产业数字化与制造业高质量发展耦合协调研究——基于长三角区域的实证分析

傅为忠，刘 瑶

（合肥工业大学 管理学院，安徽 合肥 230009）

一、引 言

当今世界正面临百年未有之大变局，供需两端随着疫情的快速蔓延而双侧承压，国际贸易保护主义持续升温，全球产业链供应链循环受阻，世界经济发展面临越来越大的不确定性与不稳定性，经济全球化步伐正在减缓、规则不稳定性正在增加，结构性、体制性矛盾日益凸显，制造业高质量发展面临巨大压力；与此同时，随着数字技术加速革新与产业数字化变革的持续深入，以大数据、人工智能、5G 技术等新型要素为基础的数字经济已经成为全球经济的支撑引擎与国家经济高质量发展的核心竞争力［1］。新冠肺炎疫情蔓延、贸易保护主义以及产业数字化变革相互交织演进，在错综复杂的新发展形势下，中国凭借世界上规模最大、产业链最完整、门类最齐全的制造业体系以及超大的内需市场，作出了“加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局”的重大战略部署。据中国信息通信研究院数据显示，2019年长三角地区数字经济总量达到8.6万亿元，占全国数字经济的28%。长三角区域作为我国经济发展最强劲、创新水平最高、开放力度最大的区域之一，在构建新发展格局中具有重要的战略地位，长三角区域小循环的形成是构建“双循环”新发展格局的重要突破口和着力点［2］。因此，在制造业高质量发展受到制约与数字经济发展强劲的同时，通过对长三角区域产业数字化与制造业高质量发展水平及其耦合协调关系的研究，探索双循环新发展格局下产业数字化转型与制造高质量发展的作用机制与实现路径，有利于加快推动两者融合协调发展，对构建双循环新发展格局具有重要的现实意义。

二、文献回顾与评述

针对研究主题，本文主要围绕以下三类文献进行回顾与评述：一是关于产业数字化研究；二是关于制造业高质量发展研究；三是产业数字化与制造业高质量发展作用关系研究。

2020 年3 月，中央明确指出，要加快推动新型基础设施建设，提升产业数字化发展基础能力。国家、各省（自治区、直辖市）都把以数字化转型驱动社会高质量发展作为“十四五”发展的主题。在政府对产业数字化的高度关注下，学者们就产业数字化进行了不同角度的研究。肖旭、戚聿东（2019）将产业数字化定义为传统产业利用数字技术对业务进行升级并提升生产数量和生产效率的过程［3］；沈建光等（2020）界定产业数字化的内涵是对产业链全要素的数字化再造，产业数字化是数字经济的重要组成［4］；杨卓凡（2020）认为应用软件、工业电子商务平台、工业互联网平台是产业数字化的重要业态［5］；刘航等（2019）指出数字经济是对生产要素的创新组合，可以赋能传统产业数字化转型［6］；Melissa Demartini 等（2019）结合案例研究发现，产业数字化转型可以减少物质依赖、提高生产率、提升资源利用效率、发挥企业间的协同效应，促进工业的可持续发展［7］。虽然学者就产业数字化的内涵、机理、作用影响等方面进行了分析，但是缺乏对产业数字化发展水平的定量研究，还处于比较初级的阶段。

针对制造业高质量发展，学者们就其发展水平以及路径等展开了较为深入的探讨。宋晓娜、张峰（2019）通过构建创新、协调、绿色、开放、共享综合测度体系研究发现，近年来中国工业发展质量总体呈上升趋势，在空间上呈现出中间集聚、两端分散的空间分布格局，且都市联动效应较为显著［8］；车明佳、赵彦云（2021）基于提质增效和新发展理念构建了工业高质量发展指标体系，得出中国工业整体呈高质量向好发展，但工业规模、生产效率、社会效益动力减弱［9］；李秋香等（2021）基于价值链视角，提出了中国制造业实现高质量发展的路径应从创新、开放以及内需等方面着力［10］；赵爱英等（2020）指出，我国制造业发展与发达国家存在明显差距，未来要以拉动市场需求以及加强自主创新为路径，驱动高质量发展［11］；国家发展改革委将新产业新业态新模式与制造业的融合作为制造业高质量发展的重要路径［12］。

