數智創新與戰略新興產業高質量發展

夏天添，王 慧

（1.江西科技學院學術委員會，江西 南昌 330098；2.江西省區域發展研究院，江西 南昌 330000；3.云南師范大學 教育學部，云南 昆明 650000；4.菲律賓中央大學，菲律賓 伊洛伊洛 5000）

一、引言

黨的十九屆五中全會提出，中國要堅持推動以高質量發展為目標的經濟發展，要堅持以創新導向加快社會主義現代化建設，在這一目標的實現過程中，戰略新興產業的高質量發展，無疑對加快這一進程的實現有著關鍵引領作用[1]。為此，中央陸續頒布了一系列指導性文件，以確保穩步推進中國戰略新興產業的高質量發展。故而，探討如何實現戰略新興產業的高質量發展，對推動中國經濟高質量發展有著重要的意義。

數智創新是將數字技術與人工智能技術嵌入原有產品（服務） 體系當中，通過科學規劃、融合重組，進而形成新產品（新模式） 的創造過程[2]。在新一輪技術革命浪潮的沖擊下，數智創新作為創新驅動型經濟改革戰略的關鍵要素，是借助AI、機器學習等數智技術的條件優勢，為組織實現產品設計、流程重組與商業模式優化等創新變革的重要抓手[3]。同時，數智技術突破了現階段數字創新體系中的資源邊界與內涵瓶頸，通過數智化資源重組、衍生價值拓展等方式，能夠更進一步地完善產品（服務） 體系與經營模式，是新時代背景下中國戰略新興產業的全新動力[4]。正如百度無人駕駛汽車、海爾互聯網工廠等成功經驗，均表明數智創新將是推動中國戰略新興產業高質量發展的核心載體。

戰略新興產業高質量發展，即涉足戰略新興產業的企業通過生產經營，實現高經濟價值增長、高附加價值增長與高生產效率增長的戰略發展目標[5]。由于戰略新興產業是中國宏觀經濟發展的中觀載體，也是微觀企業發展的趨勢寫照，討論戰略新興產業高質量發展的影響機制，亦成為業界和學界共同關注的話題[6]。以往研究主要從宏觀與微觀兩個層面，對戰略新興產業高質量發展的影響機制展開了討論，并取得了豐碩的成果[7]。從宏觀層面而言，減稅（費）、國有資產監管、環境規制等政策機制均有助于驅動戰略新興產業的高質量發展，同時，地方金融發展、數字經濟發展等因素，亦與戰略新興產業高質量發展之間呈現出擠出效應[8]。而從微觀層面而言，技術創新、數字化成熟度、治理效能等因素，亦對戰略新興產業高質量發展有著推動作用[9]，如陳麗姍和傅元海(2019)的觀點證實企業數字化成熟度高，將在創新效率、資本結構、成本優化等方面，為企業助力，使之成為新常態下推動戰略新興產業高質量發展的優勢力量[10]。

此外，以往研究雖肯定了數智創新對戰略新興產業高質量發展的推動作用，但目前有關數智創新的經濟效應理論，依舊缺乏成熟的理論體系或實證分析框架，且鮮有學者關注數智創新在非宏觀層面的內驅機制及邊界條件[11]。按照新管制經濟學的觀點，任何產業均處于特定的制度管理情境[12]。因此，數智金融作為現代金融服務的新基點，可借助AI 技術的智能決策優勢，彌補傳統金融工具的不足，并以“高效率、低風險、準精度”的智慧金融服務，激發戰略新興產業全要素生產效率提升，是促進現代產業發展的一項重要邊界條件。然而，隨著數智金融的過度發展，金融投機、創新資源擠占、過度金融化等問題的滋生，必將抑制產業全要素生產效率的提升，但該問題卻鮮有學者展開進一步的論述，這也為本研究的理論創新提供了實現的可能。

綜上所述，以往研究的觀點肯定了數智創新對戰略新興產業高質量發展的推動作用，但其二者間的內驅機制為何？又是否存在重要邊界條件等問題，仍有待進一步厘清。故而，文章將基于數字創新理論，以中國戰略新興產業領域的上市公司為樣本，通過計量模型與組態效應分析，揭示數智創新對中國戰略新興產業高質量發展的影響“黑箱”，并同時檢視數智金融的邊界作用。

