工业机器人应用与供应链效率提升

[摘 要：文章基于2011—2019年中国A股上市企业财务数据，研究工业机器人应用对企业供应链效率的影响。研究发现：工业机器人应用显著提高了企业供应链效率，该结果在一系列稳健性检验中得到验证；机制分析表明，工业机器人应用通过供应链治理渠道和营运效率渠道来提高供应链效率，在中西部地区、传统行业、竞争性行业、高市场优势地位、高资产专用性和高职工薪酬企业中作用更明显；进一步研究表明，工业机器人应用存在正向的供应链溢出效应，并可以实现兼顾供应链安全的效率提升。本研究为进一步优化工业机器人应用的相关政策制定和构建高质量供应链体系提供了政策启示。

关键词：工业机器人应用；供应链效率；供应链治理；营运效率；关系理论；动态能力理论

中图分类号：F274；TP242.2；F275；F832.51" " 文献标识码：A 文章编号：1007-5097（2025）01-0117-12 ]

Application of Industrial Robots and Enhancement of Supply Chain Efficiency：

Based on the Dual Perspective of Supply Chain Governance and Operational Efficiency

MENG Qingwei， HU Linshan

（School of Economics and Management， Tongji University， Shanghai 200092， China）

Abstract：This article analyzes the impact of the application of industrial robots on efficiency of corporate supply chains based on the financial data of Chinese A-share listed companies from 2011 to 2019. According to the research findings， the application of industrial robots significantly enhances the efficiency of corporate supply chains， which has been verified through a series of robustness tests. Mechanism analysis indicates that the application of industrial robots improves the supply chain efficiency through supply chain governance and operational efficiency channels， and this effect is more pronounced in the central and western regions， traditional industries， competitive industries， and companies with high market dominance， high asset specificity， and high employee compensation. Further research shows that the application of industrial robots has a positive supply chain spillover effect and can achieve efficiency improvement ensuring supply chain security. This research provides policy insights for further optimizing the formulation of policies related to the application of industrial robots and for building a high-quality supply chain system.

Key words：application of industrial robots; supply chain efficiency; supply chain governance; operational efficiency; relationship theory; dynamic capabilities theory

一、引 言

党的二十大报告强调，“着力提升产业链供应链韧性和安全水平”“加快构建新发展格局，着力推动高质量发展”［1］。在当今世界百年未有之大变局加速演进的背景下，化解供应链的“堵链”“卡链”和“断链”问题，对应对外部不确定性冲击、提高经济运行效率具有重要现实意义。习近平总书记强调，要“把握新一轮科技革命和产业变革新机遇，共同构筑安全稳定、畅通高效、开放包容、互利共赢的全球产业链供应链体系”［2］。这表明，畅通国内大循环、形成协同高效的双循环新发展格局，需要加快传统供应链体系中的新技术应用，让要素更加便捷循环、有效配置。

当前，人工智能作为新一轮科技革命的驱动力量，已成为重塑传统供应链的关键动力［3］。其在生产制造领域的应用载体——工业机器人的广泛使用，正通过承担机械化、重复度高的工作，使供应链上传统检测识别、加工组装、仓储运输等业务呈现出新业态与新模式。2024年，“人工智能+”被首次写入政府工作报告，目的是要通过数字化、智能化技术应用，提升产业体系的先进性，从而强链、稳链、固链，构筑新质生产力的产业根基［4］。那么，作为人工智能应用的关键载体，工业机器人能否真正赋能产业链供应链，提高供应链效率，是值得研究的问题。

基于此，本文使用2011—2019年中国A股制造业上市企业数据和国际机器人联合会（IFR）公布的工业机器人数据，实证检验工业机器人应用对供应链效率的影响。与本文研究内容相关的文献主要有两类。一类文献聚焦于工业机器人应用的经济效应，研究其在劳动力市场［5］、出口贸易［6］、企业经营决策［7］中的作用；另一类文献检验了供应链效率提升的影响因素，从市场分割［8］、贸易便利化［9］、企业数字化转型［10］角度展开讨论。梳理上述文献发现，当前，鲜有研究将工业机器人应用和供应链效率提升纳入统一框架展开分析。

本文可能的边际贡献在于：第一，现有文献少有研究工业机器人应用对供应链效率的影响。本文不仅试图揭示工业机器人应用对供应链效率中供应链治理渠道和营运效率渠道的影响，还从不同角度、不同层级探究其异质性表现，丰富了相关领域研究。第二，现有关于供应链效率的研究大多局限于企业个体层面，未能突出研究问题中的“链”上特征。本文基于关系理论和动态能力理论，采用多种方式测度供应链效率，并进一步分析工业机器人应用的链上溢出效应，将研究问题从个体层面拓展至供应链层面，以识别节点企业间的互动关系。第三，本文结合工业机器人应用的链上溢出效应、兼顾供应链效率与安全的协同效应，提出渐进式的供应链数智化改造路径和科学的企业供应链管理模式。

