數(shù)字化轉型與制造企業(yè)服務化
——基于嵌入式服務化和混入式服務化的雙重視角

張 遠，李煥杰

（1.閩江學院經(jīng)濟與管理學院，福建福州 350108；2.南開大學經(jīng)濟學院，天津市 300071）

一、引言

改革開放以來，依托低廉的勞動力成本，大量中國制造企業(yè)長期嵌入國際價值鏈的加工制造環(huán)節(jié)，由此推動了中國經(jīng)濟40年左右的高速增長。然而伴隨著“逆全球化”趨勢日益凸顯和東南亞國家競爭的加劇，中國制造業(yè)亟須向價值鏈高端攀升，以推動經(jīng)濟由高速增長轉向高質(zhì)量發(fā)展。以往經(jīng)濟發(fā)展的理論邏輯和經(jīng)驗事實均將技術創(chuàng)新作為制造業(yè)價值鏈攀升的重要途徑，近年來，服務化作為制造業(yè)升級的另一種有效方式逐漸得到關注[1]?！吨袊圃?025》指出，“加快制造與服務的協(xié)同發(fā)展，促進生產(chǎn)性制造向服務型制造轉變”。黨的十九屆五中全會也明確提出要“發(fā)展服務型制造”。制造業(yè)服務化是制造企業(yè)由產(chǎn)品競爭轉向服務競爭的戰(zhàn)略轉型，能夠有效提升產(chǎn)品附加值、打造企業(yè)競爭優(yōu)勢，與技術創(chuàng)新共同成為制造業(yè)擺脫“低端鎖定困境”的兩條殊途同歸的路徑選擇[1-2]。

盡管服務化是促進制造業(yè)價值鏈攀升進而實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的重要途徑和模式，但在傳統(tǒng)經(jīng)濟時代，受服務業(yè)不可貿(mào)易性特征[3]和組織沖突、資源約束等因素引致的服務化困境影響，中國傳統(tǒng)制造企業(yè)服務化轉型并不順利。同時，移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等數(shù)字技術的迅速發(fā)展和廣泛應用改變了傳統(tǒng)服務的形態(tài)與現(xiàn)代產(chǎn)業(yè)組織生態(tài)，為制造企業(yè)服務化提供了有利契機。本文在此背景下詳細探討制造企業(yè)數(shù)字化轉型對其服務化的影響效應與內(nèi)在機理。進一步地，中國制造企業(yè)存在著大量的向金融和房地產(chǎn)業(yè)投資的脫實向虛行為，嵌入式服務化和混入式服務化兩種不同性質(zhì)的服務化在制造企業(yè)中并存成為中國制造業(yè)發(fā)展的典型事實[4-5]。具體來說，嵌入式服務是指與制造企業(yè)核心產(chǎn)品密切相關，能夠提升產(chǎn)品的差異程度，進而促進企業(yè)向價值鏈上下游延伸的高質(zhì)量的服務業(yè)務，包括產(chǎn)品維修、系統(tǒng)解決方案、遠程監(jiān)控等；混入式服務是指制造企業(yè)從事的能夠直接獲取經(jīng)濟效益而與企業(yè)核心產(chǎn)品無關的服務業(yè)務，包括金融、旅游餐飲、房地產(chǎn)開發(fā)、物業(yè)管理等，該類服務可能會造成企業(yè)資源分散和企業(yè)產(chǎn)品競爭力降低，從而不利于企業(yè)發(fā)展[6]。面對這種情形，我們首先需要回答的是數(shù)字化轉型分別會對這兩類性質(zhì)迥異的服務化產(chǎn)生怎樣的影響。之后，需要進一步探討存在這種影響的內(nèi)在機制是什么，在異質(zhì)性企業(yè)中這種影響是否存在差異。在中國經(jīng)濟發(fā)展轉型的關鍵階段，清晰揭示數(shù)字化轉型與制造企業(yè)服務化之間關系演進的作用機制，不僅有利于深化數(shù)字化轉型經(jīng)濟效應的理論研究，也能夠為制造企業(yè)進行價值鏈升級提供有益的實踐指導。

自范德邁爾和拉達（Vandermerwe & Rada）[7]首次提出制造業(yè)服務化以來，這一概念便得到學術界廣泛的關注，目前積累了較為豐富的文獻。既有研究主要沿著以下兩個層面展開：

一是制造業(yè)服務化的經(jīng)濟效應。該層面的研究又可細分為制造業(yè)投入服務化的經(jīng)濟效應和制造業(yè)產(chǎn)出服務化的經(jīng)濟效應兩類。第一類文獻基于制造業(yè)中間投入視角，將制造業(yè)服務化視為服務要素投入占全部投入要素比重的提升，認為制造業(yè)投入服務化有助于傳統(tǒng)標準化的工業(yè)產(chǎn)品構造差異化的競爭優(yōu)勢[8]、提升企業(yè)生產(chǎn)率[9-10]及資源配置效率[11]，尤其是在國際貿(mào)易中，制造業(yè)投入服務化能夠提升企業(yè)的出口能力[12]、出口國內(nèi)增加值率[13]、價值鏈參與程度和在價值鏈體系中的分工地位[14]。受實證數(shù)據(jù)可得性的限制，該類研究主要局限于區(qū)域和產(chǎn)業(yè)層面，難以深入到微觀企業(yè)層面。第二類文獻聚焦于制造業(yè)服務化與企業(yè)績效之間的關系。這類研究主要基于產(chǎn)品產(chǎn)出視角，將制造業(yè)服務化視為服務收入在企業(yè)營業(yè)收入占比增加的過程，認為這種基于產(chǎn)出端的制造業(yè)服務化能夠促進企業(yè)產(chǎn)品銷售規(guī)模擴張，進而提高企業(yè)績效[15]，但也有較多學者發(fā)現(xiàn)服務化對企業(yè)績效具有負向[16-17]、U型[18]及倒U型[19]影響。

二是考察制造業(yè)服務化轉型的影響因素。該類研究主要聚焦于產(chǎn)出服務化，學者們發(fā)現(xiàn)宏觀層面的經(jīng)濟政策不確定性[1]、營改增政策[5]，微觀層面的企業(yè)組織變革[20]、市場競爭強度及技術創(chuàng)新水平[21-22]對制造業(yè)服務化均有不同程度的影響。在與本文主題最相關的研究中，哈克斯臺和謝弗（Huxtable & Schaefer）[23]基于英國35 家制造業(yè)企業(yè)問卷調(diào)查數(shù)據(jù)，發(fā)現(xiàn)工業(yè)4.0能夠通過服務的連接、數(shù)據(jù)的搜集以及新型服務業(yè)態(tài)的涌現(xiàn)而促進制造企業(yè)服務化轉型；阿多利諾（Ardolino）等[24]基于案例分析法發(fā)現(xiàn)，物聯(lián)網(wǎng)、云計算和預測分析等數(shù)字技術對制造業(yè)服務化至關重要。

上述文獻為本文的研究提供了豐富的文獻基礎，但關于數(shù)字化轉型對制造企業(yè)服務化影響的研究仍較匱乏，少數(shù)文獻也僅在理論層面通過案例分析法進行了一些初步探討，不僅缺乏對數(shù)字化轉型影響制造企業(yè)服務化的間接機制的探討，而且未能利用實際經(jīng)驗數(shù)據(jù)深入微觀企業(yè)層面進行更深層次的分析。相較而言，本文的邊際貢獻在于：（1）與以往文獻聚焦于數(shù)字技術對制造企業(yè)服務化的直接影響不同，本文從直接影響機制和組織變革效應、技術創(chuàng)新效應等間接影響機制兩個層面探討了數(shù)字化轉型影響制造企業(yè)服務化的作用機理，打開數(shù)字化影響服務化的“黑箱”；（2）基于手工整理的企業(yè)資產(chǎn)數(shù)據(jù)和Python 軟件抓取的文本數(shù)據(jù)，本文創(chuàng)新性地從數(shù)字化投資和數(shù)字技術應用兩個維度構建了企業(yè)數(shù)字化轉型指標，彌補了以往研究中關于微觀企業(yè)數(shù)字化轉型度量存在的不足；（3）基于中國制造業(yè)高質(zhì)量服務化和低質(zhì)量服務化并存的典型事實，根據(jù)服務與企業(yè)核心產(chǎn)品的相關程度將制造企業(yè)服務化劃分為嵌入式服務化和混入式服務化，拓寬了制造企業(yè)服務化的邊界，增加了對制造企業(yè)價值鏈升級的理論認知；（4）將知識產(chǎn)權保護、市場勢力和資源條件納入分析框架中，探討了數(shù)字化轉型對制造企業(yè)服務化的異質(zhì)性影響，并進一步分析了數(shù)字化轉型對企業(yè)資源配置效率的影響效應，深化了數(shù)字化轉型與制造企業(yè)服務化之間關系的理解。