二、研究假設

1. 數智創新與戰略新興產業高質量發展

創新是中國創新驅動型經濟體制改革的核心動能，其本質在于將未知生產要素與生成條件重組融合，繼而創造出新的生產組合。根據數字創新理論的觀點，數智創新一方面可基于用戶數據，篩選出創新所需的知識類型、當量與結構，并通過智能化分析，為企業提供最優的決策方案[13]；另一方面，可借助技術優勢，削減其價值共創過程中的成本，防范未知市場風險，以提升企業的組織韌性和動態能力[14]。因此，數智創新可基于數字化資源的使用效率提升，以及提高創新過程中的管控精度與流程效率，加快戰略新興產業數智化轉型，進而更好地推動其邁入高質量發展階段。數智創新推動戰略新興產業高質量發展的理論機理如圖1 所示。具體實現路徑有三：

圖1 數智創新推動戰略新興產業高質量發展的理論機理圖

（1） 數據資源商業化路徑

從數據資源的深度應用視角而言，數智技術所推動的信息基礎設施“再升級”，加速了數據的資源化進程，如對交易數據的精準化識別與提取，不僅實現了企業生產要素的高效率匹配，更能夠使企業從中尋找到優質用戶及商業契機[11]。因此，數智經濟時代，數據的商業資源化屬性日益顯著，市場主體的經營紅利亦取決于對市場數據的掌控能力[14]。同時，相比于傳統數字化創新，數智創新是數字化創新的“升華”，其不僅具備數字化創新在突破空間和時間上的技術優勢，并且能夠更加精準、高效地對數據展開智能化識別、提取、追蹤和判斷，大幅提升了企業的數據資源利用效率與精度，并有利于進一步優化市場信息不對稱所造成的企業決策誤差和成本（含數據獲取成本、供應商和用戶的議價成本等），從而讓企業獲得應對多變市場需求的組織韌性或競爭力，為企業的高質量發展提供有力的技術保障[15]。

（2） 企業多元化創新路徑

從創新實踐視角而言，數智技術不僅為企業研發類創新帶來了技術上的支持，更為非研發類創新提供了實現的可能。首先，如數字孿生技術等虛擬仿真技術或AI 技術，一方面提高了企業創新效率、精度與市場匹配度，另一方面大幅降低了企業創新過程中的“試錯”成本，為企業贏得了一定的市場議價空間[16]。其次，隨著數智技術與企業業務的深度融合，數智創新的技術優勢將賦能于企業業務數智化轉型，如利用邊緣計算、深度學習等精準畫像技術，不僅可以有效提高企業營銷效率，還能夠以此減少營銷成本與組織資源投入，實現戰略新興產業的價值增長型商業模式創新[17]。

（3） 產業鏈價值創造路徑

從產業協同視角而言，數智創新可通過聯結性與融合性的技術優勢，打通產業鏈（供應鏈）、企業間和產品（服務） 間的邊界壁壘，促進戰略新興產業各主體間的協同發展，降低戰略新興產業內的非必要性（重復性） 生產要素投入，為推動產業內生產效率大幅提升奠定了實現基礎[17]。同時，對于高市場潛質的戰略新興產業而言，數智創新能夠基于智能化技術，以供應鏈金融支持等方式，高效整合產業鏈，并逐步構建數智化產業鏈，以集群效應驅動戰略新興產業高質量發展。

綜上而言，文章認為數智創新可基于數據資源商業化路徑、企業多元化創新路徑與產業鏈價值創造路徑，推動戰略新興產業高質量發展。故而，文章提出以下研究假設：

假設H1：數智創新將推動戰略新興產業高質量發展。

假設H2：數智創新會通過數據資源商業化路徑、企業多元化創新路徑與數智價值創造路徑，間接推動戰略新興產業高質量發展。

2. 數智金融的調節作用

根據數字創新理論，金融效率是決定企業成長的關鍵要素，是支撐戰略新興產業高質量發展的重要邊界條件。金融效率越高，企業可用于創新的資源便越充沛，其創新意愿、效率和幅度亦隨之增長，并有助于企業進一步開拓價值創新路徑，實現高質量發展。隨著數智金融的日益成熟，數智技術與金融工具（模式） 的深度融合，其不僅保留了數字金融階段，對潛在金融風險識別的功能，還可利用AI、深度學習等智能化技術賦能，大幅提高企業風險識別精度及風險預測水平，降低傳統金融風險對市場環境的損害[18]；同時，數智金融還可進一步提高企業金融資本配置效率，激發金融環境的最大動能，為企業提供更加高效精準的現代金融服務。

