[摘要]面对严峻的气候变化形势，碳中和已成为发达国家甚至一些发展中国家的共同目标。进而，制造业绿色发展是世界各国的必然选择。数字经济的迅速发展为制造业绿色发展提供了一种重要途径。本文从数字经济与绿色制造的概念及特征出发，剖析了在数字技术发展不足背景下制造业绿色发展面临的诸多制约；在此基础上，将数字经济驱动制造业绿色发展的机理总结为：以系统性优化、降低试错成本和注重全生命周期资源利用促进设计绿色化，以智能洞察优化生产工艺流程和提升设备运行效率促进生产绿色化，以绿色溯源管理和供需信息精准匹配促进供应链绿色化，以智能识别节能空间和构建绿色回收体系促进使用及回收绿色化。因此，为加快推动数字经济与绿色制造的深度融合，需要从产品设计、工厂生产、供应链、产品使用及回收层面精准性政策进行引导与帮扶，完善数据标准体系建设，加大对数字经济领域基础科学与重要领域的关键共性技术的研发支持。
[关键词]数字经济；制造业；绿色发展
[基金项目]国家自然科学基金青年项目“大气污染、公众健康与经济增长：中国环境税路径选择研究”（项目编号:71803191）；国家社会科学基金重大招标项目“包容性绿色增长的理论与实践研究”（项目编号：19ZDA048）；国家自然科学基金专项项目“面向碳中和的中国经济转型模式构建研究”（项目编号：72140001）；国家社会科学基金重点项目“‘互联网+’背景下的中国制造业转型升级研究”（项目编号:16AJY011）；中国社会科学院登峰战略优势学科“产业经济学”项目。
一、引言
气候变化是人类面临的重大而紧迫的全球性挑战。联合国环境规划署指出，如果延续疫情前的经济模式，那么到本世纪末，全球气温升高3°C以上，远远超出《巴黎协定》所达成的温升幅度低于2℃并且努力争取控制在1.5℃以内的远景目标①。2020年，欧盟、日本和中国等先后承诺了碳中和的时间表。其中，制造业的低碳零碳转型已成为世界各国亟待解决且无法回避的重大问题。
①资料来源：UN Environmental Programme.Emissions Gap Report 2020，https://www.unep.org/emissions-gap-report-2020。
尽管中国已成为制造业第一大国，但“大而不强”问题突出，其高能耗、高排放的问题仍然是制造业发展面临的严峻挑战。根据国际能源署数据库统计，中国制造业碳排放量处于高位平台波动期，自2014年持续增加到第一个平台期峰值30.82亿吨后，经历了短暂下降，自2017年开始回弹至2019年的27.77亿吨（如图1所示）。对于我国而言，碳达峰不是难点，关键在于压缩高位平台期，加速走向零排放。[1]因此，推动制造业绿色发展是碳中和目标下我国迫切需要解决的关键问题。伴随着新一代信息技术快速成长，数字经济得到迅速发展，成为促进制造业绿色发展的关键抓手。②史丹（2021）[2]指出，基于大数据技术应用和数据要素的投入，可以有效进行生产和消费过程的系统优化，实现经济全链条的绿色发展。数字经济与绿色制造的同频共振必然成为应对全球气候变化的重要发力点，也将成为抢占世界科技前沿高地、重塑制造业竞争力的重要手段。
图12000—2019年中国制造业碳排放量
资料来源：国际能源署数据库。
②根据中国信息通信研究院《全球数字经济新图景（2020年）》和《中国数字经济发展白皮书（2020年）》测算，2019年全球数字经济占GDP比重达到41.5%，同比增长5.4%，高于同期GDP名义增速3.1个百分点；中国数字经济增加值规模占GDP的36.2%。
基于此，推进制造业绿色发展究竟面临哪些困境？数字经济如何破解这些困境？这对于我国建设现代化经济体系、实现绿色低碳发展而言具有至关重要的理论和现实意义。针对这一关键问题，本文在分析制造业绿色发展主要制约的基础上，剖析了数字经济破解这些制约的机理，有针对性地提出充分利用数字化技术促进制造业绿色发展的政策建议，为数字化与绿色制造的深度融合提供有益的政策指导。
二、文献综述
（一）有关数字经济的研究现状
