研发投资与企业数字创新——知识产权保护的调节作用

R&D Investment and Enterprise Digital Innovation—The Moderating Role of Intellectual Property Protection

摘要: 在数字经济蓬勃发展的时代背景下，工业化展现出了与传统模式截然不同的新特质和发展动向。促进制造业向数字化方向转型，使数字技术与制造业深层次融合，已成为塑造全新发展格局、推动我国经济实现高质量跃升的核心驱动力。本文以2015~2022年我国A股高技术制造业中的757家上市公司为研究样本，研究了研发投资对其数字创新能力的影响。研究表明：第一，研发投资显著促进企业的数字创新能力；第二，知识产权保护水平在研发投资和数字实质性创新之间起到负向调节作用，而对研发投资和数字策略性创新之间的关系无显著影响。本文为我国制造业企业的数字技术发展和政策环境改变提供了一定的启示。

Abstract: In the context of the booming digital economy, industrialization has shown new characteristics and development trends that are completely different from the traditional model. Promoting the transformation of the manufacturing industry to the digital direction, so that the deep integration of digital technology and manufacturing industry has become the core driving force to shape a new development pattern and promote China’s economy to achieve a high-quality jump. This paper takes 757 listed enterprises in China’s A-share high-tech manufacturing industry from 2015 to 2022 as research samples to study the impact of R&D investment on their digital innovation capability. The results show that: first, R&D investment significantly promotes the digital innovation capability of enterprises; second, the level of intellectual property protection has a negative moderating effect on the relationship between R&D investment and digital substantive innovation, but has no significant effect on the relationship between R&D investment and digital strategic innovation. This article provides a certain enlightenment for digital technology development and change of policy environment of our country’s manufacturing enterprises.

1. 引言

近年以来，伴随着大数据、云计算以及人工智能等先进数字技术与实体经济的紧密结合，数字技术的革新已经凸显为对全球经济社会演进具有深远影响的关键技术要素。基于中国国家知识产权局发布的权威数据，到2022年为止，我国数字经济核心产业所持有的发明专利授权数量已达到33.5万件[1]。这一数据不仅表明中国在数字经济产业方面已取得了显著的成就，同时也揭示出需进一步提高数字技术创新质量。在这个以数字经济为主导的时代，企业是创新的主体。因此，探索如何有效激发企业在数字技术创新上的数量增长与质量提升，成为了增强中国在全球数字技术竞争中优势地位的重要环节。而企业的研发投资是影响数字创新的关键因素，因此，研发投资对数字创新会产生怎样的影响是一个值得探究的问题。

企业在数字技术的生产和应用过程中发挥着关键作用。在数字技术创新过程中，知识产权保护作为外部治理的政策工具，对企业数字技术创新决策影响重大。数字创新最重要的就是产生知识成果，而知识产权保护的对象是知识成果。由于数字技术有着较强的创新外部性和价值外溢性，企业进行数字创新面临着严重的市场失灵问题。数字技术的共享性特征也使竞争对手容易获取或以较低成本获取数字创新成果。因此，相比传统创新，企业数字创新更需要知识产权保护，而知识产权保护能否促进研发投资向数字创新转化，是值得探讨的问题。

本文选取我国757家A股高技术制造业中的上市公司为研究样本，研究研发投资与数字创新之间的关系。

2. 文献综述

2.1. 企业数字创新

数字创新指在创新流程中，将数字化技术与产品的物理组件进行有机融合，这种融合不仅能催生出全新的产品，还能优化生产过程，甚至引领商业模式的革新[2]。数字创新具有多层和复杂的技术、产品架构，但由于其主要由计算机代码构成，具有较低的流动成本和追踪成本。因此，数字创新成果有着较强的正外部性，也给知识产权保护带来了严峻挑战，企业从数字创新中获益变得更为困难[3]。

关于企业数字创新影响因素的探讨，主要聚焦于数字战略制定、数字资源分配以及数字创新能力提升这三个层面[4]。现有研究文献指出，在数字创新的初始阶段，组织依据外部数字化发展动态来制定相应的数字战略[2]。数字创新过程中，组织不仅需要借助外部的数字基础设施和数字平台，还依赖于内部对数字技术的研发投资和人力资本支持。另外，企业捕捉数字经济环境中创新机遇的能力、识别并吸纳运用数字技术知识的能力，以及重组、融合并革新现有及新资源的能力，显得十分重要。

