數據要素能否驅動企業關鍵核心技術突破？

中圖分類號：F270.7；F273 文獻標識碼：A 文章編號：1007-5097（2025）08-0106-12

CanData Elements Drive Breakthroughs in Key Core Technologies of Enterprises？ AQuasi-Natural Experiment Based on the Establishment of a National BigData ComprehensivePilot Zone

WANG Wei’，WANG Xing1，LIU Zhenwei2 （1.School of Economics and Management， Guangxi Normal University， Guilin 541oO6， China; 2.School of Economics and Management，Beijing Jiaotong University，Beijing 1Ooo91， China）

Abstract： Data elementisacoresupportingresource andanewdriving engineforenterprisestoovercome criticalbotlenecks. Thisarticleuses theestablishment of anational big data comprehensive pilot zoneasaquasi-natural experiment to exploreits impacton breakthroughs in keycore technologies byenterprises，aswell as theunderlying mechanisms. According totheresearch findings，theestablishmentofanational bigdatacomprehensivepilotzonecanpromote the full releaseof data elements and drive enterprises toachieve breakthroughs in key core technologies.Mechanism testing indicates thattheestablishmentof anational bigdatacomprehensivepilotzonecandrivebreakthroughs in keycore technologiesof enterprisesbyenhancing their technologicalcomplexity，improving theconstructionofnewdigital infrastructure，andstrengthening financialsupport.Furtheranalysis revealsthatanational bigdatacomprehensivepilot zone hasaradiationboundaryof 7Okilometers.Its role in driving breakthroughsin keycore technologies is particularly significant inareas with ahighlevel ofdata security，industrieswith substantialtechnologicalcontent，andenterprises with strong technicalcapabilities.Thisconclusionreveals thedeepvalueof dataelements，providing theoretical support for the forward-looking layout of data policies and enterprises to overcome the \"bottleneck\" dilemma.

Key words： nationalbigdata comprehensive pilot zone;data element; keycore technologies;technological complexity; construction of new digital infrastructure; financial support

一、引言

近年來，隨著逆全球化、單邊主義和保護主義不斷抬頭，中國在一些領域遭遇“卡脖子\"問題，中國企業自主實現突破關鍵核心技術迫在眉睫。作為龐大信息的穩定載體，數據要素是作用于企業研發全鏈條的“基礎原料”。企業需緊密依托數據要素進行邏輯推演、理論驗證和應用創新，讓數據釋能充分作用于原創式科技成果的各階段。此外，數據要素在運用過程中能夠不斷生成新數據，其再生優勢有利于企業持續積累前沿知識，加速形成“沿途下蛋\"機制，助推企業技術實現革命性突破。因此，廣泛滲透的數據要素是企業實現關鍵核心技術突破的新動能。

然而，缺乏高質量、大規模、統一標準的數據要素集中是現階段企業關鍵核心技術突破出現瓶頸的重要原因[1]。大部分關鍵技術中的核心數據與算法具有強獨占性，企業需從大量迭代實驗中汲取前沿知識以擴充現存數據與算法，但常常受限于數據要素壁壘與信息處理技術障礙。對于企業而言，數據的廣泛滲透與反饋循環在其發現新知識、創造新價值和提升新技術的過程中具有重要地位。實踐中，規模化數據要素投入的作用在關鍵核心技術突破中日益凸顯。2019年至2023年，中國智能算力規模由32EFLOPS躍升至414EFLOPS，其間年復合增長率達 90.1% 。2023年，北京市發布的兩批人工智能大模型高質量數據集規模超612TB，昆侖萬維自研的雙千億級大語言模型也配套開源了600GB、150BTokens的中文數據集①。

近年來，學術界也注重技術研發中數據要素作為創新稟賦的作用，認為數據要素有利于創新知識的持續性積累，應充分發揮數據要素在破解科技成果轉化難題中的作用[2-4]。然而，鮮有研究對數據要素與關鍵核心技術突破進行系統性考察，其如何驅動關鍵核心技術突破的相關討論仍比較匱乏。此外，關鍵核心技術突破要求產業深度耦合，在夯實知識基底上依靠嚴密的邏輯鏈條建立復雜技術架構。這意味著無法基于單一視角簡單把握關鍵核心技術，必須在持續性迭代積累和突進式巔覆變革的動態演化中，探析關鍵核心技術的突破路徑。因此，數據要素能否驅動企業關鍵核心技術突破及其作用路徑的研究意義重大。

基于此，本文將中國首個數字經濟試點政策國家級大數據綜合試驗區（下文簡稱“大數據試驗區”作為準自然實驗，探析數據要素對企業關鍵核心技術突破的驅動效應。大數據試驗區作為數字開放共享平臺能夠持續匯聚多渠道數字化信息，為企業注入海量數據以擴充企業創新要素稟賦，幫助其通過深挖數據并提取前沿知識，進而構建前瞻性技術。此外，依托大數據試驗區的數據整合、分析與應用能力，企業能夠有效提升自身數字化水平，開發并內化數據資源以驅動關鍵核心技術突破。《國務院關于印發促進大數據發展行動綱要的通知》（下文簡稱《通知》）提出，要“以數據流引領技術流、物質流、資金流、人才流”，且“要科學研究數據并引導探索大數據理論、方法及關鍵應用技術”。“十四五\"規劃中亦提出，要“加快構建全國一體化大數據中心體系，強化算力統籌智能調度，建設若干國家樞紐節點和大數據中心集群”。實踐表明，設立大數據試驗區能顯著驅動企業產出高水平科技成果。例如，2023年貴州全省工業企業數字化研發設計工具普及率和關鍵工序數控化率分別達 69.6% 和50.3%^（2） ；2024年內蒙古自治區首次實現稀土粉體物料多環節連續自動化生產，生產數據采集率達 90% ，且粉末高溫合金利用率較其他國家提高約 20%^（3） 。基于此，本文以設立大數據試驗區為準自然實驗能夠獲得可靠結論。

