工业机器人应用对制造业双元创新的影响

黄海艳 李敏 张红彬

摘 要：隨着我国人口红利消退、劳动力成本上涨，工业机器人成为推动制造业转型和高质量发展的主要驱动力。本文基于资源基础理论和高阶梯队理论，运用2011-2018年沪深A股制造业上市公司数据，研究工业机器人应用对企业双元创新（探索式创新和利用式创新）的影响，以及工业机器人应用影响企业双元创新的情境因素。研究发现，工业机器人应用对企业探索式创新具有正U型影响，对企业利用式创新具有积极的线性影响；政府补贴和高管技术背景能够强化工业机器人应用对企业探索式创新的正U型影响；政府补贴能够强化工业机器人应用对企业利用式创新的线性影响，而高管技术背景的调节效应不显著。

关键词：工业机器人应用；探索式创新；利用式创新；政府补贴；高管技术背景

中图分类号：F425;F27291文献标识码：A文章编号：1001-148X（2023）02-0029-10

收稿日期：2022-11-10

作者简介：黄海艳（1973-），女，江苏阜宁人，教授，研究方向：创新管理；李敏（1997-），女，江苏东台人，硕士研究生，研究方向：组织行为与人力资源管理;张红彬（1978-），男，河北邯郸人，副编审，博士，研究方向：产业经济学。

基金项目：江苏省社科重点项目，项目编号：18GLA003；国家自然基金项目，项目编号：71872087。

工业机器人与制造业的深度融合发展，推动了企业生产管理、人力资源管理、信息化管理等管理方式转变和创新，成为新的产业优化升级和经济持续增长的动力之源。工业机器人应用与企业创新之间的关系在理论界尚未达成一致认识。如睢博和雷宏振（2021）［1］、陈金亮等（2021）［2］发现工业智能化正向影响企业创新，但孟凡生等（2022）［3］的研究表明工业智能化与企业创新之间并非是简单的线性关系，而是U型关系。

为更好地厘清工业机器人应用对企业创新的影响及边界条件，本文拟基于资源基础理论和高阶梯队理论，运用2011-2018年沪深A股制造业上市公司数据，研究工业机器人应用对制造企业探索式创新和利用式创新的影响以及工业机器人应用影响企业创新的情境因素，其中情境因素包括政府补贴和高管技术背景。此外，Acemoglu和Restrepo（2020）［4］、王永钦和董雯（2020）［5］的“巴蒂克工具变量”思想为本文从企业层面测量机器人应用情况提供了可能。

一、理论分析与研究假设

（一）工业机器人对企业创新的影响

《中国工业机器人产业发展白皮书》（2020）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”。与传统自动化设备相比而言，工业机器人可根据工作对象和要求进行编程，也能够融入到整个基于信息管理的生产控制网络，采集数据、反馈信息、执行操作［6］。

探索式创新是企业基于全新的知识和要素，通过新知识开发新技术、新产品或拓展新业务领域的创新活动［7］，具有“高风险、高收益、周期长”特征，企业获取、吸收、转化和利用新知识的能力是关键［8］，不仅需要在企业内部创造知识，更需要从外界吸收获取新知识［9］。而利用式创新是企业基于现有知识与技术的组合和利用，对当前产品及市场进行改进或拓展的创新活动［10］，具有“低风险、低收益、周期短”的特征。

1.工业机器人应用对企业探索式创新的影响

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［11］。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。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与企业探索式创新呈非线性关系。

首先，制造企业引进工业机器人需要花费大量资金，则会挤压企业原本研发创新投入，抑制企业探索式创新。在引进工业机器人的同时，企业还需要配备相应的技术性人才、智能化设备等以确保工业机器人安全可靠的运行，进一步加重了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，企业在短时间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容易引发员工工作不安全感，导致员工产生消极行为，企业探索式创新动力不足。工业机器人不仅替代了大量标准化的工作岗位，还创造了新的工作岗位，如控制工程师、机器人维护员等，不可避免会影响到员工既有的工作或工作特征的存续性，进一步导致中低技能岗位的就业和收入水平下降［12］。针对工作中出现的裁员、减薪等一系列不确定性行为，继续留任的员工往往会产生工作不安全感［13］，形成消极低迷的情绪状态。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，对组织的忠诚度减低，主动分享自己掌握的新知识、新信息的积极性受到抑制，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优化了部分中、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以及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。

虽然制造业企业在引入工业机器人初期，工业机器人的应用在一定程度上会抑制了企业探索式创新，但当工业机器人应用达到一定水平或规模时则可能促进企业探索式创新，具体体现在如下两个方面：

