岳宇君，孟 渺

(南京邮电大学 管理学院，江苏 南京 210003)

作为第四次工业革命的核心驱动力，人工智能是数字经济发展的战略抓手，正深刻改变着人们的生活方式。就内涵而言，人工智能是一套解决复杂问题的智能系统，需要做出合理的决策才能实现目标[1]。目前，人工智能广泛应用于计算机、数学、物理学等学科的理论和方法中，模拟人类思维的决策过程，具有广泛渗透、数据驱动、系统智能等特征优势。同时，人工智能不断拓宽应用场景，已广泛融入工业、农业、交通、科研及医疗等行业，实现“智能+”的发展，其赋予机器学习、决策等能力，推动智能化领域突破性创新，加快科技创新，引领经济迈向高质量发展[2]。因此，研究人工智能、科技创新与经济高质量发展之间的关系，对实现经济高质量发展具有重要的现实意义。

研究者们主要从产业转型、资本结构、劳动力素质及能源效率等视角分析人工智能对经济发展的影响机制和表现形式，基本肯定了人工智能在经济发展中的积极作用，如提高生产技术、优化劳动力结构、实现资本对劳动力的替代等[3-5]。而科技创新对经济发展具有积极影响：从企业层面看，企业为了获取垄断利润，会重视科技创新提高企业绩效；从产业层面看，科技创新不仅可以促进产业多元化和升级，还可以通过创造新产品形成新的产业部门；从宏观层面看，科技创新可以通过技术扩散的乘数效应推动地区绿色发展、协调发展等[6]。实际上，人工智能本身就是科技创新的典型突破，还可以通过“机器学习推动科技创新”。具体而言，人工智能能够通过对日常复杂活动的实现，改善人与技术之间的互动，成为科技创新的基础；通过方法借鉴、理论移植、对象转移，可以发现新知识、产生新技术，从而形成新的研究领域，带来更丰富的科技创新成果；人工智能与科技创新之间存在交叉作用，推广人工智能，加大科技创新力度，可以更好地促进产业发展[7]。

现有文献从不同视角研究了人工智能、科技创新与经济高质量发展两两之间的关系，但缺乏对这三者作用机理的研究。因此，拟采用固定效应模型、随机效应模型及最小二乘法等，选取中国东部11个省份2010—2020年的数据，构建中介效应模型，进行多元回归分析、稳健性检验，从而揭示人工智能、科技创新与经济高质量发展的作用机理。同时，提出有针对性的建议对策，以期为经济高质量发展和研究提供启示。

1 研究假设与指标选取

1.1 研究假设

为探讨人工智能、科技创新与经济高质量发展三者之间的作用机理，围绕人工智能与经济高质量发展、人工智能与科技创新及科技创新与经济高质量发展提出研究假设。

1.1.1 人工智能与经济高质量发展

人工智能已应用于许多行业和领域，具有明显的技术溢出效应。在农业领域，模拟不同条件下的农业生产情境，为农业决策提供技术支持，有利于充分挖掘农业生产潜力；在工业部门，对生产过程、部门资源配置进行智能控制，实现智能升级；在传统服务业，提高个性化服务、人机服务和远程服务的质量和数量，实现定制化生产和智能化售后服务[8]。人工智能可以重塑企业的组织分工和生产流程，促进上下游企业和整个产业链的变革，优化产业空间布局；实时监控生产中的重复劳动、资源设备闲置、资源浪费等问题，实现资本、劳动、技术等要素的智能配置，有利于提高生产效率[9]。人工智能能够准确捕捉、判断、分析和预测微观经济个体的行为特征，帮助企业准确定位目标客户的需求，准确判断行业竞争，充分挖掘价值需求和潜在客户；激发企业的跨界经营与合作，促进商业模式的创新，提高资源配置效率和管理效率[10]。人工智能不仅可以实现人力资源的深层次替代，还可以淘汰部分低技能劳动力；有利于衍生出更多的高技能、高素质的劳动者，为经济发展提供人力资本支持；与实体经济的融合，产生技术溢出效应，有利于提高整体创新能力，实现经济增长由要素驱动向创新驱动的转变；“干中学”效应会逐步放大，催生新的经济业态，释放技术进步和劳动生产率提升的效应[11]。因此，提出以下假设：

