1]。客觀來看，我國整體創新成效已取得長足進步，在全球科技創新領域競爭力勢頭強勁。世界知識產權組織發布的《2024年全球創新指數（GII）報告》顯示，我國全球創新力列居全球第11位，成為過去十年創新能力躍升速度最快的經濟體1。不可忽視的是，我國產業自主創新能力不足的現實窘境[2]，以及成果轉化不暢、技術市場失序等多重弊病[3]，制約著創新生態系統能級提升。由此可見，在中國式現代化重大戰略布局的時代圖景下，全面驅動創新生態系統能級提升既是大勢所趨，亦是形勢所迫。作為支撐人工智能技術迭代與轉化應用的重要支撐，“國家新一代人工智能創新發展試驗區”政策是激勵人工智能技術創新發展、引領我國人工智能產業技術突圍與超前布局的支撐體系。自2019年啟動以來，科技部已分批次、分階段遴選并設立18個城市作為試點地區2，逐步構建一批具備示范效應的人工智能創新發展標桿城市群。在人工智能政策的賦能下，試點地區可通過打造具有國際競爭力的人工智能創新高地，深度嵌入科研大模型并持續提升研發主體技術研發能力，助推創新生態系統能級提升。有鑒于此，本研究嘗試以多時點雙重差分模型檢驗人工智能嵌入與創新生態系統能級提升的關系，力求為促進創新生態系統能級提升賦予科學指導。

與本研究主題具有緊密聯系的現有文獻可歸納為以下三類：一是圍繞國家新一代人工智能創新發展試驗區的經濟效應研究。宏觀層面，部分文獻依托實證考察方式，得出國家新一代人工智能創新發展試驗區政策能夠助推地區新質生產力發展的結論[4]。微觀層面，有部分文獻指出國家新一代人工智能創新發展試驗區政策可促進企業高質量發展[5]、企業新質生產力發展[6]與企業創新[7]，為本研究提供了理論參照。二是聚焦數智驅動與創新生態系統關系的考察。部分文獻指出綠色金融與數智賦能對區域創新生態系統產生促進作用[8]。此外，也有文獻聚焦企業創新生態系統價值共創視角，表示數字孿生能夠促成互動式、整合式和轉化式的價值共創模式，引領企業創新效率提升[9]。三是著重探索人工智能與創新活動之間的關聯。陳偉等[10]基于宏觀角度，指出人工智能可優化創新環境，進而賦能區域技術創新。另有學者基于微觀角度研究指出，人工智能對于提升企業創新績效與創新效率至關重要[11]。

既有文獻從多個角度對相關核心變量進行分析，并獲得富有參考價值的結論，但尚存不足亟待完善。對此，本研究依托“國家新一代人工智能創新發展試驗區”政策沖擊形成的準自然實驗，運用2014—2023年284個地級及以上城市面板數據，量化考察人工智能嵌入對創新生態系統能級提升的影響效應與作用機制，可能的邊際貢獻與創新點在于：首先，研究視角創新。既有文獻的研究重心仍然在于國家新一代人工智能創新發展試驗區政策的企業創新效應層面，而本研究則基于宏觀視角，系統剖析該政策對區域層面創新生態系統能級提升的影響，可有效彌補并充分拓展現有研究空缺。其次，研究框架拓展。鮮有研究將視角轉向創新資源市場化在人工智能嵌入與創新生態系統能級提升間的機制作用，而本研究依托構建“人工智能嵌入→創新資源市場化→創新生態系統能級提升”的理論鏈條，揭示人工智能嵌入對創新生態系統能級提升的傳導機制，為評估人工智能嵌入的經濟效應提供新證據。最后，實踐價值深化。本研究發現人工智能嵌入對創新生態系統能級提升具有顯著正面影響，這可為相關部門精準施策開辟新的實踐方向。

