数字并购如何影响企业突破性创新——基于知识宽度和创新效率的分析

伍 晨，张 帆

(西安交通大学经济与金融学院，陕西 西安 710061)

一、引 言

近年来，以人工智能、大数据、区块链等为代表的数字技术不断涌现，驱动着海量数据的汇聚与应用，高强度的数据处理能力深刻改变了社会的资源配置，极大地提升了生产效率，加速人类社会步入数字时代[1]。与此同时，国家将发展数字经济上升为国家战略，要求加强数字技术与实体经济深度融合，得到企业积极响应，因此，在数字时代下企业对数字技术的需求日益增长。然而，传统企业由于缺乏数字思维与技术基础，很难在短时间通过内部研发的方式获得数字技术，加之数字技术迭代频繁，技术交易成本较高，因而通过并购数字企业的方式直接获取战略性数字技术是一种高效的数字化手段[2]。当前中国企业在数字经济领域积极进行并购重组，上市公司成功完成的数字并购事件从 2014年的不足50起急剧增长到2017年的207起，随后受全球经济下行的影响出现一定程度的回落，但在2020年重拾上升趋势(1)数字并购事件数据来自作者整理，限于篇幅，此处未报告，作者备索。，总体来看，目前中国企业的数字并购依然活跃。在数字时代大背景下，数据流量正在呈现出爆发式增长，深刻改变着企业的创新环境，既然数字并购能够加快企业主动实施自己的数字化战略，而数字化又会提升企业的创新能力[3]，这就会引出一个问题，企业的数字并购行为能否有效提升企业的突破性创新能力？当前中国自主创新和原始创新能力急需加强，特别是关键核心技术短板问题凸出，因而应该更加聚焦于突破性技术的研究，这是取得关键核心技术的必要条件。回答这一问题有利于企业借助数字红利来实现突破性创新，对我国推进创新驱动发展和科技自强自立等政策的实施有重要的启示和借鉴意义。

与本文密切相关的研究，一类是探索企业突破性创新前因的文献。企业突破性创新一直以来都是国内外学者讨论的热点，已有文献从多个角度讨论了影响企业突破性创新的因素。就企业自身因素而言，首先，企业规模是一个重要的因素，突破性创新往往很难获得大型企业的支持，主要因为大型企业组织内部存在着“惯性”问题[4]。其次，资源和能力因素也是影响企业突破性创新的重要因素，Delgado-Verde等(2016)将组织资源分为人力资源、技术资源和社会资源三种类型，以西班牙251家中高技术制造业企业为样本进行实证检验，揭示了不同类型企业资源对突破性创新的差异性作用[5]。Salomo等 (2007)提出了动态能力理论，并将动态能力视为企业实现突破性创新的重要途径[6]。另外，还有一部分文献对公共政策的作用比较感兴趣。与渐进性创新相比，突破性创新失败风险更高，企业会更难找到外部资金，因此，寻求公共政策支持对进行突破性创新的企业来说尤为迫切。Beck等(2016)在评估研发激励政策的效果时发现，来自私人部门的研发资助对突破性创新和渐进性创新都有显著正效应，而公共部门的研发资助仅对突破性创新有效[7]。伍晨和张帆(2022)使用中国重点研发计划的资助数据实证检验政府支持对突破性创新的积极作用[8]。

另一类与本文相关的文献关注数字经济与企业创新。得益于数字经济的赋能效应，社会各界对数字经济高度重视，激发国内外学者深入探索数字经济的创新效应。张国胜等(2021)为数字技术赋能企业创新这一论点提供了理论和经验证据[9]。更进一步，对于数字经济中企业突破性创新问题，张吉昌和龙静(2022)的研究表明数字技术通过提升企业研发水平、知识吸收能力以及适应能力来促进突破性创新[10]。李树文等(2021)则侧重将动态能力作为数字技术对突破性创新中介作用的讨论，针对科创企业进行问卷调查，实证检验以大数据为代表的数字技术如何通过知识获取能力、知识创造能力和知识整合能力来驱动突破性创新[11]。徐翔等(2023)研究了在数据要素情境中不同规模企业的突破性创新选择，研究结论显示，与传统经济相反，数字经济环境下的大企业倾向渐进式创新而非突破性创新，尽管小企业选择突破性创新但成功率极低[12]。