首先，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，扩大企业的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。随着智能制造的不断渗透，工业机器人逐渐连接了价值链的各个环节，促使研发、制造、服务和消费间的界限“模糊化”，打破传统要素市场的区域壁垒［14］，企业间信息和知识的交换频繁［15］，企业获取异质性、互补性知识的有效性得到增强，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。与此同时，企业通过知识的外溢与共享，能够快速掌握市场信息并了解技术发展的最新态势，进而开拓新顾客群体或细分市场［16］。

其次，工业机器人引起的就业极化现象促使企业高技能型人才比重增加，有助于企业更好地协调、配置内外部的资源，探索、创造新的产品或技术。生产技术的革新意味着企业必须匹配更高技能和知识水平的劳动者［17］。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，造成企业工人数量的大幅度削减［18-19］；另一方面创造了高技能工作岗位，如自动化工程师、机器设备运营维护人员等，倒逼员工提高自身专业技能和创新能力，以保持工作的稳定性和延续性，提升人力资本水平。而高技能和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。

综上分析，可预测制造业企业在引入工业机器人初期，工业机器人的应用会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或规模时则会给企业探索式创新带来积极影响，基于此，本文提出如下假设：

H1a：工业机器人应用与企业探索式创新呈先下降后上升的正U型关系。

2.工业机器人应用对企业利用式创新的影响

首先，企业引进工业机器人而产生的大量费用影响管理者的风险偏好，使其倾向于选择能够快速提升收益的利用式创新。企业在引进工业机器人的同时，还需配备相应的人才、技术等，致使企业不得不承担大额引进费用和管理费用，一定程度上降低了管理者的风险偏好［20］。相比于高投入、高风险的探索式创新，企业管理者很可能服务于自身利益，将注意力转移至能够快速提升收益的利用式创新，以规避风险，实现企业平稳发展。

其次，工业机器人的迭代更新有助于企业改进现有生产工艺，有利于利用式创新。随着自动化技术及新一代信息技术的发展，工业机器人能够得到智能化升级与改造。在此基础上，企业通过重新配置和组合使用内外部资源，将机器人技术与企业的生产过程、生产设备和产品进行不断融合，进而能够实现生产过程创新、设备创新和产品创新，为企业利用式创新注入活力。此外，借助于大数据分析技术和人工智能技术，企业能够搜集、挖掘和分析生产过程中的数据，进而通过改良、精炼或调整的方式，实现对生产工艺的改进，更进一步提高产品质量。如宝钢集团有限公司立足于人工智能大数据平台，通过图像实时采集与智能分析，能够快速识别产品是否存在缺陷，进而通过质检数据、生产过程工艺参数、产品设计参数间的关联，形成产品质量问题分析管理的闭环连接，实现产品质量的优化提升。

最后，工业机器人的应用释放了大量一线员工的创造力，为企业利用式创新注入新活力。工业机器人应用极大解放劳动力，避免员工陷入体力劳动、重复性脑力劳动，释放了一线员工的能力和潜能。囿于自身知识储备有限，普通一线员工很难参与到高难度的探索式创新活动中，但基于丰富的生产经验，员工们能够立足一线岗位，依据现有知识和技术，对落后技术设备、不合理工艺和陈旧操作方法进行革新、改造，促进生产技术和生产方式转变，进一步提升已有产品质量。基于此，本文提出如下假设：

H1b：工业机器人应用与企业利用式创新呈线性关系，即工业机器人应用正向影响企业利用式创新。

（二）政府补贴的调节作用

政府补贴是政府根据不同时期政治、经济的方针和政策，向企业提供无偿资金支持以达到特定目的［21］。政府补贴对制造企业的工业机器人应用与双元创新之间关系的影响具体体现在如下几个方面。

1.政府补贴对工业机器人应用与企业探索式创新之间关系的调节作用

政府补贴既能减缓工业机器人应用对企业探索式创新的消极作用，也能增强工业机器人应用对企业利用式创新的积极作用。具体体现在二方面：一是政府补贴通过发挥其信号属性作用，抑制工业机器人应用给企业创新投入带来的挤出效应。企业光依靠内部资金难以维持长时间、高风险的创新活动，还需要从外部融资渠道获取资金支持。为了获得长期竞争优势，企业很可能将政府补贴转移到对研发项目和研发人员的投入上。企业获得政府补贴表明其发展符合政府導向，进一步向外来投资者释放了利好投资信号［22］，有助于拓展多元化融资渠道，缓解工业机器人应用造成的挤压效应。二是政府补贴发挥资源属性作用，弥补企业自身技术和人力资源不足，强化工业机器人应用对企业探索式创新的积极作用。企业通过政府提供的资金支持不仅可以直接雇佣高技能型人才，还可以通过技能培训来培养复合型人才，提升企业人力资本水平。这既能够缓解员工过度依赖机器人技术而产生的技能退化［23］，又能够满足工业机器人产生的高技能型人才需求，进而有助于企业打破现有的标准化工作流程，在新产品、新技术上取得突破。基于此，本文提出如下假设：

