人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的影響研究

摘 要：黃河流域是中國重要的生態(tài)屏障和經(jīng)濟走廊，其產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級對實現(xiàn)高質(zhì)量發(fā)展至關(guān)重要。人工智能技術(shù)為產(chǎn)業(yè)智能化、綠色化轉(zhuǎn)型提供了新動能，是推動產(chǎn)業(yè)結(jié)構(gòu)升級的重要路徑。首先，本文構(gòu)建人工智能動態(tài)多維評價指標體系測算2011—2022年黃河流域64個地市級的人工智能發(fā)展水平；其次，采用系統(tǒng)GMM模型探究人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的影響，并進行異質(zhì)性分析；最后，運用空間杜賓模型檢驗人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的空間溢出效應(yīng)。結(jié)果表明：（1） 人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級有顯著正向推動作用；（2）資源型城市中人工智能對產(chǎn)業(yè)升級的邊際影響相對較弱，非資源型城市的人工智能效應(yīng)更為顯著；（3） 人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的正向影響存在空間溢出效應(yīng)?；诖?，本文針對性地提出人工智能推動黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的建議，僅供參考。

關(guān)鍵詞：黃河流域；人工智能；空間溢出效應(yīng)；系統(tǒng)GMM模型；異質(zhì)性分析

中圖分類號：F127.4；TP18 文獻標識碼：A 文章編號：2096-0298（2025）07（a）--05

自2019年習(xí)近平總書記提出將黃河流域生態(tài)保護和高質(zhì)量發(fā)展列為重大國家戰(zhàn)略以來，流域的可持續(xù)發(fā)展受到廣泛關(guān)注[1]。2022年《“十四五”黃河流域發(fā)展規(guī)劃》強調(diào)加快構(gòu)建數(shù)字孿生黃河，以提升流域在數(shù)字化、智能化方面的水平[2]。黃河流域各地區(qū)發(fā)展水平參差不齊，這是由自然環(huán)境、資源稟賦與發(fā)展基礎(chǔ)的差異所致。產(chǎn)業(yè)數(shù)字化進程在上游地區(qū)相對落后，中下游地區(qū)則憑借其得天獨厚的地理位置、雄厚的產(chǎn)業(yè)根基，在數(shù)字技術(shù)革新與人力資本積累方面搶占先機，對經(jīng)濟高質(zhì)量發(fā)展起到了顯著的促進作用[3-4]。黨的二十大報告強調(diào)推動戰(zhàn)略性新興產(chǎn)業(yè)的融合與集群發(fā)展，旨在構(gòu)建以新一代信息技術(shù)和人工智能為驅(qū)動的新增長引擎[5]。因此，利用人工智能的多重特性，推動數(shù)字經(jīng)濟邁向新階段，促使數(shù)字經(jīng)濟與實體經(jīng)濟深度融合，構(gòu)建具有國際競爭力的數(shù)字產(chǎn)業(yè)集群，是建設(shè)黃河流域現(xiàn)代化產(chǎn)業(yè)體系的關(guān)鍵所在[6]。在此背景下，為促進黃河流域生態(tài)保護和高質(zhì)量發(fā)展，需深化人工智能等新興技術(shù)研究，并致力于推動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級，以實現(xiàn)生態(tài)保護和高質(zhì)量發(fā)展協(xié)同推進。

在全球數(shù)字化轉(zhuǎn)型大背景下，人工智能作為新一代技術(shù)革命的核心驅(qū)動力，正深刻改變產(chǎn)業(yè)格局并推動經(jīng)濟形態(tài)的深度變革。Brynjolfsson與McAfee（2014）研究指出，人工智能是第二次機器革命的核心元素，推動了多領(lǐng)域的創(chuàng)新與突破[7]。Aghion等（2017）從經(jīng)濟增長角度分析人工智能對產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的影響，認為其能夠加速產(chǎn)業(yè)結(jié)構(gòu)的升級[8]。國內(nèi)學(xué)者如師博（2019）、蔡躍洲等（2019）研究了人工智能如何通過產(chǎn)業(yè)優(yōu)化、消費升級等路徑促進產(chǎn)業(yè)升級[9-10]。沈賞等（2020）通過實證分析論證了人工智能在產(chǎn)業(yè)轉(zhuǎn)型中的推動作用[11]。郭凱明（2019）基于動態(tài)一般均衡模型，深入剖析人工智能對產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型及要素收入分配的作用機理[12]。王森和王瑞瑜等（2020）研究表明，人工智能能夠有效推動產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，尤其在人口老齡化背景下，具有重要的勞動力替代效應(yīng)[13-14]。隨著人工智能技術(shù)應(yīng)用的不斷深化，學(xué)術(shù)界對其與產(chǎn)業(yè)結(jié)構(gòu)演變的關(guān)聯(lián)性研究呈現(xiàn)出多維化發(fā)展態(tài)勢。國外研究多聚焦于人工智能技術(shù)的引領(lǐng)作用和宏觀經(jīng)濟層面的影響，強調(diào)其對生產(chǎn)力和產(chǎn)業(yè)創(chuàng)新的促進作用；相比之下，國內(nèi)研究則更注重中國特色的實踐探索，著重探討人工智能在應(yīng)對人口老齡化挑戰(zhàn)、促進實體經(jīng)濟深度融合等領(lǐng)域的獨特作用。

