智能產品制造與企業價值鏈分工位置攀升

唐錦玥，羅守貴，2

（1.上海交通大學 安泰經濟與管理學院，上海 200030；2.上海交通大學 知識競爭力與區域發展研究中心，上海 200030）

0 引言

在產品或服務從生產到最終消費者使用的一系列活動中，每個階段都增加價值，即構成產品或服務的價值鏈［1］。價值鏈上的各個環節被分散在世界各地的許多公司中，各個公司占據了價值鏈的不同位置。根據微笑曲線理論，增加值向兩端環節集中，而中間環節的增加值卻不斷下降。中國自2001年加入WTO以來，在全球價值鏈中的參與度不斷增強，在價值鏈中的重要性也日益提升。然而，在全球價值鏈分工體系中，大量的中國企業集中在勞動密集型產業、低端制造和組裝環節，技術水平低，自有品牌少，議價能力弱，利用更低的成本來獲得出口優勢［2］。同時，隨著勞動力資源優勢和成本優勢逐漸弱化，中國企業受到來自東南亞、中東歐國家和地區的競爭壓力，在價值鏈中的競爭力有所弱化［3］。因而，對于制造業企業來說，沿著增值階梯向上走、從低附加值的價值鏈中部轉移到價值鏈上游［4-5］，是企業增加利潤空間、提高經營績效的有效路徑，也是發展中國家企業實現戰略升級的重要軌跡［6］。

近年來，信息化和數字化技術快速發展，新一代信息通信、5G、區塊鏈、物聯網、人工智能等技術不斷突破，并與先進制造業深度融合，持續引發影響深遠的產業變革。在此背景下，智能制造（intelligent/smart manufacturing）成為各國為推動產業發展而廣泛采納的戰略方向。智能制造是一種基于智能科技的新型制造模式，充分利用先進的信息和制造技術，極大地提高生產效率、產品質量和服務水平，升級了典型產品的設計、生產、管理和全生命周期的集成［7］。智能制造是直面全球產業競爭環境，實現產業升級，重塑制造業競爭新優勢，迎接新一輪發展中巨大挑戰的有效策略。智能制造已成為實現中國制造業轉型升級的重要戰略，《中國制造2025》和《“十四五”智能制造發展規劃》等文件均強調要加快新一代信息技術與制造業深度融合，推進智能制造，促進產業轉型升級，從而實現制造業由大變強的歷史跨越。智能產品（intelligent/smart product）是智能制造的重要組成部分。智能產品具有信息處理、問題反饋和決策制訂的功能［8］，由數字部分和物理部分組成，與其他智能產品或人類進行溝通和聯系，能夠學習、預測和獨立于用戶干預而行動，并對自己及其與外部實體的互動做出決策［9］。加快發展智能產品制造，尤其是集成電路及專用裝備、信息通信設備、高檔數控機床和機器人等重點產品的生產，有助于不斷拓展制造業新領域，推動制造業企業向價值鏈上游移動，重塑價值鏈體系及在產業競爭格局中的位置。

已有研究發現，智能制造是實現中國制造業企業提高經營績效、實現價值鏈升級的有效途徑。智能制造對企業效率、勞動力、經營績效的影響受到學者的廣泛關注，如YANG［10］基于我國臺灣電子行業人工智能技術創新的企業數據，發現人工智能技術顯著提高了效率和就業，并改變了企業的勞動力構成，降低了低學歷勞動者占比。近年來，學者對智能制造與價值鏈分工位置之間關系的關注也不斷提高。呂文晶等［11］采用探索性單案例研究方法，分析了海爾的COSMOPlat智能制造模式，以及通過智能生產、智能服務與智能產品轉型實現全球價值鏈升級的路徑。裘瑩等［12］通過對已有研究的理論梳理，討論了由數據分析平臺、 數據要素與數字智能、模塊化治理驅動的智能制造微觀治理結構。也有學者采用定量分析的研究方法，對二者關系進行實證檢驗。劉斌與潘彤［13］基于工業機器人數據，發現人工智能的應用通過降低貿易成本、推動技術創新、優化資源配置，顯著促進了行業的全球價值鏈參與和分工地位提升。彭剛等［14］發現工業機器人對全球價值鏈分工地位提升的促進作用在非技術密集型行業和高使用密度的行業更為顯著。周洺竹等［15］則檢驗了工業機器人通過提高效率、改變勞動力結構和優化產品質量，對全球價值鏈分工位置優化的促進作用。

