文章提出了一种基于代理的创新模型，解释企业在不确定性环境下如何通过简单强化学习内生形成生产网络。该模型无需假设均衡状态或完全知识，企业仅根据利润反馈调整价格、产量和采购决策。研究表明，这种学习机制能自发产生稳定的生产网络结构，并有效适应需求变化、供应商关闭、生产率冲击和技术变革等扰动。通过数值模拟验证了模型在异质性技术、规模报酬差异等复杂场景下的鲁棒性，并揭示了上下游冲击传播的非对称性特征。
传统生产网络模型通常将网络结构视为外生给定，或依赖理性均衡和完全知识假设。文章突破这些限制，构建了基于代理的模型框架：企业无需知晓生产函数形式，仅通过价格-产量调整的试错学习实现利润最大化。这种"零智能"学习机制（PID控制器）使企业能根据利润变化调整策略：
\[ P_{i,t} = \max\left\{\mu^p, P_{i,t-1} + \textrm{sign}(\Delta P_{i,t-1}\Delta\Pi_{i,t-1}) \times \delta_{i,t}^{p}\right\} \]
其中自适应步长 \(\delta_{i,t}^{p}\) 由市场需求价格与企业定价的相对差异动态决定。输入采购决策则综合考量边际产出 \(\Delta Q_{i}/\Delta q^{j}_{i}\) 和输入价格 \(1/P_{j,t}\)，实现资源优化配置。
在模型动态演化中，企业通过"一致学习"收敛至需求曲线邻域，形成稳定交易关系。数值实验验证了该机制的稳健性：
图3的时序轨迹显示，价格调整呈阶梯式变化，而产量演化则更平滑，反映不同决策变量的学习动态差异。
模型揭示了四类冲击的传播规律：
需求弹性变化引发非对称传播：弹性增加时，受影响企业优先调整价格，客户利润变化显著；弹性降低则导致"繁荣-萧条"式产量震荡，供应商利润受损更严重。技术类型显著影响适应路径：互补型技术企业的产量调整幅度比替代型技术企业低37%。
规模报酬递增引发异质性价格响应：直接受影响企业降价18%，但其他企业普遍涨价。规模报酬递减则使全行业利润下降5-30%，但通过价格渠道产生赢家（如依赖受影响企业输入的上游供应商）。
生产技术突变（如替代型转互补型）导致短期利润骤降，但网络能在50期内恢复。行业突然关闭引发两级传导：直接客户经历剧烈瞬态震荡（如利润下跌60%），间接关联企业呈现温和调整。
在50行业大型网络中，需求冲击的上游传播强度比生产率冲击高78%，尤其在高输入多样性（>20种）的企业中更显著。生产率冲击的间接效应随传播距离单调递增，而需求冲击呈U型模式，表明网络位置决定脆弱性。
该模型首次实现零知识下的生产网络内生涌现，但参数校准存在挑战：生产函数交互作用可能导致网络拓扑对参数极端敏感。未来需发展约束优化方法，平衡模型稳健性与现实拟合度。