政府分類規制、智能平臺賦能與藥企CSR策略演化

李春發，劉煥星，胡培培

(天津理工大學管理學院，天津 300384)

0 引言

醫藥企業社會責任(Corporate Social Responsibility,CSR)履行情況深受社會關注，關乎企業生存發展和民眾的健康福址。然而《2019醫療健康上市公司社會責任報告》指出，中國超過半數藥企和醫藥平臺存在違法違規現象，醫藥行業完善的CSR履行規制構建迫在眉睫。近年來，政府醫藥改革不斷深化，各種規制加碼措施陸續出臺，但在當今“互聯網+醫療”及后疫情時代，藥企紛紛轉戰線上，醫藥越趨復雜的商業模式對行業監管提出了新的挑戰，現行規制政策難以有效應對藥企履責和醫藥平臺運行中的各種違規問題，政府規制失靈現象不斷發生。實際上，隨著大數據和AI技術的不斷發展應用，醫療智能供應鏈、大數據分析等智能平臺的不斷涌現，通過智慧賦能和數據沉淀，可顯著提升醫藥企業風險彈性與行業自治力。重慶藥交所構建智能醫藥交易平臺，提供醫藥產品交易、結算、評價等“一站式”全流程服務，通過突出大數據智能化運用，為政府醫改決策、行業監管、價格預測提供數據支撐，有效規范市場秩序并增強市場彈性。然而，由于智能平臺技術門檻高、資源投入大，且CSR提升企業收益難以立竿見影，中國醫療智能平臺型企業較為匱乏，積極履責企業較少，履責力度參差不齊。加之藥企和智能醫藥平臺地位關系不對等、政策靈敏度不同，政府規制效果各異?？紤]到醫藥產品特殊性與履責現狀嚴峻性，醫藥新興平臺模式下各種CSR問題亟需新的監管方式，建立以政府監管為主導、以平臺賦能為手段的高效—智能—協同CSR治理模式迫在眉睫。而政府分類規制與智能平臺賦能的機制構建完善是實現高效—智能—協同CSR治理的關鍵。因此，如何實施政府分類規制提升醫藥行業CSR治理效能、解構醫藥智能平臺運作模式及賦能機制實現治理資源集成與協同、最大化平臺智能度提升行業鏈條耦合度與自治力，已成為國家治理體系與治理能力現代化背景下應對醫藥行業CSR履行及治理困境必須直面與研究的重大理論與現實問題。

醫藥企業CSR問題受到學者廣泛關注，現有研究主要涉及醫藥企業CSR治理路徑以及CSR對醫藥企業因素的影響機制[1-2]。胡穎廉等[3]通過構建國家藥品安全治理體系，分析部門協同共治、監管嵌入產業的機理。陳永法等[4]認為藥品治理應健全公眾參與制度，構筑“社會共治”格局。方俊[5]則總結了在4個方面落實協同治理的多主體責任路徑。唐益敏等[6]引入企業動態能力作為中介機制，實證研究資源能力一體化下醫藥企業社會責任對創新績效路徑的影響。醫藥企業CSR行政端治理可有效規范醫藥企業CSR履責行為，但醫藥企業自身端主動履責對企業發展更具積極影響，有助于規避道德風險、提升企業績效并強化核心競爭力[7]。上述研究均采用實證方法，討論CSR對醫藥企業績效的影響機制及醫藥治理路徑，但無法揭示CSR對醫藥企業履責策略影響的內在機理。針對政府規制下的非醫藥企業CSR履行策略研究，主要關注供應鏈成員履責決策、合作策略和渠道優化等[8-9]。Liu等[10]建立三級Stackelberg博弈模型分析政府補貼對供應鏈成員的利潤影響。Li等[11]指出政府補貼可同時提升制造商與零售商履責積極性。政府規制對提升企業履責水平具有積極作用[12]，但不同規制政策提升水平各異，且易受競爭壓力、輿論環境約束的影響[13]。上述CSR履行策略研究均基于完全理性假設構建靜態博弈模型，由于CSR問題復雜性、信息不完全性等限制，無法體現企業履責決策的群體網絡效應。同時，智能供應鏈平臺基于其平臺網絡效應和生態嵌入優勢，已突破傳統供應鏈范式。由此，探究政府分類規制下智能供應鏈賦能機制進而實現醫藥行業高效—智能—協同CSR治理尤為重要。

