我國算力產業的鏈式架構及其效率評估

中圖分類號：F49；G301 文獻標識碼：A 文章編號：2096-5982（2025）06-0014-16

一、引言

習近平強調，數字技術是當今時代世界科技革命和產業變革的先機，是新一輪國際競爭重點領域。數據、算法和算力是數字經濟的核心，算力更是數字經濟時代的新型生產力，是新的經濟增長點和傳統產業轉型升級的重要支點。《2022一2023全球計算力指數評估報告》顯示，IT支出每投入1美元，可以拉動15美元的數字經濟產出、29美元的GDP產出；國家的計算力指數每提高1點，數字經濟將增長 3.6‰ ，GDP將增長 1.7‰ 。算力產業的“跳變”，起源于大模型催生AI算力的需求拉動，而復雜的模型會產生更龐大的算力需求。隨著數字經濟與實體經濟深度融合，算力需求的市場空間進一步拓寬。中國信息通信研究院測算得出，2022年我國算力核心產業規模達到1.8萬億元，居全球第二，且年增長率保持在 30% 左右，算力正加速向政務、工業、交通、醫療等各個領域滲透。然而，產業規模的迅速發展還沒有從根本上解決競爭力不強的問題，比如央地各級集成電路產業政策仍然存在優化空間。①我國算力產業創新生態系統尚未建立，前沿技術標準制定缺乏話語權，單一算力無法滿足市場需求，算力硬件基礎技術薄弱、軟件生態系統影響力低，算力應用創新突破不足，信息安全保障力弱。②隨著算力產業的大規模發展，高性能芯片如何有效匹配？服務器底座架構的技術手段怎樣突破？系統性創新、安全性與技術領域的瓶頸怎樣破除？算力供需如何高效銜接？將這些問題統一納入算力產業鏈系統框架進行深入分析，并監測產業效率情況，能為深入了解我國應對算力產業高速發展需求，塑造新優勢實現高質量發展提供理論和實踐支撐。

現階段關于產業鏈的研究主要集中在四個方面。一是產業鏈主體間互動關系促進產業鏈總體競爭力提升。產業鏈概念超越了市場主體間的交易關系，反映了更加廣泛的非市場主體和非經濟交易性互動③，而且這些廣泛的主體間競爭合作關系和互動行為模式共同決定了產業鏈的總體競爭力。④其中，產業鏈鏈長能夠在特定條件下彌補市場機制和行政機制的治理缺陷，是產業鏈有效組織進而實現競爭力整體提升的重要機制。③中央企業通過發揮激勵功能、協調功能和公共品供給功能，能夠有效避免產業鏈治理形成的市場失敗；通過增強主體功能避免政府激勵機制的失敗，成為牽引產業鏈協同發展的、效率更高的主體。二是產業鏈內在組合促進產業鏈效率提升。產業鏈是從產業上游到下游，由供需鏈、企業鏈、空間鏈和價值鏈等內含鏈組合而成的有機集合體，一條完整的產業鏈實際上就是產業價值實現和增值的過程?，在產業鏈發展的過程中，產業鏈整合推動著產業鏈效率的提升。①三是產業鏈縱向分工促進產業效率提升。產業鏈包括從供應商到制造商再到分銷商和零售商等所有加盟的節點企業，強調相關產業或企業之間的分工合作關系。③對于產業鏈上下游企業而言，分工制度安排的選擇提高了產業鏈的穩定性。③通過實施產業鏈縱向關系而實現的不同分工制度安排，促進產業發展，進而影響產業整體效率。@在新的技術經濟條件下，現代企業競爭優勢的基礎已經超出了單個企業自身的能力和資源范圍，競爭范圍從單個企業競爭擴展到了產業價值鏈之間的競爭，競爭方式也更多地表現為創新競爭和速度競爭。①當技術因素更多地體現在產業競爭中，產業鏈式架構帶來的競爭方式變革，促進要素匹配效率提升，進而提高產業效率。四是產業創新平臺優化促進協同創新效率提升。協同創新平臺不是一次性研發新技術，而是源源不斷開發新技術并通過進入平臺的企業不斷地進行產業化。③Koschmann認為強化溝通可以避免創新失敗，這在集體性活動中是經常出現的。③對于復雜技術應用場景，外部協同創新相比內部增長式創新顯然更具優勢。①我國產業鏈國內關聯與企業創新呈“U型”關系，創新尤其是突破式創新往往是由技術創新和商業模式共同驅動的。除此之外，產業基礎能力的高低是影響產業鏈水平、產業鏈現代化 ? 實現的關鍵因素。 ? 可以發現，大數據、工業互聯網、人工智能等數字技術能夠通過改變企業生態位、加快組織創新、影響組織環境等途徑推動產業鏈群生態體系演化，增強產業組織的環境適應能力。@數字化信息發揮流通媒介功能，促進產業鏈發生解構與重構并最終實現全面數字化升級，下游企業數字化轉型通過優化供需匹配、穩定供需關系、提高供應商創新能力增強產業鏈供應鏈韌性。①不僅如此，數字經濟時代的新要素、新模式、新產業、新業態為產業鏈韌性提供了新動力，產業基礎能力不斷提升、運行模式更加優化、產業鏈控制力增強。③

算力是數據中心服務器對數據進行處理后實現結果輸出的一種能力。算力產業是隨著數據要素不斷增多，各類運算模型持續升級，結果輸出更多元、更便捷的產業形態，數字化核心技術視為數字關鍵核心要素的動態組合。④因此，算力產業具有產業發展的一般性規律，也彰顯數據要素獨具的產業特色。第一，產業融合性。算力產業是在第二產業和第三產業深度融合基礎上，以計算能力為核心，以硬件、軟件和服務為支撐，服務千行百業應用場景的產業。第二，產業強技術依賴性。發展算力產業的主要目的是為了提供高性能計算和處理能力，硬件和軟件技術突破尤為關鍵。第三，產業布局相對均衡。為攤薄采購成本和研發成本，算力集中化和產業生態集成化建設成為必然。第四，產業公共特性。算力具有“準公共品”特質，隨著公共算力服務需求快速增長，算力中心趨向標準化、綠色化，算力產業鏈的延展和升級將加速推進。

