人工智能发展水平测度指标体系及其应用

钟玉婷 钟 坚

数字技术的快速发展与广泛应用，使人工智能迅速成为新一轮科技革命中最具通用性和渗透性的新型技术，不仅产业融合度高，而且能够有效提高产业效率，赋能经济高质量发展。世界各国纷纷加快制定人工智能发展规划，出台相关支持政策，以捕捉新一轮技术革命与产业变革的机遇。在这样的时代背景下，我国政府将人工智能发展提升至国家战略高度，2015 年5 月，党中央、国务院着眼全球视野和战略布局，立足我国国情和发展阶段作出了实施《中国制造2025》 的战略决策。 《中国制造2025》明确提出，加快推动新一代信息技术与制造技术融合发展，把智能制造作为两化深度融合的主攻方向；着力发展智能装备和智能产品，推进生产过程智能化，培育新型生产方式，全面提升企业研发、生产、管理和服务的智能化水平。2017 年7月，国务院发布《新一代人工智能发展规划》，明确提出到2030 年成为世界主要人工智能创新中心的发展目标。2020 年11 月，《中共中央关于制定国民经济和社会发展第十四个五年规划和二O 三五年远景目标的建议》明确提出，瞄准人工智能、量子信息、集成电路、生命健康、脑科学、生物育种、空天科技、深地深海等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目。为了贯彻实施上述文件精神，各地政府也不断加大科研投入力度，积极布局人工智能产业，建设人工智能产业园区；各高校不断新设相关学科专业，足见我国各地对人工智能发展的重视。

然而，就整个行业而言，全球范围内人工智能技术仍处于发展的初级阶段。在此背景下，客观判断我国人工智能的发展水平，有利于准确把握我国人工智能行业在国际市场的实际竞争能力，有利于推动人工智能行业实现可持续发展。因此，人工智能发展水平测度指标体系的设计与研究，无论是对相关政府部门还是学术界而言，都有着重要的参考价值。

一、 问题的提出

近年来，基于数字技术的机器学习不断突破推动了人工智能产业快速发展，人工智能设备通过机器学习完成了大量人类难以企及的工作任务。当前，中国人工智能领域也取得了一些进展，主动了解和掌握人工智能发展情况、发展水平及发展方向，对中国战略层面的研发布局至关重要。而人工智能的快速发展和决策者的重视也使得人工智能成为新的研究热点，相关领域的研究人员围绕这一主题开展了研究。曹静等通过分析人工智能发展对经济增长的影响，发现人工智能发展提升劳动生产率、促进经济增长，但也加剧失业①，类似观点还存在于陈楠、蔡跃洲的研究成果中②。陈彦斌等基于人口老龄化背景，对人工智能与经济增长的关系展开讨论，认为衡量人工智能发展水平主要有两个方向：一是使用已经实现自动化的生产任务占所有生产任务的比重反映人工智能发展程度③，郭凯明、程承坪、王瑞瑜等的研究成果支持类似观点④；二是假设人工智能发展使生产函数中出现了与普通资本不同的智能资本，然后通过智能资本及其变化来刻画人工智能的发展程度，如陈利锋、黄旭与董志强、程惠芳等的研究成果⑤。

一些专业机构和学者则聚焦于人工智能发展测度问题从不同视角展开研究。乌镇智库发布的《全球人工智能发展报告》，自2016 年起连续多年从产业、技术、应用场景3 个维度汇总人工智能发展数据；2018 年，清华大学中国科技研究中心发布的《中国人工智能发展报告2018》，从科技产出与人才投入、产业发展与市场应用、发展战略与政策环境、社会认知与综合影响等4 个维度对国内人工智能发展水平进行测度；2019 年，国家工业信息安全发展研究中心发布的《中国人工智能产业发展指数》，从基础支撑、创新能力、融合应用、产业运行、环境保障5 个维度对人工智能产业发展情况进行综合评价。相比之下，学者们的研究则更加细化与学术化。李旭辉等尝试构建人工智能产业自主创新能力测度指标体系，运用纵横向拉开档次法、非线性规划法对人工智能产业自主创新能力进行测度⑥；吕荣杰与郝力晓通过熵权法，从制度环境、基础设施、技术创新与生产应用4 个维度测度2003—2018年中国省际人工智能发展指数⑦；顾国达与马文景则构建了以环境力、知识创造力、产业竞争力为主的人工智能综合发展指数体系，运用组合赋权法和时序加权平均算子对2010—2018 年中国、美国、欧盟、日本、韩国、加拿大等国家和地区的人工智能发展水平进行量化评估⑧。

