摘"要：數(shù)字化創(chuàng)新是企業(yè)發(fā)展的新動能，厘清數(shù)字化創(chuàng)新對企業(yè)高質(zhì)量發(fā)展的影響機(jī)制尤為重要。借助IPC分類號識別出2012—2021年智能制造上市公司數(shù)字化創(chuàng)新專利數(shù)據(jù)，從重組視角出發(fā)，利用基于深度學(xué)習(xí)的文本分類模型對專利摘要信息進(jìn)行學(xué)習(xí)，進(jìn)一步將數(shù)字化創(chuàng)新專利劃分為設(shè)計重組和使用重組兩類，以考察二者對智能制造企業(yè)高質(zhì)量發(fā)展的影響及作用機(jī)制。結(jié)果表明：設(shè)計重組和使用重組能夠顯著促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展，且使用重組的影響效應(yīng)更顯著。在作用機(jī)制方面，數(shù)字化創(chuàng)新可以通過縮小企業(yè)縱向邊界和擴(kuò)大企業(yè)橫向邊界促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。進(jìn)一步分析發(fā)現(xiàn)，對處于技術(shù)快速變化行業(yè)和高市場化水平區(qū)域的智能制造企業(yè)而言，數(shù)字化創(chuàng)新的經(jīng)濟(jì)效應(yīng)更為顯著。結(jié)論可為智能制造企業(yè)數(shù)字化創(chuàng)新提供啟示，對進(jìn)一步推動我國制造企業(yè)高質(zhì)量發(fā)展具有重要意義。

關(guān)鍵詞關(guān)鍵詞：數(shù)字化創(chuàng)新；高質(zhì)量發(fā)展；重組視角；智能制造；企業(yè)邊界

DOIDOI：10.6049/kjjbydc.2023060374

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）""""""開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號中圖分類號：F426.6

文獻(xiàn)標(biāo)識碼：A

文章編號文章編號：1001-7348（2024）21-0087-11

0"引言

中共二十大報告明確提出，“高質(zhì)量發(fā)展是全面建設(shè)社會主義現(xiàn)代化國家的首要任務(wù)”。數(shù)字化創(chuàng)新能夠突破創(chuàng)新主體、過程和產(chǎn)出邊界，促進(jìn)原有生產(chǎn)要素優(yōu)化重組，優(yōu)化產(chǎn)品、服務(wù)、流程等，成為企業(yè)培育新動能的重要引擎[1-3]。智能制造企業(yè)是現(xiàn)代產(chǎn)業(yè)體系的重要環(huán)節(jié)，也是經(jīng)濟(jì)高質(zhì)量發(fā)展的重要載體。如何通過數(shù)字化創(chuàng)新促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展成為我國亟需解決的重要問題。

區(qū)別于傳統(tǒng)創(chuàng)新，數(shù)字化創(chuàng)新具有新特征。首先，數(shù)字化資源能夠在虛擬空間無限重組且易于與物理組件組合，進(jìn)而形成產(chǎn)品、服務(wù)、流程等重組式創(chuàng)新[4-6]。其次，數(shù)字經(jīng)濟(jì)時代，用戶成為價值創(chuàng)造主體[7-8]。基于數(shù)字技術(shù)應(yīng)用和數(shù)據(jù)驅(qū)動，數(shù)字化創(chuàng)新能夠突破企業(yè)邊界，影響資源整合和配置效率，進(jìn)而對企業(yè)高質(zhì)量發(fā)展產(chǎn)生影響。據(jù)此，本文研究問題如下：數(shù)字化創(chuàng)新對智能制造企業(yè)高質(zhì)量發(fā)展有何影響？使用重組和設(shè)計重組兩類數(shù)字化創(chuàng)新的影響效應(yīng)是否相同？其作用機(jī)制是什么？企業(yè)邊界重塑在數(shù)字化創(chuàng)新與智能制造企業(yè)高質(zhì)量發(fā)展間發(fā)揮何種作用？

現(xiàn)有數(shù)字化創(chuàng)新與企業(yè)高質(zhì)量發(fā)展研究大多以數(shù)字技術(shù)應(yīng)用為焦點[9-11]，未深入探討數(shù)字化情境下用戶參與的影響效應(yīng)。同時，相關(guān)文獻(xiàn)主要關(guān)注經(jīng)營成本、資源配置效率及創(chuàng)新投入的作用機(jī)制，企業(yè)邊界重塑的作用機(jī)制尚未明晰。因此，本文以2012—2021年智能制造上市公司為樣本，借助IPC分類號識別出樣本企業(yè)數(shù)字化創(chuàng)新專利數(shù)據(jù)，并利用基于深度學(xué)習(xí)的文本分類模型將其劃分為設(shè)計重組和使用重組兩個維度，考察二者對智能制造企業(yè)高質(zhì)量發(fā)展的影響，探討企業(yè)邊界重塑在數(shù)字化創(chuàng)新與智能制造企業(yè)高質(zhì)量發(fā)展間的中介效應(yīng)，進(jìn)一步揭示行業(yè)技術(shù)變化速度、市場化水平差異在數(shù)字化創(chuàng)新與智能制造企業(yè)高質(zhì)量發(fā)展間的異質(zhì)性影響。

本文可能的邊際貢獻(xiàn)如下：①突破以往文獻(xiàn)局限，從重組視角出發(fā)，考察企業(yè)數(shù)字化創(chuàng)新的影響，為數(shù)字化創(chuàng)新相關(guān)研究提供理論支撐；②利用基于深度學(xué)習(xí)的文本分類模型將數(shù)字化創(chuàng)新專利細(xì)分為設(shè)計重組和使用重組，進(jìn)一步探討企業(yè)數(shù)字化創(chuàng)新活動，為數(shù)字化創(chuàng)新研究提供新視角；③基于企業(yè)邊界視角，考察企業(yè)縱向邊界、橫向邊界變化在數(shù)字化創(chuàng)新與智能制造企業(yè)高質(zhì)量發(fā)展間的作用，為數(shù)字化創(chuàng)新與智能制造企業(yè)高質(zhì)量發(fā)展研究提供新思路。

1"文獻(xiàn)綜述

1.1"重組視角下數(shù)字化創(chuàng)新內(nèi)涵及維度

由于數(shù)據(jù)具有同質(zhì)性、可重編程性等特征，數(shù)字資源之間、數(shù)字資源與物理產(chǎn)品可以進(jìn)行重新整合和使用[12]。多主體、無邊界組合式創(chuàng)新是數(shù)字化創(chuàng)新常見的表現(xiàn)形式[6]。數(shù)字經(jīng)濟(jì)時代，數(shù)字化資源成為企業(yè)主要資源，創(chuàng)新主體不再局限于企業(yè)家，顧客、供應(yīng)商、經(jīng)銷商等利益相關(guān)者均可開展價值創(chuàng)造活動。數(shù)字化創(chuàng)新是指不同主體對數(shù)字化資源進(jìn)行重新組合的活動，由此生成新的產(chǎn)品、服務(wù)、流程、商業(yè)模式等[4]。

數(shù)字技術(shù)賦能有助于用戶參與創(chuàng)新，用戶是數(shù)字化創(chuàng)新的重要參與者[7-8]。企業(yè)通過數(shù)字平臺連接用戶，放寬了以往普通用戶因缺乏專業(yè)知識無法參與創(chuàng)新的限制，用戶參與群體得以擴(kuò)大[13-14]。同時，用戶參與創(chuàng)新方式日益便捷化和多樣化，虛擬用戶環(huán)境是用戶參與研發(fā)創(chuàng)新的重要途徑。用戶甚至不需要具備主動參與意愿，其使用行為過程中自動生成的海量數(shù)據(jù)就能夠影響企業(yè)決策（肖靜華等，2020）。