二、分析框架與研究假說

數(shù)字化轉型本質(zhì)上是企業(yè)利用數(shù)字技術對業(yè)務進行改進，以革新現(xiàn)有的商業(yè)模式和組織流程[25]。數(shù)字技術具有可編程性、數(shù)據(jù)同質(zhì)化和可自我參照性等特征[26]，其與服務產(chǎn)品融合不僅會直接改變企業(yè)的服務業(yè)態(tài)，降低服務成本，提升企業(yè)的服務供給能力，而且在企業(yè)管理、產(chǎn)品研發(fā)和生產(chǎn)中的應用還能有效促進企業(yè)組織變革和技術創(chuàng)新水平的提升，由此衍生出復雜的作用機制，對制造企業(yè)服務化產(chǎn)生影響。

（一）數(shù)字化轉型對制造企業(yè)服務化的直接影響

從服務類型來看，制造企業(yè)提供的服務可分為嵌入式服務和混入式服務，其中嵌入式服務包括潤滑型服務（Smoothing Services）、適應型服務（Adapting Services）和替代型服務（Substituting Ser?vices）[27]。潤滑型服務是指為產(chǎn)品功能提供支撐的服務，如產(chǎn)品培訓咨詢、售后服務、產(chǎn)品維修等。這類服務是企業(yè)的傳統(tǒng)服務，在傳統(tǒng)工業(yè)經(jīng)濟中具有明顯的同步性特征，即服務在交易過程中要求供需雙方在空間和時間上具有一致性，從而導致其具有不可貿(mào)易性。數(shù)字化轉型對潤滑型服務的驅(qū)動作用在于企業(yè)利用數(shù)字技術對潤滑型服務的內(nèi)容和流程進行解構與重新編碼，使其能夠以數(shù)字化的形式在虛擬空間中交易（如遠程運維、在線培訓等），從而打破時空同步屬性，降低服務成本，實現(xiàn)服務的可貿(mào)易性，促進制造企業(yè)服務規(guī)模的擴張[3]。適應型服務是指能夠與產(chǎn)品互補進而拓展產(chǎn)品功能的服務。這類服務的實現(xiàn)需要企業(yè)對市場需求具備較強的洞察能力。數(shù)字化轉型對這類服務的促進作用主要表現(xiàn)為企業(yè)在原有的產(chǎn)品中嵌入數(shù)字技術，通過對用戶消費數(shù)據(jù)的搜集來追蹤和識別市場需求，提升企業(yè)的市場洞察力和響應能力，并通過數(shù)字技術的連接作用將用戶納入到服務創(chuàng)新過程中，為用戶提供增值服務。如耐克等企業(yè)在運動鞋中嵌入傳感器，通過搜集用戶的運動數(shù)據(jù)為用戶提供健康建議服務，拓展了產(chǎn)品的功能。替代型服務是指用戶不再向制造廠商購買產(chǎn)品，而是單純地購買廠商提供的系統(tǒng)服務。這類服務往往是新型服務，對數(shù)字技術具有較強的依賴性。數(shù)字化轉型能夠從兩方面增強制造企業(yè)的替代型服務供給能力：一是企業(yè)通過搭建數(shù)字化平臺改變傳統(tǒng)規(guī)?；纳a(chǎn)方式，構建以消費者為中心，集生產(chǎn)和服務于一體的個性化、模塊化、柔性化、精細化的生產(chǎn)模式，使產(chǎn)品生產(chǎn)和服務融為一體、不可分割；二是一些制造業(yè)細分行業(yè)的龍頭企業(yè)通過數(shù)字化轉型將行業(yè)的標準化工藝、制造流程轉化成模塊化操作系統(tǒng)，并積累了大量的數(shù)字化轉型經(jīng)驗和知識，成為向上下游以及同行業(yè)企業(yè)進行數(shù)字化轉型和提供個性化系統(tǒng)解決方案的服務商，如三一重工、海爾等一些企業(yè)向其他企業(yè)提供大數(shù)據(jù)服務、系統(tǒng)解決方案服務等，實現(xiàn)由賣產(chǎn)品向賣服務的轉變。

數(shù)字化轉型促進制造企業(yè)服務化的關鍵在于大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等數(shù)字技術能夠基于可編程性、數(shù)據(jù)同質(zhì)化和可自我參照性等特征，充分挖掘企業(yè)產(chǎn)品的優(yōu)勢，打造符合企業(yè)比較優(yōu)勢和消費者需求的個性化服務，實現(xiàn)產(chǎn)品和服務的互補，進而優(yōu)化企業(yè)資源配置，提升要素邊際收益。從服務類型來看，混入式服務是制造企業(yè)開展的與其核心產(chǎn)品不相關的服務化，數(shù)字技術難以構建起其與產(chǎn)品的聯(lián)系，因此數(shù)字化轉型更有利于制造企業(yè)開展與其核心產(chǎn)品密切相關的嵌入式服務，而難以對混入式服務化產(chǎn)生影響。此外，企業(yè)長期實施混入式服務化容易降低消費者對產(chǎn)品的購買意愿、導致企業(yè)資源錯配和組織管理困境，從而不利于企業(yè)績效增長，即容易產(chǎn)生服務化悖論[5]。根據(jù)資源基礎觀，在資源約束條件下，服務化的引入導致企業(yè)面臨資源和組織的沖突時，必須通過戰(zhàn)略一致性原則來解決[5]。因此，從企業(yè)長遠戰(zhàn)略來看，制造企業(yè)更傾向于利用數(shù)字技術開展嵌入式服務化。由此，提出假設H1。

H1：數(shù)字化轉型有利于提升制造企業(yè)嵌入式服務化水平，對混入式服務化的影響并不明確。

（二）數(shù)字化轉型對制造企業(yè)服務化的間接影響

1.數(shù)字化轉型、組織變革與制造企業(yè)服務化。數(shù)字化轉型能夠通過組織變革促進制造企業(yè)服務化。在數(shù)字化轉型對企業(yè)組織變革的作用中，我們借鑒詹森和梅克林（Jensen&Meckling）[28]的組織結構模型來闡述其具體邏輯。詹森和梅克林構建了一個集信息成本和代理成本于一體的組織授權分析框架。在該框架中，信息成本與代理成本之和構成組織成本，組織成本最小值的相對位置決定了組織決策權力下放的程度。如圖1所示，向右下方傾斜的曲線IC 為信息成本，代表基層部門向上級部門傳遞信息所帶來的效率損失；曲線PC為代理成本，是指由于權力下放而造成的基層部門與上層部門之間因組織、目標、利益等的沖突而產(chǎn)生的成本。信息成本IC 與代理成本PC 之和為企業(yè)的組織成本TC，TC最低點在橫軸上的相對應點A 即為企業(yè)決策權力最優(yōu)配置點。A 點越靠近原點（CEO辦公室），說明企業(yè)集權程度越高，反之則說明分權程度越高。

