摘要：在“双循环”新发展格局下，以人工智能为代表的数字技术已经成为加快商品流通、打破贸易界限、 促进现代流通业新业态产生的重要助力。本文通过“VHSD-EM”模型结合随机森林算法、偏效应分析等方法， 研究现代流通业和人工智能发展的时空差异，发现各省份人工智能发展和现代流通业高质量发展的相对水平总体 是一致的，且前者的发展要快于后者。人工智能与就业、金融发展、政策等其它要素相互作用，共同促进流通业 发展，但影响路径存在空间差异。人工智能利用场景仍有很大的扩展空间，推动数字技术下沉、扩大人工智能要 素的投入依然是推动流通业高质量发展行之有效的途径。
关键词：人工智能；现代流通业；“VHSD-EM”模型；随机森林算法；偏效应分析
引言
流通业的发展带动着商流、物流、信息流以及资金流 的流动，在经济发展中起着先导性作用，在推动国民经济 的转型升级、社会进步方面也具有重要意义。如今计算机 技术对流通业产生了深刻的影响，互联网、浏览器及搜索 引擎的问世和快速发展，使得运用海量数据的“机器学习” 迅速崛起，人工智能的应用最终使得流通领域发生了惊人 的变化，促成了流通新业态的出现。
高质量发展的内涵随着社会发展会出现变化，因此对现代流通业高质量发展设立评价指标时，要兼顾科学性和创新性。党的十八届五中全会上提出了经济高质量发展应遵循创新、协调、绿色、开放、共享的五大发展理念，这 也是之后许多学者在研究经济高质量发展时所遵循的主要 框架。陈树广等为商贸流通业设立了包含五大发展理念和安全保障六个维度的高质量发展评价体系，其中安全保障强调了通信能力的重要性。在数字经济时代，现代流通产业的高效运行离不开计算机网络的普及应用，因此对于现代流通业高质量发展的定义必定要涉及产业信息化水平。 综上所述，本文将从创新、协调、绿色、开放、共享和信 息化程度六个维度设立指标，对现代流通业高质量发展进 行更全面、更符合现代化发展趋势的综合评价。
在对人工智能发展水平进行评价时，国外学者普遍认为虽然人工智能是一种“机器”，但归根到底还是要为人所用，评价其发展水平离不开它在经济社会中的实际应用能力。国内关于人工智能的研究起步则较晚，而且多集中 在人工智能的发展投射在经济上的表现这一视角。认为人工智能技术创新水平应从人工智能的相关基础设施 建设情况、资金与人员投入、人工智能研究成果、人工智能企业经济效益等角度进行衡量。刘亮等对中国人工智能技术成熟度进行测度，认为人工智能的发展水平与其应用 在产业中的程度有着很强的关系，较高的人工智能发展水 平应满足三个条件：第一，本地区拥有较为完善的人工智能基础设施；第二，产业拥有使用人工智能的技术、人才等条件；第三，人工智能发展可以带来切实的成果，也就 是拥有产出的能力。事实上，各国学者对于人工智能发展水平的评价指标建立并未完全统一，基于已有研究，本文选取了基础设施建设、人工智能应用能力和人工智能应用 成果三个方面对人工智能发展水平进行测度，较为全面地 衡量了人工智能从技术准备到最终成果整个过程的发展情况。人工智能在不同产业的应用前景并不相同，所催生的新业态和新模式将推动产业结构转型升级。Cheng 等认为 就业规模越大和资本劳动比越高的企业，应用机器人的程 度也越高。流通业无疑是典型的劳动密集型产业，因此人 工智能未来会在流通业得到更多的应用。
现有研究还存在着以下不足：第一，现有研究关于人 工智能对流通业影响的程度、这种影响是否会随着时间和 环境的变化而变化以及如何变化等方面都没有明确的结 论；第二，在研究方法上，主流研究模型在处理高维度数 据时往往难以解决变量之间的相关性问题，面对新样本时 泛化能力有限，而随机森林模型在变量较多时能更好地平 衡这一问题。本文将随机森林模型与流通业高质量发展和现代流通业高质量发展水平的差异，通过随机森林模型和偏效应图，分析人工智能发展水平对于现代流通业高质量发展的影响机制，丰富了该问题的研究视角。
现代流通业高质量发展和人工智能发展水平的评价
（一）评价指标体系
