文化产业数字化转型的演化博弈研究

时间：2024-04-24

黄蕊徐倩李雪威

摘要：文化产业是否选择数字化转型是一个演化博弈过程。通过对文化产业收益支付矩阵进行稳定均衡点求解并进行数值仿真模拟，结果显示：直接利润、协同系数、转换成本决定了文化产业数字化转型的演化博弈相位图位置与形态。其中，更大的直接利润水平与较高的协同系数是推动文化产业数字化转型的重要因素。同时，偏低的制度与技术转换成本也有助于文化产业选择数字化转型策略。反之，文化产业则将维持既有技术，拒绝数字技术对其的嵌入。因此，为了更好地释放文化产业数字化转型的正向影响，我国需加快数字文化产业配套政策制定、提升对数字文化产业的资金投入力度、优化數字文化产品的消费体验并加强数字文化产业复合型人才培养，只有这样才能为我国盘活优秀文化资源、激发文化产业新动能，提供理论指导与实践支持。

关键词：文化产业;数字化转型;演化博弈

一、引言

文化部印发的《“十三五”时期文化产业发展规划》明确要求，通过大力培育区块链、云计算、物联网、人工智能等数字技术，推动文化创作、文化生产、文化传播和文化服务数字化转型。可见，以数字技术厚植文化自信，以数字创意加速文化资源整合，以数字营销助力文化消费升级，以数字化赋能培育文化产业新增长极，正在成为新时期我国文化产业发展的重要目标与方向。

目前，有关文化产业数字化转型研究的文献主要集中在以下两个领域：（1）文化产业数字化发展的新业态洞察。技术变革重新定义了创意媒体产业[1]，数字技术拓宽了传统文化创意内容销售渠道，技术创新创造出了更为丰富的文化产品和服务[2]。有学者研究了文化产业可持续发展战略的动力机制，论证了“文化-技术”融合和科技创新对于文化产业可持续发展和区域协调两方面的贡献度，强调积极构建文化科技创新体系的重要性[3]，认为原创性数字内容技术的创新会促进文化产业结构向高端、高附加值转型升级，提升产品更新换代的速度，缩减产品和技术的生命周期，建立新理念、新价值、新商业模式以及新产业组织形式[4];数字技术中的数据处理、语音与图像识别、机器学习和智能算法等技术可以深入挖掘文化产业蕴含的价值信息 [5，6]，带动数字出版、动漫游戏、移动传媒等文化产业新业态智能转型 [7，8]，并使文化产业展示出组织柔性化、内容定制化、生产模块化和集聚数字化的全新发展特性[9]。可见，数字技术正在逐渐成为文化产业成长与文化创意诞生的动力源和重要载体[10]。一方面，规模化使用者获取、商业模式自动识别、创意内容自动生成等技术为研究文化消费需求提供了关键的工具与手段 [11-13];另一方面，数字技术的信息互联、智能感知、数据挖掘、个性定制、广泛推广、创意生成与分享等特性 [14，15]，将极大地满足文化生产交互性需求，促进文化推广和消费领域融合 [16， 17]。（2）文化产业数字化转型的风险防范。早在20世纪60年代后期，便有部分学者开始质疑技术进步和科技创新对文化产业的贡献。他们认为是“鲍莫尔成本病”而非技术进步引致了文化产业生产率提升 [18-22]。但也有学者认为，数字化转型效果高低主要取决于数字技术与文化产业的耦合协调程度，如果本国文化产业上下游配套不足、缺乏有效的供应链系统[23]、数字创意技术创新基础不够、创新设计单薄、数字内容国际竞争力不强、缺少龙头企业和品牌支撑、相关配套政策落实不到位，也将使得数字化转型效果大打折扣 [24]。与此同时，数字技术的成熟度与伦理规范、研发成本、信息茧房、侵权行为和网络版权监管等问题也在不断涌现 [25-28]，加之文化科技人才缺失与文化科技管理制度创新水平滞后，都在催促文化产业政、产、学、研一体化网络体系完善，从而更好地促进文化产业数字化转型价值的最终实现 [29-31]。

