人工智能对新质生产力的影响研究

Research on the Impact of Artificial Intelligence on New Qualitative Productivity

摘要: 从“新发展理念”到“高质量发展”再到“新质生产力”，新发展理念形成一条清晰的脉络，共同构建了一个驱动高质量发展的强大引擎。本文基于2012~2022年中国30个省份面板数据，构建人工智能与新质生产力两个综合指标，采用双向固定效应模型实证分析人工智能对新质生产力的影响及潜在的影响机制。研究发现：1) 人工智能显著促进新质生产力发展；2) 机制分析表明，人工智能通过优化产业结构推动新质生产力发展；3) 异质性分析表明在东部与西部地区，人工智能推动新质生产力发展表现尤为突出。最后基于研究结论，提出因地制宜发展新质生产力等建议。

Abstract: From the “new development concept” to “high-quality development” to “new quality productivity”, the new development concept has formed a clear vein and jointly built a powerful engine to drive high-quality development. Based on the panel data of 30 provinces in China from 2012 to 2022, this paper constructs two comprehensive indicators of artificial intelligence and new quality productivity, and empirically analyzes the impact and potential impact mechanism of artificial intelligence on new quality productivity by using a two-way fixed effect model. The results show that: 1) Artificial intelligence significantly promotes the development of new quality productivity; 2) Mechanism analysis shows that artificial intelligence promotes the development of new quality productivity by optimizing the industrial structure; 3) Heterogeneity analysis shows that in the eastern and western regions, the development of new quality productivity promoted by artificial intelligence is particularly prominent. Finally, based on the research conclusions, some suggestions are put forward for the development of new quality productivity according to local conditions.

1. 引言

习近平总书记于2023年9月黑龙江省调研中，首次提出新质生产力这一概念[1]；2024年1月31日，习近平总书记在中共中央政治局第十一次集体学习中指出，“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态”[2]。这一重要论述，深刻揭示了新质生产力的本质、特征及意义，为推动新时代高质量发展指明了方向。

科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素。在发展新质生产力、助推高质量发展方面，人工智能发挥着重要作用。随着人工智能(AI)技术的日益成熟，其在各个领域的应用场景不断拓展。在制造业中，智能机器人和自动化生产线的应用已经得到广泛推广。从上海市机器人行业协会获悉，2023年中国机器人产业规模超200亿美元，新装机量全球占比超过50%，全年累计销量28.3万台。在金融领域，据美国咨询平台(Business Insider)调查显示，全美80%的银行认为AI有助于改善和创新金融服务；在医疗健康领域，AI技术可以帮助医生进行疾病诊断和治疗规划，提高医疗服务的水平和效率，例如，2019年3月，中国人民解放军总医院成功完成全国首例远程人体手术——帕金森病“脑起搏器”植入术。

在人工智能的快速发展和广泛应用下，新质生产力的变革已成为当前经济发展的重要趋势。传统生产力注重效率提升和成本降低，而新质生产力则强调技术创新、智能化生产和个性化定制，为各个产业发展带来诸多竞争优势和增长机会。因此，研究人工智能驱动下新质生产力的变革对于经济社会发展具有重要意义。同时，测度人工智能发展水平与新质生产力水平以及研究人工智能驱动新质生产力变革的机制尤为重要。

通过归纳诸多学者的研究成果，本文选取产业发展水平、技术创新水平、发展环境水平三个维度6个具体指标评价人工智能发展水平。新质生产力的指标则参考韩文龙等学者的研究成果，选择新劳动者、新劳动资料、新劳动对象、生产组织四个维度10个具体指标构建新质生产力综合评价指标。基于测算选取2012~2022年各省份的人工智能发展指标和新质生产力指标，探究人工智能对新质生产力的影响以及背后的影响机制，为人工智能驱动新质生产力变革和经济社会发展提供对策建议。探索人工智能对新质生产力的影响在经济发展水平的差异下是否具有异质性，根据研究结果为人工智能驱动新质生产力变革提供导向。探索人工智能与新质生产力的发展规律，以期实现国内各地区经济协调全面发展。