數(shù)字化轉型能驅(qū)動決策權最優(yōu)位置向右移動，從而促使組織決策權下放。首先，數(shù)字化轉型會提升企業(yè)信息成本。企業(yè)通過數(shù)字化轉型將內(nèi)部各部門、上下游企業(yè)、消費者等各主體的結構化和非結構化信息內(nèi)容由物理空間映射至網(wǎng)絡空間，極大地豐富了基層部門的數(shù)據(jù)信息和專業(yè)知識，使企業(yè)成為海量信息的載體。在這種背景下，盡管云平臺、工業(yè)互聯(lián)網(wǎng)等數(shù)字化途徑可以提升信息的傳遞效率，降低上級部門獲取信息的成本，但匯集的海量數(shù)據(jù)信息具有單位價值密度低、總體商業(yè)價值高和時效性強等特點，增加了高層管理部門的決策難度和決策成本，從而倒逼企業(yè)決策權力的下放[29-30]。數(shù)字化轉型推升了企業(yè)的信息成本，表現(xiàn)為圖1中信息成本曲線IC 移動至IC1。其次，數(shù)字化轉型能夠降低企業(yè)組織的代理成本。數(shù)字技術可作為重要的管理和監(jiān)督手段[30]，企業(yè)利用數(shù)字技術可以實現(xiàn)自動監(jiān)督，管理層能夠及時掌握、監(jiān)督基層組織的目標、行為，防止基層部門對信息的封鎖，降低“中央”與“地方”因目標利益的沖突而導致的代理成本。如在信息溝通中，內(nèi)部通信系統(tǒng)的構建提高了企業(yè)不同層級員工間信息溝通和傳達的便捷程度，有利于高層管理者及時獲取員工信息及反饋員工意見；在生產(chǎn)管理中，物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)的使用使物理空間的生產(chǎn)活動映射到虛擬的網(wǎng)絡空間，實現(xiàn)了企業(yè)物資的信息結構由傳統(tǒng)工業(yè)化時代的間斷性、分散性狀態(tài)向數(shù)字化時代的連續(xù)性、整體性轉變[31]，提升了管理層對企業(yè)生產(chǎn)過程的監(jiān)管能力；在財務管理中，財務軟件、人工智能技術等在企業(yè)財務、內(nèi)部控制中的應用，提升了企業(yè)財務管理的透明度[32]，有利于管理層對企業(yè)內(nèi)部違規(guī)行為的監(jiān)管。因此，數(shù)字化轉型降低了企業(yè)的代理成本，表現(xiàn)為代理成本曲線PC 向下移至PC1?？傮w上看，數(shù)字化轉型推高了企業(yè)的信息成本，降低了企業(yè)的代理成本。如圖1所示，由于信息成本曲線和代理成本曲線的移動，新的組織成本曲線TC1最小值位于原組織成本曲線TC 最小值的右側，決策權最優(yōu)位置由A 點移動到A1，即決策權的最優(yōu)位置更趨向于基層組織。這說明數(shù)字化轉型能夠有效減少企業(yè)內(nèi)部層級，催生去中心化的網(wǎng)絡組織，促使組織決策權力下放。

圖1 組織成本與最優(yōu)決策位置模型

事實上，伴隨著企業(yè)數(shù)字化轉型實踐的深入，部分企業(yè)甚至形成了以“大平臺+小前端”結構為主要特征的平臺型組織，如海爾集團打造的“小微+平臺+生態(tài)”的模式和韓都衣舍構建的“大平臺+小組制+云孵化”的商業(yè)模式。這種組織模式不再是傳統(tǒng)組織結構由垂直化趨向扁平化的量變，而是以消費者為中心的企業(yè)組織的質(zhì)變，具有強大的靈活性與開放性。企業(yè)通過數(shù)字技術獲得的資源整合能力，使部分企業(yè)突破自身業(yè)務范疇，與不同行業(yè)的企業(yè)形成產(chǎn)品互補的企業(yè)生態(tài)圈，將單個企業(yè)的“大平臺”構造成跨組織、跨行業(yè)的行業(yè)級虛擬平臺，進一步增強企業(yè)組織的開放性，促進組織權力的下放。

組織變革對企業(yè)服務化轉型成功與否至關重要，尤其是扁平化、分權式的組織結構能夠有效促進制造企業(yè)服務化[20]：一是建立獨立的服務組織，對服務崗位員工更高級別的授權有利于提升員工工作的積極性，增強其為客戶提供服務的意識[20]；二是組織權力的下放能夠提升組織清晰度（Orga?nizational Clarity），即以客戶為中心，增強外部客戶對服務組織感知及其與服務組織的聯(lián)系強度，進而提升客戶的滿意度和忠誠度[33-34]；三是分權化的組織模式能夠提升企業(yè)組織管理的靈活性，既有利于增強產(chǎn)品供給和服務供給的協(xié)調(diào)性，也能夠有效緩解服務化過程中的組織沖突，降低企業(yè)戰(zhàn)略轉型的“政治成本”[35]，促進制造企業(yè)服務化水平提升。由此，提出假設H2。

H2：數(shù)字化轉型可以促進組織分權化變革，通過提升員工積極性、組織清晰度和降低組織沖突對制造企業(yè)嵌入式服務化和混入式服務化產(chǎn)生積極影響。

2.數(shù)字化轉型、技術創(chuàng)新與制造企業(yè)服務化。數(shù)字化轉型可以通過技術創(chuàng)新促進制造企業(yè)服務化。首先，數(shù)字化轉型能夠通過以下三個方面促進技術創(chuàng)新水平提升。一是數(shù)字技術與企業(yè)原有產(chǎn)品的結合能夠形成具有融合性和自生長特征的新產(chǎn)品[26]。如將數(shù)字技術融入傳統(tǒng)的家居和汽車中形成了智能家居、智能汽車等新型智能產(chǎn)品，這些新產(chǎn)品不僅包含了更多的數(shù)字技術，也基于數(shù)字技術的連接功能融入了具有不同功能的物理硬件。二是數(shù)字技術能夠優(yōu)化企業(yè)技術創(chuàng)新過程。傳統(tǒng)的技術創(chuàng)新主要局限在封閉的研發(fā)部門中進行，對消費者偏好的感知和創(chuàng)新知識的獲取主要依賴于研發(fā)人員的經(jīng)驗與小范圍的問卷調(diào)查，而數(shù)字技術則能夠有效改善企業(yè)研發(fā)過程。一方面，數(shù)字技術在制造企業(yè)中的廣泛滲透使企業(yè)能夠利用物聯(lián)網(wǎng)、大數(shù)據(jù)等技術通過多種渠道獲取、傳遞消費者的用戶信息、消費習慣和消費偏好等結構化和非結構化數(shù)據(jù)，并進一步通過人工智能的深度挖掘和預測分析功能，精準識別消費者對產(chǎn)品的現(xiàn)實需求和潛在需求，實現(xiàn)技術創(chuàng)新由經(jīng)驗驅(qū)動到數(shù)據(jù)驅(qū)動，提升創(chuàng)新效率[36]；另一方面，通過神經(jīng)算法和深度學習等數(shù)字技術，研發(fā)人員能夠精準識別和利用特定規(guī)則表達出的存在于不同情境下的隱性知識，使廣泛存在于企業(yè)內(nèi)部的隱性創(chuàng)新知識被轉化為模塊化、標準化的顯性知識，有利于創(chuàng)新知識在企業(yè)中的積累和不同環(huán)境下的重新組合[37]。如美國Atomwise公司基于已有數(shù)據(jù)庫，利用人工智能的復雜算法和識別模式判斷分子之間的相互作用，在一周內(nèi)開發(fā)出抗擊埃博拉病毒的藥物。三是基于數(shù)字技術構建的數(shù)字化平臺，制造企業(yè)能夠構建集科研機構、企業(yè)、消費者等多個創(chuàng)新主體于一體的開放式創(chuàng)新模式，形成動態(tài)有機的創(chuàng)新生態(tài)體系，進一步激發(fā)其創(chuàng)新活力。因此，數(shù)字化轉型能有效降低企業(yè)創(chuàng)新成本，縮短創(chuàng)新周期，提升企業(yè)技術創(chuàng)新水平。

