組態視角下智能制造商業模式影響因素探究

謝衛紅 袁子恒 李忠順 王忠 王永健

【摘要】智能制造企業數字化與服務化轉型過程中面臨著商業模式選擇困難、 價值難以實現等難題， 分析智能制造企業商業模式的前因組態及其績效極為迫切。本文從數字化、 服務化角度討論智能制造企業商業模式的概念內涵， 按服務化程度將智能制造企業商業模式劃分成產品主導型、 服務主導型兩類。通過遴選智能制造企業名錄與A股制造企業進行匹配獲得312個樣本， 使用模糊集定性比較分析方法（fsQCA）檢驗形成兩類商業模式的前因組態， 并通過OLS分析不同組態對企業績效的影響。研究發現： 形成高產品主導型商業模式的組態包括基礎設施驅動型（兩種）、 基礎設施與組織能力協同驅動型、 數字化驅動型四種， 形成高服務主導型商業模式的組態包括組織能力驅動型、 戰略與組織能力協同驅動型、 高行業集中度下基礎設施驅動型三種； 在高產品主導型商業模式的前因組態中， 數字化驅動型能夠顯著提升企業績效； 在高服務主導型商業模式的前因組態中， 戰略與組織能力協同驅動型會對企業績效產生負向影響。

【關鍵詞】智能制造；商業模式；產品主導；服務主導；影響因素

【中圖分類號】F272? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）12-0100-8

一、 引言

在推進智能制造的過程中， 制造企業日益意識到商業模式的重要性， 并對已有模式不斷進行調整和變革（Kagermann等，2013）。然而在實踐中， 智能制造企業常常缺乏理論指導， 使得在設計與企業戰略發展相匹配的商業模式的過程中捉襟見肘（Sarvari等，2018）。商業模式是智能制造企業發展過程中不可回避的重大議題。此外， 數字技術日益成為推動制造企業商業模式創新的主要驅動因素（Zott和Amit，2017）， 加速了制造企業數字化、 服務化轉型的進程， 并促進了數字化與服務化二者間的融合， 甚至催生出新的商業模式形態（Guggenberger等，2020）， 但學術界對其產生的機制及價值創造關注不足。

商業模式在學術界已獲得了大量的關注與討論， 已有文獻圍繞其概念內涵、 影響因素、 形成機制及績效等展開了頗為豐富的討論（Foss和Saebi，2017；吳曉波和趙子溢，2017）。商業模式的內涵極為豐富， 以致有研究將其視為一個復雜的系統（呂鴻江等，2016）， 因此理解商業模式的形成機制顯得尤為重要。歸納而言， 已有文獻主要從組織情境（資源、 能力、 企業高管等）、 外部環境（行業、 政府等）兩個方面進行了豐富的探索（Foss和Saebi，2017）， 但相關研究仍存在亟待拓展的空間： ①現有研究較多聚焦于單個理論視角和線性回歸思維， 忽視了商業模式作為一個復雜的系統有可能同時受到多個因素的協同影響， 如何從更為整合式的理論視角剖析商業模式的形成機制逐漸成為學術界日益關注的議題。②既有研究大多關注創業企業或高新技術企業， 缺乏行業情境下的細致探討。數字技術不斷助推制造企業向智能化和服務化方向邁進（Frank等，2019）。智能制造作為推進我國制造強國戰略的主攻方向， 為商業模式的研究提供了豐富的素材。例如， 智能制造企業商業模式的形成有很強的技術烙印， 數字技術與制造技術、 業務流程等方面的嵌入、 融合， 以及數字技術具有的可供性特征， 有可能會給企業價值帶來不同類型的影響（劉祎和王瑋，2019）。③數字化與服務化的關系引起了學術界的熱烈討論， 然而目前的研究較多地探討二者在制造企業服務化轉型過程中的內在關系（趙寰宇， 2021）， 雖然也有文獻討論二者融合所催生的新模式， 如數字服務化或數字商業模式（Guggenberger等， 2020）， 但對于數字化與服務化二者融合的組合效應、 潛在價值、 應用領域等缺乏進一步的研究（Paschou等， 2020）。

針對上述研究現狀和不足， 本文從商業模式的角度切入， 以智能制造企業為研究對象， 在厘清智能制造企業商業模式內涵的基礎上， 結合現有關于商業模式影響因素的研究， 識別出導致智能制造企業不同類型商業模式的重要因素， 同時采用fsQCA定性研究分析方法， 深入探討智能制造企業實現服務化商業模式的前因組態及其對企業績效的影響， 進一步拓展商業模式相關研究并對智能制造企業商業模式設計和創新提供積極的理論參考。

