中国制造企业创新柔性与智能化转型关系的实证研究——基于商业模式创新和环境动态性的中介调节效应

，

(哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001)

1 引言

智能制造是推动我国制造业产业变革、重塑制造业发展新优势、实现我国新旧动能转换的必由之路，也是适应与引领新常态、推动我国供给侧改革的内在要求。随着“工业4.0”和“中国制造2025”的提出，智能制造已成为制造业转型发展的主要方向和趋势，世界各国都在通过多种方式推动制造企业智能化发展，而制造企业内外部很多因素都会成为影响其智能化发展的关键。基于此，研究影响制造企业智能化转型发展的因素，对实施“中国制造2025”、打造制造强国具有重要战略意义。

国内外学者研究了技术创新、新一代信息技术、集成互联等外界因素对制造企业智能化转型的影响[1～3]，而从企业内部出发，研究企业自身能力对其智能化转型的影响相对较少。创新柔性作为企业自身的一种重要能力，其核心是对外部环境或市场需求的反应速度和对资源、战略或计划的调整能力。当前，能够体现制造企业应对需求与环境变化能力的创新柔性已逐渐被学者们熟知，并将其作为研究企业发展的一个重要因素[4,5]，但在制造业向智能制造发展的趋势下，制造企业的创新柔性对其智能化转型是否有影响，以及如何影响制造企业的智能化转型，目前鲜有学者研究，亟需对制造企业创新柔性与智能化转型的关系开展深入研究。

本文基于创新柔性视角，通过对创新柔性和智能化转型有关理论的分析形成了相关假设，并构建了创新柔性、商业模式创新、环境动态性和智能化转型之间的关系模型，收集新能源装备制造企业的相关数据对关系模型进行实证检验，对实证结果进行了理论和实践两方面的分析，力求为我国制造企业向智能化转型发展提供理论指导与实践启示。主要研究了以下问题：创新柔性对智能化转型的直接影响，创新柔性通过商业模式创新对智能化转型的间接影响，商业模式创新对智能化转型的影响，环境动态性的动态调节作用。

2 理论基础及文献回顾

2.1 创新柔性

创新柔性的概念最早由Vickery等[6]提出，是指企业在低投入和低成本的基础上，主动调整生产流程和资源以适应市场需求的能力。宋华和王岚[4]引入外部环境因素，将创新柔性定义为企业能够及时反应市场需求和外部环境的能力。邢蕊和王国红[5]进一步提出，创新柔性是在创新过程中，为降低不确定性或创新风险，企业调整资源、战略或计划，对外界机遇或威胁做出迅速反应的能力。本文基于已有研究将创新柔性定义为在市场需求和外部环境不断变化的背景下，制造企业对变化所带来的机遇或威胁做出迅速反应，主动或被动地调整资源、战略或计划，降低创新风险和不确定性，以快速适应市场需求和外部环境的能力。创新柔性是企业自身的一种能力，体现的是对战略、计划或资源的快速调整。已有研究表明创新柔性能够正向影响企业的创新绩效[5]，创业导向、企业间的关系行为等可以正向影响创新柔性[4,5]。

2.2 智能化转型

学界对制造企业的智能化转型还未形成统一的定义，通过对现有文献进行梳理，关于制造业智能化转型的内涵主要从制造企业转型升级和智能制造两方面进行研究。一方面，制造企业转型升级主要包括两部分内容，一是制造企业通过改善自身的技术水平等形式提高企业竞争力，使制造企业生产的产品由低附加值到高附加值转变的过程[7]，二是制造企业在组织管理模式、治理结构等方面进行的优化升级[8]。另一方面，智能制造是指在产品的整个生命周期过程中，基于新一代信息技术、传感技术、人工智能技术、网络技术等先进制造技术和智能技术基础上，制造装备和制造过程通过智能手段达到动态感知、交互、执行，实现制造业数字化、网络化和智能化发展。本文基于现有的研究成果，将制造企业的智能化转型定义为制造企业基于传统制造的基础上，在产品的整个生命周期过程中，充分利用新一代信息技术、传感技术、网络技术等先进制造技术和人工智能技术，使制造装备和制造过程达到动态感知、交互、执行，实现生产过程、产品及服务的智能化。

