2015年，国务院发布的《中国制造2025》中指出：“将智能制造列为实现制造业强国目标的五大工程之一”。2021年，《“十四五”智能制造发展规划》强调：“智能制造是制造强国建设的主攻方向”。2022年，党的二十大报告提到：“建设现代化产业体系，加快建设制造强国，推动制造业智能化发展”。伴随着经济与科技的持续进步，以及相关配套政策与规划同步发力，我国智能制造发展已从理念普及转入深化实践的新阶段，工业机器人作为实现智能制造发展的核心设备，其需求在各个行业呈现爆发式增长。具体而言，工业机器人是应用于自动化生产的，可自动控制、可重新编程的多轴线多用途机器人，它能够为制造业转型加速“升级破圈”提供强大动力。目前我国工业机器人市场发展较快，约占全球市场份额三分之一，是全球第一大工业机器人应用市场。
随着地缘政治环境演变、国际贸易保护主义升温以及“去全球化”趋势抬头，我国制造业发展面临着诸多风险挑战。微观层面上，经济环境的复杂化持续压缩着企业盈利空间，现金流断裂与资产负债恶化的现象频频发生，企业破产率呈现加速上升趋势。因此，如何在激烈竞争和外部不确定性中降低企业破产风险，是政学商界亟须探索的重要课题。已有研究表明，工业机器人的应用可以提高企业生产效率，并减少生产延误等情况。那么在此逻辑链条下，工业机器人凭借其多重优势，能否显著发挥企业破产风险抑制效应？若能，其中作用机制又是什么？上述现实问题值得深入考察，以期在智能制造战略大力推进下，为企业稳健经营和高质量发展提供政策启示。
鉴于此，本文系统性揭示了工业机器人对企业破产风险的影响效应、作用机制以及经济后果等，可能的边际贡献如下：（1）既有文献主要聚焦工业机器人应用对劳动力市场与企业出口等方面的影响，但鲜少关注到其对企业破产风险产生的潜在影响。本文尝试回答工业机器人应用能否降低企业破产可能性这一现实问题，为智能制造赋能企业全面风险管理补充了新的经验证据，同时丰富了工业机器人应用经济效应以及企业风险影响因素的研究。（2）本文从供应链融资效应、双元创新效应两维度解构了工业机器人应用与企业破产风险之间的逻辑链条，为企业提升工业机器人的价值创造性、完善风险管理机制提供了新的思路。（3）本文从产权性质、市场压力、生态支持三方面出发，探究了工业机器人应用对企业破产风险的差异化影响，并在企业破产风险有效管理的基础上，进一步探讨了工业机器人应用的经济后果。这不仅能够为文章理论推演提供有力支撑，还为决策层制定更具针对性的相关政策和策略提供了有益参考。
（一）文献综述
与本文主题相关的一支文献是工业机器人应用的经济效应研究。在“机器换人”与“机器助人”的思潮席卷下，学术界主要围绕工业机器人应用对劳动力市场的影响展开探讨，并得出不同观点，如王永钦和董雯基于中国制造业数据的研究发现，工业机器人应用对劳动力需求会产生替代效应。李磊等基于中国工业数据的研究表明，工业机器人应用能够通过扩大企业产出规模与市场份额而促进劳动力就业。毛日昇利用中国宏微观数据库研究发现，工业机器人应用导致就业创造效应放缓的同时也显著降低了就业损失效应。另外，现有文献还逐步探析了工业机器人应用对劳动收入份额［19-20］、企业创新、企业加成率、企业出口、企业韧性、绿色生产、客户稳定性以及全球价值链重构等的积极影响。
破产风险是企业一种或多种风险综合作用下的结果，因而与本文主题相关的另一支文献是企业风险的影响因素研究。就企业外部因素而言，金融摩擦会致使不同规模企业面临差异化风险，利率市场化则有助于缓解企业营运风险。就企业内部因素而言，李建军和韩珣从经济金融化视角出发，发现非金融企业影子银行化会提升企业经营风险。陆瑶和胡江燕基于高管间的裙带关系，发现CEO与董事间的“老乡”关系会增大企业经营风险。而社会责任履行、董事在关联行业任职、公司治理改善、ESG表现与其信息披露、互联网技术应用以及企业数字化转型均有助于降低企业风险。
