數實技術融合、創新節奏與企業突破性創新

摘 要：數字技術與實體經濟深度融合情境下，企業如何把握創新節奏實現突破性創新是學術界關注的重要議題。基于組織適應理論、創新網絡社群理論，構建一個有調節的中介效應模型，探究數實技術融合對突破性創新的影響路徑與情境條件。以216家醫療裝備企業為樣本進行實證研究，結果發現：數實技術融合促使創新節奏不規則方向發展，創新節奏規則化和適度不規則化均能促進突破性創新，但過度不規則會抑制突破性創新；技術群嵌入負向調節數實技術融合與創新節奏的正向關系，創新節奏在數實技術融合與突破性創新間發揮部分中介效應。結論可為企業在數實融合情境下把握合適的創新節奏，緩解“數字化悖論”，促進突破性創新提供理論借鑒和實踐啟示。

關鍵詞：數實技術融合；創新節奏；突破性創新；技術群嵌入

DOI：10.6049/kjjbydc.D2024080148 開放科學（資源服務）標識碼（OSID） 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F273.1 文獻標識碼：A

文章編號：1001-7348（2025）07-0115-11

0 引言

2024年政府工作報告強調“推進關鍵核心技術協同攻關，加強顛覆性技術和前沿技術研究”。隨著數字技術加快向實體產業滲透，大數據、云計算、區塊鏈和人工智能技術在實體經濟中的融合場景越來越廣闊，企業突破性創新過程和邊界發生深刻變革，這為我國攻克關鍵核心技術提供了重要機遇^[1]。醫療裝備作為關系國計民生的重要戰略性新興產業，目前高端市場被國外企業壟斷，關鍵核心技術受制于人的局面仍未改變，如CT設備中球管的核心零部件軸承和靶盤仍依賴進口。當產業鏈向上游延伸時，企業面臨技術壁壘高、研發難度大以及對外依賴程度高等多重挑戰。以醫療裝備企業為研究對象，開展數實技術融合對突破性創新影響的研究具有重要理論與實踐意義，為提升我國公共衛生領域戰略科技力量提供借鑒。

創新領域相關文獻大多基于數字化轉型、技術融合視角，研究企業層面數實技術融合對突破性創新的作用機制。受吸收能力、研發授權、組織柔性、環境動態性等中介或權變效應的影響，得出二者之間呈現正向促進、倒U型關系等不一致的研究結論^[2-4]。究其原因，上述研究更多停留在靜態時間層面，未考慮時間節奏因素。時間節奏是企業為適應外部動態環境使組織內部運營與之同步的一種能力，其典型特征是特定時期內企業活動加速或減速以及周期性重復^[5]。例如，高通在每年的驍龍技術峰會上推出新一代處理器，這是典型的“規則化”創新節奏。然而，規則化創新節奏一旦“錯拍”，極可能引發后續不同時間點位上創新活動“相位錯拍”，甚至是“節拍”混亂的局面。由此給企業創新帶來一系列嚴重后果，如研發資源無效配置、市場份額下降、品牌影響力受損等。根據組織適應理論，企業有必要根據外部環境及自身條件適當調整節奏以提升創新績效（于超等，2023）。因此，如何把控創新節奏成為企業依托數實技術融合實現突破性創新過程中需要密切關注的問題。然而，數字化情境下相關研究相對匱乏，亟待剖析創新節奏在數實技術融合與突破性創新間的作用機制。

企業開展數實技術融合面臨技術選擇難、融合成本高、風險程度大等問題，且更加依賴跨領域資源整合和協同創新，因而較難把握節奏開展創新活動。創新網絡社群理論認為，企業不僅可以通過嵌入技術群依托群內凝聚性降低知識交流成本、增強風險承擔意愿，還能借助群間外部橋接關系及時獲取更豐富的互補性知識^[6]，從而適時調整創新節奏、靈活應對組織外部挑戰。技術群內成員間的信任程度較高且具有一致的行為規范^[7]，但可能存在技術同質化傾向與“小圈子”封閉思維，而群間成員間聯系較為稀疏，技術異質性較強^[8-9]。現有研究指出，技術群特征會對企業創新績效產生直接或間接效應。有必要探究企業嵌入技術群在數實技術融合與創新節奏間的權變效應，從而助力企業突破性創新。

綜上所述，本文基于組織適應理論、創新網絡社群理論，選擇2002—2022年216家醫療裝備企業為樣本，實證探究“數實技術融合—創新節奏—突破性創新”的作用機制，同時考察技術群嵌入對數實技術融合與創新節奏關系的調節效應，以期為數字化情境下企業突破性創新提供理論支撐和政策啟示。

1 理論基礎與研究假設

1.1 理論基礎

1.1.1 數實技術融合相關研究

數實技術融合是以企業數字化轉型為基礎，表現為數字技術持續被吸收并應用于實體產業技術創新的過程，本質是數字技術與實體企業專用技術間的知識滲透及重組（黃先海等，2023）。企業是數字技術與實體經濟融合的微觀載體，融合過程表現為依托數字化改造、數字平臺生態以及技術集成等方式，加速數據要素向實體企業運營過程貫通、滲透^[10-11]。數實技術融合是將實體產業技術與數字技術相融合，通過數字要素利用、數據資源開發以及網絡效應等手段對實體經濟進行全鏈條改造（何德旭等，2024）。作為“數實融合”在技術層面的反映，數實技術融合能夠推動可編碼知識以數據形式流動，對企業技術創新具有重要推動作用。

數字化轉型視角下，學者們發現數字化場景下突破性創新過程的融合性提升，戰略數字化^[2]、流程數字化^[12]、數字創新能力^[3]可以促進企業突破性創新。也有學者認為，數字化轉型僅能促進企業創新“增量”而不能“提質”^[13]。受到惡性競爭、路徑依賴的影響，企業存在“數字化悖論”的問題（余菲菲等，2022）。技術融合視角下，現有研究發現，數實技術融合能夠提升企業知識寬度與技術創新質量，推動新興技術誕生。數實技術融合能夠提升企業生產效率，降低運營流程中的成本費用，促進資源整合及網絡協同^[14]。突破性創新是一種能改變產業競爭格局和創新范式的高度不連續型創新，因而數字情境下有必要整合上述研究以闡釋數實技術融合與突破性創新之間的作用關系。

