工业智能化的产业链韧性提升效应：理论机制与经验证据

摘 要：推动“补链”“延链”“强链”是产业链韧性提升与产业链安全构建的关键，而这离不开先进技术的广泛参与和规模化应用。工业智能化作为新一轮技术革命的典型代表，势必会对产业链韧性产生不容忽视的影响。从多维度构建并测算工业智能化指数，利用样本数据定量检验工业智能化对产业链韧性的影响，结果表明：工业智能化能够显著促进产业链韧性提升，且这一作用在经过稳健性与内生性检验后依然成立；要素高效配置及知识溢出是工业智能化作用于产业链韧性的主要机制；异质性分析发现，在工业化阶段、小市场规模、沿海及北方地区工业智能化对产业链韧性的提升作用更明显；工业智能化效果的发挥依赖于外部环境，人力资本积累与市场化改革均会增强工业智能化对产业链韧性的提升作用。

关键词：工业智能化；产业链韧性；要素高效配置；知识溢出

中图分类号：F424 文献标识码：A 文章编号：1003-7543（2024）07-0080-15

面对单边主义与逆全球化思潮的不断抬头，中国基于比较优势构建的产业体系陷入受制于人的窘境，特别是频频出现的贸易摩擦与脱钩断链迫使中国开始注重产业链安全与产业链韧性问题。2023年中央经济工作会议明确指出，要“实施制造业重点产业链高质量发展行动，加强质量支撑和标准引领，提升产业链供应链韧性和安全水平”。作为拥有完备工业体系与广袤市场空间的大国，中国可以依托双循环以及统一大市场建设增强产业链的风险抵抗能力。然而，关键环节的“掉链子”与核心技术的“卡脖子”制约着产业链的高质量发展。与此同时，大国摩擦与局部军事冲突的增多改变了传统基于成本优势的全球分工格局，世界多数经济体开始不再基于简单的“成本—收益”比较来作决策，而更多将产业链风险与安全放到优先位置，产业链本土化成为不可逆转的新趋势。由此可见，在当前全球经济格局下，提升产业链韧性成为中国解决产业链价值低端、不稳固、不安全的重要手段与必然选择。

然而，对于如何有效提升产业链韧性，理论界与学术界尚未形成有效共识。多数学者从“双碳”目标、链长制、数字经济、自由贸易试验区等视角展开研究，普遍认为良好的制度环境与新兴经济形态有助于改善产业链韧性，但忽视了产业链需要依附于产业本身［1-4］。工业智能化作为产业发展与演进的高阶形态，会凭借其数字化、信息化、智能化等特征重构产业组织结构与产业分工格局，引致供需链效率提升、企业链协同创新、空间链整合拓展、价值链分工重构，为提升产业链韧性赋能［5］。在智能革命重塑人类生产生活方式的背景下，世界主要发达国家出台了“再工业化”“工业4.0”等智能化发展战略以抢占制高点。与此同时，我国先后出台《中国制造2025》《新一代人工智能发展规划》等系列文件，通过顶层设计驱动产业的智能化转型。

随着机器人等智能要素应用的程度加深与范围拓展，现有产业边界逐渐打破，产业关联方式也在变化。这些变化促使产业深度融合，并诱发新产业、新模式和新业态的产生。这一过程往往伴随着各类要素的重新配置，从而重塑产业链形态与创造力［6］。那么，以工业智能化为代表的先进生产力到底会如何改变产业链韧性呢？对此，前沿文献并未直接给出答案，与此相关的文献更多基于数字技术、人工智能、机器人等单一要素展开，而忽视了智能要素效应的发挥需要依托于实体经济。本文基于这一现实背景，从工业智能化的视角出发，试图明晰工业智能化对产业链韧性的作用方向及路径。

一、理论分析与研究假说提出

韧性最初源于物理学，指经济系统或个体在经受外部干扰或冲击后恢复至初始状态的回弹能力［7］，此概念后来被不同学者引入生态学、工程学、经济学等领域［8-9］，并催生出演化韧性的思想。演化韧性是指将复杂多变的动态过程引入传统分析框架，重点关注面对外部环境变化时系统自主适应、调整、恢复，以及最终重回原始发展路径或进入新发展阶段的能力［10-11］。后续学者在该思想基础上开始广泛关注诸如经济、城市、创新等系统面对外生冲击时的反应，并由此诞生了经济韧性、城市韧性、创新韧性等相关概念［12-13］。随着学术研究的逐步深化，以及国内外环境不确定性的持续上升，增强产业链韧性逐渐成为学术界与政策层面关心的话题。大量学者围绕产业链韧性内涵及提升路径进行了深入探讨，且普遍认为产业链韧性是指产业链条上各主体与各环节面对慢性压力或强力冲击时所展现出的“稳链”“护链”“筑链”能力，并通过资源重新配置与运行模式升级快速恢复至初始运行状态，甚至实现产业链转型升级与产业体系重构，而其中尤以产业链抗干扰能力与创新恢复能力为重［14-15］。

