数字经济对传统制造业产业链创新链融合的影响*——基于中国省域经验的实证研究

□ 柳 毅 赵 轩 杨 伟

内容提要 传统制造业是实体经济的主体，是推动我国经济高质量发展的基石。本文从产业基础、创新生态和经济效益等维度构建数字经济促进我国传统制造业产业链与创新链融合的评价指标体系，并综合运用耦合协调度模型、空间计量模型、中介效应模型分析数字经济促进传统制造业产业链和创新链融合的作用机制与影响。 研究表明：（1）数字经济通过缓解资本错配、促进科技人才集聚和金融发展推动传统制造业产业链和创新链融合，有利于优化科技资源配置、创新生产要素升级；（2）数字经济对传统制造业产业链和创新链的融合产生非线性的促进作用；（3）数字经济对传统制造业产业链和创新链融合发展具有正向的空间溢出效应。

一、引言

传统制造业是发展我国实体经济的重要基础， 而创新则是引领传统制造业高质量发展的第一动力。目前，我国已连续多年成为世界第一制造业大国，但传统制造业的产品附加值偏低、工业要素投入的边际效应不断减弱， 原有的以低成本要素参与全球竞争的发展空间日益缩小。 推动我国传统制造业迈向中高端重在创新， 中国应当加速构建全球创新链，利用先进的知识、技术、信息资源提升制造业国际分工的地位。 2022年浙江省政府出台的《关于推动创新链产业链融合发展的若干意见》明确要求增强企业创新动力，打造全国最优科创环境， 加快传统制造业由要素驱动转向创新驱动的高质量发展。

传统制造业创新链与产业链深度融合既要考虑由创新链向产业链的拓展融合， 也要考虑由产业链向创新链的延伸融合。 产业链的上中下游企业应按照市场供求关系， 以满足用户需求为目标依托资金、技术、产品渠道进行价值交换，在各要素尤其是技术要素的驱动下， 最终将新型产品或服务推向市场（李滋阳等，2019）。而创新链是描述从创意到创新成果形成整个过程的链状结构，以某一或多个领域创新主体为核心通过创新资源交互协同，在多元主体间实现知识经济化、技术产业化、创新系统持续优化的链式结构 （孔祥年，2019）。 因此，创新链和产业链的融合本质上是多主体通过耦合互动产生共振实现价值增值的过程， 在某一时间点上可产生横向协同和纵向协同效应，最终形成双螺旋的融合闭环（李雪松和龚晓倩，2021）。随着我国大力发展数字经济，特别是数字技术创新成果加速渗透融入传统产业体系，各种新兴产业依靠数字技术创新进行跨界融合，完善了物质资本配置并驱动城市高质量发展（丁松和李若瑾，2022）。同时，数字经济降低金融机构与创新主体之间的信息不对称程度， 通过数字普惠金融缓解创新主体的融资约束， 使其将更多精力和资金投入到创新活动中， 从而显著提升区域经济发展的活力。因此，本文对数字经济驱动传统制造业产业链与创新链融合的影响进行系统性研究具有十分重要的现实意义。本文的边际贡献在于：第一，将科技人才集聚、数字金融发展等创新要素纳入到传统制造业产业链与创新链融合的分析框架中，有助于深入研究数字经济发展对传统制造业产业链和创新链融合的内在机理。第二，从产业环境、区域创新能力和经济效益等维度构建传统制造业产业链与创新链融合的评价指标体系，并采用耦合协调度模型科学测算各地区的融合发展水平。 第三，采用中介效应模型、门槛回归模型以及空间杜宾模型实证分析数字经济发展水平对各地区传统制造业产业链与创新链融合的作用机制和空间溢出效应。第四，通过地区异质性检验精准分析数字经济对传统制造业高质量发展的辐射范围， 进一步加深传统制造业对数字经济红利效应的理解，为各地区实施差异化发展策略提供科学指导。

