The Improvement Strategies of Core Technology Innovation Performance in Key Fields of High-Tech Manufacturing Enterprises from the Perspective of Configuration

Feng Qiliang, An Qi, Fang Wei

(School of Management, Northwestern Polytechnical University, Xi'an 710129, China)

Abstract：The decision-making experience and practical evidence on how to enhance enterprises' core technology innovation performance in key fields are relatively scarce and have not been fully studied. At present, most of the studies have only explored the influence of antecedent variables on the core technology innovation performance in key fields, but have not conducted in-depth investigation on the basic conditions of the role of each influencing factor as well as the specific context, and an integrated analytical framework on the antecedent factors of enterprises' core technology innovation performance in key fields is missing.

Therefore, within the TOE theoretical framework, this study takes 80 Chinese high-tech manufacturing enterprises as sample cases, collects and normalizes sample data during the 3-year period from 2018 to 2020, in which R&D investment and other data are from the Cathay Pacific database (CSMAR), invention patent data are from the Wisdom Sprout Global Patent Database (PatSnap), and data related to digital technology are from the annual reports of listed companies. It uses fuzzy-set qualitative comparative analysis (fsQCA) to explore the influencing factors of core technology innovation performance in key fields and their enhancement strategies.

It is found that, first, individual antecedent factors do not constitute a necessary condition for the generation of high innovation performance, but the level of digital technology and firms' research and development (R&D) investment play an important role in generating high innovation performance. Second, there are four different combinations of antecedent conditions, namely digital-integrated innovation strategy, digital-perceived innovation strategy, digital-collaborative innovation strategy, and digital-R&D innovation strategy. Core technology innovation in key fields is not only limited by the influence of knowledge innovation, but also constrained by the enterprise's R&D, innovation resources, etc. Digital technology helps enterprises generate high levels of key core technology innovation performance by effectively improving the enterprise's resource allocation methods, changing technology innovation model. Third, in the grouping of enterprises to achieve high-level core technology innovation performance, when the level of digital technology and the environmental characteristics of enterprises are the same, knowledge integration ability and knowledge perception ability can be effective substitutes for each other. In addition, the knowledge integration capability and knowledge perception capability of an enterprise can effectively complement each other.

The practical implications of this study are threefold. First, enterprises should start from a holistic perspective, and not only focus on the impact of a single factor on their innovation performance. As a complex innovation decision, the R&D of core technology innovation is difficult, and the risk of R&D is high. Enterprises need to fully combine the research foundation of enterprise technology, organizational ability and the external environment. Second, enterprises should combine their own technical conditions and organizational capabilities to build new advantages in technology research and development. In a highly dynamic environment, enterprises with strong knowledge integration capabilities can adopt a digital-integrated innovation strategy and rely on digital technology to assist enterprises in utilizing innovation. Enterprises with strong knowledge-perception capabilities can adopt a digital-perception innovation strategy and use digital technology to assist enterprises in exploratory innovation. When enterprises lack perception or integration capabilities, they can also adopt a digital-R&D innovation strategy to optimize the allocation of innovation resources, adjust the R&D model and change the business model through the deep embedding of digital technology. In addition, in a non-highly dynamic environment, enterprises can adopt a digital-collaborative innovation strategy to empower enterprises to carry out dual innovation activities through digital technology. Third, enterprises should continue to improve their own digital technology level and increase R&D investment to provide new impetus for core technology innovation. Government departments should further improve the optimization mechanism of R&D subsidies, and continue to formulate scientific and effective incentive policies for the layout of digital technology for enterprises, so as to encourage enterprises to adopt digital technology to empower research and innovation in core technologies. While enterprises need to continuously improve and optimize R&D investment, make full use of digital technology effects for R&D, constantly explore new paradigms for R&D, and expand new boundaries of knowledge, so as to achieve core technology innovation in key fields.

Key Words：Core Technology Innovation in Key Fields; Digital Innovation; Innovation Performance; TOE Frame; Configuration Analysis

收稿日期：2023-11-28

修回日期：2024-01-12

基金项目：国家社会科学基金重大项目(22&ZD069);国家社会科学基金一般项目(22BGL011)

作者简介：冯启良(1995-),男,四川广元人,西北工业大学管理学院博士研究生,研究方向为技术创新管理;安琪(1996-),女,陕西延安人,西北工业大学管理学院博士研究生,研究方向为技术创新管理;方炜(1976-),男,湖南平江人,博士,西北工业大学管理学院教授、博士生导师,研究方向为技术创新管理与军民融合。本文通讯作者:方炜。

DOI：10.6049/kjjbydc.2023110798

开放科学(资源服务)标识码(OSID)：

中图分类号：F403.6

文献标识码：A

文章编号：1001-7348(2025)05-0128-11

0 引言

党的二十大报告提出“以国家战略需求为导向,集聚力量进行原创性引领性科技攻关,坚决打赢关键核心技术攻坚战”。不同于一般性技术,关键核心技术在企业竞争、产业发展与全球价值链构建过程中发挥重要作用。近年来,西方国家持续对我国进行“科技制裁”与“科技封锁”,严重制约了我国高技术制造业发展,极大地增加了产业链、供应链以及创新链“断链”风险。一方面,关键核心技术创新有助于围绕高技术制造业重点领域产业链进行“补强”“补缺”,提升产业链供应链韧性和安全水平,从而确保产业体系自主可控和安全可靠;另一方面,关键核心技术创新有助于高技术制造企业转换技术轨道,通过技术转型升级和产品迭代更新获得更多市场经济效益。然而,如何提升企业关键核心技术创新绩效的决策经验与实践证据相对匮乏,尚未得到充分研究。本文紧密贴合这一现实问题,探讨高技术制造企业关键核心技术创新绩效提升策略。

