工業(yè)智能化如何提升制造企業(yè)創(chuàng)新意愿

收稿日期：2023-08-07" 修回日期：2023-10-31

基金項目：國家社會科學基金年度一般項目（20BGL010）；陜西省自然科學基礎研究基金青年人才項目（2020JQ-689）；陜西省社會科學基金年度項目（2019S002）

作者簡介：董明放（1984—），男，河南商丘人，博士，西安建筑科技大學管理學院副教授、碩士生導師，研究方向為數(shù)字經(jīng)濟與制造業(yè)創(chuàng)新升級；王郭（1999—），男，陜西西安人，西安建筑科技大學管理學院碩士研究生，研究方向為人工智能與企業(yè)創(chuàng)新。本文通訊作者：王郭。

摘 要：激發(fā)制造企業(yè)創(chuàng)新意愿、發(fā)揮企業(yè)研發(fā)主體作用是實現(xiàn)我國經(jīng)濟高質量發(fā)展的重要途徑，現(xiàn)有研究主要探討工業(yè)智能化對企業(yè)創(chuàng)新產(chǎn)出的影響，較少關注工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響以及是否存在供應鏈溢出效應。從資源依賴理論和創(chuàng)新風險理論出發(fā)，研究工業(yè)智能化與制造企業(yè)創(chuàng)新意愿關系，基于2014-2021年制造業(yè)A股上市企業(yè)樣本數(shù)據(jù)，構建制造企業(yè)創(chuàng)新意愿與工業(yè)智能化水平評價指標體系，考察工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的作用機制。研究發(fā)現(xiàn)：①工業(yè)智能化能夠顯著激發(fā)制造企業(yè)創(chuàng)新意愿，在非國有企業(yè)、大型企業(yè)與高研發(fā)人員占比企業(yè)表現(xiàn)尤為明顯，使用工具變量與一系列穩(wěn)健性檢驗后結果依然成立；②中介效應檢驗結果表明，工業(yè)智能化通過降低供應鏈集中度和成本彈性提升制造企業(yè)創(chuàng)新意愿；③供應鏈溢出效應表明，制造業(yè)企業(yè)—客戶端匹配效應不顯著，而供應端—制造企業(yè)溢出效應顯著正相關。研究結論可為制造企業(yè)借助工業(yè)智能化轉型帶來創(chuàng)新“紅利”、提高企業(yè)創(chuàng)新意愿、關注長期利益與長期競爭優(yōu)勢提供重要啟示。

關鍵詞：工業(yè)智能化；創(chuàng)新意愿；供應鏈溢出；供應鏈集中度；成本彈性

DOI：10.6049/kjjbydc.H202308113

"""""：

中圖分類號：F273.1

文獻標識碼：A

文章編號：1001-7348（2025）04-0032-10

0 引言

企業(yè)作為經(jīng)濟活動的基本單元和重要組成部分，其創(chuàng)新活動參與度對創(chuàng)新驅動力具有重要影響。在新時代背景下，充分發(fā)揮企業(yè)創(chuàng)新主體作用、提升制造企業(yè)創(chuàng)新意愿是建設現(xiàn)代化經(jīng)濟體系、推動經(jīng)濟高質量發(fā)展的關鍵。習近平總書記在中共二十大報告中提出“推動制造業(yè)高端化、智能化、綠色化發(fā)展”，強調智能制造的重要性，鼓勵工業(yè)智能化技術為制造業(yè)創(chuàng)新升級賦能，中國制造業(yè)創(chuàng)新升級迫切需要智能化添薪續(xù)力。世界機器人聯(lián)合會（IFR）2021年公布的機器人發(fā)展報告顯示，全球新安裝了517 385臺工業(yè)機器人，比2020年增長了31%，創(chuàng)歷史新高，新安裝的機器人有74%分布在亞洲，并且中國以51%的強勁增長率高居榜首。隨著世界人工智能創(chuàng)新版圖的加速形成，工業(yè)自動化成為我國高質量發(fā)展的必然選擇。與此同時，我國制造業(yè)企業(yè)缺乏有效的人才、技術、資本、數(shù)據(jù)等創(chuàng)新要素流動機制和市場化配置體系，創(chuàng)新風險承擔能力薄弱。2022年，科技部提出要進一步發(fā)揮企業(yè)作為出題人、答題人和閱卷人的作用，企業(yè)要成為研發(fā)主體。因此，有必要探討工業(yè)智能化能否提升制造企業(yè)創(chuàng)新意愿、其作用機制如何以及工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響是否具有供應鏈傳導溢出效應，厘清工業(yè)智能化與制造企業(yè)創(chuàng)新意愿之間的關系，進而促進我國經(jīng)濟高質量發(fā)展。

當前，學者主要基于內(nèi)生增長理論研究工業(yè)智能化對勞動力的替代效應［1］以及對經(jīng)濟增長的促進作用［2］，鮮有研究從資源依賴理論和創(chuàng)新風險理論視角展開研究。第一，資源依賴理論表明，組織需要通過獲取環(huán)境資源維持自身生存與發(fā)展，同時強調組織權力，即把組織視為政治行動者，認為組織策略與組織獲取資源、控制其它組織的權力行為有關。企業(yè)在供應鏈中的地位越高，對供應鏈上其它企業(yè)的權力越大，對資源的依賴程度就越低。第二，創(chuàng)新風險理論表明，企業(yè)創(chuàng)新面臨一定風險，需要控制風險發(fā)生頻率并降低損失，當企業(yè)面臨過高風險時會降低創(chuàng)新意愿。工業(yè)智能化發(fā)展有助于提高企業(yè)固定成本比例和企業(yè)經(jīng)營杠桿，降低由外界環(huán)境變化和收入減少而導致的資源冗余風險，以此對沖企業(yè)因創(chuàng)新投入過高而導致的創(chuàng)新風險，從而提升制造業(yè)企業(yè)創(chuàng)新意愿。因此，企業(yè)供應鏈集中度與成本彈性是影響制造企業(yè)創(chuàng)新意愿的重要因素。

當前，關于工業(yè)智能化賦能制造業(yè)創(chuàng)新“黑箱之謎”的探討較少，且多聚焦于理論層面，從企業(yè)及產(chǎn)業(yè)層面開展的實證研究更少，主要集中在以下幾個方面：

（1）企業(yè)創(chuàng)新意愿。關于企業(yè)創(chuàng)新意愿的實證研究方法包括問卷測試［3-4］和自然觀察［5-6］兩種方法。鄭燁等［3］利用問卷測試方法對國內(nèi)399家科技小微企業(yè)進行實證研究，解析了簡政放權、創(chuàng)新環(huán)境與創(chuàng)新意愿三者之間的關系；羅宏和王治［5］用企業(yè)研發(fā)投入與當年資產(chǎn)總額的比重衡量企業(yè)創(chuàng)新意愿，并考察了文明城市評選活動對企業(yè)創(chuàng)新意愿的影響。

