EN中文

Economic geography >

2021 , Vol. 41 >Issue 8: 54 - 61

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.08.007

Regional Differences of China's Intelligent Construction

  • ZHU Hailong , 1 ,
  • ZHANG Zhixiong 2
Expand
  • 1. School of Public Administration，Hangzhou Normal University，Hangzhou 311121，Zhejiang, China
  • 2. School of Literature and Law，Southwest Forestry University，Kunming 650224，Yunnan, China

Received date: 2020-08-19

  Revised date: 2021-05-28

  Online published: 2025-04-13

Fold

Abstract

At present,China's intelligent construction presents the characteristic of regional differences,which are mainly manifested as the unbalanced development of intelligent construction. This paper applies the methods of comprehensive analysis and special index analysis to evaluate the intelligent construction in China,it finds that the current intelligent construction in China presents the characteristics of differentiated-development,polarization-development and phased-development from the perspectives of economic region,geographical region and administrative region. In the long run,the regionalization of China's intelligent construction will move toward balanced development. However,in the short term,due to the non-equilibrium development of the deferred effect and the cyclic cumulative causal effect,it is difficult to greatly improve the polarization difference and unbalanced development of China's intelligent construction,and the trend of regional development differentiation will become more and more prominent. The key promoting intelligent and balanced regional development is to improve " weak links",strengthen "the foundation",focuse on systematization and integration,and strengthen policy coordination,innovation coordination,industrial coordination and planning coordination.

Key words： intelligent construction; regional differences; balanced development

Cite this article

ZHU Hailong , ZHANG Zhixiong . Regional Differences of China's Intelligent Construction[J]. Economic geography, 2021 , 41(8) : 54 -61 . DOI: 10.15957/j.cnki.jjdl.2021.08.007

随着云计算、大数据、人工智能、区块链、量子通信等智慧化技术的不断突破与发展，人类的生产生活方式，社会互动关系、社会治理模式等正在发生深刻变革，智慧化成为了人类社会发展的重要趋势。智慧化是智慧技术、思维、模式和具体领域的融合，这种融合推动了各地区、各行业、各领域不断走向信息化、网络化、智能化。智慧化是一种趋势，是一个国家和区域智慧化程度和水平的反映，是一个国家和区域综合实力的体现，是智慧城市、数字产业、智慧生活、智慧治理等智慧系统的总和，是人类文明发展的新形态[1]。从全球智慧化建设的实践情况来看，由于各地资源禀赋、经济发展水平、社会文化等方面存在差异，所以在智慧技术、思维、模式和各地具体领域融合的过程中，必然会形成不同的区域特点以及不同的发展水平，也就是形成不同的“增长极”，从而形成智慧化建设区域化差异。
从我国的情况来看，一方面，智慧化整体水平在不断提升，各行业、各领域的智慧化建设取得了很多成绩；另一方面，又存在区域失衡。具体表现为智慧化建设互动不足、协调不力、差异较大以及城乡数字鸿沟变大等。尤其是在新冠疫情的背景下，我国对智慧社会、智慧社区建设的重要性认识更加深刻，加强社区智慧化建设[2]，尤其是均衡建设已经成为我国未来高质量发展的重要内容之一。因此，认识我国智慧化建设过程中存在的区域差异，廓清区域化带来的影响，成为我们应该关注的问题。
智慧化建设区域差异化研究方面，学界目前主要是通过对智慧化建设水平的评价展开：一是对某一领域智慧化水平评估指标体系的构建研究，二是对相关评价指标和模型的运用。主要表现为智慧化建设水平的评估与分析。尚无对智慧化建设整体性的研究，特别是缺乏对智慧化整体建设水平的测量的框架以及指标体系的研究。在智慧化评价及指标方面，现有研究主要聚焦在智慧城市、智慧社区、智慧景区等具体领域的评价，其中又以智慧城市评价的研究最多。首先，学者们主张应该加强智慧城市顶层设计和总体框架设计[3-4]。其次，在评价标准和体系方面，研究者提出了多种智慧城市测评标准和体系[5⇓⇓-8]。再次，在智慧化城市水平评估方面，陈劲、何琴、杜德林等对我国智慧城市的发展状态进行了评价研究[9⇓-11]。最后，智慧化评价的其他方面，涉及智慧城市成熟度评价指标[12]、智慧城市的韧性评价[13]、数字经济发展水平区域化评价[14]、互联网发展水平[15]、信息化发展水平评价[16]等。

1 研究方法与数据来源

1.1 研究方法及路径

目前关于区域智慧化的评估和排名尚无国家标准，不同的研究机构和学者从不同的研究领域、运用不同的研究方法对我国智慧化建设的水平进行了评估。总的来看，现有关于智慧化的评价主要是由权威的研究机构完成，其评价指标设计与运用的信度和效度较高，能够为本文的研究提供科学的支撑。但是一方面这些评估主要集中在某一具体的智慧化建设领域，如智慧基础设施、智慧治理、智慧运用、智慧保障等方面（表1），具体领域的智慧化水平能够从不同侧面代表我国的智慧化建设水平，却无法整体反映出我国的智慧化建设水平；另一方面当前关于智慧化评价领域不同，评估的指标却存在很多相似性，指标重合度较高的同时也存在指标相互脱节、评估交错逆向、结论大相径庭的现象。基于此，本文将对现有研究成果进行综合化处理，主要运用文献分析方法进行二次资料分析，以期对我国智慧化建设的区域差异及其经济社会效应进行探讨和分析。
表1 2017年以来主要的智慧化评估指标情况

