| 43 | 0 | 15 |
| 下载次数 | 被引频次 | 阅读次数 |
智能经济时代，智能技术通过与制造业深度融合从而赋能制造业生产制造全过程、产品全生命周期和产业链供应链全环节，是企业获得持续竞争优势的重要途径。本文基于微观企业层面的数据，利用智能制造试点示范项目这一准自然实验，从理论和实证两个方面分析了智能制造对企业成本加成的影响。结果表明：智能制造有助于提高企业成本加成率，且在稳健性检验后仍然显著。这种影响在信息基础设施完善地区、资本和技术密集型行业、数实融合程度较高以及高新技术企业中更加明显。智能制造对企业成本加成的提升主要通过促进分工与协作、实现技术赶超和优化资源配置等机制实现的。进一步分析结果表明，智能制造在促进长期发展和提升行业内资源配置效率方面发挥了重要作用。本文研究结论对于进一步促进数字经济和制造业深度融合、打造我国制造业国际竞争新优势、加快推进新型工业化、实现制造业高质量发展等具有明显政策启示。
Abstract：In the era of the intelligent economy, the deep integration of intelligent technology with manufacturing empowers the entire production process, the full product lifecycle, and all links of the industrial and supply chains, representing an important pathway for enterprises to achieve sustained competitive advantage. Based on micro-level enterprise data and employing the quasinatural experiment of intelligent manufacturing pilot demonstration projects, this study examines the impact of intelligent manufacturing on enterprise markups from both theoretical and empirical perspectives. The results show that intelligent manufacturing significantly increases enterprise markups, and this finding remains robust after a series of robustness tests. This effect is more pronounced in regions with well-developed information infrastructure, capital-intensive and technology-intensive industries, sectors with a high degree of digital-real integration, and high-tech enterprises. The markup-enhancing effect of intelligent manufacturing is primarily achieved through mechanisms such as promoting division of labor and collaboration, facilitating technological catch-up, and optimizing resource allocation. Further analysis indicates that intelligent manufacturing plays an important role in fostering long-term development and improving resource allocation efficiency within industries. The findings of this study offer clear policy implications for further promoting the deep integration of the digital economy and manufacturing, building new competitive advantages for China's manufacturing industry, accelerating the advancement of new industrialization, and achieving high-quality development of the manufacturing sector.
[1]Tao F,Cheng J F,Qi Q L,et al.Digital twin-driven product design,manufacturing and service with big data [J].The International Journal of Advanced Manufacturing Technology,2018,94(9):3563-3576.
[2]尹洪英，李闯.智能制造赋能企业创新了吗?——基于中国智能制造试点项目的准自然试验[J].金融研究，2022(10):98-116.
[3]李廉水，张梦娜，程中华.不同所有制的智能制造企业创新效率及其决定——基于智能制造示范试点企业的研究[J].科学学与科学技术管理，2023(2):107-124.
[4]杜传忠，王晓蕾.智能制造对制造企业创新效率的非线性影响——基于制造业服务化的调节效应[J].四川大学学报(哲学社会科学版),2024(1):37-51,208-209.
[5]权小锋，李闯.智能制造与成本粘性——来自中国智能制造示范项目的准自然实验[J].经济研究，2022(4):68-84.
[6]林熙，刘啟仁，冯桂媚.智能制造与绿色发展：基于工业机器人进口视角[J].世界经济，2023(8):3-31.
[7]沈坤荣，乔刚，林剑威.智能制造政策与中国企业高质量发展[J].数量经济技术经济研究，2024(2):5-25.
[8]杜传忠，曹效喜，任俊慧.人工智能影响我国全要素生产率的机制与效应研究[J].南开经济研究，2024(2):3-24.
[9]Zhu M H,Chen L,Yeung A C L,et al.The impact of intelligent manufacturing on labor productivity:an empirical analysis of Chinese listed manufacturing companies [J].International Journal of Production Economics,2024,267:109070.
[10]牛子恒，邹宗森.实体经济振兴：智能制造与制造业企业“脱实向虚”[J].经济学家，2024(1):78-88.
[11]黄卓，陶云清，刘兆达，等.智能制造如何提升企业产能利用率——基于产消合一的视角[J].管理世界，2024(5):40-59.
[12]De Loecker J,Eeckhout J,Unger G.The rise of market power and the macroeconomic implications [J].The Quarterly Journal of Economics,2020,135(2):561-644.
[13]诸竹君，黄先海，余骁.金融业开放与中国制造业竞争力提升[J].数量经济技术经济研究，2018(3):114-131.
[14]范猛，张云，李宝伟.数字金融对市场垄断的影响——数字红利还是强者恒强[J].当代财经，2022(11):65-75.
[15]姚博.信息化建设与企业市场势力[J].经济评论，2024(3):42-56.
