制造业数字化投入对全球价值链分工的影响——基于制造业行业的实证分析

吴友群，卢怀鑫，2，王立勇

(1.安徽财经大学经济学院，安徽 蚌埠 233030；2.中央财经大学经济学院，北京 100081；3.中央财经大学国际经济与贸易学院，北京 100081)

0 引言

当前，世界正处于数字经济与全球价值链的交汇期。2020年，中国数字经济规模为39.2万亿元，对GDP的贡献率为38.6%，其中产业数字化规模为31.7万亿元。数字技术作为通用目的技术的新形态，能够更广泛地与经济社会深度融合产生颠覆性变革[1]。数字技术具有高效处理大规模数据信息、大幅降低交易成本等多方面优势，有助于传统经济提升市场竞争力[2]。然而在部分领域观察到，通过引进数字化系统、构建物联网平台等形式颠覆传统销售模式、改善沟通渠道，反而导致占用过多资源等，未能获得 “数字红利”。由此可见，数字经济对传统经济产生双重效应，即驱动效应与冲击效应。前者体现在数字经济为传统经济数字化转型升级提供驱动力与示范。技术创新是数字化转型升级的重要因素[3]，数字技术能够为传统经济数字化转型提供充足的创新驱动力。数字经济不断涌现出的新产品与新模式为传统经济转型提供了模板，其理想情形是，数字经济通过技术溢出为传统经济提供数字化转型驱动力，传统经济通过学习和借鉴使得自身生产效率提升。后者体现在数字技术与传统经济未能及时、有效融合，导致传统经济未完成数字化转型升级就被挤出市场。因此，如何甄别数字化投入赋能传统制造业转型升级，是数字经济时代中国应对全球价值链 “低端锁定”不可避免的话题，也是提升国际循环的重要方向。

1 文献综述

1.1 数字经济的内涵

数字经济内涵的界定是测度数字化投入的基础。在数字经济迅猛发展的过程中，各国学者及研究机构相继对数字经济的内涵及外延提出表述。早期涉及数字经济的相关文献更偏向于信息化，多是以单一信息通信技术为研究对象，目前数字经济更突出人工智能、大数据与物联网等新一代数字技术的应用。数字经济主要包括数字产业化与产业数字化，数字产业化等同信息产业，主要包括电子及通信设备制造业、广播电视和卫星传输服务业、互联网和相关服务业、软件和信息技术服务业等，是数字经济发展的基石。产业数字化是指数字技术与传统经济部门融合并产生经济活动，数字产业为传统经济部门提供数字化转型的基础设施及转型驱动力，产业数字化是将数字技术转化为生产力的关键性机制。Schmidt等[4]认为，数字经济即为数字化投入带来的经济产出。Bukht等[5]将数字经济分为核心层 (数字部门)、狭义层和广义层，其中核心层包括软件制造业、信息服务、电信业等行业。经合组织认为数字经济的内涵包含信息通信、电子商务与互联网技术设施建设。

2016年G20杭州峰会将数字经济定义为以数字化知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。2020年中国信通院提出数字经济是以数字化知识和信息作为关键生产要素，以数字技术为核心驱动力量，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平。在不断界定数字经济内涵的过程中，虽然内容各有侧重，范围各有区别，但本质上都认同数字经济是以数字化知识、信息及相关服务投入为核心。

1.2 全球价值链量化与应用研究

全球价值链 (Global Value Chain，GVC)量化研究体系的不断完善，是准确衡量一国 (部门)GVC分工的基础。在宏观量化方面，世界投入产出表的成功编制实现了GVC理论在宏观量化领域的飞跃。学者们利用投入产出模型，不断完善增加值测算与分解方式。在单国模型中，Hummels等[6]构建了HIY模型，测度一国在全球价值链分工中的真实参与度，并提出垂直专业化分工。Koopman等[7]提出非竞争性投入产出模型，并规范化非竞争性投入产出模型中的技术参数。Fally[8]提出衡量一国 (部门)生产阶段数与上游度概念。但是，单国模型忽视了一国出口品被进口国用于加工再生产而非直接最终使用的情况。此后，学者们转向对多国模型的研究，比较经典的有一国出口的分解方法 (KWW法)及GVC地位指数[9]。KWW法的突破在于将GVC相关测度细分的同时纳入统一核算框架，缺陷在于没有深入到各国或地区的部门层面。此后，王直等[10]基于多层次贸易流分解模型，提出部门、双边以及双边部门层面的总贸易核算分解公式。

