从监管审查到共同演化：区块链作为商业模式创新的监管基础设施

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：From regulatory review to co-evolution: Blockchain as regulatory infrastructure for business model innovation

　　塔奇亚·钦 | 李志胜 | 弗朗切斯科·卡普托
中国杭州浙江工业大学管理学院

**摘要**
创新的商业化取决于是否满足安全和质量标准，然而新型数字创新的监管审查往往伴随着信息不对称、不确定性以及程序性延误。本研究通过将区块链技术（BCT）视为一种数字创新，为监管科学领域的讨论做出了贡献。这种基础设施可以减少验证摩擦，稳定组织间的交流，并促进创新体系内的商业模式创新（BMI）。本研究提出了一个多理论框架，将监管决策中的人类判断与技术支持的可追溯性和可审计性联系起来，并使用中国A股上市公司（2014-2023年）的面板数据对所提出的机制进行了实证检验。结果表明，BCT的采用与企业的BMI之间存在正相关关系，供应链稳定性在某种程度上中介了这一关系。这表明，区块链带来的透明度和协同治理提高了企业在更高责任要求下的价值创造和捕获能力。本文从新的视角出发，将BCT不仅仅视为一项简单的操作技术，而是一种支持监管审查的决策支持基础设施。

**1. 引言**
作为新型高质量生产力的核心驱动力，技术创新不仅重塑了产业格局，也对传统治理模式提出了深刻挑战。在这种背景下，监管逻辑的演变成为促进新型高质量生产力发展的关键因素。由于创新在复杂的社会技术系统中的日益重要性，监管正从一种风险控制工具（Hoerr, 2011）演变为解码创新动态和竞争格局的关键机制（Polidoro Jr, 2020; Boakye et al., 2022; Roca, 2024）。这一根本性变化源于创新的商业成功受到监管机构对安全性和合法性的评估的影响（Tharchen and Garud, 2023）。在这种情况下，由于固有的评估歧义和延误，现有的监管模型往往难以建立合适的框架来评估新兴创新（Juntunen et al., 2019; Tharchen and Garud, 2023; Roca, 2024）。相比之下，区块链技术（BCT）可以被视为一种新型的监管工具（Zhuk, 2025）。它不仅回应了决策科学中关于监管的现有需求（Jasanoff, 1995），还为克服传统监管挑战提供了新的视角。

在新型高质量生产力推动的技术加速转型背景下（Li et al., 2026），单纯的产品创新或品牌整合已不足以构建壁垒，因为技术迭代可能迅速削弱现有品牌价值。此时，商业模式创新（BMI）的重要性凸显出来。它决定了企业如何将新技术转化为独特的价值交付系统和持续的盈利逻辑，从而在“生存还是退出”的决策过程中重塑竞争力。值得注意的是，BCT为重构商业模式提供了机会。实证证据表明，企业间的数据孤岛和流程障碍限制了其潜在价值的实现（Justy et al., 2023）。例如，在制造业供应链中，虽然核心企业部署私有链以实现内部数据可追溯性（Zhou et al., 2024），但上下游中小企业的异构系统阻碍了实时信息交流（Zhang et al., 2026）。跨境物流文件仍需手动验证，反洗钱合规成本持续居高不下。这种“链上/链下”协调产生了关于区块链在促进BMI方面作用的悖论。现有研究主要关注区块链对企业绩效的影响（Sim and Jang, 2023; Mohapatra and Rakshit, 2025），但难以解释采用类似技术应用的企业之间结果的异质性。

随着数字技术越来越多地融入产品，数字商业战略近年来吸引了众多学者的关注。早期，“数字技术”与“信息技术”（IT）并未明确区分。例如，Rai等人（2006）发现，将IT基础设施与供应链管理整合可以提高供应链的集成能力，使企业及其供应链合作伙伴能够共享信息（Chin et al., 2026），制定基于信息的需求规划方法，并提升产品分销和财务运营的效率。这种方法也被称为“数字”驱动的供应链集成能力。在此基础上，区块链作为一种新兴的数字技术，通过其去中心化和不可篡改的特性进一步增强了供应链的透明度和可信度，从而巩固了供应链的稳定性，并为企业构建新的价值共创模型提供了坚实保障。先前的研究发现，作为价值传递的核心网络，供应链的稳定性（表现为对中断风险的抵抗力和质量一致性）和效率（表现为周转速度和协调成本）是关键的传递路径（Shi et al., 2024; Habibi et al., 2025）。尽管Korpela等人（2017）证明了区块链加速供应链流程整合的能力（Büyük?zkan et al., 2021），但迄今为止尚未有研究实证验证供应链稳定性（SCS）在BCT与BMI关系中的中介作用。这一理论空白引发了两个关键问题：（1）缺乏关于BCT应用对BMI影响的定量证据；（2）缺乏对中介传递机制的研究，特别是涉及SCS的机制。

