張 遠(yuǎn)，李煥杰

（1.閩江學(xué)院經(jīng)濟(jì)與管理學(xué)院，福建福州 350108；2.南開大學(xué)經(jīng)濟(jì)學(xué)院，天津市 300071）

一、引言

改革開放以來，依托低廉的勞動力成本，大量中國制造企業(yè)長期嵌入國際價值鏈的加工制造環(huán)節(jié)，由此推動了中國經(jīng)濟(jì)40年左右的高速增長。然而伴隨著“逆全球化”趨勢日益凸顯和東南亞國家競爭的加劇，中國制造業(yè)亟須向價值鏈高端攀升，以推動經(jīng)濟(jì)由高速增長轉(zhuǎn)向高質(zhì)量發(fā)展。以往經(jīng)濟(jì)發(fā)展的理論邏輯和經(jīng)驗(yàn)事實(shí)均將技術(shù)創(chuàng)新作為制造業(yè)價值鏈攀升的重要途徑，近年來，服務(wù)化作為制造業(yè)升級的另一種有效方式逐漸得到關(guān)注[1]?！吨袊圃?025》指出，“加快制造與服務(wù)的協(xié)同發(fā)展，促進(jìn)生產(chǎn)性制造向服務(wù)型制造轉(zhuǎn)變”。黨的十九屆五中全會也明確提出要“發(fā)展服務(wù)型制造”。制造業(yè)服務(wù)化是制造企業(yè)由產(chǎn)品競爭轉(zhuǎn)向服務(wù)競爭的戰(zhàn)略轉(zhuǎn)型，能夠有效提升產(chǎn)品附加值、打造企業(yè)競爭優(yōu)勢，與技術(shù)創(chuàng)新共同成為制造業(yè)擺脫“低端鎖定困境”的兩條殊途同歸的路徑選擇[1-2]。

盡管服務(wù)化是促進(jìn)制造業(yè)價值鏈攀升進(jìn)而實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要途徑和模式，但在傳統(tǒng)經(jīng)濟(jì)時代，受服務(wù)業(yè)不可貿(mào)易性特征[3]和組織沖突、資源約束等因素引致的服務(wù)化困境影響，中國傳統(tǒng)制造企業(yè)服務(wù)化轉(zhuǎn)型并不順利。同時，移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等數(shù)字技術(shù)的迅速發(fā)展和廣泛應(yīng)用改變了傳統(tǒng)服務(wù)的形態(tài)與現(xiàn)代產(chǎn)業(yè)組織生態(tài)，為制造企業(yè)服務(wù)化提供了有利契機(jī)。本文在此背景下詳細(xì)探討制造企業(yè)數(shù)字化轉(zhuǎn)型對其服務(wù)化的影響效應(yīng)與內(nèi)在機(jī)理。進(jìn)一步地，中國制造企業(yè)存在著大量的向金融和房地產(chǎn)業(yè)投資的脫實(shí)向虛行為，嵌入式服務(wù)化和混入式服務(wù)化兩種不同性質(zhì)的服務(wù)化在制造企業(yè)中并存成為中國制造業(yè)發(fā)展的典型事實(shí)[4-5]。具體來說，嵌入式服務(wù)是指與制造企業(yè)核心產(chǎn)品密切相關(guān)，能夠提升產(chǎn)品的差異程度，進(jìn)而促進(jìn)企業(yè)向價值鏈上下游延伸的高質(zhì)量的服務(wù)業(yè)務(wù)，包括產(chǎn)品維修、系統(tǒng)解決方案、遠(yuǎn)程監(jiān)控等；混入式服務(wù)是指制造企業(yè)從事的能夠直接獲取經(jīng)濟(jì)效益而與企業(yè)核心產(chǎn)品無關(guān)的服務(wù)業(yè)務(wù)，包括金融、旅游餐飲、房地產(chǎn)開發(fā)、物業(yè)管理等，該類服務(wù)可能會造成企業(yè)資源分散和企業(yè)產(chǎn)品競爭力降低，從而不利于企業(yè)發(fā)展[6]。面對這種情形，我們首先需要回答的是數(shù)字化轉(zhuǎn)型分別會對這兩類性質(zhì)迥異的服務(wù)化產(chǎn)生怎樣的影響。之后，需要進(jìn)一步探討存在這種影響的內(nèi)在機(jī)制是什么，在異質(zhì)性企業(yè)中這種影響是否存在差異。在中國經(jīng)濟(jì)發(fā)展轉(zhuǎn)型的關(guān)鍵階段，清晰揭示數(shù)字化轉(zhuǎn)型與制造企業(yè)服務(wù)化之間關(guān)系演進(jìn)的作用機(jī)制，不僅有利于深化數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效應(yīng)的理論研究，也能夠?yàn)橹圃炱髽I(yè)進(jìn)行價值鏈升級提供有益的實(shí)踐指導(dǎo)。

自范德邁爾和拉達(dá)（Vandermerwe & Rada）[7]首次提出制造業(yè)服務(wù)化以來，這一概念便得到學(xué)術(shù)界廣泛的關(guān)注，目前積累了較為豐富的文獻(xiàn)。既有研究主要沿著以下兩個層面展開：

一是制造業(yè)服務(wù)化的經(jīng)濟(jì)效應(yīng)。該層面的研究又可細(xì)分為制造業(yè)投入服務(wù)化的經(jīng)濟(jì)效應(yīng)和制造業(yè)產(chǎn)出服務(wù)化的經(jīng)濟(jì)效應(yīng)兩類。第一類文獻(xiàn)基于制造業(yè)中間投入視角，將制造業(yè)服務(wù)化視為服務(wù)要素投入占全部投入要素比重的提升，認(rèn)為制造業(yè)投入服務(wù)化有助于傳統(tǒng)標(biāo)準(zhǔn)化的工業(yè)產(chǎn)品構(gòu)造差異化的競爭優(yōu)勢[8]、提升企業(yè)生產(chǎn)率[9-10]及資源配置效率[11]，尤其是在國際貿(mào)易中，制造業(yè)投入服務(wù)化能夠提升企業(yè)的出口能力[12]、出口國內(nèi)增加值率[13]、價值鏈參與程度和在價值鏈體系中的分工地位[14]。受實(shí)證數(shù)據(jù)可得性的限制，該類研究主要局限于區(qū)域和產(chǎn)業(yè)層面，難以深入到微觀企業(yè)層面。第二類文獻(xiàn)聚焦于制造業(yè)服務(wù)化與企業(yè)績效之間的關(guān)系。這類研究主要基于產(chǎn)品產(chǎn)出視角，將制造業(yè)服務(wù)化視為服務(wù)收入在企業(yè)營業(yè)收入占比增加的過程，認(rèn)為這種基于產(chǎn)出端的制造業(yè)服務(wù)化能夠促進(jìn)企業(yè)產(chǎn)品銷售規(guī)模擴(kuò)張，進(jìn)而提高企業(yè)績效[15]，但也有較多學(xué)者發(fā)現(xiàn)服務(wù)化對企業(yè)績效具有負(fù)向[16-17]、U型[18]及倒U型[19]影響。

二是考察制造業(yè)服務(wù)化轉(zhuǎn)型的影響因素。該類研究主要聚焦于產(chǎn)出服務(wù)化，學(xué)者們發(fā)現(xiàn)宏觀層面的經(jīng)濟(jì)政策不確定性[1]、營改增政策[5]，微觀層面的企業(yè)組織變革[20]、市場競爭強(qiáng)度及技術(shù)創(chuàng)新水平[21-22]對制造業(yè)服務(wù)化均有不同程度的影響。在與本文主題最相關(guān)的研究中，哈克斯臺和謝弗（Huxtable & Schaefer）[23]基于英國35 家制造業(yè)企業(yè)問卷調(diào)查數(shù)據(jù)，發(fā)現(xiàn)工業(yè)4.0能夠通過服務(wù)的連接、數(shù)據(jù)的搜集以及新型服務(wù)業(yè)態(tài)的涌現(xiàn)而促進(jìn)制造企業(yè)服務(wù)化轉(zhuǎn)型；阿多利諾（Ardolino）等[24]基于案例分析法發(fā)現(xiàn)，物聯(lián)網(wǎng)、云計算和預(yù)測分析等數(shù)字技術(shù)對制造業(yè)服務(wù)化至關(guān)重要。

上述文獻(xiàn)為本文的研究提供了豐富的文獻(xiàn)基礎(chǔ)，但關(guān)于數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化影響的研究仍較匱乏，少數(shù)文獻(xiàn)也僅在理論層面通過案例分析法進(jìn)行了一些初步探討，不僅缺乏對數(shù)字化轉(zhuǎn)型影響制造企業(yè)服務(wù)化的間接機(jī)制的探討，而且未能利用實(shí)際經(jīng)驗(yàn)數(shù)據(jù)深入微觀企業(yè)層面進(jìn)行更深層次的分析。相較而言，本文的邊際貢獻(xiàn)在于：（1）與以往文獻(xiàn)聚焦于數(shù)字技術(shù)對制造企業(yè)服務(wù)化的直接影響不同，本文從直接影響機(jī)制和組織變革效應(yīng)、技術(shù)創(chuàng)新效應(yīng)等間接影響機(jī)制兩個層面探討了數(shù)字化轉(zhuǎn)型影響制造企業(yè)服務(wù)化的作用機(jī)理，打開數(shù)字化影響服務(wù)化的“黑箱”；（2）基于手工整理的企業(yè)資產(chǎn)數(shù)據(jù)和Python 軟件抓取的文本數(shù)據(jù)，本文創(chuàng)新性地從數(shù)字化投資和數(shù)字技術(shù)應(yīng)用兩個維度構(gòu)建了企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)，彌補(bǔ)了以往研究中關(guān)于微觀企業(yè)數(shù)字化轉(zhuǎn)型度量存在的不足；（3）基于中國制造業(yè)高質(zhì)量服務(wù)化和低質(zhì)量服務(wù)化并存的典型事實(shí)，根據(jù)服務(wù)與企業(yè)核心產(chǎn)品的相關(guān)程度將制造企業(yè)服務(wù)化劃分為嵌入式服務(wù)化和混入式服務(wù)化，拓寬了制造企業(yè)服務(wù)化的邊界，增加了對制造企業(yè)價值鏈升級的理論認(rèn)知；（4）將知識產(chǎn)權(quán)保護(hù)、市場勢力和資源條件納入分析框架中，探討了數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的異質(zhì)性影響，并進(jìn)一步分析了數(shù)字化轉(zhuǎn)型對企業(yè)資源配置效率的影響效應(yīng)，深化了數(shù)字化轉(zhuǎn)型與制造企業(yè)服務(wù)化之間關(guān)系的理解。

