数字技术对企业生产效率的影响——基于智能制造试点的经验研究

□ 赵滨元

（天津市大数据管理中心 战略发展研究处，天津 300221）

一、引 言

新一代数字技术与制造业应用场景深度融合，衍生出网络化、数字化、智能化制造范式[1,2]。《智能制造发展规划（2016-2020 年）》明确提出，到2020 年，建成300 个以上智能制造试点示范项目，试点示范项目实施前后实现生产效率提高20%。2015—2018 年，国家工业和信息化部连续4 年组织实施智能制造试点示范行动，先后遴选了305个试点示范项目。有学者基于智能制造试点示范行动检验数字技术对企业的影响。例如，权小峰、李闯[3]、张树山等[4,5]将此行动视为一次准自然实验，发现数字技术的应用能够降低企业成本粘性，提升企业绩效，显著影响企业技术创新投入。总体来看，现有研究成果对智能制造试点示范行动的实施效果做了初步探索，然而对试点示范行动目标完成度的检验相对较少。数字技术在制造业领域的创新应用究竟如何影响企业生产效率，已经成为当前亟待研究的重要问题。

三十多年前，诺贝尔经济学奖得主罗伯特·索洛（Robert Solow）提出了著名的“ICT 生产率悖论”[6]，即“除了在生产率的统计方面，计算机的影响力已经无处不在”。现有研究普遍认为，ICT 生产率悖论是要素错配的结果[7-9]。即便从信息与通信技术这一更广的理论范畴来看，当前ICT 生产率悖论似乎也已经消失了[10,11]。当然，也有学者指出，ICT 生产率悖论的某些“解决方案”可能忽略了信息与通信技术生产率变化的部分重要特征[12]。总的来看，现有研究成果对“数字技术能够促进企业生产效率提升”这一观点基本达成共识，而关于数字技术对企业生产效率作用机制的认识则见仁见智，相关研究方兴未艾。

现有研究主要从分工效率、协作效率和数实孪生三个角度阐述数字技术对企业生产效率的影响机理。一类研究认为，数字技术连接了大量潜在目标客户群体和产品生产主体，整合重构产业链资源，使分工深度从企业转向产品、分工广度从局部拓展至全球，通过提高分工效率促进生产效率提升[13,14]。另一类研究成果显示，数字技术促进了分布式协同生产的发展，催生了分布式协同制造的“云工厂”，依托工业互联网平台沉淀可复用的数据资源，形成了大规模定制生产的柔性生产模式，通过全产业链高效协同促进生产效率提升[15,16]。另外，部分研究成果表明，数字技术基于人工智能算法和快速发展的虚拟现实、增强现实、混合现实技术，构建起与现实交相呼应的虚拟网络空间，为现实生产制造注入“数据基因”，通过全域数据化感知和数据同步，大幅度提升生产效率[17]。

本文借助工信部智能制造试点示范行动这一准自然实验，实证检验数字技术对企业生产效率的促进作用和企业创新能力的中介效应，并对企业异质性在此过程中的作用进行探讨。以“是否获批智能制造试点示范项目”这一虚拟变量作为衡量企业数字技术创新应用水平的指标，运用双重差分倾向得分匹配方法克服由遗漏变量、选择偏差等因素导致的内生性问题，检验数字技术对企业生产效率的促进作用。在此基础上以专利申请数量作为衡量企业创新能力的中介变量，构建中介效应模型，检验企业创新能力在上述促进作用传导路径中的中介作用，并按照企业所有权性质、企业规模和所在区域进行分组回归，考察企业异质性对上述促进作用的影响。

本文边际贡献如下：（1）研究视角上，聚焦企业生产效率这一智能制造试点示范行动目标进行检验，围绕数字技术和企业生产效率之间的关系展开讨论，通过检验数字技术对企业生产效率的影响程度、作用机制和效果差异，为科学评价智能制造试点示范行动实施效果、深化数字技术推广应用、探索制造业智能化转型升级路径提供思路启示。（2）研究方法上，采用倾向得分匹配方法，选择与获批智能制造试点示范项目企业特征相似的企业作为对照组，力求最大程度降低选择性偏差造成的影响，在此基础上使用双重差分法，估计数字技术对企业生产效率的带动作用，保障了研究结论的客观性。

二、理论分析与研究假设

（一）数字技术对企业生产效率的促进作用

智能制造是以技术迭代倒逼流程再造、功能重塑、业态颠覆的新型制造模式，呈现出万物互联、数据驱动、创新迭代三方面特征。数字技术对企业生产效率的促进作用也主要体现在载体平台、资源要素和技术创新这三重属性上。