全球价值链量化研究的完善为相关领域的经济研究提供了坚实基础，学者们对与本文相关的主题同样进行了有益探讨。Knickrehm等[11]将数字化投入界定为数字技能、数字软硬件、信息通信设备，以及用于生产环节的数字化中间品和服务。高敬峰等[12]发现，通信技术与相关信息服务等数字技术提升了中国GVC分工地位。关乾伟等[13]研究发现，互联网化程度的提升对中国制造业GVC分工地位具有正效应。何文彬[14]发现，数字化投入对GVC升级重构效应显著。张晴等[15]从数字基础设施、数字媒体以及数字交易三方面界定数字化投入，发现数字基础设施投入能够提升企业出口附加值。池仁勇等[16]发现数字技术推动制造系统实现自动生产，重新定义生产链条，促进企业高质量制造。刘启雷等[17]发现，数字技术通过生产运营与组织智能化实现要素赋能。

已有研究为数字经济内涵、GVC量化研究以及数字化与GVC分工之间的影响研究提供了丰富的见解，对本文有重要启发。但在研究层面、数字化投入度量、数字化投入对GVC影响机制及实证检验方面仍有一定探索空间。①部分研究囿于数据可得性对制造业数字化投入界定的范畴过小，且没有考虑不同来源及类型数字化投入可能带来的异质性影响。不同来源或类型数字化投入实现的功能及服务各异，给产业带来的效应有别，且界定范畴过小可能弱化数字化投入对制造业GVC分工的影响。②多数研究仅用单一GVC分工指标衡量一国 (部门)GVC分工。衡量GVC分工的指标众多，不同指标衡量的侧重点不同，考察不同的GVC衡量指标，有助于深入探究一国产出增加值的来源与去向。③立足制造业行业层面，将数字化投入结合GVC进行分析的文献仍有待丰富。2020年中央深改委审议会议强调，加快推进新一代数字信息技术和制造业融合发展，提升制造业数字化、网络化、智能化发展水平。④少有兼顾中国制造业行业的差异化，探究针对性数字化投入赋能。目前中国的制造业体系中劳动密集型、资本密集型及技术密集型制造并存，有必要考虑行业差异化，分析数字化投入对GVC的提升效应。

本文的贡献主要有以下几点：①采用新的数字化投入界定，利用最新的WIOD数据库有效测算制造业行业数字化投入水平及多个GVC分工衡量指标；②在数字经济影响GVC分工的理论分析基础上，通过构建计量分析模型，从三种不同的角度对数字化投入影响制造业GVC分工的具体效应及传导路径进行更全面的检验；③通过划分数字化投入来源和类型以及制造业行业类型，分析数字化投入对制造业GVC分工影响的异质性，并提出更具针对性的政策启示。

2 影响机制分析

数字化投入赋能与制造业全球价值链分工地位提升的本质是制造业生产效率的提升[18]。通过引鉴葛和平等[19]构造的数字部门通过传统部门影响经济高质量发展的理论模型，阐明数字部门如何影响传统部门生产效率。假设经济体仅由数字经济部门与传统经济部门构成，且数字部门的产出对传统部门的产出产生影响，主要影响途径是数字部门的数据、计算机、电子通信领域的技术应用及服务等与传统部门融合。因此，假设数字部门与传统部门的生产函数分别为：

YD=Y(LD,KD)

(1)

YT=Y(LT,KT,YD)

(2)

式中，LD、LT分别表示数字部门与传统部门的劳动投入，KD、KT分别表示数字部门与传统部门的资本投入，YD表示数字部门的产出与传统部门融合。由于经济体中仅有数字部门与传统部门，故总产出为Y=YD+YT，总资本为K=KD+KT，总劳动投入为L=LD+LT。

对式 (1) (2)分别求时间导数：

(3)

(4)

数字经济形态下，数字技术成为先进生产力的代表，数字化投入成为决定生产效率高低的关键[20]。数字部门在梅特卡夫定律与摩尔定律的驱动下具有更高的创新能力和协同效率。因此，假设数字部门与传统部门对相同要素投入的边际产出存在如下关系：

(5)

(6)

式中，μ与γ分别表示数字部门与传统部门对劳动和资本投入要素的边际产量差异。

假定数字部门在劳动与资本投入要素的边际产量差异优势存在如下关系：

(7)