盡管已有研究為理解智能制造對價值鏈分工位置攀升的效應提供了豐富的證據，但仍存在以下不足。①智能制造對企業的生產、經營等相關研究仍在起步階段，目前主要關注了在生產、經營環節中的智能化制造［13-14］，缺乏對智能產品制造的效應分析。了解智能產品制造如何影響企業在價值鏈中的分工位置變化，是理解區域及全球產業分工的動態變化和治理模式的重要突破口。②已有研究主要探討了機器人、人工智能的應用效果［15-16］，但是人工智能僅是智能化的組成部分，對智能化經濟效果的全面研究仍然有所缺失。③已有研究主要包括對智能制造推動價值鏈上位置攀升的成功案例的經驗總結和比較分析［11-12］，少數實證研究則集中在區域和行業層面，缺乏對微觀企業層面的細致探討［14］。

本文基于2008—2018年上海市科技企業中的制造業企業統計數據，通過企業經營范圍文本信息，參考智能制造的術語詞典，基于機器學習方法構建了智能產品制造水平的衡量指標。在此基礎上，采用固定效應模型，檢驗了智能產品制造對企業價值鏈分工位置攀升的影響，以及這種效應在不同創新度、競爭度、開放度的行業間的異質性。本文的研究結論為如何加快建設制造強國、搶占制造業新一輪競爭制高點、提高區域及全球產業競爭力提供了理論基礎和政策參考。

1 假設提出

1.1 智能產品制造與企業價值鏈分工位置

智能產品制造為企業在價值鏈中的分工位置向上游移動提供了機遇和可能。第一，智能產品制造通過提高產品質量、增加技術復雜度和產品附加值，優化企業在價值鏈上的戰略地位，使企業逐步向制造業高端環節延伸，進入上游分工部門［17］。由于價值鏈環節中企業之間激烈的競爭，向更高技能和更高價值位置轉移的活動經常受到破壞。公司會采取多種戰略來創造和維持競爭優勢，提高在價值鏈中的產品增加值和利潤率［18］。產品創新是企業創造、整合、重組和轉移資源，實現競爭力提高、企業增長和高質量發展的關鍵途徑［19］。在智能技術快速發展的背景下，企業根據市場和創業需要，將智能技術融入生產線，對產品的生產流程以及產品性能、外觀等方面進行改良，并衍生出技術含量更高、質量更高的智能產品。智能產品制造提高了產品技術含量和產品質量，使得企業在與其他企業的產品競爭中更具有競爭力，在質量競爭、差異化競爭中占據優勢。這有利于企業更廣泛、更深層次地參與價值鏈分工，進入高技術水平、高附加值的上游生產環境，實現價值鏈分工位置的攀升［20］。因此，智能產品作為企業的一種具有獨特性、復雜性、難以被模仿替代的比較優勢，推動企業改變發展戰略，進入更復雜的產品生產環節、增加單位價值，即價值鏈中技術水平較高、占比較大的上游部分［21］。

第二，制造業企業對智能產品的自用，尤其是對工業機器人、云計算、信息系統等技術和設備的應用，推動了企業從勞動密集、資本密集向知識密集、技術密集的轉型，能夠顯著提高企業的生產率，促進價值鏈分工位置向上游移動［22］。智能產品提高了企業對研發設計、加工、制造和銷售等環節的數據挖掘、分析、儲存和預測能力，有助于企業發現各個環節的潛在問題并及時解決，精確調整生產計劃，降低企業的生產成本和管理成本［23］。例如，由于交易的不透明，供應鏈上各環節容易出現延遲、低效率和人為錯誤［24］?；趨^塊鏈、物聯網等先進技術的自動化生產線能夠優化企業的供應鏈管理，在生產和交付過程中跟蹤商品，以確保質量和真實性，并自動遵守貨運和貿易法規［25］。這極大地降低了企業與供應商的交易成本和信息不對稱，提高了供應鏈管理效率和質量、保障生產材料供應效率。此外，智能產品能夠優化配置勞動、資本、技術等各類生產要素，提高資源配置效率，從而提高企業的生產率［26］。生產率提高是推動企業優化價值鏈分工位置的重要因素，已有研究表明，生產率較低的企業更可能位于價值鏈位置較低的環節，而生產率的提高能夠提高企業在價值鏈中的嵌入程度［15］，因此，智能產品能夠通過提高生產率來推動企業向價值鏈上游攀升。

