Do Blockchain Applications Promote Industry-University-Research Cooperation? Evidence from Listed Manufacturing Companies in China

Li Changhong, Wang Haiyan, Guo Jiaqi

(School of Economics and Management, Shanxi University, Taiyuan 030031, China)

Abstract：In the face of the pressing need for high-quality growth domestically and the increasingly unstable and complex global environment, China must take the lead in innovation and accelerate the creation of new high-quality productive forces. As an effective model for fostering innovation and development, industry-university-research (IUR) cooperation has gained widespread recognition and prominence in driving innovation-driven development. However, in practice, IUR cooperation still confronts numerous challenges. Among these, uncertainty and opportunistic behaviors generate significant risks, while inequitable benefit distribution, ambiguous intellectual property rights, and poor coordination remain the core obstacles to the effectiveness of cooperation. Clearly, there are risks and opportunities in IUR cooperation, and the openness paradox causes a significant divide in the docking process between Chinese firms and academic institutions. As a result, figuring out how to encourage the deep integration of IUR and investigate the novel avenue of collaborative innovation development has become essential.

IUR cooperation is introducing previously unexplored development potential, driven by the digital era. Blockchain is widely acknowledged as a significant disruptive force in contemporary industry, with its characteristics of decentralization, security, and transparency continually expanding its application areas. With the help of data trust (digital signatures, timestamps), result trust (smart contracts, formula algorithms), and historical trust (chain structure, timestamps), blockchain can quickly and cheaply establish trust while giving multiple subjects a strong foundation for collaborative innovation. Then, can enterprise blockchain applications enhance their IUR cooperation from the standpoint of the open paradox? If it can, what mechanisms does it specifically affect? The majority of existing literature remains at the theoretical level of analysis, lacking empirical validation.Against this backdrop, the study selects the Shanghai and Shenzhen A-share listed companies from the manufacturing sector in China as a research sample for 2016 to 2022, and examines the effect of enterprise blockchain applications on their IUR cooperation and its mechanism from the open paradox standpoint.

The findings suggest that enterprise blockchain applications can promote their IUR cooperation, which still holds after various robustness treatments, and the promotion effect is particularly substantial in large, state-owned enterprises and declining enterprises. According to the mechanism test, enterprise blockchain applications mainly promote their IUR cooperation through the trust enhancement effect. Further analysis reveals that enterprise blockchain applications can not only build the trust mechanism in the stranger relationship network, but also realize the "double reinforcement" of emotional trust and digital trust in the acquaintance relationship network, thus strongly promoting IUR cooperation. In addition, absorptive capacity enhances the relationship between enterprise blockchain applications and their IUR cooperation, and this moderating effect is partially realized through the trust enhancement effect. Specifically, absorptive capacity not only directly moderates the relationship between enterprise blockchain applications and their IUR cooperation, but also indirectly moderates the total effect by moderating the pre- and post-radius of the mediating effect.

This paper presents several innovations. First, it empirically investigates how enterprise blockchain applications affect their IUR cooperation from an open paradox perspective. This not only expands the scope of research on open paradox, but also provides new insights into the deep integration of technology and economy in the context of the digital era. Second, it examines the mediating function of trust between enterprise blockchain applications and their IUR cooperation from the perspective of informal institutions, carefully differentiating between the various forms of acquaintance trust and stranger trust. This not only supports the claim in the literature that blockchain can create trust mechanisms, but also further reveals the "trust-constructing" and "trust-reinforcing" effects of blockchain in the relationship networks of strangers and acquaintances, respectively. Third, drawing on the dynamic capacities theory, it further investigates the mediated moderating effect of absorptive ability between enterprise blockchain applications and their IUR cooperation. The significance of trust mechanisms is further reinforced by this investigation, which also emphasizes the critical role that absorptive capacity plays in promoting IUR cooperation.

Key Words：Blockchain Applications; IUR Cooperation; Open Paradox; Perspective of Informal Institutions; Dynamic Capability Theory

收稿日期：2024-10-15

修回日期：2025-02-05

基金项目：国家自然科学基金应急管理项目(72341032);山西省科技战略研究专项(202204031401017)

作者简介：李常洪(1973—),男,山西临汾人,博士,山西大学经济与管理学院教授、博士生导师,研究方向为企业生态与创新管理;王海艳(1995—),女,山西临汾人,山西大学经济与管理学院博士研究生,研究方向为产学研合作;郭嘉琦(1987—),女,山西吕梁人,博士,山西大学经济与管理学院讲师、硕士生导师,研究方向为绿色创新。本文通讯作者:王海艳。

