【中国人工智能（AI）技术创新溢出效应的空间计量分析】

《Journal of Innovation & Knowledge》：Spatial econometric analysis of spillover effects in China’s AI technological innovation

　　

中国快速扩张的人工智能（AI）产业的技术创新在地理位置上仍然高度集中。这种集中对创新扩散和区域层级的影响目前尚不清楚。研究人员利用2012年至2023年中国30个省份的面板数据，构建了多维创新指数，并结合空间自相关分析、核密度估计、传统与空间马尔可夫链以及空间杜宾模型（SDM）进行分析。研究结果揭示了显著的马太效应：总体增长与不断扩大的区域差异并存。东部沿海省份保持明显的领先地位；中部地区呈现出追赶势头，而许多西部和东北省份仍集中在较低的创新梯队。转移动态表明各梯队之间的流动性有限，这与路径依赖和持续的核心-边缘结构相一致。在观测到的聚类模式与估计的空间相互作用之间出现了显著的张力：AI创新呈正的空间聚类，但空间自回归系数显著为负。这种组合与竞争或虹吸型溢出关系更为一致，而非广泛的扩散。政府创新支持在本地及空间相连的省份中均与创新呈正相关。产业结构升级主要与正向的空间溢出相关。相比之下，人力资本、数字基础设施、城市化和贸易开放与本地创新呈负相关，指出要素扩张与区域吸收能力之间可能存在错配。这些发现描绘了一个由累积优势、竞争性空间依赖和互补能力差距塑造的AI创新格局，突出了差异化区域战略和更强有力的跨区域合作的重要性。

人工智能（AI）技术创新的地理集聚特征及其对区域发展的影响是当前学术界关注的焦点。AI作为知识密集型通用目的技术，其发展高度依赖数据、算力、专业人才及互补性工业能力等在空间上分布不均的资产。由于这些资产倾向于在既有创新枢纽积累，AI创新在本质上具有空间选择性，其扩张可能强化具备成熟创新生态系统的地区优势，而非带来地理上的均衡收益。自2017年AI被纳入中国国家战略规划以来，其研发能力、数字基础设施及产业应用迅速扩张，专利与商业化成果快速增长。然而，国家整体增长掩盖了区域间在技术基础、人力资本、数据连通性及产业结构上的显著差异。先行地区通过累积学习、规模经济与密集知识网络强化自身优势，滞后地区则难以留住或吸收必要的创新资源，这种累积动态可能产生马太效应并加剧空间路径依赖。此外，空间邻近性在支持知识交流的同时，也可能加剧对人才、资本和技术机会的竞争，导致空间集聚与有限的扩散并存。现有研究虽对AI创新生态系统及中国区域差异进行了探讨，但在动态分布演变与空间相互依赖的整合分析上仍存在不足，缺乏对省份间创新层级转移及空间溢出机制的系统认识。为填补这一空白，研究人员开展了这项研究，该论文发表在《Journal of Innovation》。

在关键技术方法方面，研究人员使用了2012年至2023年中国30个省份的面板数据（因部分核心指标数据缺失排除西藏，且因统计口径差异未包含港澳台地区）。通过构建涵盖创新投入、产出与绩效的多维创新指数，结合熵权法进行客观赋权。在空间分析框架下，构建了经济-地理嵌套矩阵，运用全局与局部莫兰指数（衡量空间自相关程度的统计量）、核密度估计（KDE，用于估计概率密度函数的非参数方法）以及传统与空间马尔可夫链（分析状态转移概率受邻域条件影响的动态方法）刻画创新的集聚特征与分布动态，并采用具有双向固定效应的空间杜宾模型（SDM，纳入因变量与自变量空间滞后项的计量模型）估计区域因素对本地创新及跨区域溢出的影响。

研究结果部分，研究人员分四个方面进行了详细阐述：

AI创新指数的构成与时间演变：通过构建多维创新指数并分析其时间趋势，得出创新产出在指数权重中占比最大，其中AI专利与发明专利密度是区分省际特征的关键。全国创新指数在考察期内显著增长，但区域轨迹差异明显。东部地区保持明显领先，中部地区虽有绝对增长但与东部差距仍被拉大，西部与东北部则处于较低梯队。这表明中国AI创新能力的总体扩张未带来区域的趋同收敛。

AI创新能力的空间分布与集聚：通过空间分布图与全局莫兰指数分析，得出空间格局由初期的单核结构演变为南北双核，东部沿海高创新区进一步扩展，内陆涌现出少量新兴创新节点，但东西梯度差异依然显著。全局莫兰指数在考察期内显著为正，证实了持续的空间自相关。局部莫兰散点图揭示了高-高与低-低集聚区的稳定存在，印证了沿海创新核心与内陆边缘的持续分化。

分布动态与状态转移：通过核密度估计与马尔可夫链分析，得出全国分布随时间右移且呈现多峰化与右尾延伸，说明总体水平提升伴随着省际差异的扩大。省份在四个基于创新指数四分位数划分的创新梯队（S1-S4，其中P₂₅、P₅₀、P₇₅为分界点）间具有极强的状态持续性，跨梯队流动性有限。空间马尔可夫链进一步表明，邻域创新环境对省份的向上转移概率有显著影响，证实了空间路径依赖的存在。

空间依赖与溢出效应：通过空间杜宾模型的直接与间接效应分解，得出一个突出矛盾：AI创新呈正向空间聚类，但空间自回归系数显著为负，表明省际关系更多表现为竞争或虹吸型的空间溢出，而非广泛扩散。在具体因素上，政府创新支持具有正向的直接、间接与总效应；产业结构升级主要通过正向的空间溢出发挥作用。相反，人力资本、数字基础设施、城镇化与贸易开放对本地创新呈现负向关联，反映了要素扩张与区域吸收能力之间的错配。

在讨论与结论部分，研究人员总结指出，2012至2023年间中国省级AI创新呈现显著的马太效应与持续的核心-边缘结构。正向空间聚类与负向空间自回归系数并存，表明空间集聚伴随竞争性空间依赖而非广泛扩散。各项区域因素在本地与溢出维度表现出异质性，凸显了累积优势与互补能力差距在塑造AI创新地理格局中的关键作用。研究强调，区域政策应避免盲目追求统一目标与硬件主导的基础设施扩张，而应制定基于本地禀赋的差异化升级策略，并加强跨区域合作与资源共享，以缓解零和竞争，推动区域协同发展。