當前，新一輪科技革命和產業變革突飛猛進，顛覆性技術不斷涌現。新興顛覆性技術的成熟和產業轉化持續創造新產品、新模式、新業態乃至新產業。以云計算、大數據、互聯網、移動互聯網、人工智能、區塊鏈為代表的數字技術是新科技革命和產業變革中創新最活躍、影響最廣泛和深入的技術群。新一代數字技術如同蒸汽引擎、電動馬達、電力、芯片一樣，是典型的通用目的技術（General Purpose Technologies，GPT’s）。通用目的技術具有三種典型的特征：一是廣泛的擴散性。具有在廣泛產業領域普遍使用的潛力，而且隨著技術的演進能夠擴散至整個經濟。二是技術改進的內在潛力。隨著技術的發展，性能、成本、用途都會得到持續的改進。三是創新的互補性。通用目的技術扮演著使能者的角色，它不是直接為其他行業帶來生產率的提高，而是為這些行業提高生產率的創新活動打開了機會之門。[Bresnahan,Timothy F.,Trajtenberg,M.General purpose technologies‘Engines of growth’?[J].Journal of Econometrics,1995,65:83-108.Lipsey,Richard G.,Carlaw,Kenneth and Bekar,Glifford T.Economic Transformations:General Purpose Technologies and Long-Term Economic Growth[M].New York:Oxford University Press,2005:97-98.]當前，新一代數字技術正在在加速擴散、與其他行業深度融合，成為改變國民經濟各行業的關鍵力量。

      新一代數字技術對國民經濟各行業的賦能作用受到我國政府的高度重視。在2021年10月18日十九屆中央政治局第三十四次集體學習時，習近平總書記指出：“促進數字技術和實體經濟深度融合，賦能傳統產業轉型升級，催生新產業新業態新模式，不斷做強做優做大我國數字經濟。”“推動數字經濟和實體經濟融合發展。要把握數字化、網絡化、智能化方向，推動制造業、服務業、農業等產業數字化，利用互聯網新技術對傳統產業進行全方位、全鏈條的改造，提高全要素生產率，發揮數字技術對經濟發展的放大、疊加、倍增作用。要推動互聯網、大數據、人工智能同產業深度融合，加快培育一批‘專精特新’企業和制造業單項冠軍企業。”2021年12月國務院印發的《“十四五”數字經濟發展規劃》也提出，“以數據為關鍵要素，以數字技術與實體經濟深度融合為主線”，到2025年“數字技術與實體經濟融合取得顯著成效”。可見，“數字技術和實體經濟深度融合”或“數字經濟和實體經濟融合發展”已經成為我國產業和經濟發展的重要戰略方向。無論是“數字技術和實體經濟深度融合”或“數字經濟和實體經濟融合發展”都是新一代數字技術在實體經濟部門的深度應用，與實體經濟部門的創新鏈、工程鏈、價值鏈、產業鏈、供應鏈、顧客價值鏈以及產品、服務緊密融合在一起，并使實體部門的業務流程、產品架構、生產方式、產出形態、生產效率等方面發生全方位的改變，這一現象可以簡稱為“數實融合”。

      制造業是立國之本、強國之基、創新之源，在世界經歷百年未有之大變局、新一輪科技革命和產業變革突飛猛進、全球產業鏈價值鏈面臨重構的大背景下，制造業在經濟增長、吸納就業、催生創新、國家安全等方面的重要性進一步凸顯。從中國內部看，隨著工資水平的上漲以及土地、能源、環境等要素約束加強，改革開放以來形成的成本優勢正在削弱。通過推動制造業數實融合，不但可以用數字技術為制造業賦能，提高制造業的勞動生產率，保持綜合成本優勢，而且能夠推動制造業的產品創新、生產方式創新、商業模式創新、產品形態創新，重塑制造業的國際競爭力，還能夠通過制造業對數字技術需求所創造的大規模市場，引致數字技術的進一步突破、成熟和產業轉化，帶動數實融合相關的數字產品、服務和系統解決方案產業的快速發展，甚至在這些領域成為全球的行業領導力量。我國政府高度重視制造業的數實融合，近年來有關部委出臺的關于智能制造、工業互聯網、服務型制造、上云用數賦智等政策，其核心就是推動制造業的數實融合。

      近年來，國內外學者針對制造業的數字化轉型、工業互聯網、智能制造等開展了大量研究，但直接關注制造業數實融合的研究仍然相對較少。本文將分析制造業數實融合的發生范圍和表現形態、條件與功能，探討制造業數實融合發展的制約因素，并有針對性地提出推動制造業數實融合的政策建議。

      二、制造業數實融合的表現

      制造業的數實融合體現在與制造活動相關的廣泛領域、涉及到各種要素、機構與活動，呈現出多種融合形態。

     （一）制造業數實融合的范圍

      制造業是對自然資源進行加工和再加工的一系列經濟活動，物質產品形態、性質的改變主要發生在車間和工廠之中，因此當人們想到制造業的數字化、數實融合等概念時，常常把其局限在車間和工廠這一物理空間以及加工制造這一生產環節。實際上，制造業數字化、智能化的領域要廣泛得多[中國社會科學院工業經濟研究所智能經濟研究組.智能+：制造業的智能化轉型[M].人民郵電出版社，2021:18-24.]，數實融合包括了制造業的全領域、全周期、全生態。