随着数字经济与实体经济融合的加深，有学者开始关注数字并购对企业数字化转型的重要作用，并明确了数字并购的定义与内涵[2]。其后，蒋殿春和唐浩丹(2021)将视角聚焦到数字型跨国并购上，实证结果表明，企业是为了获得数字技术和研发资源而发起数字并购，而不是像一般并购那样为了占领市场份额[13]。近年来，随着数字并购相关研究的逐步深入，学者们开始关注数字并购的创新促进效应，方森辉等(2022)从知识和财务协同的角度实证检验数字并购对企业创新的影响[14]，伍晨和张帆(2023)则将数字化转型在数字并购和企业创新中扮演的渠道机制加以检验，得出了与已有文献不同的结论[15]。回顾现有文献发现，已有研究并未涉及数字并购对企业突破性创新行为的影响，而突破性创新作为具有革命性的重大技术突破，与一般技术创新有着本质区别，因此在突破性创新视角下数字并购发挥的作用机制与一般创新存在一定差异，但当前缺少数字并购对突破性创新影响的系统研究。基于此，本文探究数字并购如何影响企业突破性技术创新具有重要的理论和现实意义。

本文首先对数字并购与突破性创新的关系进行理论分析，然后根据国家统计局发布的《数字经济及其核心产业统计分类(2021)》的分类方法筛选出126个数字经济行业，并将数字经济行业内企业的并购识别为数字并购，从而构建中国上市公司数字并购面板数据集。在此基础上，实证检验数字并购对企业突破性创新的影响，试图探求如下问题：数字并购能否促进企业突破性创新，如何促进企业突破性创新？回答上述问题有助于从微观层面丰富对数字并购经济后果的认识，探究数字并购对企业产生突破性创新成果的驱动作用，这对我国推进创新驱动战略和高质量发展等政策的实施有一定的启示和借鉴意义。

本文可能的贡献在于：第一，以数字并购为研究对象，对数字并购的突破性创新效果进行整体评估，考虑专利被引数据的分布特征，采用面板计数模型详细分析数字并购对企业突破性创新造成的直接影响。第二，将知识宽度和创新效率的间接效应纳入考量，并且考察了不同吸收能力和资源冗余的调节效应，得到了更为丰富的研究结论，为创新驱动发展战略的政策实施具有较为重要的借鉴价值。第三，本文较早地使用中国统计局发布的数字经济行业划分标准，并将《数字经济及其核心产业统计分类(2021)》与企业并购数据库相结合构造数字并购面板数据，克服了因对数字经济行业选取随意与粗糙导致遗漏部分重要数据的问题，这对后续以数字并购为主题的实证研究具有借鉴价值。第四，本文拓展了数字经济与创新的研究，从微观层面考虑数字并购对企业突破性创新的影响，这对企业构建数字能力，借助数字并购提升突破性创新的文献进行了有益的补充。

二、理论分析与研究假设

(一)数字并购与企业突破性创新

根据知识基础理论的观点，Kohli和Melville(2019)认为积累数字知识会增加企业创新成功的机会[16]。数字知识不仅使企业能够直接利用内部资源，而且增加了企业对外部新知识的接受能力。因此，数字并购加快企业内部数字知识更新的同时，还会促进数字知识与潜在知识的组合，从而提升突破性创新成功的可能性。突破性创新涉及对外部新颖知识的搜寻，如果企业仅仅关注内部研发，而不是发现高度不确定的外部机会，企业开发突破性创新的可能性极小[17]。而企业通过数字并购一方面在相对较短的时间内获得关于标的企业知识的完全处置权[18]，更新了陈旧的内部知识，同时扩大了基础知识库，另一方面数字技术与现有内部知识的融合可以形成技术互补的联合机制[19]，这些都会促使企业突破式创新能力的提高。

突破性创新具有非连续性和革命性的特征，在开发和商业化过程中涉及不熟悉的新颖知识，面临高度的不确定，失败率极高，因此，企业不得不承担更高成本和风险[20]。面对如此高的开发壁垒，长期的大量的资金投入对企业实现突破性创新具有非常重要的意义，主并企业通过数字并购可以有效缓解企业对资金投入的需求。数字并购助力企业在生产运营中积极利用数字技术来提升信息传递效率，实现产品从“研发—采购—制造—销售”的精细化管理，极大地降低了综合成本，企业财务状况因此得以大幅改善，激励企业释放出更多资金投入到研发部门进行技术突破创新[21]。不仅如此，数字并购还可重构主并企业与用户之间的关系，以更小的成本来实现企业对用户消费需求的获取与分析，降低了信息不对称，为企业获取更大的市场份额打下基础，从而确保突破性创新投入的稳步增长。基于以上分析，本文提出：

