How Industrial Intelligence Boosts Manufacturing Firms′ Innovation Willingness

Dong Mingfang, Wang Guo

(School of Management, Xi′an University of Architecture and Technology, Xi′an 710055, China)

Abstract：As the basic unit of economic activity and an important part of enterprises, the level of their participation in innovation activities has a direct impact on the driving force of innovation. In the new era, it is the key to building a modernized economic system and promoting high-quality economic development by fully mobilizing the role of enterprise innovation main body and enhancing the innovation willingness of manufacturing enterprises. Industrial intelligence is the direction of future development of enterprises. In order to figure out the way for the high-quality development of China′s economy, it is essential to confirm if industrial intelligence can enhance the innovation willingness of manufacturing enterprises, how its role mechanism is reflected, and whether the impact of industrial intelligence on the willingness of manufacturing enterprises to innovate has the spillover effect of supply chain conduction.

Following resource dependence theory and innovation risk theory, this paper investigates the relationship between industrial intelligence and manufacturing enterprises′ willingness to innovate. On the basis of the sample data of A-share listed enterprises in the manufacturing industry from 2014 to 2021, the study calculates the indexes of manufacturing enterprises′ willingness for innovate and the level of industrial intelligence and tests the impact and mechanism of industrial intelligence on manufacturing enterprises′ willingness for innovate through the fixed effect model. In order to ensure the stationarity of the data and reduce the heteroscedasticity and collinearity of the model, the logarithms of all control variables in the non-percentage type are taken for analysis. In addition, it constructs supplier-manufacturing enterprise-customer-annual datasets to study the spillover effect of manufacturing enterprises in the supply chain.

The conclusions show that, first, the direct impact results indicate that industrial intelligence can significantly enhance the innovation willingness of manufacturing enterprises, and then the conclusion still holds after an endogeneity test and a series of robustness tests. In addition, the results of heterogeneity analysis show that industrial intelligence enhances the innovation willingness of manufacturing firms that are mostly non-state-owned enterprises, small and medium-sized enterprises, and enterprises with a high R&D personnel ratio, while state-owned enterprises, large enterprises, and enterprises with a low R&D personnel ratio are not significant in the estimation results. Second, the indirect effect results show that industrial intelligence can increase manufacturing firms′ willingness to innovate by reducing supply chain concentration, and the mediating effect of supply chain concentration is more obvious in non-state-owned enterprises and SMEs. In addition, industrial intelligence can also enhance manufacturing firms′ willingness to innovate by reducing manufacturing firms′ cost elasticity, and the scope of this mediating effect is more generalized compared to supply chain concentration. Third, the results of supply chain spillover effects show that the spillover effect of industrial intelligence of manufacturing enterprises on the innovation willingness of client enterprises is still not obvious, but with respect to the positive and significant spillover effects on the innovation willingness of supplier enterprises, the supply chain spillover effect of industrial intelligence of manufacturing enterprises is mainly manifested in the spillover to upstream enterprises. Thus, the government should establish a multi-level and systematic policy system to encourage SMEs and non-state-owned enterprises, and the SMEs are expected to increase investment in industrial intelligence and accelerate the development of key technologies, and it is also crucial to build a multi-level and fully covered supply chain network for the entire industry.

The main contribution of this paper is reflected in three aspects. First, it empirically analyzes the impact of industrial intelligence on manufacturing enterprises′ willingness to innovate from the micro level, providing micro evidence that industrial intelligence plays the role in enterprise innovation. Second, on the basis of resource dependence theory and innovation risk theory, it reveals the potential path of industrial intelligence affecting manufacturing firms′ willingness to innovate by influencing supply chain concentration and cost elasticity at the theoretical and empirical levels. Third, from the supply chain perspective of suppliers-manufacturing enterprises-customers, the study examines the impact of industrial intelligence of manufacturing enterprises on the innovation willingness of upstream and downstream enterprises.

Key Words：Industrial Intelligence; Innovation Willingness; Supply Chain Spillover; Supply Chain Concentration; Cost Elasticity

DOI：10.6049/kjjbydc.H202308113

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)04-0032-10

收稿日期：2023-08-07

修回日期：2023-10-31

基金项目：国家社会科学基金年度一般项目(20BGL010);陕西省自然科学基础研究基金青年人才项目(2020JQ-689);陕西省社会科学基金年度项目(2019S002)

作者简介：董明放(1984—),男,河南商丘人,博士,西安建筑科技大学管理学院副教授、硕士生导师,研究方向为数字经济与制造业创新升级;王郭(1999—),男,陕西西安人,西安建筑科技大学管理学院硕士研究生,研究方向为人工智能与企业创新。本文通讯作者:王郭。

