DOI：10.6049/kjjbydc.D2024120038 开放科学(资源服务)标识码(OSID)：
Thus, this study investigates how diversified technology M&A portfolios influence breakthrough innovation in enterprises. Drawing on knowledge recombination theory, it develops a theoretical framework centered on "knowledge distance optimization - cognitive schema reconstruction - innovation element complementarity" to examine the potential impact mechanisms of digital technology, traditional technology, and green technology M&As on corporate innovation.
Using a comprehensive dataset of Chinese A-share listed companies from 2012 to 2022, the study constructs measures for technology M&A diversity and breakthrough innovation based on patent data. The empirical analysis yields several key findings. First, diversified technology M&A portfolios significantly promote breakthrough innovation, with the effect being more pronounced in companies that have appointed Chief Science Officers (CSOs) and possess high-tech enterprise qualifications. Second, this positive impact is mediated through three primary mechanisms: knowledge distance optimization, cognitive schema reconstruction, and innovation element complementarity.
The knowledge distance optimization mechanism reveals how diversified M&As help firms achieve an optimal balance between knowledge continuity and expansion. By simultaneously acquiring digital, traditional, and green technologies, companies can maintain necessary knowledge coherence while exploring new technological frontiers. The cognitive schema reconstruction mechanism demonstrates how exposure to diverse technological paradigms helps break organizational cognitive inertia and foster innovative thinking. The innovation element complementarity mechanism shows how different types of technological resources can be strategically integrated to create unique innovation capabilities.
This study makes several theoretical contributions. First, it introduces a novel "1+1+1>3" synergistic innovation framework that extends beyond traditional single-technology acquisition studies. Second, it advances the understanding of the micro-level formation mechanisms of breakthrough innovation by proposing a three-dimensional theoretical model. Third, it expands the boundaries of knowledge recombination theory in the M&A context by revealing how different types of technological knowledge can be effectively integrated.For practitioners, the findings suggest that companies should (1) develop diversified technology M&A strategies that combine digital, traditional, and green technologies; (2) establish robust innovation governance systems, including appointing CSOs and implementing cross-departmental collaboration mechanisms; and (3) cultivate an open and inclusive innovation culture that encourages the integration of different technological paradigms.
Moreover, the study proposes several promising directions for future research. These include expanding the sample beyond Chinese A-share listed companies to encompass a more diverse range of firms; developing more comprehensive measures of breakthrough innovation that capture qualitative aspects beyond patent data; and investigating additional potential mechanisms such as organizational learning and knowledge spillover effects. Further exploration in these areas would deepen the understanding of how technological M&As can facilitate the deep integration of scientific and industrial innovation.
DOI：10.6049/kjjbydc.D2024120038 开放科学(资源服务)标识码(OSID)：
当前,新一轮科技革命和产业变革深入发展,科技创新已成为国际战略博弈的主要战场,深刻重塑全球发展格局[1-2]。特别是在加快发展新质生产力、建设现代化产业体系的时代背景下,如何通过科技创新催生新产业、新模式、新动能,推动科技创新和产业创新深度融合,已成为国家创新驱动发展面临的重大课题[3]。纵观工业革命发展史,从第一次工业革命的蒸汽机技术,到第二次工业革命的电气化技术,再到第三次工业革命的信息技术,突破式创新始终是推动产业变革和经济发展的核心驱动力。当前,随着以人工智能为代表的第四次工业革命加速推进[4-6],企业创新能力提升关乎国家竞争实力的整体布局。
在此背景下,突破式创新已成为企业获取持续竞争优势的关键所在[7-8]。与渐进式创新专注于现有技术改进和优化不同,突破式创新不仅仅体现技术原创性,更重要的是能够引发产业技术路径变革,重塑行业竞争格局[9]。在我国深入实施创新驱动发展战略的新阶段,企业面临数字化转型与绿色发展的双重挑战[10],促使企业探索更具挑战性的发展路径——通过突破式创新实现技术跨越,重构产业价值链,以此抢占新一轮技术革命制高点[11]。
在探索突破式创新过程中,技术并购作为获取外部创新资源的重要手段,对提升企业创新能力具有独特价值。尤其是在当前强调科技创新和产业创新深度融合的政策导向下,通过技术并购优化配置创新资源显得尤为关键。已有研究从创新网络[12]、知识搜索[13]和组织能力[14]等多个维度对技术并购与创新关系进行有益探索。然而,这些研究在考察技术并购对创新的影响时往往是从孤立视角,将每次并购事件作为独立单元进行分析,这种割裂式研究难以全面把握技术并购的系统效应。
具体而言,现有研究存在两个亟待深化的方面:其一,对特定战略期企业实施的多重并购之间可能存在的路径依赖和互补效应关注不足,事实上前期并购积累的整合经验和知识基础会显著影响后续并购选择与效果。其二,未充分考虑不同类型技术之间的交互作用。在数字化转型与绿色发展的双重压力下,技术创新往往需要多维度知识协同支撑,单一技术领域的突破难以满足产业升级的系统性需求。
在探索突破式创新路径时,技术类型选择具有重要的理论和实践意义。本研究聚焦于数字技术、传统技术与绿色技术三类技术分析,主要基于以下原因:从宏观层面看,三类技术代表当前全球产业变革主要方向。数字技术作为新一轮科技革命的核心驱动力,正在重塑传统产业创新模式和发展路径;传统技术构成现代产业体系基础,承载产业升级和技术积累的重要使命;绿色技术则反映全球可持续发展的战略方向,是推动产业低碳转型的关键支撑。从微观层面看,三类技术在知识属性、创新特征上具有显著的互补性和协同性。数字技术具有普适性和赋能性特征,能够为传统技术升级提供新的解决方案;传统技术积累了深厚的工程经验和产业基础,为数字技术“落地”应用提供实践支撑;绿色技术则通过系统性思维和可持续理念,推动数字技术发展与传统技术生态化转型。从创新理论视角看,3种技术组合与知识重组理论的核心主张高度契合。三类技术交互融合不仅能够优化企业知识结构,重构创新认知模式,而且有助于实现创新要素互补与配置优化,从而为突破式创新提供多维度知识支撑。
有研究发现,跨领域搜索平衡不仅能够促进突破式创新,而且能增强企业应对不同市场的能力[15]。基于知识重组理论,数字技术、传统技术与绿色技术三类异质性技术互补与融合可能产生意想不到的创新结果。正如Cohen &Caner[16]所指出的,当企业能够有效整合异质性资源时,会显著提升突破式创新可能性。那么企业能否通过数字技术、传统技术与绿色技术的战略性并购组合,实现不同技术的协同创新?具体而言,数字技术的普适性能否为传统技术的专有性突破提供新的实现路径?绿色技术的系统性思维能否为上述两类技术融合发展注入可持续动力?这种“三位一体”的技术并购组合能否产生超越单一技术突破的协同创新效应?