作为通用型技术的一种，智能技术的强渗透、广替代、高创新等特征有助于强化产业链上下游之间的协同与关联，进而促使产业链韧性的增强［16］。首先，从强渗透视角来看，人工智能技术的通用型特征使其能广泛融入企业的设计、研发、生产、运输、销售等环节，它的强大数据计算和自主决策功能可以实时反馈终端用户的个性化需求，通过精准对接供给与消费环节，有助于降低企业库存和销售成本。同时，人工智能的自主学习能力可以快速模拟与反馈外部市场的变化，有助于企业提前感知上下游企业的供给和销售变化，动态调整生产决策，从而在降低运营风险的同时增强企业抵抗力［17］。其次，从广替代视角来看，全流程的智能化改造主要替代非技能岗位，通过自主接单、智能生产、智慧运输，可有效应对人口老龄化、劳动力短缺及公共卫生事件等挑战［18］。当然，机器人、大数据、物联网等智能设施所独有的超强学习与广泛联通能力也是人力所无法比拟的，先进经验、知识、技术的实时共享与快速领悟会极大提升关键技术的研发成功率，增强产业链的创新能力。最后，从高创新视角来看，人工智能在与传统产业融合过程中会催生新业态、新模式，尤其是薄弱环节与关键技术的突破将会大幅降低企业的外部依赖，在增强产业链自主可控能力的同时减轻外部环境变化对生产经营的影响［19］。除此之外，生产工艺、环节及模式的创新会使生产摆脱地域限制，跨时空的便捷沟通进一步增强产业链条上企业的协作，有助于发挥产业链集群所带来的规模优势［16］。基于此，提出如下假说：

假说1：工业智能化能够显著增强产业链韧性。

正如现有文献所指出的，提升产业链创新能力是增强产业链韧性的重要方面。然而，由于信息不对称、标准不统一及流通不顺畅的约束，劳动、资本、技术等创新要素通常处于非均衡状态，由此引致的时空壁垒与供需错位，成为制约产业链韧性提升的关键。工业智能化作为深刻改变生产方式的新兴技术，能够从三方面突破产业链的“要素扭曲”制约［20］：其一，凭借着信息平台、无人工厂、自动驾驶、智慧物流等应用的迅速普及，传统割裂的要素分布突破时空限制，各类要素开始低成本跨企业、行业、地区向回报率高的部门流动，在改善供需错配的基础上引致生产与创新要素的高效整合和精准匹配，助力产业链创新能力提升［21］。其二，智能技术凭借着超强算法与智慧管理可以最大限度实现信息的及时传输、生产资源的高效调配、生产效率的提升，尤其是全生命周期的实时监控与供需环节的精准把控，识别与满足终端消费者个性化、定制化需求，以按需生产的方式降低产业链上下游企业的生产和协调成本［22］，在减少资源浪费的过程中降低企业经营风险。其三，智能技术的广泛渗透使其在融入设计、研发、生产环节时，可以通过“智能+”“数字+”“信息+”改变要素参与方式，催生大批高技术、高附加、强引领的新模式、新业态、新产业，增强产业链的创新恢复力［23］。基于此，提出如下假说：

假说2：工业智能化通过促进要素高效配置增强产业链韧性。

在长期发展过程中，产业链通常沿着原有的分工格局与增长方式演变，面对新环境、新形式和新市场，固有的合作关系和发展轨道往往会制约企业的应变能力，在当前国际纷争和贸易摩擦加剧的背景下，原有发展模式可能因核心技术的限制而难以维持。因此，重塑产业链的发展路径，加强智能技术的参与，成为增强产业链韧性的关键维度［15］。智能技术作为新兴技术的典型代表［24］，在融入生产环节时，首先替代部分高频、机械、重复性工作，表现出明显的行业偏向性特征，即智能技术通常先在制造业或生产性服务业得到应用，随着产业链的延伸和产业集聚，这些技术向链条企业与竞争企业溢出。通常而言，智能技术的跨行业与跨企业溢出，会通过增强产业风险抵抗力与创新恢复力助力产业链韧性提升［25］。从风险抵抗力视角来看，工业智能化的知识溢出效应会在全产业形成技能劳动对非技能劳动的替代，通过对失业人员的技能培训与学历提升在产业内部形成高端要素集聚，增强重点环节尤其是“卡脖子”技术的研发成功率，打通产业链堵点［26］，在外部供应链体系发生变化时可以及时作出反应，增强产业链稳定性［27］。从创新恢复力视角来看，智能技术对碎片化、分布式、凌乱化信息的高效凝练与分析增强了隐性知识的规范表述与显性传播，知识溢出的存在大大降低了关联企业的智能改造、知识传输与技术创新成本，使其可以在低成本借鉴相关企业先进经验与前沿知识的基础上进行渐进式创新，并以此为基础构筑健康可持续的产业生态体系。基于此，提出如下假说：