DOI：10.6049/kjjbydc.D2024100366

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2025)10-0038-10

0 引言

面对国内高质量发展的迫切需求与复杂多变的国际环境,中国加快发展新质生产力至关重要。作为推动创新驱动发展战略实施的重要抓手,产学研合作被提升至服务于创新驱动发展的重要位置。党的二十大报告提出,“加强企业主导的产学研深度融合,强化目标导向,提高科技成果转化和产业化水平”。“十四五”规划明确提出,“促进各类创新要素向企业集聚,形成以企业为主体、市场为导向、产学研用深度融合的技术创新体系”。协同创新跃升为企业发展中不可或缺的关键环节[1],尤其是在推动创新与发展方面,产学研合作已被验证是一种更有效的创新模式[2]。然而,产学研合作在实践中面临诸多挑战,其中不确定性及机会主义行为滋生了诸多风险,而利益分配不公、知识产权归属模糊以及关系协调不畅等问题是制约合作成效的核心障碍[3]。国家知识产权局发布的《2023年中国专利调查报告》显示,2023年仅有44.3%的企业与高校或科研院所开展科研合作。在合作研发专利中,有64.5%涉及企业,34.5%涉及高校,而仅有16.3%涉及科研院所。产学研合作过程中机遇与风险并存,如何推动产学研深度融合、探索协同创新发展新路径,已成为亟待解决的重要课题。

在数字化浪潮的推动下,产学研合作迎来一个前所未有的发展契机。在这一进程中,区块链技术以其独特的去中心化、安全透明等特性,不断拓展应用领域,已被视作现代企业的主要颠覆性力量[4]。2019年,习近平总书记在中央政治局第十八次集体学习时强调,“把区块链作为核心技术自主创新重要突破口,加快推动区块链技术和产业创新发展”。2022年,国务院印发《“十四五”数字经济发展规划》,多次提及区块链等新技术在数字经济中的重要作用,并将其视为“战略性前瞻性领域”。随着区块链技术的不断发展,其逐渐成为构建信任网络、实现价值互联的核心技术[5]。通过数据信任(数字签名、时间戳)、结果信任(智能合约、公式算法)和历史信任(链结构、时间戳),为多主体间协同创新提供有力支撑[6]。那么,在开放悖论视角下,企业区块链应用能否促进产学研合作?具体通过哪些路径产生影响?目前,尽管不少企业与高校、科研院所基于技术革新与人才培养需求,就区块链技术开展合作,但区块链在产学研合作中的具体成效及运作原理仍不清晰。与此同时,区块链技术快速发展,而科技与经济“两张皮”现象依旧突出,迫切需要借助区块链技术推动科技与经济深度融合。在此过程中,企业不仅是数字化转型浪潮中区块链应用的重要主体,也是产学研合作的核心力量,发挥着至关重要的作用。因此,深入探究企业区块链应用在产学研合作中的实际效果与运作机制,不仅有助于明确区块链技术未来发展方向,而且对于加快国家科技创新体系建设亦具有深远影响。

近年来,区块链技术与产学研合作引发学术界广泛关注。首先,区块链研究聚焦于技术改进与应用拓展,通过不断攻克安全、隐私及可靠性等方面的难题[7],该技术已被广泛应用于供应链[8]、医疗[9]及知识产权管理等多个领域,对社会发展产生深远影响。其次,产学研合作作为一种跨界融合的创新模式,已被证实能够显著提高企业市场价值[10]、提升高校科研团队绩效[11],进而带动经济增长[12]。同时,也有学者指出,产学研合作成效受多重因素的制约,如政府政策导向[13]、企业与高校及科研院所协作程度[14]以及制度、人际关系和文化等外部环境[15]。最后,关于区块链应用与产学研合作之间的关联,学界尚未达成共识。多数研究认为,区块链技术作为一种强大的工具,能够促进产学研合作高效开展[16-17]。也有部分学者强调产学研合作在培养区块链技术人才方面发挥重要作用[18]。这可能源于当前研究大多停留在理论层面上的探讨,缺乏实证数据支撑。此外,尽管已有研究尝试借助信任机制解析区块链应用对产学研合作的影响机制[19],但在理论分析深度上有待加强。因此,本文认为区块链技术与产学研合作关系仍存在较大研究空间,其中的作用机制更值得深入探究。

鉴于此,本文以2016—2022年中国沪深A股制造业上市公司为研究样本,基于开放悖论视角考察企业区块链应用对产学研合作的影响机制,以期为进一步推动区块链技术应用和产学研深度融合提供理论和现实依据。本文边际贡献主要体现在以下几个方面:第一,在开放悖论视角下,探究企业区块链应用对产学研合作的影响。不同于以往研究侧重理论层面上的分析,本文基于微观数据验证区块链技术在产学研合作中的积极作用,不仅有助于拓展开放悖论研究范畴,也可为洞察数字化时代背景下科技与经济深度融合提供全新见解。第二,从非正式制度角度出发,深刻剖析信任在企业区块链应用与产学研合作过程中所发挥的中介效应,并细致区分熟人信任与陌生人信任的不同表现。本文不仅验证现有文献中关于区块链能够构建信任机制的论断,还进一步揭示区块链在陌生人关系网络内的“信任建构”效应以及熟人关系网络中的“信任加固”效应,从而为推动产学研深度融合提供有力支持。第三,基于动态能力理论,进一步考察吸收能力在企业区块链应用与产学研合作过程中有中介的调节效应。这一探索过程不仅能凸显吸收能力在推动产学研合作中的关键作用,还能进一步巩固信任机制在此过程中的核心地位。

