1.2 国内外研究现状

1.2.1 工业大数据研究现状

工业大数据与智能制造、工业互联网密切相关，前者是后两者的核心，后两者是前者的主要应用场景和来源。工业大数据的价值必须通过智能制造和工业互联网才能实现，而智能制造和工业互联网必须拥有一定规模的工业大数据才能正常运作。工业大数据通过“人—机—物”连接，实现“智连智通”和自我优化，释放工业互联网的潜在价值。基于工业大数据的智能决策，主要通过大数据采集分析技术对数据和信息进行加工，形成决策知识，减少不确定性的负面影响，避免人为主观性错误造成的损失。从生产要素角度而言，工业大数据无疑是工业领域最为珍贵的基础性战略资源（Basantaval，2018），是企业提升竞争力、创造力和生产力的核心要素。如何挖掘工业大数据潜在的价值，是全球工业数字化转型发展急需解决的重要问题（Ghasemaghaei等，2018）。

1.2.1.1 工业大数据的特征

工业大数据的特征包括以下两方面。

（1）工业大数据的边际成本近乎零。虽然目前工业大数据的收集、存储和分析等成本相对较高，但是由于其可复制、可重复和无限供给要素禀赋的特征，工业大数据弥补了传统生产要素资源稀缺的缺点，能够形成规模报酬递减的生产模式（李清彬，2018）。杰里米·里夫金于2014年出版的《零边际成本》一书中提到，大数据作为一种新技术革命，凭借零边际成本优势将对已有生产规则、生产体系和生产秩序产生严重冲击。戚聿东等（2018）和陈国青等（2018）表示，大数据是新经济时代的重要生产资源，具备可重复使用和充裕性等优势，有利于推动企业管理模式优化升级，提高资源配置效率。胡贝贝和王胜光（2017）认为，大数据是一种虚拟化生产要素；传统固态生产要素通过数字技术能够实现数字化，成为新数字要素组合，从而促使生产成本大幅降低，资源配置效率大幅提升。

（2）工业大数据具备对工业逻辑做出反映的新特征。工业大数据除了具有高速度（Velocity）、大体量（Volume）、多样性（Variety）和高价值（Value）的“4V”特征及零边际成本的特征，还具备对工业逻辑做出反映的新特征。李杰（2015）认为，工业大数据具备更强的时序性、专业性、解析性和关联性，它能够实现横向与纵向环节的互联互通，将资源配置和价值维度规模化，进而实现服务定制和按需分发。王建民（2017）认为，相对于其他类型的大数据，工业大数据还具有反映工业逻辑的多模态、强关联和高通量等新特征。孙家广院士（2016）认为，工业大数据由智能产品产生，不仅具有多模态、强关联、高通量特征，还具有跨界关联、产业链关联和物理信息关联应用特征。

1.2.1.2 工业大数据的价值

随着区块链、人工智能等信息技术快速普及，数据的规模呈现爆炸式增长，数据价值得到前所未有的重视，催生了一大批专业的数据分析平台。数据作为数字经济的基础资源和关键要素，其价值化已得到广泛认可，各行各业都在如火如荼地开展数字化革新（吴超，2018）。

（1）工业大数据是战略资源。韩江波（2017）认为，工业大数据是工业领域智能化后的高级形态。对企业而言，工业大数据不仅可以推动企业实现智能化生产和个性化定制，还可以促使企业实现网络化协同，对企业组织产生深远影响。Kusiak（2017）将工业大数据视为实现智能制造的重要资源。刘刚（2019）认为，工业大数据是一种关键生产要素，是经济高质量发展的重要引擎，且已经深度融入经济和社会生产的各个领域。

