制造业企业如何通过数智化转型突破“服务化困境”？

余东华 张恒瑜

(山东大学 经济学院，济南 250100)

提要： 以数字经济为背景，分析了制造业企业出现“服务化困境”的原因，研究了以数智化转型提升企业绩效、突破“服务化困境”的作用机制。在理论分析的基础上，采用2008—2020年A股制造业上市公司面板数据，检验了“服务化-绩效”的非线性关系，测算了制造业企业服务化水平和数智化水平，实证检验了数智化转型对制造业企业“服务化-绩效”的影响程度和作用机制。研究结果显示，制造业企业服务化程度与企业绩效水平之间的关系呈现“马鞍形”，存在“服务化困境”；数智化转型能够产生创新效应和成本效应，对“服务化-绩效”起到正向调节作用，帮助企业突破“服务化困境”。在推动制造业与服务业深度融合的进程中，加快制造业数智化转型，发展基于数字要素的服务型制造业和生产性服务业，能够推动制造业高质量发展。

引 言

新工业革命时代，大数据、云计算、人工智能、区块链、物联网等新一代信息技术的快速发展和广泛应用，正重塑着全球产业链、价值链和供应链，服务型制造、智能制造、数字化制造等正在成为继机械化制造、标准化制造、自动化制造之后的新型制造方式。进入高质量发展新阶段后，为适应我国制造业发展需要和世界制造业变革趋势，国家出台和实施了“制造强国”方略，推动服务型制造业加快发展。2016年，工业和信息化部、国家发展改革委、中国工程院等联合发布的《发展服务型制造专项行动指南》明确提出，推动服务型制造向专业化、协同化、生态化、智能化方向发展，加快我国由制造大国向制造强国转型升级，提高中国制造业综合竞争力。2020年9月4日，习近平总书记在中国国际服务贸易交易会全球服务贸易峰会上强调:“我们要顺应数智化、网络化、智能化发展趋势，共同致力于消除‘数字鸿沟’，助推服务贸易数智化进程。”国家“十四五”规划也明确指出，实施“上云用数赋智”行动，加快建设数字经济、数字产业、数字社会、数字政府和数字民生，以数智化转型驱动生产方式、生活方式和生态治理方式变革。以“数字化+智能化”为核心的数智化转型已经成为推动我国经济社会高质量发展的重要方向。

在产业融合发展的大趋势下，服务环节带来的收益已成为制造业企业产品价值增值的重要组成部分，但是服务化并非总能提升制造业企业盈利能力。Gebauer研究发现，11.1%的制造企业通过提供服务得到了40%以上的收入，但超过35%的企业通过提供服务获得的收入不到10%[1]。也就是说，在制造业与服务化融合过程中可能出现“服务化困境”，过度服务化和不当服务化都会对制造业企业的盈利能力产生负向作用，使企业掉入“服务化陷阱”。起源于德国和瑞士机械设备制造业的“服务化困境”引起学术界的关注，一些学者开始对制造企业“服务化-绩效”关系进行实证检验，发现二者之间确实存在负相关关系或者负相关阶段[2]。国内外很多著名制造企业由于无法突破“服务化困境”而不得不经历“服务化失败”和“去服务化过程”[3]。对于正处于由大变强进程中的我国制造业企业而言，要不要继续加快服务化进程，服务化对企业绩效的影响如何，我国制造业企业是否存在“服务化困境”，如何突破“服务化困境”？这些都是关系制造业能否实现高质量发展的重要问题。

以智能化、大数据、元宇宙、云计算发展为主要特征的新一轮工业革命正在悄然兴起，引领人类进入“数智化时代”，全球制造业竞争力正在从传统的资本和劳动要素驱动向知识、信息、技术、数据等高端要素驱动转变。据测算，到2030年，人工智能和新一代信息技术将推动全球GDP 年均增长1.2%，超过了蒸汽机、信息通信技术扩散所引致的0.3%、0.6%的年均增长效应。数智化转型对企业绩效、全要素生产率都会产生显著的提升作用[4]，数智化发展显著提升了生产率，证伪了“索洛悖论”[5]。数字经济背景下的制造业服务化不仅强调服务要素的数量，更强调投入要素的种类和质量。制造业服务化和数智化是相辅相成的，发达国家正在利用生产智能化、设备智能化、能源管理智能化和供应链管理智能化等实现大规模定制，通过快速反应、提供个性化产品等途径获取竞争优势。中国制造业数智化发展水平与服务创新之间也存在显著的正向交互效应[6]，是新时代推动制造业企业服务化转型和提升国际竞争力的强大动力[7]。数字经济背景下，制造业服务化进程需要与企业数智化转型相互融合。

大量文献分别研究了服务化和数字化对制造业发展的影响，在数字经济背景下将服务化与数智化结合起来，研究制造业数智化转型对突破“服务化困境”和高质量发展的影响的文献较少。本文将构建分析服务化与企业绩效之间非线性关系的理论模型和制造业服务化与数智化的交互效应模型，研究数字经济时代制造业企业数智化转型对突破“服务化困境”的影响。这对于推动我国由制造业大国向制造业强国转型、实现制造业高质量发展具有重要的现实意义。

一、作用机制与研究假说

(一)制造业服务化与“服务化困境”

