數字經濟下的“服務業成本病”：中國的演繹邏輯

龐瑞芝 李帥娜

(南開大學，天津 300071)

一、引言

中國正在步入“服務經濟”時代,服務業已成為中國第一大產業和經濟增長的主要動力(江小涓，2020)。2012年服務業占GDP比重為45.46%，超過了第二產業，2015年首次突破50%，2019年為53.92%，對國民經濟增長的貢獻率達59.38%。然而，理論研究與國際經驗表明，服務業為主的產業結構易導致經濟增長出現“結構性減速”現象(Baumol et al.，1985)，這一點在中國也開始顯現。2009年以來，中國經濟的增長速度進入了緩慢下行通道(江小涓，2020)。之所以存在這種規律，是因為在服務業比重提升過程中存在“成本病”(Young，2014；郭凱明 等，2020)。

Baumol(1967)在其“非均衡增長模型”中提出，制造業部門勞動生產率相對較高，服務業部門勞動生產率相對較低，而實際工資水平的上漲由制造業部門的勞動生產率決定，這就提高了服務業部門的勞動力成本，增加了社會總成本，最終導致整體經濟增長下降。這被稱為“服務業成本病”。關于如何檢驗“成本病”的存在，早期研究認為服務業需求價格彈性是關鍵。與制造業相比，服務業生產率相對較低會導致其價格上漲，若服務業的需求價格彈性小于1，則服務業的銷售收入將相對上升，其在國民經濟中的產值份額也將上升(Bergstrand，1991；Nose，2017)。2001年Baumol提出著名的“服務業之謎”，即服務業的需求價格彈性穩定小于1，這一現象在中國也得到印證。此后，宋建等(2017)提出檢驗“成本病”是否存在的“價格效應”邏輯，即服務業生產率相對較低是否導致其價格上漲，以及價格上漲是否進一步提高服務業就業比重和產值份額。

數字經濟的快速發展賦予了服務業新的發展契機。數字經濟規模持續高速增長，逐漸成為國民經濟的重要組成部分和增長動力。新冠肺炎疫情的出現一方面加速了中國數字技術的成熟化與普及化(汪陽潔 等，2020)，另一方面催生了云消費、在線辦公、在線教育等一系列新的商業模式(王偉玲 等，2020)。數字技術的應用使得大量服務通過網絡空間跨境提供，實現了低成本遠距離運輸，從根本上改變了傳統服務業不可儲存、不可貿易的性質(Choi，2010；江小涓 等，2019)，賦予了服務業規模經濟、范圍經濟、長尾效應三個新的特點(江小涓，2017)。在數字經濟時代，服務業實現了供需的有效匹配，降低了信息搜尋成本，提高了交易效率，推翻了服務業生產率低的假說(Peters et al.，2018；張龍鵬 等，2020)。

縱觀國內外研究，絕大多數學者認為，數字經濟在一定程度上改變了服務業性質，并有利于服務業生產率提升。然而，在數字經濟快速發展的背景下，“服務業成本病”是否依然存在？數字經濟的發展是否可以緩解“成本病”，從而打破經濟增長“結構性減速”這個魔咒？現有文獻卻鮮有涉及，并且缺乏較為深入的研究。因此，本文旨在系統研究中國服務業是否還存在“成本病”？若存在，數字經濟的發展是否有利于緩解“成本病”？服務業的行業差異性與地區異質性是否會改變數字經濟對“成本病”的影響？

本文的邊際貢獻有：其一，提出研究“服務業成本病”的新視角。已有研究中鮮有涉及如何克服或緩解“成本病”。在數字經濟時代，部分服務業性質發生了很大改變，但是否還存在“成本病”、數字經濟的發展是否可以緩解“成本病”的問題值得探討。其二，為數字經濟賦能服務業發展提供理論與經驗依據。基于服務業行業異質性、“胡煥庸線”地區異質性的研究一方面有利于實現數字經濟與實體經濟的融合，促進服務經濟的高質量發展，另一方面也為數字經濟均衡、可持續發展提供依據。