假定数字部门产出以不变弹性ρ影响传统部门产出，即：

YT=Y(LT,KT,YD)=YDρS(LT,KT)

(8)

则传统部门对数字部门产出求偏导数有：

(9)

总产出Y对时间求导数：

(10)

将式 (5) (6) (7) (9)代入式 (10)中，整理可得：

(11)

将式 (11)两边同时除以Y可得：

(12)

数字化投入对传统制造业生产效率影响的存在性已得到佐证，影响的内在逻辑有待进一步揭示。基于已有机制分析，本文认为数字化投入作为高新生产要素引入经济系统，成为数字经济背景下传统部门提升经济效率、实现价值链攀升的重要动因，主要表现为以下三方面：

第一，优化传统部门要素配置，提升要素投入产出效率。基于高通用性与信息化的数字媒介，充分整合数据资源，实现生产系统中低端生产要素的替代，优化企业智能制造能力；借助平台化与智能化应用，实现生产、决策、销售、物流以及服务等信息的高效传递，并由数字化技术的智能优化自匹配、精准控制自执行以及信息深度感知自决策功能，优化生产决策过程，高效匹配服务于市场[15]；通过生产系统数控化、自动化、智能化改造，提升生产设备、产业链供应链管理精细高效，最终实现生产效率的提高[14]。

第二，降低传统部门交易成本，扩大市场规模。数字化技术打破了传统贸易时空、语言阻碍，降低搜寻与谈判等活动中间的交易成本；优化企业创新环境，整合产业链创新资源，压缩技术交易成本[21]；提升贸易便利化水平与贸易信息传递效率，加快企业GVC融入速度，降低参与GVC分工的门槛与固定成本[22]；缩短企业与全球消费者的距离，推动双边市场扩展为多边市场，促进企业形成规模经济和范围经济。

第三，完善传统部门协同分工，实现生产实时交互。数字化带来的人工智能、万物互联等数字技术推动不同国家、不同价值链环节的企业数据共享、协同研发、同步决策等生产变革，以互联互通、精细化管理等途径解构并重构全球生产网络，改变企业组织形态，提升协同分工效率[23]；借助数字化平台的实时互联、生产设备的数控化以及数据信息智能化收集预测，精准预测最优生产组合，自动实现生产分配、质量检测，提高协同分工效率的同时实现利润最大化[24]。

3 数字化投入与全球价值链分工衡量指标的测度

3.1 测度方法

(1)数字化投入。本文在相关学者对数字经济概念及核算框架界定的基础上，从生产要素贡献度视角出发，结合中国制造业数字化发展实际及数据可得性，将制造业数字化投入界定为制造业运用数字化产业的数字技术、基础设施等要素投入进行研发设计、商业运营、组织架构等革新过程，即电子及通信设备制造业、广播电视和卫星传输服务业、电信业及软件和信息技术服务业在传统经济部门中的投入。目前，由于数字经济卫星账户存在理论与编制上的争议，使得广播电视和卫星传输服务业在核算范围与统计分类尚不明确，后文测算中暂不考虑卫星传输服务业。

(2)制造业全球价值链分工指标。目前，基于国际贸易增加值的分解方法，能够充分考虑全球化产品生产的分割过程，反映一国产业出口的真实增加值。本文借鉴WWZ法测算贸易增加值，作为测度GVC相关衡量指标的基础[10]。

制造业GVC分工衡量指标：分工位置维度。GVC地位指数是依据部门所处GVC分工环节的相对位置来刻画部门所在GVC位置中的重要程度，公式如下：

GVCit=PLFGVCit/PLBGVCit

(13)

式中，PLFGVCit表示参与GVC分工的前向联系长度，PLBGVCit表示参与GVC分工的后向联系长度。GVC地位指数越大表示该部门越处于GVC的上游位置，其国际分工地位越高，反之国际分工地位越低。

制造业GVC分工衡量指标：显性比较优势维度。该指标反映了部门比较优势及竞争优势所形成的实际结果，是衡量GVC竞争力的重要指标之一，公式如下：

(14)

制造业GVC分工衡量指标：生产长度维度。该指标能够从垂直生产结构角度描述部门间生产的复杂与紧密程度，公式如下：

(15)

