供应链数字化如何促进企业创新？从资源可扩展性的角度出发

《Journal of Innovation & Knowledge》：How does supply chain digitalization promote firm innovation? A resource scalability perspective

　　刘青青|张杰|陈小红
中国西安西北大学经济与管理学院

**摘要**
随着数字技术深入供应链管理，供应链数字化（SCD）已成为资源重构和战略创新的关键驱动力。然而，现有研究主要探讨了企业层面数字化的内部效应，忽略了数字化如何重构供应链网络中的跨组织资源交换和协同创新机制。本研究通过中国的“供应链创新与应用”试点政策，采用准自然实验方法来填补这一空白。我们使用了2013-2023年间中国A股上市公司的面板数据。研究结果表明，SCD增加了企业的创新投入并提升了其创新质量。这些效应主要通过两种资源可扩展性路径实现：
- **纵向层面**，数字化缓解了供需不匹配问题，提高了供应链中资源分配的准确性和响应速度；
- **横向层面**，它减少了对企业核心供应商和客户的依赖，从而扩展了对异质外部资源的获取并促进了跨组织合作。基于资源互动理论，本研究认为创新收益源于数字资源及其与低可扩展性互补资源的整合。

**引言**
鉴于数字化在供应链管理中的重要性日益凸显，研究者认为供应链数字化（SCD）为企业创新提供了新的技术和组织基础（Teng & Lin, 2024）。实践中，企业积极运用数字技术（如大数据、区块链和人工智能（AI）构建以价值创造、客户为中心、基于数据的数字化供应链系统（Büyük?zkan & G??er, 2018）。这种系统性变革不仅提升了企业的运营效率，还改变了它们获取、协调和重组外部资源的方式（Amit & Han, 2017）。

SCD相关研究揭示了数字技术的赋能效应以及数字化转型对资源分配和组织协作的影响。一方面，研究表明数字工具的应用提高了供应链的可见性、透明度和响应速度，加速了新产品和服务的创新（Jum’a et al., 2025）；另一方面，研究指出数字化改变了跨组织资源流动和知识协调机制的运作方式，从而促进了基于网络的创新潜力（Coviello et al., 2024）。尽管这些研究为数字转型的功能和结构维度提供了重要见解，但目前研究大多将数字化视为一种基于网络效应的技术应用或协调机制。我们对其它方面了解甚少，例如数字资源的特性（如可重用性、非竞争性和无尺度可扩展性）如何重新定义价值创造逻辑（Giustiziero et al., 2023），以及关系性和结构因素（如信任、关系规范和网络嵌入性）如何影响企业将数字资源转化为创新能力的过程（Hafeez et al., 2025）。这导致许多企业尽管积极采用数字平台和大数据系统，仍难以实现预期的绩效突破（Menten et al., 2025）。

为弥补这些研究空白，本研究采用资源可扩展性视角。这一视角的核心原则基于数字资源的特性（如数据、算法和基于平台的工具），这些特性意味着数字资源具有高可重用性和接近零的复制成本，使其能够在供应链节点间广泛传播，从根本上改变供应链的合作模式（Vendrell-Herrero et al., 2025）。我们认为SCD的战略价值在于其动态优化资源管理和跨组织供应链网络资源协调的能力（Giustiziero et al., 2023）。基于此，我们构建了一个理论框架来探讨SCD如何促进创新。

首先，纵向可扩展性通过应用数字工具提升供需对齐，实现更精确、更集成和更敏捷的链内资源分配；其次，横向可扩展性通过跨越组织边界与多样化的外部利益相关者（如供应商、客户和服务提供商）合作，促进异质知识的获取和跨境资源的重组（Coviello et al., 2024）。这两种路径共同构成了链内效率优化和链外网络扩展的双重机制，SCD正是通过这些机制实现创新的。

然而，数字资源本身不足以独立生成创新价值；其价值创造能力依赖于与非数字资源的整合。资源互动理论指出，数字资源的有效利用需要一系列非标准化的补充资源（Ferreira et al., 2025）。这类资源（如跨组织信任、流程经验和客户关系）的可扩展性较低，通常难以通过市场交易获得（Antonelli et al., 2023）。因此，处于网络中心的企业在资源获取、信息共享和协作方面具有更强的能力，能有效地获取和整合这些稀缺的非数字资源（Yaqub et al., 2020）。

