生产性服务业投入与全球价值链位势攀升——基于中国省份制造业面板数据的实证研究

赵 逖

（重庆对外经贸学院，重庆 401520）

一、引言

生产性服务业是贯穿于企业生产的上、中、下游诸多环节的服务行业，可为促进产业升级、提升生产效率提供保障服务。近年来，世界各国纷纷制定生产性服务业发展战略部署，以期在全球价值链分工中抢占先机，逐步释放国际生产性服务业发展潜力[1]。在国际生产性服务业蓬勃发展的时代背景下，中国也迈入加速推进生产性服务业发展阶段。2020 年商务部发布《全面深化服务贸易创新发展试点总体方案》，提出要加大服务业支持力度，打造贸易发展高地，为提升全球价值链位势提供内驱动力。2021 年，国务院发布“十四五”规划再次强调，推动生产性服务业融合发展、加大企业创新研发投入、加快构建现代产业体系是推动制造业全球价值链向高端延伸的关键举措。党的二十大报告进一步提出，“实施产业基础再造工程和重大技术装备攻关工程，支持“专精特新”企业发展，推动制造业高端化、智能化、绿色化发展”。加大生产性服务业投入是释放服务业发展潜力、强化制造业国际竞争力的根本内核，是推动经济提质增效升级的重要突破口，亦是增强制造业全球价值链附加值的焦点所在[2]。那么，生产性服务业投入是否也可以提升制造业全球价值链位势？二者间具有怎样的影响机理？厘清上述问题不仅有益于深入了解生产性服务业的经济效应，细化专业分工、提升产业层次，而且可以为后续中国推进生产性服务业发展、加快制造强国建设、推动制造业全球价值链位势攀升提供理论支撑与实践依据。

目前已有文献多从全球价值链位势入手进行深入研究。王成东等(2020)[3]基于GVC 视角和SFA 方法对全球价值链位势进行实证研究，发现产业GVC 嵌入位势呈逐年升高态势，但其GVC 嵌入强度相对趋于稳定。胡浩等(2020)[4]从GVC、NVC 双环流视角出发，对中国制造业全球价值链位势与空间集聚水平进行深入探讨，认为制造业空间集聚对行业全球价值链内环流位势升级具有显著驱动作用，但对外环流位势攀升作用效果不明显。王成东、蔡渊渊(2020)[5]基于SFA 方法分析全球价值链下产业研发三阶段效率的发展程度，发现中国制造业全球价值链位势长期保持攀升态势。乔平平(2022)[6]基于2000—2019 年全球面板数据实证分析中国劳动要素全球价值链地位，发现劳动要素全球价值链地位整体呈波动上升态势。

伴随生产性服务业投入与制造业的快速发展，已有学者开始研究二者关系。孔令夷(2020)[7]运用向量自回归(VAR)模型对细分生产性服务业投入与装备制造业关系进行实证检验，认为生产性服务业投入与装备制造业在发展中具有长期均衡性，但是在互促过程中存在非对称性特征。顾雪芹(2020)[8]从宏观与中观层面分析中国生产性服务业投入对制造业转型升级的影响，发现生产性服务业投入通过增加高技能劳动力工作时间与报酬标准，促进制造业转型升级。柳香如、秦子惠(2022)[9]基于世界投入产出数据库研究生产性服务业投入对制造业服务化的影响，发现二者间具有显著非线性影响，且生产性服务业投入对制造业创新型人力资本存在阶段性“门限效应”。蒋帝文、张建鹏(2021)[10]基于后向关联调节效应研究生产性服务技术投入对中国制造业增长的影响，发现国外生产性服务业技术投入对中国制造业增长具有显著抑制作用，但中国制造业与国外生产性服务业的后向关联对该影响具有正向调节作用。