Tab.1 Major intelligent assessment indicators since 2017

机构（研究者） 智慧化评价成果 智慧化评价指标情况
腾讯研究院 2017智慧生活综合指数 智慧生活社交指数、智慧生活民生指数、智慧生活商业指数
新京报智慧城市研究院 2018年中国智慧城市发展潜力报告 城市的政策、人才、创新、企业、资本和ICT采用六个维度
清华大学互联网研究院 中国人工智能城市白皮书2018 政策支持、技术产业、经济贡献、企业、融投资、教育人才、民众认知、覆盖面
中国互联网协会 中国互联网发展报告2019 信息基础设施建设、创新能力、数字经济发展、互联网应用、网络安全、网络治理
罗兰贝格2019全球智慧城市
战略指数		 智慧城市的突破性发展——2019年智慧城市战略指数 “行动领域”（政府、健康、教育、交通、能源&环境，以及建筑）、“战略规划”（预算、规划、协调、利益相关者、政策和法律框架）与“IT基础设施”（城市智能运营的技术基础）三大维度，12个指标
中国社科院信息化研究中心、
国脉互联智慧城市研究中心		 第十届（2020）中国智慧城市发展水平评估 根据“FSP”模型，设置了数字基础、智慧治理、智慧民生、数字经济、数字市民、智慧环境六个一级指标、15个二级指标、41个三级指标
赛迪顾问 2020中国数字经济发展指数白皮书 基础、产业、融合、环境4个一级指标、10个二级指标、41个三级指标
清华大学数据治理研究中心 2020年数字政府发展指数报告 组织机构、制度体系、治理能力、治理效果
北京大数据研究院等 2020中国大数据产业发展指数 产业政策与环境、产业规模与质量、头部企业情况、产业创新能力及产业投资热度
本文将从两条路径对我国智慧化建设区域差异和趋势进行探讨和分析。①前期研究成果的总体性评价比较分析。主要通过综合不同领域的智慧化评估结果，从不同侧面和角度全面、综合分析我国各区域的智慧建设水平，进而对各区域的智慧化建设差异进行整体性探讨。②专项指标的再综合遴选。在综合前期研究的基础上，通过对比、审核、证实等，在进一步确定各研究指标的效度、信度的基础上，对以前研究的指标进行再一次遴选、重构，在确保研究目标的前提下，保证各指标逻辑一体性的基础上，确立核心指标评估体系，并以此衡量各区域的智慧化差异及其变化情况等。具体地，主要通过对我国不同区域智慧化建设过程中的相关要素（主要是智慧化建设投入要素）投入情况进行比较分析，进而对各区域智慧建设的水平差异、发展趋势进行探讨。

1.2 相关指标的选取的说明

1.2.1 综合化评价选取指标说明

本文将综合智慧城市、数字化指数、“互联网+”指数等领域的评估指标和结果来对各区域智慧化水平进行整体探讨（表2）。原因如下：①智慧城市、数字化指数、“互联网+”指数相关评价都是综合性指数评价，指标体系相对完善，能够较为全面地反映我国智慧化建设的整体水平。②从单一指标来看，智慧城市涵盖面非常广，几乎囊括智慧化建设各领域，是我国智慧化建设的主战场，综合性非常强。“互联网+”、数字中国是中国国家战略，其综合性也非常强，且评估指标较为全面，故其建设水平能够较好代表各区域的智慧化水平。总的来看，以上三个指标从不同侧面反映了我国当前智慧化的整体水平。
表2 智慧化综合评价视角及说明

Tab.2 Comprehensive evaluation perspective of intelligent construction and its explanation

评价的维度 主要依据 内容及来源（说明）
整体评价视角：智慧化相关评估结果 智慧城市 《中国城市治理智慧化水平评估报告》（2011—2020年）
“互联网+”指数 《中国互联网发展报告》（2019、2020）
数字化指数 数字中国发展指数、相关产业指数等
专项评价视角：智慧化建设投入要素 政策执行力度 相关政策数量、层次、及时性等
融投资情况 互联网、物联网、人工智能、5G等产业投资力度指数
智慧产业 互联网、物联网、人工智能、5G等产业发展指数、区域差异等
人力资源 互联网、物联网、人工智能、5G等人才分布、创新能力等

