电动汽车（EV）在减少交通运输部门的温室气体（GHG）排放方面具有巨大潜力（Global EV Outlook 2024, 2024; Hawkins et al., 2013）。然而，这一转型面临着与供应链韧性相关的重大障碍（Niri et al., 2024; Alshahapy et al., 2025）。EV供应链的特点是高度地理集中，从上游的矿物开采到电池和汽车制造。例如，中国主导了全球80%以上的电池单元、正极和负极材料的生产，而采矿活动则集中在澳大利亚、智利、印度尼西亚和刚果民主共和国（DR Congo）等国家（Global EV Outlook 2025, 2025）。这种集中使得复杂的EV供应链极易受到各种破坏性事件的影响。频繁的中断事件会改变EV供应链中的原材料和产品流动，从而阻碍EV产业的发展和规模化（Global Critical Minerals Outlook 2025, 2025）。例如，2021年至2022年由于EV的快速增长，锂价飙升，导致汽车制造商暂时减产（Sun et al., 2022a）。2025年9月，印度尼西亚政府以环境和非法采矿为由关闭了世界最大镍矿商的部分矿场，导致镍价暴涨，并引发了下游供应链中断的担忧（Nickel prices surge as Indonesia seizes part of Tsingshan Mine, 2025）。地缘政治事件，如美国的《通胀削减法案》（IRA），也扰乱了全球EV供应链；该法案对国产EV的税收优惠促使领先的电池制造商CATL放弃了其在北美的工厂建设计划（Ren et al., 2024）。COVID-19大流行导致了广泛的供应链中断，包括工厂关闭、物流瓶颈和劳动力短缺（How global electric car sales defied Covid-19 in 2020, 2021; Sun et al., 2022b; Wen et al., 2021）。作为全球最大的碳酸锂供应商，智利关闭了边境以缓解疫情，其出口在2020年5月下降了43%，加剧了全球锂供应短缺（Wang et al., 2025）。这些频繁且多样的中断凸显了系统评估EV供应链供应风险的迫切需求。
临界性评估被广泛用于评估供应风险，这源于对关键原材料的评估（Wietschel et al., 2025; Minerals, Critical Minerals, and the US Economy, 2008; Methodology for establishing the EU list of critical raw materials – Guidelines; European Commission: Belgium, 2017; Hatayama and Tahara, 2015; Helbig et al., 2021; Hatayama and Tahara, 2018; Dewulf et al., 2016; Schrijvers et al., 2020; Graedel et al., 2012; Bach et al., 2017）。钴、镍和锂等材料通常被视为“关键”材料，因为它们具有较高的供应风险和技术重要性。这种评估通常包括两个维度：（1）供应风险，即由于各种事件导致供应中断的可能性；（2）脆弱性，指的是此类中断的影响（Wietschel et al., 2025; Helbig et al., 2021）。本文特别关注供应风险维度。
目前没有通用的供应风险指标和相应中断事件的标准；所考虑的指标集一直在不断扩大。例如，美国国家研究委员会将资源枯竭、进口依赖和副产品依赖视为潜在的中断事件（Minerals, Critical Minerals, and the US Economy, 2008）。欧盟（EU）（Methodology for establishing the EU list of critical raw materials – Guidelines; European Commission: Belgium, 2017）、Hatayama等人（Hatayama and Tahara, 2018）和Graedel等人（Graedel et al., 2012）将地缘政治不稳定和贸易壁垒纳入了对关键材料供应风险的评估中。Bach等人进一步考虑了社会和环境维度，如遵守社会和环境标准（Bach et al., 2017），而Wietschel等人则纳入了环境/社会法规和物流限制等因素（Wietschel et al., 2025）。
尽管这些研究提供了基本框架，但仍存在显著的研究空白。第一个空白是大多数研究的范围有限，主要集中在上游原材料开采阶段，未能提供涵盖所有阶段的整体风险概况。尽管一些研究已经扩展到锂离子电池和EV制造的下游阶段（Berr et al., 2022; Sun et al., 2019; Berr et al., 2023），但涵盖从矿物开采到最终产品使用和回收的整个EV供应链的系统评估仍然有限。这种全面的视角至关重要，因为中断可能起源于当今全球分布和相互连接的供应链中的任何节点（Cimprich et al., 2019）。
第二个空白是缺乏一个全面的供应风险评估指标系统。将评估范围扩展到整个供应链需要将风险指标扩展到不仅仅是上游活动适用的指标。例如，技术风险——如半导体短缺或电池安全事件——与EV的中游和下游阶段密切相关，但在传统的评估框架中常常被忽视。因此，开发一个能够捕捉特定阶段供应风险的综合指标系统对于准确评估和提高供应链韧性至关重要。
第三个空白源于现有分析方法在适应更广泛评估框架方面的局限性。随着系统范围的扩大，传统的手动文本分析难以及时和准确地识别频繁的中断。虽然人工智能（AI）工具被认为可以提高效率，但常用的方法如神经网络（NN）（Silva et al., 2017）、支持向量机（SVM）（Hassan, 2019）和强化学习（Aboutorab et al., 2022）往往受到对大型高质量标记数据集的依赖限制。大型语言模型（LLM）的最新进展提供了强大的语义理解能力，减少了对手动注释的依赖，并能够从大量非结构化文本中实时提取信息（Zhu et al., 2023; Jiang et al., 2025; Chen et al., 2025; Liang et al., 2024; Zhang et al., 2026; Vergés et al., 2026）。提示工程的使用进一步提高了灵活性和成本效益，无需进行完全微调，与传统文本挖掘方法相比具有更好的适应性和实时性能。
在这里，我们旨在通过提供对全球EV供应链中由中断事件驱动的供应风险的全面评估来填补这些知识和数据空白。利用LLM和提示工程，我们采用少量样本学习方法系统地识别由EV供应链多个阶段发生的50种类型中断事件引起的8类供应风险。这是基于从3125篇非结构化新闻文章中提取的2843个记录在案的事件。我们首先进行动态分析，揭示2006年至2025年EV供应风险的演变模式。然后，我们调查了所有49个生命周期阶段中的特定阶段供应风险及其触发中断事件，涵盖从原材料开采到EV组装和回收的整个过程。最后，我们分析了这些供应风险在78个国家和地区中的地理空间异质性。本研究的贡献在于在三个关键维度上扩大了EV供应风险识别的范围：供应链阶段、评估指标和地理覆盖范围。我们的发现基于高维度分辨率，提供了对EV供应链供应风险的具体的、数据驱动的评估。
