1. 引言
供应链金融，作为一种新兴的金融业态，已成为支撑企业稳健发展的重要金融服务手段，并且其重要性已上升到国家战略层面。近年来，我国供应链金融领域发展迅速，金融与产业的融合程度不断加深，为实体经济的发展注入了新的活力[1]。研究中明确指出，数字供应链金融在推动中国式现代化产业高质量发展方面发挥着积极作用，为产业升级和转型提供了有力支撑[2]。
在党的二十大报告中，“供应链”一词被两次提及，这充分体现了国家对供应链体系建设的高度重视。不仅如此，报告还明确提出要加快建设数字中国，进一步强调了数字化在推动经济社会发展中的核心地位。
在数字化时代背景下，国家高度重视数字经济建设，将智能化转型视为中国企业未来发展的核心方向。智能化转型不仅能够显著提升制造企业的高质量发展水平，还能增强企业的市场竞争力和创新能力。然而，企业智能化转型并非易事，它要求企业进行全面的技术变革，这往往需要大量的资金投入。对于众多中小微企业而言，转型过程中的投资风险和成本压力尤为突出，它们常常面临着转型成本高昂、信息不对称、回报低于预期等诸多问题[3]。
此外，企业智能化转型的支撑体系也显得相对薄弱。许多企业在资金供应链方面缺乏稳健的保障，导致转型进程受阻。[4]的研究中就指出了这一问题，强调了加强资金供应链建设对于推动企业智能化转型的重要性。
与已有研究相比，本文的贡献有：① 创新性地从供应链金融层面解释企业智能化转型，细化了有关供应链金融运行机制的研究，为解决企业智能化转型存在的问题和困境提供解决思路和对策，相较于以往研究更加深入具体。② 本文通过深入分析稳健性检验、内生性问题风险等实证分析，进一步论证了供应链金融在推动企业智能制造转型中发挥的作用机制。③ 通过异质性分析的视角，分析了不同性质的企业(国有与非国有)、不同行业的企业(高竞争力行业与低竞争行业)、不同地理区域(东部、中部与西部)的企业其供应链金融对推动企业智能转型的影响。
2. 文献综述与理论分析
2.1. 文献综述
2.1.1. 供应链金融
现有的诸多文献在供应链金融方面，多探究政府相关政策对供应链金融的影响、供应链金融与银行的联系，或者多从宏观层面探究供应链金融发挥的效用[5]。在供应链金融对企业的影响方面，学者多从绿色转型以及企业创新能力和水平的提升等角度出发，[6]就指出供应链金融对企业绿色转型具有正向促进作用。
智能化转型需要企业具备一定的技术创新和资金实力，一定程度上限制了一些企业的发展。中小型企业在智能化转型中面临的资金匮乏度和融资风险更大，且融资成本较高。[7]指出研发投入和金融支持对企业实现智能化具有显著的正向作用，寻求外部金融支持是智能化转型的重要支持路径，这就需要加大资金投入力度，拓宽企业融资渠道。而供应链金融能够为资金不足的企业提供良好的融资渠道和金融支持。[8]指出供应链金融作为一类创新型金融服务，可以通过呈现供应链各主体间交易信息，降低外部投资者与企业之间的信息不对称，进而缓解企业面临的投资不足问题。传统融资方式下，银行和企业、上下游企业之间容易存在信息不对称问题[9]在研究中提出第三方金融服务平台可以通过区块链供应链金融模式，提升信用体系的透明度和可信度，增强市场稳定性。
尽管现有文献在供应链金融领域已展开了广泛探讨，但仍存在一些研究上的不足。具体而言，多数研究倾向于关注政府政策对供应链金融的外部影响、供应链金融与银行业的互动关系，或是从宏观视角分析供应链金融的整体经济效应，这些固然重要，但对于企业层面的微观机制剖析尚显不足。
2.1.2. 企业智能化转型
在企业智能化转型研究方面，学者更侧重探讨企业智能化转型对企业内部产生的影响和作用机制[10]，也有学者从各个层面分析了企业智能化转型现阶段所面临的困境，但鲜有文献从供应链金融角度研究其对企业智能化转型产生的影响。本文着重探讨供应链金融能否促进企业的智能化转型，从而更好地服务于实体经济，这对供应链数字化以及企业高质量发展具有重要的理论价值和现实意义。
智能化转型作为企业现代化发展的必经之路，是实现要素资源有效配置的生产优化过程，要求企业在转型过程中有效配置有限资源[11]。而供应链金融能够通过整合信息流、物流、资金流等资源，为供应链上的上下游企业提供系列金融服务，加强产业链上下游企业的协同合作。在供应链金融中，高专业性和技术性的共同投资有助于优化生产补给及运输管理，降低物流、仓储等交易成本，提高资金利用效率[12]。中小型企业智能化转型与大型成熟企业相比，面临着融资难、融资贵的问题，供应链金融通过金融服务平台支持和信贷担保支持，可以有效地为中小企业转型发展融资赋能[13]。[14]基于两类会计稳健性视角提出在供应链金融中，上下游企业可以与核心企业进行信用捆绑，转换商业银行风险评估视角，减轻企业的外部获资难度，可以短期内有效获取大量资金，显著提升企业的融资效率，资金使用更加高效。
