政府引导基金可提升数字产业创新效率吗？

张学超

（上海建桥学院，上海市 201306）

随着数字技术持续迭代升级，数字经济核心产业（以下简称“数字产业”）异军突起，逐渐成为带动经济增长的重要引擎[1]。党的二十大报告提出，“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。在国家政策引领下，我国数字产业发展取得较好成果，对经济社会发展的支撑作用日益凸显。国家知识产权局数据显示，截至2022年底，我国数字产业发明专利授权有效量为160.0万件，占我国发明专利有效总量的38.0%[2]。其中，量子信息、大数据、区块链等领域发明专利授权有效量领先全球，为活跃国内市场经济提供了扎实的技术支撑。但由于产业创新效率较低，数字产业发展仍面临核心技术创新不足、数字化转型不充分和低端产能过剩等诸多问题[3—4]，制约数字技术赋能价值的发挥。在此背景下，如何提升数字产业创新效率，已成为我国释放经济潜能、促进经济高质量发展的关键。

近年来，由政府出资设立并引导公共资本进入特定领域、以促进经济发展为目标的政府引导基金[5]，凭借资金成本较低的优势和杠杆效应获得快速发展。我国政府引导基金发展经历了三个时期，在各个时期的投资方向不同，均发挥了极为关键的作用。2002—2007年为初步探索期。政府主要在试点地区设置创业投资引导基金和科技型中小企业创业投资引导基金，通过注资、增信带动社会资金，消解试点地区中小企业投融资市场失灵困境。2008—2016年为规范发展期。政府从资金来源、投资领域与风险控制等方面规范引导基金的设立与运作，发挥“小出资、大杠杆”的优势，借助政府信用背书引导超过4 倍机构、民间、国外等社会资金参与风险投资，既拓展了创投资本来源，又大幅降低了科技型企业创新创业风险。2017年后是存量精耕细作期。政府引导基金的重点是存量基金的精耕细作，通过修改出资比例、返投比例等方式激活现有基金。截至2022 年，排名前20 位的省（自治区、直辖市）累计共有政府引导基金2 107 支，覆盖东中西部主要省份。其中，江苏、浙江、山东位居前三，分别是237 支、182 支与160 支，排名靠后的重庆、广西、内蒙古也达到33支、36支与43支[6]。进入数字化时代后，政府引导基金顺应时代发展需要，通过协调各方资源，引导高校及科研院所、头部企业共同参与，打造起共享、共建、共用、共创机制和数字化底座的市场化运营机制[7]，为数字产业创新发展带来重要契机。

理论上，政府引导基金作为实现经济高质量发展的新动能，在深入数字产业重点领域与薄弱环节过程中，能够提高资源配置水平、提升全要素生产率[8]，促进数字产业自动化与智能化，进而加快数字产业健康发展。那么，政府引导基金可否提升数字产业创新效率，其中的内在影响机制又如何，政府引导基金对数字产业创新效率的影响是否存在异质性？对这些问题的深入分析，不仅有利于发挥政府引导基金应有价值，而且能进一步提升数字产业创新效率，创新驱动经济高质量发展。

一、文献综述

目前，专门探讨政府引导基金对数字产业创新效率影响的文献究较少，但相关文献较丰富，且主要集中在三个方面。

（一）政府引导基金的内涵

政府引导基金作为国家社会保障基金的一部分，是政府专款用于特定目的的资金，现已扩展到创投类、产业类、政府与社会资本合作（Public-Private Partnership，PPP）类3 种基本模式[9]。政府引导基金设立之初主要用于解决创业投资市场失灵问题，是对资本供给端的干预[10]。目前，学术界对政府引导基金概念一直没有统一观点。一般认为，政府引导基金是政府立足市场运作机制、通过单独出资或与社会资本共同出资设立，为相关产业发展提供的专项政策性基金[11-13]。有研究从广义与狭义视角对政府引导基金概念进行了阐述。如李善民等[14]认为，狭义的政府引导基金指政府创业投资引导基金，广义的政府引导基金还涉及政府产业发展引导基金与政府基础设施建设引导基金。另外，也有研究从投资视角对政府引导基金概念进行分析。如许（Xu）等[15]认为，政府引导基金本质上是通过发挥政府资金低成本优势和杠杆效应，带动地方社会资本、支持地方重点产业发展的一种投资活动。

