Computing Power Deployment, Supply Chain Network and Enterprise Resilience: Evidence from the Intelligent Computing Center
-
摘要: 随着人工智能技术的深入发展，算力资源正逐步取代传统生产要素，成为增强企业韧性的关键驱动力。考虑到智算中心是算力部署的核心空间载体，对其是否以及如何对上下游企业韧性产生影响进行探讨。研究发现，中心企业算力部署能够显著提升上下游企业韧性。机制检验表明，对于上游供应商，中心企业主要通过优化资源配置、提供供应链融资支持以及推动供应链结构去中心化三条路径增强其韧性；对于下游客户，主要通过提高供应链透明度、增强敏捷响应度以及提升企业创新水平三种机制来实现。进一步分析发现，上述影响存在显著的空间分布与结构特征差异。本文从算力视角拓展了数字基础设施研究的理论范畴，为促进企业高质量发展、夯实数字经济基础提供了政策启示。Abstract: With the profound advancement of artificial intelligence technology, computing power resources are gradually replacing traditional production factors as the key driver for enhancing corporate resilience. Given that intelligent computing centers serve as the core physical infrastructure for computing power deployment, this study examines whether and how such centers influence the resilience of upstream and downstream enterprises. The research reveals that the computing power deployment by central enterprises significantly enhances the resilience of their supply chain partners. Mechanism analysis demonstrates that for upstream suppliers, central enterprises strengthen resilience through three primary channels: optimizing resource allocation, providing supply chain financing support, and promoting supply chain decentralization; for downstream clients, resilience improvement is achieved via three mechanisms: increasing supply chain transparency, enhancing agile responsiveness, and boosting innovation capabilities. Further analysis reveals significant spatial distribution and structural variations in these effects. This study expands the theoretical framework of digital infrastructure research from a computing power perspective, offering policy insights to foster high-quality corporate development and strengthen the foundation of the digital economy.
-
表 1 主要变量的描述性统计结果
变量 “中心企业-供应商-年度”样本(1 200) “中心企业-客户-年度”样本(836) 均值 中位数 标准差 最小值 最大值 均值 中位数 标准差 最小值 最大值 Resilience -0.030 0.049 1.236 -4.705 4.636 -0.049 0.045 1.101 -4.019 3.439 IDC 0.400 0.000 0.196 0.000 1.000 0.340 0.000 0.203 0.000 1.000 Size 23.331 23.019 1.875 20.048 28.337 22.958 22.791 1.721 20.015 28.509 Lev 0.493 0.502 0.194 0.079 0.899 0.435 0.444 0.183 0.063 0.820 ATO 0.678 0.588 0.407 0.087 1.954 0.728 