第三，智能產品制造推動了本地區的產業升級，增加了本地區產業集群尤其是與智能技術相關的集群的競爭力，對本地企業有溢出效應，帶動本地產業分工向價值鏈上游移動。產業升級是企業層面變化的聚合結果，在集聚經濟的外部性推動下，集群內單一企業或核心企業的升級能夠帶動當地集群的整體升級。一方面，智能產品制造提高了制造業企業的人力資本和知識庫規模，對本地企業產生技術溢出效應。本地企業能夠通過模仿和研究合作，將溢出的新技術運用于生產和管理流程。另一方面，智能產品制造為本地集群的中間品市場提供了高技術、高附加值、多樣化的中間品，降低最終品廠商的生產成本，帶來規模經濟效益［27］。因此，單一企業的智能產品制造有助于本地產業集群從生產低質量、低附加值產品轉向生產高質量、高附加值的智能化、數字化產品，從“傳統制造”向“智能制造”轉型，完成產業升級過程［5，28］。產業升級增加了本地集群在價值鏈中的議價能力和核心競爭力，形成本地集群的品牌效應，輻射帶動本地企業深入參與價值鏈分工，有助于促進本地企業在價值鏈中的分工位置攀升。據此，提出如下假設。

H1 智能產品制造促進了企業價值鏈分工位置攀升。

1.2 行業異質性

根據組織適應理論，外部環境是影響企業戰略決策的關鍵因素。在不同的行業中，企業的環境條件存在明顯的差異。例如，高創新度的行業有更濃厚的創新氛圍，有利于行業內的知識傳播和技術溢出；高開放度的行業內企業間的信息渠道更為完善，有助于新產品、新技術和新觀念的傳播；在高競爭度的行業內，企業創新容易受到其他在位企業的打壓，形成技術和產品的模仿，因而面臨替代品的競爭壓力。結合智能產品制造的特性，本文從行業創新度、開放度、競爭度探討智能產品制造效應在行業間的異質性。

根據創新需求拉動理論，企業創新的動力來源于所在行業對技術創新的需求程度，需求程度越高，企業創新動力越強。創新度較高的行業中，行業技術含量較高，技術環境較好，行業內有大量的研發資金和專業技術人員投入。企業在智能產品領域開展創新的成本越低，智能產品轉型的動力越強［29］。此外，智能產品具有激進創新、破壞式創新的特征，是對傳統產品和傳統商業模式的顛覆，并極大地影響了消費者的采用決策［9］。創新度較高的行業對激進創新的接受度和認可度較高，新產品的市場反應較好。因此，這種行業內的企業通過智能產品制造獲得的比較優勢更強，價值鏈攀升幅度更大。創新度較低的行業中，產業增長空間有限，行業技術環境和創新接受度較差，企業普遍缺乏產品智能化的投資動機和意愿，企業通過智能產品制造所獲得的收益相對較少。據此，提出如下假設。

H2 相比低創新度行業，智能產品制造對高創新度行業的企業價值鏈分工位置攀升促進效應更強。

影響智能產品制造經濟效果的一個重要原因是技術抵制［9］。雖然智能產品使使用企業的任務更有效、工作更容易，但使用者可能認為智能產品是一種威脅，導致他們避免使用該技術。行業的高開放度有助于新理念、新技術和新產品的傳播，降低產品市場推廣的阻力和風險，使智能產品更快地被市場接受。此外，企業與客戶、供應商、合作伙伴等主體之間的社會網絡為企業提供了了解產品市場的信息渠道，降低了企業與終端消費者之間的信息不對稱，有助于企業根據市場需求缺口和消費者偏好識別市場機會，抓住潛在需求，調整智能產品的發展方向，適應動態變化的外部環境［30］。因此，相比于開放度低的行業，開放度高的行業中企業與其他主體緊密聯系，從而更準確地識別智能產品發展方向、彌補市場空缺，通過制造智能產品獲得更大的收益。據此，提出如下假設。

