1.2 数字化时代的变革动能
数字化时代正在带着不可抵抗、摧枯拉朽的动能呼啸而来，驱动着经济与社会的方方面面的变革。变革动能具体可以分为以下几个方面：
·数字技术的成熟与持续的创新升级是一切变革的根本驱动力；
·数字新基建将大幅度提高数字基础设施和数据技术应用水平及普及广度；
·数字领先企业带来的商业生态竞争与全球制造竞争会驱动所有企业跟进变革升级或转型；
·气候、环境、资源、能源与城市化等人类面临的社会治理挑战迫切需要全新的治理模式；
·政府投资、政策引导与全球化竞争大幅度加快了数字经济的发展进程。
1.2.1 技术发展创造变革
随着大数据、人工智能、云计算、IoT、5G等技术与数字基础设施的成熟并具有相当大的规模，数字技术迭代与应用正在发生系统性、族群式、融合式的持续创新，并与制造、能源、材料等各个领域交叉融合，在各个行业中快速普及，在各种场景中形成广泛的智能应用。所有组织与企业都开始重视数字技术和智能技术的引进及应用。
移动互联网、物联网、移动智能终端让全域数字化成为可能。覆盖数据存储、计算、分析、服务、管理、运维等各个方面的底层数据技术日趋丰富，开源的各类大数据技术框架和组件大幅度降低了数据技术的应用门槛。数据智能技术可以在许多领域规模化地替代人类的某些基础智力。以上这些因素将大力推动整个社会和经济发生颠覆性变化，让数字经济和数字治理实现超速发展。
1. 技术发展让全域数字化与在线化成为可能
数字经济的本质是数字化与在线化，在线化的数据是“活的数据”。数字化让一切可分析，在线化意味着数字世界与物理世界是同步的。物理世界可以基于数字世界的即时变化而即时反应，让物理世界之间的交互在时间上几乎没有距离。数字经济从互联网开始发展，到“互联网+”，而互联网化的本质其实就是“数字化”与“在线化”。在线化是指数据的实时性，网络仅是一个载体。
互联网、移动联网的大规模建设让一切在线化成为可能，5G的到来进一步降低了信息传输的时延，使物理世界之间的时间距离进一步接近。当前数据的采集手段十分丰富，移动智能终端、可穿戴设备连接了人，IoT设备连接了物。现在智能家居、智慧社区、智能交通、智慧工厂、智慧物流都在快速发展。大家在工作生活中已经能够广泛接触到各类具有在线功能的产品，可以实现远程、智能的操作。
企业通过全域数字化使业务运行和企业运营的方方面面都可以进行数据收集，包括办公、沟通、营销活动、客户行为、生产、供应链管理、物流，等等。当前企业与组织中的数据量都在快速增长，数据来源与格式类型更为多样化。IDC预测，未来几年全球数据圈的规模将继续扩大，到2025年，在全球数据圈创建的数据中，超过四分之一的数据在本质上都将是实时数据，而物联网实时数据将占这部分数据的95%以上。
2. 开源大数据技术让大规模数据的处理能力不再是大企业的专利
软硬件技术的发展，让数据处理的基础设施在能力越来越强的同时越来越廉价，特别是开源大数据技术已成为主流选择。大型技术公司，特别是互联网平台企业，开发的数据处理工具都在逐步开源，贡献给开源社区，并通过开源社区完善产品。一些软件企业在开源基础上，通过开发具有附加功能的企业版或增值服务收费形成商业模式，这其中除了创始人来自一些大型互联网公司的初创软件企业外，也有大型软件企业。
（1）开源大数据技术的发展
从2003年到2006年谷歌先后发表了开启大数据时代的三篇论文，分别是解决大规模存储问题的分布式文件系统，解决大规模计算问题的分布式并行计算编程模型MapReduce，以及解决针对大规模结构化数据随机查询问题的BigTable。之后开源社区开发了对应的开源版本Hadoop、HBase等，并进一步形成了整个Hadoop开源生态，随后不断涌现出大量针对数据的采集、存储、计算、查询、分析、消息缓存、机器学习、图计算等各专门场景的大数据开源组件，同时MPP类型数据库、OLAP分析引擎的性能也越来越高。