产业数字化与制造业高质量发展作为两个复杂的系统，两者相互影响与作用。多数学者发现，产业数字化与制造业高质量发展之间具有积极的正向影响。焦勇、刘忠诚（2020）提出，数字经济通过六个维度赋能适度智能制造规模定制，从而推动制造业高质量发展［13］；李春发等（2020）基于产业链的视角指出，数字经济通过产业链数字化，驱动制造业转型升级［14］；韦庄禹等（2021）基于省级面板数据研究发现，数字经济显著促进了制造业高质量发展，且具有区位异质性［15］；李英杰、韩平（2021）基于数字经济背景发现，数字经济与制造业高质量发展的深度融合能够推动制造业实现质量、效率、动力变革［16］；邝劲松、彭文斌（2020）通过分析数字经济驱动经济高质量发展的逻辑发现，产业数字化作为促进数字经济和实体经济高度融合发展的重要载体，可以赋能制造业高质量发展，制造业的高质量发展也为产业数字化的加速转型提供实体支撑［17］。但陈金丹、王晶晶（2021）的研究发现，虽然加快产业数字化转型、释放国内超大规模市场潜力，有助于推进中国制造业的创新发展，但是过度的数字化投入与需求扩张可能会带来不利影响［18］。

在双循环新发展格局下，学者们开始把产业数字化与制造业高质量发展纳入双循环背景下进行分析。樊纲（2021）通过研究数字经济与双循环的关系得出，数字经济是畅通双循环的强劲新动能，是制造业发展的战略重点［19］；左鹏飞、陈静（2021）提出，数字经济驱动中国经济高质量增长，助推双循环新发展格局的构建［20］。在分析数字经济与双循环的内在逻辑与影响路径中，蓝庆新、赵永超（2021）把数字经济作为畅通双循环的重要抓手，而产业数字化则为数字经济驱动内循环的关键［21］；李天宇、王晓娟（2021）指出，数字经济可以赋能双循环的构建，催生新发展格局下经济高质量动态运行体系［22］；赵春明等（2021）认为，数字经济可以通过激发市场内需动力、提升国内产业支撑力、加强对外贸易竞争力来助推双循环的形成［23］。针对双循环背景下产业数字化转型路径，祝合良、王春娟（2021）基于“推—拉”理论构建了数字技术赋能、经济模式变革、治理模式创新、基础保障支撑为驱动的产业数字化转型动力体系，并指出双循环新发展格局将会促成完整内需体系的形成、全球吸纳力的增强、国内消费的升级、投资环境的创新、营商环境的优化以及产业链的安全稳定，从而推动产业的数字化转型，实现产业的高质量发展［24］。

综上所述，虽然目前对产业数字化、制造业高质量发展及其关系的研究较为丰富，但大多是从不同的维度对产业数字化与制造业高质量发展各自的内涵、影响因素、路径以及两者的作用关系进行定性分析，而对两者的发展水平与作用关系进行定量评价的研究较少，以双循环为视角来分析产业数字化与制造业高质量发展的耦合协调机理的研究更为鲜见。结合上述文献回顾，本文认为：一方面，产业数字化通过数字技术赋能、经济模式变革、治理模式变革、基础支撑保障，加快制造业质量、效率、动力变革，从而助推制造业高质量发展；制造业高质量发展反过来也为产业数字化转型提供支撑。另一方面，双循环背景下将会推动构建完整的内需体系、增强全球吸纳能力、带动国内消费升级、加快投资环境创新、促进营商环境优化、维护产业链安全稳定，这必将推动产业数字化与制造业高质量发展高度融合；产业数字化与制造业高质量的高度耦合协调也会成为双循环新发展格局构建的助推器。本文基于上述分析，构建双循环视角下产业数字化与制造业高质量的理论模型，如图1所示。

图1 双循环视角下产业数字化与制造业高质量发展耦合协调机理

三、数据来源与研究方法

（一）数据来源及处理

2017 年，数字经济首次被写入政府工作报告，同年习近平总书记在党的十九大报告中明确指出我国经济已由高速增长阶段转向高质量发展阶段。此外，中国规模以上工业企业的统计口径在2011年曾发生变更，为降低数据自身误差对实证分析的影响以及对比数字经济与高质量发展被作为国家重要战略部署前后的耦合协调水平，本文将数据的时间跨度设定为2011—2019年。长三角区域作为国内经济的重要增长极，对其进行研究有利于推动长三角一体化的深度融合，从而更好地引领全国双循环新格局的构建；由于长三角所覆盖的城市地理区域一直有所扩大，且城市层面缺乏统计指标的相关数据，因此本文将泛长三角即三省一市（江苏、浙江、安徽、上海）作为研究选定地区［25］。本文对于指标中缺失的数据，采用移动平均法补齐。