本文可能的邊際貢獻：一是拓展數據要素與關鍵核心技術的現有研究。本文系統性考察數據要素與關鍵核心技術突破的關系，錨定關鍵核心技術突破缺乏數據資源的\"痛點\"問題，挖掘數據要素培育深層技術的創新潛力，對關鍵核心技術突破驅動因素和數據要素價值研究進行有益補充。二是加深對關鍵核心技術突破的路徑探討。本文從大數據試驗區視角切入，緊跟“數據流引領技術流、物質流、資金流\"的政策方向搭建研究框架，從企業技術復雜度、新型數字基礎建設和資金支持等方面探析數據要素驅動關鍵核心技術突破的內在機理，豐富相關的研究成果。三是提供數據要素政策的布局依據。相較于大數據試驗區政策平均效應的分析，本文進一步明確大數據試驗區政策驅動關鍵核心技術突破的輻射范圍。在中國陷入關鍵核心技術“卡脖子\"尷尬境地的背景下，明確輻射范圍有利于政府針對性調整數據要素政策以發揮其更大效力，為實現“有為政府”“有效市場”和“優質企業”的有機結合、筑牢高水平科技自立自強的根基提供政策啟示。

二、文獻綜述

與本文相關的研究主要涉及兩類文獻。第一類文獻主要探析大數據試驗區的經濟后果。宏觀上看，設立大數據試驗區有利于區域高質量發展[5]和實現社會公平。在大數據試驗區的技術作用下，城市能夠實現降污減排、提高經濟韌性、釋放創新活力[8]。此外，設立大數據試驗區還能夠保障勞動就業[9]和帶動共同富裕[10]，進一步重塑社會信任[。微觀上看，企業可以在大數據試驗區的賦能效應下加速轉型提效。轉型在于，大數據滲透釋放生產紅利帶動企業從傳統高污染生產模式轉向新型綠色生產模式，在經濟活動中踐行“親環境\"行為；而大數據試驗區的技術帶動和知識溢出可以幫助企業治理\"脫實向虛”13]、實現數字化轉型[14]。提效在于，大數據試驗區有利于多維高密數據融入其他生產要素，釋放數據要素潛能以提高企業全要素生產率[15-16]。

第二類文獻主要討論關鍵核心技術突破的影響因素。高水平科技自立自強要求企業擺脫簡單依靠技術引進，自主探索資源獲取渠道與元素組合方式，構建開放式知識生態并形成完備的技術鏈條與活躍的技術系統，最終實現關鍵核心技術突破。現有研究將關鍵核心技術突破的驅動因素聚焦于資源網絡關聯及多方知識協同。第一，企業積極“編織\"創新網絡，實現跨組織技術交流。企業深度嵌入創新網絡能夠顯著促進關鍵核心技術突破[7]。對于企業而言，主動加強國際創新合作，有利于拓展自身的搜索范圍與交流邊界，為實現關鍵核心技術突破提供新機遇[18。此外，企業適度擴張技術網絡規模能夠加速關鍵核心技術突破[19]。第二，企業密切合作知識機構，實現跨部門知識交叉融合。企業作為生產部門，其與科研院所等研究部門形成協同創新模式，有利于異質知識實現互動耦合，進而推動企業突破關鍵核心技術[20]。特別地，國家重點實驗室是推進產學研協同創新模式的重要平臺，對企業攻克關鍵核心技術的支撐作用明顯[21]。第三，企業依托創新生態，實現跨產業成果互動競合。各類數字經濟核心領域企業競合共生，形成數字化創新生態系統，經濟主體在專業化協作過程中實現數字技術擴散，提高企業關鍵核心技術突破能力[22]。此外，部分學者基于關鍵核心技術長周期投入與高研發成本的特性，關注政府基金在攻關過程中的激勵與引導作用[23]。

梳理相關文獻發現，現有研究多圍繞大數據試驗區的賦能效應展開討論，關于數據要素影響的探究仍停留在表層效益產生與簡單技術升級層面，未能進一步縱深挖掘數據作為先進創新要素在培育關鍵科技成果中的“養料\"作用。此外，關于攻克關鍵核心技術驅動因素的研究重點圍繞多主體協同合作，未著重分析數據這一本質矛盾，且鮮有研究針對數據要素在技術流、物質流與資金流中產生的引領作用進行系統性分析。因此，本文深刻把握自主突破關鍵核心技術的中心要義，在“數據流引領技術流、物質流、資金流”的分析框架下系統考察數據要素對企業關鍵核心技術突破的驅動作用，并從理論分析與實證檢驗兩方面論證大數據試驗區政策的實施效果。

三、理論機制與研究假設

（一）大數據試驗區對企業關鍵核心技術突破的驅動作用分析

相較于一般技術而言，關鍵核心技術具有難以模仿和“反求\"的特征。攻克關鍵核心技術瓶頸要求大量異質性知識多向流動并交叉驗證，同時基于底層技術進行重復迭代試錯以實現技術螺旋式上升。技術模擬、仿真實驗與實時應用等開發活動需依托海量數據積累、動態數據追蹤及精準數據分析，充分強調\"數據驅動\"的作用[24]。因此，數據釋能優勢突出的大數據試驗區對企業關鍵核心技術突破產生的積極“靶向\"影響，能夠通過數據流引領技術流、物質流和資金流，并聚焦于企業技術研發，共同驅動企業實現關鍵核心技術突破。基于此，本文提出假設1。

H1：設立大數據試驗區能夠驅動企業實現關鍵核心技術突破。

（二）大數據試驗區驅動企業關鍵核心技術突破的路徑分析

1.企業技術復雜度

關鍵核心技術是一個各學科領域子技術多層級嵌套和高密度融合的復雜技術體系[23]。相較于一般技術創新，關鍵核心技術突破需基于大量數據提取其中的必要信息，并對復雜技術系統進行解構和創新性重組，其對創新要素的信息含量和流通效率提出更高要求。一方面，大數據試驗區進行數字化技術改造，打通了企業對數據等先進創新要素的獲取渠道[25]。突破數據搜索局限能夠實現各領域數據的有效連通，延伸企業信息邊界，提高企業運用新型創新要素進行技術重構的效率與能力。另一方面，大數據試驗區推動企業運用大數據分析技術追蹤“數字足跡\"以洞察市場偏好、調配管理流程并糾偏技術邏輯，從而增加客戶終端、生產中游及設計伊始等階段的技術含量[2]，為構成復雜技術系統提供基礎。提高技術復雜度在企業內部產生的技術積累效應，為突破技術障礙、整合技術系統提供條件，幫助其嵌套多層級子技術并構建高密度技術網絡，有利于在既有產品的基礎上實現技術躍進與性能優化，進而驅動企業實現關鍵核心技術“性能性突破”[26]。基于此，本文提出假設2。