总体而言，本研究提出了一个概念框架，探讨SCD如何通过资源的纵向和横向可扩展性促进企业创新，并借助资源互动理论分析企业网络中心性如何通过增强企业调动和整合互补非数字资源的能力来放大SCD的创新红利。这些发现不仅扩展了基于资源的价值观（RBV）和网络理论的解释范围，还为企业在战略资源重组中实现创新提供了新视角。

**文献综述与假设**
**数字时代的资源可扩展性**
传统RBV认为企业资源的价值源于其稀有性、不可模仿性和不可替代性，且资源价值会随着使用过程逐渐减弱（Barney, 2001）。然而，深度数字化从根本上改变了资源配置和分配逻辑，这得益于两项技术特性：数据同质化（信息转化为标准化的0-1代码）和可重编程性（访问或重塑非数字组件的能力）（Hund et al., 2021）。这使得数字资源具备高可复制性、低边际成本和显著的外部性，使企业能够将物理资源（如组件和技术）转化为具有灵活配置的跨情境数字资产（Yoo et al., 2010）。因此，资源边界显著扩展，价值增长呈现需求侧规模经济（从“更广泛使用”到“更高价值”）（Giustiziero et al., 2023）。数字资源还具有自我参照特性：通过持续复制和扩展，部分替代了企业对外部知识搜索和内部研发的依赖（Antonelli et al., 2023）。企业通过管理和技术架构、组织架构及业务模式的协调，识别和部署无尺度资源（数据、算法和平台工具），支持数字组件的快速低成本共享和复用，从而实现价值产品的快速扩展（Coviello et al., 2024）。

我们提出了供应链背景下的资源可扩展性理论，并明确了其两种路径：纵向和横向可扩展性（Nandi et al., 2021）。这两种路径使企业能够在更大规模、更高频率和更低成本下整合不同组织和情境的资源，从而实现跨边界资源扩展和价值重组（Giustiziero et al., 2023）。纵向可扩展性侧重于运用数字技术提升供应链内部的资源对齐和流程效率；横向可扩展性则通过构建跨链和基于平台的连接，扩大与供应商、客户和服务提供商等不同利益相关者的合作，扩展供应链资源和能力到更广阔的外部网络（Wei & Pardo, 2024）。在数字时代，资源优势不再取决于企业是否拥有稀缺资源，而取决于其基于数字技术构建高度可扩展资源系统的能力，以实现资源的灵活重新配置和价值再造（Vendrell-Herrero et al., 2025）。

**供应链数字化与企业创新**
传统的线性供应链效率低且成本高昂，导致企业长期面临供需不匹配的问题（Aslam et al., 2025）。信息不对称是造成这一问题的主要原因，因为需求信号在供应链上传播过程中被扭曲和放大。这种连锁反应最终导致企业产能过剩和资源分配效率低下（Ge & Bao, 2024）。SCD通过将数字技术（如大数据分析、物联网和AI）嵌入供应链管理，有效解决了这些问题。它促进了高效的数据管理、实时信息共享和透明业务运营，使企业能够显著提升供应链资源分配效率并及时响应利益相关者需求（Wei et al., 2024）。

除了直接提升运营效率外，SCD还帮助企业构建更高层次的动态能力，包括供应链整合、灵活性和敏捷性（Rana et al., 2025）。这些能力减弱了供应链的路径依赖性，进一步增强了其适应性和韧性（Shi et al., 2025）。数字技术还能通过降低企业创新的资源搜索成本和交易成本，促进利益相关者之间的合作（Spanaki et al., 2025）。数字技术在供应链中的溢出效应使企业能够与供应商、客户和服务提供商建立多层级合作网络（Aslam et al., 2025）。多样化的供应链合作伙伴关系为企业提供了获取异质和互补知识的更多机会（Fang et al., 2024）。