0.617 0.455 0.116 2.933 Cashflow 0.055 0.051 0.060 -0.116 0.225 0.049 0.047 0.067 -0.109 0.273 FIXED 0.236 0.187 0.178 0.006 0.697 0.238 0.214 0.159 0.009 0.643 Board 2.139 2.197 0.206 1.609 2.708 2.145 2.156 0.207 1.609 2.708 Indep 0.382 0.364 0.057 0.333 0.571 0.374 0.363 0.052 0.286 0.571 Top10 0.611 0.616 0.156 0.258 0.962 0.597 0.603 0.149 0.258 0.965 SOE 0.497 0.000 0.500 0.000 1.000 0.416 0.000 0.493 0.000 1.000 FirmAge 3.110 3.135 0.259 2.398 3.689 3.057 3.091 0.247 2.303 3.638 Sizek/j 22.947 22.853 1.634 19.726 27.470 23.100 22.843 1.757 20.171 27.299 Levk/j 0.451 0.457 0.196 0.067 0.924 0.483 0.485 0.186 0.102 0.902 ATOk/j 0.706 0.616 0.424 0.106 2.348 0.650 0.568 0.386 0.141 2.325 Cashflowk/j 0.053 0.049 0.063 -0.120 0.251 0.053 0.050 0.062 -0.138 0.226 FIXEDk/j 0.232 0.197 0.160 0.004 0.642 0.238 0.189 0.177 0.006 0.661 Boardk/j 2.152 2.197 0.198 1.609 2.708 2.124 2.197 0.204 1.609 2.708 Indepk/j 0.375 0.364 0.053 0.286 0.571 0.380 0.357 0.057 0.333 0.574 Top10k/j 0.581 0.586 0.141 0.254 0.905 0.596 0.602 0.153 0.248 0.920 SOEk/j 0.417 0.000 0.493 0.000 1.000 0.433 0.000 0.496 0.000 1.000 FirmAgek/j 3.086 3.091 0.244 2.350 3.611 3.093 3.135 0.271 2.398 3.714 IDCk/j 0.037 0.000 0.188 0.000 1.000 0.038 0.000 0.192 0.000 1.000 注：* * *、* *、*分别表示1%、5%和10%的显著性水平，括号内为聚类至企业层面的稳健标准误。下表同。 
下载: 导出CSV
表 2 基准回归结果
变量 上游供应商
Resilience
(1)下游客户
Resilience
(2)IDC 0.680*** 0.839*** (3.631) (2.723) 控制变量 是 是 年份固定效应 是 是 企业固定效应 是 是 聚类层级 企业 企业 样本量 1 200 836 Adj.R2 0.573 0.606 注：***、**、*分别表示1%、5%和10%的显著性水平，括号内为聚类至企业层面的稳健标准误。下表同。
下载: 导出CSV
表 3 工具变量回归结果
变量 上游供应商 下游客户 第一阶段
IDC
(1)第二阶段
Resilience
(2)第一阶段
IDC
(3)第二阶段
Resilience
(4)IDC 0.733*** 3.529*** (4.605) (2.607) IV 0.237*** 0.178*** (5.098) (5.042) 控制变量 是 是 是 是 年份固定效应 是 是 是 是 企业固定效应 是 是 是 是 聚类层级 企业 企业 企业 企业 样本量 1 200 1 200 836 836 Adj.R2 0.601 0.595 0.616 0.680 Kleibergen-Paap rk LM 35.835[0.000] 35.985[0.000] Kleibergen-Paap rk Wald F 218.45{16.380} 235.69{16.380} 注：[]内为对应统计量的P值，{ }内为基于Stock-Yogo弱工具变量检验在10%显著性水平上确定的临界值；上述各项计量结果均通过stata软件中的ivreghdfe 2sls命令运行得出。
下载: 导出CSV
表 4 改变被解释变量、解释变量测度回归结果
变量 改变被解释变量测度 改变解释变量测度 上游供应商 下游客户 上游供应商 下游客户 Resilience_1
(1)Resiliencet+1
(2)Resilience_1
(3)Resiliencet+1
(4)Resilience
(5)Resilience