二、分析框架與研究假說

數(shù)字化轉(zhuǎn)型本質(zhì)上是企業(yè)利用數(shù)字技術(shù)對業(yè)務(wù)進(jìn)行改進(jìn)，以革新現(xiàn)有的商業(yè)模式和組織流程[25]。數(shù)字技術(shù)具有可編程性、數(shù)據(jù)同質(zhì)化和可自我參照性等特征[26]，其與服務(wù)產(chǎn)品融合不僅會直接改變企業(yè)的服務(wù)業(yè)態(tài)，降低服務(wù)成本，提升企業(yè)的服務(wù)供給能力，而且在企業(yè)管理、產(chǎn)品研發(fā)和生產(chǎn)中的應(yīng)用還能有效促進(jìn)企業(yè)組織變革和技術(shù)創(chuàng)新水平的提升，由此衍生出復(fù)雜的作用機(jī)制，對制造企業(yè)服務(wù)化產(chǎn)生影響。

（一）數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的直接影響

從服務(wù)類型來看，制造企業(yè)提供的服務(wù)可分為嵌入式服務(wù)和混入式服務(wù)，其中嵌入式服務(wù)包括潤滑型服務(wù)（Smoothing Services）、適應(yīng)型服務(wù)（Adapting Services）和替代型服務(wù)（Substituting Ser?vices）[27]。潤滑型服務(wù)是指為產(chǎn)品功能提供支撐的服務(wù)，如產(chǎn)品培訓(xùn)咨詢、售后服務(wù)、產(chǎn)品維修等。這類服務(wù)是企業(yè)的傳統(tǒng)服務(wù)，在傳統(tǒng)工業(yè)經(jīng)濟(jì)中具有明顯的同步性特征，即服務(wù)在交易過程中要求供需雙方在空間和時間上具有一致性，從而導(dǎo)致其具有不可貿(mào)易性。數(shù)字化轉(zhuǎn)型對潤滑型服務(wù)的驅(qū)動作用在于企業(yè)利用數(shù)字技術(shù)對潤滑型服務(wù)的內(nèi)容和流程進(jìn)行解構(gòu)與重新編碼，使其能夠以數(shù)字化的形式在虛擬空間中交易（如遠(yuǎn)程運(yùn)維、在線培訓(xùn)等），從而打破時空同步屬性，降低服務(wù)成本，實(shí)現(xiàn)服務(wù)的可貿(mào)易性，促進(jìn)制造企業(yè)服務(wù)規(guī)模的擴(kuò)張[3]。適應(yīng)型服務(wù)是指能夠與產(chǎn)品互補(bǔ)進(jìn)而拓展產(chǎn)品功能的服務(wù)。這類服務(wù)的實(shí)現(xiàn)需要企業(yè)對市場需求具備較強(qiáng)的洞察能力。數(shù)字化轉(zhuǎn)型對這類服務(wù)的促進(jìn)作用主要表現(xiàn)為企業(yè)在原有的產(chǎn)品中嵌入數(shù)字技術(shù)，通過對用戶消費(fèi)數(shù)據(jù)的搜集來追蹤和識別市場需求，提升企業(yè)的市場洞察力和響應(yīng)能力，并通過數(shù)字技術(shù)的連接作用將用戶納入到服務(wù)創(chuàng)新過程中，為用戶提供增值服務(wù)。如耐克等企業(yè)在運(yùn)動鞋中嵌入傳感器，通過搜集用戶的運(yùn)動數(shù)據(jù)為用戶提供健康建議服務(wù)，拓展了產(chǎn)品的功能。替代型服務(wù)是指用戶不再向制造廠商購買產(chǎn)品，而是單純地購買廠商提供的系統(tǒng)服務(wù)。這類服務(wù)往往是新型服務(wù)，對數(shù)字技術(shù)具有較強(qiáng)的依賴性。數(shù)字化轉(zhuǎn)型能夠從兩方面增強(qiáng)制造企業(yè)的替代型服務(wù)供給能力：一是企業(yè)通過搭建數(shù)字化平臺改變傳統(tǒng)規(guī)?；纳a(chǎn)方式，構(gòu)建以消費(fèi)者為中心，集生產(chǎn)和服務(wù)于一體的個性化、模塊化、柔性化、精細(xì)化的生產(chǎn)模式，使產(chǎn)品生產(chǎn)和服務(wù)融為一體、不可分割；二是一些制造業(yè)細(xì)分行業(yè)的龍頭企業(yè)通過數(shù)字化轉(zhuǎn)型將行業(yè)的標(biāo)準(zhǔn)化工藝、制造流程轉(zhuǎn)化成模塊化操作系統(tǒng)，并積累了大量的數(shù)字化轉(zhuǎn)型經(jīng)驗(yàn)和知識，成為向上下游以及同行業(yè)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型和提供個性化系統(tǒng)解決方案的服務(wù)商，如三一重工、海爾等一些企業(yè)向其他企業(yè)提供大數(shù)據(jù)服務(wù)、系統(tǒng)解決方案服務(wù)等，實(shí)現(xiàn)由賣產(chǎn)品向賣服務(wù)的轉(zhuǎn)變。

數(shù)字化轉(zhuǎn)型促進(jìn)制造企業(yè)服務(wù)化的關(guān)鍵在于大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等數(shù)字技術(shù)能夠基于可編程性、數(shù)據(jù)同質(zhì)化和可自我參照性等特征，充分挖掘企業(yè)產(chǎn)品的優(yōu)勢，打造符合企業(yè)比較優(yōu)勢和消費(fèi)者需求的個性化服務(wù)，實(shí)現(xiàn)產(chǎn)品和服務(wù)的互補(bǔ)，進(jìn)而優(yōu)化企業(yè)資源配置，提升要素邊際收益。從服務(wù)類型來看，混入式服務(wù)是制造企業(yè)開展的與其核心產(chǎn)品不相關(guān)的服務(wù)化，數(shù)字技術(shù)難以構(gòu)建起其與產(chǎn)品的聯(lián)系，因此數(shù)字化轉(zhuǎn)型更有利于制造企業(yè)開展與其核心產(chǎn)品密切相關(guān)的嵌入式服務(wù)，而難以對混入式服務(wù)化產(chǎn)生影響。此外，企業(yè)長期實(shí)施混入式服務(wù)化容易降低消費(fèi)者對產(chǎn)品的購買意愿、導(dǎo)致企業(yè)資源錯配和組織管理困境，從而不利于企業(yè)績效增長，即容易產(chǎn)生服務(wù)化悖論[5]。根據(jù)資源基礎(chǔ)觀，在資源約束條件下，服務(wù)化的引入導(dǎo)致企業(yè)面臨資源和組織的沖突時，必須通過戰(zhàn)略一致性原則來解決[5]。因此，從企業(yè)長遠(yuǎn)戰(zhàn)略來看，制造企業(yè)更傾向于利用數(shù)字技術(shù)開展嵌入式服務(wù)化。由此，提出假設(shè)H1。

H1：數(shù)字化轉(zhuǎn)型有利于提升制造企業(yè)嵌入式服務(wù)化水平，對混入式服務(wù)化的影響并不明確。

（二）數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的間接影響

1.數(shù)字化轉(zhuǎn)型、組織變革與制造企業(yè)服務(wù)化。數(shù)字化轉(zhuǎn)型能夠通過組織變革促進(jìn)制造企業(yè)服務(wù)化。在數(shù)字化轉(zhuǎn)型對企業(yè)組織變革的作用中，我們借鑒詹森和梅克林（Jensen&Meckling）[28]的組織結(jié)構(gòu)模型來闡述其具體邏輯。詹森和梅克林構(gòu)建了一個集信息成本和代理成本于一體的組織授權(quán)分析框架。在該框架中，信息成本與代理成本之和構(gòu)成組織成本，組織成本最小值的相對位置決定了組織決策權(quán)力下放的程度。如圖1所示，向右下方傾斜的曲線IC 為信息成本，代表基層部門向上級部門傳遞信息所帶來的效率損失；曲線PC為代理成本，是指由于權(quán)力下放而造成的基層部門與上層部門之間因組織、目標(biāo)、利益等的沖突而產(chǎn)生的成本。信息成本IC 與代理成本PC 之和為企業(yè)的組織成本TC，TC最低點(diǎn)在橫軸上的相對應(yīng)點(diǎn)A 即為企業(yè)決策權(quán)力最優(yōu)配置點(diǎn)。A 點(diǎn)越靠近原點(diǎn)（CEO辦公室），說明企業(yè)集權(quán)程度越高，反之則說明分權(quán)程度越高。