2. 文献综述

目前关于人工智能与新质生产力的研究主要集中在三个方面。一是人工智能的内涵界定与测算方法。1956年人工智能之父约翰·麦卡锡(John McCarthy)在达特茅斯会议上首次提出人工智能概念(Artificial intelligence, AI)，由此开创了人工智能研究的先河[3]。经济合作与发展组织认为，人工智能系统是基于机器的系统，可以针对一组人类定义的目标做出预测、提供建议或影响现实或虚拟环境的决策[4]。相应地，学者们对人工智能的测度方法也未达成一致，部分学者根据概念界定范围直接估算人工智能产业规模，另一部分学者运用多个指标综合衡量人工智能发展水平，并逐渐从单一指标向综合指标体系转变。武汉大学和长江商学院在《2018中国人工智能指数》中指出，借鉴斯坦福大学的评价指标体系，从学术、人才、产业、开源软件、公众认知以及媒体报道等六个维度对我国人工智能发展现状进行评价[5]。

二是新质生产力的概念界定与测度研究。学者们首先对新质生产力进行了大量的理论探讨。根据高帆的观点，生产力是依赖于劳动者、劳动资料和劳动对象这三类要素的供给基础建立起来的[6]。周文和许凌云指出，科学技术与劳动要素的结合促进了生产力的转变，并且凭借大数据提升了生产效率，使新质生产力在三要素方面全面超越了传统生产力水平[7]。程恩富和陈健强调在现代化产业体系中，生产组织的转型对新质生产力系统具有重要作用[8]。总体而言，学术界普遍认为新劳动者、新劳动对象和新劳动资料是新质生产力的基本构成要素，其对新质生产力的培育和发展具有重要意义。

基于理论基础，学者们构建了衡量新质生产力的指标体系，并通过指标降维方法评估新质生产力的发展水平。王珏等运用熵值法对多个指标进行降维处理测度中国省域新质生产力发展水平[9]。乔晓楠等在测量方法中综合考虑物化劳动和活劳动的总投入时间，采用全劳动生产率来评估生产效率，同时分析生产投入和劳动力再生产投入，识别新质生产力的组成及其变化趋势[10]。当前的测度研究主要存在两个问题。首先，在一定程度上忽略了社会进步带来的生产力系统变革，无法准确反映生产力各要素优化组合的跃升。其次，在具体指标的选择上，不能很好地体现“新”、“质”与先进性。对于发展新质生产力所需的创新型劳动者、原创性和颠覆性技术、重大科技基础设施等方面，目前的研究在指标选取上未能很好地反映它们的特质。

三是人工智能对新质生产力的影响研究。此类研究相对较少，且现有研究侧重于从理论层面探讨人工智能对新质生产力的作用。李晓红指出，人工智能对新质生产力的发展具有双重影响。一方面，人工智能推动新质生产力发展，如升级劳动技能、创新方式、拓展劳动对象；另一方面，人工智能也引发包容性问题，包括就业分化、技术鸿沟、资源非均衡积累[11]。

总体来说，现有关于人工智能与新质生产力的研究成果已较为丰富，但是仍存在不足。首先，现有文献主要以定性方式讨论新质生产力与人工智能，缺乏相应的测量方法和指标体系；其次是缺乏统一的测度标准和动态评价机制。因此，基于理论知识与现有研究，本文尝试在测度指标和实证分析方面推进相关研究。可能的边际贡献在于：1)本文立足新质生产力基本内涵构建了新质生产力的指标体系，对中国2012~2022年间的新质生产力水平进行测算；2) 通过产业发展水平、技术创新水平、发展环境水平三个维度构建人工智能指标体系；3) 基于上述指标，探究人工智能驱动新质生产力变革的机制，丰富了人工智能对新质生产力的实证研究成果。