鑒于實證研究的假設驗證性、智能平臺的場域賦能性和完全理性假設下靜態博弈模型的局限性，構建政府、智能供應鏈平臺和藥企的智能醫藥系統，探究政府分類規制、智能平臺賦能的機制與影響因素，以及政府分類規制對智能平臺、藥企CSR履行決策的作用機理，通過對三方策略演化的臨界條件、穩定性及演化路徑分析，揭示各因素作用與三方博弈演化規律，并通過建立系統動力學模型，利用Anylogic仿真軟件平臺對各主體策略均衡、演化路徑及因素影響進行可視化仿真分析，以期為政府的醫藥行業CSR治理效能提升與治理資源高效—智能—協同耦合提供理論參考。

1 問題描述

鑒于醫藥產品的特殊性及政府對制假售假的“高壓”、“零容忍”態度，以醫藥產品產銷價格機制為背景主線，考慮由政府、智能供應鏈平臺(簡稱平臺)、醫藥企業(簡稱藥企)組成的智能醫藥系統。政府、平臺、藥企策略空間分別為嚴格規制(SG1)與寬松規制(SG2)、履責合作(SP1)與非履責合作(SP2)、積極履責(SM1)與消極履責(SM2)。政府采取SG1策略指通過分類規制促進平臺、藥企合作履責，并根據雙方履責與智能化水平進行分類獎懲。平臺采取SP1策略指積極進行CSR投入并對藥品采取前端平價或低價銷售以最大化消費者剩余，同時投資智能供應鏈建設以強化市場自治力。藥企采取SM1策略指積極遵守醫藥CSR規范，以平價或低價提供藥品后端批發服務。反之，政府采取SG2策略表現為降低監管與獎懲力度的弱“無為”化；平臺、藥企分別采取SP2、SM2策略表現為違背定價規范、獲取超額不當得利的強“利己”化。政府作為行業秩序維護者，注重長效履責機制與行業形象建設。作為醫藥產銷鏈主體，平臺與藥企基于產銷機制構建合作關系，以收益最大化為目標制定自身CSR策略。平臺通過對醫藥產品差異策略定價和智能供應鏈建設獲取收益，藥企向平臺提供醫藥產品并根據自身收益制定履責決策及相應批發價格，雙方傾向融合發展，但受內部收益及外部環境影響。平臺、藥企收益除共同受政府規制、履責需求影響外，同時受雙方策略選擇影響。三方通過價格、競合和收益機制相互作用，在有限信息、認知水平下相互影響、不斷學習，且三方行為策略選擇隨時間動態演化。

2 演化博弈模型構建

2.1 市場需求函數

在平臺履責合作時，消費者感知CSR價值并根據效用最大化購買醫藥產品[16]。設醫藥產品市場需求為Q，消費者支付意愿為h，在[0,Q]中服從均勻分布。當藥企和平臺合作履責時，消費者購買產品效用水平為U1=ηh-λp1，0<η<1；當藥企和平臺非合作履責時，消費者購買產品效用水平為U2=h-λp2；當消費者不購買時效用為0，p1

2.2 三方博弈收益矩陣

1)當政府采取SG1策略時，政府嚴格監管并營造良好履責環境，推進平臺智能供應鏈建設，獲得感知收益(市場信心、公眾信任等)，但須付出規制成本。政府根據平臺與藥企策略選擇進行定制獎懲(與監管力度t有關)并培育智能供應鏈建設。若平臺采取SP2策略，政府基礎收益減少。若政府采取SG2策略，政府存在寬松規制機會成本，而當平臺同時采取SP2策略時，將造成政府感知損失。

2)平臺不同策略收益主要由醫藥產品銷售收益、智能供應鏈建設收益及傭金收益組成。當政府采取SG1策略時，平臺采取SP1、SP2策略所受獎懲與政府監管力度、規制政策有關。若平臺采取SP2策略藥企采取SM1策略，平臺存在搭便車收益。當平臺采取SP1策略、政府采取SG1策略且藥企不采取SM2策略時，平臺投資智能供應鏈建設并獲取補貼及智能化收益。

