📈 economics

Bounded Rationality and Resilience in Global Rare Earth Supply Chains: An LLM-Powered Multi-Agent Simulation

本文介绍了一种由大语言模型驱动的多智能体模拟框架，该框架展示了通过对具有有限理性的主权决策者进行建模，与传统的静态优化模型相比，如何显著增强全球稀土供应链在面对地缘政治冲击时的韧性与成本效益。

原作者： junjie liang, ligang xu, weifeng wang, mengtao song, Siming wei

发布于 2026-07-10

📖 1 分钟阅读☕ 轻松阅读

原作者： junjie liang, ligang xu, weifeng wang, mengtao song, Siming wei

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下全球稀土元素（你手机、电动汽车和风力涡轮机中的特殊金属）的供应链，就像一场在只有五名主要玩家的棋盘上进行的、高风险的“抢球”游戏。多年来，专家们一直试图预测如果其中一名玩家突然关上门（例如实施出口禁令）会发生什么。他们使用传统的计算机程序，这些程序就像是极具竞争力的国际象棋大师：总是计算出赢得比赛的唯一“完美”步法，并假设其他所有人也都是完美的计算器。

但这里有一个转折：在现实世界中，国家并不像完美的象棋计算机那样行动。它们的行为更像人类——有时会恐慌，有时会囤积，而且通常只是为了获得“足够好”的结果，而不是精疲力竭地追求极致。

这篇论文介绍了一种模拟这些游戏的新方法。研究人员没有使用僵化的象棋计算机，而是构建了一个数字世界，其中的玩家由**大语言模型（LLM）**驱动——也就是那些能写文章、能和你聊天的同类 AI。这些 AI 智能体被设定为具有“有限理性”（boundedly rational），这意味着它们表现得更像真实的人类：它们拥有有限的信息，会感到疲劳，并且会选择一个效果尚可的方案，而不是数学意义上的完美方案。

大惊喜：“完美”的玩家反而会输

研究人员运行了数千次模拟，以观察谁能在危机期间保持稀土金属的流动。他们测试了四种类型的玩家：

随机玩家： 只是随机选择动作。
规则遵循者： 严格遵循预先写好的清单。
贪婪优化者： 那个“完美的”象棋大师，试图立即解决每一个微小的细节问题。
LLM 智能体： 这种类人 AI 会思考、会适应，有时也会说：“额，目前这样也行。”

主要的发现有点违反直觉。当压力较小（市场平稳）时，贪婪优化者变得异常狂热。它们试图去修复那些并不存在的微小问题，不断重新排列贸易路线，并投入巨额资金进行那些并不需要的变革。论文称之为“结构性过度反应”。这就像一名消防员，仅仅因为看到厨房里有一点火星，就淹没了整个房子；他们虽然“救”了房子免于火灾，却用大量的水毁掉了它。

相比之下，LLM 智能体的表现更像是有常识的成年人。它们观察情况后意识到压力并不大，于是决定不浪费精力进行大规模变革。它们保持了低成本和稳定的供应链。研究人员通过一个名为**成本效率比（CER）**的新指标来衡量这一点。在平静时期，LLM 智能体的得分较高且为正值（高效），而贪婪优化者的得分则为负值（浪费）。

当情况变得非常糟糕时

然而，论文指出，当压力达到极端水平（贸易完全中断）时，贪婪优化者实际上做得还不错，因为情况如此严峻，任何激进的行动都比坐以待毙要好。但 LLM 智能体依然表现稳健，能够快速适应并找到“足够好”的解决方案，而不会陷入恐慌。

有趣的是，随机玩家有时仅仅靠运气就能让供应缺口保持在较低水平，但这需要付出惨痛的代价。论文解释说，随机玩家就像是一个向靶盘投掷了一百万支飞镖的人；最终他确实击中了红心，但他浪费了一百万支飞镖才做到这一点。而 LLM 智能体则能精准地击中目标，且毫无浪费。

这对现实世界意味着什么

论文认为，那种试图构建一个能应对每一种可能灾难的“完美优化”供应链的旧思维方式，实际上是危险的。它会让国家和公司变得过于敏感。相反，模拟表明，有限理性（即具备人类般的局限性和常识）实际上是一种超级力量，它能增强韧性。

研究人员发现，LLM 智能体天生更倾向于寻找新的贸易伙伴（多样化），而不是仅仅把金属藏在地下室里（囤积）。这与 2010 年真实的稀土危机情况相吻度：当时像日本这样的国家纷纷寻求新的供应商，而不是仅仅进行囤积。

