数字化转型与制造企业服务化——基于嵌入式服务化和混入式服务化的双重视角

张 远，李焕杰

（1.闽江学院经济与管理学院，福建福州 350108；2.南开大学经济学院，天津市 300071）

一、引言

改革开放以来，依托低廉的劳动力成本，大量中国制造企业长期嵌入国际价值链的加工制造环节，由此推动了中国经济40年左右的高速增长。然而伴随着“逆全球化”趋势日益凸显和东南亚国家竞争的加剧，中国制造业亟须向价值链高端攀升，以推动经济由高速增长转向高质量发展。以往经济发展的理论逻辑和经验事实均将技术创新作为制造业价值链攀升的重要途径，近年来，服务化作为制造业升级的另一种有效方式逐渐得到关注[1]。《中国制造2025》指出，“加快制造与服务的协同发展，促进生产性制造向服务型制造转变”。党的十九届五中全会也明确提出要“发展服务型制造”。制造业服务化是制造企业由产品竞争转向服务竞争的战略转型，能够有效提升产品附加值、打造企业竞争优势，与技术创新共同成为制造业摆脱“低端锁定困境”的两条殊途同归的路径选择[1-2]。

尽管服务化是促进制造业价值链攀升进而实现经济高质量发展的重要途径和模式，但在传统经济时代，受服务业不可贸易性特征[3]和组织冲突、资源约束等因素引致的服务化困境影响，中国传统制造企业服务化转型并不顺利。同时，移动互联网、大数据、云计算、人工智能等数字技术的迅速发展和广泛应用改变了传统服务的形态与现代产业组织生态，为制造企业服务化提供了有利契机。本文在此背景下详细探讨制造企业数字化转型对其服务化的影响效应与内在机理。进一步地，中国制造企业存在着大量的向金融和房地产业投资的脱实向虚行为，嵌入式服务化和混入式服务化两种不同性质的服务化在制造企业中并存成为中国制造业发展的典型事实[4-5]。具体来说，嵌入式服务是指与制造企业核心产品密切相关，能够提升产品的差异程度，进而促进企业向价值链上下游延伸的高质量的服务业务，包括产品维修、系统解决方案、远程监控等；混入式服务是指制造企业从事的能够直接获取经济效益而与企业核心产品无关的服务业务，包括金融、旅游餐饮、房地产开发、物业管理等，该类服务可能会造成企业资源分散和企业产品竞争力降低，从而不利于企业发展[6]。面对这种情形，我们首先需要回答的是数字化转型分别会对这两类性质迥异的服务化产生怎样的影响。之后，需要进一步探讨存在这种影响的内在机制是什么，在异质性企业中这种影响是否存在差异。在中国经济发展转型的关键阶段，清晰揭示数字化转型与制造企业服务化之间关系演进的作用机制，不仅有利于深化数字化转型经济效应的理论研究，也能够为制造企业进行价值链升级提供有益的实践指导。

自范德迈尔和拉达（Vandermerwe & Rada）[7]首次提出制造业服务化以来，这一概念便得到学术界广泛的关注，目前积累了较为丰富的文献。既有研究主要沿着以下两个层面展开：

一是制造业服务化的经济效应。该层面的研究又可细分为制造业投入服务化的经济效应和制造业产出服务化的经济效应两类。第一类文献基于制造业中间投入视角，将制造业服务化视为服务要素投入占全部投入要素比重的提升，认为制造业投入服务化有助于传统标准化的工业产品构造差异化的竞争优势[8]、提升企业生产率[9-10]及资源配置效率[11]，尤其是在国际贸易中，制造业投入服务化能够提升企业的出口能力[12]、出口国内增加值率[13]、价值链参与程度和在价值链体系中的分工地位[14]。受实证数据可得性的限制，该类研究主要局限于区域和产业层面，难以深入到微观企业层面。第二类文献聚焦于制造业服务化与企业绩效之间的关系。这类研究主要基于产品产出视角，将制造业服务化视为服务收入在企业营业收入占比增加的过程，认为这种基于产出端的制造业服务化能够促进企业产品销售规模扩张，进而提高企业绩效[15]，但也有较多学者发现服务化对企业绩效具有负向[16-17]、U型[18]及倒U型[19]影响。

二是考察制造业服务化转型的影响因素。该类研究主要聚焦于产出服务化，学者们发现宏观层面的经济政策不确定性[1]、营改增政策[5]，微观层面的企业组织变革[20]、市场竞争强度及技术创新水平[21-22]对制造业服务化均有不同程度的影响。在与本文主题最相关的研究中，哈克斯台和谢弗（Huxtable & Schaefer）[23]基于英国35 家制造业企业问卷调查数据，发现工业4.0能够通过服务的连接、数据的搜集以及新型服务业态的涌现而促进制造企业服务化转型；阿多利诺（Ardolino）等[24]基于案例分析法发现，物联网、云计算和预测分析等数字技术对制造业服务化至关重要。

上述文献为本文的研究提供了丰富的文献基础，但关于数字化转型对制造企业服务化影响的研究仍较匮乏，少数文献也仅在理论层面通过案例分析法进行了一些初步探讨，不仅缺乏对数字化转型影响制造企业服务化的间接机制的探讨，而且未能利用实际经验数据深入微观企业层面进行更深层次的分析。相较而言，本文的边际贡献在于：（1）与以往文献聚焦于数字技术对制造企业服务化的直接影响不同，本文从直接影响机制和组织变革效应、技术创新效应等间接影响机制两个层面探讨了数字化转型影响制造企业服务化的作用机理，打开数字化影响服务化的“黑箱”；（2）基于手工整理的企业资产数据和Python 软件抓取的文本数据，本文创新性地从数字化投资和数字技术应用两个维度构建了企业数字化转型指标，弥补了以往研究中关于微观企业数字化转型度量存在的不足；（3）基于中国制造业高质量服务化和低质量服务化并存的典型事实，根据服务与企业核心产品的相关程度将制造企业服务化划分为嵌入式服务化和混入式服务化，拓宽了制造企业服务化的边界，增加了对制造企业价值链升级的理论认知；（4）将知识产权保护、市场势力和资源条件纳入分析框架中，探讨了数字化转型对制造企业服务化的异质性影响，并进一步分析了数字化转型对企业资源配置效率的影响效应，深化了数字化转型与制造企业服务化之间关系的理解。