综上，虽然已有学者对文化产业数字化转型问题进行了广泛研究，但更多集中于文化产业数字化转型的外在表象分析，缺乏对其数字化转型内在动因与决定因素的深入探讨。而演化博弈方法恰恰是一种将传统博弈论分析方法与动态演化研究相结合，并在非完全理性条件下细致刻画文化产业数字化转型动力机制的有利工具。同时，鉴于文化企业是文化产业构成的基本元素，文化企业的群体行为决定了文化产业的最终选择。故本文将运用雅克比矩阵稳定分析法，绘制文化企业数字化转型的演化博弈均衡点和演化博弈相位图，并运用数值仿真模拟法分析文化产业数字化转型的影响因素，进而为文化产业数字化转型研究提供理论基础与实践指导。

二、文化产业数字化转型的博弈分析

（一）演化博弈理论

传统博弈论是以“完全理性”作为前提假设，但由于在现实生活中人并不是“理性人”而是“社会人”，因此，传统博弈论受到制约。而基于“有限理性”前提，演化博弈论被广泛应用于各种社会现象的科学分析、预测与解释，极大地促进了博弈论理论的发展 [32]。

演化博弈理论的基本前提假设是“有限理性”。目前，关于有限理性主要包含三层含义：一是进行博弈的双方未必有能力找到纳什均衡点。因此，纳什均衡对参与的双方并不重要，双方会因为“有限理性”的前提而可能接受任何博弈策略。二是博弈双方会在不断的博弈中总结经验进行学习与试错，逐渐接近纳什均衡。所以，博弈双方一开始并不能够找到最优策略。三是由于部分博弈方不能实现完全理性博弈，故很难达到最优的均衡策略[33]。因此，有限理性博弈并不是一次选择的结果，是通过不断地修正与调整，即便某次达到了纳什均衡也会逐渐偏离。在“有限理性”的假设条件下，参与博弈的个体目光是短浅的，仅仅对初次相遇的个体实施的策略感兴趣，参与博弈的双方会根据初次博弈者的表现进行评价，行为规则的评价主要取决于博弈中的初始状态与支付分布，也取决于目标的不确定性，即博弈中的进入点、取样和支付;双方更关注于不断修改行为规则而获得更高的收益。故参与博弈的个体会对比前后两个行为规则，在了解博弈参与者的初始状态以及支付分布的前提下，选择比初始博弈获得更高收益的支付规则。基于完全理性总结了两个推测：当前行为的未来结果以及未来结果的主要表现 [34] 。在现实生活中，这两种推测难以进行预知，有限理性能将第一个推测进行修正，但对第二个推测的修正很少考虑。博弈参与者在进行决策制定时是信息的处理者，同时，也是博弈决策问题的参与者，但由于人们的自身计算能力、记忆与利用能力的局限性，以及决策时间的压力，管理者都是基于有限理性假设进行决策制定的。因此，博弈参与者只是制定满意的而不是最优的决策 [35]。

（二）文化产业数字化转型演化博弈的影响因素

当前，文化产业数字化转型的实践已屡见不鲜。在内容表达方面，从会作诗的微软“小冰”到Facebook的“DeepFace”，从意大利的弹琴机器人“Teo Tronico”到打败柯洁并不断进化的谷歌“AlphaGo”，从登上《最强大脑》舞台的百度AI“小度”到阿里巴巴的ET大脑与机器人“鲁班”，数字技术正在不断激发文化创意，变革文化创作与审美行为，甚至重塑文化产业价值链。在传播营销方面，今日头条、天天快报、UC、Netflix等都是算法与新闻相结合，基于用户画像进行内容推荐与短视频传播路径监测。电影《魔兽》更是借助“百度大脑”的推广方案，成功在华提升了200%的票房;在管理方式方面，敦煌研究院、故宫博物院以及挪威国家博物馆均在进行机器学习、深度神经网络和区块链试验，以将其应用于馆内收藏管理、艺术品展示与文化遗产保护。数字技术强大的存储能力和运算能力正在极大地提升文化机构的信息管理效率及文化资源的传承利用能力。但是文化产业的数字化转型过程绝非一蹴而就，传统文化产业面对新兴数字技术的介入，仍需要从利润水平、技术与制度转换成本、技术与产业协同度等多个方面加以权衡。

