中国人工智能产业链韧性：统计测度与时空演变特征

山西大学马克思主义学院 郭晓旭

发布时间:2025-09-28

摘要：在世界百年未有之大变局加速演进背景下，提升人工智能产业链韧性已成为中国全球价值链地位攀升的关键。文章构建了人工智能产业链韧性评价指标体系，采用熵值法对2015—2023年中国人工智能产业链韧性进行测度，并利用Dagum基尼系数法探究2015—2023年中国人工智能产业链韧性发展差距，最后使用核密度估计法、莫兰指数与空间杜宾模型对时空收敛特征展开分析。研究结果表明：人工智能产业链韧性呈现稳步上升的发展趋势，其中，四川、安徽、湖北的人工智能产业链韧性增长速率较快。在区域差异方面，人工智能产业链韧性整体发展差异正在逐步缩小；区域间差异是人工智能产业链韧性差异的主要来源。在时空特征方面，人工智能产业链韧性存在空间溢出效应，能够促进邻近地区的人工智能产业链韧性提升。在收敛性特征方面，人工智能产业链韧性存在σ收敛，且存在绝对β收敛与条件β收敛。

关键词：人工智能，产业链韧性，熵值法，时空特征

0 引言

人工智能是引领新一轮科技革命和产业变革的尖端技术，对国际政治经济发展格局具有重大而深远的影响。提升人工智能产业链韧性是新时代新征程中高质量发展的必然要求，也是国家经济安全运行的重点关注内容^[1]。现阶段，在人工智能产业发展过程中，存在高端人才引进培育难度较大、创新支撑链建设不足、专利研究话语权缺失等问题^[2—4]，使人工智能产业链脆弱性显露。为此，展开对人工智能产业链韧性的科学评估，对提升人工智能产业链韧性具有重要意义。

产业链韧性是由物理学“韧性”概念演化至经济学韧性^[5，6]，再延伸至产业链领域而来，是与产业链断链不同的动态治理能力^[7]，能够为实现产业链高质量发展提供坚实支撑^[8]。现有文献中大多将产业链韧性划分为产业链基础、产业链协同能力、产业链可持续能力、产业链抵抗能力、产业链恢复与适应能力、产业链创新能力、产业链引领能力等维度^[9，10]。与人工智能产业链韧性相关的文献主要对人工智能创新能力进行了测度。袁野等（2021）^[11]发现人工智能关键核心技术创新能力逐年增强。李旭辉等（2023）^[12]发现人工智能产业科技创新能力处于增长态势。梳理现有文献可知，多数文献是基于微观角度对人工智能产业链韧性的单一维度展开研究，较少对宏观领域的人工智能产业链韧性进行分析。基于此，本文做了如下工作：第一，将人工智能产业的研究扩展至宏观领域，拓宽了现有人工智能产业链韧性研究的视角。第二，借助熵值法、Dagum基尼系数法、核密度估计法对人工智能产业链韧性进行测度，为人工智能实证研究提供经验证据。第三，根据研究结论提出针对性意见，以期为人工智能产业链安全可控提供有益参考。

1 评价指标体系构建

人工智能产业链韧性是指在新市场环境与竞争格局中，人工智能企业不仅能够迅速应对外部冲击，还能灵活调整发展战略，在危机中捕捉新的发展机遇，以此重塑竞争力，获取领先优势的能力。本文结合相关文献^[13，14]，从人工智能产业链基础、人工智能产业链抵御吸收能力、人工智能产业链适应调整能力、人工智能产业链更新引领能力四个维度来衡量人工智能产业链韧性（见下页表1）。

（1）人工智能产业链基础是产业稳定发展的先决条件。人工智能产业链在产业基础与技术基础方面走深走实，有利于人工智能产业底盘稳固，在近岸化、经济不确定性影响中保持稳定运行。本文以产业基础与技术基础来衡量人工智能产业链基础。

（2）人工智能产业链抵御吸收能力能够在系统遭受冲击时保障人工智能产业链结构完整。同时，通过对外部技术的吸收，增强技术学习能力，提高人工智能产业链韧性。本文以技术吸收、人才发展、产业结构来测度人工智能产业链抵御吸收能力。

（3）提升人工智能产业链适应调整能力可提高人工智能产业资源统筹协调效率，打造人工智能全链条商业模式，补齐人工智能产业短板，从而强化人工智能产业链韧性。本文采用资金情况与收支平衡来测度人工智能产业链适应调整能力。

（4）人工智能产业链更新引领能力有助于人工智能企业抓住发展机遇，在危机中找到突破口，在更新产业链技术的基础上，形成更强大的引领能力，增强人工智能产业链韧性。本文采用更新成果与更新环境来衡量人工智能产业链更新引领能力。

