股權并購與目標企業創新產出關系研究
——以科技類上市企業為例

鐘永紅，曾奕航

(華南理工大學 經濟與貿易學院，廣東 廣州 510006)

0 引言

黨的十九大報告指出：“建立以企業為主體、市場為導向、產學研深度融合的技術創新體系，加強對中小企業創新的支持，促進科技成果轉化。”為了深入實施創新驅動發展戰略，進一步激勵企業加大研發投入，支持科技創新，國家稅務局發布了研發費用稅前加計扣除75%的政策，進一步降低企業研發成本，加大企業創新普惠性支持。但由于創新活動需要巨額而長期的研發投入，且創新成果具有極高的不確定性，具有“三高一輕”特點的科技型中小企業很難獲得傳統金融機構的債權融資支持，在創新活動研發投入上面臨融資約束。

考慮到并購重組在化解上市公司經營困境、優化資源配置、提高自主創新能力等方面的積極作用，證監會發布并購重組新規利好上市企業并購重組，表示大幅取消和簡化行政許可，監管持續松綁。在科技型中小企業面臨融資難融資貴等問題的情況下，作為最常見的并購交易方式，股權并購為這些企業的創新研發投入提供了另一個資金來源，以科技企業為交易對象的并購行為快速發展，而融資難的企業更可能成為并購的目標企業。2018年境內上市企業實施并購重組4 153單，交易金額超過2.56萬億元，較2017年分別增長50.20%和36.39%，其中，信息技術行業并購金額占首位。并購對企業創新的影響是多重的，既可以通過增強并購企業與目標企業規模經濟和范圍經濟、減少相似研究項目的重復投入，或者減少技術創新向競爭對手的外溢、增加發明的獨占性發揮作用，還可以通過市場實力的提升、改變目標企業創新策略等產生影響，但并購通過融資作用促進目標企業技術創新的影響機制還不清晰。

1 文獻綜述

外部融資對企業創新研發活動有顯著影響，其中科技類企業由于自身發展的“高技術、高風險、高收益”特征，受到的融資約束更加顯著，從而限制了企業創新資源投入，抑制了企業研發創新[1-3]。張艷平[4]以創業板上市的科技型中小企業為樣本，發現企業自身因素是企業外源融資的主要障礙，但利用專利組合作為債務的抵押擔保可以有效緩解這種制約。專利可被作為抵押物來獲得大量債務融資，當專利抵押物價值增加時，企業獲得融資的機會增加，借款的增加將轉化為創新投資的增加[5]；Hall & Lerner[6]證明，在缺乏有形資產或穩定現金流的情況下，外債不太可能為高風險項目提供資金。而且債權融資難以滿足創新活動資金投入大、風險高、周期長的特點，因此，科技創新離不開股權資本的支撐；胡文偉等[7]研究發現，科技并購已成為我國并購市場最具活力的一個分支，科技類項目是VC/PE 并購交易的主要標的。

財務協同效應是企業參與股權并購的常見動機之一。Erel[8]的研究結果表明，并購可以減輕目標企業受到的融資約束，尤其是對于規模較小的企業來說，并購既有內部產生的現金流，又能提高從外部籌集資金的能力。此外，Liao[9]指出，融資受限的企業比融資不受限的企業更有可能成為并購目標，在無法獲得其它融資的情況下，向其它企業出售股權能夠緩解財務緊張。但是王磊等[10]發現，私募股權投資在創業板市場上并購行為并未顯著提高企業并購績效。另一方面，Sevilir & Tian[11]研究發現，并購企業在并購后的專利結果與目標企業并購前的研發強度以及專利結果正相關，表明獲取創新是并購的重要動機。相應地，Bena & Li[12]發現，通過合并企業的創新能力而帶來的協同效應是并購的重要驅動因素，合并后企業創新產出顯著提高。