然而，隨著有關數字金融研究的不斷深入，亦有學者提出了“雙刃劍”的觀點：即數字金融雖能有效緩解融資約束對企業創新的資源抑制，并為企業高質量發展提供金融支持，但隨著使用深度的不斷加劇，也會存在誘發企業產生經營風險的可能，如企業過度金融化、企業關鍵數據流失、金融欺詐等。其具體表現為：

（1） 組織數據資源過于暴露，存在關鍵數據資產流失風險

數智金融賦能可大幅推動企業數智創新效率、幅度及質量，為加快戰略新興產業高質量發展帶來了“資”的保障。但隨著數智金融融資幅度、深度及依賴度的不斷提高，企業被迫披露或提供的內部資訊（數據） 便越多，其通過數智創新所積累的關鍵性數據資產，則成為了決定其融資可得性的關鍵“籌碼”[15]。因此，企業若無法將被迫披露的數據有效資產商業化，則將減損相關數據的資產效能，并導致前期投入淪為沉沒成本[19]。同時，鑒于戰略新興產業的高技術迭代性與高技術可復制性，若企業對披露數據資產的管理機制失靈，也將錯失市場先機[16]。由此而言，對涉足戰略新興產業的企業而言，適度的數智金融，可為企業數智創新提供有效的資金保障，企業為此付出的數據資產與融資付出也相對均衡。

（2） 支持力度難掌控，易使企業產生決策偏差

研發類創新是戰略新興產業實現高附加價值，乃至于實現高質量發展的根本。然而，即便在數智技術賦能的前提下，戰略新興產業的研發類創新周期、成本及產品（服務） 轉化，也與非研發類創新存在顯著的效率差距。同時，鑒于非研發類創新周期短、見效快的創新特征，一旦形成成熟的新型商業模式，將為企業帶來高附加價值的增長[19]。因此，若企業在高附加價值的紅利誘導下，將用于研發類創新的資源挪至非研發類創新，其研發類創新效率必將減緩，甚至停滯，其戰略新興產業高質量發展的初衷也將淪為“無本之木”。此外，相比于傳統融資模式，對涉足戰略新興產業的企業而言，數智金融的融資可得性更高，支持力度更大，若企業可通過數智金融獲得足量的金融資源支持，則可有效規避這一資源配置難題，兼顧研發類創新與非研發類創新，實現高附加價值增長下的戰略新興產業高質量發展；反之，若數智金融給予了企業過量的金融支持，又容易誘使企業過度金融化，偏離企業創新的本質。由此而言，只有數智金融支持力度適度，方可使數智創新穩定推進企業多元化創新效率，實現企業的高附加價值增長。

（3） “非理性”融資，不利于產業生態健康發展

對戰略新興產業中的非核心企業而言（含中小微企業和弱勢企業），核心企業數智創新打通了組織間的信息隔閡，提高了產業鏈（供應鏈） 整體的生產效率；同時，核心企業也可在數智金融的助力下，進一步完善產業內的供應鏈金融體系，從而在加強核心企業自身地位及產業控制力的同時，幫扶非核心企業共同成長，以促進戰略新興產業的高質量發展[20]。因此，高數智金融賦能，能促進核心企業數智創新對戰略新興產業生產效率的提升作用。然而，若核心企業采取非理性融資策略（即“為融資，而融資”），通過數智金融過度攫取金融支持，則不僅存在企業過度金融化、債務提升等組織風險，更甚者還會出現通過供應鏈融資等方式，鉗制、操控、惡意并購非核心企業的情況，這不僅有礙于核心企業的健康發展，更將對所在戰略新興產業生態造成不可逆的損害[21]。由此而言，只有數智金融對戰略新興產業核心企業的金融支持適度，才能發揮金融工具對產業高質量發展的促進作用。