进一步地,在考察多元技术并购组合与突破式创新关系的过程中,一系列深层次问题亟待解答:首先,数字技术、传统技术与绿色技术并购之间是否存在协同效应?如何量化和评估这种协同效应对企业创新产出的影响?其次,多元技术并购组合通过何种机制促进突破式创新?不同机制间是否以及如何相互作用?最后,促进效应在不同创新治理能力与技术吸收能力企业中是否表现出差异性?这些问题的回答不仅有助于深化对技术并购与创新关系的理解,而且对企业进行战略性并购布局、实现原始创新突破具有实践指导意义。
突破式创新作为推动企业获取持续竞争优势的重要驱动力,长期以来受到学术界的广泛关注。早期研究主要聚焦于突破式创新概念界定和特征描述。与渐进式创新专注于现有技术路径优化不同,突破式创新强调技术原创性与路径突破性的统一,其不仅能够引发产业技术轨道的根本性变革,而且能重塑行业竞争格局[9]。随着研究的深入,学者们从多个视角探索影响突破式创新的关键因素。基于组织能力视角的研究发现,创新网络结构、知识基础深度与广度等都会对突破式创新产生重要影响[12]。特别是从动态能力角度,有研究指出,组织创新能力与突破式创新存在倒U型关系,而开放式创新则能够通过知识溢出促进突破式创新[14]。值得注意的是,创新主体的战略导向会影响突破式创新实现路径。研究表明,以突破式创新为导向的企业更倾向于通过加强外部知识整合和内部能力提升培育原始创新能力[17-18]。同时,突破式创新往往需要企业在技术搜索过程中维持一定知识距离,这有助于平衡探索与利用的动态张力[19]。
近年来,随着研究的不断深化,学者们开始关注知识搜索策略在突破式创新中的关键作用。一系列研究表明,跨边界知识搜索不仅能够直接促进突破式创新,而且能够通过重构市场竞争格局强化创新效果[20]。值得注意的是,知识搜索方向和深度会影响突破式创新实现路径。研究发现,探索性知识搜索有助于企业获取异质性知识资源,从而提升突破式创新可能性[21-22]。而在实践中,企业往往需要在不同技术领域间进行知识搜索的平衡,以优化知识结构并提升创新效率[23-24]。这些发现为理解企业如何通过多元化知识搜索实现突破式创新提供了重要启示。
在技术并购研究领域,除关注并购后整合对创新绩效的影响外,学者们还探讨了联盟竞合关系对突破式创新的作用机制。研究发现,联盟竞合与突破式创新之间存在正向关系,这种关系强度取决于企业资源整合能力与知识转化效率[25]。进一步地,有研究基于制度理论视角分析多元技术并购与突破式创新关系,发现制度距离与知识距离的合理匹配有助于提升并购后创新绩效[26-27]。同时,技术整合能力和组织学习能力在这一过程中发挥重要的中介作用[28]。
然而,将突破式创新与多元技术并购相结合的文献相对有限。现有研究主要存在以下局限:首先,大多数研究割裂地考察并购事件,忽视数字技术、传统技术与绿色技术并购之间可能存在的协同效应[29-30]。其次,现有研究较少关注不同技术知识之间的互补性与协同性。尽管有研究指出,技术差异性对突破式创新具有重要影响[31-32],但关于企业通过多元技术并购组合优化知识结构并实现协同创新的研究还不够深入。最后,对知识重组过程中组织能力的探讨不够系统。虽然有研究指出,突破式创新需要进行探索能力与利用能力的动态平衡[13,16],但鲜有研究系统考察企业如何通过多元技术并购组合优化知识距离、重构认知图式、实现创新要素互补。
基于以上分析,探索多元技术并购组合对突破式创新的影响不仅能够弥补现有理论研究的不足,而且能为企业通过战略性并购实现原始创新突破提供实践启示。
基于知识重组理论,本文将多元技术并购组合定义为特定时期企业通过并购整合数字技术、传统技术与绿色技术等不同技术的战略性布局。这种组合不仅体现技术领域多元性,更强调通过单次或多次并购形成的技术资源组合方式。 基于这一概念界定,本研究认为知识距离优化、认知图式重构和创新要素互补是多元技术并购实现创新突破的关键中介路径。这种多元组合无论是通过单次大规模并购还是多次渐进式并购形成的,其核心价值在于构建了异质性与互补性并存的技术知识体系。
基于知识重组理论,创新往往源于不同知识要素的碰撞与重组。现有研究表明,企业通过战略性获取和整合异质性知识资源,能够显著促进突破式创新[16]。特别是在当前数字化转型与绿色发展的双重背景下,单一维度的创新已难以应对复杂多变的市场需求。实证研究发现,跨领域知识搜索对突破式创新具有显著促进作用[15]。因此,特定时期通过战略性布局数字技术并购、传统技术并购和绿色技术并购组合,这种多元化的知识输入不仅能显著扩展企业知识搜索边界,而且能形成“1+1+1>3”的协同创新效应。
事实上,多元技术并购组合的价值不仅体现在知识广度拓展上,更重要的是促进不同技术知识交叉融合与互补。例如数字技术可以为传统工艺提供智能化实现路径,传统技术可以为数字创新提供工程化实践基础,而绿色技术则能促进数字技术发展与传统技术转型升级,三类技术协同互补,在显著提升知识新颖性与创新价值的基础上有助于形成突破式创新。基于此,本文提出研究假设:
H1:多元技术并购组合对企业突破式创新具有显著正向影响。
知识距离作为反映企业知识基础与知识差异程度的重要指标,其优化过程深深嵌入并购整合阶段。知识距离的实质性变化主要发生在并购后的动态调整环节,这种后续的知识结构优化正是连接多元技术并购与创新突破的重要中介环节。
