数字化转型、知识耦合与企业知识流动

袁勇志，诸葛凯，何会涛，张 勇

（1.苏州大学a.政治与公共管理学院；b.商学院，江苏苏州 215021；2.中国计量大学经济与管理学院，杭州 310018）

0 引言

在新一轮科技革命的浪潮下，数字化转型成为企业提升组织效率、降低制造成本，乃至生产要素重组的关键策略[1，2]。一方面，数字技术承载的知识价值不断溢出，使数字科技与实体产业的融合愈发明显，在一定程度上打破了研发生产的“孤岛”模式；另一方面，数字化驱动自有知识升级，通过迭代过程的持续累积使传统产业步入数字化发展“快车道”。面临市场高不确定性和用户对知识生产的敏捷性、异质性诉求，跨域知识要素的耦合逐渐成为企业重构边界和顺应需求的可能解决方案，数字化转型下企业知识要素的耦合联接具有代际衔接性和共享共生性，知识的动态交互帮助企业将无序数据源进行联接耦合以改善碎片化与脱节化的信息流，加速了知识链的流通与整合。

现有关于数字化转型与知识流动的研究认为，数字技术的迭代与发展一方面带动了产业的结构性升级，尤其是以传统制造业为代表的劳动密集型产业的知识资源得以盘存活化，提高了企业的知识消化能力[3]；另一方面，数字技术强化了主体间的知识互动与嫁接能力，以此实现企业从低位知识吸收向高位知识扩散的转型，使知识生产进一步匹配于隐形消费倾向[4]。王琳等（2024）[5]认为数字化转型赋予了企业知识耦合的灵活场域，使创新能够以动态多元的方式进行产出升级。知识耦合是异质性技术领域间知识的重新组合及其相互作用的过程[6]，通过数字化的技术锁定，跨域知识元被进一步关联、调取以供给耦合研发，加快了知识模块的扩散，使企业知识基础进一步优化。那么，数字化转型能否促进知识要素的流动？以及数字化转型是否能够通过知识耦合机制激励企业的知识效益递增？这是本文重点关注的问题。

基于现有研究，本文以知识耦合的动态属性为切入点，从知识基础观和动态能力理论出发，探究数字化转型对企业知识流动的影响，以及知识耦合在其中的中介作用。首先，从微观层面分析了数字化转型与企业知识流动的机制关系；然后，基于动态性视角，将反映企业知识动态延展的知识耦合引入数字化转型的研究框架；最后，探讨了两种知识耦合对企业知识流动的差异化影响，并从不同时间窗口进行稳健性检验。

1 理论分析与研究假设

1.1 数字化转型对企业知识流动的影响

伴随着数字技术的革新，技术环境的深刻变革已经对企业的知识与创新生态产生了关键影响，呈现要素重构、知识连接、跨域组合、生态创新等转型特点[7]，尤其在部分技术密集型产业，企业利用数字技术不断搜寻、吸收与转化外部知识资源，将其扩展为自有知识域[8]，这既是企业依据当前知识发展风向做出的主动研判，也是借助数字化转型促进知识交流的必要手段。首先，数字化转型对组织资源管理的开放性特征使知识能够实现对外的有效传播与利用，弱化了闭环创新的“信息孤岛”效应；其次，数字化的自成长与融合性赋予了企业吸收要素、耦合要素的重组迭代能力；最后，数字化转型使创新不再拘泥于传统渠道，而是通过平衡的信息交换吸收外界智慧，形成知识平台化[9]。

在数字技术的推动下企业的知识挖掘、吸收与转化产生了显著变革，知识流通各环节的交流互动促进了知识价值和创新效益的获取。企业数字化水平的提升是多维度的[10]。一方面，数字化转型需要构建包容多元的知识生态，既便于快捷高效的知识加工，又可降低竞争企业的知识对冲风险，数字技术与生产经营的深度融合使企业知识创造过程虚拟化、可视化，有利于企业对多元知识的获取，进而推动知识流通；另一方面，对用户隐性知识需求的判断不再依赖于传统渠道，而是基于海量产品数据，运用技术手段挖掘群体性特征，通过模拟用户画像开展创新决策，倒逼组织间知识流动。运用数字技术不仅能使企业提升知识元素的传播效率，而且能实现远距离的“面对面”交流，促进了知识的有效流动。