本研究通过将BCT视为一种可进行监管评估的基础设施来解决这些空白，该基础设施支持企业证明合规性和质量保证的能力，以及监管机构在不确定性下做出及时负责决策的能力。具体来说，研究建立了一条影响路径，说明BCT应用如何增强SCS，进而促进BMI，解释了不可篡改的审计轨迹和可编程治理如何减少信息摩擦、提高供应链可靠性，并实现商业模式重构。通过这种方式，本研究将监管科学视为一种决策科学（Jasanoff, 1995），并探讨了企业在创新体系中导航评估标准和合法性阈值的过程（Boakye et al., 2022; Roca, 2024）。

本研究做出三项贡献：首先，通过将区块链视为一种可进行监管评估的数字基础设施，扩展了关于监管和创新的研究，这类基础设施可以减少评估不确定性并支持监管审查中的安全与速度权衡（Hoerr, 2011）；其次，通过剖析SCS作为微观基础，丰富了BMI研究，解释了监管可评估的透明度如何转化为战略重构；第三，通过结合综合概念模型和企业层面的面板数据，为开发监管价值指标提供了基础，包括验证摩擦、监控效果和审查过程的及时性。

**2. 概念背景与假设构建**
**2.1. 创新系统中人与技术二分法的监管科学解释框架**
监管机构是非选举产生的制度性行为体，其决策通过评估标准和审查实践塑造了创新的接受度、合法性和商业轨迹（Boakye et al., 2022; Tharchen and Garud, 2023; Roca, 2024）。因此，监管科学可以被视为一种决策科学，关注在模糊性和不确定性条件下评估安全性和质量的证据、启发式方法和程序（Jasanoff, 1995; Hoerr, 2011）。在数据密集型市场中，诸如区块链之类的数字基础设施可以通过提供可追溯、可审计且防篡改的信息来补充人类判断，从而可能重塑企业合规的组织方式以及监管机构进行审查和监控的方式。

研究社会经济领域中人与技术二分法需要采用多学科和跨学科的解释框架来塑造其演变（Caputo et al., 2024）。在此背景下，需要整合、结合和协调多种研究流，以全面理解正在进行的复杂动态（Calabrese et al., 2017; Caputo, 2024）。根据资源基础理论（RBT），技术是提高组织效率的核心资产，也是提升公司竞争优势的战略工具（West and Bamford, 2005; Helfat et al., 2023）。根据RBT的观点，只有当人类从被动实体转变为创新的积极主体、创造力和适应性的推动者，并能够将技术投入转化为有价值的组织产出时，技术转型才成为可能（Caputo et al., 2019a）。

从另一种角度来看，系统思维通过强调人与技术互动的关系动态和相互依赖性，丰富了人们对人与技术二分法的解释视角（Barile et al., 2018; Caputo et al., 2019b; Dehbozorgi et al., 2024）。系统理论不是采用简化论的方法，即认为人类和技术孤立作用，而是描绘了人类与技术实体之间的相互影响（Caputo et al., 2023）。在这种视角下，人力资源被视为更广泛系统网络中的战略枢纽，它们通过信息力和关系多样性在协调机器活动中发挥作用（Canestrino et al., 2025）。此外，技术接受模型（TAM）为描述人与机器二分法提供了具有挑战性的额外元素（Westin et al., 2015）。根据TAM的概念，人力资源的态度和行为维度对于定义组织采用技术的条件至关重要（Yang and Yoo, 2004）。在这种观点下，人力资源不仅受技术影响，还通过意愿、感知和参与度决定技术的作用（Saviano et al., 2025）。

