算力新質生產力對全要素生產率增長作用機制研究

沈紅兵,喻 婧,夏森茂

(1.重慶工商大學 經濟學院, 重慶 400041;2.中央財經大學 企業管理創新中心, 北京 100086;3.薩里大學 商學院, 英國 倫敦 TW20 0EX)

一、引言

習近平總書記強調:“積極培育新能源、新材料、先進制造、電子信息等戰略性新興產業,積極培育未來產業,加快形成新質生產力,增強發展新動能?！盵1]新質生產力是以科技創新為主導的生產力,是依靠創新驅動形成的高效能、高質量的生產力,區別于高度消耗資源能源的傳統生產力,是數字時代更具創新性和融合性的生產力[2]。在信息通信技術(ICT)深度融合的背景下,各行業加速向數字化、智能化轉型,數據存儲、傳輸和處理需求呈現出迅猛增長趨勢,同時,對算力資源的需求也呈現出持續增長態勢。到2024年,預計全球數據總量將以26%的年均復合增長率增長到142.6ZB(1)信息源于全球產業研究院的《2022—2023全球計算力指數評估報告》,https://www.tsinghua.edu.cn/info/1175/105480.htm。。算力作為數字經濟時代的新質生產力,能帶動數字經濟高質量增長,其計算力指數每提高1個百分點,數字經濟和GDP分別增長3.6‰和1.7‰[3]。截至2022年底,我國總算力規模達180EFLOPS,僅次于美國;存力總規模超過1 000EB,國家樞紐節點間的網絡單向時延降低到20毫秒以內。2023年全球GDP增長率只有2%[4],但數字經濟依然保持著強勁增長趨勢。算力已成為經濟發展的主要驅動力,是推動新發展格局形成、扎實推進經濟高質量發展的重要引擎。

隨著云計算、人工智能和大數據等前沿技術的迅速發展,算力基礎設施的重要性愈發凸顯。作為支撐各行業信息系統運行的關鍵要素,算力基礎設施在經濟社會運行中發揮著不可或缺的作用,對數字經濟發展產生了深遠影響。2015年以來,我國數據增量年均增速超過30%,數據中心規模從2015年的124萬家增長到2021年的500萬家[5]。目前,全國已建成8所國家級超級計算中心。我國算力產業規?？焖僭鲩L,算力核心產業規模達到1.8萬億元。預計到2025年,中國算力核心產業規模將不低于4.4萬億元,算力關聯產業規?？蛇_24萬億元[6]。以數據中心、超級計算中心等為代表的算力基礎設施建設進程加快,正成為支撐數字經濟發展的新基座[7]?；诖?本文研究算力及算力基礎設施發展過程中涌現的新質生產力,探究其對全要素生產率增長的作用機制。

本文余下部分的安排如下:第二部分為新質生產力與算力基礎設施、基礎設施的經濟效應綜述;第三部分對實證模型的構建、相關變量的確定以及數據來源進行闡述;第四部分對實證結果進行展示與分析,并對算力影響全要素生產率增長的機制、算力基礎設施網絡外溢效應對全要素生產率的異質性影響等進行分析;第五部分是研究結論與對策建議,以及本文的邊際貢獻和未來研究展望。

二、文獻綜述

新質生產力作為推動數字經濟高質量發展的核心力量,以新技術為驅動,創造新價值,深度適應新產業需求,激發新動能。新質生產力的發展對穩固數字經濟的堅實基礎具有重要意義。徐政等[8]認為新質生產力的核心要義是“以新促質”,以創新驅動高質量發展,告別傳統技術體系、擺脫傳統增長路徑、符合高質量發展要求,是數字時代更具融合性的生產力。張林等[9]從產業關聯角度分析,認為新質生產力是以科技創新為牽引,以戰略性新興產業和未來產業為母體,表現為發展新動能的生產力。令小雄等[10]分別從時空向度、結構向度、科技向度3個維度討論新質生產力的理論內涵,提出新質生產力包含多維意義,是新質的、高階的、具有科技革命性的生產力形式,具有高科技、高智能、高算力、高效率、高階式、高素質等創新能力和科技革命性、未來性等特質。作為數字經濟時代的新質生產力,算力為各行業的數字化轉型注入新的活力,成為推動高質量發展的重要引擎。算力網絡作為算力的主要載體,成為支撐發展的重要基礎設施[11]。