从载体平台的角度来看，“互联网+”提高了制造业的发展质量。根据梅特卡夫法则，网络的价值等于其节点数的平方。以开放、共享、协同为特征的新兴网络技术，缩短潜在的空间距离，深刻改变着各个行业的运行方式和发展路径。网络作为支撑智能制造发展的载体平台，显著改变了制造业的发展格局和组织模式，驱动企业组织管理、运营模式、发展方式创新和转变，衍生出新的网络化制造业态[18]。“互联网+”有效连接了产业链供需两端，将消费者直接纳入生产流程，将消费者需求直接融入各个生产环节。制造业企业能够利用互联网平台直接面对消费者，精准对接消费者需求，减少了生产过程中资源要素的消耗与浪费，提高了企业生产效率[19,20]。

从资源要素的角度来看，“大数据+”提升了制造业的发展效率。不同于劳动力、资本、自然资源等生产要素，数据具有高流动性的特征，扩散成本低，扩散速度快[21]。作为一种新型生产要素，数据依托产业大脑和数据中枢挖掘提炼潜在价值，创新迭代产业数据整体建模、质量管控，推动产业体系不断向柔性生产、精准服务、协同创新迭代升级[22]。作为促进数字技术应用的重要资源，数据直接参与生产流程，与劳动力、土地、资本等传统要素有机结合，促进跨区域、跨行业、跨环节生产资源的有效整合，为充分发挥传统要素在生产中的作用、提升企业生产效率提供有力支撑。

从技术创新的角度来看，“人工智能+”增强了制造业的发展动力。根据摩尔定律，与农业技术、工业技术不同，新一代数字技术扩散速度更快、迭代周期更短[23]。人工智能技术通过对传统制造业产业链的智能化升级改造，推动形成协同化、定制化、柔性化、绿色化的新型创新体系、生产方式和产业形态，促进产业价值链向高端迈进和企业生产效率提升[24]。因此，提出以下假说：

假说1：数字技术能够显著促进制造业企业生产效率提升。

（二）企业创新能力对数字技术作用的中介效应

在数字技术对企业生产效率作用的传导机制上，企业创新能力是一条较为清晰的传导路径。一方面，数字技术能够从用户集成和供应商集成两个维度促进企业创新能力提升。从用户集成的角度来看，基于新一代数字技术，制造业企业能够采集用户行为数据和产品全生命周期数据，构建逆向信息快速响应的创新模式[25]。企业通过提供“智能产品+智能软件”感知用户需求并向用户提供服务，与用户建立“强关系”，成为24 小时在线、感知、预测用户需求的“客户运营商”，将用户需求实时反馈到研发设计环节，提升产品迭代升级效率[26,27]。从供应商集成的角度来看，数字技术有助于制造业企业从供应商获取更多技术资源，加快产品更新速度[28]。基于高速发展的数字技术，制造业企业更易于获得高效的创新服务，有助于加速新技术迭代升级，促进技术水平和创新能力提升。

另一方面，知识学习、知识产出、成果转化等企业创新能力能够显著影响企业生产效率。知识学习的过程能够消化、吸收和转化外部获取的知识，使其成为企业实际拥有的技术资源，并且依靠已有知识存量使其在研发创新过程中提高生产效率。知识产出能力是影响自主研发创新作用于生产效率的技术能力因素，在自主研发创新过程中，较高的知识产出能力可以有效发挥知识资本的促进作用。企业自主研发创新的最后一个阶段是科技成果的转化，在这一阶段，企业通过利用知识产出所获取的新技术开发出具有自主知识产权的新产品，从而产生更大经济效益。成果转化能力较高的企业可充分利用知识产出及时收回研发成本，将成果转化收益进一步投入成果转化能力的提高与知识资本的累积过程中[29]。基于此，提出如下假说：

假说2：在数字技术促进制造业企业生产效率提升的过程中，企业创新能力能够发挥中介作用。

（三）企业异质性对数字技术作用的影响

从企业所有权性质来看，数字技术对非国有企业生产效率的促进作用更强。在数字经济时代，数字技术需要快速响应业务发展变化，甚至推动业务创新[30]。基于体制机制方面的原因，国有企业数字技术创新应用效果相对较弱[31]，而非国有企业运用数字技术提升企业生产效率的效果更为明显[32]。

