2026年宏观深度：新经济时代的“动态革新”——我国产业升级的赋能机制研究

引言：理论和模型基础

1.1 新经济定义

2016 年，在中国经济进入新常态，面临转型升级压力，需要培育新的增长动力的背景 下，“新经济”一词首次出现在 2016 年的《政府工作报告》中。“新经济”下的行业覆盖 一、二、三产业，不仅涵盖互联网、物联网、云计算等新兴服务业，也包括工业中的智能制 造、农业中的家庭农场等。举措方面，强调做大高技术产业、现代服务业等新兴产业集群， 打造动力强劲的新引擎。在随后多年的政府施政纲领以及国家重大战略中，“新经济”及其 相关领域一直被作为培育新动能、实现高质量发展的重要抓手，其定位也因政策语境变化而 呈现出不同侧重点。如二十届四中全会公报提出要“加快高水平科技自立自强，引领发展新 质生产力。抓住新一轮科技革命和产业变革历史机遇”，这与新经济的核心理念一脉相承。

1.2 新经济的理论背景

索洛增长模型和内生增长理论是现代经济增长理论中的两个核心框架，它们分别从不同视 角揭示了经济长期增长的源泉和机制。具体来看，索洛模型强调了外生技术进步的决定性作用， 而内生增长理论则打破资本边际产出递减的假设，论证经济增长是内生动力促进的结果。

新经济赋能产业升级的实证检验

为剖析我国产业结构升级的影响机制，本文依据经济理论构建多元回归计量模型。模型 参数估计使用 StataMP 18 软件完成，主要采用最小二乘法进行估计。

模型中各变量的定义、计算方法及经济含义如表 3 所示。为衡量产业升级（upgrade）， 本文借鉴并采用干春晖等（2011） 1提出的测度方法，即基于第一、二、三产业增加值的加 权进行计算。袁航（2021） 2与张新林（2025） 3等研究同样遵循此法，进一步验证了该测量 方法的有效性及其在相关研究领域的广泛接受度。本文的核心解释变量旨在捕捉驱动产业升 级的三大因素：产业高端化（tech）、经济社会数字化（data）与对外贸易技术升级（trade）。 此外，为控制其他潜在影响因素，本文引入一组控制变量，包括绿色转型发展动能（green）。 鉴于绿色产业综合指标的季度数据难以直接获取，本文依据数据可得性与指标代表性原则， 选用绿色债券发行额作为测度绿色金融发展与低碳转型进程的代理变量，并将其纳入控制变 量组。同时，模型还控制了反映内部需求、政府行为与外部资本的变量，即居民最终需求水 平（expen）、政府支出强度（gov）及外商直接投资水平（fdi），以更准确地识别核心解释 变量的净效应。

新经济赋能产业升级的多维机制

在理论模型的指引下，新经济推动产业升级主要依托三大路径：技术融合、要素创新与 组织变革。在系统比较中外实践与总结发展规律之前，清晰阐释这三条路径的内在逻辑与作 用机制，能为理解产业演进提供关键的分析框架。

技术变革：“创造性破坏”的动态过程

在技术发展层面，新经济的成长日益依赖于技术与产业的深度融合。大数据等技术因其 内生的广泛适用性，能够重组生产流程、模糊产业边界，进而通过“创造性破坏”推动产业 结构向高级化与合理化演进。“创造性破坏”理论（creative destruction）由经济学家约瑟 夫·熊彼特提出，他指出经济增长的本质并非平稳累积，而是借助新技术、新产业和新模式不 断冲击并替代旧有经济结构与社会形态的动态过程。在这一过程中，研发经费及其投入强度 已成为衡量国家科技创新能力的重要指标。以我国工业企业“十四五”期间的数据为例，2024 年 R&D 经费投入强度排名前十的行业均呈现上升态势。其中，铁路、船舶、航空航天和其 他运输设备制造业，以及医药制造业的投入强度分别较 2020 年提高 1.8 和 1.4 个百分点。 相反，排名后十行业的研发投入强度都在 1%以下，其中石油、煤炭及其他燃料加工业、烟 草制品业、燃气生产和供应业五年间的投入强度分别下降了 0.12、0.02 和 0.05 个百分点。 这一差异反映出“创造性破坏”的现实表现，即传统能源行业技术增长动力相对有限，而航 空航天、医药等高技术领域则展现出更强的创新活力，其所孕育的新动能正在不断重塑既有 的产业结构。

值得注意的是，在内生增长模型与熊彼特提出的“创造性破坏”理论的基础上，菲利普·阿 吉翁和彼得·豪伊特将熊彼特在《资本主义、社会主义与民主》中提出的“创造性破坏”概念 引入了实证模型，建构出“熊彼特内生增长模型”，从而将仅包括逻辑推演的思想模型转变 为可供指引实证研究的分析框架。两位经济学家也因此获得了 2025 年诺贝尔经济学奖，以表彰他们在创新驱动经济增长理论方面做出的贡献。从索洛模型强调技术进步是唯一的外生 驱动力，到内生增长理论将技术和知识内化为增长核心引擎，再到熊彼特以“创造性破坏” 刻画创新过程的动态本质，以及阿吉翁等人为此构建的实证分析框架，现代经济增长理论对 技术进步的认知经历了深刻的演变。这一演变不仅体现在理论层面，即技术进步从一种难以 言明的“剩余”要素，转变为具有正外部性和规模报酬递增特性的内生变量；也体现在方法 论层面，即技术进步的过程从宏观上的抽象概念，逐步发展为可微观度量、可实证检验的动 态机制，其“创造性”与“破坏性”的共生特质也得到了充分揭示。在中国发展新质生产力 的背景下，“创造性破坏”的过程预计将更为显著。阿吉翁所发展的“熊彼特范式”强调“创 新与知识传播是增长的核心”，并且“创新依赖于有效的激励与健全的产权保护”。这为政 策制定提供了关键参考，即在鼓励创新、接纳动态变化的同时，也需着力构建支持全面创新 的生态系统。

