Digital Technology Diversification and Firms' Collaborative Innovation:The Perspective of Technology Affordance Theory

Li Yajie1,2, Su Taoyong1,2, Liu Shuling1,2

(1.School of Economics and Management, Tongji University;2.Laboratory of High Quality Urban Development and Strategic Decision, Tongji University,Shanghai 200092, China)

Abstract：In the digital economy era, propelled by the dual forces of technological evolution and policy guidance, digitally-enabled collaborative innovation has become a pivotal strategic imperative for enterprises to cultivate competitive advantages and achieve sustainable development.Digital technology diversification empowers firms to enhance inter-organizational resource orchestration and opportunity responsiveness through constructing digital technology portfolios, expanding digital-physical collaborative frontiers, and dynamically allocating heterogeneous technological elements, thereby serving as a critical value co-creation source of collaborative innovation in digital context.However, current research has three gaps:first, it ignores the actual organizational behaviors of deploying multiple digital technologies simultaneously; second, it remains unclear that whether digital technology diversification can mitigate the limitations of conventional technological diversification through complementary and synergistic effects of technologies; third, it lacks a systematic analysis of how internal organizational capabilities(absorptive capacity) and external environmental conditions (environmental munificence) contingently shape the enabling potential of digital technology diversification for collaborative innovation.

Following technology affordance theory, this study conducts empirical analysis using a sample of A-share listed high-tech firms in China from 2012 to 2023.The study identifies sample firms based on high-tech enterprise certification information disclosed in the CSMAR database, following a rigorous screening process,which yields an unbalanced panel of 3 211 high-tech enterprises comprising 21 059 firm-year observations.Patent data for measuring digital technology diversification and collaborative innovation are sourced from Clarivate Analytics' IncoPat database, while firm-level and industry-level data for absorptive capacity, market munificence, and control variables are obtained from CSMAR.To address unobserved firm-specific factors (e.g., corporate culture) and time-varying factors (e.g., economic cycles), mitigate potential endogeneity, and enhance estimation accuracy, the study employs two-way fixed effects models with both firm and year fixed effects for hypothesis testing.

This study finds that digital technology diversification significantly enhances firms' collaborative innovation.The relationship is positively moderated by absorptive capacity, meaning the effect is stronger when firms possess higher capacity to absorb knowledge.Conversely, market munificence negatively moderates the relationship, indicating that the positive impact is weaker in more favorable market environments.These moderating effects are evidenced by significant interaction terms in regression models.To ensure robustness, the study conducts multiple supplementary tests.These include re-measuring digital technology diversification using all patent IPC codes, extending the lag structure to two years, and operationalizing collaborative innovation via the natural logarithm of jointly granted patents.The results across these various specifications consistently support the baseline conclusions regarding the effects of diversification, absorptive capacity, and market munificence.

The theoretical contributions of the study are as follows:First, this study extends the research of technological diversification into the digital context by clarifying the concept of digital technology diversification and validating the applicability of technology affordance theory within this domain.Second, this study shifts the research focus from digital technologies as an aggregate or single-dimensional construct to diversified digital technology portfolios and reveals the positive impact of digital technology diversification on collaborative innovation, thereby deepening the understanding of collaborative innovation in digital contexts.Third, this study elucidates how absorptive capacity and market munificence shape the value realization of collaborative innovation empowered by digital technology diversification, advancing the comprehension of the interactive mechanisms among technology, capability and environment.Besides, the findings of this study also provide practical guidance for firms to optimize technology allocation and enhance collaborative innovation capabilities in the context of digital economy.For managers, it is essential to establish a standardized, modular digital technology framework.Strengthening organizational absorptive capacity is also crucial.This can be achieved by forming cross-functional teams, promoting internal knowledge sharing, and building a knowledge base to enhance the efficiency of integrating diverse technologies.Furthermore, strategies must adapt to market conditions.In resource-rich markets, companies should focus R&D on core technologies and deepen collaboration with key partners.Conversely, in resource-constrained environments, firms should increase the diversity of their digital technologies to broaden the scope for collaborative innovation and improve matching capabilities with external partners.

Key Words：Digital Technology Diversification;Collaborative Innovation;Absorptive Capacity;Market Munificence; Technology Affordance Theory

收稿日期：2025-12-07

修回日期：2026-03-10

基金项目：国家社会科学基金重点项目(23AGL007)

作者简介：李雅洁(2000—),女,安徽淮北人,同济大学经济与管理学院博士研究生,研究方向为创新管理;苏涛永(1982—),男,湖北松滋人,博士,同济大学经济与管理学院教授、博士生导师,研究方向为战略与创新管理;刘姝伶(1997—),女,四川德阳人,同济大学经济与管理学院博士研究生,研究方向为创新管理。

DOI：10.6049/kjjbydc.D32025120501

开放科学(资源服务)标识码(OSID)：

中图分类号：F273

文献标识码：A

文章编号：1001-7348(2026)15-0073-12

0 引言

2025年《国务院关于深入实施“人工智能+”行动的意见》指出,“加强人工智能与生物制造、量子科技、第六代移动通信(6G)等领域技术协同创新,以新的科研成果支撑场景应用落地,以新的应用需求牵引科技创新突破”,“推进工业供应链智能协同,加强自适应供需匹配”。数字经济时代,数字技术的快速迭代及其与多元场景的融合使得企业创新逻辑发生由内部线性研发向生态化协同共创的根本性重构,合作创新已成为企业构建可持续竞争优势的重要途径[1]。企业亟需思考如何构建能够支撑合作创新的技术基础与能力体系。在企业实践中,海尔利用5G、AI、区块链等多元数字技术,在工业互联网、智能制造等领域与传统制造企业、信息产业企业等创新主体开展跨界协作,以多元化数字技术栈为基础,实现合作创新的倍增效应。由此可见,数字技术的多元化融合已成为企业构建开放协同创新生态的基础和关键技术支撑。