H3 相比低開放度行業，智能產品制造對高開放度行業的企業價值鏈分工位置攀升的促進效應更強。

受到行業內其他企業的競爭壓力，企業會調整自己的行為以規避競爭威脅，獲取更多利潤，表現為逃離競爭效應。這一效應在不同行業間有所不同。對于競爭度較低的行業來說，制造業企業更容易通過傳統產品到智能產品的轉型升級而獲得高額壟斷利潤，向產業鏈上游攀升。對于競爭度較高的行業來說，激烈的競爭導致行業利潤下降，企業缺乏用于創新和轉型的資源，抑制企業產品的智能化轉型。企業的產品升級會受到其他在位企業的打壓，在位企業主動或被動地采取防御行為，以阻礙該企業從智能產品制造中獲得超額收益。此外，其他在位企業會通過引進、模仿和學習來改善自身的經營管理水平和技術水平［31］。當企業對當地競爭對手形成知識泄露（spill-out）時，企業失去了對知識的壟斷，并必須分享其利潤。這會產生租金竊取效應，競爭對手知識庫的擴大削弱了公司在當地市場的競爭力和企業間的產品質量差異［32］，智能產品制造的經濟效應減少。據此，提出如下假設。

H4 相比高競爭度行業，智能產品制造對低競爭度行業的企業價值鏈分工位置攀升的促進效應更強。

2 數據與方法

2.1 數據來源

本文所用數據為2008—2018年上海市科技企業統計數據，該數據由上海市科學技術委員會按年度開展大規模的企業統計工作，調查得到企業的基本信息、科技創新、經濟收入、經營業務情況。選用該數據出于以下原因。①數據的可靠性和可信度較高。該統計由上海市科委和上海市統計局兩個官方機構聯合進行，每年以正式的官方文件發布《上海市科技企業統計報表制度》，在年度科技企業登記時一并完成統計，《上海市統計年鑒》中“主要年份科技型企業狀況表”中的數據即來源于該統計，因此，數據的質量及可信度較高。②數據的代表性較高。上海市是中國創新活動活躍、智能產品制造發展進程相對領先的地區，可以在一定程度上反映國內智能制造的產業升級過程和趨勢。此外，25.2%的樣本屬于制造業行業，在技術研發和產品創新等方面較為突出，生產智能產品的活力和潛力較大，因而樣本具有較強的代表性。本文采用2008—2018年的上海市科技企業中的制造業行業數據，剔除異常值和缺失值后，數據共包括11 099家企業、29 852個觀測值。

2.2 變量測量

2.2.1 被解釋變量價值鏈分工位置（Chain） 已有研究對價值鏈位置的定義主要包括平均傳遞步長、上游度和下游度、生產長度、增加值傳遞步長4類方法［33］，其中上游度和下游度是微觀研究常采用的估計方法。上游度是指從產品生產端到最終需求端的距離［34］，上游度指數越大，表明該生產環節距離最終需求端越遠，越接近上游，反之則越接近下游。下游度與其相反，下游度指數越大，表明該生產環節距離最終需求端越近。由于這一方法的測算受到投入產出模型中產品部門數量多少的影響，學者們在該研究方法的基礎上提出了上游度與下游度的比值這一總括性指標［33］。本文所用企業統計數據列示了企業每年的3個主要供應商、3個主要客戶的地理位置，地理位置分為企業所在區縣、本市其他區縣、國內其他省市和海外4類?？紤]本文所用數據較為特殊的數據結構，參考上游度的設定來構建本文的價值鏈分工位置指標［33-35］。本文構建價值鏈分工位置（Chain）為企業當年主要客戶數量減去主要供應商數量的差值并加3（加3以避免指標出現負值），即衡量價值鏈位置、涵蓋企業到上游和下游的相對距離的總括性指標，能夠避免不同行業產業鏈長度存在差異而對結果造成偏誤。