目前，国内外文献关于制造企业智能化转型的研究主要包括三个方面：一是智能化转型相关基本概念、内涵和基本范式。由于先进技术和人工智能技术的不断发展，智能化转型的相关概念也在不断地完善和充实。贾根良[9]通过对资本智能化、信息革命和互联网等问题的研究，提出了工业智能化相关理论。Zhou等[10]将智能制造分为数字化制造、网络化制造和新一代智能制造三种基本范式。二是智能化转型的模式、发展路径。周佳军等[11]对云制造、智慧制造、信息物理融合系统、泛在制造等新兴智能制造模式进行了全面的分析。李永红和王晟[12]研究了互联网驱动制造企业智能化转型的机理，提出了互联网驱动视角下制造企业智能化转型的实施路径，并分析了不同行业的路径选择。三是智能化转型的影响因素及评价指标。国内外学者从技术创新、集成互联、新一代信息技术、数字化转型等多角度论述了传统制造企业向智能化转型的影响因素[1～3]。易伟明等[13]在智能制造系统架构的基础上，结合张量理论，构建了评价智能制造能力的系统层级、生命周期和智能功能三维评价指标体系。可以看出，国内外学者从多角度对制造企业智能化转型进行了研究。而创新柔性作为企业的一种重要能力，根植于企业之内，由于能力的复杂性等原因，竞争对手通常难以复制，研究创新柔性对智能化转型的影响很有意义。因此，本文从创新柔性角度出发，研究创新柔性对制造企业智能化转型的影响。

3 研究假设

3.1 创新柔性与智能化转型

随着物联网和大数据等新一代信息技术和先进制造技术的快速发展，市场需求也逐渐由标准化向个性化转变。制造企业对其资源、计划或战略等进行动态调整，获得相对竞争优势，以适应外部市场需求的变化。创新柔性是制造企业的一种能力体现，发挥着将制造企业中资源重新整合的作用，使制造企业面对不同需求的创新调整更加自如，能够创新研发个性化产品，更能适应外部需求的变化[14]。个性化需求作为企业向智能制造发展的重要动力，推动制造企业在设计环节、生产环节、管理环节和服务环节向智能化转型，促进制造企业智能化发展。由此可见，以快速调整能力为本质的创新柔性是制造企业智能化转型的基础和前提。基于此，提出如下假设：

H1制造企业的创新柔性对智能化转型具有正向影响。

3.2 创新柔性与商业模式创新

商业模式创新是企业在识别客户的价值主张基础上，为实现更多的价值获取而进行价值创造、价值传递等方面的创新及变革。商业模式强调价值创造及商业流程的重新设计，商业模式的创新是企业获得相对竞争优势的重要形式。随着科学技术的不断发展，制造企业面临的市场需求和外部环境不断发生变化，一成不变的传统商业模式会影响企业的可持续发展，降低制造企业的盈利能力。为适应外部环境和市场需求的变化，把握市场机遇，获取更多的经济利益，企业会通过分析外部环境和客户的潜在需求来发掘新市场空间，调整企业的计划或资源，创造新的价值，并将新价值传递给客户，从而获取利润，实现企业的商业模式创新[15]。在商业模式创新的过程中，对市场需求变化的反应速度是实现商业模式创新的重要因素[16]，能够反映制造企业应对外界环境和市场变化的创新柔性越强，制造企业根据市场需求和外部环境做出优化调整的可能性就越大，更有助于制造企业的商业模式创新。基于此，提出如下假设：