综上所述，已有研究分别对全球价值链位势、生产性服务业投入与制造业关系进行深入探讨，但鲜有将生产性服务业投入与制造业全球价值链位势纳入同一框架展开研究。基于此，文章以2014—2020 年中国30 个省份面板数据为研究样本，实证分析生产性服务业投入对制造业全球价值链位势的影响。同时，结合学界与业界的现有研究，将生产性服务业划分为运输业、信息业与金融业三大类别，并据此衡量生产性服务业投入程度。进一步依据技术含量水平，将制造业链划分为低技术制造业、中技术制造业、高技术制造业，对全球价值链位势进行深入探究，以期为各地优化生产性服务业投入标准及提升制造业全球价值链位势提供充足理论借鉴。

二、研究设计

近年来，引力模型凭借空间布局与作用关系测算优势，成为空间相互作用分析中的重点实证方法，被广泛应用于国际贸易研究领域[11]。而国际贸易发展水平是衡量制造业全球价值链位势的关键指标之一。加之部分学者表示，生产性服务业投入会提升生产环节的价值增值水平，进而推动国际贸易发展[12]。由此推论，引力模型适用于研究生产性服务业投入对制造业全球价值链位势提升的实证检验。在引力模型中，将制造业全球价值链位势作为被解释变量，生产性服务业投入设定为解释变量。同时，参照现有文献研究方法[13，14]，在模型之中纳入部分可能影响生产性服务业投入与制造业全球价值链位势的控制变量，包括资本密集程度、企业存续年限、技术水平及劳动生产效率，使研究结果更具全面性、可靠性。

1. 变量说明

（1） 被解释变量

选用中国制造业全球价值链位势(GVC_man)作为被解释变量。现阶段，众多研究学者多聚焦于世界投入产出表(WIOD)、经合组织投入产出表(OECD)，从产业研发阶段、对外直接投资、数字经济三大视角对产业全球价值链位势展开综合度量[15，16]。基于上述研究成果，结合綦良群等(2021)[17]的分析方法，对中国制造业全球价值链位势加以衡量，具体计算公式如下所示：

式中，GS由GSi，k=vai，k+GSj，l计算所得，代表嵌入位置指数；VC表征价值链增值能力指数，用VCi，k=KGSi，k衡量；GVC_man为制造业全球价值链位势；GSi，k、GSj，l分别表示i经济体k产业、j经济体l产业的全球价值链位势指数；vai，k代表i经济体k产业的直接增加值系数；dik，jl代表j经济体l产业对i经济体k产业的中间品直接消耗系数；Yi，k、Yj，l依次表示i经济体k产业和j经济体l产业总产出；GSj，l为间接增加值系数，可表征i经济体k产业与国家、产业间的经济复杂联系程度。此外，根据吴杨伟和李晓丹(2020)[18]、孟祺和吴雨虹(2021)[19]的研究，从低技术制造业(GVC_L)、中技术制造业(GVC_M)与高技术制造业(GVC_H)三大维度出发，测算中国制造业全球价值链位势。其中，低技术制造业主要包括烟草、食物、纺织、皮革、木材制品等技术含量较低的行业；中技术制造业主要涵盖基本金属、其他非金属矿产品、精炼石油产品等具备中级技术水平的行业；高技术制造业多指生产技术水平较高的行业，主要包括化学品、专用机械、运输设备、电气和光学设备制造业。

（2） 解释变量

采用生产性服务业投入(Prsi)作为解释变量。为精准测度生产性服务业投入水平，结合国家统计局最新发布的《生产性服务业统计分类(2019)》，将生产性服务业投入分为运输服务业投入、信息服务业投入、金融服务业投入三个维度，并以三者投入之和进行计算。其中，运输服务业投入(Trai)多指交通运输、仓储业以及邮政业的投入，拟采用反映交通运输制造业最初投入与中间投入数据的国民经济核算投入产出表计算。信息服务业投入(Inii)主要指依托智能设备与现代信息技术为社会提供信息服务的行业投入，运用投入支出金额占企业总营业收入的比值衡量。金融服务业投入(Fini)表示从事金融经济服务相关行业所产生的投入，主要包括技术投入、资金投入，根据金融业投入产出表加以计算。为避免变量量纲差异引致的研究偏误问题进一步提升数据稳定性，文章以自然对数法进行处理。

