制造企業數字化轉型、勞動力結構優化與企業創新效率

關鍵詞：數字化轉型；勞動力素質結構優化；勞動力職能結構優化；創新效率；融資約束

中圖分類號：F273.1 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2024.06.002

二十大報告強調，要加快實施創新驅動發展戰略，并明確企業在科技創新當中的主體地位，堅持創新是第一動力。制造業作為國民經濟重要支撐，是國家綜合實力的體現，其發展的根本所在就是創新。多年來中國制造業連創佳績，看似已處于世界前列，但本質上卻是大而不強，存在核心技術受制于人、自主創新動力不足、低附加值等問題［1］。依賴高成本要素的發展模式問題層出不窮，隨著經濟下行壓力加劇，且依靠外部技術溢出效應紅利逐步消失，這對中國制造企業未來的創新發展提出了考驗，但如何提升企業創新效率一直是難點所在。

近年來，伴隨著人工智能、區塊鏈等數字技術的興起，以及教育直播、遠程辦公等新興數字化業態的萌芽［2］，數字化賦能經濟的高質量發展有目共睹，這也引起了學術界的廣泛關注。目前關于企業數字化轉型成效的研究，國內外學者主要聚焦于全要素生產率［3］、風險承擔［4］、經營績效［5］等方面，但對于制造企業數字化轉型與企業創新效率關系及作用機制的研究仍相對較少。

當下依托以創新為引領的數字技術，制造企業實現了創新效率的大幅提升。但縱觀國內外研究，關于二者的討論并未達成共識。一方面，Diaz-Chao等［6］認為數字化轉型后的組織會采取更多創新行為。數字化轉型通過在人與數據之間建立聯系，促進價值鏈中個體創新［7］。此外，考慮到數字化轉型的不確定性和傳統制造企業轉型難度較大的問題，也有學者對數字化轉型和創新效率之間的線性關系提出了質疑。Li等［8］認為數字化轉型過程中的大多數企業會由于資金短缺問題而無法實現創新效果，高額成本使許多企業望而卻步，從而陷入“不轉型就等死，轉型后就找死”的困境中。創新需要企業在前期投入大量的資源，這使得數字化轉型對創新效率的影響表現為倒“U”形關系［9］。因此，本文探究二者之間的關系對于豐富該領域研究成果具有重要意義。

此外，創新效率作為反映企業創新投入和產出的關鍵指標，是創新資源優化配置的結果［10］。考慮到創新具有高風險、長周期的屬性，這也決定了創新過程對于資金的依賴程度較高，因此企業的融資能力和外部金融環境深刻影響著企業的創新效率［11］。員工作為企業創新活動的主體［12］，對于提高企業創新效率至關重要。例如有研究發現員工持股計劃實現了員工與企業利益的一體化，從而有效激發了員工創新活力［13］；數字經濟可以通過人才資源集聚效應對企業創新效率產生正向影響［14］。此外也有學者發現員工滿意度［15］、團隊關系和領導方式［16］與創新效率之間存在作用機制。因此，有必要從企業勞動力結構和融資約束視角探究制造企業數字化轉型和創新效率之間的作用機制。

針對上述問題，本文以滬深兩市2015—2021年A股上市制造企業數據為基礎，對制造企業數字化轉型與創新效率之間的內在機理展開實證研究，主要討論以下問題：（1）制造企業數字化轉型是否顯著提高了創新效率？（2）制造企業數字化轉型對創新效率產生的影響是否存在異質性？（3）僅討論企業數字化轉型對創新效率的影響略顯不足，因此本文試圖探討企業勞動力結構優化是否發揮了中介作用以及融資約束是否發揮了調節作用？

本文可能的貢獻如下：（1）目前關于制造企業數字化轉型與創新效率關系的研究仍然存在分歧，本研究從勞動力素質結構優化和職能結構優化兩方面來探討二者之間潛在的作用機制，不僅可以打開部分作用機制的黑箱而且可以豐富數字化轉型成果的研究；（2）創新性地以融資約束為調節變量構建了一個被調節的中介模型，一方面探討了融資約束對于數字化轉型和創新效率這一路徑的調節作用，另一方面考察了融資約束對于數字化轉型和中介變量作用路徑的調節作用，這有助于豐富制造企業數字化轉型影響企業創新效率的情境機制；（3）為了進一步豐富研究結論，從企業所有制和所處城市等級兩方面進行異質性分析，這可以為將來制造企業構建良好創新體系提供借鑒和新思路。