二、理论分析与研究假设

（一）工业机器人应用对供应链效率的影响

供应链是指企业与生产上下游各主体间的链条式关联关系和时空分布状态［11］，作为沟通供需两端的网链结构，其效率的提升需要供应商、制造商、批发商等各构成主体的充分协调与配合。牛鞭效应理论指出，在传统供应链的生产制造和库存管理环节，供应商和客户间会因供需信息不对称和彼此协调不足，出现短缺博弈和风险控制的现象，使订单的需求波动随供应链逐级放大，造成链上企业库存积压，从而拖累供应链效率［12］。工业机器人应用能够对传统供应链的各环节进行数智化改造，缓解被逐级放大的“牛鞭效应”。原因有两点：一是工业机器人的“工具机”属性能够辅助劳动力完成供应链上的多种非标准化任务［13］。例如，在库存管理环节，能够跟踪产品库存状态，便于厂商优化库存管理方案，及时响应供需信息变化［14］。二是工业机器人的“发动机”属性能够完成供应链上的标准化任务。在供需信息确定后，不同类型的机器人能够快速生产并及时交付。因此，工业机器人应用有助于企业响应客户需求、提高供给质量，从而加快产品的链上周转，降低企业库存周转天数。据此，本文提出假设1。

H1：工业机器人应用可以提高供应链效率。

（二）工业机器人应用影响供应链效率的渠道机制

供应链效率提升的关键在于及时响应客户需求并提高供给质量。在市场竞争机制下，企业需要维持良好的外部供应链伙伴关系和领先的内部动态能力［15］，以拓宽销售渠道并提高生产效率，加快原材料库存的消耗和产成品库存的变现［16］。如图1所示，本文基于供应链治理视角和营运效率视角，分析工业机器人应用提升供应链效率的渠道机制。

1. 基于外部关系理论的供应链治理视角

关系理论认为，企业经营所需的关键资源通过跨越企业边界来获取，这需要建立与合作企业的网络关系来获得外部的互补性资源支持［17］。由于供应商和客户是供应链网络的核心组成，企业与之形成紧密的伙伴关系有利于获得更多优质服务，减少交易成本并加快链上信息共享，进而提高库存管理效率［18］。Omar等（2012）［19］指出，企业需要树立可靠形象以推动关系网络升级。工业机器人应用往往意味着企业具有较为领先的生产技术能力［20］，可以向合作企业发送积极信号，提高其在供应链关系网络中的中心度。一方面，工业机器人可以应用于生产组装的中间环节，依托其高效生产和精准调度能力，生产市场适用范围更广的标准化零部件和半成品，从而拓宽供应链合作企业关系网，降低供应链集中度；另一方面，工业机器人可编程的柔性生产方式便于及时响应上下游企业的个性化需求，充分应对可能的生产标准和技术要求变动，从而深度整合供应链网络，有效降低供需协调成本，提高供应链效率。

2. 基于内部动态能力理论的营运效率视角

动态能力理论认为，企业组织绩效取决于自身独特的有形或无形资源，面对不断变化的市场需求，企业通过对资源的动态学习、整合和再配置获得持续的市场竞争优势［21］。供应链视角下的动态能力强调，链上企业对新业务机会的感知和把握能力，通过新技术应用重新配置企业已有的各类资源，对传统生产流程进行改造［22］，从而更有效地将投入转化为产出，提高供给质量，促进供应链效率提升［23］。工业机器人应用可以增强企业动态能力。一方面，工业机器人应用对生产流程的改造驱动企业生产经营模式发生改变，实现对其业务业态模式的创新。例如，人与机器的互联互通提高了数据搜集、处理和利用的效率，能够根据历史生产制造和库存管理环节所反映的季节性规律，对未来订单需求进行超前预测，以合理安排生产流程，加快产成品库存周转［24］；另一方面，工业机器人应用可以通过“机器换人”节约企业用工成本，还能使员工产生危机意识，增强其学习自驱力和知识应用能力［25］，通过重新整合知识资源提高企业生产效率，加快对原材料库存的加工和消耗，推动供应链效率提升。据此，本文提出假设2。

H2a：工业机器人应用通过降低供应链集中度、降低供需协调成本的供应链治理渠道来提高供应链效率；

H2b：工业机器人应用通过加快业务模式创新、提高生产效率的营运效率渠道来提高供应链效率。

（三）工业机器人应用的供应链溢出效应

现有文献表明，供应链节点企业的决策会对上下游企业产生关联影响。链上核心企业工业机器人应用驱动的生产管理模式转变，也会对合作企业供应链效率提升产生溢出效应（1）。一方面，由于工业机器人具有操作难度大、学习成本高的特点［26］，核心企业工业机器人应用取得的良好成效和正面评价，会鼓励合作企业采取一致行动［27］，促使其对自身生产模式进行智能化改造，从而直接提高合作企业供应链效率；另一方面，链上核心企业工业机器人应用会加快对生产原材料的消耗，减轻传统生产制造模式下因长生产周期造成的原材料库存积压，间接加快上游供应商企业的库存周转。同时，还能通过柔性生产满足市场多样化需求，提高产品的市场竞争力，避免批发商因销路不畅造成的产成品库存积压，从而间接加快下游客户企业的库存周转。据此，本文提出假设3。