作为重要的技术配置策略,数字技术多元化是指企业在多个数字技术领域配置和拓展其技术知识基础的行为策略[2-4],其核心在于通过多类数字技术的深度融合增强合作主体间资源整合能力和机会利用能力,是数字情境下合作创新的价值共创来源。企业可以利用多元化数字技术构建更具灵活性的数字技术组合矩阵[5],持续拓展数实融合的技术合作边界,实现技术要素的动态配置,从而构建高效敏捷和可持续的合作创新生态。尽管现有研究从单一数字技术或整体数字技术应用视角探讨其对企业合作创新的影响[6-8],但对于企业同时采用多种数字技术的现实情境以及不同数字技术间可能存在的互补和融合效应缺乏充分关注[5],难以解释同样采用数字技术的企业在合作创新表现上的差异性。进一步地,既有研究认为,过度的技术多元化会因管理协调成本上升与知识整合复杂性加剧而抑制合作创新[9-10],但该结论是否同样适用于数字技术情境仍有待商榷。基于技术可供性理论,数字技术所具备的连接性、嵌入性与可编辑性等特征[11-12],使得异质性技术间更易实现互补与融合,从而可能改变传统技术多元化作用于合作创新的内在逻辑。因此,数字技术多元化能否缓解传统技术多元化的协调与整合约束,并形成差异化的合作创新效应,成为亟需回答的重要研究问题。

此外,基于技术可供性理论,多元化数字技术资源向合作创新成果转化的过程受到组织能力与外部环境的双重限制[13],其高度依赖于组织内部能否有效吸收、转化技术知识,以及外部环境能否提供足够的试错空间与价值回报。一方面,多元化数字技术赋能合作创新的潜在可能性只有当组织有效识别、吸收和利用知识后才能发挥实际效能。因此,吸收能力作为企业内部知识基础与外部技术资源链接的桥梁[1],在识别、获取、吸收及整合多元化数字技术和跨组织技术的过程中发挥关键作用,构成数字技术多元化影响合作创新的关键能力边界。另一方面,数字技术多元化赋能合作创新的效应也受到外部资源环境的制约。市场丰裕度反映了特定市场环境中为企业发展提供关键性资源(如技术、资金、人才等)的丰富程度[14],直接影响企业资源配置方式与技术组合策略选择,进而影响多元化数字技术赋能合作创新成果的潜在可能性。

鉴于此,本研究基于技术可供性理论,以2012-2023年中国A股上市的高新技术企业为研究对象,结合数字技术具有的连接性、嵌入性和可编辑性特征,探讨数字技术多元化对企业合作创新的影响机制,并围绕组织能力和外部环境对技术潜在可供性的作用,进一步分析内部吸收能力和外部市场丰裕度对上述关系的调节效应。本研究的理论贡献主要体现在三个方面:第一,突破既有研究主要聚焦传统技术多元化的局限,基于数字情境厘清了数字技术多元化内涵及其对合作创新的促进作用,回应了现有学者对关注多元化数字技术组合的呼吁[5],同时,为企业应对传统技术多元化困境提供了新的理论方向,并拓展了技术可供性理论在数字情境下技术多元化研究中的解释力。第二,区别于既有研究主要从整体数字技术应用或单一数字技术视角探究合作创新,本研究关注数字技术多元化这一技术配置策略,推动相关研究由技术采用转向技术组合,从而拓展数字情境下合作创新研究视角。第三,从组织能力与外部环境切入,引入吸收能力与市场丰裕度,揭示二者在数字技术多元化赋能合作创新中的异质性调节作用,从而深化对数字情境下“技术—能力—环境”互动关系的理解,并拓展数字技术与创新管理领域的理论边界。

1 文献综述

1.1 数字技术与技术多元化对合作创新的影响

为厘清数字技术多元化的概念内涵,揭示其影响合作创新的作用逻辑,本研究围绕数字技术与技术多元化两个方面,对相关文献进行梳理。

数字经济时代,数字技术日益成为驱动企业合作创新的重要因素。既有研究主要从数字技术应用[6]以及人工智能技术[7]、区块链技术[8]等单一数字技术出发,探讨其对合作创新的影响。研究普遍认为,数字技术主要通过强化知识协同[6-7]和改善合作治理[8]两个方面促进企业合作创新。一方面,大数据、人工智能等数字技术依托海量信息采集、识别与分析能力,助力企业精准识别互补性知识与潜在合作机会[7],并促进内外部技术知识匹配与重组,从而有利于提高合作创新效率;另一方面,区块链、物联网等数字技术通过增强信息透明度,减少信息泄露风险和缓解信息不对称,从而有利于降低谈判、协商等外部交易成本,促进合作创新[8]。

技术多元化的相关研究表明,技术多元化对合作创新的影响并非简单的线性促进作用。一方面,技术多元化通过拓展企业知识基础与能力边界,向外传递技术能力与资源禀赋信号,从而提升企业合作吸引力,促使企业更加依赖外部资源以整合跨领域知识,强化企业参与合作创新动机[9]。另一方面,技术多元化的过度扩张也会加重管理协调负担,提高沟通成本与知识整合复杂性[9-10],从而对合作创新产生不利影响。

综上,既有研究分别揭示了数字技术对合作创新的赋能作用,以及技术多元化对合作创新具有知识组合优势与整合约束并存的双重效应。因此,数字技术多元化不能被视为数字技术效应或传统技术多元化效应的简单延伸。相较于传统技术多元化,数字技术多元化依托数字技术的独特特征[11-12],更易促进技术互补与融合,提升企业跨界整合能力,但是数字技术多元化能否突破传统技术多元化的困境,持续赋能企业合作创新有待进一步探讨。

1.2 数字技术多元化的概念内涵

现有文献围绕数字技术和技术多元化概念展开了丰富探讨[2-4,15],但对数字技术多元化的概念内涵尚未形成清晰界定。数字技术是信息、计算、通信和连接技术的组合[2],涵盖大数据、云计算、人工智能等多类技术,其本质特征体现为连接性、嵌入性、可编辑性等[11-12]。传统技术多元化研究主要关注企业在技术领域的横向拓展,定义为企业将其技术知识基础拓展到多个技术领域的行为策略[3-4],用于反映企业组合多样性技术的丰富程度[16]。基于此,本研究将数字技术多元化界定为企业在多个数字技术领域配置和拓展其技术知识基础的行为策略[2-4]。

