人工智能應用對制造業企業供應鏈效率的影響研究

[摘 要]以2012—2022年滬深A股制造業上市企業為研究對象，運用固定效應模型實證檢驗了人工智能應用對制造業企業供應鏈效率的影響。研究發現：第一，人工智能應用能提高制造業企業供應鏈效率，經過一系列穩健性檢驗后結論依然成立。第二，人工智能應用通過促進技術創新、提升運營效率、降低客戶集中度提高制造業企業供應鏈效率。第三，人工智能應用對中小企業、融資成本高和人力資本質量低的制造業企業供應鏈效率促進作用更顯著。因此，制造業企業應抓住政策機遇，加強人工智能應用，提高供應鏈效率。

[關鍵詞]人工智能應用；供應鏈效率；技術創新；運營效率；客戶集中度

[中圖分類號]F273 [文獻標識碼]A [文章編號]1671-8372（2025）01-0040-10

Research on the influence of artificial intelligence application on the supply chain efficiency of manufacturing enterprises

CHEN Yang1，MENG Zhao-yang1，LI Cong2

（1.School of Economics and Management，Qingdao University of Science and Technology，Qingdao 266061，China；

2. School of Economics，Qingdao University，Qingdao 266075，China）

Abstract：Taking Shanghai-Shenzhen A-share manufacturing enterprises from 2012 to 2022 as the research object，this study empirically tests the influence of artificial intelligence application on the supply chain efficiency of manufacturing enterprises by using fixed effect model. The results show that：first，the application of artificial intelligence can improve the supply chain efficiency of manufacturing enterprises，and the conclusion remains valid after a series of robustness tests；second，the application of artificial intelligence can improve the supply chain efficiency of manufacturing enterprises by promoting technological innovation，improving operational efficiency，and reducing customer concentration；third，the application of artificial intelligence has a more significant role in promoting the supply chain efficiency of small and medium-sized enterprises，manufacturing enterprises with high financing costs and low human capital quality. Therefore，manufacturing enterprises should seize the policy opportunity to increase the application of artificial intelligence and improve the efficiency of their supply chains.

Key words：artificial intelligence application；supply chain efficiency；technological innovation；operational efficiency；customer concentration

一、引言與文獻綜述

近年來，由于我國勞動力價格優勢逐漸消失、中美貿易摩擦升級、國內本土企業崛起等，部分國家提出供應鏈“去中國化”，全球產業鏈供應鏈收縮，影響了我國產業鏈供應鏈的安全穩定[1]。在全球經濟格局深度調整的背景下，供應鏈的暢通和高效對于企業的可持續發展至關重要。中國正積極參與建設新型全球供應鏈，致力于推動全球貿易合作與經濟發展，共同構建一個更加開放、包容、平衡、共贏的經濟體系。國務院2024年《政府工作報告》提出了“實施制造業重點產業鏈高質量發展行動，著力補齊短板、拉長長板、鍛造新板，增強產業鏈供應鏈韌性和競爭力”的要求。然而，我國整體供應鏈效率水平不高且存在較大的地區差異，東部地區的供應鏈效率普遍高于中西部地區[2-3]。在此背景下，企業需密切關注供應鏈效率這一衡量供應鏈性能優劣的關鍵指標。企業供應鏈效率的提高有助于企業自身降低庫存成本，優化資源配置，提升綜合競爭優勢，還可進一步推動供應鏈上下游的聯系，提高信息傳播效率，提升市場交易活躍度[4]。

伴隨外部不確定性增強和經濟下行壓力增大，人工智能對我國制造業發展的作用日益突出[5-6]。國家“十四五”規劃明確提出，要“深入實施智能制造和綠色制造工程，發展服務型制造新模式，推動制造業高端化智能化綠色化”。當前，人工智能不再是對勞動力的簡單替代，不再是以往“自動化進程”的簡單延續[7]，而是企業在廣度和深度上的進一步應用，企業運營模式正在發生重大轉變。因此，是否能夠以及如何通過人工智能的應用來提升企業供應鏈效率、保障供應鏈的安全穩定，是一個亟待研究的重要議題。

