浦 悅,胡 斌
(上海工程技術(shù)大學(xué)管理學(xué)院,上海 201620)
隨著我國經(jīng)濟發(fā)展步入新常態(tài),經(jīng)濟發(fā)展從投資、要素驅(qū)動逐漸轉(zhuǎn)向創(chuàng)新驅(qū)動?!霸鰪妱?chuàng)新策源能力”作為習(xí)近平總書記在滬考察期間對上海產(chǎn)業(yè)發(fā)展及科創(chuàng)中心建設(shè)提出的指示,塑造創(chuàng)新策源能力是面對新一輪產(chǎn)業(yè)革命的重要任務(wù)。人工智能產(chǎn)業(yè)作為新一輪的重點產(chǎn)業(yè)領(lǐng)域之一,是撬動經(jīng)濟發(fā)展的重要支點,人工智能產(chǎn)業(yè)創(chuàng)新策源能力塑造為產(chǎn)業(yè)發(fā)展提供了有力抓手,其創(chuàng)新策源能力水平直接影響到國家和地區(qū)的綜合競爭力[1]。從創(chuàng)新策源能力的內(nèi)涵出發(fā),建立區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價指標(biāo)體系,真實反映區(qū)域內(nèi)人工智能產(chǎn)業(yè)創(chuàng)新策源能力情況,探討各省市人工智能產(chǎn)業(yè)發(fā)展特點,對于區(qū)域提升科技治理水平,激發(fā)人工智能產(chǎn)業(yè)區(qū)域發(fā)展內(nèi)生動力具有重要的理論與實際意義。
區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價,不僅涵蓋領(lǐng)域內(nèi)科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)明對產(chǎn)業(yè)發(fā)展的支撐,更強調(diào)應(yīng)用場景和成果轉(zhuǎn)化對人工智能產(chǎn)業(yè)可持續(xù)發(fā)展的策動。創(chuàng)新策源概念的提出是國家進一步推動區(qū)域產(chǎn)業(yè)高質(zhì)量發(fā)展的重要體現(xiàn),衡量區(qū)域內(nèi)人工智能產(chǎn)業(yè)創(chuàng)新策源能力水平十分必要。創(chuàng)新策源能力相關(guān)的研究主要集中于創(chuàng)新策源功能和創(chuàng)新策源地兩個方面。
創(chuàng)新策源功能方面,上海社會科學(xué)院課題組(2016)[2]、杜德斌(2018)[3]指出創(chuàng)新策源功能是全球性創(chuàng)新型城市及區(qū)域產(chǎn)業(yè)可持續(xù)發(fā)展的重要特征,具有創(chuàng)新匯聚、篩選、釋放三項子功能。在創(chuàng)新策源地方面,王業(yè)強等(2017)[4]通過梳理科技創(chuàng)新與地區(qū)差距的關(guān)系,提出了科技策源地龍頭創(chuàng)新的發(fā)展機制。李石柱(2010)[5]認為高新區(qū)通過轉(zhuǎn)變經(jīng)濟發(fā)展方式可以轉(zhuǎn)型為戰(zhàn)略新興產(chǎn)業(yè)策源地,闡述了產(chǎn)業(yè)發(fā)展與策源地之間的關(guān)系。余江等(2020)[6]認為集成電路產(chǎn)業(yè)發(fā)展必須依靠跨科學(xué)、大縱深的開創(chuàng)性研究拓展產(chǎn)業(yè)領(lǐng)域知識邊界推動重大原始創(chuàng)新。
產(chǎn)業(yè)發(fā)展評價方面,陳文俊等(2018)[7]采用聚類分析法和空間自相關(guān)分析法,對我國各省份生物醫(yī)藥產(chǎn)業(yè)發(fā)展水平進行了綜合評價。陳文鋒和劉薇(2016)[8]創(chuàng)新性地概括了戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展質(zhì)量的內(nèi)涵,對各省份新一代信息技術(shù)產(chǎn)業(yè)發(fā)展質(zhì)量進行了評價。朱建明和楊鴻瑞(2019)[9]運用模糊神經(jīng)網(wǎng)絡(luò)對我國部分區(qū)域版權(quán)產(chǎn)業(yè)發(fā)展綜合水平進行預(yù)測評價。
