產業數字化發展路徑：互補性、動態性與戰略性

鄭江淮 楊潔茹

摘 要：數據正成長為一種新型生產要素，其無限供給的特征可以為經濟高質量發展提供充分的要素支持。企業對數據、數字技術等相關要素的投資推動了產業數字化的發展壯大，產業數字化的根本動力就在于要素互補，多樣化的要素互補方式為經濟增長提供了更多可能性。數據作為核心要素驅動了二元經濟結構的重構，也就是資本部門和勞動部門的再配置，產業組織以及產業結構也隨之發生動態變化。傳統產業與數字技術的融通，提高了企業的競爭力，數據先行者將率先建立競爭優勢。國際分工體系中的產業鏈與價值鏈被重構，發展中國家如果能把握住這次戰略機遇，將有可能實現“彎道超車”。

關鍵詞：產業數字化；互補性；動態性；戰略性

DOI： 10.19313/.cnki.cn10-1223/20240313.001

一、引 言

數字經濟正成為產業界和理論界關注的熱門話題。數字經濟作為一種新型經濟形態，就其內容來說，主要包括“數字產業化”和“產業數字化”兩個方面。過去學術界討論較多的是以數字平臺為中心的數字產業化問題，而對產業數字化問題的探討則有所欠缺。事實上，產業數字化才是數字經濟發展的重心所在。這里所說的產業數字化，主要是指在新一代數字科技支撐和引領下，以數據為關鍵要素，以價值釋放為核心，以數據賦能為主線，對產業鏈上下游的全要素數字化升級、轉型和再造的過程。根據中國信息通信研究院發布的《中國數字經濟發展白皮書》的數據，2020 年我國產業數字化規模達31.7 萬億元，占GDP 比重達31.2%。其中，產業數字化占數字經濟比重達80.9%①。因此，有必要對產業數字化發展的底層邏輯等有關問題進行探討和分析?；诖?，本文旨在分別從微觀、中觀以及宏觀三個層次，來探討產業數字化發展的互補性、動態性和戰略性，試圖厘清產業數字化發展的微觀機制，闡述其動態變化，并對發展前景進行展望。

二、互補性：產業數字化發展的微觀機制

以計算機網絡為核心的信息革命的發生，推動人類社會進入信息時代，不僅拓展出一個全新的虛擬網絡空間，而且將“信息”變成了一種相對獨立的新型資源，重塑了全社會的資源分布版圖。信息資源主要表現為各類數據資源，尤其是海量數據構成的數據集。在這種情境下，傳統的生產體系不得不面對信息化浪潮的沖擊，開始產業數字化轉型之路。要準確理解這一點，那就需要探討數據要素是如何嵌入到傳統的生產體系中，并與其他要素實現有機融合的。

（一）數據要素化和數據要素無限供給

在傳統的經濟分析框架中，生產要素主要包括土地、資本、勞動等，實際掌握這些要素的企業和個人在整個社會再生產過程中占據著主導地位。在高度信息化的時代，人們可以利用數據技術手段，抓取物理空間中各種事物的運動軌跡，獲取虛擬網絡空間沉淀下的數字痕跡，以及編碼各種日常生活中的慣例、經驗、隱含知識、個性化行為等，從而形成大量可用的顯性數據（鄭江淮等，2021）。為了將這些原始數據實用化，還需要對相關的數據進行清洗、加工以及集成，使得其可被計算與分析。在這個過程中，數據的實用性和價值得以顯現出來。數據的實用性和價值尤其體現在，其可以滲透進入生產、流通、分配以及消費諸環節，和其他要素一起參與實際的經濟價值創造過程。這種大數據在社會再生產過程中發揮的作用越來越大，其正逐步向生產要素的形態演進，成為一種不可或缺的新型生產要素。

數據作為一種要素，與傳統生產要素相比，具有一些典型的特征。首先，數據具有可復制性。理論上來說，數據要素不會像傳統生產要素那樣具有使用權上的排他性，而是可以通過復制的方式，出現不同的“數據分身”，同時供給很多人使用。這種特性使得數據的價值不會因為使用而減少，反而可能因為更多的使用而增加。其次，數據具有可再生性。對數據要素的使用，不會像傳統的自然資源那樣，受到質料轉換的能量守則限制，出現資源枯竭的情況，而是可以不斷再生產出來。再次，數據本身具有自積累性。對數據資源的每次使用，都可能會生成新的數據，實現數據要素的自我積累。并且，隨著數據量的增長，特別是當數據量達到海量級別時，數據的價值和功能會變得更加豐富和多樣化。

總的來看，不同于傳統生產要素的有限供給，數據要素在一定程度上可以實現“無限供給”。隨著數據技術的不斷進步，人們獲取、存儲、處理和分析數據的能力不斷提高，從而為持續供給高質量數據要素提供了根本保證?？梢哉f，市場中不斷增加的數據需求能夠得到快速滿足。甚至，大數據的供給量隨著需求的增加能夠不斷增長，形成良性循環。不過需要指出的是，這里只是從經濟學角度來看，理論上現在已經具備了無限供給數據要素的條件和能力。但從現實數據的生產和使用來說，其本身還會受到很多非經濟因素的制約。首先是數據產權的界定問題，明確數據的所有權和使用權對于數據的合理利用和流通至關重要。其次是數據隱私保護問題，如何在利用數據的同時確保個人隱私不受侵犯是一個亟待解決的問題。此外，隨著數據科技的快速發展，科技倫理問題也逐漸凸顯，如何在追求技術創新和應用的同時維護倫理道德標準，確保數據的公正、公平使用，也是當前面臨的重要議題。數據要素的潛在生產力的釋放很大程度上依賴于這些制約因素被一系列制度創新所化解。

