智能制造与企业韧性:机制与效应

摘 要：面对百年未有之大变局，提高韧性是企业应对危机、逆势成长所需的关键能力。基于2010—2022 年制造业A 股上市公司数据，以智能制造产业政策为准自然实验，并利用双重差分法检验智能制造对企业韧性的影响。研究发现，智能制造显著提高了企业韧性。机制检验表明，智能制造主要通过促进供应链多元化配置和优化供需匹配两个渠道提高企业韧性。异质性分析表明，对于非国有企业、内部控制水平较低企业、数字化水平较高企业，以及数字基础设施建设水平较高和市场化水平较高的地区，智能制造对企业韧性的影响更为显著。拓展分析发现，智能制造对企业发展具有积极的经济后果，可以提高企业经济绩效。

关键词：智能制造;企业韧性;供应链多元化;供需匹配

中图分类号：F425;F124 文献标识码：A 文章编号：1003-3890（2025）01-0038-10

一、问题提出

党的二十大报告指出，我国发展进入战略机遇和风险挑战并存、不确定难预料因素增多的时期，各种“黑天鹅”“灰犀牛”事件随时可能发生。在此背景下，企业内部生产和外部经营环境存在着诸多不确定性。一方面，逆全球化思潮抬头，一些发达国家积极推动制造业“回流”，企业面临产业链供应链“卡链”“掉链”“断链”风险。另一方面，我国仍面临着结构性、体制性、周期性问题相互交织所带来的困难和挑战。对此，在动荡的、不断变化的市场环境中，如何提高企业韧性以保障国民经济稳健循环已成为社会各界关注的重要议题。

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。2008年国际金融危机重创了各国制造业市场，随后以新一代信息技术和产业更替为主要内容的第四次工业革命迅速兴起，智能制造相关技术、业态和生产体系逐步成为世界各国重塑制造业国际竞争力的关键途径[1] 。在此背景下，2015 年国务院印发《中国制造2025》，明确提出“以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向”。与此同时，理论和实践研究表明，智能制造能够催生新型生产力和重塑传统生产模式，实现“鼎新”带动“革故”，从而畅通产业链供应链，促进我国制造业迈向全球价值链中高端。不难发现，智能制造必然对企业生产经营产生重大影响，进而影响企业的韧性表现。

与本研究相关的文献可以分为以下两类：第一类是智能制造影响效应的相关研究。在宏观层面，多数研究肯定了工业智能化对经济增长的积极影响，但其对劳动力就业的冲击则存在多重性。孙早等[2] 研究发现，工业智能化可以增加高技能和低技能的劳动力需求，而先进设备将替代中等技能劳动力，导致劳动力就业结构形成“两极化”特征。韩永辉等[3] 结合少子老龄化背景，发现工业智能化在短期内可以弥补非研发型劳动力缺口，缓解少子老龄化对经济增长的不利冲击;但从长远来看，工业智能化仍无法缓解研发型劳动力的短缺问题，从而限制了工业智能化对经济可持续增长的支持作用。在微观层面，已有研究发现智能制造对抑制成本黏性[4] 、促进企业创新[5] 、提升企业全要素生产率[1]等方面具有显著优势。但也有部分研究对智能制造的有效性提出了质疑。Wen et al. [6] 研究发现，智能制造在短期内对企业创新产出和全要素生产率没有影响。Liu et al. [7] 研究表明，智能制造在长期内会降低企业的盈利能力。第二类是企业韧性影响因素的相关研究。当前对韧性内涵的理解多基于动态视角，认为韧性是系统应对外部扰动时可以维稳、适应和升级的过程。因此，企业韧性是指企业不仅具有抵抗外部冲击的能力，还具有冲击发生后的恢复适应能力，甚至是在冲击中实现升级[8-9] 。作为前沿性研究课题，特别是在近年国内外不确定因素增加的时代背景下，企业韧性的影响因素备受关注。已有研究认为企业韧性的提升依赖内外部因素的共同驱动。在外部因素上，投资者保护制度、经济政策不确定性、逆向混改等因素对企业韧性的促进作用已得到经验证据支持。相对应的，企业是应对外部冲击的客观主体，将面临不利环境的直接影响，因而学者们更侧重考察企业内部因素对企业韧性的支撑作用。例如，胡海峰等[9] 发现，数字化转型打破了时间和地理空间对企业经营活动的限制，有利于提高企业的工作灵活性。综上，现有文献为厘清智能制造与企业韧性之间的关系提供了重要参考，但关于智能制造对企业韧性的影响及作用机制，还没有与之对应的文献，国内外文献未见报道，尚待后续研究予以补充。