作为描述解释框架的最后一个组成部分，关于认知和对齐领域的科学贡献提供了有用的见解，强调了认知过程和关系动态在塑造人与技术二分法中的关键作用（Stout, 2021）。因此，可以说人力资源充当了认知桥梁，将组织战略和技术能力与市场期望和利益相关者需求对齐（Cervino and Caputo, 2025）。因此，技术是增强而非替代人类能力的工具，促进了富有同情心和关系的能力的发挥，显著促进了组织价值创造和利益相关者参与（Caputo et al., 2025）。

总之，上述简要总结的研究理论的结合为解读人与技术互动的演变本质提供了机会，并展示了从结构和机械方法向大数据时代日益整合、关系化和认知对齐的范式的进步转变。

**2.2. 区块链技术与商业模式创新**
得益于区块链、代币经济和去中心化治理的支持，BMI整合了技术、经济和治理维度（Zheng et al., 2021; Koh et al., 2022）。其重点在于利用分布式账本技术（DLT）打破作为垄断者的中心化平台（Kottler and Graf, 2021），恢复用户的 数据主权（价值主张创新）。智能合约实现了价值交换的自动化（价值交付优化）和去中心化的自治组织（DAOs），为协作/分配机制提供了新的配置方式（价值创造网络）。本研究提出的BMI评估体系基于传统的财务分析理论。其主要贡献在于为BMI评估建立了定量基础，这是企业在创新试点阶段的关键评估工具。为了实现长期可行性，该框架需要发展为多维和动态的指标，以系统地支持复杂系统创新倡议的分解和实施。这种方法为评估风险韧性并验证创新实践中的价值创造提供了证据。该框架与Gartner的BMI原型财务模型相一致，满足了投资者和监管机构评估新型商业模式可持续性的需求，将理论基础与实际适应性联系起来。