（二）資本周轉競爭視角下的業務全過程競爭

在市場經濟條件下，資本之間的競爭越來越表現為資本周轉競爭。資本周轉速度越快的企業，其對資本的利用效率越高，因而就能夠獲得更高的回報。就一般制造業來說，從資本周轉競爭的視角來看，要提高資本周轉速度，一方面，必須持續縮短資本周轉時間，不僅要努力減少商品生產時間，還要努力減少商品流通時間，也就是通過速度競賽來減少一般性的時間耗費。另一方面，必須持續提升對不變資本的營運管理能力，不斷調整固定資本和流動資本的比例結構，避免出現大規模商品積壓和庫存過剩情況，也就是通過治理競賽來減少一般性的物資損耗。

將企業全部業務流程視為一個整體，那么如今的資本周轉競爭，更多地就表現為業務全過程競爭。傳統的一些企業依賴一些相對靜態的資源，便能夠獲得穩定的競爭優勢。如今，隨著生產要素市場的變化，市場競爭的格局已經逐漸發生了變化，或者說，競爭的爭奪點已經發生了轉移。過去占據相對優勢的企業，不得不重新思考其業務全流程的合理性，快速調整自身以適應市場環境的變化，以便能夠獲得新的競爭優勢。此種情況下，數字化設備、數字技術等成為企業競相布局的投資重點，這既是企業追求利潤最大化的驅動，也是迫于全行業競爭壓力進行的數字化轉型和相關替代。信息和數字化領域的直接投資大幅度增加是當前投資流動的主要趨勢（Corea，2017；何大安，2022）。由于各種實際因素，如不同公司在技術采納和使用上的差異、市場狀況、資源分配等，可能會出現投資驅動的分布不均衡現象。這種現象的出現，意味著一些公司在數字化轉型方面可能會走在其他公司前面，成為數字技術開發和應用的先行者。大型公司、年輕公司以及內部人員受教育程度更高的公司，可能更有積極性或更有條件去率先采用數字技術，成為數字采用者（Calvino and Fontanelli，2023）。此外，數字技術在創造全球贏者通吃動態方面的潛力越來越大，這將導致前沿公司與落后者的績效差距擴大（Andrews，2016），但這種差距可能會通過集群的本地化而縮?。℅rashof andKopka，2023）。

傳統企業不得不正視數字技術發展帶來的“毀滅性創新”的影響。數據要素的作用就體現在其改造了傳統的業務流程。在傳統的經濟模式下，生產和交換活動常常受到地理限制和信息隔閡的制約，導致資源無法得到有效配置和利用。數據要素的引進能夠改變企業的業務流程?；ヂ摼W、云計算、大數據、人工智能等數字技術的出現，突破了物理時空的限制，使得信息能夠在全球范圍內實現實時傳遞和交換。從最明顯的流通角度來說，信息革命帶來了一場流通革命，在一定程度上實現了時空壓縮，大大降低了流通成本，提高了社會生產和交換的效率（Goldfarb and Tucker，2019）。由數字技術帶來的業務重塑，不僅體現在交換或者說流通領域，甚至還滲透到再生產過程的方方面面。數據的應用場景包括但不限于生產計劃、供應鏈管理、質量控制、市場營銷等。這也就意味著，那些能夠充分利用數字技術以輔助業務全流程競爭的企業，將提高自身的盈利能力和競爭力（Wamba et al.，2017）。

（三）產業數字化的內生動力在于要素互補

所謂的數據其實是信息的一種表現形式，本身不能直接產生價值。數據要素需要經過適當的處理、分析和應用，落實在具體的業務場景中，才能夠為業務帶來實際效益。也就是說，數據要素的引入可以形成新的要素組合方式，或者帶動勞動力、資本、土地、技術、管理等要素高效利用，優化傳統要素效能。尤其是數字技術的不斷更新迭代，導致要素的組合方式變得更為復雜多樣。比如隨著人工智能技術的不斷發展，數據要素與人工智能的結合成為了新的要素組合方式。人工智能技術通過對大量數據的處理和分析，可以深入挖掘其內在的價值和信息，能夠幫助企業應對更多復雜性問題。這不僅提高了生產效率，降低了成本，同時也為創新提供了更多的可能性。此外，人力資本與人工智能的緊密合作成為創新的關鍵，二者共同推動新知識的產生和應用，展現了數字經濟時代全新的知識創造模式。人工智能技術可以提供強大的計算能力和數據分析能力，而人類則可以提供創新的思維和豐富的經驗。兩者的結合，不僅可以提高知識創新的效率，也可以拓展知識創新的深度和廣度。這種帶有“涌現性”的要素互補組合方式為經濟增長提供了更多可能性，成為推動產業數字化發展的內生動力。故而，產業數字化的內生動力就在于要素互補。

要素互補在公司內表現為資產性互補。數據要素本身雖然可以實現無限供給，但若要使其成為促進企業成長的動力，必須與其他互補性資產有效結合。這些互補性資產不僅限于技術，還包括組織結構、企業文化、人力資源和業務流程等多個方面。比如人工智能的使用與信息通信技術、高速數字基礎設施和其他數字技術的使用密切相關，這些互補資產在人工智能用戶的生產力優勢方面發揮著關鍵作用（Calvino and Fontanelli，2023）。這種資產互補性為企業創造了巨大的價值。亞馬遜是利用數據要素與其他資產互補的典范。它通過收集和分析消費者數據，精準洞察市場趨勢和需求，同時結合先進的技術，如機器學習和人工智能，提供個性化推薦和智能物流。這不僅提高了用戶體驗，還降低了運營成本。此外，它還利用數據優化庫存管理和物流配送，快速響應市場需求，降低庫存風險。其扁平化的組織結構也促進了數據共享和跨部門協作，加速了創新和決策的過程。這種數據驅動的運營模式使亞馬遜得以持續領先市場?？梢哉f，互補性資產在企業的數字化轉型當中發揮著至關重要的作用，是企業實現數據技術能力轉換為盈利能力的關鍵。