(6)IDC 0.289*** 1.385** 0.039*** 0.287*** (7.237) (2.364) (4.154) (3.264) IDC_NUM 1.061** 0.463*** (2.492) (4.257) 控制变量 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 聚类层级 企业 企业 企业 企业 企业 企业 样本量 1 200 938 836 643 1 200 836 Adj.R2 0.525 0.504 0.599 0.423 0.605 0.570
下载: 导出CSV
表 5 加入高维固定效应回归结果
变量 加入行业固定效应 加入年份×行业交互固定效应 加入年份×城市交互固定效应 上游供应商
Resilience
(1)下游客户
Resilience
(2)上游供应商
Resilience
(3)下游客户
Resilience
(4)上游供应商
Resilience
(5)下游客户
Resilience
(6)IDC 0.716*** 0.081*** 0.666** 0.634*** 0.829** 0.179** (3.274) (4.301) (2.153) (3.346) (1.987) (2.110) 控制变量 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 行业固定效应 是 是 否 否 否 否 年份×行业固定效应 否 否 是 是 否 否 年份×城市固定效应 否 否 否 否 是 是 聚类层级 企业 企业 企业 企业 企业 企业 样本量 1 200 836 1 137 794 1 092 757 Adj.R2 0.503 0.548 0.673 0.726 0.826 0.845
下载: 导出CSV
表 6 稳健性检验结果
变量 双重聚类调整 Heckman两阶段 PSM 剔除互联网公司 上游供应商
Resilience
(1)下游客户
Resilience
(2)上游供应商
Resilience
(3)下游客户
Resilience
(4)上游供应商
Resilience
(5)下游客户
Resilience
(6)上游供应商
Resilience
(7)下游客户
Resilience
(8)IDC 0.680** 0.839** 0.688*** 0.858*** 0.680*** 0.839*** 0.750** 0.462*** (2.881) (2.701) (2.652) (2.684) (2.632) (2.721) (2.312) (3.200) IMR 0.017*** 0.048*** (4.075) (4.232) 控制变量 是 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 是 是 聚类层级 企业-年度 企业-年度 企业 企业 企业 企业 企业 企业 样本量 1 200 836 1 200 836 774 588 1 132 791 Adj.R2 0.573 0.606 0.714 0.745 0.573 0.606 0.572 0.613 注：双重聚类下t值的显著性阈值不同，列(1)(2)中IDC对应的P值分别为0.024和0.031。
下载: 导出CSV
表 7 中心企业部署智算中心对上游企业韧性的机制检验结果
变量 优化资源配置 供应链融资 供应链去中心化 Ineff
(1)Resilience
(2)Credit
(3)Resilience
(4)DeCentral
(5)Resilience
(6)IDC 0.019*** 0.017*** 0.025** (2.873) (4.023) (2.165) Ineff 0.988** (2.193) Credit 0.804*** (4.123) DeCentral 0.390*** (3.545) 控制变量 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 聚类层级 企业 企业 企业 企业 企业 企业 样本量 1 200 1 200 1 200 1 200 1 200 1 200 Adj.R2 0.733 0.571 0.901 0.568 0.845 0.568
下载: 导出CSV
表 8 中心企业部署智算中心对下游企业韧性的机制检验结果
变量 供应链透明度 企业敏捷响应度 企业创新水平 SCT
(1)Resilience
(2)Agility
(3)Resilience
(4)Patent
(5)Resilience
(6)IDC 0.036*** 0.068*** 0.241** (2.853) (3.064) (2.243) SCT 0.131*** (3.552) Agility 0.172** (2.145) Patent 0.021** (2.347) 控制变量 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 聚合层级 企业 企业 企业 企业 企业 企业 样本量 836 836 836 836 836 836 Adj.R2 0.870 0.590 0.637 0.595 0.884 0.583
下载: 导出CSV