本文從創(chuàng)新策源能力的內(nèi)涵出發(fā),圍繞區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力的影響因素進行分析,結(jié)合評價指標(biāo)體系的構(gòu)建原則和思路,構(gòu)建了一套以基礎(chǔ)研究影響力、核心技術(shù)引領(lǐng)力、應(yīng)用場景拉動力、創(chuàng)新資源集聚力、創(chuàng)新創(chuàng)業(yè)環(huán)境吸引力為一級指標(biāo)的區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價指標(biāo)體系。在此基礎(chǔ)上,本文通過AHP 法和熵權(quán)法確定主、客觀指標(biāo)權(quán)重,采用綜合賦權(quán)的方法得到綜合權(quán)重,并根據(jù)TOPSIS 法建立評價模型,對我國31 個省市的人工智能產(chǎn)業(yè)創(chuàng)新策源能力作科學(xué)客觀的評價。
區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價涵蓋對一個地區(qū)人工智能領(lǐng)域基礎(chǔ)研究培育原始創(chuàng)新、核心技術(shù)推動技術(shù)進步以及應(yīng)用場景、創(chuàng)新資源和創(chuàng)新創(chuàng)業(yè)環(huán)境策動產(chǎn)業(yè)發(fā)展多個方面的考察。因此,針對區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力的指標(biāo)體系是一個多屬性全面性的評價指標(biāo)體系。
區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價體系的構(gòu)建思路是:從人工智能創(chuàng)新活動特點和實際情況出發(fā),結(jié)合創(chuàng)新策源能力的內(nèi)涵解讀,圍繞人工智能產(chǎn)業(yè)領(lǐng)域基礎(chǔ)研究影響力、核心技術(shù)引領(lǐng)力、應(yīng)用場景拉動力、創(chuàng)新資源集聚力和創(chuàng)新創(chuàng)業(yè)環(huán)境吸引力5 個方面建立定性與定量相結(jié)合,堅持全面性、系統(tǒng)性、可操作性和引導(dǎo)性原則,全面反映區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力水平。
本文參考郭韜等(2017)[10]采用的度量方法及宋曉彤等(2019)[11]設(shè)置的指標(biāo)體系,結(jié)合人工智能產(chǎn)業(yè)創(chuàng)新驅(qū)動的特點以及評價體系的構(gòu)建思路與原則,最終確定了包含三級指標(biāo)的評價指標(biāo)體系,其中,一級指標(biāo)5 項,二級指標(biāo)10 項,三級指標(biāo)22 項。本文選用基礎(chǔ)研究影響力、核心技術(shù)引領(lǐng)力、應(yīng)用場景拉動力、創(chuàng)新資源集聚力、創(chuàng)新創(chuàng)業(yè)環(huán)境吸引力等5 個指標(biāo)作為一級指標(biāo),選用基礎(chǔ)研究資源、基礎(chǔ)研究產(chǎn)出、核心技術(shù)披露等10 個指標(biāo)作為二級指標(biāo),選用計算機科學(xué)領(lǐng)域得到H 引用的文章數(shù)量、計算機科學(xué)領(lǐng)域頂級高校數(shù)量、計算機科學(xué)領(lǐng)域頂級論文錄用數(shù)等22 個指標(biāo)作為三級指標(biāo)(見表1)。