3)藥企不同策略收益主要由醫藥產品生產收益與智能供應鏈下風險減免收益組成。當政府采取SG1策略時，藥企采取SM1、SM2策略所受獎懲取決于政府規制政策和監管力度。若平臺采取SP2策略藥企采取SM1策略，藥企須承擔支付動態成本(與醫藥產品銷量呈正相關)。若藥企采取SM1策略且平臺采取SP1策略，藥企提升風險彈性閾值，獲得風險減免收益。政府、平臺和藥企三方博弈支付矩陣如表1所示。

表1 三方主體博弈支付矩陣Tab.1 The payoff matrix of the three-party agent game

2.3 復制動態方程

同理可求得平臺、藥企收益復制動態方程。將政府、平臺與藥企的收益復制動態方程聯立可得政府、平臺與藥企三方主體行為策略演化博弈的智能醫藥系統為

(1)

3 三方主體策略演化路徑與穩定性分析

由微分方程穩定性定理知，復制動態方程穩定點位于一階導數小于零的奇點處，即需滿足

(2)

圖1 政府策略演化相位圖Fig.1 Phase diagram of government strategy evolution

圖2 平臺策略演化相位圖Fig.2 Phase diagram of platform strategy evolution

圖3 藥企策略演化相位圖Fig.3 Phase diagram of strategy evolution of pharmaceutical enterprises

3.1 政府視角下演化穩定性分析

對政府采取SG1策略的復制動態方程求一階偏導，依據式(1)可得

F′(x)=(1-2x)(-ω(yys+zym)+t(Φ1+Φ2)-t(yΦ1+zΦ2)+yzm+(1-z)yn+(1-y)L-yθΔc-c1+c2))

(3)

(4)

綜上，政府策略選擇同時受平臺與藥企策略影響，當平臺采取SM1策略概率小于某一閾值時，政府采取SG1策略的演化路徑趨向于1，即政府對具有非履責傾向的平臺采取嚴格規制政策。嚴格規制與寬松規制成本差額對政府嚴格規制策略具有抑制作用，若政府寬松規制將造成市場信心、公眾信任等感知損失。由此，政府需注重醫藥行業CSR治理多方協同作用，減少規制成本、釋放各方治理資源活力。

3.2 平臺視角下演化穩定性分析

對平臺選擇SP1策略的復制動態方程求一階偏導，依據式(1)可得

(5)

(6)

綜上，平臺策略選擇同時受政府與藥企策略影響，當藥企采取SM1策略的概率大于某一閾值時，平臺向SP1策略方向演化。平臺搭便車收益、藥企支付動態收益、履責與非履責售賣藥品價格差額、履責努力成本系數對平臺履責合作策略具有抑制作用；但若采取“薄利多銷”策略降價銷售能夠獲得較大收益，平臺趨向于進行履責合作，且與智慧度補貼短期收益相比，平臺更注重智能供應鏈投資的長期收益。

3.3 藥企視角下演化穩定性分析

對藥企選擇SM1策略的復制動態方程求一階偏導，依據式(1)可得：

(7)

(8)

由式(8)易知，VM1隨Lp、(pw1-cs)q1的上升而上升，隨μm，(pw2-pw1)q2，(pw2-cs)q2的上升而下降。綜上，藥企演化策略同時受政府與平臺策略影響，當政府采取SG1策略的概率高于特定臨界水平時，藥企向SM1策略方向演化，表明政府嚴格規制政策對藥企履責具有積極影響。藥企履責成本系數、履責與非履責批發藥品價格差額、哄抬物價所獲超額收益對藥企積極履責策略具有抑制作用。但若采取“薄利多銷”策略降低批發價格能夠獲得較大收益，藥企將趨向于進行積極履責。若藥企消極履責，其難以通過智能平臺獲取市場有效信息，將面臨外部較大市場風險，即藥企積極履責概率與市場風險呈正相關。