1.1.2 時間資源觀與創新節奏

近年來，時間視角被廣泛應用于組織研究，其核心構念速度、時機、步調和節奏被越來越多地用以揭示“組織—環境”框架下的時間維度管理問題^[15]。時間資源觀（time-as-resource）認為，時間是一種緩沖不確定性的資源或資產。基于這一假設，企業管理者應對其加以利用、分配和優化以促進組織績效提升。時間資源觀關注的核心問題是，企業如何戰略性地利用時間提高業績、抓住市場機會或應對新的危機，以及企業如何適應外部競爭提出的時間要求。速度（speed）是組織快速識別機會并調整和部署其組織活動的能力，意味著高速變革環境下的動態能力。速度較快的節奏容易導致企業陷入“快速陷阱”，造成時間壓縮不經濟，從而降低企業競爭優勢^[16]。節奏（rhythm）涉及企業在應對外部環境變化過程中時機選擇、行動啟動與執行速度和強度，以及活動的行動順序等問題^[5]。時機（timing）意味著正確的節奏，是指活動按時間順序排列的位置。Shi等^[17]發現，企業以恰當時機介入聯盟活動更有可能從競爭中獲益。時間視野（time horizons）是指當下距離未來的時間長度。Opper等^[18]研究認為，短期時間視野可能帶來戰略性“近視”，致使企業管理者無法提前預見或應對潛在威脅，進而對組織績效產生負向影響。

基于組織適應理論，創新節奏是企業受組織內外部因素的影響，主動調整或被動適應而產生的隨時間變化的創新“動態性”特征^[5]。規則化和非規則化是創新節奏較為典型的兩種狀態。圖1顯示，采取規則化創新節奏的企業A以均衡步調實施創新，創新總量呈平穩增長趨勢；采取非規則化創新節奏的企業B，將創新活動集中壓縮于多個時間點上，創新總量呈跳躍增長趨勢。現有研究基于不同理論邏輯探究了創新節奏與創新績效之間的關系，但存在相悖結論。Dougherty等^[19]發現，時間節奏和事件節奏間的緊張關系對創新績效具有負面影響，而二者間有張力的關系則能促進創新績效提升。蔣巒等^[4]發現，“舞步式”創新節奏不僅能夠有效解決業內競爭者模仿創新所帶來的威脅，還可以通過增強組織柔性間接提升創新績效。岑杰等（2020）發現，在高速率產業中，創新節奏與企業績效間呈倒 U型關系；在低速率產業中，創新節奏對企業績效具有顯著正向影響；非規則化創新節奏有助于企業構建難以模仿的、具有因果模糊性的創新戰略；規則化創新節奏能夠避免企業高管團隊決策信息過載，加強企業對創新過程的吸收。候貴生等（2021）發現，創新節奏趨于穩定更有利于企業績效提升，創新速度對企業績效具有倒U型影響。隨著數字化進程的加速，學者探究了數字化、創新節奏與創新績效的關系。于超等（2023）認為，數字化轉型的長期投入和持續變革特征改變了研發資金投入結構與步調，更易引發不規律創新；數字化轉型與企業不規律的創新節奏之間呈正相關關系，不規則的創新節奏一定程度上更有利于企業創新。因此，本研究試圖探究創新節奏的規則化程度在數實技術融合與突破性創新之間的中介效應。

1.1.3 創新網絡社群理論與技術群嵌入

基于組織間網絡，現有研究視角涵蓋自中心網（ego network）、網絡社群（network community）和整體網（whole network）3個層面，其中，網絡社群是締結組織個體和宏觀網絡的中間層^[20]。在創新領域，學者們重點探討了網絡社群及其特征對創新績效的直接或調節效應。魏龍等^[9]發現，技術創新網絡存在多社群“抱團”的巨元組結構，網絡社群能夠在局域連接和橋連接的雙重作用下促進組織創新；Lyu等^[21]基于聯系緊密度界定技術群體，強調技術群體分化具有群體內部凝聚和群外橋接關系屬性，且企業嵌入技術群體能夠調節網絡位置與創新績效的關系；張娜等（2022）發現，社群內部企業知識相關程度較高，群內穩定架起群內外知識流通的“橋梁”，有助于企業吸收群外新穎技術知識；李莉等^[22]指出，技術群內成員具有較高的資源同質性，會受異配性驅使開展群間創新交互。本研究中，技術群是創新主體通過較為緊密的合作凝聚而成的中觀技術社群。

基于“結構—行為—績效”框架，相關研究發現，創新網絡動態社群配置、社群穩定、社群凝聚性和橋接關系會直接或權變影響創新績效。網絡嵌入是企業在創新網絡中基于過去的聯系和合作逐漸形成的相對穩定關系，基于自中心網視角將技術群嵌入界定為企業嵌入創新網絡技術群這一中觀社群結構的程度。依據創新網絡社群理論，企業可以通過嵌入技術群擴大自身獲取創新資源的范圍并提升其便利程度^[23]。其中，技術群的凝聚性表示群內技術主體間互動頻繁程度，群間橋接關系表示群內技術主體與創新網絡中群外主體聯系的緊密程度^[21]。現有研究認為，企業嵌入技術群可以通過群內凝聚實現資源共享、風險共擔，并通過群外橋接構建跨群邊界的“紐帶”，引入新穎的異質性知識^[6]，從而幫助企業采取恰當的創新節奏開展突破性創新。鑒于此，本研究預期，技術群嵌入可為企業提供豐富的技術資源和協同創新機會，通過影響數實技術融合與創新節奏的關系促進突破性創新。

1.2 研究假設

1.2.1 數實技術融合與突破性創新

（1）數字資源作為生產要素進入企業創新過程，有助于企業把握創新方向并萌發突破性創新思想。大數據、人工智能以及云計算等底層數字技術應用促使企業轉向算法驅動的智能管理，通過實時監測市場動態、用戶需求以及洞察技術前沿動態^[1]，為創新活動開展提供精準的方向指引。數字技術的模塊性和交互性有助于企業突破“信息孤島”，增進企業間交流協作，拓寬創新思路，從而激發突破性創新。

