数智服务对制造业升级影响研究:理论框架与未来趋势

摘要：新一代信息技术在制造业服务化中的广泛应用，促进制造业服务主导逻辑形成，是推动制造业转型升级的关键。运用CiteSpace可视化分析软件，以SSCI文献为研究样本进行可视化分析，通过分析服务战略、产品—服务系统、数智联动不同服务阶段对制造业的影响，基于个体和系统整合视角将12聚类划分为4个主题。研究发现：①数智服务中“数”与“智”具有不同特征，两者相互作用促进制造业升级；②构建“动因—机理—绩效”理论框架，发现用户需求响应是数智服务驱动制造业转型升级的关键，生产系统和服务过程并行重构是制造业转型升级的基础，共同推动制造业服务效率提升和模式创新；③数智服务对制造业转型升级中的要素融合、精益化与全过程服务具有促进作用。为厘清数智服务特征和促进制造业高质量发展提供新视角。

关键词：数智服务；制造业升级；理论框架；作用机理；未来趋势

中图分类号：F425"""文献标识码：A"""文章编号：1001-7348（2025）01-0150-11

0 引言

企业竞争已从产品和技术竞争转向通过数据实现资源价值最大化的竞争，即通过服务要素连接降低企业边际成本、促进产业集聚、提高产业效益^[1]。2019年，国家发展和改革委员会等15部门联合印发的《关于推动先进制造业和现代服务业深度融合发展的实施意见》提出“培育融合发展新业态新模式”，这对于提高知识型服务要素密集度、促进制造产业链前伸和后延^[2]、实现制造业产品多样化和个性化具有重要推动作用。2021年，工业和信息化部印发的《“十四五”信息化和工业化深度融合发展规划》强调从“产品”向“产品+服务”转变。产品、服务和运营等模块组成协同系统，推动数智服务资源整合，改变着制造业运营和服务模式。数字化与服务化在较长时间内是两个相对独立的研究领域，但在制造业转型需求下，两者的互补性和协同性日益凸显。

关于数字化研究，学者广泛关注全要素生产率、组织职能转变、定制化技术创新以及数字化对企业创新绩效的影响，认为其能促进企业跨越式发展^[3]，实现价值共创^[4]。相对于国内数字化与服务化渐进式发展，国外学者从数字服务^[5]、智能服务^[6]等方面界定数智服务的含义。学者普遍认为数智服务是一种新兴的服务形式，尤其是在中国情境下，数智服务要素关系落后于企业智能化实践，学者对数智服务促进企业维持竞争优势的讨论较少。

鉴于此，本文重点探讨以下几个方面：①数智服务的含义以及数与智的作用关系；②数智服务对制造业升级的影响机理、作用动机和底层知识架构；③数智服务影响制造业升级的发展方向。通过对国外文献进行可视化分析，从数与智两个视角提炼数智服务内涵，从多方面梳理数智服务发展脉络，通过构建理论框架揭示数智服务对制造业升级的作用机制。

本文边际贡献主要体现在以下方面：①明晰数、智两者间的作用关系，为揭示数智服务促进制造业升级的内在作用机制提供理论基础；②从用户需求和产业发展维度分析数智服务对制造业升级的影响，凝练具有逻辑递进关系的文献主题，构建具有因果关系的理论框架；③不同于以往技术推动产业结构变革视角，从不同产业间的相互作用关系揭示数智服务对制造业产业升级的贡献，有助于明晰理论发展趋势。

1 文献计量分析

1.1 研究方法与检索规则

当前，VOSviewer、CiteSpace、HistCite、SciMAT和Sci2是学者广泛使用的科学映射工具。相比于其它检索方法，CiteSpace具有以下优势：①可通过LLR、LSI、MI三种算法识别具有变革潜质的文章（Chen等，2017）；②其时间切片能减少单一阈值引发的偏差；③结构变异分析（SVA）能预测前沿性知识结构；④文献引用频次突增能揭示有潜力学者关注的研究方向。因此，本文采用CiteSpace软件梳理数智服务影响制造业升级的发展脉络和前沿热点。

Namburu等在2007年提出现代汽车工业需开发智能服务系统，以实现对高精细化客户需求的响应；国内学者张振刚等在2022年提出“数字服务化”的概念，强调通过将数字化要素与服务能力相结合挖掘制造业增值潜能，初步形成数字与服务相结合的研究方向。数智服务涉及主题领域较多，本文以WOS数据库核心合集作为样本来源，对国外文献进行聚类分析，通过研读文献确定数智服务与制造业升级两个检索主题。其中，前者包括smart service、service innovation、digital service、advanced service、intelligent service、smart servitization和digital servitization 7个关键词，它们能较好地概括数智服务这一研究主题；后者围绕“制造”这一关键词进行检索，选定manufacturing、manufacturer、manufacture、product firm 4个关键词，以确保检索文献与制造业相关，具体检索规则如表1所示。从中可见，最早文献出现在1996年，检索除重后得到542篇文献数据，将其作为CiteSpace可视化分析对象。

1.2 文献基本统计特征

（1）高产作者分布。数智服务与制造业关系领域前3位高产作者分别为Parida、Kohtamaki、Bustinza，可为该领域研究提供文献阅读导向，如表2所示。Parida将服务与创新相结合，认为重构和发展商业模式有助于促进数字化及人工智能发展；Kohtamaki基于战略管理研究视角，探讨制造商数字服务转型策略和产品服务解决方案；Bustinza致力于研究科学理论体系及创新管理机制，重点关注数字化对服务交付的革命性变革。

