人工智能數智供應鏈的理論探索與展望

宋 華

（中國人民大學商學院，北京市 100872）

隨著數字技術的不斷發展和廣泛引用，供應鏈數字化已經成為推動產業高質量發展的重要驅動力[1-2]，在這些變革性的技術（包括區塊鏈、物聯網、云計算等）中，最引人關注的是人工智能（Artificial Intelligence，AI）技術。人工智能通過模擬人類智能的方式，使計算機系統能夠執行類似于人類思維和決策的任務[3]。人工智能涵蓋多個領域，包括機器學習、自然語言處理、計算機視覺等，并可以通過學習和適應來改進自身性能，根據環境和任務的變化做出相應決策。人工智能的目標是使計算機能夠理解、推理、學習和解決問題，以及與人類進行交互與合作。正是因為上述特點，人工智能已經廣泛應用于企業經營管理的各個方面，包括市場營銷[4]、戰略決策[5]、信用風險管理[6]等領域，其中供應鏈管理是人工智能應用的重要領域，并推動供應鏈進入新階段[7-8]。

人工智能技術與供應鏈運營和管理的融合，其根源在于對供應鏈數字化價值的追求。在當今日益復雜的供應鏈環境下，數字化轉型成為必然趨勢[9]。首先，在技術層面，數字供應鏈是一個智能的最佳實踐系統，依賴于強大的數據處理能力以及對硬件、軟件和網絡之間協同與通信的卓越管理，能夠將數字技術有效應用于供應鏈管理和運營中；其次，在行為層面，數字供應鏈能夠促進組織之間的交互，通過降低溝通、協調與合作成本，提高交互效率，實現更高效的協作；最后，在成效方面，數字供應鏈通過提供更有價值、更容易獲取且價格合理的服務，確保一致性結果，推動人機互動的智慧網絡形成，不僅能夠提升服務質量，還使服務更便捷，最終為所有參與者帶來巨大利益。而人工智能正好有助于這些目標的實現，使供應鏈更精準、更快速和更有效[7]。

盡管人工智能技術在供應鏈運營和管理中的應用帶來一系列變革，無論是理論界還是實業界都對人工智能與供應鏈的融合給予極高的期許，但仍有一些問題需要分析探索，包括基于人工智能的供應鏈運營管理與以往的信息化供應鏈或者基于其他數字技術的供應鏈有什么異同，人工智能數智供應鏈運營管理能夠真正實現高績效的關鍵因素是什么，人工智能數智供應鏈的治理機制是什么等。

一、供應鏈發展沿革及其與人工智能的融合

理解供應鏈與人工智能的融合必須從歷史視角來看供應鏈運營管理的發展以及相應信息技術的發展（參見圖1）。事實上，供應鏈概念經歷了一個不斷發展的過程[10]，已經由1.0演變到了5.0。

供應鏈概念的形成始于20 世紀70 年代末80年代初，供應鏈管理在該時期成為管理領域的重要分支。一是商業經濟的發展從供給端轉向需求端，亦即經濟發展的質量和效益不僅取決于生產方，還取決于市場和客戶，如何及時、敏銳地了解和掌握市場狀態與客戶需求情況，引導采購、生產和物流，改變各自為政的決策狀態成為企業經營的關鍵，也是決定競爭力的核心[11]；二是隨著大規模以及超大規模集成電路的發展，信息化開始滲入到企業經營的各個方面，這主要表現為物料需求計劃（Material Requirement Planning，MRP）II 的出現，MRP II是在MRP的基礎上擴展形成的，主要解決的是生產計劃、庫存管理和物料需求計劃的問題。MRP II 將各部門的信息集成到一個系統，提高了企業的生產效率和物料管理效率。1982年英國學者奧利弗（Oliver）等[12]首次提出供應鏈概念，他們認為供應鏈是一個包括規劃、實施和控制在內的運作過程，核心目標是最大限度地滿足客戶需求。該時期，供應鏈的概念開始具備系統化、信息化的特征。一方面，在組織方面強調多職能部門之間的協作與溝通，強調計劃之間的相互銜接；另一方面，通過MRP II系統實施協同化的運營和管理。因此，該階段的供應鏈可以稱之為1.0階段的供應鏈。

