王信敏 孙金凤

摘要：智能工业与能源可持续转型存在互动效应，二者协同转型更有利于加快传统工业转型升级。在构建智能工业转型指数（IITI）和区域能源可持续转型指数（RETI）的基础上，基于因子分析和耦合协调方法对智能工业与区域能源可持续协同转型水平进行测度，研究2007—2018年我国30个省份协同转型的时空分异特征，并基于探索性空间数据分析方法分析了协同转型的空间关联格局演化特征。结果表明：2007—2018年我国智能工业与区域能源可持续协同转型水平虽呈现出不断提升的趋势，但整体水平不高，2018年初级协调及以上水平的省份仅占20%，处于失调状态省份高达40%;协同转型呈现了“东部沿海+长江经济带”的“T型”格局，“虹吸效应”使得欠发达地区形成同步滞后现象;“南强北弱”特征较为明显，北方省份普遍低低聚集，协同转型形势严峻;未来应充分重视智能工业和区域能源可持续转型的高耦合关系，发挥发达地区的“辐射作用”，引导资本、人才、技术向转型滞后地区流动，避免出现“锈带化”危机。

关键词：智能工业转型;区域能源可持续转型;耦合协调;探索性空间数据分析

中图分类号：F427;X24

文献标识码：A

文章编号：1673-5595（2021）06-0011-10

一、引言

自《中國制造2025》发布以来，我国一直在快速推进传统工业的智能化转型。近年来，随着人工智能、工业互联网等信息技术的蓬勃发展，智能工业转型迎来了新的发展契机。同时《中国制造2025》也提出了可持续发展目标，到2025年重点行业单位工业增加值能耗、物耗及污染物排放达到世界先进水平，单位工业增加值二氧化碳排放量下降40%。智能化转型与能源可持续转型之间并不是独立的过程，二者存在互动效应，智能工业转型需要与能源可持续转型实现协调同步。当前，能源可持续转型成为全球面临的挑战，世界经济论坛2019年发布的Fostering Effective Energy Transition报告显示，能源体系向更可负担和更可持续方向转型的进程已陷入停滞，能源可持续转型问题也是我国面临的亟需解决的难题。同时信息技术的蓬勃发展为传统工业向智能工业转型带来了新的发展机遇，因此实现智能工业与能源可持续协同转型是当前我国传统工业转型升级和经济环境协调发展的紧迫任务。

本文针对我国智能工业与区域能源可持续协同转型问题进行研究，探索二者协同转型的时空演化特征。首先构建智能工业转型指数（IITI）和区域能源可持续转型指数（RETI），进而对我国30个省份2007—2018年IITI与RETI的耦合协调度进行测度，在此基础上研究智能工业与区域能源可持续协同转型的时空分异特征和空间关联格局，并提出协同转型的政策建议。论文的主要贡献包括：（1）智能工业与能源可持续协同转型并不是孤立的过程，研究二者的协同转型可以避免独立研究的片面性，协同转型的时空演化特征可以刻画产业与环境发展的协调水平，能够为传统工业转型升级宏观政策的制定提供依据;（2）构建了IITI和RETI，IITI可以用来测度智能工业转型能力，而RETI则有别于国家维度的能源可持续转型指数（ETI），可以用来测度面向地区维度的能源可持续转型能力，IITI和RETI能够拓展现有的智能工业与能源转型理论体系。

二、文献评述

智能工业的概念源于德国“工业4.0”计划，以机械化、自动化、信息化和网络化为特征，旨在实现生产的自动化向智能化转变。[1]智能工业是将具有环境感知能力的各类终端、各类技术不断融入工业生产的各个环节，以大幅提高制造效率、改善产品质量、降低产品成本和资源消耗，将传统工业提升到智能化的新阶段。[2]智能工业转型是我国工业的发展战略，因此是当前的研究热点，相关研究主要集中于两个方面：一方面是智能化转型对产业发展的影响，如智能化转型促进产业结构升级[3]、智能制造驱动劳动密集型产业转型[4]等;另一方面是智能工业转型路径，如企业组织变革与智能化转型的匹配方法[5]、技术与服务的双元驱动路径[6]、技术创新与数据驱动路径[7]等。