研究数据来源于《中国统计年鉴》《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》《中国第三产业统计年鉴》《全国制造业竞争力指数公报》《北京大学数字普惠金融指数报告》以及各省市统计年鉴。

（二）评价指标体系构建

鉴于产业数字化与制造业高质量发展是两个较为复杂且相互影响的系统，本文基于两者之间的耦合协调机理，借鉴相关学者关于产业数字化与制造业高质量发展综合评价指标体系研究成果，严格遵循科学性、客观性、可操作性、系统性以及数据的可获得性等原则，分别构建产业数字化与制造业高质量发展的评价指标体系。

1.产业数字化评价

随着数字孪生、云计算、大数据等数字技术加快突破，数字技术与产业链供应链愈发融合，产业模式、企业形态、发展范式深刻变革，产业数字化变革迅猛发展，产业数字化指标量化工作显得愈发重要。赛迪顾问公布的《中国数字经济发展指数（DEDI）》构建了包含基础、产业、融合、环境4 个维度的指标体系来测算中国数字经济发展水平［26］；财新智库构建了涵盖数字产业能力、数字经济融合、数字溢出能力、数字基础设施4 个维度的数字经济指标体系，直观地观测数字经济对产业的升级带动［27］；刘钒、余明月（2021）通过数字融合规模、产业数字化应用、产业数字化投入等维度以及与之对应的9 个二级指标来度量长江经济带的产业数字化水平［28］。总体上，学者大多把基础设施作为了国家数字经济考核的重要维度，但在其他维度上有所差异。鉴于产业数字化是数字经济的重要组成部分，以及考虑从区域层面对数字化评价体系多维度的覆盖性和考察期内数据的完整性，本文从数字化基础与数字化能力2 个维度评价产业数字化能力。详情见表1所列。

表1 长三角产业数字化水平指标体系

表1 中，采用物理耦合度来表述两化融合水平，计算公式为：

其中：μ1为软件业务收入；μ2为规上工业企业主营业务收入；C为融合度，C越大，两化融合得越好［29］。

2.制造业高质量发展评价

制造业高质量发展是一个多维度的过程，大多数学者把经济效益、科技创新、绿色发展、质量品牌作为指标构建的重要维度［30-32］。据赛迪研究院数据显示，近十年来我国半数省份工业占GDP 比重下降超10%，建议将工业增加值占比纳入各省份“十四五”规划，而现有研究很少涵盖这项指标，因此本文将工业增加值占GDP 比重作为衡量制造业经济效益的重要指标；此外在疫情与贸易摩擦的冲击下，产业链供应链循环遇到断点、堵点，亟须对产业链、供应链锻长板补短板，并维护其安全，提升产业的现代化水平是打通内外循环、实现制造业高质量发展的必然要求［33］，本文通过产业结构、开放合作、质量竞争力三个方面来度量产业的现代化水平。结合学者研究与制造业发展面临的现实情况，本文构建了包含经济效益、产业创新、产业现代化、绿色发展4 个一级指标以及与之对应的19 个三级指标的评价指标体系，以衡量制造业高质量发展水平，其中绿色发展维度下的4个三级指标为负向指标，以此更好地指导各地基于指标体系精准施策。详情见表2所列。

表2 长三角制造业高质量发展水平指标体系

表2中，采用泰尔指数来评估产业结构合理化程度，计算公式为：

其中：TL为泰尔指数；Yi/Y代表i省份一二三产业的产值与当地总产值的比重；Li/L表示i省份一二三产业劳动力从业人数与当地劳动力人数的比重。当TL=0 时，经济处于平衡状态；TL 不为0，表明产业结构不处于均衡状态，产业结构不合理［34］。

（三）研究方法

1.指标的标准化处理

采用极差法对数据进行标准化处理，以使各指标能够相互比较。用式（3）对正向指标数据进行正向标准化，用式（4）对负向指标使进行逆向标准化，各变量单位根据实际情况而定。