基于產業數字化對產業鏈架構的分析，揭示數字產業化背景下算力產業鏈各類主體互動關系的內在邏輯，把握內在組合和縱向分工的價值走向，對產業創新平臺建設路徑的選擇十分重要。而目前相關理論分析主要集中在制造業的數字化轉型過程中，產業效率或者產業競爭力提升路徑；政策分析集中在如何運用數字化、信息化、智慧化手段促進產業組織更高效或產業鏈更具有韌性。從數字產業的內在特征和產業化需求出發，探討產業鏈架構的靜態和動態變革，評估產業鏈整體效率，并提出政策建議的研究還相對較少。

為此，本文分析了算力產業鏈的靜態和動態架構，將國內相關公司的近期市場表現嵌入到算力產業鏈架構中，分析這些公司技術端和市場端的效率特征，以此驗證算力產業鏈式架構的相對穩定性。同時，進一步采用Malmquist指數全要素生產率分析法，對全國及各省（市、區）2011一2021年的算力產業投入產出效率進行測度，指出技術效率和規模效率的作用特征。本文的創新之處在于：第一，基于數字產業化發展特征，將算力產業特征融入產業鏈架構的全過程，描述數字產業的鏈式架構與制造業的產業鏈內在邏輯之不同，豐富了產業鏈發展和創新發展理論，為數字產業發展預判提供理論支撐；第二，提出了算力產業鏈架構的靜態和動態模式，描述隨著技術方式的變革、社會分工發展的深化，算力產業鏈效率提升的重點環節；第三，利用Malmquist指數全要素生產率分析法衡量算力產業效率變動情況，并與我國對算力產業支持政策出臺時間進行對比，發現政策因素在我國算力產業效率提升過程中發揮著極為重要的作用，為進一步優化我國的算力產業政策提供理論支撐。

二、算力產業鏈式架構的形成與演化

（一）算力產業鏈形成的條件和動因

產業鏈的形成是由社會分工所引起的，而傳統產業中交易機制作用促進了產業鏈組織深化。對于算力產業而言，交易機制的作用會逐漸弱化，技術革新促進機制發揮更重要作用，上下游企業間分工的邊界模糊化與技術革新的快速迭代共同推動算力產業鏈螺旋式上升。

如圖1所示，算力產業鏈的形成和發展由社會分工引發，通過技術不斷革新推動產業鏈組織深化。在圖1中，A1、A2、A3分別代表社會分工的程度， _A3gt;A2gt;A1 代表社會分工程度的不斷加深；B1、B2、B3分別代表技術革新的程度，_B3gt;B2gt;B1 代表技術革新程度的不斷提高；C1、C2、C3分別代表產業鏈發展程度， （C3/gt;C2gt;C1 代表產業鏈的不斷延伸和加速優化。三個坐標相交的原點為0，表示既無社會分工也無技術革新更無產業鏈產生的開始狀態。從A1點開始，社會分工開始加強，技術革新不斷提升到達B1，促進產業鏈發展到達C1。產業鏈形式的產生又促進了社會分工的進一步發展，從A1演化到A2。相應地，在A2的作用下，技術革新程度從B1發展到B2，促進產業鏈形式從C1發展到C2。按照同樣的原理，C2促使社會分工發展到A3，A3促使技術革新發展到B3，產業鏈必然發展到C3如此周而復始，促進產業鏈不斷升級發展。

產業鏈的不斷深化意味著產業價值的創造進一步加深，產業分工更加細致，技術革新程度更高，進而創造更高級的價值創造模式，促進既定投入的更高產出，推動產業鏈效率不斷提升。當然，隨著算力產業的分工不斷細化、硬件設施和軟件生態加快升級，推動企業間創新呈現從0到1和從1到N的快速裂變，企業間協同創新關系更和諧，產業鏈中的龍頭或“鏈長”將更好地組織主體間協商，協同創新能力更強，實現產業鏈價值創造的乘數倍增。

（二）算力產業鏈的均衡狀態與動態演化

為了分析算力產業鏈動態演化形態，本文將圖1中的三維蛛網模型分解為關于社會分工與技術革新、技術革新與產業鏈發展的平面模型進行分析，然后組合為三維模型開展動態評估。

關于社會分工與技術革新的關系，江曉涓等分析認為，數字技術使分布于不同空間中的服務片段能夠在時間上同步并在數字平臺上共享，各部分進程的同步可視化協調使分工成為可能，分工效率顯著提高；數字化轉型能夠有效減少企業所面臨的信息成本，拓展交易范圍并提高交易效率，加速創新的網絡化、協同化。④也有學者認為，數字經濟帶來數據的集中和壟斷，平臺企業更容易掌握數據技術和高階算法，導致技術革新資源掌握在這些大型數字企業手中，從而抑制技術革新的發展。@因此，假設T代表社會分工對算力技術革新的促進效應，D代表數字經濟時代社會分工對算力技術革新的抑制效應。當促進效應的斜率絕對值 抑制效應的斜率絕對值，即為穩定型或者封閉型蛛網模型；當促進效應的斜率絕對值小于抑制效應的斜率絕對值，即為收斂型蛛網模型；當促進效應的斜率絕對值大于抑制效應的斜率絕對值，即為發散型蛛網模型（見圖2）。

關于技術革新與產業鏈發展的關系，眾多學者認為產業和技術是互動發展的。？克拉克曾這樣描述，每個產業都會遵循以下創新模式，即從基礎性創新到改良性創新再到營銷創新，通過創造新的市場縫隙和市場區域促進創新達成，這個過程中重大的技術突破又會帶來根本性變化，打斷原來的創新進程，以此促進價值鏈向中高端攀升。趙立斌等認為技術創新投人和技術創新產出的存在，會通過價值鏈結構性持續驅動產業鏈可持續發展。？從構成產業鏈的企業視角看，居民的投資選擇和政府的技術創新政策影響企業技術創新的外源性資金，進而影響企業技術創新行為。③考慮到技術創新型企業和技術穩定型企業的區別，前者提高技術研發投資短期內并不能帶動經濟增長率的提高。勞曉云等發現創新與半導體企業韌性之間具有倒U型的復雜關系，具有先促進后抑制的作用。