基于此，本文聚焦供需兩側(cè)將數(shù)字化創(chuàng)新劃分為設(shè)計重組和使用重組兩個維度[8]。其中，設(shè)計重組是指企業(yè)通過整合數(shù)字化資源為用戶提供新產(chǎn)品、服務(wù)等。例如，云從科技公司圍繞人機(jī)協(xié)作操作系統(tǒng)整合多個技術(shù)領(lǐng)域，生產(chǎn)出如 “3D人體技術(shù)”等人工智能產(chǎn)品（王雪原和黃佳賽，2022）。微軟OneDrive、Word等產(chǎn)品協(xié)同可為用戶提供價值實現(xiàn)路徑。設(shè)計重組以企業(yè)為創(chuàng)新主體，企業(yè)具有知識、經(jīng)驗和技術(shù)，能夠高效將產(chǎn)品設(shè)計轉(zhuǎn)化為市場供給。

使用重組的參與主體一般為用戶，主要表現(xiàn)為用戶對數(shù)字化資源進(jìn)行重組以實現(xiàn)不同目的的過程。使用重組可以進(jìn)一步劃分為用戶直接參與創(chuàng)新與用戶數(shù)據(jù)化間接參與。一方面，用戶可以通過開源社區(qū)、用戶社群等數(shù)字平臺直接創(chuàng)造價值。例如，用戶可以通過在GitHub平臺上搜尋、使用其它開源代碼制定專屬解決方案。索菲亞公司的用戶憑借DIY Home創(chuàng)新工具箱自主選擇家居樣式、材料、設(shè)計等，直接參與場景創(chuàng)造實踐（謝康等，2023）。另一方面，數(shù)字技術(shù)能夠?qū)⒂脩粜枨蠛托袨檗D(zhuǎn)化為海量數(shù)據(jù)。基于消費大數(shù)據(jù)，企業(yè)可以精準(zhǔn)預(yù)測市場需求；基于行為數(shù)據(jù)，企業(yè)可以根據(jù)用戶動態(tài)需求變化進(jìn)行迭代創(chuàng)新。此外，普通用戶可以通過數(shù)據(jù)間接參與創(chuàng)新。例如，根據(jù)用戶瀏覽網(wǎng)站的行為特點，悠易廣告公司實現(xiàn)廣告投放“千人千面”。使用重組不僅能夠縮短企業(yè)設(shè)計研發(fā)周期，實現(xiàn)供需匹配，而且可以在一定程度上產(chǎn)生規(guī)模經(jīng)濟(jì)效應(yīng)和網(wǎng)絡(luò)效應(yīng)[8]。

1.2"數(shù)字化創(chuàng)新對企業(yè)高質(zhì)量發(fā)展的影響效應(yīng)

現(xiàn)有數(shù)字化創(chuàng)新與企業(yè)高質(zhì)量發(fā)展關(guān)系研究主要基于數(shù)字技術(shù)專利數(shù)據(jù)或通過構(gòu)建文本詞典對企業(yè)年報進(jìn)行文本挖掘，采用全要素生產(chǎn)率衡量企業(yè)高質(zhì)量發(fā)展，得出數(shù)字化創(chuàng)新能夠促進(jìn)企業(yè)高質(zhì)量發(fā)展，主要存在以下傳導(dǎo)路徑：一是成本費用渠道。數(shù)字技術(shù)通過降本增效、緩解融資約束促進(jìn)企業(yè)績效增長[10-11]。二是創(chuàng)新投入渠道。數(shù)字化建設(shè)有助于企業(yè)增加研發(fā)投入與有效發(fā)明專利數(shù)，進(jìn)而促進(jìn)企業(yè)全要素生產(chǎn)率提高（黃鍵斌等，2022；張樹山等，2021）。三是資源配置效率渠道。數(shù)字化創(chuàng)新通過緩解信息不對稱促使企業(yè)與其他主體合作，進(jìn)而提高資源配置效率，助力企業(yè)高質(zhì)量發(fā)展[15-16]。

現(xiàn)有相關(guān)研究存在以下不足：一是將企業(yè)視為數(shù)字化創(chuàng)新的單一主體，未將用戶與數(shù)字化創(chuàng)新聯(lián)系起來，對用戶參與創(chuàng)新所發(fā)揮的效應(yīng)探討不足。二是企業(yè)邊界重塑是數(shù)字化創(chuàng)新的產(chǎn)物，現(xiàn)有文獻(xiàn)揭示了數(shù)字化創(chuàng)新情景下企業(yè)邊界拓展過程[17]，尚未探討企業(yè)邊界變化情況及其對企業(yè)高質(zhì)量發(fā)展的影響。

2"理論分析與研究假設(shè)

2.1"數(shù)字化創(chuàng)新對智能制造企業(yè)高質(zhì)量發(fā)展的影響

新一代信息技術(shù)背景下，本文從設(shè)計重組和使用重組兩個方面探討數(shù)字化創(chuàng)新對智能制造企業(yè)高質(zhì)量發(fā)展的影響。

從供給側(cè)看，設(shè)計重組是指企業(yè)通過整合數(shù)字化資源為用戶提供新產(chǎn)品、新服務(wù)等，進(jìn)而促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。首先，企業(yè)借助數(shù)字技術(shù)獲取、共享和重組資源，通過資源動態(tài)迭代提高產(chǎn)品數(shù)量和質(zhì)量。其次，數(shù)字技術(shù)與傳統(tǒng)生產(chǎn)工具相結(jié)合有助于企業(yè)實現(xiàn)生產(chǎn)流程可視化和透明化[3]，突破不同部門間的限制，優(yōu)化信息傳播機(jī)制并降低管理成本，從而促進(jìn)企業(yè)全要素生產(chǎn)率提升（權(quán)小鋒和李闖，2022）。此外，數(shù)字技術(shù)有助于智能制造企業(yè)實現(xiàn)數(shù)據(jù)資源化和資源數(shù)據(jù)化，通過提取、整合數(shù)據(jù)中的有效信息促進(jìn)信息、數(shù)據(jù)和生產(chǎn)要素協(xié)同（劉艷霞，2022；Wu et al，2023），優(yōu)化業(yè)務(wù)流程并提升資源配置效率，從而實現(xiàn)高質(zhì)量發(fā)展[16]。

從需求側(cè)看，使用重組是指用戶基于自身用法和目的，主動選擇產(chǎn)品資源并結(jié)合其它資源進(jìn)行重組，主要方式包括直接參與創(chuàng)造價值和數(shù)據(jù)化間接參與創(chuàng)造價值。首先，用戶可以通過用戶社區(qū)、數(shù)字創(chuàng)客空間、數(shù)字創(chuàng)新平臺等渠道參與創(chuàng)新過程（Di Gangi amp; Wasko，2009；Flath et al，2017），為企業(yè)提供源源不斷的創(chuàng)意，從而提升企業(yè)競爭力。同時，用戶參與創(chuàng)新產(chǎn)生的網(wǎng)絡(luò)效應(yīng)能夠促進(jìn)企業(yè)價值創(chuàng)造水平提升[18]，進(jìn)一步推動企業(yè)高質(zhì)量發(fā)展。其次，用戶與產(chǎn)品、企業(yè)交互過程中生成的數(shù)據(jù)能夠幫助企業(yè)感知市場變化，優(yōu)化產(chǎn)品研發(fā)迭代、精準(zhǔn)營銷等業(yè)務(wù)流程（張海麗等，2022；Liu et al，2021），助力企業(yè)實現(xiàn)供給需求匹配，進(jìn)而提高生產(chǎn)效率。此外，用戶由價值接受者轉(zhuǎn)變?yōu)閮r值定義者，促使企業(yè)價值創(chuàng)造邏輯從創(chuàng)造產(chǎn)品價值轉(zhuǎn)向創(chuàng)造用戶價值，從滿足用戶需求轉(zhuǎn)向挖掘用戶潛在需求。上述轉(zhuǎn)變有助于企業(yè)開辟新的效益增長點（李樹文等，2023）?；诖?，本文提出以下假設(shè)：

