數(shù)字化知識管理與制造業(yè)企業(yè)技術創(chuàng)新：基于動態(tài)能力視角

收稿日期：2023-03-21" 修回日期：2023-05-04

基金項目：國家自然科學基金項目（72263005）；海南省自然科學基金項目（723MS041）;海南省哲學社會科學規(guī)劃項目（HNSK（YB）23-36）

作者簡介：邵兵（1980-），男，湖北黃石人，東北大學工商管理學院博士研究生，海南師范大學經(jīng)濟與管理學院副教授，研究方向為數(shù)字經(jīng)濟與技術創(chuàng)新；匡賢明（1978-），男，江西泰和人，博士，中國（海南）改革發(fā)展研究院副院長、研究員，研究方向為中國改革理論與實踐；王翚（1982-），女，福建惠安人，博士，海南大學經(jīng)濟學院副教授，研究方向為數(shù)字貿(mào)易。

摘" 要：隨著數(shù)字技術與知識管理的融合，數(shù)字化知識管理正在成為企業(yè)獲取技術競爭優(yōu)勢的新手段?；趧討B(tài)能力理論，以2007-2021年滬深A股上市公司中制造業(yè)企業(yè)數(shù)據(jù)為樣本，實證分析數(shù)字化知識管理對企業(yè)技術創(chuàng)新的影響及作用機制。研究發(fā)現(xiàn)：數(shù)字化知識管理對企業(yè)技術創(chuàng)新有顯著正向影響，其主要通過吸收能力、適應能力和創(chuàng)新能力發(fā)揮作用。研究結論不僅可從數(shù)字化知識管理角度拓展和深化數(shù)字化轉(zhuǎn)型與技術創(chuàng)新理論研究，也可為企業(yè)實施數(shù)字化知識管理、促進技術創(chuàng)新提供啟示。

關鍵詞：數(shù)字化知識管理；技術創(chuàng)新；吸收能力；適應能力；創(chuàng)新能力

DOI：10.6049/kjjbydc.2023030519

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號：F272.4

文獻標識碼：A

文章編號：1001-7348（2024）14-0111-11

0" 引言

制造業(yè)是立國之本、強國之基，是實體經(jīng)濟的重要基礎。在數(shù)字經(jīng)濟背景下，中國的制造業(yè)企業(yè)也正在進行數(shù)字化轉(zhuǎn)型。2022年11月習近平總書記在黨的二十大報告中指出：“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合。”推動制造業(yè)加速轉(zhuǎn)向數(shù)字化、網(wǎng)絡化、智能化，已經(jīng)成為中國制造業(yè)高質(zhì)量發(fā)展的必然選擇。

關于數(shù)字化轉(zhuǎn)型促進中國制造業(yè)企業(yè)技術創(chuàng)新及其作用機制的研究剛剛起步［1］。理論上，研究者們將數(shù)字化轉(zhuǎn)型作為整體概念，研究其對技術創(chuàng)新的影響，忽略了數(shù)字化轉(zhuǎn)型的可分解性和復雜系統(tǒng)流程性，不利于指導制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型實踐，也無法回答數(shù)字化轉(zhuǎn)型促進技術創(chuàng)新的具體作用機制。其中，數(shù)字化知識管理是數(shù)字化轉(zhuǎn)型的首要環(huán)節(jié)。一方面，數(shù)字化轉(zhuǎn)型涵蓋組織機構、業(yè)務流程、產(chǎn)品和服務、商業(yè)模式等方面［2-4］，其中，組織層面數(shù)字化轉(zhuǎn)型涉及關鍵業(yè)務，進而影響產(chǎn)品和流程，引起商業(yè)模式變革［5］，因此組織層面數(shù)字化轉(zhuǎn)型決定數(shù)字化轉(zhuǎn)型的其它方面。另一方面，數(shù)字化轉(zhuǎn)型需要以數(shù)字化知識管理為中心，促進組織結構扁平化、柔性化、網(wǎng)絡化和虛擬化［6］，進而實現(xiàn)組織變革。因此，企業(yè)數(shù)字化知識管理作為組織變革的決定性影響因素，具體包括業(yè)務流程、產(chǎn)品與服務、商業(yè)模式等方面創(chuàng)新。

因此，本文提出數(shù)字化知識管理概念，研究其對制造業(yè)企業(yè)技術創(chuàng)新的影響，并從動態(tài)能力視角分析其作用機制。一方面，數(shù)字化轉(zhuǎn)型是企業(yè)利用數(shù)字化技術進行變革的整體概念。數(shù)字化知識管理是數(shù)字化轉(zhuǎn)型的首要環(huán)節(jié)，也是其根基和邏輯起點；另一方面，知識管理的顯著特點是信息化，而數(shù)字化知識管理的特點表現(xiàn)為智能化、平臺化、結構化、顯性化等。此外，動態(tài)能力是研究數(shù)字化轉(zhuǎn)型的理論基礎［7］，數(shù)字化知識管理作為數(shù)字化轉(zhuǎn)型的首要環(huán)節(jié)，通過在知識獲取、知識整合、知識吸收、知識應用以及創(chuàng)新環(huán)節(jié)的數(shù)字技術應用促進動態(tài)能力形成［8］，提升企業(yè)技術創(chuàng)新能力［9］。

基于此，本文以2007-2021年滬深A股上市制造業(yè)企業(yè)為樣本，探究企業(yè)數(shù)字化知識管理能否促進企業(yè)技術創(chuàng)新以及影響機制。本文可能的貢獻在于：①提出數(shù)字化知識管理概念，不同于以往學者采取問卷調(diào)查獲取數(shù)據(jù)的研究方法，本文使用文本分析法量化數(shù)字化知識管理，利用上市公司面板數(shù)據(jù)分析數(shù)字化知識管理水平，進而拓展知識管理研究方法，深化數(shù)字化轉(zhuǎn)型研究；②驗證數(shù)字化知識管理對企業(yè)技術創(chuàng)新的正向影響，證實吸收能力、適應能力和創(chuàng)新能力在兩者間的中介作用，揭示中國制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的底層邏輯——數(shù)字化知識管理，啟發(fā)研究者進一步解構數(shù)字化轉(zhuǎn)型過程機制。同時，將動態(tài)能力與數(shù)字化知識管理相結合，拓展動態(tài)能力理論。