基于此，本文假設M代表技術革新對算力產業鏈發展的轉型升級效應，C代表技術革新對算力產業鏈發展的韌性抑制效應。當轉型升級效應的斜率絕對值 Σ=Σ 韌性抑制效應的斜率絕對值，即為穩定型或者封閉型蛛網模型；當轉型升級效應的斜率絕對值小于韌性抑制效應的斜率絕對值，即為收斂型蛛網模型；當轉型升級效應的斜率絕對值大于韌性抑制效應的斜率絕對值，即為發散型蛛網模型（見圖3）。

進一步探討社會分工、技術革新和產業鏈發展之間的關系。當社會分工對算力技術革新的促進效應的斜率絕對值小于抑制效應的斜率絕對值，且技術革新對產業轉型升級效應的斜率絕對值大于韌性抑制效應的斜率絕對值時，抑或是社會分工對算力技術革新的促進效應的斜率絕對值大于抑制效應的斜率絕對值，且技術革新對產業轉型升級效應的斜率絕對值小于韌性抑制效應的斜率絕對值時，可能會部分抵消產業鏈發展成效，出現相對均衡狀態（見圖4）；當社會分工對算力技術革新的促進效應的斜率絕對值小于抑制效應的斜率絕對值，且算力技術革新對產業轉型升級效應的斜率絕對值小于韌性抑制效應的斜率絕對值時，產業鏈發展區域收斂，甚至有可能導致出現C2向C1產業鏈斷裂、向外轉移、對接不暢等風險問題，表現為收斂型發展（見圖5）；當社會分工對算力技術革新的促進效應的斜率絕對值大于抑制效應的斜率絕對值，且技術革新對產業轉型升級效應的斜率絕對值大于韌性抑制效應的斜率絕對值時，就會推動產業鏈從C1到C2的螺旋式上升，稱為擴展式發展模型（見圖6）。

結合理論模型分析結論顯示，算力產業發展的路徑主要包括：第一，強化過程管理促進社會分工，避免部分企業形成“技術壁壘”而阻礙技術革新，通過技術革新提升產業鏈價值和韌性，以促進產業鏈整體發展；第二，在社會分工促進技術革新的基礎上，細化技術創新政策對不同類型企業的支持，避免政府創新支持對企業技術創新投資的“擠出效應”，進而提高技術創新型和穩定型企業勞動生產率，不斷提升產業鏈價值，促進產業鏈整體發展；第三，鼓勵算力產業鏈重點企業、云計算巨頭，將本身擁有的基礎積累、產品應用場景、團隊資源整合或部分開放，支持中小型企業借助AI底座基礎資源，在垂直類大模型中衍生出更新的應用場景和商業模式，讓“一攬子算力解決服務商”幫助中小企業高效率低成本地使用算力，形成穩定融合的算力產業鏈生態。

三、我國算力產業的鏈式架構及動態發展

我國算力產業鏈一般按上游原材料、中游服務商、下游服務對象進行分類，設施、設備和軟件供應商等構成上游產業，基礎電信、數據中心和云服務商等構成中游產業，工業、金融和互聯網行業用戶等構成下游產業，上中下游形成良性互動、協同合作，促進產業鏈完善、價值鏈提升。本研究結合算力產業鏈式架構模型，采用重點企業的發展指標分析關鍵技術變化趨勢及影響因素，在此基礎上研究產業鏈的動態發展。

（一）我國算力產業架構處于相對均衡的狀態

按照基礎設施構成進行分類，上游、中游和下游主要包括底層硬件與關鍵技術、基礎設施、服務平臺與應用場景（見圖7）。

具體而言，上游主要的技術節點在元器件和ICT基礎設施，元器件通常概括為集成電路、光器件、射頻軟件和芯片等，ICT服務器是服務器和算網感知相關產品的集成，光模塊的GPU + 是上游相關芯片產品的集成，決定存儲和計算能力的高低；中游的關鍵技術節點在于算力服務平臺，其中的交換機和光模塊直接關系到算力速率，其他硬件設施包括采用的電源、空調等輔助服務設施；下游是服務與應用場景環節，在互聯網平臺、政務、金融、醫療等服務領域的拓展。當算力產業分工不斷細化，重點企業處于技術前沿，并引領市場中眾多企業形成相對完善的產業生態，且市場應用需求相對穩定，算力產業架構處于相對均衡的狀態。

（二）我國算力產業架構保持動態發展態勢

根據摩爾定律，內存芯片密度的發展速度每18個月增長一倍。吳漢明等認為后摩爾時代，技術創新能力更強，設備價格更便宜，投資回收難度降低，市場空間將更加廣闊。③

從社會分工層面動態發展來看，在算力產業的上游市場中，英偉達在全球市場份額最高、技術最領先、競爭力最強，考慮到技術進步和生態構建的特殊性，華為和寒武紀也擁有一定競爭優勢；我國企業在交換機和光模塊產品方面擁有一定技術優勢，前五家企業集中度達到 60% ；下游應用市場企業眾多、產品豐富、價格相對透明，市場結構效率較高。通過精選國內53家算力產業代表性重點企業，采用2022年年報數據對其經營情況進行對比分析發現，算力產業鏈上的企業研發人員占比高且學歷高，研發投入占營業收入的比重高，但輕資產帶來的資產利潤率偏低；市場需求量大但供給短期不足，技術壁壘造成的前期研發沉淀成本很高；企業的綜合杠桿率偏高、每股收益偏低。因此，我國算力市場活躍但企業經營風險較高，長期大量的研發投入及應用試驗造成一定的技術沉淀，不可避免影響行業的成熟度。

具體來看，產業鏈上游研發人員和研發投入占比均遠高于產業鏈中游和下游。以華為和寒武紀為代表的企業正在積極推動技術創新和生態架構，提高了國內產業生態的完整性。華為在信息技術領域具有超高價值性、創新性和適應性，寒武紀也正在算力芯片賽道研發方面發力。對于上游市場，破除“卡脖子”技術難題，攻克影響全局的核心問題，大力提高產業的技術效率尤為關鍵。產業鏈中游發展的關鍵在于如何更好地鏈接上游制造和下游服務。國內企業在光模塊和交換機領域具有良好的技術優勢，在國際市場擁有一定的話語權，得益于良好的國內國際市場開拓能力每股收益總體較高。進一步提高規范化程度、優化市場環境，加快交換機和光模塊的技術創新尤為重要。從區位基礎看，上海、北京、天津、廣州、湖北、江蘇、浙江是產業鏈上游和中游集中區域，政府的市場管理能力和技術創新能力不斷提高。在產業鏈下游，市場端應用需求量較大，數據付費的突破和應用場景不斷優化，有利于提升行業整體效率。我國數據中心和數據樞紐的大量建設，推動了重點企業積極整合各類企業和政府訴求，拓展了發展空間。而項目建設周期較長、應用端能耗攀升導致每股收益率偏低。因此，對于下游市場，推動技術突破和優化市場環境同等重要。（見表1a、b、c）綜上所述，我國算力產業鏈的社會分工對于技術革新的影響因“技術壁壘”帶來技術革新“抑制效應”，而研發投入較高帶來的投資激勵“擠出效應”并不明顯。