供應鏈效率通常反映了企業通過優化資源配置、技術應用及流程管理，實現物流成本最小化與利潤最大化的能力[8-9]。已有研究表明，企業供應鏈效率的影響因素大致可分為外部因素和內部因素兩大類。關于外部影響因素，段文奇等認為，貿易自由化有助于改善企業庫存管理，從而提高企業供應鏈效率[10]；張晨霞等則認為，市場分割會延長企業采購提前期并提高提前期的不確定性，從而提高庫存、降低供應鏈效率[11]。關于內部影響因素，Brynjolfsson等、Ivanov等、戚聿東等都認為，企業數字技術的應用有利于加強供應鏈上下游的有效對接，促進供需匹配精準度以及多方高效協同，進而提升供應鏈效率[12-14]；陸璐基于大數據分析的實證研究認為，信息技術在企業的應用對供應鏈效率存在顯著正向影響[15]；Galbraith認為，減少管理層級、授權一線員工決策，可加速供應鏈異常事件的響應速度，從而提高供應鏈效率[16]。

有關人工智能應用對經濟發展影響的研究大致可分為宏觀和微觀兩個層面。宏觀層面主要涉及人工智能應用對就業和產業發展的影響。Mokyr等、王永欽等研究認為，機器人的使用催生了高新技術產業、服務業等更具比較優勢的新工作崗位[17-18]；尹志鋒等則認為，人工智能應用引發就業結構變化，可能導致結構性失業[19]；劉鑫鑫等認為，人工智能加速了制造業生產復蘇、推動了制造業轉型和革新，并通過促進產業集聚和科技創新間接作用于制造業韌性[20]。微觀層面主要涉及人工智能應用對企業運營的影響。柯明等認為，人工智能應用可以通過降低勞動力投入、外部銷售成本和內部管理成本的方式提升企業全要素生產率，提高企業投入產出效率[21]；杜亞光等的實證研究表明，機器人的使用可以促進客戶的穩定性，從而有效提升企業價值[22]；Barreto等、江育俊等則認為，人工智能應用可通過完善企業物流的硬件設備、軟件平臺，提升數據服務水平，從而助力企業價值的提升[23-24]。

已有研究主要涉及供應鏈效率的影響因素及人工智能應用對就業、產業發展、企業運營等的影響，鮮有文獻關注人工智能應用對制造業企業供應鏈效率的影響。基于已有研究可以認為，人工智能應用能夠對企業供應鏈效率產生積極作用。一方面，企業應用人工智能可以全方位優化資源配置，有效降低生產運營成本，縮短庫存周轉時間；另一方面，人工智能應用有助于企業基于歷史數據優化市場預測，設計出更符合客戶需求的產品，保障供應鏈的穩定。鑒于此，有必要基于制造業上市企業數據，實證研究人工智能應用對企業供應鏈效率的影響。本文的邊際貢獻為：首先，考慮到企業人工智能應用與專利相關，將包含自動、智能、人工智能等關鍵詞的專利作為企業人工智能應用程度指標，完善了在微觀層面對企業人工智能應用程度的度量，可為后續研究奠定基礎。其次，關注人工智能應用對制造業企業供應鏈效率的影響，在供應鏈視角下豐富完善了人工智能應用效果的實證研究。最后，從技術創新、運營效率和客戶集中度三個方面進行機制分析，并從企業規模、融資成本、人力資本質量三個角度進行異質性考察，有助于厘清人工智能應用對企業供應鏈效率的具體作用機制。

二、理論假設

供應鏈效率是指企業通過優化庫存周轉、物流路徑及需求響應速度，實現從原材料采購到產品交付全流程的投入產出最大化[25]。其核心表征為庫存周轉天數縮短、訂單交付周期壓縮及運營成本占比下降[26]。人工智能應用是指企業利用機器學習、物聯網、自然語言處理等技術，實現數據驅動的智能決策與流程自動化[12]。在供應鏈管理中，具體表現為需求預測模型構建、物流路徑動態優化及庫存水平實時監控[23]。

