物流服務供應鏈數字化轉型的模式選擇研究：合作研發還是數據賦能？

王 迪， 劉偉華， 石曉冉，3， 魏 爽

（1.山西財經大學 管理科學與工程學院，山西 太原 030006；2.天津大學 管理與經濟學部，天津 300072；3.天津理工大學 管理學院，天津 300384）

1 引言

隨著新一代信息技術的迅速發展，數字經濟成為驅動我國產業轉型升級的重要抓手［1］?！丁笆奈濉睌底纸洕l展規劃》提出“到2025年，數字經濟邁向全面擴展期，數字經濟核心產業增加值占GDP比重達到10%?！敝袊鳛槿蜃畲蟮奈锪魇袌?，數字化轉型無疑是物流業高質量發展的新動能。近年來，以“物流服務提供商—物流服務集成商—終端客戶”為基本結構的物流服務供應鏈得到理論與實踐的高度關注［2-4］。以菜鳥網絡科技有限公司為例，作為物流服務集成商，菜鳥網絡具有資本、技術、整合能力等方面的優勢，負責打造高效的物流基礎設施網絡，物流服務交付則由中通快遞等物流服務提供商完成，上下游成員優勢互補，共同為客戶提供高質量的物流服務產品［4］。

為了完成數字化轉型，物流服務供應鏈中的成員面臨模式選擇的問題。實踐中存在兩種被廣泛采用的數字化轉型模式：合作研發和數據賦能。合作研發模式下，參與者建立跨組織合作伙伴關系，實現高效的資源配置，降低企業單獨研發的高昂成本［5，6］。例如，物聯網科技公司G7、蔚來資本、普洛斯等企業針對自動駕駛技術和物流大數據應用等項目進行合作研發；京東物流與上汽通用五菱汽車股份有限公司合作研發遠程循環取貨等智能倉儲技術。數據賦能模式下，具有數據優勢的成員通過對數據的獲取與分析，向數據劣勢的一方賦能，被賦能者由此實現能力提升［7］。物流服務集成商作為核心企業，能夠匯集需求側和供給側的數據資源，形成天然的數據優勢，通過為物流服務提供商賦能幫助其降本增效。例如，菜鳥網絡為中通快遞提供數據賦能，幫助中通實現高效智能分單，使得中通的訂單處理速度、準確性、服務效率大幅提升，中通快遞董事長指出，基于數據賦能，中通實現了有效的資源整合與成本降低。

與本文密切相關的研究成果涉及三大領域：數字化轉型、合作研發以及數據賦能。針對數字化轉型的相關研究，學者們更多聚焦于數字化轉型的內涵界定及其影響［8］以及細分領域的案例研究［9］。轉型模式是組織成功完成數字化轉型的關鍵，王永貴和汪淋淋［1］按照驅動因素的差異提出四種傳統企業轉型模式，包括效率提升驅動、客戶體驗驅動、業務變革驅動和商業模式創新驅動的數字化轉型模式。楊卓凡［10］從產業數字化轉型的動因角度，提出由社會動因主導的倒逼模式和由創新動因主導的增值服務模式。鮮有學者從供應鏈視角出發，在考慮各方成員博弈的基礎上定量分析物流服務供應鏈數字化轉型的模式選擇問題。

針對合作研發的相關研究，王慧和王謙［6］提出供應鏈上下游成員通過緊密合作可以有效提升研發效率。在合作研發的多種形式中，投資與成本共擔得到較多關注［11-14］，一方面，降低成本是企業開展合作研發最關鍵的動機［11］，另一方面，相比于信息共享等形式，基于投資和成本共擔的合作研發不要求雙方進行核心信息交換，達成合作的可行性較大。Hu等［13］考慮了制造商和零售商合作研發過程中不同的投資方式，研究渠道力量和成本因素對供應鏈決策的影響。張漢江等［14］采用成本共擔形式刻畫供應商與制造商的合作研發關系，研究供應鏈的最優碳減排問題。黃波等［15］提出固定比例成本共擔機制容易引發成員關于共擔比例的矛盾。Gui等［16］提出“個體責任”成本共擔方式，發現這種方式能夠減少成本共擔機制中的搭便車現象。已有部分學者在物流服務供應鏈研究中引入成本共擔契約［17，18］，旨在實現物流服務供應鏈的協調。

