搭建产业与金融之间的合作与创新桥梁：战略选择如何塑造通往关键数字技术创新的道路

《TECHNOLOGY IN SOCIETY》：Bridging industry-finance collaboration and innovation: How strategic choices shape the path to key digital technology innovation

产业-金融合作政策通过重构风险分配与资源整合机制，显著促进企业数字经济创新，但其效应受企业战略导向与开放式创新模式调节。差异化战略企业依托政策资源强化技术壁垒，政策效应呈正向强化；成本领先战略企业因资源错配导致创新效率下降。内源开放式创新通过知识整合提升政策响应度，外源模式则因溢出效应削弱政策效果。基于中国2014-2022年13,580家上市公司面板数据，DID方法验证了政策异质性传导机制。

　　

作者：徐雅楠、冯竹竹、特罗伊塞·西罗、姜振武、斯特凡诺·布雷斯基亚尼

湖南大学商学院，中国湖南省长沙市，410082

摘要

关键的数字技术（KDTs），如人工智能和区块链，依赖于跨行业合作和持续的资本投入，但由于路径不确定性、知识溢出和生态系统碎片化，市场失灵仍然存在。现有关于产业-金融合作的研究通常假设线性传递，并且很少关注企业异质性如何影响KDTs创新的政策效果。我们的研究探讨了作为城市级政策组合的产业-金融合作政策（IFCP）与企业KDTs创新之间的关系，以及战略重点如何塑造不同的响应方式。我们采用制度-能力视角来解释政策引发的当地融资和合作条件变化如何与企业能力部署相互作用，从而产生不同的创新响应。利用2014年至2022年间中国上市公司的13,580个企业年度观测数据，我们估计了接触试点城市政策环境的处理效应。研究发现，IFCP的接触与更高的KDTs创新相关。具有更强差异化导向的企业表现出更强的政策效应，而具有更强成本领导导向的企业则表现出较弱的效应。内向开放创新增强了预期的政策效应，而外向开放创新则削弱了这种效应。我们讨论了这些发现对理解政策效果异质性的意义，并指出了由于未观察到企业层面对特定政策工具的采纳而存在的局限性。

引言

关键的数字技术（KDTs），如人工智能和区块链（Mazzucato, 2018; Zheng, Li, & Ma, 2024），正在迅速改变经济范式（Brynjolfsson & McAfee, 2014; Xu et al., 2024）。然而，这场技术革命呈现出一个悖论：尽管突破需要跨学科知识整合和长期资本投入，但激烈的竞争使得回报高度不确定（Teece, 2018）。此外，数字模块化加速了知识溢出，但核心算法的隐性特征加剧了技术壁垒，从而在开放性和排他性之间产生了紧张关系（Pan et al., 2022）。而且，技术扩散提高了社会福利，但数据和算法权力的集中加剧了市场失灵（Zuboff, 2022）。这些矛盾使传统政策工具面临双重风险（Wu et al., 2025）——市场驱动的机制面临协调挑战，而过度的政府干预可能会阻碍创新适应性（Mazzucato & Penna, 2016）。作为回应，产业-金融合作政策（IFCP）应运而生，通过动态的公私框架来重构风险分配，跨越技术商业化的死亡谷（Qiu et al., 2024）。越来越多的实证研究已经考察了产业-金融合作政策作为影响企业结果的政策干预措施。例如，先前的研究探讨了其与异质绿色技术创新和低碳转型（Wang & Zhang, 2025）、数字创新（Xu et al., 2025a）、企业绿色创新（Xu et al., 2025b）、企业金融化（Zhang et al., 2025）以及企业生产率（Zhu et al., 2025）之间的联系。基于这些新兴文献，我们将IFCP视为一种外部指定的政策配置，而不是提出一个全新的独立概念。然而，现有研究往往假设线性政策传递模型，忽视了企业层面的战略异质性，从而限制了政策在应对KDTs创新复杂性方面的有效性（Hall & Lerner, 2010; Mazzucato, 2018）。

关于金融支持和技术创新的现有研究基于两种互补的视角：资源基础视角（RBV）和制度理论。这些框架共同为理解数字时代的创新政策效果提供了宝贵的见解（Nambisan et al., 2017）。RBV表明，外部金融资源通过填补资源缺口并使技术结合和寻找新机会变得更加容易，从而帮助企业建立动态能力（Barney, 1991）。此外，资源协调理论强调，政策引发的资源必须经过精心组装和对齐，才能转化为创新能力（Sirmon et al., 2011）。例如，政府补贴可以通过发出强烈信号，帮助企业更好地融入知识网络（Bianchi et al., 2019）。然而，现有研究往往忽视了金融和知识资源通过不同且复杂的渠道流动的事实（Nason & Wiklund, 2018），特别是在数字生态系统中，这些流动是非线性和多方向的（Annarelli et al., 2021）。在区块链技术等情境中，知识传播迅速，可能会由于资源使用不当或效率低下而削弱传统研发补贴的有效性（Nambisan, 2017）。与此同时，制度理论关注政策工具如何通过增强合法性、促进风险分担和提供明确信号来应对市场失灵（Scott, 1995; Xia & Johar, 2025）。例如，公共风险投资就像耐心资金，使私人投资者更容易参与（Khan et al., 2021）。尽管制度理论很有价值，但在解释企业如何在微观层面上解读和响应政策激励方面存在局限性。在某些情况下，如信用担保等政策可能会扭曲企业的风险认知，降低激进创新的动力（Mazzucato & Semieniuk, 2018）。有效的政策响应还要求企业具备所谓的“制度解码能力”，即识别、解读和应对政策信号的能力（Battilana et al., 2009），这一概念在文献中仍需进一步探索。这些挑战在数字技术领域尤为明显。例如，量子计算可以同时用于好的和坏的目的，这使得政策设计变得困难（Brynjolfsson & McAfee, 2014）。人工智能也可能引发新的伦理问题，因为目前还缺乏相应的规则（Cath et al., 2018）。