H2制造企业的创新柔性对商业模式创新具有正向影响。

3.3 商业模式创新与智能化转型

制造企业的智能化转型是贯穿于产品的管理、设计、生产和服务等各个环节，目的是在减少资源消耗的情况下，提升产品的服务水平和经济效益[10]。当前，互联网、新一代信息技术和先进制造技术不断发展，各种新商业模式层出叠现。纵观各种新商业模式，可以看出制造企业的商业模式已逐渐由产品驱动型商业模式向服务驱动型商业模式转变，商业模式的创新也由传统的对于产品的创新转向对消费者服务的创新，由产品转向服务已成为商业模式创新的主要趋势。商业模式创新引发的以用户为中心的转变，推动着制造企业将大数据、互联网和人工智能等技术与先进制造技术不断融合，以便为用户提供更精准的个性化定制服务，从而加快了制造企业在生产方式、管理、产品和服务等方面的智能化发展，提升了企业的经济效益。同时，商业模式创新促使企业将更多的先进制造技术和人工智能技术应用到企业的生产经营中[17]，推动着企业向智能化转型发展。因此，商业模式创新能够有助于制造企业由传统制造向智能制造转型。基于此，提出如下假设：

H3商业模式创新对制造企业的智能化转型具有正向影响。

3.4 商业模式创新的中介作用

通过上述分析可知，创新柔性能够有效促进制造企业的智能化转型。制造企业的创新柔性能够通过对客户需求的反应速度和对计划或资源的动态调整来促进商业模式创新，而商业模式创新又能有效地影响制造企业的智能化转型。这说明创新柔性作为制造企业发展的重要能力，不仅对制造企业的智能化转型具有直接影响，还能够通过商业模式创新来间接影响制造企业的智能化转型，商业模式创新是创新柔性影响智能化转型的重要途径。进而可得出，商业模式创新在创新柔性和智能化转型之间发挥着积极作用。基于此，提出如下假设：

H4商业模式创新在制造企业的创新柔性和智能化转型之间具有中介作用。

3.5 环境动态性的调节作用

环境动态性是指制造企业面对的内外部环境变化程度及不可预测性，包括制造企业的顾客、合作伙伴、竞争对手等利益相关者的需求和行为的变化程度，及技术创新、行业发展趋势、服务、产品和各种要素的变化程度。如果制造企业所面临的环境变化幅度缓慢，市场需求较为平稳，产品更新速度不明显，则被称做低动态环境；如果制造企业所面临的环境变化幅度大，市场需求频繁变化，产品更新速度快，则被称做高动态环境[18]。在低动态环境下，制造企业面临市场竞争与生存压力相对较小，制造企业很少需要对内外部资源进行调整，创新柔性发挥的作用较小，对商业模式创新和智能化转型的促进作用也较小。在高动态环境下，制造企业面临着较大的市场竞争和生存压力，为获取更多的经济利益，制造企业通过创新柔性对外部环境的变化能够快速感知并做出反应，将企业的内外部资源进行优化调整，进行和实现商业模式创新的可能性越大；制造企业的创新柔性能够发挥作用，更有机会把握住市场需求，满足市场的各种个性化需求，从而推动制造企业向智能化转型。基于此，提出如下假设：

H5环境动态性在创新柔性和商业模式创新之间具有正向调节作用。

H6环境动态性在创新柔性和智能化转型之间具有正向调节作用。

基于以上假设，本文构建了如图1所示的理论模型，以揭示创新柔性对制造企业智能化转型的影响机理。

图1 理论模型

4 研究设计

4.1 研究样本与数据收集

新能源装备制造业凭借成长性好、附加值高、知识密集等特点，在高端装备制造业中占据着重要的战略地位，成为推动制造业智能化发展的重要研究对象。因此，本文用于检验理论模型和研究假设的数据取自中国东、中、西部15个省(市)的新能源装备制造企业大样本问卷调查，数据采集工作分为问卷量表的初步设计、预调研和正式调研等三个阶段。首先，在量表设计阶段，采用的量表均来源于国内外相对成熟量表，根据我国企业现状对国外量表进行适当调整，以符合我国实际，并请专业人员对国外量表进行翻译和回译。其次，在预调研阶段，于2016年11月在黑龙江省哈尔滨市和齐齐哈尔市随机选取10个新能源装备制造企业进行预调研，依据企业的反馈情况和提出的意见，对调查问卷的文字表述进一步修改完善，形成了正式调查问卷。最后，在正式调研阶段，于2017年3月至2017年7月选取黑龙江、宁夏、甘肃、四川、上海等新能源装备制造业较发达的15个省(市)企业进行问卷调查。采用现场发放问卷、电话问卷和发送电子版问卷3种方式进行正式调研。通过三种方式共发放问卷600份，收回问卷359份，回收率59.8%，删除缺失值较多和连续多题答案相同的问卷，得到有效问卷316份，有效回收率52.7%。

