智能化發展對企業全要素生產率的影響
——來自制造業上市公司的證據

溫湖煒，鐘啟明

(1.南昌大學中國中部經濟社會發展研究中心，江西 南昌 330031；2.南昌大學經濟管理學院，江西 南昌 330031)

0 引言

全球新一輪科技革命和產業變革背景下，制造業與信息化、智能化融合發展是中國深化工業化進程和推動經濟高質量發展的重要著力點。目前，中國制造業內部的資源投入與生產率呈反向角力態勢，國際上面臨著發展中國家同類競爭與發達國家再制造業化的 “雙向擠壓”[1-2]。國務院和黨中央結合制造業領域的國際競爭新形勢和國內發展客觀現實，確定了推動智能制造發展的總體布局，明確要求推動互聯網、大數據、人工智能和實體經濟深度融合。2018年12月，中央工作經濟會議提出2019年重點工作之一是推動先進制造業和現代服務業深度融合，推動制造業高質量發展。近些年，美國、德國等發達工業國家先后提出 “工業互聯網”和 “工業化4.0”戰略計劃，旨在通過制造業智能化轉型搶占國際競爭制高點。因此，推動智能制造發展對于中國供給側改革、培育經濟增長新動能，進而實現制造業向中高端邁進具有重要意義。

全要素生產率綜合考慮了企業生產過程中的技術水平、管理能力、資源配置效率等諸多因素，是衡量制造業企業轉型升級效果和高質量發展的代表性指標[3]。黨的十九大報告明確指出， “中國經濟已經由高速增長階段轉向高質量發展階段，必須堅持以供給側結構性改革為主線，提高制造業全要素生產率。”強調兩化融合或智能化發展對企業全要素生產率的重要性也是科技管理領域的重要話題，但相關研究并未得出一致性結論。以往文獻普遍存在信息技術的生產率悖論困擾，針對索洛提出的 “計算機對生產率沒有作用”的 “索洛悖論”展開了深入探討。比如，Gordon[4]認為機器人、人工智能、無人駕駛汽車等技術創新是對企業生產率和運營方式幾乎沒有影響的非市場效益。如何發揮信息技術應用的生產率潛力，構建破解生產率悖論的有效路徑成為了研究焦點[5]。作為制造業與新一代信息技術的深度融合模式，智能制造的實踐效果如何，能否成功達到助力企業生產率提升的目標？通過何種機制影響全要素生產率，需要怎樣的保障機制支撐企業智能化轉型？這些問題都亟待解答。

本文利用文本處理技術和企業年報測度中國制造業上市公司的智能化發展水平，考察智能化發展對企業全要素生產率的影響及其傳導機制。與既有的研究相比，本文有以下3個方面的貢獻：①研究數據上，區別于現有文獻主要從地區或行業層面考察制造業智能化發展，首次從企業層面測度中國制造業的智能化發展水平。②研究視角上，將信息技術的生產率悖論研究拓展到考察制造業與新一代信息技術深度融合的生產率效應，為相關理論發展提供實證依據。③研究內容上，考察智能化發展過程中產品創新和服務創新及其螺旋式發展的生產率效應，并分析企業異質性和《中國制造2025》實施的影響，為落實智能化發展推動制造業全要素生產率提升提供決策參考。

1 文獻回顧與理論分析

1.1 文獻回顧

信息技術對于制造業發展的重要地位是產業經濟學領域由來已久的話題。自索洛首次提出 “索洛悖論”以來，許多文獻就信息技術及其生產率效應展開了廣泛討論，從生產率的時滯性和度量偏差等方面解釋信息技術的生產率悖論[6]。此外，不少文獻發現組織變革、人力資本和管理實踐、產品與服務創新等策略行為是破解索洛悖論的有效路徑[5,7]。近年來，許多文獻從兩化融合的視角來展開信息技術或智能化發展與制造業轉型升級的關系研究。一方面，針對以工業4.0、工業互聯網等為代表的新一代信息技術與制造業融合發展的全球趨勢，從美國、德國等發達國家再工業化的不同邏輯導向入手，探尋制造業智能化轉型和高質量發展的國際經驗[8-9]；另一方面，圍繞中國制造業轉型升級和《中國制造2025》目標，剖析信息化與工業化的融合路徑和政策支撐[10-11]。