我们有多大的把握？

必须记住，这些结果来自计算机模拟，而非现实世界的历史书。研究人员基于 2011 年、2018 年和 2023 年的贸易数据构建了一个数字模型，并针对不同场景运行了 1,008 次。虽然结果在不同的 AI 模型（如 Qwen 和 GLM）之间非常一致，但论文也承认，AI 可能会从其训练数据中“记起”关于 2010 年危机的相关事实，而不仅仅是纯粹地从零开始推导。

因此，虽然这篇论文并不声称已经“解决”了全球贸易问题，但它强烈暗示：将国家视为灵活、类人的思考者（使用 LLM），比将它们视为完美、无感的机器人，能让我们更准确地理解世界在危机面前的真实反应。教训是：在一个混乱的世界里，保持“足够好”并具备适应能力，往往比追求完美更为重要。

技术摘要：全球稀土供应链中的有限理性与韧性

1. 问题陈述

由于加工和贸易环节存在极高的地理集中度，全球稀土元素（REE）供应链在结构上具有脆弱性，极易受到出口管制等地缘政治冲击的影响。传统的评估供应链韧性的方法——特别是静态网络模型和局部优化算法（如线性规划、混合整数规划）——无法捕捉驱动多约束路径中断的复杂行为动态。这些传统方法依赖于完美信息和绝对经济理性的假设，导致其无法内化非平衡现象，如战略囤积、恐慌放大以及危机期间的认知异质性。此外，现有的基于智能体（Agent-based）的模型通常将主权国家视为被动的传输通道，或依赖于僵化的、预设的决策规则，这阻碍了对涌现策略（如灰色市场转运或联盟激活）的发现。

2. 研究方法

作者提出了一种新型的多智能体模拟框架，通过集成大语言模型（LLM）来实例化主权决策者的有限理性（Bounded Rationality）。该框架运行在一个经验校准的稀土贸易网络之上，并采用了一种独特的增量缓冲同步市场出清机制（Delta-Buffer synchronous market-clearing mechanism）。

2.1 物理网络构建

数据来源： UN Comtrade 数据库（2011, 2018, 2023）。
拓扑结构： 一个由 5 个节点组成的加权有向图，代表主要的生产者和消费者：中国 (CHN)、美国 (USA)、日本 (JPN)、缅甸 (MMR) 和马来西亚 (MYS)。
校准： 贸易流被折算为 2010 年的不变美元。初始库存设定为年度需求的 30%（基于 IEA 基准）。
指标： 使用有效距离（ $d_{ij} = 1/w_{ij}$ ）计算介数中心性（Betweenness Centrality），以反映贸易量强度。

2.2 智能体架构

模拟对比了四种不同的智能体架构：

随机型 (Random)： 均匀随机动作选择（理论下界）。
基于规则型 (Rule-based)： 基于供应缺口阈值的确定性决策树。
贪婪型 (Greedy)： 全信息近视局部优化器，旨在最小化即时供应缺口，而不预见级联效应。
LLM 型： 使用前沿模型（DeepSeek-Chat V3, Qwen-Plus, GLM-4-Flash）且温度系数为 0.5 的有限理性智能体。这些智能体接收结构化的状态向量（供应缺口、库存状态、行业风险、联盟、价格乘数及过往行动），并在没有先验优化函数的情况下生成上下文条件下的战略响应。

2.3 核心机制

增量缓冲同步市场出清： 为了消除顺序移动优势和信息不对称，所有智能体同时观察全局状态，独立选择行动，并提交“增量”（delta）向量（即贸易流和库存的变化）。这些增量在缓冲区中累积，并在单一结算阶段原子化地应用于网络。这确保了质量守恒，并模拟了主权政策制定的“闭门”特性。
需求-库存解耦： 框架严格区分了基础需求与库存行为。囤积行为是将生产转向存储而非增加基础需求信号，从而防止产生可能导致模拟不稳定的“幻象需求”伪影。
行动空间： 智能体可从六种离散行动中进行选择，包括寻找替代来源、囤积库存、寻求盟友支持、限制出口、灰色转运以及释放库存。

2.4 实验设计

采用了完整的全因子 $3 \times 3 \times 4$ 设计：

年份： 2011（高压力）、2018（危机后常态化）、2023（当前压力）。
冲击强度： 中国出口管制减少幅度分别为 15%、30% 和 50%。
智能体模型： Random, Rule-based, Greedy, 以及 LLM。
重复实验： 每种配置进行 28 次蒙特卡洛运行（总计 1,008 次）。

