随着低碳理念的盛行和清洁能源技术的衍生，锂电产业链条不断发展和延伸，链间企业积极围绕新能源汽车领域布局生产和研发产品，创新联动日趋频繁。然而，锂电行业创新要素的流动情境复杂多变，研发和迭代成本亦居高不下，技术创新瓶颈逐步显现。这种情境下锂电企业传统分散式、非系统性的创新活动要面对更多的不确定性，难以单独搭建创新链条并追赶技术创新，需不断向外探索创新边界和合作伙伴，探寻行业的新型创新范式。

接力创新因秉持任务分解、多段承接的非线性创新特征(Bledow等，2009)，同锂电行业有很好的契合性，如侯锡林（2015）的研究证明接力创新对锂电行业的资源调配具有重要带动作用，通过接力创新，各主体能够高效配置资金、人才和知识，优化组织内外创新进程，打通引资、引智的创新环节，关联创新孵化器和产业群组，强化资源整合能力进而提升资源配置水平，为此企业间需要建立一种信赖、稳定、持久的合作关系，而企业间供应链合作被证实同接力创新关系密切。

然而，如何确保锂电产业供应链合作的联结共生与接力创新的产研承接（关键链条）、技术传递（核心环节）等创新需求高度融合，从而促进资源配置、信息整合和产销衔接（Shi等，2022）？作为具体锂电企业而言，应该架构何种供应链合作体系来抵御环境不确定性和资源约束？锂电企业利用已有供应链合作资源应构建何种接力创新体系？这些问题的揭示迫切需要建构供应链合作与接力创新交融、并发的全新理论体系。
理论渊源

资源依赖理论与前后相随哲学的耦合为锂电企业供应链合作驱动接力创新提供了东西方组合解释。资源依赖理论强调对资源的依赖与争取、企业关系的合作与竞争、权力地位的主导和依从，即企业凭借知识、资金等关键要素促进替代性资源的相互流动，及时察觉、充分适应、力争改变供应链和创新链的环境，引导行业向利己的方向发展（耿心宇等，2023），实现供应链与创新链的网格化，从而利用现有供应链合作资源推进接力创新（李拓晨等，2018）。这种常态下供应链企业资源的流动变化引致企业实力此消彼长、地位攻防易手，这与辩证唯物的“前后相随”哲学思想相吻合。从前后相随哲学看，供应链合作的“前端孵化”主要始于产学研合作方面，而产学研合作被证实属于明显的接力创新方式（代建生，李革，2023）。锂电企业持续推进接力创新，既有利于加强与供应链的资源循环，也有助于整合供应链集群的创新能力，形成良好的合作生态，这契合了道家“前”“后”互相依赖、互相转化的哲学观点。因此，上述理论的结合有助于摒弃供应链固有“前后端”的观念，换以共存共息的构型观来看待其与供应链合作的关系，这对接力创新机制的解构与深化具有重要意义。
国内外研究基本情况

供应链合作最早源于欧美企业商业实践，强调上下游主体在信息、资金、人员的通力配合，提高链条的内部资源互补性（Albino等，2007）。也有学者采用扎根理论、文本分析等质性方法厘清供应链合作联盟与企业创新的关系（Solaimani等，2022），探寻供应链的创新效果和利益联接、创新投融资分析及风险防控等（马鸿佳等，2023）。总之，供应链企业既在竞合中相互扶持，又纵横捭阖来不断争取自身话语权，在供应链和创新链交织的网络中谋取更多利益。

自Pavitt最早提出接力创新的概念以来，接力创新因强调顺序接力、主张产学研合作和无需共同目标等特性被学术界逐渐关注（Pavitt，1984）。现有文献多基于“接力方式、影响因素”的创新前因和“参与时机、应用领域”的创新能效来探讨接力创新机制。文献梳理发现，学者多从宏观的行业视角构建接力创新的分析框架，尚未系统给出“员工感知到企业捕获再到行业聚合”创新机会的微宏观结合过程。而从资源依赖理论出发，“交叉董事会”式供应链合作为从员工和企业这两个层级推进接力创新提供了理论依据；跨部门、跨地域的“技术联盟”式供应链合作也与接力创新的各环节衔接紧密。为在供应链中掌握更多的话语权，企业强调关键技术的研发、改善缺乏柔性和集成性的决策体系（黄春香等，2024），这均与企业接力创新的目的趋向一致。并且接力创新的分散创新风险、疏通创新供需关系、节约社会创新资源等效用，与供应链合作具备的资源开发再利用、优化生产决策和增强市场竞争力的作用互为表里（廖诺等，2021；石纯来等，2019）。

