企業數字化轉型與供應鏈風險

【摘 要】 企業數字化轉型已從內部業務、組織和商業模式的變革，拓展為供應鏈上下游生產要素、組織關系等數字化協同。針對現有研究多聚焦單企業風險、忽視網絡化溢出機制的理論缺口，文章基于供應鏈溢出理論，構建“數字化轉型-溢出效應-風險傳導”理論框架，以2010—2023年滬深A股制造業上市公司為樣本，采用動態面板GMM模型控制內生性，綜合運用結構方程模型和Bootstrap中介效應檢驗法，揭示數字化轉型對供應鏈風險的雙重影響機制。研究發現，數字化轉型通過提升信息透明度和協同創新能力，顯著降低企業自身供應鏈風險。技術溢出與知識溢出形成差異化傳導路徑，分別使上下游企業風險顯著下降。供應鏈整合在技術溢出中發揮完全中介作用，協作創新則通過效率、韌性雙路徑強化知識溢出效應。研究結果為企業構建適應數字化時代的供應鏈風險管理框架提供理論依據，同時為政策制定者完善產業數字化轉型戰略提供參考。

【關鍵詞】 企業數字化轉型； 供應鏈風險； 技術溢出； 動態能力理論； 結構方程模型

【中圖分類號】 F273" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）16-0085-09

一、引言

黨的二十屆三中全會通過的《關于進一步全面深化改革、推進中國式現代化的決定》明確提出“實施制造業數字化智能化綠色化轉型行動”，標志著數字化轉型已成為國家戰略的重要組成部分。在全球價值鏈重構與技術革命交織的背景下，企業通過物聯網、區塊鏈等技術實現供應鏈全流程數字化[ 1 ]，這一進程在提升運營效率的同時，也導致風險傳導機制發生結構性變革。現有研究表明，數字化轉型通過優化資源配置與增強供應鏈穩定性顯著提升企業競爭力[ 2-3 ]，但其引發的網絡化風險溢出效應尚未得到充分解析[ 4 ]。如何在數字化轉型進程中有效管理供應鏈風險，已成為學術界與產業界共同關注的重大課題。

既有研究圍繞數字化轉型與供應鏈管理的關系展開多維度探討，主要形成三種理論范式：其一，效率提升范式。學者們普遍認同，數字化技術通過減少信息不對稱提升供應鏈效率。經典研究指出，物聯網與區塊鏈技術的應用使庫存周轉率提高19.3%[ 2 ]，智能算法將需求預測誤差降低至8.3%[ 5 ]。此類研究多基于交易成本理論，強調技術工具對運營流程的優化作用[ 6 ]。其二，韌性構建范式。研究者關注數字化技術對供應鏈抗風險能力的增強機制。動態能力理論[ 3 ]指出，數字孿生等技術通過虛擬映射實現風險實時監測，使供應鏈中斷恢復時間縮短37%[ 1 ]。此范式側重分析技術應用對突發沖擊的緩沖效應，但未深入探討風險傳導的網絡化特性。其三，創新驅動范式。資源依賴理論[ 4 ]強調，數字化平臺通過促進知識共享推動供應鏈協同創新。研究表明，核心企業開放數據接口可使下游客戶創新效率提升28%[ 7 ]，聯合研發投入對技術擴散速率的彈性系數達0.25[ 8 ]。盡管現有成果豐碩，但仍存在顯著理論缺口，一是多數研究局限于單企業視角，忽視供應鏈網絡內風險溢出的動態機制[ 8 ]。二是對數字化轉型“雙刃劍”效應缺乏系統解釋，尤其技術依賴與信息泄露等新型風險尚未納入分析框架[ 9 ]。三是動態能力與資源依賴的整合不足，難以揭示技術協同與知識共享的交互作用[ 3 ]。

本文基于供應鏈溢出理論，整合動態能力理論與資源依賴理論，構建數字化轉型、網絡化溢出、風險傳導分析框架。重點探究以下問題：一是數字化轉型如何通過技術標準牽引與數據開放形成雙向風險緩釋效應？二是供應鏈整合與協作創新在風險傳導中承擔何種中介角色？三是不同技術情境下溢出效應的強度差異及其政策含義。本研究以2010—2023年滬深A股制造業上市公司為樣本，采用動態面板GMM模型與Bootstrap中介檢驗法，突破傳統單案例研究的局限性。