（2）供應鏈與企業(yè)創(chuàng)新意愿。第一，供應鏈沖擊對企業(yè)創(chuàng)新意愿的影響。周伊敏等［7］從供給側和需求側兩個方面、長期和短期兩個視角考察宏觀沖擊對企業(yè)研發(fā)生產(chǎn)率的影響，發(fā)現(xiàn)當供應鏈上游成本上升時，短期內(nèi)高創(chuàng)新能力企業(yè)會提高創(chuàng)新投入和生產(chǎn)率，而低創(chuàng)新能力企業(yè)則會減少創(chuàng)新投入并導致生產(chǎn)率下降；長期看成本沖擊會導致低效率企業(yè)退出、高效率企業(yè)市場份額擴大，最終讓高效率企業(yè)在提升創(chuàng)新意愿和生產(chǎn)率的同時實現(xiàn)利潤增長，進而促進整個行業(yè)平均生產(chǎn)率增長。第二，供應商—客戶互動對企業(yè)創(chuàng)新的影響［8-10］。楊金玉等（2022）通過實證檢驗企業(yè)數(shù)字化轉型對企業(yè)創(chuàng)新決策的影響發(fā)現(xiàn)，客戶數(shù)字化轉型通過供應鏈溢出效應促使供應商開展創(chuàng)新。然而，上述研究忽視了資源依賴理論視角下企業(yè)“權力”對企業(yè)創(chuàng)新的影響。

（3）工業(yè)智能化與企業(yè)創(chuàng)新意愿。首先，多數(shù)學者認為智能化有助于激發(fā)企業(yè)創(chuàng)新意愿［10-12］。鄧悅和蔣琬儀［12］指出，與沒有使用工業(yè)機器人的企業(yè)相比，使用工業(yè)機器人的企業(yè)研發(fā)支出提升了1.21倍，有效專利數(shù)量提升了22%；黃先海等（2023）基于企業(yè)創(chuàng)新理論，以人力資本為視角實證檢驗工業(yè)機器人對企業(yè)創(chuàng)新的影響，發(fā)現(xiàn)工業(yè)機器人能夠顯著提升企業(yè)有效發(fā)明專利數(shù)量和專利申請數(shù)量。其次，少數(shù)學者認為工業(yè)智能化對企業(yè)創(chuàng)新的影響是復雜的。諸竹君等（2022）基于2008—2014年中國工業(yè)企業(yè)創(chuàng)新數(shù)據(jù)與海關匹配數(shù)據(jù)的實證研究發(fā)現(xiàn)，當創(chuàng)新類企業(yè)研發(fā)效率和生產(chǎn)率達到一定門檻值后，工業(yè)智能化有助于促進企業(yè)創(chuàng)新；反之，則會抑制企業(yè)創(chuàng)新。此外，工業(yè)自動化對中國制造企業(yè)創(chuàng)新數(shù)量的影響是不確定的，高研發(fā)效率和生產(chǎn)率企業(yè)存在正向創(chuàng)新效應?？傊陨涎芯慷鄧@“專利”衡量企業(yè)創(chuàng)新，鮮有研究探討工業(yè)智能化對企業(yè)創(chuàng)新意愿的影響。

（4）工業(yè)智能化與供應鏈。智能化對供應鏈的影響主要體現(xiàn)在理論分析層面。陳劍和劉運輝［13］圍繞數(shù)智化使能運營管理變革，通過梳理供應鏈管理發(fā)展和演化歷程，將供應鏈生態(tài)系統(tǒng)定義為“圍繞數(shù)字—服務—產(chǎn)品包，由供應鏈群落各類主體關聯(lián)互動而形成的生態(tài)系統(tǒng)”。部分學者實證檢驗了數(shù)字化轉型對供應鏈結構的影響［14-15］。習明明等［14］基于2012—2021年A股非金融上市公司面板數(shù)據(jù)，實證檢驗產(chǎn)業(yè)數(shù)字化對供應鏈結構的影響，發(fā)現(xiàn)產(chǎn)業(yè)數(shù)字化能夠顯著促進供應鏈多元化。就現(xiàn)有研究看，關于工業(yè)智能化對供應鏈影響的實證研究較少。

綜上所述，現(xiàn)有研究存在如下不足：較少探討工業(yè)智能化對供應鏈其它企業(yè)創(chuàng)新意愿的溢出效應，且忽視了成本彈性對工業(yè)智能化影響制造企業(yè)創(chuàng)新意愿的作用。因此，本文在以往研究的基礎上，選取2014—2021年中國A股上市制造企業(yè)面板數(shù)據(jù)，考察工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響以及供應鏈集中度與成本彈性的間接效應。本文的邊際貢獻體現(xiàn)在：首先，從微觀層面檢驗工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響，可為發(fā)揮企業(yè)創(chuàng)新主體作用提供微觀證據(jù)。其次，在資源依賴理論和創(chuàng)新風險理論的基礎上，揭示工業(yè)智能化通過影響供應鏈集中度和成本彈性進而影響制造企業(yè)創(chuàng)新意愿的潛在路徑。最后，基于供應商—制造企業(yè)—客戶供應鏈視角考察制造企業(yè)工業(yè)智能化對上下游企業(yè)創(chuàng)新意愿的影響，探究供應鏈集中度和成本彈性對工業(yè)智能化影響制造企業(yè)創(chuàng)新意愿的間接效應，以及工業(yè)智能化對制造企業(yè)供應鏈的溢出效應，可為提高制造企業(yè)創(chuàng)新意愿提供新證據(jù)。

1 理論分析與研究假設

1.1 工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響

工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響體現(xiàn)在成本降低效應和勞動替代效應兩個方面。第一，成本降低效應。根據(jù)熊彼特的創(chuàng)新理論，企業(yè)在生產(chǎn)中引入新生產(chǎn)要素并與原有生產(chǎn)條件進行重新組合以實現(xiàn)創(chuàng)新，工業(yè)智能化作為一種高質量資本，通過降低企業(yè)生產(chǎn)邊際成本產(chǎn)生顯著的技術進步效應［16］。一方面，工業(yè)智能化作為新生產(chǎn)要素引入企業(yè)，促使企業(yè)重新進行資源分配與整合，提升生產(chǎn)效率，降低產(chǎn)品單位生產(chǎn)成本；另一方面，工業(yè)智能化能夠提升全要素生產(chǎn)率和企業(yè)核心競爭力，降低企業(yè)外部成本，使企業(yè)獲得額外利潤。企業(yè)在品嘗到人工智能帶來的“紅利”后，為維持可持續(xù)性利潤，更愿意加大創(chuàng)新投入以維持企業(yè)核心競爭力［17］。第二，勞動替代效應。企業(yè)創(chuàng)新理論強調知識是創(chuàng)新的基礎和源泉，創(chuàng)新是企業(yè)知識存量的重新組合［19］。一方面，機器人的使用代替?zhèn)鹘y(tǒng)勞動力完成低技術和簡單重復的工作［20］，這種機器對人的替代效應使得重復性、機械性崗位逐步減少，會降低企業(yè)對低技能勞動者的依賴。由于高技能勞動者工作較為復雜且被替代的可能性較小，因此整體就業(yè)占比會逐步增加，這有利于促進制造業(yè)企業(yè)創(chuàng)新意愿提升。另一方面，工業(yè)智能化能夠創(chuàng)造新任務，進而衍生出新的要求更高的就業(yè)崗位［21］。因此，企業(yè)會雇傭更多高技能勞動力適應新技術，高技能勞動力需求增加和低技能勞動力減少會改變企業(yè)勞動力結構。高技能勞動力知識儲備更豐富、學習能力更強、知識傳播速度更快、知識溢出效應更大，從而有助于提升制造企業(yè)創(chuàng)新意愿。據(jù)此，本文提出以下假設：

