物流服务供应链数字化转型的模式选择研究：合作研发还是数据赋能？

王 迪， 刘伟华， 石晓冉，3， 魏 爽

（1.山西财经大学 管理科学与工程学院，山西 太原 030006；2.天津大学 管理与经济学部，天津 300072；3.天津理工大学 管理学院，天津 300384）

1 引言

随着新一代信息技术的迅速发展，数字经济成为驱动我国产业转型升级的重要抓手［1］。《“十四五”数字经济发展规划》提出“到2025年，数字经济迈向全面扩展期，数字经济核心产业增加值占GDP比重达到10%。”中国作为全球最大的物流市场，数字化转型无疑是物流业高质量发展的新动能。近年来，以“物流服务提供商—物流服务集成商—终端客户”为基本结构的物流服务供应链得到理论与实践的高度关注［2-4］。以菜鸟网络科技有限公司为例，作为物流服务集成商，菜鸟网络具有资本、技术、整合能力等方面的优势，负责打造高效的物流基础设施网络，物流服务交付则由中通快递等物流服务提供商完成，上下游成员优势互补，共同为客户提供高质量的物流服务产品［4］。

为了完成数字化转型，物流服务供应链中的成员面临模式选择的问题。实践中存在两种被广泛采用的数字化转型模式：合作研发和数据赋能。合作研发模式下，参与者建立跨组织合作伙伴关系，实现高效的资源配置，降低企业单独研发的高昂成本［5，6］。例如，物联网科技公司G7、蔚来资本、普洛斯等企业针对自动驾驶技术和物流大数据应用等项目进行合作研发；京东物流与上汽通用五菱汽车股份有限公司合作研发远程循环取货等智能仓储技术。数据赋能模式下，具有数据优势的成员通过对数据的获取与分析，向数据劣势的一方赋能，被赋能者由此实现能力提升［7］。物流服务集成商作为核心企业，能够汇集需求侧和供给侧的数据资源，形成天然的数据优势，通过为物流服务提供商赋能帮助其降本增效。例如，菜鸟网络为中通快递提供数据赋能，帮助中通实现高效智能分单，使得中通的订单处理速度、准确性、服务效率大幅提升，中通快递董事长指出，基于数据赋能，中通实现了有效的资源整合与成本降低。

与本文密切相关的研究成果涉及三大领域：数字化转型、合作研发以及数据赋能。针对数字化转型的相关研究，学者们更多聚焦于数字化转型的内涵界定及其影响［8］以及细分领域的案例研究［9］。转型模式是组织成功完成数字化转型的关键，王永贵和汪淋淋［1］按照驱动因素的差异提出四种传统企业转型模式，包括效率提升驱动、客户体验驱动、业务变革驱动和商业模式创新驱动的数字化转型模式。杨卓凡［10］从产业数字化转型的动因角度，提出由社会动因主导的倒逼模式和由创新动因主导的增值服务模式。鲜有学者从供应链视角出发，在考虑各方成员博弈的基础上定量分析物流服务供应链数字化转型的模式选择问题。

针对合作研发的相关研究，王慧和王谦［6］提出供应链上下游成员通过紧密合作可以有效提升研发效率。在合作研发的多种形式中，投资与成本共担得到较多关注［11-14］，一方面，降低成本是企业开展合作研发最关键的动机［11］，另一方面，相比于信息共享等形式，基于投资和成本共担的合作研发不要求双方进行核心信息交换，达成合作的可行性较大。Hu等［13］考虑了制造商和零售商合作研发过程中不同的投资方式，研究渠道力量和成本因素对供应链决策的影响。张汉江等［14］采用成本共担形式刻画供应商与制造商的合作研发关系，研究供应链的最优碳减排问题。黄波等［15］提出固定比例成本共担机制容易引发成员关于共担比例的矛盾。Gui等［16］提出“个体责任”成本共担方式，发现这种方式能够减少成本共担机制中的搭便车现象。已有部分学者在物流服务供应链研究中引入成本共担契约［17，18］，旨在实现物流服务供应链的协调。