本文可能的理論貢獻在于：

第一， 為商業模式類型選擇提供了更為全景式的理論框架。商業模式的形成是一個不斷演化的過程， 企業商業模式的形成取決于內外部資源、 能力與情境的相互匹配（Foss和Saebi，2017；吳曉波和趙子溢，2017）。本文通過提煉智能制造企業商業模式的六個影響因素， 分析高產品主導型和高服務主導型商業模式的前因組態， 揭示它們之間的異同和路徑選擇方面的側重點， 為探究商業模式演進的內在機制提供了理論啟示， 并深入拓展了現有的研究觀點（ 劉祎和王瑋，2019； 謝衛紅等，2018）。

第二， 豐富了商業模式對企業績效的影響研究。商業模式的實施需要協調和配合多方面的資源和組織結構， 因此其績效回報可能不會立竿見影（Foss和Saebi，2017）。已有研究發現， 制造企業服務化既可能帶來巨大的績效收益， 也可能導致績效下滑（Fang等，2008； Visnjic等，2016）。本文從整合式角度就商業模式不同路徑對企業績效的影響進行了分析， 發現只有數字化驅動型能夠對企業績效產生顯著的正向影響， 而戰略與組織能力協同驅動型對企業績效會產生顯著的負向影響。

第三， 為服務化與數字化的融合提供了基于商業模式的理論洞見。數字技術的廣泛應用在激發企業數字化轉型和創新意識、 促進產品不斷新增數字化特征的同時， 也引發了對基于產品的增值服務的思考， 并進一步促進了有關服務化與數字化融合的討論（Yoo等，2010；趙宸宇，2021）。服務化、 數字化商業模式不斷變革傳統的經營邏輯與價值創造方式（Zott和Amit，2017）， 本文從商業模式的角度切入， 分別探討引致數字化與不同程度服務化融合的結果及其對企業績效的影響。

二、 研究框架與文獻回顧

（一）智能制造企業商業模式類型

智能制造作為一種由數據驅動的創新生產模式（安筱鵬，2019）， 是典型的由數字化引致的新興生產模式。智能制造對企業資源基礎、 戰略以及商業模式等產生了深刻的影響（肖靜華和李文韜，2020）。在商業模式方面， 數字技術與制造企業業務活動的交互融合， 催生出以數字化商業模式為代表的新興價值創造模式（Guggenberger等，2020）。同時， 作為制造企業發展的主流趨勢之一， 服務化廣受學術界的熱議（Raja等，2013）， 也引發了服務化與商業模式關系的爭論： 一種觀點認為服務化是表征企業價值邏輯的特定形式（Cortimiglia等，2016）， 本質上與商業模式是同一構念。另一種觀點則認為服務化更多地體現為商業模式的價值主張（Laudien和Daxb?ck，2016）， 可以作為商業模式分類的標尺。例如， 制造企業服務化演進過程伴隨著商業模式類型轉變， 制造企業的服務化過程首先經歷產品主導型商業模式， 繼而轉向服務主導型商業模式， 提供與產品或客戶相關的服務（Raddats等，2019）。此外， 隨著數字化影響的持續深入， 數字化與服務化不斷融合且衍生出了一些新興概念， 如數字服務化（Paschou等，2020）或數字服務化商業模式（Kohtam?ki等，2019）等。數字化商業模式能更快速準確地應對市場變化。

因此， 本文在整合商業模式、 制造業服務化、 數字化相關研究的基礎上， 將智能制造企業的商業模式分為產品主導型和服務主導型兩類， 并將其定義為制造企業以服務化為價值主張， 通過利用數字技術向客戶提供數字化產品或服務并實現價值創造的價值邏輯。也就是說， 智能制造企業商業模式是數字化與服務化融合結果的表現形式。

（二）理論模型構建

學術界圍繞商業模式的影響因素展開了廣泛的探索。現有研究大多認為商業模式受到組織情境因素和外部環境因素的雙重影響， 是企業內外兼修的過程。組織情境因素主要涉及企業高管團隊、 資源和能力、 戰略等多個要素， 外部環境因素則主要包括政府、 行業情境等（Foss和Saebi，2017；吳曉波和趙子溢，2017）。