H1：工業(yè)智能化能夠提高制造企業(yè)創(chuàng)新意愿。

1.2 供應鏈集中度的中介作用

資源依賴理論認為組織間關系即為資源依賴關系，組織通過資源替代或相互合作降低這種依賴性（王琳等，2020）。隨著資源依賴理論的發(fā)展，學者從成本、利益、關系、交易等角度對依賴進行劃分［22-23］，但無論哪種劃分方式均以“權力”為核心（韓煒等，2017）。Casciaro amp; Piskorski［24］認為，現(xiàn)有研究更關注企業(yè)如何打破資源依賴，未對依賴關系作深層次剖析。因此，本文從供應鏈視角研究工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響。首先，工業(yè)智能化有利于提高企業(yè)生產(chǎn)率和產(chǎn)品質量，降低企業(yè)單位產(chǎn)品生產(chǎn)成本，促使企業(yè)尋找到更符合自身需求的供應商和客戶，滿足現(xiàn)有生產(chǎn)力，增加制造企業(yè)供應鏈網(wǎng)絡，改變對單一或者固定供應鏈的依賴，使企業(yè)有更多選擇空間，從而擺脫原有供應鏈上下游企業(yè)過高的“權力”束縛，降低企業(yè)對原有供應鏈的依賴。其次，隨著制造企業(yè)工業(yè)智能化程度的提升，整個供應鏈外部競爭變得愈發(fā)激烈，企業(yè)面臨的不確定風險更高。一方面，若企業(yè)在供應鏈上過度依賴上游供貨商和下游銷售端，則其在供應鏈中的“權力”較低，議價能力和風險承擔能力較弱，將不得不加大創(chuàng)新投入以降低這種不確定性和打破強依賴關系；另一方面，若企業(yè)已經(jīng)與很多供應商和客戶建立聯(lián)系，擺脫了對原有供應鏈的依賴，將更愿意增加企業(yè)創(chuàng)新投入以維持供應鏈網(wǎng)絡利潤紅利和市場競爭力。據(jù)此，本文提出以下假設：

H2：工業(yè)智能化通過降低供應鏈集中度提高制造企業(yè)創(chuàng)新意愿。

1.3 成本彈性的中介效應

成本彈性是成本隨業(yè)務量變動而變動的幅度，主要受成本結構中固定成本比例的影響，企業(yè)固定成本占比越低，說明其成本彈性越強［25］。首先，工業(yè)智能化發(fā)展意味著企業(yè)機器資源投入比例增大，會提高固定成本比例從而降低企業(yè)成本彈性。其次，根據(jù)創(chuàng)新風險理論，企業(yè)創(chuàng)新具有一定風險。一方面，低固定成本比例企業(yè)具有很強的靈活性，往往不愿承擔因擴大規(guī)模和提高生產(chǎn)率而產(chǎn)生的風險，反而更愿意追求短期利益，從而降低創(chuàng)新意愿。與之相反，高固定成本比例企業(yè)具有高經(jīng)營杠桿的特點，為追求高回報會更關注長期利益，因此更愿意承擔創(chuàng)新風險。另一方面，相較于傳統(tǒng)生產(chǎn)模式，智能化生產(chǎn)模式通過新一代信息技術、人工智能、數(shù)字化技術的使用，不僅能使企業(yè)進行大規(guī)模生產(chǎn)，而且還能對不同客戶制定個性化服務［26］，提高企業(yè)生產(chǎn)靈活性?？梢姡I(yè)智能化會降低由此產(chǎn)生的高回報，降低高杠桿經(jīng)營中由環(huán)境變化產(chǎn)生的高風險，從追求長期利益和降低企業(yè)風險兩個方面提升制造企業(yè)創(chuàng)新意愿。據(jù)此，本文提出以下假設：

H3：工業(yè)智能化通過降低成本彈性提高制造企業(yè)創(chuàng)新意愿。

1.4 工業(yè)智能化對制造企業(yè)創(chuàng)新意愿在供應商—客戶關系中的溢出機制

隨著生產(chǎn)分工的細化，各部門之間的聯(lián)系日益緊密，產(chǎn)業(yè)生產(chǎn)方式、技術變化會通過產(chǎn)業(yè)關聯(lián)效應對其它部門產(chǎn)生影響（戴翔等，2022）。工業(yè)智能化不僅能夠通過成本降低效應和勞動替代效應促使企業(yè)加大研發(fā)投入，而且還會影響供應鏈上下游企業(yè)創(chuàng)新。首先，從制造企業(yè)—客戶端角度看，制造企業(yè)工業(yè)智能化會提升生產(chǎn)率和產(chǎn)品質量，一定程度上推動下游企業(yè)技術創(chuàng)新與生產(chǎn)方式變革；此外，根據(jù)產(chǎn)業(yè)集聚理論可知，關聯(lián)緊密的企業(yè)會推進信息流動與技術交流，因此制造企業(yè)工業(yè)智能化對客戶端企業(yè)的外溢效應體現(xiàn)在技術層面。其次，從制造企業(yè)—供應商角度看，由于供應鏈上下游企業(yè)并非平等的交換關系，上游企業(yè)為滿足下游企業(yè)工業(yè)智能化轉型需求，會提高自身創(chuàng)新意愿以維持和穩(wěn)定原有供需關系。制造企業(yè)因工業(yè)智能化轉型會對采購商品質量、個性化、多元化提出更高要求，供應商為獲取原有利潤和供需關系，會通過創(chuàng)新配合下游制造企業(yè)對產(chǎn)品和生產(chǎn)流程的需求。綜上所述，工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響對供應鏈上下游企業(yè)具有溢出效應。據(jù)此，本文提出以下假設：