在已有文献的基础上，本文可能的贡献在于：第一，扩展了智能制造经济价值的学术认知。已有文献关注智能制造对企业发展的积极影响，如抑制成本黏性[4] 、促进企业创新[5] 、提升企业全要素生产率[1] 等。本文借助智能制造战略的准自然实验，探讨智能制造对企业抵御外部风险的赋能作用，是对现有智能制造研究视角的有益补充。第二，揭示了智能制造影响企业韧性的理论黑箱。本文从促进供应链多元化配置和优化供需匹配的视角揭示了智能制造的韧性效应，有助于进一步深化理解智能制造与企业发展之间的关系。第三，立足于企业和地区特征，深入分析智能制造影响企业韧性的异质性表现，并进一步探究智能制造的经济后果，对深入推进企业“智转数改”的有关实践具有良好的政策参考价值。

二、理论分析与研究假设

作为新一轮工业革命的内在驱动力，现有文献已经从多个角度论证了智能制造对企业发展的影响。首先，智能制造有利于提高企业的生产、运营和管理效率，发挥增效效应。智能制造深度应用新一代信息技术，可以将原本复杂、繁琐和模糊的生产线转变为简易可视化的生产流程，改进企业的生产效率。同时，应用智能化高端设备和各种信息技术是智能制造的特性，由此产生的信息效应可以破除企业生产、运营和管理环节的“信息孤岛”[4] ，从而实现采购、生产、库存、销售等各环节信息资源的协同，并推动企业组织结构向网格化、扁平化和模块化转变[5] 。其次，智能制造有助于优化企业人力资本结构，发挥劳动效应。智能制造既能够提高劳动生产率和资本替代劳动的弹性水平，引发对低技能劳动的替代效应[10] ，还能够产生新劳动力需求，增加对具有专业知识技能的高端劳动力的需求[2] 。最后，智能制造有利于提高企业创新能力，发挥创新效应。智能制造通过信息技术和大数据技术等手段促进了产业链供应链上的信息共享和数据挖掘，借助海量信息的搜寻能力和高效数据的处理能力，企业可以获取创新所需的信息、知识和数据资源，降低创新过程中面临的不确定性[5] 。综上，智能制造能够发挥增效效应、劳动效应和创新效应，并对企业产生积极影响，而韧性作为企业表现的一种形式，智能制造可能对企业韧性也存在驱动作用。据此，本文提出假设H1：

H1：智能制造可以提高企业韧性。

从动态视角来看，企业韧性不仅关注企业对某次特定的外部冲击作出回应，而且侧重企业如何在多变的外部市场环境中进行观察、预测和适应性调整，从而不断演化并实现稳定增长。因此，在长期范围内，提升企业韧性的重要因素在于钝化外部风险冲击，维持企业运营的正常运转[11] 。同时，提升企业韧性的另一个关键因素是促进企业在遭受外部冲击后的恢复能力，即在冲击导致供应链“断链”时，企业能够及时自我调整，迅速匹配供应链上下游两端，恢复原有发展路径，甚至是实现自我升级[12] 。接下来，本文围绕上述两方面内容，讨论智能制造影响企业韧性的机制路径。

