摘要：近年來(lái)，供應(yīng)鏈管理領(lǐng)域的數(shù)據(jù)量增長(zhǎng)顯著，將人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理，對(duì)供應(yīng)鏈的發(fā)展具有重要意義。為探究人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究熱點(diǎn)和演化趨勢(shì)，文章運(yùn)用CiteSpace可視化分析軟件，對(duì)Web of Science數(shù)據(jù)庫(kù)核心合集中2013—2023年的518篇相關(guān)文獻(xiàn)進(jìn)行定量分析，分析內(nèi)容包括發(fā)文時(shí)間、期刊分布、作者特征等，并通過(guò)構(gòu)建高頻關(guān)鍵詞知識(shí)圖譜、關(guān)鍵詞頻次統(tǒng)計(jì)等方法，揭示人工智能在供應(yīng)鏈管理中的研究熱點(diǎn)和前沿趨勢(shì)。研究結(jié)果顯示，該領(lǐng)域的研究熱度呈上升趨勢(shì)，預(yù)示著人工智能與供應(yīng)鏈的結(jié)合仍有廣闊的研究空間。

關(guān)鍵詞：人工智能；供應(yīng)鏈管理；知識(shí)圖譜；研究進(jìn)展

中圖分類號(hào)：F274" " " "文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：1674-0688（2024）05-0035-06

0 引言

隨著新興技術(shù)的快速發(fā)展，人工智能已廣泛應(yīng)用于企業(yè)經(jīng)營(yíng)管理的多個(gè)業(yè)務(wù)場(chǎng)景中。其中，供應(yīng)鏈管理成為人工智能應(yīng)用的重要領(lǐng)域，推動(dòng)了供應(yīng)鏈進(jìn)入新的發(fā)展階段。人工智能技術(shù)涵蓋機(jī)器學(xué)習(xí)、知識(shí)圖譜、自然語(yǔ)言處理、人機(jī)交互、智能語(yǔ)音以及增強(qiáng)現(xiàn)實(shí)、虛擬現(xiàn)實(shí)［1］等多個(gè)方面。通過(guò)將人工智能技術(shù)與其他新興技術(shù)結(jié)合，使信息系統(tǒng)能夠模擬人類的思維和決策過(guò)程［2］。在供應(yīng)鏈管理中融合人工智能技術(shù)，應(yīng)用其進(jìn)行預(yù)測(cè)分析、優(yōu)化決策等，有助于實(shí)現(xiàn)供應(yīng)鏈的高效、精準(zhǔn)和快速運(yùn)作［3-4］。因此，探究人工智能技術(shù)在供應(yīng)鏈管理中的具體應(yīng)用，成為當(dāng)前學(xué)術(shù)界探究的熱點(diǎn)和關(guān)鍵問(wèn)題。在對(duì)該領(lǐng)域發(fā)表的文獻(xiàn)綜述進(jìn)行梳理后發(fā)現(xiàn)，現(xiàn)有的研究綜述主要采用的是描述性分析的方法，這種方法難以全面揭示該研究領(lǐng)域的復(fù)雜性和多樣性。鑒于近年來(lái)人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理的相關(guān)研究增長(zhǎng)迅速，對(duì)該領(lǐng)域的研究進(jìn)行綜述分析，有助于研究者和從業(yè)者了解最新的研究動(dòng)態(tài)和進(jìn)展。因此，本文審視該領(lǐng)域已發(fā)表的研究成果，借助CiteSpace軟件對(duì)具有價(jià)值的文獻(xiàn)進(jìn)行圖譜分析，以期能夠更系統(tǒng)和全面地探究這一領(lǐng)域的研究熱點(diǎn)和發(fā)展趨勢(shì)。

1 研究設(shè)計(jì)

1.1 研究方法與工具

CiteSpace是一款極具特色和影響力的可視化分析軟件，它能以直觀、高效的方式可視化地呈現(xiàn)某一領(lǐng)域的研究現(xiàn)狀。據(jù)此，本文采用了CiteSpace軟件的6.1.R6版本，對(duì)WOS（Web of Science）數(shù)據(jù)庫(kù)中關(guān)于人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理方面的文獻(xiàn)進(jìn)行計(jì)量分析，旨在揭示該領(lǐng)域的研究熱點(diǎn)和前沿趨勢(shì)。

