组态视角下智能制造商业模式影响因素探究

谢卫红 袁子恒 李忠顺 王忠 王永健

【摘要】智能制造企业数字化与服务化转型过程中面临着商业模式选择困难、 价值难以实现等难题， 分析智能制造企业商业模式的前因组态及其绩效极为迫切。本文从数字化、 服务化角度讨论智能制造企业商业模式的概念内涵， 按服务化程度将智能制造企业商业模式划分成产品主导型、 服务主导型两类。通过遴选智能制造企业名录与A股制造企业进行匹配获得312个样本， 使用模糊集定性比较分析方法（fsQCA）检验形成两类商业模式的前因组态， 并通过OLS分析不同组态对企业绩效的影响。研究发现： 形成高产品主导型商业模式的组态包括基础设施驱动型（两种）、 基础设施与组织能力协同驱动型、 数字化驱动型四种， 形成高服务主导型商业模式的组态包括组织能力驱动型、 战略与组织能力协同驱动型、 高行业集中度下基础设施驱动型三种； 在高产品主导型商业模式的前因组态中， 数字化驱动型能够显著提升企业绩效； 在高服务主导型商业模式的前因组态中， 战略与组织能力协同驱动型会对企业绩效产生负向影响。

【关键词】智能制造；商业模式；产品主导；服务主导；影响因素

【中图分类号】F272      【文献标识码】A      【文章编号】1004-0994（2023）12-0100-8

一、 引言

在推进智能制造的过程中， 制造企业日益意识到商业模式的重要性， 并对已有模式不断进行调整和变革（Kagermann等，2013）。然而在实践中， 智能制造企业常常缺乏理论指导， 使得在设计与企业战略发展相匹配的商业模式的过程中捉襟见肘（Sarvari等，2018）。商业模式是智能制造企业发展过程中不可回避的重大议题。此外， 数字技术日益成为推动制造企业商业模式创新的主要驱动因素（Zott和Amit，2017）， 加速了制造企业数字化、 服务化转型的进程， 并促进了数字化与服务化二者间的融合， 甚至催生出新的商业模式形态（Guggenberger等，2020）， 但学术界对其产生的机制及价值创造关注不足。

商业模式在学术界已获得了大量的关注与讨论， 已有文献围绕其概念内涵、 影响因素、 形成机制及绩效等展开了颇为丰富的讨论（Foss和Saebi，2017；吴晓波和赵子溢，2017）。商业模式的内涵极为丰富， 以致有研究将其视为一个复杂的系统（吕鸿江等，2016）， 因此理解商业模式的形成机制显得尤为重要。归纳而言， 已有文献主要从组织情境（资源、 能力、 企业高管等）、 外部环境（行业、 政府等）两个方面进行了丰富的探索（Foss和Saebi，2017）， 但相关研究仍存在亟待拓展的空间： ①现有研究较多聚焦于单个理论视角和线性回归思维， 忽视了商业模式作为一个复杂的系统有可能同时受到多个因素的协同影响， 如何从更为整合式的理论视角剖析商业模式的形成机制逐渐成为学术界日益关注的议题。②既有研究大多关注创业企业或高新技术企业， 缺乏行业情境下的细致探讨。数字技术不断助推制造企业向智能化和服务化方向迈进（Frank等，2019）。智能制造作为推进我国制造强国战略的主攻方向， 为商业模式的研究提供了丰富的素材。例如， 智能制造企业商业模式的形成有很强的技术烙印， 数字技术与制造技术、 业务流程等方面的嵌入、 融合， 以及数字技术具有的可供性特征， 有可能会给企业价值带来不同类型的影响（刘祎和王玮，2019）。③数字化与服务化的关系引起了学术界的热烈讨论， 然而目前的研究较多地探讨二者在制造企业服务化转型过程中的内在关系（赵寰宇， 2021）， 虽然也有文献讨论二者融合所催生的新模式， 如数字服务化或数字商业模式（Guggenberger等， 2020）， 但对于数字化与服务化二者融合的组合效应、 潜在价值、 应用领域等缺乏进一步的研究（Paschou等， 2020）。