能源转型的相关研究较为丰富，主要集中于转型路径[8]、转型影响[9]和转型政策[10]方面。能源转型并不是单纯提高可再生能源的比重或清洁能源的成本竞争力，它具有长期性、复杂性和有序性的特点，能源禀赋、政策导向、技术创新等都是导致能源转型不可持续的重要诱因[11]，因此能源转型需要考虑可持续问题。能源转型聚焦于能源消费结构和效率，而能源可持续转型还涉及社会规范、经济增长、技术创新、制度政策等维度的内容，可持续转型更符合绿色经济的要求，因此越来越多的学者开始关注能源可持续转型问题[12-14]。

智能工业转型与能源可持续转型并不是相互独立的过程，当前的相关文献分别从智能工业转型或能源转型的角度展开研究，并未考虑二者的互动过程。然而，高歌[15]研究发现，智能工业转型与能源转型在技术水平、产业结构和产品成本3个层面存在高度相关，说明二者之间存在耦合关系;鉴成[16]从历史演进的角度研究发现，制造范式与能源转型之间存在明显的协同现象。在科技创新驱动下，制造范式不断向规模化、自动化、柔性化转变，带来了能源利用的高效化、清洁化、低碳化，从而导致了能源需求的变革;能源转型也是制造范式转变的重要驱动力，在生态环境形势驱动下，绿色低碳能源供应体系大大推动了新型制造范式的形成。随着信息技术与能源、制造业的深度融合，智能化水平不断提升，从而将进一步加快能源与制造范式的协同转型。可以看出，智能工业转型与能源可持续转型之间存在协同特征，协同转型更有利于发挥二者的互动作用。当前相关研究仅发现了二者之间的协同关系，并未研究二者协同转型的时空演化与空间关联，也并未考虑存在协同现象时的传统工业转型政策。本文将基于这些问题展开研究。

三、研究方法与数据来源

（一）智能工业与区域能源可持续转型的指标选取

智能工业相关指标主要用于发展水平的测度，单一指标和综合评价方法均较为常用，比如Michaels等[17]使用了“信息技术应用”指标，Acemoglu等[18]使用了“机器人使用”指标，Autor等[19]使用了“全要素生产率”指标，杨飞等[20]使用了“全球计算机制造业和信息服务业投入到中国每个行业的中间品占增加值的比重”指标。综合指标的选取标准并不统一，张万里等[21]使用了8项指标基于主成分分析法进行测度，陈晓等[22]则采用了基础建设、生产应用、竞争力和效益3个维度的10个指标进行测度。上述指标并未针对智能工业转型能力进行设计，同时单一指标也存在一定的片面性。本文构建智能工业转型指数（IITI），用于测度区域智能工业转型能力水平。参考世界经济论坛将能源可持续转型指数（ETI）划分为转型准备和转型绩效两个维度的做法[23]，本文将IITI一级指标分为智能化转型准备和智能化转型绩效，智能工业转型准备表示转型的基础条件，而智能化转型绩效则表示智能化转型能够产生的效益。在智能工业转型准备维度，互联网、硬件、软件是智能化发展的基础设施，而信息服务则是智能决策的支撑，因此借鉴张万里等[21]的做法，将数据处理、信息平台运营和维护作为信息服务能力的指标;创新能力是智能工業的重要驱动力[16]，因此也纳入智能工业转型准备维度。在智能工业转型绩效维度，参考Guo等[24]的做法将产出绩效分为经济表现、社会表现和技术表现，选择工业人均GDP产出、工业能源效率和新产品销售收入作为衡量指标，工业能源效率代表智能工业对环境的影响，而新产品销售收入代表智能工业的创新产出水平。IITI的指标体系如表1所示。

