省際產(chǎn)業(yè)大腦相關(guān)政策文本對比分析

摘 要：產(chǎn)業(yè)大腦是以產(chǎn)業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用為核心，數(shù)字賦能實體產(chǎn)業(yè)生態(tài)的創(chuàng)新舉措。但作為新生事物，產(chǎn)業(yè)大腦亟須建立和完善一系列政策制度，以補齊政策短板，進一步推動其建設(shè)和發(fā)展。本文通過搜集產(chǎn)業(yè)大腦建設(shè)成效領(lǐng)先且具有代表性的山東省、浙江省、江西省、重慶市和北京市的產(chǎn)業(yè)大腦相關(guān)政策，從政策數(shù)量及類型、政策發(fā)布單位及制定方式、政策文本內(nèi)容差異等維度展開深入研究，發(fā)現(xiàn)產(chǎn)業(yè)大腦發(fā)展存在政策文件缺乏針對性、政策制定缺乏協(xié)調(diào)合作、政策場景應(yīng)用范圍較窄及政策工具結(jié)構(gòu)不均衡等問題。據(jù)此，本文針對性提出了相關(guān)對策建議，以期為相關(guān)行業(yè)部門提供參考，助力保障各?。ㄊ校┊a(chǎn)業(yè)大腦建設(shè)高質(zhì)量、可持續(xù)發(fā)展。

關(guān)鍵詞：產(chǎn)業(yè)大腦；數(shù)字經(jīng)濟；數(shù)實融合；政策文本；對比分析

中圖分類號：F424；F49 文獻標識碼：A 文章編號：2096-0298（2025）06（b）--04

1 引言

我國《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》指出，將數(shù)據(jù)作為核心驅(qū)動力，以數(shù)字技術(shù)與實體經(jīng)濟深度融合為主線，致力于推動數(shù)字產(chǎn)業(yè)的蓬勃發(fā)展與傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級。在此背景下，如何有效利用數(shù)據(jù)驅(qū)動產(chǎn)業(yè)治理和創(chuàng)新服務(wù)成為當前重要議題[1]。產(chǎn)業(yè)大腦是以工業(yè)互聯(lián)網(wǎng)為支撐，以數(shù)據(jù)資源為核心，融合企業(yè)側(cè)和政府側(cè)數(shù)據(jù)，貫通生產(chǎn)端與消費端，為企業(yè)生產(chǎn)經(jīng)營提供數(shù)字化賦能[2]的智能平臺。其作為一種新型的數(shù)智化組織，是運用新一代信息技術(shù)，以智能設(shè)備為主要節(jié)點[3]，推動產(chǎn)業(yè)治理制度重塑，落實數(shù)字化改革的重要舉措[4]，能夠從根本上加快產(chǎn)業(yè)結(jié)構(gòu)的創(chuàng)新與調(diào)整，促進經(jīng)濟高質(zhì)量發(fā)展[5]。因而，產(chǎn)業(yè)大腦建設(shè)引起學(xué)術(shù)界和實業(yè)界的廣泛關(guān)注與深入探討。