3. 理论分析与研究假设

新质生产力以创新为主导，摆脱传统路径，具备高科技、高效能、高质量特性，实现关键性技术突破。人工智能作为科技革命与产业变革的核心动力，其技术特点与新质生产力本质高度契合，通过算法、算力、数据等集成创新为生产力提质增效。它不仅助力企业削减成本、提升效率，还深刻影响社会生活，加速全球贸易体系转型，调整收入分配，驱动产业结构优化升级，推动新质生产力水平提升[12]。基于此，本研究提出以下假设：

H1：人工智能能够推动新质生产力发展。

3.1. 产业结构

产业结构高级化，即产业从劳动密集型向知识、技术密集型转变，表现为第三产业占GDP比重依次上升。人工智能技术通过人力资本效应与技术创新效应双轮驱动，加速我国产业结构高级化进程。一方面，人工智能通过其强大的技术能力和广泛的应用范围，对产业结构产生优化效应。其优化产业结构的方式可以归纳为直接效应和间接效应。在直接效应上，人工智能技术通过产业数字化直接提升了传统产业的生产效率和创新能力，同时，推动产业向更高附加值领域转型。在间接效应上，人工智能的普及和应用带动了相关产业链的发展，通过产业数字化引致一系列新产业、新模式[13]。另一方面，产业结构可能通过优化资源配置、增强产业协同效应以及创造市场需求等方面[14]，有力地促进新质生产力的发展。基于此，本研究提出如下假设：

H2：人工智能通过产业结构优化效应推动新质生产力发展。

3.2. 区域异质性

由于政策支持、科研环境、产业结构、教育水平和文化因素影响不同，人工智能的分布也产生了一定的差异，特别在沿海地区，人工智能产品分布明显高于内陆人工智能水平[15]；人工智能技术在生产、数据分析及预测方面发挥着重要作用，可提高效率、降低成本，并促进个性化定制与资源管理优化[16]。但不同地区的发展水平存在差异，人工智能通过影响我国劳动生产率、工作效率等，间接促进新质生产力发展。基于此，本研究提出如下假设：

H3：基于经济效益和环境等影响，人工智能对新质生产力的影响存在地区差异。

4. 研究设计

4.1. 样本选择与数据来源

本文选取2012~2022年中国省级面板数据作为研究样本(不包含我国港澳台地区与数据缺失严重的西藏自治区)，最终得到330个样本。数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》各省统计年鉴、政府官方网站等。

4.2. 变量描述

4.2.1. 被解释变量

新质生产力区别于传统生产力，代表生产力的巨大跃迁，包括“新”的劳动者、劳动资料以及劳动对象。生产组织可以通过资源配置、生产效率提升、人才队伍培养等途径推动新质生产力不断发展。本文参考韩文龙等研究[17]，采用熵权TOPSIS法分别从新劳动者、新劳动资料、新劳动对象、生产组织四个维度构建新质生产力综合评价指标，见表1。

Table 1. Evaluation index system of new quality productivity

表1. 新质生产力评价指标体系

一级指标	二级指标	三级指标	数据来源	权重(%)	属性
新质生产力	新劳动者	新兴产业员工总数	企业年报	8.038	+
	新劳动资料	集成电路数	工信部	18.102	+
		移动用户数	工信部	12.696	+

续表

	新劳动对象	新能源发电比重	国家统计局	5.655	+
		特高压输电线路数	自行整理	7.858	+
		新能源利用率	国家统计局	13.367	+
		新材料产值	企业年报	11.752	+
		新材料企业数	企业年报	9.221	+
	生产组织	有电子商务交易的企业数	各省统计年鉴	8.036	+
		工业污染治理完成投资	各省统计年鉴	5.275	+

4.2.2. 解释变量

人工智能是一个多维度、跨领域的复杂体系，它不仅仅关注技术应用的效能，还涵盖了基础设施环境和发展状况等多个方面。因此，根据人工智能的内涵，本文参考陈凤仙等研究[18]，从产业发展水平、技术发展水平、发展环境水平3个维度，6个具体指标构建人工智能水平指标体系，见表2。