（2）數實技術融合驅動“供給側”數據技術與企業傳統專用技術開展重組創新，增加“創造性破壞”的可能。數字技術的可重新編程性、可供性及可重新詮釋性有利于企業提升決策效率、優化創新流程，從而推動跨界創新^[24-25]。在降低企業信息搜尋成本和溝通成本的同時，數實技術融合可以降低數字產品市場進入與退出壁壘，促進突破原技術軌道的創新產生^[26]。

（3）數實技術融合有助于企業依托創新生態，以開源合作的創新模式促進突破性創新。數實技術融合能夠幫助企業突破知識傳播與資源配置的瓶頸，傳統基于產業鏈的融合被拓展至基于資源共享的網絡化融合，進而演化為高度互聯、復雜交織的創新生態系統（張超等，2021）。數字技術的生成性、開放性和共享性為系統中創新知識擴散、積累提供“加速度”^[27]，有助于構建開源共享的創新機制，從而促進企業突破性創新。基于此，本文提出如下假設：

H₁：數實技術融合正向促進企業突破性創新。

1.2.2 創新節奏的中介效應

（1）數實技術融合正向影響創新節奏的非規則程度。首先，數實技術融合過程中易引發企業研發決策的不確定性，使創新節奏向不規則方向發展。數實技術融合面臨技術選擇困難、技術重組復雜、成果見效慢等問題^[10]，需要企業權衡高額的創新成本與融合效益，這可能導致企業在制定創新策略時變得謹慎而猶豫。因此，企業會不斷調整其研發投入結構和步調，從而導致創新節奏不規則。其次，數實技術融合有助于企業識別有前景的技術機會，開展“不連續”創新，進而導致創新節奏發生變化。間斷平衡理論指出，重大的、有前景的技術機會并不會頻繁出現，而是具有不連續且稀少的特點^[28]。這意味著企業需要靈活調整創新策略，多采取短期、迅速的模式進行臨時性創新活動，因而創新節奏在時間動態上更傾向于非規則。最后，數實技術融合引致的技術范式變革會促使企業形成新的創新軌跡，改變創新節奏的規則性。數字技術憑借其特有的通用性可以實現不同領域技術間的有效兼容，這可能打破傳統創新慣例，促使企業技術方向和關鍵技術能力隨之改變^[29]。企業需要不斷優化創新方案，通過快速迭代、試錯等形成新的創新軌跡，從而導致開展創新活動的節奏不規則。基于此，本文提出如下假設：

H_2a：數實技術融合促使創新節奏朝不規則方向發展。

（2）隨著創新節奏由規則化轉向不規則化，其與突破性創新的作用關系呈現“先揚后抑”的趨勢。首先，較為規則化的創新節奏可為突破性創新的產生蓄積力量。規則化創新節奏意味著企業在長期創新戰略導向下，按照創新慣例有步調地響應市場變化、有效配置資源，進而開展技術探索。這有助于企業通過實施小規模、高頻次的持續性微創新，逐步沖破舊技術范式的“枷鎖”進入新的技術軌道，實現突破性創新^[30]。其次，一定程度的不規則化創新節奏有利于企業突破性創新，但嚴重不規則的創新節奏則阻礙企業突破性創新。適度不規則的創新節奏有助于企業跳出原有固化創新思維與技術范式，提升創新的靈活性與創造性，通過把握內部創新活動慣例與外部市場動蕩環境的平衡促進突破性創新（于超等，2023）。然而，創新節奏過度不規則使管理團隊注意力不能聚焦，極有可能陷入資源盲目分散投入的困境，導致突破性創意被扼殺和創新決策效率低下^[31]。而且，混亂的創新節奏會增加創新過程中的摩擦與沖突，加劇創新失敗風險，從而抑制企業突破性創新。基于此，本文提出如下假設：

H_2b：創新節奏對突破性創新呈倒U型影響，即創新節奏的規則化和適度不規則化均能促進突破性創新，但過度不規則會抑制突破性創新。

綜上所述，一方面，數字技術與企業專用技術深度融合能夠促進企業跨領域協作及知識共享，不僅有利于企業敏銳捕捉創新機遇、靈活調整創新策略，更有助于企業突破傳統研發模式壁壘^[32]，使得創新節奏規則化遭到破壞。另一方面，企業若采用穩定或適度波動的創新節奏，則能夠逐步從持續性微創新走向突破性創新。然而，混亂的創新節奏可能使企業陷入技術路徑依賴和創新惰性的困境，或導致企業資源分散、方向迷失^[33]，因而難以產生突破性創新。數實技術融合促使創新節奏朝不規則方向發展，創新節奏的規則化和適度不規則化均能促進突破性創新，但過度不規則會抑制突破性創新。基于此，本文提出如下假設：

H₂：創新節奏在數實技術融合與突破性創新之間發揮中介作用。

1.2.3 技術群嵌入的調節作用

（1）技術群嵌入可以降低創新成本和創新風險，從而緩和數實技術融合對創新節奏不規則程度的影響。企業所嵌入技術群的凝聚性越高，意味著群內技術交流越緊密，越有助于企業快速掌握新技術、新方法^[9]，進而通過壓縮數實技術融合時間提高創新效率。高凝聚性的技術群借助互惠互利的合作關系，可以降低單個企業創新風險，分攤較高的研發費用，進而降低企業研發決策的不確定性（何彬源等，2023），使得創新節奏的規則性程度受到較小影響。

（2）技術群嵌入有助于企業精準把握創新機會，進而延緩間斷式創新模式形成，使得創新節奏趨于規則化。企業所嵌入技術群的橋接關系越多，意味著企業存在連接不同技術群的“橋梁”或“紐帶”，更有利于企業拓寬視野，捕捉前沿技術趨勢和把握市場動向^[6]。而且，技術群嵌入能夠降低數實技術融合過程中的知識搜尋難度，促進資源共享與協同創新，從而實現技術創新快速迭代和高效敏捷的市場響應，使企業創新步調更加平穩。

（3）技術群嵌入有助于企業權衡群內外信息，選擇合適的創新模式，形成較為穩健的創新軌跡，避免過度追求數實融合導致創新節奏混亂。企業嵌入技術群的水平越高，表明企業從不同技術群中獲取的信息越廣泛和及時。這有利于企業結合自身技術積累、資源稟賦和市場定位^[22]，選擇合適的數實技術融合模式和程度。而且，高水平技術群嵌入有助于企業基于創新路徑和方向適時調整創新策略，形成持續穩定的創新軌跡，進而抑制創新節奏的不規則程度。基于此，本文提出如下假設：

