数字化转型对制造企业技术创新的影响＊

陈凤凤

（宁波大学 商学院，浙江 宁波 315000）

一、引言

数字化转型已成为科技革命时代不可阻挡的潮流，促使产业结构和生产组织方式革新。2020 年7月，国家发改委等联合发布《关于支持新业态新模式健康发展，激活消费市场带动扩大就业的意见》，明确提出推动经济社会数字化转型，加快推动企业跨界合作、产供销联动转型，鼓励大中型制造企业发挥引领支撑作用，打造“数据中台”，以信息流促进上下游业务协作，建设数字化供应链。2020 年疫情席卷全球，地缘政治摩擦不断，传统制造企业面临供应链和市场需求失调的危机，提高自主创新能力成为了传统企业转危为安，可持续发展的关键。数字化是中国技术创新发展的核心驱动力，制造企业是实体经济的主体，那么数字化转型能否有效推动其技术创新以实现高质量发展？其影响机制是什么？对于以上问题，值得深入探究。

二、文献综述

朱秀梅和林晓玥（2022）[1]将数字化转型的研究分为三个时期，即萌芽期（2013—2014 年），成长期（2015—2018 年）和快速发展期（2019—2021 年）。早期国外学者主要研究数字化转型的类型[2]。近几年，国内外学者对数字化转型的影响因素、结果和动态演化进行了深入的探讨。Porfirio 等（2021）[3]认为企业规模和领导风格会影响企业的数字化转型决策。袁淳等（2021）[4]认为企业数字化转型会通过降低外部交易成本来提升专业化分工水平。数字化转型能够助力企业提高资源和能力水平，迈入高质量发展行列。目前关于制造业数字化转型的研究大多从案例视角出发。海尔实施数字化战略，从传统家电制造封闭企业转型为开放平台，成为最具价值全球品牌100 强。苏宁根据零售端的数据变化趋势制定上游制造商的生产活动，模糊了“零售”与“制造”的界限，成为零售行业的龙头企业。史宇鹏等（2021）[5]研究表明我国多数制造企业数字化转型仍处于初级阶段，转型主要集中在企业内部信息协同或单一业务线。2020 年，中国仅11%企业成为数字转型领军企业。

关于数字化转型对企业技术创新的影响研究。最早意大利学者Roberto（2010）[6]提出技术推动创新，数字技术与创新融合可以打通各个创新环节的连接，降低创新主体之间的信息不对称程度。对于中小制造企业，数字化转型能够提高新产品开发绩效[7]。我国核心技术频繁遭遇“卡脖子”危机，数字化转型程度的加深有助于组织韧性扩展，制造企业可以凭借更强的抗压力和恢复力转化危机，获取技术创新优势[8]。王墨林等（2020）[9]认为数字化转型会影响企业动态能力，不同水平的动态能力对企业创新绩效影响不同。此外，数字化转型还有助于企业降低生产成本，提高运营效率[10]，提高创新绩效。

已有学者分别从理论和实证角度探究了数字化转型与企业技术创新的关系，但是仍有待深入研究：一是现有研究大多聚焦于行业研究和案例探索层面，仅少数文献进行微观企业的实证检验。二是由于制造业的特殊性，其数字化转型大多与供应链升级密切相关，而很少有学者探究供应链上下游利益相关者关系在两者之间的作用机制，因此，本文将数字化转型、供应链集中度与制造业企业技术创新纳入同一研究框架，分析数字化转型影响企业技术创新的路径，分别探究供应商集中度和客户集中度的中介作用。

三、理论机制与研究假设

（一）数字化转型与企业技术创新

就数字化转型的内涵而言，早期学者聚焦于数字技术手段和硬件设备，但数字化转型并不仅是简单的技术软件升级，而是企业依托5G、大数据、物联网、人工智能以及区块链等前沿数字技术对海量的数据集进行精准的智能化利用过程[11]，旨在获取更多创新资源和价值。技术创新理论认为创新就是将生产要素和生产条件重新组合，而数据作为一种新型生产要素，既可以与传统业务融合实现突破式创新，也可以催生数字化新业态和新模式实现破坏式创新。

在产品生产的全生命周期中，数字化转型赋能各个环节。在研发设计方面，先进的数字化基础设施能够快速响应客户需求，达成大规模的产品定制化。在生产方面，智能化的人机协作将工人从繁重的工作中解放出来，聚焦于关键核心技术的研发。在服务方面，数字技术帮助制造企业实时收集和分析消费者行为数据，构造精准用户画像实现精准营销，快速研发推出新产品。在流程方面，联想采用的整体数字化供应链系统，打通了备料、出料、物流各个环节，工厂的生产活动变得越来越方便快捷。企业利用数字化技术及时追踪和捕捉客户的真实需求，将获得的外部市场知识转换为内部创新能力来强化研发和制造，塑造竞争优势。