浙江省于2021年首次提出“產(chǎn)業(yè)大腦”的概念，并于次年正式發(fā)布《行業(yè)產(chǎn)業(yè)大腦建設(shè)指南》，立足浙江省產(chǎn)業(yè)集群發(fā)展優(yōu)勢，服務(wù)產(chǎn)業(yè)集聚度高的細分行業(yè)，在全省范圍內(nèi)大規(guī)模推廣產(chǎn)業(yè)大腦建設(shè)。為助力數(shù)字經(jīng)濟高質(zhì)量發(fā)展，山東省于2022年印發(fā)《制造業(yè)數(shù)字化轉(zhuǎn)型行動方案（2022—2025年）》，明確提出構(gòu)建特色產(chǎn)業(yè)集群“產(chǎn)業(yè)大腦”，圍繞新一代信息技術(shù)、高端裝備、紡織服裝等重點行業(yè)組織試點建設(shè)，并陸續(xù)出臺多項與數(shù)字化、工業(yè)互聯(lián)網(wǎng)等相關(guān)的政策文件，進一步助力山東省產(chǎn)業(yè)大腦建設(shè)工作的開展。截至目前，我國各?。ㄊ校┊a(chǎn)業(yè)大腦建設(shè)正處于逐步推廣和加速發(fā)展階段，為深入探究各?。ㄊ校┊a(chǎn)業(yè)大腦政策發(fā)展現(xiàn)狀與趨勢，筆者對相關(guān)政策文本內(nèi)容進行系統(tǒng)、準確、客觀的梳理，細致識別產(chǎn)業(yè)大腦建設(shè)過程中面臨的挑戰(zhàn)，本文選取產(chǎn)業(yè)大腦建設(shè)成效顯著的山東省、浙江省、江西省、重慶市和北京市五?。ㄊ校┑漠a(chǎn)業(yè)大腦政策文件作為樣本，從政策外部屬性和政策內(nèi)容差異化特征角度出發(fā)，對各?。ㄊ校┊a(chǎn)業(yè)大腦的相關(guān)政策文本展開對比分析，發(fā)現(xiàn)其中的優(yōu)勢與不足，并提出針對性的對策建議，以保障各?。ㄊ校┊a(chǎn)業(yè)大腦建設(shè)高質(zhì)量、可持續(xù)發(fā)展。

2 研究設(shè)計及文本選擇

2.1 研究設(shè)計

本文選取山東省、浙江省、江西省、重慶市和北京市政府及各部門官方網(wǎng)站中正式發(fā)布的規(guī)范性書面政策文件作為研究樣本。規(guī)范性政策文件是指具有標題、發(fā)布時間、政策文號、發(fā)布單位等信息的政府文件[6]。首先，根據(jù)收集的產(chǎn)業(yè)大腦相關(guān)政策的數(shù)量、類型、制定部門和制定方式，分析各?。ㄊ校┑恼咄獠繉傩蕴卣鳎黄浯?，運用ROST-CM6軟件統(tǒng)計政策文本的高頻詞，深入分析政策內(nèi)容的差異化；最后，借助LDA模型識別政策文本中的不同主題，并將政策分為供給型、環(huán)境型和需求型三類，進而分析政策制定手段的異質(zhì)性。

2.2 文本選擇

2021年，我國首次提出“產(chǎn)業(yè)大腦”建設(shè)的概念，也是產(chǎn)業(yè)大腦規(guī)范化發(fā)展的關(guān)鍵節(jié)點。浙江省在《數(shù)字化改革總體方案》中提出要以工業(yè)領(lǐng)域為突破口，以產(chǎn)業(yè)大腦為支撐，努力打造全球數(shù)字變革高地。此后，其他?。ㄊ校┲鸩介_始制定相關(guān)政策以推動本地產(chǎn)業(yè)大腦的建設(shè)和發(fā)展。因此，本文確定政策樣本的時間跨度為2021年至今。