二、中國數字經濟與“服務業成本病”的特征事實(2)需要指出的是，“服務業成本病”是Baumol(1967)對美國服務經濟發展導致美國經濟結構性減速和服務業成本上升等經驗事實的理論解釋。因此，在一些發達國家，如美國，的確是存在“服務業成本病”的(Nishi，2019)。統計數據也證實了這一點：WORLD KLEMS數據庫中1990—2014年美國服務業勞動生產率、制造業勞動生產率、服務業和制造業就業人數占比等數據顯示美國存在“服務業成本病”現象。此外，理論與研究表明，“服務業成本病”是服務經濟時代普遍存在的問題，而不是特定時期的現象。在技術和產業發展沒有重大突破的前提下，服務本身固有的不可儲存、不可貿易等特點，會導致服務業生產率很難超越制造業生產率。在此背景下，隨著服務業總量規模及占比的提升，“成本病”現象也會愈發明顯。這是本論文立論成立的前提。作者感謝審稿專家對此提出的意見與建議。當然，文責自負。

(一)“服務業成本病”特征顯著

Baumoll(1967)提出的“非均衡增長模型”認為，美國經濟出現“成本病”現象的根本原因是服務業勞動生產率相對低于制造業。如果服務業勞動生產率提高了，“成本病”現象也就不存在了(江小涓，2020)。目前，中國“服務業成本病”的特征較為顯著，具體表現為：其一，部門間相對勞動生產率仍然呈現出服務業低于制造業的情形。如圖1所示，總體來看，1990—2019年服務業勞動生產率始終低于制造業。其二，服務業相對勞動生產率整體呈下降趨勢。1990—2019年中國服務業相對勞動生產率由0.913下降至0.840，尤其是1990—1996年下降趨勢十分明顯。其三，服務業就業份額增速較快。如圖2所示，1990—2019年服務業就業份額呈明顯上升趨勢，由0.464上漲到0.633，增長了36.4%。

圖2 1990—2019年第三、第二產業就業份額情況(單位：%)

(二)數字經濟時代下“服務業成本病”特征有所緩解

近年來，數字經濟蓬勃發展，占國民經濟的比值及貢獻度逐漸增長。如圖1所示，2002年中國數字經濟增加值為1.2萬億元，2019年為35.8萬億元，增長了約29倍。數字經濟占GDP比重也逐年提升。2019年中國數字經濟占GDP比重為36.2%，遠高于2002年的10.3%。與此同時，數字經濟對GDP增長的貢獻程度逐漸顯現。2014年，中國數字經濟對GDP增長的貢獻率首次超過了50%，2019年達到了67.7%，數字經濟成為驅動中國經濟增長的核心關鍵力量。數字經濟正逐漸從數字平臺交易、在線教育、遠程醫療、電子政務等方面改變著居民的傳統生活模式(王俊豪 等，2021)。

圖1 1990—2019年中國服務業相對勞動生產率與數字經濟規模占比(單位：%)

在數字經濟持續高速發展的同時，服務業勞動生產率的相對滯后問題有所緩解。如圖1所示，2002—2019年服務業相對于制造業勞動生產率下降速度有所緩解，整體呈小幅上升趨勢。具體來看，2002年服務業相對于制造業勞動生產率數值是0.668，2019年為0.777，服務業勞動生產率與制造業勞動生產率之間的差距逐漸縮小。此外，服務業就業份額占比的增長速度也有所緩解，1990—2001年，服務業就業份額占比增長19.5%，2002—2019年就業份額占比僅增長10.6%。在數字經濟水平尤為突出的省份，服務業勞動生產率低于制造業的現象幾乎不存在。中國信息通訊研究院發布的《中國數字經濟發展白皮書》顯示，廣東、江蘇成為數字經濟發展標桿省份。具體體現在：一方面，其產業數字化水平引領全國。產業數字化水平一定程度上代表著數字經濟與實體經濟的融合程度，融合程度越高，數字經濟的賦能越明顯。另一方面，其數字產業化水平名列前茅。伴隨著數字經濟的快速發展，廣東、江蘇出現了服務業勞動生產率高于制造業的情形，如圖3所示。