由于大数据技术良好的水平扩展特性，同一套架构与处理系统可以支持从几TB到几PB的数据处理，只需水平扩展集群节点即可。例如通过该特性，系统可以兼容不同的节点数量，从几台、几百台到几千台。如果基于云基础设施，则更会极大地简化开发和运维的工作量，提高研发响应效率。数据智能也有大量的开源组件，如深度学习的TensorFlow、Torch等。
目前大数据开源组件的发展方向如下：
·针对专门场景的性能极致优化，如面向OLAP分析的场景；
·同一组件或生态向全场景覆盖发展，这样可以提高通用性、兼容性，降低开发与运维的复杂性，例如批流一体的处理框架、批流一体的分析组件、支持分析与事务一体的存储系统、NewSQL。
当前各互联网大厂与开源社区也在努力实现安全多方计算、零知识证明、联邦学习、边缘计算，以应对数据安全和隐私保护问题，以帮助数据流通，打破数据垄断。另外，国内企业在开源方面的贡献也越来越大，从而降低了大数据与数据智能技术对国外的依赖程度。
目前仍处于数字化的前期，随着5G、工业互联网、物联网的深入发展，组织的数据量将继续暴涨，大数据技术仍然在快速迭代，以应对在大数据量、低时延要求下数据存储、计算、分析、管理等各方面产生的挑战。
（2）开源软件正在从互联网领域向传统领域普及
开源技术采用门槛低、迭代速度快、能够自助调试且自主优化。最初是互联网企业开始使用开源软件替代传统的商业软件，例如阿里巴巴的去IOE（IBM小型机、Oracle数据库、EMC存储）运动，其目的一是降低成本，二是采用易于快速水平扩展的架构以应对业务的快速增长，三是摆脱厂商依赖。开源大数据组件显然可以同时满足这几点。目前传统领域的大型机构，如金融、电信、能源、电力、交通、政府、教育、零售组织、营销广告，都开始采用开源软件，特别是金融与电信行业由于自身信息化基础好，数据量大，已成为运用大数据技术领先的传统行业。
在开源社区赋能下，现在大数据量处理系统的搭建成本和入门门槛已经很低，网络上的知识非常丰富，出现问题也便于通过源码进行调试，且由于业界的大量参与和应用，开源社区非常活跃，网络社区支持也非常便捷，不像商业系统那样需要通过专门认证和培训的工程师，这对于中小企业采用大数据技术非常关键。
3. 数据智能技术赋能“基础智力”的规模化
近几年人工智能技术已开始在各个领域快速普及，革新人机交互方式，并通过与大数据结合，形成丰富的数据智能应用，利用规模化创造商业价值。
（1）从人工智能到数据智能
人工智能的研究起源于20世纪50年代，到目前为止经历了三次炒作、两次研究寒冬，人工智能的研究路线有多种分法，这里主要介绍两种：一种是“符号主义”，使用逻辑推理的方法，通过解析人类思考推理的方式实现人工智能；另一种是“连接主义”，使用仿生的方法，通过模仿人类的神经元和神经系统实现人工智能，从数据角度来说也是基于数据的统计方法。
基于模拟神经元的感知机算法的发明，引起第一次AI炒作与投资热潮，在1969年符号主义学派的先驱马文·明斯基（Marvin Minsky）发文批评感知机的缺陷后，AI研究进入第一次寒冬。随后，在20世纪70年代中期，基于符号主义的专家系统带来了AI的第二次炒作热潮，但专家系统并没有带来太多实际价值，AI研究进入第二次资助低谷。在这期间，神经网络算法在反向传播、卷积、支持向量机统计方法等方面持续取得了一定的进步，但神经网络仍然处于相对冷门的研究状态。
到了21世纪，由杰弗里·辛顿（Geoffrey Hinton）等人提出的深度神经网络AlexNet在ILSVRC的2012年比赛中取得冠军，从此深度学习开始大踏步发展，在图像识别、语音识别、语言翻译等领域取得了良好的实践应用效果。在这一过程中，硬件发展提供的算力提升是一个关键的因素。