能源可持续转型指数（ETI）的指标体系由世界经济论坛提出，是用来测度各个国家能源消费向可持续、安全和可获得性转型能力的框架体系。[23]ETI包含能源转型准备、系统绩效2个一级指标、9个二级指标和40项三级指标。该指标体系主要面向国家层面，部分三级指标无法应用于区域层面的能源可持续转型，因此本文沿用其一级和二级指标，仅对三级指标进行遴选，使之适用于区域层面的能源可持续转型。在能源转型准备方面，能源系统结构包含能源消费结构和强度两个主要方面，用于表征自然资源使用维度中各地区能源现状，因此选取可再生能源比重和人均一次能源消耗两个指标;资本投入是能源转型的关键因素，能源行业整体投入决定了能源生产和传统能源行业转型的难易程度，而可再生能源发电投入则是新能源发展的重要支撑，考虑指标的可获得性和适用性，能源效率投资和投资自由度等指标不再涉及;基础设施和创新商业环境主要取决于能源创新的关键因素，包括人才、投入等，参考Guo等[24]的方法，采用R&D投入强度、绿色专利数量、能源行业R&D人员指标。在能源转型绩效方面，能源安全性主要是指能源的安全保障水平，参考ETI、Iddrisu等[25]的选取方法，采用一次能源需求的多样性和能源对外依赖度指标，删除了电力普及率、清洁能源可及性、供应可靠性等不适用于区域维度的指标。其他三级指标均沿用ETI指标的选取方法，其中不适用于区域维度的指标不再考虑，仅保留了具有适用性和代表性的指标。区域层面的能源可持续转型指数（RETI）的指标体系如表2所示。

其中，“可再生能源比重”用“可再生能源产量/能源总消费量”来表示;“能源行业资本投入”用“能源工业固定资产投入/全社会固定资产投资”来表示;“可再生能源发电投入”用“新增可再生能源发电装机容量”指标来表示;“环境执法力度”用“环保处罚额/工业总产出”来表示;“R&D投入强度”用“R&D投入/区域GDP”来表示;“能源行业R&D人员”用“能源行业R&D人员/能源行业从业人员”来表示;“受教育程度”用“高中及以上占总人口的比重”来表示;“一次能源需求的多样性”采用Herfindahl-Hirschman指数进行计算，即各类一次性能源占各地区相应类别能源消费总量的比重的平方和;“能源依赖度”用“能源净调入量/能源消费总量”来表示;“排放强度”用“碳排放量/能源消费量”来表示;“能源效率”用“能源消费量/区域GDP”来表示;“空气质量”用“PM2.5浓度”来表示。

2.智能工业与区域能源可持续转型测度

由于指标间可能存在相关性，IITI和RETI均采用因子分析法进行测度，该方法可以避免由指标间的多重共线性所带来的评价偏差。首选需要采用KMO和Bartlett球形检验方法进行因子分析的适用性检验，因子数量根据累计贡献度达到80%以上的原则进行确定，公共因子的权重根据方差贡献率确定，各因子得分与权重的乘积之和即为评价值。为了避免评价值为负而无法进行后续的耦合协调度计算，采用式（1）和式（2）对IITI和RETI的综合评价值进行归一化处理。

3.耦合协调度与类型划分

耦合协调度是物理学中的概念，耦合指的是两个或两个以上的系统通过相互作用对彼此产生影响的现象，耦合度表示系统间相互作用的强弱程度，协调度则是指相互作用中良性耦合程度的大小，表示协调状况的好坏。耦合协调度能够对系统间作用关系进行度量，因此在经济系统、生态系统等领域也有广泛的应用。由于智能工业与区域能源可持续转型之间存在互动关系，因此可以采用耦合协调度对智能工业与区域能源可持续协同转型水平进行量化。耦合度用来分析智能工业转型与区域能源可持续转型之间的相互作用、相互影响的程度，耦合度C的计算公式为

式中：Ui为某个系统或要素的值，表示区域能源可持续转型指数和智能工业转型指数;C为二者的耦合度，C值越大说明智能工业与区域能源持续转型之间的互动关系越强。

耦合度只能反映智能工业与能源可持续转型的相互影响程度，并不能反映这种影响是相互促进还是相互制约，因此需要使用协调度模型来研究二者之间的协同关系，计算公式为

式中：T为系统或要素间的协调指数;D为耦合协调度，用来表示智能工业与能源可持续转型的协同效应大小，D值越大表示越协调，说明智能工业与能源可持续转型相互促进，反之D值越小表示二者相互制约，处于失调状态;αi为各子系统的权重系数，αi越大表示重要程度越高。为了进一步区分协同状态中智能工业转型与能源可持续转型之间的相对强弱，可以对耦合协调类型进行进一步划分，借鉴刘愿理等[26]的划分方法，耦合协调度划为8个等级，并根据两个指数的差值将耦合协调类型划分为3大类24小类，如表3所示。