针对数据赋能的相关研究，学者们更多聚焦于数据赋能的概念梳理与案例分析［7，19，20］，采用定性研究方法居多，孙新波等［7］认为数据赋能强调通过数据获取、分析和运用，为赋能对象提供能力获得和价值创造的可能性。关于数据赋能影响的定量研究相对较少，肖迪等［21］研究平台数据赋能背景下电商供应链的成本分担策略，提出市场需求随数据赋能程度递增。胡强等［22］研究电商平台对竞争性商家的数据赋能策略，提出数据赋能可以增加消费者效用。

本文构建由物流服务提供商和物流服务集成商组成的物流服务供应链，研究合作研发模式和数据赋能模式下的最优技术数字化水平、服务数字化水平、数字物流服务产品定价以及成员利润。试图回答以下问题：（1）在两种模式下，物流服务供应链中各成员的均衡决策及利润是什么？（2）合作研发程度和数据赋能程度对成员均衡决策及利润的影响机理有何差异？（3）从提高决策水平与增加利润两个角度来看，在何种条件下，物流服务供应链成员应选择合作研发模式？在何种条件下，应选择数据赋能模式？

2 问题描述与模型假设

考虑由一个物流服务提供商（logistics service provider，LSP）和一个物流服务集成商（logistics service integrator，LSI）组成的物流服务供应链。具有集成管理能力优势的LSI通过整合上游LSP的功能型物流服务，向客户提供一体化的数字物流服务产品（digital logistics service product，DLSP）。与文献［4，17］一致，本文聚焦于LSI主导的博弈情境。在数字化转型过程中，技术架构层面的数字化水平t由核心企业LSI决策［23］，旨在搭建数字底座，例如，建立智慧物流信息平台、研发智能化调度与可视化监管系统等。物流服务交付层面的数字化水平s受到LSI和LSP的共同影响，一方面，由LSP的物流服务数字化水平e决定，此项决策依赖于LSP的自有服务能力，即使不与LSI建立业务关系，LSP依然能够独立完成［4］。另一方面，先进的技术架构能够为LSP交付服务提供支撑，m表示技术架构数字化水平对交付数字化水平的影响程度。参照文献［17］，假设s＝e＋mt，其中e由LSP自主决策，mt与LSI决策的t相关。后文简称t为“技术数字化水平”，e为“服务数字化水平”。

市场需求函数如下：D＝a-bp＋t＋s，根据s＝e＋mt，则D＝a-bp＋（1＋m）t＋e。其中b表示市场需求总量对p的弹性系数，将市场需求对t与e的弹性系数进行归一化处理，假设0＜b≤1，在数字经济时代，数字化转型成为全新的消费增长引擎，客户追求数字技术带来的极致服务体验，相比于服务定价，他们对技术和服务数字化水平的变动更加敏感。

具体决策过程如图1所示：LSI首先决策技术数字化水平t，总成本为C（t）＝gt2，g表示技术数字化转型的成本系数，g越小，成本效率越高［24］。其次，LSI决策p，按照抽成比例u向LSP支付单位物流服务批发价格［25］。基于此，LSP决策e，总成本C（e）＝ke2，k表示服务数字化转型的成本系数，考虑技术数字化水平的影响mt，交付数字化水平s由此确定。