其次，制造企業(yè)服務化水平與技術創(chuàng)新水平密切相關。一方面，產(chǎn)品是服務化的物質(zhì)載體，產(chǎn)品創(chuàng)新為企業(yè)積累了知識基礎和技術基礎，深化了企業(yè)對核心產(chǎn)品功能和用戶需求之間關系的認知，提升了企業(yè)為用戶提供個性化服務的能力；另一方面，具有較強創(chuàng)新性的新型產(chǎn)品往往具有復雜的知識結構，這會降低消費者對新產(chǎn)品的接受程度，增加產(chǎn)品銷售的不確定性，由此倒逼企業(yè)通過提供培訓、咨詢、維護等服務作為新產(chǎn)品的互補性要素，以促進產(chǎn)品銷售規(guī)模的擴張[38]。因此，制造企業(yè)技術創(chuàng)新可能會有利于其服務化水平提升。由于技術創(chuàng)新主要表現(xiàn)在產(chǎn)品層面，因而其主要對嵌入式服務產(chǎn)生影響，對混入式服務的影響可能并不明顯。

但從價值鏈分工來看，技術創(chuàng)新聚焦于價值鏈上游環(huán)節(jié)，而制造企業(yè)服務化特別是嵌入式服務化則聚焦于價值鏈下游環(huán)節(jié)[4]，二者可能存在較強的替代性，如奧利瓦和卡倫伯格（Oliva&Kal?lenberg）[39]發(fā)現(xiàn)，在研發(fā)能力缺乏的情況下，制造企業(yè)會通過服務化策略來延長產(chǎn)品生命周期。因此，在企業(yè)資源有限以及進行技術創(chuàng)新和服務化都需要大量資源持續(xù)投入的背景下，數(shù)字化轉型導致的兩種升級方式存在較大的知識資源和物質(zhì)資源沖突，導致技術創(chuàng)新對企業(yè)服務化產(chǎn)生抑制作用[40]。由此，提出以下假設。

H3a：數(shù)字化轉型可以提升企業(yè)技術創(chuàng)新水平，通過增強產(chǎn)品的知識復雜程度及其對服務的承載力促進制造企業(yè)嵌入式服務化，對混入式服務化的影響并不明顯。

H3b：由于資源沖突的存在，數(shù)字化轉型難以通過技術創(chuàng)新促進制造企業(yè)開展嵌入式服務化和混入式服務化。

三、數(shù)據(jù)與模型設定

（一）數(shù)據(jù)來源及處理

考慮到數(shù)字化轉型在中國的推廣和普及主要發(fā)生在2013年及以后，本文選取2013—2019年A股制造業(yè)上市公司作為考察樣本。其中，企業(yè)的基本信息來自國泰安（CSMAR）數(shù)據(jù)庫，數(shù)字化投資指標通過手工整理財務報表附注數(shù)據(jù)得到；數(shù)字技術應用指標通過Python 軟件抓取上市公司年度報告文本中與數(shù)字化轉型相關的關鍵詞獲得，上市公司年報來自深圳證券交易所和上海證券交易所的官方網(wǎng)站；制造企業(yè)服務化數(shù)據(jù)源于手工整理的萬得（Wind）數(shù)據(jù)庫中企業(yè)營業(yè)收入行業(yè)構成和產(chǎn)品構成相關數(shù)據(jù)；區(qū)域?qū)用娴臄?shù)據(jù)來自中國研究數(shù)據(jù)服務平臺（CNRDS）。同時，剔除ST、*ST 上市公司，且對連續(xù)變量采取雙邊1%的Win?sorize縮尾處理，以緩解異常值的影響。

（二）基準模型設定

為檢驗數(shù)字化轉型對制造企業(yè)服務化的影響，設定以下估計模型：

其中，i、t、c 分別代表企業(yè)、年份和區(qū)域；Servi?ceit表示企業(yè)總體服務化水平，Serviceit_e 表示企業(yè)嵌入式服務化水平，Serviceit_m 表示企業(yè)混入式服務化水平，DCGit為企業(yè)數(shù)字化轉型水平；Xct為區(qū)域?qū)用娴目刂谱兞?，包括?jīng)濟發(fā)展水平（Pgdp）、金融發(fā)展水平（Fin）、城市產(chǎn)業(yè)結構（Indus）；Eit為企業(yè)層面的控制變量，包括企業(yè)規(guī)模（Size）、年限（Age）、資產(chǎn)負債率（Lve）、現(xiàn)金流水平（Flow）、無形資產(chǎn)占比（Intasset）、市場勢力（Market）、行業(yè)競爭程度（Compete）、盈利能力（Profit）、固定資產(chǎn)占比（Ppe）。δi為企業(yè)固定效應，λt為時間固定效應，εit為誤差項?？紤]到數(shù)字化轉型驅(qū)動制造企業(yè)服務化可能存在時滯和二者之間的逆向因果問題，對解釋變量滯后1期處理。

（三）變量度量

1.被解釋變量：制造企業(yè)總服務化水平（Ser?vice）、嵌入式服務化水平（Service_e）、混入式服務化水平（Service_m）。本文借鑒孫曉華等[5]、約瑟夫森（Josephson）等[6]的做法，采用企業(yè)服務收入與營業(yè)收入之比來刻畫微觀企業(yè)的服務化水平。首先，基于Wind 數(shù)據(jù)庫中制造業(yè)上市公司的營業(yè)產(chǎn)品構成和行業(yè)構成數(shù)據(jù)，根據(jù)國民經(jīng)濟行業(yè)分類標準（GB/T 4754—2017）人工識別及判斷企業(yè)營業(yè)過程中是否涉及服務業(yè)務，若涉及，則分別按產(chǎn)品構成和行業(yè)構成對年度服務業(yè)收入進行加總；若未涉及，則判定該企業(yè)未實施服務化。若兩類服務加總數(shù)值差異較大，則由兩位編碼者進一步查閱年報中對企業(yè)業(yè)務內(nèi)容的描述，以最終確定制造企業(yè)的年度服務收入。其次，根據(jù)服務的具體內(nèi)容，手工將企業(yè)服務分為嵌入式服務和混入式服務兩類。具體來說，嵌入式服務包括安裝及售后維修、系統(tǒng)解決方案、技術支持、工程與物流咨詢、設備及產(chǎn)品租賃等與企業(yè)核心產(chǎn)品密切相關的服務；混入式服務包括產(chǎn)品貿(mào)易、金融經(jīng)紀、物業(yè)管理、房地產(chǎn)開發(fā)、餐飲旅游等與企業(yè)核心產(chǎn)品無關的服務。最后，分別將企業(yè)的年度服務化收入、嵌入式服務收入、混入式服務收入除以企業(yè)年度營業(yè)收入額，得到制造企業(yè)的總體服務化水平（Service）、嵌入式服務化水平（Service_e）和混入式服務化水平（Service_m）。

2.解釋變量：數(shù)字化轉型水平（DCG）?，F(xiàn)有文獻中，余（Yu）等[41]、吳非等[42]采用上市公司年報文本信息從微觀層面刻畫企業(yè)數(shù)字化轉型水平，該方法對本文構建企業(yè)數(shù)字化轉型指標具有一定的參考意義。但由于文本信息存在較強的主觀性，在國家和地方政府大力倡導發(fā)展數(shù)字經(jīng)濟的背景下，上市公司年報中與數(shù)字化轉型相關的文本信息容易成為管理者進行股票概念炒作的信息操作工具[43]，并且，隨著國家和地方出臺支持企業(yè)數(shù)字化轉型的扶持政策，企業(yè)也可能通過在年報中大量表述與數(shù)字化轉型相關的文本信息吸引更多的政府補貼。因此，盡管年報文本數(shù)據(jù)可以反映上市公司對數(shù)字技術應用的深度，但在遺漏數(shù)字化投資數(shù)據(jù)情況下，難以有效衡量企業(yè)的真實數(shù)字化轉型程度。鑒于此，本文利用熵權法從企業(yè)真實的數(shù)字化投資水平和年報文本信息刻畫的數(shù)字技術應用水平兩個維度構建企業(yè)數(shù)字化轉型指標，以更全面和客觀地衡量企業(yè)的數(shù)字化轉型程度。

