事实上，今年第一季度时绝大多数人都预计增长会加速，专家们也并未明确敲响供应跟不上的警钟。没错有一些知名宏观经济学家确实曾警告说高度宽松的货币政策、高涨的家庭储蓄余额、被压抑的需求和大规模财政支出会结合起来大幅增加通胀风险。而且这些（似乎日渐展现出先见之明的）预测意味着总需求的激增（在海量流动性和虚高资产价格的推动下）可能能超出供应。但这种不平衡状况的持续时间仍是未知之数，许多人认为通胀——以及由此产生的供应中断——将会是“过渡性的”。

许多观察家仍然相信情况就是如此。但全球供应链的参与者们越来越多地预测短缺、积压以及供需之间的不平衡将持续到2022年甚至以后。

全球经济增长似乎将在某个重要时期被供应所压制——这与2008年全球金融危机后的几年形成鲜明对比。虽然需求的激增可能比新冠疫情中期所预测的要大，但它却是对疫情复苏期高增长预测的基础。

这迫使我们必须首先厘清两个基本的供给侧问题：首先，是否存在一些在疫情相关障碍被清除后仍将持续存在的潜在供应限制？其次，全球供应链的配置和运作中是否存在某些影响供应反馈的因素？

人们可以合理地认为新冠疫情对一些供应因素造成了半永久性的改变。首先，尽管各类疫情支持机制都在缩减，但许多劳动者已经退出或者推迟重新进入劳动力市场。这可能与一些人——比如卫生保健人员——在疫情期间高度紧张或危险的工作条件有很大关系。许多货运从业者也曾被迫在船上滞留数月。

如果想要当前的劳动者去承担这样的岗位，他们可能会要求更优厚的补偿金和更好的工作条件。同理，许多在疫情期间转为远程工作的员工也在抵制回到办公室全日办公。这种需求和偏好的转换意味着劳动力市场的许多部分会发生供给侧变化，且长期影响未知。

但劳动力供应的影响只是故事的一部分。我们早就知道需求的激增即将到来。那么全球供应链为何还是被打了个措手不及？

其中一个原因是被压抑需求在疫情真正结束之前就已经释放出来了。但在需求增加的同时与疫情相关的干扰因素继续影响着主要港口和制造设施，抑制了供应反馈。

另一个因素是，需求的增长似乎已经超过了系统的峰值负荷。扩大这一能力需要增加投资以及——更重要的——时间。但虽然高峰负荷能力对于供电这类服务是至关重要的（电力很难储存），但对货物来说却不那么重要，同时对后者的需求必须通过一个运作良好的、可以预测突发事件并分散订单流的系统来管理。

而问题就出在这里。当前构建的全球供应网络是复杂、分散且紧密缠绕的，以便最大限度地提高效率和减少浪费。虽然这种做法在正常情况下是有效的，但却无法应对重大冲击或扰动。特别是分散化会导致对抗冲击能力的投资不足，因为这种投资所产生的私人回报要远远小于全系统所获得的回报或利益。

分散化的另一个后果则更为微妙，而要解释这一点的最佳比喻莫过于天气预报：尽管天气是一个极其复杂和相互关联的系统所产生的结果，但对其的预测正变得日益精准，这要归功于各类高度复杂的模型——它们能捕捉到多种相关因素（比如风、大气和海洋温度以及云的形成）相互作用的方式。

全球供应网络也同样复杂。但尽管我们或许能够预测到大的趋势（比如需求会增加），却没有任何一个或一组模型能够精确预测这种趋势会如何影响多条供应链中的诸多具体要素。比如我们没法知道哪里会出现新的瓶颈，更不用说市场参与者应如何调整自身行为了。

当预测不够具体并因此不具备可操作性时，系统就不能及时或有效地进行调整。这个系统本质上是近视的：它得等到阻塞发生时才能发现问题。同时由于其体系内设置的缓冲相对较少，对正常模式的巨大偏离会产生延迟反应、短缺、积压和瓶颈，正如我们当前看到的那样。

因此产生的结论很明确：我们需要更好的模型来预测供应链将如何发展，包括它们对冲击的可能反应。这些预测需要公开以便所有参与者都能看到它们并进行调整。对此人工智能可能是成功的关键；事实上该技术简直就是为此而生的。但各国共享供应链网络实时数据的国际合作也是必要的。

当准确的预测使人们能够提前计划时，飓风或海啸所带来的破坏就会大大降低，而供应链的阻塞也是如此。

本文发表于世界报业辛迪加网站：

https://www.project-syndicate.org/commentary/prevent-future-supply-chain-disruptions-using-ai-models-by-michael-spence-2021-11/chinese