伴随着我国数字经济蓬勃发展,大数据逐步参与到社会再生产的各个方面,已然成为供给侧结构性改革背景下我国产业结构升级的重要推手。然而,一直以来我国的制造业增长很大程度上是依靠资本、劳动力等传统要素驱动的,在深入推进制造业高质量发展的背景下,制造业的转型升级面临着巨大压力。在此背景下,改变制造业高能耗、高污染的困境,提升资源利用效率,实现制造业新旧动能转换,是我们推动制造业高质量发展的必由之路。同时,全要素生产率作为衡量制造业高质量发展水平的重要指标,对其深入研究有助于我们准确了解制造业企业的生产经营情况,更好地认识企业自身存在的问题。因此,在大数据迅速发展的时代背景下,探究大数据发展对制造业全要素生产率的影响,分析两者之间作用的理论机理,对于进一步提升大数据发展水平、释放制造业全要素生产率的增长活力,具有重要的理论和现实意义。基于上述分析,本文为探究大数据发展对制造业全要素生产率影响和机理,将采用理论分析和实证分析的方法对这一问题进行详细阐释。首先,本文一方面对大数据和制造业全要素生产率的相关概念进行解析,详细阐释什么是大数据及其所具有的特点,并对制造业全要素生产率的一般性与特殊性进行说明。另一方面,采用马克思关于社会再生产的四个环节的相关论述,探究大数据如何对制造业全要素生产率产生影响;结合习近平总书记关于大数据与制造业的相关论述,进一步提供两者相互作用的理论基础,这将打通大数据发展作用于制造业全要素生产率的逻辑链条。在政治经济学分析的基础上,提出大数据发展对制造业全要素生产率影响的作用机理,并从社会化再生产视角进行探讨;在中介机制方面,本文选取创新作为中介变量,通过分析大数据发展对创新的资源集聚驱动自主创新机制和信息联通驱动协同创新机制,探究大数据发展对制造业全要素生产率的作用路径;在网络效应方面,本文基于梅特卡夫效应和数据规模效应分析大数据发展对制造业全要素生产率的网络效应。其次,运用数据对理论部分进行检验。借助国泰安数据库发布的上市公司数字化转型程度,衡量大数据发展水平,运用LP法测度上市公司全要素生产率,并对两者的变动趋势进行分析。结果显示,尽管经济发展中我国的制造业上市公司全要素生产率出现不同程度波动,但总体呈现稳步上升的态势;大数据发展水平近年来快速提升,但地区间的极化现象也愈发严重。在对核心变量测度之后,本文运用固定效应模型对我国2007-2020年间2213家制造业上市公司进行计量回归,并控制了时间固定效应、个体固定效应,结果分析如下:第一,大数据发展对制造业全要素生产率呈现显著正向影响;第二,大数据发展对制造业全要素生产率的影响呈现明显的时空异质性和个体异质性,大数据发展对制造业全要素生产率的影响在中西部地区要强于东部地区,且后期影响不显著,大数据发展对制造业全要素生产率的影响在重工业和尖端制造业要强于轻工业。其中,对规模大的企业具有显著正向影响,对规模小的企业影响则不显著;第三,大数据发展将会通过创新这一中介机制来提升制造业全要素生产率;最后,大数据发展对制造业全要素生产率的影响存在网络效应,大数据发展的积极影响存在“边际效应”非线性递增的特点。通过上述理论分析和实证检验,本文不仅对大数据发展和制造业全要素生产率的影响机理进行了系统分析,也对相关测度方法进行了全面的阐释,并尝试开拓新的思考角度理解其作用机理。最后针对上述研究,本文提出如下政策建议:从产业和技术层面加快国家大数据战略实施;构建协调的大数据发展格局实现网络效应的发挥;减少大数据发展差异来缩小地区间和企业间的数字鸿沟;通过助力信息联通促进企业自主创新和协同创新;最后还要合理规制大数据发展,营造风清气正的行业生态环境。