新冠疫情引发全球贸易问题，供应链问题随之普遍出现。
人工智能和复杂网络理论正被用于识别风险最高的对象。
区块链等其他新兴技术有望利用高质量数据分析供应链依赖关系。
2020年新冠疫情暴发时，人们发现这场公共卫生紧急事件还伴随着严重短缺，尤其是某些医疗器械短缺。
这一现象最初出现在呼吸机上：各地需求激增，供应链也受到冲击。这是因为这些设备的生产涉及多个国家，每个零部件都依赖于在其他地方制造的部件。供应链越长、依赖关系越复杂，任何一个环节受到其他环节中断影响以及强制停工的风险就越大。
如今，距离新冠疫情首次暴发已有两年，这种情况已影响全球经济几乎所有领域。“供应链问题”如此普遍，以至于如今已成了人们常挂在嘴边的笑谈，影响的商品从家具到食品杂货，无所不包。但为什么新冠疫情会如此严重地影响我们接收产品和商品的方式？
近几十年来，供应链变得精简，也随着成本效率的提高而不断延长：为了追求速度和降低成本，任何产品的制造和运输环节都在不断增加。这意味着，从你在网上下单到商品送到家门口，可能出问题的环节越来越多。
如今，下游供应商——例如向汽车制造商提供车辆控制系统的企业——依赖上游供应商（如芯片制造商）按时交货，这样他们才能及时把产品交付给你。
供应链绵延各地，多个实体如今共同承担风险。
利用人工智能和区块链保护贸易
供应链问题会产生连锁金融影响，这种现象称为贸易信贷传染。客户延迟付款，企业因此也延迟向供应商付款，便是其中一种情况。货到付款模式可能导致货运被取消或延迟，进而引发破产。
如今，贸易信贷风险中仍有很大一部分未获保险保障；在后疫情时代，保险和再保险公司或许能够填补这一保障缺口。
研究人员目前正致力于开发方法，以识别全球供应链中的脆弱环节，并了解其贸易信贷传染风险。目标是让这些系统整体上更加稳健。
我们该如何设计保险和再保险合同，以有效分担风险、降低脆弱性？可靠的贸易信贷如何减少供应链延误，并取代我们如今熟悉的困境——提前付款，却不知道何时交货？
人工智能和复杂网络理论有助于识别可能带来系统性风险的结构。它们帮助我们探究：哪些连接模式可能导致延误和贸易信贷传染，哪些模式则更加稳健？
利用这些工具，我们可以创建大规模模拟器，模拟全球供应链应对各种冲击的情形，再运用机器学习技术找出供应链中的问题环节。这些知识随后可用于市场设计，在下一场疫情或灾难发生前增强系统韧性。
区块链等其他新兴技术有望利用高质量数据分析供应链依赖关系。区块链技术使用实时数据，并由多方进行透明验证。结合智能合约等其他功能，这项技术有望及时解决供应链各环节的争议。
我的研究涉及利用区块链简化记录保存和支付流程。这项工作面临挑战，因为区块链的采用既取决于技术本身的特点，也取决于成本。
在存在正外部性的情况下采用技术（即采用该技术的企业也会改善外部参与方的运营），这是经济学中的一个老问题。但如今，这些外部性具有系统性：其影响会沿供应链传递。技术成本取决于采用该技术的企业数量，而每家企业都面临特定的业务成本，这些成本取决于其在供应链中的位置、风险承受能力以及为这些风险投保的费用。
实时记录、交易可追溯性以及区块链的不可篡改性，都有助于提高供应链效率。如果考虑整条供应链，这一点就更加明显，因为交易需要由多方验证：供应链参与者、保险公司和再保险公司。
供应链的未来
疫情之后，贸易信贷保险可能会增长。这或许需要依托公私合作伙伴关系——疫情表明，政府在对某些地区实施停工措施时，会成为重要参与方。
这些资金可用于弥补付款延迟造成的影响、减少损失，并在必要时重启关键生产。但供应链中的环节并非都能投保，一项重要挑战是在不同冲击情景下识别最关键的环节。
供应链也可以重新配置——大规模算法能够识别哪些供应商需要替换，以及需要引入哪些新供应商。
几年后，供应链可能会有所不同：总体目标将从疫情前的成本最小化，转向延误和贸易信贷风险最小化。随着需求变化，终端消费者将推动供应网络重新配置。归根结底，客户的灵活性决定了供应链的韧性。