1.2.2 专项指标比较分析维度

本文将主要选取政策制定与执行、金融扶持、智慧产业、人力资源等指标对不同区域智慧化建设水平进行分析。主要原因如下：①智慧化建设当前和未来投入要素的力度大小直接关乎区域智慧化建设未来发展深度和发展水平。②跳出各相关智慧化评价的框架，专门选取能够反映整体智慧化水平的核心维度，有利于对我国智慧化建设的区域差异进行整体分析，而非某一个具体领域的分析。③就单一指标而言，政策执行力度代表各区域对智慧化假设的重视情况，区域重视程度的差异直接关乎当前的智慧化水平及未来的智慧化发展潜力；金融扶持、人力投入代表各区域当前阶段对智慧建设的投入最为重要的两个方面（人和物），其投入力度能够直接转换为相应的智慧化水平，故是智慧化建设评价非常重要的核心指标。

2 我国智慧化建设区域化差异分析

2.1 智慧化相关评估结果：整体评价视角

从智慧化相关的评估结果来看，我国区域智慧化建设水平分布基本符合东高西低、南高北低的阶梯型特征，这一特征和我国经济区域差异几乎完全重合，在地理空间和经济空间上形成了鲜明的高低水平代差，并整体上表现为自东向西、自南向北阶梯递减的态势。从国脉互联近几年发布的中国智慧城市发展水平评估报告来看，在省级得分排名中，我国所有省份得分分布基本符合东高西低的阶梯型特征，且第一梯队和第四梯队城市差距巨大 ① ，极化差异显著，其中排名第一和排名最后一名的城市，其分数差距长期维持在两倍以上，且近十年来，城市排名变动很小，排名靠前和排名靠后的城市固化态势非常显著，第一梯队城市和第四梯队城市区间变动非常小（表3）。在智慧生活指数2017、城市治理智慧化水平评估2018排名、“互联网+”指数2019、数字中国2020、人工智能产业、区块链产业、大数据产业、5G基站等智慧化水平排名中，排名靠前的均集中在珠三角、长三角、京津、成渝等区域，西北地区、东北地区没有一个城市排名进入前十（表4）。
表3 2011—2020年国脉互联中国智慧城市排名（前十名）

Tab.3 China smart city ranking (Top 10) in 2011-2020 based on the report of Guomai interconnected company

年份 智慧城市排名（前10名）
2011 宁波、佛山、广州、上海、扬州、宁波杭州湾新区、浦东新区、深圳、北京、南京
2012 无锡、广州、浦东新区、扬州、宁波、佛山、北京、杭州、上海、深圳
2013 无锡、浦东西区、宁波、上海、杭州、北京、深圳、广州、佛山、厦门
2014 无锡、上海、北京、宁波、深圳、浦东新区、广州、南京、宁波、深圳
2015 无锡、上海、北京、上海、宁波、深圳、珠海、佛山、厦门、广州
2016 深圳、上海、杭州、北京、无锡、广州、宁波、佛山、厦门、苏州
2017 杭州、深圳、上海、广州、厦门、无锡、北京、南京、宁波、成都
2018 深圳、杭州、无锡、宁波、上海、南京、广州、佛山、北京、成都
2019 深圳、杭州、上海、北京、广州、宁波、南京、佛山、厦门、成都
2020 深圳、杭州、上海、北京、宁波、广州、南京、佛山、厦门、成都