盡管國內外對并購的財務協同效應[13]進行了深入系統的研究，但是，關于股權并購對目標企業技術創新影響的研究相對欠缺。迄今為止，關于股權并購效果的研究大致分為兩個方面：一是對并購企業或目標企業在并購前后經營業績變化的分析，主要運用財務指標衡量并購對企業業績的影響[14,15]，以及通過股價變化或超常回報率考察并購帶來的財富效應和市場績效[16,17]；二是對并購企業在并購前后創新績效變化(如專利數量等)的分析，并購對企業需求引致創新的影響既可能是積極的，也可能是消極的[18]。并購企業的技術領先優勢可以提高目標企業創新能力，創新能力的協同效應是并購的主要動因[12]，但并購對企業創新的影響也有不同發現，例如歐美制藥企業的橫向并購由于降低了行業競爭壓力而抑制了企業技術創新[19,20]。近年來，我國學者也開始關注并購對企業創新的作用，如黃紅梅[21]論證了并購企業取得目標企業控股權越高，海外并購后企業追趕績效越好；劉輝等[22]指出，并購有利于顯著提高并購企業技術創新水平。

但是，上述研究僅僅針對并購企業創新進行探討，國內對并購如何影響目標企業創新缺乏探索。相對于英美等發達國家，我國存在多數產業集中程度低、企業間無序競爭嚴重等問題[22]，中小企業融資難融資貴這一問題一直難以解決。因此，有必要結合中國企業和產業實際發展環境，從企業微觀層面探討股權并購對中小企業技術創新的作用。在現有文獻的基礎上，本文將聚焦于科技類中小型目標企業，關注其并購前后創新產出變化。

2 理論分析與研究假設

股權并購按照交易實質分為股權轉讓或增資擴股，前者的交易主體是并購企業與目標企業的股東，屬于股東權利轉讓，不涉及注冊資本增加；后者的交易主體是并購企業與目標企業，目標企業的注冊資本將增加并引入新股東。從并購企業角度來講，并購企業在獲取目標企業的股權時，支付工具一般包括現金、股份以及混合支付工具等。在現金支付方式下，目標企業成為并購企業的子公司，目標企業或其股東獲得現金，并購企業的資本金和股份不變；在第二種方式下，以股份作為支付工具相當于換股，這種支付方式往往運用于并購企業為上市公司定向增發，并購企業發行股份購買目標企業股權，以股換股，并購企業股本增加，但是沒有募集資金，目標企業的股東也沒有獲得現金；第三種方式是前兩種方式的結合。目前，當并購企業對目標企業進行股權并購時，往往會進行增發，有的純粹向市場發行新股募集資金采取現金支付，有的通過定向增發與目標企業進行換股，有的同時募集資金采取現金與股份混合支付。總之，只有當目標企業進行增資、并購企業采取現金支付認購其新股時，才會有新增現金流入目標企業并且增加資本金，而股權轉讓形式的股權并購不會帶來現金流入。

由于增資擴股形式的股權并購所獲得的資金具有長期性和不可逆性，以及企業股東的風險中性特征，通過股權并購獲得的資金更可能流入高風險高收益的創新性項目[23]。相比于股權轉讓形式的并購和銀行信貸，增資擴股形式的股權并購給目標企業帶來了長期穩定的資金供給，可以更好地緩解目標企業技術創新投入的融資約束。據此，本文提出研究如下假設：

H1：只有伴隨現金流轉移的增資擴股型股權并購才對目標企業創新產生積極影響；

H2：當進行的是股權轉讓型并購即目標企業沒有獲得現金流入時，股權并購對創新產出沒有積極影響。

在研究假設的基礎上，本文參照Bostan & Spatareanu[24]的方法，將樣本按照有無現金流入目標企業分為兩個子樣本，獲取其股權并購交易數據以及專利申請數等相關數據，對數據進行回歸分析。

最后，參照Seru[25]、Savor & Lu[26]的做法，將增資擴股與股權轉讓兩種股權并購中的目標企業進行匹配，由此控制估計的內生性并驗證假設是否成立，從而闡明兩種形式的股權并購是否分別對目標企業的創新產出具有促進作用。

3 指標構建與計量模型

3.1 樣本選取與數據來源

基于數據可得性，樣本范圍為2010-2018年中小板和創業板科技類企業并購數據，股權轉讓形式的并購交易數據包括證券代碼、目標企業、首次公告日期、支付方式、股權變動方式、交易是否成功等，并購交易的首次公告日期和完成公告日期之間只存在少許時間延遲，故回歸根據股權并購交易的首次公告年度進行估計，在此基礎上，本文篩選出支付方式為現金支付且股權變動方式為協議轉讓的交易樣本，最終篩選出股權轉讓形式的股權并購交易涉及182個企業的209次并購交易。其次，獲取同一時間段中小板和創業板科技類企業增資擴股形式的股權并購數據，該數據包括證券代碼、目標企業、新股上市流通日期以及新股發行對象即并購企業，在篩選出支付方式為現金支付的交易后，得到270個企業的386次采取現金支付的增資擴股型股權并購交易。最終，包含股權轉讓和增資擴股形式的股權并購在內，共獲得2010-2018年期間595次股權并購交易的初始樣本數據。股權并購交易數據來源于國泰安數據庫公司研究系列中的并購重組以及增發數據。