（二）政府引导基金的经济效应

迈入21 世纪之后，我国政府引导基金发展迅猛，数量和规模均呈现快速增加态势，推动了各地产业与经济社会稳健发展[16]。在此背景下，有学者开始尝试探讨政府引导基金的经济效应，主要从宏观经济和微观企业经济活动方面展开论证。在宏观经济层面，当前文献重点分析了政府引导基金对区域产业、全产业链、地区经济等方面影响。卡明（Cumming）等[17]认为，政府引导基金能够扶持所在区域重点产业发展，促进地方就业，增加税收，对经济发展具有长期战略意义。王江璐等[18]提出，政府引导基金在拉动经济增长、服务全产业链发展等方面发挥关键性作用。成程等[19]研究指出，政府引导基金显著提高本地经济水平、促进风险投资。在微观企业经济活动层面，主流研究着重关注政府引导基金对企业融资、经营、投资等的影响。冯冰等[20]发现，在为私人资本提供收益类补偿情况下，政府引导基金可为创业企业后续融资提供支持。宫义飞等[21]实证研究发现，政府引导基金有利于缓解企业融资困境，拓宽资本融资渠道。周育红等[22]研究证实，政府引导基金可通过实施让利激励或监管惩罚政策，影响创投机构投资策略和初创企业创新策略选择，使初创企业、创投机构和政府三方达到均衡状态。张慧雪等[23]认为，控制独立风险资本投资后，政府引导基金抑制了企业内涵式增长，显著降低企业经营绩效；而在创业投资落后地区，政府引导基金显著提高了企业经营绩效。

（三）数字产业创新

伴随数字经济快速发展，以数字技术为核心的数字产业创新已成为推动现代化产业体系建设的重要力量。为此，诸多研究就数字产业创新展开具体探讨。孙守迁等[24]研究指出，数字创意产业具有科技先进、绿色环保和跨界范围广等属性，对全面提升我国产业竞争力意义重大。张元庆等[25]认为，数字协同创新可通过促进相关企业数字化转型，在减小碳排放强度同时，提高当地经济发展质量。戚聿东等[26]强调，数字产业创新是驱动中国经济高质量发展的关键力量，而技术标准化在推进数字产业创新中发挥重要引领作用。科学准确评估数字产业创新水平是促进数字经济高质量发展的前提和基础，如何准确度量数字产业创新效率以评估数字产业发展状况极富挑战。现有研究普遍以战略性新兴产业、高技术产业为衡量指标并进行测度，间接考察数字产业创新效率。曾卓骐等[27]以营业收入增长额、营业收入、营业收入增长率作为技术成果转化阶段的创新产出指标，测算并比较战略新兴产业的创新效率，认为不同细分产业的创新效率存在异质性。程广斌等[28]利用Dagum基尼系数探索三大地区创新效率的差异，认为整体上我国高技术产业创新效率不断上升，但研发效率与转化效率明显不协调。

综上所述，现有研究就政府引导基金内涵、经济效应以及数字产业创新与产业创新效率等内容展开细致探讨，为本文分析提供了理论支撑，但仍存在较大拓展空间。第一，鲜有文献从效率视角考察政府引导基金对数字产业的影响，即未将政府引导基金与数字产业创新效率纳入同一框架。第二，少有文献针对政府引导基金对数字产业创新效率的影响机制、异质性展开论证。有鉴于此，本文基于创新投入与产出视角，探讨政府引导基金对数字产业创新效率的影响与作用机制，并以2008—2021年沪深A 股数字产业上市公司数据展开实证分析。研究结论不仅解释政府引导基金影响数字产业创新效率的具体路径，也为科学利用政府引导基金提升数字产业创新效率提供新视角。

