张凤谈数字经济发展（张亚豪李晓华工业数字化推动经济增长的机制分析）

摘 要：

工业数字化是工业领域全方位的革新过程，也是全球各国竞争的焦点。数字基础设施、数据要素、数字技术、组织与人力资本作为工业数字化的核心要素，不仅推动了工业生产组织方式的创新，也凸显了工业数字化升级进程、变革模式、创新路径及发展格局等方面的重要性。工业数字化通过要素投入、人力资本、社会分工、技术升级和区域发展等多个维度作用于经济增长，虽然对其效果的评价并不统一，但越来越多的研究证实了工业数字化在推动经济增长的积极作用。因此，中国在由工业大国向工业强国升级的过程中，应该持续加强工业数字化体系建设，加快构建工业数字化高质量发展格局。

关键词：

工业数字化；工业升级；数据要素；技术融合

基金项目：

国家自然科学基金面上项目“中国新兴产业震荡的识别、影响与干预研究”（71873025）；

国家社会科学基金重点项目“‘互联网＋’背景下的中国制造业转型升级研究”（16AJY011）

一、工业数字化相关概念的比较界定

工业数字化作为新兴的研究领域，目前对其概念界定尚未统一明确。整体来看，目前对于工业数字化内涵的界定主要呈现出三个角度：一是以数据作为要素的数字化，二是以微观流程再造为核心的数字化，三是基于技术融合的数字化。

（一）基于数据要素角度的数字化

数据是数字化发展的核心要素和关键资源，也是实现数字技术与产业深度融合的基础。从数据的角度看，数据的采集、传输、处理、存储、应用、反馈和再造等流程环节贯穿了产业数字化发展各个环节，直接联动资源调配、生产制造、组织调整、市场联动等各方面的优化与变革。因此，很多学者基于数据这一新兴要素，将产业数字化定义为基于数字技术以数据对产业赋能为主线，通过构建囊括数据采集、数据传输、数据存储、数据处理、数据反馈、数据保护和辅助决策等在内的数据体系，破除数据壁垒并打通数据孤岛和串通数据链条，实现对产业链上下游的数字化升级再造，以达到生产效率提升和产业数字化升级目标的数字化转型过程［1-2］。就这一概念而言，数字化不是简单地将文档电子化和信息化，而是在运用大数据、云计算、人工智能等新一代信息技术基础上的数据处理与应用，突出了数据作为创新要素的基础性作用，并将数据作为贯穿整个数字化转型的主线，使之成为研究数字化转型过程中的产业组织结构、供应链管理方式、产业创新体系、产业价值创造、产业形态演变等方面内容的核心问题。同时，亦有研究基于这一概念进一步向市场发现、规则重构和模式创新领域延展［3］。

（二）基于微观流程角度的数字化

对于工业数字化问题的相关研究大多以企业微观运行的具体环节作为研究对象。从企业微观角度出发，数字化是企业围绕其研发、设计、生产、运营、采购、财务、销售等业务流程环节，通过实施数字化战略，投入数字化基础设施、进行数字化管理升级、应用数字化技术和手段驱动企业实现商业模式数字化升级的过程［4］。一方面，有研究基于上市公司数字化转型拓展了企业数字化的内涵与外延，尤其是对企业投入数字化、专用知识、组织授权等概念进行了较深入的研究［5］。另一方面，也有研究基于中国推进两化融合的微观数据基础，围绕企业基础设施、产品全生命周期和企业生产管控三个方面，将企业数字化问题分解为更为细化且可量化的核心要素［6］。基于微观流程角度的数字化概念实际是将企业微观业务流程的数字化升级作为主线，突出了企业数字化过程中投入与产出的关系，并将企业竞争力和绩效水平的提升作为数字化发展的目标。

（三）基于技术融合角度的数字化

与上述两个研究角度不同，将重点落在信息技术与产业融合角度的研究数量更多，且更为全面地诠释了这种技术融合带来的产业组织阶段性变革。此类研究认为，数字化是基于一束数字化技术组合与产业的深度融合，经过不同阶段的融合过程，通过技术、产品、平台等多层面的基础建设，逐步实现国家、产业、组织、个人等多个层面变革转型的过程［7］。这一概念有三点值得注意，一是以信息技术与产业融合为主线，且数字化转型中涉及的数字化技术是以信息通信技术为代表的一组技术组合；二是数字化转型需要一系列的基础设施支撑，比如数字化技术、数字化产品和相关平台设施［8］；三是数字化转型的过程包含不同阶段，不同的阶段划分方式也有所不同，有学者基于动态能力理论将数字化过程划分为“信息化—数字化—智能化”三个阶段［9］。