Table 2. Comprehensive evaluation indicators of artificial intelligence

表2. 人工智能综合评价指标

一级指标	二级指标	三级指标	权重(%)	属性
人工智能	产业发展水平	工业机器人安装密度	23.232	+
		人工智能企业数量	26.598	+
	技术创新水平	人工智能学术期刊	13.790	+
		人工智能专利	26.196	+
	发展环境水平	人工智能类从业人员平均薪酬	3.936	+
		省部级支持人工智能文件数	6.248	+

4.2.3. 中介变量

产业结构(IND)，参考高志刚等[19]、袁航和朱承亮[20]的研究，以产业合理化(INDR)和产业高度化(INDH)来衡量。其中，INDR以产业结构泰尔指数衡量，INDR为0，产业结构合理，处于均衡状态；INDR为1，产业结构不合理。INDH = 第一产值占比*1 + 第二产值占比*1 + 第三产值占比*3。

4.2.4. 控制变量

本文控制变量包括：经济发展水平(GDP)，以地区生产总值(亿元)取自然对数来衡量；人口密度(POPUD)，以每平方千米常住人口数量衡量。金融发展水平(FIN)，以存贷款余额占地区生产总值的比重来衡量。本文所选变量及定义如表3所示。

Table 3. Variables definition and explanation

表3. 变量定义及说明

类型	名称	符号	定义
被解释变量	新质生产力	Newpro	采用熵值法测算
解释变量	人工智能	AI	采用熵值法测算
控制变量	经济发展水平	GDP	地区生产总值
	人口密度	POPUD	每平方千米居住人口数量
	金融发展水平	FIN	金融机构存贷款总额/GDP

4.3. 模型设定

为检验人工智能对新质生产力的影响，本文构建以下基准回归模型：

${\text{ Newpro}}_{it}={\alpha }_0+{\alpha }_1{\text{AI}}_{it}+{\alpha }_2{\text{Control}}_{it}+{\text{T}}_t+{\text{Y}}_i+{\epsilon }_{it}$ (1)

在上述模型中，i代表省份，t代表年份。变量AI表示省份人工智能水平，变量Newpro表示省份新质生产力水平，Control为控制变量，T表示年份固定效应，Y表示省份固定效应，本文将基准回归中的标准误差聚类到省份层面。

5. 实证分析

5.1. 描述性统计

首先对样本各个变量进行描述性统计分析，以反映各变量特征(见表4)。

Table 4. Descriptive statistics

表4. 描述性统计

变量	观测值	均值	标准差	中位数	下四分位数	下四分位数	最小值	最大值
Newpro	330	0.137	0.091	0.108	0.074	0.180	0.023	0.617
AI	330	0.104	0.106	0.069	0.049	0.114	0.016	0.833
GDP	330	9.907	0.887	9.995	9.406	10.521	7.332	11.768
POPUD	330	5.475	1.291	5.680	4.904	6.359	2.068	8.275
FIN	330	1.941	0.733	1.744	1.492	2.146	1.091	5.254

资料来源：本表数据由Stata17整理而来。

由表4结果可知，被解释变量新质生产力(Newpro)极差为0.594，说明各省份的新质生产力水平存在一定的差距。其次，解释变量人工智能的最大值与最小值分别为0.833、0.016，极差为0.817，表明人工智能水平也存在一定的差异。所有控制变量的极差水平均较高，说明各省份的经济增长、人口结构存在显著差异，其原因可能包括地理位置、资源禀赋、政策导向等因素的影响。

5.2. 基准回归

本文将人工智能设定为核心解释变量，将新质生产力作为被解释变量，控制经济增长、人口密度及金融发展水平等因素，探究人工智能对新质生产力的影响，基准回归结果如表5所示。

