智能制造对制造企业创新效率的非线性影响

杜传忠 王晓蕾

摘 要： 增强制造业创新能力是实施制造强国的重点任务，深度探究制造业转型升级中的创新效率问题有助于推动制造业创新发展。基于2013—2019年中国沪深A股制造业上市公司的数据，通过实证考察智能制造对制造企业创新效率的非线性影响，并探究制造业服务化在其中的调节作用，研究结果表明：智能制造对我国制造企业创新效率具有显著U型影响效应，主要影响机制是通过降低内部组织成本、减少企业内部融资两个途径提升制造企业创新效率。通过非线性影响的调节效应模型检验发现，制造业服务化对智能制造与制造企业创新效率的非线性关系起到正向调节作用，制造业服务化水平越高，智能制造前期对企业创新效率的负面影响就越弱。异质性分析发现，在大规模或实施策略性创新的企业中智能制造与制造企业创新效率的U型影响关系较显著。为此，企业应系统应对智能制造应用过程中不同阶段对企业创新驱动的作用效应，充分发挥服务化转型对推动智能制造创新发展的重要作用，要根据自身规模和创新方式等选择适宜的智能制造推进路径。同时，应充分发挥政府对智能制造的协调、支持作用。

关键词： 智能制造；服务化转型；企业创新效率；非线性影响

中图分类号：F407  文献标志码：A  文章编号：1006-0766（2024）01-0037-15

2023年中央经济工作会议系统部署了2024年经济工作的9项重点任务，首项即是以科技创新引领现代化产业体系建设。制造业作为我国实体经济的基础与主导，其创新能力和创新效率直接影响我国现代化产业体系建设的质量和水平。现阶段，我国制造业“大而不强”、企业创新效率不高的问题较为突出，并且面临着来自国内的成本竞争优势消失与国际上以美国为代表的发达国家“制造业回流”的双重挤压。如何提升我国制造业的创新效率和能力，实现制造业的规模优势向创新和效率优势转换，是实现制造业高质量发展、加快建设现代化产业体系的重点任务。面对新一轮科技革命与产业变革机遇，智能制造成为我国制造强国建设的主攻方向，同时也是提高制造业创新效率和创新能力的重要路径。

智能制造最早由美国学者赖特（P.K.Wright）和伯恩（D.A.Bourne） 在《智能制造》（Manufacturing Intelligence）一书中提出，是指“机器人应用制造软件系统技术、集成系统工程以及机器人视觉等技术，实行批量生产的系统性过程”。随着数字技术、智能技术等新兴领域技术与现代制造技术的深度融合，智能制造相关技术、业态和生产体系得到快速发展与升级，以多层次、多维度的表现形式拓宽了智能制造的外延，但智能制造的内涵本质上始终以制造企业对高水平数字化技术的大规模应用为核心。宏观意义上的智能制造与国家制造业资源配置能力和水平相关，是包含整个制造业生产和管理体系的复杂系统。本文所研究的智能制造，主要是微观意义上的生产智能化，它是宏观意义上智能制造的基础，主要内容是制造企业通过构建智能化生产系统、网络化分布生产设施，从而实现智能化转型的生产过程，尚不具备贯穿设计、生产、管理、服务等制造业全链条的全面智能化特征。

目前我国数字化发展整体上还存在一定的不平衡、不充分问题，多数制造企业尚处于智能化改造初期，对人工智能技术、设施设备的引进与实际应用还存在一定的盲目性与片面性，加上科技创新存在底层技术基础的关键短板以及中小企业面临“不会转、不能转、不敢转”的困境，导致智能制造并没有带来明显的创新产出，造成创新效率低下。党的二十大报告明确提出，要推进先进制造业与现代服务业深度融合。为此，本文不仅从智能制造初期创新驱动效应不足的现实出发，深入考察智能制造对制造企业创新效率的影响关系，而且基于先进制造业与现代服务业深度融合的背景，探究制造业服务化对智能制造推动制造业创新发展的重要影响。

一、文献综述

与本研究相关的文献可以分为三个方面，分别是智能制造对制造企业创新效率的影响、智能制造与服务化转型的相互关系以及服务化转型对制造企业创新效率的影响。

首先，关于智能制造对制造企业创新效率的影响效应研究。相关研究可以追溯到人工智能、工业自动化等智能制造关键技术或模式的创新影响。刘斌和潘彤刘斌、潘彤：《人工智能对制造业价值链分工的影响效应研究》，《数量经济技术经济研究》2020年第10期。认为人工智能具有技术创新效应，能够促进新知识的发现，同时对既有知识实现排列组合式创新，不仅可以提高研发创新效率，还可以加速场景创新，实现制造企业的创新发展。诸竹君等诸竹君等：《工业自动化与制造业创新行为》，《中国工业经济》2022年第7期。将生产率和研发效率双重异质性纳入扩展理论框架，论证了工业自动化通过正向效率增进效应和技能互补效应、异质性的技术选择效应和行业竞争效应，影响制造企业创新行为。其中，大部分文献侧面论证了智能制造对制造业创新具有正向促进效应，基本作用机制表现为通过提高企业信息处理能力、权小锋、李闯：《智能制造与成本粘性——来自中国智能制造示范项目的准自然实验》，《经济研究》2022年第4期。优化企业人力资本结构，Zafar Nazarov and Alisher Akhmedjonov，“Education，On-the-job Training，and Innovation in Transition Economies，”Eastern European Economics，vol.50，no.6（2012），pp.28-56.以及缓解企业融资约束，尹洪英、李闯：《智能制造赋能企业创新了吗？——基于中国智能制造试点项目的准自然试验》，《金融研究》2022年第10期;S. J. Garca-Dastugue and D. M. Lambert，“Internet-Enabled Coordination in the Supply Chain，”Industrial Marketing Management，vol.32，no.3（2003），pp.251-263.从而促进企业创新。然而，也有一部分文献认为，由于存在较大的投资成本、孟凡生等：《“智能+”对制造企业创新绩效的影响机制研究》，《科研管理》2022年第9期。现有生产管理系统刚性、资源使用方式固化A. Haug et al.，“The Impact of Information Technology on Product Innovation in SMEs： The Role of Technological Orientation，”Journal of Small Business Management，vol.61，no.2（2023），pp.384-410.等限制因素，智能制造实施初期不会对制造企业创新效率产生促进作用。来自劳动生产率效应方面的研究也有类似发现，如程文程文：《人工智能、索洛悖论与高质量发展：通用目的技术扩散的视角》，《经济研究》2021年第10期。基于通用目的技术扩散视角，论述了人工智能采用和扩散初期，劳动生产率增长会经历较长的低迷阶段，从而影响高质量发展，而劳动生产率增长其实也是创新产出的一种表现形式。还有文献指出信息技术投资对创新不仅有促进作用，还会由于动态的调整成本抑制創新，通过实证进一步发现信息技术投资与企业创新绩效的影响关系表现为非线性的特征，P. P. Karhade and John Qi Dong，“Information Technology Investment and Commercialized Innovation Performance： Dynamic Adjustment Costs and Curvilinear Impacts，”Mis Quarterly，vol.45，no.3（2021），pp.1007-1024.从信息技术层面初步揭示了智能制造与创新效率存在非线性的影响关系。