关键核心技术是中国情境下的新概念,如何实现关键核心技术创新已成为亟待破解的重大现实问题,受到学界广泛关注。目前,已有研究以理论分析与案例探究为主,仅少量学者进行了实证研究,主要探究企业关键核心技术创新影响因素。现有研究表明,关键核心技术创新受诸多因素影响,其中,企业特征层面的影响因素主要包括研发投入、创新能力[1]、研发平台体系、科技创新国际化[2]以及数字技术水平[3]等;外部环境层面的影响因素主要包括顶层设计[4]、政府支持[5]、政策体系[6]、科技基础设施[7]以及环境动态性等。此外,部分研究者探讨了关键核心技术创新内涵与外延[8],认为其本质是企业组织层面的知识创新。然而,现有研究大多关注各前因变量对企业关键核心技术创新的影响,既未对各影响因素发挥作用的基本条件以及特定情境进行深入探究,也未基于企业关键核心技术创新绩效前置动因构建整合性分析框架。鉴于关键核心技术研发成本较高、风险较大,部分研究指出,应重点关注企业技术、组织、环境等条件匹配问题[9],从而提升关键核心技术创新绩效。但遗憾的是,尚未有研究对上述问题进行深入探讨。

关键核心技术创新涉及多层面影响因素,不同行业可能采用差异化创新策略,因而有必要借助组态思维对以下问题进行解答:哪些因素会影响以及如何影响中国高技术制造企业关键核心技术创新绩效?在关键核心技术创新过程中,前因条件之间存在何种匹配与替代关系?本文以中国高技术制造企业为研究对象,引入技术—组织—环境(TOE)分析框架,构建关键核心技术创新绩效整合性框架,并利用模糊集定性比较分析法(fsQCA)揭示各前因条件对企业关键核心技术创新的影响以及因素间的交互作用,以期进一步丰富关键核心技术创新前因研究,为中国高技术制造企业提升关键核心技术创新绩效提供系统化决策支撑。

1 理论基础与分析框架

文献分析发现,企业特征层面、外部环境层面诸多因素对企业关键核心技术创新具有重要影响,但多个因素联合触发高创新绩效的内在机理尚未明确。因此,有必要深入探讨影响因素间的组合作用。知识基础观认为[10],知识是企业的重要战略资源,关键核心技术创新需要充分获取、吸收、利用以及创造知识。从知识论角度看,关键核心技术创新需要突破西方国家“封锁”,实现技术底层关键知识与核心知识突破。随着技术复杂度不断提升,产品迭代速度逐渐加快,企业关键核心技术创新需要承担巨额的研发投入与较高的研发风险,政府政策与研发补贴能够为企业研发提供有效支撑。数字经济时代,借助数字技术,企业能够进行知识整合、配置与创造,同时降低动态环境不确定性风险。由此,本文基于TOE理论框架,从技术、组织以及环境3个层面探讨影响关键核心技术创新绩效的相关变量及其联动关系。

1.1 前因条件对企业关键核心技术创新绩效的影响

1.1.1 技术层面

技术条件具体包括数字技术水平与企业研发投入两个二级条件。数字技术对企业创新活动具有重要影响已得到证实,例如通过赋能企业技术研发、借助数字技术推动产业链各环节间互联互通与高效协同,帮助企业获取创新资源、拓展创新边界,进而实现技术创新[11]。关键核心技术创新的本质是知识创新[12],企业需要通过知识深度利用实现关键核心技术利用式创新或通过知识创造实现关键核心技术突破性创新。因此,本文认为,数字技术水平越高越有利于企业关键核心技术知识创新,具体表现为:一方面,数字技术水平越高越有利于加速企业内部知识扩散、知识深度利用以及知识重新组合[13];另一方面,借助数字技术,企业能够降低知识创新过程中的成本投入、研发风险,进而提高知识组合效率,实现关键核心技术创新。研发投入对关键核心技术创新发挥促进作用,主要表现为:第一,研发投入能够直接体现企业技术创新基础以及技术突破意愿,是关键核心技术创新的重要保障。第二,通过加大研发投入,企业能够引进高水平科技人才、先进技术设备以及异质性资源,从而加快知识搜索、消化、吸收以及再利用与再创造。第三,关键核心技术涉及知识复杂程度较高,在开展探索式创新活动过程中企业可能会在资源搜索与知识创新上消耗较高的研发成本。

1.1.2 组织层面

组织层面具体包括知识整合能力与知识感知能力两个二级条件。基于知识基础观,相关研究表明,知识创新既是企业最重要的资源优势,也是企业核心竞争力[14]。知识整合能力与知识感知能力是知识创新的不同方式,主要表现为企业知识获取、吸收、利用与再创造过程。其中,知识整合能力是企业获取、再利用与再配置知识的能力[15],有助于企业通过利用式创新进行技术升级、工艺改进、产品迭代;知识感知能力是企业通过机会识别与快速反应创造新知识的能力,有助于企业通过探索式创新打造新技术与新产品。部分企业同时具备较强的组织动态能力、知识整合能力和知识感知能力,能够通过双元创新实现技术突破。不同企业知识创新能力具有一定差异,在开展关键核心技术创新活动时,企业需要自行选择和调整创新策略。同时,关键核心技术研发很大程度上是企业对外部新知识和内部先验知识进行整合与应用的过程。因此,知识整合能力较强的企业能够实现知识深度整合、重新组合以及再次利用,而知识感知能力较强的企业能够利用环境中的潜在机会进行新知识创造,从而实现关键核心技术创新。