二、 理論分析與假設提出

1. 人工智能嵌入與創新生態系統能級提升

人工智能嵌入能夠通過明晰創新方向、捕獲內在規律和深化主體協同，助力創新生態系統能級提升。具體來說，第一，明晰創新方向。人工智能具備高效精準的數據抓取與分析能力，其嵌入可推動產學研機構高效挖掘技術發展軌跡中的需求痛點，精準洞悉技術創新方向與應用場景，促使創新過程從依賴經驗試錯轉向數據推演驅動的科學決策范式，繼而大幅提升創新成功率，帶動創新生態系統能級提升。第二，捕獲內在規律。依托卓越的邏輯推理與知識關聯能力，人工智能深度嵌入創新過程，使研發主體增強對數據運行規律的建模能力，快速識別數據內在規律并發現關鍵科學技術問題，進而打破“觀察→假設→驗證”的傳統線性分析方法的局限。這能夠打造嶄新數據驅動創新范式，加速知識創造與成果轉化進程，推動創新生態系統能級提升。第三，深化主體協同。人工智能深度嵌入覆蓋行業數據集、標準化算法庫、開發工具等功能的數字化開放創新平臺，可深化各個節點產學研機構的協同合作關聯，助力研發模式由“點式突破”向“鏈式協同”轉軌升級，由此彌合創新生態系統“結構洞”，最大限度豐富“創新基因庫”。此過程中，不同研發主體間既有創新思維與知識儲備可發生持續交匯、深度碰撞與有機交融，進而促成基礎研究、技術開發與成果轉化等創新鏈環節間的價值倍增效應，全面推動創新生態系統能級提升。基于上述分析，本文提出假設H1：

H1：人工智能嵌入可賦能創新生態系統能級提升。

2. 人工智能嵌入、創新資源市場化與創新生態系統能級提升

基于信息不對稱理論，市場失靈與資源錯配往往源于信息不對稱與信息不完全[12]。人工智能可在改善市場中信息的產生、傳播、獲取與處理成本層面發揮巨大潛力，為創新資源市場化提供更廣闊空間，成為引領創新生態系統能級提升的關鍵力量。具體而言，一方面，人工智能嵌入可幫助研發主體實時分析海量數據，高效識別區域間人才、技術、資本等關鍵創新資源的分布情況與流動趨勢，依托機器學習、神經網絡等智能算法，有效增強創新資源配置的適應性與靈活性，繼而充分激活創新要素市場動能。同時，得益于數據挖掘、復雜算法、模式識別等前沿技術的深刻變革，人工智能嵌入能夠通過海量收集并自動提取潛在創新協作方的技術需求、供給能力與協同價值，有力推動創新資源在市場中高速傳導與精準對接，助推創新資源市場化。另外，人工智能嵌入可輔助研發主體洞察長期技術趨勢與研發路徑規劃，促使其將資金、人才等稀缺資源更精準地配置于具有突破性潛力的前沿領域，賦能創新資源市場化。另一方面，創新資源市場化可推動各類創新資源依據市場需求與價值規律自由流動與優化組合，紓解創新系統內部資源錯配矛盾，使得科研院所、高等院校及各類企業能夠依據自身創新需求，以合理成本及時獲取發展所需的創新資源。這能夠大幅降低其創新探索過程中的不確定性風險與試錯成本，暢通“基礎研究→技術開發→成果應用”轉化渠道，催生一批戰略性、原創性、高質量創新成果，促進創新生態系統能級提升。并且，創新要素市場化依托“有為政府”與“有效市場”的高度協同，能夠為多元研發主體的創新活動提供堅實載體與優質環境，加速前瞻性基礎研究、應用性關鍵技術、戰略性引領技術不斷突圍奮進，繼而助力區域創新生態系統內部生態能量整體水平躍升，推進創新生態系統能級提升。基于上述分析，本文提出假設H2：

H2：創新資源市場化是人工智能嵌入賦能創新生態系統能級提升的關鍵機制。

三、 研究設計

1. 樣本來源

基于數據可信性與可得性原則，本文選取2014—2023年中國284個地級及以上城市樣本數據進行實證分析，共獲得2840個觀測值。文中主要變量數據來自歷年《中國城市統計年鑒》、各城市統計公報、CSMAR數據庫以及Wind數據庫。個別缺失數據采用滑動平均值法補齊。另需說明的是，我國第一批國家新一代人工智能創新發展試驗區獲批于2019年，截至2025年，科技部已分批次設立北京、上海、天津等18個試點地區1（包括17個地級及以上城市與1個縣級市）。為確保統計口徑相一致，僅保留17個試點城市（剔除德清縣）作為實驗組樣本，其余267個城市作為控制組樣本。