此外,学者们还关注到数字技术应用广度和数字多元化两个概念,但其与数字技术多元化的关注焦点不同。数字技术应用广度是指企业采用数字技术的数量[17],主要反映数字技术在企业内部业务与管理流程中的覆盖范围和应用程度。数字多元化则定义为数字化赋能的产品、服务及商业模式的多元化形式,体现企业通过参与各类数字化活动拓展价值创造边界、挖掘新机遇的能力[18]。相比之下,数字技术多元化关注企业掌握的数字技术知识在不同数字技术领域中的异质性和互补性,反映其数字技术知识基础的丰富度及组合结构,强调多类数字技术组合如何通过重组和整合创造新潜能。

1.3 技术可供性理论及其在数字情境下的发展

技术可供性是由技术对象与目标导向的行为主体(个人或组织)间的互动所产生,并与特定结果相关的行为潜力[13,19]。这种潜力既源于技术本身的功能设计,也依赖于行为主体为实现特定目标而对技术进行的适应性使用,最终通过技术、使用者以及环境的动态交互得以实现和扩展[15,20-21]。

现有研究指出技术可供性理论能够有效阐释数字技术价值捕获机制及数字技术与创新主体间的交互关系[15,22]。本研究认为多元化数字技术形成的可供性组合能够充分发挥数字技术间及其与传统技术间的融合效应,扩展企业合作创新的潜在可能性。此外,鉴于技术可供性的实现同时受到组织能力和外部环境的约束[13,21],本研究引入吸收能力和市场丰裕度作为边界条件。具体而言,吸收能力决定企业识别外部技术以及整合多元化数字技术与外部技术的效率,而市场丰裕度则影响企业利用数字技术多元化赋能合作创新过程中的资源配置决策与路径选择。

2 理论分析与研究假设

2.1 数字技术多元化与企业合作创新

基于技术可供性理论,数字技术多元化提供了开放和灵活的可供性环境,拓展了企业技术整合与重组的潜在行动空间[23]。数字技术多元化依托数字技术特有的连接性、嵌入性和可编辑性等特征[11-12],易于形成技术互补和融合效应[5],降低管理协调与知识整合成本,从而推动合作创新实现倍增效应。

(1)基于数字技术的连接性,数字技术多元化通过强化技术间的协同互补[5],促进合作各方信息协同与技术联结,提升合作创新效率。数字技术的连接性使得多元化数字技术能够基于通信协议和接口实现连接与融合[11],形成可编排的技术组合[23]。因此,企业可根据任务需求调用并协同数字技术模块,将外部技术转化为可交互的数据与功能模块,依托标准化接口实现跨组织技术的联结与深度耦合[11],从而降低协调成本,提升合作创新质量和效率。

(2)基于数字技术的嵌入性,数字技术多元化通过创建模块化知识架构推动数实融合,提升跨组织知识整合能力,拓展合作创新的技术边界。数字技术的嵌入性特征打破传统技术对特定物理载体的依赖,使得多元化数字技术可被整合为即插即用的知识组件,并嵌入不同技术体系或产品中进行融合创新。在此机制下,合作各方无需深究彼此专业知识的底层逻辑,只需依托标准化接口即可调用并整合异质性知识[11]。这不仅有效突破了多元化技术协作的专业壁垒,显著降低知识整合复杂性、提升合作创新成功率,而且通过推动数实融合使合作创新能够在不同技术领域与应用场景之间实现延伸和扩展。

(3)基于数字技术的可编辑性,数字技术多元化通过支持技术组件的动态重组,提供可实时优化、敏捷试错的数字化环境及动态适配的多重方案,提升合作创新的持续性。数字技术的可编辑性使技术组件无需更换硬件即可持续修改与迭代[23]。由此,数字技术多元化为企业构建了可动态修改和调用的知识库,增强技术组件的迭代优化与衍生拓展能力,支持企业基于合作中的实时反馈动态调整创新方案,推动产品功能与服务边界拓展,提升合作创新的敏捷性与持续性。

以比亚迪为例,作为全球新能源汽车领先企业,其通过设立先进技术研发中心,围绕AI算法、大模型等数字技术进行多元化布局,为跨组织协同创新奠定了坚实的技术基础。具体而言,依托数字技术的连接性,比亚迪与火山引擎等科技企业建立标准化接口,将豆包大模型等技术模块快速嵌入其自研车载智能网联系统DiLink,在较短周期内完成跨组织技术整合,提高合作创新效率;基于数字技术的嵌入性,比亚迪与大疆等合作伙伴通过整合无人机、AI、物联网等技术构建“智能车+”生态,并与美的等开展跨领域协同,不断拓展“人—车—家”智慧生态,持续延伸合作创新边界;借助数字技术的可编辑性,比亚迪围绕整车智能架构等领域,与大疆联合研发“灵鸢”车载无人机系统,通过数据反馈实现功能迭代与场景扩展,无需更换硬件即可持续优化产品性能,增强合作创新的动态适应性与持续性。基于此,本研究提出以下假设:

H1:数字技术多元化正向影响企业合作创新。

2.2 吸收能力的调节作用

吸收能力是企业识别、转化和利用外部知识的关键能力[24],在技术组合与创新活动中发挥重要作用[25-26]。较高的吸收能力能够促进企业对多元化数字技术及外部知识的理解与整合,缩小组织间认知与技术距离,提高技术适配度[25],从而强化数字技术多元化对合作创新的促进作用。

一方面,吸收能力通过支持企业对复杂数字技术的解耦与重构[27],提高多元化数字技术间及其与非数字技术的组合效能,从而强化数字技术多元化对合作创新的促进作用。具体而言,具备较强吸收能力的企业能够更准确地识别不同数字技术的核心功能,并根据合作场景需求对其进行模块化解构与定制化重组[28],从而为数字技术多元化赋能企业合作创新提供更多技术组合空间。相比之下,吸收能力较弱的企业易陷入技术冗余与集成困境,难以充分发挥数字技术多元化对合作创新的赋能作用。