1" 理論與假設

1.1" 知識管理與數(shù)字化知識管理

國內(nèi)外學者對知識管理進行了大量研究。從目的來看，知識管理通過創(chuàng)造、獲取和使用知識以提升創(chuàng)新績效［10］。從過程來看，知識管理涉及知識創(chuàng)造、存儲和索引、轉(zhuǎn)移以及應用4個過程（Maryam等，2012）。隨著大數(shù)據(jù)、人工智能等數(shù)字技術發(fā)展與應用［11］，知識管理進入數(shù)字化階段。數(shù)字化知識管理利用數(shù)字化技術，識別、獲取、分析、應用以及創(chuàng)造新知識，有助于提升組織技術創(chuàng)新能力。

然而，學者們很少關注到數(shù)字化知識管理與知識管理間的巨大差異，只是將數(shù)字化知識管理視作知識管理的延續(xù)。兩者無區(qū)別地對待可能導致的問題是：①無法區(qū)分數(shù)字化技術和知識管理對企業(yè)技術創(chuàng)新的影響，也不能回答技術創(chuàng)新是由數(shù)字化技術還是知識管理導致的，更無法清晰解釋技術創(chuàng)新形成機理和路徑；②不利于企業(yè)打造數(shù)字化知識管理能力，由于無法區(qū)別數(shù)字化知識管理與知識管理，因而無法從知識智能化、社區(qū)化、平臺化、結構化、顯性化等方面構建數(shù)字化知識管理能力；③不利于數(shù)字化轉(zhuǎn)型的具體實施，無法從企業(yè)內(nèi)部解構數(shù)字化轉(zhuǎn)型流程，因而無法從微觀層面有效探索和指導企業(yè)數(shù)字化轉(zhuǎn)型。關于傳統(tǒng)知識管理與數(shù)字化知識管理的區(qū)別主要體現(xiàn)在7個方面，具體見表1。

1.2" 數(shù)字化知識管理與技術創(chuàng)新

基于數(shù)字化知識管理與知識管理的差異，數(shù)字化知識管理對技術創(chuàng)新的影響集中體現(xiàn)在外部知識獲取、知識共享、隱性知識顯性化、知識結構化、知識創(chuàng)新等方面。

第一，數(shù)字化知識管理通過拓展知識獲取渠道，促進技術創(chuàng)新。數(shù)字化知識管理不僅通過拓展知識獲取渠道促進技術創(chuàng)新［12］，而且通過提高知識分享效率促進技術創(chuàng)新。一方面，在傳統(tǒng)的知識管理中，知識來源往往基于人工判斷和識別，而數(shù)字化知識管理通過語義搜索引擎進行智能化搜索，節(jié)省了識別海量數(shù)據(jù)的時間成本，而且能提高搜索效率，有利于技術人員高效自主學習，提升研發(fā)技能。例如，組織通過自然語言處理（NLP）技術，利用機器學習和智能搜索，將非結構化和半結構化信息轉(zhuǎn)化為結構化知識，能迅速獲取與關鍵詞相關的語義信息，提高技術人員學習效率。另一方面，傳統(tǒng)知識管理大多通過紙質(zhì)文本獲取知識，而數(shù)字化知識管理通過內(nèi)外渠道，可應用批量下載、格式轉(zhuǎn)換、存儲等技術，獲取豐富的文本、圖片、音頻、視頻等信息。例如使用Python代碼，從特定網(wǎng)站自動“爬取”批量信息和知識，然后使用音頻、圖片、視頻識別等技術，轉(zhuǎn)化為文本信息并存儲到大規(guī)模數(shù)據(jù)庫中，為智能搜索奠定基礎。此外，數(shù)字化知識管理利用知識社區(qū)、知識平臺拓展知識獲取渠道，極大豐富了信息總量，為提升價值、提高工作效率發(fā)揮了重要作用。例如技術人員從開源技術平臺（中國的CSDN平臺，國外的GitHub平臺）獲取某段代碼或程序模塊，不僅能提高工作效率，而且提升了技術能力。外部客戶知識搜集有利于產(chǎn)品改進和創(chuàng)新。Cui amp; Wu［13］研究指出，多方知識共享為思路創(chuàng)新提供方向指引；Bugshan［14］從客戶角度研究知識共享與創(chuàng)新關系，認為在知識共享過程中，不僅客戶向企業(yè)創(chuàng)新部門積極分享創(chuàng)新知識，而且企業(yè)也可以通過客戶交流獲取第三方知識，因此知識獲取渠道拓展有利于技術創(chuàng)新。

第二，數(shù)字化知識管理有助于促進知識共享，提升技術創(chuàng)新能力。在數(shù)字化環(huán)境下，知識共享既存在于技術研發(fā)合作中，也存在于聯(lián)盟等創(chuàng)新協(xié)作中，使得企業(yè)創(chuàng)新系統(tǒng)形成一個囊括從供應商到消費者、從企業(yè)內(nèi)部到外部利益相關者的知識共享網(wǎng)絡。學者們使用實證研究方法探究開放式創(chuàng)新與創(chuàng)新績效關系，證實開放式創(chuàng)新對創(chuàng)新績效具有積極影響［15-16］。其邏輯為：企業(yè)內(nèi)外部創(chuàng)新主體共享知識是開放式創(chuàng)新的前提，創(chuàng)新主體將獲取的知識與自身知識融合，最終提升創(chuàng)新績效。此外，數(shù)字技術有利于促進企業(yè)合作與交流，實現(xiàn)知識共享，啟發(fā)企業(yè)創(chuàng)意和靈感，促進技術、生產(chǎn)工藝和商業(yè)模式等方面創(chuàng)新，進而對創(chuàng)新績效產(chǎn)生積極影響［17］。

第三，數(shù)字化知識管理有助于促進隱性知識轉(zhuǎn)化為顯性知識，提升技術創(chuàng)新能力。Madhavan amp; Grover［18］指出，技能類隱性知識有助于促進產(chǎn)品創(chuàng)新和新技術開發(fā)，而認知類隱性知識也對創(chuàng)新產(chǎn)生正向影響。在知識獲取、應用和創(chuàng)新過程中，數(shù)字化知識管理利用數(shù)字化技術將隱性知識可視化，有助于員工理解并應用知識，提升工作效率和能力，促進技術創(chuàng)新。

