數字化轉型與企業高質量創新

摘 要：在我國面臨加快形成新質生產力的要求與努力突破科技封鎖的需要這種雙重壓力下，探究如何提升企業的創新質量既是發展需要也是現實要求。本文從突破式創新視角出發理解高質量創新，引入了一個全新的衡量企業突破式創新水平的方法，并運用2010—2021 年我國A 股上市公司數據實證探討了數字化轉型對企業高質量創新的影響。研究發現：首先，數字化轉型能夠顯著地提升企業突破式創新水平，并且這種影響具有時間上的持續性，該結果在考慮內生性問題以及進行了一系列穩健性檢驗后依然成立；其次，數字化轉型能夠通過降低代理成本、優化人力資本結構以及促進企業內部資源整合能力這三條途徑來提升創新質量；最后，數字化轉型對企業突破式創新的促進效應在國企、資本技術密集型企業以及中小型企業內更加明顯。本文的研究進一步拓展對于數字化轉型與企業創新相關領域的研究，并為我國企業數字化轉型提供了有益借鑒。

關鍵詞：數字化轉型；突破式創新；代理成本；人力資本；內部資源整合

一、引 言

習近平總書記于2023 年9 月在黑龍江考察時提出了“新質生產力”的概念，“新質生產力”本質上就是要以新技術推動生產方式的變革，從而形成新的發展動力，進而促進經濟社會的高質量發展，而這其中的關鍵點就在于高質量的科技創新（沈坤榮等，2024）。值得注意的是，世界知識產權組織（WIPO）發布的《2022 年全球創新指數報告》公布的內容顯示，截至2022 年，我國已經連續多年位列專利申請總量的第一名，與此同時專利綜合指數得分卻排在了第11 名，盡管增長的趨勢明顯，但是仍然與我國的經濟體量以及專利申請總數量不相匹配。專利種類包含了發明專利、實用新型專利以及外觀設計專利三大類，有研究表明我國很多企業更偏向于“策略性創新”而不是“實質性創新”（黎文靖和鄭曼妮，2016），即申請較多的是技術含量較低的實用新型專利與外觀設計專利而非技術含量較高的發明專利。因此我國專利申請面臨著“爆炸式”增長與專利“泡沫”并存的局面（張杰和鄭文平，2018），而這種低質量創新的局面甚至可能會對經濟增長產生負面的影響（Hall and Harhoff，2012）。不僅如此，在以美國為首的西方發達國家不斷對我國實施科技封鎖和高科技產品出口禁令的情況之下，探究如何提升高質量創新水平不僅是推動高質量發展的長遠需要，也是應對眼前的挑戰并實現破局的現實需要。

與此同時，根據中國信通院發布的《中國數字經濟發展白皮書（2023）》，我國數字經濟規模在2022 年達到了50.2 萬億，已經連續11 年顯著高于同期GDP 增速。并且在其中，數字產業化規模達到了9.2 萬億元，產業數字化規模達到了41 萬億元，說明我國企業在數字經濟蓬勃發展的過程中也紛紛開始了數字化轉型與探索。伴隨著數字經濟的發展，數字化轉型對企業創新的影響也已經得到了大量的研究（王金杰等，2018；Trabucchi and Buganza，2019；李珊珊和徐向藝，2019；安同良和聞銳，2022；龐瑞芝等，2023），但是現有研究多數是從專利申請數量或研發投入產出的角度定義的創新，這與我國亟須轉變發展動能與解決關鍵技術“卡脖子”問題的現實不符。突破式創新（Radical innovation）是與漸進式創新（Incremental innovation）相對的一個概念，指的是通過引入全新技術或理念，開發出全新產品、服務或業務模式，從而創造出全新的市場與發展機會（Zhouet al.，2005），這是高質量創新的一個重要內涵，也更加符合我國的現實需要。因此本文將從企業創新的突破性視角出發，探究數字化轉型對我國企業高質量創新的影響及其傳導機制，并引入一個全新的衡量企業突破式創新水平的指標以實證檢驗本文的理論命題。

本文的結構如下，第一部分引言；第二部分對企業突破式創新與數字化轉型相關文獻進行梳理與評述；第三部分分析數字化轉型如何影響企業突破式創新并識別其中的機制，同時提出相關假設；第四部分建立能夠反映第三部分理論的計量模型并選取相關代理變量；第五部分對實證的結果進行解讀與分析；第六部分進一步分析；第七部分結論與啟示。

二、文獻梳理與評述

（一）企業突破式創新的影響因素

綜合現有的文獻，解釋企業突破式創新主要分為社會網絡理論、動態資源管理理論與組織學習理論這三類（肖海林和董慈慈，2020）。社會網絡理論認為突破式創新具有高不確定性與高風險的特征，單個企業難以應對，因此需要依托社會網絡來實現資源互補與技術創新（Kamuriwo et al.，2017）。而企業所擁有的技術嵌入的生態系統在很大程度上決定了該技術能否取代舊技術（Adnerand Kapoor，2016），突破式創新能力將會受到不發達的生態系統的拖累（Sandberg and Aarikka-Stenroos，2014），因此企業必須要努力營造一個良好的生態環境并借此獲得創新上的優勢（柳卸林等，2016）。動態資源管理理論認為企業擁有的內外部資源很大程度上影響了其突破式創新績效，因此要培育跨越組織邊界調動、利用和部署關鍵資源的能力，以彌合技術上的不連續性（Chou，2016）。而構建研發聯盟和向客戶學習能夠為企業帶來大量復雜的科學外部知識和行業外部知識（趙息和李文亮，2016；Hashai，2018），企業對外部知識的知識積累與轉化將成為提升企業突破性技術創新能力的關鍵（劉海運和游達明，2011）。組織學習理論將學習分為利用式學習與探索式學習（March，1991），并且認為企業突破式創新的順利進行有賴于對新知識的學習與轉化。該理論還認為企業可以通過合作進行學習（Ritala and Laukkanen，2013）或者通過從失敗中積累經驗進行學習（查成偉等，2015）。

（二）數字化轉型與企業創新

數字化轉型對企業創新的影響已經引起了很多學者的關注與研究，總的來說，學者們基本上形成了一致的認識，即數字化轉型能夠提升企業的創新水平（李珊珊和徐向藝，2019；王文娜等，2020；Trabucchi and Buganza，2019；沈國兵和袁征宇，2020；安同良和聞銳，2022），不同學者們研究的區別主要在于數字化轉型影響創新的途徑。例如，數字化轉型能夠通過促進企業的組織管理變革（安同良和聞銳，2022；俞立平等，2024；余東華和馬路萌，2024）、優化企業的人力資本結構（安同良和聞銳；龐瑞芝等，2023）、提高研發資金的使用效率（王金杰等，2018）、增強企業的動態能力（Mikalef et al.，2019）以及促進企業的開放式創新能力（王文娜等，2020；安同良和聞銳，2022）等途徑提升其創新績效。