1.1.3 环境层面

环境层面具体包括政府研发补贴[16]与环境动态性两个二级条件。根据权变理论,企业组织战略以及创新行为受其所在环境的影响[17]。关键核心技术壁垒高、研发周期长、资金投入大,企业面临着巨大的研发压力。此时,政府研发补贴能够在一定程度上激励企业进行技术突破[18]。为了加快关键核心技术突破,政府相关部门不仅需要加快完善关键核心技术创新相关政策与制度体系,在关键核心技术创新的重点领域与重点方向制定战略规划,而且应加强重点领域研发补贴,甚至通过减免税收等方式为企业减负。环境动态性是指企业在技术研发时受市场动态性与技术动态性影响。其中,高市场动态性情景下,产品市场竞争激烈,同时市场需求不断变化,企业需要不断升级产品或开发产品;高技术动态性情景下,行业技术发展与迭代速度较快,企业需要按照技术演化方向不断调整创新资源。总体来看,无论是市场动态性还是技术动态性均会导致企业在关键核心技术创新活动过程中面临较高的不确定性风险。

1.2 组态研究框架

TOE框架中,企业技术基础、组织能力以及所处环境动态变化对关键核心技术创新绩效具有重要影响。同时,各前因条件的影响并不孤立,而是始终处于相互作用的过程中。组态视角能够有效分析多重并发因果关系以及不同组态间的等效性问题,进而剖析驱动企业关键核心技术创新绩效提升的复杂因果机制。因此,本文基于整体视角,构建TOE框架下的关键核心技术创新绩效提升组态效应模型,如图1所示。

2 研究方法与数据处理

2.1 研究方法

考虑到前因条件之间可能存在多重交互关系(既相互影响,又作为整体共同影响企业关键核心技术创新绩效),传统回归模型仅能解决单一变量对因变量的“净效应”问题,却无法处理多重交互问题。因此,本文采用fsQCA方法探索关键核心技术创新差异化策略。

2.2 样本选择与数据收集

本文选取中国高技术制造企业为研究对象,依据国家统计局发布的《高技术产业(制造业)分类(2017)》,主要涉及医药制造、航空、航天器及设备制造、电子及通信设备制造、计算机及办公设备制造、医疗仪器设备及仪器仪表制造、信息化学品制造等6大类。在此基础上,本文遵循QCA小样本选取原则,具体选择标准如下:一是依据企业营业收入、总资产负债率、流动比例以及发明专利申请数量等指标判断企业发展状况以及创新能力;二是样本企业近期各项财务指标无较大波动以及无破产退市风险;三是研究样本涉及不同行业,根据行业细分领域,能够体现样本个体异质性。综合对比各样本特征,考虑到创新研发等数据的可得性与客观性,本文从高技术制造行业中筛选出80家典型上市企业为研究样本。此外,本文主要采集2018—2020年样本数据并进行均值化处理,其中,研发投入等数据来自国泰安数据库(CSMAR),发明专利数据来源于智慧芽全球专利数据库(PatSnap),数字技术有关数据来源于上市公司年报。

2.3 变量测量

2.3.1 结果变量

关键核心技术创新绩效(KCT)。鉴于数据的客观性,借鉴聂力兵(2022)的研究成果,本文采用指标体系法从关键核心技术的基础性、体系性、竞争性3个维度构建关键核心技术创新指标体系,利用熵权法计算核心指标权重,再使用合成指数法对各项指标进行赋值,最终得出各项专利综合得分,以此作为关键核心技术专利筛选依据,具体测量指标如表1所示。具体步骤如下:

(1)标准化处理。本文采用的关键核心技术指标均为正向指标,其标准化处理公式如式(1)所示。

(1)

其中,Pi,j,t为标准化处理后企业i指标j第t年的值,Xi,j,t为标准化处理前企业i指标j第t年的值,max{Xj}为样本中指标j的最大值,min{Xj}为样本中指标j的最小值。

(2)计算企业i指标j第t年的权重,记为ωi,j,t,见式(2)。

(2)

其中,n为企业个数,m为年数。

(3)计算指标j的信息熵ej(0≤ej≤1)与变异系数dj,见式(3)(4)。

(3)

dj=1-ej

(4)

(4)计算指标j的权重系数,记为Wj,见式(5)。

(5)

其中,k为指标个数。dj越大,对指标的影响越显著,权重越大。将高技术制造行业进一步细分为8小类制造行业,考虑到行业属性,分别计算各行业关键核心技术创新指标对应权重。

(5)根据企业各专利综合得分,参考已有研究成果,本文将各行业专利得分排名前25%的专利作为关键核心技术专利[19],再计算出80个样本企业各年度对应关键核心技术专利数量,并对所属企业关键核心技术专利数量进行加1取自然对数处理,以此作为企业关键核心技术创新绩效的代理指标。