（2）高产期刊分布。高产期刊反映该领域整体研究进展和水平，本文对高产期刊前5位进行统计，结果如表3所示。从中可见，5种期刊发文总数占该领域论文总数的15.13％，说明制造业升级领域论文发表期刊相对集中，期刊总体影响因子平均值为10.295 2，说明该领域已得到主流学界关注^[7]。

（3）高产机构分布。对样本数据中的高产机构进行分析，如表4所示。从中心度看，阿斯顿大学（AU）和弗劳恩霍夫国际管理与知识经济中心（FIMW）排名前两位，两个机构合作发文单篇最高引用次数为380，主要关注生态系统视角下数字服务商业模式，跨机构研究在学术界产生较大影响。从发文量看，吕勒奥理工大学（LUT）和瓦萨大学（UV）居于前列，两者在2011—2019年持续产出14篇文献，较早开始关注该研究领域。

1.3 数量趋势与突现词

文献数量变化情况（见图1）是衡量数智服务领域研究进展的重要指标，按照数量变化情况将该领域研究划分为3个阶段，进一步结合热点突现词作如下分析（见表5）：

（1）1996—2006年数智服务领域相关文献数量较少，学者刚开始关注制造业战略与服务创新。战略文献涉及制造业灵活性 （Vokurka，2000）、组织架构对产品开发速度的影响（Atuahene-Gima，2003）、供应商合作对制造业创新的影响（Petersen，2005）。服务要素是此阶段创新的主要特征，制造业企业制定服务战略规划时，力求能够在满足客户多维需求的同时实现自身价值，且研究长达10年，显著性达到11.75。

（2）2007—2017年文献数量呈波动上升趋势，总文献数共计207篇，制造业向服务范式转变成为大趋势，在知识经济全球化背景下，服务创新成为企业维持竞争优势的重要途径。数据支持下制造业市场定位（Kowalkowski，2015）、竞争优势^[8]、商业模式创新^[9]、依托工业互联网的“云制造”（Laili，2012）成为此阶段的突现词，涉及服务创新所需的感知、借鉴、整合和协调再配置等动态微观能力，凸显出产品—服务系统对制造业影响的发展程度。此阶段，制造业数字化转型所需的运营实践和支持性技术成为学者研究的重要议题，数字能力培育是商业模式创新的关键（Sambit，2017）。

（3）2018—2022年共发表论文321篇，高于前两个阶段发文数的总和。随着技术演进和社会变迁的加速，制造业发展周期缩短，企业面临更加迫切的数字化变革需求。该阶段，数字服务化和智能服务成为制造业关注的主要方向，数智技术重塑着行业结构和组织边界（Palmié等，2022），数字平台服务为产品创新创造了机会（Tian等，2022）。制造业企业借助大数据、人工智能、5G等新技术加速构建新型架构^[10]，数智联动创新机制促进企业核心能力转移与重组。

1.4 聚类结果分析

本文采用潜在语义分析（LSI）算法对样本中的关键词进行聚类分析，旨在重构词语间的共现矩阵，以便更好地发现词语间的潜在相关性，一定程度上能纠正词语选择产生的噪声，产生语义相关的聚类结果，突出文献中出现的重要主题领域。为提高关键词聚类效果，设置如下判断标准：①当聚类模块值大于0.3时认为模块信息显著，结果显示模块值Q=0.5012；②轮廓系数大于0.5是可信的、大于0.7是高效的。实际平均轮廓值S=0.758 3，说明聚类结果高效可信；③各聚类结果的最小轮廓值应为0.5，结果显示最小轮廓值为0.655，说明所有聚类均比较合理（陈悦等，2015），如图2所示。

2 数智服务对制造业升级的影响

本文通过对12个聚类关键词及其所属文献内容进行分析发现，数智服务对制造业的影响涵盖从用户到服务系统的不同方面。本文通过对现有文献进行分析，挖掘制造业升级的底层逻辑。

技术溢出等传统要素是促进制造业升级的关键动因。顾雪芹^[11]研究发现，劳动力结构效应能促进制造业升级。本文从数字要素和服务角度出发，从数字化服务战略、算法优化和服务迭代3个方面对制造业升级动因进行探讨。生产性服务业专业化和多样化集聚所产生的知识外溢效应有助于促进制造业结构升级（韩峰等，2020），本文对影响制造业升级的数智服务理论进行提炼。周济院士^[12]探讨嵌入式与集成物理系统在智能制造中的作用，是研究数智服务影响制造业升级的典范，使得数字服务化机理逐渐进入主流研究视野。在服务化、数字经济影响中国制造业升级研究中，张艳萍等（2022）从价值链视角进行探索，认为服务范式能优化制造业价值链各环节资源配置，进而提升制造业创新绩效。本文围绕价值创造视角，试图探究数智服务驱动制造业升级的特征。

综上所述，为厘清各方关系，本文从个体和系统两个视角整合研究主题。一方面，随着情感需求对制造产品附加值和用户忠诚度的提高^[13]，个体行为成为影响企业运营的重要方面。Chopdar等^[14]构建了一个S-O-R模型，用来分析外部因素对个体行为的影响。本文参照这一模型，将其中的“刺激—认知—反应”过程作为考察个体行为的主要内容；另一方面，产品—服务系统将供应商、制造业企业和平台等各参与主体联系在一起，系统中各要素、主体相互影响与动态演化，“动因—行为—结果”过程体现了新兴产业发展中各系统要素的递进逻辑^[15]。本文借鉴上述模型框架，构建数智服务影响制造业升级的理论框架，将聚类内容确定为“动机、机理、知识和绩效”相互关联的结构，如图3所示。