现有研究表明，SCD通过提升创新效率、扩展资源获取范围和提高创新治理水平来促进企业创新：
1. 数字技术（如物联网和大数据）打破了供应链节点间的沟通壁垒，降低了交易成本，有效缓解了信息不对称（Büyük?zkan & G??er, 2018）；
2. 企业借助数据驱动能力更准确地预测需求波动和市场趋势变化，优化产品设计并加速产品迭代（Mariani & Wamba, 2020）；
3. 供应链透明度的提升和跨组织合作的加强降低了企业创新成本（Geng et al., 2024）；
4. 云计算基础设施的使用成本接近零，知识、市场数据和经验在供应链节点间低成本流动，使企业能够与现有供应商和客户建立跨行业合作关系，获取更多异质资源和新颖知识（Wei & Pardo, 2024）；
5. 区块链和RFID等技术提高了供应链的可见性，有效防止企业创新被恶意模仿，构建了稳定的创新环境（Wael Al-khatib & Khattab, 2024）。

**资源可扩展性的双重逻辑**
我们构建了一个理论框架，解释资源可扩展性在SCD和企业创新中的作用（图1）。

**图1. 资源可扩展性的双重路径**
**供需匹配优化机制（减少供需不匹配）**
基于资源的纵向可扩展性，我们认为SCD通过提升供应链内的信息处理准确性、及时性和有效性来优化供需匹配（Tanveer et al., 2025）。这种优化提高了资源分配效率，减少了供应链中的资源浪费。另一方面，它通过加强对核心供应链资源的控制来减轻创新不确定性（Leung & Sun, 2021）。因此，SCD对供需匹配的影响主要是由先进的数字技术驱动的。人工智能（AI）、区块链和其他数字技术显著提高了整个供应链的透明度、可见性和运营响应能力（Jam等人，2025）。这些技术使企业能够捕捉到实时市场趋势，并对动态需求进行理性预测，同时促进与供应商的稳定合作关系。这种对长期供应商合作的关注有效地抑制了由于供应商更替而产生的协调、管理和转换成本（Geng等人，2024）。它们还通过实时监控和分析客户偏好和消费趋势来帮助企业及时调整生产计划和销售策略，从而增强其应对市场需求波动的能力（Wei等人，2024）。同时，它们通过促进节点间的无缝数据交换来驱动供应链中的跨节点协同效应。这种集成的数据流进一步支持实时库存管理，减少了整个供应链中的过剩库存并缩短了交付周期（Hamann-Lohmer等人，2023）。典型的例子是苹果和特斯拉，它们选择独立开发核心组件，同时将非核心业务流程外包。这使它们能够牢牢控制自己的供应链系统，优化用户体验，确保产品交付的稳定性，并加速产品迭代和升级（Franco等人，2024）。基于此，我们提出以下假设：H2a 供应链数字化通过减少供需不匹配来促进企业创新。

供应链多样化机制（减少对主要供应商或客户的依赖）资源的横向可扩展性强调开发跨越多个节点、关系纽带和功能领域的资源网络。企业可以有效地整合供应商、客户和服务提供商提供的资源异质性，然后将传统的线性供应链转变为分散的、适应性强的和自我组织的供应链网络（Wei & Pardo, 2024）。更重要的是，这种供应链的转型使企业能够克服传统的地理限制，与更广泛的供应商和客户建立稳定和灵活的合作关系（Tanveer等人，2025）。一方面，企业可以通过减少对核心供应商或客户的依赖来缓解信息不对称和路径依赖（Bai & Astvansh, 2025）。在这个过程中，企业、供应商、客户、数字平台和服务提供商之间的关系已经从简单的交易转变为在价值创造中的协作参与（Veile等人，2024）。另一方面，多样化的组织间联系帮助企业获取异质和互补的资源和新知识，并为企业知识重组和技术创新提供重要机会（Liu等人，2024）。同时，企业合作范围的扩大也增强了供应链资源部署的灵活性和多样性，从而提高了供应链网络的韧性和适应性（Namdar等人，2025）。一个典型的例子是宝洁公司。该公司建立了一个涵盖研发、生产和客户反馈的供应链网络。这个协作网络实现了实时数据交换、快速的产品迭代和及时的流程调整。此外，它促进了网络参与者之间的知识共创，并加速了网络内创新资源的动态重组。据此，我们提出以下假设：H2b 供应链数字化通过减轻对主要供应商或客户的依赖来促进企业创新。

