本文研究了人工智能、全球供应链和能源可持续性之间的关系，采用TVP-SV-VAR过程识别三者之间的时间依赖传导机制。研究发现，人工智能指数(AII)对全球供应链压力指数(GSCPI)和全球能源不确定性指数(GEUI)有不同程度的影响，并提出了相关建议。文章有三项创新之处，包括全球层面考虑三个变量的关系、采用GSCPI和GEUI反映全球供应系统和能源可持续性的情况，以及考虑AII、GSCPI和GEUI之间可能存在的时变关系。
通过建立TVP-SV-VAR过程来识别人工智能指数（AII）、全球供应链压力指数（GSCPI）和全球能源不确定性指数（GEUI）之间的时间依赖传导机制。
研究发现AII对GSCPI有负面影响，对GEUI在短期内也有负面影响，且GEUI对GSCPI有积极影响。基于这些发现，研究提出了一系列建议，包括加强人工智能在需求预测和资源规划、仓库自动化、产品质量监控、采购流程简化、交通路线规划以及人工智能在能源市场的利用等方面的应用。
研究的创新之处在于全球层面考虑人工智能、供应链和能源可持续性之间的关系，采用GSCPI和GEUI来反映全球供应系统和能源可持续性的情况，并考虑到AII、GSCPI和GEUI之间的时变关系。
文献来源
原文题目：The nexus among artificial intelligence, supply chain and energy sustainability: A time-varying analysis
原文作者：Yufei Zhong, Xuesheng Chen, Zhixian Wang, Regina Fang-Ying Lin
作者单位：School of Economic and Management, Qingdao University of Science and Technology, China；Business School, Shandong University, China；Business School, Shenzhen Technology University, China；School of Economic and Management, Harbin Institute of Technology (Shenzhen), China
原载期刊：Energy Economics
发表时间：2024年3月
关键词：人工智能，全球供应链，能源可持续性，TVP-SV-VAR
观点摘要
在新一轮科技革命和产业转型的背景下，为应用人工智能技术维护全球供应链稳定和能源可持续性提供重要建议，本研究通过建立TVP-SV-VAR过程来识别人工智能指数（Artificial Intelligence Index，AII）、全球供应链压力指数（Global Supply Chain Pressure Indicator，GSCPI）和全球能源不确定性指数（Global Energy-related Uncertainty Index，GEUI）之间的时间依赖传导机制.。研究选择了2014年1月至2022年10月之间的全球月度数据，确定了AII、GSCPI 和GEUI的时间依赖性脉冲响应，同时采用AII、GSCPI和GEUI的一阶差分，以防止TVP-SV-VAR系统中的“伪回归”。
研究发现：（1）AII在短期、中期和长期对GSCPI产生负面影响。人工智能可以通过处理分析历史数据，并使用机器学习算法构建准确的预测模型，帮助企业实现正确的需求预测，提供最佳库存策略和物流方案，来缓解全球供应链的压力；（2）AII在短期内对GEUI产生负面影响，这种影响在中长期内接近于零；人工智能的发展可以帮助企业和组织预测能源需求来控制预算，并进行实时监测分析凸显了人工智能的发展对国际能源市场不确定性的短期缓解作用；（3）GEUI对GSCPI在短期、中期和长期都有积极影响，并且这些影响逐渐接近于零，高GEUI会增加生产和运输成本，降低效率，从而增加全球供应链的压力。
基于以上结论，建议：（1）各国和地区应加强通过人工智能分析来增强需求预测和资源规划的应用；（2）可以在仓库自动化中利用人工智能来自动化一系列任务，从而提高供应链和物流领域仓库运营的整体效率；（3）将使用人工智能来监控产品质量并实时检测缺陷，确保产品在到达客户之前符合最高标准；（4）可以通过自动化许多繁琐的任务来应用人工智能来简化采购流程；（5）利用人工智能来分析数据并识别模式，以确定最有效的交通路线，从而显著减少交通拥堵等因素造成的不便；（6）各国和地区应加强人工智能在能源市场的利用。
研究展望
该研究有三项创新之处：（1）现有研究主要关注人工智能与能源市场之间的关系以及能源市场和供应链，然而没有一项研究从全球层面考虑这三个变量，这项研究是一项开创性的工作，旨在分析全球人工智能、供应链和能源可持续性之间的联系；（2）现有的供应链调查主要基于理论分析，无法提供定量证据，本研究创新性地采用GSCPI来反映全球供应系统的情况，GEUI来反映全球能源的可持续性，并使用人工智能指数（AII）来代表人工智能市场的发展；（3）现有研究没有考虑到AII、GSCPI 和 GEUI 之间的相互关系可能是不断变化的，该研究通过展示参数估计结果和MCMC技术，说明了TVP-SV-VAR建立过程的适用性，进一步证明了AII、GSCPI 和GEUI之间错综复杂的相互关系。
整理发布
张佳琪 浙江工业大学2023级国际经济与贸易专业本科生