另一方面,吸收能力通过缩短组织间技术与认知差距[25],提高多元化数字技术与合作伙伴技术体系的适配度,从而强化数字技术多元化对合作创新的促进作用。相比吸收能力较弱的企业,具备较强吸收能力的企业具有更优的动态学习和组织适应能力[29-30],能够快速理解并融入合作伙伴的技术规范,消除认知隔阂[25],提高外部技术与内部多元化数字技术间的适配度和协同效率[1],进一步放大数字技术多元化对合作创新效率的提升作用。

实践中,比亚迪凭借较强吸收能力,将其车载智能网联系统、智能驾驶系统等多元数字模块进行功能拆解与灵活重构,根据与美的、大疆、华为等不同合作伙伴的协同需求开展广泛的合作创新。格力则在智能装备业务中,围绕工业机器人、数控机床、智能物流与工业自动化等技术模块,构建可解耦、可重组的技术体系,并依托较强的吸收能力,针对新能源汽车、机械制造、家电及食品等行业企业的技术标准,对相关模块进行快速集成与接口适配,从而强化数字技术多元化对合作创新的促进作用。基于此,本研究提出以下假设:

H2:吸收能力正向调节数字技术多元化与企业合作创新关系。

2.3 市场丰裕度的调节作用

市场丰裕度是指外部市场环境可为企业发展提供关键资源的可得性和丰富程度[31],包括可获取的技术、基础设施及人才供给等[14]。较高的市场丰裕度意味着企业更易于从外部获取运营与创新所需的关键资源[32],表现出环境对企业持续增长具有较强的支撑能力[33]。这将减少合作双方的技术依赖,并弱化合作创新的内在动力,从而削弱数字技术多元化对合作创新的促进作用。

一方面,高丰裕度的市场具有充足的技术资源,能够降低企业获取可组合技术的难度[14],导致企业多元化数字技术的战略价值被削弱,进而减少企业持续合作创新的可能性。具体而言,丰裕度较高的市场具有更高的资源可用性和更低的资源竞争度,使得企业更易于从外部获取与自身多元化数字技术相匹配的技术资源[31],但也使得其依托数字技术多元化形成的独特竞争优势面临更高替代性[34],导致合作双方间的技术依赖性降低[35],从而减少企业建立稳固合作关系的可能性。

另一方面,高丰裕度的市场通过加速技术扩散,使得企业通过数字技术多元化进行合作创新的边际价值下降,进而削弱企业的合作积极性。在高市场丰裕度下,资源的充裕性将推动技术快速扩散和普及[35],降低创新的模仿壁垒,导致企业依托多元化数字技术所形成的先发优势难以维持。此时合作创新不仅难以带来独特的知识收益,而且因其交互过程复杂、协调成本较高,使得企业更倾向于通过技术购买、外包等方式获取与多元化数字技术匹配的技术资源[36],再通过内部研发而非合作方式满足创新需求[37]。相反,低市场丰裕度下,资源约束加剧了企业对外部技术的依赖,使得企业更倾向于抱团取暖,利用多元化数字技术与合作方开展联合研发,以实现资源互补与风险共担[31]。

实践中,在市场丰裕度相对较高的生物医药领域,药明生物自主构建了贯穿生物药研发与生产全生命周期的智能化系统,实现了从分子发现到CMC开发、再到商业化生产的系统性优化,展现出在市场丰裕度高的环境下利用多元化数字技术强化内部创新,而非合作创新的倾向。相比之下,家电行业增长放缓,其市场丰裕度较低,格力电器与美的集团均利用多元化数字技术与合作伙伴共同推进智能制造和产品升级,通过合作创新实现优势互补与权责共担。

基于此,本研究提出以下假设:

H3:市场丰裕度负向调节数字技术多元化与企业合作创新关系。

综上,本文构建理论框架如图1所示。

3 研究设计

3.1 样本选取与数据来源

高新技术企业通常处于新技术应用前沿[37],并且对技术创新具有迫切需求,以在激烈的市场竞争中赢得生存和发展[38]。因此,本研究选取2012—2023年A股高新技术企业作为研究对象。首先,基于国泰安数据库(CSMAR)披露的上市企业资质认证信息,获取通过高新技术企业认定的上市企业样本。其次,对样本进行筛选:①由于政府认定的高新技术企业资质自证书颁发之日起三年内有效,到期后企业需经过重新审查或认证流程以维持其高新技术企业身份,因此本研究剔除超过三年有效期后未进行重新认证的样本;②剔除被进行特别处理(ST、*ST)的企业;③剔除仅存在单一观测值的企业;④剔除数据存在缺失的样本。最终获得3 211家高新技术企业样本,共计21 059个观测值,形成非平衡面板数据。

数据来源主要包括:①数字技术多元化、合作创新所需专利数据来自科睿唯安(Clarivate Analytics)的IncoPat数据库。②吸收能力、市场丰裕度以及控制变量所需的企业层面和行业层面数据来自国泰安数据库(CSMAR)。

3.2 变量测量

3.2.1 因变量

合作创新(CI)。参考Wu等[1]的研究,本研究基于企业联合申请的专利数衡量企业合作创新。具体以企业联合申请专利数加1后取对数进行测度。

3.2.2 自变量

数字技术多元化(DTD)。数字技术多元化聚焦数字技术领域,关注企业在不同技术领域的分布广度。现有技术多元化研究普遍采用专利分类与熵指数法对企业的技术分布进行刻画[39],该方法借鉴信息理论中的熵概念,反映企业技术分布范围和离散程度。因此,本研究沿用测度技术多元化常用的熵指数法,并在技术范围上聚焦关键数字技术领域,从而在保持测度方法一致性的同时,反映企业数字技术多元化水平。

具体而言,首先,根据国家知识产权局发布的《关键数字技术专利分类体系(2023)》,识别与关键数字技术相关的专利IPC分类号。其次,考虑到专利IPC主分类号代表一项技术的主要用途,本研究将上述数字技术相关的IPC分类号与企业申请专利的IPC主分类号进行匹配,并依据IPC主分类号前四位对专利进行数字技术领域划分,从而识别企业在不同数字技术领域的专利分布。最后,计算企业在各数字技术领域的专利占比,并采用熵指数法衡量企业数字技术多元化水平。具体公式如下:

(1)