综上所述，基于数字化内涵界定的三个角度来看，数据要素角度的数字化侧重生产要素的创新；微观流程角度的数字化侧重企业转型的环节；技术融合角度的数字化侧重演进过程的变化。三个角度各有侧重，但缺少对工业数字化推动经济增长的考量，无法准确和系统诠释工业数字化的核心要素、关键特征和作用范围。基于此，本文将工业数字化定义为通过新一代信息技术与工业生产经营深度融合，不断提升基础设施供给能力、数据要素使用效力、数字技术融合深度、组织与人力资本水平，推动技术经济范式演进升级、技术和组织协同革新、技术要素集成创新、资源禀赋多元发展，最终实现产业发展综合绩效水平提升和经济增长的过程。进一步地，更为广义的工业数字化还应该包括与工业生产经营全产业链相关的数字采购、数字贸易、数字服务、数字消费等范围和领域。

二、影响工业数字化能力的核心要素

工业数字化是工业发展阶段演进升级的革新过程，影响工业数字化能力的核心要素主要有两个方面。一方面，工业数字化能力的构建需要在既有工业发展基础上实施数字化转型，原有工业发展路径的影响将较为显著；另一方面，工业数字化转型过程还将面临生产制造范式的重塑，新的问题需要更强的动态适应能力。根据美国哈佛大学调查显示，对数字化形成挑战的要素包括遗留系统；信息与数据孤岛；IT与业务线合作不足；风险厌恶文化；变更管理能力；缺乏数字化愿景；缺乏人才和技能；预算不足及网络安全等众多方面。影响工业数字化能力的核心要素包括数字基础设施供给能力；数据要素使用效力；数字技术融合深度和组织与人力资本水平。

（一）数字基础设施供给能力

工业数字化能力提升的基础是支撑工业生产经营活动的一系列软硬件基础设施，这些基础设施既是数字产业化的重要组成部分，也是工业数字化的物质基础。工业数字化的基础设施主要包括基于工业生产设备的软硬件系统、网络化基础设施和数据处理设施等部分。软硬件系统设施主要是以工业生产配备的各类传感器、RFID标签、嵌入式系统设备、微机电系统、远程运维设备等为代表，是贯穿工业生产各环节的基础性设备投入，也是工业技术改造升级的重要内容，这些必要设备构成数字化升级的主要固定资产。网络化基础设施是最重要的信息通讯基础设施投资，因而网络的接入水平对工业能力升级具有显著的促进作用［10］，其可以分为内部网和外部网两大类，内部网络包括工厂和企业内的局域网、车间网联网等网络传输设施；外部网络包括移动互联网、固定宽带网络、工业互联网平台等公共网络设施。数据处理设施主要包括边缘计算设施、云计算设施和数据中心等为数据采集、传输、处理、储存等提供支撑的硬件设施及配套软件系统，这些设施与其他设备共同构成了工业数字化的基础设施体系，为工业数字化提供了可以灵活使用、广泛分布和成本低廉的基础资源［11］。因此，推动工业数字化转型需要系统整合数字基础设施，构建数字化平台，以平台为基础对各个产业环节加以赋能推进数字化转型进程。

（二）数据要素使用效力

随着信息技术的快速发展，数据已经和传统的土地、劳动力、资本、技术等共同成为促进经济增长的五大要素之一，并已经晋升为工业数字化进程中最为核心的要素。在工业领域大数据不可避免地成为工业高端化和智能化转型升级过程中的核心要素，是厘清工业运作机理的关键基础，可以有效衔接贯通各个环节，推动生产网络各主体间的协同配合，对产业组织的演进变革具有潜在的颠覆性影响［12］。工业数据与一般数据多有差异，工业数据是人机交互持续积累的数据，工业数据因产业、地域、技术、组织的差异而不同，分布领域与环节广泛且零散，数据结构复杂且干扰性强，数据体量巨大且持续性显著，并需要与相关的组织管理数据、运营数据、采购数据、设计数据、财务数据等进行系统关联。从数据要素的相关环节看，影响数据要素使用效力主要包括数据采集阶段数据可获得性、有效性、完整性和持续性；数据分析处理阶段的高效性、准确性和适用性；数据辅助决策的针对性、灵活性、预判性；数据保护阶段的安全性。与此同时，也有研究围绕影响数据要素的环节和关键问题进行细化分解，如荆树伟等［13］指出，数据采集设备投入情况、数据采集质量、数据分析能力、数据存储能力、数据信息安全管理水平、数据信息传递能力、数据流信息协同能力、人员的数据认知能力等方面都是影响数据要素效力的重要方面。