有研究表明,适度的知识距离有利于企业实现创新突破。当知识距离过小时,难以促进新知识组合;当知识距离过大时,则可能超出企业知识吸收范围[33]。多元技术并购组合通过引入数字技术、传统技术和绿色技术三类差异化知识,能够帮助企业在保持知识连续性的同时,实现知识跨度拓展,在“最近发展区”优化知识结构。特别是在数字化转型背景下,数字技术可以为传统技术提供新的实现路径,而绿色技术则带来实现持续发展的新元素。通过多元技术并购组合,为企业搭建立体化知识网络,促使不同技术知识既保持关联性又具有差异性,从而为突破式创新提供理想的知识“土壤”。据此,本文提出如下研究假设:
H2:多元技术并购组合通过知识距离优化效应促进突破式创新。
认知图式重构不仅影响企业并购决策,而且发挥显著的中介作用。这是因为多元技术并购通过引入异质性知识,挑战和重塑企业原有认知框架,这种认知更新是并购组织学习的自然结果,而非并购决策的先决条件。技术并购后的认知重构不仅体现为组织对新知识的吸收和转化,更反映企业创新能力获得质的提升。
认知图式作为企业理解和解决技术问题的思维框架,往往会形成路径依赖,然而固有的认知模式会限制企业创新视野。研究表明,创新失败经历与突破式创新呈现U型关系,即不同的失败经历都有助于企业打破认知惯性,实现创新突破[34]。这意味着认知重构对实现突破式创新具有关键价值。Sun等[12]研究发现,高科技企业创新网络通过知识资本的中介作用显著促进突破式创新。这表明不同技术领域交叉融合可以催生新的问题解决范式。例如,将数字思维引入传统制造过程可催生全新设计理念,产生智能制造,而绿色发展理念的导入则重构企业价值取向。基于此,本文提出如下研究假设:
H3:多元技术并购组合通过认知图式重构效应促进突破式创新。
不同技术往往拥有其独特要素。Wang等[35]研究指出,突破式创新需要企业获取并整合互补性知识资源。这种互补性不仅体现在技术层面,更延伸至创新方法、组织流程、管理模式等多个维度。多元技术并购组合通过系统整合不同类型技术,能够形成独特的创新生态。具体而言,数字技术带来的敏捷创新方法可以提升传统技术迭代效率,传统技术积累的工程化经验能够增强数字创新的“落地”能力,而绿色技术形成的系统性思维则能够提升整体创新活动的可持续性。这种多维度协同不仅能够优化创新资源配置,而且有助于催生新创新模式。如Huo等[25]研究发现,联盟竞合通过资源整合能力的调节作用显著促进突破式创新。据此,本文提出如下研究假设:
H4:多元技术并购组合通过创新要素互补效应促进突破式创新。
基于上述分析,多元技术并购组合通过知识距离优化、认知图式重构和创新要素互补3种机制促进突破式创新,据此构建理论框架如图1所示。
图1 研究框架
Fig.1 Research framework
为准确衡量核心构念,本文基于已有文献并结合研究情境进行测度。多元技术并购组合测度延续已有研究关于技术特征识别的思路[11],并借鉴创新多样性指数构建方法[15]。
首先,对技术并购类型进行识别。数字技术并购是指并购前36个月内目标企业专利属于IPC分类号G06(计算;计数)、H04(电通信技术)、G05(控制;调节)、G01(测量;测试)的数字技术类专利占比超过30%的并购;传统技术并购是指目标企业专利主要分布在B(作业;运输)、C(化学;冶金)、E(固定建筑物)、F(机械工程;照明;加热)等传统制造领域的并购;绿色技术并购则是指目标企业拥有Y02(减缓或适应气候变化的技术)、Y04(信息或通信技术在气候变化减缓中的应用)、B09(处理固体废物;污染土壤的再生)、C02(水、废水、污水或污泥的处理)等绿色技术专利占比超过30%的并购。这种分类方法不仅考虑技术特征,而且反映当前的技术创新方向[9]。
其次,为衡量并购组合的多样性水平,本文构建技术多样性指数(TD):
TD(i,t)=1-∑(Pj)2
(1)
该指数源自Herfindahl指数的反向形式,其中,Pj表示第j类技术并购(数字/传统/绿色)在企业i于t年前36个月内完成的并购总数中的占比。该指数反映并购组合的多元化程度,指数取值范围为[0, 1],当所有并购聚焦于单一技术类型时,其值为0。该方法已被广泛应用于衡量技术多样化水平[16]。
突破式创新测度借鉴高被引专利分析方法[12]和跨领域影响力评估体系[20],构建综合性引用突破指数(BC):
(2)
其中,HCP代表企业i在t年申请且被引次数位于同年同技术领域前10%的专利数量,以反映创新质量;TP表示企业i在t年申请的总专利数量;CFCR为跨领域引用比例,即来自不同IPC大类的引用数占总引用数的比例,以此捕捉创新影响广度。该复合指标同时考虑创新质量和影响范围,能够全面反映突破式创新特征[13]。
针对3个中介机制的测度,本文在已有研究基础上进行创新性设计。首先,知识距离优化效应采用技术关联性分析方法进行测度[33]:
(3)
其中,Cij表示企业i在t年专利组合中技术类别i与j共同出现的次数,Ci和Cj分别代表技术类别i与j单独出现的次数。该指标能够有效反映企业专利组合中不同技术类别之间的关联程度,值越大表示技术距离越远。