深度学习与机器学习在本质原理上具有一致性，都是基于数据和统计，因此也可以称为数据智能，是一种弱人工智能，现在大家提到的人工智能一般都是指深度学习。算力的提升、网络的升级、数据的积累和大数据，以及人工智能技术的发展，是相互促进、相辅相成的。
（2）基于大数据可以实现数据智能的规模化应用
由于算力和数据的丰富让本质是基于数据统计的深度学习大放异彩，这让从数据挖掘发展来的机器学习迎来广泛的实践应用，逻辑回归、支持向量机、决策树、随机森林等算法也在不断优化，例如梯度下降、Bagging、Boosting、XGBoost等方法，计算效率、训练效果、实践应用效果都越来越好，并且能够支持在大数据上通过分布式并行计算框架（如Spark）进行计算。
数据是数据智能的燃料，数据智能需要大规模的数据才能实现规模化的应用，才能产生具有显著商业意义的价值。数据智能与大数据的结合，使数据应用从基于人工规则升级为从数据中自动学习规律的智能规则，从决策支持升级为自动决策，从记录业务变为创造业务。
以前企业可以聘请分析师手动探索数据集，但现在数据的规模和种类已远远超过手动分析的能力范围。数据科学技术已广泛地应用于营销、客户行为分析、价值挖掘、信用评分、风控和反欺诈、供应链管理。通过数据智能战略，现在先进的零售、金融等公司必须是优秀的数据智能公司。
1.2.2 “新基建”提速变革
信息基础设施是数字经济发展的基础，近年来国内外都在加快信息基础设施的建设，向高速率、低时延、全覆盖、低费率、智能化、应用垂直化方向发展。2020年国务院政府工作报告提出重点支持新型基础设施建设，发展新一代信息网络，拓展5G应用，建设数据中心，助力产业升级。新型基础设施是以新发展理念为引领，以技术创新为驱动，以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系。
目前“新基建”主要包括信息基础设施、融合基础设施、创新基础设施。其中，信息基础设施主要是指基于新一代信息技术演化生成的基础设施，包括以5G、物联网、工业互联网、卫星互联网为代表的通信网络基础设施，以数据中心、智能计算中心为代表的算力基础设施，以人工智能、云计算等为代表的新技术基础设施等。各个地区和城市都在大力开展新型基础设施的建设，例如2020年上海、北京、广州都推出了2020年到2022年的三年建设行动方案。
1. 网络设施超前升级
数字经济发展需要高覆盖、高速、可靠、安全的网络基础设施，从20世纪末开始，中国大力进行通信、网络基础设施的投资建设，取得了显著的效果。当前5G的快速有序推进，将有力支撑经济与社会的数字化升级与转型。
“宽带中国”战略的实施，显著解决了城乡“数字鸿沟”问题，农村宽带普及率从2012年的88%提升到了2018年的98%，提前完成了2020年的建设目标。截至2021年6月，全国光纤接入用户已超过4.8亿户，占固定宽带用户的94%，千兆光纤接入端口规模超过360万个，具备覆盖1.6亿户家庭的能力，约覆盖全国家庭的三分之一。
世界开启5G商用，5G已经成为世界各大经济体的战略焦点。
2019年，韩国、美国、瑞士、英国、意大利、西班牙、德国、中国的通信运营商纷纷推出5G业务。
截至2021年6月，中国已累计开通基站96万个，约占全球总基站数的70%，覆盖全国地级以上城市，预计到2023年将达到300万个。
截至2021年6月，全国移动电话用户达16亿户，其中5G终端达3.65亿户，占全球80%以上。
4G拓展的是消费互联网，5G的关键在于拓展产业互联网。5G可以支持生产数据的有效集成、低成本的远程控制、高精度的实时监测、柔性化的生产线等改变生产方式的变革。
2. 存储与算力设施加快建设