H1：数字并购会促进企业突破性创新。

(二)影响机制分析

1.知识宽度的中介效应

数字并购为企业带来的异质性技术提升了技术多元化程度[22]，首先，主并企业直接获取被并企业的外部新知识，扩充了原有知识序列，其次，在并购后的整合阶段，来自数字企业的数字知识溢出到实施并购的企业，与内部知识融合演化出新的异质性知识，丰富了企业的知识种类，这会显著提升企业创新的知识宽度，扩展了主并企业的技术选择集，来自其他领域的技术溢出有助于降低突破性创新的风险，进而促进企业取得突破性创新成果[23]。知识宽度指企业技术领域覆盖的范围或种类[24]，知识覆盖范围越广，企业越能避免创新过程中的惯性与僵化问题。知识宽度过窄会出现研发人员重复利用某些类别创新知识的情况，使关键技术创新迟迟难以攻克，而知识多样性有助于企业突破既有的技术轨道，形成新颖性较高的突破性创新成果[25]。基于以上分析，本文提出：

H2：数字并购通过提升知识宽度促进企业突破性创新。

2.创新效率的中介效应

对收购企业而言，通过并购直接扩充企业的研发团队，构建更庞大的知识网络，有利于研发人员快速识别知识元素并将其重新组合得到新知识[26]，研发人员嵌入知识网络提高了企业对知识的理解、学习和转化的能力，加快了企业研发速度。Ahuja和Katila(2001)验证了不同研究团队之间组合知识元素会促进创新效率的结论[27]。数字并购助力企业实现数字化转型，一方面，企业数字化打破了空间和资源的限制，加强了创新网络成员之间的联通，保证了创新过程的高效运行；另一方面，在企业展开研发创新活动时，经常面临大量的失败，数字技术凭借其在计算和模拟上的优势，有助于提高信息处理的精度，大幅缩减创新过程所产生的信息化成本，收购方利用数字资源为企业寻找技术突破空间提供了更为高效的途径。创新效率提升促使企业在较短时间内生成新技术，为企业探索突破性创新提供更为宽松的容错空间，使得研发人员对创新风险的态度更加积极，从而主动探索外部知识，最终促进了企业突破性创新。基于以上分析，本文提出：

H3：数字并购通过提升创新效率促进企业突破性创新。

3.吸收能力的调节效应

吸收能力理论考察企业识别和利用新知识的能力，在企业研发创新时，吸收能力表现为识别外部技术知识，并根据企业自身特点评估其价值，最终有机转化为实际运用的内部知识。吸收能力越强，企业越能快速、准确地理解消化外部知识，将知识转化为更多的新技术与新产品，促进企业的研发创新，尤其在面对复杂、不确定的突破性创新时，在外部知识的可得性和及时性上的改善有助于企业建立应对快速变化的能力[28]。在主并企业完成数字并购进入知识资源的整合阶段后，知识的转化能力成为企业实现突破性创新的重要机制[29]。吸收能力更强的企业能够以更快的速度将并购获得的外部知识转化为创新，并且能够更加充分地利用数字企业的知识，从而有效增加突破性创新成功的可能性。因此，吸收能力越强，数字并购对企业突破性创新的促进作用越强。基于以上分析，本文提出：

H4：吸收能力正向调节数字并购对企业突破性创新的作用。

4.资源冗余的调节效应

资源冗余是指组织中超出维持产出所需数量且未被使用的资源[30]。资源冗余越高代表企业可用资源越丰富，这意味着企业的资源约束力较低[31]。丰富的资源是企业未来创新的基础[32]，若主并企业本身积累了较高的资源冗余，有利于缓解企业内部的各种限制，在进行突破性创新时可以调动充足的资源以应对外部冲击，减弱并购对创新的抑制作用[25]，从而增强数字并购对企业突破性创新的积极作用。而且，资源冗余较高的企业积累了大量的资源而未得到有效利用，一旦企业完成数字并购，通过并购直接获得外部数字人才、技术、资源，很大程度上盘活了沉淀的冗余资源，表现出更强劲的创新活力。基于以上分析，本文提出：