1 理論基礎與研究假設

1.1 制造企業數字化轉型和企業創新效率

創新是制造企業發展的重要引擎，采用新的數字化流程將賦能企業創新能力提升［17］。基于資源基礎理論的觀點，制造企業能否在競爭中獲得主動權主要取決于企業是否具有獨特的資源和能力。在數字經濟時代，數字要素儼然成為制造企業不可或缺的資源。一方面，數字化轉型促進了制造企業內外部的信息流通，幫助企業迅速了解市場動向和客戶需求，從而把握創新方向提高效率。另一方面，數字仿真技術的應用使制造企業可以在虛擬情境中實現產品的開發和優化，這無疑提高了企業創新效率［18］。其次，創新效率的提高對數據和信息的依賴程度較高，數據挖掘、云計算等技術為制造企業創新提供了強大的數據收集和處理動能［19］，并有效緩解了企業部門間信息不對稱問題，以更便捷的方式獲取、整合創新資源，極大降低了創新成本，諸如知識庫、決策支持系統和客戶關系管理系統等的使用賦能企業創新［20］。同時，從創新投入和產出的視角來看，數字化轉型特有的“精、準、快”的優勢，幫助制造企業極大地降低了創新風險，加速企業內外部的知識流動，促進形成“1+1gt;2”的協作創新模式［21］。數字化轉型賦予企業新的發展動力，不斷提高企業的運營效率，從而為提高創新效率提供更多便利和機會。綜上所述，提出假設：

H1：制造企業數字化轉型能夠提升企業創新效率。

1.2 勞動力結構優化的中介作用

Autor等［22］將勞動力區分為常規低技能勞動力和非常規高技能勞動力。對于從事重復性工作的人員，例如生產線工人就屬于常規低技能勞動力。反之，對于建立在復雜分析和交流溝通基礎上的工作，一般由高技能員工完成，例如研發人員等。肖土盛等［23］以職業為劃分依據，將從事科技、銷售、財務等相關工作的員工視為非常規高技能人員。因此，可以依據制造企業員工的職能對其進行分類。此外，員工受教育水平也是衡量企業勞動力的重要指標，高素質人才通常接受過良好的教育，在企業發展中能夠發揮更大的作用［24］。肖曙光和楊潔［25］認為員工學歷是與其綜合素質正相關的，并以微笑曲線理論來解釋員工技能提升與員工結構高級化的等同性。陳紅等［26］將員工學歷和技能視為人力資本結構高級化的重要標志。因此，可根據學歷對企業勞動力進行分類。綜上，本文認為當“制造企業中非常規高技能勞動力占總勞動力的比例增加”或“制造企業中研究生及以上學歷的勞動力占總勞動力的比例增加”都意味著勞動力結構實現了優化。

勞動力素質的優化在制造企業數字化轉型提高創新效率的機制中發揮重要作用。一方面，制造企業技術進步會使勞動力需求結構發生轉變［27］，使企業對綜合素質人才的需求不斷增加。信息化水平越高的企業，越關注員工的受教育水平［28］。互聯網能夠幫助制造企業在全球范圍內聚集創新人才，數字化轉型產生的“技術替代”效應、“技術互補”效應和“規模擴張”效應［29］，增加了企業對于具備相關專業知識的高素質員工的需求。另一方面，高學歷的員工通常具備更強的認知能力、學習能力和創新能力，這類員工能夠通過學習和溝通迅速掌握新的技能，從而有助于提高企業在創新過程中的效率［30］。學歷結構高級化有助于提升企業科技創新績效［31］，企業應當努力雇用高學歷的員工，這將通過組織學習路徑加強創新［32］。綜上，本文認為制造企業在數字化轉型的過程中，對高學歷的綜合素質人才的需求會上升，企業可能通過員工在職培訓、高薪招聘等途徑增加人才儲備，并且高素質人才通常具有更強的創新能力和意識，對于提升制造企業創新效率可能產生促進作用。因此提出假設：