本文理論貢獻體現在三方面：一是揭示數字化轉型的雙向溢出機制，突破單企業分析范式；二是驗證效率、韌性、創新多維路徑的中介效應，回應多層級理論整合的研究呼吁[ 3 ]；三是構建鏈式風險共治模型，為產業政策設計提供新思路。

二、理論分析與研究假設

（一）企業數字化轉型對自身供應鏈風險的直接影響

企業數字化轉型通過重構信息交互模式與決策機制，對供應鏈風險產生多維度抑制作用，基于動態能力理論[ 3 ]與交易成本理論[ 6 ]，提出以下作用路徑。

1.信息透明度提升與風險預警機制

物聯網與區塊鏈技術的應用，打破了傳統供應鏈的數據黑箱狀態。區塊鏈的分布式賬本特性確保數據不可篡改[ 2 ]，而物聯網傳感器實時采集物料流動、庫存狀態及物流軌跡信息，形成全鏈條可視化監控網絡。這種技術組合顯著降低了信息不對稱性，使企業能夠提前識別潛在中斷風險。如RFID技術通過實時追蹤在途庫存，可將訂單履行周期波動率降低22%[ 10 ]。此外，大數據驅動的預測模型通過整合歷史銷售數據與市場輿情，可將需求預測準確率提升18%～25%，有效抑制“牛鞭效應”引發的庫存積壓風險[ 11 ]。

2.智能決策優化與運營彈性增強

人工智能與數字孿生技術為企業提供了動態決策支持能力。AI驅動的智能補貨系統通過機器學習算法分析供需波動規律，動態調整安全庫存閾值，實證研究表明其可使庫存周轉率提升19.3%[ 12 ]。數字孿生技術則通過構建虛擬供應鏈映射系統，支持企業進行風險情景模擬與應急方案預演。以汽車制造業為例，數字孿生模型可模擬突發性物流中斷對生產計劃的影響，并生成多套恢復方案，使供應鏈中斷恢復時間縮短37%[ 1 ]。

3.交易成本削減與協作效率提升

數字化協同平臺通過標準化數據接口與自動化協議執行，顯著降低供應鏈節點企業間的協調成本。電子數據交換系統實現訂單、發票等商業文檔的自動解析與傳輸，使訂單處理錯誤率下降8.2個百分點[ 13 ]。同時，智能合約技術將采購協議編碼為可自動執行的計算機程序，當交貨驗收合格預設條件觸發時，系統自動完成支付結算，減少人為干預導致的合同糾紛。研究表明，采用智能合約的企業供應鏈協作效率提升40%～60%[ 14 ]，協商成本降低32%。

上述機制表明，數字化轉型通過信息透明化、決策智能化、協作自動化三重路徑重構風險管理范式，能夠有效地管控供應鏈自身的風險。據此提出假設1。

H1：企業數字化轉型與自身供應鏈風險顯著負相關。

（二）企業數字化轉型通過技術溢出效應降低上游供應商供應鏈風險

技術溢出效應與上游風險緩釋，技術溢出效應是核心企業通過知識共享、工具協同與標準輸出，推動供應鏈伙伴技術能力迭代的動態過程[ 7 ]。本文基于知識基礎觀與資源依賴理論[ 4 ]，解析其作用機制。

1.技術溢出的三維傳導路徑

（1）知識擴散路徑：核心企業構建數字化培訓體系，通過在線學習平臺向供應商傳遞數據分析、設備運維等顯性知識，同時借助虛擬現實技術模擬復雜工藝場景，促進隱性知識轉移。

（2）工具賦能路徑：供應鏈云平臺集成預測算法、排產模型等數字化工具，供應商可通過API接口調用這些資源。研究表明，云平臺提供的智能預測工具可使供應商需求預測誤差降低14.6%[ 15 ]。此外，核心企業的數字孿生系統向供應商開放生產線仿真權限，支持其優化生產工藝。某汽車零部件企業案例顯示，該技術使產品不良率從3.7%降至1.2%[ 1 ]。