進入20世紀90年代，隨著全球經濟一體化的加速和信息技術的發展，供應鏈管理的視角逐漸發生變化，從關注組織內部不同環節、部門之間的優化轉向組織內外的全面協同與整合管理，即供應鏈2.0。這意味著供應鏈端到端的整合成為關注重點，通過供應鏈協調和信息共享來提高效率。這一拓展的主要原因是決定企業績效的因素已經不僅僅是企業內部的流程整合與管理，而是由上下游共同組成的供應鏈體系[13]。在這個體系中，企業需要與供應商、制造商、分銷商和客戶等各方進行緊密合作，形成協同效應，以提高整體績效。此外，以企業資源計劃（Enterprise Resource Planning，ERP）為代表的信息化開始全面應用于管理中，ERP系統在MRP II基礎上進一步擴展，包括更多的功能模塊，如財務、人力資源、采購、銷售、庫存等，并將這些模塊集成到一個統一系統。ERP系統的出現標志著企業資源管理進入新階段，可以幫助企業實現更全面和精細的管理與協調。該階段的供應鏈涵蓋了供應鏈管理的所有基本要素。首先，在組織方式上，供應鏈不再局限于企業內部各部門之間的協作，而是擴展到由上下游企業和特定合作伙伴組成的協同網絡。其次，在流程管理上，供應鏈不再僅僅關注產品從生產到銷售的物流環節，而是將商流、物流、信息流以及資金流等多個層面整合為一個完整的系統進行管理。最后，在管理要素方面，供應鏈涵蓋了物質、技術和行為等多元因素，并且需要對這些因素進行有效組織和管理?？傊?，該階段的供應鏈已經形成了一種更立體化和系統化的管理模式，對企業的運營和發展產生了深遠的影響[14]。

20 世紀90 年代中后期以來，隨著全球市場競爭的加劇和客戶需求日益多樣化與個性化，供應鏈管理日益強調精益化和敏捷化[15]，供應鏈進入3.0階段，企業既追求供應鏈成本最優，又追求快速響應。一方面，精益化是供應鏈管理的重要趨勢，其目標是實現供應鏈成本的最優，即通過優化供應鏈各環節，降低庫存、運輸、采購等成本，提高整體經濟效益。為實現精益化，企業必須加強供應鏈的協調和信息共享，實現端到端的整合，從而更好地掌握市場需求和供應情況，優化資源配置。另一方面，敏捷化也是供應鏈管理的重要趨勢。在面對快速變化的市場需求時，企業必須具備快速響應能力。敏捷化的目標是通過提高供應鏈的靈活性和適應性，快速調整生產和供應策略，滿足客戶需求。為實現敏捷化，企業需要加強供應鏈的靈活性、可視性和可調整性，實現供應鏈各環節的快速響應和協同作業。供應鏈的精益化或敏捷化取決于業務或產品是功能性的還是創新性的。對需求穩定、周期長以及利潤低的業務產品，應建立精益供應鏈；對需求波動較大、周期短、利潤高的業務產品，敏捷供應鏈是最佳形態。這一匹配關系就是著名的費舍爾（Fisher）模型[16]。但是，無論是精益化還是敏捷化，都必須不斷加強與上下游合作伙伴之間的合作和信息共享，形成緊密的商業合作關系，使用先進的數據分析工具來理解和預測客戶需求，以實現更高的客戶滿意度。

