■刘伟
制造业作为实体经济的重要基础，是现代化经济体系的关键组成要素，也是构建新发展格局、推动中国式现代化发展的重要支撑[1]。十八大以来，我国制造业发展取得了重大成就，制造业产业综合实力、竞争力、抗风险能力整体跃升。从经济规模看，工信部数据显示，2012—2021 年，我国制造业增加值从16.98 万亿元增加到31.40 万亿元，占全球比重从20%左右提高到近30%。从产业体系看，按照国民经济统计分类，我国制造业涵盖31个大类、179个中类和609 个小类，具备全球产业门类最齐全的产业体系。可以说，我国已具备相对完整的制造业产业链，正从“制造大国”向“制造强国”跨越。
当前，全球经济呈现疲软、低迷态势，投资萎缩、消费乏力、供应链中断等风险性与不确定性问题频发，对制造业产业链造成严重冲击[2]。我国聚焦制造业产业链“堵点”和“断点”，通过扎实推进制造业强链补链、加快技术突破、加强供需对接等举措，促使制造业产业链韧性取得较大提升。但不可忽略的是，我国制造业产业链发展受制于低端锁定、多链并行、创新薄弱等因素，对风险冲击的应对能力尚有不足[3]。2022 年10 月，党的二十大报告立足当前经济形势和产业现代化发展需要，作出“推动制造业高端化、智能化、绿色化发展”的重大战略部署，并明确提出“着力提升产业链供应链韧性和安全水平”的要求，为未来提升制造业产业链韧性作出政策指引。由此可见，新时期如何增强制造业产业链抵御冲击、应对逆境的能力，已成为保障我国制造业整体稳定、推动经济平稳发展的重要课题。
伴随着数字技术不断发展，以人工智能、区块链、大数据为依托的数字科技深入应用到金融领域，为金融发展注入新“活力”[4]。作为数字科技与金融服务相融合的产物，数字金融逐渐成为撬动制造业产业链平稳增长的有力杠杆，在制造业产业链韧性提升中承担重要的“助推器”作用。换言之，数字金融依靠低门槛、低成本、便利性等优势，可有效突破传统金融的时空制约，完善金融资源配置，有效提升金融服务的广度和深度。借此，数字金融能够最大限度地满足制造业产业链发展需求，弥补制造业产业链的薄弱环节，推动制造业产业链韧性提升[5]。因此，深入探究数字金融对制造业产业链韧性的影响效应及作用机理，推动形成数字金融与制造业产业链韧性协同共进的整体局面，对于加快制造业产业链良性发展，稳固实体经济发展根基具有重要意义。
韧性概念起源于物理学，主要指物体承受外部压力后恢复原状态的能力。Comfort[6]把韧性概念引入到基本经济学领域，认为经济韧性是区域经济受到外部扰动时，区域系统的自我恢复与更新的能力。自此，学界开启了经济韧性的相关研究。就国外研究而言，Simmie等[7]从演化视角出发，认为经济韧性的显著特征是区域经济的适应能力。Martin[8]从可恢复性、脆弱性、创新性、适应性四个层面系统阐述了经济韧性概念。此外，国外部分学者从社会资本、产业发展等维度入手，探讨经济韧性的演化和发展[9，10]。就国内研究而言，学者们多立足于经济脆弱性、适应性视角[11—13]，对各类经济系统韧性进行分析和评价。产业结构对经济韧性的正向影响被学界普遍认同，部分学者从具体行业产业出发，对产业安全[14，15]、制造业韧性[16]、产业链自主可控能力[17]进行评价，揭示了不同层次产业系统韧性相关问题。相较之下，产业链层面的韧性研究明显不足，围绕制造业产业链韧性演化规律、影响机制的定量分析鲜见于文献。
当前对金融支持制造业产业链韧性升级的研究，大多包含于金融与经济增长之间关系的研究之中。国外方面，Davies[18]提出以金融行业、信息行业为主要产业的国家比以制造业为主要产业的国家具有更强的经济韧性。Steiner等[19]提出金融可通过缓解中小企业融资需求，助力中小企业发展，从而提升经济韧性。国内方面，郭将等[20]提出地区金融发展水平越高，越能够抵御外部风险的冲击。陈丛波等[21]研究指出，数字经济不仅可以促进本地的经济韧性，还能通过空间溢出资金和技术来提升邻近城市的经济韧性。华桂宏等[22]提出金融产业集聚能够显著提升城市经济韧性。范建红等[23]发现数字普惠金融对高技术制造业创新韧性具有显著正向影响。总体上看，关于经济韧性的研究在产业维度的探讨较为缺乏，且基于数字金融视角分析制造业产业链韧性提升的相关研究亟待拓展。