注：资料来源于国脉互联2011—2020年中国智慧城市评估报告。

表4 2017年以来主要智慧化评估结果

Tab.4 Results of major intelligent assessments since 2017

评估报告（成果） 排名前10名的城市（省份） 主要经济区域 评价领域
智慧生活综合指数（2017） 杭州、上海、长沙、重庆、成都、广州、佛山、东莞、深圳、北京 长江经济带、珠三角 智慧生活
中国城市治理智慧化水平评估报
告（2018）		 深圳、杭州、广州、成都、厦门、宁波、无锡、青岛、苏州、佛山 长江经济带、珠三角 智慧治理
2019年全国5G基站数量 广州、深圳、北京、上海、杭州、重庆、成都、苏州、武汉、南宁 长江经济带、珠三角地区 5G基站
中国互联网发展指数2019 北京、上海、广东、浙江、江苏、山东、天津、福建、四川、湖北 长三角、珠三角、京津冀、成渝 互联网指数
2019年人工智能企业区域分布 北京、上海、深圳、杭州、南京、广州、成都、苏州、天津、武汉 京津冀、长三角、珠三角、川渝 人工智能
2020年中国区块链企业发展报告 广州、深圳、杭州、重庆、海口、西安、青岛、南京、北京、苏州 长三角、环渤海、陕川渝 区块链企业
2020中国数字发展建设指数 深圳、杭州、广州、宁波、青岛、厦门、贵阳、苏州、福州、武汉 长江经济带、珠三角地区 数字政府
2020年智慧城市投资 北京、上海、深圳、杭州、广州、天津、苏州、宁波、武汉、重庆 长三角、珠三角、京津冀 智慧城市
2020中国大数据产业发展指数 北京、深圳、上海、广州、杭州、南京、武汉、天津、成都、苏州 长三角、珠三角、京津冀 大数据产业
2020年中国数字经济发展指数 广东、北京、江苏、上海、浙江、山东、福建、四川、河南、湖北 长江经济带 数字经济
从我国当前的智慧化建设实践水平看，以长三角、珠三角为代表的区域智慧化水平已经达到国际水准，部分城市甚至开始引领全球智慧化实践，是我国智慧化建设的领先者。长江中下游经济圈、环渤海经济圈、成渝经济区、贵安新区等区域的主要城市，后发优势显著，发展速度快、后劲足，正在成为我国智慧化建设的推动者和追赶者。广大西部区域为代表的经济区域、行政区域城市，智慧化建设起步较晚，整体智慧化建设潜力有待挖掘，成为我国智慧化建设的布局者和准备者（表4）。
从我国智慧化建设的发展趋势来看，“新基建”正在成为引领我国当前和未来智慧化建设的核心动力，新基建的竞争能力直接决定了区域智慧建设的水平。从我国各省市新基建竞争力指数来看，北京、上海、江苏、浙江、福建、广东等名列前茅，而西藏、青海、新疆、海南等竞争力非常弱。从发展潜力看，赛迪研究院的《我国各省区市“新基建”发展潜力白皮书》相关数据显示，截至2020年4月，从发展基础（包括经济实力、财政基础、投资能力）来看，排名前五的省市依次为浙江、上海、江苏、北京、福建、天津，排名后五位的为青海、贵州、辽宁、山西、黑龙江、甘肃；在创新能力方面（包括创新人员投入、创新资金投入、创新成果），北京、广东、江苏、上海、浙江名列前五，而宁夏、内蒙古、海南、新疆、青海位列后五位。综合来看，广东、江苏、上海、北京、浙江发展潜力较强，处于全国领先地位。由此可见，在竞争力、发展基础方面，我国当前的智慧化建设区域分化已经趋于水平“固化”，且有可能会长期固化，且在潜力方面呈现出显著的“马太效应”。
综上，从各项综合性的评价结果来看，我国智慧化建设呈现出鲜明的区域化差异。首先，我国的智慧化建设自然地形成了鲜明的区域化界限，表现出经济区域化、行政区域化、地理区域化特征。从经济区域化来看，当前我国智慧化建设东北部地区、东部地区、中部地区和西部地区五大区域差异较为显著，其中长三角地区、珠三角地区、港粤澳大湾区、环渤海经济区与西部地区智慧化水平差异非常显著。从地理区域化来看，当前我国智慧化建设整体东部和西部差异化显著，特别是我国东南部与西北部的智慧化建设差异化显著。从行政区域化来看，北京、上海、广东、江苏、浙江、福建等省份与西藏、新疆、内蒙、甘肃、青海的智慧化水平差异化显著。其次，我国智慧城市发展水平参差不齐，呈现出东部地区领跑、偏远地区刚刚起步的态势，区域发展不均衡、内部差距大、极端差异明显、两极分化现象突出。区域极化主要表征为领先区域和滞后区域的水平区间差距非常大，这种极化差距，不是单一指标的失衡，而是呈现出综合指标的全面失衡。最后，我国区域智慧化建设呈现阶段化特征，这种阶段性特征主要受区域经济发展水平的差异影响，是区域经济发展不平衡的反映。通常来讲，经济发展水平越高，智慧化建设的积累期就更长，其智慧化建设水平往往就越高，发展阶段就越高级（表5）。
表5 我国智慧化建设区域阶段划分

Tab.5 Regional stage division of China's intelligent construction

智慧化评估报告 智慧化发展水平阶段 典型代表 所在地理区域
中国城市治理智慧
化水平评估报告（2017）		 领导者 浙江、江苏、广东、山东 东部沿海
推动者 湖北、福建、贵州、安徽、河北、陕西、四川 中部、西南、东南
追赶者 湖南、辽宁、江西、河南、新疆、内蒙古、黑龙江、甘肃、山西、宁夏 中部、东北、西北、西部、北部
布局者 广西、海南、云南、青海、吉林 南部、西南、西北、东北
准备者 西藏 西部
数字中国发展指数（2018） 领跑型 北京、广东、上海、江苏、山东、浙江、福建 东部沿海
追赶型 云南、贵州、江西 西南、中部
观望型 辽宁、湖北、四川 东北、中部、西南
潜力型 西藏、青海、新疆 西部
2020数字政府发展指数报告 引领型 深圳、杭州、广州、宁波、青岛、厦门、贵阳、苏州、福州、武汉 主要集中在东部地区
优质型 南京、成都、济南、石家庄、西安、珠海、海口、佛山、郑州、合肥、长沙、台州、潍坊、东莞、中山 中东部地区为主，以省会城市为主
特色型 赣州、沈阳、威海、泉州、安庆、宜昌、常德、南宁、绍兴、无锡、泸州、金华、泰安、银川、南通、襄阳、大连、烟台、淄博、哈尔滨 中东部地区，以的地级市为主
发展型 嘉兴、聊城、温州、扬州、东营、廊坊、遵义、茂名、蚌埠、沧州、南昌、九江、洛阳、徐州、济宁、常州、芜湖、柳州、长春、三亚 中部地区为主，地级市为主
追赶型 岳阳、泰州、呼和浩特、吉林、韶关、惠州、南充、兰州、临沂、盐城、包头、菏泽、平顶山、湛江、漳州、南阳、镇江、北海、淮安、昆明、秦皇岛、邯郸、大理、衡阳、唐山、太原、锦州、鄂尔多斯、拉萨、西宁、榆林、桂林、乌鲁木齐、保定、丹东、牡丹江 中西部城市，地级市为主
2020中国大数据产
业发展指数		 全面领先型 天津、江苏、安徽、福建、山东、河南、湖北、四川 东部地区为主
赶超壮大型 天津、江苏、安徽、福建、山东、河南、湖北、四川 东部地区为主
发展成长型 贵州、陕西、湖南、江西、黑龙江、内蒙古、重庆、宁夏、河北 中西部地区为主
蓄势突破型 山西、辽宁、吉林、广西、海南、云南、西藏、甘肃、青海 西部地区为主

