EN中文

Economic geography >

2025 , Vol. 45 >Issue 3: 98 - 108

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.03.010

Evaluation and Differentiation Evolution of the Collaborative Development Between Digitalization and Intelligentization at the Prefecture Level in China

  • ZENG Peng , 1, 2 ,
  • WANG Yue 1, 2 ,
  • ZHANG Yuhan 1, 3
Expand
  • 1. Institute of Urban Technology and Regional Innovation，Guangxi Minzu University，Nanning 530006，Guangxi，China
  • 2. School of Ethnology and Sociology，Guangxi Minzu University，Nanning 530006，Guangxi，China
  • 3. School of Economics，Guangxi Minzu University，Nanning 530006，Guangxi，China

Received date: 2024-02-01

  Revised date: 2025-03-01

  Online published: 2025-05-13

Fold

Abstract

The collaborative promotion of digitalization and intelligentization is pivotal to high-quality economic and social development. This study analyzes the connotation of collaborative development between digitalization and intelligentization and constructs a multidimensional evaluation index system to assess their collaborative development at the prefecture level. It depicts the process state, spatial-temporal pattern and clustering characteristics of the collaborative development between digitalization and intelligentization in 284 cities of China in 2011-2020. The results show that: 1) Collaborative development level between digitalization and intelligentization was in the low range, cities with good collaborative development level are mainly concentrated in eastern coastal region, cities with low collaborative development level are mainly located in central and western regions. 2) Cities can be categorized into four types based on the collaborative development level between digitalization and intelligentization: collaborative development type, collaborative trend type, collaborative imbalance type, and collaborative lag type. Notably, the latter three types are more active. 3) The collaborative development trend follows a declining gradient from foundation to scale dimension, the efficiency development process between digitalization and intelligentization displays regional disparities. 4) There is a significant positive correlation between the collaborative development of digitalization and intelligentization in China, and the spatial distribution has a tendency of aggregation. Finally, this study identifies the problem of different types of collaborative development zones, proposes differentiated pathways to enhance the collaborative development between digitalization and intelligentization in Chinese cities.

Key words： digitalization; intelligentization; collaborative development; temporal and spatial differentiation; agglomeration evolution; China

Cite this article

ZENG Peng , WANG Yue , ZHANG Yuhan . Evaluation and Differentiation Evolution of the Collaborative Development Between Digitalization and Intelligentization at the Prefecture Level in China[J]. Economic geography, 2025 , 45(3) : 98 -108 . DOI: 10.15957/j.cnki.jjdl.2025.03.010

近年来，发展数字化与智能化已成为信息时代各国为提高经济发展质量和在国际经济中夺取话语权而抢占的制高点[1]。中国作为全球数字化发展的推动者，随着《中国制造2025》战略的深入实施并即将完成，已经构建起包括高速光纤网络等较为完善的数字基础设施体系，在数字化发展方面展现出蓬勃的生机与活力[2]。同时，在人工智能技术研发、应用场景拓展以及产业生态构建等领域也取得重要突破，为智能化发展提供了有力的技术支撑[3]。
目前，随着新兴信息技术的迅猛发展，各行各业都面临着海量的数据积累。然而，遗憾的是，当前在数据转化能力上仍存在着明显的不足，大量有价值的信息无法被有效提取和利用[4]，智能化水平发育不足。因此，数智协同发展的必要性日益凸显。数智协同发展通过综合运用数字技术和智能化手段，能够更好地分析和挖掘数据的潜在价值，实现数据的共享、整合和创新应用，推动产业的升级和转型[5]。同时，数智协同发展一方面能够依托数字智能技术高效转化海量数据信息，实现生产流程的智能化、服务模式的创新化和管理决策的科学化；另一方面，数智协同发展能够促进不同领域和行业的融合创新，加速数据流动和技术共享，打破行业壁垒，优化资源配置，提升经济效益，催生新的业态模式[6]。因此，必须把握好数智协同发展的机遇，加强数据基础设施建设、深化数智融合应用，为构建数字经济新时代贡献力量。
在有关数智协同发展的研究中，学者们围绕内涵特征、影响机理、实践路径等方面展开了讨论。从内涵特征来看，学者从数字化与智能化单独两方面进行阐述，其中数字化本质是将各种物质形态的信息资料转化为数字信号的过程[7]，其具有高创新性、强渗透性、价值增值性、广覆盖性等特征属性[8]；智能化则是运用人工智能理论、方法和技术处理信息问题的过程，具有自组织、自学习和自修复等拟人智能特性[9]。在影响机理及实践路径方面，学者们从制造业[10]、金融产业[11]等众多领域，对数字化、智能化赋能的作用机理与措施效果进行了实证探索。其中大部分表明数字化与智能化发展对社会经济发展有促进作用，具体体现在相对福利[12]、企业绩效[13]、公司竞争力[14]、乡村振兴[15]等方面。然而，由于存在“索洛悖论”，有部分学者提出数字化与智能化技术可能会造成工业过度自动化，进而抑制生产效率[16]。而对于两者的协同发展现状，现阶段我国各区域间数智化发展水平差异较大、软硬件基础薄弱、人才培养及流动机制缺乏等问题阻碍了区域产业协调配置[17]。
综合现有成果来看，一方面，少有将数字化与智能化纳入一个分析框架，分析评价其协同发展的新范式；另一方面，现有研究成果的视角相对单一，缺乏不同时期下数智协同发展演变动态格局及时空异质性的对比分析与研判。与此同时，现有研究在更微观的城市尺度下数字化与智能化协同的态势等的整体分析相对欠缺，而城市是社会经济发展的基本单元，通过引导投资、优化产业结构等方式，可以有效促进地方经济的发展，对引导和重塑区域发展格局发挥着重要作用。因此，亟待从更微观的尺度对中国市域数智协同发展水平进行全面测度，研判数智协同发展现状与理想样态的现实差距，识别当前存在的短板问题，为后续优化路径研究提供更为精准的科学依据。
鉴于此，本文在对数字化与智能化协同发展内涵进行简要解析的基础上，结合不同尺度多源数据，构建市域尺度中国数字化与智能化协同发展测度指标体系，对中国284个市域2011、2016和2020年3个年份数智协同发展的分异特征及聚集程度进行全面测度，并逐步识别出数智协同发展的优势区域和典型问题区域，为科学合理优化数字化与智能化协同发展关系、制定推动数字化与智能化协同发展的政策与调控建议提供参考。

