|
电话：15313702523
数字化转型下新能源汽车Discover蓄电池企业供应链韧性的机制与配置路径：基于SEM与fsQCA的整合研究
亮点
这项工作在系统实践、理论和/或方法论方面对系统科学有何贡献？
-
动态能力理论被重新置于新能源汽车电池供应链中，这是一个中断风险具有结构性特征且产品与供应链共同演化的多层级系统。结果表明，三种能力维度的影响是不均衡的：协作能力的影响占比最大（34.66%），创新能力的影响最小。
-
SEM、fsQCA和NCA被结合在一起，以便在单一设计中考察净效应、充分组态和必要条件。这用集合论逻辑取代了净效应模型的加法逻辑，其中技术条件和关系条件可以部分相互替代。
主要发现是什么？主要发现的启示是什么？
-
数字化转型直接以及通过供应链动态能力与韧性相关联，后者贡献了47.09%的总效应。随着环境波动性的增加，这种关联性会进一步增强。
-
不需要单一的前因条件，虽然四种配置（一致性0.877，覆盖度0.682）可简化为三种模式，其中结合了全部三个能力维度的模式覆盖了最大份额（原始覆盖度0.593）。因此，高韧性可以通过多种路径实现，企业可以根据自身资源匹配路径，而非盲目遵循单一的最佳实践。
摘要
电池是新能源汽车（NEV）的核心部件，其供应链韧性对行业的持续发展至关重要。通过对福建、广东和江西新能源汽车电池企业员工完成的326份有效问卷进行分析，采用结构方程模型（SEM）和模糊集定性比较分析（fsQCA）方法，探讨了数字化转型、供应链动态能力的三大维度（学习与吸收、创新和协作）以及环境动态性与供应链韧性之间的关联。数字化转型与韧性之间存在显著的正向关联，这种关联既是直接的，也是通过供应链动态能力间接实现的，后者占总效应的47.09%；在三个维度中，协作维度的占比最大（34.66%）。环境动态性对这种关联起到了正向调节作用。必要性分析表明，没有任何单一的前因条件是实现高韧性的必要条件，而识别出的四种足以实现高韧性的配置被总结为三种模式，其解一致性为0。877，解覆盖率为0.682。结合所有三个能力维度的模式在实现高韧性的成员中占比最大。因此，高韧性似乎可以通过几种功能等效的配置来实现，而非单一的最优能力组合。
1. 引言
近年来，全球新能源汽车（NEV）市场经历了爆发式增长。根据国际能源署的数据，2024年全球电动汽车销量超过1700万辆，市场份额首次突破20%，其中亚洲和拉丁美洲的新兴市场对这一增长做出了显著贡献，这些地区的销量跃升超过60%，达到近60万辆 [1]. 作为新能源汽车的核心组成部分，电池供应链韧性直接关系到整个行业的稳定与可持续发展。然而，新能源汽车电池供应链面临三大主要挑战。首先，系统高度复杂，涉及多环节、多主体的协作，而加速的研发迭代对响应速度和协同创新提出了更高要求。其次，对锂、钴、镍等关键金属资源高度依赖集中供应源。欧盟委员会联合研究中心（JRC）指出，到2040年，全球对镍、石墨和锂等电池原材料的需求预计将分别比2020年增长20倍、19倍和14倍，而供应仍由高度集中在特定地区的寡头垄断行业控制[2]. 这些高度集中的供应链使电池行业易受市场波动、地缘政治紧张局势和自然灾害的影响，从而威胁到供应的稳定性。第三，动力电池技术路线正在快速演进，创新不断拓展应用边界，这对供应链的适应性提出了严峻考验。更严峻的是，国际能源署预测，到2050年实现净零排放，2040年的矿产投入将是今天的六倍[3]。因此，在日益多元化的挑战中，如何提升新能源汽车电池供应链的韧性，已成为一个紧迫的理论与实践问题。
数字化转型是指企业和组织利用移动计算、人工智能、云计算和物联网等数字技术，以应对环境变化并改变其价值创造过程的过程 [4]. 在智能时代，技术创新推动了产品与服务的融合与优化，有效提升了运营效率和用户体验。此外，源自数字创新的海量数据和知识资源，可通过系统化治理转化为战略决策的基础 [5]，这已成为企业竞争力的核心驱动力。数字化转型不仅仅是单一技术的应用，而是企业操作系统的一次系统性重构，通过多维度赋能实现价值重塑[6]. Stich等人指出，中小企业仅靠利基市场策略难以维持竞争优势；相反，它们必须系统地分析战略环境，并选择与其成熟度相匹配的数字化路径[7]。杜等人证明，数字化转型通过促进数字技术创新以及优化人力资本和运营效率，显著推动了生产力的提升[8].
供应链动态能力是指供应链应对外部环境变化并采取适应性措施的整体能力。Beske首次将动态能力理论引入供应链管理，将其视为系统应对外部环境变化的核心要素[9]。后续研究从多个维度对这一概念进行了定义。例如，Ju等人强调，供应链通过资源整合和流程重组，主动适应环境并保持竞争优势[10]. Hong等人专注于环境适应性调整下的高效资源整合[11]，而Huang等人从动态资源视角表明，工业4.0技术构建了供应链能力，并由此提升了韧性[12]。Oh等人将其定义为涵盖信息协作、协调机制、资源整合和敏捷响应的能力体系[13]。Nikookar等人提出了能力蓝图，其中韧性和灾后增长依赖于能力组合，而非单一能力[14].
随着企业竞争的焦点转向供应链，其动态能力的关键驱动因素已成为学术界和工业界关注的焦点。例如，Jensen等人指出，合作伙伴（包括竞争对手）之间的知识共享是实现互动向学习转变并最终转化为韧性的关键[15]。Nyaga等人报告称，买方和供应商对协作关系的评估存在差异，且协作与更好的绩效相关[16]. Defee等人提出，跨企业协作学习过程可以突破供应链动态能力的发展瓶颈[17]. Rodríguez-González等人发现，吸收能力与数字化组织文化共同先于供应链韧性，而非随之而来[18].