2.3.2 前因条件

(1)技术层面。数字技术水平(DIG),本文利用 Python 整理了80家样本企业年度报告,并从Java PDFbox 库提取所有文本内容,以此作为后续特征词的数据池。结合现有研究关于人工智能、区块链、云计算、大数据等技术构成的企业核心底层数字技术架构,本文对数据池进行特征词搜索、匹配和词频计数并进行对数化处理,得到衡量企业数字技术水平的整体指标。企业研发投入(R&D)采用企业研发费用支出取自然对数表示。

(2)组织层面。知识整合能力(KIC)主要表现为企业对现有知识库知识元素的再利用与再配置情况,知识感知能力(KSA)主要表现为面对动荡的技术环境与市场环境,企业实现新知识创造与新旧知识交互的情况。参考已有研究成果[20],统计样本企业在 t-6、t-5、t-4 年所属发明专利不同类别知识元素组合情况,以此作为对照组;统计样本企业在 t-3、t-2、t-1年所属发明专利不同类别知识元素组合情况,以此作为观测组。本文基于专利 IPC 分类号“/”之前的部分对知识元素类别进行判断。对于同时出现在对照组与观测组中的知识元素,当知识元素之间的组合同时出现在对照组和观测组时,为知识再利用;当知识元素之间的组合未出现在对照组但出现在观测组时,称为知识再配置。计算知识元素再利用与再配置对应组合次数,将其加1取自然对数,以此作为知识整合能力(KIC)的代理指标。当知识元素未出现在对照组中但出现在观测组时,新元素与新元素的知识组合、新元素与原知识库的知识元素组合被称为新知识感知创造,计算知识元素之间的组合在观测组出现次数,将其加1取自然对数,以此作为知识感知能力(KSA)的代理指标。

(3)环境层面。政府研发补贴(SUB)采用政府财政补贴费用取自然对数表示。参考Ghosh & Olsen[21]的研究成果,本文以企业第t年、t-1年、t-2年、t-3年及t-4年销售收入作为因变量,分别以5、4、3、2和1为自变量进行回归分析,得到模型回归系数的标准误除以企业5年销售额均值,以此作为环境动态性(ED)的代理指标。

本文变量基本信息以及测量方法如表 2 所示。

2.4 变量校准

参考已有研究成果[22],本文采用直接校准法设置所有连续变量的75%、50%、25%分位数值作为完全隶属、交叉点和完全不隶属的3个阈值,对结果变量和6个前因条件进行校准,描述性分析结果如表3所示,变量校准锚点如表4所示。

3 实证结果与分析

3.1 必要性条件分析

必要性条件分析用于判断结果变量的出现在多大程度上依赖于某个单一前因条件变量,而衡量必要条件的标准是该条件一致性水平是否达到0.9。本文采用fsQCA 3.0 进行数据分析,对各前因条件是否为结果变量的必要性条件进行分析,结果如表5所示。结果显示,所有单项条件变量对企业关键核心技术创新绩效提升的必要性均小于0.9。由此判断,各前因条件均不构成结果变量的必要条件。

3.2 条件组态分析

3.2.1 产生高绩效的关键核心技术创新组态分析

参考已有研究成果[17],本文将组态策略一致性(Consistency)阈值设置为 0.8,将PRI 一致性(Proportional Reduction in Inconsistency)阈值设置为 0.7,将案例频数阈值设置为1。通过模糊集定性比较分析得到复杂解、中间解以及简约解,并根据简约解、中间解的嵌套关系识别出影响企业关键核心技术创新绩效的核心条件与边缘条件。通过整理,最终得到产生高绩效关键核心技术创新的组态策略,具体结果如表6所示。

本文按照组态特征将关键核心技术创新策略划分为4种类型,并针对每种创新组态选择典型案例作进一步分析,以验证组态分析结果的一致性。

(1)数字—整合创新型(S1):动态环境下数字技术赋能企业知识整合利用为主导的创新策略。组态S1表明,以知识整合能力、环境动态性为核心条件,以数字技术水平为边缘条件的创新策略能够促进企业关键核心技术创新绩效提升。这意味着当环境动态性较高时,受市场环境与技术环境的影响,关键核心技术研发风险与不确定性在一定程度上会抑制企业研发投入和政府研发补贴。因此,凭借较强的知识整合能力,企业依托数字技术进行知识深度利用与再配置,最终实现关键核心技术创新。数字经济时代,数字技术不断迭代升级,先进的数字技术有助于企业加快内部知识扩散,实现知识深度利用并拓展知识再配置思路。此外,关键核心技术涉及的知识复杂程度较高,数字技术不仅可以有效降低知识利用与整合过程中的成本和研发风险,而且能够提高知识整合效率。

典型案例如全球半导体行业的龙头企业——京东方。依托大数据、物联网、人工智能、云计算等先进数字技术,企业半导体显示业务实现从落后追赶到全球引领,半导体显示屏全球市场占有率排名第一。半导体显示技术在国内最开始是空白,京东方通过海外并购进行消化、吸收、整合与再创新。随着数字技术快速发展,京东方通过数字平台(例如以ERP为中心的运营支撑平台、以CIM为核心的智能制造平台等)在全球范围内低成本、高效率地实现创新资源配置、数据交互共享以及知识整合利用。半导体显示行业技术、产品更新较快,同时受外部环境冲击,京东方积极推动数字化转型以及物联网转型,将企业物理空间、数字空间、虚拟空间有效连接起来,进一步提升自身资源编排与知识整合能力,进而在LCD、OLED、Micro LED领域实现关键核心技术创新,成为引领全球显示行业发展的风向标。