3.2 数据说明

文中使用的数字化投入与制造业GVC相关的原始数据来源于世界投入产出数据库 (WIOD)及其社会经济账户、 《中国统计年鉴》 《中国工业统计年鉴》。由于 《国民经济行业分类标准》与WIOD中的行业划分标准 (ISIC Rev.4)存在差异，借鉴刘慧岭等[25]的做法，以ISIC Rev.4为基准得到18个制造业行业。

3.3 测度结果分析

(1)中国制造业数字化投入趋势分析。自2000年以来，中国制造业全球数字化投入虽然经历了个别年份的增长趋势放缓，但总体而言呈现不断扩大趋势，且主要源于国内数字化投入的增长。2000—2009年国内数字化投入呈现稳步上升态势，年均增长率为21.09%，2010—2014年出现爆发式增长，此间数字化投入总量快速上升。国际数字化投入整体表现出上升与平稳两阶段态势，上升阶段为2000—2008年，年均增长率为30.24%。平稳阶段为2009—2014年，年均增长率为8.00%。2008年受国际金融危机影响，使得国际数字化投入在2008—2009年出现下降，直到2014年回到金融危机前的水平。

(2)中国制造业全球价值链分工趋势分析。图1所示为中国制造业GVC分工的变化趋势，从分工地位维度可知，GVC地位指数由0.94下降至0.91，呈现逐年下降趋势，从侧面印证了中国制造业整体处于 “微笑曲线”中下段的结论；从显性比较优势维度可知，呈现倒U形变化趋势，2000—2009年为上升阶段，RCA指数由1.26上升至1.37，2010—2014年为下降阶段，RCA指数由1.35下降至1.32，样本期内中国制造业RCA指数始终大于1，表明中国制造业具有较强的国际竞争优势；从GVC生产长度维度可知，样本期内GVC生产长度由2.94上升至3.25，表明中国制造业与国际产业部门的联系不断加强，参与的国际分工过程越来越复杂。

图1 中国制造业全球价值链分工趋势

4 数字化投入赋能制造业全球价值链分工的实证检验

4.1 构建计量分析模型

为了实证检验数字化投入对中国制造业GVC分工的影响，构建计量模型如下：

GVCi,t=β0+β1DIGIi,t+βXi,t+νt+θi+εi,t

(16)

式中，i和t分别代表行业和时间；GVC为被解释变量，表示衡量制造业GVC分工的相关指标，包括GVC地位指数 (GVCP)、RCA指数 (RCA)以及GVC生产长度 (APL)；DIGI为核心解释变量，表示行业全球数字化投入水平；X为控制变量，包含产出规模 (SCA)用行业产出规模衡量、海外市场 (ABO)用行业出口规模衡量、资本存量 (K)用行业资本存量衡量、要素回报 (L)用行业劳动要素回报衡量；β0表示截距项；vt表示时间固定效应；θi表示行业固定效应；εi,t表示残差项。为了消除量纲与数量级影响，实证检验中对原始数据进行标准化处理。

4.2 实证结果分析

(1)基准模型检验。基于式 (16)，运用双向固定效应模型得到的实证结果见表1。在加入控制变量的情况下，DIGI估计系数始终显著为正，表明数字化投入对制造业的GVC分工地位、显性比较优势以及生产长度具有显著正效应，表明数字化投入能显著提升制造业GVC分工地位与竞争力，并延伸制造业参与GVC分工的阶段，促进其参与更复杂的国际分工。劳动要素与GVC地位指数存在显著负相关性，与RCA指数存在显著正相关性，表明劳动要素有利于中国制造业国际竞争力的提升，却不利于提升GVC分工地位，折射出人力资本优势是制造业国际竞争力提升的重要因素，然而从GVC分工地位角度看，这一扩张路径并不能促进制造业突破GVC “低端锁定”。此外，产出规模变量与RCA指数具有显著负相关性，与GVC地位指数和生产长度无关，从侧面反映了中国是制造业大国而非制造业强国，意味着扩大出口规模不利于提升制造业GVC分工地位。