數(shù)字化轉(zhuǎn)型能驅(qū)動決策權(quán)最優(yōu)位置向右移動，從而促使組織決策權(quán)下放。首先，數(shù)字化轉(zhuǎn)型會提升企業(yè)信息成本。企業(yè)通過數(shù)字化轉(zhuǎn)型將內(nèi)部各部門、上下游企業(yè)、消費(fèi)者等各主體的結(jié)構(gòu)化和非結(jié)構(gòu)化信息內(nèi)容由物理空間映射至網(wǎng)絡(luò)空間，極大地豐富了基層部門的數(shù)據(jù)信息和專業(yè)知識，使企業(yè)成為海量信息的載體。在這種背景下，盡管云平臺、工業(yè)互聯(lián)網(wǎng)等數(shù)字化途徑可以提升信息的傳遞效率，降低上級部門獲取信息的成本，但匯集的海量數(shù)據(jù)信息具有單位價值密度低、總體商業(yè)價值高和時效性強(qiáng)等特點(diǎn)，增加了高層管理部門的決策難度和決策成本，從而倒逼企業(yè)決策權(quán)力的下放[29-30]。數(shù)字化轉(zhuǎn)型推升了企業(yè)的信息成本，表現(xiàn)為圖1中信息成本曲線IC 移動至IC1。其次，數(shù)字化轉(zhuǎn)型能夠降低企業(yè)組織的代理成本。數(shù)字技術(shù)可作為重要的管理和監(jiān)督手段[30]，企業(yè)利用數(shù)字技術(shù)可以實(shí)現(xiàn)自動監(jiān)督，管理層能夠及時掌握、監(jiān)督基層組織的目標(biāo)、行為，防止基層部門對信息的封鎖，降低“中央”與“地方”因目標(biāo)利益的沖突而導(dǎo)致的代理成本。如在信息溝通中，內(nèi)部通信系統(tǒng)的構(gòu)建提高了企業(yè)不同層級員工間信息溝通和傳達(dá)的便捷程度，有利于高層管理者及時獲取員工信息及反饋員工意見；在生產(chǎn)管理中，物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)的使用使物理空間的生產(chǎn)活動映射到虛擬的網(wǎng)絡(luò)空間，實(shí)現(xiàn)了企業(yè)物資的信息結(jié)構(gòu)由傳統(tǒng)工業(yè)化時代的間斷性、分散性狀態(tài)向數(shù)字化時代的連續(xù)性、整體性轉(zhuǎn)變[31]，提升了管理層對企業(yè)生產(chǎn)過程的監(jiān)管能力；在財務(wù)管理中，財務(wù)軟件、人工智能技術(shù)等在企業(yè)財務(wù)、內(nèi)部控制中的應(yīng)用，提升了企業(yè)財務(wù)管理的透明度[32]，有利于管理層對企業(yè)內(nèi)部違規(guī)行為的監(jiān)管。因此，數(shù)字化轉(zhuǎn)型降低了企業(yè)的代理成本，表現(xiàn)為代理成本曲線PC 向下移至PC1。總體上看，數(shù)字化轉(zhuǎn)型推高了企業(yè)的信息成本，降低了企業(yè)的代理成本。如圖1所示，由于信息成本曲線和代理成本曲線的移動，新的組織成本曲線TC1最小值位于原組織成本曲線TC 最小值的右側(cè)，決策權(quán)最優(yōu)位置由A 點(diǎn)移動到A1，即決策權(quán)的最優(yōu)位置更趨向于基層組織。這說明數(shù)字化轉(zhuǎn)型能夠有效減少企業(yè)內(nèi)部層級，催生去中心化的網(wǎng)絡(luò)組織，促使組織決策權(quán)力下放。

圖1 組織成本與最優(yōu)決策位置模型

事實(shí)上，伴隨著企業(yè)數(shù)字化轉(zhuǎn)型實(shí)踐的深入，部分企業(yè)甚至形成了以“大平臺+小前端”結(jié)構(gòu)為主要特征的平臺型組織，如海爾集團(tuán)打造的“小微+平臺+生態(tài)”的模式和韓都衣舍構(gòu)建的“大平臺+小組制+云孵化”的商業(yè)模式。這種組織模式不再是傳統(tǒng)組織結(jié)構(gòu)由垂直化趨向扁平化的量變，而是以消費(fèi)者為中心的企業(yè)組織的質(zhì)變，具有強(qiáng)大的靈活性與開放性。企業(yè)通過數(shù)字技術(shù)獲得的資源整合能力，使部分企業(yè)突破自身業(yè)務(wù)范疇，與不同行業(yè)的企業(yè)形成產(chǎn)品互補(bǔ)的企業(yè)生態(tài)圈，將單個企業(yè)的“大平臺”構(gòu)造成跨組織、跨行業(yè)的行業(yè)級虛擬平臺，進(jìn)一步增強(qiáng)企業(yè)組織的開放性，促進(jìn)組織權(quán)力的下放。

組織變革對企業(yè)服務(wù)化轉(zhuǎn)型成功與否至關(guān)重要，尤其是扁平化、分權(quán)式的組織結(jié)構(gòu)能夠有效促進(jìn)制造企業(yè)服務(wù)化[20]：一是建立獨(dú)立的服務(wù)組織，對服務(wù)崗位員工更高級別的授權(quán)有利于提升員工工作的積極性，增強(qiáng)其為客戶提供服務(wù)的意識[20]；二是組織權(quán)力的下放能夠提升組織清晰度（Orga?nizational Clarity），即以客戶為中心，增強(qiáng)外部客戶對服務(wù)組織感知及其與服務(wù)組織的聯(lián)系強(qiáng)度，進(jìn)而提升客戶的滿意度和忠誠度[33-34]；三是分權(quán)化的組織模式能夠提升企業(yè)組織管理的靈活性，既有利于增強(qiáng)產(chǎn)品供給和服務(wù)供給的協(xié)調(diào)性，也能夠有效緩解服務(wù)化過程中的組織沖突，降低企業(yè)戰(zhàn)略轉(zhuǎn)型的“政治成本”[35]，促進(jìn)制造企業(yè)服務(wù)化水平提升。由此，提出假設(shè)H2。

H2：數(shù)字化轉(zhuǎn)型可以促進(jìn)組織分權(quán)化變革，通過提升員工積極性、組織清晰度和降低組織沖突對制造企業(yè)嵌入式服務(wù)化和混入式服務(wù)化產(chǎn)生積極影響。

2.數(shù)字化轉(zhuǎn)型、技術(shù)創(chuàng)新與制造企業(yè)服務(wù)化。數(shù)字化轉(zhuǎn)型可以通過技術(shù)創(chuàng)新促進(jìn)制造企業(yè)服務(wù)化。首先，數(shù)字化轉(zhuǎn)型能夠通過以下三個方面促進(jìn)技術(shù)創(chuàng)新水平提升。一是數(shù)字技術(shù)與企業(yè)原有產(chǎn)品的結(jié)合能夠形成具有融合性和自生長特征的新產(chǎn)品[26]。如將數(shù)字技術(shù)融入傳統(tǒng)的家居和汽車中形成了智能家居、智能汽車等新型智能產(chǎn)品，這些新產(chǎn)品不僅包含了更多的數(shù)字技術(shù)，也基于數(shù)字技術(shù)的連接功能融入了具有不同功能的物理硬件。二是數(shù)字技術(shù)能夠優(yōu)化企業(yè)技術(shù)創(chuàng)新過程。傳統(tǒng)的技術(shù)創(chuàng)新主要局限在封閉的研發(fā)部門中進(jìn)行，對消費(fèi)者偏好的感知和創(chuàng)新知識的獲取主要依賴于研發(fā)人員的經(jīng)驗(yàn)與小范圍的問卷調(diào)查，而數(shù)字技術(shù)則能夠有效改善企業(yè)研發(fā)過程。一方面，數(shù)字技術(shù)在制造企業(yè)中的廣泛滲透使企業(yè)能夠利用物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)通過多種渠道獲取、傳遞消費(fèi)者的用戶信息、消費(fèi)習(xí)慣和消費(fèi)偏好等結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并進(jìn)一步通過人工智能的深度挖掘和預(yù)測分析功能，精準(zhǔn)識別消費(fèi)者對產(chǎn)品的現(xiàn)實(shí)需求和潛在需求，實(shí)現(xiàn)技術(shù)創(chuàng)新由經(jīng)驗(yàn)驅(qū)動到數(shù)據(jù)驅(qū)動，提升創(chuàng)新效率[36]；另一方面，通過神經(jīng)算法和深度學(xué)習(xí)等數(shù)字技術(shù)，研發(fā)人員能夠精準(zhǔn)識別和利用特定規(guī)則表達(dá)出的存在于不同情境下的隱性知識，使廣泛存在于企業(yè)內(nèi)部的隱性創(chuàng)新知識被轉(zhuǎn)化為模塊化、標(biāo)準(zhǔn)化的顯性知識，有利于創(chuàng)新知識在企業(yè)中的積累和不同環(huán)境下的重新組合[37]。如美國Atomwise公司基于已有數(shù)據(jù)庫，利用人工智能的復(fù)雜算法和識別模式判斷分子之間的相互作用，在一周內(nèi)開發(fā)出抗擊埃博拉病毒的藥物。三是基于數(shù)字技術(shù)構(gòu)建的數(shù)字化平臺，制造企業(yè)能夠構(gòu)建集科研機(jī)構(gòu)、企業(yè)、消費(fèi)者等多個創(chuàng)新主體于一體的開放式創(chuàng)新模式，形成動態(tài)有機(jī)的創(chuàng)新生態(tài)體系，進(jìn)一步激發(fā)其創(chuàng)新活力。因此，數(shù)字化轉(zhuǎn)型能有效降低企業(yè)創(chuàng)新成本，縮短創(chuàng)新周期，提升企業(yè)技術(shù)創(chuàng)新水平。