（2）工业大数据在智能制造中发挥重要价值。Bowen（2001）认为，工业大数据融入商业模式后，能够优化企业生产和管理流程，驱动信息和知识在不同时间段、不同环节进行共享，进而提高生产环节的协同效应。Zaki（2017）认为，工业大数据能够提供生产设备全生命周期的信息管理和服务，帮助企业实现用户需求驱动下的智能制造。刘祎和王玮（2019）认为，利用工业大数据资源可以实现对环境的被动适应，即根据市场环境优化产品服务，扩大市场份额，为客户创造最优价值，从而获得效率优势。刘烨等（2019）认为，工业大数据能帮助企业构建敏捷高效、精准规范、透明可控的产品质量改进管理体系。刘祎等（2020）认为，工业大数据为企业组织提供产品定制化、生产服务化和运营平台化三种示能性，企业组织可以通过产品升级、价值链升级和商业模式升级实现增值效应。王建民（2017）认为，多源数据融合是实现互联网和工业融合创新的必要条件，多源异构数据的处理可促使研发设计模式的不断创新。

（3）工业大数据在智能服务中发挥重要价值。智能服务离不开工业大数据的支撑，工业大数据既提供分析数据的技术，也提供用来分析的数据本身。随着制造业与服务业加速融合发展，服务业对工业大数据独特的知识发现与知识服务的需求越发强烈（孙立和焦微玲，2017）。张卫等（2019）借助工业大数据详细分析了智能服务应用、技术和管理的不同维度，设计了智能服务模块化策略，验证了利用工业大数据所设计策略的科学性和优越性。

1.2.1.3 工业大数据赋能

赋能一词源于授权赋能（Empowerment），由Eylon（1998）提出，最早主要用来表示领导权力分散以提高员工工作效率。Kanter（2010）认为，授权赋能是指将上级领导的部分权力下放给下级员工，使员工工作效率得到提高。雷巧玲（2006）将授权赋能划分为结构性授权赋能、心理授权赋能和领导授权赋能三种。Spreitzer（2007）认为，授权赋能可分为组织赋能和心理赋能两种，前者是组织层面赋能，后者是个体层面赋能。Acar等（2016）融合组织行为学理论，提出了顾客赋能的概念。随着顾客地位的提升，Patrizia等（2017）进一步将顾客赋能界定为通过培训或讲解等手段，赋予顾客生产、竞争和创新能力。

大数据时代，各行各业积极推进数字化转型，数据赋能应运而生。朱勤等（2019）认为，应该将赋能与数据结合起来，充分挖掘数据的潜在价值，从而提高企业管理效率、生产效率和运行效率。一些学者对数据赋能的内涵进行了初步研究。周文辉等（2017）提出，通过赋予主体数字化工具来提高企业、员工和客户等的能力，从而实现产品质量和服务质量提升的过程就是数据赋能。孙新波和苏钟海（2018）从数据端对数据赋能进行了阐释，认为数据赋能是利用场景、技能和方法发挥数据价值的过程。周文辉等（2018）将数据赋能解释为，通过提高人—机—物的连接能力、运行能力、分配能力和分析能力，进而促进企业价值共创的实现。

在数据赋能更深层次的研究中，罗仲伟等（2017）从赋能企业的组织视角提出赋能的概念模型，即赋能“前提—过程—结果”的基本逻辑。Lenka等（2017）结合数字技术发展，将数据赋能的体现方式划分为连接能力、智能能力与分析能力三种，数据通过提供这三种能力提高知识转化效率，实现数据价值共创。郝金磊等（2018）实现了数据赋能和价值共创理论的对接，并提出了简易分析框架。孙新波等（2018）提出数据赋能、数字化赋能和大数据赋能，并厘清了三者之间的逻辑关系。

1.2.2 制造业转型升级研究现状

尽管美国的“工业互联网”战略、德国的“工业4.0”战略、日本的“互联工业”，以及我国的智能制造和工业互联网等战略名称各异，但这些战略都传达了同一信息：制造业转型升级已经成为世界发展趋势。制造业转型升级是促使我国制造业核心竞争力不断提升，摆脱传统制造业过度依赖要素投入、科技创新能力弱和竞争力不强等困局的必经之路（曾繁华等，2015）。

