数字经济赋能城市效率:作用机制及经验证据

赵永平,刘 轰

(兰州财经大学 经济学院,甘肃 兰州 730020)

一、引言与文献综述

在新一轮科技革命和产业变革中,数字经济逐步渗透于经济社会和产业发展的各领域,成为促进城市经济高质量发展的新动力源。在发达国家,数字经济通过推动可持续发展[1]、提升企业利润[2]等途径影响经济发展质量;在发展中国家,数字经济通过提高资本和劳动生产率、降低交易成本,实现经济增长[3]。《数字中国发展报告2020》数据显示,我国5G、区块链、人工智能等领域的专利申请数量居世界首位,数字经济核心产业增加值占GDP的7.8%,大数据产业规模从2016年的0.34万亿元增加到2020年的1万亿元以上。不断创新的数字技术、数字模式及数字业态,不仅对传统生产要素进行价值重塑,而且生产效率的乘数效应会进一步放大。城市作为经济集聚的重要载体和生产效率高地,受数字经济发展的影响日益凸显,数字经济对城市效率的赋能效应究竟如何?作用机制又是什么?科学回答这些问题是本文的主要任务,对促进城市经济高质量发展具有重要的现实意义。

宏观层面上,数字经济对经济社会的影响广泛而深远。数字经济培育经济增长新动能,形成数字文明新形态,促进经济体系现代化,有机衔接中国式现代化转型[4],同时,布局数字基础设施建设、提升数字技术原创能力及推动数字贸易合作发展也成为我国数字经济高质量发展的路径选择[5]。也有研究侧重数字经济对产业的促进效应。数字经济与实体经济融合使得传统生产要素数据可视化,具备了无限复制的技术特性[6],在生产场景中易发挥协同效应,提高劳动、资本和技术等生产要素效率[7],创造价值倍增效应[8],推动经济高质量发展[9]。裘莹等发现数字基础设施为产业提供技术支撑,数据要素提升产业抗风险能力,数字技术实现产业绿色化和智能化转型,数字治理降低产业间交易成本,企业数字化转型提供产业驱动力,从而构建安全完善的产业保障体系[10]。此外,一些学者聚焦数字经济对居民收入不平等[11]、就业信息[12]、农民工就业质量[13]、企业所得税[14]和居民消费[15]的影响效应研究;周彦霞等研究发现数字经济贸易自由化通过知识产权自由化和数字设施连接自由化影响数字经济[16];汪文璞和徐蔼婷发现数字经济促进人才集聚,缓解融资约束,优化区域营商环境[17];朱洁西和李俊江研究认为数字经济能推动企业创新效率提升进而影响城市绿色经济效率[18]。

关于城市效率的影响研究,学者们已经关注到经济发展水平、城市规模、人口规模、产业结构、政府干预、外商投资、营商环境和环境规制等影响因素。钟业喜等通过建立城市效率-经济增长匹配模型探究城市效率与经济增长的耦合协调性[19];贺斌等利用夜间灯光数据研究发现城市规模与城市效率的耦合协调均值为0.607,处于中度协调阶段[20],二者存在倒“U”型关系[21];高健发现人口规模对城市效率提升起决定性作用[22],陈旭和秦蒙认为人口规模扩张改善企业生产效率[23];卫平和余奕杉发现产业合理化促进城市效率提升,产业高级化对城市效率存在门槛值[24];白洁和夏克郁发现政府干预和外商投资对城市效率改善具有促进作用[25],外商投资影响系数为0.377[26];张乃丽和马荣国研究发现营商环境优化对制造业企业高质量发展具有明显的促进作用[27];牛志伟等也认为营商环境优化使得制造业企业劳动生产率显著提升[28];杜运周等发现优化市场环境和提升人力资本对城市高全要素生产率发挥普适作用[29];钟茂初和尚秀丽发现环境规制对城市工业效率存在倒“U”型影响[30]。此外,田光辉等发现城市绿色效率发展水平总体不高,区域效率呈现差异性[31];油建盛等发现京津冀城市群效率先后经历“震荡期”和“提升期”,城市效率存在明显的“马太效应”[32];张凌洁和马立平分析了数字经济对全要素生产率的影响效应和产业结构升级在两者间的中介效应[33]。