0 引言

企业作为经济活动的基本单元和重要组成部分,其创新活动参与度对创新驱动力具有重要影响。在新时代背景下,充分发挥企业创新主体作用、提升制造企业创新意愿是建设现代化经济体系、推动经济高质量发展的关键。习近平总书记在中共二十大报告中提出“推动制造业高端化、智能化、绿色化发展”,强调智能制造的重要性,鼓励工业智能化技术为制造业创新升级赋能,中国制造业创新升级迫切需要智能化添薪续力。世界机器人联合会(IFR)2021年公布的机器人发展报告显示,全球新安装了517 385台工业机器人,比2020年增长了31%,创历史新高,新安装的机器人有74%分布在亚洲,并且中国以51%的强劲增长率高居榜首。随着世界人工智能创新版图的加速形成,工业自动化成为我国高质量发展的必然选择。与此同时,我国制造业企业缺乏有效的人才、技术、资本、数据等创新要素流动机制和市场化配置体系,创新风险承担能力薄弱。2022年,科技部提出要进一步发挥企业作为出题人、答题人和阅卷人的作用,企业要成为研发主体。因此,有必要探讨工业智能化能否提升制造企业创新意愿、其作用机制如何以及工业智能化对制造企业创新意愿的影响是否具有供应链传导溢出效应,厘清工业智能化与制造企业创新意愿之间的关系,进而促进我国经济高质量发展。

当前,学者主要基于内生增长理论研究工业智能化对劳动力的替代效应[1]以及对经济增长的促进作用[2],鲜有研究从资源依赖理论和创新风险理论视角展开研究。第一,资源依赖理论表明,组织需要通过获取环境资源维持自身生存与发展,同时强调组织权力,即把组织视为政治行动者,认为组织策略与组织获取资源、控制其它组织的权力行为有关。企业在供应链中的地位越高,对供应链上其它企业的权力越大,对资源的依赖程度就越低。第二,创新风险理论表明,企业创新面临一定风险,需要控制风险发生频率并降低损失,当企业面临过高风险时会降低创新意愿。工业智能化发展有助于提高企业固定成本比例和企业经营杠杆,降低由外界环境变化和收入减少而导致的资源冗余风险,以此对冲企业因创新投入过高而导致的创新风险,从而提升制造业企业创新意愿。因此,企业供应链集中度与成本弹性是影响制造企业创新意愿的重要因素。

当前,关于工业智能化赋能制造业创新“黑箱之谜”的探讨较少,且多聚焦于理论层面,从企业及产业层面开展的实证研究更少,主要集中在以下几个方面:

(1)企业创新意愿。关于企业创新意愿的实证研究方法包括问卷测试[3-4]和自然观察[5-6]两种方法。郑烨等[3]利用问卷测试方法对国内399家科技小微企业进行实证研究,解析了简政放权、创新环境与创新意愿三者之间的关系;罗宏和王治[5]用企业研发投入与当年资产总额的比重衡量企业创新意愿,并考察了文明城市评选活动对企业创新意愿的影响。

(2)供应链与企业创新意愿。第一,供应链冲击对企业创新意愿的影响。周伊敏等[7]从供给侧和需求侧两个方面、长期和短期两个视角考察宏观冲击对企业研发生产率的影响,发现当供应链上游成本上升时,短期内高创新能力企业会提高创新投入和生产率,而低创新能力企业则会减少创新投入并导致生产率下降;长期看成本冲击会导致低效率企业退出、高效率企业市场份额扩大,最终让高效率企业在提升创新意愿和生产率的同时实现利润增长,进而促进整个行业平均生产率增长。第二,供应商—客户互动对企业创新的影响[8-10]。杨金玉等(2022)通过实证检验企业数字化转型对企业创新决策的影响发现,客户数字化转型通过供应链溢出效应促使供应商开展创新。然而,上述研究忽视了资源依赖理论视角下企业“权力”对企业创新的影响。

(3)工业智能化与企业创新意愿。首先,多数学者认为智能化有助于激发企业创新意愿[10-12]。邓悦和蒋琬仪[12]指出,与没有使用工业机器人的企业相比,使用工业机器人的企业研发支出提升了1.21倍,有效专利数量提升了22%;黄先海等(2023)基于企业创新理论,以人力资本为视角实证检验工业机器人对企业创新的影响,发现工业机器人能够显著提升企业有效发明专利数量和专利申请数量。其次,少数学者认为工业智能化对企业创新的影响是复杂的。诸竹君等(2022)基于2008—2014年中国工业企业创新数据与海关匹配数据的实证研究发现,当创新类企业研发效率和生产率达到一定门槛值后,工业智能化有助于促进企业创新;反之,则会抑制企业创新。此外,工业自动化对中国制造企业创新数量的影响是不确定的,高研发效率和生产率企业存在正向创新效应。总之,以上研究多围绕“专利”衡量企业创新,鲜有研究探讨工业智能化对企业创新意愿的影响。

(4)工业智能化与供应链。智能化对供应链的影响主要体现在理论分析层面。陈剑和刘运辉[13]围绕数智化使能运营管理变革,通过梳理供应链管理发展和演化历程,将供应链生态系统定义为“围绕数字—服务—产品包,由供应链群落各类主体关联互动而形成的生态系统”。部分学者实证检验了数字化转型对供应链结构的影响[14-15]。习明明等[14]基于2012—2021年A股非金融上市公司面板数据,实证检验产业数字化对供应链结构的影响,发现产业数字化能够显著促进供应链多元化。就现有研究看,关于工业智能化对供应链影响的实证研究较少。