虚拟价值链（VVC）框架认为，在信息经济中（Rayport and Sviokla, 1995），企业价值创造超出了实物价值链中的有形操作，涵盖了收集、组织、选择、合成和分发信息的过程。虽然这一理论将信息视为独立的价值驱动因素，但传统互联网技术无法解决信息复制导致的价值侵蚀问题。BCT通过分布式账本和加密机制解决了这一问题，实现了闭环VVC，从根本上重构了企业价值创造和转移的逻辑。BCT利用去中心化模型开发的区块链DLT有助于维护唯一的数据记录，确保任何记录都不能被篡改或修改。BCT中使用的非对称加密协议允许在多方之间进行无信任的价值转移。通过这种能力，可以进行交换，其中交换价值直接与用于创建它的数据资产相关；因此，企业可以创建新的、创新的价值主张，这些主张从根本上与他们的数据资产相关联。此外，区块链被用来创建保护用户隐私的可交易服务。减少交易摩擦和重新定义利益相关者和消费者之间价值分配的方式是区块链对组织的两个主要好处。区块链还作为一种负责任的基础设施，帮助组织提高内部运营的效率，并在产品上市后评估和监控产品，通过创建不可变的审计追踪和标准化的数据接口来减少组织与其各方之间的信息差距。利用区块链，组织可以为他们的商业模式建立合法性，并围绕共享的标准进行协调评估。因此，这允许组织在保持责任的同时实践和测试新的商业模式。据此，可以提出以下假设：H1. 区块链技术（BCT）的应用积极促进了企业的商业绩效指标（BMI）。2. 供应链稳定性在其中的中介作用。交易成本理论（TCT）认为，企业通过减少与信息搜索、谈判、执行和执行相关的成本来提高效率（Schmidt和Wagner，2019）。在这方面，BCT针对这些成本来源，促进技术重组，并通过重组供应链交易成本结构来形成传输链。根据TCT，企业有内在的动力来最小化与信息搜索、谈判/执行和监控/执行相关的成本。区块链的四个技术属性直接干预这些成本发生点（Sulaiman等人，2022）。供应链绩效作为核心中介变量，包括两个维度：财务绩效（例如，资源利用效率和销售利润）和运营绩效（例如，按时交货率和客户服务）。供应链绩效的财务和运营维度的提升本质上反映了企业动态能力的加强。当BCT将供应链交易成本降低到临界阈值以下时，企业可以重新分配之前用于低效流程的资源，从而创造新的价值创造空间。基于这一点，提出以下假设：H2. 供应链稳定性（SCS）在BCT和BMI之间起着中介作用。3. 方法论本研究采用了一种综合的方法论设计，将概念理论化与实证分析相结合，反映了追溯人机二分法历史演变的双重目标（Caputo等人，2024），并在大数据时代实证检验其表现。概念模型是使用受扎根理论启发的定性归纳逻辑开发的（Thomas，2006）。该方法综合了来自四个理论领域的见解。通过这种综合，该研究阐述了人机互动的四阶段演变轨迹，从基于规章、控制和机械化的结构化方法，到以混合智能和共同进化为特征的新兴人机污染阶段。这个模型为分析人和技术资源如何以越来越去中心化的方式互动提供了解释框架。为了验证概念命题，研究的第二部分调查了BCT如何影响BMI，特别关注SCS的中介作用。本研究选择2014年至2023年作为研究时间框架，并重点关注中国的A股上市公司。在样本收集过程中，排除了以下公司：（1）所有ST、*ST和PT上市公司；（2）缺少相关变量的样本。本研究中使用的BCT应用数据来自相关公司的年度报告。关于BMI、SCS和其他公司层面控制变量的数据来自CSMAR数据库，而补充数据则来自中国国家统计局的官方网站。3.1. 变量3.1.1. 商业模式创新（BMI）基于基于组件的商业模式视角，并参考现有文献（Teece和Linden，2017；Spieth等人，2025），本研究从四个维度全面评估BMI：企业价值创造、价值交付、价值主张和价值捕获。BMI的复合分数是根据相应构建的指标系统使用因子分析计算得出的，如表1所示。表1. 企业BMI指数系统。变量层级1指标层级2指标测量企业商业模式创新价值创造债务覆盖率企业经营活动产生的净现金流量 / 企业总负债流动比率企业流动资产 / 企业流动负债股本负债比率企业股本 / 企业总负债价值传递应收账款周转率企业销售收入 / 企业平均应收账款存货周转率企业销售成本 / 企业平均存货总资产周转率企业销售收入 / 企业总资产价值主张和价值捕获净利润年增长率企业当年净利润 / 企业上年净利润 ?100%主营业务利润率企业营业利润 / 企业营业收入营业收入年增长率企业当年营业收入 / 企业上年营业收入 ?100%3.1.2. 区块链技术（BCT）基于文献中已建立的方法（Cao，2022；Shukla等人，2024），本研究识别并分析了与“区块链、数字货币、分布式计算、差分隐私技术、智能金融合约”相关的特征术语。通过使用Python提取上市公司的年度报告文本，经过搜索、匹配和词频计数过程形成的数据池，将这些频率按关键技术焦点分类并汇总成最终的总频率度量。然后对这个汇总频率指标进行对数转换，以量化企业采用BCT的程度。3.1.3. 供应链稳定性（SCS）提高供应链效率通过优化资源分配和加强流程协调来减少运营脆弱性，从而成为SCS的关键指标（Lin和Li，2025）。因此，本研究利用供应链效率来衡量企业供应链的稳定性。供应链效率强调上游和下游企业之间协调频率和交易量的增加，表现为产品和服务的顺畅流通。基于企业库存水平的测量，本研究进一步利用库存周转天数来量化供应链效率，计算公式为ln (365/存货周转率)。3.1.4. 控制变量（CV）考虑到企业特征变量和企业治理变量对研究的影响，本研究控制了这些类型的变量。本研究选择了企业规模（Size）、企业上市年限（ListAge）、独立董事比例（Indep）、最大股东持股比例（Top1）、资产比例（Fixed）、Tobin Q值（Tobin Q）以及四大审计机构（Big4）作为控制变量。本文中这些变量的定义和测量方法如表2所示。表2. 变量定义。变量类型变量测量因变量BMI使用因子分析方法计算“商业模式创新采用”的综合水平自变量BCT使用文本分析方法收集和计算中介变量SCS使用供应链效率测量控制变量Size企业总资产的自然对数ListAgeLn（当前年份-市场年份+1）Indep独立董事数量 / 总董事数量Top1最大股东持有的股份数量 / 总股份数量Fixed企业总资产 / 企业总资产Tobin Q（可交易股份的市场价值 + 每股净资产 + 负债账面价值） / 总资产Big4若企业通过了四大审计，则为1，否则为03.2. 模型为了验证论文的假设，本研究参考了现有相关研究（Baron和Kenny，1986；Chin等人，2025），并构建了以下模型：首先，构建了一个基准模型（1）来测试BCT对BMI的影响：（1）BMIit=α0+α1BCTit+∑αjCVit+Yeart+Firmi+εit在方程（1）中，BMIit代表企业i在年份t的BMI发展水平。BCTit代表企业i在年份t的BCT应用。CVit代表一系列控制变量。Yeart、Firmi分别代表年份和企业固定效应，?it代表误差项。其次，基于模型（1）构建了模型（2）、（3），以探索SCS在企业BMI之间的中介作用：（2）SCSit=β0+β1BCTit+∑βjCVit+Yeart+Firmi+εit（3）BMIit=δ0+δ1BCTit+δ2SCSit+∑δjCVit+Yeart+Firmi+εit在方程（2）、（3）中，SCS代表中介变量，其他变量与上述相同。4. 实证结果和分析4.1. 描述性统计和VIF检验表3展示了描述性统计分析结果。BMI的平均值为0.404，标准差为0.732，最小值和最大值分别为0和34.953。