4 智能醫藥系統演化穩定性分析

其中，J11=(1-2x)(-ω(yys+zym)+t(Φ1+Φ2)-t(yΦ1+zΦ2)+yzm+(1-z)yn+(1-y)L-yθΔc-c1+c2)；

0.5(xz-x-z)δθ2-zψp2q2+xtΦ1+xθΔc)；

J23=y(1-y)((p1-pw1)(q1-q2)+(1-x)θΔTe-Δs+0.5(x-1)δθ2-ψp2q2)；

J32=z(1-z)((pw1-cs)(q1-q2)+θαLp+ψp2q2)；

J12=x(1-x)(-ωys-tΦ1+zm+(1-z)n-L-θΔc)；

J13=x(1-x)(ym-yn-ωym-tΦ2)；

J21=y(1-y)(ωys+(1-z)θΔTe+tΦ1+0.5(z-1)δθ2+θΔc)；J31=z(1-z)(tΦ2+ωym)。

表2 均衡點Jacobi矩陣特征值Tab.2 The eigenvalues of the Jacobian matrix

情景1當ω(2ΔTe+2Δc)δ-1時，由表3可知，均衡點E2(1,0,0)對應Jacobi矩陣特征值均為負，由李雅普諾夫判別法知{SG1,SP2,SM2}為演化穩定策略。藥企、平臺分別選擇SM2、SP2策略主要取決于政府規制和監管力度，政府規制可顯著影響藥企與平臺策略選擇。藥企關注消極履責超額收益，平臺不僅關注非履責超額收益，更關注智慧度投資本利差。

情景2當ω>max{0.5μsys,0.5μmym}，min{tΦ1,tΦ2}>max{(p2-p1)q2,(pw2-pw1)q2}，θ<(2ΔTe+2Δc)δ-1，(p1-pw1)(q1-q2)>Δs+ψp2q2，(pw1-cs)(q1-q2)+θαLp>0時，由表3可知，均衡點E8(1,1,1)對應Jacobi矩陣特征值均為負，由李雅普諾夫判別法知{SG1,SP1,SM1}演化穩定策略。與情景1相比，情景2約束條件方向相反且條件增加，表明藥企、平臺分別選擇積極履責、履責合作時考慮因素更為復雜且同時受雙方策略影響。在不改變政府規制力度下，當平臺搭便車收益與支付動態收益較小、市場風險較大時，會驅使平臺與藥企合作履責并投資智能供應鏈建設。

表3 智能醫藥系統穩定性Tab.3 Stability of smart medicine system

情景3當0.5μsys<ω<0.5μmym，θ<(2ΔTe+2Δc)δ-1，(pw1-cs)(q1-q2)+θαLp<0，tΦ1>(p2-p1)q2，tΦ2<(pw2-pw1)q2時，由表4可知，均衡點E5(1,1,0)對應Jacobi矩陣特征值均為負，由李雅普諾夫判別法知{SG1,SP1,SM2}為演化穩定策略。與情景2相比，同等政府規制力度下，平臺約束條件放寬，藥企約束條件相反，且不同企業對政府規制政策靈敏度不同。囿于平臺對藥企放寬條件，且市場風險降低，政府處罰低于消極履責超額收益，藥企難以與平臺融合并達到積極履責狀態。

表4 智能醫藥系統穩定性Tab.4 Stability of smart medicine system

情景4當0.5μmym<ω<0.5μsys，θ>(2ΔTe+2Δc)δ-1，(p1-pw1)(q1-q2)<Δs+ψp2q2，tΦ1<(p2-p1)q2，tΦ2>(pw2-pw1)q2+ψp2q2時，由表4可知，均衡點E6(1,0,1)對應Jacobi矩陣特征值均為負，由李雅普諾夫判別法知{SG1,SP2,SM2}為演化穩定策略。與情景2相比，同等政府規制力度下，平臺約束條件相反，藥企約束條件收緊，平臺支付動態收益為實現情景4關鍵因素。藥企對市場風險關注減小，但對消極履責超額收益、支付動態成本與政府處罰關系更為敏感。囿于平臺與藥企層次不等關系，平臺可操空間大于藥企，若平臺搭便車收益與支付動態收益較大，提升智能度意愿較低，它與藥企合作但難以共同履責。