本文参考和总结了已有研究成果，并且结合流通业发展的理论与实际情况，从创新、协调、绿色、开放、共享、信息化六个角度来构建现代流通业高质量发展的评价指标体系，具体指标如表1所示。在参考已有的研究成果后，本文从人工智能基础设施建设、人工智能应用能力、人工智能技术成果三个方面建立了人工智能发展水平评价指标体系，具体指标如表2所示。
（二）数据来源
考虑到数据的可得性，本文选取的样本为除西藏和港澳台地区外的其它30个省份，数据主要来源于2015-2020年间的中国统计年鉴、各省份统计年鉴、国家知识产权局、国际碳行动伙伴组织（ICAP）、国际机器人联合会（IFR）和各地工业机器人协会等。对于部分缺失的数据，通过采用往年均值、计算其它地区数据与总量的比值再进行换算等方法处理。
（三）时空维度下的演变分析
“VHSD-EM”模型即将“纵横向”拉开梯度法和熵值法相结合的组合研究方法，它平衡了二者的优劣势。根据“VHSD-EM”模型测算各年度各省份现代流通业发展指数和人工智能发展指数，首先要对数据进行标准化处理，解决数据量纲问题。由于篇幅限制，此处不对标准化处理等结果进行赘述，两个模型通过斯皮尔曼检验，结果如表3所示。由斯皮尔曼检验结果可得，现代流通业高质量发展指数和人工智能发展指数之间有着较强的正相关性，且评价结果均在5%的显著性水平下显著，两种评价方法结果具有一致性，可以构建“VHSD-EM”模型。
通过“VHSD-EM”模型得出2015-2020年间各省份现代流通业发展指数和人工智能发展指数变化，如图1所示。从图1看出：第一，中国各省现代流通业发展水平和人工智能发展水平都呈现上升的趋势，但变动的幅度仍有差别。现代流通业发展曲线更为平缓，其上升幅度要略小于人工智能发展水平曲线。某项技术从发展到应用这一过程对于产业发展的正向影响有一定的滞后性，这种影响需要更长的时间才会表现得更加明显。第二，现代流通业高质量发展指数呈现东部高、西部低的态势，这与经济发展水平高低相吻合。东南沿海地区第三产业发展水平较高；中部地区内部差异大，且呈现两极分化的趋势；西北地区得分较低，区域内现代流通业发展水平差异较小，发展水平不高。第三，中部和西部地区的两条曲线较为平缓，东部地区曲线变动幅度较大，增速大于中部和西部地区。这与经济发展情况类似，即经济水平越高的东部地区，越可以利用已有的发展优势进行积累，取得更高的经济增速。
人工智能对现代流通业高质量发展的影响及路径分析
人工智能对现代流通业高质量发展的直接影响
本文选择现代流通业高质量发展指数作为目标值，使用随机森林算法研究人工智能对现代流通业高质量发展的影响。人工智能发展水平并非影响现代流通业发展的唯一变量，在研究这一问题时无法舍弃其它相关因素的影响，而且人工智能与其它因素的相互作用也会为产业发展带来新的动力。因此，在参考已有研究的情况下，本文另选取10个变量作为特征变量，这些特征变量主要涵盖科技发展水平、社会经济发展水平、政府政策扶持、对外贸易和金融发展水平五个方面，具体解释如下：科技发展水平包括技术市场成交额、国内外专利申请授权量2个指标，单位分别为亿元和件；社会经济发展水平包括就业情况和企业发展情况，用就业密度、规模以上企业数、流通业从业人员占比3个指标来测度，其中就业密度为就业人数与土地面积之比，规模以上企业数单位为个，流通业从业人员占比为城镇及农村流通业从业人员数量与总的就业人数之比；政府政策扶持由政府干预程度来衡量，其计算方式为政府预算支出占GDP的比重；对外贸易用外资投资占比来测度；金融发展水平包含了年末金融机构存款余额占比、年末金融机构贷款余额占比、社会融资规模3个指标，年末金融机构存款余额占比和贷款余额占比分别为存贷款余额除以GDP衡量。以上数据均来自于全国和各省份统计年鉴。确定了目标值和特征变量后，使用随机森林算法对模型进行训练和学习，可以得出各特征变量对现代流通业高质量发展的影响贡献率，结果如表4所示。未加入交互项时，人工智能发展指数的贡献率为17.40%，能够促进现代流通业的发展。