H3：供应链上核心企业工业机器人应用会对合作企业供应链效率提升产生正向溢出效应。

（四）工业机器人应用对供应链安全的影响

当前，我国正面临供应链体系建设不稳定、不健全的挑战，“断链”“堵链”“卡链”现象时有发生。因此，供应链高质量发展应当兼具效率和安全双重目标。供应链安全主要体现为链上节点企业在遭受外部冲击后能及时恢复到正常状态，企业的生产弹性、对先进技术工艺的掌控能力和产品的市场竞争力是决定供应链恢复能力的重要因素［28］。工业机器人应用，一是可以在供应链的生产制造、仓储配送环节替代劳动者，增加企业在应对公共卫生等不确定性事件冲击时的灵活性［29］；二是可以增强企业对先进设备和生产技术的自主掌控能力，便于受冲击后的业务恢复和供应链重塑；三是能够通过标准化生产对接发达国家产品、行业和技术标准，参与国际市场商品资本循环，从而获取更多潜在客户，推动供应链的多元化配置，分散不确定性风险。据此，本文提出假设4。

H4：工业机器人应用可以提高供应链恢复力，兼顾供应链效率和安全双重目标。

综上所述，如图2所示，本文首先研究了工业机器人应用对供应链效率的影响及其作用机制。在此基础上，进一步讨论核心企业工业机器人应用的供应链溢出效应。此外，企业为应对外部不确定性冲击，会持有一部分安全库存，可能会阻碍上下游间的要素流动。因此，本文还拓展研究了工业机器人能否实现兼顾供应链安全的效率提升。

三、研究设计

（一）样本选择与数据来源

本文使用的工业机器人数据来自IFR，该组织提供了“年份-国家-行业”层面的机器人统计数据。限于数据的时间期限，本文采用2011—2019年沪深A股上市制造业企业为研究样本进行实证检验，参考王永钦和董雯（2020）［30］的做法，将行业层面的机器人数据分解到企业层面，与企业财务、行业特征、省级宏观数据相匹配。其中，企业财务数据来源于CSMAR数据库；企业与行业员工构成数据、省级宏观数据来自Wind数据库；用以内生性检验的美国分行业就业数据来自NBER-CES Manufacturing数据库。

参考已有研究惯例，本文对原始数据做以下处理：①剔除主要变量缺失数据；②剔除ST、ST*、PT、终止上市企业；③对连续型变量作（1%，99%）分位缩尾处理。上述处理后，样本不存在资不抵债等数据异常情况，最终得到1 303家企业的10 992条观测值。

（二）变量定义和说明

1. 供应链效率

供应链效率（[SC_effiit]）体现了链上企业间的对话频率与业务往来密切程度，其提升的关键是增强企业库存管理能力［31］。本文参考张树山等（2023）［10］的研究，采用库存周转天数测度供应链效率，库存周转天数越短，说明供应链效率越高。计算公式为：

[SC_effiit=ln 365R] （1）

其中，R表示存货周转率。

2. 工业机器人渗透度

本文参考Bartik工具变量构造思想［32］，将中国[j]行业在第[t]年的机器人保有量（[stockCNj， t]）除以2010年基期的制造业的总就业人数（[LCNj， t=2010]）得到行业层面工业机器人渗透度指标，随后，根据2011年上市企业[i]的生产部门员工数量（[pempi， j， t=2011]）占制造业所有企业生产部门总就业中值（[ind_pempt=2011]）的份额作为权重，分解行业层面工业机器人渗透度至企业层面，计算公式为：

[lnexposureit=ln pempi， j， t=2011ind_pempt=2011×stockCNj， tLCNj， t=2010] （2）

该指标衡量了中国[j]行业的[i]制造业企业在[t]年的机器人渗透度（[lnexposureijt]），体现了各制造业行业的生产组织特征，该值越大，说明工业机器人的应用程度越高。

3. 控制变量

本文还控制了一系列企业、行业及省份层面的控制变量。在企业层面，分别选取：①企业规模，使用年末总资产的对数值衡量。②企业年龄，使用企业成立至今年数的对数值衡量。③流动资产负债率，使用企业流动资产对流动负债的比值衡量。④现金持有水平，使用期末现金及现金等价物余额与总资产的比值衡量。⑤管理费用，使用管理费用占总资产的比值衡量。⑥资本密集度，使用固定资产占总资产的比值衡量。⑦股权集中度，使用第一大股东与第二大股东持股比例之差衡量。行业层面，分别选取：①行业规模，使用行业内企业个数的对数值衡量。②行业研发规模，使用行业内所有企业的平均研发投入衡量。省级层面，分别选取：①交通基础设施建设水平，采用各省份高速公路里程的对数值衡量。②经济发展水平，采用各省份人均GDP的对数衡量。