这表明在样本期间，中国企业的BMI水平存在显著分化。BCT采用的平均值为0.093，标准差为0.386，范围从0到4.635。这些结果表明，中国企业的整体区块链采用率仍然较低。表3. 描述性统计。变量平均值标准差最小值最大值VIFBMI0.4040.732034.953–BCT0.0930.38604.6351.05SCS4.1891.454?9.90212.3951.04Size21.8301.19215.97928.6441.47ListAge1.7121.05403.5261.36Indep37.8395.5000801.01Top10.3470.1470.0210.8971.08Fixed0.1800.13000.8081.08Tobin Q2.4697.0630.692729.6291.03Big40.0520.223011.124.2. 基准回归结果分析在回归之前，使用Hausman检验来确定面板回归的方法选择。结果显示固定效应模型是合适的（Prob > chi2 = 0.0000）。检验BCT采用对BMI影响的回归结果如表4所示。第（1）列报告了不包括控制变量的结果，而第（2）列报告了包括控制变量的结果。如所示，BCT采用的系数在两种规格下都具有统计显著性。分析第（2）列的结果，其中考虑了年份和企业固定效应以及控制变量，BCT的估计系数为0.0761，在1%的水平上具有统计显著性。这表明BCT的采用显著促进了BMI。因此，结果支持了假设H1。表4. 基准回归结果。变量BMI(1)BMI(2)BCT0.1260***(0.0220)0.0761***(0.0218)Size0.0658***(0.0186)ListAge0.1425***(0.0149)Indep0.0010(0.0018)Top1?0.3725***(0.1353)Fixed0.9879***(0.1054)Tobin Q0.0006(0.0009)Big4?0.0282(0.0605)_cons?0.4158***(0.0053)?2.1796***(0.4080)年份FEYESYES企业FEYESYESR20.0370.439N12,18812,188注意：标准误差用括号表示。*表示p < 0.1的显著性，**表示p < 0.05的显著性，***表示p < 0.01的显著性。以下表格也是如此。4.3. 中介效应分析为了验证中介路径的存在，我们遵循了前文中提到的模型。回归结果如表5所示。在第1步中，我们检验了BCT对BMI的影响。如基线回归（表5，第1列）所显示的，这种关系已经确立。在第2步中，我们估计模型（2）来测试BCT对中介变量SCS的影响。表5的第（2）列显示，BCT采用对SCS的系数为0.0167，在1%的水平上具有统计显著性。在第3步中，我们通过加入中介变量来估计模型（3）。表5的第（3）列表明，包括SCS后，BCT对BMI的系数为0.0662。这个系数在1%的水平上仍然具有统计显著性，但比基线回归时有所降低。同时，中介变量SCS对BMI的系数为0.0844，也在1%的水平上具有统计显著性。因此，这些结果表明SCS在BCT采用与BMI之间的关系中起着部分中介作用。假设2得到支持。表5. 中介效应分析。变量BMI(1)SCS(2)BMI(3)BCT0.0761***(0.0218)0.0167***(0.0027)0.0662***(0.0117)SCS0.0844***(0.0101)Size0.0658***(0.0186)0.0564*(0.0295)0.0705***(0.0186)ListAge0.1425***(0.0149)0.0526***(0.0155)0.1381***(0.0148)Indep0.0010(0.0018)?0.0010(0.0019)0.0009(0.0011)Top1?0.3725***(0.1353)?0.2167(0.1416)?0.3908***(0.1348)Fixed0.9879***(0.1054)0.4793***(0.1103)0.9475***(0.1052)Tobin Q0.0006(0.0009)0.0088***(0.0010)0.0014(0.0010)Big4?0.0282(0.0605)0.0592(0.0633)?0.0232(0.0603)_cons?2.1796***(0.4080)?2.1556***(0.2269)?2.6140***(0.4049)年份FEYESYESYES企业FEYESYESR20.4390.1220.513N12,18812,18812,188进一步，通过Bootstrap 3000回归测试，SCS的间接中介效应为0.0132，在1%的水平上具有显著性。置信区间为[0.0046873, 0.0216668]，不包括0，这足以证明SCS的应用可以在BCT和BMI之间发挥中介作用，从而验证了假设H2。4.4. 稳健性测试为了加强关于BCT采用对BMI影响的发现结果的稳健性，我们进行了额外的分析以解决内生性问题并确保稳健性。测试结果如表6所示。一方面，通过解决内生性问题，本研究采用的固定效应模型本质上控制了时间不变的未观察到的异质性，减轻了一定的内生性问题。同时，我们还利用倾向得分匹配（PSM）来缓解由样本自选择偏差引起的潜在内生性问题。另一方面，通过使用Tobit模型规格重新估计关系来检验BCT采用对BMI影响的稳健性。此外，通过将样本期间缩短到更短的时间段来评估稳健性。总的来说，这些稳健性检查的结果为主要分析得出的结论提供了额外的支持。表6. 稳健性测试。变量PSMTobit模型缩短样本间隔BMI(1)BMI(2)BMI(3)BCT0.0543***(0.0060)0.0236***(0.0017)0.0838***(0.0230)Size0.0098**(0.0044)0.0363***(0.0066)0.1340***(0.0308)ListAge0.0408***(0.0054)0.0452***(0.0072)0.1302***(0.0252)Indep0.0077***(0.0009)?0.0019(0.0012)0.0057**(0.0028)Top1?0.2326***(0.0303)?0.0792*(0.0463)?0.2238(0.2107)Fixed0.1587***(0.0353)0.4961***(0.0522)0.2179***(0.0167)Tobin Q0.0022(0.0026)?0.0008(0.0009)?0.0010(0.0011)Big4?0.2132***(0.0193)?0.0274(0.0311)?0.0020(0.1094)_cons?0.0642***(0.0097)?1.3193***(0.1467)?3.4687***(0.6704)年份FEYESYESYES企业FEYESYESYESR20.354–0.333LR chi2–279.07–N12,16312,18871064.4.1. PSM为了解决内生性问题，我们采用了PSM。根据BCT采用水平是高于还是低于样本均值，将企业分类为治疗组和对照组。匹配是使用基于先前分析中确定的控制变量集合的1:1最近邻有放回抽样方法进行的。使用匹配样本的回归结果报告在表6的第（1）列中。分析显示，区块链技术（BCT）采用对体重指数（BMI）的影响的系数为0.0543（在1%的水平上显著）。这一发现表明，即使考虑到潜在的内生性，区块链采用对创新的积极效应仍然是显著的，并且与基线估计结果一致。这一结果进一步支持了提出的假设。