1 内涵解析与评价指标体系构建

1.1 内涵解析

数智协同发展，作为大数据时代新型绿色发展路径，以其高效、精准、创新的特点，推动着社会、经济、文化、生态各领域的全面可持续发展[18]。在这一过程中，数字化技术与智能化系统相辅相成，共同构建了一个逻辑严密、互为支撑的多维系统。
一方面，数字化发展作为数智协同发展的基石，其核心在于数字基础设施的建设完善[19]。其中高速网络、数据中心等构成了数字经济的硬件支撑，不仅促进了数据资源的汇聚和流通，更为传统产业的数字化转型提供了坚实的技术基础。同时，随着数字化技术的普及和用户规模的增长，其应用范围也在不断拓展，推动了智能制造、智慧农业等新模式、新业态的涌现。另一方面，智能化发展是数智协同发展的重要驱动力。随着数字化技术的广泛应用，对具备数字化思维和创新能力的人才需求激增。通过产学研深度融合，培养具备理论基础、实践经验的高质量人才[20]。同时，构建具有核心竞争力的科技创新体系，通过加大科研投入、优化创新环境、激发创新活力，持续提升工作效率和质量。
具体而言，数智协同发展涉及基础、规模、效率3个维度（图1）。在基础维度，数字基础设施与创新培养体系为数据的收集、传输、处理提供了必要支撑；在规模维度，随着数字化应用的扩大和深化，数智协同发展的规模不断壮大，推动了各行各业的数字化转型与智能化升级；在效率维度，数字技术的应用创新提高了生产效率、优化了生产流程、降低了运营成本，推动了经济社会的高效可持续发展。
图1 中国城市数字化与智能化协同发展的内涵机制

Fig.1 Connotation and mechanism of the collaborative development between digitalization and intelligentization in cities of China

1.2 中国城市数智协同发展过程

数智协同发展是数字化发展与智能化发展相互作用、相互渗透，并持续优化、不断发展的渐进过程。数智协同发展不仅体现在显性物质要素的融合，也体现在隐性空间磁场融合的纵深拓展。从空间关联的角度看，数智协同发展一方面推动了城市内部的空间优化，通过大数据等信息技术的发展和智能基础设施的建设，城市内部的交通、物流、能源等系统实现了高效互联。而智能化技术的应用则促进了城市功能的多元化、服务的个性化和产业结构的优化升级，形成了更加完善的产业链和创新生态。另一方面，数智协同发展也加强了城市之间的关联合作，发达城市通过数字技术的溢出效应，将先进的数字化与智能化技术和管理经验传递给周边或其他欠发达城市，有助于推动城市间的产业转移和升级，形成优势互补、协同发展的产业格局。而欠发达城市也可以利用数字技术突破地理空间的限制，与发达城市建立紧密的合作关系，实现跨越式发展。

1.3 评价指标体系构建

为确保评价结果的客观性与准确性，本文在构建区域数智协同评价指标体系时，特别地引入了数字化发展指数和智能化发展指数两大核心指标，分别聚焦于区域整体的数字化和智能化发展程度（表1），为全面深入评估数智协同发展水平提供科学依据。
表1 区域数字化与智能化协同发展评价指标体系及说明

Tab.1 Evaluation index system of collaborative development between digitalization and intelligentization