综上，本文提出假设1：数字化转型促进制造企业技术创新。

（二）数字化转型、供应链集中度与企业技术创新

供应链集中度指制造企业供应链伙伴数量的集中程度，可以根据上下游位置分为供应商集中度和客户集中度。地理位置和文化距离使得企业间产品生产和业务流程数据信息标准不一致，无法实现融合互通，进行有效的互动和协作。大多数制造企业会选择只与少数几家供应商和客户进行合作，此时具有较强的供应链集中度。但是，弹性供应链能够打破企业之间存在的信息孤岛和合作风险，运用数字技术建立信息共享平台来强化信息同步和数据协同能力，扩大企业合作范围，进而降低供应链集中度。企业的创新活动具有高风险性、正外部性等特点，根据利益相关者理论，大供应商和大客户的决策在制造企业内部具有较高的话语权，他们会对企业施压迫使其降低创新投入，从而影响企业创新产出。当数字化转型成为不可逆转的潮流时，传统的“供应商—制造商—客户”垂直供应链的线性结构会被颠覆，来自不同地区和领域的企业都能成为制造企业的供应商和客户，企业技术创新意愿就会显著增加。

综上，本文提出假设2：供应链集中度在制造企业数字化转型和企业技术创新之间起到部分中介作用。

进一步，供应商作为企业原材料的重要来源，首先，高供应商集中度意味着企业对供应商有高度依赖性，当主要供应商破产或者倒闭，企业将无法获取生产研发活动所需的必要创新资源。其次，企业会满足现有供应商所提供的产品，不再寻找更多的供应商，无法获取最新知识进行技术创新活动。同样，客户关系也会干扰企业独立进行研发创新决策。第一，企业仅服务少数几个大客户，当客户面临破产等财务风险时，企业会失去重要的收入来源。第二，较高的客户集中度，客户会向企业提出更低的产品价格，更严格的购货条件，从而占用企业的资金使用，企业的技术创新资金将被迫削减。第三，企业为了维护与大客户的稳定关系，会投入更高的专用性资产以获取规模经济，从而占用创新资源，抑制创新动机。

综上，本文提出假设2A 和假设2B：

假设2A：供应商集中度在制造企业数字化转型和技术创新之间起到部分中介作用；

假设2B：客户集中度在制造企业数字化转型和技术创新之间起到部分中介作用。

四、研究设计

（一）数据来源

考虑到中国数字技术的高速发展时期以及2012 年中国证监会要求企业披露前五大供应商采购、客户销售比例，本文选择2013—2020 年沪深A股制造业上市企业，并剔除下述样本数据：（1）2012年之后上市的样本；（2）企业年报中未披露任何数字化信息的样本；（3）ST、*ST 类以及资不抵债样本；（4）数据异常的样本。最后得到915 家企业共7 320个数据。本文数据主要来自CSMAR 与Wind 数据库，上市公司年报来自巨潮资讯网。所有连续变量进行了缩尾处理。

（二）模型设定

为了检验数字化转型对企业技术创新的影响，本文控制行业和时间效应，构造如下实证研究模型。

进一步，构建如下模型，检验数字化转型、供应链集中度和企业技术创新的机制是否存在。

其中，Mi，t为中介机制变量，分别为SCIi，t，SCi，t和CCi，t，表示供应链集中度，供应商集中度和客户集中度。

（三）变量设置及说明

1.解释变量。企业数字化转型（DCG）。参考吴非等（2021）[12]，赵宸宇等（2021）[10]的研究，构建共82个关键词的数字化转型词库，主要为数字科学技术（区块链、人工智能、大数据、云计算）和数字应用技术。基于该词库使用爬虫软件在企业年报中抓取对应的关键词并计数。最后，对所得数据加1 后取对数，得到数字化转型的最终指标DCG。

2.被解释变量。技术创新（Patent）。参考孔东民等（2017）[13]的相关文献，技术创新采用企业3 种专利申请数量的对数来衡量。

3.其他变量。中介变量为供应链集中度（SCI）。参考方红星等（2017）[14]的相关文献，选择前五大供应商采购比例和前五大客户销售比例的平均值作为其代理变量。控制变量从财务和公司治理两方面选取，分别为资产负债率、持续经营时间、盈利能力、公司规模和两职合一、董事会规模、管理层持股比例。

（四）描述性统计

本文实证分析所用的主要变量部分特征如表1所示，企业数字化转型（DCG）的平均数为1.347，标准差为1.306，说明大多数的制造企业都具有数字化转型意识。企业技术创新（Patent）的最值差异较大，表明制造企业之间的技术创新水平具有较大差异。供应链集中度（SCI）的最值差异大，标准差为14.348，离散程度较大，表明制造企业两极分化严重，有部分制造企业甚至完全依赖少数几家供应商或客户。

表1 主要变量描述性统计

五、实证结果及分析

（一）基准回归结果

豪斯曼检验得到p 值＜0.05，故本文使用固定效应模型。表2 汇报了制造企业数字化转型与企业技术创新产出的回归结果。列（1）中，数字化转型变量的估计系数为0.140，显著为正且在1%水平下显著，表示数字化转型显著促进了制造企业技术创新，假设1 得到验证。