股權并購交易樣本的選擇標準如下：一是若同一企業在同一年內進行了兩筆或以上的股權并購交易，則將該年內多筆交易視為一筆交易；二是選擇交易標的為股權的并購交易；三是目標企業選取中小板和創業板科技類企業，因為專利申請并非大多數行業企業的常見活動，而處于信息技術行業的企業在所有涉及專利申請的企業中占有較大比重，且在戰略性新興產業企業中的占比高達14% 。

3.2 指標構建

3.2.1 解釋變量

本文研究對象是股權并購對目標企業的創新效應，故將是否發生股權并購作為解釋變量，利用虛擬變量表示目標企業是否被股權并購。當企業進行并購交易且作為標的方時，虛擬變量取值為1。同時，引入代表股權并購類型的虛擬變量，當交易為增資擴股形式的股權并購時，該虛擬變量取值為1，當交易為股權轉讓形式的股權并購時，取值為0，即并購伴隨現金流入目標企業時，該虛擬變量取值為1，否則為0。隨后對上述兩個虛擬變量進行交互，以驗證伴隨現金流入的增資擴股形式的股權并購對目標企業是否存在創新效應。

3.2.2 被解釋變量

上文理論分析認為，股權并購的創新效應主要體現為使目標企業獲得長期穩定的現金流、緩解創新投入的融資約束，從而有利于提高其創新產出。本文選取企業年度專利申請數量作為創新產出的代理變量，專利申請數量包括發明專利、實用新型專利以及外觀設計專利的申請量總和。相比于專利申請數量，企業專利授權數量具有較大的滯后性，且Griliches[27]認為，專利申請數量更能代表一個企業的創新產出能力。

并不是每個企業都具有專利申請，在595次股權并購交易中，保留樣本期至少申請過一個專利的目標企業，剔除樣本期沒有進行專利申請的企業。另外，由于數據庫中專利數據只更新至2017年，故剔除2018年間進行的股權并購交易，最終篩選出并購交易362次。

3.2.3 控制變量

為了專注于股權并購本身對目標企業的創新效應，排除其它因素的影響，本文引入如下控制變量：研發投入強度、資產負債率、總資產周轉率、現金與總資產的比率、累積有效專利數量、凈利潤增長率以及凈資產收益率(ROE)，上述控制變量能夠解釋目標企業的償債能力、營運能力、資產流動性、知識存量、成長能力以及盈利能力。創新的本質特征是知識創造與運用，Grant & Robert M[28]認為知識存量差異會引起企業創新績效和研發效率的差異，因此，在研究股權并購的創新效應時，需要通過控制企業的累積有效專利數量來控制其知識存量的差異性。

本文所有變量的定義如表1所示。

3.3 計量模型

企業技術創新過程時間較長并且面臨高風險，創新投入的高風險源于創新產出的滯后性。從技術創新資金獲得，到創新資源優化配置，再到創新效益實現，都需要一定的時間，本文將年度專利申請量進行滯后一期處理。經過被解釋變量的滯后一期處理，剔除樣本期沒有進行相關變量數據披露的企業，樣本數量下降至235個，其中包括股權轉讓和增資擴股形式的股權并購交易。