文獻分析表明，當前研究在探討人工智能與產(chǎn)業(yè)升級關(guān)聯(lián)性方面仍存在以下局限：其一，實證研究在空間尺度上存在失衡，省級層面的研究相對豐富，而地市級層面的探討較為匱乏；其二，針對黃河流域經(jīng)濟帶這一特定區(qū)域的研究明顯不足，現(xiàn)有文獻較少關(guān)注地理空間異質(zhì)性對產(chǎn)業(yè)轉(zhuǎn)型升級的影響，尤其是忽視了黃河流域內(nèi)部各區(qū)域在自然稟賦、發(fā)展基礎(chǔ)等方面的顯著差異?；诖耍疚臄M構(gòu)建多維度動態(tài)面板數(shù)據(jù)模型，定量評估人工智能對黃河流域產(chǎn)業(yè)轉(zhuǎn)型升級的驅(qū)動效應(yīng)，通過異質(zhì)性檢驗揭示不同區(qū)域在轉(zhuǎn)型升級過程中的差異化特征，并進一步利用空間杜賓模型檢驗人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的空間溢出效應(yīng)。

1 機理分析

1.1 作用機理

基于“技術(shù)—制度—空間”三維分析框架，本文提出傳統(tǒng)產(chǎn)業(yè)智能化改造、政策-技術(shù)雙輪驅(qū)動、區(qū)域協(xié)同創(chuàng)新三大機理，以解析人工智能在黃河流域產(chǎn)業(yè)升級中的作用機理。

1.1.1 傳統(tǒng)產(chǎn)業(yè)智能化改造

黃河流域的上游地區(qū)以礦產(chǎn)、能源為主要經(jīng)濟支柱，中游地區(qū)以重工業(yè)和能源產(chǎn)業(yè)為主，下游地區(qū)具有相對發(fā)達的制造業(yè)和服務(wù)業(yè)，可見區(qū)域發(fā)展各具特色。人工智能技術(shù)對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的首要作用體現(xiàn)在傳統(tǒng)產(chǎn)業(yè)智能化改造上。依據(jù)技術(shù)滲透理論[15-16]，人工智能通過深度嵌入傳統(tǒng)產(chǎn)業(yè)，可提升全要素生產(chǎn)率（TFP），優(yōu)化生產(chǎn)方式，實現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)合理化。在經(jīng)濟增長理論中，索洛增長模型強調(diào)技術(shù)進步是推動長期經(jīng)濟增長的核心要素。因此，在人工智能的作用下，資源型地區(qū)通過技術(shù)升級實現(xiàn)產(chǎn)業(yè)鏈躍遷，從資源依賴型經(jīng)濟向高附加值產(chǎn)業(yè)轉(zhuǎn)型。

1.1.2 政策-技術(shù)雙輪驅(qū)動

為解決黃河流域第三產(chǎn)業(yè)發(fā)展滯后的問題，人工智能技術(shù)與政策的雙輪驅(qū)動至關(guān)重要。政策作為外部干預(yù)力量，能夠為人工智能技術(shù)的應(yīng)用提供良好的擴散環(huán)境，降低市場壁壘，促進新興產(chǎn)業(yè)的成長，從而間接推動產(chǎn)業(yè)結(jié)構(gòu)的升級。根據(jù)制度經(jīng)濟學(xué)的觀點[17]，政府政策能夠減少技術(shù)擴散的障礙，優(yōu)化創(chuàng)新環(huán)境，進而提高人工智能在各行業(yè)中的應(yīng)用廣度。同時，不完全競爭理論[18]指出，政府干預(yù)可以彌補市場失靈，提供必要的激勵機制，進一步促進人工智能的技術(shù)創(chuàng)新和產(chǎn)業(yè)應(yīng)用。政策在此過程中不僅發(fā)揮了激勵作用，還為技術(shù)應(yīng)用提供了支持，幫助企業(yè)突破技術(shù)發(fā)展的瓶頸。