样本的基本情况。有效问卷中，从性别看，男性占71.3%，女性占28.7%。从受访者年龄看，年龄在25岁以下占16.2%，25～30岁占22.1%，31～40岁占27.1%，41～50岁占17.8%，超过50岁占16.8%。从受访者工作年限看，小于3年占20.2%，3～5年占21.8%，6～10年占22.9%，超过10年占35.1%。从受教育程度看，专科及以下占20.2%，本科占55.6%，硕士及以上占24.2%。从企业性质看，国有企业、集体企业、民营企业和三资企业分别占比27.9%、14.1%、34.3%、23.7%。

4.2 变量测量

本文采用李克特5点量表对各变量进行测量，完全不同意到完全同意分别由数字1到5代表。

自变量。创新柔性量表主要反映制造企业的创新行为适应外界变化的速度，主要基于宋华和王岚[4]，Narasimhan和Das[19]的研究，包含如“在较低成本下企业研发出新装备”等3个题项。Cronbach’sα系数值为0.793，AVE值为0.566，CR值为0.796。

因变量。智能化转型量表主要将智能制造能力从制造和智能两个维度进行测量，制造维主要从设计、生产、物流、销售和服务5个方面指标测量，智能维主要从互联互通、资源要素、系统集成、信息融合和新兴业态5个方面指标测量。主要基于张蓉君等[20]的研究，包含如“数据融合、应用、安全等信息融合水平”、“个性化定制、远程运维、协同制造等新兴业态水平”等10个题项。Cronbach’sα系数值为0.891，AVE值为0.681，CR值为0.895。

中介变量。商业模式创新量表主要从商业模式的新奇程度和创新效率进行测量。主要借鉴了Zott和Amit[21,22]的测量方法，同时参考了Shafer等[23]的表述，包含如“为顾客提供价值不断提升的服务和产品”、“在商业模式中不断引进新的商品、思想和方法”等9个题项。 Cronbach’sα系数值为0.945，AVE值为0.670，CR值为0.948。

调节变量。环境动态性量表主要从需求变化、技术变化和市场变化的速度等方面测量。主要借鉴了Jaworski和Kohli[24]，张玉利和赵都敏[25]的测量方法，包含如“客户不断对本企业服务和产品提出新要求”等4个题项。 Cronbach’sα系数值为0.939，AVE值为0.797，CR值为0.940。

控制变量。企业年龄、企业规模以及具体的所属行业都可能影响智能化转型，因此，本文采用企业年龄、企业规模及所属行业作为控制变量。企业年龄划分为5个档次，分别为不足5年、5至10年、11至20年、21至30年、大于30年。企业规模利用企业人员数量衡量，根据样本数量，将员工数量划分为5个档次，分别为少于200人、201至500人、501至1000人、1001至2000人、大于2000人。所属行业分别为光伏装备制造、风电装备制造、核电装备制造、新能源汽车和生物质能装备制造。对企业年龄、企业规模、所属行业由1至5依次设置为虚拟变量。

5 数据处理及结果分析

5.1 样本检验及变量描述性统计分析

信度与效度检验。信度检验通过变量的内部一致性与组合信度两个方面来测量，创新柔性、商业模式创新、环境动态性和智能化转型的Cronbach’sα系数值均超过0.7，表明4个变量的内部一致性较高。4个变量的CR值都已超过0.7，表明变量的组合信度较高。效度采用聚合效度和区分效度两种方式来检验。聚合效度使用因子载荷值和平均提取方差来检验，KMO值都超过0.8，因子载荷都超过0.7，各变量AVE值都超过0.5，说明变量的聚合效度较高。用验证性因子分析做区分效度的检验，本文所假设的4因子模型各项拟合指数分别为卡方自由度比值(χ2/df)=1.805，小于3，不规范拟合指数(TLI)=0.939，大于0.9，增量拟合指数(IFI)=0.946，大于0.9，比较拟合指数(CFI)=0.947,大于0.9，规范拟合指数(NFI)=0.917，大于0.9，近似均方根残差(RMSEA)=0.043，小于0.08，从拟合指数看，各项拟合指数均在正常范围内，且4因子模型拟合效果明显好于其它模型，说明区分效度较好。