1.2 數(shù)據(jù)來(lái)源與篩選

與國(guó)內(nèi)研究相比，供應(yīng)鏈領(lǐng)域的人工智能應(yīng)用在國(guó)外擁有更深厚的研究歷史和更高的關(guān)注度。為了深入探究國(guó)外學(xué)者在人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究基礎(chǔ)、熱點(diǎn)及發(fā)展趨勢(shì)，本文首先設(shè)定WOS核心合集為數(shù)據(jù)源，確定檢索主題為“artificial intelligence（人工智能）”和“supply chain management（供應(yīng)鏈管理）”，并將文獻(xiàn)類型限定為“article（期刊）”，時(shí)間跨度為2013—2023年。經(jīng)過(guò)初步檢索，共獲得553篇相關(guān)文獻(xiàn)。其次，對(duì)這些文獻(xiàn)進(jìn)行手動(dòng)篩選，通過(guò)審查每篇文獻(xiàn)的標(biāo)題和摘要，排除與研究主題不符的文獻(xiàn)，并借助CiteSpace工具去除重復(fù)結(jié)果，最終篩選出518篇文獻(xiàn)作為研究基礎(chǔ)。

2 研究基礎(chǔ)概況

2.1 論文發(fā)文量時(shí)空分布

通過(guò)對(duì)發(fā)文量進(jìn)行統(tǒng)計(jì)分析，可以直觀地反映出人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理的研究發(fā)展進(jìn)程。2013—2023年，人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域相關(guān)文獻(xiàn)的發(fā)文量總體呈現(xiàn)增長(zhǎng)趨勢(shì)（見圖1），反映出該領(lǐng)域的研究熱度不斷攀升。具體而言，這一研究進(jìn)程大致可以分成兩個(gè)階段：第一階段為2013—2019年，此期間發(fā)文量呈現(xiàn)緩慢增長(zhǎng)的趨勢(shì)，表明研究尚處于平穩(wěn)發(fā)展階段；第二階段為2020—2023年，此階段的研究呈現(xiàn)迅速發(fā)展的態(tài)勢(shì)，發(fā)文量占到了總論文發(fā)表量的89％。分析發(fā)文量顯著增長(zhǎng)的原因發(fā)現(xiàn)，一是得益于人工智能技術(shù)的重大突破；二是2020年新冠病毒感染疫情對(duì)傳統(tǒng)供應(yīng)鏈結(jié)構(gòu)造成了嚴(yán)重沖擊，企業(yè)無(wú)法應(yīng)對(duì)突發(fā)重大事件而陷入困境。因此，如何將人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理以構(gòu)建更具彈性的供應(yīng)鏈，成為國(guó)際學(xué)者廣泛關(guān)注的熱點(diǎn)問(wèn)題。

表1為2013—2023年人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域相關(guān)文獻(xiàn)的發(fā)文量排名前六的國(guó)家，通過(guò)對(duì)比這些國(guó)家的論文發(fā)表情況，能夠清晰地了解各國(guó)在該領(lǐng)域的科研實(shí)力。由表1可知，中國(guó)在這一領(lǐng)域發(fā)表的論文量高達(dá)106篇，位居榜首，體現(xiàn)了中國(guó)學(xué)者在該領(lǐng)域的研究熱情高漲。然而，中國(guó)的中介中心度低于印度、英國(guó)和美國(guó)，表明中國(guó)在該研究領(lǐng)域的學(xué)術(shù)影響力仍有待提升。相比之下，英國(guó)的中介中心度最高，雖然其發(fā)文量相對(duì)較少，但是其在該領(lǐng)域的研究和發(fā)展中起到了重大的推動(dòng)作用。