二、理论分析与研究假设

数字经济发展促使经济社会的数据信息产生紧密关联，增强了个体间的交互性，提升宏观经济整体的系统性、复杂性（蔡跃洲，2021）。 新一代信息技术的成熟以及向供给侧应用重心的转移，不仅使产业链上下游企业之间的资源配置得到优化（Lazonick， 2016），还可以通过区块链技术构建产业链内部的信用共享机制（张路，2019），解决基础研究及其成果产业化主体的信息壁垒和匹配瓶颈（晏文隽等，2022）。 数字经济催生的新业态、新要素和新模式能够提升产业链韧性， 通过产业链与创新链的融合来重构生产过程、提高生产效率并提升产业链的效能（曲冠楠等，2023）。 因此，围绕产业链部署创新链的“双链”融合，实质上是调整产业链关键环节与创新链彼此运作， 构建多链融合的创新生态，实现科技、产业、金融的良性循环（褚思真和万劲波，2022）。金融发展能优化企业创新活动的融资环境（蔡延泽等，2021），间接影响数字经济促进传统制造业产业链与创新链的融合。创新人才集聚有利于产业链协调融合度提升，而产业集聚则为科技人才提供更好的发展机会与更多的就业岗位， 最终提升地区创新水平和科技进步（徐斌和罗文，2020）。数字经济也能够显著改善中国资本和劳动力错配（李慧泉等，2022），数字技术外溢性对资源错配的修正作用越来越强（乌云图等，2023），进而促进传统制造业产业链和创新链的融合。 综上所述，本文提出研究假设1。

研究假设1：数字经济通过缓解资源错配程度、促进科技人才集聚和金融发展推动传统制造业产业链和创新链融合。

中国经济增长模式必须由原来的依靠要素投入的外延增长方式转向依靠技术创新和金融创新驱动的内涵型增长（陈志刚和关威，2017）。数字经济可以提升绿色金融的融资效率进而影响资金在产业链中的流向，从而规制引导产业链的发展并对产业链企业存在“促进-抑制-促进”的非线性作用（贺正楚等，2022）。数据要素作为数字经济时代的核心生产要素，是推动制造业创新发展的新引擎，它与人力资本匹配能显著提升制造业创新质量，同时呈现“倒U 型”的非线性影响（陶长琪和丁煜，2022）。 因此，数字经济通过激发创新活跃度进而赋能制造业转型升级，表现为边际效应“非线性”递增的特点（王盛等，2022）。基于此本文提出研究假设2。

研究假设2：数字经济发展对传统制造业产业链和创新链融合产生非线性影响。

高度互联互通的信息网络促进资源、技术在网络空间上的共享和扩散， 对中国全要素生产率有着显著的促进作用（郭家堂和骆品亮，2016）。在数字经济发展的大趋势下，互联网的发展能够直接改善区域的资源错配并产生溢出效应（韩长根和张力，2019）。 互联网产业对中国不同地区出口贸易产生巨大的差异性影响，并且在区域内、区域间存在正向的溢出效应（何菊香等，2015）。 因此，数字经济通过为实体经济发展提供更大范围的生产空间和消费空间，能够丰富市场要素来源、重塑经济发展形态，并对跨时空资源进行整合，通过网络引导要素自由流动，使供需关系得以高效匹配（李慧泉等，2022）。 综上所述，本文提出研究假设3。

研究假设3：数字经济对传统制造业产业链和创新链融合具有正向的空间溢出效应。

三、模型设定与数据说明

（一）计量模型设定

本文使用固定效应模型、门槛回归模型、中介效应模型和空间计量模型研究数字经济促进我国传统制造业创新链与产业链融合的作用机制与溢出效应。

1.基准回归模型。 为探讨数字经济对传统制造业产业链与创新链融合产生的影响， 本文构建如式（1）的面板固定效应回归模型。

其中，ICit表示i 地区传统制造业产业链与创新链在t年的融合程度；Digit表示i 地区在t年的数字经济发展水平；Zit表示各个控制变量；μi表示个体固定效应；δt表示时间固定效应；εit为随机扰动项。

2.中介效应模型。为验证数字经济对于传统制造业产业链和创新链融合是否存在间接作用机制，本文构建如式（2）、（3）的中介效应模型进行检验。

其中，Medit表示中介变量。 本文通过γ、β 等参数的显著性来分析中介变量对传统制造业产业链和创新链融合的影响力。 若α1、β1、γ2显著，γ1不显著，为完全中介效应，此时核心解释变量完全通过中介变量来对被解释变量产生影响； 若α1、β1、γ1、γ2均显著，为部分中介效应，核心解释变量有一部分可直接对被解释变量产生影响， 还有一部分则通过中介变量间接对被解释变量产生影响。