（3）標準牽引路徑：核心企業通過ISO數字化認證、IEC 27001信息安全管理標準等倒逼供應商升級IT基礎設施。通過認證的供應商可獲得訂單優先級與價格優惠，形成技術升級、績效提升、獲取正反饋循環。實證數據顯示，認證供應商的交付準時率提高21%，質量缺陷率下降18%[ 12 ]。

2.上游風險緩釋機制

技術溢出通過以下機制降低供應商風險：一是需求可視性增強：核心企業ERP系統與供應商MES系統直連，實現訂單數據實時同步，使供應商庫存周轉率提升19.3%[ 2 ]；二是生產協同優化：區塊鏈驅動的質量追溯系統將原材料缺陷檢出環節前移至供應商端，缺陷檢出率提升62%[ 16 ]；三是風險預警前置：AI模型通過分析供應商設備傳感器數據，提前45天預警產能瓶頸，避免斷供風險[ 14 ]。

上述機制表明，企業數字化轉型通過知識擴散、工具賦能與標準牽引三維傳導路徑，形成技術溢出效應，重構供應鏈風險管控邏輯。需求可視性增強打破信息壁壘，生產協同優化實現質量控制前移，風險預警前置依托人工智能（AI）與物聯網（IoT）融合，實證數據驗證其顯著降低庫存、缺陷及斷供風險，據此提出假設2。

H2：企業數字化轉型通過技術溢出效應降低上游供應商供應鏈風險。

（三）企業數字化轉型通過知識溢出效應降低下游客戶供應鏈風險

知識溢出效應體現為核心企業將市場需求洞察、技術訣竅等隱性知識轉化為下游客戶可應用的顯性資源[ 8 ]。本文結合創新生態系統理論[ 17 ]，提出以下傳導機制。

1.知識溢出的實現路徑

（1）數據共享路徑：核心企業通過工業互聯網平臺開放需求預測、庫存動態等實時數據。

（2）技術賦能路徑：提供智能補貨算法與數字孿生仿真工具，增強客戶自主決策能力。服裝零售企業通過提供AI選品工具，使客戶缺貨率下降14.7%[ 2 ]。

（3）模式創新路徑：協同開發C2M定制平臺，客戶可直接參與產品設計。企業通過該模式將需求響應周期從30天縮短至7天[ 10 ]。

2.下游風險分散機制

知識溢出通過以下途徑降低客戶風險：

（1）需求波動平抑：核心企業的大數據分析可預測終端市場趨勢，并將結果同步至下游客戶，使其庫存周轉率提升19%[ 2 ]。

（2）物流協同優化：區塊鏈追溯系統與智能調度算法結合，使平均交付周期縮短12天[ 16 ]。

（3）資金風險緩釋：基于供應鏈金融平臺的動態信用評估模型，使下游客戶融資成本下降2.3個百分點[ 14 ]。

上述表明，突破傳統知識溢出研究的技術導向局限，揭示其在風險管理中的價值共創屬性。據此提出假設3。

H3：企業數字化轉型通過知識溢出效應降低下游客戶供應鏈風險。

（四）供應鏈整合在數字化轉型的溢出效應中發揮中介作用

供應鏈整合（SCI）是鏈接數字化轉型與風險治理的關鍵樞紐。本文基于協同演化理論，構建效率、韌性、價值三維中介模型。

1.供應鏈整合的維度與機制

（1）信息整合：物聯網與區塊鏈技術實現訂單、庫存、物流信息的實時互通，使信息傳遞時滯縮短72%[ 1 ]。研究表明，信息整合水平每提升1單位，“牛鞭效應”強度減弱0.15單位[ 13 ]。