（三）数字技术融合深度

工业数字化进程是以新一代信息技术为代表的数字技术不断深化渗透的过程，这种渗透不只是在生产技术层面，还数字技术需要与其他技术和要素相融合，并且需要结合应用场景，才能发挥更大效果。从数字技术与工业生产技术融合的角度看，主要是工业自动化等工业技术与信息技术之间的融合，单纯增加信息技术或自动化技术投入都无法实现有效的数字化升级，二者的融合能力是决定工业数字化转型的关键，而融合的过程是一个繁复且漫长的过程。通过比较已经完成融合实践的企业，可以发现相对成功的企业均是利用内外部技术资源，经过不断磨合逐步塑造了技术融合能力，并将之转化为工业生产的领先优势。从数字技术与工业运行各个环节融合的角度看，主要是通过各类数字化技术改进甚至重塑企业在设计、研发、生产、运营、组织、财务、销售等各环节，而数字化技术在各环节的融合深度决定了整体的转型水平。跳出企业在微观层面具体的操作细节，工业数字化越来越多体现在工业软件的应用及其对企业资源和组织变革的影响上，并对提升工业综合能力发挥了重要支撑作用。经过数十年的研发与推广，以CAD设计软件、MES软件和ERP软件等为代表的工业软件系统对企业数字化转型发挥了显著的促进作用，包括宝马、西门子等全球领先的数字化企业均在这些方面取得了持续效益。从数字技术场景融合的角度看，工业数字化是否能够带来真实的价值，关键在于工业场景应用中的价值创造。数字化技术在工业场景的融合应用比在其他领域具有显著不同，一是工业生产场景特殊，工业机理复杂、工序繁琐、工艺多样，且生产过程容易受到诸多不确定性干扰，数字化技术在工业场景的融合呈现出个性化强、标准化差、成本相对较高的特点；二是场景融合的绩效不显性，很多数字化技术应用的直接效果在于优化流程、替代人力、便利监测等方面，但这些效果在工业企业运行实际中却难以直接衡量，所以需要在降低消耗、提升良率、降低成本、提升效益等方面带来更直观效果才能更有效推广。

（四）组织与人力资本水平

组织结构变化与人力资本水平的提升构成了与数字化技术双向作用、协同配合的重要部分。有研究表明组织、人力资本及其专用知识成为影响数字化能力提升的核心要素。在数字化升级的过程中，组织和个人都需要为此进行学习，并在学习过程中不断更新组织结构和劳动力结构。就组织学习而言，组织学习是推动企业数字化发展的必要条件［14］，由于资源配置结构发生变化，组织需要重新学习相匹配的知识，改变组织结构，调整组织内部权力配置，从控制型组织结构向扁平型结组织构转变，以获取数字化转型所需要的大量分散的、个体的、隐性的知识，适应数字化组织发展的要求。与此同时，基于越来越频繁的网络化、在线化交互，使得企业可利用的社会资源日益丰富，企业利用外部资源的活动快速增加，导致组织间学习也成为数字化能力的重要内容。对外部数字化资源的利用要求参与主体之间具有相对一致的知识基础，如果知识基础差异较大、知识距离过大，则会限制对外部资源的利用，减弱数字化资源利用水平，减缓数字化进程，甚至会因产生知识距离而导致数字化转型的负向影响，而这一问题在中小企业的数字化转型过程较为常见［15］。此外，在组织学习的过程中，个体学习至关重要，决定了数字化所需要的人力资本水平。一方面，工业数字化转型过程中对劳动力的要求发生深刻变化，工厂生产线对于简单加工操作的劳动力需求明显降低，对于具有更高知识水平和综合技能的劳动力需求增加，对管理人员的信息技术知识水平和新型组织的管理知识要求更高；另一方面，从转型实践来看，人员的知识水平不足，特别是对数字化技术与管理知识的欠缺，构成了制约数字化推进进程的核心要素［16］，影响了工业数字化的整体升级速度和效果。

三、工业数字化变革的基本特征

工业数字化是工业领域全方位、系统性、持续性的变革过程，在加速工业数字化升级的理论与实践进程中，无论是宏观层面上的产业升级，还是微观层面的企业转型，工业数字化的变革创新都不断从浮于表面的现象转向聚焦于技术、组织、要素等核心问题。其中，技术经济范式演进决定的升级进程、技术和组织协同创新决定的变革模式、技术要素集成融合决定的创新路径、资源禀赋基础差异决定的多元格局等是工业数字化升级需要把握和最为迫切的变革重点。