以智能制造為核心的新一代信息技術改變了現有產業結構，智能化轉型也已突破傳統信息技術、兩化融合的理論邏輯。針對產業智能化發展的研究方興未艾，相關文獻聚焦于智能制造對就業市場的影響[12]與產業轉型升級效應[13]、工業機器人進口對制造業生產率的影響[14-15]等問題。這些研究主要從宏觀層面考察工業智能化轉型的影響，而對其微觀傳導機制的研究并不清晰。全要素生產率是轉型升級效果和高質量發展的客觀衡量指標，中國制造業智能化轉型最終要落實到提升企業的生產率。

國內外學者采用不同的研究方法、研究數據以及研究視角考察了兩化融合、智能制造對制造業發展的影響，得出了富有啟發性的結論。由于智能化發展的微觀數據難以獲取，這些研究往往從地區或行業層面考察，缺乏對企業層面智能化發展的理論模型和實證分析，尤其是缺乏對智能化發展的生產率效應的實證檢驗。此外，目前沒有智能化發展水平的統計指標和統一的測度標準，導致其與生產率關系的實證結果可信度不足。本研究選用企業年報中反映智能化水平的文本詞頻數作為代理變量，在企業層面考察智能化發展對制造業全要素生產率的影響強度和內在機制。

1.2 理論分析

智能制造是新一代信息技術與制造業發展的深度融合，《中國制造2025》則 “把智能制造作為兩化深度融合的主攻方向”。遵循兩化融合的經濟效應，能夠理解智能制造對企業生產經營和生產率的潛在影響。在數字化、網絡化、人工智能等智能制造的新情境下，企業將數據這種新興生產要素與生產條件進行重新組合并引入生產系統，形成人、機、物的生態閉環，通過以下3種途徑賦能制造業企業轉型升級和投入產出效率提升。①重構人機邊界，將生產過程中的海量數據與專家經驗結合而實現智能決策，建立了由人類賦予機器智能、由機器即時完成復雜決策的智能工廠。②通過大數據、物聯網構架起全產業鏈的溝通平臺，將傳統生產流水線轉化為物聯網，通過從設計到生產、銷售的數據互通，驅動上下游企業實現生產要素的精準對接和產能共享。③為企業提供更為先進的現代通信技術，通過精準捕捉用戶需求而實現各種資源配置的快速而高效響應[16]。總之，作為制造業與新一代信息技術的深度融合模式，智能制造一方面通過車間管理重構而推動企業組織變革，另一方面通過構建逆向信息快速響應的創新范式而推動企業邁向附加值高的價值鏈環節，實現新一代信息技術的生產率效應。因此，提出假設1：智能化發展水平對制造業企業全要素生產率存在顯著的正向影響。

價值鏈是指為實現產品或服務價值而連接研發設計、生產、營銷和售后服務整個過程的企業間組織網絡，在 “價值鏈升級”思路引領下智能制造與 “產品+服務”創新環節的滲透融合，實現價值鏈升級，最終提升全要素生產率[17]。從價值鏈的微笑曲線看，企業可以通過改變價值鏈的嵌入方式，延伸上、中、下游的價值鏈實現產品增值[18]。在產業鏈上游，企業主要基于云計算和大數據改進研發、設計環節實現產品創新。一方面，企業通過云計算采集用戶行為數據和產品的全生命周期數據，高效實現產品的迭代升級；另一方面，通過以智能設備為載體的物聯網實現用戶、研發人員和產品之間的互聯互通，構建逆向信息快速響應的創新模式，將用戶需求實時反饋到研發設計環節，提升創新效率。在產業鏈中游，工業智能化主要通過制造車間管理重構和推動組織變革，從而提升企業的生產效率。在產業鏈下游，企業突破傳統業務模式、實現服務創新，由產品偏好的制造企業轉變為專業化服務提供者。一方面，制造業服務化過程使得企業更多地開展個性化定制和在線支持服務，企業通過提供個性化服務或整體解決方案的方式增強核心競爭力；另一方面，從產品全生命周期到價值鏈全過程，企業不斷剝離優勢專業活動成立獨立部門，面向相關行業提供專業化服務，延伸價值鏈深度和強化價值鏈地位。因此，提出假設2：智能制造在價值鏈中與產品創新、服務創新的深度融合實現 “智創融合”，制造業企業可以改變價值鏈嵌入環節而提升全要素生產率。

2 計量模型與變量、數據說明

2.1 數據樣本

本文以2009—2018年滬深兩市的上市制造公司為研究樣本，財務數據來自CSMAR數據庫和WIND數據庫，宏觀數據來自《中國統計年鑒》。本文按照以下原則對樣本進行處理：①剔除ST類和退市企業；②剔除重要變量缺失的企業樣本；③對所有連續變量都在1%和99%分位上做縮尾處理，以避免離群值對樣本估計的影響。