1.1.3 區(qū)域協(xié)同創(chuàng)新

黃河流域城市間經(jīng)濟聯(lián)系較弱，產(chǎn)業(yè)鏈整合度偏低，存在“斷層”問題。不同區(qū)域的技術(shù)能力、產(chǎn)業(yè)基礎(chǔ)差異顯著。人工智能通過區(qū)域協(xié)同效應(yīng)促進產(chǎn)業(yè)鏈優(yōu)化，上游地區(qū)以生態(tài)保護為主但技術(shù)能力有限，中游能源產(chǎn)業(yè)占主導(dǎo)并具備技術(shù)創(chuàng)新能力，下游制造業(yè)發(fā)達，具備技術(shù)應(yīng)用潛力?；谘汴嚹Ｊ嚼碚揫19]，人工智能技術(shù)可推動產(chǎn)業(yè)梯度擴散，技術(shù)創(chuàng)新從下游向上游傳遞，促進上游產(chǎn)業(yè)智能化升級。人工智能通過智能供應(yīng)鏈和區(qū)塊鏈技術(shù)降低交易成本，提高協(xié)同效率，促進資源、技術(shù)和信息共享，減少產(chǎn)業(yè)鏈斷層現(xiàn)象。

2 研究設(shè)計

2.1 變量選取

本文聚焦黃河流域人工智能對產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的影響，設(shè)置產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)為被解釋變量，關(guān)于產(chǎn)業(yè)結(jié)構(gòu)升級測算，本文借鑒干春暉等（2011）[20]的相關(guān)研究，從產(chǎn)業(yè)結(jié)構(gòu)高級化和合理化兩個維度進行測算；以人工智能發(fā)展水平為核心解釋變量，為構(gòu)建全面評估人工智能發(fā)展的指標體系，本文參考李旭輝等（2020）[21]的研究思路，結(jié)合事物發(fā)展“事前—事中—事后”的邏輯順序，設(shè)計包括基礎(chǔ)設(shè)施建設(shè)、技術(shù)創(chuàng)新能力和人才資源水平三個子系統(tǒng)，每個子系統(tǒng)下包含若干具體指標；為減少內(nèi)生性和遺漏變量導(dǎo)致的誤差，本文加入工具變量和控制變量，變量匯總?cè)绫?所示。

其中，工具變量的選取邏輯滿足排除性條件，僅通過解釋變量（人工智能）對因變量產(chǎn)生影響，因此選取與人工智能高度相關(guān)的變量[22-23]，具體而言，人工智能創(chuàng)新能力AI_P采用取對數(shù)的人工智能專利授權(quán)數(shù)量表示；人工智能產(chǎn)業(yè)發(fā)展AI_F采用取對數(shù)的人工智能企業(yè)數(shù)量表示。

2.2 研究方法

2.2.1 主成分分析法

本文采用主成分分析法為避免主觀賦值的影響，KMO值為0.851，Bartlett球形檢驗顯著，支持使用主成分分析。第一主成分的特征根為5.958，方差貢獻率為85.114%，說明分析效果理想。通過方差和成分計算得出各指標權(quán)重，并結(jié)合時間權(quán)重，構(gòu)建人工智能動態(tài)綜合評價模型，滿足動態(tài)性和時滯性要求。

AIn=∑12n=1αnPn（1）

式中：AIn為P市第n年的人工智能綜合評價值，αn為通過腳標比值法引入的時間權(quán)重。

2.2.2 兩步系統(tǒng)GMM估計法

本文采用Blundell和Bond提出的系統(tǒng)GMM（System GMM）對動態(tài)面板數(shù)據(jù)模型進行估計。系統(tǒng)GMM方法通過合適的工具變量解決內(nèi)生性問題，特別在面對單位根時仍能保持有效性。為確保估計結(jié)果的可靠性，本文進行Hansen檢驗，驗證工具變量的有效性及殘差項的二階自相關(guān)問題。