针对上述研究现状和不足， 本文从商业模式的角度切入， 以智能制造企业为研究对象， 在厘清智能制造企业商业模式内涵的基础上， 结合现有关于商业模式影响因素的研究， 识别出导致智能制造企业不同类型商业模式的重要因素， 同时采用fsQCA定性研究分析方法， 深入探讨智能制造企业实现服务化商业模式的前因组态及其对企业绩效的影响， 进一步拓展商业模式相关研究并对智能制造企业商业模式设计和创新提供积极的理论参考。

本文可能的理论贡献在于：

第一， 为商业模式类型选择提供了更为全景式的理论框架。商业模式的形成是一个不断演化的过程， 企业商业模式的形成取决于内外部资源、 能力与情境的相互匹配（Foss和Saebi，2017；吴晓波和赵子溢，2017）。本文通过提炼智能制造企业商业模式的六个影响因素， 分析高产品主导型和高服务主导型商业模式的前因组态， 揭示它们之间的异同和路径选择方面的侧重点， 为探究商业模式演进的内在机制提供了理论启示， 并深入拓展了现有的研究观点（ 刘祎和王玮，2019； 谢卫红等，2018）。

第二， 丰富了商业模式对企业绩效的影响研究。商业模式的实施需要协调和配合多方面的资源和组织结构， 因此其绩效回报可能不会立竿见影（Foss和Saebi，2017）。已有研究发现， 制造企业服务化既可能带来巨大的绩效收益， 也可能导致绩效下滑（Fang等，2008； Visnjic等，2016）。本文從整合式角度就商业模式不同路径对企业绩效的影响进行了分析， 发现只有数字化驱动型能够对企业绩效产生显著的正向影响， 而战略与组织能力协同驱动型对企业绩效会产生显著的负向影响。

第三， 为服务化与数字化的融合提供了基于商业模式的理论洞见。数字技术的广泛应用在激发企业数字化转型和创新意识、 促进产品不断新增数字化特征的同时， 也引发了对基于产品的增值服务的思考， 并进一步促进了有关服务化与数字化融合的讨论（Yoo等，2010；赵宸宇，2021）。服务化、 数字化商业模式不断变革传统的经营逻辑与价值创造方式（Zott和Amit，2017）， 本文从商业模式的角度切入， 分别探讨引致数字化与不同程度服务化融合的结果及其对企业绩效的影响。

二、 研究框架与文献回顾

（一）智能制造企业商业模式类型

智能制造作为一种由数据驱动的创新生产模式（安筱鹏，2019）， 是典型的由数字化引致的新兴生产模式。智能制造对企业资源基础、 战略以及商业模式等产生了深刻的影响（肖静华和李文韬，2020）。在商业模式方面， 数字技术与制造企业业务活动的交互融合， 催生出以数字化商业模式为代表的新兴价值创造模式（Guggenberger等，2020）。同时， 作为制造企业发展的主流趋势之一， 服务化广受学术界的热议（Raja等，2013）， 也引发了服务化与商业模式关系的争论： 一种观点认为服务化是表征企业价值逻辑的特定形式（Cortimiglia等，2016）， 本质上与商业模式是同一构念。另一种观点则认为服务化更多地体现为商业模式的价值主张（Laudien和Daxb?ck，2016）， 可以作为商业模式分类的标尺。例如， 制造企业服务化演进过程伴随着商业模式类型转变， 制造企业的服务化过程首先经历产品主导型商业模式， 继而转向服务主导型商业模式， 提供与产品或客户相关的服务（Raddats等，2019）。此外， 随着数字化影响的持续深入， 数字化与服务化不断融合且衍生出了一些新兴概念， 如数字服务化（Paschou等，2020）或数字服务化商业模式（Kohtam?ki等，2019）等。数字化商业模式能更快速准确地应对市场变化。

因此， 本文在整合商业模式、 制造业服务化、 数字化相关研究的基础上， 将智能制造企业的商业模式分为产品主导型和服务主导型两类， 并将其定义为制造企业以服务化为价值主张， 通过利用数字技术向客户提供数字化产品或服务并实现价值创造的价值逻辑。也就是说， 智能制造企业商业模式是数字化与服务化融合结果的表现形式。

（二）理论模型构建

学术界围绕商业模式的影响因素展开了广泛的探索。现有研究大多认为商业模式受到组织情境因素和外部环境因素的双重影响， 是企业内外兼修的过程。组织情境因素主要涉及企业高管团队、 资源和能力、 战略等多个要素， 外部环境因素则主要包括政府、 行业情境等（Foss和Saebi，2017；吴晓波和赵子溢，2017）。