H1：數(shù)字化創(chuàng)新能夠促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。

H1a：設(shè)計重組能夠促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展；

H1b：使用重組能夠促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。

2.2"企業(yè)邊界重塑的中介作用

數(shù)字技術(shù)能夠?qū)崿F(xiàn)物物互聯(lián)和人人交互，企業(yè)邊界逐漸呈現(xiàn)虛擬化、開放性和動態(tài)性特征（張樹含，李曉翔，2023）。本文中的企業(yè)邊界主要包括縱向邊界和橫向邊界：縱向邊界是企業(yè)在價值鏈中的活動范圍，取決于內(nèi)部管理成本與外部交易成本的平衡（Coase，1937）；橫向邊界體現(xiàn)為企業(yè)產(chǎn)品規(guī)模、種類和業(yè)務(wù)范圍，是邊際成本和邊際收益平衡的結(jié)果（李海艦和原磊，2005）。

2.2.1"企業(yè)縱向邊界重塑的中介作用

設(shè)計重組可以通過影響生產(chǎn)成本縮小企業(yè)縱向邊界。一方面，設(shè)計重組能夠有效降低企業(yè)外部交易成本。數(shù)字技術(shù)能夠加速企業(yè)間信息資源流動，促使上下游企業(yè)生產(chǎn)要素價格、資信水平等指標(biāo)透明化，進(jìn)而降低企業(yè)對外合作的搜尋成本、談判成本和監(jiān)督成本[17]。另一方面，數(shù)字孿生技術(shù)賦能企業(yè)虛擬化生產(chǎn)研發(fā)過程，能夠降低不必要的成本支出，但生產(chǎn)設(shè)備更新?lián)Q代、勞動力結(jié)構(gòu)升級會帶來企業(yè)運營成本上升[10]，二者相互抵消。也就是說，企業(yè)內(nèi)部管控成本可能不會顯著降低。因此，設(shè)計重組主要通過降低外部交易成本抑制企業(yè)縱向邊界擴(kuò)張[17]。

使用重組能夠影響企業(yè)縱向邊界收縮。用戶需求逐漸呈現(xiàn)差異化、個性化和多元化趨勢，進(jìn)而倒逼企業(yè)供給水平和效率提升。然而，由于自身資源有限，面對用戶的創(chuàng)新想法，企業(yè)不得不采取眾包方式交給最合適的企業(yè)完成（安同良和聞銳，2022），由此導(dǎo)致企業(yè)縱向邊界縮小。

企業(yè)縱向邊界縮小意味著企業(yè)生產(chǎn)專業(yè)化，有助于企業(yè)通過聚焦特定生產(chǎn)環(huán)節(jié)積累研發(fā)知識和用戶數(shù)據(jù)以提高生產(chǎn)效率（戴魁早，2013），并通過培育自身產(chǎn)品的比較優(yōu)勢提升市場競爭力[17]。此外，生產(chǎn)專業(yè)化意味著企業(yè)可以通過協(xié)調(diào)、利用和整合外部資源，借助數(shù)據(jù)化模型選擇最優(yōu)資源組合，進(jìn)而強(qiáng)化市場應(yīng)對能力（陳玲等，2023）。基于此，本文提出以下假設(shè)：

H2：數(shù)字化創(chuàng)新通過縮小企業(yè)縱向邊界促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。

H2a：設(shè)計重組通過縮小企業(yè)縱向邊界促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展；

H2b：使用重組通過縮小企業(yè)縱向邊界促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。

2.2.2"企業(yè)橫向邊界重塑的中介作用

設(shè)計重組有助于企業(yè)拓展橫向邊界。首先，數(shù)字化創(chuàng)新有助于企業(yè)實現(xiàn)資源數(shù)據(jù)化和數(shù)據(jù)資源化，突破信息流動限制，為企業(yè)提供跨界融合條件。袁勝超（2022）發(fā)現(xiàn)，數(shù)字化應(yīng)用能夠降低不同主體溝通、交流成本，有助于企業(yè)吸收互補性知識，進(jìn)而開發(fā)不同類型產(chǎn)品。其次，區(qū)別于傳統(tǒng)實體要素，數(shù)據(jù)要素具有非競爭性以及轉(zhuǎn)移成本和邊際生產(chǎn)成本幾乎為零的特點，能夠參與產(chǎn)品生產(chǎn)過程，降低不同主體應(yīng)用數(shù)據(jù)要素的門檻（姜奇平等，2023），進(jìn)而促使企業(yè)邊界橫向擴(kuò)展。曹鑫等（2022）研究發(fā)現(xiàn)，互聯(lián)互通智能設(shè)備有助于企業(yè)擴(kuò)大產(chǎn)品規(guī)模，進(jìn)而拓展企業(yè)橫向邊界。

使用重組有助于企業(yè)拓展橫向邊界。一方面，數(shù)字平臺能夠連接企業(yè)與用戶，促進(jìn)二者互動，由此增強(qiáng)企業(yè)差異化競爭優(yōu)勢，促使企業(yè)邊界橫向擴(kuò)展（謝雨鳴和邵云飛，2016；陳玲等，2023）。同時，用戶網(wǎng)絡(luò)效應(yīng)能夠拓展企業(yè)合作空間，進(jìn)而促使企業(yè)橫向邊界拓展（楊蕙馨和吳煒峰，2009）。另一方面，數(shù)字經(jīng)濟(jì)時代，獲取用戶數(shù)據(jù)成為企業(yè)競爭戰(zhàn)略，驅(qū)使企業(yè)突破邊界爭奪用戶資源（于暢和李佳雯，2021）。例如，以手機(jī)為核心產(chǎn)品的小米公司通過構(gòu)建電子商務(wù)網(wǎng)絡(luò)平臺、云服務(wù)平臺等將業(yè)務(wù)范圍延伸至智能家居領(lǐng)域，構(gòu)建以用戶為價值中心的生態(tài)鏈（馮文娜，2019）。

橫向拓展企業(yè)邊界意味著企業(yè)跨界進(jìn)入新市場并開展多元化經(jīng)營，有利于企業(yè)構(gòu)建跨界生態(tài)系統(tǒng)。一方面，企業(yè)通過構(gòu)建基于合作伙伴的運營信息與戰(zhàn)略信息共享渠道，提升資源利用率及運營績效（蘇鐘海等，2020；Karimi amp; Rivard，2019）；另一方面，企業(yè)可以利用信息共享實現(xiàn)范圍經(jīng)濟(jì)，從而促進(jìn)自身高質(zhì)量發(fā)展（王倩和柳卸林，2023）。基于此，本文提出以下假設(shè)：

H3：數(shù)字化創(chuàng)新能夠有效擴(kuò)展企業(yè)橫向邊界，從而促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。

H3a：設(shè)計重組能夠有效擴(kuò)展企業(yè)橫向邊界，從而促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展；

H3b：使用重組能夠有效擴(kuò)展企業(yè)橫向邊界，從而促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展。

3"研究設(shè)計

3.1"樣本選取與數(shù)據(jù)來源

本文主要選擇智能制造上市公司探討數(shù)字化創(chuàng)新對其高質(zhì)量發(fā)展的影響，原因如下：第一，智能制造是新型生產(chǎn)方式，其本質(zhì)是依托數(shù)字技術(shù)進(jìn)行精準(zhǔn)、高效供需匹配，實現(xiàn)個性化生產(chǎn)（戚聿東和徐凱歌，2020；Zheng et al，2020）。用戶價值、個性化需求得到企業(yè)重視，用戶甚至可以參與企業(yè)全價值鏈環(huán)節(jié)，這為研究使用重組提供了機(jī)會窗口。第二，智能產(chǎn)品的根本特征為智能連接性，由此產(chǎn)生的海量數(shù)據(jù)能夠促使企業(yè)邊界擴(kuò)張，與本文研究問題高度契合（曹鑫等，2022）。第三，智能制造是我國制造業(yè)轉(zhuǎn)型升級的主攻方向，智能制造企業(yè)對于鞏固實體經(jīng)濟(jì)根基具有重要作用。

考慮到數(shù)據(jù)可得性，參考李忠順（2022）的智能制造企業(yè)具體名單，本文整合并剔除重復(fù)數(shù)據(jù)后共得到3 542家企業(yè)樣本。首先，將其與A股上市公司名單進(jìn)行匹配，篩選出上市公司，得到667家樣本企業(yè)；其次，剔除ST、ST*、數(shù)據(jù)缺失嚴(yán)重、2021年及以后上市公司樣本，由此獲得2012—2021年278家智能制造上市公司數(shù)據(jù)。