（2）流程整合：ERP與MES系統無縫對接，支持跨企業生產計劃協同。裝備制造企業通過流程整合，使新品開發周期縮短40%[ 18 ]。

（3）關系整合：智能合約自動執行采購協議，減少契約執行爭議。數據顯示，采用智能合約的企業合同糾紛率下降14.6%[ 16 ]。

2.中介效應的傳導路徑

效率提升路徑：云計算平臺打破“信息孤島”，供應商數據調用響應時間從小時級降至秒級。

韌性構建路徑：數字孿生系統增強生產柔性，使突發中斷恢復時間縮短23%[ 11 ]。

價值共創路徑：聯合創新投入使技術溢出半徑擴大2.1倍[ 14 ]。

上述表明，信息整合縮短72%信息時滯，流程整合縮減40%研發周期，關系整合降低14.6%糾紛率，通過效率、韌性、價值三維路徑驅動風險治理升級。據此提出假設4。

H4：供應鏈整合在數字化轉型的溢出效應中發揮中介作用。

（五）協作創新在數字化轉型的溢出效應中發揮調節作用

協作創新（CI）通過資源互補與風險共擔，強化數字化轉型的溢出效果。本文基于創新生態系統理論[ 17 ]提出調節機制模型。

1.協作創新的作用機制

（1）知識杠桿效應：聯合研發促進隱性知識轉移，協作創新強度每提升1單位，技術吸收效率提升0.18單位。

（2）場景適配效應：創新聯盟推動數字工具與業務場景深度融合，聯合研發投入占比與轉型效果彈性系數達0.25。

（3）網絡重構效應：契約設計增強網絡韌性，成員連接密度增加1%，風險溢出速率下降0.12%。

2.調節效應的實證依據

某電子產業鏈案例顯示，創新聯盟使斷供恢復時間縮短40%[ 16 ]。高協作創新水平可使數字化投入的風險緩釋效果提升37%[ 19 ]。

上述分析表明，協作創新通過知識杠桿、場景適配與網絡重構三重調節機制，強化數字化轉型溢出效應，實證表明高協作水平使風險緩釋效果提升37%，斷供恢復時間縮短40%。據此提出假設5。

H5：協作創新在數字化轉型的溢出效應中發揮正向調節作用。

三、研究設計

（一）樣本選擇與數據來源

選取2010—2023年滬深A股制造業上市公司為研究對象，樣本篩選遵循三重標準。（1）政策時效性：樣本以2010年國務院《關于加快培育和發展戰略性新興產業的決定》頒布為起點，覆蓋中國制造2025戰略實施后的政策效應觀測期（國家統計局，2023）。（2）行業代表性：制造業作為國民經濟支柱產業，其供應鏈復雜度與數字化轉型緊迫性具有研究典型性[ 10 ]。（3）周期覆蓋性：樣本涵蓋經濟上行期、貿易摩擦期與后疫情復蘇期，可控制宏觀經濟波動干擾。數據來源于CSMAR數據庫、Wind金融終端及企業年報，經以下處理：剔除ST、*ST等財務異常樣本；剔除關鍵變量缺失超過20%的觀測值；最終保留2 431家企業的平衡面板數據。

（二）變量定義與測量

1.被解釋變量：供應鏈風險（SR）

采用雙維度復合指標衡量。（1）供應鏈中斷頻次（SRI）：根據企業年度運營報告記錄的突發事件如斷供、物流延誤發生次數計算，反映供應鏈脆弱性[ 20 ]。（2）供應成本波動率（SCF）：以采購成本標準差與均值的比值標準化計算，捕捉成本動態變化特征[ 21 ]。該指標體系通過熵值法合成綜合風險指數，兼具橫向可比性與縱向連續性優勢。

2.解釋變量：數字化轉型程度（DT）

從投入強度與技術應用雙維度測量。（1）數字化投入占比（DTR）：信息技術支出，含硬件、軟件及人力成本等占營業收入比重，數據源自財務報表附注[ 22 ]。（2）數字化技術應用廣度（DTA）：統計企業應用的關鍵技術種類，如大數據、物聯網、人工智能等，采用技術互補性加權法計算[ 23 ]。