當供給遠超市場需求時，企業的產品售不出去，資金進不來，大量庫存的產生就會導致企業供應鏈效率低下，甚至造成制造業企業供應鏈斷裂[27]。因此，有效降低庫存容量，縮短庫存周轉天數能夠在降低企業的供應鏈效率上發揮重要作用。制造業企業應用人工智能技術有助于實現流程自動化，可以降本增效，例如智能物流系統（無人搬運、自動化分揀等）可縮短運輸周期，降低倉儲管理人力成本[13]。同時，基于歷史銷售數據與實時市場反饋，人工智能算法可動態調整生產計劃與庫存配置，減少過量生產導致的資源閑置，實現數據驅動的精準決策，從而提高企業庫存管理能力[24，28]。此外，智能化能夠實現需求響應敏捷化，通過消費者行為分析與需求預測模型，快速識別市場變化，降低“長鞭效應”引發的供需失衡風險，最終推動制造業企業供應鏈的高效運行[29]。

據此，提出假設H1：人工智能應用能提高制造業企業供應鏈效率。

動態能力理論強調，技術創新是企業適應環境變化的核心路徑[30]。技術創新是指企業通過研發活動形成新技術、新工藝或新產品，具體表現為專利產出增加、工藝流程改進或產品迭代加速[31]。技術創新能夠通過提高企業供應鏈運作過程中的信息溝通和協作能力提升制造業企業的供應鏈效率[32]。一方面，技術創新幫助企業運用技術手段構建網絡平臺，有助于實時監控供應鏈的各個環節，減少庫存積壓，縮短企業庫存周期[29]；另一方面，基于技術溢出效應，人工智能專利積累推動知識整合，加速供應鏈上下游協同創新[33]，從而提高企業供應鏈的知識存量、技術水平和管理能力，促使企業更有效率地創造出有價值的產品和服務[34]。企業通過人工智能應用可增強知識多樣性、打破組織慣例、提高資源配置效率，從而促進企業技術創新[33]。另外，資金的不足是阻礙企業進行技術創新的重要因素。人工智能驅動的精準營銷可擴大客戶基數，增加銷售收入，為企業持續提供研發資金[35]。人工智能應用也可提升企業聲譽而幫助企業獲得更多政府補貼和信用貸款，最終緩解企業技術創新面臨的資金不足[36]。

據此，提出假設H2a：人工智能應用通過促進技術創新提高制造業企業供應鏈效率。

運營效率是指企業通過優化資源配置與流程管理，實現單位產出的成本最小化與速度最大化，具體指標包括勞動生產率、設備利用率、訂單交付準時率等[14]。企業運營效率的提高有助于提高企業利用和配置資源的效率，有效減少資源閑置問題，降低庫存周轉，從而提升供應鏈效率[37]。企業運營效率低下會推高制造成本，削弱價格競爭力并減少市場需求，進而導致庫存積壓，最終降低供應鏈整體效率[38-40]。人工智能應用有助于制造業企業更新管理模式，優化治理結構，提升企業各部門之間的相互協作能力，從而提升企業運營效率[14，41]。首先，智能化轉型有助于企業優化資金周轉，實時匹配訂單需求與產能，減少設備空轉，有效提升設備利用率[21]；其次，人工智能視覺質檢降低次品率，減少返工與退貨成本，改善企業成本結構[28]；最后，區塊鏈支持的供應鏈金融平臺可以促進上下游企業之間的相互配合，加速上下游資金結算，縮短應付賬款周轉天數[22]。

據此，提出假設H2b：人工智能應用通過提升運營效率提高制造業企業供應鏈效率。

客戶集中度是指企業前五大客戶的銷售額占總營收的比重，反映市場需求來源的集中性與風險敞口[42]。交易成本理論認為，客戶分散化可降低議價權失衡導致的效率損失[43]。市場拓展能使更多消費者參與制造業產品的最終消費活動，消費者數量的增多引致對產品數量、種類等需求的提升，市場需求端的擴展會倒逼企業適應性改進供應鏈系統，提高供應鏈效率[44]。一方面，制造業企業對人工智能的應用促進了市場信息的公開化、透明化，有助于緩解供應鏈上下游之間的信息不對稱，從而促進上下游企業間的交易。人工智能應用還能夠提高動態定價能力，增強中小客戶吸引力[45]。另一方面，伴隨數字化技術如人工智能等的應用，互聯網平臺迅速發展。制造業企業通過網絡平臺精準識別客戶需求，提供個性化服務，在留住老客戶的同時，又能吸引更多新客戶，降低了企業對于個別客戶的依賴程度[42]。企業借助網絡平臺其服務范圍不再局限于線下消費者，而是擴展至整個國內市場，甚至觸及全球的海外消費者。換言之，人工智能的應用會降低制造業企業的客戶集中度。