此外，现有研究还忽视了企业战略选择对政策效果的影响（Foss & Saebi, 2017）。在新兴技术领域，企业不仅是政策的适应者，还通过资源管理和利基市场建设来塑造制度（Battilana et al., 2009）。为了解决这个问题，我们采用了制度-能力分析视角。这一视角将城市层面的制度支持与企业能力部署联系起来，用于解释对同一政策环境的不同响应，而不是直接观察企业的政策参与情况。它认为IFCP的有效性取决于制度支持与企业战略能力的匹配。政策工具通过分散风险和汇集资源来改变制度领域（Scott, 1995）。同时，企业的战略选择通过发展能力和建立利基市场来重塑政策限制（Battilana et al., 2009）。这些选择将制度变化和技术进步联系起来，影响资源使用和知识管理。竞争策略的差异非常重要。采用差异化策略的企业通过建立排他性能力来构建技术壁垒，这与长期的产业-金融合作目标一致（Helfat & Peteraf, 2003; Teece et al., 1997）。注重成本领导的企业强调短期流程改进，这可能导致重复现有努力的低效率。除了竞争策略外，开放创新也影响政策资源的流动。内向开放创新通过整合外部知识来促进技术改进。例如，AI企业通过公共研究平台加快算法开发（Chesbrough, 2003）。然而，外向开放创新会导致创新泄漏悖论，即知识溢出需要知识产权保护来维持政策效果（Cassiman & Valentini, 2016）。这种战略多样性在数字生态系统中创造了适应性博弈。企业在不确定的技术环境中通过做出战略决策，将政策激励转化为动态能力（Foss & Saebi, 2017; Ma & Wu, 2024; Teece, 2018）。

基于此，我们的论文采用制度-能力视角来研究IFCP接触与KDTs创新之间的关系，以及企业的战略重点如何影响这些关系。这一视角并不建议政府事先选择或支持特定企业。相反，它有助于解释为什么在企业在感知政策信号和部署资源及能力方面存在差异时，相同的政策环境可能会产生不同的结果。我们考察了差异化导向、成本领导导向、内向开放创新和外向开放创新作为调节变量。利用2014年至2022年间中国上市公司的13,580个企业年度观测数据，我们应用差异-in-differences（DID）方法来估计接触IFCP的处理效应。我们的结果表明，试点城市的IFCP接触与更高的KDTs创新相关，但这种关联的强度会随着企业的战略重点而系统性地变化。

我们的研究主要通过提供准实验证据来做出实证贡献，证明IFCP接触对企业KDTs创新的影响是异质的，而不是统一的。我们展示了估计的政策效应会随着企业的竞争策略导向和开放创新实践而系统性地变化，并通过一系列稳健性分析加强了这些发现的可信度。最后，我们讨论了这些结果对制度和能力视角的意义，阐明了为什么在相同政策环境下不同企业会产生不同的创新结果。

部分摘录

IFCP对KDTs创新的机制

重要的是要认识到，虽然IFCP试图解决创新问题，但它们也可能创造新的问题。最近的研究发现了几种可能的负面影响。首先，金融市场的短期关注可能会使注意力从长期创新上转移（Lazonick, 2014）。其次，当政策重新分配资源时，可能会使企业固守现有路径，限制新想法的发展（Mazzucato, 2018）。第三，寻租行为可能导致资源利用不当（Anne, 1974）。此外，

样本和数据

我们的研究采用国家产业-金融合作试点政策作为准自然实验，以评估其对企业创新和发展的影响。我们使用工业和信息化部的官方试点城市名单来划分处理组和对照组。2017年和2020年两批试点城市的指定为政策评估提供了外生设置。从概念上讲，这种设计是一个嵌入特定政策的准实验

平行趋势检验

平行趋势假设是DID模型有效性的基础。它要求在政策实施之前，试点城市和非试点城市之间的KDTs创新趋势是一致的。这一假设确保任何观察到的政策后的差异都可以归因于政策本身，而不是预先存在的趋势。为了检验这一假设，该研究应用了Jacobson等人（1993）提出的事件研究方法。

结论

我们的研究探讨了IFCP如何影响KDTs创新，以及差异化战略、成本领导、内向开放创新和外向开放创新如何改变这种影响。结果表明，IFCP显著增加了KDTs创新。战略选择导致政策效果的差异。差异化战略通过帮助企业更好地利用资源和更快地响应市场，增强了政策效益。成本领导则通过过度关注成本削减来限制创新。

CRediT作者贡献声明

徐雅楠：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，形式分析，数据整理，概念化。冯竹竹：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，形式分析，数据整理，概念化。特罗伊塞·西罗：撰写 – 审稿与编辑，

资助

本研究没有获得公共部门、商业部门或非营利部门的任何特定资助。

利益冲突声明

作者声明他们没有已知的竞争性财务利益、个人关系或其他可能影响本文所述工作的因素。

本声明由通讯作者代表所有作者签署，以表明上述信息是真实和正确的。