只考慮核心解釋變量人工智能對被解釋變量產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的影響，核心回歸模型為：

ISpn=cp+β1lnISp（t-1）+β2AIpn+μpn（2）

式中：ISpn為p市第n年的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級水平，β代表待估計參數(shù)，c代表個體效應(yīng)，μ代表誤差項。

由于核心解釋變量人工智能可能與誤差項相關(guān)，存在內(nèi)生性問題，需要借助工具變量進行處理，具體步驟如下：

第一階段回歸，將核心解釋變量人工智能對工具變量進行回歸：

式中：為第p地市在n年的人工智能發(fā)展水平（內(nèi)生變量），AIP及AIF為人工智能專利數(shù)及人工智能企業(yè)數(shù)（工具變量），α為人工智能發(fā)展水平原始數(shù)據(jù)，β代表影響系數(shù)，代表誤差項。

二階段回歸，主回歸方程增添控制變量，本文構(gòu)建的動態(tài)面板數(shù)據(jù)模型為：

式中：ED、OP、FDI、GI分別為經(jīng)濟發(fā)展水平、對外開放程度、外商直接投資及政府干預(yù)程度， 其他與前述一致。

2.3 數(shù)據(jù)來源

本文基于2011—2022年中國黃河流域64個地市級的相關(guān)面板數(shù)據(jù)。這些數(shù)據(jù)主要來源于歷年《中國城市統(tǒng)計年鑒》和各地區(qū)統(tǒng)計年鑒，以及Python數(shù)據(jù)爬蟲獲取的數(shù)據(jù)。對于其中的缺失值，本文采用移動平均法進行補全。

3 人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級影響的實證分析

3.1 結(jié)果分析

通過逐步引入變量估算相關(guān)解釋性變量的系數(shù)，不僅展示了人工智能如何影響產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，還通過比較加入控制變量后的系數(shù)變化，進一步分析了控制變量對模型結(jié)果的影響，具體計算結(jié)果見表2?；貧w結(jié)果顯示，二階回歸殘差未表現(xiàn)出自相關(guān)性，且Hansen檢驗表明所選工具變量有效且無內(nèi)生性問題。在模型（1）中，滯后一期產(chǎn)業(yè)結(jié)構(gòu)升級的系數(shù)為0.902，表明前期產(chǎn)業(yè)結(jié)構(gòu)對當前具有顯著正向影響，且人工智能水平對產(chǎn)業(yè)結(jié)構(gòu)升級有正向推動作用，系數(shù)為0.033，在5%顯著性水平下顯著。常數(shù)項系數(shù)為0.113，表明其他未包含因素對產(chǎn)業(yè)結(jié)構(gòu)升級的正向影響。在模型（2）中，加入控制變量后，滯后一期產(chǎn)業(yè)結(jié)構(gòu)升級系數(shù)升至0.917，人工智能系數(shù)升至0.034，且在1%顯著性水平下顯著，表明人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級的作用在控制其他因素后更為顯著?？刂谱兞恐?，經(jīng)濟發(fā)展水平（β=0.120，plt;0.01）、對外開放程度（β=0.206，plt;0.05）和外商直接投資（β=0.139，plt;0.05）均對產(chǎn)業(yè)結(jié)構(gòu)升級有顯著正向影響，政府干預(yù)則表現(xiàn)為負相關(guān)（β=-0.115，plt;0.05），表明過度干預(yù)可能抑制產(chǎn)業(yè)結(jié)構(gòu)升級。人工智能是推動產(chǎn)業(yè)結(jié)構(gòu)升級的重要因素，且在考慮多重經(jīng)濟因素的影響下，其作用愈加突出。

3.2 穩(wěn)健性分析

為驗證研究結(jié)果的穩(wěn)健性，本文采用普通最小二乘法（OLS）進行回歸分析，并將其作為基準模型與GMM的結(jié)果進行對比，主要考察回歸系數(shù)的方向性與統(tǒng)計顯著性的一致性。經(jīng)實證，OLS結(jié)果與 GMM 結(jié)果在核心變量的方向和顯著性基本一致，這表明研究結(jié)論在不同方法下保持穩(wěn)定，從而驗證了 GMM 估計的穩(wěn)健性。