針對數據賦能的相關研究，學者們更多聚焦于數據賦能的概念梳理與案例分析［7，19，20］，采用定性研究方法居多，孫新波等［7］認為數據賦能強調通過數據獲取、分析和運用，為賦能對象提供能力獲得和價值創造的可能性。關于數據賦能影響的定量研究相對較少，肖迪等［21］研究平臺數據賦能背景下電商供應鏈的成本分擔策略，提出市場需求隨數據賦能程度遞增。胡強等［22］研究電商平臺對競爭性商家的數據賦能策略，提出數據賦能可以增加消費者效用。

本文構建由物流服務提供商和物流服務集成商組成的物流服務供應鏈，研究合作研發模式和數據賦能模式下的最優技術數字化水平、服務數字化水平、數字物流服務產品定價以及成員利潤。試圖回答以下問題：（1）在兩種模式下，物流服務供應鏈中各成員的均衡決策及利潤是什么？（2）合作研發程度和數據賦能程度對成員均衡決策及利潤的影響機理有何差異？（3）從提高決策水平與增加利潤兩個角度來看，在何種條件下，物流服務供應鏈成員應選擇合作研發模式？在何種條件下，應選擇數據賦能模式？

2 問題描述與模型假設

考慮由一個物流服務提供商（logistics service provider，LSP）和一個物流服務集成商（logistics service integrator，LSI）組成的物流服務供應鏈。具有集成管理能力優勢的LSI通過整合上游LSP的功能型物流服務，向客戶提供一體化的數字物流服務產品（digital logistics service product，DLSP）。與文獻［4，17］一致，本文聚焦于LSI主導的博弈情境。在數字化轉型過程中，技術架構層面的數字化水平t由核心企業LSI決策［23］，旨在搭建數字底座，例如，建立智慧物流信息平臺、研發智能化調度與可視化監管系統等。物流服務交付層面的數字化水平s受到LSI和LSP的共同影響，一方面，由LSP的物流服務數字化水平e決定，此項決策依賴于LSP的自有服務能力，即使不與LSI建立業務關系，LSP依然能夠獨立完成［4］。另一方面，先進的技術架構能夠為LSP交付服務提供支撐，m表示技術架構數字化水平對交付數字化水平的影響程度。參照文獻［17］，假設s＝e＋mt，其中e由LSP自主決策，mt與LSI決策的t相關。后文簡稱t為“技術數字化水平”，e為“服務數字化水平”。

市場需求函數如下：D＝a-bp＋t＋s，根據s＝e＋mt，則D＝a-bp＋（1＋m）t＋e。其中b表示市場需求總量對p的彈性系數，將市場需求對t與e的彈性系數進行歸一化處理，假設0＜b≤1，在數字經濟時代，數字化轉型成為全新的消費增長引擎，客戶追求數字技術帶來的極致服務體驗，相比于服務定價，他們對技術和服務數字化水平的變動更加敏感。

具體決策過程如圖1所示：LSI首先決策技術數字化水平t，總成本為C（t）＝gt2，g表示技術數字化轉型的成本系數，g越小，成本效率越高［24］。其次，LSI決策p，按照抽成比例u向LSP支付單位物流服務批發價格［25］?；诖?，LSP決策e，總成本C（e）＝ke2，k表示服務數字化轉型的成本系數，考慮技術數字化水平的影響mt，交付數字化水平s由此確定。