H2：制造企業數字化轉型能夠通過勞動力素質結構優化提升企業創新效率。

制造企業數字化轉型促進了企業技術升級，而復雜的技術必須匹配相應的高端勞動力才能充分發揮其作用。先進設備的引進可以完成大部分常規工作的處理，這也使得低技能工作更容易被替代［33］，并且高技能勞動力具有較強的向下兼容能力，這使得企業對于低技能勞動力需求逐漸降低。制造企業自動化技術的引入在取代低技能崗位的同時創造了新的高技能勞動力崗位［34］。數字技術解決了企業簡單的重復性工作，減少了企業對于低技能勞動力投入方面的浪費，提高了資源利用效率［35］。Chung等［36］通過對2005—2016年間工業機器人對美國勞動力市場影響的研究發現，機器人的廣泛使用在早期減少了就業，但隨著企業對高技能勞動力需求增加，對就業產生了正向影響。同時，高技能勞動力的增加對于促進企業創新是有幫助的。Biancalani等［37］研究了意大利政府實施的公共政策對創新型企業的影響，并認為這項立法旨在通過便利小型年輕企業獲得高技能勞動力來提升其創新能力。Xu等［38］在探究中國政府實施人才政策對企業創新的影響時發現，高技能勞動力的增加對于企業產生了創新激勵效應。綜上，制造企業在數字化轉型過程中引入了自動化技術、工業機器人等先進的技術和設備，這就需要匹配相應的承擔技術含量較高工作的勞動力，這類人員在工作當中可能會不斷總結經驗并形成創新成果。因此提出假設：

H3：制造企業數字化轉型能夠通過勞動力職能結構優化提升企業創新效率。

1.3 融資約束的調節作用

目前關于融資約束與企業數字化轉型的研究方興未艾。周燦和章激揚［39］認為企業數字化轉型能夠通過提升企業品牌形象獲得資本市場青睞，從而提高企業的資金獲取能力，緩解融資約束。但反過來，無論是進行數字化轉型還是提高創新效率都要基于充足的現金流。數字化轉型意味著需要承擔高昂的轉型成本，資金流的充足性和持續性缺一不可，現階段大量企業由于受到融資約束的影響停留在基礎設備數字化階段，迫切需要充裕的資金支持［40］。企業的融資壓力越大，數字化轉型越糟糕，當企業陷入融資困境，資金鏈的斷裂必將影響企業的創新產出［41］。由于缺乏足夠的現金流來支撐制造企業的創新活動，加之創新活動周期長風險高的特點，讓資金有限的制造企業望而卻步，相較于創新項目而言，中小制造企業更青睞于回報快、風險低的項目［42］。綜上，制造企業在購買機器設備、引入數字技術、開展創新研發活動都離不開資金支持，較低程度的融資約束使得企業擁有充足的資金可以投入到數字化轉型中，為提升創新效率奠定基礎。因此提出假設：

H4：融資約束負向調節制造企業數字化轉型對企業創新效率的影響。

基于前文的推論和相關假設，本文進一步推測融資約束可以調節企業勞動力結構優化在制造企業數字化轉型與創新效率之間的中介作用，即中介效應的前半段路徑由融資約束調節。一方面，在職培訓作為提升勞動力技能的重要途徑，可以幫助員工積累實用性的經驗和技能［43］，這有賴于制造企業對于員工培訓方面的大量資源投入。另一方面，良好的報酬不僅能夠吸引高素質人才加入，而且有助于激勵員工創新行為的產生［44］。而對于受到較強融資約束的企業來說，缺乏長期穩定的資金來源，畏懼投資失敗［45］。企業培養人才通常需要投入大量的資源，但是當下高學歷和具備較高技能的員工都渴望追求較高的薪資水平，這也是導致企業人才大量流失的關鍵因素［46］。對于缺乏資金的制造企業來說，可能無法承擔員工高額的報酬，也會擔憂培養優質勞動力最終會為競爭對手“做嫁衣”。因此融資約束在一定程度上會阻礙制造企業數字化轉型對勞動力結構優化的促進作用。基于以上討論，提出以下假設：

H5：融資約束負向調節勞動力素質結構在制造企業數字化轉型和創新效率間的中介效應。

H6：融資約束負向調節勞動力職能結構在制造企業數字化轉型和創新效率間的中介效應。

1.4 異質性傳導機制

企業的創新能力會因其所有制形式不同而產生差異［11］。相較于非國有的制造企業，國企擁有更雄厚的實力，具備充足的資源、科研儲備，往往也享有國家政策傾斜和資金補貼，具有更強的人才集聚能力。而民營制造企業通常會由于創新成本過高、資金短缺等問題減少創新活動。因此，數字化轉型對制造企業創新效率的促進效果可能在國有企業中更加明顯。現代城市分工理論認為，中心城市是創新資源的集中地，相較于非中心城市更有利于創新［47］。但隨著數字化的進程，傳統分工和價值創造模式發生了巨大變化，同樣也改變了城市間企業的創新格局。中心城市的創新環境已經步入成熟階段，而非中心城市的創新發展還相對落后，因此同等創新要素的投入，非中心城市的制造企業能夠獲得較高的創新效率的提升［14］。因此，數字化轉型對制造企業創新效率的促進效果可能在非中心城市企業中更加明顯。因此提出假設：