4 人工智能對黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級的空間影響分析

4.1 空間相關(guān)性檢驗

在開展空間計量分析前，需實施空間自相關(guān)分析，通過空間相關(guān)性檢驗識別相鄰地理單元間變量的關(guān)聯(lián)特征?；谀m指數(shù)的計算原理，通過模型運算得出兩者的莫蘭指數(shù)值。2011—2022年，黃河流域的產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)與人工智能發(fā)展水平呈負向顯著的空間自相關(guān)特征。尤其在經(jīng)濟欠發(fā)達區(qū)域，產(chǎn)業(yè)結(jié)構(gòu)和人工智能水平差異較大。人工智能的Moran’s I值也顯示出負空間自相關(guān)，部分地區(qū)技術(shù)發(fā)展不均衡，導(dǎo)致差距加大。然而，2014年、2016年和2020年出現(xiàn)了正空間自相關(guān)，部分發(fā)達地區(qū)形成了技術(shù)聚集效應(yīng)。盡管Moran’s I值仍為負，但呈現(xiàn)回暖趨勢，表明區(qū)域發(fā)展策略和技術(shù)普及的優(yōu)化是促進產(chǎn)業(yè)結(jié)構(gòu)升級的關(guān)鍵。

4.2 空間計量模型檢驗

依據(jù)以上空間相關(guān)性檢驗結(jié)果，本文采用空間計量分析方法，深入探討人工智能技術(shù)在不同區(qū)域經(jīng)濟環(huán)境下的產(chǎn)業(yè)結(jié)構(gòu)升級效應(yīng)。在進行空間計量分析前，首先通過拉格朗日乘數(shù)法（LM）對空間滯后模型（SLM）和空間誤差模型（SEM）進行模型篩選檢驗。由于LM檢驗無法排除任一模型，本文進一步采用似然比檢驗（LR）對模型顯著性進行對比分析?？臻g誤差自相關(guān)及滯后自相關(guān)均在10%顯著性水平下顯著，穩(wěn)健性檢驗通過5%顯著性水平，表明可能同時存在空間滯后和空間誤差自相關(guān)，因此選擇空間杜賓模型，并通過LR檢驗在1%顯著性水平下拒絕SLM和SEM模型，確認數(shù)據(jù)中同時存在空間滯后效應(yīng)和空間誤差效應(yīng)。最終，選用空間杜賓模型進行回歸分析，并通過Hausman檢驗確定采用固定效應(yīng)模型，結(jié)果顯示在1%顯著性水平下拒絕原假設(shè)，選擇固定效應(yīng)模型進行后續(xù)分析。

4.3 空間效應(yīng)分析

對空間杜賓模型（SDM）在空間固定效應(yīng)（SFE）、時間固定效應(yīng)（TFE）和雙固定效應(yīng)（TWFE）下的估計結(jié)果進行Log-likelihood值比較，認為雙固定效應(yīng)模型擬合優(yōu)勢度最佳，因此選取TWFE作為基準模型進行分析。實證結(jié)果顯示，人工智能本地直接效應(yīng)系數(shù)為0.266，在1%顯著性水平下顯著，表明人工智能水平每提高1%，本地產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)將提升0.266個百分點，驗證了人工智能通過技術(shù)滲透促進傳統(tǒng)產(chǎn)業(yè)智能化改造的作用機理。空間自回歸系數(shù)（ρ）為0.061，顯著性水平為10%，表明鄰近地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級會對本地產(chǎn)業(yè)升級產(chǎn)生正向溢出效應(yīng)，證實了區(qū)域協(xié)同創(chuàng)新的傳導(dǎo)路徑。控制變量分析結(jié)果顯示，黃河流域經(jīng)濟發(fā)展水平系數(shù)為0.159（plt;0.10），支持“漸進式轉(zhuǎn)型”路徑，二產(chǎn)向三產(chǎn)過渡。對外開放程度系數(shù)為0.130（plt;0.05），表明擴大開放通過技術(shù)溢出加速產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化。外商直接投資（FDI）系數(shù)為1.306（plt;0.01），表明FDI對產(chǎn)業(yè)附加值提升有顯著作用，符合“全球價值鏈攀升”理論。政府干預(yù)程度系數(shù)為0.544（plt;0.01），證明政策-市場雙輪驅(qū)動路徑有效，且經(jīng)空間交互作用后，區(qū)域協(xié)同會帶來長期或跨區(qū)域的正向效應(yīng)。