数字经济发展需要稳定、廉价、绿色、智能的存储和算力基础设施。互联网数据中心（Internet Data Center，IDC）承担着数据存储、计算、流通的作用。全球都在进行先进大规模数据中心的建设，规模增长迅猛。当前中国数据中心机架数累计已经超过220万，预计未来3年将继续保持每年25%的增长，2023年机架总数将超过400万。中国IDC业务主要是托管业务和云计算业务，2019年二者在总业务中的占比分别是40%和27.5%。市场调研机构Synergy Research Group的数据显示，截至2020年第二季度末，全球超大规模数据中心的数量增长至541个，相比2015年同期增长一倍有余。2016～2020年，全球算力规模平均每年增长30%。
IDC主要集中在一线城市，但总体布局也在逐步优化，新建大型、超大型数据中心逐步向贵州、内蒙古等条件适宜地区部署。国家和地方数据中心激励政策密集发布。数据中心纳入国家新型工业化产业示范基地创建的支持范畴，各地纷纷出台数据中心电费补贴政策，例如2019年山东省数据中心用电价格补贴后为每千瓦时0.33元，数据中心用电价格仅高于内蒙古，降幅高达50%。数据中心绿色化转型进入深化发展阶段。
2019年工信部、国家机关事务管理局、国家能源局共同出台了《关于加强绿色数据中心建设的指导意见》，明确提出引导大型和超大型数据中心设计电能使用效率值不高于1.4，改造既有大型、超大型数据中心电能使用效率值不高于1.8。2020年11月，国家信息中心联合浪潮集团发布《智能计算中心规划建设指南》，指出智能计算中心作为新型算力公共基础设施，符合中国当前社会经济发展阶段和转型需求。
3. 云计算与云原生大发展
云计算能让企业的数字化降本增效，让数字化的落地变得容易。对于大多数企业，上云是企业数字化的必然选择。中国信息通信研究院的云计算发展调查报告显示，95%的企业认为云计算可以降低IT成本，其中超过10%的企业认为成本节省超过一半。2020年中国云计算整体市场规模增速达56.6%，其中采用公有云的企业数量同比增长85%，采用私有云的企业数量同比增长26%。云计算的IaaS、PaaS、SaaS三种服务形式的用户和市场规模都在快速上升，2020年SaaS同比增长43%，PaaS同比增长145%，IaaS同比增长97.8%。
云原生技术可以降低用户数字化技术的使用门槛，提高资源的复合利用率，变革研发运营的生产方式，提升业务应用的迭代速度，提升交付效率，解放生产力。云原生技术采纳率持续提升，43.9%的被访企业表示已经使用容器技术部署业务应用。云原生技术架构具备以下典型特征：极致的弹性能力、服务自治故障自愈能力、大规模跨区域可复制能力。
云计算同时在向智能化发展。亚马逊AWS、微软Azure、阿里云等抢先布局AI云算力服务，降低企业对智能化应用服务的使用成本。例如，亚马逊AWS推出Amazon EC2针对机器学习训练及图形工作负载的GPU实例。阿里云主推的GPU云服务器，能够提供GPU弹性计算服务，有效赋能科学计算、图形可视化、视频处理等多种应用场景。
1.2.3 商业竞争驱动变革
技术创新和商业模型的发展是共同演进的。企业数字化与智能化转型是未来企业发展的必由之路。网络与数字原生企业借助强大的技术、资本、数据、用户优势大幅度向传统领域扩展，一些各行业头部企业也已取得良好的数字化成就。数字化产业链正在逐步成熟，给企业既带来机遇也带来挑战。商业的竞争将实现产业协同的效率提升、资源配置优化、跨界创新，最终汰弱留强，提高整个产业生态的竞争力。
1. 网络与数字原生企业加速产业渗透
二十多年来，随着互联网的不断发展，产生了一些大型互联网平台企业和许多数字原生企业，这些企业不但引领着数字新经济的发展，而且不断积极跨界进入传统产业，通过深入数字技术运用能力、高价值数据资源、庞大的用户市场、巨量资本规模、丰富的创新人才等优势，同时在三个维度不断扩张，输出技术创新和模式创新。
·垂直市场下沉：这几年互联网平台企业非常积极地向三四线城市和农村市场下沉，扩大用户群体，增加满足新用户群体的运营品类。
