数字化转型和环境可持续性已成为全球供应链的新驱动力（Chatterjee等人，2025年）。随着企业应对气候风险、供应链冲击和利益相关者对透明度的要求，供应链成为了运营创新的焦点和试验场（Karwasra等人，2024年）。这一演变在欧盟尤为明显，欧盟的监管框架（如可持续活动分类法和企业可持续性报告指令CSRD）促使企业转向低碳和负责任的商业模式（Dou等人，2025年；Ribeiro Navarrete等人，2027年）。在此背景下，人工智能（AI）作为一种变革性能力，帮助企业应对运营复杂性并实现可持续性目标（Daly等人，2025年；Jorzik等人，2024年）。
AI技术已从理论潜力转变为供应链实践中的实际应用（Tsolakis等人，2022年）。从预测分析和动态库存控制到路线优化和自动化决策，AI被用于提高供应链各功能的准确性、响应能力和资源效率（Li等人，2024年）。生成式AI则开辟了新的维度，使企业能够模拟情景、生成物流工作流程并支持自主规划。这些应用不仅提升了运营灵活性，还增强了与环境目标的契合度。AI正成为绿色和负责任供应链的核心要素。企业面临气候风险、供应链冲击以及对透明度的日益增长的需求（Jiang等人，2025年）。最新研究表明，AI能够提升需求预测、改善物流协调并通过提供预测洞察和自动化降低运营风险（Hazen等人，2016年；Ivanov和Dolgui，2020年）。最近的研究还强调了生成式AI在情景模拟和适应性决策中的作用，将其应用范围从效率提升扩展到韧性建设和可持续性对齐（Wamba等人，2020年）。
尽管取得了这些进展，但人们对AI整合到供应链中的财务后果关注不足，尤其是数字工具如何影响库存成本和收入确认的时间。这一差距凸显了需要超越运营结果，深入探讨供应链转型的财务维度。明确这一差距至关重要，因为财务绩效最终决定了数字化转型是否能创造持久价值。虽然像速度、灵活性和可见性这样的运营成果已得到广泛研究，但关于AI如何影响供应链内部出现的财务效率低下的证据却很少。特别是库存过时和收入延迟问题尚未得到充分研究，尽管它们对企业绩效和可持续性具有重要意义。通过关注这些指标，本研究将文献从过程层面的评估扩展到了直接反映供应链纪律性和可靠性的财务指标。
在创新与环境责任日益融合的背景下，越来越多的研究强调了AI在实现供应链韧性和效率方面的价值（Han和Wei，2025年；Li和Xiong，2025年；Wei和Zhang，2025年）。然而，探讨AI如何促进可衡量绩效成果的实证研究仍然较少，尤其是在已经开展可持续性举措的企业中。现有文献往往忽视了AI投资深度的重要性，以及AI采用与企业财务状况和宏观经济因素的相互作用（Huang和Lin，2025年；Lui等人，2021年）。此外，大多数研究采用了一维视角来看待AI的采用，未能充分捕捉技术整合的不同程度及其对供应链过程的不同影响。
本研究基于资源基础视角和动态能力视角。人工智能被视为一种无形资源，使企业能够重新配置运营资产并提高效率。当战略性地部署时，AI增强了供应链的适应能力，使企业能够更有效地应对市场波动、监管要求和可持续性目标。这些理论基础解释了为何将AI的采用程度和投资强度视为绿色供应链竞争力的互补驱动因素。
基于上述概念和实证差距，本研究调查了AI的采用程度和投资强度如何影响欧盟内绿色企业的供应链效率。我们关注供应链绩效的三个具体维度：库存周转率、库存投资毛利率（GMROI）以及运输成本与销售额的比率。选择这些指标是因为它们能够反映运营效率和供应链实践的财务及环境影响。库存周转率反映了企业应对市场需求的库存管理效果；GMROI衡量了与库存相关的决策的盈利能力；运输成本与销售额的比率则代表了物流效率和碳敏感的运营绩效。
欧盟的背景为这项研究提供了特别相关的环境。凭借其先进的监管体系、与欧洲绿色协议的紧密政策协同以及日益重视范围3排放责任，欧盟处于将可持续性整合到企业战略前沿的地位（Obwori Alwago等人，2025年）。在此环境下运营的企业面临着展示环境责任的同时保持财务竞争力的压力（Hasnaoui，2024年）。因此，该地区为探讨AI如何在提高运营效率的同时符合可持续性要求并创造价值提供了理想的环境。
我们的分析框架区分了AI整合的两个核心维度：采用AI工具的决策（AI采用）和在AI相关系统上的投资规模（AI投资强度）。这种区分使我们能够超越二元分类，探讨更深入或更坚定的AI实施如何影响供应链结果。通过纳入企业特定变量（如规模、杠杆率、盈利能力、环境评分）以及宏观经济因素（如GDP增长、通货膨胀、能源价格和利率），我们考虑了AI运行的更广泛生态系统。
关于供应链中AI的讨论大多具有前瞻性和概念性。相比之下，本研究基于2022年至2024年间收集的企业级数据。这一时期以监管活动的增加、疫情后的供应链重新调整和数字基础设施投资的激增为特征。这些并发发展使得评估投资AI的企业是否在运营和可持续性指标上表现更好变得及时。特别是，我们研究了AI是否有助于绿色企业以更具成本效益的方式实现环境目标，以及这些收益是否在不同供应链功能中具有一致性。
这项研究还涉及关于新兴技术如何重塑传统供应链模式的更广泛的学术和实际辩论。AI能力与可持续性要求的融合可以重新定义绩效基准、重构成本结构，并改变供应链设计的战略逻辑。例如，基于AI的循环库存系统、去中心化物流平台和实时排放跟踪工具正逐渐从试点阶段走向实际应用。这些发展要求我们对AI整合如何影响效率和盈利能力有新的实证见解，尤其是在致力于可持续转型的企业中。
总之，本研究探讨了人工智能的采用程度和投资强度如何影响欧盟内注重可持续性的企业的供应链效率。分析重点关注三个财务和运营指标：库存周转率、库存投资毛利率以及运输成本与销售额的比率。这些指标反映了数字化转型如何塑造供应链的响应能力、盈利能力和物流绩效。目的是评估更深层次的技术投入是否在可持续性约束下提升运营和财务成果。通过整合企业级和宏观经济变量，本研究提供了基于证据的理解，说明AI整合如何在推进欧盟环境目标的同时增强效率。本文的其余部分安排如下：第2节概述了方法和数据，第3节展示了结果和讨论，第4节提出了政策建议，第5节总结了研究。