数字技术创新对企业研发投资提出了更为严苛的要求，体现在以下两方面：(1) 研发资金的专项性愈发明显[1]。企业需采购计算机硬件、软件资源及网络传输设施等，为数字创新奠定坚实的数字化基础设施[5]。(2) 人力资本的专业性更强[1]。数字创新涉及大数据处理、人工智能应用及区块链技术等多个技术领域，企业必须着重引进具备专业技能的数字人才，以确保在各个数字技术创新方向上均能获得人力支持[6]。

2.2. 研发投资对企业数字创新的影响

研发投资与数字创新关系的结论不一，目前大致可归纳为以下观点。

有学者认为研发投资与数字创新呈正相关关系。侯佳星(2024)对A股2011~2021年上市公司的数据展开实证检验，结果表明目前企业的数字创新依赖研发投入，且数字创新存在滞后性[7]。付学超等(2023)构建回归模型，发现研发投入的强度可以正向促进企业数字化转型，研发投入力度越大，企业数字化转型程度越高[8]。而余江等(2024)利用面板数据回归得出数字化转型通过优化企业生产经营流程、为企业提供数字资源基础等方式对企业数字创新产生正向影响[9]。胡增玺等(2023)认为企业加大研发投入能够利用数字技术完善生产流程并生产数字产品，从而获得更多的收益，弥补了创新的沉没成本，促进企业数字创新成果的产生[10]。另外，方旭兵等(2024)提出研发资金的增加将促进企业将资源配置在研发创新上，增强核心竞争力，刺激数字技术创新活动；研发人员投入的增加将产生知识溢出效应，为数字技术创新提供充足的研发知识库[11]。

有学者指出，过多的研发投资并无益于企业创新。杜雯秦等(2021)的研究表明过度增加科研投入可能会使企业面临经营成本激升的风险，甚至导致财务困境[12]。张洁(2018)通过泊松回归分析发现过多的研发投资可能导致企业内部资源吸收、消化和利用能力不足，进而产生高风险和知识整合成本，导致数字创新资源配置扭曲、资源利用率低下，继而阻碍数字创新能力[13]。

2.3. 文献述评

以往研究中，研发投资对数字创新的影响主要分为两种观点，“促进论”和“抑制论”。由于不同行业之间差异较大，现有研究成果不一定适用于所有行业。制造业与国家经济发展密切相关，是我国的支柱型产业，而针对制造业的数字创新的相关研究相对较少，因此亟需对其进行研究。

3. 理论分析与研究假设

3.1. 研发投资与企业数字创新的关系

对于数字创新而言，除了依赖于数字基础设施的建设规模外，强大的研发实力以及充足的数字化技能人才储备同样是不可或缺的关键因素[14]。

首先，企业通过研发投资改善生产流程和产品质量，从而加强创新。为了提高创新，企业需要增加研发投资，这在数字经济中增长迅速。为确保数字技术的持续更新与快速迭代，企业必须保持高额的研发投入。其次，通过增加研发投资，深入探索并挖掘数据要素的内在价值，进而将传统的基于实践经验的战略模式转变为以数据要素为核心的技术驱动型战略，有望成为推动制造业实现数字化转型的关键突破点。最后，作为技术创新能力的一种重要体现，研发投资在推动科技成果的外溢与转化方面发挥着关键作用，其投入强度对于形成更显著的规模效应具有积极影响，从而能够在数字技术层面实现突破，提高企业的数字创新能力。基于上述内容，本文提出以下假设：

H1：研发投资对数字创新有正向促进作用。

3.2. 知识产权保护水平对研发投资与企业数字创新关系的调节作用

长期以来，以政府为主导构建的知识产权保护体系是矫正创新供给市场失灵、激发企业创新的重要保障。相比于政府补贴、税收优惠等选择性产业政策，知识产权保护是一种更兼顾公平与效率、功能性与普惠化的“有形之手”[14]。