H1：人工智能对经济高质量发展具有显著的促进作用。

1.1.2 人工智能与科技创新

人工智能具有深度学习能力，可以与神经网络、云计算、大数据相结合，借助技术溢出效应为其他领域的科技创新提供解决方法。人工智能可以预测和模拟科技创新的路径和效果，更好地匹配创新和需求，催生了以平台经济为核心的数字基础设施，促进产学研的有机整合。人工智能不仅可以通过改善技术的性能与创新过程，直接推动科学技术的进步，还可以引发企业创新行为的变革。从融合的角度看，人工智能与不同领域产业的广泛融合，能够带来传统产业的转型升级和新兴产业的发展，带来更广泛的创新效应[12]。从知识的角度看，人工智能增加了企业获取知识的途径，使企业能够获得更多有用的知识，从而增强企业的科技创新能力，降低了搜索和筛选内外部创新要素的成本，使企业更有针对性地进行科技创新。从协同的角度看，人工智能促进了创新过程中技术因素和非技术因素的协同，在知识技术创新、产品服务创新及市场组织创新等方面形成多维协同效应，更有利于创新理念的聚合、互动和组合，从而提高科技创新效率[13]。从风险的角度看，人工智能设备能够实时感知自身的运行状态和内部环境，通过不断的自学习探索方案的优化路径，从而在一定程度上降低创新风险；人工智能引发复合网络创新，增强创新的兼容性和可扩展性，增加创新要素的供给，提高创新效率和成功率。从人才的角度看，为了应对人工智能，企业会培育和引进高技能人才，有利于提高人力资本的整体水平，通过促进技能积累、技术吸收与扩散和市场规模效应等中介机制，促进产业与组织之间的科技创新[14]。因此，提出以下假设：

H2：人工智能对科技创新起着重要的推动作用。

1.1.3 科技创新与经济高质量发展

科技创新带来的核心专利和先进研发成果，使现有产业由低附加值水平向中高附加值水平演进，通过新技术推动传统产业结构升级，实现新旧动能转化；使得产品和服务的多样化，可以给消费者带来新的选择和消费体验，引发新的消费增长点，促进消费结构升级；以绿色发展为导向的科技创新推动绿色产业发展，可以实现经济发展由高排放、高污染向循环友好模式的转变[15]。在微观层面，科技创新可以帮助企业实现科学化、精确化、智能化管理，提高管理效率，有效应对市场经济波动的风险，保障生产经营的连续性；科技创新促进先进生产要素的发展，改变原有的低效生产方式，驱动新产品、新服务的高质量供给，在降低资源消耗的同时，进一步提高产品附加值。在中观层面，科技创新促进产业要素流动和资源重新配置，提升生产率和资源利用率，提高经济增长效率；在促进产业结构升级的同时，科技创新也将形成新兴产业，开拓新市场，促进产业结构优化升级[16]。在宏观层面，科技创新的进步可以改变原有的社会资源配置模式，使资源配置更加高效，有利于提高全要素生产率；科技创新成果的不断应用引发新的消费增长点，优化消费结构升级，提高社会福利和生活质量[17]。因此，提出以下假设：

H3：科技创新对经济高质量发展具有显著的促进作用，在人工智能促进经济高质量发展中起着中介传导作用。

1.2 指标定义

1.2.1 被解释变量

在借鉴李光龙和范贤贤[18]、Yuan[19]等研究者的研究基础上，运用综合指标评价法，通过经济增长结构、经济增长动能、经济增长效率、经济福利水平和持续发展水平等5个一级指标及12个二级指标构建经济高质量发展的指标体系。将持续发展水平下的二级逆向指标，采用倒数处理转化为正向指标后，再进行无量纲处理，最后通过线性加权法，得出经济高质量发展指数，具体指标如表1所示。

表1 经济高质量发展的指标体系

选取全要素生产率作为衡量经济增长效率的指标，运用基于产出视角的数据包络分析方法计算反映生产率增长的Malmquist指数。产出为各时期的生产总值，以2010年为基期作不变价处理。其中，劳动要素为年末就业总人数，资本要素采用永续盘存法计算。资本要素的计算表达式为

式中：t表示年份，从2010年算起；Kt、Kt-1分别为第t、t-1年的实际资本存量；δt为第t年的折旧率；It为第t年的名义投资额；Pt为第t年的投资价格指数。