第一，促进供应链多元化配置。在供应链管理实践中，企业可以选择供应链集中化和多元化两种配置方式[11] 。尽管供应链集中化能够帮助供应链上下游形成稳定的贸易合作关系，从而降低交易成本和促进信息共享，但供应链参与者除合作关系外，也会存在隐瞒信息和机会主义行为等挤压关系，甚至利用交易方优势对劣势地位企业进行不公平的压榨行为。因此，供应链集中化可能使劣势地位企业往往只能被迫参与合作，在此情景下，一旦受到外部冲击，企业将面临供应链“断链”风险，不利于企业韧性提升。与之相对应的，多元化意味着“不把鸡蛋放在一个篮子里”，企业在受到外部冲击时能够利用多样化的特性来钝化风险冲击，降低外部风险扰动，提高企业面对冲击的抵抗能力。然而，企业广泛寻求供应链合作伙伴的前提是能够及时洞察市场环境、快速鉴别与分析信息数据，从而调整生产经营策略。智能制造恰好为企业推动供应链多元化配置提供了机遇。一方面，智能制造利用新一代信息技术改进生产工序、调整生产环节，有助于提高企业核心产品质量，增强企业自身的核心竞争力。在此基础上，企业无需供应链原有关系的背书，可以凭借自身产品优势，提升与潜在供应商或客户的合作关系，促进供应链多元化配置。另一方面，智能制造赋予企业内外部信息搜集、整合和处理的能力，企业可以高效掌握内部流程和外部市场的动态情况，更加高效地与上游供应商、下游客户对接[13] ，从而更容易构建供应链合作关系。据此，本文提出假设H2：

H2：智能制造可以通过促进供应链多元化配置提高企业韧性。

第二，优化供需匹配。供需匹配是指市场范围内企业具有更多的机会选择合适的供应商或客户。换言之，优化供需匹配意味着在面对外部冲击时，企业可以根据市场信号灵活地调整供需两端，增强企业应对外部扰动时的调整应变能力[13] ，从而提高企业韧性。智能制造可以从以下几方面优化供需匹配。首先，传统生产模式下，企业通常选择维持高产量和库存堆积战略来应对市场需求，这种情况容易引致供需波动偏离度在供应链上逐级放大，即“长鞭效应”。智能制造可以依托新一代信息技术降低企业间的信息不对称程度，由此创造的信息效应可以对市场供需信息进行预测，并利用智能制造的生产效率优势及时调整生产战略，从而缓解供应链上的“长鞭效应”。其次，在新消费时代，消费群体的需求愈加个性化和多元化，以规模化为特征的刚性生产系统难以匹配现有的消费需要，导致供需两端不协调。智能制造一方面可以发挥生产模式敏捷性和灵活性的显著优势，实现产品多元化生产。另一方面，智能制造还能够深度挖掘终端消费者的偏好和行为特征，对产品进行个性化定制，从而满足消费者的多样化和个性化需求。最后，智能制造可以借助智慧物流和信息平台了解到范围更大的供应商或客户，扩大企业的市场战略布局[14] 。这意味着企业选择供应链合作伙伴的范围得到进一步拓展，因而在面对供应链中断的情况下，企业可以在更大的供应链地理分布选择空间上实现供需匹配。据此，本文提出假设H3：

H3：智能制造可以通过优化供需匹配来提高企业韧性。

三、研究设计

（一）模型设定

为检验智能制造对企业韧性的影响，本文采用双重差分法进行实证检验，构建如下计量模型：

为检验智能制造能否通过促进供应链多元化配置和优化供需匹配两个渠道提高企业韧性，构建如下中介效应模型：

（二）变量选取

1. 被解释变量：企业韧性（resil）。参考胡海峰等[9] 的研究，采用股票年化月收益率标准差作为企业韧性的代理指标。其原因在于股票收益率的波动不受财务报表的约束和限制，并且能够反映企业基本面及预期的变化。特别地，若投资者感知外部冲击会对企业造成较大影响，那么投资者会出售股票，引致企业股票价格大幅下降。因此，如果智能制造提高了企业韧性，那么企业也会表现出更高的股票收益率。

2. 核心解释变量：智能制造（did）。本文核心解释变量参考Wen et al. [6] 、Liu et al. [7] 、沈坤荣等[1] 的做法， 将2015 年国务院印发《中国制造2025》中的十大重点领域作为实施智能制造的自然实验，包括新一代信息技术产业、高档数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料、生物医药及高性能医疗器械等十个重点领域，并将十大重点领域行业与中国证监会行业相匹配，识别与之相对应的企业。did 变量是treat（treat 是本文的处理组）与time 的交互项。当企业所在行业为十大重点领域对应的制造业行业时，treat 为1，否则为0;当年份为2015 年及之后时，time 为1，否则为0。