2.2 文獻(xiàn)發(fā)表期刊分析

統(tǒng)計(jì)人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的發(fā)表文獻(xiàn)被引用量排名前九的期刊發(fā)現(xiàn)，這些期刊涵蓋了不同的學(xué)科領(lǐng)域。其中，INT J PROD ECON、INT J PROD RES和COMPUT IND ENG屬于運(yùn)營(yíng)與運(yùn)籌管理領(lǐng)域；EXPERT SYST APPL、INT J INFORM MAN?AGE屬于信息管理領(lǐng)域；J CLEAN PROD和SUSTAI?NABILITY-BASEL屬于環(huán)境管理領(lǐng)域；TECHNOL FO?RECAST SOC屬于科技創(chuàng)新領(lǐng)域，J BUS RES屬于商學(xué)領(lǐng)域。這些期刊的多樣性表明供應(yīng)鏈管理具有跨學(xué)科性質(zhì)，需要融合不同學(xué)科的知識(shí)和方法展開研究。但是，這些期刊在其領(lǐng)域的核心影響力不是很高，未來(lái)該領(lǐng)域的研究應(yīng)拓展到更多具有高影響力的期刊。

2.3 核心作者分析

表2列出了人工智能應(yīng)用于供應(yīng)鏈管理領(lǐng)域論文發(fā)文量及被引用量排名前十的作者。將高發(fā)文量作者與高被引作者進(jìn)行對(duì)比發(fā)現(xiàn)，發(fā)文量與被引頻次之間并非完全正相關(guān)，僅有BAG、WAMBA、DWIVEDI 3位學(xué)者在發(fā)文量和被引頻次上表現(xiàn)出較高水平。BAG在人工智能應(yīng)用于企業(yè)運(yùn)營(yíng)績(jī)效、改善醫(yī)療保健業(yè)務(wù)以及推動(dòng)可持續(xù)發(fā)展方面提出了獨(dú)到的見解［5-7］；DWIVEDI關(guān)注于如何利用人工智能—大數(shù)據(jù)分析能力在動(dòng)蕩的商業(yè)環(huán)境中建立供應(yīng)鏈彈性［7-8］。此外，BAG與DWIVEDI等學(xué)者合作進(jìn)行了大數(shù)據(jù)分析驅(qū)動(dòng)的人工智能如何提高供應(yīng)鏈績(jī)效的實(shí)證研究［7］ ，進(jìn)一步證實(shí)了人工智能技術(shù)在供應(yīng)鏈管理中的應(yīng)用價(jià)值。WAMBA的研究主要采取實(shí)證分析的方法，探討了人工智能在提高供應(yīng)鏈彈性、效率和敏捷性方面的作用［9-10］。綜上所述，這3位作者的研究成果不僅被大量引用，還在實(shí)際應(yīng)用中引領(lǐng)了人工智能在供應(yīng)鏈管理領(lǐng)域的研究熱點(diǎn)，如供應(yīng)鏈績(jī)效、供應(yīng)鏈彈性、供應(yīng)鏈可持續(xù)性等。

3 研究熱點(diǎn)與趨勢(shì)分析

3.1 研究熱點(diǎn)分析

本文借助CiteSpace軟件深入分析供應(yīng)鏈管理領(lǐng)域的核心概念，通過(guò)構(gòu)建關(guān)鍵詞知識(shí)圖譜（見圖2），梳理頻次和中心度排名前列的關(guān)鍵詞（見表3），以揭示人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究熱點(diǎn)。

將人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域文獻(xiàn)的高頻關(guān)鍵詞與高中心度關(guān)鍵詞進(jìn)行對(duì)比發(fā)現(xiàn)存在較大差異。部分關(guān)鍵詞在頻次和中心度上均表現(xiàn)出較高的水平，如績(jī)效、框架、神經(jīng)網(wǎng)絡(luò)和設(shè)計(jì)等，說(shuō)明這些關(guān)鍵詞體現(xiàn)的研究?jī)?nèi)容是該領(lǐng)域的熱點(diǎn)問(wèn)題，本文將這些研究熱點(diǎn)總結(jié)為以下3類。