其次，关于智能制造与制造业服务化相互关系的研究。作为大数据、云计算、人工智能等新一代信息技术与制造业深度融合形成的新型生产方式，智能制造与制造业服务化转型存在密切的互为发展关系。现有研究从工业机器人、数字技术、矫萍、陈甬军：《数字技术创新驱动现代服务业与先进制造业深度融合》，《光明日报》2022年8月9日，第11版;李晓华：《数字技术推动下的服务型制造创新发展》，《改革》2021年第10期。工业互联网王晓蕾等：《工业互联网赋能服务型制造网络的演化逻辑与路径优化研究》，《经济学家》2022年第10期。等智能制造具体技术特征、模式和平台等不同层面揭示二者之间的关系。这些研究发现，智能制造的发展与应用不仅是促進制造业服务化创新发展的根本动力，而且会对制造业服务化的推进和深化提出新的需求，二者之间形成相互激发、相互推进的协同发展态势。其中，高翔和张敏高翔等：《工业机器人应用促进了“两业融合”发展吗？——来自中国制造企业投入服务化的证据》，《金融研究》2022年第11期。论证了工业机器人作为人工智能技术重要研究方向之一，通过促进技术创新、延长生产链条和提高生产效率，显著提高了中国制造企业的服务增加值率。赵宸宇赵宸宇：《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》，《南开管理评论》2021年第2期。认为数字化发展通过提高创新能力和优化人力资本结构，促进了制造企业服务化转型，指出智能制造是企业服务化转型的基础，制造业服务化转型将在高质量智能制造基础上衍生出更多的服务化需求。

最后，关于制造业服务化与制造企业创新效率的影响研究。现有研究多数认为，通过服务要素的投入和供给，制造业服务化贯穿于企业从创新行为来源、创新要素投入到创新产出的全过程，对制造企业创新效率具有明显提升的作用。从创新行为的来源来看，制造企业服务化转型推动企业管理从以产品生产为中心转变为以客户需求为中心，使企业为满足客户个性化需求进行创新。徐振鑫等：《制造业服务化：我国制造业升级的一个现实性选择》，《经济学家》2016年第9期。从创新要素的投入来看，制造企业能够把知识、技术、信息、人力等创新要素以服务要素为载体，嵌入制造业价值链中，从而实现企业创新。李方静：《制造业投入服务化与企业创新》，《科研管理》2020年第7期。从创新产出来看，服务化转型使得企业以客户需求为中心提供衍生服务，产生商业模式上的服务创新。L. J. Menor and A. V. Roth，“New Service Development Competence in Retail Banking： Construct Development and Measurement Validation，”Journal of Operations Management，vol.25，no.4（2007），pp.825-846.然而，还有部分研究认为，制造企业自身服务化转型能力与发展条件的不足，刘维刚、倪红福：《制造业投入服务化与企业技术进步：效应及作用机制》，《财贸经济》2018年第8期。或者外部市场环境的风险和不确定性，V. Mathieu，“Service Strategies within the Manufacturing Sector： Benefits，Costs and Partnership，”International Journal of Service Industry Management，vol.12，no.5（2001），pp.451-475.都可能使企业陷入“服务化困境”，H. Gebauer，E. Fleisch and T. Friedli，“Overcoming the Service Paradox in Manufacturing Companies，”European Management Journal，vol.23，no.1（2005），pp.14-26.从而造成服务化对制造业创新的负面影响。不过，随着数字经济的发展，数据、算力、算法等成为新型生产要素并不断重塑生产要素供给体系，通过对劳动、资本等传统生产要素的功能倍加和智能替代，洪银兴、任保平：《数字经济与实体经济深度融合的内涵和途径》，《中国工业经济》2023年第2期。会逐渐打破制造业能力不足与传统资源稀缺的限制。同时互联互通、大数据集成、智能计算等技术的发展，为企业获取市场的完备信息提供基础，何大安：《互联网应用扩张与微观经济学基础——基于未来“数据与数据对话”的理论解说》，《经济研究》2018年第8期。降低了由外部环境带来的风险和不确定性，进而缓解了制造企业的“服务化困境”，使服务化能够促进制造业创新。