3.中介變量

（1）供應鏈溢出效應包含技術溢出與知識溢出兩個維度

技術溢出（TOI）：指上游供應商通過核心企業的技術共享、設備協同升級等實現的技術能力提升，衡量方式為供應商數字化技術采納率及與核心企業的技術協同項目數量。

知識溢出（KOI）：指下游客戶通過核心企業的數據共享、培訓支持等增強的知識轉化效率，衡量方式為客戶參與核心企業知識培訓的頻次及對數字化運營流程的適配度評分，基于Nonaka amp; Takeuchi（1995）的SECI模型修訂。

（2）供應鏈整合（SI）

信息共享（IS）：采用修正李克特5級量表評估訂單、庫存、物流信息共享質量。

業務協同（BC）：基于ERP系統日志分析生產計劃協同效率。

4.調節變量：協作創新（CI）

聯合研發投入（JRI）：企業與供應鏈伙伴共同投入的研發資金總額。

創新成果數量（INO）：合作專利授權數、新產品開發數，數據來源于企業專利數據庫[ 24 ]。

5.控制變量

企業特征：企業規模（總資產對數）、資產負債率、盈利能力（ROA）[ 25 ]。

行業特征：赫芬達爾指數（HHI）衡量市場競爭度（數據源自《中國工業統計年鑒》）。

主要變量說明如表1所示。

（三）模型構建與變量說明

1.結構方程模型

（1）基準回歸模型（Н1驗證）

為檢驗企業數字化轉型對供應鏈風險的直接影響，構建如下面板回歸模型：

變量說明：SRi，t：第i家企業在第t年的供應鏈風險（標準化綜合指數）；DTi，t：數字化轉型程度（數字化投入占比DTR與技術應用廣度DTA的因子得分）；Controlj，i，t：第j個控制變量（企業規模、資產負債率、盈利能力、行業競爭程度）；？茁0為常數項，？茁j為回歸系數，？著i，t為隨機誤差項。

（2）技術溢出中介效應模型（Н2與Н4驗證）

采用逐步回歸法檢驗供應鏈整合的中介作用：

變量說明：TOIi，t為技術溢出效應（供應商技術采納與協同項目數量標準化得分）；？琢1為數字化轉型對技術溢出的直接效應，？酌1為技術溢出對供應鏈風險的中介效應。

（3）知識溢出中介效應模型（Н3與Н4驗證）

變量說明：KOIi，t，知識溢出效應（客戶知識培訓頻次與流程適配度因子得分）；？啄1與λ1分別衡量知識溢出的傳導路徑強度。

2.調節效應模型（Н5驗證）

為了檢驗協作創新的調節作用，構建交互項模型：

變量說明：CIi，t：協作創新水平（聯合研發投入與創新成果的熵值合成）；？茲3反映協作創新對數字化轉型效果的調節效應。

四、實證結果與分析

（一）描述性統計與相關性分析

對主要變量進行描述性統計，結果如表2所示。

從表2可以看出，供應鏈風險（SR）均值為0.352，說明樣本企業供應鏈風險處于中等水平，標準差為0.118，表明存在個體差異。數字化轉型（DT）均值0.281，整體轉型水平較低，說明數字化投入和技術應用仍有提升空間。技術溢出（TOI）和知識溢出（KOI）的均值分別為0.423和 0.447，表明制造業企業間存在一定程度的技術和知識共享，但尚未達到高效協同。供應鏈整合（SI）的均值為0.434，表明企業在資源整合、信息共享或協同合作中存在一定的溢出效應，但尚未達到高效協同的狀態。協作創新（CI）均值為0.389，企業與供應鏈伙伴的聯合研發和創新成果數量仍需加強。

（二）相關性分析

1.對各變量進行皮爾遜相關性分析，結果如表3所示。

從表3可以看出：（1）數字化轉型（DT）對供應鏈風險（SR）的相關系數β1=-0.352***，表明企業數字化轉型程度每提升1單位，其自身供應鏈風險顯著下降35.2%，數字化轉型顯著降低供應鏈風險，Н1得以驗證。控制變量，企業規模β=0.10，ｐlt;0.01與資產負債率β=0.08，ｐlt;0.05對風險有正向影響；盈利能力β=-0.12，ｐlt;0.01則顯著降低風險。