(2)数字—感知创新型(S2):动态环境下数字技术赋能企业知识感知创造为主导的创新策略。组态S2表明,以知识感知能力、环境动态性为核心条件,以数字技术水平为边缘条件的创新策略能够促进企业关键核心技术创新绩效提升。这意味着当环境动态性较高时,凭借较强的知识感知能力,企业依托数字技术进行知识创造,借助关键核心技术底层知识元素构建新的核心竞争优势,最终实现关键核心技术创新。较高环境动态性情景下,拥有较强知识感知能力的企业愿意通过探索式创新活动捕获机会,进而探索新知识。在数字技术辅助下,借助较强的感知能力,企业进一步加快知识迭代速度、降低知识试错频率,通过新知识生成以及新旧知识交互实现关键核心技术创新。以知识感知为主导的探索式技术创新面临较高的研发风险,市场环境和技术环境中的不确定性因素会进一步抑制企业研发投入与政府研发补贴。

典型案例如通讯设备制造行业龙头企业——中兴通讯。2015年以前,企业已经开始数字技术布局,主要将数字技术与组织生产运营相结合。2016年以后,新一代数字技术快速迭代,企业基于数字技术成立物联网合作联盟,搭建了技术创新中心,逐渐完善数字生态网络,有效实现了技术创新管理和创新资源配置[23],提高了自身实时感知、精准分析以及自主决策能力。现有研究表明,关键核心技术受限的原因是企业缺乏原始创新知识元或技术元。由于多次受到美国“技术制裁”,中兴通讯通过探索式创新活动创造技术底层所需的关键核心知识,实现关键核心技术突破。因此,在高度动荡环境中,中兴通讯凭借自主创新能力,依托数字生态网络优势不断拓展技术创新边界,从而在芯片、操作系统、分布式数据库开发等领域实现技术突破。例如,中兴通讯突破了以太网结构的有源数字室内覆盖创新产品QCell,并荣获2020年度国家科学技术进步奖二等奖。

(3)数字—协同创新型(S3):较高研发投入支持下数字技术赋能企业知识整合利用与知识感知创造的创新策略。组态S3表明,以数字技术水平、企业研发投入为核心条件,以知识整合能力与知识感知能力为边缘条件的创新策略能够促进企业关键核心技术创新绩效提升。关键核心技术具有较高的壁垒,所产生的知识具有复杂性。由此,开展关键核心技术创新活动的企业一般需要具备良好的研发基础,需要承受较高的研发成本与研发风险。这意味着得益于较高的数字技术水平与研发投入,企业借助知识整合能力与知识感知能力开展知识创新,从而实现关键核心技术攻关。一方面,企业可以通过较强的知识整合能力进一步实现内外部知识整合利用,借助数字技术提升知识利用与配置效率;另一方面,企业通过较强的知识感知能力识别更多市场信息与技术机会,借助以人工智能、机器学习为代表的数字技术促进新知识生产,从而丰富自身知识库。因此,企业通过数字技术赋能探索式与利用式知识创新,进而实现关键核心技术突破。此情境下,政府研发补贴作为核心条件缺失,原因在于,当关键核心技术研发处于低风险阶段时,政府补贴企业研发活动的预期边际收益小于边际成本,研发补贴可能会产生挤出效应[24]。

典型案例如电气机械制造行业龙头企业——美的电器。作为全球领先的家电龙头,该企业多项技术达到行业先进水平。此情境下,进一步探索新技术过程中政府研发补贴可能产生挤出效应。在政府研发补贴这一核心条件缺失情境下,企业仍能保持科技领先的原因如下:一方面,坚持加大技术研发投入。美的电器一直重视基础研究与应用研究,近5年投入研发资金超过500亿元,在全球拥有35个研发中心。另一方面,美的电器不断开展数字化、智能化探索与布局,经历了数字化补课阶段以及智能化创新阶段,已经具备数字驱动的全价值链以及柔性化智能制造能力。数字化补课阶段,在运作层面企业逐步实现业务、流程及信息系统集成化与标准化,进而实现知识获取、知识重构、知识分享、知识迭代与知识反馈。智能化创新阶段,先进的数字技术智能系统具备全面数字化、智能化和模拟化特征,美的电器借助人工智能、虚拟现实等技术进一步进行研发决策、虚拟模拟以及仿真验证,为知识创新提供新思路,不仅可以缩短探索创新周期,而且能够有效降低知识探索成本。美的电器重视科技研发投入,通过“数智驱动”发展战略开展双元创新活动,最终在多个领域取得重大技术突破,多项技术实现国际领先。

(4)数字—研发创新型(S4a—S4c):以数字技术水平与企业研发投入为主导的创新策略。组态S4a表明,当政府研发补贴作为核心条件缺失时,企业可以凭借较高的数字技术水平与研发投入实现关键核心技术创新。企业能否开展关键核心技术创新需要依据市场变化或技术演化规律进行预判,较高的研发投入可为关键核心技术攻关提供保障,先进的数字技术可为企业研发模式变革注入新动能。组态S4b表明,当知识整合能力作为核心条件缺失时,企业难以对现有知识进行再配置,需要借助数字技术开展研发创新活动。关键核心技术研发初期,研发风险较大,需要较高的研发投入。此时,政府研发补贴具有一定的激励作用,能够提升企业研发投入的预期边际收益[24],从而促使企业加大研发投入力度。组态S4c与组态S4b具有一定的相似性,动态环境下,政府研发补贴的激励效应以及数字技术的赋能效应共同促进企业关键核心技术创新。综合来看,不同于数字—整合创新型、数字—感知创新型以及数字—协同创新型策略,数字—研发创新型策略不是以知识创新为主导,而是通过数字技术赋能企业创新业务、流程及模式等方式实现关键核心技术创新。

