高管技术背景、工业机器人应用与制造业探索式创新研究

□ 黄海艳 李 敏 陈盅宇

一、引言

工业机器人与制造业的深度融合发展成为新的产业优化升级和经济持续增长的动力之源。《中国制造2025》将创新驱动作为建设制造强国的重要方针之一，将提高制造业创新能力作为建设制造强国的首要任务，强调必须依靠创新驱动，抢抓新科技革命和产业变革的战略机遇，重塑我国制造业的国际竞争新优势。随着我国制造业智能化改造升级的需求日益凸显，我国成为全球第一大工业机器人应用市场。同时，新一代信息技术、新能源、新材料等与机器人技术的深度融合，使得工业机器人不断更新换代。目前，工业机器人处于机器智能向人工智能过渡的时期，不仅具有高精度运动和感官能力，还具有自主学习适应能力，能够实现人机融合，越来越广泛地被应用于制造行业。国内外诸多学者围绕工业机器人展开研究，多集中于宏观层面，包括提高劳动生产率、改善劳动力结构、促进制造业转型升级等。[1-2]但也有少数学者从微观层面探讨了企业应用工业机器人产生的人力资本提升效应、创新效应等[3-4]。现有文献关于工业机器人应用与企业创新之间的关系研究尚未达成一致认识，主要有两种观点：一种观点认为工业机器人等智能化技术与企业创新之间呈线性正相关；[5]另一种观点则认为工业机器人等智能化技术与企业创新之间并非简单线性关系，而是呈正U 形关系。[6]

现有研究结论不一致的原因可能在于：一是当前研究只是将企业创新活动作为一个整体概念来看待，并未考虑不同创新方式的差异性。事实上，企业创新活动按照新颖程度可分为探索式创新和利用式创新。[7]探索式创新需要更多元的知识结构来开发新产品、新技术、新市场等，而利用式创新只需要基于现有知识和技术对产品、流程进行改良。其中，探索式创新更需要智能化、信息化的技术支撑，以帮助企业提升长期竞争力。[8]那么，对于制造企业引进工业机器人分别对探索式创新和利用式创新会产生什么样的影响，学界尚缺乏清晰的说明和解释。本研究拟关注工业机器人应用对探索式创新的影响，因为探索式创新是我国制造业高质量发展的重中之重。

二是现有研究较少考虑情境因素对工业机器人应用与企业创新之间关系的影响。工业机器人应用与企业创新作为企业行为会受到其嵌入情境影响，如外部环境以及内部治理结构。孟凡生等[6]认为，环境动态性能够正向调节“智能+”与企业创新绩效之间的U 形关系。此外，根据高阶梯队理论，高管作为企业的战略决策者，其特质会反映在企业的生产和管理活动中，[9]比如风险偏好、技术背景等。因此可以推测，工业机器人应用作为企业发展过程中的重要技术问题，其应用情况及应用效果定受决策层特征的影响。

为了厘清工业机器人应用对探索式创新的影响，本研究拟运用2011—2018年沪深A 股制造业上市公司数据，从高管技术背景、所有制性质以及是否二职合一视角对我国制造企业的工业机器人应用与探索性创新之间的关系展开研究，以期能进一步厘清工业机器人应用与企业创新之间的关系以及边界条件，为我国制造企业的转型升级以及高质量发展提供理论依据。

二、理论分析与研究假设

20 世纪70年代初我国开始工业机器人的相关研究工作。2020年《中国工业机器人产业发展白皮书》（下称《白皮书》）中，工业机器人被定义为“在工业自动化中使用，可对三个或三个以上轴进行编程的固定式或移动式，自动控制的、可重复编程、多用途的操作机”。本研究采用《白皮书》中关于工业机器人的定义。