综上，现有文献为厘清智能制造、服务化转型与制造业创新效率间的影响关系提供了重要的参考，但仍存在进一步研究的空间。首先，有必要进一步深化对智能制造影响制造业创新的内在机制研究。大部分文献认为智能制造对创新效率有促进的作用，但受成本、组织等约束，智能制造的创新驱动效应可能无法发挥，甚至会对企业创新效率产生非线性的影响，少有研究进一步探讨智能制造对创新效率非线性影响的内在机制。其次，有必要从更高的维度、系统性层面揭示智能制造与服务化转型之间的相互作用关系。现有文献往往从具体的技术特征和模式侧面揭示智能制造与服务化转型的重要联系，缺乏对智能制造与制造业服务化两者关系的深入考察。最后，有必要以服务化转型为切入点，深化智能制造对制造企业创新效率的影响研究。现有文献并没有结合智能制造、制造业服务化与制造企业创新效率的相互关系，从理论或实证上探讨能否利用服务化转型对制造业创新的促进作用来实现智能制造对制造企业的创新驱动效应。

二、制度背景与典型事实

（一）制度背景

我国智能制造是在新一轮科技革命与产业变革背景下不断发展与演进的，其发展演进过程与我国推进工业化和信息化深度融合的历史进程是一致的。

智能制造的发展最早可追溯到传统的自动化制造阶段，之后随着新一代信息技术的发展，先后经历了数字化制造、网络化制造与智能化制造阶段。在传统自动化制造阶段，我国通过引进成套的自动化设施设备，开始用机器人代替人的体力劳动和部分脑力劳动进行生产制造。自动化主要表现为在没有人或有较少人参与的情况下，通过对机器设备、系统或某种生产、管理过程进行控制，使其完成某种业务和任务的过程。而在传统大规模标准化生产模式下，自动化制造强调生产流程上实现重复性的作用并完成预期生产目标的过程。在大规模生产条件下，传统自动化制造虽然能够提高劳动生产效率，但也使得制造企业形成相对刚性的生产系统和组织结构，难以及时适应市场需要的变化。

随着新一轮科技革命和产业变革的发生发展和推进，制造业生产方式、企业组织和运行模式等发生深刻变化，智能制造从传统自动化制造阶段逐渐进入数字化制造、网络化制造与智能化制造阶段，这三种新型制造模式实质上是在新一代信息技术与制造技术融合基础上，运用数字化、网络化、智能化技术提升制造业效率和质量的新型制造方式。从数字化、网络化与智能化的关系看，数字化、网络化是智能化的基础，实现智能化变革必须以实现数字化、网络化为发展前提，而智能化则是数字化、网络化发展的新阶段和更高水平。我国智能制造将循着从数字化制造、网络化制造进一步向智能化制造发展演进的过程，在这一过程中制造企业生产经营决策的自感知、自决策、自执行能力进一步增强，企业运营效率也将得到进一步提升。

发展智能制造是数字经济背景下我国打造制造业竞争优势的关键举措。早在“十一五”期间，国务院发布的《国家中长期科学和技术发展规划纲要（2006—2020年）》《国家中长期科学和技术发展规划纲要（2006—2020年）》，https：∥www.gov.cn/gongbao/content/2006/content_240244.htm，2023年4月20日。已明确将“智能制造”作为重点突破的先进制造技术之一。“十二五”期间，我国先后出台了《国务院关于加快培育和发展战略性新兴产业的决定》《国家“十二五”科学和技术发展规划》以及《智能制造科技发展“十二五”重点专项规划》，将智能制造装备列为高端装备的重要发展方向，开始大力推进工业机器人的发展应用。2015年，由国务院发布的《中国制造2025》《国务院关于印发〈中国制造2025〉的通知》，https：∥www.gov.cn/xinwen/2016-12/08/content_5145162.htm，2023年4月20日。明确将推进智能制造作为主攻方向，首次从国家战略规划层面提出对制造业智能化转型的政策支持。2016年，由工业和信息化部、财政部联合发布的《智能制造发展规划（2016—2020）》《〈智能制造发展规划（2016—2020年）〉正式发布》，https：∥www.gov.cn/xinwen/2016-12/08/content_5145162.htm，2023年4月20日。是指导“十三五”期间我国智能制造发展的纲领性文件，明确提出，到2020年，智能制造发展基础和支撑能力要明显增强，传统制造业重点领域基本实现数字化制造，有条件、有基础的重点产业智能转型取得明显进展；到2025年，智能制造支撑体系要基本建立，重点产业初步实现智能转型。目前我国智能制造正处于以自动化为基础，推动制造业数字化、网络化、智能化发展的重要阶段。2021年12月，工信部、国家发改委等八部门发布的《“十四五”智能制造发展规划》《八部门关于印发〈“十四五”智能制造发展规划〉的通知》，https：∥www.gov.cn/zhengce/zhengceku/2021-12/28/content_5664996.htm，2023年4月20日。明确提出，到2025年，规模以上制造業企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化；到2035年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。2022年1月，由国务院发布的《“十四五”数字经济发展规划》《国务院关于印发〈“十四五”数字经济发展规划〉的通知》，https：∥www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm，2023年4月20日。明确提出，要深入实施智能制造工程，大力推动装备数字化，开展智能制造试点示范专项行动，完善国家智能制造标准体系。2023年2月，由中共中央、国务院印发的《数字中国建设整体布局规划》《中共中央 国务院印发〈数字中国建设整体布局规划〉》，https：∥www.gov.cn/zhengce/2023-02/27/content_5743484.htm，2023年4月20日。提出，要做强做优做大数字经济，推动数字技术和实体经济的深度融合，在工业等重点领域加快数字技术创新应用。从政府及相关部门制定实施的有关智能制造的规划、战略或行动计划轨迹看，制造业数字化、智能化或智能制造在我国数字经济发展中所处的地位越来越重要，这与我国把发展经济的着力点放在实体经济上，而制造业又是实体经济的基础与核心的定位是相吻合的，同时也符合智能制造作为建设制造强国同发展数字经济的有机结合部、数字经济与实体经济的深度融合体的职能特征。《中国工程院院士周济：今后15年是新一轮工业革命核心技术发展的关键时期》，https：∥new.qq.com/rain/a/20220625A04KDL00，2023年11月20日。