其余10个特征变量也对现代流通业的高质量发展起着不同程度的促进作用，就业密度的影响最大，贡献率达到了25.40%，其次是流通业就业从业人员占比，贡献率达到了22.50%。贡献率最高的两个指标均为就业相关指标，说明作为传统劳动力密集型产业之一，现代流通业的发展依然与就业情况挂钩。除此之外，年末金融机构存款余额占比与政府干预程度也对现代流通业发展有着较大的影响。加入交互项后，人工智能综合得分的贡献率有所下降，由17.40%下降到13.70%，与其它要素的交互项贡献率则达到了46.50%，说明除了直接影响外，人工智能还通过与其它因素的交互作用对现代流通业的高质量发展造成间接影响，其对于现代流通业的推动作用可能会由于其它因素影响而产生不同的效果。 2015-2020年各省份现代流通业高质量和人工智能发展指数变化趋势注：实线为现代流通业高质量发展指数，虚线为人工智能发展指数。其它特征变量的贡献率也在加入交互项后产生了一些变化。就业密度、流通业就业从业人员占比的贡献率较高，分别达到了12.60%和11.40%，这两个特征变量自身直接的贡献率则从25.40%和22.50%下降至11.70%和11.10%。自身贡献率下降较多的还有年末金融机构存款余额占比、政府干预程度，贡献率分别从10.00%和7.30%下降至4.70%和3.80%。无论是从自身单独影响还是与人工智能技术发展的相互作用来看，提高就业水平对于促进现代流通业高质量发展都有着显著的推动作用。政府干预、社会金融发展等因素的影响也不能忽视，但这些特征变量在与人工智能科技结合后会发挥出更强的推动效果。相比较之下，企业数量、专利授权申请量和外资利用情况等因素对流通业发展的影响则不是那么显著。
（二）人工智能对现代流通业高质量发展的影响路径
偏效应反映了特征变量处于不同状态时，对流通业高质量发展能够产生的作用大小。本文通过偏效应函数，分析各省份经济要素是否达到或偏离最优点，结合随机森林算法得出的贡献率，探究各地区现代流通业高质量发展的最佳路径。引入交互项绘制人工智能发展指数与其它特征变量的二维双变量偏效应图，将各要素结合起来，探究更为具体、科学的现代流通业高质量发展路径。本文选取与人工智能发展指数交互项贡献率最大的四个变量，即就业密度、流通业从业人员占比、技术市场成交额和年末金融机构存款余额占比进行分析，将各省份2020年度的实际观测数据标在图中，并且标明了距转折点较近的省份名称，结果如图2所示。图2分别为人工智能与四个特征变量的双变量偏效应图，颜色深浅的变化记录了现代流通业高质量发展指数的升降情况，由深到浅的等高线越密集，现代流通业高质量发展指数变化得越快，要素自身的偏效应越强。
从人工智能发展指数和特征变量各自维度出发，分别找到对应偏导数最大点，两个要素最大偏导数相交处联合偏效应最大，该点即为最佳要素投入点。以此点为原点将每个双变量偏效应图分为四个象限，位于第一象限的省份人工智能技术和特征变量都已越过了最佳投入点，位于第二象限的省份只有特征变量达到了最佳投入点，位于第三象限的省份人工智能和特征变量都未达到最佳投入点，位于第四象限的省份只有人工智能达到了最佳投入点。考虑与其它特征要素的相互作用时，除广东、北京等外，其余大部分省份人工智能发展水平都未越过最佳投入点，即各省份人工智能发展程度依然有限。
上海、江苏、北京等省份都已越过最佳投入点，单纯的要素投入已经无法为这些地区流通业发展提供最大力度的支撑，增加要素投入已经不是最有效的发展策略，因此需要转变发展战略，采用调整产业结构、落实政策支撑等方式寻找新的经济增长点。这些地区应进行要素升级，从要素投入量的增加转变为质的提升，结合已有的技术优势，提高对高端要素的集聚能力和高技术要素的资源配置效率，提高全要素生产力。图2（a）中，浙江、四川、天津等地区就业密度并未达到最佳投入点，但基本都达到人工智能最佳投入点，这些地区自身科技禀赋、经济基础都较为成熟，此时就应大力进行人才吸纳、鼓励就业的发展战略，以期在与人工智能相互作用下更大程度地发挥自身影响水平。