2.1 数智服务影响制造业升级的动因

相关学者多从大数据、物联网、自动化、供应链等方面分析数智服务对制造业升级的影响，本文从已有文献中凝练战略变革、服务提升和智能决策等因素的内在逻辑关系。

（1）聚类#4商业战略（business strategy）：该类研究关注数智服务影响制造业企业升级的技术架构开放性、服务设计创新和客户情感参与等因素，旨在实现战略布局与市场环境的统一，强调战略作为一种适应机制，与商业环境相匹配，系统一致性集成和分布式服务架构的引入是两者统一的基础。Goldstein等（2002）认为在制定服务规划时，服务交付平台应保持开放的技术架构和系统集成，并根据客户反馈灵活调整战略布局。其中，情感参与和交互沟通是战略制定的关键，制造商与其它企业的互动被认为是“参与情感投资和所有权的过程”^[16]，而客户则是企业共同的制造商。服务创新不仅定义了“如何做”和“做什么”的服务需求，还确保两者能够集成，将客户需求与公司战略目标紧密结合在一起。

（2）聚类#7产品相关服务（product-related services）：该类研究关注高附加值服务、产品服务系统设计和定制化服务，以期实现产品与服务的融合。产品相关服务（PRS）是指为客户补充产品和附加值的服务，是制造业企业增值的重要组成部分^[17]，工业4.0将传统服务业务转变为制造业企业数字化产品相关服务。创新产品—服务系统设计从根本上影响企业的价值主张、价值系统上下游关系以及商业模式本身。模块化将服务划分为不同标准化组件，能为不同阶段及差异化需求用户提供自定义服务^[18]。物联网技术支持制造业企业产品全生命周期的数据采集和优化，使其能够深度参与基于服务的产品开发设计，充分释放机器设备的价值，加速制造业向柔性数字化转型。制造业企业正试图通过使用数字解决方案升级产品相关服务进而获取竞争优势。

（3）聚类#11智能算法（intelligent algorithms）：该类研究包括启发式算法、制造服务模式和信息技术参与等，是实现智能决策的基础。遗传算法、蚁群优化、免疫算法等技术已广泛应用于解决制造业生产调度、路径规划、产品优化配置等问题（Lu 等，2022）。为实现制造业发展目标，先进制造业企业已采用敏捷制造和云制造等服务模式（Laili等，2012）。云制造（CMfg）是指将云计算技术应用于制造业，将各种制造、模拟和计算资源与能力转换为制造服务。由于高异构性、高动态性和虚拟化特性使得问题变得更为复杂，传统确定性算法和原始近似算法已不能满足制造业发展需求，而智能算法可实现生产资源共享和生产流程协同，根据用户需求将资源分配给相应用户；同时，基于信息技术（IT）和人的交互混合模式能为客户和提供商提供更高效、更满意的服务体验，降低创新和个性化服务的复杂度。

2.2 数智服务影响制造业升级的作用机理

当前，关于数智服务影响制造业升级的作用机理研究较为离散，关键词包括digital manufacturing、advance services、business model innovation、platform ecosystems等。通过分析发现，数智服务影响制造业资源配置、生产系统重构、智能方案形成和基础要素变化，据此选取4个聚类进行讨论。

（1）聚类#0数字化转型（digital transformation）：该聚类侧重于数据分析、业务整合与资源需求研究，主要探索制造业运营流程和系统数字化升级方式。当运营流程或系统同步数字化时，数据分析会增加服务创新机会，通过数字化手段整合生产、供应链和售后等业务（Paschou等，2020），采用特定数字化工具实现远程监控、大数据集成和预测分析等工作。Classen等^[19]认为制造业数字化应得到不同资源和能力集的支持，并对其操作过程进行智能化设计。

（2）聚类#5数字服务化（digital servitization）：该类研究关注服务模式创新、新能力开发和物联网应用，旨在提高公司运营绩效并获取竞争优势。数字服务化是指通过开发新服务或使用数字技术改进现有服务，找到共同价值创造方法（Kohtamaki等，2020），其是产品和流程创新之后的一种新的创新模式（Envelope 等，2023）。制造业企业需开发新知识和能力禀赋，整合从互联网中收集的数据，改进内部流程和制造过程，利用数字技术为客户提供服务价值，重视产品在运营过程中的价值创造。从产品提供商向解决方案提供商转型，这种趋势包含在数字服务化概念中，旨在提供嵌入在物理产品中的数字化服务。在这种情况下，工业物联网作为数字服务化的基础，在各类别服务中覆盖范围最大，而大数据分析、云计算则用于横向和垂直集成，能够应对服务过程的复杂性。

（3）聚类#10自主解决方案（autonomous solutions）：该类研究强调协同合作、边界集成和数字需求，主要探讨如何制订自主解决方案，以进一步构建创新生态系统。数智服务强调与外部利益相关者的合作与互动，通过整合互联和智能产品开发新型服务模式，为客户提供自主解决方案（Frandsen等，2022）。一方面，跨企业边界集成对智能解决方案至关重要（Marko等，2019），强调应从特定关注点出发配置生态系统资源，尽可能考虑数据共享；另一方面，制造商根据客户数字需求和成熟度，通过聚合解决方案确定价值分配和价值主张（Kolagar等，2022）。此外，自主解决方案能优化各类工业部门的设备操作，使其拥有较高的自动化水平。如运营流程改变能满足客户多样化需求，而开发能力在很大程度上取决于运营商的辅助功能，对其处理得当能使制造业企业在一定程度上创造新的收入流。

