吴文洁^1，2     孙梦瑶²

（1.西安石油大学油气资源经济与管理研究中心，陕西 西安 710065；2.西安石油大学经济管理学院，陕西 西安 710065）

摘要：制造业是我国实体经济根基，推进其绿色发展是实现“双碳”目标的关键，也是应对全球产业链重构、培育新质生产力的战略支点。数智化为制造业绿色发展提供技术支撑，推动其向高效、低碳、循环转型，是构建现代化产业体系的必然之选。本文基于2011-2023年省际面板数据，用熵权TOPSIS法与SBM-GML模型研究数智化对制造业绿色发展的赋能效应。研究发现：数智化显著赋能；绿色技术创新和产业结构升级是重要机制；异质性分析表明，数智化对中西部及人力资本水平高地区制造业绿色发展的赋能效果更显著。本文结论为加速数智化进程、推进制造业绿色发展提供了经验依据。

关键词：数智化；制造业绿色发展；绿色全要素生产率

一、引言

党的二十大报告提出“推进制造业高端化、智能化、绿色化发展”战略目标，为制造业转型升级指明方向。《中共中央国务院关于加快经济社会发展全面绿色转型的意见》强调推动产业“三化”深度融合，构建新型产业体系，凸显数智化与绿色化协同发展的战略地位。数智化以智能为纽带，形成新生态，为制造业绿色发展提供新思路。其依托大数据、云计算等前沿技术向经济社会各层面嵌入渗透，被视为发展新引擎^[1]。大数据提供海量信息，云计算提供强大算力与灵活资源调配，人工智能使生产智能化自动化，区块链为供应链管理等提供可靠方案。在此背景下，深入研究数智化赋能制造业绿色发展的内在机制、路径与政策支持体系，有重要理论与实践意义。

为了全面认识数智化，学者从多视角界定其概念。北京大学“知本财团”课题组2015年率先提出数智化概念，将数智化理解为数字智能化与智能数字化的集合^[2]。齐延平指出其逻辑为人机互融^[3]，本质是系统数字化促智能化、推动智慧生成，可定义为“数字化+智能化”^[4]-[6]。李先江等认为其底层逻辑是数据资源与算法、算力融合^[7]。在探索数智化赋能制造业绿色发展效应方面，学者们从两方面展开：一是探究数智化与制造业绿色发展的关系，如邝嫦娥等发现数智化对制造企业绿色转型有门槛效应^[8]；二是探寻具体路径，刘启雷等^[9]、夏天添^[10]提出数智化通过强化绿色技术创新推动发展，张梅等指出其提高绿色供应链透明度与合规性，助力企业降风险成本、带动全产业链转型^[11]。朱东波等认为以“数字化发展+智能化升级”为核心的数智化模式，成为助推工业绿色发展的重要力量^[12]。

综上，现有研究明确了数智化内涵，多维度揭示其对制造业绿色发展的赋能机制，但仍有不足：一是数智化定量与绿色价值研究较少；二是未考虑产业结构升级的作用。鉴于此，本文将通过两点补充研究：一是从数智化基础、技术、应用及效益四维度构建指标体系测度数智化；二是实证探究产业结构升级在数智化影响制造业绿色发展中的中介作用。

二、理论分析与假设提出

（一）数智化对制造业绿色发展的赋能机制

制造业绿色发展核心在于实现环境影响最小化与资源利用效率最大化^[13]。数智化作为数字与智能技术深度融合，依托大数据等前沿技术，重塑制造业生产模式与资源配置，为绿色发展提供新动力^[12]。从生产端看，数智化将新要素嵌入制造流程，实现产品全生命周期精准分析及资源优化配置，提升资源利用率，减少对高耗能、高污染要素依赖，推动绿色发展；从消费端看，数智化整合碎片化信息，降低信息不对称，企业能借数智化平台精准供需匹配，减少资源浪费、降低运营成本，有力支持制造业绿色发展^[14]。