（三）探索性空间数据分析

使用探索性空间数据分析方法对智能工业与区域能源可持续协同转型进行空间关联特征分析，获得其空间分布类型。探索性空间数据分析方法包括全局莫兰指数（Global Moran’s I）和局部莫兰指数（Local Moran’s I），计算方法为

（四）样本选择及数据来源

考虑数据的可获得性，本文针对我国30个省级行政区进行研究，不包括西藏、香港、澳门和台湾。数据收集范围为2007—2018年，数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境年鉴》《中国科技统计年鉴》《中国固定资产投资统计年鉴》《中国电力年鉴》《中国信息年鉴》《中国软件和信息服务业发展报告》等，涉及价格的数据均使用2007年不变价格进行折算。

四、智能工业与区域能源可持续转型的时空耦合协调分析

（一）IITI、RETI与耦合协调度动态演化

IITI和RETI的因子分析中KMO检验结果分别为0.801和0.721，Bartlett球形检验的p值均为0.000，因此二者均适合使用因子分析方法。当累计贡献度超过80%时，IITI提取3个因子，根据方差贡献率计算出的权重分别为0.668、0.209和0.122，RETI共提取7个因子，权重分别为0.403、0.188、0.132、0.100、0.070、0.058和0.049。使用式（3）、式（4）、式（5）对耦合度和耦合协调度进行计算，其中子系统的权重αi参考相关研究的通常做法[23，26-27]，IITI和RETI的权重均设置为0.5。为了刻画智能工业和区域能源可持续转型的动态演化过程，使用Epanechnikov核函数一维形式的核密度估计方法对IITI、RETI和耦合协调度的动态演化情况进行绘制，结果如图1所示。

IITI的核密度分布曲线呈现右偏特征，2007—2018年间波峰逐渐降低且逐渐右移，可见随着科技水平和信息技术蓬勃发展，我国各省份的智能工业转型整体呈现了不断提速的趋势，同时各个地区之间的差距也在不断扩大。RETI在2007—2016年间波峰右移趋势不明显，2017—2018年明显右移，说明2007—2016年能源可持续转型能力提升并不明显，而2017—2018年呈现了快速提升趋势，这主要是源于近年来我国污染排放、碳排放等环境规制力度明显加强，同时可再生能源供给能力快速增长。我国IITI和RETI虽呈现了增长趋势，但二者波峰的不断降低说明了区域之间的差异在不断扩大。2018年北京IITI值为1，而排名第二位的上海仅为0.461，低于0.3的省份高达27个，占比90%;2018年北京RETI的值仅为0.409，大于0.3的省份仅有5个，而小于0.1的省份高达7个。由此可见，我国IITI与RETI仍有巨大的增长空间，整体较为落后的特征非常明显。2007—2018年耦合协调度的核密度分布曲线波峰呈现不断降低和右移趋势，智能工业与区域能源可持续转型的协同水平不断提升，但整体水平并不理想，2017年我国耦合协调度均值为0.319，2018年仅为0.434，超过0.5的省份有7个，占比仅23.3%。

（二）协同转型的时空分异特征

耦合度结果显示，除内蒙古和宁夏外，我国各省份智能工业与能源可持续转型之间形成了高耦合特征，耦合度均高于0.9，因此智能工业与能源可持续转型之间形成了较强的相关作用，这与高歌[15]和鉴成[16]的研究结论“智能制造与能源转型具有互动关系”是一致的。

根据耦合协调度结果绘制我国各省份智能工业与能源可持续协同转型的空间分布特征图，2007和2018年的结果分别如图2、图3所示。2007年我国30个省份中仅有北京实现了初级协调，上海和广东属于勉强协调，其他省份均处于失调状态，北方各省的耦合协调水平明显弱于南方地区，耦合协调水平较高的省份集中于东部沿海和长江经济带。随着时间的推移，我国各省份耦合协调水平均实现了快速提升，2018年北京已达到了良好协调状态，耦合协调度为0.799，即将达到优质协调状态，上海则处于中级协调水平，天津、江苏、浙江和广东处于初级协调阶段，初级协调及以上的省份仅占20%，勉强协调的省份达到12个，轻度失调的仍有10个，内蒙古和宁夏中度失调，处于失调状态的省份仍高达40%。从空间分布来看，我国各省份智能工业与能源可持续协同转型呈现了明显的“南强北弱”特征，东部沿海和长江经济带各省份的耦合协调水平和增长态势明显优于其他地区，而东部沿海的耦合协调状态明显更优，“东部沿海+长江经济带”的“T型”格局越来越明显。