H2a：政府补贴正向调节工业机器人应用与企业探索式创新之间的正U型关系，即政府补贴减缓工业机器人应用对企业探索式创新的消极作用，增强工业机器人应用对企业探索式创新的积极作用。

2.政府补贴对工业机器人应用与企业利用式创新之间关系的调节作用

政府补贴能够增强工业机器人应用对企业利用式创新的积极作用。具体体现在两个方面：一是政府补贴能够加强企业创新研发的意愿，高创新意愿有助于营造宽松创新环境，对创新失败的包容性越强，这些都可以强化工业机器人应用对企业利用式创新的积极作用。政府补贴作为重要外部资源，可以直接增加企业现金持有量，缓解资源约束，增强企业风险承担能力［24］。充足的资源也有助于决策层制定有利于创新的政策，进而激发一线职工创新积极性。随着抗风险能力的提升，企业内部逐渐形成一种容忍创新失败的良好氛围，更能够把工业机器人释放出来的一线职工的创造力激发出来，促使员工聚焦生产、服务一线的实际问题大胆创新，不断改善技术和工艺流程。二是政府补贴的资源属性加强了工业机器人的“提质增效”作用，能够促进企业利用式创新。企业通过政府补贴能够直接补充创新资源，引进先进设备和技术以及高层次人才等，完善现有的工业机器人技术，促进企业生产工艺的改进，进而提高产品质量或增加产品附加值。此外，企业引进的高知识技能型人才能够为工业机器人发挥效用提供理论与实践指导，对工艺流程的每个环节“具体问题具体分析”，从而在提高生产效率的同时也在提高产品质量。基于此，本文提出如下假設：

H2b：政府补贴正向调节工业机器人应用与企业利用式创新之间的线性关系，即政府补贴增强了工业机器人应用对企业利用式创新的积极作用。

（三）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。高管技术背景是其经历的具体化，是高管能够利用的知识和信息的重要来源，影响高管的经验、技能、心智模式等。同时技术型高管是企业战略决策的重要参与者，能够为企业创新提供专业性指导和建议。技术型高管依靠自身积累的社会资本，在创新方面获得信息和资源优势，有利于企业整合资源、优化配置［25］。此外，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［26］，以此来促进创新。相较于非技术型高管，技术型高管对创新的风险承担能力更强，创新失败容忍度更高，鼓励员工尝试新点子和新想法［27］。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［28］。因此，高管技术背景能够为企业运用工业机器人创新提供支持与引领。

1.高管技术背景对工业机器人应用与企业探索式创新之间关系的调节作用

高管技术背景既能缓解工业机器人应用对企业探索式创新的消极作用，也能增强工业机器人应用对企业探索式创新的积极作用。具体体现在两个方面：一是高管技术背景加强了工业机器人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，还能够对企业的技术、知识等异质性资源进行更好地创新、交换和整合，进一步强化了工业机器人带来异质性资源的优势，有助于企业研发的新产品、新技术得到快速转化应用，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，又能够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、知识水平人才，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［29］，进而为企业探索式创新提供智力支持。基于此，本文提出如下假设：

H3a：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U型关系，即高管技术背景减缓工业机器人应用对企业探索式创新的消极作用，增强工业机器人应用对企业探索式创新的积极作用。

2.高管技术背景对工业机器人应用与企业利用式创新之间关系的调节作用

高管技术背景能够增强工业机器人应用对企业利用式创新的积极作用，具体体现在两个方面：一是技术型高管对创新失败的高容忍度更能够激发出工业机器人所释放的一线员工的创造力，促进企业利用式创新。技术型高管比例较高的企业，通常重视技术创新，具有良好的创新氛围和文化传承，更能够将工业机器人释放的一线员工的创造力激发出来。技术型高管对创新活动的鼓励以及对失败的容忍可以使一线员工更有信心从而大胆投入创新工作［30］，进一步优化和改良现有的产品、生产流程，促进工艺技术革新。二是技术型高管的技术指导性与专业性较高，加强工业机器人的“提质增效”作用，有助于改进企业现有的生产工艺。高管的知识、经验是完善机器人算法技术的依据［31］。技术型高管的知识储备和工作经验有可能为企业升级改造现有的生产制造工艺和生产质量提供理论与实践指导，有助于现有产品、技术的优化和改良，强化工业机器人应用对企业利用式创新的积极作用。基于此，本文提出如下假设：