2.2.2 核心解釋變量智能產品制造（SP） 對于智能制造水平的衡量，部分學者采用信息技術的人員投入、投資和服務支出等要素指標［36］和互聯網發展水平等環境指標［37］，但這類指標受多重因素影響，涵蓋多種維度和范疇，會導致數值偏高、無法準確衡量［26］。一些學者使用了行業機器人應用數據［16］，然而，機器人僅是智能制造的一個組成部分，若以其作為指標，會導致數值偏低、衡量缺乏全面性的問題。近年來，還有學者采用基于機器學習的文本分析方法，以上市公司的企業年報、管理層會議記錄等文件中數字化相關詞匯的詞頻來構建數字化等程度指標［23，25］，但這種度量方法只能間接反映企業對數字技術的關注程度，且企業可能為了吸引分析師和投資者的關注而在年報中有意增加有關智能化、數字化的相關內容，因而其并不適合直接衡量企業的數字技術創新或產出水平等［26］。本文所用企業統計數據列示了企業每年的經營范圍，這一文本數據為研究提供了關于企業產品生產類別和內容的詳盡信息，本文以此作為數據池展開后續的特征詞識別。為確定智能產品的特征詞詞庫，本文基于《中國制造2025》《“十四五”智能制造發展規劃》《國家智能制造標準體系建設指南（2021版）》等規劃、指南、政策文件和學術界已有的研究［38］，綜合學術研究和實體行業的智能制造發展現狀進行整理、歸納和總結，并展開結構化分類，最終形成了表1的智能產品特征詞詞庫。參考智能制造標準體系建設指南，將智能產品特征詞劃分為智能技術、智能裝備、智能工廠、智能服務、智能系統5類，詞庫涵蓋了人工智能、工業大數據、工業軟件、工業云、邊緣計算、數字孿生、區塊鏈7類關鍵技術，以及智能裝備、智能機械、智能工廠、智能家居4類重要產品?？紤]到部分企業的經營業務以高科技產品為主，本文將智能技術納入關鍵詞，從而便于識別如“人臉識別技術開發及該領域的產品銷售”這類未包含機器人等某一類具體的智能產品關鍵詞，但也屬于智能產品制造業務的文本。在此基礎上，剔除關鍵詞前存在的“沒有”“無”“不”等否定詞語表述。

表1 智能產品分類及詞匯表Tab.1 Smart product category and word dictionary

本文基于Python對企業經營范圍文本提取形成的數據池，根據表1的特征詞進行搜索、匹配和詞頻計數，并形成最終加總詞頻，從而得到企業智能產品制造水平的衡量指標（SP）。由圖1可以看出，在樣本期間11年時間范圍內，SP的指標均值隨時間推移不斷提高，即企業智能產品制造水平持續增強，程度不斷加深。然而，本文發現這一指標均值的增長趨勢在2015年和2017年有所波動，這可能是因為企業在當年受到了外生沖擊，也可能因為統計過程中企業填寫信息不夠詳細，或被調查的企業名錄范圍有所變化，從而導致指標均值下降。因此，本文在回歸分析中加入了行業—年份固定效應以控制外生沖擊，并在穩健性檢驗中對這些可能影響結果的因素加以檢驗。

圖1 企業智能產品制造水平（SP）的時間趨勢Fig.1 Time trend of firm smart product production （SP）

2.2.3 調節變量 為分析不同行業特征對智能產品推動價值鏈分工位置攀升效應的異質性，按照3個調節變量對行業進行分類，并分組進行回歸。調節變量包括企業是否屬于高創新度行業（IM）、是否屬于高開放度行業（OM）和是否屬于高競爭度行業（CM）。計算得到各年各行業的企業平均發明專利申請件數（IndPatent），企業平均主要客戶、供應商和合作伙伴數（IndNetwork），以及基于企業總收入的行業赫芬達爾—赫希曼指數（Herfindahl-Hirschman Index，HHI）（IndHHI），以分別衡量行業的創新度、開放度和競爭度。采用均值而非總量的原因是，均值避免指標受到企業數量、行業規模的影響，更具有代表性。IM和OM的計算為分別比較各行業的IndPatent和IndNetwork值與該年的行業均值，若大于該年的行業均值，則認為該行業屬于高創新度、高開放度行業。HHI數值越大表明行業競爭度越低，CM的計算為若一個行業的IndHHI值低于該年的行業均值，則認為其屬于高競爭度行業。