·纵向链条整合：通过掌握的用户规模、数据规模和资本规模，强力推动全链条数字化整合，向上游整合供应链和生产企业，向下游打通物流、线下渠道、线下门店，甚至摊位。
·横向行业扩展：同时不断向金融、线下零售（新零售）、出行、教育、餐饮、医疗、文化、汽车等行业扩张，打破行业壁垒，通过技术、资本和模式创新，重构传统行业，可以说是对传统行业在进行“降维打击”。
大型互联网平台企业同时大举投入和积极参与“互联网+”，通过云计算和各垂直领域的数字化解决方案，赋能传统企业的数字化和政府治理数字化，向制造、农业、能源等领域渗透。同时，大量经历互联网大发展的人才进入传统领域创业，借助技术变革的契机，采用全新的企业运营模式和打法，为行业带来活力的同时，也带来很大的冲击，典型例子如新崛起的中国电动汽车互联网造车新势力。
2. 产业生态数字化发展竞争驱动企业参与升级
数字化、智能化建设已成为当下产业界的共识，几乎每个行业中有远见的公司都在积极建立数据能力获取竞争优势。不参与数字化的升级与变革，将无法与领先的数字企业实现业务对接，会被排除在数字化供应链网络分工之外，难以方便地获取外部协作资源，不能建立直接的客户连接，将会被高效率、创新的数字化企业淘汰。
（1）数字化领先企业的引领作用
领先的行业头部企业随着大量数据的积累，已建立起强大的数据治理与数据应用能力，将会带动整个行业的数字化发展。在零售领域数字化创新效果特别突出，大型零售企业、新零售创业企业都在发展数字营销和数字化零售新模式，实现营销闭环、降本增效、模式创新。这些数字化领先企业有大型企业，也有中小企业。
·一些领域的头部大型企业，例如银行、保险、零售、电子、工业集团等领域的企业，很早就开始积极布局和探索数字化升级、转型，将智慧化上升为企业战略。其中领先企业的数字化建设也卓有成效，已在整个集团层面实现对企业全域数据的资产化统一治理和运营，培养出优秀的数据团队，开发出了数据分析、数据处理和数据应用能力。个别领先头部企业将自己的数字化经验进行总结，并输出给本行业的中小企业。
·许多有远见的中小企业也努力进行数字化的升级，近年来，中小企业在智慧企业中的占比明显增加，这其中会成长出一批在各自行业领先的优秀企业。
（2）参与数字化产业链分工与竞争的条件
随着数字经济的发展，经济的各领域会实现全产业链的数字化、网络化，数字化的新交易方式，驱动产业链重构，形成新的产业分工格局，使分工变得更精细、更精准，使整个产业生态实现更高的交易效率、更低的交易成本、更高的周转率，这就需要所有的企业都参与到数字化供应链、柔性生产与服务当中。企业需要加速数字化的建设，以应对数字化产业链的分工、协作、效率、竞争、消费变迁的挑战。
·企业需要适应新型数字化产业链分工与协作模式。数字技术将应用于生产制造全过程、全产业链、产品全生命周期过程，上下游企业打通消费与生产、供应与制造、产品与服务间的数据流和业务流，加快需求与资源在线汇聚和共享，实现全渠道、全链路的供需数字调配和精准对接的新型产业链分工协作模式，培育个性化定制、按需制造、协同制造等新模式。
·企业需要适应数字化产业链的高效率。数字化带来组织管理效率、工作效率、创新效率的提升；供应链上下游的数字化升级，将会促进产业链高效协同；基于数据驱动的网络化社会合作，必然会大幅度提升经济运转效率、市场效率。
·企业需要应对数字领先企业带来的竞争挑战。产业链的上中下游中体现出竞争优势的领先数字化企业会淘汰落后产能与落后服务的供给方，传统产业链中的简单劳动环节的价值将会持续萎缩。同时领先的数字化企业还会向产业链的上下游延伸、整合，向外输出数字化技术和服务，追求整个产业生态的更高效率、创造性和价值提升，提高支持更复杂、更先进产品与服务的生产能力。
·企业需要抓住数字时代人们消费习惯的变迁、新生代人群的新需求潮流，传统企业需要加速数字化的升级与转型，尝试商业模式与服务模式的创新。