2.2 智慧化建设投入要素：专项核心维度视角

2.2.1 智慧化政策制定与执行维度

由于篇幅有限，本文选取了东部（上海、广东、浙江、江苏）、中部（湖北、湖南、江西、河南）、西部（新疆、西藏、青海、云南）的典型省份2012—2021年的相关政策（智慧城市政策、人工智能政策、区块链政策）的数量进行统计分析 ② 。通过运用大数据技术，分析发现我国不同区域整体上也呈现出梯队化特点，东、中、西部省份在智慧化政策扶持力度方面也呈现出较大的差异化（表6~表8），这种差异化最直接的体现就是出台相关政策的及时度（通常来说在技术革命的机遇面前，出台相关政策的时间越早，说明所在地区重视程度高，也就越能够取得先发优势）、政策数量（理论上看，数量越多，意味着所在区域对智慧化建设的重视程度越高，累计优势越明显）和政策的层次（理论上看，政策层次越高，意味着所在区域对智慧化建设的重视程度越高，政策效果也就越好）。
表6 典型省域智慧城市政策数量统计对比(2012—2021年)

Tab.6 Policy number statistics of smart cities in typical provinces (municipalities) (2012-2021)

省域 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
上海 77 13 36 30 32 31 20 34 30 14
广东 42 24 45 37 75 80 56 68 54 50
浙江 72 68 111 96 104 94 73 64 28 26
江苏 67 64 70 95 116 114 73 40 27 16
湖北 18 24 45 69 95 72 40 21 15 3
湖南 7 7 18 19 35 39 23 23 30 24
河南 9 14 50 85 102 120 34 30 41 37
江西 3 8 35 39 37 73 31 31 25 8
新疆 0 2 11 5 20 12 0 0 0 0
西藏 0 0 0 0 2 2 1 3 2 0
青海 0 1 9 20 25 43 12 5 3 1
云南 0 0 4 9 25 32 8 14 12 3
表7 典型省域AI政策数量统计对比(2012—2021年)

Tab.7 Number statistics of AI policy in typical provinces (municipalities) (2012-2021)

省域 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
上海 2 2 4 10 22 44 88 119 145 127
广东 5 0 3 14 21 73 189 301 268 146
浙江 4 2 1 8 26 62 152 140 109 95
江苏 7 0 1 6 22 70 161 124 132 62
湖北 0 1 2 8 18 21 42 47 28 25
湖南 2 3 4 3 5 22 50 87 52 70
河南 3 3 3 2 18 42 78 97 100 69
江西 3 0 4 1 2 20 42 51 56 24
新疆 0 0 0 0 4 0 1 9 3 1
西藏 0 0 0 0 1 3 2 2 2 1
青海 0 0 0 1 0 4 10 13 15 8
云南 0 0 0 2 6 10 10 29 23 20
表8 典型省域区块链政策数量统计对比(2012—2021年)

Tab.8 Number statistics of block chain policy in typical provinces (municipalities) (2012-2021)

省域 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
上海 0 0 0 0 1 6 16 7 44 38
广东 0 0 0 0 1 16 46 66 122 75
浙江 0 0 0 0 2 8 37 33 55 42
江苏 0 0 0 0 0 11 15 29 56 36
湖北 0 0 0 0 0 3 9 5 11 13
湖南 0 0 0 0 0 4 13 11 37 24
河南 0 0 0 0 0 1 5 8 35 28
江西 0 0 0 0 0 9 6 6 38 13
新疆 0 0 0 0 0 0 0 1 1 1
西藏 0 0 0 0 0 1 0 0 0 0
青海 0 0 0 0 0 0 1 3 7 2
云南 0 0 0 0 0 0 3 15 27 16
在智慧城市政策方面，上海等东部省份智慧城市扶持政策出台较早，层次也相对较高，且政策数量、密度远远超过中西部地区，而西藏、云南等边疆地区则比较滞后，政策数量少、密度低，这就说明西部地区在政策扶持方面远远落后于中东部地区（表6），且本文在统计分析时发现，截至2020年底，大部分西部省份在省级层面仍旧缺乏高层次的指导文件。在人工智能扶持政策方面，东部城市扶持政策遥遥领先其他区域，不仅起步早，而且力度远超西部地区，特别是2016年后政策数量迎来了爆发式增长，而西部地区的政策数量则远远滞后于东部地区（表7）。在区块链扶持政策方面，广东、浙江、江苏、上海等长三角、珠三角区域起步早、发展快，2017年后大量政策密集出台，而西部区域相对较少，基本上处于刚刚起步阶段，且力度相对较弱，尤其是新疆、西藏等地区，在本文采用宽口径统计的情况下，其政策数量仍旧为0或1，在政策层面重视和投入力度严重不足（表8）。