H3b：高管技术背景正向调节工业机器人应用与企业利用式创新之间的线性关系，即高管技术背景能够增强工业机器人应用对企业利用式创新的积极作用。

（四）政府补贴与高管技术背景的协同调节效应

技术型高管由于拥有专业化背景和相应的技术才能，不仅能在企业内部传递生产、技术或研发等领域的知识和经验，还能为企业提供多样化的外部资源，提高企业决策质量［32］。高管作为企业重要战略决策的制定者，很大程度上决定了政府补贴的实施效果。基于对创新活动的深刻认识，技术型高管倾向于加大政府补贴在人力资本、研发项目等方面的投入比重［33］，进而增强政府补贴调节工业机器人应用对企业创新的积极作用。通过合理配置政府补贴，技术型高管有利于发挥政府补贴对企业创新资源的补充作用，满足企业应用工业机器人所产生的资金、技术、人才等需求，进一步促进产品、生产流程的改良和优化，推动新产品、新技术的开发。因此，当技术型高管比例越高，政府补贴越多时，不仅能够减缓工业机器人应用对企业创新的消极作用，还能够增强工业机器人应用对企业创新的积极作用。基于此，本文提出如下假设：

H4a：政府补贴与高管技术背景在工业机器人应用与企业探索式创新关系中能产生联合调节效应，即政府补贴越多，高管技术背景越强，越能增强工业机器人应用对企业探索式创新的积极作用，并减缓工业机器人应用对企业探索式创新的消极作用。

H4b：政府补贴与高管技术背景互动在工业机器人应用与企业利用式创新关系中能够产生联合起调节作用，即政府补贴越多，高管技术背景越强，越能增强工业机器人应用对企业利用式创新的积极作用。

二、研究设计

（一）样本选取与数据收集

本文选取2011-2018年沪深A股制造业上市公司为研究样本。由于我国制造业各细分行业的工业机器人存量数据从2011年开始才完整披露，因此本文选择的数据开始年份为2011年。本文将《国民经济行业分类》（GB/T4754-2011）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 40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。其中，中、美两国工业机器人存量数据来自IFR发布的《世界机器人报告》（2011-2018年）。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。政府补贴数据来自万得（Wind）数据库。企业专利数量数据通过企查查官网手工搜集获取。美国制造业分行业就业数据来自NBER-CES制造业数据库。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2760笔企业—年度观察项构成的平衡面板数据，数据处理软件为stata170。

（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。本文借鉴王永钦和董雯（2020）［5］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=ln（mCHit×pjit=2011）（1）

Robotjit表示i行业j企业t年的工业机器人渗透度，其中mCHit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）和利用式创新（Exploit）。本文以发明授权专利申请数作为探索式创新的衡量方式，以实用新型和外观设计专利申请数作为利用式创新的衡量方式。同时，考虑到企业专利产出存在滞后性，本文将所有专利数据滞后一年。由于部分企业在某些年份的专利数为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：政府补贴（Sub）和高管技术背景（Rep）。其中政府补贴数据来源于样本企业年度报告财务报表附注“损益项目”下披露的政府补贴部分，并进行对数处理。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，该比例越大表明企业高管技术背景越强。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：一是從事生产、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。此外，本文还控制了可能会影响政府补贴和高管技术背景作用发挥的其他变量，包括两职合一（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；所有权性质（Soe），当Soe=1意味着该企业为国有企业，Soe=0意味着该企业为民营企业。

三、实证分析

（一）描述性统计

全样本（N=2760）的全部变量的描述性统计结果显示，探索式创新和利用式创新均值分别为2389和2483，两者差距不明显，说明我国制造业发展进入新阶段。工业机器人应用均值为1115，说明我国制造业整体工业机器人应用水平偏低。根据IFR的分析，中国人均的工业机器人拥有量大约是世界高水平制造强国的1/4，这表明我国工业机器人应用水平与发达国家相比仍有较大差距（因篇幅限制，具体数据略，有需要者可以向作者索取）。

（二）相关性分析

表1报告了变量的相关性分析结果。工业机器人应用与企业探索式创新（r=0162，p<005）和利用式创新（r=0102，p<005）显著正相关。在调节变量中，政府补贴与企业探索式创新（r=0453，p<001）和利用式创新（r=0335，p<001）显著正相关。高管技术背景与企业探索式创新（r=0039，p<005）显著正相关，但与利用式创新不显著相关。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、所有权性质与企业探索式创新和利用式创新显著正相关，资本密集度与企业探索式创新和利用式创新显著负相关。