第四，數(shù)字化知識管理通過知識結構化，提升技術創(chuàng)新能力。傳統(tǒng)知識管理在進行信息分析時主要依靠人工，易受到主觀因素影響，且效率較低。在數(shù)字化知識管理下，可利用機器學習、認知計算等技術對知識進行拆分、重組和聚類，將半結構化和非結構化知識轉(zhuǎn)化為結構化知識，縮短研發(fā)和設計時間，快速滿足客戶需求。例如，AI通過創(chuàng)新系統(tǒng)流程，降低人力和成本約束，助力企業(yè)提高研發(fā)效率，縮短研發(fā)流程，優(yōu)化企業(yè)內(nèi)部組織，最終提高組織創(chuàng)新績效。

第五，數(shù)字化知識管理有利于知識創(chuàng)新。知識創(chuàng)新貫穿于知識管理全流程，數(shù)字化知識管理有助于促進知識創(chuàng)新，提升技術創(chuàng)新效果。一方面數(shù)字化知識管理為員工節(jié)省識別、獲取、分析知識的時間，為知識創(chuàng)新提供時間保障；另一方面數(shù)字化知識管理促進知識共享網(wǎng)絡平臺和知識創(chuàng)新網(wǎng)絡平臺形成，為組織創(chuàng)新提供基礎支撐。例如云計算技術有助于企業(yè)進行知識存儲，優(yōu)化知識管理流程，提高知識共享效率，為知識社區(qū)、創(chuàng)新社區(qū)形成與發(fā)展提供技術保障。

綜上所述，本文提出如下研究假設：

H1：數(shù)字化知識管理促進企業(yè)技術創(chuàng)新。

1.3" 數(shù)字化知識管理、動態(tài)能力與技術創(chuàng)新

Wangamp; Ahmed［19］提出，動態(tài)能力包括吸收能力、適應能力和創(chuàng)新能力。諸多學者研究了吸收能力［20］、適應能力［21］和創(chuàng)新能力［22］對技術創(chuàng)新的正向影響，但是有關數(shù)字化知識管理對動態(tài)能力3個維度影響的研究較少。

數(shù)字化知識管理有助于提高吸收能力。Cohen amp; Levinthal［23］認為，吸收能力是企業(yè)識別、消化和利用外部新知識，并將其推向商業(yè)化應用的能力。本文認為數(shù)字化知識管理能夠通過數(shù)字技術促進知識識別、獲取和應用。一是，面對海量數(shù)據(jù)，企業(yè)利用大數(shù)據(jù)、自然語言處理、機器學習等技術，高效地分析信息價值，有助于提升外部資源識別能力。二是，企業(yè)在運用語義搜索、人工智能搜索技術時，能大幅降低知識搜尋成本、交易成本和運營成本［24］，并在數(shù)字化、密集化創(chuàng)新網(wǎng)絡中不斷獲取互補性資產(chǎn)，降低試錯成本（戚聿東等，2020），從而促進企業(yè)知識獲取能力提升［25］。三是，企業(yè)借助虛擬仿真、數(shù)字孿生和可視化等技術，將非結構化知識轉(zhuǎn)化為結構化、可視化知識，實現(xiàn)隱性知識顯性化［26］，進而有助于提高企業(yè)的知識應用和轉(zhuǎn)化效率。此外，數(shù)字化知識管理有利于促進內(nèi)外部員工學習、交流、討論、實踐，改善組織知識融合系統(tǒng)，促進組織創(chuàng)新能力提升［27］。因此，知識交叉與融合是創(chuàng)新的重要來源之一［28］，數(shù)字化知識管理技術為其創(chuàng)造了條件。據(jù)此，本文提出如下研究假設：

H2：吸收能力在數(shù)字化知識管理與技術創(chuàng)新間發(fā)揮中介作用。

數(shù)字化知識管理有助于提升組織適應能力。企業(yè)進行市場機會挖掘時，需要識別與評估客戶信息［29］。企業(yè)利用數(shù)字化知識管理中的語義分析和搜索技術，廣泛采集產(chǎn)品銷量、服務次數(shù)、關注程度、體驗評價等信息，通過關鍵詞詞頻判斷市場需求變化，從而快速調(diào)整企業(yè)生產(chǎn)以滿足客戶需求。因此，具有較高適應能力的企業(yè)可以根據(jù)市場變化及時作出調(diào)整，克服組織慣性，增強企業(yè)環(huán)境適應力［30］，最終提升技術創(chuàng)新成效。據(jù)此，本文提出如下研究假設：

H3：適應能力在數(shù)字化知識管理與技術創(chuàng)新間發(fā)揮中介作用。

數(shù)字化知識管理有助于提升企業(yè)創(chuàng)新能力。數(shù)字化知識管理水平較高企業(yè)一般具有良好的學習氛圍，有利于吸收外部知識，形成新知識，促進企業(yè)創(chuàng)新能力提升。特別是伴隨智能化和交互性社區(qū)及平臺的大量涌現(xiàn)，具有較強創(chuàng)新能力的企業(yè)可通過數(shù)字化知識管理，利用大數(shù)據(jù)和人工智能技術高效整合知識，節(jié)省研發(fā)時間和成本，啟發(fā)創(chuàng)新者靈感，從而促進技術創(chuàng)新。據(jù)此，本文提出如下研究假設：

H4：創(chuàng)新能力在數(shù)字化知識管理與技術創(chuàng)新間發(fā)揮中介作用。

2" 研究設計

2.1" 樣本選擇與數(shù)據(jù)來源

本文以 2007—2021 年滬深A股上市公司中的制造業(yè)企業(yè)為樣本。根據(jù)中國證監(jiān)會2012年發(fā)布的《上市公司行業(yè)分類指引》，制造業(yè)共有31個大類行業(yè)，本文樣本涉及29個大類行業(yè)，見表2。其中，專用設備制造業(yè)、計算機、通信和其它電子設備制造業(yè)以及儀器儀表制造業(yè)的數(shù)字化知識管理均值較高， 反映出這些行業(yè)上市公司的數(shù)字化知識管理水平較高。本文的企業(yè)研發(fā)投入、專利申請量等數(shù)據(jù)主要來源于萬得（WIND）金融數(shù)據(jù)庫、國泰安（CSMAR）和CHOICE數(shù)據(jù)庫，中介變量和控制變量數(shù)據(jù)根據(jù)基礎數(shù)據(jù)變換或計算得到，主要解釋變量數(shù)據(jù)根據(jù)制造業(yè)上市公司年報信息整理而得。為排除極值對樣本估計量的影響，對連續(xù)變量作前后1%縮尾處理，得到樣本量為 2 719家公司，時間跨度15年，總共21 972個年度觀測值。