3. 中介变量。 根据研究假设，智能制造可以通过促进供应链多元化配置和优化供需匹配两个渠道影响企业韧性。其中，供应链多元化配置参考巫强等[11] 研究，分别以企业前五大供应商采购额与采购总额的比值、企业前五大客户销售额与销售总额的比值以及上述两个比值之和的均值作为供应商集中度（supply _supplier）、客户集中度（supply _customer）和供应链整体集中度（supply_all）的代理指标，该指标为负向指标，数值越小，表明供应链配置愈加多元化。供需匹配参考陶锋等[13] 做法，以企业库存变动幅度（matching1）作为衡量供需匹配的一个代理指标，计算方式为企业存货前后两期变化绝对值的自然对数。此外，为了增加机制检验的稳健性，本文也采用长鞭效应（matching2）作为衡量供需匹配的另一个代理指标，公式如下：

4. 控制变量。 结合已有文献，本文选取一系列变量以控制其他因素对企业韧性的影响，主要包括：企业规模（size），以企业总资产的自然对数表示;资产负债率（lev），等于负债总额与总资产的比值;总资产收益率（roa），等于净利润与总资产的比值;营业收入增长率（growth），等于营业收入增加值与上年营业收入的比值;企业年龄（age），以考察年份和上市年份之差的自然对数表示;董事会规模（board），以董事会人数的自然对数表示;独立董事占比（indep），等于独立董事人数与董事会成员的比值;两职合一（dual），董事长和总经理为同一人时，dual 为1，否则为0;股权集中度（top1），以第一大股东持股比例表示。

（三）数据来源及描述性统计

本文以2010—2022 年我国A 股制造业上市公司为研究样本，相关原始数据主要来自《中国统计年鉴》《中国城市统计年鉴》和CSMAR 数据库。同时，本文对样本进行了如下特殊处理：一是剔除ST、∗ ST 类企业和资产负债率大于1 的企业样本，二是剔除主要回归中数据缺失的企业样本，三是对连续变量进行上下1% 缩尾处理。至此， 本文得到19 132 个企业-年份非平衡面板数据。表1 汇报了主要变量的描述性统计结果。

四、实证结果分析

（一）基准回归结果

智能制造对企业韧性影响的检验结果如表2 所示。第（1）列为仅控制企业固定效应、年份固定效应和城市固定效应，未加入控制变量的回归结果，did 估计系数为0. 149，且在1%水平上通过显著性检验，初步说明智能制造可以提高企业韧性。第（2）列为在此基础上，加入前文系列控制变量的回归结果，did 估计系数为0. 116，同样在1%水平上显著，这说明智能制造的确可以发挥新一代信息技术的赋能作用，增强企业的抵抗能力和恢复能力，从而提高企业韧性。综上所述，智能制造可以提高企业韧性，假设H1 得到经验证据支持。

（二）稳健性检验

1. 平行趋势检验。本文参考现有研究[4-5] ，构建如下计量模型进行平行趋势检验：

2. 安慰剂检验。 为验证智能制造对企业韧性产生的效果是否由其他随机因素引起，本文通过随机抽取处理组企业的方式进行安慰剂检验。具体做法为：首先，随机抽取与基准回归中处理组数量相同的企业作为伪试点企业;其次，将智能制造的实施年份随机分配给伪试点企业;最后，利用基准回归模型将上述过程重复500 次。图2 汇报了500个did 估计系数、P 值的密度分布图，可以看出did估计系数的平均值位于0 值附近，这与基准回归结果（0. 116）存在显著差异，且P 值大多位于常规置信水平（0. 1）之上。综合上述结果可知，本文核心结论并非偶然，企业韧性的提升的确是由智能制造的实施引起的。

3. 替换被解释变量。前文采用股票年化月收益率标准差作为企业韧性的代理指标，此部分采用股票年化周收益率标准差（resil2）作为企业韧性的替换变量。此外，现有研究对企业韧性的衡量指标并没有统一的标准，而宏观经济学对经济韧性的测度多采用Martin[15] 的做法，利用核心指标相对变化的敏感性指数衡量经济韧性。本文将其引入微观企业韧性的测度，作为企业韧性的另一个替换变量（resil3），公式如下：

4. 更换估计方法。为避免处理组与对照组内企业特征差异对估计结果的影响，本文采用倾向得分匹配-双重差分法（PSM-DID）克服该问题，以前文系列控制变量作为配比变量，进行1 ∶ 4 的最近邻匹配，并利用基准回归模型进行估计。表3 第（3）列汇报了PSM-DID 的回归结果，did 估计系数和显著性未发生明显变化，结论不变。