“数字经济”概念最早是1996年由Tapscott[3]提出的，首次明确信息流是以数字方式而非实体方式呈现的。伴随着以云计算、大数据、物联网和人工智能为核心的新一轮科技革命和产业变革在全球范围内蓬勃兴起，数字经济引起了各界的高度关注。2016年，G20杭州峰会通过的《二十国数字经济发展与合作倡议》中明确，数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。③基于复杂经济学和技术经济范式理论，杨青峰和李晓华（2021）[4]进一步将数字经济重新定义为：以智能技术群为核心驱动力、以网络连接为基础、以数据为生产要素，具有技术经济范式转换内涵的各种经济活动的综合。从实践活动本身出发，数字经济包括数字产业化和产业数字化两部分，前者侧重于软件、大数据等传统信息产业，后者则强调实体经济与数字化技术的深度融合与应用。[5]本文研究的出发点是后者的制造业数字化对绿色发展的影响。
③《二十国集团数字经济发展与合作倡议》，2016年9月20日，http://www.g20chn.org/hywj/dncgwj/201609/t20160920_3474.html。
通过对国内外学者[6-12]有关数字经济特征的讨论进行全面梳理后，可以发现，从生产要素来看，数据作为信息的载体，已成为除土地、劳动、资本、技术以外的重要生产要素，具有低成本、大规模可得、非竞争性、低复制成本、非排他性/部分排他性、外部性以及即时性等特征；从商业模式来看，作为一种新型资源配置方式，平台经济通过供需双方精准对接来重塑原有产业体系，促进传统产业向柔性化、精准化和定制化方向变革；从产业组织来看，数字经济通过信息的获取和处理实现多样化，为产业大规模协同发展提供技术支撑，从而呈现出范围报酬递增模式；从生产模式来看，基于数字化技术的通用目的性，数字经济与实体经济的融合过程会产生技术融合创新和产业融合创新，从而成为产业振兴的助推器。
（二）有关数字经济影响绿色发展的研究现状
有关数字经济对绿色发展的影响，大多数文献普遍认为存在促进作用。互联网信息技术通过经济增长、研发投资、人力资本、金融发展以及产业结构升级显著降低了能源消费强度，通过降低生产成本、能源消费强度以及可再生能源成本从而减少碳排放[13-14]；同时，互联网发展对地区节能减排效率的影响具有显著的正溢出效应。[15]大数据在资源整合、科学决策、公共服务、环境监管等方面起到重要作用，从而有利于促进产业绿色转型、培育绿色需求。[16]“区块链+生产”平台通过溯源机制、智能合约机制、P2P机制以及数字孪生机制能够有效降低企业绿色生产的成本、提高绿色产品的收益，从而激励企业进行绿色生产。[17]数字经济推动经济集聚和优化区域金融结构，在促进绿色技术溢出效应的同时为绿色创新提供优越的金融环境，进而有效降低了污染排放。[18]然而，也有文献认为中国数字经济与经济绿色化之间符合“倒U型”关系，其主要原因是数字经济引致的收入效应和对电力消费依赖性偏高。[19]
有关数字经济对制造业绿色发展的影响，普遍观点认为数字经济显著促进了制造业绿色发展。其中，有文献发现数字经济能够从整体上显著提升中国工业绿色全要素生产率，还存在以地区行业规模为门槛变量的单一门槛效应，呈现出边际递增的非线性特点。[20]从作用机制上看，互联网发展通过企业创新能力、企业生产、产业结构水平和外部监督力度来促进工业绿色全要素生产率提升[21]；区块链通过数字化全要素生产率、绿色技术创新和能源利用效率三条路径间接促进制造业提高治污技术，实现绿色转型[22]。也有文献指出，智能制造能够带来“技术促进效应”和“成本降低效应”，从而促进绿色技术创新。[23]还有文献发现，基于大数据驱动的预测性生产计划，能够提高能源密集型制造业的能源和资源效率。[24]
显然，上述研究已从宏观理论和实证检验角度涉及到部分数字化技术下的产业绿色转型机理，但均未结合绿色制造内涵对其中的机理进行全面深入分析。本文结合绿色制造和数字经济的概念与特征，全面分析数字经济破解制造业绿色发展制约因素的机理，并就数字经济助力绿色制造提出对策与思路。这一研究丰富了数字经济背景下推进绿色制造的理论探讨，也为中国制造业绿色发展提供了更具有针对性的决策支持。
三、制造业绿色发展的主要制约
从实践上讲，绿色制造有两层内涵，狭义上强调在物料转化过程中，保护环境，最有效利用有限的资源；广义上强调在构思、设计、制造、装配、运输、销售、售后服务及产品报废后回收的整个生命周期中最小化资源能源的浪费，力求节能降耗、减少对生态环境的污染和破坏。伴随着全球生态环境的加剧恶化，世界各国所倡导的绿色制造模式往往属于广义层面内涵。换句话说，制造业绿色发展势必会涉及到产品设计、工厂生产、上下游供应链以及产品使用与回收四个关键环节。在数字技术不发达的情况下，这些环节的绿色化面临着不少难题。