1.基礎(chǔ)研究影響力包括基礎(chǔ)研究資源和基礎(chǔ)研究產(chǎn)出兩部分?;A(chǔ)研究資源的儲備和基礎(chǔ)研究產(chǎn)出的質(zhì)量是人工智能產(chǎn)業(yè)發(fā)展的重要驅(qū)動力,具有基礎(chǔ)性、前瞻性、原創(chuàng)性和影響力的基礎(chǔ)研究是一個區(qū)域人工智能產(chǎn)業(yè)能否達到世界前沿水平的關(guān)鍵。因此,本文選取基礎(chǔ)研究資源和基礎(chǔ)研究質(zhì)量反映基礎(chǔ)研究影響力,具體指標(biāo)有計算機科學(xué)領(lǐng)域得到H 引用的文章數(shù)量、計算機科學(xué)領(lǐng)域頂級高校數(shù)量、計算機科學(xué)領(lǐng)域頂級論文錄用數(shù)以及計算機科學(xué)領(lǐng)域頂級論文被引用量。
2.核心技術(shù)引領(lǐng)力包括核心技術(shù)披露和核心技術(shù)價值兩部分。核心技術(shù)引領(lǐng)力主要反映驅(qū)動人工智能產(chǎn)業(yè)創(chuàng)新策源能力形成所必備的計算機視覺、機器學(xué)習(xí)、自然語言處理、語音識別等核心技術(shù)的支撐情況。技術(shù)的進步對該領(lǐng)域的創(chuàng)新策源能力提升至關(guān)重要,核心技術(shù)的突破會進一步加快人工智能產(chǎn)業(yè)的發(fā)展[12]。本文主要從人工智能領(lǐng)域?qū)@图夹g(shù)市場的角度來分析核心技術(shù)引領(lǐng)力,具體指標(biāo)有人工智能領(lǐng)域PCT 專利數(shù)量、人工智能領(lǐng)域?qū)@暾垟?shù)量、技術(shù)市場成熟度以及專利授權(quán)率。
3.應(yīng)用場景拉動力包括場景研發(fā)條件和場景研發(fā)產(chǎn)出兩部分。人工智能技術(shù)正加速在各行業(yè)深度融合和應(yīng)用落地,新一代人工智能產(chǎn)業(yè)應(yīng)用驅(qū)動的特征愈加明顯,從這一角度出發(fā),本文選取了人工智能領(lǐng)域獨角獸企業(yè)數(shù)量、國家人工智能開放創(chuàng)新平臺數(shù)量、數(shù)字經(jīng)濟勞動力需求以及高技術(shù)產(chǎn)品出口比重來反映區(qū)域內(nèi)應(yīng)用場景對于區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力的驅(qū)動效應(yīng)。
4.創(chuàng)新資源集聚力包括人才資源集聚和支撐條件集聚兩部分。人工智能產(chǎn)業(yè)是高度知識、資本密集型產(chǎn)業(yè),人才隊伍、金融支持和數(shù)據(jù)資源集聚是人工智能產(chǎn)業(yè)發(fā)展的重要支撐條件。本文主要從高學(xué)歷(大學(xué)專科及以上)人口比例、計算機科學(xué)領(lǐng)域?qū)<覕?shù)量、人工智能領(lǐng)域投融資規(guī)模、R&D 經(jīng)費支出占GDP 比重以及科學(xué)數(shù)據(jù)中心數(shù)量來分析區(qū)域內(nèi)人工智能產(chǎn)業(yè)創(chuàng)新資源的集聚情況。
5.創(chuàng)新創(chuàng)業(yè)環(huán)境吸引力包括創(chuàng)新環(huán)境水平和創(chuàng)業(yè)環(huán)境水平兩部分。區(qū)域內(nèi)積極的政策導(dǎo)向、良好的創(chuàng)新生態(tài)、友好的營商環(huán)境和有力的資本支撐對于人工智能領(lǐng)域人才、企業(yè)和資本的吸引是人工智能產(chǎn)業(yè)持續(xù)發(fā)展的重要支撐。因此,本文選用政府?dāng)?shù)據(jù)開放程度、科研協(xié)作水平、人工智能產(chǎn)業(yè)發(fā)展政策發(fā)布數(shù)量、外商投資企業(yè)數(shù)及人工智能領(lǐng)域投融資熱度來分析區(qū)域營造人工智能產(chǎn)業(yè)創(chuàng)新創(chuàng)業(yè)環(huán)境吸引力的情況。