供应链韧性是指供应链在遭受中断后恢复到原始状态或更理想状态的能力，这一概念最早由Rice和Caniato提出 [19]。关于新能源汽车电池供应链韧性的研究仍处于起步阶段，尽管现有关于新能源汽车供应链韧性的文献提供了宝贵的参考。当前的研究重点在于协作机制、信息共享和风险管理。Ali等人从锂离子电池可靠性、充电基础设施和电力需求等维度探讨了风险管理，强调了构建稳健且灵活的电动汽车供应链的重要性 [20]。Mu等人绘制了电动汽车锂离子电池供应链的结构，并展示了单个节点上的中断如何像涟漪效应一样在网络中传播[21]。Wu等人利用模糊综合评价法表明，市场和技术风险是电动汽车供应链的主要风险来源[22]。Kumar等人利用德尔菲法在印度背景下确定，电池资源回收率低、无害化处理的技术瓶颈以及充电设施布局不合理，是电池供应链面临的主要挑战[23]。谢等人引入企业生态位作为中介变量，揭示了组织韧性对新能源汽车企业的重要性[24因此，新能源汽车供应链呈现出一个复杂的系统，其特点是多维度的协作，涵盖了多个关键环节和参与者，需要紧密协调以确保顺畅运行。
同时，识别影响供应链韧性因素的研究方法多种多样。定性研究主要采用文献分析、深度访谈和案例研究，而定量研究则利用结构方程模型（SEM）、线性回归和数学建模等方法。Chowdhury和Quaddus将供应链韧性概念化为一种动态能力，并为其开发了测量工具[25Ma等人采用结构方程模型（SEM）和模糊集定性比较分析（fsQCA）研究了影响供应链韧性的因素[26].
总之，数字化转型已成为制造业发展的核心驱动力，而供应链动态能力理论将资源基础观与动态能力框架相结合，解释了企业如何通过资源整合和流程重构在动荡环境中保持竞争优势。然而，仍存在三个研究空白。首先是情境空白。以往关于供应链动态能力和供应链韧性的研究主要集中在通用制造业、零售业或人道主义救援领域，且很大程度上将韧性驱动因素视为脱离特定情境的。新能源汽车电池供应链在三个方面与这些情境不同。锂、钴、镍和石墨掌握在跨越少数司法管辖区的寡头手中，因此中断风险是地缘政治和结构性的，而非运营性的。此外，产品与供应链的协同演化意味着细胞化学的变化会同时改变产品设计、制造工艺和上游采购，使得创新与重构密不可分。由于这些特征共同决定了哪些能力至关重要以及它们如何结合，在通用环境下获得的研究结果若不经过重新界定，就无法直接应用于新能源汽车电池企业。其次，存在机制上的空白。现有研究大多将数字化转型与供应链韧性视为直接的二元关系，很少有研究揭示数字化转型如何通过供应链资源的重构转化为韧性，更不用说这种转化是如何受环境动态影响的。第三，存在方法论上的空白。由于韧性的驱动因素很可能是互补且部分可替代的，而非简单的叠加，因此净效应模型虽然能识别平均趋势，却无法揭示技术、能力与环境的不同组合在功能上是否等效。
基于此，本研究利用福建、广东和江西新能源汽车电池企业员工填写的326份有效问卷，每位受访者作为其所在企业供应链的关键知情人，并综合运用结构方程模型（SEM）、fsQCA和必要条件分析（NCA）。本研究的贡献如下：（1）本研究将动态能力理论置于新能源汽车电池供应链背景下，该背景下中断风险源于地缘政治而非运营，且产品与供应链共同演化，并识别出供应链动态能力中哪些维度在此具有决定性作用，从而将该理论扩展到其最初发展时的通用场景之外。(2) 本研究不仅关注直接影响，还具体阐明了数字化转型如何通过供应链资源的重构转化为韧性，并将环境动态作为边界条件。(3) 通过结合必要条件分析与组态分析，本研究超越了净效应模型的加法逻辑，表明通过几种功能等效的组态可以实现高韧性，其中技术路径与关系路径可部分相互替代。
2. 理论分析与研究假设
2.1. 数字化转型与供应链韧性
在数字化时代，供应链稳定性已成为企业核心竞争力的关键组成部分。面对技术不确定性、政策波动和资源短缺等挑战，数字化转型被视为提升供应链韧性的关键路径。数字化转型通过提高创新质量、增强吸收与转化能力，有助于克服构建供应链韧性过程中的创新困境。数字化转型与供应链韧性之间的相关性在新能源汽车电池领域受到了广泛关注。例如，Nasiri等人指出，企业数字化转型需要与数字技术深度融合，以在供应链中获得竞争优势[27]. Khurana等人基于动态能力视角发现，中小企业在危机期间通过感知、把握机会和转型来发展韧性能力[28]。Lin等人将数字市场导向和数字流程创新纳入数字驱动的业务能力框架，证实其与供应链治理的适应机制能够提升供应链韧性[29]。Lin等人发现，数字技术正向调节内部供应链集成与组织韧性之间的关系，但对外部集成的调节作用并不显著[30]。Singh等人引入数字孪生技术，验证其对制造业供应链可持续性的影响，以及在供应链韧性与绩效之间的中介作用[31]。Zhao等人通过多中介模型得出了相同的结论，表明供应链数字化与韧性之间存在直接关联，并可通过多种中介路径实现[32]。综上所述，现有研究从数字技术嵌入、动态能力构建和技术调节效应等维度揭示了数字化转型在提升供应链韧性方面的作用。因此，提出以下假设：
2.2. 数字化转型与供应链动态能力
新能源汽车电池行业正在加速供应链管理与数字技术的深度融合。供应链动态能力是保持竞争优势的关键，可从学习与吸收、创新和协作三个维度进行考察。Rana等人认为，数字化转型支持先进的工业实践，而人工智能和机器学习则帮助企业提高利润率、降低成本并实现智能化运营[33]。Iansiti和Lakhani指出，在制造供应链中应用人工智能重塑了客户经验值，并促使企业探索提升服务能力和供应链创新优势的新途径[34]。Kwak等人发现，数字技术增强了数据收集和快速分析能力，从而提升了供应链创新能力[35]。此外，数字技术消除了企业间的共享障碍并降低了运营成本。它还通过数字平台强化了基于成本和利益共享的协作关系[36]. 总之，现有研究证实，嵌入数字技术使企业能够克服传统供应链的僵化约束。然而，目前缺乏关于数字化转型如何差异化影响动态能力各细分维度路径的系统验证。因此，提出以下假设：
2.3. 供应链动态能力与供应链韧性