数字经济时代，企业内部各环节所产出的知识均可在市场中进行价值交换。通过转让、授权等知识产权交易手段，企业能够直接从其知识产权中获得经济收益。部分研究显示，过强的知识产权保护可能对技术创新产生不利影响。具体而言，加强知识产权保护并不一定会导致专利数量的增加，反而可能对企业创新活动造成阻碍，进而对国家经济福利造成损害。此外，过度的知识产权保护可能会增强市场的垄断力量，从而破坏市场的正常竞争秩序[15]。据此，本研究认为知识产权保护在数字经济开放创新下可能不再适合促进创新的发展，其原因在于，过强的知识产权保护可能会阻碍协作知识的构建过程，进而影响创新协同发展的效率，并削弱产业互补品之间的协同效应[16]。因此，当知识产权保护力度过强时，反而可能会失去对创新的激励作用。基于以上分析，提出假设：

H2：知识产权保护水平对研发投资和数字创新的关系起负向调节作用。

4. 研究设计

4.1. 样本选取与数据来源

本文以2015~2022年我国A股高技术制造业中的757家上市公司为研究样本。知识产权数据与数字专利数据来自国家知识产权局数据库手工摘取，研发投资、企业基本信息数据和其他财务数据均来自CSMAR数据库。同时，对样本进行如下处理：(1) 剔除当年刚上市的样本；(2) 剔除特殊交易(ST、*ST)的样本；(3) 剔除数据缺失的样本。最终样本包含3395个公司——年份观测值。

4.2. 变量定义与衡量

4.2.1. 被解释变量：企业数字创新

用样本企业各年度的数字专利作为企业数字创新的代理指标，将上市公司专利的主分类号与国家统计局官方发布的《数字经济及其核心产业统计分类(2021)》进行匹配，得到上市企业各年度内的数字专利申请数量[11]。同时，将数字专利申请分为数字发明专利申请(DIGIINV)和数字非发明申请(DIGINONINV)两类，表征数字实质性创新和数字策略性专利两个维度来描述数字技术创新水平。

4.2.2. 解释变量：研发投资

研发投资(RD)采用企业研发投入经费表征。企业研发投资是衡量企业创新意愿和创新能力的重要指标。企业的研发投资越多，越能表明企业对创新的重视程度以及创新的积极性。

4.2.3. 调节变量：知识产权保护水平

本文采用国家知识产权局发布的《全国知识产权发展状况报告》披露的知识产权保护指数衡量知识产权保护水平(IPR) [17]。知识产权保护是激励创新的重要制度安排，该指数越大，代表地区知识产权保护水平越高。

4.2.4. 控制变量

本文选择企业股权性质(OWN)、企业年龄(AGE)、资本密集度(INTEN)、流动性(MOBI)、资产负债率(LEV)、盈利能力(PROFIT)、现金流量比例(CASH)等指标作为控制变量，各控制变量的衡量方式见表1。

Table 1. Definition and measurement of control variables

表1. 控制变量的定义与衡量

控制变量	变量符号	变量衡量
股权性质	OWN	样本为国有企业时取1；非国有企业取0
企业年龄	AGE	样本年份 − 注册年份 + 1
资本密集度	INTEN	总资产/营业收入
流动性	MOBI	流动比率
资产负债率	LEV	企业总负债/总资产
盈利能力	PROFIT	企业净利润/总资产
现金流量比例	CASH	经营活动产生的现金流量净额/总资产

4.3. 模型设定

根据本文假设，建立年份个体回归效应模型进行检验，并且将影响企业数字创新的其他因素作为控制变量引入模型，构建以下模型：

$DIGIINVit=\beta 0+\beta 1RDit+\beta 2Controlit+\lambda i+\gamma t+\epsilon it$ (1)

$DIGINONINVit=\beta 0+\beta 1RDit+\beta 2Controlit+\lambda i+\gamma t+\epsilon it$ (2)

其中DIGIINV_it、DIGINONINV_it为被解释变量，代表企业i在第t年的数字创新能力；RD_it为解释变量，代表企业i在第t年的研发投资；Control_it代表控制变量；λ_i代表个体固体效应，γ_t代表年份固定效应；ε_it代表残差。β为常数项，为各个变量对应的估计系数。

为探究知识产权保护水平对研发投资与数字创新的调节作用，构建以下调节效应模型：

$DIGIINVit=\beta 0+\beta 1RDit+\beta 2IPRit+\beta 3RDit*IPRit+\beta 4Controlit+\lambda i+\gamma t+\epsilon it$ (3)

$DIGINONINVit=\beta 0+\beta 1RDit+\beta 2IPRit+\beta 3RDit*IPRit+\beta 4Controlit+\lambda i+\gamma t+\epsilon it$ (4)