数字化方案使企业能够基于平台模式和业务特征搭建敏感度更高的跨知识服务体系，第一阶段运用爬虫、大数据等技术实现海量知识过滤，缩减跨域知识互动成本，并进一步降低组织信息不对称性，缓解知识的低效协同[11]；第二阶段则以云计算等技术为核心，“云端化”使企业具备了快捷存储与调动知识域参与耦合的动能，促进隐性知识显性化。数字化通过加强企业的协同研发，推动知识在组织间的流动与共享，开放式创新与封闭式创新的边界被进一步打破，技术转让、项目委托、联合研发、联盟合作等创新方式多元化，加快了企业知识的流通性。因此，企业进行数字化转型有利于提高内外部知识的交流互动水平，降低边际成本，实现知识的循环流通。根据以上分析，本文提出假设1：企业进行数字化转型能够促进企业知识流动。

1.2 知识耦合的中介作用

1.2.1 原有技术领域间的知识耦合

原有技术领域间的知识耦合是指企业在现有技术领域之间进行知识耦合的行为过程，是对企业知识及其衍生业务的范围划定。企业的内外部知识交流均离不开原有技术领域间知识耦合的基础支撑，数字化转型助推了企业对原有领域知识交互联接机制的重构[5]，在企业知识基础上提高原有领域知识的反复筛选、组合和利用效率，能够有效降低新知识获取成本和研发风险。数字技术的组态特征使同质性知识交互瓶颈被放开和平台化，在强化了耦合动能的同时也帮助企业建立起无形知识壁垒，加快原有领域的知识流动率。

原有技术领域间的知识耦合代表了企业对原有领域知识的交互程度。一方面，在知识耦合初期，企业对传统模式的路径依赖性使其倾向于探索更熟悉的原有知识域[12]，将仅限的数字资源投入对原有知识域的耦合，使企业容易产生知识组合与重构的行为惯性，导致知识耦合的单一化以及耦合路径的锁定，不利于知识组合的有效流通；企业对原有技术领域的知识耦合存在认知上的偏误，造成数字技术对原有知识域的知识组合效力配置不足[13]，催生研发人员的创新惰性，阻碍新技术领域的知识开发与协同；较低的知识耦合水平使企业难以突破耦合研发流程和技术领域屏障，知识基础仍保持在“相对”流动水平。另一方面，随着原有技术领域间知识耦合的进一步深化，原有领域的知识堆砌情况会有所转变，首先在于企业对原有领域的知识组合与利用愈发饱和，存在一定程度上的知识耗竭，使企业不得不转移到其他方向并拓展新的知识组合；其次，建立知识存量基础后，研发团队跳出同质性知识的核心圈，帮助企业规避“依赖陷阱”[14]，扩大创新空间，推动知识的正向交互；最后，较高的知识耦合水平表明企业具有较高的知识自由度，知识组合与重构的跨越间距较远，提高了知识的流动效率。根据以上分析，本文提出假设2：企业进行数字化转型能够促进原有技术领域间的知识耦合，但原有技术领域间的知识耦合与企业知识流动呈现“U”型关系。

1.2.2 新旧技术领域间的知识耦合

企业突破原有技术领域，进入新兴技术领域并将其与原有技术领域进行知识耦合，称为新旧技术领域间的知识耦合。基于知识基础观与创新扩散的边界性，技术门类的差异容易造成领域间的“知识鸿沟”，跨界创新往往不易于实现，因此企业所含知识的异质性是竞争优势的重要来源，异质性知识的获取有助于企业填补知识空缺，定位技术发展的新趋势。数字化进程中，企业跨入新技术领域的知识互补性越强，越意味着企业知识多样性和各异质单元间交互水平的提升，则数字技术对新旧技术领域间知识耦合的驱动作用越明显[5]。数字技术在发挥并行耦合效力的同时，能够扩展异质知识的调动区间，提高企业跨域组合的效率，减少资源消耗，实现新旧领域间知识耦合的互补性。首先，新旧技术领域间的知识耦合过程其实是新领域知识与企业原有领域知识的碰撞与组合过程，由于新领域知识与原有领域知识的相对距离较远，因此耦合有助于优化企业知识基础[15]。知识基础的广泛性使企业拥有大量异质性知识元，隐性知识经过转译吸收为符合企业经营逻辑的显性知识，提高了知识流动的容错率与综合价值。其次，与新技术领域内的知识耦合相比，新旧技术领域间的知识耦合具有更精准的知识导向性，结合现有知识基础对新技术领域的搜索，能够依据现有经验降低知识组合的不确定性，并且新旧领域间的知识耦合使知识搜索的有效性增加[16]，在很大程度上提高了企业获得“意外成功”的概率，激发远距离知识的“面对面”交流。最后，新旧技术领域间的知识耦合具有更高的知识原创性，研发人员在新技术领域的引入过程中进一步开拓创新智力，深化对原有领域知识的理解，以加强对新技术领域的勘探和对固有知识交流互动秩序的冲击。根据以上分析，本文提出假设3：企业进行数字化转型能够促进新旧技术领域间的知识耦合，且新旧技术领域间的知识耦合与企业知识流动具有正相关关系。