综上所述，已有文献为本文研究奠定了一定基础，但关于制造业产业链韧性的研究相对较少，且对数字金融与制造业产业链韧性之间关系的探讨亦存在空白。因此，本文的贡献可能在于以下几个方面：（1）在详细阐述数字金融与制造业产业链韧性理论关系的基础上，实证探讨数字金融与制造业产业链韧性的关系，丰富了相关领域研究。（2）基于区域视角验证数字金融对制造业产业链韧性影响的异质性，为促进地区制造业产业链均衡发展提供政策参考。（3）实证分析技术创新、产业集聚、政府补贴在数字金融与制造业产业链韧性间的作用机制，进一步加深了对二者作用关系的理解，以期为我国高质量发展背景下提升制造业产业链韧性提供参考。
（一）数字金融对制造业产业链韧性的直接影响
在传统金融供给模式下，制造业产业链主体资金需求的即时性与政府施行金融政策的迟滞性往往存在较大冲突，不利于制造业产业链主体在应对风险冲击时及时获取资金，难以支持制造业产业链主体在风险冲击下长期运转[24]。数字金融的“包容性”和“草根性”特征，能够较好地与制造业产业链主体的融资需求相契合，为制造业产业链韧性增长提供坚实的金融支持。从金融供给规模层面看，数字金融有助于降低制造业产业链主体与金融机构之间存在的信息不对称，提高金融服务可得性，丰富制造业产业链主体外部融资渠道，为其韧性增长提供充足资金支持[25]。从金融供给质量层面看，数字金融将科技与金融业务进行深度融合，不仅有效提升了金融服务效率，而且能够调整和改善金融结构，提升金融服务质量，助推制造业产业链韧性提升[26]。基于此，本文提出如下假设：
H1：数字金融对制造业产业链韧性具有正向促进作用。
（二）数字金融对制造业产业链韧性的间接影响
基于演化经济学和适应性韧性理论，制造业产业链韧性可以看作制造业产业链通过技术升级和知识创新以应对风险的能力。由此，持续的技术创新是制造业产业链应对冲击时保持稳定动态增长的重要路径。然而，传统金融服务受限于“融资歧视”“时空制约”等因素，对制造业产业链技术创新的支持作用有限。数字金融借助数字信息技术，能够快速匹配制造业产业链主体的技术创新需求，解决金融供需矛盾，为制造业产业链韧性提升营造良好的技术创新环境。一方面，数字金融可以缓解技术创新融资约束。数字金融凭借速度快、范围广、成本低等优势，能有效提升金融服务覆盖范围及触达能力，缓解制造业产业链主体技术创新的融资约束，从而促进制造业产业链韧性提升[27]。另一方面，数字金融可以降低技术创新服务成本。数字金融通过电子化、数字化交易，可大幅降低技术创新的金融服务门槛和成本，进一步扩大金融的覆盖范围，更好地实现对制造业产业链的支持。从成本收益视角看，数字金融促使技术创新的成本收益平衡点发生偏移，为制造业产业链主体进行技术创新活动提供更为广泛的金融支撑，为制造业产业链韧性提升夯实了技术创新基础。基于上述分析，本文提出如下假设：
H2：数字金融可通过促进技术创新，间接促进制造业产业链韧性提升。
（三）数字金融对制造业产业链韧性的调节作用
作为典型的现代产业组织形式，产业集聚有助于促使产业分工向专业化、精细化方向演进，以提升各类要素资源在产业链上的传输效率，强化制造业产业链的技术外溢效应，有效提升数字金融对制造业产业链韧性的赋能[28]。一方面，产业集聚有助于整合产业链要素资源，提升制造业产业链韧性。产业集聚可将信息、用户等资源集中到同一空间内，促使制造业产业链主体在应对风险时能够方便快捷地使用各类要素资源，有效降低产业运营成本和交易成本，提升其市场竞争优势，增强制造业产业链主体风险应对能力，从而提升制造业产业链韧性。另一方面，产业集聚有助于推动制造业产业链各主体间的协同合作，提升制造业产业链韧性。产业集聚可通过打破企业、行业、产业以及地域间的隔阂，推动制造业产业链主体间形成利益联盟，并通过各主体间的互动、融合与创新，促使不同产业主体、行业主体共同发展，促进制造业产业链韧性提升[29]。由此可见，产业集聚可以通过调节制造业产业链内部资源分配，促进主体间合作，进而影响数字金融对制造业产业链韧性的促进作用。基于上述分析，本文提出如下假设：