其中，IPR_it代表知识产权保护水平，其他变量的含义与上述模型保持一致。

5. 实证结果

5.1. 描述性分析

本研究使用stata17.0对全部变量的均值、标准差、最小值、最大值进行描述性统计分析，具体情况如表2所示。由表2可知，研发投资(RD)均值为4.637 × 10⁸，最小值为1.197 × 10⁷，最大值为8.569 × 10⁹，标准差为1.210 × 10⁹，表明企业间的研发投资金额存在较大的差距。数字发明专利申请数量(DIGIPAT)均值为25.89，最小值为1，最大值为553，标准差为76.31，说明企业在数字创新方面较为活跃，不同企业也存在较大差异。数字非发明专利申请数量(DIGINONPAT)均值为14.96，最小值为0，最大值为261，标准差为34.32，说明企业对数字非发明申请专利的重视程度低于发明专利。知识产权保护水平(IPR)均值为79.6，最小值为51.19，最大值为93.54，标准差为9.967，表明不同企业所在区域的知识产权保护水平有着明显不同。总体而言，各变量统计量的取值均处在正常范围内，无异常值。

Table 2. Descriptive statistics

表2. 描述性统计

Variable	N	Mean	SD	Min	Max
RD	3395	4.637 × 10^8	1.210 × 10^9	1.187 × 10^7	8.569 × 10^9
DIGIPAT	3395	25.89	76.31	1	553
DIGINONPAT	3395	14.96	34.32	0	261
IPR	3395	79.60	9.967	51.19	93.54
OWN	3395	0.243	0.429	0	1
AGE	3395	19.65	5.523	9	36
INTEN	3395	2.094	1.055	0.708	6.677
MOBI	3395	2.601	1.961	0.801	11.05
LEV	3395	0.398	0.177	0.0760	0.775
PROFIT	3395	0.0450	0.0540	-0.177	0.195
CASH	3395	0.0490	0.0600	-0.116	0.226

5.2. 相关性分析和共线性分析

在进行假设检验之前，可以初步对各变量进行相关性分析，以研究变量之间可能存在的相关关系，为后续实证检验提供支持。由表3中的相关系数矩阵可知，被解释变量与解释变量之间呈现显著的相关关系，说明可以尝试利用回归模型对主要变量间的关系进行进一步的分析。

Table 3. Correlation analysis

表3. 相关性分析

	RD	DIGIPAT	DIGINONPAT	IPR	OWN	AGE	INTEN	MOBI	LEV	PROFIT	CASH
RD	1
DIGIPAT	0.597^***	1
DIGINONPAT	0.465^***	0.684^***	1
IPR	0.057^***	−0.00800	0.040^**	1
OWN	0.164^***	0.134^***	0.0280	−0.202^***	1
AGE	0.136^***	0.087^***	0.0120	0.067^***	0.307^***	1
INTEN	−0.189^***	−0.149^***	−0.145^***	−0.117^***	−0.093^***	−0.107^***	1
MOBI	−0.186^***	−0.119^***	−0.147^***	−0.053^***	−0.115^***	−0.084^***	0.340^***	1
LEV	0.308^***	0.192^***	0.200^***	0.036^**	0.208^***	0.133^***	−0.307^***	−0.771^***	1
PROFIT	0.038^**	0.051^***	0.070^***	0.00500	−0.086^***	−0.051^***	−0.233^***	0.290^***	−0.349^***	1
CASH	0.105^***	0.100^***	0.137^***	0.0250	−0.064^***	0.046^***	−0.220^***	0.111^***	−0.150^***	0.420^***	1

^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

本研究对所涉及变量进行了方差膨胀因子检验(VIF)。由表4共线性分析可知，各变量间的方差膨胀因子VIF系数均低于5，VIF的均值为2.110，表明各个变量间不存在严重的共线性问题。

Table 4. Collinearity analysis

表4. 共线性分析

Variable	VIF	1/VIF
LEV	2.820	0.354
MOBI	2.600	0.385
DIGINONPAT	1.960	0.511
DIGIPAT	1.950	0.513
PROFIT	1.520	0.657
INTEN	1.410	0.710
CASH	1.270	0.786
OWN	1.240	0.808
AGE	1.150	0.872
IPR	1.090	0.921
Mean	VIF	1.700

