温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
技术发展
产业化
影响
来自
深度
学习
技术
证据
战略与决策软科学2023年6月第37卷第6期(总第282期)收稿日期:基金项目:国家社会科学基金项目()作者简介:张一(),女,陕西西安人,博士、教授、博士生导师,研究方向为技术创新、国际贸易;王婷(),女,山西太原人,博士研究生,研究方向为技术创新、产业升级(通讯作者);柳春(),男,陕西榆林人,博士、讲师,研究方向为协同创新、应用微观计量经济;高夏玫(),女,安徽阜阳人,硕士,研究方向为技术创新、产业经济。技术发展对其产业化的影响研究 来自深度学习技术的证据张一,王婷,柳春,高夏玫(西安交通大学 金禾经济研究中心,西安 ;西南财经大学 经济学院,成都 ;南京市鼓楼区审计局,南京 )摘要:通过构建深度学习技术“企业专利论文”数据库,从空间认知视角研究了深度学习技术对其产业化的影响及内在机制。研究发现:()深度学习技术确实能促进本地和周边地区技术产业化;()就影响机制而言,深度学习技术主要通过提高人力资本和知识产权保护水平来推动技术产业化;()深度学习技术的影响存在异质性:在沿海地区及技术高关联行业中,深度学习技术对其产业化作用更大;在技术发展前期,深度学习技术对其产业化的影响主要表现在本地,但在技术发展后期,深度学习技术对其产业化的影响主要表现在周边地区。关键词:深度学习技术;技术产业化;空间杜宾模型;产学研融合 :中图分类号:文献标识码:文章编号:(),(c c a c ,a a ,a ;c c c ,a c a c c ,;a c a ,a ):-,-:,:;-技术变革是驱动经济持续增长的重要因素。长期以来,中国大量“卡脖子”技术依赖于国外,科技创新能力薄弱已经成为中国经济高质量发展的“阿喀琉斯之踵”。而关键技术被“卡脖子”的背后实际是中国未构建起产业创新生态系统,没有实现技术与市场协同发展。“十四五”规划明确提出,要把科技自立自强作为国软科学2023年6月第37卷第6期(总第282期)战略与决策家发展的战略支撑,全面塑造发展新形势。因此,解决“卡脖子”技术问题,既要加强基础研发能力,也要重视技术产业化。只有将技术创新转化为生产力,才能驱动经济循环畅通无阻,真正实现高水平的科技自立自强。从 世纪开始,以人工智能为代表的新一代科技革命已经开始主导世界。根据 中国人工智能发展报告 ,中国在人工智能技术发展方面已进入国际领先集团。但以往三次产业技术革命的发源国并未真正获取技术创新之于国家发展的价值回报。深度学习技术兴起于 世纪 年代,是当前人工智能技术最重要的核心驱 动 之 一,对 创 新 效 率 的 提 高 具 有 颠 覆 性 作用 。但中国能否抓住历史的机遇,在人工智能发展的浪潮中脱颖而出获得创新价值收益,还需要重点关注深度学习技术产业化的情况。因此,客观评估中国深度学习技术与市场的互动情况,探索新一代技术应用和转化路径,对中国利用当前新技术发展优势,推动产业跨越式演进和实现高水平自立自强的新发展格局都具有非常重要的理论和现实意义。本文重点关注以深度学习技术为代表的人工智技术发展对其产业化的影响,选用 年中国 个省级行政区深度学习技术发展和产业化数据为样本进行实证研究,结果表明:深度学习技术不仅能促进本地深度学习技术产业化,还能带动周边地区技术产业化的发展。这些发现对于变换的模型和权重设定、替代的变量衡量都是稳健的。之后进一步考察技术产业化的作用机制,发现深度学习技术主要通过提高人力资本和知识产权保护水平来促进本地和周边地区技术产业化。最后,异质性分析发现,在沿海地区和技术高关联行业,深度学习技术对其产业化的促进效果更强;在技术发展前期,深度学习技术对其产业化的作用主要表现在本地,但在技术发展后期,其作用则主要表现在周边地区。本文可能的边际贡献主要体现在以下三个方面:第一,考虑指标的可获得性,基于数据挖掘技术,首次测算了 年中国省级行政区深度学习技术发展及其产业化水平,并对其时空分布进行了详细分析。