（三）模型设定

本文使用固定效应模型考察企业工业机器人应用对供应链效率的影响，具体模型设定如下：

[SC_effiit=α+β1lnexposurei， j， t+γControlsi， j， p， t+σi+τj+ωp+φt+ϵij] （3）

其中：核心被解释变量[SC_effiit]表示企业[i]在[t]年的供应链效率；核心解释变量[lnexposurei， j， t]是[j]行业的企业[i]在[t]年的工业机器人渗透度；[Controlsi， j， p， t]表示一系列影响供应链效率的控制变量；[σi]、[τj]、[ωp]、[φt]分别表示企业、行业、省份、时间固定效应，用以控制企业、行业、省份层面不随时间变化的特征以及时间维度上的同质性冲击；[ϵij]为随机干扰项。本文主要关注核心解释变量估计系数[β1]的大小和方向，为避免[β1]的[t]值被高估，模型的估计结果还在企业层面对标准误进行了聚类调整。

（四）数据描述性统计

数据表明，制造业行业工业机器人渗透度逐年提高，且在具有重复劳动、精密组装特征的行业增速最快。在供应链效率方面，图3展示了样本区间内企业个数占比前四的制造业行业平均供应链效率的变动趋势。其中，电力设备与计算机、电子产品、光学产品制品行业供应链效率提升最明显，其行业平均存货周转天数从2012年的294.57天降至2019年的127.56天。

表1汇报了变量的描述性统计。供应链效率的均值和标准差分别是4.656和0.804，表明不同企业间供应链效率存在较大差异。综合来看，本文所选用数据具有较好的统计特征，能够确保回归结果的可靠性。

四、实证结果分析：工业机器人应用在供应链中的角色

（一）基准回归结果

表2汇报了工业机器人应用对供应链效率影响的估计结果。其中，第（1）列为单变量回归结果，第（2）列至第（4）列依次引入企业、行业和地区层面控制变量。

回归结果表明，核心解释变量工业机器人渗透度的系数始终显著为负。说明工业机器人应用可以提高供应链效率，H1得到验证。

（二）内生性分析

考虑基准回归中可能存在因双向因果导致的估计偏差，为了更准确地识别工业机器人应用与供应链效率间的因果关系，本文使用工具变量两阶段最小二乘估计（IV-2SLS）对内生性问题作进一步讨论。

（1）标准工具变量法。参考Acemoglu和Restrepo（2019）［33］的做法，构造工业机器人渗透度的工具变量，具体计算公式为：

[lnexposureUS_IVi， j， t=lnpempi， j， t=2011indpempt=2011×robotUSj， tLUSj， t=1990] （4）

其中，[LUSj， t=1990]指美国1990年的制造业行业就业情况，[robotUSj， t]分别指美国工业机器人的实际保有量（[stockUSj， t]）和安装量（[stockUSj， t]），计算得到美国工业机器人渗透度和美国工业机器人使用率作为工具变量。考虑中国和美国均是领先的制造业大国，工业机器人应用有相似的发展趋势，二者具有相关性，但美国机器人的应用并不会直接影响与中国供应链发展相关的本地要素，满足排他性要求。表3第（1）列和第（2）列的估计结果表明，LM统计量拒绝工具变量识别不足假设，Wald F统计量大于临界值16.38，不存在弱工具变量问题。在考虑内生性问题后，工业机器人渗透度的系数仍显著为负。

（2）Bartik工具变量法。参考易行健和周利（2018）［34］的研究，本文使用滞后一期的工业机器人渗透度和其在时间上的一阶差分的乘积（[lnexposuret−1×Δlnexposuret，t−1]）作为Bartik工具变量进行估计。表3第（3）列的估计结果显示，工业机器人渗透度的系数方向与基准回归结果保持一致。

（3）Lewbel异方差工具变量法。借鉴王林辉等（2022）［35］的做法，本文构建异方差工具变量和标准工具变量联合检验内生性问题。表3第（4）列估计结果显示，不存在工具变量识别不足、弱工具变量和过度识别问题，工业机器人渗透度的系数显著为负。以上结果表明，在考虑内生性问题后，基准回归结果依然稳健。