2.2 模型設計與變量說明

影響企業全要素生產率的因素眾多，為了準確衡量智能化發展對企業全要素生產率的凈效應，采用包含固定效應的多元線性回歸模型進行實證分析，模型表示為：

lnTFPit=β0+β1Intelit+θControlit+

μind+λprov+τt+εit

(1)

式中，下標i表示上市公司，t表示年度。lnTFP為全要素生產率指標，Intel表示企業智能化水平，Control代表控制變量；μind、λprov、τt分別表示行業、省份和時間特征，εit表示隨機干擾項，并使用了行業層面上的聚類穩健標準誤。

智能制造主要通過價值鏈環節嵌入互動進而提高企業的投入產出效率。本文選取產品創新或服務創新與智能化水平的交互項作為自變量，考察企業智能化發展與研發設計和售后服務的交互融合的生產率效應。將模型 (1)進行拓展，可表示為：

lnTFPit=β0+β1Intelit+β2Innoit+β3Intelit×Innoit+θControlit+μind+λprov+τt+εit

(2)

式中，Inno表示企業產品創新和服務創新的代理變量，Inno×Intel代表智能制造嵌入價值鏈環節的代理變量，其他變量與模型 (1)中的變量含義一致。

(1)被解釋變量。模型的被解釋變量為全要素生產率 (lnTFP)。

借鑒黎文靖等[19]、錢雪松等[20]等相關研究，設計對數柯布—道格拉斯生產函數來測度企業全要素生產率指標，可表示為：

lnY=β0+β1lnKit+β2lnLit+β3lnMit+εit

式中，Y為營業收入，K為固定資產凈值，L為支付給職工以及為職工支付的現金，M為中間投入，借鑒袁堂軍[21]的做法，以 “營業成本加上各項期間費用再減去本期折舊攤銷額以及勞動報酬總額”測度。具體而言，將樣本進行行業固定效應回歸，以其殘差測度企業全要素生產率。

(2)核心解釋變量。模型的核心解釋變量有以下3個。

企業智能化水平 (Intel)。由于企業智能發展水平的數據難以獲取，導致該領域的研究工作難以開展。然而，上市公司財報中某些詞匯出現的頻數在一定程度上代表了其戰略發展方向和業務經營范圍[22]，本文采用文本處理技術，在企業年報中查詢有關智能化發展水平的文本詞頻數，以其對數值作為智能化水平的代理變量。

產品創新 (Product)。參考Arnold等[23]的研究，按企業的產品創新表現區分為體現創新質量的突破式創新 (Radical)和體現創新數量的漸進式創新 (Incre)，其中突破式創新使用發明專利申請數的對數值來衡量，漸進式創新以實用新型專利和設計專利申請數之和的對數值衡量。為了考察智能制造的生產率效應的傳導機制，在張峰等[24]研究的基礎上，利用各種產品創新類型與Intel的交互項作為解釋變量進行機制檢驗。

服務創新 (Service)。借鑒Mathieu[25]、Eggert等[26]的研究，將制造企業提供的服務劃分為產品相關服務 (SSP)和顧客相關服務 (SSC)。其中，產品相關服務是指支持主營產品的安裝及使用的服務，典型的服務有產品安裝、維修保養和產品檢測等，主要通過增加產品銷量來獲取利潤；顧客支持服務則是指支持顧客行為或運營的服務，典型的服務有研究與開發、咨詢、培訓和金融服務等，可以在傳統的產品收入之外創造服務性盈利。在Fang等[27]研究的基礎上，利用服務收入占主營業務收入的比例與Intel的交互項，作為機制檢驗中服務創新的解釋變量。

(3)控制變量。參考企業全要素生產率的相關研究，控制以下企業層面的變量：企業規模 (Size)、企業年齡的對數 (Age)、企業價值 (TobinQ)、是否為國有 (SOE)、資產負債率 (Lev)、固定資產比率 (Fixs)、資產收益率 (ROA)、現金資產比率 (Cash)、人力資本 (HR)、以學歷是否在大專及以上衡量的董事長或總經理教育背景 (Edu)。考慮到時間和行業的影響不容忽視，控制了年份、行業等層面的固定效應。

2.3 描述性統計

主要變量和控制變量的描述性統計見表1。Intel為企業智能化發展水平的測度指標，其最小值為0，最大值為4.511，標準差為1.198，說明不同企業的智能發展水平存在較大差異。lnTFP為全要素生產率指標，其最小值為-2.256，最大值為1.811，表明中國制造業上市公司的生產率差異很大。