H7：制造企業數字化轉型對國有企業創新效率的促進效果更顯著。

H8：制造企業數字化轉型對非中心城市企業創新的促進效果更顯著。

綜上，構建理論模型如圖1所示。

2 研究設計

2.1 樣本選取

以2015—2021年中國滬深A股制造業上市公司為研究對象，同時剔除了ST、*ST類的公司樣本；刪除金融業公司樣本；刪除主要變量缺失以及已退市公司樣本，并對數據進行上下1%的縮尾處理。最終獲得2 284家樣本企業，共8 086個觀測值。制造企業數據等來自國泰安數據庫（CSMAR）、CNRDS 數據庫和萬德數據庫（Wind）；勞動力相關數據來自銳思數據庫；數字化轉型數據通過采用Python對樣本企業年報進行文本挖掘所獲得；采用Stata16.0進行實證分析和數據處理。

2.2 變量定義

2.2.1 被解釋變量

被解釋變量為企業創新效率（IE）。關于企業創新效率的衡量方式，權小鋒和尹洪英［48］認為企業發明專利申請數是創新產出的體現，并從企業創新投入產出兩個方面衡量企業創新效率。本文參考楊水利等［49］的方法，采用當年發明專利申請數和當年研發投入來測度企業創新效率。

2.2.2 解釋變量

解釋變量為制造企業數字化轉型（DT）。通過“文本挖掘法”對樣本企業年報進行文本識別，來得到企業數字化轉型指標。具體步驟如下：參考陳鳳鳳［50］、吳非等［51］的研究，首先依據人工智能、區塊鏈、云計算、大數據等數字技術再結合《“十四五”國家科技創新規劃》以及相關重要新聞和會議構建因子庫；然后基于因子庫，使用Python 對2015—2021 年期間樣本企業年報進行文本爬取，統計“企業數字化轉型”因子在年報中出現的總次數；最后對總詞頻加1并進行自然對數處理得到指標。

2.2.3 中介變量

本文從企業員工的素質結構和職能結構兩方面來考察勞動力結構優化。一方面，許多學者都將企業員工受教育程度作為劃分勞動力的標準［52-53］，這表明學歷層次和員工綜合素質有較強的關聯性。因此，參考楊薇和孔東民［54］的研究，將碩士研究生及以上學歷的員工人數占員工總人數的比例作為高素質員工，記為LSU_edu，當LSU_edu 提升時，就認為企業勞動力素質結構實現了優化。另一方面，參考Kim等［55］和趙爍等［56］的研究，將企業中員工的職業分為科技人員、銷售和市場人員、財務人員以及其他人員四類。其中科技人員主要包含技術人員和研發人員；銷售和市場人員主要指從事產品銷售、市場營銷的人員；財務人員主要指從事會計等工作的財務管理人員。將財務人員、銷售人員以及科技人員劃入非常規高技能勞動力，將非常規高技能勞動力占比記為LSU_ job，當LSU_ job提升時，就認為企業勞動力職能結構實現了優化。

2.2.4 調節變量

對于融資約束（FC）的衡量方法有許多種，由于SA指數可以有效避免內生性干擾［57］，因此，參考Hadlock和Pierce［58］的研究，僅用企業規模和企業年齡兩個隨事件變化不大且具有較強外生性的變量構建SA 指數來度量融資約束，該指數代表當企業進行投資發現內部資金不足時，從外部資本市場獲取資金所面臨的限制：

3 實證結果

3.1 描述性統計

從表2的描述性統計分析可見，企業創新效率（IE）最大值為0.622、最小值為0.005，均值為0.103，表明我國上市制造業企業創新效率水平偏低，且差異較大；融資約束（FC）最大值為8.436、最小值為1.543，表明企業融資約束具有較大差異；數字化轉型（DT）的標準差為1.123，具有較為明顯的差異；企業性質（Shm）的均值為0.225，表明樣本公司多數為非國有企業。