1.2.2.1 制造业转型升级方向

（1）制造业服务化转型。周大鹏（2013）指出，通过服务化转型，制造业增加了产品中知识型服务要素的密集度，实现范围经济，降低价值链各环节间的协调成本，提高利润水平，实现产业从低端向高端的升级。童有好（2015）提出，互联网的迅速发展从根本上推动了制造业服务化进程，但是截至2015年，我国制造业服务化程度明显偏低。胡查平和汪涛（2016）认为，制造业服务化是核心能力介入市场的过程。制造业服务化转型是制造业转型升级的主要方向，必须加快制造业服务化进度，优化制造业服务化路径。

（2）制造业智能化转型。智能化转型是制造业高质量发展的主要升级方向，是指运用人工智能、大数据、区块链和云计算等数字技术对传统制造业进行改造升级。智能化转型始终贯穿于制造业的各大环节，带来产业形态、生产组织方式和制造模式的深刻变革。智能制造将智能化视为制造业未来发展的核心，是中国未来发展先进制造业的重心，也是制造业转型升级的主要路径（周济，2012；周济，2015）。吕铁和韩娜（2015）认为，智能制造是世界各国发展先进制造业的关键。孟凡生和赵刚（2019）提出，国内制造业转型升级的主要方向是智能制造。吕文晶等（2019）认为，智能制造是工业互联网的核心，也是发展先进制造业的重点。刘斌等（2016）认为，我国需要推动制造业向网络制造、绿色制造、数字制造、制造服务化和制造集群等模式不断发展。

1.2.2.2 制造业转型升级的动力和影响因素

（1）制造业转型升级的动力。毛蕴诗和汪建成（2006）认为，研发和技术创新是中国制造业从“低端锁定”转向全球价值链高端升级的内在动力。张志元和李兆友（2015）认为，促进制造业转型升级的主要驱动力是研发创新。张慧明和蔡银寅（2015）认为，制造业转型升级的动力除研发创新外，还包括产业组织结构优化、科技发展、需求升级及国家战略等。原毅军和陈喆（2019）研究发现，严格的环境规制会促进企业进行绿色技术创新。

（2）制造业转型升级的影响因素。周长富和杜宇玮（2012）认为，制造业转型升级的影响因素包括宏观要素和微观因素。马珩和李东（2012）通过研究发现，人力资源素质是影响制造业转型升级的关键因素，市场程度和对外贸易依存度两种因素对制造业转型升级的影响相对较小。此外，张宗斌和郝静（2011）认为，外商直接投资（FDI）对我国制造业行业之间结构优化具有显著影响效应。贾妮莎和申晨（2016）认为，在制造业转型升级方面，对外投资既有正面影响也有负面影响。蔡旺春和李光明（2011）从文化产业视角分析，认为制造业文化附加值能够推动制造业转型升级。

1.2.2.3 制造业转型升级中大数据赋能的作用

（1）产业层面。吕明元和苗效东（2020）认为，大数据是产业转型升级的重要引擎，能有效促进中国制造业结构高级化和合理化。徐颖和李莉（2018）认为，个性化定制需求将成为制造业向知识密集型产业升级的必然因素。董华等（2018）认为，大数据与制造业的融合不仅推动了制造业服务化转型，还有效克服了制造业面临的“服务悖论”。Zhang等（2017）认为，集成大数据分析和服务驱动，能够推动制造业实现清洁生产战略、可持续性生产，并形成竞争优势。王铁山（2015）较为系统地分析了大数据推动制造业转型升级的方式、机理和效果，指出大数据发展的目标是通过制造业和服务业的融合来加速制造业的智能转型，提升实体经济的生产能力和创新能力。