進入21 世紀，供應鏈運營的環境發生了根本性變革，網絡化和復雜網絡成為供應鏈運行的主形態，供應鏈進入4.0 階段。赫恩肖（Hearnshaw）等[17]在總結供應鏈網絡化時指出，該階段的供應鏈具有三個方面的特點：一是供應鏈展現為網狀結構分布，各節點之間呈現出短鏈特征；二是由于供應鏈范圍越來越廣泛，分布日益全球化，必須充分關注供應鏈的激勵、協調和整合功能；三是該階段供應鏈管理是基于三元或多元關系的信息和社會資本管理。同樣，也有學者認為該階段供應鏈是由節點、鏈接等構成的復雜適應系統[18]。此外，以ABCD（A 指人工智能〔Artificial Intelligence〕，B指區塊鏈〔Block〕，C 指云計算〔Cloud Computing〕，D 指大數據〔Big Data〕）為代表的現代數字技術開啟了第四次工業革命的大門。這些技術的應用賦予了供應鏈數字化的翅膀，推動其向更智能化和平臺化的方向發展。在該階段，供應鏈運營的目標更強調精益與敏捷的結合，產生了所謂精敏供應鏈[19]，即利用先進數字技術優化和自動化供應鏈各環節，最終提高供應鏈的效率、透明度和靈活性。

根據腎虛性質偏于陰虛或陽虛選用六味地黃丸（仲景宛西制藥有限公司，生產批號：151010）和金匱腎氣片（特一藥業集團股份有限公司，生產批號：20150902），六味地黃丸每次8粒，每日3次，金匱腎氣片每次4片，每日2次?？诜?0天為1個療程，連續治療3個療程。

供應鏈5.0 階段即以人工智能為基礎的供應鏈，是近年來備受關注的新方向。人工智能成為推動供應鏈發展的重要驅動力，主要原因有兩點。一是隨著全球不確定性增強和逆全球化的興起，供應鏈的安全性和韌性日益受到重視。如何有效利用人機互動，提升供應鏈的主動應對能力和對外部不確定性的反應能力，成為企業和行業關心的話題[20]。二是從工業4.0到工業5.0的演進促進了供應鏈的數字化轉型。工業4.0 整合了物聯網、云計算、網絡-物理系統和認知計算，旨在創建智能工廠，通過實時監控和數據分析實現快速高效的決策。而工業5.0 的目標是將人的參與重新引入工業生產中，強調人與智能系統的協作，利用認知計算和人工智能來提高人類的決策能力，并解決社會問題和可持續性問題，如培育包容性勞動力、減少廢物以及推廣循環經濟模式[21-22]。正是由于這些驅動力的存在，供應鏈運營與管理不僅需要實現精益化和敏捷化，還必須具備高度智能化，以便幫助產業供應鏈實現人機互動協同，深入洞察供應鏈上每個利益相關者的功能，讓每個參與者更好地了解所需材料的來源、產品需求及其之間的關系，更有效地采取措施防范供應鏈中斷，適應生態復雜性變化。此外，借助智能化決策，各方可以憑借自身的訣竅、核心能力和知識，通過健康的生態治理維持供應鏈持續發展。

二、人工智能數智供應鏈及其核心特征

如何理解人工智能數智供應鏈，無論是理論界還是實業界都在不斷探索中。有的是從供應鏈運行的特征定義人工智能數智供應鏈，有的則是從人工智能在供應鏈運營中發揮的功能來界定，也有的關注供應鏈具體運營活動與相應匹配的人工智能技術。如有學者認為，如果供應鏈管理同時滿足以下兩個特征，就被認為是基于人工智能的數智供應鏈：自主決策以實現供應鏈管理的相關目標，并且能夠在部分未知環境下做到這一點[23]。顯然，該定義認為人工智能數智供應鏈能通過情景自主學習實現決策。還有的學者從人工智能在供應鏈管理中發揮的作用來界定人工智能數智供應鏈，諸如供應鏈預測、供應鏈庫存管理、供應鏈收入管理和營銷、供應鏈運輸管理以及供應鏈風險分析等[24]。另有研究提出人工智能在供應鏈運營中主要作用于庫存控制與規劃、采購與供應管理、需求計劃與預測和訂單選擇等問題[25]。還有學者關注供應鏈運營中具體的人工智能技術，托拉吉普（Toorajipour）等[7]的研究表明，在人工智能數智供應鏈運營中，主要的人工智能技術是用來發現人類無法發現的復雜模式的人工神經網絡（Artificial Neural Networks）、處理部分真值概念多值邏輯的模糊邏輯模型（Fuzzy Logic and Models）以及感知周圍環境自主解決特定問題的多智能體和基于智能體的系統（Multi-agent and Agent-based Systems）。