但也可以看到， 商業模式作為動態發展和極具情境化的概念， 在智能制造情境下， 需要更加細致地分析其影響因素。當前， 數字技術正在對價值創造或收入模式產生重大影響。由數字技術及其硬件設施構成的數字化基礎設施， 對商業模式創新越來越具有使能作用（劉洋等，2020）。商業模式設計也迫切需要企業從戰略層面形成較為清晰的數字化導向， 以更好地理解數字化、 智能化帶來的新的創新機會（Kindermann等，2020）。數字技術的可重編程性、 數據同質化以及自我參照性等特性， 使得數字技術具有可供性特征（Yoo等，2010）， 以致不同的制造企業在使用相同數字技術的情況下有可能在商業模式選擇方面產生截然不同的結果（Henfridsson等，2018）。智能制造是制造企業數字化與服務化并駕齊驅的轉型過程， 也是重構、 選擇和形成更具競爭力的商業模式的過程， 其中高管團隊的推動和支持無疑意義非凡（謝衛紅等，2018）。同樣地， 政府的作用也不容小覷， 尤其是對于智能制造企業而言， 政府前瞻性的謀劃和政策指引以及資金扶持， 將在很大程度上影響智能制造企業商業模式的選擇、 轉型、 升級等。由于不同細分行業的智能制造企業的數字化水平不盡相同， 也有必要充分考慮行業因素所帶來的影響（Zhou等，2019）。

基于前文的文獻梳理， 結合智能制造企業的現實情境， 本文擬從組織情境、 外部環境兩個方面對智能制造企業商業模式的影響因素進行考慮。在組織情境方面， 影響因素主要包括數字化基礎設施、 數字化導向、 技術可供性、 高管團隊支持四個方面； 在外部環境方面， 影響因素主要包括政府和行業兩個方面。基于集合論視角和組態視角， 提出智能制造企業商業模式的前因組態概念模型， 如圖1所示。

三、 研究方法

（一）定性比較分析（QCA）方法

本文主要揭示智能制造企業商業模式的前因組態。根據前文梳理， 前因往往是多重并發的， 各前因之間彼此依賴和相互作用共同引致結果（杜運周和賈良定，2017）， 因此采用定性比較分析方法（QCA）， 將研究對象視為多個條件變量不同組合方式下的組態， 旨在深入揭示智能制造企業不同類型商業模式的前因組合方式。鑒于本文采用的是二手數據， 從數據類型的角度考慮， 具體采用模糊集定性比較分析方法， 即fsQCA方法展開分析。

（二）樣本選擇與數據來源

本文的研究對象為智能制造企業， 參考現有研究和國家相關部委以及其他機構在智能制造企業方面的探索遴選企業名錄， 來源主要包括如下四個方面： ①《中國智能制造企業百強榜暨中國智能制造業發展與趨勢》白皮書企業名單（吳珊等，2020）； ②2015 ～ 2018年工業和信息化部公布的國家級智能制造試點示范項目名單以及2015 ～ 2019年各省工業和信息化廳官網公布的省級智能制造試點示范企業（含標桿示范企業）； ③2014 ～ 2019年工業和信息化部、 省級關于兩化融合管理體系貫標試點企業名單； ④工業和信息化部公布的制造業與互聯網融合發展試點示范名單。將上述四個來源的企業名錄與A股上市制造企業進行匹配， 同時參考相關重要政策文件， 將行業聚焦在計算機、 通信和其他電子設備制造業、 電氣機械及器材制造業等八個重點行業。剔除ST、 ?ST、 暫停上市等樣本， 初步獲得745家企業。

在此基礎上借鑒成熟做法（Fang等，2008）， 根據企業年報中主營業務收入構成是否含有服務化收入對樣本進行進一步篩選。若企業年報中沒有明確的服務化收入， 則視為產品主導型商業模式；若具有明確的服務化收入， 則歸類為服務主導型商業模式。在劃分服務主導型商業模式時， 參考肖挺（2019）提出的服務收入類別標準， 具體分為產品導向型、 客戶導向型服務標準。產品導向型服務主要是針對產品本身的服務， 包括維修維護、 安裝、 檢測、 更新等服務； 客戶導向型服務包括咨詢、 培訓、 技術服務、 整體解決方案等。少量企業的服務化收入并未具體列出， 而是在“其他業務”或“其他主營業務”板塊體現， 鑒于其所占比重十分低， 將這類企業歸入產品主導型商業模式。鑒于智能制造企業的商業模式具有數字化烙印， 刪除數字化投入為零的企業樣本。此外， fsQCA在處理面板數據時有可能會使一致性和覆蓋度不準確（Castro和Ari?o，2016）， 因此選取樣本企業2017 ～ 2019的數據， 取三年的平均值作為截面數據進行分析。刪除缺失值較為嚴重的樣本， 共獲得312家企業， 其中， 符合產品主導型商業模式的企業有182家， 符合服務主導型商業模式的企業有130家。