在數字化轉型對高質量創新的影響研究方面，學者們也基本上保持了一致的看法。區別在于不同的學者對高質量創新的研究視角不同，從而使得對高質量創新的定義有所差別。有學者從企業對其他行業進行探索的角度認識高質量創新，并認為數字化轉型可以通過提升企業創新能力、改善企業吸收能力和促進企業適應能力增強其創新質量（張吉昌和龍靜，2022）。也有學者用發明專利的申請量來代替高質量創新，并從組織遺忘視角來分析數字化轉型對企業高質量創新的影響（薄秋實等，2023）。還有學者用專利的被引用量來衡量創新質量，并考察了數字化轉型對供應鏈上下游企業的創新質量的影響（楊金玉等，2022）

（三）文獻評述

綜合以上的研究，發現國內外學者對于企業突破式創新的影響因素已經進行了較多的探索，并且對于數字化轉型與企業創新之間的關系也進行了較多的研究并得出了許多成果。但是大多數的研究都集中在數字化轉型對于創新數量或者創新投入的影響，數字化轉型對企業創新質量的影響仍然缺少一致的見解。基于此，本基于創新突破性視角來理解高質量創新，從理論上研究了數字化轉型與企業創新突破性之間的關系，并且在Funk 和Owen-Smith（2017）的研究基礎上結合我國企業的專利特點構造了反映企業創新質量的突破式創新指標，運用2010—2021 年我國A 股上市公司樣本實證檢驗了數字化轉型與企業突破式創新水平之間的關系。本文的主要邊際貢獻在于：首先，結合我國的實際情況從理論上分析了數字化轉型對企業創新突破性與獨創性的影響；其次，根據我國企業的專利特征構造了衡量企業創新質量的突破式創新指標并進行了經驗檢驗；最后，識別出了三條數字化轉型影響企業創新突破性的作用渠道。本文的研究為進一步深入理解如何提高企業突破式創新能力以及數字化轉型對高質量創新的促進作用與渠道方面提供了有益的見解。

三、理論分析與研究假設

（一）數字化轉型對企業突破式創新的影響

突破式創新是與漸進式創新相對的概念，漸進式創新主要指的是在原本的技術領域或者技術路線上進行的修改或補充。與之相對地，突破式創新指的則是超越原本的技術路線并開拓全新的技術領域從而為以后的研究與創新提供新的參考與借鑒的創新（Funk and Owen-Smith，2017），該種創新屬于高質量創新，并且對于企業在市場中獲得有利的競爭地位尤其重要（徐照宜等，2023）。但是突破式創新模式相對于傳統的創新模式需要投入更多的人力物力等戰略性資源，也需要企業擁有整合這些資源的能力，從而對于企業的運營模式提出了更加嚴格的要求。而企業的數字化轉型包含了多方面與深層次的內容，其中主要包括企業在人工智能（Artificial Intelligence）、區塊鏈（Blockchain）、云計算（Cloud Computing）和大數據（Big Data）等幾個領域的探索，這種全面的數字化轉型所引致的是企業運營目標、組織結構以及生產模式等方面的商業模式的根本性轉變（戚聿東和肖旭，2020），這種轉變恰好能為企業選擇突破式創新模式提供有利條件。

盡管突破式創新開辟了一條全新的軌道，但這不意味著突破式創新所需的知識與資源是憑空產生的。恰恰相反，突破式創新需要在對現有的知識與其他創新原材料進行充分的挖掘與分析的基礎之上才能產生（伍勇和魏澤龍，2017）。數字經濟時代，數據作為一種核心生產要素進入了企業的運營過程之中，企業能夠通過云計算以及相關的輔助性技術對海量的數據進行聚集和存儲，隨后通過運用人工智能以及大數據分析等技術，企業能夠精準識別海量數據中有價值的部分以及相應的特定前沿知識，并且通過對數據的進一步分析以及對知識的再加工與融合創造出與以往完全不同的新知識與新產品，從而促進企業的突破式創新能力（李樹文等，2021）。企業的突破式創新相對于傳統的創新不僅需要更多的資源，并且還充滿了不確定性，尤其是創新成果能否被市場所接受，因此許多企業盡管擁有足夠的資源但是仍然不愿意冒風險在新賽道上進行探索。而與工業資本時代不同，數字資本時代出現了越來越明顯的用戶需求主導特征（陳劍等，2020；戚聿東和肖旭，2020），這就意味著企業要能夠不斷與用戶溝通并傾聽用戶的聲音，這種雙向互動的價值創造過程使得企業的創新方式逐漸由經驗主導轉變為數據主導（郭家堂和駱品亮，2016），這個過程極大地緩解了企業創新活動所面臨的信息不對稱性（Demertzis et al.，2018），從而為企業選擇突破式創新模型提供了更加有利的條件。企業如果在研發某項新產品之前就已經掌握了市場對于該產品的預期值，那么就可以更低成本地決定是否進行該項創新，這使得企業突破式創新的成功率更高，從而也就增加了企業進行突破式創新的意愿，產生創新活動與市場反饋正向互補的效應。除此以外，由于數據本身具有非競爭性特征以及邊際價值的非遞減性特征（VERGANTI et al.，2020），實行數字化轉型的企業能夠充分挖掘數據中的價值，這就使得這些企業相較于傳統企業擁有更加豐富的用于進行創新的底層資源，通過對這些海量資源的分析以及與用戶的溝通，就能夠產生相互耦合與協作的有機創新，這為企業的突破式創新提供了更加堅實的基礎，也使得企業更加容易突破創新過程中所遇到的瓶頸。不僅如此，數字化轉型也有助于企業內部成員之間和企業與外部之間的顯性知識與隱性知識的共享（GRANT et al.，2010），而這會有助于企業獲得更加廣泛的知識基礎，并且會促進知識的融合與再創造，從而進一步提升企業進行突破式創新的能力與意愿。基于以上的分析，本文提出以下一組假設：

H1：在其他因素不變的情況下，數字化轉型能夠有效提升企業的突破式創新水平。

（二）數字化轉型對企業突破式創新的影響機制

1. 通過降低代理成本提升企業突破式創新水平

委托代理理論認為，股東與高管分別扮演了企業的委托人與代理人角色，而在很多場合之下二者的利益并不一致（Jensen and Meckling，1976）。因為代理人能夠運用其權力以及在管理公司過程中的有利地位為自己謀取私利，這會增加代理成本，從而擠壓公司用于創新活動的資源（潘紅波和高金輝，2022）。選擇進行突破式創新的企業需要集合大量的人力物力并投入長時間進行研發，這種創新活動很可能在短期內難以產生回報。而高管是企業創新活動的重要決策主體，因而其意愿直接影響了企業的創新模式選擇（盧現祥和李磊，2021）。突破式創新很可能因為無法在短期內滿足代理人的利益訴求而導致代理人傾向于抑制該種創新活動（HE and Tian，2013）。