首先，參考霍（Ho）等[44]、王宇等[45]的研究，分別利用數(shù)字化硬件投資和數(shù)字化軟件投資占總資產(chǎn)比重來測度企業(yè)的數(shù)字化投資水平。其中，數(shù)字化軟件投資為與數(shù)字化轉型相關的無形資產(chǎn)項目的年度匯總，具體為科目名稱中包含“智能”“軟件”“系統(tǒng)”“信息平臺”“數(shù)據(jù)”等關鍵詞的無形資產(chǎn)項目；數(shù)字化硬件投資為與數(shù)字化轉型相關的固定資產(chǎn)項目的年度匯總，具體為科目名稱中包含“電子設備”“計算機”“數(shù)據(jù)設備”等關鍵詞的固定資產(chǎn)項目。兩類資產(chǎn)的明細數(shù)據(jù)均來自Wind數(shù)據(jù)庫中的上市公司財務報告附注。

其次，基于年報文本關鍵詞詞頻測度企業(yè)數(shù)字技術應用水平。第一步，利用Python 軟件從深圳證券交易所和上海證券交易所官方網(wǎng)站下載A股制造業(yè)上市公司的年度報告，并將年度報告PDF格式轉換為其可讀取的文本格式。第二步，明確與數(shù)字化轉型相關的關鍵詞并使用Python 軟件編寫代碼實現(xiàn)對關鍵詞的獲取。具體地，參考吳非等[42]、霍等[44]的研究和《關于加快推進國有企業(yè)數(shù)字化轉型工作的通知》《中小企業(yè)數(shù)字化賦能專項行動方案》等政策文件以及清華大學全球產(chǎn)業(yè)研究院發(fā)布的《中國企業(yè)數(shù)字化轉型研究報告》、埃森哲與國家工業(yè)信息安全發(fā)展研究中心聯(lián)合發(fā)布的《中國企業(yè)數(shù)字化轉型指數(shù)研究》等相關報告，從底層數(shù)字技術和數(shù)字技術應用深度兩個維度抓取與數(shù)字化轉型相關的關鍵詞。前者為“ABCD”四種底層數(shù)字技術①，具體包括數(shù)字技術、智能技術、信息系統(tǒng)、系統(tǒng)集成、自動控制、信息技術、人工智能、機器人、機器學習、深度學習、自然語言處理、智能軟件、智能識別、智能系統(tǒng)、區(qū)塊鏈、云計算、云存儲、云聯(lián)網(wǎng)、公有云、私有云、物聯(lián)網(wǎng)、大數(shù)據(jù)、數(shù)據(jù)挖掘、文本挖掘、數(shù)據(jù)可視化、數(shù)據(jù)分析、數(shù)據(jù)加工、數(shù)據(jù)集成等關鍵詞；后者包括電子商務、數(shù)字營銷、網(wǎng)絡營銷、網(wǎng)絡零售、網(wǎng)絡設計、網(wǎng)絡創(chuàng)新、數(shù)字化轉型、數(shù)字升級、數(shù)字管理、數(shù)字城市、數(shù)字設計、數(shù)字研發(fā)、數(shù)字創(chuàng)新、數(shù)字服務、研發(fā)軟件、智能化、智能升級、智能穿戴、智能交通、智能醫(yī)療、智能制造、智能家居、智能營銷、智能產(chǎn)品、智能辦公、智能裝備、智能研發(fā)、智能工廠、智能系統(tǒng)、智能生產(chǎn)、智能終端、智能設備、智能運維、平臺經(jīng)濟、云平臺、云服務、工業(yè)云、工業(yè)軟件、工業(yè)APP、工業(yè)4.0、數(shù)字工廠、黑燈工廠等關鍵詞。第三步，分別加總底層數(shù)字技術和數(shù)字技術應用深度的關鍵詞數(shù)量。

最后，采用熵權法對二級指標進行賦權，由此得到企業(yè)的數(shù)字化轉型指數(shù)（參見表1）。

表1 數(shù)字化轉型指標體系

3.控制變量。參考張峰等[1]、孫曉華等[5]的研究，本文的企業(yè)層面控制變量為：企業(yè)規(guī)模（Size），用企業(yè)員工人數(shù)的對數(shù)來刻畫；企業(yè)年限（Age），用當年減去企業(yè)成立年份加1后的對數(shù)來衡量；負債水平（Lve），用企業(yè)總負債與總資產(chǎn)之比來測度；現(xiàn)金流水平（Flow），用經(jīng)營活動產(chǎn)生的現(xiàn)金流凈額占總資產(chǎn)的比重表示；無形資產(chǎn)占比（Intasset），用無形資產(chǎn)凈額占總資產(chǎn)的比重來表示；市場勢力（Market），用企業(yè)營業(yè)收入占行業(yè)營業(yè)收入的比重來表示；行業(yè)競爭程度（Compete），用赫芬達爾指數(shù)來衡量；固定資產(chǎn)占比（Ppe），用固定資產(chǎn)凈額與總資產(chǎn)的比重來測度；盈利能力（Roa），用凈利潤占總資產(chǎn)的比值來表示。區(qū)域?qū)用娴目刂谱兞繛椋航?jīng)濟發(fā)展水平（Pgdp），用城市的人均國內(nèi)生產(chǎn)總值的對數(shù)來表示；金融發(fā)展水平（Fin），用城市金融機構年末貸款余額與金融機構年末存款余額之比來表示；城市產(chǎn)業(yè)結構（Indus），用城市第二產(chǎn)業(yè)產(chǎn)值占國內(nèi)生產(chǎn)總值的比重來刻畫。

四、實證結果及分析

（一）基準回歸

表2反映了數(shù)字化轉型與制造企業(yè)服務化的計量結果。列（1）～列（3）為未納入控制變量的估計結果，列（1）的結果顯示，數(shù)字化轉型對制造企業(yè)總體服務化的影響系數(shù)為0.140 且通過了1%統(tǒng)計顯著性檢驗。進一步將服務化分為嵌入式服務化和混入式服務化分別進行回歸，列（2）中的數(shù)字化轉型系數(shù)為0.128，依然在1%水平上顯著，列（3）中的數(shù)字化轉型系數(shù)為0.001 但未通過10%統(tǒng)計顯著性檢驗。列（4）～列（6）為納入了區(qū)域、行業(yè)和企業(yè)層面控制變量的估計結果，相關的回歸系數(shù)顯著程度與列（1）～列（3）結果一致，而系數(shù)絕對值略小，原因可能是在模型納入控制變量后，部分影響制造業(yè)服務化的因素被吸收。表2的估計結果表明，數(shù)字化轉型能夠顯著促進制造企業(yè)嵌入式服務化，對混入式服務化的影響不顯著。這意味著數(shù)字化轉型對制造企業(yè)嵌入式服務化的影響居于主導地位，從而導致其對總體服務化呈正向影響，與假設H1相呼應。該結論證實數(shù)字化轉型是制造企業(yè)由價值鏈低端的加工制造環(huán)節(jié)邁向價值鏈高端的服務化環(huán)節(jié)，進而實現(xiàn)制造業(yè)高質(zhì)量發(fā)展的重要驅(qū)動力。

表2 基準回歸模型估計結果

數(shù)字化轉型由數(shù)字化投資和數(shù)字技術應用兩個維度構成，本文進一步將數(shù)字化轉型指標降維分解至這兩個維度進行回歸。表3的列（1）～列（3）和列（4）～列（6）分別反映了核心解釋變量為數(shù)字化投資（DCG_invest）和數(shù)字技術應用（DCG_apply）的估計結果，結果顯示兩個維度指標對制造企業(yè)服務化影響系數(shù)的顯著程度與基準模型結果基本一致。這表明無論制造業(yè)企業(yè)加大數(shù)字化投資還是提升數(shù)字化資源的使用效率都有利于其服務化進程，說明基準估計結果具有較強的穩(wěn)健性，也充分說明了在推動服務化轉型實現(xiàn)中國制造業(yè)價值鏈攀升進程中，企業(yè)應該注重數(shù)字化投資與數(shù)字技術應用的結合，在既有的數(shù)字化投資基礎上推動數(shù)字技術與企業(yè)業(yè)務的深度融合。

