《Frontiers in Sustainable Food Systems》：Artificial intelligence policy, digital industry agglomeration, and industrial land intensive use: evidence from a quasi-natural experiment in China
编辑推荐：
在数字经济与人工智能深度融合的背景下，人工智能政策能否以及如何提升工业用地集约利用水平，是关乎土地资源配置效率与城市可持续发展的关键议题。本研究以中国国家新一代人工智能创新发展试验区建设作为准自然实验，基于2010—2023年中国271个地级及以上城市的面板数
在数字经济与人工智能深度融合的背景下，人工智能政策能否以及如何提升工业用地集约利用水平，是关乎土地资源配置效率与城市可持续发展的关键议题。本研究以中国国家新一代人工智能创新发展试验区建设作为准自然实验，基于2010—2023年中国271个地级及以上城市的面板数据，采用交叠双重差分模型（overlapping difference-in-differences, DID），系统评估了人工智能政策对工业用地集约利用的影响、传导机制与政策协同效应。研究发现：第一，人工智能政策显著提升了试点城市工业用地集约利用水平，该结论通过了一系列稳健性检验；第二，数字产业集聚发挥了显著的部分中介作用，揭示了“人工智能政策→数字产业集聚→工业用地集约利用”的传导机制；第三，人工智能政策与公共数据开放政策之间存在显著的正向协同效应，两项政策组合实施对工业用地集约利用和数字产业集聚的促进作用均大于单一政策，表明数字化与智能化政策组合能够产生“1+1>2”的放大效应。本研究为优化工业用地配置、促进数字化与智能化政策协同以及实现土地资源高效利用提供了理论依据与政策指引。
论文解读：人工智能政策如何重塑工业用地集约利用——机制、协同与政策启示
一、研究背景与问题提出
工业用地作为城市经济活动的关键空间载体，其配置效率直接关系到资源利用效率与区域可持续发展能力。然而，长期以来中国城市工业用地扩张过快、利用方式粗放，存在资源错配与环境压力等问题，亟需通过新技术路径与制度安排优化其利用方式。以人工智能为代表的下一代数字技术，在国家政策驱动下，为重塑要素配置机制、推动产业转型升级提供了重要契机。特别是“国家新一代人工智能创新发展试验区”的设立，标志着人工智能政策从技术驱动转向制度驱动。在此背景下，一个关键问题浮现：人工智能政策能否以及如何提升工业用地集约利用水平？这一问题的解答不仅关乎土地资源配置效率，更涉及通过技术创新缓解耕地保护压力、保障粮食生产能力的潜在政策路径。
现有研究普遍认同工业用地集约利用水平的提升依赖于制度优化与技术进步的协同作用，但存在以下研究缺口：其一，已有研究主要聚焦于城市整体土地利用效率或建设用地综合集约度，鲜有系统考察人工智能政策对工业用地这一特定地类的异质性影响；其二，数字产业集聚作为连接智能化发展与土地集约利用的中介机制尚未得到实证检验；其三，更为关键的是，人工智能政策与数字政策能否产生协同效应、其协同能否通过强化数字产业集聚进一步促进工业用地集约利用，这一问题在现有研究中鲜有关注。
二、研究设计与主要方法
研究人员基于2010—2023年中国271个地级及以上城市的平衡面板数据，以国家新一代人工智能创新发展试验区分批次设立作为政策冲击，构建交叠双重差分模型（overlapping difference-in-differences, DID）评估人工智能政策对工业用地集约利用（industrial land use efficiency, ILUE）的因果效应。核心解释变量为城市是否被批准为试验区（DID），被解释变量采用第二产业增加值与工业用地面积之比并取对数衡量。中介变量为数字产业集聚水平（digital industry agglomeration, DIGA），采用数字产业从业人员区位熵指数测度。控制变量包括经济发展水平（EDL）、科技水平（RD）、政府干预程度（GOV）、金融发展水平（FIN）、工资水平（SAL）与产业结构升级（IND）。数据来源于中国城市统计年鉴、中国区域经济统计年鉴、中国城市建设统计年鉴及各省市统计年鉴和统计公报。
三、研究结果
（一）基准回归结果
基准回归结果显示，人工智能政策虚拟变量（DID）的系数为0.203，在1%水平上显著。由于被解释变量取对数形式，该系数对应的精确百分比变化约为22.5%，表明国家新一代人工智能创新发展试验区的设立使试点城市工业用地集约利用水平平均提升约22.5%，具有显著经济意义，研究假设H1得到验证。人工智能试验区通过政策引导与资源集聚，促进数字技术对传统产业的渗透赋能，吸引数字企业与高端人才集聚，推动工业用地空间重组与功能升级，实现单位工业用地更高的经济产出。
（二）平行趋势检验
平行趋势检验结果显示，政策实施前处理组与对照组的效果量稳定在约-0.050左右，政策前第一期效果量为0，表明两组在政策冲击前不存在系统性差异，满足平行趋势假设。政策实施后，效果量持续上升，从政策当期0.050逐步增至政策后第四期0.400，且无下降迹象，表明人工智能政策显著促进工业用地集约利用，且该促进效应随时间持续增强。
（三）稳健性检验
安慰剂检验通过随机分配试点城市并重复回归1000次，结果显示随机分配后的估计系数集中于零附近且呈正态分布，真实DID估计系数位于分布右尾区域，排除了不可观测随机因素驱动政策效应的可能。预期效应检验将政策实施时间分别人为提前至2017年和2018年，交互项估计系数均不显著，排除了预期效应或遗漏变量对基准回归结果的干扰。PSM-DID（倾向得分匹配-双重差分）检验采用半径匹配方法构建对照组，匹配后各协变量标准化偏差显著下降，t检验p值大多大于0.10，满足平衡性假设，进一步缓解了自选择偏差问题。
（四）机制分析
中介效应检验验证了数字产业集聚的部分中介作用，揭示了“人工智能政策→数字产业集聚→工业用地集约利用”的传导路径。人工智能政策通过优化创新环境与政策支持体系，吸引数字企业与创新资源在特定区域集中，促进数字产业集聚形成。数字产业集聚具有高附加值、低土地消耗特征，有助于提升单位土地经济产出，同时通过资源共享与要素流动效率提升，减少低效闲置用地，进而增强工业用地集约利用水平。研究假设H2得到验证。
（五）政策协同效应
人工智能政策与公共数据开放政策之间存在显著正向协同效应。两项政策组合实施对工业用地集约利用和数字产业集聚的促进作用均大于单一政策，产生“1+1>2”的放大效应，研究假设H3得到验证。公共数据开放通过降低数据获取成本、扩大数据供给范围，为人工智能技术应用提供关键要素支撑；人工智能政策则通过“技术-数据”互补效应与“政策协同”效应，放大政策实施效果。在协同框架下，数字产业集聚的中介效应显著增强，研究假设H4得到验证。
四、结论与讨论
本研究通过聚焦工业用地这一特定地类，拓展了人工智能政策土地效应分析范围；创新性地引入公共数据开放这一数字政策变量，系统考察了人工智能政策与数字政策的协同效应及其对数字产业集聚传导路径的强化作用，为理解数字化与智能化政策互动提供了新分析框架。研究结论表明，人工智能政策通过技术进步与资源再配置双重驱动机制显著提升工业用地集约利用水平，数字产业集聚是关键传导渠道，且与公共数据开放政策存在显著协同效应。该研究为优化工业用地配置、促进数字化与智能化政策协同、实现土地资源高效利用提供了理论依据与政策指引，本质上为通过技术创新缓解耕地保护压力、保障粮食生产能力提供了新的政策路径。