2. 計量模型設定

考慮到人工智能嵌入在賦能創新生態系統能級提升的過程中可能存在難以直接觀測的復雜因素干擾，故而構建下述多時點雙重差分模型對二者關系進行充分驗證：

[IERi，t=δ0+δ1DIDi，t+δ2CONTROLSi，t+γi+λt+εi，t] （1）

上式中，γi和λt依次刻畫城市固定效應及時間固定效應；εi，t為隨機誤差項；δ0為常數項；δ1、δ2為待估系數；DIDi，t為解釋變量人工智能嵌入，即為試點政策虛擬變量與政策實施時間的虛擬變量交互項；IERi，t表示創新生態系統能級提升；CONTROLSi，t為控制變量。

為系統探究人工智能嵌入影響創新生態系統能級提升的內在機制，構設如下模型：

[MIRi，t=?0+?1DIDi，t+?2CONTROLSi，t+γi+λt+εi，t] （2）

[IERi，t=η0+η1DIDi，t+η2MIRi，t+η3CONTROLSi，t+γi+λt+εi，t] （3）

上式中，MIRi，t為機制變量創新資源市場化，其他變量釋義與模型（1）一致。

3. 變量測度

（1）解釋變量

人工智能嵌入是本研究的解釋變量，以DID衡量。本研究的解釋變量為一項準自然實驗，由試點政策虛擬變量與時間虛擬變量的交乘項構成，即DID=Treat×Time。在樣本考察期內，若i城市隸屬國家新一代人工智能創新發展試驗區，則Treat賦值為1，否則為0；若i城市在第t年及以后年份入選國家新一代人工智能創新發展試驗區，則入選當年及其之后的年份Time賦值為1，否則為0。

（2）被解釋變量

創新生態系統能級提升是本研究的被解釋變量，以IER衡量。“能級”概念最初源于量子物理學領域，用以描述某個特定系統或組織所攜帶的能量及其對應的能量等級高低[13]。創新生態系統能級提升強調某一區域高度復雜的創新合作網絡在持續物質循環、資源交換與價值創造過程中，其內部結構的固有量級與其能量向外部空間擴散滲透的能力強度的增加[14]，旨在實現整體創新系統效率躍升與可持續運行[15]。針對上述概念界定，本文沿襲既有研究[16-17]，構建覆蓋系統多樣性、系統協作性、系統進化性三個目標層的創新生態系統能級提升評價指標體系，具體見表1，并以熵值法測算創新生態系統能級提升。

（3）機制變量

創新資源市場化是本研究的機制變量，以MIR衡量。創新資源市場化是一種高效配置人才、技術、資本等創新資源的過程，其將供需雙方置于開放、競爭、透明的交易環境中，依托市場機制顯著提升稀缺資源流轉速度與應用效能[18]。鑒于此，本文延續學界研究思路[19-20]，選定人才資源市場化、技術資源市場化和資本資源市場化作為目標層，構建創新資源市場化評價指標體系，具體見表2，并利用熵值法計算各城市創新資源市場化。

（4）控制變量

考慮到創新生態系統能級提升受到多重因素影響，本文選取如下控制變量：交通網絡密度（TRA）、金融發展（FIN）、外商投資（FDI）、知識產權保護（PRO）、財政自由度（FIS）。各變量具體測度方式如下：交通網絡密度以公路里程/地區面積度量，金融發展以機構存貸款余額/地區生產總值度量，外商投資以外商直接投資額/地區生產總值表示，知識產權保護以知識產權審判結案數量度量，財政自由度以財政收入總額/財政支出總額度量。

四、 實證分析

1. 基準面板模型回歸分析

基于前文所構模型（1），實證考察人工智能嵌入對創新生態系統能級提升的政策凈效應，結果如表3所示。其中，列（1）僅引入城市固定效應與時間固定效應；列（2）在列（1）基礎上增設一系列控制變量。觀測可知，在各類情況下，人工智能嵌入的系數均在1%置信水平上表現為正，符合“人工智能嵌入可助推創新生態系統能級提升”的理論預期，證實假設H1。為考察人工智能嵌入對創新生態系統能級提升的空間溢出效應，借鑒賀唯唯等[21]的方式，納入地理距離矩陣并分別運用空間自回歸模型（SAR）和空間杜賓模型（SDM）進行檢驗，結果見列（3）、列（4）。由表中結果顯示，人工智能嵌入的空間滯后項系數均顯著為正，初步驗證其對創新生態系統能級提升具有正向空間溢出效應。依托偏微分檢驗進行分解，結果顯示人工智能嵌入對創新生態系統能級提升的直接影響與間接影響均顯著為正，再次表明人工智能嵌入的正向空間溢出效應。