表1 基准回归结果

(2)基于不同来源地数字化投入的检验。从基准实证结果可知，数字化投入水平越高越有利于行业获得 “数字红利”，并通过前文经验事实分析可知，国内与国际数字化投入水平存在巨大差距。本文将全球数字化投入按来源地划分为国内数字化投入 (CDIGI)与国际数字化投入 (NDIGI)，并分别检验对GVC分工的影响，检验结果见表2。在使用不同被解释变量的情况下，CDIGI估计系数始终显著为正，NDIGI估计系数及显著性出现变化。其中，在被解释变量为GVCP的情况下，NDIGI估计系数为正不显著，在被解释变量为RCA的情况下，NDIGI估计系数显著为正，在被解释变量为APL的情况下，NDIGI估计系数显著为负。由此可见，国内数字化投入的提升对制造业GVC分工地位、国际竞争力以及生产长度具有更显著的正效应。可能的原因是中国制造业使用的国内数字化投入与国际数字化投入的总量差异，较低的数字化投入量不能给GVC分工带来全方位显著提升。

表2 基于不同来源的数字化投入回归结果

(3)基于不同类型数字化投入的检验。值得注意的是，不同类型数字化投入在实际应用中可能给行业带来不同效应。本文进一步测算制造业各类型数字化投入，分别记为电子及通信设备制造数字化投入 (ELEC)、电信数字化投入 (TELE)及信息技术服务数字化投入 (INFM)，以探究不同类型数字化投入对制造业GVC分工的影响。根据表3的检验结果可知，ELEC对制造业GVC分工地位与竞争力均具有显著正效应，TELE与INFM仅对制造业GVC竞争力具有显著促进作用，ELEC对制造业GVC分工的正效应最强。此外，从检验结果可知单一类型数字化投入对制造业GVC生产长度均无显著正效应，这是由于制造业GVC生产长度的延长意味着参加的国际序贯生产分工过程更加复杂，这一过程需要多类型数字化投入带来的综合提升效应，而单一类型数字化投入不能很好地满足国际序贯生产的分工需求。

表3 基于不同类型的数字化投入回归结果

(4)基于行业层面的异质性检验。基于前文分析的数字经济驱动效应与冲击效应，本文认为数字技术作为高新技术的代表，不同知识密集度行业可能存在一定的数字化投入应用门槛，使得并非所有行业在数字化转型中享受 “数字红利”，有必要分析数字化投入对不同知识密集度行业GVC分工的影响。因此，本文将制造业行业划分为低知识密集度行业 (DI)、中低知识密集度行业 (MID)和中高知识密集度行业 (HIG)进行实证检验。由表4可知，在低知识密集度行业，数字化投入与APL存在显著负相关性，与GVCP和RCA均无显著相关性，表明数字化投入不能促进该行业GVC分工地位与竞争力提升，并导致GVC生产长度缩短。在中低知识密集度行业，数字化投入与GVCP、RCA以及APL均具有显著正相关性，表明数字化投入能够促进该行业GVC分工地位、竞争力以及生产长度提升。在中高知识密集度行业，数字化投入与GVCP和RCA均具有显著正相关性，表明提升数字化投入有利于提升该行业GVC分工地位与竞争力。由此可知，数字化投入更有利于中低与中高知识密集度行业实现GVC攀升，而对低知识密集度行业的GVC分工无显著促进作用。原因在于，一是低知识密集度行业是劳动成本优势显著且依托劳动赋能的行业，使得数字化替代劳动力无法弥补减少劳动力带来的损失；二是中低与中高知识密集度行业具有更低的劳动要素、更高的技术与资本优势，更有利于快速匹配生产和服务于市场，使得物联网、大数据以及人工智能分析等功能可以得到更有效的利用。

表4 基于行业层面的回归结果

4.3 稳健性检验

(1)内生性检验。为了解决模型中可能存在内生性问题，本文采用核心解释变量滞后一期作为工具变量，并使用两阶段最小二乘法 (2SLS)对式 (16)再次进行估计，实证结果见表5。在依次加入控制变量后，本文关注的核心解释变量估计系数的正负号及显著性未发生实质性变化，从而验证了前文结论的稳健性。

表5 2SLS回归结果

(2)中介效应检验。根据前文机制分析可知，数字化投入能够通过优化传统部门要素配置、完善传统部门协同分工等效应提升行业生产效率，推动行业向GVC高端攀升。为此，运用Bootstrap中介效应检验法验证数字化投入影响制造业GVC分工的传导路径[26]。结合数据可得性，本文将行业劳动生产率作为中介变量，检验结果见表6。依