综上所述,现有研究存在如下不足:较少探讨工业智能化对供应链其它企业创新意愿的溢出效应,且忽视了成本弹性对工业智能化影响制造企业创新意愿的作用。因此,本文在以往研究的基础上,选取2014—2021年中国A股上市制造企业面板数据,考察工业智能化对制造企业创新意愿的影响以及供应链集中度与成本弹性的间接效应。本文的边际贡献体现在:首先,从微观层面检验工业智能化对制造企业创新意愿的影响,可为发挥企业创新主体作用提供微观证据。其次,在资源依赖理论和创新风险理论的基础上,揭示工业智能化通过影响供应链集中度和成本弹性进而影响制造企业创新意愿的潜在路径。最后,基于供应商—制造企业—客户供应链视角考察制造企业工业智能化对上下游企业创新意愿的影响,探究供应链集中度和成本弹性对工业智能化影响制造企业创新意愿的间接效应,以及工业智能化对制造企业供应链的溢出效应,可为提高制造企业创新意愿提供新证据。

1 理论分析与研究假设

1.1 工业智能化对制造企业创新意愿的影响

工业智能化对制造企业创新意愿的影响体现在成本降低效应和劳动替代效应两个方面。第一,成本降低效应。根据熊彼特的创新理论,企业在生产中引入新生产要素并与原有生产条件进行重新组合以实现创新,工业智能化作为一种高质量资本,通过降低企业生产边际成本产生显著的技术进步效应[16]。一方面,工业智能化作为新生产要素引入企业,促使企业重新进行资源分配与整合,提升生产效率,降低产品单位生产成本;另一方面,工业智能化能够提升全要素生产率和企业核心竞争力,降低企业外部成本,使企业获得额外利润。企业在品尝到人工智能带来的“红利”后,为维持可持续性利润,更愿意加大创新投入以维持企业核心竞争力[17]。第二,劳动替代效应。企业创新理论强调知识是创新的基础和源泉,创新是企业知识存量的重新组合[19]。一方面,机器人的使用代替传统劳动力完成低技术和简单重复的工作[20],这种机器对人的替代效应使得重复性、机械性岗位逐步减少,会降低企业对低技能劳动者的依赖。由于高技能劳动者工作较为复杂且被替代的可能性较小,因此整体就业占比会逐步增加,这有利于促进制造业企业创新意愿提升。另一方面,工业智能化能够创造新任务,进而衍生出新的要求更高的就业岗位[21]。因此,企业会雇佣更多高技能劳动力适应新技术,高技能劳动力需求增加和低技能劳动力减少会改变企业劳动力结构。高技能劳动力知识储备更丰富、学习能力更强、知识传播速度更快、知识溢出效应更大,从而有助于提升制造企业创新意愿。据此,本文提出以下假设:

H1:工业智能化能够提高制造企业创新意愿。

1.2 供应链集中度的中介作用

资源依赖理论认为组织间关系即为资源依赖关系,组织通过资源替代或相互合作降低这种依赖性(王琳等,2020)。随着资源依赖理论的发展,学者从成本、利益、关系、交易等角度对依赖进行划分[22-23],但无论哪种划分方式均以“权力”为核心(韩炜等,2017)。Casciaro &Piskorski[24]认为,现有研究更关注企业如何打破资源依赖,未对依赖关系作深层次剖析。因此,本文从供应链视角研究工业智能化对制造企业创新意愿的影响。首先,工业智能化有利于提高企业生产率和产品质量,降低企业单位产品生产成本,促使企业寻找到更符合自身需求的供应商和客户,满足现有生产力,增加制造企业供应链网络,改变对单一或者固定供应链的依赖,使企业有更多选择空间,从而摆脱原有供应链上下游企业过高的“权力”束缚,降低企业对原有供应链的依赖。其次,随着制造企业工业智能化程度的提升,整个供应链外部竞争变得愈发激烈,企业面临的不确定风险更高。一方面,若企业在供应链上过度依赖上游供货商和下游销售端,则其在供应链中的“权力”较低,议价能力和风险承担能力较弱,将不得不加大创新投入以降低这种不确定性和打破强依赖关系;另一方面,若企业已经与很多供应商和客户建立联系,摆脱了对原有供应链的依赖,将更愿意增加企业创新投入以维持供应链网络利润红利和市场竞争力。据此,本文提出以下假设:

H2:工业智能化通过降低供应链集中度提高制造企业创新意愿。

1.3 成本弹性的中介效应

成本弹性是成本随业务量变动而变动的幅度,主要受成本结构中固定成本比例的影响,企业固定成本占比越低,说明其成本弹性越强[25]。首先,工业智能化发展意味着企业机器资源投入比例增大,会提高固定成本比例从而降低企业成本弹性。其次,根据创新风险理论,企业创新具有一定风险。一方面,低固定成本比例企业具有很强的灵活性,往往不愿承担因扩大规模和提高生产率而产生的风险,反而更愿意追求短期利益,从而降低创新意愿。与之相反,高固定成本比例企业具有高经营杠杆的特点,为追求高回报会更关注长期利益,因此更愿意承担创新风险。另一方面,相较于传统生产模式,智能化生产模式通过新一代信息技术、人工智能、数字化技术的使用,不仅能使企业进行大规模生产,而且还能对不同客户制定个性化服务[26],提高企业生产灵活性。可见,工业智能化会降低由此产生的高回报,降低高杠杆经营中由环境变化产生的高风险,从追求长期利益和降低企业风险两个方面提升制造企业创新意愿。据此,本文提出以下假设:

H3:工业智能化通过降低成本弹性提高制造企业创新意愿。

1.4 工业智能化对制造企业创新意愿在供应商—客户关系中的溢出机制

随着生产分工的细化,各部门之间的联系日益紧密,产业生产方式、技术变化会通过产业关联效应对其它部门产生影响(戴翔等,2022)。工业智能化不仅能够通过成本降低效应和劳动替代效应促使企业加大研发投入,而且还会影响供应链上下游企业创新。首先,从制造企业—客户端角度看,制造企业工业智能化会提升生产率和产品质量,一定程度上推动下游企业技术创新与生产方式变革;此外,根据产业集聚理论可知,关联紧密的企业会推进信息流动与技术交流,因此制造企业工业智能化对客户端企业的外溢效应体现在技术层面。其次,从制造企业—供应商角度看,由于供应链上下游企业并非平等的交换关系,上游企业为满足下游企业工业智能化转型需求,会提高自身创新意愿以维持和稳定原有供需关系。制造企业因工业智能化转型会对采购商品质量、个性化、多元化提出更高要求,供应商为获取原有利润和供需关系,会通过创新配合下游制造企业对产品和生产流程的需求。综上所述,工业智能化对制造企业创新意愿的影响对供应链上下游企业具有溢出效应。据此,本文提出以下假设:

H4a:制造企业工业智能化对下游客户端企业创新意愿具有正向溢出效应。

H4b:制造企业工业智能化对上游供应商企业创新意愿具有正向溢出效应。

综上所述,本文构建理论模型,如图1所示。

2 研究设计

2.1 模型构建

为验证假设H1、H2和H3,本文采用中介效应模型检验三步法,构建如下模型:

yi,t= α1+α2industrial_intelligencei,t+α3Xi,t+θt+λi+εi,t

(1)

Mi,t= α1+β1industrial_intelligencei,t+α2Xi,t+θt+λi+εi,t

(2)

yi,t= α1+β2industrial_intelligencei,t+γ1Mi,t+α4Xi,t+θt+λi+εi,t

(3)

公式(1)—(3)用以考察工业智能化对制造企业创新意愿的直接效应和间接效应。其中,yi,t为t年企业i的创新意愿,industrial_intelligenceii,t为t年企业i的工业智能化水平,Mi,t为中介变量,Xi,t为一系列控制变量,θt为时间效应,λi为个体效应,εi,t为扰动项。

2.2 变量选取

(1)被解释变量:制造企业创新意愿(y)。不同于以往学者利用研发投入金额[27]衡量企业创新意愿,本文参考姜双双和刘光彦[28]、郑耀弋等(2021)、Zhong[29]的做法,选取企业创新投入占营业收入的比重测度制造企业创新意愿。已有研究表明,个体行为意愿与个体行为具有较高的相关性(姜双双等,2021)。首先,企业营业收入是企业利润的重要来源;其次,企业研发投入需要大量人力、物力和财力资源,企业投入已获利润的占比越高,意味着企业越重视创新带来的长期收益,越愿意承担创新风险,因此相比于用专利数量衡量企业创新,本文用研发投入占营业收入的比重度量制造企业创新意愿更符合研究逻辑。

(2)解释变量:工业智能化水平(industrial_intelligence)。在制造企业发展过程中,工业智能化水平与企业员工数量、就业结构和劳动者收入息息相关。因此,本文借鉴何勤等(2020)的做法,采用企业机器设备人均价值作为企业工业智能化发展水平的代理指标,即企业固定资产报表中公布的机器账面价值与员工总数的比值。

(3)机制变量。①供应链集中度(m1):现有研究多从供应商集中度(企业向前五大供应商采购额占年度总采购额的比重)与客户集中度(企业向后五大客户的销售额占年度销售总额的比重)两个角度衡量供应链集中度(黄千员等,2019),为更好地体现企业在供应链中的地位和对供应链的依赖程度,本文用企业向前五大供应商的采购额和向后五大客户的销售额分别占总采购额、总销售额的均值衡量供应链集中度,供应链集中度越高,说明企业对供应链的依赖程度越高,反之则越低;②成本弹性(m2):本文参考祝继高和梁晓琴[25]的研究,企业固定成本越高说明成本弹性越低,反之,企业固定成本占比越低则说明成本弹性越高,因此本文用1-固定成本比例衡量成本弹性。