假说3：工业智能化通过促进知识溢出增强产业链韧性。

二、研究设计

（一）模型设计

为验证假说1，即考察工业智能化对产业链韧性的提升效应是否得到经验证据支持，本文借鉴陈东和秦子洋［28］的研究思路，将基准模型设定如下：

resit=α0+α1indit+∑αjXjit+δi+[<E：＼2024改革＼6期＼图＼李金城1.tif>]t+εit（1）

其中，被解释变量resit为i地区t年的产业链韧性水平，解释变量indit为i地区t年的工业智能化程度，Xjit为一组包含经济发展、金融发展、行政干预、对外开放、基础设施等在内的控制变量集合。δi为地区固定效应，[<E：＼2024改革＼6期＼图＼李金城1.tif>]t为时间固定效应，εit为随机扰动项。本文重点关注估计系数α1，即如果系数α1显著大于0，则表明工业智能化促进了产业链韧性提升，假说1得证。

（二）指标构建

1.被解释变量

产业链韧性（res）。产业链韧性是指面对重大地缘政治与产业保护危机时，产业体系能够通过创新重塑产业发展路径的能力。纵观现有文献，学术界对于如何有效度量产业链韧性尚未达成共识，部分学者认为多样化的产业结构是提升产业链韧性的重要维度。然而，产业链韧性是囊括抵御力、恢复力、引领力、创新力的综合体，单一指标的选取易造成度量偏误。为此，本文基于韧性理论，从产业链的抗干扰能力与创新恢复力出发，多视角综合测度产业链韧性。其中产业链抗干扰能力选取产业多样性指数即产业集中度（赫芬达尔-赫希曼指数）倒数度量，用以表征在面对外在风险时，产业内部系统的资源调配与功能互补会增强风险承受力。具体计算公式如下：

indiv==1/∑s（2）

产业链创新恢复力利用发明专利授权数表示。抵御脱钩断链最为重要的方式是科技引领，即通过创新资源的投入与创新环境的构建加速生产环节与生产工艺革新，以产业链数智化引领与高端科技集聚助力产业链自主可控。

在分别构建并测度产业链抗干扰能力与产业链创新恢复力之后，采用具有客观准确特征的熵权法计算不同省份的产业链韧性指数作为被解释变量。

2.解释变量

工业智能化（ind）。前沿文献对于工业智能化的度量通常有单一法和综合指数法两种，然而，由于单一指标如机器人渗透度无法全面反映工业智能化的丰富内涵，本文借鉴王林辉等［29］、谭玉松和董直庆［30］等的研究思路，从智能化基础、智能化应用、智能化产出三个维度构建指标体系。该体系涵盖智能人才、智能基建、智能设备、智能资本、智能生产、智能制造、智能安全、智能网络、智能专利、新产品收入、软件业务收入、生产效率等12个二级指标，并分别基于主成分分析法与熵权法测算工业智能化指数（见表1）。

3.控制变量

经济发展水平（gdp）选择各地区人均GDP度量；金融发展（fin）采取金融业增加值与GDP的比值表征；行政干预（gov）选取一般预算支出与GDP的比值衡量；对外开放（ope）选择进出口总额占GDP的比重测度；基础设施（inf）使用人均区域道路面积表示。

（三）数据说明

本文选取2013—2022年中国31个省份为研究样本，其中机器人进口额数据来自海关贸易数据库；智能生产、智能制造、智能安全等所需的相关原始数据来自天眼查微观企业数据库；人工智能专利来源于RESSET数据平台，即在确认人工智能技术关键词之后筛选相关专利；其余各经济变量及其原始数据均来自《中国统计年鉴》及其相关数据库。

三、实证检验结果

（一）基准检验

表2汇报了工业智能化对产业链韧性影响的实证结果。列（1）报告了基于主成分分析法测度的工业智能化指数为解释变量的结果，在仅控制时间与地区效应的前提下，工业智能化系数在10%水平上显著为正，表明工业智能化能够有效提升区域产业链韧性。列（2）—（6）在列（1）的基础上逐步加入经济发展、金融发展、行政干预、对外开放、基础设施等区域层面的控制变量，结果显示工业智能化系数均在5%水平上显著为正，表明工业智能化在产业链韧性提升中扮演着重要角色，假说1得证。上述结论可能的解释有三：其一，随着信息技术、数字技术和智能技术不断融入生产流程，生产工艺与产业链系统的自动化、智能化和精准化通过重构要素匹配关系来完成复杂工艺的产品生产，此外，通过构建产品瑕疵自动判读系统来提升产品质量，助力产业链系统的转型升级；其二，工业智能化增强了企业应对内部风险的能力，即以机器换人提升生产效率，显著降低了企业对工人的依赖，伴随着机器学习等大模型的规模化应用，有效预防了因关键员工离职可能引发的生产中断；其三，智能技术在融入工业生产过程中，利用数据、算力和算法打破传统产业分工边界与组织形态，引致产业连接方式向网络化和虚拟化转变，促使知识、技术和思想能够以低成本跨时空传播，在催生新技术、新产业、新模式、新业态过程中实现延链补链，最终推动产业链韧性提升。