企業(yè)財務(wù)數(shù)據(jù)與智能制造企業(yè)高質(zhì)量發(fā)展基礎(chǔ)測量數(shù)據(jù)來源于萬德（WIND）數(shù)據(jù)庫、國泰安（CSMAR）數(shù)據(jù)庫。數(shù)字化創(chuàng)新相關(guān)專利數(shù)據(jù)來自壹專利網(wǎng)站，主要包括公開號、專利標(biāo)題、摘要、專利類型、申請日、公開日、申請人（原始）、發(fā)明人、IPC分類號等信息。

3.2"指標(biāo)選取與變量說明

3.2.1"被解釋變量

本文被解釋變量為企業(yè)高質(zhì)量發(fā)展。全要素生產(chǎn)率能夠反映企業(yè)管理模式優(yōu)化、結(jié)構(gòu)升級情況，是檢驗高質(zhì)量發(fā)展的核心指標(biāo)（王一鳴，2020）。因此，本文采用全要素生產(chǎn)率衡量智能制造企業(yè)高質(zhì)量發(fā)展水平，常見全要素生產(chǎn)率測度方法主要有Olley-Pakes（OP）方法、Levinsohn-Petrin（LP）方法、最小二乘法（OLS）等。考慮到同時性偏差和樣本選擇性偏差，參考魯曉東和連玉君（2012）的做法，本文采用OP法進(jìn)行主回歸模型檢驗，采用LP法進(jìn)行穩(wěn)健性檢驗。

3.2.2"核心解釋變量

本文核心解釋變量為數(shù)字化創(chuàng)新。數(shù)字技術(shù)既是數(shù)字化創(chuàng)新活動的結(jié)果，也是推動數(shù)字化創(chuàng)新的動力[19-20]。專利數(shù)據(jù)不僅能夠反映技術(shù)應(yīng)用情況，而且是衡量企業(yè)創(chuàng)新的關(guān)鍵指標(biāo)。部分學(xué)者嘗試采用數(shù)字技術(shù)專利衡量數(shù)字化創(chuàng)新[21-22]，為本研究提供了參考。基于此，本文采用數(shù)字技術(shù)相關(guān)專利對數(shù)字化創(chuàng)新的兩個維度指標(biāo)（設(shè)計重組和使用重組）進(jìn)行測量，具體方法如下：

（1）確定數(shù)字化創(chuàng)新專利。參考黃先海和王瀚迪（2021）、陶鋒等[19]的研究成果，國際專利分類號（IPC）包含數(shù)字化創(chuàng)新活動信息，而IPC中的小類（前4位數(shù)）可以看作為一個知識元素（Rosenkopf amp; Nerkar，2001；曾德明和周濤，2015）。因此，本文基于IPC層面構(gòu)建相對科學(xué)的數(shù)字化創(chuàng)新指標(biāo)。依據(jù)國家知識產(chǎn)權(quán)局發(fā)布的《戰(zhàn)略性新興產(chǎn)業(yè)分類與國際專利分類參照關(guān)系表（2021）》中新一代信息技術(shù)產(chǎn)業(yè)和智能制造裝備產(chǎn)業(yè)涉及的主要IPC小類，本文將樣本企業(yè)發(fā)明專利和實用新型專利識別為數(shù)字化創(chuàng)新專利，由此獲得19 239條數(shù)字化創(chuàng)新專利數(shù)據(jù)。

（2）本文采用基于深度學(xué)習(xí)的文本分類模型將數(shù)字化創(chuàng)新專利摘要信息劃分為設(shè)計重組和使用重組，具體過程如下：首先，對數(shù)據(jù)進(jìn)行清洗，即清洗臟數(shù)據(jù)、亂碼符號和句段，采用Pynlpir分詞系統(tǒng)對專利摘要信息進(jìn)行分詞并剔除停用詞。其次，采用自然語言處理工具Stanford Parser從專利摘要中抽取并清洗SAO（Subject-Action-Object）結(jié)構(gòu)。通過分析SAO語義不僅可以獲取句子中的關(guān)鍵詞，而且能夠挖掘語義關(guān)系（馮立杰等，2021；劉鵬等，2023）。通過人工篩選保留用于判別設(shè)計重組和使用重組兩類數(shù)字化創(chuàng)新的詞組，進(jìn)而構(gòu)建語料庫，以便后續(xù)模型預(yù)訓(xùn)練。再次，按照6∶2∶2的比例將數(shù)字化創(chuàng)新專利數(shù)據(jù)劃分為訓(xùn)練集、驗證集和測試集（趙納暉和張?zhí)煅螅?022）。根據(jù)設(shè)計重組和使用重組的定義，確定訓(xùn)練集數(shù)據(jù)分類類別（設(shè)計重組記為“0”，使用重組記為“1”），將處理好的數(shù)據(jù)輸入CNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過驗證集檢驗網(wǎng)絡(luò)正確率并優(yōu)化網(wǎng)絡(luò)參數(shù)。實驗表明，模型正確率為90.31%。最后，對測試集數(shù)據(jù)進(jìn)行文本分類預(yù)測，獲得17 514條設(shè)計重組專利數(shù)據(jù)和1 725條使用重組專利數(shù)據(jù)。

為進(jìn)一步驗證數(shù)字化創(chuàng)新測量指標(biāo)的合理性和有效性，本文從內(nèi)容有效性、結(jié)構(gòu)有效性和標(biāo)準(zhǔn)有效性3個方面進(jìn)行檢驗（張吉昌等，2023；Scholtes et al，2011），結(jié)果在一定程度上證明本文數(shù)字化創(chuàng)新測量指標(biāo)是合理的。

3.2.3"控制變量

參考以往文獻(xiàn)的做法[3，15-16]，本文加入以下控制變量：企業(yè)規(guī)模（lnstaff），以企業(yè)員工總數(shù)的對數(shù)值衡量；固定資產(chǎn)（lnfixedasset），以企業(yè)固定資產(chǎn)的對數(shù)值衡量；獨立董事占比（pid），以獨立董事數(shù)量與董事規(guī)模的比值衡量；企業(yè)年齡（age），以當(dāng)年減去上市年份再加1的對數(shù)值衡量；資產(chǎn)負(fù)債率（alr），以總負(fù)債與總資產(chǎn)的比值衡量；企業(yè)成長性（growth），以企業(yè)營業(yè)收入增長率衡量；總資產(chǎn)報酬率（roa），以利潤總額與財務(wù)費用之和除以平均資產(chǎn)總額衡量。

3.3"基準(zhǔn)回歸方程

為檢驗數(shù)字化創(chuàng)新水平對智能制造企業(yè)高質(zhì)量發(fā)展的影響，本文構(gòu)建基本計量模型，如式（1）所示。

lntfpop，i，t=μ0+μ1Diginnoi，t+μ2∑Ci，t+∑Industryfe+∑Yearfe+εi，t（1）

其中，i代表企業(yè)，t代表年份。被解釋變量lntfpop，i，t代表第i家企業(yè)第t年高質(zhì)量發(fā)展水平，核心解釋變量Diginnoi，t衡量智能制造企業(yè)數(shù)字化創(chuàng)新水平，構(gòu)建方法見前文。μ1用以刻畫Diginnoi，t對智能制造企業(yè)高質(zhì)量發(fā)展的影響效應(yīng)?！艭i，t為企業(yè)層面的控制變量，構(gòu)建方法見前文?！艻ndustryfe為行業(yè)固定效應(yīng)，∑Yearfe為年份固定效應(yīng)，εi，t為隨機(jī)誤差項。

4"實證結(jié)果及經(jīng)濟(jì)解釋

4.1"描述性統(tǒng)計分析

表1為主要變量描述性統(tǒng)計結(jié)果。由表1可知，企業(yè)設(shè)計重組（lndesign）和使用重組（lnuse）的離散系數(shù)（標(biāo)準(zhǔn)差/平均值）均大于1，說明不同樣本企業(yè)數(shù)字化創(chuàng)新水平差異較大。全要素生產(chǎn)率（lntfp_op）的標(biāo)準(zhǔn)差為0.113，說明不存在過度分散問題。參考以往相關(guān)文獻(xiàn)可以發(fā)現(xiàn)，其余變量的統(tǒng)計值均分布在合理范圍內(nèi)。