（二）典型事实

现阶段我国多数制造企业处于数字化、网络化阶段，只有少量企业达到智能化阶段，智能制造的发展水平相对不高，提升智能制造水平是我国制造业高质量发展的重要任务，是制造强国建设的主攻方向。从制造业发展的产业逻辑和技术逻辑看，制造企业推进智能制造的过程，前期需要满足自动化、信息化等基础条件，要求企业投入自动化设备以及建设计算机信息系统，利用机器设备对自身和生产过程的自感知与自动控制等实现数据采集，并将传统业务中的流程和数据通过信息系统进行处理。在此基础上，企业还需要通过应用大数据、云计算、边缘计算、物联网等新一代信息技术对企业自动化设备和信息系统进行改进与升级，从而不断提升制造过程的数字化、网络化水平，并在此基础上进一步跃升到智能化阶段，在这个过程中制造企业创新水平和创新效率将实现提升。

但从现实看，我国制造企业较多地存在忽视自身智能转型的基础条件，盲目推进智能化改造，最终导致企业智能化转型效益不佳的困境。根据艾瑞咨询发布的最新调查数据显示，我国制造企业数字化转型仍然以中央国企和大型民企为主，表现出需求金额高、持续时间长的特点。尤其对于重资产投入的装备制造企业，智能化改造的成本高昂。而且作为传统制造行业，装备制造企业利润率总体较低，数字化、智能化技术的应用在短时间内难以产生明显收益。例如，作为国内装备行业的“标杆”企业，合肥合锻智能从2017年开始依托工业互联网进行数字化转型升级，但就“数字化升级”项目投资收益率来看，截至2022年，5年来基本未产生盈利。数据来源于央视网https：∥news.cctv.com/2022/11/16/ARTIyDZJVTp8LeKGMFXl9532221116.shtml，2023年4月20日。

而从智能制造的具体应用看，目前我国制造企业实施智能制造主要解决了企业生产上制造效率低和精度低等基本问题，尚没有明显发挥促进制造企业创新效率提升的作用。制造业智能化改造的程度基本停留在产业链的中低端环节，尚没有涉及高端核心环节，对制造业总体创新效率和竞争力提升的作用有待進一步提升。据中国机械工业联合会发布的《2022年中国机器人产业数据》显示，2015至2022年，中国工业机器人产量由3.3万台增长至44.3万台，年均增长44.9%，在制造业机器人密度方面，我国的国际排名从2015年的第25名上升至2022年的第5名。《规模持续高增长后 机器人产业发展大会上多方聊起了产业链合作》，https：∥www.eeo.com.cn/2023/1207/617574.shtml，2023年12月20日。然而，我国工业机器人自主品牌市场占有率始终徘徊在30%左右，且主要集中在中低端市场，与我国工业机器人生产和消费的大国地位相比形成明显落差。

三、作用机制与研究假设

制造业转型升级的核心在于创新。我国推进新型工业化，实际上就是在以数字经济为代表的新一轮科技革命和产业变革下探索创新发展的过程。中国社会科学院工业经济研究所课题组（史丹等）：《新型工业化内涵特征、体系构建与实施路径》，《中国工业经济》2023年第3期。智能制造与制造业服务化转型均表现为新一轮科技革命与产业变革对生产方式的重塑，而两者侧重点不同，前者侧重于新一代信息技术对制造环节的融合，后者侧重于基于生产的产品和基于消费的服务间的融合。

（一）智能制造提升制造业创新效率的机制

1.降低企业内部组织成本效应

智能制造的应用会降低企业的内部组织成本。智能制造作为贯穿制造活动各环节的新型生产方式，能够以信息技术的大规模应用为融合媒介，通过数据要素的流通，形成生产管理一体化的智能制造系统，消除企业组织内的信息不对称，同时缓解设计、研发、生产与销售等各环节的资源和技术错配，降低内部组织成本。

而制造企业内部组织成本的减少有利于提高制造业创新效率。企业创新从投入到产出的过程需要汇聚来自设计、研发、生产与销售等各环节的知识，通过知识的不断传播与交互，使得研发创新与产品生产全过程有效融合，从而实现价值增值。基于此，随着智能制造的进一步推进，不仅实现了产品研发的数字化，而且通过降低内部组织成本，显著促进了制造知识的传播与共享，使得智能制造系统各环节能够基于价值共创，有效组织、协调和配置创新资源，从而提高制造业创新效率。

2.挤出融资空间效应

智能制造前期对企业创新的融资空间具有负面的挤出效应。智能制造系统的建设，不仅需要企业前期投入大量资金，以便引进先进的自动化设备，实现生产流程的改造升级，而且后期的应用更是企业不断适应与调整的过程，需要持续的资金和人力支持，因此智能制造的推进实施在一定程度上会耗费企业的自有资金，挤出企业的部分内部融资。

企业融资对于制造业创新效率提升具有重要意义。我国制造企业创新驱动力不足的主要原因之一就是用于研发投资的融资空间不足。企业创新的资金主要源于内部融资和外部融资两方面，其中内部融资由于使用成本低和可支配性高等特征，对于支持企业创新具有明显的优势，是大中小企业创新融资的重要来源。总体上来看，智能制造的应用尽管缓解了外部融资约束，但也同时减少了企业研发投资更加依赖的内部融资，而且智能制造前期难以在短时间内带来足够的收益以弥补资金的消耗。因此，智能制造前期由于对企业融资的挤出效应，会抑制制造业创新效率的提升，而在智能制造后期，随着智能制造效应的逐步显现，将逐步拓宽企业融资空间，促进制造业创新。