参考单豪杰的做法[20]，折旧率δ取0.109 6，当年投资额It为社会固定资产投资额，基期资本存量表达式为

选取“人均受教育年限”衡量人力资本水平，其表达式为

式中：S1、S2、S3、S4表示小学6年、初中9年、高中12年、大专16年以上受教育年限人数；H表示6岁以上总人数。

1.2.2 核心解释变量

1)人工智能。参考Borland and Coelli[21]的做法，选取信息传输、计算机服务和软件业的固定资产投资在社会固定资产投资总额的占比衡量人工智能(人工智能1)。在稳健性检验中，选取人工智能专利申请数占地区专利申请总量的比重衡量人工智能(人工智能2)[22]。

2)科技创新。借鉴钞小静和周文慧的研究[22]，选取技术市场成交额衡量科技创新(科技创新1)。在稳健性检验中，选取专利授权数衡量科技创新(科技创新2)[23]。为了减弱异方差的影响，均进行了取对数处理。

1.2.3 控制变量

1)城镇化水平。城镇化水平的提高是地区经济高质量发展的重要体现，以年末城镇人口在总人口的占比衡量。

2)对外开放水平。对外开放水平的高低会影响产业结构和劳动力结构，对经济高质量发展起着重要作用，采用进出口总额占地区GDP的比重衡量。

3)政府调控。有效的财政支出作为政府调控的重要工具，能够引导产业结构和经济实现良性发展，采用政府财政支出占GDP的比重衡量。

2 模型构建及检验

2.1 数据来源

2010年以来，国内人工智能进入快速发展阶段，人工智能企业数量大幅增加。2020年，中国人工智能企业数量最多的十大城市中，有8个位于东部省份，数百家人工智能企业集中在上海、北京、杭州和深圳。因此，为了避免研究结果出现较大偏差，选取中国东部11个省份2010—2020年的数据，通过构建面板数据模型分析人工智能、科技创新对经济高质量发展的影响。所选取的数据主要来源于中国统计年鉴、中国劳动统计年鉴、各地区年鉴及“Patent Hub专利汇”全球专利数据库。

2.2 模型构建及检验

2.2.1 模型构建

借鉴夏凡和冯华[24]、高文鞠和綦良群[25]等研究者的方法，构建中介效应模型为

Hit=a0+a1Ait+a2Uit+a3Oit+a4Git+εit

(1)

Tit=b0+b1Ait+b2Uit+b3Oit+b4Git+εit

(2)

Hit=c0+c1Ait+c2Tit+c3Uit+c4Oit+c5Git+εit

(3)

式中：Hit、Ait、Tit分别为t时期i省份的经济高质量发展指数、人工智能水平、科技创新能力；Uit、Oit、Git分别表示城镇化水平、对外开放水平、政府调控；εit是随机扰动项。

在内生性问题讨论中，参考陈淑云和陶云清[26]的研究，引入被解释变量滞后一期，构建动态面板模型为

Hit=a0+a1Ait+a2Uit+a3Oit+a4Git+
a5Hi(t-1)+εit

(4)

Tit=b0+b1Ait+b2Uit+b3Oit+b4Git+
b5Ti(t-1)+εit

(5)

Hit=c0+c1Ait+c2Tit+c3Uit+c4Oit+
c5Git+c6Hi(t-1)+εit

(6)

2.2.2 中介效应检验方法

根据温忠麟等[27]提出的中介效应检验程序，确定中介效应检验的步骤如下。

步骤1检验模型(1)中的人工智能系数a1是否显著。若显著，则按中介效应立论；否则，按遮掩效应立论，但都需要后续检验，不能直接否定中介效应的存在。

步骤2检验模型(2)中的人工智能系数b1和模型(3)中科技创新系数c2是否显著。如果两个系数都是显著的，那么间接效应是显著的，进行步骤4。否则，进行步骤3。

步骤3用Bootstrap法直接检验H0：b1c2=0。如果是显著的，则表明间接效应显著，进行步骤4；否则，间接效应不成立，停止分析。

步骤4检验模型(3)中的人工智能系数c1是否显著。如果不显著，则表明直接效应不显著，只有中介效应；否则，表明直接效应显著，进行步骤5。

步骤5比较b1c2和c1符号。如果b1c2>0、c1>0(同号)，表明是部分中介效应，中介效应占总效应的比例为b1c2/a1。如果不同号，表明是遮掩效应，间接效应与直接效应的比例绝对值为|b1c2/c1|。