H5：资源冗余正向调节数字并购对企业突破性创新的作用。

三、研究设计

(一)样本选取

本文使用的数字并购数据来自同花顺iFinD企业数据库和CNRDS并购数据库，以《数字经济及其核心产业统计分类(2021)》为依据将并购数据中成功完成数字并购的事件筛选出来；专利被引数据和创新效率数据由CNRDS数据库中的创新专利研究子库计算得来；知识宽度数据通过手工整理CNRDS数据库中上市公司专利分类号信息得来；吸收能力、资源冗余和其他企业层面数据均来自 CSMAR数据库。本文剔除数据缺失严重的样本、剔除股票交易状态异常(ST或*ST)的样本、剔除重复发生数字并购的样本，经过上述处理后，最终获得27743个企业年度观测值。

(二)主要变量

1.被解释变量：突破性创新(RadicalInnovation)。突破性创新对后续技术演进影响深远，实现技术突破的专利会被后续研究大量引用，因此，专利的被引证次数越多，证明专利对技术演进越重要。本文参考吴敏等(2021)[33]的方法，计算公司每一个专利未来三年内的引用量，再根据每个专利的引用信息加总到企业层面得到被引用次数。

2.解释变量：数学并购(DMA)。若企业在当年成功完成数字并购取值为1，否则，取值为0。

3.影响机制变量。(1)知识宽度(KnowledgeWidth)。本文获取了上市公司所申请专利的主分类号，以《国际专利分类表》的IPC二级分类为基础，参照李宏等(2021)的做法[34]，根据式(1)测度知识宽度：

(1)

其中，pik是i企业在二级分类k下的专利数量占总数量的比率，n为i企业专利申请的数量。KnowledgeWidth衡量专利涉及的不同领域，因此其数值越大，说明企业的知识宽度越广。(2)创新效率(Applinvnum)。参考程新生和王向前(2023)的做法[25]，采用发明专利申请量与研发投入之间的比值来测度创新效率。(3)知识吸收能力(Nuemployee)。参考卫力和马志强(2021)的做法[35]，使用企业本科及其以上学历人员数量占比来表示知识吸收能力。(4)资源冗余(Liquidity)，参考鞠晓生等(2013)[36]的做法，用企业流动资产与流动负债之比来衡量资源冗余。

4.控制变量。参考现有文献，本文将企业所在地区的数字经济发展水平(AP)、企业规模(Size)、财务杠杆(Lev)、现金流量(Cf)、盈利能力(Roa)、董事会规模(Director)、两职合一(Mgtceo)、股权集中度(Share)、所有权性质(Soe)以及企业年龄(Age)等作为控制变量。

(三)描述性统计分析

表1报告了变量的描述性统计结果，突破性创新(RadicalInnovation) 的标准差为91.059，最小值为0，最大值5544，说明不同企业的突破性创新水平差距较大，但均值仅为8.19，而且分布中存在大量0值，可以看出大多数企业的突破性创新水平较低。

表1 变量的描述性统计

(四)模型设定与估计方法

由于专利被引数量属于非负整数计数数据，而且具有高度右偏的分布特征，大量取值集中在零值周围，这些分布特征使得简单的OLS回归无效，Cohn等(2022)指出log(1+y)对数线性转换是大多数文献的常见做法，但这会产生没有自然解释的估计量，并且在期望值上容易出现错误的符号，相比之下固定效应泊松回归可以有效解决该问题[37]。但本文样本数据中突破性创新的方差远大于均值，当被解释变量存在“过度离散”状况时，应该采用负二项回归进行分析。本文控制个体和时间固定效应，采用如下的面板固定效应负二项模型进行回归分析：

E(yit/X)=exp(α0+α1DMAsit+γControlsit+λt+vi++εit)

(2)

其中，yit表示企业突破性创新；DMAit表示企业是否进行数字并购；Controlsit代表控制变量集；λt为时间固定效应，vi为个体固定效应，εit表示标准残差项。

四、实证结果分析

(一)基准回归

本文使用面板负二项回归模型(1)来检验假设H1，结果如表2所示。表2中展示了以企业发明专利被引数量为被解释变量的回归结果，从中可知，数字并购对收购方的专利被引数量存在显著促进作用。因此，数字并购促进了企业突破性创新，假设H1得证。