综上所述,现有文献揭示了数字经济的社会效应和影响城市效率的相关因素,但大多数文献侧重于对数字经济或城市效率的单方面分析,鲜有涉及数字经济赋能城市效率的影响效应探究。基于此,本文在第二部分分别论述数字经济对城市效率的直接效应和产业转型升级在数字经济与城市效率间的间接效应,并在第四、五部分实证检验数字经济对城市效率的直接效应和间接效应。

本文可能的边际贡献主要有:一是突破传统城市效率的研究范式,在地级市层面探究数字经济对城市效率的赋能效应,并进一步考察数字经济对城市效率的非线性影响效应,丰富城市效率相关因素研究。二是从产业合理化和产业高级化两个维度衡量产业转型升级,探寻数字经济影响城市效率的作用机制,构建“数字经济-产业转型升级-城市效率”的传导路径。三是基于城市效率的分解指标探讨数字经济促进城市效率提升过程中产业转型升级出现遮掩效应的主要原因,以期能为提升数字经济对城市效率的赋能效应提供参考。

二、数字经济对城市效率的影响机制分析

1.数字经济对城市效率的直接效应

面对城市资源枯竭和“人口红利”转向“人才红利”的双重现实困境,传统经济增长模式发展受阻,以数据为新要素、数字技术为驱动力的数字经济为城市经济高质量发展提供新选择。数字经济具有破除市场流动性壁垒、减少资源错配、防止市场扭曲和优化要素投入比例等特点[34],有利于提高市场资源配置效率、降低企业生产成本、推动技术创新和激发消费者消费潜能,进而促进城市效率提升。数字经济促进城市效率提升主要体现在四个方面:第一,提高资源配置效率。数字经济重构传统生产要素供给体系,高效整合社会闲置资源[35],增加要素间协调性,拓展生产可能性边界,并通过资源的再配置效应缓解要素供需矛盾[36],实现对传统生产要素的赋能。第二,降低经济活动成本。数字经济提供的高效信息交流工具突破时空限制,扩大市场信息传播范围,有效缓解信息不对称局面,从而提升市场透明度[37];同时数字经济变革企业经营架构,将企业生产和资源消耗等数据可视化,降低企业内外部经济活动成本。第三,推动技术创新。数字技术消除企业间信息壁垒,加强企业间联合协作,通过市场竞争机制激发企业技术创新动力[38],提高城市创新效率;同时数字技术通过重塑产业创新体系,推动产业链上下游企业数字化改革,促使产业协同发展[39]。第四,适应居民消费行为。随着居民消费逐渐趋向多元化和个性化,数字经济通过人工智能和数字技术分析匹配消费者偏好,精准定位消费需求,涌现出数字经济新业态新模式[40],从而推进供给侧改革,拉动城市效率提升。此外,数字金融通过拓宽金融机构融资渠道、降低金融交易成本、金融服务精准化和强化市场监督职能提高区域全要素生产率[41];数字经济通过数字平台提供丰富的教育资源,促进人力资本积累[42]。基于上述分析,本文提出假说1:

H1:数字经济可以促进城市效率提升。

2.产业转型升级在数字经济与城市效率间的间接效应

数字经济通过数据要素在全产业的资源共享,增强产业间网络协同和提高产业间技术效率,增加企业产品附加值,促进产业向知识型、技术型等产业高级化方向迈进,进而赋能城市效率。其中,数字产业化通过数据赋能、技术成果转化等为城市发展提供技术、产品和解决方案,产业数字化通过技术改造传统产业,促进产业转型升级。