       1．企業內全領域的數實融合

       科層企業的內部具有復雜的結構，企業的規模越大，內部的結構越復雜。從組織架構上看，企業包括總部和下屬的事業部、子公司、分公司。總部包括行政、財務、投資、戰略、生產經營、研發、人力資源等不同的職能部門，每個職能部門都有其特點的各種職能與經營管理活動。下屬事業部或子公司、分公司包含了不同產業領域的生產活動，每個產業領域有擁有多家可能分布于多個區位的車間和工廠。制造企業的產品制造過程是在車間、工廠中進行的，工廠的活動除生產線的加工制造外，還涉及進貨、出貨、倉儲、水電氣熱等基礎設施以及生產過程、生產人員的管理等各種活動。德國工業4.0提出制造業的縱向集成，即將包括機器設備、供應鏈系統、生產系統、運營系統等企業內部的流程連接起來，實現信息的實施溝通。制造業數實融合所覆蓋的活動遠超過這個范圍，數字技術可以融入制造企業生產經營活動的方方面面，既包括各個部門（業務單元）及其相關的業務流程，同時不同部門（業務單元）、業務流程之間也被數字化網絡緊密聯系在一起，開展交換數據、響應指令、執行操作等活動。

       2．價值鏈全周期的數實融合

       從價值創造的角度看，企業的生產經營活動從產品的創意開始，經過開發設計、加工制造，再到產品分銷、運營服務，最后是回收處理，這構成產品所經歷的完整生命周期，產品全生命周期的數字化智能化的過程被德國工業4.0稱為“端到端集成”。制造業的數實融合覆蓋了價值鏈的全周期，它既可以發生在價值鏈的完整周期，也可以發生在價值鏈的一個或多個環節。顧客價值鏈（customer value chain）從需求側提供了看待企業價值創造的視角。顧客價值鏈包括評估、選擇、購買、接收、消費、處理等環節。從用戶的視角看，商業模式包括企業為用戶創造的價值、用戶為交換該價值的付出以及可能對用戶造成的價值侵蝕。因此，可以把顧客價值鏈的活動劃分為：價值創造、價值捕獲、價值侵蝕。通過解綁顧客價值鏈，企業能夠為顧客創造新的價值。[Teixeira,Thales S.and Piechota,Greg.Unlocking the Customer Value Chain:How Decoupling Drives Consumer Disruption[M].New York:Currency,2019:27,55-60.]數字技術與制造業的深度融合使解綁的力量超越了一體化的力量，加速了顧客價值鏈解綁的過程。比如，以前顧客觀看影視作品需要先租賃和郵寄影碟，現在，網飛利用連接到顧客家里的互聯網在線提供影視作品，解構了顧客價值鏈活動，為顧客和自己都創造了新的價值。

       3．供應鏈全生態的數實融合

       制造企業以產品為中心開展的生產活動雖然主要是在企業內部進行的，但是在現代社會分工越來越細化的條件下，那種像福特汽車Rouge工廠“一端吞進礦石，一端吐出汽車”的高度一體化的工廠已經不復存在，企業必須參與到全國乃至全球的產業大循環和產業鏈大分工當中，企業的生產經營活動才能順利進行，由此企業競爭力的來源都已經離不開它所處的商業生態。早期的學者認為商業生態系統由消費者、供應商、主要的生產者、競爭者和其他風險承擔者構成[Moore,J.F.Predators and Prey：A New Ecology of Competition[J].Harvard Business Review,1993,(3):75-86.]。就制造業而言，商業生態系統包括了上游原材料、零部件供應商，下游分銷商、零售商，供應鏈、金融、信息基礎設施等其他生產性服務活動提供商，開源平臺、眾包平臺以及其中的廣大極客、創客，領先用戶、用戶社區等。德國工業4.0將企業與合作伙伴、公司與公司之間、公司與用戶之間的網絡連接稱為橫向集成。制造業數實融合包含了企業所處的整個商業生態范圍，隨著數字技術發展水平的高低和企業實際業務發展需要，數實融合也會越來越廣泛地發生在商業生態的組成單元之間。

      （二）制造業數實融合的形態

       制造業的數實融合以要素融合、技術融合、設施融合、流程融合、產品融合等多種融合形態呈現。

       1．要素融合

       生產活動的開展需要生產要素的投入。早期的生產活動主要依靠天然的生產要素如土地、自然資源、天然勞動力。隨著生產力的發展、技術的進步和勞動剩余的積累，資本、知識、技術、管理、受過教育的高素質勞動力等成為生產要素的組成部分。在制造業發展的長期過程中特別是現代計算機出現后，數據也開始在生產過程中發揮作用，例如，冶金、化工、電力等流程型制造業根據各生產環節反饋的數據對生產過程進行自動控制。但總體上來所，由于數據量小、數據處理能力弱，數據在制造業中發揮的作用非常有限。直到大數據、云計算、物聯網、移動互聯網、人工智能等新一代數字技術成熟和商業化應用后，數據海量增長、算力顯著提高，數據對于包括制造業在內的國民經濟各行業創造經濟價值越來越重要，被稱為數字經濟時代的石油。《中共中央關于堅持和完善中國特色社會主義制度推進國家治理體系和治理能力現代化若干重大問題的決定》提出“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制。”這一論斷在我國官方層面認可了數據作為生產要素的地位，數據不但是重要的生產資料，而且能夠按照貢獻參與分配。