（一）产品设计环节
1.产品设计只停留在单项技术工艺或材料的改进，难以实现系统优化。制造业设计具有子系统间的耦合性，在某一项绿色指标提升时，往往会影响到产品的安全性、功能性和经济性等其他重要指标。例如，为了选择更先进的金属或塑料材料来减轻机械重量时，部件或组件的安全性会受到影响；设计可循环重复利用的绿色包装时，需要兼顾重量轻、不易损坏、可塑性强等特征。因此，为避免各子系统目标相悖问题，绿色产品设计要求各系统之间具有较强的耦合性。在传统研制方式下，这种系统性优化实现非常困难。
2.产品样机测试验证的试错成本高，开发周期长。大量产品设计开发都是不断试错、不断调试的过程。在传统的物理主线研制方式下，产品设计依靠设计蓝图和生产工艺造出实物产品，反复实验、测试，来满足产品的功能和性能的要求。这会造成新产品开发过程中大量的不必要资源和能源浪费，试错成本居高不下。尤其是绿色产品涉及到原材（零部件）使用的可持续性、可降解和资源节约，还要关注生产和使用过程中的能源消耗和污染排放以及产品的健康安全性和质量性能。这需要材料学、机械工程学、电器工程学、流体力学、电子学等多个学科领域专家的协同并行研发，倘若仅仅依靠传统研制方式，则研发效率极低。
3.绿色化设计难以贯穿产品的全生命周期。绿色产品的设计需要获取原材料选用、生产、销售、使用、回收、处理等外部大批量信息数据。在传统的信息系统处理路径下，单纯依靠人工调研与笔头记录的方式，难以收集生产设备数据、机器数据以及日志数据，无法精准到各环节对绿色产品设计的实际需求。况且，这些需求又具有时变性和客户差异性，而传统产品设计方案仅仅是大批量产，难以为客户提供定制化的个性绿色服务，节能减排的可操作性十分有限。
（二）工厂生产环节
1.良品率低，造成大量的物料与能源浪费。在传统的工业系统中，机器、设备、人员之间是彼此独立的。面对大规模的量产车间，依靠人工的抽样检测往往会造成检测效率低且无法实时、全面检测，尤其对于流程工业而言，生产过程涉及物理化学反应，机理复杂；生产过程连续，不能停顿，任何工序出现问题必然影响整个生产流程和最终产品质量。当企业和设备之间存在着信息沟通和共享的障碍时，关于生产过程中产生的海量信息，人工无法做到及时处理和价值分析。同时，人工操作多依赖于职业素养，不能精确感知决策，难以满足动态全局的决策要求。最终，产品质量会参差不齐，良品率较低，诸如芯片等生产工艺极为复杂的行业更是如此。
2.设备运行效率低，物料能耗排污偏高。一方面，工厂设备主要依赖于人工的操作、检测和检修，生产效率受限于人工效率，机械设备缺乏健康监测和故障预警系统，长期处于亚健康状态运行，甚至游走于故障边缘，得不到及时维护，直接缩短运行周期。这种外在约束条件下不可避免地会出现效率损失。当企业面临大规模订单时，单靠人工经验很难发现哪台机床处于非满负荷工作状态，也很难预测机床的故障发生。另一方面，经过多年的发展，采用传统的工艺和工控手段提升产能、降低能耗已趋于行业极限，在无法监测所有流程的能耗排放数据前提下进一步优化关键参数是行不通的。
（三）上下游供应链环节
供应链上下游企业间存在信息孤岛，难以实现产品全生命周期绿色溯源管理。为了共同构建绿色供应链，供应链上下游企业都要收集获取设计、采购、生产、回收等过程的数据，披露物料环保、污染预防、节能减排、违规情况等信息，而且这些信息需要在生产企业、供应商、回收商以及政府部门、消费者之间实现实时共享。倘若仅仅依靠传统的人工收集整理，供应链上各环节的绿色信息必然是难以收集的。即使收集到这些信息，如何在企业上下游间，以及与政府、消费者间交流信息也是需要破解的难题。
供应链的信息孤岛还会引起物料和产成品库存积压，造成不必要浪费，加重生产成本。对于离散制造业而言，其最终产品是千姿百态的，需要与个性化的、在时间上和空间上分散的需求进行匹配。在其制造过程中，虽然常常也有多品类物料清单的限制，但几款相似产品物料清单并不必完全一致，极大地增加了管理复杂度。同时，由于离散制造业往往需要生产更多种类/型号的产品来贴近市场需求偏好，但还是以企业为出发点并指向用户，即生产厂家直接对消费者模式或生产厂家通过中间商连接消费者模式，无法将个性化定制付诸实践。[25]因此，这种松散无序的制造过程极易造成物料和产成品的浪费。流程型制造业的产品虽然以大宗、标准化产品为主，但同样也面临着物料和产成品的库存积压风险。
（四）使用和回收环节