2 研究设计

2.1 变量选取

被解释变量：知识流动（Flow）。知识流动反映了专利知识资源的流动情况，即专利的引用信息，专利之间的相互引证关系可以构建为知识流动网络。企业知识的主动汲取和扩散转移均体现出知识的流动特征，本文采用专利被引用数加1的对数测度企业的知识流出情况，表示企业专利被其他主体引用的总次数。

核心解释变量：数字化转型（Dig）。企业年报能够体现企业的管理思维和战略倾向，因此统计企业年报中涉及企业“数字化转型”的词频以表征其转型程度具有可行性。根据已有研究，将数字化转型分为“底层技术”（Dig-Tech）和“实践应用”（DigApply）两类，底层技术包含人工智能、大数据、云计算、区块链等技术，代表了企业技术驱动转型的前沿趋向，实践应用则侧重数字技术与其他领域结合的运用表现，故采用底层技术类词频数加1的自然对数测度数字化转型，实践应用类用于稳健性检验。

中介变量：知识耦合（Coup）。为充分反映知识耦合变量的动态性能，本文借鉴文献[16]，进行如下测量：

第一步，每项专利在通过审查后都会被赋予至少一个IPC 分类号，因此通过IPC 分类的技术等级可以进行知识耦合的度量。本文以专利的主IPC 小类（前四位）作为技术领域的划分依据。为避免短期内波动，选择3年作为一个动态窗口使影响最小化，并设定两个时间段T1、T2分别表示t-5年至t-3年、t-2年至t年的耦合期，假设企业的知识基础或专利组合由其从t-5 年至t-3 年积累的专利组成，则企业i 在技术领域j 和k 之间的知识耦合度li，j-k，t-5to t-3可表示为：

其中，nj是企业i在技术领域j拥有的专利数，nk是企业i在技术领域k拥有的专利数，njk是企业同时在技术领域j和k拥有的专利数。所有两两技术领域间的知识耦合度li，j-k，t-5to t-3组成了企业i 的知识耦合矩阵L，即企业的知识基础。njk的存在表明企业在技术领域j 和k 间具有知识的耦合性，但其无法反映非专利的知识类型。

第二步，计算企业i 知识在T1、T2 两个时间段的耦合变化，耦合变化表示为两个时间段之间耦合产生显著变化的两两技术领域的总加权数，当耦合矩阵某元素的加权值超过矩阵所有元素排序的第一四分位值时，表明该耦合元素是具有显著变化的，如从T1 时期的第一四分位值变为T2时期的第三、四分位值等多种显著增强或减弱情况，规避了耦合随企业知识基础大小而变化的影响。权重计算为(pj+pk)/2+(p’j+p’k)/2，其中，pj、pk和p’j、p’k分别表示在T1 和T2 时间段企业在技术领域j 和k 的专利数占当期总专利数的百分比。

第三步，假设耦合矩阵L中有s个知识耦合具有显著变化，故企业在T1、T2时间段知识耦合的动态变化可表示为：

其中，un，T1和un，T2表示经过T1和T2时间段，耦合矩阵L中产生显著变化的知识耦合集合。原有技术领域间的知识耦合（CoupEx）测量为两个时间段内存在的领域之间的耦合变化，新旧技术领域间的知识耦合（CoupNew）测量为领域之间增加耦合所产生的变化。

为了增强模型的合理性，参照已有研究控制了一系列可能影响数字化转型的企业特征变量，包括企业规模（Size）、人力资本（Huc）、研发投入（Inv）、资产负债率（Lev）、资产回报率（Roa）。各变量的计算方法及说明见表1。

表1 变量说明

2.2 模型构建

为进一步认识数字化转型对企业知识流动的影响，设定如下计量模型：

其中，Y 为企业知识流动，Dig 为数字化转型指数，Con 代表控制变量集，T 代表时间固定效应以控制年度的影响，ε为随机误差项。依据理论假设，在公式（1）的基础上设定中介效应模型：

其中，Coup为知识耦合中介变量，若模型（2）中Dig对Coup 回归结果显著，且模型（3）的Coup 对Y 回归结果显著，则证明中介效应存在。α1为数字化转型对企业知识流动影响的总效应，γ1为数字化转型对企业知识流动的直接效应，β1*γ2为数字化转型激发企业知识耦合从而促进知识流动的间接效应。