表1 描述性統計

為了驗證全要素生產率和智能化水平等指標的可靠性，企業全要素生產率的時間趨勢和智能化水平的核密度估計如圖1所示。由圖1可見，中國制造業的全要素生產率持續走高，這一結果與黃群慧等的研究相一致[11]。從智能化水平的核密度估計圖中可以發現，相對分布曲線的波峰由0開始不斷右移，表明許多企業陸續開展智能制造且智能化水平持續提高，該趨勢與呂文晶等[18]的研究相同。與此同時，《中國制造2025》將智能制造確定為中國制造業發展的主攻方向。由圖1可見，2015年也正是智能化發展加速的重要節點，此后智能化水平較高企業的生產率增速明顯高于低智能化水平企業，直覺表明智能化發展可能與企業全要素生產率存在正向因果關系。

圖1 全要素生產率的時間趨勢 (左圖)和智能化水平的核密度估計 (右圖)

3 實證結果與分析

3.1 基準結果分析

利用式 (1)得出智能化發展水平的生產率效應。基準回歸結果見表2中的 (1) (2)列。可以發現，Intel的系數在5%水平上都顯著為正，說明智能化轉型能夠推動企業全要素生產率提升。此外，選用孫早等[12]構建的地區工業智能化指數作為替代變量進行回歸，結果見表2的 (3)列，Intel的系數在1%水平下依然顯著為正。以上分析說明，智能化發展水平與企業全要素生產率存在顯著正相關關系，即研究假說1成立。

為了識別智能化發展對企業全要素生產率的因果效應，本文選取以下工具變量進行兩階段最小二乘估計，解決可能存在的內生性問題：①滯后一期的企業智能化水平；②各省寬帶端口數的對數。智能制造不可避免地受到各省網絡基礎設施的約束，而網絡基礎設施發展較難受到單個企業的直接影響。工具變量回歸的第二階段估計結果見表2的 (4)～ (5)列。可以看出，在剔除內生性影響后，Intel的系數都在1%水平下顯著大于0，驗證了本文結果的穩健性，說明智能化發展水平能夠顯著提升企業全要素生產率，智能化發展的生產率悖論不成立。

表2 基準回歸結果

3.2 異質性影響分析

如果智能化發展水平與企業全要素生產率存在因果效應，應該可以觀察到這一效應會由于要素稟賦和轉型動機的差異而表現出異質性。本文從企業經營狀態和勞動要素的視角切入，分別按照企業人力資本、經營狀況和要素密集程度劃分樣本，運用分組回歸方法考察智能化轉型造成企業生產率改變的橫截面差異，探究智能化發展的生產率效應的內在機制，結果見表3。

伴隨著勞動力成本不斷上升，工業機器人在中國制造業生產領域起著重要作用，部分學者對此展開討論[12]。通過在制造業生產環節中人、設備、產品的高效互聯，工業機器替換人對不同人力資本稟賦和不同勞動密集程度的行業產生異質性影響。本文首先從人力資本視角考察智能化發展對生產率的異質性影響，結果見表3的 (1) (2)列。針對不同人力資本水平的企業，Intel的系數在1%水平下顯著為正，同時人力資本稀缺企業的系數顯著地大于人力資本豐裕的企業。

隨著資源環境約束和人口紅利消失，中國制造業因投入大量生產要素而獲得的傳統優勢正逐漸喪失。在智能制造技術逐步擴散的背景下，行業要素密集程度是否會影響智能化發展的生產率效應？本文從要素密集程度視角切入進行異質性檢驗，結果見表3的 (3) (4)列。可以發現，智能化水平系數均在1%的水平上顯著為正且勞動密集型行業的系數更大，勞動密集型產業智能化發展的生產率效應較強。劉斌等[1]的解釋是：勞動密集型產業在產業鏈中更接近終端消費者，對企業研發設計與售后服務等優質服務要素投入的要求較高，而 “智創融合”賦予企業豐富的研發設計和營銷經驗等新型資源，為其突破價值鏈的低端鎖定極大賦能，提升企業的生產效率。

在新一輪信息技術變革和國際貿易摩擦加劇的浪潮下，國內部分制造企業由于缺乏核心競爭力，在日益激烈的國際競爭中盈利能力逐漸下降甚至出現大量虧損。為檢驗智能制造對不同經營狀態企業的異質性，依據盈利水平進行分組檢驗，結果見表3的 (5) (6)列。可以看出，Intel的系數在1%水平下均顯著為正，且經營效益差企業的系數大于經營效益好的企業，說明智能化發展對其生產率的提升作用相對更強。

