1 引言
1.1 研究背景及意义
1.1.1 研究背景
制造业是国民经济的主体，是立国之本，然而我国制造业大而不强，仍停留在全球产业链的低端。我国尚未进入高收入国家行列，却提前进入了制造业比重下降的“产业空心化”时代，制造业占 GDP 的比重出现下滑，2018 年首次跌破30%的关口，下滑至 29%[1]。反观国际上，2008 年经济危机之后，大部分发达国家重新聚焦实体经济，以抢占新一轮科技和产业竞争制高点为目标，大力发展先进制造技术，以期实现“再工业化”。与此同时，国际新经济体也在加快工业化进程，试图发挥低成本优势打造新的“世界工厂”，中国正面临“低端锁定”的风险。除此之外，我国国民经济的不断发展促使消费升级，消费需求越发多样化、个性化，行业内大数据、云计算、物联网等新兴技术也在快速发展，倒逼传统制造企业走上转型的道路。
2019 年政府工作报告中首次提出“智能＋”的重要战略：“深化大数据、人工智能等研发应用。打造工业互联网平台，拓展‘智能＋’，为制造业转型升级赋能”[2]，“智能＋”的提出为我国制造企业指明了转型升级的方向。中央全面深化改革委员会审议通过的《关于促进人工智能和实体经济深度融合的指导意见》中，也强调要把握新一代人工智能发展特点，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。可见，“智能＋”不是“互联网＋”的简单升级，而是在一条全新技术轨道上呈现的新范式[3]，制造企业应当借助“智能＋”新思维实现自身的转型升级，这不仅依赖于先进生产技术，更需要整体提升自身软、硬能力，只有在理论上明确了价值创造的关键影响因素，企业才能依据自身的能力与所处环境找到适合自身的转型重点。
........................
1.2 研究方法及内容
1.2.1 研究方法
本研究结合国内外学者的相关文献，选择综合运用回归分析与内容分析法。
首先，搜集整理样本企业年报、权威媒体的相关报道、券商深度公司分析报告、公司官网资料等 7 个主要来源的质性资料，样本期间为 2016-2018 年。接着，本文结合前人研究，编制科学的编码表，进行预编码及信度、效度检测后，运用QSR NVivo 12.0 对全部质性资料进行规范编码。
其次，通过内容分析编码得出五项因素的可计算数据，以企业规模、企业上市年龄、资产负债率为控制变量，与价值创造衡量指标（EVA 回报率）共同纳入回归模型。使用 SPSS 24.0 进行描述性统计分析、相关性检验、层次回归分析和稳健性检验，以验证研究假设，证明前文理论推导的正确性。
最后，通过高频特征词聚类分析和社会网络和语义网络分析进行浅层内容分析，证明影响因素的核心地位；对整体层面、不同行业类型、不同应用场景的制造企业对五项因素的关注程度顺序进行深层内容分析，多角度地剖析样本企业智能化转型的关注点，以期得到更全面的研究结论，给出更有针对性的管理建议。
...........................
2 文献综述及理论基础
2.1 “智能＋”相关研究
2.1.1 “智能＋”的概念界定
由于“智能＋”在 2019 年政府工作报告中被提出至今的时间还较短，因此还没有形成普遍认同的定义。有部分学者指出，“智能＋”的“＋”在我国语境里代表着新兴技术与行业的深度融合，这里的“＋”既包含“加”、也包含“减”的含义。所谓“加”，就是生产要素被新兴技术重新配置、集成和优化的过程，目的是提高生产效率；所谓“减”，就是去掉障碍，淘汰落后产能和优化生产流程（姚锡凡等，2019）[10]。如果按照所依赖的关键技术是人工智能技术，“智能＋”也可认为是“人工智能＋”，“人工智能＋行业”作为一种创新范式，已经渗透至各行各业（宋石，2018）[19]。
“智能＋”制造也可以理解为是我国基于国情提出的新一轮战略规划。在“智能＋”制造词汇出现之前，为人们熟知的是“智能制造”，各国结合各自的国情给出了有不同侧重点的定义。如德国工业 4.0 侧重信息物理融合系统的应用，美国侧重柔性生产、协同供应链、能源和资源利用，日本侧重提升大数据和信息系统的应用（李杰等，2016）[20]。虽然各国的侧重点有所不同，但各国发布的有关智能制造的计划、倡议等都是基于国情和发展目标对智能制造内涵的诠释（董景辰，2017）[21]。同样地，我国的“智能＋”也是结合我国制造业需要紧抓人工智能发展契机实现“换道超车”的背景下提出的顶层战略设计，具有鲜明的指导意义。
“智能＋”制造与数字化网络化智能化制造的含义最契合，其实质上是在第一代和第二代智能制造基础上，依靠人工智能技术进行智能升级而形成的新一代智能制造，我国已有专家学者对此进行了阐述。中国工程院周济在 2017 年世界智能制造大会上首次将智能制造演进路径总结为三种范式，分别是数字化制造、数字化网络化制造和数字化网络化智能化制造，演进过程如下图 2-1 所示。其中，数字化制造被称作第一代智能制造，以计算机数字控制的广泛应用为主要特征；数字化网络化制造被称作第二代智能制造，即“互联网＋”制造，以网络将人、流程、数据和事物连接起来为特征；数字化网络化智能化制造目前被称作新一代智能制造，人工智能技术更深入地与制造业相融合，以制造系统的“学习”能力为主要特征。
...........................
