全球大型科技企业的创新悖论与企业价值：滞后效应与盈利能力的调节作用

《Journal of Complexity》：Innovation Paradox and Firm Value in Global Big Tech: Lag Effects and the Moderating Role of Profitability

　　

全球大型科技企业每年投入巨额研发支出(R&D)与资本支出(CAPEX)以维持技术霸权，然而此类投资在短期内可能削弱企业价值，这一现象被称为创新悖论(Innovation Paradox)，而该悖论得以缓解的条件尚未得到充分阐明。研究人员采用双向固定效应模型与分层回归程序，对2012年至2024年间八家主要大型科技企业的面板数据进行分析，探讨不同资产类型的差异化时滞结构、营业盈利能力(Operating Profitability)的调节作用，以及商业模式带来的价值实现路径异质性。分析结果显示，R&D与CAPEX分别以1年与2年的差异化滞后反映于企业价值中，并识别出当营业盈利能力超过特定水平时，创新投资的负(-)效应显著缓解的条件机制。此外，该调节模式在平台服务组与IT硬件组间存在差异。本研究通过在资产类型、财务条件与商业模式的多层背景下，识别创新投资被有条件估值化的机制，拓展了互补资产理论(Complementary Assets Theory)，增进了对开放式创新价值实现阶段的理解，并为资本市场评估与创新政策设计提供有意义启示。

研究背景方面，全球大型科技企业如Google、Microsoft与Nvidia每年投入数百亿美元于R&D与CAPEX以维持技术霸权。其创新投资不仅通过内部R&D积累能力，也通过多种创新手段快速创造技术与市场的新组合。然而这些创新投资可能引发创新悖论，即在短期内降低账面利润并暂时削弱企业价值。既有研究已证实R&D支出被视为当期费用而非资产确认，导致公司内在价值被扭曲，投资回报率与股价可能被低估于实际价值之下。尤其在技术竞争极度激烈的Big Tech行业，创新落后不仅关乎盈利下滑，更威胁企业生存，市场对于创新投资能否带来真实利润增长抑或仅是现金消耗的敏感度空前提高。近期市场趋势显示，市场倾向于给予能将技术与稳健营业盈利能力结合产生真实现金流的企业高估值，而无法证明变现路径的企业则难以获得估值。这与本研究核心前提一致，即创新投资成果可通过盈利能力的财务条件转化为市场价值。现有研究存在三方面局限：其一，多将创新投资局限于R&D或将R&D与CAPEX分离研究，未在同一框架内识别价值实现结构，且未按资源基础观区分无形资产（R&D）与实物资本（CAPEX）的本质差异及差异化滞后；其二，盈利能力在创新投资转化为价值过程中的调节作用尚未充分识别，互补资产讨论多聚焦运营层面，财务资源条件的机制识别不足；其三，缺乏关于平台服务与IT硬件异质商业模式下资源基础观与互补资产理论作用差异的实证研究。为填补上述缺口，研究人员对八家Big Tech企业2012至2024年面板数据应用双向固定效应模型与分层回归程序，综合分析各资产类型最优滞后结构与盈利能力调节作用，识别Big Tech领域有条件的价值实现机制。研究发现R&D(t-1)与CAPEX(t-2)对企业价值均呈显著负(-)直接效应，证实创新悖论存在，且当盈利能力超特定水平时该效应显著缓解，此调节效应因商业模式而异。此研究拓展互补资产理论至多层级背景，具重要理论与实务意义，论文发表于《Journal of Complexity》。

关键技术方法方面，研究人员选取八家全球主导大型科技企业，基于S&P Global Market Intelligence的Capital IQ数据库收集2012至2024年财务数据，全样本N=104，经滞后变量处理后最终分析样本N=88，并按主营业务分为平台服务组（Amazon、Alphabet、Meta、Microsoft）与IT硬件组（Apple、Broadcom、NVIDIA、Tesla）。采用双向固定效应模型控制个体异质性与时间序列特征，因变量为企业价值指标Tobin's Q（市场价值与总资产账面价值之比），核心自变量为R&D比率(t-1)与CAPEX比率(t-2)，调节变量为营业利润率(Operating Income Margin, OI)，控制变量含销售增长率(SG)、公司规模(Size, 总资产自然对数)与财务杠杆(L/E)。通过比较四种滞后组合(t,t)、(t-1,t-1)、(t-1,t-2)、(t-2,t-2)的调整R²确定最优滞后结构，引入交互项分析盈利能力调节作用，采用分层回归三步法验证直接效应、调节效应及商业模式异质性，并对连续变量进行Winsor化处理与grand-mean centering，并行采用聚类标准误、wild cluster bootstrap与Driscoll-Kraay标准误进行稳健性检验。