目标层 准则层 指标层 指标说明 计算方法 功效性 权重
数字化 数字化基础 移动互联网基础 移动互联网接入率（%） 移动电话年末用户数/常住人口数 正 0.0752
科研创新基础 每万人数字经济专利申请数（个/万人） 数字经济专利申请数/常住人口数 正 0.2799
宽带互联网基础 互联网宽带普及率（%） 互联网宽带接入用户数/常住人口数 正 0.1126
数字化规模 产业发展规模 信息服务业新注册企业数量占比（%） 信息服务业新注册企业数/新注册企业总数 正 0.0943
人均电信产业产值（万元/人） 电信业务总量/常住人口数 正 0.0989
产业人员规模 信息传输和计算机服务业、软件从业人员占比（%） 信息从业人员数/年末单位从业人员数 正 0.0932
数字化效率 覆盖广度 数字普惠金融覆盖广度指数（%） - 正 0.0501
使用深度 数字普惠金融使用深度指数（%） - 正 0.0456
数字化程度 数字普惠金融数字化程度指数（%） - 正 0.0568
数字经济增长率 数字产业产值平均增长指数 （当期电信业务总量-前一年电信业务总量）/前一年电信业务总量 正 0.0934
智能化 智能化基础 人才培养基础 高等教育在校学生占比（%） 普通高等学校在校学生数/常住人口数 正 0.1588
普通高等学校比重（%） 城市普通高等学校数/全国普通高校数量 正 0.1104
研发资金基础 财政科学技术支出占比（%） 科学技术支出/地方财政一般预算内支出 正 0.0949
智能化规模 从业人员规模 科研、技术服务和地质勘查业从业人员数比重（%） 科研、技术服务和地质勘查业从业人员数/年末单位从业人员数 正 0.0771
企业发展规模 科学研究和技术服务业新注册企业地理集中度（%） 科学研究和技术服务业新注册企业数/全国科学研究和技术服务业新注册企业数 正 0.1205
技术研发规模 发明专利授权量占比（%） 发明专利授权量/专利授权总量 正 0.0749
智能化效率 企业发展效率 科学研究和技术服务业新注册企业平均增长指数（%） （当期科研技术新注册企业数-前一年科研技术新注册企业数）/前一年科研技术新注册企业数 正 0.0608
研究产出效率 每万人拥有的发明专利授权量（个/万人） 发明专利授权量/常住人口数 正 0.2313
知识转化效率 专利申请授权率（%） 专利授权量/专利申请量 正 0.0708
①数字化发展指数。数字化发展指数是衡量区域数字化进程的关键指标。基础层面，通过移动互联网接入率、宽带网络普及率等关键指标反映数字化基础设施的普及程度和覆盖广度[21]，为数字化应用提供了必要的条件。规模层面，数字化发展指数着眼于数字产业的产值、规模以及从业人员的数量，衡量了数字经济的总体实力和影响力[22]。效率层面，聚焦于数字化程度、数字普惠金融[23]等指标，体现了数字技术在拓展应用场景、提升经济效率等方面的发展潜力。
②智能化发展指数。智能化发展指数是衡量区域智能化发展水平的重要指标，通过综合考虑基础设施[24]、研发能力[25]、人才储备[26]等方面揭示了智能化在推动产业升级、提升创新能力方面的巨大潜力。
因而，区域数智协同发展评价指标体系是一个多维度的评价体系，数字化发展指数与智能化发展指数也并非孤立存在，而是相互促进、共同发展的。通过综合考虑二者的发展水平，可以更为全面客观地评估数智协同发展的现状和潜力，为政策制定和决策提供更为科学可靠的依据，共同推动数字经济的持续健康发展。

2 研究方法与数据来源

2.1 数据来源

结合数据的可得性、科学性、客观性，本文选取中国284个地级及以上城市（以下简称“城市”）为研究对象（删除港澳台地区、西藏自治区、三沙市以及儋州市等缺失值较多或时序不统一的样本），2011—2020年为研究时期，2011、2016和2020年为研究代表年份。社会经济数据主要来自对应年份的《中国城市统计年鉴》《中国城市建设统计年鉴》以及各省（自治区、直辖市）统计年鉴与国民经济和社会发展公报，极少数城市的个别缺失指标采用邻近年份插值法进行填补。数字普惠金融数据来源于北京大学数字金融研究中心与蚂蚁金服集团合作测度的中国数字普惠金融指数。

2.2 数据处理及分析方法

为消除量纲及数据级的差异，本文对数据采取极差法进行标准化处理。同时，本文采用熵值法对各指标的权重系数测算，通过加权求和计算得到各维度得分。
进一步，为刻画数字化与智能化协同发展的时空动态分异格局以及识别问题区域，对数字化与智能化协同发展类型的分类进行划定：采用标准差法，将2011、2016和2020年3个年份的数字化发展指数及智能化发展指数划分为4个等级，将数字化发展指数（x）与智能化发展指数（y）的4个等级按照由低到高的次序赋予属性值1~4，进行两两耦合得到16种“数字化—智能化”属性特征组合归并，最终得到4种耦合类型（表2）。
表2 数字化与智能化协同发展类型划分标准及说明