1.利润水平方面。截至2018年12月，我国网民数量已有8.29亿人，网络普及率达到59.6%，较2017年提升了3.8个百分点。这意味着我国数字文化产业的市场在不断拓宽，消费者对于数字文化产品的潜在需求也在不断加强。以我国的短视频行业为例，以抖音和快手等为代表的短视频APP正在不断地影响并改变着我们的生活。据统计，我国短视频用户规模已达到6.48亿人，用户使用率为78.2%①，数字文化产品的用户粘性正在日益增强。但是鉴于文化产品的数字化观感与体验仍有待市场逐步接纳与检验，这便使得文化产品生产者对于其数字化转型后的利润水平心存疑虑。《2019中国网络视频精品报告》指出，虽然我国网络视频用户众多，但真实的付费用户规模还不足四成，即消费者依然对免费式的文娱体验存在路径依赖。与此同时，文化产业的数字化转型涉及愈发严重的网络版权侵权现象。盗版猖獗以及相关政策法规存在监管真空与纰漏，都严重影响了文化企业的数字化转型实践②。由此可见，虽然目前我国文化产业数字化转型存在着巨大的潜在市场，但是否能够通过数字化转型获得确实的盈利，仍然需要考量。

2.转换成本方面。我国数字技术发展尚处于初级阶段，高昂的技术研发费用及与之配套的人才与设备支持均是不容小视的转型要素。对于中小文化企业而言，转型能力不够、“不会转”“不敢转”等问题是困扰其选择数字化策略的重要影响因素。虽然腾讯公司通过“数字方舟”计划，以设立专项资金、提供技术支持、建設数字平台等方式，为部分中小文化企业提供了数字升级服务、在线教育与人才培训;教育部也提出了《教育信息化2.0行动计划》，要努力构建数字经济条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索数字经济时代教育治理新模式，进而对文化企业数字化转型提供政策引导。但巨大的数字文化人才缺口、相关支持政策时滞性较长、大型数字文化企业开展的对口援助规模有限等因素，都使得我国文化企业数字化转型的成功率不容乐观。据资料显示，虽然为了获得数字化转型后能够带来的行业颠覆性、创新性以及可获得的市场份额和增长潜力，中国文化企业已经普遍拥有建立数字化转型战略的理念，但是在2018年仅有7%的企业初步获得了数字化转型成功，而截至2019年，此数据仅仅上升到9%③。

3.技术与产业协同度方面。虽然拥有信息化平台的规模企业具有更敏捷的生产和运营效率，但是数字技术介入文化产业仍需要极高的平台协同度。所以，数字化转型后是否能够在文化产业内部形成良好的规模经济与范围经济，也成为文化产业从业者的担忧所在。以阿里巴巴为例，其智能营销平台分析工具——牵星通过应用搜索和信息流等营销产品，可以帮助广告主洞悉当下旅行消费的趋势，进行更加精准的营销投放，并最终实现订单成本下降两成、利润增幅近三倍的营销效果;其与钉钉合作建立的客户关系管理（CRM）平台亦可通过赋能客户管理运营，构建系统、高效的营销漏斗，以助力中小企业提高获客效率。但阿里大文娱企图将内容生产、IP衍生以及宣发平台进行整合，获得一个良性的平台循环系统的预期，在短期内的实施效果却不尽如人意。自2016年阿里大文娱建立至今，其常年处于亏损状态，这也让更多实力薄弱的企业在数字技术与文化产业的协同度方面心生畏惧。