5. 排除替代性解释。 许多政策的实施往往叠加交织开展，因此有必要考虑同期其他政策对本文结果的干扰。具体来说，本文排除了以下重要政策的影响：一是排除“宽带中国”试点政策的影响，“宽带中国”建设有助于改善数字基础设施建设，影响企业创新和全要素生产率进而影响企业韧性。二是排除国家创新城市试点政策的影响，创新城市可以集聚创新人才和提高制造业生产率，从而影响企业韧性。三是国家级大数据综合试验区的影响，国家级大数据综合试验区的设立有利于改善数字生态环境进而对企业韧性产生影响。四是智能制造试点示范专项行动的影响，该试点政策公布的试点企业与本文处理组企业存在重复情景，因此，需要进一步排除智能制造试点示范专项行动对企业韧性的替代性解释。在具体做法上，上述政策效应与本文did 变量的构建思路相一致，即生成试点政策的虚拟变量和时间虚拟变量的交互项，并将其纳入基准回归模型。表3 第（4）列汇报了排除替代性解释的回归结果，不难发现，did 估计系数仍在1%水平上显著为正，结论依旧稳健。

6. 内生性处理。 尽管本文基准回归控制了企业、年份和城市固定效应，这在一定程度上可以缓解不随个体、时间和地区变化的不可观测变量带来的内生性干扰，但仍然可能存在遗漏变量和反向因果导致的内生性问题。对此，本文通过工具变量法进行内生性处理。具体地，参考权小锋等[4] 的做法，采用2005 年企业所在城市的信息传输、计算机服务和软件业总从业人员数量作为工具变量。该工具变量的适宜性在于：一方面，企业实施智能制造离不开地区高技能劳动力的支撑，而与信息化、智能化和数字化有关的从业人员是高技能劳动力的重要体现，故满足相关性条件。另一方面，相对本文的样本研究年限，2005 年的信息传输、计算机服务和软件业从业人员属于历史数据范畴，并不会对当前企业韧性产生直接影响，满足外生性条件。此外，为了解决截面数据无法用于面板数据回归分析的问题，本文将上一年全国互联网用户数与2005年企业所在城市的信息传输、计算机服务和软件业总从业人员数相乘，并将其交互项作为智能制造的工具变量（iv）。表3 第（5）、（6）列结果显示，在进行内生性处理后，智能制造提高企业韧性的结论依旧稳健。

7. 其他稳健性检验。 本文还尝试了下述稳健性检验方法：一是考虑遗漏变量，在前文控制变量的基础上，本文加入系列城市层面控制变量，包括经济发展水平（人均GDP 的自然对数）、产业结构（第三产业增加值与第二产业增加值的比值）、政府调控（政府财政支出与GDP 的比值）、外贸依存度（实际利用外商投资额与GDP 的比值）。二是调整固定效应类型，在原有固定效应基础上分别加入省份固定效应和省份×年份固定效应，以排除不同省份不同年份内不可观测因素对本文结果的影响。三是调整聚类标准层次，考虑行业之间的序列相关性，将聚类层次变更为行业和年份层面。四是剔除直辖市样本，考虑到直辖市的特殊性，进一步剔除北京、天津、上海和重庆四个直辖市样本。五是控制变量滞后一期，进一步考虑到可能存在的坏控制问题，将所有控制变量进行滞后一期处理。表4 汇报了上述其他稳健性检验的回归结果，did 估计系数至少在10%水平上为正，说明本文的结论是稳健的。

（三）机制检验

1. 供应链多元化配置机制。 理论分析部分指出智能制造可以利用新一代信息技术的赋能作用，增强企业的核心竞争力、促进企业更加高效地与供应链上下游精准对接，从而推动企业更倾向接受供应链多元化。表5 第（1） ～ （3）列汇报了供应链多元化配置机制的检验结果，可以发现智能制造对供应链整体集中度（supply_all）和客户集中度（supply_customer）的影响在1%水平上显著为负，而对供应商集中度（supply_supplier）的影响则未通过显著性检验，这说明智能制造可以降低供应链集中化程度，即促进供应链多元化配置，且这种影响主要是通过促进客户多元化实现的。现有研究指出，供应链多元化配置可以分散风险，钝化外部冲击对企业运营的影响，从而提高企业韧性[11] 。综上可知，智能制造可以通过促进供应链多元化配置来提高企业韧性，假设H2 得到经验证据支持。