但也可以看到， 商业模式作为动态发展和极具情境化的概念， 在智能制造情境下， 需要更加细致地分析其影响因素。当前， 数字技术正在对价值创造或收入模式产生重大影响。由数字技术及其硬件设施构成的数字化基础设施， 对商业模式创新越来越具有使能作用（刘洋等，2020）。商业模式设计也迫切需要企业从战略层面形成较为清晰的数字化导向， 以更好地理解数字化、 智能化带来的新的创新机会（Kindermann等，2020）。数字技术的可重编程性、 数据同质化以及自我参照性等特性， 使得数字技术具有可供性特征（Yoo等，2010）， 以致不同的制造企业在使用相同数字技术的情况下有可能在商业模式选择方面产生截然不同的结果（Henfridsson等，2018）。智能制造是制造企业数字化与服务化并驾齐驱的转型过程， 也是重构、 选择和形成更具竞争力的商业模式的过程， 其中高管团队的推动和支持无疑意义非凡（谢卫红等，2018）。同样地， 政府的作用也不容小觑， 尤其是对于智能制造企业而言， 政府前瞻性的谋划和政策指引以及资金扶持， 将在很大程度上影响智能制造企业商业模式的选择、 转型、 升级等。由于不同细分行业的智能制造企业的数字化水平不尽相同， 也有必要充分考虑行业因素所带来的影响（Zhou等，2019）。

基于前文的文献梳理， 结合智能制造企业的现实情境， 本文拟从组织情境、 外部环境两个方面对智能制造企业商业模式的影响因素进行考虑。在组织情境方面， 影响因素主要包括数字化基础设施、 数字化导向、 技术可供性、 高管团队支持四个方面； 在外部环境方面， 影响因素主要包括政府和行业两个方面。基于集合论视角和组态视角， 提出智能制造企业商业模式的前因组态概念模型， 如图1所示。

三、 研究方法

（一）定性比较分析（QCA）方法

本文主要揭示智能制造企业商业模式的前因组态。根据前文梳理， 前因往往是多重并发的， 各前因之间彼此依赖和相互作用共同引致结果（杜运周和贾良定，2017）， 因此采用定性比较分析方法（QCA）， 将研究对象视为多个条件变量不同组合方式下的组态， 旨在深入揭示智能制造企业不同类型商业模式的前因组合方式。鉴于本文采用的是二手数据， 从数据类型的角度考虑， 具体采用模糊集定性比较分析方法， 即fsQCA方法展开分析。

（二）样本选择与数据来源

本文的研究对象为智能制造企业， 参考现有研究和国家相关部委以及其他机构在智能制造企业方面的探索遴选企业名录， 来源主要包括如下四个方面： ①《中国智能制造企业百强榜暨中国智能制造业发展与趋势》白皮书企业名单（吴珊等，2020）； ②2015 ～ 2018年工业和信息化部公布的国家级智能制造试点示范项目名单以及2015 ～ 2019年各省工业和信息化厅官网公布的省级智能制造试点示范企业（含标杆示范企业）； ③2014 ～ 2019年工业和信息化部、 省级关于两化融合管理体系贯标试点企业名单； ④工业和信息化部公布的制造业与互联网融合发展试点示范名单。将上述四个来源的企业名录与A股上市制造企业进行匹配， 同时参考相关重要政策文件， 将行业聚焦在计算机、 通信和其他电子设备制造业、 电气机械及器材制造业等八个重点行业。剔除ST、 ?ST、 暂停上市等样本， 初步获得745家企业。

在此基础上借鉴成熟做法（Fang等，2008）， 根据企业年报中主营业务收入构成是否含有服务化收入对样本进行进一步筛选。若企业年报中没有明确的服务化收入， 则视为产品主导型商业模式；若具有明确的服务化收入， 则归类为服务主导型商业模式。在划分服务主导型商业模式时， 参考肖挺（2019）提出的服務收入类别标准， 具体分为产品导向型、 客户导向型服务标准。产品导向型服务主要是针对产品本身的服务， 包括维修维护、 安装、 检测、 更新等服务； 客户导向型服务包括咨询、 培训、 技术服务、 整体解决方案等。少量企业的服务化收入并未具体列出， 而是在“其他业务”或“其他主营业务”板块体现， 鉴于其所占比重十分低， 将这类企业归入产品主导型商业模式。鉴于智能制造企业的商业模式具有数字化烙印， 删除数字化投入为零的企业样本。此外， fsQCA在处理面板数据时有可能会使一致性和覆盖度不准确（Castro和Ari?o，2016）， 因此选取样本企业2017 ～ 2019的数据， 取三年的平均值作为截面数据进行分析。删除缺失值较为严重的样本， 共获得312家企业， 其中， 符合产品主导型商业模式的企业有182家， 符合服务主导型商业模式的企业有130家。