增强供应链网络中心性的效果由于数字资源是透明的、可复制的和可重新编程的，它们几乎可以无成本地在供应链网络的节点之间快速复制。然而，数字资源本身不能创造价值。从资源互动的角度来看，数字化转型本质上涉及数字资源和非数字资源之间的持续和复杂的互动（Jia等人，2024）。这取决于低可扩展性、不可标准化的资产（如组织间信任、协作惯例和客户关系）的互补整合（Ferreira等人，2025）。然而，通过技术手段或市场交易直接获取这些互补资源是具有挑战性的，并且严重依赖于企业在供应链网络中的结构嵌入及其与其他节点的持续互动（Lanzolla等人，2021）。因此，高度可扩展的数字资源必须嵌入到交互式资源网络中，并与非数字资源有效结合，才能成功地将潜力转化为创新成果。因此，企业在供应链网络中的结构位置，特别是网络中心性，成为塑造其调动这些互补资源能力的关键结构条件（Nezami等人，2025）。一般来说，占据供应链网络核心位置的企业对资源有更大的控制权，更广泛的信息获取渠道以及强大的跨节点协调能力（Yaqub等人，2020）。一方面，它们可以迅速获得更多的关键外部信号，如市场趋势、技术突破和客户偏好（Malacina & Teplov, 2022）。另一方面，这样的企业可以灵活地调动核心组件（如原材料、中间组件和知识模块），从而促进不同节点之间的资源耦合和重组（Potter & Wilhelm, 2020）。同时，这种结构优势可以缓解企业使用数字资源时可能出现的边际收益递减现象（Giustiziero等人，2023）。因此，网络中心性通过增强企业调动和整合互补非数字资源的能力来放大SCD的创新效益。据此，我们提出以下假设：H3A 企业在供应链网络中的中心性正向调节供应链数字化对创新绩效的影响，中心性较高的企业从数字化中获得更强的创新效益。

研究设计样本和数据收集本研究选择了2013年至2023年间在中国上市的A股公司作为初始研究样本。专利申请数据来自中国研究数据服务平台，所有其他变量均来自CSMAR数据库。为了提高数据的有效性，对原始数据应用了以下筛选标准以排除以下情况：（1）未披露前五大客户或供应商的公司-year观测值；（2）与ST和*ST公司（即因财务异常而受到特殊处理的公司）相关的观测值；（3）金融行业公司；（4）相关变量有缺失值的观测值；（5）观测周期少于三个的公司。应用这些标准后，最终数据集包含来自3761家样本公司的29,809个观测值。所有连续的公司级别变量都进行了 Winsorization 处理，以减少极端值的影响。表1列出了所有变量的定义。

当前的研究采用了多种方法来衡量供应链的数字化程度。最常见的方法是通过问卷调查来收集有关企业层面SCD实施的信息（Wael Al-khatib & Khattab, 2024）。然而，这些方法在建立SCD与企业创新之间的因果关系方面能力有限，并且容易受到潜在的内生性问题影响。本研究采用了一种外生的、基于政策的测量策略。2018年，中国商务部和其他八个部委发布了《国家供应链创新与应用示范创建工作规范》（NSD）。NSD政策旨在推动供应链提高其数字化水平和运营效率，选定了包括农业、制造业和商务服务行业的226家企业作为试点企业。因此，该政策的实施作为一个外生冲击，提供了一个准自然的实验环境，以估计SCD对企业创新的因果效应。基于此，我们构建了一个差异-in-differences（DID）模型来评估SCD对企业创新的影响。关键的解释变量DID被测量为Post和Treat的交互作用（Post × Treat）。Treat是一个虚拟变量，如果公司被选为NSD政策下的试点企业则取值为1，否则取值为0。Post是一个时间虚拟变量，在2018年及以后的年份编码为1，在2018年之前的年份编码为0。