数字经济通过降低交易成本[43]、促进技术创新[44]、加强产业关联[45]等途径调整产业合理程度,进而促进城市效率提升。一方面,数字经济可以将数据信息延伸至新型数字基础设施,实现数据信息的高效互通,不仅克服了传统生产模式的地理距离约束,而且降低了生产主体的长期平均成本,有助于企业实现规模经济和范围经济,提升资源配置效率。另一方面,数字经济连接着海量的数据库和数据技术设备,通过对不同生产要素植入差异化的传感设备,收集实时感知数据[46],依托数据平台末端进行挖掘和深度处理,对传统生产要素进行多方远程协同虚拟,有利于产业智能化、系统化、协同化发展。其中,数字产业化形成数字新业态,全产业广泛应用数字技术,从而推动产业结构从劳动密集型向技术密集型转变;产业数字化打通产业链数据通道,通过知识溢出和产业集聚效应实现产业链数据资源共享[47],推动产业链上下游企业数字化改造,优化企业生产流程,促进企业协同发展。数字经济构建天然的网络信息系统[48],通过知识的空间溢出效应[49]、企业研发协同的波及效应和链式创新反应推进产业高级化[50],为城市效率提升创造条件。数字经济具有推陈出新、协同演进的新特点,不仅存在自身技术的更新迭代,而且可以通过空间溢出效应提升邻近城市的技术水平。一方面,数字经济可以显著降低企业新兴技术壁垒,大幅提升信息获取的完备性,提高研发效率,促进企业间的研发协同,为核心技术攻关及集群性技术突破提供了便利条件。另一方面,数字经济充分运用先进的智能算法为三次产业提供技术支持,并不断强化人的学习能力。其中数字产业化通过数字虚拟实验室降低研发设计成本;通过计算机集成制造系统、信息流和物流数据提高生产流通效率;通过数字平台挖掘消费数据,精准定位市场需求,提高产品销售量。产业数字化通过数据资源跨界整合并逐渐向一二三产渗透,为其提供数据资源和技术支撑,提高传统产业的数据交换和融合能力,拓宽产业服务范围。基于上述分析,本文提出假说2:

H2:数字经济通过推动产业转型升级协同推进数字产业化和产业数字化赋能城市效率。

三、模型设计

1.模型设计

为验证数字经济对城市效率的影响效应,构建如下基准回归模型:

(1)

其中:被解释变量TFPi,t为城市i在t时期的全要素生产率;解释变量Digi,t为城市i在t时期的数字经济水平;Zi,t为影响全要素生产率的城市层面控制变量;μi表示城市i的个体固定效应;εi,t表示随机扰动项。

产业转型升级是数字经济促进城市效率提升的中介变量。本文借鉴温忠麟等的中介效应估计方法[51],构建如下计量模型:

(2)

(3)

(4)

(5)

(6)

2.变量测度与说明

(1)被解释变量 城市效率(TFP)。本文采用全要素增长率来衡量TFP[52],并选用随机前沿模型(SFA)对城市效率进行测算,放松了数据包络分析法(DEA)的严苛假设,并在一定程度上克服了内生性问题,其生产函数可表示为:

lnYi,t=β0+β1lnKi,t+β2lnLi,t+β3ln Li,t×lnKi,t+

β4t×lnKi,t+β5t×lnLi,t+β6(lnKi,t)2+β7(lnLi,t)2+β8t+β9t2+vi,t-ui,t

(7)

ui,t=uiexp[-η(t-T)]

(8)

(9)

当仅考虑资本和劳动这两种生产要素时,随机前沿模型通常会选择柯布-道格拉斯(C-D)生产函数,虽然C-D生产函数具有直接的经济意义,但其技术中性和产出弹性固定为1的假设并不符合现实生产。为此,本文对随机前沿模型中投入要素的二次项及交叉乘积项进行联合检验[56],其检验结果见表1所列。β1～β9大部分通过显著性检验,总体方差δ2、无效率项μ和γ统计结果均在1%水平上显著,生产函数中要素的二次项和交叉乘积项是显著的,传统的C-D生产函数模型被拒绝。因此,城市效率公式计算如下:

(10)

(11)

SEi,t=(RTS-1)(λKK+λLL)

(12)

TFPi,t=TEi,t+TCi,t+SEi,t

(13)

表1 SFA模型的估计系数及显著性检验

(2)解释变量 数字经济(Dig)。为更加合理地测度各城市的数字经济发展水平,本文借鉴赵涛等的研究成果[58],添加固定电话用户数这一指标。移动通信技术是影响经济增长的变量,是经济活动蓬勃发展的必要条件[59],因此本文将该指标纳入指标体系,具体见表2所列。此外,中国数字普惠金融指数由北京大学数字金融研究中心编制[60],包括覆盖广度、使用深度及数字化程度。通过熵权法测度数字经济发展水平。

表2 数字经济发展水平指标体系

(3)中介变量 产业合理化和产业高级化是产业转型升级的重要指标,本文将从这两个维度展开研究。

产业合理化(RS)是衡量地区产业间的聚合质量,反映产业间的结构转换能力和资源利用效度,泰勒指数的倒数是学者广泛使用的指标[61],计算公式如下:

(14)

其中:i代表城市产业;n代表城市产业部门数;L和Y分别代表城市从业人数和城市生产产值。RS值越大,城市三大产业聚合质量越高,产业部门生产率越趋同,经济越接近于均衡状态。