技術革新層面動態發展來看，我國算力產業鏈價值提升取決于AI芯片及服務器、交換機及光模塊、IDC機房及應用等領域的技術更迭。AI芯片主要包括CPU、GPU、FPGA、NPU、ASIC，當前GPU占據主流地位，2021年全球市占率達 89% 。英偉達憑借硬件優勢和軟件生態整合能力占據全球領先地位，2022年其數據中心AI加速市場份額達82% 。隨著國內算力市場芯片需求暴增，以華為、寒武紀為代表的廠商短期內搭載英偉達生態系統，加速客戶端導入，長期來看國內廠商供應鏈多元化的需求帶來AI芯片廠商適配窗口期。服務器主要分為GPU服務器和AI服務器，AI服務器是多個GPU的集成，通常支持多重矩陣運算加速深度學習算法。在人工智能場景下，AI服務器較GPU服務器計算效率更高，其成本也取決于GPU的集成數量和價格（見圖8）。2021年我國AI服務器行業市場規模為350.3億元，同比增長 68.6% ，預計2022—2025年CAGR將達到 19% 。2022年上半年全球AI服務器市場，浪潮、戴爾、惠普、聯想、新華三位居前五。

在中游市場，高速率光模塊要求運算速度更快，促使多家廠商致力于研發用于數據中心的光模塊，并推動光模塊與交換機深度集成。國內主板集成商、服務器廠商眾多，成長性好、競爭力強，市場份額較高，這一環節的產業效率總體較高。隨著端口數和端口速率的增長，交換機功耗大幅提升，降低網絡傳輸環節能耗成為下一階段市場技術突破的關鍵。下游市場中，隨著國家“東數西算”工程的大力實施，8個國家算力樞紐節點和10個國家數據中心集群加快建設 ? ，大機柜建設需求將不斷攀升，降低PUE即能耗指數的相關技術成為市場熱點。液冷降耗是市場中相對成熟的技術，海上風電及海底數據中心已經有了項目示范（見圖9）。可以預見，液冷溫控滲透率將提升，海底數據中心也可能迎來產業化的關鍵節點。未來，以GPU、高度集成、降能耗為核心的技術攻堅成果決定我國算力產業能否突破瓶頸，實現產業鏈效率整體躍升。可以發現，關鍵企業的核心技術突破，對于算力產業效率的發展至關重要。

進一步分析，算力產業具有內外生態互動促進產業鏈升級的特點。內部生態系統由算力銷售、流程服務、上游供應商、聯合創新實驗室、軟件服務提供商以及行業標準組織等組成，是從體系、激勵、權益、支持、服務等方面架構的生態系統。外部生態鏈接的“雙生態”模式，即國內企業與全球頭部部件及原材料供應商合作，或者國內企業通過自有操作系統、虛擬化等技術實現國內硬件和軟件產品的自由組合（見圖10）。內部生態架構促進社會分工進一步細化，技術溢出效應更高，外部生態優化技術革新路徑，推動關鍵技術破局，在整個行業的市場環境發展中起到“助推器”作用。可以認為，算力產業內外生態的構建有利于社會分工和技術革新，對于產業鏈向價值鏈高端升級具有重要意義。

四、我國算力產業鏈投入產出效率測度

根據前文的分析，產業鏈效率主要包括產業規模效率（市場變動或社會分工）和技術創新效率（技術變動）。產業規模效率是社會分工帶來的規模化效應促進潛在生產率提升，技術創新效率是實際產出與潛在產出之間差距的一種度量。

（一）產業規模效率和技術創新效率

根據產業經濟學相關理論，規模對于產業效率具有顯著的影響，其根本在于社會分工的細化。算力規模主要由計算設備算力總規模決定，其單位是每秒浮點運算次數，包括基礎算力規模、智能算力規模和超算算力規模。根據中國信通院測算，全球計算設備算力總規模在2021年達到615EFlops（每秒執行的浮點運算次數），預計2030年達到56ZFlps。中國人工智能計算力發展評估報告預計，未來3年人工智能算力規模復合增長率將達到 52.3% 。到2025年，我國算力產業產值核心產業規模達到約4.4萬億元，關聯產業規模快速擴張可達到24萬億元③，并通過產業集聚、產業競爭力提高產業效率。邁克爾·波特認為，區域集聚形成有效的市場競爭，構建出專業化生產要素優化集聚洼地，使企業共享市場環境和外部經濟，降低信息交流成本，容易形成區域集聚效應、規模效應和外部效應，提高區域競爭力。從企業發展的角度看，規模效率理論認為企業規模越大生產效率越高。企業規模決定了市場規模，市場規模的擴張也會通過范圍經濟提高企業投入產出效率。技術進步理論認為，生產規模的擴張還會通過企業技術投入的不斷提高和技術在企業間的擴散提升企業生產效率。產業規模的擴張會通過市場手段促進企業的生產結構更加穩定③，分工更加合理，專業化程度更高，交易費用隨之降低③，促進生產效率的不斷提升。