我国大部分省份的耦合协调类型属于同步型，非同步型的省份均为能源可持續转型滞后型，而同步型省份之间也存在较大差异。2018年北京、上海、内蒙古、海南、宁夏5个省份为能源可持续转型滞后型，北京、上海的RETI值分别为0.409和0.310，而海南、内蒙古、宁夏分别为0.171、0.028、0.035，因此北京、上海是IITI水平较高导致的能源可持续转型相对滞后，而内蒙古、宁夏则为实际滞后型。在同步型省份中，山西、黑龙江、吉林、甘肃、新疆为同步滞后，RETI值均未超过0.1，IITI均未超过0.2，而江苏、浙江、广东属于优质同步，RETI值均大于0.3。近年来随着信息科技和创新水平的快速提升，较发达地区智能工业发展迅速，区域能源转型也取得了长足进步，而欠发达地区智能工业与能源可持续转型能力同步滞后情况较为突出。

（三）协同转型的空间关联格局分析

运用全局莫兰指数对我国各省份智能工业与能源可持续转型耦合协调度的全局空间关联性进行计算，结果如表4所示。2007—2018年我国全局莫蘭指数呈现出逐渐增加的趋势，2007年为0.245，2018年则达到了0.388，且各年度结果均通过了显著性检验，因此智能工业与能源可持续转型耦合协调度空间分布存在显著的正相关性，空间集聚水平逐年提升。

使用局部莫兰指数可以对各省份空间聚集特征进行进一步分析，根据各省份空间聚集情况可以绘制LISA聚集图，2007和2018年结果分别如图4、图5所示。

结果显示，2007年我国高高聚集区域的省份有9个，主要集中于京津、重庆和东南沿海地区，低低聚集区域的省份共12个，主要集中于长江以北地区。长江流域的耦合协调水平较好，而周边省份耦合协调水平普遍不高，因此高低聚集现象主要出现在了长江流域，这与耦合协调度呈现“东部沿海+长江经济带”的“T型”格局的结论是一致的。

2007—2018年间耦合协调度空间聚集格局变化不明显，2018年仅4个省份发生了改变，其中山东由低低聚集转变为高高聚集，湖北从高低聚集转化为高高聚集，云南省耦合协调水平实现了快速增长，由低低聚集转化为高低聚集，陕西省增速相对较慢，由高低聚集转向了低低聚集。在“东部沿海+长江经济带”的“T型”格局下，高高聚集区域形成了对资本、人才、技术创新的“虹吸效应”[28-29]，智能工业与能源可持续转型协同发展较为迅速，导致临近省份发展较为迟缓，如天津、安徽、江西、湖南、广西、贵州等省份表现出了典型的低高聚集特征。同时也发现，我国智能工业与区域能源可持续协同转型形成了巨大的南北差异，北方多省份长期处于低低聚集区域。

（四）结果讨论

我国各省份智能工业与能源可持续协同转型呈现出“东部沿海+长江经济带”的“T型”格局，这一结论与黄丽等[27]在对我国区域创新能力与能源利用效率的耦合协调研究中的结论是一致的，区域创新能力是智能工业转型与能源可持续转型的重要驱动力，智能工业转型与能源效率提升之间也存在着因果关联，因此区域维度上科技、经济、社会发展的诸多方面具有一致共性特征。东部沿海具有典型的先发优势，而长江经济带发展战略大大加强了区域经济联系[30]，对产业升级、科技创新、生态转型等均表现出了显著的效果[31]，这也是“T型”格局形成的主要原因。我国各省份智能工业与能源可持续协同转型具有“南强北弱”特征，北方以劳动密集型传统工业为主，路径依赖程度较高，能源和智能工业转型缓慢，这与区域发展的内生支撑力表现出了一致的特征。北方在资源环境、生态环境、城市建设和社会保障等内生支撑力方面明显落后于南方，从而导致了经济发展和创新活力等内生动力的不足。[32]刘金山等[33]通过对四大城市群“锈带”指数研究发现，东北三省、河北普遍存在严重的“锈带”危机，而长三角、珠三角“锈带”程度相对较轻，这与智能工业与能源可持续协同转型的聚集特征也是吻合的。我国北方省份呈现的低低聚集现象应该引起警惕，避免资源枯竭型城市的“锈带化”危机，因此在智能工业发展与能源可持续转型方面应汲取国外典型“锈带”地区转型的成功经验[34]，未雨绸缪，实现智能工业与能源可持续协同转型。