表3 分維度估計結果

（二）穩(wěn)健性檢驗

1.內(nèi)生性。上述結果可能存在較為嚴重的內(nèi)生性問題。一是遺漏變量問題。區(qū)域?qū)用娴哪承┮蛩乜赡軙瑫r影響數(shù)字化轉型和制造企業(yè)服務化，這些變量的遺漏會造成基準模型的核心解釋變量與殘差項相關進而導致估計結果產(chǎn)生內(nèi)生性偏誤。二是逆向因果問題。相較于硬件產(chǎn)品而言，數(shù)字技術對服務的形態(tài)、商業(yè)模式、價值實現(xiàn)等影響更為顯著，因而服務化程度較深的制造企業(yè)數(shù)字化轉型的積極性可能更高，由此造成逆向因果問題。本文基準模型中的自變量均進行了滯后1 期處理，且控制了個體層面的固定效應，一定程度緩解了上述問題，為穩(wěn)妥起見，進一步采用以下方法進行內(nèi)生性分析。

一是增加控制變量。城市層面的互聯(lián)網(wǎng)普及率是影響制造企業(yè)數(shù)字化轉型和服務化的重要因素。一方面，網(wǎng)絡化是數(shù)字化轉型的基礎，較高的城市互聯(lián)網(wǎng)普及率能夠為企業(yè)數(shù)字化轉型提供良好的外部環(huán)境；另一方面，互聯(lián)網(wǎng)發(fā)展在為制造企業(yè)服務化提供技術支撐的同時，也為消費者獲取服務提供了便利的技術手段。因此，本文進一步在控制變量中增加城市互聯(lián)網(wǎng)普及率（Internet），估計結果如表4列（1）～列（3）所示。為進一步緩解可能存在的遺漏變量問題，控制了“城市-行業(yè)”固定效應和“行業(yè)-時間”固定效應，前者控制了不隨時間而變的城市行業(yè)層面的相關影響因素，后者控制了制造業(yè)各細分行業(yè)在不同年份受到的外生沖擊。估計結果如表4列（4）～列（6）所示。二是將核心解釋變量進行滯后2 期處理。根據(jù)伍爾德里奇（Wooldridge）[46]的假設，若模型殘差由當期擾動決定而時序關聯(lián)性不強，則相對于滯后1 期，核心解釋變量滯后2 期能更有效地緩解內(nèi)生性問題。估計結果如表4列（7）～列（9）所示。表4的結果表明，在增加控制變量、控制更嚴格的固定效應和采用滯后2 期的核心解釋變量后，數(shù)字化轉型對制造企業(yè)服務化的影響與基準模型結論基本一致。

表4 內(nèi)生性分析（1）

三是工具變量法。首先，借鑒高翔等[47]的研究，采用核心解釋變量的滯后2期（IV1）作為工具變量，第二階段的估計結果如表5列（2）～列（4）所示。其次，采用勒貝爾（Lewbel）工具變量。由于影響數(shù)字化轉型的因素往往會通過其他渠道影響制造企業(yè)服務化，選取一個有效的外部工具變量較為困難。針對此類問題，勒貝爾[48]利用微觀企業(yè)本身的數(shù)據(jù)構造了一個不需要外部因素的工具變量。在此后的微觀經(jīng)濟研究中，該方法逐漸成為構造工具變量的重要方法之一[47]。本文參考該方法構造了數(shù)字化轉型的工具變量：企業(yè)數(shù)字化轉型水平與行業(yè)數(shù)字化轉型水平均值之差的三次方（IV2）。該工具變量第二階段的估計結果如表5列（6）～列（8）所示。表5中，兩個工具變量對數(shù)字化轉型的影響系數(shù)均為正且通過了1%統(tǒng)計顯著性檢驗，第二階段的估計系數(shù)與基準結果基本一致，說明內(nèi)生性問題并未影響本文基本結論的穩(wěn)健性。同時，兩個工具變量第一階段回歸的F值均大于10，第二階段回歸中Kleibergen-Paap rk Wald F 統(tǒng)計量均大于Stock-Yogo 在10%水平上的臨界值16.38，拒絕了弱工具變量的假設，表明選取的工具變量是有效的。

表5 內(nèi)生性分析（2）

2.剔除異質(zhì)性樣本。一是剔除服務化異常值的樣本。首先，樣本中存在大量未實施服務化的企業(yè)，這些樣本的存在可能會對估計結果造成偏誤。因此，我們選取實施服務化的企業(yè)進行估計，如表6列（1）～列（3）所示。進一步來看，只選擇進行服務化的企業(yè)作為樣本進行估計可能會產(chǎn)生樣本選擇偏誤問題。為此，本文采用Heckman兩階段法進行估計。第一階段，通過Probit 模型對制造企業(yè)服務化進行回歸，計算出逆米爾斯比率（IMR）；第二階段，將逆米爾斯比率（IMR）作為控制變量納入基準模型進行估計。Heck?man 兩階段法第二階段的結果如表6列（4）～列（6）所示。其次，剔除服務化水平大于50%的樣本。服務化水平高于50%的企業(yè)實質(zhì)上已屬于服務業(yè)而非制造業(yè)范疇，故剔除該類企業(yè)，結果如表6列（7）～列（9）所示。表6的回歸結果表明，在剔除被解釋變量為零值和行業(yè)屬性發(fā)生變化的樣本后，估計結果與基準模型基本一致。二是剔除異質(zhì)性行業(yè)樣本。計算機、通信和其他電子設備制造業(yè)作為專門從事數(shù)字技術研發(fā)、數(shù)字化設備生產(chǎn)的行業(yè)，上市公司年報中出現(xiàn)與數(shù)字化轉型關鍵詞的頻率遠大于其他行業(yè)，故剔除該類行業(yè)樣本進行估計，結果如表7列（1）～列（3）所示。三是剔除一線城市樣本。一線城市的基礎設施、人口及產(chǎn)業(yè)集聚普遍優(yōu)于其他城市，為制造企業(yè)服務化提供了良好的基礎。此外，擁擠效應的存在導致一線城市傾向于出臺相關政策鼓勵制造企業(yè)服務化轉型，故處于一線城市的企業(yè)具有較強的異質(zhì)性。進一步剔除辦公地處于一線城市的企業(yè)樣本，估計結果如表7列（4）～列（6）所示。表7的估計結果表明，在剔除異質(zhì)性行業(yè)和城市樣本之后，估計結果未發(fā)生實質(zhì)性變化。

表6 穩(wěn)健性檢驗：剔除零值變量

表7 穩(wěn)健性檢驗：剔除異質(zhì)性樣本

3.更換估計模型。一是Probit 模型。由于樣本中大量企業(yè)未實施服務化，因此能夠基于企業(yè)是否進行服務化將被解釋變量轉化為[0，1]虛擬變量，采用Probit模型進行估計，結果如表8列（1）～列（3）所示。二是Tobit模型。被解釋變量中存在大量0值堆積的情況，對于這類樣本分布可采用Tobit模型進行估計。估計結果如表8列（4）～列（6）所示。表8的結果表明，在采用Probit 模型和Tobit 模型后，估計結果未發(fā)生本質(zhì)變化。

表8 穩(wěn)健性檢驗：變換模型

4.替換變量。一是替換被解釋變量。除服務業(yè)務的營業(yè)收入外，從事服務崗位的員工規(guī)模也能夠有效刻畫制造企業(yè)服務化水平，因此本文進一步采用從事服務崗位的員工數(shù)量占企業(yè)員工人數(shù)的比重（Service_p）作為制造企業(yè)服務化的替代變量。該數(shù)據(jù)來自手工整理的銳思數(shù)據(jù)庫中的員工崗位數(shù)據(jù)，將生產(chǎn)工人以外的員工歸為服務崗位員工。估計結果如表9列（1）所示。二是替換核心解釋變量。我國制造業(yè)門類多樣、應用場景多元，內(nèi)部細分行業(yè)之間具有較強的異質(zhì)性，不同細分行業(yè)進行數(shù)字化轉型所需要的資源投入和轉型方式差異較大，因此企業(yè)可能需要與其所處的細分行業(yè)的企業(yè)進行對比才能客觀反映其真實的數(shù)字化轉型水平。鑒于此，本文采用數(shù)字化轉型指數(shù)占其所處細分行業(yè)的數(shù)字化轉型指數(shù)的比重來刻畫企業(yè)數(shù)字化轉型水平（DCG_ratio）。估計結果如表9列（2）～列（4）所示。表9的估計結果表明，在替換被解釋變量和核心解釋變量后，估計結果未發(fā)生本質(zhì)改變，證明基準回歸結果具有較強的穩(wěn)健性。