H2：設立大數據試驗區能夠引領技術流，通過提升企業技術復雜度驅動其實現關鍵核心技術突破。

2.新型數字基礎設施建設

關鍵核心技術實質上是高密度的隱性知識集合體，往往涉及強壁壘專業知識的跨學科交叉融合[28]。因此，實現關鍵核心技術突破需要多方協同，且要求各創新主體減少知識摩擦，通過專有信息交互式碰撞促進隱性知識有效流通。大數據試驗區重點構建新型數字基礎設施，建立數據鏈路、搭建信息橋梁，推進數據資源加速流動。作為新一代信息技術演化的先進形態，新型數字基礎設施建設為企業提供通用支撐技術，有利于創新鏈條主體間實現高頻率信息互動[3。對于企業而言，完善新型數字基礎設施建設能夠打開數據資源通路、盤活有效信息沉淀進而加速隱性知識傳播，形成以企業為中心、多源頭數據匯人的信息布局，激發知識與技術共享效應2]，促使企業擴大知識覆蓋范圍和提高縱深認知程度。異質數據、龐雜信息與專有知識等資源的輸入，有利于企業擺脫“路徑依賴”與“技術鎖定\"困境，發掘新型技術開發模式，實現關鍵核心技術“前沿性突破”。基于此，本文提出假設3。

H3：設立大數據試驗區能夠引領物質流，通過優化新型數字基礎設施建設驅動企業實現關鍵核心技術突破。

3.資金支持

關鍵核心技術突破需在大量歷史數據基礎上不斷采集新數據進行迭代實驗，試錯過程具有成果轉換風險大、資源投入門檻高及資金支持壓力大等特點。因此，關鍵核心技術突破通常需要規模更大和穩定性更強的資金鏈條作為支撐[29]。為跨越數據技術鴻溝，大數據試驗區通過加碼資金支持，以技術突破為目標導向的資金流入后能夠引導企業積極攻克關鍵核心技術。其中，大數據的激勵政策多以成果獎勵等“事后支持\"為主，即企業研發成功在先，政府資金傾注在后[8，有效防止了部分企業通過策略性創新擠占關鍵核心技術專項資金，激勵企業自覺“鋪設\"技術軌道以填補關鍵核心技術空白。此外，大數據試驗區能夠通過提高信息透明度減少資金錯配，為數字技術攻關企業提供資金支持[2.14]，助力企業不斷試錯以尋找節點、優化算法與整合要素[30]，破解企業囿于資金不足而面臨的空白市場開發風險大與技術研發投入長等難題，支撐企業跨越“技術死亡谷\"以實現關鍵零部件、關鍵材料或關鍵工藝\"從無到有\"的突破[31]。因此，大數據試驗區帶動企業的技術攻克意愿與能力雙重提升，有利于關鍵核心技術實現“功能性突破”。基于此，本文提出假設4。

H4：設立大數據試驗區能夠引領資金流，通過強化資金支持驅動企業實現關鍵核心技術突破。

四、研究設計

（一）變量說明

1.被解釋變量：企業關鍵核心技術突破（Keypatent）

參考陳奉先和光云霞（2023）[32]的做法，本文從國家知識產權局獲取2011一2022年的上市公司專利數據，采用語義文本分析法將專利摘要與《國家科技創新規劃》中的關鍵核心技術詞匯描述進行匹配，若專利摘要中含有特定關鍵詞則認為該條專利為關鍵核心技術。對企業所持關鍵核心技術數量按年份加總后取自然對數，用以測度本文被解釋變量企業關鍵核心技術突破。其中，關鍵核心技術涉及專用芯片、算法平臺、量子信息、腦機融合、集成電路等86個關鍵詞。

2.核心解釋變量：大數據試驗區（DID）

參考孫偉增等（2023）[13]的做法，本文將中國政府網所公示的2016年批準設立國家級大數據綜合試驗區作為處理組以構建虛擬變量作為核心解釋變量。考慮八大國家級大數據綜合試驗區批復建設時間均為2016年，為確保觀測值的充分性與觀測期的有效性，本文以2011—2022年作為樣本研究期間。

3.控制變量

借鑒吳非等（2021）[33]、袁維海和周健鵬（2024）[34]及潘藝和張金昌（2023）[35]的做法，本文選取的控制變量包括：企業規模（Size）、資產負債率（Lev）、總資產凈利潤率（Roa）、現金流比率（Cashflow）、獨立董事占比（Indep）、兩職合一（Dual）、總資產周轉率（Ato）、標準審計意見（Opinion）、管理層女性占比（Female）、董監高是否具有金融背景（FinBack）。

4.機制變量

本文構建以下三個機制變量以檢驗大數據試驗區驅動企業關鍵核心技術突破的作用渠道：① 企業技術復雜度（Complexity）。參考卞元超和白俊紅（2024）[36]的做法，首先，收集國家知識產權局關于上市公司獲得授權的專利數據（只采用技術含量較高的發明專利與實用新型專利數據）；其次，篩選出每條專利IPC分類號中所含各大組數量，計算各大組占該條專利IPC分類號中所含大組總數的比重，并在大組層面采取赫芬達爾-赫希曼指數進行加權計算，即HHLComplexity ；最后，從“企業-年份-專利類型\"維度，計算企業專利技術復雜度的平均值并匹配到企業層面以度量該企業的技術復雜度。 ② 新型數字基礎設施建設（Infra-structure）。由于新型數字基礎設施建設涉及多方建設且要素層級多，僅采用單一指標無法完善地測度新型數字基礎設施建設情況，因此參考趙星（2022）[27]的做法，從長途光纜線路長度、移動電話交換機容量、工業機器人及互聯網接入端口數四個維度，采用熵值法測算新型數字基礎設施建設水平。 ③ 資金支持（Fund）。參考張同斌和劉文龍（2024）[37的做法，采用Hadlock和Pierce提出的融資約束SA指數來衡量企業資金支持水平，考察資金支持在大數據試驗區驅動企業實現關鍵核心技術突破過程中的作用。其中，SA指數一般取負值，與企業融資約束呈負相關關系，與資金支持呈正相關關系。