圖1 物流服務供應鏈的決策變量與決策順序

在合作研發模式下，一方面，LSI與LSP為對方承擔比例θ的成本，實踐中，企業可以通過承擔不同環節研發費用等方式落實成本共擔。另一方面，核心企業LSI為LSP提供投資θF，θ表示合作研發程度，F表示合作研發投資上限，即合作研發程度最大化時LSI提供的投資額［17］。在數據賦能模式下，LSI需要進行固定投資rI用于數據賦能準備工作，r表示數據賦能程度，I為數據賦能投資上限，不同于合作研發模式，數據賦能相關投資是LSI因配置技術架構產生的支出，并非給予LSP的轉移支付。數據賦能有助于企業優化資源調度，降低各環節成本浪費，實現成本降低［19］，LSP接受數據賦能后，成本系數降低至k（1-r），服務數字化總成本為，此項假設形式與Wang等［17］一致；依托數據支持，LSP還可以獲得精準的客戶畫像，提升數字化物流服務的需求轉化率，胡強等［22］提出數據賦能有助于迎合客戶偏好，具有需求促進作用。假設數據賦能后，單位服務數字化水平e吸引的市場需求增加至（1＋r）e，此項假設形式與文獻［17］和［21］一致。上述假設反映了數據賦能“降本”和“增效”的影響，例如，中儲智運作為網絡貨運領域的集成商企業，通過區塊鏈、大數據等先進技術應用，幫助物流服務提供商優化運輸線路，提升運輸效能，有效實現降本增效。

本文使用的具體符號及其說明見表1。在后文的分析中，用上標“*C”和“*E”分別表示合作研發模式與數據賦能模式下的最優解。

表1 模型符號及定義

3 模型求解

3.1 基準模式

當物流服務供應鏈中的成員不選擇合作研發或數據賦能模式時，LSP和LSI的利潤函數如下

雙方以利潤最大化為決策目標，采用逆向歸納法求解最優決策及利潤，可得引理1。

引理1基準模式下，最優技術數字化水平、DLSP定價以及服務數字化水平如下

LSI和LSP的最優利潤為

為保證均衡解有實際意義，假設［4bg-u（1＋m）2］k-2g（1-u）＞0，即，表示服務數字化轉型成本系數高于一定門檻。

通過敏感性分析，可得命題1。

命題1基準模式下，u對成員最優決策與利潤的影響如下

（3）若k≥k2，。

命題1表明，基準模式下，服務數字化水平隨抽成比例遞減，技術數字化水平、DLSP定價以及LSI利潤隨抽成比例的變化趨勢則與服務數字化轉型成本系數k相關。當k較低時，意味著LSP可以通過較低成本帶動需求增加，隨著抽成比例的增加，LSI的最優選擇是降低技術數字化水平以節約轉型成本，降低DLSP定價以擴大市場規模，LSI利潤隨抽成比例遞減。當k適中時，LSI將提高技術數字化水平，降低DLSP定價，LSI利潤隨抽成比例遞增。當k較高時，技術數字化水平、DLSP定價以及LSI利潤均隨抽成比例遞增。根據命題1，當LSP提升服務數字化水平的成本效率較高時，LSI應該降低抽成比例，更多讓利于LSP，充分發揮物流服務數字化轉型對市場需求的撬動力量。

3.2 合作研發模式

當LSP與LSI選擇合作研發模式時，物流服務供應鏈成員的利潤函數如公式（3）和（4）所示。

采用逆向歸納法求解可得引理2。

引理2合作研發模式下，最優技術數字化水平、DLSP定價以及服務數字化水平如下

LSI和LSP的最優利潤為

其中A＝［4bku（1-θ）2＋（3＋θ）u＋2θ-（3-θ）u2］（1-u）g＋u3θk（1＋m）2。

通過對合作研發程度和抽成比例的敏感性分析，可得命題2和3。為確保均衡解有實際意義，假設

命題2合作研發程度θ對成員最優決策與利潤的影響如下

（3）當F＜FC時，否則，。

命題2表明，當合作研發程度大于相應閾值時，t*C、e*C、p*C均隨合作研發程度遞減。原因在于，雙向成本共擔機制既為雙方提供了“激勵”，同時也形成了“約束”——LSI和LSP既希望深化合作研發程度，使得對方為自己分攤更多成本，也需權衡為對方分擔的成本。LSI作為核心企業，除了成本分擔，還需要支付投資θF，隨著θ的增加，投資額不斷增加，同時，技術數字化水平提升導致轉型成本上漲，DLSP定價提高則對市場需求帶來負向影響，在上述因素共同作用下，當θ超過臨界閾值后，t*C、e*C和p*C隨θ遞減。θ對的影響取決于合作研發投資上限F，若F過高，即使合作研發能夠對成員決策產生正向影響并導致收益增加，也難以覆蓋投資支出。