隨著數字化時代的到來，數據成為核心資源，數字技術的使用使得任務更偏向數據密集型。行業內任務性互補成為常態，不同的企業或組織根據各自的優勢實現任務上的互補，從而更高效地完成項目與創造價值。例如，數據分析技術領先的上游企業擅長處理海量數據并做出精準預測，而具備豐富行業經驗和熟練技工的下游企業則擅長專業化和定制化的服務。價值鏈上游數字化與下游互補，能夠實現任務上的互補，更好地完成特定項目。此外，要素互補還表現在不同行業之間的合作。以數據生產作為主要業務的經濟產業發展起來，數字產業與非數字產業間形成了一種新型的耦合關系。其中，數字產業占據了更加核心的主導地位，能夠有效地推動數據整合和產業升級?？傊?，要素互補是實現高效資源配置和價值創造的重要手段。通過發揮各自的優勢并實現互補，不同的企業或組織可以共同應對市場內在的風險和挑戰。

三、動態性：數據驅動下新二元經濟結構特征

在數字化浪潮的沖擊之下，未來的制造業將變得更加數字化和智能化。在這個過程中，數據作為一種核心要素將發揮越來越重要的作用。甚至可以說，數據將成為牽引技術創新和市場競爭的重要力量。不同的企業能夠在產品和流程中推動數字孿生技術的落地，借助數據分析、數據模擬以及數據集成等手段來進行經營管理活動。由此，自然也會影響到未來的產業形態和產業結構。

（一）技術復雜度和產品空間的變化

產品是所有要素的最終載體，本身包含了生產過程中所需要的各種資源、技術水平和生產能力。數據要素的引入，實現了業務流程創新，提高了企業應對市場供需結構變化的動態能力，可以全方位提高產品的技術復雜度（Mikalef and Pateli，2017）。首先，數字技術可以實現高度精細化和復雜的產品設計。例如，借助CAD（計算機輔助設計）和CAE（計算機輔助工程）軟件，設計師可以創建出具有復雜幾何形狀、精密結構和功能性的產品。這不僅提高了產品的設計水平，還為滿足消費者對高品質、高性能產品的需求提供了更多可能。其次，數字技術推動了專業化分工的發展。通過數字化管理和優化，企業能夠將生產過程分解為不同的環節和工序，實現更精細的專業化分工。這種分工使得企業能夠專注于自身的核心優勢，提高生產的專業化水平，進一步提升產品的技術復雜度。當企業把更多數字化、智能化裝備用于生產過程，企業能夠實現高效的生產流程和精確的質量控制。這不僅大大降低了生產成本，而且顯著提高了生產效率。通過收集和分析生產過程中的數據，企業能夠實時監控產品質量、優化生產流程，并及時調整和改進生產計劃。這使得企業能夠更好地應對市場變化，快速響應消費者需求，提高產品的市場競爭力。此外，數字技術還可以促進產品與互聯網、物聯網的融合，實現產品的互聯互通和遠程控制。這種技術趨勢使得產品不再是孤立的個體，而是成為智能系統的一部分，可以與其他產品或系統進行信息交互和協同工作。

數字技術的加速發展為企業帶來了海量的數據和信息，極大豐富了企業的知識集，提高了企業在產品空間的跳躍能力?？梢赃@樣來理解：各種技術路線集合決定了生產可能性邊界，而所有邊界的合攏就構成了產品空間。這意味著生產的可能性受到技術發展的限制，而技術的發展和組合方式決定了能夠生產的產品的種類和數量。在這樣的產品空間中，不同的產品之間存在知識上的差異，這種差異決定了產品之間的距離。這種知識不僅包括顯性知識，如技術專利，還包括隱性知識，如工程訣竅和管理經驗。對比不同產品之間的距離和不同人群的生產能力，知識集合在產品生產中具有很高的重要性。產品空間的擴大，或者說產品距離的延長，則意味著企業進行生產遷移的難度增加。一個企業或經濟體如果能夠抓住機遇，迅速接入由數字技術開辟的產品空間，依據能力的比較優勢和產品之間的相似性，向著產品空間核心的最優距離的潛在新產品跳躍（張其仔等，2021），那么將逐漸建立起自身新的競爭優勢。例如，通過機器學習和人工智能技術，企業可以開發出更加智能化的產品，滿足消費者個性化的需求。對于一些國家，如韓國和日本，能夠及時抓住機遇，利用先進的技術和創新能力，成功地促進了生命周期相對較短的行業的多樣化，如計算機零件和電子產品，快速適應并迎合了全球市場的變化和需求（Lee，2013）。這些亞洲國家的成功經驗表明，抓住機遇并靈活應對市場變化是至關重要的。通過利用數字技術，企業可以開拓新的產品空間并獲得競爭優勢。反之，如果一個企業或經濟體沒有找到合適的跳躍條件與遷移途徑，哪怕有實現產業升級的意圖，也可能還是被鎖定在特定的層級，無法向上突破，從而遭遇到發展瓶頸。