1 理论分析与研究假设

1.1 区块链应用对产学研合作的影响

在推进产学研合作进程中,企业往往会遭遇一个复杂而微妙的难题——“开放悖论”。其根源在于,产学研合作作为一种开放战略实践所引发的开放和封闭张力(郭海等,2023)。具体而言,开放能促进知识共享和技术创新,但也有可能导致知识产权泄漏和利益分配不均等问题;而封闭能保护知识产权和利益分配,但也有可能阻碍技术创新和合作发展。这种开放需求与封闭元素的矛盾共生,致使企业在实施产学研合作过程中机会与风险并存。数字化时代,区块链技术作为一种颠覆性创新手段,为破除这一悖论提供了全新的解决方案。

(1)从把握开放机遇的视角看,区块链凭借其分布式存储、点对点(P2P)传输及共识机制等核心组件,构建一个去中心化、安全稳固且高度透明的知识共享生态系统[20]。企业采纳区块链技术后,便可充分利用这一生态系统优势,高效且安全地记录并存储产学研合作中的各类数据信息,包括项目进展、技术细节以及合作各方的具体贡献等。其中,区块链实时记录能够加速知识即时共享,有效缓解信息不对称问题,进而有效提升产学研合作效率。而区块链透明性则能使合作各方直观了解彼此进展与贡献,增强相互间的信任,从而有力推动产学研深度融合。

(2)从防控开放风险层面看,区块链技术通过加密算法和链式数据结构,能够强有力地保障数据的不可篡改性和可追溯性[21]。借助这一技术,企业可确保产学研合作中的信息永久存储且不被篡改,从而有效减少知识泄漏和技术侵权风险。这既能维护原有私人利益,又可实现新生知识产权的精准溯源与价值确认。进一步地,智能合约的融入可为合作框架增添自动化执行力[22],它能够根据预设条件自动触发相应法律后果,无需人工干预,以确保各方权益的公正维护与及时实现,为产学研合作中的利益分配提供透明且公正的解决方案。

综上所述,企业通过应用区块链技术,能够在有效防控风险的同时实现开放共享,进而推动产学研深度合作。据此,本文提出如下假设:

H1:企业区块链应用能促进产学研合作。

1.2 信任的中介作用

从非正式制度视角看,信任实际上是在社会交往中基于个体间关系、彼此信誉以及共同秉持的价值观而逐渐构建起来的一种深层次心理状态。在产学研合作过程中,信任扮演着至关重要的角色[23],它能够推动各方知识交流、资源共享与风险共担,从而加快创新成果转化与应用。然而,信任缺失则会引发知识泄漏、技术盗用等风险,危及产学研合作关系的稳定性,甚至导致合作关系破裂。作为一种革命性的数字信任解决方案,区块链技术展现了其独特优势。企业在采纳区块链技术后,一方面能够精准捕捉并利用开放机遇,通过加强与高校、科研院所间的信任纽带,促进更深层次的信息交流与资源整合[24],从而推动产学研协同发展;另一方面,能够有效管控潜在合作风险。信任度提升可遏制知识泄漏、搭便车及技术侵权等机会主义行为[25],为产学研合作创造一个更加安全、公正的环境。可见,企业区块链应用通过强化信任机制,能有效调和产学研合作中开放与封闭元素之间的冲突,使得开放悖论得到显著缓解。

当代中国社会信任结构呈现出日益分化的趋势,熟人信任和陌生人信任作为两种截然不同的人际关系模式,在产学研协同创新过程中扮演着不同角色,为合作带来差异化社会资源和知识储备[26]。通常来看,陌生人之间由于文化背景和生活经历的多样性,使得在产学研合作中寻找合适的合作伙伴变得尤为困难,沟通成本也相应提升。相比之下,熟人关系则展现出其独特优势。他们往往拥有相似的知识背景和专长,这使得在产学研合作中能够快速实现资源匹配与对接,降低信息不对称风险,进而减少合作过程中的不确定性。更为重要的是,熟人关系所带来的非商业性社会资本和知识资源不仅有助于提升产学研合作深度和广度,还能加速创新成果转化与应用[27]。企业借助区块链技术不仅能为陌生人之间搭建沟通“桥梁”,在此基础上构建信任体系,而且还能将熟人关系中固有的情感信任与区块链技术赋予的数字信任相融合,形成双重信任保障机制,从而推动产学研合作深度融合。据此,本文提出如下假设:

H2:企业区块链应用主要通过信任增强效应推动产学研合作。企业借助区块链不仅可以构建陌生人关系网络内的信任机制,更能在熟人关系网络中实现情感信任与数字信任的双重加固,从而有力助推产学研合作。

1.3 吸收能力的调节作用

动态能力理论强调,吸收能力是企业保持竞争优势的关键。Cohen &Levinthal[28]将吸收能力界定为“企业有效捕捉、转化并利用外部知识资源的能力”。当企业参与产学研合作时,在对多样化异质性资源进行内部转化与利用过程中,吸收能力的重要性愈发显著(陈怀超等,2020)。当企业具备较高的吸收能力时,它们能深刻理解并有效运用外部技术(区块链技术),从而在产学研合作中发挥积极推动作用。具体而言,高吸收能力企业能够敏捷识别并吸收区块链技术中的核心要素,将其融入产学研合作各个环节,从而更好地把握产学研合作中的开放机遇。同时,它们也更擅长处理区块链技术在实践中可能面临的各类风险,如技术执行障碍、数据隐私安全挑战等,从而有效降低产学研合作过程中面临的开放风险。可见,当企业运用区块链技术应对产学研合作中遇到的开放悖论难题时,其吸收能力发挥显著正向效应。