产业高级化(OS)是对产业结构服务化程度的一种度量。大多数研究都以克拉克定理为理论基础,采用非农产值的比重来衡量产业高级化。本文采用第三产业产值与第二产业产值的比值作为产业结构高级化的度量[62],计算公式如下:

(15)

其中:OS表示产业结构高级化程度;Y3表示第三产业产值;Y2表示第二产业产值。OS越大,说明产业结构服务化程度越高。

(4)控制变量 市场化水平(Market),借鉴樊纲市场化各指标[63],结合各地级市的相关数据测算;对外开放水平(Infdi),用外商当年实际投资额的对数表示;城市环境状况(Pergreen),采用人均绿地面积表示;政府干预(Goverment),用政府财政支出占GDP的比重表示;经济发展水平(Pergdp),用人均GDP表示;金融发展水平(Fin),用年末金融机构各项存贷款余额占地区生产总值的比重表示。

3.数据来源与变量描述性统计

本文选取2010-2019年283个地级市面板数据(剔除数据不完整的城市样本,且针对缺失数据采用线性插值平滑过渡),数据来源于历年《中国城市统计年鉴》、地级市各年度国民经济和社会发展统计公报。变量描述性统计见表3所列。

表3 主要变量描述性统计

四、实证结果分析

1.基准回归分析

为防止面板数据存在单位根而导致结果出现伪回归,本文对主要变量进行平稳性检验,各变量均在1%的显著水平上通过IPS、HT检验,拒绝存在面板单位根的原假设。Hausman和稳健的Hausman检验均拒绝原假设,选择固定效应模型。

根据前文设定的基准模型,本文除对数字经济与城市效率之间的关系进行OLS回归外,还加入随机效应和空间杜宾模型进行分析,增强结果的稳健性,结果见表4所列。列(1)为OLS方法,列(2)～(3)分别为固定效应和随机效应,列(4)～(6)分别嵌套了邻接、物理距离、经济距离等空间权重矩阵的杜宾模型。

表4 基准回归估计结果

表4列(1)的结果显示,数字经济对城市效率存在显著的正向促进作用,统计结果在1%水平下通过显著性检验,且数字经济每提高一个单位,城市效率提升0.4%。表4列(2)～(3)是采用固定效应和随机效应后的检验结果,表4列(4)～(6)为空间杜宾回归结果,不难发现,数字经济对城市效率的促进作用稳健且显著,假说1得到验证。从控制变量的回归结果来看,市场化水平越高,越有助于城市效率提升。城市环境状况对城市效率具有显著的促进作用,这是由于企业选址时会重点考虑城市环境,并且“90后”逐渐成为社会劳动主力,选择城市作为个人的发展起点时,也更加侧重于城市的生活环境,因此城市环境状况成为吸引高科技企业和人才的重要衡量标准之一。政府干预在本文分析中出现不一致的结果,也符合学者对政府干预褒贬不一的评价[64-65],一个有为、有效的政府可以明显促进城市效率提升,但若政府干预过度,反而会导致城市效率低下。

2.分位数回归分析

基准回归结果主要从均值角度刻画数字经济对城市效率的影响效应。事实上,数字经济对城市效率的影响可能具有非线性特征。为准确刻画数字经济对城市效率提升的条件信息分布,本文在0.2、0.4、0.6、0.8分位点上分别构造数字经济对城市效率影响的分位数方程,回归结果见表5所列。研究显示,数字经济的拟合值显著为正,表明数字经济对城市效率在各分位点数都有显著的促进作用,且数字经济拟合值随着分位点数的提高而呈现上升趋势,说明数字经济对生产效率高的城市促进作用更为强烈。

表5 数字经济影响城市效率的分位数回归结果

3.稳健性检验和内生性处理

为保证研究结论的稳健性,本文选用两种方式进行稳健性检验。一是采用地区生产总值的对数(ln GDP)替换被解释变量。全要素生产率反映了经济增长中的劳动生产率、资本效率和组织效率等信息,同时也包括资源粗放型扩张、资本设备更新和技术模仿等信息,地区生产总值在一定程度上可以有效反映上述信息。因此,本文借鉴张杰和郑姣姣的研究[66],采用城市层面的地区生产总值(GDP)对数衡量。二是采用放松自变量的方法,使用单一维度的计算机服务和软件从业人员数指标并剔除直辖市样本数据来进行估计。计算机服务和软件从业人员数在一定程度上反映了数字经济发展水平;剔除直辖市样本数据,排除特殊地区对研究结论的影响。稳健性回归结果见表6列(1)～(3),数字经济的参数拟合值均显著为正,表明数字经济对城市效率存在促进作用,验证本文结论的稳健性。