上述定義和理解雖然都從一定程度上反映了以人工智能為基礎的數智供應鏈運營的部分特征，但顯然沒有能夠從整體上反映人工智能在供應鏈運營中的獨特作用，特別是人工智能是如何在供應鏈中發揮獨特作用，是如何改進運營績效的[26]?；诖?，我們認為：

人工智能數智供應鏈是以人工智能和機器學習為基礎，實現智能化、網絡化、協同化、集成化、自動化的綜合集成技術和管理系統。通過人機協作和融合，人工智能數智供應鏈正在成為具有自我意識、自我決定、自我優化等特征的自主供應鏈，其產業發展目標具有韌性與可持續性。

可以從供應鏈運營管理的基礎、方式、手段和成效四個方面理解該定義。

第一，從供應鏈運營管理的基礎看，人工智能數智供應鏈更依賴人工智能和機器學習來完成自動化決策過程，從而實現更高的效率、更低的錯誤率以及更深入的洞察。隨著數據量的增加和算法的進步，人工智能在供應鏈管理中的應用日益廣泛。首先，人工智能供應鏈可以通過自動化決策過程提高效率。在傳統供應鏈管理中，決策過程通常需要人工干預，不僅效率低下，而且容易出錯。而通過人工智能和機器學習技術，可以將這些決策過程自動化，從而加快決策速度，提高準確率。例如，使用機器學習算法對歷史銷售數據進行分析，可以自動確定最佳庫存水平，避免庫存積壓或缺貨現象。其次，人工智能供應鏈可以減少錯誤。在傳統供應鏈管理中，人為因素是導致錯誤的主要原因之一。而通過人工智能和機器學習技術，可以減少人為干預，降低錯誤率。例如，使用自然語言處理技術對訂單數據進行自動處理，可以減少人為因素導致的訂單錯誤。最后，人工智能供應鏈可以提供更深入的洞察。通過人工智能和機器學習技術，可以對大量數據進行實時分析和預測，更好地掌握市場動態和客戶需求。例如，使用大數據分析技術對客戶購買行為進行分析，可以預測未來銷售趨勢，更好地規劃庫存和物流。

第二，從供應鏈管理方式看，人工智能數智供應鏈是一種融合人工智能、物聯網、大數據等先進技術的綜合集成技術和管理系統，旨在實現智能化、網絡化、協同化、集成化和自動化。這種先進的管理方式為企業提供了全新的視角和方法，以應對日益復雜的市場環境和不斷變化的客戶需求。人工智能數智供應鏈利用機器學習、深度學習等技術進行數據分析和預測，從而實現智能化決策。通過自動識別模式和趨勢，人工智能能夠幫助企業快速響應市場變化，提高運營效率，降低風險。借助物聯網技術將供應鏈各節點連接起來，能夠形成一個緊密協作的網絡。這不僅能夠提高信息傳輸的速度和準確性，還能夠使供應鏈成員實時共享數據和資源，共同應對挑戰。人工智能數智供應鏈還能整合供應鏈中各環節的數據和流程，形成一個完整的系統。這種集成化管理方式有助于企業全面了解整個供應鏈的運行狀況，發現潛在問題。此外，人工智能數智供應鏈實現了大量的自動化操作，如訂單處理、庫存控制、物流調度等，不僅可以減少人工錯誤，提高工作效率，還可以釋放員工的時間和精力，使其專注于更高價值的工作。

第三，從供應鏈管理的手段看，人工智能數智供應鏈的核心是人機協作和融合。人們通過人工智能技術可以獲取更多數據和信息，從而更好地了解供應鏈各環節即時狀況和變化趨勢，同時也可以通過人工智能技術提供的決策支持，做出更準確和科學的決策。人工智能可以通過學習和分析人類的經驗與決策，不斷優化和改進自身算法和模型，提供更智能和高效的供應鏈管理。因此，人工智能數智供應鏈可以被視為具有自我意識、自我決定、自我優化等特征的自主供應鏈，不僅可以通過人機協作和融合，實現供應鏈管理的智能化和自動化，還可以通過不斷學習和優化，提高自身的能力和效率。這將為企業提供更高效更可靠的供應鏈管理解決方案，幫助企業提升競爭力。