在數(shù)字化改革背景下，我國高度重視數(shù)字經(jīng)濟發(fā)展，產(chǎn)業(yè)大腦作為支撐數(shù)字經(jīng)濟系統(tǒng)建設(shè)的重要手段，各地政府紛紛出臺相關(guān)政策方案，致力于推動產(chǎn)業(yè)大腦在本地區(qū)的落地應(yīng)用。本文搜集并分析我國已進行產(chǎn)業(yè)大腦建設(shè)規(guī)劃的各省（市）政策，其中浙江省率先在全國創(chuàng)造性提出“產(chǎn)業(yè)大腦+未來工廠”的發(fā)展模式，引領(lǐng)制造業(yè)數(shù)字化轉(zhuǎn)型；隨后，山東省發(fā)布《產(chǎn)業(yè)大腦建設(shè)工作方案（試行）》，并開啟首批揭榜掛帥工作和試點項目遴選；江西省于2023年印發(fā)《產(chǎn)業(yè)大腦建設(shè)指南》，明確指出要推動江西省產(chǎn)業(yè)大腦發(fā)展，并已取得初步成果；重慶市于2024年也出臺了《重慶市工業(yè)產(chǎn)業(yè)大腦建設(shè)指南（1.0）》和《重慶市未來工廠建設(shè)指南（1.0）》等文件，為重慶市產(chǎn)業(yè)大腦的建設(shè)提供了明確指導(dǎo)和支持；近幾年，北京市數(shù)字經(jīng)濟產(chǎn)業(yè)持續(xù)攀升，發(fā)展規(guī)模和速度位居全國前列。由此可以看出，以上五?。ㄊ校┑漠a(chǎn)業(yè)大腦建設(shè)成效領(lǐng)先且具有代表性。因此，本文以“產(chǎn)業(yè)大腦、數(shù)字化、數(shù)實融合、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算、數(shù)字經(jīng)濟、智慧城市、工業(yè)4.0”等為關(guān)鍵詞，收集浙江省、山東省、江西省、重慶市和北京市2021—2024年產(chǎn)業(yè)大腦的相關(guān)政策文件并進行整理，剔除缺乏關(guān)鍵詞、關(guān)聯(lián)性較低的文本，整理得到山東省產(chǎn)業(yè)大腦政策49項、浙江省20項、江西省22項、重慶市31項、北京市26項[6]。

3 五省（市）產(chǎn)業(yè)大腦政策外部屬性分析

3.1 政策數(shù)量及類型分析

3.1.1 政策數(shù)量分析

2021—2024年，五省（市）發(fā)布的產(chǎn)業(yè)大腦相關(guān)政策數(shù)量分別為山東省49項、浙江省20項、江西省22項、重慶市31項、北京市26項，其中山東省發(fā)布的相關(guān)政策數(shù)量明顯多于其他四?。ㄊ校?。從政策數(shù)量演進來看，2021—2022年我國產(chǎn)業(yè)大腦建設(shè)處于積累發(fā)展階段，各?。ㄊ校╆懤m(xù)出臺各項與大數(shù)據(jù)、數(shù)字經(jīng)濟等相關(guān)的政策，為產(chǎn)業(yè)大腦建設(shè)奠定政策基礎(chǔ)；2022—2023年，我國產(chǎn)業(yè)大腦建設(shè)處于快速增長階段，山東省、江西省、重慶市和北京市政策出臺數(shù)量快速上升，與浙江省相比，其他四省（市）雖然政策數(shù)量較多且增長速度較快，但在政策支持力度和實施效果方面與浙江省仍存在一定差距；2023—2024年我國產(chǎn)業(yè)大腦建設(shè)處于深入推進階段，山東省和重慶市的相關(guān)政策數(shù)量持續(xù)上升，浙江省、江西省和北京市相關(guān)政策出臺數(shù)量相對較少，表明山東省和重慶市產(chǎn)業(yè)大腦建設(shè)趨于穩(wěn)定，江西省和北京市產(chǎn)業(yè)大腦建設(shè)仍需進一步完善，浙江省產(chǎn)業(yè)大腦政策扶持力度逐漸減弱，且五?。ㄊ校┏雠_的規(guī)范性政策文件大多聚焦于數(shù)字化、大數(shù)據(jù)等領(lǐng)域，反映出現(xiàn)階段各?。ㄊ校┬杓訌妼Ξa(chǎn)業(yè)大腦針對性政策的重視與扶持力度。

3.1.2 政策類型分析

五省（市）產(chǎn)業(yè)大腦相關(guān)政策文本涵蓋方案、意見、通知等八種類型，通知、意見等政策文本類型具有規(guī)范性強的特點，辦法、方案等政策文本類型以指導(dǎo)性和可操作性為特點[7]。五?。ㄊ校┲蟹桨浮⒁庖?、通知類型政策數(shù)量較多，表明各?。ㄊ校┊a(chǎn)業(yè)大腦政策制定不僅重視規(guī)范性，還強調(diào)產(chǎn)業(yè)大腦建設(shè)要具有可操作性。