4.4 穩(wěn)健性分析

前文所用空間權(quán)重矩陣為空間鄰接矩陣，為保證結(jié)論的穩(wěn)健性，使用反距離空間矩陣來進行實證分析。研究結(jié)果表明，在采用地理距離矩陣替代傳統(tǒng)空間權(quán)重矩陣的情況下，雙固定效應(yīng)模型仍保持較高的估計精度。對比分析發(fā)現(xiàn)，相較二值鄰接矩陣，核心解釋變量即人工智能及其空間交互項的估計系數(shù)未發(fā)生顯著變化，進一步驗證了研究結(jié)論的穩(wěn)健性。

5 結(jié)論與建議

5.1 結(jié)論

本文選取2011—2022年的黃河流域面板數(shù)據(jù)，采用兩步系統(tǒng)GMM估計法與空間杜賓模型（SDM）進行實證分析，得出以下主要結(jié)論：

（1）通過GMM估計，發(fā)現(xiàn)人工智能對產(chǎn)業(yè)結(jié)構(gòu)升級具有顯著正向作用，每提升1%，可推動產(chǎn)業(yè)結(jié)構(gòu)升級指數(shù)提升0.033～0.034個百分點。滯后一期的產(chǎn)業(yè)結(jié)構(gòu)對當前有顯著影響，體現(xiàn)出路徑依賴特征。控制經(jīng)濟發(fā)展、開放程度等因素后，人工智能的長期推動作用更為顯著。同時，經(jīng)濟發(fā)展和開放度促進產(chǎn)業(yè)升級，而政府干預(yù)則可能帶來負面影響。資源型城市因轉(zhuǎn)型障礙作用較弱，非資源型城市則更易實現(xiàn)產(chǎn)業(yè)向高端化轉(zhuǎn)變。

（2）空間計量分析顯示，黃河流域產(chǎn)業(yè)結(jié)構(gòu)升級與人工智能水平均呈顯著空間負相關(guān)，整體表現(xiàn)為由分散到集聚再趨均衡的演變趨勢，反映出人工智能在推動區(qū)域協(xié)同發(fā)展中的作用。產(chǎn)業(yè)結(jié)構(gòu)升級具備空間溢出效應(yīng)，本地提升1%，鄰近地區(qū)同步提升0.061%。人工智能通過技術(shù)擴散和產(chǎn)業(yè)鏈整合促進區(qū)域聯(lián)動。

5.2 建議

（1）提升數(shù)字技術(shù)普及與應(yīng)用，完善數(shù)字基礎(chǔ)設(shè)施，推進產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。依托“新基建”推動算力、網(wǎng)絡(luò)、數(shù)據(jù)要素協(xié)同發(fā)展，構(gòu)建高效數(shù)據(jù)傳輸與計算體系。建議在西安、鄭州等樞紐城市布局超算中心，形成“中心-邊緣-終端”一體化算力架構(gòu)，并通過“東數(shù)西算”模式平衡算力資源。實施“場景驅(qū)動+標桿引領(lǐng)”策略，打造可復(fù)制的智能化轉(zhuǎn)型范式。

（2）實施差異化發(fā)展策略，基于區(qū)域資源稟賦與產(chǎn)業(yè)特征，制定差異化發(fā)展路徑并推動跨區(qū)域協(xié)同創(chuàng)新。下游地區(qū)可依托濟青人工智能走廊，發(fā)展高端裝備制造與智慧海洋產(chǎn)業(yè)；中游地區(qū)應(yīng)聚焦智能制造與數(shù)字農(nóng)業(yè)；上游地區(qū)可結(jié)合生態(tài)經(jīng)濟，發(fā)展智慧生態(tài)與特色農(nóng)業(yè)。

（3）構(gòu)建流域協(xié)同創(chuàng)新共同體，加強技術(shù)交流與產(chǎn)業(yè)協(xié)同，利用稅收優(yōu)惠、補貼等政策激勵企業(yè)參與。建立省級人工智能專利池，為上游技術(shù)轉(zhuǎn)移提供交易補貼，縮小區(qū)域技術(shù)差距。設(shè)立“上中下游人工智能產(chǎn)業(yè)聯(lián)盟”，實施增值稅優(yōu)惠，促進企業(yè)間智能化解決方案輸出，增強區(qū)域產(chǎn)業(yè)互補。

（4）完善政策體系，政府干預(yù)對產(chǎn)業(yè)升級的負向效應(yīng)表明，應(yīng)優(yōu)化政策支持體系。依據(jù)創(chuàng)新擴散理論，實施“有效市場+有為政府”模式，加速技術(shù)擴散。建議制定人工智能發(fā)展條例，設(shè)立倫理審查機制，保障智能化應(yīng)用安全。試點“監(jiān)管沙盒”制度，建立容錯免責(zé)清單，推動技術(shù)創(chuàng)新發(fā)展。

參考文獻

習(xí)近平.在黃河流域生態(tài)保護和高質(zhì)量發(fā)展座談會上的講話[EB/OL]. 2019-09-18.