為了驗證兩種形式股權并購對目標企業的創新效應，本文構建如下模型：

其中，被解釋變量lnpatenti,t+1是目標企業i在第t+1年的創新績效衡量標準，定義為企業i在第t+1年中專利申請數量加上1之后的對數，由于創新效應以及創新投入具有滯后性，故將創新產出的代理變量即專利申請量lnpatent進行滯后一期處理，目的是捕捉目標企業股權并購后的創新活動產出水平。另外，專利申請數量的分布呈現右偏形態，并且存在目標企業在并購前沒有專利申請的情況，因此，將專利申請數量加上1后再進行對數處理可以修正右偏形態，使分布更接近于正態。解釋變量mai,t是一個虛擬變量，若企業i在第t年參與了股權并購交易且作為標的方，則該變量取值為1，否則為0。若系數β1為正數且在統計上顯著，則意味著目標企業在股權并購后會有更多創新產出。然而，很可能并非所有股權并購都會提高目標企業創新產出，現有文獻以及上文分析表明，融資受限企業可能尋求其它途徑如伴隨現金流入的股權并購來減輕融資壓力，進而獲取用于技術創新活動的資金，因此，本文模型引入一個虛擬變量cashflowi,t，用于表示股權并購類型，如果是增資擴股型的股權并購，后續將會有作為企業股本的長期資金轉移至目標企業i，此時虛擬變量cashflow取值為1；如果是股權轉讓形式的股權并購，股權變動方式為協議轉讓，目標企業股本不增加且不作為資金受讓方，后續沒有資金流入目標企業，此時該虛擬變量取值為0。股權并購樣本中，既包括在股票發行之后進行的股權轉讓型并購，又包括直接向目標企業轉移資金的增資擴股型并購，所以，將兩個虛擬變量cashflow與ma進行交互，旨在明確區分兩種股權并購對目標企業后續創新產出的不同影響，當目標企業進行增資擴股型股權并購即具有現金流入時，交互項ma×cashflow取值為1，否則為0。若系數β2在統計上顯著，則表明伴隨現金轉移至目標企業的增資擴股型并購確實會影響其后續創新產出。controls代表多個控制變量，這些控制變量的定義如表1所示。

表1 變量定義

4 實證過程分析

4.1 描述性統計與相關性分析

首先對全體樣本的解釋變量和控制變量進行描述性統計，隨后對兩種形式的股權并購分別進行描述性統計，結果見表2。

通過表2可以發現，增資擴股形式股權并購的目標企業在并購后一年中具有更多專利申請量，除此之外，這些目標企業還在并購當年具有更高的研發投入強度和現金總資產比率，以及更低的資產負債率、總資產周轉率和累積有效專利量。

為了比較兩種股權并購對目標企業的影響，本文對兩個被解釋變量進行均值比較。結果顯示，并購中是否具有現金流入目標企業對后續一年的專利申請數量lnpatent具有顯著影響，伴隨現金流入目標企業的增資擴股型股權并購中目標企業的后續創新產出即專利申請量顯著高于股權轉讓型并購中的目標企業，前者的后續專利申請量lnpatent均值為2.63，后者為2.27，兩者在90%的置信水平上存在顯著差異。

主要變量相關性分析結果如表3所示，目標企業的專利申請數量patent以及經過調整的專利申請量lnpatent均與虛擬變量cashflow具有顯著正相關關系，也就是說，伴隨現金流入的增資擴股型股權并購對目標企業創新產出具有顯著促進作用，為下一步回歸分析奠定了基礎。專利申請量與研發投入強度、資產負債率、總資產周轉率、累積有效專利量也具有顯著正相關關系，與假設和預期相符，研發支出和累積專利持有量是創新的重要決定因素，對目標企業被并購后的創新績效具有正向顯著影響。虛擬變量cashflow與資產負債率、總資產周轉率均呈顯著負相關關系，說明營運能力較低和受到融資約束的企業更傾向于選擇增資擴股形式的股權并購。結果還表明，研發投入強度與資產負債率在99%的置信水平上顯著負相關，這與上文理論分析的觀點一致，較高的債權融資可能會使企業迫于還款付息壓力或債權人的介入與監督壓力，放棄風險較高的創新項目，進而降低研發投入強度。資產負債率與累積有效專利量的相關關系也進一步表明，較高的專利持有量能夠緩解融資壓力。

表2 描述性統計結果

為了順利地對模型進行參數估計和回歸分析，本文對模型的設定進行了多重共線性檢驗，由于多重共線性會通過對參數估計方差的放大作用而對多元線性回歸模型的最小二乘估計產生不利影響，導致參數估計不穩定，因此，本文利用方差膨脹因子VIF反映各個解釋變量與其它變量之間的相關性來檢驗模型的多重共線性。共線性診斷結果表明，VIF的最大值與最小值分別是2.451與1.054，均值為1.489，都小于5，拒絕解釋變量之間存在多重共線性問題，由此本文選取該模型進行研究分析。