本文采用2015—2023年中国30个省份（不含西藏和港澳台）的面板数据对中国人工智能产业链韧性展开分析。数据主要来自国家知识产权局官方网站、国家统计局官方网站、《中国统计年鉴》《中国高技术产业统计年鉴》。另外，利用平滑法补齐少量缺失数据。

2 人工智能产业链韧性测度

2.1 人工智能产业链韧性的综合指数分析

本文采用熵值法对中国30个省份的人工智能产业链韧性进行测度，考虑到篇幅限制，表2中仅列示2015年、2019年、2021年与2023年的人工智能产业链韧性综合指数测度结果。通过纵向对比30个省份的人工智能产业链韧性指数可知，2015—2023年30个省份的人工智能产业链韧性均呈现上升趋势。进一步对比年均增长率发现，30个省份的增长速率存在差异，呈现稳步攀升与快速提升两种变化趋势。其中，增长速率位于全国前列的省份有湖北、四川、安徽。产生这一现象的原因可能是，这3个省份充分发挥算力与能源优势，夯实地区人工智能产业链发展基础，进一步提升人工智能产业链更新引领能力，促使其人工智能产业链韧性实现较快提升。

2.2 人工智能产业链韧性的区域特征

本文按照国家统计局的划分标准，将30个省份分为东部地区、中部地区与西部地区。采用熵值法对2015—2023年三大地区人工智能产业链韧性特征进行分析，结果见下页图1。由图1和表2可知，目前仅有东部地区的人工智能产业链韧性大于全国均值，中部地区人工智能产业链韧性与全国接近，西部地区人工智能产业链韧性低于全国均值，表明人工智能产业链韧性存在显著的区域发展不均衡特征。

3 人工智能产业链韧性的空间分异

3.1 Dagum基尼系数法

本文借鉴章迪平等（2024）^[15]的研究，采用Dagum基尼系数法进行空间分异分析。总体基尼系数可分解为区域为差异（G_w）、区域间差异（G_nb）及超变密度（G_t），计算公式如下：

3.2 差异来源与贡献率

观察图2可知，人工智能产业链韧性总体基尼系数由2015年的0.464下降至2021年的0.318，说明人工智能产业链韧性逐渐向空间均衡趋势发展。区域间差异是引起人工智能产业链韧性差异的主要因素，其贡献率始终维持在67%～78%，显著高于区域内差异贡献率与超变密度贡献率。

3.3 区域内差异与区域间差异

由表3可知：其一，东部地区区域内差异由2015年的0.423波动下降至2023年的0.332，这意味着该地区内部人工智能产业链韧性差异逐步缩小。中部地区区域内差异由2015年的0.363缩小至2023年的0.272，说明中部地区内各省份人工智能产业链韧性有所提升。西部地区区域内差异由2015年的0.274扩大至2023年的0.401，表明西部地区部分省份人工智能企业的韧性提升较快，形成较大的区域内部差异。其二，三大地区的区域间差异均处于缓慢缩小状态。原因可能是，我国高度重视人工智能产业链韧性与安全，通过颁布一系列人工智能发展规划并制定了人工智能行业标准，促使各地区人工智能产业链韧性不断增强。与此同时，我国有序引导资金、人才等资源向中部和西部地区转移，借助金融资源强化人工智能产业恢复能力，并通过高素质人才支撑人工智能产业稳定发展，从而实现人工智能产业链韧性区域间差异不断缩小。

4 人工智能产业链韧性的时间演变特征

4.1 核密度估计法

本文借鉴乔涵（2023）^[16]的研究，选取非参数核密度估计法分析人工智能产业链韧性时间演变特征。具体计算公式如下：

为探究人工智能产业链韧性的动态特征，本文采用核密度估计法，选取2015年、2017年、2019年与2023年作为考察时点，对全国及三大地区人工智能产业链韧性核密度曲线的分布位置、形态、延展性、极化现象等特征进行分析。

4.2 人工智能产业链韧性动态演进特征

下页图3展示了全国及三大地区人工智能产业链韧性的动态演进趋势。

从图3（a）可以看出，全国人工智能产业链韧性核密度曲线的中心和变化区间逐渐右移，说明各省份的人工智能产业链韧性正在逐步提升，且分布曲线主峰高度总体在上升的同时，宽度有所收窄，意味着全国人工智能产业链韧性地区间发展差距正在不断缩小。

从图3（b）可知，东部地区核密度曲线中心经历了逐渐右移的变化过程，表明东部地区人工智能产业链韧性正在稳步提升。东部地区核密度曲线侧峰值明显低于主峰峰值并逐渐趋于平缓，表明两极分化现象有所缓解。

从图3（c）可知，中部地区人工智能产业链韧性在提升的同时，核密度曲线由“单峰”逐渐演变为“双峰”，呈现较为明显的两极分化现象。

从图3（d）可知，西部地区核密度曲线的中心小幅向右偏移，峰值相较于东部地区与中部地区更小；与此同时，核密度曲线存在轻微左拖尾现象，表明个别省份的人工智能产业链韧性较低。