4.4.2. 替代模型规范：Tobit模型
使用Tobit模型规范分析了区块链技术采用与BMI之间的关系。表6第（2）列中的结果显示，系数为0.0236（在1%的水平上显著）。这一估计与我们的核心发现一致，表明研究结论的可靠性很高。

4.4.3. 限制样本时期：缩短样本间隔
为了减少2020年后显著变化的运营环境可能带来的混淆效应，排除了2021年至2023年的样本数据，并重新进行了回归分析。表6第（3）列中的结果显示，区块链技术采用对BMI的影响的系数为0.0838（在1%的水平上显著）。这进一步证实了两者之间的正向且显著的关系，证明了我们发现的稳健性。

4.5. 异质性分析
生命周期理论认为，企业根据其发展阶段表现出不同的创新行为。根据Dickinson（2011）的基于现金流的分类方法，我们将样本分为初创期、增长/成熟期和衰退期。表7第（1）至（3）列报告了区块链技术采用对BMI影响的阶段特定回归估计值。在初创期，区块链技术采用的系数为0.1241，在1%的水平上显著。这表明，由于有强烈的创新需求和建立市场立足点的压力，初创企业更倾向于将资源投入到新的项目中，因此区块链技术采用对BMI的影响更为显著。对于处于增长/成熟期的企业，估计系数为0.1079，在1%的水平上显著。尽管效应仍然为正且显著，但由于企业接近运营规模和效率的优化，其强度略有减弱。在衰退期，系数降至0.1075，仅在5%的水平上显著。这种较弱的效应可能是由于衰退企业的组织惯性和资源限制所致。随着市场份额和生产规模的缩减，这些企业更注重生存而非探索性投资，从而削弱了区块链技术在商业模式转型中的贡献能力。