（4）聚类#1产品—服务系统（product-service systems）：该聚类涉及功能需求交付、有效信息创建和增值服务，主要探索制造业产品—服务系统（PSS）可持续发展路线。有学者较早提出PSS的概念，将其界定为一个由产品、服务、参与者网络和基础设施组成的系统，旨在满足客户特定需求^[20]。从作用角度看，包括面向产品、面向使用和面向结果3类PSS。其中，面向产品的PSS物联网被认为是最具影响力的支持技术^[21]，在汽车、医疗器械等制造业领域已得到广泛应用；面向使用的PSS交付不仅涉及产品所有权，还涉及其性能和使用权；面向结果的PSS将大数据、人工智能与机器学习相结合，能够增强客户理解、优化量身定制服务和实现产品自主运营（Andrea等，2020）。

2.3 数智服务对制造业创新绩效的影响

数智服务影响制造业升级的研究主要从两个方面展开：一是数智服务应用与制造业企业绩效关系；二是服务创新主导逻辑对制造业升级的影响。

（1）聚类#3公司绩效（firm performance）：该类文献主要探讨服务影响制造业企业绩效的关键因素以及两者间的非线性作用关系。服务本质上是面向流程的，多数研究采用支持供应商产品和客户行为的二维服务分类方法进行综合分析^[22] ，有助于制造业企业全面掌握其在供应链市场上的表现，能清晰解读合作网络关系，找出改进方向，进而提高制造业企业绩效；在服务驱动制造业发展的环境中，加强与客户及合作伙伴的关系是提供定制、集成和输出服务的先决条件，制造业服务化程度受技术创新水平^[23]、服务组织设计^[24]、公司规模^[25]、市场变化等因素的影响。此外，政策法规^[26]、行业竞争^[27]也能促进智能服务发展。随着研究不断深入，相关学者提出U型关系、倒U型关系^[28]和鞍型关系^[29]等非线性相关关系。

（2）聚类#6服务创新（service innovation）：该聚类关注服务主导逻辑、服务创新要素和合作协同能力。在服务主导逻辑（S-D）下，服务创新和产品创新相互融合，产品是提供服务的机制、媒介或工具（Lusch等，2015）；服务创新需要协调各要素关系，如系统、设计、技术、组织和客户等（Jay 等，2015），服务系统为企业创新提供整体导向和框架指引，从而整合和协调伙伴网络关系^[30]。设计是面向可持续性服务解决方案的基本组件，即根据服务场景和客户体验进行精细化规划；技术是开展服务创新的关键支撑，智能化技术可提高服务效率；组织扁平化、弹性用工能有助于促进企业商业模式创新，客户更关注公司与用户及合作伙伴间的互动。协同合作能力与交流网络影响制造业创新效果：一方面，企业与合作伙伴之间通过有效沟通、资源共享和协同合作，有助于增强知识交流，加快技术转移，促进创新成果产生；另一方面，企业通过建立多样化信息渠道能获取广泛的创新资源和知识，从而为企业开展创新活动提供可持续性支持。

2.4 数智服务影响制造业升级的知识体系

数智服务领域知识体系沿着知识、服务科学和本体理论呈渐进式发展，形成一个相互关联的体系。

（1）聚类#8知识（knowledge）：该聚类涉及知识资本积累和知识实践应用。在制造业升级过程中，随着技术快速发展和数字化转型不断推进，企业需要积累并有效利用相关知识内容，以适应市场变化。在管理层面，企业在不断经营和发展过程中积累了大量知识和经验（Buenechea等，2023），数智技术对这些隐性知识资本进行提炼和创新，推动制造业服务化发展。一方面，利用自然语言处理、深度学习等技术快速完成对大量非结构化文本与结构化数据的分析，提取并整合相关信息；另一方面，采用知识图谱和关系抽取等方式构建关系网络，促进知识关联、组合与重构，通过构建知识库支持服务平台发展，实现全面的数字化管理决策。在生产层面，通过对产品设计流程、设备运行维护进行融合再造与标准化，可帮助企业更好地运营实体系统^[31]。具体表现为利用虚拟仿真技术进行产品结构设计及动力学仿真，在数字环境中模拟现实工艺流程及生产布局，通过分析和优化产品性能、缩短产品设计周期提高生产效率；将制造现场环境和过程以数字形式呈现给培训对象，对员工进行标准化操作技能培训；提供虚拟维修环境，模拟各种故障并形成记录，方便工作人员分析故障原因并进行诊断。

（2）聚类#2服务科学（service science）：该聚类主要关注角色定位、协同设计和信息共享，涵盖数字化与服务结合的理论基础。制造业企业服务角色定位影响数字化参与方向，提高产品与服务协同设计中的客户价值，决定服务信息共享范围和质量，因此需强化数字化对产品柔性的积极作用；企业是为客户问题提供解决方案的合作伙伴，应为客户提供优质的全生命周期服务。在产品设计过程中，团队内部需实现跨边界信息交互，在产品设计阶段就应考虑未来服务内容，使产品更契合未来发展方向（Wei，2015）；企业内部不同部门之间以及企业与客户、供应商及其他合作伙伴间的信息共享也至关重要，制造业企业应通过构建合作网络进行在线协作与交流，进而提升用户体验（Sklyar等，2019）。