參考吳非等（2021）[33]的研究，本文對樣本進行以下篩選： ① 剔除金融類企業、房地產類企業樣本。② 剔除ST企業、 ^*ST 企業及PT企業樣本。 ③ 剔除不符合一般會計準則和關鍵變量存在缺失值的樣本。經整理，本文最終的樣本數為35827。

（二）模型設定

為考察設立大數據試驗區對企業關鍵核心技術突破的影響，本文采用雙重差分法，構建以下模型：

Keypatent_ijt=α+βDID_jt+X_it+ρ_i+τ_t+ε_ijt

其中：Keypatent為企業關鍵核心技術突破水平；DID是treat與post，交互項，treat表示該地區是否屬于大數據試驗區，若屬于大數據試驗區賦值為1，否則取0，post為大數據試驗區政策實施前后的虛擬變量，2016年之前設為0，2016年及以后設為1;X 表示可能影響企業關鍵核心技術突破的控制變量； α 為常數項； i，j，t 分別表示企業、地區和年份； β 是本文關注的核心系數，反映設立大數據試驗區對企業關鍵核心技術突破的平均處理效應；ρ 為企業固定效應，用以控制企業層面不隨時間變化的特征，如企業文化和企業家才能等； τ 為年份固定效應，用以控制隨時間變化而不隨企業變化的特征，如經濟周期等； ε 為隨機擾動項。

五、實證結果

（一）描述性統計

各變量的描述性統計見表1所列。Keypatent的均值為0.098，標準差為0.379，表明平均單個樣本企業關鍵核心技術突破不足一項 （e^0.098-1≈ 0.103），且企業關鍵核心技術突破水平普遍較低，中國需著力提高企業整體自主研發水平。DID的均值為0.277，表明設立大數據試驗區的地區仍然較少，處于大數據試驗區范圍內的樣本企業未達半數。此外，其他控制變量不存在異常極端值，其分布特征與現有文獻基本一致。

表1描述性統計

（二）基準回歸

式（1）的估計結果見表2所列。其中，列（1）表示僅控制企業與年份固定效應，列（2）表示在保持企業與年份固定效應的基礎上加入控制變量集。回歸結果表明，無論是否加人控制變量，大數據試驗區的系數皆在 1% 水平上顯著為正。這表明設立大數據試驗區能顯著驅動企業實現關鍵核心技術突破，H1初步得到驗證。列（2）中，DID的回歸系數為0.025，這說明大數據試驗區政策的標準差每增加 1% ，企業關鍵核心技術突破率相對于其平均值會增加 11.4%^（4）

表2基準回歸結果

注：小括號內為 p 值；***、**、*分別表示在 1%5%.10% 水平上顯著。下同。

（三）穩健性檢驗

1.平行趨勢檢驗

為滿足雙重差分模型的趨同假設，確保大數據試驗區政策實施前，試點范圍內企業與非試點范圍內企業的關鍵核心技術突破趨勢無顯著差異，本文進行平行趨勢檢驗。具體而言，本文將2016年設為政策實施當年的虛擬變量，分別向前定義3個年份和向后定義4個年份的虛擬變量，并剔除設立試驗區前一年的虛擬變量以避免共線性問題。具體模型如下：

ρ_i+τ_t+ε_ijt

式（2）的估計結果如圖1所示。在2016年設立大數據試驗區前交互項系數皆不顯著，表明處理組和對照組企業在關鍵核心技術突破水平上無顯著差異，符合政策實施前的平行趨勢假設。自設立大數據試驗區當年起，交互項系數保持正向顯著，平行趨勢檢驗通過，證明大數據試驗區對企業關鍵核心技術突破起到了積極作用。

圖1平行趨勢檢驗

2.安慰劑檢驗

為驗證大數據試驗區對企業實現關鍵核心技術突破的驅動作用并非隨機因素所致，本文進行了安慰劑檢驗。基于設立大數據試驗區的實際年份，本文以2016年為基準隨機生成處理組城市，并將其交互構建“偽\"大數據試驗區變量，替換式（1）中的大數據試驗區變量進行回歸。重復500次上述過程，得到500個“偽\"大數據試驗區的系數估計結果。“偽\"大數據試驗區對企業關鍵核心技術突破估計系數的 p 值密度分布如圖2所示。可以看出，系數值集中分布在零值附近且大部分 p 值遠離零值，安慰劑檢驗通過，排除了本文結果的偶然性。

圖2安慰劑檢驗

3.排除其他政策影響

為排除其他政策對企業關鍵核心技術突破的潛在影響，參考孫偉增等（2023）[13]的做法，本文構建人工智能創新發展試驗區（AI）、三網融合試點（Triweb）、“寬帶中國\"政策試點（Broadband）、信息惠民國家試點（Information）等政策沖擊的虛擬變量，并直接引入模型，將其作為控制變量進行回歸，具體結果見表3所列。由表可知，DID系數仍顯著為正，一定程度上排除其他政策影響，說明大數據試驗區政策具有較好外生性。

表3排除其他政策影響檢驗

4.替換被解釋變量

（1）發明專利被引用次數（Cite）。借鑒楊壯等（2023）[38的做法，采用發明專利被引用次數作為企業關鍵核心技術突破的替代變量。首先，鑒于不同行業技術發展速度差異，專利引用次數不同，本文將每項專利的引用次數除以該項專利所處行業同年度所有申請專利數的總和，得到修正后的引用次數；其次，為避免引用次數統計缺失，本文取修正值加1后的自然對數作為企業關鍵核心技術突破的替換變量;最后，用Cite替換Keypatent進行回歸。

（2）人工智能核心專利（AICore）。借鑒孫中原等（2024）[39的做法，采用企業人工智能核心專利申請總數作為測度企業關鍵核心技術突破的替代變量。首先，將IPC分類號中含有G06F、G10L、H04L、G06K、G06Q、H04N、A61B、H04W、H04M、G08B的專利定義為人工智能核心專利，得出企業每年的人工智能核心專利申請數；其次，將企業人工智能核心專利申請數統一滯后1至5期；最后，加總企業各期滯后人工智能核心專利申請數，計算公式為： ，其中 n_i 為第 i 年的人工智能核心專利申請數。