全要素生產率是新常態下唯一可持續的增長動力。因此,全要素生產率在中國經濟現實增長和理論研究層面成為重要性日益凸顯的研究對象。在內涵層面,Solow[12]將全要素生產率(TFP,Total Factor Productivity)理解為技術進步(TP,Technological Progress),構成了TFP研究的早期理論內涵。Farrell[13]使用成本概念對其進行內涵解釋,Leibenstein[14]則使用了宏觀經濟研究中更容易接受的產出概念,即技術效率,反映相同投入方式及投入條件機制分析下實際產出和理論最優產出之比。TFP的內涵在隨后的研究中分化為廣義的技術進步和狹義的技術進步[15-17]。在測度方法層面,最早使用的測算全要素生產率增長率的方法是索洛余值法,也稱增長核算法。該方法由于模型簡單、測算方便、合乎經濟原理,被廣泛用于測算全要素生產率[18-19]。李小平等[20]、張軍等[21]、顏鵬飛等[22]、郭慶旺等[23]、張保勝[24]測算了不同時間段的中國全要素生產率,并估算了全要素生產率增長在中國經濟增長中的貢獻。

關于基礎設施的經濟效應研究一直是學者們關注的熱點。在對傳統基礎設施的研究中,交通基礎設施的經濟效應是學者們考察的重點,已有文獻認為“高鐵開通”和“公路建設”等不僅在出口貿易[25]、技術創新[26]、產業升級[27]等方面表現出積極的經濟增長效應,對經濟高質量發展也存在正向激勵作用。隨著智算技術的發展與普及,以電子信息、寬帶網絡為代表的信息基礎設施開始為學者們所關注。目前,國外文獻關于信息基礎設施的經濟效應存在爭議。Koutroumpis[28]發現寬帶普及率的提升對經濟增長存在積極作用,Lin等[29]則認為該經濟效應并不明顯,甚至對部分地區的經濟發展存在抑制效應[30]。與國外研究不同,國內學者普遍認可信息基礎設施的經濟增長效應,且從宏微觀兩個層面進行驗證。在宏觀層面,信息基礎設施建設能夠推動創新能力提升[31]和產業結構優化[32];在微觀層面,信息基礎設施建設對企業升級[33]和勞動雇傭[34]均存在積極影響。

從已有研究成果來看,國內外學者對全要素生產率和信息基礎設施的經濟效應進行了深入研究,為進一步探討算力基礎設施建設的經濟增長質量提升效應做出了有益探索。但相關研究多基于信息基礎設施角度,鮮有研究分析算力基礎設施如何影響全要素生產率增長,進而影響數字經濟增長質量?；诖?本文試圖從新質生產力的視角,將算力基礎設施的固有屬性與“數字化”特征進行整合,探討其與全要素生產率之間的內在聯系及影響機制。

三、實證模型、變量及數據

(一)模型設定

算力基礎設施對用戶需求的滿足程度與網絡規模密切相關,隨著用戶數量的增加,邊際成本遞減,所有用戶獲取的收益率呈現遞增趨勢。網絡效應也稱網絡外部性(Network Externality),其本質是用戶在網絡規模上產生的經濟性,指用戶效用的提升取決于網絡規模的擴增,即用戶數量的增加。算力基礎設施是由眾多節點與連接構成的復雜網絡系統,憑借其跨越地理空間的特性,能夠關聯地理位置相近或相遠的節點與連接。梅特卡夫法則(Metcalfe’s Law)表明,網絡價值與網絡用戶的平方成正比,從這個意義上說,用戶規模與網絡正外部性對用戶的網絡需求產生重要影響[35]。網絡用戶基數不斷增加的同時,也帶動了知識的傳播與信息的交流?；诖?本文推斷算力基礎設施能夠推動智算技術進步。

智算技術知識的積累是衡量技術創新水平的重要指標,對于推動智算技術創新具有重要意義。本文設定某一時點t的智算技術知識積累總量為Bt;同時設定智算技術知識增長的平均速度為gB,用以衡量智算技術從開發到改進的速度。同時,知識傳播途徑的高效與否,也會直接影響數字創新團隊能否充分利用知識資源、推動智算技術的進一步發展。高效的知識傳播途徑能夠快速將知識傳遞給需要的團隊,幫助他們更快地掌握新技術、新方法,提高創新效率。此外,數字人力資本的積累在智算技術創新進程中也發揮著決定性的作用。數字經濟發展能顯著提高數字人力資本結構的高級化水平[36],算力基礎設施的完善對智算技術知識的擴散具有積極意義,算力基礎設施為知識的廣泛傳播提供了高效、穩定的基礎,進一步促進了智算技術知識的普及和應用。

數字經濟時代,算力基礎設施的不斷壯大和優化成為推動經濟發展的關鍵因素。隨著數字人力資本結構的優化,知識傳播效率得到顯著提升,這兩大因素與智能計算技術(簡稱智算技術)的進步形成了相互促進的良性循環,為整個經濟體注入源源不斷的創新活力。本文假設Mt為利用算力基礎設施傳播的智算技術知識總量,gM為智算技術知識在算力基礎設施用戶中的有效傳播速率,S為算力基礎設施的數量規模,χ為算力基礎設施的質量水平,gB0與gM0分別為智算技術知識增長速率與智算技術知識傳播速率的初始值,令:

gB=S×χ×gB0,gM=S×χ×gM0

(1)

