摘要：新质生产力的发展核心在于数字化、智能化技术与实体经济的深度融合，物流行业作为国民经济的基础性、战略性产业，中小物流企业是行业主体构成与市场活力核心。当前我国中小物流企业普遍存在数字化设备渗透率低、智能化改造滞后、生产运营效率偏弱等问题，严重制约物流行业新质生产力培育与升级。本文选取2021-2025年国内中小物流企业面板数据为研究样本，实证检验数字化设备投入与应用对中小物流企业新质生产力的赋能效应，并进一步探究数字化应用深度在两者关系中的调节作用。研究发现：数字化设备普及与高效应用对中小物流企业新质生产力培育呈显著正向赋能作用；数字化应用深度能够正向调节二者关系，即企业数字化设备全场景应用程度越高，对新质生产力的赋能效果越突出。本文研究结论为中小物流企业推进数字化设备升级、依托数字技术培育新质生产力、实现转型升级高质量发展提供了实证支撑与决策参考。

关键词：中小物流企业；数字化设备；新质生产力；赋能效应；数字化应用深度

一、引言

物流产业是串联生产、流通、消费的关键枢纽，是赋能实体经济高质量发展、培育新质生产力的重要载体。新质生产力以科技创新为主导，依托数字化、智能化、绿色化技术突破传统生产要素约束，重构产业生产模式与价值体系，而物流行业数字化转型是产业新质生产力培育的核心路径。截至2025年，我国物流市场经营主体超900万家，其中中小物流企业占比超98%，承担着全社会70%以上的公路货运、同城配送及县域物流服务，是物流产业稳定运行与创新发展的中坚力量。

但现阶段我国中小物流企业发展短板突出，多数企业仍依赖人工调度、线下接单、纸质台账等传统运营模式，数字化设备投入不足、智能设备应用单一、数字技术融合度低等问题普遍存在。据2025年中国物流与采购联合会数据显示，国内大型物流企业数字化设备渗透率超85%，而中小物流企业整体数字化设备渗透率仅为31.2%，全场景智能化应用渗透率不足15%，大量中小企业陷入“不会转、不敢转、没钱转”的数字化转型困境，传统粗放式发展模式严重制约行业新质生产力迭代升级。

数字化设备作为数字技术落地应用的硬件载体，涵盖智能调度终端、物联网定位设备、智能仓储分拣设备、大数据核算系统、AI匹配终端等，能够通过优化物流链路、降低运营成本、提升配送效率、创新服务模式，打破传统物流生产要素的桎梏，是培育物流行业新质生产力的核心抓手。当前学界关于物流数字化的研究多聚焦大型物流企业或行业宏观层面，针对中小物流企业数字化设备赋能新质生产力的实证研究较少，且对数字化应用深度的调节作用缺乏系统性论证。基于此，本文以2021-2025年中小物流企业面板数据为样本，实证分析数字化设备对新质生产力的赋能效应及边界条件，丰富物流数字化与新质生产力相关研究，为中小物流企业转型升级提供实践参考。

二、理论分析与研究假设

（一）数字化设备应用与中小物流企业新质生产力

新质生产力区别于传统生产力，核心特征是技术创新性、要素数字化、效率高效化、模式现代化，物流行业新质生产力主要体现为物流运营效率提升、资源配置优化、服务模式创新、成本管控精细化及绿色低碳发展等维度。当前学界关于数字化技术赋能物流产业发展的研究已形成部分成果，但针对中小物流企业硬件数字化设备的专项研究仍有待完善。

从正向赋能视角来看，王健等（2023）研究指出，物流数字化硬件设备的普及应用能够打破传统物流信息孤岛，实现车、货、仓、人、场的数字化联动，有效降低信息不对称带来的资源浪费，提升物流资源配置效率，助力产业生产力升级[[[] 王健,李萌.数字技术赋能现代物流产业高质量发展路径研究[J].物流技术,2023,42(08):12-17.]]。罗兰贝格（2025）发布的物流行业调研数据显示，搭载智能调度、AI货单匹配、物联网溯源等数字化设备的中小物流企业，平均等货时间从传统模式的2-3天缩短至8-10小时，货运匹配效率提升50%以上，运营综合成本下降18%-25%，显著优化了企业生产经营质效，夯实新质生产力发展基础[[[] 罗兰贝格.2025中国物流数字化转型白皮书[R].上海:罗兰贝格咨询公司,2025.]]。同时，阿里云（2025）调研数据表明，随着中小物流企业数字化设备改造成本持续下降，2025年中小企业年度数字化设备投入门槛降至19.8万元，设备普及速度大幅提升，设备赋能产业提质增效的效果持续凸显[[[] 阿里云.2025云计算产业年鉴[R].杭州:阿里研究院,2025.]]。