二、分析框架与研究假说

数字化转型本质上是企业利用数字技术对业务进行改进，以革新现有的商业模式和组织流程[25]。数字技术具有可编程性、数据同质化和可自我参照性等特征[26]，其与服务产品融合不仅会直接改变企业的服务业态，降低服务成本，提升企业的服务供给能力，而且在企业管理、产品研发和生产中的应用还能有效促进企业组织变革和技术创新水平的提升，由此衍生出复杂的作用机制，对制造企业服务化产生影响。

（一）数字化转型对制造企业服务化的直接影响

从服务类型来看，制造企业提供的服务可分为嵌入式服务和混入式服务，其中嵌入式服务包括润滑型服务（Smoothing Services）、适应型服务（Adapting Services）和替代型服务（Substituting Ser⁃vices）[27]。润滑型服务是指为产品功能提供支撑的服务，如产品培训咨询、售后服务、产品维修等。这类服务是企业的传统服务，在传统工业经济中具有明显的同步性特征，即服务在交易过程中要求供需双方在空间和时间上具有一致性，从而导致其具有不可贸易性。数字化转型对润滑型服务的驱动作用在于企业利用数字技术对润滑型服务的内容和流程进行解构与重新编码，使其能够以数字化的形式在虚拟空间中交易（如远程运维、在线培训等），从而打破时空同步属性，降低服务成本，实现服务的可贸易性，促进制造企业服务规模的扩张[3]。适应型服务是指能够与产品互补进而拓展产品功能的服务。这类服务的实现需要企业对市场需求具备较强的洞察能力。数字化转型对这类服务的促进作用主要表现为企业在原有的产品中嵌入数字技术，通过对用户消费数据的搜集来追踪和识别市场需求，提升企业的市场洞察力和响应能力，并通过数字技术的连接作用将用户纳入到服务创新过程中，为用户提供增值服务。如耐克等企业在运动鞋中嵌入传感器，通过搜集用户的运动数据为用户提供健康建议服务，拓展了产品的功能。替代型服务是指用户不再向制造厂商购买产品，而是单纯地购买厂商提供的系统服务。这类服务往往是新型服务，对数字技术具有较强的依赖性。数字化转型能够从两方面增强制造企业的替代型服务供给能力：一是企业通过搭建数字化平台改变传统规模化的生产方式，构建以消费者为中心，集生产和服务于一体的个性化、模块化、柔性化、精细化的生产模式，使产品生产和服务融为一体、不可分割；二是一些制造业细分行业的龙头企业通过数字化转型将行业的标准化工艺、制造流程转化成模块化操作系统，并积累了大量的数字化转型经验和知识，成为向上下游以及同行业企业进行数字化转型和提供个性化系统解决方案的服务商，如三一重工、海尔等一些企业向其他企业提供大数据服务、系统解决方案服务等，实现由卖产品向卖服务的转变。

数字化转型促进制造企业服务化的关键在于大数据、物联网、人工智能等数字技术能够基于可编程性、数据同质化和可自我参照性等特征，充分挖掘企业产品的优势，打造符合企业比较优势和消费者需求的个性化服务，实现产品和服务的互补，进而优化企业资源配置，提升要素边际收益。从服务类型来看，混入式服务是制造企业开展的与其核心产品不相关的服务化，数字技术难以构建起其与产品的联系，因此数字化转型更有利于制造企业开展与其核心产品密切相关的嵌入式服务，而难以对混入式服务化产生影响。此外，企业长期实施混入式服务化容易降低消费者对产品的购买意愿、导致企业资源错配和组织管理困境，从而不利于企业绩效增长，即容易产生服务化悖论[5]。根据资源基础观，在资源约束条件下，服务化的引入导致企业面临资源和组织的冲突时，必须通过战略一致性原则来解决[5]。因此，从企业长远战略来看，制造企业更倾向于利用数字技术开展嵌入式服务化。由此，提出假设H1。

H1：数字化转型有利于提升制造企业嵌入式服务化水平，对混入式服务化的影响并不明确。

（二）数字化转型对制造企业服务化的间接影响

1.数字化转型、组织变革与制造企业服务化。数字化转型能够通过组织变革促进制造企业服务化。在数字化转型对企业组织变革的作用中，我们借鉴詹森和梅克林（Jensen&Meckling）[28]的组织结构模型来阐述其具体逻辑。詹森和梅克林构建了一个集信息成本和代理成本于一体的组织授权分析框架。在该框架中，信息成本与代理成本之和构成组织成本，组织成本最小值的相对位置决定了组织决策权力下放的程度。如图1所示，向右下方倾斜的曲线IC 为信息成本，代表基层部门向上级部门传递信息所带来的效率损失；曲线PC为代理成本，是指由于权力下放而造成的基层部门与上层部门之间因组织、目标、利益等的冲突而产生的成本。信息成本IC 与代理成本PC 之和为企业的组织成本TC，TC最低点在横轴上的相对应点A 即为企业决策权力最优配置点。A 点越靠近原点（CEO办公室），说明企业集权程度越高，反之则说明分权程度越高。