（一）技术经济范式演进决定的升级进程

工业数字化作为一种范式，需要形成一种稳定的、通用的、普适的技术经济规范和模式。因此，按照这一标准现阶段的工业数字化并没有完全达到这一要求，很多数字化技术还在经历创新调整，工业数字化的融合过程尚有诸多不确定性，对工业数字化的理解与评价共识还有待统一，因而目前称工业数字化或者所谓数字经济是一种范式还为时尚早。即便如此，工业数字化展现出来的范式演进趋势却已成为共识，并已经开始推动技术经济范式发生改变。从数字化技术经济范式的核心特征来看，王姝楠和陈江生［17］明确提出数据成为关键生产要素，新一代信息技术创新带动的全社会技术进步和数字基础设施创造三个新市场条件，构成了数字经济范式的三个典型特征规律，描绘了出数字化技术经济增长的整体雏形。纵观工业化发展的实践历程，工业数字化的发展是在机械化、电气化、信息化等不同工业阶段基础上进行的新一轮技术经济范式革新，这一进程不是静态的和稳定的，而是动态的和加速的，甚至是对原有范式和路径的破坏性创新和爆发性升级。正是由于技术经济范式演进是一种系统性的变化，因而从单一角度推动工业数字化将效果甚微，只有从全局统筹部署，才能把握住工业数字化升级的阶段转换和升级节奏，加速工业数字化的升级进程。与此同时，在整体范式转化下，工业数字化的实践升级进程会表现为不同范式之间的动态转换更替，新的要素、技术、产品、组织和市场不断涌现，工业发展模式将逐步演化蜕变，进而完成工业发展阶段的跃升进程。可以说，无论是从基础信息技术或是数字经济的研究角度，工业数字化无疑可以被视为是工业领域一场深刻的技术经济范式变革。

（二）技术、组织协同创新决定的变革模式

综合现有研究成果，其中一些研究强调了数字技术进步对于推动工业数字化的突出作用，另一些研究则强调了组织创新对于数字化升级的意义，由此形成了工业数字化升级研究的两大焦点领域。结合起来，工业数字化有赖于技术和组织双向互动，单独的技术促进或者组织变革都无法实现工业数字化的发展目标，只有二者达成系统性协同，才能实现数字化升级。从技术角度看，在数字化研究兴起之前，与之紧密的“互联网”“信息技术”等被视为实现数字化转型的技术力量，而大数据、云计算、物联网、人工智能、机器人、区块链等新兴技术也同样成为产业数字化研究的热点，虽然研究整体肯定了技术的推动作用，但是数字技术的效果受到其他因素影响。因此，在结合信息技术的基础上，有研究更多地融合了对组织协同的关注，全面诠释了技术与组织协同推进了数字化升级的系统观点，其认为不仅需要使用数字技术来降低组织信息的复杂性和不确定性［18］，同时，数字化转型需要重视数字技术与组织情况之间的匹配［19］。对于工业数字化的考察不能单纯局限于技术进步本身，还应更多结合组织的协同变化，甚至需要扩展到影响组织变化的其他构成部分，通过组织与技术更好地适应调整，提高数字技术的适用性。从实践角度来看，僵化的生产组织方式已经不适应数字技术的发展，越来越多的工业企业开始注重技组织与技术协同升级，逐步由严格的科层管理方式向扁平化、平台化、在线化、虚拟化转型，不少企业将设计、研发、检测、维护等内部环节通过平台化的组织方式面向社会众包，并将用户参纳入到生产过程的体系中，以致组织的边界在数字技术的支持下不断变化。

（三）技术要素集成融合决定的创新路径

技术要素是经济增长的关键投入，随着技术的加速发展，技术种类越来越多，不同的技术组合及融合程度带来了不同的增长效果，工业数字化的技术融合主要是指新一代信息技术与工业技术的融合。新一代信息技术与工业技术的融合是工业数字化的核心特征，这既是信息技术与工业技术的高层次升级的过程，也是工业生产经营过程中软件与硬件融合升级的过程［20］，并决定了工业数字化集成式、融合式和组合式的创新路径。从数字化技术发展实践的历史来看，最早的“数字化”技术实现仅是指非常基础的数字模拟技术，而现在数字化技术已发展为集成计算机技术、通信技术、智能技术等一体化的技术组合。越来越多的工业设备已经从传统的单体机械设备，转向柔性水平更高的自动化设备，并进一步集成计算机软件系统成为智能一体化设备，这些多元技术集成的设备又进一步联网化，构成整个工业设备运行系统，形成更为紧密的创新应用组合。进一步地，从工业数字化应用的技术构成来看，既包含替代性技术，也包含互补性技术，二者交织在一起增强了工业数字化技术创新的融合性。其中，信息技术和工业技术是一组强互补性技术，两类不同领域的技术融合加速了原有技术条件下的工业升级进程，推动了工业数字化的发展，互补性技术的配合对数字化发展具有更为凸显的意义。大数据、云计算、物联网、人工智能、工业互联网、虚拟现实等信息技术及其细分技术之间具有替代性，特别是同类别下的细分技术之间替代性更为明显，这些替代技术为工业数字化提供了更多的技术选择，丰富了工业数字化的升级路径与融合模式。正是技术要素的融合集成，为工业数字化提供了更多高效、廉价、便利、优质的技术供给，是以往工业化时代所不具备的重要条件。