（三）回归分析

表2、表3分别显示了工业机器人应用对企业探索式创新和利用式创新的基准回归结果。在表2中，模型（1）是控制变量对企业探索式创新的回归结果。企业规模、总资产净利润率、两职合一和所有权性质显著正向影响企业探索式创新，表明企业规模越大，盈利能力越强，且董事长兼任总经理，企业性质为国有时，越有利于企业探索式创新战略的决策与实施。资本密集度显著负向影响探索式创新，表明企业资本密集度越大，风险越大，资本成本越高，越不利于企业进行高投入的探索式创新。

模型（2）中加入自变量工业机器人应用一次项，结果显示，工业机器人应用显著正向影响企业探索式创新（β1=0059，p<001）。模型（3）中自变量工业机器人应用二次项显著正向影响企业探索式创新（β1=0012，p<001），表明工业机器人应用与企业探索式创新之间存在正U型关系，即当应用水平较低时，工业机器人应用会抑制企业探索式创新，但当达到一定应用水平时，工业机器人应用会促进企业探索式创新，假设H1a得到验证。

为了进一步验证正U型关系，本文继续使用utest命令对U型关系进行检验。结果显示工业机器人应用与企业探索式创新关系的斜率呈现先负（-0135，p<001）后正（0187，p<001）的特征，工业机器人应用的极值点为-1559。U型关系整体检验的p值为0008<001，因此拒绝虚无假设，支持工业机器人应用与企业探索式创新的正U型关系。

模型（4）分析了政府补贴的调节效应，结果显示，工业机器人应用二次项和政府补贴交互项显著正向影响企业探索式创新（β1=0009，p<001），表明政府补贴正向调节工业机器人应用与企业探索式创新之间的正U型关系，即政府补贴使得工业机器人应用与企业探索式创新之间的正U型关系得到加强，假设H2a得到验证。模型（5）分析了高管技术背景的调节效应，结果显示，工业机器人应用二次项和高管技术背景交互项显著正向影响企业探索式创新（β1=0042，p<005），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型关系，即高管技术背景使得工业机器人应用与企业探索式创新之间的正U型关系得到加强，假设H3a得到验证。

为进一步刻画政府补贴和高管技术背景的调节效应，本文分别绘制了政府补贴和高管技术背景的调节效应图，如图1和图2所示。由图1可知，相比于低水平政府补贴，高水平政府补贴对工业机器人应用与企业探索式创新之间正U型关系的影响更强烈。由图2可知，相比于低水平高管技术背景，高水平高管技术背景能够使工业机器人应用与企业探索式创新的正U型图更陡峭，且极值点右移。模型（6）分析了政府补贴和高管技术背景互动的调节效应，结果显示，工业机器人渗透度二次项、政府补贴和高管技术背景的乘积项显著正向影响企业探索式创新（β1=0020，p<01），表明政府补贴和高管技术背景互动正向调节工业机器人应用与企业探索式创新之间的正U型关系，即随着企业获得更多政府补贴，拥有更多技术型高管，工业机器人应用与企业探索式创新之间的正U型关系更强烈，假设H4a得到验证。

在表3中，模型（1）是控制变量对企业利用式创新的回归结果。企业规模、总资产净利润率和两职合一显著正向影响企业利用式创新，表明企业规模越大，盈利能力越强，且董事长兼任总经理时，越有利于企业利用式创新。企业年龄和资产负债率显著负向影响利用式创新，表明企业寿命越长，财务风险越大，越不利于企业利用式创新。模型（2）分析了工业机器人应用与企业利用式创新之间的线性关系，结果显示，工业机器人应用显著正向影响企业利用式关系（β2=0037，p<001），表明工业机器人应用水平越高，越有利于企业利用式创新，假设H1b得到验证。模型（3）分析了政府补贴的调节效应，结果显示，工业机器人应用一次项和政府补贴交互项显著正向影响企业利用式创新（β2=0038，p<001），表明政府補贴正向调节工业机器人应用与企业利用式创新之间的线性关系，即政府补贴能够增强工业机器人应用对企业利用式创新的积极作用，假设H2b得到验证。政府补贴的调节效应图如图2所示。由图2可知，相比于低水平政府补贴，高水平政府补贴对工业机器人应用与企业利用式创新之间关系的促进作用更强烈。