其次，制造企業(yè)服務(wù)化水平與技術(shù)創(chuàng)新水平密切相關(guān)。一方面，產(chǎn)品是服務(wù)化的物質(zhì)載體，產(chǎn)品創(chuàng)新為企業(yè)積累了知識基礎(chǔ)和技術(shù)基礎(chǔ)，深化了企業(yè)對核心產(chǎn)品功能和用戶需求之間關(guān)系的認(rèn)知，提升了企業(yè)為用戶提供個性化服務(wù)的能力；另一方面，具有較強(qiáng)創(chuàng)新性的新型產(chǎn)品往往具有復(fù)雜的知識結(jié)構(gòu)，這會降低消費(fèi)者對新產(chǎn)品的接受程度，增加產(chǎn)品銷售的不確定性，由此倒逼企業(yè)通過提供培訓(xùn)、咨詢、維護(hù)等服務(wù)作為新產(chǎn)品的互補(bǔ)性要素，以促進(jìn)產(chǎn)品銷售規(guī)模的擴(kuò)張[38]。因此，制造企業(yè)技術(shù)創(chuàng)新可能會有利于其服務(wù)化水平提升。由于技術(shù)創(chuàng)新主要表現(xiàn)在產(chǎn)品層面，因而其主要對嵌入式服務(wù)產(chǎn)生影響，對混入式服務(wù)的影響可能并不明顯。

但從價值鏈分工來看，技術(shù)創(chuàng)新聚焦于價值鏈上游環(huán)節(jié)，而制造企業(yè)服務(wù)化特別是嵌入式服務(wù)化則聚焦于價值鏈下游環(huán)節(jié)[4]，二者可能存在較強(qiáng)的替代性，如奧利瓦和卡倫伯格（Oliva&Kal?lenberg）[39]發(fā)現(xiàn)，在研發(fā)能力缺乏的情況下，制造企業(yè)會通過服務(wù)化策略來延長產(chǎn)品生命周期。因此，在企業(yè)資源有限以及進(jìn)行技術(shù)創(chuàng)新和服務(wù)化都需要大量資源持續(xù)投入的背景下，數(shù)字化轉(zhuǎn)型導(dǎo)致的兩種升級方式存在較大的知識資源和物質(zhì)資源沖突，導(dǎo)致技術(shù)創(chuàng)新對企業(yè)服務(wù)化產(chǎn)生抑制作用[40]。由此，提出以下假設(shè)。

H3a：數(shù)字化轉(zhuǎn)型可以提升企業(yè)技術(shù)創(chuàng)新水平，通過增強(qiáng)產(chǎn)品的知識復(fù)雜程度及其對服務(wù)的承載力促進(jìn)制造企業(yè)嵌入式服務(wù)化，對混入式服務(wù)化的影響并不明顯。

H3b：由于資源沖突的存在，數(shù)字化轉(zhuǎn)型難以通過技術(shù)創(chuàng)新促進(jìn)制造企業(yè)開展嵌入式服務(wù)化和混入式服務(wù)化。

三、數(shù)據(jù)與模型設(shè)定

（一）數(shù)據(jù)來源及處理

考慮到數(shù)字化轉(zhuǎn)型在中國的推廣和普及主要發(fā)生在2013年及以后，本文選取2013—2019年A股制造業(yè)上市公司作為考察樣本。其中，企業(yè)的基本信息來自國泰安（CSMAR）數(shù)據(jù)庫，數(shù)字化投資指標(biāo)通過手工整理財務(wù)報表附注數(shù)據(jù)得到；數(shù)字技術(shù)應(yīng)用指標(biāo)通過Python 軟件抓取上市公司年度報告文本中與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞獲得，上市公司年報來自深圳證券交易所和上海證券交易所的官方網(wǎng)站；制造企業(yè)服務(wù)化數(shù)據(jù)源于手工整理的萬得（Wind）數(shù)據(jù)庫中企業(yè)營業(yè)收入行業(yè)構(gòu)成和產(chǎn)品構(gòu)成相關(guān)數(shù)據(jù)；區(qū)域?qū)用娴臄?shù)據(jù)來自中國研究數(shù)據(jù)服務(wù)平臺（CNRDS）。同時，剔除ST、*ST 上市公司，且對連續(xù)變量采取雙邊1%的Win?sorize縮尾處理，以緩解異常值的影響。

（二）基準(zhǔn)模型設(shè)定

為檢驗(yàn)數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的影響，設(shè)定以下估計模型：

其中，i、t、c 分別代表企業(yè)、年份和區(qū)域；Servi?ceit表示企業(yè)總體服務(wù)化水平，Serviceit_e 表示企業(yè)嵌入式服務(wù)化水平，Serviceit_m 表示企業(yè)混入式服務(wù)化水平，DCGit為企業(yè)數(shù)字化轉(zhuǎn)型水平；Xct為區(qū)域?qū)用娴目刂谱兞?，包括?jīng)濟(jì)發(fā)展水平（Pgdp）、金融發(fā)展水平（Fin）、城市產(chǎn)業(yè)結(jié)構(gòu)（Indus）；Eit為企業(yè)層面的控制變量，包括企業(yè)規(guī)模（Size）、年限（Age）、資產(chǎn)負(fù)債率（Lve）、現(xiàn)金流水平（Flow）、無形資產(chǎn)占比（Intasset）、市場勢力（Market）、行業(yè)競爭程度（Compete）、盈利能力（Profit）、固定資產(chǎn)占比（Ppe）。δi為企業(yè)固定效應(yīng)，λt為時間固定效應(yīng)，εit為誤差項(xiàng)?？紤]到數(shù)字化轉(zhuǎn)型驅(qū)動制造企業(yè)服務(wù)化可能存在時滯和二者之間的逆向因果問題，對解釋變量滯后1期處理。

（三）變量度量

1.被解釋變量：制造企業(yè)總服務(wù)化水平（Ser?vice）、嵌入式服務(wù)化水平（Service_e）、混入式服務(wù)化水平（Service_m）。本文借鑒孫曉華等[5]、約瑟夫森（Josephson）等[6]的做法，采用企業(yè)服務(wù)收入與營業(yè)收入之比來刻畫微觀企業(yè)的服務(wù)化水平。首先，基于Wind 數(shù)據(jù)庫中制造業(yè)上市公司的營業(yè)產(chǎn)品構(gòu)成和行業(yè)構(gòu)成數(shù)據(jù)，根據(jù)國民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)（GB/T 4754—2017）人工識別及判斷企業(yè)營業(yè)過程中是否涉及服務(wù)業(yè)務(wù)，若涉及，則分別按產(chǎn)品構(gòu)成和行業(yè)構(gòu)成對年度服務(wù)業(yè)收入進(jìn)行加總；若未涉及，則判定該企業(yè)未實(shí)施服務(wù)化。若兩類服務(wù)加總數(shù)值差異較大，則由兩位編碼者進(jìn)一步查閱年報中對企業(yè)業(yè)務(wù)內(nèi)容的描述，以最終確定制造企業(yè)的年度服務(wù)收入。其次，根據(jù)服務(wù)的具體內(nèi)容，手工將企業(yè)服務(wù)分為嵌入式服務(wù)和混入式服務(wù)兩類。具體來說，嵌入式服務(wù)包括安裝及售后維修、系統(tǒng)解決方案、技術(shù)支持、工程與物流咨詢、設(shè)備及產(chǎn)品租賃等與企業(yè)核心產(chǎn)品密切相關(guān)的服務(wù)；混入式服務(wù)包括產(chǎn)品貿(mào)易、金融經(jīng)紀(jì)、物業(yè)管理、房地產(chǎn)開發(fā)、餐飲旅游等與企業(yè)核心產(chǎn)品無關(guān)的服務(wù)。最后，分別將企業(yè)的年度服務(wù)化收入、嵌入式服務(wù)收入、混入式服務(wù)收入除以企業(yè)年度營業(yè)收入額，得到制造企業(yè)的總體服務(wù)化水平（Service）、嵌入式服務(wù)化水平（Service_e）和混入式服務(wù)化水平（Service_m）。

2.解釋變量：數(shù)字化轉(zhuǎn)型水平（DCG）?，F(xiàn)有文獻(xiàn)中，余（Yu）等[41]、吳非等[42]采用上市公司年報文本信息從微觀層面刻畫企業(yè)數(shù)字化轉(zhuǎn)型水平，該方法對本文構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)具有一定的參考意義。但由于文本信息存在較強(qiáng)的主觀性，在國家和地方政府大力倡導(dǎo)發(fā)展數(shù)字經(jīng)濟(jì)的背景下，上市公司年報中與數(shù)字化轉(zhuǎn)型相關(guān)的文本信息容易成為管理者進(jìn)行股票概念炒作的信息操作工具[43]，并且，隨著國家和地方出臺支持企業(yè)數(shù)字化轉(zhuǎn)型的扶持政策，企業(yè)也可能通過在年報中大量表述與數(shù)字化轉(zhuǎn)型相關(guān)的文本信息吸引更多的政府補(bǔ)貼。因此，盡管年報文本數(shù)據(jù)可以反映上市公司對數(shù)字技術(shù)應(yīng)用的深度，但在遺漏數(shù)字化投資數(shù)據(jù)情況下，難以有效衡量企業(yè)的真實(shí)數(shù)字化轉(zhuǎn)型程度。鑒于此，本文利用熵權(quán)法從企業(yè)真實(shí)的數(shù)字化投資水平和年報文本信息刻畫的數(shù)字技術(shù)應(yīng)用水平兩個維度構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)，以更全面和客觀地衡量企業(yè)的數(shù)字化轉(zhuǎn)型程度。