企业创新现有文献主要从两个维度来评估企业创新：创新投入和创新产出（Taques等人，2021）。因此，本研究应用以下两个关键指标来衡量企业创新。首先，专利引用（PatentCite）衡量企业知识输出的扩散潜力和技术影响力，表明创新的质量和知识溢出。其次，研发强度衡量企业对创新资源的投入，反映企业对技术探索的重视程度以及创新投资的可持续性。

根据Cachon等人（2007）的方法，我们通过使用企业的生产和需求波动之间的差异来构建供需偏差指数，以衡量企业的供需匹配错误。（1）Bullwhip=σ(Productionit)σ(Demandit)??1（2）Productionit=Costit??Inventoryit??Inventoryit??1这里，σ (?)代表每个变量的标准差。Production来自运营成本（Cost）和库存变化（Inventory），Demand由企业的运营成本近似表示。生产和需求之间的波动差异越小，企业的协调能力越强，供需匹配的效率越高。相反，显著的差异表明供应链中存在较大的供需不匹配。

在数字技术的支持下，企业可以减少对核心供应商或客户的依赖，并建立多样化的供应链网络。这种转型提高了供应链的灵活性，同时使企业在动态商业环境中保持竞争力。根据Bai和Astvansh（2025）的方法，我们计算（1）对主要供应商的依赖（即前五大供应商的总采购量与总采购量的比率）和（2）对主要客户的依赖（即前五大客户的销售额与总销售额的比率）。（3）Dependenceonmajorsuppliersi,t=∑j=15(salei,j,t)/salei,t（4）Dependenceonmajorcustomersi,t=∑j=15(purchasei,j,t)/purchasei,t

供应链网络中心性根据Borgatti和Halgin（2011）的方法，我们应用度中心性来衡量企业的网络中心性——这是一个广泛应用的指标，用于确定企业在网络中的位置。我们将上市公司与其前五大供应商（或客户）之间的关系数据转换为0–1邻接矩阵，然后将其导入UCINET软件进行计算。度中心性的计算公式如下：（5）Centrality(i)=din??1

为了控制可能引起遗漏变量偏差的企业层面因素，并确保回归结果的稳健性，本研究选择了多个企业层面的控制变量。具体来说，我们应用总资产的对数来衡量企业的规模（Firm size）。企业年龄定义为1加上当前年份与首次公开募股年份之间的差值的对数。现金流（Cashflow）表示运营现金流与总资产的比率，反映了内部融资能力，而固定资产与总资产的比率（Fixed）反映了资本强度和资产结构。增长（Growth）表示年销售额的增长率（即当前销售额与滞后销售额的差值除以滞后销售额），反映了产品市场的扩张。员工人数（Employ）考虑了组织规模对创新投入和输出的影响。此外，我们还包括Tobin’s q，计算为市场价值与总资产的比率，用以代理市场估值和增长机会。表2报告了主要变量的描述性统计信息。平均而言，样本中的企业专利引用数量相对较少，较大的标准差和最大值表明创新输出的异质性较大。研发强度也显示出显著差异，一些企业投入大量资金，而其他企业则没有研发支出。关于供应链结构，企业大约67%的销售额依赖于主要客户，大约34%的采购量依赖于主要供应商。Bullwhip系数平均值为0.597，表明企业之间的供需波动适中。此外，样本企业的度中心性存在显著差异，表明这些企业在网络中占据不同的结构位置。

模型本研究采用NSD政策作为外生冲击。本文构建了一个差异-in-differences (DID) 模型，以考察供应链数字化 (SCD) 对企业创新平均处理效应的影响。模型具体如下：(6) Innovationit = α0 + ? × DIDit + χControlsit + λi + ηt + εit，其中 DIDit 是核心解释变量，其系数反映了 SCD 实施前后企业创新的平均差异。Controlsit 表示一组控制变量。λi 和 ηt 分别代表企业和年份的固定效应，εit 是随机误差项。

**回归分析**
表 3 报告了 SCD 对企业创新的基准回归结果。在第 (2) 列中，DID 的系数为 0.063，在 5% 的显著性水平上显著。这表明，与未纳入试点政策的企业相比，试点企业在 SCD 实施后专利引用数量（衡量创新质量）显著增加。同样，在第 (4) 列中，DID 对研发强度 (R&D intensity) 的回归系数为 8.011，在 1% 的显著性水平上显著。这表明，政策驱动的 SCD 对企业研发投资水平有显著影响。基准回归结果表明，在 SCD 实施后，企业的创新投入和产出都得到了提升，证实了将数字技术嵌入供应链管理在企业创新中起到了重要的促进作用。

