Forskning om samordning mellan nya kvalitativa produktionskrafter och fördelning av innovationsresurser baserat på MLP‑neurala nätverk

Varför framtidens tillväxt beror på smartare innovation

När ekonomier tävlar om att vara både konkurrenskraftiga och hållbara söker regeringar tillväxt som inte bara är större utan bättre—mer innovativ, mer digital och mer klimatvänlig. Denna studie undersöker hur väl Kina matchar sina innovationsresurser—kapital, talang, data och teknik—med vad landet kallar ”nya kvalitativa produktionskrafter”: avancerade, gröna och intelligenta sätt att producera varor och tjänster. Genom att kartlägga hur tätt dessa två sidor rör sig tillsammans ger forskningen ledtrådar om vilka regioner som är redo att blomstra i nästa våg av ekonomisk omvandling och vilka som riskerar att hamna på efterkälken.

Nya tillväxtmotorer, inte bara mer av samma

Traditionell ekonomisk tillväxt betydde ofta att använda mer arbetskraft, mark och energi för att producera fler varor. De nya kvalitativa produktionskrafterna vänder på detta. De betonar smartare arbetstagare, intelligenta verktyg, digital infrastruktur och renare energi—med målet högre värde med färre resurser. I denna studie delas dessa nya krafter upp i tre delar: nya arbetare (bättre utbildade, mer innovativa arbetstagare), nya arbetsmaterial (robotar, företag inom artificiell intelligens, digitala plattformar och kommunikationsnätverk) och nya arbetsobjekt (ren energi, avancerade material och ekoskydd). Tillsammans ger de en bild av en ekonomi som i större utsträckning förlitar sig på kretsar, kod och koldioxidsnål teknik snarare än fabriksrök.

Innovationsresurser: drivmedlet bakom maskinen

På den andra sidan finns innovationssystemet självt: kapital, människor, teknologier, kunskap och data som möjliggör avancerad tillväxt. Forskarna bygger en detaljerad måttstock över dessa resurser för 30 kinesiska provinser mellan 2012 och 2022. De följer forsknings‑ och utvecklingsutgifter, heltidsanställd F&U‑personal, högteknologiska företag och laboratorier, kunskapsskapande och förvärv samt den digitala ryggraden i form av webbplatser, dataplattformar och e‑handelsaktivitet. Kärnfrågan är inte bara hur mycket av dessa resurser som finns utan hur effektivt de riktas mot att bygga dessa nya, högkvalitativa produktionskrafter—hur väl bränslet matchar motorn.

Ett neuralt nätverk för att läsa dolda mönster

Att mäta den matchen visar sig vara komplicerat. Tidigare metoder förlitade sig på enkla formler som behandlade varje indikator som en linjärt viktad del av en större poäng. Dessa kunde missa subtila, icke‑linjära samband—till exempel hur innovationsnyttor plötsligt kan accelerera när en region passerar en viss tröskel för talang eller digital infrastruktur. För att övervinna detta använder författarna en dubbel‑torn multilagerperceptron, en typ av neuralt nätverk. Ett ”torn” matar in indikatorerna för de nya kvalitativa produktionskrafterna, det andra matar in indikatorerna för innovationsresurserna. Nätverket lär sig sedan att anpassa dessa två komplexa mönster utan förinlästa svar, upptäcker hur nära de två systemen rör sig tillsammans och producerar en samordningspoäng mellan noll och ett.

Var regioner avancerar—och var de släpar efter

De neurala nätverksbaserade poängen visar att även om Kina som helhet fortfarande befinner sig i ett tidigt skede av att anpassa innovation till avancerad produktion, så har samordningen stadigt förbättrats under det senaste decenniet. Kartan är dock långt ifrån jämn. Östkustprovinser som Peking, Shanghai och Guangdong bildar högnivåkluster där koncentrerade innovationsresurser och starka digitala och gröna industrier stärker varandra och skapar vad författarna kallar en ”synergieffekt”. Centrala provinser närmar sig gradvis, hjälpta av industrins uppgradering. Västra regioner förblir däremot ofta fast på lägre nivåer av samordning, med bara ett par ljuspunkter. Rumslig analys visar tydlig klustring: regioner med hög samordning tenderar att höja sina grannar, medan områden med låg samordning riskerar att hamna i ett mönster där ”de starka blir starkare och de svaga blir svagare.”

Hur framtiden kan utvecklas

Genom att följa hur provinser rör sig mellan låg, medel, hög och mycket hög samordningsnivå över tid finner studien att förändring är möjlig men långsam. Regioner stannar oftast i sin nuvarande kategori; stora hopp är sällsynta. De som redan är i toppskiktet har särskilt goda förutsättningar att stanna där och dra nytta av självförstärkande fördelar i infrastruktur, talang och politiskt stöd. När en provins omges av högpresterande grannar ökar dess chanser att förbättras tack vare kunskaps‑spillover, delade leverantörskedjor och imitation av framgångsrika policyer. Detta tyder på att tvärregionalt samarbete—snarare än isolerade, provinsvisa insatser—blir avgörande för att sprida fördelarna med den nya tillväxtmodellen.

Vad det betyder för vanliga människor

För en lekman är huvudbudskapet att kvaliteten på framtida jobb, inkomster och lokala miljöer beror på hur väl innovationsresurser vävs in i vardaglig ekonomisk aktivitet. Provinser som lyckas para ihop forskningsutgifter, kvalificerad arbetskraft och digitala verktyg med rena, avancerade industrier kommer sannolikt att se mer motståndskraftig tillväxt och grönare städer. De som misslyckas med att samordna dessa element riskerar att fastna i lågvärdes‑, högförorenande spår. Genom att använda modern artificiell intelligens för att upptäcka var samordningen är stark, svag eller i framväxt erbjuder studien ett slags tidigt varningssystem. Den pekar politiker mot målade investeringar—inom digital infrastruktur, tvärregionala partnerskap och smartare resursallokering—som kan hjälpa fler regioner att dela vinsterna av en högkvalitativ, innovationsdriven ekonomi.

Citering: Liu, Y., Wang, L., Chen, B. et al. Research on coupling coordination of new quality productive forces and innovation resource allocation based on MLP neural networks. Sci Rep 16, 5196 (2026). https://doi.org/10.1038/s41598-026-36247-1

Nyckelord: innovationspolitik, regional utveckling, maskininlärning i ekonomi, digital ekonomi, hållbar tillväxt