采用深度学习方法测度认知图式重构程度,通过Doc2Vec模型捕捉专利文本的语义特征[34]:
CC(i,t)=1-
Cosine_Similarity(Pre_vector(i,t),Post_vector(i,t))
(4)
式中,Pre_vector(i,t)和Post_vector(i,t)分别代表企业i在并购前后3年专利文本的向量表示。通过计算两个向量的余弦相似度,并用1减去相似度,得到认知变化程度。指标取值范围为[0, 2],值越大表示认知重构程度越高。
最后,创新要素互补性测度则综合考虑知识流动的网络特征[35],计算如下:
EC(i,t)=CCD(i,t)×KF(i,t)
(5)
其中,CCD(i,t)表示企业i在t年不同类型技术专利间的交叉引用密度,以反映技术融合程度;KF(i,t)代表基于引用网络计算的知识流动强度,衡量知识在不同技术领域传播的活跃度。两个维度的乘积项能够全面反映企业整合不同技术领域创新要素的能力。
本研究样本数据来源于多个权威数据库,并进行交叉验证和整合。其中,并购数据主要来自CSMAR数据库并购模块,该数据库以数据全面性和准确性在并购研究中得到广泛应用[36];专利数据则来自CSMAR专利数据库、国家知识产权局专利检索系统、CNRDS数据库和INCOPAT数据库的整合,这种多源数据整合有助于提高专利数据完整性和可靠性[15];企业财务数据来自CSMAR数据库财务报表模块,行业层面的宏观数据主要依托Wind数据库获取,这些数据为控制行业特征提供重要支持。剔除异常样本,最终获得26 400个观测值。为避免极端值干扰,对连续变量进行上下1%的缩尾处理。
考虑到因变量突破式创新具有连续性以及可能存在的行业异质性、时间效应,本研究采用固定效应面板回归模型进行实证分析。基准回归模型设定如下:
BC(i,t)=β0+β1TD(i,t)+γControls(i,t)+μi+λt+εit
(6)
其中,BC(i,t)表示企业i在t年的突破式创新水平,TD(i,t)表示企业i在t年的技术并购组合多样性指数,Controls为一系列控制变量,包括企业规模(年末总资产自然对数)、企业年龄(成立年限自然对数)、杠杆率(总负债/总资产)、R&D强度(R&D支出/营业收入)、专利存量(企业累计有效专利数量的自然对数)、行业创新强度(行业专利申请总数/行业总资产)等。μi和λt分别表示行业与年份固定效应,εit为随机扰动项。
表1中列(1)显示,多元技术并购组合(TD)与突破式技术创新(BC)的回归系数为0.069,在1%的水平上显著(t=2.83),表明二者之间存在显著正向关系。列(2)显示,在引入企业规模、企业年龄、杠杆率等控制变量后,TD系数虽有所下降(0.046),但仍保持1%的显著性水平(t=2.63)。因此,验证了假设H1,即多元技术并购组合能够显著促进企业突破式创新。
表1 基准模型
Table 1 Benchmark model
变量BCBC(1)(2)TD0.069∗∗∗0.046∗∗∗(2.83)(2.63)Controls否是Year是是Industry是是N26 40026 400Adj_R20.350.39
注：括号内为T值,;*、**、***分别表示在10%、5%、1%的水平上显著,下同
为深入考察多元技术并购组合的协同效应,对不同技术组合的创新效应进行分解。表2展示各类技术并购组合对突破式创新的影响。从单一技术并购的影响效应来看,数字技术并购对突破式创新的促进作用最显著(系数为0.031),这可能源于数字技术具有的普适性特征和创新赋能效应。传统技术并购和绿色技术并购也显示出显著的正向影响,系数分别为0.028和0.026。上述结果表明,即使是单一维度的技术并购也能为企业创新注入新活力。
表2 创新效应对比
Table 2 Comparison of innovation effects
技术并购类型BCStd. ErrorNPanel A:单一技术并购 数字技术并购0.031∗∗∗(0.01)26 400 传统技术并购0.028∗∗∗(0.01)26 400 绿色技术并购0.026∗∗∗(0.01)26 400Panel B: 双技术组合 数字技术+传统技术0.042∗∗∗(0.02)26 400 传统技术+ 绿色技术0.038∗∗∗(0.01)26 400 数字技术+绿色技术0.045∗∗∗(0.02)26 400Panel C:3种技术组合 数字技术+传统技术+绿色技术0.069∗∗∗(0.02)26 400
在双技术组合方面,数字技术与绿色技术组合产生的创新效应最显著(系数为0.045),这种组合优势可能来自数字技术在环保领域的深度应用并带来创新机遇;数字技术与传统技术的组合次之(系数为0.042),体现出数字化转型对传统产业升级的重要推动作用;传统技术与绿色技术的组合同样显示出可观的协同效应(系数为0.038),反映出绿色发展理念对传统技术创新的积极引导。
更为关键的是,当企业同时布局三类技术并购时,创新效应达到最高水平(系数为0.069)。为验证这种协同效应的统计显著性,本研究进一步开展系统性的差异检验,结果如表3所示。首先,相比单一技术的增量效应,双技术组合效应更显著。以数字技术与绿色技术组合为例,其相对于单一技术的边际贡献达到0.014。其次,相比最优的双技术组合,三技术组合产生显著增量效应。这种递进式增强效应为“1+1+1>3”的协同创新假设提供了有力支撑。