2.2.2 智慧产业维度

我国产业结构对经济增长的促进作用存在区域差异[17-18]。在数字产业方面，数字中国发展指数显示，2020年我国数字产业的发展呈现出明显的地域性特点。发展规模呈现从东南沿海向西部内陆逐渐降低的趋势，基本符合胡焕庸线格局。在互联网产业方面，崔蓉等构建的中国互联网发展综合指数显示，2006—2018年我国东、中、西互联网发展水平区域差异显著，发展水平阶梯化态势较为明显[15]；中国互联网网络发展状况统计2020显示，截至2019年12月，我国上市互联网公司分布情况为，北京市占比超过1/3，上海占比17%，杭州占比11.9%，深圳占比11.1%，广州占比4.4%，北上广深杭等一线、新一线城市的互联网上市公司占比将近80%，基本上和历次统计数据相符 ② ①(①)，没有大的波动，互联网企业集中在一线、新一线城市的趋势愈发突出。网络独角兽企业分布方面，北京占比接近一半（47.8%），北、上、广、深、杭等城市的占比超过了90%。人工智能企业分布方面，从主要省市来看，主要分布在北京、广东、上海、浙江和江苏，合计占比高达81.9%。大数据产业方面，中国大数据产业指数2020显示，我国大数据产业指数值最高的省份为广东（68.96），指数值最低的省份为西藏（0.85），二者相差80倍，整体上看我国大数据产业指数呈现“金字塔”结构、阶梯式分布，中西部省份几乎都处于金字塔结构的低端，区域差异、省际差异较为显著（图1）。区块链企业分布方面，中国有超过50%的区块链产业园布局在杭州、广州、上海三地，且分布呈现出显著的阶梯化。综上，我国智慧化产业发展呈现出显著的区域差异、区域分化、区域水平阶梯化问题，但是整体上看，区域差距又呈现出下降的态势，郑言研究表明，2009—2019年10年间我国AI产业的区域差异系数整体呈下降态势，特别是2018年以来，这种趋势比较突出[19]（图2）。
图1 中国大数据产业发展指数2020

注：数据来源于前瞻产业研究院。

Fig.1 Development index of China Big data industry in 2020

图2 中国人工智能产业发展区域差异系数(2009—2019)[19]

Fig.2 Regional disparity coefficient of AI industry development in China (2009-2019)

2.2.3 融投资维度

资金支持力度指数由政府投资和VC/PE投资2个二级指数合成。数据显示2020年中国典型的46个样本城市中，城市数据中心资金支持力度、城市工业互联网资金支持力度、城市人工智能资金支持力度、5G发展资金支持力度都呈现出鲜明的梯队化特征，且梯队之间的差距较大。北京、上海、广州、深圳等一线城市稳居各类智慧化建设资金支持力度前列，且各类投资的T0P10几乎都集中在长三角、珠三角、环渤海等几个经济实力、活力最强的地区（表9）。
表9 2020年中国典型城市新基建投资力度指数T0P10

Tab.9 New infrastructure investment intensity index in typical cities of China in 2020 (T0P10)

指数 城市（得分）
城市数据中心资金支持力度指数 北京（96.81）、深圳（87.25）、上海（80.33）、杭州（78.88）、广州（67.50）、南京（56.43）、重庆（55.52）、济南（55.35）、苏州（53.75）、无锡（53.01）
城市工业互联网资金支持力度指数 北京（99.0）、上海（73.5）、杭州（65.6）、深圳（64.4）、武汉（59.4）、济南（58.1）、广州（57.7）、南京（57.5）、苏州（56.1）、西安（56.0）
中国城市人工智能资金支持力度指数 北京（92.68）、深圳（87.02）、上海（82.56）、杭州（76.48）、苏州（63.47）、南京（60.09）、广州（59.77）、武汉（57.57）、天津（57.38）、重庆（57.31）
中国城市5G发展资金支持力度指数 北京（94.14）、深圳（76.21）、上海（74.75）、南京（71.46）、成都（71.36）、武汉（70.15）、苏州（68.48）、广州（66.72）、佛山（61.82）、杭州（61.71）