綜上可知，文章認為只有適度的數智金融，才能夠讓涉足戰略新興產業的企業，更好地發揮數智創新勢能，以實現企業高經濟價值、高附加價值與高生產效率的綜合性增長，進而推動戰略新興產業高質量發展。由此，文章提出以下研究假設：

假設H3：數智金融將在數智創新推動戰略新興產業高質量發展的正向影響關系中，存在顯著的非線性調節作用。

三、研究設計

1. 模型設定

為揭示數智創新推動戰略新興產業高質量發展的內驅機制，文章參考相關學者的做法，構建以下計量模型：

其中，被解釋變量SEI-HQD 代表戰略新興產業高質量發展，解釋變量DII 代表數智創新，中介變量M 包括數據資產披露率DA、非研發類創新投入N-R＆D、供應鏈金融SCF，調節變量DI-F 代表數智金融，控制變量C 包括企業規模Size、資產收益率ROA、經濟發展GDP 等；i 和t 代表第i 家公司第t 年的數據，μ 和ε 分別代表的是虛擬變量（行業及年份） 和隨機誤差項。

模型(1)中，若β1顯著，則說明假設H1 得到了驗證；模型(2)中，若β1和β2顯著，且區間效應不含0，則說明假設H2 得到了驗證；模型(3)中，若β3顯著，且區間效應不含0，則說明假設H3 得到了驗證。

2. 變量定義

（1） 解釋變量：數智創新(DII)

鑒于目前上市公司的財務數據中，并未詳盡披露有關數智創新的研發投入數據。本研究參考安同良、聞銳(2022)[22]的做法：一是基于國家知識產權局公開披露的專利數據，通過Python 數據挖掘技術，爬取對應樣本企業2016—2020 年度的專利授權數據；二是將“智能化”“AI（人工智能）”“機器學習”“深度學習”“圖像理解”“邊緣計算”“智能機器人”“自然語言處理”等涉及數智技術的詞匯，設定為關鍵詞，進行匹配性篩選，以得到對應樣本企業，在對應年份內的有關數智創新的專利授權數量；三是以該數智專利數量與企業對應年份的專利授權總量之比，作為數智創新的觀測指標；四是按照上述步驟，加入“大數據”“云計算”“物聯網”等數字創新關鍵詞，得到對應樣本企業有關數字創新的觀測指標，以作為替代變量。

（2） 被解釋變量：戰略新興產業高質量發展(SEI-HQD)

文章參考Levinsohn＆Petrin(2003)[23]的做法，以全要素生產率觀測對應樣本上市公司的戰略新興產業高質量發展。具體計算公式如下：

其中，MIB 為主營業務收入，NE 為員工總量，FA 為企業固定資產，P＆L-C 為采購及勞務成本（現金支出）。

（3） 中介變量：數據資產(DA)

本研究參考危雁麟等(2022)[24]的做法，采用Python 數據挖掘技術，對樣本上市公司的年度財務報告進行文本挖掘，并以關鍵詞頻數觀測企業數據資產披露率。非研發類創新投入NR＆D，參考解學梅、王宏偉(2020)[19]的做法，以非研發類創新投入占企業研發投入總量之比，觀測非研發類創新投入。供應鏈金融SCF，參考宋華等(2022)的做法[25]，采用Python 數據挖掘技術，對樣本上市公司的年度財務報告進行文本挖掘，從中梳理出對關聯系業務公司的融資數據，并以該公司對供應鏈上下游企業的融資總量增長率，作為主要觀測指標。

（4） 調節變量：數智金融

文章參考安同良、聞銳(2022)的做法[22]，采用Python 數據挖掘技術，以有關數智金融的相關技術詞匯為關鍵詞，對《中國數字經濟統計年鑒》 《北京大學數字普惠金融指數報告》等資料進行文本數據挖掘，分別計算關鍵詞詞頻，并同時采用主成分法，評價各關鍵詞權重，再通過加權計算聚合為對應省份、年份的數智金融指數。具體變量定義與描述性統計特征見表1。