針對技術創新效率問題，Farrel、Afriat、Coelli@、劉小玄①、顏鵬飛等、趙自芳等 ? 都開展過相關研究，主要包括對技術創新效率變動趨勢的研究和影響效率的因素研究兩類，采用的數據模式有整體制造業面板數據、個別行業樣本數據等，實證方法有DEA分析法、TFP估計法、SFA分析方法、OP分析方法等。關于社會分工投資回報效率的問題，多數研究考慮的是市場信息是否充分④、所有制結構或者股權結構變化、投資者行為分析等，其假設前提是市場信息充分、不存在產權或信息引起的市場失靈，當市場主體足夠多時，投資回報效率會更高。針對現在最熱的AI大模型新興場景，我國數據存儲廠商整合數據編織、近存計算、算存運高效協同、知識語義感知存儲等關鍵技術，可有效提升AI智算中心 30% 的算力效益。？技術創新投入和技術創新產出同時存在構成技術自主創新能力，并通過價值鏈結構性權力中介傳導機制，成為驅動供應鏈可持續性總績效提升的最優路徑。國外有學者研究美國行業生產率發現，ICT技術對其關聯產業具有拉動作用，美國和英國兩國信息通信技術與行業產出增長顯著正相關；信息技術可以通過知識共享和知識管理提高企業產出效率，促進企業發展。算力是對綜合計算和處理數據的能力、手段和工具的總稱，既具有高鏈接性、強滲透性、泛時空性、快衍生性、廣賦能性和正外部性等新質生產力屬性，也表現出智能性、泛在性、普惠性和高移動性等數字技術特征。

（二）評價模型選擇

不少學者采用投入產出法對產業效率進行分析。中國經濟增長與宏觀穩定課題組采用各地區的第二產業投入一產出的數據包絡分析（DEA）計算各地區的工業競爭力，王虹等采用投入產出指標體系對旅游業的效率進行分析？，蔣萍對文化產業進行效率分析，雷勛平等對物流產業效率進行評價③，劉新爭采用投入產出模型分析產業轉移的效率優化。③我國煤電產業鏈受到內生的縱向外部性和外生的需求強波動性的影響，在評價規制政策有效性時需要以產業鏈整體效率為基準。③算力產業不僅具有一般產業發展的特點，而且具有外生需求影響的特點，采用投入產出法對產業效率進行分析是學界普遍采用的做法，評價結論認可度高。

考慮到本文研究的是單個產業的效率問題，假設不區分地區差距因素和產業組合因素對效率的影響，采用Malmquist指數的線性算法，通過建立考察全要素生產率增長的Malmquist生產力指數，把全要素生產率分解為技術變動（Tech-eff）和市場變動（Mar-eff），分析企業組織全要素生產率情況。DEA分析方法在效率評價中運用廣泛，采用數學規劃模型對多投入、多產出關系決策單元的相對有效性進行評價，通過假設規模報酬不變引入Shepherd距離函數概念，將生產率（TFP）分為技術效率（TE）和規模效率（SE），通常表示為 TFP=TE^*SE 。其中，技術效率表示實際生產點距離最優生產規模CES生產前沿的距離，規模效率SE是可變生產規模前沿與最優規模前沿的距離。這些距離越小，說明效率越高；距離越大，說明效率損失越多。假設SE為1，則生產單位是在最優生產規模上進行生產的；如果技術效率TE為0.9，說明保持產出不變的情況下，通過節約投入10% ，或者保持投入不變的情況下，提高產出水平的 10% 。

Malmquist指數模型采用了DEA模型基礎上的跨時期動態生產效率評價，用不同時期的距離函數表示不同時期的效率高低，采用動態變化分析有利于了解算力產業投入效率的動態變化、變化的原因以及變化的貢獻程度，進而更好地為決策服務。假設y為t時期的產出向量， x^t 為t時期的投入向量，投入產出關系 （?_X^t，?_y^t） （ X^t+1 0 y^t+1 ）的變化即代表生產率的變化。距離函數用 E^t （x^t，y^t ）和 E^t+1 （Λx^t+1，y^t+1） 表示。 E^t（Δx^t，y^t），E^t+1（Δx^t，y^t），E^t+1（Δ X^t+1 y^t+1 ）、 E^t（x^t+1，y^t+1） 分別表示以 t 期的技術代表的t期生產率情況、以 ^t+1 期的技術代表的t期生產率情況、以 ^t+1 期的技術代表的 _t+1 期生產率情況和以 Δt 期的技術代表的 _t+1 期生產率情況。

基于t和 _t+1 參照期的Malmquist指數分別為：

以上兩個指數幾何平均值被用來衡量相鄰時期生產率變化的Malmquist指數：

若 Mgt;1 代表從t時期到 ^t+1 時期的生產率提升，反之則為下降；若 M=1 ，則生產率在兩個時期不發生變化。Malmquist指數進一步分解為技術進步效率和規模效率兩個部分。則上式可以表示為：

Π=TE×SE

即技術進步效率和規模效率的乘積。技術進步效率TE代表從t時期到 ^t+1 時期技術效率與最前沿效率的距離，規模效率SE代表隨著投入從t時期到 ^t+1 時期的變化，生產前沿推進的效率，即市場管理效率，包括對技術應用和市場規模的管理。

（三）評價指標選取

綜合考慮數據的可得性、持續性和準確性，本文選取全國30個省（區、市）2011一2021年的數據進行投入產出要素下的全要素生產率分析，數據來源于《中國統計年鑒（2012—2022）》和《中國工業統計年鑒（2012—2022）》。其中，《中國工業統計年鑒2018》《中國工業統計年鑒2019》因故未出版，該時間地區對應的數據參考《中國統計年鑒》工業章，缺失的數據根據上一年總量占比推定。由于西藏地區個別年份的數據不全，本文的研究不包括西藏地區。

《國民經濟行業分類》（GB/T4754-2002）包括41個工業大類，其中通信設備、計算機及其他電子設備制造業屬于第34個制造業分類；信息傳輸、計算機服務和軟件業屬于服務業大類。用營業收入代表產出水平，營業收入數據采用通信設備、計算機及其他電子設備制造業和信息傳輸、計算機服務和軟件業的規模以上企業營業收入加總獲得。③固定資產凈值、平均用工人數或者就業人數分別代表資本、勞動力投入情況，由兩個行業對應的數據加總獲得。為了消除價格因素對估計結果的影響，本文采用工業品出廠價格指數和固定資產投資價格指數對各地區的營業收入和資產總額進行平減，得到2011年價格表示的各變量實際值。