H4a：制造企業(yè)工業(yè)智能化對下游客戶端企業(yè)創(chuàng)新意愿具有正向溢出效應。

H4b：制造企業(yè)工業(yè)智能化對上游供應商企業(yè)創(chuàng)新意愿具有正向溢出效應。

綜上所述，本文構建理論模型，如圖1所示。

2 研究設計

2.1 模型構建

為驗證假設H1、H2和H3，本文采用中介效應模型檢驗三步法，構建如下模型：

yi，t= α1+α2industrial_intelligencei，t+α3Xi，t+θt+λi+εi，t（1）

Mi，t= α1+β1industrial_intelligencei，t+α2Xi，t+θt+λi+εi，t（2）

yi，t= α1+β2industrial_intelligencei，t+γ1Mi，t+α4Xi，t+θt+λi+εi，t （3）

公式（1）—（3）用以考察工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的直接效應和間接效應。其中，yi，t為t年企業(yè)i的創(chuàng)新意愿，industrial_intelligenceii，t為t年企業(yè)i的工業(yè)智能化水平，Mi，t為中介變量，Xi，t為一系列控制變量，θt為時間效應，λi為個體效應，εi，t為擾動項。

2.2 變量選取

（1）被解釋變量：制造企業(yè)創(chuàng)新意愿（y）。不同于以往學者利用研發(fā)投入金額［27］衡量企業(yè)創(chuàng)新意愿，本文參考姜雙雙和劉光彥［28］、鄭耀弋等（2021）、Zhong［29］的做法，選取企業(yè)創(chuàng)新投入占營業(yè)收入的比重測度制造企業(yè)創(chuàng)新意愿。已有研究表明，個體行為意愿與個體行為具有較高的相關性（姜雙雙等，2021）。首先，企業(yè)營業(yè)收入是企業(yè)利潤的重要來源；其次，企業(yè)研發(fā)投入需要大量人力、物力和財力資源，企業(yè)投入已獲利潤的占比越高，意味著企業(yè)越重視創(chuàng)新帶來的長期收益，越愿意承擔創(chuàng)新風險，因此相比于用專利數(shù)量衡量企業(yè)創(chuàng)新，本文用研發(fā)投入占營業(yè)收入的比重度量制造企業(yè)創(chuàng)新意愿更符合研究邏輯。

（2）解釋變量：工業(yè)智能化水平（industrial_intelligence）。在制造企業(yè)發(fā)展過程中，工業(yè)智能化水平與企業(yè)員工數(shù)量、就業(yè)結構和勞動者收入息息相關。因此，本文借鑒何勤等（2020）的做法，采用企業(yè)機器設備人均價值作為企業(yè)工業(yè)智能化發(fā)展水平的代理指標，即企業(yè)固定資產(chǎn)報表中公布的機器賬面價值與員工總數(shù)的比值。

（3）機制變量。①供應鏈集中度（m1）：現(xiàn)有研究多從供應商集中度（企業(yè)向前五大供應商采購額占年度總采購額的比重）與客戶集中度（企業(yè)向后五大客戶的銷售額占年度銷售總額的比重）兩個角度衡量供應鏈集中度（黃千員等，2019），為更好地體現(xiàn)企業(yè)在供應鏈中的地位和對供應鏈的依賴程度，本文用企業(yè)向前五大供應商的采購額和向后五大客戶的銷售額分別占總采購額、總銷售額的均值衡量供應鏈集中度，供應鏈集中度越高，說明企業(yè)對供應鏈的依賴程度越高，反之則越低；②成本彈性（m2）：本文參考祝繼高和梁曉琴［25］的研究，企業(yè)固定成本越高說明成本彈性越低，反之，企業(yè)固定成本占比越低則說明成本彈性越高，因此本文用1-固定成本比例衡量成本彈性。

（4）控制變量：為更好地估計工業(yè)智能化對企業(yè)創(chuàng)新投入的影響，避免公司自身發(fā)展特征和治理指標造成的偏差，本文設置如下控制變量：①資產(chǎn)收益率（Roa），采用企業(yè)當年凈利潤與資產(chǎn)總額的比值表征；②資產(chǎn)負債率（Lev），采用當年負債總額與資產(chǎn)總額的比重表征；③托賓Q值（TobinQ），采用總市值與賬面價值的比重表征；④企業(yè)年齡（age），采用當年年份減去企業(yè)成立年份后加1；⑤第一大股東持股比率（share_first），用第一大股東持股比例表征；⑥現(xiàn)金占總資產(chǎn)的比重（cash），采用企業(yè)流動現(xiàn)金與資產(chǎn)總額的比重表征；⑦獨立董事占比（share_in），采用總股本獨立董事人數(shù)與董事會總人數(shù)的比重表征；⑧企業(yè)就業(yè)人數(shù)（people），采用企業(yè)年平均員工數(shù)量表征。

綜上所述，變量描述性統(tǒng)計結果如表1所示。

2.3 數(shù)據(jù)來源

本文中制造企業(yè)創(chuàng)新意愿、供應鏈集中度、成本彈性以及其它控制變量數(shù)據(jù)均來源于國泰安經(jīng)濟金融研究數(shù)據(jù)庫（CSMAR），供應商—制造企業(yè)—客戶端數(shù)據(jù)來源于中國研究數(shù)據(jù)服務平臺（CNRDS）。首先，由于制造企業(yè)2014年以前公布的數(shù)據(jù)缺失值較多，且企業(yè)樣本數(shù)量較少，因此選取2014—2021年制造業(yè)A股上市企業(yè)作為研究樣本。其次，參考 Isaksson等［8］和 Chu等［9］的做法，本文構建供應商—制造企業(yè)—客戶—年度數(shù)據(jù)集探究制造企業(yè)在供應鏈中的溢出效應。例如，研究制造企業(yè)（A）當年（2014 年）對供應商（X）創(chuàng)新意愿的影響，構建 A—X—2014的觀測值；研究制造企業(yè)（A）當年（2014年）對客戶端（Y）創(chuàng)新意愿的影響，則構建A—Y—2014的觀測值。本文從CNRDS中獲取制造業(yè)企業(yè)年報披露的第一大供應商和第一大客戶信息，考慮到供應商與客戶端存在大量非上市企業(yè)，很難獲取完整數(shù)據(jù)，因此剔除非上市企業(yè)樣本后，剩余278個供應商—制造企業(yè)—年度觀測樣本以及230個制造企業(yè)—客戶端—年度觀測樣本。最后，其它控制變量和成本彈性數(shù)據(jù)均來自CSMAR，剔除ST和PT類企業(yè)。此外，為增強數(shù)據(jù)平穩(wěn)性，減少異方差和模型共線性問題，對所有非百分比類型控制變量作對數(shù)處理。

3 實證結果分析

3.1 基準回歸分析

表2展示了工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的回歸結果。第（1）列為不加入控制變量時工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的回歸結果，估計系數(shù)為0.469且在5%水平上顯著；第（3）列為加入控制變量的回歸結果，估計系數(shù)為0.386，相比于0.469稍有下降，但仍在5%水平上顯著。第（2）和第（4）列在考慮工業(yè)智能化對制造企業(yè)創(chuàng)新意愿時滯效應的前提下，對制造企業(yè)創(chuàng)新意愿一階滯后項進行回歸，不加入控制變量時估計系數(shù)為0.679且在1%水平上顯著，加入控制變量后估計系數(shù)降至0.470且在5%水平上顯著。以上結果表明，工業(yè)智能化能夠顯著促進制造企業(yè)創(chuàng)新意愿提升，假設H1得到驗證。