3. 樣本來源

文章以2016—2020 年中國戰略新興產業的上市公司數據為樣本，具體行業包括信息技術行業、先進制造行業、互聯網技術服務行業和通信服務行業。其中，數智創新、數智金融、戰略新興產業高質量發展等數據，來源于歷年CSMAR 數據庫、Wind 數據庫、 《中國統計年鑒》 《中國數字經濟統計年鑒》《北京大學數字普惠金融指數報告》與國家知識產權局。

在樣本預處理方面，文章參考相關學者的做法，刪除了無效數據（包括未開展數智化轉型的相關樣本、關鍵數據缺失的樣本、ST 和*ST 的樣本等），最終得到了2317 家企業的11585條面板數據；其中，各主要變量的相關性系數在-0.270～0.459范圍內顯著，且各主要變量的VIF 系數均在10 以下的閾值范圍，說明本研究受多重共線性的干擾較小。

四、假設檢驗

1. 基準回歸檢驗

（1） 主效應檢驗

根據表2 的M1 列的結果顯示，數智創新與戰略新興產業高質量發展之間的正向影響關系顯著(β=0.228，P＜0.001)，假設H1 得到了支持。

表2 假設檢驗結果

（2） 中介效應檢驗

文章參考曹曼等(2019)的做法[26]，在分別驗證了數據資產、非研發類創新和供應鏈金融的獨立中介效應顯著后，將三者同時納入M1 的模型，進行混合中介效應檢驗。根據表2 的M2列和表3 的結果顯示，數智創新能夠分別通過數據資產、非研發類創新和供應鏈金融，顯著間接影響戰略新興產業高質量發展，假設H2 得到了支持。

表3 中介效應檢驗結果

（3） 調節效應檢驗

文章按照曹曼等(2019)的做法[26]，首先，分別檢驗了數智金融，在數智創新與數據資產(Δγ=γ高-γ低=0.317-0.173=0.144，p＜0. 001，95%，CI=[0.138，0.149])、非研發類創新(Δγ=γ高-γ低=0.400-0.219=0.181，p＜0.001，95%，CI=[0.174，0.189])和供應鏈金融(Δγ=γ高-γ低=0.239-0.141=0.098，p＜0. 001，95%，CI=[0.091，0.104])之間的調節作用；其次，將數智金融作為調節變量，納入M2 的模型，并按照Bootstrap 方法進行有調節的中介效應檢驗，結果顯示數智金融的調節作用依舊顯著，假設H3得到了支持。

2. 穩健性檢驗

（1） 替代變量

首先，文章以數字創新作為替代變量進行主效應的穩健性檢驗，結果顯示：當數字創新作為唯一解釋變量時，其影響關系顯著(β=0.130，P＜0.01)，但相比影響程度較小；同時，將數字創新作為解釋變量，納入M1 的模型后進行檢驗，發現數智創新對戰略新興產業高質量發展的正向影響依舊顯著(β=0.207，P＜0.001)，但數字創新不顯著(β=0.158，P＞0.05)，說明數智創新對數字創新具備替代效應，并同時檢驗了假設H1。其次，文章以數字金融作為替代變量進行調節效應的穩健性檢驗，結果顯示：數字金融在數智創新與戰略新興產業高質量發展之間的間接影響關系中，起到了顯著的有調節的中介作用，但其影響效果亦遠低于數智金融，說明數智金融具備比數字金融更好的賦能作用，并同時對假設H3 進行了驗證。

（2） 滯后一期變量

鑒于反向因果考量，本研究將戰略新興產業高質量發展滯后一期作為被解釋變量，進行主效應的穩健性檢驗，結果顯示：數智創新依舊能夠顯著影響戰略新興產業高質量發展(β=0.216，P＜0.01)，這也進一步證明了本研究受反向因果的影響較小。

（3） 傾向得分匹配(PSM)

鑒于企業數智創新的背景差異性，為降低遺漏變量及樣本自選性所造成的干擾，本研究采用傾向得分匹配(PSM)進行主效應的穩健性檢驗。具體步驟：首先，按照樣本上市公司的數智創新專利數量進行排序，并以數量排名中位數為基點，將樣本劃分為控制組（后50%的樣本） 和實驗組（前50%的樣本）；其次，按照兩組樣本的控制變量進行鄰近匹配，以降低控制變量的偏差影響；其三，通過PSM回歸結果發現，數智創新對戰略新興產業高質量發展的正向影響依舊顯著(β=0.228，P＜0.01)，說明主效應分析結果不受樣本自選性的干擾。