从企业规模来看，数字技术对大型企业生产效率提升的促进作用相对较强。虽然熊彼特创新模型表明，竞争会加速技术应用，然而激烈的竞争往往会造成严重的租值消散。由于竞争对手的模仿创新，数字技术发展变化速度较快，对企业的配套能力要求较高，创新应用通常只能带来短期利润，中小企业没有足够的动力采用数字技术提高生产效率[33]。

从企业所在区域来看，数字技术对东部地区企业生产效率的促进作用相对更强。从载体平台的角度来看，数字化平台不仅为企业提供了在线协同配置创新资源的机会，也为企业寻找合作伙伴、增强交流对接提供了信息获取渠道。企业可以在线上交流的基础上，通过实地调研、线下研讨、共建实体平台等方式进一步深化合作[34]。从资源要素的角度来看，数据的低扩散成本和高扩散速度特点，导致数据具有天然的流动属性。这种流动性受地理空间限制较小，地理位置较为接近的企业具有较多的交流合作机会，可以通过彼此共享开放数据要素增加数据要素的利用效率[35]。从技术创新的角度来看，数字技术提高了实体平台对人才、技术、知识等创新资源要素的配置效率，增强了实体平台对资源要素的集聚效应[36]。因此，数字技术的创新应用增加了企业在地理空间层面集聚的可能性，为企业和资源有效配置和空间集聚提供了有力支撑。与中西部地区相比较，东部地区制造业基础较为雄厚，基础设施较为完善，能够充分发挥数字技术三重属性对企业生产效率的促进作用。因此，提出以下假说：

假说3：非国有企业、大型企业和东部地区企业应用数字技术对生产效率的促进作用相对更强。

三、模型设定与指标选择

（一）模型设定

为检验数字技术对企业生产效率的影响，可以通过比较企业实施智能制造项目前后的简单差异（单差法）进行判断。但在企业获批智能制造项目前后，部分影响企业生产效率的因素可能无法纳入模型中，这些因素的变动可能会影响对数字技术作用的估计结果。为避免其他因素对企业生产效率影响的干扰，本文使用双重差分法（DID）进行检验，模型如下：

其中，tfp为企业生产效率，treated为“是否获批智能制造试点示范项目”这一虚拟变量，用来衡量数字技术应用水平，X代表控制变量，u、λ分别表示时间和个体固定效应，ε表示随机扰动项。

运用DID 方法需满足处理组和控制组具有共同趋势这一前提，即如果排除“是否获批智能制造试点示范项目”这一因素对企业生产效率的影响，各企业生产效率的变化趋势不存在系统性差异。为削弱处理组和对照组之间存在的系统性差异，本文采用基于反事实推断的双重差分倾向得分匹配法（PSM-DID），检验数字技术应用对企业生产效率的净效应。

（二）指标选择

1.被解释变量（企业生产效率）。参考杨汝岱[37]、鲁晓东、连玉君[38]的计算方法，使用LP 法计算得到的全要素生产率衡量企业生产效率。

2.核心解释变量（数字技术）。借鉴张树山等[5]的处理方式，使用“是否获批智能制造试点示范项目”衡量数字技术应用水平。

3.控制变量。参考黄键斌等[31]的方法，本文选择总资产、经营性现金流量、现金持有量、两职合一、所在省份经济发展水平5 项指标作为控制变量。

4.中介变量（企业创新能力）。由于专利数据的可获得性较强，专利数量已经成为衡量企业创新能力经常使用的指标，基于此，本文使用当年专利申请数量（patent）作为衡量企业创新能力的统计指标。上述指标赋值规则如表1 所示。

表1 主要指标赋值规则

（三）数据处理与描述性统计

综合考虑数据的可得性和完整性，本文使用制造业上市公司2009—2021 年度数据作为考察样本。地区生产总值来源于中国统计年鉴，“是否获批工信部智能制造试点示范项目”及获批年份来源于工信部网站，专利申请数量来源于国家知识产权局专利之星检索系统，其余原始数据来源于沪深证券交易所发布的上市公司年报。在对总资产、经济发展水平取自然对数并对全部连续变量进行1%的winsorize 双边缩尾处理后，选取639 家上市公司的7918 个观测值作为考察样本。描述性统计如表2 所示。