4.2"基準(zhǔn)回歸結(jié)果分析

表2為設(shè)計重組、使用重組與企業(yè)全要素生產(chǎn)率關(guān)系基準(zhǔn)回歸結(jié)果。列（1）-（4）為僅加入核心解釋變量的回歸結(jié)果，設(shè)計重組與企業(yè)全要素生產(chǎn)率間的回歸系數(shù)為0.021，使用重組的回歸系數(shù)為0.027，均在1%水平上顯著為正。為提高結(jié)果精度，列（2）-（5）添加控制變量，設(shè)計重組和使用重組的回歸系數(shù)仍在1%水平上顯著，但二者系數(shù)均有所降低。列（3）-（6）添加控制變量并控制行業(yè)和時間固定效應(yīng)，結(jié)果顯示，設(shè)計重組和使用重組的回歸系數(shù)仍在1%水平上顯著。從經(jīng)濟(jì)意義上看，設(shè)計重組水平每提升一單位，企業(yè)全要素生產(chǎn)率提升2.1%；使用重組水平每提升一單位，企業(yè)全要素生產(chǎn)率提升3.1%。相比之下，使用重組對企業(yè)全要素生產(chǎn)率的影響更顯著，原因如下：一是用戶開展數(shù)字化創(chuàng)新能夠降低企業(yè)試錯成本，進(jìn)而提升供給效率；二是用戶參與創(chuàng)新生成的海量歷史數(shù)據(jù)會導(dǎo)致數(shù)據(jù)轉(zhuǎn)移成本增加，有研究表明，即使不參與創(chuàng)新的用戶也更認(rèn)同用戶導(dǎo)向型企業(yè)（Dahl et al，2014），龐大的用戶數(shù)量有利于企業(yè)提升競爭力。由此，本文假設(shè)H1、H1a和H1b得到支持。

4.3"穩(wěn)健性檢驗

4.3.1"工具變量法

為進(jìn)一步識別數(shù)字化創(chuàng)新與智能制造企業(yè)高質(zhì)量發(fā)展間的因果關(guān)系，參考陳楠和蔡躍洲（2023）的研究成果，本文采用份額移動法構(gòu)造鮑爾蒂克（Bartik）工具變量，以此對設(shè)計重組和使用重組的影響效應(yīng)進(jìn)行內(nèi)生性檢驗，具體方法如式（2）所示。

IVi，t=Diginnoi，t－1×（1+Diginnogrowth，t）（2）

其中，Diginnoi，t－1表示企業(yè)i上一期數(shù)字化創(chuàng)新活動（設(shè)計重組或使用重組），Diginnogrowth，t-1表示剔除企業(yè)i后智能制造細(xì)分行業(yè)數(shù)字化創(chuàng)新活動（設(shè)計重組或使用重組）的年增長率（Diginnot－1-Diginnot－2+1/Diginnot－2）。工具變量IV1i，t、IV2i，t分別代表企業(yè)i的設(shè)計重組和使用重組基于細(xì)分行業(yè)平均增長率的預(yù)測值。剔除樣本企業(yè)后的細(xì)分行業(yè)數(shù)字化創(chuàng)新增長率不受該樣本企業(yè)的影響。上一期預(yù)測值與樣本企業(yè)數(shù)字化創(chuàng)新水平高度相關(guān)，滿足工具變量外生性和相關(guān)性要求。表3為兩階段最小二乘法（2SLS）的估計結(jié)果，IV1、IV2的KP-LM統(tǒng)計值的p值均小于0.05，拒絕“不可識別”的原假設(shè)。同時，二者KP-F統(tǒng)計值分別為329.730和58.058，大于所有臨界值，拒絕“弱工具變量”的原假設(shè)，即工具變量不存在識別不足與弱工具變量問題。設(shè)計重組和使用重組的系數(shù)分別為0.022、0.024且均在1%水平上顯著，表明本文結(jié)論不受內(nèi)生性問題的影響。

4.3.2"其它穩(wěn)健性檢驗

（1）替換關(guān)鍵變量。首先，本文采用0-1變量測量企業(yè)當(dāng)年設(shè)計重組和使用重組水平，結(jié)果如表4列（1）和列（2）所示。其次，由于智能制造企業(yè)高質(zhì)量發(fā)展測量方法可能對估計結(jié)果產(chǎn)生影響，本文采用基于LP方法測算的全要素生產(chǎn)率替換基于OP方法測算的結(jié)果，檢驗結(jié)果如表4列（3）和列（4）所示。上述檢驗結(jié)果表明，設(shè)計重組、使用重組的回歸系數(shù)與基準(zhǔn)回歸結(jié)果基本一致。由此可見，基準(zhǔn)回歸結(jié)果具有穩(wěn)健性。

（2）加入被解釋變量的時間滯后項?？紤]到企業(yè)當(dāng)年全要素生產(chǎn)率可能受到前期全要素生產(chǎn)率的影響，本文對全要素生產(chǎn)率進(jìn)行滯后一期處理，檢驗結(jié)果如表4列（5）和列（6）所示。結(jié)果顯示，設(shè)計重組與使用重組的回歸系數(shù)顯著為正，與基準(zhǔn)回歸結(jié)果一致。

（3）加入省份和年份交互固定效應(yīng)。經(jīng)濟(jì)發(fā)展水平較高省份，其數(shù)字基礎(chǔ)設(shè)施、智能制造相關(guān)政策較為完善，企業(yè)開展數(shù)字化創(chuàng)新更具優(yōu)勢。此外，回歸模型中，時間和行業(yè)雙向固定模型可能對內(nèi)生性問題的控制不夠嚴(yán)格（唐松等，2020）。因此，借鑒Moser amp; Voena（2012）的研究成果，本文采用控制“時間×行業(yè)”的高階聯(lián)合固定效應(yīng)方法進(jìn)行穩(wěn)健型檢驗，結(jié)果如表4列（7）和列（8）所示。結(jié)果顯示，設(shè)計重組與使用重組的回歸系數(shù)顯著為正，與基準(zhǔn)回歸結(jié)果一致。

4.4"作用機(jī)制檢驗

理論部分指出，數(shù)字化創(chuàng)新通過影響縱向邊界和橫向邊界促進(jìn)企業(yè)高質(zhì)量發(fā)展。參考溫忠麟等（2004）的研究模型，本文采用三步法進(jìn)行驗證，具體如式（3）-（5）所示。

lntfpop，i，t=μ0+μ1Diginnoi，t+μ2∑Ci，t+∑Industryfe+∑Yearfe+εi，t （3）

Mediatori，t=α0+α1Diginnoi，t+α2∑Ci，t+∑Industryfe+∑Yearfe+εi，t （4）

lntfpop，i，t=δ0+δ1Diginnoi，t+δ2Mediatori，t+δ3∑Ci，t+∑Industryfe+∑Yearfe+εi，t （5）

其中，Mediator為中介變量，包括企業(yè)縱向邊界（vas）和橫向邊界（span）。

4.4.1"基于企業(yè)縱向邊界的分析

參考袁淳等[17]、范子英和彭飛（2017）的研究成果，本文采用價值增值法測量企業(yè)縱向一體化程度，以此代表企業(yè)縱向邊界跨度。企業(yè)縱向一體化程度越高，意味著企業(yè)縱向邊界跨度越大，企業(yè)專業(yè)化程度越低，計算方法如式（6）所示。

VAS修正=增加值－稅后凈利潤+正常利潤主營業(yè)務(wù)收入－稅后凈利潤+正常利潤""""=增加值－稅后凈利潤+凈資產(chǎn)×平均凈資產(chǎn)收益率主營業(yè)務(wù)收入－稅后凈利潤+凈資產(chǎn)×平均凈資產(chǎn)收益率（6）