（3）聚类#9本体理论（ontology）：该聚类主要关注人机交互情境下知识、语义的转换方法，展现了智能服务领域对知识表达和语义理解的高度关注。本体理论在制造业升级过程中扮演着重要角色，为人工智能在制造业领域的应用提供了理论基础，促进制造业实现更智能化的人机交互。在制造业升级过程中，企业需要处理大量复杂的知识和信息，涉及产品、工艺、设备、供应链等多个方面，而本体理论有助于实现对设备、流程的语义理解和自动规划，将其应用到智能化生产控制系统流程，能促使系统像人一样理解状态和目标，实现自动化控制。本体理论以形式化和系统化的方式呈现现实世界中的实体关系^[32]，通过对知识进行定量描述，建立知识图谱，使企业能更好地组织、管理和利用这些知识（Iarovyi等，2015）。进一步地，通过语义化定义制造设备、工艺流程、产品实体关系和属性，形成制造异构知识的有效表示和语义推理，实现基于语义化的制造规划，建立更精准的客户需求模型，提供个性化服务，进而增强客户满意度和忠诚度。

3 研究结论

通过归纳现有研究成果，本文从动因、机理、绩效及和知识体系4个维度进行系统梳理和有机整合，明确不同维度对制造业升级的影响，在CiteSpace给出聚类关键词的基础上，厘清维度间的内在关联，并绘制数智服务影响制造业升级研究的理论框架，见图4。

（1）在动因方面，用户需求响应是影响制造业升级的关键驱动因素，基于产品的服务拓展和基于算法的资源优化是关注重点。从文献突现词出现顺序看，当制造业战略方向转向服务导向时，学者研究内容逐渐细化到数智化战略实施过程，在线大数据集成、人工智能识别、将客户作为共同制造商成为“感知—设计”模式的关键步骤；同时，与外部商业环境相适应、分布式服务架构、嵌入或微创新方式可规避数智服务创新带来的风险。

（2）在机理方面，数智服务通过制造与服务系统协同促进制造业升级。在这一并行过程中，系统优化和数字服务化交织，两者要素迭代从多方面验证了数字化驱动产业变革的理论，展现了产品—服务系统的特征。在产品—服务系统构建与自动方案形成过程中实现跨组织边界集成，使数智成为主导生产系统优化的必要条件。互联数据有助于提高客户反馈的准确性，促进服务模块化，推动数字功能与商业生态进化，为柔性数字服务发展提供支持。

（3）在绩效方面，效率提升和模式创新是学者探讨数智服务促进制造业升级的重点路径。在效率提升方面，通过对客户进行精细化细分可理解不同客户群体的价值观念，激发企业技术创新活力，提高企业创新效率。AI情景模拟和风险评估能避免资源无效投入，推动产业结构优化升级。互动化、平台化和去中心化是影响模式创新的主要方面。其中，智能化让客户由被动购买方成为平等参与方，与企业建立起持续互动的关系；数字支付、虚拟产品和浮动价格使服务转向平台生态协同交易方；去中心化使网络关系向控制激励导向转变，治理和协作策略使企业能够对创新资源进行优化配置。

（4）在知识概念体系方面，相关研究呈现“技术服务→个性化服务→人机交互服务”的渐进式发展过程。生产过程仿真、设备运行监控实现对资源的数字化描述和管理，随着企业产品—服务系统升级，顾客开始参与产品研发过程，以实现从需求界定到再设计的全生命周期服务；交互式决策的广泛应用使知识和信息语义化逐渐成为智能化系统的关键，本体理论形成知识图谱，通过倾听和理解用户需求获得情感价值，进而形成智能决策。

4 理论贡献

（1）从数和智两个方面提出数智服务内涵。其中，“数”侧重于数字对有形资源的描述和替代，“智”侧重于从个体和组织行为角度促进服务发展，“数”与“智”互相融合促进制造业升级。“数”在企业中体现为通过利用物联网（IoT）等新技术提高企业运行效率和服务质量，优化制造业企业内外部流程；“智”是指开发新服务或改进现有服务，将产品和服务作为一个整体满足用户多方需求。不同研究视角下“数”与“智”未形成统一的关系界定，将“智”作为“数”的进一步发展阶段虽能体现其功能差距，却忽视了主导主体的变化；而将两者作为独立发挥作用的部分又不能恰当解释双方的依存关系。因此，需对两者关系加以区别。一方面，“数”与“智”具有多方面不同。“数”侧重于对传统服务的数字化替代，关注“物”的产品升级和设备自主解决方案的实现，体现在数据存储、流程改造和组织运营等方面，目的在于促使服务成本下降和工作效率提升，以强化服务流程标准化和内容模块化；而“智”则侧重于基于“情感”的“人”的行为价值感知和决策，包括战略预测、人机交互与偏好捕捉等，通过反馈机制进行优化迭代，使服务实现智能感知、决策、控制和优化，呈现出主动性、适应性、协同性特点。

另一方面，数与智在要素、目标和绩效方面形成协同关系。数智化能够协调材料、设备与价值导向间的关系，“数”将服务内容形成便于存储、处理和快速传播的数据，用数字工具改造服务流程，为制造业升级提供智能化物质基础。同时，“智”所提供的机器学习和数据挖掘通过客户行为发现客户潜在需求、实现战略预测，为有形资源数字化提供方向。数智协同整合“数”和“智”的优势，能使服务高效满足用户各种需求，进而提升服务整体效率和用户体验。

因此，数智服务是通过资源数字化转变、智能化人机交互促进制造业企业运营变革，服务与制造过程集成能提高制造业企业整合能力，服务生态系统的完善可满足产品多样性，两者关系见图5。