（3）關鍵核心技術領域專利（Authorisation）。借鑒吳超鵬和嚴澤浩（2023）23的研究，本文采用調整后企業在關鍵核心技術領域申請并獲得授權的專利數作為企業關鍵核心技術突破的替代變量。首先，從國家制造強國建設戰略咨詢委員會審定的《工業“四基\"發展自錄（2016年版）》中選取927個關鍵詞，如嵌入式、存儲器、量子器件、高速交換、高集成度等；其次，若企業專利摘要中含有特定關鍵詞則認定該項專利為關鍵核心技術，將企業每年關鍵核心技術數量加1后取對數；最后，對專利數量進行調整以避免其存在截斷偏差，用調整后的專利數進行分析）。

替換被解釋變量檢驗結果見表4所列。可以看出，DID系數皆在 1% 水平上顯著為正，表明替換被解釋變量檢驗通過，本文核心結論穩健。

表4替換被解釋變量檢驗

續表4

（四）內生性檢驗

設立大數據試驗區需考慮區位條件，選址過程中可能存在內生性問題。因此，本文采用工具變量法進一步識別設立大數據試驗區的政策效果。地質穩定能夠避免外部環境沖擊對設立大數據試驗區的損失，且地質穩定程度與企業關鍵核心技術突破無直接關系，能夠作為大數據試驗區政策的工具變量。參考孫偉增等（2023）[13]的做法，結合政府門戶網站的震級分類，6級及以上地震屬于強震，會造成嚴重破壞。為合理表征地區地質穩定性，本文依據《中國統計年鑒》，整理出2011一2015年各省6級及以上的地震次數，并將其與政策實施年份（post）進行交互，得到地質不穩定程度的變量（Instability），并將其引入式（1）作為DID的工具變量。

使用工具變量進行兩階段最小二乘法檢驗的回歸結果見表5所列。列（1）為一階段估計結果，Instability系數顯著為負，表明該地區的地質穩定性越差，在該地區設立大數據試驗區的可能性小，與預期相符。列（2）為二階段估計結果，DID的系數顯著為正，表明引入工具變量后大數據試驗區驅動企業實現關鍵核心技術突破的結論仍然成立。

內生性檢驗結果再次證實本文研究結論的可靠性。

表5內生性檢驗

（五）機制檢驗數據對企業架構復雜技術層、優化新型數字基礎設施建設與強化資金支持發揮著積極作用，并驅動企業實現關鍵核心技術突破。依據“以數據流引領技術流、物質流、資金流\"的大數據政策指向，參考江艇（2022）的研究，本文將進行中介效應檢驗，以探析設立大數據試驗區對企業實現關鍵核心技術突破的微觀機理。具體模型構建如下：

Complexity_ijt/Infrastructure_ijt/Fund_ijt=

α+βDID_jt+X_it+ρ_i+τ_t+ε_ijt

其中：Complexity、Infrastructure、Fund分別表示企業技術復雜度、新型數字基礎設施建設與資金支持，其余變量含義與式（1）同。若 β 顯著為正，結合基準回歸結果，可證實提升企業技術復雜度、優化新型數字基礎設施建設與強化資金支持是大數據試驗區驅動企業實現關鍵核心技術突破的作用渠道。

機制檢驗結果見表6所列，DID的回歸系數均在 1% 水平上顯著為正。具體地，列（1）為大數據試驗區提升企業技術復雜度的檢驗，表明設立大數據試驗區能夠提升企業內部技術組合結構復雜程度，提高企業對高門檻技術的創新能力。這意味著，得益于設立大數據試驗區的數據釋能，企業能在充分挖掘技術規律后基于底層邏輯實現技術復雜嵌套，為企業進行技術的解構重組、算法優化與迭代升級提供條件，進而驅動企業實現關鍵核心技術突破，H2得以驗證。列（2）為大數據試驗區優化新型數字基礎設施建設的檢驗，證實設立大數據試驗區確能加強新型數字基礎設施建設。新型數字基礎設施建設作為數據信息多向流動的“連通器”，以其接入多元主體的強連接性、加速信息流動的高通達性和面向社會服務的非排他性等優勢為企業帶來充分的數據儲備，幫助企業拓寬信息覆蓋面以獲取前沿知識，有利于企業在技術攻關過程中打破思維定勢，實現關鍵核心技術突破，H3得以驗證。列（3）為大數據試驗區強化資金支持的檢驗。可以看出，由于設立大數據試驗區是技術導向十分明顯的重要政策，國家在投入資金扶持企業的同時能夠激起資本市場的投資活躍性，聚集多渠道資金以緩解企業長周期投入動力不足難題，保障穩定資金流能貫穿于高水平技術的前期設計、中期調試優化和后期應用等各階段，助力企業實現關鍵核心技術突破，H4得以驗證。

表6機制檢驗

六、進一步分析

（一）大數據試驗區輻射范圍分析

為準確把握設立大數據試驗區的作用情況，本文基于大數據試驗區驅動企業實現關鍵核心技術突破的平均效應，進一步測度大數據試驗區效能的輻射范圍。借鑒王雄元和卜落凡（2019）[41]的研究，本文將八大試驗區的數據中心定為“軸心”，使用企業注冊地與各試驗區數據中心的經緯度計算兩者球面最短距離，將其定為軸幅距離，并設置啞變量Distance_。若軸幅距離位于[0，50公里）[50公里，60公里）、[60公里，70公里）、[70公里，80公里）、[80公里，100公里）及[100公里，200公里）等區間，則將Distance_賦值為1，否則為0，并將其分別與DID交互后引入式（1）進行三重差分回歸。

各軸幅距離范圍內大數據試驗區對企業實現關鍵核心技術突破的作用情況見表7所列。可以看出，各交互項的顯著性與系數隨距離范圍擴大而逐步遞減。具體地，當企業與數據中心的軸幅距離在50公里以內時，交互項系數在 1% 顯著水平上最高，為0.029，這表明大數據試驗區對該類企業實現關鍵核心技術突破的驅動作用最強；當軸幅距離為50公里至60公里時，盡管交互項仍保持 1% 的顯著水平，但系數卻遞減為0.024，且軸幅距離超出60公里時顯著水平進一步下降為 5% ，同時系數降為0.018，這表明企業距離當地數據中心越遠，其受到大數據試驗區的驅動作用越弱；當企業與各數據中心的軸幅距離拉開至70公里以外時，交互項不再具備顯著性且系數逐步下降為負，這意味著大數據試驗區無法顯著驅動該類企業實現關鍵核心技術突破。