数字化转型能驱动决策权最优位置向右移动，从而促使组织决策权下放。首先，数字化转型会提升企业信息成本。企业通过数字化转型将内部各部门、上下游企业、消费者等各主体的结构化和非结构化信息内容由物理空间映射至网络空间，极大地丰富了基层部门的数据信息和专业知识，使企业成为海量信息的载体。在这种背景下，尽管云平台、工业互联网等数字化途径可以提升信息的传递效率，降低上级部门获取信息的成本，但汇集的海量数据信息具有单位价值密度低、总体商业价值高和时效性强等特点，增加了高层管理部门的决策难度和决策成本，从而倒逼企业决策权力的下放[29-30]。数字化转型推升了企业的信息成本，表现为图1中信息成本曲线IC 移动至IC1。其次，数字化转型能够降低企业组织的代理成本。数字技术可作为重要的管理和监督手段[30]，企业利用数字技术可以实现自动监督，管理层能够及时掌握、监督基层组织的目标、行为，防止基层部门对信息的封锁，降低“中央”与“地方”因目标利益的冲突而导致的代理成本。如在信息沟通中，内部通信系统的构建提高了企业不同层级员工间信息沟通和传达的便捷程度，有利于高层管理者及时获取员工信息及反馈员工意见；在生产管理中，物联网、工业互联网的使用使物理空间的生产活动映射到虚拟的网络空间，实现了企业物资的信息结构由传统工业化时代的间断性、分散性状态向数字化时代的连续性、整体性转变[31]，提升了管理层对企业生产过程的监管能力；在财务管理中，财务软件、人工智能技术等在企业财务、内部控制中的应用，提升了企业财务管理的透明度[32]，有利于管理层对企业内部违规行为的监管。因此，数字化转型降低了企业的代理成本，表现为代理成本曲线PC 向下移至PC1。总体上看，数字化转型推高了企业的信息成本，降低了企业的代理成本。如图1所示，由于信息成本曲线和代理成本曲线的移动，新的组织成本曲线TC1最小值位于原组织成本曲线TC 最小值的右侧，决策权最优位置由A 点移动到A1，即决策权的最优位置更趋向于基层组织。这说明数字化转型能够有效减少企业内部层级，催生去中心化的网络组织，促使组织决策权力下放。

图1 组织成本与最优决策位置模型

事实上，伴随着企业数字化转型实践的深入，部分企业甚至形成了以“大平台+小前端”结构为主要特征的平台型组织，如海尔集团打造的“小微+平台+生态”的模式和韩都衣舍构建的“大平台+小组制+云孵化”的商业模式。这种组织模式不再是传统组织结构由垂直化趋向扁平化的量变，而是以消费者为中心的企业组织的质变，具有强大的灵活性与开放性。企业通过数字技术获得的资源整合能力，使部分企业突破自身业务范畴，与不同行业的企业形成产品互补的企业生态圈，将单个企业的“大平台”构造成跨组织、跨行业的行业级虚拟平台，进一步增强企业组织的开放性，促进组织权力的下放。

组织变革对企业服务化转型成功与否至关重要，尤其是扁平化、分权式的组织结构能够有效促进制造企业服务化[20]：一是建立独立的服务组织，对服务岗位员工更高级别的授权有利于提升员工工作的积极性，增强其为客户提供服务的意识[20]；二是组织权力的下放能够提升组织清晰度（Orga⁃nizational Clarity），即以客户为中心，增强外部客户对服务组织感知及其与服务组织的联系强度，进而提升客户的满意度和忠诚度[33-34]；三是分权化的组织模式能够提升企业组织管理的灵活性，既有利于增强产品供给和服务供给的协调性，也能够有效缓解服务化过程中的组织冲突，降低企业战略转型的“政治成本”[35]，促进制造企业服务化水平提升。由此，提出假设H2。

H2：数字化转型可以促进组织分权化变革，通过提升员工积极性、组织清晰度和降低组织冲突对制造企业嵌入式服务化和混入式服务化产生积极影响。

2.数字化转型、技术创新与制造企业服务化。数字化转型可以通过技术创新促进制造企业服务化。首先，数字化转型能够通过以下三个方面促进技术创新水平提升。一是数字技术与企业原有产品的结合能够形成具有融合性和自生长特征的新产品[26]。如将数字技术融入传统的家居和汽车中形成了智能家居、智能汽车等新型智能产品，这些新产品不仅包含了更多的数字技术，也基于数字技术的连接功能融入了具有不同功能的物理硬件。二是数字技术能够优化企业技术创新过程。传统的技术创新主要局限在封闭的研发部门中进行，对消费者偏好的感知和创新知识的获取主要依赖于研发人员的经验与小范围的问卷调查，而数字技术则能够有效改善企业研发过程。一方面，数字技术在制造企业中的广泛渗透使企业能够利用物联网、大数据等技术通过多种渠道获取、传递消费者的用户信息、消费习惯和消费偏好等结构化和非结构化数据，并进一步通过人工智能的深度挖掘和预测分析功能，精准识别消费者对产品的现实需求和潜在需求，实现技术创新由经验驱动到数据驱动，提升创新效率[36]；另一方面，通过神经算法和深度学习等数字技术，研发人员能够精准识别和利用特定规则表达出的存在于不同情境下的隐性知识，使广泛存在于企业内部的隐性创新知识被转化为模块化、标准化的显性知识，有利于创新知识在企业中的积累和不同环境下的重新组合[37]。如美国Atomwise公司基于已有数据库，利用人工智能的复杂算法和识别模式判断分子之间的相互作用，在一周内开发出抗击埃博拉病毒的药物。三是基于数字技术构建的数字化平台，制造企业能够构建集科研机构、企业、消费者等多个创新主体于一体的开放式创新模式，形成动态有机的创新生态体系，进一步激发其创新活力。因此，数字化转型能有效降低企业创新成本，缩短创新周期，提升企业技术创新水平。

其次，制造企业服务化水平与技术创新水平密切相关。一方面，产品是服务化的物质载体，产品创新为企业积累了知识基础和技术基础，深化了企业对核心产品功能和用户需求之间关系的认知，提升了企业为用户提供个性化服务的能力；另一方面，具有较强创新性的新型产品往往具有复杂的知识结构，这会降低消费者对新产品的接受程度，增加产品销售的不确定性，由此倒逼企业通过提供培训、咨询、维护等服务作为新产品的互补性要素，以促进产品销售规模的扩张[38]。因此，制造企业技术创新可能会有利于其服务化水平提升。由于技术创新主要表现在产品层面，因而其主要对嵌入式服务产生影响，对混入式服务的影响可能并不明显。