制造业服务化是指制造业企业从仅提供实物产品转向以客户需求为导向，向客户提供包含物品、支持、自我服务和知识等在内的“服务包”，实现从产品到“产品+服务”的转变过程[8]。在服务化发展成熟阶段，“服务包”主要为客户提供一整套的增值服务，成为制造业企业生产产品的价值所在并逐渐成为增加值的主要来源之一。根据“服务包”为客户创造价值的不同，可以将服务业划分为基础型服务和提升型服务两大类。其中，基础型服务紧紧围绕产品展开，如运输、维修、安装等；提升型服务是指面向价值增值、以客户需求为导向的服务，例如研发设计、远程监控、设备租赁等，此类服务的价值创造能力和潜力更大[9]。制造业服务化过程是制造与服务相融合、形成服务型制造的过程，是企业提供与产品相关的服务或整体解决方案的商业模式创新。服务型制造是制造环节与服务环节相互融合的新型产业形态，是一种新的先进制造模式。通过客户参与、产业链延伸、服务要素投入等，制造业服务化能够实现各利益相关者的价值增值[10]。通过对传统制造方式和服务型制造方式的对比可以看出，融入数字经济背景后，制造业服务化是在数智驱动下，要素投入更集中于知识和技术密集型中间服务，制造业企业以满足客户个性化需求为中心，以产品为载体，进行柔性生产、提供产品全生命周期服务，是集数字化、网络化、智能化生产方式于一体的而形成的高级产业形态(见图1)。制造业产品的服务环节逐步回归制造业企业，促进制造业产业形态由产品型制造向服务型制造升级，最终实现多主体价值共创共享的生态体系。

尽管制造业企业实施服务化战略被普遍认为是为了扩大市场竞争优势、实现绩效增长，但并非在每个发展阶段都能顺利实现这一目标。Gebauer等[1]认为，制造业企业开展服务业务可能会对企业绩效产生负面影响，他将这一现象称为制造业的“服务化悖论”，也称作“服务化困境”。不少研究都证实在服务化过程中的确存在服务化与企业绩效的负相关阶段，即存在“服务化困境”。Neely[2]认为由于服务型企业需要支付更高的工资和运营成本，“服务化-绩效”存在U形曲线关系。制造业服务化在长期和短期中对企业发展的影响存在差异。从长期来看，制造业服务化能够提高企业盈利能力和创新能力；在短期中，服务化可能导致制造业企业管理成本和经营成本上升，从而出现“服务化困境”。肖挺[11]以中国上市制造企业为样本，验证了服务化企业并未在绩效上赢得相对于非服务化企业的竞争优势，反而在涉足服务领域后短期内陷入“服务化困境”，几年后才会呈现服务化与企业利润及销售收入的正相关性。Kastalli、Looy[12]和李靖华等[13]则分别通过研究大型跨国设备制造商和中国部分上市公司发现，服务化和企业盈利能力之间存在负相关关系。正是因为“服务化困境”的存在，一些制造业企业开始了“去服务化”过程。

图1 传统型制造与服务型制造的对比

从制造业企业内部看，导致其陷入“服务化困境”的因素是复杂的，企业组织和文化路径依赖惯性、资源的稀缺性、产品的服务承载力的有限性、产品链和价值链重组的风险性以及对需求的认知错位等，都有可能使得企业陷入“服务化困境”。从外部看，企业面对的市场环境变幻莫测、国际需求波动较大、行业技术迭代更新迅速以及客户具有异质性和易变性等，也是引发“服务化困境”的重要因素。“服务化困境”通常包括以下两种情形：(1)制造业企业在进行服务化投入前，未综合考虑自身资源与制造能力，过度开发了服务项目或无法顺利地将原本的竞争优势拓展到新的服务业务中，又因为缺少相应的人才和平台，导致无法在短期内收回资金，造成开展服务业务的成本大于收益；(2)由于服务的无形性、易逝性等特征，客户难以提前判断服务质量和其与自身需求的匹配程度，导致其不愿承认服务带来的价值增值并支付相应的费用，使得服务化企业利润降低，从而出现“服务化困境”[9]。

制造业服务化与企业绩效的非线性关系在不同的发展阶段受到不同因素的影响，并且影响程度不同，这需要联系具体阶段进行深入分析(见图2)。在服务化初期，传统制造企业开始寻求向价值链“微笑曲线”两端跃升，逐步向客户提供满足其个性化需求的差异化服务支持。制造业企业能够通过外购服务或外包服务提高生产效率，降低要素投入成本、生产成本和交易成本[14]。在服务化初期阶段，率先进行服务化的企业可以获得更高增加值，通过技术扩散和外溢，其他企业较容易进行模仿和引进服务化的成功经验和成果，提高了整个制造业行业的服务化水平和企业收益，也促进了企业的技术创新。由于传统制造业企业习惯于关注有形资产和生产规模的扩张，转型所需的技术、人才等无形资产比较薄弱，造成了投入趋向于低端服务领域，服务化水平较低。进入集中发展阶段，制造业服务化水平已经推进到一定程度，企业面临路径依赖转换的困难逐步显现，服务化后很难及时转变价值主张、定价与营收模式、企业组织和管理方式等，企业的经营成本和管理复杂程度会大幅提升。在技术扩散后，还可能会出现“潮涌现象”，行业内出现大量同质产品和服务，造成产能过剩和绩效下降。技术扩散使得上下游服务业务的边际获利能力降低、制造和组装环节获利增加，“微笑曲线”逐渐向下弯曲，甚至出现“倒微笑曲线”，制造环节显得更加重要。如果企业没有具备足够的制造能力和资源基础，再盲目发展服务业务可能会陷入“服务化困境”。在集中发展阶段末期和成熟阶段，新一代信息技术、产业平台等应用水平趋于成熟，产品中知识型和创新性的服务要素密集度提高，可以带来产品和服务种类增加，识别需求的能力大幅提高，供需匹配度得以提升，服务业务的收益再次成为主要增加值来源；产业间、企业间的技术研发、产品设计、资源分配等环节实现共享，将全面打破产业间壁垒，多产业、多主体价值共创共享的服务生态模式更加健全，从而形成全面协作的立体可持续发展生态体系，从而增强企业获利能力[15]。