表 9 中心企业特征的异质性分析结果
变量 上游供应商 下游客户 上游供应商 下游客户 高话语权企业组
Resilience
(1)低话语权企业组
Resilience
(2)高话语权企业组
Resilience
(3)低话语权企业组
Resilience
(4)低市场化地区组
Resilience
(5)高市场化地区组
Resilience
(6)低市场化地区组
Resilience
(7)高市场化地区组
Resilience
(8)IDC 0.461** 0.308 1.061** 0.859 0.571 1.158*** 0.834 1.050** (1.981) (0.614) (2.164) (1.554) (1.364) (2.843) (1.290) (1.994) 控制变量 是 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 是 是 聚类层级 企业 企业 企业 企业 企业 企业 企业 企业 样本量 622 578 411 425 590 610 430 406 Adj.R2 0.525 0.694 0.638 0.626 0.658 0.565 0.600 0.716 系数差异P值 0.040** 0.027** 0.004*** 0.043** 注：系数差异P值采用费舍尔组合检验(计算1 000次)得到。下表同。
下载: 导出CSV
表 10 上下游企业特征的异质性分析结果
变量 上游供应商 下游客户 上游供应商 下游客户 西部地区企业组
Resilience
(1)非西部地区企业组
Resilience
(2)西部地区企业组
Resilience
(3)非西部地区企业组
Resilience
(4)近地理距离企业组
Resilience
(5)远地理距离企业组
Resilience
(6)近地理距离企业组
Resilience
(7)远地理距离企业组
Resilience
(8)IDC 0.273 0.791*** 0.392 0.892*** 0.605*** 0.396 0.331*** 0.102 (1.054) (3.142) (0.442) (2.664) (2.743) (1.210) (2.823) (0.094) 控制变量 是 是 是 是 是 是 是 是 年份固定效应 是 是 是 是 是 是 是 是 企业固定效应 是 是 是 是 是 是 是 是 聚类层级 企业 企业 企业 企业 企业 企业 企业 企业 样本量 518 682 340 496 676 524 431 405 Adj.R2 0.601 0.609 0.879 0.590 0.654 0.563 0.640 0.648 系数差异P值 0.007*** 0.013** 0.016** 0.031**
下载: 导出CSV
-
[1] 庞磊, 阳晓伟. 中国产业链关键环节自主可控何以实现?——对高新技术企业集聚效应与技术创新的考察[J]. 南方经济, 2023(5): 107-126. [2] 潘越, 柯进军, 宁博. 不确定性冲击、政府采购与企业发展韧性[J]. 数量经济技术经济研究, 2024, 41(4): 193-212. [3] 宋林, 郭哲宇. 价值链视角下企业数字化转型与产业链供应链韧性研究[J]. 科技进步与对策, 2026, 43(4): 34-44. [4] 李海舰, 李真真. 数字经济促进共同富裕: 理论机理与策略选择[J]. 改革, 2023(12): 12-27. [5] 陶锋, 王欣然, 徐扬, 等. 数字化转型、产业链供应链韧性与企业生产率[J]. 中国工业经济, 2023(5): 118-136. [6] 王宇, 李建华, 陈阳阳, 等. 企业网络与技术创新战略选择[J]. 当代经济研究, 2013(11): 56-61. [7] 王建冬, 于施洋, 窦悦. 东数西算: 我国数据跨域流通的总体框架和实施路径研究[J]. 电子政务, 2020(3): 13-21. [8] 许诺, 毛聚, 毛新述, 等. 算力部署、数据跨域流动与企业全要素生产率——来自智算中心的证据[J]. 中国工业经济, 2025(4): 61-79. [9] 梁孝成, 吕康银, 陈思. 数据资产如何赋能企业韧性: 理论机制与实证检验[J]. 华东经济管理, 2025, 39(9): 65-75. [10] 储佩佩, 张娆. 耐心资本对企业韧性的影响研究[J]. 现代经济探讨, 2025(8): 80-94. [11] 方福前, 田鸽, 张勋. 数字基础设施与代际收入向上流动性——基于"宽带中国"战略的准自然实验[J]. 经济研究, 2023, 58(5): 79-97. [12] 罗良文, 张琳琳, 王晨. 数字化转型与企业韧性——来自中国A股上市企业的证据[J]. 改革, 2024(5): 64-79. [13] 郑景丽, 罗睿. 企业数字化协同驱动供应链韧性提升研究[J]. 珞珈管理评论, 2025, 60(3): 102-126. [14] 刘达, 王晓丹, 王淑瑶, 等. 新质生产力赋能企业韧性——基于新型生产关系与生产要素的分析框架[J]. 