供应链动态能力是衡量企业应对市场波动灵活性以及高效整合内外资源的关键指标。供应链韧性反映了企业在外部冲击下快速恢复并保持持续运营的能力。Van den Bosch等人认为，供应链的学习与吸收能力有助于整合现有与新知识，从而增强组织对市场环境的适应性[37]。Tse等人指出，这些能力使企业能够利用新知识来提高响应速度[38]。因此，供应链学习和吸收能力有助于提升供应链韧性。Wong和Ngai表明，供应链创新与供应链韧性呈正相关，且这种关系会随环境不确定性而变化[39]. Nikookar等人指出，协作与响应能力是供应链韧性的必要前提，缺乏这两者则无法实现韧性[40]. 总之，现有研究验证了学习与吸收能力、创新能力和协作能力在提升供应链韧性中的作用。因此，提出以下假设：
2.4. 供应链动态能力的调节作用
本研究的逻辑可以概括为一条链条：数字化转型 → 供应链资源重构 → 供应链动态能力 → 供应链韧性。数字化转型并非直接增加能力。通过整合业务流程并汇集这些流程产生的数据，它使跨公司边界的物料可用性、供应商状态和流程参数变得可见。这种资源组合与监控方式的重构，正是更新了三种能力维度的关键，而更新后的能力最终体现为韧性。
数字化转型与供应链动态能力的协同集成正在重塑新能源汽车电池行业的运营逻辑，以应对复杂挑战。企业可以利用“数字技术-动态能力-韧性输出”机制，平衡效率提升与风险缓冲。然而，数字化转型对动态能力和韧性的具体影响机制仍处于探索阶段。现有研究表明，供应链动态能力对于增强韧性至关重要，这使得数字化转型、动态能力与韧性之间的相互作用成为一个关键的研究领域。
供应链的学习与吸收能力决定了上游信号与内部响应之间的时间间隔。数字化转型伴随着业务流程的整合以及这些流程所生成数据的汇聚，从而使关于物料可用性、供应商绩效和流程参数的碎片化信息转化为可读取和可执行的知识。在这一链条中，该时间间隔的重要性比在通用链条中更为突出。由于关键金属由少数几个司法管辖区垄断，企业无法通过内部调整来消除供应中断风险。企业所能做的，是在仍有时间重新规划时，留意供应状况的变化、替代电池化学体系的认证状态以及工艺诀窍的演进。因此，学习与吸收能力预计将通过缩短这一时间间隔，起到调节数字化转型与韧性之间联系的作用。
供应链创新能力将新的技术知识转化为改进的产品、流程和管理常规。人工智能和机器学习的应用缩短了实验周期，并扩大了可进行成本核算和测试的选项范围，因此面临材料约束的企业有了更多可供考虑的替代方案。然而，预计这条路径在该行业中是三者中最薄弱的。电池化学成分的改变必须通过漫长的验证才能投入生产，并且往往需要专门的装备和工具，因此其韧性回报来得较晚，且存在沉没投资的风险。创新确实能缓解这里的供应压力，但其时间跨度超出了大多数中断所能容忍的范围。
供应链协作能力涵盖了与合作伙伴的信息共享、联合产品规划与需求预测，以及成本与收益的共享。数字技术降低了跨公司边界交换信息的成本，正是这些技术使得这些实践能够以该行业所需的频率得以实施。由于这里的核心风险源自上游且超出任何单一公司的控制范围，缓冲机制无法仅依赖于单一组织内部的调整。它依赖于跨越边界的安排，例如共享背包可见性、联合预测以及共同承担成本与收益。因此，预计协作将在三个维度中传递最大份额的间接效应。
因此，提出以下假设：
2.5. 环境动态的调节作用
环境动态是企业运营场景的关键特征，反映了市场需求波动、供应链中断和技术迭代等不确定性对供应链稳定性和可靠性带来的挑战。作为受外部环境影响的变量，供应链韧性与企业的环境适应能力呈正相关。以锂价波动、地缘政治引发的供应中断和快速技术迭代为代表的高环境动态，既是挑战，也是新能源汽车电池企业提升韧性的催化剂。此外，环境动态要求供应链具备快速响应和灵活调整的能力[41]。Marcos等人提出了一种经验方法，用于识别电动汽车锂离子电池闭环供应链中的不确定性，进一步证实了环境不确定性在该行业中的显著影响[42]。这使得更高的环境动态性成为一种强化而非削弱数字化转型与供应链韧性之间关联的条件。数字化技术贡献的大部分是信息：背包和生产的状态、供应商实际能交付的内容，以及需求的发展方向。在环境稳定的情况下，规划已经基于一组相对固定的参数进行，这种额外的可见性改变甚微。上述确定的三种波动来源作用方向相反，因为每种来源都会缩短任何给定计划的有效期。一旦计划快速失效，关键在于企业能多快登记变更并相应调整采购、生产和交付，而这正是数字技术所支持的。在持续的环境不确定性背景下，企业必须将数字化转型与供应链的动态能力架构紧密结合，从而将波动转化为竞争优势。因此，提出以下假设：
2.6 高供应链韧性的配置效应
供应链韧性的理论构建长期以来受到传统单维框架固有线性思维的限制，难以解释具有多因多果特征的复杂现象。新能源汽车电池企业的供应链韧性源于技术系统、组织结构与外部环境之间的多维动态关联和组合效应。由Ragin提出的定性比较分析（QCA）方法[43]，专注于集合论和配置逻辑。它超越了单一变量独立作用的假设，强调多种条件对结果的“等效性”和“结合性因果关系”，从而为解构复杂因果关系提供了方法论基础[44]。供应链韧性的生成并非依赖于单一能力的线性叠加，而是由多种因素结合驱动的动态适应过程。例如，Ma等人结合SEM和fsQCA方法表明，韧性源于特定条件的组合，而非任何单一条件[26]。Yin和Ran的研究表明，不同企业通过供应链多元化和数字化转型等不同条件的组合来实现高韧性[45]。新能源汽车电池供应链的独特性进一步强调了进行组态分析的必要性。一方面，企业必须应对技术创新的快速演进（如固态电池技术的迭代）以及地缘政治格局带来的不确定性干扰；单一维度的应对路径不足以应对这些复合风险情景。另一方面，在产业发展的不同阶段（如产能扩张和市场成熟期），关键要素的组合会发生结构性变化。组态分析为捕捉这些动态变化提供了一种更精确的方法。因此，提出以下假设：
3. 研究设计
3.1. 研究方法
本研究采用结构方程模型（SEM）、模糊集定性比较分析（fsQCA）和必要条件分析（NCA），以实现对研究问题的多维度分析和相互验证。首先，使用SEM测试变量间的线性关系及潜在机制。该方法通过整合测量模型和结构模型，同时估计观测变量与潜变量之间的对应关系，以及潜变量之间的因果结构。该研究首先通过验证性因子分析评估了量表的信度和效度，以评价共同方法偏差和模型拟合度。随后，估算了数字化转型的直接效应，检验了供应链动态能力的调节作用，并分析了环境动态性的调节效应。其次，采用fsQCA方法探索了多因素的组态效应。传统的回归分析依赖于变量独立性和对称因果关系的假设，这限制了其揭示涉及并发条件的复杂因果机制的能力。基于集合理论和组态逻辑，fsQCA通过校准、真值表分析和布尔最小化，识别出导致高供应链韧性的多条等效路径。这种方法适用于分辨率水平差异和类别差异并存的复杂现象。最后，引入必要条件分析（NCA）来识别必要条件并确定其阈值水平。虽然fsQCA在识别充分配置方面有效，但在确定必要条件方面存在局限性。通过分析效应量和瓶颈水平，NCA量化了实现特定结果所需的先行条件最小阈值，从而弥补了fsQCA在必要性检验方面的不足。这三种方法相辅相成：结构方程模型（SEM）揭示了变量间的净效应和传递机制，而fsQCA和NCA则从配置和必要性的角度阐明了因果复杂性，共同增强了研究结论的稳健性和全面性。