由表5可知，第(1)列为未加入控制变量，以人工智能作为解释变量对新质生产力进行回归的结果，AI的系数为0.460，且在1%的显著性水平下显著，说明人工智能对新质生产力产生正向影响关系。第(2)列为加入三个控制变量后进行的回归，AI的系数同样在1%的显著性水平下显著，即人工智能能够显著促进新质生产力水平的提升和发展，假设H1得以验证。

Table 5. Baseline regression

表5. 基准回归

	(1)	(2)
	Newpro	Newpro
AI	0.460^***	0.462^***
	(0.063)	(0.070)

续表

GDP		−0.037
		(0.025)
POPUD		0.167^*
		(0.066)
FIN		−0.026
		(0.014)
省份固定	是	是
年份固定	是	是
constant	0.164^**	−0.749
	(0.040)	(0.486)
N	330	330
R2	0.885	0.888

注：^***、^**、^*分别表示在1%、5%、10%的水平上显著。

5.3. 稳健性检验

为使检验结果更具有稳健性，本文采用解释变量滞后一期、增加控制变量两种方法进行稳健性检验。

5.3.1. 解释变量滞后一期

本文将核心解释变量滞后一期，以解决反向因果的内生性问题。将AI滞后一期的结果如表6 (1)列所示，AI的回归系数仍然显著为正。表明在考虑了反向因果关系后，本文的回归结果仍然稳健。

5.3.2. 增加控制变量

在原有的控制变量基础上增加控制变量。分别有对外开放(OPEN)，用外商直接投资总额表示；城市化进程(UR)，用城镇化率表示。从表6中第(2)列可知，结果依然稳健显著。

Table 6. Robustness test

表6. 稳健性检验

	(1)	(2)
	解释变量滞后一期	增加控制变量
AI	0.307^***	0.509^***
	(0.052)	(0.086)
GDP	−0.059	−0.053^**
	(0.0393)	(0.014)
POPUD	−0.017	−0.017^*
	(0.021)	(0.007)
FIN	0.027	−0.065
	(0.080)	(0.080)
OPEN		−0.000^**
		(0.000)

续表

UR		0.749^*
		(0.279)
省份固定	是	是
年份固定	是	是
constant		−0.339
		(1.160)
N	300	330
R^2	0.884	0.911

注：^***、^**、^*分别表示在1%、5%、10%的水平上显著。

5.4. 异质性分析

本文进一步将全国省份分为东部、中部、西部和东北四大地区，分别考察人工智能对不同区域新质生产力的影响，结果见表7。可以发现，人工智能对新质生产力的促进作用在东部与西部地区较为显著，对中部与东北地区的影响不显著，假说H3成立。

人工智能对不同地区产生差异化影响，主要基于以下原因：一是资源禀赋差异，人工智能重塑生产力格局，使经济落后地区成为潜在增长点，并可能将传统短板转化为新质生产力的强项。二是政策导向差异，西部地区在国家战略支持下，积极引进人工智能技术，促进技术创新与产业升级。三是发展空间不同，东部地区凭借经济与市场优势，为人工智能提供广阔发展空间与商业机会；西部地区则依托自然资源，推动人工智能与特色产业融合，实现差异化竞争；而中部与东北部地区因发展水平相对较低，人工智能对产业结构升级与技术创新的推动作用不显著，中部地区应用相对落后，基础设施与人才储备不足，东北地区则面临新旧动能转换挑战，低技能劳动力难以适应人工智能技术，加剧高质量发展难题。

Table 7. Heterogeneity analysis

表7. 异质性分析

	(1)	(2)	(3)	(4)
VARIABLES	东部	中部	西部	东北
AI	0.494^***	−0.185	0.585^**	0.636
	(0.0526)	(0.107)	(0.210)	(0.417)
GDP	−0.0917	0.000412	0.145^**	−0.0853
	(0.0586)	(0.0348)	(0.0634)	(0.111)
POPUD	0.428^**	1.529^***	−0.127	0.525
	(0.166)	(0.340)	(0.119)	(0.217)
FIN	0.0332^*	−0.0148	0.0219	−0.0862^**
	(0.0155)	(0.0259)	(0.0256)	(0.0163)
年份固定	是	是	是	是
省份固定	是	是	是	是
N	110	66	121	33
R^2	0.988	0.967	0.913	0.973