命題3合作研發模式與基準模式下的最優決策與利潤滿足以下關系

（1）當0≤θ＜θ1時，t*C≥t*，e*C≥e*，p*C≥p*。

（2）當θ1≤θ＜θ2時，t*C≤t*，e*C＜e*，p*C＞p*。

（3）當θ2≤θ＜1時，t*C＜t*，e*C＜e*，p*C≤p*。

根據命題3，當合作研發程度小于一定閾值時，與基準模式相比，LSI和LSP開展合作研發能夠提高決策水平，但當合作研發程度過高，開展合作研發反而導致成員做出低于基準模式的決策。只有合作研發投資額上限低于閾值，LSI才能夠獲得高于基準模式的利潤，因此在現實中，核心企業不宜設置過高的合作研發投資。

命題4合作研發模式下，u對成員最優決策與利潤的影響如下

不同于命題1，根據命題4，只有當“抽成比例高于合作研發程度”（即u-θ＞0）與“LSP成本系數k較低”兩個條件同時滿足時，抽成比例對技術數字化水平和LSI利潤的負面影響才會開始顯現，這是因為合作研發程度與抽成比例的影響之間產生“抵消效應”。當k較低時，DLSP定價隨抽成比例遞減，服務數字化水平隨抽成比例遞增。原因在于不開展合作研發時，LSI和LSP之間僅按照抽成比例對DLSP定價進行分配，LSI獲取較大比例單位收益必然導致LSP的單位收益受損，進而降低服務數字化水平。而在合作研發模式下，受“激勵”和“約束”雙重作用影響，雙方在一定程度上形成同盟關系，雙重邊際化效應得以減弱，LSI獲得較高單位利潤后，為LSP分擔成本的實力增強，LSP的服務數字化水平出現隨抽成比例遞增的結果。

3.3 數據賦能模式

為更好地實現數字化轉型，具有數據優勢的LSI為LSP進行數據賦能，LSI和LSP的利潤函數如公式（5）和（6）所示。

引理3數據賦能模式下，最優技術數字化水平、DLSP定價及服務數字化水平如下

LSI和LSP的最優利潤為

其中B＝4bk（1-r）-3（1-u）（1＋r）2。

命題5數據賦能模式下，r對成員最優決策與利潤的影響如下

（2）當I＜IE時，，否則；IE＝。

命題5表明，技術數字化水平、服務數字化水平，以及DLSP定價均隨數據賦能程度r遞增，數據賦能模式下的決策水平始終高于基準模式。LSI的最優利潤隨數據賦能程度的變化趨勢取決于數據賦能投資上限I，當I超過閾值IE時，核心企業利潤隨數據賦能程度遞減，原因與命題2類似，即當投資上限設置過高時，數據賦能程度對收益的正向影響難以彌補投資支出。然而，只要LSI的數據賦能投資額上限低于閾值I，核心企業便能夠獲得高于基準模式的利潤。

命題6數據賦能模式下，u對成員最優決策與利潤的影響如下；當時，否則。

命題6表明，在數據賦能模式下，DLSP定價和服務數字化水平始終隨抽成比例遞減。當服務數字化轉型成本系數較高時，技術數字化水平和LSI利潤隨抽成比例的增加而遞增，若LSP提升物流服務數字化水平的成本系數較低，技術數字化水平和LSI利潤則會隨抽成比例的增加而遞減。

3.4 模式選擇

本節分析數字化轉型模式選擇問題，當LSI與LSP面對模式選擇時，雙方通常會針對兩種模式的擬開展業務進行研判，對預期的合作研發程度與數據賦能程度以及相應的專項投資進行評估。