本文按照服務化水平將樣本進行分離， 以比較兩類模式前因組態的異同。從樣本企業的遴選過程來看， 符合QCA分析強調案例的理論抽樣的常規做法（Castro和Ari?o，2016）。本文數據主要來源于國泰安、 CCER等主流數據庫， 數字化導向通過Wingo財經文本數據平臺進行文本分析獲得。樣本共涉及八個行業， 行業分類參照GB/T 4754-2017《國民經濟行業分類》的標準， 樣本企業主要分布在計算機、 通信和其他電子設備制造業（25%）、 電氣機械及器材制造業（18.91%）、 專用設備制造業（16.99%）、 醫藥制造業（13.14%）、 汽車制造業（12.18%）。

（三）結果與條件的測量和校準

1. 結果與條件的測量。

（1）商業模式。參考活動系統視角下商業模式的概念和相關測量方式（Zott和Amit，2009）， 將商業模式分為內容、 結構及治理三個方面。其中， 商業模式內容是指交易過程中的信息、 產品以及相關的基礎資源與能力， 商業模式結構指的是交易中的各參與主體以及各主體的連接方式， 商業模式治理主要是指交易中管理產品、 信息或交易方式等的方法。具體測量方法如下： 從關鍵業務能力（各產品在不同行業的銷售收入占總營業收入的比重的平方和）、 核心資源（無形資產賬面價值占總資產的比例）兩個方面測量商業模式內容； 從利益相關者的集中度和廣度兩個方面測量商業模式結構， 集中度主要包括客戶、 供應商兩個主體的集中度（前五大客戶、 供應商集中度）， 廣度則通過企業的關聯者數量進行測量； 從企業內部激勵角度測量商業模式治理， 具體來說， 采用高管持股、 兩職兼任兩個指標進行測量。在此基礎上， 取上述三個方面的加權平均值測度商業模式。

（2）數字化基礎設施。參考王宇等（2020）的研究， 使用數字化投資強度測量數字化基礎設施。具體地， 從企業固定資產中提取與數字化相關的資產和從無形資產中提取與數字化相關的軟件資產， 將二者求和并除以公司總資產， 得到企業在數字化基礎設施方面的投入強度值， 表征數字化基礎設施完善程度。

（3）數字化導向。參考Kindermann等（2020）的研究， 從數字技術范圍、 數字化能力、 數字化生態系統協調、 數字化架構配置四個方面， 分別計算各維度涉及關鍵詞在年報MD&A章節中的詞頻比例。本文充分結合智能制造企業的現實情境和年報內容的特點， 在相應的維度增加關于智能制造的詞匯， 如： 在數字化能力維度增加智能制造、 服務型制造、 工業大數據等詞匯， 在數字化生態系統協調維度增加工業互聯網平臺、 智能制造中心、 MES系統、 PaaS等詞匯。將上述四個維度的詞匯在年報MD&A章節中出現的詞頻除以MD&A章節詞匯總數， 所獲占比加總即為數字化導向。該值越大， 表示數字化導向越強。

（4）技術可供性。參考Hein等（2019）的研究， 從企業專利指標入手測量技術可供性。現有文獻普遍認為發明專利是支持企業創新驅動發展的關鍵， 需要長期的研究和技術積累， 對軟硬件設施和資源等的要求較高， 具有更高的探索性和創造性及不可預測性。因此， 本文選取公司該年度獲得的發明專利數量， 在原始值加1的基礎上取自然對數， 以此衡量技術可供性， 該值越大， 表示技術可供性越高。