圖3 1990—2019年廣東省、江蘇省服務業相對勞動生產率(單位：%)

那么中國還存在“服務業成本病”嗎？數字經濟是否可以緩解“服務業成本病”呢？與數字經濟水平融合程度越高的服務業，其“成本病”現象越不明顯嗎？數字經濟水平越高的地區，“服務業成本病”的弱化效應越強嗎？下文將通過構建計量模型進行檢驗。

三、中國“服務業成本病”的存在性檢驗

(一)模型設定

本文基于宋建等(2017)提出的“價格效應”邏輯來判斷中國是否存在“服務業成本病”，即以“服務業之謎”的存在為前提，研究核心為檢驗以下判斷是否成立：服務業相對生產率較低導致其相對價格上漲，進一步導致就業比重和產值比重上升。若這一判斷成立，則說明中國存在“服務業成本病”。具體計量模型如下：

p=α+βtfp+γX+ε

(1)

y=α+βp+γX+ε

(2)

y=α+βtfp+γX+ε

(3)

其中：式(1)表示部門相對價格(p)取決于部門相對生產率(tfp)，式(2)表示部門產出、就業比重(y)取決于部門相對價格水平(p)，式(3)表示部門產出、就業比重(y)取決于部門相對生產率(tfp)。Baumol非均衡增長模型并沒有明確將農業部門進行歸類，本文在模型設定與結果分析中也暫不考慮農業部門，只是將整個服務業及其各細分部門與制造業部門進行比較。

(二)指標描述

1.被解釋變量

部門的相對價格水平(p)是式(1)的被解釋變量，采用服務業相對于制造業的價格水平指標(pse)表示，具體為服務業GDP平減指數與制造業GDP平減指數的比值。部門產出占比與部門就業人數占比(y)是式(2)與式(3)的被解釋變量，其中部門產出占比(gdpsf)由服務部門產值占非農部門產值的比重衡量，部門就業人數占比(emsf)由服務部門就業人數與非農部門就業人數的比值表示。細分服務部門的產出占比與就業人數占比則為各細分服務部門產值、就業人數分別除以其與制造業部門產值、就業人數之和(程大中，2004)。

2.核心解釋變量

3.控制變量

X表示控制變量，包括：(1)經濟發展水平pgdp，采用人均GDP表示，并以2011年為基期進行折算；(2)政府干預程度gov，以地方公共財政支出與GDP之比作為替代變量；(3)固定資產投資invest，選用固定資產投資完成額與GDP之比表示；(4)國際貿易trade，采用地區進出口總額與GDP之比作為代理變量，其中進出口總額按當年匯率進行換算；(5)開放程度fdi，采用FDI與GDP的比值表示，其中，FDI按當年匯率折算；(6)人力資本human，選用各省份就業人員平均受教育年限作為服務業人力資本水平代理變量；(7)研發強度RD，以R&D經費內部支出與GDP的比值表示。

(三)數據說明

本文研究對象為中國30個省(市、自治區)(不包括西藏、香港、澳門和臺灣)。數字普惠金融指數是本文選擇評價數字經濟發展水平的重要指標之一，該指數由北京大學數字金融研究中心編制。其他變量指標數據均來源于《中國統計年鑒》《中國勞動統計年鑒》及各省統計年鑒。為保證研究樣本的嚴謹性、科學性與一致性，本文選取的樣本時間范圍為2011—2019年。