（三）稳健性检验

1. 替换核心变量

（1）替换核心解释变量。第一，本文将公式（2）中由保有量加总得到的行业机器人渗透度[stockCNj， t]替换为由安装量加总得到的行业使用率[instCNj， t]，重新得到企业层面工业机器人使用率。第二，参考吴非等（2021）［36］的做法，将智能制造、自动化生产等主题词作为关键词组，使用文本分析法构建工业机器人渗透度的替代变量人工智能，替换核心解释变量引入基准回归，并将研究样本的时间期限拓宽至2022年。

（2）替换被解释变量。本文使用以下三种方法对供应链效率进行替代性度量：第一，供应链效率体现了链上库存和资金流通的整体速度，可以使用资金周转天数作替代性衡量，该指标越小，意味着资金流通速度越快；第二，企业营运周期反映企业“采购存货—产成品存货—交易变现”的业务流程所用时间，为考虑研究问题的链上特征，本文使用年报披露的前五大供应商和客户信息，将企业个体层面的营运周期拓展为链上企业营运周期，使用核心企业库存周转天数与各供应商平均应收账款周转天数、客户平均应付账款周转天数之和衡量供应链效率；第三，供应链效率会受管理者经营能力、技术生产能力和需求响应能力的综合影响［37］，本文采用主成分分析法构建供应链效率的代理指标，以多维衡量供应链效率的影响因素，该指标越大，说明供应链效率越高。

回归结果见表4所列，核心解释变量的系数均证实了基准回归结果的有效性。

2. 改变样本容量

（1）剔除替代性趋势行业。考虑交通设备制造业、塑料和化工制品制造业、计算机和电子设备制造业等存在大量重复劳动和精密化生产需求的行业，工业机器人应用的自驱力更强，本文在样本中剔除上述有较强“机器换人”趋势的行业。

（2）剔除政策性影响。2015年国务院印发《中国制造2025》，强调以智能制造为主要发展方向，鼓励加快工业机器人的应用。为探究政策发生前工业机器人应用对供应链效率的影响，本文剔除了2015年后的样本数据。

（3）剔除创业板企业。考虑创业板上市企业多为高新技术企业，库存和资金周转压力更大，对供应链关系更敏感，本文剔除创业板企业样本重新进行检验。

回归结果见表5所列，可以看出，核心解释变量的系数均显著为负，说明基准回归的结果是稳健的。

（四）机制分析

1. 工业机器人的应用如何提高供应链效率

工业机器人应用可能会增强企业对供应链的治理能力、提高自身营运效率，进而推动供应链效率提升。参考江艇（2022）［38］的研究，本文使用交互项模型对工业机器人影响供应链效率的供应链治理渠道和营运效率渠道进行机制检验。

[SCeffii， j， t=α+β1lnexposurei， j， t×Mit+β2lnexposurei， j， t+β3Mit+γControlsi， j， t+σi+τj+φt+ωp+ϵi， j， t] （5）

其中，[Mit]分别指代供应链集中度、供需协调成本、业务创新和生产效率。供应链集中度采用前五大供应商和客户销售额占总销售额比重衡量；供需协调成本采用生产波动对需求波动的偏离程度衡量；业务创新采用企业研发投入占营业收入比重衡量；生产效率采用LP法估计的全要素生产率衡量。

回归结果见表6所列。第（1）、第（2）列中的交互项系数均为负，分别通过了5%和10%的显著性水平检验，说明工业机器人应用能通过降低供应链集中度、降低供需协调成本的供应链治理渠道来提高供应链效率。工业机器人可以充分发挥智能制造的长尾效应，拓宽供应商（客户）的合作范围，帮助企业把握需求变动规律，提前优化资源调配方案，降低供应链供需协调成本，进而提高供应链效率。H2a得到验证。

同理，第（3）、第（4）列中的交互项系数均为正，通过了1%的显著性水平检验，说明工业机器人应用也可以通过加快业务模式创新、提高生产效率的营运效率渠道来提高供应链效率。工业机器人应用能推动高技能人力资本与其他生产要素相结合，增强产品市场核心竞争力，减轻库存冗余，提高供应链效率。H2b得到验证。

2. 工业机器人应用如何产生异质性影响

在前文研究基础上，为进一步讨论工业机器人应用对供应链效率提升的异质性影响，本文对供应链治理渠道和营运效率渠道进行再次检验。

（1）基于供应链治理视角的异质性检验。①从行业竞争的角度考虑，行业竞争程度会影响行业内上下游合作企业的选择范围，竞争性行业企业的供应商和客户可选择范围更广［39］。工业机器人应用能够降低其供应链集中度，提高供应链效率。表7第（1）、第（2）列结果表明，竞争性行业企业核心解释变量系数更显著。②从企业竞争优势的角度考虑，不同优势地位企业在供应链上下游合作中的议价能力和谈判地位存在差异，市场劣势企业承担的供需协调成本会更大。表7第（3）、第（4）列结果表明，工业机器人应用对民营企业供应链效率提升的效果更明显。③从资产专用性的角度考虑，高资产专用性企业在谈判中更易有被“敲竹杠”的风险，与上下游企业间的协调成本更高，本文使用无形资产占总资产比例衡量资产专用性高低。表7第（5）、第（6）列结果表明，工业机器人应用对高资产专用性企业供应链效率提升的作用更显著。