H₃：技術群嵌入負向調節數實技術融合與創新節奏之間關系。

綜上所述，本文構建理論模型如圖2所示。

2 研究設計

2.1 樣本與數據

本文以醫療裝備領域為研究對象，原因在于：①醫療裝備具有多學科交叉、知識資金密集、技術體系復雜的特點，為保護知識產權，企業通常會將創新成果轉化為專利；②數字技術不斷賦能醫療裝備領域，涌現出人工智能影像診斷、可穿戴智能醫療監測設備、手術機器人等新技術，符合本文所探究的數實技術融合現象；③醫工交叉融合、協同創新是醫療裝備企業“抱團入群”助力技術突破的重要形式。

本文選擇HimmPat解決方案式全球專利智能檢索分析平臺作為數據來源，采用標題和關鍵詞策略，檢索醫療裝備技術和數字化技術融合的專利數據。選擇2002—2022年作為研究時間窗口，因為信息化醫療體系建設的重點推進始于2002年，隨后在信息化、數字化賦能下，醫療裝備企業不斷取得技術突破。同時，考慮到變量滯后與計算問題，研究時間截至2022年。依據《“十四五”醫療裝備產業發展規劃》重點發展領域和技術分解表，以及《數字經濟核心產業分類與國際專利分類參照關系表》，確定專利檢索關鍵詞。2023年3月，研究團隊共檢索出數字醫療融合專利60 211條。隨后，根據專利申請人的專利數量分布比例，剔除排名靠后且持有較為離散數量的專利申請人。最終確定216家企業為具體研究對象，專利數量為12 415條。

2.2 變量測度

2.2.1 被解釋變量

突破性創新（RIQ）。突破性創新是能夠顯著改變行業格局或市場需求的創新，具有高度原創性和新穎性。專利數據是衡量技術創新活動的關鍵指標。一般來說，專利被引頻次越高，說明該專利在相關領域內的技術影響力越大，其技術價值和創新性越高。考慮到發明專利面臨更為嚴格的審查制度，可以更好地衡量企業實質性技術創新活動，本研究主要基于發明專利識別突破性創新。借鑒 Rong等^[34]的測度方法，選擇樣本企業在研究時間窗口內的發明專利被引頻次衡量突破性創新。為克服數據右偏問題，將企業發明專利被引頻次加 1 取對數，使變量正態分布。

2.2.2 解釋變量

數實技術融合（DTC）。數實技術融合是數字技術與企業實體技術軌道的整合，本質上表現為知識元素融合^[35]。學界通常采用專利系數法、投入產出法、專利引證分析法、專利共現分析法對技術融合進行測度。其中，專利系數法直接采用數字技術專利測度，不能深入反映數實技術融合的本質；投入產出法更多用來測度產業融合，較技術融合的內涵范圍更廣；專利引證分析方法更注重表征技術融合趨勢和方向；共現分析方法一般用于分析不同IPC分類號在同一專利文檔中共同出現的頻次，以揭示技術間的融合特征。本文借鑒李丫丫等（2016）的研究，本文采用辛普森多樣性指數衡量數實技術融合，該指數同時考慮技術種類的豐富度和技術關聯的均勻性。為了更完整地體現技術融合過程中的技術種類和技術關聯，有學者引入生物學中“辛普森多樣性”測度技術融合。 當一項專利所屬專利分類號中至少同時含有一個數字技術領域和其它技術領域的IPC4時，表明該技術發生了數實融合（陶峰等，2023）。例如，醫療裝備領域樣本中某項專利的IPC4顯示為A61H、G16H、H04L，分別代表理療裝置、處理醫療健康數據的通信技術以及數字信息傳輸3個不同技術領域，因而該項技術是數實技術融合的結果。

操作步驟如下：首先，從專利申請數據中提取全部IPC4信息，剔除只有一個分類號的專利數據；其次，計算IPC4所有分類號之間的共現頻次，構建技術融合矩陣測算技術關聯水平；最后，利用式（1）計算數實技術融合，分母取觀測年份數字醫療技術專利申請量，分子取專利申請觀測年不同技術類別出現次數。

DTC=1－∑n/1x_n^t/x_t²（1）

其中，n表示組織涉及的技術領域；x_n^t表示t觀測年技術n出現次數，x_t代表t觀測年數字醫療技術申請數量。

2.2.3 中介變量

創新節奏（INR）。借鑒Vermeulen等^[36]的研究，采用一段時間內企業創新行為（專利申請）一階導數的峰態測度創新節奏。創新節奏表示企業申請專利數量隨時間推移的波動情況，采用至少追溯4年的專利數據測量。創新節奏的值越大，表明企業創新行為越不規則，公式如下：

INR=m（m+1）/（m－1）（m－2）（m－3）∑（y_t－y/s）⁴－3（m－1）²/（m－2）（m－3）（2）

其中，m是觀測值的數量，y_t是第t年專利數量，企業從t年開始回顧4年（從t到t-4年）專利數量的平均值為y，標準差為s。

2.2.4 調節變量

技術群嵌入（TGE）。借鑒劉曉燕等（2023）的研究，采用企業持有全部專利的IPC4嵌入產業技術融合網絡內技術群的數量測度技術群嵌入。首先，根據專利申請數據中提取的IPC4信息，構建醫療裝備領域的技術融合矩陣，并運用Ucinet6.2軟件繪制網絡圖譜；其次，采用基于模塊度的Louvain算法識別技術群；最后，根據IPC4所隸屬的企業組織情況，構建“組織技術隸屬—IPC技術融合”雙重網絡，進而識別樣本企業所嵌入的技術群數量。圖3顯示，組織1嵌入技術群1和2兩個技術群，因而技術群嵌入水平為2。其中，方塊表示專利權人組織，圓圈表示不同的IPC4；方塊和圓圈間的虛線表示技術與組織的隸屬關系，圓圈間的實線表示IPC4技術共現。