综上可见，文化产业是否实施数字化转型本质上是一个动态博弈过程。即由数字化转型所引致的文化产业利润问题、转换成本问题和技术与产业协同度问题是把双刃剑。这些影响因素的不确定性，增加了文化产业选择数字化转型策略的难度和复杂性。数字化转型意味着文化产业首先需要有巨量的资金支持文化产品的设计、生产、管理和服务等全生命周期的文化生产过程数字化改造;进而文化产业通过借助数字技术便捷地采集到各类型产业的外部数据、文化消费偏好、设备物联数据和生产经营数据，形成制造工艺优势、管理优势、市场优势和人工成本优势;最后，依托智能分析平台的设立，文化产业可以充分利用协同资源，提升运营效率，满足客户需求，保证产品质量，精准进行个性化定制，扩大营销规模，从而最终实现产业的数字化发展。

三、演化博弈模型：构建与解析

鉴于文化产业是由众多文化企业构成，故文化企业的群体行为决定了文化产业最终的数字化走向。因此，本文从微观文化企业入手对文化产业数字化转型问题加以研究。即在博弈过程中，如果文化企业在首轮博弈中发现未实施数字化转型企业的利润低于实施数字化转型的利润，那么，文化企业将会在下一轮博弈中选择实施数字化转型。同理，如果文化企业未实施数字化转型的利润高于实施数字化转型企业的利润，那么，在下一轮博弈中它仍然不会进行数字化转型。在动态变化的环境中，文化企业的数字化转型决策不断进行着变化，并将最终达到均衡状态。

（一）基本假设

假设1 将传统文化产业视为一个系统，在“自然”状态下，将该系统划分为群体1和群体2，它们均为“有限理性”，即均会从企业自身的利益出发，进行最有利于企业发展的战略选择。在群体1和群体2中各随机抽取一个企业进行配对演化博弈，将文化产业数字化转型的博弈双方分别标记为企业A、企业B，A、B均有两种策略选择，分别为实施数字化转型和不实施数字化转型。两者的策略集均为{实施数字化转型，不实施数字化转型}。

假设2 企业A选择实施数字化转型的概率为x，选择不实施数字化转型的概率为1-x;企业B选择实施数字化转型的概率为y，选择不实施数字化转型的概率为1-y，其中，x和y均介于[0，1]之间。

假设3 若企业A和B均选择“不实施数字化转型”策略，均按照以往的形式继续运转，则企业A获得的收益为Ra，企业B获得的收益为Rb。

假设4 随着新一代大数据、云计算和人工智能技术的发展，文化企业的用户（购买商）在同等条件下会更倾向于选择数字化产品。因此，若用户具有选择数字化产品的偏好，当一个企业选择实施数字化转型，而另一个企业选择不实施数字化转型，则企业的利润变化为Li（i=a，b），即选择实施数字化转型的企业的利润增长Li，选择不实施数字化转型的企业利润减少Li。

假设5 若在企业A和B中仅有一个企业选择“实施数字化转型”的策略，而另一个选择不实施，则选择实施的企业A所需要投入的成本为Ci（i=a，b）。同时，由于企业进行了数字化转型提升了产品质量以及产品生产效率，为企业所带来的直接收益系数为α。

假设6 若企业A和B均选择实施数字化转型的策略，则两个企业间会形成协作效应，能够减少一定的成本，此时成本为C′i（C′i

（二）演化模型构建

基于以上假设，从数字化角度，对文化企业A、B的收益进行分析，构建文化企业实施数字化转型的收益支付矩阵，如表1所示。

（三）模型的稳定性分析

根据收益支付矩阵和演化博弈理论，企业A选择实施数字化转型的收益为：Ea1=y（Ra+αRa+βRa-C′a）+（1-y）（Ra+αRa+La-Ca），选择不实施数字化转型的收益为：