图2 制造业企业“服务化-绩效”关系

从以上分析可知，制造业服务化与绩效之间的关系是非线性的，当服务化水平较低时，服务化与绩效之间的关系为正向相关，当服务活动的规模处于中间水平时，服务绩效关系中存在一个拐点，二者关系由正转负，服务化会导致企业出现亏损甚至破产。随着服务化水平的继续提高和新技术的引入，“服务化-绩效”关系又变为正向相关，绩效可能比以前还要高。基于以上分析，本文提出以下研究假设:

H1：制造业企业服务化水平与企业绩效之间的关系是非线性的，呈现出“马鞍形”，在制造业服务化发展中期存在“服务化困境”。

“服务化困境”的存在会降低制造业企业发展服务业的热情和信心，影响制造与服务的融合发展，容易导致企业发展停滞不前，进而影响制造业转型升级和高质量发展。因此，寻找突破“服务化困境”的机制和提升服务化绩效的渠道非常重要。对于制造业企业应该如何有效突破“服务化困境”，实现产业有机融合，已有研究较少，尤其是缺乏理论机制分析。部分学者从价值主张、组织文化、管理方式、商业模式等方面，研究了如何改进服务化与绩效之间的关系[1]。制造业企业“服务化困境”直接表现为开展服务业务的投入大于收入，对企业绩效产生了负面影响；没有形成支撑服务化发展的制造基础而过度发展服务业，并且企业提供的产品和服务未能精确匹配市场客户的需求。因而，避免制造业企业陷入“服务化困境”或者帮助其突破“服务化困境”，需要提升企业的创新能力，推动要素重新组合和优化配置，实现成本降低和效率增加。

(二)制造业服务化进程中的数智化转型与企业绩效

伴随着新一代信息技术的深层次演化与升级，人类正由传统工业经济时代向信息技术驱动的平台经济与数智社会转变。数字化、智能化、网络化等正在成为各行各业实现高质量发展的新主题，大规模定制、定制化服务、3D打印、系统解决方案等革命性制造方式逐步出现。数字经济背景下，制造业企业的服务化转型不仅是业务种类的拓展，更重要的是服务质量的提升，这要求企业具备更先进的知识和技术资源。在新一代信息技术的驱动下，产业正在从信息化向以云计算为基础、人工智能为引擎的智能化升级，智能云平台将加速制造业的数智化转型。数智化转型是数字化技术发展到人工智能技术更高阶段的产物，是数字化发展中大数据分析和处理与智能化过程中的机器学习、人工智能等智能技术的融合与应用。数智化包含了“数字智慧化”“智慧数字化”等要义，不仅强调在大数据中加入人工智能，使数据增值升值，提高大数据的效用，还要求把人的智慧管理起来，实现“人工”到“智能”的转变；在此基础上，将这两个过程结合起来，构成人机的深度对话，实现深度学习，形成人机一体的新生态。制造业数智化转型指的是，应用“5G+工业互联网”、新一代人工智能技术，在智能制造纵向集成、横向集成、端到端集成的基础上，推进企业内部、企业与相关合作企业之间、企业与顾客之间以及价值网络中不同企业之间，基于数据要素和数字技术的合作、协同与共享，通过数字化与智能化的深度融合提升制造业智慧化、数字化、网络化水平的过程。数智化转型是数字技术和智能技术赋能制造业高质量发展的过程，包括研发设计、生产制造、发展模式、商业生态和品牌、商品、营销、物流等多环节多维度的数智化改造[16]。

在微观企业层面，数智化背景下的万物互联互通和大数据、云计算、区块链、工业互联网、平台型组织等新时代产物重塑着资源配置方式，打破了传统企业组织生产与服务过程中的时空限制，基于用户网络效应打造全新的经济生态圈[17]。人工智能技术的迅速发展，算法、数据与算力成为企业生产全过程的重要抓手，基于算法嵌入的产品与服务，正在成为数智化生产和决策的重要应用场景。基于大数据、机器学习、智能数据挖掘等的人工智能技术，为制造业企业的自动决策、自动生产、自动反馈与自动监管等提供了技术支撑，不仅可以实现对人力劳动的替代，而且还能实现人机协作，加快技术和工艺发明创新，推动战略、组织、人才、财务、运营系统变革与创新。在数智化时代，数据已经成为一种新的生产要素，并在不断重塑生产要素供给体系，而且数据完全打破了资源稀缺这一传统限制，为服务化的转型和发展创造了无限可能[18]。数智化转型将引导企业聚焦数字化、智能化、网络化和新科技、新产品、新业态等要素，推动企业建立适应云端化、集中化、智能化演进需要的网络运维体系，夯实数智化精细服务能力，深化“场景+策略”精准服务，通过智能云端化提升企业价值创造能力。因此，数智化转型可以从收益和成本两方面缓解或突破“服务化困境”，企业通过提高制造过程的数智化水平，进一步增强差异化竞争优势，从而带来更多收益，并在此过程中重构生产要素组合，实现降本增效。