**机制分析**
理论分析显示，供应链的数字化通过供需匹配效率的优化机制和供应链配置的多样化机制影响企业。因此，为了检验假设 2，我们用代表这两种机制的变量替换了模型中的因变量。表 4 展示了这两种机制的测试结果。在供需匹配机制中，Bullwhip 的 DID 估计系数为 –0.110，在 5% 的显著性水平上显著。这表明 SCD 减少了企业的匹配误差，从而提高了供应链内的资源分配效率。在供应链多样化机制中，依赖主要供应商 (Dependence on major suppliers) 和依赖主要客户 (Dependence on major customers) 的 DID 估计系数分别为 –0.014 和 –0.024，在 1% 和 5% 的显著性水平上显著。这表明 SCD 减少了企业对主要供应商和客户的依赖，使企业能够加强与外部利益相关者的联系，建立更加开放和分散的合作网络。总的来说，机制分析的结果验证了供应链数字化可以通过提高供需匹配效率和促进供应链配置多样化来促进创新的理论假设。

**调节效应测试**
我们通过引入交互项 M = Post * Treat * Centrality 来检验企业在供应链网络中的结构位置是否调节 SCD 与创新之间的关系。M 衡量了位于网络中心的企业是否能更有效地释放数字化的创新潜力。回归结果显示，M 与研发强度 (R&D intensity) 呈正相关，其系数 1.054 在 1% 的显著性水平上显著。因此，在供应链网络中处于中心位置的企业能更快、更有效地响应数字化带来的资源整合和重组机会，从而表现出更大的创新投资热情。

**差异-in-differences 模型的有效性测试**
并行趋势假设是 DID 估计结果有效性的必要条件。如图 2 和图 3 所示，在政策实施之前，处理组和对照组在研发投资和专利引用方面没有显著差异，处理系数在统计上无法区分为零。这证实了并行趋势假设的有效性。此外，政策实施后，这两个变量的动态处理效应均呈现明显的上升趋势，表明政策逐步刺激了企业的研发投资，并增强了创新成果的外部传播。

**稳健性测试**
作为试点企业在正式入选前可能已经投资于 SCD，非试点企业也可能在逐步推进自身的数字化转型，因此仅依赖试点企业作为 SCD 的实施主体可能会导致估计结果偏差和错误结论。我们通过文本分析方法重新衡量企业供应链的数字化程度，并构建了一个替代解释变量来检验结果的稳健性。根据现有研究，我们为 SCD 制定了一个关键词词典，确定了数字化五个维度（规划、采购、生产、销售和物流）的相关关键词，然后计算这些关键词在年报的管理讨论和分析部分的出现频率，以构建 Digitalization_score 指标。该指标能够准确反映企业在数字化转型中的行动和部署情况。回归结果显示，Digitalization_score 对企业创新有显著的正向影响。在评估创新投入 (R&D intensity) 的模型中，Digitalization_score 的系数为 0.360，在 10% 的显著性水平上显著；在评估创新质量 (PatentCite) 的模型中，系数为 0.311，在 1% 的显著性水平上显著。这些发现表明，供应链数字化对企业的研发投资和创新产出的正面效应在其替代规格下依然成立。

**倾向得分匹配-差异-in-differences (PSM–DID)**
我们采用倾向得分匹配 (PSM) 结合 DID (PSM–DID) 方法作为额外的稳健性检验，以解决潜在样本选择偏差对因果关系的影响。我们应用了一系列控制变量，包括企业规模和固定资产比例作为协变量，并使用核匹配方法将实验组和对照组的企业进行匹配。控制了协变量和固定效应后，PSM–DID 模型的结果显示，DID 与创新投资 (R&D intensity) 和质量 (PatentCite) 均有显著的正相关，估计系数分别为 3.31 (p < 0.01) 和 3.16 (p < 0.01)。这些结果表明，即使考虑了样本选择偏差，SCD 对企业创新的积极影响仍然存在。