综合降低内部组织成本与挤出融资空间两种效应来看，智能制造对制造企业创新效率的提升既有正向的促进作用，也有负面的抑制效应，而且在不同阶段，智能制造对企业创新效率的影响效应具有不同表现。总体而言，智能制造对制造企业创新效率的影响呈现前期下降、后期上升的“U型”效应，具体表现为前期由于挤出企业内部融资而产生负向效应，而后期由于降低内部组织成本而产生正向效应。

基于以上分析，本文提出以下假设：

假设H1a：智能制造推进的前期会通过挤出企业内部融资而不利于制造企业创新效率的提升。

假设H1b：智能制造推进的后期会通过降低内部组织成本促进制造企业创新效率的提升。

假设H1c：智能制造对制造企业创新效率的影响呈“U型”效应，即这种影响呈前期下降、后期上升趋势。

（二）制造业服务化对智能制造影响创新的非线性效应具有调节作用

一方面，服务化水平高的制造企业面对动态变化的环境，能够通过提高服务响应能力对资源进行整合与迭代。根据动态资源基础观，企业为实现嵌入性服务与用户个性化需求的匹配，需要保持组织协调的柔性，C. Windahl and N. Lakemond，“Integrated Solutions from a Service-centered Perspective： Applicability and limitations in the Capital Goods Industry，”Industrial Marketing Management，vol.39，no.8（2010），pp.1278-1290.从只提供标准化服务的线性流程转变为能够实现资源多用性、灵活性与互补性配置的产品服务系统。在这样的组织环境下，企业实施智能制造由于组织刚性产生的协调成本大幅度降低、制造过程各个环节能够与需求端精准对接，从而进一步降低了内部组织成本，促进知识、技术等创新要素实现合理高效的流动、配置以及转化，进而提升企业创新效率。因此，通过优化资源配置，制造企业服务化转型增强了智能制造对创新效率的提升效应，弱化了两者前期的负面关系。

另一方面，在推进智能制造的过程中，制造企业的服务化转型通过围绕消费者需求提供差异化服务，依托智能化产品自身的可感知、可识别属性，提供附加值较高的智能制造服务，从而实现价值创造。在智能制造的发展过程中，制造企业服务化不仅能够为生产制造创造新的价值，产生基于智能制造技术的智能制造服务形式，延伸拓展企业的产品价值链，而且通过制造与服务要素的融合，价值链各环节的联系更为紧密，能够围绕消费者需求实现价值共创，从而缩小价值链中间制造环节与两端研发和营销环节的附加值差距，最终使得价值链表现为向上平移且趋于平缓。基于服务化转型，制造企业价值链的“变形”拓展了制造企业的利润空间，缓解了由于智能制造导致的创新融资挤出效应，从而扩大了企业创新的融资空间。由此，通过以上价值创造效应，服务化转型弱化了企业智能制造发展前期对创新效率的负面影响，从而提升制造企业的创新效率。

基于以上分析，本文提出如下假设：

假设H2：服务化转型能够正向调节智能制造对企业创新效率的“U型”影响效应，即随着服务化水平的提高，智能制造发展前期与制造企业创新效率的负面关系将被弱化，而智能制造发展后期对制造企业创新效率的促进作用则进一步加强。

综上所述，智能制造、服务化转型与制造业创新效率三者间的具体作用机制如图1所示。

四、模型设定与变量说明

（一）模型设定

为验证智能制造对制造企业创新效率的非线性影响，本文构建如下模型：

innovit＝α0+α1IMit+α2IM2it+γcontrols+εi+εt+εit（1）

其中，变量下标i代表企业，t代表年度。innovit表示制造企业创新效率，IMit表示智能制造发展水平。εi、εt分别表示模型控制了个体与时间的固定效应。

为进一步探讨智能制造是否通过内部组织成本和企业内部融资对制造企业创新效率分别产生正向和负向影响效应，本文采用中介效应模型进行检验，为此构建如下模型：

Zit＝β0＋β1IMit+γcontrols+εi+εt+εit（2）

innovit=ω0+ω1IMit+ω2Zit+γcontrols+εi+εt+εit（3）

其中，Zit表示内部组织成本和企业内部融资两个中介变量。

为探究服务化转型对智能制造的非线性影响的调节作用，本文根据汉斯（Haans）等提出的最新检验方法，Richard F. J. Haans，C. Pieters and Zi-Lin He，“Thinking about U： Theorizing and Testing U-and Inverted U-shaped Relationships in Strategy Research，”Strategic Management Journal，vol.37，no.7（2016），pp.1177-1195.構建如下模型：

innovit=δ0+δ1IMit+δ2IM2it+δ3IMit·serit+δ4IM2it·serit+δ5serit+γcontrols+εi+εt+εit（4）

其中，serit表示制造企业服务化转型水平。

（二）变量说明

1.被解释变量

本文被解释变量为制造企业创新效率（innovit）。现有文献对创新效率普遍的测量方法是计算创新的投入产出比，其中衡量创新产出最准确、直接的指标是专利申请数量，而衡量创新投入水平的指标是企业的研发投入总额。考虑到企业研发的创新产出往往是通过长时间的研发投入不断积累而产生的，当期的专利申请数是企业当期以及过去投入研发支出的结果。本文参考前人研究，姚立杰、周颖：《管理层能力、创新水平与创新效率》，《会计研究》2018年第6期。利用专利申请数量与当年及前两年研发支出之和的比值来衡量制造企业创新效率。