3.门槛回归模型。本文设定如式（4）的门槛回归模型对数字经济与传统制造业产业链与创新链融合的非线性关系进行实证检验。

其中，Thit为门槛变量，I（·）为取值1 或0 的指示函数，满足括号内条件时取1，否则取0。

4.空间计量模型。为进一步探讨数字经济对传统制造业产业链和创新链融合的空间溢出效应，本文构建如式（5）、式（6）的空间面板计量模型：

其中，ρ 为空间自回归系数；W 为空间权重矩阵；α1和α 分别为核心解释变量和控制变量的弹性系数；λ1和λ 分别为核心解释变量和控制变量空间滞后项的弹性系数；λ0为常数项；μi表示个体固定效应；δt表示时间固定效应；εit为随机扰动项。 当η=0 时，式（5）为空间杜宾模型（SDM，Spatial Durbin Model）；当η=0、λ1=0 且λ=0 时，式（5）为空间滞后模型 （SAR，Spatial Lagged Model）；当ρ=0、λ1=0 且λ=0 时，式（5）为空间误差模型（SEM，Spatial Error Model）。

（二）变量选取与说明

1.被解释变量。 本文的被解释变量为产业链与创新链融合（IC）。 为探索数字经济对传统制造业产业链与创新链融合的影响效应， 本文选取传统制造业产业链与创新链的耦合协调度作为代理变量（王荣，2021）。“耦合”是指两个或两个以上的体系通过相互作用而彼此影响以致联合起来的现象，本文借鉴现有研究（王玉冬等，2019；陈雄辉等，2021），从产业链和创新链两个子系统出发，选取产业链子系统的产业基础、产业经济、产业配套、产业合作和产业环保五个维度，以及创新链子系统的创新生态、技术研发以及技术吸收三个维度构建传统制造业产业链与创新链融合的评价指标体系，具体如表1 所示。

表1 传统制造业产业链与创新链融合评价指标体系

本文参照《行业分类国家标准》对制造业进行分类，将传统制造业选定为行业代码是C13-C37、C39-C41 的行业。为消除主观因素的影响，本文采用对数据本身客观信息进行提取分析的熵权法来确定权重， 并利用Max-Min 值法对数据进行标准化处理，消除指标间的量纲。 表2 为耦合协调度的评价标准。

表2 耦合协调度评价标准

为充分展现传统制造业产业链与创新链的实际融合度， 本文对传统耦合协调度模型进行修正（王淑佳等，2021），改进的模型如式（7）所示：

其中，IC 为耦合协调度，n 为子系统个数，Ui为各子系统值，T 为所有子系统的综合发展指数，αi为子系统i 的权重，C 的取值范围为[0，1]，表示各子系统的离散程度， 其值越大表示子系统之间越协调，反之越离散。

表3 展示了2012—2020年间全国大部分省级行政区传统制造业产业链与创新链的融合度。2012年全国传统制造业产业链和创新链融合处于“严重失调”与“中度失调”发展程度的省级行政区较多， 说明此时全国传统制造业产业链和创新链之间融合程度很低， 产业链和创新链之间的关联性比较小， 还不能够相互协调产生积极效应。2016年多数省级行政区上升到“轻度失调”等级，同时耦合协调度也处于增加的态势。到2020年很多省级行政区都能够达到“轻度失调”和“濒临失调”程度，东部沿海的江苏省和广东省传统制造业产业链与创新链耦合协调度能够达到较好的协调。从地区层面来看，东部沿海省级行政区产业链与创新链耦合协调度较高， 这与其数字经济发展较好有很大程度的联系； 我国中部地区省级行政区如河南省耦合协调程度不高， 但一直处于稳步上升态势， 这可能是制造业在中心城市扩散及城市群功能分工深化的表现； 而西部内陆地区耦合协调度偏低，如西藏自治区在2012—2020年耦合协调度并没有明显上升。

表3 我国各省级行政区传统制造业产业链和创新链融合总体趋势

2.核心解释变量。 本文的核心解释变量为数字经济发展水平（Dig）。 数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化重要推动力的一系列经济活动。本文借鉴周雪峰等（2022）的研究，对全国省域层面数字经济发展水平进行测度， 选取互联网普及率、计算机服务和软件业从业人员占城镇单位从业人员比重、人均电信业务总量和百人中移动电话用户数来分别表征互联网发展程度、互联网相关从业人员数、互联网相关产出和移动互联网用户数。 本文采用由北京大学数字金融研究中心和蚂蚁金服集团共同编制的中国数字普惠金融指数来表征数字金融发展。 最后本文将以上综合指标的数据进行标准化处理， 并采用主成分分析法对数字经济发展水平指数进行测算。