Tab.2 Type classification standard and explanation of the collaborative development between digitalization and intelligentization

类型 耦合结果 特征
协同发展型 （4，4）（4，3）（3，4）（3，3） “高数字化—高智能化”，数字化与智能化协同发展步入中后期，区域基础、规模、效率等方面基本协调，协同动力较高
趋向协同型 （2，4）（2，3）（2，2） “中数字化—中智能化”，数字化与智能化发展水平逐步缩小，存在进一步协同潜力
协同失调型 （4，2）（4，1）（3，2）（3，1）（2，1） “高数字化—低智能化”，数字化水平快速发展同时智能化发展水平较低，差距明显，协同动力不足
协同滞后型 （1，4）（1，3）（1，2）（1，1） “低数字化—低智能化”，数字化水平与智能化水平发展相对滞后，数字化与智能化之间的联系较弱，尚未达到协同发展阶段

3 结果分析

3.1 整体时空差异特征

为明确数字化与智能化协同发展水平差异的具体表现以及处于不同发展水平的市域差异程度，本文综合利用泰尔指数、基尼系数及对数离差均值3种指标进行分析，同时计算了3种指标的平均值，分析平均差异水平。
由图2可以看出，研究期内数字化整体水平呈现出先下降后水平的态势，这表明中国市域之间的数字化发展差异有所缩减，全国数字化协调发展趋势总体向好。从分指标的差异变化趋势来看，数字化基础也呈现波动下降趋势，这表明各市都在加大投资数字化基础，着力发展数字化经济；数字化规模和数字化效率波动较大；数字化效率呈现持续下降但有所趋缓。相比而言，智能化整体水平并未呈现出下降的趋势，这表明中国市域之间的智能化发展差异并不明显，全国智能化协调发展趋势总体不变。智能化基础呈现出先下降后上升的趋势，而智能化规模呈现出持续上升态势，这均表明中国仅有部分城市在加大投资智能化基础和智能化规模；智能化发展效率呈现出波动上升与下降相互交替的态势。从指标数值大小来看，基尼系数在各维度中均大于泰尔指数和对数离差均值，这说明全国市域智能化发展不平衡现象主要发生在中等发展水平的区域，与智能化发展水平处于高低两端的市域相比，智能化发展水平居中的市域差异较大。
图2 中国城市数字化与智能化协同各维度的泰尔指数、基尼系数及对数离差均值变化趋势

Fig.2 Theil index, Gini coefficient and logarithmic deviation mean of the collaborative development between digitalization and intelligentization in China

3.2 整体时空分异格局

自2011年以来中国城市的数字化发展指数与智能化发展指数均呈上升态势，整体呈现东部地区高、中部与西部地区偏低的空间分布格局，且都不具有明显的空间分异特征；但智能化发展指数的整体增长程度略低于数字化发展指数（图3）。①数字化发展指数整体呈现上升态势。2011年，低值水平城市占比为98.59%，广泛分布于全国。2016年，低值水平城市占比从98.59%下降至36.27%，范围逐渐缩减，其中大部分东部地区城市已脱离低值，仅剩小部分城市仍处于低值范围，中部地区与西部地区仍有较多城市数字化发展水平落后。2020年，低值水平城市占比进一步下降至3.17%，低值水平城市零星分散于中西部地区；中值城市数量从2011年仅有上海1个，至2016年的27个，再到2020年的3个，整体呈现先上升后下降的变化趋势，其范围由东部的沿海发达城市逐步辐射扩散到中部以及部分西部地区；高值与较高数字化发展指数的城市显著增加，其比例从2011年的1.06%逐渐上升至2020年的95.42%，其分布从零散位于东部沿海发达地区城市逐步发展至几乎全面覆盖全国。②智能化发展指数的整体态势存在局部衰退与回升，分化出明显的空间聚集特征，呈现东部地区及部分中部地区的智能化发展逐渐增强。2011—2020年，低智能化城市占比逐渐降低，由67.61%降至47.54%，主要位于中西部地区。中智能化发展城市数量占比约2.82%，共有8个（其中5个来中部地区，3个来自西部地区）。较高及高智能化发展水平城市数量持续提升，占比从28.52%逐渐提升至49.65%。此类城市初期分别聚集于哈长、成渝城市群地区，并零星分布于各个地区。随着社会经济的持续有力增长，智能化发展水平逐渐增强，以长三角地区为辐射中心，向中部地区逐步辐射扩散。同时，较高及高智能化发展水平城市逐渐在北方及中西部地区呈现增长趋势，散见于京津冀、山东半岛、珠三角城市群区域。
图3 中国城市数字化与智能化协同发展的空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS(2023)2767号的标准地图制作，底图边界无修改。图4同。