通过文献梳理可知，既有研究尚未关注到工业机器人应用对企业破产风险的因果影响，与本文相关的研究集中于企业数字化转型与企业风险关系的探讨。然而，工业机器人虽具备支持企业数字化转型的能力，但本质属性与数字化转型存在明显差异。具体来说，数字化转型是指企业利用新一代数字技术对业务流程、管理模式和组织文化等进行系统性重塑的过程，其核心目标是全面提升企业数字化能力。工业机器人作为应用于生产制造环节的关键装备和新兴技术载体，侧重于推动企业构建自动化、智能化的生产模式，这对企业供应链融资获取能力建设以及企业产品和生产流程的创新优化具有更加直接且独特的积极作用，因而有助于企业顺利度过流动性危机、建立长期竞争壁垒，进而有效缓释了企业的破产风险。本文通过探究工业机器人对企业破产风险的影响，旨在拓展学界关于工业机器人应用经济效应以及企业风险影响因素的研究，并为决策层推进智能制造战略提供有益的经验证据。
（二）理论分析
企业破产风险是指企业因资产不足以覆盖其负债而可能面临破产或清算的可能性。这一风险并非单一因素引发，通常是一种或多种风险共同作用的结果。如企业盈利能力下降、竞争优势丧失、运营稳定性降低、声誉受损、债务违约以及流动性危机等均是诱发企业破产的关键性因素。机器人被誉为“制造业皇冠上的明珠”。当前，机器人产业蓬勃发展，特别是工业机器人的广泛应用，正在深刻改变人类的生产和生活方式。本文认为，工业机器人应用在化解企业破产风险方面具有重要潜力，为企业全面风险管理目标实现提供了支持。
1.工业机器人应用对企业破产风险的直接影响分析
工业机器人作为工业新质生产力的强劲引擎，其凭借自身高效率、高精度、持续性、无惧危险环境等多重优势，显著抑制了企业的破产风险水平。具体而言，首先，由技术—经济范式可知，技术进步通常会推动生产效率提升，并带来经济的长期增长。工业机器人则通过自动化和智能化的生产方式，在短时间内执行大量重复性和复杂性任务，从而显著提高了企业生产效率。根据规模经济理论，生产效率的提升有助于企业降低单位生产成本，增强其在市场上的价格竞争力与盈利能力，以此消解了企业破产风险。其次，工业机器人具备高度精准的运动控制能力，这意味着其在执行生产任务时能够保证操作准确性和质量一致性，进而有效减少次品率和返工率。产品质量可控不仅有助于维护企业良好声誉，还降低了企业因产品缺陷造成的市场召回风险与法律纠纷风险。再次，工业机器人能够突破传统劳动力的物理限制，实现全天候无间断生产运作，确保企业生产的持续与稳定，以此显著抑制了企业破产风险。最后，工业机器人能够胜任作业环境差、危险系数大的任务，如代替人工在高温高压环境下工作、处理有毒有害物质等，这不仅降低了企业的合规成本和安全事故赔偿成本，还避免了因安全事故引致的停产或市场信任危机，进一步降低了企业破产风险。据此，本文提出假设1：
H1：工业机器人应用能够显著降低企业的破产风险
2.工业机器人应用影响企业破产风险的内在机制分析
工业机器人的广泛应用通过发挥供应链融资效应和双元创新效应，有效缓解企业的流动性困境，同时培育企业的长期竞争优势，从而促进了企业的生存与发展，降低其破产的可能性。具体分析如下：
供应链融资效应。供应链上的商业信用融资是一种低成本、高灵活性的替代性融资方式，能够帮助企业缓解现金流压力、度过流动性危机。供应链中企业上下游间的信息对称性是影响企业获得商业信用融资的关键因素。工业机器人作为新兴技术的重要应用载体，通过与大数据、物联网、云计算等新一代数字技术深度融合，推动企业构建高度自动化、智能化的生产系统。这有助于企业全面感知生产动态，及时为其供应链上下游提供可靠的产品需求预测、生产进度以及产品质量等关键信息。基于企业与其供应链上下游之间信息的高效沟通和共享，企业的供应商能够优化原材料的供应和交付安排，避免因库存过剩或不足而产生的经济损失；客户则可以合理规划接收与分销，并减少对其产品质量与交付延迟等问题的担忧，以此深化了供应链互信关系，显著增强了供应商与客户对企业提供商业信用融资的意愿。综上可知，工业机器人的应用为企业获取供应链商业信用融资创造了有利条件，从而缓解了因资金流动性不足而引致的财务压力，有效减少了企业的破产风险。本文提出假设2：