       數據成為生產要素并不是孤立的發揮作用，而是與傳統的生產要素融合到一起。劉鶴副總理在2021年世界互聯網大會烏鎮峰會上的致辭中指出：“當前互聯網發展躍升到全面滲透、跨界融合的新階段，數字技術深度改造生產函數并不斷創造新業態”[新華社.劉鶴出席2021年世界互聯網大會烏鎮峰會[EB/OL].（2021-09-26）[2022-03-20].http://www.gov.cn/guowuyuan/2021-09/26/content_5639418.htm.]。從這一論斷可以看到，數據與其他生產要素一起成為生產函數的組成部分。數據對生產函數的影響表現在以下幾個方面：一是數據進入生產函數后，會對其他生產要素產生替代，即在同樣的產出下，減少一種或幾種生產要素的使用；二是數據能夠讓其他生產要素在投入不變的情況下，發揮更大的作用，形成更大的產出；三是數據與其他生產要素一起，使產出的結構、質量、性能發生顯著改變。另一方面，數據與其他生產要素的融合表現在數據作用的發揮需要其他生產要素的投入作為支撐。例如，數據采集、傳輸、存儲、計算等新型基礎設施的建設需要資本的投入，基礎設施中蘊含著大量的人類知識和技能，基礎設施的運行也需要持續的電力、人力投入。

       2．技術融合

       現代經濟是創新驅動的經濟，作為創新最活躍、技術密集度最高的制造業，其發展更是離不開技術的持續創新；而數字技術的發展也是由顛覆性的前沿技術的突破、成熟所推動的，因此技術融合成為制造業數實融合的重要內容。技術融合主要呈現兩個方面：一是數字技術內部的融合。數字技術是一組相互依賴、相互促進的技術群，只有當相應技術成熟后其作用才能得到充分發揮。例如，人工智能的發展幾乎與計算機的出現同步，早在1956年的達特茅斯會議上就提出了人工智能概念，有早起的人工智能開拓者曾樂觀地認為，十年內人工智能就能通過“圖靈測試”。但是直到歷經兩次起落的數十年時間后，等到辛頓教授提出深度學習算法，在“摩爾定律”推動下傳輸、存儲、計算能力顯著提高、成本顯著下降時，人工智能技術才進入大規模應用階段。上世紀80年代，索洛在研究計算機對生產率的影響時發現，計算機的廣泛使用并沒有使國民經濟的生產率獲得顯著提升，由此得出著名的索洛悖論：“計算機無處不在，除了在生產率上”。后來的研究發現，計算機實際上顯著提高了全社會的生產率，索洛悖論存在的原因在于其他方面的技術在當時不夠成熟，未能有效支撐計算機提升生產率作用的發揮。Brynjolfsson對人工智能技術的研究發現，與人工智能技術顯著突破的是生產率增長的放緩，他們估計原因在于與人工智能互補的相關技術尚不成熟，這些互補性技術發展的所需要的資金和時間投入巨大，因此在人工智能技術發展的初期可能會造成生產率的降低。[Brynjolfsson,Erik,Daniel Rock,Chad Syverson.Artificial Intelligence and the Modern Productivity Paradox:A Clash of Expectations and Statistics[EB/OL].https://www.nber.org/papers/w24001.pdf，2017.]目前廣受關注的元宇宙也是由拓展現實、區塊鏈、人工智能、移動互聯網、區塊鏈等技術構成的技術群所支撐的。數字技術在制造業中的深度應用，也需要相關數字技術的協同演進。二是數字技術與制造技術的融合。數字技術在制造業的應用不是制造技術與數字技術相互分離，而是有機融合在一起。生產設備當中融合入數字技術，實現生產線的自動化、智能化；制造業所形成的專利、技術訣竅等以編碼化形態內嵌在的算法、程序、APP中，制造知識構成數字化應用的內核，數字技術成為解決手段。

       3．設施融合

       制造業的生產活動涉及產品的開發、產品原型的制作、產品的制造以及各種中間投入的原材料、零部件的傳遞，最終產品的運輸和分銷、產品的維修和回收。這些與產品物理形態相關的生產活動需要物理生產設施的支撐，如研發活動中使用的各種實驗儀器，生產工具、設備和生產線，車輛、倉庫、商場、維修車間等物流、分銷和維修設施。同樣，數字技術發揮作用，也需要提供連接、數據、算力、算法服務的信息基礎設施，包括5G、物聯網、工業互聯網、衛星互聯網等連接基礎設施，數據中心、智能計算中心等數據和算力基礎設施，提供PaaS、SaaS服務的人工智能平臺、云計算平臺等算法基礎設施。在制造業數實融合的過程中也包含了數字設施與制造設施的融合。一是制造業的生產活動越來越依賴于數字化的基礎設施，如利用運營商的移動通信網絡、公有云的算力。二是一些大型制造企業內部也在建立數字基礎設施，如工業互聯網平臺、數據中臺、私有云、5G專網，通過這些資產專用性的投資使物理性質的生產設施更好的發揮作用。三是最初由大型制造企業內部使用的數字設施在成熟完善后，也會提供給供應鏈中的合作伙伴使用，甚至進一步向行業內企業乃至整個社會開放，成為具有一定公共產品性質的基礎設施，也成為制造企業新的業務增長點。