為更加直觀地反映出各變量屬性，本文對主要變量的統計與分布特征進行了描述性統計，結果如表1所示。

表1 變量描述性統計結果

(四)回歸分析

本文采用固定效應模型、2SLS模型檢驗“成本病”存在性，其中工具變量選取各個模型中核心解釋變量的滯后一期項(宋建 等，2017)。如表2所示，固定效應模型與2SLS模型的估計結果基本一致，均表明中國服務業存在“成本病”。

表2列(1)顯示，服務業相對生產率對其相對價格的影響系數為-0.052，且在10%的水平上顯著。這表明，服務業生產率低提升了其相對價格的邏輯得到驗證。若服務業生產率相對滯后，工資水平與制造業保持相等，則服務業單位產出成本就會增加，相對價格隨之提高。列(2)和列(4)結果顯示，相對價格水平每變動1%，服務業就業份額變動0.160%，服務業產值份額變動0.159%。這表明，服務業相對價格水平提升進一步提高了其就業份額與產值份額。一方面，服務業相對價格水平提高，能夠吸引更多的勞動生產要素流向服務業，提高就業份額；另一方面，由于服務業成本上升導致服務價格提高，同時服務業需求價格缺乏彈性，則其名義產出份額就會提高。列(3)和列(5)結果顯示，服務業部門就業份額對其相對生產率的彈性系數顯著為負；服務業部門產值份額對其相對生產率的彈性系數顯著為負。顯然，“服務業成本病”的存在得到肯定。即與制造業相比，如果服務業生產率較低，生產要素市場要實現均衡，生產要素就會由制造業流向服務業，最終出現“成本病”。

表2 基準回歸結果

四、數字經濟對“服務業成本病”的調節效應分析

數字經濟改變了服務業原有的約束條件，那么，其是否可以緩解中國“服務業成本病”？下文將以數字經濟發展水平(dig)為調節變量進行檢驗。關于數字經濟發展水平的量化，本文借鑒趙濤等(2020)的觀點，從數字產業的發展與數字技術的應用兩方面進行測度，并采用主成分分析法進行處理。其中，數字產業的發展包括信息化從業人員占比、互聯網相關產出、移動電話普及率和互聯網普及率四個方面，數字技術的應用體現為數字金融普惠發展。具體指標見表3。數據來源于北京大學數字普惠金融指數及各省份的統計年鑒。

表3 數字經濟發展水平評價指標體系

(一)基于固定效應模型的回歸分析

基于固定效應模型，本文檢驗了數字經濟對“服務業成本病”的調節效應。如表4所示，隨著數字經濟的發展，服務業生產率相對低導致其價格攀升效應逐漸減弱，價格提升帶來的產值份額增長效應也得到了抑制，這表明數字經濟可以緩解中國“服務業成本病”。

表4 基于固定效應模型的回歸結果

表4列(1)顯示，數字經濟與服務業相對生產率的交互項(dig×tfp)系數為0.008，且在5%的水平上顯著，即數字經濟正向調節了服務業相對生產率與其價格之間的關系，這表明：數字經濟的發展水平越高，服務業生產率低導致其相對價格提升速度越慢。由列(4)可知，數字經濟與服務業相對價格的交互項(dig×pse)系數顯著為負，即數字經濟負向調節了服務業相對價格與產值份額之間的關系。這說明，隨著數字經濟的發展，服務業價格上升導致的產值份額上漲幅度逐漸降低。雖然表4列(2)、列(3)和列(5)顯示數字經濟的調節方向與緩解“成本病”的方向并不一致，但是并未通過顯著性檢驗。綜上可知，數字經濟弱化了中國“服務業成本病”，主要是因為：其一，數字技術的廣泛應用催生出新業態和新服務，促進服務業向現代服務業轉型發展，提升其生產率；其二，數字技術的獨特性消除了部分服務業對時空的依賴，改變了服務“不可儲存”“不可貿易”等特征，這有利于實現服務供給與需求更精準的匹配，提高交易效率(Wong et al.，2015)；其三，數字經濟賦予了服務業新的服務手段、服務內容，擴大了服務業交易范圍，提高了服務效率(伏開寶 等，2021)。