表3 协同效应检验结果
Table 3 Test results of synergistic effects
对比Coefficient DifferenceT-statisticP-valuePanel A:双技术vs单一技术 (数字+传统)-max(数字,传统)0.011∗∗2.450.015 (传统+绿色)-max(传统,绿色)0.010∗∗2.380.018 (数字+绿色)-max(数字,绿色)0.014∗∗∗2.760.006Panel B: 三技术vs双技术 三技术组合 - max(双技术组合)0.024∗∗∗3.120.002
该发现的理论意义在于,揭示多元技术并购的价值不仅体现在知识广度扩展上,更重要的是促进不同类型技术知识的深度融合与创新突破。例如,在新能源汽车领域,比亚迪通过整合动力电池(传统技术)、智能控制(数字技术)和环保材料(绿色技术)3个维度的技术资源,不仅实现各项技术的优化升级,更催生出具有颠覆性的刀片电池技术。这种协同效应实现得益于多元技术知识在企业创新系统中的有机互动——数字技术为传统工艺提供智能化路径,传统技术为数字创新提供工程化基础,而绿色技术则推动两者向可持续方向演进,最终形成良性的创新生态系统。
为验证研究结果的可靠性,本研究采用企业当年独立获得的发明专利数的自然对数(BCT)作为突破式创新的替代性衡量指标,结果见表4。列(1)显示,TD与BCT的回归系数为0.195,t值达到6.09,在1%水平上显著;列(2)显示,加入控制变量后,系数为0.144,处于较高水平(t=4.58,p<0.01);调整后的R2分别为0.42和0.46。上述结果进一步支持了回归结果,表明模型具有较高解释力。
表4 替换代理变量的稳健性检验结果
Table 4 Robustness test results of alternative proxy variables
变量BCTBCT(1)(2)TD0.195∗∗∗0.144∗∗∗(6.09)(4.58)Controls否是Year是是Industry是是N26 40026 400Adj_R20.420.46
相较于基准回归,采用BCT作为因变量后系数明显提高,揭示多元技术并购对发明专利数量可能存在更直接的促进作用。这一发现契合创新管理理论,即多元化技术整合能够激发更多的发明创造,但并非所有发明都能达到突破性创新水平。
考虑到多元技术并购决策可能受到企业创新能力、管理层特征等因素的内生性影响,本研究采用工具变量法进行检验。具体而言,选择同行业其它企业的多元技术并购水平(IND_TD)作为工具变量,原因如下:
(1)从理论层面看,同行业企业面临相似的制度环境、市场条件和创新压力,其并购决策往往具有示范效应和竞争效应。这种产业关联性使得IND_TD与目标企业的并购策略具有显著相关性。同时,在剔除本企业后,行业并购水平主要受到宏观环境和产业特征影响,与个体企业的特定因素(如管理能力、创新战略)存在较大独立性,满足工具变量的外生性要求。
(2)从实证结果看,表5中第一阶段回归结果显示,IND_TD与TD的系数为0.261,在1%的水平上显著(t=4.24);F统计量达到46.34,远超过临界值10。进一步检验发现,Cragg-Donald Wald F值为52.16,Kleibergen-Paap rk Wald F值为48.75,均显著高于Stock-Yogo弱工具变量检验的临界值(10%水平下为16.38),有效排除了弱工具变量问题。在第二阶段回归中,经工具变量处理后的TD对BC的影响系数为0.032,仍在1%水平上显著(t=2.79)。这一结果不仅验证本文研究结果稳健,而且表明可能存在的内生性问题不足以对研究结果造成实质性影响。
表5 工具变量检验结果
Table 5 Instrumental variable test results
变量(1)(2)TDBCIND_TD0.261∗∗∗(4.24)Instrumented TD0.032∗∗∗(2.79)Controls是是N26 40026 400YEAR是是Industry是是Adj_R20.460.48F-statistic46.34
表6为知识距离优化效应检验结果。可以发现,多元技术并购组合(TD)对知识距离(KD)具有显著正向影响(β=0.325,t=2.83,p<0.01),同时,知识距离对突破式创新(BC)也呈现显著促进作用(β=0.031,t=2.78,p<0.01)。这一结果验证了假设H2,表明知识距离优化是连接多元技术并购与创新突破的关键桥梁。
表6 知识距离优化效应回归结果
Table 6 Regression results of knowledge distance optimization effect
变量(1)(2)KDBCTD0.325∗∗∗0.036∗∗(2.83)(2.06)KD0.031∗∗∗(2.78)Controls是是N26 40026 400YEAR是是Industry是是Adj_R20.540.42