本文按照服务化水平将样本进行分离， 以比较两类模式前因组态的异同。从样本企业的遴选过程来看， 符合QCA分析强调案例的理论抽样的常规做法（Castro和Ari?o，2016）。本文数据主要来源于国泰安、 CCER等主流数据库， 数字化导向通过Wingo财经文本数据平台进行文本分析获得。样本共涉及八个行业， 行业分类参照GB/T 4754-2017《国民经济行业分类》的标准， 样本企业主要分布在计算机、 通信和其他电子设备制造业（25%）、 电气机械及器材制造业（18.91%）、 专用设备制造业（16.99%）、 医药制造业（13.14%）、 汽车制造业（12.18%）。

（三）结果与条件的测量和校准

1. 结果与条件的测量。

（1）商业模式。参考活动系统视角下商业模式的概念和相关测量方式（Zott和Amit，2009）， 将商业模式分为内容、 结构及治理三个方面。其中， 商业模式内容是指交易过程中的信息、 产品以及相关的基础资源与能力， 商业模式结构指的是交易中的各参与主体以及各主体的连接方式， 商业模式治理主要是指交易中管理产品、 信息或交易方式等的方法。具体测量方法如下： 从关键业务能力（各产品在不同行业的销售收入占总营业收入的比重的平方和）、 核心资源（无形资产账面价值占总资产的比例）两个方面测量商业模式内容； 从利益相关者的集中度和广度两个方面测量商业模式结构， 集中度主要包括客户、 供应商两个主体的集中度（前五大客户、 供应商集中度）， 广度则通过企业的关联者数量进行测量； 从企业内部激励角度测量商业模式治理， 具体来说， 采用高管持股、 两职兼任两个指标进行测量。在此基础上， 取上述三个方面的加权平均值测度商业模式。

（2）数字化基础设施。参考王宇等（2020）的研究， 使用数字化投资强度测量数字化基础设施。具体地， 从企业固定资产中提取与数字化相关的资产和从无形资产中提取与数字化相关的软件资产， 将二者求和并除以公司总资产， 得到企业在数字化基础设施方面的投入强度值， 表征数字化基础设施完善程度。

（3）数字化导向。参考Kindermann等（2020）的研究， 从数字技术范围、 数字化能力、 数字化生态系统协调、 数字化架构配置四个方面， 分别计算各维度涉及关键词在年报MD&A章节中的词频比例。本文充分结合智能制造企业的现实情境和年报内容的特点， 在相应的维度增加关于智能制造的词汇， 如： 在数字化能力维度增加智能制造、 服务型制造、 工业大数据等词汇， 在数字化生态系统协调维度增加工业互联网平台、 智能制造中心、 MES系统、 PaaS等词汇。将上述四个维度的词汇在年报MD&A章节中出现的词频除以MD&A章节词汇总数， 所获占比加总即为数字化导向。该值越大， 表示数字化导向越强。

（4）技术可供性。参考Hein等（2019）的研究， 从企业专利指标入手测量技术可供性。现有文献普遍认为发明专利是支持企业创新驱动发展的关键， 需要长期的研究和技术积累， 对软硬件设施和资源等的要求较高， 具有更高的探索性和创造性及不可预测性。因此， 本文选取公司该年度获得的发明专利数量， 在原始值加1的基础上取自然对数， 以此衡量技术可供性， 该值越大， 表示技术可供性越高。