區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價的另一關(guān)鍵環(huán)節(jié)就是指標(biāo)權(quán)重的確定。為了確保權(quán)重體系的合理性與客觀性,本文采用了層次分析法與熵權(quán)法綜合賦權(quán),從而保證評價結(jié)果的合理性和客觀性,如圖1 所示。
圖1 AHP-熵權(quán)法綜合賦權(quán)流程圖
1.AHP 法主觀指標(biāo)權(quán)重確定。AHP 法是對系統(tǒng)進行綜合評價的一種方法,可以實現(xiàn)定性與定量的綜合分析[13]。AHP 方法通過構(gòu)造兩兩比較的判斷矩陣并通過計算賦予指標(biāo)權(quán)重。具體步驟如下:
第一步:構(gòu)造兩兩比較判斷矩陣。假設(shè)每一層的決策目標(biāo)為E,被評價對象為i=(1,2,…,m),評價指標(biāo)為j=(1,2,…,n),αij表示該層次的第i 個被評價對象,第j 個指標(biāo)下的相對重要性,αij的數(shù)值根據(jù)9 標(biāo)度法確定,1 表示因素i 與因素j 同樣重要,數(shù)值越大重要度越高,構(gòu)建兩兩判斷矩陣為:
第二步:權(quán)重計算。運用方根法確定指標(biāo)權(quán)重:
表1 區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價指標(biāo)體系
第三步:一致性檢驗。當(dāng)CR<0.1,則認為判斷矩陣通過一致性檢驗;否則需要調(diào)整判斷矩陣。
(1)計算最大特征根λmax:
(2)計算一致性指標(biāo)CI:
(3)計算一致性比率CR:
上式中,RI 表示隨機一致性指標(biāo),可直接查表獲得。當(dāng)CR<0.1 時,通過一致性檢驗,可計算同一層次中所有因素相對于總目標(biāo)的排序權(quán)值。
2.熵權(quán)法客觀指標(biāo)權(quán)重確定。在綜合評價問題中,熵是一個比較理想的度量尺度。因此本文采用熵權(quán)法對各個指標(biāo)進行客觀賦權(quán)。熵權(quán)法首先需要進行無量綱化和標(biāo)準(zhǔn)化,通過計算得到各個指標(biāo)的信息熵來確定權(quán)重。具體步驟如下:
第一步:數(shù)據(jù)標(biāo)準(zhǔn)化。構(gòu)建原始數(shù)據(jù)矩陣V=(νij)m×n,并運用極值處理法進行標(biāo)準(zhǔn)化處理,得到規(guī)范化矩陣X。計算公式如下:
以上均為正向指標(biāo)的處理方式,對于逆向指標(biāo)的處理方式,本文不再詳細說明。
第二步:確定熵值。計算第j 個指標(biāo)下,第i 個被評價對象的指標(biāo)特征權(quán)重pij,并得出第j 個指標(biāo)的熵值ej。
第三步:計算指標(biāo)權(quán)重。計算指標(biāo)效用值gj,并得出第j 項指標(biāo)的權(quán)重wj。
3.主客觀權(quán)重綜合賦權(quán)。主客觀權(quán)重綜合賦權(quán)既避免了主觀賦權(quán)過程的主觀偏見,又避免了客觀賦權(quán)法不能充分考慮客觀規(guī)律的缺點,本文采用主客觀權(quán)重綜合賦權(quán),得到綜合權(quán)重wj綜合。
上式中,α(0≤α≤1)表示主觀權(quán)重偏好系數(shù),為保證偏差平方和最小,本文選取α=0.5,即主觀權(quán)重與客觀權(quán)重各占組合權(quán)重的50%[14]。
4.TOPSIS 評價模型。逼近理想點法根據(jù)各指標(biāo)實際數(shù)據(jù)集的最優(yōu)數(shù)據(jù)和最劣數(shù)據(jù),構(gòu)造正負理想解,通過引入歐氏距離計算相對貼近度以進行綜合評價[15],具體步驟如下:
第一步:構(gòu)建加權(quán)決策矩陣。加權(quán)決策矩陣Z 中共有m 個被評價區(qū)域,n 個指標(biāo),zij表示在第j 個指標(biāo)下,第i 個被評價對象的評價數(shù)值,則Z 為:
上式中,zij=xij·wj綜合,xij為式(9)中規(guī)范化矩陣對應(yīng)元素,wj綜合為式(14)中主客觀綜合賦權(quán)權(quán)重。
第四步:計算相對貼近度Ci:
相對貼近度以距離負理想解最遠且距離正理想解最近為最優(yōu),即相對貼近度Ci(0≤Ci≤1)值越大,則該區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力越強,從而對不同區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力進行測度和比較。
為了科學(xué)全面地對各省市人工智能產(chǎn)業(yè)創(chuàng)新策源能力作出評價,本文根據(jù)《中國統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒2019》、科睿唯安WOS 數(shù)據(jù)庫、國家知識產(chǎn)權(quán)局、世界知識產(chǎn)權(quán)組織數(shù)據(jù)庫WIPO、國家知識產(chǎn)權(quán)局、QS 世界大學(xué)排名等,以2010—2019年統(tǒng)計數(shù)據(jù)為依據(jù),收集了中國31 個省市區(qū)(除港澳臺地區(qū))的指標(biāo)數(shù)據(jù)。
由于評價指標(biāo)體系中各指標(biāo)量綱不同,為方便后期數(shù)據(jù)的處理與運算,保證不同量綱的指標(biāo)數(shù)據(jù)合成。在綜合評價之前,采用極值處理法對原始指標(biāo)數(shù)據(jù)矩陣進行規(guī)范化處理來消除各指標(biāo)間量綱的影響。
本文采用AHP 法與熵權(quán)法對各級指標(biāo)進行綜合賦權(quán)。首先采用AHP 法計算主觀權(quán)重,通過式(1)~式(6),構(gòu)造判斷矩陣,并計算得出各層次的主觀指標(biāo)權(quán)重值;然后采用熵權(quán)法,在原始指標(biāo)數(shù)據(jù)矩陣基礎(chǔ)上,通過式(7)~式(13),計算客觀指標(biāo)權(quán)重值;最后利用式(14),結(jié)合計算得到的主、客觀權(quán)重,進行綜合賦權(quán),獲得更合理的綜合權(quán)重,如表2 所示。
表2 區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力評價指標(biāo)體系綜合權(quán)重值
運用TOPSIS 方法結(jié)合計算得出的指標(biāo)綜合權(quán)重值,利用式(15)~式(18)計算得出相對貼近度,并對31 個省市區(qū)進行排序,相對貼近度越大,區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力越強,反之越弱,結(jié)果如表3 所示。
表3 TOPSIS 評價模型排序結(jié)果
由表3 可知,北京、廣東和上海的人工智能產(chǎn)業(yè)創(chuàng)新策源能力表現(xiàn)突出,北京和上海作為一線發(fā)達城市,在人工智能獨角獸企業(yè)集聚、投融資環(huán)境優(yōu)異、人才吸引能力強等方面優(yōu)勢突出,而廣東的電子信息產(chǎn)業(yè)高度發(fā)達,電子產(chǎn)業(yè)作為人工智能的重要載體,為策動人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展提供了充足的應(yīng)用場景和核心技術(shù),因此具有很強的人工智能產(chǎn)業(yè)創(chuàng)新策源能力;在人工智能產(chǎn)業(yè)創(chuàng)新策源能力較強的省市中,以浙江和貴州等省市為代表,近年來堅持以大數(shù)據(jù)、人工智能作為省市產(chǎn)業