能力崇尚原则表明,一个人的能力越强,其在社交场合中就越容易赢得他人喜爱与尊重[29]。这一原则不仅适用于个人,也同样适用于企业界。在企业经营实践中,吸收能力被视为一项核心竞争优势,其不仅有助于塑造企业积极向上、勇于创新的正面形象,还能极大地增强外部合作伙伴对企业的信任与认可[30]。鉴于此,在企业利用区块链技术推动产学研合作过程中,其较高的吸收能力能够显著提升合作各方之间的信任度,进而对这一合作过程产生积极影响。企业吸收能力越强,其区块链应用成熟度也就越高,进而促使各主体间形成更加稳固的信任关系,最终推动产学研深度融合。据此,本文提出如下假设:

H3:吸收能力有助于增强企业区块链应用与产学研合作之间的关系,且该调节作用部分通过信任增强效应实现。

2 研究设计

2.1 样本选取与数据来源

本文选取2016—2022年中国沪深A股制造业上市公司为研究样本,数据主要来源于CSMAR数据库和国家知识产权局专利数据库。遵循一般做法,本文对原始数据作如下处理:①剔除ST、*ST企业;②剔除数据缺失、存在异常值的企业;③对所有连续变量在1%和99%分位上进行缩尾处理。最终,本文得到11 921个观测值。

2.2 变量定义

(1)产学研合作(IUR)。借鉴已有研究做法[10],本文根据上市公司的现用名或曾用名,通过专利之星检索系统对上市公司与高校、科研院所联合申请的发明专利和实用新型专利进行统计,以产学研联合申请专利量加1的自然对数表征产学研合作水平。

(2)区块链应用(Blockchain)。结合Wan等[6]的研究,分两个阶段收集企业区块链应用数据。第一阶段,初步收集2016年以来上市公司官方发言人在网站和论坛回复中提及的区块链应用数据,用Python爬虫技术对区块链、数据资产、数据货币等关键词进行区分和编码。第二阶段,遵循三角验证原则,通过公司官网、公告、新闻及媒体采访等多种数据源逐一核实初步数据。随后,通过双盲编码,将企业区块链应用分为需求、研发、应用及规模应用4个阶段,并据此构建区块链虚拟变量,若上市公司或其关联企业处于研发、应用及规模应用阶段,则赋值为1,否则为0。

(3)信任(Trust)。鉴于数据收集的局限性,本文难以精确衡量企业与高校、科研院所合作伙伴间复杂且多变的信任关系。在现实中,多数企业广泛构建了一个包含多个高校、科研院所的合作网络,这些合作关系的信任水平在宏观层面上表现出一种趋同效应,即趋向于企业所在地区的社会整体信任水平。因此,本文采用社会信任水平作为衡量企业与高校、科研院所之间信任程度的指标。借鉴史宇鹏和李新荣[31]的做法,以中国综合社会调查(CGSS)中“您同不同意在这个社会上,绝大多数人都是可以信任的(a33)”题项的均值衡量社会信任水平。此外,将亲戚、朋友、同事、领导、同学间的平均信任水平定义为“熟人信任(Familiar)”,陌生人的平均信任水平定义为“陌生人信任(Stranger)”。鉴于信任在短期内不会发生较大变化,对于缺少调研数据的2016、2019—2020和2022年,分别用2015、2018和2021年数据替代。在后续实证分析环节,本文根据各上市公司注册地信息,将各公司与其所在地区的社会信任水平进行匹配。

(4)吸收能力(Absorb)。参考学者们的普遍做法,本文将研发强度作为吸收能力的替代指标,并采用研发投入金额的自然对数衡量研发强度。

此外,本文选取以下控制变量:资产收益率(Roa)、资产负债率(Lev)、账面市值比(BM)、企业年龄(Age)、产权性质(Soe)和股权集中度(Top1)。

本文中具体变量说明见表1。

2.3 模型设定

(1)面板Tobit模型。由于部分产学研联合申请专利量为0,如果采用OLS估计方法,可能无法得到一致估计量,故本文采用随机效应面板Tobit模型,估计模型如下:

(1)

(2)

(3)

其中,i、t分别表示公司和时间,Yit为被解释变量,为潜变量,Xit为解释变量, β'为解释变量的系数,εit为误差项。

(2)中介效应模型。借鉴温忠麟和叶宝娟[32]的研究,本文运用中介效应检验方法,构成三步检验过程,估计模型如下:

Yit=α0+α1Xit+∑(αj×Controlit)+εit

(4)

Wit=β0+β1Xit+∑(βj×Controlit)+εit

(5)

Yit=γ0+γ1Xit+γ2Wit+∑(γj×Controlit)+εit

(6)

其中,Wit为中介变量,Controlit为一系列控制变量,α、β、γ为待估参数。

(3)有中介的调节效应模型。借鉴叶宝娟和温忠麟[33]的研究,采用混合模型检验吸收能力的调节效应,估计模型如下:

Yit=α0+α1Xit+α2Uit+α3(Xit×Uit)+∑(αj×Controlit)+εit

(7)

Wit=β0+β1Xit+β2Uit+β3(Xit×Uit)+∑(βj×Controlit)+εit

(8)

Yit=γ0+γ1Xit+γ2Uit+γ3(Xit×Uit)+γ4Wit+γ5(Wit×Uit)+∑(γj×Controlit)+εit

(9)

其中,Uit为调节变量,Xit×Uit为解释变量与调节变量的交互项,Wit×Uit为中介变量与调节变量的交互项。

3 实证研究

3.1 描述性统计分析

变量描述性统计结果如表2所示。产学研合作(IUR)的最小值为0,最大值为2.303,标准差为0.457,揭示中国制造业企业在产学研合作水平上的多样性和不均衡性。区块链应用(Blockchain)的均值为0.063,中位数为0,表明中国制造业企业在区块链技术实际应用方面尚处于初级阶段,整体应用程度偏低。其余各变量分布均处于合理范围内,此处不再赘述。

3.2 基准回归

表3展示了基准回归结果。各模型的被解释变量为产学研合作(IUR),核心解释变量为区块链应用(Blockchain)。从结果看,在不加入控制变量的情况下,区块链应用(Blockchain)的回归系数显著为正(β=0.688,p<0.01);加入一系列控制变量后,模型拟合程度提升,区块链应用(Blockchain)的回归系数仍显著为正(β=0.621,p<0.01),表明企业区块链应用显著促进产学研合作,假设H1得到验证。

3.3 稳健性检验

(1)替换变量。根据区块链技术应用的具体阶段,本文采用分类变量(Blockchain_stage)衡量区块链应用程度。如果区块链处于需求阶段,则变量等于1;如果区块链处于研发阶段,则变量等于2;如果区块链处于应用阶段,则变量等于3;如果区块链处于规模应用阶段,则变量等于4。表4列(1)显示,研究结论依然可靠。

(2)Probit模型估计。本文采用二元变量替代被解释变量,并使用Probit模型对面板数据重新进行回归。本文将二元变量(IUR_01)定义为企业是否拥有产学研合作成果,如果企业拥有产学研联合申请专利,则二元变量赋值为1,否则为0。从表4列(2)结果看,假设H1的推断依然稳健。

(3)滞后效应。考虑到创新活动的连续性、累积性以及可能存在的反向因果问题对估计结果造成的不良影响,本文进一步引入核心解释变量滞后一期(L.Blockchain)作为替代变量重新进行回归,结果见表4列(3)。企业区块链应用对产学研合作的影响依然显著为正,表明研究结果具有稳健性。

(4)剔除直辖市样本。鉴于行政级别的特殊性,直辖市和普通地级市在政治地位、经济发展、城市资源配置、制度环境等方面存在明显差异[34],这些外部因素可能会使研究结论产生偏误。为消除这一干扰,本文剔除所有位于直辖市的企业样本重新进行计量回归,结果如表4列(4)所示。结果表明,剔除直辖市企业数据后,企业区块链应用能显著促进产学研合作。

(5)剔除新冠疫情的影响。考虑到2020年新冠疫情大规模暴发,企业经营决策偏向保守,对企业区块链应用和产学研合作产生影响。为保证研究结论的稳健性,本文仅保留2016—2019年的数据进行分析,结果如表4列(5)所示。结果显示,回归结果依然稳健。

3.4 异质性检验

(1)企业规模异质性。考虑到企业规模直接影响创新资源投入数量和质量,从而导致企业区块链应用对产学研合作的影响效果存在差异。参照国家统计局发布的《统计上大中小微型企业划分办法(2017)》,根据企业当年员工人数和营业收入,将样本划分为大企业和中小企业进行分组回归分析。由表5列(1)(2)可知,在不同规模企业中,区块链应用(Blockchain)的回归系数均显著为正。相对于中小企业,大企业区块链应用(Blockchain)对产学研合作的积极作用更为显著(β=0.676,p<0.1;β=0.636,p<0.01)。究其原因,企业规模越大,其行业经验积累、资源储备和人才优势越强。通过抢占区块链技术先机,大企业能够高效地对创新人才、资源和机制等进行优化配置,与教育、科研机构建立深厚的合作关系,从而有效推动产学研深度融合。

(2)企业所有权异质性。企业产权性质不同,其获得的政策性资源和创新成果保护程度也不同,从而导致企业区块链应用对产学研合作的影响效果不同。因此,本文将样本企业划分为国有企业和非国有企业进行分组回归分析。由表5列(3)(4)可知,区块链应用(Blockchain)在国有企业组和非国有企业组的回归系数均显著为正(β=0.773,p<0.01;β=0.499,p<0.01),表明无论是国有企业还是非国有企业,区块链技术应用对产学研合作均具有显著正向影响。相较于非国有企业,国有企业区块链应用对产学研合作的促进作用更显著。可能的解释是,国有企业通常与政府关系密切,能够获得更多政府支持和政策优惠,凭借资源优势和品牌影响力,在区块链应用方面具有一定技术优势,加之长期发展战略眼光会吸引更多合作伙伴和资源,从而推动产学研合作顺利进行和长期发展。