3. 主要贡献

本文做出了三个主要贡献：

方法论（智能体 LLM 模拟）： 它将 LLM 架构扩展到物理贸易网络内的主权战略交互中。不同于基准的社会模拟，这些智能体嵌入在经验校准的多约束上下文中，从而能够在没有显式静态规则集的情况下，隔离出真正的上下文推理和涌现策略（如灰色市场路由）。
机制性（CER-韧性耦合）： 作者识别了受认知取向与压力水平共同作用而驱动的网络韧性基本范式转移。他们引入了成本效率比（Cost Efficiency Ratio, CER），定义为供应保持率与重构支出之比的对数比。模拟显示，确定性优化智能体在低压力条件下表现出严重的结构性过度反应（负 CER），而由 LLM 驱动的智能体则能动态校准努力程度以维持正向效率，这在计算层面证实了西蒙（Simon）的满意原则（Satisficing Paradigm）。
指标（上下文化的 CER）： 本文将 CER 指标形式化，以内生地捕捉物质可用性与路径重构成本之间的权衡。这解决了传统指标仅依赖边际缺口最小化而可能掩盖系统性低效（由过度激进的重新路由引起）的局限性。

4. 结果

4.1 行为多样性与熵

LLM 智能体表现出“有限熵”特征。其策略熵（2.22–2.31）处于一个有意义的中间范围，介于 Rule-based 智能体的僵化确定性（ $H \approx 1.66$ ）与 Random 智能体的纯随机性（ $H \approx 2.7$ ）之间。LLM 的行动频率在高压力下向合作策略偏移，在低压力下向被动管理偏移，反映了上下文敏感的满意策略。

4.2 历史一致性

在针对 2010 年稀土危机的探索性方向性检查中，LLM 智能体展现出了与历史政策排名最强的定性一致性。具体而言，它们正确地优先考虑了“寻找替代来源”（ $\rho = 0.7$ ）并避免了过度的“囤积”（ $\rho = -0.6$ ），这与日本及其他进口国的记录响应相符。确定性智能体未能捕捉到危机应对中的外交维度。

4.3 供应韧性与缺口率

高压力（2011）： 所有模型都出现了供应缺口。令人惊讶的是，Random 智能体实现了最低的总缺口（0.025），这是因为它对行动空间进行了穷尽且无偏的探索（符合阿什比的必要多样性定律），尽管这以巨大的低效为代价。Greedy 智能体表现最差（0.073），因为其近视优化导致了级联失效。
低压力（2023）： LLM 和 Rule-based 智能体实现了接近零的缺口。然而，Greedy 智能体的缺口依然维持在较高水平（0.027），表明僵化的优化在面对成熟且具有冗余性的网络拓扑时会失效。

4.4 压力范式反转（CER）

核心发现是成本效率比（CER）发生的定性范式反转：

高压力（2011）： 所有架构均实现了正向 CER；激进的重构是合理的。
低压力（2023）： Greedy 和 Rule-based 智能体陷入了负 CER，表明存在结构性过度反应。尽管基础条件近乎充足，它们仍执行了高成本的路径重构。
LLM 表现： LLM 智能体在所有范式下均保持了正向 CER。通过根据地缘政治环境动态校准重构力度，它们避免了过度投资，证明了有限理性比僵化优化具有更高的适应性和成本效率。

4.5 稳健性

这种满意模式（正向 CER）在不同的 LLM 模型（DeepSeek, Qwen, GLM）之间是稳健的，证实了这种行为是前沿规模对齐 LLM 的类属性，而非特定模型的伪影。

5. 意义与主张

本文主张将有限理性重新定义为一种并非待纠正的缺陷，而是一种用于实现自适应、高成本效率网络优化的系统机制。

理论转向： 本研究挑战了经济学理论中对僵化确定性优化的统治地位，证明了“满意”算法在复杂、多约束环境中能提供更优的韧性。
政策启示： 研究结果表明，“去风险化”和“友岸外包”（基于联盟的多元化路由）在经济上优于单方面的“回流”或“过度脱钩”，后者在模拟中表现出系统性低效和过度反应。
方法论进步： CER 指标的引入为压力测试贸易架构提供了工具，使其超越了简单的缺口分析，能够评估韧性的“成本”。
局限性： 作者坦诚地承认，5 节点的抽象限制了拓扑复杂度，且 LLM 在历史数据上的预训练可能部分影响了其行为与 2010 年危机的一致性。他们呼吁未来的工作应测试更小的开源模型，并扩展网络以包含中间加工枢纽。

最终，本文认为，在关键矿产竞争日益激烈的时代，部署自适应的、具备有限理性的算法对于保障全球工业基础设施的安全至关重要，同时也对强调国内自给自足的僵化策略提出了有力批判。