（5）高管团队支持。本文使用高管团队异质性衡量高管团队支持（郭天娇和邹国庆，2020）。与张明等（2020）的研究一致， 通过高管团队成员在年龄、 性别、 教育水平和职能背景 四个人口统计学特征上的差异程度来测量高管团队异质性。职能背景异质性采用Blau分类指数计算， 鉴于高管存在多个职能背景， 参照邓新明等（2020）的做法， 将多个职能背景进行拆分并视为单独变量进行计算。将上述 四个指标标准化后取平均值即为高管团队异质性， 该值越大表明高管团队对商业模式创新的支持力度越大。

（6）政府支持。采用政府补贴额除以销售收入来表示政府支持， 该值越大表明政府支持力度越大。

（7）行业集中度。用赫尔芬达指数测量行业集中度， 该值越大表明行业集中度越高。

2. 結果与条件的校准。本文采用直接校准法对结果和条件进行校准， 旨在使用逻辑函数将原始数据转换为 1（完全隶属）、 0.5（交叉点）和 0（完全不隶属）三 个定性锚点间的分布。本文综合考虑了理论与实践及数据分布特点， 对结果和各条件进行针对性的校准。具体地， 高管团队支持参考张明等（2020）的校准方法， 采用90%、 50%、 10%进行校准， 对商业模式采用95%、 50%、 5%进行校准。在数字化导向方面， 鉴于本文使用文本分析方法展开测量， 而中国电子技术标准化研究院发布的《智能制造发展指数报告2020》显示， 越来越多的制造企业开始将智能制造融入企业的战略规划中， 在所调研的企业中有近九成企业拥有智能制造发展愿景， 本文所研究的对象具有极为明显的指向性， 因此对数字化导向采用95%、 50%、 5%的校准方式。其余条件均采用上、 下四分位数及二者的均值进行校准。各锚点值见表1。

四、 实证结果与分析

（一）单个条件的必要性分析

本文使用 fsQCA 3.0 软件分析必要条件检验结果。从表2可知， 形成两类商业模式的所有条件的一致性水平均不高于临界值 0.9， 表明六个条件中不存在引致结果的必要条件。

（二）条件组态的充分性分析

本文将原始一致性阈值设定为0.8， 将PRI一致性阈值设置为0.7， 考虑到样本规模和所纳入案例数的相关原则， 将产品主导型、 服务主导型商业模式的阈值均设定为2。通过中间解与简约解的嵌套关系对比来识别每种组态的核心条件和边缘条件。表3为实现高产品主导型商业模式、 高服务主导型商业模式的组态结果。从具体结果来看， 实现高产品主导型商业模式的组态有四种， 解的一致性为90%， 实现高服务主导型商业模式的组态则有三种， 解的一致性为91.4%。所有组态的一致性均超过了0.8， 且两类模式的解的覆盖度都达到了理论标准值（杜运周和贾良定，2017）。

1. 实现高产品主导型商业模式的组态分析。表3显示， 实现高产品主导型商业模式的组态共有四种。其中， 组态S1a与组态S1b的核心条件一致， 构成了二阶等价组态。

（1）基础设施驱动型。符合该路径的条件组态为S1a、 S1b。具体地， 组态S1a指出， 在技术可供性、 高管团队支持不足且行业集中度不高的情况下， 依托于完善的数字化基础设施， 辅以较强的数字化导向， 不论是否获得政府的支持， 都能实现高产品主导型商业模式。类似地， 组态S1b表明， 在数字化导向、 技术可供性、 高管团队支持、 政府支持不足且行业集中度较高的情况下， 发挥数字化基础设施的支撑作用能够形成产品主导型商业模式。组态S1a与S1b不同的地方在于， 作为辅助条件的数字化导向和行业集中度的情况不同。组态S1a表明， 在行业集中度不高即市场竞争较为激烈的行业环境下， 有必要从战略高度在企业内部构建和形成数字化导向， 以减少行业环境带来的不确定性。上述两类条件组态的共同特点为以完善的数字化基础设施为核心条件存在， 因此本文将这两类条件组态命名为“基础设施驱动型”。

（2）基础设施与组织能力协同驱动型。符合该路径的条件组态为S2。组态S2显示， 在缺乏政府支持且行业集中度较高即竞争强度不高的情形下， 依托于完善的数字化基础设施、 高技术可供性以及有力的高管团队支持， 不论企业是否具备数字化导向， 都能够实现高产品主导型商业模式。在行业集中度较高的环境下， 企业间的竞争趋于缓和， 市场结构趋于垄断态势， 企业的市场份额有可能会受到一定的挤压。要想在这种环境下突围， 企业可以在完善数字化基础设施的基础上， 提升组织层面的能力， 充分发挥主观能动性， 开展探索性创新活动， 利用长期研究和技术积累优化产品性能和提高产品质量。