通过文献梳理发现，知识整合在接力创新机制中的角色一直是理论研究的重点，学者关注到了知识对创新所具有天然的亲和力（徐露允等，2021），指出知识整合推进稀缺性资源的共享，有效降低接力创新主体间的消极互动行为，提高创新链企业间技术成果的转化效率（夏西强等，2023）。虽然部分研究从知识整合的方向和效果等视角梳理了知识整合对接力创新的作用通路，但忽略了异质性知识识别、吸收到转化的系统过程对接力创新的驱动机制。事实上知识整合在供应链合作与接力创新中扮演桥梁作用，是连接供应链合作和接力创新的真正内核。
研究发现

本文以格林美、容百科技和宁德时代三家锂电企业作为研究对象，结合资源依赖理论与前后相随哲学，采用扎根理论方法对锂电行业开展多案例研究，构建供应链合作对接力创新的直接和间接交互概念模型，对资源循环背景下锂电企业接力创新的驱动路径形成更全面的认识。

首先，本文识别出了供应链合作驱动接力创新的直接路径，明确了合作环境能引导锂电行业的技术趋向，是支撑锂电供应链合作的外部力量；合作集成使锂电企业通过资源捆绑方式减少外部依赖，提高企业竞争力和话语权，是直接驱动路径的核心；合作生产以更广泛的资源连接形式直接驱动接力创新，是供应链合作的辅能。本文已明晰锂电企业环境、集成、生产维度的供应链合作核心活动驱动企业接力创新，形成较为完善的供应链合作的“前后相随”分析框架。此外，本文还提炼出“员工—企业—行业”的接力创新体系，明晰接力创新内涵并聚焦于接力创新的催生机理，凝练了“员工层面的增进创新使能、企业层面的优化创新进程、行业层面的疏通创新环节”三阶段的创新过程，进一步丰富接力创新微观至宏观的框架研究。

其次，关于供应链合作驱动接力创新的间接路径。本文基于资源依赖理论的互依性分析，供应链合作通过知识整合（知识吸纳、知识转化）这一中介间接驱动接力创新活动，即供应链合作以需求带动知识资源整合，实现知识资源的延伸探索，从而增进创新使能、优化创新进程和疏通创新环节：知识吸纳能够拓宽创新空间，增进创新使能；知识转化作用于企业，能够充分实现“组织忘却学习”，挖掘内外部知识，实现内外部知识源化，优化创新进程。

最后，本文提出了供应链合作驱动接力创新的“前后相随”交互机制，即供应链上创新主体通过与上下游巨头接力创新减少信息位势，实现知识的流动、转化和重新配置，利用知识整合体系将分散的知识聚类成对自身和供应链其他主体有利的关键性知识群，助推以知识为“中端”桥接的“前后端”相互转化，实现接力创新通过知识整合反向助推供应链合作，即驱动体系中“前后端”的间接路径的反通路，形成供应链合作与接力创新的“前后相随”交互机制。
研究贡献

本文的研究贡献主要概括为三点：首先，本文明晰了供应链合作的环境、集成、生产的“前”结构层次，以及在知识整合的桥接下，与接力创新的使能、进程、环节的“后”结构框架相伴相随、互相影响、互相转化，形成供应链合作与接力创新的“前后相随”交互机制，进一步拓宽了西方古典管理学思想“资源依赖理论”与中国朴素唯物主义哲学“前后相随”的适用边界。第二，本文，阐明供应链合作与接力创新的交互与重构，从内源性和外依性两方面理清供应链与创新链的整合化、网络化、集约化，为企业实现价值创造和技术重塑提供理论支持。最后，本文发掘出知识整合赋能供应链资源拼凑能力和接力创新能力，厘清其在供应链和创新链交织网络中的锚点作用，丰富了关于供应链合作与接力创新的交互、并发的理论框架。原文引用

康鑫,李萌双.前后相随：供应链合作何以驱动接力创新？.南开管理评论,2025,28(10).