中共中央 國務(wù)院.黃河流域生態(tài)保護和高質(zhì)量發(fā)展規(guī)劃綱要[EB/OL]. 2021-10-08.

竇怡鑫，李媛. 數(shù)字經(jīng)濟驅(qū)動黃河流域經(jīng)濟高質(zhì)量發(fā)展的影響研究[J].西部經(jīng)濟管理論壇， 2022， 33（6）： 69-78.

劉建華，普凌宇. 黃河流域數(shù)字經(jīng)濟與高質(zhì)量發(fā)展耦合互動關(guān)系研究[J].人民黃河，2024，46（1）：5-11.

習(xí)近平.高舉中國特色社會主義偉大旗幟，為全面建設(shè)社會主義現(xiàn)代化國家而團結(jié)奮斗：在中國共產(chǎn)黨第二十次全國代表大會上的報告[EB.OL]. 2022-10-16.

劉建華，閆靜，王慧揚. 黃河流域新質(zhì)生產(chǎn)力水平的動態(tài)演進及障礙因子診斷[J]. 人民黃河， 2024， 46（4）：1-7，14.

BRYNJOLFSSON. amp; MCAFEE A. The second machine age： Work， progress， and prosperity in. time of brilliant technologies[M].W.W. Norton. Company， 2014.

AGHION P， JONES BF. JONES CI. Artificial Intelligence and Economic Growth[J].NBER Working Papers， 2017， Working Paper 23928.

師博.人工智能促進新時代中國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級的路徑選擇[J].西北大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2019， 49（5）： 14-20.

蔡躍洲， 陳楠.新技術(shù)革命下人工智能與高質(zhì)量增長、高質(zhì)量就業(yè)[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2019， 36（5）： 3-22.

沈賞.基于系統(tǒng) GMM 的我國人工智能對產(chǎn)業(yè)轉(zhuǎn)型升級影響效應(yīng)分析[J].工業(yè)技術(shù)經(jīng)濟，2020，39（4）：155-160.

郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級與勞動收入份額變動[J].管理世界，2019，35（7）：60-77+202-203.

王森，王瑞瑜，孫曉芳. 智能化背景下人口老齡化的產(chǎn)業(yè)結(jié)構(gòu)升級效應(yīng)[J].軟科學(xué)， 2020， 34（1）： 90-96+102.

王瑞瑜，王森. 老齡化、人工智能與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整[J].財經(jīng)科學(xué)， 2020（1）： 80-92.

ROGERS， E. M. Diffusion of Innovations （5th ed.）[M]. Free Press， 2003.

TUSHMAN， M. L.，. ANDERSON， P. Technological Discontinuities and Organizational Environments[J]. Administrative Science Quarterly， 1986， 31（3）： 439-465.

NORTH， D.C. Institutions， Institutional Change and Economic Performance[J]. Cambridge University Press，1990.

ROBINSON， J. The Economics of Imperfect Competition[M]. Macmillan， 1933.

NOGUCHI， Y. The Flying Geese Paradigm of Economic Development and Regional Policy in East Asia[J]. Asian Economic Policy Review， 1999， 4（2）： 45-74.

干春暉， 鄭若谷， 余典范. 中國產(chǎn)業(yè)結(jié)構(gòu)變遷對經(jīng)濟增長和波動的影響[J].經(jīng)濟研究， 2011，46（5）：4-16+31.

李旭輝，彭勃，程剛.長江經(jīng)濟帶人工智能產(chǎn)業(yè)發(fā)展動態(tài)評價及系統(tǒng)協(xié)調(diào)度研究[J].統(tǒng)計與信息論壇，2020，35（1）：89-100.

ANGRIST JOSHUA. PISCHKE J?RN-STEFFEN. Mostly Harmless Econometrics： An Empiricist’s Companion[M]， 2009.

MOSER PETRA. Patents and innovation： Evidence from Economic History[J]. The Journal of Economic Perspectives， 2013（27）：23-44.