3.2 穩(wěn)健性檢驗

3.2.1 更換自變量

本文考慮到工業(yè)智能化水平與企業(yè)就業(yè)結構之間的關系，采用企業(yè)機器賬面人均價值作為解釋變量。為更好地體現(xiàn)工業(yè)智能化這一指標，僅用企業(yè)賬面價值作為自變量的替換變量，用企業(yè)機器賬面價值的對數(shù)作為解釋變量的替換變量進行回歸，結果與主回歸結果一致，如表3所示。

3.2.2 更換因變量

本文參考鄭景麗等［30］的做法，選取企業(yè)研發(fā)投入金額的對數(shù)（y1）作為因變量的替換變量，考慮到制造企業(yè)創(chuàng)新意愿除與研發(fā)投入金額相關外，還與企業(yè)研發(fā)人員數(shù)量相關，人才和研發(fā)投入對提升制造企業(yè)創(chuàng)新意愿缺一不可，因此選取研發(fā)人員人均研發(fā)投入（y2）作為因變量的替換變量，結果顯示在1%水平上與主回歸結果保持一致。

3.2.3 交互固定效應檢驗

盡管在基準回歸模型中納入個體、年份和城市固定效應，但可能忽視了城市層面宏觀環(huán)境和行業(yè)異質性現(xiàn)象，因此進一步納入個體—城市、年份—城市和個體—行業(yè)、年份—行業(yè)兩個維度的交互固定效應?；貧w結果表明，在納入更多交互效應后，工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響依然顯著為正，與主回歸結果保持一致。

3.2.4 時滯效應檢驗

考慮到工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響具有時滯效應，本文在原有模型的基礎上，將制造企業(yè)創(chuàng)新意愿的一階滯后項和二階滯后項作為被解釋變量進行回歸。結果表明，工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的一階滯后項結果與主回歸結果保持一致，對二階滯后項的影響效應不顯著。

3.2.5 內(nèi)生性檢驗

本文線性關系可能存在內(nèi)生性來源：①互為因果導致的內(nèi)生性問題，即創(chuàng)新意愿高的制造企業(yè)原本工業(yè)智能化程度就高；②動態(tài)面板偏差導致的內(nèi)生性問題。為解決上述內(nèi)生性問題，本文運用兩階段最小二乘法（2SLS）和動態(tài)面板模型（GMM）進行檢驗。

（1）2SLS估計方法檢驗。為滿足工具變量外生性和相關性條件，本文以企業(yè)工人的工資水平作為工具變量。首先，工人工資代表企業(yè)人力資本水平；此外，工業(yè)智能化程度越高的企業(yè)人力資本水平也越高，因此工資水平作為工具變量滿足與工業(yè)智能化的相關性。其次，企業(yè)工資水平與制造企業(yè)創(chuàng)新意愿之間不存在直接相關關系，因此工資水平作為工具變量滿足制造企業(yè)創(chuàng)新意愿的外生性條件。估計結果如表4第（1）列所示，第一階段估計系數(shù)為0.057且在1%水平上顯著，說明相關性顯著；第二階段估計系數(shù)在10%水平上正向顯著，表明企業(yè)員工工資作為工具變量的結果與主回歸結果保持一致；此外，LM檢驗在5%水平上顯著，弱工具變量檢驗和不可識別檢驗均在1%水平上顯著，表明工具變量選取合理有效。

（2）GMM估計方法檢驗。將企業(yè)上年度創(chuàng)新意愿作為控制變量納入式（1）中，結果如表4第（2）列所示。制造企業(yè)創(chuàng)新意愿滯后一期結果正向顯著，說明制造企業(yè)創(chuàng)新意愿受自身滯后一期的正向影響；此外，工業(yè)智能化發(fā)展水平回歸結果在1%水平上正向顯著，說明在考慮制造企業(yè)創(chuàng)新意愿滯后一期后，工業(yè)智能化對制造企業(yè)創(chuàng)新意愿具有促進作用，這與主回歸結果保持一致，并在1%顯著性水平上通過sargan檢驗，說明研究結果有效。在弱工具變量結果中，括號內(nèi)為10%水平上顯著的界限，120.924大于16.38，因此弱工具變量檢驗至少在10%水平上顯著。

3.3 異質性檢驗

3.3.1 產(chǎn)權性質異質性檢驗

企業(yè)產(chǎn)權性質從資源要素、技術要素、資本要素分配和利用方面影響制造企業(yè)創(chuàng)新意愿。不同產(chǎn)權性質企業(yè)對創(chuàng)新意愿的激勵作用不同。國有企業(yè)路徑依賴導向較強，外生因素對制造企業(yè)創(chuàng)新意愿的激勵效果較弱，因此在工業(yè)智能化對國有制造企業(yè)創(chuàng)新意愿影響過程中可能會產(chǎn)生阻礙效應。同時，國有企業(yè)與政府存在直接或間接的聯(lián)結關系，使得其在供應鏈中擁有較大“權力”，從而可以輕松獲取更多稀缺性資源和信息［31］，這會在一定程度上制約供應鏈集中度的中介效應。相反，非國有企業(yè)路徑依賴導向較弱，外生因素對制造企業(yè)創(chuàng)新意愿的激勵作用較強，更容易受工業(yè)智能化對創(chuàng)新意愿的正向激勵；此外，非國有企業(yè)需要通過不斷創(chuàng)新獲取更多資源并擺脫供應鏈依賴，這會增強供應鏈集中度的中介效應。表5展示了產(chǎn)權異質性檢驗結果，可見非國有企業(yè)供應鏈集中度的中介效應相比于表8更強且系數(shù)更顯著，國有企業(yè)供應鏈集中度的中介效應不再顯著。

3.3.2 企業(yè)規(guī)模異質性檢驗

從企業(yè)供應鏈依賴程度看，一般情況下中小企業(yè)對供應鏈上下游企業(yè)的依賴程度較高，所獲取的專業(yè)知識和市場信息較少，為擺脫供應鏈依賴、維持企業(yè)生存與發(fā)展，中小企業(yè)創(chuàng)新意愿更強。相較于中小企業(yè)，大企業(yè)在供應鏈中一般對上下游企業(yè)的依賴程度較低，并且擁有更多專業(yè)化信息和知識，往往占據(jù)較高的市場份額，因此大企業(yè)創(chuàng)新意愿不強烈。本文根據(jù)企業(yè)資產(chǎn)總額，將企業(yè)劃分為大企業(yè)和中小企業(yè)進行回歸估計，表6展示了企業(yè)規(guī)模異質性檢驗結果。從中可見，工業(yè)智能化對大企業(yè)創(chuàng)新意愿的估計結果不顯著，在回歸模型中加入供應鏈集中度后估計系數(shù)在10%水平上顯著，但供應鏈集中度的中介效應不明顯。工業(yè)智能化對中小制造企業(yè)創(chuàng)新意愿的估計結果相比于表2得到明顯提升；此外，相比于表8，供應鏈集中度的中介效應更顯著。