（1）對(duì)人工智能—大數(shù)據(jù)分析能力與績(jī)效的研究?！按髷?shù)據(jù)”和“績(jī)效”作為高頻關(guān)鍵詞，凸顯了大數(shù)據(jù)在供應(yīng)鏈管理中與人工智能協(xié)同工作的重要性，大數(shù)據(jù)的主要作用在于與人工智能技術(shù)相結(jié)合，共同形成人工智能—大數(shù)據(jù)分析能力，為高質(zhì)量的決策提供豐富的見解，從而推動(dòng)企業(yè)績(jī)效的提升。例如，BAG等［7］認(rèn)為將人工智能—大數(shù)據(jù)分析能力應(yīng)用于制造行業(yè)的研究較為有限，通過(guò)采用制度理論和資源觀理論，闡明了汽車企業(yè)如何通過(guò)合理配置有形資源和勞動(dòng)力技能，推動(dòng)技術(shù)賦能，改善可持續(xù)制造實(shí)踐，并進(jìn)一步發(fā)展循環(huán)經(jīng)濟(jì)能力；BENZIDIA等［11］ 則通過(guò)實(shí)證研究，驗(yàn)證了人工智能—大數(shù)據(jù)分析能力在供應(yīng)鏈整合過(guò)程中的益處，并分析了其對(duì)環(huán)境績(jī)效的積極影響，這些影響有助于支持綠色供應(yīng)流程，提高環(huán)境績(jī)效。

（2）對(duì)人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究。在機(jī)器學(xué)習(xí)、知識(shí)圖譜、自然語(yǔ)言處理、人機(jī)交互、智能語(yǔ)音以及增強(qiáng)現(xiàn)實(shí)、虛擬現(xiàn)實(shí)等人工智能技術(shù)中，機(jī)器學(xué)習(xí)技術(shù)受到了特別的關(guān)注。部分學(xué)者側(cè)重于通過(guò)機(jī)器學(xué)習(xí)的預(yù)測(cè)性能優(yōu)化供應(yīng)鏈管理。例如，PEREIRA等［12］將機(jī)器學(xué)習(xí)需求預(yù)測(cè)與基于運(yùn)營(yíng)計(jì)劃的模擬優(yōu)化相結(jié)合，提高了預(yù)測(cè)的準(zhǔn)確性；PRIORE等［13］意識(shí)到高度動(dòng)蕩的環(huán)境將使決策變得更加復(fù)雜，而應(yīng)用機(jī)器學(xué)習(xí)技術(shù)幫助確定最佳補(bǔ)貨規(guī)則，可以明顯降低運(yùn)營(yíng)成本。還有學(xué)者關(guān)注更為具體的技術(shù)，如模糊邏輯算法等。BELHADI等［9］提出一種基于人工智能算法的綜合多標(biāo)準(zhǔn)決策技術(shù)，用于識(shí)別制定不同供應(yīng)鏈彈性的人工智能策略。

（3）對(duì)供應(yīng)鏈框架及設(shè)計(jì)的研究。TSANG等［14］研究如何利用物聯(lián)網(wǎng)和人工智能技術(shù)建立風(fēng)險(xiǎn)監(jiān)控系統(tǒng)，解決冷鏈風(fēng)險(xiǎn)監(jiān)測(cè)的問(wèn)題，以保障食品安全。ZHANG等［15］提出了一種基于知識(shí)局部搜索的多群體蟻群系統(tǒng)，該系統(tǒng)旨在幫助供應(yīng)鏈成員設(shè)置最優(yōu)配置，進(jìn)而最大限度地降低銷售成本。然而，如何通過(guò)人工智能技術(shù)重新設(shè)計(jì)或優(yōu)化供應(yīng)鏈網(wǎng)絡(luò)已成為企業(yè)面臨的一大挑戰(zhàn)。為此，TANSAKUL等［16］提出了供應(yīng)鏈生態(tài)系統(tǒng)作為未來(lái)供應(yīng)鏈的新形式，該系統(tǒng)由多邊的、互補(bǔ)的參與者或合作伙伴組成，其中所有成員以非線性和復(fù)雜的關(guān)系直接或間接地相互影響，共同創(chuàng)造價(jià)值。這預(yù)示著未來(lái)的趨勢(shì)更注重多邊互動(dòng)，而不是局限于與供應(yīng)商和客戶的交流。