2.2.5 控制變量

考慮到專利權人特征和知識網絡特征對突破性創新的可能影響，本研究選擇企業年齡、性質、技術多樣性和知識網絡凝聚性作為控制變量。

企業年齡（AGE）。年輕企業具有較高的靈活性和開放性，對數字技術和創新理念更感興趣，能夠保持較快的決策流程和迭代速度；老企業由于長期依賴特定技術和管理模式，在面對新技術時可能陷入路徑依賴的困境，從而錯過創新機會（何彬源等，2022）。本文采用樣本采集截止時間與樣本主體成立時間的差值測度企業年齡。

主體性質（SOE）。中國醫療裝備創新研發主體主要包括企業、科研機構、高等院校以及醫療機構等。不同性質的創新主體在研發投入、創新方式上存在差異^[37]。本文采用虛擬變量表示，其中企業記為1，其它記為0。 企業技術多樣性（ETD）。多樣化技術領域能夠降低企業對單一技術領域的依賴，同時提供更多技術融合的可能性，降低因技術變革或市場變化帶來的風險。將技術多樣性作為控制變量，有助于消除技術領域差距對企業創新的影響。借鑒Guan等^[38]的研究，采用熵值法進行測度，如式（3）所示。

ETD=∑n/j=1P_ijln1/P_ij（3）

其中，n為技術領域數量；P_ij表示企業i在技術領域j的專利申請數量占該企業總專利申請總數的比重。

知識網絡凝聚性（NCC）。知識網絡凝聚性反映企業知識庫中知識元素聚集程度。高知識網絡凝聚性有助于加速知識整合和吸收利用，促進跨領域知識交流和融合，為突破性創新提供基礎^[39]。本研究通過構建樣本企業的IPC4共現網絡測度網絡凝聚性，如式（4）所示。

NCC=1/n∑n/i=12E_i/d_i（d_i－1）（4）

其中，n為網絡節點數；d_i為節點i的中心度；E_i為節點i的d_i個鄰居之間實際存在的邊數。

2.3 模型構建

為驗證數實技術融合與突破性創新之間的關系，本文構建如下基準模型：

RIQ_i=β₀+β₁DTC_i+β_kμ_ki+ε_i（5）

式中，RIQ、DTC分別表示突破性創新、數實技術融合，μ_ki表示包含創新節奏、技術群嵌入以及控制變量的整體，ε_i表示隨機誤差項。

3 實證分析

3.1 描述性統計與相關性分析

變量描述性統計結果與相關系數如表1所示。整體來看，變量間相關系數均小于0.5，且各變量方差膨脹因子（VIF）的值均小于4。因此，不存在嚴重的多重共線性問題，適合進行回歸分析。

3.2 主效應分析

3.2.1 基準回歸分析

數實技術融合與突破性創新關系檢驗結果如表2所示。模型1僅包含控制變量，企業年齡（β=0.212，plt;0.05）、企業性質（β=0.610，plt;0.01）和技術多樣性（β=0.118，plt;0.01）對突破性創新具有顯著正向影響；企業知識網絡凝聚性（β=0.475）并不能直接影響突破性創新。模型2檢驗數實技術融合對突破性創新的直接作用，結果顯示，數實技術融合的回歸系數為0.171（plt;0.05），相較于模型1，調整后的擬合優度提高了0.108，因而H₁得到驗證。這表明數實技術融合通過豐富企業多元化資源儲備、提升知識重組創新的可能性以及助力創新生態建設，促進企業突破性創新。

3.2.2 穩健性檢驗

（1）滯后效應檢驗。鑒于數實技術融合對企業突破性創新的影響可能存在滯后效應，本文使用滯后一期的突破性創新指標進行回歸，解釋變量的回歸系數顯著為正（β=0.162，plt;0.1），結果穩健。

（2）替換被解釋變量。考慮到核心變量測量誤差會導致回歸結果存在有偏和不一致性，通過改變突破性創新測度方法進行穩健性檢驗。借鑒畢靜煜（2021）等的研究，采用企業第t年相比于其前5年出現新知識元素的專利數測度突破性創新。在替換被解釋變量后，數實技術融合的系數顯著為正（β=0.137，plt;0.05），支持本研究基準回歸結論。

（3）更換研究模型。采用負二項回歸模型替換基準模型，以此檢驗估計模型的穩健性。使用專利被引頻次衡量突破性創新，滿足負二項模型被解釋變量非負整數的前提。結果顯示，解釋變量的回歸系數仍正向顯著（β=0.249，plt;0.01），結果穩健。

3.2.3 內生性檢驗

工具變量法可以解決遺漏變量偏誤和雙向因果等內生性問題。本文選取滯后一期數實技術融合（DTC_L₁）和同行業其它企業數實技術融合均值（DTC_ME）作為工具變量，使用兩階段最小二乘法（2SLS）進行模型估計。一方面，相關分析發現，企業數實技術融合與兩個工具變量相關，滿足工具變量選擇的相關性要求；另一方面，同行業其它企業數實技術融合均值與焦點企業突破性創新之間的關系非常微弱，可以認為工具變量是外生變量。

內生性檢驗結果如表3所示。第一階段回歸結果顯示，滯后一期數實技術融合的回歸系數（β=0.306，plt;0.01）顯著為正，同行業其它企業數實技術融合均值的回歸系數（β=0.744，plt;0.1）顯著為正，模型的F值為15.21，大于10，說明不存在弱工具變量問題。第二階段回歸結果顯示，數實技術融合的顯著性水平變化不大（β=2.230，plt;0.01），表明在控制潛在內生性因素干擾后，基準回歸結論仍然成立。

3.3 中介效應檢驗

本文借鑒溫忠麟等^[40]的三步檢驗法進行中介效應檢驗，整體模型構建如下：

RIQ_i=β₀+β₁DTC_i+β₂INR_i+β₃INR_i²+β_kμ_ki+ε_i （6）

式中，INR、INR²分別表示創新節奏及其平方項，其余與基準模型一致。

中介效應檢驗結果如表4所示。模型2檢驗數實技術融合對突破性創新的影響，回歸系數顯著為正（β=0.171，plt;0.05）。模型3檢驗數實技術融合對創新節奏的影響，回歸系數為正（β=0.302，plt;0.01），因此H_2a得到驗證。模型4和模型5檢驗在控制數實技術融合的影響后，創新節奏及其平方項對突破性創新影響的回歸系數，結果顯示，創新節奏與企業突破性創新的回歸系數（β=0.096，plt;0.01）為顯著正向、二次項的回歸系數（β=-0.574，plt;0.05）顯著為負，呈現出閾值效應（見圖4），因此H_2b得到驗證。最后，對比模型2和模型5發現，數實技術融合的回歸系數從0.171（plt;0.05）降低至0.168（plt;0.05）。同時，本研究對觀測數據進行重復抽樣（1 000次），采用Bootstrap方法檢驗中介效應的顯著性。表5結果顯示，創新節奏的回歸系數在95%置信區間內不包含0，證實了創新節奏在數實技術融合與企業突破性創新中發揮部分中介效應，因而H₂得到驗證。