2.2" 自變量測算

自變量數(shù)字化知識管理借鑒吳非等［31］的研究方法，采用文本分析法提取上市公司年報中有關數(shù)字化知識管理的關鍵詞并進行詞頻計數(shù)，以衡量企業(yè)數(shù)字化知識管理水平。為了保證選取的關鍵詞科學合理，通過 Python 語言編寫爬蟲程序，從證監(jiān)會指定網(wǎng)站整理上海證券交易所、深圳證券交易所制造業(yè)上市公司年度報告，并通過“迅捷轉(zhuǎn)換器”提取所有PDF文本內(nèi)容，轉(zhuǎn)化為TXT格式，以便后續(xù)的特征詞篩選。具體步驟如下：第一步，文獻搜索。從“中國知網(wǎng)”下載2014年1月1日至2022年10月1日公開發(fā)表的關于“知識管理”“組織學習”文獻，為了保證文獻質(zhì)量，選擇受到“國家自然科學基金”“國家社會科學基金”“教育部人文社會科學研究項目”資助的文獻，分別為116篇和135篇。第二步，文獻關鍵詞提取。利用Python的“jieba”分詞模塊，對中文文獻進行分詞，去除停用詞，按照由高到低的詞頻進行排列，從251篇文獻中提取關鍵詞根。第三步，關鍵詞擴展。參照胡媛媛等［32］的方法，繼續(xù)編寫Python程序，使用Word2Vec機器學習算法模塊對企業(yè)年報文本進行訓練。由于年報文本數(shù)據(jù)量大，而且2021年報涵蓋之前的數(shù)字化知識管理成果，因此以2021年報文本作為訓練集，生成算法模型，然后利用訓練好的算法模型進行近義詞聯(lián)想與擴展，最后得到97個關鍵詞，見表3。最后，編寫Python程序，從2007-2021年的制造業(yè)上市公司年報中進行關鍵詞檢索和詞頻統(tǒng)計，并以年度和公司面板數(shù)據(jù)形式進行加總，對其加1后取自然對數(shù)，得到數(shù)字化知識管理指標，即lnkmdt。

本文使用文獻確定關鍵詞詞根，并利用機器學習算法擴展關鍵詞。其合理性體現(xiàn)為以下幾點：一是上市公司年報文本分析法在國內(nèi)頂級期刊頻頻出現(xiàn)，說明此種方法逐漸被學者接受。這是因為公司年報中披露的信息含有報告期內(nèi)企業(yè)經(jīng)營狀況回顧和未來發(fā)展展望。數(shù)字化知識管理是制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的首要環(huán)節(jié)，其信息也應包含在年報中（胡楠等，2021）。二是通過文獻提取關鍵詞根，并利用機器學習算法擴展關鍵詞，減少了人為干預，具有一定客觀性。三是文獻分析與變量相關性分析的一致性，部分說明數(shù)字化知識管理變量衡量的合理性。 本文樣本的數(shù)字化知識管理水平與吸收能力、適應能力和創(chuàng)新能力的相關系數(shù)顯著，分別為0.141、0.115和0.216，與理論分析結果一致。由于數(shù)字化知識管理是數(shù)字化轉(zhuǎn)型的首要環(huán)節(jié)，兩者間存在一定相關性，通過驗證兩者相關性側面印證數(shù)字化知識管理變量的合理性。本文使用趙宸宇［33］的數(shù)字化轉(zhuǎn)型分詞詞典中的99個關鍵詞，統(tǒng)計各關鍵詞詞頻，加總后對其加1取自然對數(shù)，得到數(shù)字化轉(zhuǎn)型指標（dt），然后計算數(shù)字化知識管理（lnkmdt）和數(shù)字化轉(zhuǎn)型（dt）間的相關性。其相關系數(shù)顯著（0.325），說明數(shù)字化知識管理與數(shù)字化轉(zhuǎn)型密切相關，與理論分析一致。以上均印證了由詞頻法提取的數(shù)字化知識管理變量有效。

2.3" 因變量測算

由于本文研究主題是數(shù)字化知識管理對技術創(chuàng)新的影響，因此以研發(fā)投入衡量技術創(chuàng)新存在不確定性等問題，而以產(chǎn)出結果衡量技術創(chuàng)新水平能夠直接反映制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型成效。因此，參照黎文靖和鄭曼妮［34］的研究，以企業(yè)專利申請數(shù)量衡量技術創(chuàng)新（lntpat）。

2.4" 中介變量測算

大部分研究對動態(tài)能力的測量采用問卷調(diào)查法并使用截面數(shù)據(jù)，無法洞察其隨時間演變的規(guī)律。因此，參考楊林等（2020）的做法，從組織和時間角度對吸收能力、適應能力和創(chuàng)新能力進行測量。具體操作如下：①創(chuàng)新能力（rd），將研發(fā)投入強度和技術人員占比兩個指標進行標準化后求和得到；②吸收能力（absorb），用研發(fā)支出與營業(yè)收入之比度量；③適應能力（adap），將廣告收入、研發(fā)投入和資本支出的變異系數(shù)取負值。

2.5" 其它變量

參照余明桂等［35］和He amp; Tian［36］的研究，設置以下控制變量：上市年限（lnage），采用當年年份減去公司上市年份并取自然對數(shù)；企業(yè)規(guī)模（lnsize），采用公司年末總資產(chǎn)并取自然對數(shù)；產(chǎn)權性質(zhì)（gov），國有企業(yè)取1，非國有企業(yè)為0；資產(chǎn)收益率（roa），采用企業(yè)凈利潤與年度平均資產(chǎn)總額的比值（%）；資產(chǎn)負債率（lev），采用企業(yè)總負債與總資產(chǎn)之比（%）；股權集中度（oneshare），采用第一大股東持股比例（%）；營業(yè)收入增長率（growth），即當年營業(yè)收入與上年營業(yè)收入之差除以上年營業(yè)收入（%）；兩職兼任（dual）：董事長兼任總經(jīng)理為1，否則為0；獨立董事比例（indrat），即獨立董事人數(shù)占董事會總人數(shù)的比例（%）。變量定義見表4。

2.6" 描述性統(tǒng)計及相關性分析

如表5、表6所示，描述性統(tǒng)計分析結果顯示，數(shù)字化知識管理平均值為0.12，說明我國上市公司實行數(shù)字化知識管理的數(shù)量偏少。相關性分析結果顯示，僅有吸收能力和創(chuàng)新能力中介變量相關系數(shù)大于0.5，表明變量間不存在多重共線性問題。