令N(t)-N(t0)=N(t0,t), 0≤t0≤t,代表時間間隔[t0,t]內的創新頻率,{N(t0,t)=k}代表[t0,t]內出現創新的事件,此事件發生的概率是:

Pk(t0,t)=P(N(t0,t)=k)

(2)

當Δt足夠小時,Pk(t,t+Δt)=P(N(t,t+Δt))=λ(t)Δt。其中,λ(t)>0,是泊松流{N(t)}在t時刻的瞬時強度。智算技術創新是一個系統工程,需要智算技術資本、算力基礎設施以及數字人力資本等生產要素的緊密配合,故:

(3)

其中,系數Λ代表除智算技術知識積累Bt、智算技術知識傳播總量Mt以外的其他因素。

此外,設定單次創新的智算技術進步率為g,Zt代表智算生產技術水平,Zt在時間作用下的變化則表示為:

(4)

(5)

其中,Z0代表生產初期的智能計算技術水平。根據式(5)可以得到:

(6)

依據式(5)與式(6)可以發現,隨著算力基礎設施的規模不斷擴大、質量水平持續提升,其正向外部效應日益顯現。這些效應不僅有助于推動數字人力資本與智算技術的深度融合,更能激發出前所未有的創新潛能。這種融合與激發將全要素生產率提升到一個全新高度,為社會經濟的持續發展注入強大動力。因此,如果令算力基礎設施數量規模與質量水平為Q,則有:

(7)

(8)

其中,市場對不同區域生產的商品的替代彈性為θ;Ai,t指i地區商品在市場中的占比,即Ai,t代表i地區商品在市場中所占的份額,此份額與前期市場基礎份額Ai,t-1有關。算力基礎設施建設在數字經濟高質量發展中扮演著關鍵角色。一方面,算力網絡技術作為我國數字經濟增長的新引擎,能有效降低經濟增長的不確定性;另一方面,先進可靠的算力基礎設施對數字經濟的發展至關重要。因此,各省區完善算力基礎設施有助于加強地區間的溝通協作,降低市場信息不對稱程度,減少地區商品搜尋成本,進而降低該地區商品市場份額的不確定性?？傮w而言,算力基礎設施建設對降低不確定性、促進市場穩定具有積極意義。

由于存在前期市場基礎份額Ai,t-1,本文選取AR(1)模型,并根據i地區商品在市場上的占比,構建以下模型:

(9)

(10)

其中,σa表示給定的常數,函數f(·)用于評估算力基礎設施對不確定性的抑制能力。符號(+)則表示函數f(·)是算力基礎設施數量規模與質量水平Q的增函數,即算力基礎設施對不確定性的抑制能力會隨著其數量規模以及質量水平的提升而同步升高。

由式(9)可知,ai,t|Ii,t服從正態分布,故令ai,t|Ii,t～N(E[ai,t│Ii,t],v)。

算力作為推動經濟發展、提高生產效率的關鍵要素,地區間算力基礎設施水平的差異很可能對全要素生產率產生顯著影響。因此,本文主要關注算力基礎設施對各地區全要素生產率(TFP)的直接影響,暫不考慮經濟發達程度、物價指數等其他因素在地區間的差異情況。根據式(11)與式(12)可以計算得出i省份的平均算力資本扭曲指數τi,K,t以及平均數字技能勞動力扭曲指數τi,L,t為:

(11)

(12)

接著,測度i地區全要素生產率均值水平,得到:

(13)

基于此,本文重點探討算力基礎設施建設所引發的雙重網絡效應,包括數量網絡外溢效應和質量網絡外溢效應。算力基礎設施數量規模和質量水平的提升有助于促進區域間資源共享和互補。通過優化算力資源配置,算力基礎設施數量規模和質量水平的提升能夠提高各省際節點間的協同創新水平,進一步推動產業結構升級和全要素生產率的提升,同時還能緩解數據與算力資源錯配問題,為各類企業提供更為便捷、高效的算力服務,助力企業降低成本、提高競爭力?；谝陨戏治?本文提出如下假設:

H1:各省算力基礎設施數量與質量網絡能通過推動創新與緩解數據與算力資源錯配,推動其他省份全要素生產率的增長,形成算力基礎設施對全要素生產率的網絡外溢效應。

(二)算力基礎設施對全要素生產率的網絡外溢效應

參照Zhu等[37]的研究方法,本文構建算力基礎設施的網絡向量自回歸模型(NVAR),旨在從省級算力基礎設施數量(規模擴張)與質量(迭代升級)2個維度探究算力基礎設施對各省全要素生產率的網絡效應。為了更深入地理解這種效應,以及探討省級單位之間算力基礎設施的相互影響,本文以各省級單位為網絡中的節點,構建省級算力基礎設施網絡。在這個網絡中,節點間的關聯關系用網絡節點間的連線表示。假設網絡中共有N個節點,節點間的連線用ai, j表示,如果i省和j省存在關聯,則ai, j≠0,反之ai, j=0。由于本文關注的是某省級單位算力基礎設施所產生的網絡外溢效應,因此設定ai,i≠0,1≤i≤N,即節點與自身不存在連線,所有節點間的連接矩陣W={ai, j;i,j=1,2,…,N}。具體構建以下模型:

(14)

(15)

在式(14)與式(15)中,β1代表各省算力基礎設施數量及質量提升對全要素生產率的平均網絡外溢效應,β2則代表各省全要素生產率的網絡自激勵效應。

在探究算力基礎設施對全要素生產率增長的作用機制方面,本文通過分析整合其基礎設施屬性以及“數字化”特征,重點從創新推動和錯配緩解2個方面探討算力基礎設施對全要素生產率增長的雙重網絡效應,構建以下模型:

(16)

(17)

在現實中,算力資源錯配現象較為嚴重,很大程度上源于市場扭曲。市場扭曲可能導致資源配置不合理,從而影響整體算力效益。同時,算力要素主要包括算力資本和數字技能勞動力。因此,本文構建如下算力資本要素價格扭曲指數γKi和算力要素價格絕對扭曲指數γLi:

(18)

(三)數據來源與變量設定

1.數據來源

本文研究樣本為2015—2022年中國各省、自治區、直轄市的面板數據,數據來自《中國統計年鑒》《中國人口和就業統計年鑒》《中國算力發展指數白皮書》(2)源于中國信息通信研究院,http://www.caict.ac.cn/kxyj/qwfb/bps/202211/t20221105_411006.htm?！稏|數西算下新型算力基礎設施發展白皮書》(3)2022年9月,由國家信息中心信息化和產業發展部主任單志廣、中國信通院云計算與大數據研究所所長何寶宏、中國科學院計算技術研究所研究員張云泉聯合主編的《東數西算下新型算力基礎設施發展白皮書》在北京發布,這是中國“東數西算”戰略實施以來的首部算力設施白皮書。,以及各省、自治區、直轄市的統計年鑒。對于部分缺失數據,本文采用插值法進行補充。

2.被解釋變量

被解釋變量是全要素生產率(TFP)。本文采用考慮個體異質性的非效率時變面板隨機前沿分析方法(SFA)來對我國數字經濟中的全要素生產率進行精確測算,原因有以下3個方面:首先,SFA方法在分析過程中能充分考慮隨機因素對全要素生產率的影響,這與我國數字經濟發展的實際情況相契合,因為數字經濟領域存在許多不可測度的隨機性因素。采用SFA方法可以更準確地捕捉這些不確定性,更全面、更真實地反映全要素生產率的變化趨勢。其次,全要素生產率會隨著面板數據的變化而產生波動。因此,選取能夠充分體現全要素生產率動態變化特點的非效率時變的SFA模型,可使研究結果更具現實意義。最后,個體異質性在非效率項中扮演著重要角色。為了提高測算結果的準確性,本文將個體異質性因素納入模型,降低由于個體差異帶來的誤差,使研究結果更加可靠。

接著,利用SFA計算智算技術效率變化率,同時選擇最大似然估計對式(19)進行參數估計:

Yi,t=α0+βXi,t+εi,t

(19)

(20)

全要素生產率(TFP)的計算過程分為以下2個步驟:首先,選擇超越對數函數作為生產函數。這種選擇的優勢在于能夠放寬柯布-道格拉斯生產函數中的常替代彈性假設,使其具有更廣泛的應用范圍;同時,超越對數生產函數還可以用于檢驗函數形式的有效性。其次,考慮到模型涉及的主要變量,對各個變量進行處理:產出變量用各省扣除通脹因素后的實際GDP值衡量,以2015年不變價為基準進行計算;采用永續盤存法計算以2015年為基年的分省算力資本存量,反映資本的投入情況;用各省年末數字產業就業人口數衡量數字技能勞動投入。在以上處理的基礎上構建如下回歸方程:

lnYi,t=β0+βKlnKi,t+βLlnLi,t+βtt+0.5βKK(lnKi,t)2+0.5βLL(lnLi,t)2+0.5βttt2+βKLlnKi,tlnLi,t+βKttlnKi,t+βLttlnLi,t+vi,t-ui,t