Fig.3 Evolution of the collaborative development between digitalization and intelligentization in cities of China

3.3 整体时空聚集格局

研究期内，中国城市数字化发展水平的全局莫兰指数均为正值，且P值均通过0.01显著性水平检验，说明研究区域的数字化发展水平空间集聚格局表现出显著的正相关性；而城市智能化发展水平的全局莫兰指数也均为正值，同时除了2011和2014年之外，其余年份的P值通过0.1显著性水平检验，说明研究区域的智能化发展水平空间集聚格局表现出显著的正相关性。根据莫兰指数值变化的趋势，2011—2020年全局指数呈现波动上升，表明中国数字化与智能化协同发展水平在空间上的集聚程度呈增强趋势，空间聚集程度有所上升，核心城市的中心极化作用逐渐增强。
为进一步探究全国数字化与智能化协同发展水平的局部空间关联性及其差异性，本文利用LISA分析方法对研究城市的数字化与智能化协同发展水平的空间关联情况进行分析，探求城市数字化与智能化协同发展在局部空间上的集聚特征。中国城市数字化与智能化协同发展水平存在较强的空间正相关性。其中，2020年中国数字化水平HH型城市主要集中在珠三角、长三角和京津冀城市群，同时西北部地区也有较多城市处于HH型；HL型城市则出现在北部湾城市群、关中平原城市群以及中国的东北部地区；LH型城市由2011年主要位于西南地区转变到2016年大量分布于东北地区，最后又回到2020年的西南地区城市；LL型城市由2011年主要位于中部平原的部分地区，缩减为2020年的珠三角地区的极少数城市。与此同时，2011—2020年中国智能化发展水平HH型城市主要由东中西部地区均有分布逐渐缩减到主要集中于长三角城市群；智能化发展水平LL型城市，2011年集中于成都与重庆的交界地区，2016年数量有所增加，主要是陕西与甘肃北部的城市，2020年LL型城市数量显著减少，主要分布于甘肃中部的部分地区和北部湾城市群；LH型城市主要是西南部地区，除2020年主要分布在云南与甘肃的部分地区外，2011和2016年均零星分布于东中西部；HL型集聚区域主要由2011年的珠三角地区部分城市到2016年的北部湾地区的部分城市和中部的零星城市，最后集中分布于北部湾地区和东北地区。

3.4 协同发展类型格局分布

2011—2020年中国城市数字化与智能化协同发展类型之间转化较为活跃（表3），城市存在提升、跃迁、衰退以及滞后4种转化方式。①协同失调型。2011年，中国城市智能化发展水平远落后于数字化发展进程而呈现数字化与智能化协同失调发展类型的城市较多，共有81个。其中，一类集中分布于东部沿海地区，该区域的数字化水平发展偏高，而智能化的发展则较弱，数字化与智能化协同呈现失调的特征；另一类则零星分布于北部与中部部分地区，如洛阳、湘潭等。2011—2016年协同滞后型城市向失调型转化的城市共有50个，转化现象较为普遍，城市较为平均地分布于东中西部地区。该时期，大部分地区的数字化水平逐渐发展起来，而智能化是一个相对新兴的概念。缺乏对智能化技术的认识和了解，可能限制了这些地区的数字化与智能化协同发展。到2020年，数字化与智能化协同失调态势恶化明显的城市增加至126个，多分布于中西部地区，尤其是关中平原城市群与中原城市群地区。可能原因是，这些地区位于内陆，相对较远离沿海经济发达地区，交通不便限制了其发展速度。同时，这些城市可能在经济结构上存在某些局限性，过度依赖传统产业或资源型产业，缺乏多元化和创新型产业的发展。
表3 中国数字化与智能化协同发展各类型城市数量

Tab.3 Number of cities at different types of collaborative development level between digitalization and intelligentization in China