智能工业与能源可持续协同转型的相关结论依赖于IITI、RETI与耦合协调度测度结果的合理性，研究方法的合理性对研究结果的科学性影响较大。IITI与RETI指标体系采用了多项综合指标，与单一代表性指标选取不同，综合性指标可以避免单一指标的片面性，从而可以大大提高评价结果的合理性水平。例如，对于IITI而言，仅使用“信息技术应用”指标[17]无法体现硬件、互联网等基础设施水平，更无法体现智能工业的产出能力，而仅使用“机器人使用”指标[19]也只能代表智能工业中的硬件环境，因此综合性指标对于智能工业转型的评价而言更为合理。在评价方法的选择中，世界经济论坛采用层次分析法对ETI进行评价[23]，各指标均采用平均分配的方法设置权重，主观性较强，无法区分指标的重要程度，同时多重共线性问题也可能会导致部分指标的影响力过大。为了避免这些问题，学者们经常采用因子分析法[11，21，22，27，32]进行评价。IITI、RETI指标体系多个变量之间存在线性相关性，如IITI中互联网应用、智能设备应用、软件应用、数据处理之间，RETI中人均GDP与能源工业投入、R&D投入等，采用因子分析法可以有效避免这些相关性引起的偏差。

耦合协调度计算中IITI和RETI的权重均采用文献中常用的设置方法，即均为0.5，权重的变化可能会对耦合协调度评价结果产生影响。敏感性分析结果（见表5）显示，当IITI和RETI的权重发生变化时，耦合协调度也会随之发生变化。当IITI权重为0.4，RETI权重为0.6时，即相对于权重为0.5时幅度变化20%，耦合协调度在2007年平均变化1.6%，随着时间的推移，变化率呈现逐渐缩小趋势，2013年转为负向，2018年为-1%，各年度变化率均未超过1.6%。在IITI权重为0.45，RETI权重为0.55时，权重变化幅度为10%，而耦合协调度变化率最大为0.8%，当IITI权重为0.55和0.6时，耦合协调度变化率最大分别为0.8%和1.7%。从各省份年均变化情况（如图6）来看，当IITI权重为0.4，RETI权重为0.6时，变化率最大的宁夏地区为6.2%，有5个省份的变化率在2%到3%之间，其余省份均未超过1%。从平均变化率来看，IITI权重为0.4和0.6时各省份平均变化率为1.4%，而当IITI权重为0.45和0.55时降为0.7%。可见看出，耦合协调度对于IITI和RETI权重的敏感性并不高，同时考虑到智能工业转型与能源可持续转型的重要性程度难以区分，因此将权重均设置为0.5具有科学性和合理性。

五、结论与建议

本文首先构建了智能工业转型指数和区域能源可持续转型指数，基于因子分析法和耦合协调理论测度了我国30个省份2007—2018年智能工业与能源可持续转型的协同水平，分析了二者协同转型的时空分异特征，并基于探索性空间数据分析方法分析了协同转型的空间关联格局演化特征。主要研究结论有如下几点：（1）智能工业和区域能源可持续转型虽呈现了增长趋势，但整体水平不高，区域之间的差异不断扩大，二者协同水平同样呈现了不断提升趋势，但2018年仍有40%的省份处于失调状态，初级协调及以上省份仅占20%，整体仍处于较低水平;（2）智能工业与能源可持续转型之间形成了高耦合特征，二者形成了较强的相互作用，协同水平呈现了“东部沿海+长江经济带”的“T型”格局，同时“南强北弱”特征明显，大多数省份中二者呈现了同步协调特征，发达地区表现为优质同步，而欠发达地区同步滞后特征明显;（3）在“东部沿海+长江经济带”的“T型”格局中存在明显的“虹吸效应”，北方省份的聚集特征显示出了与“锈带”地区分布一致的现象。