H2：工业机器人应用能够发挥供应链融资效应，进而降低企业的破产风险
双元创新效应。企业双元创新通常是指企业所追求的两种不同方向的创新，即渐进式创新和突破式创新。在动态竞争环境中，双元创新被认为是企业实现持续竞争优势的重要手段。从渐进式创新角度来看，工业机器人应用所塑造的新型生产模式，有利于企业对生产线进行实时全方位监控，有效识别潜在生产瓶颈，并依据感知信息合理规划任务流程、选择最优行动策略，从而实现生产流程渐进式优化。同时，工业机器人能够通过调整编程，将外部市场反馈精准迅速融入产品迭代中，促进产品渐进式更新。从突破式创新角度来看，工业机器人依托于自身高效性、灵活性以及精准性等技术特性，可以在短时间内完成创新方案的测试和验证，降低创新试错成本，实现从创新概念到产出的高效转化，加快推动了前沿技术突破与新产品研发。另外，工业机器人本质上是一种创新性生产要素，基于员工组织匹配理论，企业先进技术的应用自然会伴随具备高技能和创新意识人才的加入。这些高素质人才有助于企业更有效地吸收和内化外部信息资源，进一步强化了企业双元创新能力。由此可知，工业机器人的应用通过促进双元创新，可以为企业建立长期竞争壁垒，进而降低了其破产可能性。本文提出假设3。
H3：工业机器人应用能够发挥双元创新效应，进而降低企业的破产风险
（一）样本选取与数据来源
本文结合2011—2019年国际机器人联合会（IFR）的工业机器人数据，同时选取应用工业机器人最广的制造业A股上市公司为研究对象。另外，企业风险以及其余控制变量数据均来源于CSMAR数据库和Wind数据库。
在初始数据处理上：（1）剔除资产负债率不在0—1区间的企业样本。（2）剔除经营异常的企业样本（比如，处于ST、*ST、PT状态的企业）。（3）剔除关键研究变量缺失的企业样本。（4）对所有连续变量在前后1%分位处做双边缩尾处理。最终，本文得到1345家10743个企业—年份观测值。
（二）研究变量的选取
1.被解释变量：企业破产风险（OR）
本文参考李建军和韩珣的研究，采用Atlman构建的Z指数衡量企业破产风险，具体计算过程如下：
其中，
=经营资金/总资产，
=留存收益/总资产，
=税前利润/总资产，
=股票总市值/负债，
=销售收入/总资产。值得注意的是，OR为逆向指标，其值越大，则代表企业破产风险越低。
2.解释变量：工业机器人应用水平（EIRP）
参考王永钦和董雯、Acemoglu & Restrepo的做法，采用工业机器人渗透度衡量制造业企业的工业机器人应用水平。具体计算过程如下：
先计算行业层面的工业机器人渗透度：
其中，
代表中国制造业k行业t年的工业机器人存量，
代表中国制造业k行业2010年的就业人数，
则为中国制造业k行业t年的工业机器人渗透度。
再构造微观企业层面的工业机器人渗透度：
其中，
代表制造业k行业i企业生产部门员工占比与所有制造业企业生产部门员工占比中位数的比值（以2011年为计算基期），进而计算得到制造业企业层面的工业机器人渗透度
。为了便于观测回归结果，本文将其缩小100倍量纲化处理。
3.控制变量
本文参照以往研究，从企业组织特征、财务特征、治理结构方面选取了一系列控制变量，包括企业规模（Size）、财务杠杆率（Lev）、总资产收益率（Roa）、经营费用率（Ofee）、董事会规模（Board）以及独立董事占比（Indep）。同时，本文还控制了年份（Yearfe）和企业（Firmfe）固定效应，具体变量定义见表1。
表1 变量的基本情况
（三）模型构建
为检验工业机器人应用对企业破产风险的影响（假设1），本文构建如下基准回归模型：
其中，O
代表企业破产风险，
代表工业机器人应用水平；
代表一系列控制变量；
代表企业固定效应；
代表年份固定效应；
代表随机干扰项；i代表企业；t代表年份。另外，本文将标准误聚类到企业层面。
（四）描述性统计