（四）效率分析與討論

采用DEAP2.1軟件對產業組合的生產率進行測度分解，計算結果如表2所示。

1.全國總體情況

Malmquist指數。2011—2021年間我國算力產業效率平均提高了 3.6% ，其中，技術效率變化指數提高了 3.5% ，技術進步指數提高了 0.1% ，純技術效率變化帶來的改變最為重要達到了 2.8% ，規模效率變化指數為 0.7% 。可以說，過去十年的變化主要來源于純技術效率的變化，未來技術進步依然是算力產業效率提升的關鍵，規模效率的提升通過規模效應發揮作用。根據上文對于算力產業發展階段的分析，2018年是該產業政策疊加、市場反應熱烈的年份，從表2也可以看出明顯的變化。2018一2019年是明顯的低谷期，表現為市場主體正在消化政策變化并積極準備產量擴張。到2019年以后，技術效率變化指數和技術進步指數呈現快速上升態勢，說明算力產業需要國家和各級政府的政策加持，需要龍頭企業在技術創新方面的積極賦能，更需要市場主體充分活躍、市場需求充分釋放帶來的產量擴張，推動生產可能前沿向外延展，促進就業勞動力和資本投入效率提升，推動整個行業的全要素生產率水平發生變化。

技術進步指數。技術進步指數反映的是技術變化情況，其值大于1表明技術進步，小于1表示技術退步。2013—2014年、2014—2015年、2016—2017年和2019—2020年技術進步指數小于1，其他年份均大于1，特別是2011—2012年、2020—2021年變化明顯，對全要素生產率的影響較大。

技術效率指數。技術效率反映的是管理水平的高低，該指數對全要素生產率的影響較大，除2016一2017年該指數小于1外，其他年份均大于1，特別是2019—2020年和2020—2021年，該指數分別為1.125和1.172，對全要素生產率的影響很大，規模效率在現階段已經達到了較高水平，需要通過技術水平特別是純技術效率變化抬升全要素生產率。

2.分省份情況

全要素生產率指數來看，海南、黑龍江、上海、山東、北京、遼寧、吉林、河北、湖北、天津、福建、新疆等省（區、市）的Malmquist指數低于1，說明整體效率、技術效率和技術進步效率都有待提升，需同步加強市場規范管理，優化市場環境，促進良性競爭，同時加大技術投入支持力度，提高產出效率，提升技術進步水平。（見表3）

具體而言，海南、黑龍江和新疆指數偏低的主要原因是技術效率變化指數偏低，技術進步指數貢獻相對較大，但規模效率變化指數引起的全要素生產率偏低必須高度重視，需要加強市場管理、優化市場環境予以完善；上海、山東、北京、湖北、天津、福建等省（市）是算力產業鏈上游和中游集中的區域，這些地方全要素生產率指數偏低的原因主要在于純技術效率指數不高，市場管理能力在一定程度上影響了產業效率的提升，因此需要提高技術創新能力，加強核心技術攻關，同時加強市場管理，提升規模效率。

比較而言，甘肅、安徽、河南、云南、青海、山西、寧夏等省（區）的技術效率變化指數均較高，原因主要是：第一，西部和中部區域是我國算力產業的中間環節，即東南部地區的技術成果在西部和中部通過算力基礎設施實現應用或進行數據存儲，在這些區域產出的數據或者建設的基礎設施，通過“東數西算”等特殊通道，在東南部開展市場化應用，并進一步反饋技術成效和數據信息，形成東中西協調聯動、互促發展的算力產業格局，因此使用的技術較為成熟，提高了技術效率指數；第二，西部和中部區域的能源富集，算力產業在應用端和市場端需要消耗大量能源，正好通過市場容量擴充，滿足市場多樣化需求，進而提高技術效率指數。因此，這些區域通過需要加強市場優化管理，建設好數據中心和算力樞紐，才能不斷提升全要素生產率。

江蘇、四川、湖南、陜西、重慶、貴州、廣西、內蒙古、江西、甘肅、安徽、云南、青海、寧夏等省（區、市）的技術效率變化指數和技術進步指數均高于1，體現了這些省份既有良好的管理能力和市場環境，又在技術方面助力龍頭企業積極研發創新，成效顯著，增長潛力較大。

以上實證分析印證了擴展式模型的結論，提高純技術效率指數可以有效提高全要素生產率，促進產業鏈升級和價值鏈提升；龍頭企業經營效率和政府的市場管理能力，通過不斷優化市場分工，降低“技術壁壘”，提高技術外溢效應，對提升全要素生產率發揮積極作用。2018年是行業發展的“分水嶺”，國家和各地區政策的出臺均顯著提升了全要素生產率，顯然這些政策對于市場投資的“擠出效應”并不明顯；企業經營效率特別是企業在分工中參與度的提升，集中體現在對技術突破和管理效能提升兩個方面，兩者齊發力有利于實現更大范圍的技術革新，從而為全要素生產率的提升做出貢獻。

五、結論與政策啟示

本文對算力產業的產業鏈上中下游靜態均衡和動態發展進行了深人的分析，通過對我國算力產業關鍵企業生產經營情況的比對，分析了算力產業發展的整體情況，提出了影響算力產業效率的市場規模和技術革新的兩大因素。同時，采用2011—2021年的省（區、市）面板數據，運用Malquist分析方法，對全國和各省份的算力產業全要素生產率進行評價，從實證角度驗證了市場規模和技術革新對產業鏈績效的影響程度。

通過對產業鏈靜態均衡、動態變化、關鍵企業發展情況和產業生態的系統升級分析發現。第一，市場規模看，算力產業增長潛力巨大，我國具有良好發展基礎和廣闊市場空間，規模化發展將成為市場主流；龍頭企業的帶動作用，特別是在生態底座構建方面的貢獻，對于行業發展具有引領作用；產業高質量發展需以提高所有企業的競爭能力和市場實力為基礎；產業鏈上游和中游的技術密集型企業正處于爬坡過坎期，對應的東南部區域生產效率有待提高；中西部地區作為應用端和市場端，基礎設施建設加快推進，疊加能源富集的優勢，生產效率總體較高，加強市場管理尤為重要；算力產業一頭連著電子信息制造業，一頭連著計算機和軟件信息服務業，政策支持帶來的產業規模擴張為產業效率提升創造了良好市場環境，2018年國家和多個省市出臺的多項重量級支持政策，數據的大規模積累和算法的持續更新迭代，推動硬件制造和軟件生態均跨入10萬億元規模，產業效率也隨之提升。第二，技術革新看，技術瓶頸及由此帶來的生態系統構建的實效性，成為制約算力產業效率提升的首要問題，關鍵在于AI芯片、服務器和光模塊的技術突破；能耗的降低對于算力產業發展是一個長期話題，技術突破和場景嘗試十分重要；深入推動面向需求端的技術創新，是所有算力企業發展的關鍵，當然市場需求也會促發供給端的高效匹配；整個算力產業進入后摩爾時代，計算技術進入多要素綜合創新階段，對單芯片算力、整機算力、數據中心算力和網絡化算力提出更高要求。算力產業效率的提升，取決于國內和國外兩個市場及其銜接，持續擴大開放，暢通內外循環，對于該行業意義重大。