（四）资源禀赋基础差异决定的多元格局

资源禀赋是发展的基础和起点，对于工业数字化而言，比较特殊的资源是工业基础能力和数据要素资源，这两大资源禀赋的差异不仅决定了工业数字化的发展基础，也决定工业数字化发展格局。从实践来看，工业数字化对既有工业基础具有较强的依赖，工业基础不只是应用场景，更是能力保障。尤其是中国工业发展的基础能力的差异非常显著，不同行业和区域的工业基础能力参差不齐，甚至同一地区的同一行业的不同企业之间差距也较为明显。如果按照工业4.0标准划分，中国只有少数企业达到工业4.0的水平，多数集中在工业2.0和工业3.0的水平，如此差异巨大的工业基础不仅是中国工业发展的现实特征，也是差异化发展的实践依据。作为工业数字化关键的数据要素资源同样具有极强的差异性。经济相对发达、数字经济产业相对领先的区域更具有数据要素的资源禀赋优势。同时，数据要素具有显著的增长快速性、功能多样性和结构复杂性等特征［21］，这些特性在工业基础差别较大的区域之间因数据积累和数据处理能力的差异将使差距扩大，甚至有可能形成“工业数字鸿沟”。因此，工业数字化的资源禀赋差异特征决定了中国工业数字化的发展将呈现水平高低差异显著、转型类型多元、发展层次多样的多元格局。

四、工业数字化推动经济增长的作用机理及效果评价

现有对于工业数字化作用机理的研究并不系统，且研究角度比较分散，其中多数仍是从某一具体视角出发的探索性研究，主要涉及要素投入、人力资本、社会分工、技术升级、区域发展等多个角度。就其作用效果来看，学术界存在不同观点，但工业数字化对促进产业发展和经济增长的积极效果已被越来越多的研究所证实。

（一）工业数字化推动经济增长的作用机理

基于提升投入要素的视角。信息技术投资作为一种重要的生产要素，对于促进产量提升存在直接效应和间接效应，数字化的作用机制是两种效应共同发挥作用的综合机制。直接效应是信息技术要素投入本身带来的增长效应，间接效应是数字化要素带动其他要素效率提升和要素结构升级产生的增长效应。此外，也有研究重点强调了工业数字化的间接影响机制和互补机制［22］。

1.基于改进人力资本的视角

有研究将工业数字化的作用机制聚焦到数字化对人力资本的作用，认为数字化通过人力资本影响组织变革和绩效变化。数字化将改进组织的人力资本结构和能力水平，并通过劳动力在生产经营和管理活动的行为，对组织效率的持续改进产生影响［23］。

2.基于促进社会分工的视角

数字化通过加速信息的流动促进了企业间的信息交换，使社会资源在更广泛的层面得以利用，企业可以更好地聚焦内部资源能力，并更多利用外部资源，推动产业再次分工。有研究显示信息化投资推动了专业化分工，企业将倾向于更多聚焦核心业务，进而促进企业开展更多外包活动［24］，这种数字化推动的社会分工具有使企业规模变小的影响。

3.基于应用多元技术的视角

基于技术应用视角的研究，虽然技术点比较细碎而相对零散，但研究主要是从新一代信息技术的特征出发，分析技术对企业业务和管理水平的作用，进而提出实现能力升级的基本路径。其中具有代表性的研究结论有，数字技术的“定制 服务 网络协同”的新制造模式［25］；工业大数据通过产品、生产、运营等方面实现企业升级［26］；工业云推动制造业高质量发展路径［27］。

4.基于影响区域发展的视角

陈爽英等［28］基于“技术-组织-环境”理论框架，通过划分经济发达和经济欠发达两类地区进行组态比较研究，认为两类地区的工业数字化发展具有不同的核心条件，且作用关系和作用机理不同，既存在通用的发展路径，也存在不同的发展路径。

（二）工业数字化的作用效果评价

1.工业数字化的无效论

所谓工业数字化的无效论，又称为“生产力悖论”，主要源自Solow［29］从统计角度的研究，因其并未发现计算机对生产率的促进影响而广受关注，随后的实证研究也认为大规模的信息技术投资没有带来有效的效率提升。重新思考“生产率悖论”，这一问题的出现可能存在两个原因，一是以信息技术为代表的数字化投入在运行中需要一定的融合时间才能释放效力，一些与产业融合更深的新技术出现又相对较晚，前期的投入成本可能会增加成本负担，降低整体效率；二是数字化技术的效力需要与经济运行其他方面协调融合才能发挥作用，单纯增加信息化投资难以实现预期的增长目标，只有经过各方面的适应和配合才能产生积极效果。