據此，提出假設H2c：人工智能應用通過降低客戶集中度提高制造業企業供應鏈效率。

綜上所述，構建人工智能應用影響制造業企業供應鏈效率的理論機制（見圖1）。

三、研究設計

（一）樣本選擇與數據來源

考慮到數據的可得性，選取2012—2022年在滬深A股上市的制造業企業作為研究樣本。上市企業的財務數據來源于國泰安數據庫和巨潮網，專利數據則來源于中國國家知識產權局。刪除ST、*ST和已退市的企業樣本，最終共獲得22361個觀測值。

（二）變量說明

1.被解釋變量

供應鏈效率（SCE）為被解釋變量。供應鏈效率體現為對供應鏈的有效管理，而供應鏈管理主要涉及協調供應鏈中各參與者的信息、產品、資金等。庫存周轉天數是企業供應鏈效率的重要衡量指標，存貨周轉天數越短，說明企業供應鏈效率越高。因此，參考劉駿等的方法[26]，用上市企業庫存周轉天數來衡量企業供應鏈效率。

2.核心解釋變量

人工智能應用（AI）為核心解釋變量。借鑒董直慶等的方法[46]、Mann等的思路[47]，根據中國國家知識產權局的數據，檢索樣本企業2012—2022年所申請專利中包含自動、智能、人工智能等關鍵詞的條目，若有一條則該企業當年人工智能應用程度加1。

3.控制變量

為了解決由遺漏變量引起的內生性問題，借鑒劉駿等、曾嶒等的研究方法[26，48]，加入一系列控制變量，包括企業規模（Size）、資產負債率（Lev）、資產收益率（ROA）、凈資產收益率（ROE）、現金流比率（Cashflow）、產權性質（SOE）、托賓q（TobinQ）、股權集中度（Top1）、毛利潤（GrossProfit）。主要變量的含義如表1所示。

（三）計量模型

借鑒杜亞光、史丹等的方法[22，49]，設定以下基準回歸模型：

（1）

式（1）中，i表示企業，t表示年份，SCEit 表示供應鏈效率，AIit 表示企業的人工智能應用程度，Controlsit表示一系列控制變量，δi表示企業固定效應，σt 表示年份固定效應，εit 表示隨機誤差項。

（四）變量描述性統計

主要變量的描述性統計結果如表2所示。制造業企業供應鏈效率的均值為4.665，標準差為0.805，最大值與最小值差距懸殊，說明樣本范圍內不同企業的供應鏈管理水平有極大差異。人工智能應用的平均值為0.022，最大值與最小值分別為9.020、0，說明企業的人工智能應用水平也存在較大的差異。其余控制變量的分布特征與以往研究文獻的分析基本相似。

四、實證結果分析

（一）基準回歸結果分析

由表3基準回歸結果可知，無論是否加入控制變量，人工智能應用的回歸系數均顯著為負，說明制造業企業的人工智能應用可以縮短庫存周轉天數，提高供應鏈效率。制造業企業的人工智能應用程度越高，庫存周轉天數就越短，供應鏈效率就越高。人工智能應用程度越高，制造業企業生產流程越高效，對外部需求的預見性也越高，就可以依據消費者偏好調整生產策略，進而提升庫存管理能力、提高供應鏈效率。這說明人工智能的應用有利于制造業企業供應鏈效率的提高，假設H1得證。

在控制變量中，產權性質和毛利潤的回歸系數均顯著為正，說明國有企業、毛利潤較高企業的供應鏈效率提升程度較高。國有企業能夠獲得更多的政策優勢，毛利潤較高的企業能夠抽出更多的資金來加大人工智能的應用從而提高供應鏈效率。而資產收益率和現金流比率的回歸系數顯著為負，說明降低資產收益率與現金流比率對于企業供應鏈效率的提高有顯著促進作用，與已有文獻結論類似[50]。

（二）穩健性檢驗

1.更換被解釋變量

為進一步驗證企業人工智能應用能夠有效提高供應鏈效率這一結論的穩健性，更換企業供應鏈效率的衡量指標。因為營業周期能夠反映企業整個經營活動所花費的時間，以營業周期的自然對數（lnCycle）衡量供應鏈效率，營業周期越短，說明企業供應鏈效率越高。表4列（1）結果顯示，人工智能應用水平的系數為－0.237，在1％的水平上顯著為負，說明更換被解釋變量衡量方式后研究結果相似，研究結論穩健。