結合圖4可知，創新節奏與突破性創新的倒U型關系曲線拐點介于8～10之間。雖數實技術融合會造成創新節奏向不規則方向發展，但多數企業創新節奏保持在不規則水平的可控范圍內（均值4.54）。總體來看，數實技術融合對突破性創新主效應的正向影響仍發揮主要作用，因而H₁得到進一步驗證。

3.4 調節效應分析

為檢驗技術群嵌入對數實技術融合與創新節奏關系的調節效應，本文在基準模型的基礎上將數實技術融合與技術群嵌入進行標準化處理，構建二者交互項，設定如下模型：

RIQ_i=β₀+β₁DTC_i+β₂TGE_i+β₃DTC_i×TGE_i+β_kμ_ki+ε_i（7）

式中，變量含義與基準模型一致。調節效應檢驗結果如表4所示。模型6中，數實技術融合與技術群嵌入的交互項系數顯著為負（β=-0.362，plt;0.01），因此H₃得到驗證。這表明技術群嵌入負向影響數實技術融合與創新節奏的正向關系，即技術群嵌入程度越高，數實技術融合對創新節奏造成的不規則影響越小。

4 研究結論與啟示

4.1 研究結論

隨著新一代信息技術與醫療裝備交叉融合提速，企業如何依靠自身以及借助外部技術群把握創新節奏開展突破性創新，是實現我國醫療裝備產業鏈自主可控亟待解決的關鍵問題。本文通過對2002—2022年216家醫療裝備企業進行實證研究，得出以下主要結論：

（1）數實技術融合對企業突破性創新具有正向促進作用。提高數實技術融合水平有助于豐富企業知識基礎、促進企業創新機會識別以及構建開放創新生態，從而激勵突破性創新產生。

（2）創新節奏在數實技術融合與突破性創新間起部分中介作用，數實技術融合正向影響創新節奏，而創新節奏對突破性創新具有倒U型影響。數實技術融合使創新節奏朝不規則方向發展，且創新節奏在適度規則的情況下對突破性創新產生促進作用，過度不規則的創新節奏則會抑制突破性創新。

（3）技術群嵌入通過負向調節數實技術融合與創新節奏之間的正向關系影響突破性創新。企業能夠通過嵌入技術群分擔創新風險、及時響應市場，緩解數實技術融合引起的創新節奏不規則，從而促進突破性創新。

4.2 理論貢獻

本文通過闡明創新節奏的中介效應和技術群嵌入的調節效應，打開數實技術融合影響企業突破性創新的“黑箱”，理論貢獻如下：

（1）通過整合數字化轉型與技術融合視角，厘清數實技術融合對企業突破性創新的影響，豐富了數字化創新理論脈絡。現有研究將數字化轉型作為技術創新工具，強調其在企業創新活動中發揮數據互聯、降低成本以及優化資源配置等方面的賦能作用（黃先海等，2023），而較少探究數字技術與企業實體技術融合對企業前沿創新的變革性影響^[24]。本文將數字化理論與技術融合理論相結合，彌補企業層面數實技術融合與突破性創新關系研究的不足。

（2）基于時間資源觀和組織適應理論，揭示創新節奏在數實技術融合促進企業突破性創新過程中的中介傳導機制，為闡釋“數字化悖論”提供了理論支撐。以往研究從組織內部視角探討了組織柔性、吸收能力、研發授權等中介效應，但大多停留在時間靜態層面（岑杰等，2019），對企業主動調整或被動適應過程中隨時間變化的創新動態性特征缺乏關注^[4]。本文揭示創新節奏在數實技術融合與突破性創新間的中介機制，從數實技術融合視角深化對數字情境下企業采取“動態”適應性創新行為的理解。

（3）依托創新網絡社群理論，闡明技術群嵌入調節數實技術融合與創新節奏的關系，拓展數實技術融合與突破性創新關系研究理論邊界。現有文獻已證實，技術群有利于企業間資源共享、風險共擔以及新穎性知識獲取，且群內外特征能夠調節企業創新網絡結構特征與創新績效或創新擴散的關系，但鮮有研究揭示數字情境下企業嵌入技術群對創新過程與結果的影響^[6，21]。基于自中心網視角，本文將技術群嵌入作為調節變量納入“數實技術融合—創新節奏—突破性創新”框架，從情境條件角度拓展了數實技術融合與企業突破性創新關系研究。

4.3 管理啟示

本研究結論為我國醫療裝備企業在數實融合背景下開展突破性創新提供以下管理啟示：

（1）密切關注數字科技前沿動態，加快“數實”多元化場景深度融合，從而促進突破性創新。隨著精準醫療和個性化治療需求日益增長，推動醫療裝備向精準性更高、交互性更強的智能診療、精準診療方向發展已成為行業共識。為實現這一目標，企業需要積極利用人工智能、大數據分析、云計算等前沿數字技術，并將其與醫療產業技術深度融合，從而促進創新突破。

（2）把控創新節奏規律性的“雙刃劍”效應，避免陷入不規則創新的陷阱。醫療裝備領域技術具有跨領域性，創新難度較高、資源投入較大以及創新周期較長，管理層需要重視企業創新節奏和“長遠”的時間視野。因此，企業可以通過強化市場洞察力、跟蹤行業動態等措施，以較為平穩或適度不規則的創新節奏開展創新活動，應對動蕩環境帶來的挑戰和沖擊。

（3）在數實技術融合過程中，企業可嘗試嵌入相關技術群以加速實現突破性創新。企業應積極尋求與其它企業、科研機構、高校等的合作機會，通過參與多元化技術群或聯盟加速技術突破進程。通過嵌入技術群，企業能夠更加敏銳地洞察技術趨勢，及時發現創新機會，實現資源共享和風險共擔，從而在數實融合過程中實現突破性創新。

4.4 不足與展望

本文存在以下不足：以醫療裝備企業為研究對象探討數實技術融合對企業突破性創新的影響機制，未來可以圍繞高技術產業、新興技術產業等開展研究，提高研究結論的普適性。此外，在數字經濟背景下，技術群以及相關概念派系、社群、創新聯合體等的重要性凸顯，本研究以技術群嵌入作為中介變量對數實技術融合與企業突破性創新的關系進行探討，未來可以進一步挖掘技術群其它屬性特征的重要作用。

參考文獻：

[1] 洪銀興， 任保平. 數字經濟與實體經濟深度融合的內涵和途徑[J]. 中國工業經濟， 2023，40（2）：5-16.