不同于傳統垂直式的組織結構，進行數字化轉型的企業表現出了越來越明顯的去中心化和水平化的組織特征（戚聿東和肖旭，2020），這削弱了高管原本在公司中的集權狀況，使得權力出現了向下層擴散的狀況（劉政等，2020），從而能夠有效降低企業的代理成本，進而為其進行突破式創新營造良好的環境。不僅如此，傳統企業中高管掌握著大量的壟斷性信息，而進入信息化時代的企業所面對的信息是海量的和指數級的，因而高管無法將這些全部的信息全部進行處理，從而必然會失去對于信息的壟斷優勢（Lee and Edmondson，2017），這就使得其難以再通過信息不對稱的優勢地位為自己謀取私利，進而使得企業的代理成本進一步降低。除此以外，數字化轉型也引致了企業管理方式與監督方式的革新，數字化技術的運用使得企業盈余管理與內部控制管理等過程更加透明化（Goldfarb and Tucker，2019），這不僅抑制了高管的自利動機，從而降低了代理成本，還能夠降低企業委托人對代理人的監督成本，從而為企業的突破式創新提供更多可供利用的資源。基于以上分析，本文提出以下假設：

H2：數字化轉型能夠通過降低企業內部股東與高管之間代理成本提升突破式創新水平。

2. 通過促進人力資本結構優化提升企業突破式創新水平

企業進行突破式創新研發不僅需要大量的資金，同樣也需要更多的具備高級技能以及創新思維的人才，而高技能人才的缺乏會使得企業的創新活動難以為繼且容易遇到難以突破的瓶頸。數字化技術的使用必然要求企業對人力資本結構進行根本性的調整，具體來看表現在對生產操作類員工以及行政管理類員工的需求減少，而對技術研發類員工的需求增加（郭金花和朱承亮，2024），而這種調整能夠為企業儲備具有進行突破式創新研發活動能力的人才。人工智能、大數據以及云計算等數字技術的運用使得企業的簡單決策與生產都可以實現智能化與自動化，而這些數字技術本身又需要有高技能勞動力的運作與維護（陳冬梅等，2020），這會進一步提升企業進行突破式創新的潛力。有學者還指出，企業數字化轉型所需要的勞動力還不僅僅是能夠有效運作相關技術的高技能勞動，而且是在技術創新與戰略管理等方面都具備較高水準的復合型人才（史宇鵬等，2021），可以肯定的是，這些高技能型人才以及高水準的復合型人才本身就具有更多的知識儲備以及更先進的創新思維，因而這必然會為企業的突破式創新提供更加豐富人力資本。并且隨著人力資本結構的不斷優化，高質量知識資本會嵌入企業的生產價值鏈之中，對生產過程產生直接的技術外溢（劉維剛和倪紅福，2018），這會進一步促進企業在研發與生產全流程的突破式創新能力。基于以上的分析，本文提出以下假設：

H3：數字化轉型能夠通過促進企業人力資本結構優化提升企業突破式創新水平。

3. 通過促進企業內部資源整合能力提升企業突破式創新水平

對于企業而言，進行突破式創新不僅需要投入巨量的資金以及人才等資源，還需要具備能夠將這些資源合理分配與運用起來進行創新的能力，即強大的資源整合能力。為了在一條全新的知識與創新軌道上平穩運行，企業需要培育自身在不同組織層級間靈活調動與部署核心資源的能力，以彌合因新賽道導致的技術不連續性（Chou，2016）。如果資源整合能力不足導致了大量的資源與時間的浪費，那么突破式創新活動就會受到阻礙。并且突破式創新所需要的整合能力不僅僅是受限于原本的技術與市場的“穩固式”整合，而是能夠將企業所具備的資金與知識充分調動起來的“激進式”整合能力（伍勇和魏澤龍，2017）。

進行數字化轉型的企業通過運用相關信息技術極大地促進了企業內部不同部門與不同組織層級之間的信息溝通與交流（戚聿東和肖旭，2020），這就使得股東、高管與員工之間能夠更加高效地相互了解與配合，充分認識到各自在企業運轉過程中的地位與任務，從而提高企業內部整體的運行效率，進而提高資源整合能力。除此以外，當企業從外部獲得了海量用于創新的知識之后，人工智能以及大數據分析等技術能夠輔助創新人員對數據信息進行整理與提煉，從而提高了企業對信息資源的整合能力，使得企業能夠更快更準確地識別出創新所需的信息（徐照宜等，2023）。最后，數字技術改革了企業的供應鏈管理流程，優化了供應鏈管理效率，極大地提升了其對于供應鏈上下游資源的整合能力（陳劍等，2020），從而為突破式創新提供了額外的知識與資源。基于以上的分析，本文提出以下假設：

H4：數字化轉型能夠通過促進企業內部資源整合能力提升企業突破式創新水平。

四、研究設計

（一）樣本選取與數據來源

本文選擇中國A 股上市公司作為研究樣本，考慮到2010 年開始我國的數字經濟以及企業的數字化轉型有了較快的發展，因此選擇的樣本區間為2010—2021 年。測算企業突破式創新水平所需要的專利引用與被引用數據來自CNRDS 數據庫，其余相關數據均來自CSMAR 數據庫。為了防止出現異常值對結果的影響，本文對源數據做了如下處理：①剔除金融行業樣本；②剔除ST、*ST 以及PT 的樣本；③剔除相關變量缺失的樣本；④剔除資產負債率大于1 的異常樣本；⑤對相關變量進行了首尾1%的縮尾處理。

（二）代理變量選擇與定義

被解釋變量：企業突破式創新水平（CD）。目前學界對于突破式創新的衡量主要有三種方法：（1）通過發明專利數量來衡量，該種方法認為發明專利的技術含量更高且審查制度更嚴格，因而相對于外觀專利和實用新型專利能更突出創新的突破性（黎文靖和鄭曼妮，2016；薄秋實等，2023）。但是該種劃分方法較為粗略，難以考察發明專利內部的突破性水平，且我國上市企業在專利申請方面存在策略性行為（龍小寧和張靖，2021），因而單純的發明專利數量不足以準確代表企業的突破式創新水平；（2）通過專利被引用量來衡量，該種方法能夠較好地反映專利的重要程度，是學術界較為一致認可的衡量方式（諸竹君等，2024）。但是該種衡量方式表示的更多只是某項專利在原本的技術路徑或領域內的重要程度，事實上加強原本技術路徑的影響力，無法體現一個全新領域的技術對原本舊技術的挑戰（Funk and Owen-Smith，2017）；（3）基于知識寬度的衡量，該種方法通過對專利的IPC 分類號所屬的類別的數量進行考察，能夠較好地衡量企業對未曾涉足領域的探索（張杰和鄭文平，2018；張吉昌和龍靜，2022）。但是這種方法忽略了某些專業性的高技術企業只鉆研某一個領域的情況，尤其是在目前我國存在著一些關鍵的“卡脖子”技術等待攻克的情況，探索其他行業的技術并不意味著比不斷鉆研本行業的技術更加具有突破性，這種情況下反而是那些經過努力研發在本行業內實現“從0 到1”突破的專利更符合我們所定義的突破性。