(4)控制变量:为更好地估计工业智能化对企业创新投入的影响,避免公司自身发展特征和治理指标造成的偏差,本文设置如下控制变量:①资产收益率(Roa),采用企业当年净利润与资产总额的比值表征;②资产负债率(Lev),采用当年负债总额与资产总额的比重表征;③托宾Q值(TobinQ),采用总市值与账面价值的比重表征;④企业年龄(age),采用当年年份减去企业成立年份后加1;⑤第一大股东持股比率(share_first),用第一大股东持股比例表征;⑥现金占总资产的比重(cash),采用企业流动现金与资产总额的比重表征;⑦独立董事占比(share_in),采用总股本独立董事人数与董事会总人数的比重表征;⑧企业就业人数(people),采用企业年平均员工数量表征。

综上所述,变量描述性统计结果如表1所示。

2.3 数据来源

本文中制造企业创新意愿、供应链集中度、成本弹性以及其它控制变量数据均来源于国泰安经济金融研究数据库(CSMAR),供应商—制造企业—客户端数据来源于中国研究数据服务平台(CNRDS)。首先,由于制造企业2014年以前公布的数据缺失值较多,且企业样本数量较少,因此选取2014—2021年制造业A股上市企业作为研究样本。其次,参考 Isaksson等[8]和 Chu等[9]的做法,本文构建供应商—制造企业—客户—年度数据集探究制造企业在供应链中的溢出效应。例如,研究制造企业(A)当年(2014 年)对供应商(X)创新意愿的影响,构建 A—X—2014的观测值;研究制造企业(A)当年(2014年)对客户端(Y)创新意愿的影响,则构建A—Y—2014的观测值。本文从CNRDS中获取制造业企业年报披露的第一大供应商和第一大客户信息,考虑到供应商与客户端存在大量非上市企业,很难获取完整数据,因此剔除非上市企业样本后,剩余278个供应商—制造企业—年度观测样本以及230个制造企业—客户端—年度观测样本。最后,其它控制变量和成本弹性数据均来自CSMAR,剔除ST和PT类企业。此外,为增强数据平稳性,减少异方差和模型共线性问题,对所有非百分比类型控制变量作对数处理。

3 实证结果分析

3.1 基准回归分析

表2展示了工业智能化对制造企业创新意愿的回归结果。第(1)列为不加入控制变量时工业智能化对制造企业创新意愿的回归结果,估计系数为0.469且在5%水平上显著;第(3)列为加入控制变量的回归结果,估计系数为0.386,相比于0.469稍有下降,但仍在5%水平上显著。第(2)和第(4)列在考虑工业智能化对制造企业创新意愿时滞效应的前提下,对制造企业创新意愿一阶滞后项进行回归,不加入控制变量时估计系数为0.679且在1%水平上显著,加入控制变量后估计系数降至0.470且在5%水平上显著。以上结果表明,工业智能化能够显著促进制造企业创新意愿提升,假设H1得到验证。

3.2 稳健性检验

3.2.1 更换自变量

本文考虑到工业智能化水平与企业就业结构之间的关系,采用企业机器账面人均价值作为解释变量。为更好地体现工业智能化这一指标,仅用企业账面价值作为自变量的替换变量,用企业机器账面价值的对数作为解释变量的替换变量进行回归,结果与主回归结果一致,如表3所示。

3.2.2 更换因变量

本文参考郑景丽等[30]的做法,选取企业研发投入金额的对数(y1)作为因变量的替换变量,考虑到制造企业创新意愿除与研发投入金额相关外,还与企业研发人员数量相关,人才和研发投入对提升制造企业创新意愿缺一不可,因此选取研发人员人均研发投入(y2)作为因变量的替换变量,结果显示在1%水平上与主回归结果保持一致。

3.2.3 交互固定效应检验

尽管在基准回归模型中纳入个体、年份和城市固定效应,但可能忽视了城市层面宏观环境和行业异质性现象,因此进一步纳入个体—城市、年份—城市和个体—行业、年份—行业两个维度的交互固定效应。回归结果表明,在纳入更多交互效应后,工业智能化对制造企业创新意愿的影响依然显著为正,与主回归结果保持一致。

3.2.4 时滞效应检验

考虑到工业智能化对制造企业创新意愿的影响具有时滞效应,本文在原有模型的基础上,将制造企业创新意愿的一阶滞后项和二阶滞后项作为被解释变量进行回归。结果表明,工业智能化对制造企业创新意愿的一阶滞后项结果与主回归结果保持一致,对二阶滞后项的影响效应不显著。

3.2.5 内生性检验

本文线性关系可能存在内生性来源:①互为因果导致的内生性问题,即创新意愿高的制造企业原本工业智能化程度就高;②动态面板偏差导致的内生性问题。为解决上述内生性问题,本文运用两阶段最小二乘法(2SLS)和动态面板模型(GMM)进行检验。

(1)2SLS估计方法检验。为满足工具变量外生性和相关性条件,本文以企业工人的工资水平作为工具变量。首先,工人工资代表企业人力资本水平;此外,工业智能化程度越高的企业人力资本水平也越高,因此工资水平作为工具变量满足与工业智能化的相关性。其次,企业工资水平与制造企业创新意愿之间不存在直接相关关系,因此工资水平作为工具变量满足制造企业创新意愿的外生性条件。估计结果如表4第(1)列所示,第一阶段估计系数为0.057且在1%水平上显著,说明相关性显著;第二阶段估计系数在10%水平上正向显著,表明企业员工工资作为工具变量的结果与主回归结果保持一致;此外,LM检验在5%水平上显著,弱工具变量检验和不可识别检验均在1%水平上显著,表明工具变量选取合理有效。