表3 異質性影響的估計結果

以上結果表明，與人力資本豐裕、資本使用密集、經營效益好的企業相比，智能化發展對人力資本稀缺、勞動使用密集、經營效益差的企業的生產率效應相對更強。該結論從要素稟賦視角可以得到解釋：智能化轉型為這些企業在生產和創新活動提供了一種新的重要資源，智能制造技術對于技能人才和資本等要素稟賦相對稀缺的企業邊際效應尤為顯著。以上結果還表明，智能制造技術替換低端要素、助力企業脫困的機制確實存在，本文的研究結論為中國制造企業通過智能化轉型提高生產率、實現 “換道超車”愿景提供了證據支持。

3.3 價值鏈環節嵌入影響分析

智能制造嵌入價值鏈上下游的生產率效應見表4。首先，無論是以產品創新還是服務創新為調節變量，交互項Inno×Intel的系數均為正，且大部分系數的T值都大于1，很大概率說明智能化發展通過價值鏈嵌入路徑提升企業生產率。其次，在加入企業創新指標與智能化水平的交互項后，Intel的系數明顯下降，說明價值鏈嵌入創新在智能化發展與全要素生產率之間存在正向調節作用。最后，價值鏈下游嵌入服務創新的系數較大且與顧客相關服務創新的交互項系數顯著，說明制造業企業主要通過智能制造與服務創新的深度融合而向價值鏈下游升級，從而提升全要素生產率。

觀察表4的列 (2) (3)系數發現，突破式創新的調節效應大于漸進式創新，說明 “智創融合”的生產率效應更多地通過突破式創新效應而非漸進式創新。突破式創新是對已有知識、技術和產品的顛覆式變革[28]，是對未來市場的前瞻式反應，對以全要素生產率為代表的企業長期發展質量有著持續影響。相反，漸進式創新強調對已有知識或技術的改進升級和對市場現狀的反應，主要作用于企業短期的穩健發展，缺乏提升生產效率的長遠動力。從列 (5) (6)可以看出，顧客相關服務創新的系數在統計意義上顯著，說明在服務創新的路徑中，顧客相關服務在智能化發展和生產率之間的調節作用更為突出。事實上，目前全球生產實踐中制造業企業趨向于通過提供附加值更高的顧客支持服務建立穩定的客戶關系，以尋求向價值鏈下游升級，幫助實現利潤流的改善。

表4 價值鏈環節嵌入影響的估計結果

與產品創新相比，服務創新的調節效應更大且存在顯著的統計意義。這表明較之傳統的產品邏輯，基于服務邏輯的服務創新更能適應新消費時代的顧客需求，從而達到提升全要素生產率的目標。此外，在加入交互項后，Intel的估計系數均明顯下降。本文證實了價值鏈升級視角下 “智創融合”影響制造業企業生產率的作用機制，即智能化發展與產品創新、服務創新的深度融合，促使向價值鏈兩端升級而增強競爭力，提升企業的全要素生產率。

3.4 擴展性分析

為了更加深入地理解智能制造的經濟功能，本文將從螺旋效應、場景測試和產業政策干預的視角進一步考察智能化發展提升企業全要素生產率的作用機制。

(1)螺旋效應：智能化發展與企業創新的螺旋式提升。智能制造能夠通過向價值鏈兩端升級而實現轉型升級的目標，那么智能化轉型是否與企業創新存在互動機制，實現智能化和價值鏈升級的螺旋式發展，從而獲得生產率的持續提升？表5的列 (1) (2)報告了企業創新與智能化發展的互動影響，可以發現智能化發展正向推動企業創新，反之企業創新也對智能化發展存在顯著的正向影響，說明企業智能化轉型與價值鏈升級存在螺旋效應而共同推動生產率提升。

(2)場景測試：經營危機沖擊下的企業全要素生產率。如果本文假說為真，當企業處于不利環境時，其智能化發展的經濟效果應該更加明顯。因為對于身處困境的企業而言，通常面臨經營業績的壓力，而智能制造為其提供了一條改善績效的路徑，企業可以尋求智能化轉型擺脫經營困境和提高生產率。為了驗證這一猜想，本文根據資產收益率是否低于行業平均水平構建企業經營危機虛擬變量Crisis，并引入交互項Intel×Crisis，表5的列 (3)為檢驗結果。該交乘項的系數顯著為正，說明智能制造有助于提高經營危機企業的全要素生產率，再次驗證了本文結論的穩健性。