二、理论分析与研究假设

政府引导基金作为一种直接且有效的公共财政工具，可通过降低外部创新风险、激发内部创新积极性与优化创新资源配置，提升数字产业创新效率。其一，降低外部创新风险。政府引导基金可通过权威、理性指导[29]，将外部资本合理引入数字产业内部，鼓励相关主体进行技术转让，引导技术承接方参与创新，共同分担创新风险，提高数字产业创新效率。在此过程中，政府引导基金可聚集社会资本共同参与数字产业创新活动，降低融资不足带来的创新风险。其二，激发内部创新积极性。理论上，数字产业创新活动具有公共产品属性，创新成果原创者无法完全控制创新外部利益[30]，创新参与者外部利益损失难以通过市场途径获得补偿，削弱内部创新积极性。政府引导基金可通过信号传递效应，为相关主体提供市场信息及相关资金补助[31]，增加额外创新收益，提升数字产业创新效率。其三，优化创新资源配置。政府引导基金可通过优化创新资本与创新技术等要素配置，提高数字产业创新效率。从创新资本视角而言，政府引导基金利用政策导向，将创投机构引入数字产业活动，为数字产业参与者提供充足资金，提高创新资金靶向性，为数字产业创新效率提升奠定金融基础。就创新技术而言，政府引导基金注入数字产业创新各个环节，可为数字产业参与者提供技术研发所需资金，激发相关主体技术创新积极性，进而提高数字产业创新效率。由此，提出如下研究假设：

H1：政府引导基金有利于提高数字产业创新效率。

政府引导基金既能够通过降低外部风险、激发内部创新积极性与优化资源配置效应直接作用于数字产业创新效率，亦可以发挥融资约束缓解效应，间接影响数字产业创新效率。一方面，政府引导基金本身具备良好认证与声誉特征，并凭借信号传递效应为致力于长远发展数字产业的投融资项目提供担保，降低数字产业信息搜集成本，缓解融资约束[32]，使数字产业参与者将资金集中于研发环节，提升数字产业创新效率。另一方面，政府引导基金具有政策导向属性，可通过差异化经济补偿与激励举措[33]降低数字产业面临的信贷资金成本，扩大数字产业参与者融资规模，提高金融机构对数字产业还款履约能力的信任，降低数字产业贷款成本。数字产业参与者可利用充足的外部资本优化内部创新环境与创新流程，从而提升整体创新效率。综合来说，政府引导基金是一种具备适度利益让渡或收益补偿性质的金融工具[34]，其落地应用可以分散数字产业参与者投资风险，缓解数字产业参与者融资约束，提高整体创新效率。鉴于此，提出如下研究假设：

H2：政府引导基金可通过发挥融资约束缓解效应提高数字产业创新效率。

三、研究设计

（一）数据来源

选取2008—2021年沪深A股数字产业上市公司发布的专利申请信息、财务数据、行业与城市特征数据，进行匹配与筛选。以2008 年作为研究起始年份的主要原因在于，该年是我国政府引导基金在全国不同城市落实的时间。政府引导基金数据主要来自清科研究中心的私募通，部分来自万得（Wind）经济数据库。行业层面（数字产业）数据源于中国专利统计年鉴、中国开放数据库（CnOpenData）。在具体研究过程中，需要对企业特征与城市特征数据、行业与企业数据进行匹配，进行如下筛选：删除当年上市公司样本；去掉被ST、PT 的上市公司；删除无法通过插值法、平均值法弥补数据空缺的研究样本；对连续变量在1%分位处进行缩尾处理。最终获得18 960个观测样本。

（二）模型构建与变量定义

1.模型构建

为实证分析政府引导基金对数字产业创新效率的影响，构建如下基准回归模型：

其中，i、t分别代表数字企业与年份，innov为被解释变量数字产业创新效率，gov为核心解释变量政府引导基金，X为系列控制变量，β0为常数项，β1至βn为各变量待估系数，industry与year分别指行业效应与年度效应，ε为随机误差项。