(2)GMM估计方法检验。将企业上年度创新意愿作为控制变量纳入式(1)中,结果如表4第(2)列所示。制造企业创新意愿滞后一期结果正向显著,说明制造企业创新意愿受自身滞后一期的正向影响;此外,工业智能化发展水平回归结果在1%水平上正向显著,说明在考虑制造企业创新意愿滞后一期后,工业智能化对制造企业创新意愿具有促进作用,这与主回归结果保持一致,并在1%显著性水平上通过sargan检验,说明研究结果有效。在弱工具变量结果中,括号内为10%水平上显著的界限,120.924大于16.38,因此弱工具变量检验至少在10%水平上显著。

3.3 异质性检验

3.3.1 产权性质异质性检验

企业产权性质从资源要素、技术要素、资本要素分配和利用方面影响制造企业创新意愿。不同产权性质企业对创新意愿的激励作用不同。国有企业路径依赖导向较强,外生因素对制造企业创新意愿的激励效果较弱,因此在工业智能化对国有制造企业创新意愿影响过程中可能会产生阻碍效应。同时,国有企业与政府存在直接或间接的联结关系,使得其在供应链中拥有较大“权力”,从而可以轻松获取更多稀缺性资源和信息[31],这会在一定程度上制约供应链集中度的中介效应。相反,非国有企业路径依赖导向较弱,外生因素对制造企业创新意愿的激励作用较强,更容易受工业智能化对创新意愿的正向激励;此外,非国有企业需要通过不断创新获取更多资源并摆脱供应链依赖,这会增强供应链集中度的中介效应。表5展示了产权异质性检验结果,可见非国有企业供应链集中度的中介效应相比于表8更强且系数更显著,国有企业供应链集中度的中介效应不再显著。

3.3.2 企业规模异质性检验

从企业供应链依赖程度看,一般情况下中小企业对供应链上下游企业的依赖程度较高,所获取的专业知识和市场信息较少,为摆脱供应链依赖、维持企业生存与发展,中小企业创新意愿更强。相较于中小企业,大企业在供应链中一般对上下游企业的依赖程度较低,并且拥有更多专业化信息和知识,往往占据较高的市场份额,因此大企业创新意愿不强烈。本文根据企业资产总额,将企业划分为大企业和中小企业进行回归估计,表6展示了企业规模异质性检验结果。从中可见,工业智能化对大企业创新意愿的估计结果不显著,在回归模型中加入供应链集中度后估计系数在10%水平上显著,但供应链集中度的中介效应不明显。工业智能化对中小制造企业创新意愿的估计结果相比于表2得到明显提升;此外,相比于表8,供应链集中度的中介效应更显著。

3.3.3 研发人员占比异质性检验

制造企业创新意愿提升与企业研发人员数量密不可分,若企业研发人员占比较低,则企业会因为人才限制而降低创新意愿;若企业研发人员占比较高,企业具备创新的必要条件,在工业智能化的激励下,企业会提高创新意愿。因此,本文根据制造企业研发人员数量占比是否大于平均值将企业划分为高研发人员占比和低研发人员占比,分别用1和0表示,回归结果如表7所示。从中可见,工业智能化对高研发人员占比企业创新意愿呈显著正向影响,工业智能化对低研发人员占比企业创新意愿的影响不显著。

3.4 中介效应检验

表8第(1)—(2)列展示了供应链集中度的中介效应估计结果。从中可见,第(1)列估计系数为-1.472且在1%水平上显著,表明工业智能化能够显著降低供应链集中度。第(2)列供应链集中度的估计系数为-0.017且在10%水平上显著,工业智能化的估计系数为0.381且在5%水平上显著。根据中介效应检验三步法可知,工业智能化通过降低供应链集中度提升了制造企业创新意愿,假设H2得到验证。表8第(3)—(4)列展示了成本弹性的中介效应估计结果。从中可见,第(3)列估计系数为-1.117且在1%水平上显著,表明工业智能化能够降低企业成本弹性。第(4)列成本弹性估计系数为-1.622且在5%水平上显著,工业智能化估计系数不显著(0.190)。根据中介效应检验三步法可知,工业智能化通过降低企业成本弹性提升了制造业企业创新意愿,假设H3得到验证。

4 进一步检验

4.1 制造企业对客户端的溢出效应

结合前文理论分析可知,制造企业工业智能化转型会提高生产率和产品质量,在“匹配效应”影响下,一定程度上也会推动下游企业技术创新和生产方式变革。根据产业集聚理论,关联性紧密的企业会加速企业之间的信息流动和技术交流,因此上游企业工业智能化水平提升对下游企业具有技术外溢影响,会促进下游企业创新意愿提升。鉴于此,本文借鉴杨金玉(2022)的方法,在等式(1)的基础上构建如下计量模型:

yi,t=α1+αupup_industrial_intelligencei,t+α3Xi,t+θt+λi+εi,t

(4)

