近年来，全球供应链的脆弱性已成为一个关键的经济问题（Bag等人，2025年；Belhadi等人，2024年；Cao等人，2026年；Yang等人，2025年）。从COVID-19大流行和地缘政治冲突到气候引发的灾难，贸易和生产的反复冲击加剧了全球基本商品的供应紧张（Baldwin和Freeman，2022年；Bonadio等人，2021年；Ascari等人，2024年）。这些中断使得供应链韧性——即吸收和从冲击中恢复的能力——成为政策和管理议程的重点（Koberg和Longoni，2019年；Singh等人，2025a，2025b，2025c）。与此同时，数字技术的迅速发展正在从根本上重塑企业应对此类动荡的方式。人工智能（AI）及相关的数据驱动工具通过提高可见性、预测分析和优化决策成为加强供应链网络的关键推动力（Ahmad等人，2023年；Yablonsky，2019年；Kopka和Fornahl，2024年；Dabbous等人，2025年；Khan等人，2025年）。尽管面临气候变化、地缘政治紧张和劳动力市场波动的压力，人工智能为企业提供了改进和加强供应链运营的新能力。供应链脆弱性与数字化转型的结合迫切需要我们理解人工智能如何增强组织的韧性。
中国为研究这些动态提供了一个特别有说服力的背景。作为世界制造业强国和最大的新兴经济体，中国同时在进行绿色发展和产业升级的双重转型，处于独特的制度环境中（Li，2013年；McKay和Song，2010年）。中国政府提出了雄心勃勃的碳达峰和碳中和目标，并启动了全面的计划以推动绿色、低碳的经济转型。这一政策推动伴随着国家主导的通过技术创新实现产业现代化的努力，数字化转型被视为高质量增长的强大引擎（Sargani等人，2025年；Dai等人，2025a，2025b）。人工智能、大数据和区块链等技术对于企业提升能力和保持竞争力至关重要。中国的产业战略明确将自动化和人工智能的采用与提高生产力和可持续性成果联系起来。此外，中国企业面临着同时提高技术水平和环境可持续性的压力，同时还要管理广泛的全球供应链暴露。这些因素的结合使得中国成为研究人工智能如何增强供应链韧性以及制度力量如何影响这一过程的理想场所。
尽管人们越来越认识到数字技术对供应链韧性的重要性，但仍存在显著的知识空白。首先，尽管实践者和学者承认人工智能有潜力增强供应链，但我们缺乏关于这些好处具体实现机制的系统证据（Basit等人，2025年）。现有研究仅开始探讨先进技术如何实际增强韧性，许多研究集中在发达国家或依赖于轶事证据。将人工智能采用与韧性结果联系起来的确切路径仍然未被充分探索，特别是在制度条件与西方市场明显不同的新兴市场环境中。其次，我们对放大或限制人工智能韧性收益的背景因素知之甚少。先前的研究没有系统地探讨外部制度力量（包括正式的监管压力和非正式的社会期望）如何影响供应链中人工智能投资的有效性。第三，人工智能在不同企业和环境特征下的影响差异性在很大程度上尚未得到研究。了解人工智能在哪些人和什么条件下带来韧性收益对于理论和实践都至关重要，但现有证据在这些边界条件方面提供的指导有限。
为了解决这些空白，本研究提出了三个相互关联的研究问题。首先，人工智能的采用是否增强了供应链韧性，如果是的话，是通过哪些具体的操作机制实现的？其次，正式的制度支持（政府的绿色倡议）和非正式的制度压力（公众对环境的关注）如何调节人工智能与韧性之间的关系？第三，人工智能与韧性之间的关系在不同组织环境（企业规模、所有权结构）和外部环境（监管严格程度、数字成熟度）中如何变化？我们使用2012年至2023年间2986家中国上市制造企业的全面面板数据来回答这些问题，共获得了23,848个企业年的观察数据。这一时间范围涵盖了人工智能的快速普及和日益加剧的环境压力，提供了技术和制度环境方面的显著变化。
我们的理论框架整合了多种视角来解释人工智能如何增强供应链韧性。基于资源基础理论（RBV）和动态能力理论，我们将人工智能视为一种战略资源，能够在动荡环境中增强企业的适应能力。我们提出人工智能通过三个关键中介机制增强韧性。首先，人工智能通过利用分析、传感器和云平台提供端到端操作的实时可见性，从而实现更早的干扰检测和更及时的干预（J. Li等人，2025年；P. Li等人，2025年）。其次，人工智能通过优化需求预测、生产调度和库存管理提高运营效率，使企业能够在精益运营和韧性之间找到平衡（Nida，2025年）。第三，人工智能使企业能够更有效地协调复杂的供应商网络并识别隐藏的依赖关系，从而减少对单一来源故障的脆弱性（Brintrup等人，2024年）。这三个机制代表了人工智能改变供应链结构和能力的不同但互补的途径。
除了这些内部机制外，我们还研究了外部制度环境如何影响人工智能的有效性。基于制度理论，我们确定了在中国背景下特别重要的两个调节力量。政府的绿色支持包括正式激励、资源和政策福利，可以通过提供帮助企业在重新设计供应链时利用数字工具的补充资产来放大人工智能的韧性影响。这代表了自上而下的制度影响，表明了对可持续性和风险管理的要求。公众对环境的关注反映了来自媒体、消费者和民间社会的自下而上的压力，通过揭露企业不当行为和激励运营改进起到非正式监管的作用。我们预计这两种制度力量会以不同的方式调节人工智能与韧性之间的关系，其中政府的支持通过资源提供和合法性发挥作用，而公众关注则通过声誉激励和利益相关者压力发挥作用。
本文的其余部分安排如下。第2节发展了我们的理论框架和关于人工智能通过中介机制和调节制度力量对供应链韧性影响的假设。第3节描述了我们的研究设计、数据来源、变量测量和分析策略。第4节展示了实证结果，包括基准估计、中介和调节分析、稳健性检验和异质性测试。第5节讨论了理论和实践意义，承认了局限性，并提出了未来研究的方向。第6节总结了关键发现和对管理者及政策制定者的建议。