内生经济增长理论认为，经济增长有一个不可忽视的因素是社会知识积累。数智化时代为知识和信息的传播、存储创造了条件，而以指数级快速增长的知识和信息资源为制造业服务化提供了动力。下面，通过整合和拓展Blanchard模型[19]，对生产产品和服务的生产率进行异质性分析，从理论层面分析数智化转型化通过影响创新能力和差异化竞争优势而对制造业服务化所发展产生的影响。

(1)

(2)

其中，消费和服务的价格指数和用于产品及服务的总支出，均为外生给定；wg为产品生产的劳动力工资，ws为提供服务的劳动力工资(wg=ws=w)。

有了消费者行为和生产者行为的基本假定之后，就可以分析制造业企业服务化转型的策略选择[20]。企业的利润函数为收益减去成本，对企业利润最大化求解，可得:

maxπi=pigQig+pisQis-wi(Lig+Lis)

(3)

(4)

此时，相关市场上客户对企业i所提供的产品或服务的消费量等于产品或服务的产出量(Qig=Yig，Qis=Yis)。其中，Qig和Qis分别表示产品和服务的消费量，Yig和Yis分别表示产品和服务的产出量。通过利润最大化求解，可得企业服务收入与产品收入为：

(5)

(6)

假设制造业企业提供服务所获得的收入与总收入之比为G，服务收入与产品收入之比为H:

且1/G=1+1/H

(7)

式(6)对τ求导，可得:

(8)

式(7)对τ求导，可得:

(γ-1)τγ-2

(9)

其中，γ-1>0，∂Ris/∂τ>0，∂H/∂τ>0，∂G/∂τ>0。由式(8)可知，数智化转型能够提高企业的服务收入，因而会提高企业的总收入；由式(9)可知，制造业企业数智化转型对企业服务化水平的影响为正。这表明在其他条件不变的情况下，企业服务化水平随着数智化转型的进程而不断提高。在数字经济时代，以上作用机制是通过数智化转型对制造业企业绩效所产生的创新效应和成本效应而实现的。

(1)创新效应。数智化转型本身属于价值链上游的技术进步，不仅有利于价值链中游的产品制造，也有利于价值链下游的服务创新。加快数智化转型进程是增强企业自身优势、掌握发展主动权的重要手段。在制造环节应用智能化设备和数字化技术，能够突破生产制造中的瓶颈问题、增强企业的制造能力，进而提高生产能力，提高产品的服务承载力，促使企业跟随行业技术迭代变化，避免出现过度服务化。以智能制造为核心、以数据驱动为基础，采用智能化手段能够突破生产制造中的瓶颈制约问题。利用生产制造环节的自感知、自学习、自决策、自执行、自适应，对生产现场“人机料法环”多源异构数据的全面采集和深度分析，发现并消除导致效率瓶颈与产品缺陷的深层次原因，减少制造过程中的不确定性，实现提质增效和降本降耗。同时，数智化发展中采用的大量通用技术具有渗透性，能够带动企业相关生产技术的革新，不仅能够提升企业的生产能力和产品的服务承载力，还能够应用于经济社会各个行业、各个环节，促进互补式创新的发展(见图3)。

制造业企业在进行服务化转型时更依赖于实时信息处理和对客户需求的及时反馈，数据要素是差异化竞争的资源和解决供需错配问题的核心要素。从企业角度看，创造难以模仿的差异化竞争优势是摆脱同质化竞争的关键。通过大数据、物联网构架起全产业链的沟通平台，采用机器学习、数据挖掘等新技术在服务化和数智化发展过程中通过重构人机边界，将生产过程中的海量数据与专家经验结合而实现智能决策，并进一步从“人智驱动”向“数智驱动”转变。通过获取客户的行为和消费数据，为客户进行“数字画像”，盘活“客户资产”，对企业所开展的服务进行引导性创新，形成独特的差异化竞争优势。从客户角度看，与个性化生产相匹配的是柔性组织，信息是“广播式”传递的，每个人都可以成为信息发布的节点。这样就可以引导客户与企业的生产制造直接对接，减少了信息壁垒，降低了信息不对称程度；利用开放共享的平台，消费者能够参与产品的设计、生产、制造、服务等生命周期的全过程，提高产品和服务的满意度以及支付附加费用的意愿度，从而提高企业的收入和利润。差异化竞争优势的塑造能够帮助企业建立“隔离机制”，利用知识、人才等的复杂化、隐性化、专有化实现高度的因果模糊性，形成难以模仿的竞争优势，在客户心中建立起明显的差异化形象，制造产品和服务的主观差异化[21]。