基于此，提出假说H1:数智化对制造业绿色发展具有赋能效应。

（二）数智化影响制造业绿色发展的机制

1.绿色技术创新的中介作用

数智化以数智技术为支撑、数据为核心生产要素。制造企业引入数智技术与数据要素，既能实时监测优化能源消耗，又能借数据驱动决策系统提升能源利用效率。如基于物联网的智能能源管理系统可动态调整设备运行，减少能源浪费；大数据分析能助企业识别能效瓶颈，制定针对性节能措施^[15]。能源利用效率提升降低了成本，为产品和技术创新提供更多资金资源支持^[16]。所以，数智化通过提升能效、优化资源配置增强企业盈利能力，为绿色技术创新提供经济基础，而绿色技术创新减少污染排放，进一步推动制造业绿色发展。

基于此，提出假说H2:数智化通过绿色技术创新赋能制造业绿色发展。

2.产业结构升级的中介作用

数智化进程中，数据作为高效生产要素，其流动性和共享性打破信息不对称，助企业精准把握需求与趋势，优化资源配置^[17]。数据广泛应用还改变传统生产要素投入比例，促其在产业间自由流动，提高资源利用率、推动产业结构升级，为制造业绿色发展提供支撑^[18]。此外，数智化推动制造业向高端化、智能化转型，助力传统制造业摆脱高能耗高污染模式，整合资源向高技术、高附加值领域升级，促进绿色产业集群形成，实现产业链协同及资源高效利用与污染集中治理^[12]。这种产业结构高端化既提升制造业竞争力，又为其绿色发展开辟新路径。

基于此，提出假说H3:数智化通过产业结构升级赋能制造业绿色发展。

三、研究设计

（一）模型构建

为了检验数智赋能对制造业绿色发展的促进作用，构建基准模型：

（二）变量选取

1.被解释变量

制造业绿色发展的核心在于“节能减排”，具体表现在两个维度，一是能源消耗强度，二是污染排放强度^[13]。因此，本文采用绿色全要素生产率（GTFP）来衡量制造业绿色发展水平。研究方法上，运用SBM-GML模型构建评价体系，将能源消耗与污染物排放纳入评价框架，全面反映制造业绿色发展水平。指标体系构建中，一级指标含投入、期望产出、非期望产出指标。投入指标包括制造业能源消耗总量（能源投入）、规上工业企业固定资产合计（资本投入）、制造业城镇单位就业人数（劳动力投入）；期望产出指标以工业增加值衡量经济产出；非期望产出指标含工业废水、二氧化硫、烟尘排放量，表征生产环境负外部性。

2.解释变量

本文借鉴袁亮等^[19]的研究，由数智化基础、技术、应用和效益四项一级指标构建的数智化指标体系如表1。其中，数智化基础反映设施建设；数智化技术衡量人工智能等核心技术研发应用水平；数智化应用评估智能化技术在生产经营各环节的渗透程度；数智化效益测度转型带来的经济与社会价值。

表1 数智化综合指标体系

3.作用机理变量

为避免单一指标衡量误差，本文借鉴郭丰等^[20]研究，引入绿色发明专利申请数（GIPA）等4个指标作中介变量，分析绿色技术创新作用机制。产业结构升级（IS）是区域产业体系向更高层次演进，表现为高级化与合理化，本文借鉴靖学青^[21]研究，依配第—克拉克定律用产业结构层次系数测算其水平，具体公式如下：

其中，L₁、L₂、L₃分别表示第一、第二、第三产业产值占GDP的比重。IS数值越大，表示产业结构升级水平越高。

4.控制变量

在影响制造业绿色全要素生产率的众多因素中，除数智化的影响外，本文参考相关研究，选取了四个控制变量，主要包括：对外开放程度（OP），用货物进出口总额占GDP比重来衡量；政府干预程度（DGI）用财政支出占GDP比重来衡量；城镇化水平（UR），采用城镇人口与年末常住人口之比衡量；环境规制强度（ER）用制造业污染总额占制造业总产值比重来衡量。

（三）数据来源

本文选取2011—2023年中国30个省（区、市）（不包含西藏与港澳台地区）的相关数据为样本，主要数据来源于《中国统计年鉴》《中国能源统计年鉴》《北京大学数字普惠金融指数》以及各省份统计年鉴。