（4） 蒙特卡羅模擬

鑒于文章所采用的研究數據均為面板數據，考慮到數據結構的非對稱性，采用蒙特卡羅模擬進行中介效應的穩健性檢驗。結果顯示：數智創新依舊可以通過數據資產(β=0.053，P＜0.01，95%，CI[0.013，0.069])、非研發類創新(β=0.046，P＜0.01，95%，CI[0.024，0.084])和供應鏈金融(β=0.039，P＜0.01，95%，CI[0.017，0.068])，顯著間接影響戰略新興產業高質量發展，說明中介效應分析結果受數據結構的非對稱性影響較小。

3. 組態分析

文章以中國戰略新興產業上市公司為樣本，檢視了數智創新對戰略新興產業高質量發展的深層影響機制，并同時驗證了數智金融的賦能效應。然而，計量分析結果僅是厘清了二者間的過程機制與邊界條件，如何有效通過數智創新，推動戰略新興產業高質量發展等實際問題，卻仍未得到有效解答。故而，本研究參考杜運周等(2021)的做法[27]，采用模糊集定性比較分析(fsQCA)從組態分析視角，討論能夠推動中國戰略新興產業高質量發展的企業數智創新對策組合。具體步驟為：

（1） 數據校準

根據表2 的結果可知，數智創新等主要變量能夠對戰略新興產業高質量發展的影響顯著，而其他變量不顯著。因此，本研究將數智創新等5 個變量，進行必要條件檢驗，在各變量皆不是唯一性變量的前提下，將其設置為前因變量（如表4 所示），再按照0.05、0.5 和0.95 的標準進行數據校準。

表4 必要條件檢驗結果

（2） 結果分析

根據表5 的結果顯示，在80%覆蓋率和案例數大于1 個的約束條件下，共得到了三個組態路徑，其一致性分別為92.5%、87.4%和94.7%，皆滿足75%以上的閾值標準，且方案總體覆蓋率超過80%，證明這三個組態方案，具備較高的案例解釋度。因此，文章參考杜運周等(2021)的建議[27]，對各組態方案分別命名，并展開案例討論。

表5 組態效應檢驗結果

4. 案例討論

（1） “產業鏈主導型”戰略新興產業高質量發展實現方案

適用于該路徑方案的樣本企業多為細分市場領域的龍頭企業或優勢企業，主要分布于前瞻性技術領域，并普遍具備大組織規模、大資金當量和大技術優勢的組織特征。如表5 的方案A，“產業鏈主導型”戰略新興產業高質量發展路徑的Raw Coverage 為14.1%，Unique Coverage 為1.1%，Consistency 為92.5%。其中，數據資產和供應鏈金融為核心條件，數智創新和數智金融為輔助條件，說明在數智創新驅動下，供應鏈金融成為了優勢企業拓展產業鏈邊界的重要手段，而實現這一進程的關鍵，便在于數據資產的排他性，這也是為何數據資產不可公開商業化，以及不可作為融資訴求的主要條件的原因。同時，以數智技術為抓手，以供應鏈金融為措施，可助龍頭（優勢） 企業進一步強化產業鏈主導地位，并推動戰略新興產業高質量發展。綜上，文章認為當龍頭（優勢） 企業通過數智技術，實現了對產業鏈上下游情報的精準控制時，可采用供應鏈金融的資本手段，延伸產業鏈控制范圍，促進戰略新興產業高質量發展。