（一）工业机器人应用对企业探索式创新的非线性影响

企业探索式创新需要丰富的资源支持，比如知识资源、资本资源、人力资源、信息技术资源等。[10]组织通过合理配置这些资源能够实现整体效用最大化，获取并保持竞争优势。[11]在工业机器人应用初期，企业可能会因为研发资金不足、员工不适应智能化环境等问题而给企业探索式创新带来消极影响，但当工业机器人应用达到一定水平时，即产生规模效应后，企业可能会因为资金回笼、生产要素的配置逐渐适应智能化生产需要而给企业探索式创新带来积极影响。因此，本文推测工业机器人应用对制造企业探索式创新的影响呈非线性，具体体现在如下几个方面。

首先，工业机器人的引进需要大量资金支持，挤压研发创新投入。在引进工业机器人的同时，企业还需配备相应技术性人才、智能化设备等以确保工业机器人正常运行，[12]这些会进一步增加企业智能化转型成本。同时，由于智能化转型周期长、不确定性高，企业在短期内很难获得较大收益来支撑其他经济活动，如高投入高风险的探索式创新。因此，制造企业在运用工业机器人初期会抑制探索式创新。

其次，工业机器人的规模应用引发员工工作不安全感和消极行为，从而影响企业探索式创新动力。工业机器人替代了大量标准化的工作岗位，导致中低技能岗位就业机会的减少和部分员工收入水平下降。针对工作中出现的裁员、减薪等一系列不确定性行为，继续留任的员工容易产生工作不安全感，[13]形成消极情绪状态。缺乏安全感的员工主动采取冒险行为的意愿不强，更倾向于依赖以往经验处理问题，以保障工作少出错；同时也会因为担心被裁员，而花时间寻找新工作，对组织的忠诚度降低，对自己掌握的新知识、新信息有所保留，这些都不利于企业突破原有的技术轨道开展探索式创新活动。

最后，工业机器人的应用引发劳动力的去技能化，阻碍员工创造力的发挥。生产技术和生产流程的变革能够优化部分中、高技能劳动者的工作内容。员工即使在不理解工业机器人运作背后原理的情况下，依旧可以遵循既定的流程和路径，借助其产生的结果继续下一阶段的生产操作。随着工业机器人的应用领域越来越广，员工在决策时也越来越少依靠自身直觉和专业判断，最终造成员工知识技能逐渐退化，企业过度依赖自动化的局面，进而企业难以突破现有知识技术进行探索式创新。

上述工业机器人应用对制造企业探索式创新的抑制作用主要表现在工业机器人应用初期，当工业机器人应用达到一定水平或规模时，则会对探索式创新产生规模效应，具体体现在如下两个方面：一是工业机器人能够促进企业获取新知识，尤其是异质化的知识，扩大企业知识池，为探索式创新提供可能。新产品开发离不开知识的积累和创造，而企业凭借自身知识库难以获得创新活动所需的全部资源。随着智能制造的渗透，价值链的各个环节被链接起来，研发、制造、服务和消费间的界限“模糊化”，传统要素市场的区域壁垒被打破，企业间信息和知识的交换更容易，[14]企业获取异质性、互补性知识的有效性得到极大提升，这些都为企业整合内外部知识促进新产品开发提供了更大的可能性。

二是工业机器人引起的就业极化现象导致高技能型人才比重增加，因此企业能更好地协调、配置内外部资源，探索、创造新产品或技术。随着工业机器人应用水平提高，企业劳动力需要进行重新分工和组合，一方面取代了中低技能工作岗位，造成企业工人数量大幅度削减；[15]另一方面创造了高技能工作岗位，如自动化工程师等，倒逼员工提高自身专业技能和创新能力，以保持工作稳定和延续，[16]进而企业人力资本水平得到提升。而高技能和高知识水平的员工对新颖性、异质性知识的吸收能力较强，更容易将企业获取到的知识转化为新产品、新技术，推动企业探索式创新。

基于此，本文提出假设1：

H1：工业机器人应用与企业探索式创新呈正U 形关系。

（二）高管技术背景的调节作用

高阶梯队理论认为，高管背景特征影响企业战略选择和行为。[9]相较于非技术型高管，技术型高管更注重企业长期发展，倾向于增加人力资本、研发支出等方面的投入比重，对创新的风险承担能力更强，对创新失败容忍度更高，善于鼓励员工尝试新点子和新想法。[17]如贾俊生等[18]认为，技术型高管不仅能够发挥专业优势，降低企业创新过程中的不确定性，还倾向于将大量资金投入到研发创新项目中。因此，高管技术背景能够影响工业机器人应用的创新效应。具体体现在如下两个方面。