财经论丛, 2025(1): 15-25. [15] 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. [16] 韦琦, 郑中荣, 郭子生. 社会资本驱动供应链韧性: 数字化转型下的跨链整合机制[J]. 广东财经大学学报, 2025, 40(2): 70-82. [17] 王卫, 李明. 上市公司数字并购能够降低供应链中断风险吗?[J]. 现代财经(天津财经大学学报), 2025, 45(8): 96-111. [18] Tan H K, Zhan Y. Improving new product development using big data: a case study of an electronics company[J]. R&D Management, 2017, 47(4): 570-582. [19] 张敬峰, 王平. 供应链融资及其管理框架研究[J]. 北京工商大学学报(社会科学版), 2013, 28(3): 55-58. [20] 万滢霖, 李鹤尊, 胡依梅. 供应链去中心化如何影响企业创新?——基于经济政策不确定性视角[J]. 科学学与科学技术管理, 2024, 45(8): 144-161 [21] 高明华, 李扬. 企业关联控制关系下的供应链透明度与业绩操纵[J]. 审计与经济研究, 2025, 40(4): 84-93. [22] 张树山, 夏铭璐, 谷城. 智能制造与企业韧性: 机制与效应[J]. 经济与管理, 2025(1): 38-47. [23] 杜传忠, 张榕. 人工智能促进先进制造业与生产性服务业深度融合的机制与路径探析[J]. 经济学家, 2025(9): 47-56. [24] 黄丽华, 朱海林, 刘伟华, 等. 企业数字化转型和管理: 研究框架与展望[J]. 管理科学学报, 2021, 24(8): 26-35. [25] 田丹, 丁宝, 刘芙蓉. "耐心资本"赋能新创企业韧性: 企业风险投资和独立风险投资的差异化作用[J]. 中国工业经济, 2025(7): 156-173. [26] Jiang S, Yeung A C L, Han Z, et al. The effect of customer and supplier concentrations on firm resilience during the COVID-19 pandemic: resource dependence and power balancing[J]. Journal of Operations Management, 2023, 69(3): 497-518. doi: 10.1002/joom.1236 [27] 肖兴志, 解维敏. 人工智能与企业韧性——基于工业机器人应用的经验证据[J]. 系统工程理论与实践, 2024, 44(8): 2456-2474. [28] 苑泽明, 尹琪, 黄灿. 数据资产与企业韧性: 效应与机制[J]. 经济经纬, 2025, 42(1): 120-132. [29] 陈俊华, 郝书雅, 易成. 数字化转型、破产风险与企业韧性[J]. 经济管理, 2023, 45(8): 26-44. [30] Julia F. Less mainstream credit, more payday borrowing?evidence from debt collec-tion restrictions[J]. The Journal of Finance, 2022, 78(1): 63-103. [31] 倪婷婷, 王跃堂. 区域行政整合、要素市场化与企业资源配置效率[J]. 数量经济技术经济研究, 2022, 39(11): 136-156. [32] 王超, 余典范. 企业数字化的供应链融资效应——基于商业信用视角[J]. 经济与管理研究, 2023, 44(10): 109-128. [33] 宫晓云, 权小锋, 刘希鹏. 供应链透明度与公司避税[J]. 中国工业经济, 2022(11): 155-173. [34] 王艳, 年洁, 杨明晖. "非国有派"董事与国有企业混合所有制并购绩效[J]. 经济管理, 2023, 45(3): 87-106. [35] 简冠群, 刘田敏. 嵌入平台生态与中小企业资源配置效率——基于平台协同悖论视角[J]. 产业经济研究, 2026(1): 129-142. [36] 关鑫, 李枫园. 数字化转型、供应链溢出与企业创新[J]. 经济与管理研究, 2025, 46(5): 107-124. [37] 李颖, 吴彦辰, 田祥宇. 企业ESG表现与供应链话语权[J]. 财经研究, 2023, 49(8): 153-168. [38] 李金叶, 李仟茜. 数智化转型如何提升制造业企业竞争力?——对产业链供应链价值链的赋能机制[J]. 西部论坛, 2025, 35(4): 68-82. [39] 沈小波, 陈语, 林伯强. 技术进步和产业结构扭曲对中国能源强度的影响[J]. 经济研究, 2021, 56(2): 157-173. [40] 潘为华, 潘红玉, 吴敬静, 等. 从"集中"到"分散": 供应链分散化如何重塑供应链安全格局?[J]. 科学决策, 2025(9): 63-79. -