分開來看，山東省發(fā)布的產(chǎn)業(yè)大腦相關(guān)政策中，方案類政策數(shù)量最多，約占政策樣本總體的42.86%，其次為意見類，綱要、條例類政策數(shù)量最少；浙江省通知類政策約占政策樣本總體的57.89%，其次是方案、意見類，辦法類政策數(shù)量最少；江西省政策文本類型中規(guī)劃類政策最多，其次是方案和通知，意見、辦法類政策最少；重慶市政策文本類型中，方案類政策最多，約占該省政策樣本總體的32.26%，其次是規(guī)劃和通知類，細則、意見和辦法類政策最少；北京市方案類政策數(shù)量最多，約占政策樣本總體的35.71%，規(guī)劃、綱要和意見類政策數(shù)量最少。總體來看，浙江省作為最早提出產(chǎn)業(yè)大腦概念的省份，在制定相關(guān)政策時更加注重政策文本的規(guī)范性，而其他四?。ㄊ校┱咧贫ǜ蛴诳刹僮餍裕兄谡邎?zhí)行者理解和實施產(chǎn)業(yè)大腦相關(guān)政策。

3.2 政策發(fā)文單位及制定方式

3.2.1 政策發(fā)文單位

經(jīng)統(tǒng)計，各省（市）政策發(fā)文單位存在顯著差異。山東省共有8個單位參與政策發(fā)布，其中省政府、省工信廳等省級政策發(fā)文單位對產(chǎn)業(yè)大腦建設(shè)和規(guī)劃發(fā)揮著主導(dǎo)作用；浙江省共有5個單位參與產(chǎn)業(yè)大腦相關(guān)政策的制定，省科技廳、省政府等單位引領(lǐng)該省產(chǎn)業(yè)大腦建設(shè)，政策制定主體更加重視科技成果的轉(zhuǎn)化；江西省共有5個單位參與政策發(fā)布，其中占主導(dǎo)地位的是省政府和省政府辦公廳，政策制定更為規(guī)范；重慶市政策發(fā)文單位較為單一，僅市人民政府和市經(jīng)信委員會參與政策發(fā)布；北京市共有6個單位參與政策制定，政策發(fā)文單位與山東省類似，其中市政府、市經(jīng)信局等單位在產(chǎn)業(yè)大腦政策制定中占據(jù)主導(dǎo)地位。

3.2.2 政策制定方式

本文將政策制定方式分為單獨制定和跨部門制定兩類，據(jù)統(tǒng)計山東省政策制定方式較為均衡，其他四?。ㄊ校┑恼咧贫ǚ绞蕉酁閱为氈贫?，跨部門聯(lián)合制定政策的情況較少。跨部門制定的方式在一定程度上反映了政府部門之間的協(xié)調(diào)性與管理的統(tǒng)籌力度。山東省跨部門制定的政策占政策樣本總體的46.94%，省級重點部門均參與相關(guān)政策的制定和發(fā)布，表明山東省政府部門之間具有較強的統(tǒng)籌管理力度。而浙江省、江西省和重慶市跨部門聯(lián)合制定的政策占比分別為25.00%、4.55%、12.90%，北京市無跨部門制定政策，表明四?。ㄊ校╇m然明確了重點任務(wù)的責任單位，各部門的職責和任務(wù)也相對清晰明確，但跨部門制定的政策數(shù)量較少，未充分發(fā)揮政府部門的統(tǒng)籌協(xié)調(diào)作用。