针对信息技术投入的无效性问题，后来有研究对无效性的描述进行了补充修正，认为信息技术的投资对生产率的回报需要一定的条件，即信息技术与组织结构、人力资本、生产流程、产业协同等方面同时进行投入和变革才能实现生产率的提升。所以，尽管很多企业都进行了数字技术投入，但单独施加信息技术并不会对生产率产生显著促进效果，甚至可能会对生产率产生反向效果。其中，较多学者突出了组织变革对解释信息技术无效的意义，例如，Yoo［30］指出组织变革是企业数字技术的投入效率能否提升的关键。

2.工业数字化的有效论

与工业数字化的无效论相比，关于工业数字化的有效论的研究成果更为丰富，且均指出“生产率悖论”并不存在。例如，针对信息化对美国劳动生产率的影响，Nordhaus［31］的研究指出，信息化对劳动生产率的增长具有显著影响，推动了美国全要素生产率的增长。其他学者对欧盟国家、印度等美国以外国家进行研究指出，信息化对劳动率的增长具有积极作用［32-33］。此外，还有大量研究证实了计算机网络、互联网、数据处理技术等对劳动生产率提升具有正向作用［34-36］。

针对中国工业数字化的效果，国内开展了比较丰富的实证研究。从宏观来看，对信息技术的投入对促进经济增长和价值链升级具有重要作用，信息技术通过资本深化和全要素生产率改进可以促进经济增长，蔡跃洲和张钧南［37］将工业数字化的效果分解为替代效应和渗透效应，并分析了信息技术对经济增长促进作用。同时，利用省级面板数据或行业数据进行分析，针对数字化能力、互联网使用等方面的研究认为，工业数字化对于生产率提升和经济增长具有显著的促进作用［38-39］。此外，还有研究基于企业微观数据，围绕互联网应用、机器人密度、数据管理能力等方面证实了数字化的促进作用［40-42］。虽然工业数字化的有效性得到了证实，但却具有显著的异质性，这种异质性主要与地区间经济发展水平、区域信息化密度、产业技术密集水平、企业数据处理能力、人力资本管理水平等方面具有密切关系［43-47］。

综上所述，两种多工业信息化效果的不同评价存在明显的阶段性变化，早期研究阶段的数字技术并不成熟，数字化实践并不深入，作用效果尚不明显。但随着数字技术产业应用的不断加强，工业数字化积极效果已经广泛存在于各个方面，尤其是中国工业的发展实践表明了数字化不仅有利于工业实力的提升，更将有利于长期经济的发展。未来可以预见的是，数字化技术的不断创新和突破将为工业升级提供持续支撑，工业数字化的积极效果将逐步放大，成为支撑经济增长的关键动力。

五、政策建议与研究展望

（一）政策建议

提升工业数字化生产要素供给水平。要围绕工业数字化升级所需的数据要素、劳动力、资本等主要生产要素，有所侧重改进生产要素供给能力，优化生产要素供给结构。将数据要素作为工业数字化的首位要素，在保证数据安全和合规使用的条件下，加快数据生产要素的积累、流动并提高处理能力，激活数据要素的规模收益。积极提升劳动力综合素质水平，优化劳动力专业结构，注重提高工业生产劳动者的信息技术知识水平，扩大掌握工业生产经营和信息技术的复合人才规模，形成满足数字经济时代需要的高水平劳动力供给。加强资本在数字化能力建设方面的投资，尤其提高在工业软件、智能装备、网络设施、数据存储设施等领域的投资，夯实的数字经济底座。

1.加快数字技术的融合应用创新

数字技术与工业融合尚处于初期阶段，仍需要不断提高数字技术匹配度和融合度，提升工业数字化的发展绩效。一方面，要加强数字技术的开放式创新，鼓励大数据、云计算、物联网、人工智能、工业互联网、虚拟现实等各类新兴技术的融合创新和交叉创新，形成工业数字化应用创新孵化池，创新工业数字化升级的技术解决方案。另一方面，要加快各类应用场景开放，聚合数字化技术能力，为数字技术与工业生产经营融合扩展应用实践领域，不断优化现有数字技术处理能力，提升工业数字技术的可用性、适用性、易用性和耐用性。

2.培育适宜数字化的生产组织方式

数字化技术的渗透发展正逐步推动生产组织方式的变革，并将会影响工业数字化的最终成效。要加快企业生产组织模式的数字化升级，创新生产和经营资源组织方式，重构企业业务流程环节，提高生产组织方式的灵活性和高效性。要关注生产网络的变化，尤其是数字化中间产品供应商的崛起，如数据、代码、算法等以及芯片、专用软件、数据库、数字设备等供应商将越发重要，要加快培育产业龙头企业，构建工业数字化产业生态能力。