2.更換核心解釋變量

借鑒張龍鵬等的方法[51]，以制造業上市企業年報中出現的與人工智能相關的關鍵詞次數（Frequency）作為衡量企業人工智能應用的代理變量。其中，篩選出的人工智能關鍵詞主要包括計算機視覺、人工智能、圖像識別、知識圖譜、知識表示、人機對話、AI產品、人機交互、數據挖掘、自動駕駛、智能零售、智能運輸、智能計算等。表4列（2）結果顯示，關鍵詞次數的系數在1％的水平上顯著為負，說明研究結論穩健。

3.滯后一期核心解釋變量

考慮到人工智能應用的影響可能存在滯后性[52]，將解釋變量滯后一期進行回歸。表4列（3）結果顯示，人工智能應用水平系數在5％的水平上顯著為負，說明研究結論穩健。

4.更換樣本區間

考慮到2020年和2021年受疫情影響，借鑒鄭景麗等的方法[53]，將2020和2021年的數據剔除后重新進行回歸。表4列（4）結果顯示，人工智能應用水平系數在1％的水平上顯著為負，說明研究結論穩健。

5.剔除直轄市樣本

考慮到直轄市的經濟發展規模、營商環境等顯著優于其他城市，其人工智能應用與庫存周轉關系存在顯著差異，借鑒劉鑫鑫等的方法[20]，剔除北京、上海、重慶、天津四個直轄市樣本后重新進行回歸。表4列（5）結果顯示，人工智能應用水平系數在1％的水平上顯著為負，說明研究結論穩健。

6.考慮企業上市時間

考慮到上市較早的企業大部分偏傳統類型，轉型升級速度較慢、水平較低，篩選出上市年份在2012年及以后的上市制造業企業重新進行回歸。表4列（6）結果顯示，人工智能應用水平系數在1％的水平上顯著為負，說明研究結論穩健。

（三）機制檢驗

1.技術創新渠道

借鑒余明桂等的研究方法[54]，采用研發投入占總資產的比例來評估制造業企業的技術創新水平（Innovation）。表5列（1）顯示，人工智能應用對技術創新影響的系數在10％水平上顯著為正，說明人工智能應用促進了制造業企業技術創新。制造業企業應用人工智能優化資源配置，降低了物流、信用等成本，使得企業有更多資金用于技術創新。同時，企業通過技術創新獲得了更迅速、更詳細、更準確的市場信息，推動供應鏈協同創新，縮短了庫存周轉，提高了供應鏈效率。假設H2a得證。

2.運營效率渠道

采用勞動生產率（Labour）和資本利用率（Capital）作為企業運營效率的表征指標。表5列（2）顯示，人工智能應用在1％水平上顯著提高了勞動生產率；表5列（3）顯示，人工智能應用在10％水平上顯著提高了資本利用率。人工智能應用通過提高勞動生產率和資本利用率改善企業管理模式和內部治理水平，提高了企業運營效率。而企業運營效率的提升有助于優化資源配置效率、降低產品制造成本，提高產品競爭力，有效降低庫存周轉，最終提高供應鏈效率。假設H2b得證。

3.客戶集中度渠道

參考陳劍等的研究[42]，采用企業前五大客戶銷售額占總營收比重表征客戶集中度（Customer）。表5列（4）顯示，人工智能應用在5％的水平上顯著降低了客戶集中度。人工智能應用提高了企業信息透明度，利于上下游企業建立良好合作關系，也利于企業精準捕捉客戶需求，有效維系老客戶并吸引新客戶，顯著擴大市場規模。消費者數量激增引致的對產品數量與種類的需求，極大促進了制造業企業產品的生產和銷售，縮短企業庫存周轉時間，提高企業供應鏈效率。假設H2c得證。

（四）異質性分析

1. 基于企業規模的異質性分析

將樣本企業中總資產大于樣本中位數的制造業企業設定為大型企業，其余為中小型企業。表6列（1）和列（2）顯示，人工智能應用顯著降低了中小型制造業企業的庫存周轉天數，而對大型企業的供應鏈效率提升不明顯。大型企業本身具有相對穩定的上下游客戶關系，具有人才、資金優勢，人工智能的應用對這些大型企業供應鏈效率的提升不是特別明顯。相對而言，中小型企業自身不具備大型企業的優勢，應用人工智能可以更有效地促進技術創新、提升運營效率等，從而對供應鏈效率的提高更明顯。