H3：产业集聚能够强化数字金融对制造业产业链韧性的促进效应。
政府并不是制造业产业链应对风险的完全承担者，而是产业链韧性提升过程中的引导者和推动者。政府补贴可借助资源补充、风险分担以及信号传递等方式，对制造业产业链韧性提升产生影响。其一，政府补贴能够为制造业产业链注入资本支持，强化其应对风险的能力。换言之，政府补贴以资本的形式为制造业产业链应对风险进行补贴，这可与数字金融形成互动、互补效应，共同缓解产业链主体应对风险时的资本约束，促进制造业产业链韧性提升[30]。其二，政府补贴可分担产业链各主体的资金配置风险，缓解银行等金融机构对企业投资的风险顾虑，强化数字金融对制造业产业链韧性的影响效应[31]。此外，政府补贴还能向市场释放利好信号，引导银行等金融机构为制造业产业链主体提供资金支持，拓宽产业链主体应对风险的资金来源，提升产业链韧性。由此，本文提出如下假设：
H4：政府补贴能够强化数字金融对制造业产业链韧性的促进效应。
（一）模型设计
基于理论机制和研究假设H1，本文设定如下基准模型：
其中，下标i、t分别表示地区和年份，RMIN表示制造业产业链韧性，DFIE表示数字金融发展水平，Control表示一系列控制变量，μi、vt、εit分别表示个体效应、时间效应以及随机扰动项。
为验证技术创新的中介效应，在式（1）的基础上，进一步构建如下中介效应模型：
其中，M代表中介变量，b1、c1为数字金融回归系数，c2为中介变量回归系数，b2、c3为控制变量回归系数，其余变量定义与前文一致。
为考察产业集聚、政府补贴在数字金融与制造业产业链韧性之间的作用机制，引入产业集聚、政府补贴与数字金融交互项，构建调节效应模型：
其中，REVA表示本文的调节变量，包含产业集聚和政府补贴。
为探究产业集聚、政府补贴对制造业产业链韧性的非线性影响，设定单一和双重门限面板模型，具体如下：
其中，f是门限变量，ω1、ω2、ρ1、ρ2、ρ3分别为不同门限变量区间内数字金融对制造业产业链韧性的估计系数。
（二）变量说明
1.解释变量
数字金融（lnDIFE）。采用北京大学数字普惠金融总指数来表示数字金融发展水平。
2.被解释变量
制造业产业链韧性（lnRMIN）。在物理学韧性概念基础上，本文借鉴郑涛等[32]、郝爱民等[33]的研究，从断裂韧性和冲击韧性两个层面构建制造业产业链韧性指标体系（见表1）。其中，断裂韧性反映了制造业产业链在应对冲击时的适应能力和重组能力，而冲击韧性则反映了制造业产业链对外来冲击负荷的抵抗能力。本文采用熵权法测算各地区制造业产业链韧性的发展水平。
表1 制造业产业链韧性评价指标体系
3.中介变量
农业机械化是农业发展的方向。国家应对农业机械技术培训给予高度重视，加强对农业机械技术人才的培训和教育，还要有效组织农业机械技术培训工作。根据农村地区发展的实际情况，采取多样化、创新性的培训措施，使农民在理解的基础上加以掌握，切实提高农民的机械操作能力。加强宣传教育，激发广大农民群众参与培训的热情。在实践中发展农业科技，推动我国农业向着机械化、现代化的方向发展。
技术创新（lnTEN）。目前，学术界多采用技术创新投入和专利授权数来衡量技术创新水平。本文考虑到专利授权数在一定程度上存在滞后性，而技术创新投入则存在产出效率问题，故借鉴陈恭军[34]的做法，采用每万人拥有的专利申请受理量来衡量地区技术创新水平。
4.调节变量
产业集聚（lnDAG）。借鉴唐晓华等[35]、田刚元等[36]的研究，用区位熵法测算制造业产业集聚程度，计算公式为：