4.2 回歸分析

將股權轉讓和增資擴股式股權并購前后的目標企業創新績效進行匯總，依據上述模型，將經過滯后一期處理的專利申請量lnpatent作為因變量進行回歸，回歸包括上述所有解釋變量以及虛擬變量的交互項ma×cashflow，旨在區分不同類型股權并購對目標企業后續創新產出的影響，如果伴隨現金流入的增資擴股型股權并購對目標企業的創新績效具有推動作用，那么該交互項的系數將會是一個正數且在統計上顯著。

多元回歸結果如表4所示。表4提供了兩個回歸模型中各個解釋變量系數的估計值以及各自的t統計量，表中系數均為標準回歸系數，消除了解釋變量與被解釋變量所取單位的影響，其絕對值大小反映了解釋變量對被解釋變量的影響程度。其中，模型(1)只包含一個虛擬變量ma，隨后在模型(2)中引入交互項ma×cashflow。首先需要關注的變量是虛擬變量ma，通過引入目標企業在股權并購前后的專利申請量作為被解釋變量，ma的系數能夠反映股權并購本身，即包括股權轉讓型和增資擴股型在內的兩種股權并購對目標企業創新產出的影響。在表4的第一列即模型(1)中，變量ma的系數是不顯著的，這表明股權并購交易本身對目標企業后續的創新績效并沒有顯著影響。為了更好地理解和區分不同類型股權并購對企業的不同影響，在模型(2)中引入虛擬變量的交互項ma×cashflow，該交互項的系數0.218在99%的置信水平上顯著，表明增資擴股型股權并購中目標企業的創新產出確實會受到這類并購行為的影響，并購之后專利申請數有所上升，該回歸結果證實了假設H1中的觀點，只有伴隨現金流轉移的增資擴股型股權并購才會對中小型目標企業的創新績效產生積極影響。

表3 相關性分析結果

其它控制變量的系數具有預期中的符號，在兩個模型中，研發投入強度、資產負債率、總資產周轉率和累積有效專利量都與被解釋變量專利申請數具有顯著正相關關系，都能夠解釋創新產出的部分變化。研發支出是創新產出的重要決定因素，外部融資約束、營運能力和累積專利持有量都會對目標企業創新產出產生顯著影響。

表4 回歸結果

4.3 穩健性檢驗

為了獲取更穩健的結果，考察自變量解釋能力的穩健性，本文從被解釋變量出發，用未經調整變換的目標企業年度專利申請數量衡量創新產出，替代原來的被解釋變量lnpatent。回歸模型中，作為控制變量的累積有效專利量tlnpatent也用未經變換的累積專利持有數量tpatent替代，其余控制變量和解釋變量保持不變，進而考察上述回歸結果的有效性。

回歸結果見表5。表5提供了兩個經過變換后的回歸模型中各個解釋變量系數的估計值以及各自的t統計量，表中系數均為標準回歸系數，其中，模型(1)只包含一個虛擬變量ma，隨后在模型(2)中引入交互項ma×cashflow。與上述回歸結果相似，在表5的第一列即模型(1)中，解釋變量ma的系數是不顯著的，這表明股權并購交易本身對目標企業后續專利申請數量并沒有顯著影響。在引入虛擬變量的交互項ma×cashflow后(模型(2))，該交互項的系數在99%的置信水平上顯著，而解釋變量ma的系數仍不顯著。這與上述回歸分析的結果一致，無論用于衡量目標企業后續創新產出的專利申請量還是用于衡量知識存量的累積有效專利量是否經過調整變換，伴隨現金流轉移的增資擴股型股權并購都會對目標企業后續創新產出產生顯著積極作用。

表5 穩健性檢驗回歸結果

4.4 傾向性評分匹配的內生性檢驗

在構建計量模型考察股權并購對目標企業的創新效應時，為了提高模型估計效率，應考慮一個重要的計量問題——估計的內生性，即并非所有解釋變量均為外生變量，或者解釋變量與被解釋變量相互作用，互為因果。導致內生性的一種可能情況是，并購企業有選擇地對具有更好創新潛力的目標企業進行股權并購，換句話說，他們挑選出最具創新潛力的企業作為目標企業。上文實證結果分析表明，增資擴股形式的股權并購對目標企業后續創新產出具有積極作用，但是，如果并購企業參與并購的原因是他們預計某些具有特定特征的目標企業會在不久的將來提高創新產出，那么上述結果可能存在偏差。本文將使用傾向性評分匹配解決潛在內生性問題，驗證回歸結果在考慮內生性后是否穩健。