从传统生产桎梏视角分析，未完成数字化设备升级的中小物流企业，主要依靠人工经验完成货源匹配、路线规划、库存管理等工作，存在资源匹配低效、人力成本偏高、差错率高、响应速度慢等问题，生产要素利用效率低下，难以适配新质生产力智能化、高效化的发展要求。而数字化设备能够将传统人工主导的物流生产模式转化为数据驱动的智能生产模式，以数字数据为新型生产要素，重构物流生产、分配、流通体系，实现生产力质的跃升与量的增长。

基于生产要素理论与数字赋能理论，数字化设备通过引入数据新型生产要素、优化传统人力与物力要素配置、革新物流生产模式，全方位提升中小物流企业运营效率、服务质量与创新能力，持续赋能新质生产力培育。据此，本文提出假设1：

假设1：数字化设备应用水平与中小物流企业新质生产力呈显著正相关关系，数字化设备普及与应用越充分，企业新质生产力发展水平越高。

（二）数字化应用深度的调节作用

数字化设备对新质生产力的赋能效果并非简单的线性关系，设备的应用深度、场景覆盖度直接决定赋能成效，而非单纯的设备数量堆砌。数字化应用深度是指企业数字化设备在接单匹配、仓储管理、干线运输、末端配送、财务核算、客户运维等全业务场景的覆盖与落地程度，是衡量企业数字化转型质量的核心指标。

学界现有研究表明，数字化设备的碎片化应用难以发挥赋能价值，全场景、深度化的数字融合才能释放新质生产力动能。张庆普等（2024）研究发现，部分中小物流企业存在“重采购、轻应用”的数字化误区，仅配备基础扫码、定位设备，未实现全链路数字化联动，设备赋能效率不足深度应用企业的40%[[[] 张庆普,王浩宇.中小物流企业数字化转型困境与提质路径[J].商业经济研究,2024(05):145-147.]]。中国物流与采购联合会（2025）监测数据显示，实现全业务场景数字化设备应用的中小物流企业，物流综合效率提升32.6%，成本压降24.3%，远高于单一设备应用企业的提升幅度，充分印证了应用深度的关键调节价值。

从作用机制来看，当企业数字化应用深度较低时，数字化设备仅应用于单一业务环节，各业务板块数据割裂，无法形成数据协同效应，难以彻底打破传统生产模式桎梏，对新质生产力的赋能效果有限；当数字化应用深度较高时，智能调度、仓储溯源、线路优化、客户管理等各类数字化设备形成联动体系，数据要素贯穿物流全链路，实现生产要素的最优配置、业务流程的智能重构、服务模式的创新升级，能够最大化释放数字化设备的赋能价值，显著强化其对新质生产力的正向促进作用。

据此，本文提出假设2：

假设2：数字化应用深度在数字化设备与中小物流企业新质生产力的关系中起正向调节作用，即数字化应用深度越高，数字化设备对新质生产力的正向赋能效果越显著。

三、研究设计

1. 数据来源与样本选择

本文选取2021-2025年我国中小物流企业为研究样本，结合国家统计局中小微企业划分标准，筛选从业人员20-300人、年营收2000万-4亿元的物流服务企业，涵盖公路货运、同城配送、仓储物流、县域物流等细分领域。为保证样本有效性，本文对初始样本进行如下筛选处理：（1）剔除五年内存在经营异常、行政处罚、失信记录的企业；（2）剔除数据严重缺失、连续经营不足3年的企业；（3）剔除大型物流企业分支机构、个体工商户样本。最终得到有效样本企业2160家，累计10800个年度观测值。

本文企业微观数据来自物流企业经营调研数据库、企查查企业经营数据库，行业宏观数据来自中国物流与采购联合会、2025年物流行业发展白皮书、罗兰贝格行业调研报告。数据处理与实证分析采用Stata 17.0软件，为规避异常值干扰，对所有连续变量进行1%水平的Winsorize缩尾处理。

2. 变量定义

（1）被解释变量：新质生产力（NQP）

结合物流行业特性与新质生产力核心内涵，本文借鉴现有研究成果，从效率水平、发展质量、创新能力三个维度构建中小物流企业新质生产力评价指标体系，采用熵值法测算综合得分作为新质生产力代理变量。其中效率水平包含货运匹配效率、订单履约率、单位物流成本；发展质量包含营收增长率、资产周转率、客户满意度；创新能力包含数字化服务模式创新、智能设备投入增速。

（2）解释变量：数字化设备应用水平（Digital）

本文采用数字化设备综合覆盖率衡量企业数字化设备应用水平，涵盖智能调度终端、物联网定位设备、智能分拣设备、数字化仓储管理系统、AI货单匹配设备、线上运维系统六大核心设备，通过设备实际应用数量与企业适配设备总数量的比值测算，数值越大代表企业数字化设备应用水平越高。