2. 供需匹配机制。 理论分析部分指出智能制造可以降低信息不对称程度，通过生产效率优势缓解供应链上的“长鞭效应”和实现产品多元化生产，并进一步扩大企业的市场战略布局，从而优化供需匹配。表5 第（4）、（5）列汇报了供需匹配机制的检验结果，可以发现智能制造对企业库存变动幅度（matching1）和长鞭效应（matching2）的估计系数分别为-0. 046和-0. 028，且至少在10%水平上显著，说明智能制造可以降低企业的库存变动幅度和缓解供需两端波动偏离程度，即优化供需匹配。现有研究表明，优化供需匹配意味着供应链链条中断时企业具有快速的响应能力以及恢复重建能力，能够更加高效便捷地选择合适的供应商或客户，有助于提高企业韧性[13] 。综上可知，智能制造可以通过优化供需匹配来提高企业韧性，假设H3 得到经验证据支持。

五、进一步分析

（一）异质性分析

1. 股权性质异质性。 企业性质决定了资源、技术等生产要素的分配和利用方式。相较非国有企业，国有企业因天然存在的政企联系使其具备一定的政策倾向，因而国有企业往往具有雄厚的工业基础、技术人才和市场份额，这也从侧面反映出国有企业具有应对突发事件的能力。而非国有企业则不具备上述优势，在缺乏稳定的生产能力和物资保障能力的情况下，智能制造的实施可能更有助于撬动非国有企业的韧性效应，大幅度提高非国有企业的生产效率和响应市场需求的能力，从而促进企业韧性提升。为检验上述推理，本文按照股权性质将研究样本划分为国有企业和非国有企业两组，并进行分组回归。表6 第（1）、（2）列汇报了股权性质异质性的分组回归结果，相较国有企业的一组，did 估计系数仅在非国有企业的一组中显著为正。这意味着智能制造的实施更有利于非国有企业的韧性提升，符合前文预期。

2. 企业内部控制水平异质性。企业内部控制水平是企业经营管理水平和风险防范能力的重要体现。相较内部控制水平较低的企业，内部控制水平较高的企业可以为企业运营管理创造较多优势，包括制定标准化流程、提高管理效率和风险管控能力等，同时也可以改善部门之间或企业之间的信息沟通途径，提高企业防范化解风险的能力。而内部控制水平低的企业往往疏于防范，抵抗外部冲击的能力不足，因而对于内部控制水平较低的企业而言，智能制造可以将精准和智能化模式嵌入企业内控系统，提高企业评价、控制和防范风险能力，促进企业韧性提升。为检验上述推理，本文以深圳迪博公司公布的上市公司内部控制指数作为企业内部控制水平的度量指标，按照企业内部控制指数的中位数划分内部控制水平较高和内部控制水平较低两组，并进行分组回归。表6 第（3）、（4）列汇报了企业内部控制水平异质性的分组回归结果，相较内部控制水平较高的一组，did 估计系数仅在内部控制水平较低的一组中显著为正。这意味着智能制造的实施更有利于内部控制水平较低的企业韧性提升，符合前文预期。

3. 企业数字化水平异质性。 企业数字化转型可以充分发挥信息化和人力资本优势等方面的作用。相较数字化水平较低的企业，数字化水平较高的企业通常具备完善的信息化、自动化基础，企业管理流程也较为智能化，因而数字化水平较高的企业可以更好地吸收智能制造政策带来的红利。而数字化水平较低的企业不具备上述优势，智能制造带来的赋能优势可能体现在生产效率上，尚不能实现智能制造的韧性效应。为检验上述推理，本文参考吴非等[16] 对企业数字化转型的测度方法，按照企业数字化水平的中位数划分数字化水平较高和数字化水平较低两组，并进行分组回归。表6 第（5）、（6）列汇报了企业数字化水平异质性的分组回归结果，相较数字化水平较低的一组，did 估计系数仅在数字化水平较高的一组中显著为正。这意味着智能制造的实施更有利于数字化水平较高的企业韧性提升，符合前文预期。

