人工智能时代动态能力与循环制造对企业可持续绩效的优化机制研究

本研究聚焦AI时代制造业可持续发展挑战，探讨了动态能力(DC)与循环制造(CM)如何通过竞争优势(CAD)中介作用提升企业可持续绩效(SPM)。基于越南306家制造企业的PLS-SEM实证分析，验证了AI驱动下资源重构与循环经济策略的协同效应，为制造业数字化转型提供了理论依据和实践路径。

随着人工智能技术的迅猛发展，全球制造业正面临前所未有的转型压力。资源短缺、环境恶化与社会期望升级构成三重挑战，迫使企业重新审视传统线性生产模式。联合国2030年可持续发展目标(SDGs)更强化了企业平衡经济、环境与社会维度的紧迫性。越南作为快速工业化国家，其制造业在拥抱AI技术实现可持续发展目标过程中，既面临政策支持机遇，又遭遇中小企业资源限制的独特困境。

在此背景下，胡志明市外国语信息大学的Tung-Thanh Le、Po-Tsun Lin、Dang Thi Viet Duc、Tri-Quan Dang和Luan-Thanh Nguyen研究团队在《Sustainable Futures》发表创新研究，通过整合实践基础观(PBV)、动态能力(DC)和循环经济(CE)理论框架，构建了AI驱动可持续绩效的理论模型。研究首次系统论证竞争优势在资源优化与可持续发展间的中介机制，为制造业数字化转型提供重要理论支撑。

研究采用横断面调查设计，通过多阶段抽样从越南制造业获取306份有效问卷。关键方法包括：1）基于文献开发36项Likert七点量表测量工具，经专家效度检验；2）应用偏最小二乘结构方程模型(PLS-SEM)进行高阶构念分析，结合重复指标法和两阶段法验证模型；3）通过Bootstrapping（5000次抽样）检验中介效应，确保统计结论稳健性。

理论框架构建方面，研究创新性地将动态能力分解为感知能力(SCD)、捕捉能力(LCD)和重构能力(RCD)，将循环制造操作化为清洁生产设计(CPD)和循环产品设计(CND)。竞争优势(CAD)作为中介变量，可持续绩效(SPM)则从环境绩效(EPD)、社会绩效(SPD)和经济绩效(EDD)三个维度测量。

测量模型验证结果显示，所有构念的Cronbach's α值均大于0.7，组合信度(CR)超过0.8，平均变异抽取量(AVE)高于0.6，HTMT比率低于0.85，证实量表具有良好信效度。方差膨胀因子(VIF)均小于5，排除多重共线性问题。

结构模型分析揭示关键路径：动态能力对竞争优势的直接效应显著(β=0.382, p<0.001)，循环制造对竞争优势影响显著(β=0.187, p<0.05)。竞争优势对可持续绩效作用强度最大(β=0.449, p<0.001)，而动态能力(β=0.137, p<0.05)和循环制造(β=0.196, p<0.01)对可持续绩效的直接效应相对较弱，凸显竞争优势的关键中介角色。

中介效应检验证实，动态能力通过竞争优势影响可持续绩效的间接效应显著(β=0.172, p<0.001)，循环制造的间接效应同样成立(β=0.084, p<0.05)。竞争优势的中介作用解释为何单纯技术投入未必转化为可持续成果，必须通过市场竞争优势实现价值转化。

预测效能评估显示，模型对竞争优势的解释方差(R²)为27.8%，对可持续绩效的解释方差达43.4%。Stone-Geisser的Q²值均大于0.26，表明模型具有中等以上预测能力。效应量(f²)分析进一步确认竞争优势对可持续绩效的贡献最大(0.239)。

研究结论强调，人工智能技术必须与组织动态能力和循环制造实践深度融合，通过竞争优势传导机制，才能有效提升可持续绩效。动态能力使企业敏捷应对市场变化，循环制造优化资源流动，而竞争优势则将技术创新转化为市场价值，最终实现三重底线平衡。

理论贡献方面，研究突破传统资源基础观(RBV)局限，通过实践基础观(PBV)揭示可复制实践对绩效的影响机制。动态能力与循环制造的交互作用模型，为可持续发展研究提供新视角。实践启示在于，企业应摒弃技术单点突破思维，构建AI赋能、能力驱动、循环导向的协同体系，将可持续性嵌入核心竞争战略。

研究局限为样本集中于越南制造业，未来需跨行业、跨文化比较验证模型普适性。纵向追踪AI技术采纳后的绩效演变，以及纳入更多调节变量（如组织规模、市场环境）将是重要方向。该研究为制造业在AI时代实现可持续发展提供了理论地图和实践指南，标志着资源优化研究从技术应用层面向战略生态层面深化的重要转折。