图1 物流服务供应链的决策变量与决策顺序

在合作研发模式下，一方面，LSI与LSP为对方承担比例θ的成本，实践中，企业可以通过承担不同环节研发费用等方式落实成本共担。另一方面，核心企业LSI为LSP提供投资θF，θ表示合作研发程度，F表示合作研发投资上限，即合作研发程度最大化时LSI提供的投资额［17］。在数据赋能模式下，LSI需要进行固定投资rI用于数据赋能准备工作，r表示数据赋能程度，I为数据赋能投资上限，不同于合作研发模式，数据赋能相关投资是LSI因配置技术架构产生的支出，并非给予LSP的转移支付。数据赋能有助于企业优化资源调度，降低各环节成本浪费，实现成本降低［19］，LSP接受数据赋能后，成本系数降低至k（1-r），服务数字化总成本为，此项假设形式与Wang等［17］一致；依托数据支持，LSP还可以获得精准的客户画像，提升数字化物流服务的需求转化率，胡强等［22］提出数据赋能有助于迎合客户偏好，具有需求促进作用。假设数据赋能后，单位服务数字化水平e吸引的市场需求增加至（1＋r）e，此项假设形式与文献［17］和［21］一致。上述假设反映了数据赋能“降本”和“增效”的影响，例如，中储智运作为网络货运领域的集成商企业，通过区块链、大数据等先进技术应用，帮助物流服务提供商优化运输线路，提升运输效能，有效实现降本增效。

本文使用的具体符号及其说明见表1。在后文的分析中，用上标“*C”和“*E”分别表示合作研发模式与数据赋能模式下的最优解。

表1 模型符号及定义

3 模型求解

3.1 基准模式

当物流服务供应链中的成员不选择合作研发或数据赋能模式时，LSP和LSI的利润函数如下

双方以利润最大化为决策目标，采用逆向归纳法求解最优决策及利润，可得引理1。

引理1基准模式下，最优技术数字化水平、DLSP定价以及服务数字化水平如下

LSI和LSP的最优利润为

为保证均衡解有实际意义，假设［4bg-u（1＋m）2］k-2g（1-u）＞0，即，表示服务数字化转型成本系数高于一定门槛。

通过敏感性分析，可得命题1。

命题1基准模式下，u对成员最优决策与利润的影响如下

（3）若k≥k2，。

命题1表明，基准模式下，服务数字化水平随抽成比例递减，技术数字化水平、DLSP定价以及LSI利润随抽成比例的变化趋势则与服务数字化转型成本系数k相关。当k较低时，意味着LSP可以通过较低成本带动需求增加，随着抽成比例的增加，LSI的最优选择是降低技术数字化水平以节约转型成本，降低DLSP定价以扩大市场规模，LSI利润随抽成比例递减。当k适中时，LSI将提高技术数字化水平，降低DLSP定价，LSI利润随抽成比例递增。当k较高时，技术数字化水平、DLSP定价以及LSI利润均随抽成比例递增。根据命题1，当LSP提升服务数字化水平的成本效率较高时，LSI应该降低抽成比例，更多让利于LSP，充分发挥物流服务数字化转型对市场需求的撬动力量。

3.2 合作研发模式

当LSP与LSI选择合作研发模式时，物流服务供应链成员的利润函数如公式（3）和（4）所示。

采用逆向归纳法求解可得引理2。

引理2合作研发模式下，最优技术数字化水平、DLSP定价以及服务数字化水平如下

LSI和LSP的最优利润为

其中A＝［4bku（1-θ）2＋（3＋θ）u＋2θ-（3-θ）u2］（1-u）g＋u3θk（1＋m）2。

通过对合作研发程度和抽成比例的敏感性分析，可得命题2和3。为确保均衡解有实际意义，假设

命题2合作研发程度θ对成员最优决策与利润的影响如下

（3）当F＜FC时，否则，。

命题2表明，当合作研发程度大于相应阈值时，t*C、e*C、p*C均随合作研发程度递减。原因在于，双向成本共担机制既为双方提供了“激励”，同时也形成了“约束”——LSI和LSP既希望深化合作研发程度，使得对方为自己分摊更多成本，也需权衡为对方分担的成本。LSI作为核心企业，除了成本分担，还需要支付投资θF，随着θ的增加，投资额不断增加，同时，技术数字化水平提升导致转型成本上涨，DLSP定价提高则对市场需求带来负向影响，在上述因素共同作用下，当θ超过临界阈值后，t*C、e*C和p*C随θ递减。θ对的影响取决于合作研发投资上限F，若F过高，即使合作研发能够对成员决策产生正向影响并导致收益增加，也难以覆盖投资支出。