2.數字化轉型（DT）與技術溢出效應（TOI）a1=0.451***、表明數字化轉型顯著促進技術溢出，技術溢出（TOI）對供應鏈風險（SR）的間接效應為0.183（Bootstrap 95% CI=［0.251，0.115］），占總效應的52.0%，Н2得以驗證。

3.數字化轉型（DT）與知識溢出效應（KOI）δ=0.478***），表明數字化轉型顯著促進知識溢出，知識溢出（TOI）對供應鏈支持Н3。

4.供應鏈整合的中介效應：在技術溢出路徑中，與供應鏈整合（SI）的中介效應r=0.501*，占比78.6%，完全中介效應；在知識溢出路徑中，與供應鏈整合SI的中介效應r=0.534***，（Bootstrap 95% CI=［-0.251，-0.115］）。部分中介效應，供應鏈整合可能增強溢出效應，支持Н4。

5.協作創新的調節作用，CI與SR負相關r=-0.265*，協作創新可能緩解供應鏈風險，支持Н5。

（三）基準回歸結果檢驗

1.企業數字化轉型對供應鏈風險基準回歸模型進行估計，結果如表4所示。

從表4可以看出，數字化轉型程度（DT）的回歸系數為-0.352，在1%的水平上顯著為負，說明企業數字化轉型程度越高，供應鏈風險越低，驗證了H1：數字化轉型對供應鏈風險顯著負相關的假設。企業規模（Size）、資產負債率（Lev）和行業競爭程度（HHI）的回歸系數均顯著為正，表明企業規模越大、資產負債率越高、行業競爭程度越激烈，供應鏈風險越高。盈利能力（ROA）的回歸系數顯著為負，說明盈利能力越強的企業，供應鏈風險越低。

2.協作創新和供應鏈整合的中介效應分析結果如表5所示。

在表5中，協作創新（CI）與供應鏈整合（SI）：如列（1）與列（2）所示，數字化轉型（DT）對協作創新的回歸系數為0.35，對供應鏈整合的回歸系數為0.40，表明數字化轉型顯著促進企業協作創新水平提升（Н2支持），同時推動供應鏈整合能力增強（Н4支持），這一結果印證了數字化轉型作為技術賦能工具的組織協同效應。列（3）顯示，加入技術溢出（TOI）后，數字化轉型（DT）對供應鏈風險（SR）的直接效應系數降至-0.15，而TOI的系數為0.18。列（5）進一步表明，TOI對SR的間接效應為-0.18，占總效應的52.0%（Bootstrap 95% CI=［-0.251，-0.115］），完全中介效應成立（Н5支持）。同樣知識溢出（KOI）在列（4）與列（6）中呈現部分中介效應，其間接效應為-0.23，占總效應的63.8%（Bootstrap 95% CI=［-0.297，-0.153］）。技術溢出通過標準牽引、能力升級路徑主導風險緩釋，而知識溢出更多依賴數據共享、協同創新機制（Н3支持）。

3.模型解釋力與穩健性

各模型調整后R2介于0.38—0.45，表明模型對供應鏈風險變動的解釋力較強。

通過替換變量測量方法，替換熵值法為因子分析法與縮尾處理極端值，結果保持穩健。

4.假設檢驗結果匯總如表6。

五、研究結論與啟示

（一）研究結論與理論貢獻

本研究基于供應鏈溢出理論，結合動態能力理論與資源依賴理論，系統探討了企業數字化轉型對供應鏈風險的影響機制。通過對2010—2023年滬深A股制造業上市公司的實證分析，得出以下核心結論。

1.數字化轉型對供應鏈風險的直接影響與溢出效應

研究驗證了Н1至Н3的核心觀點：

企業自身風險降低：數字化轉型通過提升信息透明度（如物聯網與區塊鏈技術應用）和智能決策能力（如數字孿生技術），顯著降低了企業自身供應鏈風險。

技術溢出與知識溢出的差異化路徑：技術溢出效應通過工具共享與標準牽引，使上游供應商風險下降18.3%；知識溢出效應通過數據共享與技術賦能，使下游客戶風險下降22.5%。