综上所述，现有文献在供应链金融与企业智能化转型领域均取得了丰富成果，前者多聚焦于政策影响、银行互动及宏观效用，后者则侧重于企业内部影响及面临困境。然而，两者交叉领域的研究尚显匮乏，特别是供应链金融对企业智能化转型的促进作用缺乏深入探讨，这为本文提供了研究空间，旨在填补这一空白，促进供应链金融与企业高质量发展的深度融合。
2.2. 理论分析
智能化转型作为企业提升核心竞争力和实现高质量发展的必由之路，对企业的技术创新能力和资金实力提出了严峻挑战，尤其对于中小型企业而言，这两大要素的匮乏成为其转型道路上的重要障碍。中小型企业在智能化转型过程中，不仅面临资金匮乏的问题，而且融资风险较大，融资成本也相对较高。王琳的研究指出，供应链金融作为一种创新型金融服务模式，能够通过展现供应链各主体间的交易信息，有效降低外部投资者与企业之间的信息不对称性，从而缓解企业因资金不足而面临的投资困境。
企业智能化转型的成功与否，不仅取决于其内部的技术创新和资金管理能力，还受到外部融资支持、信息披露透明度以及风险管理水平等多重因素的影响。供应链金融作为一种综合性的金融服务方案，能够整合资金、信息、风险等多要素资源，为企业智能化转型提供全方位的支持。
为了更深入地探讨供应链金融如何促进企业智能化转型，本文借鉴了资源基础理论和动态能力理论等相关理论框架。资源基础理论认为，企业拥有的资源是其竞争优势的来源，而供应链金融通过提供资金支持和优化资源配置，增强了企业在智能化转型过程中的资源获取和利用能力[8]。动态能力理论则强调企业适应环境变化和调整战略方向的能力，供应链金融通过降低信息不对称和提供风险管理服务，帮助企业更好地应对智能化转型过程中的不确定性和风险[15]。
基于以上理论分析和实践观察，本文提出以下假设：
H1：供应链金融能够促进企业智能化转型。
3. 数据来源与研究设计
3.1. 数据来源与样本选择
本研究选取2009~2022年期间我国沪深A股上市公司作为研究样本，并对样本进行了严格的处理。具体而言，首先剔除了关键财务数据缺失的公司、剔除ST、PT的公司、以及金融业的公司，以确保数据的完整性；其次，对所有连续变量实施了1%和99%分位点的缩尾处理，以消除极端值的影响，增强数据的稳健性。经过上述处理后，最终得到了涵盖1874家公司、共计17,522个“个体–年份”观测值的高质量数据集。
3.2. 变量定义
Table 1. Variable definitions
表1. 变量定义
类型 |
名称 |
符号 |
定义说明 |
解释变量 |
供应链金融 |
SCFLI |
供应链金融词频 |
被解释变量 |
企业智能化表现 |
IM Level |
IMLevel = α × TIi + β ×Eci + γ × DSi |
控制变量 |
营业收入增长率 |
Growth |
(本期营业收入 − 上期营业收入)/上期营业收入 × 100% |
成立年限 |
FirmAge |
当前日期 − 企业成立日期 |
托宾Q值 |
TobinQ |
公司的市场价值/公司的资产重置成本 |
企业规模 |
Size |
ln (总资产) |
净资产收益率 |
ROE |
净利润/净资产 × 100% |
第一大股东持股比例 |
Top1 |
第一大股东持股数量/总股数 |
标准审计意见标识 |
Opinion |
标准审计意见取值为1，否则为0 |
账面市值比 |
BM |
股东权益/公司市值 |
个体 |
Id |
控制个体固定效应 |
年份 |
Year |
控制年份固定效应 |
注：TIi表示企业在智能化技术上的投入程度(如研发支出、技术引进费用等占总收入的比例)；ECi表示企业智能化业务流程的覆盖率(如智能化流程数量占总流程数量的比例)；DSi表示企业智能化决策系统的准确性或效率提升指标(如决策准确率、决策时间缩短比例等)。
3.3. 模型搭建
为深入探究供应链金融对企业智能化的影响及其内在作用机制，本文基于表1的变量构建了严谨的回归模型进行实证分析。