（5）高管團隊支持。本文使用高管團隊異質性衡量高管團隊支持（郭天嬌和鄒國慶，2020）。與張明等（2020）的研究一致， 通過高管團隊成員在年齡、 性別、 教育水平和職能背景 四個人口統計學特征上的差異程度來測量高管團隊異質性。職能背景異質性采用Blau分類指數計算， 鑒于高管存在多個職能背景， 參照鄧新明等（2020）的做法， 將多個職能背景進行拆分并視為單獨變量進行計算。將上述 四個指標標準化后取平均值即為高管團隊異質性， 該值越大表明高管團隊對商業模式創新的支持力度越大。

（6）政府支持。采用政府補貼額除以銷售收入來表示政府支持， 該值越大表明政府支持力度越大。

（7）行業集中度。用赫爾芬達指數測量行業集中度， 該值越大表明行業集中度越高。

2. 結果與條件的校準。本文采用直接校準法對結果和條件進行校準， 旨在使用邏輯函數將原始數據轉換為 1（完全隸屬）、 0.5（交叉點）和 0（完全不隸屬）三 個定性錨點間的分布。本文綜合考慮了理論與實踐及數據分布特點， 對結果和各條件進行針對性的校準。具體地， 高管團隊支持參考張明等（2020）的校準方法， 采用90%、 50%、 10%進行校準， 對商業模式采用95%、 50%、 5%進行校準。在數字化導向方面， 鑒于本文使用文本分析方法展開測量， 而中國電子技術標準化研究院發布的《智能制造發展指數報告2020》顯示， 越來越多的制造企業開始將智能制造融入企業的戰略規劃中， 在所調研的企業中有近九成企業擁有智能制造發展愿景， 本文所研究的對象具有極為明顯的指向性， 因此對數字化導向采用95%、 50%、 5%的校準方式。其余條件均采用上、 下四分位數及二者的均值進行校準。各錨點值見表1。

四、 實證結果與分析

（一）單個條件的必要性分析

本文使用 fsQCA 3.0 軟件分析必要條件檢驗結果。從表2可知， 形成兩類商業模式的所有條件的一致性水平均不高于臨界值 0.9， 表明六個條件中不存在引致結果的必要條件。

（二）條件組態的充分性分析

本文將原始一致性閾值設定為0.8， 將PRI一致性閾值設置為0.7， 考慮到樣本規模和所納入案例數的相關原則， 將產品主導型、 服務主導型商業模式的閾值均設定為2。通過中間解與簡約解的嵌套關系對比來識別每種組態的核心條件和邊緣條件。表3為實現高產品主導型商業模式、 高服務主導型商業模式的組態結果。從具體結果來看， 實現高產品主導型商業模式的組態有四種， 解的一致性為90%， 實現高服務主導型商業模式的組態則有三種， 解的一致性為91.4%。所有組態的一致性均超過了0.8， 且兩類模式的解的覆蓋度都達到了理論標準值（杜運周和賈良定，2017）。

1. 實現高產品主導型商業模式的組態分析。表3顯示， 實現高產品主導型商業模式的組態共有四種。其中， 組態S1a與組態S1b的核心條件一致， 構成了二階等價組態。

（1）基礎設施驅動型。符合該路徑的條件組態為S1a、 S1b。具體地， 組態S1a指出， 在技術可供性、 高管團隊支持不足且行業集中度不高的情況下， 依托于完善的數字化基礎設施， 輔以較強的數字化導向， 不論是否獲得政府的支持， 都能實現高產品主導型商業模式。類似地， 組態S1b表明， 在數字化導向、 技術可供性、 高管團隊支持、 政府支持不足且行業集中度較高的情況下， 發揮數字化基礎設施的支撐作用能夠形成產品主導型商業模式。組態S1a與S1b不同的地方在于， 作為輔助條件的數字化導向和行業集中度的情況不同。組態S1a表明， 在行業集中度不高即市場競爭較為激烈的行業環境下， 有必要從戰略高度在企業內部構建和形成數字化導向， 以減少行業環境帶來的不確定性。上述兩類條件組態的共同特點為以完善的數字化基礎設施為核心條件存在， 因此本文將這兩類條件組態命名為“基礎設施驅動型”。

（2）基礎設施與組織能力協同驅動型。符合該路徑的條件組態為S2。組態S2顯示， 在缺乏政府支持且行業集中度較高即競爭強度不高的情形下， 依托于完善的數字化基礎設施、 高技術可供性以及有力的高管團隊支持， 不論企業是否具備數字化導向， 都能夠實現高產品主導型商業模式。在行業集中度較高的環境下， 企業間的競爭趨于緩和， 市場結構趨于壟斷態勢， 企業的市場份額有可能會受到一定的擠壓。要想在這種環境下突圍， 企業可以在完善數字化基礎設施的基礎上， 提升組織層面的能力， 充分發揮主觀能動性， 開展探索性創新活動， 利用長期研究和技術積累優化產品性能和提高產品質量。