为探讨融资约束在政府引导基金与数字产业创新效率中的中介作用，构建如下中介模型：

其中，KZ为融资约束，χ、φ均代表各变量待估系数。其中，模型（1）中系数β1显著是中介效应成立的前提，模型（2）中系数χ1显著意味着政府引导基金对融资约束作用显著。如上述研究结论成立，将融资约束（KZ）代入回归模型（3）分析。此时，若φ1不显著，φ2显著，表明政府引导基金对数字产业创新效率的部分或全部影响来自融资约束；若φ2不显著，即证明中介效应存在。中介效应大小为χ1×φ2，中介效应占总效应的比重为（χ1×φ2）/φ1。

2.变量定义

被解释变量：数字产业创新效率（innov）。借鉴已有研究[35]，从创新投入与创新产出两方面构建数字产业创新效率评价指标体系。

其一，创新投入层。研发创新活动投入通常涉及人员与资金。人员投入是确保数字产业可持续发展的重要保障，以研发人员全时当量衡量，即通过将全时工作人员与非全时工作人员工作量按全时进行折算和加总获得。研发活动资金是数字产业创新活动的有效支撑，一般包括科研项目直接费用、配套管理服务费等间接费用。考虑到科研资金投入创新产出通常存在滞后性，本文采用研发经费内部支出存量衡量资金投入。在计算过程中，选用杨林涛等[36]的永续盘存法，将研发经费内部支出转化为资本存量进行计算，公式为：

其中，λ指经费折旧率，以学术界通常做法将其设为15%，σi，t-1表征t-1 年折现后的经费投入，ki，t-1为t-1 年的研发经费内部支出存量。其中，研发经费内部支出存量初期值计算公式为：

其中，ν为研发经费内部增长率，研发经费指数计算公式为：固定资产投资总数×46%+居民消费价格指数×54%[37]。

其二，创新产出层。数字产业创新过程分为两个阶段：第一阶段为单纯产出知识与技术等的阶段，其产出以企业专利申请数量表征；第二阶段是知识与技术转换为新产品或被赋予市场价值阶段，其产出以新产品销售收入表征。最后，以数字产业创新产出与数字产业创新投入之比测算数字产业创新效率，具体形式如下：

其中，applyit指数字企业i在t年的创新产出水平，rdit为数字企业i在t年的创新投入水平。

核心解释变量：政府引导基金（gov）。以数字企业是否受政府引导基金投资保障作为衡量标准，构建反映政府引导基金政策效果的核心解释变量。若gov=1，表明数字企业i在t年获得政府引导基金支持；若gov=0，表示数字企业i在t年未获得政府引导基金支持。

中介变量：融资约束（KZ）。现阶段，部分学者以内部现金流[38]与现金持有量[39]表征数字企业融资约束。然而，鉴于实体项目投资周期长，加之数字企业展开实体投资需将大量资源优先配置，若缺乏足够现金流支持，数字企业的机会成本将大幅提升。因此，企业受融资约束程度越高，外部融资的难度越大。为追求资金安全性，数字企业会加大投资力度。借鉴王洪亮等[40]的做法，选取企业投资支出率（即企业为提高经济效益而进行的研发投资、股权投资等资本性支出水平）作为融资约束的代理变量。

控制变量：为提高回归结果准确率，需要引入可能对数字产业创新效率产生影响的其他变量。参照产业创新相关研究[41-42]，从宏观层面、中观层面及微观层面选取控制变量，包括经济发展水平（gdp）、研发人员投入（fdi）、城镇化水平（city）以及数字企业特征变量（资产负债率、年限、规模、现金持有），同时控制行业及年度效应。上述变量符号及其计算方法如表1所示。

表1 控制变量及其计算方法

四、实证结果分析

（一）描述性统计

为明确各变量基本特征及样本数据变化趋势，对各变量展开描述性特征统计（见表2）。其中，数字产业创新效率（innov）的最大值为2.106，最小值是0.191，平均值为0.936，说明数字产业创新水平总体较低，数字产业之间创新水平差距明显。政府引导基金（gov）平均值为0.459，标准差为0.642，意味着全国各地区政府引导基金政策落实情况存在较大差异性。在中介变量层面，融资约束（KZ）标准差为0.736，表明数字产业之间融资约束程度有差异。此外，各控制变量的最大值、最小值亦呈现较大差异。