3.3.3 研發(fā)人員占比異質性檢驗

制造企業(yè)創(chuàng)新意愿提升與企業(yè)研發(fā)人員數(shù)量密不可分，若企業(yè)研發(fā)人員占比較低，則企業(yè)會因為人才限制而降低創(chuàng)新意愿；若企業(yè)研發(fā)人員占比較高，企業(yè)具備創(chuàng)新的必要條件，在工業(yè)智能化的激勵下，企業(yè)會提高創(chuàng)新意愿。因此，本文根據(jù)制造企業(yè)研發(fā)人員數(shù)量占比是否大于平均值將企業(yè)劃分為高研發(fā)人員占比和低研發(fā)人員占比，分別用1和0表示，回歸結果如表7所示。從中可見，工業(yè)智能化對高研發(fā)人員占比企業(yè)創(chuàng)新意愿呈顯著正向影響，工業(yè)智能化對低研發(fā)人員占比企業(yè)創(chuàng)新意愿的影響不顯著。

3.4 中介效應檢驗

表8第（1）—（2）列展示了供應鏈集中度的中介效應估計結果。從中可見，第（1）列估計系數(shù)為-1.472且在1%水平上顯著，表明工業(yè)智能化能夠顯著降低供應鏈集中度。第（2）列供應鏈集中度的估計系數(shù)為-0.017且在10%水平上顯著，工業(yè)智能化的估計系數(shù)為0.381且在5%水平上顯著。根據(jù)中介效應檢驗三步法可知，工業(yè)智能化通過降低供應鏈集中度提升了制造企業(yè)創(chuàng)新意愿，假設H2得到驗證。表8第（3）—（4）列展示了成本彈性的中介效應估計結果。從中可見，第（3）列估計系數(shù)為-1.117且在1%水平上顯著，表明工業(yè)智能化能夠降低企業(yè)成本彈性。第（4）列成本彈性估計系數(shù)為-1.622且在5%水平上顯著，工業(yè)智能化估計系數(shù)不顯著（0.190）。根據(jù)中介效應檢驗三步法可知，工業(yè)智能化通過降低企業(yè)成本彈性提升了制造業(yè)企業(yè)創(chuàng)新意愿，假設H3得到驗證。

4 進一步檢驗

4.1 制造企業(yè)對客戶端的溢出效應

結合前文理論分析可知，制造企業(yè)工業(yè)智能化轉型會提高生產(chǎn)率和產(chǎn)品質量，在“匹配效應”影響下，一定程度上也會推動下游企業(yè)技術創(chuàng)新和生產(chǎn)方式變革。根據(jù)產(chǎn)業(yè)集聚理論，關聯(lián)性緊密的企業(yè)會加速企業(yè)之間的信息流動和技術交流，因此上游企業(yè)工業(yè)智能化水平提升對下游企業(yè)具有技術外溢影響，會促進下游企業(yè)創(chuàng)新意愿提升。鑒于此，本文借鑒楊金玉（2022）的方法，在等式（1）的基礎上構建如下計量模型：

yi，t=α1+αupup_industrial_intelligencei，t+α3Xi，t+θt+λi+εi，t（4）

其中，αup衡量t年制造企業(yè)i智能化對客戶端企業(yè)創(chuàng)新意愿的溢出效應，用來檢驗假設H4a，其余變量同式（1）。表9第（1）列展示了制造企業(yè)對客戶端的溢出效應。從回歸結果看，制造企業(yè)工業(yè)智能化對客戶端企業(yè)創(chuàng)新意愿的影響不顯著，與H4a預期不符，原因可能在于樣本選取差異，由于數(shù)據(jù)可得性，本文僅保留上市客戶端企業(yè)，因此可能造成估計結果偏誤。

4.2 制造企業(yè)對供應商的溢出效應

從上文分析可知，由于供應鏈上下游企業(yè)并非平等的交換關系，供應商企業(yè)為滿足制造企業(yè)在工業(yè)智能化發(fā)展過程中不斷提高的原料需求和創(chuàng)新需求，會不斷加大自身創(chuàng)新投入以維持和穩(wěn)定原有供需關系，因此制造企業(yè)工業(yè)智能化對供應商企業(yè)創(chuàng)新意愿具有溢出效應。本文在等式（1）的基礎上構建如下計量模型：

yi，t=α1+αbackback_industrial_intelligencei，t+α3Xi，t+θt+λi+εi，t（5）

其中，αback衡量t年制造企業(yè)i智能化對供應商企業(yè)創(chuàng)新意愿的溢出效應，用來檢驗H4b，其余變量同式（1）。表9第（2）列展示了制造企業(yè)對供應商的溢出效應，可見制造企業(yè)工業(yè)智能化對供應商企業(yè)創(chuàng)新意愿的估計系數(shù)為1.543且在10%水平上顯著，說明制造企業(yè)對上游企業(yè)創(chuàng)新意愿呈正向溢出效應，假設H4b得到驗證。

5 結論與建議

5.1 "研究結論

工業(yè)智能化牽引了新一輪要素變革與結構變革，為提高制造企業(yè)創(chuàng)新意愿注入新動力。本文選取2014—2021年制造業(yè)A股上市企業(yè)樣本數(shù)據(jù)，從直接影響、間接影響和溢出效應多個角度探究工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的影響，得出如下結論：

（1）直接影響結果表明，工業(yè)智能化能顯著提升制造業(yè)企業(yè)創(chuàng)新意愿，經(jīng)過內(nèi)生性檢驗和一系列穩(wěn)健性檢驗后結論依然成立；異質性分析結果表明，工業(yè)智能化對制造企業(yè)創(chuàng)新意愿的積極影響主要集中在非國有企業(yè)、中小企業(yè)和高研發(fā)人員占比企業(yè)，國有企業(yè)、大企業(yè)和低研發(fā)人員占比企業(yè)估計結果不顯著。

（2）間接影響結果表明，工業(yè)智能化通過降低供應鏈集中度提升制造企業(yè)創(chuàng)新意愿，供應鏈集中度的中介效應在非國有企業(yè)和中小企業(yè)表現(xiàn)得更顯著。此外，工業(yè)智能化通過降低制造企業(yè)成本彈性提升制造企業(yè)創(chuàng)新意愿，與供應鏈集中度相比，這一中介效應范圍更普遍。