中小微传统企业需要依托整个产业生态的数字化能力，革新自己的生产方式，发挥自己的创新能力，通过SaaS服务、云计算、数字化服务、数字平台提升自身的数字化能力，从而参与到数字化供应链的合作与竞争中。
（3）产业链协作的数字化对接要求
随着数字经济的发展，数字技术广泛运用于生产企业、销售企业、服务企业、物流企业、监管机构等各类企业与机构的管理、生产和交易流通等环节，逐渐成为上下游交易、供应商合作、外部服务等产业链协同过程的“标准化”沟通手段。大量的生产经营内外部对接环节依赖数字技术，包括数字办公、数字采购、数字营销、数据交易、数字服务、数字订购、数字物流、数字交付、数字结算、数字监管、数字结税、数字通关、数字退汇等。可以从以下几个方面来看产业链协作中数字化对接的需求。
·在供应商获取方面，未来企业需要依赖大量的数字化供应商，即企业需要在人力资源、财务审计、行政等职能管理等方面，采用SaaS服务和数字化外包服务以提升效率、优化成本；伴随着IT、金融、咨询、物流、客服等为生产提供服务的供应商的线上服务能力的提升，企业的供应采购与供应商管理也需要通过数字化和自动化方式实现。
·在产品设计、工业设计方面，可以通过网络化的设计协同平台，吸收协作设计方、自由设计师、用户参与，提升组织的设计水平与效率。
·在客户连接与运营方面，面向C端客户的零售商、厂商、平台通过数字化建设可以实现精准获客、低成本的产品销售、有效的客户运营、高效获取客户反馈与需求、满足个性化定制需求、更便利的自动化客户服务，例如将从数字媒体与电商渠道获取的数据都汇总到客户数据平台，实现客户信息的数据资产管理与运营。基于数据能够更有效地与数字媒体、电商渠道合作，进一步通过客户运营让客户直接参与到产品设计、加工、营销等环节。
·在产业链自动化协同方面，数字化的产业链协同可以实现跨组织的流程自动化驱动，从自动化下单、生产计划自动编排、进度实时同步、自动物流预订到及时交付与验收，整个产业链都会向零库存精益生产方式靠拢。按需生产企业可以仅关注生产的优化，通过可信的数字化中介平台、供应链平台自动获取订单，按订单自动启动生产。
·在行政管理与行业监管方面，随着政府和各行业监管部门的数字化建设，越来越多的企业政务可以或被要求数字化办理，例如人民银行与银保监会已积极开始数字化监管、要求系统对接与数据共享。
3. 全球竞争要求智能制造产业升级
智能制造是数字经济的重中之重，智能制造的发展会构建国际分工的新体系，升级全球供应链，实现全球贸易价值的重分配。当前全球竞争加剧、合作意愿降低，全球主要经济体都在强调制造业的发展或回归，避免产业空心化，最终失去全球竞争力。面对这次新旧业态交替的变革机遇，发达国家希望保持和扩大领先优势，发展中国家希望抓住弯道超车机遇，因此智能制造成为国际全球化竞争的新战场。
智能制造可称为第四次工业革命或工业4.0。工业4.0最早于2013年在汉诺威工业博览会由德国提出，是对工业发展最新具有变革意义阶段的表述。按照工业发展的核心动力不同，可将工业发展划分为四个阶段：蒸汽机革命（视为1.0），电气化革命（视为2.0），信息化革命（视为3.0），现在4.0的核心是智能化。
（1）逆全球化与全球制造业供应链的防御性重构
当前，全球生产制造产业链结构正在发生深刻变化，向逆全球化与内向化发展，全球产业链融合回缩和布局转移调整，一些经济体支持关键重要产业回流本土，突出表现在以下三个方面：
·发达国家通过税收政策吸引制造业“回流”，通过贸易战和区域贸易协定保护本土工业；
·发展中国家制造业正在向“高端跃升”，寻求向高附加值、高利润环节与清洁环保、可持续的生产方式发展；
·主流经济体正在重构自己的全球供应链体系并把控核心技术，以实现自身工业的供应安全。
