产业链到底能不能被量化？这篇《经济研究》给出答案。研究团队用人工智能抓取全国4300多万家企业的关联数据——来源包括爱企查、商商查、地方招投标公告和上市公司年报——在超算中心用深度优先搜索算法（DFS）解析出536万条产业链，构建出中国首个全产业链图谱数据库。
?如何测度企业的产业链融入？ 论文以Acemoglu等人提出的有向图数学理论为基础，结合我国投入产出表，构建三大指标：
1️⃣ 产业链关联度（ind_link）：反映链上企业之间投入产出的紧密程度
2️⃣ 产业链质心度（df）：基于质心运动定理，衡量企业在链条中的“核心位置”
3️⃣ 产业链融入度（ind_chain） = 关联度 × 质心度，代表企业在本地产业链中的嵌入深度。 这些指标让“链上企业关系”第一次能被精确计算，而不是停留在描述性分析。
?研究设计 将上述指标与全国工业企业数据库、专利数据库匹配，形成覆盖37万家企业、11万多条产业链的样本。回归模型以企业创新绩效（专利申请量）为被解释变量，控制企业规模、年龄、资本强度等因素，加入企业与年份固定效应。
?主要结论
1️⃣ 企业融入产业链显著提升创新绩效
2️⃣ 机制：通过知识溢出效应（链上知识共享与吸收能力增强）和规模经济效应（产值、利润、资产收益率提升）实现
3️⃣ 异质性：
对非链主企业、民营企业作用更显著；
在竞争性行业中效果更强
4️⃣ 扩展分析显示，产业链的创新合作网络越紧密，越能实现创新链与产业链的“双链融合”
?创新点
首次以AI技术重构企业级产业链网络，用“有向图+深度学习”实现产业链的可计算化；
将宏观投入产出表下沉到微观企业层面，形成从链结构—链位置—创新行为的完整识别路径；
提供可用于区域“链长制”政策和“四链融合”战略的量化工具
?故事逻辑 从“链”这一国家战略出发，作者问：企业处于哪条链？嵌得有多深？这种嵌入会不会改变创新？于是他们用AI为每家企业“定位”，在数学图谱中重现产业的血脉。结果表明，创新并非孤立发生，而是沿着产业链流动、放大。
#热点 #经济学 #论文 #开题 #战略性新兴产业 #企业高质量发展
?如何测度企业的产业链融入？ 论文以Acemoglu等人提出的有向图数学理论为基础，结合我国投入产出表，构建三大指标：
1️⃣ 产业链关联度（ind_link）：反映链上企业之间投入产出的紧密程度
2️⃣ 产业链质心度（df）：基于质心运动定理，衡量企业在链条中的“核心位置”
3️⃣ 产业链融入度（ind_chain） = 关联度 × 质心度，代表企业在本地产业链中的嵌入深度。 这些指标让“链上企业关系”第一次能被精确计算，而不是停留在描述性分析。
?研究设计 将上述指标与全国工业企业数据库、专利数据库匹配，形成覆盖37万家企业、11万多条产业链的样本。回归模型以企业创新绩效（专利申请量）为被解释变量，控制企业规模、年龄、资本强度等因素，加入企业与年份固定效应。
?主要结论
1️⃣ 企业融入产业链显著提升创新绩效
2️⃣ 机制：通过知识溢出效应（链上知识共享与吸收能力增强）和规模经济效应（产值、利润、资产收益率提升）实现
3️⃣ 异质性：
对非链主企业、民营企业作用更显著；
在竞争性行业中效果更强
4️⃣ 扩展分析显示，产业链的创新合作网络越紧密，越能实现创新链与产业链的“双链融合”
?创新点
首次以AI技术重构企业级产业链网络，用“有向图+深度学习”实现产业链的可计算化；
将宏观投入产出表下沉到微观企业层面，形成从链结构—链位置—创新行为的完整识别路径；
提供可用于区域“链长制”政策和“四链融合”战略的量化工具
?故事逻辑 从“链”这一国家战略出发，作者问：企业处于哪条链？嵌得有多深？这种嵌入会不会改变创新？于是他们用AI为每家企业“定位”，在数学图谱中重现产业的血脉。结果表明，创新并非孤立发生，而是沿着产业链流动、放大。
#热点 #经济学 #论文 #开题 #战略性新兴产业 #企业高质量发展