5 仿真分析

5.1 仿真模型構建與檢驗

根據系統動力學原理、復制動態方程及約束條件，運用Anylogic8.5.1軟件進行建模仿真。設時間步長為1，單位為d，SD模型如圖4所示。系統動力學模型揭示整體系統行為趨勢及政策變化影響，重點在于揭示出事物變化規律及提供演化趨勢的決策思考[20]。根據復制動態方程及約束條件，取m=1.5，n=1.3，c1=0.5，c2=0.4，L=2.0，cs=0.08，Δs=0.1，ys=0.8，ym=0.8，μs=0.3，μm=0.3，p1=0.38，p2=0.5，pw1=0.25，pw2=0.35，α=0.2，Lp=0.7，λ=0.5，η=0.8，ψ=0.52，δ=0.2，Q=1.45。由此，基于SD模型及其參數取值，檢驗模型合理性，探究規制政策等關鍵因素影響。以均衡點E8(1,1,1)為例，通過調整三方主體初始策略取值概率的大小，觀測系統時序演化狀態，檢驗模型初值敏感性與系統穩定性。令x,y,z∈{0.98,0.99}，政府、平臺與藥企策略選擇均為混合策略，系統演化路徑如圖5所示。

圖4 智能醫藥系統動力學仿真模型Fig.4 Dynamic simulation model of intelligent medical system

由圖5可知，系統向均衡穩定點演化速度不同，演化速度與初始值有關。當三方主體在均衡點E8(1,1,1)附近，初始策略取值概率不同時，其均向穩定均衡點E8(1,1,1)演化，系統存在演化穩定均衡點。其余均衡點初值敏感性與系統穩定性討論與之類似，此處不再贅述。由于初始值的選取與演化結果無關，微分動力系統不存在策略取值概率初值敏感性。且當三方主體均采取混合策略時，系統存在純策略演化均衡點，三方策略選擇均可達到穩定狀態，結果驗證了演化模型的合理性與穩定性。

圖5 三方不同初始策略系統演化路徑Fig.5 Three-party different initial strategy system evolution path

5.2 因素影響仿真

在政府分類規制、消費者偏好等關鍵因素影響仿真中，由于系統演化結果不存在策略取值概率初值敏感性，故假定政府、平臺和藥企策略取值概率均為0.5。為破解醫藥行業CSR履責與治理困境，針對E8(1,1,1)策略組合，探究智慧度、消費者偏好、獎勵系數、監管力度、平臺懲罰上限、藥企懲罰上限各因素作用及對系統演化的影響，為提升政府CSR治理效能與形成醫藥行業“履責風尚”提供決策參考。

5.2.1 智慧度對三方博弈演化策略的影響

智慧度取不同值時，三方演化博弈仿真結果如圖6所示。

圖6 不同智慧度三方主體演化路徑Fig.6 Evolution path of tripartite subjects with different degrees of intelligence

由圖6a可知，高智慧度智能醫藥系統可強化藥企抗風險能力與市場自治力，但同時增加政府支出成本，雙重作用下政府政策干預速度減緩，最終穩定在嚴格規制狀態。政府演化速度顯著快于平臺與藥企，表明政府需提前快速制定規制政策以規范市場秩序，引導平臺、藥企履責合作并投資智能供應鏈建設。由圖6b可知，當智慧度較低時，非履責合作有機會獲得支付動態收益與超額收益，平臺處于考察狀態，其演化路徑波動劇烈，演化過程難以穩定。隨著智慧度不斷增加，平臺補貼收益逐漸提高，提高智慧度增強風險彈性的同時可帶來更多智能投資收益，平臺向履責合作方向演化，演化速度與智慧度呈正相關。由圖6c可知，當智慧度較小時，藥企面臨高市場風險，由于市場不確定性及平臺策略波動性，藥企履責成本較高，且政府補貼與需支付動態成本收支情況不明，其持觀察態度，演化路徑呈波動狀態。當智慧度較大時，平臺選擇與藥企合作履責可提升其風險彈性閾值，同時政府補貼收益增加，藥企向積極履責方向演化，且智慧度較大時，演化速度與智慧度呈正相關。平臺具有高智慧度投資傾向，藥企具有高智慧度履責傾向，但兩者易受雙方策略選擇影響，且智慧度對平臺與藥企策略選擇影響顯著。

5.2.2 獎勵系數對三方博弈演化策略的影響

獎勵系數取不同值時，三方演化博弈仿真結果如圖7所示。

圖7 不同獎勵系數三方主體演化路徑Fig.7 Evolution path of tripartite subjects with different reward coefficients