一是高管技术背景增强工业机器人应用带来丰富异质性资源的优势，推动新产品开发。技术型高管凭借卓越的组织地位不仅能够掌握更多与技术相关的资源和信息，发现并抓住更多前景良好但具有风险的研发创新机会，[17]还能够对企业的技术、知识等异质性资源进行更好的创新、交换和整合，进一步强化工业机器人带来异质性资源的优势，促进企业探索式创新。

二是高管技术背景既能够缓解员工过度依赖机器人而产生的技能退化，又能增强工业机器人应用产生的人力资本提升效应，促进企业探索式创新。技术型高管既懂得专业技术知识又掌握企业发展战略，偏向于从企业长远利益最大化的角度出发，重视培养高技能、高知识水平人才，[17]提高组织全体成员对学习新知识、掌握新技能的认同和理解，在组织内部形成自主学习的环境和文化。员工掌握的知识与技能越多，越能够更好地匹配其工作岗位需求，也越有可能快速整合企业创新所需的开放性思维和领域相关技能，进而为企业探索式创新提供智力支持。基于此，本文提出假设2：

H2：高管技术背景正向调节工业机器人应用与企业探索式创新之间的正U 形关系，即高管技术背景减缓工业机器人应用对探索式创新的消极作用，增强工业机器人应用对探索式创新的积极作用。

综上所述，构建如下理论模型，见图1所示。

图1 理论模型

三、研究设计

（一）样本选取与数据收集

我国制造业各细分行业的工业机器人存量数据从2011年开始完整披露，因此本文选取2011—2018年沪深A 股制造业上市公司为研究样本。本文将《国民经济行业分类》（GB/T 4754—2017）标准，对应于全国机器人联合会（IFR）使用的国际标准产业分类（ISIC Rev 4.0 版），由此确定我国制造业细分行业的就业人数以及工业机器人存量数据，并计算出企业层面的工业机器人渗透度。中国制造业分行业就业数据、企业员工构成情况、高管技术背景数据均来自国泰安（CSMAR）数据库。企业专利数量数据通过企查查官网手工搜集获取。对ST、ST*和数据缺失严重的样本企业进行剔除处理。最终，本文得到了由345 家样本企业2 760 笔企业—年度观察项构成的平衡面板数据，数据处理软件为stata17.0。

（二）变量测量

（1） 解释变量： 工业机器人应用（Robot）。工业机器人应用采用工业机器人渗透度指标来衡量。本文借鉴Acemoglu 等[19]、王永钦等[20]的做法来测量工业机器人渗透度，即基于“巴蒂克工具变量”的思想构造中国企业层面的工业机器人渗透度指标，并进行对数处理。具体计算公式如下：

Robotjit表示i行业j企业t年的工业机器人渗透度，其中表示中国行业层面的工业机器人渗透度，即中国i行业t年的工业机器人存量与i行业2010年（基期）就业人数的比值。Pjit=2011表示将基期确定为2011年，中国i行业j企业生产员工占比与制造业所有企业生产员工占比中位数的比值。

（2）被解释变量：探索式创新（Explore）。本文借鉴主流文献的做法，以发明授权专利申请数作为探索式创新的衡量方式。因专利产出存在滞后性，将所有专利数据滞后一年。部分企业的某些年份专利数为0，为避免专利数在取对数时产生缺失值，本文将所有专利数加上1 后再取对数。

（3）调节变量：高管技术背景（Rep）。根据韩忠雪等[17]的研究，本文采用企业技术型高管人数与高管总人数的比例来衡量高管技术背景。关于技术型高管的定义，本文认为具备以下任一条件的高管人员即为技术高管：一是从事生产、研发、设计等技术类工作岗位；二是具有助理工程师、工程师、高级工程师职称。