第四，從供應鏈管理的成效看，通過引入人工智能和大數據等先進技術，人工智能數智供應鏈不僅能夠提升效率，降低成本，還能夠實時監測和分析供應鏈各環節，及時發現潛在問題和風險，并提供有效的解決方案。這種能力使供應鏈在面對突發事件時具有更強的恢復力和適應性，從而提高供應鏈的韌性。此外，通過優化資源分配、減少浪費和提高能效，人工智能數智供應鏈有助于企業實現更環保、節能的運營方式。人工智能還可以幫助企業更好地理解和滿足客戶需求，開發出更具競爭力的綠色產品和服務，推動產業向更可持續的方向發展。

從上述人工智能數智供應鏈特征看，它與數字供應鏈雖然有相同之處，諸如都會應用一些先進數字技術，但兩者仍然有很多差異，在技術基礎、核心特征、數據應用、自動化程度、預測能力、適應能力、安全性以及成本效益方面具有諸多不同（參見表1）。

三、供需視角下的人工智能數智供應鏈運營

人工智能數智供應鏈能否有效實現預期的特性，并帶來相應的效益，從而推動供應鏈向高效、韌性和可持續的方向發展，并非僅僅取決于人工智能技術本身的進步[27]。實際上，深入理解這一變革必須從供給和需求兩個角度來全面分析人工智能數智供應鏈運行的條件和基本前提（參見圖2）。

圖2 供需視角下的人工智能數智供應鏈

從供給視角看，人工智能數智供應鏈有效發揮作用的前提是供應鏈組織完備、流程整合與要素協同。否則，即便人工智能具有很好的技術和應用前景，其與供應鏈的融合也難以實現，更談不上高效、韌性、可持續供應鏈目標的實現。因此，在推動人工智能數智供應鏈發展過程中，應重視組織完備、流程整合和要素協同的建設，為人工智能技術在供應鏈管理領域的應用創造良好的條件。從需求視角看，必須關注人工智能數智供應鏈受益方或客戶如何看待其價值。也就是說，人工智能對于供應鏈的價值不僅取決于供給方的能力和解決方案，還與客戶認知的程度和行為因素密切相關。只有客戶真正理解和接受人工智能帶來的好處，才能更好地推動人工智能數智供應鏈發展。

從供給視角看，任何供應鏈的構建和發展都離不開組織、流程和要素，這被稱為供應鏈分析的組織-流程-要素（Structure-Process-Components，SPC）模型[14]。因此，推進人工智能數智供應鏈，必須關注組織方式、流程運行以及要素構建方面的挑戰。

第一，從供應鏈組織方式看，推動人工智能數智供應鏈，必須解決兩個方面的挑戰。一方面，數字生態、商業生態和環境生態的構建是關鍵。數字生態涉及多種數字技術和服務的共生，包括物聯網、大數據分析、云計算等，這些技術和服務需要相互協調和整合，以實現供應鏈的數字化和智能化。商業生態涉及多種經濟主體的協調和整合，包括供應商、制造商、分銷商等，他們需要共同合作，共享信息和資源，共同促進供應鏈高效運作。環境生態涉及環境、社會、治理（Environmental，Social，and Governance，ESG）三要素之間的一致和協調，供應鏈需要考慮環境保護、社會責任和良好治理的要求，以實現可持續發展。另一方面，三類生態之間的平衡和融合也是關鍵。數字生態、商業生態和環境生態之間存在著相互影響和相互制約的關系，必須平衡各方的利益和需求。例如，數字化和智能化的供應鏈可能會增加能源消耗與碳排放，這與環境生態的要求相沖突，需要找到平衡點。同時，商業生態和環境生態之間也存在沖突，例如，為降低成本和提高效率，供應鏈可能選擇廉價勞動力和低環保標準的供應商，這與環境和社會責任相沖突，需要找到融合的方式。