首先，參考霍（Ho）等[44]、王宇等[45]的研究，分別利用數(shù)字化硬件投資和數(shù)字化軟件投資占總資產(chǎn)比重來測度企業(yè)的數(shù)字化投資水平。其中，數(shù)字化軟件投資為與數(shù)字化轉(zhuǎn)型相關(guān)的無形資產(chǎn)項(xiàng)目的年度匯總，具體為科目名稱中包含“智能”“軟件”“系統(tǒng)”“信息平臺”“數(shù)據(jù)”等關(guān)鍵詞的無形資產(chǎn)項(xiàng)目；數(shù)字化硬件投資為與數(shù)字化轉(zhuǎn)型相關(guān)的固定資產(chǎn)項(xiàng)目的年度匯總，具體為科目名稱中包含“電子設(shè)備”“計算機(jī)”“數(shù)據(jù)設(shè)備”等關(guān)鍵詞的固定資產(chǎn)項(xiàng)目。兩類資產(chǎn)的明細(xì)數(shù)據(jù)均來自Wind數(shù)據(jù)庫中的上市公司財務(wù)報告附注。

其次，基于年報文本關(guān)鍵詞詞頻測度企業(yè)數(shù)字技術(shù)應(yīng)用水平。第一步，利用Python 軟件從深圳證券交易所和上海證券交易所官方網(wǎng)站下載A股制造業(yè)上市公司的年度報告，并將年度報告PDF格式轉(zhuǎn)換為其可讀取的文本格式。第二步，明確與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞并使用Python 軟件編寫代碼實(shí)現(xiàn)對關(guān)鍵詞的獲取。具體地，參考吳非等[42]、霍等[44]的研究和《關(guān)于加快推進(jìn)國有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》《中小企業(yè)數(shù)字化賦能專項(xiàng)行動方案》等政策文件以及清華大學(xué)全球產(chǎn)業(yè)研究院發(fā)布的《中國企業(yè)數(shù)字化轉(zhuǎn)型研究報告》、埃森哲與國家工業(yè)信息安全發(fā)展研究中心聯(lián)合發(fā)布的《中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)研究》等相關(guān)報告，從底層數(shù)字技術(shù)和數(shù)字技術(shù)應(yīng)用深度兩個維度抓取與數(shù)字化轉(zhuǎn)型相關(guān)的關(guān)鍵詞。前者為“ABCD”四種底層數(shù)字技術(shù)①，具體包括數(shù)字技術(shù)、智能技術(shù)、信息系統(tǒng)、系統(tǒng)集成、自動控制、信息技術(shù)、人工智能、機(jī)器人、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、智能軟件、智能識別、智能系統(tǒng)、區(qū)塊鏈、云計算、云存儲、云聯(lián)網(wǎng)、公有云、私有云、物聯(lián)網(wǎng)、大數(shù)據(jù)、數(shù)據(jù)挖掘、文本挖掘、數(shù)據(jù)可視化、數(shù)據(jù)分析、數(shù)據(jù)加工、數(shù)據(jù)集成等關(guān)鍵詞；后者包括電子商務(wù)、數(shù)字營銷、網(wǎng)絡(luò)營銷、網(wǎng)絡(luò)零售、網(wǎng)絡(luò)設(shè)計、網(wǎng)絡(luò)創(chuàng)新、數(shù)字化轉(zhuǎn)型、數(shù)字升級、數(shù)字管理、數(shù)字城市、數(shù)字設(shè)計、數(shù)字研發(fā)、數(shù)字創(chuàng)新、數(shù)字服務(wù)、研發(fā)軟件、智能化、智能升級、智能穿戴、智能交通、智能醫(yī)療、智能制造、智能家居、智能營銷、智能產(chǎn)品、智能辦公、智能裝備、智能研發(fā)、智能工廠、智能系統(tǒng)、智能生產(chǎn)、智能終端、智能設(shè)備、智能運(yùn)維、平臺經(jīng)濟(jì)、云平臺、云服務(wù)、工業(yè)云、工業(yè)軟件、工業(yè)APP、工業(yè)4.0、數(shù)字工廠、黑燈工廠等關(guān)鍵詞。第三步，分別加總底層數(shù)字技術(shù)和數(shù)字技術(shù)應(yīng)用深度的關(guān)鍵詞數(shù)量。

最后，采用熵權(quán)法對二級指標(biāo)進(jìn)行賦權(quán)，由此得到企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)（參見表1）。

表1 數(shù)字化轉(zhuǎn)型指標(biāo)體系

3.控制變量。參考張峰等[1]、孫曉華等[5]的研究，本文的企業(yè)層面控制變量為：企業(yè)規(guī)模（Size），用企業(yè)員工人數(shù)的對數(shù)來刻畫；企業(yè)年限（Age），用當(dāng)年減去企業(yè)成立年份加1后的對數(shù)來衡量；負(fù)債水平（Lve），用企業(yè)總負(fù)債與總資產(chǎn)之比來測度；現(xiàn)金流水平（Flow），用經(jīng)營活動產(chǎn)生的現(xiàn)金流凈額占總資產(chǎn)的比重表示；無形資產(chǎn)占比（Intasset），用無形資產(chǎn)凈額占總資產(chǎn)的比重來表示；市場勢力（Market），用企業(yè)營業(yè)收入占行業(yè)營業(yè)收入的比重來表示；行業(yè)競爭程度（Compete），用赫芬達(dá)爾指數(shù)來衡量；固定資產(chǎn)占比（Ppe），用固定資產(chǎn)凈額與總資產(chǎn)的比重來測度；盈利能力（Roa），用凈利潤占總資產(chǎn)的比值來表示。區(qū)域?qū)用娴目刂谱兞繛椋航?jīng)濟(jì)發(fā)展水平（Pgdp），用城市的人均國內(nèi)生產(chǎn)總值的對數(shù)來表示；金融發(fā)展水平（Fin），用城市金融機(jī)構(gòu)年末貸款余額與金融機(jī)構(gòu)年末存款余額之比來表示；城市產(chǎn)業(yè)結(jié)構(gòu)（Indus），用城市第二產(chǎn)業(yè)產(chǎn)值占國內(nèi)生產(chǎn)總值的比重來刻畫。

四、實(shí)證結(jié)果及分析

（一）基準(zhǔn)回歸

表2反映了數(shù)字化轉(zhuǎn)型與制造企業(yè)服務(wù)化的計量結(jié)果。列（1）～列（3）為未納入控制變量的估計結(jié)果，列（1）的結(jié)果顯示，數(shù)字化轉(zhuǎn)型對制造企業(yè)總體服務(wù)化的影響系數(shù)為0.140 且通過了1%統(tǒng)計顯著性檢驗(yàn)。進(jìn)一步將服務(wù)化分為嵌入式服務(wù)化和混入式服務(wù)化分別進(jìn)行回歸，列（2）中的數(shù)字化轉(zhuǎn)型系數(shù)為0.128，依然在1%水平上顯著，列（3）中的數(shù)字化轉(zhuǎn)型系數(shù)為0.001 但未通過10%統(tǒng)計顯著性檢驗(yàn)。列（4）～列（6）為納入了區(qū)域、行業(yè)和企業(yè)層面控制變量的估計結(jié)果，相關(guān)的回歸系數(shù)顯著程度與列（1）～列（3）結(jié)果一致，而系數(shù)絕對值略小，原因可能是在模型納入控制變量后，部分影響制造業(yè)服務(wù)化的因素被吸收。表2的估計結(jié)果表明，數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)制造企業(yè)嵌入式服務(wù)化，對混入式服務(wù)化的影響不顯著。這意味著數(shù)字化轉(zhuǎn)型對制造企業(yè)嵌入式服務(wù)化的影響居于主導(dǎo)地位，從而導(dǎo)致其對總體服務(wù)化呈正向影響，與假設(shè)H1相呼應(yīng)。該結(jié)論證實(shí)數(shù)字化轉(zhuǎn)型是制造企業(yè)由價值鏈低端的加工制造環(huán)節(jié)邁向價值鏈高端的服務(wù)化環(huán)節(jié)，進(jìn)而實(shí)現(xiàn)制造業(yè)高質(zhì)量發(fā)展的重要驅(qū)動力。

表2 基準(zhǔn)回歸模型估計結(jié)果

數(shù)字化轉(zhuǎn)型由數(shù)字化投資和數(shù)字技術(shù)應(yīng)用兩個維度構(gòu)成，本文進(jìn)一步將數(shù)字化轉(zhuǎn)型指標(biāo)降維分解至這兩個維度進(jìn)行回歸。表3的列（1）～列（3）和列（4）～列（6）分別反映了核心解釋變量為數(shù)字化投資（DCG_invest）和數(shù)字技術(shù)應(yīng)用（DCG_apply）的估計結(jié)果，結(jié)果顯示兩個維度指標(biāo)對制造企業(yè)服務(wù)化影響系數(shù)的顯著程度與基準(zhǔn)模型結(jié)果基本一致。這表明無論制造業(yè)企業(yè)加大數(shù)字化投資還是提升數(shù)字化資源的使用效率都有利于其服務(wù)化進(jìn)程，說明基準(zhǔn)估計結(jié)果具有較強(qiáng)的穩(wěn)健性，也充分說明了在推動服務(wù)化轉(zhuǎn)型實(shí)現(xiàn)中國制造業(yè)價值鏈攀升進(jìn)程中，企業(yè)應(yīng)該注重數(shù)字化投資與數(shù)字技術(shù)應(yīng)用的結(jié)合，在既有的數(shù)字化投資基礎(chǔ)上推動數(shù)字技術(shù)與企業(yè)業(yè)務(wù)的深度融合。

表3 分維度估計結(jié)果

（二）穩(wěn)健性檢驗(yàn)