[2] 余江， 白宇彤， 孟慶時， 等. 數字化轉型戰略對企業數字創新績效影響研究[J]. 科研管理， 2024，45（4）：1-11.

[3] 王宏起， 李雨晴， 李曉莉， 等. 數字創新能力對戰略性新興產業突破性創新的影響研究——環境動態性的調節作用[J]. 管理評論， 2024，36（5）：89-100.

[4] 蔣巒， 李忠順， 謝衛紅， 等. 組織柔性與環境動態性下時間節奏對創新績效的影響[J]. 管理學報， 2015，12（9）：1337-1342.

[5] 唐繼鳳， 肖宵， 李新春. 企業戰略節奏與競爭優勢：一個理論框架[J]. 外國經濟與管理， 2021，43（7）：3-21.

[6] SU Y， VANHAVERBEKE W. How do different types of inter-organizational ties matter in technological exploration[J]. Management Decision， 2019，57（8）：2148-2176.

[7] LYU Y， HE B， ZHU Y， et al. Network embeddedness and inbound open innovation practice： the moderating role of technology cluster[J]. Technological Forecasting and Social Change， 2019，144（7）：12-24.

[8] PADULA G.Enhancing the innovation performance of firms by balancing cohesiveness and bridging ties[J].Long Range Planning，2008，41（4）：395-419.

[9] 魏龍， 黨興華. 非對稱視角下技術創新網絡社群結構涌現及其對雙元創新的影響研究[J]. 運籌與管理， 2017，26（10）：188-199.

[10] 歐陽日輝. 數實融合的理論機理、典型事實與政策建議[J]. 改革與戰略， 2022，38（5）：1-23.

[11] 陳雨露. 數字經濟與實體經濟融合發展的理論探索[J]. 經濟研究， 2023，58（9）：22-30.

[12] FERREIRA J J M， FERNANDES C I， FERREIRA F A F. To be or not to be digital， that is the question： firm innovation and performance[J]. Journal of Business Research， 2019，101（8）：583-590.

[13] 張國勝， 杜鵬飛. 數字化轉型對我國企業技術創新的影響：增量還是提質[J]. 經濟管理， 2022，44（6）：82-96.

[14] 廖曉語， 張鵬飛， 許楊. 數實產業技術融合與制造企業高質量發展[J]. 企業經濟， 2024，43（8）：119-128.

[15] BLAGOEV B， HERNES T， KUNISCH S， et al. Time as a research lens： a conceptual review and research agenda[J]. Journal of Management， 2023，50（6）：2152-2196.

[16] HAWK A， PACHECO-DE-ALMEIDA G. Time compression （dis）economies： an empirical analysis[J]. Strategic Management Journal， 2018，39（9）：2489-2516.

[17] SHI W S， PRESCOTT J E. Rhythm and entrainment of acquisition and alliance initiatives and firm performance： a temporal perspective[J]. Organization Studies， 2012，33（10）：1281-1310.

[18] OPPER S， BURT R S. Social network and temporal myopia[J]. Academy of Management Journal， 2020，64（3）：741-771.

[19] DOUGHERTY D， BERTELS H， CHUNG K， et al. Whose time is it？ understanding clock-time pacing and event-time pacing in complex innovations[J]. Management and Organization Review， 2013，9（2）：233-263.

[20] SYTCH M， TATARYNOWICZ A. Exploring the locus of invention： the dynamics of network communities and firms' invention productivity[J]. Academy of Management Journal， 2014，57（1）：249-279.

[21] LYU Y， LIU Q， HE B， et al. Structural embeddedness and innovation diffusion： the moderating role of industrial technology grouping[J]. Scientometrics， 2017，111（2）：889-916.

[22] 李莉， 林海芬， 程露， 等. 技術群體成員變動、知識流耦合與產業創新網絡抗毀性：技術異質性的調節作用[J]. 管理工程學報， 2022，36（1）：25-36.

[23] 鄭向杰， 吳雨衡. 弱派系嵌入對企業創新的影響——知識流動的雙向中介效應與對技術多元化的調節效應[J]. 企業經濟， 2022，41（8）：14-24.

[24] NAMBISAN S， WRIGHT M， FELDMAN M. The digital transformation of innovation and entrepreneurship： progress， challenges and key themes[J]. Research Policy， 2019，48（8）：103773.

[25] NYLN D， HOLMSTRM J. Digital innovation in context：exploring serendipitous and unbounded digital innovation at the church of Sweden[J]. Information Technology amp; People， 2019，32（3）：696-714.

[26] 邵云飛， 謝麗. 網絡結構嵌入對企業突破性創新績效的影響——以生物醫藥上市企業為例[J]. 科技進步與對策， 2023，40（18）：72-79.

[27] 周密， 王雷， 郭佳宏. 新質生產力背景下數實融合的測算與時空比較——基于專利共分類方法的研究[J]. 數量經濟技術經濟研究， 2024，41（7）：5-27.

[28] GUPTA A K， SMITH K G， SHALLEY C E. The interplay between exploration and exploitation[J]. Academy of Management Journal， 2006，49（4）：693-706.

[29] 楊瑾， 李蕾. 數字經濟時代裝備制造企業顛覆式創新模式——基于扎根理論的探索[J]. 中國科技論壇， 2022，38（8）：89-99.

[30] TURNER S F， MITCHELL W， BETTIS R A. Strategic momentum： how experience shapes temporal consistency of ongoing innovation[J]. Journal of Management， 2012，39（7）：1855-1890.