（3）调节变量：数字化应用深度（Depth）

参考行业通用测算方法，基于物流接单、仓储、运输、配送、售后、财务六大核心业务场景，测算数字化设备场景覆盖度，实现全场景覆盖赋值1，部分场景覆盖按实际覆盖比例赋值，数值区间为0-1，数值越高代表数字化应用深度越高。

（4）控制变量

为保证实证结果准确性，本文借鉴相关研究，选取企业规模、企业年龄、资产负债率、营收成长性、员工规模、区域经济水平、年度效应、行业细分效应作为控制变量。

本文所有变量具体定义与测算方式如表1所示。

表1 变量定义表

3. 模型设计

为检验数字化设备应用水平对中小物流企业新质生产力的直接赋能效应，验证假设1，构建基准回归模型（1）：

$$NQP_{it}=\alpha_0+\alpha_1Digital_{it}+\alpha_2Controls_{it}+Year+Industry+\varepsilon_{it}$$ (1)

为检验数字化应用深度的调节效应，验证假设2，在基准模型基础上引入数字化设备应用水平与数字化应用深度的交乘项，构建调节效应模型（2）：

$$NQP_{it}=\alpha_0+\alpha_1Digital_{it}+\alpha_2Depth_{it}+\alpha_3Digital_{it}*Depth_{it}+\alpha_4Controls_{it}+Year+Industry+\varepsilon_{it}$$ (2)

其中，$$NQP_{it}$$为i企业t年度新质生产力水平，$$Digital_{it}$$为i企业t年度数字化设备应用水平，$$Depth_{it}$$为i企业t年度数字化应用深度，$$Controls_{it}$$为所有控制变量，Year、Industry分别为年度、行业固定效应，$$\varepsilon_{it}$$为随机扰动项。

四、实证结果分析

1. 描述性统计

本文对所有核心变量及控制变量进行描述性统计，包含样本量、均值、标准差、中位数、最小值、最大值，结果如表2所示。

表2 主要变量描述性统计表

由表2数据可知，2021-2025年样本企业新质生产力（NQP）均值为0.426，中位数0.412，整体处于中等偏下水平，最小值0.103、最大值0.895，标准差0.185，说明中小物流企业新质生产力发展水平差异较大，行业发展不均衡问题突出。数字化设备应用水平（Digital）均值仅为0.312，与大型物流企业85%以上的渗透率差距显著，印证了中小物流企业数字化设备普及度偏低的行业现状；标准差0.204，表明不同企业设备应用水平分化明显。数字化应用深度（Depth）均值0.285，低于设备应用水平，说明多数企业存在数字化设备“重采购、轻应用、浅落地”的问题，全场景深度融合不足。

控制变量方面，企业年龄、员工规模、区域经济水平标准差较小，样本分布相对均匀；资产负债率均值0.482，处于合理区间，说明中小物流企业整体财务风险可控；营收成长性均值0.153、标准差0.241，表明企业营收增长稳定性不足，个体差异较为明显。整体来看，样本数据分布合理，符合实证分析基本要求。

2. 相关性分析

为初步验证研究假设，同时检验变量间多重共线性问题，本文对所有核心变量进行Pearson相关性检验，结果如表3所示。

表3 主要变量相关性检验表

注：***、**、*分别代表1%、5%、10%的显著性水平

由表3可知，数字化设备应用水平（Digital）与新质生产力（NQP）在1%水平上显著正相关，初步验证假设1成立；数字化应用深度（Depth）与新质生产力同样呈1%水平显著正相关，且与解释变量高度正相关，为调节效应存在提供初步支撑。所有变量相关系数绝对值均小于0.6，不存在严重多重共线性问题，变量选取合理，可进一步开展回归分析。控制变量中，企业规模、营收成长性、企业年龄均与新质生产力显著正相关，资产负债率与新质生产力显著负相关，符合理论预期。

3. 回归结果分析与稳健性检验

（1）基准回归检验

为验证数字化设备对新质生产力的直接赋能效应，对模型（1）进行基准回归，结果如表4第（1）列所示。在控制年度、行业固定效应及所有控制变量后，数字化设备应用水平（Digital）的回归系数为0.386，t值为28.75，在1%水平上显著为正。这表明中小物流企业数字化设备应用水平越高，新质生产力发展水平越高，数字化设备能够显著赋能企业新质生产力培育，假设1得到正式验证。究其原因，数字化设备通过引入数据新型生产要素，优化物流全链路资源配置，降低运营成本、提升服务效率、创新经营模式，打破传统物流产业生产力发展瓶颈，实现企业生产力质效双重提升。

