王立斌

（苏州健雄职业技术学院，江苏 苏州 215411）

摘要：本研究通过对江苏省高技术产业和数字经济的发展情况及两者相互作用机制进行了探讨，为研究数字经济和江高技术产业高质量发展的关系，数字经济对高技术产业三个维度的具体作用，本文构建了动态面板模型进行全方位和多角度的实证研究和分析。通过实证分析得到数字产业化（DIG_IND）是高技术产业效率提升的核心引擎，产业数字化（DIG_PRO）是创新驱动的关键突破口，数字经济基础设施建设（DIG_INF）是规模扩张的底层支撑三个结论。在此基础上对江苏省高技术产业高质量发展提出了几点建议。在实证分析中通过对比数据及回归结果发现在全国高技术产业和数字经济产业发展过程中，广东省表现非常优异，最后借鉴广东经验为江苏省经济的高质量发展探索一些新的提升路径。

关键词：数字经济；高技术产业；熵值法；系统GMM；江苏省

   一、江苏省高技术产业与数字经济发展概述

1.高技术产业发展现状

根据《中国高技术产业统计年鉴（2022）》相关数据计算分析而得，江苏省高技术产业不仅在发展规模上有优势，在创新能力、创新效率和创新潜力三个维度综合评价处于全国第二的位置，仅次于广东省。江苏省高技术产业作为全国高技术产业发展大省，首先具有规模优势：江苏省高技术企业数全国第1，共6893家，营业收入3.22万亿元，占全国15.3%。其次，江苏省高技术产业在创新投入方面也高于全国均值5.6%，江苏省高技术产业R&D经费内部支出2477.7亿元，R&D人员占比10.7%。但是，江苏省高技术产业存在效率瓶颈，劳动生产率13.87万元/人，低于广东的13.02万元/人，利润率仅7.1%，也低于全国平均数据8.8%。

2.数字经济发展水平

江苏省作为我国经济强省在近几年一直致力于加快数字产业化和产业数字化的发展进程，并取得了一定的成效。首先基础设施完备，光缆线路长度415.89万公里（全国第3），宽带接入端口7464万个（全国第2）。其次产业数字化程度高，企业网站数7.22万个（全国第4），电子商务交易额1.34万亿元（全国第5）。另外，江苏省的数字经济产业化能力表现也十分优异，软件业务收入1.14万亿元（全国第2），电信业务总量1328.81亿元（全国第3）。

3.数字经济和高技术产业相互作用机制

数字技术可以通过技术渗透，要素重组和生态重构从微观到宏观推动产业升级，进而深度驱动高技术产业高质量发展。技术渗透是基础层，直接作用于研发生产，要素重组是提升层，主要是优化人才和平台，生态重构达到跨界协同则是最高形态，数字经济对效率和成本带来的的高技术产业的结构性改变。

首先在微观层面，数字经济通过数字化工具嵌入创新流程，可以缩短研发周期，生产环节通过智能制造改造产线，降低产品不良率。其次在中观层面，高技术产业可以通过积累用户行为、生产记录等数据要素更精准推荐商品、预测市场需求，采购部用供应商数据选性价比最高的原料；生产部用实时监测数据减少次品；销售部用市场数据精准投放广告，避免无效推广，从而实现数据资源资本化形成新型生产资料，优化全链条资源配置效率。人才技能数字化可以直接提高劳动生产率。最后在宏观层面，可以通过工业互联网平台构建协同网络，降低产业链协同成本推动劳动生产率提升。并实现产业生态重构，通过跨界融合，打破“产学研用”边界，促成生物医药+AI、新能源+物联网等融合创新，催生新业态。

三大机制形成“渗透-重组-重构”螺旋升级路径，最终实现高技术产业向高创新浓度、高配置效率、高协同价值的发展范式跃迁。

二、实证模型构建

高技术产业高质量发展状况和数字经济存在极大的相关性，为了研究数字经济和江高技术产业高质量发展的关系，且进一步研究数字经济对高技术产业三个维度的具体作用，本文将通过建立动态面板模型进行全方位和多角度的实证研究和分析。

1.模型构建

综合影响模型：

其中，i表示省份，t表示时间，HIQ是代表高技术产业高质量发展程度指标，INNOV代表高技术产业创新能力，EFF代表创新效率，POT代表高技术产业创新潜力。DIG是核心解释变量，其中DIG_INF代表数字产业基建,DIG_IND代表产业经济数字化,DIG_PRO代表数字经济产业化，Control为控制变量，α和β是待估参数，ε1it​,ε2it​,ε3it​ 为随机误差项。