2. 基于融資成本的異質性分析

參考王紅建等的研究[55]，利用財務狀況指數來衡量企業的融資成本。將財務狀況指數大于中位數的設為融資成本高的樣本，其余則為融資成本低的樣本。表6列（3）和列（4）顯示，人工智能應用對融資成本高的企業的供應鏈效率的影響作用明顯，而對融資成本低的企業影響不顯著。人工智能應用能顯著優化供應鏈流程，優化資源配置，而融資成本高的制造業企業通常對成本節約和效率提升的需求更為迫切，因而其人工智能的應用對供應鏈效率的影響更加顯著。

3. 基于人力資本質量的異質性分析

參考肖土盛等的做法[56]，計算各企業中研究生及以上學歷的員工數量占員工總數的比值并取中位數，大于中位數的設為人力資本質量高的企業，其余則為人力資本質量低的企業。表6列（5）和列（6）結果顯示，人工智能應用顯著降低了人力資本質量較低的企業的庫存周轉天數，提高了供應鏈效率，而對人力資本質量高的企業的庫存周轉天數影響不顯著。人力資本質量較低的企業更加需要通過應用人工智能來提升企業的管理、運營、銷售等水平，因而人工智能的應用對其供應鏈效率的影響更加顯著。

五、結論與政策建議

本文以滬深A股制造業上市企業為研究對象，實證檢驗了人工智能應用對制造業企業供應鏈效率的影響。主要結論為：首先，人工智能應用有助于制造業企業降低庫存周轉天數，從而提高企業供應鏈效率。在進行一系列穩健性檢驗后，結論依然成立。其次，促進技術創新、提升運營效率、降低客戶集中度是企業應用人工智能提高供應鏈效率的三條主要途徑。最后，人工智能應用對制造業企業供應鏈效率的促進作用在中小企業、融資成本高、人力資本質量低的企業更顯著。

基于上述結論，提出以下政策建議：

第一，政府應當鼓勵制造業企業加強人工智能應用，特別是在供應鏈管理領域。在鼓勵政策方面，制定稅收減免、資金補貼等措施，支持人工智能驅動的循環經濟模式，給予采用人工智能優化碳足跡的企業綠色信貸利率優惠，降低企業應用人工智能的成本。在供應鏈管理方面，建設供應鏈人工智能風險防控體系，如制定供應鏈敏感信息（客戶訂單、庫存數據等）的加密與脫敏標準、為極端情境（疫情、地緣沖突等）下的供應鏈中斷風險制定動態應急預案。此外，開展跨境數據流通試點，推動基于區塊鏈的跨境供應鏈數據交換，深化人工智能與全球供應鏈的融合。

第二，制造業企業應當通過人工智能應用加大研發投入、提高運營效率、拓展市場邊界。企業與高校合作，通過產教融合，搭建人才共享平臺，建立人工智能工程師庫，完善人工智能人才培養與共享機制，降低人力資本壁壘，推動技術創新。強化企業供應鏈上下游的協同創新，深入實施數字化轉型，通過數據實時監控緩解信息不對稱，降低管理和交易成本，以提高企業運營效率。應用人工智能搭建供應鏈網絡平臺，優化資源配置，并通過精準識別市場需求減少企業庫存周轉天數，提高企業供應鏈效率。

第三，構建分層次的人工智能賦能體系，有效發揮制造業智能化轉型對供應鏈效率的積極作用。鼓勵大型龍頭企業開放人工智能對接平臺接口，為上下游企業提供低成本服務（如海爾卡奧斯模式“COSMOPlat”）。對首次部署智能倉儲、預測系統的企業給予30％～50%的成本補貼（如歐盟數字歐洲計劃“Digital Europe Programme”）。建立融資擔保機制，提供專項貸款，支持融資成本高的制造業企業應用人工智能。人力資本質量較低的制造業企業應完善吸引、留住人才的管理制度，提高自主創新能力，避免關鍵領域被“卡脖子”。

［參考文獻］

王一鳴．百年大變局、高質量發展與構建新發展格局[J]．管理世界，2020（12）：1-12.