从控制变量角度来看，经济发展系数显著为正，表明经济的持续增长能够为产业链韧性提升提供丰裕的要素资源；金融发展系数显著为正，意味着多样性的产业体系构建与创新能力培养均离不开资金的支持；行政干预系数显著为正，表明产业链高端化与抗风险能力的增强需要政府与市场之间的良好协调，即发挥政府在顶层设计、环境维护、创新引领等方面的作用，为产业链韧性提升营造良好氛围；对外开放系数显著为负，表明在当前保护主义盛行的背景下，扩大对外贸易并未有效引入产业链急需的技术和设备，反而可能使企业创新能力降低；基础设施系数显著为负，表明道路、桥梁、隧道等传统基础设施的建设可能会挤压对于数字和智能基础设施的投资，从而不利于产业链韧性的增强。

（二）稳健性检验

基准回归结果已经通过逐步增加控制变量的方式证实了工业智能化对产业链韧性的促进效应。为排除其他潜在因素的影响并确保结论的可靠性，进行稳健性检验显得尤为重要。因此，本文通过替换解释变量与被解释变量、滞后模型、筛选样本和数据缩尾处理等多种方法对原结论进行重新检验，以增强研究结果的稳健性。一是替换解释变量。在前述回归分析中，选取基于主成分分析法合成的工业智能化指数作为解释变量，为避免方法选取上的偏误，本文进一步引入熵权法测算的工业智能化指数重新验证，结果如表3列（1）所示，在新的回归结果中工业智能化对产业链韧性的促进作用依然存在，且在5%水平上显著，证实了前述结论的可靠性。二是滞后一期。由于智能技术的劳动替代与生产率效应均依赖于智能技术和实体经济的融合，而该融合过程可能存在一定时滞性，为此本文将解释变量滞后一期，以期更精准识别工业智能化对产业链韧性的作用。根据表3列（2）所示的实证结果，可知工业智能化系数估计值在1%水平上显著为正，进一步证实了前述结论的稳健性。三是替换被解释变量。考虑到产业链创新力是提升长期产业链韧性的关键，本文使用产业链创新恢复力作为产业链韧性的代理指标进行实证检验。结果显示，工业智能化系数在5%水平上通过显著性检验，与基准结果保持一致。四是样本筛选。智能技术的应用与深化通常依赖于智能基础设施的建设，且区域间政治经济环境可能导致发展的不均衡。本文从总样本中剔除了具有独特政治地位和资源协调能力的四大直辖市：北京、天津、上海和重庆，通过对剩余样本重新回归，结果显示工业智能化系数在1%水平上显著为正，表明基准结论是可信的。五是数据缩尾。鉴于样本数据中异常值可能影响实证研究的结果，本文选择以1%和99%为临界值对数据进行双向缩尾处理，经过重新检验，表3列（5）结果显示工业智能化系数方向与基准结论一致，均指向其对产业链韧性有正向促进作用，从而验证了研究结论的稳健性。

（三）内生性检验

考虑到遗漏变量、反向因果和测量偏差等问题的存在可能会削弱研究结论的可靠性，本文试图通过多种方法来缓解模型中可能存在的内生性问题。其一，前文已经证实工业智能化能显著增强产业链韧性，但产业链韧性特别是产业链创新能力的提升也可能反过来支持工业智能化的发展。为解决可能存在的反向因果问题，本文借鉴孙早和韩颖［31］的思路，将工业智能化作为被解释变量、产业链韧性作为解释变量进行回归。结果如表4（下页）列（1）所示，可知产业链韧性系数并不显著，从而基本可以排除反向因果对实证结论的干扰。其二，寻找合适工具变量可以解决遗漏变量等引发的内生性问题。借鉴黄群慧等［32］的思路，选择1984年地区邮局数量作为工业智能化的工具变量，由于1984年邮局数量属于历史数据，与地方信息化发展密切相关，因而满足工具变量的外生性和相关性假设。由于这些历史数据是截面数据，无法反映时间趋势，本文借鉴董直庆和王辉［33］的方法，未控制地区固定效应进行检验。列（2）和列（3）呈现了工具变量结果，可知在第一阶段与第二阶段工具变量和工业智能化系数均在1%水平上显著为正，且F值为73.81，排除弱工具变量的可能。这表明在以工具变量控制内生性偏误后，工业智能化依然对产业链韧性产生显著促进效应。为使工具变量具有时间趋势及动态特征，进一步将1984年邮局数量与年份相乘作为新的工具变量并重新进行检验，列（4）—（5）与列（2）—（3）结果基本一致，且F值为272.32，这进一步证明内生性问题并未影响研究结论的可靠性。