（3） 控制变量

为避免因变量遗漏而引发的内生性问题，参照制造业全球价值链位势相关领域的研究成果[20-23]，在模型中纳入以下控制变量：资本密集程度(Capi)，采用地区固定资产净值年均余额与地区产业从业人员均值的比值表示，用以反映区域资本分布水平。企业存续年限(Dure)，考虑到企业经营年限是员工生产经验水平、企业生产技术水平的重要彰显形式，可推动制造业全球价值链向高端地位跃升。故引入企业存续年限作为影响制造业全球价值链位势的关键变量，用当期年份与企业成立年份的差值予以表示。技术水平(Tecl)，生产技术是产业高质量、可持续发展的根本内核，也是制造业全球价值链位势提升的内驱动力。由此，采用技术水平集中体现制造业产业的技术创新研发水平，使用行业研发经费内部支出在主营业务收入中所占比重进行计算。企业通过加大研发资源投入力度，强化研发资源支撑，利于提高自主创新能力，进而有效推动企业技术水平向价值链上游发展。对此，使用大中型高科技工业企业科研经费在总业务支出占比表示研发投入水平。劳动生产效率(Labp)，用地区行业生产总值除以对应从业人员年均人数衡量。

2. 数据来源

国务院于2014 年7 月出台《关于加快发展生产性服务业促进产业结构调整升级的指导意见》 （简称《意见》），提出发展重点领域生产性服务业的战略方针。且据《国民经济和社会发展统计公报》数据显示，2014 年服务业增加值在GDP 中所占比重增加至48.2%，首创历史新高，表明此阶段服务业开始成为经济增长的主要内驱动力。故以2014—2020 年为研究时间段，结合原始指标数据的有效性、可得性、全面性、可测性等原则，选取中国生产性服务业投入与制造业全球价值链位势相关面板数据。考虑到西藏和港澳台地区数据获取较难问题，剔除上述四大地区样本数据，对中国30 个省份数据展开研究。其中，生产性服务业投入指标数据主要来源于历年《中国投入产出表》与《中国地区投入产出表》；制造业全球价值链位势相关数据主要从WIOD 数据库、世界投入产出数据库中获取。有鉴于现有数据库仅更新至2014 年，故缺失年份数据大多通过历年TIVA 数据库、“全球制造业竞争力指数”、《全球竞争力报告》整合计算而来。其余指标数据主要取自历年《中国科技统计年鉴》、各省份统计年鉴、《中国统计年鉴》与官方统计公报。同时，对于部分缺失数据，依据邻近省份发展情况，采用替代指标和插值法予以补全。为避免出现数据遗漏、异常等现象，对相关变量展开描述性统计（见表1）。可以知悉，2014—2020 年中国制造业全球价值链位势均值为1.0623，最小值为0.7580，最大值是1.1622。进一步将制造业拆分为低技术制造业、中技术制造业以及高技术制造业后，相关全球价值链位势均值分别为1.0032、1.0328 与1.0541。生产性服务业投入均值为176.0833。将生产性服务业划分为运输服务业投入、信息服务业投入与金融服务业投入三大类别后发现，运输服务业投入较高，均值高达171.4211，信息服务业投入与金融服务业投入相对次之。控制变量中，资本密集程度、企业存续年限、技术水平以及劳动生产效率均值依次为44.3721、24.0270、58.9320 与50.4584。

表1 变量描述性统计

3. 相关性检验

相关性是反映变量间空间相关关系的重要标志，是设定空间计量模型前的基础环节，可用来检验变量间的线性相关程度。故对变量进行相关性检验，以系统研判其是否存在线性相关关系，结果详见表2。可以看出，生产性服务业投入与制造业全球价值链位势的相关性系数为0.2513，且在1%水平上显著，说明二者间存在显著正相关关系，可进一步展开实证检验。