3.注重区域间工业数字化的平衡发展

实现中国工业的数字化升级需要兼顾区域间的发展，构建区域间工业数字化发展的协同配合机制，推动工业数字化的协同升级和整体跃升。要强化区域间的产业转移衔接，引导东部发达地区的制造业生产能力迁移到中西部地区，增强中西部地区工业承接和承载能力，既可以缓解东部地区资源紧张和成本上涨压力，又可以增强中西部工业生产能力，为平衡提升数字化能力铺垫基础。要注重技术扩散和市场配合，从全局角度鼓励工业数字化发达地区输出技术服务能力，结合落后地区产业特点和市场需求做深应用，弥补技术不足短板，提高工业数字化的经济效益水平。

（二）研究展望

工业数字化进程正在加速产业变革，如何在工业数字化发展进程中实现产业升级，这既是重大的理论问题，更是紧迫的现实问题。着眼于未来的研究，一方面，需要更多加强源自工业实践的研究与跟踪，注重对工业数字化实践的理解，加强对全球工业数字化发展趋势的比较研究；另一方面，需要加快工业数字化体系构建的研究工作，在此基础上结合中国工业发展的高端化、智能化、绿色化、服务化等重大问题进行深入研究，研判中国工业数字化发展战略。此外，需要进一步结合中国工业发展在区域间、行业间的差异，研究不同领域的工业数字化升级路径与措施，为工业数字化的理论与实践提供有力支撑。

参考文献：

［1］ 李晓华.“互联网 ”改造传统产业的理论基础[J].经济纵横,2016,(3):57-63.

［2］ WU L B,HITT L. Data analytics supports decentralized innovation [J]. Management science,2019,65(10)：4863-4877.

［3］ 祝合良,王春娟.“双循环”新发展格局战略背景下产业数字化转型:理论与对策[J].财贸经济,2021,(3):14-27

［4］ FITZGERALD M,KRUSCHWITZ N,BONNET D ,et al.Embracing digital technology: a new strategic imperative [J]. MIT sloan management review,2014,55( 2) : 1-12.

［5］ 刘政,姚雨秀,张国胜,等.企业数字化、专用知识与组织授权[J].中国工业经济,2020,(9):156-174.

［6］ 师丽娟,马冬妍,高欣东.企业数字化转型路径分析与现状评估——以某区工业企业数字化转型为例[J].制造业自动化,2020,(7):157-161.

［7］ PICCININI E,GREGORY R W,KOLBE L M. Changes in the producer-consumer relationship-towards digital transformation[J].Changes,2015,3(4):1634-1648.

［8］ 曾德麟,蔡家玮,欧阳桃花.数字化转型研究：整合框架与未来展望[J].外国经济与管理,2021,(5):63-76.

［9］ 钱晶晶,何筠.传统企业动态能力构建与数字化转型的机理研究[J].中国软科学,2021,(6):135-143.

［10］ 邵文波,李坤望.信息技术、团队合作与劳动力需求结构的差异性[J].世界经济,2014,(11):72-99.

［10］ COREYNEN W,VANDERSTRAETEN J,WITTELOOSTUIJIN A V,et al.What drives product-service integration? an abductive study of decision-makers motives and value strategies[J],Journal of business research,2020,117:189-200.

［12］ 韩江波.智能工业化:工业化发展范式研究的新视角[J].经济学家,2017,(10):21-30.

［13］ 荆树伟,冯月,阎俊爱,等.传统制造业精益数字化水平评估方法[J].科技管理研究,2021,(4):43-52.

［14］ KOHLI R,MELVILLE N P. Digital innovation: a review and synthesis [J]. Information systems journal,2019,29(1) : 200-223.

［15］ ANNOSI M C,BRUNETTA F,MONTI A,et al. Is the trend your friend? an analysis of technology 4.0 investment decisions in agricultural SMEs[J]. Computers in industry, 2019, 109(SI): 59-71.

［16］ AUTIO E,NAMBISAN S,THOMAS L D W,et al.Digital affordances,spatial affordances,and the genesis of entrepreneurial ecosystems[J]. Strategy entrepreneurship journal,2018,12(1):72-95.

［17］ 王姝楠,陈江生.数字经济的技术-经济范式[J].上海经济研究,2019,(12):80-94.

［18］ LYYTINEN K,YOO Y,BOLAND R J J. Digital product innovation within four classes of innovation networks[J]. Information systems journal: An international journal promoting the study and practice of information systems, 2016, 26(1):47-75.

［19］ LOEBBECKE C,PICOT A. Reflections on societal and business model transformation arising from digitization and big data analytics: a research agenda[J]. Journal of Strategic Information Systems,2015, 24(3):149-157.