上述异质性检验表明，工业机器人可以通过供应链治理渠道提高供应链效率，这与H2a的预期一致。

（2）基于营运效率机制的异质性检验。①从区域差异的角度考虑，中西部地区企业的业务创新能力和生产效率往往弱于东部地区企业。因此，工业机器人应用的边际效应更强。表8第（1）、第（2）列结果表明，工业机器人应用对中西部地区企业供应链效率提升的作用更明显。②从行业特征的角度考虑，工业机器人应用能释放传统行业中的富余人力资本，增强企业的业务创新活力并提高其生产效率。表8第（3）、第（4）列结果表明，其对传统行业企业供应链效率提升的效果更显著。③从职工薪酬的角度考虑，工业机器人应用会逐渐替代中低技能劳动力，为避免失业风险，高职工薪酬企业员工的创新性和工作积极性会得到提升。表8第（5）、第（6）列结果表明，工业机器人应用对高职工薪酬企业供应链效率提升的作用更大。

上述异质性检验表明，工业机器人可以通过营运效率渠道来提高供应链效率，H2b再次得到验证。

（五）进一步分析：工业机器人应用的供应链溢出效应

工业机器人应用在提高核心企业供应链效率的同时，也可能对上下游企业的供应链效率产生协同影响。为此，本文参考于苏等（2023）［40］的研究，根据上市企业年报附注中披露的前五大供应商（客户）名称，构建“核心企业—供应商（客户）—年度”供应链关系数据集。将供应链核心企业工业机器人渗透度作为解释变量，合作企业供应链效率作为被解释变量，实证检验工业机器人应用的供应链溢出效应，回归结果见表9所列。

表9第（1）列的结果表明，核心企业工业机器人渗透度的系数为负，通过了10%的显著性水平检验，说明链上核心企业工业机器人应用对合作企业供应链效率提升存在正向溢出效应。表9第（2）、第（3）列的结果表明，该效应主要由上游供应商驱动，工业机器人应用便于其洞察下游客户偏好，通过高效生产使产品满足客户的自用或再加工需求，从而提高供应链上的整体效率（2），H3得到验证。

本文还检验了因合作企业的规模差异和所处市场环境差异而产生的异质性表现，回归结果见表9第（4）至第（7）列。当核心企业规模小于合作企业规模时，工业机器人应用的正向溢出效用更明显。工业机器人应用对相对小规模企业的数智化改造，能使其合作企业获得更多效率增进。同时，核心企业工业机器人应用对处于低市场化水平地区合作企业的正向溢出效应更显著。这表明，核心企业工业机器人应用能助力形成稳定的市场供需关系，进而提高供应链效率。

五、拓展研究：兼顾效率和安全的工业机器人应用

企业为应对外部冲击造成的供应链中断，往往会预留一定比例的安全库存以备生产或销售，很可能造成库存冗余。因此，有必要讨论工业机器人应用能否同样对供应链安全提升产生积极影响。本文参考张树山和谷城（2024）［41］的研究，使用对企业绩效估计的残差项（[ϵit]）衡量供应链安全。当供应链节点企业遭受外部冲击后，其绩效水平会因供应链的断链、堵链而产生偏移，随后逐步调整恢复至冲击前状态。因此，企业遭受冲击后的估计绩效水平与实际值之差即体现了供应链恢复能力。

本文将供应链安全作为被解释变量，工业机器人渗透度作为解释变量进行回归，结果见表10所列。第（1）列中工业机器人应用的系数为正，通过了1%水平的显著性检验，说明工业机器人应用能显著提高供应链恢复力，从而兼顾供应链效率和安全双重目标，H4得到验证。

本文还将供应链效率与工业机器人应用构成的交互项引入回归，发现其交互项系数显著为正，说明伴随供应链效率的增强，工业机器人应用对供应链安全的提升效果会逐步降低。该结果对企业库存管理有较强的决策启示，企业应充分平衡供应链效率与安全之间的关系，高效发挥工业机器人应用的积极作用。

六、结论及政策建议

伴随人工智能的快速发展，先进工业机器人与传统制造业之间的交融日益深化，改变了供应链节点企业间的业务模式。本文使用2011—2019年中国沪深A股制造业上市企业数据和IFR公布的工业机器人数据，实证检验制造业企业工业机器人应用对供应链效率的影响，研究结论如下：

第一，工业机器人应用显著提高了供应链效率，经过一系列内生性分析和稳健性检验后，该结论依然成立。

第二，机制分析表明，工业机器人应用通过降低供应链集中度、降低供需协调成本的供应链治理渠道和加快业务模式创新、提高生产效率的营运效率渠道来推动供应链效率提升，且这种提升作用主要集中于中西部地区、传统行业、竞争性行业、高市场优势地位、高资产专用性和高职工薪酬企业。