（二）机制检验

第一步检验由表2 列（1）可得，列（2）为第二步检验，数字化转型的估计系数为-1.090，在1%水平下显著，说明数字化转型能够有效缓解企业的供应链集中度。列（3）为第三步检验，数字化转型的估计系数从0.140 下降到了0.128，供应链集中度的估计系数为-0.012，均在1%水平下显著，表明制造企业通过数字化转型降低供应链集中度，进而提高技术创新水平。假设2 得到验证，这可能是因为制造企业通过云端数字化供应链，打通了线上采购、生产、分销的整条价值链，企业不再依赖少数几家大供应商和客户，对创新研发的投资等决策不再受到外部主体控制，企业技术创新水平提高。

本研究还采用Sobel test 和Bootstrap 对假设2进行中介效应检验。由表2 可得sobel 检验在1%水平上显著。Bootstrap 显示在95%的置信区间内均不包括0，中介效应值为9.01%，中介效应成立。

表2 供应链集中度中介效应检验结果

进一步，对供应商集中度和客户集中度这两个中介变量分别检验。如表3 列（4）所示，数字化转型与供应商集中度在5%水平下显著负相关，系数为-0.107，列（5）数字化转型与企业技术创新在1%水平下显著相关，但是系数从0.140 下降到了0.126，供应商集中度系数显著为-0.011，假设2A 得到验证，同理，假设2B 得到验证。此外，本文通过Sobel 检验和Bootstrap检验再次验证假设2A 和假设2B 成立。数字化转型除对企业技术创新产生直接推动作用外，还能通过供应商集中度和客户集中度发挥间接作用。数字化通过双侧联动性赋能企业创新，在需求侧满足消费者个性化需求，在供给侧实现业务流程和生产运营数字化重塑。

表3 供应商、客户集中度中介效应检验结果

（三）稳健性检验

首先，更换被解释变量。本文使用研发投入（RD）和专利授权总数（Patentad）来做稳健性检验。回归结果如表4 列（8）和列（9），回归系数均显著为正，本文的研究结果可靠。其次，剔除数字产业行业。本文主要研究制造企业数字化发展，因此参考祁怀锦等将与计算机通讯有关的行业样本剔除，结果如表4 列（10）。企业数字化转型与技术创新仍然存在显著正相关关系。

表4 稳健性估计

六、异质性分析

（一）行业属性异质性分析

如表5 所示，本文基于制造企业细分行业属性将其分为高新技术行业和非高新技术行业。列（1）和列（2）显示，企业数字化转型能够在1%水平上显著提高高新技术行业企业和非高新技术行业的技术创新水平，其中高新技术行业的系数为0.199，大于非高新技术行业的系数0.094，这表明，数字化转型对高新技术行业的促进作用更为明显，这可能是高新技术行业企业进行创新研发活动是与生俱来的优势，并且，高新技术行业企业具有快速成长性特征，企业能够在数字化转型进程中，运用数字技术迅速开发出符合市场需要的新产品。

（二）企业规模异质性分析

企业规模会对企业决策行为产生较大影响，基于企业资产总值将制造业企业分为大企业和中小企业。表5 列（3）中数字化转型对大企业技术创新的系数在1%水平上显著为0.196，列（4）中中小企业的系数在1%水平上显著为0.130，说明数字化转型能够促进大中小企业的技术创新，并且对大企业的推动作用更大。因为大企业数字化转型能够优化冗余的组织结构，挖掘出更多的创新资源，而小企业仅跟随、模仿数字化转型，缺乏开发数字平台和实施数字化转型战略的管理组织能力。

表5 异质性分析

七、结论与建议

本文基于2013—2020 年制造业A 股上市公司数据探究数字化转型对制造企业技术创新的作用效果及其背后机制。

研究得出：首先，随着制造企业数字化转型逐渐深入，企业的技术创新产出显著增加，稳健性检验中，数字化转型对企业的技术创新投入也呈显著正向影响。其次，从企业的利益相关者供应链关系视角出发，发现数字化转型能够降低制造企业供应链集中度，供应链集中度在数字化转型对技术创新水平的促进关系中起到了部分中介作用。制造企业通过数字化转型能够与供应链中的所有上下游主体进行合作，通过系统互通和数据互联能够成功打破企业传统产品线之间的界限，提高企业技术创新水平。最后，从异质性角度进行研究发现，相对于非高新技术行业企业和中小企业，高新技术行业企业和大型企业的数字化转型对技术创新的促进作用更加显著。

因此，提出如下建议：第一，制造企业应顺应当前数字经济发展潮流，积极迎合当地数字化转型政策，加强与政府、科研机构的协作，参与实施“数字化发展战略”；第二，大型企业可凭借自身雄厚的规模背景自主开发数字平台，中小企业以及非高新技术企业应重视数字化建设，结合自身实际需求引进数字平台和数字技术；第三，当企业与大供应商和大客户关系紧密时，制造企业就会面临丧失自主权的处境。制造企业应发挥主观能动性，运用数字技术拓展供应链上下游关系网络，降低供应链集中度，掌握主动权和议价权，有效缩短产品从开发到生产再到上市的研发过程。