2.2 企业价值相关研究
2.2.1 企业价值的概念界定
企业作为市场经济的主体，可以是生产者、投资者、消费者，企业还有上市、改制、兼并、收购、重组、破产等行为，在不同行为条件下，企业价值以不同形式表现出来，如企业账面价值、企业市场价值、企业公允价值、企业清算价值等。如果将企业视为独立于社会的个体，在金融管理角度下，企业价值主要是指该企业预期自由现金流量以其加权平均资本为贴现率进行折现的现值。在经济学角度下，认为企业也具有商品的属性，具有价值和使用价值。当企业被收购、合并时其表现出交换价值，当企业持续经营实现资本增值时其表现出使用价值。在管理学角度下，企业价值是指企业以价值管理为核心，使企业利益相关者获得满意回报的能力的反映（杨依依，2016）[30]。对于企业经营管理者而言，企业价值是驱动管理的核心（王舒健和李钊，2008）[31]。
如果将企业视为社会整体的重要组成部分，企业价值将是三种价值的总和，包括本位价值、顾客价值、社会价值。本位价值用来度量企业的获利能力和成长性，主要是指企业的经济价值；顾客价值是指企业能为顾客所创造的价值，可以用顾客让渡价值来解释。社会价值是指企业要在追求经济利益的同时要兼顾社会效益，如保护生态文明、为企业员工谋福利等（杨依依，2016）[30]。
.........................
3 “智能＋”背景下制造企业价值创造影响因素分析 .......................................23
3.1 传统智能制造背景下制造企业价值创造影响因素分析.........................23
3.1.1 基于企业资源与能力视角....................23
3.1.2 基于价值链视角.................................25
4 研究方案设计...............................43
4.1 研究方法选择.........................43
4.2 研究样本选择.........................44
4.3 样本数据采集.....................46
5 数据统计与结果分析.............................51
5.1 回归分析...................................51
5.1.1 变量及模型设定..........................51
5.1.2 描述性统计分析.........................53
5 数据统计与结果分析
5.1 回归分析
5.1.1 变量及模型设定
依据前文分析，本研究共有 5 个解释变量，包括智能化技术融合能力（ITC）、数据协同应用能力（DCA）、战略与组织调整能力（SOA）、智能化人才培养能力（QPT）和智能化价值主张创新能力（VPI）；控制变量为企业规模（Size）、公司上市时间（Age）和资产负债率（Leverage）；被解释变量企业价值创造则选用 EVA回报率（EVAR）进行评估，并增加传统财务指标净资产收益率（ROE）作为稳健性检验的被解释变量。
（1）被解释变量
本研究选用 EVA 回报率（EVAR）代表企业价值创造的结果。由于宏观环境等外界因素的影响，所属不同制造业企业间的价值创造表现可能会存在波动，因此本硏究采用 2016-2018 年的平均值。
同时选用学者广泛采用的传统财务指标净资产收益率 ROE 为替代变量进行稳定性检验。同理，本硏究用 2016-2018 年的平均值作为计算数据。
（2）解释变量
5 个解释变量将通过编码赋值得出，赋值方法已经在 4.4 小节编码规则部分进行了详细介绍介绍，在此不再赘述。
（3）控制变量
1）企业规模（Size）。张元智和马鸣萧（2004）指出，企业横向规模大可以为企业带来规模经济效益，而企业纵向规模大则会给企业带来规模不经济[120]。企业规模是一把双刃剑，因此，本研究具体将按照宁妍（2012）[121]的做法，用 2016-2018年期末总资产平均值的对数值来表示企业规模作为控制变量。
2）企业上市年龄（Age）。不同上市年龄的企业所经历的市场环境有差异，资本市场运行方式和监管政策也不尽相同。此外，不同上市年龄企业的经营效率和成长能力也表现出差异（王霄和王新宇，2009）[122]。因此，本研究将企业上市年龄作为控制变量，以 2019 年 12 月 31 日为时间截止点计算企业上市年龄。
......................
6 结论与展望
6.1 研究结论及建议
6.1.1 研究结论
制造企业拥抱“智能＋”已经成为必然趋势，然而目前既有研究大都止步于“互联网＋”制造的视角，已不能完全适用于“智能＋”新背景下的制造企业，因此本文从价值创造的角度出发，结合“智能＋”背景下制造企业的发展问题和发展趋势，提出“智能＋”背景下制造企业价值创造五要素模型，并通过回归分析与内容分析法相结合的方法，对本文的研究假设进行了验证，对研究问题做出了回答，共得到以下三点主要结论：
（1）“智能＋”背景下，智能化技术融合能力、数据协同应用能力、战略与组织调整能力、智能化人才培养能力、智能化价值主张创新能力是制造企业价值创造的核心影响因素，与企业价值创造显著正相关，企业可以通过综合增强上述五项能力来促进企业价值创造。
（2）“智能＋”背景下，制造企业在整体层面上对价值创造核心影响因素的关注程度顺序是：智能化技术融合能力>数据协同应用能力>智能化人才培养能力>智能化价值主张创新能力>战略与组织调整能力。目前，制造企业在智能化转型过程中，整体上对硬能力的关注程度高于对软能力的关注程度。
（3）不同行业类型、不同应用场景的制造企业，对五项因素中的个别因素表现出显著的关注程度差异性。一是离散型制造企业对智能化技术融合能力、战略与组织调整能力、智能化价值主张创新能力的关注程度显著高于流程型制造企业。二是以产品／服务的智能化为主要应用场景的制造企业对战略与组织调整能力、智能化人才培养能力、智能化价值主张创新能力三项软能力的关注程度显著高于以生产的智能化为主要应用场景的制造企业。不同特点的企业在规划智能化转型重点时可以依据自身特点，有选择地、前瞻性地进行蓄力。
参考文献（略）