（2） “非研發創新型”戰略新興產業高質量發展實現方案

適用于該方案的樣本企業多為“專精特新”類中小企業，并主要分布于華南、華東等發達省市，普遍具有業務周期短、資金周轉率較高、資金壓力小等組織特征，且在產品、服務或技術上有著鮮明的特色或市場優勢。根據表5 的方案B，“非研發創新型”戰略新興產業高質量發展路徑的Raw Coverage 為20.7%，Unique Coverage 為7.7%，Consistency 為87.4%。其中，數智創新、數據資產和非研發類創新為核心條件，數智金融為輔助條件，說明在數智創新的高效驅動下，該類企業可基于數據資產的高附加價值，在組織管理、營銷模式、生產運營及服務模式等方面，進行非研發類創新，從而減少對外源融資的依賴性。因此，該類型企業可在低融資壓力環境下，充分發揮數智創新，以及由此創造的數據資產的最大勢能，實現組織內多元化創新循環，進而促進戰略新興產業轉型升級。由此，文章認為數智技術可推動企業商業模式創新，以推動戰略新興產業轉型。

（3） “數智化驅動型”戰略新興產業高質量發展實現方案

適用于該方案的樣本企業主要是數智技術類專利較多，且轉化程度較高的企業，或是數智化轉型成熟度較高的企業。根據表5 的方案C，“數智化驅動型”戰略新興產業高質量發展路徑的Raw Coverage 為14.3%，Unique Coverage 為1.3%，Consistency 為94.7%。其中，供應鏈金融與數智金融為核心條件，數據資產和非研發類創新為輔助條件，說明對于組織數智化程度較高的企業而言，數智金融的高效賦能，可進一步促進企業數據資產商業化、組織內多元化創新和產業鏈邊界拓展，從而加快戰略性新興產業轉型升級進程與實現高質量發展目標。因此，該類型企業可依托數智創新的技術優勢，并充分利用數智金融的資本工具，強化企業軟實力與市場（產品） 競爭力，從而邁入高質量發展階段。因此，文章認為企業的數智化轉型成熟度決定了實現戰略新興產業高質量發展的內驅機制效率。

五、研究結論、理論貢獻與對策建議

1. 研究結論

文章以中國戰略新興產業上市公司為樣本，通過構建計量模型和組態分析，揭示了數智創新對戰略新興產業高質量發展的影響“黑箱”，并同時檢視了數智金融的邊界作用。結果顯示，數智技術對數字技術存在顯著的替代效應，并主要體現在數智創新和數智金融方面；數智創新能夠通過數據資源商業化路徑、企業多元化創新路徑與產業鏈價值創造的內驅路徑，間接推動戰略新興產業高質量發展，且該過程影響機制受到數智金融的情境機制干擾；此外，文章提出了三種基于數智創新的戰略新興產業高質量發展實現方案。

2. 理論貢獻

文章的理論貢獻包括：第一，文章基于Python 數據挖掘技術，提出了一種數智創新的觀測方式，為后續研究提供了一個可選擇的方案；第二，文章從數據資產商業化、多元化創新和數智價值創造的路徑，剖析了數智創新對戰略新興產業高質量發展的過程機制，為進一步探究其二者間的影響“黑箱”，提供了一個全新的視角；第三，文章將數智金融引入研究框架，檢視了差異化水平的數智金融對數智創新與戰略新興產業高質量發展之間的邊界作用，該觀點有助于更進一步詮釋數智創新對戰略新興產業高質量發展的影響機制。

3. 對策建議

根據研究結論，文章提出以下管理對策與政策建議：

第一，加快產業鏈龍頭培養，充分發揮數智產業集群優勢。一是，各地方政府需結合地方戰略新興產業發展現狀，著力打造一批有市場潛力與企業競爭力的行業龍頭企業，構建地方“智慧型”戰略新興產業集群。二是，基于戰略新興產業特色，有針對性地加強戰略新興產業的相關數智基礎設施與產業鏈配套設施建設，并以協調者的身份幫助企業拓寬生產要素獲取渠道、促成戰略合作、搭建市場平臺等，為地方戰略新興產業高質量發展提供條件性保障。

第二，加快非研發創新進程，充分發揮商業模式創新價值。一是，相關企業可積極推動數智技術與營銷模式、組織運營、生產管理等方面的深度融合，以商業模式創新優化組織效率、成本與資源配置，以企業軟實力提升促進戰略新興產業高質量發展。二是，充分利用商業模式創新的組織效能，為產品（技術） 創新提供精準需求定位與資源保障，確保企業研發方向與精度的科學性與市場性，為企業高質量發展提供過硬實力的保障。