第二,系统考察了深度学习技术发展对其产业化的影响。相对于以往技术溢出的研究,本文重点从空间认知视角提供了从技术到产业化这一互动过程的经验证据。这不仅丰富了技术溢出效应的相关文献,还深度剖析了新一代技术发展落地情况。第三,详细讨论并检验了深度学习技术对其产业化影响的潜在机制。研究发现,深度学习技术主要通过提高人力资本和知识产权保护水平来促进技术成果转化落地,有助于理解以往三次产业技术革命的发源国不是创新最大受益国的原因,为各地产学研融合发展提供政策依据。理论机制与研究假设与以往经济史上的技术变革不同,深度学习技术主要指通过设计和分析,从海量数据中直接提取学习特征和任务关联性形成专家经验,然后通过移植和复制提高机器在各种任务上模拟人类经验累积的技术。它是人工智能向更深层次发展必经的技术壁垒,可以在其他各个领域迅速扩散并产生影响。产业本地化的理论机制技术产业化表现为新产品的开发、新企业的建立或新行业的形成。已有文献证实企业区位选择不是随机过程,主要受运输成本和市场需求的影响 。为了充分了解市场需求,赢得市场竞争,企业会尽量接近最大的市场 。但在生产要素不能随意流动的行业,企业选址会优先考虑运输成本的影响。技术作为生产要素,在创新驱动发展中扮演着重要角色。但有关技术外溢与企业或市场集群间的关系却一直没有定论。部分研究认为,技术外溢引起的技术集聚是造成企业或产业集群的重要原因 。第一,知识和信息具有地方化特征和较强的集聚外部性,企业选择空间上的聚集有利于降低非贸易投入品的成本,从而获得大量的隐性知识。第二,技术的发展需要配套人力资本,企业集聚有助于共享劳动力市场,降低企业搜寻和雇佣行业所需技能的熟练劳动力成本。第三,新技术都是在现有技术的基础上发展起来的,技术发源地完善的社会制度也能吸引新企业入驻 。但也有少数学者认为产业集聚可以独立于技术集聚 。所以合理推断,作为国家级优先项目,深度学习技术在中国的发展可以推动实现技术的吸收和转化。基于此,提出以下研究假设:深度学习技术发展推动了其在本地的产业化。技术溢出的理论机制技术具有外溢性,但外溢的效果受多个因素约束。第一,空间约束。技术溢出的本质在于信息与知识的交换,需要面对面的密切关联和直接沟通。地理距离的扩大会增加技术外溢的成本。因此,技术溢出具有局部性 。当地理邻近时,邻近欠发达地区容易与技术先进区合作,通过学习、模仿和分享机制带动当地技术提高,进而实现产业集聚。同时,随着发达地区优势地位凸显,生产要素价格的提高会增加地区运行成本。而区际间人力资本、资金等要素的流动也会促使发达地区企业优先选择向周边地区转移,产生溢出效应,实现技术产业化。第二,周边地区技术吸收能力约束。技术吸收能力对技术外溢效果有决定性作用 。只有自身技术水平或人力资本积累较好的周边地区,才能充分吸收发达地区对其辐射带动作用。第三,技术发展阶段约束。技术溢出的过程存在不同的效应。通常颠覆性新技术的兴起会带来高利润。在发展前景逐渐清晰和地方利好政策的吸引下,人才、投资、信息等资源会先向技术快速发展地区集聚,推动技术产业化。但由于要素资源流战略与决策软科学2023年6月第37卷第6期(总第282期)出,发达地区与周边地区形成竞争关系,恶化周边地区技术产业化。在技术发展后期,由于技术大规模产业化产生拥挤效应,要素价格提高、市场竞争激烈,技术或企业单位会向周边地区扩散或转移,此时发达地区与周边地区形成带动效应,促进周边地区技术产业化。基于此,提出以下研究假设:深度学习技术的空间溢出效应能抑制周边地区技术产业化。:深度学习技术的空间溢出效应能促进周边地区技术产业化。:深度学习技术对周边地区技术产业化无空间溢出效应。技术产业化的实现路径根据 创新收益框架 可知,从技术创新中获得价值回报主要依靠两个要素:第一,良好的制度,尤其是以知识产权保护为核心的相关制度。技术创新者倾向于在知识产权保护良好的地区对其技术发明进行保护,同时技术发展带来的技术集聚,也会推动当地政策制定者了解当地知识产权保护需求,制定完善的产权保护制度和标准。