（4）控制变量。为了排除其他因素对回归分析的影响，本文控制了以下变量：企业年龄（Age），用观测年度与公司成立年份差值的对数衡量；企业规模（Size），用公司总资产的对数衡量；资本密集度（Capital），用总资产占营业收入的比重衡量；资产负债率（Lev），用总负债占总资产的比重衡量；总资产净利润率（Roa），用净利润占期末总资产的比重衡量。两职合一（Dua），当Dua=1 意味着企业CEO 兼任董事长，当Dua=0 意味着企业CEO 不兼任董事长；所有制性质（Soe），当Soe=1 意味着该企业为国有企业，Soe=0意味着该企业为非国有企业（包括民营、外资等）。

四、实证分析

（一）描述性统计及相关性分析结果

表1 为主要变量的描述性统计结果。

表1 描述性统计结果

表2 为相关性分析结果。工业机器人应用与企业探索式创新（r=0.162，P＜0.05）显著正相关。高管技术背景与企业探索式创新（r=0.039，P＜0.05）显著正相关。在控制变量中，企业年龄、企业规模、总资产净利润率、资产负债率、所有制性质与企业探索式创新显著正相关，资本密集度与企业探索式创新显著负相关。

表2 变量相关性分析表

（二）多元回归分析结果

表3 为工业机器人应用对企业探索式创新的基准回归结果。在考虑控制变量的情况下，模型3 结果显示，工业机器人应用二次项的回归系数为0.012，且在1%水平上显著，表明工业机器人应用与企业探索式创新之间呈正U形关系，即当制造企业的工业机器人应用水平较低时，工业机器人应用抑制企业探索式创新，但当工业机器人应用水平达到某一水平时，工业机器人应用促进企业探索式创新，假设H1 得到验证。

表3 主效应及调节效应回归结果

模型4 结果显示，工业机器人应用二次项与高管技术背景乘积项的回归系数为0.042，且在5%水平上显著，表明高管技术背景正向调节工业机器人应用与企业探索式创新之间的正U 形关系，即高管技术背景对工业机器人应用与制造企业探索式创新存在显著的增强作用，假设H2 得到验证。

（三）分组回归结果

为更清晰地辨析工业机器人应用对探索式创新的影响，本文将研究样本进行了分组回归，包括国有和非国有企业、两职合一和两职分离企业。因为不同所有制的企业在认知基础、管理模式、风险意识以及决策偏好方面具有较大的差异，[21]进而会对企业高管团队的创新决策行为产生直接或间接的影响。此外，领导权结构配置会影响企业高层管理人员的权力差距，进而对企业决策效率和效果也会产生更加多样化的影响。[22]因此，本文进一步从企业所有制性质、是否两职合一来进行分组以辨析工业机器人应用对探索式创新的影响。分组回归结果如表4 和表5 所示。

表4 不同所有制分组回归结果

表5 两职合一与两职分离分组回归结果

由表4 可知，在考虑控制变量的情况下，当企业所有制性质为国有时，模型2 的结果显示，工业机器人应用二次项的回归系数为0.029，且显著，表明在国有企业中，工业机器人应用与企业探索式创新呈正U 形关系。当企业所有制性质为非国有时，模型5 的结果显示，工业机器人应用二次项的回归系数为0.006，不显著，表明在非国有企业中，工业机器人应用与企业探索式创新正U 形关系不显著。

企业所有制分组结果显示，高管技术背景的调节作用存在一定差异。当企业所有制性质为国有时，模型3 的结果显示，工业机器人应用二次项与高管技术背景交互项的回归系数为-0.040，但不显著，表明高管技术背景的调节作用不显著。当企业所有制性质为非国有时，模型6 的结果显示，工业机器人应用二次项与高管技术背景交互项的回归系数为0.061，且显著，表明高管技术背景对工业机器人应用与企业探索式创新之间的正U 形关系存在显著的增强作用。在不同所有制企业中，高管技术背景的调节作用存在差异的可能原因：（1）相比于非国有企业，国有企业的管理制度缺乏灵活性，高管团队的薪酬相对固定。企业缺乏有效的激励手段，导致高管难以与企业自身形成利益共同体，在一定程度上削弱了企业创新的积极性。[23]（2）相比于非国有企业，国有企业的社会政治逻辑通常占据主导地位。[24]企业发展的资源与机会主要由政府掌控，同时，管理层的决策主要听命于上级指令，技术型高管的意见不一定能够被采纳，且在决策过程中考虑的因素更多，在一定程度上降低了决策效率。因此，在国有企业中，高管技术背景所发挥的作用有限。