(3)企业生命周期异质性。随着企业生命周期阶段的变迁,企业创新战略调整可能会使其区块链应用对产学研合作的影响发生改变。本文借鉴刘和东等(2024)的研究,采用现金流模式法,根据经营、投资、筹资净额正负组合的各种经济特征对上市公司进行区分,将其划分为成长期、成熟期和衰退期3个不同生命周期阶段。由表5列(5)～(7)可知,成长期、成熟期和衰退期企业区块链应用(Blockchain)的回归系数均显著为正(β=0.422,p<0.05;β=0.578,p<0.01;β=1.082,p<0.01),表明处于不同生命周期的企业,其区块链应用对产学研合作均发挥显著积极作用。具体而言,衰退期企业区块链应用对产学研合作的促进作用更强,成熟期企业次之,成长期企业最弱。究其原因,面对转型或重组压力的衰退期企业,其迫切需要通过技术创新和产业升级来重塑竞争力。区块链技术的引入可为衰退期企业提供新的技术路径和合作契机,促使它们积极寻求产学研合作以实现技术的快速转化和产品的迭代升级。相较之下,成熟期企业因已稳固其业务模式并占据一定市场份额,促使其变革的驱动力会相应减弱,区块链技术应用更聚焦于管理和运营效率的优化,而非颠覆性创新,因此对产学研合作的推动作用次之。而成长期企业的战略重点在于市场开拓和规模扩张,对于区块链这类新技术的接纳和应用尚需时间沉淀,因此对促进产学研合作的影响效应暂时较弱。随着企业成长和技术认知的深化,这一效应会逐步增强。

4 进一步分析

4.1 信任的中介效应

表6汇报了信任的中介效应检验结果。其中,列(1)结果显示区块链应用(Blockchain)对产学研合作(IUR)的影响系数显著为正(β=0.618,p<0.01),表明企业区块链应用能显著促进产学研合作。列(2)结果显示区块链应用(Blockchain)对信任(Trust)的影响系数显著为正(β=0.033,p<0.01)。在列(3)中,信任(Trust)对产学研合作(IUR)的影响系数显著为正(β=1.107,p<0.01),区块链应用(Blockchain)对产学研合作(IUR)的影响系数仍显著为正(β=0.579,p<0.01),但相比列(1)有明显下降(由0.618下降至0.579)。由此可见,信任在企业区块链应用促进产学研合作过程中发挥部分中介作用。进一步地,本文采用Bootstrap中介效应检验方法,设定自抽样5 000次,置信区间的置信值设定为95%。结果显示,置信区间为[0.003 093 1, 0.008 371 8],中介效应通过显著性检验,再次验证企业区块链应用通过信任增强效应推动产学研合作。

在此基础上,本文进一步从信任主体视角展开讨论,深入剖析陌生人信任和熟人信任发挥中介效应的异质性。由表6列(4)(5)结果可知,陌生人信任(Stranger)在企业区块链应用影响产学研合作过程中发挥部分中介作用,企业区块链应用影响产学研合作的总效应为0.618,陌生人信任的中介效应为0.029 5,占总效应的4.77%。同理,列(6)(7)结果显示,熟人信任(Familiar)在其中也发挥部分中介作用,熟人信任的中介效应为0.044 0,占总效应的7.13%。由此可见,陌生人信任和熟人信任在企业区块链应用与产学研合作之间均起部分中介作用。相较于陌生人信任而言,熟人信任的中介效应更加显著。也就是说,企业区块链应用不仅能够在陌生人关系网络内实现“信任建构”,更能在熟人关系网络中实现情感信任与数字信任的“双重加固”,从而有力推动产学研合作。至此,假设H2得到验证。

4.2 吸收能力的调节效应

表7汇报了吸收能力的有中介的调节效应检验结果。其中,列(2)中被解释变量为产学研合作(IUR),区块链应用与吸收能力的交互项(Blockchain×Absorb)系数显著为正(β=0.136,p<0.1),表明吸收能力在企业区块链应用促进产学研合作过程中发挥正向调节作用,即吸收能力越强,企业区块链应用对产学研合作的促进作用越明显。列(3)中,被解释变量为信任(Trust),区块链应用与吸收能力的交互项(Blockchain×Absorb)系数显著为负(β=-0.013,p<0.01),表明吸收能力负向调节中介效应的前半路径。也就是说,当企业吸收能力达到较高水平时,其区块链应用的信任增强效应反而呈减弱趋势。可能原因在于在吸收能力较高情况下,企业可能已经建立了自己的信任机制(如品牌声誉、合同和法律框架等),抑或建立了相对封闭的生态系统(如供应链、客户关系等),导致区块链技术可能无法扩展到更广泛的参与者,从而未产生较强的促进作用。列(4)中被解释变量为产学研合作(IUR),信任与吸收能力的交互项(Trust×Absorb)系数显著为正(β=0.362,p<0.05),表明吸收能力也调节了中介效应的后半路径。也就是说,企业吸收能力越强,其对高校、科研院所的信任越能成为推动产学研合作的重要驱动力。综上可知,吸收能力直接调节企业区块链应用与产学研合作的关系,同时也通过调节中介效应的前半路径(区块链应用—信任)和后半路径(信任—产学研合作),从而间接调节总效应(区块链应用—产学研合作)。换言之,吸收能力增强了企业区块链应用与产学研合作之间的关系,且该调节作用部分通过信任增强效应实现。由此,假设H3得到验证。