(21)

然后,依據式(18)計算智算技術進步率TCit、智算技術效率增長率TEit、規模效率增長率TSit:

TCi,t=β0+βKlnKi,t+βLlnLi,t+βtt+0.5βKK(lnKi,t)2+0.5βLL(lnLi,t)2+0.5βttt2+βKLlnKi,tlnLi,t+βKttlnKi,t+βLttlnLi,t

(22)

3.核心解釋變量

通過運用主成分分析方法,本文對IPv4地址數、每萬人域名數、長途光纜線路長度、網站數與地區法人單位數的比值、互聯網接入端口數等指標進行分析,以數據可得性為基礎,構建衡量算力基礎設施數量規模的綜合性指標。

通信技術是支撐算力基礎設施建設的核心動力,也是算力基礎設施質量提升的重要標志。因此,本文在衡量算力基礎設施質量提升時,主要以4G向5G技術演進的關鍵節點為基礎,構建以下指數來描繪算力基礎設施質量提升的過程:

(23)

其中,4Gi,t和5Gi,t分別代表在t時刻i省使用4G與5G通信技術的用戶總量,算力基礎設施質量提升的特征變量通過單位時間內i省在t時刻的總平均可通信增加量的對數值進行測算。4G技術的平均通信速度為55 Mbps,以2013年12月至2019年1月為例,得到i省在t時刻算力基礎設施質量提升指數:

(24)

隨著5G技術的普及,自2019年1月起,原先使用4G的用戶開始大規模轉向5G。同時,新用戶在選擇通信方式時,也傾向于5G。5G技術以其平均334 Mbps的通信速度,在速度上具有顯著優勢,逐漸成為市場主導。相應地,4G的影響力逐漸減弱。故i省在t時刻算力基礎設施質量提升指數為:

(25)

4.控制變量

本文選取以下控制變量:(1)數字教育投入。數字教育投入有助于培養具備創新能力的高素質人才,提高我國智算技術研發水平,加速技術創新成果的轉化與應用,從而提高全要素生產率。本文用數字教育支出占地方財政支出的比重衡量數字教育投入,以評估其對人力資本結構的影響以及在推動全要素生產率提升方面的作用。(2)數字金融。數字金融發展在提高全要素生產率方面發揮了積極作用。數字金融中介通過解決信息不對稱問題,優化算力資源配置,推動智算技術進步。本文用金融機構年末貸款總額占地區生產總值的比重衡量數字金融發展水平,以評估其在提高全要素生產率方面的貢獻。(3)政府干預程度。在優化算力資源配置和促進全要素生產率增長的過程中,政府的干預扮演著至關重要的角色。本文用財政支出占財政收入的比重來衡量政府干預程度,以評估政府財政支出對全要素生產率的影響以及政府干預程度對市場分割的影響。(4)對外開放。對外開放能夠促進我國與智算技術前沿國家的交流,推動我國智算技術創新,進而提升全要素生產率。本文用外商算力基建投資綜合與地區生產總值的比值來評估對外開放程度,分析其對全要素生產率的影響。(5)交通基礎設施。交通基礎設施是影響全要素生產率的重要因素之一。本文用鐵路、公路里程數衡量交通基礎設施狀況,以評估交通基礎設施的發展狀況及其對全要素生產率的影響。

主要變量的定義與描述性統計結果詳見表1。

表1 主要變量的定義和描述性統計

四、實證結果分析

(一)基準回歸結果

表2和表3是根據式(14)和式(15)構建的網絡向量自回歸模型所呈現的基準回歸結果。從中可以看出,算力基礎設施的數量和質量呈現顯著的正向網絡外溢效應。算力基礎設施的數量規模每提高1%,全要素生產率將提高約3%;算力基礎設施的質量水平每提高1%,全要素生產率將提高約8%。這兩項研究結果均證實了算力基礎設施在推動數字經濟發展和提高生產效率方面的重要作用。

表2 算力基礎設施數量對全要素生產率的網絡外溢效應

表3 算力基礎設施質量對全要素生產率的網絡外溢效應

續表(表3)