本文在Funk 和Owen-Smith（2017）研究的基礎上構造了一種全新的方法，通過考察企業申請的專利是否開拓了一條新的技術軌道來衡量企業的突破式創新水平。具體定義方法見公式（1），其中CDt 表示某企業在t 年的突破式創新水平，Funk 和 Owen-Smith（2017）的研究中當某項專利i 受到專利j 的引用則fit 取1，否則取0，當專利j 不僅引用了專利i，還引用了i 的前向引用專利，則bit 取1。也就是說，若某項專利i 并未被引用，則CDt 指數取0，而既被j 引用又被引用前向專利的專利i 則只能取1，這顯然不符合對專利質量的直觀感受。Funk 和and Owen-Smith（2017）之所以如此設置是因為他們所使用的數據中僅僅只有不到3%的專利未被引用，而我國企業的專利申請存在明顯的策略性行為（黎文靖和鄭曼妮，2016），其中有很大一部分專利質量過低而并未受到任何引用（徐照宜等，2023），通過觀測我們手中2010—2021 年的180 萬條左右發明專利引用與被引用數據，發現其中有接近30%的專利未受到任何引用，因而我們的研究中將未被引用的數據剔除。除此以外，本文將bit 取1 定義為并未進行前向引用的專利，這主要是因為我們想要考察的是某項專利是否突破了原本的領域從而開辟了一條全新的技術路線。通過我們的觀測，未進行前向引用的專利中有超過98%的專利都受到了引用，因此我們認為這些專利可以代表企業的突破性專利。總之，在本文的定義下存在兩種情況：第一種是被引用但卻并未進行前向引用的專利賦值為1，從而認為其具有突破性；第二種是被引用但進行了前向引用的專利賦值為1，從而認為其不具有突破性。但是考慮到某個企業在同一年可能有n 項專利，因而本文隨后將每個企業在t 年的n 項專利求均值，以此衡量企業當年的突破式創新水平。

Funk 和Owen-Smith（2017）考察的是實用新型專利，這是因為他們的數據庫中實用新型專利數量占比超過90%，而考慮到發明專利的技術含量相對較高，因而本文考察的是我國發明專利的突破性水平。最后考慮到創新活動具有時間滯后性，因而本文取下一期CD 指數作為本期的被解釋變量。

核心解釋變量：數字化轉型指標（Dig）。本文采用文本分析方法中的詞頻統計方法測度企業數字化轉型水平，參考袁淳等（2021）的研究，本文首先獲得2010—2021 年A 股上市公司的年報，其次在將數字化轉型詞典導入“jieba”庫并分詞后運用python 對年報中的“管理層討論與分析”（MDamp;A）部分進行詞頻統計。最后考慮到統計詞頻可能受到文本長度的影響，本文采用企業數字化轉型相關詞匯頻數總和除以年報MDamp;A 語段長度衡量微觀企業數字化程度，指標乘以100 以便于匯報，若指標值越大，則數字化程度越高。

控制變量。參考已有研究，選擇以下可能影響企業突破式創新水平的控制變量。資產負債率（Lev）、企業規模（Size）、總資產凈利潤率（Roa）、企業資產相對價值（Tobin）、現金流狀況（Cflow）、流動比率（Liquidity）、產權性質（SOE）、研發投入（RDratio）、股權結構（Top1）、兩職合一情況（Both），主要變量的名稱與具體定義見表1。

（三）模型構建

為了探究本文的假設H1，即數字化轉型對企業突破式創新的影響，構建如下計量模型：

（四）變量的描述性統計

主要變量的描述性統計如表2 所示，表中突破式創新水平CD 的均值為0.6997，這說明我國發明專利整體的突破性水平并不高。數字化轉型指數Dig 的最小值為0.0627，最大值為4.3649，這表明我國上市企業間數字化轉型水平的差距可能較大。

五、實證結果分析

（一）基準回歸分析

表3 展示了對本文基準回歸模型進行估計的結果，本文采用逐步回歸法。第（1）列展示了不添加控制變量且不引入固定效應下的結果，數字化轉型指數（Dig）的系數為0.05 且在1%的水平上顯著。第（2）列引入了控制變量，Dig 的系數略微下降為0.0446，且仍然在1%水平上顯著。第（3）列在第（2）列的基礎上引入公司固定效應與年份固定效應，此時數字化轉型指數的系數下降為0.0175，且結果仍然在5%的水平上顯著。這表明在引入了一系列可能影響企業突破式創新水平的因素之后數字化轉型依舊能夠顯著提升企業的突破式創新水平，本文的假設H1 得到了初步證明。正如本文理論部分所分析的，數字化轉型能夠引致企業商業模式與管理模式的徹底變革，而這種變革為企業進行突破式創新創造了良好條件，從而使得企業愿意進行開辟新技術領域的創新。

表4 展示了數字化轉型對企業T+1 期、T+2 期與T+3 期的突破式創新水平的影響，其中第（1）列與表3 的最后一列相同，第（2）列系數為0.029 且在1%的水平上顯著，該系數顯著地大于T+1期的系數，表明數字化轉型不僅能夠提升下一年的企業突破式創新水平，甚至對再下一年的突破式創新水平影響更加顯著。而第（3）列系數為0.0421 且在1%的水平上顯著，更說明了數字化轉型對企業的突破式創新的提升作用不僅顯著，而且在時間上具有持續性，并且還會隨著時間的推移更加明顯。表4 的回歸結果進一步有力證明了本文在理論部分的分析，即企業的數字化轉型能夠引致根本性的組織管理與信息分析的變革，而這種變革能夠使得企業具備進行突破式創新的能力，這種創新能力是來自進行數字化轉型的企業自身的優勢，從而應當具有持續性。

（二）內生性討論

考慮到本文基準回歸部分的結果可能會因為遺漏變量以及反向因果等內生性問題導致偏誤，因而本文選擇工具變量法繼續對回歸結果進行進一步的驗證。參考王應歡和郭永禎（2023）的研究，本文選擇了1984 年各地級市每百人固定電話機數量（phone）作為工具變量。一方面，該數據作為歷史數據不會受到2010 年開始的企業突破式創新水平的影響，滿足外生性要求，另一方面，在歷史上擁有固定電話機數量相對較多城市的企業其數字化轉型的進度應當更快，滿足相關性。由于選擇的工具變量是截面數據，需要與一個時間趨勢項相乘以構造面板數據，因而本文將該數據乘以滯后一期的全國互聯網普及率，從而構造出最終的工具變量phonedig。除此以外，本文還參考趙宸宇等（2021）的研究，選擇企業所在地區的郵政業務總量（post）作為另一個工具變量，宏觀變量難以被微觀企業所影響，且處于數字基礎設施發達地區的企業會更傾向于進行數字化轉型，因而該工具變量同樣滿足外生性與相關性。本文運用這兩個工具變量進行兩階段最小二乘回歸，得到的結果如表5 所示。