其中,αup衡量t年制造企业i智能化对客户端企业创新意愿的溢出效应,用来检验假设H4a,其余变量同式(1)。表9第(1)列展示了制造企业对客户端的溢出效应。从回归结果看,制造企业工业智能化对客户端企业创新意愿的影响不显著,与H4a预期不符,原因可能在于样本选取差异,由于数据可得性,本文仅保留上市客户端企业,因此可能造成估计结果偏误。

4.2 制造企业对供应商的溢出效应

从上文分析可知,由于供应链上下游企业并非平等的交换关系,供应商企业为满足制造企业在工业智能化发展过程中不断提高的原料需求和创新需求,会不断加大自身创新投入以维持和稳定原有供需关系,因此制造企业工业智能化对供应商企业创新意愿具有溢出效应。本文在等式(1)的基础上构建如下计量模型:

yi,t=α1+αbackback_industrial_intelligencei,t+α3Xi,t+θt+λi+εi,t

(5)

其中,αback衡量t年制造企业i智能化对供应商企业创新意愿的溢出效应,用来检验H4b,其余变量同式(1)。表9第(2)列展示了制造企业对供应商的溢出效应,可见制造企业工业智能化对供应商企业创新意愿的估计系数为1.543且在10%水平上显著,说明制造企业对上游企业创新意愿呈正向溢出效应,假设H4b得到验证。

5 结论与建议

5.1 研究结论

工业智能化牵引了新一轮要素变革与结构变革,为提高制造企业创新意愿注入新动力。本文选取2014—2021年制造业A股上市企业样本数据,从直接影响、间接影响和溢出效应多个角度探究工业智能化对制造企业创新意愿的影响,得出如下结论:

(1)直接影响结果表明,工业智能化能显著提升制造业企业创新意愿,经过内生性检验和一系列稳健性检验后结论依然成立;异质性分析结果表明,工业智能化对制造企业创新意愿的积极影响主要集中在非国有企业、中小企业和高研发人员占比企业,国有企业、大企业和低研发人员占比企业估计结果不显著。

(2)间接影响结果表明,工业智能化通过降低供应链集中度提升制造企业创新意愿,供应链集中度的中介效应在非国有企业和中小企业表现得更显著。此外,工业智能化通过降低制造企业成本弹性提升制造企业创新意愿,与供应链集中度相比,这一中介效应范围更普遍。

(3)供应链溢出效应结果表明,制造企业工业智能化对客户端企业创新意愿的溢出效应不显著,但对供应商企业创新意愿的溢出效应显著,即制造企业工业智能化供应链溢出效应主要体现在向上游企业溢出。本文通过供应链集中度和成本弹性揭示工业智能化影响制造企业创新意愿的内在机制,并通过构建供应商—制造业企业—客户端—年度模型研究制造企业工业智能化对上下游企业创新意愿的溢出效应,丰富了工业智能化提升制造企业创新意愿作用机制和供应链溢出效应的研究。

5.2 对策建议

基于上述研究结论,本文提出以下建议:

(1)推广智能化生产模式。政府应逐步提出、实施、优化相关智能化生产政策,从财政补贴、政策资助和科技宣传等方面支持企业工业智能化转型。研究发现,工业智能化能够显著提升制造企业创新意愿,在非国有企业、中小企业和研发人员占比高的企业尤为明显。因此,政府应制定多层次、系统性政策体系,尽可能多地将资源优势向中小企业和非国有企业倾斜以提高制造企业创新意愿。

(2)对企业管理者而言,工业智能化是摆脱供应链依赖、提升企业创新意愿的重要途径。企业应加大工业智能化投入,开展智能化应用,打造智能化工厂、智能制造、智能物流体系,实现生产、管理、服务、环保全方位智能化,加强云计算、物联网、大数据、人工智能等核心技术建设,提升企业核心竞争力和整体效益。对政策制定者来说,应鼓励企业加入智能制造服务共享平台,分享智能化服务和资源,加强企业知识、信息和技术交流,打造国家智能化供应链网络。

(3)制造企业智能化发展应以提高企业生产灵活性、定制个性化服务以及加强信息处理和检测能力为导向,时刻把握上下游产品需求供应信息变化、关注产品更新和自身内外部环境变化,降低成本弹性过低带来的风险,最大程度上提高企业生产效率和创新意愿。

(4)加速国内大循环,打破不同供应链之间的边界,构建多层次、全覆盖的全行业供应链网络。鼓励制造企业向供应链其它企业学习,增加自身知识储备和信息来源。研究发现,制造企业对供应链上游企业具有溢出效应,对下游溢出效应不显著。因此,供应商应该加强与制造业下游企业之间的业务合作与交流,从外部市场学习制造企业的智能化转型经验,完善和驱动企业内部产品创新。客户端企业应加强与上游制造企业的紧密联系,拓展自身供应链网络,通过创新稳定自身市场地位。

参考文献：

[1] ACEMOGLU D, P RESTREPO. The race between man and machine:implications of technology for growth,factor shares,and employment[J]. American Economic Review,2018,108(6):1488-1542.