3.2. 问卷设计
为确保调查结果的可靠性和有效性，本研究采用了已发表的国际公认量表来测量各变量。问卷题目采用李克特五点量表，评分范围从1（非常不同意）到5（非常同意）。受访者根据自身实际工作经验，客观评估各题目描述的适用程度，并选择相应分值。表1展示了各变量的具体测量指标及来源。
表1.变量的测量指标。
表1列出了测量六个构面的30个物品。供应链动态能力（GYLDT）包含14个物品，分为三个维度：学习与吸收（5个物品）、创新（4个物品）和协作（5个物品）。数字化转型（6个物品）、供应链韧性（5个物品）和环境动态（5个物品）是一阶构面。当供应链动态能力作为单一变量进入时，该构面被操作化为一个综合指标。其得分是三个维度得分的未加权平均值。这三个维度被估计为相关的一阶因子，而非高阶因子的指标。
3.3. 数据说明与校准
3.3.1. 数据描述
调查的数据收集通常采用电话访谈、邮寄调查、社交媒体推广、电子邮件邀请、现场收集和在线电子问卷等方法。正式的调查时间为2024年6月至10月，主要采用两种数据收集方法：纸质问卷的面对面访谈和在线问卷的发放。最初，联系了福建、广东和江西省新能源汽车电池企业的员工，请他们填写或转发问卷。随后，通过员工的专业网络与企业管理人员取得联系，并向其发放了在线问卷。最后，在实地实习期间，直接向新能源电池企业的员工发放问卷。通过这些多种分发渠道，共发放问卷350份，回收348份，回收率为99.43%。回收率较高是因为大部分问卷是在实地走访期间现场发放和回收的，且研究团队事先与参与企业取得了联系。经过筛选，保留有效问卷326份，有效率为93.68%。被排除的22份问卷因内容不完整或未通过筛选标准。
3.3.2. 样本描述性统计
表2汇总了有效样本及其特征。
表2。参与者人口统计数据（n = 326).
如表2所示，女性在样本中略占多数（51.23%），而男性占48.77%。在年龄分布方面，26–30岁年龄组占比最大（43.56%）。在学历方面，本科生占主导地位（50.31%）。在部门和职位方面，仓储物流部门占受访者的25.77%，而普通员工占67.48%。最后，拥有3–5年工作经验的员工占46.32%，而经验不足3年的员工占41.10%。
3.3.3. 数据校准
在进行组态分析之前，需要对样本数据进行变量校准。首先，使用SPSS 27.0计算每个变量对应物品的均值，作为反映值。参考Fiss [62]并结合样本数据的分布特征，为五个前因变量和结果变量设定三个校准锚点，分别为完全隶属（第95百分位数）、交叉点（均值）和完全不隶属（第5百分位数）。表3详细说明了这些校准锚点。为了防止在分类过程中排除隶属度为0.500的案例，在后续分析之前，将校准隶属度恰好为0.500的数据统一增加0.001，这与Fiss的方法一致[62].
表3。变量校准锚点。
4. 实证分析
4.1. 信度和效度分析
信度分析对于评估问卷或量表的稳定性和一致性至关重要，直接影响研究结果的可靠性和准确性。在本研究中，采用SPSS 27.0软件使用Cronbach's α系数来评估信度。如表4所示，所有变量的Cronbach's α系数均超过0.8，表明量表具有良好的信度。
表4。量表的信度和效度分析。
效度分析对于确保研究结果的有效性和准确性至关重要。本研究通过使用AMOS 25.0的验证性因子分析（CFA）评估了结构效度，包括聚合效度和区分效度。在进行CFA之前，使用SPSS 27.0进行了KMO和Bartlett球形检验。KMO值为0.904（>0.8），表明样本数据适合进行因子分析。CFA结果显示模型整体拟合良好且具有结构效度，其中χ2/df = 1.213 (<3)，RMSEA = 0.026 (<0.05)，GFI = 0.914，TLI = 0.979，CFI = 0.982，IFI = 0.982（均 >0.9）。所有物品的因子载荷在0.50至0.95之间，表明模型拟合良好。潜变量的平均方差提取值（AVE）在0.520至0.601之间（均 >0.5），组合信度超过0.70，证明了良好的聚合效度。此外，每个潜变量AVE的平方根（0.721–0.775）均超过了其与其他变量的相关系数，表明具有良好的区分效度。
然而，测量质量并非此类数据唯一需要关注的问题。所有构念均采用同一时间点从相同受访者处收集的自评李克特量表进行测量，因此它们之间的关联可能部分反映了共同来源，而非量表旨在捕捉的构念。因此，我们对共同方法偏差进行了检验。对所有测量项目运行了哈曼单因子检验。在未旋转的解中，第一因子解释了28.794%的方差，低于常规的50%阈值，且没有单一因子主导协方差结构。因此，共同方法方差不太可能解释这些结果。
4.2. 机制分析
假设在两个层面进行检验。H1、H2a至H2c以及H3a至H3c通过第4.2.1节中的结构模型进行检验第4.2.1节和表5。中介假设H4a至H4c通过表6中的路径1至3进行检验，其中每个维度作为独立的调节变量进入模型，并通过路径4测试H4，此时三个维度作为一个整体调节变量进入模型。H2和H3在构念层面重申了维度主张，并通过H2a至H2c以及H3a至H3c进行测试。, in which each dimension enters as a separate mediator, and H4 is tested with Path 4, where the three dimensions enter as a single mediator. H2 and H3 restate the dimensional claims at the level of the construct and are tested through H2a to H2c and H3a to H3c.