       4．流程融合

       在工業革命后出現的工廠中，產品生產的流程是不連續的，由工人操作機器完成某一生產工序的任務，然后將加工過的中間產品轉移至下一生產工序。在第二次工業革命時期，在電力的驅動下，工業生產過程的連續程度有了明顯的提高，在福特之的流水線生產中，流水線將需要加工的產品傳輸到工人面前由工人進行加工。在第三次工業革命時期，PLC、計算機、軟件、機床、機器人等具有一定自動化功能的技術在工業中獲得廣泛應用，能源、石化化工、冶金等流程型行業的生產過程可以自動化連續進行。在當前的新一輪科技革命和產業變革中，大數據、云計算、人工智能、物聯網、更加智能化的機器人等新一代數字技術在生產線上獲得越來越多的應用，生產流程的數字化、網絡化、智能化或者說智能制造成為制造業的發展方向，生產系統具有自感知、自學習、自決策、自執行、自適應等功能。生產系統是實現對自然資源進行加工和再加工的制造業核心功能，新一代數字技術與制造業在生產流程的深度融合也成為制造業數實融合的核心環節。

       5．產品融合

       在工業經濟時代，工廠使用生產設備和工具，通過各種物理、化學和生物反應，將投入的原材料加工成產品，制造業的產出是由原子、分子所構成的物質產品，具有相應的物理的、化學的、機械的等多方面性能。隨著信息技術的發展，產品與數字技術也逐步融合，比如電腦中包含操作系統和各種應用軟件，但是總體上看，產品與數字技術融合的領域比較有限，主要集中在ICT相關的產品上。隨著新一代數字技術的廣泛擴散，越來越多的產品呈現出數實融合的特征，產品不僅包括物理結構，還包括軟件和數據，物理結構中不僅包括了機械的、有機的或無機的物質成分，還包括了傳感器、芯片等IT硬件產品。以汽車為例，早期的汽車完全是一個機械產品，由發動機燃燒燃料提供動力，由駕駛人員操縱機械部件驅動汽車的行駛；現在的汽車朝著智能網聯甚至無人駕駛的方向前進，使用芯片越來越多，處理的數據量越來越大。在不久的將來，所有產品都將成為數實融合的產品。

      三、制造業數實融合的機制

      制造業數實融合需要數字技術的發展和數字基礎設施的完善作為支撐，融合過程展現出多方面的功能。

      (一)制造業數實融合的條件

      制造業的數實融合以泛在連接為前提、以數據為核心、以強大的云端或本地算力為支撐，通過算法驅動制造業的生產經營活動。

      1．以連接為基礎

      制造業的數實融合是將制造業的全領域、全周期、全生態與數字技術緊密結合到一起，這種結合不僅是數字技術在制造企業的各個業務單元、價值鏈的各個環節或生態的各個參與方的使用，而且這些業務單元之間、環節或參與方之間都會連接在一起并實現互動。因此，制造業數實融合的前提是制造業所涉及的物質、服務、場景、人、生產經營單位等接入信息網絡之中。里夫金在描述新科技革命和產業變革時指出，互聯網、傳感器和軟件將人力、設備、自然資源、生產線、物流網絡、消費習慣、回收流以及經濟和社會生活中各個方面連接起來，不斷為各個節點（商業、家庭、交通工具）提供實時的大數據[[美]杰里米?里夫金.零邊際成本社會一個物聯網、合作共贏的新經濟時代[M].賽迪研究院專家組譯，北京：中信出版社，2017:11.]。新一代數字技術的發展為實時、泛在連接提供了可能。

      2．以數據為核心

      新一代數字技術是對數據進行采集、傳輸、存儲、處理、應用的技術，隨著數據成為關鍵生產要素后，數據在國民經濟各行業的重要性顯著提高。制造業的數實融合也是圍繞著數據這一核心來展開的，主要體現在以下三個方面：首先，數據分布于制造業的全領域、全周期、全生態，并在各部門、環節、參與方之間流動；其次，制造業的生產活動、經營決策是建立在對數據的分析、挖掘之上的。例如，根據銷售情況決定物料采購的多少和安排生產進度，根據用戶特征精準選擇宣傳渠道、促銷方式等；第三，一些新產品、新模式、新業態直接依賴于數據，沒有數據就沒有這些新特征。例如，遠程監測和在線服務等服務型制造模式的開展，需要企業能夠掌握銷售出去的產品的運行狀態數據。由于制造業的生產活動越來越多地建立在數據的基礎上，因此制造企業也在不斷地擴大數據的采集范圍，如在生產線、物流設備、產品中嵌入傳感器和芯片，不斷地打通企業內部、企業與顧客、企業與其生態伙伴之間甚至企業外部渠道的數據連接，以獲得更多能夠為企業創造價值的數據。