第二，從供應鏈流程運行看，在合作意愿達成、構建合作、維系合作以及發展合作四個階段，人、機兩方面都需要克服一些障礙或挑戰。在合作意愿達成階段，協同企業之間的利益依賴性和沖突性是必須解決的關鍵問題。供應鏈組織之間的相互關聯和協作是確保人工智能能夠根據業務數據進行智能化處理的基礎。此外，人工智能系統需要從多個不同的數據源中獲取信息，并將這些信息進行同步和整合，以便進行分析和處理。這涉及處理不同格式和結構的數據，必須解決數據不一致和沖突的問題，確保數據的準確性和完整性。在構建合作階段，企業之間業務流程的關聯性和一致性，以及技術基礎設施的連接性和規范性，都會對人工智能自主學習產生挑戰。前者使不同企業業務和數據整合到統一的人工智能系統變得困難，后者使人機之間的交互和互操作產生障礙。在維系合作階段，企業運營資源的延伸和復雜性，以及技術系統的增強性和迭代性，也是對人工智能自主適應能力的挑戰。同樣，在發展合作過程中，如何協調企業價值的多元性以及技術系統的自主執行和洞見都是必須考慮的問題。

第三，從供應鏈要素構建看，人工智能帶來供應鏈管理要素和能力的改變，算法和技術逐步替代傳統的管理手段與方法，這會產生一些新的必須解決的問題。首先是人工智能算法雖然能夠更智能、精準地反映供應鏈運營的狀態，但算法特別是供應鏈中的“算法信任”是否能夠完全替代人的因素是值得探索的問題。隨著數字技術的發展，一些研究認為新技術實現了“算法信任”[28]，完全解決了傳統供應鏈中人際信任帶來的挑戰，然而這種觀點值得商榷。一方面，算法能力不是由單一技術決定的，往往需要各類數字技術結合，諸如人工智能與區塊鏈技術的融合。另一方面，算法可以為參與者帶來短暫的信心，但難以完全替代人而成為信任能力建構的主導。這就產生了新的挑戰，即機器、算法之間以及算法與人之間如何融合，才能建立全新的管理能力和信任。其次，隨著人工智能的不斷發展，技術的能力尤其是安全能力成為供應鏈建構的關鍵。企業在應用人工智能技術時，必須加強數據的安全保護措施，如加密、權限控制等，以確保敏感信息不被泄露。同時，企業必須對人工智能技術進行安全評估和測試，發現和修復潛在漏洞與安全隱患。此外，企業還應建立完善的安全管理體系，包括培訓員工的安全意識、建立安全審計機制等，提高供應鏈的整體安全性。

從需求視角看，人工智能在供應鏈中的作用取決于使用者的認知范疇、情感范疇和功能認同范疇。

首先，從認知范疇看，人工智能能否與供應鏈運營融合受供應鏈參與者接受程度的影響，即供應鏈中的經濟主體是否認同人工智能對效率的增進或者改進。事實上，不是人工智能算法而是使用者的感受才能產生接受或認同感[29]。這種認知主要表現為FAT，即公平感（Fairness）、問責感（Accountability）和透明感（Transparency）。公平感是一個較難定義的概念，但一般認為人工智能算法的公平能夠使算法決策不會產生偏見、歧視或不公平的結果[30]。換言之，人工智能算法能夠公平地產生結果，不會受人類主觀意識或偏見的影響。因此，公平感不僅僅取決于人工智能的精確度（產生精確結果的能力）和準確性（產生正確結果的概率），更取決于人們感知的人工智能所帶來的公正性和非主觀性。問責感強調的是對人工智能計算結果的負責，即一旦因不當應用而產生差錯，必須能夠追索到誰的責任和行為。透明感要求通過算法生成的過程或結果對用戶是開放和透明的[31]。通常情況下，由于信息數據的專有屬性和算法的不確定性，用戶很難知道具體的算法是什么，結果是如何形成的，這容易使用戶對人工智能的作用和結果產生質疑。因此，透明是人工智能能否被接受的關鍵要素。