其中：i为年序号；j为指标序号；Eij表示i年j指标的标准化值；Xij表示i年j指标的原始值；Xmin、Xmax分别为统计年份中同类指标中的最小值、最大值。

2.考虑时间变量的熵权法

产业数字化与制造业高质量发展耦合协调关系的评价离不开对两者发展水平的测度。基于此，本文采用考虑时间变量的熵权法，在指标标准化基础上确定各指标的熵值，即

其中：Hj表示信息熵；m=4 表示参与评价的长三角区域三省一市；l=9表示所有统计的年份。

当E ij=0 时，规定式中，Wj表示j项指标的权重。

其中，Ui为i年的综合指数。

3.修正的耦合协调度模型

目前采用的耦合协调度模型公式为：

其中：k为子系统序号；n为子系统数目；Uk为各子系统值，其分布区间为［0，1］，故耦合度C∈［0，1］。C值越大，子系统耦合度越高；反之，子系统间耦合度越低。

因为传统耦合度C不是在［0，1］之间平均分布函数，所以效度问题源自模型本身，当子系统个数为2时，假定maxUi为U2，对模型的修正如下［35］：

其中：C表示耦合度；T为综合评价指数；U1表示制造业高质量发展水平；U2表示产业数字化水平；α1、α2为调节系数，假定两个子系统的重要性一致，因此α1、α2赋值相同，本文取α1=α2=0.5。当各子系统越离散，C值越低；反之，C值越高。

由于耦合度C不能全面反映出产业数字化与制造业高质量发展的整体作用效果与协调效应，因此引进耦合协调度D，公式如下：

其中，0 ≤D≤1。参考现有相关研究并结合本文数据，将耦合协调度D以及耦合度C分为4 种类型，即（0，0.3］为低水平耦合、（0.3，0.5］为拮抗阶段、（0.5，0.8］为磨合阶段、（0.8，1］为高水平耦合［36］。

4.障碍度模型

为了更好识别主要协调因子对耦合协调度D的影响程度，有针对性地制定提升区域制造业高质量发展与产业数字化水平的措施，引入如下障碍度模型：

其中，Qij为第i年的j项指标的障碍度。

四、实证分析

（一）产业数字化与制造业高质量发展水平评价分析

1.产业数字化与制造业高质量发展总体水平分析

通过考虑时间变量的熵权法，得到2011—2019年长三角区域整体的产业数字化与制造业高质量发展水平，结果如图2 所示。由图2 可知，2011—2019 年长三角区域产业数字化与制造业高质量发展水平均呈现上升态势。其中制造业高质量发展趋势较为平稳，在2017年前一直在0.3左右徘徊，在2017 后突破了0.4，较之前有了明显的提升，说明高质量发展战略取得了一定成效。产业数字化水平随着科技革命的深入在2011—2019年发展十分迅猛，表明长三角区域一直把数字化转型作为优先发展战略来抓，已构建了较为完备的数字经济政策体系，产业数字化发展成效显著。但长三角制造业由于近年承受西方国家“再工业化”与东南亚国家“快工业化”的双重压力，制造业高质量发展从领先到滞后于产业数字化水平。随着《长江三角洲区域一体化发展规划纲要》提出打造全国先进制造业集聚区、合力建设长三角工业互联网等战略，相信长三角产业数字化与制造业高质量发展水平将会有比较明显的提升，产业数字化也将更好地带动制造业的发展，差距会逐渐缩小。

图2 长三角产业数字化与制造业高质量发展总体水平

2.产业数字化与制造业高质量发展各区域水平分析

长三角各省市历年产业数字化与制造业高质量发展的表现见表3所列，具体如下：

表3 长三角产业数字化与制造业高质量发展区域水平

（1）从产业数字化来看。江苏省常年居于首位，从 2011 年 0.260 上升到 2019 年 0.751，增幅较大，2019年江苏的数字经济占GDP比重超过了40%，产业数字化水平最高；上海市一直处于第二位，从2011年0.260 上升到2019 年0.669，与江苏省差距较小；浙江省产业数字化水平一直居于第三位，产业数字化水平由2011年0.216上升到2019年0.658，呈逐年上升趋势；安徽省虽然一直居于末位，并与其他三个省市差距较大，但产业数字化水平从2011 年0.022上升到2019年0.390，表明安徽省加入长三角后数字化水平有了较明显的提升。本文的2019年长三角区域三省一市产业数字化排名与《中国数字经济发展指数（DEDI）》公布的排名一致，说明了本文评价指标与方法的有效性。