研究结果部分，各小节结论如下。

1. 1.
   Introduction部分，研究人员指出Big Tech巨额创新投资引发短期企业价值削弱的创新悖论，市场高度关注投资是否导向真实利润增长。现有研究在资产类型滞后结构、盈利能力调节作用及商业模式异质性三方面存在局限，本研究在同一框架内整合分析上述维度，实证确认R&D(t-1)与CAPEX(t-2)呈显著负向直接效应及盈利能力的条件缓解机制与商业模式分化。
2. 2.
   Literature Review部分，研究人员界定创新悖论为创新投资短期与企业价值负(-)相关现象，源于市场错误估值机制（会计限制与信息不对称致R&D费用化低估）与真实价值压力机制（无盈利支撑的大规模投资增加财务不确定性与成本负担）。2.1节指出资产类型滞后结构差异：R&D因会计信息不对称与高回报不确定性致市场价值确认延迟约1年，CAPEX因实物建设周期(time-to-build)延迟约2年。2.2节阐述盈利能力调节作用，互补资产理论从运营层面扩展至财务层面，营业盈利能力作为运营互补资产聚合的财务表达，是创新投资转化为企业价值的核心条件调节变量而非事后绩效指标。2.3节讨论AI时代Big Tech创新投资扩张加剧创新悖论，平台服务与IT硬件因网络效应、低边际成本与高固定成本等结构差异致价值实现路径不同。2.4节提出三假设：H1为R&D与CAPEX通过资产类型差异化滞后影响企业价值；H2为营业盈利能力正向调节创新投资与企业价值关系；H3为创新投资价值实现路径因商业模式（平台服务vs IT硬件）呈差异化模式。
3. 3.
   Methodology部分，研究人员定义样本为八家Big Tech企业2012至2024年数据，变量测量明确：Tobin's Q=Q，R&D比率(t-1)=RD(t-1)，CAPEX比率(t-2)=CX(t-2)，营业利润率=OI，控制变量含SG、Size、L/E。回归模型纳入个体与时间双向固定效应μ_i与λ_t，加入RD(t-1)×OI与CX(t-2)×OI交互项，分层回归分三步：Model 1验直接效应，Model 2加交互项验调节效应，Model 3a·3b比商业模式异质性。滞后结构识别显示(t-1,t-2)组合adj. R²=0.7681最优，确立为最终滞后结构。
4. 4.
   Results部分，4.1节描述性统计与相关性分析显示分析样本Tobin's Q均值4.941，OI均值23.3%，R&D强度14.7%高于CAPEX强度6.6%，Tobin's Q与SG、OI显著正(+)相关，VIF最大2.36无多重共线性。4.2节Model 1中SG(β=5.438,p<0.001)与OI(β=7.653,p<0.01)对企业价值即时正(+)效应显著，RD(t-1)(β=-24.520,p<0.05)与CX(t-2)(β=-18.872,p<0.01)显著负(-)，佐证创新悖论；Model 2中RD×OI交互项系数96.346(p<0.001)强显著，盈利能力充足时创新投资负效应显著缓解，adj. R²升至0.7900；简单斜率测试显示低利润段(OI=7.4%)RD(t-1)效应-41.143(p<0.001)，高利润段(OI=39.2%)缓至-10.522(p=0.098)，Johnson-Neyman分析示R&D投资负边际效应失效阈值约50.2%。4.3节商业模式异质性中，4.3.1平台服务组CX×OI交互项75.249(p<0.001)显著，CAPEX与盈利能力结合驱动企业价值，阈值约31.4%，超阈值部分区间呈统计显著正(+)边际效应；4.3.2 IT硬件组RD×OI交互项79.489(p<0.05)显著，R&D与盈利能力结合创造价值路径运作，价值实现阈值约53.3%高于平台组。4.4节稳健性检验通过六种测试：并行三类标准误中核心RD×OI交互维持5%显著性(p=0.039)；替代滞后结构(t-1,t-1)复现直接负效与RD×OI显著(79.182,p<0.01)；替代调节变量OI(t-1)与ROA均复现调节效应与阈值；留一法排除单企业分析RD×OI在6/8次维持0.1%显著，阈值窄幅47.9至53.1%；边界企业Apple重分类入平台组仍维持异质模式，硬件组RD×OI稳定(69.889,p<0.05)，主发现稳定。