表5。假设检验结果。
表6。供应链动态能力的中介效应检验。
4.2.1. 结构模型中的直接效应
基于结构方程模型理论，本研究采用AMOS 25.0构建了供应链韧性影响因素模型，包含5个潜变量和25个观测变量。模型拟合结果展示在图1中。其中，e1–e6、e7–e11、e12–e16、e17–e21和e22–e25代表观测变量的残差项，而e26–e29则表示内生潜变量的残差项。环境动态性未纳入此模型，因为它作为调节变量在4.2.3节中进行了检验。供应链韧性影响因素的路径系数详见表5.
图1。供应链韧性影响因素模型的路径系数。
表5表明数字化转型（β = 0.244, < 0.001）、供应链学习与吸收能力（β< 0.001）、供应链创新能力（ = 0.263, β< 0.01)，且供应链协作能力（β = 0.182, < 0.001）与供应链韧性显著正相关。因此，假设H1、H3a、H3b和H3c得到支持。此外，数字化转型与供应链学习和吸收能力显著正相关（β< 0.001）、供应链创新能力（ = 0.291, β（< 0.001），以及供应链协作能力（β = 0.388, < 0.001）。因此，H2a、H2b和H2c也得到了支持。由于H2和H3在构念层面重新阐述了这些维度预期，它们同样得到了支持。 < 0.001), supply chain innovation capabilities (β = 0.432, p < 0.001), and supply chain collaboration capabilities (β = 0.489, p < 0.001). Consequently, H2a, H2b, and H2c are also supported. Because H2 and H3 restate these dimensional expectations at the level of the construct, they are supported as well.
4.2.2. 供应链动态能力的调节效应
使用SPSS PROCESS v4.0，基于5000次重采样的偏差校正百分位数自助法置信区间估计了间接效应，结果报告在表6四个置信区间均不包含零，表明数字化转型通过每种能力维度直接和间接影响供应链韧性，且四条中介路径均为部分中介而非完全中介。具体而言，路径1（数字化转型 → 供应链学习与吸收 → 供应链韧性）的间接效应为0.115，直接效应为0.384，中介效应占总效应的23.05%。路径2（数字化转型 → 供应链创新 → 供应链韧性）的间接效应为0。111的直接效应为0.388，中介效应占总效应的22.24%。对于路径3（数字化转型→供应链协同→供应链韧性），间接效应为0.173，直接效应为0.326，中介效应占总效应的34.66%。对于路径4（数字化转型→供应链动态能力→供应链韧性），间接效应为0.235，直接效应为0.264，中介效应占总效应的47.09%。值得注意的是，供应链动态能力表现出最大的中介效应（47.09%），这表明数字化转型对供应链韧性的总效应中，近一半是通过这一路径传递的。
4.2.3 环境动态的调节作用
为了检验环境动态的调节作用，本研究采用了Dawson提出的程序[63]。首先对自变量和调节变量进行均值中心化处理，构建交互项，并检验这些交互项的回归系数和统计显著性。据此，开发了两个模型来评估环境动态在数字化转型与供应链韧性关系中的调节作用。模型M1作为基准模型，纳入数字化转型和环境动态，以评估它们对供应链韧性的直接影响。模型M2通过引入数字化转型与环境动态之间的交互项扩展了基准测试，从而检验环境动态对数字化转型与供应链韧性之间关联的调节作用。结果展示在表7和图2。模型M1的回归结果表明，数字化转型和环境动态性均与供应链韧性呈正相关（β = 0.455, β < 0.001; < 0.05)。此外，模型M2的结果显示，数字化转型与环境动态之间的交互项与供应链韧性显著正相关（ = 0.105, β < 0.05). Furthermore, the results for Model M2 show that the interaction term between digital transformation and environmental dynamics is significantly positively associated with supply chain resilience (β = 0.162, p < 0.01).
图2。环境动态对数字化转型与供应链韧性关系调节作用的简单斜率图。
表7。环境动态调节作用检验。
这一发现表明，环境动态正向调节数字化转型与供应链韧性之间的关系。因此，假设H5得到支持。
5. 配置增强路径
5.1. 配置路径对高供应链韧性的必要性
5.1.1. 基于NCA的必要性分析
在进行充分性分析之前，首先进行了必要条件分析（NCA）。fsQCA将必要性视为集合关系，探讨呈现结果的案例是否为呈现条件的案例的子集，而NCA则探讨给定结果水平需要多少程度的条件，并以两种形式回答该问题：效应值和瓶颈水平。效应值介于0和1之间，即使在统计上显著，低于0.10的值也被视为低，只有当效应值达到0.10并可通过显著性检验时，该条件才被视为必要条件[] 天花板回归（CR）和天花板包络（CE）均被用于绘制天花板线，因为两者对其形状的假设不同，并通过使用10,000次重采样的蒙特卡洛置换检验来评估其显著性。效应量和瓶颈水平的报告遵循当前NCA的实践指南[64]. Ceiling regression (CR) and ceiling envelopment (CE) were both used to draw the ceiling line, because the two make different assumptions about its shape, and significance was assessed with a Monte Carlo permutation test using 10,000 resamples. The reporting of effect sizes and bottleneck levels follows the current practice guidelines for NCA [65].