（2）企业层面。Koksal等（2011）认为，制造业企业可以利用大数据，提高对用户需求的响应速度，创新商业模式，提高组织效率，有效降低成本并提高经济效益。Zhang等（2018）认为，大数据对信息的整合不但能够帮助企业进行新产品的创意输入，而且能够利用可视化的决策路径支持新产品的开发。张明超等（2018）探讨了数据驱动大规模智能定制实现的内在机理，对指导制造业企业向大规模智能定制转型升级具有深远意义。霍媛媛（2019）认为，大数据技术能够对海量数据信息进行搜集、统计、分析和处理，为企业决策者的信息反馈、商业活动和公共决策等提供重要参考，推动制造业信息化转型和智能化转型。徐宗本（2014）认为，伴随着智能设备产品的全面普及，联网终端、生产设备及生产者本身都在不断地产生数据，而这些数据将贯穿产品的全生命周期，渗透到产品的各个环节。

1.2.3 制造业高质量发展研究现状

1.2.3.1 制造业高质量发展总体现状

（1）产品质量发展现状。虽然我国在制造业规模上长期位于全球第一，但我国制造业低端产品过剩与高端产品稀缺的问题尤为突出，低端产品供给与人们日益增长的高端产品消费需求之间的供需错配矛盾越发显著。我国制造业发展更多依靠低成本和数量扩张，产品质量与品牌建设相对滞后。近年来，虽然我国通过先进工艺技术和质量管理方法加强了产品质量建设，采用标准带动、技术升级和品牌培育等途径提升了制造业的产品质量，但整体上我国制造业产品质量与发达国家制造业产品质量相比仍存在明显差距。例如，在2019年世界品牌实验室公布的“世界品牌500强”名单中，美国有208个，我国仅有40个（其中只有9个是制造业品牌）。综合而言，我国制造业产品质量有待提升，品牌有待重塑。

（2）要素效率发展现状。任保平（2020）认为，数字经济可通过质量变革、效率变革和动力变革三大机制驱动产业高质量发展，通过数字创新驱动能够实现要素高效配置和高效协同运作。效率变革是提升我国经济竞争力的核心，也是支撑高质量发展实现的关键。因此，要不断改进当前制约效率提升的各类制度体系，促使各领域的投入产出比不断得到提升，最终实现以既定投入获得最大产出的集约化发展目标。杨汝岱（2015）认为，强烈的创新能力推动技术进步是我国经济增长的主要动力，但从资本要素的使用上看，我国经济已陷入“高投资—生产率下降—产能过剩”的恶性循环。生产要素结构，尤其是高端要素或虚拟要素占比，能够显著影响要素效率。生产要素结构优化是解决资源匮乏、生态环境污染的有效手段。因此，我国要实现制造业高质量发展，首先需要优化生产要素结构，并持续深化要素市场变革，促使市场在资源配置中的作用得以充分体现，不断引导生产要素向高效率制造业部门或环节聚集。

（3）创新驱动发展现状。要推动制造业动力变革，必须改变过去依赖资源和要素投入支撑发展的陈旧模式，始终坚持以创新驱动发展的新型模式。彭树涛和李鹏飞（2018）估算2004—2016年制造业增加值率的曲线呈L形，通过科技创新可以降低经济发展对传统要素成本比较优势的依赖程度。关于创新驱动产业结构升级进程的研究，学者们主要关注创新对国家经济发展的驱动作用和政策体系对创新活动的支持力度。而立足于产业结构本身展开的研究，主要以创新和技术进步对产业转型所起的作用为核心。例如，Acemoglu等（2018）认为，创新是产业结构升级的核心动力。刘伟（2016）认为，通过创新驱动可以提升生产效率。Kergroach（2019）认为，由于不同制造业要素的密集度不同，其具体创新活动的开展过程也存在明显差异。我国对于创新研发的投入逐年递增，已成为全球第二大研发经费投入国，超过欧盟十五个国家的平均水平，达到中等发达国家水平，这也使得我国创新能力得到大幅度提升（胡迟，2019）。