四、实证结果及分析

（一）基准回归

数智化对制造业绿色发展的基准回归结果如表2，模型（1）-（5）用固定效应模型，逐步加入控制变量检验数智化影响。不加控制变量时，核心解释变量DI估计系数在1%水平显著为正，初步显示数智化可促进制造业绿色发展。依次加入控制变量后，DI估计系数从0.165升至0.278且均1%水平显著，验证了假设1，即数智化对制造业绿色发展有赋能效应。

表2 基准回归结果

（二）稳健性检验

1.内生性检验

为缓解内生性问题对估计结果造成的误差，本文采用解释变量滞后一期作为工具变量进行稳健性检验。如表3列（1）所示，在将核心解释变量滞后一期处理后，虽然样本容量有所减少但回归结果依然显著，表明本文所选数据的可靠性。同时也证明数智化对制造业绿色发展具有持续且稳健的赋能效应。

2.更改样本区间范围

2015年国务院《中国制造2025》将“绿色制造工程”列为五大重点工程之一，提出量化目标，标志我国制造业绿色发展进入政策驱动新阶段。基于此，本文以2015年为分界点，用2015-2023年样本重新估计，结果如表3列（2）所示，解释变量估计系数0.269，在1%水平显著，表明数智化推动制造业绿色发展。

表3 稳健性检验结果

（三）异质性分析

1.区域异质性

本文按东、中、西三大地区对基准模型分组回归，结果如表4（1）（2）（3）列所示，数智化对中西部制造业绿色发展的回归系数为0.292和0.328，在1%水平显著，对东部地区不显著。可能原因：一是区域发展阶段不同，中西部制造业处于绿色转型关键期，对数智化需求迫切，东部已向高端、智能制造转型；二是资源禀赋有别，中西部制造业依赖资源且开发环境成本高，数智化可降成本，东部经济科技发达，制造业更重技术创新升级。

2.人力资本水平异质性

本文以2023年普通高校毕业人数占比衡量地区人力资本水平，按其中位数将样本分为高低两组，回归结果如表4列（4）（5）所示，两组样本中数智化对制造业绿色发展的回归系数均在5%水平显著，且高人力资本组系数值更大、显著性更高。原因可能是高人力资本地区员工专业能力更强，能更好应用数智化技术助力绿色发展，且创新意识佳，利于创新知识利用，提升效率、降低能耗污染，推动制造业绿色发展。

表4 异质性检验结果

（四）作用机制检验

1.绿色技术创新机制检验

由表5列（1）-（4）列可知，从绿色发明专利申请数、人均绿色发明专利申请数、绿色发明专利授权数以及人均绿色发明专利授权数来看，数智化的回归系数均在1%的水平下显著为正，说明数智化显著提升绿色技术创新。进一步，绿色技术创新程度的提高为减少能源浪费和降低环境成本，进而促进制造业绿色发展，假设H2得到验证。

2.产业结构升级机制检验

由表5列（2）可知，数智化的回归系数为2.097，在1%的水平下显著为正，说明数智化可以促进产业结构升级。进一步，产业结构升级有助于引导资本、技术、人才向绿色产业集聚，实现资源合理配置，促进制造业绿色发展，假设H3得到验证。

表5 作用机制分析结果

五、研究结论及对策建议

（一）研究结论

文章基于2011—2023年中国30个省（除西藏及港澳台）平衡面板数据，采用熵权TOPSIS法、SBM-GML模型与固定效应模型，实证研究数智化赋能制造业绿色发展的影响路径。研究发现：数智化对制造业绿色发展有显著赋能效应，且结论在稳健性检验中成立；异质性分析显示，数智化对中西部地区及人力资本水平高地区的制造业绿色发展促进作用更明显；绿色技术创新和产业结构升级是数智化赋能过程中的重要作用机制。

（二）对策建议

根据以上研究结论，提出如下建议：

一是加快推进数智基础设施建设，重点建设5G网络、工业互联网等新型设施，为制造业绿色发展提供支撑。深化人工智能等新一代信息技术在制造业全流程的融合应用，提升能源资源利用效率，发挥数智化赋能效应。