綜上所述，大數據試驗區對企業實現關鍵核心技術突破的驅動作用呈現邊際遞減特征且存在作用發揮邊界，70公里軸幅距離是大數據試驗區對企業關鍵核心技術突破的“可驅動\"范圍。其中，軸幅距離50公里以內的企業是大數據試驗區釋放數據價值的主要接收者，是企業實現關鍵核心技術突破的“先鋒隊”。當軸幅距離超出70公里時，大數據試驗區的驅動作用會因距離因素而弱化甚至消失。

表7輻射范圍分析

（二）異質性檢驗

大數據試驗區數據釋能優勢突出，對企業實現關鍵核心技術突破的驅動作用受傳導鏈條上各環節條件的影響，并最終對企業產生非對稱性效用。從作用鏈條來看，大數據試驗區所處制度環境關乎數據的可靠性，且可用數據傳遞流向與終端數據有效投入主要取決于行業特性與企業能力。因此，為進一步分析大數據試驗區在何種條件下對何種類型企業發揮何種效能，本文基于遞進式分層與數據要素作用鏈條，從地區、行業和企業三重維度構建異質性分析框架，考察不同條件下大數據試驗區的異質性影響。

1.地區數據保障程度

數據環境會對大數據試驗區的驅動作用產生影響。理論上，大數據安全水平高的地區具有更可靠的數據生產與利用條件，能夠倍增大數據試驗區對企業核心技術突破的驅動作用；數字法治力度強的地區更注重維護企業的私有數據，保護數據隱私以確保大數據試驗區真正作用于企業的技術研發。為分析地區數據環境對研究結果的影響，本文從大數據安全水平和數字法治力度兩個角度進行地區數據保障程度的異質性檢驗。參考史丹和鄭玉（2024）[15]的研究，本文采用《大數據中國藍皮：中國大數據發展報告No.6》中2021年大數據安全指數和2021年數字法治指數分別測度該地區大數據安全水平（Security）與數字法治力度（Law），并對其進行中心化處理后依次與DID交互，最后將交互變量分別引人式（1）進行回歸，結果見表8列（1）和列（2）。可以看出，交互項皆顯著為正，表明在大數據安全水平高、數字法治力度強的地區，設立大數據試驗區對企業實現關鍵核心技術突破的積極作用更顯著。可能的解釋為：企業在研發過程中會產生大量歷史記錄與試錯數據，易造成專有信息外溢問題，導致企業面臨隱性成本增加與潛在收益減少的雙重損失。而較強的數據保障能夠幫助企業避免數據泄露，激勵企業自主攻克關鍵核心技術，且獲取完整和準確的數據進行迭代實驗，幫助企業提高攻關效率。

2.行業技術含量情況

數據作為新型生產要素，其獲取、處理與運用屬于先進技術范疇。理論上，大數據試驗區的數據釋能優勢會重點適用于與數字技術關聯度高的制造業和高科技行業。為考察行業技術含量對研究結果的影響，本文從“是否為制造業”和“是否為高科技行業\"兩個方面考察行業技術含量差異，大數據試驗區對企業實現關鍵核心技術突破的驅動作用。參考王杏芬和鄭佳（2020）[42]、石琦等（2020）[43]的做法，基于證監會公布的《上市公司行業分類指引》篩選出制造業企業構建“是否為制造業\"啞變量（MFG），根據《國家重點支持的高新技術領域》確定高科技行業構建“是否為高科技行業”啞變量（HighTech），并分別與DID交互后進行回歸，結果見表8列（3）和列（4）。其交互項系數均顯著為正，表明大數據試驗區重點作用于制造業和高科技行業。可能的解釋為：制造業高度依賴先進技術提高作業效率、降低生產成本，其在大數據試驗區支持下，能夠結合自身生產經營中的工業數據，針對性改進關鍵環節的核心技術，而高科技行業本身具備較為專業的人才團隊、成熟的配套技術和豐富的試錯經驗，且技術導向更強，有較好的技術能力基礎和技術突破意愿，能與大數據試驗區實現良性匹配，更有可能填補關鍵核心技術鴻溝。

3.企業技術把握能力

企業是關鍵核心技術攻關的“急先鋒”，大數據試驗區釋放的數據要素效用能否真正作用于企業且作用程度如何，重點傳導環節之一在于企業能否敏銳捕捉數據要素政策機遇并吸收數據信息，在技術攻關過程中投入數據要素。因此，本文分別基于“高管是否具備技術背景\"和“企業是否建立產學研合作”兩個特征探析企業技術把握能力差異下設立大數據試驗區對企業實現關鍵核心技術突破的驅動作用。參考劉錫祿等（2023）[44]、劉斐然等（2023）[45的做法，本文將高管具有與信息化管理、信息技術相關教育或從業經歷的企業賦值為1，反之為0，構建“高管是否具備技術背景”啞變量（ITBackground），將當年具有產學研合作成果的企業賦值為1，反之為0，構建\"企業是否建立產學研合作\"的啞變量（Cooperation），分別與DID交互后進行回歸，結果見表8列（5）和列（6）。可以看出，其交互項系數皆顯著為正，表明高管具備技術背景和建立產學研合作的企業更能把握設立大數據試驗區政策帶來的關鍵核心技術突破機遇。可能的解釋為：企業高管具備技術背景對于設立大數據試驗區有較強的數據要素政策敏感性，其在企業生產經營決策與發展戰略制定過程中注重把握政策時機，激發企業關鍵核心技術突破意愿，而產學研協同模式下的企業能夠與知識機構建立緊密的創新鏈條，實現跨領域隱性知識的高頻率互動，充分銜接關鍵核心技術攻關前后端以促進關鍵核心技術一體化開發。