表2 变量描述性特征统计结果

（二）基准回归结果分析

借助Stata 软件展开基准回归分析。在此之前，先进行豪斯曼（Hausman）检验，结果显示P值低于0.05，故将实证模型确定为固定效应模型。政府引导基金对数字产业创新效率影响的基准回归结果如表3 所示。其中，政府引导基金（gov）对数字产业创新效率的影响通过1%水平的显著性检验，估计系数为0.021。从经济学意义来看，政府引导基金每提升1个百分点，数字产业创新效率相应提升0.021%，H1 得证。其原因是，政府通过组建专业化管理团队将辖区内政府引导基金纳入管理系统，完善数字资源配置。数字产业参与者可借助集中投资资金，降低信息不对称程度，提高整体创新效率。

表3 基准回归估计结果

控制变量估计结果显示，除资产负债率（lev）的估计系数显著为负外，经济发展水平（gdp）、研发人员投入（fdi）、城镇化水平（city）、企业年限（age）、企业规模（size）与现金持有（cla）的系数显著为正，说明仅资产负债率对数字产业创新效率产生明显负向作用。可能原因是，数字产业资产负债水平较高时，缺乏用于创新活动的资金，难以优化创新环节，将抑制创新效率提升。

（三）中介效应检验

表4结果表明，融资约束（KZ）对政府引导基金（gov）影响数字产业创新效率（innov）的中介效应成立。其中，政府引导基金（gov）对融资约束（KZ）的估计系数为-0.132，且在1%水平上显著，表明政府引导基金有利于缓解融资约束；融资约束（KZ）影响数字产业创新效率（innov）的估计系数为-0.084，且在1%水平上显著，说明融资约束的作用路径成立，H2得证。此外，为进一步提高中介效应检验的可靠性，同时展开索贝尔（Sobel）检验，结果显示P值在5%水平上显著。这一结果支持融资约束的作用路径，且融资约束的中介效应在总效应中占比50.4%（计算方式为：-0.132×（-0.084）/0.022）。

表4 融资约束的中介效应检验结果

（四）异质性检验

1.城市异质性

前面已证明，政府引导基金政策越好，越有利于提升数字产业创新效率。但不同城市数字基础、交通条件、金融发展水平、对外贸易环境均有所区别，导致城市之间数字产业发展所需的财政支持、技术环境、资源禀赋等有所差异。鉴于此，对企业注册地所在城市进行划分，从城市异质性视角探究这一问题①。具体结果如表5 列（1）、列（2）所示。其中，列（1）为政府引导基金（gov）对等级较高城市数字产业创新效率的影响结果，估计系数为-0.125，且在5%水平上显著，表明政府引导基金抑制等级较高城市数字产业创新效率的提升。可能原因在于，政府引导基金过度干预会对数字产业创新活动产生较大干扰，抑制数字产业创新效率水平提升。列（2）为政府引导基金（gov）对等级较低城市数字产业创新效率影响结果，估计系数为0.855，且在5%水平上显著，说明政府引导基金显著促进等级较低城市数字产业创新效率提升。究其细因，处于低发展水平城市的数字产业亟须借助外部融资提高市场核心竞争优势，而政府引导基金恰为这部分城市数字产业提供充足外部资金，为其创新活动奠定资金基础，助力数字产业创新效率提升。

表5 异质性检验回归结果

2.行业异质性

依据国家统计局《数字经济及其核心产业统计分类（2021）》，将数字产业划分为电信、广播电视和卫星传输服务业，互联网相关服务业，软件开发及信息技术服务业三大类。在选取过程中，考虑到前两类数字企业数量较少，本文将二者融合为传媒服务业，并将软件开发及信息技术服务业划归另一组，由此检验行业异质性。估计结果如表5 列（3）、列（4）所示。检验结果发现，在软件开发及信息技术服务业中，政府引导基金（gov）对数字产业创新效率（innov）的影响在1%水平上显著，估计系数为0.357；在传媒服务业中，政府引导基金（gov）的估计系数为0.136，且在1%水平上显著。由此可知，政府引导基金对软件开发及信息技术服务业、传媒服务业的数字产业创新效率均产生正向影响，但对前者的影响作用明显强于后者。产生这一现象的可能原因在于，与传媒服务类企业相比，软件开发及信息技术服务类企业对政府引导基金的吸收能力更强。在政府引导基金扶持下，软件开发及信息技术服务类企业可更好地展开创新活动，并借助外部资金对各环节进行优化，从而推动数字产业创新效率提升。