主要回归变量的描述性统计结果如表2所示。可见，企业的平均风险水平为5.021，中位数为3.239，标准差为5.588，这表明企业间的破产风险控制能力并不均衡，部分企业暴露出较高破产风险。工业机器人应用水平的平均值为0.331，中位数是0.122，标准差是0.597，这说明部分企业在工业机器人应用上表现突出，而整体水平仍较低。此外，参考以往研究可知［62-63］，其余变量分布均处于合理范围内。
表2 变量描述性统计特征
（一）基准回归结果
表3为工业机器人应用对企业破产风险影响的基准回归结果，其中，列（1）为未控制企业与年份固定效应的回归结果。列（2）为加入企业与年份固定效应的回归结果。可以看到，EIRP的回归系数有所增大，且在1%的水平上显著为正。这表明，工业机器人的应用能够抑制企业破产风险水平，降低企业破产的可能性，假设1得以验证。
表3 基准回归结果
注：*、**、***依次代表在10%、5%、1%的水平上具备统计显著性；括号内代表的是聚类至企业的稳健标准误调整的T值。表4-表8同，故不再赘述。
（二）内生性处理
1.双向因果
由于工业机器人应用有助于企业保持运营稳定性、维持良好声誉以及提升市场竞争力，以此降低了企业的破产风险水平。反之，企业所面临的风险状况也会影响工业机器人应用的决策和进度。这说明，本文的基准回归可能存在反向因果问题。
对此，本文采用工具变量法缓解逆向因果造成的内生性问题。具体地，本文参考Acemoglu & Restrepo的做法，采用同时期美国行业层面工业机器人应用水平为工具变量，原因是：一方面，美国机器人产业发展在国际上处于领先地位，而我国的机器人产业发展在很大程度上依赖于美国等发达国家的技术进步。因此，从同期数据来看，中美两国在工业机器人应用水平上具有较高的一致性，即满足相关性条件。另一方面，美国行业层面工业机器人应用水平的变化不会直接地影响我国企业破产风险水平，因而满足外生性。
本文现通过两阶段最小二乘法（2SLS）开展内生性检验，回归结果如表4的列（1）—列（2）所示，在第一阶段的回归中，EIRP和EIRP_IV之间的系数在1%的水平上显著为正。在第二阶段的回归中，EIRP的回归系数在1%的水平上显著为正。另外，本文的工具变量通过了LM检验、F检验，这说明该工具变量有效且不存在弱工具变量问题。综上，在克服潜在的反向因果问题后，本文基准研究结论是稳健的。
表4 内生性检验
注：LM统计量可以检验工具变量是否存在识别不足情况，{ }内为LM统计量的P值；F统计量可以以检验工具变量是否存在弱识别情况，［］内为F统计量在10%水平上对应的临界值。
2.样本选择性偏差
考虑到工业机器人渗透率高的企业和渗透率低的企业可能存在某些特征差异，且这些特征不容易被观察或量化，进而会影响回归结果的准确性。本文通过倾向得分匹配法来解决此问题。
具体而言，本文依据年份行业中位数将企业工业机器人应用水平划分成高、低两组，选取企业规模（Size）、财务杠杆率（Lev）、总资产收益率（Roa）、经营费用率（Ofee）、董事会规模（Board）以及独立董事占比（Indep）为匹配变量，并按照1：1无放回最近邻匹配法，在0.05卡尺范围内对企业样本进行筛选。在此基础上，再次回归结果如表4的列（3）所示，可见EIRP的回归系数仍然在1%的水平上显著为正。这表明在克服样本选择性偏差问题后，本文基准研究结论仍然稳健可靠。
3.高阶固定效应模型
为缓解遗漏变量问题，进一步控制那些随时间变动的城市层面和行业层面的变量，本文采用高阶固定效应模型予以解决。具体而言，本文在基准回归模型的基础上先控制城市、行业与年份的交乘固定效应，再控制行业、城市与年份的交乘固定效应，回归结果如表4的列（4）-列（5）所示，可见EIRP的回归系数至少在10%的水平上显著为正。这表明在解决上述遗漏变量问题后，本文的研究结论是依然成立的。
（三）稳健性检验
1.替换核心变量
因企业数字化应用与工业机器人应用在技术基础和智能化发展方向上是一致的，所以本文采用CSMAR数据库中的《中国上市公司数字化转型研究数据库》发布的数字化应用评分（
），作为工业机器人应用水平的替换变量。再次回归结果如表5的列（1）所示，可见的回归系数在5%的水平上显著为正，证明本文研究结论是可靠的。