3 实证分析

3.1 描述性统计分析

在进行回归分析之前，对主要变量进行描述性统计，结果如表2所示。由表2可以看出，经济高质量发展指数的均值为4.291，中位数为4.297，最小值为3.677，最大值为4.757，表明省际间经济高质量发展指数差距不大，大多数地区经济高质量发展处于中高水平；人工智能相关产业投资占比的均值为0.014，中位数为0.012，最小值为0.002，最大值为0.047，表明人工智能相关产业投资在社会固定资产总投资中的占比较低，各省人工智能发展水平存在差距；人工智能专利申请数占比的均值为0.071，中位数为0.034，表明大部分地区人工智能专利申请数较少，人工智能研发水平有待提升；技术市场成交额、发明专利授权数的均值分别为14.675、8.993，中位数为15.110、9.120，表明大多数省份科技创新总体水平较高。

表2 主要变量的描述性统计

3.2 多元回归分析

为反映变量间的影响效应，进行多元回归分析。回归分析前，采用Pearson相关系数、方差膨胀因子(Variance Inflation Factor，VIF)检验面板数据的多重共线性，具体如表3所示。结果显示，Pearson相关系数均小于0.8，VIF值均小于10，可认为不存在严重的多重共线性问题。

表3 多重共线性检验

面板数据的回归模型包括固定效应模型、随机效应模型及混合回归模型等3种。根据LM(Lagrange Multiplier)和Hausman检验结果，最终确定所需的回归模型，并在回归的每一步逐步加入控制变量，多元回归分析结果如表4所示，用以观察核心解释变量的稳健性。由表4可以看出，模型1反映了人工智能对经济高质量发展的影响。回归结果表明，依次加入控制变量后，人工智能对经济高质量发展的回归系数分别为7.529、5.998、6.295，均通过显著性检验，说明人工智能对经济高质量发展具有显著的促进作用，因此假设H1成立。模型2反映了人工智能对科技创新的影响。回归结果表明，依次加入控制变量后，人工智能对科技创新的回归系数分别为89.751、71.791、43.425，均通过显著性检验，说明人工智能对科技创新具有显著的推动作用，因此假设H2成立。模型3反映了人工智能、科技创新对经济高质量发展的影响。回归结果表明，依次加入控制变量后，科技创新对经济高质量发展的回归系数分别为0.091、0.082、0.065，均通过显著性检验，说明科技创新能促进经济高质量发展；人工智能对经济高质量发展的回归系数分别为5.684、5.266、5.422，均通过显著性检验，其对经济高质量发展的促进作用远大于回归系数分别为0.091、0.082、0.065的科技创新。

表4 多元回归分析结果

3.3 中介效应分析

由表4中第3列可以看出，人工智能对经济高质量发展的总效应显著为正；第6列显示，人工智能对科技创新具有显著的正向推动作用；第9列显示，将人工智能和科技创新纳入同一回归方程，科技创新对经济高质量发展具有显著的正向效应，人工智能对经济高质量发展依然具有显著的正向效应。根据中介效应检验步骤1、步骤2、步骤4和步骤5，科技创新存在显著的部分中介效应，假设H3成立。

进一步梳理中介效应检验数据，具体估计结果如表5所示。

表5 中介效应估计结果

与总效应相比，加入科技创新中介变量后，人工智能对经济高质量发展的促进效应系数由6.295下降到5.422，表明人工智能对经济高质量发展的促进作用部分是通过科技创新实现的。获得中介效应为2.823(b1c2)，中介效应占总效应的比值为0.449(b1c2/a1)，中介效应与直接效应之比为0.521(|b1c2/c1|)，说明人工智能对经济高质量发展的促进作用有52.1%是通过促进科技创新产生的。

3.4 稳健性检验

3.4.1 替换中介变量

为了检验结果的稳健性，以发明专利授权数作为科技创新的替代变量，采用最小二乘法(Ordinary Least Square，OLS)进行稳健性检验，结果如表6所示。模型1中，人工智能对经济高质量发展的总效应显著为正，系数为15.435；模型2中，人工智能对科技创新的回归系数显著为正；模型3中，人工智能、科技创新对经济高质量发展的回归系数分别为6.850、0.131，均在1%水平上通过了显著性检验。与总效应相比，人工智能对经济高质量发展的直接效应减小为6.850，表明存在显著的部分中介效应。核心变量的回归结果依然是显著稳健的，以上研究假设再次得到验证。