命題7比較兩種模式下的最優決策t*、p*和e*，可得

（4）為提高技術與服務數字化水平，當k＞max｛kt，ke，kp｝時，LSI和LSP均應選擇合作研發模式；當k＜min｛kt，ke，kp｝時，LSI和LSP均應選擇數據賦能模式。

根據命題7，通過測算相關參數，可以得到兩種模式下最優決策相同時所對應的服務數字化轉型成本系數閾值，稱之為“等價閾值”。當k低于相應的等價閾值時，數據賦能模式下的決策水平均高于合作研發模式，反之，結果相反。當k較低時，合作研發模式下成本分擔機制對LSP的吸引力不足，且LSP還需要為LSI分攤成本，服務數字化水平甚至會隨合作研發程度遞減（命題2），此時通過數據賦能實現降本增效能夠幫助LSP更加顯著地提升服務數字化水平。當k較高時，成本共擔機制和合作研發投資能夠顯著降低LSP的成本壓力，合作研發模式下各成員的決策水平更高。命題7還為數字化轉型模式選擇提供了一種簡單的判斷方式：若LSP需要為服務數字化轉型付出較高成本（k＞max｛kt，ke，kp｝），為提升技術與服務數字化水平，雙方應一致選擇合作研發模式；若服務數字化轉型成本較低（k＜min｛kt，ke，kp｝），雙方應一致選擇數據賦能模式。

兩種模式下LSI與LSP的最優利潤對比與合作研發或數據賦能投資上限F和I有關，假設兩種模式投資上限的數值關系為F＝nI，可得命題8。

命題8比較兩種模式下的和可得

（1）當F＞F0時，，否則；。

命題8表明，當F較高時，合作研發模式下的LSP利潤增加效果“立竿見影”，數據賦能模式通過降本增效幫助LSP實現利潤增加的成效相對較弱。LSI需要綜合分析兩種模式的投資上限，衡量與n的關系，進而選擇利潤更高的轉型模式。表示LSI與LSP雙方預期合作研發程度與預期數據賦能程度的相對強弱，n表示兩種模式投資上限的數值比例關系。最后，命題8給出了LSI與LSP以利潤提升為目標，一致選擇合作研發模式或數據賦能模式的閾值條件。

4 數值分析

采用Matlab R2016a進行數值仿真，分析合作研發與數據賦能兩種模式下的最優決策與利潤。參照文獻［4］，基礎參數設定如下：a＝50，k＝3，g＝10，b＝1，m＝0.2，n＝1，I＝10，F＝10，u∈（0，1），θ∈［0，1），r∈［0，1）。

4.1 合作研發程度的影響

圖2表明，隨著θ的增加，技術數字化水平t*C、DLSP定價p*C以及物流服務數字化水平e*C均呈現先遞增，后遞減的變化趨勢。當θ處于一定區間內時，合作研發模式下的決策水平高于基準模式，即θ＝0時的決策結果。

圖2 θ對LSSC最優決策的影響

圖3 θ對的影響（F＝7）

4.2 數據賦能程度的影響

圖4表明，成員最優決策均隨r遞增，且服務數字化水平的增長幅度大于技術數字化水平，因為LSP是數據賦能模式的直接受益者。數據賦能模式下的決策水平始終高于基準模式下的決策水平，即r＝0時的決策結果。和的影響（I＝30）

圖4 r對LSSC最優決策的影響

圖5表明，在IE＜I對應的數據賦能程度r范圍內隨r遞減，在IE＞I對應的r范圍內，隨r遞增。隨著r的增加先遞增、而后遞減，這是因為當數據賦能程度過高時，DLSP定價提升導致市場需求降低，服務數字化水平的提高意味著LSP產生更高成本支出，最終LSP利潤隨數據賦能程度遞減。

圖5 r對

4.3 抽成比例的影響

圖6展示了合作研發模式下物流服務供應鏈中抽成比例對成員決策與利潤的影響。以技術數字化水平和LSI利潤為例，若，技術數字化水平和LSI利潤隨抽成比例遞增，若，t*C和隨抽成比例遞減。