在2008年全球金融危机之后，各国都认识到实体制造业对经济韧性的重要性。发达国家改变重点发展价值链顶端、高利润虚拟经济部门的策略，期望逆转制造业在其GDP比重中持续下降的趋势，避免“去工业化”，鼓励制造业回流，这在一定程度逆转了全球化的进程。
近两年受国际贸易争端与全球疫情的影响，大家都意识到当前深度全球化供应链的脆弱和完全追求极致经济效率的供应链配置存在的经济安全隐患，因此寻求将涉及核心技术的关键产业迁回本土，同时大力发展被竞争对手控制的关键产品与产业，多地区配置、培养可替代的供应商。
当前，发达国家要重塑本国实体制造业的竞争力，发展中国家要提升自身在全球产业链中的地位，全球供应链的防御性重构调整，而智能制造对这三方面来说都是难得的机遇。
（2）全球主要经济体都努力争取在第四次工业革命的机遇中获得竞争优势
全球的工业都在向智能制造转型，世界主要经济体都希望抓住第四次工业革命带来的发展和转型的机遇，争取在新的竞争格局下保持或建立竞争力。智能制造与数字经济的发展将对一些传统产业构成巨大冲击，智能制造的竞争将会决定全球化的再分工，而分工的变化会影响全球贸易的价值创造和收益分配。新旧制造业态的交替影响非常广泛和复杂，这意味着制造产业格局的重新划分，一些地区传统制造产业将面临衰败，若抓不住新崛起的产业，则会对该地区的产业经济造成毁灭性打击。
各国政府和工业界的领导者纷纷推出新一代与智能制造相关的战略政策及行业方案。
德国提出工业4.0的核心目的是提高德国工业竞争力，工业4.0被纳入《德国2020高技术战略》，包括智能工厂、智能生产、智慧物流等概念，同时提出了装备制造和市场生态的双领先战略目标。2019年德国发布《国家工业战略2030》与《德国2030年工业4.0愿景》，前者要求通过政府直接干预等手段确保国家掌握新技术，保证其在竞争中处于领先地位，后者明确将构建全球的数字生态作为未来10年德国数字化的新愿景。
因为金融经济危机，美国政府比较早就提出“再工业化”，重振美国制造业，通过一系列国家政策和投入，发展基础技术和补贴企业研发投入，推动制造业升级。2018年美国发布《美国先进制造业领导力战略》，提出三大任务：发展和推广新制造技术、教育与培训新制造业的劳动力、扩大国内制造业供应链能力。美国也一直是企业数字化转型支出最大的市场。
日本重视机器人技术的发展，特别是工业机器人领域，日本占领了全球市场的半壁江山。
（3）中国制造产业升级迫切，需要积极参与全球产业链重构
中国一直积极参与到全球产业链当中，并积极提高在全球产业链中的地位，进入高附加值生产制造环境。中国政府发布了《中国制造2025》战略，并推出“新基建”等措施拉动数字经济的快速发展。2020年中国工信部印发《关于推动工业互联网加快发展的通知》，要求各有关单位加快新型基础设施建设、加大政策支持力度，旨在推动工业互联网在更广范围、更深程度、更高水平上融合创新，培植壮大经济发展新动能，支撑实现高质量发展。
以下是造成中国迫切需要升级制造产业的原因：
·人均收入提升；
·人口结构变迁，劳动力人口减少，特别是体力劳动者减少，社会老龄化；
·低端制造业价值低、抗风险能力弱，并且由于国际竞争、贸易保护、成本上升，此类制造业正在向其他国家迁移；
·保护环境生态，淘汰落后产能的产业，落后产能的产业最终一定会竞争失败，若产业不能及时顺利转型，还会带来失业等社会问题；
·科技研发亟需追上发达国家，以提升工业产品的附加值。
1.2.4 社会治理需要变革
数字技术的蓬勃发展，不仅带来了经济方面的变革动力，更带来了政府管理和社会治理模式创新、数字化治理能力的提升，实现了政府决策科学化、社会治理精准化、公共服务高效化，提升了公共服务的效率、质量、普及、公平、公开等方面的水平，并加强了态势感知、监管、交通安全、医疗卫生、社会治安、风险应急防范等能力。