其次，情感范疇是指使用者對人工智能的親近感和心理距離。人工智能在供應鏈運行中的作用，不僅受人類認知影響，更受情感因素影響，即人類在心理上接受的程度。這種情感范疇包括人工智能的有形性、任務特性和及時性行為[32]。有形性是指人工智能呈現的方式對人類情感接受的影響。有學者曾經做過一項人工智能實驗，發現人類更容易接受三維機器人給出的建議，而對電腦給出的建議接受程度較低[33]。這無疑反映了人工智能的有形性對人類情感接受的影響。任務特性是人類從情感上更易接受人工智能對具體任務決策的作用。同樣有研究發現，在功能性問題決策方面，人類更相信人工智能算法，而涉及人的決策時，人工智能算法的接受程度較低[32]。及時性關注的是人工智能與人類之間的交互適應性和及時性，即人工智能能否與人類進行交互式的溝通。ChatGPT 這類增強式人工智能具備很好的及時性，能夠不斷根據人類訴求進行交互式反應。

最后，功能范疇是指人類對人工智能算法功能的期待，即人工智能算法能否達到人類從事供應鏈運營決策所需的支持程度。在信息管理學中，技術接受模型（Technology Acceptance Model，TAM）強調技術預期的有用性和容易使用，這是用戶是否采納的決定因素[34]。該模型同樣適用于人工智能數智供應鏈。此外，可靠性也是一個重要的因素，如果人工智能不斷出錯，人類就會對其喪失信心[32]。

四、人工智能數智供應鏈的治理問題

人工智能與供應鏈的高度融合還會產生另一個問題，即治理問題。供應鏈治理是指對供應鏈各個參與方（包括供應商、制造商、分銷商、零售商以及物流服務提供商等）的活動、決策和關系進行管理與協調的一種管理模式[35]。供應鏈治理的目標是通過有效決策的制定和執行，提高供應鏈的效率、靈活性、響應速度和客戶滿意度，同時降低風險和成本，實現所有參與方的共同價值創造和持續成功。

在供應鏈治理中，傳統治理包括契約治理和關系治理兩種主流策略。契約治理是一種建立在法律框架下的正式治理機制。在這種模式下，供應鏈各參與方通過詳細制定并簽署契約或合同來明確界定各自的職責、權利和義務[36]。這些契約不僅是各方合作關系的法律依據，也是爭議或糾紛的重要解決工具。契約治理的決策依據是法律體系，執行機制主要依賴第三方保障機制，如法院的司法裁決和仲裁機構的仲裁決議等。契約治理的特點體現在以下幾個方面：一是強制性，契約或合同的簽訂基于法律規范，各方必須遵守約定的條款，否則將面臨法律制裁，這種強制性確保了契約的有效執行；二是保障性，通過法院、仲裁等第三方保障機制，契約治理能夠為各方提供公平、公正的爭議解決環境，保障各方的權益不受侵犯；三是規則性，契約治理強調明確、具體的規則設定，這些規則明確了各方在供應鏈活動中的行為規范和預期結果，有助于降低不確定性，提高合作效率。相比之下，關系治理更側重建立和維護供應鏈參與者之間的長期、互信合作關系，強調通過共享信息、協調決策、共同解決問題、形成專用性資產等方式，促進各方合作與協同，而非單純依賴法律契約進行約束和控制。與契約治理不同，關系治理的決策依據是社會規范和共同形成的未來期待，執行基礎是相互之間形成的信任與共同的約定，一旦出現違背共同利益的行為，就會產生集體制裁[37]?？梢钥闯?，關系治理的特點是非正式性、社會性和網絡性。

與上述兩類治理不同，隨著現代數字技術的廣泛應用和發展，特別是人工智能與產業運營的不斷融合，算法治理被認為是一種新的治理模式[38]。算法治理是指使用算法、人工智能和大數據等技術手段實現決策制定、規則執行和系統管理的一種治理模式[39]。在算法治理中，復雜的計算程序和數據分析被用于處理各種社會、經濟和政治問題，以提高效率、減少偏見和增強透明度。算法治理的決策依據是數據驅動和算法分析，是算法模型對大量數據處理和解讀的結果。其執行機制是通過自動化流程和機器學習系統實時監控、調整和執行決策，其中還可能結合人工監督和干預。