（2）从制造业高质量发展来看。上海市制造业高质量发展水平一直处于领先地位，且远远高于长三角其他省市，自2017 年后更是突破了0.7，与产业数字化水平接近；江苏省和浙江省制造业高质量发展水平相近，都处于0.3左右，且两者的差距逐渐缩小，与上海市仍然存在较大的差距，制造业发展水平不优；安徽省的制造业高质量发展水平一直居于末位，远低于长三角区域均值，并在2016年前一直有下降的现象，加入长三角之后制造业高质量发展水平便保持在0.2 以上，逐渐接近江苏和浙江的发展水平。本文对历年长三角三省一市制造业高质量发展水平的评价与刘国新等（2020）对制造业高质量发展水平的评价结果基本一致［37］。

（二）产业数字化与制造业高质量发展水平耦合协调分析

1.产业数字化与制造业高质量发展耦合协调总体分析

根据表3的水平数据和耦合度模型，可以得到2011—2019 年长三角产业数字化与制造业高质量发展的耦合度C值，进一步得到耦合协调度D值，并取长三角三省一市各年均值反映两者耦合协调水平的整体情况。具体如图3所示。

图3 长三角产业数字化与制造业高质量发展耦合度和耦合协调度

由图3可知，2011—2019年长三角产业数字化与制造业高质量发展之间的耦合度C及耦合协调度D均在0.4~0.8 之间。耦合度处于磨合阶段，呈现平缓的波动状态；耦合协调度大多处于拮抗阶段，与高水平耦合还存在较大差距；耦合协调度水平受到长三角制造业高质量发展滞后于产业数字化水平导致的整体发展水平不优的影响，落后于耦合度水平；但于2017年后，随着国家与各地政府对数字经济与高质量发展的高度重视，产业数字化与制造业高质量发展水平协同提升，耦合协调度与耦合度越来越接近，发展形势较好。

2.产业数字化与制造业高质量发展水平耦合协调区域差异

各区域历年产业数字化与制造业高质量发展的耦合协调度见表4 所列。由表4 可知，上海市耦合协调度从2011 年的0.465 提升至2019 年的0.806，从拮抗阶段进入高水平耦合阶段，耦合协调度一直处于逐年提升状态，并远高于长三角其他省市，代表了长三角最先进的水平，说明上海市一直高度重视产业数字化的转型与制造业高质量的同步发展以及数字经济与实体经济融合发展；江苏省、浙江省2011—2019 年产业数字化与制造业高质量发展耦合协调度一直在0.4~0.6 之间波动，在拮抗阶段与磨合阶段之间徘徊，变动趋势不大，表明江苏省和浙江省产业数字化与制造业高质量发展耦合协调度一直处于平稳的中度协调状态，与上海市还存在较大差距；安徽省耦合协调度从0.185提升到0.492，从低水平耦合逐步提升至磨合阶段，增长趋势最显著，自2014年安徽省加入长三角后，耦合协调度突破了0.4，并在2017 年逐渐接近江苏省和浙江省，与长三角整体水平的差距缩小。

表4 长三角产业数字化与制造业高质量发展耦合协调度值

总的来看，长三角整体产业数字化与制造业高质量发展两系统耦合协调度逐年稳步提升，向着高水平耦合阶段攀升，但是区域内仍存在较大差距。上海市作为长三角的龙头，耦合协调度水平远高于其他省市，领先走上数字经济与制造高质量协同发展之路；江苏省和浙江省虽然一直高度重视数字经济，但是由于制造业高质量发展水平的滞后，两者的耦合协调度并不高，未来需利用数字经济的红利大力发展先进制造业，促进两者协同发展；安徽省虽然产业数字化与制造业高质量发展水平一直落后于其他省市，但是两者发展水平较为接近，耦合协调度逐渐向江苏省和浙江省靠近。

（三）耦合协调时空演化特征分析

为了更直观地分析长三角产业数字化与制造业高质量发展耦合协调的空间分布特征和时间演化趋势，基于2011—2019年长三角区域耦合协调度测算结果，选取具有代表性的2011 年、2013 年、2017年、2019年对长三角区域两者耦合协调度值进行分析。根据表4计算出来的耦合协调度值，采用Arcgis10.8绘制，其空间与时间分布图如图4所示。