表5 的第（1）列和第（3）列展示的是兩個工具變量第一階段的回歸結果，能夠看到系數分別為0.0017 與0.2426 且均在1%的水平上顯著，表明本文選擇的工具變量與數字化轉型指標存在顯著的關系。第（2）和第（4）列展示的是第二階段的回歸結果，可以看到數字化轉型指數的系數分別為0.4212 和0.7499，且分別在5%和1%的水平上顯著為正，并且LM 統計量以及Wald F 統計量均通過了顯著性檢驗，表明并不存在工具變量的不可識別問題以及弱工具變量問題。因此，在考慮了內生性問題的影響之后，本文的結論依然成立，即數字化轉型能夠顯著提升企業的突破性創新水平。

（三）穩健性檢驗

1. 替換被解釋變量

本文基準回歸中構造的企業突破式創新指數衡量了企業在某年對新技術領域的探索情況，但是將所有的專利只分成了具有突破性和不具有突破性兩類，并未考慮到不同專利的被引用情況。因而本文將被解釋變量分別替換為某企業某年的專利被引用量取對數（LnCit）以及某企業某年的發明專利申請數取對數（Lpatent）進行穩健性檢驗，該處的被解釋變量也均進行了提前一期處理，回歸結果見表6 的第（1）與第（2）列所示。Dig 的系數分別為0.0846 與0.1161，且結果均在1%的水平上顯著，表明從專利被引用以及發明專利申請角度來考慮，數字化轉型仍然能夠顯著提升企業突破式創新水平。

2. 引入省份—年份交互固定效應與行業—年份交互固定效應

本文的基準回歸中已經引入了一組控制變量以及企業和年份固定效應，但是考慮到突破式創新活動還可能受到一些不可觀測的因素影響，尤其是受到某些行業或省份發展的周期性因素影響，因而本文繼續在基準回歸的基礎上引入省份—年份交互固定效應和行業—年份交互固定效應以控制不可觀測因素的影響，回歸結果見表6 的第（3）列。此時Dig 系數為0.0178 且在5%的水平上顯著，表明在進一步控制了宏觀的不可觀測因素的影響之后本文的結論依然穩健，即數字化轉型能夠顯著提升企業的突破式創新水平。

3. 聚類至行業—年份維度

標準誤聚類到不同層級所隱含的對擾動項方差協方差結構的假設不同。聚類層級越高，所隱含的假設越弱，標準誤估計越穩健。出于穩健性考慮，本文進一步將聚類層級調整到行業—年份維度，回歸結果如表6 的第（4）列所示。此時Dig 的系數在10%的水平上顯著為正，進一步證明了本文結論的穩健性。

4. 考慮創新的持續性影響

本文在基準回歸中考察了數字化轉型對企業突破式創新水平影響的時間趨勢，但是企業選擇突破式創新模式可能受其自身其他因素的影響，從而使得創新活動具有持續性。此時企業的突破式創新可能不是受到其數字化轉型的影響，而是受到其之前的突破式創新影響，從而使得本文的估計結果出現偏誤。因此本文繼續引入了滯后一期的企業突破式創新水平，以控制可能存在的前期創新活動對后期創新水平的影響，結果見表6 的第（5）列。此時Dig 系數為0.0162 且仍然在5%的顯著性水平上成立，表明在考慮的創新的可持續性的影響后本文的結論依然穩健。

六、機制檢驗與分析

本文在上一部分檢驗了數字化轉型對企業突破式創新水平的影響，發現與本文的預期一致，數字化轉型能夠顯著地提升企業突破式創新水平并且具有時間上的持續性。在該部分，本文將建立計量模型并選取相關代理變量檢驗數字化轉型影響創新的機制是否成立。建立如下計量模型：

（一）代理成本機制

企業的突破式創新需要投入大量的資源與時間，而作為企業代理人的高管卻有可能因為短視（Bertrand and Mullainathan，2003）或者規避風險（潘紅波等和高金輝，2022）而抑制公司的創新活動，并且會出于為自己謀取私利的目的抬高企業的第一類代理成本，從長期來看這對公司本身在市場中的競爭地位不利。由于企業的管理費用與銷售費用能夠反映高管為自身謀取利益的情況，從而能夠較好地代表第一類代理成本（即高管與股東之間的代理成本），因此本文參考陳克兢（2019）的研究，選取（管理費用 + 銷售費用）/ 營業收入作為企業第一類代理成本的代理變量（agent），并運用模型（3）與模型（4）進行檢驗，結果見表7 的第（1）列與第（2）列。

第（1）列結果顯示Dig 系數為0.0098 且在1%的水平上顯著，表明數字化轉型的發展顯著地降低了企業的第一類代理成本，這與本文的理論預期一致。數字技術引致管理方式由垂直化與集權化轉向水平化與分權化（戚聿東和肖旭，2020；劉政等，2023），并且有助于信息的透明公開（Goldfarband Tucker，2019），降低高管的私利動機（曾建光和王立彥，2015），其所帶來的自動監督機制（Brynjolfsson and McElheran，2016）也能夠有效防止高管對真實信息的封鎖，這些都使得代理成本顯著下降。而第（2）列的回歸結果中，agent 系數為0.1462 且在1%的水平上顯著，表明代理成本的下降確實能夠顯著提升企業的突破式創新水平，本文的假設H2 得證。

（二）人力資本結構機制

對于企業而言，進行突破式創新不單單是研發新的產品或者申請新的專利，而是整個創新模式的選擇（王雄元和秦江緣，2023），這就必然要求企業擁有足夠的戰略資源進行支撐，人力資本是戰略資源中的核心之一（郭金花和朱承亮，2024）。突破式創新模式選擇對企業的人力資本結構提出了更高的要求，擁有創新思維與創新能力的高技能工人是企業進行持續的創新活動所必不可少的存在，應當在企業中占據更多的比例。考慮到技能工人不僅要能夠適應數字化轉型所帶來的新技術，而且也是企業進行創新的關鍵之一，因此本文參考郭金花和朱承亮（2024）的研究，從技能工人與非技能工人之比的角度來定義人力資本結構（hcstruc），回歸結果見表7 的第（3）與第（4）列。

第（3）列中Dig 指數的系數為0.0431 且在1%的水平上顯著，表明數字化轉型能夠顯著增加技術工人相對于非技術工人的人數。數字化轉型使得生產的復雜程度大幅增加，對勞動力的要求表現出了明顯的技能偏向性特征（胡晟明等，2021），數字技術所要求的決策與執行過程也少不了高技能工人的參與（Banalieva and Dhanaraj，2019），這就使得數字化轉型自然地引導了企業人力資本結構的優化。第（4）列中hcstruc 的系數為0.0375 且在1%的水平上顯著，表明人力資本結構的優化與升級確實能夠顯著地提升企業突破式創新水平，本文的假設H3 得證。

（三）內部資源整合機制

資源的管理與整合對企業能否進行突破式創新至關重要（肖海林和董慈慈，2020），對內部的資金與人員的合理配置與調動以及管理模式的創新都能夠為企業的創新活動創造良好的條件，進而提升提升企業的突破式創新水平。而內部資源的整合不論是人力物力的運用還是包括供應鏈上下游在內的高效管理都會直觀地反映在生產效率的提升上，因而本文綜合參考陸明和楊德明（2024）以及陳愛貞和張鵬飛（2019）的研究，選擇用LP 法測算的企業全要素生產率作為內部資源整合水平的代理變量（TFP_LP），回歸結果如表7 的第（5）和第（6）列所示。