張任之.數字技術與供應鏈效率：理論機制與經驗證據[J]. 經濟與管理研究，2022（5）：60-76.

吳俊紅.中國區域物流發展差異及其影響因素研究[D].成都：西南交通大學，2014.

沈坤榮，喬剛.供應鏈創新、不確定性與企業資源配置：基于存貨調整視角[J]. 經濟管理，2024（9）：49-68.

張鵬飛.中國經濟下行壓力大的現狀及原因分析[J]. 金融經濟，2015（16）：39-40.

蘭順正.“混合戰爭”大行其道 未來世界局勢更添復雜[J]. 坦克裝甲車輛，2022（8）：36-39.

蔡躍洲，陳楠.新技術革命下人工智能與高質量增長、高質量就業[J]. 數量經濟技術經濟研究，2019（5）：3-22.

FISHER M L. What is the right supply chain for your product？[J].Harvard Business Review，1997（2）：105-116.

CHOPRA S，MEINDL P. Supply Chain Management：Strategy，Planning，and Operation[M]. 7th ed. Hoboken：Pearson，2021.

段文奇，景光正.貿易便利化、全球價值鏈嵌入與供應鏈效率：基于出口企業庫存的視角[J]. 中國工業經濟，2021（2）：117-135.

張晨霞，俞萍萍.國內市場分割與供應鏈效率：基于企業庫存視角[J]. 國際商務（對外經濟貿易大學學報），2022（3）：123-139.

Brynjolfsson E，McElheran K. The rapid adoption of data-driven decision-making[J]. American Economic Review，2016，106（5）：133-139.

Ivanov D，Dolgui A，Sokolov B. The impact of digital technology and industry 4.0 on the ripple effect and supply chain risk analytics[J]. International Journal of Production Research，2019，57（3）：829-846.

戚聿東，蔡呈偉.數字化對制造業企業績效的多重影響及其機理研究[J].學習與探索，2020（7）：108-119.

陸璐.基于信息技術的流通經濟數字化轉型對供應鏈效率的影響：以大數據分析為中介效應研究[J]. 商業經濟研究，2024（14）：97-100.

GALBRAITH J R. Designing organizations：Strategy，structure，and process at the business unit and enterprise levels[M]. 3rd ed. San Francisco：Jossey-Bass，2014.

Mokyr J，Vickers C，Ziebarth N L. The history of technological anxiety and the future of economic growth：is this time different？[J]. Journal of Economic Perspectives，2015（3）：31-50.

王永欽，董雯.機器人的興起如何影響中國勞動力市場：來自制造業上市公司的證據[J]. 經濟研究，2020（10）：159-175.

尹志鋒，曹愛家，郭家寶，等.基于專利數據的人工智能就業效應研究：來自中關村企業的微觀證據[J]. 中國工業經濟，2023（5）：137-154.

劉鑫鑫，韓先鋒.人工智能與制造業韌性：內在機制與實證檢驗[J]. 經濟管理，2023（11）：48-67.

柯明，楊雙至，戴翔.人工智能推動企業出口升級了嗎[J]. 國際貿易問題，2023（8）：125-142.

杜亞光，何瑛，金振，等.人工智能與企業客戶穩定性：基于中國工業機器人應用的證據[J]. 經濟問題，2024（2）：48-56.

Barreto L，Amaral A，Pereira T．Industry 4.0 implications in logistics：an overview[J]．Procedia manufacturing，2017，13：1245-1252．

江育俊.人工智能在供應鏈領域的應用可行性研究[J].智慧中國，2024（Z1）：84-86.

Hendricks K B，Singhal V R. Association between supply chain glitches and operating performance[J]. Management Science，2005，51（5）：695-711.

劉駿，張義坤.數字化轉型能提高企業供應鏈效率嗎：來自中國制造業上市公司年報文本分析的證據[J].產業經濟研究，2023（6）：73-86.

王永進，匡霞，邵文波.信息化、企業柔性與產能利用率[J].世界經濟，2017（1）：67-90.

權小鋒，李闖.智能制造與成本粘性：來自中國智能制造示范項目的準自然實驗[J].經濟研究，2022（4）：68-84.