进一步地，本文参考Ohlson的做法，基于Oscore指数计算得出企业风险系数（ORISK），将其作为企业破产风险水平的替换变量。该风险系数越大，代表着企业破产可能性越高。具体计算过程：
其中，
（总资产）；TLTA=总负债/总资产；WCTA=营运资金/总资产；CLCA=流动负债/流动资产；NITA=净利润/总资产；FUTL=经营性净现金流/总负债；INTWO=若过去两年净利润均为负数则为1，否则为0；OENEG=如果总负债>总资产为1，否则为0；
，NI表示净利润。再次回归结果如表5的列（2）所示，EIRP的回归系数是-0.069，且在1%的水平上显著。这说明本文的基准研究结论仍成立。
2.调整聚类层级
回归中标准误聚类层级的提高，意味着其扰动项方差协方差结构的假设会变得宽松，进而使得标准误估计更加稳健。由此，本文将聚类标准误层级调整至行业×年份层面，回归结果如表5的列（3）所示，EIRP的回归系数未发生实质性改变，这表明本文的研究结论具有稳健性。
3.变换回归样本
考虑到不同行业对工业机器人依赖度存在差异，如高度自动化和机械化的行业，其对工业机器人的依赖程度较高。因此，本文先选择剔除工业机器人渗透度均值排名前三的行业——汽车制造和其他交通设备制造业、电力设备与计算机、电子产品、光学产品制造以及金属制品行业，以此减少行业间的异质性，使本文研究结论更加可信。回归结果如表5的列（4）所示，EIRP的回归系数仍未发生实质性改变。另外，考虑到处于直辖市的企业，往往拥有更高的经济发展水平、更优惠的政策支持以及更发达的工业基础和技术应用能力，这意味着直辖市的企业在工业机器人普及和应用方面具有更高的起点。因此，本文进一步剔除了处于北京市、上海市、天津市、重庆市的样本，再次回归结果如表5的列（5）所示，EIRP的回归系数在1%的水平上显著为正，说明本文研究结论较为可靠。
4.滞后解释变量
企业在应用工业机器人后，可能需要一段时间进行技术调整、员工培训或业务流程优化，这会逐步影响企业的破产风险状况。因此，从理论上来看，其中可能存在动态叠加的时滞效应。
鉴于此，本文将解释变量分别滞后一期和二期，得到
和
，并将其重新带入基准回归方程中，结果如表5的列（6）—（7）所示，可见和的回归系数分别为0.542和0.598，较基准回归相比，解释变量回归系数是依次增大的，且均在1%的水平上显著。这表明，本文上述猜想与基准研究结论均是合理可信的。
表5 稳健性检验
为检验工业机器人应用影响企业破产风险的传导渠道（假设2、假设3），本文参考江艇的做法，构建模型（5）对上述传导渠道进行检验。具体如下：
其中，MV表示文中传导渠道变量，其他变量均与基准回归模型（4）一致。
（一）供应链融资效应
工业机器人的应用显著强化了企业与其供应链上下游信息沟通与共享的有效性，同时充分向其合作伙伴释放出企业在生产可控性、交期稳定性以及质量一致性方面的优势信号，进而巩固了供应链中的信任关系，为企业开展商业信用融资创造了有利条件。商业信用融资的获取，有助于企业改善流动性状况，稳定财务表现，从而降低了企业破产的可能性。为检验“供应链融资效应”这一传导渠道，本文借鉴陆正飞和杨德明［67］的方法，先计算出应付账款、应付票据和预收账款的之和，然后将其除以年末总资产，以此衡量企业供应链上的商业信用融资水平（CCF）。将CCF带入模型（5）进行回归，结果如表6列（1）所示，可见EIRP的回归系数在1%的水平上显著为正，这意味着工业机器人的应用能够发挥供应链融资效应，进而降低企业破产的可能性，因而假设2成立。
（二）双元创新效应