      3．以算力為支撐

      對數據的存儲、處理都需要計算能力。在數據量不大的時候，可以依靠企業自有的計算機、服務器以及生產設備自身所帶的嵌入式芯片。隨著數據量的急劇增加，傳統的計算能力就無法適應海量數據的計算需求。一些企業缺少大規模布置計算能力的資金或人才，另外對于大多數企業來說，大規模布置的計算能力可能無法獲得充分使用而造成浪費、成本增加。大數據中心、云計算中心、超算中心使算力資源云端化，企業無需自己投資建立計算能力，可以按需彈性租用，使算力的獲得門檻和使用成本大大降低。算力基礎設施的提供者既有傳統電信運營商，也有互聯網平臺企業。雖然云計算基礎設施成為企業普遍采用的形式，但是出于數據安全的考慮以及數據處理速度的要求，一些企業也會在使用公有云的同時布置私用云，在使用云計算的同時根據不同應用場景的需求采用霧計算和邊緣計算。

      4．以算法為驅動

      制造企業對數據的使用是為了解決特定的任務，而每一種任務的解決都有其內在的規律、邏輯或方案。算法就是對解決特定任務方案的準確而完整的描述，它以用某種計算機語言編寫的代碼的形式呈現出來。制造業數實融合中對海量數據的處理，自動化、智能化的操作，其背后都有算法在發揮作用。人工智能技術之所以得到廣泛的應用，就在于算法實現了重大的突破。大型制造企業實力強大、人才聚集，有能力自主開發包括工業互聯網平臺在內的各種算法。而許多中小企業缺少獨立開發數字化應用的資金和人才，因此主要采用其他大型制造企業、互聯網企業開發的門檻低、易部署的“輕量應用”“微服務”。例如，許多消費平臺企業為入駐企業提供的支付、開店、銷售管理等功能；工業互聯網平臺提供的通用和專用PaaS服務、工業APP等SaaS服務。在數字經濟時代，開源運動獲得更大的發展，許多算法會被極客、企業和公共機構以各種開源協議共享，其他企業可以不用從頭開發這些算法、軟件，可以根據開源協議將算法直接拿來使用或進行二次開發，極大地加速了算法、軟件的開發速度，顯著降低了開發成本，加速了算法的普及應用。

     （二）制造業數實融合的功能

      數字技術與制造技術、數字經濟與制造業的深入融合表現出整合多維數據、發現潛在知識、替代人力勞動、編碼行業知識、軟件定義產品、創新商業模式等多種功能。

      1．整合多維數據

      制造企業的生產經營活動需要利用企業內外部的各種數據，這些數據構成企業價值的重要來源。一方面，企業本身的活動就非常復雜，涉及不同業務領域、不同價值鏈環節，另一方面，企業只是社會生產、分配、交換、消費大循環中和生產鏈條中的一個環節，企業外部的商業伙伴、用戶的數據對于企業的經營活動至關重要，其他商業組織或政府機構來源的數據也能夠給企業帶來額外的價值。數據的價值取決于數據規模以及顆粒度、鮮活度、連接度、反饋度、響應度、加工度等方面。[李曉華、王怡帆.數據價值鏈與價值創造機制研究[J].經濟縱橫，2020（11）：54-62+2.]為了最大化發揮數據的價值、增強企業的市場競爭力，企業需要把來源不同的數據整合到一起。數實融合的重要功能就是建立廣泛、實時的連接，將來源、結構等方面差異巨大的數據整合在一起，為后續數據的處理、應用打下基礎。

      2．發現潛在知識

      制造企業的知識有些來自于人類的科學發現、企業內部的研究開發以及經營管理人員、生產線的工程師和技術工人長期積累的經驗，但是還有許多潛在的未被發現的知識隱藏在企業生產經營活動產生的海量數據之中。建立在大數據和機器學習基礎上的人工智能技術能夠根據預先設定的算法甚至根據為系統設定的規則，找到兩個變量之間的相關關系。這種相關關系一方面未能被企業在傳統的技術手段下發現，同時人工智能算法本身也無法對二者相互影響的機制做出解釋，但是按照這種相關關系，就能夠改進企業的績效。比如，通過對生產線各種工藝參數歷史數據的分析，能夠發現生產效率最高的工藝參數組合，按照這種工藝參數的調整生產線，就能夠明顯提高良品率和企業的產出效率；通過對用戶數據的分析，可以發現用戶對產品特征的偏好程度，據此開發更加適銷對路的產品。

      3．替代人力勞動

     人工智能等數字技術可以看作廣義的機器。工業革命之后的很長一個時期，機器主要是替代人類的體力勞動，完成人力所無法完成的繁重工作，逐步將人類從繁重、危險、骯臟的工作解放出來。隨著大新一代數字技術的功能不斷強大、成本持續降低及其與加工中心、機器人等技術的深度融合，數字技術替代人工在越來越多的領域變得在技術和經濟層面更加可行，不但一些重復性的勞動密集型工作可以被數字技術替代，一些智力型的工作（如一部分研發工作、生產線管理工作、經營數據分析工作）也成為人工智能技術的替代對象。隨著我國勞動成本的上漲，傳統的勞動密集型產業正在喪失全球競爭優勢，用“機器換人”變得越發緊迫。在質量檢測等一些工序上，用機器替代人不但成本低、效率高，而且生產的精度、穩定性也得到了提高。