5 结论

5.1 研究结论

区块链技术能否切实推动产学研合作,不仅关乎技术自身演进路径,更成为推进科技与经济深度融合的关键。基于此,本文以2016—2022年中国沪深A股制造业上市公司为研究样本,从开放悖论视角考察企业区块链应用对产学研合作的影响,并结合非正式制度和动态能力理论剖析信任的中介作用以及吸收能力的调节作用,得出如下研究结论:

(1)企业区块链应用能促进产学研合作,该结论经过多种稳健性检验后依然成立,并且该促进效应在大企业、国有企业与衰退期企业中更显著。

(2)企业区块链应用主要通过信任增强效应推动产学研合作。进一步分析发现,企业借助区块链技术不仅可以构建陌生人关系网络内的信任机制,更能在熟人关系网络中实现情感信任与数字信任的双重加固,从而有力助推产学研合作。

(3)吸收能力能增强企业区块链应用与产学研合作之间的关系,且该调节作用部分通过信任增强效应实现。具体而言,吸收能力不仅直接调节企业区块链应用与产学研合作之间的关系,也通过调节中介效应间接调节总效应。

5.2 对策建议

基于本文研究结论,提出以下政策建议:

(1)企业应充分认识到区块链技术的巨大潜力,并加大研发投入力度。研究发现,企业区块链应用能够显著促进产学研合作,且该效应在大企业、国有企业与衰退期企业表现得尤为明显。因此,企业应积极把握这一机遇,通过技术创新、人才培养、流程优化等方式,不断提升区块链技术应用水平。同时,大企业、国有企业与衰退期企业应充分利用区块链技术的独特优势,更加主动地寻求与高校、科研院所之间的深度合作,以期实现共赢发展。

(2)企业应重点推进基于区块链信任机制的构建与完善。研究表明,企业区块链应用主要通过信任增强效应推动产学研合作。同时,企业借助区块链技术不仅可以构建陌生人关系网络内的信任机制,而且能在熟人关系网络中实现情感信任与数字信任的双重加固,从而有力助推产学研合作。因此,企业应着手构建一套涵盖分布式存储、共识机制及不可篡改性等多方面技术的区块链信任机制,并对其进行持续技术升级、安全加固和流程优化,以此促进与新的高校、科研院所间的合作,同时深化与现有机构的协作,共谋创新发展。

(3)企业应高度重视并着力提升自身吸收能力。研究发现,吸收能力能增强企业区块链应用与产学研合作之间的关系,且该调节作用部分通过信任增强效应实现。鉴于此,企业应积极通过引进和培养杰出人才、构建持续学习机制、优化知识管理流程等措施不断增强自身吸收能力,深化产学研合作,从而在区块链技术革新中抢占先机,推动技术创新与产业升级的良性循环。

5.3 不足与展望

本文从理论和实证角度探究区块链应用对产学研合作的影响效果及内在机理,一定程度上丰富了现有研究,但存在如下不足:首先,本文利用2016—2022年制造业上市公司面板数据进行回归分析。制造业具有一定代表性,但仍难全面捕捉行业间的异质性。未来可选择ICT、批发零售、运输等行业,探讨不同行业区块链应用与产学研合作间关系的异质性。其次,本文使用联合专利申请量衡量产学研合作水平,由于专利只是产学研合作的产品之一,并不是所有产学研合作活动都能申请专利,因此对产学研合作的衡量仍有改进空间。未来可收集一手数据,以更加全面地反映产学研合作行为。最后,本文关注吸收能力在企业区块链应用影响产学研合作过程中的调节作用。然而,这一过程交织着一些不可忽视的因素,如政府支持、市场竞争等。未来可从多个维度分析区块链应用对产学研合作过程的影响,为相关领域发展提供更加全面和深入的理论支持及实践指导。

参考文献：

[1] OBRADOVIC T, VLACIC B, DABIC M. Open innovation in the manufacturing industry: a review and research agenda[J]. Technovation, 2021, 102: 102221.

[2] 龙小宁, 刘灵子, 张靖. 企业合作研发模式对创新质量的影响——基于中国专利数据的实证研究[J]. 中国工业经济, 2023,41(10): 174-192.

[3] 吴颖, 肖源, 苏洪, 等. 基于参照点的产学研知识产权冲突协调契约设计[J]. 中国管理科学, 2021, 29(1): 168-177.

[4] CHIN T, SHI Y, SINGH S K, et al. Leveraging blockchain technology for green innovation in ecosystem-based business models: a dynamic capability of values appropriation[J]. Technological Forecasting and Social Change, 2022, 183: 121908.

[5] WEN B, WANG Y, DING Y, et al. Security and privacy protection technologies in securing blockchain applications[J]. Information Sciences, 2023, 645: 119322.