2025年11月5日，由香港中文大学亚洲供应链及物流研究所主办的“2025全球供应链及物流峰会”在香港会议展览中心圆满举办。峰会以“AI与RWA驱动下的供应链重构”为主题，汇聚了来自学术界、企业界及政府的众多权威专家与行业领袖，深入探讨全球供应链面临的挑战与创新解决方案。

峰会伊始，运输及物流局副局长廖振新发表了欢迎辞。他在致辞中肯定了本次峰会对促进香港国际物流枢纽建设的重要意义，表示将继续支持供应链领域的创新与跨界合作。他强调了香港中文大学亚洲供应链及物流研究所在香港物流研究中的重要角色，包括协助政府草拟《现代物流发展行动纲领》内的八项策略和二十四项具体行动。他提到，由政府开发和营运的港口社区系统将于明年初上线，该系统将提供实时货物追踪及多项增值服务，有助加强香港作为国际航运中心和国际物流枢纽的竞争力。

廖副局长续指出，香港与粤港澳大湾区的物流数据连接至关重要，并透露已经与广东省电子口岸管理有限公司就促进两地物流数据互联互通签署合作备忘录，以提升贸易和物流的效率。

同時，香港中文大学商学院院长周林教授也在欢迎辞中表示，当前全球供应链面临着贸易路线中断、需求波动以及地缘政治不确定性等多重挑战，构建一个更智能、更具韧性和透明度的未来供应链已经成为当务之急。香港中文大学商学院不仅进行理论研究，还积极开展应用研究，以支持政府规划和行业发展。周院长强调，人工智能（AI）和真实世界资产（RWA）在这一转型中扮演着关键角色。AI帮助企业预见干扰并制定应对策略，而RWA的代币化则提高了透明度和流动性，构建了信任和效率的新基础。

峰会主办方亚洲供应链及物流研究所所长张惠民教授对峰会嘉宾和参会者表示热烈的欢迎。张教授指出，当前全球供应链正经历自工业革命以来最深刻的变革，在地缘政治重构和数字经济崛起的双重背景下，中国企业应利用自身在数字基础设施、平台经济和产业生态等方面的优势，构建具有全球竞争力的企业。

香港中文大学商学院终身教授、亚洲供应链及物流研究所副所长吴靖教授发表了题为“人工智能与真实世界资产（RWA）的影响”的主旨演讲。他指出，全球供应链已从“被动调整时代”进入“高波动性时代”，并提出以“大数据+AI”为核心的韧性供应链解决方案。面对地缘政治冲突、碳关税壁垒与区域化重构等多重挑战，吴教授强调传统供应链模式亟需通过技术赋能实现动态优化。

作为峰会焦点，吴教授团队开发的GlobalChain.AI大模型首次实现供应链决策从“事后报表” 到 “实时推演” 的跨越。该系统通过实时融合海关、物流、市场等多维数据，实现对突发风险的分钟级响应，并生成替代路线与库存策略。吴教授进一步提出，稳定币与实物资产数字化（RWA）有潜力重构供应链金融体系，成为跨境支付的“数字血液” 。他透露，研究所正联合业界制定RWA应用白皮书，推动香港巩固全球贸易中心地位。同时发布的《2025中国企业出海报告》指出，成功出海的关键已从“产能迁移”转向“AI驱动全球能力配置”。研究所将同步开放GlobalChain.AI试用系统与RWA白皮书通道，推动学术成果向产业解决方案的快速转化。最后，吴教授强调，中国在大数据和人工智能（AI）技术方面的领先地位，将为全球供应链重组提供新的机遇。

在峰会现场，多位来自全球顶尖企业的代表和产业研究专家同样带来了精彩的前沿案例分享。

本次峰会的圆桌论坛环节《AI与RWA时代下的创新投资实践》由香港中文大学亚洲供应链及物流研究所龙卓瑜教授主持，为与会者勾勒出了供应链金融创新的清晰脉络。来自投资界、科技界与产业方的多位嘉宾凝聚了核心共识：AI与实物资产代币化（RWA）的深度融合，正推动供应链金融从“信用依赖”迈向“资产驱动”的新范式。讨论认为，RWA的核心价值在于破解了传统供应链金融的固有瓶颈。它通过将设备收益权、应收账款等“沉睡资产”转化为链上通证，极大地提升了资产流动性和融资效率。同时，AI技术扮演了“智慧大脑”的角色，为RWA提供了强大的数据支撑和决策优化能力，实现了从“看面子”（主体信用）到“看底子”（真实资产数据）的风控逻辑重构。

香港中文大学亚洲供应链与物流研究所举办的全球供应链及物流峰会，旨在通过学界与业界的深度对话，成功搭建了一个高质量的思想交流平台。与会者普遍认为，面对不确定性的全球环境，以学术界的前沿理论为指引，结合产业界的创新实践，共同构建更具智能性和韧性的供应链，已成为不可逆转的趋势。本次峰会的成功举办，必将为供应链及物流领域的发展注入新动能，开启合作共赢的新篇章！