第二,互补性资产的构建。企业生产函数除了关键技术,还需要配套资金和劳动力。新兴的深度学习技术本身蕴含高成长潜力,能实现各领域知识基础的交叉整合 ,对经济发展有深远影响,因此会吸引资金涌入,推动技术产业化。新兴技术的兴起也意味着较高收益和发展机遇。理性人才为追求自身利益最大化,向发展前景好、工资水平高的行业流动,进而加速深度学习技术产业化。基于此,提出以下研究假设:深度学习技术发展通过提高知识产权保护水平,进而推动技术产业化。:深度学习技术发展通过提高资本投入水平,进而推动技术产业化。:深度学习技术发展通过提高配套人力资本水平,进而推动技术产业化。研究设计 变量测量 深度学习技术相关指标测算()深度学习技术发展水平指标。技术的发展常以论文、专利产出和人才投入作为衡量。由于深度学习技术人才的识别较为困难,本文使用深度学习专利申请量和关联论文发表数作为深度学习技术发展水平的代理变量。专利指标数据主要来源于 数据库。直接使用“深度学习”识别的专利数据开始于 年。考虑到“深度学习”专利申请可能以“机器学习”命名。为保证数据的完整性和准确性,本文使用“机器学习”字段进行专利检索,并将数据按地区年份加总,获得各地区各年度深度学习技术发展水平指标()。论文指标的构建共涉及 个数据库:、和 数据库。本文借鉴 等研究 ,利用 软件,爬取、识别和匹配形成了“论文题目作者作者所在机构机构所在地”数据库,并将数据按地区年份加总,得到以论文衡量的各地区各年度深度学习技术发展水平指标()。由于专利数据与产业化距离相对更近,本文以专利数据测算的深度学习技术发展指标为基准,以论文数据衡量的指标作为稳健指标。表 呈现了代表性年份深度学习技术发展的时空演变情况。可以发现,无论是以专利还是论文衡量,深度学习技术发展水平与地区经济发展水平保持一致,都呈现东中西部地区依次递减趋势。在地区分布中,基本只有东部地区超过当年全国均值,说明深度学习技术发展水平的空间分布差异较大。表 呈现了 年排名前十省(市)深度学习技术发展平均水平。可以看出,深度学习技术发展排名前五的省级行政区为北京、上海、广东、浙江、苏州。第六至第十名省(市)在不同测算指标下有所波动,但基本集中在高校密集,尤其是工科强校强所在省(市),说明深度学习技术发展可能与人力资本水平关系密切。表 代表性年份深度学习技术发展的时空演变情况变量地区 年 年 年 年 年 东部 中部 西部 均值 东部 中部 西部 均值 表 年排名前十省(市)深度学习技术发展的平均水平省份 省份 北京 北京 广东 上海 江苏 江苏 上海 广东 浙江 浙江 陕西 四川 湖北 陕西 山东 湖北 四川 安徽 天津 黑龙江 ()深度学习技术产业化指标。由于深度学习技术关联产品识别较为困难,深度学习技术行业还未形成统软科学2023年6月第37卷第6期(总第282期)战略与决策一标准,参考 等的研究 ,本文使用初创企业数衡量深度学习技术产业化水平,数据来源于 数据库。使用该数据库的优势在于:第一,覆盖全球企业投融资信息的数据库,可以追踪所有初创企业投融资、收并购等信息,具有相当的覆盖面和代表性 ,。第二,具有详细的企业业务介绍,能准确识别出哪些初创企业为深度学习技术企业。第三,数据库企业为初创企业,业务尚处于起步发展阶段,因此,与文后专利申请或论文发表的大企业或高校科研院所主体并不一致,可以很好地避免模型内生性问题。考虑到深度学习技术具有产品研发周期较长等特点,本文使用累计初创企业数衡量各地区深度学习技术产业化水平()。43210深度学习技术产业化水平深度学习技术产业化水平5432102000 2002 2004 2006 2008 2010 2012 2014 2016 2018年份北京 广东 上海 浙江 江苏 山东 湖北 福建 陕西 四川2.32.52.52.72.03.73.94.64.75.2全国东部中部西部a时空演变情况b排名前十省(市)情况图 年深度学习技术产业化时空演变和排名前十省(市)图 呈现了 年深度学习技术