图5 数智服务研究视角Fig.5 Research perspectives on digital intelligence services

（2）将数智服务聚类整合为动因、机理、绩效和知识4个主题，构建主题间因果关系模型，为探究数智服务对制造业升级的影响提供了框架和思路。CiteSpace聚类体现在数字化转型、产品服务系统、智能算法等方面，但相关研究呈现出碎片化特征，缺少整合性研究。本文整合数智服务主题，从个体与系统视角出发，多方面梳理文献聚类类型，揭示同一主题下的多维关系和相互联系，形成新的层次关系。“动机—机理—绩效”呈现出以因果关系为基础的逻辑递进过程，通过探究数智服务主题时间维度的先后作用关系，丰富了制造业升级理论研究。

（3）发现数智服务从技术、管理和价值链3个层次促进制造业升级，明确了其引发的“要素变化→产业生态”发展趋势。早期配第克拉克定律、库兹涅茨法则认为产业不均衡因素能促进产业结构升级，但随着发展中国家结构主义产业政策的失败，新结构经济学将产业升级过程聚焦于产业内部关系。数智服务对制造业升级的影响不同于产业政策主导或产业内生驱动，其源于产业间禀赋结构的相互作用，其影响主要体现在以下3个方面：第一，数智服务的广泛应用为制造业技术升级提供强大的动力支持。数智服务技术应用领域不断拓展，提高了开放式创新平台服务能力；数智服务的引入使技术服务解决方案自主实现成为可能，推动制造业向以服务为核心的方向转型；智能算法能够发现隐藏在海量驳杂信息中的客观规律，扩展数智服务技术广度和深度，提高制造业资源要素服务化水平。第二，数智服务以顾客情感为主导逻辑，促进制造业管理升级。从战略管理层面看，数智服务管理模式有利于准确发现用户需求和实现社会价值，通过整合多源异构数据洞察客户偏好，利用客观数据产生科学决策；从创新管理层面看，管理人员通过人机交互对方案进行优化，提高组织敏捷性和灵活性，缩短决策链条；从生产管理层面看，数字孪生等技术能提高生产过程可视化程度，快速发现和解决生产问题，实现制造过程的精益化。第三，数智服务在提升制造业技术与管理水平的同时，还能促进制造业价值链升级。一方面，在制造过程中，数智服务能模拟产品全生命周期，使制造业从“事后服务”向“事前设计”转变，实现高效柔性制造；另一方面，数智服务可达成多方战略合作关系，降低各环节中间成本和信息不对称，形成多主体服务协作关系，进一步完善产品—服务系统功能。此外，参与方能通过数智服务创新资源，快速引进和应用前沿技术与工艺，进而实现产业生态系统价值共创。

综合来看，数智服务不仅能完善制造业技术和管理模式，还能推动制造业价值链全面升级，形成一个互补共生、动态平衡和协同演化的可持续发展模式。

5 研究展望

（1）动因层面，进一步探讨数智服务引发的制造过程主导逻辑转变。“产品→服务→价值”转变过程是制造业的发展趋势，企业核心竞争力主要体现为能否为客户创造独特的价值体验（Struwe 等，2023）。未来应重点关注以下内容：如何通过数智服务创造有效和快捷的人机交互，让客户在使用产品过程中获得积极情感认知？如何与客户建立持续交流反馈机制，使企业能够快速响应客户需求，进而不断优化和创新解决方案？进一步探究数智服务与人工智能技术相结合的新一代制造业发展机会，构建多种要素资源获取途径。

（2）知识层面，以本体理论为逻辑基础拓展知识应用领域，从物联网、平台生态系统、服务生态系统角度促进知识体系规范化。以先进数字技术为基础，根据不同场景需求和参与方特定要求，探究基于灵活组合和资源优化配置的物联网模块化特征。另外，数字平台是影响制造业企业运营和服务敏捷度的重要组织形态，应针对不断出现的数字平台新业态构建治理框架，探究基于平台化、模块化整合场景的关键维度测度指标，支持对数智概念的定量评价。

（3）机理层面，制造业在未来一段时期仍将朝着定制化和个性化方向发展，“产品即服务”是主旋律，企业产品使用功能和所提供的服务将成为企业主要竞争优势。如何在工艺、组织等方面具备快速定制产品和响应客户需求的能力，实现“批量定制”和“定制批量”生产是数智服务发展的主要方向。企业应利用数据技术和算法能力，构建数据闭环AI大模型，促进自主学习，制定服务智能决策。例如，“智慧工厂”便是制造业数字化与商业模式结合的典范，未来制造业运营模式设计是急需拓展的领域。

（4）绩效层面，通过数智服务规避制造过程风险是避免数字悖论的关键策略。制造业企业面临复杂和多元化风险，如何依托区块链技术构建开放式合作网络，拓展应对服务风险的渠道？构建怎样的管理体系对用户数据进行安全识别和风险应对？对这些方面进行探究有助于提高制造业数智服务质量，形成全面的服务风险管理体系^[33]。未来可考虑采用博弈演化理论、扎根理论和文本分析等方法，形成适用于多主体关系的治理机制和权力分配策略，以保护各参与方利益并促进公平竞争。

参考文献：

[1] ARDOLINO M， RAPACCINI M， SACCANI N， et al. The role of digital technologies for the service transformation of industrial companies[J]. International Journal of Production Research， 2018， 56（6）： 2116-2132.