表7. 异质性分析
变量 生命周期 技术强度 所有权性质
初创期 (1) 高 国有 (6)
增长/成熟期 (2) 中 非国有 (7)
衰退期 (3) 低 非国有 (7)
区块链技术 0.1241***(0.0069) 0.1079***(0.0194) 0.1075**(0.0435) 0.1154***(0.0185) 0.0540***(0.0034) 0.0269**(0.0135) 0.1047***(0.0272)
_常数 -1.3623***(0.3785) -0.7323***(0.2324) -0.7587***(0.0334) -1.7550***(0.3822) -1.7106***(0.5825) -0.7735***(0.0481) -0.4987***(0.0522)

其次，为了进一步探究情境异质性，我们研究了区块链技术采用对BMI的影响是否因行业技术强度的不同而有所差异。根据经济合作与发展组织（OECD）按技术强度分类的行业分类，我们将样本企业分为技术密集型和非技术密集型两类。表7第（4）和（5）列报告了相应的异质性结果。如第（4）列所示，对于技术密集型行业的企业，区块链技术采用的系数为0.1154，在1%的水平上显著。相比之下，第（5）列显示，非技术密集型行业的系数较小（0.0540），统计显著性较弱。这些结果表明，区块链技术采用对BMI的积极影响在技术密集型行业中更为明显。这种差异可能反映了不同行业背景下吸收能力和技术准备程度的差异。技术密集型企业通常拥有更先进的数字基础设施、更高的研发（R&D）导向和更强的创新文化。而在非技术密集型行业中，有限的技术专长、传统的运营系统和较低的创新强度可能限制了企业有效利用区块链技术进行商业模式转型的能力。

第三，国有所有权从根本上塑造了企业的战略方向和对技术创新的反应。作为实施国家政策目标的主要主体，国有企业（SOEs）更倾向于优先考虑合规性、资源稳定性和成本效率，而非探索性创新。相比之下，非国有企业受到更强的市场监督，并更加注重利润最大化和创新驱动的增长。这些不同的 institutional 逻辑可能会影响企业利用新兴技术进行商业模式转型的程度。为了验证这一观点，我们按所有权类型对样本进行了划分。表7第（6）和（7）列分别报告了国有企业和非国有企业的异质性结果。国有企业的区块链技术采用系数为0.0269，在5%的水平上显著。对于非国有企业，该系数显著更大（0.1047），在1%的水平上显著。正式测试证实了这两个系数之间的差异具有统计学意义，表明非国有企业中区块链技术采用对BMI的积极效应更为显著。这种差异可以归因于激励结构和组织灵活性的差异。非国有企业的强烈盈利导向促使它们将技术采用转化为实质性的竞争优势，从而激励更深层次地将区块链技术整合到核心价值创造和交付过程中。然而，在国有企业中，官僚结构、风险规避以及以合规为导向的目标可能限制了区块链技术在商业模式转型中的应用。

5. 讨论与结论
本文将区块链技术不仅视为企业的数字创新资源，还视为一种可进行监管评估的基础设施，能够重塑监管审查的证据条件。通过整合监管科学、系统思维、资源基础观点和认知视角，本文揭示了技术支持的可追溯性和可审计性如何补充人类在评估、合法化和监控创新方面的作用。

5.1. 理论意义
首先，人力资源和技术系统之间的复杂关系已成为一个重要的跨学科问题，因为它对组织发展以及人类、社会和经济系统的演变具有重要影响（Thüring and Mahlke, 2007; Caputo et al., 2024）。基于多种解释框架，本研究提出了一个针对大数据时代的创新概念模型，旨在解码商业环境中人机二元性方法的历史轨迹。这里提出的反思和概念模型为研究者提供了重新解读关于社会经济背景下人机关系的多样理论和实践贡献的基础。