2.2.4 控制變量 企業的價值鏈位置受到要素稟賦的影響，增加高級要素尤其是人力資本要素的投入有助于制造業的產業升級［28］，因此，以企業當年總雇員（Labor）、總資產（Asset）來分別代表勞動力投入和資本投入，控制公司的要素稟賦。技術創新水平能夠提高企業在價值鏈分工體系中的位置，而當企業放棄創新過程或將高附加值職能外包給其他企業時，企業價值鏈位置升級也會受到阻礙［39］，本文采用企業當年發明專利申請數（Patent）來控制技術創新水平的影響。人力資本的提高會促使企業放棄價值鏈中的低技術、低附加值的生產活動，轉向高技術、高附加值的產品制造［40］，本文加入企業當年具有中級技術職稱（Skill）、具有碩士學位（Grad）的雇員比例作為控制變量，采用比例指標以避免與總雇員（Labor）之間可能存在的共線性問題。參與國際競爭可能通過增加企業生存壓力從而激勵企業提高效率、加強創新，影響企業的價值鏈位置［41］，因此，以企業當年出口額（Export）來控制企業對國際市場的參與程度。此外，還加入企業當年總負債（Debt）和資產負債率（Adratio）來控制融資能力和財務約束，加入以公司成立以來的年份整數表示企業年齡（Age）來控制生命周期的影響。

表2列示了變量定義與描述性統計結果。

表2 變量定義與描述性統計（N = 29 852）Tab.2 Variable definition and descriptive statistics （N = 29 852）

2.3 模型構建

本文采用固定效應模型（fixed-effect model， FE model）分析智能產品制造對企業價值鏈分工位置的影響，模型設定如下。

其中，Chaini，j，t是屬于行業j的企業i在t年的價值鏈分工位置；SPi，j，t是企業i在t年的智能產品制造水平；Xi，t是企業i在t年的控制變量；μj × vt是行業—年份固定效應，行業分類標準參照《國民經濟行業分類（GB/T4754—2011）》中的行業大類，以控制產業鏈長度等行業間差異和各年各行業外生沖擊；εi，j，t是擾動項。部分企業可能出于縱向一體化程度較深等原因，在價值鏈中的參與程度較低，本文所用樣本中25.0%的企業沒有客戶或供應商。對于這類企業來說，用分工位置指標（Chain）來衡量其在價值鏈中的位置是沒有意義的。因此，剔除沒有客戶或供應商的企業后對樣本進行回歸。

3 實證結果

3.1 基準回歸結果

表3列示了智能產品制造水平影響企業價值鏈分工位置的基準回歸結果。第1列和第3列以價值鏈分工位置（Chain）為被解釋變量，分別加入解釋變量、控制變量、行業—年份固定效應。根據第3列的回歸結果，智能產品制造水平（SP）的系數為0.022，且通過了1%水平下的顯著性檢驗，驗證了H1。此外，第4列和第5列以企業凈利潤的自然對數（lnRevenue）為被解釋變量，檢驗了價值鏈分工位置指標與企業經營收益之間的U形關系。這與微笑曲線的理論解釋相符，間接地驗證了價值鏈分工位置（Chain）指標的合理性和可靠性。同時，該結果說明了分工位置向價值鏈上游攀升的重要性，即制造業企業通過向上游環節移動，能夠提高經營收益。

表3 基準回歸模型Tab.3 Baseline regression model

3.2 內生性檢驗

第一，供應商數量和客戶數量可能與市場結構、行業特征有關，價值鏈分工位置（Chain）可能受到這些因素的影響，而無法完全準確地區分企業在價值鏈上的位置。①將有3個客戶、沒有供應商的企業定義為最上游位置并取值為3，將沒有客戶、有3個供應商的企業定義為最下游位置并取值為1，其余取值為2，得到價值鏈分工位置的虛擬變量（DChain1）。②將Chain大于3的定義為上游位置并取值為3，小于3的為下游位置并取值為1，其余為2，得到上下游的虛擬變量（DChain2）。對DChain1和DChain2重新進行回歸，結果如表4的第1列和第2列所示，可以發現，SP的系數均顯著為正，證明了基準回歸結果的穩健性。