通过以上分析不难发现，现有研究成果更多采用较为单一或相对简单的指标对人工智能发展水平进行替代研究，也有学者针对相关问题尝试构建测度指标体系。遗憾的是，迄今为止学术界对人工智能发展水平的测度，尚未构建相对科学的指标体系，导致人工智能发展的相关研究缺少量化分析基础。由于人工智能发展仍处于初级阶段，统计数据稀缺，更是加大了评估难度，适用于该领域发展水平测度的指标体系仍有待于进一步归纳与提炼。

为了更好地对相关学术问题进行深化与探索，本文围绕人工智能发展的表征与影响展开分析，着重考察以下问题：第一，人工智能发展水平测度的对象是什么？第二，测度指标体系设计思路是什么？哪些指标更适合衡量我国人工智能发展状况？第三，指标体系整体适用性怎么样？具体来看，首先考察的是人工智能概念内涵与外延的界定，回答了何谓人工智能；其次，结合人工智能以无形资产为主的基本特征，本文重点关注其发展水平测度指标体系的构建；最后，本文分析了指标体系的数据获取、权重测算等应用问题。

二、 测度对象的界定

人工智能作为技术进步的一种具体形式，指“赋予计算机系统具备正常执行需要人类智慧的任务的能力”，是基于电子信息技术的自动化设备，与生物智能相对应；而斯图尔特·罗素等认为，人工智能是拥有类人类行为、类人类思考、理性的思考和理性的行为的人造工具⑨，其发展大致经历了孕育、诞生、早期热情与现实困难等孵化阶段。当前人工智能发展还处于早期阶段，尽管研究人工智能的相关文献逐渐增多，但当前研究多以人工智能的应用、影响以及发展趋势为主，鲜少关注到人工智能发展水平的测度问题。此外，人工智能多以无形资产为主。以阿尔法狗为例，人工智能不再简单呈现为自动化机器设备，而是基于算法和数据且具有学习能力的智能数据处理系统，无形中加大了对人工智能资产价值进行衡量的难度。实质上，对某一领域发展水平测度的研究，明确测度对象需要用哪些指标来衡量其发展水平尤为重要。

基于此，本文将从宏观和微观两个层面明确测度人工智能发展水平的对象和相关衡量指标，以期能够科学全面地对我国人工智能发展水平进行测度。

（一） 宏观测度对象

鉴于人工智能发展离不开科技发展环境支持和社会包容，因此选择测度对象的首要考量是人工智能发展的宏观环境，具体细分为政策环境、经济环境与创新环境。

一是政策环境对人工智能发展的支撑。政策环境作为支持人工智能发展的重要外部环境，其环境的好坏直接影响到人工智能的发展状态，尤其是各级政府出台的政策对技术进步或新兴产业发展存在较强影响的情况下，如何科学、合理地评估政策环境，对衡量人工智能发展水平尤为重要。首先，在政策环境评估的具体政策选择方面，应包括方向引导、融资扶持、税收优惠及业务支持等相关主题；其次，在政策内容评估方面，应聚焦于相关支持政策数量、金融扶持政策数量以及人工智能专项资金扶持。无须讳言，政策环境评估结果也反映出政府部门对人工智能发展的重视程度。

二是经济环境对人工智能发展的适配。一方面，由于技术进步最终呈现在软件（网络） 服务或硬件设备上，因而人工智能发展离不开信息技术产业发展，同样也离不开相关硬件产业发展，脱离产业基础空谈人工智能发展显然是不现实的；另一方面，人工智能发展离不开经济能力与经济结构的支撑，区域经济总量尤其是二、三产业总量对人工智能发展具有重要影响。因此，测度人工智能发展水平必然需要考察信息技术产业发展、区域经济总量及二、三产业发展水平，且经济环境作为承接人工智能外部发展的重要基础，对其进行评估亦有着重要现实意义。

三是创新环境对人工智能发展的孵化。创新环境是创新系统的内部基础条件，支撑着人工智能创新系统内各主体的良性运转，不仅是效率改善和能力提升的关键，而且技术创新也离不开创新环境的孵化。因此，在不考虑科技创新输入的情况下，区域科技创新活力和自主创新能力不仅是技术创新的基础，也是服务于科技创新活动和促进科技进步的重要保障。相关技术孵化平台或产业园区作为技术创新的繁育土壤，既是创新能力的重要体现，又是支撑经济社会发展的重要战略资源。因此，人工智能发展水平测度考察的一个重点应为区域科技自主创新能力、孵化平台数量及人工智能产业园区数量。