（3）數字化驅動型。符合該路徑的條件組態為S3。組態S3指出， 在技術可供性缺乏、 行業集中度較高的情形下， 企業以完善的數字化基礎設施、 高數字化導向為核心條件， 充分利用政府的支持， 能夠實現高產品主導型商業模式。在這個過程中， 來自高層管理者的支持變得無關緊要。盡管已有研究表明高管團隊的支持對企業商業模式的設計和創新極為關鍵（謝衛紅等，2018； 楊特等，2018）， 但該組態反映出當前一些智能制造企業在關注商業模式的過程中， 高管團隊的作用并未突顯出來， 而是主要依托數字化實現高產品主導型商業模式。

2. 實現高服務主導型商業模式的組態分析。從表3可以看出， 實現高服務主導型商業模式的組態共有三種。

（1）組織能力驅動型。符合該路徑的條件組態為C1。組態C1表明， 在缺乏完善的數字化基礎設施、 數字化導向、 政府支持且行業集中度較高的情形下， 具備高技術可供性的智能制造企業能夠實現高服務主導型商業模式， 在此過程中， 高管團隊的支持并不重要。由此可見， 在行業集中度較高的環境下， 技術可供性對于實現高服務主導型商業模式能夠起到重要的作用。有研究指出， 實施服務主導型商業模式的企業所具備的知識、 能力與實施產品主導型商業模式的企業有所不同。實施服務主導型商業模式不僅需要具備與產品相關的技術知識， 如工程技能以及產品架構和功能方面的知識， 而且還依賴于一種全新的能力， 如管理咨詢、 金融、 物流等（Fang等，2008）。對于智能制造企業而言， 這些全新的能力更體現為企業如何思考和協調技術與行為主體二者間的互動關系（Markus等，2008）。

（2）戰略與組織能力協同驅動型。符合該路徑的條件組態為C2。組態C2表明， 在缺乏完善的數字化基礎設施且行業集中度不高的情形下， 較強的數字化導向、 較高的技術可供性以及高管團隊有力的支持構成實現高服務主導型商業模式的充分條件。在這個過程中， 來自政府的支持變得無關緊要。從組態C2可以看出， 行業集中度不高意味著企業有可能面臨較為激烈的行業競爭， 加之內部數字化基礎設施不完善， 需要企業在戰略（數字化導向）和組織能力（技術可供性、 高管團隊異質性）的協同作用下驅動高服務主導型商業模式的實現。

（3）高行業集中度下基礎設施驅動型。符合該路徑的條件組態為C3。組態C3表明， 在行業集中度較高且數字化導向、 技術可供性、 高管團隊支持、 政府支持都缺乏的情況下， 依托完善的數字化基礎設施能夠實現高服務主導型商業模式。值得注意的是， 該條件組態與實現高產品主導型商業模式中的組態S1b非常接近，它們之間主要的區別在于行業集中度是否作為核心條件存在， 也即呈現出明顯的環境匹配特征。換言之， 在行業集中度較高（競爭強度不高）的環境中， 企業能夠充分依托數字化基礎設施設計和提供與產品、 客戶相關的服務， 完善的數字化基礎設施是對于實現高服務主導型商業模式極為重要的資源基礎與核心支撐。

（三）穩健性檢驗

與以往研究一致（杜運周和賈良定，2017）， 首先， 將原始一致性由原來的0.8提高至0.85， 發現產生的組態與原有組態基本一致。其次， 將PRI一致性由0.7提高至0.75， 此時產生高產品主導型商業模式的前因組態與原有組態也基本一致， 產生高服務主導型商業模式的前因組態雖然只有一組， 但也為原有組態的子集（見表4）。因此， 本文的結論較為穩健。