类型 2011年 2016年 2020年
协同发展型 1 104 140
趋向协同型 2 13 7
协同失调型 81 66 126
协同滞后型 200 101 11
②协同发展及趋向协同型。2011—2020年，中国数字化与智能化呈现协同发展态势的城市数量显著增加，整体趋向良好发展。2011年，达到协同发展的城市仅有1个（珠海），其原因可能为珠海位于珠江三角洲经济区，地理位置优越，毗邻香港和澳门，距离广州等大城市也比较近，享有较为发达的经济环境和资源优势。同时，珠海在科技创新方面投入较多，并且积极引进和培育高科技企业，推动了数字化与智能化协同发展。这些都为数字化与智能化协同发展提供了技术支持和创新动力。趋向协同型城市有2个（南京和中山），其中南京得益于地处长江经济带核心地区，中山则位于珠江三角洲经济区，两地都具有得天独厚的地理位置和区位优势。这些城市便利的交通条件和紧密的经济联系为数字化与智能化协同发展提供了良好的外部环境。2016年协同发展型城市增长至104个，集中分布于东部地区，约占50%；中西部地区城市协同发展程度较高的区域包括武汉、长沙、成渝和天山北坡城市群，得益于积极推进创新驱动发展战略，加大科技创新力度。同时，该地区拥有多所知名高校和科研机构，如武汉大学、华中科技大学和中南大学等，这些高校为数字经济的科技创新和人才培养提供了坚实支撑。2020年协同发展型进一步增加至140个，其中约半数以上分布于东部地区。相比而言，2011—2020年趋向协同型城市数量减少至7个，各类型之间相互转化较为少见，提升型仅有安顺1个城市，新增型主要集中于牡丹江、安庆和内江等市。
③协同滞后型。2011—2020年，协同滞后区域缩减明显，从2011年的200个降至2020年的11个城市，滞后型呈现出数量下降、质量提升特征的同时，其空间分异特征进一步强化，东中西部区域差距逐步拉大。2011年，除东北、东部和南部沿海地区以及少数省会或中心城市外，绝大部分区域处于发展相对滞后阶段，比例约占70.40%。此后，随着社会经济的迅速发展推进，至2016年，东部和中部大部分地区已经脱离“低—低”特征为主导的协同滞后阶段，区域的数字化发展水平与智能化发展水平都得到一定程度的提升与改善，协同滞后的城市下降至101个，但东中西部地区部分城市仍未完全扭转协同滞后的格局，贵港、南充等市直至2020年仍滞后于中国整体数字化与智能化协同发展进程。

3.5 协同分维特征的时空演化格局

由图4a可知，2011—2020年中国城市数字化与智能化基础协同趋势逐渐增强。初期，除部分成渝地区以及东部沿海地区外，约67.61%的城市尚处于数字化与智能化基础缓步发展阶段，呈现数智基础“低—低”的滞后协同特征。多数地区的数智基础呈现差距缩小，协调发展增加，并以长三角地区的协同水平最为显著，仅在西部地区仍存在少数城市处于数智基础协同滞后阶段。
图4 中国城市数字化与智能化协同发展分维属性的空间分布演变

Fig.4 Evolution of the collaborative development between digitalization and intelligentization in cities of China in 2011-2020

相比而言，中国城市数字化与智能化规模协同相对缓慢，数智规模发展差距扩大的现象普遍存在（图4b）。其中，哈长地区、京津冀以及东部沿海地区一直是数智规模协同高值区，具有较小的数字化与智能化差距。同时，长三角地区的规模协同状态始终处于前列，并形成明显的高值聚集区；而中国西部以及东北部分地区则一直处于数智规模发展失衡局面。相比于中西部，东部特大城市如北京、上海等市的数智规模发展差距要略大于其周边中小城市。可能原因是，这些地区的产业结构和发展方向不一致，如北京拥有多个高科技产业集聚区和创新型企业，这使得数字化的发展比较强劲。然而，数字化水平高并不意味着智能化水平就同样高。如果产业结构和发展方向与智能化不够契合，就会导致数字化水平与智能化水平的发展不协调。
除此以外，中国城市数智效率协同演进格局也呈现明显的区域分异特征（图4c）。其中，“胡焕庸线”以东地区具有较高的数智效率协同水平；相对而言，“胡焕庸线”以西地区仅有部分城市的数智效率协同水平较高，而大部分地区的数字化与智能化协同效率水平均较低。随着社会经济的快速发展，约有92.61%的城市都已发展成为数字化与智能化协同效率较高的地区，仅有少数西部地区，如贵港、昭通等市仍处于数字化与智能化协同效率较低的发展水平。