3" 數(shù)字化知識管理對技術創(chuàng)新的影響

3.1" 基本回歸分析

由于樣本公司數(shù)量為2 719家，如果采用個體固定效應模型，將包含較多虛擬變量，降低模型估計自由度，并且我國數(shù)字化轉(zhuǎn)型正處于起步階段，僅有少部分企業(yè)實施數(shù)字化知識管理，數(shù)值變化較小，可能導致參數(shù)估計偏差?？紤]到數(shù)字化知識管理對企業(yè)技術創(chuàng)新的影響，構建控制行業(yè)和時間的基準固定效應模型如下：

lntpati，t=α+β1lnkmdti，t+β2CVsi，t+ΣtYeart+Σjindj+εi，t（1）

其中，lntpati，t表示上市公司i在時間t的技術創(chuàng)新，lnkmdti，t表示上市公司i在時間t的數(shù)字化知識管理，CVsi，t為控制變量，包含lnsizei，t、lnagei，t、levi，t、oneholdi，t、growthi，t、roai，t、govi，t、duali，t、indrati，t，ΣtYeart和Σjindj分別為年份與行業(yè)固定效應，εi，t為隨機誤差項。

表7第（1）列為以專利申請量為被解釋變量的基準回歸結果，可以發(fā)現(xiàn)，數(shù)字化知識管理（lnkmdt）顯著正向影響企業(yè)技術創(chuàng)新，即隨著企業(yè)數(shù)字化知識管理水平提升，企業(yè)技術創(chuàng)新能力增強，假設H1得證。

3.2" 內(nèi)生性處理

數(shù)字化知識管理對企業(yè)技術創(chuàng)新的正向影響可能存在內(nèi)生性問題，這是因為技術創(chuàng)新能夠提高企業(yè)市場價值，激勵企業(yè)重視人才培養(yǎng)，同時加大數(shù)字化知識管理投入，從而形成數(shù)字化知識管理促進企業(yè)技術創(chuàng)新的良性循環(huán)。由于內(nèi)生性問題可能帶來估計偏誤，因此本文擬從以下幾方面緩解內(nèi)生性問題。

（1）工具變量法。借鑒Fisman amp;Svensson［37］的工具變量構造方法，選取同區(qū)域和同行業(yè)其它企業(yè)均值作為工具變量（lnkmdt_mean）。由于行業(yè)內(nèi)部存在競爭與協(xié)作關系，企業(yè)通過標桿管理進行模仿，并通過吸引行業(yè)技術人才和內(nèi)部人才培養(yǎng)方式，提升知識轉(zhuǎn)化效率，從而形成競爭力。區(qū)域競爭態(tài)勢和行業(yè)特點會影響企業(yè)數(shù)字化知識管理水平，但對企業(yè)技術創(chuàng)新沒有直接影響。工具變量檢驗結果顯示：Kleibergen-Paap rk LM 的P值小于0.01，拒絕不可識別的原假設；Kleibergen-Paaprk的Wald F統(tǒng)計量為351.354，遠大于10％的Stock-Yogo標準（16.38），拒絕弱工具變量的原假設。由表6的回歸結果可知，第（2）列為工具變量第一階段估計結果，工具變量lnkmdt_mean系數(shù)顯著為正，符合工具變量的相關性要求；第（3）列為第二階段估計結果，其顯示數(shù)字化知識管理回歸系數(shù)顯著為正，說明控制部分內(nèi)生性問題后，數(shù)字化知識管理對企業(yè)技術創(chuàng)新的顯著正向影響仍然存在。

（2）傾向得分匹配法（PSM 法）。為進一步緩解選擇偏誤問題，采用PSM檢驗內(nèi)生性。根據(jù)企業(yè)是否進行數(shù)字化知識管理分為處理組和對照組，若企業(yè)進行數(shù)字化知識管理，lkmdt編碼為 1，設定為處理組，反之編碼為 0，設定為對照組，結合前文所述的一系列控制變量（lnsize、lnage、lev、onehold、growth、roa、gov、dual和indrat），同時，控制時間和行業(yè)作為匹配變量，使用 Logit 回歸計算傾向得分，選擇一對一最近鄰匹配，將匹配得到的樣本分別進行回歸。表7為PSM檢驗結果，可以發(fā)現(xiàn)，第（4）列中企業(yè)技術創(chuàng)新的平均處理效應值（ATT）為0.274 5，在1%水平上顯著（T-stat為5.03），表明進行數(shù)字化知識管理的上市公司相較于其它上市公司，其技術創(chuàng)新水平高出0.274 5。然后，對匹配樣本進行回歸檢驗，結果表明，數(shù)字化知識管理（lnkmdt）系數(shù)顯著為正，該結果與基準回歸結果一致。

（3）Heckman兩階段模型法。為緩解可能存在的樣本選擇偏誤問題，使用Heckman兩階段模型進行檢驗。第一階段，除選取與主回歸模型一樣的控制變量、時間虛擬變量以及行業(yè)虛擬變量外，以相同時間段、相同區(qū)域的其它企業(yè)數(shù)字化知識管理水平均值作為外生變量（ivprovin），構建Probit回歸模型，計算逆米爾斯比率（IMR），檢驗這些特征變量是否影響數(shù)字化知識管理（lkmdt）。這是因為數(shù)字化知識管理水平會受到區(qū)域數(shù)字化資源影響，但是對單個企業(yè)技術創(chuàng)新沒有直接影響。第二階段，將IMR作為控制變量加入主回歸模型，檢驗可能存在的選擇性偏誤。檢驗結果顯示，逆米爾斯比率（IMR）估計系數(shù)具有統(tǒng)計顯著性，且外生變量（ivprovin）系數(shù)非常顯著，表明存在數(shù)字化知識管理分布偏差。因此，有必要檢驗樣本自選擇對基準回歸結果的影響。在加入IMR后，數(shù)字化知識管理（lnkmdt）對專利申請量（lntpat）的回歸系數(shù)顯著，為0.271 2，與基準回歸結果基本一致。綜上所述，控制選擇性偏差后，研究假設H1依然成立。