模型（4）分析了高管技术背景的调节效应，结果显示，工业机器人应用一次项和高管技术背景交互项不显著正向影响企业利用式创新（β2=-0077，p>01），表明高管技术背景对工业机器人应用与企业利用式创新之间的关系不能发挥调节作用，不能增强工业机器人应用对企业利用式创新的积极作用，假设H3b没有得到验证。

模型（5）分析了政府补贴和高管技术背景互动的调节效应，结果显示，工业机器人应用一次项、政府补贴和高管技术背景的乘积项不显著正向影响工业机器人应用与企业利用式创新之间的线性关系（β2=0033，p>01），表明政府补贴和高管技术背景互动对工业机器人应用与企业利用式创新之间的关系不能发挥调节作用，不能增强工业机器人应用对企业利用式创新的积极作用，假设H4b没有得到验证。

（四）内生性问题

从工业机器人应用与企业双元创新的互动逻辑来看，两者可能存在双向因果关系。利用美国行业层面的工业机器人数据构造中国企业层面工业机器人渗透度的工具变量Robot_IV，具体计算公式如下：

Robot_IVjit=ln（mUSit×pjit=2011）（2）

公式（2）中， Robot_IVjit表示i行业j企业t年的工业机器人渗透度。其中，mUSit代表美国行业层面的工业机器人渗透度，即美国i行业t年的工业机器人存量与i行业1990年（基期）的就业人数的比值。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。

为保证研究结果的稳健性，本文采用两阶段最小二乘法，以同时消除样本选择和内生性问题。由2SLS估计的第一阶段回归结果可知，工业机器人应用_IV显著正向影响工业机器人应用，并且工业机器人应用_IV二次项显著正向影响工业机器人应用二次项，同时，第一阶段回归的F统计量表明，本文工具变量不是弱工具变量。由第二阶段回归结果可知，在利用工业机器人应用_IV作为工具变量之后，工业机器人应用显著正向影响企业探索式创新与利用式创新，工业机器人应用二次项显著正向影响企业探索式创新。两阶段回归结果表明，在解决内生性问题后，结论依旧稳健，原有假设仍然成立回归结果因篇幅所限省略，如需要数据请联系作者索要。。

四、结论与建议

（一）研究结论

本文基于资源基础理论和高阶梯队理论，运用2011-2018年沪深A股制造业上市公司数据，研究工业机器人应用对制造企业探索式创新和利用式创新的影响以及工业机器人应用影响企业创新的情境因素，研究发现：

（1）工业机器人应用对企业双元创新的影响存在差异，有助于解释工业机器人等智能化技术与企业创新之间的不同观点。其中，工业机器人应用与探索式创新之间具有正U型关系，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，呼应了孟凡生等的研究结论。而工业机器人应用与利用式创新之间具有正向关系，即随着工业机器人应用水平的提高，企业利用式创新是一直受到积极影响。

（2）政府补贴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，即随着政府补贴的增加，二者之间的正U型关系得到增强。同样，政府补贴也能够正向调节工业机器人应用与企业利用式创新之间的关系，即随着政府补贴增加，二者之间的正向关系得到增强。政府补贴通过信号传递和资源获取两个渠道，可以补充企业所需的创新资源，进而企业更愿意通过“机器换人”推动企业创新发展。这一结果很好地呼应诸多学者的研究，即政府补贴对企业创新的强化作用。

（3）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，二者之间的正U型关系得到增强。技术型高管所具有的资源优势和专业优势，更有利于企业通过“机器换人”开展探索式创新。然而，高管技术背景对工业机器人应用与企业利用式创新之间关系的调节作用不显著，可能的原因在于：利用式创新门槛较低，更多的是企业基于现有的知识和技术进行改造和重组，未必需要技术型高管的支持。因此，高管技术背景对上述关系没有调节作用。

（4）政府补贴和高管技术背景互动能够正向调节工业机器人应用与企业探索式创新的关系。即随着政府补贴增加，企业技术型高管比例增加，二者之间的正U型关系得到增强。技术型高管能够强化政府补贴的积极作用，更有利于企业通过“机器换人”开展探索式创新。然而，政府补贴和高管技术背景互动对工业机器人应用与企业利用式创新之间关系的调节作用不显著，可能的原因在于：技术型高管更注重企业长期发展，倾向于将政府补贴投入到高收益的探索式创新活动中，以获取和保持企业竞争优势。因此，政府补贴和高管技术背景互动对上述关系没有调节作用。