[31] WU X， DU J， XU Y， et al. Unpacking the impact of OFDI speed and rhythm on innovation performance： evidence from Chinese firms[J]. Management and Organization Review， 2022，18（5）：958-981.

[32] 呂榮杰， 宋志燁， 張義明， 等. 數智化使能企業跨界搜索提升創新績效的模式匹配與選擇——基于知識治理機制視角[J]. 科技進步與對策， 2023，40（24）：133-142.

[33] HASHAI N， KAFOUROS M， BUCKLEY P J. The performance implications of speed， regularity， and duration in alliance portfolio expansion[J]. Journal of Management， 2015，44（2）：707-731.

[34] RONG Z， WU X， BOEING P. The effect of institutional ownership on firm innovation： evidence from Chinese listed firms[J]. Research Policy， 2017，46（9）：1533-1551.

[35] HACKLIN F， MARXT C， FAHRNI F. Coevolutionary cycles of convergence： an extrapolation from the ICT industry[J]. Technological Forecasting and Social Change， 2009，76（6）：723-736.

[36] VERMEULEN F， BARKEMA H. Pace， rhythm， and scope： process dependence in building a profitable multinational corporation[J]. Strategic Management Journal， 2002，23（7）：637-653.

[37] 馮亞男， 杜艷婷， 劉娜， 等. 研發合作模式下知識關系對企業突破性創新的影響——基于知識基礎的調節作用[J]. 科學決策， 2024，31（5）：204-216.

[38] GUAN J， YAN Y， ZHANG J. How do collaborative features affect scientific output？ evidences from wind power field[J]. Scientometrics， 2015，102（1）：333-355.

[39] 徐露允， 龔紅. 協作研發伙伴多元化、知識網絡凝聚性與企業新產品開發績效[J]. 南開管理評論， 2021，24（3）：160-172.

[40] 溫忠麟， 方杰， 謝晉艷， 等. 國內中介效應的方法學研究[J]. 心理科學進展， 2022，30（8）：1692-1702.

（責任編輯：張 悅）

Digital-Real Technology Integration， Innovation Rhythm， and Corprate Breakthrough Innovation： The Moderation Effect of Technology Group Embedding

Li Li¹， Wang Gaosen¹， Cheng Lu²， Han Shaojie³

（1.School of Economics and Management， Zhengzhou University of Light Industry， Zhengzhou 450001， China; 2.School of Shipping Economics and Management， Dalian Maritime University， Dalian 116024， China; 3.School of Economics and Management， Dalian University of Technology， Dalian 116024， China）

Abstract：The Chinese Government Work Report for 2024 has highlighted the necessity of advancing collaborative research on core technologies and intensifying efforts in disruptive and cutting-edge technologies. Medical equipment， as a strategic emerging industry， is integral to the national economy， public welfare and national security. However， the high-end segment of this market is currently dominated by foreign enterprises. This situation arises because domestic enterprises face significant challenges when extending their industrial chains upstream， including high technical barriers， complex research and development processes， and heavy reliance on external resources.

The widespread application of big data， cloud computing， blockchain， and artificial intelligence in the real economy has provided new ways to address China's key technology breakthroughs. Against this backdrop， exploring the impact mechanism of digital-real technology integration on breakthrough innovation in medical equipment enterprises has become highly significant.

Scholars have found that absorptive capacity， dynamic capability， Ramp;D authorization， organizational flexibility， and environmental dynamics are important mediating and moderating variables in the relationship between digital-real technology integration and breakthrough innovation. However， inconsistent results have also emerged in the research， such as positive promotion and inverted U-shaped effects. These discrepancies may stem from the failure to consider the factor of time rhythm. Time rhythm refers to an enterprise's ability to synchronize its internal operations to adapt to the external dynamic environment. Once the innovation rhythm is out of sync， it is highly likely to result in the subsequent out-of-sync innovation activities at different time points， or even rhythm chaos. This would bring severe consequences to enterprise innovation. According to the organizational adaptation theory， enterprises need to adjust the rhythm appropriately in accordance with the external environment to enhance innovation performance. Therefore， how to control the innovation rhythm has become a key issue in the process of achieving breakthrough innovation through digital-real technology integration.

In addition， it is challenging for enterprises to grasp the rhythm for conducting innovative activities during the process of digital-real technology integration. Innovation network community theory suggests that embedding in technology groups can reduce knowledge exchange costs and risks， while external bridging ties among these groups can provide timely complementary knowledge.Given the recognized role of technology groups in breakthroughs， exploring the contingency effect of enterprise-embedded technology groups on the relationship between digital-real technology integration and innovation rhythm is essential.

Drawing upon organizational adaptation theory and innovation network community theory， this study proposes a moderated mediation effect model to investigate the pathways and boundary conditions through which digital-real technology integration influences breakthrough innovation. This study analyzes a sample of 216 medical equipment enterprises from 2002 to 2022 to investigate the impact mechanism of digital-real technology integration on breakthrough innovation， elucidating the mediating role of innovation rhythm and the moderating effect of technology group embedding. The empirical findings demonstrate that digital-real technology integration significantly promotes the development of innovation rhythm towards irregularity. Both regularization and moderate irregularity of innovation rhythm can promote breakthrough innovation， but excessive irregularity inhibits breakthrough innovation. Furthermore， technology group embedding negatively moderates the positive relationship between digital-real technology integration and innovation rhythm. Innovation rhythm serves as a partial mediator in the relationship between digital-real technology integration and breakthrough innovation.

The theoretical contributions of this study are as follows. Firstly， by integrating the viewpoints of digital transformation and technology integration， it clarifies the impact of digital-real technology integration on breakthrough innovation， thereby enriching the theoretical framework of digital innovation. Secondly， drawing on the time-resource-view and organizational adaptability theory， this research explores the internal mediating mechanisms of innovation rhythm within the process of digital-real technology integration to facilitate breakthrough innovation. Drawing on the time-resource-view and organizational adaptability theory， this research explores the internal mediating mechanisms of innovation rhythm within the process of digital-real technology integration to facilitate breakthrough innovation. Thirdly， this study incorporates technology group embedding as a moderating variable into the first half of the research framework of digital-real technology integration， innovation rhythm， and breakthrough innovation， providing theoretical support for explaining the digitalization paradox.

Key Words：Digital-real Technology Integration; Innovation Rhythm; Breakthrough Innovation; Technology Group Embedding