2018年以來，我國算力產業得到突破性發展，生產率顯著提高，但產業鏈上中下游對應的效率變化出現了差異性，東、中、西部作為產業鏈不同環節作用的效率產生了分化。未來進一步提高算力產業效率必須在擴大市場規模和促進技術革新兩個方面同時發力。基于以上的分析，推動數字經濟時代算力產業發展，不斷提升產業運行效率，需要做到以下五點。一是加大數據基礎設施建設，著力擴大產業規模。加快推進“東數西算”工程，不斷優化東、中、西部數據中心建設布局，通過數據要素聯動促進東、西部協同。同時，為加快實施技術創新，要進一步構建水平更高、技術更優的算力基礎設施，加強對資源需求的改進與提升，可通過適當引導將東部算力需求置于西部，優化算力資源配置，強化算力資源的統籌智能調度。二是集中力量加大核心技術攻關。算力產業的核心在上游，而上游的核心在智能應用型芯片制造和底層系統生態的構建。當前我國嚴重依賴國際龍頭企業的產品和系統，雖然國內企業加大力度推動技術追趕，但在中美關系較為緊張，地緣政治沖突變幻的當下，仍然面臨多重挑戰，必須通過基金投入、產業聯盟、技術協同創新體系、產融結合等多種方式，加大政策支持力度，集中力量開展技術攻關，爭取更高效率實現智能應用型芯片國產化。底層生態系統的構建，通過支持華為為代表的龍頭企業，加大應用端的補貼力度，促進市場對產品需求的創新，提高產業效率。同時，構建更加有效的產業鏈協同發展機制，塑造更具彈性、韌性和競爭力的算力產業鏈生態，進而大力提升產業效率，是解決算力產業長遠發展問題的根本之策。提高算力產業核心競爭力，才能提高我國算力產業的自主創新能力，破解高速發展中的瓶頸制約，其高成長性還能帶動我國AI芯片、光模塊、新型液冷技術等“卡脖子”領域的技術破局，推動高科技領域實現“彎道超車”。三是提高市場規范化、法治化管理水平。算力行業蓬勃發展給市場管理帶來了較大難度，必須通過出臺行業標準、規范市場透明度、提高市場法治化管理水平，才能構建穩定高效的市場競爭環境，鼓勵企業堅持長期主義安全可持續發展。未來算力發展趨勢將具備“數字經濟的基礎設施”和“通用人工智能的核心動力”兩大特征，算力將在“普適”和“智慧”兩個關鍵維度上加速發展，市場上對IT技能和人才的需求發生變化，合規性管理的要求越來越高，針對提供資源、存儲和訪問數據的基礎設施和平臺的管理復雜性也在增加。因此，變化的市場需求、合規問題、數據安全問題，必須予以高度重視，盡快出臺相關標準和體系，完善市場環境。四是政策支持是產業發展的“墊腳石”。當國家層面出臺關于數字經濟的多項政策措施后，工信部先后出臺文件指導算力產業基礎設施高質量發展，杭州、成都、湖北、上海等地也隨之出臺相關文件，從人工智能產業、超算智算、大數據產業、算力統一調度等方面支持相關產業發展。各地應該結合產業基礎實際，圍繞區域數字經濟發展目標，加大政策支持力度，給予市場主體“真金白銀”的支持，在其成長期“扶一把”，算力產業發展將更穩健。五是企業要久久為功，在技術領先上多做貢獻，產業發展關鍵在企業。近期，國家相繼出臺了支持民營企業發展的多項舉措，對國有企業深化改革方面提出了新要求，算力產業需要民營企業和國有企業分工合作，積極作為，共同推動技術突破和產業革新，維護良好的市場環境，為算力產業發展創造“有效市場”。