表2 各变量描述性统计

四、实证检验

（一）基准回归结果

表3 报告了基准模型的回归结果。其中，方程（1）使用时间、个体双固定效应模型进行回归。结果显示，应用数字技术的企业，生产效率高于全体样本平均值7.51个百分点。虽然双固定效应模型对不随时间和个体变化的不可观测变量进行了控制，但可能存在选择性偏差问题，即生产效率高于整体平均水平的企业，可能更加倾向于选择应用数字技术。为削弱选择性偏差问题，进一步加强数字技术与企业生产效率之间的因果推断，将全体样本划分为应用数字技术的处理组和未应用数字技术的对照组，并使用双重差分法检验处理组应用数字技术前后生产效率的变化程度。检验结果如方程（2）所示，应用数字技术的企业生产效率发生显著变化，处理效应达到9.6%（e0.092-1=0.096）。上述双重差分法检验过程对处理组和对照组作出区分，却忽略了如下问题：在是否应用数字技术之外，二者之间是否存在其他系统性差异，特别是这些差异可能显著影响企业生产效率的变化趋势，导致二者生产效率的变化趋势截然不同。如果不对这些可能存在的差异进行控制，就可能出现虚假回归现象。因此，在双重差分之前，需要进行倾向得分匹配，选择与处理组特征相近的样本作为控制组。方程（3）使用logit 模型估计倾向得分，并使用二次核函数进行核匹配（高斯核、双权核、均匀核、三次立方核的核匹配结果以及卡尺匹配、k 近邻匹配、卡尺内最近邻匹配、局部线性回归匹配的匹配结果与此完全一致）。结果显示，在进行倾向得分匹配后，应用数字技术对企业生产效率的处理效应达到12.0%（e0.113-1=0.120）。方程（4）用probit 模型代替方程（3）中的logit 模型估计倾向得分，得到基本一致的回归结果，即应用数字技术可以带动企业生产效率提升13.2%（e0.124-1=0.132）。上述检验结果验证了假说1 提出的论断，数字技术能够有效促进企业生产效率提升。

表3 基准估计结果

（二）稳健性检验

为检验数字技术对企业生产效率的影响是否客观存在，使用构造虚拟处理时点的方式，对数字技术的处理效应进行安慰剂检验，分别将处理期提前1～4 期，检验结果如表4 所示。当处理期提前1 期时，处理效应仅在10%的水平上显著；而当处理期提前2～4 期时，处理效应均不显著。因此，数字技术对企业生产效率的影响具有较强的客观性。

表4 安慰剂检验结果

为检验LP 法计算全要素生产率的稳健性，使用另外4 种计算方法进行稳健性检验，表5 列出了检验结果，虽然全要素生产率计算方法改变后，各解释变量系数的绝对数值有所波动，但各个系数的方向和显著性均未发生明显变化。由此说明，使用LP 法计算全要素生产率具有较强的稳健性。

表5 TFP 计算方法的稳健性检验结果

此外，为削弱遗漏变量、双向因果等原因导致的内生性问题，本文借鉴周明生、张一兵[39]的做法，基于所在省份互联网宽带用户接入数量、集成电路产量、软件业务收入、移动电话人均拥有量4 项指标，通过主成分分析法，构造“所在省份数字技术发展指数”指标，以此作为工具变量进行两阶段最小二乘回归。结果表明，工具变量与核心解释变量显著正相关，第二阶段回归结果与方程（3）的回归结果基本一致，即各解释变量的系数方向和显著性水平均未发生明显变化。因此，本文基准估计结果得到的因果关系具有较强的合理性。

（三）中介效应分析

上述实证检验结果尚未探讨数字技术对企业生产效率的促进作用机制，而假说2 提出，企业创新能力是数字技术影响企业生产效率的传导路径之一。为检验企业创新能力在数字技术对生产效率的影响机制中的作用，使用中介效应模型进行逐步回归。表6 报告了中介效应检验结果。

表6 中介效应估计结果

方程（13）回归结果显示，数字技术对企业创新能力的提升存在正向影响。制造业企业在应用数字技术的过程中，通过生产装备和生产工艺数字化智能化转型，促进自身创新能力提升。方程（14）中企业创新能力对生产效率的回归系数同样显著为正，而在增加企业创新能力中介变量后，数字技术对企业生产效率的回归系数从0.113 降至0.082，表明数字技术通过对企业创新能力的积极影响间接促进生产效率提升。制造业企业在装备和工艺智能化的基础上，在数字技术创新应用中产生更多创新理念，促进企业生产管理能力和生产效率提升。通过企业创新能力产生的中介效应通过了Sobel-Goodman 检验和Bootstrap 检验，占比达到27.62%（0.754×0.042/0.113），这验证了假说2 提出的论断。总体来看，数字技术的直接效应大于中介效应，即数字技术对企业生产效率的影响仍以直接效应为主。