（二）管理建议

基于上述結论，为了充分发挥工业机器人的创新效应，促进制造强国战略的实现，本文提出如下管理建议：

（1）就制造企业而言，有必要依托工业机器人促进企业探索式和利用式创新。首先，应充分认识到工业机器人的“双刃剑”效应。制造企业在利用工业机器人提高生产效率和产品质量的同时，需密切关注员工的工作和心理状态，努力化解工业机器人与员工之间可能存在的潜在矛盾，并通过加强技能培训来提高员工的知识技能水平，发挥员工的创造力，促进企业创新。其次，应充分考虑情境因素（政府补贴和高管技术背景）在工业机器人应用与企业创新之间关系中的作用。一方面，企业要建立良好的政企关系，尽可能获取更多的政府资源支持，为企业探索式和利用式创新注入新动力。另一方面，企业在探索式创新过程中，要合理组建高管团队结构，发挥技术型高管的资源优势和专业优势，促进企业异质性资源的有效整合与配置，推动探索式创新［34］。最后，应兼顾探索式创新和利用式创新两种创新方式。企业要合理配置创新资源，在保证足够的利用式创新实现短期盈利的同时，也要保证足够的探索式创新获取竞争优势。

（2）就政府部门而言，有必要依托工业机器人推动我国从“制造大国”向“制造强国”转型升级。首先，应加大力度出台相关配套政策，制定针对性的金融支持政策，吸收高质量创新资源流入，促进工业机器人等智能制造来赋能制造业转型升级。其次，应高度重视对相关劳动者的教育以及人力资本的投入。政府部门要积极推动机器人和人工智能等专业学科建设，培养企业所需的高技能型人才，同时也要积极引导企业加强员工职业技能培训，提高人力资本水平，适应智能制造对人力资本的要求。最后，应完善工业机器人从研发到应用的整体产业链。政府部门要鼓励和支持产学研用协同，围绕上游核心零部件的关键环节，开展机器人共性关键技术和前沿技术的研发。

参考文献：

［1］ 睢博，雷宏振.工业智能化能促进企业技术创新吗？——基于中国2010-2019年上市公司数据的分析［J］．陕西师范大学学报（哲学社会科学版），2021，50（3）：130-140.

［2］ 陈金亮，赵雅欣，林嵩.智能制造能促进企业创新绩效吗？［J］．外国经济与管理，2021，43（9）：83-101.

［3］ 孟凡生，徐野，赵刚.“智能+”对制造企业创新绩效的影响机制研究［J］．科研管理，2022（3）：1-14.

［4］ Acemoglu D， Restrepo P. Robots and Jobs： Evidence from US Labor Markets［J］． Journal of Political Economy，2020，128（6）：2188-2244.

［5］ 王永钦，董雯.机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据［J］．经济研究，2020，55（10）：159-175.

［6］ 张宇.国外工业机器人发展历史回顾［J］．机器人产业，2015（3）：68-82.

［7］ He Z L， Wong P K. Exploration vs. Exploitation： An Empirical Test of The Ambidexterity Hypothesis［J］． Organization Science， 2004，15（4）： 481-494.

［8］ Wang M C， Chen P C， Fang S C. A Critical View of Knowledge Networks and Innovation Performance： The Mediation Role of Firms Knowledge Integration Capability［J］． Journal of Business Research， 2018， 88： 222-233.

［9］ Gold A H， Malhotra A， Segars A H. Knowledge Management： An Organizational Capabilities Perspective［J］． Journal of Management Information Systems. 2001，18（1）：185-214.

［10］Jansen J J P， Van Den Bosch F A J， Volberda H W. Exploratory Innovation， Exploitative Innovation， and Performance： Effects of Organizational Antecedents and Environmental Moderators［J］． Management Science， 2006， 52（11）： 1661-1674.

［11］张越，封伟毅，李志欣.战略性新兴产业双元创新协同性影响研究［J］．经济纵横，2021，429（8）：96-105.

［12］张桂金，张东.“机器换人”对工人工资影响的异质性效应：基于中国的经验［J］．学术论坛，2019，42（5）：18-25.

［13］De Cuyper N， De Witte H， Vander Elst T， et al. Objective Threat of Unemployment and Situational Uncertainty During A Restructuring： Associations with Perceived Job Insecurity and Strain［J］． Journal of Business and Psychology， 2010， 25（1）： 75-85.

［14］韩江波.智能工业化：工业化发展范式研究的新视角［J］．经济学家，2017（10）：21-30.

［15］徐露允，黄美玲，龚红，等.知识网络效率对企业新产品开发绩效的影响——基于要素市场化的调节作用［J］．珞珈管理评论，2022（6）：67-86.

［16］张峰，邱玮.探索式和开发式市场创新的作用机理及其平衡［J］．管理科学，2013，26（1）：1-13.