(二)穩健性檢驗

1.調整樣本范圍

劉軍等(2020)認為數字經濟發展初期產生的經濟效應并不具有很大的研究意義，并提出數字經濟發展時期的選擇應該以政府開始重視數字經濟發展作為時間節點。2015年，國家層面和省市層面相繼頒布了一系列“互聯網+”相關政策。鑒于此，本文將樣本區間調整為2015—2019年。模型具體估計結果如表5列(1)～(5)所示，結果表明，數字經濟對“服務業成本病”的調節效應并沒有產生根本性的改變。

2.替換調節變量

表5 穩健性檢驗

(三)內生性檢驗

1.核心解釋變量的內生性檢驗

工具變量選取各個模型中核心解釋變量的滯后一期項。同時，為了保證工具變量的合理性，下文匯報了各個模型中第一階段和第二階段的估計結果。如表6所示，數字經濟水平與服務業相對生產率、相對價格的交互項系數變化均不大，證實了數字經濟的發展可以弱化“服務業成本病”的判斷。

表6 基于核心解釋變量的內生性檢驗

2.調節變量的內生性檢驗

張祥建等(2015)認為調節變量的內生性也會導致回歸估計結果存在偏差。關于數字經濟工具變量的選取，本文借鑒黃群慧等(2019)、趙濤等(2020)的方法，以各省份1988年郵電歷史數據作為工具變量。這是因為：其一，數字技術是傳統信息通信技術的延續發展與迭代升級，滿足工具變量的相關性；其二，固定電話、信筒信箱等傳統信息通訊基礎設施會隨著其使用頻率的降低而減少對服務業的直接影響，只能通過其升級的形態即數字經濟來影響服務業，滿足工具變量的排他性。此外，本文的數據為面板數據，為滿足數據的匹配性，借鑒Nunn et al.(2014)的處理方法，引入一個隨時間變化的變量。具體而言，以上一年全國互聯網寬帶接入端口數量分別與1988年各省份每萬人郵筒數量的交互項作為數字經濟發展指數的工具變量。模型估計結果如表7所示，結果表明，工具變量識別不足檢驗(Anderson canon. corr. LM)以及弱識別的檢驗(Cragg-Donald Wald F)證明了工具變量的有效性，數字經濟的發展可以緩解“服務業成本病”的結論得到了佐證。

表7 基于調節變量的內生性檢驗

五、擴展性分析

(一) 異質性分析

1.基于服務業細分行業的分析

考慮到服務業性質不同，其與數字經濟的融合程度可能不同，進而影響數字經濟對“服務業成本病”的調節效應。基于行業數據的可得性，將對批發和零售業，交通運輸、倉儲和郵政業，金融業，住宿和餐飲業，房地產業進行檢驗。

由表8的回歸結果可知，數字經濟對“服務業成本病”的調節效應存在行業異質性。在批發和零售業，交通運輸、倉儲和郵政業，金融業，房地產業等對數字化投入依賴度較高的服務業中，數字經濟一定程度上可以緩解“成本病”，但是在住宿和餐飲業等對數字化投入依賴度較低的服務業中該效應并不顯著。