4. 地区数字基础设施建设水平异质性。地区数字基础设施建设能够为企业开展智能制造提供环境保障，降低企业信息化、数字化、智能化转型过程中的风险。相较数字基础设施建设水平较低的地区，数字基础设施建设水平较高的地区在人才培养、数字平台和技术环境等方面具有显著优势，这将直接影响企业智能制造改造进程。作为对比，数字基础设施建设水平较低的地区囿于上述条件限制，企业在缺乏有利外部环境的支撑下难以凭借自身力量最大程度吸取智能制造红利。为检验上述推理，本文将企业所在城市互联网宽带接入用户数与居民人数的比值作为地区数字基础设施建设水平的代理指标，根据各地区该指标的中位数划分数字基础设施建设水平较高和数字基础设施建设水平较低两组，并进行分组回归。表6 第（7）、（8）列汇报了数字基础设施建设水平异质性的分组回归结果，相较数字基础设施建设水平较低的一组，did估计系数仅在数字基础设施建设水平较高的一组中显著为正。这意味着当地区数字基础设施建设水平较高时，智能制造的实施更有利于促进企业韧性提升，符合前文预期。

5. 地区市场化水平异质性。合理有序的市场环境有助于推动社会经济活动顺利进行。相较市场化水平较低的地区，市场化水平较高的地区可能更有利于促进智能制造企业的韧性效应。其原因在于：一是良好的市场化环境可以缓解信息不对称程度，帮助企业捕捉和感知外部不确定环境变化。二是良好的市场化环境可以改善企业主体之间贸易合作机会，为企业应对外部冲击、增强冲击后的恢复能力提供更多的策略选择。三是良好的市场化环境有助于保护企业的专利产权，使得企业产品难以被侵权和仿造，从而提高企业的核心竞争优势。对此，本文预期在市场化水平较高地区，智能制造对企业韧性的影响更为显著。为检验上述推理，本文以省份市场化指数度量企业所在地区的市场化水平，根据各地区该指标的中位数划分市场化水平较高和市场化水平较低两组，并进行分组回归。表6 第（9）、（10）列汇报了市场化水平异质性的分组回归结果，相较市场化水平较低的一组，did估计系数仅在市场化水平较高的一组中显著为正。这意味着当地区市场化水平较高时，智能制造的实施更有利于促进企业韧性提升，符合前文预期。

（二）经济后果分析

智能制造的实施不仅提高企业应对外部冲击的抵抗能力和受到冲击后的恢复能力，还应具有推动企业实现经济增长的作用。对此，有必要进一步检验智能制造对企业经济后果的影响。本文采用以下两个变量作为企业经济绩效的代理指标，一是采用LP 法估算的企业全要素生产率（econ1），二是采用息税前利润与员工人数比值的自然对数（econ2）。表7 汇报了智能制造对企业经济后果的检验结果，不难发现，无论采用何种变量衡量企业经济绩效，did 估计系数至少在5% 水平上为正，这说明智能制造的实施可以提高企业经济绩效，即智能制造可以对企业产生积极的经济后果。

六、结论与建议

面对日益复杂和不可预知的内外部环境，智能制造为提高企业韧性提供了新契机。本文以2010—2022 年中国制造业A 股上市公司为研究对象，利用双重差分法检验智能制造对企业韧性的影响效应和作用机制。研究发现，智能制造的实施可以提高企业韧性。机制检验发现，智能制造通过促进供应链多元化配置和优化供需匹配两个渠道提高企业韧性。异质性分析发现，对于非国有企业、内部控制水平较低企业、数字化水平较高企业，以及数字基础设施建设水平较高地区、市场化水平较高地区，智能制造对企业韧性提升的作用更为显著。经济后果检验发现，智能制造可以显著提高企业经济绩效。

基于上述结论，本文提出如下建议：

1. 加快出台多层次和系统的智能制造政策，充分发挥智能制造对企业韧性提升的激励作用。首先，要发挥头部企业的带动作用，依据不同行业的发展特点和前景需求，培育和遴选一批智能制造转型成功的典型案例，进行复制推广，增强智能制造的整体实力。其次，强化科技创新的支撑和引领作用，对于设计、研发、生产、管理、销售和服务等制造全过程实现创新赋能，并积极开发信息交流平台，实现不同产业链供应链企业间的多源信息交互和全链条协同优化。最后，积极培育智能制造新模式，持续推动装备升级、管理优化和生产过程智能化，加快新一代信息技术与智能场景、智能车间、智能工厂和智慧供应链等领域的深度融合进程，并及时推广智能制造新技术、新装备和新模式。