2.解释变量

本文解释变量为智能制造发展水平（IMit）。现有文献对企业层面智能制造发展水平的测度方法主要有两种：一种是采用文本挖掘法，利用关键词词频构建智能制造的衡量指标，另一种是构造企业层面的工业机器人渗透度指标，基于工业机器人渗透的技术特征来反映智能制造的发展水平。本文考虑到前一种方法在高频词阈值选取方面存在的主观性强、方法原理不明等问题，借鉴相关研究，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》，《经济研究》2020年第10期。采用企业层面的工业机器人渗透度指标来表示智能制造的发展水平。

3.调节变量

本文调节变量为制造企业服务化转型水平（serit）。现有文献测度企业层面的服务化水平主要是从产出的角度刻画，通过计算服务业务收入占总营业收入的比重来衡量制造企业的服务化水平。本文参考相关研究，根据Wind数据库中按行业分类的上市公司收入明细数据，计算得出制造企业的服务化水平。

4.中介变量

本文中介变量为企业内部组织成本（icit）和企业内部融资（ifit）。企业内部组织成本是企业通过内部管理的方式协调供需双方的矛盾而发生的成本，参考相关研究，本文采用管理费用占总资产的比重来衡量企业的内部组织成本。企业内部融资是企业通过自身利润等内部资源进行融资的方式，借鉴现有研究，采用净利润与固定资产净额的比值来衡量企业内部融资。

5.控制变量

参考相关研究，对可能影响制造企业创新效率的其他9项因素进行了控制。具体变量定义见表1。

（三）数据来源

基于企业层面微观数据的分析有助于进一步理解智能制造对制造业创新的影响机制。就现有的数据而言，我国规模以上工业企业数据库中的数据在2007年之后有明显的缺失，但衡量智能制造水平的工业机器人应用在2010年之后才有快速增长的趋势。因此考虑到数据的可得性，本文选取2013—2019年中国沪深A股制造业上市公司为研究对象，样本区间的选择是本文在所有研究变量度量的基础上剔除缺失值后所能获得的最全年度数据。其中，为测度智能制造水平构造企业层面的机器人渗透度，所需的原始数据来源于IFR、《中国工业统计年鉴》及Wind等数据库。其他变量的数据主要来源于CSMAR和Wind数据库。为消除异常值的影响，本文对所有连续变量做了1%的缩尾处理。变量的描述性统计具体见表2。

五、实证结果分析

本文根据Hausman检验结果，采用控制企业个体与年度的面板固定效应模型分析智能制造对制造企业创新效率的非线性影响效应，并探究企业内部组织成本和企业内部融资的中介效应，在此基础上分析制造企业服务化对非线性影响的调节作用，并进行多种稳健性分析。

（一）智能制造的非线性效应

表3报告了智能制造对制造企业创新效率非线性影响的估计结果。结果显示，智能制造一次项的估计系数均显著为负，而其二次项的估计系数均显著为正，表明智能制造对制造业创新效率具有非线性影响，且影响效应表现为前期下降、后期上升的“U型”特征。由此，假说H1c得以验证。这就表明，现阶段我国智能制造发展水平尚处于初级阶段，制造企业的智能化水平还比较低，实施智能制造不仅没能提升制造企业创新效率，而且还对制造企业的创新产生一定的负面影响。

不同于普遍文献认为智能制造会对制造企业创新效率产生单一的正向促进效应，本文的实证结果发现该影响效应具有阶段性变化的特征。对此的解释是：智能制造是动态发展的创新过程，根据熊彼特的创造性破坏理论，智能制造重塑制造企业生产方式的过程会同时产生创造性效应与破坏性效应。由于企业对智能制造应用的成熟度不足，以及互补性生产系统在规模和适用性上没有实现功能性协调，导致智能制造引起的创造性效应不足以抵消其破坏性效应。因此智能制造在前期会对制造企业创新效率产生负面影响，而后期随着智能制造的推进，创造性效应明显大于其破坏性效应，使得智能制造对制造企业创新效率提升发挥正向作用。

（二）中介效应

表4报告了企业内部组织成本和企业内部融资在智能制造对制造业创新效率影响的中介效应。其中，由第（1）（2）列可以看出，智能制造对内部组织成本回归的估计系数显著为负，在控制了智能制造影响的基础上，内部组织成本对制造企业创新效率回归的估计系数显著为负。由第（3）（4）列可以看出，智能制造对企业内部融资回归的估计系数显著为负，在控制了智能制造影响的基础上，企业内部融资对制造企业创新效率回归的估计系数显著为正。由此可见，智能制造确实通过降低企业内部组织成本对制造企业的创新效率产生显著促进效应，而通过减少企业内部融资对制造企业创新效率产生负面影响，验证了假说H1a、H1b。相比于智能制造创新驱动效应，本文发现智能制造前期会由于减少企业内部融资而对制造企业创新效率产生负面影响。虽然现有文献论证过智能制造能够通过消除信息不对称、降低沟通成本等方式，缓解企业融资约束，但考虑到企业用于创新的研发投入主要来源于内部融资，而智能制造有一个需要投入大量资金的过程，前期会给制造企业造成较大资金成本压力，从而在一定程度上挤占了企业创新融资的空间，由此不利于提高创新效率。

（三）非线性影响的调节效应

表5报告了制造企业服务化转型对智能制造非线性影响的调节效应。结果显示，考虑控制变量的影响后，智能制造与服务化水平二次交互项的估计系数显著为正，与智能制造二次项的估计系数符号相同，表明制造企业服务化转型确实正向调节了智能制造对制造企业创新效率的“U型”效应。可见，随着制造企业服务化水平的提升，智能制造前期与制造企业创新效率的负面关系会得到弱化，而且服务化转型还会进一步加强智能制造后期对创新效率的促进效应。由此，假说H2得到验证。