由圖7a可知，當獎勵系數較小時，政府向嚴格規制方向演化，演化速度隨著獎勵系數的增大逐漸減小，最終達到穩定狀態。當獎勵系數過大時，由于支出成本增大，政府持觀望狀態，策略選擇難以穩定，且獎勵系數越大演化路徑波動頻率越快。因此，政府應當制定適當獎勵性政策以規范市場行為。由圖7b可知，當獎勵系數較低時，基于政府獎勵性與嚴格規制政策，平臺選擇與藥企合作履責，演化速度與獎勵系數呈正相關。當獎勵系數過大時，囿于政府搖擺性獎勵政策，平臺策略選擇難以達到穩定狀態。由圖7c可知，當獎勵系數較低時，政府補貼較少，藥企積極履責存在較高履責成本，消極履責可獲得超額收益，藥企向消極履責方向演化。隨著獎勵系數的提升，藥企履責補貼收益不斷增加，藥企選擇與平臺合作，積極履責并強化其風險彈性，演化速度隨著獎勵系數的增加而加快。獎勵系數對政府、平臺和藥企策略選擇影響顯著，藥企對獎勵性政策更為敏感，適當經濟補貼可提升平臺和藥企履責積極性。

5.2.3 平臺懲罰上限對三方博弈演化策略的影響

平臺懲罰上限取不同值時，三方演化博弈仿真結果如圖8所示。由圖8a可知，當平臺懲罰上限取值不同時，政府均向嚴格規制方向演化，但平臺懲罰上限對政府策略選擇影響較小。隨著平臺懲罰上限不斷增大，囿于平臺、藥企不確定性履責狀態，政府提高平臺懲罰上限并加快規制政策落地速度。政府演化速度快于平臺和藥企，表明政府需提前制定規制政策，根據市場CSR違規情況制定相應懲罰標準，規范企業積極履責。

圖8 不同平臺懲罰上限三方主體演化路徑Fig.8 Evolution path of tripartite subjects with different platform punishment upper limit

由圖8b可知，當平臺懲罰上限較低時，平臺處于考察狀態，具有較大策略實施空間，考慮到不履責合作所受處罰較低，通過高價銷售、收取支付動態收益可獲得較高收益，平臺策略選擇難以穩定。當平臺懲罰上限較高時，平臺非履責所受處罰增加，非履責合作收益難以抵消處罰成本，平臺向履責合作方向演化，且演化速度與平臺懲罰上限呈正相關。由圖8c可知，當平臺懲罰上限較低時，基于平臺搖擺性策略，為規避單一策略風險損失，藥企策略選擇難以穩定。隨著平臺懲罰上限的增加，由于處于渠道劣勢地位，藥企消極履責收益低于懲罰成本，積極履責可獲得補貼與聲譽收益，與智能平臺合作可強化風險彈性，藥企選擇積極履責策略，演化速度隨著平臺懲罰上限的增加而加快。囿于不平等地位關系，平臺懲罰上限可同時影響平臺、藥企策略選擇，處于劣勢地位藥企存在策略實施空間與時間局限。

5.2.4 藥企懲罰上限對三方博弈演化策略的影響

藥企懲罰上限取不同值時，三方演化博弈仿真結果如圖9所示。

圖9 不同藥企懲罰上限三方主體演化路徑Fig.9 Evolution path of tripartite subjects with different pharmaceutical enterprise punishment upper limit

由圖9a可知，當藥企懲罰上限取不同值時，政府向嚴格規制方向演化，演化速度快于平臺和藥企。若藥企懲罰上限不斷增大，有利于規范藥企CSR違規問題，且采取嚴格規制增加政府收益，政府演化速度加快，但藥企懲罰上限對演化速度影響較小。由圖9b可知，若藥企懲罰上限不斷增加，政府采取嚴格規制策略，平臺非履責合作收益低于履責合作收益，最終向履責合作方向演化。當懲罰上限增加時，藥企演化速度加快，平臺根據藥企履責決策調整相應策略以獲得最大投機收益，平臺演化速度與藥企懲罰上限呈反相關，最終穩定在履責合作狀態。由圖9c可知，藥企懲罰上限對藥企策略選擇影響較小，當懲罰上限增加時，藥企消極履責所受處罰不斷增大，積極履責可獲得政府補貼，積極履責收益高于消極履責收益，藥企向積極履責方向演化，且演化速度隨著藥企懲罰上限的增大而加快，最終達到穩定狀態。藥企懲罰上限對政府、平臺和藥企策略選擇影響較小，平臺與藥企演化速度呈現反相關關系。