表8中报告了结果。在置换检验中，所有五个条件均显著，但每个效应值均低于0.10的基准：数字化转型0.097、创新0.088、环境动态0.045、学习与吸收0.036以及协作0.026，均来自CR。因此，这五个条件均不符合高供应链韧性的必要条件。数字化转型最接近阈值，而协作在三个能力维度中系数最大，在表5（β = 0.291），具有最小的效应量。某种条件可能在净效应意义上与结果强相关，但并非结果不可或缺的因素。
表8。与NCA相关的变量必要性分析结果。
表9报告了瓶颈水平，即达到给定韧性水平所需的每项条件的最低百分比，NN表示不适用最低要求。在韧性达到70%之前没有出现瓶颈，此时数字化转型要求为11.6%。创新在80%时开始成为约束，环境动态在90%时成为约束。学习与吸收的表现则不同：在100%以下的任何水平都不提出要求，但在100%时上升至82.0%，远高于创新（66.7%）、数字化转型（49.3%）、环境动态（35.2%）和协作（33.0%）。其效应量是最小的之一表8然而，正是这一条件在范围顶端施加了最强的约束。随着韧性要求接近其极限，学习与吸收不再是众多输入因素之一，而是成为了决定性的瓶颈。
表9。前因条件的瓶颈水平。
5.1.2. 使用QCA的必要性分析
本研究采用fsQCA软件（3.0版本）进行必要性分析，结果呈现于表10。根据既定标准，如果前因条件的连贯性指数达到或超过0.9的阈值，并表现出足够的覆盖度，则该条件被视为结果的必要条件[43]。如表10所示，没有任何一个条件变量构成必要条件，这表明高供应链韧性不能归因于任何单一因素，说明新能源汽车电池企业较高的供应链韧性反映了多个因素的共同作用。
表10。fsQCA相关变量必要性分析结果。
5.2. 高供应链韧性配置路径的充分性
5.2.1. 构建高供应链韧性的配置路径
遵循配置分析的建议[66]，本研究将配置充分性的原始一致性阈值设定为0.8，PRI一致性阈值设定为0.8，最小案例频率设定为1。表11展示了配置路径。通过fsQCA获得了复杂解、简化解和中间解。如表11所示，四条配置路径足以实现高供应链韧性。每条配置的一致性均超过0.85。解决方案覆盖率为0.682，这意味着这四条配置共同构成了高供应链韧性成员的68.2%。
表11。配置充分性分析。
识别出四种足以实现高供应链韧性的配置路径，并随后将其整合为以下三种模式：
模式1（供应链动态能力的配对整合）：配置1的前因条件包括“供应链学习与吸收能力、供应链创新能力和供应链协作能力”。这表明新能源汽车（NEV）电池企业可以通过具备强大的供应链动态能力来实现更高的供应链韧性。该配置的核心条件是供应链学习与吸收能力、供应链创新能力和供应链协作能力。该配置的一致性为0.896，原始覆盖度为0.593，其中0.186可唯一归因于该配置。它在属于高供应链韧性的成员中占比最大。新能源汽车电池行业中众多现实案例证明了动态供应链能力的提升。例如，天能电池集团通过技术创新和绿色供应链管理，强化了学习与吸收能力，优先采购环保原材料，并加强了供应商培训与管理。特斯拉作为供应链创新的典范，在推动电池技术进步的同时，积极参与挖矿采购和数字化供应链升级，以提升透明度和效率。山东日照鸿日新能源汽车公司已成功构建新能源汽车产业生态系统，吸引上下游企业形成紧密协调的供应链体系，从而降低风险并提升响应速度。这些案例共同表明，具备强大动态能力（涵盖学习、吸收、创新与协作）的新能源汽车电池企业能够实现更高的供应链韧性，从而在激烈的市场竞争中脱颖而出，满足市场需求并推动行业进步。
模式2（数字供应链动态响应型）：配置2的前因条件是“数字化转型、供应链学习与吸收能力、供应链创新能力以及环境动态性”。这表明，在动态环境下进行数字化转型的NEV电池企业，只要具备强大的学习、吸收和创新能力，即使缺乏某些供应链协同能力，也能实现高水平的供应链韧性。核心条件是数字化转型、供应链学习与吸收能力、供应链创新能力以及环境动态性。该配置的一致性为0.939，原始覆盖度为0.422，净覆盖度为0.015。典型案例是宁德时代（CATL），该公司利用智能工厂推动数字化转型。通过实施生产数据可视化管理、制造流程透明化控制以及无人化生产场景，宁德时代实现了从传统制造向智能制造的跨越。公司还构建了集成制造执行系统（MES）和以客户为中心的集成交付系统。此外，宁德时代采用了人工智能、物联网（IoT）、机器学习和云计算等先进技术，显著提升了劳动生产率和能源效率。通过不断学习和吸收新技术、新理念，宁德时代提升了供应链的透明度和智能化水平。此外，公司致力于新材料、高效制造和可再生能源领域的创新，推出多样化、高质量的电池产品以满足客户的各种需求。宁德时代还建立了电池回收利用的闭环绿色供应链体系。面对持续的外部环境变化，宁德时代迅速调整其供应链策略，以应对市场波动、技术创新和政策变化等挑战，从而确保供应链的稳定和可持续发展。
模式3（数字化供应链协同响应型）：该模式包含配置3和配置4。配置3的前因条件为“数字化转型、供应链学习与吸收能力、供应链协同能力以及环境动态性”。这表明在动态环境下，经历数字化转型的NEV电池企业即使缺乏创新能力，也能通过强大的学习、吸收和协同能力实现高水平的供应链韧性。核心条件是数字化转型、供应链协同能力和环境动态，供应链学习与吸收能力作为辅助条件。该配置的一致性为0.928，原始覆盖度为0.461，唯一覆盖度为0.054。配置4的前因条件是“数字化转型、供应链创新能力、供应链协同能力和环境动态”。这表明在动态环境下，正在进行数字化转型的NEV电池企业，即使缺乏学习和吸收能力，也能通过强大的创新和协作能力实现高水平的供应链韧性。其核心条件是数字化转型、供应链协作能力和环境动态性，供应链创新能力作为辅助条件。该配置的一致性为0.938，原始覆盖度为0.427，唯一覆盖度为0.020。这种模式的一个典型例子是深圳德安诺尼克公司。作为新能源汽车电池行业的领军企业，德安诺尼克积极推进数字化转型，部署供应商管理系统以提升效率。凭借强大的学习和吸收能力，该公司不断优化供应链管理。通过引入集成解决方案，德安诺尼克实现了与供应商的高效协作，并增强了供应链的透明度。面对新能源汽车市场的快速变化，该公司灵活调整策略，快速响应市场需求，确保供应链的稳定与高效。
5.2.2. 鲁棒性测试
进行了两项稳健性检验。首先，将最小案例频率从1提高到2。其次，将PRI一致性阈值从0.80提高到0.85。在这两项检验中，解决方案均保留了相同的四种配置，其一致性和覆盖率与报告值接近表11所示。这些结果表明稳健性检验是可靠的。高供应链韧性的调整后中间解决方案见表12.