2.3 样本选取与数据来源

本文以2014—2019 年我国沪深A 股上市的ICT 制造业企业为研究对象。ICT 制造业作为国内产业数字化的首要矩阵，一方面，ICT制造业企业具有研发实力强、知识活性与累积性高的特点，专利代表性较好且数据易于收集；另一方面，企业数字化原生性较高，具有一定的转型基础。为提高实证分析质量，对样本企业进行如下处理：（1）剔除ST、*ST、PT 标记股以及退市的企业；（2）剔除企业首次公开募股的观测值；（3）剔除在样本期内专利数为0 以及财务等关键指标连续缺失或异常的样本。企业的相关数据来自国泰安数据库，数字化转型指数根据上市企业年报测算而得，企业专利数据来自国家知识产权局专利检索数据库和Patsnap，以3 年为一个窗口期，并基于稳健性检验的考量收集2013—2020年的专利数据。对解释变量进行滞后1期处理。

3 实证分析

3.1 基准回归分析

表2 报告了数字化转型影响企业知识流动的基准回归结果，列（1）为将数字化转型的底层技术指标作为解释变量且未加入控制变量的回归结果，结果显示，底层技术的系数在5%的水平上显著，表明数字化转型程度越高，企业的知识流动性越好。列（2）进一步纳入控制变量，底层技术的系数仍保持在5%的水平上显著。列（3）、列（4）运用数字化转型的实践应用指标作为解释变量进行回归，控制变量处理与前两列相同，以检验结论的稳健性，结果显示未产生实质性差异。上述结果表明，控制变量的加入使相关不可控影响被吸收，优化了回归的拟合程度，同时也证实了数字化转型与企业知识流动之间的显著正相关关系，即假设1得证，随着数字化转型程度的增加，企业知识管理的手段和理念不断更新，系统性和协调性的增强使知识在横纵向与内外部的交流互动愈发流畅便捷。列（5）、列（6）分别展示了数字化转型对原有技术领域间的知识耦合与新旧技术领域间的知识耦合的回归结果，结果显示，数字化转型与知识耦合存在显著的正相关关系，在5%的水平上显著。

表2 基准回归结果

3.2 知识耦合的中介效应分析

以上分析表明，数字化转型能够促进企业知识流动，同时也对原有技术领域间的知识耦合与新旧技术领域间的知识耦合具有正向作用。表3报告了数字化转型、知识耦合对企业知识流动的回归结果，列（1）为只包含控制变量的空模型。列（2）将原有技术领域间的知识耦合及其平方项加入模型中，结果显示平方项系数为正且在1%的水平上显著，表现为“U”型影响，同时一次项系数为负且在1%的水平上显著，表现为顶点x大于0，说明原有技术领域间的知识耦合与企业知识流动之间具有“U”型关系，假设2得证。列（3）将新旧技术领域间的知识耦合加入模型中，结果显示系数在1%的水平上显著为正，说明新旧技术领域间的知识耦合与企业知识流动具有正相关关系，假设3得证。

表3 知识耦合的中介效应

列（4）中将数字化转型与原有技术领域间的知识耦合加入回归，其回归系数显著为正（β=0.049，P＜0.05；β=0.005，P＜0.01），原有技术领域间的知识耦合在数字化转型与企业知识流动之间具有部分中介作用。同样，在列（5）中将数字化转型与新旧技术领域间的知识耦合加入回归，其回归系数显著为正（β=0.047，P＜0.05；β=0.302，P＜0.01），新旧技术领域间的知识耦合在数字化转型与企业知识流动之间具有部分中介作用。

4 稳健性检验

4.1 替换被解释变量

在知识多样化的环境下，企业合作交流不再局限于同质化资源，而是通过加快企业知识资源的流入，将外部知识内化为自身要素，因此为进一步检验企业的知识流入水平与创新合作效力，将专利引用数作为被解释变量的替代变量，即企业引用其他主体专利总次数加1 的自然对数。如下页表4 列（1）、列（2）所示，数字化转型对企业知识流动具有显著影响（β=0.042，P＜0.05；β=0.004，P＜0.1），表明企业在进行数字化对外知识传输的同时也使内向知识通道得以扩容，有利于要素的流入。