（二）資本部門與勞動部門的再配置

產業數字化的過程同時也是個吸納剩余資本的過程。真正前沿的技術往往來源于“深奧的手藝”（即離群技術和顛覆性知識），而不僅是純粹的知識。這是因為“深奧的手藝”往往涉及到一種實踐性知識，這種知識是手藝人通過不斷嘗試、失敗和調整而獲得的基于實踐經驗的積累和感悟，這些都是純粹知識所無法替代的（Arthur，2019）。這也意味著，它能夠操縱和靈活運用那些新近發現且尚未完全理解的現象，這種認知可能來自當地大學或工業實驗室的實驗性操作或研究，又逐漸演變為共有文化的一部分，深植于相關發明人才的大腦中。純粹的知識可以作為編碼化數據傳播，但一些“深奧的手藝”卻很難被編碼化，故而，離群技術和顛覆性知識的擴散必須依靠相關人才的流動。

從經濟學角度來看，數據要素的非競爭性和規模經濟效應使得數據的共享并不會減少其使用價值，反而隨著更多人的使用，其價值可能會增加，而這與需求的邊際效用遞減規律不協調。因此，我們需要將新的高彈性的知識消費加入到生產與消費的供需中，在生產和消費結構上進行創新以調和原有的矛盾（張平，2023）。因為知識成為數字時代中供需最活躍的要素，知識生產和需求推動供需向著產業的高級化演進，知識創新成為廣義上的技術進步。技術實際上主要就體現在研發人員的知識創新。以各種創新人員為主體的研發部門已經成為了重要的資本部門。數字化轉型使得大量的資源匯聚到新興產業部門，相關勞動者的收入高于社會平均水平，創新人才向新興產業部門流動的動機將更加強烈，推動著產業數字化部門的進一步擴張（鄭江淮和周南，2023）。

隨著產業數字化的推進，勞動力市場將表現出“極化”的發展趨勢（Autor et al.，2006; Acemogluand Autor，2011）。數字技術發展引發技能深化，例如，人工智能在制造業中的應用，可以增加技術與研發崗位對專業化的高技能人才的需求，即存在對高技能勞動力的“創造效應”。同時，數字技術又可以有效減少重復性、標準化崗位對普通勞動力的需求，形成對低技能勞動力的“替代效應”。然而，低技能勞動力就業能通過勞動力的部門間轉移得到補償，比如，工人從下游機器人使用行業向上游機器人生產行業的部門轉移可能會抵消最初對就業的負面影響（Dosi et al.，2021），同時勞動力還可能流向第三產業。再者，勞動過程的數字化，使得具備復雜生產經驗的中等技能勞動者被智能設備擠出，中等技能勞動者與所有就業人數的比重則是呈現下降趨勢?？偟膩碚f，當前數字技術對勞動力需求造成的影響是高低技能勞動力的就業份額增加，中等技能勞動力的就業份額減少。

產業數字化進程中，資本部門相對于勞動部門將占有更大的優勢，使得勞動部門更加處于從屬地位。雖然在某種意義上數字技術可類比于勞動工具，諸如人工智能等數字技術的應用，能幫助新工作者提高客戶滿意度和學習效率，在一定程度上能增加勞動工作的穩定性（de Souza and Li，2023）。然而，數字技術卻存在著排斥勞動的一面。例如，機器人對勞動的替代速度可能短期內超過創造就業的速度。這帶來的結果就是，資本部門進一步排擠勞動部門，使得勞動力的議價空間進一步收窄。此外，企業通過應用人工智能，使得海量數據經過信息提煉與解讀，轉化為創造性知識，從而提升企業創新水平和創新效率。那些數據創造者要保證自身的收益，只能進一步把數據要素依附在資本部門?？傮w來看，這帶來的結果是，資本在社會分配中所占的份額有所提高，勞動在社會分配中所占的份額有所下降，導致勞動者地位相對下降。

（三）產業組織和產業結構的靈活變化

傳統生產型企業面臨擴大投入、拓展業務、組織管理成本上升的挑戰，而在數字經濟范式形成的過程中，企業的組織形態將變得更加具有靈活性，會更加轉向事業部為主的多元一體模式。此外，企業的治理結構也將突破傳統的科層制模式，變得更加扁平化（Dunleavy，2006）。產業數字化促進了各種生產要素的深度融合，實現了生產者、消費者、供應商、設備和產品的聯網，搭建了人、機、物對話的框架。各類數字平臺成為了信息的“匯集池”和資源的“匹配器”。在這里，傳統的企業與市場邊界被打破，每一個參與主體不僅能夠快速對接與其有直接業務關系的合作者，而且能夠清晰地識別與其存在間接關系的各類主體。更重要的是，通過實時監測數據或接收反饋數據，能夠做出更精準的戰略決策、推動運營優化（肖旭和戚聿東，2019；戚聿東和肖旭，2022）。各種應用技術與物聯網和云端的關系再造，將在未來進一步影響產業組織形態。

由于企業投資行為和競爭行為的改變，在產業數字化的過程中，那些具有較強資本實力的企業率先投資于數據要素和數字技術，實現數字轉型。而數字轉型的完成也將進一步強化其競爭優勢。接下來，大量的投資進一步涌向這些企業。這帶來的一個后果就是，那些優勢企業憑借其豐富的數據資源、高素質的技術團隊和先進的算法技術，展現出明顯的網絡優勢和規模效應。這些企業能夠以更低的成本開展新業務，其規?？赡苓h遠超過傳統的生產型企業。因此，少數企業成長為“巨型企業”，與眾多小型廠商拉開差距，獲取更多市場份額，擁有更大的市場勢力。在這些內生特性的主導下，企業競爭關注的焦點不再是市場結構，而是自我優待、拒絕交易、差別化定價與激進補貼、殺手型并購等策略性新式行為（張文魁，2022）。隨著數字基礎設施趨于完善，有一類企業往往處在數據科技創新的前沿，可以通過數字賦能，降低外部市場交易成本，成長為具有核心競爭力的“明星企業”（Stiebale and Woessner，2020）。然后，大量的傳統企業也不斷調整自身業務和規模，以精細化的運營和優質的服務，滿足客戶的個性化需求，努力達成企業內部和外部成本的一致，成為“平民企業”。結果就是，“巨型企業”變得“大而強”，“明星企業”變得“專而精”，平民企業變得“小而美”。