表2 相关性检验

4. 平稳性检验

为最大限度避免“伪回归”引致的估计偏差问题，接下来采取异质单位根检验与同质单位根检验对数据进行平稳性分析（表3）。结果显示，所选变量均属平稳，说明变量数据间不存在单位根，可应用面板数据模型展开进一步实证分析。

5. 模型构建

马淑琴等(2020)[24]以全球价值链发展为测算变量，通过取对数处理降低外部干扰，进而构建扩展引力模型。基于此，本研究构建引力模型以实证检验生产性服务业投入与制造业全球价值链位势的作用关系，具体公式如下：

式(2)中，GVC_man表示中国制造业全球价值链位势；Prsi是中国生产性服务业投入程度；Con代表控制变量，包括资本密集程度、企业存续年限、技术水平以及劳动生产效率，β 表示回归系数；μi、μj依次代表中国出口与进口经济体的固定效应；εij表征误差项。

在引力模型具体研究过程中，变量间可能因存在关联而面临内生性偏误问题。通过梳理现有文献发现，工具变量是有力缓解变量内生性问题的关键举措[25]。同时，面板数据固定效应方法可通过控制年份固定效应，缓解引力模型内生性问题。因此，在引力模型中融入时间固定效应项，可有效避免生产性服务业投入变量估值误差引致的内生性问题。在这一基础上，该引力模型为：

式(3)中，μit、μjt分别表示进口与出口经济体年度固定效应项，其余公式含义与上式相同。

三、实证分析

1. 基准回归分析

为避免生产性服务业投入估值受到内生性误差影响，在进行实证回归分析前需纳入“国家—时间”固定效应项。使用公式(3)进行系统测算，得到表4。估算结果显示，生产性服务业投入可正向提升制造业全球价值链位势。该结论在加入控制变量后仍旧成立。具体而言，该结论未加入控制变量的影响系数是0.0546，且在5%水平上显著；加入控制变量之后的影响系数为0.0679，且在1%水平上显著。这充分表明，在全面控制其他影响因素之后，生产性服务业投入每提高1 个单位，中国制造业全球价值链位势将平均提升0.0679 个单位。

表4 生产性服务投入对制造业全球价值链位势的影响

在控制变量中，资本密集程度对制造业全球价值链位势具有正向影响。人工智能以及物联网、大数据等信息技术的系统化发展，促使产业资本密集度逐步提高，进而推动制造业全球价值链位势攀升。企业存续年限对制造业全球价值链位势具有正向作用。企业存续年限增长意味着将生产经验要素与技术要素投入到生产性服务业中，助力制造业全球价值链位势提升。技术水平的回归系数为0.0296，且在1%水平上显著，对制造业全球价值链位势具有正向影响。技术水平不仅能够提高制造业研发投入程度，还可以有效提高国家技术生产效率与经济竞争力。劳动生产效率是指相关劳动者在一定时段内创造出的劳动成果总和与其自身所消耗的劳动成本比值，可显著提升制造业全球价值链位势。