第（5）列中Dig 指數的系數為0.0539 且在1%的顯著性水平上成立，表明數字化轉型能夠優化企業的內部資源整合能力，從而提升生產效率。數字化轉型能夠依托信息技術優勢實現企業不同層級之間人員的無障礙信息交流，也能夠有利于企業內部顯性知識與隱性知識的傳播與融合（GRANT et al.，2010），還能夠更加高效地管理上下游供應鏈，這都提升了企業對內部資源的整合能力。第（6）列中TFP_LP 的系數為0.0225 且在10%的水平上顯著，表明內部資源整合能力的提升能夠很好地促進企業突破式創新能力的提升，本文的假設H4 得證。

七、進一步分析

（一）企業產權差異

考慮到企業的產權性質會決定性地影響企業獲得資源的途徑以及企業的經營目標，從而不同產權性質的企業在結果方面可能有一定的區別，因此本文將樣本中的企業分為國有企業以及非國有企業兩組分別進行回歸分析，結果如表8 的第（1）和第（2）兩列所示。其中，第（1）列數字化轉型指數的系數為0.0464，并且在1%的水平上顯著，表明國有企業的數字化轉型顯著地促進了其突破式創新水平。而第（2）列中數字化轉型指數的回歸系數僅為0.0076 并且在統計上并不顯著，說明數字化轉型對企業突破式創新水平的促進作用在非國有企業中并不明顯。并且分組回歸結果顯示的組間系數差異對應的p 值為0.000，表明該差異在統計上也顯著。

這一方面可能是因為進行突破式創新往往需要大量的資金，融資約束較高的企業便難以選擇突破式創新模式，而國有企業相對于非國有企業所面臨的融資約束往往因為有地方政府的隱性背書而相對較弱（熊琛和金昊，2021）。另一方面，相對于非國有企業，國有企業本身就擁有更加豐富進行突破式創新的資源與要素。除此以外，國有企業除了經濟屬性以外還有政治屬性，即肩負著推動科技高水平自立自強的使命（李政，2023），因而國有企業可能有更強大的動力通過數字化轉型來為其創新活動進行賦能。

（二）企業要素密集度差異

勞動密集型企業主要從事低端制造的工作，因而其創新模式選擇與資本技術密集型企業可能有較大的差別，對于數字化轉型的反應很可能也并不相同。因而本文參考魯桐和黨印（2014）的研究，將樣本內的企業分為勞動密集型企業與資本技術密集型企業分別進行估計，估計結果見表8 的第（3）列與第（4）列。其中，Dig 指數對勞動密集型企業的回歸系數為0.0052 且在統計上不顯著，表明數字化轉型對勞動密集型企業的突破式創新并未產生顯著影響。而第（4）列中Dig 指數的系數為0.0249 且在1%的水平上顯著，表明數字化轉型對資本技術密集型企業的突破式創新水平具有顯著的促進作用。并且多次抽樣匯報的組間系數差異對應p 值為0.000，表明該差異在統計上也是顯著的。

這很可能是因為勞動密集型企業本身從事加工制造以及低技術力產品的生產，從而缺乏探索突破式創新的動力，而資本技術密集型企業從事較多的研發與創新，對其內部的人力資本等戰略性資源有較高的要求（陳東和郭文光，2024）。出于市場競爭的需要，資本技術密集型企業更愿意通過數字化轉型來促進其人力資本結構優化升級，進而提升其突破式創新水平。

（三）企業規模差異

不同規模的企業可能具有不同的創新意愿，也可能因為組織結構的差異產生不同的數字化轉型進程，從而可能導致回歸結果之間存在差異。因此本文利用企業總資產的大小衡量企業規模，并且參考郭金花和朱承亮（2024）的分類方法，以取值的75%分位數為界，將低于75%分位數的企業歸類為中小型企業，大于等于75%分位數的歸類為大型企業，并且進行異質性回歸，結果如表8 第（5）和第（6）列所示。第（5）列中Dig 指數的系數為0.0217 并且在5%的水平上顯著，表明數字化轉型顯著提升了中小型企業的突破式創新水平。第（6）列中Dig 的系數為0.0118 且在統計上不顯著，表明數字化轉型并未對大型企業的突破式創新水平產生顯著影響。

這可能是因為大型企業一般而言組織結構以及經營模式比較固化，較難以進行全面的數字化轉型，從而就無法顯示出對突破式創新的促進作用。而中小企業則相對較為靈活，可以在數字經濟時代快速地調整本身的營運模式以及組織架構，從而全面地推行數字化轉型，進而對自身的突破式創新能力產生積極作用（郭金花和朱承亮，2024）。也可能是因為大型企業占據市場較多的份額，產生了一定的壟斷性，從而缺少進行突破式創新以搶占市場份額的激勵，中小型企業更愿意通過數字化轉型來增強自身的創新能力，從而在市場中占據更多的份額（李玉花和簡澤，2021）。

八、結論與啟示

在我國面臨加快形成新質生產力的需要以及突破科技封鎖的要求這種雙重背景下，本文從突破式創新視角出發，從理論上分析了數字化轉型如何提升企業的創新質量，并且在引入了一個全新的衡量企業突破式創新水平的方法后運用我國2010—2021 年上市公司數據檢驗了本文的命題。研究發現：首先，數字化轉型能夠顯著地提升企業的突破式創新水平，且該影響具有時間上的持續性；其次，數字化轉型能夠通過降低企業代理成本、優化企業人力資本結構以及促進企業內部資源整合能力這三條途徑來提升企業的突破式創新水平；最后，數字化轉型對企業突破式創新的正向作用在國企、資本技術密集型企業以及中小型企業內更加明顯。基于本文的研究，得出以下幾點啟示：

第一，我國應積極擁抱數字時代，大力發展數字經濟并努力培育數字化企業。大量的研究與實踐已經證明數字經濟在發展生產力與變革生產關系方面的重要作用，現階段我國急需各個領域內的突破式創新以實現經濟發展與自立自強，而數字經濟是破解該難題的有效手段之一。應加強數字基礎設施建設，準確識別并緩解企業在數字化轉型過程中所遇到的資金技術難題，加快推進“數字產業化”與“產業數字化”，以數字技術所帶來的便利與優勢賦能企業的突破式創新。

第二，企業應積極探索數字化轉型，并以此為契機提升自身的突破式創新水平。實現突破式創新不單單是國家層面的需要，更是企業提升競爭力的內在要求。我國企業應加快數字化轉型的步伐，充分利用人工智能以及大數據分析等數字化技術對海量信息的精準識別與快速分析優勢來為創新活動打造一個良好的基礎與強大的手段。不僅要重視數字技術對突破式創新的直接影響，也要認識到其所帶來的更為深層次的優勢，例如信息傳輸的優勢使得企業與客戶的雙向交流更加順暢與自然，從而緩解了生產與銷售的信息不對稱，以及促進了企業內消息的雙向流通，進一步引致了知識的擴散與融合，這些都會對企業的突破式創新產生積極的影響。