但从价值链分工来看，技术创新聚焦于价值链上游环节，而制造企业服务化特别是嵌入式服务化则聚焦于价值链下游环节[4]，二者可能存在较强的替代性，如奥利瓦和卡伦伯格（Oliva&Kal⁃lenberg）[39]发现，在研发能力缺乏的情况下，制造企业会通过服务化策略来延长产品生命周期。因此，在企业资源有限以及进行技术创新和服务化都需要大量资源持续投入的背景下，数字化转型导致的两种升级方式存在较大的知识资源和物质资源冲突，导致技术创新对企业服务化产生抑制作用[40]。由此，提出以下假设。

H3a：数字化转型可以提升企业技术创新水平，通过增强产品的知识复杂程度及其对服务的承载力促进制造企业嵌入式服务化，对混入式服务化的影响并不明显。

H3b：由于资源冲突的存在，数字化转型难以通过技术创新促进制造企业开展嵌入式服务化和混入式服务化。

三、数据与模型设定

（一）数据来源及处理

考虑到数字化转型在中国的推广和普及主要发生在2013年及以后，本文选取2013—2019年A股制造业上市公司作为考察样本。其中，企业的基本信息来自国泰安（CSMAR）数据库，数字化投资指标通过手工整理财务报表附注数据得到；数字技术应用指标通过Python 软件抓取上市公司年度报告文本中与数字化转型相关的关键词获得，上市公司年报来自深圳证券交易所和上海证券交易所的官方网站；制造企业服务化数据源于手工整理的万得（Wind）数据库中企业营业收入行业构成和产品构成相关数据；区域层面的数据来自中国研究数据服务平台（CNRDS）。同时，剔除ST、*ST 上市公司，且对连续变量采取双边1%的Win⁃sorize缩尾处理，以缓解异常值的影响。

（二）基准模型设定

为检验数字化转型对制造企业服务化的影响，设定以下估计模型：

其中，i、t、c 分别代表企业、年份和区域；Servi⁃ceit表示企业总体服务化水平，Serviceit_e 表示企业嵌入式服务化水平，Serviceit_m 表示企业混入式服务化水平，DCGit为企业数字化转型水平；Xct为区域层面的控制变量，包括经济发展水平（Pgdp）、金融发展水平（Fin）、城市产业结构（Indus）；Eit为企业层面的控制变量，包括企业规模（Size）、年限（Age）、资产负债率（Lve）、现金流水平（Flow）、无形资产占比（Intasset）、市场势力（Market）、行业竞争程度（Compete）、盈利能力（Profit）、固定资产占比（Ppe）。δi为企业固定效应，λt为时间固定效应，εit为误差项。考虑到数字化转型驱动制造企业服务化可能存在时滞和二者之间的逆向因果问题，对解释变量滞后1期处理。

（三）变量度量

1.被解释变量：制造企业总服务化水平（Ser⁃vice）、嵌入式服务化水平（Service_e）、混入式服务化水平（Service_m）。本文借鉴孙晓华等[5]、约瑟夫森（Josephson）等[6]的做法，采用企业服务收入与营业收入之比来刻画微观企业的服务化水平。首先，基于Wind 数据库中制造业上市公司的营业产品构成和行业构成数据，根据国民经济行业分类标准（GB/T 4754—2017）人工识别及判断企业营业过程中是否涉及服务业务，若涉及，则分别按产品构成和行业构成对年度服务业收入进行加总；若未涉及，则判定该企业未实施服务化。若两类服务加总数值差异较大，则由两位编码者进一步查阅年报中对企业业务内容的描述，以最终确定制造企业的年度服务收入。其次，根据服务的具体内容，手工将企业服务分为嵌入式服务和混入式服务两类。具体来说，嵌入式服务包括安装及售后维修、系统解决方案、技术支持、工程与物流咨询、设备及产品租赁等与企业核心产品密切相关的服务；混入式服务包括产品贸易、金融经纪、物业管理、房地产开发、餐饮旅游等与企业核心产品无关的服务。最后，分别将企业的年度服务化收入、嵌入式服务收入、混入式服务收入除以企业年度营业收入额，得到制造企业的总体服务化水平（Service）、嵌入式服务化水平（Service_e）和混入式服务化水平（Service_m）。

2.解释变量：数字化转型水平（DCG）。现有文献中，余（Yu）等[41]、吴非等[42]采用上市公司年报文本信息从微观层面刻画企业数字化转型水平，该方法对本文构建企业数字化转型指标具有一定的参考意义。但由于文本信息存在较强的主观性，在国家和地方政府大力倡导发展数字经济的背景下，上市公司年报中与数字化转型相关的文本信息容易成为管理者进行股票概念炒作的信息操作工具[43]，并且，随着国家和地方出台支持企业数字化转型的扶持政策，企业也可能通过在年报中大量表述与数字化转型相关的文本信息吸引更多的政府补贴。因此，尽管年报文本数据可以反映上市公司对数字技术应用的深度，但在遗漏数字化投资数据情况下，难以有效衡量企业的真实数字化转型程度。鉴于此，本文利用熵权法从企业真实的数字化投资水平和年报文本信息刻画的数字技术应用水平两个维度构建企业数字化转型指标，以更全面和客观地衡量企业的数字化转型程度。

首先，参考霍（Ho）等[44]、王宇等[45]的研究，分别利用数字化硬件投资和数字化软件投资占总资产比重来测度企业的数字化投资水平。其中，数字化软件投资为与数字化转型相关的无形资产项目的年度汇总，具体为科目名称中包含“智能”“软件”“系统”“信息平台”“数据”等关键词的无形资产项目；数字化硬件投资为与数字化转型相关的固定资产项目的年度汇总，具体为科目名称中包含“电子设备”“计算机”“数据设备”等关键词的固定资产项目。两类资产的明细数据均来自Wind数据库中的上市公司财务报告附注。