（3）供應鏈溢出效應結果表明，制造企業(yè)工業(yè)智能化對客戶端企業(yè)創(chuàng)新意愿的溢出效應不顯著，但對供應商企業(yè)創(chuàng)新意愿的溢出效應顯著，即制造企業(yè)工業(yè)智能化供應鏈溢出效應主要體現(xiàn)在向上游企業(yè)溢出。本文通過供應鏈集中度和成本彈性揭示工業(yè)智能化影響制造企業(yè)創(chuàng)新意愿的內(nèi)在機制，并通過構建供應商—制造業(yè)企業(yè)—客戶端—年度模型研究制造企業(yè)工業(yè)智能化對上下游企業(yè)創(chuàng)新意愿的溢出效應，豐富了工業(yè)智能化提升制造企業(yè)創(chuàng)新意愿作用機制和供應鏈溢出效應的研究。

5.2 對策建議

基于上述研究結論，本文提出以下建議：

（1）推廣智能化生產(chǎn)模式。政府應逐步提出、實施、優(yōu)化相關智能化生產(chǎn)政策，從財政補貼、政策資助和科技宣傳等方面支持企業(yè)工業(yè)智能化轉型。研究發(fā)現(xiàn)，工業(yè)智能化能夠顯著提升制造企業(yè)創(chuàng)新意愿，在非國有企業(yè)、中小企業(yè)和研發(fā)人員占比高的企業(yè)尤為明顯。因此，政府應制定多層次、系統(tǒng)性政策體系，盡可能多地將資源優(yōu)勢向中小企業(yè)和非國有企業(yè)傾斜以提高制造企業(yè)創(chuàng)新意愿。

（2）對企業(yè)管理者而言，工業(yè)智能化是擺脫供應鏈依賴、提升企業(yè)創(chuàng)新意愿的重要途徑。企業(yè)應加大工業(yè)智能化投入，開展智能化應用，打造智能化工廠、智能制造、智能物流體系，實現(xiàn)生產(chǎn)、管理、服務、環(huán)保全方位智能化，加強云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等核心技術建設，提升企業(yè)核心競爭力和整體效益。對政策制定者來說，應鼓勵企業(yè)加入智能制造服務共享平臺，分享智能化服務和資源，加強企業(yè)知識、信息和技術交流，打造國家智能化供應鏈網(wǎng)絡。

（3）制造企業(yè)智能化發(fā)展應以提高企業(yè)生產(chǎn)靈活性、定制個性化服務以及加強信息處理和檢測能力為導向，時刻把握上下游產(chǎn)品需求供應信息變化、關注產(chǎn)品更新和自身內(nèi)外部環(huán)境變化，降低成本彈性過低帶來的風險，最大程度上提高企業(yè)生產(chǎn)效率和創(chuàng)新意愿。

（4）加速國內(nèi)大循環(huán)，打破不同供應鏈之間的邊界，構建多層次、全覆蓋的全行業(yè)供應鏈網(wǎng)絡。鼓勵制造企業(yè)向供應鏈其它企業(yè)學習，增加自身知識儲備和信息來源。研究發(fā)現(xiàn)，制造企業(yè)對供應鏈上游企業(yè)具有溢出效應，對下游溢出效應不顯著。因此，供應商應該加強與制造業(yè)下游企業(yè)之間的業(yè)務合作與交流，從外部市場學習制造企業(yè)的智能化轉型經(jīng)驗，完善和驅動企業(yè)內(nèi)部產(chǎn)品創(chuàng)新?？蛻舳似髽I(yè)應加強與上游制造企業(yè)的緊密聯(lián)系，拓展自身供應鏈網(wǎng)絡，通過創(chuàng)新穩(wěn)定自身市場地位。

參考文獻參考文獻：

［1］ ACEMOGLU D， P RESTREPO. The race between man and machine：implications of technology for growth，factor shares，and employment［J］. American Economic Review，2018，108（6）：1488-1542.

［2］ FADZISO T. The impact of artificial intelligence on innovation［J］.Global Disclosure of Economics and Business，2018，7（2）： 81-88.

［3］ 鄭燁，姜蘊珊，秦毅.簡政放權、創(chuàng)新環(huán)境與科技小微企業(yè)創(chuàng)新意愿［J］.科研管理，2023，44（2）：65-72.

［4］ 杜亞靈，李倩，鄧斌超.合同激勵、失敗學習與PPP項目商業(yè)模式再創(chuàng)新意愿的關系——失敗容忍度的調節(jié)作用［J］.公共管理與政策評論，2022，11（2）：135-147.

［5］ 羅宏，王治.文明城市評選活動能否提升企業(yè)創(chuàng)新意愿［J］.產(chǎn)業(yè)經(jīng)濟研究，2023，123（2）：97-111.

［6］ 張悅玫，方聰聰，崔淼.風險承擔、創(chuàng)新意愿與企業(yè)轉型升級的動態(tài)關系研究［J］.首都經(jīng)濟貿(mào)易大學學報，2023，25（3）：89-100.

［7］ 周伊敏，周默涵，魏旭，等.機遇還是挑戰(zhàn)：宏觀沖擊對微觀創(chuàng)新的影響——基于企業(yè)異質性視角的分析［J］.中國工業(yè)經(jīng)濟，2023，41（1）：38-56.

［8］ ISAKSSON O H D，SIMETH M，SEIFERT R W. Knowledge spillovers in the supply chain：evidence from the high tech sectors［J］. Research Policy，2016，45（3）：699-706.

［9］ CHU Y，TIAN X，WANG W. Corporate innovation along the supply chain［J］. Management Science，2018，65（6）：2445-2466.

［10］ LIU J， CHANG H， FORREST J Y L， et al. Influence of artificial intelligence on technological innovation： evidence from the panel data of China's manufacturing sectors［J］.Technological Forecasting and Social Change，2020，158：120-142.

［11］ 睢博，雷宏振.工業(yè)智能化能促進企業(yè)技術創(chuàng)新嗎——基于中國2010—2019年上市公司數(shù)據(jù)的分析［J］.陜西師范大學學報（哲學社會科學版），2021，50（3）：130-140.

［12］ 鄧悅，蔣琬儀.工業(yè)機器人、管理能力與企業(yè)技術創(chuàng)新［J］.中國軟科學，2022，37（11）：129-141.

［13］ 陳劍，劉運輝.數(shù)智化使能運營管理變革：從供應鏈到供應鏈生態(tài)系統(tǒng)［J］.管理世界，2021，37（11）：227-240，14.

［14］ 習明明，倪勇，劉旭妍.中國產(chǎn)業(yè)數(shù)字化對供應鏈結構的影響——基于A股上市公司的行業(yè)異質性分析［J］.福建論壇（人文社會科學版），2023，42（5）：115-131.

［15］ 張虎，高子桓，韓愛華.企業(yè)數(shù)字化轉型賦能產(chǎn)業(yè)鏈關聯(lián)：理論與經(jīng)驗證據(jù)［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2023，40（5）：46-67.

［16］ HULTEN C R. Growth accounting when technical change is embodied in capital［J］. American Economic Review，1992，82（4）：964-980.