      4．編碼行業知識

      無論是已經積累的科學知識和經驗，還是大數據、人工智能方法洞察的知識，無論是基于數據提升生產線的性能，還是用機器換人，都需要把這些人類的知識、企業的經驗編碼化，即將這些知識和經驗以代碼、軟件、APP等形態呈現出來。軟件根據輸入的數據（包括人為的輸入、設備自動采集的數據等），按照知識和經驗形成的規則，實現業務環節、業務流程的自動化甚至智能化[曾鳴．智能商業[M]．北京：中信出版社，2018：77-80．]。例如，質量檢測領域應用的視覺識別系統就是將反復訓練后的算法移植入生產設備。這些被編碼后的知識所形成的代碼可以存在于制造企業生產活動的方方面面，以應用軟件、APP、工業互聯網系統、嵌入式軟件等形態存在。而且這些代碼隨著人類知識的更新、人工智能系統不斷的訓練而持續迭代更新。

      5．軟件定義產品

      隨著數實融合的深入推進，軟件已經成為制造業產品的重要組成部分，可以說，產品的軟件定義特征不斷強化。軟件定義產品包括三種類型：一是軟件定義產品的功能。產品中的一些功能必須依賴軟件來實現，軟件決定了該功能的存在與否。二是軟件實現產品的功能。通過軟件的響應、運算、下達指令實現對硬件的操縱，通過硬件的操縱實現特定的功能。三是軟件優化產品的功能。由于軟件相比于能夠實現相同功能的機械部件、電子元件來說性能更優或成本更低，所以軟件可以取代這些物理元器件。[李培根，高亮．智能制造概論[M]．北京：清華大學出版社，2021：273-275．安筱鵬．重構：數字化轉型的邏輯[M]．北京：電子工業出版社，2019：54，78，63-64．]

      6．創新商業模式

      數字技術會推動企業的商業模式和業態創新，這些新型商業模式本身就是高度數實融合的。在上世紀80年代，制造業就出現了服務化的趨勢。在數字技術的驅動下，制造業的生產、服務系統將能夠自動化地對個性化需求做出響應，突破了傳統服務業發展對人才的依賴和規模不經濟的約束。在產品層面，通過內置在產品中的傳感器采集用戶的使用情況或產品的運行狀態，制造企業能夠提供個性化使用方案定制以及遠程在線監測、預防性維護等增值服務。通過與用戶的直連，制造企業由根據市場預測進行大規模生產的模式轉向根據用戶訂單小批量甚至個性化定制的模式，高度柔性化、智能化的生產系統可以低成本的進行小批量甚至單件生產。甚至制造企業還可以把消費者動員起來，利用社交媒體、私域流量為企業代言帶貨。

      近年來，我國政府高度重視制造業的數實融合，產業升級壓力和產業增長點推動制造企業積極實施數實融合，互聯網企業也將數實融合作為業務拓展的重要方向，我國制造業數實融合水平有了顯著提高。例如，中國大陸33家企業入選世界經濟論壇評選出來的“燈塔工廠”，占全部103家的比重接近1/3。然而也要看到，中國制造業的數實融合也面臨制造能力、數字化水平、數字化能力、數據流動等多方面的制約。

     （一）制造能力的制約

      制造業數實融合的重要方面是將制造業積累的知識的編碼化，只有制造能力提高了，才有可能將數實融合推進到一個更高的層次。我國制造業在產品性能、質量、可靠性等方面與世界領先水平仍存在較大差距，很重要的就體現在工業軟件的差距上，而工業軟件本身就是制造業能力的體現。譬如Matlab、EDA軟件我們做不出來，本質上還是我們對制造業基礎科學的認識不透、對生產過程中的制造知識積累不足。同樣，在生產領域的控制軟件方面，不同工廠使用同樣的設備，但在良品率、產品性能上存在差異，也是企業在制造能力上差距的體現。數字技術可以全面推動制造業生產效率的提高，但是需要數字技術與制造技術的共同演進。通用電氣在發布自己的工業互聯網戰略時，提出工業互聯網要“發揮1%的威力”。通過對工業生產線中海量數據的分析，人工智能系統能發現最優工況參數的組合，從而明顯改善生產線良品率、提高整體生產效率和經濟效益，但是如果要進一步提高制造業效率或者說超越“1%的威力”就需要制造業本身技術的進步，比如重新設計產品、重構生產流程。數字技術只是起到助力作用，制造業的問題根本上還要靠制造業本身能力的提升來解決。

     （二）數字化水平的制約

      制造業的數實融合是需要企業有數字化思維，有良好的數字基礎設施支撐以及形成較好的信息化、數字化應用基礎。但總體上看，我國制造業行業間、地區間、企業間發展很不平衡，形象的說是工業1.0、2.0、3.0、4.0并存，既有高度數字化并積極探索智能化、位列世界“燈塔工廠”的優秀企業，也有大量處于信息化、機械化階段的企業，甚至還有處于手工階段的企業。對于這些數字化水平較低的企業，一方面它們對數實融合認識不足，積極性不高；另一方面，推動數實融合需要進行大量的設備、系統的數字化改造工作，而這些設備層、系統層的改造往往投入較大。普遍來看，制造業的利潤率相對較低，在勞動密集型產業和中小企業尤為突出，巨額的數字化改造升級投入費用是它們難以承擔。此外，數實融合既是企業的技術決策，也是投資決策，需要對成本與收益進行綜合考量。數實融合的投資未必就能帶來企業效率的提升以及收益的增長，數字技術不成熟、應用環節選擇不恰當等都造成數實融合投資失敗的風險。也就是說，資金投入過大、收益不明確或投資回收期長，會造成制造企業特別是中小企業不愿投資于數字化改造，從而影響數字化水平的提高和數實融合的深入推進。

