□王娴 曹海波
当前，全球已进入数字经济时代，大数据、云计算、物联网和人工智能等新兴技术向纵深发展，给传统制造业的发展带来严峻挑战的同时也提供了机遇。习近平总书记强调：“充分发挥海量数据和丰富应用场景优势，促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。”推动传统产业智能化改造、数字化转型已成为建设制造强国的重要任务之一。
苏州传统制造业基础雄厚、体量庞大，对全市工业经济的高质量发展起着至关重要的作用。本文通过建立DEA-Malmquist 和熵权法TOPSIS 模型，从量化角度对苏州钢铁、纺织、化工等七个重点传统产业全要素生产率（TFP）进行实证测算，根据实证分析结果，提出提升苏州传统产业“智改数转”路径优化的对策建议。
（一）“智改数转”的定义
“智改数转”是智能化改造和数字化转型的简称，是硬件智能化改造和软件集成应用的叠加，通过整个组织更新、流程再造和数字化导入，全面提升企业在设计、生产、管理和服务等环节的智能化水平，促使企业改变发展方式、焕发发展新动能。“智改”主要指硬件改造投入，如企业通过装备升级、产线智能化改造，实现“机器换人”。“数转”更侧重于系统的集成应用，将获取的各类生产经营数据价值最大化，实现“数字换脑”。
（二）全要素生产率（TFP）与“智改数转”
全要素生产率，指资源（包含劳动、资本、土地）开发利用的效率，是用来衡量生产效率的指标。全要素生产率的增长体现了效率改善、技术进步和规模效应提升，在计算上是除去劳动、资本、土地等要素投入之后的“余值”。国内外不少学者对数字经济开展定量研究时将这个“余值”定义成技术进步，即：Y=F (A,D,K,L,T），其中，A 是数字经济水平下的技术进步，D 是数据，K 是资本，L 是劳动，T是土地。本文也采用这个假设，即剔除掉资本、劳动力、土地投入外的全要素生产率（TFP）提高源自于“智改数转”的技术进步。
（一）DEA—Malmquist 指数法
DEA—Malmquist 指数法被广泛用于全要素生产率（TFP）的测度分析，该方法的基本思路是采用投入—产出数据构造出生产前沿面函数，通过DEA 的非参数线性规划模型求解距离函数，即计算每个决策单元分别在t 和t+1 时期与生产前沿的距离，表示在两个不同时段的生产率变化，从而得出相对效率的变动。
1.式（1）中，上标t 和t+1 分别代表不同的时期，下标i 表示某个产业，x 表示的是投入，y 表示的是产出。t 期和t+1 期投入向量和产出向量分别用表示。分别表示以t时期技术为参照的t 期和t+1 期的距离函数，式（1）表达了以t 期为基期的t+1 期全要素生产率（TFP）的变化。当TFP＞1，表明TFP 呈增长趋势；
当TFP＜1，表明TFP 呈下降趋势。
2.分解DEA-Malmquist 指数，得到结果式（2）和（3）。
（2）式是技术效率变化指数（EFFCH），它评估了要素投入规模是否最优，要素利用程度是否最优。当EFF 大于1 时，表明与上一期相比，当期生产更接近前沿面，技术效率改善；
反之，则表示技术效率恶化。
（3）式是技术进步变化指数（TECHCH），反映了产业技术是否有了创新，是否提升了技术水平，先进设备是否被引进、生产工艺是否改进以及研发新产品能力是否提升等。当TEC 大于1 时，表明决策单元有了技术进步。
3.进一步将技术效率（EFFCH）再分解成为纯技术效率（PECH）和规模效率（SECH）。
（4）式是纯技术效率（PECH），它反映的是既定资源投入和技术水平下，行业产出能力的自身提供情况，反映闲置要素的利用程度和资源配置效率的高低。
（5）式是规模效率（SECH），它反映的是既定技术水平下，要素投入的增加所带来的收益的变化，其经济含义是考量行业投入规模的合理化程度。
（二）指标选取及数据来源
本文实证分析以苏州钢铁、有色、纺织、化纤、化工等七大类传统制造业为研究对象，数据来源为2012—2021 年的 《苏州统计年鉴》。使用的测算指标为：资本要素投入用固定资产净值反映，劳动要素投入用应付职工薪酬反映，效益用利税总额反映，产出用工业总产值反映。所有指标数据均来自于 《苏州统计年鉴》。
（三）DEA 测算结果