（二） 微观测度对象

微观层面的考察侧重于社会主体的投入产出情况，具体细分为微观主体、创新成果与成果应用。

一是微观主体积极性。微观主体是人工智能技术创新的载体与实践者，同时也是人工智能产业自主创新能力的重要支撑，具有整合科技资源、开放共享、支撑和服务科技研发活动的功能，其主体包括与人工智能产业相关的企业、研发机构及相关高校等。另外，微观主体对技术创新的参与积极性，将直接推动区域人工智能发展水平的提升。习近平总书记指出，人才资源是第一资源，也是创新活动中最为活跃、最为积极的因素⑩。显然，高素质的科研人才数量也是衡量人工智能创新发展水平的重要指标之一。因此，相关测度的重点应为研发人员数量、人工智能企业数量、研发机构数量、高校相关一流学科数量、研发经费投入及固定资产投入等。

二是创新产出能力。主要体现在创新成果和创新效益两个方面，创新成果是指由于实施创新活动而产生有形或无形的成果，既是科学技术进步的最终结果，又是驱动过程的开端资源1⑪，其成果数量还是创新产出力的表征。创新效益作为衡量创新驱动发展过程中创新产出能力的关键因素，既是评价创新产出能力的量化标准，还能为人工智能产业进行再创新提供技术与资金支持。从最终表现看，创新成果和创新效益都是影响创新产出能力的重要因素。因此，考察人工智能发展水平的核心是对创新成果数量和创新效益的衡量。根据对当前人工智能发展水平的分析可知，人工智能产出具体表现为技术发明、研究突破及行业产出，因此，相关测度重点应为发明专利数、研究论文数量、相关会议/论坛数、相关产业产值等。

三是成果应用贡献度。科技创新最终要应用于社会经济实践，以市场需求为导向的创新，才是科技成果社会价值的有效呈现。当前，人工智能发展成果应用主要表现为消费场景、生产场景与军事场景三个方面的应用，其中，消费场景应用指消费类智能电子设备或软件的使用，如学习机器人、扫地机器人、智能化翻译软件等；生产场景应用指生产自动化设备或软件的使用，如智能化管理系统、自动化生产线、自动生产辅助设备等；军事场景应用指军用智能化装备的使用，如军用机器人、军用无人机及其他智能辅助设备等。因此，相关测度重点为发明专利转让、消费类智能化设备或软件企业销售、自动化设备或软件生产企业销售、智能化军用设备销售等。

三、 指标体系设计

基于上述分析，利用单一指标对人工智能发展水平进行变量替代的做法，已经对该领域学术研究形成制约。因此，本文在明确宏观考察对象与微观考察对象的基础上，梳理人工智能发展水平测度指标体系的构建思路与秉持原则，进而对测度指标体系进行设计。

（一） 指标体系设计思路

结合前文对测度对象的界定，借鉴李旭辉等的研究中关于指标体系构建的思路⑫，按照事物发展“事前—事中—事后”的逻辑顺序，提炼我国人工智能发展水平测度指标体系设计的基本思路。初步拟定指标体系的整体框架为“三层四维”，具体而言，纵向分为一、二、三级指标，由三级基础指标向上逐层支撑；横向则将我国人工智能发展水平测度指标体系归纳为创新支撑、技术成果、成果应用、创新实践四个维度。

一是创新支撑，指直接或间接参与到创新活动过程中的因素，既是人工智能技术创新的软硬件基础，又是维系和促进创新活动开展的保障与基础。因此，创新支撑维度更侧重衡量人工智能创新的趋势及持续性能力，测评指标设计则应考虑对政策环境、经济环境及创新环境的承接。测度内容可归纳为政策环境、产业基础与创新环境等三个二级指标。

二是技术成果，指人工智能技术创新成果输出，由于技术转化形式包括直接和间接两种，考虑到间接技术转化的衡量难度较高，因而此处特指直接技术成果。之所以将直接技术成果纳入到测度指标体系，就在于创新技术输出的直接成果不仅是创新技术的物化显示，也是作为引领创新驱动发展的主要载体，代表先进技术的发展方向。因此，技术成果维度应侧重测度人工智能创新的直接研究成果，测评指标设计要考虑相关企业、科研机构及高校的发明专利与科研论文输出。测度内容可归纳为技术发明与科研论文两个二级指标。

