货物之外，供应链也传递人工智能
机器学习（Machine learning）提高了全球供应链的质量管理和成本效率，但它是如何传播开来的呢？
近年来，人工智能（Artificial intelligence, AI）已成为企业运营的重要工具，其应用覆盖需求预测、采购管理乃至流程优化。对于近期因地缘政治不确定性、贸易冲突、制裁和环境问题而倍受压力的全球供应链来说，人工智能或可成为破局的关键。
根据安永2024年的一份报告，约 40% 的供应链企业都在投资生成式人工智能，以管理知识和信息。技术往往会沿着经济网络传播— 或在竞争对手之间横向扩散，或沿着供应链纵向扩散。然而，人工智能等新兴技术的扩散模式在学界仍未得到充分探讨。
香港中文大学（中大）商学院金融学系副教授岑岭表示：“ 我们发现人工智能沿供应链扩散有一个清晰的模式，即当下游行业采用人工智能技术后，其上游的供应商也会随之采用。”
下游产业是指更接近最后生产阶段和向终端客户交付的产业，包括服务业和制造业；而上游产业是指为下游产业提供原材料或基本投入的部分，如采矿业和农业。
作为苹果和英伟达两大企业主要供应商的富士康科技集团便是一个典型的例子。岑教授指出，其主要客户对人工智能的快速应用使富士康从一家劳动密集型企业，转型为一家生产人工智能电动汽车和英伟达人工智能服务器的企业。
岑教授与中大商学院决策、运营与科技学系副教授吴靖、史蒂文斯理工学院韩彦如（中大商学院博士生）、上海财经大学邱嘉平共同开展了题为 《供应链上的人工智能 》的研究，深入探讨了供应链能否成为人工智能技术的扩散渠道、推动这种扩散的经济机制等关键问题。
领先 – 滞后模式
为衡量美国上市公司的人工智能应用程度，研究团队利用 Revelio Labs（一家从 LinkedIn 和 Indeed 等就业平台收集劳动力信息的分析公司）提供的数据，追踪了这些公司从 2009 年到2019 年的人工智能人才招聘情况。
结果显示，过去十年中人工智能从业人员数量大幅增加，几乎所有行业都在扩大AI应用规模。但各行各业之间同时也存在显著差异，供应链下游的行业采用人工智能技术的速度远超上游行业。岑教授解释说，这是因为研究数据中的下游企业通常都是规模较大、声誉良好的行业龙头，可以直接获取海量的客户信息数据。
进一步的分析显示，当主要客户增加人工智能的应用先于其供应商，可促使供应商在下一年也采用更多的AI技术。研究人员将这现象称为企业与企业关系中的 “领先-滞后” 模式，还发现这种模式并非由整个市场或特定行业的趋势所驱动。
在一项对照实验中，研究人员把原供应商换成了与下游客户没有任何联系的企业，结果显示，客户公司对AI 的应用对新供应商不再产生影响。这表明，人工智能在供应链中的扩散是由企业之间的互动驱动的。
学习或迎合机制
为配合主要客户的发展脚步，供应商可通过学习或迎合两种机制加强对AI 的应用。在学习机制下，通常由主要客户（一般是大型企业或行业领导者）率先采用人工智能技术，然后供应商可通过日常的供应链互动逐步吸收和应用这些技术。
岑教授说：“在这种机制下，与掌握AI 技术的客户建立密切的战略关系，可以降低供应商学习和采用AI 的成本，从而改善供应商自身的运营状况和绩效。”
在迎合机制下，供应商则需要通过满足已采用人工智能技术的主要客户的需求，来维持重要的合作关系。“迎合机制的有效性取决于客户对其供应商的相对议价能力，” 岑教授补充道，“而学习机制受到供应链合作伙伴相对规模的影响 — 规模会影响相关知识的适用性。”
根据收集到的数据，岑教授及其合作者发现，学习机制是主要的驱动力。供应商采用人工智能主要是为了提高自身能力，而不仅仅是为了迎合客户的需求。
什么让人工智能传播得更快？
为了研究影响供应商学习机制的因素，研究团队分析了人员的流动性以及客户与供应商之间的地理距离，发现当供应商聘用曾任职于主要客户企业的管理人员时，其AI应用水平显著提升。与普通员工相比，管理人员通常具备企业运营的宏观视野，而普通员工除非从事与AI 相关的工作，否则可能缺乏对相关技术发展的了解。
岑教授另指出：“我们的研究结果印证，从客户流向供应商的劳动力，尤其是具备AI 视野或技能的人才，能够有效推动人工智能技术沿供应链扩散。”
此外，当双方之间的地理距离较短时，人工智能技术的扩散效应也会更强。当客户搬到离供应商更远的地方时，其技术影响力明显减弱。
岑教授说：“供应商和客户之间的地理邻近性，有利于更频繁的互动，从而加快知识和信息的传递。” 他强调，地理邻近性对促进学习具重要作用。
正面的经济成果
最后，研究团队分析了人工智能技术从客户向供应商的扩散是否能真正提升经营成效。结果证实，向客户学习AI技术的供应商，更有可能提高产品质量并更有效地管理成本。具体而言，AI 相关人员聘用数量每上升一个标准差，提高产品质量的机率就会增加 0.74%。
随着人工智能技术不断跨行业、跨国界发展，了解该技术如何在供应链中扩散为企业领导者和政策制定者提供了宝贵的信息。
岑教授建议，企业管理者可通过借力供应链合作伙伴的AI 知识储备来降低风险并保持竞争力。例如，识别从贸易伙伴那里获取技术的最佳节点，或者从这些伙伴那里招聘AI 专才。
跟传统技术相比，人工智能需要高昂的初始投入，但后期运营成本显著降低。岑教授认为，政府对下游客户企业的补贴有助于它们迈出采纳人工智能技术的第一步，“然后，其正面影响便会沿着经济网络向外扩散，实现社会最理想的人工智能应用水平。”