对于文化企业而言，是否选择数字化转型主要取决于转型升级后所获得的总体收益是否大于转型升级所要付出的总成本。所以，文化企业间实施数字化转型的收益支付矩阵及各项参数的变化将影响文化企业对于策略的选择，使得文化企业之间实施数字化转型向不同的均衡点收敛。演化博弈相位图中的M、Q、N三点连接成的線为文化企业实施数字化转型的动态临界线，当企业A和B的初始状态位于ONQM区域时，企业间实施数字化转型升级的演化最终会收敛于O点，即双方均不选择数字化转型策略。此时，文化企业A与文化企业B均无法获得数字化带来的收益增长。当文化企业A和B的初始状态位于MQNP区域时，企业间实施数字化转型的演化最终会收敛于P点，即双方均会选择实施智能化转型升级的策略，此时，双方将均获得数字化转型带来的直接收益和间接收益。

由此可知，该动态演化博弈过程最终会收敛于博弈双方均不实施数字化转型或者均选择数字化转型。而最终收敛于哪个点，则取决于双方的初始状态、转型升级所带来的市场收益、生产力上升带来的直接受益、协同效益、转型成本等因素的共同作用。

（四）影响因素分析

1.由消费者所决定的直接利润L。市场中对数字文化产品的需求越大，则由消费者所决定的直接利润L就越大。当L增大时，鞍点Q（x*，y*）的值便会变小，由图1可知，此时四边形MQNP的面积增大，则系统收敛于P（1，1）的概率便会增加，即企业A和B选择数字化转型策略的概率会增加。因此，市场需求越大，对于文化企业数字化转型的促进作用越大。

2.由数字化带来的生产效率提升所决定的利润系数α。由于数字化转型能够促进文化资源的整合、生产效率的提高、产品质量的升级、管理效率的提高等，这将给企业带来直接利润。当α增加时，鞍点Q（x*，y*）的值便会变小，由图1可知，此时四边形MQNP的面积增大，则系统收敛于P（1，1）的概率便会增加，即企业A和B选择数字化转型策略的概率会增加。

3.转型成本C和C′。当转型成本提高时，鞍点Q（x*，y*）的值便会变大，由图1可知，此时四边形OMQN的面积增大，则系统收敛于O（0，0）的概率便会增加，即企业A和B选择数字化转型策略的概率会减少。因此，文化企业向数字化转型的成本越高，则企业不选择数字化转型的概率越大。

4.由共同转型所决定的协同系数β。由于数字化、人工智能等技术对于文化产业内的资源联动以及流通方式等的改变，在一定程度上是基于平台化水平的，而平台的联动往往能够带来更多的利益。当协同系数β增加时，鞍点Q（x*，y*）的值便会变小。由图1可知，此时四边形MQNP的面积增大，则系统收敛于P（1，1）的概率便会增加，即企业A和B选择数字化转型策略的概率会增加。

四、演化博弈的数值仿真分析

为进一步说明直接利润、利润系数、转型成本以及协同系数在文化产业数字化转型中的作用，选择MATLAB 2018a软件对各参数进行数值仿真分析。通过ode45指令求解复制动态方程组，再结合已有文献[36，37]中对仿真数值的设置规律，设定的各参数初始值如表3所示。其中，企业选择“不实施数字化转型”战略时，企业初始利润为Ri（i=a，b）[38];当选择“实施数字化转型”战略时，由于数字化转型所带来的利润变化Li、数字化转型所需要的投入成本Ci、利润系数α的初始值设定参考孟凡生等（2019）[39] 的研究;当企业同时选择“实施数字化转型”战略时，产生的协作成本C′i以及协同系数β的初始值设定参考邢海龙等（2020）[40] 的研究。

（一）直接利润L对文化企业数字化转型的影响

基于其他因素不变的情况下，仿真参数L的变化对企业A（或B）选择数字化转型策略的影响如图2所示。其中，L分别取值1、1.2、1.4、1.6。由图2可知，上述数值均能促进企业A（或B）选择实施数字化转型策略，其概率趋向于1。随着L取值逐渐增大，企业A（或B）选择数字化转型策略的概率上升得越来越快，即企业A（或B）选择数字化转型的可能性越来越高。曲线变化均为先缓慢上升，再迅速上升，逐渐向概率为1演化。由此可知，L取值对企业A（或B）的影响方向相同，均具有促进其数字化转型的作用。