（四）异质性分析

为检验企业异质性对数字技术作用的影响，本文借鉴韩会朝、徐康宁[28]的处理方式对全体样本进行划分。异质性检验结果如表7 所示。

表7 中介效应估计结果

观察方程（15）和方程（16）的回归结果可知，非国有控股企业的处理效应系数为正且显著，而国有控股企业的处理效应系数并不显著，这一结果表明，基于体制机制、政策倾向、发展路径等因素，数字技术对国有控股企业生产效率的作用相对较弱，而非国有企业能够敏锐地洞察市场机会，适时地发起技术变革，有效发挥数字技术对企业生产效率的促进作用。观察方程（17）和方程（18）的回归结果发现，数字技术能够促进大型企业生产效率提升15.0 个百分点（e0.140-1=0.150），而对中小企业生产效率的平均带动作用并不显著，说明中小企业应用数字技术对生产效率的拉动作用相对较弱，而大型企业能够更加充分地发挥数字技术应用效能。对比方程（19）和方程（20）的回归结果可知，应用数字技术的东部地区企业生产效率比东部地区整体平均水平高出15.5 个百分点（e0.144-1=0.155），而应用数字技术的中西部地区企业生产效率并未显著提升。东部地区拥有成熟的工业互联网平台，信息化资源和基础设施更加成熟，资本量也相对较为充沛，数字技术行业平台和区域平台更为完善，能够对企业发挥数字技术促进生产效率的作用起到有力支撑。上述结果均支持了假说3 的推断。

五、结论与启示

（一）研究结论

本文实证检验数字技术对企业生产效率的促进作用，得到以下结论。（1）数字技术的应用实施能够显著促进制造业企业生产效率。数字技术的网络平台、数据要素、技术创新三重属性，增强了制造业的发展质量、发展效率和发展动力。（2）进一步研究发现，企业创新能力发挥了重要的中介作用。数字技术可以通过带动企业创新能力增强，间接驱动生产效率提升。（3）异质性分析结果表明，数字技术对不同企业生产效率的作用强度是不同的，非国有企业、大型企业和东部地区企业应用数字技术对生产效率的促进作用相对更强。

基于上述结论，本文（1）深化了对数字技术属性的认识。在通用技术属性的基础上，基于梅特卡夫法则、摩尔定律、熊彼特创新模型等经典理论，从载体平台、资源要素、技术创新三个维度归纳数字技术的属性，进一步加深了对数字技术特有属性的认识。（2）丰富了数字技术对企业生产效率影响机制的研究。基于诸多围绕索洛悖论展开讨论的研究成果，本文借鉴了温湖炜、王圣云[23]、赵宏中等[29]的思路，明确提出了“数字技术—企业创新能力—企业生产效率”的作用路径。（3）补充了对不同企业应用数字技术异质性特点的分析。按照企业所有权性质、企业规模和所在区域，对研究对象进行分样本回归，进一步拓展了对数字技术作用的分析思路。

（二）政策启示

本文得出以下三点政策启示。（1）持续推进数字技术普及推广应用。引导制造业企业创新应用新一代数字技术，以装备智能化作为数字技术应用的突破口，通过感知分析、监督控制、推理决策等装备智能化升级改造，实现数值模拟、参数优化、智能迭代等生产工艺智能化，促进数字技术迭代升级和技术创新能力提升。（2）进一步发挥数字技术对企业创新能力的驱动作用。引导制造业企业基于自身业务特点，聚焦关键业务环节，在数字技术创新应用中提升算法性能，挖掘数据价值，更好赋能生产效率提升。（3）因企制宜发挥数字技术赋能作用。对非国有企业开展智能化升级改造给予补贴，聚焦数字技术在制造业领域应用转化路径重点发力；利用新一代数字技术加速重构国有企业生产制造模式，发挥新型举国体制优势，探索打造数字技术研发转化全链条模式。引导大型企业积极参与智能化改造和智能制造试点示范项目申报，进一步完善项目培育、遴选、申报工作机制；依托智能化解决方案供应商和平台服务商搭建公共服务平台，弥补单个中小企业技术创新短板。鼓励东部地区企业加强对成熟经验举措的宣传推广，发挥试点示范带动效应；引导典型案例、先进经验在中西部地区复制、推广、转化，支持龙头企业在中西部地区建设产业链级数字技术平台，营造数字技术良好创新发展生态。