图4 长三角产业数字化与制造业高质量发展耦合协调度空间分布格局

（1）从空间分布来看。长三角区域各省市产业数字化与制造业高质量发展的耦合协调水平大多处于磨合阶段和拮抗阶段，而处于低水平耦合和高水平耦合阶段的较少、耦合协调区整体呈现“高低型区域少、中间型区域多”的“橄榄型”模式以及“东高西低”的空间特征，空间区域差异仍然明显。

（2）从时间分布来看。2011 年只有安徽省位于低水平耦合，此后再也没有地区处于低水平耦合阶段，说明2011 年后各省市都开始对数字经济与制造业高质量有所关注，取得了一定的成效，2013年安徽省提升至拮抗阶段之后便一直保持在该区间；2013年、2017年江苏省和浙江省一直处于拮抗阶段或磨合阶段，但于2019年都达到了磨合阶段，证明2017年后由于国家及各地将数字经济与制造业高质量发展并重，整体水平有了提升；上海市从2011年的拮抗阶段到2013年、2017年的磨合阶段，并于2019 年进入了高水平耦合，实现了高水平耦合区从无到有的变化，说明上海市工业互联网等政策的实施促进了数字产业化与制造业高质量的协同发展，成效较为显著。而其他省市目前都与高水平耦合存在较大的差距，上海市在高速发展数字经济与先进制造业的同时，应积极发挥自身的产业辐射与技术扩散效应，向长三角其他地区输出人才、科技、技术等，促进长三角其他省市的发展，实现长三角整体达到高水平耦合。

（四）耦合协调障碍因子诊断

基于上述结果，运用障碍度模型计算影响长三角耦合协调的产业数字化与制造业高质量发展三级指标障碍度，再对历年障碍度取均值，得到长三角各省市排名前5 的障碍因子，结果见表5、表6 所列。

表5 长三角产业数字化层面主要障碍因子及障碍度

表6 长三角制造业高质量发展层面主要障碍因子及障碍度

1.产业数字化层面障碍因子分析

由表5 可知，长三角产业数字化中频率最高的障碍因子是光缆覆盖（a1，4 次）、电商交易（b5，4次），表明光缆覆盖、电商交易是影响长三角耦合协调中产业数字化层面最普遍的因素，未来长三角还需要加快新型基础设施建设，大力发展电商经济，保障产业数字化与制造业高水平发展。计算机使用（a3，3 次）、服务业投资（a6，3 次）、软件收入（b4，3次）也是主要的制约指标，未来需加快网络覆盖率与5G 基站建设，并加大软件和信息技术服务业投资，提升软件业务的科技成果转化率与市场应用，从而提高收入，促进产业数字化发展和带动制造业高质量发展。浙江省和安徽省的5 大障碍因子一致，仅因子间排位顺序不同，说明制约浙江省和安徽省耦合协调度的因素相同，浙江省和安徽省可以加强互联互动互通，共同消除障碍因子的制约影响；江苏省与浙江省、安徽省障碍因子较为相似，计算机使用均是三省的第一障碍因子，三省未来都需要注重移动基站部署与扩大网络覆盖面，提升计算机的普及率，保障数字基础设施。

2.制造业高质量发展层面障碍因子分析

由表6可知，长三角区域制造业高质量发展中频率最高的障碍因子是引进技术（d2，4次）、消化吸收（d3，4次）。由此可见，产业创新是影响长三角耦合协调度的关键障碍因子，其中引进技术、消化吸收均排在三省障碍因子的前两位，表明长三角区域耦合协调度受到技术引进以及内部技术消化吸收的影响。目前中国在高端芯片、基础软硬件、基础材料等关键领域受制于人，在关键技术、关键产品等“卡脖子”环节还未突破，产业创新在未来很长一段时间都将是影响长三角产业数字化与制造业高质量发展耦合协调的关键因素，未来长三角需注重组建创新联合体，联合提升原始创新能力，打造创新策源地，完善创新生态。产业结构合理化（e1，3次）也对耦合协调度产生了较大的抑制影响，表明第二产业与第三产业还未深度融合。未来需要深化两业高度融合，不断增加服务型要素在投入和产出中的比重，推动先进制造业各个环节与生产性服务业有机融合。

五、结论与建议

（一）结论

本文通过实证分析2011—2019年长三角三省一市产业数字化与制造业高质量发展的整体水平、耦合协调水平及其时空特征、障碍因子，得出如下结论：

（1）长三角区域产业数字化水平与制造业高质量发展水平呈现逐年上升态势，产业数字化水平明显优于制造业高质量发展水平的提升。但由于长三角区域各省市之间区位条件、资源禀赋等不同，各省市之间产业数字化与制造业高质量发展水平存在显著差异，突出表现在安徽省产业数字化与制造业高质量发展水平远落后于其他省市以及整个区域发展水平的均值。