隨著產業數字化的不斷深化，產業的地理空間分布也出現了動態變化。這種變化是由數字化產業和產業數字化的特點和需求所驅動的。首先，數字化產業對交易成本、知識密度和人力資本等要素更為敏感。核心城市通常擁有先進的信息技術基礎設施、豐富的市場資源和人才儲備，為數字化產業的發展提供了有利的條件，因此，數字化產業傾向于集中在這些地區。同時，核心城市也是創新和知識服務的集群地，這有助于數字化產業的創新和升級。然而，數字化行業的發展也呈現出高度的地理分散性。這是因為數字化技術突破了地域限制，使得企業可以在全球范圍內進行業務拓展和服務提供。這種分散性為一些外圍城市或地區提供了發展機遇，它們可以通過吸引部分數字產業轉移來實現自身的發展。對于以制造業為主的產業數字化部門，它們對要素成本更為敏感，因此更有可能出現向外圍城市遷移的情況（Duranton and Pug，2005）。這是因為外圍城市或地區通常具有較低的土地、勞動力要素成本，能夠降低企業的運營成本。這種遷移也有助于促進外圍城市的產業升級和經濟轉型。新經濟條件下，數字產業化和產業數字化形成了新“中心-外圍”的結構。這種結構反映了數字化產業的集中與分散并存的特點。中心地區主要承擔創新、高端服務和核心業務的角色，而外圍地區更多地承擔制造、擴展服務和配套業務的角色。這種結構有助于實現資源優化配置和區域協同發展。

四、戰略性：新經濟條件下比較優勢重構的前景展望

以數字技術為代表的新一輪信息技術革命正在深刻地改變著全球經濟的面貌。這一革命不僅引發了要素稟賦的變化，要求適應性制度的相應變遷，而且預示著全球貿易和分工體系的重塑（戴翔等，2022）。全球不同國家將在這些新經濟領域展開新一輪產業競爭。在這種情境下，必須從戰略高度來把握產業數字化的演進態勢，準確識別其存在的問題，引導和推動產業數字化實現高質量發展。

（一）全球視野下的產業鏈價值鏈重構

新經濟條件下，全球產業鏈和價值鏈正在經歷重大調整。大數據、云計算、人工智能等數字技術對傳統產業的改造，催生出了新的商業模式和服務業態，使得傳統產業得以實現數字化轉型。這種轉型為全球價值鏈的拓展和重構提供了新的動力。與基于數字本身而構建的全球價值鏈不同，我們這里主要討論的是以產業數字化為主導的產業鏈價值鏈重構，更強調實體經濟與數字經濟的深度融合。

數字技術顛覆了生產資料與勞動者的結合方式，導致產業鏈的“微笑曲線”扁平化（Rehnbergand Ponte，2018），甚至有可能出現“武藏曲線”的反轉。傳統的產業“微笑曲線”認為，在產業鏈中，附加值更多體現在兩端，即設計和銷售，而處于中間環節的制造附加值最低。然而，隨著數字技術的廣泛應用，這一情況正在發生變化。數據要素的嵌入為傳統生產要素注入了新的活力，使得生產環節能夠實現降本增效。特別是人工智能等數字技術在研發、設計、生產制造等上游領域的偏向性應用，進一步強化了規模經濟效應（Fontagné et al.，2023）。傳統制造業不再局限于低附加值的制造環節，而是向高附加值的服務環節延伸。在數字技術推動下，消費者不再僅僅扮演著終端消費者的角色，而是逐漸成為價值鏈中的重要參與者，廣泛參與到產品研發、設計、生產、銷售等各個環節，并成為連接產業鏈諸多環節的關鍵“節點”。這些擁有較高數字技能和素養的消費者，通過數字平臺和社交媒體等渠道，為企業提供寶貴的反饋和建議，在商品生產創新及商業模式變革中的話語權不斷增強?？梢钥吹?，傳統生產要素難以繼續成為公司布局全球生產網絡考慮的重點因素。在當前數據成為重要戰略性資源的情況下，數據科技的引領者將在產業鏈價值鏈競爭中占據更加主動的地位，比追隨者和非采用者表現出更大的生產力優勢（Cerqueira et al.，2023）。

產業數字化主導下的價值鏈發展更多呈現出本土化、區域化、短鏈化態勢。數字技術的顛覆性創新為中小型企業和個體提供了更多的參與機會，降低了全球價值鏈的參與門檻。這使得生產過程變得更加分散和靈活，增加了全球價值鏈的多樣性和靈活性。這可能導致國際生產結構進一步碎片化，中小型企業和個體成為重要的生產者和服務提供者。但物理空間上的運輸成本沒有大幅下降，數字技術具有高資本和高數據密集型特征，需要基礎設施和熟練勞動力的要素互補，極力降低勞動力成本可能不再是公司選擇離岸外包的主要決定因素，數字技術對傳統產業的嵌入反而會促使勞動密集型的行業重返發達國家本土，比如美國主導的制造業回流（倫蕊和郭宏，2023; Dachs et al.，2019）。數字技術的應用降低了對傳統生產要素的依賴，傳統的要素稟賦優勢如自然資源、勞動力成本等在數字技術的支持下變得相對次要。受此影響，在數字經濟時代，信息傳遞的便捷性和即時性使得企業更傾向于在靠近終端市場的地方進行生產，以降低交付風險和時間成本，實現更短的供應鏈（Laplume et al.，2016）。與此同時，在供應商或買家地理高度集中的情況下，全球價值鏈依賴度高的脆弱性會被放大（Schwellnus，2023）。