表5列（1）、列（4）分別為設(shè)計重組和使用重組對智能制造企業(yè)全要素生產(chǎn)率影響的基準(zhǔn)回歸結(jié)果。列（2）回歸結(jié)果顯示，設(shè)計重組與企業(yè)縱向邊界變化之間的回歸系數(shù)在5%水平上顯著為負(fù)，表明設(shè)計重組一定程度上抑制了企業(yè)縱向邊界擴(kuò)張。列（3）為引入企業(yè)縱向邊界的回歸結(jié)果，設(shè)計重組的回歸系數(shù)依然在1%水平上顯著為正，而縱向邊界的回歸系數(shù)顯著為負(fù)，表明設(shè)計重組通過抑制縱向邊界擴(kuò)張?zhí)嵘悄苤圃炱髽I(yè)全要素生產(chǎn)率。同樣地，從表5列（4）-（6）回歸結(jié)果可以看出，縮小企業(yè)縱向邊界在使用重組與智能制造企業(yè)全要素生產(chǎn)率間發(fā)揮部分中介作用。也就是說，數(shù)字化創(chuàng)新通過縮小企業(yè)縱向邊界，一定程度上促進(jìn)企業(yè)專業(yè)化發(fā)展，從而推動企業(yè)高質(zhì)量發(fā)展。由此驗證了本文H2、H2a和H2b。

4.4.2"基于企業(yè)橫向邊界的分析

企業(yè)橫向邊界主要是指生產(chǎn)產(chǎn)品數(shù)量與種類，由邊際成本曲線和邊際收益曲線的交點決定。數(shù)字經(jīng)濟(jì)時代，信息技術(shù)發(fā)展改變了生產(chǎn)要素和產(chǎn)品性質(zhì)。數(shù)據(jù)、知識、信息等無形生產(chǎn)要素具有邊際成本遞減和邊際收益遞增的特點（李海艦和原磊，2005）。技術(shù)邊界范圍越廣，企業(yè)以低成本拓展產(chǎn)品范圍的可能性越大。參考沈坤榮等（2023）的研究成果，本文采用企業(yè)層面的技術(shù)邊界指標(biāo)衡量企業(yè)橫向邊界范圍（span），指標(biāo)數(shù)值越大，表明企業(yè)技術(shù)領(lǐng)域分布越廣泛，橫向邊界越寬，計算方式如式（7）所示。其中，φij表示為企業(yè)i當(dāng)年申請的所有專利中四位數(shù) IPC分類號j數(shù)量所占比重。

span=1－∑φ2i，j （7）

表6列（1）、列（4）分別為設(shè)計重組和使用重組對智能制造企業(yè)全要素生產(chǎn)率影響的基準(zhǔn)回歸結(jié)果。表6列（2）回歸結(jié)果顯示，設(shè)計重組與企業(yè)橫向邊界間的回歸系數(shù)在1%水平上顯著為正，表明設(shè)計重組有利于企業(yè)擴(kuò)大橫向邊界。列（3）為引入企業(yè)橫向邊界的回歸結(jié)果，設(shè)計重組的回歸系數(shù)依然在1%水平上顯著為正，且橫向邊界的回歸系數(shù)顯著為正，表明企業(yè)橫向邊界擴(kuò)張能夠顯著促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展，即拓展企業(yè)橫向邊界在設(shè)計重組與智能制造企業(yè)高質(zhì)量發(fā)展間發(fā)揮部分中介作用。同樣地，由表6列（4）-（6）回歸結(jié)果可知，擴(kuò)展企業(yè)橫向邊界是使用重組促進(jìn)智能制造企業(yè)高質(zhì)量發(fā)展的傳導(dǎo)路徑。也就是說，數(shù)字化創(chuàng)新通過擴(kuò)展企業(yè)橫向邊界促進(jìn)企業(yè)高質(zhì)量發(fā)展，由此驗證了本文H3、H3a和H3b。

5"進(jìn)一步分析

5.1"基于行業(yè)技術(shù)變化速度的異質(zhì)性檢驗

行業(yè)技術(shù)變化速度可能影響企業(yè)對新技術(shù)的接受程度與應(yīng)用程度，進(jìn)而對企業(yè)高質(zhì)量發(fā)展產(chǎn)生影響。對于所在行業(yè)技術(shù)變化速度較快的企業(yè)而言，可能面臨較為激烈競爭的市場環(huán)境，故具有較強(qiáng)的動力采用新技術(shù)開展數(shù)字化創(chuàng)新，從而實現(xiàn)高質(zhì)量發(fā)展。借鑒沈坤榮等（2023）的研究成果，本文將計算機(jī)、通信和其它電子設(shè)備制造業(yè)（C39）、電氣機(jī)械和器材制造業(yè)（C38）、儀器儀表制造業(yè)（C40）標(biāo)記為技術(shù)更新速度較快行業(yè)，其余則視為技術(shù)發(fā)展速度較慢行業(yè)。通過分組回歸考察數(shù)字化創(chuàng)新對不同行業(yè)企業(yè)的異質(zhì)性影響，結(jié)果如表7所示。結(jié)果顯示，設(shè)計重組和使用重組均能促進(jìn)企業(yè)高質(zhì)量發(fā)展，相比于所處技術(shù)變化速度較慢行業(yè)企業(yè)，處于技術(shù)變化速度快行業(yè)企業(yè)的相關(guān)回歸系數(shù)更大，即數(shù)字化創(chuàng)新對處于技術(shù)變化速度較快行業(yè)企業(yè)全要素生產(chǎn)率的促進(jìn)作用更為顯著。

上述結(jié)果產(chǎn)生的原因如下：處于技術(shù)變化速度較快行業(yè)的智能制造企業(yè)需要關(guān)注競爭對手和市場需求變化，故更有動力實施數(shù)字化創(chuàng)新以維持自身競爭優(yōu)勢。此外，數(shù)字化實踐存在行業(yè)同群效應(yīng)[23]，也就是說，行業(yè)技術(shù)變化速度較快企業(yè)數(shù)字化創(chuàng)新能夠發(fā)揮協(xié)同作用，對行業(yè)內(nèi)其它企業(yè)產(chǎn)生顯著影響。

5.2"基于區(qū)域市場化水平的異質(zhì)性檢驗

企業(yè)所在區(qū)域市場化水平差異可能會影響數(shù)字化創(chuàng)新的促進(jìn)效應(yīng)。健全的市場制度和良好的營商環(huán)境能夠激勵企業(yè)開展數(shù)字化創(chuàng)新。根據(jù)王小魯?shù)裙嫉摹吨袊质》菔袌龌笖?shù)報告（2019）》，本文將智能制造企業(yè)所在省份市場化指數(shù)低于全國平均值的樣本劃分為低市場化水平子樣本，其余則屬于高市場化水平子樣本，異質(zhì)性檢驗結(jié)果如表8所示。結(jié)果顯示，高市場化水平地區(qū)企業(yè)設(shè)計重組和使用重組的回歸系數(shù)顯著為正，低市場化水平地區(qū)的相關(guān)回歸系數(shù)均不顯著。由此可見，處于高市場化水平地區(qū)智能制造企業(yè)開展數(shù)字化創(chuàng)新活動更能促進(jìn)全要素生產(chǎn)率提升。

上述結(jié)果產(chǎn)生的原因如下：市場化水平較高意味著該地區(qū)金融服務(wù)水平較高，市場能夠扮演資源配置角色，進(jìn)而促進(jìn)企業(yè)資源配置效率和投資效率提高，最終促進(jìn)企業(yè)高質(zhì)量發(fā)展。胡增璽和馬述忠[23]的研究結(jié)論可為上述推論提供支持，即較高的市場化水平對企業(yè)數(shù)字化創(chuàng)新發(fā)揮提質(zhì)增效的作用。

6"結(jié)語

6.1"結(jié)論

本文以2012—2021年智能制造上市公司為研究樣本，借助IPC分類號識別數(shù)字化創(chuàng)新專利數(shù)據(jù)并采用基于深度學(xué)習(xí)的文本分類模型將其劃分為設(shè)計重組和使用重組，從供需兩端考察數(shù)字化創(chuàng)新對智能制造企業(yè)高質(zhì)量發(fā)展的影響及作用機(jī)制，得出以下主要結(jié)論：