图3 创新效应的产生机制

(2)成本效应。在数字经济时代，数智化转型使得数字技术和智能技术与制造业企业研发设计、生产制造、运营服务等环节深度融合，突破传统工业的狭隘边界，逐步实现全要素的重新组合，能够降低企业自身的交易成本、生产成本、管理成本等。通过平台整合供需双方的资源，开展集成化、轻量化、智能化、协同化、敏捷化设计，实现共享资源的可视化、可量化、可控化和可交易化，形成系统解决方案，缓解了信息不对称问题，降低了时间浪费，减少了隐性成本。长期的有效互动和频繁交流，不仅能够巩固企业与客户之间的合作关系，还能建立起以信任为基础的“情感纽带”，有效降低“敲竹杠”等机会主义行为发生概率，降低了吸引和维护用户的成本。基于先验数据和数字孪生技术对物理实体的孪生预测，在虚拟环境中进行产品设计、优化和管理，能够减少制造过程中的不确定性和物理世界因反复试验而造成的物质与时间的浪费，大幅降低企业试错成本且不断提升生产效率及产品质量。依靠低成本的传感器网络，建立全面、实时、高效的数据采集体系，支撑多元工业数据的采集，实现企业对工业现场“哑设备、哑岗位”的数智化改造，员工工作强度大大降低、实现工厂“少人化”和“无人化”生产。数智化转型能够提高企业计划控制力与响应能力，通过产销协同大幅降低了在制品和制成品库存。通过网络化平台整合分散的生产、供应链和销售资源，实现跨部门、跨层级的业务互联与分工合作，推动生产方式由线性链式向网络协同式转变，促进资源共享、业务优化和效率提升。

基于以上分析，提出以下假设:

H2：数智化转型能够增强企业的制造能力和创新能力，通过利用数据分析和个性化生产等途径提高差异化竞争优势，带来产业链主要环节的成本节约，通过创新效应和成本效应正向调节“服务化-绩效”之间的关系，能够帮助制造业企业突破“服务化困境”。

二、实证研究设计

(一)数据来源

选取 2008—2020年A股制造业上市公司作为研究样本，数据主要来自国泰安数据库和wind数据库。为获得可用于实证分析的制造业企业面板数据，对所有制造业样本企业进行筛选。具体筛选原则和步骤为：首先，依据“证监会2012版行业分类”中的“制造业”代码筛选，确定制造业企业样本分布于C30～C40等行业，所选样本行业内的企业具有更明显的服务化倾向，且为制造业发展的重点领域。其次，剔除*ST、ST标注的、员工人数小于500人的和其他数据缺失严重的企业样本。最后，为确保研究的样本企业至少有两年以上的上市经历和相对稳定的经营状况，剔除了2018年12月31日后上市的以及中间退市的企业。经初步筛选后，最终得到 371家满足条件的制造业企业，形成非平衡面板数据。在整理服务化和数智化指标时还匹配了巨潮资讯网中公开的上市公司年报中的财务数据和数智化关键词信息等。

(二)主要变量的界定

(1)被解释变量为企业绩效(ROA)，是指企业盈利的能力，使用总资产收益率来测度企业绩效。

(2)解释变量为服务化水平，包括服务化率(Ser)、服务广度(Sers)和服务深度(Serd)。从产出视角，以服务业务收入占主营业务收入的比例，测度服务型制造变量。借鉴陈丽娴和沈鸿[22]的统计方法，使用公开可获得的上市公司财务数据和主营业务数据等信息，主要数据来自 Wind 数据库中的主营业务收入构成部分。具体步骤如下：首先，根据主营业务构成中是否包含“服务”来识别制造企业中的服务业务，包括基础性服务和提升性服务两类，有关“服务”的关键词如表1中的细分服务关键词所示。其次，将制造企业主营构成中包含上述关键词的业务划分为服务业务，并计算相应的主营业务收入构成中的相关服务收入占比来表示制造业企业的服务化率。数据缺失或者主营业务类型不明确的，通过查询公司当年年报进行手工核实。通常而言，服务化水平越高，表明该企业的服务型制造程度越高。最后，根据主营业务收入构成中的服务业务涉及的种类和领域，对服务业务类型进行分类统计(见表1)，测算服务化的广度和深度。服务化广度为提供的服务业务种类数量，共计13种；服务化深度为按照划分为产品导向型(编号1、2类服务)、基础服务导向型(编号3～10类服务)、高级服务导向型(编号11～13类服务)三种程度递增的服务，分别赋值深度1～3。

表1 服务化广度和服务化深度的衡量标准

表2 数智化转型的关键词组合

(4)控制变量。鉴于影响企业绩效因素是复杂多样的，为减少因模型设定带来的计量偏误，在数据可得性的基础上，选取企业相关特征作为控制变量。在模型中加入的控制变量包括企业所有制(Soe)、年龄(Age)、规模(Size)、流动比率(Lip)、营运资金占比(WCR)、流动负债占比(CDR)。

(三)计量模型设定

首先，为了验证理论假说1，本文建立了如下计量模型:

ROAit=α0+α1Serit+αControls+FirmFE+YearFE+εit

(10)

ROAit=α0+α1Serit+α2Serit2+α3Serit3+αControls+FirmFE+YearFE+εit

(11)

式(10)和(11)主要用于检验制造业企业服务化与企业绩效之间的总体关系及非线性关系。模型中，下标i表示企业，t表示年份，α0表示截距项，FirmFE和YearFE 分别表示企业固定效应和年份固定效应，εit为误差项。