第三，企業應通過數字化轉型實現治理結構的根本性變革與資源整合能力的提升。我們的研究發現數字化轉型不僅能夠直接地提升企業突破式創新水平，并且也能夠通過改革治理結構與優化效率的方式間接地提升其突破式創新水平。數字技術能夠有效地抑制高管的自私自利與短視行為，并且能夠為創新活動儲備足夠的人力資本，還能夠極大地促進內部效率的提升，這更加有利于企業選擇突破式創新模式而不是傳統的模式。因而企業應當不僅僅將數字化轉型當作一種潮流去盲目跟隨，而是要通過數字化轉型來從根本上變革自身的管理結構與運行模式，從而提升在市場上的競爭力。

第四，國企、資本技術密集型企業以及中小型企業更應當注重通過數字化轉型來提升自身的創新水平。國企擁有進行突破式創新的有利條件，更加應當通過實施數字化轉型來優化內部管理與增強內部資源整合能力，從而賦能突破式創新。勞動密集型企業受到自身行業的限制較難以對突破式創新進行探索，而資本技術密集型企業則可以加快其數字化轉型的步伐，以數字技術引導突破式創新。相對于已經在市場上取得優勢的大型企業，中小型企業恰好可以利用其自身的靈活性優勢推進數字化轉型，以數字化轉型來推動創新，從而獲得創新所帶來的租金并提升競爭力。

本文研究的不足：本文從突破式創新視角對數字化轉型與企業創新質量之間的關系進行了分析與論證，但目前仍然缺少一個非常完整的理論解釋框架，未來可以探索運用一套完整的理論框架對該主題進行研究與解釋；除此以外，本文構建的突破式創新指標雖然考慮了專利是否實現了“從0 到1”的突破，但是本質上是一個二元指標，指標中并未考慮到專利的被引用情況，未來可以繼續探索將專利引用量納入指標中的方法。

參考文獻

[1] 安同良，聞銳. 中國企業數字化轉型對創新的影響機制及實證[J]. 現代經濟探討，2022（5）：1-14.

[2] 薄秋實，管榮，羅嵐. 企業數字化能否促進突破式創新——基于組織遺忘視角的實證研究[J]. 科技管理研究，2023（23）：25-32.

[3] 曾建光，王立彥. Internet 治理與代理成本——基于Google 大數據的證據[J]. 經濟科學，2015（1）：112-125.

[4] 查成偉，陳萬明，彭燦. 外部社會資本、失敗學習與突破性創新[J]. 中國科技論壇，2015（2）：109-113+136.

[5] 陳愛貞，張鵬飛. 并購模式與企業創新[J]. 中國工業經濟，2019（12）：115-133.

[6] 陳東，郭文光. 數字化轉型如何影響勞動技能溢價——基于A 股上市公司數據的經驗研究[J]. 數量經濟技術經濟研究，2024（3）：173-192.

[7] 陳冬梅，王俐珍，陳安霓. 數字化與戰略管理理論——回顧、挑戰與展望[J]. 管理世界，2020（5）：220-236+20.

[8] 陳劍，黃朔，劉運輝. 從賦能到使能——數字化環境下的企業運營管理[J]. 管理世界，2020（2）：117-128+222.

[9] 陳克兢. 非控股大股東退出威脅能降低企業代理成本嗎[J]. 南開管理評論，2019（4）：161-175.

[10] 郭家堂，駱品亮. 互聯網對中國全要素生產率有促進作用嗎？[J]. 管理世界，2016（10）：34-49.

[11] 郭金花，朱承亮. 數字化轉型、人力資本結構調整與制造企業價值鏈升級[J]. 經濟管理，2024（1）：1-21.

[12] 胡晟明，王林輝，朱利瑩. 工業機器人應用存在人力資本提升效應嗎？[J]. 財經研究，2021（6）：61-75+91.

[13] 黎文靖，鄭曼妮. 實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響[J]. 經濟研究，2016（4）：60-73.

[14] 李珊珊，徐向藝. “互聯網+”是否有效促進了小微企業創新？[J]. 山東社會科學，2019（2）：149-154.

[15] 李樹文，羅瑾璉，葛元骎. 大數據分析能力對產品突破性創新的影響[J]. 管理科學，2021（2）：3-15.

[16] 李玉花，簡澤. 從漸進式創新到顛覆式創新：一個技術突破的機制[J]. 中國工業經濟，2021（9）：5-24.

[17] 李政. 國有企業推進高水平科技自立自強的作用與機制路徑[J]. 科學學與科學技術管理，2023（1）：55-67.

[18] 劉海運，游達明. 基于知識管理的企業突破性技術創新能力機制研究[J]. 科技進步.

[19] 劉維剛，倪紅福. 制造業投入服務化與企業技術進步：效應及作用機制[J]. 財貿經濟，2018（8）：126-140.

[20] 劉政，姚雨秀，張國勝，等. 企業數字化、專用知識與組織授權[J]. 中國工業經濟，2020（9）：156-174.

[21] 柳卸林，馬雪梅，高雨辰，等. 企業創新生態戰略與創新績效關系的研究[J]. 科學學與科學技術管理，2016（8）：102-115.

[22] 龍小寧，張靖. IPO 與專利管理：基于中國企業的實證研究[J]. 經濟研究，2021（8）：127-142.

[23] 盧現祥，李磊. 企業創新影響因素及其作用機制：述評與展望[J]. 經濟學家，2021（7）：55-62.

[24] 魯桐，黨印. 公司治理與技術創新：分行業比較[J]. 經濟研究，2014（6）：115-128.

[25] 陸明，楊德明. 全產業鏈布局會提高企業創新產出嗎？[J/OL]. 經濟管理，1-20[2024-06-10].

[26] 潘紅波，高金輝. 數字化轉型與企業創新——基于中國上市公司年報的經驗證據[J]. 中南大學學報（社會科學版），2022（5）：107-121.

[27] 龐瑞芝，劉磊，張帥. 數字化如何影響企業創新？——基于人力資本和交易成本傳導機制的視角[J]. 南開經濟研究，2023（2）：102-120.

[28] 戚聿東，肖旭. 數字經濟時代的企業管理變革[J]. 管理世界，2020（6）：135-152+250.

[29] 沈國兵，袁征宇. 企業互聯網化對中國企業創新及出口的影響[J]. 經濟研究，2020（1）：33-48.

[30] 沈坤榮，金童謠，趙倩. 以新質生產力賦能高質量發展[J]. 南京社會科學，2024（1）：37-42.

[31] 史宇鵬，王陽，張文韜. 我國企業數字化轉型：現狀、問題與展望[J]. 經濟學家，2021（12）：90-97.

[32] 王金杰，郭樹龍，張龍鵬. 互聯網對企業創新績效的影響及其機制研究——基于開放式創新的解釋[J]. 南開經濟研究，2018（6）：170-190.