2. 区分生产性服务业投入类型

基于上述生产性服务业投入的划分类型，利用公式(3)详细测算各维度对制造业全球价值链的具体影响作用（见表5）。其中，第(1)列的核心解释变量为运输业投入(Trai)，基准回归系数为0.0319，且在10%水平上显著。据此可以知悉，生产性服务业投入中的运输业投入可全面提高制造业全球价值链位势地位。运输业投入重点包括陆路运输服务、航空运输服务、水路运输服务以及管道运输服务投入，对中国产业间、区域间、城乡间经济交互发展具有全面推动作用。在此基础上，中国相关服务行业可凭借运输服务优势提高制造业全球价值链位势。第(2)列核心解释变量是信息业投入(Inii)，对应基准回归系数为0.0085，且在5%水平上显著为正。由此可知，生产性服务业投入中信息化投入不断加深，对制造业全球价值链位势提升具有显著促进作用。在数字经济蓬勃发展时代，新型智能化、数字化信息的全面普及，不仅推动原始高科技信息化产业取得良好发展，还可助力传统制造业、服务业实现信息化、智能化转型升级，提高行业全要素生产效率。在此基础上，行业市场利用信息智能化优势提高中国产业国际竞争力，助力制造业全球价值量位势稳步提升。第(3)列核心解释变量是金融业投入(Fini)，其对应回归系数为0.0658，且在1%水平上显著。细究其因，金融业投入重点倾向将实体经济作为金融服务落脚点与出发点，促使更多金融资源逐步涌向产业经济发展的薄弱环节，进而助力生产性服务业全面转型升级，旨在提高制造业全球价值链位势。

表5 生产性服务业投入中各维度对制造业全球价值链位势的影响

以下控制变量中，资本密集程度(Capi)、技术水平(Tecl)与劳动生产效率(Labp)的回归系数均在统计结果上显著为正，这表明随着数字经济的迅速发展，国内制造业开始由劳动密集型向知识和资本密集型转化，不断提高生产制造环节的战略地位，有助于全球价值链位势攀升。由于数字技术水平的不断提升，中国制造业开始逐渐融入全球产业链与供应链分工体系，以此助力全球价值链位势提高。并且，中国工资激励机制与劳动生产结构的逐步优化，在有效提高劳动生产效率与技术创新的同时，推动制造业全球价值链位势显著攀升。因此，资本密集程度、技术水平与劳动生产效率的持续增长均会显著提升制造业全球价值链位势。企业存续年限(Dure)的回归结果在统计测算中不显著，可能由于中国相关部门并未对企业存续年限进行详细规定，以致于大多数企业存续年限存在虚假成分，因此企业存续年限对制造业全球价值链位势的正向推进效应并未得到有效凸显。

3. 分解制造业全球价值链位势

参照上述学者的研究，深入探讨生产性服务业投入对低技术制造业、中技术制造业、高技术制造业全球价值链位势提升的影响程度。就此，基于公式(3)进行测算，最终得到表6 结果。通过测算结果可以知悉，生产性服务业投入对于提升中技术制造业全球价值链位势存在显著正向影响，但对提升低技术制造业与高技术制造业全球价值链位势存在负向影响，且不显著。具体而言，在控制资本密集程度、技术水平等变量影响之后，生产性服务业投入每提升1 个单位，低技术制造业全球价值链位势平均降低0.0603 个单位；中技术制造业全球价值链位势平均提高0.0723 个单位；高技术制造业全球价值链位势平均降低0.0258 个单位。细究其因，对于低技术制造业而言，伴随中国市场劳动力成本的增加与产能过剩，需要及时将制造业低端加工组装环节进行转移，因此减少了国内生产性服务业投入数量；对于中技术制造业而言，生产性服务业投入促进中技术制造业在国内逐步形成规模经济，同时通过适度自主研发产业升级等措施拓展中技术产业链中的相关生产工序；对于高技术制造业而言，中国现阶段高新技术领域短板问题依旧存在，并未突破关键技术受制于人的发展瓶颈，因此生产性服务业投入转化为科技成果目标并未得到有效实现。

表6 生产性服务业投入对低技术、中技术、高技术制造业全球价值链位势的影响

在控制变量中，资本密集程度(Capi)、技术水平(Tecl)、劳动生产效率(Labp)对低技术制造业、中技术制造业、高技术制造业全球价值链位势的影响系数均为正值，且分别在不同水平上显著；企业存续年限(Dure)对低技术制造业、中技术制造业、高技术制造业全球价值链位势的影响系数也为正值，但并不显著。