(二)内生性讨论

1.使用PSM-DID方法。宽泛的知识结构体系有利于企业避免单一知识结构带来的路径依赖，可能会增大企业数字并购倾向，而数字并购有助于企业实施突破性创新，可能会导致自选择偏差的内生性问题，为了克服自选择偏差对计量结果的影响，本文将采用PSM-DID方法来评估数字并购对企业突破性创新的影响。选择企业财务和特征变量作为协变量对处理组和对照组企业采用最近邻方法进行匹配得到样本，然后使用以下DID模型检验数字并购对企业突破性创新的影响，具体模型如式(3)所示：

yit=α0+α1DigitalM&Asit+γControlsit+vi+λt++εit

(3)

其中，yit在此处为对发明专利被引量+1取自然对数，表示为(RadicalInnovation1)；DigitalM&Asit为数字并购处理期虚拟变量，从企业i在第t年成功完成数字并购开始进入处理期，此后每年取值为1，否则取值为0。

本文双重差分模型的回归结果如表3所示，结果表明，数字并购对企业突破性创新有积极影响。因此，初步说明本文的研究结论具有一定稳健性。

表3 PSM-DID回归结果

2.使用控制函数方法。突破性创新可能会影响企业寻求数字并购的行为，即数字并购与企业突破性创新可能存在双向因果带来的内生性问题。尽管本文在模型中尽可能多地控制了行业和企业层面的特征变量，但依然可能存在遗漏变量的问题，基于此，本文使用控制函数法来消除双向因果和遗漏变量导致的内生性问题。由于本文在基准回归中使用了负二项模型，导致针对线性模型进行拟合的2SLS工具变量法无法适用计数模型，因此，本文参考Wooldridge(2015)提出的控制函数法[38]，该方法与2SLS工具变量法类似，第一阶段均进行内生变量对工具变量的回归，得到内生变量拟合值和残差项和内生变量，不同的是，2SLS方法在第二阶段以内生变量拟合值替代内生变量进行回归，控制函数法则是将第一阶段得到的残差项引入原方程进行第二阶段回归。控制函数法既能处理内生变量为离散的情形又能处理非线性模型的内生性，为本文解决内生性问题提供了有效途径。

本文借鉴伍晨和张帆(2023)的做法[15]，使用当年行业内其他企业数字并购笔数总和作为工具变量。使用控制函数法的回归结果如表4所示，第(1)列为利用工具变量(当年行业内其他企业数字并购笔数总和)和控制变量对数字并购的回归结果，可以看出，当年行业内其他企业数字并购笔数总和对企业是否进行数字并购产生显著影响，表明本文选取的工具变量与数字并购变量强相关，不存在弱工具变量问题；第(2)列为利用数字并购、第一阶段估计的残差值和控制变量对企业突破性创新进行面板固定效应负二项回归的结果，可以看出第一阶段残差值在1%的水平上显著，证实数字并购变量确实存在内生性；数字并购变量系数在1%的水平上显著为正，说明在控制内生性之后，数字并购依然对企业突破性创新发挥积极作用，说明本文的结论相对稳健。

表4 使用控制函数法回归结果

(三)其他稳健性检验

1.更换估计模型。考虑到研究结论的稳健性问题，本文更换估计模型重新回归。首先，由于在基准回归中使用专利被引数量作为因变量，这一变量有15689个观测值为0，因此可能存在零膨胀问题，借鉴刘维刚等(2020)的方法[39]，使用零膨胀负二项回归来进行稳健性检验。其次，泊松模型和log(1+y)对数线性回归的转换后使用OLS方法是文献中常见的估计专利被引数据常用方法，因此本文在稳健性检验部分分别采用泊松模型、面板固定效应泊松回归、零膨胀负二项模型和面板固定效应模型，重新回归后的结果如表5所示，数字并购系数依然显著为正，充分说明本文结论是稳健的。

表5 更换估计模型的稳健性检验结果

2.更换变量。将因变量专利引用量剔除自引(RadicalInnovation2)后重新回归，结果如表6中第(1)列所示，数字并购变量系数依旧显著为正，本文结论依然保持不变。

