我院周正研究员与马子初博士、张贺副教授合作的论文《智能制造如何驱动工业企业低碳转型——基于供应链视角的分析》于2026年3月在《产业经济研究》刊发。论文聚焦制造业智能化与绿色化协同转型，以智能制造试点示范项目为准自然实验，从供应链视角考察智能制造对工业企业低碳转型的影响及其作用机制，并进一步分析不同企业和地区条件下的异质性效应。

论文所属期刊：《产业经济研究》

在“双碳”目标和新型工业化深入推进的背景下，推动制造业智能化与绿色化协同转型，已成为我国工业高质量发展的重要任务。我国工业体系规模庞大、产业链条完整，但长期形成的能源密集型发展模式使资源环境约束依然突出。在能源结构短期内难以根本改变的现实条件下，如何依靠技术进步、生产组织优化和系统效率提升实现节能降碳，具有重要的理论与实践意义。与此同时，工业企业碳排放并非局限于企业内部，而是贯穿原材料采购、生产制造、库存、运输和销售等供应链全过程。供应链企业之间的信息不对称、供需错配和协同不足，不仅降低资源配置效率，也会引致库存积压、过度生产和物流冗余等额外排放。智能制造将工业互联网、大数据、智能装备等新一代信息技术与先进制造技术深度融合，既能够改善企业内部生产效率，也可能通过信息共享、供需匹配和协同创新产生供应链层面的绿色效应。基于此，本文从供应链视角考察智能制造如何驱动工业企业低碳转型。

本文重点回答三个问题：一是智能制造能否同时提高企业碳绩效并降低碳排放，实现效率改善与排放总量下降的“双重红利”；二是智能制造能否突破企业边界，通过供应链供需协同和绿色技术创新协同推动企业低碳转型，以及供应链结构会对这一过程产生何种影响；三是在不同产权性质、市场环境和数字基础条件下，智能制造的低碳效应是否存在差异。由此，研究将传统的“智能制造—企业内部生产效率—环境绩效”分析进一步拓展为“智能制造—供应链协同—企业低碳转型”的分析框架。

在研究方法上，本文将2015—2018年分批实施的智能制造试点示范项目视为一项准自然实验，基于2008—2023年中国A股工业上市公司及其供应链关系数据，采用交叠双重差分模型识别智能制造对工业企业低碳转型的影响。研究分别以企业碳绩效和碳排放量衡量低碳转型，从效率和总量两个方面进行检验，并进一步考察供应链供需协同、绿色技术创新协同的作用机制以及客户集中度的调节效应。在此基础上，从企业产权性质、地区市场潜力和数字基础设施等方面开展异质性分析。经过样本筛选和数据处理，最终获得34143个企业—年度观测值，并通过平行趋势检验、安慰剂检验、PSM-DID、替换核心变量、更换固定效应和聚类层级、排除特殊事件以及控制相关政策影响等方法检验研究结论的可靠性。研究得到以下主要结论。

第一，智能制造能够显著促进工业企业低碳转型。智能制造试点显著提高了企业碳绩效，同时降低了企业碳排放量，说明智能制造不仅能够改善单位碳排放所对应的经济产出效率，而且能够产生实际的减排效应。经过多种稳健性和有效性检验后，这一基本结论仍然成立。

第二，供应链协同是智能制造推动企业低碳转型的重要传导机制。一方面，智能制造依托数据采集、实时共享和智能分析，提高市场需求预测能力与生产柔性响应能力，降低供需偏离程度和库存调整成本，减少过度生产、库存积压和设备闲置所造成的能源与资源浪费，从而通过供应链供需协同促进低碳转型。另一方面，智能制造依托云平台、工业互联网和标准化数据接口，降低企业之间的信息搜寻、合作协调和监督成本，强化供应链上下游联合研发，并拓宽企业与高校、科研机构等外部创新主体之间的知识交互边界，从而促进绿色技术创新协同。

第三，供应链结构会影响智能制造低碳效应的释放。研究发现，客户集中度对智能制造与企业低碳转型之间的关系具有显著负向调节作用。客户过度集中会增强大客户议价能力和企业关系专用性投入，增加经营和库存压力，挤占绿色技术研发、能源管理和流程再造所需的长期资源，从而削弱智能制造的环境赋能作用。这表明，智能技术投入能否真正转化为绿色绩效，还取决于企业所处的供应链治理结构。

第四，智能制造的低碳效应具有明显异质性。与非国有企业相比，智能制造对国有企业碳绩效提升和碳排放下降的促进作用更加明显；在市场潜力较高地区，市场规模、绿色需求和产业集聚能够强化智能制造的应用收益；在数字基础设施较为完善的地区，良好的信息网络和数据传输条件能够降低跨组织协同和知识扩散成本，从而进一步放大智能制造的低碳效应。

本文的边际贡献主要体现在三个方面。第一，在研究视角上，将碳绩效与碳排放量纳入统一分析框架，并由企业内部视角拓展至供应链视角，更完整地考察智能制造的环境效应。第二，在作用机制上，从供应链供需协同和绿色技术创新协同两个方面揭示智能制造驱动企业低碳转型的传导路径，同时引入客户集中度考察供应链权力结构的约束作用，从而拓展了智能制造绿色效应的理论解释。第三，在经验识别上，将智能制造试点示范项目作为外生政策冲击，采用交叠双重差分方法识别其低碳效应，并通过多种稳健性检验和异质性分析提高因果识别的可靠性，同时揭示智能制造政策效果的边界条件。

研究结论具有以下政策启示。首先，应统筹推进制造业智能化和绿色化改造，通过财税优惠、专项补贴和金融支持缓解企业智能化改造的前期资金压力，发挥龙头企业和示范企业的带动作用，并强化智能制造专业人才培养。其次，应根据企业和地区条件实施差异化政策，完善国有企业智能化、绿色化转型激励机制，加快工业互联网、通信网络、算力和数据中心等数字基础设施建设，降低中小企业应用智能技术的门槛。再次，应将政策着力点由单一企业智能化改造进一步拓展至产业链供应链整体协同，通过工业互联网平台促进上下游企业数据共享、业务衔接和资源协同配置，并支持企业联合高校、科研机构等开展绿色技术研发与成果转化。最后，应优化供应链治理结构，拓展企业客户来源，降低对少数大客户的过度依赖，为智能制造持续转化为绿色低碳绩效创造更加稳定、多元的供应链环境。

总体来看，智能制造的绿色价值不仅体现在生产设备和生产工艺的智能化，更重要的是通过数据连接和智能决策重塑企业内部以及供应链上下游之间的资源配置方式。推进工业低碳转型，应由单体企业技术改造进一步转向智能制造、供应链协同与绿色创新生态的系统推进，从而更充分释放数字化、智能化与绿色化融合发展的综合效应。