五、 進一步分析： 不同組態對企業績效的影響

本文分析了實現高產品主導型和高服務主導型商業模式的不同路徑， 發現它們的前因組態差異明顯。接下來， 本文將進一步研究不同路徑對企業績效的影響， 以為智能制造企業選擇和實施商業模式提供理論支持， 并拓展商業模式與績效關系和制造企業服務化轉型等理論方面的研究。本文將每種組態作為自變量進行度量， 并根據交集情況計算各個變量的值。其中， 因變量企業績效選擇對外部環境敏感度不高且相對穩健的銷售回報率（ROS）進行測量， 在后續使用息稅前營業利潤率（EBIT）進行穩健性檢驗（肖挺，2019）。同時， 參考相關研究（張明等，2020）， 選取企業年齡、 企業規模、 企業性質、 資產結構、 制造類型、 榮譽資源以及資產負債率作為控制變量。隨后采用OLS回歸分析方法進行實證分析， 結果如表5所示。其中， 模型1和模型3分別考察了產品主導型商業模式和服務主導型商業模式下控制變量與企業績效間的關系， 模型2和模型4分別考察了產品主導型商業模式和服務主導型商業模式與企業績效間的關系。

從表5中可以看到， 實現高產品主導型商業模式的四種組態中， 只有數字化驅動型能夠對企業績效產生顯著的正向影響（β=0.161，t=2.293）， 其余組態對企業績效的影響并不顯著。在實現高服務主導型商業模式的三種組態中， 只有戰略與組織能力協同驅動型對企業績效具有顯著的負向影響（β=-0.203，t=-2.604）。由此可以看出， 兩種不同的組態對企業績效會產生截然相反的影響。通過上述分析可以看到， 數字化驅動型與戰略和組織能力協同驅動型均是各自組態集合中原始覆蓋率最高的組態， 也即分別代表了實現高產品主導型、 高服務主導型商業模式中最典型的類型。同時， 以往研究表明實施服務主導型商業模式在短期內并不能有效促進企業績效的提升， 反而有可能對企業績效帶來負向影響（肖挺，2019）， 本文的研究結論進一步對以往研究進行了回應。

表6是將息稅前營業利潤率替代ROS所做的穩健性檢驗， 數據分析結果與表5的回歸結果本質上是一致的， 說明模型具有一定的穩健性。

六、 研究結論與實踐啟示

（一）研究結論

本文從服務化的角度將智能制造企業的商業模式分為產品主導型和服務主導型兩種。使用fsQCA方法綜合討論六個條件對兩種商業模式的組態效應。研究發現： 實現高產品主導型商業模式的路徑有四條， 即基礎設施驅動型（S1a和S1b）、 基礎設施與組織能力協同驅動型、 數字化驅動型； 實現高服務主導型商業模式的路徑有三條， 即組織能力驅動型、 戰略與組織能力協同驅動型， 以及高行業集中度下基礎設施驅動型； 數字化驅動型能夠顯著促進企業績效的增長， 戰略與組織能力協同驅動型則會對企業績效產生不利影響。

（二）實踐啟示

本文提供了智能制造企業在實施高水平商業模式方面的路徑選擇和思考， 以及在服務化、 數字化轉型方面的長期主義心態和理論借鑒。智能制造企業應該進行全方位審視以選擇合適的商業模式（產品主導型或服務主導型）。在實現高產品主導型商業模式的過程中， 企業應多關注基礎設施投入和數字化戰略； 而在實施服務主導型商業模式的過程中， 企業則可以多聚焦數字化戰略的形成和組織能力的提升。同時， 智能制造企業應該以長期主義心態實施服務化、 數字化轉型， 重點關注商業模式的選擇、 調整和升級。

【 主 要 參 考 文 獻 】

鄧新明，劉禹，龍賢義等．高管團隊職能異質性與企業績效關系研究： 基于管理者認知和團隊沖突的中介分析［ J］．管理工程學報，2020（3）：32 ～ 44．

杜運周，賈良定．組態視角與定性比較分析（QCA）：管理學研究的一條新道路［ J］．管理世界，2017（6）：155 ～ 167．

郭天嬌，鄒國慶．高管團隊異質性、慣例更新與商業模式創新：有調節的中介效應模型［ J］．商業研究，2020（7）：8 ～ 14．

劉洋，董久鈺，魏江．數字創新管理：理論框架與未來研究［ J］．管理世界，2020（7）：198 ～ 217+219．

呂鴻江，程明，吳利華．CAS視角下的商業模式設計與組織適應性［ J］．管理科學學報，2016（9）：94 ～ 108．

王宇，王鐵男，易希薇．R&D投入對IT投資的協同效應研究 ——? 基于一個內部組織特征的情境視角［ J］．管理世界，2020（7）：77 ～ 89．

吳珊，龔業明，張金?。袊悄苤圃彀購娫u價及發展研究［ J］．管理學報，2020（2）：159 ～ 165．

吳曉波，趙子溢．商業模式創新的前因問題：研究綜述與展望［ J］．外國經濟與管理，2017（1）：114 ～ 127．

肖靜華，李文韜．如何應對“一管就死，一放就亂”的管理困境 ——? 索菲亞家居高層管理團隊的適應性管理之道［ J］．管理學報，2020（11）：1581 ～ 1593．