表6 更换因变量和样本的稳健性检验结果

3.更换样本。在数据处理过程中，由于发明专利被引量统计的时间设定为3年内，那么2018—2020年企业的发明专利被引统计时间不足3年导致大量专利引用价值未被充分体现，因此剔除因变量2018年之后样本，选择2010—2017年的样本重新对专利引用量(RadicalInnovation)和剔除自引的专利引用(RadicalInnovation2)重新回归，结果如表6中第(2)和(3)列所示，数字并购变量系数依旧显著为正，说明本文结论具有一定的稳健性。

五、影响机制分析

(一)中介效应分析

1.知识宽度的中介效应。本文选择使用Sobel中介效应方法检验数字并购是否会通过增加企业知识宽度而促进突破性创新，实证检验结果如表7所示。第(1)列中数字并购的估计系数显著为正，说明数字并购在发生后企业的发明专利被引量显著增加；第(2)列结果表明数字并购显著促进了并购方的知识宽度增加；第(3)列的回归模型中同时加入知识宽度和数字并购变量，数字并购的系数依然显著为正，中介效应的Sobel检验结果说明中介效应部分成立，数字并购通过知识宽度促进了发明专利被引量的增加，假设H2得证。

2.创新效率的中介效应。与知识宽度中介效应检验方法类似，创新效率的Sobel中介效应检验结果见表7，第(4)列中数字并购的估计系数显著为正，说明数字并购在发生后促进了主并企业发明专利被引量的增加；第(5)列表明数字并购显著提升了并购方的创新效率；第(6)列的回归模型中加入创新效率变量，数字并购的系数依然显著为正，Sobel检验P值小于0.05，说明数字并购通过创新效率促进了发明专利被引量的增加，假设H3得证。

(二)调节效应分析

1.吸收能力的调节效应。为验证知识吸收能力的调节效应，本文在基准模型中加入吸收能力和数字并购的交乘项重新回归，表8第(2)列表明交乘项的系数显著为正，说明知识吸收能力正向调节数字并购对企业突破性创新的促进作用，假设H4得证。

表8 调节效应检验结果

2.资源冗余的调节效应。本文在基准模型中加入资源冗余和数字并购的交乘项重新回归，结果见表8第(4)列，交乘项的系数显著为正，说明资源冗余正向调节数字并购对企业突破性创新的促进作用，假设H5得证。

六、结论与启示

本文基于2010—2020年中国A股上市公司面板数据，使用面板固定效应负二项回归模型实证检验企业数字并购行为对突破性创新的影响效应及其作用机制。本文结论表明，数字并购对企业突破性创新有显著促进作用，这一结果通过了一系列内生性和稳健性检验。影响机制检验表明，数字并购可以拓广企业知识宽度，进而促进企业突破性创新；成功实施数字并购会提升企业的创新效率，降低了企业突破性创新的风险，从而促使企业积极进行突破性创新；此外，知识吸收能力越强的企业，数字并购的突破性创新影响效果越大，资源冗余也会加强数字并购对突破性创新的促进作用。

本文研究结论对企业提升突破性创新水平具有重要的管理启示：首先，中国企业为尽快掌握关键核心技术，必须重视突破性创新的作用，而企业展开数字并购会促进突破性创新产出。因此，企业应把握数字经济蓬勃发展的历史机遇，尝试从企业外部着手，将数字并购作为企业向外寻求数字资源的一种手段，从而实现数字技术对企业创新的赋能，为获得颠覆性、革命性的创新成果创造有利条件。其次，企业应充分认识知识宽度和创新效率的重要作用。一方面，企业应加大知识库的建设力度，加强异质性知识的识别、吸收与利用以扩充知识储备，发挥多样性知识的渠道作用，进而提高企业突破性创新水平；另一方面，还需积极将数字技术应用到企业生产、经营、研发、管理业务中，推进数字化对全流程的改造，助力企业突破性创新过程实现降本增效，使企业更大程度地从数字并购投资中获益。最后，企业应高度重视知识吸收能力的培养和冗余资源的积累。知识吸收的主体是人才，企业拥有更多的高学历人才意味着知识吸收和转化能力更强，因此，企业应制定更多“招才引智”的策略吸引高学历人才加入研发部门，并探索更多数字技术的应用场景，为研发和管理人员提供更加开放、便利的信息交流方式，促进研发人员之间的知识扩散和吸收。同时，除了加强对创新人力资源的吸纳，还应注重积累更多其他资源，不断降低企业的资源约束，借此提升数字并购对企业突破性创新水平影响的效果。