1.內(nèi)生性。上述結(jié)果可能存在較為嚴(yán)重的內(nèi)生性問題。一是遺漏變量問題。區(qū)域?qū)用娴哪承┮蛩乜赡軙瑫r影響數(shù)字化轉(zhuǎn)型和制造企業(yè)服務(wù)化，這些變量的遺漏會造成基準(zhǔn)模型的核心解釋變量與殘差項(xiàng)相關(guān)進(jìn)而導(dǎo)致估計結(jié)果產(chǎn)生內(nèi)生性偏誤。二是逆向因果問題。相較于硬件產(chǎn)品而言，數(shù)字技術(shù)對服務(wù)的形態(tài)、商業(yè)模式、價值實(shí)現(xiàn)等影響更為顯著，因而服務(wù)化程度較深的制造企業(yè)數(shù)字化轉(zhuǎn)型的積極性可能更高，由此造成逆向因果問題。本文基準(zhǔn)模型中的自變量均進(jìn)行了滯后1 期處理，且控制了個體層面的固定效應(yīng)，一定程度緩解了上述問題，為穩(wěn)妥起見，進(jìn)一步采用以下方法進(jìn)行內(nèi)生性分析。

一是增加控制變量。城市層面的互聯(lián)網(wǎng)普及率是影響制造企業(yè)數(shù)字化轉(zhuǎn)型和服務(wù)化的重要因素。一方面，網(wǎng)絡(luò)化是數(shù)字化轉(zhuǎn)型的基礎(chǔ)，較高的城市互聯(lián)網(wǎng)普及率能夠?yàn)槠髽I(yè)數(shù)字化轉(zhuǎn)型提供良好的外部環(huán)境；另一方面，互聯(lián)網(wǎng)發(fā)展在為制造企業(yè)服務(wù)化提供技術(shù)支撐的同時，也為消費(fèi)者獲取服務(wù)提供了便利的技術(shù)手段。因此，本文進(jìn)一步在控制變量中增加城市互聯(lián)網(wǎng)普及率（Internet），估計結(jié)果如表4列（1）～列（3）所示。為進(jìn)一步緩解可能存在的遺漏變量問題，控制了“城市-行業(yè)”固定效應(yīng)和“行業(yè)-時間”固定效應(yīng)，前者控制了不隨時間而變的城市行業(yè)層面的相關(guān)影響因素，后者控制了制造業(yè)各細(xì)分行業(yè)在不同年份受到的外生沖擊。估計結(jié)果如表4列（4）～列（6）所示。二是將核心解釋變量進(jìn)行滯后2 期處理。根據(jù)伍爾德里奇（Wooldridge）[46]的假設(shè)，若模型殘差由當(dāng)期擾動決定而時序關(guān)聯(lián)性不強(qiáng)，則相對于滯后1 期，核心解釋變量滯后2 期能更有效地緩解內(nèi)生性問題。估計結(jié)果如表4列（7）～列（9）所示。表4的結(jié)果表明，在增加控制變量、控制更嚴(yán)格的固定效應(yīng)和采用滯后2 期的核心解釋變量后，數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的影響與基準(zhǔn)模型結(jié)論基本一致。

表4 內(nèi)生性分析（1）

三是工具變量法。首先，借鑒高翔等[47]的研究，采用核心解釋變量的滯后2期（IV1）作為工具變量，第二階段的估計結(jié)果如表5列（2）～列（4）所示。其次，采用勒貝爾（Lewbel）工具變量。由于影響數(shù)字化轉(zhuǎn)型的因素往往會通過其他渠道影響制造企業(yè)服務(wù)化，選取一個有效的外部工具變量較為困難。針對此類問題，勒貝爾[48]利用微觀企業(yè)本身的數(shù)據(jù)構(gòu)造了一個不需要外部因素的工具變量。在此后的微觀經(jīng)濟(jì)研究中，該方法逐漸成為構(gòu)造工具變量的重要方法之一[47]。本文參考該方法構(gòu)造了數(shù)字化轉(zhuǎn)型的工具變量：企業(yè)數(shù)字化轉(zhuǎn)型水平與行業(yè)數(shù)字化轉(zhuǎn)型水平均值之差的三次方（IV2）。該工具變量第二階段的估計結(jié)果如表5列（6）～列（8）所示。表5中，兩個工具變量對數(shù)字化轉(zhuǎn)型的影響系數(shù)均為正且通過了1%統(tǒng)計顯著性檢驗(yàn)，第二階段的估計系數(shù)與基準(zhǔn)結(jié)果基本一致，說明內(nèi)生性問題并未影響本文基本結(jié)論的穩(wěn)健性。同時，兩個工具變量第一階段回歸的F值均大于10，第二階段回歸中Kleibergen-Paap rk Wald F 統(tǒng)計量均大于Stock-Yogo 在10%水平上的臨界值16.38，拒絕了弱工具變量的假設(shè)，表明選取的工具變量是有效的。

表5 內(nèi)生性分析（2）

2.剔除異質(zhì)性樣本。一是剔除服務(wù)化異常值的樣本。首先，樣本中存在大量未實(shí)施服務(wù)化的企業(yè)，這些樣本的存在可能會對估計結(jié)果造成偏誤。因此，我們選取實(shí)施服務(wù)化的企業(yè)進(jìn)行估計，如表6列（1）～列（3）所示。進(jìn)一步來看，只選擇進(jìn)行服務(wù)化的企業(yè)作為樣本進(jìn)行估計可能會產(chǎn)生樣本選擇偏誤問題。為此，本文采用Heckman兩階段法進(jìn)行估計。第一階段，通過Probit 模型對制造企業(yè)服務(wù)化進(jìn)行回歸，計算出逆米爾斯比率（IMR）；第二階段，將逆米爾斯比率（IMR）作為控制變量納入基準(zhǔn)模型進(jìn)行估計。Heck?man 兩階段法第二階段的結(jié)果如表6列（4）～列（6）所示。其次，剔除服務(wù)化水平大于50%的樣本。服務(wù)化水平高于50%的企業(yè)實(shí)質(zhì)上已屬于服務(wù)業(yè)而非制造業(yè)范疇，故剔除該類企業(yè)，結(jié)果如表6列（7）～列（9）所示。表6的回歸結(jié)果表明，在剔除被解釋變量為零值和行業(yè)屬性發(fā)生變化的樣本后，估計結(jié)果與基準(zhǔn)模型基本一致。二是剔除異質(zhì)性行業(yè)樣本。計算機(jī)、通信和其他電子設(shè)備制造業(yè)作為專門從事數(shù)字技術(shù)研發(fā)、數(shù)字化設(shè)備生產(chǎn)的行業(yè)，上市公司年報中出現(xiàn)與數(shù)字化轉(zhuǎn)型關(guān)鍵詞的頻率遠(yuǎn)大于其他行業(yè)，故剔除該類行業(yè)樣本進(jìn)行估計，結(jié)果如表7列（1）～列（3）所示。三是剔除一線城市樣本。一線城市的基礎(chǔ)設(shè)施、人口及產(chǎn)業(yè)集聚普遍優(yōu)于其他城市，為制造企業(yè)服務(wù)化提供了良好的基礎(chǔ)。此外，擁擠效應(yīng)的存在導(dǎo)致一線城市傾向于出臺相關(guān)政策鼓勵制造企業(yè)服務(wù)化轉(zhuǎn)型，故處于一線城市的企業(yè)具有較強(qiáng)的異質(zhì)性。進(jìn)一步剔除辦公地處于一線城市的企業(yè)樣本，估計結(jié)果如表7列（4）～列（6）所示。表7的估計結(jié)果表明，在剔除異質(zhì)性行業(yè)和城市樣本之后，估計結(jié)果未發(fā)生實(shí)質(zhì)性變化。

表6 穩(wěn)健性檢驗(yàn)：剔除零值變量

表7 穩(wěn)健性檢驗(yàn)：剔除異質(zhì)性樣本

3.更換估計模型。一是Probit 模型。由于樣本中大量企業(yè)未實(shí)施服務(wù)化，因此能夠基于企業(yè)是否進(jìn)行服務(wù)化將被解釋變量轉(zhuǎn)化為[0，1]虛擬變量，采用Probit模型進(jìn)行估計，結(jié)果如表8列（1）～列（3）所示。二是Tobit模型。被解釋變量中存在大量0值堆積的情況，對于這類樣本分布可采用Tobit模型進(jìn)行估計。估計結(jié)果如表8列（4）～列（6）所示。表8的結(jié)果表明，在采用Probit 模型和Tobit 模型后，估計結(jié)果未發(fā)生本質(zhì)變化。

表8 穩(wěn)健性檢驗(yàn)：變換模型

4.替換變量。一是替換被解釋變量。除服務(wù)業(yè)務(wù)的營業(yè)收入外，從事服務(wù)崗位的員工規(guī)模也能夠有效刻畫制造企業(yè)服務(wù)化水平，因此本文進(jìn)一步采用從事服務(wù)崗位的員工數(shù)量占企業(yè)員工人數(shù)的比重（Service_p）作為制造企業(yè)服務(wù)化的替代變量。該數(shù)據(jù)來自手工整理的銳思數(shù)據(jù)庫中的員工崗位數(shù)據(jù)，將生產(chǎn)工人以外的員工歸為服務(wù)崗位員工。估計結(jié)果如表9列（1）所示。二是替換核心解釋變量。我國制造業(yè)門類多樣、應(yīng)用場景多元，內(nèi)部細(xì)分行業(yè)之間具有較強(qiáng)的異質(zhì)性，不同細(xì)分行業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型所需要的資源投入和轉(zhuǎn)型方式差異較大，因此企業(yè)可能需要與其所處的細(xì)分行業(yè)的企業(yè)進(jìn)行對比才能客觀反映其真實(shí)的數(shù)字化轉(zhuǎn)型水平。鑒于此，本文采用數(shù)字化轉(zhuǎn)型指數(shù)占其所處細(xì)分行業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)的比重來刻畫企業(yè)數(shù)字化轉(zhuǎn)型水平（DCG_ratio）。估計結(jié)果如表9列（2）～列（4）所示。表9的估計結(jié)果表明，在替換被解釋變量和核心解釋變量后，估計結(jié)果未發(fā)生本質(zhì)改變，證明基準(zhǔn)回歸結(jié)果具有較強(qiáng)的穩(wěn)健性。