(yè)轉(zhuǎn)型升級的重要引擎,實現(xiàn)了人工智能產(chǎn)業(yè)跨越式發(fā)展,體現(xiàn)了政府創(chuàng)新治理在能力培育和夯實能力基礎(chǔ)中的積極作用;在人工智能產(chǎn)業(yè)創(chuàng)新策源能力較弱的地區(qū)中,以農(nóng)業(yè)省和老工業(yè)省份為代表,由于營商環(huán)境和基礎(chǔ)設(shè)施薄弱,傳統(tǒng)支柱產(chǎn)業(yè)面臨轉(zhuǎn)型升級,開展人工智能領(lǐng)域創(chuàng)新方面優(yōu)勢不明顯,因此這些區(qū)域的人工智能產(chǎn)業(yè)創(chuàng)新策源能力水平較低。總而言之,人工智能產(chǎn)業(yè)創(chuàng)新策源能力的培育既需要強化基礎(chǔ)研究影響力、核心技術(shù)引領(lǐng)力、應(yīng)用場景拉動力、創(chuàng)新資源集聚力、創(chuàng)新創(chuàng)業(yè)環(huán)境吸引力的體系化能力建設(shè),也需要建立起支撐創(chuàng)新策源能力提升的創(chuàng)新治理體系。
創(chuàng)新策源力作為創(chuàng)造價值和競爭優(yōu)勢的源泉,是推動區(qū)域人工智能產(chǎn)業(yè)高質(zhì)量可持續(xù)發(fā)展的重要手段。在當(dāng)前產(chǎn)業(yè)和新科技革命興起的歷史關(guān)鍵節(jié)點,創(chuàng)新策源能力的強弱是決定一個區(qū)域能否把握科技革命、產(chǎn)業(yè)革命的窗口機遇和建成創(chuàng)新策源地的決定性因素。本文基于AHP-熵權(quán)TOPSIS 法對31 省市的區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力進行了綜合評價,填補了現(xiàn)有文獻缺少對于區(qū)域重點產(chǎn)業(yè)領(lǐng)域創(chuàng)新策源能力的綜合評價研究,主要得出以下結(jié)論:(1)各省市區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力存在較大差異,北京市、廣東省和上海市的能力水平明顯高于其他區(qū)域,區(qū)域人工智能產(chǎn)業(yè)鮮明優(yōu)勢是創(chuàng)新策源能力培育和提升的重要支撐。(2)從全國分布情況看,能力水平高的區(qū)域雖主要聚集于科學(xué)技術(shù)創(chuàng)新水平高、應(yīng)用場景廣泛及政策支持力度大的省市,但貴州等一部分經(jīng)濟落后的省份憑借著前瞻性的布局和決策同樣走在了產(chǎn)業(yè)前沿,政府創(chuàng)新治理在區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力培育和提升過程中起到了重要的保障作用。
根據(jù)以上結(jié)論,基于當(dāng)前各省市人工智能產(chǎn)業(yè)區(qū)域創(chuàng)新發(fā)展的實際,可以從以下幾個方面為區(qū)域人工智能產(chǎn)業(yè)創(chuàng)新策源能力培育和提升提供有力支撐。
第一,保持對人工智能產(chǎn)業(yè)高強度的戰(zhàn)略投入,夯實人力資源基礎(chǔ),鼓勵地方政府實施引領(lǐng)性戰(zhàn)略性技術(shù)路線圖,明確人工智能領(lǐng)域科學(xué)布局。
第二,深化區(qū)域人工智能產(chǎn)業(yè)一體化,促進開放式創(chuàng)新,通過競爭向競合轉(zhuǎn)變彌補部分區(qū)域在應(yīng)用場景和創(chuàng)新創(chuàng)業(yè)環(huán)境方面的弱勢。
第三,組織牽頭大科學(xué)計劃與工程,對于人工智能產(chǎn)業(yè)“卡脖子”關(guān)鍵共性技術(shù)進行研發(fā)攻關(guān),發(fā)揮集中力量辦大事的體制機制優(yōu)勢,實現(xiàn)產(chǎn)業(yè)發(fā)展整體提升。