Lee H H，Zhou J，Hsu P H．The role of innovation in inventory turnover performance[J]．Decision support systems，2015，76：35-44．

Teece D J，Pisano G，Shuen A. Dynamic capabilities and strategic management[J]. Strategic Management Journal，1997，18（7）：509-533.

Aghion P，Van R J，Zingales L. Innovation and institutional ownership[J]. American Economic Review，2016，106（1）：277-304.

楊新玉.數字化創新對制造企業供應鏈效率的影響研究[D].太原：山西財經大學，2024.

李玉花，林雨昕，李丹丹.人工智能技術應用如何影響企業創新[J].中國工業經濟，2024（10）：155-173.

蔣云鳳.協同創新對可持續供應鏈績效的影響機理研究[D].太原：太原理工大學，2017.

鞠曉生，盧荻，虞義華．融資約束、營運資本管理與企業創新可持續性[J]．經濟研究，2013（1）：4-16．

BRAMMER S，PAVELIN S. Corporate reputation and social performance：the importance of fit[J]. Journal of Management Studies，2006，43（3）：435-455.

HITT M A，IRELAND R D，HOSKISSON R E. Strategic Management：Concepts and Cases[M]. 12th ed. Boston，MA：Cengage Learning，2016.

PORTER M E. Competitive Advantage：Creating and Sustaining Superior Performance[M]. New York：Free Press，1985.

Goldfarb A，Tucker C. Digital economics[J]. Journal of Economic Literature，2019，57（1）：3-43.

劉益，李恒. 質量管理實踐對供應鏈協同績效的影響[J]. 管理工程學報，2017（1）：56-65.

KAMBLE S S，GUNASEKARAN A，SHARMA R. Understanding the determinants of digital supply chain adoption in the food and beverage industry：an empirical study[J]. Business Process Management Journal，2018，24（3）：654-670.

陳劍，黃朔，劉運輝.從賦能到使能：數字化環境下的企業運營管理[J].管理世界，2020（2）：117-128.

Williamson O E. The economic institutions of capitalism[M]. New York：Free Press，1985：78-95.

SIMCHI-LEVI D，KAMINSKY P，SIMCHI-LEVI E. Operations and supply chain management：the core[J]. Management Science，2020，66（5）：1987-2004.

WEBER T A，NEUHOFF K. Carbon markets and technological innovation[J]. Journal of Environmental Economics and Management，2010，60（2）：115-132.

董直慶，姜浩，王林輝.“頭部化”抑或“均等化”：人工智能技術會改變企業規模分部嗎[J]. 數量經濟技術經濟研究，2023（2）：113-135.

Mann K，Püttmann L. Benign effects of automation：new evidence from patent texts[J]. Review of Economics and Statistics，2023，105（3）：562-579.

曾嶒，唐松.新冠疫情下國有企業的經濟穩定器作用：基于供應鏈扶持的視角[J]. 經濟研究，2023（3）：78-96.

史丹，葉云嶺.人工智能、就業結構與高質量發展[J].當代財經，2023（5）：3-14.

李萬利，劉虎春，龍志能，等.企業數字化轉型與供應鏈地理分布[J].數量經濟技術經濟研究，2023（8）：90-110.

張龍鵬，鐘易霖.價值鏈視角下人工智能應用對全要素生產率的影響：基于中國A股上市公司的實證研究[J]. 經濟體制改革，2023（4）：106-113.

吳非，胡慧芷，林慧妍，等．企業數字化轉型與資本市場表現：來自股票流動性的經驗證據[J]．管理世界，2021（7）：130-144．

鄭景麗，王喜虹，張雪梅.人工智能如何影響勞動收入份額：基于產業結構與企業升級的機制探討[J]. 南開經濟研究，2024（4）：3-22.

余明桂，范蕊，鐘慧潔．中國產業政策與企業技術創新[J]．中國工業經濟，2016（12）：5-22.

王紅建，曹瑜強，楊慶，等.實體企業金融化促進還是抑制了企業創新：基于中國制造業上市公司的經驗研究[J]. 南開管理評論，2017（1）：155-166.

肖土盛，吳雨珊，亓文韜．數字化的翅膀能否助力企業高質量發展：來自企業創新的經驗證據[J]. 經濟管理，2022（5）：41-62.

[責任編輯 張桂霞]