（二）產業數字化轉型發展的主要障礙

進行數字化轉型的動力不足。產業數字化發展是一個系統化的過程，而非簡單的局部信息化。其不僅是技術層面的變革，更是一場涉及企業戰略、組織管理、工作流程、員工培訓等多方面的深刻變革。它要求企業將數字技術融入其核心業務，實現業務流程的數字化，以提高效率、降低成本、創新商業模式。此外，數字化轉型看起來千絲萬縷，但總要有一些底層技術支撐。談到企業數字化轉型，離不開一個關鍵詞：關鍵共性技術。這些底部核心技術投入的初始門檻更高，包含資金門檻、技術研發實力門檻等。同時，這些投入也面臨著變現路徑長等問題，關鍵共性技術離市場端的商業轉化距離太遠。企業還需要不斷進行技術研發和創新，以適應不斷變化的市場需求和行業競爭。在這個過程中，企業需要投入大量的資金。尤其對一些中小企業和民營企業而言，利潤水平不高，轉型資金投入不足成為制約其數字化轉型的一大障礙。再或者是，擔心相關投資得不到可靠回報，進而全面進行數字化轉型的積極性不高。

數字人才存在結構性短缺。過去數字經濟的發展更多體現在互聯網用戶爆發式增長帶來的規模效應紅利，當前數字經濟的發展已經不再僅僅局限于消費端，而是向產業鏈上游供給端不斷拓展，數字人才變得尤為關鍵。但使用數據的公司和不使用數據的公司都指出，技術工人在數量和質量上的缺乏是阻礙數據使用的最大障礙。數字化帶來的技術進步和更替導致市場上普通技術工人過剩，而專業化數字技能人才的供給速度遠遠跟不上市場的需求速度，數字人才供給不足一定程度上甚至制約了產業數字化的進一步發展。同時數字人才配置失衡，頭部企業占據了大量數字人才，企業發展差距拉大。就人工智能領域的人才而言，相關人才主要集中在少數巨型公司。以美國為例，頂級雇主在人工智能、機器學習、自然語言處理、云計算和大數據等前沿技術技能的總需求中占據了相當大的比例。在過去十年中，超過四分之一（26%）需要人工智能技能的職位空缺是由那些擁有相關技能人才的前10 名雇主發布的。相比之下，更傳統的技術技能的職位空缺只有6.9%是由這些頂級雇主發布的（Jin et al.， 2021）。

數據資產池的交易體系不夠完善。數據要素作為新型要素參與到生產過程中，其首要條件是數據能夠成為數據資產，數據資產本身能夠確權。問題在于，很多數據是在不同主體的集體行動中生成出來的，所以較難清楚地界定數據產權的歸屬。此外，很多企業尚未建立起建制化的數據感知體系，獲取數據的規模不夠大，種類不夠豐富，質量不夠高。同時這也意味著，數據積累還沒達到一定層次，很多數據還處于相對沉睡狀態，數據資產的價值沒被充分發掘出來。再就是，一般化的數據交易規則還沒有建立起來。盡管現在不同的經濟主體已經擁有了不少數據，但這些數據如果不能通過公開交易渠道來實現互聯互通的話，那就會形成大量的“數據孤島”，無法形成一個有效的數據資產池。而數據資產如何以市場化的機制來進行定價和流轉，并計入資產負債表，尚沒有形成完善的計量標準和會計準則。這些都是尚待解決的重要問題。

（三）構建產業數字化發展新格局的路徑

加強對產業數字化的政策支持。要破解企業數字化轉型動力不足的問題，政府必須多措并舉，持續發力。首先，政府應該通過財政補貼或稅收優惠等方式來提供資金支持，分擔企業數字化轉型的財務成本，從而激勵其引進更多數字技術。例如，政府可以設立專門的數字化轉型基金，為有潛力但資金不足的企業提供初始投資或貸款擔保，減輕他們的資金壓力。其次，政府應該加強與企業、高校、科研機構的合作，在關鍵共性技術層面給予企業相關支持。通過持續投入研發經費來獎勵科技創新，幫助突破技術瓶頸，提高數字化轉型的成效。政府還可以提煉推出一批聚焦細分行業規范高效、有利復制推廣的數字化轉型典型模式，打造一批可復制易推廣的數字化轉型“小燈塔”企業，形成一種示范效應，鼓勵不同的企業通過培訓、交流、引進等方式，強化數字化意識，進而提升數字應用能力。

保障數字人才供給。解決數字人才不足的問題需要政府、企業和高校共同努力。首先，政府、企業和高校應該加強合作，共同加大對數字人才的培養力度。政府可以出臺相關政策，鼓勵和支持高校增加相關專業的招生人數，提高教育質量。同時，政府也可以通過提供獎學金、實習機會等方式，吸引更多的學生選擇數字相關專業。高校應與企業合作，了解市場需求，調整教學內容，使人才培養更加符合實際需求。同時，要進一步強化數字技能職業培訓，可以開展在線教育和培訓，擴大覆蓋面，使更多人有機會學習和提升數字技能。在全球化的背景下，可以通過引進外部數字人才來補充本地的數字人才供給。政府可以制定優惠政策，吸引國內外數字人才來工作或創業；企業可以通過招聘、合作、交流等方式引進外部人才，提升自身的技術和管理水平。