5 人工智能产业链韧性的空间收敛特征

5.1 全局莫兰指数

本文参考李彩平与张守夫（2024）^[17]的研究，采用全局莫兰指数考察人工智能产业链韧性的空间溢出效应。具体计算公式如下：

5.2 空间集聚特征

人工智能产业链韧性可能存在空间溢出效应，为验证这一推断，本文采用全局莫兰指数进行检验，结果如表4所示。2015—2023年，人工智能产业链韧性全局莫兰指数的z值均通过1%水平上的显著性检验，表明人工智能产业链韧性存在较强空间关联性，即本地人工智能产业链韧性会对邻近地区产生积极影响。

5.3 σ收敛模型

本文采用σ收敛模型对人工智能产业链韧性的动态收敛特征进行深入分析，模型如下所示：

5.4 σ收敛

由图4可知，人工智能产业链韧性的σ收敛曲线呈缓慢下降趋势，表明人工智能产业链韧性存在σ收敛现象。进一步分解区域收敛特征可知，第一，东部地区σ收敛系数从0.473降至0.439，显示出区域间差异趋于收敛的发展趋势。第二，中部地区σ收敛曲线呈现先升后降的波动下降趋势，σ收敛系数在观测期中期达到峰值0.387后下降至0.326，同样符合σ收敛规律。第三，西部地区σ收敛曲线表现出小幅波动特征，σ收敛系数在0.313～0.284内窄幅震荡，同样显示出σ收敛特征。

5.5 β收敛模型

在进行人工智能产业链韧性的空间收敛特征分析时，考虑到其空间集聚特征与各省份智能经济发展的相互影响，本文采用空间经济地理矩阵展开分析。空间计量模型检验结果显示，空间杜宾模型为最优模型。因此，本文在β收敛模型的基础上引入空间经济地理矩阵，借助空间杜宾模型进行β收敛性分析，具体公式如下：

绝对β收敛模型：

条件β收敛模型：

条件β收敛模型的控制变量选取如下：工业生产力（industry），采用工业增加值占GDP的比重来衡量；人口数量（population），以地区常住人口的自然对数表征；经济发展水平（economy），使用GDP的自然对数来衡量；教育发展水平（education），采用财政教育支出与财政总支出的比值表示。

此外，通过β收敛模型可计算全国人工智能产业链韧性稳态的收敛速度与达到稳态所需要的半生命周期。

收敛速度θ：

半生命周期τ：

5.6 绝对β收敛分析

由下页表5可知，人工智能产业链韧性的绝对β收敛系数为-0.432，在1%的水平上显著为负，表明全国人工智能产业链韧性呈现绝对β收敛特征。这说明人工智能产业链韧性较低地区的增长速度会超越人工智能产业链韧性较高地区，最终趋于相同的水平。

5.7 条件β收敛分析

表6为条件β收敛模型的检验结果，不难看出，在考虑一系列影响因素后，人工智能产业链韧性的条件β收敛系数为-0.247，在1%的水平上显著为负，意味着人工智能产业链韧性存在条件β收敛特征。进一步分析人工智能产业链韧性条件β收敛影响因素系数可知，工业生产力与教育发展水平具有较强的促进作用。

6 结论与建议

6.1 结论

本文在构建人工智能产业链韧性评价指标体系的基础上，采用多种统计测度方法对2015—2023年中国人工智能产业链韧性、区域差异与时空特征展开分析。研究结论如下：

第一，30个省份的人工智能产业链韧性呈现上升趋势，其中，湖北、安徽、四川的人工智能产业链韧性增长速率居全国前列。三大地区的人工智能产业链韧性呈现东部地区最高、中部地区次之、西部地区最低的不平衡发展格局。

第二，人工智能产业链韧性差异逐步缩小。其中，区域间差异是导致人工智能产业链韧性差异的主要因素，其对人工智能产业链韧性差异的贡献率显著高于区域内差异与超变密度。

第三，全国与三大地区人工智能产业链韧性的核密度曲线中心的动态分布趋于一致，均呈现逐渐右移的变化趋势。这说明30个省份的人工智能产业链韧性正在逐步上升。

第四，人工智能产业链韧性存在空间溢出效应，会对邻近地区的人工智能产业链韧性产生影响。全国与三大地区σ收敛系数呈现下降趋势，存在σ收敛特征，且存在绝对β收敛特征，在引入控制变量后，存在条件β收敛特征。