智能工业转型与区域能源可持续转型具有高耦合性，推动二者协同转型既符合我国生态环境可持续发展要求，又满足传统工业转型升级的战略目标，因此未来工业发展政策制定应注意以下几点：（1）宏观政策应倾向于推动智能工业与区域能源可持续协同转型，发挥“1+1>2”效应，避免孤立和片面的政策导向;（2）积极引导沿海和长江经济带等发达地区发挥“辐射作用”，减少过度“虹吸效应”，促进智能工业转型中产业链的平衡布局，带动欠发达地区能源可持续转型，实现地区之间良好协同;（3）积极应对北方地区智能工业与区域能源可持续转型的同步滞后与低低聚集现象，避免“锈带化”危机加剧，激励资金、技术、人力等资源向北方欠发达地区流动，加强信息基础设施建设，积极引导传统工业向智能工业转型升级，实现全国层面的区域协同与平衡发展。

参考文献：

[1] 王莉.德国工业4.0对《中国制造2025》的创新驱动研究[J].科学管理研究，2017，35（5）： 100-103.

[2] Zhong R Y， Xun X， Klotz E， et al. Intelligent Manufacturing in the Context of Industry 4.0： A Review[J]. Engineering，2017（3）：616-630.

[3] 陈秀英，刘胜.智能制造转型对产业结构升级影响的实证研究[J].统计与决策，2020（13）：121-124.

[4] 许清清，董培超，路兰.智能制造驱动劳动密集型产业转型实证研究[J].福建论坛（人文社会科学版），2020（7）：25-38.

[5] 池仁勇，梅小苗，阮鸿鹏.智能制造与中小企业组织变革如何匹配？[J].科学学研究，2020，38（7）：1244-1250.

[6] 陈旭升，梁颖.双元驱动下智能制造发展路径——基于本土制造企业的多案例研究[J].科技进步与对策，2020，37（10）：71-80.

[7] Zhou Y， Zang J， Miao Z， et al. Upgrading Pathways of Intelligent Manufacturing in China： Transitioning across Technological Paradigms[J]. Engineering，2019，5（4）：691-701.

[8] 王信敏，丁浩.经济发展和能源结构调整约束下中国政府投资决策问题研究[J].中国石油大学学报（社会科学版），2017，33（2）：7-14.

[9] 齐绍洲，李杨.能源转型下可再生能源消费对经济增长的门槛效应[J].中国人口·资源与环境，2018，28（2）：19-27.

[10] 黄朴，辛莹莹，范萌阳，等.新旧動能转换视角下促进青岛市能源转型的财税政策研究[J].中国石油大学学报（社会科学版），2021，37（2）：20-27.

[11] 刘平阔，彭欢，骆赛.中国能源转型驱动力的结构性特征研究[J].中国人口·资源与环境，2019，29（12）：45-56.

[12] Neofytou H， Nikas A， Doukas H. Sustainable Energy Transition Readiness： A Multicriteria Assessment Index[J]. Renewable and Sustainable Energy Reviews，2020，131：109988.

[13] Lazarevica D， Kivimaa P， Lukkarinen J， et al. Understanding Integrated-solution Innovations in Sustainability Transitions： Reconfigurative Building-energy Services in Finland[J]. Energy Research & Social Science，2019，59：101209.

[14] Munro F R， Cairney P. A Systematic Review of Energy Systems： The Role of Policymaking in Sustainable Transitions[J]. Renewable and Sustainable Energy Reviews， 2020，119：109598.

[15] 高歌.新工业革命中智能制造与能源转型的互动[J].科学管理研究，2017，35（5）：45-48.

[16] 鑒成.制造范式与能源转型的协同演进[J].求索，2017（9）：60-66.

[17] Michaels G， Natraj A， Van Reenen J. Has ICT Polarized Skill Demand？ Evidence from Eleven Countries over 25 Years[J]. Review of Economics and Statistics，2014，96（1）：60-77.

[18] Acemoglu D， Restrepo P. Robots and Jobs： Evidence from US Labor Markets[J]. Journal of Political Economy，2020，128（6）：2188-2244.

[19] Autor D， Salomons A. Is Automation Labor-displacing？ Productivity Growth， Employment， and the Labor Share[J]. Brookings Papers on Economic Activity，2018（1）：1-87.

[20] 杨飞，范从来.产业智能化是否有利于中国益贫式发展？[J].经济研究，2020（5）：150-165.