表9 穩(wěn)健性檢驗：替換變量

（三）異質(zhì)性分析

前述考察了數(shù)字化轉型對制造企業(yè)服務化的總體影響效應，但不同類型企業(yè)的服務化程度可能受數(shù)字化轉型的影響存在較大差異。為此，本部分進一步從知識產(chǎn)權保護力度、市場勢力和融資約束三個維度，來解釋數(shù)字化轉型誘發(fā)的制造企業(yè)服務化在異質(zhì)性群體中的不同表現(xiàn)。

1.知識產(chǎn)權保護異質(zhì)性。相對于實物產(chǎn)品，服務產(chǎn)品蘊含著豐富的知識內(nèi)涵，因此數(shù)字化轉型對制造企業(yè)服務化的驅(qū)動效應深受地區(qū)知識產(chǎn)權保護強度的影響。本文參照馬里奧（Mario）等[49]的研究，采用各省份每年累計侵權糾紛結案數(shù)占累計侵權糾紛立案數(shù)的比重來刻畫區(qū)域知識產(chǎn)權保護強度，并據(jù)此將樣本劃分為知識產(chǎn)品保護較強和較弱地區(qū)的兩類企業(yè)。表10 的估計結果顯示，在兩類地區(qū)中，數(shù)字化轉型對制造企業(yè)總體服務化水平和嵌入式服務化水平的影響系數(shù)均在1%或5%的水平上顯著，但系數(shù)絕對值在高強度知識產(chǎn)權保護地區(qū)更為顯著。這驗證了前面的假設，即地區(qū)知識產(chǎn)權保護越強，就越能強化數(shù)字化轉型對制造企業(yè)服務化的促進效應。

表10 異質(zhì)性分析：知識產(chǎn)權保護力度

2.市場勢力異質(zhì)性。制造企業(yè)服務化的目的在于提高產(chǎn)品的差異化程度，打造競爭優(yōu)勢，從而提升自身市場勢力。因此，對低市場勢力的制造企業(yè)而言，服務化對其競爭能力的提升具有更大的邊際效應，故其可能更具通過數(shù)字化轉型增強服務供給的積極性?；诖?，本文依據(jù)企業(yè)市場勢力中位數(shù)將考察樣本劃分為高市場勢力企業(yè)和低市場勢力企業(yè)兩個子樣本進行分析。具體地，參照孫曉華等[5]的研究，采用企業(yè)營業(yè)收入占細分行業(yè)總營業(yè)收入的比重來衡量企業(yè)市場勢力。表11 的估計結果顯示，在高市場勢力的制造企業(yè)中，數(shù)字化轉型對總體服務化的影響并不顯著，對嵌入式服務化的影響系數(shù)為0.066，在1%的水平上顯著；在低市場勢力制造企業(yè)中，數(shù)字化轉型對總體服務化和嵌入式服務化的影響系數(shù)分別為0.229和0.174，均在1%的水平上顯著。這表明，相對于高市場勢力企業(yè)，低市場勢力企業(yè)數(shù)字化轉型對服務化的影響更為顯著，與預期相契合。

表11 異質(zhì)性分析：市場勢力

3.融資約束異質(zhì)性。除數(shù)字技術外，勞動力、資本等也是制造企業(yè)進行服務化的重要要素，尤其是中國大多數(shù)制造企業(yè)長期處于國際價值鏈分工低端，利潤水平較低，實施服務化的物質(zhì)基礎較為缺乏。因此，我們預計數(shù)字化轉型對制造企業(yè)服務化的驅(qū)動效應在高融資約束企業(yè)中較弱。本文參考哈洛克和皮爾斯（Hadlock&Pierce）[50]的研究，通過SA 指數(shù)來測度企業(yè)面臨的融資約束程度，并根據(jù)SA指數(shù)的中位數(shù)將考察樣本劃分為高融資約束企業(yè)和低融資約束企業(yè)兩個子樣本。SA指數(shù)公式為：

SA=-0.737×Size+0.043×Size2-0.04×Age

其中Size 為企業(yè)總資產(chǎn)，Age 為企業(yè)成立年限。表12 的估計結果顯示，數(shù)字化轉型對高融資約束企業(yè)服務化的估計系數(shù)絕對值顯著小于低融資約束企業(yè)，表明數(shù)字化轉型對低融資約束企業(yè)的服務化驅(qū)動效應更顯著，這符合我們的預期。

表12 異質(zhì)性分析：融資約束

（四）機制檢驗

本部分進一步檢驗數(shù)字化轉型影響制造企業(yè)服務化的作用機制。前面的理論分析表明，組織分權化變革和技術創(chuàng)新是數(shù)字化轉型促進制造企業(yè)服務化的兩條有效路徑。具體來說，在組織變革方面，數(shù)字化轉型會導致企業(yè)組織信息成本的上升和代理成本的降低，驅(qū)動企業(yè)組織分權化變革，由此提升員工的積極性和組織清晰度，減少組織沖突，帶來企業(yè)服務化水平的提升；在技術創(chuàng)新方面，數(shù)字化轉型能通過技術創(chuàng)新提升產(chǎn)品的知識復雜程度及其對服務的承載力，對制造企業(yè)服務化產(chǎn)生積極影響，但也可能因資源沖突而產(chǎn)生不利影響，這依賴于真實數(shù)據(jù)的檢驗。本文通過中介效應模型對這兩個機制進行檢驗。

參考潘怡麟等[51]的研究，利用母公司支付的集團職工薪酬比例來反映企業(yè)組織分權化變革程度（Cen）。職工薪酬的支付情況能夠反映企業(yè)組織分權程度的邏輯在于，薪酬決定權是人事權的重要組成部分，而后者又是企業(yè)管理的基礎，因此母公司可以通過薪酬發(fā)放控制子公司人事權，進而實現(xiàn)對企業(yè)的集權管理?，F(xiàn)實中，多數(shù)集團母公司確實通過向子公司委派董事、監(jiān)事等方式確保母公司命令的順利執(zhí)行，并且這些人員的考核權和薪酬權由母公司控制，實現(xiàn)對子公司乃至集團的集權管理[51]。具體地，利用以下模型的殘差衡量企業(yè)分權管理程度，該指標值越大，企業(yè)分權管理程度越低，集權程度越高。

式中，PSalary 為母公司現(xiàn)金流量表中“支付給職工以及為職工支付的現(xiàn)金”與合并報表中相應指標的比值，PAsset為母公司總資產(chǎn)與合并報表中資產(chǎn)總計的比值。變量PSalary 和PAsset 經(jīng)過1%的縮尾處理。

表13 反映了以組織變革（Cen）為中介變量的估計結果。列（1）結果顯示，數(shù)字化轉型的系數(shù)在5%的水平上顯著為負，表明數(shù)字化轉型確實能夠促進企業(yè)組織分權化變革。列（2）～列（4）將數(shù)字化轉型和組織變革同時作為自變量納入分析模型中，組織變革對企業(yè)總服務化、嵌入式服務化和混入式服務化的影響均顯著為負，表明企業(yè)組織分權程度越高，其服務化水平就越高。這表明組織分權化變革確實是數(shù)字化轉型影響制造企業(yè)服務化的作用機制之一，驗證了本文的假設H2。