为验证数智化转型对“服务化-绩效”的调节作用，建立制造业服务化与数智化(DI)的交互效应模型，设定如下:

ROAit=β0+β1Serit+β2DIit+β3Serit×DIit+β4Serit2+β5Serit3+βControls+FirmFE+YearFE+εit

(12)

三、实证检验与结果分析

(一)基本回归估计

利用Hausman 检验，基准回归模型的 HausmanP值小于0.1，因此选择固定效应模型对假设进行验证。为避免多重共线性的影响，对有关变量做了中心化处理。

(1)制造业服务化与企业绩效关系的回归分析。对式(10)和式(11)进行回归分析，以检验制造业企业服务化与企业绩效之间的关系，结果见表3第(1)～(4)列所示。

表3中的第(1)(2)列检验了“服务化-绩效”之间的关系，服务化的系数均在1%的水平下显著为正。由此可见，制造业企业服务化对企业绩效的提升在总体上起到显著的正向促进作用。第(3)(4)列检验了二者的非线性关系，可以发现服务化三次项系数在10%水平下显著为正、服务化与企业绩效之间的关系显著的呈“马鞍形”，服务化在总体上能够促进企业绩效的提高，但“服务化困境”真实存在，且困境起过后服务化对绩效的推动力更强，假设H1得到验证。对式(11)求导，代入表4的系数可得三次函数的两个极值点为27.72%和58.57%(不加控制变量时为27.88%和55.61%)，制造业服务化瓶颈期大致位于服务化水平在30%～55%。我国绝大部分制造业企业服务化水平处于55%以下，将要或者正在面临“服务化困境”带来的绩效问题。如果在瓶颈期仅仅增加服务化而没有更扎实的基础和能力资源相匹配，企业难以坚持提供服务，就很难突破困境瓶颈期达到成熟阶段。此外，控制变量的实证结果表明，企业规模越大，流动比率越高，流动负债比率越高，企业盈利水平就越高。

表3 服务化、数智化转型与企业绩效的实证结果

(2)数智化转型对制造业“服务化-绩效”关系的调节作用分析。对式(12)进行回归分析，以检验数智化转型对制造业企业“服务化-绩效”关系的调节作用，实证结果见表3中的第(5)～(7)列所示。第(6)列加入控制变量后，制造业服务化与数智化交互项的估计系数在5%的水平上显著为正，这表明数智化转型是制造业企业摆脱“服务化困境”的可行路径。这一估计结果验证了理论假设H2。进一步分析，参照张峰等[21]的模型，加入了数智化转型(DI)的二次项，结果见表3中的第(7)列所示。加入控制变量后，制造业服务化与数智化交互项的估计系数在5%的水平上显著为正，数智化转型的二次项与服务化交互项的系数在10%水平下显著为负，可见数智化转型对“服务化-绩效”的正向调节作用存在边际递减趋势。此外，结果中的R2偏低，但对于样本量较多的微观数据而言是合理的，因此这一结果仍具有解释力。

(二)稳健性检验

为了确保基本估计结果的可靠性，进行了一系列稳健性检验，结果见表4所示。

表4 稳健型检验结果

(1)替换核心变量。将被解释变量(ROA)替换为净资产收益率(ROE)，结果见表4第(1)～(3)列。由第(1)(2)列可知，“服务化-绩效”的非线性关系呈现“马鞍形”，再次验证了“服务化困境”的存在；由第(3)列可见，假设H2再次得到验证，数智化转型对“服务化-绩效”起到正向调节作用。

(2)子样本回归。为了减少外部经济环境影响，对总样本年份进行缩减。为剔除2008年金融危机和2020年新冠肺炎疫情影响，只保留2009—2019年的数据，检验结果见表4中第(4)～(6)列。由第(4)(5)列可知，假设H1再次得到验证，其结果是稳健的；第(6)列再次验证了假设H2。

(3)对主要变量进行双边缩尾。首先，对被解释变量(ROA)进行双边缩尾处理，结果见表4的第(7)列，第(8)列为仅对解释变量(Ser)进行双边缩尾，第(9)列为对被解释变量(ROA)和解释变量(Ser)同时进行双边缩尾。以上结果均显示，服务化与数智化转型的交互项系数显著为正，表明数智化转型对“服务化-绩效”关系的正向调节作用的是显著且稳健的。

进一步地，为了解决可能存在的内生性问题，进行工具变量(IV)估计。借鉴易行健等[22]的做法，构建一个“Bartik instrument”(滞后一期的服务化率与总体服务化年增长率的乘积，以2008年为基期)，然后进行2SLS两阶段工具变量估计。由于路径依赖，当年的经营绩效往往会受到当期或近期的服务型化战略的影响。因而，工具变量的选择是合理的。表4第(10)列表明制造业服务化与数智化转型交互项的估计系数均显著为正，与基本回归结果保持了一致，这说明前文所得结果依然成立。

四、机制检验和异质性分析

(一)机制检验

制造业数智化水平的提升，增强了企业的差异化竞争优势和成本优势，从而提高了企业绩效，突破“服务化困境”。

1.创新效应检验

通常而言，增加广告及宣传投入是企业实施差异化战略的重要手段。借鉴王志强和洪艺珣[24]的做法，用销售费用替代宣传费用；借鉴Duanmu[25]的模型，建立以下公式度量差异化竞争优势。因而该指标数值越大表明企业的差异化竞争优势越大。