1.设备运行数据收集困难，难以深度挖掘节能潜力。设备能效标识数值往往是在标准环境和规范操作下测试得来的，但实际使用过程中的耗能量与用户使用习惯、温度、噪音、配套设备等高度相关。在传统的信息处理路径下，单纯依靠回访的形式，难以收集生产设备数据、机器数据以及日志数据，无法监测用户设备的异常运行、空转状况以及所有时间段能源消耗量，进而不能提供精准的节能分析与指导，造成粗放式能耗管理。
2.再生资源供求渠道不畅，信息认证缺失，使得资源得不到有效循环利用。在绿色回收体系中，废旧产品需要经过回收、拆解与再利用等工序，从供求层面需要实现在使用方企业、消费者、回收企业、拆解企业、再制造企业间的有效信息流通，而且再生资源的品类多种多样，每一类别产品的特性、原始用途、产生时间等信息决定着资源循环利用效率，从而要求其原材料提供商、生产商、销售商之间也要打破信息孤岛。因此，在传统的物理世界中，这些资源回收利用过程中的信息不对称问题难以解决，进而无法充分挖掘节能减排潜力。
四、数字经济助力制造业绿色发展的机理
以数据为关键生产要素的数字经济对设计、生产、供应链以及使用和回收环节的绿色化发展带来了重大机遇，有助于优化生产工艺，提高生产效率，降低能源消耗和碳排放。下表罗列了数字化技术在绿色制造领域的应用场景。图2梳理了数字经济推动制造业绿色发展的机理。
表数字化技术在绿色制造领域的应用
资料来源：Sartal et al.[26]。
图2数字经济推动制造业绿色发展的机理
（一）产品设计的绿色化
随着数字化技术的进步，一件产品在具有物理形态的同时也具备了虚拟和数字的形态，成为物理实体与数字虚体的组合，即数字孪生（Digital Twin）。[7]从理论上，数据要素将虚拟产品和实体产品的信息连接在一起，从而实现与传统生产要素的虚实交融。
在绿色产品系统优化方面，企业可以利用数字孪生技术仿真模拟各种设计方案在生产和使用过程中的可持续性、可降解性、节能减排性、功能性以及产品的健康安全和质量性能等。值得说明的是，绿色产品的设计不仅仅是产品本身的优化，还要结合产品的外部环境和内部原材料构成等特征维度，这决定了数字孪生的关系并不是简单的一虚一实的对应关系，有可能是零对零、一对零、零对一、一对一、一对多、多对一、多对多。如果把整个研发过程细化，那么不但有上下关联关系，还有前后关联关系。比如：传统机械结构的绿色改进需要考虑静力、动力、强度、疲劳等性能。因此，产业形态虚拟化大大提升了知识创新效率，促进制造业快速实现绿色产品的系统性优化和持续升级。法国达索（Dassault）公司推出了3D Experience平台，利用数字孪生技术使得战斗机降低资源浪费25%，质量改进提升15%。在汽车设计过程中，为了满足节能减排的要求，达索（Dassault）帮助包括宝马、特斯拉、丰田在内的汽车公司利用其CAD和CAE平台3D Experience平台，准确进行空气动力学、流体声学等方面的仿真与验证，通过数据分析与仿真大幅度地提升外形设计的流线性，减少空气阻力。
在降低试错成本方面，人工智能、3D打印、工业软件平台等发挥着重要作用。其一，基于深度学习等人工智能方法能够充分发挥数据要素的范围经济效应，利用历史数据自动校准增强数字孪生模拟准确性，或自动筛选文献库提供最新的相关绿色技术参考，从而突破了时间与空间的限制，最终在提升产品性能与可靠性的同时缩短研制周期、降低生产成本、提升绿色环保性能。其二，采用3D打印制作设计原型，可以大大缩短研发周期，降低试错成本，减少浪费。比如，传统的数控加工技术需要接近一周的时间制造所设计的组件，而3D打印仅需要几个小时。尤其当设计产品是由几部分组件彼此组合而成，且对精度要求相对较高的时候，3D打印技术的快速和高效优势更为突出。以福特（Ford）为例，在该公司的大部分历史中，如果工程师想测试一款原型发动机，他们就必须做出全新的模具。这个过程通常需要6个月时间，花费数十万美元。现在，福特可以用3D打印来生产模具，只需要4天，成本仅为4000美元。其三，借助数字化工业软件设计平台，企业可以实现网络化协同设计和柔性化生产，以大批量生产的成本和效率实现用户个性化绿色需求的快速响应。多个领域研发人员在单一数据源、统一平台上协同工作，并行评估和检查，大幅提高了研发和生产效率。当下，很多制造业产品都是全球化网络分工设计生产。比如：波音787，全身的零件来自17个国家，同步迭代。同时，企业还可以结合用户交互反馈的信息，及时在数字化工业软件平台上改进优化产品设计。