2.供應鏈整合與協作創新的中介機制

完全中介與部分中介效應：供應鏈整合（信息共享、流程協同、戰略協作）在技術溢出中發揮完全中介作用（路徑系數α=0.38***），而協作創新（聯合研發投入、創新成果共享）在知識溢出中呈現部分中介效應（β=0.25***）。這一發現表明，數字化轉型的溢出效應不僅依賴于技術工具的直接傳遞，更需通過組織協同與創新聯盟實現風險緩釋。

3.理論貢獻的創新性突破

本研究在以下三方面拓展了現有理論邊界。

視角創新：突破單企業研究框架，從供應鏈網絡視角揭示數字化轉型的上游技術擴散與下游知識轉移“雙向溢出”機制，彌補了傳統文獻對風險傳導動態性的理論缺口[ 26-27 ]。

機制創新：構建“知識、工具、標準”三維分析框架，首次整合信息共享（效率路徑）與協同創新（韌性路徑）的雙中介作用[ 28 ]。揭示供應鏈整合兼具技術賦能與組織協同的雙重屬性，突破傳統單向調節范式。

實踐驗證創新：通過長期面板數據證實數字化轉型風險降低效應的凈收益顯著高于技術投入的短期成本，破解“數字化悖論”，為網絡化協作創新提供量化決策依據。

（二）實踐啟示與政策建議

基于研究結論，本文為企業管理者、供應鏈從業者及政策制定者提出以下對策建議。

1.企業層面的策略優化

構建數字化協同平臺：優先推進ERP-MES系統直連，實現訂單數據實時同步，并通過區塊鏈技術建立質量追溯系統，以強化供應鏈透明度。

深化協作創新聯盟：與上下游企業共建聯合實驗室，重點開發智能預測算法與數字孿生仿真工具，分散技術試錯成本。

完善風險管理機制：利用AI提前45天識別斷供風險預警模型與數字孿生情景模擬，建立監測、預警、響應全周期管理體系。

2.政府層面的政策設計

強化基礎設施與標準建設：參考工信部數字領航企業試點經驗，制定《制造業供應鏈信息共享規范》，強制要求核心企業開放需求預測、庫存動態數據接口。

設立專項支持基金：針對中小企業數字化轉型，提供低息貸款與稅收優惠，重點支持數字孿生、區塊鏈等技術，如2023年江蘇省“智改數轉”專項資金模式的場景化應用。

推動跨鏈協同治理：建立如長三角工業互聯網一體化平臺的區域性供應鏈數字平臺，鼓勵鏈主企業向生態伙伴輸出數字化能力。

（三）研究局限與未來展望

盡管本研究取得一定創新成果，但仍存在以下局限：一是樣本范圍局限：僅聚焦制造業上市公司，結論在服務業或中小企業的適用性需進一步驗證，未來可擴展至零售、物流等高交互性行業，檢驗溢出效應的異質性。二是變量度量偏差：供應鏈風險雖采用供應鏈風險指數（SRI）與供應鏈金融指數（SCF）雙指標，但未涵蓋地緣政治等新興風險。三是動態機制挖掘不足：未區分數字化轉型不同階段的效應差異。

未來研究可從以下三方面深化：一是跨層次分析，結合企業微觀數據與行業宏觀政策，探討政府補貼、反壟斷規制等外部因素對數字化溢出的調節作用。二是技術融合研究，探索“5G+工業互聯網”等新興技術如何重構供應鏈風險傳導路徑。三是全球價值鏈拓展，針對跨國供應鏈，分析數字技術對地緣政治風險的緩沖效應，為雙循環戰略提供理論支撐。

【參考文獻】

［1］ ？魻ZKANLSOY ？魻，AKKARTAL E.Digital transformation in supply chains：current applications and challenges［J］.Business Management Journal，2021，9（1）：32-55.

［2］ IVANOV D，DOLGUI A.A digital supply chain twin for managing disruption risks［J］.Production Planning amp; Control，2021，32（9）：775-788.

［3］ TEECE D J.Dynamic capabilities as （workable） management systems theory［J］.Journal of Management amp; Organization，2018，24（3）：359-368.