工业机器人的应用伴随着高素质人才的加入与新型生产模式的建立，有助于推动企业生产流程渐进式优化与产品渐进式更新，同时加速企业前沿技术突破与新产品研发。工业机器人通过提高企业双元创新能力，为企业塑造了长期竞争优势，以此抑制了企业破产风险。为检验是否存在“双元创新效应”这一传导渠道，本文借鉴钟昌标等［68］的方法，并考虑到专利产出的滞后性，最终以滞后一期的发明型专利获得数加1的自然对数衡量企业突破式创新（BI），以滞后一期的实用型专利与外观专利获得数量总和加1的自然对数衡量企业渐进式创新（PI）。将BI、PI再次带入模型（5），回归结果如表6列（2）、（3）所示，可以看到EIRP的回归系数均在1%的水平上显著为正，这表明工业机器人的应用能够产生双元创新效应，从而有效降低企业破产风险水平，即假设3成立。
表6 传导机制检验
（一）异质性分析
1.产权性质
非国有企业通常面临激烈的市场竞争，因此对市场变化更加敏感。同时，由于受到的行政干预相对较少，它们往往具备更高的运营灵活性和决策敏捷性。在这种情况下，工业机器人的应用能够为企业生产决策实施和调整提供强有力的技术支持。换言之，这种技术支持恰好满足了非国有企业在塑造竞争优势时的迫切需求，有效抑制了他们的破产可能性。从这一视角来看，与国有企业相比，工业机器人的应用对非国有企业风险抑制的边际效应可能更强。
为检验工业机器人的应用对不同产权性质企业破产风险的影响，本文在基准回归模型式（4）中进一步引入企业产权性质（SOE）、企业破产风险与产权性质交互项（EIRP×SOE）。结果如表7的列（1）所示，可以看到EIRP×SOE的回归系数在1%的水平上显著为负，这表明工业机器人的应用的确会与非国有企业产生更强的互补效应，进而更加有利于抑制破产风险水平，与上文理论推演相符。
2.市场压力
一般来说，市场压力大的企业通常面临更高的风险。工业机器人技术凭借其智能化和自动化特点，能够快速调整生产流程，增强企业的生产响应能力，降低因市场需求波动带来的破产风险。同时，工业机器人的应用可以确保产品一致性，减少因质量问题导致的客户流失和售后成本，帮助企业在高压力经营环境中维持市场份额。另外，工业机器人应用有助于加速推动企业前沿技术突破与新产品研发，以此在高市场压力下塑造企业竞争新优势，有效降低了其破产风险水平。综上，在市场压力较大的企业中，工业机器人在抑制其破产风险水平方面可能具备一定发挥空间。
为验证以上猜想，本文采用行业竞争度衡量企业所面临的市场压力（HHI）。具体而言，行业竞争度通过计算行业内每家公司的营业收入占行业总营业收入的比重，再将其平方后进行累加得出。需注意的是HHI越大，代表行业竞争越小，企业的市场压力越小。进一步地，在基准回归模型式（4）中进一步引入市场压力度（HHI）、企业破产风险与市场压力度交互项（EIRP×HHI）。回归结果可见表7的列（2），EIRP×HHI的回归系数在1%的水平上显著为负，这意味着市场压力越大，工业机器人应用对企业破产风险的抑制作用越强，上述分析结论得到了实证支持。
3.生态支持
本文生态支持指的是中宏观层面（行业和区域）在技术创新、关键资源投入和数字基础设施建设方面为企业工业机器人应用所提供的外部支撑力。如企业所在行业的研发活动开展情况、人力资本投入强度以及企业所处城市的光缆密度等等。随着生态支持力度的提升，不仅能够促进工业机器人技术的广泛普及，还有助于实现工业机器人的稳定高效应用，从而进一步增强工业机器人对企业破产风险的抑制效果。第一，从创新体系建设来看，强大的创新生态有利于促进工业机器人技术的持续优化和应用拓展，进而为企业的产品、服务以及商业模式创新提供了坚实的技术支撑。第二，从人才生态建设来看，更丰富的人才资源使企业更容易吸纳到所需的高素质人才，以此支持工业机器人的有效操作、维护以及优化。第三，从数字基础设施建设来看，其不仅能够推动工业机器人技术的快速升级与突破，还能为工业机器人相关装备之间的互联互通及系统集成提供有力支持，促进工业机器人规模化落地应用，确保智能制造系统的高效运行。由此可知，生态支持力度较强时，工业机器人可能会产生更强烈的企业破产风险降低作用。