命题3合作研发模式与基准模式下的最优决策与利润满足以下关系

（1）当0≤θ＜θ1时，t*C≥t*，e*C≥e*，p*C≥p*。

（2）当θ1≤θ＜θ2时，t*C≤t*，e*C＜e*，p*C＞p*。

（3）当θ2≤θ＜1时，t*C＜t*，e*C＜e*，p*C≤p*。

根据命题3，当合作研发程度小于一定阈值时，与基准模式相比，LSI和LSP开展合作研发能够提高决策水平，但当合作研发程度过高，开展合作研发反而导致成员做出低于基准模式的决策。只有合作研发投资额上限低于阈值，LSI才能够获得高于基准模式的利润，因此在现实中，核心企业不宜设置过高的合作研发投资。

命题4合作研发模式下，u对成员最优决策与利润的影响如下

不同于命题1，根据命题4，只有当“抽成比例高于合作研发程度”（即u-θ＞0）与“LSP成本系数k较低”两个条件同时满足时，抽成比例对技术数字化水平和LSI利润的负面影响才会开始显现，这是因为合作研发程度与抽成比例的影响之间产生“抵消效应”。当k较低时，DLSP定价随抽成比例递减，服务数字化水平随抽成比例递增。原因在于不开展合作研发时，LSI和LSP之间仅按照抽成比例对DLSP定价进行分配，LSI获取较大比例单位收益必然导致LSP的单位收益受损，进而降低服务数字化水平。而在合作研发模式下，受“激励”和“约束”双重作用影响，双方在一定程度上形成同盟关系，双重边际化效应得以减弱，LSI获得较高单位利润后，为LSP分担成本的实力增强，LSP的服务数字化水平出现随抽成比例递增的结果。

3.3 数据赋能模式

为更好地实现数字化转型，具有数据优势的LSI为LSP进行数据赋能，LSI和LSP的利润函数如公式（5）和（6）所示。

引理3数据赋能模式下，最优技术数字化水平、DLSP定价及服务数字化水平如下

LSI和LSP的最优利润为

其中B＝4bk（1-r）-3（1-u）（1＋r）2。

命题5数据赋能模式下，r对成员最优决策与利润的影响如下

（2）当I＜IE时，，否则；IE＝。

命题5表明，技术数字化水平、服务数字化水平，以及DLSP定价均随数据赋能程度r递增，数据赋能模式下的决策水平始终高于基准模式。LSI的最优利润随数据赋能程度的变化趋势取决于数据赋能投资上限I，当I超过阈值IE时，核心企业利润随数据赋能程度递减，原因与命题2类似，即当投资上限设置过高时，数据赋能程度对收益的正向影响难以弥补投资支出。然而，只要LSI的数据赋能投资额上限低于阈值I，核心企业便能够获得高于基准模式的利润。

命题6数据赋能模式下，u对成员最优决策与利润的影响如下；当时，否则。

命题6表明，在数据赋能模式下，DLSP定价和服务数字化水平始终随抽成比例递减。当服务数字化转型成本系数较高时，技术数字化水平和LSI利润随抽成比例的增加而递增，若LSP提升物流服务数字化水平的成本系数较低，技术数字化水平和LSI利润则会随抽成比例的增加而递减。

3.4 模式选择

本节分析数字化转型模式选择问题，当LSI与LSP面对模式选择时，双方通常会针对两种模式的拟开展业务进行研判，对预期的合作研发程度与数据赋能程度以及相应的专项投资进行评估。