4 结论与建议

4.1 主要结论

本文从数字化与智能化协同发展的概念内涵出发，在市域尺度上基于基础、规模和效率3个维度构建了数字化与智能化协同发展耦合评价体系，测度了2011—2020年中国城市数字化与智能化协同发展的演化过程及阶段特征规律。主要结论如下：
①中国城市数字化发展差异明显，但发展差异的趋势逐渐减缓。其中数字化基础呈现下降趋势，而数字化规模以及数字化效率的发展波动较大。相比而言，智能化整体水平并未呈现出下降的趋势。其中智能化基础呈现出先下降后上升的趋势，而智能化规模呈现出持续上升态势，智能化发展效率呈现出波动上升与下降相互交替的态势。
②中国城市数字化与智能化协同发展的程度呈现递增的空间分布格局。其中，东部沿海、哈长、珠三角、长三角以及京津冀地区整体协同水平较高，数智发展协同态势良好的地区主要集中于牡丹江、安庆等市，协同较为迟缓的城市主要位于中西部地区，严重滞后型城市如贵港等零星分布于中部和西部部分地区。
与此同时，中国城市数字化与智能化协同发展水平在空间上的集聚程度呈增强趋势，空间聚集程度有所上升，存在较强的空间正相关性。其中，数字化HH型集中于长三角及京津冀；HL型分布于北部湾、关中平原及东北；LH型集聚西南；LL型见于珠三角局部。智能化HH型聚焦长三角；HL型分布于北部湾及东北；LH型散见于云南、甘肃；LL型集中于甘肃中部与北部湾。
③进一步将284个城市划分为4种数字化与智能化协同发展类型，其中协同滞后型城市缩减明显，但贵港、玉林、南充等市直至2020年仍滞后于中国整体数字化与智能化协同发展进程；协同失调型城市增加显著且多由协同滞后型转化形成，主要集聚于中西部地区，尤其是关中平原和中原城市群；趋向协同和协同发展型城市主要分布于东部沿海、哈长、珠三角、长三角和京津冀地区，且长三角地区多呈现协同发展协调共进态势，数字化与智能化协同发展程度进一步加深；东北地区、山东半岛以及山西中部地区城市数字化和智能化差距逐渐拉大，由协同发展型衰退为协同失调型。
④各维度数字化与智能化协同程度存在分异性，其中数智基础协同发展进程高于规模协同进程。2011—2020年，数字化与智能化基础协同趋势逐渐增强；相比而言，中国数字化与智能化规模协同相对缓慢，数智规模发展差距扩大的现象普遍存在；与此同时，数智效率协同发展进程呈现出一定区域分异特征。

4.2 政策建议

①提升区域优化路径。提升区域主要由协同发展型和趋向协同型城市构成，约占整体城市数量的51.76%。首先，协同发展型集中分布于珠三角地区、以长三角为中心的东部沿海地区以及京津冀城市群，趋向协同型城市主要集中于少数地区，如牡丹江、安庆等市。协同发展型城市首先应持续推进数字化转型。鼓励企业和机构进行数字化转型，推动传统产业数字化升级，培育新兴数字经济产业，完善平台生态系统[27]。加强科技创新投入，积极引进和培育高端科技人才，推动科技创新成果落地。深入推动开放合作，加强国内外数字化领域交流合作，推动跨地区、跨领域的数字化合作和创新，打造区域数字经济合作共同体。完善数字治理机制，加强数据安全和隐私保护，推动数字治理机制的建立和完善，促进数字化发展与社会治理的有机结合。其次，趋向协同型城市多由滞后协同或协同失调型逐渐改善形成。其应建设数字化创新平台，以数据为核心，打通各类资源，推广数字化创新模式，带动产业升级和创新发展；推进智慧城市建设，以实现人口、资源、环境等多方面信息的智能化，提高城市管理和服务的效率；推进跨地区跨领域的数字化合作，加强国内外数字化领域交流合作，共同推动区域数字经济发展。
②问题区域识别及建议。基于分类结果，将严重和中度协同失调以及协同滞后类型城市作为典型问题区域，并结合分维协同特征，将任意3种及以上维度存在协同失调/滞后的城市定义为多维协同失调/滞后，少于3种维度根据其制约因素进行界定，识别问题区域及其空间分布。协同失调型与协同滞后型数量近年来增加明显，其中严重和中度失调型主要集中于东北、中西部以及西南部地区。
协同失调型与协同滞后类型的城市具有高度的重叠性，其中严重和中度失调型主要集中于东北地区、北部湾和成渝城市群，空间分异性明显，制约因素复杂。具体而言，东北地区的经济主要依赖传统重工业和资源型产业，如煤炭、钢铁等。这些行业在数字化转型和数字化与智能化协同方面起步较晚，相对于新兴产业来说，数字化程度相对较低。同时，东北地区长期面临人口外流和人才流失问题，优秀的人才往往会选择到其他地区就业，导致该地区在数字化与智能化协同领域的人才储备相对不足。未来东北地区的协同发展可以通过政府政策，包括财政补贴、税收优惠、专项资金支持等，鼓励企业加大研发投入，推动产业技术创新和转型升级。除此以外，东北地区还可通过综合施策，提供良好的职业发展机会、改善生活环境和公共服务、提供有竞争力的薪酬福利待遇以加强人才引进和培养。北部湾城市群一方面由于其处于中国的偏远地区，较难受到发展成熟地区的辐射作用；另一方面，其又地处中国与东盟接壤的地区，可以充分利用自身的地缘优势，加强与东盟国家的经贸合作，推动数字化与智能化协同的发展。例如，政府可以签署自由贸易协定，降低贸易壁垒，促进双方的贸易和投资往来。而成渝城市群可能由于规模相对较小，缺乏对数字化与智能化协同产品和服务的需求，市场需求不足会影响企业的投资意愿和市场开拓能力，制约产业发展。未来可以通过优化产业结构，加强政府支持和政策引导，拓宽市场需求，并与其他地区建立合作关系，共同推动数字化与智能化协同产业的发展。与此同时，还应该保护和合理利用地球资源，采取环境友好型的生产方式，加强环境保护和生态恢复，促进人与地的和谐共处。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角[J]. 中国工业经济, 2020(5):23-41.