2. 以促进供应链多元化配置和优化供需匹配作为政策实施的关键着力点，不断健全各方面机制。一方面，企业应认识到智能制造带来的信息效应，充分发挥新一代信息技术对供应链管理的赋能作用，积极寻找替代方案，降低对大供应商和客户的依赖程度，建立更加多元化的供应链网络，使企业在面临供应链中断的情况下，可以有效降低单一供应链带来的风险。另一方面，企业可以借助中国市场空间广阔的优势，并结合数字技术对市场主体间的连接和沟通功能，打破产业链供应链各环节之间的信息壁垒，使企业能够及时了解市场需求和供给，并调整企业的生产和市场布局，促进供给精准对接需求的能力，从而提高企业受到冲击后的恢复能力。

3. 依据智能制造对企业韧性提升的异质性影响，不断改善企业内部治理和外部环境。一方面，根据企业特征异质性，针对国有企业韧性提升动力不足的问题，政府应考虑从外部施加考核压力，使企业管理层认识到当下阶段提高韧性的重要性。例如：将韧性考核指标纳入管理层的绩效考核标准;企业运营管理应逐步数字化，提高部门之间的沟通效率，进一步增强企业内部控制和防范化解风险能力;企业应重视数字化转型对企业发展的重要作用，主动适应并引领数字情境下企业生产和运营管理模式的创新，使之更好地匹配智能制造模式。另一方面，根据地区特征异质性，政府应加强数字基础设施建设力度，强化网络支撑，积极开发工业互联网平台，促进信息网络互联互通，引导数据要素跨区域流通融合;改善地区市场化环境，推动降低市场主体准入成本，切实保护市场主体合法权益，持续加强知识产权保护强度，为企业营造良好的营商环境。

参考文献：

[1]沈坤荣，乔刚，林剑威. 智能制造政策与中国企业高质量发展[J]. 数量经济技术经济研究，2024，41（2）：5-25.

[2]孙早，侯玉琳. 工业智能化如何重塑劳动力就业结构[J]. 中国工业经济，2019（5）：61-79.

[3]韩永辉，刘洋. 少子老龄化、工业智能化与宏观经济波动———基于内生经济增长理论的DSGE 模型分析[J].管理世界，2024，40（1）：20-37.

[4]权小锋，李闯. 智能制造与成本粘性———来自中国智能制造示范项目的准自然实验[J]. 经济研究，2022，57（4）：68-84.

[5]谷城，张树山. 智能制造何以实现企业绿色创新“增量提质”[J]. 产业经济研究，2023（1）：129-142.

[6]WEN H， ZHAO Z. How does China's industrial policy affect firms' Ramp;D investment？ evidence from 'China Manufacturing 2025'[J]. Applied economics， 2021，53（55）：6333-6347.

[7]LIU X， MEGGINSON W L， XIA J. Industrial policy and asset prices： evidence from the Made in China 2025 policy[J]. Journal of banking amp; finance， 2022，142：106554.

[8]DING W， LEVINE R， LIN C， et al. Corporate immunity to the COVID-19 pandemic[J]. Journal of financial economics，2021，141（2）：802-830.

[9]胡海峰，宋肖肖，窦斌. 数字化在危机期间的价值：来自企业韧性的证据[J]. 财贸经济，2022，43（7）：134-148.

[10] ACEMOGLU D， RESTREPO P. Robots and jobs： evidence from US labor markets[J]. Journal of political economy，2020，128（6）：2188-2244.

[11]巫强，姚雨秀. 企业数字化转型与供应链配置：集中化还是多元化[J]. 中国工业经济，2023（8）：99-117.

[12]张树山，谷城. 供应链数字化与供应链韧性[J]. 财经研究，2024，50（7）：21-34.

[13]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.

[14]张树山，谷城，张佩雯，等. 智慧物流赋能供应链韧性提升：理论与经验证据[J]. 中国软科学，2023（11）：54-65.

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

[16]吴非，胡慧芷，林慧妍，等. 企业数字化转型与资本市场表现———来自股票流动性的经验证据[J]. 管理世界，2021，37（7）：130-144.

责任编辑：张 然