3.4.2 替换核心解释变量

将人工智能专利申请数占地区专利申请总量的比重作为人工智能的替代指标进行再次检验，结果如表6所示。模型1中，人工智能对经济高质量发展的总效应(系数为0.636)显著为正；模型2中，人工智能对科技创新也具有显著的正向作用(系数为1.827)；模型3中，加入科技创新中介变量后，人工智能、科技创新对经济高质量发展仍表现出显著的正向效应。与总效应相比，人工智能对经济高质量发展的直接效应减小为0.418，减小的部分通过科技创新表现出来。通过以上分析可知，人工智能、科技创新都对经济高质量发展具有显著的促进作用，人工智能起着主导作用，科技创新在人工智能影响经济高质量发展的路径中起着中介传导作用，与估计结果一致。

表6 替换变量后的稳健性检验结果

3.4.3 内生性问题讨论

考虑到经济高质量发展与人工智能、科技创新以及人工智能与科技创新之间可能存在双向因果关系，导致内生性问题，通过动态面板模型进行回归。对于动态面板模型，最常用的处理方法有系统广义矩估计(System Generalized Method of Moments，SYS-GMM)和差分广义矩估计(Difference Generalized Method of Moments，DIFF-GMM)，可以选择解释变量的滞后项作为工具变量。与DIFF-GMM相比，SYS-GMM具有更好的有限样本性质，可以提高估计效率，且两步法比一步法更有效。因而，采用SYS-GMM分析，回归结果如表7所示。其中，L.经济高质量发展和L.科技创新1皆为滞后一期变量。由表7可以看出，扰动项的一阶差分存在自相关，而二阶差分不存在自相关。因此，可以接受“扰动项无自相关”的原假设，采用SYS-GMM是合理的。对所选的工具变量进行过度识别检验，结果接受“所有工具变量均有效”的原假设。在模型4、模型5及模型6中，人工智能、科技创新两个关键变量均通过显著性检验；与系数为10.047的总效应相比，人工智能对经济高质量发展的直接效应减小为5.772。因此，在考虑了内生性问题后，关键变量的回归结果与前文一致，结论仍然是稳健的。

表7 基于SYS-GMM的回归结果

4 结论与建议

选取中国东部11个省份2010—2020年的数据，构建中介效应模型，分析人工智能、科技创新与经济高质量发展的关系，得到以下主要结论。

1)人工智能对经济高质量发展的回归系数显著为正，说明人工智能能够加快传统产业结构转型升级，实现企业商业模式创新，对经济高质量发展具有显著的促进作用。

2)人工智能对科技创新的回归系数显著为正，说明人工智能与实体经济融合产生的技术溢出效应有利于提高整体科技创新能力，对中国科技创新发展起着重要的推动作用。

3)中介效应检验结果表明，科技创新对经济高质量发展具有显著的促进作用，在人工智能促进经济高质量发展中起着显著的中介传导作用。

根据以上结论，提出以下3点建议。

1)合理规划人工智能发展战略。从宏观角度来说，应加强面向人工智能变革的新基建，加大信息传输、计算机服务和软件业资产投资，促进信息化基础设施转型升级，减少数字基础设施空间不平衡。同时，还要加强对人工智能企业的监管，避免其盲目投资扩张，造成资源浪费。中西部省份要积极寻求与东部省份的合作，实现人工智能的差异化、多样化布局，鼓励知识和技术溢出，积极推动本地人工智能产业链发展。

2)以人工智能助推科技创新。人工智能相关企业的创新发展要与智能化发展理念深度融合，围绕人工智能产业链和创新链，积极引导科技创新。政府要鼓励并支持传统产业实现智能化转型升级，促进知识、技术、产业协同创新；并结合本地区发展实际，制定科技创新战略，分步实施智能化改造和集成，激发企业通过自主创新实现智能化转型升级，从而激发科技创新动力，提高地区整体创新能力。

3)充分发挥科技创新的中介效应。各地区要充分利用地域优势，深化对外开放，吸引外资和海外技术人才，增强科技自主创新意识。政府要深化人工智能研发应用内涵，为重点产业提供政策支持，加大对关键核心领域的科技创新投入；完善知识产权服务平台，规范技术交易市场和技术转移服务机构，加快推进科技成果在各地区转移与共享；大力推动智能技术产业发展，为经济高质量发展培育新动能，实现新旧动能转换。