现在大家都在说“AI要优先推进”，可不少企业一猛子扎进去，钱花了不少，项目却卡壳了——这背后，其实是“投资不规范”在拖后腿。

不少企业高管都顶着一股压力：得证明自家在AI竞赛里没掉队。这种紧迫感下，大家忙着启动项目、砸钱搞基建、签供应商协议，热闹得很。

但热闹背后藏着隐患：很多投资连“要解决什么具体问题”都没说清，更别提清晰的商业逻辑、能落地的ROI（投资回报率）衡量标准了。

最后呢？要么钱花超了，要么项目停摆，很难有成果可以用来跟CEO、董事会或监管机构展示或解释。

想让AI成功落地，不用盲目赶进度。推进投资前，先做好下面4步，把假设验证清楚、拿到实打实的答案，才能少走弯路。

第一步：先锚定商业价值，再谈钱

搞AI不是“跟风上项目”，第一步得想明白：这个AI计划要解决什么商业问题？

在花钱之前必须把两件事落地：让项目跟企业战略目标绑紧，再做好商业论证。

那些做得好的企业，都有几个共通做法：

• 制定与企业优先事项紧密关联的简洁说明，别搞“无关痛痒的创新”。
• 设定切实可行的投资回报率衡量标准，并据此跟踪项目进展。
• 构建成本模型，涵盖前期开发、日常运营、规模扩张及项目收尾等全周期成本。
• 明确各项取舍，以便将资源从优先级较低的工作转移到重点项目上。

若缺乏这种规范性，盲目追逐热门应用场景，可能会导致支出失控、变更需求不断增加，或使项目陷入“沉没成本陷阱”。

在批准任何重大投资前，一定要把潜在成本算透，比如供应商会不会涨价、员工要不要再培训，这些都得提前预估。

第二步：别默认AI是最优解，先做技术筛查

现在一提到解决问题，很多人第一反应就是“用AI（尤其是生成式AI）”，但真不一定！得先验证是不是用先进分析工具或商业智能工具，能更快、更便宜地达到差不多效果？

少了这步尽职调查，很可能踩坑——比如签了长期合同，最后发现回报率低得可怜。所以推进项目前，这几件事必须做：

• 先想想“非AI方案”行不行，别上来就只看AI。
• 决定是自己开发、买现成产品，还是“自研+外购”混合，得靠事实说话，别被“AI热度”带偏。
• 看供应商的实战经验，能不能做好数据安全集成，得有实打实的案例支撑。
• 付款要跟“能衡量的成果”绑在一起；没做小范围试点前，别着急扩规模。

我们应将供应商选择视为一项战略决策。得查参考案例、审业绩证明，还要建立反馈机制。

优秀的管理者会选择既符合当前需求、又能支撑未来发展目标的技术方案。

第三步：数据是地基，没整好前别开工

AI项目有个铁律：数据基础不牢，项目早晚要黄。所以实际落地前，得先确认公司的结构化、非结构化数据资产，是不是都梳理清楚了？

想判断数据“能不能用”，这几件事要做透：

• 评估所有数据源的洁净度、准确性、可访问性及是否符合法律法规要求。
• 制定完善的数据治理政策，并尽可能实现质量检查的自动化。
• 尽早让法律与合规团队参与，应对数据隐私或地区管辖权相关风险，确保监管问题不会延误项目进度或损害企业信任。
• 在项目启动前测试模型的互操作性，并建立安全协议。
• 提前规划持续的培训投入，因为项目规模扩张所需的数据科学人才、存储容量及计算资源，都会比预想的多。

第四步：组织没准备好，技术再牛也白搭

即便拥有完美的技术，如果员工未做好准备以适应新的工作流程或决策流程，项目也无法成功。

在大规模部署人工智能前，需在企业文化、员工技能与内外部沟通等方面进行投入。

想让公司内部协同起来，不妨试试这些方法：

• 为用户、员工及客户制定清晰的变革管理策略，别让大家摸不着方向。
• 想清楚AI落地后，公司组织架构要变成什么样？先有愿景再动手。
• 规划招聘与人员配置将如何调整，以支持人工智能项目的开发。
• 尽早给技术人才做技能提升培训，别等项目卡壳了才着急。
• 在推进技术落地的同时，同步重新设计业务流程，不能用旧瓶装新酒。

我们应将变革管理视为核心工作，而非辅助任务，从项目第一天起就让人力资源（HR）部门、运营团队及一线管理者参与其中。

人工智能素养培训项目能帮助所有人理解人工智能的能力、局限性及伦理考量，从而让员工与智能系统更好地协同工作，而不是想着“怎么绕开AI系统”。