(1)
在本研究中，核心解释变量为供应链金融(SCFLI)，而被解释变量则为企业智能化表现。此外，模型还纳入了前文所述的一系列控制变量(Controls)，以确保分析的全面性。为了更准确地估计供应链金融对其智能化表现的影响，模型还进一步控制了个体(Id)和年份(Year)效应，以期获得更为稳健和可靠的实证结果。
4. 实证结果
4.1. 基准回归结果
表2详尽地呈现了模型(1)的逐步回归分析成果，首要列示的是仅纳入核心自变量——供应链金融的基础回归结果。分析揭示，在此特定评估框架下，供应链金融的发展水平于1%的显著性阈值内，对企业智能化进程展现出显著的正面推动效应。随后，研究逐步纳入企业财务及治理层面的若干控制变量，分析结果显示，供应链金融的发展水平依旧稳健地保持在1%的显著性水平上，持续地对提升企业智能化水平发挥着稳定的正向促进作用。这一系列发现有力地支持了本研究的核心假设H1，进一步巩固了供应链金融对企业智能化具有积极促进效应的结论。
Table 2. Results of basic regression test
表2. 基础回归检验结果
变量 |
IM Level |
(1) |
(2) |
(3) |
SCFLI |
1.587*** |
1.690*** |
0.844*** |
(6.142) |
(6.216) |
(3.037) |
_cons |
4.294*** |
6.098 |
−0.255 |
(19.762) |
(1.612) |
(−0.053) |
控制变量 |
No |
No |
Yes |
Observations |
17522 |
17522 |
17522 |
R-squared |
0.002 |
0.006 |
0.081 |
Year |
No |
No |
Yes |
Id |
No |
No |
Yes |
注：***、**、*为在1%、5%、10%的水平上显著。下表同。
4.2. 稳健性检验
4.2.1. 解释变量滞后一期、两期、三期
参考葛元骎的研究思路，鉴于供应链金融的提升具有时滞性，其对企业智能化水平的影响亦可能呈现出延迟效应[16]。因此，本研究在基准回归模型中，对解释变量SCFLI进行了三次滞后处理，分别生成了新变量SCFLI_L1、SCFLI_L2、SCFLI_L3，并据此进行了深入的回归分析。根据表3第(1)列、第(2)列、第(3)列所展示的结果，本研究发现，即便在考虑了解释变量滞后性的情况下，模型依然保持显著。
4.2.2. 控制省份固定效应
参考陈嘉滢的研究方法，增加控制省份的固定效应，以避免省份层面未观测到因素干扰[17]，见表3。
Table 3. Robustness test
表3. 稳健性检验
变量 |
IM Level |
(1) |
(2) |
(3) |
(4) |
SCFLI_L1 |
0.601** |
|
|
|
(2.171) |
SCFLI_L2 |
|
0.677*** |
|
|
(2.620) |
SCFLI_L3 |
|
|
0.543** |
|
(2.263) |
SCFLI |
|
|
|
0.987*** |
(3.520) |
_cons |
0.214 |
−1.433 |
−1.576 |
−0.765 |
(0.984) |
(−0.299) |
(−0.329) |
(−0.152) |
控制变量 |
Yes |
Year |
Yes |
Id |
Yes |
Province |
No |
Yes |
Observations |
17,522 |
17,522 |
17,522 |
17,522 |
4.3. 内生性检验
PSM倾向得分匹配
Table 4. Endogeneity test (1)
表4. 内生性检验(1)
5 |
匹配前/后 |
处理组均值 |
对照组均值 |
偏差(%) |
误差消减百分比(%) |
Growth |
匹配前 |
0.514 |
11.494 |
−1.3 |
97.7 |
匹配后 |
0.514 |
0.263 |
0.0 |
FirmAge |
匹配前 |
2.958 |
2.867 |
27.2 |
95.5 |
匹配后 |
2.958 |
2.962 |
−1.2 |
TobinQ |
匹配前 |
1.994 |
2.103 |
−6.0 |
99.3 |
匹配后 |