2. 事前趨勢檢驗

利用雙重差分模型進行回歸的前提條件是滿足事前趨勢檢驗。換言之，這要求在國家新一代人工智能創新發展試驗區政策頒布前，實驗組與控制組的創新生態系統能級提升水平具有大體一致的演變趨勢。為驗證這一假設，本文運用面板事件研究法進行平行趨勢檢驗，并以試點政策實施前一年作為基期，具體模型設定為：

[IERi，t=θ0+t=-4t=4θ1DIDi，t+θ2CONTROLSi，t+γi+λt+εi，t]" （4）

模型（4）中，DID指代國家新一代人工智能創新發展試驗區政策實施前后4年的虛擬變量；其他變量釋義均與模型（1）大體一致。本研究主要關注θ1的系數，該系數反映國家新一代人工智能創新發展試驗區政策實施前后實驗組與控制組在第t期的差異。圖1展示了研究的事前趨勢檢驗結果。圖中可見，在國家新一代人工智能創新發展試驗區政策實施之前，實驗組與控制組不存在顯著差異；在國家新一代人工智能創新發展試驗區政策實施當年及之后，該政策的系數顯著為正且呈現增大態勢，表明研究樣本未拒絕事前趨勢平行的假設，充分證明選用雙重差分模型進行研究具備較強合理性。

3. 穩健性檢驗

（1）安慰劑檢驗

參考詹紹文等[22]的做法，本文利用隨機置換法進行安慰劑檢驗。本文隨機抽取一半樣本分別構建虛擬實驗組與虛擬控制組，并運用Bootstrap法進行1000次隨機抽樣回歸。圖2展示了安慰劑檢驗結果。可以發現，本研究所構虛假政策變量的系數主要集中于0附近，且在統計上不具有顯著性，表明前文基準回歸結果并非由模型設定誤差或樣本劃分隨機性驅動，與安慰劑檢驗預期相契合。

（2）傾向得分匹配檢驗

為矯正傳統雙重差分模型的自選擇偏誤，本文沿襲房靜[23]的做法，利用多期PSM-DID模型進行檢驗。首先依托PSM法為實驗組城市配對特征相似的控制組城市，之后對傾向得分匹配后的樣本進行雙重差分檢驗。表4列（1）顯示，研究結論與基準回歸結果大體一致，表明前文結果具有穩健性。

（3）更換估計方法

參考Arkhangelsky等[24]的做法，本文運用合成雙重差分法（SDID），將基準回歸檢驗中的樣本復原為平衡面板數據。另外，依托個體權重搜尋與實驗組相似的控制組個體，同時通過時間權重搜尋與政策實施后實驗組接近的政策前處理期，并為二者賦予更大權重以提高估計結果準確性。根據表4列（2）結果可知，平均處理效應為0.157且在1%置信水平上顯著，證實研究結論較為穩健。

（4）替換被解釋變量

參考雷卓駿等[25]的做法，本文利用北京大學企業大數據研究中心發布的《中國區域創新創業指數》1中的城市總得分替換被解釋變量并再次回歸。由表4列（3）結果可見，人工智能嵌入的系數仍為正且在1%置信水平上通過顯著性檢驗，再次表明人工智能嵌入正向賦能創新生態能級提升的理論預期成立。

4. 內生性考察分析結果

沿襲姚樹俊等[26]的做法，本文以2000年城市互聯網端口接入數與滯后一期全國移動電話年末用戶數的交乘項構建工具變量（IV），并利用兩階段最小二乘法再次檢驗。互聯網接入端口數量作為某一城市數字基礎設施建設水平的關鍵指標，其廣泛鋪設可為當前工業機器人應用提供基礎，故而該指標與人工智能嵌入存在緊密關聯性。而2000年城市互聯網端口接入數為歷史數據，其對當前城市創新生態能級提升的潛在影響較弱，符合外生性條件。回歸結果見表5列（1）、列（2）。觀測可知，人工智能嵌入的系數通過1%水平檢驗，同基準回歸結果無明顯差異，且工具變量不存在弱工具變量及不可識別變量問題。