本文选取的数据为短面板数据，短面板数据的有限性和内生性情况下可采用的最佳的估计方法是广义矩估计，而综合考虑各方面因素，本文选取格局严苛，结果更加准确的系统矩阵估计法，即系统GMM方法对模型开展研究。

2.变量说明

（1）被解释变量

本文不仅探讨数字经济对高技术制造业高质量发展的整体影响，为进一步探讨数字经济对高技术制造业高质量发展的具体维度，将高技术制造业高质量发展以及高技术制造业高质量发展的各个维度作为被解释变量。从高技术制造业的创新能力，创新效率和创新潜力三个维度构建高技术制造业高质量发展指标。

高技术制造业创新能力（INNOV）：由高技术制造业研发经费投入强度、R&D从业人员占比、新产品销售收入占比三个二级指标来度量。

高技术制造业创新效率（EFF）：选取劳动生产率、利润率两个二级指标，劳动生产率为高技术制造业增加值比高技术制造业就业人数，利润率为高技术制造业利润总额比高技术制造业营业收入。

高技术制造业创新潜力（POT）：选取高技术制造业研发人员增量、企业增加量、营业收入增量、新产品销售收入增量四个二级指标来测度。

（2）解释变量

数字经济发展指标作为核心解释变量。本文从数字经济基础建设、产业数字化和数字经济产业化三个维度构建数字经济发展水平指标体系。用改进的熵值法算出数字经济发展水平的综合得分作为主要解释变量。

数字经济基础建设（DIG_INF）：选取光缆线路总长度、互联网域名数、互联网宽带接入端口三个二级指标。

产业经济数字化（DIG_IND）：选取企业使用计算机台数、企业拥有网站数、有电子商务交易活动的企业数三个二级指标。

代表数字经济产业化（DIG_PRO）：选取电子商务销售额、软件业务收入、电信业务总量三个二级指标。

（3）控制变量

高技术产业的发展离不开政府的支持，而其中科研经费的投入又正是政府支持的最直观和最有效的体现，对基础科技的研究与取得战略性突破存在着重大意义。本文采用高技术制造业R&D经费中政府R&D经费的占比作为衡量政府对高技术制造业高质量发展的衡量指标。

3.变量相关性分析

本研究使用的所有变量原始数据来自中国高技术产业统计年鉴》和《中国统计年鉴》，各变量相关性分析数据如表1所示。从表中可以看出数字经济三维度（DIG_INF/IND/PRO）与高技术产业质量（HIQ）显著正相关（相关系数0.74~0.81）。而高技术产业的创新能力（INNOV）与数字产业化（DIG_IND）相关性最强（0.72），可以反映出数字技术研发对创新的驱动作用显著。高技术产业的创新效率（EFF）与产业数字化（DIG_PRO）高度相关（0.70），表明企业数字化应用能够提升生产效率。

表1 各变量相关性分析（Pearson系数）

三、实证分析

1.基本回归分析

表2显示了数字经济发展的数字产业基建和产业数字化以及数字产业化对高技术产业发展的程度，以及对高技术产业的创新能力，创新效率和创新潜力三个维度的影响的基本回归结果。

表2  分维度GMM回归结果

具体从表2中可以看出产业数字化对高技术制造业高质量发展水平有正向推动作用，在高技术制造业高质量发展创新能力、创新效率和创新潜力三个维度中，产业数字化（DIG_IND）对高技术产业的创新效率的促进最为显著（β=0.382），每提升1单位数字化水平，劳动生产率增长24.1%。而数字产业化（DIG_PRO）主要驱动高技术产业的创新能力（β=0.263），软件业务收入每增10%，新产品销售收入占比上升1.8个百分点。而数字经济的基础设施（DIG_INF）则显著影响高技术产业的创新潜力（β=0.291），光缆密度每增加1万公里/万平方公里，企业研发人员增量提高9.7%。数字经济有效推动了高技术制造业创新效率的提高，且数字经济对高技术制造业的创新能力和创新潜力也有显著的正向作用。

2.数字经济对高技术产业质量的分维度影响机制分析

通过回归模型的GMM回归结果揭示了数字经济三大维度对高技术产业发展的差异化驱动路径，核心结论如下：

（1）数字产业化（DIG_IND）是高技术产业效率提升的核心引擎。数字产业化对高技术产业的综合质量（HIQ）和创新效率（EFF）的显著主导作用。DIG_IND的系数在HIQ（0.326）和EFF（0.382）模型中均最高，表明数字产业化通过技术研发与软件服务直接优化生产效率。例如，软件业务收入每提升1单位，劳动生产率（C6）可提高约38.2%，印证了数字技术对生产流程的重构能力。而数字产业化对高技术产业的创新能力（INNOV）未达预期影响，系数不显著（0.159, p>0.1），可能因数字产业化更侧重技术应用而非原始创新，其效益需通过产业数字化间接转化。