3.2 研究趨勢(shì)分析

為全面呈現(xiàn)供應(yīng)鏈管理領(lǐng)域中人工智能應(yīng)用研究的發(fā)展趨勢(shì)，本文將年份與共線關(guān)鍵詞進(jìn)行排序，從而完成對(duì)研究歷程的梳理和分類?；谙嚓P(guān)分析結(jié)果，探討了該領(lǐng)域的3個(gè)主要發(fā)展階段，并對(duì)每個(gè)階段的研究重點(diǎn)和熱點(diǎn)進(jìn)行了全面分析和系統(tǒng)梳理（見表4）。

第一階段（2013—2015年）：該階段的熱點(diǎn)關(guān)鍵詞主要為供應(yīng)鏈管理、人工智能、系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模型、設(shè)計(jì)等，說(shuō)明2013—2015年，國(guó)外在人工智能應(yīng)用于供應(yīng)鏈管理的研究中，比較注重技術(shù)層面，以期通過(guò)人工智能技術(shù)的應(yīng)用解決供應(yīng)鏈中的問(wèn)題，實(shí)現(xiàn)系統(tǒng)優(yōu)化。例如，MIAO等［17］利用基于禁忌搜索算法的人工智能工具優(yōu)化越庫(kù)配送問(wèn)題；HE等［18］將智能技術(shù)作為一個(gè)組件集成到群體決策支持系統(tǒng)中，在運(yùn)輸企業(yè)有效管理和快速響應(yīng)客戶的不同需求方面發(fā)揮了重要作用。

第二階段（2016—2019年）：這一階段的主要關(guān)注點(diǎn)在于對(duì)人工智能和其他新興數(shù)字技術(shù)的融合研究，并深入探索這種融合對(duì)供應(yīng)鏈管理的影響。熱點(diǎn)關(guān)鍵詞主要包括大數(shù)據(jù)、框架、績(jī)效和影響等。為解決冷鏈風(fēng)險(xiǎn)監(jiān)測(cè)問(wèn)題，TSANG等［14］研究了利用物聯(lián)網(wǎng)和人工智能技術(shù)構(gòu)建風(fēng)險(xiǎn)監(jiān)控系統(tǒng)以保障食品安全。在行業(yè)內(nèi)，人工智能與大數(shù)據(jù)密不可分，大數(shù)據(jù)與人工智能的結(jié)合可以實(shí)現(xiàn)更智能化與自動(dòng)化的數(shù)據(jù)處理與分析。MAHROOF［19］通過(guò)案例分析探索了大型零售商倉(cāng)庫(kù)如何結(jié)合人工智能與大數(shù)據(jù)技術(shù)實(shí)現(xiàn)物流與供應(yīng)鏈管理的數(shù)字化，從而提高效率和生產(chǎn)力，同時(shí)增強(qiáng)貨物流動(dòng)的透明度和準(zhǔn)確性。

第三階段（2020—2023年）：該階段的研究重點(diǎn)更多地放在了人工智能技術(shù)在供應(yīng)鏈管理領(lǐng)域的深度拓展應(yīng)用方面。熱點(diǎn)關(guān)鍵詞為工業(yè)4.0、預(yù)測(cè)分析、供應(yīng)鏈彈性、區(qū)塊鏈、創(chuàng)新、風(fēng)險(xiǎn)管理等，反映出企業(yè)在動(dòng)蕩的環(huán)境中對(duì)生存和保持持續(xù)競(jìng)爭(zhēng)力的迫切需求。MODGIL等［20］確定了采用人工智能技術(shù)增強(qiáng)供應(yīng)鏈彈性的5個(gè)領(lǐng)域，包括透明度、最后一英里交付、個(gè)性化解決方案、中斷影響的最小化以及靈活的采購(gòu)策略。為了衡量不同程度的人工智能應(yīng)用可以產(chǎn)生多大的價(jià)值，ZOUARI等［21］研究企業(yè)數(shù)字化成熟度和數(shù)字化工具采用程度對(duì)供應(yīng)鏈彈性的影響；BELHADI等［9］提出了一種基于人工智能的多標(biāo)準(zhǔn)決策技術(shù)，以建立彈性供應(yīng)鏈并開發(fā)不同的增強(qiáng)供應(yīng)鏈彈性策略。

4 結(jié)論與展望

4.1 結(jié)論

本文以可視化文獻(xiàn)計(jì)量方法為基礎(chǔ)，輔以內(nèi)容分析法，深度剖析了人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的情況，以下是主要結(jié)論。