其中,n表示企业专利所涉及的数字技术领域数量,Pi 表示企业在第i个数字技术领域中的专利数量占比。

3.2.3 调节变量

吸收能力(AC)。参考Huang等[40]的研究,研发人员通常拥有较强的知识处理能力,能够更好地获取和整合外部新知识。研发人员越多,其分享的互补性知识就越多,同时,促进知识转移和利用。因此,本研究以研发人员占总员工人数的比例衡量企业吸收能力。

市场丰裕度(MM)。参考Li等[33]的研究,本文采用行业销售额的增长率衡量市场丰裕度。市场丰裕度反映环境中支持企业持续增长的资源可得性和丰富程度,描述了环境对企业持续增长的支撑能力。既有研究指出,资源丰富性通常通过市场规模扩张与需求增长予以体现,销售额快速增长的行业通常处于高丰裕度环境[31]。因此,行业销售额增长率被用于衡量市场丰裕度[33]。具体而言,首先,依据2023年中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》中的行业分类,将样本企业匹配至其所属行业(三位数行业代码),主要涉及各类制造业、专业技术服务业等行业。其次,基于行业过去五年数据,计算行业销售额的平均增长率以衡量市场丰裕度。

3.2.4 控制变量

本研究控制了可能影响企业合作创新的相关因素。首先,参考Wan等[8]和Wu等[1]研究,控制企业基本特征,包括企业规模(Size)、企业年龄(Age)、所有权性质(Own)、无形资产(Intangible)、财务杠杆(Lev)、盈利能力(Profit)。这些因素与企业财务状况和绩效直接相关,并决定企业是否有足够资源进行合作创新。其次,参考Liu等[41]研究,企业治理对企业合作创新具有影响,因此,本研究控制企业治理的相关因素,如两职合一(Dual)、董事会规模(Boardsize)和独立董事比例(Indratio)。最后,现有研究表明,企业合作创新受外部环境因素的影响[41-42],因此,本研究进一步控制环境不确定性(EU)和市场竞争强度(MC)。

3.3 计量模型构建

为排除企业层面不可观测的因素以及时间层面不随个体变化因素的影响,提高估计结果的准确性,缓解潜在的内生性问题,本研究采用个体、时间双向固定效应模型进行假设检验[6]。同时,考虑到合作创新产出存在一定滞后性,并为降低反向因果的内生性干扰,本研究对因变量采取t+1期的滞后处理。

3.3.1 基准回归模型

为分析数字技术多元化对企业合作创新的影响,构建基准回归模型,并将两个调节变量作为控制变量纳入模型[33],以更准确地识别数字技术多元化的净效应。设定的回归模型如下所示:

CIi,t+1=∂0+∂1DTDi,t+∂2Controlsai,t+ui+uyear+εi,t

(2)

其中,CIi,t+1表示企业i在第t+1年的合作创新;DTDi,t表示企业i在第t年的数字技术多元化水平;Controlsai,t表示控制变量;ui表示企业固定效应;uyear表示年份固定效应;εi,t表示随机误差项。

3.3.2 调节作用模型

为分析吸收能力的调节效应,本研究在模型中引入吸收能力及其与数字技术多元化的交互项,并将市场丰裕度作为控制变量纳入模型,模型设定如下所示:

CIi,t+1=β0+β1DTDi,t+β2ACi,t+β3MMi,t+β4DTD×ACi,t+β5Controlsi,t+ui+uyear+εi,t

(3)

其中,ACi,t表示企业i在第t年的吸收能力;DTDi,t×ACi,t为数字技术多元化与吸收能力的乘积项,MMi,t表示企业i在第t年的市场丰裕度,Controlsi,t表示控制变量,其他同上。

同理,为分析市场丰裕度的调节效应,本研究在模型中引入市场丰裕度及其与数字技术多元化的交互项,并将吸收能力作为控制变量纳入模型,模型设定如下所示:

CIi,t+1=γ0+γ1DTDi,t+γ2ACi,t+γ3MMi,t+γ4DTD×MMi,t+γ5Controlsi,t+ui+uyear+εi,t

(4)

其中,DTDi,t×MMi,t为数字技术多元化与市场丰裕度的乘积项,其他同上。

4 实证结果与分析

4.1 描述性统计与相关性分析

表1报告了变量描述性统计和相关性分析结果。结果显示,数字技术多元化与企业合作创新呈显著的正相关关系(r=0.384,p<0.01),为研究假设提供了初步支持。同时,变量间存在一定的相关性,相关系数均低于0.70。此外,VIF的最大值为1.81,均值为1.27,表明各变量的VIF值均小于10。因此,本研究不存在严重的多重共线性问题。

4.2 基准回归分析

表2报告了数字技术多元化与企业合作创新关系的基准回归结果。列(1)为未加入控制变量与固定效应的单变量回归结果,显示数字技术多元化对企业合作创新的影响系数为0.542且在1%水平上显著;列(2)加入控制变量,结果显示数字技术多元化的回归系数为0.290且在1%水平上显著;列(3)进一步加入企业和年份固定效应,结果显示,数字技术多元化的回归系数为0.063且在1%水平上显著。由此表明,数字技术多元化对企业合作创新具有正向影响,假设H1得到验证。

4.3 内生性检验

在基准回归中,本研究通过采用个体、时间双向固定效应模型,并进行滞后处理以缓解潜在内生性问题。进一步地,本研究拟采用工具变量法和PSM法进行内生性检验。

4.3.1 工具变量法

为进一步缓解因反向因果、遗漏变量等情况产生的内生性问题,本研究采用工具变量法,基于两阶段最小二乘法(2SLS)进行估计。参考既有学者的做法[43],本研究构建了行业层面数字技术多元化水平的工具变量。具体而言,企业数字技术相关实践主要受到同一技术前沿群体的影响,且高新技术企业更重视对数字技术等新兴技术的探索[44],其数字技术多元化水平更能反映行业内数字技术发展趋势,因而与企业自身数字技术多元化水平具有较强相关性。此外,同行业其他高新技术企业的数字技术多元化水平主要通过影响企业自身数字技术多元化布局发挥作用,而非直接作用于单个企业的合作创新结果。因此,本研究以同年度同行业其他高新技术企业数字技术多元化水平的均值(IV_IND)作为工具变量,该变量能较好地满足相关性与外生性要求。采用两阶段最小二乘法进行回归检验,结果如表3列(1)(2)所示。由列(1)可知,本文选取的工具变量的回归系数为0.178且在1%水平上显著。由列(2)可知,第二阶段数字技术多元化系数为0.794且在1%水平上显著。同时, Cragg-Donald Wald F统计值为44.537,大于Stock-Yogo临界值,通过了弱工具变量检验,表明工具变量与内生变量之间存在强相关性;Kleibergen-Paap rk LM的值为22.837,在1%水平上显著,拒绝工具变量识别不足的原假设。因此,基准回归结果依然成立。