其中，i代表地区，DAG表示制造业产业集聚程度，CY表示制造业就业人数，Y表示全国就业人数。
政府补贴（lnSUBS）。借鉴岳宇君等[37]的研究，用各省份财政补助占该省份制造业当年全部营业收入的比重测算。
5.控制变量
为保证研究结论科学、准确，控制如下变量：（1）外贸依存度（lnFTE），以各省份进出口总额与当地GDP 的比值来衡量；
（2）人力资本水平（lnHUM），以各省份每万人高等学校在校生数来衡量；
（3）城市化水平（lnURE），以各省份城镇总人口占比来表示；
（4）产业结构（lnINST），以各省份第二产业增加值占当地GDP的比重来表示。
（三）数据来源
表2 变量描述性统计
（一）基准回归
表3（1）和（2）列分别为使用随机效应（RE）和固定效应（FE）估计的数字金融发展对制造业产业链韧性的基准估计结果。Hausman 检验表明，应选用固定效应模型进行分析。由表中数据可知，数字金融对制造业产业链韧性的影响均显著为正。假设H1得到验证。同时，考虑到变量之间可能存在内生性问题，故借鉴郑万腾等[38]的做法，选取互联网普及率（每百人中互联网用户数）和移动电话普及率（每百人中移动电话用户数）作为双工具变量，进行IV-2SLS 估计检验，结果见表3（3）列。其中，IV 不可识别检验表明强烈拒绝工具变量不可识别的原假设，且弱IV检验表明不存在弱工具变量。相较于（1）和（2）列，（3）列中的数字金融系数有所上升，表明变量间的内生性问题可能在一定程度上导致数字金融的影响效应被低估。
表3 数字金融对制造业产业链韧性的基准回归结果
（二）稳健性检验
为保证结果稳健性，从以下两个方面进行稳健性检验。其一，系统GMM回归。分别将北京大学数字普惠金融指数三个子维度即数字普惠金融覆盖广度（CDIF）、数字普惠金融使用深度（UDGI）、数字化程度（DZGI）的滞后一期进行系统GMM回归。由表4（1）至（3）列的Sargan检验和AR（2）结果可知，系统GMM 回归没有过度识别问题和二阶序列自相关问题，从而表明系统GMM 估计结果具有可靠性。其二，缩尾后进行回归。考虑到数据异常值对回归结果产生的影响，本文对被解释变量进行1%和5%水平上的缩尾处理，并再次进行回归。上述两种稳健性检验结果表明，在采用系统GMM回归和进行缩尾处理后，数字金融对制造业产业链韧性的正向作用仍然显著，证明前文得出的结论是稳健的。
表4 稳健性检验结果
（三）异质效应考察
第一，行业异质性。考虑到数字金融对不同要素密集度制造业产业链韧性的影响效应可能存在差异，借鉴孟祺[39]的研究，参照《全球行业分类标准》将制造业划分为劳动密集、资本密集和知识密集三类①，并分别分析数字金融对各类制造业产业链韧性的影响效应，回归结果如表5所示。由表中数据可知，数字金融对劳动密集型、资本密集型和知识密集型制造业产业链韧性的影响均在1%的水平上显著为正。比较而言，数字金融对资本密集型制造业产业链韧性的影响效应最大，知识密集型次之，劳动密集型最小。究其原因，数字金融可为资本密集型和知识密集型制造业产业链发展提供高质量、高效率的资金支持，帮助制造业产业链实现规模扩张和技术进步，从而有效驱动这两类制造业产业链韧性提升。而与上述两类制造业产业链相比，劳动密集型制造业产业具有从研发设计、零部件生产到加工组装在内的完整产业链，对数字金融的敏感性相对较弱，导致数字金融的促进效应难以得到充分发挥。
表5 行业异质性回归结果
第二，分位数异质性。参考卫彦琦[40]的研究，利用分位数模型检验制造业产业链韧性各个阶段对数字金融的敏感性，以加深对数字金融与制造业产业链韧性间关系的理解。具体做法是选取10%、25%、50%、75%和90%等重要分位点，分析数字金融对不同分位点制造业产业链韧性的作用效应，结果如表6 所示。在各个分位点上，数字金融对制造业产业链韧性的影响均显著为正。比较各分位点的估计值可以发现，伴随分位点的提升，数字金融的影响效应呈现先上升、后下降的倒“U”型变化趋势。在75%分位点处，数字金融对制造业产业链韧性的影响最为显著。造成这一变化的原因可能是，在制造业产业链韧性水平较低时，亟须通过数字金融支持来实现规模扩张和质量升级，以提升制造业产业链应对风险的韧性。在发展到一定程度后，融资约束将不再是制造业产业链韧性提升的核心制约因素，这会导致数字金融的影响效应呈现疲软态势。