同源偏差检验。为了减少同源偏差方面的问题，在问卷设计时，已将不同变量分别用引导词进行区分，但由于所有变量均在同一份问卷中，且每份问卷中所有变量均由同一受访者进行自我评述，仍有可能会产生同源偏差问题。因此，本文进行了Harman单因子分析。未经旋转的第一个主成分载荷量为22.129%，不存在能解释大多数变异的单一因子，说明同源偏差问题并不严重，数据符合要求。此外，本研究在对主效应、中介效应和调节效应进行检验时，还分析了方差膨胀因子，所有变量的方差膨胀因子VIF值均小于3，说明变量的多重共线性问题并不严重。

变量相关性。利用SPSS 21.0计算创新柔性、商业模式创新、环境动态性和智能化转型等变量的相关系数可得出，制造企业的创新柔性和智能化转型显著正相关(r=0.459，p<0.01)，创新柔性和商业模式创新显著正相关(r=0.280，p<0.01)，商业模式创新和智能化转型显著正相关(r=0.499，p<0.01)，因此，假设H1、H2和H3都得到了初步支持。此外，环境动态性与智能化转型也显著正相关(r=0.172，p<0.01)。

5.2 模型验证

主效应和中介效应的检验。由表1可知，模型1为控制变量对商业模式创新的线性回归模型，模型2在模型1的基础上增加了自变量创新柔性；模型3为控制变量对智能化转型的线性回归模型，模型4在模型3的基础上引入了自变量创新柔性，模型5在模型3的基础上引入了中介变量商业模式创新，模型6在模型4的基础上引入了中介变量商业模式创新。首先，模型3显示了控制变量对智能化转型的影响，在加入自变量创新柔性后，模型4显示了创新柔性对智能化转型具有正向显著影响(β=0.352，p<0.001)，假设H1的主效应得到验证。其次，模型2显示了创新柔性对商业模式创新具有正向显著影响(β=0.206，p<0.001)，模型5显示了商业模式创新对智能化转型具有正向显著影响(β=0.367，p<0.001)，假设H2和H3得到验证。最后，使用Baron与Kenny[26]提出的方法对中介作用进行验证。从模型4、模型6的分析结果可以看出，商业模式创新对智能化转型具有正向显著影响(β=0.304，p<0.001)，自变量创新柔性对因变量智能化转型的回归系数由0.352下降到0.290，且显著水平由0.001的水平下显著下降为0.01的水平下显著，所以，商业模式创新具有中介作用，假设H4得以验证。

表1 主效应和中介效应的多元回归结果

注：***表示在0.001的水平下显著(p<0.001)，**表示在0.01的水平下显著(p<0.01)。下同。

调节效应的检验。参照Aiken与West[27]使用的方法对调节作用进行验证。将各变量和交互项分别放入回归模型，回归结果如表2所示。通过模型9可知，创新柔性与环境动态性交互项回归系数为0.146，在0.001的水平下显著，R2增加0.020，说明环境动态性在创新柔性和商业模式创新之间起到正向调节作用，假设H5得以验证。通过模型12可知，创新柔性与环境动态性交互项回归系数为0.182，在0.001的水平下显著，R2增加0.031，说明环境动态性在创新柔性和智能化转型之间起到正向调节作用，假设H6得以验证。