[16]包群，王靖楠，梁贺.合资经历重要吗[J].财贸经济，2020(8):110-126.
[17]Shen G B,Shen B C,Wu R C,et al.Internetization and the markups of export firms:evidence from China [J].Economic Modelling,2023,120:106184.
[18]欧阳耀福.互联网平台化组织模式对企业创新的影响研究[J].经济研究，2023(4):190-208.
[19]肖挺，叶浩.工业机器人应用对于企业加成率的影响研究[J].科研管理，2024(8):41-50.
[20]Calligaris S,Criscuolo C,Marcolin L.Mark-ups in the digital era [R].Paris:OECD Science,Technology and Industry,2018.
[21]Weche J P,Wagner J.Markups and concentration in the context of digitization:evidence from German manufacturing industries [J].Jahrbücher für Nationalökonomie und Statistik,2021,241(5/6):667-699.
[22]曹玉平，侯迎信.智能制造计划可以跨越“生产率悖论”吗：来自智能制造试点示范项目的准自然实验[J].中国软科学，2024(6):23-32.
[23]温素彬，张金泉，焦然.智能制造、市场化程度与企业运营效率——基于A股制造业上市公司年报的文本分析[J].会计研究，2022(11):102-117.
[24]徐晔，朱婕，陶长琪.智能制造、劳动力技能结构与出口技术复杂度[J].财贸研究，2022(3):16-27.
[25]黄启斌，熊曦，宋婷婷，等.智能制造能力对制造型企业竞争优势的影响机制研究[J].经济问题，2023(3):76-83.
[26]Dauth W,Findeisen S,Suedekum J,et al.The adjustment of labor markets to robots [J].Journal of the European Economic Association,2021,19(6):3104-3153.
[27]张强，赵爽耀，蔡正阳.高端装备智能制造价值链的生产自组织与协同管理：设计制造一体化协同研发实践[J].管理世界，2023(3):127-140.
[28]朱恒源，王毅.智能革命的技术经济范式主导逻辑[J].经济纵横，2021(6):66-72.
[29]袁淳，肖土盛，耿春晓，等.数字化转型与企业分工：专业化还是纵向一体化[J].中国工业经济，2021(9):137-155.
[30]杨善林，王建民，侍乐媛，等.新一代信息技术环境下高端装备智能制造工程管理理论与方法[J].管理世界，2023(1):177-190.
[31]黄亮雄，林子月，王贤彬.工业机器人应用与全球价值链重构——基于出口产品议价能力的视角[J].中国工业经济，2023(2):74-92.
[32]刘斌，潘彤.人工智能对制造业价值链分工的影响效应研究[J].数量经济技术经济研究，2020(10):24-44.
[33]周鹏，王卓，谭常春，等.数字技术创新的价值——基于并购视角和机器学习方法的分析[J].中国工业经济，2024(2):137-154.
[34]成琼文，郭波武，张延平，等.后发企业智能制造技术标准竞争的动态过程机制——基于三一重工的纵向案例研究[J].管理世界，2023(4):119-140,191.
[35]黄先海，王瀚迪，孙涌铭，等.数字技术与企业出口质量升级——来自专利文本机器学习的证据[J].数量经济技术经济研究，2023(12):69-89.
[36]Chen Y M.Improving market performance in the digital economy [J].China Economic Review,2020,62:101482.
[37]Acemoglu D,Restrepo P.The race between man and machine:implications of technology for growth,factor shares,and employment [J].American Economic Review,2018,108(6):1488-1542.
[38]李万利，潘文东，袁凯彬.企业数字化转型与中国实体经济发展[J].数量经济技术经济研究，2022(9):5-25.
[39]Gu C,Kurov A.Informational role of social media:evidence from Twitter sentiment [J].Journal of Banking & Finance,2020,121:105969.
[40]De Loecker J,Warzynski F.Markups and firm-level export status [J].American Economic Review,2012,102(6):2437-2471.
[41]杜传忠，曹效喜，刘书彤.人工智能与高新技术企业竞争力：机制与效应[J].商业经济与管理，2024(2):30-49.
[42]Wen H W,Zhong Q M,Lee C C.Digitalization,competition strategy and corporate innovation:evidence from Chinese manufacturing listed companies [J].International Review of Financial Analysis,2022,82:102166.
[43]Beck T,Levine R,Levkov A.Big bad banks?The winners and losers from bank deregulation in the united states [J].The Journal of Finance,2010,65(5):1637-1667.
[44]Wang S D,Yang D Y.Policy experimentation in China:the political economy of policy learning [J].Journal of Political Economy,2025,133(7):2180-2228.
[45]De Chaisemartin C,D'Haultfoeuille X.Two-way fixed effects estimators with heterogeneous treatment effects [J].American Economic Review,2020,110(9):2964-2996.
[46]Gardner J.Two-stage differences in differences [J].ArXiv:2207.05943vl,2022.