表12。高供应链韧性的调整后中间解决方案。
6. 结论与启示
6.1. 结论
在数字化转型的背景下，本研究探讨了影响新能源汽车（NEV）电池企业供应链韧性的因素。通过结合结构方程模型（SEM）和模糊集定性比较分析（fsQCA）的大规模实证分析，得出了以下几项主要结论：
- (1)
-
数字化转型与新能源汽车电池企业的供应链韧性显著正相关；数字化转型程度越高，韧性越强。供应链动态能力在数字化转型与韧性之间起中介作用。具体而言，数字化转型与更高的供应链协作、创新以及学习吸收能力相关，进而与更高的韧性相关。更强的协作能力与更多的信息共享和合作，以及更快速、更灵活的响应相关联。更强的创新能力与新技术和新方法的采用相关联，从而创造竞争优势。此外，更强的学习和吸收能力与更快速适应市场变化和技术进步相关联，从而维持竞争力。另外，环境动态也与供应链韧性显著相关。
- (2)
-
数字化转型、供应链学习和吸收能力、创新能力、协作能力以及环境动态，并不是实现高供应链韧性的必要条件。配置路径分析揭示了三种足以实现高韧性的不同模式：供应链动态能力的三要素整合（学习与吸收、创新和协作）；数字供应链动态响应型（数字化转型、学习与吸收、创新和环境动态）；以及数字供应链协作响应型（数字化转型、协作和环境动态）。
- (3)
-
供应链动态能力的三元整合模型在高度供应链韧性中占据最大的成员份额（原始覆盖率0.593）。其核心机制涉及动态能力之间的相互作用。新能源汽车电池企业必须具备强大的学习和吸收能力，以便将新技术、新材料和新工艺快速整合到制造中。为了应对市场波动和技术创新，企业必须不断推动产品、工艺和管理的多维度创新。创新能力不仅与开发更安全、更高效、更环保的电池解决方案相关，这些方案需满足消费者对电池寿命、充电效率和安全性的期望，还与保持竞争优势息息相关。同时，供应链协作能力与降低风险、更快响应和更及时交付相关，从而能够准确满足市场需求。
- (4)
-
数字供应链动态响应配置在高度供应链韧性中占据第二大成员份额。其核心因素包括数字化转型和环境动态。数字化转型使新能源汽车企业能够利用大数据和云计算等技术，构建透明、智能且高效的供应链，从而在降低成本的同时，提升响应速度、灵活性和韧性。面对环境变化，企业必须保持高度灵活性，并迅速调整其供应链策略，以确保稳定和可持续发展。
- (5)
-
在此模式的两种配置中，配置4的原始覆盖率最低（0.427）。核心因素是数字化转型和供应链协同能力。这表明此类企业应优先引入区块链和物联网技术，并利用数字化工具深化跨组织协同机制，从而提升竞争力。
6.2. 理论贡献
本研究对现有文献做出了三项贡献。首先，它将动态能力理论置于特定情境中。以往关于供应链动态能力和供应链韧性的研究主要集中在通用制造业、零售业或人道主义领域，且很大程度上将韧性的驱动因素视为脱离情境的。新能源汽车电池供应链在三个方面与这些领域有所不同。锂、钴、镍和石墨资源由少数几个司法管辖区垄断的寡头控制，因此中断风险是地缘政治和结构性的，而非运营性的。动力电池技术路线演进迅速，电芯化学体系的转变会同时改变产品设计、制造工艺和上游采购。该系统还耦合了大量层级和参与者，因此响应取决于跨公司边界的协作，而非单一组织内部的调整。结果表明，这三个维度的决定性作用并不均衡：协作能力对总效应的贡献最大（34.66%），而创新能力贡献最小。这与上述特征相一致。当颠覆性变化源自上游且超出公司控制范围时，缓冲机制依赖于跨组织机制（如产能共享、联合预测和信息耦合），而非内部调整。当技术路线快速切换时，创新能力的贡献会被漫长的验证周期和高资产专用性所稀释，因此其构建韧性的速度慢于协作能力。
其次，它阐明了将数字化转型与韧性联系起来的机制。以往的研究主要记录了两者之间的直接关联。数字化转型既直接影响韧性，也通过供应链动态能力间接影响韧性，大约一半的关联是通过能力路径实现的。环境动态性调节了这一转化过程：当环境波动较大时，这种关联会更加显著。
第三，它展示了结合必要性和充分性逻辑所获得的信息。没有任何单一前因是高韧性的必要条件，而四种配置是充分的，并可归纳为三种模式。在四种配置中的三种里，数字化转型是核心条件，而在第四种配置中则缺失，此时三个能力维度共同存在。数字化转型与协作能力之间的替代关系取决于环境动态。两种必要性技术的结果也存在具有启发性的差异：协作能力具有最高的fsQCA一致性，但NCA效应量最小，这是一种高韧性企业恰好具备但并非真正约束的条件模式；而数字化转型具有最大的NCA效应量，但仍低于阈值。这两种情况在净效应方法中均无法察觉。
6.3 管理启示
- (1)
-
强化数字化转型的驱动作用。企业应通过聚焦技术升级，系统性地推进供应链数字化转型。在应用层面，加大对物联网、大数据分析和区块链等数字技术的投入，对于构建覆盖全供应链的数字化管理平台至关重要。例如，宁德时代已部署制造执行系统（MES）和智能工厂，将生产计划、物流调度和背包管理整合，实现实时数据采集和动态监控，显著提升了需求响应效率和资源配置准确性。此外，企业还应探索AI驱动的预测性维护和数字孪生模拟等先进应用，以增强透明度和风险预测能力。长期培养数字化能力和生态协同效应也同样关键。在内部，企业应通过数据分析工具和流程优化的定制化培训提升员工的数字素养，打破部门壁垒，建立跨职能协作机制，并将数字化思维融入采购、生产和物流环节。在外部，企业应建立供应商数字化能力评估标准，优先选择具备智能设备接入和数据共享接口的合作伙伴，并通过联合研发和知识共享构建协同创新生态系统。例如，与供应商构建数字化协同平台，可实现订单状态、背包水平和质量数据的实时互操作，减少信息滞后，提升整个供应链的敏捷性和韧性。
- (2)
-
协同提升供应链动态能力。为了构建高效敏捷的供应链，必须在学习吸收、创新和协作三个领域强化动态能力。在学习吸收方面，企业应构建多层级知识共享平台，并通过组织技术研讨会和经验交流会，促进上下游合作伙伴间的知识流动与技术扩散。此外，企业应积极参与行业标准制定，深化与高校及科研机构的合作，吸收国际先进技术与管理理念，形成“学习、内化、迭代”的能力提升闭环路径。提升创新能力需要制度保障与技术突破。应设立专项研发基金，支持电池材料创新、低碳制造工艺优化以及绿色供应链管理模式。包容性的创新机制应允许在可控范围内开展试点项目，通过分阶段评估和动态调整来降低风险。为优化协作，必须加强跨企业资源整合与信任机制。产业集群布局可促进深度协作、能力共享、物流互联互通及市场联动。此外，可引入区块链技术构建去中心化协作平台，实现产品全生命周期溯源、智能合约执行及可信数据共享。例如，将原材料采购、生产及物流信息记录在区块链上，可提升供应链透明度并增强整体韧性。