理論而言，工具變量選取必須滿足相關性與排他性約束兩個條件。其中，排他性約束的核心要義在于，工具變量不能直接影響被解釋變量，其對被解釋變量的作用必須嚴格經由核心解釋變量這一唯一傳導路徑實現。前文識別不足檢驗、弱工具變量檢驗雖可有效證明工具變量滿足相關性條件，但仍難以解決工具變量的排他性約束問題。對此，針對工具變量的排他性本文參考高超等[27]的檢驗思路，將工具變量引入基準回歸模型中進行檢驗。觀察表5列（3）數據可知，在僅考慮工具變量與被解釋變量的關系時，工具變量對創新生態系統能級提升的系數未通過顯著性檢驗。表5列（4）數據顯示，當將人工智能嵌入與工具變量同時作為解釋變量納入模型時，人工智能嵌入的系數保持顯著為正，而工具變量的系數不顯著。這表明工具變量僅可通過影響人工智能嵌入影響被解釋變量創新生態系統能級提升，因而滿足排他性約束，證實工具變量選取合理有效。

5. 異質性檢驗分析結果

（1）數字人才集聚異質性

本文沿襲楊亞平等[28]的思路，利用城市信息傳輸、軟件和信息技術服務業從業人員數構建城市層面數字人才集聚的區位熵指數，并按照其中位數將樣本劃分為高數字人才集聚組、低數字人才集聚組兩組，分樣本進行回歸，結果見表6列（1）、列（2）。分析數據可知，無論是在高數字人才集聚組抑或低數字人才集聚組，人工智能嵌入對創新生態能級提升的影響均至少通過5%置信水平檢驗。對比系數大小可以發現，相較于低數字人才集聚地區，高數字人才集聚地區人工智能嵌入的系數更大。

（2）數字政府建設異質性

參考康茂楠等[29]的研究，本文以中國軟件評測中心（工業和信息化部軟件與集成電路促進中心）《第十七屆（2018）中國政府網站績效評估總報告（節選）》1發布的網站績效自然對數作為數字政府建設的代理指標，并依據其中位數將樣本劃分為高數字政府建設水平組與低數字政府建設水平組，進行分組回歸檢驗，相應系數見表6列（3）、列（4）。可以看出，人工智能嵌入在高數字政府建設水平組的系數通過1%置信水平檢驗，而在低數字政府建設水平組通過10%置信水平檢驗，說明人工智能嵌入在高數字政府建設水平組的政策效應更明顯。

6. 機制效應檢驗分析結果

將數據代入模型（2）和模型（3）中予以檢驗，具體估計結果見表7。列（1）刻畫了未引入控制變量時人工智能嵌入對創新資源市場化的系數。觀測可知，人工智能嵌入的系數在1%置信水平上顯著，表明人工智能嵌入能夠推動創新要素市場化。列（2）匯報了將創新資源市場化這一中介變量納入人工智能嵌入對創新生態系統能級提升的回歸模型中的結果。可以看出，人工智能嵌入的系數為0.239仍通過1%置信水平檢驗，且與表3列（1）數據相比，系數由0.275降至0.239，說明人工智能可通過促進創新資源市場化推進創新生態系統能級提升。在此基礎上，添加控制變量再次進行檢驗。由列（3）、列（4）數據可知，人工智能嵌入通過創新資源市場化助推創新生態系統能級提升的作用路徑仍然成立，驗證假設H2。

由于文中的被解釋變量及機制變量均由指標體系測度，本研究參照溫忠麟等[30]的建議，選取Sobel檢驗與Bootstrap檢驗對機制效應檢驗結果開展驗證，結果見表8。可以看出，Sobel檢驗P值遠小于0.01，且Bootstrap檢驗在95%置信區間不包含0，說明創新資源市場化在人工智能嵌入促進創新生態系統能級提升的過程中發揮機制作用，再次驗證假設H2。

五、 研究結論與政策啟示

1. 研究結論

本文依托“國家新一代人工智能創新發展試驗區”政策沖擊形成的準自然實驗，采用2014—2023年中國284個地級及以上城市作為樣本，逐步驗證了前文假設并得出以下結論：（1）人工智能嵌入可顯著促進創新生態系統能級提升；（2）人工智能嵌入對高數字人才集聚地區、高數字政府建設水平地區創新生態系統能級的提升作用更大；（3）創新資源市場化作為關鍵中介渠道，可有效傳導人工智能嵌入對創新生態系統能級提升的積極影響。