[2] 陈剑， 黄朔， 刘运辉. 从赋能到使能——数字化环境下的企业运营管理[J]. 管理世界， 2020， 36（2）： 117-128.

[3] 姜中霜， 王节祥， 李靖华. 制造商依托数字技术推进跨越式服务化转型的过程： 基于诺力股份的案例研究[J]. 管理工程学报， 2023， 37（3）： 212-223.

[4] 赵泉午， 游倩如， 杨茜，等. 数字经济背景下中小微企业服务平台价值共创机理——基于猪八戒网的案例研究[J]. 管理学报， 2023， 20（2）： 171-180.

[5] LEE J. Teleservice engineering in manufacturing： challenges and opportunities[J]. International Journal of Machine Tools and Manufacture， 1998， 38（8）： 901-910.

[6] ALLMENDINGER G， LOMBREGLIA R. Four strategies for the age of smart services[J]. Harvard Business Review， 2005， 83（10）： 131-134，136，138.

[7] 杨书燕， 宋铁波， 吴小节. 数字化转型研究知识结构与热点趋势[J]. 科技进步与对策， 2022， 39（15）： 150-160.

[8] CAMISON C， VILLAR-LOPEZ A. Organizational innovation as an enabler of technological innovation capabilities and firm performance[J]. Journal of Business Research， 2014， 67（1）： 2891-2902.

[9] BELVEDERE V， GRANDO A， BIELLI P. A quantitative investigation of the role of information and communication technologies in the implementation of a product-service system[J]. International Journal of Production Research， 2013， 51（2）： 410-426.

[10] HERTERICH M， DREMEL C， WULF J， et al. The emergence of smart service ecosystems——the role of socio-technical antecedents and affordances[J]. Information Systems Journal， 2023， 33（3）： 524-566.

[11] 顾雪芹. 中国生产性服务业开放与制造业价值链升级[J]. 世界经济研究， 2020，39（3）： 121-134，137.

[12] 周济. 智能制造——“中国制造 2025” 的主攻方向[J]. 中国机械工程， 2015， 26（17）： 2273-2284.

[13] RUDIAWARNI F A， TJAHJADI B， AGUSTIA D， et al. Business strategy and industrial competition： the case of manufacturing companies[J]. International Journal of Business Environment， 2022， 13（1）： 35-59.

[14] CHOPDAR P K， BALAKRISHNAN J. Consumers response towards mobile commerce applications： SOR approach[J]. International Journal of Information Management， 2020， 53： 102106.

[15] 李志刚，张越，周琦玮，等.公司孵化器如何构建创业生态系统——基于“动因—行为—结果”分析框架[J].南开管理评论，2024，27（1）：235-247.

[16] FOSTER JR S T， FRANZ C R. On the differences between information systems' users and analysts： managing perceptions of systems quality[J]. Journal of Quality Management， 1998， 3（1）： 63-77.

[17] OLIVA R， KALLENBERG R. Managing the transition from products to services[J]. International Journal of Service Industry Management， 2003， 14（2）： 160-172.

[18] GREMYR I， VALTAKOSKI A， WITELL L. Two routes of service modularization： advancing standardization and customization[J]. Journal of Services Marketing， 2019， 33（1）： 73-87.

[19] CLASSEN M， FRIEDLI T. Eight organizational enablers of digital service-sales ambidexterity in industrial firms[J]. Journal of Business amp; Industrial Marketing， 2022， 37（11）： 2142-2155.

[20] CALLE A D L， FREIJE I， OYARBIDE A. Digital product-service innovation and sustainability： a multiple-case study in the capital goods industry[J]. Sustainability， 2021， 13（11）：1-30.

[21] STEFAN， WIESNER， KLAUS-DIETER， et al. Cyber-physical product-service systems-challenges for requirements engineering[J]. International journal of automation technology， 2017， 11（1）： 17-28.

[22] ULAGA W， REINARTZ W J. Hybrid offerings： how manufacturing firms combine goods and services successfully[J]. Journal of Marketing， 2011， 75（6）： 5-23.

[23] OPAZO-BASAEZ M， VENDRELL-HERRERO F， BUSTINZA O F. Digital service innovation： a paradigm shift in technological innovation[J]. Journal of Service Management， 2022， 33（1）： 97-120.

[24] KRETSCHMER T， KHASHABI P. Digital transformation and organization design： an integrated approach[J]. California Management Review， 2020， 62（4）： 86-104.

[25] BUER S V， STRANDHAGEN J W， SEMINI M， et al. The digitalization of manufacturing： investigating the impact of production environment and company size[J]. Journal of Manufacturing Technology Management， 2021， 32（3）： 621-645.

[26] FOSTER C， AZMEH S. Latecomer economies and national digital policy： an industrial policy perspective[J]. The Journal of Development Studies， 2020， 56（7）： 1247-1262.

[27] SHEHADEH M， ALMOHTASEB A， ALDEHAYYAT J， et al. Digital transformation and competitive advantage in the service sector： a moderated-mediation model[J]. Sustainability， 2023， 15（3）： 2077.

[28] BUSTINZA O F， VENDRELL-HERRERO F， GOMES E， et al. Product-service innovation and performance： unveiling the complexities[J]. International journal of business environment， 2018， 10（2）： 95-111.

[29] FENG C，JIANG L，MA R，et al. Servitization strategy， manufacturing organizations and firm performance： a theoretical framework[J]. Journal of Business amp; Industrial Marketing， 2021， 36（10）： 1909-1928.

[30] ENQUIST B， PETROS SEBHATU S， JOHNSON M. Transcendence for business logics in value networks for sustainable service business[J]. Journal of Service Theory and Practice， 2015， 25（2）： 181-197.