此外,参考李唐等[45]的研究,进一步选取企业数字技术多元化水平与按行业和省份分类的其他高新技术企业数字技术多元化水平均值差额的三次方(IV_DPC)作为工具变量。该变量反映了企业相对于行业—区域数字技术多元化水平的偏离程度,能够刻画企业所处技术环境差异及其适配压力,从而与企业自身数字技术多元化决策具有较强相关性。同时,该变量主要通过影响企业技术布局决策发挥作用,而非直接作用于企业合作创新结果,从而满足外生性要求。表3列(3)(4)的IV估计结果支持本研究结论。

4.3.2 倾向得分匹配法

为缓解样本选择可能存在的内生性问题,本研究进一步采用倾向得分匹配法(PSM)构建模型。具体处理步骤如下:①根据企业数字技术多元化水平是否高于中位数,将样本划分为“高数字技术多元化”“低数字技术多元化”两组;②以控制变量为协变量,采用半径匹配(卡尺为0.01)方法对两组样本进行匹配;③进行平衡性检验,结果发现匹配后的所有协变量标准化偏差均小于5%,且t检验均不拒绝原假设,满足平衡性假设;④使用匹配后的样本进行回归,结果如表3列(5)所示,回归结果均与表2中结果保持基本一致,表明在缓解样本选择性偏差后,本研究结论依然成立。

4.4 调节效应检验

为验证吸收能力和市场丰裕度在数字技术多元化影响合作创新中的调节作用,本文在模型中同时纳入调节变量及其与数字技术多元化的乘积项。在构建乘积项进行调节效应检验前,本文对变量进行中心化处理,回归结果如表4所示。

首先,列(1)(3)展示了吸收能力的调节效应回归结果。结果显示,吸收能力与数字技术多元化的乘积项系数分别为0.216和0.203,且在1%水平上显著,表明吸收能力正向调节数字技术多元化与企业合作创新关系。由图2可得,相比于低吸收能力,当企业具有高吸收能力时,数字技术多元化对合作创新的正向影响更强。因此,假设H2得到验证。

其次,列(2)(3)展示了市场丰裕度的调节效应回归结果。结果显示,市场丰裕度与数字技术多元化的乘积项系数分别为-0.197和-0.179,且在5%水平上显著,表明市场丰裕度负向调节数字技术多元化与企业合作创新关系。同时,由图3可知,与较高水平的市场丰裕度相比,当市场丰裕度较低时,数字技术多元化对企业合作创新的正向影响更强。因此,假设H3得到验证。

4.5 稳健性检验

为验证结果可靠性,进行稳健性检验如下:第一,考虑到一项专利可能对应多个IPC分类号,本研究进一步采用专利对应的所有IPC代码(而非仅主IPC代码)的前四位来划分不同的数字技术领域[39],进而衡量企业数字技术多元化。第二,将数字技术多元化与合作创新之间的滞后期由一年延长至两年。第三,基于联合授权专利,采用企业联合授权专利数量加1的自然对数衡量企业合作创新水平,并进行滞后一期和两期的处理。检验结果如表5所示,均与前述研究结果一致,表明本研究结论具有稳健性。

5 结语

5.1 研究结论

基于技术可供性理论,本研究探讨了数字技术多元化对企业合作创新的影响。利用2012—2023年A股高新技术企业样本进行回归分析,研究结果表明数字技术多元化对企业合作创新具有积极影响。具体而言,数字技术多元化能够通过连接性构建数字技术组合矩阵以提升合作研发效率,借助嵌入性创建模块化知识架构以推动数实融合,并利用可编辑性实现技术组件的动态重组与流程持续优化,从而赋能企业合作创新。此外,吸收能力强化了数字技术多元化对企业合作创新的积极影响。具体而言,吸收能力能够实现复杂数字技术的系统性解码并缩短组织间认知与技术距离,从而增强数字技术多元化对企业合作创新的赋能作用。市场丰裕度削弱了数字技术多元化对企业合作创新的积极影响。具体而言,资源较为丰裕的市场降低了合作双方间的技术依赖性,并导致企业利用多元化数字技术进行合作创新的边际价值降低,从而削弱数字技术多元化对企业合作创新的积极影响。

5.2 理论贡献

(1)拓展了技术多元化研究的理论边界。现有研究主要聚焦传统技术多元化对合作创新的影响[9-10]。立足数字情境,明晰了数字技术多元化的概念内涵和测度方式,揭示了数字技术多元化能够有效突破传统技术多元化的固有困境,实现对合作创新的持续赋能作用。这一发现将技术多元化研究拓展至数字情境,弥补了以往研究对企业同时采用多种数字技术的实际行为及其组合效应关注的不足[5],并验证了技术可供性理论在数字情境下技术多元化研究中的适用性。

(2)深化了数字情境下合作创新的研究成果。现有研究主要聚焦数字技术特性及其对合作创新的影响[6-8]。将研究焦点从整体或单一维度的数字技术转向对多元化数字技术组合的探讨,并基于技术可供性理论揭示了数字技术多元化对合作创新的正向促进机制。这一研究拓展了数字情境下合作创新前因因素的探讨,并增强了技术可供性理论在数字情境下的解释力。

(3)基于技术可供性理论,从组织能力和外部环境角度引入吸收能力与市场丰裕度作为边界条件,深化了对“技术—能力—环境”互动机制的理解。现有研究主要探讨了高管团队特征、吸收能力等因素在数字技术与企业合作创新中发挥的边界效应[1]。本研究从组织能力和外部环境角度综合识别了吸收能力与市场丰裕度的权变作用,拓展了数字技术与创新管理研究边界。