（3）数字化驱动型。符合该路径的条件组态为S3。组态S3指出， 在技术可供性缺乏、 行业集中度较高的情形下， 企业以完善的数字化基础设施、 高数字化导向為核心条件， 充分利用政府的支持， 能够实现高产品主导型商业模式。在这个过程中， 来自高层管理者的支持变得无关紧要。尽管已有研究表明高管团队的支持对企业商业模式的设计和创新极为关键（谢卫红等，2018； 杨特等，2018）， 但该组态反映出当前一些智能制造企业在关注商业模式的过程中， 高管团队的作用并未突显出来， 而是主要依托数字化实现高产品主导型商业模式。

2. 实现高服务主导型商业模式的组态分析。从表3可以看出， 实现高服务主导型商业模式的组态共有三种。

（1）组织能力驱动型。符合该路径的条件组态为C1。组态C1表明， 在缺乏完善的数字化基础设施、 数字化导向、 政府支持且行业集中度较高的情形下， 具备高技术可供性的智能制造企业能够实现高服务主导型商业模式， 在此过程中， 高管团队的支持并不重要。由此可见， 在行业集中度较高的环境下， 技术可供性对于实现高服务主导型商业模式能够起到重要的作用。有研究指出， 实施服务主导型商业模式的企业所具备的知识、 能力与实施产品主导型商业模式的企业有所不同。实施服务主导型商业模式不仅需要具备与产品相关的技术知识， 如工程技能以及产品架构和功能方面的知识， 而且还依赖于一种全新的能力， 如管理咨询、 金融、 物流等（Fang等，2008）。对于智能制造企业而言， 这些全新的能力更体现为企业如何思考和协调技术与行为主体二者间的互动关系（Markus等，2008）。

（2）战略与组织能力协同驱动型。符合该路径的条件组态为C2。组态C2表明， 在缺乏完善的数字化基础设施且行业集中度不高的情形下， 较强的数字化导向、 较高的技术可供性以及高管团队有力的支持构成实现高服务主导型商业模式的充分条件。在这个过程中， 来自政府的支持变得无关紧要。从组态C2可以看出， 行业集中度不高意味着企业有可能面临较为激烈的行业竞争， 加之内部数字化基础设施不完善， 需要企业在战略（数字化导向）和组织能力（技术可供性、 高管团队异质性）的协同作用下驱动高服务主导型商业模式的实现。

（3）高行业集中度下基础设施驱动型。符合该路径的条件组态为C3。组态C3表明， 在行业集中度较高且数字化导向、 技术可供性、 高管团队支持、 政府支持都缺乏的情况下， 依托完善的数字化基础设施能够实现高服务主导型商业模式。值得注意的是， 该条件组态与实现高产品主导型商业模式中的组态S1b非常接近，它们之间主要的区别在于行业集中度是否作为核心条件存在， 也即呈现出明显的环境匹配特征。换言之， 在行业集中度较高（竞争强度不高）的环境中， 企业能够充分依托数字化基础设施设计和提供与产品、 客户相关的服务， 完善的数字化基础设施是对于实现高服务主导型商业模式极为重要的资源基础与核心支撑。

（三）稳健性检验

与以往研究一致（杜运周和贾良定，2017）， 首先， 将原始一致性由原来的0.8提高至0.85， 发现产生的组态与原有组态基本一致。其次， 将PRI一致性由0.7提高至0.75， 此时产生高产品主导型商业模式的前因组态与原有组态也基本一致， 产生高服务主导型商业模式的前因组态虽然只有一组， 但也为原有组态的子集（见表4）。因此， 本文的结论较为稳健。