［17］ AGHION P，A BERGEAUD M LEQUIEN，MELITZ M J. The heterogeneous impact of market size on innovation：evidence from french firm-level exports［R］. NBER Working Paper，2018.

［18］ DIXON J，B HONG，WU L. The robot revolution：managerial and employment consequences for firms［J］.Management Science，2021，67（9）：5586-5605.

［19］ 余光勝.企業(yè)創(chuàng)新理論演進及進一步研究取向［J］.中國管理科學，2013，21（S2）：798-803.

［20］ ACEMOGLU D，RESTREPO P. Low-skill and high-skill automation［J］. Journal of Human Capital，2018，12（2）：204-232.

［21］ 孟浩，張美莎.人工智能如何影響勞動力就業(yè)需求——來自中國企業(yè)層面的經(jīng)驗證據(jù)［J］.西安交通大學學報（社會科學版），2021，41（5）：65-73，93.

［22］ SCHEER L K，MIAO C F， GARRETT J.The effects of supplier capabilities on industrial customers′ loyalty：the role of dependence［J］.Journal of the Academy of Marketing Science，2010，38：90-104.

［23］ 王永貴，趙春霞，趙宏文.算計性依賴、關系性依賴和供應商創(chuàng)新能力的關系研究［J］.南開管理評論，2017，20（3）：4-14.

［24］ CASCIARO T，" PISKORSKI M J. Power imbalance，mutual dependence and constraint absorption：a closer look at re-source dependence theory［J］.Administrative Science Quarterly，2005，50（2）：167-199.

［25］ 祝繼高，梁曉琴.企業(yè)標準化建設與成本彈性研究——來自中國A股制造業(yè)上市公司的證據(jù)［J］.經(jīng)濟研究，2022，57（12）：31-50.

［26］ 權小鋒，李闖.智能制造與成本粘性——來自中國智能制造示范項目的準自然實驗［J］.經(jīng)濟研究，2022，57（4）：68-84.

［27］ 蘇屹，林周周，陳鳳妍，等.企業(yè)家地方政治關聯(lián)對企業(yè)創(chuàng)新意愿影響的實證研究［J］.管理工程學報，2019，33（1）：134-143.

［28］ 姜雙雙，劉光彥.風險投資、信息透明度對企業(yè)創(chuàng)新意愿的影響研究［J］.管理學報，2021，18（8）：1187-1194.

［29］ ZHONG R. Transparency and firm innovation［J］. Journal of Accounting and Economics，2018， 66（1）： 67-93.

［30］ 鄭景麗，王喜虹，李憶.企業(yè)社會責任、政府補助與創(chuàng)新意愿［J］.重慶大學學報（社會科學版），2021，27（6）：85-96.

［31］ CHEN V Z，LI J，SHAPIRO D M，et al. Ownership structure and innovation：an emerging market perspective［J］. Asia Pacific Journal of Management，2014，31（1）：1-24.

（責任編輯：王敬敏）

英文標題

How Industrial Intelligence Boosts Manufacturing Firms′ Innovation Willingness

英文作者Dong Mingfang， Wang Guo

英文作者單位（School of Management， Xi′an University of Architecture and Technology， Xi′an 710055， China）

英文摘要Abstract：As the basic unit of economic activity and an important part of enterprises， the level of their participation in innovation activities has a direct impact on the driving force of innovation. In the new era， it is the key to building a modernized economic system and promoting high-quality economic development by fully mobilizing the role of enterprise innovation main body and enhancing the innovation willingness of manufacturing enterprises. Industrial intelligence is the direction of future development of enterprises. In order to figure out the way for the high-quality development of China′s economy， it is essential to confirm if industrial intelligence can enhance the innovation willingness of manufacturing enterprises， how its role mechanism is reflected， and whether the impact of industrial intelligence on the willingness of manufacturing enterprises to innovate has the spillover effect of supply chain conduction.

Following resource dependence theory and innovation risk theory， this paper investigates the relationship between industrial intelligence and manufacturing enterprises′ willingness to innovate. On the basis of the sample data of A-share listed enterprises in the manufacturing industry from 2014 to 2021， the study calculates the indexes of manufacturing enterprises′ willingness for innovate and the level of industrial intelligence and tests the impact and mechanism of industrial intelligence on manufacturing enterprises′ willingness for innovate through the fixed effect model. In order to ensure the stationarity of the data and reduce the heteroscedasticity and collinearity of the model， the logarithms of all control variables in the non-percentage type are taken for analysis. In addition， it constructs supplier-manufacturing enterprise-customer-annual datasets to study the spillover effect of manufacturing enterprises in the supply chain.

The conclusions show that， first， the direct impact results indicate that industrial intelligence can significantly enhance the innovation willingness of manufacturing enterprises， and then the conclusion still holds after an endogeneity test and a series of robustness tests. In addition， the results of heterogeneity analysis show that industrial intelligence enhances the innovation willingness of manufacturing firms that are mostly non-state-owned enterprises， small and medium-sized enterprises， and enterprises with a high Ramp;D personnel ratio， while state-owned enterprises， large enterprises， and enterprises with a low Ramp;D personnel ratio are not significant in the estimation results. Second， the indirect effect results show that industrial intelligence can increase manufacturing firms′ willingness to innovate by reducing supply chain concentration， and the mediating effect of supply chain concentration is more obvious in non-state-owned enterprises and SMEs. In addition， industrial intelligence can also enhance manufacturing firms′ willingness to innovate by reducing manufacturing firms′ cost elasticity， and the scope of this mediating effect is more generalized compared to supply chain concentration. Third， the results of supply chain spillover effects show that the spillover effect of industrial intelligence of manufacturing enterprises on the innovation willingness of client enterprises is still not obvious， but with respect to the positive and significant spillover effects on the innovation willingness of supplier enterprises， the supply chain spillover effect of industrial intelligence of manufacturing enterprises is mainly manifested in the spillover to upstream enterprises. Thus， the government should establish a multi-level and systematic policy system to encourage SMEs and non-state-owned enterprises， and the SMEs are expected to increase investment in industrial intelligence and accelerate the development of key technologies， and it is also crucial to build a multi-level and fully covered supply chain network for the entire industry.

The main contribution of this paper is reflected in three aspects. First， it empirically analyzes the impact of industrial intelligence on manufacturing enterprises′ willingness to innovate from the micro level， providing micro evidence that industrial intelligence plays the role in enterprise innovation. Second， on the basis of resource dependence theory and innovation risk theory， it reveals the potential path of industrial intelligence affecting manufacturing firms′ willingness to innovate by influencing supply chain concentration and cost elasticity at the theoretical and empirical levels. Third， from the supply chain perspective of suppliers-manufacturing enterprises-customers， the study examines the impact of industrial intelligence of manufacturing enterprises on the innovation willingness of upstream and downstream enterprises.

英文關鍵詞Key Words：Industrial Intelligence; Innovation Willingness; Supply Chain Spillover; Supply Chain Concentration; Cost Elasticity