从理论层面,适度的知识距离能够为企业带来新知识组合机会,但是过大的认知差异会阻碍知识整合。多元技术并购通过在数字技术、传统技术与绿色技术之间建立联系,帮助企业在维持必要知识相关性的同时,扩展知识搜索范围。这种关联性、多样化策略使企业能够在熟悉与陌生、延续与突破之间找到最优平衡点,从而提升知识整合效率和创新突破性。例如,宁德时代通过并购布局电池材料(传统技术)、能源管理系统(数字技术)和回收利用(绿色技术)等领域,在保持核心技术延续性的同时,实现知识边界突破,最终产生CTP技术等重大创新成果。
表7反映认知图式重构在多元技术并购中的中介作用。可以发现,TD对认知图式重构(CC)的影响系数为0.264(t=2.92,p<0.01),CC对BC的影响系数为0.057(t=2.66,p<0.01)。这些结果支持了研究假设H3,表明多元技术并购通过促进企业认知模式更新,进而推动突破式创新。
表7 认知图式重构效应回归结果
Table 7 Regression results of reconstruction effect of cognitive schema
变量(1)(2)CCBCTD0.264∗∗∗0.031∗(2.92)(1.77)CC0.057∗∗∗(2.66)Controls是是N26 40026 400YEAR是是Industry是是Adj_R20.620.42
多元技术并购不仅带来新知识要素,更重要的是打破企业原有思维定式和技术路径依赖。通过整合数字技术的敏捷思维、传统技术的工程思维与绿色技术的系统思维,促使企业建立更加开放和灵活的认知框架,增强创新机会感知和把握。这种认知升级不仅体现在技术层面,而且延伸至组织文化等多个维度。以中兴通讯为例,其通过并购布局5G通信、智能制造和绿色计算等领域,不仅实现技术知识积累,更重要的是形成数字赋能、绿色发展的创新思维,为持续的突破式创新奠定认知基础。
表8展示创新要素互补效应的回归结果。数据显示,TD对创新要素互补性(EC)的影响系数为0.346(t=2.86,p<0.01),EC对BC的影响系数为0.035(t=2.64,p<0.01),表明多元技术并购通过增强不同创新要素互补性,显著促进企业突破式创新,支持研究假设H4。
表8 创新要素互补效应回归结果
Table 8 Regression results of complementary effect of innovation elements
变量(1)(2)ECBCTD0.346∗∗∗0.034∗(2.86)(1.94)EC0.035∗∗∗(2.64)Controls是是N26 40026 400YEAR是是Industry是是Adj_R20.590.43
从资源基础观视角看,多元技术并购为企业提供不同的创新要素组合,包括数字技术领域的算法模型和研发人才、传统技术领域的工程经验和实验设备、绿色技术领域的环保专利和系统方法等。通过跨域整合,企业能够充分发挥这些要素的协同效应,形成独特的创新优势。这种系统性资源整合不仅有助于提升单个创新项目成功率,还为持续性突破式创新构建了坚实基础。例如,比亚迪通过整合电池技术(能源要素)、智能控制(数字要素)和环保材料(绿色要素),在新能源汽车领域实现从“追随者”到“引领者”的角色转变,诠释了创新要素互补性的价值。
为深入探究不同情境下多元技术并购效应的差异性,本研究还考察了两个调节变量——首席科学家设立(CSO=1)和高新技术企业资质(HEQ=1),具体见表9。
表9 首席科学家与高新技术企业资质的调节效应
Table 9 Moderating effects of chief scientists and high-tech enterprise qualifications
变量(1)(2)BCBCTD0.041∗∗0.038∗∗(2.34)(2.17)TD × CSO0.032∗∗(2.53)TD × HEQ0.026∗∗∗(3.12)Controls是是N26 40026 400YEAR是是Industry是是Adj_R20.420.43
表9列(1)显示,TD的主效应系数为0.041(t=2.34,p<0.05),TD与CSO的交互项系数为0.032(t=2.53,p<0.05),表明首席科学家设立能够显著增强多元技术并购对突破式创新的促进作用。这表明高层次创新人才在技术整合过程中发挥重要的催化剂作用。以京东方科技集团为例,在设立首席科学家后,其在Mini LED(数字显示技术)、量子点(前沿材料技术)等领域的技术整合效率显著提升,专利质量实现跨越式提高,印证了高端创新人才对多元技术融合的重要价值。
表9列(2)考察高新技术企业资质的调节作用,结果显示,TD的主效应系数为0.038(t=2.17,p<0.05),TD与HEQ的交互项系数为0.026(t=3.12,p<0.01),意味着高新技术企业资质能够强化多元技术并购的创新效应。这种增强效应可能源于高新技术企业在研发资源、人才储备和创新管理体系等方面的系统性优势。
本研究基于知识重组理论,利用2012-2022年中国A股上市公司数据进行实证分析,得出以下主要结论:
(1)多元技术并购组合对企业突破式创新具有显著正向促进作用,有效支撑科技创新与产业创新深度融合。通过数字技术、传统技术与绿色技术并购的战略性布局,有助于形成“1+1+1>3”的协同效应,同时,该效应在设立首席科学家以及具有高新技术企业资质企业中表现更显著。
(2)知识距离优化效应是连接多元技术并购与突破式创新的关键桥梁。通过构建关联性、多样化的知识架构,企业在保持必要知识连续性的同时实现创新边界的突破。
(3)认知图式重构效应在技术突破过程中发挥核心作用。数字思维的敏捷性、工程思维的系统性与绿色发展思维的可持续性相互补充,有助于企业打破认知惯性,形成开放共生的创新文化。
(4)创新要素互补效应是实现突破式技术创新的重要保障。多元技术并购通过整合数字技术领域的算法模型、传统技术领域的工程经验和绿色技术领域的系统方法,构建了完整的创新生态。
(1)提出“1+1+1>3”的协同创新效应框架。通过系统阐释数字技术、传统技术与绿色技术并购之间的交互作用机制,突破传统单一技术并购研究的局限,为深入分析企业通过战略性并购布局推动科技创新与产业创新深度融合提供了新理论视角。这不仅揭示多元技术并购的协同本质,而且诠释了发展新质生产力过程中不同类型技术知识的互补效应。
(2)深化突破式创新形成的微观研究。通过构建知识距离优化-认知图式重构-创新要素互补的三维理论模型,揭示多元技术并购影响突破式创新的内在机理,特别是在加快发展新质生产力的时代背景下为理解突破式创新路径依赖与突变机制提供了新的视角。
(3)拓展了知识重组理论在并购情境下的应用边界。研究发现,多元技术并购通过优化知识距离、重构认知模式、整合创新要素,触发知识要素的跨域重组。这一发现丰富了知识重组理论内涵,并为该理论应用于科技创新与产业创新深度融合提供了新的实践场景。
(1)构建多元化技术并购组合战略。在建设现代化产业体系阶段,企业应突破单一技术领域的并购思维局限,实施数字技术、传统技术与绿色技术的组合布局。特别是在集成电路、高端装备制造等“卡脖子”技术领域,企业应重视多元技术的协同效应,通过系统性技术整合实现原始创新突破。
(2)完善创新治理体系。实证研究表明,创新治理能力是调节多元技术并购效应的关键因素。企业应通过设立首席科学家等举措,构建科学的创新决策机制;强化企业创新主体地位,建立高层次创新人才培养体系,优化创新激励政策;完善跨部门协同机制,提升技术整合效率。
(3)培育开放包容的创新文化。突破式创新需要不同技术思维的碰撞与融合。企业应积极推动数字思维、工程思维与绿色思维的交互渗透,打破部门壁垒,鼓励跨领域交流,构建开放共生的创新生态,助力发展新质生产力。
本研究仍存在一定局限。研究样本上主要采用中国A股上市公司数据,可能存在样本选择偏差。突破式创新测量主要基于专利数据,未能完全体现创新的质量维度。未来研究可以扩大样本范围,完善创新测度体系,深入探讨组织学习、知识溢出等潜在机制,为推动科技创新与产业创新深度融合提供更多理论指导。
[1] 成程, 王一出, 田轩, 等. 对外开放制度创新、全球创新网络嵌入与中国科技国际影响力[J]. 管理世界, 2024,40(10): 16-35.
[2] 邓恒, 姚芳遥. 习近平总书记关于创新的理论阐释及其实践理路研究[J]. 中国软科学, 2024,39(S1): 16-25.
[3] 陈劲. 进一步加快新质生产力的发展[J]. 清华管理评论, 2024,14(4): 1.
[4] 米加宁, 章昌平, 李大宇, 等. “数字空间” 政府及其研究纲领——第四次工业革命引致的政府形态变革[J]. 公共管理学报, 2020, 17(1): 1-17, 168.
[5] 涂扬举. 智慧企业——第四次工业革命企业演进新范式[J]. 清华管理评论, 2020,10(11): 45-51.
[6] 王燕鹏, 王学昭, 陈小莉, 等. 基于科技政策和前沿动态的第四次工业革命关键技术和举措分析[J]. 情报学报, 2022, 41(1): 29-37.
[7] ZHOU K Z, YIM C K B, TSE D K. The effects of strategic orientations on technology- and market-based breakthrough innovations[J]. Journal of Marketing, 2005, 69(2): 42-60.
[8] LEI X, XU X G. Storm clouds over innovation: typhoon shocks and corporate R&D activities[J]. Economics Letters, 2024, 244: 112014.
[9] QU G N, CHEN J, ZHANG R H, et al. Technological search strategy and breakthrough innovation: an integrated approach based on main-path analysis[J]. Technological Forecasting and Social Change, 2023, 196: 122879.