然而，供應鏈運營中是否單獨存在算法治理是值得商榷的。這是因為供應鏈運營往往涉及不同經濟主體之間的溝通、協同與聯合行為，或者說涉及復雜的人際關系或任務關系。盡管人工智能能夠提升供應鏈決策效率，并使供應鏈運行更智能化，但人作為供應鏈運營管理的主體，同樣發揮著重要作用。行動者網絡理論（Actor-Network Theory，ANT）提供了一種獨特視角來分析社會現象和科學技術實踐，強調行動者之間的相互關系和網絡建構過程的重要性，以及非人類元素在社會構造中的作用。該理論認為，人和技術作為行動者發揮著同等的影響力，行動者之間的關系是動態的、不斷變化的，是在不斷協商和轉譯過程中形成的[40]。

因此，人工智能數智供應鏈的治理機制是結合了契約治理、關系治理、算法治理的混合治理機制。這種混合治理機制的決策依據既有法律和社會規范，也有算力和數字技術的綜合作用，而執行機制則是上述各類執行機制的融合與平衡。

人工智能數智供應鏈混合治理機制的運行往往由任務的復雜性以及主體多元性決定（參見圖3）。在圖3范式Ⅰ中，供應鏈涉及的主體相對單一，或者說供應鏈運營和決策主要針對特定企業而展開，任務的復雜性較低。在這種場景下，主導的治理模式是契約治理，因為契約治理相對直接、明確，責任義務容易界定，關系治理和算法治理只起輔助作用。在范式Ⅱ中，雖然任務的性質相對簡單，但供應鏈參與者眾多，性質各異，往往會涉及各類參與者之間的溝通、協調。因此，除契約治理模式外，關系治理也是決定供應鏈運營效率的關鍵，算法治理只發揮輔助作用。這是因為在任務相對簡單、工作內容容易鑒別和衡量的情況下，數字技術和人工智能的作用相對較弱。在范式Ⅲ中，盡管供應鏈涉及主體較少，但工作任務復雜性增強，單純依靠契約治理較難應對復雜問題產生的問題洞察判定和決策實時精準的挑戰，人工智能算法的作用將得以極大發揮。在范式Ⅳ中，供應鏈呈現出典型的復雜適應體系，一方面參與者眾多且多元，另一方面任務的復雜性較高，算法治理的作用非常重要，因為它既能夠幫助參與者精準洞察供應鏈運營規律，實時優化決策，又能夠根據情境和關系動態調整合作策略，具有很強的靈活性和資源配置性。但必須看到，在這一范式中，契約治理和關系治理的作用也不可忽視，它們與算法治理相互補充，共同構成有效的治理體系。首先，契約治理在復雜適應體系中提供了必要的法律框架和規則基礎。盡管算法能夠處理大量的數據并提供決策建議，但最終的決策和行動仍必須在法律與契約的約束下進行。明確的契約條款可以設定各方的權利和義務，為解決爭議和糾紛提供依據，同時能為算法的運行設定邊界和準則，防止可能出現的濫用和誤用。其次，關系治理在多元和復雜的參與者網絡中扮演著關鍵角色。在供應鏈中，信任、溝通和協作對維持系統的穩定性與效率至關重要。關系治理不僅能夠建立和維護長期、互信的合作關系，促進信息共享、協調決策和共同解決問題的過程，而且有助于減輕算法可能帶來的冷酷和機械感，保持人性化的互動和關懷。此外，契約治理和關系治理還能夠彌補算法治理的一些局限性。例如，算法可能無法完全捕捉所有的情境因素和人際關系動態，而這些因素在實際運營中具有重要的影響?？偟膩碚f，在范式Ⅳ的供應鏈中，算法治理、契約治理和關系治理三者相輔相成，共同構建一個既能應對復雜性和不確定性，又能確保公平、透明和可持續性的治理體系。

圖3 人工智能數智供應鏈混合治理機制