五、 进一步分析： 不同组态对企业绩效的影响

本文分析了实现高产品主导型和高服务主导型商业模式的不同路径， 发现它们的前因组态差异明显。接下来， 本文将进一步研究不同路径对企业绩效的影响， 以为智能制造企业选择和实施商业模式提供理论支持， 并拓展商业模式与绩效关系和制造企业服务化转型等理论方面的研究。本文将每种组态作为自变量进行度量， 并根据交集情况计算各个变量的值。其中， 因变量企业绩效选择对外部环境敏感度不高且相对稳健的销售回报率（ROS）进行测量， 在后续使用息税前营业利润率（EBIT）进行稳健性检验（肖挺，2019）。同时， 参考相关研究（张明等，2020）， 选取企业年龄、 企业规模、 企业性质、 资产结构、 制造类型、 荣誉资源以及资产负债率作为控制变量。随后采用OLS回归分析方法进行实证分析， 结果如表5所示。其中， 模型1和模型3分别考察了产品主导型商业模式和服务主导型商业模式下控制变量与企业绩效间的关系， 模型2和模型4分别考察了产品主导型商业模式和服务主导型商业模式与企业绩效间的关系。

从表5中可以看到， 实现高产品主导型商业模式的四种组态中， 只有数字化驱动型能够对企业绩效产生显著的正向影响（β=0.161，t=2.293）， 其余组态对企业绩效的影响并不显著。在实现高服务主导型商业模式的三种组态中， 只有战略与组织能力协同驱动型对企业绩效具有显著的负向影响（β=-0.203，t=-2.604）。由此可以看出， 两种不同的组态对企业绩效会产生截然相反的影响。通过上述分析可以看到， 数字化驱动型与战略和组织能力协同驱动型均是各自组态集合中原始覆盖率最高的组态， 也即分别代表了实现高产品主导型、 高服务主导型商业模式中最典型的类型。同时， 以往研究表明实施服务主导型商业模式在短期内并不能有效促进企业绩效的提升， 反而有可能對企业绩效带来负向影响（肖挺，2019）， 本文的研究结论进一步对以往研究进行了回应。

表6是将息税前营业利润率替代ROS所做的稳健性检验， 数据分析结果与表5的回归结果本质上是一致的， 说明模型具有一定的稳健性。

六、 研究结论与实践启示

（一）研究结论

本文从服务化的角度将智能制造企业的商业模式分为产品主导型和服务主导型两种。使用fsQCA方法综合讨论六个条件对两种商业模式的组态效应。研究发现： 实现高产品主导型商业模式的路径有四条， 即基础设施驱动型（S1a和S1b）、 基础设施与组织能力协同驱动型、 数字化驱动型； 实现高服务主导型商业模式的路径有三条， 即组织能力驱动型、 战略与组织能力协同驱动型， 以及高行业集中度下基础设施驱动型； 数字化驱动型能够显著促进企业绩效的增长， 战略与组织能力协同驱动型则会对企业绩效产生不利影响。

（二）实践启示

本文提供了智能制造企业在实施高水平商业模式方面的路径选择和思考， 以及在服务化、 数字化转型方面的长期主义心态和理论借鉴。智能制造企业应该进行全方位审视以选择合适的商业模式（产品主导型或服务主导型）。在实现高产品主导型商业模式的过程中， 企业应多关注基础设施投入和数字化战略； 而在实施服务主导型商业模式的过程中， 企业则可以多聚焦数字化战略的形成和组织能力的提升。同时， 智能制造企业应该以长期主义心态实施服务化、 数字化转型， 重点关注商业模式的选择、 调整和升级。

【 主 要 参 考 文 献 】

邓新明，刘禹，龙贤义等．高管团队职能异质性与企业绩效关系研究： 基于管理者认知和团队冲突的中介分析［ J］．管理工程学报，2020（3）：32 ～ 44．

杜运周，贾良定．组态视角与定性比较分析（QCA）：管理学研究的一条新道路［ J］．管理世界，2017（6）：155 ～ 167．

郭天娇，邹国庆．高管团队异质性、惯例更新与商业模式创新：有调节的中介效应模型［ J］．商业研究，2020（7）：8 ～ 14．

刘洋，董久钰，魏江．数字创新管理：理论框架与未来研究［ J］．管理世界，2020（7）：198 ～ 217+219．

吕鸿江，程明，吴利华．CAS视角下的商业模式设计与组织适应性［ J］．管理科学学报，2016（9）：94 ～ 108．

王宇，王铁男，易希薇．R&D投入对IT投资的协同效应研究 ——  基于一个内部组织特征的情境视角［ J］．管理世界，2020（7）：77 ～ 89．

吴珊，龚业明，张金隆．中国智能制造百强评价及发展研究［ J］．管理学报，2020（2）：159 ～ 165．

吴晓波，赵子溢．商业模式创新的前因问题：研究综述与展望［ J］．外国经济与管理，2017（1）：114 ～ 127．

肖静华，李文韬．如何应对“一管就死，一放就乱”的管理困境 ——  索菲亚家居高层管理团队的适应性管理之道［ J］．管理学报，2020（11）：1581 ～ 1593．