為了排除目標企業特定特征的影響，增加股權轉讓型與增資擴股型并購中目標企業的可比性，本文將兩種并購中的目標企業相匹配，先找到并購前研發投入強度、資產負債率、累積有效專利量等特征相似的企業，再考察并購活動對后續創新產出的影響。在剔除兩組目標企業主要特征的顯著差異后，傾向性評分匹配可以有效降低混雜偏倚。

在匹配前，首先將兩種并購的目標企業分為兩組，對其主要特征進行基線情況比較，結果見表6。結果表明，兩組目標企業并購前一些主要特征的分布存在顯著差異。

表6 基線情況比較(匹配前)

隨后將股權轉讓型并購中的目標企業設置為處理組，將增資擴股型并購中的目標企業設置為對照組，采用傾向性評分匹配中的最鄰近匹配法作為處理組進行匹配。匹配后的兩組企業在主要特征上都表現出相似性，即每個目標企業都找到了與其非常接近的匹配，基線情況比較見表7。

表7 基線情況比較(匹配后)

完成匹配后，每個企業都能在另外一組中找到與之相匹配、特征相似的企業，此時再進行回歸分析，將表示股權并購類型的虛擬變量cashflow作為解釋變量，當進行的是有現金流入的增資擴股型股權并購時，該虛擬變量取值為1，否則為0。若該變量的系數是一個正數且在統計上顯著，則可以認為，在考慮了估計潛在的內生性后，這些企業仍將受益于伴隨現金流入的股權并購。回歸結果見表8，虛擬變量cashflow的系數在99%的置信水平上顯著，結果表明，即使在通過傾向性評分匹配消除企業層面的異質性后，伴隨現金流入的增資擴股型股權并購依然對目標企業后續創新產出具有顯著積極作用。通過均值比較也可以發現，對照組企業(進行增資擴股型股權并購獲得融資的目標企業)在并購后專利申請數量增加，從并購前的47.84增加至65.31；而處理組企業(進行股權轉讓型股權并購的目標企業)在并購后創新產出沒有顯著增長。該結論進一步支持了前文假設，即只有伴隨現金流入目標企業的增資擴股型股權并購才能促進目標企業創新產出，而股權轉讓型股權并購中的目標企業因無法從并購中獲得現金注入，無法緩解融資約束，故并購對目標企業創新產出沒有積極影響。

5 結語

本文研究了股權并購對我國中小板和創業板科技類上市企業創新產出的影響，結果發現伴隨現金轉移的增資擴股型股權并購對目標企業后續創新產出具有重要作用。這些面臨融資約束的目標企業能夠通過股權并購從中獲得大量長期性資金，滿足其創新活動的融資需求，從而加大研發投入力度，提高后續創新產出。但是，該創新效應僅僅針對伴隨現金流入目標企業的增資擴股型股權并購，當沒有對股權并購進行分類時，并購本身對目標企業創新的積極作用并不存在。

表8 匹配后回歸結果

為了解決內生性問題，本文采用傾向性評分匹配，將兩種股權并購中的目標企業進行一一匹配，獲得了具有相似研發投入強度、資產負債率、有效專利持有量等主要特征的企業，證明在考慮內生性問題后結論依舊是穩健的，并且在股權轉讓形式的股權并購中，由于目標企業無法從中獲得現金注入和資本增加，故并購無法緩解其財務約束，對目標企業創新產出沒有促進作用。

本文從中小型目標企業出發，探討了股權并購中現金轉移是否有利于技術創新產出，發現增資擴股型股權并購中現金轉移對目標企業緩解融資約束促進創新產出具有積極影響。這一結論對技術密集型上市企業股權并購具有參考意義，考慮到增資擴股型并購對科技類目標企業創新產出的積極作用，這些企業在創新項目面臨融資約束時，可以充分利用政府提供的寬松政策空間，通過股權并購為企業籌集長期性資金，為創新項目提供穩定現金流，從而提高后續創新產出。