3.3" 其它穩(wěn)健性檢驗

為了驗證基準模型穩(wěn)健性，進行以下測試：①替換因變量，以企業(yè)發(fā)明專利申請量加上1并取其自然對數(shù)（lninpat）測度；②考慮到數(shù)字化知識管理的累積效應，即數(shù)字化知識管理的軟硬件投入、經(jīng)驗和效果在后期繼續(xù)發(fā)揮作用，因此采用滯后一期的數(shù)字化知識管理（l.lnkmdt）作為解釋變量；③分樣本檢驗，考慮到國有企業(yè)與非國有企業(yè)的差異性，將樣本企業(yè)劃分為國有企業(yè)和非國有企業(yè)兩組，分別進行檢驗；④剔除異常年份樣本，這是因為在樣本區(qū)間內(nèi)存在3個可能影響企業(yè)技術創(chuàng)新的重要事件，因此按照吳非［31］的做法，剔除2008 年（全球金融危機）和2015年（中國股災），以及2020年和2021年（新冠疫情）數(shù)據(jù)，本文最終選取 2010-2014年和2016-2019年數(shù)據(jù)進行回歸。

如表8所示，控制時間和行業(yè)變量后，數(shù)字化知識管理對企業(yè)技術創(chuàng)新有顯著正向影響，說明基準模型結論非常穩(wěn)健。

4" 機制路徑檢驗

上述研究充分論證了數(shù)字化知識管理對企業(yè)技術創(chuàng)新的影響，但需要注意的是，作用機制尚不明晰。因此，本文將分別對適應能力、吸收能力和創(chuàng)新能力3種作用渠道進行檢驗。借鑒Baron amp; Kenny［38］的思路，并參照溫忠麟等［39］的逐步回歸法，結合Bootstrap方法進行Sobel中介因子檢驗，以證實中介效應存在。

lntpati，t=α+α1lnkmdti，t+Σα2CVsi，t+ΣtYeart+Σjindj+εi，t（2）

Mediatori，t=θ+θ1lnkmdti，t+Σθ2CVsi，t+ΣtYeart+Σjindj+εi，t（3）

lntpati，t=δ+δ1lnkmdti，t+δ2Mediatori，t+Σδ3CVsi，t+ΣtYeart+Σjindj+εi，t（4）

式（2）（3）（4）中，CVsi，t為控制變量（lnsize、lnage、lev、onehold、growth、roa、gov、dual和indrat），ΣtYeart為控制時間變量，Σjindj為控制行業(yè)變量。

第一，吸收能力的中介效應（absorb）。表9中第（1）—（3）列結果分別對應式（2）、式（3）和式（4）?；貧w結果顯示，首先，總效應系數(shù)、直接效應系數(shù)、間接效應系數(shù)a及b均十分顯著，故吸收能力存在中介效應。其次，通過Bootstrap方法進行Sobel中介因子檢驗，進一步證實中介效應存在（Sobel Z值分別為4.953，p＜0.01，中介效應為4.4%），說明吸收能力在數(shù)字化知識管理與企業(yè)技術創(chuàng)新關系中發(fā)揮中介作用，研究假設H2得證。

第二，適應能力的中介效應（adap）。首先，進行逐步回歸檢驗，表9中第（1）（4）和（5）列分別對應式（2）（3）和（4）?；貧w結果顯示，總效應系數(shù)、直接效應系數(shù)、間接效應系數(shù)a及b均十分顯著，故適應能力存在中介效應。其次，通過Bootstrap方法進行Sobel中介因子檢驗，進一步證實適應能力的中介效應存在（Sobel Z值分別為3.128，p＜0.01，中介效應為7.61%），故研究假設H3成立。可能的原因是，企業(yè)通過數(shù)字化知識管理，能直接或間接地將知識等戰(zhàn)略資源投向技術研發(fā)、產(chǎn)品與服務以及商業(yè)模式等創(chuàng)新環(huán)節(jié)，最終促進企業(yè)技術創(chuàng)新。

第三，創(chuàng)新能力的中介效應（rd）。表9中第（1）（6）和（7）列分別對應式（2）（3）和（4）?；貧w結果顯示，總效應系數(shù)、直接效應系數(shù)、間接效應系數(shù)a及b均十分顯著，故創(chuàng)新能力存在中介效應。通過Bootstrap方法進行Sobel中介因子檢驗，進一步證實創(chuàng)新能力的中介效應存在（Sobel Z值分別為7.195，p＜0.01，中介效應為12.30%），說明創(chuàng)新能力在數(shù)字化知識管理與企業(yè)技術創(chuàng)新關系中發(fā)揮中介作用，即研究假設H4得證。

5" 結論與啟示

實證研究發(fā)現(xiàn)，數(shù)字化知識管理對企業(yè)技術創(chuàng)新具有顯著正向影響，該影響通過吸收能力、適應能力和創(chuàng)新能力發(fā)揮作用。本文的理論貢獻體現(xiàn)在以下方面：首先，提出了數(shù)字化知識管理概念，采用文本分析法從上市公司年報中提取關鍵詞并對其量化，深化了數(shù)字化轉(zhuǎn)型和知識管理研究，也拓展了數(shù)字化知識管理研究方法；其次，從吸收能力、適應能力和創(chuàng)新能力角度分析數(shù)字化知識管理對企業(yè)技術創(chuàng)新的影響，充實了動態(tài)能力理論。研究不僅豐富了數(shù)字化轉(zhuǎn)型維度，而且拓展了動態(tài)能力與數(shù)字化知識管理理論研究。

本文研究對制造業(yè)企業(yè)實施數(shù)字化轉(zhuǎn)型具有重要參考價值：一是，數(shù)字化轉(zhuǎn)型的根基在于數(shù)字化知識管理。大多數(shù)企業(yè)非常重視數(shù)字化轉(zhuǎn)型對技術創(chuàng)新的促進作用，但實際效果堪憂。主要原因是：企業(yè)管理者誤把數(shù)字化轉(zhuǎn)型視為一個整體，認為實施數(shù)字化轉(zhuǎn)型就一定能提升企業(yè)技術創(chuàng)新。這種觀念忽視了數(shù)字化轉(zhuǎn)型在企業(yè)系統(tǒng)中的流程性和邏輯性，誤導了數(shù)字化轉(zhuǎn)型實施。數(shù)字化轉(zhuǎn)型的邏輯起點是數(shù)字化知識管理，通過數(shù)字化知識管理積蓄組織和員工創(chuàng)新能力，進而提升企業(yè)技術創(chuàng)新水平。因此，制造業(yè)企業(yè)在數(shù)字化轉(zhuǎn)型過程中利用數(shù)字技術，促使傳統(tǒng)知識管理轉(zhuǎn)向智能化、平臺化，非結構化知識轉(zhuǎn)變?yōu)榻Y構化知識，促進隱性知識顯性化，進而提升知識獲取、整合、吸收以及應用能力，最終提升企業(yè)技術創(chuàng)新水平。二是，不斷提升企業(yè)動態(tài)能力。企業(yè)通過數(shù)字化知識管理，能夠及時識別、獲取與應用外部信息，并將市場反饋及時傳達給研發(fā)設計部門，以更好地滿足客戶個性化和定制化需求。同時，企業(yè)可重新配置資本、生產(chǎn)力等戰(zhàn)略性資源，提高資源匹配度和柔性，增強企業(yè)適應能力；良好的企業(yè)氛圍有助于增強員工分享意愿，以開放的心態(tài)吸收和融合外部知識，在知識交互中促進技術創(chuàng)新能力提升。在產(chǎn)業(yè)轉(zhuǎn)型升級和經(jīng)濟不確定背景下，企業(yè)應謹慎選擇多元化戰(zhàn)略。