（二）利润系数α对文化企业数字化转型的影响

基于其他因素不变的情况下，仿真参数α的变化对企业A（或B）选择数字化转型策略的影响如图3所示。α分别取值1、1.2、1.4、1.6。由图3可知，上述数值均能促进企业A（或B）选择数字化转型策略。随着α取值的逐渐增大，企业A（或B）选择数字化转型策略的概率上升得越来越快，企业A（或B）选择数字化转型策略的概率越来越大。其中，曲线变化均为先缓慢上升，再迅速上升，并最终向概率为1发展演化。由此可见，利润系数α取值对企业A（或B）的影响方向相同，均具有促进其数字化转型的作用。

（三）转型成本C对文化企业数字化转型的影响

由于转型成本C与C′的演化趋势类似，因此只讨论C′对文化企业数字化转型的影响。在其他因素不变的情况下，参数C′的变化对企业A（或B）选择数字化转型策略的影响，如图4所示。C′分别取值4、5、6、7。其中，当C′取值4时，企业A的选择具有趋向于概率1的趋势演化;但当C′取值5、6、7时，随着C′取值的增加，曲线逐渐收敛于0，且速度越来越快。说明当转型成本较低时，企业A（或B）选择数字化转型策略的概率较高，但当转型成本增加时，其实施数字化转型策略的概率便越来越低。这也意味着，高额的转型成本将致使文化企业更愿意维持现状。

（四）协同系数β对文化企业数字化转型的影响

在其他因素不变的情况下，协同系数β的变化对企业A（或B）选择数字化转型策略的影响，如图5所示。参数β分别取值0.8、1、1.2、1.4。由图5可知，上述数值均能促进文化企业A（或B）选择数字化转型策略。随着参数β取值逐渐增大，文化企业A（或B）选择数字化转型策略的概率上升得越来越快。图5中，曲线变化均为先缓慢上升，再迅速上升，最终逐渐向概率为1演化。由此可知，参数β取值对文化企业A（或B）的影响方向相同，且均具有促进其实施数字化转型的作用。

五、结论与对策建议

以上研究表明：直接利润提升、利润系数α变大、协同系数β增加均有助于文化企业最终选择数字化转型策略，即数字技术为文化产业所带来的收入与利润增长水平和文化资源在数字技术介入后所形成的平台化运作、资源联动与要素协调配置能力提升程度，是影响文化产业数字化转型的重要因素。同时，偏低的转型成本C更有助于文化企业进行数字化转型，而高昂的技术与制度替代成本，大量人力、物力与财力的消耗，则是文化企业维持既有技术，不进行数字化转型的根本原因。因此，为了更好地释放文化产业数字化转型的正向影响，在推动文化产业数字化转型成果惠及文化企业的同时，助力我国数字文化消费市场繁荣，提出以下相应的对策建议：

1.加快数字文化产业配套政策制定。政府应当加快构建保障数字文化产业发展的机构体系，制定和完善保障数字文化产业发展的法律法规体系。同时，地方也应当配合上级政府颁布的法律法规，设立相应机构部门扶持文化产业实现数字化转型，并通过制定数字文化产业的现阶段规划、短期规划以及长期规划，推动数字文化产业健康发展。此外，文化企业也可以通过建立权责明确、分工合理、运营高效的现代化管理制度，并通过给予企业研发、生产部门适度的自主性以激发文化企业自身的创造力，进而推动整个文化产业的全要素生产率提升。

2.提升对数字文化产业的资金投入力度。各级政府应在重视文化事业发展的同时，将部分资金转向本地区具有发展潜力的文化类企业，尤其是产品或服务具有时代性且市场前景广阔的中小型文化创意企业，帮助其缓解融资压力，为其顺利进行数字化转型解决后顾之忧。诸如，可以指引金融机构为数字文化企业的技术产品研发提供资金保障，并指引文化技术中介交易平台促成文化企业技术对接与产品收购;通过完善税收优惠政策体系，刺激文化企业的数字产品研发生产;通过制定有效的贸易政策，鼓励数字文化产业新技术产品的国际化营销与推广，提升品牌竞争力。