5.3 管理启示

(1)积极拓展企业在多元数字技术领域的布局,并立足数字技术特性,构建标准化、模块化与动态化的技术整合机制,充分发挥数字技术多元化对合作创新的赋能作用。具体而言,首先,企业建立统一的数据标准与接口规范,通过开放API、统一通信协议等方式,实现不同数字技术模块与合作伙伴技术的快速对接及数据实时互通,提高合作创新效率。其次,企业应围绕数实融合推进多元化数字技术向实体产品与业务场景的深度嵌入及延伸,从而拓展合作创新边界。例如,将大数据分析、物联网感知以及智能决策等功能进行模块化封装,嵌入实体产品或生产制造等流程,通过合作打造智能产品、智慧工厂等方式拓宽创新空间。此外,企业可通过功能拆分与封装,将多元化数字技术构建为可动态调用、重组与更新的技术模块,建立面向合作伙伴的协同开发与测试机制,通过共享运行数据与用户反馈,推动合作创新实现功能配置的动态优化与持续拓展。

(2)加大企业吸收能力体系建设,发挥其在重组多元化数字技术、缩小合作双方认知差距与促进技术协同中的关键作用。具体而言,首先,企业可通过组建跨技术领域的复合型团队,例如将大数据、人工智能等不同技术领域的职能人员纳入同一项目团队,通过项目制运作促进多元化数字技术与外部技术的协同和整合。其次,企业应建立数字技术培训与内部知识共享机制,例如围绕具体应用场景开展技术培训或搭建技术交流平台,以提升技术人员对不同数字技术知识的理解与掌握。此外,企业可通过构建数据平台,促进其与合作伙伴间的数字资源共享、整合,并在企业内部建立基于合作项目反馈的动态学习机制。例如构建企业知识库,将合作过程中的技术适配经验与解决方案沉淀为组织知识,持续提升多元化数字技术与外部技术的整合效率。

(3)结合不同的市场丰裕度情境,动态调整数字技术多元化配置及其合作创新策略。具体而言,当市场丰裕度较高时,企业可在既有多元化数字技术基础上,利用市场资源禀赋,聚焦核心技术方向持续加大研发投入,例如围绕关键算法等技术进行迭代优化,以巩固自身技术优势。同时,企业可通过共建联合研发项目、共享数据资源或签订长期合作协议等方式,强化与核心合作伙伴的深度协同,避免在资源充裕的环境下弱化合作关系。当市场丰裕度较低时,企业则应通过提升数字技术多元化水平持续拓展合作创新范围。例如在既有技术基础上引入数据分析等新技术模块,通过不同数字技术组合形成多元化技术解决方案,提高其与外部技术匹配能力,持续拓展合作创新可能性。

5.4 局限与展望

本研究仍存在一定局限,未来可从以下几个方面开展进一步研究:第一,本文仅探讨了数字技术多元化对企业合作创新的影响及其调节机制,未来可从技术关联性等角度细分数字技术多元化的类型,探究不同类型的数字技术多元化对企业合作创新的差异性影响机制。第二,本研究以中国A股上市的高新技术企业为研究对象,虽然该类企业在数字技术应用与创新合作方面具有较强的代表性,但样本范围的行业属性和制度背景具有一定特殊性,未来可将样本拓展至全行业上市企业或跨国企业等其他类型,以增强研究结论的普适性。第三,本研究构建回归模型和通过二手数据检验了数字技术多元化对合作创新的影响,未来可通过案例研究等方法进一步探讨数字技术多元化对合作创新的赋能机理。

参考文献：

[1] WU W, ZHANG P, TSAI S B, et al. IT investment and corporate collaborative innovation:the moderating role of the top management team′s educational background and absorptive capacity[J].Internet Research, 2024, 34(3):1017-1045.

[2] BHARADWAJ A, EL SAWY O A, PAVLOU P A, et al. Digital business strategy:toward a next generation of insights[J].MIS Quarterly, 2013, 37(2):471-482.

[3] KODAMA F. Technological diversification of Japanese industry[J].Science, 1986, 233(4761):291-296.

[4] MILLER D J. Firms′ technological resources and the performance effects of diversification:a longitudinal study[J].Strategic Management Journal, 2004, 25(11):1097-1119.

[5] CHO J H, DESTEFANO T, KIM H H, et al. What's driving the diffusion of next-generation digital technologies [J].Technovation, 2023, 119:102477.

[6] 杨鹏, 尹志锋, 孙宝文, 等. 数字技术应用与企业合作创新[J].经济管理, 2025, 47(1):108-127.

[7] BROEKHUIZEN T, DEKKER H, DE FARIA P, et al. AI for managing open innovation:opportunities, challenges, and a research agenda[J].Journal of Business Research, 2023, 167:114196.

[8] WAN Y, GAO Y, HU Y, et al. 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.

[9] SUBRAMANIAN A M,WANG B,CHAI K H.Does technological diversity help or hurt small firms the moderating role of core technological coherence[J].IEEE Transactions on Engineering Management, 2019, 66(3):299-311.

[10] 杨博旭, 王玉荣, 党建伟. 技术多元化促进了合作创新吗 ——阴阳范式的实证研究[J].经济管理, 2019, 41(4):57-74.

[11] WANG P. Connecting the parts with the whole:toward an information ecology theory of digital innovation ecosystems[J].MIS Quarterly, 2021, 45(1):397-426.

[12] 黄丽华,朱海林,刘伟华,等. 企业数字化转型和管理:研究框架与展望[J].管理科学学报,2021,24(8):26-35.

[13] DUAN S X, DENG H, WIBOWO S, et al. Exploring the impact of digital work on work-life balance and job performance:a technology affordance perspective[J].Information Technology &People, 2023, 36(5):2009-2029.

[14] RICHTER P C, KAPTEINA B D. Shaping the rules of the game:how political capabilities affect financial performance[J].European Management Review, 2025, 22(1):172-186.

[15] NAMBISAN S, WRIGHT M, FELDMAN M, et al. The digital transformation of innovation and entrepreneurship:progress, challenges and key themes[J].Research Policy, 2019, 48(8):103773.