2. 政策啟示

首先，推進人工智能發展體系建設。一方面，試點地區應著力打造多層次智能算力網絡布局、智能計算中心與數據中心，搶占類腦智能、量子計算與核心算法等關鍵技術的全球戰略制高點，繼而構建具有區域示范效應的人工智能產業基地；同時，完善涵蓋財稅激勵的人工智能產業扶持政策體系，引領人工智能企業與高等院校、科研院所構建深度協同、優勢互補的戰略合作伙伴關系，由此提升人工智能全產業鏈創新能力，賦能創新生態系統能級提升。另一方面，試點地區應釋放示范引領效能，提煉實踐中形成的人工智能制度創新成果并轉化為具備復制價值的模式化經驗，依托漸進式推廣促使典型經驗向非試點地區擴散，繼而強化人工智能嵌入對鄰近創新生態系統能級提升的賦能效果。此外，相關部門應充分發揮人工智能嵌入“本地—鄰地”影響效應的協同性，鼓勵試點地區與非試點地區在人工智能領域展開深度合作，由此推進區域間創新資源流動與技術成果互補，提升人工智能嵌入對鄰近城市創新生態系統能級提升的溢出水平。

其次，打造多層次育才引才舉措。高數字人才集聚地區應發揮示范引領作用，重點培育能夠擔當人工智能發展重任的戰略科學家集群，由此驅動人力資源結構向更高層次、更具競爭力的方向轉型升級；此外，應拓展國際頂尖智力資源的戰略合作網絡，積極搭建新型國際合作平臺，構建具有國際競爭力的數字人才引進制度框架，引進國際人工智能領域頂尖創新團隊與高端人才，進而夯實人工智能發展智力基石，為創新生態系統能級提升提供助力。低數字人才集聚地區應著力構建覆蓋人才培養專項提升計劃、人才引進激勵機制及人才留任優化方案的立體化人才政策體系，不斷吸納外部高水平智力資源，充分釋放數字人才的創新潛能與創造活力，繼而為人工智能嵌入提供良好條件，助力創新生態系統能級提升。

再次，夯實數字政府建設制度保障。其一，相關部門應將社會力量引入公共數據資源運營體系，通過委托專業運營機構承擔公共數據資源開發、數據產品經營及技術服務等職能，擴大公共數據社會化供給規模、提高數字政府建設水平，進而有效緩解人工智能企業在獲取高質量公共數據資源過程中的瓶頸制約，為賦能創新生態系統能級提升提供可持續保障。其二，相關部門應健全完善公共數據分類保護規范與風險評估機制，全面提升關鍵數據資產的保障能力，并同步完善與之匹配的違法違規行為問責追責機制，繼而增強人工智能在數據運用過程中的安全保障能力，有效驅動創新生態系統能級提升。

最后，完善創新資源市場化配置機制。一方面，相關部門應健全要素市場化改革機制，切實發揮市場在創新要素配置中的重要作用，引導人才、資本、技術、數據等創新要素在市場導向下自主有序地流向人工智能領域，繼而為創新生態系統能級提升提供資源基礎。另一方面，相關部門應緊密圍繞人工智能引發的原創性突破與顛覆式創新需求，聚焦國家重大科技項目及重點研發計劃的核心攻關方向，有效整合科研院所、高等院校以及創新型企業的協同優勢與資源稟賦，驅動人工智能技術更深層次、更廣范圍地融入區域創新實踐，推動創新生態系統實現更具競爭力的結構性提升。

參考文獻：

[1] 李政，廖曉東.發展“新質生產力”的理論、歷史和現實“三重”邏輯[J].政治經濟學評論，2023，14（6）：146-159.

[2] 張軍擴，侯永志，劉培林，等.高質量發展的目標要求和戰略路徑[J].管理世界，2019，35（7）：1-7.

[3] 董志勇，李成明.“專精特新”中小企業高質量發展態勢與路徑選擇[J].改革，2021（10）：1-11.

[4] 歐陽金瓊，魏德強，王雨濛.人工智能對新質生產力的影響——基于新一代人工智能創新發展試驗區的政策效應[J].軟科學，2025，39（3）：28-36.

[5] 劉備，邱兆軒，任保平.人工智能與企業高質量發展：來自國家新一代人工智能創新發展試驗區的經驗證據[J].中國軟科學，2025（6）：166-176.

[6] 劉家民，馬曉鈺.數智化創新政策如何推動企業新質生產力發展[J].西部論壇，2024，34（4）：17-34.