表6 中介效应回归结果

次以GVCP、RCA及APL作为被解释变量进行估计，Bootstrap的直接效应与间接效应的估计系数均显著为正，劳动生产率的中介效应显著，表明数字化投入能够通过提升行业劳动生产率进而实现GVC分工攀升，该结果验证了前文结论的稳健性。

5 研究结论与政策启示

本文在已有研究成果的基础上提出数字化投入对传统部门GVC分工的影响及作用机制，并以中国制造业行业面板数据为样本，从多角度进行实证检验，得出以下主要结论：①数字化投入可通过优化传统部门要素配置提升要素投入产出效率，降低传统部门交易成本，扩大市场规模，完善传统部门协同分工，实现生产实时交互等机制，助推制造业全球价值链攀升。②自2000年以来，中国制造业数字化总体呈现不断扩大趋势，且主要源泉来自国内数字化投入的增加。③双向固定效应回归结果显示数字化投入对中国制造业参与GVC分工具有全方位提升效应，且该结论经过稳健性检验后依旧稳健。④中介效应检验结果显示，劳动生产率是数字化投入提升制造业GVC分工地位、竞争力以及生产长度的有效渠道。⑤引入数字化投入来源地、类型以及行业层面的异质性研究表明：国内数字化投入对制造业GVC分工地位、竞争力以及生产长度的正效应显著大于国际数字化投入；电子及通信设备制造数字化投入对制造业GVC分工地位与竞争力的正向促进作用最显著，其次是信息技术服务数字化投入、电信数字化投入；数字化投入对中低与中高知识密集度行业的GVC分工具有显著正效应，对低知识密集度行业不具有正向促进作用。

本文的相关政策启示如下：

第一，加快推进新型基础设施建设，完善数字公共产品供给。新型基础设施能够为产业数字化转型乃至数字经济发展提供底层支撑，然而新型基础设施作为社会的准公共产品，其前期资金、人力投入巨大，后期报酬回报缓慢，多数企业难以积极投身于新基建建设中，这就需要以政府为主导，制定精准的新基建政策扶持项目，加大相关新基建财政投入力度，从搭平台、建生态、促转型等多个维度建立完善的数字化配套设施，提供充足的数字公共产品供给及技术服务能力，全面赋能企业生产服务全过程。同时，基于赋能平台全面升级、搭建数字经济产业互联网，以低门槛、快部署的特点加速中小微企业的数字化转型，最终实现行业数字化转型成本的降低，推动行业顺利完成数字化转型升级。

第二，优化数字产业布局，引导产业健康发展。数字经济拥有一个体系化的、有层次的经济组织模式，从数字化的基建设施、商业平台到应用场景，各个层级密切相连。与数据采集、工业互联网以及信息融通平台相关的数字产业，如果不能适应、匹配区域产业发展需求，则会出现资源错配等问题。因此，首先需要政府依据区域产业空间布局，统筹规划数字产业布局及规模，实现数字化投入应用场景与当地产业类型及需求相匹配。消除区域数字鸿沟以缩小工业新型基础设施差距，助推区域经济均衡发展。其次，积极出台数字产业管理规范，完善运营机制。通过构建新型数字监管体系，营造有序竞争的市场环境，推动数字产业共建共享，强化数字技术攻关与应用标准制定。布局多类型数字产业规划建设，开拓产业数字化应用深度，通过优势数字化企业及垂直领域合作企业的平台赋能，加快培育数字化赋能平台。最后，完善数据安全保障体系建设，以法律防范数据安全风险，构建能够满足企业及个人数据信息保护需要的制度体系。

第三，科学甄别行业特征，实施有选择的数字赋能。与传统生产要素相比，数字技术成为新经济举足轻重的新生产要素，正以难以置信的速度推动产业变革，数字技术从改变生活到改变社会、改变垂直行业。然而，数字技术作为先进生产力的代表具有一定的行业应用门槛。在数字化赋能过程中，不仅要系统性引入数字技术，还要避免对数字化投入要素与行业类型的一概而论，通过精准识别行业知识密集度类型，科学分析行业数字化投入需求，优化数字投入要素与行业类型的匹配，降低数字资源错配乃至无效投入，最大限度实现数字化投入赋能效应。例如，在依靠和运用先进、复杂的科学技术知识、手段进行生产的产业，如电子与机械设备制造等行业中更多嵌入数字化，在劳动密集型产业或劳动消耗所占比重较大的产业降低数字化投入，以最大限度发挥数字化投入对行业全球价值链攀升的正效用。