其次，基于年报文本关键词词频测度企业数字技术应用水平。第一步，利用Python 软件从深圳证券交易所和上海证券交易所官方网站下载A股制造业上市公司的年度报告，并将年度报告PDF格式转换为其可读取的文本格式。第二步，明确与数字化转型相关的关键词并使用Python 软件编写代码实现对关键词的获取。具体地，参考吴非等[42]、霍等[44]的研究和《关于加快推进国有企业数字化转型工作的通知》《中小企业数字化赋能专项行动方案》等政策文件以及清华大学全球产业研究院发布的《中国企业数字化转型研究报告》、埃森哲与国家工业信息安全发展研究中心联合发布的《中国企业数字化转型指数研究》等相关报告，从底层数字技术和数字技术应用深度两个维度抓取与数字化转型相关的关键词。前者为“ABCD”四种底层数字技术①，具体包括数字技术、智能技术、信息系统、系统集成、自动控制、信息技术、人工智能、机器人、机器学习、深度学习、自然语言处理、智能软件、智能识别、智能系统、区块链、云计算、云存储、云联网、公有云、私有云、物联网、大数据、数据挖掘、文本挖掘、数据可视化、数据分析、数据加工、数据集成等关键词；后者包括电子商务、数字营销、网络营销、网络零售、网络设计、网络创新、数字化转型、数字升级、数字管理、数字城市、数字设计、数字研发、数字创新、数字服务、研发软件、智能化、智能升级、智能穿戴、智能交通、智能医疗、智能制造、智能家居、智能营销、智能产品、智能办公、智能装备、智能研发、智能工厂、智能系统、智能生产、智能终端、智能设备、智能运维、平台经济、云平台、云服务、工业云、工业软件、工业APP、工业4.0、数字工厂、黑灯工厂等关键词。第三步，分别加总底层数字技术和数字技术应用深度的关键词数量。

最后，采用熵权法对二级指标进行赋权，由此得到企业的数字化转型指数（参见表1）。

表1 数字化转型指标体系

3.控制变量。参考张峰等[1]、孙晓华等[5]的研究，本文的企业层面控制变量为：企业规模（Size），用企业员工人数的对数来刻画；企业年限（Age），用当年减去企业成立年份加1后的对数来衡量；负债水平（Lve），用企业总负债与总资产之比来测度；现金流水平（Flow），用经营活动产生的现金流净额占总资产的比重表示；无形资产占比（Intasset），用无形资产净额占总资产的比重来表示；市场势力（Market），用企业营业收入占行业营业收入的比重来表示；行业竞争程度（Compete），用赫芬达尔指数来衡量；固定资产占比（Ppe），用固定资产净额与总资产的比重来测度；盈利能力（Roa），用净利润占总资产的比值来表示。区域层面的控制变量为：经济发展水平（Pgdp），用城市的人均国内生产总值的对数来表示；金融发展水平（Fin），用城市金融机构年末贷款余额与金融机构年末存款余额之比来表示；城市产业结构（Indus），用城市第二产业产值占国内生产总值的比重来刻画。

四、实证结果及分析

（一）基准回归

表2反映了数字化转型与制造企业服务化的计量结果。列（1）～列（3）为未纳入控制变量的估计结果，列（1）的结果显示，数字化转型对制造企业总体服务化的影响系数为0.140 且通过了1%统计显著性检验。进一步将服务化分为嵌入式服务化和混入式服务化分别进行回归，列（2）中的数字化转型系数为0.128，依然在1%水平上显著，列（3）中的数字化转型系数为0.001 但未通过10%统计显著性检验。列（4）～列（6）为纳入了区域、行业和企业层面控制变量的估计结果，相关的回归系数显著程度与列（1）～列（3）结果一致，而系数绝对值略小，原因可能是在模型纳入控制变量后，部分影响制造业服务化的因素被吸收。表2的估计结果表明，数字化转型能够显著促进制造企业嵌入式服务化，对混入式服务化的影响不显著。这意味着数字化转型对制造企业嵌入式服务化的影响居于主导地位，从而导致其对总体服务化呈正向影响，与假设H1相呼应。该结论证实数字化转型是制造企业由价值链低端的加工制造环节迈向价值链高端的服务化环节，进而实现制造业高质量发展的重要驱动力。

表2 基准回归模型估计结果

数字化转型由数字化投资和数字技术应用两个维度构成，本文进一步将数字化转型指标降维分解至这两个维度进行回归。表3的列（1）～列（3）和列（4）～列（6）分别反映了核心解释变量为数字化投资（DCG_invest）和数字技术应用（DCG_apply）的估计结果，结果显示两个维度指标对制造企业服务化影响系数的显著程度与基准模型结果基本一致。这表明无论制造业企业加大数字化投资还是提升数字化资源的使用效率都有利于其服务化进程，说明基准估计结果具有较强的稳健性，也充分说明了在推动服务化转型实现中国制造业价值链攀升进程中，企业应该注重数字化投资与数字技术应用的结合，在既有的数字化投资基础上推动数字技术与企业业务的深度融合。

表3 分维度估计结果

（二）稳健性检验

1.内生性。上述结果可能存在较为严重的内生性问题。一是遗漏变量问题。区域层面的某些因素可能会同时影响数字化转型和制造企业服务化，这些变量的遗漏会造成基准模型的核心解释变量与残差项相关进而导致估计结果产生内生性偏误。二是逆向因果问题。相较于硬件产品而言，数字技术对服务的形态、商业模式、价值实现等影响更为显著，因而服务化程度较深的制造企业数字化转型的积极性可能更高，由此造成逆向因果问题。本文基准模型中的自变量均进行了滞后1 期处理，且控制了个体层面的固定效应，一定程度缓解了上述问题，为稳妥起见，进一步采用以下方法进行内生性分析。