4 五?。ㄊ校┊a(chǎn)業(yè)大腦政策內(nèi)容對比分析

4.1 高頻詞分析

本文運用ROSTCM6軟件對五?。ㄊ校┱呶谋緝?nèi)容進行分詞操作，根據(jù)分詞結(jié)果統(tǒng)計詞頻，在此基礎(chǔ)上手動剔除無關(guān)詞后，選取與產(chǎn)業(yè)大腦相關(guān)的30個關(guān)鍵詞對高頻詞進行分析。五?。ㄊ校┑年P(guān)鍵詞重復(fù)率較高，但通過對比可以發(fā)現(xiàn)其中略有不同。分省來看，山東省的高頻詞主要圍繞工業(yè)發(fā)展、產(chǎn)業(yè)升級、科技創(chuàng)新等方面，反映出山東省重視工業(yè)領(lǐng)域產(chǎn)業(yè)大腦的建設(shè)，致力于推動產(chǎn)業(yè)智能化、數(shù)字化轉(zhuǎn)型升級；其他四?。ㄊ校﹦t提及“經(jīng)濟”“金融”等高頻詞，表明這四?。ㄊ校┳⒅貫楫a(chǎn)業(yè)大腦建設(shè)提供資金支持，以保障產(chǎn)業(yè)大腦的持續(xù)發(fā)展。此外，重慶市和北京市出現(xiàn)頻次較多的關(guān)鍵詞還包括“機器人”“生物”“醫(yī)療”等，說明產(chǎn)業(yè)大腦的場景應(yīng)用已擴展至新興領(lǐng)域。通過對五?。ㄊ校┑年P(guān)鍵詞進行綜合分析可以發(fā)現(xiàn)，各?。ㄊ校┚狈︶槍θ瞬胖魏团囵B(yǎng)的關(guān)鍵詞，反映出當前產(chǎn)業(yè)大腦建設(shè)過程中對人才這一關(guān)鍵要素的重視程度與投入不足。

4.2 基于LDA模型的政策工具類型對比分析

政策工具是實現(xiàn)政策制定者目標的重要手段[8]，已有學(xué)者從作用方式角度，將政策工具分為供給型、需求型和環(huán)境型三類[9]?；诖?，本文引入LDA模型對五?。ㄊ校┊a(chǎn)業(yè)大腦政策工具進行系統(tǒng)分析。首先，將前文收集的產(chǎn)業(yè)大腦相關(guān)政策文本進行分詞、刪除停用詞等預(yù)處理工作；其次，繪制主題-Coherence曲線，根據(jù)曲線最高點確定最佳主題數(shù)；最后，采用pyLDAvis對結(jié)果進行可視化，手動選取各主題中最相關(guān)的15個詞匯，并概括、分析各主題內(nèi)容，根據(jù)分析結(jié)果將政策分為供給型、需求型、環(huán)境型三類。供給型政策工具是指直接推動產(chǎn)業(yè)大腦探索與發(fā)展的工具；需求型工具則是指從政策需求層面拉動產(chǎn)業(yè)大腦建設(shè)的應(yīng)用與實踐落地[10]；環(huán)境型工具是指維持產(chǎn)業(yè)大腦發(fā)展持久性與穩(wěn)定性的政策工具。

根據(jù)表1統(tǒng)計結(jié)果，從縱向來看，五?。ㄊ校┕┙o型政策工具占比最高，山東省和江西省的環(huán)境型政策工具占比位列第二，需求型政策工具占比最低，而浙江省、重慶市和北京市的需求型政策工具占比高于環(huán)境型政策工具占比。從橫向來看，在供給型政策工具使用方面，重慶市和北京市供給型政策工具占比略高，其次是浙江省和江西省，山東省供給型政策工具占比較低。在環(huán)境型政策工具使用方面，山東省和江西省環(huán)境型政策工具占比略高，浙江省、重慶市和北京市占比較低。在需求型政策工具使用方面，山東省和江西省需求型政策工具占比較低，浙江省、重慶市和北京市占比較高?？傮w來看，各?。ㄊ校┑恼吖ぞ哒急炔罹噍^大且供給型政策工具占比最高，表明各?。ㄊ校└鼉A向于通過直接提供資源和服務(wù)來推動產(chǎn)業(yè)大腦建設(shè)目標的實現(xiàn)。因此，各?。ㄊ校┻€應(yīng)綜合考慮產(chǎn)業(yè)大腦的建設(shè)現(xiàn)狀和外部環(huán)境，進一步完善政策工具的使用流程，從而實現(xiàn)產(chǎn)業(yè)大腦建設(shè)的目標。