激光智能制造行业龙头企业——光韵达,该企业可作为组态S4a的典型代表。光韵达是国内首家激光应用领域上市公司,采用“精密激光技术+智能控制技术”突破传统生产方式,为全球电子制造企业提供相关产品。相较于竞争对手,光韵达表面组装技术(Surface Mounting Technology,SMT)具有领先优势,精密激光模板成功入选“单项冠军产品”,市场份额稳居全国第一。一方面,持续性研发投入是光韵达实现技术突破的重要保障。近年来,光韵达研发投入平均增长率高达56.43%,加快实现SMT技术迭代更新。另一方面,数字技术应用以及数字生产研发模式变革是光韵达实现技术突破的重要支撑。作为电子组装行业技术,SMT技术短期内无法直接获得政府专项研发资助,光韵达积极引进先进数字技术,不断优化生产工艺、改善生产流程、提高生产能力,从而实现关键核心技术创新。

电子设计制造行业龙头企业——环旭电子,该企业可作为组态S4b的典型代表。环旭电子拥有领先的制程能力,持续突破系统级封装技术(System in Package, SiP),高密度表面贴装技术远远领先于竞争对手,不仅以较低工艺成本确保芯片系统具有较高的集成度,而且提高了芯片系统性能以及产品竞争力。深入分析企业在芯片系统封装领域取得的重要成果,主要原因如下:第一,不断加大研发投入,近年来企业平均研发投入占营业收入的比值为3.63%。其中,2020年企业研发投入高达15.76亿元。第二,企业将“智能制造”作为重要经营策略,深入贯彻“中国制造2025”发展战略,制定详细的行业4.0智能制造发展计划,引入大量先进自动化技术推动智能化工厂建设,真正意义上实现数字化研发、智能化生产与制造。第三,核心制程有关技术发展对我国芯片设计制造具有重要意义,环旭电子制程能力提升得益于政府政策引导与支持。

液晶玻璃基板制造行业龙头企业——东旭光电,该企业可作为组态S4c的典型代表。不断增加的消费电子产品需求推动国内企业开展技术研发,进而改变我国“缺芯少屏”中“少屏”的局面。然而,长期以来,液晶玻璃基板被国外企业垄断。此情景下,东旭光电开展液晶玻璃基板关键核心技术攻关需要较高的研发投入,承担较高的研发风险。由此,东旭光电在国家政策指引与财政补贴支持下,一直坚持“苦练内功”。一方面,企业持续加大研发投入,成立中国唯一平板显示玻璃技术和装备国家工程实验室,为液晶玻璃基板技术创新奠定基础;另一方面,东旭光电坚持数字化转型,打造智能化研发生产体系,并注重将消费者需求与研发设计、生产制造等流程融合。东旭光电“5G+智能化”工厂通过优化资源配置方式、改变技术研发模式以及缩短技术验证周期获得相关部门高度认可,多次突破国际技术封锁。东旭光电牵头完成的“光电显示用高均匀超净面玻璃基板关键技术与设备开发及产业化”项目荣获国家科学技术进步奖一等奖,打破了国外在位企业在该领域的技术垄断。

3.2.2 产生非高绩效的关键核心技术创新组态分析

本文进一步检验产生非高绩效的关键核心技术创新组态策略,包括NS1、NS2、NS3、NS4、NS5共5类,结果如表7所示。组态NS1表明,若数字技术水平、企业研发投入与动态性环境作为核心条件缺失,即使企业获得政府研发补贴,也难以实现关键核心技术创新。组态NS2表明,若数字技术水平、企业研发投入与动态性环境作为核心条件缺失,即使企业获得政府研发补贴且具备一定的知识整合能力,也难以实现关键核心技术创新。对比组态NS1与NS2发现,非动态环境下,关键核心技术创新离不开企业数字技术与企业研发投入两个条件。组态NS3表明,数字技术水平、企业研发投入与政府研发补贴作为核心条件缺失,同时缺乏知识整合能力与知识感知能力。因此,动态环境下,当技术条件与组织能力缺乏时,企业难以开展关键核心技术创新活动。组态NS4与NS5表明,当知识感知能力作为核心条件存在,数字技术水平、知识整合能力作为核心条件缺失时,企业难以实现关键核心技术创新。究其原因,关键核心技术创新所涉及的知识复杂度较高,即使企业具有一定的知识感知能力,若缺乏数字技术与知识整合能力两个条件,也难以将现有海量、复杂知识内化,因而不利于关键核心技术攻关。