此外，数字化技术促进跨界数据融合，有助于从源头设计上注重全生命周期的资源利用最大化、环境影响最小化。因此，在数字化技术支撑下，信息的搜索成本、传输成本和追踪成本会大幅下降[11]，原材料选用、产品生产、销售、使用、回收、再制造等环节间数据融通的壁垒逐步打破，实现了跨产业互联和从产品研发设计到用户使用的全生命周期数据循环，进而基于这些数据资源的提取，通过数据处理分析来优化改进绿色产品的设计。基于物联网、区块链和大数据技术，设计者能够通过产品用料、运维能耗、回收利用收益等全流程数据的监控和分析来实时感知和预测产品绿色性能优化的问题，精准定位痛点，并通过知识图谱等技术实现设计方案与企业实际需求的最优匹配，从源头上改进绿色产品的设计，促进产品全生命周期的绿色化。华为终端围绕核心产品，建立完善产品全生命周期资源环境影响数据库，实施了收集产品水足迹、碳足迹评价标准，利用评价结果优化产品设计与制造方案，如在试点期间累计减少含卤素印制电路板（PCB）使用量约1886吨，减少聚氯乙烯使用量约2686吨；推行绿色包装设计，累计减少二氧化碳排放量约3万吨。④
④资料来源：https://www.h2o-china.com/news/288276.html。
（二）生产的绿色化
随着工业互联网平台的发展，基于传感器集中收集的海量数据，通过云计算、物联网、人工智能等信息技术对智能设备赋能，实现人与设备、设备与设备的互联互通，促进工业自动化控制、智能化管理、精益化生产，有助于优化生产工艺参数，从而在提升良品率的同时最大限度地节约资源、降低能耗。这是制造业智能化改造最核心的痛点，也是发挥“中国制造1%”威力的所在，即通过对生产过程中数据的分析，找到有关良品率和能耗等维度的最优生产工艺参数配置。例如，重庆某光电厂生产LED晶圆等产品，之前缺少整体设备及数据分析体系，同时缺乏可行的数据采集手段，现场每小时1万颗的生产流水数量，通过4K摄像头进行图像全检远远超出其现有网络的负荷和能力，航天云网通过应用5G网络+工业互联网平台，实时采集工厂级、现场车间级生产情况、故障情况、设备情况等，将数据分析统计结果反馈给对应人员并应用5G特性实现设备的反控等功能，为提升生产管控能力提供有效支撑，规避人工经验值导致产品质量参差不齐，实现良品率提升5.5%。阿里云ET工业大脑为协鑫光伏0.2mm硅片生产优化生产工艺，改进了60个关键参数，使得良品率增加了一个百分点。同时，智能传感器能够即时监测所有的生产流程，当发现能耗的异常或峰值时能够迅速做出反应，通过云计算找出优化能源消耗的节点，运用数字孪生技术模拟仿真，从而反馈到物理实体设备中。宾利汽车（Bentley Motors）针对其工厂锅炉和压缩空气系统的能源消耗数据研发出一套能源管理系统，能够为每辆车的生产流程减少了2/3的能源消耗，为整个工厂减少了14%的能源消耗。
数字化技术及其利用带来的万物互联、数据成为生产要素、智能无处不在等特征为智能化生产管理、提升设备运行效率与能源资源利用率拓宽了新空间。正如蔡跃洲和马文君（2021）[10]指出的，数据要素内在有效信息的提取和利用能够降低企业运行的不确定性，是数据要素实现效率提升的源泉。通过对机器和物料智能化赋能，工业互联网平台可以快速判断各个设备的工作状况，对生产物料自动调整，同时对故障设备自动下线，确保每台设备处于满负荷工作状态，大幅度提升生产效率。不仅如此，基于大数据和人工智能算法，企业还可以及时发现正常运行中的参数异常，预先发现问题，通过网络远程控制实现预防性维护。GE公司管理的数字化风险采用这样的技术，提高20%的效率。
（三）供应链的绿色化
绿色供应链的构建要求实现产品全生命周期的绿色溯源管理。在物联网和大数据等技术支持下，企业能够将产品的生产、运输、销售全流程的能耗与排放数据可视化；运用大数据技术能够实现供应链各个环节的能源消耗、污染物和温室气体排放的统计、监测、分析、报告等功能，实现碳核算、碳认证，从而辅助提供碳排放报告收集、碳排放核查、配额分配等工作，从而为碳排放交易市场机制的健全奠定数据基础；实时收集上下游企业的物料环保、污染预防、节能减排、违规情况等信息，有效解决供应链相关信息披露不充分、不及时的难题，为实施绿色伙伴式供应商管理、优先纳入合格供应商提供有力的决策支撑，极大地减少信息不对称，降低信息沟通成本，有利于促进供应链上中下游、大中小企业深度脱碳；同时，跨企业、跨行业、跨地域的信息孤岛被打破，云计算系统能够高效测算出产品的全生命周期碳排放量，有助于以碳标签的形式认证绿色环保产品。未来消费者对低碳产品的偏好度将不断攀升[27]，碳标签的实施会以更便利的方式增强可辨识性，促进绿色采购与绿色投资。