（四）稳健性分析

为保证实证结果的稳健性，本文进行了多种稳健性分析，同时进一步采用工具变量法来处理可能存在的内生性问题。表6为稳健性分析的回归结果。

1.替换被解释变量衡量方式

前文利用专利申请数量与当年及前两年研发支出之和的比值来衡量制造企业创新效率，本文又参考相关文献，孟庆斌等：《员工持股计划能够促进企业创新吗？——基于企业员工视角的经验证据》，《管理世界》2019年第11期。另外采用专利授予数量与当年及前两年研发支出之和的比值，重新衡量制造企业的创新效率（innovit_2）。回归结果如表6的第（1）（2）列所示。可以看出，在替换了被解释变量后，智能制造对制造企业创新效率依旧具有U型的影响效应，且服务化转型依旧对两者的非线性关系产生正向调节作用，由此表明前文的结论具有稳健性。

2.更换调节变量的测算方式

前文通过计算服务业务收入占总营业收入的比重来衡量制造企业的服务化水平，并按行业分类的上市公司收入明细数据，测算得出制造企业的服务化水平（serit_2）。本文又另外采用上市公司公布的按产品分类的收入明细数据来测算制造企业的服务化水平，回归结果如表6的第（3）列所示。可以看出，即使更换了调节变量的测算方式，智能制造与服务化水平的二次交互项估计系数依旧显著为正，与智能制造的二次项估计系数符号相同。因此，前文的结论依然成立。

3.改变样本容量

前文选取2013—2019年中國沪深A股制造业上市公司作为研究对象，而研究考虑到自国务院2015年提出《中国制造2025》以后我国制造企业智能化开始推进的实际情况，本文另外选取了2015年后的样本数据进行估计，回归结果如表6的第（4）（5）列所示。可以看出，在改变了样本容量后，智能制造与制造企业创新效率的影响关系依旧呈现前期下降、后期上升的“U型”特征，而服务化转型依旧对两者的非线性关系产生正向调节作用。因此，前文结论依然成立。

4.内生性问题

考虑到解释变量与被解释变量间可能存在相互影响的内生性问题，本文参考相关文献，王林辉等：《机器人应用的岗位转换效应及就业敏感性群体特征——来自微观个体层面的经验证据》，《经济研究》2023年第7期。利用同时期美国工业机器人的存量数据构造机器人渗透度（IMit_2），作为工具变量进行稳健性检验。对于工具变量的有效性，一方面，美国作为在人工智能等新兴技术、设备的创新方面具有领先水平的发达国家，中国引进与应用先进的工业机器人与美国工业机器人应用具有直接相关性；另一方面，美国工业机器人应用水平会直接影响其本国制造企业创新发展情况，而对中国制造业创新发展的影响更多还是通过中国工业机器人应用的渠道，因此，同时满足了工具变量相关性与排他性的假设条件。回归结果如表6的第（6）列所示。可以看出，智能制造仍对制造企业创新效率产生“U型”影响效应，说明前文结论依然稳健。

六、异质性分析

为进一步探究智能制造对制造企业创新效率非线性影响的异质性因素，本文分别从企业规模、创新方式两方面进行检验。

（一）企业规模的异质性

考虑到企业规模对智能制造应用以及企业创新效率的影响，本文按照企业员工总人数的多少将样本分为大规模企业和小规模企业，若企业员工总人数超过样本平均值，则该企业为大规模企业，否则为小规模企业。这里对两组样本都进行了智能制造对企业创新效率的线性与非线性影响回归，回归结果见表7的第（1）-（4）列，其中第（1）（2）列为大规模企业样本的回归结果，第（3）（4）列为小规模企业样本的回归结果。结果显示，对于大规模企业，智能制造对制造企业创新效率并不直接产生显著的负向影响，但两者间仍然具有显著的U型影响关系。对于小规模企业，智能制造与制造企业创新效率存在显著的负向关系，而两者间U型效应并不显著。这就表明，相比于小规模企业，大规模企业在推动智能制造创新发展上具有相对优势，能较快地应对智能制造发展前期与制造企业创新效率的负面关系，从而实现创新效率的提升。主要原因在于大规模企业往往具备雄厚的资金与资源优势，更容易应对由于智能制造系统建设与维护带来的高额成本，能够利用较强的盈利能力与运营能力，推动企业管理变革，进而实现创新发展。

（二）创新方式的异质性

考虑到企业创新可根据创新动机的不同区分为实质性创新与策略性创新，借鉴相关研究，通过对代表创新产出的专利类型进行区分，用发明专利申请数量表示企业的实质性创新产出，用外观设计和实用新型专利申请数量表示企业的策略性创新产出，分别测算出制造企业的实质性创新效率（sinnovit）和策略性创新效率（cinnovit）。智能制造对不同类型创新效率影响以及服务化转型不同调节作用的回归结果如表7的第（5）-（8）列所示，其中第（5）（6）列是对实质性创新效率的回归，第（7）（8）列是对策略性创新效率的回归。结果显示，智能制造对实质性创新效率没有显著性影响；而智能制造对策略性创新效率具有显著的U型影响效应，而且服务化转型对两者的U型影响关系具有显著的正向调节效应。这就表明，智能制造加强和提升企业策略性创新，是现阶段智能制造实现制造企业创新发展的主要路径，而服务化转型能够加强智能制造的创新驱动效应，但是在实现制造企业实质性创新产出方面，智能制造应用还没有发挥重要作用。主要原因在于实质性创新相比策略性创新，更加注重创新的质量，需要企业从事技术含量高且附加值较高的创新活动，因此这类创新活动往往难度较大、投入较多、周期也较长，而且考虑到当前我国智能制造应用尚且不成熟的情况，制造企业会更加偏向于策略性创新产出。然而，实施策略性创新虽然能够使企业在降低创新成本和风险的同时，在短期内获得市场收益，从而较快弥补企业前期在智能制造上耗费的巨大投入，但是长期来看，不利于推动我国制造业高质量发展。