（2）2011—2019 年，长三角区域整体的产业数字化与制造业高质量发展之间的耦合协调度呈上升趋势，两者的关系向着协调化、良性化、合理化方向发展，但仍然没有普遍达到高水平耦合，存在较大的提升空间。从时间上来看，各省市的耦合协调度随着时间的变动有着不同程度的变化，上海市和安徽省的两者耦合协调度随着时间变动显著提升，而江苏省和浙江省的耦合协调度呈较平稳的波动状态；从空间上来看，研究期内，大多省市处于磨合阶段和拮抗阶段，而低水平耦合和高水平耦合阶段极少，整体呈现“高低型区域少、中间型区域多”的“橄榄型”模式以及“东高西低”的空间特征。

（3）基于障碍度模型的因子诊断表明，各省市影响耦合协调度的产业数字化与制造业高质量障碍因子既存在着相对一致性，也存在一定的差异性。

（二）建议

基于上述结论，结合长三角区域在双循环新发展格局中的重要战略地位，未来应以长三角区域一体化协同发展为着力点，加强长三角区域内各都市圈的产业分工协作，激发区域协调发展的整体效能，打造长三角区域“小循环”枢纽，共同推动长三角区域成为国内大循环的中心节点、国内国际双循环的战略链接，为双循环的构建注入源源不断的动力源。双循环视角下长三角区域一体化模式如图5所示。

图5 双循环视角下长三角区域一体化模式

（1）上海的制造业高质量发展与产业数字化耦合协调度不断提升，并达到了高水平耦合，障碍因子集中在产业创新以及数字化能力指标上。未来上海可以依托G60 科创走廊和张江综合性国家科学中心，积极发挥龙头带动作用，组建长三角创新联合体，搭建集科技成果创新、小试中试孵化、规模化应用、产权交易等功能于一体的长三角技术转移中心，加大数字技术研发力度，加速生产制造向数字化、智能化、柔性化和服务化转变，推动产业数字化智能化转型和创新发展，辐射带动长三角一体化发展。

（2）江苏的制造业高质量发展与产业数字化及耦合协调度处于较高水平，障碍因子集中在产业创新、产业结构以及数字化基础等指标上。未来江苏要在加快长三角一体化进程中展现江苏担当作为，坚持基础研究、原始创新与场景应用相结合，联合沪浙皖加强共性基础研究，加快突破“卡脖子”技术，以智能制造为主攻方向，优化产业结构；扩大IPv6 的规模部署，加快5G、工业互联网、数据中心等新型数字基础设施建设，推动新型基础设施从外围部署向内部制造环节延伸，加强新型基础设施建设，实现数据中心和存算资源协同布局，提升数字基础设施对制造业高质量发展的倍增带动效应。

（3）浙江的制造业高质量发展与产业数字化及耦合协调度与江苏省较为接近，障碍因子集中在产业创新以及数字化基础等指标上。未来浙江要深入实施数字经济“一号工程”2.0，在长三角一体化分工体系中，发挥自身民营资本活跃和互联网经济发达的数字化能力优势，深入实施产业基础再造，筑牢产业发展底盘，提升核心基础零部件保障能力、扩大关键基础材料供给、推广先进基础工艺应用、促进基础软件协同发展，着力打造“产学研用金、才政介美云”十联动创新创业生态系统，支撑制造业高质量发展，促进数字经济与先进制造业的有机高度融合。

（4）安徽的制造业高质量发展与产业数字化及耦合协调度大多处于最低水平，障碍因子集中在产业创新、产业现代化以及数字化基础等指标上。未来安徽要以上海龙头带动、携手苏浙、扬皖所长，依托合肥综合性国家科学中心加强创新驱动系统能力整合，加快产业数字化转型，催生产业新模式，创新产业新业态，承接苏浙沪制造业转移，深度融入长三角一体化，对产业链供应链进行锻长补短，完善产业链、供应链安全预警机制，维护产业链供应链安全，全面提升产业链的基础能力和现代化水平；加强数字基础设施建设，有效推进数据生产要素全面融入制造业发展，成为巩固和拓展内外循环的多元纽带。