然而，本文也存在一定局限性，如未能對數(shù)字化知識管理進行深入挖掘，未來研究可進一步分解為流程數(shù)字化、產(chǎn)品和服務數(shù)字化、商業(yè)模式創(chuàng)新等方面，為深化數(shù)字化與知識管理融合研究奠定堅實基礎。

參考文獻參考文獻：

［1］" PENG Y Z，" C Q TAO. Can digital transformation promote enterprise performance-from the perspective of public policy and innovation［J］. Journal of Innovation amp; Knowledge，2022，7（3）：100198.

［2］" 吳江，陳婷，龔藝巍，等.企業(yè)數(shù)字化轉(zhuǎn)型理論框架和研究展望［J］.管理學報，2021，18（12）：1871-1880.

［3］" 孫新波，張媛，王永霞，等.數(shù)字價值創(chuàng)造：研究框架與展望［J］.外國經(jīng)濟與管理，2021，43（10）：35-49.

［4］" 朱秀梅，林曉玥，王天東.企業(yè)數(shù)字化轉(zhuǎn)型戰(zhàn)略與能力對產(chǎn)品服務系統(tǒng)的影響研究［J］.外國經(jīng)濟與管理，2022，44（4）：137-152.

［5］" MATT C， HESS T， BENLIAN A. Digital transformation strategies［J］. Business amp; Information Systems Engineering， 2015， 57（5）： 339-343.

［6］" 程剛，陳傳明.基于企業(yè)信息化的組織結構變革研究［J］.科學管理研究，2004，22（2）：41-45，84.

［7］" VIAL G. Understanding digital transformation： a review and a research agenda［J］. The Journal of Strategic Information Systems， 2019， 28（2）：118-144.

［8］" WARNER K S R，WAGER M.Building dynamic capabilities for digital transformation：an on going process of strategic renewal［J］.Long Range Planning，2019，52（3）：326-349.

［9］" BOGERS M，CHESBROUGH H，HEATON S，et al.Strategic management of open innovation：a dynamic capabilities perspective［J］.California Management Review，2019，62（1）：77-94.

［10］" CHEN C J，" J W HUANG. Strategic human resource practices and innovation performance-the mediating role of knowledge management capacity［J］. Journal of Business Research， 2009， 62（1）：104-114.

［11］" 陳國青，吳剛，顧原東，等.管理決策情境下大數(shù)據(jù)驅(qū)動的研究和應用挑戰(zhàn)——范式轉(zhuǎn)變與研究方向［J］.管理科學學報， 2018， 21（7）：1-10.

［12］" ROUSSEVA R. Identifying technological capabilities with different degrees of coherence： the challenge to achieve high technological sophistication in latecomer software companies［J］. Technological Forecasting and Social Change， 2007， 75 （7） ：1007-1031.

［13］" CUI A， WU F.Utilizing customer knowledge in innovation： antecedents and impact of customer involvement on new product performance［J］.Journal of the Academy of Marketing Science，2016，44（4）：516-538.

［14］" BUGSHAN H. Open innovation using Web 2.0 technologies［J］.Journal of Enterprise Information Management，2015，28（4）：595-607.

［15］" SISODIYA S R， J L JOHNSON，" Y GREGOIRE. Inbound open innovation for enhanced performance： enablers and opportunities［J］. Industrial Marketing Management，2013，42（5）：836-849.

［16］" SHU C， K Z ZHOU，" Y XIAO. How green management influences product innovation in China： the role of institutional benefits［J］. Journal of Business Ethics，2016，133（3）：471-485.

［17］" TRIPSAS M. Surviving radical technological change through dynamic capability： evidence from the typesetter industry［J］. Industrial amp; Corporate Change，2017，6（2）：341-377.

［18］" MADHAVAN R， R GROVER. From embedded knowledge to embodied knowledge： new product development as knowledge management［J］. Journal of Marketing，1998，62（4）：1-12.

［19］" WANG C L，" P K AHMED. Dynamic capabilities： a review and research agenda［J］.International Journal of Management Reviews，2007，9（1）：31-51.

［20］" HUANG F， RICE J. The role of absorptive capacity in facilitating \"open innovation\" outcomes：a study of Australian SMEs in the manufacturing sector［J］. International Journal of Innovation Management， 2011，13（2）：201-220.

［21］" 趙鳳， 王鐵男， 王宇. 開放式創(chuàng)新中的外部技術獲取與產(chǎn)品多元化：動態(tài)能力的調(diào)節(jié)作用研究［J］. 管理評論， 2016， 28 （6）： 76-85，99.

［22］" 張永安， 關永娟. 創(chuàng)新政策工具組合、創(chuàng)新能力與創(chuàng)新績效研究［J］. 科技進步與對策， 2020， 37 （21）： 118-126.

［23］" COHEN W M， D A LEVINTHAL. Adsorptive capacity： a new perspective on learning and innovation［J］.Administrative Science Quarterly，1990，35（1）：128-152.

［24］" DEVARAJ S，" R KOHLI. Performance impacts of information technology： is actual usage the missing link ［J］. Management Science， 2003，49（3）：273-289.

［25］" WU L Y. Resources， dynamic capabilities and performance in a dynamic environment： perceptions in taiwanese IT enterprises［J］. Information and Management，2006，43（4）：447-454.

［26］" LANE PJ， BR KOKO，S PATHAK.The reification of absorptive capacity：a critical review and rejuvenation of the construct［J］. Academy of Management Review，2006，31（4）：833-863.

［27］" YANG CL，DW WANG，YJ ZENG.Knowledge based multimodal information fusion for role recognition and situation assessment by using mobile robot［J］. Information Fusion，2019，50（10）：126-138.