（1）關(guān)于人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的文獻(xiàn)量逐年上升，特別是近年來(lái)增速加快，進(jìn)一步提升了該研究領(lǐng)域在學(xué)術(shù)界的影響力。然而，鑒于人工智能技術(shù)尚不成熟，其在供應(yīng)鏈領(lǐng)域中的應(yīng)用仍需深入探索。對(duì)比各國(guó)的發(fā)文情況發(fā)現(xiàn)，中國(guó)雖然在發(fā)文數(shù)量上位列第一，但中介中心度明顯偏低，表明我國(guó)在該研究領(lǐng)域的學(xué)術(shù)影響力有待提升。

（2）從研究發(fā)表的期刊看，該領(lǐng)域涉及多種學(xué)科方向，包括運(yùn)籌管理、技術(shù)創(chuàng)新、信息管理等，表明該領(lǐng)域具有跨學(xué)科性質(zhì)，需要融合不同學(xué)科的知識(shí)和方法進(jìn)行研究，同時(shí)研究應(yīng)拓展到更多高影響力的期刊上發(fā)表。

（3）在作者分析方面，BAG、WAMBA、DWIVEDI 3位學(xué)者的發(fā)文量、被引頻次都在較高水平，他們的研究成果備受關(guān)注和認(rèn)可。雖然中國(guó)在累計(jì)發(fā)文量上處于國(guó)際領(lǐng)先地位，但是在人工智能應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究中并沒有涌現(xiàn)出突出學(xué)者，中國(guó)學(xué)者在該領(lǐng)域的國(guó)際影響力有待進(jìn)一步加強(qiáng)。

（4）對(duì)研究熱點(diǎn)進(jìn)行的分析表明，研究熱點(diǎn)主要集中在人工智能技術(shù)對(duì)企業(yè)績(jī)效的作用機(jī)理、應(yīng)用于供應(yīng)鏈管理的人工智能技術(shù)以及對(duì)供應(yīng)鏈框架及設(shè)計(jì)的研究3個(gè)方面。研究趨勢(shì)大致可以分為3個(gè)階段，每個(gè)階段各有其側(cè)重的研究熱點(diǎn)，未來(lái)的研究方向趨向于人工智能技術(shù)如何幫助企業(yè)生存與保持持續(xù)競(jìng)爭(zhēng)力，強(qiáng)調(diào)人工智能技術(shù)在構(gòu)建供應(yīng)鏈彈性中的積極作用，并逐步向更為深入和細(xì)化的領(lǐng)域發(fā)展。

4.2 展望

在數(shù)字化浪潮中，人工智能技術(shù)已成為企業(yè)優(yōu)化供應(yīng)鏈的重要科技力量，越來(lái)越多的學(xué)者開始關(guān)注人工智能技術(shù)在供應(yīng)鏈管理中的應(yīng)用。雖然該領(lǐng)域的研究已步入快速發(fā)展階段，但是仍有一些熱點(diǎn)和難點(diǎn)問(wèn)題亟待深入探究。結(jié)合知識(shí)圖譜分析及行業(yè)發(fā)展現(xiàn)狀，后續(xù)研究可以從以下幾個(gè)方面展開。

（1）加快推動(dòng)人工智能技術(shù)應(yīng)用場(chǎng)景落地。雖然人工智能技術(shù)具備推動(dòng)組織價(jià)值增長(zhǎng)的潛力，但是實(shí)證表明，許多公司將時(shí)間、精力和資源投入人工智能技術(shù)后，卻未能實(shí)現(xiàn)預(yù)期效益。因此，如何將人工智能技術(shù)集成到供應(yīng)鏈中，加強(qiáng)人機(jī)協(xié)同，以促進(jìn)其成功落地成為未來(lái)研究的熱點(diǎn)。