圖6 u對t*C和的影響（k＝0．5）

圖7表明，當服務數字化轉型成本系數較高時，t*E和隨u遞增，當服務數字化轉型成本系數較低時，t*E和隨u遞減，提高抽成比例并不一定有利于LSI實現決策改進與利潤提升。

圖7（b） u對t*E和的影響

圖7 （a） u對t*E和的影響

4.4 模式比較

圖8表明當k小于相應臨界閾值時，數據賦能模式下的技術和服務數字化水平高于合作研發模式，DLSP定價也更高。當k大于相應閾值時，結果相反。對比kt，kp和ke的大小，當k∈（ke，kp）時，合作研發模式下的技術與服務數字化水平高于數據賦能模式，DLSP定價卻更低，此時客戶能夠以更低價格獲得數字化水平更高的物流服務產品。

圖8 兩種模式下的t*，p*和e*

圖9表明，當雙方認為企業間數據賦能程度r大于合作研發程度θ時，若LSI的投資上限F小于臨界閾值，LSI和LSP均將在數據賦能模式下獲得更高利潤，若F過高，雙方選擇合作研發模式才能共同實現更高利潤。和（r＝0．5，θ＝0．05）

圖9 兩種模式下的

5 結論與啟示

本文針對由一個物流服務集成商和一個物流服務提供商組成的物流服務供應鏈，揭示了合作研發程度與數據賦能程度對技術數字化水平、服務數字化水平以及數字物流服務產品定價的影響，對比了兩種模式下的均衡決策及利潤。本文得到的結論和管理學啟示如下：

第一，在合作研發模式下，隨著合作研發程度的增加，物流服務供應鏈中的技術數字化水平、服務數字化水平，以及數字物流服務定價均呈現先遞增、后遞減的變化趨勢。合作研發程度對LSI利潤的影響與合作研發投資上限有關，當合作研發投資上限過高，LSI的利潤反而會隨著合作研發程度的深化而遞減。在數據賦能模式下，物流服務供應鏈中的成員決策隨數據賦能程度遞增。從利潤角度分析，當物流服務集成商制定的數據賦能投資上限超出臨界閾值時，數據賦能對收益產生的正向影響無法覆蓋實際投資支出，物流服務集成商利潤反而隨數據賦能程度遞減。

第二，在兩種數字化轉型模式下，物流服務供應鏈中核心企業的抽成比例均會對成員決策與利潤產生重要影響，具體影響與服務數字化轉型的成本系數緊密相關。在實踐中，物流服務提供商提升服務數字化水平的成本效率存在較大差異，物流服務集成商需要從全局角度理解抽成比例對各方決策的影響機理，而非一味追求提高訂單抽成比例，當提供商能夠高效開展服務場景數字化革新時，核心企業應當讓利于提供商。如今，許多供應鏈核心企業在優化智慧物流架構的同時，與垂直細分領域的物流服務提供商廣泛建立戰略合作，持續創新“最后一公里”場景，原因正是希望通過強強聯合，打造共贏的物流服務供應鏈生態。

第三，關于合作研發與數據賦能兩種數字化轉型模式選擇問題，兩種模式下的技術和服務數字化水平，以及數字物流服務產品定價的對比與服務數字化轉型成本系數有關。若以提高技術和服務數字化水平為目標，則當服務數字化轉型成本系數大于一定閾值時，雙方應一致選擇合作研發模式，當成本系數小于一定閾值時，結果相反。從成員利潤結果的角度來判斷，物流服務提供商應當密切關注核心企業對合作研發模式的投資上限，物流服務集成商則需要綜合研判，根據兩種模式的預期業務程度以及投資上限，完成模式選擇。本文所得結論可以為供應鏈中不同角色的物流企業提供決策參考。

本研究仍然存在一定的局限性，可以從以下幾個方面進行拓展：第一，考慮存在多個相互競爭的物流服務提供商的物流服務供應鏈結構，并探討在物流服務提供商話語權增強情境下，控制權轉換對成員決策及利潤的影響。第二，在考慮成本共擔與投資方式的基礎上，引入知識共享、建立聯盟等合作研發形式，探討不同合作研發形式的影響差異。