3.生命周期异质性

数字产业创新发展经历从驶入蓝海、扩大规模、快速成长，到稳健发展、多元扩张，再到创新突破、焕发新生的整个阶段。在每个阶段，政府引导基金对数字产业创新效率产生何种影响？为阐释这一问题，借鉴现有研究[43]，以现金流模式法划分数字企业生命周期，将全部样本划分为初创期、成长期与成熟期，分别进行回归检验。具体结果如表5列（5）至列（7）所示。从估计结果看，在初创期内政府引导基金（gov）的估计系数虽为正但不显著，表明此阶段政府引导基金对数字企业创新效率影响不明显。可能原因是，初创期是数字产业从孕育到付诸实践的时期，也是数字产品从构想到落地的爬升期。在此过程中，数字产业需要通过优化内部结构来提高创新效率，而对政府引导资金的需求较低。在成长期内，政府引导基金（gov）对数字产业创新效率（innov）的估计系数为0.125，且在5%水平上显著，意味着政府引导基金对成长期数字企业创新效率提升具有明显促进作用。可能原因是，处于成长期的数字企业亟须借助外部融资提高市场核心竞争优势，而政府引导基金恰为成长期数字企业提供充足外部资金，为其创新活动奠定资金基础，助力数字产业创新效率提升。在成熟期内，政府引导基金（gov）估计系数为-0.855，且在5%水平上显著，意味着政府引导基金显著抑制成熟期数字企业创新效率。当发展至成熟期时，数字企业可以凭借自身优势获得外部融资，政府引导基金过度干预会干扰数字企业正常创新活动，抑制其创新效率水平提升。

（五）稳健性检验

1.内生性检验

前已述及，政府引导基金可显著推动数字产业创新效率提升，但数字产业创新效率的提升或可扩大政府引导基金投入规模，二者之间具有逆向因果关系，即存在内生性问题。对此，采用工具变量法处理内生性问题。在工具变量选取方面，将“专利发明数量加1取对数（lnpatent）”作为数字产业创新效率的代理工具变量，并通过两阶段最小二乘法（2SLS）进行重新回归，结果见表6列（1）、列（2）。其中，第一阶段估计F值为778.790，表明不存在弱工具变量问题，即所选工具变量比较合理。同时，经dwh检验可知，P值在1%水平上显著，说明工具变量为外生。经检验，H1 仍旧成立。

表6 稳健性检验结果

2.替换估计方法

考虑到创新投入与创新产出的相关数据会被删除，可能导致研究结果出现较大偏误，选取受限因变量模型（Tobit模型）进行回归检验，结果如表6列（3）所示。其中，政府引导基金（gov）对数字产业创新效率（innov）的影响仍然显著为正。这说明核心解释变量的显著性并未因估计方法不同而产生质的变化。

3.数据缩尾处理

为降低异常值对研究结果的干扰，对所有变量进行1%的数据平滑处理，结果见表6列（4）。结果显示，H1 依然成立，说明核心结论未受异常值干扰。

五、研究结论与政策启示

（一）研究结论

推动数字产业创新发展是助力中国式现代化发展的重要途径。聚焦政府引导基金、融资约束与数字产业创新效率之间的关系，选取2008—2021 年沪深A 股数字产业上市公司数据，实证分析政府引导基金对数字产业创新效率的影响机制，为评估政府引导基金的经济效应提供了关键的经验证据。研究发现，政府引导基金有利于提升数字产业创新效率，该结论在采用内生性检验、替换估计方法与数据缩尾等一系列稳健性检验后仍成立，说明发挥政府引导基金的引导效应和杠杆效应能够提高数字产业创新效率。进一步分析发现，政府引导基金通过扩大数字产业参与者融资规模、降低数字产业贷款成本缓解融资约束，进而提高数字产业创新效率。异质性检验结果发现，相较于高等级城市数字创新产业、传媒服务行业、初创期与成熟期数字企业而言，政府引导基金对低等级城市数字创新产业、软件开发及信息技术服务业、成长期数字企业的创新效率作用更显著。