3.优化数字文化产品的消费体验。要精确分析消费者群体，有目标地进行文化产品开发。我国的数字文化企业大多瞄准城市消费者群体，但受到互联网通信行业的启发，应当适度将注意力转移至农村群体，农村文化消费市场盈利空间巨大，应对其做出精准开发。此外，还应借助数字技术对目标消费群体的消费偏好进行精准分析，进而结合现有数字文化资源进行产品开发。如借助数据挖掘与检索技术进行市场调研，对文化产品的獲得渠道、使用偏好、产品与服务类型、数字文化产品的付费习惯以及数字文化资源的使用情况进行洞察，找准不足，优化数字文化产品的设计与生产，让文化消费者成为数字文化产品运作的重要参与者，进而更好地优化其消费体验。

4.加强数字文化产业复合型人才培养。首先，在人才教育和培养方面，必须加快推进产学研一体化机制。高校应结合数字文化产业市场需求进行学科教学，并积极从科研机构或企业中引进人才以壮大师资力量，从而为文化市场培养出理论基础扎实、富有文化创意性且具备较高市场敏锐度的数字文化产业复合型人才。其次，在文化企业内部也必须重视人才的管理和能力激发。既要通过优厚的薪酬福利制度以及适当的精神物质奖励确保人才进得来、留得住，也需要通过科学的考核和绩效评估方式有效地激发文化企业员工的创造性，不断提高企业文化生产技术能力以及文化产品或服务的质量和时代先进性。同时，要加快建立和完善文化科技创新机制，重视知识产权和专利保护，从而为我国盘活优秀文化资源、彰显文化自信、激发文化产业新动能以及文化产业供给侧结构性改革的有序推进，提供可行的思路与前进方向。

注释：

① 数据来源：《中国数字经济发展与就业白皮书（2019年）》，中国信息通信研究院。

② 数据来源：人民网. http：//ip.people.com.cn/n/2015/0331/c179663-26776754.html。

③ 数据来源：国家工业信息安全发展研究中心、埃森哲商业研究院。

参考文献：

[1] Weeds H. Superstars and the long tail：The impact of technology on market structure in media industries[J]. Information Economics and Policy，2012 （1）：60-68.

[2] Baumol W J， Alderucci A. Rebutting a major misconception about the patent system： How patent protection promotes technology dissemination[J].Aestimation the IEB International Journal of Finance，2013（6）：8-19.

[3] 余菲菲，张颖，孟庆军. “文化-技术”融合视角下我国文化产业可持续发展研究[J]. 学术论坛， 2013（1）：179-184.

[4] 谈国新，郝挺雷. 科技创新视角下我国文化产业向全球价值链高端跃升的路径[J]. 华中师范大学学报（人文社会科学版）， 2015， 54（2）：54-61.

[5] 刘雪梅，杨晨熙.人工智能在新媒体传播中的应用趋势[J].当代传播，2017（5）：83-86.

[6] Comunian R，Gilmore A， Jacobi S，et al. Higher education and the creative economy： Creative graduates， knowledge transfer and regional impact debates[J]. Geography Compass， 2015，9（7）：371-383.

[7] Safadi F， Fonteneau R， Ernst D. Artificial intelligence in video games： Towards a unified framework[J]. International Journal of Computer Games Technology， 2015（1）： 1687-7055.

[8] Russell D， Bailey. Creating digital knowledge： Library as open access digital publisher[J]. College and Undergraduate Libraries，2017，24（2/4）：216-225.

[9] 周锦.数字技术驱动下的文化产业柔性化发展[J].福建论坛（人文社会科学版），2018（12）： 90-95.

[10]Ernkvist M. Differentiation in digital creative industry cluster dynamics： The growth and decline of the Japanese video game software industry[J]. Geografiska Annaler Series B Human Geography，2018，100（3）：263-280.

[11]范周.文化产业发展的六个新态势[J].中国国情国力，2016（12）：6-8.