3.3 前因条件间共性与互补关系分析

综合比较高创新绩效组态策略发现,取得高绩效的关键核心技术创新策略必须包含数字技术水平与组织层面的前因条件,或包含数字技术水平与企业研发投入两个前因条件。同时,对比高水平与非高水平关键核心技术创新绩效组态发现,数字技术水平与企业研发投入是企业实现高水平关键核心技术创新绩效的重要前因条件。数字经济时代,技术变革速度加快、市场竞争愈加激烈,数字技术对企业知识开发与知识探索等知识编排活动的影响已得到证实。组态S1—S3表明,借助数字技术,企业利用知识整合能力实施利用式创新,利用知识感知能力实施探索式创新,利用知识整合能力与知识感知能力协同实施双元创新,进而实现关键核心技术攻关。除替代关系外,组态S1、组态S2可以实现互补,从而得到组态S3。此外,关键核心技术创新不仅受知识编排的影响,而且受企业研发基础、创新资源等因素的影响。借助数字技术,企业能够有效提升资源配置效率、优化技术研发模式,甚至在一定程度上突破物理空间限制[25],提升对外开放合作程度,不仅可以获取更多异质性资源,而且能够降低关键核心技术研发成本和研发风险。

3.4 稳健性检验

3.4.1 必要性分析

本文基于R软件中的NCA包探讨单个前因条件的必要性[26]。

(1)前因条件效应量分析。现有研究主要采用上限回归(Ceiling Regression,CR)或上限包络分析(Ceiling Envelopment,CE)方法对效应量进行估计。本文样本数据均为连续变量,故选择CR方法下的估计结果。同时,在NCA方法中,必要条件需要满足如下要求:效应量d不小于0.1且蒙特卡罗仿真置换检验显示效应量是显著的(p<0.05)。表8结果进一步证实,6个前因条件均不是促使企业关键核心技术创新绩效提升的必要条件。

(2)前因条件瓶颈水平分析。瓶颈水平是指达到特定结果需要前因条件满足的水平值。表9显示,若高技术制造企业实现80%的关键核心技术创新绩效,需要22.2%的数字技术水平以及0.8%的环境动态性,其它4个前因条件则不存在瓶颈水平。

3.4.2 充分性分析

本文进行如下充分性分析:第一,将原始一致性阈值由0.80提高到0.85,结果显示,组态结果未发生显著变化;第二,将PRI一致性阈值由0.70提高到0.75,结果显示,组态结果未发生显著变化;第三,将PRI一致性阈值由0.75提高到0.80,新组态结果如表10所示。结果表明,在一致性阈值提高后,除原组态策略S2(数字—感知创新型策略)不存在外,其余组态策略均不变,且未出现新的组态策略,模型调整前后得到的组态策略存在清晰的子集关系。由此说明,研究结果具有较好的稳健性。

4 结语

4.1 研究结论

本文基于TOE分析框架,以我国80家高技术制造企业为研究样本,采用模糊集定性比较分析法(fsQCA),从技术、组织和环境3个维度探讨企业关键核心技术创新绩效提升组态策略,得到以下主要研究结论:

(1)单个前因要素并不构成高创新绩效产生的必要条件,但数字技术水平和企业研发投入在高创新绩效产生过程中发挥重要作用。

(2)存在4种前因条件组合,分别为数字—整合创新型策略、数字—感知创新型策略、数字—协同创新型策略以及数字—研发创新型策略。关键核心技术创新不仅受知识创新的影响,而且受企业研发基础、创新资源配置以及技术研发模式等因素的影响。数字技术通过提升企业资源配置效率、改变技术研发模式等方式助力企业实现高水平关键核心技术创新绩效。

(3)企业高水平关键核心技术创新绩效组态中,当数字技术水平以及企业所处环境特征相同时,知识整合能力和知识感知能力不仅可以替代彼此,而且能够实现有效互补。

4.2 理论贡献

(1)从理论视角看,现有相关研究大多为理论分析,本文基于TOE理论框架探讨企业关键核心技术创新绩效,不仅丰富了企业关键核心技术创新研究视角,而且拓宽了中国情境下TOE理论框架的适用范围。

(2)从研究内容看,不同于现有相关研究关注分散性前因条件的影响,本文重点关注技术、组织、环境等多重前因条件的综合作用,丰富了高技术制造企业关键核心技术创新研究内容。

(3)从研究结论看,本文基于整体性组态视角,从技术、组织和环境3个维度探究企业高水平关键核心技术创新绩效的多样性组态,在一定程度上打开了数字技术影响企业关键核心技术创新的“黑箱”。

4.3 实践启示

(1)企业应从整体性视角切入,不能仅关注某单一因素对创新绩效的影响。作为复杂创新决策,关键核心技术创新难度较大,研发风险较高,企业需要充分结合自身技术基础、组织能力以及外部环境等方面加以综合考量。

(2)企业应结合自身技术条件与组织能力构建技术研发优势。动态环境下,知识整合能力较强的企业可以采取数字—整合创新型策略,依托数字技术开展利用式创新,进而实现关键核心技术攻关。知识感知能力较强的企业可以采取数字—感知创新型策略,借助数字技术开展探索式创新,进而实现关键核心技术攻关。当缺乏感知能力或整合能力时,企业可以采取数字—研发创新型策略,通过数字技术深度嵌入实现创新资源配置优化、研发模式调整、市场开拓以及商业模式变革,进而实现关键核心技术创新。此外,非高动态环境下,企业可以采取数字—协同创新型策略,借助数字技开展关键核心技术双元创新活动,从而实现关键核心技术创新。

(3)企业应不断提升自身数字技术水平,加大技术研发投入,为关键核心技术创新提供新动力。政府相关部门应进一步完善研发补贴优化机制,制定科学的激励政策,从而激发企业依托数字技术实现关键核心技术研发创新的积极性。此外,企业需要不断加大研发投入,充分利用数字技术探索研发的新范式、开辟技术的新轨道、拓展知识的新边界,从而实现关键核心技术创新。