（二）政策启示

第一，发挥政府引导基金“创投+”作用，提升数字产业创新能级。研究证实，政府引导基金有利于促进数字产业创新效率提升。因此，政府应着力扩大引导基金规模，发挥“创投+”作用，为促进数字产业效率提升提供支持。政府应通过自身引导、市场运作，使社会资金流向数字创新创业和新兴产业，促进产业转型升级，提升数字产业效率。例如，政府与相关单位互相配合，将相关基金引入人工智能、智能制造、数字经济等符合当地数字产业发展规划的战略新兴领域，帮助数字产业快速提升创新效率。同时，创投机构应借助政府引导基金政策工具，凭借自身资源丰富优势，在整合各方资源、推进资本运作等多方面提供专业管理支撑和增值服务，为提升数字产业创新效率提供资金扶持。

第二，打造多层次资本获取渠道，降低数字产业融资成本。考虑到政府引导基金可通过缓解融资约束提升数字产业创新效率，数字产业只有破除融资成本高的困境，方可发挥自身优势，提高产业创新效率。其一，政府应积极发挥科技创新母基金、数字产业基金等政府引导基金作用，吸引社会资本投资数字产业。在此基础上，利用科技型中小企业信贷风险损失补偿资金池，开发数字产业专属信贷产品，激励银行增加对人工智能领域企业的信贷供给。多渠道对接多层次资本市场，拓宽人工智能领域企业融资渠道，降低融资成本，进而为数字产业创新效率提升提供支持。其二，金融机构应配合政府引导基金，支持鼓励高校、科研机构为数字产业提供支持，鼓励企业自主或与高校、科研机构合作组建创新联合体，降低这类群体融资成本，持续提高创新效率。同时，金融机构应激励企业搭建“揭榜挂帅”平台，联合高校、科研机构解决企业重大需求或关键核心技术，通过技术融资方式缓解融资约束，提升数字产业创新效率。其三，行业层面应挖掘一批在细分领域处于领先地位且具有较好发展潜力的数字企业，为其提供更多融资渠道，提高数字产业创新效率。

第三，实施异质性政府引导基金政策，驱动数字产业创新效率协同提升。鉴于经济要素、企业能力的差异，政府引导基金对数字产业创新效率的作用各有不同。因此，政府应实施差异化的引导基金投资政策，赋能数字产业创新效率提升。其一，金融机构应实时调研数字产业发展需求，建立研发创新专项基金，加强对研发创新基金的监管，提高基金使用效率。一方面，金融机构要不断优化金融业务结构，及时与数字产业相关参与者沟通，制定即时性研发创新基金，提高基金使用价值；另一方面，金融机构还应结合企业生命周期阶段特征，制定异质性金融扶持政策，助力数字产业创新效率提升。其二，数字产业参与者应客观评估政府引导基金效果，引入第三方金融资本，不断优化研发资金投入，降低创新风险。此外，数字产业参与者应重视政府引导基金、金融支持协同作用的发挥，提高资金使用质量和效率，促进创新效率提升。

注释：

①按照新一线城市研究所2020年5月29日发布的《2020城市商业魅力排行榜》，以商业资源集聚度、城市枢纽性、城市人活跃度、生活方式多样性以及未来可塑性为标准，将城市划分为一线（4 个）、新一线（15 个）、二线（30 个）、三线（70 个）、四线（90 个）和五线（128 个）六大类。基于研究需要，将一线城市、新一线城市和二线城市归为等级较高城市；将三线城市、四线城市和五线城市归为等级较低城市。