注：^***、^**、^*分别表示在1%、5%、10%的水平上显著。

5.5. 机制检验

前文的理论假说提出，人工智能通过产业结构优化效应推动新质生产力发展。因此，本研究采用Bootstrap中介检验方法，从产业结构考察人工智能对新质生产力的影响机制。本文参考方杰[21]等的方法，采用Bootstrap方法检验间接效应是否显著，即间接效应的置信区间是否包含0，如不包含0，则可认为存在中介效应。由表8可知，产业结构存在中介效应，即人工智能通过产业结构优化效应推动新质生产力发展，假说H2成立。

Table 8. Mechanism test results

表8. 机制检验结果

中介变量	变量	间接影响
		系数	z值	95%置信区间上限	95%置信区间下限
IND	INDR	0.390	2.47	0.008	0.070
	INDH	0.088	3.99	0.044	0.131

6. 结论与建议

6.1. 研究结论

人工智能迅速崛起，不仅为各行业提供更高效的服务，同时也为新质生产力的形成与发展提供强大动力。本文以2012~2022年中国省级面板数据作为研究样本，采用固定效应模型实证研究人工智能如何促进新质生产力发展。

结果显示：1) 人工智能作为一种重要现代信息技术，对于推动新质生产力发展具有显著促进作用；2) 通过机制分析可知，人工智能被证实通过优化产业结构有效提升新质生产力水平；3) 异质性分析表明在东部与西部地区，人工智能所展现的推动效应尤为显著。

6.2. 启示建议

6.2.1. 加快人工智能领域的人才培养，筑牢被技术替代失业人员的生活保障

人工智能产业扩张需要专业性和复合型人才向相关产业延伸，因此需要在各大高校开设人工智能专业、培育交叉学科，以支持人工智能产业的发展。随着人工智能技术的不断深入，人工智能替代部分劳动力的现象也不断显现，因此政府需要牵头带动相关政策措施的实施，例如，组织技能培训、提供保障性收入和职业过渡支持等方式以应对就业市场的变化，保障被技术替代的失业人员的生活基础，促进经济的高质量发展。

6.2.2. 优化产业结构升级，加强人力资本建设

人工智能通过产业结构优化和人力资本提升效应促进新质生产力的发展，因此要加强产业结构优化和人力资本建设。首先，政府应当制定相关支持政策以鼓励产业结构调整和技术转移，同时加强公共投资，特别是基础设施、教育和科技创新领域，以支持新兴产业和人力资本建设。其次，各大企业应当加大技术研发和创新投入，推动新兴产业技术的应用和产业的转型升级。最后，对于个人而言，需要持续学习和积极参与职业培训，加强专业知识和技术储备以提高自身竞争力和价值。

6.2.3. 因地制宜发展新质生产力

从异质性分析结果可知，不同地区发展新质生产力存在着显著差异。东部与西部地区发展新质生产力比较强劲，能够显著促进新质生产力提升，而中部与东北部地区对新质生产力的影响不显著。因此各地区首先要锻长板，对于已具备优势的区域，应加大支持力度，打造世界领先的产业集群。其次是要补短板，对于相对薄弱的区域，则需要改革转化机制、增加投入，并加强人才培养和引进。在精准评估自身长短板的基础上，根据地区特点制定差异化的发展战略，发展符合当地特色的新质生产力，例如东部沿海地区可着重发展高科技产业，中西部地区则可依托自然资源优势发展新材料、新能源产业。

基金项目

贵州省哲学社会科学规划课题青年项目“贵州‘1 + 9’国家级开放创新平台对外开放现状、问题及对策研究”(23GZQN62)。