表9 穩(wěn)健性檢驗(yàn)：替換變量

（三）異質(zhì)性分析

前述考察了數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的總體影響效應(yīng)，但不同類型企業(yè)的服務(wù)化程度可能受數(shù)字化轉(zhuǎn)型的影響存在較大差異。為此，本部分進(jìn)一步從知識產(chǎn)權(quán)保護(hù)力度、市場勢力和融資約束三個維度，來解釋數(shù)字化轉(zhuǎn)型誘發(fā)的制造企業(yè)服務(wù)化在異質(zhì)性群體中的不同表現(xiàn)。

1.知識產(chǎn)權(quán)保護(hù)異質(zhì)性。相對于實(shí)物產(chǎn)品，服務(wù)產(chǎn)品蘊(yùn)含著豐富的知識內(nèi)涵，因此數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的驅(qū)動效應(yīng)深受地區(qū)知識產(chǎn)權(quán)保護(hù)強(qiáng)度的影響。本文參照馬里奧（Mario）等[49]的研究，采用各省份每年累計侵權(quán)糾紛結(jié)案數(shù)占累計侵權(quán)糾紛立案數(shù)的比重來刻畫區(qū)域知識產(chǎn)權(quán)保護(hù)強(qiáng)度，并據(jù)此將樣本劃分為知識產(chǎn)品保護(hù)較強(qiáng)和較弱地區(qū)的兩類企業(yè)。表10 的估計結(jié)果顯示，在兩類地區(qū)中，數(shù)字化轉(zhuǎn)型對制造企業(yè)總體服務(wù)化水平和嵌入式服務(wù)化水平的影響系數(shù)均在1%或5%的水平上顯著，但系數(shù)絕對值在高強(qiáng)度知識產(chǎn)權(quán)保護(hù)地區(qū)更為顯著。這驗(yàn)證了前面的假設(shè)，即地區(qū)知識產(chǎn)權(quán)保護(hù)越強(qiáng)，就越能強(qiáng)化數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的促進(jìn)效應(yīng)。

表10 異質(zhì)性分析：知識產(chǎn)權(quán)保護(hù)力度

2.市場勢力異質(zhì)性。制造企業(yè)服務(wù)化的目的在于提高產(chǎn)品的差異化程度，打造競爭優(yōu)勢，從而提升自身市場勢力。因此，對低市場勢力的制造企業(yè)而言，服務(wù)化對其競爭能力的提升具有更大的邊際效應(yīng)，故其可能更具通過數(shù)字化轉(zhuǎn)型增強(qiáng)服務(wù)供給的積極性?；诖?，本文依據(jù)企業(yè)市場勢力中位數(shù)將考察樣本劃分為高市場勢力企業(yè)和低市場勢力企業(yè)兩個子樣本進(jìn)行分析。具體地，參照孫曉華等[5]的研究，采用企業(yè)營業(yè)收入占細(xì)分行業(yè)總營業(yè)收入的比重來衡量企業(yè)市場勢力。表11 的估計結(jié)果顯示，在高市場勢力的制造企業(yè)中，數(shù)字化轉(zhuǎn)型對總體服務(wù)化的影響并不顯著，對嵌入式服務(wù)化的影響系數(shù)為0.066，在1%的水平上顯著；在低市場勢力制造企業(yè)中，數(shù)字化轉(zhuǎn)型對總體服務(wù)化和嵌入式服務(wù)化的影響系數(shù)分別為0.229和0.174，均在1%的水平上顯著。這表明，相對于高市場勢力企業(yè)，低市場勢力企業(yè)數(shù)字化轉(zhuǎn)型對服務(wù)化的影響更為顯著，與預(yù)期相契合。

表11 異質(zhì)性分析：市場勢力

3.融資約束異質(zhì)性。除數(shù)字技術(shù)外，勞動力、資本等也是制造企業(yè)進(jìn)行服務(wù)化的重要要素，尤其是中國大多數(shù)制造企業(yè)長期處于國際價值鏈分工低端，利潤水平較低，實(shí)施服務(wù)化的物質(zhì)基礎(chǔ)較為缺乏。因此，我們預(yù)計數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的驅(qū)動效應(yīng)在高融資約束企業(yè)中較弱。本文參考哈洛克和皮爾斯（Hadlock&Pierce）[50]的研究，通過SA 指數(shù)來測度企業(yè)面臨的融資約束程度，并根據(jù)SA指數(shù)的中位數(shù)將考察樣本劃分為高融資約束企業(yè)和低融資約束企業(yè)兩個子樣本。SA指數(shù)公式為：

SA=-0.737×Size+0.043×Size2-0.04×Age

其中Size 為企業(yè)總資產(chǎn)，Age 為企業(yè)成立年限。表12 的估計結(jié)果顯示，數(shù)字化轉(zhuǎn)型對高融資約束企業(yè)服務(wù)化的估計系數(shù)絕對值顯著小于低融資約束企業(yè)，表明數(shù)字化轉(zhuǎn)型對低融資約束企業(yè)的服務(wù)化驅(qū)動效應(yīng)更顯著，這符合我們的預(yù)期。

表12 異質(zhì)性分析：融資約束

（四）機(jī)制檢驗(yàn)

本部分進(jìn)一步檢驗(yàn)數(shù)字化轉(zhuǎn)型影響制造企業(yè)服務(wù)化的作用機(jī)制。前面的理論分析表明，組織分權(quán)化變革和技術(shù)創(chuàng)新是數(shù)字化轉(zhuǎn)型促進(jìn)制造企業(yè)服務(wù)化的兩條有效路徑。具體來說，在組織變革方面，數(shù)字化轉(zhuǎn)型會導(dǎo)致企業(yè)組織信息成本的上升和代理成本的降低，驅(qū)動企業(yè)組織分權(quán)化變革，由此提升員工的積極性和組織清晰度，減少組織沖突，帶來企業(yè)服務(wù)化水平的提升；在技術(shù)創(chuàng)新方面，數(shù)字化轉(zhuǎn)型能通過技術(shù)創(chuàng)新提升產(chǎn)品的知識復(fù)雜程度及其對服務(wù)的承載力，對制造企業(yè)服務(wù)化產(chǎn)生積極影響，但也可能因資源沖突而產(chǎn)生不利影響，這依賴于真實(shí)數(shù)據(jù)的檢驗(yàn)。本文通過中介效應(yīng)模型對這兩個機(jī)制進(jìn)行檢驗(yàn)。

參考潘怡麟等[51]的研究，利用母公司支付的集團(tuán)職工薪酬比例來反映企業(yè)組織分權(quán)化變革程度（Cen）。職工薪酬的支付情況能夠反映企業(yè)組織分權(quán)程度的邏輯在于，薪酬決定權(quán)是人事權(quán)的重要組成部分，而后者又是企業(yè)管理的基礎(chǔ)，因此母公司可以通過薪酬發(fā)放控制子公司人事權(quán)，進(jìn)而實(shí)現(xiàn)對企業(yè)的集權(quán)管理。現(xiàn)實(shí)中，多數(shù)集團(tuán)母公司確實(shí)通過向子公司委派董事、監(jiān)事等方式確保母公司命令的順利執(zhí)行，并且這些人員的考核權(quán)和薪酬權(quán)由母公司控制，實(shí)現(xiàn)對子公司乃至集團(tuán)的集權(quán)管理[51]。具體地，利用以下模型的殘差衡量企業(yè)分權(quán)管理程度，該指標(biāo)值越大，企業(yè)分權(quán)管理程度越低，集權(quán)程度越高。

式中，PSalary 為母公司現(xiàn)金流量表中“支付給職工以及為職工支付的現(xiàn)金”與合并報表中相應(yīng)指標(biāo)的比值，PAsset為母公司總資產(chǎn)與合并報表中資產(chǎn)總計的比值。變量PSalary 和PAsset 經(jīng)過1%的縮尾處理。

表13 反映了以組織變革（Cen）為中介變量的估計結(jié)果。列（1）結(jié)果顯示，數(shù)字化轉(zhuǎn)型的系數(shù)在5%的水平上顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型確實(shí)能夠促進(jìn)企業(yè)組織分權(quán)化變革。列（2）～列（4）將數(shù)字化轉(zhuǎn)型和組織變革同時作為自變量納入分析模型中，組織變革對企業(yè)總服務(wù)化、嵌入式服務(wù)化和混入式服務(wù)化的影響均顯著為負(fù)，表明企業(yè)組織分權(quán)程度越高，其服務(wù)化水平就越高。這表明組織分權(quán)化變革確實(shí)是數(shù)字化轉(zhuǎn)型影響制造企業(yè)服務(wù)化的作用機(jī)制之一，驗(yàn)證了本文的假設(shè)H2。

表13 機(jī)制分析：組織變革

在技術(shù)創(chuàng)新的機(jī)制檢驗(yàn)中，參考一般文獻(xiàn)研究的做法，采用企業(yè)的申請專利數(shù)量來刻畫其技術(shù)創(chuàng)新水平。表14反映了以技術(shù)創(chuàng)新（Inno）為中介變量的估計結(jié)果。列（1）結(jié)果顯示，數(shù)字化轉(zhuǎn)型對技術(shù)創(chuàng)新的影響系數(shù)為0.715，在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型的確能夠提升制造企業(yè)技術(shù)創(chuàng)新水平；列（2）～列（4）將數(shù)字化轉(zhuǎn)型和技術(shù)創(chuàng)新同時作為自變量納入模型中，技術(shù)創(chuàng)新對三種類型的服務(wù)化影響系數(shù)均為負(fù)，但均未通過10%的統(tǒng)計顯著性檢驗(yàn)。這表明盡管數(shù)字化轉(zhuǎn)型有利于制造企業(yè)技術(shù)創(chuàng)新水平提升，但難以通過該途徑促進(jìn)其開展服務(wù)化。原因可能是，如前所述，技術(shù)創(chuàng)新對制造業(yè)服務(wù)化存在正負(fù)兩種相反的影響效應(yīng)，導(dǎo)致其對制造企業(yè)服務(wù)化的總體影響并不顯著，從而使技術(shù)創(chuàng)新難以成為數(shù)字化轉(zhuǎn)型驅(qū)動制造企業(yè)服務(wù)化的有效機(jī)制。