[12]喻国明，兰美娜，李玮.智能化：未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式[J].新闻与写作，2017（3）：41-45.

[13]Ahmad M ， Papert M ， Pflaum A . Dynamic capabilities related implementation skills for internet of things solutions in the digital economy[C]. Hawail： Hawaii International Conference on System Sciences （HICSS），2018.

[14]Taylor P D， Jonker L B. Evolutionarily stable strategies and game dynamics[J]. Mathematics Biosciences， 1978， 40（1/2）：145-156.

[15]Richie B. Creatives talk technology： Exploring the role and influence of digital media in the creative process of advertising art directors and copywriters[J]. Media Practice and Education，2019，20（3）：1-16.

[16]李炎，胡洪斌.集成創新：文化产业与科技融合本质[J].深圳大学学报（人文社会科学版），2015，32（6）：107-112.

[17]Nawa L L， Sirayi M. Digital technology and cultural heritage sites in the city of Tshwane[J]. Journal of Arts Management， Law， and Society， 2014， 44（4）： 246-257.

[18]Baumol W J. Macroeconomics of unbalanced growth： The anatomy of urban crisis.[J].American Economic Review，1967（57）： 415-426.

[19]Haig B. An analysis of changes in the distribution of employment between manufacturing and service industries， 1960-1970[J].Review of Economics and Statistics，1975（57）： 35-42.

[20]Spann R. The macroeconomics of unbalanced growth and the expanding public sector[J]. Journal of Public Economics.1977（8）：397-404.

[21]Summers R. Services in the international economy[J]. Managing the Service Economy， Prospects and Problems，1985（71）：27-48.

[22]Gary R， Saxonhouse. Biotechnology in Japan： Industrial policy and factor market distortions[J]. Prometheus，1985，3（2）：227-314.

[23]徐勇.加快新时代数字文化产业创新发展研究[J].中共济南市委党校学报，2018（3）：40-43.

[24]孙守迁，闵歆，汤永川.数字创意产业发展现状与前景[J].包装工程，2019，40（12）：65-74.

[25]Filkins B L，Kim J Y，Roberts B， et al. Privacy and security in the era of digital health： What should translational researchers know and do about it？[J]. American Journal of Translational Research，2016，8（3）：1560-1580.

[26]刘雪梅，杨晨熙.人工智能在新媒体传播中的应用趋势[J].当代传播，2017（5）：83-86.

[27]解学芳.人工智能时代的文化创意产业智能化创新：范式与边界[J].同济大学学报（社会科学版），2019，30（1）：42-51.

[28]Martin Lawn. Digital governance-technology， standards and Europeanization of education[J]. Journal of Education Policy，2020，35（5）：1-2.

[29]徐俊，丁烈云.依靠科技创新促进文化产业发展[J].中国科技论坛，2006（3）：17-21.

[30]Peichi C. The creative industry of Singapore： Cultural policy in the age of globalisation[J].Media International Australia，2008， 128（1）：31-45.

[31]郭新茹，劉冀，唐月民.价值链视角下我国文化产业参与国际分工现状的实证研究——基于技术含量的测度[J].经济经纬，2014，31（5）：81-86.

[32]赵佩华. 基于演化博弈理论的跨国公司技术转让策略研究[D].广州：华南理工大学，2010.

[33]谢识予. 诚信问题的进化博弈论分析[C]∥21世纪数量经济学（第3卷）.中国数量经济学会，2002：6.

[34]Schlag P. The enchantment of reason[M].Durham：Duke University Press，1998：79-83.

[35]Charles C，Catherine S. Evolutionary psychology， public policy and personal decisions[M].Taylor and Francis：2004：186-189.

[36]陈璐，孙圣兰，陈雯.智能技术创新网络下企业行为决策的演化博弈分析[J].数学的实践与认识，2019，49（13）：284-289.

[37]郭艳燕，童向荣，张楠，等.基于演化博弈论的网络信息传播群体行为分析[J].智能系学报，2016，11（4）：487-495.