（4）绿色发展现状。制造业高质量发展是一种更高效、更绿色的发展。制造业发展方式的深刻变革，使资源配置效率不断提高，能源消耗强度逐渐降低，环境污染程度逐步减小。国际能源署（IEA）权威数据表明，2017年我国制造业能源消耗强度为8.2，同期美国为5.6，日本为4.6，德国为3.5，英国为4.3，韩国为5.0。自我国实施改革开放战略以来，我国经济经历长期高速增长，经济综合实力大幅提升，人民生活水平发生了翻天覆地的变化。但是，我国经济的高速增长也导致了高能耗、高排放、高污染等问题。为满足人民对美好生活的需求，制造业高质量发展必然是绿色的发展，不能以牺牲绿水青山为代价。蒋南平和向仁康（2013）指出，绿色发展需基于资源与能源的合理利用、经济和社会的适度发展、人与自然的和谐相处。许宪春和任雪（2019）认为，绿色发展需要处理好人与生态环境的关系，把握好金山银山与绿水青山之间的平衡关系，以效率、协调、可持续为目标，让经济社会发展与资源节约、污染排放减少和环境改善之间形成相互促进的关系。

1.2.3.2 制造业高质量发展的影响因素

（1）制造业高质量发展的内在驱动因素。马永伟（2019）提出，工匠精神是制造业高质量发展的重要驱动因素。唐晓华（2020）认为，环境规制对制造业高质量发展具有正向激励作用。邓峰（2020）认为，互联网对制造业高质量发展具有显著促进作用。张明志和季克佳（2018）认为，产业集聚对出口产品质量具有促进作用。刘斌等（2016）通过研究发现，制造业服务化能够显著提升产品质量和产品技术复杂度。李丹丹和王平田（2016）从全要素生产率视角提出，全要素生产率能够显著促进产品质量提升，产品质量提升又会抑制企业亏损，形成负反馈效应。

（2）制造业高质量发展的宏观影响因素。辛国斌（2018）围绕国内供给侧结构性改革提出，我国制造业高质量发展必须紧密围绕我国社会的主要矛盾，融入习近平新时代中国特色社会主义思想，以数字创新为驱动力，以全球科技革命和产业变革为契机，以迈向世界制造强国前列为目标。路甬祥（2018）认为，良好的发展环境是推动高质量发展和建设制造强国的重要条件，因此我国要进一步优化营商环境，建设高水平开放、合作与共赢的投资贸易环境，努力打造协同创新发展支撑环境。尚会永和白怡珺（2019）认为，加强技术研发是实现制造业领先和超越的关键，提高劳动者素质是重要保障，保持系统性优势是基础。黄鑫（2019）从市场改革视角提出，制造业高质量发展是由市场机制决定的，需要融合市场化和法治化，逐步淘汰僵尸企业和落后产业。吕铁和刘丹（2019）认为，推动制造业高质量发展要完善制造业体系顶层设计，注重推动三次产业融合发展，加强区域产业协作机制和区域间优势互补、错位发展。

通过上述文献梳理可以发现，制造业高质量发展的影响因素较多，创新是其中关键影响因素之一。制造业高质量发展的实现，有赖于强化数字创新驱动，加大工业互联网和智能制造工程实施力度，提升制造业数字创新水平。

1.2.3.3 制造业高质量发展评价体系

学术界有关经济高质量发展评价指标的研究主要包括两类：第一类研究聚焦于与经济高质量发展近似的单一指标，如劳动生产率（陈诗一和陈登科，2018）、全要素生产率（刘思明等，2019）、绿色全要素生产率（余泳泽等，2019）和技术进步率（徐现祥等，2018）；第二类研究聚焦于经济高质量发展多维度指标体系构建与评价，如魏敏（2018）构建了包含10个系统和53个测度指标的评价体系，聂长飞（2020）构建了包含5个方面指数、22个分项指标和71个基础指标的评价体系，马宗国和曹璐（2020）构建了包含5个方面和21个表征指标的评价体系，等等。