一是增加控制变量。城市层面的互联网普及率是影响制造企业数字化转型和服务化的重要因素。一方面，网络化是数字化转型的基础，较高的城市互联网普及率能够为企业数字化转型提供良好的外部环境；另一方面，互联网发展在为制造企业服务化提供技术支撑的同时，也为消费者获取服务提供了便利的技术手段。因此，本文进一步在控制变量中增加城市互联网普及率（Internet），估计结果如表4列（1）～列（3）所示。为进一步缓解可能存在的遗漏变量问题，控制了“城市-行业”固定效应和“行业-时间”固定效应，前者控制了不随时间而变的城市行业层面的相关影响因素，后者控制了制造业各细分行业在不同年份受到的外生冲击。估计结果如表4列（4）～列（6）所示。二是将核心解释变量进行滞后2 期处理。根据伍尔德里奇（Wooldridge）[46]的假设，若模型残差由当期扰动决定而时序关联性不强，则相对于滞后1 期，核心解释变量滞后2 期能更有效地缓解内生性问题。估计结果如表4列（7）～列（9）所示。表4的结果表明，在增加控制变量、控制更严格的固定效应和采用滞后2 期的核心解释变量后，数字化转型对制造企业服务化的影响与基准模型结论基本一致。

表4 内生性分析（1）

三是工具变量法。首先，借鉴高翔等[47]的研究，采用核心解释变量的滞后2期（IV1）作为工具变量，第二阶段的估计结果如表5列（2）～列（4）所示。其次，采用勒贝尔（Lewbel）工具变量。由于影响数字化转型的因素往往会通过其他渠道影响制造企业服务化，选取一个有效的外部工具变量较为困难。针对此类问题，勒贝尔[48]利用微观企业本身的数据构造了一个不需要外部因素的工具变量。在此后的微观经济研究中，该方法逐渐成为构造工具变量的重要方法之一[47]。本文参考该方法构造了数字化转型的工具变量：企业数字化转型水平与行业数字化转型水平均值之差的三次方（IV2）。该工具变量第二阶段的估计结果如表5列（6）～列（8）所示。表5中，两个工具变量对数字化转型的影响系数均为正且通过了1%统计显著性检验，第二阶段的估计系数与基准结果基本一致，说明内生性问题并未影响本文基本结论的稳健性。同时，两个工具变量第一阶段回归的F值均大于10，第二阶段回归中Kleibergen-Paap rk Wald F 统计量均大于Stock-Yogo 在10%水平上的临界值16.38，拒绝了弱工具变量的假设，表明选取的工具变量是有效的。

表5 内生性分析（2）

2.剔除异质性样本。一是剔除服务化异常值的样本。首先，样本中存在大量未实施服务化的企业，这些样本的存在可能会对估计结果造成偏误。因此，我们选取实施服务化的企业进行估计，如表6列（1）～列（3）所示。进一步来看，只选择进行服务化的企业作为样本进行估计可能会产生样本选择偏误问题。为此，本文采用Heckman两阶段法进行估计。第一阶段，通过Probit 模型对制造企业服务化进行回归，计算出逆米尔斯比率（IMR）；第二阶段，将逆米尔斯比率（IMR）作为控制变量纳入基准模型进行估计。Heck⁃man 两阶段法第二阶段的结果如表6列（4）～列（6）所示。其次，剔除服务化水平大于50%的样本。服务化水平高于50%的企业实质上已属于服务业而非制造业范畴，故剔除该类企业，结果如表6列（7）～列（9）所示。表6的回归结果表明，在剔除被解释变量为零值和行业属性发生变化的样本后，估计结果与基准模型基本一致。二是剔除异质性行业样本。计算机、通信和其他电子设备制造业作为专门从事数字技术研发、数字化设备生产的行业，上市公司年报中出现与数字化转型关键词的频率远大于其他行业，故剔除该类行业样本进行估计，结果如表7列（1）～列（3）所示。三是剔除一线城市样本。一线城市的基础设施、人口及产业集聚普遍优于其他城市，为制造企业服务化提供了良好的基础。此外，拥挤效应的存在导致一线城市倾向于出台相关政策鼓励制造企业服务化转型，故处于一线城市的企业具有较强的异质性。进一步剔除办公地处于一线城市的企业样本，估计结果如表7列（4）～列（6）所示。表7的估计结果表明，在剔除异质性行业和城市样本之后，估计结果未发生实质性变化。

表6 稳健性检验：剔除零值变量

表7 稳健性检验：剔除异质性样本

3.更换估计模型。一是Probit 模型。由于样本中大量企业未实施服务化，因此能够基于企业是否进行服务化将被解释变量转化为[0，1]虚拟变量，采用Probit模型进行估计，结果如表8列（1）～列（3）所示。二是Tobit模型。被解释变量中存在大量0值堆积的情况，对于这类样本分布可采用Tobit模型进行估计。估计结果如表8列（4）～列（6）所示。表8的结果表明，在采用Probit 模型和Tobit 模型后，估计结果未发生本质变化。

表8 稳健性检验：变换模型

4.替换变量。一是替换被解释变量。除服务业务的营业收入外，从事服务岗位的员工规模也能够有效刻画制造企业服务化水平，因此本文进一步采用从事服务岗位的员工数量占企业员工人数的比重（Service_p）作为制造企业服务化的替代变量。该数据来自手工整理的锐思数据库中的员工岗位数据，将生产工人以外的员工归为服务岗位员工。估计结果如表9列（1）所示。二是替换核心解释变量。我国制造业门类多样、应用场景多元，内部细分行业之间具有较强的异质性，不同细分行业进行数字化转型所需要的资源投入和转型方式差异较大，因此企业可能需要与其所处的细分行业的企业进行对比才能客观反映其真实的数字化转型水平。鉴于此，本文采用数字化转型指数占其所处细分行业的数字化转型指数的比重来刻画企业数字化转型水平（DCG_ratio）。估计结果如表9列（2）～列（4）所示。表9的估计结果表明，在替换被解释变量和核心解释变量后，估计结果未发生本质改变，证明基准回归结果具有较强的稳健性。