第三，进一步分析表明，供应链上核心企业工业机器人应用存在对合作企业供应链效率提升的正向溢出效应，且这种溢出效应由上游供应商驱动，对低市场化水平地区、相对较大规模的合作企业作用更明显。

第四，拓展研究表明，工业机器人应用可以提高供应链恢复力，实现兼顾供应链安全的效率提升，但这种作用会随着供应链效率的提高而逐步降低。

以上结论为构建高质量现代化供应链体系、赋能经济循环体系提供如下政策启示：

第一，高度重视以工业机器人为代表的新一代信息技术应用。在构建高质量现代化供应链体系的现实需求下，政府应当积极推动新型工业化建设，加快工业机器人在制造业企业中的普及应用。企业也应把握工业机器人应用带来的新机遇，主动发掘在智能制造过程中产生的大量高密度生产信息，以便把握市场供需规律，优化资源调配方案。推动生产制造的效率变革和质量变革，以更好发挥其对供应链效率的积极作用。

第二，制订差异化的工业机器人应用方案。各级政府可以有针对性地制定各类支持政策，推动中西部地区、传统行业、竞争性行业企业的工业机器人应用。企业也应结合供应链业务需求和自身治理结构特征，制订工业机器人应用方案和时间安排表，适时适当、稳步推进工业机器人应用，从而加快供应链的多元配置，加强与链上节点企业的信息往来，提高供应链效率。

第三，形成渐进式的供应链数智化改造路径。政府可以率先引导链上核心企业的工业机器人应用，充分发挥其对合作企业供应链效率提升的溢出作用，进而带动下游企业融入工业机器人应用行列，渐进式地实现供应链上库存和资金的高效周转。同时，企业可以自发组织形成行业协会，构建上下游企业的数据共享平台，借助因工业机器人应用产生的标准化生产数据信息，打通供应链联动的堵点，助力形成稳定的供需关系，推动供应链效率提升。

第四，建立科学的企业供应链管理模式。政府应加强对供应链上工业机器人应用的监管和相关标准的完善，确保工业机器人安全可靠、高效运行。同时，还要不断优化营商环境，尽量减少因外部冲击造成的供应链业务变动。企业还需根据宏观经济形势及自身经营发展目标，权衡好当下供应链效率与安全的关系，以高效发挥工业机器人的积极作用，实现兼顾供应链安全的效率提升。

注 释：

（1）本文将供应商（客户）企业统称为合作企业。

（2）供应链由供应商和客户企业构成，如果核心企业向下游客户销售产品，此时，核心企业即为下游客户的供应商。

参考文献：

［1］习近平.高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告［EB/OL］.（2022-10-25）［2024-03-21］.https：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

［2］新华社.习近平向产业链供应链韧性与稳定国际论坛致贺信［EB/OL］.（2022-09-19）［2024-03-21］.http：//www.news.cn/2022-09/19/c_1129014899.htm.

［3］TOORAJIPOUR R，SOHRABPOUR V，NAZARPOUR A，et al. Artificial Intelligence in Supply Chain Management：A Systematic Literature Review［J］. Journal of Business Research，2021（122）：502-517.

［4］周文，许凌云.再论新质生产力：认识误区、形成条件与实现路径［J］.改革，2024（3）：26-37.

［5］孔高文，刘莎莎，孔东民.机器人与就业——基于行业与地区异质性的探索性分析［J］.中国工业经济，2020（8）：80-98.

［6］綦建红，张志彤.机器人应用与出口产品范围调整：效率与质量能否兼得［J］.世界经济，2022，45（9）：3-31.

［7］冯玲，袁帆，刘小逸.工业机器人与企业创新——来自中国制造业企业的证据［J］.经济学（季刊），2023，23（4）：1264-1282.

［8］张晨霞，俞萍萍.国内市场分割与供应链效率——基于企业库存视角［J］.国际商务（对外经济贸易大学学报），2022（3）：123-139.

［9］段文奇，景光正.贸易便利化、全球价值链嵌入与供应链效率——基于出口企业库存的视角［J］.中国工业经济，2021（2）：117-135.

［10］张树山，张佩雯，谷城.企业数字化转型与供应链效率［J］.统计与决策，2023，39（18）：169-173.

［11］黄群慧.以产业链供应链现代化水平提升推动经济体系优化升级［J］.马克思主义与现实，2020（6）：38-42.

［12］李翀，刘思峰，方志耕，等.供应链网络系统的牛鞭效应时滞因素分析与库存控制策略研究［J］.中国管理科学，2013，21（2）：107-113.

［13］孙早，陈玉洁.机器人角色、生产分割与生产方式转换［J］.中国工业经济，2023（4）：5-23.

