0 引言 党的十九届五中全会审议通过的《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○三五年远景目标的建议》(以下简称《建议》)明确提出，“加快壮大新一代信息技术产业”“推动人工智能同各产业深度融合”。加快发展人工智能产业不仅“事关我国能否抓住新一轮科技革命和产业变革”，而且是“我们赢得全球科技竞争主动权的重要战略抓手”，更是“推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”[1]。同时《建议》强调要瞄准以人工智能技术为代表的前沿领域，实施具有前瞻性、战略性的国家重大科技项目。打好关键核心技术攻坚战，全面提升人工智能产业科技创新能力是优化要素禀赋结构的关键要素，是推进产业基础高级化的重要保障，是引领新兴产业发展的战略支撑。此外，随着区域协调发展和新型城镇化战略的实施，作为中国区域板块的一类特殊区域，大都市经济圈得到快速发展，并已成为国家重要经济增长极。长三角经济圈、泛珠三角经济圈和环渤海经济圈更是先进生产力发展的代表区域，肩负区域经济良性互动协调重任[2]。发展以人工智能产业为代表的新一代信息技术产业，并持续推动科技创新已成为三大经济圈经济高质量发展的核心驱动力。在此背景下，研判三大经济圈人工智能产业科技创新能力阶段特征和演进规律，对促进人工智能产业区域交叉融合、引领新兴产业发展全局具有重要的现实意义。 党的十八大以来，创新驱动发展战略向纵深推进，科技创新成为引领发展的第一动力。学者们围绕科技创新相关问题从宏观区域和微观企业层面进行了深入研究，尤其是在创新能力测度[3]、影响因素[4]以及创新溢出效应[5]等方面。而产业科技创新能力是构成国家竞争力的重要基础，也是企业科技创新能力的综合反映。因此，部分学者逐渐将视角转向产业层面进行科技创新能力及其测度问题的研究。从已有相关研究进展看，目前主要以高新技术产业为主体进行了相关实证研究，其成果主要归纳为两个层面：第一，高新技术产业创新能力测度。王洪庆和侯毅[6]采用改进的熵值法实证测度了18个高技术产业技术创新能力并进行了对比分析。杨武和田雪姣[7]用古典循环和增长率循环的合成指数方法，对中国高技术产业科技创新水平和产业发展分类指数进行了合成。易明等[8]基于随机前沿生产函数模型，对考察期内中国高技术产业创新效率进行了测算统计分析。从已有研究看，测算高新技术产业创新能力多选用单一指标，而单一指标难以反映整体产业情况[9]。此外，部分学者对多指标数据仅进行简单加权处理，这可能会导致因选取方法的不同而导致研究结论出现矛盾[10]。第二，高新技术产业创新发展时空演进研究。吴和成和李犟[11]在测度高技术产业技术创新效率的基础上运用核密度估计对创新效率进行系统分析。毛炜圣等[12]惜助核密度分析工具，考察了2001-2016年长江经济带战略性新兴产业创新能力空间演化形态。刘亦文和欧阳莹[13]采用核密度和马尔科夫链等方法，探究了我国新一代信息技术产业创新效率的动态演变。核密度是刻画分布动态演进最常用的方法，但其无法对高技术产业创新发展的长期趋势进行预测，传统马尔科夫链则能够通过测算区域高技术产业创新相对水平的变动概率来弥补核密度估计方法的不足[14]，但以上两种方法均无法揭示空间因素对产业创新能力转移的影响，这需要借助其他方法做进一步的分析。 已有研究为考察中国三大经济圈人工智能产业科技创新能力的空间格局和动态演进规律提供了重要启示，但仍存在以下局限，具体表现为：(1)目前学者们对产业科技创新能力进行测度时往往采用单一测度方法，而单一的现代综合测度方法在数据处理、数据选择及权重计算等方面的原理各不相同，容易给测度结果带来偶然性和片面性，进而导致“非一致性结论”现象存在。而组合赋权方法在一定程度上可以克服由单一测度方法引起测度结果的片面性[15]，同时能够结合主客观赋权方法的优点，从而使得测度结果客观、全面。(2)多数文献仅对产业科技创新能力的省际空间差异进行了深入剖析，但未考察中国三大经济圈人工智能产业科技创新能力的动态分布状况，未能揭示三大经济圈人工智能产业科技创新能力的时空演进规律，而核密度估计方法和马尔科夫链分析方法恰好可以解决上述问题[10]。(3)学者主要采用空间计量模型展开对产业科技创新能力影响因素及空间溢出效应的考察[16]，但该方法无法刻画邻近地区人工智能产业科技创新能力对本地区存在的空间互动特征。 鉴于已有研究的不足，本文以中国三大经济圈为空间尺度，科学测度人工智能产业科技创新能力，并深入探究人工智能产业科技创新能力的阶段特征、空间非均衡性及分布动态演进趋势。首先，运用 G1-CRITIC赋权法对长三角、泛珠三角和环渤海经济圈人工智能产业科技创新能力进行动态测度，进而揭示出其演变进程；其次，借助Kernel密度估计方法刻画三大经济圈人工智能产业科技创新能力的空间分异特征与时间演化路径；再次，采用空间Markov链分析方法考察三大经济圈人工智能产业科技创新能力内生互动机制与空间转移特征；最后，根据上述研究得出结论与政策启示。 1 指标体系与数据 1.1 指标体系构建 构建科学合理的测度指标体系直接影响测度结果的科学性和可信度。为此，本文在充分参考《欧洲创新记分牌(EIS)》《技术成就指数(TAI)》《科技竞争力(CST)》《创新能力指数(ICI)》《2020中国区域创新能力评价报告》等权威创新能力测度方案的基础上，从创新资源集聚、创新创造活力及创新产出辐射三个层面设计了测度指标框架。 人工智能产业科技创新能力是人工智能产业发展期间各个相关要素相互作用的结果，是依靠经济基础、整合创新资源、依托国家政策，以产业为桥梁，发挥科学技术在人工智能产业发展中的巨大合力，是人工智能产业通过开发新产品、扩展现有服务以及技术改进等措施开拓新市场，塑造产业竞争新优势的重要能力。其中，创新资源集聚是人工智能产业创新发展的根本与起点，创新要素的稀缺性和逐利性决定了创新资源集聚能力是提升科技创新能力的重要支撑；创新创造活力是推动人工智能产业科技创新能力提升的核心驱动力，在创新能力形成过程中发挥着“助推器”作用；创新产出辐射体现了创新活动成效与成果，是衡量区域人工智能产业科技创新能力处于何种层次的关键因素。创新资源集聚、创新创造活力和创新产出辐射以三螺旋结构彼此渗透、密切协调，共同推动人工智能产业科技创新。基于此，本文以创新资源集聚、创新创造活力及创新产出辐射为准则层，下设6个一级指标，12个二级指标，构建了人工智能产业科技创新能力测度指标体系(见表1)。该套测度指标体系综合了“投入-过程-产出”系统逻辑，并对人工智能产业科技创新能力进行了整合与细分，使得指标体系分类更加系统全面、综合测度结果更加客观有效。