[2]
周济. 智能制造——“中国制造2025”的主攻方向[J]. 中国机械工程, 2015, 26(17):2273-2284.

[3]
何宇, 陈珍珍, 张建华. 人工智能技术应用与全球价值链竞争[J]. 中国工业经济, 2021(10):117-135.

[4]
陶长琪, 丁煜. 数据要素何以成为创新红利?——源于人力资本匹配的证据[J]. 中国软科学, 2022(5):45-56.

[5]
陈剑, 刘运辉. 数智化使能运营管理变革:从供应链到供应链生态系统[J]. 管理世界, 2021, 37(11):227-240,14.

[6]
黄鹏, 陈靓. 数字经济全球化下的世界经济运行机制与规则构建:基于要素流动理论的视角[J]. 世界经济研究, 2021(3):3-13,134.

[7]
Yoo Y, Henfridsson O, Lyytinen K. Research commentary—The new organizing logic of digital innovation:An agenda for information systems research[J]. Information Systems Research, 2010, 21(4):724-735.

[8]
欧阳日辉. 数字经济的理论演进、内涵特征和发展规律[J]. 广东社会科学, 2023(1):25-35,286.

[9]
李廉水, 石喜爱, 刘军. 中国制造业40年:智能化进程与展望[J]. 中国软科学, 2019(1):1-9,30.

[10]
惠宁, 杨昕. 数字经济驱动与中国制造业高质量发展[J]. 陕西师范大学学报(哲学社会科学版), 2022, 51(1):133-147.

[11]
石光乾. 金融科技赋能地方金融数智化监管:机制、挑战与对策[J]. 湖南社会科学, 2023(6):36-43.

[12]
柏培文, 张云. 数字经济、 人口红利下降与中低技能劳动者权益[J]. 经济研究, 2021, 56(5):91-108.

[13]
Liu Y, Dong J, Mei L, et al. Digital innovation and performance of manufacturing firms:An affordance perspective[J]. Technovation, 2023,119:102458.

[14]
Ferreira J J M, Fernandes C I, Ferreira F A F. To be or not to be digital,that is the question:Firm innovation and performance[J]. Journal of Business Research, 2019,101:583-590.

[15]
任燕, 董雨昕, 朱文斌. 数智乡村赋能乡村振兴的机理、困境与路径[J]. 哈尔滨商业大学学报(社会科学版), 2024(1):114-128.

[16]
王文. 数字经济时代下工业智能化促进了高质量就业吗[J]. 经济学家, 2020(4):89-98.

[17]
金飞, 孙月平, 徐笛. 区域协调视域下的产业数智化动态发展机制研究[J]. 经济问题, 2023(7):20-28.

[18]
张云, 柏培文. 数智化如何影响双循环参与度与收入差距——基于省级—行业层面数据[J]. 管理世界, 2023, 39(10):58-83.

[19]
马捷, 郝志远, 李丽华, 等. 数字化转型视域下的数据价值研究综述:内涵阐述、作用机制、场景应用与数据创新[J]. 图书情报工作, 2023, 67(15):4-13.

DOI

[20]
眭依凡, 幸泰杞. 人才培养模式创新:人工智能时代大学的紧迫课题[J]. 中国高教研究, 2024(3):8-16,21.

[21]
韩璐, 陈松, 梁玲玲. 数字经济、 创新环境与城市创新能力[J]. 科研管理, 2021, 42(4):35-45.

[22]
孙小强, 高秀云, 王玉梅. 制造业数智化融合转型发展的关键要素、机理分析及评价指标研究[J]. 中国科学院院刊, 2024, 39(2):323-332.

[23]
朱凌, 陈劲, 王飞绒. 创新型城市发展状况评测体系研究[J]. 科学学研究, 2008(1):215-222.

[24]
曾鹏, 刘一丝, 魏旭. 中国城市群循环经济与对外贸易耦合协调发展的时空演变研究[J]. 统计与信息论坛, 2022, 37(2):23-40.

[25]
刘亦文, 陈熙钧. 数智融合发展对中国减污降碳协同治理的影响研究[J]. 环境科学研究, 2023, 36(11):2189-2199.

[26]
马光威, 钟玉婷, 钟坚. 中国人工智能发展评价指标体系构建与实证测度[J]. 科技管理研究, 2023, 43(18):55-61.

[27]
陈南旭, 李宇轩. 平台生态嵌入与传统企业价值链攀升——来自中国制造业上市公司的经验证据[J]. 管理学刊, 2024, 37(2):100-121.

Options
Outlines

/

〈 〉