公共数据开放能否促进人工智能创新水平的提升?——来自政府开放数据平台上线的准自然实验
Can Public Data Openness Enhance Artificial Intelligence Innovation Levels?—A Quasi-Natural Experiment from the Launch of Government Open Data Platforms
DOI: 10.12677/sd.2026.165217, PDF,    科研立项经费支持
作者: 李星乐:重庆理工大学重庆知识产权学院,重庆
关键词: 公共数据开放数据要素人工智能创新Public Data Openness Data Factors Artificial Intelligence Innovation
摘要: 公共数据开放是数字经济发展的重要基础性制度安排。本文将我国城市公共数据开放平台上线视为一项准自然实验,运用多期双重差分模型,基于2009~2023年全国292个城市的面板数据,系统考察了公共数据开放对人工智能创新水平的影响及其内在作用机制。研究显示,公共数据开放显著促进了城市人工智能创新,其作用机制并非单纯的数据可得性提升,而是通过降低信息摩擦与构建制度信任,推动创新要素优化重组。异质性分析表明,政策效果在知识产权保护完善、经济基础较好的东部地区更为突出。本文从要素配置与协同创新双重视角,揭示了公共数据开放推动人工智能创新的内在路径,为构建数据驱动的高质量创新生态系统提供了理论依据与政策参考。
Abstract: The opening of public data constitutes a vital institutional provision for digital economic development. Treating the launch of China’s urban public data platforms as a quasi-natural experiment, this study employs a multi-period difference-in-differences model. Utilising panel data from 292 cities nationwide spanning 2009~2023, it systematically examines the impact of public data openness on artificial intelligence innovation levels and its underlying mechanisms. Findings reveal that public data openness significantly stimulates urban AI innovation, with its mechanism extending beyond mere data accessibility. Instead, it facilitates the optimisation and reorganisation of innovation factors by reducing information friction and fostering institutional trust. Heterogeneity analysis indicates that policy effects are more pronounced in eastern regions with robust intellectual property protection and stronger economic foundations. From dual perspectives of factor allocation and collaborative innovation, this paper reveals the intrinsic pathways through which public data openness empowers AI innovation, providing theoretical foundations and policy references for constructing data-driven high-quality innovation ecosystems.
文章引用:李星乐. 公共数据开放能否促进人工智能创新水平的提升?——来自政府开放数据平台上线的准自然实验[J]. 可持续发展, 2026, 16(5): 380-396. https://doi.org/10.12677/sd.2026.165217

参考文献

[1] 复旦大学数字与移动治理实验室. 中国地方公共数据开放利用报告——城市(2024年度) [R/OL]. 2024-09-26.
http://ifopendata.cn/static/report/2024%E4%B8%AD%E5%9B%BD%E5%9C%B0%E6%96%B9%E5%85%AC%E5%85%B1%E6%95%B0%E6%8D%AE%E5%BC%80%E6%94%BE%E5%88%A9%E7%94%A8%E6%8A%A5%E5%91%8A_%E5%9F%8E%E5%B8%82.pdf, 2026-01-06.
[2] 沈坤荣, 林剑威. 链“岛”成“陆”: 公共数据开放的技术创新效应研究[J]. 管理世界, 2025, 41(2): 83-104.
[3] 胡雪萍, 王谊巧. 公共数据开放能否提升城市创新水平——基于有效市场和有为政府的机制分析[J]. 科技进步与对策, 2026, 43(5): 1-12.
[4] 冀淑辛. 政府数据治理与人工智能企业创业活力[J]. 技术经济与管理研究, 2025(11): 122-127.
[5] 徐维祥, 石伊凡, 周建平. 数据要素集聚与人工智能产业高质量发展[J]. 财经论丛, 2026, 42(2): 29-40.
[6] 谢潇, 罗世杰. 人工智能大模型训练数据供给的激励性法律规制[J]. 广东财经大学学报, 2025, 40(6): 110-119.
[7] Jetzek, T., Avital, M. and Bjorn-Andersen, N. (2014) Data-Driven Innovation through Open Government Data. Journal of theoretical and applied electronic commerce research, 9, 15-16. [Google Scholar] [CrossRef
[8] 赵斌, 刘军, 王洋洋. 从开放到创新: 政府公共数据开放的企业渐进式创新效应研究[J]. 财会月刊, 2026, 47(3): 105-112.
https://link.cnki.net/urlid/42.1290.F.20260130.1327.028, 2026-01-31.
[9] Diamond, P.A. (1981) Mobility Costs, Frictional Unemployment, and Efficiency. Journal of Political Economy, 89, 798-812. [Google Scholar] [CrossRef
[10] 乔子轶, 滕曼茹, 戴明禹. 公共数据资源共享能否提升供应链韧性: 基于公共数据开放平台的准自然实验[J]. 世界经济研究, 2025(12): 88-102+133-134.
[11] 杨志安, 侯耀威, 任珊珊. 数据要素视角下公共数据开放的产学研合作创新效应[J]. 华东经济管理, 2026, 40(1): 32-41.
[12] 姚加权, 张锟澎, 郭李鹏, 冯绪. 人工智能如何提升企业生产效率?——基于劳动力技能结构调整的视角[J]. 管理世界, 2024, 40(2): 101-116+133+117-122.
[13] 王宸威, 钞小静. 数据要素应用如何影响企业分布式创新?——来自上市公司微观视角下的经验证据[J]. 现代财经(天津财经大学学报), 2024, 44(11): 3-21.
[14] Beck, T., Levine, R. and Levkov, A. (2010) Big Bad Banks? The Winners and Losers from Bank Deregulation in the United States. The Journal of Finance, 65, 1637-1667. [Google Scholar] [CrossRef
[15] 黄先海, 虞柳明. 政府数据开放能提升城市创新水平吗——来自中国地级市的证据[J]. 浙江学刊, 2023(4): 88-98.
[16] Goodman-Bacon, A. (2021) Difference-in-Differences with Variation in Treatment Timing. Journal of Econometrics, 225, 254-277. [Google Scholar] [CrossRef
[17] Borusyak, K., Jaravel, X. and Spiess, J. (2024) Revisiting Event-Study Designs: Robust and Efficient Estimation. Review of Economic Studies, 91, 3253-3285. [Google Scholar] [CrossRef
[18] 易巍, 龙小宁. 行政边界与专利知识传播[J]. 数量经济技术经济研究, 2023, 40(10): 159-180.
[19] 孙伟增, 毛宁, 兰峰, 等. 政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J]. 中国工业经济, 2023(9): 117-135.
[20] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5): 100-120.
[21] 郑梓若, 李欣欣. 数据要素共享、创业活跃度与城市创新发展[J]. 统计与信息论坛, 2025, 40(10): 102-113.
[22] 张小宇, 张旻. 数据要素共享与新质生产力——基于公共数据开放的经验证据[J]. 上海经济研究, 2025(8): 29-42.
[23] 黄先海, 高亚兴. 数字知识存量、数实技术融合与企业实体技术创新边界[J]. 经济学动态, 2025(3): 36-53.
[24] 姚登宝, 阮倩倩, 施志超. 数实融合对安徽新质生产力的影响: 理论机制与实证检验[J]. 华东经济管理, 2026, 40(4): 9-20.