七、结论与启示

目前我国制造企业总体上处于智能化转型的初期，智能制造的现实推进尚未发挥出对制造企业创新发展的驱动作用。本文从理论上揭示了智能制造对制造企业创新效率所具有的非线性关系，并从企业组织成本、企业融资的中间渠道出发，探究了智能制造对制造企业创新效率所产生的“U型”效应及其机制，并进一步基于制造企业服务化转型的调节作用分析了服务化转型对智能制造与企业创新效率非线性关系的影响。在实证方面，通过构造企业层面的机器人渗透度来衡量智能制造发展水平，采用控制了年度与个体固定效应的面板数据，实证考察了智能制造对制造企业创新效率的非线性影响效应，并探究企业内部组织成本和企业内部融资的中介效应，在此基础上分析了制造企业服务化转型对非线性影响的调节作用，进而经过多种稳健性检验后，又从企业规模、创新方式两个角度对实证研究结果进行了异质性分析。

主要研究结论：一是智能制造对企业创新效率的影响表现为前期下降、后期上升的“U型”效应。二是智能制造主要通过降低企业内部组织成本、减少企业内部融资对企业创新效率产生正、负两个方向的影响，其中减少企业内部融资是智能制造前期对企业创新效率产生负面影响的主要原因，降低内部组织成本是智能制造后期促进制造企业创新效率提升的主要原因。三是制造企业服务化转型水平对智能制造与企业创新效率之间的“U型”影响关系起到了正向调节作用，表明制造企业的服务化转型会在一定程度上减弱智能制造前期对企业创新效率的负面效应。四是通过异质性分析发现，智能制造对企业创新效率影响的“U型”关系主要存在于大规模企业、实施策略性创新的企业中，这表明相比于中小规模企业，大规模企业在实现智能制造创新发展上更具有优势，而且相比于实施实质性创新，企业实施策略性创新是现阶段我国智能制造企业实现创新发展的主要途径。

根据以上分析结论，主要得到以下启示。

第一，系统应对智能制造应用过程中不同阶段对企业创新驱动的作用效应。我国制造企业尚处于智能制造发展的前期，企业智能化转型失败的主要原因在于缺乏对智能制造作为一个系统动态发展过程的认识。智能制造对制造企业创新发展的影响具有阶段性特征，虽然智能制造总体和长远看能够提升制造业创新能力和效率，但在发展的初期却存在创新驱动力不足的问题，甚至会抑制制造企业创新效率的提升。为此，需要企业以系统化思维看待和推进智能制造。一方面，制造企业应明确推进智能制造实现创新发展的长远目标，不应盲目引进智能制造项目，需要企业进行整体规划，根据自身盈利水平和现实需要确定合理的智能制造投资预算。另一方面，制造企业应理性应对智能制造应用初期出现的不协调、效果不明显问题，积极推进企业组织、运行模式的数字化、网络化、智能化变革，把握新一代信息科技发展契机，相机推进和强化智能制造，逐渐增强智能制造所产生的效益，形成正反馈，不应因为智能制造前期转型成本较高而否定智能制造长期对制造业创新发展所发挥的重要作用。

第二，充分发挥服务化转型对推动智能制造创新发展的重要作用。理论与实证研究表明，制造企业服务化转型能够弱化智能制造发展前期给制造企业创新效率带来的负面效应，有利于提升智能制造的创新驱动效应。从企业层面看，应将智能制造與服务化转型紧密结合起来，以服务化转型为中介环节，充分发挥其价值创造效应，缓解智能制造前期对创新效率提升的不利影响。从政府层面看，应支持鼓励制造企业发展智能制造，同时引导支持企业打通产业链与服务链壁垒，积极推进先进制造业与现代服务业深度融合，加强数字化、智能化基础设施建设，助力企业打造贯通智能制造全流程、全要素的生产服务体系。

第三，选择适宜的智能制造推进方式与路径。智能制造对企业创新效率的影响，在不同规模和采用不同创新方式的企业之间存在差别。为充分发挥智能制造对制造企业创新的驱动作用，企业应根据自身规模和创新方式选择推进智能制造的路径。对于规模较大的企业，应发挥其规模优势，加快推进智能制造，充分发挥其在智能制造过程中的示范引领和带动作用，支持带动中小企业推进智能制造，推动大中小企业相互支持、协同推进智能制造的产业生态。对于中小企业，应量力而行，逐层推进和实施智能制造。企业在推进智能制造过程中，既要注重外观设计和实用新型的策略性创新，同时更要利用推进智能制造的契机进行具有更高实效性、更高质量的实质性创新活动，通过多层次、多类型创新为智能制造提供强大驱动力，形成智能制造与创新效率提升相互激发、相互促进的良性循环。

第四，充分发挥政府对智能制造的协调、支持作用。一是强化政策引导，通过制定实施科学有效的产业政策引导和推动企业智能制造转型发展；二是重点鼓励支持中小企业进行智能化改造，在技术、资金、服务、人才等方面给予必要的帮助和支持；三是加强5G、工业互联网、大数据中心、云计算平台等智能制造公共服务平台建设，为企业特别是中小企业推进智能制造提供有力平台支撑；四是强化示范引领，培育更多智能制造领域的国家级乃至世界级示范企业（包括灯塔工厂、智能车间等），充分发挥这些企业的示范引领作用。