表6 分位数异质性回归结果
（一）中介效应检验
前文机制分析表明，技术创新是数字金融驱动制造业产业链韧性提升的一条重要路径。基于此，本文进一步将技术创新代入模型（2）和模型（3）中，实证分析数字金融对制造业产业链韧性影响的作用机制，结果如表7 所示。中介模型检验的第一步已在前文研究中得到验证。表7（1）列数据为中介模型检验的第二步，即数字金融对中介变量技术创新的影响效应。（2）列数据为中介模型检验的第三步，即数字金融和技术创新对制造业产业链韧性的影响效应。（1）列中，数字金融与技术创新呈显著正相关，表明数字金融可显著促进技术创新。（2）列中，数字金融和技术创新的回归系数均显著为正，且数字金融回归系数相较于数字金融的总效应有所降低，这表明数字金融可通过提升技术创新水平，间接增强制造业产业链韧性。假设H2得以验证。
表7 中介效应回归结果
（二）调节效应检验
为进一步检验产业集聚、政府补贴的调节作用，将产业集聚、政府补贴以及二者与数字金融的交互项引入模型，再次进行回归（见表8）。由表8的结果可知，各个样本分组中，产业集聚、政府补贴对产业链韧性起到正向调节作用，假设H3、H4 均得以验证。进一步分析可以发现，产业集聚、政府补贴的调节作用在东、中、西部地区存在显著差异。这主要是因为产业链韧性提升与区域资源禀赋之间存在较大关联。具体而言，鉴于东部地区经济发展水平、数字创新能力等各方面均具有较为明显的比较优势，故而该地区制造业产业链在应对风险冲击时，能够充分调动各类要素资源，有效发挥产业集聚、政府补贴的调节作用。与之对应，中、西部地区产业发展基础较为薄弱，且数字金融发展水平相对较低，导致该地区产业集聚、政府补贴的调节作用较小。
表8 调节效应回归结果
（三）门限效应检验
为考察不同区间内产业集聚、政府补贴的调节作用差异，分别以二者作为门限变量进行门限效应检验，结果如表9 所示。检验发现，全样本、东中西部地区产业集聚、政府补贴的单一门限效应均至少在5%的水平上显著。但是，双重门限效应只有政府补贴的全样本、东中部地区通过检验。总体而言，产业集聚在全样本和分地区样本均具有单一门限效应。而政府补贴在全样本和东中部地区具有双重门限效应，在西部地区具有单一门限效应。
表9 门限效应检验
表10（1）列汇报了产业集聚的全样本和东中西部地区样本的回归结果。当产业集聚变量小于等于门限值0.4403、0.4312、0.4596、0.5011 时，回归系数分别为0.3005、0.3267、0.2896、0.2771，且均通过显著性检验。当产业集聚大于门限值时，回归系数的大小和显著性均有所提升。由此可见，产业集聚对数字金融与制造业产业链韧性的关系存在单重门限特征。伴随产业集聚程度不断提升，产业集聚对数字金融与制造业产业链韧性关系的调节作用亦不断加强。以上结论表明，产业集聚只有跨过一定门限值时，才能充分发挥其对数字金融的正向调节作用。
表10 门限效应回归结果（产业集聚）
表11 汇报了政府补贴的门限效应检验结果。当政府补贴小于等于门限值0.1701、0.1700、0.1639、0.1844 时，数字金融的回归系数为0.3967、0.4126、0.3875、0.3599。当政府补贴强度大于第一重门槛且小于第二重门槛时，回归系数的绝对值和显著性均有所上升，表明政府补贴促进作用进一步增强。而当政府补贴变量跨越第二重门槛时，其对数字金融影响的促进作用有所减小，且回归系数的显著性也有所降低。原因可能在于，当政府补贴强度发展到一定程度后，会逐步释放其对于产业链应对风险的正向效应，助推制造业产业链韧性提升。当政府补贴过强时，可能会由于政府资本的过度投入，抑制数字金融影响效应的发挥，导致数字金融的促进作用反而有所减小。