表9 稳健性检验：替换变量

（三）异质性分析

前述考察了数字化转型对制造企业服务化的总体影响效应，但不同类型企业的服务化程度可能受数字化转型的影响存在较大差异。为此，本部分进一步从知识产权保护力度、市场势力和融资约束三个维度，来解释数字化转型诱发的制造企业服务化在异质性群体中的不同表现。

1.知识产权保护异质性。相对于实物产品，服务产品蕴含着丰富的知识内涵，因此数字化转型对制造企业服务化的驱动效应深受地区知识产权保护强度的影响。本文参照马里奥（Mario）等[49]的研究，采用各省份每年累计侵权纠纷结案数占累计侵权纠纷立案数的比重来刻画区域知识产权保护强度，并据此将样本划分为知识产品保护较强和较弱地区的两类企业。表10 的估计结果显示，在两类地区中，数字化转型对制造企业总体服务化水平和嵌入式服务化水平的影响系数均在1%或5%的水平上显著，但系数绝对值在高强度知识产权保护地区更为显著。这验证了前面的假设，即地区知识产权保护越强，就越能强化数字化转型对制造企业服务化的促进效应。

表10 异质性分析：知识产权保护力度

2.市场势力异质性。制造企业服务化的目的在于提高产品的差异化程度，打造竞争优势，从而提升自身市场势力。因此，对低市场势力的制造企业而言，服务化对其竞争能力的提升具有更大的边际效应，故其可能更具通过数字化转型增强服务供给的积极性。基于此，本文依据企业市场势力中位数将考察样本划分为高市场势力企业和低市场势力企业两个子样本进行分析。具体地，参照孙晓华等[5]的研究，采用企业营业收入占细分行业总营业收入的比重来衡量企业市场势力。表11 的估计结果显示，在高市场势力的制造企业中，数字化转型对总体服务化的影响并不显著，对嵌入式服务化的影响系数为0.066，在1%的水平上显著；在低市场势力制造企业中，数字化转型对总体服务化和嵌入式服务化的影响系数分别为0.229和0.174，均在1%的水平上显著。这表明，相对于高市场势力企业，低市场势力企业数字化转型对服务化的影响更为显著，与预期相契合。

表11 异质性分析：市场势力

3.融资约束异质性。除数字技术外，劳动力、资本等也是制造企业进行服务化的重要要素，尤其是中国大多数制造企业长期处于国际价值链分工低端，利润水平较低，实施服务化的物质基础较为缺乏。因此，我们预计数字化转型对制造企业服务化的驱动效应在高融资约束企业中较弱。本文参考哈洛克和皮尔斯（Hadlock&Pierce）[50]的研究，通过SA 指数来测度企业面临的融资约束程度，并根据SA指数的中位数将考察样本划分为高融资约束企业和低融资约束企业两个子样本。SA指数公式为：

SA=-0.737×Size+0.043×Size2-0.04×Age

其中Size 为企业总资产，Age 为企业成立年限。表12 的估计结果显示，数字化转型对高融资约束企业服务化的估计系数绝对值显著小于低融资约束企业，表明数字化转型对低融资约束企业的服务化驱动效应更显著，这符合我们的预期。

表12 异质性分析：融资约束

（四）机制检验

本部分进一步检验数字化转型影响制造企业服务化的作用机制。前面的理论分析表明，组织分权化变革和技术创新是数字化转型促进制造企业服务化的两条有效路径。具体来说，在组织变革方面，数字化转型会导致企业组织信息成本的上升和代理成本的降低，驱动企业组织分权化变革，由此提升员工的积极性和组织清晰度，减少组织冲突，带来企业服务化水平的提升；在技术创新方面，数字化转型能通过技术创新提升产品的知识复杂程度及其对服务的承载力，对制造企业服务化产生积极影响，但也可能因资源冲突而产生不利影响，这依赖于真实数据的检验。本文通过中介效应模型对这两个机制进行检验。

参考潘怡麟等[51]的研究，利用母公司支付的集团职工薪酬比例来反映企业组织分权化变革程度（Cen）。职工薪酬的支付情况能够反映企业组织分权程度的逻辑在于，薪酬决定权是人事权的重要组成部分，而后者又是企业管理的基础，因此母公司可以通过薪酬发放控制子公司人事权，进而实现对企业的集权管理。现实中，多数集团母公司确实通过向子公司委派董事、监事等方式确保母公司命令的顺利执行，并且这些人员的考核权和薪酬权由母公司控制，实现对子公司乃至集团的集权管理[51]。具体地，利用以下模型的残差衡量企业分权管理程度，该指标值越大，企业分权管理程度越低，集权程度越高。

式中，PSalary 为母公司现金流量表中“支付给职工以及为职工支付的现金”与合并报表中相应指标的比值，PAsset为母公司总资产与合并报表中资产总计的比值。变量PSalary 和PAsset 经过1%的缩尾处理。

表13 反映了以组织变革（Cen）为中介变量的估计结果。列（1）结果显示，数字化转型的系数在5%的水平上显著为负，表明数字化转型确实能够促进企业组织分权化变革。列（2）～列（4）将数字化转型和组织变革同时作为自变量纳入分析模型中，组织变革对企业总服务化、嵌入式服务化和混入式服务化的影响均显著为负，表明企业组织分权程度越高，其服务化水平就越高。这表明组织分权化变革确实是数字化转型影响制造企业服务化的作用机制之一，验证了本文的假设H2。