[31] SOFIC A， RAKIC S， PEZZOTTA G， et al. Smart and resilient transformation of manufacturing firms[J]. Processes， 2022， 10（12）： 2674.

[32] USCHOLD M， GRUNINGER M. Ontologies： principles， methods and applications[J]. The Knowledge Engineering Review， 1996， 11（2）： 93-136.

[33] JAT M N， JAJJA M S， SHAH S A， et al. Manufacturer's servitization level and financial performance： the role of risk management[J]. Journal of Manufacturing Technology Management， 2023， 34（1）： 122-146.

（责任编辑：王敬敏）

英文标题The Impact of Digital Intelligence Services on Manufacturing Upgrading： Theoretical Framework and Future Trends

英文作者Chen Xusheng， Qu Leqing

英文作者单位（School of Management， Harbin University of Science and Technology， Harbin 150040， China）

英文摘要Abstract：Manufacturing upgrade is a crucial component of national economic development strategies， with the sources of competitive advantage evolving from traditional products and technology to data-driven， algorithmic， and service-oriented paradigms. Currently， the study of how Digital Intelligence Services （DIS） influence manufacturing upgrades is in its nascent phase， particularly within the Chinese context， where the integration of these elements trails behind advanced enterprise intelligence practices. The mechanisms through which DIS can enhance competitive advantages are yet to be fully explored and articulated. Given these issues， this study focuses on the following aspects： （1） the definition of DIS and the relationship between \"digital\" and \"intelligence\"; （2） the impact of DIS on manufacturing upgrades from various perspectives， including its driving motivations， mechanisms， outcomes， and underlying knowledge framework; and （3） the future development directions of DIS in the context of manufacturing upgrades.

This study delves into the multifaceted domain of DIS and their influence on the manufacturing industry's transformation. To achieve this， it selects the core collection of the Web of Science （WoS） database as the primary sample source. Through a meticulous literature review， the study identified and clustered foreign scholarly works， ultimately narrowing down the focus to two pivotal research topics： \"digital intelligence services\" and \"manufacturing industry upgrading.\" The analysis began with the earliest relevant literature， dating back to 1996， and encompassed a comprehensive collection of 542 non-duplicative literature data. Utilizing CiteSpace， this study maps the developmental trajectory， frontier hotspots， and changing trends of DIS's impact on manufacturing upgrades.Through latent semantic analysis （LSI） of keywords， a visual map was created. This approach integrates the individual \"S-B-O\" model with the product-service system-focused \"S-B-O\" model， resulting in a comprehensive framework of DIS’s impact on manufacturing upgrades across four dimensions： motivation， mechanism， performance， and knowledge system.

The study reveals several key findings： In terms of motivation， the trend in research indicates that DIS influences manufacturing upgrades by addressing \"user demand responses.\" Mechanistically， clustering analysis shows that DIS promotes manufacturing upgrades through a parallel process， achieved via the coordination of manufacturing and service systems. In terms of performance， the primary pathways for DIS-driven manufacturing upgrades are efficiency enhancement and model innovation， which are the focus of most studies. Regarding knowledge concepts， the DIS concept and theoretical focus evolve from technology-driven services to personalized services and， ultimately， human-machine interaction services.

The research introduces several innovative contributions. First，" it delineates the distinctions and interconnections between \"digital\" and \"intelligence\" within existing literature， establishing a theoretical groundwork for comprehending the intrinsic mechanisms that underpin DIS's role in advancing manufacturing upgrades. Second， it examines the impact of DIS on manufacturing upgrades from multifaceted perspectives， including user demand and industrial development， extracting coherent， progressive themes from the literature， and formulating a theoretical framework that elucidates causal relationships. Third， diverging from conventional technology-driven perspectives on industrial structural changes， this study highlights the role of DIS in manufacturing upgrades through inter-industry dynamics. This offers invaluable insights into understanding theoretical development trajectories and frontier issues.

Future studies should delve into the synergies between new-generation manufacturing and artificial intelligence technologies. This exploration necessitates the development of diverse channels for securing key resources and a deeper comprehension of the multifaceted motivations that drive the impact of services on manufacturing. Moreover， research should aim to expand the application of knowledge domains based on ontology theory. Efforts should be directed towards advancing the standardization of knowledge systems， considering the perspectives of the Internet of Things， platform ecosystems， and service ecosystems. Subsequently， on the one hand， there is a need to construct data-driven AI large models that facilitate autonomous learning and intelligent decision-making in service contexts. This development will broaden the range of manufacturing realization methods and operational models. On the other hand， future research should harness blockchain technology to establish open cooperative networks. This will involve creating a management system designed to identify， assess， and mitigate risks to user data security， thereby enhancing the quality and reliability of manufacturing digital intelligence services.

英文关键词Key Words：Digital Intelligence Services; Manufacturing Upgrading; Theoretical Framework；Action Mechanism；Future Trends

基金项目：国家自然科学基金面上项目（72074061）；国家社会科学基金重大项目（22amp;ZD094）；黑龙江省哲学社会科学研究规划项目（20JYE277）；黑龙江省百千万工程科技重大专项项目（2021ZX04A01）

作者简介：陈旭升（1970—），男，辽宁北镇人，博士，哈尔滨理工大学经济与管理学院教授，研究方向为数字化转型与产业创新；曲乐晴（2000—），女，山西忻州人，哈尔滨理工大学经济与管理学院硕士研究生，研究方向为数字产业化。