表4 內生性檢驗Tab.4 Endogeneity check

第二，在模型中加入企業經營范圍字段的字符數（String）以及企業供應商和客戶總數（Market）。智能產品制造水平（SP）指標的數值可能受到企業產品類別數量、業務范圍和填寫信息詳盡程度的影響，即產品類別數量越多、業務范圍越廣或填寫信息越詳盡，指標數值可能越大。因此，加入企業經營范圍的字符數（String）。為避免企業供應商數量和客戶數量或在價值鏈中的參與程度對結果的影響，加入企業供應商和客戶總數（Market）。表4第3列所示，控制變量加入String和Market后，回歸結果變化不大，結論具有穩健性。

第三，企業是否制造智能產品是一個內生的戰略選擇，可能造成自選擇偏誤（self selection bias），對估計結果產生影響。本文對企業是否制造智能產品（SP＞ 0）這一虛擬變量進行傾向得分匹配（propensity score matching，PSM）。在尋找對照組時，所選匹配變量包括總雇員（Labor）、總資產（Asset）、發明專利申請數（Patent）、具有中級技術職稱（Skill）或具有碩士學位（Grad）的雇員比例、出口額（Export）、總負債（Debt）、資產負債率（Adratio）、企業年齡（Age）。為了驗證匹配結果的可靠性，本文對平衡性假設進行檢驗，匹配結果通過了平衡性假設。表4第4列為采用匹配后樣本的固定效應模型回歸結果，SP系數值仍顯著為正，與基準回歸的系數值相比變化幅度較小。

第四，企業的智能產品制造與價值鏈位置可能存在雙向因果，即價值鏈分工位置位于上游的企業更可能通過提高生產率等途徑而轉向生產智能產品，造成結果偏誤。本文替換被解釋變量為滯后一期（f1Chain）和兩期（f2Chain）的價值鏈分工位置，如表4第5列和第6列所示，SP系數顯著為正，驗證了基準回歸結果的可靠性。由于本文數據為非平衡樣本，故相比基準回歸，第5列和第6列模型的樣本量有所減少。

第五，本文所用的企業價值鏈分工位置（Chain）能夠衡量企業在價值鏈上從下游到上游的轉移，但是由于缺乏企業層面的投入產出數據，無法衡量企業在移動過程中的生產附加值變動情況。據此，本文以利潤增長來檢驗企業分工位置攀升的經濟效果。企業創造的利潤和稅收反映制造環節的產品附加值提高和價值鏈分工位置攀升。由于5 987個樣本利潤為負值，計算利潤率沒有意義。因此，表4第7列和第8列分別改用企業當年利潤（Revenue1）和企業當年利潤與稅金之和（Revenue2）為被解釋變量，并控制企業當年經營收入（Income），SP系數仍然顯著為正。

3.3 異質性檢驗

本文根據行業創新度（IM）、開放度（OM）和競爭度（CM），對不同行業特征的企業子樣本進行分組回歸，以檢驗行業異質性。如表5所示，不同行業類別的分組回歸中，智能產品制造（SP）對企業價值鏈分工位置攀升均有顯著促進作用，但促進效應的大小不同。行業內活躍的創新活動降低了企業研發、制造智能產品的成本，增加了行業內其他企業對智能產品的接受度，有助于發揮智能產品制造對價值鏈分工的優化作用。比較第1列和第2列的回歸系數發現，智能產品制造對高創新度行業的促進效應更強，驗證了H2。第3列和第4列驗證了H3，即行業開放度越大，企業之間的交流和往來更密切，促進了產品市場的信息傳播，加快市場對智能產品的接受，使得智能產品對價值鏈分工的效應增強。第5列和第6列表明，智能產品制造對低競爭度行業的促進效應大于高競爭度行業，驗證了H4。