（1）設(shè)計重組和使用重組能夠提高企業(yè)全要素生產(chǎn)率，促進(jìn)企業(yè)高質(zhì)量發(fā)展。相比之下，使用重組的影響效應(yīng)更為顯著。

（2）在作用機(jī)制上，數(shù)字化創(chuàng)新可以通過縮小企業(yè)縱向邊界和擴(kuò)展橫向邊界提高全要素生產(chǎn)率。

（3）與行業(yè)技術(shù)變化速度較慢企業(yè)相比，行業(yè)技術(shù)變化速度較快企業(yè)進(jìn)行設(shè)計重組和使用重組對全要素生產(chǎn)率的促進(jìn)作用更顯著；與所在區(qū)域市場化水平較低企業(yè)相比，市場化水平較高地區(qū)企業(yè)開展數(shù)字化創(chuàng)新對全要素生產(chǎn)率的促進(jìn)作用更顯著。

6.2"理論貢獻(xiàn)

（1）基于重組視角對數(shù)字化創(chuàng)新進(jìn)行維度劃分，深化了數(shù)字化創(chuàng)新理論內(nèi)涵。本文將數(shù)字化創(chuàng)新劃分為設(shè)計重組和使用重組兩個維度，討論二者對智能制造企業(yè)高質(zhì)量發(fā)展的影響，強(qiáng)調(diào)企業(yè)和用戶都是數(shù)字化創(chuàng)新的重要主體，彌補了現(xiàn)有研究基于單一主體視角考察數(shù)字化創(chuàng)新經(jīng)濟(jì)效應(yīng)的不足。

（2）本文將數(shù)字化創(chuàng)新、企業(yè)邊界與高質(zhì)量發(fā)展三者聯(lián)系起來，豐富了數(shù)字化創(chuàng)新實證研究。數(shù)字化創(chuàng)新會模糊企業(yè)原有邊界，現(xiàn)有相關(guān)研究對企業(yè)邊界如何演變，以及數(shù)字化創(chuàng)新對智能制造企業(yè)高質(zhì)量發(fā)展有何影響等問題探討不足。本文通過檢驗企業(yè)縱向邊界、橫向邊界變化在數(shù)字化創(chuàng)新與高質(zhì)量發(fā)展間的作用，豐富了數(shù)字經(jīng)濟(jì)時代下的組織邊界理論。

6.3"實踐啟示

（1）智能制造企業(yè)不僅需要重視供給端數(shù)字化變革，而且要發(fā)揮用戶參與數(shù)字化創(chuàng)新對自身高質(zhì)量發(fā)展的促進(jìn)作用。一方面，企業(yè)應(yīng)積極研判產(chǎn)業(yè)數(shù)字化發(fā)展趨勢，識別自身優(yōu)勢與不足，進(jìn)而有針對性地開展數(shù)字化創(chuàng)新活動。另一方面，企業(yè)應(yīng)意識到用戶參與數(shù)字化創(chuàng)新的重要性，依托數(shù)字平臺賦能用戶參與研發(fā)設(shè)計生產(chǎn)等環(huán)節(jié)，通過實時追蹤用戶需求變化優(yōu)化產(chǎn)品和服務(wù)，進(jìn)而更好滿足用戶需求甚至挖掘用戶潛在需求，最終精準(zhǔn)實現(xiàn)供需匹配。

（2）智能制造企業(yè)應(yīng)提高多元化經(jīng)營水平。一方面，數(shù)字技術(shù)能夠改變產(chǎn)業(yè)鏈分工模式，智能制造企業(yè)需要打造專業(yè)化生產(chǎn)優(yōu)勢，尋求更廣泛的業(yè)務(wù)范圍。另一方面，隨著企業(yè)間競爭由單一企業(yè)競爭轉(zhuǎn)向生態(tài)系統(tǒng)競爭，智能制造企業(yè)應(yīng)圍繞用戶需求跨越不同知識技術(shù)領(lǐng)域，提供多樣化、差異化業(yè)務(wù)組合，構(gòu)建價值網(wǎng)絡(luò)，進(jìn)一步擴(kuò)大用戶規(guī)模和提升自身競爭力。

（3）政府應(yīng)通過制定一系列政策加大對企業(yè)數(shù)字化創(chuàng)新的支持力度。首先，政府應(yīng)加強(qiáng)基礎(chǔ)設(shè)施和產(chǎn)業(yè)鏈配套設(shè)施建設(shè)，為企業(yè)數(shù)字化創(chuàng)新提供支撐。其次，政府需因企施策，引導(dǎo)不同行業(yè)、不同地區(qū)企業(yè)順利實施數(shù)字化創(chuàng)新。一方面，針對技術(shù)變化速度較慢行業(yè)，政府可以出臺稅收優(yōu)惠等政策激勵企業(yè)數(shù)字化創(chuàng)新，鼓勵不同行業(yè)數(shù)字化解決方案供應(yīng)商提供專業(yè)指導(dǎo)，引導(dǎo)企業(yè)融入數(shù)字經(jīng)濟(jì)時代。另一方面，針對市場化水平較低地區(qū)，政府需要完善市場管理體制和行政審批流程，為企業(yè)營造良好的營商環(huán)境，充分發(fā)揮市場在資源過程配置中的關(guān)鍵作用。

6.4"不足與展望

本文存在以下不足：第一，僅探討了設(shè)計重組與使用重組對智能制造企業(yè)高質(zhì)量發(fā)展的影響，未來可以分析不同組合情景下（如高設(shè)計重組和低使用重組組合、低設(shè)計重組和高使用重組組合）設(shè)計重組和使用重組的影響效應(yīng)，為企業(yè)數(shù)字化創(chuàng)新提供更有價值的管理啟示。第二，本研究基于企業(yè)邊界重塑視角進(jìn)行了機(jī)制檢驗，但數(shù)字化創(chuàng)新對企業(yè)高質(zhì)量發(fā)展的其它作用機(jī)制和邊界條件有待進(jìn)一步考察。第三，本研究僅收集了智能制造上市公司樣本，由于非上市公司數(shù)據(jù)難以獲取，結(jié)論代表性有限。此外，智能制造包括很多細(xì)分行業(yè)，不同行業(yè)具有較大差異，后續(xù)可以選擇其它行業(yè)企業(yè)，以提供更具普適性的研究結(jié)論。

參考文獻(xiàn)：

[1] NAMBISAN S， LYYTINEN K， MAJCHRZAK A， et al. Digital innovation management： reinventing innovation management research in a digital world[J]. MIS Quarterly， 2017， 41（1）： 223-238.

[2] HUND A， WAGNER H-T， BEIMBORN D， et al. Digital innovation： review and novel perspective[J]. The Journal of Strategic Information Systems， 2021， 30（4）： 101695.

[3] 李小青， 何瑋萱， 霍雨丹， 等. 數(shù)字化創(chuàng)新如何影響企業(yè)高質(zhì)量發(fā)展——數(shù)字金融水平的調(diào)節(jié)作用[J]. 首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報， 2022， 24（1）： 80-95.

[4] 謝衛(wèi)紅， 林培望， 李忠順， 等. 數(shù)字化創(chuàng)新：內(nèi)涵特征、價值創(chuàng)造與展望[J]. 外國經(jīng)濟(jì)與管理， 2020， 42（9）： 19-31.

[5] YOO Y， BOLAND R J， LYYTINEN K， et al. Organizing for innovation in the digitized world[J]. Organization Science， 2012， 23（5）： 1398-1408.

[6] NAMBISAN S. Digital innovation and international business[J]. Innovation， 2020， 24（1）： 86-95.

[7] 謝康. 數(shù)字經(jīng)濟(jì)創(chuàng)新模式：企業(yè)與用戶數(shù)據(jù)化互動創(chuàng)新[J]. 中國社會科學(xué)院大學(xué)學(xué)報， 2023， 43（2）： 79-94，162.