表11 门限效应回归结果（政府补贴）
本文运用2015—2020年省域面板数据，考察了数字金融对制造业产业链韧性的影响。研究发现：第一，数字金融可显著提高制造业产业链韧性，且这一作用存在地区异质性特征。第二，中介机制检验发现，技术创新是数字金融影响产业链韧性的重要渠道。第三，调节机制检验发现，产业集聚和政府补贴的优化均对数字金融与制造业产业链韧性具有正向调节作用。第四，门限检验结果显示，产业集聚对数字金融的影响具有单一门限效应，而政府补贴对数字金融的影响在全样本和东中部地区具有双重门限效应，在西部地区具有单一门限效应。
基于上述结论，进一步提出如下建议：
第一，推动技术创新赋能，促进数字金融与制造业产业链深度对接。前文研究指出，技术创新在数字金融发展与制造业产业链韧性间发挥中介作用。因此，有关部门应当顺应数字技术潮流，整合数字金融资源，积极引导数字金融与制造业产业链深度对接。一方面，利用数字技术创新优化金融资源配置。金融机构应当借助人工智能、大数据等数字技术，利用自身优势创新数字金融业务和服务模式，整合数字金融资源，实现金融资源的高效、高质配置，提升数字金融对制造业产业链发展的服务广度和深度，实现与制造业产业链深度对接。另一方面，利用数字技术创新提升金融供给的精准度。金融机构应当借助互联网、大数据等数字技术手段，通过搭建数字金融服务平台，降低金融机构与制造业产业链主体之间的信息不对称程度，强化对制造业产业链重点领域和龙头企业的精准支持。借此，逐步实现金融供需两端诉求的精准匹配，为制造业产业链韧性提升提供低成本和高效率的金融服务，促进数字金融与制造业产业链深度对接。
第二，优化政府补贴方式，提升政府干预效能。结果表明，政府补贴在数字金融与制造业产业链韧性间具有显著的正向调节作用。因此，政府应当立足长远发展，不断优化补贴方式，着力提升政府干预效能，为提升我国制造业产业链韧性筑牢根基。其一，完善政府补贴管理模式。政府既要积极引导制造业产业链主体进行技术创新，给予其经费使用的自主权，同时要建立起补贴使用的配套监管机制，增强政府对制造业产业链韧性的干预效能，助力制造业产业链韧性提升。其二，强化政府补贴引导职能。政府应借助补贴向社会释放利好信息，推动制造业产业链主体与社会组织形成有效的沟通和合作机制，引导社会资本流入制造业产业链领域，进一步拓宽制造业产业链韧性发展的资金来源，切实提升政府干预效能，发挥政府“看得见的手”的作用。
第三，推动制造业产业集聚成“群”，凝聚产业链韧性发展合力。研究表明，产业集聚对数字金融与制造业产业链韧性具有显著的正向调节效应。因此，有关部门应当积极改善制造业产业生态，摒弃传统狭隘的区域产业发展理念，推进制造业产业集聚，强化数字金融对制造业产业链韧性的促进效应。一方面，完善产业集群培育机制。有关部门应当积极完善产业集群培育发展工作机制，构建集群梯次培育体系，引导优质要素资源向集群高效集聚，增强地区制造业产业集聚能力，强化数字金融对制造业产业链韧性的驱动效应。另一方面，建立重点产业集群高地。有关部门应当针对高技术制造业等重点领域，扎实推进产业示范基地建设，支持重点产业专业化、多样化集聚，打造“金融+产业+人才+科技”的重点制造业产业集群高地，为发挥数字金融驱动效应、强化制造业产业链韧性夯实产业基础。
注 释
①劳动密集型制造业包括纺织品、木材、家具等制造，WIOD 数据库中行业代码分别为C13－C16、C31、C32；
资本密集型制造业包括食品、橡胶、金属等制造，行业代码分别为C10－C12、C17－C19、C22－C25；
知识密集型制造业包括化学制品、电气设备、汽车等制造，行业代码分别为C20、C21、C26－C30。
本文来源：http://www.triumph-cn.com/fanwendaquan/gongwenfanwen/2023/0925/108890.html