      （三）數字化能力的制約

       企業數字化改造升級的過程不是簡單的把項目外包給提供解決方案的企業就行了。互聯網企業的工程師們懂算法、懂軟件，但是他們不懂制造業本身的知識，即使是數字化解決方案提供商可能有做過某一類行業數字化改造的經驗，但是各個企業在生產流程、生產設備等方面存在巨大差異，他們對特定的企業也缺少完整準確的了解。相對的，制造企業自己的工程師懂產品、生產工藝，但不熟悉算法和代碼，很難與數字化解決方案提供商對話，需要企業內既懂產品、工藝又懂算法、代碼的工程師作為連接雙方的橋梁。數實融合的深度推進以及由此為企業帶來經濟效益的增長，不是說數字基礎設施建成了，數字化設備用上了就水到渠成。數實融合是一個持續的過程，它需要產品開發人員、工程師、管理人員、生產線工人熟練地運用數實融合的生產力工具，還需要工程師對產品、生產線的算法、軟件不斷進行完善、改進，這些工作不但需要企業員工整體數字思維、數字素養的提高，還需要有一批熟練掌握和應用算法、軟件的工程師隊伍。但總體來看，我國數字技術、管理人才需求量巨大、供給偏緊，我國制造業和互聯網行業的數字化人才分布非常不均衡。互聯網行業優厚的待遇吸引了大量的IT人才，而制造企業微薄的利潤很難養的起一支高水平的IT人才隊伍。

      （四）數據流動的制約

      伴隨著企業價值創造活動的開展，是數據的流動。在制造業，數據流動包括制造企業內部的流動，制造企業與其供應鏈上下游業務伙伴間的流動，制造企業與用戶之間的流動，跨行業的數據流動以及政府與企業間的數據流動。數據作為企業價值的重要來源，數據價值創造作用的發揮不但依賴于數據的規模，還依賴于數據之間的連接，數據的連接越緊密、越廣泛、越及時，對企業的價值就越大。[李曉華、王怡帆.數據價值鏈與價值創造機制研究[J].經濟縱橫，2020（11）：54-62+2.]但是制造業數實融合過程中存在著數據傳輸的障礙，數據不能按照在其經濟價值的推動下順暢流動。一是技術上的制約。制造業由于行業間、企業間使用的設備、系統千差萬別，造成設備的數字接口不統一，設備之間的連接難度大；數據結構不統一，增加了數據打通、使用的難度。二是法律上的制約。法律法規沒有對數據的采集、開放、交易和使用做出明確的規定，造成政府數據無法公開，個人數據不能采集，企業數據無法轉讓。在數字經濟條件下，法律法規對數據保護不利也會起到適得其反的作用，比如對消費者隱私數據的侵犯、大數據殺熟、基于大數據的算法壟斷等問題，產生了對數據開放、流動的抵制。三是商業上的制約。數據中包含著企業生產、銷售、用戶使用等各個方面的信息，蘊含著企業的商業機密和長期積累的技術訣竅，對這些數據的掌握是企業競爭力的重要來源。一方面，如果企業允許其他企業獲取這些數據，即使企業能從對方獲得一些數據作為補償，仍有可能處于數據的凈損失狀態。更重要的是，競爭對手可能通過分析這些數據，獲得企業的用戶特征與分布、生產進度、供應商情況以及生產中的工藝參數等信息。例如，一家企業委托第三方大數據或人工智能企業對其生產線數據進行分析，幫助其提高生產效率，第三方企業通過這些數據掌握的企業的“隱性知識”可能會用于為競爭對手企業改進生產線，從而使該企業的競爭優勢縮小；另一方面，處于數據優勢地位的企業為了維護自己的市場地位甚至是壟斷地位，不愿意將數據開放及與其他企業共享。

      五、結論與建議

     （一）結論與展望

      本文的研究表明，隨著新一輪科技革命和產業變革的興起，新一代數字技術加快成熟、擴散與融合，數字技術與實體技術、數字經濟與實體經濟呈現融合程度不斷深化的趨勢，其中制造業是數實融合進展最快、潛力最大、重要性最強的國民經濟行業之一。制造業數實融合的范圍包括企業內部全領域、價值鏈全周期和供應鏈全生態；在形態上表現為要素融合、技術融合、設施融合和產品融合。制造業數實融合以連接為基礎、以數據為核心、以算力為支撐、以算法為驅動，并通過整合多維數據、發現潛在知識、替代人力勞動、軟件定義產品、創新商業模式等功能，發揮對制造業的賦能作用，推動制造業的動力變革、效率變革和質量變革。近年來在我國政府的大力推動下，在制造企業、互聯網企業的積極實踐中，我國制造業數實融合取得明顯進展，但是也面臨著制造能力、數字化水平、數字化能力、數據流動等多方面的制約。