[8] HENFRIDSSON O， NANDHAKUMAR J， SCARBROUGH H， et al. Recombination in the open-ended value landscape of digital innovation[J]. Information and Organization， 2018， 28（2）： 89-100.

[9] WU Y， LI H， LUO R， et al. How digital transformation helps enterprises achieve high-quality development？ empirical evidence from Chinese listed companies[J/OL]. European Journal of Innovation Management， 2023-04-28. https：//doi.org/10.1108/EJIM-11-2022-0610.

[10] 羅佳， 張蛟蛟， 李科. 數(shù)字技術(shù)創(chuàng)新如何驅(qū)動制造業(yè)企業(yè)全要素生產(chǎn)率——來自上市公司專利數(shù)據(jù)的證據(jù)[J]. 財經(jīng)研究， 2023， 49（2）： 95-109，124.

[11] 黃勃， 李海彤， 劉俊岐， 等. 數(shù)字技術(shù)創(chuàng)新與中國企業(yè)高質(zhì)量發(fā)展——來自企業(yè)數(shù)字專利的證據(jù)[J]. 經(jīng)濟(jì)研究， 2023， 58（3）： 97-115.

[12] YOO Y， HENFRIDSSON O， LYYTINEN K. The new organizing logic of digital innovation： an agenda for information systems research[J]. Information Systems Research， 2010， 21（4）： 724-735.

[13] EREVELLES S， FUKAWA N， SWAYNE L. Big data consumer analytics and the transformation of marketing[J]. Journal of Business Research， 2016， 69（2）： 897-904.

[14] 肖靜華， 吳瑤， 劉意， 等. 消費者數(shù)據(jù)化參與的研發(fā)創(chuàng)新——企業(yè)與消費者協(xié)同演化視角的雙案例研究[J]. 管理世界， 2018， 34（8）： 154-173，192.

[15] 趙宸宇. 數(shù)字化發(fā)展與服務(wù)化轉(zhuǎn)型——來自制造業(yè)上市公司的經(jīng)驗證據(jù)[J]. 南開管理評論， 2021， 24（2）： 149-163.

[16] 王京濱，劉趙寧，劉新民.數(shù)字化轉(zhuǎn)型與企業(yè)全要素生產(chǎn)率——基于資源配置效率的機(jī)制檢驗[J].科技進(jìn)步與對策，2024，41（3）：23-33.

[17] 袁淳， 肖土盛， 耿春曉， 等. 數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J]. 中國工業(yè)經(jīng)濟(jì)， 2021， 401（9）： 137-155.

[18] HUANG J， HENFRIDSSON O， LIU M J， et al. Growing on steroids： rapidly scaling the user base of digital ventures through digital innovation[J]. MIS Quarterly， 2017， 41（1）： 301，314.

[19] 陶鋒， 朱盼， 邱楚芝， 等. 數(shù)字技術(shù)創(chuàng)新對企業(yè)市場價值的影響研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2023， 40（5）： 68-91.

[20] CIRIELLO R， RICHTER A， SCHWABE G. Digital innovation[J]. Business amp; Information Systems Engineering， 2018， 60（4）： 563，569.

[21] LIU Y， DONG J， MEI L， et al. Digital innovation and performance of manufacturing firms： an affordance perspective[J]. Technovation， 2023， 119（1）： 102458.

[22] 胡增璽， 馬述忠. 市場一體化對企業(yè)數(shù)字創(chuàng)新的影響——兼論數(shù)字創(chuàng)新衡量方法[J]. 經(jīng)濟(jì)研究， 2023， 58（6）： 155-172.

[23] 霍春輝， 呂夢曉， 許曉娜. 數(shù)字化轉(zhuǎn)型“同群效應(yīng)”與企業(yè)高質(zhì)量發(fā)展——基于制造業(yè)上市公司的經(jīng)驗證據(jù)[J]. 科技進(jìn)步與對策， 2023， 40（4）： 77-87.

責(zé)任編輯（責(zé)任編輯：張"悅）

英文標(biāo)題Digital Innovation， Enterprise Boundary Reshaping and High-Quality Development of Intelligent Manufacturing Enterprises：Empirical Evidence from Machine Learning of Patent Text

英文作者Wang Zhong1，2， Pan Xinxian1，2， Xie Weihong1，2， Zou Yukun2，3， Li Shuying1，2

英文作者單位（1. School of Economics， Guangdong University of Technology; 2. Key Laboratory of Digital Economy and Data Governance， Guangdong University of Technology; 3. School of Management， Guangdong University of Technology， Guangzhou 510520， China）

英文摘要Abstract：Digital innovation has become an important engine for promoting the high-quality development of intelligent manufacturing enterprises， thereby promoting the high-quality macroeconomic development. Therefore， it is particularly important to explore the impact of digital innovation on the high-quality development of intelligent manufacturing enterprises and clarify its mechanisms．Unlike traditional innovation， digital innovation has some new features. Firstly， highly dynamic connectivity and recombination are essential manifestations of digital innovation. Secondly， users become influential value creators in the digital economy era. Lastly， digital innovation forms data sharing and integration across enterprises and industries， and it reshapes the boundaries of enterprises. These characteristics make it difficult to identify its mechanism of action.

In spite of some insightful findings on digital innovation and the high-quality development of enterprises ，there are still at least two aspects for improvement. On the one hand， most of the related literature emphasizes the application of digital technology， and few studies have examined the impact of users as digital innovation entities on the high-quality development of intelligent manufacturing enterprises. On the other hand， relevant literature mainly studies the mechanism from the perspectives of operating costs， resource allocation efficiency， innovation investment， etc.， but it is still unclear how digital innovation affects the formation of enterprise boundaries. Therefore， following Schumpeter's theory of recombination innovation， the paper divides digital innovation into design recombination and use recombination， examines its impact on the high-quality development of enterprises， and analyzes the mediating mechanism of enterprise boundaries.

Given the research mentioned above deficiencies and realistic background， this paper takes an unbalanced panel data set of 278 intelligent manufacturing companies listed from 2012 to 2021 as samples. The IPC classification number of the patent is used to identify digital innovation classification using the text classification model based on deep learning. All of the patents from the sample companies are divided into two categories， namely 17 514 design recombination and 1 725 use recombination. The study examines the impact of both on the high-quality development of intelligent manufacturing enterprises， further analyzes the driving mechanism of enterprise boundary reshaping and discusses the heterogeneity of the speed of industry technological changes and marketization level.

It is found that， firstly， design recombination and use recombination can significantly promote the high-quality development of enterprises， and the effect of use recombination is more significant. Secondly， in terms of mechanism， digital innovation can promote the high-quality development of intelligent manufacturing enterprises by narrowing their vertical boundaries and expanding their horizontal boundaries. Thirdly， further analysis reveals that the economic effects of digital innovation are more significant for intelligent manufacturing enterprises with rapid technological changes in the industry and located in areas with high marketization.

The incremental contributions of this paper are as follows. Firstly， this paper explores the effects of digital innovation on enterprise development from the perspectives of both enterprise and user participants， which provides new theoretical support for future studies on digital innovation by taking a recombination approach， and breaking through the limitations of previous literature that only focused on a single actor. Secondly， this paper divides digital innovation into two categories， which offers a fresh viewpoint for comprehending and gauging digital innovation. Lastly， this paper explores the impact of changes in the vertical and horizontal boundaries of enterprises on the relationship between digital innovation and the high-quality development of intelligent manufacturing enterprises. By examining the enterprise boundary， it provides new insights for future research on the mechanism of digital innovation.

The implications arising from this study are threefold. Firstly， intelligent manufacturing companies that aim for high-quality development should focus not only on applying digital technology in supply but also involve users in digital innovation， such as relying on digital platforms to empower deep user participation in the production process， and even independently create new value for products and services. Secondly， intelligent manufacturing enterprises should emphasize enterprise boundary management and enhance their cross-border capabilities. Thirdly， the government should enhance its assistance towards digital innovation within enterprises， and also enforce policies customized to meet the specific needs of such enterprises.

英文關(guān)鍵詞Key Words：Digital Innovation; High-quality Development;Perspective of Recombination; Intelligent Manufacturing; Enterprise Boundary