（四）传导机制检验

基准结果证实了工业智能化对产业链韧性的促进作用，那么工业智能化如何作用于产业链韧性呢？理论分析部分指出，工业智能化可以通过要素高效配置与知识溢出推动产业链韧性提升。基于此，本文借鉴Liu &Mao［34］、江艇［35］的思路，构建如下计量模型以验证要素高效配置与知识溢出的传导作用：

mit=β0+β1indit+∑βjXjit+δi+[<E：＼2024改革＼6期＼图＼李金城1.tif>]t+εit（3）

式（3）中，mit为包含要素高效配置与知识溢出在内的机制变量，其余各变量与基准模型一致。要素高效配置选取要素扭曲程度反向表征，即借鉴张杰等［36］的思路采用要素市场发育程度与整体市场化程度的相对关系表示；知识溢出借鉴林伯强和谭睿鹏［37］的方法采用普通高等学校教师人数与总人口比值表征。

表5展示了传导机制检验的实证结果，其中列（1）、（2）为要素高效配置的检验。列（1）为仅有核心解释变量的回归结果，显示工业智能化系数在5%的显著性水平上为负；列（2）为加入所有控制变量的回归结果，可知工业智能化系数依然显著为负，表明工业智能化会通过减缓要素扭曲助力要素高效配置。由此可知，工业智能化能够通过融入工业与服务业生产过程提升要素匹配度，进而增强产业链的抗风险能力。列（3）、（4）展示了仅加入核心解释变量以及引入控制变量下知识溢出的回归结果，显示无论是否加入控制变量工业智能化系数均在5%的显著性水平上为正，表明工业智能化能够引致知识溢出，即通过促进知识的跨行业和跨企业流动，带动全产业创新能力的增强。由此可知，要素高效配置与知识溢出是工业智能化助力产业链韧性提升的重要传导机制，即假说2与假说3得证。

四、进一步讨论

（一）异质性分析

1.发展阶段异质性

在国际对抗逐渐加剧的现实背景下，关键产业尤其是制造业企业更易面临“脱钩断链”的现实风险，这就使得相应地区拥有更强的产业链韧性提升动机。与此同时，智能化在与传统产业融合过程中也存在着时间差异，即通常优先融入工业企业生产，而后随着运输与销售向服务企业延伸。因此，区域之间的发展阶段差异很可能也会影响工业智能化作用效果。为此，本文借鉴袁华锡等［38］的思路进一步将研究样本细分为服务化阶段（第三产业占比大于50%）与工业化阶段（第三产业占比小于50%）两种，试图明晰工业智能化对产业链韧性的作用差异。表6（下页）列（1）与列（2）报告了发展阶段异质性结果，可知处于服务化阶段的地区，工业智能化系数不显著，即工业智能化并没有表现出对产业链韧性的促进作用；而在工业化发展阶段的地区，工业智能化系数在1%水平上显著为正，即工业智能化提升了工业化阶段地区产业链韧性。内在原因主要有以下两点：一是工业化发展阶段地区通常是“脱钩断链”影响的最前线，这使得当地企业和政府在面临外部环境变化及潜在的产业链断裂风险时，更倾向于采取预防措施，从而积极推动产业链韧性的提升；二是智能技术、智能设备、智能工厂更容易融入生产环节，智能化的生产工艺和流程不仅改造了传统产业，而且容易催生新兴产业和模式，这有助于完善产业链体系并增强其韧性。

2.市场规模异质性

作为通用型技术的典型代表，智能技术效应的发挥往往离不开市场规模。通常而言，较大的市场规模意味着各生产要素的畅通流动与合理配置，在促使传统产业附加值提升的同时引导资源向更高产业形态流动，助力新兴产业部门涌现。因此，本文引入市场规模考察异质性规模下工业智能化与产业链韧性的作用关系，其中市场规模采用社会消费品零售总额与GDP比值表示，在样本期内把高于市场规模中位数年份较多的地区定义为规模较大地区，其余则为规模较小地区。表6列（3）与列（4）报告了规模异质性下的实证结果，列（3）结果显示工业智能化系数不显著，列（4）结果显示工业智能化系数在5%水平上显著为正，表明相较于市场规模较大地区，工业智能化对市场规模较小地区产业链韧性提升作用更强。实证结论与常识不同的原因可能在于：市场规模较小的地区长期面临市场潜能受限的窘境，工业智能化的引入，尤其是“机器换人”的策略，有助于打破这些地区传统上依赖大量劳动力的发展模式，这种变革允许企业在不需要大规模人和物集聚的情况下，完成研发、设计和生产流通等关键环节。这不仅推动了市场规模的指数级增长，而且为提升产业链的韧性创造了良好的环境。相较之下，市场规模较大地区通常面临更高的通勤成本和生产生活成本。此外，土地等自然资源的限制可能进一步削弱了工业智能化在这些地区提升产业链韧性的效果。