作为一个综括性的概念，依照党中央对高质量发展的定义，能够满足人民日益增长的对美好生活需要的发展即为高质量发展，重点突出创新、协调、绿色、开放、共享的新发展理念。江小国和何建波（2020）认为，制造业的高质量发展，需要从要素支撑、生产组织、产业提升与行业治理四个维度理解。因此，采用某个单一指标近似评价高质量发展的方法具有一定的片面性。对高质量发展的评价是一个复杂的系统工程，需要构建多维度和立体型评价指标体系（高培勇等，2020）。目前，有少数学者依据经济高质量发展评价指标体系，构建了制造业高质量发展评价指标体系（江小国和何建波，2019；王玉燕和王婉，2020；曾菊芬和孙欣，2020）。

1.2.4 文献述评

在中国知网中，以篇名含“工业大数据”“制造业转型升级”和“制造业高质量发展”检索2015—2021年的CSSCI文献，分别得到文献30篇、48篇和175篇，共计253篇，采用CiteSpace5.7绘制关键词知识图谱，结果如图1-1所示。从总体研究现状来看，制造业转型升级的相关文献较为丰富，而工业大数据和制造业高质量发展的相关文献明显不足，将工业大数据与制造业高质量发展进行关联研究的文献极少，从数据要素和数字技术双重视角揭示工业大数据如何赋能制造业高质量发展的文献更是鲜有报道。已有的相关研究进展和本书的研究拓展分析如下。

（1）研究主题。对制造业转型升级问题的已有研究，为本书研究主题的选取提供了有益启示。制造业转型升级已经是大势所趋，服务化制造、绿色制造及智能制造等都是制造业转型升级的主要方向，转型升级的重要途径则是价值链高端化和产业链数字化、网络化、智能化。高质量发展战略的提出，为制造业转型升级指明了方向。制造业高质量发展是制造业转型升级与价值链高端化的深度融合和延展，是一个亟待研究的主题。本书以制造业高质量发展为研究主题，重点研究工业大数据赋能范式、赋能增值效应和传导机制，并构建工业大数据赋能制造业高质量发展的理论框架，揭示内部运作机理，结合实证分析进行论证，最后提出对策建议。

（2）研究立意。关于大数据驱动制造业转型升级的已有研究，为本书的切入视角提供了有益支撑。工业大数据的价值凸显，数据在新的生产要素组合中具有要素和技术双重属性，数据赋能增值效应值得深挖。数据价值化能够重构生产要素体系，而数据要素和数字技术共同催生数字技术经济范式，进而衍生出工业大数据赋能范式，即数据要素型赋能范式和数字技术型赋能范式，形成工业数字经济、工业互联网和智能制造新产业、新业态、新模式。本书在梳理相关文献和官方白皮书的基础上，探索出工业大数据兼具数据要素和数字技术双重属性，并基于工业大数据双重属性视角揭示赋能范式、赋能增值效应和传导运作机制，借助实证进行检验论证。

（3）研究内容。关于工业大数据和制造业转型升级的已有研究，为本书的研究留下了足够的拓展空间。首先，已有研究运用单一指标法和多指标综合法对制造业高质量发展水平进行测度，但不同学者构建的指标体系差异较大，尚未形成统一的评价指标体系；其次，关于工业大数据度量指标问题，已有研究鲜有涉及；最后，尽管已有研究发现工业大数据对制造业高质量发展具有显著的驱动作用，但对其内在赋能机理的研究相对匮乏，更没有从生产要素禀赋和技术创新集群视角开展的研究。综上所述，已有研究为本书的研究内容提供了理论参考与借鉴，同时又留下了可供拓展的空间。