3.机制变量。（1）科技人才集聚（Tec）。本文采用区位熵来测算科技人才的集聚程度， 具体公式（8）如下：

其中，Y 为每年各省级行政区R&D 从业人员数量；P 为每年各省级行政区就业人数；PY 为每年全国R&D 从业人员数量；PP 为每年全国就业人数。在Tec>1 时，当地人才分布较为集中；在Tec<1 时，当地人才分布较为分散；在Tec=1 时，当地人才优势并不显著。

（2）金融发展（FD）。 当前我国金融市场仍以银行业通过信贷市场影响居民收入结构为主（任文龙等，2019）。因此，本文主要根据银行信贷市场数据，采用存贷款总额来表示金融发展。

（3）资源错配（RM）。基于资源配置理论，数字经济发展能够显著改善中国资本和劳动力错配，从而为经济增长提供新动力（李慧泉等，2022）。为计量资源错配指数，本文借鉴陈永伟和胡伟民（2011）的研究，采用省级行政区资本错配指数（Cmis）和劳动力错配指数（Lmis）衡量。 资源错配指数大于零说明相对于整个经济体而言， 该地区资源配置不足，反之资源配置过度。资源错配指数绝对值越大，资源错配程度越大。 在进行实证检验时，本文对RM 取绝对值处理。 计算公式（9）如下：

γCi和γLi分别表示资本和劳动力价格扭曲系数， 计算方法为其中，si表示i 地区产出占全部总产出的份额，Ci/C 表示i 地区使用资本占资本总量的比例，siβCi/βC为资本有效配置时i 地区使用资本的比例，βCi为利用C-D 生产函数估计的各地区资本产出弹性，γCi反映资本的错配程度；Li/L 表示i 地区使用劳动力占劳动力总量的比例，（siβLi）/βL为劳动力有效配置时i 地区使用劳动力的比例，βLi为利用C-D 生产函数估计的各地区劳动力产出弹性，γLi反映劳动力的错配程度。 产出总量用各地区GDP 表示，劳动力投入量用各地区就业人数表示，资本投入量使用永续盘存法计算，公式（10）为：

其中，Iit为i 地区第t年的全社会固定资产投资，Pit为i 地区第t年对应的固定资产投资价格指数，δ 为折旧率（本文取9.6%）。

4.控制变量。 传统制造业产业链与创新链的融合还受财政、教育等多方面的影响。为此本文采用如下控制变量：（1）教育水平（Edu）：使用地方财政教育支出占地区生产总值比重来表示。（2）环境因素（Env）：通过工业环境污染治理投资额来表示。（3）财政分权制（Fin）：采用地方财政预算内收入占地方财政预算内支出比重来表示。（4）水资源利用（Res）：采用工业用水量来表示。（5）劳动力集聚（Lab）：采用区位熵进行测算，分子为省域制造业就业人数与省域全部就业人数的比值， 分母为全国制造业就业人数与全国就业总人数的比值。

5.空间权重矩阵。 本文采用反距离空间权重矩阵作为空间杜宾模型的权重矩阵Wij（杜传忠和管海锋，2021）。公式（11）的基本思想是“单位间的空间相关性随着距离的增加而逐渐递减”。

其中，dij表示i 地区和j 地区之间的地理空间距离。为保证估计结果的稳健性，本文另选取邻接矩阵和经济地理嵌套矩阵进行稳健性检验。

（三）数据来源与描述性统计

相关数据主要来源于国家统计局网站、《中国统计年鉴》、《中国工业统计年鉴》以及各省统计年鉴。 本文选取2012—2020年全国各省级行政区（不包括香港特别行政区、澳门特别行政区和台湾省）数据作为实证研究样本，考虑到数据的科学性和可获得性， 部分缺失值采用线性插值法进行补全。为缓解异方差带来的影响，本文对部分变量进行对数化。 主要变量的描述性统计如表4 所示。