测算结果显示（表1），2012—2021 年间苏州市七大传统产业全要素生产率（TFP）年均变化率均未呈现增长趋势，反映出苏州传统产业陷入停滞甚至有所衰退。其中纺织业和化学纤维制造业的TFP=1，表明这两个行业2012—2021 年之间全要素生产率保持稳定；
其他5个行业的TFP 均小于1，表明2012—2021 年之间全要素生产率出现退步。
表1 2012—2021 年苏州市传统产业TFP 年均变化率
在TFP 的分解指标中，七大传统产业的技术进步率（TECHCH）均大于1，但年均增幅仅在0.4%—0.6%之间，总体技术转化能力不足。所有行业的技术效率（EFFCH）均小于1，表明2012—2021 年间苏州传统产业技术发展仍然主要依赖于资源要素投入，制度创新和管理水平的提升带动的资源配置效率和技术效率的提高，对提升苏州传统产业TFP 没有起到明显的促进作用。
七大行业的规模效率（SECH）均呈现明显的下降态势，表明在稳定的技术水平下，传统行业要素投入的增加所带来的收益效率变低，通过进一步加大投入、扩大行业规模的发展方式对传统行业的全要素生产率（TFP）提升效果不佳，苏州传统制造业需要进一步通过技术创新才可以实现可持续的高质量发展。
从行业的纯技术效率（PECH）看，4 个行业纯技术效率小于1；
黑色金属冶炼和压延加工业的纯技术效率等于1；
纺织业、化学纤维制造业的纯技术效率虽然大于1，但年均增长率仅为0.1%。表明苏州传统行业的资源要素存在一定的闲置，还未达到资源最优配置，技术能力未能充分利用，这也说明创新技术使用能力不足是苏州传统产业发展的短板。
从DEA 结果来看，技术创新能力不强、转化效率低，技术使用能力不足是制约苏州传统产业高质量发展的重要因素。为了推动传统行业更高效“智改数转”，本文使用熵权法TOPSIS 模型，进一步揭示苏州传统产业全要素生产率变动的影响因素，寻找驱动技术进步和数字化发展的核心因子，确定苏州传统产业“智改数转”的未来增长路径。
（一）熵权法指标选取和TOPSIS结果
在构建数据模型时，仍然选取2012-2021 年传统产业各行业数据。由于传统产业TFP 的最可能因素大体包括行业发展规模、人才投入和科技创新方面指标，所以在指标选取上更侧重于科技创新指标。根据计算，得出苏州七大传统产业TFP 影响因子权重以及TOPSIS 结果（表2）。
（二）熵权法TOPSIS 结果分析
1.科技成果使用能力为核心要素。表2 显示，在“智改数转”中，科技转化效率对传统制造业产业TFP 有明显正影响，起着决定性作用。“万人发明专利拥有量”“有R&D 活动企业数”“有科技机构企业数”这3 个与科技成果使用能力相关的指标权重最高，三者合计达54.9%。其中，直接体现创新成果、衡量一个地区科研产出质量和市场应用水平的综合指标“万人发明专利拥有量”权重最高，达22.4%。“有R&D 活动企业数”权重为19.3%，“有科技机构企业数”权重13.2%。
表2 传统产业TFP 因子权重&TOPSIS 结果
2.科技要素投入水平（转化能力）为重要因素，权重合计30.9%。体现科技资金投入水平的“R&D 经费内部支出”权重为12.4%，体现科技人力资源投入水平的“研究与试验发展人员数量”权重为9%，体现科技投入转化成果的“综合能源消费量”（逆向指标）权重为9.5%，三者权重合计30.9%。应用信息技术和先进工艺实施数字化、智能化技术改造，实现产品升级改造是传统产业实现“智改数转”的必经之路，这其中无论是企业装备升级改造的“智改”，还是应用信息技术应用普及的“数转”都需要持续科技经费、科技人才等投入，为创新活动成果转化提供基础保障。
3.传统的规模因素权重相对较低，权重合计14.2%。“固定资产净值”权重7.8%、“应付职工薪酬”权重6.4%，对传统制造业产业TFP 推动作用最小。传统行业集中在资本密集型、劳动密集型产业，以往通过更多增加资本、劳动、土地等生产要素来推动企业规模扩张的方式在当前市场饱和的情况下已经不可持续。随着数字经济深入发展，传统制造业企业逐渐享受数字经济带来的技术红利，更多通过技术要素、数据要素来降低生产成本、提升经营效益。
4.行业集中度高与TOPSIS 结果正相关。从TOPSIS 结果看，行业集中度高的有色金属冶炼和压延加工业、化学纤维制造业、黑色金属冶炼和压延加工业要高于其他行业。主要原因为：中小企业抗风险能力大幅弱于大型企业，传统行业的中小企业在经营生产过程中，通常为先确定市场再投入生产，企业自主研发能力薄弱，缺乏自主创新的动力和能力。占领市场份额高的龙头企业、大型企业得益于雄厚的资金实力和市场垄断地位，有较强的创新容错能力，比普通企业更有主动创新提高生产效率的动力。所以，具有显著龙头企业带动的传统行业有相对更强烈的提升全要素生产率需求和能力。