注：根据36氪研究院相关报告整理。表10同。

2.2.4 人力资源维度

区域劳动力质量在短期可以迅速推动新兴产业规模扩张[20]，所以高质量的人力资源对于区域智慧化发展至关重要。相关研究结论表明我国当前人力资源发展水平排序为：东部沿海地区>北部沿海地区>南部沿海地区>长江中游地区>黄河中游地区>西南地区>东北地区>大西北地区[21]。这一结论在智慧化人力资源维度体现也较为明显。开课吧与脉脉联合发布的《中国数字化人才现状与展望2020》显示，截至2020年8月，北京的数字化管理人才占比为25%、数字化应用人才占比为30%、数字化专业人才占比为23%，其次为上海（占比分别为11%、11%、9%）、深圳（占比分别为11%、6%、8%），广大中西部地区数字化人才占比极低，区域差异显著。
人力资源的水平直接决定了所在地区的创新能力水平，一个地区的创新水平究竟怎么样，一方面取决于这个地区的创新人才数量，另一方面取决于创新人才的成果产出。本文通过我国典型城市的样本分析发现，我国智慧化建设的创新能力也呈现出非均衡态势，整体水平呈现出金字塔结构、阶梯化分布，经济发展水平高、高校科研机构集中的城市其智慧化创新能力就越强（表10），在涉及到的我国智慧化水平的主要指标综合指数评价中，不管是数据中心研发能力、工业互联网研发能力，还是人工智能研发能力、5G发展研发能力，几乎都集中在我国经济发展水平高的一线城市、新一线城市，其所在地区主要集中在东部地区，经济区域则集中在京津冀、珠三角、长三角、长江经济带等区域，而广大的中西部地区则水平较低，对所在地区的智慧化水平提升的支撑能力相对有限。
表10 2020年中国典型城市新基建研发能力指数T0P10

Tab.10 New infrastructure research capacity index in typical cities of China in 2020 （T0P10）

指数 城市（得分）
城市数据中心研发能力指数 北京（95.58）、上海（84.61）、深圳（82.05）、南京（77.43）、武汉（75.60）、广州（75.18）、成都（74.67）、西安（74.48）、天津（74.27）、杭州（74.05）
城市工业互联网研发能力指数 北京（96.50）、上海（83.30）、武汉（63.20）、南京（62.30）、杭州（61.30）、深圳（61.20）、广州（60.90）、天津（60.50）、西安（58.90）、成都（58.50）
中国城市人工智能研发能力指数 北京（87.00）、南京（79.81）、深圳（79.34）、上海（78.99）、西安（78.44）、武汉（77.93）、杭州（77.20）、成都（76.40）、东莞（74.82）、广州（74.76）
中国城市5G发展研发能力指数 北京（90.91）、上海（86.46）、广州（86.14）、南京（84.85）、武汉（84.53）、杭州（83.92）、天津（83.68）、成都（83.58）、重庆（82.17）、西安（81.98）
综上，从核心评价指标来看，我国的智慧化建设区域化也非常显著，各维度都呈现出区域分化趋势。在智慧化政策制定与执行方面，不管是智慧城市政策的执行力度，还是AI扶持政策、区块链扶持政策均存在区域分化问题，东、中、西部的区域分化较为显著。在智慧化投资方面，目前的互联网投资主要集中在东部沿海地区，特别是北京、长三角地区、珠三角地区集聚了大量的投资，中部地区投资虽然有所增加，但是难以和东部匹敌，广大西部内陆地区相关投资就显得微不足道，区域差异异常突出。在智慧产业方面，主要的智慧化类别的企业集中在东部沿海核心城市，西部区域较稀少。智慧人才的分布方面，空间差异也较为显著。

3 推进中国智慧化建设的建议

本文认为推动区域智慧化均衡发展的关键在于“补短板”“强基础”，注重系统性和整体性，强化政策协同、创新协同、产业协同和规划协同，实现区域协调发展。具体而言，可以从以下几个方面加强中国智慧化建设，科学引导优质的智慧化资源向落后区域集聚，进而带动落后区域的智慧化水平，最终实现“共同智慧化”。
第一，抓好战略机遇，强化顶层设计。习近平总书记指出当前之中国正处于百年未有之大变局，这为我国各区域发展提供了时代机遇，因此顺势而为，开展智慧化建设，实现高质量发展成为各地区发展转型的重要方向。对于智慧化建设滞后区域而言，要深刻认识到当前我国仍旧处在重要的战略机遇期这一重要的历史定位，牢牢把握住这一重要的战略机遇期。要认真分析区域内外的有利环境和条件，将自身的智慧化建设牢牢嵌入国家战略之中，以顶层设计为统领，将顶层设计与基层的试点探索上下互动、有机结合，强化政策执行力度，推动自身智慧化建设的跨越式发展。各区域要紧紧拥抱“互联网+”战略、数字中国战略，强化大数据、物联网、人工智能、量子通信等为代表的新一代基础设施建设，推动智慧化技术同产业转型相结合，推动新经济的发展，实现区域经济高质量发展。近期特别要强化5G商业运用的布局和推广，实现发达地区和欠发达地区同步智慧化。
第二，强化要素驱动，加快梯度转移。随着我国智慧化水平提升，特别是高梯度区域智慧化水平发展到一定阶段后，就要强化要素驱动，加快梯度推移的速度，带动低梯度区域智慧化建设的发展，逐步达到区域之间的相对均衡。对于智慧化建设滞后区域来说，当前“要素红利”的潜力依旧很大，因此要紧紧把握住这种“后发”优势，推动供给侧结构性改革，补足历史欠账，为智慧化建设快速发展提供充足动力。智慧化建设对要素驱动具有很强的依赖性，在智慧化的建设过程中，加大科技投入，出台金融政策扶持，加强智慧化人才培养，要推动科技创新、金融、人力资源、实体经济协调发展。
第三，启动财政专项转移支付，提高区域自我发展能力。首先，中央政府应该将财政支出聚焦在网络基础设施建设、智慧技术研发与推广、智慧产业发展与智慧人才培养等方面，建立更加有效的城市群协同创新机制，推动创新要素自由流动与高效配置[22]，实现转移支付的“精准化”，为智慧化建设滞后区域“打基础”，提高滞后区域的自我发展能力。其次，加大财政转移支付的力度，解决历史欠账问题，弥合智慧化建设的“数字鸿沟”。最后，实行智慧化建设财政转移支付资金使用效果的专项审计，提高财政转移支付的使用效率。
第四，强化对口援建，提高基础设施建设水平。强化智慧化建设区域对口援建，主要是发挥好政策、资金、人才等投入要素的驱动效应，重视区域发展的空间“溢出效应”，尤其是要强化核心城市和城市群的集聚和扩散机制[23]，提升合作的水平和质量，进而带动滞后区域的发展。强化区域智慧化建设的对口援建，关键在于统筹协调，要深刻地认识到智慧化建设的战略性、特殊性和紧迫性，强化“政治动员”和“制度激励”，先“智”带动后“智”，实现智慧化发展均衡发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张金锁, 康凯. 区域经济学[M]. 天津: 天津大学出版社, 2003.