5.3. 回归分析

对上述变量进行回归，结果如表5所示。列(1)、(2)分别为研发投资对数字实质性创新和数字策略性创新的影响，列(3)检验知识产权保护水平对研发投资与数字实质性创新之间关系的调节作用，列(4)检验知识产权保护水平对研发投资与数字策略性创新之间关系的调节作用。由回归结果可知，列(1)的结果显示，在控制企业年龄等控制变量并固定个体和时间效应后，研发投资对数字实质性创新的回归系数为正(β = 7.030)，且在1%的水平下显著(p < 0.01)，表明研发投资对数字实质性创新起正向促进作用。列(2)的结果显示，研发投资对数字策略性创新的回归系数为正(β = 8.374)，且在1%的水平下显著(p < 0.01)，表明研发投资对数字策略性创新起正向促进作用。H1得到支持。列(3)和列(4)在列(1)和列(2)的基础上考虑了研发投资与知识产权保护水平的交互项。列(3)的结果显示，研发投资和数字实质性创新的回归系数为正(β = 31.461)，在1%水平上显著，其中研发投资与知识产权保护水平的交互项系数为负(β = −0.297)，在1%的水平上显著，交互项与主效应符号相反，表现为抑制效应，即知识产权保护水平的提高会削弱研发投资对数字实质性创新的影响。列(4)的结果显示，研发投资和数字实质性创新的回归系数为正(β = 9.167)，在1%水平上显著，其中研发投资与知识产权保护水平的交互项系数为负(β = −0.119)，但不显著，即知识产权保护水平不会对研发投资与数字策略性创新的关系产生影响。这可能是由于与数字策略性创新相比，数字实质性创新在研发过程中，技术水平相对较高，同时伴随着高风险、高投入，加强知识产权保护对从事研发活动的被动性和消极性具有较大的刺激作用。H2部分成立。

5.4. 稳健性检验

在得到回归结果后，对其进行稳健性检验。本文分别采用替换回归模型和替换解释变量的衡量方式这两种方法。

本文回归模型中的被解释变量为计数型变量，且因变量的标准差大于其平均值，因而考虑采用面板负二项回归为替换模型[18]。结果如表6所示，列(1)与列(2)中研发投资的系数均为正值，且在1%的水平

Table 5. Results of regression analysis

表5. 回归分析结果

	(1) DIGIPAT	(2) DIGINONPAT	(3) DIGIPAT	(4) DIGINONPAT
RD	7.030^***	8.374^***	31.461^***	9.164^***
	(2.633)	(1.215)	(6.824)	(3.157)
IPR			5.495^***	0.119
			(1.434)	(0.664)
RD·IPR			−0.297^***	−0.010
			(0.076)	(0.035)
OWN	−8.698	−5.042^*	−11.362^*	−5.149^*
	(6.619)	(3.054)	(6.639)	(3.071)
AGE	10.225^***	6.170^***	9.846^***	6.193^***
	(3.512)	(1.621)	(3.508)	(1.623)
INTEN	0.984	0.633	1.037	0.620
	(1.638)	(0.756)	(1.635)	(0.756)
MOBI	−1.331	−0.243	−0.966	−0.234
	(1.038)	(0.479)	(1.040)	(0.481)
LEV	−31.943^**	−2.615	−32.547^**	−2.649
	(13.433)	(6.198)	(13.401)	(6.200)
PROFIT	−15.517	5.127	−14.580	5.299
	(21.663)	(9.995)	(21.619)	(10.003)
CASH	−9.286	8.379	−9.061	8.349
	(16.610)	(7.663)	(16.570)	(7.666)
_cons	−256.300^***	−235.800^***	−703.377^***	−245.793^***
	(75.598)	(34.879)	(138.774)	(64.207)
年份	YES	YES	YES	YES
个体	YES	YES	YES	YES
N	3395.000	3395.000	3395.000	3395.000
ll	−16,830.167	−14,204.018	−16,820.446	−14,203.811
p	0.000	0.000	0.000	0.000

Standard errors in parentheses. ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

Table 6. Robustness test (negative binomial regression)

表6. 稳健性检验(负二项回归)