［17］许怡，叶欣.技术升级劳动降级？——基于三家“机器换人”工厂的社会学考察［J］．社会学研究，2020，35（3）：23-46，242.

［18］谭玉松，王林辉，胡晟明.人工智能技术能促进就业质量提升吗？［J］．哈爾滨商业大学学报（社会科学版），2022，184（3）：65-77，89.

［19］孔高文，刘莎莎，孔东民.机器人与就业——基于行业与地区异质性的探索性分析［J］．中国工业经济，2020（8）：80-98.

［20］陶瑾，关志民.基于决策者风险态度的弹性分销网络优化模型［J］．经济管理，2015，535（7）：150-159.

［21］余明桂，回雅甫，潘红波.政治联系、寻租与地方政府财政补贴有效性［J］．经济研究，2010，45（3）：65-77.

［22］王旭，杨有德，王兰.信息披露视角下政府补贴对绿色创新的影响：从“无的放矢”到“对症下药”［J］．科技进步与对策，2020，37（15）：135-143.

［23］Acemoglu D， Restrepo P. The Wrong Kind of AI？ Artificial Intelligence and The Future of Labor Demand［J］． Cambridge Journal of Regions， Economy and Society， 2020，13（1）： 25-35.

［24］毛其淋，许家云.政府补贴、异质性与企业风险承担［J］．经济学（季刊），2016，15（4）：1533-1562.

［25］阳镇，陈劲，商慧辰.何种经历推动数字化：高管学术经历与企业数字化转型［J］．经济问题，2022，518（10）：1-11.

［26］胡元木，刘佩，纪端.技术独立董事能有效抑制真实盈余管理吗？——基于可操控R&D费用视角［J］．会计研究，2016（3）：29-35，95.

［27］李敏，黄海艳.工业机器人应用与制造业企业创新绩效——基于研发投入和员工知识能力的中介效应［J］．中国人事科学，2022（3）：73-84.

［28］贾俊生，刘玉婷.数字金融、高管背景与企业创新——来自中小板和创业板上市公司的经验证据［J］．财贸研究，2021，32（2）：65-76，110.

［29］李懿，刘翔宇，李新建.员工创新行为生成机制研究——基于双元开发主体的交互效应模型［J］．科技进步与对策，2021，38（21）：118-125.

［30］李静芝，李永周.组织创新氛围、网络嵌入对员工创新行为的影响［J］．科技进步与对策，2022（5）：1-9.

［31］Fails J A， Olsen Jr D R. Interactive Machine Learning［C］//Proceedings of The 8th International Conference on Intelligent User Interfaces，2003： 39-45.

［32］胡元木.技术独立董事可以提高R&D产出效率吗？——来自中国证券市场的研究［J］．南开管理评论，2012，15（2）：136-142.

［33］齐鲁光，陈刚，于明涛.技术型核心高管、企业投资与期权价值［J］．科研管理，2021，42（7）：163-170.

［34］朱晋伟，赵曜.高管团队职能异质性对创新绩效的影响机制——基于创业板企业的实证分析［J］．河南师范大学学报（哲学社会科学版），2021，48（5）：45-51.

The Impact of Industrial Robot Application on Manufacturing Ambidextrous Innovation

——The Moderate Effects of Government Subsidy and Executives Technical Background

HUANG Hai-yan1，LI Min1，ZHANG Hong-bin2

（1. School of Business，Nanjing Audit University，Nanjing 211815，China；

2. Bureau of China Metallurgical Geology Bureau，Langfang 065201，China）

Abstract：With the rapid development of the new generation of information technology， the fading demographic dividend and the rising labor cost， industrial robots have become the main driving force to promote the transformation and high-quality development of the manufacturing industry. Based on the resource-based theory and the upper echelon theory， this paper explores the impact of industrial robot application on enterprise ambidextrous innovation （exploratory innovation and exploitative innovation） and the contingency factors of industrial robot application on enterprise ambidextrous innovation by using the data of A-share manufacturing listed companies in Shanghai Stock Exchange and Shenzhen Stock Exchange during the years from 2011 to 2018.The results show that the application of industrial robots has a positive U-shaped effect on exploratory innovation and a positive linear effect on exploitative innovation. Government subsidies and senior executives technical background can strengthen the positive U-shaped effect of industrial robot application on exploratory innovation. Government subsidies can strengthen the linear effect of industrial robot application on exploitative innovation， but the moderate effect of senior executives technical background is not significant. The results of two-stage regression show that the conclusion is still robust after solving the endogeneity problem.

Key words：industrial robot application；exploratory innovation；exploitative innovation；government subsidy；senor executives technical background

（責任编辑：周正）