命题7比较两种模式下的最优决策t*、p*和e*，可得

（4）为提高技术与服务数字化水平，当k＞max｛kt，ke，kp｝时，LSI和LSP均应选择合作研发模式；当k＜min｛kt，ke，kp｝时，LSI和LSP均应选择数据赋能模式。

根据命题7，通过测算相关参数，可以得到两种模式下最优决策相同时所对应的服务数字化转型成本系数阈值，称之为“等价阈值”。当k低于相应的等价阈值时，数据赋能模式下的决策水平均高于合作研发模式，反之，结果相反。当k较低时，合作研发模式下成本分担机制对LSP的吸引力不足，且LSP还需要为LSI分摊成本，服务数字化水平甚至会随合作研发程度递减（命题2），此时通过数据赋能实现降本增效能够帮助LSP更加显著地提升服务数字化水平。当k较高时，成本共担机制和合作研发投资能够显著降低LSP的成本压力，合作研发模式下各成员的决策水平更高。命题7还为数字化转型模式选择提供了一种简单的判断方式：若LSP需要为服务数字化转型付出较高成本（k＞max｛kt，ke，kp｝），为提升技术与服务数字化水平，双方应一致选择合作研发模式；若服务数字化转型成本较低（k＜min｛kt，ke，kp｝），双方应一致选择数据赋能模式。

两种模式下LSI与LSP的最优利润对比与合作研发或数据赋能投资上限F和I有关，假设两种模式投资上限的数值关系为F＝nI，可得命题8。

命题8比较两种模式下的和可得

（1）当F＞F0时，，否则；。

命题8表明，当F较高时，合作研发模式下的LSP利润增加效果“立竿见影”，数据赋能模式通过降本增效帮助LSP实现利润增加的成效相对较弱。LSI需要综合分析两种模式的投资上限，衡量与n的关系，进而选择利润更高的转型模式。表示LSI与LSP双方预期合作研发程度与预期数据赋能程度的相对强弱，n表示两种模式投资上限的数值比例关系。最后，命题8给出了LSI与LSP以利润提升为目标，一致选择合作研发模式或数据赋能模式的阈值条件。

4 数值分析

采用Matlab R2016a进行数值仿真，分析合作研发与数据赋能两种模式下的最优决策与利润。参照文献［4］，基础参数设定如下：a＝50，k＝3，g＝10，b＝1，m＝0.2，n＝1，I＝10，F＝10，u∈（0，1），θ∈［0，1），r∈［0，1）。

4.1 合作研发程度的影响

图2表明，随着θ的增加，技术数字化水平t*C、DLSP定价p*C以及物流服务数字化水平e*C均呈现先递增，后递减的变化趋势。当θ处于一定区间内时，合作研发模式下的决策水平高于基准模式，即θ＝0时的决策结果。

图2 θ对LSSC最优决策的影响

图3 θ对的影响（F＝7）

4.2 数据赋能程度的影响

图4表明，成员最优决策均随r递增，且服务数字化水平的增长幅度大于技术数字化水平，因为LSP是数据赋能模式的直接受益者。数据赋能模式下的决策水平始终高于基准模式下的决策水平，即r＝0时的决策结果。和的影响（I＝30）

图4 r对LSSC最优决策的影响

图5表明，在IE＜I对应的数据赋能程度r范围内随r递减，在IE＞I对应的r范围内，随r递增。随着r的增加先递增、而后递减，这是因为当数据赋能程度过高时，DLSP定价提升导致市场需求降低，服务数字化水平的提高意味着LSP产生更高成本支出，最终LSP利润随数据赋能程度递减。

图5 r对

4.3 抽成比例的影响

图6展示了合作研发模式下物流服务供应链中抽成比例对成员决策与利润的影响。以技术数字化水平和LSI利润为例，若，技术数字化水平和LSI利润随抽成比例递增，若，t*C和随抽成比例递减。