数字经济发达的城市往往会引起城市效率的倍增效应,城市效率高的城市也积极推动数字经济发展,可见,数字经济与城市效率存在双向因果关系,从而引发内生性问题。根据常规做法,本文将数字经济滞后一期作为工具变量对模型进行估计,消除内生性可能产生的影响。回归结果见表6列(4),数字经济对城市效率的促进作用依然显著。此外,LM统计值显著拒绝“工具变量识别不足”的原假设,WaldF统计值高于弱识别检验10%水平上的临界值。以上检验说明本文数字经济对城市效率促进作用估计结果的稳健性和可靠性。

表6 稳健性检验估计结果

五、作用机制分析

1.中介效应检验

理论机制分析认为,数字经济通过产业合理化和产业高级化路径,赋能城市效率提升。因此运用模型(2)～(6)检验中介效应的作用机制,检验结果见表7所列。

表7 中介效应检验结果

表7的列(1)回归结果显示,数字经济对城市效率的影响效应显著为正,与本文理论机制分析中数字经济对城市效率促进作用的预期结果一致。本文从产业合理化和产业高级化两方面检验数字经济对城市效率的赋能效应。表7列(2)回归结果显示,虽然数字经济降低了产业结构的偏离程度,但并没有通过10%的显著水平检验,表明数字经济对产业合理化的赋能效应尚未显现。表7列(3)回归结果显示,数字经济对产业高级化的参数拟合值显著为正,并通过5%显著水平检验,表明数字经济对产业高级化具有显著的正向推动作用。服务业在互联网、大数据、人工智能等数字技术渗透带来的业态创新、商业模式中享有较大的后发优势,数字经济通过赋能服务业,释放消费活力、拉动消费需求,进而促经济增长,因此数字经济对服务业创造的经济价值高于制造业。数字经济通过知识的空间溢出效应推动产业向知识型、技术型目标迈进,虽然数字经济对产业合理化的促进作用并不显著,但对产业转型升级的影响积极。

表7的列(4)和列(5)显示,在引入中介变量后,产业合理化和产业高级化在数字经济促进城市效率提升过程中显著为负,即产业转型升级在数字经济促进城市效率提升过程中存在遮掩效应,这与本文假说2并不一致。可能的原因是:一方面,我国数据资源丰富、数字基础硬件和通用软件服务体系基本形成,这为数字经济新业态新模式奠定坚实的物质基础,但多数数字经济新业态新模式属于服务业范畴,数字经济对服务业的赋能效应显著高于制造业,表7列(3)回归结果已验证这一点。另一方面,我国数字技术攻关、数据要素价值释放及数字产业集群等产业数字方面未形成相互关联、相互配套、相互拉动的数字产业体系,致使制造业数字化、农业数字化等技术应用仍然停留在浅滩阶段,产业协调能力较低;且数字资本的逐利性凸显,会流向社会边际报酬较高的领域,引发极化效应,压缩新兴产业的创新资源,抑制产业分工协作和研发协同[67],进一步削弱数字经济的赋能效应。总之,数字经济与产业融合程度较低、生产性服务业发展缓慢、产业数字化支撑体系不足等导致数字经济对制造业的赋能效应未达到预期结果。因此,初步判断,在数字经济对城市效率的赋能效应中,主要是数字产业化发挥了一定的正向效应,产业数字化反而未发挥应有的效力,呈现产业数字化发展水平较低的现象,产业数字化发展水平有待提高,这与胡甲滨等的研究结论基本吻合[68]。

2.基于城市效率分解指标的分析

通过中介效应检验发现,产业转型升级在数字经济促进城市效率提升过程中出现遮掩效应。在此,根据公式(10)～(12),本文对城市分解指标进行回归,进一步探析出现遮掩效应的原因,回归结果见表8所列。