表5 異質性檢驗Tab.5 Heterogeneity analysis

4 結論與討論

4.1 研究結論

隨著中國經濟發展進入新常態，制造業發展面臨新挑戰，智能制造則被認為是重塑制造業競爭新優勢的關鍵策略。本文基于2008—2018年上海市科技企業數據庫中的制造業企業統計數據，采用固定效應模型進行實證檢驗?；貧w結果表明，智能產品制造推動了企業分工位置向價值鏈上游移動。替換被解釋變量、加入更多的控制變量、傾向性匹配、滯后被解釋變量的結果表明，基準回歸結果具有穩健性。異質性分析發現，企業所在行業的創新度或開放度越高、競爭度越低，智能產品制造的促進效應越強。

4.2 理論貢獻

第一，本文揭示了產品創新和工序創新之間的混合式創新對產業升級的意義。智能產品制造既具有產品創新又具有工序創新的特征，這與過去的二分法顯著不同。在智能技術快速發展的背景下，智能產品作為一種具有高技術、高質量的新產品，對原有的傳統產品形成替代，對制造業行業帶來重大變革；而智能產品制造在工序上也發生了巨大的甚至革命性的變化。本文檢驗了智能產品制造這一混合創新形態對于制造業企業動態演化的影響，補充了對于產品創新推動產業升級和經濟發展的理解。

第二，本文揭示了產業鏈與價值鏈之間的內在聯系。價值鏈理論是企業制訂競爭戰略、實現價值創造的重要理論依據。通過判斷企業所在的價值鏈，企業可以優化發展戰略，管理內外部活動，以尋找優化在價值鏈上分工位置的機會。智能產品制造提高了產品質量，為企業創造競爭優勢，并提供了在價值鏈上向高附加值的產業鏈上游環節攀升的機會。研究結論有助于深刻理解價值鏈動態演化過程，為企業通過產品升級所帶來的價值鏈分工位置改善提供證據。

4.3 實踐啟示

研究結論為如何加快建設制造強國、重塑制造業競爭新優勢提供了理論基礎和政策參考。第一，在價值鏈中的分工位置決定了企業從產業分工中獲得的利潤和收益，智能產品制造促進了企業向價值鏈上游移動，這一結論佐證了引導和支持智能制造的政策重要性。未來應深化智能制造，鼓勵龍頭企業和領軍企業不斷探索、研究和開發新型智能產品，并形成對上下游、其他行業和鏈條上的企業的知識共享和技術溢出，打造高技術、高水平的智能產業集群，提高本地產業集群在區域乃至國際范圍的產業競爭力。

第二，制造業企業應認識到從生產傳統產品到生產智能產品對其帶來的全方位戰略變革，智能產品提高了生產經營效率，有助于企業在質量競爭、差異化競爭中占據優勢。因而，企業應對智能化轉型有清晰的認識，對自身智能化創新形成準確的判斷，把握轉型節奏，形成難以被模仿和替代的競爭力。

第三，應鼓勵制造業企業開展創新活動、深化社會網絡，提高市場對智能產品的接受度和認可度，并發揮智能技術、智能產品的溢出效應。此外，根據不同行業的環境和特征制定差異化的產業政策。例如，對于競爭度較高的行業，率先轉向智能產品制造的企業可能受到其他在位企業的打壓，應對這些企業制定具有針對性的減稅、補貼等優惠政策，增加企業進行產品智能化的動力。

4.4 研究局限與展望

第一，智能產品的范圍較廣、內涵豐富，雖然本文對智能產品的內容、技術、領域等進行細分，但未對各類智能產品的經濟效益進行深入探討。研究智能產品各個細分領域對企業價值鏈分工變動、競爭力演變的影響是未來的研究方向。第二，沿著增值階梯向上游移動只是企業在價值鏈中活動升級的可能軌跡之一，在價值鏈上同一階段的努力建設和不斷深化也很重要［6］。因此，智能產品是否能夠推動企業在價值鏈中獲得其他形式的活動升級，仍有待展開進一步的探討。第三，本文計算上游度指數主要基于企業在供應鏈所處的位置，雖然它與價值鏈在許多環節是相互交織的，但兩者并不完全對應。如果能夠獲取企業層面供應鏈上各個環節的增加值詳細數據，可以繼續推進這方面的研究。