算力基礎設施所發揮的正向網絡外溢效應,對現有文獻關于基礎設施促進全要素生產率增長的相關研究進行了有益的補充和完善;同時,進一步印證了以互聯網普及率來衡量算力基礎設施的重要性,以及算力基礎設施發展對全要素生產率提升的正向作用。算力基礎設施在當今社會經濟發展中具有舉足輕重的地位,其對全要素生產率(TFP)的正向網絡外溢效應主要體現在以下2個方面:首先,在算力基礎設施規模不斷擴大的過程中,其對TFP增長的正向網絡外溢效應愈發顯著。當一個省份的算力基礎設施規模擴大時,將對其余省份的TFP產生積極影響。這種影響通過地理網絡得到強化,從而提升TFP的增長速度。此外,這種正向影響的程度還會隨著兩地關聯性的增強而加深。這意味著,在一個緊密相連的經濟網絡中,發達的算力基礎設施能夠帶動周邊地區更快地發展,進而提高整體TFP。其次,算力基礎設施的迭代升級對TFP增長產生顯著的正向網絡外溢效應。一個省份的算力基礎設施實現升級,將對具有較強地域關聯的其他省份的TFP產生顯著推動作用,不僅能加強省份之間的經濟聯系,還有助于提升整體的全要素生產率。

(二)穩健性檢驗

根據表4的研究結果,可以發現算力基礎設施數量網絡與質量網絡在經濟距離和人口距離影響下,均具有顯著的正向網絡外溢效應,進一步說明算力基礎設施的網絡外溢效應對全要素生產率的提升具有顯著影響,論證了前述研究結論的穩健性。

表4 算力基礎設施在不同距離下的網絡外溢效應

(三)內生性檢驗

根據現有研究成果,TFP增長與算力新質生產力間可能存在相互依存的關系。一方面,算力基礎設施有助于推動智算技術進步與效率提升,進而有效促進TFP增長;另一方面,TFP具有顯著的區域擴散效應。在地區間TFP水平存在差異的情況下,落后地區不斷向先進地區追趕,推進算力新質生產力的應用,從而縮小區域TFP水平差距。這種相互依存關系可能導致內生性問題,從而影響計量結果的準確性。

為解決此問題,本文采用滯后一期和滯后三期的算力基礎設施數量指標作為工具變量,對模型分別進行兩階段最小二乘法估計(2SLS),結果見表5。結果表明,估計結果與基準回歸結果相比沒有顯著性差異,內生性問題對實證結果的影響較小,即本文的實證結果是穩健的。

表5 內生性檢驗

(四)機制分析

1.網絡外溢效應通過緩解算力要素錯配推動全要素生產率增長

算力資本與數字技能勞動力的價格失衡可能會對全要素生產率的提升產生負面影響。在算力要素價格扭曲的情況下,市場無法有效配置算力要素,從而降低了生產效率。然而,算力基礎設施網絡具有的外溢效應能夠在一定程度上減輕價格扭曲對生產力增長的阻礙作用。表6的實證分析結果顯示,算力基礎設施網絡(包括數量網絡和質量網絡)與機制變量的交互項回歸系數為正,表明算力基礎設施網絡的外溢效應在很大程度上降低了價格扭曲對生產率增長的抑制程度,通過降低資本與勞動力錯配,算力基礎設施有力地促進了全要素生產率的提高。

表6 算力基礎設施網絡外溢效應與緩解錯配的機制分析

2.網絡外溢效應通過推動創新促進全要素生產率增長

為深入探討算力基礎設施在促進全要素生產率增長中的作用,本文從以下2個方面考慮:一個是創新數量,二是創新質量?？紤]到創新質量對全要素生產率的影響更為顯著,將創新質量作為衡量智算技術進步的關鍵指標;用各省實用新型和外觀設計專利數量衡量創新數量,用發明專利數量衡量創新質量。

基于式(16)與式(17)進行回歸估計,結果如表7所示。由表7可知,網絡外部性在提升創新數量和創新質量方面具有顯著作用,進一步闡述了可以通過優化算力基礎設施的數量和質量推動全要素生產率的提高。在創新對全要素生產率的促進作用方面,算力基礎設施數量與質量間存在顯著的差異,相較于單純地增加算力基礎設施的數量,提升算力基礎設施的質量所產生的網絡外部性更能通過促進創新有效推動我國全要素生產率的提升。這是因為算力基礎設施質量的提升不僅可以直接推動創新,還可以通過優化資源配置、提高生產效率等方式,進一步提升全要素生產率。至此,假設H1得到驗證。

表7 算力基礎設施網絡外溢效應與創新推動的機制分析

由現有研究結果可知,算力基礎設施質量與數量在推動創新和全要素生產率增長方面存在明顯區別。首先,現代通信技術的應用能夠極大加速知識的傳播,進而促進企業創新;通信技術的持續更新換代對于創新推動作用的影響愈發重要。這一點可以從創新微觀主體,即企業的角度進行驗證。智算技術的革新為企業提供了強大的計算能力,激發了企業的生產潛力,提升了經營效率,從而推動創新的高質量發展。其次,在基礎設施建設方面,新基建的崛起,如5G、人工智能等,對于創新質量的提升具有積極的推動作用。特別是智算技術創新,不僅為企業提供了新的生產工具,更為產業結構的升級換代提供了強大動力,對產業結構升級的推動作用顯著。綜合現有研究結論以及本文對算力基礎設施質量網絡與數量網絡在推動創新和全要素生產率增長的異質性實證分析可知,相較于單純增加算力基礎設施的數量,提升算力基礎設施的質量更能推動技術創新,從而促進全要素生產率增長。