[6] WAN Y, GAO Y, HU Y. Blockchain application and collaborative innovation in the manufacturing industry: based on the perspective of social trust[J]. Technological Forecasting and Social Change, 2022, 177: 121540.

[7] UL HASSAN M, REHMANI M H, CHEN J. Anomaly detection in blockchain networks: a comprehensive survey[J]. IEEE Communications Surveys and Tutorials, 2023, 25(1): 289-318.

[8] CENTOBELLI P, CERCHIONE R, VECCHIO P D, et al. Blockchain technology for bridging trust, traceability and transparency in circular supply chain[J]. Information &Management, 2022, 59(7): 103508.

[9] QU Z, MENG Y, LIU B, et al. QB-IMD: a secure medical data processing system with privacy protection based on quantum blockchain for IoMT[J]. IEEE Internet of Things Journal, 2024, 11(1): 40-49.

[10] 刘斐然, 胡立君, 范小群. 产学研合作如何影响企业的市场绩效[J]. 科研管理, 2023, 44(1): 155-163.

[11] 杨小婉, 朱桂龙, 吕凤雯, 等. 产学研合作如何提升高校科研团队学者的学术绩效——基于行为视角的多案例研究[J]. 管理评论, 2021, 33(2): 338-352.

[12] TOGOONTUMUR T, COORAY N S. Does collaboration matter: the effect of university-industry R&D collaboration on economic growth[J]. Journal of the Knowledge Economy, 2024, 15(2): 9482-9496.

[13] 肖振红, 李炎. 绿色技术创新模式、环境规制与产学研协同绿色创新[J]. 管理工程学报, 2023, 37(4): 16-29.

[14] 李明星, 苏佳璐, 胡成, 等. 产学研合作创新绩效影响因素元分析研究[J]. 科技进步与对策, 2020, 37(6): 61-69.

[15] BATTAGLIA D, PAOLUCCI E, UGHETTO E. Hurdles in university-industry technology transfer: why research-based inventions are not transferred to the market[J]. IEEE Transactions on Engineering Management, 2024, 71: 13415-13427.

[16] 孙景昊, 何海燕. 区块链技术在国家实验室建设中的应用场景与现实挑战[J]. 科学管理研究, 2022, 40(1): 62-66.

[17] RAN C, SONG K, YANG L. An improved solution for partner selection of industry-university cooperation[J]. Technology Analysis &Strategic Management, 2020, 32(12): 1478-1493.

[18] 陈丽, 梁秀波, 杨小虎. 基于多方协同的区块链技术人才培养体系的构建[J]. 高等工程教育研究, 2021,38(4): 54-58.

[19] 罗化, 郭丽芳. 基于区块链技术的产学研信息共享模式研究[J]. 管理现代化, 2020, 40(6): 42-45.

[20] XU Y, XIAO S, WANG H, et al. Redactable blockchain-based secure and accountable data management[J]. IEEE Transactions on Network and Service Management, 2024, 21(2): 1764-1776.

[21] LENG J, ZHOU M, ZHAO J L, et al. Blockchain security: a survey of techniques and research directions[J]. IEEE Transactions on Services Computing, 2022, 15(4): 2490-2510.

[22] LIU Z, QIAN P, WANG X, et al. Combining graph neural networks with expert knowledge for smart contract vulnerability detection[J]. IEEE Transactions on Knowledge and Data Engineering, 2023, 35(2): 1296-1310.

[23] 刘丽杭, 唐丽萍. 产学研合作中信任对知识转移影响的仿真研究[J]. 电子科技大学学报(社科版), 2022, 24(4): 1-9.

[24] 方刚, 王家辉. 基于区块链技术的协同创新知识共享研究[J]. 科技进步与对策, 2022, 39(24): 130-140.

[25] DAS T K, TENG B S. Between trust and control: developing confidence in partner cooperation in alliances[J].Academy of Management Review, 1998, 23(3): 491-512.

[26] WANG C C, SUNG H Y, CHEN D Z, et al. Strong ties and weak ties of the knowledge spillover network in the semiconductor industry[J]. Technological Forecasting and Social Change, 2017, 118: 114-127.

[27] WU L, SUN L, CHANG Q, et al. How do digitalization capabilities enable open innovation in manufacturing enterprises? a multiple case study based on resource integration perspective[J]. Technological Forecasting and Social Change, 2022, 184: 122019.

[28] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128-152.

[29] 林崇德. 心理学大辞典(上卷)[M]. 上海: 上海教育出版社, 2003.

[30] 林海芬, 刘相彤, 苏敬勤. 从低位跟随到高位引领:行业引领型企业组织身份形成过程研究[J]. 管理世界, 2024, 40(9): 154-177.

[31] 史宇鹏, 李新荣. 公共资源与社会信任:以义务教育为例[J]. 经济研究, 2016, 51(5): 86-100.

[32] 温忠麟, 叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展, 2014, 22(5): 731-745.

[33] 叶宝娟, 温忠麟. 有中介的调节模型检验方法:甄别和整合[J]. 心理学报, 2013, 45(9): 1050-1060.

[34] 王林辉, 姜昊, 董直庆. 工业智能化会重塑企业地理格局吗[J]. 中国工业经济, 2022,42(2): 137-155.

(责任编辑：王敬敏)