1.994 |
1.993 |
0.0 |
注：其他控制变量亦显著，不一一列举。
Figure 1. Endogeneity test diagram
图1. 内生性检验图
本研究采用PSM倾向得分匹配方法严格控制变量影响，根据表4、图1实证结果显示，参与供应链金融的企业相较于未参与的企业，在智能化转型的关键指标上表现出显著提升，有力证实了供应链金融对企业智能化转型具有显著的促进作用。
5. 进一步分析
5.1. 异质性分析
Table 5. Heterogeneity analysis (1)
表5. 异质性分析(1)
变量 |
ESG |
(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
(7) |
东部 |
中部 |
西部 |
国企 |
非国企 |
高竞争行业样本 |
低竞争行业样本 |
IM Level |
0.953*** |
0.328 |
0.304 |
0.398 |
0.972*** |
1.160*** |
0.573 |
(2.645) |
(0.634) |
(1.196) |
(0.741) |
(2.870) |
(3.360) |
(1.298) |
Constant |
−4.702 |
15.308** |
−10.565*** |
−3.731 |
3.247 |
11.093* |
−20.760** |
(−0.685) |
(2.482) |
(−3.310) |
(−0.440) |
(0.629) |
(1.901) |
(−2.249) |
Controls |
控制 |
Year |
Yes |
Id |
Yes |
R-squared |
0.079 |
0.149 |
0.224 |
0.112 |
0.087 |
0.112 |
0.078 |
Observations |
12246 |
2863 |
2404 |
6498 |
10635 |
8647 |
8819 |
5.1.1. 基于产权性质
本研究基于我国企业产权性质的显著异质性，将研究样本精准区分为国有企业与非国有企业两大群组，旨在通过严谨的对比分析，深入剖析不同产权背景下供应链金融对企业智能化转型影响的差异性。如表5所呈现的回归分析结果清晰地揭示，相较于国有企业，非国有企业在供应链金融的推动下，其智能化水平展现出更为显著的提升效应。这一发现可归因于非国有企业面临更为激烈的市场竞争环境，需具备高度的资源配置灵活性以快速响应市场波动。供应链金融的介入，为非国有企业提供了关键的资金流动性补充与风险管控机制，进而有力地促进了其技术创新活动与智能装备的迭代升级。
5.1.2. 基于地理位置
参考曾绍伦的方法以及表5结果，本研究依据地理位置将样本细分为东部、中部及西部三大区域，分析结果显示，东部企业的供应链金融对其智能化进程的推动作用显著超越中部与西部地区[18]。此现象主要归因于东部凭借得天独厚的地理位置优势及显著的产业集聚效应，为供应链金融的高效运用奠定了坚实基础。东部企业能够更为娴熟地整合各类资源，有效降低融资成本，并迅速将资本优势转化为智能化升级的强大驱动力。相比之下，中西部企业在信息化建设及科技创新能力方面尚存差距，一定程度上制约了供应链金融效能的充分发挥，导致其对企业智能化水平的提振作用相对有限。
5.1.3. 基于行业性质
本研究采用行业赫芬达尔–赫希曼指数(HHI)衡量行业的集中程度，进而对行业的竞争情况进行测度。HHI值越高，表示行业集中度越高，竞争相对可能更激烈。本文根据HHI值，对企业样本进行了严谨且科学的分类，将其划分为置身于高竞争行业(HHI值处于前50%)与低竞争力行业(HHI值处于后50%)的两大群组。表5回归分析所呈现的数据结果有力地佐证了这样一个结论：相较于低竞争行业的企业，处于高竞争行业的企业在供应链金融的赋能之下，其智能化水平实现了更为显著的飞跃式提升。这一显著差异可归因于高竞争行业企业所面临的更为激烈的市场竞争环境以及更为丰富的市场机遇，这些外部因素驱动它们更为积极主动地运用供应链金融这一金融工具，以优化自身的资源配置结构，加速推进智能化转型的步伐，从而在激烈的市场竞争中稳固并拓展其竞争优势地位。
6. 研究结论与政策建议
6.1. 研究结论