表8異質性檢驗

七、研究結論與展望

（一）研究結論與啟示

設立大數據試驗區是國家培育創新生態的積極探索，通過數據充分釋能，暢通系統架構技術流、知識傳播物質流與瓶頸攻關資金流，有效緩解企業創新底層要素受限與技術構建能力不足等問題，有利于企業依靠大數據試驗區的數據優勢自主優化技術結構、提取前沿知識和保持穩定投入，進而擺脫簡單依靠引進和滯后模仿的“跟隨者困境”，實現高水平科技自立自強。

本文以設立大數據試驗區為準自然實驗，發現大數據試驗區能顯著驅動企業實現關鍵核心技術突破，且機制分析表明大數據試驗區能夠通過提高企業技術復雜度、完善新型數字基礎設施建設和強化資金支持三方面發力，確證了“數據流引領技術流、物質流與資金流”。進一步研究發現，大數據試驗區主要作用于70公里軸幅距離以內的企業。此外，大數據試驗區的驅動作用受各環節影響，數據保障程度高的地區能產生有效數據，且有效數據主要流向制造業與高科技行業等技術含量較高的行業。其中，管理層具備技術背景和建立產學研合作的企業更能挖掘數據價值，是實現關鍵核心技術突破的主力軍。

基于上述研究結論，本文獲得以下啟示：

第一，優化數據配置是有效運用數據要素驅動技術躍升的重要條件。缺乏數據注入會使企業難以準確推演技術邏輯，數據要素壁壘已然成為關鍵核心技術突破的共性難題。為確保數據有效流通，破解企業關鍵核心技術攻關過程中的“煙肉式”困境，政府應逐步拓寬大數據試驗區的建立范圍以增強其輻射能力，通過大數據試驗區的合理布局，連點成線、線動成面提升數據要素配置水平，帶動新型創新要素更大規模的流通與運用，進而暢通企業實現關鍵核心技術突破的路徑。

第二，保障數據可靠是有效運用數據要素驅動技術躍升的必然要求。數據具有離散程度高、呈現形式多且信息含量巨大的特性，其在產生和流通過程中易遭受惡意破壞、隨意更改及故意泄露等，弱化數據可靠性會進一步導致研發實驗結果失真，損害關鍵核心技術攻克穩定性，造成較大額外成本和資源浪費。因此，政府需加大政策管制，在數據生成、存儲、采集和處理過程中進行嚴格管理，確保企業關鍵核心技術產出成果安全，增強企業堅守關鍵技術自主構建和核心工藝自覺升級的內生動力。

第三，激發企業活力是有效運用數據要素驅動技術躍升的關鍵環節。企業是國家提高自主研發水平與形成原創技術成果的重要微觀主體，其高效應用大數據技術是自主打造核心競爭優勢的主要方式。因此，企業應高效整合高素質的技術管理團隊，促使管理層樹立戰略性眼光并優化管理層知識結構，進而增強企業關鍵核心技術攻關的前瞻性思維。同時，關鍵核心技術突破需多元主體深度協同創新，企業要積極打造創新聯合體以實現各領域知識共創，不斷提升關鍵核心技術突破能力。

（二）研究局限與未來展望

一是企業關鍵核心技術突破的目標應是實現商業價值轉換并造福于民，但本文僅基于技術邏輯考察企業關鍵核心技術突破的“冷啟動\"和“破冰”階段，缺乏將技術攻關延伸至商業應用這一“縱深”階段的市場邏輯，研究鏈條尚不完整，為后續圍繞企業關鍵核心技術突破成果開展研究留下探討空間。二是本文僅針對數據要素討論了數據保障條件對大數據試驗區作用發揮的影響，未進一步剖析不同區位條件下大數據試驗區的核心作用，未來可基于區位優勢深入挖掘當地設立大數據試驗區的意義及施政效果。

注釋：

（1）數據來源：《國家信息化發展報告（2023年）》與《中國綜合算力指數報告（2024年）》。

（2）數據來源：https：//www.guizhou.gov.cn/home/gzyw/202401/t20240110_83513204.html。

（3）數據來源：htps：//www.nmg.gov.cn/zwyw/gzdt/msdt/202501/t20250121_2657126.html。

（4）具體計算方式：DID的回歸系數0.025乘以其標準差0.447，并除以Keypatent的均值0.098，即， 0.025×0.447/ 0.098×100%=11.4% 。

（5）首先，依據國家知識產權局的專利數據得到2011年至2016年中國上市企業專利授權年份與申請年份的年份差，計算專利從申請到授權的平均分布情況 W_s ；其次，運用以下公式進行調整：Padj=2 ，P_raw 為企業i在t年申請并且截至2022年底已獲得授權的發明專利數， W_s 為專利在申請之后第 s 年獲得授權的平均比例；最后，以結果 P_adj 測度企業關鍵核心技術突破的替代變量（Authorisation）。

參考文獻：

[1]陽鎮，王文娜.產業鏈鏈主視角下的關鍵核心技術突破：角色適配性、模式選擇與推進體系[J].改革，2024（9）：100-114.

[2]史丹，孫光林.數據要素與新質生產力：基于企業全要素生產率視角[J].經濟理論與經濟管理，2024，44（4）：12-30.

[3]元茹靜，鈔小靜.數字基礎設施建設對關鍵核心技術突破的影響—來自專利文本機器學習的經驗證據[J].經濟與管理研究，2024，45（11）：14-31.

[4]孫冰梅，尹西明，陳勁，等.同題共答：創新聯合體驅動關鍵核心技術持續突破的機制研究——以之江實驗室為例[J].南開管理評論，2024，27（6）：74-87.

[5]楊玉琪，王小華.數字化賦能與城市經濟高質量發展一基于國家級大數據綜合試驗區的準自然實驗[J」經濟問題探索，2023（12）：105-123.

[6]張自然，何競.數字經濟發展對城市碳排放的影響基于國家大數據綜合試驗區的準實驗[J].經濟問題探索，2024（6）：153-174.

[7]張朝華，徐鵬杰.數據要素集聚能提升城市經濟韌性嗎—來自大數據綜合試驗區建設的經驗證據[J].宏觀經濟研究，2024（6）：59-76.

[8]張慧，易金彪，徐建新.數字化變革如何影響城市創新—基于國家大數據綜合試驗區建設的經驗證據[J]科學學研究，2023，41（8）：1484-1494.

[9]沈坤榮，喬剛，譚睿鵬.國家級大數據綜合試驗區設立與就業增長[J].中國工業經濟，2024（12）：5-23.