Difi,j,t=

[1,1]

(13)

Difi,j,t表示在t年行业j内的企业i的销售费用占比，median(DF)j,t表示在t年行业j的销售费用占比的中位数，分母表示在t年行业j内的(DFi,j,t-median(DF)j,t)这一差值的极值，用于进行标准化处理。机制检验的结果见表5所示。

表5 机制检验实证结果

创新效应即差异化竞争优势带来的正向作用，见表5中的第(1)(2)列所示。由第(2)列的结果可以看出，数智化转型对差异化竞争优势的系数在5%水平下显著为正，表明数智化转型对制造业企业提高差异化竞争优势具有显著的正向作用；但数智化二次项系数在5%水平下显著为负，表明此正向作用呈现边际递减趋势，这也是导致上文所述的数智化转型对“服务化-绩效”正向调节作用边际递减的重要原因。边际递减的原因可能在于，制造业企业初步尝试更个性化和更现代化的服务业务提供时，可以大大提高客户对服务的感知度和满意度，在进一步转型中，客户已经熟知企业的服务提供方式和种类，对客户的新刺激减少，数智化转型带来的正向作用在逐步减小。

通过服务化类型的广度和深度的统计分析也可以看出，随着时间的推移，企业在提供的服务类型广度上提升缓慢，大多数企业没有盲目增加服务种类，而是从与企业主营业务相关的服务向外渗透。而从深度上看，提升更为显著，数智化的加入是企业在服务化过程中增加服务化深度的重要原因。从产品导向型服务到基础服务导向型服务再到高级服务导向型服务，高新技术的应用使得企业能够在更高的制造能力基础上提供服务，利用数据分析、智能决策等与客户直接联系，生产更加具有针对性、不可模仿性等特征的产品和服务。服务化广度和深度的相关实证分析结果见表6所示。

表6 服务化广度、深度相关检验结果

表6中的第(1)列显示，服务化深度的系数在10%水平下显著为正，表明服务化深度的提高对企业差异化竞争优势的塑造起到显著的促进作用；服务化广度的系数在1%水平下显著为负，表明涉猎过多的服务种类则会降低差异化优势。更高层级的产品和服务对于其他竞争对手来说，形成了更高的技术壁垒，更加不容易被模仿和跟进，有利于形成稳定的差异化优势，并且意味着对应用户支付服务增加值的意愿度提高、企业能够赢得相应的利润，反过来激励企业提供更高层次的服务业务，形成服务化发展的良性循环。

2.成本效应

借鉴Duanmu的模型[25]，建立以下公式衡量数智化转型的成本效应(Cost)。该指标数值越大，表明企业付出单位营业成本能够获得比行业内同类企业更高的业务收入，因而成本竞争优势更大。测算模型如下：

Costi,j,t=

[1,1]

(14)

其中，Costi,j,t表示在t年行业j内的企业i的主营业务收入与营业成本的比例，median(CL)j,t表示在t年行业j的主营业务收入与营业成本比例的中位数，分母表示在t年行业j内的(CLi,j,t-median(CL)j,t)这一差值的极值，用于进行标准化处理。

表5中第(3)、第(4)本优势的机制检验结果。可见数智化与服务化交互项的估计系数在1%水平下为正，这表明数智化转型通过成本效应正向调节“服务化-绩效”之间的关系。由表6第(2)列可知，服务化深度的系数在10%水平下显著为正，表明在服务化与数智化融合转型过程中，服务化深度的升级能使得制造业企业的要素重新配置，减少环节匹配和供需匹配上的运营成本和生产成本。综上，实证分析的结果多次验证了数智化转型在服务化进程中对企业绩效产生了正向调节效应，并且数智化融入服务化是通过创新效应和成本效应帮助企业突破“服务化困境”的可行渠道。

(二)异质性分析

(1)所有制分异。按照公司是否为国有企业划分为两组，分组估计结果如表7所示。

表7 基于不同所有制和技术密集度的异质性分析

表7中每组的第(1)列为“服务化-绩效”的非线性关系检验，第(2)列为加入数智化与服务化交互项后的调节效应检验。结果显示，“服务化-绩效”的正相关关系在国有企业中更为显著，“马鞍形”的非线性关系在所有制分异的分组样本中差异并不显著；非国有企业数智化与服务化的交互项系数显著为正，而国有企业组交互项的回归系数不显著。综合比较两组估计结果，反映了这样一个基本事实：在开展服务化业务时，国有企业更容易陷入困境中，但相比较而言，非国有企业存在更强的转型动机来推进数智化且可以通过转型使得企业避免陷入“服务化困境”之中。

(2)技术密集度分异。由于行业间的专业性有系统性差异，决定了技术上也存在着明显的行业差异。按照《高技术产业(制造业)分类》(2017)精确到国民经济四分位制造行业，对照《国民经济行业分类》(GB/T 4754-2017)二分位行业，按照“若一个二分位行业中包含高技术四分位行业，则这个二分位行业属于高技术行业”的规则进行分组，将总样本分为高技术企业组和低技术企业组。实证分析的结果见表7所示。结果显示，只有低技术企业新的“服务化-绩效”关系呈现显著的“马鞍形”，低技术企业“服务化困境”期大致位于7.86%～82.26%之间。可以看出，较于总样本，低技术企业的“服务化困境”出现得更早、持续时间更久且程度更深；数智化转型对“服务化-绩效”的调节作用在技术密度分异的分组样本中区分不明显。总体来看，低技术企业更容易陷入“服务化困境”，而非国有企业进行的数智化转型对“服务化-绩效”的正向调节作用更加显著。