三是成果应用，指人工智能技术成果的社会价值。由于知识创造与技术创新最终要服务于社会实践，由社会实践统一实现其社会价值。因而对一个国家或地区的人工智能发展水平进行测度，不仅要考虑人工智能发展所依托的创新环境、创新质量，还要明确人工智能的知识创造、传播和应用贡献度。因此，成果应用维度应侧重衡量人工智能创新成果的场景使用即技术转化情况，测评指标设计要考虑相关研究成果的生产转化或消费场景转化。测度内容可归纳为应用转化与产智融合两个二级指标。

四是创新实践，指人工智能发展的投入产出。投入与产出作为人工智能技术发展过程的重要一环，其资源投入多少会直接影响人工智能发展水平，且人工智能技术产出又是人工智能发展水平状况的直接表现。换言之，即可通过资源投入来考核产出大小，借此判断人工智能发展水平⑬。因此，创新实践维度应更侧重测度人工智能创新实践的投入产出，测评指标设计则要考虑社会创新参与主体、实际创新投入及经济产出情况。测度内容可归纳为创新主体、创新投入与创新回报等三个二级指标。

（二） 指标选取原则

结合人工智能发展测度指标体系的构建思路，本文立足于指标数据的可获得性与指标测度的有效性，围绕我国各地社会经济发展的现实基础，提出以下三级指标的选取原则。

一是匹配性原则，即三级指标需要与测评内容相匹配。一方面，各维度指标需要与相应二级指标测评内容相匹配，支撑二级指标的测评目的；另一方面，三级指标作为测度指标体系的基础层，内容设计需要考虑与现实社会活动的匹配性。

二是适用性原则，即三级指标需要适用于我国人工智能发展水平测度。一方面，考虑到指标体系的测度范围，要求三级指标需要适用于我国宏观层面及省域中观层面；另一方面，考虑到人工智能发展的技术特征，要求三级指标选择需要能适用人工智能软硬件结合的技术特点。

三是可获得原则，即三级指标测度所需数据可以通过搜集整理获得。鉴于人工智能仍处于早期阶段，很多数据尚未进行有效统计，因此，测度指标选择的一个重要原则为测评数据的可获得性。一般来讲，数据来源于政府部门公开发布的网站或者社会认可的权威机构，如《中国科技统计年鉴》 《中国人工智能产业发展指数》等；但部分难以获得的指标数据可采用互联网数据处理技术、拟定算法进行抓取与解析。

（三） 指标体系

尽管目前学术界对如何构建人工智能发展测度指标体系尚未形成一致结论，但相关研究已有不少成果。结合前文人工智能发展测度指标体系的构建思路与指标选取原则，本文借鉴《中国成长型AI企业研究报告》 《2021 人工智能发展白皮书》 《人工智能发展报告2020》 《中国区域科技创新评价报告2020》等及相关指标体系，设计了包含4 个维度（一级指标）、10 个二级指标与32 个三级指标的人工智能发展水平测度指标体系，具体指标内容如表1 所示。

表1 人工智能发展水平测度指标体系

由于不同指标的度量单位存在差异，因而在后续测度计算过程中需要对相关数据进行无量纲化处理。本文测度的指标数据主要来源于《中国统计年鉴》 《中国科技统计年鉴》 《中国城市统计年鉴》及各省《统计年鉴》等，部分指标数据来源于《自主创新年度报告（2012）》等学术成果。

四、 测度应用分析

为了更好地开展数据搜集与分析工作，确保采集的数据能够科学有效地反映测度对象的真实情况。本文将根据前面的指标体系设计，对指标体系的特征与适用性进行阐述，以便指导所设计的指标体系在后续人工智能测度研究中得到合适的参照与应用。

（一） 指标体系特征

本文提出的人工智能发展水平测度指标体系的测度范围涵盖了整个人工智能领域，具有覆盖面广、指标数量少、客观性强等特征。具体来看：第一，基础层即第三层级的指标覆盖面广，基本涵盖了人工智能领域的宏微观环境、技术创新、创新应用及产出回报等全生态链条；第二，指标数量精简，指标设计充分考虑了测度相关性，不以指标数量多少衡量指标体系的全面程度，以降低测度工作难度；第三，不设计主观评价指标，全部指标体系均可通过第三方数据库获取数据，以增强评价工作的客观性。