- (3)
-
提升对环境变化的动态响应能力。在复杂多变的外部环境中，企业需要建立集“监测、预警、响应”于一体的机制，以增强供应链的适应性。在环境监测与预警方面，应将包括市场需求波动、政策调整和技术趋势在内的多维度数据源整合到智能监测平台中。AI算法可以挖掘历史和实时数据，预测原材料价格波动和政策补贴变化等风险，生成可视化预警报告。同时，建立分级应急预案也至关重要。对于区域物流延迟等轻微波动，应启动快速响应机制。对于全球原材料短缺等严重冲击，则应采取释放战略储备和紧急供应商磋商等系统性措施，以最大限度降低供应链中断风险。灵活的供应链设计是动态响应的核心。企业应通过采用敏捷制造与安全库存的双重策略来优化背包管理，通过模块化生产和小批量快速迭代满足个性化需求，并根据安全库存模型动态调整缓冲储备，以平衡成本与响应效率。此外，构建地理位置分散且能力互补的多元化供应商网络，可降低对单一来源的依赖。例如，将核心供应商、备用供应商和区域合作伙伴整合到统一的管理平台中，可实现灵活的产能分配和协调的应急响应。结合准时交付率和质量合格率实时数据的动态供应商绩效评估系统，可进一步优化供应商组合并增强韧性。
- (4)
-
建立基于学习、创新和协作的螺旋式增强机制。三要素整合模型（模式1）适合拥有坚实技术基础和强大资源整合能力的企业，通过“学习、创新、协作”三位一体构建系统性的韧性框架。学习能力是基石；企业应建立开放的知识共享生态系统，通过定期培训将隐性经验转化为标准化流程，并与外部研究机构合作吸收内化前沿技术。创新能力是核心引擎；企业应聚焦技术突破和模式重构，例如通过新型电池结构降低成本或构建资源回收闭环系统。试错容错机制应支持小规模试点验证，以逐步形成可复制的创新解决方案。协作能力是关键环节；企业应打破组织边界，通过产业集群吸引上下游合作伙伴，实现资源共享与能力互补。应引入数字技术构建透明的协作平台，通过全流程数据可追溯和智能预警，减少因信息不对称导致的决策延迟。这三个要素构成了一个螺旋上升的增强环：学习为创新提供知识储备，创新推动协作模式升级，而协作又拓展了学习能力。这种模式使企业能够灵活应对技术迭代和外部变化，实现从被动响应向主动适应的转变，并为行业提供了可复制的实践范式。
- (5)
-
建立基于数据、学习和创新的闭环协作机制。数字动态响应模型（模式2）适合拥有成熟数字化基础和强大技术应用能力的企业。其核心策略是以数字化转型为引擎，深度整合学习、吸收和创新能力，构建应对环境变化的敏捷响应体系。首先，数字化转型提供基础支撑。企业应依托物联网、大数据分析和人工智能，构建智能化管理平台，实现生产、物流和背包的实时数据采集与动态优化。例如，部署智能工厂和MES系统可实现精准的需求预测和自动化的生产计划调整，显著提升资源配置效率和响应速度。其次，学习和吸收能力是知识迭代的关键。企业应建立跨层级的知识共享机制，如定期技术培训和行业交流，以快速内化外部先进技术。与研究机构合作开发前沿算法，可将学术成就转化为实用工具，提升环境变化预测能力。最后，创新能力驱动动态适应。企业应聚焦于技术突破与模式创新，例如开发新型数字化工具，同时建立容错机制，在有限场景（如区域试点或小批量生产）中验证解决方案。这会逐渐形成一条可复制的优化路径。在这种协同作用下，数字化转型提供技术基础，学习加速知识流动与吸收，创新推动技术迭代，从而形成“数据驱动、知识内化、技术创新”的闭环增强。例如，企业可以实时监控政策变化，利用机器学习预测原材料价格趋势，并据此调整采购策略。基于历史数据的创新沙盒可以在模拟环境中验证新工艺的经济性和稳定性，然后再将优化方案引入实际生产。这种模式使企业能够在高度动态的市场中从被动应对转变为主动引领，提供一种高度适应的数字化转型范式。
- (6)
-
建立基于区块链和物联网的协同机制。数字协同响应模式（模式3）适用于供应链协同能力强、数字化基础好的企业。该模式的核心是通过数字化平台深化跨组织协作，并动态调整策略以应对环境的不确定性。企业可以基于区块链和物联网构建透明的协同平台，实现整个供应链的实时数据共享和可信溯源。例如，区块链可以记录原材料采购、生产和物流信息，以确保数据的不可篡改性。智能合约可以自动执行条款，例如触发异常警告或自动结算条件，从而降低人工干预成本。物联网设备可以收集仓储环境和运输状态的实时数据，支持协同决策。面对动态环境，企业应建立“监控、分析、优化”的闭环机制。通过整合多源数据（市场需求、政策等）并利用机器学习预测风险，企业可以制定分层响应策略。针对区域性物流中断，可快速切换备用供应商，或启用分布式仓储网络。针对政策调整，可通过协同平台同步合规要求，以缩短适应周期。此外，通过产业集群布局吸引供应商和物流服务商，扩大协同生态系统，从而形成资源共享网络。例如，通过共同建设仓储中心实现背包互操作性，同时在数字平台上对合作伙伴进行动态绩效评估，从而优化资源匹配。通过数据驱动决策、风险去中心化以及生态协同增值，这一模式推动了从被动防御向主动共创的转变。它不仅降低了环境不确定性风险，还将外部压力转化为内部协同升级动力，为高度协同的企业提供了一条可扩展的韧性提升路径。
6.4. 局限性与未来研究方向
需要注意几点局限性。首先，数据为横截面数据且为自我报告；尽管哈曼单因子检验表明共同方法方差不太可能占主导地位（28.794%），但此处报告的关联性不能视为因果关系。其次，每位受访者都是其公司供应链的唯一关键信息提供者，因此在某一职能部门形成的认知可能无法代表整个供应链。第三，样本仅限于福建、广东和江西的新能源汽车电池企业，可能无法推广至其他生产集群。第四，供应链动态能力被操作化为三个维度得分的未加权平均值，而非估计为高阶因子，因此各维度的权重是假设的而非经过检验的。
未来的研究可以采用纵向或时间滞后设计，收集来自二元关系双方的配对数据，并将调查扩展到其他电池集群和国家背景。估计供应链动态能力的二阶测量模型，还可以对三个维度的权重进行检验，而非仅仅假设。近期从动态能力视角对人工智能和韧性的研究[67] 指向相同的方向：每个能力维度贡献多少是一个经验性问题，本研究通过综合得分得出的估计结果，下一步可以按维度逐一进行验证。