数字化技术与供应链的融合，将更清晰地把握库存量、订单完成率、物料及产品配送情况等内容，进而提高反应速度、降低成本、优化库存。从理论上讲，数字经济会带来以数据信息为基础的新模式，优化资源配置，促进供需信息精准匹配。[28]从实践来看，随着数字化技术打通数据壁垒后，企业能够运用大数据、云计算和人工智能等技术实现精细化库存管理和个性化定制，使得浪费最小化。一方面，通过工业互联网平台对流程制造业设备的赋能，人和设备、设备和物料、人和物料、物料与产品之间建立起无障碍沟通和调配，甚至将订单系统直接与生产系统、供应链管理系统无缝衔接，既有助于减少库存浪费，又会降低因供应链滞后造成的生产宕机能耗损失。另一方面，数字化技术能够促进企业与用户之间实现数据的实时传输，满足规模化个性化定制需求，避免大规模盲目生产造成资源浪费。在大数据、人工智能等软技术和智能传感器、物联网等硬技术的支撑下，制造系统将根据客户需求智能化管理供应链和服务链，高效率地提供与市场需求相匹配的产品/服务，使生产流程真正转变为以用户为起点，从用户的真实需求出发组织研发、生产、交付。[8]尤其对于离散制造业而言，有很大比例是多品种小批量的个性化定制需求，这种精准化生产管理模式至关重要。同时，3D打印技术使企业制造更具柔性，能够满足小批量生产高效、低成本、时间短的要求，并使废料最小化，减少生产过程中的能源消耗与污染排放。截至2019年底，波音已在其商用和国防飞机上使用了7万个3D打印部件。随着技术的成熟和广泛应用，3D打印将成为适应个性化需求、减少资源浪费和碳排放的重要工具。
（四）产品使用和回收的绿色化
依托于物联网、云计算等数字化技术，企业能够充分挖掘产品使用过程中的节能潜力。通过在线监测设备运行能耗，实施掌握能耗水平和能源使用效率，实现数据可视化；基于所采集的海量能耗数据进行大数据智能分析，识别节能环节及其空间。GE公司航空大数据分析与数字化解决方案部门综合了多项飞行数据，通过跟踪和比对机队每一飞行阶段的油耗情况，进行深入的数据解析得到节油点，建立和设计一整套可持续的高效燃油利用方案，并进行持续改进。
构建从原料采购到产品回收处理全过程的产业链闭环系统是构建绿色回收体系的重要内容。再生资源循环利用具有巨大的节能减排效果。例如，与传统电解铝工艺相比，循环铝工艺会节能95%的能源，从而避免了很大部分碳排放。数字化技术能够打破产业之间、行业之间的信息壁垒，实现从原材料提供、生产、使用、回收、物流、资源再利用等端端相通，实时监测一系列全生命周期活动，有效解决资源回收利用过程中的信息不对称问题，有利于提高产品回收利用率，促进绿色回收体系的建立，最终实现废弃物零填埋。例如，钢铁生产企业通过不同行业的循环链接可以使单纯的钢铁产品制造功能向钢铁产品制造功能-能源转换功能-废弃物处理消纳功能的转变，形成以钢铁企业为中心的电厂、水泥厂、制造业、电子工业、肥料厂、建筑材料厂、硫酸厂为一体的工业生态链，实现循环绿色发展。例如，欧盟基于数字化技术构建了循环塑料联盟，注重从市场中二次原材料和副产品中获益，形成价值链之间的深度合作。
五、研究结论与政策建议
（一）研究结论
从全球经济发展来看，伴随着以云计算、大数据、物联网和人工智能为核心的新一轮科技革命和产业变革以及碳中和的刚性约束，数字化与绿色化成为当前经济复苏的重要特征。制造业作为国民经济的重要支柱产业，数字经济对其绿色发展提供了重要动力。①在传统信息技术不足的背景下，制造业绿色发展面临着诸多制约。就产品设计而言，只停留在单项技术工艺或材料的改进，难以实现系统优化；样机测试验证试错成本高，开发周期长；设计难以贯穿产品的全生命周期。就工厂生产而言，良品率低，造成大量的物料与能源浪费；设备运行效率低，物料能耗排污偏高。就供应链构建而言，上下游企业间存在信息孤岛，难以实现产品全生命周期的绿色溯源管理；这种信息孤岛还会引起物料和产成品库存积压，造成不必要浪费，加重生产成本。就使用和回收而言，设备运行数据收集困难，难以深度挖掘节能潜力；再生资源供求渠道不畅，信息认证缺失，使得资源得不到有效循环利用。②面对上述主要制约，数字经济能够有效驱动制造业的绿色发展。这具体表现为：在设计绿色化方面，数字经济能够促进系统性优化，降低试错成本，并从源头设计上注重全生命周期的绿色低碳；在生产绿色化方面，能够以智能化洞察优化生产工艺流程，提升设备运行效率；在供应链绿色化方面，能够实现绿色溯源管理、供需信息精准匹配；在使用和回收绿色化方面，能够充分挖掘产品使用过程中的节能潜力，构建从原料采购到产品回收处理全过程的产业链闭环系统。