3.2 基準回歸

3.2.1 制造企業數字化轉型、勞動力結構優化、企業創新效率

通過Hausman檢驗，確定采用OLS回歸和固定效應模型進行分析，基本回歸結果如表3 所示。列（1）（2）（3）以LSU_edu 為影響路徑。列（1）中DT對IE的影響系數為0.02，且在1%水平上顯著，假設H1成立。列（2）中DT 對LSU_edu 的影響系數為0.03 并在1% 水平下顯著，說明企業數字化轉型對勞動力素質結構優化具有顯著正向影響，列（3）中DT 對IE 的影響系數為0.014，在1% 水平下顯著，加入中介變量后，中介變量LSU_edu 對IE 的影響系數為0.163，在1% 的水平上顯著，所以存在部分中介，假設H2成立；同理，列（4）和列（5）檢驗了LSU_ job 作為中介路徑的影響機制。列（4）中DT 對LSU_ job 的影響系數為0.144并在1%水平下顯著，說明企業數字化轉型對勞動力職能結構優化具有顯著正向影響。列（5）中DT 對IE 的影響系數為0.015，在1%水平下顯著，加入中介變量后，中介變量LSU_ job 對IE 的影響系數為0.112，在1%的水平上顯著，所以同樣存在部分中介，假設H3成立。

3.2.2 融資約束的調節作用

在中介效應的基礎上，驗證融資約束對直接效應與中介效應的影響，回歸結果如表4所示，列（1）檢驗融資約束的直接調節效應，交乘項的系數為-0.002，且在5%水平上顯著，說明企業融資約束越強，越能抑制企業數字化轉型對于企業創新效率的影響作用，假設H4成立。

3.2.3 有調節的中介作用檢驗

表4列（2）的交乘項DT×FC 和列（4）LSU_edu 的系數都顯著，說明FC 調節前半段路徑，DT 對LSU_edu 的影響效應為0.03-0.01FC，即DT 每增加1 個單位，LSU_edu 提升0.03個單位，同時，FC 每加劇1 個單位，LSU_edu 降低0.01 個單位。由此驗證假設H5。同理，表4列（3）的交乘項DT×FC 和列（5）LSU_job 的系數都顯著，說明FC 調節前半段路徑，DT 對LSU_job 的影響效應為0.144-0.04FC，即DT 每增加1個單位，LSU_ job 提升0.144個單位，同時，FC 每加劇1個單位，LSU_job 降低0.04個單位。由此驗證假設H6。

為進一步分析融資約束的調節作用，繪制如圖2所示的調節作用圖。圖2a 是FC 在DT 和IE 之間的調節作用的簡單斜率圖，圖2b 是FC 在DT 和LSU_edu 之間的調節作用的簡單斜率圖，圖2c是FC 在DT 和LSU_job 之間的調節作用的簡單斜率圖。可以看出，當FC加劇時，會減弱DT 對IE、LSU_edu 和LSU_ job 的正向影響。

3.3 異質性檢驗

3.3.1 所有制異質性檢驗

對于不同所有制形式的企業，往往在資源獲取等方面存在差異。國有企業通常享有國家政策紅利，資金也相對充裕，并且大多優質勞動力對于國企穩定的工作會更加青睞，從而更有利于企業創新。將樣本企業按照所有制形式區分為國有企業和非國有企業，表5 列（1）和列（2）為所有制異質性檢驗結果。列（1）是DT 對國有企業IE 的影響，回歸系數為0.03，且通過了1% 的顯著性檢驗；列（2）是DT 對非國有企業IE 的影響，回歸系數為0.017，且通過了1%的顯著性檢驗。但相比較而言，DT 促進IE 在國有企業中更為顯著，假設H7 得到驗證。

3.3.2 企業所處城市等級異質性檢驗

中心城市匯集了大量的創新資源，相較于非中心城市具有更強的創新能力，但較高的創新水平也會導致邊際創新產出逐漸降低，而非中心城市創新發展階段仍處于初級階段，隨著數字化轉型賦能企業創新發展，創新績效可能具有更強的邊際增長效果。因此，參考《全國城鎮體系規劃》將樣本劃分為中心城市和非中心城市。由表5列（3）（4）可知，DT 對位于中心城市的制造企業IE 影響的回歸系數為0.018，且通過了1% 的顯著性檢驗。DT 對非中心城市的制造企業IE 影響的回歸系數為0.02，且通過了1%的顯著性檢驗。這表明，DT 促進IE 的關系在非中心城市企業中更為顯著，假設H8得到驗證。