肖挺．制造企业服务化商业模式与产品创新投入的协同效应检验 —— “服务化悖论”的一种解释［ J］．管理评论，2019（7）：274 ～ 285．

谢卫红，李忠顺，苏芳等．高管支持、大数据能力与商业模式创新［ J］．研究与发展管理，2018（4）：152 ～ 162．

杨特，赵文红，李颖．创业者经验宽度、深度对商业模式创新的影响：创业警觉的调节作用［ J］．科学学与科学技术管理，2018（7）：88 ～ 104．

张明，蓝海林，陈伟宏等．殊途同归不同效：战略变革前因组态及其绩效研究［ J］．管理世界，2020（9）：168 ～ 186．

赵宸宇．数字化发展与服务化转型 —— 来自制造业上市公司的经验证据［ J］．南开管理评论，2021（2）：149 ～ 163．

Cortimiglia M. N.， Ghezzi A.， Frank A. G.. Business model innovation and strategy making nexus： Evidence from a cross-industry mixed-methods study［ J］．R&D Management，2016（3）：414 ～ 432．

Foss N. J.， Saebi T.. Fifteen years of research on business model innovation： How far have we come，and where should we go？［ J］．Journal of Management，2017（1）：200 ～ 227．

Frank A. G.， Dalenogare L. S.， Ayala N. F.. Industry 4.0 technologies： Implementation patterns in manufacturing companies［ J］．International Journal of Production Economics，2019（4）：15 ～ 26．

Guggenberger T.， M?ller F.， Boualouch K.， et al.. Towards a unifying understanding of digital business models［A］．Dubai： 24th Pacific Asia Conference on Information Systems，2020．

Hein A.， Soto Setzke D.， Hermes S.， et al.. The influence of digital affordances and generativity on digital platform leadership［A］．Munich： 40th International Conference on Information Systems，2019．

Henfridsson O.， Nandhakumar J.， Scarbrough H.， et al.. Recombinationin the open-ended value landscape of digital innovation［ J］．Information and Organization，2018（2）：89 ～ 100．

Kohtam?ki M.， Parida V.， Oghazi P.， et al.. Digital servitization business models in ecosystems： A theory of the firm［ J］．Journal of Business Research，2019（104）：380 ～ 392．

Kindermann B.， Beutel S.， De Lomana G. G.， et al.. Digital orientation： Conceptualization and operationalization of a new strategic orientation［ J］．European Management Journal，2020（5）：645 ～ 657．

Laudien S. M.， Daxb?ck B.. The influence of the industrial internet of things on business model design： A qualitative-empirical analysis［ J］．International Journal of Innovation Management，2016（8）：1640014．

Paschou T.， Rapaccini M.， Adrodegari F.， et al.. Digital servitization in manufacturing： A systematic literature review and research agenda［ J］．Industrial Marketing Management，2020（8）：278 ～ 292．

Raddats C.， Kowalkowski C.， Benedettini O.， et al.. Servitization： A contemporary thematic review of four major research streams［ J］．Industrial Marketing Management，2019（83）：207 ～ 223．

Visnjic I.， Wiengarten F.， Neely A.. Only the brave： Product innovation，service business model innovation，and their impact on performance［ J］．Journal of Product Innovation Management，2016（1）：36 ～ 52．

Yoo Y.， Henfridsson O.， Lyytinen K.. Research commentary — The new organizing logic of digital innovation： An agenda for information systems research［ J］．Information Systems Research，2010（4）：724 ～ 735+1008．

Zhou Y.， Zang J.， Miao Z.， et al.. Upgrading pathways of intelligent manufacturing in China： Transitioning across technological paradigms［ J］．Engineering，2019（4）：691 ～ 701．

Zott C.， Amit R.. Business model innovation： How to create value in a digital world［ J］．Gfk Marketing Intelligence Review，2017（1）：18 ～ 23．