其次，关于商业模式如何推动增长、为什么商业模式升级具有挑战性以及商业模式重构的机制，仍然存在基本问题（Giménez, 2013; Latifi et al., 2021）。基于VVC（价值创造、价值和捕获）理论的分析表明，区块链技术通过使用分布式账本和密码学等机制，为建立端到端的VVC提供了直接的技术解决方案。这反过来重新配置了支撑企业价值主张、创造、交付和捕获的基本机制。这种转型至关重要，因为当代的价值主张和创造不仅依赖于有形价值链中的物理活动，还依赖于通过收集、组织、选择、综合和分发企业数据资产来构建VVC。这一贡献得到了理论和实证的双重验证。

第三，数字技术与企业战略的深度融合强调了数字企业战略的跨职能性质（Bharadwaj et al., 2013; Hosseininasab et al., 2025），这一趋势日益跨越组织边界。为了使BMI与战略意图保持一致，企业必须超越内部转型，重新配置企业间关系网络。交易成本经济学分析表明，区块链技术利用其信息透明度、数据不可变性、点对点传输和智能合约等核心属性，精准地针对并重构了这些成本结构的基础。此外，分析还实证识别了异质性的重要方面。

5.2. 实际意义
从另一个角度来看，本文的发现为企业领导者和政策制定者提供了多种实际应用。对于企业而言，使用区块链技术的企业可以彻底重构现有的IT基础设施，实现激进的去中介化和多方可转移的权利。智能合约的引入为通过经济、外包和合作伙伴关系来定义BMI提供了正式方式，创建互补的产品或服务，构建产品/服务组合，并允许他人复制相同的产品或服务，从而推动商业模式动态的重新配置。从这个角度来看，区块链技术为加速市场进入速度提供了新的途径，由于迭代周期的存在，使得创建或更新价值主张更加灵活。相反，为了增强数据管理和保护知识产权的能力，公司应优先进行自身的研发，并将区块链技术的应用纳入其业务流程，特别是供应链领导者应通过坚实的技术基础设施整合物流/库存和财务数据。另一方面，传统的集中式系统依赖少数几个集中式“节点”，导致信息流动单向；而去中心化的点对点架构则依赖于大量参与者，实现信息的双向流动。实现最佳价值需要一个完整的区块链生态系统，企业采用全面的创新框架并与合作伙伴共同创造价值（Sarpong et al., 2025）。未来的战略应超越单个组织边界，拥抱整个供应链生态系统，例如区块链银行业联盟（Oh and Shong, 2017）。

对于监管者和政策制定者而言，研究结果有助于制定数字准备度的评估标准和监管安排，利用可审计性和可追溯性消除或减少验证摩擦，同时保持安全性和质量标准。同时，基于区块链的数据基础设施可以作为可监管评估的数字基础设施，为事前审查提供改进的证据，支持持续的监督，并促进跨司法管辖区的创新系统协调。

5.3. 结论、局限性和未来研究
本研究重新构思了人机共同进化框架，揭示了区块链技术如何在大数据环境中推动BMI。对中国上市公司的面板数据进行的实证分析表明，区块链技术显著提升了BMI，主要通过改进的供应链协同（SCS）实现。这种积极效应在初创企业、技术密集型组织和非国有企业中尤为显著。未来的基于区块链的BMI应该是由多种不同功能和形式的区块链组成的生态系统。本研究有助于推进对人类-技术相互构成的系统性理论理解。此外，它为实践者提供了构建去中心化和有弹性的创新生态系统的可行路径。

在数字时代，虽然本研究重点关注传统企业环境中的区块链应用，但未探讨诸如元宇宙和去中心化自治组织等新兴场景。未来的研究应扩展对这些新场景的探索，研究元宇宙生态系统和DAO治理结构如何影响企业创新。有前景的研究方向包括探讨区块链技术在推动中国数字经济转型中的作用及其对国家竞争优先事项（NQPFs）的贡献。同时，区块链发展面临多方面的挑战：（1）基础技术和架构框架的标准化，（2）性能、可扩展性、安全性和存储能力的技术限制（Ragnedda and Destefanis, 2019），以及（3）数字货币和智能合约的法律合规要求与现实世界监管框架的协调（Bassan and Rabitti, 2024）。最后，重要的是要认识到所提出框架的概念性质具有一定的局限性。后续研究应验证该模型在不同文化和经济背景下的适用性，以理解人类-技术二分法在不同监管体制和创新系统中的主观感知方式。