[2] FADZISO T. The impact of artificial intelligence on innovation[J].Global Disclosure of Economics and Business,2018,7(2): 81-88.

[3] 郑烨,姜蕴珊,秦毅.简政放权、创新环境与科技小微企业创新意愿[J].科研管理,2023,44(2):65-72.

[4] 杜亚灵,李倩,邓斌超.合同激励、失败学习与PPP项目商业模式再创新意愿的关系——失败容忍度的调节作用[J].公共管理与政策评论,2022,11(2):135-147.

[5] 罗宏,王治.文明城市评选活动能否提升企业创新意愿[J].产业经济研究,2023,123(2):97-111.

[6] 张悦玫,方聪聪,崔淼.风险承担、创新意愿与企业转型升级的动态关系研究[J].首都经济贸易大学学报,2023,25(3):89-100.

[7] 周伊敏,周默涵,魏旭,等.机遇还是挑战:宏观冲击对微观创新的影响——基于企业异质性视角的分析[J].中国工业经济,2023,41(1):38-56.

[8] ISAKSSON O H D,SIMETH M,SEIFERT R W. Knowledge spillovers in the supply chain:evidence from the high tech sectors[J]. Research Policy,2016,45(3):699-706.

[9] CHU Y,TIAN X,WANG W. Corporate innovation along the supply chain[J]. Management Science,2018,65(6):2445-2466.

[10] LIU J, CHANG H, FORREST J Y L, et al. Influence of artificial intelligence on technological innovation: evidence from the panel data of China's manufacturing sectors[J].Technological Forecasting and Social Change,2020,158:120-142.

[11] 睢博,雷宏振.工业智能化能促进企业技术创新吗——基于中国2010—2019年上市公司数据的分析[J].陕西师范大学学报(哲学社会科学版),2021,50(3):130-140.

[12] 邓悦,蒋琬仪.工业机器人、管理能力与企业技术创新[J].中国软科学,2022,37(11):129-141.

[13] 陈剑,刘运辉.数智化使能运营管理变革:从供应链到供应链生态系统[J].管理世界,2021,37(11):227-240,14.

[14] 习明明,倪勇,刘旭妍.中国产业数字化对供应链结构的影响——基于A股上市公司的行业异质性分析[J].福建论坛(人文社会科学版),2023,42(5):115-131.

[15] 张虎,高子桓,韩爱华.企业数字化转型赋能产业链关联:理论与经验证据[J].数量经济技术经济研究,2023,40(5):46-67.

[16] HULTEN C R. Growth accounting when technical change is embodied in capital[J]. American Economic Review,1992,82(4):964-980.

[17] AGHION P,A BERGEAUD M LEQUIEN,MELITZ M J. The heterogeneous impact of market size on innovation:evidence from french firm-level exports[R]. NBER Working Paper,2018.

[18] DIXON J,B HONG,WU L. The robot revolution:managerial and employment consequences for firms[J].Management Science,2021,67(9):5586-5605.

[19] 余光胜.企业创新理论演进及进一步研究取向[J].中国管理科学,2013,21(S2):798-803.

[20] ACEMOGLU D,RESTREPO P. Low-skill and high-skill automation[J]. Journal of Human Capital,2018,12(2):204-232.

[21] 孟浩,张美莎.人工智能如何影响劳动力就业需求——来自中国企业层面的经验证据[J].西安交通大学学报(社会科学版),2021,41(5):65-73,93.

[22] SCHEER L K,MIAO C F, GARRETT J.The effects of supplier capabilities on industrial customers′ loyalty:the role of dependence[J].Journal of the Academy of Marketing Science,2010,38:90-104.

[23] 王永贵,赵春霞,赵宏文.算计性依赖、关系性依赖和供应商创新能力的关系研究[J].南开管理评论,2017,20(3):4-14.

[24] CASCIARO T, PISKORSKI M J. Power imbalance,mutual dependence and constraint absorption:a closer look at re-source dependence theory[J].Administrative Science Quarterly,2005,50(2):167-199.

[25] 祝继高,梁晓琴.企业标准化建设与成本弹性研究——来自中国A股制造业上市公司的证据[J].经济研究,2022,57(12):31-50.

[26] 权小锋,李闯.智能制造与成本粘性——来自中国智能制造示范项目的准自然实验[J].经济研究,2022,57(4):68-84.

[27] 苏屹,林周周,陈凤妍,等.企业家地方政治关联对企业创新意愿影响的实证研究[J].管理工程学报,2019,33(1):134-143.

[28] 姜双双,刘光彦.风险投资、信息透明度对企业创新意愿的影响研究[J].管理学报,2021,18(8):1187-1194.

[29] ZHONG R. Transparency and firm innovation[J]. Journal of Accounting and Economics,2018, 66(1): 67-93.

[30] 郑景丽,王喜虹,李忆.企业社会责任、政府补助与创新意愿[J].重庆大学学报(社会科学版),2021,27(6):85-96.

[31] CHEN V Z,LI J,SHAPIRO D M,et al. Ownership structure and innovation:an emerging market perspective[J]. Asia Pacific Journal of Management,2014,31(1):1-24.

(责任编辑：王敬敏)