表8 基于服務業細分行業的回歸結果

具體來看，列(3)中批發和零售業的模型估計結果顯示，數字經濟與服務業相對生產率的交互項(dig×tfp)系數顯著為正，即服務業相對生產率低帶來的就業份額提升速度有所下降。在交通運輸、倉儲和郵政行業，列(1)和列(3)表明，數字經濟的調節系數(dig×tfp)均顯著為正，即服務業相對生產率下降導致其相對價格、就業份額增長效應會逐漸弱化。在金融業，數字經濟與服務業相對生產率的交互項(dig×tfp)均顯著為正，即服務業生產率低導致的相對價格、就業份額和產值份額增長速度有所放緩。列(5)表明，在房地產行業，數字經濟與服務業相對生產率的交互項(dig×tfp)系數顯著為正，即服務業相對生產率低對其產值份額的提升效應得到了弱化。同時，列(2)和列(4)結果顯示，在批發和零售業，交通運輸、倉儲和郵政業，金融業，房地產業中，數字經濟與服務業相對價格的交互項(dig×pse)系數均顯著為負，即在這些行業中，相對價格上漲導致其就業份額和產值份額提升的速度得到了削弱。以上結果表明，批發和零售業，交通運輸、倉儲和郵政業，金融業，房地產業的“成本病”得到了緩解。住宿和餐飲業的模型估計結果顯示，住宿和餐飲業生產率低導致其相對價格上漲的現象并沒有因為數字經濟的發展而產生根本性的變化。即數字經濟并未顯著減緩住宿和餐飲業“成本病”問題。

究其原因，主要在于數字經濟對服務業的滲透力與融合力會因行業性質的不同而不同。批發和零售業，交通運輸、倉儲和郵政業，金融業，房地產等行業中ICT資本、數據資本、信息技術投入相對較多，對數字投入的依賴度比較高，這類產業與數字經濟的融合度更高。因此，數字技術產生更顯著的帶動作用(尚文思，2020)。然而，在住宿和餐飲業中起決定性作用的要素為勞動力要素，ICT資本、數據資本、信息技術的貢獻度相對較小，因此，數字技術的應用產生的積極效應較弱(王俊豪 等，2021)。

2.基于地理區位的分析

關于“胡煥庸線”兩側地區的劃分，本文借鑒阮文奇等(2018)的做法：一是“胡煥庸線”幾乎平分四川，因此剔除四川，僅考慮其余29個省份；二是不考慮小區域分割部分，即將“胡煥庸線”橫跨的黑龍江、山西、陜西、云南納入東南地區，將內蒙古、寧夏、甘肅納入西北地區。

關于數字經濟對“胡煥庸線”兩側地區“服務業成本病”的調節效應如表9所示。研究發現，數字經濟顯著緩解了“胡煥庸線”東南地區的“服務業成本病”，而在西北地區這一結論并不成立。由表9列(1)可知，數字經濟與服務業相對生產率的交互項(dig×tfp)系數顯著為正，這表明：伴隨著數字經濟的發展，服務業相對生產率低造成其相對價格增長的效應會逐漸弱化。列(4)顯示，數字經濟與服務業相對價格的交互項(dig×pse)系數顯著為負，即服務業相對價格較高帶來其產值份額的提升速度有所下降。表9列(6)～(10)的結果顯示，在“胡煥庸線”西北地區，服務業生產率與其價格水平，價格水平與其就業份額、產值份額之間的關系并沒有因為數字經濟而發生根本性的變化。即在“胡煥庸線”西北地區，數字經濟并不能弱化“服務業成本病”。究其原因，主要是中國數字經濟發展具有非均衡性，呈現出東南沿海向西部內陸逐漸降低的趨勢，基本符合“胡煥庸線”格局。數字經濟水平越高的地區，服務業生產要素流動壁壘越小，服務業生產率的提升效應越顯著。這是因為，一方面數字經濟有利于降低服務交易成本，另一方面數字技術可以弱化服務業原有特征的限制性，比如不可儲存、不可貿易等。“胡煥庸線”西北地區的數字經濟發展水平較低，其對服務業的滲透能力以及融合能力相對有限。這就導致服務業原有特征的約束性依然較強，生產率難以大幅度提高。