二是发挥数智化的绿色技术创新与产业结构升级机制，提高科技创新能力。依托新一代信息技术构建绿色技术研发新范式，突破关键技术，推动绿色工艺与数智技术融合。以智能化改造、数字化转型推动传统制造业向高端、智能、绿色方向升级，培育绿色新兴产业生态。

三是立足数智化赋能制造业绿色发展的异质性，采用差异化手段缩小数智鸿沟。推进数智化发展时考虑地区差异，中西部地区加大投入，挖掘数智化潜力。同时构建完善数智化人才培养体系，释放数智化赋能效应。

参考文献：

[1]罗斌元,陈艳霞.数智化如何赋能经济高质量发展——兼论营商环境的调节作用[J].科技进步与对策,2022,39(5):61-71.

[2]刘国斌,祁伯洋.县域城镇数智化与信息化融合发展研究[J].情报科学,2022,40(3):21-26.

[3]齐延平.数智化社会的法律调控[J].中国法学,2022(1):77-98.

[4]张建锋,肖利华,许诗军.《数智化：数字政府、数字经济与数字社会大融合》[J].国企管理,2022(5):18.

[5]金华,陈佳鹏,黄匡时.新业态下数智化劳动：平台规训、风险生成与政策因应[J].电子政务,2022(2):75-87.

[6]陈剑,刘运辉.数智化使能运营管理变革：从供应链到供应链生态系统[J].管理世界,2021,37(11):227-240+14.

[7]李先江,张紫怡,李炎.制造业企业数智化转型对双元产品创新能力的影响研究——数智化知识整合的中介作用[J].商业研究,2024(4):130-136.

[8]邝嫦娥，刘江月，李文意.数智融合赋能与制造业企业绿色转型[J].当代财经，2024(5):114-127.

[9]刘启雷，赵威，苏锦旗，等.基于数智化转型的制造业“双碳”发展：逻辑、路径与政策[J].科学管理研究，2023，41(3):79-88.

[10]夏天添.数智经济与中国式制造业现代化：探索性案例与组态分析[J].统计与决策，2023，39(23):179-183.

[11]张梅,孙烨懿,杨丽娜.数智化助推企业绿色供应链升级——基于施耐德与联想集团的双案例研究[J].财会月刊,2024,45(6):28-35.

[12]朱东波,杨志丽.“数据要素×”背景下数智化赋能工业绿色发展转型的机制、路径与政策研究[J].长安大学学报(社会科学版),2024,26(3):32-46.

[13]戴翔,杨双至.数字赋能、数字投入来源与制造业绿色化转型[J].中国工业经济,2022(9):83-101.

[14]戴魁早,黄姿,梁银笛.数智技术、技术要素市场与服务型制造[J].中国工业经济,2025(1):137-155.

[15]何琨玟,张文彬,张楠.数智赋能与中国节能降碳效率：机制与效应[J].中国地质大学学报(社会科学版),2025,25(1):82-99.

[16]陆杉,李雯.技术创新对能源利用效率影响的空间效应与机制——基于中国278个地级以上城市的面板数据[J].中南大学学报(社会科学版),2024,30(2):101-113.

[17]陈艳利,刘亚.数据要素市场化配置与全要素生产率——来自数据交易平台设立的证据[J].中南财经政法大学学报,2024(6):131-143.

[18]刘培.数据要素影响绿色生态效率的机制与效应研究[J].经济经纬,2023,40(6):136-148.

[19]袁亮,张姝琦,何伟军,等.长江经济带数智化水平对绿色全要素生产率的影响研究[J/OL].长江流域资源与环境,1-20[2025-05-12].

[20]郭丰,杨上广,任毅.数字经济、绿色技术创新与碳排放——来自中国城市层面的经验证据[J].陕西师范大学学报(哲学社会科学版),2022,51(3):45-60.

[21]靖学青.产业结构高级化与经济增长——对长三角地区的实证分析[J].南通大学学报(社会科学版),2005(3):51-55.

基金项目：陕西省软科学研究计划项目“化石能源供给安全下的陕西‘双碳’目标实现路径创新研究”(2023-CX-RKX-196)