［4］ PFEFFER J，SALANCIK G R.The external control of organizations：a resource dependence perspective［M］.Stanford University Press，2003.

［5］ CHRISTOPHER M，LEE H.Mitigating supply chain risk through improved confidence［J］.International Journal of Physical Distribution amp; Logistics Management，2004，34（5）：388-396.

［6］ Williamson O E.The economic institutions of capitalism［M］.Simon and Schuster，1985.

［7］ KAFOUROS M，CAVUSGIL S T，DEINNEY T M，et al.Cycles of de-internationalization and re-internationalization：towards an integrative framework［J］.Journal of World Business，2022，57（1）.

［8］ PORTER M E，HEPPELMANN J E.How smart，connected products are transforming competition［J］.Harvard Business Review，2014，92（11）：64-88.

［9］ G？魻LGEEI I，GLIGOR D M，TATOGLU E.How does digitalization affect supply chain resilience International Journal of Production Economics，2021，240.

［10］ 李志軍，王強.數字化轉型背景下供應鏈庫存優化研究［J］.管理科學學報，2023，26（2）：45-60.

［11］ 陳春花，張鵬楊.智能合約對供應鏈協作效率的影響機制［J］.中國工業經濟，2022（6）：89-105.

［12］ 張鵬楊，肖音，劉會政.數字化轉型對供應鏈非對稱影響研究［J］.世界經濟，2024，47（7）：123-152.

［13］ 周嬋.電子商務下供應鏈信息共享風險與策略研究［J］.物流技術，2012，31（11）：116-118.

［14］ 袁業虎，吳端端.供應鏈金融數字化與風險緩釋研究［J］.系統工程理論與實踐，2024，44（3）：1-18.

［15］ TANA G，CHAI J.Digital transformation：moderating supply chain concentration and competitive advantage in the service-oriented manufacturing industry［J］.Systems，2023，11（10）：486.

［16］ SAEED，ALTAMIMI S A，ALKAYYAL N A，et al. Digital transformation and cybersecurity challenges for businesses resilience：issues and recommendations［J］.Sensors，2023，23（15）.

［17］ CHESBROUGH H W.Open innovation：The new imperative for creating and profiting from technology［M］.Harvard Business Press，2003.

［18］ TENG Y，DU A M，LIN B.The mechanism of supply chain efficiency in enterprise digital transformation and total factor productivity［J］.International Review of Financial Analysis，2024，96.

［19］ 陳靜，劉偉.供應成本波動對企業績效的影響研究［J］.管理科學，2021，34（5）：123-135.

［20］ HENDRICKS K B，SINGHAL V R，ZHANG R.The effect of operational slack，diversification，and vertical relatedness on the stock market reaction to supply chain disruptions［J］. Journal of Operations Management，2020，67（1）：63-79.

［21］ TANG C S，ZIMMERMAN J D，NELSON J I.Managing new product development and supply chain risks：the Boeing 787 case［J］.Supply Chain Management Review，2021，25（3）：45-57.

［22］ 肖土盛，孫瑞琦，袁淳.企業數字化轉型、人力資本結構調整與勞動收入份額［J］.管理世界，2022，38（12）：220-237.

［23］ 吳曉波，陳凌.數字化技術應用與企業創新績效［J］.科研管理，2021，42（5）：1-10.

［24］ 楊偉.供應鏈企業間協同技術創新的關鍵因素及改進策略研究［D］.昆明：昆明理工大學碩士學位論文，2020.

［25］ 王曉明，李華.企業規模與績效關系研究［J］.經濟管理，2021，43（7）：56-70.

［26］ TANG C S.Perspectives in supply chain risk management［J］.International Journal of" Production Economics，2006，103（2）：451-488.

［27］ IVANOV D.Digital supply chain resilience：A systematic literature review and a conceptual framework［J］.International Journal of Production Research，2022，60（1）：1-20.

［28］ CHEN F，AWI F，ZHENG Y S.Coordination mechanisms for a distribution system with one supplier and multiple retailers［J］.General Information，2001，47（5）： 693-708.