表9 基于地理區位的回歸結果

(二)機制分析

考慮到“成本病”出現的根本原因是服務業生產率相對滯后于制造業，本文將從生產率角度探討數字經濟弱化“成本病”的機制。數字經濟與實體經濟的融合不僅體現在服務業，而且也體現在制造業，如果數字經濟的發展更多地表現為與服務業相融合的狀態，即提高服務業生產率的程度大于制造業，則“成本病”就會得到緩解。下文將采用固定效應模型、2SLS模型檢驗數字經濟對制造業和服務業生產率的影響，其中工具變量的選擇同上文。結果如表10所示。

表10 機制檢驗結果

由表10可知，數字經濟顯著提高了服務業生產率，即更多地表現為與服務業融合的狀態。具體來看，在固定效應模型中，數字經濟對服務業生產率的影響系數顯著為正，而對制造業生產率的影響系數并未通過顯著性檢驗。在2SLS模型中，結果也是如此。這意味著，數字經濟的發展實現了與服務業更深度的融合，可以縮小服務業生產率與制造業之間差距。與制造業相比，服務業不具有標準化的生產流程，在面對新一代信息技術沖擊時，可以展現出更強的適應性與融合度。然而，制造業不僅會面臨投入新的機器設備帶來的高成本，而且會面臨重構生產組織和要素體系的時間成本，這也就導致制造業得益于數字經濟的發展可能需要更長的時間(劉淑春，2019)。中國信息通信研究院的數據顯示：2019年，與制造業相比，服務業中數字經濟占行業的比重更大，提升速度也更快。

六、結論與啟示

本文基于2011—2019年中國各省份面板數據，以“價格效應”邏輯為判斷準則，檢驗發現中國服務業存在著“成本病”問題，進而分析了數字經濟對“成本病”的調節效應。本文研究得出的主要結論有：從整體來看，數字經濟減緩了中國“服務業成本病”問題。從細分行業來看，數字經濟更多地緩解了批發和零售業，交通運輸、倉儲和郵政業，金融業，房地產業等對數字化投入依賴度較高行業的“成本病”，而對住宿和餐飲業等數字化投入依賴度較低行業的“成本病”并沒有顯著的緩解效應。從地理區位來看，數字經濟顯著緩解了“胡煥庸線”東南地區的“服務業成本病”，而對西北地區的緩解效應并不顯著。從影響機制來看，數字經濟可以緩解“服務業成本病”的原因在于數字經濟對服務業生產率的提升效應大于制造業。

基于以上研究結論，本文得到的政策啟示是：第一，加大對數字經濟軟硬基礎設施的建設，增強數字化投入對經濟活動的貢獻和滲透力，實現服務經濟的高質量發展。一方面，加快5G網絡、數據中心等新型基礎設施建設，加大對大數據、云計算、人工智能等數字技術以及數字產業的投入；另一方面，重視建設技術服務平臺，開展重大基礎研究和科技攻關專項，努力實現在關鍵領域和共性技術、核心技術方面占領新高地。第二，鑒于不同類型的服務業對數字化的敏感度和依賴度不同，對數字化的敏感度和依賴度高的行業，應加強數字化的投入和公共服務平臺的建設，探索服務業的數據開發利用新場景。一方面，將數字技術靈活應用到企業生產能力、投入產出過程、采購體系、財務管理、營銷推廣等環節，實現數字技術效應最大化；另一方面，積極支持引導批發零售業，金融業等數字技術滲透性強的行業進行商業模式創新，推進服務業高質量發展。第三，鑒于數字經濟對不同地區服務業產生的積極影響具有差異性，政府在引導數字經濟發展過程中可以探索實施動態化、差異化的數字經濟發展戰略，警惕中國區域間“數字鴻溝”擴大。目前，數字經濟發展存在區域不平衡，應充分發揮政府的宏觀調控作用，加大對“胡煥庸線”西北地區財政、基礎設施、技術、人才等資源的傾斜，推進西北地區數字化基礎設施建設以及數字技術的普及與應用。