[21] 张万里，宣旸，睢博，等.产业智能化，劳动力结构和产业结构升级[J].科学学研究，2021，39（08）：1384-1395.

[22] 陈晓，郑玉璐，姚笛.工业智能化、劳动力就业结构与经济增长质量——基于中介效应模型的实证检验[J].华东经济管理，2020，3（10）：56-64.

[23] Singh H V， Bocca R， Gomez P， et al. The Energy Transitions Index： An Analytic Framework for Understanding the Evolving Global Energy System[J]. Energy Strategy Reviews，2019，26：100382.

[24] Guo P， Kong J， Guo Y， et al. Identifying the Influencing Factors of the Sustainable Energy Transitions in China[J]. Journal of Cleaner Production，2019（215）：757-766.

[25] Iddrisu I， Bhattacharyya S C. Sustainable Energy Development Index： A Multi-dimensional Indicator for Measuring Sustainable Energy Development[J]. Renewable and Sustainable Energy Reviews，2015，50：513-530.

[26] 刘愿理，廖和平，蔡进，等.西南山区土地利用多功能与多维贫困的时空耦合关系[J].中国人口·资源与环境，2020（10）：154-164.

[27] 黄丽，林诗琦，陈静.中国区域创新能力与能源利用效率的时空耦合协调分析[J].世界地理研究，2020，29（6）：1161-1171.

[28] 罗巍，杨玄酯，唐震.“虹吸”还是“涓滴”——中部地区科技创新空间极化效应演化研究[J].中国科技论坛，2020（9）：49-58.

[29] 李红锦，曾敏杰.新兴产业发展空间溢出效应研究——创新要素与集聚效应双重视角[J].科技进步与对策，2019，36（1）： 67-73.

[30] 陈磊，胡立君，何芳.长江经济带发展战略对区域经济联系的影响研究——基于双重差分法的实证检验[J].经济经纬，2021，38（2）：23-32.

[31] 李标，张航，吴贾.实施长江经济带发展战略能降低污染排放强度吗？[J].中国人口·资源与环境，2021，31（1）：134-144.

[32] 马丽，道灵芝，程利莎，等.中国中心城市内生动力和支撑力综合评价[J].经济地理，2019，39（2）：64-72.

[33] 刘金山，罗非.我国发达地区“锈带”分布及其演化[J].开发研究，2019（4）： 8-14.

[34] 赵璐，吕利娜.从锈带到先进制造业集群：资源型经济转型及高质量发展的路径探析——基于国外典型锈带地区的成功转型案例[J/OL].世界地理研究：1-12.http：//kns.cnki.net/kcms/detail/31.1626.P.20210323.0913.002.html.

责任编辑：曲 红

Abstract： There exists an interaction effect between intelligent industry and energy sustainable transformation， and their synergetic development is conducive to accelerating the transformation and upgrading of traditional industries. On the basis of constructing Intelligent Industry Transformation Index （IITI） and Regional Energy Transformation Index （RETI）， the synergetic transformation levels between intelligent industry and regional energy sustainability in 30 provinces from 2007 to 2018 are measured by using the approaches of factor analysis and coupling coordination analysis. Furthermore， the spatial-temporal synergetic transformation characteristics are studied， and the evolution characteristics of spatial association state of synergetic transformation are analyzed by using the approach of exploratory spatial data analysis. The results show that the synergetic transformation level was constantly improving from 2007 to 2018. However， it was still at a low level on the whole. Only 20% of the provinces were at the primary coordination or above level in 2018， and the uncoordinated provinces were up to 40%. The phenomenon of "T-shaped" state of "eastern coastal and Yangtze River Economic Belt" emerged during the process of the synergetic transformation， and "Siphon effect" made the underdeveloped areas lag behind. The Southern provinces were better than the North and the Northern provinces were generally in the low-low aggregation state. Therefore， the situation of synergetic transformation remains severe in the North. In the future， more attention should be paid to the high coupling relationship between intelligent industry and regional energy sustainable transformation and efforts shall be made to accelerate the radiation effect of developed areas， and guide the flow of capital， human resource and technology to the areas of lagging transformation in order to avoid the "rust belt" crisis.

Key words： intelligent industry transformation; regional energy sustainable transformation; coupling coordination analysis; exploratory spatial data analysis

3047500589212