(3)產業政策干預：《中國制造2025》與智能制造發展的協作推進。在《中國制造2025》中，智能制造被明確為制造業發展的主攻方向，產業政策干預對智能化發展造成較大沖擊。本文將《中國制造2025》政策出臺作為準自然實驗，考察其對于制造企業的干預效果。為了檢驗政策沖擊是否導致企業智能化發展環境發生了顯著變化，本文設置時間虛擬變量dt，若年份處于2015年及以后，則dt=1，否則dt=0；同時引入交互項Intel×dt。表5的列 (4)顯示，《中國制造2025》出臺后，智能化發展的系數不再顯著為正，說明產業政策干預降低了企業智能設施投資的效益，削弱了其生產率效應。此外，使用省份智能化水平與dt的交乘項作為Intel×dt的替代變量，回歸結果見列 (5)，系數顯著大于零，說明《中國制造2025》的出臺促進了智能制造技術擴散和區域數字資源整合，激發了公共智能設施的網絡效應，實現智能化發展對生產率的倍增效應。此外，本文還將智能化水平高的企業設置為處理組，并引入處理組與政策干預的交互項du×dt，構建雙重差分模型，結果見表5的列 (6)。結果表明，交互項du×dt的系數顯著為正，以《中國制造2025》為代表事件的智能制造顯著提升了企業全要素生產率。

表5 擴展分析結果

4 結論與政策啟示

在全球制造業競爭格局趨緊和國內經濟增長速度放緩的背景下，促進新一代信息技術與制造業深度融合成為實現中國經濟提質增效、高質量發展的經濟工作重點。本文利用文本處理技術測算中國制造業上市公司的智能化發展水平，實證考察智能制造的生產率效應，主要得出以下結論。

(1)智能化發展對中國制造企業全要素生產率具有顯著的正向作用，在考慮了內生性可能導致的估計偏誤后，該結果依然穩健，說明制造業與新一代信息技術的深度融合模式能夠構建破除信息技術生產率悖論的有效路徑。

(2)由于企業要素稟賦和轉型動機的差異，智能化發展的生產率效應存在異質性，相較于要素稟賦相對豐裕的企業，智能制造技術對于技能人才和資本等要素稟賦相對稀缺的企業作用效果尤為顯著，智能制造是幫助企業脫困的重要手段。

(3)智能制造通過價值鏈環節嵌入互動，與 “產品+服務”融合創新以及螺旋式發展，向附加值較高的價值鏈微笑曲線兩端攀升，進而促進制造企業的高質量發展與全要素生產率提升。

(4)《中國制造2025》一方面降低了微觀企業智能設施投資的效益，另一方面促進了智能制造技術的擴散和工業大數據資源的互聯互通，激發了公共智能設施的網絡效應。

本文的研究結論具有較強的政策含義。針對制造業領域國際競爭新形勢和國內發展訴求，中國必須深入貫徹十九大關于推動互聯網、大數據、人工智能和實體經濟深度融合的戰略部署，把制造業與新一代信息技術的深度融合作為主線，全面賦能制造業高質量發展。具體地，從以下4個方面著手。

(1)落實工業互聯網基礎設施建設，加快推動智能裝備升級改造，實施智能制造示范政策和數字制造普及工程，鼓勵信息系統與生產設備的互聯互通及工業大數據的廣泛共享，為處于勞動密集型產業和經營困境的企業調整賽道、動能轉換提供充足助力。

(2)圍繞人工智能、工業互聯網等關鍵共性重大技術和行業重點需求，開展智能制造產學研協同創新，重點推進行業基礎和關鍵技術研發，并促進技術創新成果產業化，同時支持先進制造業企業提供技術咨詢、知識產權分析等研發咨詢類專業化服務，加快技術轉移和應用推廣。

(3)制造業應當擺脫 “產品偏好”、更加注重 “產品+服務”在價值鏈中的演進和趨勢發展，強調推進制造業品質革命和服務型制造，通過智能化轉型與 “產品+服務”融合創新的螺旋發展擺脫價值鏈低端鎖定，實現價值鏈攀升。

(4)適時調整政策實施方式，優化政策工具組合，減少從對特定產業的財政補貼和稅收優惠，將政策的資源配置導向轉變為智能制造發展提供更多的共性技術研發和技術擴散服務，加快公共數字基礎設施體系建設。