表13 机制分析：组织变革

在技术创新的机制检验中，参考一般文献研究的做法，采用企业的申请专利数量来刻画其技术创新水平。表14反映了以技术创新（Inno）为中介变量的估计结果。列（1）结果显示，数字化转型对技术创新的影响系数为0.715，在1%的水平上显著，表明数字化转型的确能够提升制造企业技术创新水平；列（2）～列（4）将数字化转型和技术创新同时作为自变量纳入模型中，技术创新对三种类型的服务化影响系数均为负，但均未通过10%的统计显著性检验。这表明尽管数字化转型有利于制造企业技术创新水平提升，但难以通过该途径促进其开展服务化。原因可能是，如前所述，技术创新对制造业服务化存在正负两种相反的影响效应，导致其对制造企业服务化的总体影响并不显著，从而使技术创新难以成为数字化转型驱动制造企业服务化的有效机制。

表14 机制分析：技术创新

五、进一步分析：数字化转型与资源配置效率

资源基础观认为，制造企业服务化尤其是嵌入式服务化是企业以用户为中心、以异质性产品为载体，通过对多元资源的重组，将有限的资源用于原有服务业务的扩张和新型服务业务的拓展以实现商业模式创新，进而获得持续竞争优势的过程[52]。因此，制造企业由产品主导逻辑向服务主导逻辑的战略转型实际上也是其内部资源优化配置的过程。换而言之，数字化转型在促进制造企业服务化的同时也可能会提升其内部资源的配置效率。鉴于此，进一步通过实证分析来探讨数字化转型对企业内部资源配置效率的影响效应。参考花贵如等[53]的研究，以企业投资效率作为上市公司资源配置效率的替代变量。企业投资效率由以下模型得到：

式中，Inv代表企业的投资水平，具体计算方式为：（购建固定资产、无形资产和其他长期资产支付的现金+取得子公司及其他营业单位支付的现金净额-处置固定资产、无形资产和其他长期资产收回的现金净额-处置子公司及其他营业单位收到的现金净额）/上年总资产[54]；X为影响企业投资水平的相关变量，包括企业规模、存续年限、营业收入增长率、资产负债率、现金持有水平、考虑现金红利再投资的年个股回报率。该模型中，企业投资效率用回归残差来表示。若残差小于0，则表示投资不足，该值越小，投资不足程度越高，资源配置效率越低；若残差大于0，则表示投资过度，该值越大，则投资过度程度越高，资源配置效率越低。对残差取绝对值处理即为企业资源配置效率水平（Invest），绝对值越大，则表示企业资源配置效率越低。

表15反映了数字化转型与资源配置效率的计量结果。列（1）为控制了控制变量、个体固定效应和年份固定效应的估计结果。结果显示，数字化转型对制造企业资源配置效率的影响系数为-0.027 且通过了10%统计显著性检验。这表明数字化转型确实能够优化企业的资源配置能力，改善制造企业的资源配置效率。控制“城市-行业”和“行业-年份”联合固定效应后，列（2）的估计结果显示与列（1）的结果基本一致，表明列（1）的估计结果具有较强的稳健性。

表15 数字化转型与资源配置效率

六、结论与政策建议

新一代信息技术的迅速发展和在产业中的广泛应用改变了制造业的发展环境与资源配置能力，为制造企业摆脱价值链低端环节、迈向价值链高端的服务环节提供了机会窗口。在此背景下，数字化转型究竟如何影响制造企业服务化成为亟须探究的新命题。本文基于中国制造业发展的典型事实，尝试为这一新命题寻求完整的理论阐释和微观证据。理论上，数字技术不仅能够基于自身特征直接驱动制造企业服务化，而且还能够通过组织分权化变革和技术创新对制造企业服务化产生有益影响；实证中，利用手工整理的上市公司财务报表数据和Python 软件抓取的年报文本数据，创新性地从数字化投资和数字技术应用两个维度构建微观企业数字化转型的指标体系，使用独特的2013—2019年上市公司营业收入产品构成和行业构成数据，手工整理出制造企业服务化的度量指标。

研究结果表明：（1）数字化转型显著提升了制造企业的服务化水平，主要表现为驱动了嵌入式服务化，对混入式服务化并无影响。通过一系列的稳健性检验后，该结论依然成立。（2）数字化转型对制造企业服务化的驱动作用主要通过直接效应和组织变革效应得以实现，技术创新效应并不显著。（3）数字化转型对制造企业服务化的影响具有显著的异质性。具体来说，数字化转型更明显地促进了知识产权保护水平高、市场势力弱、融资约束弱的制造企业服务化水平提升。（4）服务化作为企业资源优化配置的重要方式，数字化转型企业资源配置效率的优化作用也通过实证分析得到证实。

基于上述结论，提出以下政策建议。第一，数字化转型是制造企业服务化转型的重要驱动力。首先，应联合外部电信运营商加快企业云建设，加快制造业企业内网络升级，强化工业互联网平台的网络安全体系，夯实工业互联网发展基础；其次，以行业和综合平台为导向，联合互联网企业和外部资源平台，打造基于产品全生命周期的综合性工业互联网平台，构建平台服务商。第二，数字化转型难以通过技术创新促进制造企业服务化。企业应平衡好技术创新和服务化之间的关系，根据自身的发展需求，选择适当的价值链升级方式，以避免可能产生的资源冲突。第三，知识产权保护程度对数字化转型的服务化激励效应具有重要影响。政府应加强地方知识产权保护，加大对侵犯知识产权行为的打击力度，完善法制建设，提升法治效率。第四，提高对制造企业服务化的支持力度。一方面，中央及地方各级政府设立专项补贴资金及服务化发展基金，对制造企业上云、建立工业互联网等转型行动给予支持。同时，采用税收优惠政策，对于制造企业数字化转型和服务化给予一定的税收减免等优惠。另一方面，提升地方金融服务水平，提高银行等金融机构对制造企业的融资力度，增强制造业企业在股票、债券等资本市场的融资能力，引进风险资本等为制造企业实施服务化提供充足的资金。

注释：

①“ABCD”底层数字技术是指人工智能（Aritificial Intelli⁃gence）、区块链（Block Chain）、云计算（Cloud）和大数据（Big Data）四种数字技术。