肖挺．制造企業服務化商業模式與產品創新投入的協同效應檢驗 —— “服務化悖論”的一種解釋［ J］．管理評論，2019（7）：274 ～ 285．

謝衛紅，李忠順，蘇芳等．高管支持、大數據能力與商業模式創新［ J］．研究與發展管理，2018（4）：152 ～ 162．

楊特，趙文紅，李穎．創業者經驗寬度、深度對商業模式創新的影響：創業警覺的調節作用［ J］．科學學與科學技術管理，2018（7）：88 ～ 104．

張明，藍海林，陳偉宏等．殊途同歸不同效：戰略變革前因組態及其績效研究［ J］．管理世界，2020（9）：168 ～ 186．

趙宸宇．數字化發展與服務化轉型 —— 來自制造業上市公司的經驗證據［ J］．南開管理評論，2021（2）：149 ～ 163．

Cortimiglia M. N.， Ghezzi A.， Frank A. G.. Business model innovation and strategy making nexus： Evidence from a cross-industry mixed-methods study［ J］．R&D Management，2016（3）：414 ～ 432．

Foss N. J.， Saebi T.. Fifteen years of research on business model innovation： How far have we come，and where should we go？［ J］．Journal of Management，2017（1）：200 ～ 227．

Frank A. G.， Dalenogare L. S.， Ayala N. F.. Industry 4.0 technologies： Implementation patterns in manufacturing companies［ J］．International Journal of Production Economics，2019（4）：15 ～ 26．

Guggenberger T.， M?ller F.， Boualouch K.， et al.. Towards a unifying understanding of digital business models［A］．Dubai： 24th Pacific Asia Conference on Information Systems，2020．

Hein A.， Soto Setzke D.， Hermes S.， et al.. The influence of digital affordances and generativity on digital platform leadership［A］．Munich： 40th International Conference on Information Systems，2019．

Henfridsson O.， Nandhakumar J.， Scarbrough H.， et al.. Recombinationin the open-ended value landscape of digital innovation［ J］．Information and Organization，2018（2）：89 ～ 100．

Kohtam?ki M.， Parida V.， Oghazi P.， et al.. Digital servitization business models in ecosystems： A theory of the firm［ J］．Journal of Business Research，2019（104）：380 ～ 392．

Kindermann B.， Beutel S.， De Lomana G. G.， et al.. Digital orientation： Conceptualization and operationalization of a new strategic orientation［ J］．European Management Journal，2020（5）：645 ～ 657．

Laudien S. M.， Daxb?ck B.. The influence of the industrial internet of things on business model design： A qualitative-empirical analysis［ J］．International Journal of Innovation Management，2016（8）：1640014．

Paschou T.， Rapaccini M.， Adrodegari F.， et al.. Digital servitization in manufacturing： A systematic literature review and research agenda［ J］．Industrial Marketing Management，2020（8）：278 ～ 292．

Raddats C.， Kowalkowski C.， Benedettini O.， et al.. Servitization： A contemporary thematic review of four major research streams［ J］．Industrial Marketing Management，2019（83）：207 ～ 223．

Visnjic I.， Wiengarten F.， Neely A.. Only the brave： Product innovation，service business model innovation，and their impact on performance［ J］．Journal of Product Innovation Management，2016（1）：36 ～ 52．

Yoo Y.， Henfridsson O.， Lyytinen K.. Research commentary — The new organizing logic of digital innovation： An agenda for information systems research［ J］．Information Systems Research，2010（4）：724 ～ 735+1008．

Zhou Y.， Zang J.， Miao Z.， et al.. Upgrading pathways of intelligent manufacturing in China： Transitioning across technological paradigms［ J］．Engineering，2019（4）：691 ～ 701．

Zott C.， Amit R.. Business model innovation： How to create value in a digital world［ J］．Gfk Marketing Intelligence Review，2017（1）：18 ～ 23．