（2）产业数字化（DIG_PRO）是创新驱动的关键突破口。产业数字化显著拉动高技术产业的创新能力（INNOV）。DIG_PRO对INNOV的系数达0.263，为所有维度中最高。企业电子商务交易活动（如B2B平台）通过市场需求倒逼研发投入，例如电商销售额每增1单位，研发经费投入强度（C1）提升26.3%，凸显“市场—研发”正向反馈机制。但是产业数字化对高技术产业的创新潜力（POT）的发展具有局限性，系数不显著（0.118），反映短期产业数字化应用难以快速扩张企业规模（C8），需配套长期战略布局。

（3）数字经济基础设施建设（DIG_INF）是规模扩张的底层支撑。数字基础设施（DIG_INF）显著促进效率性（EFF）与成长性（POT）。在EFF（0.217）和POT（0.291）模型中显著，验证了光缆、宽带等设施的基础性作用。例如电信业务总量每增1单位，企业营收增量（C9）提高29.1%，说明数字经济的基础设施建设是规模经济的物理载体。但是数字经济的基础设施建设对高技术产业的创新能力（INNOV）影响较弱，系数不显著（0.104），因基础设施需结合技术应用（如工业互联网）才能激发创新。

四、江苏省高技术产业高质量发展的建议

基于以上数据分析结果，江苏省高技术产业虽规模领先，但在创新转化效率和数字技术深度应用上仍有提升空间。江苏省需发挥制造业基础与数字技术双重优势，通过“产业化夯实底座、数字化激活创新、设施化拓展规模”的三维联动，率先建成具有全球影响力的高技术产业高地。结合数字经济三维度的影响机制，提出以下建议：

1.强化数字产业化（DIG_IND）核心优势，打造效率提升引擎

构建工业软件产业集群，依托南京、苏州等软件名城，重点突破EDA、CAD等高端工业软件，设立专项攻关基金。建设“产学研用”协同平台,推动东南大学、华为苏州研究所等机构联合成立工业互联网创新中心，促进技术成果向企业转化，从而降低研发成本。

2.深化产业数字化（DIG_PRO）场景应用，激活创新内生动力

对省内高技术产业全链数字化改造，搭建长三角数字技术共享平台，推动软件业与生物医药、集成电路等江苏优势产业对接。在新能源装备（如常州光伏）、生物医药（苏州工业园区）等领域推广“灯塔工厂”，通过物联网+AI优化生产流程，提升目标劳动生产率。发展B2B工业电商平台，支持高技术产业的企业扩大装备制造领域交易规模，对采购数字化设备企业给予税收抵免等优惠政策，激发研发投入强度。

3.优化数字基础设施（DIG_INF）布局，夯实规模增长底座

构建长三角算力网络枢纽：在无锡、徐州部署新一代智算中心，优先满足高技术企业低时延算力需求，从而降低数据处理成本。推广“5G+工业互联网”融合应用，实现规模以上企业5G专网全覆盖，支撑柔性制造系统快速迭代，缩短新产品开发周期。

4.创新体制机制，破解发展瓶颈

设立数字经济与高技术产业融合基金，通过扩大资金投入，优先支持“卡脖子”技术的数字化研发。试点数据要素市场化改革，比如可以在南京江北新区建立工业数据交易中心，探索数据资产质押融资，破解中小企业数字化资金约束。另外还要为为创新要素配置“软环境”， 比如通过数字技能认证体系、企业定制化培训、高校微专业课程、长三角人才共享库等措施来改善省内数字经济发展的软环境，为江苏省经济的高质量发展提供复合型数字技术人才支撑。

数字经济对江苏高技术产业的驱动呈现“基础设施奠基→产业数字化提效→数字产业化增值”的链式传导，但需破解苏北基建滞后、产学研转化率低、要素流动壁垒等深层矛盾。通过“硬基建-软环境-新机制”三位一体支撑体系，可加速实现从“数字江苏”向“智造强省”的战略跃迁，为全国提供可复制的区域数字化转型范式。

五、基于广东经验的江苏提升路径

在实证分析中通过对比数据及回归结果发现在全国高技术产业和数字经济产业发展过程中，广东省和江苏省都有优异的表现，同属于第一梯队。但是江苏省的高技术产业和数字经济产业与广东省都存在着一定的差距。接下来本文将基于广东经验为江苏省经济的高质量发展探索一些新的提升路径。