(五)異質性分析

由表8的實證分析結果可知,在推動智算技術進步率、智算技術效率增長率以及規模效率增長率方面,算力基礎設施網絡的外溢效應呈現顯著的差異性,算力基礎設施網絡的外溢效應能夠顯著促進智算技術效率和規模效率的提升;但對于智算技術進步率,該外溢效應卻表現為顯著的抑制特征。相較于對智算技術效率增長率與規模效率增長率的促進作用,算力基礎設施網絡外溢效應對智算技術進步率的抑制作用較小。

表8 算力基礎設施網絡外溢效應對全要素生產率的異質性影響

智能計算技術(簡稱智算技術)的發展對生產力的提升具有顯著的推動作用,這種作用通過其進步率得以體現。智算技術的進步率不僅反映了生產技術的先進性,也揭示了其在推動經濟發展中的重要性。首先,先進的智算技術具有天然的自然壟斷特性。在技術發布初期,由于其復雜性和高昂的推廣成本,智算技術往往難以在全國范圍內迅速普及,這些技術會首先在智算技術已經存在的地區得到應用,從而形成自然壟斷。壟斷帶來地區間的智算技術差距,使某些地區在生產力方面具有相對優勢。其次,算力基礎設施在促進地區間生產力發展的過程中起到了至關重要的作用,它能夠緩解算力要素(包括算力資本和數字技能勞動力)的價格扭曲問題,使這些要素在地區間的流動變得更加順暢。在此基礎上,算力基礎設施的網絡外溢效應進一步凸顯了先進智算技術與算力資本和數字技能勞動力緊密結合的優勢。然而,算力基礎設施網絡的外溢效應并未在平均水平上推動各地區智算技術進步率的增長,反而加劇了地區間的差距。這是因為先進智算技術的地區間差距在這種外溢效應下被進一步放大,從而使某些地區在生產效率上擁有更大的比較優勢。

簡單來說,智算技術效率和規模效率就是利用現有的智算技術水平,通過合理配置和利用算力資源,以及發展規模經濟來提升生產效率。在前期的研究中,算力基礎設施具有顯著的網絡外溢效應,這種效應能夠優化算力要素的配置,減少錯配現象,從而推動全要素生產率的提升;同時,這也使算力資本和數字技能勞動力得以更有效結合,提高其配置效率。這種優化和效率的提升,對促進智算技術的進步和規模效率的提升起到了積極的推動作用。除此之外,算力基礎設施的質量網絡對全要素生產率的增長具有顯著影響,主要體現在2個方面:一是通過技術創新推動生產率的提升,二是促進新技術的誕生和應用,進一步推動智算技術的進步。

五、研究結論與對策建議

(一)研究結論

本文通過深入剖析算力基礎設施的基礎屬性與“數字化”特征間的內在聯系,運用2015—2022年中國30個省、自治區、直轄市的面板數據,對算力新質生產力與全要素生產率間的關聯及作用機制進行系統研究。研究結果表明:首先,算力基礎設施具有顯著的網絡溢出效應,這一效應推動了全要素生產率的增長,算力基礎設施的規模和質量均對全要素生產率產生積極影響。其次,算力基礎設施通過促進創新、緩解算力資源錯配實現全要素生產率的增長,這說明優化算力資源配置和激發創新活力是提高全要素生產率的關鍵途徑。進一步研究發現,在促進全要素生產率增長方面,算力基礎設施數量與質量網絡溢出效應存在一定差異:質量網絡可通過緩解生產要素錯配、推動創新來提高全要素生產率,而數量網絡僅能通過緩解生產要素錯配來促進全要素生產率的提升。最后,算力基礎設施的數量與質量網絡溢出效應通過推動技術效率和規模效率的提升,進一步推動全要素生產率的增長。本研究從多個維度揭示了算力新質生產力與全要素生產率之間的關聯及作用機制,為我國算力基礎設施發展提供了有益參考。

(二)對策建議

基于上述研究結論,本文提出以下對策建議:

1.推動算力技術創新,促進算效提升

一方面,基于對大數據分析和AI技術的智慧管理項目研究,打造AI算力資源調度系統,對AI算力的IT系統能效進行全生命周期管控;針對AI訓練、AI推理、AI研發等場景,對AI算力進行效率優化;同時引入AI智慧算法,通過AI實時尋優獲取大型數據中心、算力中心、超算中心等算力基礎設施的最優布局策略,實現算力基礎設施總體布局最優的智慧運行。另一方面,加強專注數據加速處理以及云端各類資源管理的DPU芯片創新,推動多樣化、跨體系處理器協同,重構重建硬件體系架構,促進軟硬融合協同。具體來說,硬件架構突破以CPU為中心的體系,應用維度從芯片內、節點內向系統級分區異構逐步深化,實現更大規模的多系統高效并行調度。軟件協同以跨域統一和靈活調配為重要方向,借助統一異構軟件平臺整合編譯器、編程語言、加速庫、開發工具等,提供面向底層不同計算架構的編程模型和應用程序接口,實現多樣異構算力的統一管理調度。依靠數字化手段推動算力技術創新,是進一步促進算效提升、實現算力優化升級的必經之路。

2.匯聚算力資源,優化算力要素供給

首先,應整合各類可利用的算力資源,包括計算設備、云平臺、大數據中心等,打造統一的算力資源監測、調度、管理和運營體系。這個體系將有助于優化資源配置,提高算力資源的利用效率,為各類應用場景提供堅實的算力保障。其次,應著重發展新型數據中心。這類數據中心具備匯集多樣化數據資源、提供高效算力服務、處理大規模數據的能力。新型數據中心不僅能夠滿足日益增長的算力需求,還能承擔國家重要數據資源的存儲備份等職責,保障國家數據安全。此外,需強化算力資源的統籌調度與供需對接,支持算力基礎設施集群建立計算能力統一調度運營機制,提升算力資源的外部輸出和服務能力,這將有助于實現算力資源的高效利用,降低社會成本,提升我國在全球算力市場的競爭力。在推進算力資源整合和發展的同時,還要加快“老舊小散”數據中心的改造升級,引導核心區域數據中心向邊緣數據中心發展,推動現有“老舊小散”數據中心的遷移、整合,提升現有數據中心對全要素生產率增長的貢獻。這將有助于優化數據中心布局,降低能源消耗,提高算力服務水平,滿足不斷增長的算力需求?？傊?構建全面的算力資源監測、調度、管理和運營體系,發展新型數據中心,強化算力資源統籌調度,加快數據中心改造升級,是實現我國算力能力提升的重要途徑。

3.加大智慧教育投入力度,培育算力基礎設施創新人才

為了支持我國數據中心的建設和大數據產業發展,應成立大數據產業研究院,為相關政策制定和產業發展的決策過程提供有力的智力支持和咨詢服務。通過深入研究和分析當前產業面臨的問題,提出針對性的解決方案,從而推動整個行業的健康發展。各級政府應制定并落實一系列配套政策,鼓勵支持高校和職業院校優化專業設置,特別是在數字經濟、人工智能、大數據、區塊鏈、虛擬現實等領域,應進行合理規劃和管理,滿足產業發展對人才的需求。通過調整和優化專業設置,培養更多具備相關專業技能的人才,為產業發展奠定堅實基礎。此外,還應加強職業院校、高校和科研院所與省外人工智能、大數據等領域機構的合作,通過共建產業學院、研究院、聯合實驗室和實習基地等,實現資源共享和優勢互補,進一步推動人才培養和科技創新。為了確保我國在數據采集、分析、清洗、加工等關鍵領域的領先地位,需加大對藍領技術人才的培養力度,注重儲備人工智能、機器人、虛擬現實和算力應用等領域的中高端專業人才,以滿足產業發展對人才的需求。通過提高人才培養質量和數量,確保我國在數字經濟和大數據產業領域的持續競爭力。通過提升算力基礎設施創新人才儲備和培育工作的效率和質量,可以為全要素生產率的提升注入新的動力。

(三)邊際貢獻與未來展望

本文可能的邊際貢獻在于:從新質生產力的視角出發,構建考慮個體特征變量和環境變量的生產函數模型,并將個體異質性與生產函數中的非效率項進行區分,消除隨機因素的影響,更準確地刻畫生產過程中的技術進步和效率變化,為算力新質生產力對全要素生產率增長作用機制的研究提供了有益的補充。

未來還可以從以下方面進行拓展研究:首先,在本研究基礎上進一步對勞動力進行細分,分析不同技能勞動力對算力基礎設施中新質生產力的影響,分析其對全要素生產率增長的作用效果;其次,在本研究基礎上引入研發部門,深入了解研發投入如何影響算力基礎設施的建設,進而影響全要素生產率增長;最后,城市資源異質性會限制算力基礎設施的發展,因此,可以在本研究基礎上考慮城市的不同資源對算力基礎設施中新質生產力的影響。