[10] JIN X, LEI X, WU W X. Can digital investment improve corporate environmental performance——empirical evidence from China[J]. Journal of Cleaner Production, 2023, 414: 137669.
[11] WU F S, TSAI C C, WU C H, et al. An exploratory study of breakthrough innovations in digital businesses: the case of the Perfect Corporation[J]. Technological Forecasting and Social Change, 2024, 201: 123233.
[12] SUN A, WU H, FENG Z, et al. The impact of high-tech enterprise innovation network on breakthrough technology innovation performance: mediating role of intellectual capital [J]. Annals of Operations Research, 2024, 337: 21-27.
[13] RANDLE D K, PISANO G P. The evolutionary nature of breakthrough innovation: an empirical investigation of firm search strategies[J]. Strategy Science, 2021, 6(4): 290-304.
[14] CHENG C C J, CHEN J S. Breakthrough innovation: the roles of dynamic innovation capabilities and open innovation activities[J]. Journal of Business &Industrial Marketing, 2013, 28(5): 444-454.
[15] ZHOU W Q, GU X, YANG X. The impact of knowledge search balance on the generality and specificity of breakthrough innovation[J]. Technology Analysis &Strategic Management, 2022, 34(11): 1310-1325.
[16] COHEN S K, CANER T. Converting inventions into breakthrough innovations: the role of exploitation and alliance network knowledge heterogeneity[J]. Journal of Engineering and Technology Management, 2016, 40: 29-44.
[17] 王嫒名,祝志勇.技术标准制定如何推动“专精特新”企业突破式创新——基于知识宽度与创新效率的机制检验[J].科技进步与对策,2025,42(16):82-90.
[18] 吴建南. 以创新街区培育新质生产力的实践路径[J]. 人民论坛·学术前沿, 2024,13(20): 59-65.
[19] 郑浦阳, 任道纹, 牛君, 等. 数字基础设施建设、创新要素配置与经济高质量发展[J]. 统计与决策, 2024, 40(23): 86-90.
[20] LIN C J, LI C R. The effect of boundary-spanning search on breakthrough innovations of new technology ventures[J]. Industry and Innovation, 2013, 20(2): 93-113.
[21] 李玉花, 李丹丹. 企业数字化程度促进双元创新了吗 ——基于知识多样性视角分析[J]. 商业研究, 2024,67(3): 125-133.
[22] 柳洲, 陈士俊, 张颖. 跨学科科研团队建设初探[J]. 科技管理研究, 2006, 26(11): 137-139.
[23] 张艺, 龙明莲, 朱桂龙. 产学研合作网络对学研机构科研团队学术绩效的影响路径研究[J]. 管理学报, 2018, 15(10): 1011-1018.
[24] 郑江淮, 巫南杰, 赖晓. 城市间技术邻近缩小了劳动生产率差异吗——基于长三角地区41个城市的经验证据[J]. 经济评论, 2024,45(5): 56-74.
[25] HUO L S, SHAO Y F, JIN Y, et al. Alliance coopetition and breakthrough innovation: the contributory roles of resources integration and knowledge ambiguity[J]. Technology Analysis &Strategic Management, 2024, 36(5): 871-885.
[26] 刘嘉楠, 张一帆, 孙玉涛, 等. 我国创新体系建设的路径选择——产学研合作网络演化进程及连接模式[J]. 价格理论与实践, 2018,38(12): 155-158.
[27] 杨德林, 陈春宝. 技术创新团簇与高技术企业多样化成长[J]. 中国工业经济, 1998,16(7): 68-72.
[28] 陈宇斌, 王森. 数字经济空间集聚结构驱动共同富裕——基于区域创新与产业结构升级的作用机理[J]. 经济问题探索, 2024,45(12): 176-190.
[29] 李子彪, 王思惟, 李鑫, 等. 长三角G60科创走廊建设对企业双元创新的影响研究——基于创新链视角[J]. 科研管理, 2024, 45(9): 133-142.
[30] 李玉花, 林雨昕, 李丹丹. 人工智能技术应用如何影响企业创新[J]. 中国工业经济, 2024,41(10): 155-173.
[31] HAKKINEN L. Impacts of international mergers and acquisitions on the logistics operations of manufacturing companies[J]. International Journal of Technology Management, 2005, 29(3/4): 362-385.
[32] 杨宇, 陈丽君, 周金衢. 制度逻辑视角下基层政策执行“偏差” 的形成机制——基于产业扶贫政策执行悬浮的分析[J]. 公共管理学报, 2023, 20(3): 39-52, 167.
[32] JUNG H J. Recombination sources and breakthrough inventions: university-developed technology versus firm-developed technology[J]. The Journal of Technology Transfer, 2020, 45(4): 1121-1166.
[34] HU S Y, GONG H, LI S. Fail forward: the relationship between innovation failure and breakthrough innovation in the context of knowledge- based capabilities[J]. Technological Forecasting and Social Change, 2023,189: 122456.
[35] WANG H, ZHENG L J, ZHANG J Z, et al. Unpacking complementarity in innovation ecosystems: a configurational analysis of knowledge transfer for achieving breakthrough innovation[J]. Technological Forecasting and Social Change, 2024, 198: 122974.
[36] BOLLAERT H, DELANGHE M. Securities Data Company and Zephyr, data sources for M&A research[J]. Journal of Corporate Finance, 2015, 33: 85-100.