4 穩健性檢驗

4.1 內生性問題

考慮到DT 與IE 之間可能存在相互促進的關系，因此，嘗試采用兩階段最小二乘法（2SLS）來緩解上述內生性問題。參照王永進和施炳展［60］的研究，選擇滯后一期的數字化轉型（L.DT）作為DT 的工具變量。第一階段回歸F 統計量遠大于10，說明弱工具變量問題并不存在；表6列（1）（2）顯示兩階段回歸結果。列（1）表明企業數字化轉型與滯后一期的數字化水平高度相關，且通過1% 顯著性檢驗，說明企業過去數字化轉型對企業當期轉型是相關聯的。同時將第一階段得到的數字化轉型估計值進行第二階段回歸，結果發現其系數依然顯著為正（b=0.009，Plt;0.01），證實了結論的穩健性。

4.2 替換企業創新效率指標

考慮到核心變量的測量誤差會導致回歸結果存在有偏和不一致性，因此為更好檢驗DT 對IE 的作用，本文改變IE 測量指標并進行假設H1的檢驗分析。借鑒任廣乾等［61］的研究，以研發投入與企業營業收入之比作為被解釋變量IEF，重新帶入模型估算，表6的第（3）列報告了替代核心變量回歸檢驗的結果，回歸系數為0.059，且通過了10%的顯著性檢驗，說明DT 能夠有效提高IE，證明本文結論具有穩健性。

5 結論及建議

黨的二十大強調了創新對于制造業發展的重要作用，數字化轉型賦能制造企業創新，也推動企業不斷優化勞動力結構從而構建數字技術與創新的賦能機制。本文結合收集的上市制造企業數據展開研究，結論如下：（1）制造企業數字化轉型顯著促進了創新效率提升，該結論在經過穩健性檢驗后仍然成立。雖然改變創新模式對于企業來說是一個嚴峻的考驗，但數字化轉型確實推動了創新效率提升。（2）制造企業數字化轉型通過勞動力素質結構和勞動力職能結構兩條路徑對企業創新效率產生顯著促進作用。這一結論意味著實施數字化轉型的企業可以通過招聘或培訓等方式吸納高學歷、高技能人才，這對于提升企業創新效率具有重要意義。（3）對于受到較強融資約束的制造企業來說，數字化轉型對于企業創新效率的直接效應和中介效應的前半段路徑會有所減弱。不論是人才引入還是創新活動的開展都依賴長期穩定的資金支持，受到融資約束困擾的企業會減少對勞動力結構優化和創新的投入。（4）異質性檢驗發現，對國有企業和非中心城市企業來說，數字化轉型對其創新效率產生的促進作用更顯著。

基于此，提出如下建議：（1）制造企業應當抓住數字化轉型的契機，借助工業互聯網平臺、信息物理系統等數字載體，將人工智能、物聯網等數字技術與企業研發深度融合，確保創新活動數據的精確性、時效性、完整性，充分釋放數字化轉型帶來的創新紅利。盡管創新的成本較高且創新成果有一定的不確定性，但數字技術極大促進了制造企業內外的信息流通，也賦予制造企業強大的數據收集處理能力，可以幫助制造企業一定程度上規避創新風險助力創新效率提升。（2）數字化轉型改變了制造企業傳統崗位工作方式，同時催生了更多高技能崗位，例如：在傳統制造業中通常需要大量的工人進行生產組裝，但隨著自動化和工業機器人的引入，增加了企業對于高技能、高學歷人才的需求。勞動力作為制造企業轉型升級和創新研發活動中的重要資源，優化企業勞動力結構至關重要。一方面，制造企業應當調整過去落后的生產和管理方式，在招聘和培養人才時從勞動力的素質結構和職能結構兩方面抓起，吸納更多人才為企業創新而服務，并為研發人員提供研發設備和資源。對于取得創新成果的員工應當予以相應的創新激勵，這樣才能調動員工創新積極性；另一方面，員工也要不斷提升自己的創新能力以避免被社會淘汰，加強相互間溝通學習促進創新思維的碰撞，形成良好的創新氛圍。（3）中國傳統制造企業進行數字化轉型通常面臨著資金短缺的問題，無論是技術設備的改良還是高端人才引進和培訓都需要大量資金支持。考慮到融資約束在數字化轉型和制造企業創新效率之間的負向調節作用，企業應當開辟多元化融資渠道緩解融資約束，例如通過銀行、股票、債券、政府等渠道進行融資。（4）政府要確保融資體系公正透明，減少信息不對稱問題，對金融機構實施有效監管，對于非國有企業和非中心城市制造企業應當給予一定的融資扶持，這有利于緩解制造企業融資約束，使得創新資源真正服務于制造企業創新之中。