表8的列(1)回归结果显示,数字经济对技术进步的拟合值显著为正,且统计结果在1%水平上显著,表明数字经济对技术进步具有显著的促进作用。延展性、广泛性的数据对数字信息网络平台形成倒逼机制,迫使数字技术平台日趋完善,数字经济借助数字云端对数字信息统筹调配,消除信息错位,且数字经济增加了技术进步中要素的可选择性,提升了要素的利用效率,进一步深化先进技术装备的开发与应用。表8列(2)回归结果显示,数字经济对技术效率的拟合值并不显著,表明数字经济对技术效率的促进作用还没有完全体现。目前,数据要素交易市场仍处在初步探索阶段,数字技术的产权保护制度不够完善,数字虚拟实验室尚未建成,生产要素的多样性组合增加了企业的沉没成本,高端装备制造业产业链不完整且关键技术装备、核心零部件受制于人等,这些原因降低了数字经济对技术效率的赋能效应。表8列(3)回归结果显示,数字经济对规模效率的拟合值显著为负,表明数字经济并不利于规模效率提升。由于数字经济与产业融合程度较低,传统产业依旧停留在现有的规模经济和范围经济,但数字经济已经对传统生产模式产生要素外流的影响,导致规模报酬递减。因此数字经济对规模效率的影响效应显著为负。

可见,数字经济主要是通过搭建数字信息网络平台促进技术进步,而机制检验中出现遮掩效应是由于规模效率显著为负、技术效率尚未显现等原因造成的。

表8 基于城市效率分解指标的分析

六、结论与对策建议

1.研究结论

本文利用2010-2019年283个城市面板数据,实证研究数字经济对城市效率的赋能效应和作用机制,通过中介效应模型检验数字经济对城市效率的赋能效应。研究结果发现:第一,数字经济显著地促进了城市效率的提升,通过稳健性检验和工具变量检验,该结论依然成立,数字经济在高分位点处对城市效率的促进作用优于低分位点;第二,中介效应表明,在数字经济促进城市效率提升过程中,产业转型升级对城市效率出现遮掩效应,表明数字经济对产业转型升级的赋能效应并未显现,产业数字化水平依然较低;第三,数字经济有助于技术进步,但其对技术效率促进作用尚未显现、规模效率显著为负成为产业转型升级出现遮掩效应的主要原因。

2.对策建议

第一,加快数字基础设施建设。持续优化数字经济基础设施建设,前瞻性布局数字技术设备,培育壮大数字经济公共服务平台;借助京津冀、长三角、珠三角、粤港澳大湾区及成渝经济圈等发达地区数字经济的空间溢出效应,积极推进中西部与发达地区的数字经济创新平台搭建,加快数字虚拟实验室建设;聚焦数字政府、能源数字改造、智能制造和数字农业等关键领域,推进机器视觉、机器学习等技术应用,拓展数字经济创新空间。

第二,持续瞄准“产业大脑+未来工厂”的城市目标。以数字资源为核心,以集成供应链、资金量、产业链及创新链的数字信息平台为载体,推进产业数字化和数字产业化进程,不断完善数字经济运行体系;培育未来工厂智能制造企业群体,积极推进企业信息系统数字化转型,提升规模效率和技术效率的赋能效应,实现数字经济和制造业的深度融合,推动经济社会高质量发展。

第三,完善数字生态体系。高标准建设数据资源系统,有序开放公共基础数据,聚焦数据清洗、聚合、分析等关键环节;探索数据业务共享和交换协作服务,提升数据应用能力,壮大数字经济服务产业;运用数字技术改造设计、生产、流通、销售等生产环节,满足市场个性化、定制化需求;通过数字场景应用建设推动数字前沿技术研发和成果转化,推进产业数字化模式和制度创新。

第四,积极推动企业数字化转型。支持头部企业在重点产业和产业集群率先试点,建立产业链数据库,引领带动产业链上下游企业数字化转型,普及数字化应用;政府通过事后政策补贴方式降低企业转型成本,为企业研发投入提供助力;推动产业链参与企业建立制造业数字平台,共享计算机集成制造系统解决方案;企业积极开发适应市场需求的集成系统,逐步推进产业变革。

第五,加快集聚数字高端人才。完善数字人才培养机制,鼓励各高校探索建立“数字科技+X”的人才培养模式,建立数字人才实训基地,培育一批科教结合、数产融合的复合型数字人才;加强从业人员数字技能培训,选派具备数字工程技术和应用技能的“数字工匠”开展挂职锻炼、交流任职等活动,发挥示范引领作用。