[16] ZHU K, MALHOTRA S, LI Y, et al. Technological diversity of patent applications and decision pendency[J].Research Policy, 2022, 51(1):104364.

[17] BLICHFELDT H, FAULLANT R. Performance effects of digital technology adoption and product &service innovation-a process-industry perspective[J].Technovation, 2021, 105:102275.

[18] ANDREASSON M, KARABAG S F, SIMONSSON J, et al. Dynamics of related and unrelated digital diversification in established firms:strategies, programs, process, and outcomes[J].Technological Forecasting and Social Change, 2024, 202:123300.

[19] D'AMBRA J,AKTER S,MARIANI M,et al.Digital transformation of higher education in Australia:understanding affordance dynamics in e-textbook engagement and use[J].Journal of Business Research,2022,149:283-295.

[20] LIN X, WANG T, SHENG F, et al. The relationship between AI-adoption intensity and firm innovation performance:the role of AI affordances[J].IEEE Transactions on Engineering Management, 2025, 72:2267-2278.

[21] ZHU J, JIN Y. Exploring the mechanism of digital technology affordance on manufacturing enterprises' digital competitive advantage[J].European Journal of Innovation Management, 2024, 28(6):2366-2393.

[22] 郭波武,成琼文,王梦莹. 工业互联网平台如何助力制造企业绿色转型?——数字技术可供性视角的案例研究[J].研究与发展管理,2025,37(1):98-112.

[23] KALLINIKOS J,AALTONEN A,MARTON A.The ambivalent ontology of digital artifacts[J].MIS Quarterly, 2013,37(2):357-370.

[24] COHEN W M, LEVINTHAL D A. Innovation and learning:the two faces of R&D[J].The Economic Journal, 1989, 99(397):569-596.

[25] ENKEL E, GROEMMINGER A, HEIL S, et al. Managing technological distance in internal and external collaborations:absorptive capacity routines and social integration for innovation[J].The Journal of Technology Transfer, 2018, 43(5):1257-1290.

[26] LAURENT S, BURTSCHELL F. The challenges of radical innovation in Iran:knowledge transfer and absorptive capacity highlights—evidence from a joint venture in the construction sector[J].Technological Forecasting and Social Change, 2017, 122:151-169.

[27] ABOU-FOUL M, RUIZ-ALBA J L, LPEZ-TENORIO P J,et al. The impact of artificial intelligence capabilities on servitization:the moderating role of absorptive capacity—a dynamic capabilities perspective[J].Journal of Business Research, 2023, 157:113609.

[28] LIN S Z, LIN J B. How organizations leverage digital technology to develop customization and enhance customer relationship performance:an empirical investigation[J].Technological Forecasting and Social Change, 2023, 188:122254.

[29] SIACHOU E, VRONTIS D, TRICHINA E, et al. Can traditional organizations be digitally transformed by themselves the moderating role of absorptive capacity and strategic interdependence[J].Journal of Business Research, 2021, 124:408-421.

[30] ZHAO S, WANG J, JI J, et al. Proximity or alienation can knowledge type influence the relationship between proximity and enterprise innovation performance [J].Technological Forecasting and Social Change, 2024, 202:123314.

[31] PARKS J, CONLON E. Compensation contracts:do agency theory assumptions predict negotiated agreements [J].Academy of Management Journal, 1995, 38(3):821-838.

[32] SUN W, DING Z, PRICE J, et al. Board structure and firm capability:an environment-embedded relationship between board diversity and marketing capability[J].Industrial Marketing Management, 2020, 90(5):14-29.

[33] LI J, TANG Y I. CEO hubris and firm risk taking in China:the moderating role of managerial discretion[J].Academy of Management Journal, 2010, 53(1):45-68.

[34] LI Y, WEI Z, ZHAO J, et al. Ambidextrous organizational learning, environmental munificence and new product performance:moderating effect of managerial ties in China[J].International Journal of Production Economics, 2013, 146(1):95-105.

[35] SUO X K, ZHANG L T, GUO R, et al. The inverted U-shaped association between digital economy and corporate total factor productivity:a knowledge-based perspective[J].Technological Forecasting and Social Change, 2024, 203:123364.

[36] HEELEY M B, KING D R, COVIN J G, et al. Effects of firm R&D investment and environment on acquisition likelihood[J].Journal of Management Studies, 2006, 43(7):1513-1535.

[37] HAO P, ALHARBI S S, HUNJRA A I, et al. How do ESG ratings promote digital technology innovation [J].International Review of Financial Analysis, 2025, 97:103886.

[38] XU Y, JI J, QIAO Y, et al. How and when does digital transformation promote technological innovation performance a study of Chinese high-tech firms[J].Technovation, 2025, 146:103294.

[39] CHEN Y S, CHANG K C. Using the entropy-based patent measure to explore the influences of related and unrelated technological diversification upon technological competences and firm performance[J].Scientometrics, 2012, 90(3):825-841.

[40] HUANG K F, LIN K H, WU L Y, et al. Absorptive capacity and autonomous R&D climate roles in firm innovation[J].Journal of Business Research, 2015, 68(1):87-94.

[41] LIU M, LI Y. Do relationships matter—director networks and corporate open innovation[J].Technological Forecasting and Social Change, 2024, 208:123696.

[42] XU T, YANG J, ZHANG F, et al. Interfirm coopetition, interfirm knowledge creation, and collaborative innovation performance:the moderating roles of environmental competitiveness and dysfunctional competition[J].Industrial Marketing Management, 2021, 99:123-135.

[43] 仝自强, 严鑫宇, 马佳. 数据资产信息披露对企业价值创造的影响机制研究——基于企业盈余水平与权益资本成本双重视角[J].科技进步与对策, 2026,43(6):1-10.

[44] 于宝君,宫婷婷,朱慧敏,等.数智技术应用与制造企业服务化转型——创新资源配置及双元创新能力的链式中介作用[J].科技进步与对策,2025,42(8):57-68.

[45] 李唐, 李青, 陈楚霞. 数据管理能力对企业生产率的影响效应——来自中国企业—劳动力匹配调查的新发现[J].中国工业经济, 2020, 37(6):174-192.

(责任编辑：胡俊健)