综上所述，苏州传统产业全要素生产率（TFP）发展主要受技术效率(EFFCH) 较低影响，提高科技成果使用能力是提升技术效率(EFFCH) 进而提高全要素生产率（TFP）的核心要素。总体来看，苏州传统制造业产业的创新驱动能力仍然不足，技术创新能力在生产实践的实际应用能力是发展短板，也是传统产业“智改数转”的关键路径所在。
（一）以提高认识、达成共识为基本点，增强“智改数转”向心力
当前，数字经济正在成为提高产业竞争力的关键力量，是引领未来经济发展的重要引擎，抓住数字经济时代机遇，享受数字经济带来的技术红利已成为传统制造业升级的重要目标。要增强数字化转型的共识，树立大数据的思维方式，增强内生转型动力，加速数字化转型的新进程。结合数字经济时代的发展趋势，为传统制造业的转型升级进行战略性、前瞻性、方向性的规划与布局。强化信息技术在服务企业中的应用，搭建科技创新与成果转化、金融服务、人才引进等多种公共服务平台，通过“互联网+”，为大中小企业提供便捷、高效的服务。引领企业从被动转向主动，发挥企业在“智改数转”中的主导作用。
（二）以龙头企业带动为发力点，增强“智改数转”执行力
龙头企业在智能生产线和智能工厂等方面具有丰富的实践经验，处于数字化转型排头兵地位，示范、引领、外溢作用显著。充分重视并持续推进转型升级示范项目，培育、扶持、打造一批示范企业、行业标杆企业，着力推广应用其先进技术及经验。鼓励行业龙头企业将信息技术部门剥离成立专门的科技公司，以更加透明化的方式为产业链同行提供数字化转型支持和服务，将智能化能力向外做渗透和输出，将行业中的各种知识通过软件化数据模型帮助企业解决问题，为中小微企业提供专业、精准、适用的服务，实现中小企业间的融合协同发展。提高产业链生态紧密连接能力，实现数据资源共享共用，打通行业数据堵点，提高产业链协同协作的数字新优势。
（三）以提高科技成果实际应用为关键点，增强“智改数转”战斗力
当前，苏州创新成果的转化应用对全要素生产率的提高依然不足。在“智改数转”的背景下，需要进一步形成多方合力，走“政、产、学、研、用”相结合的科技成果转移转化协同之路，构建协同创新转化有效机制。探索有效的奖励机制与模式，激发创新主体科技成果转移转化积极性，支持企业与高校、科研院所构建产业技术创新联盟、新型研发机构等，提高科技成果向企业实际的转化率，切实提高全要素生产率。完善技术创新与售让，推进创新成果转化，实现从“科研成果转化型”创新向“企业需求引领型”创新转变，向企业对口转化成果。支持银行探索股权投资与信贷投放相结合的模式，为科技成果转移转化提供组合金融服务。
（四）以人才资源汇集为支撑点，增强“智改数转”凝聚力
创新是引领发展的第一动力，创新驱动实质上是人才驱动。数字经济时代，传统制造业的“智改数转”离不开人才资源推动。需要积极引进“智改数转”领域创新创业团队、高层次人才、复合型技能人才，健全人才评价机制。开展制造业“智改数转”人才培养试点，加强高职院校相关学科和专业建设，推进产教融合、校企合作，培养专业人才。精准培训服务企业需求，据企业需求设置“智改数转”技能工种培训，定制多元化培训方案精准培训。发挥企业育才主体作用，强化校企协作，鼓励企业开展达标合规的新职业技能等级培训，推进“智改数转”技能职业的评价工作。
猜你喜欢 传统产业生产率苏州 中国城市土地生产率TOP30决策(2022年7期)2022-08-04Pingtan in Suzhou 苏州评弹，值得一听疯狂英语·读写版(2022年5期)2022-04-29苏州伴宅现代装饰(2022年1期)2022-04-19“洋苏州”与“新苏州”演奏和弦现代苏州(2022年6期)2022-04-13未来5G：颠覆行业 改变生活伙伴(2019年11期)2019-12-14跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26关于机床生产率设计的探讨中国市场(2016年45期)2016-05-17丘区传统产业仍大有可为当代县域经济(2015年12期)2015-03-20