1.苏粤数字产业化驱动创新效率的弹性差异

表3 广东与江苏数字产业化效能对比（2021年）

广东省在数字产业化弹性系数，软件业务收入，数字经济核心产业增加值和数字技术专利转化率四个方面都比江苏省有明显优势。广东已经形成以深圳（华为/腾讯）+东莞（OPPO/ vivo）为核心的数字产业集群，技术协同成本低。而江苏软件业布局分散（南京83.5亿/苏州41.2亿/无锡18.7亿），同时缺乏万亿级龙头企业，技术溢出半径受限。另一方面是创新转化机制差异。广东2021年发布技术需求1.2万项，企业研发需求直通高校实验室。而江苏产学研合作中52.3%项目止步于论文专利，2021年江苏省技术合同成交额为广东的68%。

2.广东经验的启示

（1）构建“链主企业引领型”创新生态。

广东模式中已经形成了由华为牵头成立“鲲鹏计算产业联盟”，可以带动带动中小企共享开源代码库，提升了生态企业研发总体效率。已经实现了通过平台化创新网络构建了协同发展网络，降低了产业链协同成本，进而推动劳动生产率提升。

江苏省的中小企业数字技术获取成本高，可以通过支持和鼓励龙头企业开放工业互联网平台接口，对采购本地数字技术服务的中小企给予一定的优惠和支持。比如聚焦新能源（常州理想汽车）、生物医药（苏州信达生物），设立100亿级“链主培育基金”，打造千亿级生态主导企业。推动徐工汉云、南瑞集团开放工业互联网平台接口，允许中小企业免费接入研发设计模块，目标降低配套企业创新成本。

（2）建立“需求导向型”研发转化体系。

在研发转化方面广东的成功之处在于数字经济企业新产品研发周期短，比如大疆通过用户反馈数据驱动产品迭代，新品研发周期缩短至9个月（快于江苏同类企业40%），而广交会数字化平台促成研发订单占比35%。江苏省的高校成果转化率仅28%，低于广东省的41%，市场需求与研发尚未实现有效链接。江苏省可以通过设置试点实施“企业出题-科研解题-市场阅卷”机制，并设立成果转化基金，对科研成果转化成功予以鼓励，充分发挥江苏省的高校科研优势。

（3）深化“跨境数字技术融通”

广东省依托港澳建成国际数据专用通道（时延降低50%），引进境外数字技术年均增长25%；深圳前海跨境数据交易所年交易额破百亿。2021年引进国际数字技术147项，占全国28%，其中52%应用于高技术制造业。江苏省的国际研发合作项目数不足广东的三分之一。江苏省可以发挥南京自贸区优势，在南京自贸区试点跨境数据流动“白名单”覆盖生物医药、集成电路领域，。建立国际数字技术交易所，对引进技术消化吸收再创新投入，建离岸研发协同网络。

3.江苏追赶路径的量化模拟

基于弹性系数差距（0.41-0.382=0.028），制定江苏省提升数字经济发展计划，实施目标为江苏数字产业化创新效率弹性可达0.41+，带动高技术产业利润率升至9.3%（现7.1%）。

表4  江苏省提升数字经济发展计划

江苏需正视数字产业化效能差距，但不宜简单复制广东路径。江苏省可以通过发挥制造基础加上科教资源双优势，打造独特的江苏范式。并破解苏南苏北割裂问题，通过数字飞地经济将南京软件、苏州纳米技术等向淮海经济区扩散，同时探索一个可以兼顾效率与安全的转型方案，为全国经济的发展提供些参考。

参考文献：
[1]吴晓红.数字经济赋能经济高质量发展的路径研究[J].南海学刊,2025,11(1):97-106.
[2]周曙东.区域数字经济发展指数测度方法及应用研究[J].调研世界.2022（12）:68-78.

[3]刘丽.中国高技术产业高质量发展路径研究——以产业链为视角[J].技术经济与管理研究,2021(11):25-29.

[4]王玉梅,孙珊,杨皎平,张樨樨.高技术产业创新能力评价指标体系构建[J].财会月刊,2020(4):69-75.

[5]程广斌,李莹.基于投入产出视角的数字经济发展水平区域差异及效率评价[J].统计与决策,2022,38(8):109-113.

[6]江苏省统计局. 江苏高技术产业统计年鉴2022[Z].南京,2023.

[7]国家统计局.中国统计年鉴（2022）[M].北京：中国统计出版社，2021.

基金项目：2023年度江苏省高校哲学社会科学研究基金项目：数字经济驱动江苏省高技术产业高质量发展实证研究（项目批准号：2023SJYB1628）的阶段性成果。