推動產業互聯網的落地。數字平臺在產業數字化進程中扮演著產業要素資源連接器的角色，加快了企業由自轉向共轉的轉變，并且推動孵化出更多的新型虛擬組織?？梢哉f，數字平臺是產業數字化轉型的“工具箱”。平臺模式可以是數字化轉型和落地的主要實現方式。平臺模式在這里主要就表現為產業互聯網。不同于一般的消費互聯網，產業互聯網能夠切實實現實體經濟與數字經濟的深度融合，數字化基礎較薄弱的傳統產業將利用數字科技重塑產業格局實現創新趕超，數字化基礎較好的傳統產業由原來小范圍探索階段步入規?；瘧秒A段?？傊?，產業互聯網的搭建，為數字科技創新和應用提供廣闊的空間，數據資源成為企業價值創造和價值實現的關鍵資源，也將催生出新的“智能制造+生產性服務業”模式，形成數字科技新生態體系，驅動產業數字化轉型升級加速。

構建融合共生的產業生態。傳統制造業企業是數字化轉型的主力軍，其轉型的基本方向就是實現信息化、SaaS 化、移動化以及AI 化。在這個過程中，必然會涉及到不同產業的對接和互動問題。產業數字化的順利開展，則要求不同產業之間能夠實現融合共生。要推動不同產業之間形成合理的分工結構，真正發揮協同作用，可以把用戶價值作為根本的著眼點，探索重構一種共同價值主張為導向的產業生態體系。即構建以自由流動的數據資源為基礎、以數字科技族群為連接、以多元數字科技平臺為依托的合作化平臺生態。在此基礎上，加快推動數字科技企業對傳統產業過程的嵌入式改造，以及傳統企業與數字科技企業的跨界融合。

五、結 論

從物理空間中的運動軌跡到虛擬網絡中的數字痕跡，再到日常生活中的慣例、經驗和個性化行為等，這些信息可以通過數字技術手段被有效地獲取和編碼，形成大量的顯性數據。這些顯性數據通過數字技術得以流通，進一步融入社會再生產過程，成為新型生產要素，與其他傳統要素結合，共同創造價值。在新經濟時代，傳統相對靜態的資源不再是競爭的重點，具有無限供給特征的數據成為企業競爭投資的新焦點，企業也因此完成了動態能力的重構，這也意味著產業數字化發展下的結構特征也出現了相應的動態演變。

數字技術通過應用于產品生命周期的全過程，提高了產品的技術復雜度。企業可以利用數字技術來擴大知識集合，增強其在產品空間的跳躍能力，從而不斷向產品空間的中心地帶靠攏。這一過程能夠促進產業的高級化，推動企業實現更大的商業價值，拓展企業的創新空間。產業數字化發展下資本部門和勞動部門也實現了再配置。以各種發明人才為主體的研發部門已經成為了重要的資本部門，數字化轉型造成的收入差距使得發明人才更傾向于向產業部門流動。在產業部門中，數字技術的使用對勞動力市場產生了“極化”趨勢，即增加高技能和低技能勞動力的占比，擠出中等技能勞動力，普通勞動者地位相對下降。大數據的先行者將逐漸與其他企業拉開差距，促使巨型龍頭企業崛起。一些利用先進數字技術站在創新前沿的企業逐漸發展成為具有核心競爭力的“明星企業”，而其他“平民企業”專注于自身核心業務以實現“小而美”的可持續發展。隨著產業數字化的不斷深化，產業的地理空間分布也出現了動態變化，數字產業化和產業數字化形成了新的“中心-外圍”結構，即中心地區通常是數字技術創新的發源地和數字產業化的高地，具有高度集中的數字產業和人才優勢；而外圍地區則更多地依靠傳統產業和資源優勢，通過數字化轉型提升自身競爭力。這種結構使得中心地區成為數字經濟發展的引擎，而外圍地區也可以通過與中心地區的技術互補，實現自身的發展和升級。

數據作為現代經濟的戰略性要素，為傳統生產提供了新的動力，從而重塑了產業鏈的形態。具體來說，數據要素的嵌入使得產品生產環節的附加值得到提升，這一點體現在微笑曲線的扁平化上。與數字產業化不同，在產業數字化的背景下，價值鏈呈現出本土化和短鏈化的趨勢。這意味著生產和價值創造的環節更加集中在本地區或者鄰近地區，而不是分散在全球范圍內。產業數字化浪潮勢不可擋，但當前其發展仍存在一些阻礙。對于企業來說，進行數字化轉型需要大量的投資，尤其是對于中小企業，他們可能沒有足夠的資源和資金進行大規模的數字化轉型。隨著數據規模的爆炸式增長，數據分析、數據科學等領域的專業人才需求越來越大。然而，這些人才主要集中在大型企業和研究機構中，中小企業很難獲得這些人才的支持，這進一步加劇了數字鴻溝的問題。且當前數據權屬不清晰的問題導致了“數據孤島”的現象，而數據交易規則的不明晰也限制了大數據價值的充分發揮。因此，有必要加強政策支持，保障人才供給，完善數據產權制度，推動產業數字化發展不斷深化。

總的來說，從微觀視角來看，要素互補和投資驅動確實分別是產業數字化發展的內生動力和外在動因。從中觀視角來看，數據作為新型生產要素被引入再生產全過程，數據成為企業競爭投資的新焦點，企業也因此完成了動態能力的重構，使得產業數字化發展下的產業組織和產業結構表現出更多動態性特征。從宏觀視角來看，數據要素的大范圍應用，重塑了全球產業鏈價值鏈，導致世界各國在新經濟領域展開了激烈的競爭。我國應從戰略競爭的高度出發，注重數字基礎設施建設，加強數字技術標準化工作，增強數字創新人才供給能力。只有全面提升各方面的能力，才有望在新一輪的全球產業競爭中占據有利地位，乃至實現“彎道超車”。

參考文獻

[1] 戴翔，張雨，劉星翰. 數字技術重構全球價值鏈的新邏輯與中國對策[J]. 華南師范大學學報（社會科學版），2022 年第1 期，第116-126+207 頁。