为验证上述推论，本文采用CSMAR数据库中的《中国上市公司数字化转型研究数据库》所发布的环境支撑评分衡量生态支持力度（EES），主要是由于其恰好涵盖了本文生态支持所强调的三方面。在基准回归模型式（4）中进一步引入生态支持力度（EES）、企业破产风险与生态支持交互项（EIRP×EES）。回归结果可见表7的列（3），EIRP×EES的回归系数在1%的水平上显著为正，表明生态支持力度越强，越能释放工业机器人应用的企业破产风险抑制效应，这与上述分析结果相吻合。
表7 异质性检验
（二）基于经济后果的进一步检验
破产风险较高的企业在财务压力下，通常会优先将资源分配给短期风险应对，而非投入于能够推动未来增长的优质投资，这种资源错配限制了企业价值提升。另外，根据信贷约束理论可知，高破产风险企业寻求信贷融资时，往往会面临更高的利率和更苛刻的条款，这将限制企业的投资能力和战略实施，从而阻碍企业价值创造。那么，工业机器人的应用能否通过有效降低企业破产风险，而实现企业价值增长呢？
鉴于此，本文遵从学界普遍做法，采用托宾Q来衡量企业价值（TobinQ），进而先检验了工业机器人应用与企业价值的关系。回归结果如8列（1）所示，EIRP的回归系数在1%的水平上显著为正，证明工业机器人应用推动了企业价值提升。随后本文又对“工业机器人应用—企业破产风险水平—企业价值”的理论机制进行检验，回归结果如8列（2）所示，EIRP×OR的回归系数在1%的水平上显著为正，表明工业机器人的应用的确能够有效降低企业破产风险，并进一步发挥企业价值提升效应。这主要是因为工业机器人具备高效率、高精度、持续性以及无惧危险环境等独特优势，同时作为创新性要素和新兴技术载体，工业机器人推动企业构建了新型生产模式，进而企业的生存能力和成长能力得以增强，破产风险也相应降低。随着破产风险水平的下降，企业能够实现内部资源配置优化，确保战略顺利实施和落地，以及更加灵活地抓住市场投资机会，最终实现企业价值的稳步增长。
表8 经济后果检验
在智能制造战略的大力推进下，工业机器人应用呈现快速上升态势。工业机器人凭借自身高效率、高精度和持续性等优势，已成为企业稳健经营和高质量发展的不竭动能。本文结合2011—2019年IFR工业机器人与制造业A股上市公司的相关数据，系统性地探究了工业机器人应用对企业破产风险的影响及作用机制等。研究结论如下：（1）工业机器人应用能够显著降低企业破产风险水平。在经过替换核心变量、调整聚类层级、变换回归样本等稳健性检验，以及利用工具变量法、倾向得分匹配法进行内生性处理后，该结论依然成立。（2）工业机器人应用能够发挥供应链融资效应和双元创新效应，进而增强了企业生存和成长能力，降低了企业破产可能性。（3）在非国有企业、市场压力较大以及生态支持力度较强的样本中，工业机器人应用更加有利于抑制企业破产风险。（4）进一步地，工业机器人应用在抑制企业破产风险后，显著推动了企业价值的提升。
基于上述研究结论，本文提出如下建议。
对政府而言，应建立机器人创新体系，构建科技成果转化机制，促进制造业企业、高校、机器人重点实验室等主体的协同联动，以提升机器人核心技术的自主创新能力，促进工业机器人的广泛应用；应通过减税降费等手段，降低企业在工业机器人引进和使用过程中的成本，激发企业应用工业机器人的积极性；应征集并推广工业机器人应用下企业生产研发与供应链协同的最佳实践案例，从而助力工业机器人发挥企业创新效应和融资效应；应增强工业机器人应用的外部生态支持力度，如通过完善人才培养体系、技术创新体系以及加快数字基础设施建设，助力工业机器人实现规模化落地应用与技术持续升级，以此有效降低企业破产风险水平，促进经济稳步迈向高质量发展。
对企业而言，应充分意识到，随着新一代信息技术的发展，工业机器人应用场景和范围不断扩大，这对于强化企业生存和成长能力具有重要作用；企业应积极引进与工业机器人应用相匹配的创新型和技术型人才，重视员工在机器人操作与维护方面的技能培训，促进工业机器人的积极效应释放；国有企业应着重推进管理体制改革和决策流程优化，提升自身在市场竞争中的灵活性和创新性，从而依托工业机器人应用有效降低破产风险；市场压力大的企业应积极借鉴工业机器人应用相关经验，充分利用工业机器人技术的潜在优势，稳定财务表现并提升长久竞争力，抑制企业的破产风险。