表4 稳健性检验：替换被解释变量、调整时间窗口

4.2 调整时间窗口

知识耦合的指数测量在一定程度上会受时间窗口的影响，因此将时间窗口调整为4 年，即选取2013—2020 年的企业专利数据，以t-7 年至t-4 年和t-3 年至t 年为窗口划分，得到新的知识耦合变量，并代入回归方程。表4 列（3）、列（4）分别为原有技术领域间知识耦合与新旧技术领域间知识耦合对企业知识流动的回归结果，两者系数均在10%的水平上显著（β=0.001，P＜0.01；β=0.350，P＜0.01），说明知识耦合与企业知识流动具有稳定的相关关系，但相比3年期窗口，其显著性水平明显有所下降，表明3年的窗口期是较为合理的区间选择。列（5）、列（6）分别为数字化转型对原有技术领域间知识耦合与新旧技术领域间知识耦合的回归结果，估计系数均不显著，原因可能在于现阶段样本企业大多处于数字化初期，较长的时间窗口使企业知识基础的变动方向愈加复杂且难以预测，数字化驱动力不足以支撑企业较大跨幅的知识耦合行为，致使二者的显著关系弱化。

4.3 倾向得分匹配（PSM）

不同企业的数字基础具有较大的差异性，且数字化水平会受到企业初始转型能力、管理者转型意愿等内在行为影响，加剧了企业个体间的ICT 转型差异，使数字化转型程度高的企业无法与程度低的企业进行控制比较，从而造成自选择偏差等内生性问题。为减小数字化转型的变量内在误差，采用倾向得分匹配法，在小样本的情况下为获取更多的匹配样本，以75%分位数为组别划分，选择人力资本、研发投入、资产负债率、资本回报率与企业规模为协变量，使用logit 回归估计倾向得分，并在共同取值区间按照无放回的1∶3 近邻匹配原则将数字化转型程度较高的实验组与数字化转型程度较低的控制组进行相似度匹配，结果如表5 所示，匹配后各变量的标准化偏差绝对值均小于5%，且t 检验结果表明不拒绝实验组与控制组无系统差异的原假设。将匹配后的样本重新回归，结果如表6 列（1）所示，数字化转型对企业知识流动的影响在5%的水平上显著为正（β=0.055，P＜0.05），研究结论仍然成立。

表5 样本匹配平衡性检验

表6 稳健性检验：PSM回归、Heckman两步法

4.4 Heckman两步法

从数字化转型与知识流动的互动逻辑看，一方面，数字化转型对后发企业往往有着相对严苛的限入条件，需要企业拥有持续的资金投入能力，并建立初步的知识基础和壁垒优势；另一方面，数字化转型程度高的企业更容易实现用户聚焦与知识获取，同样，具有高试错能动性和知识流动性的企业通常也更有能力开展数字化建设，这种隐含的样本选择偏差问题容易导致强者恒强的“马太效应”。因此，本文采用Heckman 两步法检验内生性，第一步采用Probit 估计数字化虚拟变量，引入企业上一期的数字化转型指数和相关控制变量作为解释变量，结果如表6 列（2）所示，逆米尔斯比率显著（β=-0.050，P＜0.01），说明样本选择存在偏误，第二步数字化转型的系数显著性与基准结果一致（β=1.031，P＜0.01）。

5 结论与启示

本文运用2014—2019年的ICT制造业上市企业数据，探讨了数字化转型、知识耦合对企业知识流动的效用机制。结果表明：（1）企业进行数字化转型对知识流动具有显著的促进作用，经过一系列稳健性检验后显著效果依然存在。（2）知识耦合在数字化转型与知识流动的关系中具有传导作用，原有技术领域间的知识耦合与企业知识流动呈现“U”型关系，而新旧技术领域间的知识耦合与企业知识流动具有正相关关系。（3）数字化转型对两种知识耦合均呈现显著的正向影响，这种影响受到时间窗口的约束，在调整为4年窗口期之后，两种知识耦合对企业知识流动的影响依然显著，但其显著性水平有所下降，同时数字化转型对知识耦合的影响不再显著。

基于以上结论，本文得到以下启示：（1）从短期视角来看，企业在原有技术领域的知识耦合过程中需要加强对已有知识的控制认知，规避路径依赖和“锁定效应”的形成；在新旧技术领域的知识耦合过程中既要从“量”的角度上加强跨界知识的挖掘与耦合，又要从“质”的属性上尝试异质性知识的吸收与转化，勇于跳出行业竞争的知识同心圈，来降低跨界需求及传导时滞性对企业知识导向选择的风险影响。（2）从中长期视角来看，企业在科学制定中长期发展的战略规划时，应在实际运营场景中将数字化思维体现于企业各类管理文件中，加强转型意识，不仅要达到企业业务的“上云”化，还要将数字技术应用到财务行政、组织人事等非业务领域，提高数字驱动力和知识原生化水平。（3）从内部机制视角来看，企业在将核心观念聚焦知识价值的同时，也应当顺应数字经济发展趋势，注重数字技术与自身优势业务的融合，通过“干中学”的方式强化企业在知识耦合过程中的转型驱动优势、知识组合优势。