为进一步展现调节效果，本文以调节变量的中位数为依据进行分组，将环境动态性划分为低于中位数和高于中位数的两组，分别做回归可以得到两条回归线。由图2可知，在低动态环境下，创新柔性能够正向影响商业模式创新，但影响效果相对较弱；在高动态环境下，创新柔性也能够正向影响商业模式创新，但影响效果相对较强。由图3可知，在低动态环境下，创新柔性能够正向影响智能化转型，但影响效果相对较弱；在高动态环境下，创新柔性也能够正向影响智能化转型，但影响效果相对较强。

图2 环境动态性对创新柔性和商业模式创新的调节

图3 环境动态性对创新柔性和智能化转型的调节

6 结论与启示

6.1 结论

本文通过对已有经典文献进行回顾，结合我国实际情况，提出了以商业模式创新为中介变量，以环境动态性为调节变量的创新柔性对制造企业智能化转型的影响机制模型，以具有代表性的新能源装备制造企业为调研对象，对收集到的316份有效数据进行了实证检验，得到了如下结论。(1)制造企业创新柔性对智能化转型具有正向影响。企业对外界环境或市场需求的反应速度以及对战略、计划和资源的调整能力，能够影响制造企业向智能制造发展，且制造企业的创新柔性越强，越有利于智能化转型。这也印证了Dutra等[28]提出的能够进行动态调整以适应外界变化的企业才有可能在智能制造发展中拥有竞争力。(2)商业模式创新对制造企业的智能化转型具有正向影响，且起到中介作用。这说明创新柔性能够以其快速动态调整的本质促进商业模式创新，实现了通过商业模式创新间接影响制造企业智能化转型目的。这与Monostori等[29]的想法一致，智能制造代表着商业模式和商品的重新整合，新的价值创造模式将会更灵活与智能。(3)环境动态性能够正向调节创新柔性与商业模式创新、创新柔性与智能化转型之间的关系。动态变化的环境，不仅能够影响制造企业的创新柔性，还能够通过创新柔性进一步影响到商业模式创新以及制造企业的智能化发展。因为环境的动态变化，企业发展面临的不确定性和风险增加，发展计划、投资收益都可能受到影响，迫使企业寻求商业模式或制造方式等方面的变革，从而推动制造企业的智能化转型发展。

6.2 实践启示

以往研究虽然表明多种因素对制造企业智能化转型都有重要影响，但鲜有从企业自身创新柔性的视角研究对智能化转型的影响。本文选取制造企业的创新柔性作为切入点，提出并验证了制造企业的创新柔性、商业模式创新、环境动态性和智能化转型之间的关系。研究结果对制造企业尤其是新能源装备领域制造企业智能化发展具有重要借鉴意义。首先，创新柔性对制造企业智能化转型的主效应说明，制造企业自身不能只重视技术创新，还要重视如何提高企业自身的创新柔性，技术创新与创新柔性协同配合更能促进制造企业的智能化转型发展，同时，各级政府可通过激发制造企业的创新柔性来促进制造企业的智能化转型发展。其次，商业模式创新的中介效应说明，创新柔性向商业模式创新的转化可以促进企业的智能化转型发展，仅凭创新柔性直接推动制造企业的智能化转型发展仍是有限的，制造企业可以通过挖掘客户的潜在需求，进行价值创造、传递和获取等革新，以实现商业模式的创新，进而促进企业智能化转型。最后，环境动态性的调节效应说明，制造企业在向智能化转型发展的过程中，应对外界环境的变化充分重视，关注政府宏观政策的调整和市场需求的变化，合理利用环境动态性来提高创新柔性与商业模式创新、创新柔性与智能化转型之间的转化，加快制造企业的智能化转型发展速度。

6.3 研究不足

本研究从制造企业的创新柔性角度切入，仅分析了商业模式创新、环境动态性这两个变量的中介和调节作用，未对其它有可能起到中介或调节作用的变量进行分析，将来考虑对其它变量进行研究分析，以期完善目前的影响机理模型。此外，由于调研的难易度、时间和成本等因素，本文仅选择了一些装备制造企业较多的地区进行问卷调查，而未对装备制造企业较少的的地区进行问卷调查，可能存在着一定程度的同源偏差，未来研究考虑进一步扩大调查问卷地域范围，以提升研究结论的代表性。