要素创新：效用递增标准下的资源配置

内生增长理论的一个核心洞见，是对索洛模型中资本边际产出递减假定的突破，转而强 调知识等生产要素所具有的收益递增特性。在新经济发展中的要素创新层面，知识、数据、 算力等新型生产要素的涌现，正是新质生产力区别于传统生产力的关键所在，它们正在驱动 劳动、资本等传统要素发生系统性变革。 劳动要素方面，国家全员劳动生产率是衡量劳动力投入产出效率的关键指标，其计算公 式为国内生产总值（GDP）与全部从业人员年平均人数之比。2001-2012 年，我国全员劳动 生产率保持高速增长，年复合增速 CAGR达 11.1%，各年增速多集中在 8%至 11%的区间内。 然而，2014-2024 年，CAGR 回落至 7.5%左右，各年增速多在 6%至 8%之间波动，显示出 劳动要素对经济增长的拉动作用有所放缓。值得注意的是，我国劳动力质量正在显著提升。 2023 年，我国新增劳动力平均受教育年限已提高至 14 年，接受高等教育的人口规模超过 2.5 亿，标志着我国正从人力资源大国向人力资本强国转变。随着人口素质的持续改善，我国传 统的人口数量优势正逐步转化为人才质量优势，为劳动生产率的持续提升奠定坚实基础。

资本要素方面，增量资本产出率（ICOR）作为衡量投资效率的核心指标，其经济含义 是每增加 1 元 GDP 所需投入的资本金额。ICOR 数值越高，表明单位产出增长所需的资本 投入越大，投资效率则越低。从变化趋势看，我国的 ICOR 指标自 2008 年前后起呈现波动 上升态势。2008 年我国 ICOR 约为 2.84，到 2023 年增加至 9.44。这一变化表明，创造同 等规模的 GDP 增量所需要的资本投入显著增加，反映出资本投入的边际产出效率呈现递减 趋势。近年来，以大规模设备更新和消费品以旧换新的“两新”政策为代表的措施，通过激 发市场需求和推动设备升级，旨在提升资本的使用效率。同时，围绕国家重大战略部署和民 生短板的“两重”项目，则致力于通过优化投资方向来改善资本配置。政策的协同发力有助 于引导资本流向更富效率的领域，从而提升资本要素的整体活力。 新经济引领下，原有生产函数将在物质资本和简单劳动力的基础上，增加具有更高经济 效益的新变量。全要素生产率（Total Factor Productivity, TFP）是衡量一个经济体将各类要 素投入转化为实际产出的综合效率的核心指标，它反映了除资本、劳动等有形要素投入贡献 之外，由技术进步、专业化生产、资源配置优化等无形因素所驱动的产出增长部分。根据 Our world in data 数据平台测算，2000-2023 年我国全要素生产率由 0.51%上升至 1.01%。 与同期美国、日本等发达经济体相比，我国全要素生产率增速相对较快，这一方面反映了我 国作为后发经济体在技术吸收、产业追赶和市场化改革进程中可能存在的“后发优势”，另 一方面也凸显出新经济发展模式下，要素创新性配置对全要素生产率提升的积极拉动。

具体来看，数据要素作为第五大生产要素，与土地、劳动力、资本、技术等传统要素相 比，具有非竞争性、非排他性、低成本复用等典型特征。其价值并不因使用频率增加而耗损， 反而随着数据规模的扩大、完整性的提升以及应用场景的丰富，展现出明显的边际成本递减 与边际收益递增特性。在宏观层面，国家工业信息安全发展研究中心在《中国数据要素市场 发展报告（2021—2022）》中，基于 Leontief 投入产出模型，测度了我国各行业数据要素 的产出弹性。结果显示，信息传输、软件和信息技术服务业的数据要素产出弹性达到 3.044， 意味着该行业数据投入每增加 1%，可带动产出提升约 3.044%，显示出较强的要素敏感性与 规模报酬递增属性。科学研究和技术服务业的产出弹性系数为 1.5699，同样符合数据要素的 边际收益递增规律。在微观层面，数据要素对企业绩效的提升作用同样显著。该报告指出， 通过推进数据驱动的生产流程优化与管理变革，企业平均可实现生产效率提升 42.8%，产品 研发周期缩短 15.33%，显示出数据要素在提质增效与加速创新方面的重要作用。

产业协同：集群发展的资源互补和优势整合

两部门模型是索洛模型的重要拓展，其核心突破在于放宽了“单一生产部门”的假设， 从而更贴近现实地揭示了技术进步的内在机制。该模型将经济划分为两个部门：制造业企业 负责生产用于消费和实物资本投资的产品与服务，而研究型大学则专注于生产“知识”这一 关键生产要素。在模型中，参数 u 表示投入大学的劳动力比例，(1-u)为投入制造业的劳动力 比例，E 为知识存量，知识增长函数 g(u)则反映知识积累对大学劳动力配置的依赖关系。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）