图2（b）中，河南、山东、四川等中部和西南地区流通业从业人员占比未达到最佳投入点，地区流通业发展与其自身经济基础并不匹配，流通业发展落后于经济整体发展水平，人才趋向于流入其它产业。华北和西南部分地区正处于经济快速增长时期，人工智能成果主要聚集在高精尖领域、技术难以落地。为了满足经济发展需要，这些地区倾向于把有限的资源要素投入高新技术领域，先发展高新技术产业，再带动流通业等基础产业的发展，从而暂时造成了流通业就业的短板。图2（c）中，青海、宁夏、新疆等西北地区技术市场成交额未达到最佳投入点，在科技成果的应用、直接资金投入等方面居于弱势。西北地区产业以传统农业为主，数字技术应用需求偏低，现代工业与服务业生存空间较小，造成高新技术产业发展也有限，同时由于资金、科技等要素的限制，许多网络基础设施和数据智能基础设施建设不够完善，这些短板制约了地区人工智能技术的发展，也不利于数字技术在生产中的应用。吉林、黑龙江等东北地区也存在技术市场成交额投入不足的情况，该地区人口基人工智能与特征变量对于现代流通业发展的偏效应图注：纵轴代表特征变量，横轴代表人工智能发展指数，颜色栏代表现代流通业高质量发展指数的变化。人才流失情况严重，使得地区内生增长动力不足，流通企业发展缺少活力，难以发展大规模技术交易。新疆、云南等西南西北地区年末金融机构存款余额占比未达到最佳投入点，社会融资不足，吸引人才与资金的能力不高。偏远内陆地区不利的地形条件加大了与周边国家贸易往来的限制，阻碍了知识的传播和技术的应用，也缺少了一部分吸引和培育高素质人才、建设人工智能网络与现实基础设施的融资渠道。要想提升人工智能应用水平，促进现代流通业发展，就要抓住不同地区的制约因素，解决关键问题，将人工智能、虚拟现实等数字技术加速应用在流通业贸易过程中。
结论与建议
本文通过研究人工智能对于现代流通业高质量发展的影响，得出以下主要结论：第一，各省份人工智能发展水平和现代流通业的高质量发展水平具有空间差异，但二者的相对发展程度与自身经济发展水平几乎是一致的，且人工智能的发展要快于现代流通业高质量发展。人工智能对于产业的影响有一定的滞后性，实现人工智能作用下知识溢出、产品与服务变革、数字基础和交通基础设施完善、环境改善都需要时间落地。第二，人工智能与其它要素产生协同效应，共同促进流通业高质量发展。在人工智能与就业密度、流通业从业人员占比、技术市场成交额、年末金融机构存款余额四个要素相互促进时，会最大程度地对现代流通业产生间接影响。第三，人工智能对现代流通业高质量发展的影响路径存在空间差异。除东部沿海地区外其余大部分省份都未达到人工智能要素的最优投入点，人工智能技术仍未大规模地应用在现代流通产业中，其利用场景有很大的扩展空间，推动数字技术下沉、扩大人工智能要素的投入在中西部地区发展流通产业的过程中发挥的作用还没有被完全发掘。科技投入、劳动力、资金等多方面投入不足都有可能制约人工智能技术的应用，阻碍地区搭建起更加畅通高效的数字技术应用平台，从而不利于现代流通业的发展。未达到要素投入最优点的地区，都有其相应的经济制约因素，想要提高数字技术的应用能力就要对症下药。
为了提高人工智能发展水平，推动现代流通业高质量发展，本文提出以下建议：首先，要加快人工智能基础设施建设，为人工智能技术的应用搭建网络与现实的平台。合理布局数据中心、运算中心等相关人工智能发展中心，使数字基础设施建设平衡地方经济发展的不足。其次，加强人工智能技术在现代流通产业中的应用。要使人工智能专利成果多方面渗透进产业发展的过程中，借助劳动力基础和社会融资、外商投资条件赋予流通企业活力，促进人工智能和现代流通业的协同发展。最后，在加快人工智能产业布局、提高流通业增速时，要结合地区自身发展条件与要素禀赋，补齐短板。由于中国各地区产业发展程度不同，预期增速也存在差异，因此要进行合理规划，避免发展过急和过缓，建立与地区相对应的包含政策支撑、资金投入、就业增加、外贸往来等多方面的综合性发展体系，最大程度发挥人工智能技术对于现代流通业发展的正向影响，增强现代流通业高质量发展能力，促进社会经济可持续发展。