	(1) DIGIPAT	(2) DIGINONPAT
RD	0.337^***	0.459^***
	(0.049)	(0.053)
OWN	−0.111	−0.312^**
	(0.112)	(0.144)
AGE	0.151^*	0.313^***
	(0.084)	(0.084)
INTEN	0.001	−0.010
	(0.027)	(0.031)
MOBI	−0.038^**	−0.038^*
	(0.017)	(0.020)
LEV	−0.701^***	−0.405
	(0.222)	(0.264)
PROFIT	−0.233	0.015
	(0.335)	(0.373)
CASH	−0.153	−0.172
	(0.295)	(0.308)
_cons	−9.464^***	−15.389^***
	(2.552)	(2.582)
lnalpha	−1.338^***	−1.160^***
	(0.046)	(0.051)
年份	YES	YES
个体	YES	YES
N	3395.000	3395.000
ll	−9875.735	−8995.609

Standard errors in parentheses. ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

上显著，表明结果具有稳健性。

基于以往学者的研究，本文选择研发人员(RDP)作为替换的解释变量，结果如表7所示。结果显示，列(1)与列(2)中研发投资的系数均为正值，且在1%的水平上显著，表明结果具有稳健性。

Table 7. Robustness test analysis (replacement of explanatory variables)

表7. 稳健性检验分析(替换解释变量)

	(1) DIGIPAT	(2) DIGINONPAT
RDP	10.589^***	6.622^***
	(2.653)	(1.230)
OWN	−8.446	−4.648
	(6.606)	(3.064)
AGE	10.476^***	6.069^***
	(3.507)	(1.626)
INTEN	0.505	−0.137
	(1.608)	(0.746)
MOBI	−1.139	−0.191
	(1.038)	(0.481)
ELEV	−33.993^**	−0.602
	(13.379)	(6.205)
PROFIT	−16.839	3.974
	(21.627)	(10.030)
CASH	−5.813	9.698
	(16.619)	(7.707)
_cons	−193.334^***	−120.028^***
	(58.921)	(27.325)
年份	YES	YES
个体	YES	YES
N	3395.000	3395.000
ll	−16824.493	−14215.834
p	0.000	0.000

Standard errors in parentheses. ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

6. 研究结论与政策启示

6.1. 研究结论

本文基于2015~2022年我国A股高技术制造业中757家上市公司数据，研究制造业企业的研发投资与数字创新之间的关系，并分析知识产权保护水平在上述关系中发挥的调节作用。主要研究结论如下：

(1) 研发投资对数字创新有正向促进作用，这与侯佳星[7]、方旭兵等[11]的研究结果一致。企业的研发投入在数字化转型背景下尤为重要，企业利用研发资源探索并应用新技术、新模式，从而驱动数字创新。

(2) 知识产权保护水平负向调节研发投资与数字实质性创新的关系，这与蔡双立等[16]的研究发现相似。在数字经济开放创新的背景下，严苛的知识产权保护水平会抑制知识产权的创新溢出效应，阻碍创新的协调发展，因此知识产权保护起负向调节作用。

(3) 知识产权保护水平对研发投资与数字策略性创新的关系无调节作用，这与纪祥裕等[19]的研究结论相似。数字策略性创新承载的技术创新能力较低，审批过程较简单，因此数字策略性创新的提升对外部创新环境的要求相对较低，且知识产权保护会对数字实质性创新给予政策与资源方面的倾斜，因此对策略性创新无显著的影响[19]。

6.2. 政策启示

广泛且深刻的数字技术变革为企业带来了全新的发展机遇，从行业来看，数字化技术的发展对行业的战略升级起到了重要的作用。因此，根据本文的研究结论，提出以下建议：

第一，要深入推进数字经济创新发展。从政府层面出发，要制定支持数字经济高质量发展政策，从企业层面出发，积极推进数字产业化、产业数字化，促进数字技术和实体经济深度融合。

第二，加大企业在数字经济领域的投资力度。政府应当鼓励企业投资数字固定资产，同时国家应持续增强对企业的税收减免措施，从而为企业进行数字技术创新提供坚实的外部支撑。另外，人力资本在提升企业数字技术创新能力方面起着举足轻重的作用。因此，须加大对数字技术领域高素质人力资本的引进与培育力度。

第三，政府应积极推动以知识产权保护为代表的制度体系建立与完善，以强化追求高质量创新者权益的保护效果，关注开放和共享，构建真正适合数字创新的氛围与环境。