[2]
朱海龙. 加强社区智慧化建设提升重大疫情防控能力[J]. 杭州师范大学学报:社会科学版, 2020, 42(2):23-28.

[3]
甄峰, 秦萧. 智慧城市顶层设计总体框架研究[J]. 现代城市研究, 2014(10):7-12.

[4]
程大章. 智慧城市顶层设计导论[M]. 北京: 科学出版社, 2019.

[5]
周骥. 智慧城市评价体系研究[D]. 武汉: 华中科技大学, 2013.

[6]
崔璐, 杨凯瑞. 智慧城市评价指标体系构建[J]. 统计与决策, 2018(6):33-38

[7]
胡军燕, 修佳钰, 潘灏. 基于面板数据的城市智慧度评价与分类[J]. 统计与决策, 2020, 36(7):76-80.

[8]
吴志强, 李翔, 周新刚, 等. 基于智能城市评价指标体系的城市诊断[J]. 城市规划学刊, 2020(2):12-18.

[9]
陈劲, 于飞, 潘砚娉. 中国智慧城市发展与排名研究——基于2017年《智慧城市评价模型及基础评价指标体系》国家标准的分析[J]. 清华管理评论, 2018(1-2):17-28.

[10]
何琴. 基于AHP的智慧城市建设水平评价模型及实证[J]. 统计与决策, 2019, 35(19):64-67.

[11]
杜德林, 黄洁, 王姣娥. 基于多源数据的中国智慧城市发展状态评价[J]. 地球信息科学学报, 2020, 22(6):1294-1306.

DOI

[12]
武家名. 智慧城市建设成熟度评价研究[D]. 锦州: 辽宁工业大学, 2018.

[13]
宋蕾. 智能与韧性是否兼容?——智慧城市建设的韧性评价和发展路径[J]. 社会科学, 2020(3):21-32.

[14]
刘传明, 尹秀, 王林杉. 中国数字经济发展的区域差异及分布动态演进[J]. 中国科技论坛, 2020(3):97-109.

[15]
崔蓉, 李国锋. 中国互联网发展水平的地区差距及动态演进:2006-2018[J]. 数量经济技术究, 2021, 38(5):3-20.

[16]
闫超栋, 马静. 中国信息化发展的地区差距及其动态演进[J]. 软科学, 2017, 31(7):44-49.

[17]
朱显平, 王锐. 市场化程度、 产业结构与区域经济增长——基于中国区域面板数据的分析[J]. 吉首大学学报:社会科学版, 2016, 37(3):26-33.

[18]
胡鞍钢, 鄢一龙, 龙亮军: “十四五”时期中国经济社会发展的基本思路[J]. 求索, 2019(6):11-19.

[19]
郑言. 中国人工智能产业区域发展差异性研究[J]. 技术经济与管理研究, 2021(7):36-41.

[20]
刘佳刚, 马晨云. 区域经济环境对新兴产业发展的影响及优化研究——来自于428家上市公司的实证数据[J]. 中南大学学报:社会科学版, 2015, 21(4):113-121.

[21]
卢新海, 沈纬辰, 杨喜, 等. 中国区域实体经济、科技创新、现代金融与人力资源协同发展评价[J]. 统计与决策, 2019, 35(15):129-132.

[22]
周麟, 古恒宇, 何泓浩. 2006—2018年中国区域创新结构演变[J]. 经济地理, 2021, 41(5):19-28.

[23]
闫涛, 张晓平, 陈浩, 等. 2001—2016年中国地级以上城市经济的区域差异演变[J]. 经济地理, 2019, 39(12):11-20.

Options
Outlines

/

〈 〉