[10]彭國柱，周湘蓮.數據要素配置與共同富裕：基于國家級大數據綜合試驗區的準自然實驗[J].經濟問題探索，2024（4）：87-102.

[11]王雅莉，侯林岐，朱金鶴.信任危機抑或信任契機：數字技術如何重塑社會信任？[J].財貿研究，2023，34（11）：14-28.

[12]ZHANG Y，MA S，YANG H，et al. A Big Data DrivenAnalytical Framework for Energy-intensive Manufactur-ing Industries[J].Journal of Cleaner Production，2018（197） ：57-72.

[13]孫偉增，毛寧，蘭峰，等.政策賦能、數字生態與企業數字化轉型——基于國家大數據綜合試驗區的準自然實驗[J].中國工業經濟，2023（9）：117-135.

[14]杜直前，趙春艷.大數據政策治理企業“脫實向虛”-基于國家級大數據綜合試驗區的準自然實驗[J].華東經濟管理，2024，38（5）：1-12.

[15]史丹，鄭玉.數據要素的賦能機制與企業全要素生產率提升———來自國家級大數據綜合試驗區的證據[J].改革，2024（11）：1-16.

[16]MULLER O，FAY M，VOMB J. The Effect of Big Dataand Analytics on Firm Performance：An EconometricAnalysis Considering Industry Characteristics[J].Jour-nal of Management Information Systems，2018，35（2）：488-509.

[17]安琪，馮啟良，方煒.合作網絡雙重嵌入與企業關鍵核心技術突破[J].科學學研究，2025，43（2）：394-405.

[18]馮啟良，安琪，方煒.企業融入全球創新網絡對關鍵核心技術創新的影響研究[J].科研管理，2025，46（1）：155-163.

[19]徐霞，趙明明，吳福象.企業技術網絡結構與關鍵核心技術創新速度——基于組合創新邏輯[J].中國工業經濟，2024（9）：100-117.

[20]FISCHER B，SCHAEFFER P，VONORTAS N，et al. QualityComesFirst：University-industry CollaborationasaSource of Academic Entrepreneurship in a DevelopingCountry[J]. The Journal of Technology Transfer，2018（43）：263-284.

[21]鄭世林，漢馨語，郭錫棟，等.國家戰略科技力量與企業關鍵核心技術突破——來自國家和省級重點實驗室的證據[J].中國工業經濟，2024（9）：62-80.

[22]師磊，陽鎮，錢貴明.數字產業集群政策與關鍵核心技術突破式創新[J].中國工業經濟，2025（1）：100-117.

[23]吳超鵬，嚴澤浩.政府基金引導與企業核心技術突破：機制與效應[J].經濟研究，2023，58（6）：137-154.

[24]LYYTINENK，YOO Y，JR R. Digital Product InnovationWithin Four Classes of Innovation Networks[J]. Informa-tion Systems Journal，2016，26（1） ：47-75.

[25]VIAL G. Understanding Digital Transformation：A ReviewandaResearch Agenda[J]. Journal of Strategic Informa-tion Systems，2019，28（2）：118-144

[26]李顯君，孟東暉，劉暐.核心技術微觀機理與突破路徑-以中國汽車AMT技術為例[J].中國軟科學，2018（8）：88-104.

[2]]趙生.新型數子基礎設施的孜不創新效應研宄[J」.統計研究，2022，39（4）：80-92.

[28]龔紅，丁夢夢，胡思源.“求同\"還是“存異”？技術足跡相似度、環境動態性與企業關鍵核心技術創新[J].南開管理評論，2025，28（4）：86-97.

[29]龐瑞芝，劉磊，張帥.數字化如何影響企業創新？—基于人力資本和交易成本傳導機制的視角[J].南開經濟研究，2023（2）：102-120.

[30]AKCIGIT U，LIU Q. The Role of Information in Innova-tion and Competition[J]. Journal of the European Eco-nomic Association，2016，14（4）：828-870.

[31]張羽飛，原長弘.產學研深度融合突破關鍵核心技術的演進研究[J].科學學研究，2022，40（5）：852-862.

[32]陳奉先，光云霞.關鍵核心技術能帶來更高的企業全要素生產率嗎？——基于語義文本和PSM-DID的實證考察[J].會計與經濟研究，2023，37（4）：134-155.

[33]吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現———來自股票流動性的經驗證據[J].管理世界，2021，37（7） ：130-144，10.

[34]袁維海，周健鵬.數字化轉型對企業新質生產力的影響[J].華東經濟管理，2024，38（12）：9-20.

[35]潘藝，張金昌.數字金融、融資水平與企業全要素生產率——基于A股和新三板制造業上市企業的實證研究[J].華東經濟管理，2023，37（11）：59-69.

[36]卞元超，白俊紅.全國統一大市場、地區技術多樣化與企業技術復雜度[J].數量經濟技術經濟研究，2024，41（6）：129-150.

[37]張同斌，劉文龍.留抵退稅改革、融資約束與企業產業鏈關聯[J].管理世界，2024，40（3）：94-115.

[38]楊壯，吳福象，龔恩澤.網絡基礎設施建設、資源配置效率與關鍵核心技術突破[J].山西財經大學學報，2023，45（8）：86-99.

[39]孫中原，竇倩，樓旭明，等.科技創新體系化能力助力關鍵核心技術突破的機理研究[J].科研管理，2024，45（5）：22-33.

[40]江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[41]王雄元，卜落凡.國際出口貿易與企業創新——基于“中歐班列”開通的準自然實驗研究[J].中國工業經濟，2019（10）：80-98.

[42]王杏芬，鄭佳.宏微觀視閾下政府環境補貼對環境績效的影響[J].華東經濟管理，2020，34（7）：18-27.

[43]石琦，肖淑芳，吳佳穎.股票期權及其要素設計與企業創新產出——基于風險承擔與業績激勵效應的研究[J].南開管理評論，2020，23（2）：27-38，62.

[44]劉錫祿，陳志軍，馬鵬程.信息技術背景CEO與企業數字化轉型[J].中國軟科學，2023（1）：134-144.

[45]劉斐然，胡立君，范小群.產學研合作如何影響企業的市場績效？[J].科研管理，2023，44（1）：155-163.

[責任編輯：夏 麗]