[7] 劉華珂，李旭超，聶禾，等.AI時代：城市數智化轉型與企業創新[J].中國軟科學，2024（2）：38-54.

[8] 呂鯤，管天寧，李北偉.綠色金融、數智賦能對區域創新生態系統韌性的影響[J].科技管理研究，2024，44（16）：204-216.

[9] 羅均梅，徐翠豐，王水蓮.數字孿生如何影響企業創新生態系統價值共創？——基于可供性視角的案例研究[J].研究與發展管理，2025，37（1）：60-73.

[10] 陳偉，鄧堯，楊柏，等.人工智能能否賦能區域技術創新——創新環境的中介效應[J].科技進步與對策，2024，41（10）：57-66.

[11] 趙劍波，劉釗.人工智能滲透率對企業創新效率的影響研究[J].經濟學動態，2025（5）：55-69.

[12] STIGLITZ J E.The Contributions of the Economics of Information to Twentieth Century Economics[J].Quarterly Journal of Economics，2000，115（4）：1441-1478.

[13] MORTON D C，WU Q X，DRAKE G W. Energy Levels for the Stable Isotopes of Atomic Helium （4He I and 3He I）[J]. Canadian Journal of Physics，2006，84（2）：83-105.

[14] 李曉娣，饒美仙.國家重大戰略區域創新生態系統能級測度及時空演化研究[J].學術論壇，2023，46（4）：90-102.

[15] 楊力，劉敦虎，魏奇鋒.共生理論下區域創新生態系統能級提升研究[J].科學學研究，2023，41（10）：1897-1909.

[16] 孔偉，張貴，李濤.中國區域創新生態系統的競爭力評價與實證研究[J].科技管理研究，2019，39（4）：64-71.

[17] 劉家樹，張慧，周夢琦.多主體協同增強區域創新生態系統韌性的機制研究——基于知識流動視角[J].財貿研究，2024，35（10）：31-43.

[18] 劉戒驕，劉冰冰.構建高水平社會主義市場經濟體制的邏輯與核心制度[J].財經問題研究，2023（1）：27-38.

[19] 邊悅玲，魏曉文.創新要素市場化如何推動共同富裕？——基于城鄉收入差距視角[J].科學管理研究，2023，41（6）：18-26.

[20] 吳威威，商容軒.數字農業新質生產力、創新要素配置與產業鏈韌性[J].經濟問題探索，2025（1）：23-36.

[21] 賀唯唯，侯俊軍.數字經濟是否促進了勞動力統一大市場形成？[J].經濟管理，2023，45（6）：5-21.

[22] 詹紹文，王一鐘.公共數據開放何以提升城市創新能力[J].現代管理科學，2025（2）：94-105.

[23] 房靜.稅收創新激勵政策助力新質生產力發展：來自研發費用加計扣除的證據[J].現代管理科學，2024（5）：71-80.

[24] ARKHANGELSKY D，ATHEY S，HIRSHBERG D A，et al. Synthetic Difference-in-Differences[J].American Economic Review，2021，111（12）：4088-4118.

[25] 雷卓駿，劉曄.制度創新何以賦能區域創新：來自市場準入負面清單模式的證據[J].中國軟科學，2024（9）：113-123.

[26] 姚樹俊，董哲銘.人工智能賦能戰略性新興產業新質生產力的路徑研究[J].浙江工商大學學報，2025（1）：100-113.

[27] 高超，黃玖立，李坤望.方言、移民史與區域間貿易[J].管理世界，2019，35（2）：43-57.

[28] 楊亞平，楊鑫，陳凱.數據要素市場化對企業數字化創新的影響[J].經濟管理，2025，47（3）：5-25.

[29] 康茂楠，毛凱林，任靜.數字政府建設與創業活躍度：來自中國城市的證據[J].云南財經大學學報，2025，41（3）：75-93.

[30] 溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（5）：731-745.

基金項目：四川省哲學社會科學基金項目“中國式現代化背景下四川農村互助養老服務體系建設研究”（項目編號：23SH031）；四川省科技廳軟科學項目“社會網絡視域下成渝地區雙城經濟圈地方政府協同治理研究”（項目編號：2022JDR0093）。

作者信息：楊茂林，男，內江師范學院政治與公共管理學院講師，研究方向為區域公共治理、農村社會學。

（收稿日期：2025-05-30" 責任編輯：魯文雯）