［20］ LOURIDAS P,EBERT C. Machine learning[J]. IEEE software,2016, 33(5): 110-115.

［21］ 杨善林,周开乐.大数据中的管理问题:基于大数据的资源观[J].管理科学学报,2015,(5):1-8.

［22］ 刘飞.数字化转型如何提升制造业生产率——基于数字化转型的三重影响机制[J].财经科学,2020,(10):93-107.

［23］ 赵宸宇.数字化发展与服务化转型——来自制造业上市公司的经验证据[J].南开管理评论,2021,(2):149-163.

［24］ FORT T C. Technology and production fragmentation: domestic versus foreign sourcing[J]. The review of economic studies, 2017, 84(2): 650-687.

［25］ 陈晓红.数字经济时代的技术融合与应用创新趋势分析[J].中南大学学报(社会科学版),2018,(5):1-8.

［26］ 刘祎,王玮,苏芳.工业大数据背景下企业实现数字化转型的案例研究[J].管理学刊,2020,(1):60-69.

［27］ 郑瑛琨.经济高质量发展视角下先进制造业数字化赋能研究[J].理论探讨,2020,(6):134-137.

［28］ 陈爽英,雷波,冯海红.发达地区和欠发达地区工业数字化的组态路径——基于“技术-组织-环境”的理论框架分析[J/OL].科学学研究:1-19[2021-08-04].https://doi.org/10.16192/j.cnki.1003-2053.20210402.003.

［29］ SOLOW R. We’d Better Watch Out[J]. New York times book review, 1987,(7):12-36.

［30］ YOO Y,BOLAND R J J,LYYTINEN K,et al. Organizing for innovation in the digitized world[J].Organization science,2012,23(5):1398-1408.

［31］ NAUDHAUS W D. Productivity growth and the new economy[J]. NBER working paper, 2001,(8096): 89.

［32］ VENTURINI F. The long-run impact of ICT[J]. Empirical economics, 2009(3):497-515.

［33］ ERUMBAN A A,DAS D K. Information and communication technology and economic growth in India[J]. Telecommunications policy, 2016(5):412-431.

［34］ ATROSTIC B K,NGUYEN S V.IT and Productivity in US manufacturing：do computer networks matter?[J].Economic inquiry,2005, 43(3): 493-506.

［35］ HELLMANZIK C,SCHMITZ M.Virtual proximity and audiovisual service trade[J].European economic review.2015,77(7):82-101．

［36］ BUFFINGTON C,FOSTER L,JARMIN R,et al. The management and organizational practices survey(MOPS): an overview[J]. Journal of economic and social measurement, 2017,42(1):1-26.

［37］ 蔡跃洲,张钧南.信息通信技术对中国经济增长的替代效应与渗透效应[J].经济研究,2015,(12):100-114.

［38］ 周青,王燕灵,杨伟.数字化水平对创新绩效影响的实证研究——基于浙江省73个县(区、市)的面板数据[J].科研管理,2020,(7):120-129.

［39］ 施炳展,李建桐.互联网是否促进了分工：来自中国制造业企业的证据[J].管理世界,2020,(4):130-149.

［40］ 黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升：内在机制与中国经验[J].中国工业经济,2019(8):5-23.

［41］ 吕越,谷玮,包群.人工智能与中国企业参与全球价值链分工[J].中国工业经济,2020,(5):80-98.

［42］ 李唐,李青,陈楚霞.数据管理能力对企业生产率的影响效应——来自中国企业—劳动力匹配调查的新发现[J].中国工业经济,2020,(6):174-192.

［43］ Dewan S,Kraemer K L.Information technology and productivity:evidence from country-level data[J].Management science, 2000, 46(4): 548-562.

［44］ 李波,梁双陆.信息通信技术、信息化密度与地区产业增长——基于中国工业数据的经验研究[J].山西财经大学学报,2017,(9):58-71.

［45］ 何小钢,梁权熙,王善骝.信息技术、劳动力结构与企业生产率——破解“信息技术生产率悖论”之谜[J].管理世界,2019,(9):65-80.

［46］ LAVALLE S,HOPKINS M S ,LESSER E,et al. analytics: the new path to value[J].MIT sloan management review, 2010,52(1):1-25.

［47］ BLOOM N,SADUN R,REENEN J V. Americans do it better:US multinationals and the productivity miracle[J]. Inter-american economic affairs, 2012, 102(1):167-201.

来源：“财经问题研究与东财学报”微信公众号8月25日发表，作者：张亚豪，博士研究生，主要从事工业数字化和全球生产网络研究；李晓华，研究员，教授，博士生导师，主要从事工业化与工业发展和数字经济研究，刊登于《东北财经大学学报》。

,