（2）探索與其他新型技術(shù)的結(jié)合應(yīng)用。隨著數(shù)字技術(shù)的發(fā)展，供應(yīng)鏈問(wèn)題的有效解決無(wú)法再單獨(dú)依靠某一項(xiàng)技術(shù)。以人工智能技術(shù)與數(shù)字孿生技術(shù)的融合為例，數(shù)字孿生技術(shù)可預(yù)測(cè)潛在的風(fēng)險(xiǎn)，通過(guò)人工智能技術(shù)及時(shí)處理，可以避免供應(yīng)鏈中斷。因此，未來(lái)供應(yīng)鏈發(fā)展不能僅依靠人工智能技術(shù)，還需深入融合數(shù)字孿生、區(qū)塊鏈、大數(shù)據(jù)、云計(jì)算等其他新興技術(shù)，共同促進(jìn)供應(yīng)鏈的發(fā)展。

（3）構(gòu)建人工智能多層治理體系。近年來(lái)，隨著互聯(lián)網(wǎng)和移動(dòng)設(shè)備的普及，數(shù)據(jù)的可用性提升，計(jì)算硬件的發(fā)展也極大地降低了計(jì)算成本，使人工智能技術(shù)得以不斷更新迭代。當(dāng)前的研究大多關(guān)注人工智能技術(shù)應(yīng)用于供應(yīng)鏈中發(fā)揮的積極作用，而對(duì)其治理問(wèn)題鮮少關(guān)注，導(dǎo)致其潛在的負(fù)面影響被忽略。因此，必須建立相應(yīng)的人工智能監(jiān)管機(jī)制，加強(qiáng)技術(shù)規(guī)范、政策法規(guī)等方面的研究，構(gòu)建多層治理體系，以確保人工智能技術(shù)應(yīng)用的規(guī)范性，驅(qū)動(dòng)新一代人工智能技術(shù)不斷健康發(fā)展。

本文的不足之處在于，所有文獻(xiàn)均來(lái)自Web of Science數(shù)據(jù)庫(kù)，部分研究成果因格式或數(shù)據(jù)不完整而被歸為無(wú)效文獻(xiàn)，無(wú)法納入分析。此外，本文未對(duì)人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究方法和成果進(jìn)行比較分析，未來(lái)可考慮擴(kuò)大樣本范圍，從不同角度對(duì)該領(lǐng)域進(jìn)行更深入、全面的比較和研究。

5 參考文獻(xiàn)

［1］陸泉，秦雨萱，陳靜.跨學(xué)科“技術(shù)—主題”創(chuàng)新組合識(shí)別——以人工智能技術(shù)驅(qū)動(dòng)圖情領(lǐng)域創(chuàng)新為例［J］.圖書情報(bào)工作，2024，68（2）：50-61.

［2］宋華.人工智能數(shù)智供應(yīng)鏈的理論探索與展望［J］.中國(guó)流通經(jīng)濟(jì)，2024，38（1）：44-54.

［3］韓海軒.人工智能技術(shù)對(duì)物流業(yè)效率的影響及差異性分析［J］.商業(yè)經(jīng)濟(jì)研究，2020（22）：105-108.

［4］魏成，陳賽男，沈靜.人工智能驅(qū)動(dòng)下的城市空間演變趨勢(shì)與規(guī)劃響應(yīng)［J］.城市發(fā)展研究，2022，29（7）：47-54.

［5］BAG S，DHAMIJA P，LUTHRA S，et al.How big data analytics can help manufacturing companies strengthen supply chain resilience in the context of the Covid-19 pandemic［J］.International Journal of Logistics management，2023，34（4）：1141-64.

［6］BAG S，GUPTA S，KUMAR S，et al.Role of technological dimensions of green supply chain management practices on firm performance［J］.Journal of Enterprise Information Management，2021，34（1）：1-27.

［7］BAG S，PRETORIUS J H C，GUPTA S，et al.Role of institutional pressures and resources in the adoption of big data analytics powered artificial intelligence，sustainable manufacturing practices and circular economy capabilities［J］.Technological Forecasting and Social Change，2021，163：120420.

［8］DWIVEDI Y K，HUGHES L，ISMAGILOVA E，et al.Artificial intelligence（AI）：Multidisciplinary perspectives on emerging challenges，opportunities，and agenda for research，practice and policy［J］.International Journal of Information Management，2021，57：101994.

［9］BELHADI A，KAMBLE S，WAMBA S F，et al.Building supply-chain resilience：an artificial intelligence-based technique and decision-making framework［J］.International Journal of Production Research，2022，60（14）：4487-4507.