表4 主要变量的描述性统计

四、实证分析

（一）基准回归

数字经济影响传统制造业产业链和创新链融合的基准回归估计结果如表5 所示。在列（1）和列（2）中核心解释变量（LnDig）的估计系数均显著为正， 说明数字经济能够促进传统制造业产业链与创新链融合，此时研究假设1 得到部分验证。各地教育水平对传统制造业产业链和创新链融合度的影响系数在1%的显著性水平上为正，表明教育水平的提高能够促进传统制造业产业链和创新链融合；环境因素的系数值显著为正，说明进一步解决环境问题， 能够使产业链和创新链的融合更加合理化；财政分权制与水资源利用系数为正，说明财政分权制、水资源利用对传统制造业产业链和创新链融合能够起到一定的促进效果，但并不显著；劳动力集聚估计系数不显著， 说明劳动力集聚并没有明显促进传统制造业产业链和创新链的融合发展。

表5 数字经济影响传统制造业产业链和创新链融合的基准回归结果

（二）中介效应分析

为验证数字经济对传统制造业产业链与创新链融合的传导机制， 本文采用中介效应模型进行实证检验，结果如表6 所示。 在列（1）证实数字经济对传统制造业产业链和创新链融合具有积极影响的基础上，列（2）中数字经济的回归系数在5%的显著性水平上为正， 说明数字经济能够提升科技人才的集聚程度。在列（1）加入中介变量科技人才集聚后估计结果如列（3）所示，数字经济的估计系数仍然显著，并且科技人才集聚系数也在1%的显著性水平上为正。列（4）中数字经济的回归系数在1%的显著性水平上显著，说明数字经济能够促进金融规模的发展。在列（1）中加入中介变量金融发展规模后其估计结果如列（5）所示，虽然相对于列（1）结果的显著性有所降低，但估计系数仍在10%的显著性水平上显著。 这表明数字经济能够通过科技人才集聚和金融发展的中介效应促进传统制造业产业链和创新链融合。列（6）数字经济的估计系数为负， 说明数字经济能够抑制资本的错配，但效果不明显。 列（7）数字经济的估计系数显著为正、资本错配的估计系数为负，说明数字经济在抑制资本错配对传统制造业产业链和创新链融合的负面作用方面有微弱影响；列（8）数字经济的估计系数为正， 说明数字经济反而扩大了劳动力错配的程度，列（9）数字经济的估计系数为正且劳动力错配的估计系数不显著， 说明数字经济基本无法通过缓解劳动力错配对传统制造业产业链和创新链融合产生影响。目前，我国资本拥挤和资本稀缺现象并存， 而数字经济可以通过抑制资本错配促进传统制造业产业链和创新链融合。 此时研究假设1 得到验证。

表6 中介效应检验结果

（三）门槛效应分析

本文以金融发展和数字经济为门槛变量进行数字经济对制造业产业链和创新链融合的非线性影响检验。采用自助法反复采样500 次后，本文发现以上两个变量均通过了单一门槛检验，因此进一步采用门槛回归模型进行分析，结果如表7 所示。表7 的估计结果表明， 随着金融发展程度和数字经济自身发展程度的提高， 数字经济对于传统制造业产业链与创新链融合的估计系数表现出正向且非线性的递增作用，故研究假设2 得到验证。

表7 门槛模型估计结果

本文采用似然比检验来验证门槛估计值的真实性，检验结果如图1 所示，说明门槛估计值与真实值一致。

图1 似然比检验门槛估计值的函数图

（四）空间溢出效应分析

在进行空间计量分析时， 需要对传统制造业产业链和创新链融合度进行空间相关性检验。 由表8 可以看出Moran’I 指数均在1%的显著性水平上显著，说明2012—2020年我国各省级行政区制造业产业链和创新链融合度具有显著的空间相关性。

表8 空间相关性检验结果

此外，本文还进行了一系列的模型适配性检验，依次为：LM 检验、Hausman 检验、SDM 固定效应检验、Wald 检验以及LR 检验，最终确定SDM 时空双固定效应模型为最佳估计模型。①由表9 的空间溢出估计结果可知，数字经济对于传统制造业产业链和创新链融合的直接效应和间接效应均在1%的显著性水平上为正。 故研究假设3 得到验证。