由表5 可知，在考虑控制变量的情况下，当企业董事长兼任CEO 时，模型2 的结果显示，工业机器人应用二次项的回归系数为0.001，但不显著，表明在两职合一的企业中，工业机器人应用与企业探索式创新的正U 形关系不显著。当企业董事长不兼任CEO 时，模型5 的结果显示，工业机器人应用二次项的回归系数为0.016，且显著，表明在两职分离的企业中，工业机器人应用与企业探索式创新呈正U 形关系。

董事长是否兼任CEO 分组结果显示，高管技术背景的调节作用存在一定差异。当企业董事长兼任CEO 时，模型3 的结果显示，工业机器人应用二次项与高管技术背景交互项的回归系数为0.049，且显著，表明在两职合一企业中，高管技术背景对工业机器人应用与企业探索式创新之间的正U 形关系存在显著的增强作用。当企业董事长不兼任CEO 时，模型6 的结果显示，工业机器人应用二次项与高管技术背景交互项的回归系数为0.036，且显著，表明在两职分离企业中，高管技术背景对工业机器人应用与企业探索式创新之间的正U形关系存在显著增强作用。高管技术背景的调节作用在两组中均显著，且在两职合一企业中的影响高于在两职分离企业中的影响。这可能是因为：（1）两职合一的结构设置给企业带来的直接影响就是高管权力的扩大，能够减少决策和管理过程中的矛盾。[25]同时，两职合一有利于提高高管薪酬，进一步激发技术型高管的创新积极性，[26]更有利于技术型高管作用发挥，强化工业机器人应用创新效应。（2）相比于两职分离企业，两职合一企业更关注企业长远发展，能够利用企业自身资源带动企业可持续发展。[27]在这种情况下，技术型高管能够充分发挥其技术专长，更有信心引进工业机器人实现智能化生产，提高企业探索式创新水平。

五、结论与讨论

本研究得到如下结论：（1）工业机器人应用与企业探索式创新之间具有正U 形关系，即随着工业机器人应用水平的提高，企业探索式创新先是受到消极影响，后是受到积极影响，呼应了孟凡生等[6]的研究结论。分组研究发现，在国有企业和两职分离企业中，工业机器人应用与探索式创新呈显著的正U 形影响。（2）高管技术背景能够正向调节工业机器人应用与企业探索式创新之间的关系，即随着企业技术型高管比例增加，工业机器人应用与企业探索式创新之间的正U 形关系得到增强。分组研究发现，在非国有企业中，高管技术背景的正向调节作用依旧显著；在两职合一和两职分离企业中，高管技术背景的正向调节作用均显著，且在两职合一企业中的影响高于在两职分离企业中的影响。

基于上述结论，为了充分发挥工业机器人应用的创新积极效应，促进制造强国战略的实现，本文提出如下建议：第一，制造企业应大规模引进工业机器人，同时要保证配备相关的高知识技能型人才、技术设备等，以发挥工业机器人的最大效用，产生规模效应，提升企业探索式创新水平，实现企业长远发展。第二，制造企业应结合自身所有制性质，合理配置高管结构，包括技术背景结构、领导权结构等，以充分发挥工业机器人的创新效应。非国有企业应加大高管团队中技术型高管的比例，以更好地发挥高管技术背景对工业机器人创新效应的积极作用；国有企业应创造条件扩大技术型高管在企业是否引进工业机器人、是否创新等决策中的话语权，以更好地发挥其技术专长，为企业探索式创新注入新动力。