[33] 王文娜，劉戒驕，張祝愷. 研發互聯網化、融資約束與制造業企業技術創新[J]. 經濟管理，2020（9）：127-143.

[34] 王雄元，秦江緣. 創新競爭與企業高質量創新模式選擇——來自專利被無效宣告的經驗證據[J]. 經濟研究，2023（11）：80-98.

[35] 王應歡，郭永禎. 企業數字化轉型與ESG 表現——基于中國上市企業的經驗證據[J]. 財經研究，2023（9）：94-108.

[36] 伍勇，魏澤龍. 知識探索，資源整合方式與突破性創新[J]. 科研管理，2017（12）：11-19.

[37] 肖海林，董慈慈. 突破性技術創新研究：現狀與展望——基于SSCI 和CSSCI 期刊的文獻計量分析[J]. 經濟管理，2020（2）：192-208.

[38] 熊琛，金昊. 地方政府債務的宏觀經濟效應——基于信貸錯配視角的研究[J]. 經濟學（季刊），2021（5）：1545-1570.

[39] 徐照宜，鞏冰，陳彥名，等. 金融科技、數字化轉型與企業突破性創新——基于全球專利引用復雜網絡的分析[J]. 金融研究，2023（10）：47-65.

[40] 楊金玉，彭秋萍，葛震霆. 數字化轉型的客戶傳染效應——供應商創新視角[J]. 中國工業經濟，2022（8）：156-174.

[41] 余東華，馬路萌. 數字化轉型、平臺化變革與企業創新績效——基于“技術—組織—創新”范式的分析[J].改革，2024（1）：1-20.

[42] 俞立平，張礦偉，吳功興. 數字化轉型對企業創新的作用機制研究：基于技術創新與管理創新的視角[J]. 中國軟科學，2024（1）：24-35.

[43] 袁淳，肖土盛，耿春曉，等. 數字化轉型與企業分工：專業化還是縱向一體化[J]. 中國工業經濟，2021（9）：137-155.

[44] 張吉昌，龍靜. 數字技術應用如何驅動企業突破式創新[J]. 山西財經大學學報，2022（1）：69-83.

[45] 張杰，鄭文平. 創新追趕戰略抑制了中國專利質量么？[J]. 經濟研究，2018（5）：28-41.

[46] 趙宸宇，王文春，李雪松. 數字化轉型如何影響企業全要素生產率[J]. 財貿經濟，2021（7）：114-129.

[47] 趙息，李文亮. 企業知識搜索戰略、技術不確定性與突破性創新關系研究[J]. 科技進步與對策，2016（9）：122-128.

[48] 諸竹君，袁逸銘，許明，等. 數字金融、路徑突破與制造業高質量創新——兼論金融服務實體經濟的創新驅動路徑[J]. 數量經濟技術經濟研究，2024（4）：68-88.

[49] Adner， R.， and R. Kapoor. “Innovation Ecosystems and the Pace of Substitution： Re-Examining Technology SCurves”，Strategic Management Journal，2016，37，（4） ：625-648.

[50] Banalieva， E. R.， and C. Dhanaraj. “Internalization Theory for the Digital Economy”， Journal of International Business Studies，2019，50，（8）：1372-1387.

[51] BERTRAND M， MULLAINATHAN S. “Enjoying the quiet life？ Corporate governance and managerial preferences”，Journal of Political Economy， 2003， 111（5）： 1043-1075.

[52] Brynjolfsson， E.， and K. McElheran. “Digitization and Innovation： The Rapid Adoption of Data-Drive-n Decision Making”， American Economic Review：Papers amp; Proceedings， 2016，106（5）：133-139.

[53] Chou， H. H. “Mobilising Resources to Bridge Technological Discontinuities”， Journal of Businessamp; Industrial Marketing，2016，31，（6） ：784-793.

[54] Demertzis， M. ，S. Merler and G. B. Wolff.， “Capital Markets Union and the Fintech Opportunity”， Journal of Financial Regulation，2018，4（1）：157-165.

[55] Economics，2013，109（3）： 856?878.

[56] Funk，R. J. and J. Owen-Smith.， “A Dynamic Network Measure of Technological Change”， Management Science，2017，63（3）：791-817.

[57] Goldfarb，A.，and C. Tucker. “Digital Economics”， Journal of Economic Literature， 2019，57（1）：3-43.

[58] GRANT G B， SEAGER T P， MASSARD G， et al.， “Information and communication technology for industrial symbiosis”， Journal of industrial ecology，2010，14（5）：740-753.

[59] Hall， B. H. ， D. Harhoff.， “Recent Research on the Economics of Patents”， Annual Review of Economics，4（1），2012，541-565.

[60] Hashai， N. “Focusing the High-Technology Firm： How Outsourcing Affects Technological Knowledge Exploration”，Journal of Management，2018，44（5） ：1736-1765.

[61] HE J， TIAN X. “The dark side of analyst coverage： The case of innovation”， Journal of Financial

[62] JENSEN M C， MECKLING W H. “Theory of the firm： Managerial behavior， agency costs and ownership structure”，Journal of Financial Economics， 1976， 3（4）：305-360.

[63] Journal of Innovation Management，2019，22（01）：23-40.

[64] Kamuriwo，D.S.，C. Baden-Fuller， and J.Zhang. “Knowledge Development Approaches and Breakthrough Innovations in Technology-Based New Firms”， Journal of Product Innovation Management，2017，34，（4） ：492-508.

[65] Lee， M. Y.， and A. C. Edmondson. “Self -managing Organizations：Exploring the Limits of Less-hierarchical Organizing”， Research in Organization Behavior， 2017（37）：35-58.

[66] March，J.G. “Exploration and Exploitation in Organizational Learning”， Organization Science，1991，2（1） ：71-87.

[67] Mikalef P.，Boura M.，Lekakos G.，et al.， “Big Data Analytics Capabilities and Innovation：the Mediating Role of Dynamic Capabilities and Moderating Effect of the Environment”， British Journal of Management，2019，30（2）：272-98.

[68] Ritala，P.， and P.H. Laukkanen.， “Incremental and Radical Innovation in Coopetition-The Role of Absorptive Capacity and Appropriability”， Journal of Product Innovation Management，2013，30，（1） ：154-169.

[69] Sandberg，B.， and L. Aarikka-Stenroos.， “What Makes it So Difficult？ A Systematic Review on Barriers to Radical Innovation”， Industrial Marketing Management，2014，43（8） ：1293-1305.

[70] Trabucchi D.， Buganza T.， “Data-driven Innovation：Switching the Perspective on Big Data”， European

[71] VERGANTI R， VENDRAMINELLI L， IANSITI M. “Innovation and design in the age of artificial intelligence”，Journal of Product Innovation Management，2020，37（3）：212-227.

[72] Zhou， K. Z.，C. K. Yim and D. K. Tse.， “The Effects of Strategic Orientations on Technology-and Market-based Breakthrough Innovations”， Journal of Marketing，2005，69（2）：42-60.