[2] 何大安. 數據智能化、網絡協同化與人工智能運用——從基礎經濟理論層面對企業投資經營的分析[J]. 浙江學刊，2021 年第5 期，第99-110 頁。

[3] 倫蕊，郭宏. 數字經濟影響下全球價值鏈的重構走向與中國應對[J]. 中州學刊，2023 年第1 期，第44-51 頁。

[4] 戚聿東，肖旭. 數字經濟時代的企業管理變革[J]. 管理世界，2020 年第6 期，第135-152+250 頁。

[5] 肖旭，戚聿東. 產業數字化轉型的價值維度與理論邏輯[J]. 改革，2019 年第8 期，第61-70 頁。

[6] 張平. 數據生產要素性質、知識生產與中國式現代化[J]. 社會科學戰線，2023 年第10 期，第44-57 頁。

[7] 張其仔，伍業君，王磊. 互聯網、創新與經濟復雜度——基于產品空間視角[J]. 財貿經濟，2023 年第7 期，第108-123 頁。

[8] 張文魁. 數字經濟的內生特性與產業組織[J]. 管理世界，2022 年第7 期，第79-90 頁。

[9] 鄭江淮，張睿，陳英武. 中國經濟發展的數字化轉型：新階段、新理念、新格局[J]. 學術月刊，2021 年第7 期，第45-54+66 頁。

[10] 鄭江淮，周南. 數據要素驅動、數字化轉型與新發展格局[J]. 山東大學學報（哲學社會科學版），2023 年第6 期，第93-105 頁。

[11] Acemoglu， D.， Autor， D.， “Skills， tasks and technologies： Implications for employment and earnings”， Handbook of labor economics， 2011， 4： 1043-1171.

[12] Andrews， D.， C. Criscuolo， and P. Gal， “The Best versus the Rest： The Global Productivity Slowdown， Divergence across Firms and the Role of Public Policy”， OECD Productivity Working Papers， 2016.

[13] Arthur， W. B.， “The nature of technology： What it is and how it evolves”， New york： Simon and Schuster， 2009.

[14] Autor， D. H.， “Katz L F， Kearney M S. The polarization of the US labor market”， American economic review， 2006，96（2）： 189-194.

[15] Calvino， F.， Fontanelli， L.， “A portrait of AI adopters across countries： Firm characteristics， assets complementarities and productivity”， OECD Science， Technology and Industry Working Papers， 2023.

[16] Cerqueira， C.， Alexandre， F.， Portela， M.， “Digitalization： the edge of first movers”， NIPE Working Papers， 2023.

[17] Corea， F. “Artificial intelligence and exponential technologies： Business models evolution and new investment opportunities”， Gewerbestrasse： Springer， 2017.

[18] Dachs， B.， Kinkel， S.， J?ger， A.， “Bringing it all back home？ Backshoring of manufacturing activities and the adoption of Industry 4.0 technologies”， Journal of World Business， 2019， 54（6）： 101017.

[19] de Souza， G.， Li， H.， “Robots， Tools， and Jobs： Evidence from Brazilian Labor Markets”， CESifo Working Paper， 2023.

[20] Dosi， G.， Piva， M.， Virgillito， M. E.， et al. “Embodied and Disembodied Technological Change： The Sectoral Patterns of Job-Creation and Job-Destruction”， Research Policy， 2021， 50（4）： 104199.

[21] Dunleavy， P.， “Digital era governance： IT corporations， the state， and e-government”， London：Oxford University Press， 2006.

[22] Duranton， G.， Puga， D.， “From sectoral to functional urban specialisation”， Journal of urban Economics， 2005， 57（2）：343-370.

[23] Fontagné， L.， Reshef， A.， Santoni， G.， et al.， “Automation， Global Value Chains and Functional Specialization”， CESifo Working Paper， 2023.

[24] Goldfarb， A.， Tucker， C.， “Digital economics”， Journal of economic literature， 2019， 57（1）： 3-43.

[25] Grashof， N.， Kopka， A.， “Widening or closing the gap？ The relationship between artificial intelligence， firm-level productivity and regional clusters”， Bremen Papers on Economics & Innovation， 2023.

[26] Jin， W.， Petropoulos， G.， Steffen， S.， “Concentration of artificial intelligence and other frontier IT skills”， Bruegel-Blogs， 2021.

[27] Laplume， A. O.， Petersen， B.， Pearce， J. M.， “Global value chains from a 3D printing perspective”， Journal of International Business Studies， 2016， 47： 595-609.

[28] Lee， K.， “Schumpeterian analysis of economic catch-up： Knowledge， path-creation， and the middle-income trap”， New york： Cambridge University Press， 2013.

[29] Mikalef， P.， Pateli， A.， “Information technology-enabled dynamic capabilities and their indirect effect on competitive performance： Findings from PLS-SEM and fsQCA”， Journal of Business Research， 2017， 70： 1-16.

[30] Rehnberg， M.， Ponte， S.， “From smiling to smirking？ 3D printing， upgrading and the restructuring of global value chains”， Global Networks， 2018， 18（1）： 57-80.

[31] Schwellnus， C.， Haramboure， A.， Samek， L.， et al.， “Global value chain dependencies under the magnifying glass"，OECD Science， Technology and Industry Policy Papers， 2023.

[32] Stiebale， J.， N. Woessner， “Robots and the rise of European superstar firms”， CEPR Discussion Paper， 2020.

[33] Wamba， S. F.， Gunasekaran， A.， Akter， S.， et al. “Big data analytics and firm performance： Effects of dynamic capabilities”， Journal of Business Research， 2017， 70： 356-365.

〔執行編輯：劉自敏〕