4. 双维拆分

在单独拆分生产性服务业投入类型、分解制造业全球价值链位势基础上，同时拆分生产性服务业投入类型与制造业全球价值链位势，进一步利用公式(3)进行测算，得到表7。其中，第(1)、(2)、(3)列分别表示运输业投入、信息业投入与金融业投入对低技术制造业全球价值链位势的影响；第(4)、(5)、(6)列分别代表运输业投入、信息业投入与金融业投入对中技术制造业全球价值链位势的影响；第(7)、(8)、(9)列分别代表运输业投入、信息业投入与金融业投入对高技术制造业全球价值链位势的影响。具体而言，运输业投入对低技术制造业全球价值链位势的影响系数为-0.0136，在5%水平上显著；对中技术制造业全球价值链位势的影响系数为0.0379，在1%水平上显著；对高技术制造业全球价值链位势的影响系数为-0.0125，在1%水平上显著。信息业投入显著正向影响中技术制造业全球价值链位势水平，但对低技术与高技术制造业全球价值链位势的影响系数为负，且不显著。金融业投入显著正向影响中技术制造业全球价值链位势水平，影响系数为0.0989，且在1%水平显著；对低技术与高技术制造业全球价值链位势的影响系数为负，影响系数分别为-0.2174、-0.0415。就控制变量而言，资本密集程度、技术水平、劳动生产效率均可显著促进制造业全球价值链位势提升，而企业存续年限并不显著。

表7 生产性服务业投入各维度对低技术、中技术、高技术制造业全球价值链位势的影响

5. 稳健性检验

为避免研究变量中的内生性误差问题影响实证检验结果，进一步进行稳健性检验。从理论视角而言，造成内生性误差问题的主要来源因素在于同时测算、遗漏数据、省略测算步骤、选择变量等几方面的误差。黄大伟(2017)[26]的研究认为使用引力模型测算截面数据中的生产性服务业投入水平时，省略测算步骤与选择变量误差是形成内生性误差问题的主要影响因素。然而，从经济视角而言，引力模型中的内生性误差问题主要源自于数据不可预测的异质性特征，即表现为不跟随时间变化且不可预测的双边变量[27]。双边变量将会由于自身不可预测特征影响生产性服务业投入、制造业全球价值链位势的实证检验结果，故需要使用双边固定效应项进行有效控制。鉴于此，文章选取双边固定效应面板数据模型及一阶差分法对研究数据进行稳健性检验。

根据Hausman 检验统计量与Breusch-Pagan 检验统计量对研究数据稳健性检验模型进行专业选择（限于篇幅，故不在此处对检验结果予以列示），最终利用双边固定效应对回归结果进行综合测度。表8 是生产性服务业投入内部各变量投入水平对制造业全球价值链位势的面板数据模型最终测算结果。不难发现，表8 与上述表5 的回归结果基本趋于一致，仅控制变量中技术水平在生产性服务业投入对制造业全球价值链位势的显著性影响有所差异。

表8 生产性服务业投入中各维度对制造业全球价值链位势的影响

刘云霞、赵昱焜(2021)[28]认为一阶差分模型的测算结果在准确度层面要优于固定效应模型的估算结果，影响生产性服务业投入水平未预测到的重要因素（如低于平均投入水平的因素）可能呈现缓慢发展趋势。据此，采用一阶差分法进行系统性检验。在一阶差分法测算模型中可以发现，检验“面板数据一阶自相关”过程中的F 统计数值均未拒绝“缺少一阶自相关”的原始假设。表9 重点利用一阶差分法测算的生产性服务业投入对制造业全球价值链位势影响程度的回归检验结果。相较于表8，一阶差分法的回归测算结果虽与面板数据模型的测算结果存在细微差异，但整体结果极为相似，这充分表明本次实证研究结果具备显著真实性、专业性、全面性特征。

表9 生产性服务业投入中各变量对制造业全球价值链位势的影响

综合上述引力模型与面板数据模型的回归测算结果，可以发现大多情况下生产性服务业投入水平提高对制造业全球价值链位势提升具有显著推动作用。其中，运输业投入、信息业投入、金融业投入均对生产性服务业投入发展产生正向影响，有助于提升制造业全球价值链位势。