［10］QUEIROZ M M，F(xiàn)OSSO WAMBA S，CHIAPPETTA JABBOUR C J，et al.Supply chain resilience in the UK during the coronavirus pandemic： A resource orchestration perspective［J］.International Journal of Production Economics，2022，245：108405.

［11］BENZIDIA S，MAKAOUI N，BENTAHAR O.The impact of big data analytics and artificial intelligence on green supply chain process integration and hospital environmental performance［J］.Technological Forecasting amp; Social Change，2021，165：120557.

［12］PEREIRA M M，F(xiàn)RAZZON E M.A data-driven approach to adaptive synchronization of demand and supply in omni-channel retail supply chains［J］.International Journal of Information Management，2021，57：102165.

［13］PRIORE P，PONTE B，ROSILLO R，et al.Applying machine learning to the dynamic selection of replenishment policies in fast-changing supply chain environments［J］.International Journal of Production Research，2019，57（11）：3663-3677.

［14］TSANG Y P，CHOY K L，WU C H，et al.An Internet of Things（IoT）-based risk monitoring system for managing cold supply chain risks［J］.Industrial Management amp; Data Systems，2018，118（7）：1432-1462.

［15］ZHANG X，ZHAN Z H，F(xiàn)ANG W，et al.Multipopulation ant zolony aystem with knowledge-based local searches for multiobjective supply chain configuration［J］.IEEE.Transactions on Evolutionary Computation，2022，26（3）：512-526.

［16］Tansakul N，Suanmali S，Shirahada K.Conceptualizing a transformative supply chain for ecosystem well-being［J］.The Service Industries Journal，2018，43（5-6）：1-22.

［17］MIAO Z W，CAI S，XU D.Applying an adaptive tabu search algorithm to optimize truck-dock assignment in the crossdock management system［J］.Expert Systems with Applications，2014，41（1）：16-22.

［18］HE S W，SONG R，CHAUDHRY S S.Service-oriented intelligent group decision support system： Application in transportation management［J］.Information Systems Frontiers，2014，16（5）：939-951.

［19］MAHROOF K.A human-centric perspective exploring the readiness towards smart warehousing： The case of a large retail distribution warehouse［J］.International Journal of Information Management，2019（45）：176-190.

［20］MODGIL S，SINGH R K，HANNIBAL C .Artificial intelligence for supply chain resilience： learning from Covid-19［J］.The International Journal of Logistics Management，2021，33（4）：1246-1268.

［21］ZOUARI D，RUEL S，VIALE L.Does digitalising the supply chain contribute to its resilience？［J］.International Journal of Physical Distribution amp; Logistics Management，2021，51（2）：149-180.

*2023年國(guó)家自然科學(xué)基金面上基金項(xiàng)目“云服務(wù)驅(qū)動(dòng)的供應(yīng)鏈平臺(tái)治理機(jī)制形成及價(jià)值創(chuàng)造機(jī)理研究”（72372143）；2023年云南省科技計(jì)劃項(xiàng)目“云南高原特色農(nóng)產(chǎn)品平臺(tái)化供應(yīng)鏈運(yùn)營(yíng)的策略與優(yōu)化研究”（202401AS070020）；2023年云南省煙草公司德宏州煙草公司科技計(jì)劃項(xiàng)目“綠色低碳卷煙分揀裝箱及配送策略應(yīng)用研究”（DHYCKJ202302）。

【作者簡(jiǎn)介】林燕娟，女，福建龍巖人，在讀碩士研究生，研究方向：物流與供應(yīng)鏈管理；馬楠（通信作者），男，云南德宏人，研究方向：卷煙營(yíng)銷與物流；劉森，男，云南昆明人，博士，教授，研究方向：新興信息技術(shù)與物流、供應(yīng)鏈管理。

【引用本文】林燕娟，馬楠，劉森.人工智能技術(shù)應(yīng)用于供應(yīng)鏈管理領(lǐng)域的研究進(jìn)展與趨勢(shì)——基于CiteSpace的知識(shí)圖譜分析［J］.企業(yè)科技與發(fā)展，2024（5）：35-39，49.