3.地理位置异质性

由于资源禀赋、地理环境和发展模式的显著差异，不同区域对智能技术等新兴技术的感知能力也各有不同。因此，在研究工业智能化对产业链韧性的影响时，需要考虑地理位置差异。本文结合现有研究，将全国样本分为沿海与内陆、南方与北方两大类，旨在更精准识别工业智能化的作用效果。表7（下页）列（1）与列（2）呈现了基于沿海与内陆分样本的实证结果，结果显示，沿海地区的工业智能化系数在5%的显著性水平上为正，而内陆地区工业智能化系数不显著，表明工业智能化有效促进了沿海地区的产业链韧性，其对内陆地区产业链韧性的提升作用有限；列（3）和列（4）汇报了南北方地区的实证结果，显示南方地区样本工业智能化系数不显著，而北方地区样本系数在5%的显著性水平上为正，意味着工业智能化促进了北方地区产业链韧性而在南方地区不明显。这种现象的成因在于产业链的“延链”与“补链”依赖于产业集群提供的相关资源，沿海与北方地区作为我国的重要制造业集聚地，为智能技术在制造业中的快速融合创造了条件，这种融合通过全流程与全方位的智能化改造，实现了资源链、人才链和技术链的高效协同，从而显著提升了产业链的韧性。

（二）外部环境的影响

1.人力资本

人力资本是工业智能化发展的关键因素之一。具备专业知识和技术的人才能够帮助企业灵活调整生产经营策略，特别是在面对智能化挑战时，这些人才前瞻性的经营理念和丰富的知识储备使企业能够迅速适应新环境，并通过产能调整和组织自我转型应对变化。此外，由于技能人才通常对生产和消费环节具有高度敏感性，能够第一时间感知到新的市场机会，并快速制定相应的应对策略，这种能力使他们在激烈的智能化竞争中占据有利位置。那么，人力资本这一积极影响是否也会增强工业智能化对产业链韧性的促进作用呢？为此，本文对这一效应进行实证检验，其中人力资本采用普通高等学校本科在校人数与总人数比值表示。检验结果如表8（下页）列（1）与列（2）所示，可知无论是以主成分分析还是熵权法计算得到的工业智能化指数，人力资本与工业智能化交互项系数均显著为正，这表明提高人力资本水平可以显著增强工业智能化在提升产业链韧性方面的作用。

2.市场化程度

与所有新兴技术一样，智能技术的发展与应用通常面临着较大的不确定性，因此，建立健全的制度性保障体系变得至关重要。市场化改革作为社会制度的基础，不仅能消除创新的体制机制障碍和理顺政企关系，而且能恢复要素市场的活力。此外，市场化改革还有助于打破信息壁垒，降低企业内部及企业间沟通与交易成本，从而促进智能技术的规模化应用。在探讨工业智能化如何增强产业链韧性的过程中，市场化改革的激励作用至关重要。为考察市场化改革的这一效应，本文借助调节效应模型，引入市场化程度与工业智能化的交互项进行实证检验，其中市场化程度数据来自《中国分省份市场化指数报告》。实证结果如表8列（3）与列（4）所示，发现在主成分分析与熵权法下市场化程度与工业智能化交互项系数分别在1%和5%水平上均显著为正。这表明良好的市场环境和政企关系以及健全的市场化改革措施显著促进了工业智能化在增强产业链韧性方面的作用。

五、研究结论与政策启示

面对随时可能出现的“脱钩断链”风险，产业链韧性与安全问题成为我国亟待解决的重大课题之一。然而，现有文献对于如何借助技术手段尤其是智能技术推动我国产业链韧性提升尚未形成共识。本文基于这一现实背景，选取2013—2022年中国省级层面样本数据，在综合测度工业智能化与产业链韧性的基础上，借助双向固定效应模型探究工业智能化对产业链韧性的影响，并对传导机制、异质性及外部环境等进行了探讨。研究发现：第一，工业智能化能够显著促进产业链韧性提升，且在经过替换解释变量、滞后一期、替换被解释变量、样本筛选、数据缩尾以及选取工具变量控制内生性偏误后，研究结论依然稳健。第二，工业智能化能够通过要素高效配置、知识溢出增强产业链韧性。第三，工业智能化对产业链韧性的促进作用在不同发展阶段、市场规模、地理位置下存在差异，与服务化阶段、市场规模较大、内陆及南方地区相比，工业智能化更有助于工业化阶段、小市场规模、沿海及北方地区的产业链韧性提升。第四，工业智能化促进作用的发挥依赖于外部环境，其中提升人力资本水平与市场化程度均有助于增强工业智能化对产业链韧性的正向效应。