讨论部分，研究人员连接既往研究讨论三关键发现。其一，R&D(t-1)与CAPEX(t-2)差异化滞后结构契合R&D信息信号效应较快、CAPEX伴随建设滞后的属性差异，两者直接负效应符合市场无法立即评价创新投资利益的系统性反应不足倾向。其二，盈利能力系关键互补资源调节创新-价值关系，交互项强显著性显示盈利能力超越财务绩效指标，作为市场评估创新投资价值转化可能性的财务过滤器，创新悖论在财务条件满足时显著缓解，契合互补资产理论与财务松弛(financial slack)作为创新活动缓冲的讨论。其三，商业模式价值实现路径分化：平台服务组较低盈利能力即可转化CAPEX为价值契合网络效应与低边际成本结构优势；IT硬件组需更高盈利能力反映物理制造基础业务需突破更高盈利门槛，生存威胁更直接。研究亦从开放式创新视角提供新启示，Big Tech通过并购与平台开放吸收外部创新，而吸收后转化为企业价值是另一任务，营业盈利能力财务条件在价值实现后期具决定性作用，R&D与CAPEX不同时滞实证呼应开放式创新动态在成本、收益、时滞维度展开的理论讨论，将开放式创新讨论从外部知识搜索吸收拓展至吸收创新转化为价值的财务占有条件识别，未来研究需兼顾吸收能力与价值实现的财务结构条件。

结论部分翻译如下：本研究旨在探明大型科技企业大规模创新投资短期内削弱企业价值的创新悖论在何种条件下得以缓解。本研究关键发现为，大型科技企业创新投资转化为企业价值的过程并非由投资规模本身决定，而是受制于资产特定的价值实现时滞与盈利能力财务条件。这表明创新悖论并非普遍限制，而是在资产性质、财务条件与商业模式的多层背景下可获缓解的条件性现象。6.1理论贡献有三：第一，在单一框架内超越仅处理R&D或分离R&D与CAPEX滞后效应的既有路径，实证分析两资产类型差异化滞后结构，提出创新投资研究中资产类型异质性的新分析维度，体现时滞作为开放式创新动态财务层面关键维度的理论化讨论；第二，将营业盈利能力重新定义为调节创新投资价值实现而非仅绩效指标的互补资源，提出将互补资产理论与财务余量讨论整合入创新-价值关系调节机制的理论框架，将互补资产讨论从运营互补资产或财务松弛扩展至营业盈利能力之财务基本能力，指示创新价值实现可重新解释为须满足之财务条件；第三，显示商业模式结构特征为调节创新投资市场评价方式的情境变量，提出超越单一框架、考量商业模式异质性的创新-价值研究必要性，即便相同创新投资，其转化为价值的关键条件因企业采行之商业模式价值创造结构而异，意味创新-价值关系非普适确立而取决于企业业务结构。综上，本研究通过综合考量资产类型、财务条件与商业模式三项情境变量，提出创新投资价值实现作为条件过程的理论视角。6.2管理启示方面，管理者需依资产类型不同价值实现时滞进行投资进度管理与资源分配优先级，维持充足盈利能力基础之平衡策略，平台企业较低盈利即可转化基础设施投资为价值，IT硬件企业宜先巩固更强盈利基础再扩大创新投资；投资者应认知创新投资短期成本非必然价值压抑，需关注营业盈利能力作为创新投资转未来价值可能性的领先指标，并按行业与商业模式结构采取差异化评估。6.3政策启示方面，创新支持政策应预设多年价值实现周期而非单年产出指标，依R&D与CAPEX不同回收周期差异化支持工具；大型科技企业暴露于长期价值实现间隙停止投资风险，需建立耐心资本等制度环境支撑时滞，并通过资产类型分步进展与预期绩效生成的分别披露改善信息环境。6.4研究局限与展望：样本为八家美国Big Tech，后续可扩展至中欧美多元规模科技企业以验证发现，更大面板可纳入治理等丰富控制变量与正式门限回归；总括财务指标未来可结合专利数据或详细投资披露识别创新投资质属性；聚焦Big Tech自身价值实现机制，未来可实证衡量Big Tech与中小企业并购等外部创新吸收路径并连结构值实现结构以拓展学术范畴。

Funding Source：本研究获aSSIST University研究经费支持。

Funding Information：本研究未接收任何公共、商业或非营利部门资助机构之补助。

Human and animal rights：作者声明所述工作未涉及人类或动物实验。

Informed Consent and Confidentiality：作者声明所述工作不涉及患者或志愿者。

Declaration of generative AI and AI-assisted technologies in the manuscript preparation process：本工作准备期间作者使用ChatGPT进行稿件英译与校对，使用后作者按需审阅编辑内容并对发表文章内容负全责。

Ethical Statement：本研究不涉及人类参与者或动物受试者，故无需机构审查委员会批准。

CRediT authorship contribution statement：Taeyeon Oh: Writing – review & editing, Validation, Supervision, Project administration. Young Wan Jin: Writing – original draft, Visualization, Software, Methodology, Investigation, Formal analysis, Data curation, Conceptualization.

Declaration of Generative AI and AI-assisted technologies in the writing process：本工作准备期间作者使用Google Gemini与Anthropic Claude提升稿件语言与可读性，使用后作者审阅编辑内容并对发表文章内容负全责。

Young Wan Jin|Taeyeon Oh

Seoul AI School, aSSIST University, 46, Ewhayeodae 2 Gil, Seodaemun-gu, Seoul 03767, Korea