5 結(jié)論與建議

5.1 主要結(jié)論

本文基于五?。ㄊ校?021—2024年發(fā)布的產(chǎn)業(yè)大腦相關(guān)政策的外部屬性及政策文本內(nèi)容，進行深入對比分析。研究結(jié)果如下：

第一，政策文件缺乏針對性。雖然浙江省最早提出產(chǎn)業(yè)大腦的概念，但在政策數(shù)量及支持力度上，山東省已逐漸趕超浙江省，其他?。ㄊ校┊a(chǎn)業(yè)大腦建設(shè)正處于積累發(fā)展階段，與山東省存在較大差距。目前，專門針對產(chǎn)業(yè)大腦建設(shè)與發(fā)展的規(guī)范性政策文件相對匱乏，難以標準化、可持續(xù)的推動產(chǎn)業(yè)大腦發(fā)展，制約了產(chǎn)業(yè)大腦效能的發(fā)揮。

第二，政策制定缺乏協(xié)調(diào)合作。山東省近半數(shù)的產(chǎn)業(yè)大腦政策由跨部門聯(lián)合發(fā)布，其他四?。ㄊ校﹦t主要由部門單獨制定，部門間缺乏協(xié)調(diào)溝通，資源整合不力，可能出現(xiàn)銜接不暢、數(shù)據(jù)資源浪費等問題，進而影響政策的全面性和科學(xué)性。因此，各?。ㄊ校┱块T間需要進一步強化統(tǒng)籌協(xié)調(diào)。

第三，政策場景應(yīng)用范圍較窄。上文中對政策文本中高頻詞的分析顯示，五?。ㄊ校┑漠a(chǎn)業(yè)大腦建設(shè)存在諸多相似點，但重點應(yīng)用場景略有不同。山東省、浙江省和江西省側(cè)重于工業(yè)和制造業(yè)，而重慶市和北京市產(chǎn)業(yè)大腦應(yīng)用場景則多聚焦于醫(yī)藥、人工智能、航天等新興領(lǐng)域。這表明各?。ㄊ校┻€需圍繞自身產(chǎn)業(yè)痛點，拓展產(chǎn)業(yè)大腦場景應(yīng)用范圍和領(lǐng)域。

第四，政策工具結(jié)構(gòu)不均衡。山東省各類型政策工具占比較為均衡，而其他四省（市）環(huán)境型與需求型政策工具結(jié)構(gòu)也有待優(yōu)化。環(huán)境型或需求型政策工具占比較少，可能難以充分反映市場需求和產(chǎn)業(yè)大腦建設(shè)的外部環(huán)境，不利于制定合理的產(chǎn)業(yè)大腦建設(shè)目標，長期來看會影響后續(xù)產(chǎn)業(yè)大腦相關(guān)政策的調(diào)整與優(yōu)化。

5.2 對策建議

根據(jù)前文對產(chǎn)業(yè)大腦相關(guān)政策的深入分析，本文認為樣本?。ㄊ校┑漠a(chǎn)業(yè)大腦建設(shè)在政策針對性、政策制定方式、政策場景應(yīng)用范圍及政策工具結(jié)構(gòu)等方面存在不足。為了更好的完善各?。ㄊ校┊a(chǎn)業(yè)大腦建設(shè)，增強持續(xù)發(fā)展新動力，促進制造業(yè)及新興行業(yè)的提質(zhì)增效，本文提出以下對策建議：

一是制定針對性政策文件，提升政策實施效果。各?。ㄊ校?yīng)出臺更具針對性的政策文件，規(guī)范產(chǎn)業(yè)大腦政策的發(fā)布、實施和管理，明確建設(shè)目標、范圍和標準，以確保各政府部門、企業(yè)和第三方機構(gòu)也能夠充分理解政策意圖和要求，提升產(chǎn)業(yè)大腦政策實施效果，為產(chǎn)業(yè)大腦的建設(shè)奠定堅實基礎(chǔ)。