**滞后解释变量**
由于创新成果的生成和外部引用往往存在时间滞后，我们构建了 PatentCite_L3 变量，将创新质量指标 (PatentCite) 滞后三年。这种方法旨在检验 SCD 对创新的长期影响是否仍然稳健且显著。表 8 显示，DID 变量的系数为 0.145，在 5% 的显著性水平上显著。因此，即使考虑了创新活动的滞后效应，SCD 仍然对企业后续的知识产出产生积极影响。垂直可扩展性表明，供应链数字化可以通过提高供应链中资源分配的效率来促进企业创新。水平可扩展性表明，供应链数字化可以通过接触更多利益相关者来扩大外部资源的获取范围，从而促进企业创新。通过明确这两种异质且互补的资源可扩展性路径，本研究为数字技术如何赋能价值创造机制提供了新的解释视角。第三，本研究将资源交互理论与结构嵌入性的视角相结合，证明企业网络的中心性是影响数字资源与非数字资源整合效率的关键边界条件。这不仅丰富了社会网络理论的研究，还明确了数字资源的价值边界，这需要与非数字资源的有效结合。

**管理意义**
我们的研究结果提供了几个管理建议。首先，企业应利用先进的数字技术来构建更有效的资源协调机制。他们可以部署模块化的数字基础设施，整合分散的资源，从而实现信息技术、运营和采购等相关功能的有效协调。其次，管理者应认识到供应链数字化（SCD）的创新效益在供应链网络节点之间分布并不均匀。因此，企业需要根据其在网络中的位置制定差异化的数字策略。对于核心企业而言，他们应利用其枢纽优势来增强调动和整合跨节点互补资源的能力，例如通过建立数字供应链协作平台和发展标准化的数字接口。而对于非核心企业来说，它们可以与核心企业建立长期的合作关系，并主动采用核心企业制定的标准化数字接口。这可以有效降低参与供应链数字化的成本，并提高其在供应链中整合数字资源和关系资源的效率。最后，所有企业都应结合各种正式和非正式的制度安排来稳定合作关系。这些措施可以减少异质资源整合中的协调不确定性，促进共享数字基础设施的发展，并增强创新潜力。

**局限性与未来研究**
本研究存在一些局限性。首先，创新成果是通过研发投资和专利产出来衡量的，这仅反映了部分创新类型。未来的研究可以考察流程、组织及可持续性导向的创新，以提供对这些领域的更全面理解。其次，资源扩展和互动的机制是从宏观层面的指标推断出来的。纵向案例研究、配对设计或社会网络分析等替代方法可以更直接地捕捉资源分配和组织间嵌入的微观动态。第三，网络中心性（度中心性）是通过企业层面的综合指标来衡量的。虽然这反映了企业在供应链中的结构位置，但可能无法完全捕捉到嵌入性的关系和定性维度（例如信任、关系规范和非正式协调）。未来的研究可以采用微观层面的交易数据，从微观角度阐释网络嵌入性如何影响数字资源的价值实现。最后，本研究是在中国这一制度背景下进行的，在那里国家主导的数字计划和行业特定政策起着重要作用。未来的研究可以探讨所提出的机制是否适用于其他制度背景。

**结论**
随着数字技术与供应链管理的深度融合，供应链的数字化正在从根本上重塑企业的资源分配逻辑和创新机制。本研究以国家供应链数字化政策（NSD政策）作为准自然实验环境。研究结果表明，在该政策实施后，参与企业的创新投入质量和产出质量都有显著提升。这些效应主要通过缓解供需不匹配以及减少对主要供应商和客户的依赖来实现。此外，尽管数字资源具有很高的可扩展性，但其创新价值仍取决于企业调动低可扩展性互补资源的能力，而这种能力取决于企业在网络中的结构位置。

**资金支持**
本项工作得到了国家自然科学基金委员会（项目编号72172125）的支持。

**作者贡献声明**
刘青青：撰写——原始草案，概念化；
张杰：撰写——审阅与编辑；
陈晓虹：数据整理。