上述研究结论能够为中国借助智能技术增强产业链韧性提供有益参考，具体政策启示如下：第一，充分发挥工业智能化的产业链韧性增强作用，紧密围绕智能人才、智能基建、智能设备、智能资本进行投资。政府应加大对相关技能人才培养与5G等数智基础设施的投入，通过财政补贴、税收抵免和出口退税等措施，激励工业企业积极研发与应用智能技术，推广全生命周期的智能化改造与整体数智化转型，以增强企业在面对危机时的应变能力。第二，以体制机制改革为主要抓手提升要素配置效率。在构筑公平竞争环境的基础上，通过智能化平台的建设，加强部门间、行业间及企业间信息协同，统一不同层级的数据应用标准和规则，降低信息、知识和技术的复制及传输成本，凭借共享的知识架构，推动全行业的标准化生产，从而提高产业链的创新能力和抗风险能力。第三，因地制宜、因时制宜实施“智能+”改造以增强全地区的产业链韧性。工业智能化的作用存在异质性，可基于此探寻工业智能化的产业链韧性提升效应受限的原因，积极借鉴提升效应显著地区的成功经验，统筹协调智能技术的应用领域及范围，增强产业链的抗干扰能力与创新恢复力，实现全地区产业链韧性的提升。第四，推进智能人才技能培训与市场化改革，为智能化转型营造有利环境。利用高等院校与智能企业的合作，共同培养符合未来需求的复合型人才，注重非技能岗位工人的职业培训，以确保根据市场变化及时更新和应用新技能，从而增强智能人才的整体供应。此外，切实推进统一大市场建设，通过顶层设计打破区域贸易壁垒与地方保护主义，加快市场化改革步伐，促进全国市场的整合，为保障产业链韧性与产业链安全创造更好的外部条件。 [Reform]

参考文献

［1］李萌，何宇，潘家华.“双碳”目标、碳税政策与中国制造业产业链韧性［J］.中国人口·资源与环境，2022（9）：22-34.

［2］孟祺.链长制与产业链韧性：基于多期DID的实证检验［J］.新疆社会科学，2023（1）：55-64.

［3］梁琳，金光敏.数字经济赋能我国产业链韧性提升的路径研究［J］.齐鲁学刊，2023（5）：129-138.

［4］孙红雪，朱金鹤.自由贸易试验区设立能否增强中国产业链韧性？——基于多种创新要素集聚的中介机制检验［J］.现代经济探讨，2023（11）：72-84.

［5］赵儒煜，高明宇.工业智能化如何影响劳动力技能结构［J］.财经科学，2024（2）：107-118.

［6］汪前元，魏守道，金山，等.工业智能化的就业效应研究——基于劳动者技能和性别的空间计量分析［J］.管理世界，2022（10）：110-126.

［7］MARTIN R. Regional economic resilience， hysteresis and recessionary shocks［J］. Journal of Economic Geography， 2012， 12（1）： 1-32.

［8］HOLLING C S. Resilience and stability of ecological systems［J］. Annual Review of Ecology and Systematics， 1973， 4（1）： 1-23.

［9］BOSCHMA R. Towards an evolutionary perspective on regional resilience［J］. Regional Studies， 2015， 49（5）： 733-751.

［10］ CAPELLO R， CARAGLIU A， FRATESI U， et al. Spatial heterogeneity in the costs of the economic crisis in Europe： Are cities sources of regional resilience？［J］. Journal of Economic Geography， 2015， 15（5）： 951-972.

［11］ 谢家智，何雯妤.现代产业链韧性评价及提升路径［J］.统计与信息论坛，2024（2）：15-28.

［12］ BROWN L， GREENBAUM R T. The role of industrial diversity in economic resilience： An empirical examination across 35 years［J］. Urban Studies， 2017， 54（6）： 1347-1366.

［13］ 刘晓星，张旭，李守伟.中国宏观经济韧性测度——基于系统性风险的视角［J］.中国社会科学，2021（1）：12-32.

［14］ MARTIN R， SUNLEY P， TYLER P， et al. Local growth evolutions： Recession， resilience and recovery［J］. Cambridge Journal of Regions， Economy and Society， 2015， 8（2）： 141-148.

［15］ 董丽，赵放.数字经济驱动制造业产业链韧性提升的作用机理与实现路径［J］.福建师范大学学报（哲学社会科学版），2023（5）：33-42.

［16］ 陶锋，王欣然，徐扬，等.数字化转型、产业链供应链韧性与企业生产率［J］.中国工业经济，2023（5）：118-136.