6 結論

針對醫藥行業履責困境與政府規制難題，構建了政府、智能供應鏈平臺和醫藥企業參與的智能醫藥系統，運用演化博弈理論探究政府分類規制、智能平臺賦能機制與影響因素，以及政府分類規制對智能平臺、藥企CSR履行決策的影響機制，揭示各因素作用與三方博弈演化規律，并運用Anylogic軟件仿真分析政府分類規制等因素對系統演化路徑的影響。

研究結論有：1)對政府而言，政府分類規制顯著影響平臺、藥企CSR履行決策與智能供應鏈建設，但規制效果受平臺、藥企政策靈敏度影響，且懲罰性政策落地速度快于獎勵性政策。若政府嚴格規制，可促進藥企、平臺合作履責，并引導平臺智能供應鏈投資，提升雙方風險彈性閾值和行業自治力。政府演化速度與智慧度、獎勵系數呈負相關，與平臺和藥企懲罰上限呈正相關，當獎勵系數過高時，政府策略選擇難以穩定。2)對平臺而言，其獎勵性政策靈敏度高于懲罰性政策，強獎懲規制力度與高智慧度賦能性可雙向促進平臺積極履責合作，較高市場風險可提升智能供應鏈建設積極性。相較藥企而言，平臺存在平臺優勢，履責決策影響因素更為復雜，受內部智慧度投資利本差、非履責超額收益以及外部規制政策多重因素影響。3)對藥企而言，其獎勵性政策靈敏度低于懲罰性政策，相比平臺，藥企存在策略實施空間與時間局限。政府懲罰性規制政策(平臺與藥企懲罰上限)對藥企策略選擇影響較小，若各因素強度較低，藥企策略選擇難以穩定且相比平臺具有滯后效應。智慧度和獎勵系數獎勵性政策對藥企策略選擇影響顯著，較高智慧度、獎勵系數有利于藥企積極履責。

本研究的管理啟示主要在于：1)強化醫藥行業CSR治理政府主導前置作用，科學制定分類規制政策。鑒于政府分類規制對藥企、平臺策略選擇的高顯著性影響，基于醫藥行業CSR現狀推動政府規制作用前置，根據藥企、平臺的政策靈敏度異質性，施行平臺重獎勵、藥企重懲罰的規制政策“私人定制”。2)構建醫藥智能平臺“CSR治理共同體”，強化醫藥行業鏈條耦合力與風險自治力?；卺t藥智能平臺兼具個體與耦合雙元屬性，發揮政府牽頭引導作用，構建醫藥智能供應鏈平臺，促進醫藥產銷鏈條價格透明化、治理智能化，實現CSR治理資源集成協同與場域生態圈配置，助力醫藥行業CSR治理范式創新。3)鑒于藥企的鏈條弱勢地位與平臺的耦合網絡效應，提升平臺規制政策制定強度與精準度為醫藥行業CSR治理的關鍵?；谌街黧w策略演化的臨界條件及因素影響機制，在治理資源集成協同、路徑規劃、強度制定方面強化針對平臺的規制引導及監管力度。

雖然本研究得出具有一定理論與實踐價值的結論，但仍然存在以下不足，有待進一步關注和剖析：1)主要以后疫情時代醫藥線上銷售模式為背景討論智能平臺賦能機制，以及政府分類規制對藥企、智能平臺CSR履行決策的機制作用，由此得出的結論難以適用于采用線上線下聯合銷售模式的醫藥企業，未來有必要結合醫藥企業雙渠道銷售場景展開類似探索；2)主要考慮靜態規制政策下三方演化路徑分析，未能全面考慮動態規制政策以及醫藥企業動態履責水平的影響，未來可進一步研究政府動態規制下醫藥企業動態履責水平的作用機制。