五、 研究结论与政策启示

随着新一代信息技术的快速发展和广泛应用，全球经济结构和产业结构正从工业型经济逐渐转向服务型经济，服务化正在成为制造业转型升级的核心驱动力。我国进入高质量发展新阶段后，制造业也向着服务化、智能化、绿色化、高级化方向转型升级。然而，服务化发展给企业盈利性方面带来的不仅仅是简单的显著促进作用，由于各种复杂的内外因素综合作用，制造业企业的服务化进程很难实现“一帆风顺”，可能出现“服务化困境”。本文分析了制造业服务化进程中出现“服务化困境”的原因，通过构建服务化与企业绩效的非线性关系模型和制造业服务化与数智化的交互效应模型，研究了制造业企业通过数智化转型突破“服务化困境”的作用机制。然后，利用2008—2020年A股制造业上市公司面板数据，测算了服务化和数智化的发展水平，检验了“服务化困境”是否存在以及数智化转型能否帮助企业突破困境。通过理论分析和实证研究得到以下结论：(1)制造业企业服务化过程中的确存在“服务化困境”，“服务化-绩效”之间的关系呈“马鞍形”；我国大部分制造业企业的服务化水平处于55%以下，将要或者正在面临“服务化困境”带来的绩效问题。(2)数智化转型能够产生创新效应和成本效应，影响制造业企业服务化进程中的企业绩效。(3)数智化转型对“服务化-绩效”的起到正向调节作用，是制造业企业突破“服务化困境”的有效路径。(4)制造业企业的所有制属性和技术密集度是影响数智化转型突破“服务化困境”的重要因素。论文还从服务广度和服务深度的角度，对以上结论做了进一步阐释，强调了我国制造业服务化和数智化发展需要重视服务化专业度和服务深度的扩展而非盲目增加服务种类。以上研究结论不仅弥补和丰富了有关制造业企业服务化影响效应分析，而且从制造业服务化视角凸显了持续展开数智化转型这一重大政策的积极意义，对如何发展服务型制造、如何通过数智化转型提升制造业质效，进而推动制造业高质量发展具有启示意义。依据上述研究结论，提出如下政策建议。

一是坚持制造业服务化转型和数智化转型相互融合，推动制造业高质量发展。对待服务化转型和数智化转型，制造业企业不应再踌躇于“要不要转型”的问题，更应转向“怎么转”的问题。制造业服务化和数智化转型是现在和未来很长时期里制造业发展的总体趋势，要想适应国内外市场上主要矛盾的变化，要求制造业企业进行个性化生产，改善服务质量，提升服务化和智能化水平。然而，需要引起注意的是，企业发展服务型制造切忌“脱实向虚”，陷入“服务化困境”。制造业转型发展离不开“制造”这一基础，制造业服务化需要建立在产品供给的基础上，结合产品供给提供“服务包”的有机整合方案，进而提升制造业核心竞争力，这样才能巩固和壮大实体经济根基。

二是突出数据要素和数字技术的基础性作用，以人为本推动制造业转型升级。在推动我国由制造大国向制造强国转型过程中需要认识到，比“机器换人”更重要的是“数字换脑”，技术赋能不等于技术万能，再先进的技术归根结底是服务于人的需求。在服务化中加入数据、数字技术、智能技术等数智要素，发挥数据要素和数字技术的基础性作用；同时，始终将人放在中心位置，将生产者从繁杂的工作中解放出来，使生产过程对生产者的依赖程度降低，提高企业生存的稳定性。在制造业转型升级中，要提高员工的数字文化思维和技能，更好地适应全生产周期的数智化转型。营造有利于制造企业数智化转型的发展环境，建立产学研基地，通过促进人才引进和人才培养等系列措施，为企业数智化转型提供人才支持。

三是引导制造业企业“一企一策”发展服务型制造，通过数智化转型突破“服务化困境”。服务型制造和数智化转型没有针对所有行业和企业的“标准答案”，每一家企业在转型中都需要探索属于自己的路子。在实施转型前，要拥有清晰的战略规划和长远目标，在制定和实施具体规划中，需要结合自身的基础能力和发展情况针对转型中的重点和难点进行突破，个性化地、分阶段地定制实施计划，在实施过程中不断进行规划的优化和完善。对待不同类型的行业和企业，政府应采取差异化的推进方案：非国有企业创新动力足但资金和资源较为缺乏，需要政府增大支持力度；国有企业存在的“所有者缺位”问题容易导致监管失灵、创新动力不足，需要强化对国有企业的监督和管控，让大企业起到带头作用。引导高技术行业利用技术资源优势建立高级服务导向型服务业务，激励企业开发高附加值的整体解决方案，建立难以模仿的、可持续的核心竞争优势，以突破可能出现的“服务化困境”；对于低技术行业，政府可以引导其重点发展产品导向型和基础服务型服务，鼓励企业首先实现由产品向服务导向的基础性转变，更早地预防落入“服务化困境”。