本研究选取2009~2022年中国沪深A股上市公司作为研究样本，运用严密的实证分析框架，系统探究了供应链金融对企业智能化水平的影响机制。研究结果显示，供应链金融对企业的智能化进程具有显著的促进作用，并且这一结论在经过稳健性与内生性检验后依然保持稳健。
在进一步的分析中，本研究发现，非国有企业、高竞争行业企业以及东部地区的企业，在供应链金融的助力下，其智能化水平的提升尤为显著。这一发现验证了供应链金融对不同类型企业智能化转型的差异化影响，并且揭示了其背后的内在逻辑和影响路径。
具体而言，供应链金融通过优化资金配置、降低融资成本、增强供应链协同效应等多种方式，为企业智能化转型提供了有力的支持。对于非国有企业而言，供应链金融缓解了其融资难、融资贵的问题，为其智能化投资提供了必要的资金保障。在高竞争行业中，供应链金融帮助企业快速响应市场需求，加速产品创新和技术升级，从而提升智能化水平，增强市场竞争力。而对于东部地区的企业，供应链金融的发达程度和基础设施的完善性，为其智能化转型提供了更为有利的环境和条件。
此发现深化了我们对供应链金融作用机制的理解，还为政策制定者与企业管理者提供了重要的参考和启示。政策制定者应进一步完善供应链金融相关政策，鼓励金融机构创新服务模式，以更好地支持企业智能化转型。企业管理者则应积极利用供应链金融工具，优化资源配置，加速智能化进程，提升企业的核心竞争力。
6.2. 政策建议
6.2.1. 企业角度
鉴于供应链金融对智能化水平的显著促进作用，尤其是在非国有企业、高竞争行业及东部企业中表现更为突出，企业管理者应当采取以下措施：
首先，积极利用供应链金融工具优化资金配置。企业应合理规划和运用供应链金融手段，如应收账款融资、库存融资等，有效缓解资金压力，降低融资成本，为智能化转型提供充足的资金支持。通过优化资金结构，提高资金使用效率，为企业的智能化发展奠定坚实基础。
其次，深化供应链上下游合作，构建协同体系。企业应加强与供应链上下游企业的紧密合作，建立高效、协同的供应链金融体系。通过信息共享、风险共担等机制，提升供应链的整体运作效率，降低交易成本，为智能化转型创造有利条件。进一步说，通过协同创新，推动供应链各环节的智能化升级，实现共赢发展。
最后，以技术创新为驱动，提升核心竞争力。在供应链金融的支撑下，企业应加大技术创新投入，推动产品研发、生产流程、管理模式等方面的智能化升级。通过技术创新，提高企业的生产效率、产品质量和服务水平，增强企业的市场竞争力，实现可持续发展。
6.2.2. 政府角度
政府应进一步完善供应链金融相关政策，以更加精准和有效的措施支持企业发展。具体建议如下：
一方面，鼓励金融机构创新供应链金融服务模式。政府可以设立专项基金或提供税收优惠，激励金融机构开发适合非国有企业和高竞争行业的供应链金融产品。引导金融机构加强与科技企业的合作，利用大数据、人工智能等技术优化风险评估模型，提高供应链金融服务的精准性和效率。此外，鼓励金融机构提供差异化服务，针对不同行业、不同规模的企业提供定制化的供应链金融解决方案，满足企业的多元化需求。
另一方面，加大供应链金融基础设施建设投入。政府应增加对东部及其他地区供应链金融基础设施的投资，如建设供应链金融信息平台、完善支付结算体系等，提高供应链金融服务的便捷性和可及性。与此同时，促进区域间供应链金融基础设施的互联互通，推动形成全国统一的供应链金融市场，为各类企业提供更加公平、高效的供应链金融环境，推动经济整体向智能化、高端化迈进。
基金项目
1. 浙江省市场监督管理局2025年度科技计划项目：地理信息产业产业链质量提升研究(浙市监质〔2024〕7号)。
2. 碳壁垒对江苏绿色贸易发展的冲击效应模拟与应对策略研究(24EYC014)。
3. 江苏省企业数字化转型与其碳中和目标实现：影响估计、路径分析及对策研究(2022SJYB0108)。
4. 江苏高校哲社研究重大项目“新发展格局下数字平台赋能江苏专精特新企业价值链升级研究(2023SJZD067)”。
5. 面向小微企业普惠信贷的风险评估模型研究，批准号2021SJA0113，2021江苏高校哲学社会科学研究项目。
6. 江苏省教育厅高校自然科学研究面上项目，江苏省小微企业普惠信贷风险评估模型研究，22KJB630002。
7. 国家自然科学基金青年项目“多源数据驱动下基于可解释机器学习的小微企业信用风险评估研究”(72401144)。
8. 国家级大学生创新创业训练计划：我国企业“智改数转”对供应商ESG表现的影响(202410293071Z)。