（二） 适用性分析

从地域范围看，本文构建的指标体系主要围绕区域人工智能发展水平测度需要展开，空间适用范围较广，既可用于国家层面的发展水平测度，也可用于区域、省域、都市圈以及大都市人工智能发展水平测度；在指标体系使用过程中，结合地域具体情况，可对指标体系部分内容进行数据替代，但不建议减少指标数量。从时间范围看，本文构建的指标体系较适用于年度发展水平测度，考虑到动态变量影响，部分指标可采用年末静态时点数据作为年度测度数据。总体来看，本文构建的指标体系适用于宏观的区域性人工智能发展水平测度，而不是适用于微观的行业发展或企业技术发展测度。

（三） 权重测算工具

关于三级指标体系的权重确定问题，逐步分化为基于截面数据的静态综合测度与基于面板数据的动态综合测度。对于截面数据，常见方法是因素分析法和熵权法。其中，因素分析法是通过因子分析法或主成分法计算指标权重，而熵权法则常用于计算分项权重，近年来相关研究中也较多采用此类方法。对于面板数据，常见方法为纵横向拉开档次法，即针对时序立体数据的动态测度方法，基本原则为最大化立体数据来体现各评价对象之间的差异，采用求解非线性规划问题思路来逐层确定指标权重，利用指标权重测度各区域人工智能发展的评价指数。在指标体系实际应用中结合数据搜集，进一步确定采用的权重计算方法。

五、 结语

本文从人工智能发展水平测度研究现状入手，借鉴学术界现有的研究成果与思路，构建了适合我国人工智能发展水平测度的指标体系。综合来看，本文主要有如下学术贡献：第一，围绕人工智能发展构建了适用于中国人工智能发展水平测度的指标体系，其中三级指标32 个，覆盖面较广，弥补了国内关于人工智能发展研究局限于理论推演的缺憾。第二，从测度对象分析入手，确定指标体系构建的思路与指标选取原则。其中，匹配性、适用性与可获得性三大原则的确立，为人工智能发展水平测度工作提供一个新的研究视角。第三，本文提出的“三层四维”指标体系为人工智能的相关实证问题的测度计算奠定了基础。

注释：

①曹静、周亚林：《人工智能对经济的影响研究进展》，《经济学动态》2018 年第1 期。

②陈楠等：《人工智能影响就业的多重效应与影响机制：综述与展望》，《中国人力资源开发》2021 年第11期；蔡跃洲、陈楠：《新技术革命下人工智能与高质量增长、高质量就业》，《数量经济技术经济研究》2019 年第5 期。

③陈彦斌、林晨、陈小亮：《人工智能、老龄化与经济增长》，《经济研究》2019 年第7 期。

④郭凯明：《人工智能发展、产业结构转型升级与劳动收入份额变动》，《管理世界》2019 年第7 期；程承坪、陈志：《人工智能促进中国经济增长的机理——基于理论与实证研究》，《经济问题》2021 年第10 期；王瑞瑜、王森：《老龄化、人工智能与产业结构调整》，《财经科学》2020 年第1 期。

⑤陈利锋、钟玉婷：《人工智能发展的宏观经济效应：动态随机一般均衡视角》，《上海金融》2020 年第1期；黄旭、董志强：《人工智能如何促进经济增长和社会福利提升？》，《中央财经大学学报》2019 年第11 期；程惠芳、陆嘉俊：《知识资本对工业企业全要素生产率影响的实证分析》，《经济研究》2014 年第5 期。

⑥1⑪⑫李旭辉等：《三大支撑带人工智能产业自主创新能力测度分析》，《数量经济技术经济研究》2020 年第4 期。

⑦郝力晓、吕荣杰：《人工智能影响工资水平的机理研究》，《工业技术经济》2021 年第11 期。

⑧顾国达、马文景：《人工智能综合发展指数的构建及应用》，《数量经济技术经济研究》2021 年第1 期。

⑨ ［美］斯图尔特·罗素、诺文：《人工智能：一种现代的方法》第3 版，姜哲等译，人民邮电出版社2010版，第1—11 页。

⑩韩民青：《论习近平科技思想的理论创新》，《东岳论丛》2017 年第4 期。

⑬李旭辉、郑丽琳、程静静：《国家自主创新示范区创新驱动发展动态评价体系研究——基于二次加权动态评价方法》，《华东经济管理》2019 年第3 期。