二是加強各部門之間的溝通協(xié)調(diào)，提高資源利用效率。在制定產(chǎn)業(yè)大腦相關(guān)政策文件的過程中，應(yīng)加強政府部門間的溝通，建立完善的政策制定機制，聯(lián)合各部門參與政策制定，明確產(chǎn)業(yè)大腦政策制定主體的職責與任務(wù)，從而提高產(chǎn)業(yè)大腦建設(shè)的質(zhì)量和效率。

三是拓寬場景應(yīng)用范圍，持續(xù)推進產(chǎn)業(yè)大腦建設(shè)。各?。ㄊ校?yīng)拓展產(chǎn)業(yè)大腦的應(yīng)用場景，積極向醫(yī)藥、航天等高科技領(lǐng)域進行深入探索和布局，推動關(guān)鍵行業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級。同時，制定更具吸引力的專業(yè)性人才引進政策，鼓勵社會資本參與，拓寬資金來源渠道，為產(chǎn)業(yè)大腦建設(shè)提供充足的人才與資金支持。

四是優(yōu)化政策工具組合，提高創(chuàng)新性和可持續(xù)性。各省（市）應(yīng)完善供給型政策的制定，為產(chǎn)業(yè)大腦未來的發(fā)展奠定堅實基礎(chǔ)；增加環(huán)境型政策工具，確保產(chǎn)業(yè)大腦建設(shè)的規(guī)范性；重視經(jīng)濟類政策工具的制定和使用，為產(chǎn)業(yè)大腦建設(shè)提供資金支撐并整合數(shù)據(jù)資源。同時，各?。ㄊ校┻€應(yīng)綜合考慮政策的可行性和可接受性，以確保不同政策工具之間能夠相互補充，避免沖突，構(gòu)建合理的政策工具組合。

參考文獻

Latief R， Javeed SA. The Spatial Effects of Digital Economy on Sustainable Urban Economic Development in China[J]. Sustainability， 2024， 16（20）： 8973.

蘭建平.以產(chǎn)業(yè)大腦建設(shè)助推高質(zhì)量發(fā)展[J].社會治理，2021（4）： 48-51.

徐玲，唐豐收.數(shù)智化與成本管理創(chuàng)新： 基于對產(chǎn)業(yè)大腦降本增效機制的透視[J].財會月刊，2023，44（24）：75-81.

胡勝蓉，黃學(xué).浙江推進產(chǎn)業(yè)大腦應(yīng)用建設(shè)的路徑探索[J].信息化建設(shè)，2022（2）：21-24.

周子煜.數(shù)字經(jīng)濟賦能新質(zhì)生產(chǎn)力發(fā)展： 理論機制、內(nèi)在機理與政策構(gòu)想[J].新疆社會科學(xué)，2024（5）：30-41+180.

馬海群，崔文波，張濤.我國數(shù)據(jù)安全政策文本主題挖掘及其演化分析[J].現(xiàn)代情報，2024，44（8）：28-38.

俞立平，周朦朦，張運梅.基于政策工具和目標的碳減排政策文本量化研究[J].軟科學(xué)，2023，37（10）：61-69.

沈能，張靜，曹陽春.政策工具組合如何驅(qū)動新質(zhì)生產(chǎn)力創(chuàng)新聯(lián)盟運行演化？[J].軟科學(xué)，2024，38（11）：1-9.

Rothwell R， Zegveld W. Reindusdalization and technology[J]. Logman Group Limited， 1985： 83-104.

陳美，孫瑞乾.政策工具視域下我國省級數(shù)字經(jīng)濟政策文本的量化分析： 基于LDA的主題社會網(wǎng)絡(luò)分析[J].情報雜志，2023，42（11）： 174-182.