[47]Borusyak K,Jaravel X,Spiess J.Revisiting event study designs:robust and efficient estimation [J].Review of Economic Studies,2024,91(6):3253-3285.
[48]王林辉，胡晟明，董直庆.人工智能技术、任务属性与职业可替代风险：来自微观层面的经验证据[J].管理世界，2022(7):60-79.
[49]黄先海，高亚兴.数实产业技术融合与企业全要素生产率——基于中国企业专利信息的研究[J].中国工业经济，2023(11):118-136.
[50]Du L Z,Lin W F.Does the application of industrial robots overcome the Solow paradox?Evidence from China [J].Technology in Society,2022,68:101932.
[51]Liu J,Chang H H,Forrest J Y L,et al.Influence of artificial intelligence on technological innovation:evidence from the panel data of China's manufacturing sectors [J].Technological Forecasting and Social Change,2020,158:120142.
[52]沈坤荣，林剑威，傅元海.网络基础设施建设、信息可得性与企业创新边界[J].中国工业经济，2023(1):57-75.
[53]韦庄禹.数字经济发展对制造业企业资源配置效率的影响研究[J].数量经济技术经济研究，2022(3):66-85.
[54]韩峰，黄敏，姜竹青.企业数字化、网络地位与污染减排[J].世界经济，2024(2):204-232.
[55]祝树金，罗彦，段文静.服务型制造、加成率分布与资源配置效率[J].中国工业经济，2021(4):62-80.
(1)中共中央.中共中央关于制定国民经济和社会发展第十五个五年规划的建议[EB/OL].(2025-10-28)[2026-01-15].https://www.news.cn/20251028/337438370029449296539148a206bdd1/c.html。
(2)曲永义.传统产业改造升级也能发展新质生产力[N/OL].人民日报,2024-06-27(9).http://opinion.people.com.cn/n1/2024/0627/c1003-40265160.html。
(3)刘佳,吕骞.周济院士:智能制造是第四次工业革命的核心技术[EB/OL].(2021-05-26)[2026-01-15].http://finance.people.com.cn/n1/2021/0526/c1004-32113704.html。
(4)国务院.国务院关于印发《中国制造2025》的通知:国发[2015]28号[EB/OL].(2015-05-19)[2026-01-15].https://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm。
(5)工业和信息化部,国家发展和改革委员会,教育部,等.八部门关于印发《“十四五”智能制造发展规划》的通知:工信部联规[2021]207号[S/OL].(2021-12-28)[2026-01-15].https://www.gov.cn/zhengce/zhengceku/2021-12/28/content_5664996.htm。
(6)李强主持召开国务院常务会议研究部署推动人工智能赋能新型工业化有关工作[EB/OL].(2024-01-22)[2026-01-15].https://wap.miit.gov.cn/xwdt/szyw/art/2024/art_2c10f1528907477da02b5456cb8186dd.html。
(7)王政,韩鑫.我国初步建成208个较高水平智能工厂[N/OL].人民日报,2018-12-12(10).http://society.people.com.cn/n1/2018/1212/c1008-30461172.html。
(8)本文同时进行了时间安慰剂检验,结果证明实证结论依旧是稳健的。感谢审稿专家的建议,限于篇幅,结果留存备索。
(9)劳动密集型行业代码为:“A”,“B”,“C13”,“C14”,“C15”,“C17”,“C18”,“C19”,“C20”,“C21”,“D”,“E”,“F”,“G”,“H”,“O”,“P”,“S”;资本密集型行业代码为:“C22”,“C23”,“C24”,“C25”,“C26”,“C28”,“C29”,“C30”,“C31”,“C32”,“C33”,“J”,“K”,“L”,“N”,“Q”,“R”;技术密集型行业代码为:“C27”,“C34”,“C35”,“C36”,“C37”,“C38”,“C39”,“C40”,“C41”,“C42”,“I”,“M”。
(10)高科技行业代码为:“C25”,“C26”,“C27”,“C28”,“C29”,“C31”,“C32”,“C34”,“C35”,“C36”,“C37”,“C38”,“C39”,“C40”,“C41”。其他行业为非高科技行业。
基本信息:
DOI：10.14134/j.cnki.cn33-1336/f.2026.04.004
中图分类号:F425;F271;F49;F406.7
引用信息:
[1]曹效喜,杜传忠,左思明.智能制造对企业市场竞争优势的影响研究——基于成本加成的视角[J].商业经济与管理,2026,No.414(04):48-67.DOI:10.14134/j.cnki.cn33-1336/f.2026.04.004.
基金信息:
国家社会科学基金重大项目“新一代人工智能对中国经济高质量发展的影响、趋向及应对战略研究”(20&ZD067)
2026-05-27
2026
2026-05-27
2026-06-03
2026
1
2026-04-15
2026-04-15