四、结论与建议

文章基于省级面板数据，实证检验生产性服务业投入与制造业全球价值链位势的作用关系及其异质性影响。结果表明：一是，研究期内中国生产性服务业投入不断加大，可显著促进制造业全球价值链位势攀升；二是，按生产性服务业投入类型划分，金融业投入对制造业全球价值链位势的促进作用最为显著，运输业投入次之，信息业投入的影响效应相对较低；三是，从制造业全球价值链位势来看，生产性服务业投入对中技术制造业全球价值链位势具有正向促进作用，而对低技术与高技术制造业全球价值链位势存在负向影响；四是，资本密集程度、企业存续年限、技术水平以及劳动生产效率均可正向促进制造业全球价值链位势提升。

据此，文章提出如下建议以提高生产性服务业投入、推动制造业全球价值链位势攀升。

第一，打造示范发展先行区，推动生产性服务业高质量发展。上文研究指出，生产性服务业投入对制造业全球价值链位势具有正向驱动效应。为此，相关部门应以加大投入力度为根本，通过打造示范发展先行区，推动生产性服务业高质量发展，为提升制造业全球价值链位势夯实基础。一方面，建设产业合作示范园区。政府部门与相关企业可搭建跨区域信息交互平台，通过组建科技成果转化联盟、深化产业链引资合作，打造多式联运发展格局，协同建设产业示范园区，为推动生产性服务业高质量发展、提升制造业价值链位势有效赋能。另一方面，建设产业创新示范中心。地方政府可立足现代信息技术在生产性服务业领域的智能化场景应用现状，从产业发展、体制改革、数据治理、要素保障等维度打造开放式创新示范中心，推进生产性服务业智能化转型进程，进而提升制造业全球价值链位势。

第二，深化高技术制造业改革，增强制造业产业韧性。根据既有结论来看，生产性服务业投入对制造业全球价值链位势的影响效应存在行业异质性，对高技术制造业的作用关系为负。这说明中国高技术制造业仍旧存在显著发展短板，尚未切实突破关键核心技术壁垒，使得生产性服务业投入作用难以全面发挥。有鉴于此，中国应加快推进高技术制造业建设，通过推动制造业转型升级、扩大发展规模与推进供给侧改革，增强制造业产业韧性，全面释放生产性服务业投入对制造业全球价值链位势的驱动效应。首先，政府部门可基于制造强国战略，推进高技术制造业与生产性服务业协同发展，以提高产业升级能力为宗旨增强高技术制造业抗冲击能力，为提升制造业全球价值链位势赋能。其次，相关企业可依托制造大国体量优势，着力优化制造业体系，通过扩大高技术制造业规模增强其抗压能力，驱动制造业全球价值链位势提升。最后，行业组织应立足高技术制造业低端锁定现状，致力于推动产业供给侧结构性改革，以调整外资引进方式、扩大市场需求为基础提高制造业产业发展韧性，进而提升制造业全球价值链位势。

第三，加强信息技术应用水平，变革产业技术范式。前文述及，技术水平可显著促进制造业全球价值链位势提升。因此，各地区可基于产业链集群战略布局、高层次科技人才引进战略，加强信息技术应用水平，通过推动技术范式变革，驱动制造业全球价值链位势升级。一方面，丰富现有技术范式要素。生产性服务企业可立足现有技术范式，从制造业发展“风口”情况、技术范式演变规律、产业发展诉求等角度出发，丰富生产、保护带等技术范式要素，通过强化信息技术应用能力，推动制造业全球价值链位势攀升。另一方面，创新技术范式要素。生产性服务企业应充分发挥现有颠覆性技术成果优势，以突破原创性、颠覆性技术领域为主旨，加大物联网、智能机器人、3D 打印等技术范式要素创新力度，厚植信息技术应用优势，赋能制造业全球价值链位势提升。