表14 機(jī)制分析：技術(shù)創(chuàng)新

五、進(jìn)一步分析：數(shù)字化轉(zhuǎn)型與資源配置效率

資源基礎(chǔ)觀認(rèn)為，制造企業(yè)服務(wù)化尤其是嵌入式服務(wù)化是企業(yè)以用戶為中心、以異質(zhì)性產(chǎn)品為載體，通過對多元資源的重組，將有限的資源用于原有服務(wù)業(yè)務(wù)的擴(kuò)張和新型服務(wù)業(yè)務(wù)的拓展以實(shí)現(xiàn)商業(yè)模式創(chuàng)新，進(jìn)而獲得持續(xù)競爭優(yōu)勢的過程[52]。因此，制造企業(yè)由產(chǎn)品主導(dǎo)邏輯向服務(wù)主導(dǎo)邏輯的戰(zhàn)略轉(zhuǎn)型實(shí)際上也是其內(nèi)部資源優(yōu)化配置的過程。換而言之，數(shù)字化轉(zhuǎn)型在促進(jìn)制造企業(yè)服務(wù)化的同時也可能會提升其內(nèi)部資源的配置效率。鑒于此，進(jìn)一步通過實(shí)證分析來探討數(shù)字化轉(zhuǎn)型對企業(yè)內(nèi)部資源配置效率的影響效應(yīng)。參考花貴如等[53]的研究，以企業(yè)投資效率作為上市公司資源配置效率的替代變量。企業(yè)投資效率由以下模型得到：

式中，Inv代表企業(yè)的投資水平，具體計算方式為：（購建固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)支付的現(xiàn)金+取得子公司及其他營業(yè)單位支付的現(xiàn)金凈額-處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)收回的現(xiàn)金凈額-處置子公司及其他營業(yè)單位收到的現(xiàn)金凈額）/上年總資產(chǎn)[54]；X為影響企業(yè)投資水平的相關(guān)變量，包括企業(yè)規(guī)模、存續(xù)年限、營業(yè)收入增長率、資產(chǎn)負(fù)債率、現(xiàn)金持有水平、考慮現(xiàn)金紅利再投資的年個股回報率。該模型中，企業(yè)投資效率用回歸殘差來表示。若殘差小于0，則表示投資不足，該值越小，投資不足程度越高，資源配置效率越低；若殘差大于0，則表示投資過度，該值越大，則投資過度程度越高，資源配置效率越低。對殘差取絕對值處理即為企業(yè)資源配置效率水平（Invest），絕對值越大，則表示企業(yè)資源配置效率越低。

表15反映了數(shù)字化轉(zhuǎn)型與資源配置效率的計量結(jié)果。列（1）為控制了控制變量、個體固定效應(yīng)和年份固定效應(yīng)的估計結(jié)果。結(jié)果顯示，數(shù)字化轉(zhuǎn)型對制造企業(yè)資源配置效率的影響系數(shù)為-0.027 且通過了10%統(tǒng)計顯著性檢驗(yàn)。這表明數(shù)字化轉(zhuǎn)型確實(shí)能夠優(yōu)化企業(yè)的資源配置能力，改善制造企業(yè)的資源配置效率?？刂啤俺鞘?行業(yè)”和“行業(yè)-年份”聯(lián)合固定效應(yīng)后，列（2）的估計結(jié)果顯示與列（1）的結(jié)果基本一致，表明列（1）的估計結(jié)果具有較強(qiáng)的穩(wěn)健性。

表15 數(shù)字化轉(zhuǎn)型與資源配置效率

六、結(jié)論與政策建議

新一代信息技術(shù)的迅速發(fā)展和在產(chǎn)業(yè)中的廣泛應(yīng)用改變了制造業(yè)的發(fā)展環(huán)境與資源配置能力，為制造企業(yè)擺脫價值鏈低端環(huán)節(jié)、邁向價值鏈高端的服務(wù)環(huán)節(jié)提供了機(jī)會窗口。在此背景下，數(shù)字化轉(zhuǎn)型究竟如何影響制造企業(yè)服務(wù)化成為亟須探究的新命題。本文基于中國制造業(yè)發(fā)展的典型事實(shí)，嘗試為這一新命題尋求完整的理論闡釋和微觀證據(jù)。理論上，數(shù)字技術(shù)不僅能夠基于自身特征直接驅(qū)動制造企業(yè)服務(wù)化，而且還能夠通過組織分權(quán)化變革和技術(shù)創(chuàng)新對制造企業(yè)服務(wù)化產(chǎn)生有益影響；實(shí)證中，利用手工整理的上市公司財務(wù)報表數(shù)據(jù)和Python 軟件抓取的年報文本數(shù)據(jù)，創(chuàng)新性地從數(shù)字化投資和數(shù)字技術(shù)應(yīng)用兩個維度構(gòu)建微觀企業(yè)數(shù)字化轉(zhuǎn)型的指標(biāo)體系，使用獨(dú)特的2013—2019年上市公司營業(yè)收入產(chǎn)品構(gòu)成和行業(yè)構(gòu)成數(shù)據(jù)，手工整理出制造企業(yè)服務(wù)化的度量指標(biāo)。

研究結(jié)果表明：（1）數(shù)字化轉(zhuǎn)型顯著提升了制造企業(yè)的服務(wù)化水平，主要表現(xiàn)為驅(qū)動了嵌入式服務(wù)化，對混入式服務(wù)化并無影響。通過一系列的穩(wěn)健性檢驗(yàn)后，該結(jié)論依然成立。（2）數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的驅(qū)動作用主要通過直接效應(yīng)和組織變革效應(yīng)得以實(shí)現(xiàn)，技術(shù)創(chuàng)新效應(yīng)并不顯著。（3）數(shù)字化轉(zhuǎn)型對制造企業(yè)服務(wù)化的影響具有顯著的異質(zhì)性。具體來說，數(shù)字化轉(zhuǎn)型更明顯地促進(jìn)了知識產(chǎn)權(quán)保護(hù)水平高、市場勢力弱、融資約束弱的制造企業(yè)服務(wù)化水平提升。（4）服務(wù)化作為企業(yè)資源優(yōu)化配置的重要方式，數(shù)字化轉(zhuǎn)型企業(yè)資源配置效率的優(yōu)化作用也通過實(shí)證分析得到證實(shí)。

基于上述結(jié)論，提出以下政策建議。第一，數(shù)字化轉(zhuǎn)型是制造企業(yè)服務(wù)化轉(zhuǎn)型的重要驅(qū)動力。首先，應(yīng)聯(lián)合外部電信運(yùn)營商加快企業(yè)云建設(shè)，加快制造業(yè)企業(yè)內(nèi)網(wǎng)絡(luò)升級，強(qiáng)化工業(yè)互聯(lián)網(wǎng)平臺的網(wǎng)絡(luò)安全體系，夯實(shí)工業(yè)互聯(lián)網(wǎng)發(fā)展基礎(chǔ)；其次，以行業(yè)和綜合平臺為導(dǎo)向，聯(lián)合互聯(lián)網(wǎng)企業(yè)和外部資源平臺，打造基于產(chǎn)品全生命周期的綜合性工業(yè)互聯(lián)網(wǎng)平臺，構(gòu)建平臺服務(wù)商。第二，數(shù)字化轉(zhuǎn)型難以通過技術(shù)創(chuàng)新促進(jìn)制造企業(yè)服務(wù)化。企業(yè)應(yīng)平衡好技術(shù)創(chuàng)新和服務(wù)化之間的關(guān)系，根據(jù)自身的發(fā)展需求，選擇適當(dāng)?shù)膬r值鏈升級方式，以避免可能產(chǎn)生的資源沖突。第三，知識產(chǎn)權(quán)保護(hù)程度對數(shù)字化轉(zhuǎn)型的服務(wù)化激勵效應(yīng)具有重要影響。政府應(yīng)加強(qiáng)地方知識產(chǎn)權(quán)保護(hù)，加大對侵犯知識產(chǎn)權(quán)行為的打擊力度，完善法制建設(shè)，提升法治效率。第四，提高對制造企業(yè)服務(wù)化的支持力度。一方面，中央及地方各級政府設(shè)立專項(xiàng)補(bǔ)貼資金及服務(wù)化發(fā)展基金，對制造企業(yè)上云、建立工業(yè)互聯(lián)網(wǎng)等轉(zhuǎn)型行動給予支持。同時，采用稅收優(yōu)惠政策，對于制造企業(yè)數(shù)字化轉(zhuǎn)型和服務(wù)化給予一定的稅收減免等優(yōu)惠。另一方面，提升地方金融服務(wù)水平，提高銀行等金融機(jī)構(gòu)對制造企業(yè)的融資力度，增強(qiáng)制造業(yè)企業(yè)在股票、債券等資本市場的融資能力，引進(jìn)風(fēng)險資本等為制造企業(yè)實(shí)施服務(wù)化提供充足的資金。

注釋：

①“ABCD”底層數(shù)字技術(shù)是指人工智能（Aritificial Intelli?gence）、區(qū)塊鏈（Block Chain）、云計算（Cloud）和大數(shù)據(jù)（Big Data）四種數(shù)字技術(shù)。