      今后一個時期，制造業數實融合將進一步深入發展，范圍不斷擴大、程度不斷加深、影響更加凸顯。從數字技術的發展來看，云計算、大數據、物聯網、移動互聯網、人工智能、智能機器人、3D打印機等技術將進一步發展成熟，性能提升、成本降低，具備了在更廣泛領域應用的空間，而區塊鏈、量子計算等新興技術也在逐步成熟，將會開拓新的融合領域、融合模式，產生新的融合業態、融合效果。從世界范圍看，大國博弈長期持續甚至趨于激烈、新冠肺炎疫情、俄烏沖突等事件影響交織，世界主要國家在以制造業為核心的實體經濟領域的競爭愈發激烈，在以數字技術為核心的新興領域加快布局、培育壯大新興產業，制造業數實融合是我國保持和增強制造業全球競爭力、加快培育壯大新興產業和未來產業的重要途徑。從制造業本身看，面對工資水平上漲、土地和資源等環境約束加劇的狀況，制造企業亟待加快轉型、重塑競爭優勢，數實融合是制造業轉型升級、向全球價值鏈高端攀升的重要推動力。

     （二）對策建議

     根據存在的阻礙和問題，推動制造業數實融合深入發展，需要做好以下幾方面工作：一是加快信息基礎設施建設并推動傳統基礎設施的數字化轉型升級，為實現制造企業的廣泛連接和數據傳輸打好基礎。信息基礎設施建設應適度超前，同時把握好超前建設進度，實現經濟效益與社會效益的統一。第二，推動數字技術創新，整合國家戰略科技量，激發企業和社會的創新活力，盡快突破關鍵核心數字技術，積極布局腦機接口、量子計算等前沿技術和未來產業，在提高數字技術自主性的同時，在某些新興領域取得全球領先地位，一方面擺脫制造企業數實融合中“卡脖子”風險，另一方面增強數實融合安全性，同時降低數實融合的發展、應用成本。三是促進制造業領軍企業的數字化轉型、構建工業互聯網平臺，在工業互聯網平臺在企業內部、生態體系內部應用成熟后，推動向行業、行業外企業的開放共享。第四，促進中小企業的數字化轉型。通過宣傳推廣、試點示范提高中小企業數字化轉型的意識；政府的技改資金向中小企業的數字化改造適度傾斜，為中小微企業提供數字化券鼓勵它們購買數字服務，支持制造業行業龍頭企業、互聯網平臺企業為中小企業開發門檻低、易使用的輕量化應用。第五，進一步完善數字經濟法律法規和政策，推動政府開放公共數據，加強數據安全和數據保護，推進實現“原數據不出域、數據可用不可見”的聯邦學習[陳永偉.聯邦學習能打破數據孤島嗎[N].經濟觀察報，2020-05-01.]等數字技術發展和新型數據交易模式探索，加快制定數字技術、數據格式的國家標準。第六，加強數字經濟領域國際合作。積極參與《數字經濟伙伴關系協定》（DEPA）等國際數字規則的多邊協定談判與合作，推廣中國數字經濟的治理主張；支持國內企業參與全球數字科技組織，積極建立和參與數字技術聯盟、開源社區。

參考文獻

[1]Bresnahan,Timothy F.,Trajtenberg,M.General purpose technologies‘Engines of growth’?[J].Journal of Econometrics,1995,65:83-108.

[2]Lipsey,Richard G.,Carlaw,Kenneth and Bekar,Glifford T.Economic Transformations:General Purpose Technologies and Long-Term Economic Growth[M].New York:Oxford University Press,2005:97-98.

[3]中國社會科學院工業經濟研究所智能經濟研究組.智能+：制造業的智能化轉型[M].人民郵電出版社，2021:18-24.

[4]Teixeira,Thales S.and Piechota,Greg.Unlocking the Customer Value Chain:How Decoupling Drives Consumer Disruption[M].New York:Currency,2019:27,55-60.

[5]Moore,J.F.Predators and Prey：A New Ecology of Competition[J].Harvard Business Review,1993,(3):75-86.

[6]新華社.劉鶴出席2021年世界互聯網大會烏鎮峰會[EB/OL].（2021-09-26）[2022-03-20].http://www.gov.cn/guowuyuan/2021-09/26/content_5639418.htm.

[7]BRYNJOLFSSON E,ROCK D,SYVERSON C.Artificial Intelligence and the Modern Productivity Paradox:A Clash of Expectations and Statistics,in AGRAWAL A,GANS J,GOLDFRAB A.eds.The Economics of Artificial Intelligence:An Agenda[M].Chicago and London:The University of Chicago Press,2019:1-19.

[8][美]杰里米?里夫金.零邊際成本社會一個物聯網、合作共贏的新經濟時代[M].賽迪研究院專家組譯，北京：中信出版社，2017:11.

[9]李曉華、王怡帆.數據價值鏈與價值創造機制研究[J].經濟縱橫，2020（11）：54-62+2.

[10]曾鳴．智能商業[M]．北京：中信出版社，2018：77-80．

[11]李培根，高亮．智能制造概論[M]．北京：清華大學出版社，2021：273-275．

[12]安筱鵬．重構：數字化轉型的邏輯[M]．北京：電子工業出版社，2019：54，78，63-64．

[13]陳永偉.聯邦學習能打破數據孤島嗎[N].經濟觀察報，2020-05-04:35.

作者：李曉華

來源：社科院工業經濟研究所，發表于《改革與戰略》