图6 u对t*C和的影响（k＝0．5）

图7表明，当服务数字化转型成本系数较高时，t*E和随u递增，当服务数字化转型成本系数较低时，t*E和随u递减，提高抽成比例并不一定有利于LSI实现决策改进与利润提升。

图7（b） u对t*E和的影响

图7 （a） u对t*E和的影响

4.4 模式比较

图8表明当k小于相应临界阈值时，数据赋能模式下的技术和服务数字化水平高于合作研发模式，DLSP定价也更高。当k大于相应阈值时，结果相反。对比kt，kp和ke的大小，当k∈（ke，kp）时，合作研发模式下的技术与服务数字化水平高于数据赋能模式，DLSP定价却更低，此时客户能够以更低价格获得数字化水平更高的物流服务产品。

图8 两种模式下的t*，p*和e*

图9表明，当双方认为企业间数据赋能程度r大于合作研发程度θ时，若LSI的投资上限F小于临界阈值，LSI和LSP均将在数据赋能模式下获得更高利润，若F过高，双方选择合作研发模式才能共同实现更高利润。和（r＝0．5，θ＝0．05）

图9 两种模式下的

5 结论与启示

本文针对由一个物流服务集成商和一个物流服务提供商组成的物流服务供应链，揭示了合作研发程度与数据赋能程度对技术数字化水平、服务数字化水平以及数字物流服务产品定价的影响，对比了两种模式下的均衡决策及利润。本文得到的结论和管理学启示如下：

第一，在合作研发模式下，随着合作研发程度的增加，物流服务供应链中的技术数字化水平、服务数字化水平，以及数字物流服务定价均呈现先递增、后递减的变化趋势。合作研发程度对LSI利润的影响与合作研发投资上限有关，当合作研发投资上限过高，LSI的利润反而会随着合作研发程度的深化而递减。在数据赋能模式下，物流服务供应链中的成员决策随数据赋能程度递增。从利润角度分析，当物流服务集成商制定的数据赋能投资上限超出临界阈值时，数据赋能对收益产生的正向影响无法覆盖实际投资支出，物流服务集成商利润反而随数据赋能程度递减。

第二，在两种数字化转型模式下，物流服务供应链中核心企业的抽成比例均会对成员决策与利润产生重要影响，具体影响与服务数字化转型的成本系数紧密相关。在实践中，物流服务提供商提升服务数字化水平的成本效率存在较大差异，物流服务集成商需要从全局角度理解抽成比例对各方决策的影响机理，而非一味追求提高订单抽成比例，当提供商能够高效开展服务场景数字化革新时，核心企业应当让利于提供商。如今，许多供应链核心企业在优化智慧物流架构的同时，与垂直细分领域的物流服务提供商广泛建立战略合作，持续创新“最后一公里”场景，原因正是希望通过强强联合，打造共赢的物流服务供应链生态。

第三，关于合作研发与数据赋能两种数字化转型模式选择问题，两种模式下的技术和服务数字化水平，以及数字物流服务产品定价的对比与服务数字化转型成本系数有关。若以提高技术和服务数字化水平为目标，则当服务数字化转型成本系数大于一定阈值时，双方应一致选择合作研发模式，当成本系数小于一定阈值时，结果相反。从成员利润结果的角度来判断，物流服务提供商应当密切关注核心企业对合作研发模式的投资上限，物流服务集成商则需要综合研判，根据两种模式的预期业务程度以及投资上限，完成模式选择。本文所得结论可以为供应链中不同角色的物流企业提供决策参考。

本研究仍然存在一定的局限性，可以从以下几个方面进行拓展：第一，考虑存在多个相互竞争的物流服务提供商的物流服务供应链结构，并探讨在物流服务提供商话语权增强情境下，控制权转换对成员决策及利润的影响。第二，在考虑成本共担与投资方式的基础上，引入知识共享、建立联盟等合作研发形式，探讨不同合作研发形式的影响差异。