4.4 局限与展望

本文存在以下局限:第一,仅对2018—2020年80家企业面板数据进行了均值化处理,无法获知不同组态以及组态要素随时间推移发生的变化,后续需要进一步基于面板数据进行组态分析。第二,采用模糊集定性比较分析法(fsQCA)从技术、组织和环境3个维度探讨企业关键核心技术创新绩效提升组态策略,但结论的普适性有限,未来可以基于大样本数据对更多因素进行全面、深入的分析。第三,关键核心技术创新研究起步较晚,结果变量测度方法较少,现有测度方式可能存在一定的偏差,未来可进一步开发成熟测度量表,以全面评价企业关键核心技术创新绩效。

参考文献：

[1] 张玉臣, 谭礼. 关键核心技术的概念界定、特征辨析及突破路径[J].中国科技论坛, 2023,39(2): 20-29.

[2] 张羽飞, 刘兵, 原长弘. 关键核心技术突破:概念辨析、影响因素与组织模式[J].科学管理研究, 2023, 41(4): 23-32.

[3] 张杨. 数字经济关键核心技术的自主发展模式探究[J].管理学刊, 2023, 36(4): 146-158.

[4] 余江, 管开轩, 李哲, 等. 聚焦关键核心技术攻关强化国家科技创新体系化能力[J].中国科学院院刊, 2020, 35(8): 1018-1023.

[5] 张羽飞, 刘培琪, 原长弘. 产学研融合对制造业领军企业关键核心技术突破绩效的影响——政府与市场双元制度情境的调节作用[J].科技进步与对策,2024,41(13):33-44.

[6] 郭本海, 王鹏辉, 崔文海,等. 考虑关键核心技术发展的我国集成电路产业政策效力研究[J].科技进步与对策, 2023, 40(3): 41-51.

[7] 杨壮, 吴福象, 龚恩泽. 网络基础设施建设、资源配置效率与关键核心技术突破[J].山西财经大学学报, 2023, 45(8): 86-99.

[8] 冯堃, 李显君, 熊昱,等. 关键核心技术研究综述:概念、结构、突破路径与机制[J].科研管理, 2023, 44(12): 21-30.

[9] 王昶, 何琪, 耿红军, 等. 关键核心技术国产替代的逻辑、驱动因素与实现路径[J].经济学家, 2022,34(3): 99-108.

[10] GRANT R M. Toward a knowledge-based theory of the firm[J].Strategic Management Journal, 1996, 17(S2): 109-122.

[11] VIAL G. Understanding digital transformation: a review and a research agenda[J].The Journal of Strategic Information Systems, 2019, 28(2): 118-144.

[12] 胡登峰, 黄紫微, 冯楠,等. 关键核心技术突破与国产替代路径及机制——科大讯飞智能语音技术纵向案例研究[J].管理世界, 2022, 38(5): 188-209.

[13] 陈立勇, 张洁琼, 曾德明,等. 知识重组、协作研发深度对企业技术标准制定的影响研究[J].管理学报, 2019, 16(4) : 531-540．

[14] 邹国平, 郭韬, 任雪娇. 区域环境因素对科技型企业规模的影响研究——组织学习和智力资本的中介作用[J].管理评论, 2017, 29(5): 52-63.

[15] 周雄勇, 朱庆华, 许志端. 数字追溯对食品企业创新行为的影响——知识整合的中介效应和环境动态性的调节效应[J].中国管理科学, 2023, 31(3): 186-195.

[16] 郑世林, 张果果. 制造业发展战略提升企业创新的路径分析——来自十大重点领域的证据[J].经济研究, 2022, 57(9): 155-173.

[17] 王宛秋, 王雪晴, 刘晓燕,等. 基于TOE框架的企业跨界技术并购绩效的提升策略研究——一项模糊集的定性比较分析[J].南开管理评论, 2022, 25(2): 136-148.

[18] 吴超鹏, 严泽浩. 政府基金引导与企业核心技术突破:机制与效应[J].经济研究, 2023, 58(6): 137-154.

[19] LOU B, WU L. AI on Drugs: Can artificial intelligence accelerate drug development? Evidence from a large-scale examination of bio-pharma firms[J]. Management Information Systems Quarterly, 2021,45(3):1451-1482.

[20] CARNABUCI, GIANLUCA,ELISA OPERTI. Where do firms' recombinant capabilities come from? intraorganizational networks, knowledge, and firms' ability to innovate through technological recombination[J].Strategic Management Journal, 2013, 34(13): 1591-1613.

[21] GHOSH D, OLSEN L. Environmental uncertainty and managers' use of discretionary accruals[J].Accounting, Organizations and Society, 2009, 34(2): 188-205.

[22] FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research[J].Academy of Management Journal, 2011, 54(2): 393-420.

[23] 柳学信, 杨烨青, 孙忠娟. 企业数字能力的构建与演化发展——基于领先数字企业的多案例探索式研究[J].改革, 2022,35(10): 45-64.

[24] 何晴, 刘净然, 范庆泉. 企业研发风险与补贴政策优化研究[J].经济研究, 2022, 57(5): 192-208.

[25] 张昕蔚. 数字经济条件下的创新模式演化研究[J].经济学家, 2019,31(7): 32-39.

[26] DUL J. Necessary condition analysis (NCA) logic and methodology of "necessary but not sufficient" causality[J].Organizational Research Methods, 2016, 19(1): 10-52.

(责任编辑：张 悦)