（二）政策建议
基于上文的分析，本文认为，数字经济成为制造业绿色发展的重要动力。以数字化转型驱动生产方式变革，采用新一代信息技术提升能源、资源、环境管理水平，赋能绿色制造。为此，加快两者的深度融合需要政府从以下几个方面给予支持：
1.积极引导和大力支持设计绿色化、生产绿色化、供应链绿色化、使用和回收绿色化与数字经济的深度融合。深化产品设计、生产制造、供应链管理、产品使用及回收等环节的数字化应用，加快人工智能、物联网、云计算、数字孪生、区块链等数字化技术在绿色制造领域的应用。面向重点行业领域探索典型应用场景，开发和推广平台化、组件化的工业互联网行业系统解决绿色制造方案。鼓励各地建立完善企业上云公共服务平台，促进云服务商和生产企业供需对接。无论在产品设计、生产、上下游供应链还是使用和回收上，充分挖掘数字经济对制造业绿色发展的赋能潜力。比如，在产品设计上，打造面向产品全生命周期的数字孪生系统，以数据驱动提升制造业绿色低碳技术创新、制造和运用服务水平，侧重于系统性优化，降低试错成本，从源头上注重全生命周期绿色；在工厂生产上，推动制造过程的关键工艺装备感知和控制系统、过程多目标优化、经营决策优化等，实现生产过程物质流、能源流等信息采集监控、智能分析和精细管理，侧重于智能化洞察；在供应链打造上，加强对产品全生命周期数据的智能化采集、管理与应用，侧重于绿色溯源管理与供需信息精准匹配；在产品使用和回收上，采用物联网、大数据等信息化手段开展信息采集、数据分析、流向监测、财务管理，侧重于智能化挖掘使用过程中的节能潜力、构建绿色回收体系。积极引导制造业细分环节的数字化与绿色化协同转型，并在税收优惠减免、金融信贷扶持等方面适当给予倾斜，以最大程度地减少浪费，推动资源能源的优化使用和延长产品的寿命，实现废弃物零填埋。此外，积极组织示范遴选与宣传推广，引导网络巨头利用自身的云计算和人工智能等优势提供专业化的绿色服务，鼓励行业龙头以数字化转型实现绿色低碳循环发展，进而树立标杆，示范带动中小企业转型升级。
2.完善数据标准体系建设，建立绿色低碳基础数据平台。在数字经济时代，数据成为新的关键生产要素。只有打破产业间、地区间、经济主体间的数据资源壁垒，才能深度挖掘数字资源价值，有助于实现制造业全生命周期的绿色溯源管理以及绿色回收体系的建成。着力推动公共数据开放共享，从顶层设计上统一数据的格式标准、质量标准、共享交换技术标准等，加快制定涵盖能源、资源、碳排放、污染物排放等数据信息的绿色低碳基础数据标准；分类、分级、安全、有序开放公共数据，消除政府管理部门与企业之间的数据交流壁垒，实现公共和企业间数据资源共享；完善数据交易标准，要在数据采集、传输、存储、使用等环节明确信息安全的边界和具体要求，消除企业对其大数据分享引发商业机密泄密、降低对竞争优势的担忧，并要统一数据交易的定价制度等，促进企业间数据的连接与交易共享；分行业建立产品全生命周期绿色低碳基础数据平台，统筹绿色低碳基础数据和工业大数据资源，建立数据共享机制，推动数据汇聚、共享和应用。通过对这些数据资源的整合、处理和深度挖掘，为制造业的绿色产品优化设计、绿色工厂生产的供需匹配、绿色循环体系的搭建以及绿色园区的智能化节能等数字化技术应用提供有力支撑。
3.加大对工业互联网关键共性技术以及基础理论研究的研发支持。在数字经济时代，以人工智能、云计算、物联网为代表的数字化技术为绿色产品的研发效率提升、绿色工厂的智能化生产以及绿色园区的智能微电网发挥着关键作用。因此，对于底层操作系统、高性能芯片、基础工业软件、智能传感器等领域关键共性技术以及脑科学、量子科学等基础理论研究应给予较大力度的科研投入支持，加强“政产学研用金”协作，加快突破数字领域在制造业应用的技术瓶颈，从技术创新层面深入挖掘数字化技术赋能绿色制造的潜力。加快人才队伍培养，加快建立多层次、体系化、高水平的数字化人才队伍，打造产学研融合的人才培养模式，鼓励企业创新激励机制，充分激发人力资本的创新潜能。
参考文献
[1]潘家华,廖茂林,陈素梅.碳中和:中国能走多快?[J].改革,2021,(7):1-13.