［28］" HIDALGO A，" J ALBORS. Innovation management techniques and tools： a review from theory and practice［J］. Ramp;D Management， 2008， 38 （2） ：113-127.

［29］" HITT MA， R D IREL，" S M CAMP. Strategic entrepreneurship： entrepreneurial strategies for wealth creation［J］.Strategic Management Journal， 2001， 22 （6/7）：479-491.

［30］" AGGARWAL VA， H E POSEN，" M WORKIEWICZ. Adaptive capacity to technological change： a microfoundational approach［J］. Strategic Management Journal，2017，38（6）：1212-1231.

［31］" 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)［J］.管理世界，2021，37（7）：130-144.

［32］" 胡媛媛，陳守明，仇方君.企業(yè)數(shù)字化戰(zhàn)略導向、市場競爭力與組織韌性［J］.中國軟科學，2021，36（S1）：214-225.

［33］" 趙宸宇.數(shù)字化發(fā)展與服務化轉(zhuǎn)型——來自制造業(yè)上市公司的經(jīng)驗證據(jù)［J］.南開管理評論，2021，24（2）：149-163.

［34］" 黎文靖，鄭曼妮.實質(zhì)性創(chuàng)新還是策略性創(chuàng)新——宏觀產(chǎn)業(yè)政策對微觀企業(yè)創(chuàng)新的影響［J］.經(jīng)濟研究，2016，51（4）：60-73.

［35］" 余明桂，范蕊，鐘慧潔.中國產(chǎn)業(yè)政策與企業(yè)技術創(chuàng)新［J］.中國工業(yè)經(jīng)濟，2016，34（12）：5-22.

［36］" HE JJ，" X TIAN. The dark side of analyst coverage： the case of innovation［J］. Journal of Financial Economics， 2013，109（3）：856-878.

［37］" FISMAN R，" J SVENSSON. Are corruption and taxation really harmful to growth？ firm level evidence［J］.Journal of Development Economics，2007，83（1）：63-75.

［38］" BARON R M，" D A KENNY. The moderator-mediator variable distinction in social psychological research： conceptual， strategic， and statistical considerations［J］. Journal of Personality and Social Psychology， 1986，51： 1173-1182.

［39］" 溫忠麟，張雷，侯杰泰，等. 中介效應檢驗程序及其應用［J］.心理學報， 2004，36（5）：111-117.

（責任編輯：胡俊健）

Digital Knowledge Management and Technological Innovation of Manufacturing Enterprises： The Perspective of Dynamic Capabilities

Shao Bing1，2，Kuang Xianming3，Wang Hui4

（1．School of Business Administration， Northeastern University，Shenyang 110167，China；2．School of Economics and Management， Hainan Normal University，Haikou 571158，China；3．China Institute for Reform and Development，Haikou 570311，China;4. School of Economics， Hainan University，Haikou 570228，China）

Abstract：Theoretical researchers have regarded digital transformation as a holistic concept and studied its impact on technological innovation， neglecting the decomposability of digital transformation and the process nature of complex enterprise systems. Thus， the specific mechanisms by which the digital transformation promotes technological innovation await further analysis. Among them， digital knowledge management is the primary link in digital transformation. On the one hand， the main content of digital transformation includes organizational change， business processes， products and services， business models， etc. At the organizational level， digital transformation involves the transformation of key business operations， which in turn affect products and processes， causing changes in business models. On the other hand， digital transformation needs to be centered on digital knowledge management to achieve organizational structure flattening， flexibility， networking， and virtualization， thereby achieving organizational change. Therefore， enterprise digital knowledge management， as a determinant of organizational change， affects the business processes， products and services， and business model innovation of digital transformation.

The article proposes the concept of digital knowledge management， studies its impact on technological innovation in manufacturing enterprises， and analyzes its role mechanism from the perspective of dynamic capabilities. On the one hand， digital transformation is a holistic concept of enterprise digital transformation. Digital knowledge management is the primary link in digital transformation， as well as its foundation and logical starting point. On the other hand， the significant feature of knowledge management is informatization， and digital knowledge management bears intelligent and platform-based characteristics. In addition， dynamic capabilities are the theoretical basis for studying digital transformation. As the primary link in digital transformation， digital knowledge management promotes the formation of dynamic capabilities through digital technology in knowledge acquisition， integration， absorption， application and innovation， enhancing the technological innovation capabilities of enterprises.

Taking the manufacturing enterprises listed on the Shanghai and Shenzhen A-share market from 2007 to 2021 as the sample， this article extracts the root keywords of digital knowledge management through literature， and then uses the information about digital knowledge management in the annual reports of listed companies to expand keywords with the help of machine learning algorithms， thereby constructing a proxy variable for digital knowledge management through the frequency of keyword occurrence. It is found that digital knowledge management has a significant positive impact on technological innovation in enterprises. After mitigating the endogeneity problem through instrumental variables， PSM， and Heckman two-stage model methods， the results are still significant. This impact is mainly through the absorption， adaptation， and innovation capabilities paths.

The conclusions of this study have specific reference value for the digital transformation practices of manufacturing companies. First， the foundation of digital transformation lies in digital knowledge management. Manufacturing companies can use digital technology to transform traditional knowledge management into digital knowledge management that is intelligent， platform-based， and can structure unstructured knowledge and make implicit knowledge explicit. This enhances their ability to acquire， integrate， absorb， apply， and innovate knowledge and promotes the level of technological innovation. Second， the companies should proactively build dynamic capabilities. By actively identifying， acquiring， applying， and transforming external market knowledge through digital knowledge management， companies can provide market information and knowledge feedback to the Ramp;D department， enabling researchers to improve processes and designs based on customer needs and develop products that better meet customers' personalized and customized demands. To ensure the improvement of dynamic capabilities， companies should not only build a digital knowledge management system but also maintain strategic focus， concentrate advantageous resources to achieve strategic goals， especially in selecting a strategic path， i.e.， choosing one of the "service-oriented， digital， or digital service-oriented strategies. Additionally， in the context of manufacturing industry transformation and economic uncertainty， companies should carefully choose a diversified strategy.

In summary， this article reveals the positive impact of digital knowledge management on technological innovation in manufacturing companies and its mechanism. The research conclusions provide new ideas and methods for corporate digital transformation and contribute to the development of dynamic capability theory. In the future， more research can be conducted to explore digital knowledge management and its impact on different industries and countries.

Key Words：Digital Knowledge Management; Technological Innovation; Absorptive Capacity; Adaptive Capability; Innovative Capability