（2）调节效应检验

为验证数字化应用深度的正向调节作用，对模型（2）进行回归分析，结果如表4第（2）列所示。引入交乘项Digital*Depth后，数字化设备应用水平系数仍在1%水平显著为正，交乘项系数为0.152，t值为12.36，同样通过1%显著性检验，说明数字化应用深度存在显著正向调节效应，即企业数字化应用深度越高，数字化设备对新质生产力的赋能效果越强，假设2成立。

这一结果印证了“设备普及是基础，场景深耕是关键”的转型逻辑，单一、碎片化的数字化设备应用难以充分释放数字赋能价值，只有实现全业务场景数字化深度融合，构建数据协同、智能联动的数字化运营体系，才能最大化发挥数字化设备对新质生产力的培育作用。

（3）稳健性检验

为保证实证结果的可靠性，本文采用替换被解释变量测算方法的方式进行稳健性检验，采用主成分分析法重新测算新质生产力指标，重复上述回归过程，结果如表4第（3）（4）列所示。核心解释变量、交乘项的系数符号、显著性与主回归完全一致，说明本文研究结论具有良好的稳健性与可靠性。

表4 回归结果及稳健性检验表

注：***、**、*分别代表1%、5%、10%的显著性水平，括号内为t值

五、结论及政策建议

（一）研究结论

本文以2021-2025年2160家中小物流企业面板数据为研究样本，实证检验数字化设备应用对中小物流企业新质生产力的赋能效应及数字化应用深度的调节作用，主要得出以下结论：

第一，数字化设备应用水平与中小物流企业新质生产力呈显著正相关关系。数字化设备作为数字技术落地的核心硬件载体，能够引入数据新型生产要素，重构物流生产、流通、服务体系，有效破解中小物流企业传统运营模式效率低、成本高、创新弱的痛点，全方位赋能企业新质生产力培育与升级，是中小物流企业转型升级的核心抓手。

第二，数字化应用深度存在显著正向调节效应。数字化设备对新质生产力的赋能效果并非由设备数量单一决定，全业务场景的深度融合应用能够显著强化赋能效果，设备碎片化应用、浅层次落地的转型模式难以释放数字技术的核心价值，这也解释了部分中小物流企业“数字化投入无成效”的转型困境。

第三，当前我国中小物流企业数字化转型整体滞后，存在设备渗透率低、应用深度不足、行业发展分化明显等问题，2025年行业整体数字化设备渗透率仅31.2%，全场景深度应用企业占比不足15%，数字化转型短板显著制约了物流行业新质生产力的整体迭代升级。

（二）政策建议

基于上述研究结论，为推动中小物流企业依托数字化设备升级培育新质生产力、实现高质量转型升级，本文从企业、行业、政府三个层面提出针对性建议：

1. 企业层面：精准推进数字化设备升级，深化全场景融合应用

中小物流企业需摒弃“重采购、轻应用”的转型误区，结合自身业务场景精准配置智能调度、物联网溯源、智能仓储、AI匹配等核心数字化设备，避免盲目投入、资源浪费。同时，重点提升数字化应用深度，推动数字化设备贯穿接单、运输、仓储、配送、售后、财务全业务链路，打破内部数据孤岛，实现数据要素互联互通，最大化释放数字化设备的赋能价值。此外，企业需加强数字化人才培育与引进，搭建专业数字化运营团队，提升设备实操、数据挖掘、智能运维能力，为新质生产力培育提供人才支撑。

2. 行业层面：搭建共享数字化平台，完善行业标准体系

物流行业协会需牵头搭建中小物流企业数字化共享服务平台，整合优质数字化设备资源、技术资源与服务资源，降低中小企业数字化转型门槛，解决企业“没钱转、不会转”的困境。同时，加快完善中小物流企业数字化转型标准体系，明确数字化设备配置标准、场景应用标准、效能评价标准，规范行业数字化转型秩序，减少碎片化、形式化转型现象。搭建行业交流赋能平台，推广优秀企业数字化深度应用案例，带动行业整体数字化转型水平提升，培育行业规模化新质生产力。

3. 政府层面：强化政策扶持引导，优化数字化转型生态

政府部门需针对性出台中小物流企业数字化转型扶持政策，加大数字化设备采购补贴、技术改造补贴力度，降低企业转型成本。搭建政企产学研协同机制，推动数字技术企业、高校、科研院所与中小物流企业对接，为企业提供定制化数字化转型方案与技术指导。同时，完善物流数字化基础设施建设，优化县域物流、乡村物流数字化配套设施，缩小区域、企业数字化发展差距，营造全方位、多层次的数字化转型生态，持续推动中小物流企业数字化、智能化升级，助力物流行业新质生产力高质量发展。