[2]史丹.新发展阶段走好新型工业化之路[N].经济日报,2021-04-09.
[3]Tapscott D..The Digital Economy:Promise and Peril in the Age of Networked Intelligence[M].New York:McGraw-Hill,1996.
[4]杨青峰,李晓华.数字经济的技术经济范式结构､制约因素及发展策略[J].湖北大学学报(哲学社会科学版),2021,(1):126-136.
[5]肖旭,戚聿东.产业数字化转型的价值维度与理论逻辑[J].改革,2019,(8):61-70.
[6]祝合良,王春娟.“双循环”新发展格局战略背景下产业数字化转型:理论与对策[J].财贸经济,2021,(3):14-27.
[7]李晓华.数字经济新特征与数字经济新动能的形成机制[J].改革,2019,(11):40-51.
[8]左鹏飞,姜奇平,陈静.高质量发展视角下的数字经济与经济增长[J].财经问题研究,2021,(9):19-27.
[9]蔡跃洲,马文君.数据要素对高质量发展影响与数据流动制约[J].数量经济技术经济研究,2021,(3):64-83.
[10]OECD..Data-Driven Innovation for Growth and Well-being:Interim Synthesis Report[R].Paris:OECD Publishing,2014.
[11]Goldfarb A.,Tucker C..Digital Economics[J].Journal of Economic Literature,2019,57(1):3-43.
[12]郑江淮,张睿,陈英武.数字化转型如何助力构建新发展格局——基于新旧动能转换的视角[J].China Economist,2021,(3):2-23.
[13]Ren S.,Hao Y.,Xu L.,et al.Digitalization and Energy:How does Internet Development Affect China's Energy Consumption?[J].Energy Economics,2021,(98):105220.
[14]Moyer J.D.,Hughes B.B..ICTs:Do They Contribute to Increased Carbon Emissions?[J].Technological Forecasting&Social Change,2012,79(5):919-931.
[15]Wu H.,Xue Y.,Hao Y.,et al.How does Internet Development Affect Energy-saving and Emission Reduction?Evidence from China[J].Energy Economics,2021,(103):105577.
[16]许宪春,任雪,常子豪.大数据与绿色发展[J].中国工业经济,2019,(4):5-22.149
[17]林木西,张紫薇.“区块链+生产”推动企业绿色生产——对政府之手的新思考[J].经济学动态,2019,(5):42-56.
[18]韦施威,杜金岷,潘爽.数字经济如何促进绿色创新?——来自中国城市的经验证据[J].财经论丛,2022,(11):10-20.
[19]樊轶侠,徐昊.中国数字经济发展能带来经济绿色化吗?——来自我国省际面板数据的经验证据[J].经济问题探索,2021,(9):15-29.
[20]程文先,钱学锋.数字经济与中国工业绿色全要素生产率增长[J].经济问题探索,2021,(8):124-140.
[21]卢福财,刘林英,徐远彬.互联网发展对工业绿色全要素生产率的影响研究[J].江西社会科学,2021,(1):39-50+254-255.
[22]李少林,冯亚飞.区块链如何推动制造业绿色发展?——基于环保重点城市的准自然实验[J].中国环境科学,2021,(3):1455-1466.
[23]Yang H.,Li L.,Liu Y..The Effect of Manufacturing Intelligence on Green Innovation Performance in China[J].Technological Forecasting and Social Change,2022,(178):121569.
[24]Ma S.,Zhang Y.,Lv J.,et al.Big Data Driven Predictive Production Planning for Energy-intensive Manufacturing Industries[J].Energy,2020,(211):118320.
[25]李晓华.“新经济”与产业的颠覆性变革[J].财经问题研究,2018,(3):3-13.
[26]Sartal A.,Bellas R.,Mejías A.,et al.The Sustainable Manufacturing Concept,Evolution and Opportunities within Industry 4.0:A Literature Review[J].Advances in Mechanical Engineering,2020,12(5):1-17.
[27]唐金环,戢守峰,姜力文,等.顾客有限“碳行为”偏好对选址-路径-库存联合优化的影响[J].中国管理科学,2016,(7):110-119
[28]Farboodi M.,Veldkamp L..A Growth Model of the Data Economy[R].Massachusetts,USA:NBER Working Papers,2021.
陈素梅,李晓华.数字经济驱动制造业绿色发展的作用机理[J/OL].企业经济,2022(12):140-150[2022-12-20].DOI:10.13529/j.cnki.enterprise.economy.2022.12.015.