表13 機制分析：組織變革

在技術創(chuàng)新的機制檢驗中，參考一般文獻研究的做法，采用企業(yè)的申請專利數(shù)量來刻畫其技術創(chuàng)新水平。表14反映了以技術創(chuàng)新（Inno）為中介變量的估計結果。列（1）結果顯示，數(shù)字化轉型對技術創(chuàng)新的影響系數(shù)為0.715，在1%的水平上顯著，表明數(shù)字化轉型的確能夠提升制造企業(yè)技術創(chuàng)新水平；列（2）～列（4）將數(shù)字化轉型和技術創(chuàng)新同時作為自變量納入模型中，技術創(chuàng)新對三種類型的服務化影響系數(shù)均為負，但均未通過10%的統(tǒng)計顯著性檢驗。這表明盡管數(shù)字化轉型有利于制造企業(yè)技術創(chuàng)新水平提升，但難以通過該途徑促進其開展服務化。原因可能是，如前所述，技術創(chuàng)新對制造業(yè)服務化存在正負兩種相反的影響效應，導致其對制造企業(yè)服務化的總體影響并不顯著，從而使技術創(chuàng)新難以成為數(shù)字化轉型驅(qū)動制造企業(yè)服務化的有效機制。

表14 機制分析：技術創(chuàng)新

五、進一步分析：數(shù)字化轉型與資源配置效率

資源基礎觀認為，制造企業(yè)服務化尤其是嵌入式服務化是企業(yè)以用戶為中心、以異質(zhì)性產(chǎn)品為載體，通過對多元資源的重組，將有限的資源用于原有服務業(yè)務的擴張和新型服務業(yè)務的拓展以實現(xiàn)商業(yè)模式創(chuàng)新，進而獲得持續(xù)競爭優(yōu)勢的過程[52]。因此，制造企業(yè)由產(chǎn)品主導邏輯向服務主導邏輯的戰(zhàn)略轉型實際上也是其內(nèi)部資源優(yōu)化配置的過程。換而言之，數(shù)字化轉型在促進制造企業(yè)服務化的同時也可能會提升其內(nèi)部資源的配置效率。鑒于此，進一步通過實證分析來探討數(shù)字化轉型對企業(yè)內(nèi)部資源配置效率的影響效應。參考花貴如等[53]的研究，以企業(yè)投資效率作為上市公司資源配置效率的替代變量。企業(yè)投資效率由以下模型得到：

式中，Inv代表企業(yè)的投資水平，具體計算方式為：（購建固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)支付的現(xiàn)金+取得子公司及其他營業(yè)單位支付的現(xiàn)金凈額-處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)收回的現(xiàn)金凈額-處置子公司及其他營業(yè)單位收到的現(xiàn)金凈額）/上年總資產(chǎn)[54]；X為影響企業(yè)投資水平的相關變量，包括企業(yè)規(guī)模、存續(xù)年限、營業(yè)收入增長率、資產(chǎn)負債率、現(xiàn)金持有水平、考慮現(xiàn)金紅利再投資的年個股回報率。該模型中，企業(yè)投資效率用回歸殘差來表示。若殘差小于0，則表示投資不足，該值越小，投資不足程度越高，資源配置效率越低；若殘差大于0，則表示投資過度，該值越大，則投資過度程度越高，資源配置效率越低。對殘差取絕對值處理即為企業(yè)資源配置效率水平（Invest），絕對值越大，則表示企業(yè)資源配置效率越低。

表15反映了數(shù)字化轉型與資源配置效率的計量結果。列（1）為控制了控制變量、個體固定效應和年份固定效應的估計結果。結果顯示，數(shù)字化轉型對制造企業(yè)資源配置效率的影響系數(shù)為-0.027 且通過了10%統(tǒng)計顯著性檢驗。這表明數(shù)字化轉型確實能夠優(yōu)化企業(yè)的資源配置能力，改善制造企業(yè)的資源配置效率。控制“城市-行業(yè)”和“行業(yè)-年份”聯(lián)合固定效應后，列（2）的估計結果顯示與列（1）的結果基本一致，表明列（1）的估計結果具有較強的穩(wěn)健性。

表15 數(shù)字化轉型與資源配置效率

六、結論與政策建議

新一代信息技術的迅速發(fā)展和在產(chǎn)業(yè)中的廣泛應用改變了制造業(yè)的發(fā)展環(huán)境與資源配置能力，為制造企業(yè)擺脫價值鏈低端環(huán)節(jié)、邁向價值鏈高端的服務環(huán)節(jié)提供了機會窗口。在此背景下，數(shù)字化轉型究竟如何影響制造企業(yè)服務化成為亟須探究的新命題。本文基于中國制造業(yè)發(fā)展的典型事實，嘗試為這一新命題尋求完整的理論闡釋和微觀證據(jù)。理論上，數(shù)字技術不僅能夠基于自身特征直接驅(qū)動制造企業(yè)服務化，而且還能夠通過組織分權化變革和技術創(chuàng)新對制造企業(yè)服務化產(chǎn)生有益影響；實證中，利用手工整理的上市公司財務報表數(shù)據(jù)和Python 軟件抓取的年報文本數(shù)據(jù)，創(chuàng)新性地從數(shù)字化投資和數(shù)字技術應用兩個維度構建微觀企業(yè)數(shù)字化轉型的指標體系，使用獨特的2013—2019年上市公司營業(yè)收入產(chǎn)品構成和行業(yè)構成數(shù)據(jù)，手工整理出制造企業(yè)服務化的度量指標。

研究結果表明：（1）數(shù)字化轉型顯著提升了制造企業(yè)的服務化水平，主要表現(xiàn)為驅(qū)動了嵌入式服務化，對混入式服務化并無影響。通過一系列的穩(wěn)健性檢驗后，該結論依然成立。（2）數(shù)字化轉型對制造企業(yè)服務化的驅(qū)動作用主要通過直接效應和組織變革效應得以實現(xiàn)，技術創(chuàng)新效應并不顯著。（3）數(shù)字化轉型對制造企業(yè)服務化的影響具有顯著的異質(zhì)性。具體來說，數(shù)字化轉型更明顯地促進了知識產(chǎn)權保護水平高、市場勢力弱、融資約束弱的制造企業(yè)服務化水平提升。（4）服務化作為企業(yè)資源優(yōu)化配置的重要方式，數(shù)字化轉型企業(yè)資源配置效率的優(yōu)化作用也通過實證分析得到證實。

基于上述結論，提出以下政策建議。第一，數(shù)字化轉型是制造企業(yè)服務化轉型的重要驅(qū)動力。首先，應聯(lián)合外部電信運營商加快企業(yè)云建設，加快制造業(yè)企業(yè)內(nèi)網(wǎng)絡升級，強化工業(yè)互聯(lián)網(wǎng)平臺的網(wǎng)絡安全體系，夯實工業(yè)互聯(lián)網(wǎng)發(fā)展基礎；其次，以行業(yè)和綜合平臺為導向，聯(lián)合互聯(lián)網(wǎng)企業(yè)和外部資源平臺，打造基于產(chǎn)品全生命周期的綜合性工業(yè)互聯(lián)網(wǎng)平臺，構建平臺服務商。第二，數(shù)字化轉型難以通過技術創(chuàng)新促進制造企業(yè)服務化。企業(yè)應平衡好技術創(chuàng)新和服務化之間的關系，根據(jù)自身的發(fā)展需求，選擇適當?shù)膬r值鏈升級方式，以避免可能產(chǎn)生的資源沖突。第三，知識產(chǎn)權保護程度對數(shù)字化轉型的服務化激勵效應具有重要影響。政府應加強地方知識產(chǎn)權保護，加大對侵犯知識產(chǎn)權行為的打擊力度，完善法制建設，提升法治效率。第四，提高對制造企業(yè)服務化的支持力度。一方面，中央及地方各級政府設立專項補貼資金及服務化發(fā)展基金，對制造企業(yè)上云、建立工業(yè)互聯(lián)網(wǎng)等轉型行動給予支持。同時，采用稅收優(yōu)惠政策，對于制造企業(yè)數(shù)字化轉型和服務化給予一定的稅收減免等優(yōu)惠。另一方面，提升地方金融服務水平，提高銀行等金融機構對制造企業(yè)的融資力度，增強制造業(yè)企業(yè)在股票、債券等資本市場的融資能力，引進風險資本等為制造企業(yè)實施服務化提供充足的資金。

注釋：

①“ABCD”底層數(shù)字技術是指人工智能（Aritificial Intelli?gence）、區(qū)塊鏈（Block Chain）、云計算（Cloud）和大數(shù)據(jù)（Big Data）四種數(shù)字技術。