［14］刘骏，龚熠，刘涛雄.工业机器人应用如何影响企业运营效率——基于中国制造业上市公司的实证研究［J］.管理评论，2023，35（5）：243-253，291.

［15］IVANOV D. Viable Supply Chain Model：Integrating Agility，Resilience and Sustainability Perspectives—Lessons from and Thinking Beyond the COVID-19 Pandemic［J］. Annals of Operations Research，2022（319）：1411-1431.

［16］毛其淋，王凯璇.互联网发展如何优化企业资源配置——基于企业库存调整的视角［J］.中国工业经济，2023（8）：137-154.

［17］DYER J H. Specialized Supplier Networks as a Source of Competitive Advantage：Evidence from the Auto Industry［J］. Strategic Management Journal，1996，17（4）：271-291.

［18］DE GIOVANNI P. Smart Supply Chains with Vendor Managed Inventory，Coordination，and Environmental Performance［J］. European Journal of Operational Research，2021，292（2）：515-531.

［19］OMAR A，DAVIS-SRAMEK B，MYERS M B，et al. A Global Analysis of Orientation，Coordination，and Flexibility in Supply Chains［J］. Journal of Business Logistics，2012，33（2）：128-144.

［20］张秀娥，王卫，于泳波.数智化转型对企业新质生产力的影响研究［J/OL］. 科学学研究（2024-05-21）［2024-05-31］.https：//doi.org/10.16192/j.cnki.1003-2053. 20240518.003.

［21］TEECE D J. Explicating Dynamic Capabilities：The Nature and Micro Foundations of Enterprise Performance［J］. Strategic Management Journal，2007，28（13）：1319-1350.

［22］DUCLOS L K，VOKURKA R J，LUMMUS R R. A Conceptual Model of Supply Chain Flexibility［J］. Industrial Management amp; Data Systems，2003，103（5）：446-456.

［23］焦豪，杨季枫，应瑛.动态能力研究述评及开展中国情境化研究的建议［J］.管理世界，2021，37（5）：191-210，14，22-24.

［24］LEE H H，ZHOU J，HSU P H. The Role of Innovation in Inventory Turnover Performance［J］. Decision Support Systems，2015（76）：35-44.

［25］杜传忠，曹效喜，任俊慧.人工智能影响我国全要素生产率的机制与效应研究［J］.南开经济研究，2024（2）：3-24.

［26］王永钦，董雯.中国劳动力市场结构变迁——基于任务偏向型技术进步的视角［J］.中国社会科学，2023（11）：45-64，205.

［27］范合君，吴婷，何思锦.企业数字化的产业链联动效应研究［J］.中国工业经济，2023（3）：115-132.

［28］李燕.在加快构建新发展格局中提高我国产业链供应链韧性和安全水平［J］. 经济纵横，2023（11）：51-58.

［29］GRAETZ G，MICHAELS G. Robots at Work［J］. The Review of Economics and Statistics，2018，100（5）：753-768.

［30］王永钦，董雯.机器人的兴起如何影响中国劳动力市场？——来自制造业上市公司的证据［J］.经济研究，2020，55（10）：159-175.

［31］ZAHRAN S K，JABER M Y. Investigation of a Consignment Stock and a Traditional Inventory Policy in a Three-Level Supply Chain System with Multiple-Suppliers and Multiple-Buyers［J］. Applied Mathematical Modelling，2017（44）：390-408.

［32］GOLDSMITH-PINKHAM P，SORKIN I，SWIFT H. Bartik Instruments：What，When，Why，and How［J］. American Economic Review，2020，110（8）：2586-2624.

［33］ACEMOGLU D，RESTREPO P. Automation and New Tasks：How Technology Displaces and Reinstates Labor［J］. Journal of Economic Perspectives，2019，33（2）：3-30.

［34］易行健，周利.数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据［J］.金融研究，2018（11）：47-67.

［35］王林辉，姜昊，董直庆.工业智能化会重塑企业地理格局吗［J］.中国工业经济，2022（2）：137-155.

［36］吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据［J］.管理世界，2021，37（7）：130-144，10.

［37］NEGI S. Supply Chain Efficiency Framework to Improve Business Performance in a Competitive Era［J］. Management Research Review，2020，44（3）：477-508.

［38］江艇.因果推断经验研究中的中介效应与调节效应［J］.中国工业经济，2022（5）：100-120.

［39］袁淳，肖土盛，耿春晓，等.数字化转型与企业分工：专业化还是纵向一体化［J］.中国工业经济，2021（9）：137-155.

［40］于苏，于小悦，王竹泉.“链主”企业的供应链治理与链上企业全要素生产率［J］.经济管理，2023，45（4）：22-40.

［41］张树山，谷城.供应链数字化与供应链韧性［J］.财经研究，2024，50（7）：21-34.

［责任编辑：刘 凯］