注釋：

① 吳松強、王鵬程、馬碩等：《新發展格局下中國集成電路產業政策的特征挖掘與量化評價研究》，《科技管理研究》2024年第16期。② 李平、鄧洲、張艷芳：《新科技革命和產業變革下全球算力競爭格局及中國對策》，《經濟縱橫》2021年第4期。③ Galaskiewicz Joseph， Studying Supply Chains fromaSocial Network Perspective，Journal of Supply ChainManagement，2011，47（1），pp.4-8.④ 吳金明、邵昶：《產業鏈形成機制研究—— ?4+4+4 0模型》，《中國工業經濟》2006年第4期。⑤ 中國社會科學院工業經濟研究所課題組：《產業鏈鏈長的理論內涵及其功能實現》，《中國工業經濟》2022年第7期。⑥ 陳曉東、楊曉霞：《數字經濟可以實現產業鏈的最優強度嗎？》，《南京社會科學》2021年第2期。⑦ 芮明杰：《網絡狀產業鏈的知識整合研究》，《中國工業經濟》2006年第1期。⑧ 李靖、魏后凱：《基于產業鏈的中國工業園區集群化戰略》，《經濟經緯》2007年第2期。⑨ 中國經濟增長與宏觀穩定課題組：《城市化、產業效率與經濟增長》，《經濟研究》2009年第10期。⑩ 楊蕙馨、紀玉俊、呂萍：《產業鏈縱向關系與分工制度安排的選擇及整合》，《中國工業經濟》2007年第9期。① 芮明杰、劉明宇：《產業鏈整合理論述評》，《宏觀經濟研究》2006年第3期。? 洪銀興：《圍繞產業鏈部署創新鏈》，《經濟理論與經濟管理》2019年第8期。? Koschmann A. Mattew， The CommunicativeAccomplishment ofCollaboration Failure，Journal ofCommunication，2016，66（3），pp.409-432.（20號 ? Dibiaggio Ludovic，DesignComplexityVerticalDisintegration and Knowledge Organization in theSemiconductor Industry，Industrial and Corporate Change，2007，16（2）， pp.239-267.? 陳愛貞、陳鳳蘭、何誠穎：《產業鏈關聯與企業創新》，《中國工業經濟》2021年第9期。? Castaldi Carolina，K.Frenken，B.Los Bart，RelatedVariety，Unrelated Variety and Technological Breakthroughs：An Analysis of US State-Level Patenting，Regional Studies，2015，49（5）， pp.767-781.? 黃群慧、倪紅福：《基于價值鏈理論的產業基礎能力與產業鏈水平提升研究》，《經濟體制改革》2020 年第5期。? 曾楚宏、王斌：《產業鏈整合、機制調整與信息化驅動》，《改革》2010年第10期。? 郝挺雷：《產業鏈視域下數字文化產業高質量發展路徑研究》，《理論月刊》2020年第4期。? 余東華、李云漢：《數字經濟時代的產業組織創新》，《改革》2021年第7期。? 陶鋒、王欣然、徐揚等：《數字化轉型、產業鏈供應鏈韌性與企業生產率》，《中國工業經濟》2023年第528社會科學動態期。? 陳曉東、劉洋、周柯：《數字經濟提升我國產業鏈韌性的路徑研究》，《經濟體制改革》2022年第1期。? 盛朝迅：《推進我國產業鏈現代化的思路與方略》，《改革》2019年第10期。? 陳堂、陳光、陳鵬羽：《數字化關鍵核心技術對產業高質量發展的空間影響機制和效應》，《科技管理研究》2024年第11期。? 江小涓、靳景：《數字技術提升經濟效率：服務分工、產業協同和數實孿生》，《管理世界》2022年第12期。（204號 ? 曾江洪、楊錦波、黃向榮：《制造業企業專業化分工影響企業創新機制探究——基于數字化轉型調節作用的實證檢驗》，《中央財經大學學報》2023年第9期。? 王世強：《數字經濟中的反壟斷：企業行為與政府監管》，《經濟學家》2021年第4期。? 洪勇、蘇敬勤：《發展中國家核心產業鏈與核心技術鏈的協同發展研究》，《中國工業經濟》2007年第6期。? 廖理、汪韌、陳璐：《探求智慧之旅》，北京大學出版社2000年版，第129頁。? 趙立斌、李銘輝：《技術自主創新、價值鏈結構性權力與全球供應鏈可持續性提升》，《財會月刊》2024年第24期。? 苗文龍、何德旭、周潮：《企業創新行為差異與政府技術創新支出效應》，《經濟研究》2019年第1期。? 勞曉云、楊偉、陳疇鏞：《產業鏈韌性測度及其微觀形成機制——復合系統視角下半導體產業的實證研究》，《科學學研究》2024年9月20日。? 吳漢明、鄭飛君：《關于后摩爾時代我國集成電路制造領域的一些思考（英文）》，《Enginering》2023年第4期。（204號 ? 王政、劉溫馨：《算力賦能千行百業轉型升級》，《人民日報》2023年9月6日。? 人民時評：《共同構成算力產業發展壯大的厚實根基》，《人民日報》2022年8月23日。? 劉艷：《普慧算力開啟新計算時代》，《科技日報》2023年7月23日。（204號 ? R.Fare，S. Grosskopf， M. Norris，Z. Zhang，Productivity Growth，Technical Progress，and EfficiencyChange in Industrialized Countries，American EconomicReview，1994，84（1），pp.66-83.? Fan Shenggen，Effects of Technological Changeand Institutional Reform on Production Growth in ChineseAgriculture，American Journal of Agricultural Economics，1991， 73（3）， pp.266-275.?? Pradhan P.Rudra，Bagchi P.Tapan，Effect ofTransportation Infrastructure on Economic Growth in India：The VECMApproach，Research in Transportation Economics，2013，38（1）， pp.139-148.? 劉小玄：《中國轉軌經濟中的產權結構和市場結構——產業績效水平的決定因素》，《經濟研究》2003年第1期。? 顏鵬飛、王兵：《技術效率、技術進步與生產率增長：基于DEA的實證分析》，《經濟研究》2004年第12期。? 趙自芳、史晉川：《中國要素市場扭曲的產業效率損失——基于DEA方法的實證分析》，《中國工業經濟》2006 年第10期。? 毛新述、王斌、林長泉等：《信息發布者與資本市場效率》，《經濟研究》2013年第10期。? 劉維奇、牛晉霞、張信東：《股權分置改革與資本市場效率——基于三因子模型的實證檢驗》，《會計研究》2010年第3期。? 于李勝、王艷艷：《政府管制是否能提高審計市場績效？》，《管理世界》2010年第8期。? 倪光南：《以全球視野推進算力產業體系建設》，《環球時報》2023年9月18日。? 余東華：《算力：數字經濟時代的新質生產力》《財貿研究》2024年第7期。? 王虹、胡勝德：《基于Tobit 模型的“一帶一路”旅游產業效率投資影響因素及策略研究》，《中國軟科學》2017年第12期。? 蔣萍、王勇：《全口徑中國文化產業投入產出效率研究》，《數量經濟技術經濟研究》2011年第12期。 雷勛平、吳楊、龔月琴等：《基于Malmquist指數的區域物流業技術進步與技術效率測度——安徽省2003—2010年的實證分析》，《天津商業大學學報》2012年第12期。 劉新爭：《基于產業關聯的區域產業轉移及其效率優化：投入產出的視角》，《經濟學家》2016年第6期。 于立宏、郁義鴻：《基于產業鏈效率的煤電縱向規制模式研究》，《中國工業經濟》2006年第6期。 黃群慧、余泳澤、張松林：《互聯網發展與制造業生產率提升：內在機制與中國經驗》，《中國工業經濟》2019年第8期。⑤ 中國信通院：《中國數字經濟發展白皮書（2017年）》，中國信通院2017年版，第80頁。 楊志華、張希：《供銷社系統農產品批發市場效率研究》，《管理評論》2023年第1期。

作者簡介：李霞，山西農業大學馬克思主義學院講師，山西晉中，030801；孫濛，中國地質大學（武漢）經濟管理學院博士研究生，湖北武漢，430074；楊鋮，中國地質大學（武漢）經濟管理學院碩士研究生，湖北武漢，430074。

（責任編輯 趙亮）