表9 空间杜宾模型回归结果

（五）异质性检验

由于我国各地区环境条件与资源存量水平不尽相同， 本文采取区域异质性检验的方法对不同地区数字经济发展与传统制造业产业链和创新链融合的情况进行分析。 本文参照国家统计局的划分方式将我国划分为华北、东北、华东、中南、西南以及西北地区，对应表10 的列（1）～（6）。 由表10回归结果可以看出，华北、中南和西北地区的数字经济对传统制造业产业链和创新链融合效果并不显著； 华东地区数字经济促进传统制造业产业链和创新链融合的影响系数在1%的显著性水平上为正， 说明华东地区数字经济对于传统制造业产业链和创新链融合发展具有正向效应； 东北地区和西南地区估计系数在1%的显著性水平上为负，说明这两个区域仍需挖掘数字经济赋能传统制造业产业链和创新链融合的潜力。

表10 地区异质性检验结果

（六）稳健性检验

本文采用多种方法进行研究结论的稳健性检验，表11 为稳健性检验的结果。其中列（1）为缩短时间年限至2013—2019年的基准回归，估计结果在1%的显著性水平上为正。列（2）和列（3）分别为控制地区固定效应和控制时间固定效应的基准回归， 二者估计结果均在1%的显著性水平上为正。为缓解反向因果问题的干扰， 本文引入解释变量滞后一期作为新的解释变量进行回归，列（4）结果显示滞后一期的数字经济对传统制造业产业链和创新链融合仍有促进作用。 为更好地克服内生性问题，本文参考郭家堂和骆品亮（2016）的研究，采用解释变量滞后一期作为工具变量进行2SLS 回归。列（5）表明缓解内生性问题后数字经济仍可以显著促进传统制造业产业链和创新链融合发展且系数有所提高。

表11 稳健性检验结果

五、结论与建议

本文基于2012—2020年中国31 个省级行政区的面板数据， 运用面板回归模型、中介效应模型、门槛回归模型以及空间计量模型，对数字经济驱动传统制造业产业链和创新链融合发展的作用机制与溢出效应进行系统分析与实证研究。 主要结论如下：（1）数字经济对传统制造业产业链和创新链融合发展存在递增的非线性促进作用，在LnFD>11.198 和LnDig>-1.960 时其促进作用均会增强；（2）通过中介效应分析，数字经济通过缓解资本错配、推动科技人才集聚和金融发展对传统制造业产业链和创新链融合发展产生促进作用；（3）数字经济对传统制造业产业链和创新链融合发展具有正向的空间溢出效应。另外，华东地区数字经济赋能传统制造业产业链和创新链融合发展具有正向作用，而华北、中南和西北地区数字经济没有体现出显著的促进作用。 为进一步利用数字经济促进传统制造业创新链与产业链融合发展，本文提出如下政策建议。

第一，开放数字经济创新要素资源，促进传统制造业产业结构升级。 面对当前复杂的国内外经济形势， 必须保证传统制造业产业链与创新要素的充分自由流动与优化配置。 通过产业数字化推动高新技术产业与传统制造业的融合， 促进传统制造业产业结构高级化和合理化， 实现传统制造业数字化转型和产业结构升级。

第二，构建数字创新生态系统，提高传统制造业的自主创新能力。企业与行业协会、科研院所构建数字经济的产学研创新联盟， 共建共享成果数据库、人才数据库和专家数据库等信息资源。充分利用产学研创新联盟推动技术转移服务、技能认证、数字化科普活动，实现企业职业教育与专业技术的产教融合培养模式， 培养数字化人才队伍的建设， 进一步提升传统制造业的自主创新能力和研发水平。

第三，创新科技金融服务体系，加快传统制造业协同创新的多元投入。 利用区块链、大数据、人工智能等新一代数字技术， 推动制造业供应链金融体系和数字贸易服务平台建立，涵盖数字信贷、数字保险及数字货币交易等新型金融产业和普惠服务，拓宽传统制造企业融资渠道，着力解决传统制造企业“融资难、融资贵”的问题。引导银行金融机构加大对传统制造业信贷投放力度， 支持对传统制造业实施不良率、存贷比指标、风险资本权重计量等进行差异化考核， 大力发展面向县域传统制造企业的数字化授信金融服务。 同时加快完善金融服务实体经济、服务传统制造企业的管理办法，瞄准专精特新企业后备力量，建立细分行业产业数字化专项基金专款专用， 扶持传统制造企业的未来工厂建设。

注释：

①由于篇幅原因，检验结果不进行汇报，若读者有需要可向作者索取。