［17］ CHOWDHURY M M H， QUADDUS M. Supply chain resilience： Conceptualization and scale development using dynamic capability theory［J］. International Journal of Production Economics， 2017， 188： 185-204.

［18］ ACEMOGLU D， RESTREPO P. Robots and jobs： Evidence from US labor markets［J］. Journal of Political Economy， 2020， 128（6）： 2188-2244.

［19］ 中国社会科学院工业经济研究所课题组.提升产业链供应链现代化水平路径研究［J］.中国工业经济，2021（2）：80-97.

［20］ 李金城，王林辉.工业智能化会引发新索洛悖论吗？——来自城市层面的经验证据［J］.东南大学学报（哲学社会科学版），2023（6）：66-76.

［21］ 赵丹丹，赵秀凤.产业数字化赋能共同富裕：理论机制与实证分析［J］.江汉论坛，2024（2）：21-29.

［22］ 洪银兴，任保平.数字经济与实体经济深度融合的内涵和途径［J］.中国工业经济，2023（2）：5-16.

［23］ 谭玉松，任保平，师博.人工智能影响产业协同集聚的效应研究［J］.经济学家，2023（6）：66-77.

［24］ 杨思莹，李政，李嘉辰.工业智能化转型的环境效应及其机制研究［J］.南开经济研究，2023（11）：186-209.

［25］ 谷城，张树山.数字经济发展与产业链韧性提升［J］.商业研究，2023（5）：1-11.

［26］ 王林辉，胡晟明，董直庆.人工智能技术、任务属性与职业可替代风险：来自微观层面的经验证据［J］.管理世界，2022（7）：60-79.

［27］ 李春发，李冬冬，周驰.数字经济驱动制造业转型升级的作用机理——基于产业链视角的分析［J］.商业研究，2020（2）：73-82.

［28］ 陈东，秦子洋.人工智能与包容性增长——来自全球工业机器人使用的证据［J］.经济研究，2022（4）：85-102.

［29］ 王林辉，姜昊，董直庆.工业智能化会重塑企业地理格局吗［J］.中国工业经济，2022（2）：137-155.

［30］ 谭玉松，董直庆.工业智能化能促进碳排放绩效的提升吗？——基于中国城市层面的经验证据［J］.商业研究，2023（5）：20-28.

［31］ 孙早，韩颖.人工智能会加剧性别工资差距吗？——基于我国工业部门的经验研究［J］.统计研究，2022（3）：102-116.

［32］ 黄群慧，余泳泽，张松林.互联网发展与制造业生产率提升：内在机制与中国经验［J］.中国工业经济，2019（8）：5-23.

［33］ 董直庆，王辉.城市财富与绿色技术选择［J］.经济研究，2021（4）：143-159.

［34］ LIU Y， MAO J. How do tax incentives affect investment and productivity？ Firm-level evidence from China［J］. American Economic Journal： Economic Policy， 2019， 11（3）： 261-291.

［35］ 江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120.

［36］ 张杰，周晓艳，李勇.要素市场扭曲抑制了中国企业R&D？［J］.经济研究，2011（8）：78-91.

［37］ 林伯强，谭睿鹏.中国经济集聚与绿色经济效率［J］.经济研究，2019（2）：119-132.

［38］ 袁华锡，封亦代，余泳泽.制造业集聚促进抑或阻碍绿色发展绩效？——来自长江经济带的证据［J］.经济地理，2022（6）：121-131.

The Effect of Industrial Intelligence on the Enhancement of Industrial Chain Resilience： Theoretical Mechanisms and Empirical Evidence

LI Jin-cheng

Abstract： Promoting chain supplementing， extending， and strengthening is crucial for improving the resilience and safety of the industrial chain， and accomplishing this goal requires widespread adoption and large-scale implementation of advanced technology. As a typical example of the new round of technological revolution， industrial intelligence is expected to have a significant impact on the resilience of the industrial chain. This paper starts from the multidimensional construction and measurement of the industrial intelligence index， and uses sample data to quantitatively assess the impact of industrial intelligence on the resilience of the industrial chain. The results show that industrial intelligence can significantly improve the industrial chain resilience， and this effect still holds true after robustness and endogeneity tests. The efficient allocation of factors and knowledge spillover are the main mechanisms through which industrial intelligence affects the resilience of the industrial chain. Heterogeneity analysis reveals that industrial intelligence has a more pronounced effect on enhancing the resilience of the industrial chain in the industrialization stage， small market scale， and coastal and northern regions. Moreover， the effectiveness of industrial intelligence depends on the external environment， and both the accumulation of human capital and market-oriented reforms enhance its impact on the resilience of the industrial chain.

Key words： industrial intelligence; industrial chain resilience; efficient allocation of factors; knowledge spillover