6.2 建议

（1）打造产业链子系统协同发展格局，提升人工智能产业链韧性。中国人工智能产业链韧性仍具有较大提升空间。因此，应从人工智能产业链韧性各子系统入手，通过打造产业链子系统协同发展格局，统筹增强人工智能产业链韧性。第一，应重点培育一批链主企业与专精特新“小巨人”企业，形成示范效应引导中小企业加速成长，夯实人工智能产业链发展基础，进而强化人工智能产业链抵抗能力，筑牢人工智能产业发展根基。第二，着力打造学术创新基地、高新技术产业区、产学研合作示范区等尖端技术培育平台，以此来完善人工智能科技创新体系，提升人工智能产业链更新引领能力，为人工智能产业链的韧性增强提供坚实保障。

（2）因地制宜地锻造人工智能产业链，促使人工智能产业链韧性攀升。针对人工智能产业链韧性存在区域发展不平衡态势这一结论，应因地制宜地锻造人工智能产业链，促使人工智能产业链韧性攀升。一是东部地区人工智能产业向深而行。东部地区人工智能企业可加大对人工智能关键核心技术的研发投入，主动承担模型部署、应用上线等链条较长的开发任务，驱动智能制造走向高端继而增强产业核心竞争力，推动人工智能产业链韧性提升。二是中部和西部地区人工智能产业稳步发展。充分发挥中西部地区的算力与能源优势，推动数据中心和高性能计算设备建设，在此基础上积极研发和应用大模型平台，进一步推动人工智能技术应用，延长人工智能产业链与生产边界，助力人工智能产业链韧性提升。

（3）把握人工智能产业发展关键着力点，推动人工智能产业链韧性提升。工业生产力与教育发展水平是人工智能产业链韧性条件β收敛的关键影响因素，因此，应把握提升人工智能产业链韧性的关键要素，赋能人工智能产业链韧性提升。其一，着力提升工业生产力。相关主体及人工智能企业可借助数字技术，通过对现有流程进行全面分析和评估，着力打通人工智能生产堵点，通过引入自动化设备和先进技术对其加以改进。其二，提高教育发展水平。可通过加强教师队伍建设，吸引优秀人工智能人才投身教育事业，进而提升教师教育教学能力，以信息化手段助力教育质量提升，继而促进人工智能产业链韧性攀升。

注释：

①产业结构高级化指数采用第二产业增加值与第三产业增加值之比衡量。

②产业结构合理化指数使用泰尔指数进行测算，公式为T=T_w+T_b。

参考文献：

[1]吴斌，柏双伟，张新.产业链韧性在人工智能产业链评估中的应用探讨[J].科技管理研究，2023，43（7）.

[2]苏玺鉴，胡安俊.人工智能的产业与区域渗透：态势、动力、模式与挑战[J].经济学家，2023，（2）.

[3]张朝辉，徐毓鸿，何新胜.我国人工智能产业发展路径研究[J].科学学研究，2023，41（12）.

[4]郭朝先，方澳.全球人工智能创新链竞争态势与中国对策[J].北京工业大学学报（社会科学版），2022，22（4）.

[5]李连刚，张平宇，谭俊涛，等.韧性概念演变与区域经济韧性研究进展[J].人文地理，2019，34（2）.

[6]谭俊涛，赵宏波，刘文新，等.中国区域经济韧性特征与影响因素分析[J].地理科学，2020，40（2）.

[7]肖兴志，李少林.大变局下的产业链韧性：生成逻辑、实践关切与政策取向[J].改革，2022，（11）.

[8]李萌.新发展格局下中国特色产业链战略：理论与实践探索[J].重庆社会科学，2024，（8）.

[9]常歆，韩平.中国数字产业链韧性测度、时空演化与区域差异研究[J].统计与决策，2024，40（16）.

[10]肖兴志，王振宇，李少林.产业链韧性测度方法研究进展[J].经济学动态，2024，（4）.

[11]袁野，汪书悦，陶于祥.人工智能关键核心技术创新能力测度体系构建：基于创新生态系统视角[J].科技进步与对策，2021，38（18）.

[12]李旭辉，杨梦成，严晗，等.中国人工智能产业科技创新能力测度及趋势演进[J].科研管理，2023，44（1）.

[13]潘欣欣，周洪勤.产业协同集聚与产业链韧性：影响机理与政策启示[J].商业研究，2024，（4）.

[14]杜林远，高红贵.长江经济带产业链韧性的绿色发展效应检验[J].统计与决策，2024，40（18）.

[15]章迪平，宋业凯，顾建亚.中国式现代化建设水平测度与时空差异分析[J].统计与决策，2024，40（22）.

[16]乔涵.我国数字产业技术进步水平时空演变趋势及影响因素[J].中国流通经济，2023，37（8）.

[17]李彩平，张守夫.中国农业农村新质生产力水平测度及影响因素分析[J].经济问题探索，2024，（12）.

作者简介：郭晓旭（1987—），女，山西平定人，博士，讲师，研究方向：马克思主义中国化、中国特色产业。

《统计与决策》2025年第12期