数字化社会治理可以分为两方面，数字政府和数字城市。数字政府可以实现政府治理从低效到高效、从被动到主动、从粗放到精准、从事后处理到事前预防、从部门独立管理向协作式管理的转变。数字城市可以帮助解决大城市的环境、资源、交通、安全、医疗等方面非常复杂的管理难题。
总体来说，数字化社会治理可以帮助应对人类社会治理的挑战，例如：
·政府工作效率提升的挑战；
·城市发展集约化的挑战；
·在气候、环境、能源、医疗卫生等方面可持续发展的挑战。
1. 数字政府
建设数字政府是数字经济时代对政府治理能力的提升需求，通过治理方式的数字化、网络化、智能化革新实现。近年来，我国从中央到地方都在加快推动数字政府建设，政府公共服务供给能力有了显著提升。具体来说数字政府带来的社会治理变化体现在如下方面。
（1）提高科学决策水平
大数据技术有助于政府获取全量数据，为决策提供全面依据，例如数字化的人口普查、国土资源调查。
（2）实时精准跟踪掌握政策实施情况
通过实时的数据收集和统计，政务大数据看板，可以及时看到政策执行效果；对实施措施进行调整，可以避免完全靠经验决策和执行过程中的“上有政策下有对策”问题。
（3）数字政务提高行政管理效率
数字化有助于细化政府管理的每一个环节和流程，实现流程的优化和精细化，建立更高效的公共服务体系。政务服务网上办理便捷性不断提升，从“一号、一窗、一网”向“一网、一门、一次”加速转变，“最多跑一次”“一次不用跑”“不见面审批”“秒批秒办”等先进模式在全国范围探索应用并普及推广。无接触办事，优化政务工作流程，提高社会治理效率，实现“数据多跑人少跑”。通过“云招商”“云审批”“云签约”“云法庭”“云调解”等新办公方式简化流程，提高效率。政务App不断优化，通过大数据、人脸识别等技术，可核实办理身份认证，由申请办理向自助办理转变。
（4）数字化监管提高监管效果
数字化、网络化的监管手段将实现全面、实时的监管，从以事后监管为重点向以事中、事前监管为重点转变，例如，利用遥感技术手段监测环境污染、违章建设，可以避免人为因素干扰，准确而且高效。
（5）数据共享实现公共数据的价值挖掘
基础性战略资源的政府数据的汇集和共享，有助于打破政府部门间的信息壁垒，避免行政管理中常出现的“九龙治水”现象，有助于数据价值的深度挖掘，造福于社会。
2. 数字城市
现在城市是现代人类社会生活的主要环境，是一个极其复杂的生态系统。世界绝大部分人口都居住在城市中，并且进一步在向城市聚集，形成超大型城市。例如东京地区的人口数量占日本总人口的十分之三以上。超大型城市带来超高社会生产效率的同时，也带来环境、资源、交通、安全、医疗等方面非常复杂的管理难题。
（1）数字城市的目标
数字城市为城市管理带来了全新的模式，通过信息化手段实现智能化管理、科学决策、统一规划、监控实施、全息感知城市运行状态、统一调度、高效协作、精细治理，整合数据资源管理与服务，赋能城市各部门政务实施，降低日常管理的难度、不确定性与风险，全面提高城市的规划、建设、运营、管理、保障各个方面的综合能力，实现政务通畅、居民普惠、产业发展。
（2）数字城市的应用
数字城市建设是一个综合的、集成的庞大复杂工程。从应用角度，该工程涵盖城市的规划、环境监测、设施监控管理、市场监管、人员流动引导、生活服务等方方面面，通过数字设备与网络等信息化基础实现环境、物、人、事的基础信息采集、动态感知、识别、定位，借助大数据和数据智能技术实现城市的数据处理、科学决策、智能化管理，具体包括城市规划、环境监测、设施管理、能源管理、市场管理、人流与交通流管理、政务服务等方面，例如城市规划可以实现“多规合一”，IoT与5G技术可以全面提高污染监测、市政设施管理的水平。
（3）数字城市的建设内容
从信息系统分层角度，智慧城市的统一建设包括数字设施、智能应用、大数据平台的建设。
·数字设施包括数据采集设备和数据存储、计算、传输设施。
·智能应用是城市管理各个部门建立的各项智慧政务服务应用，赋能城市管理，服务企业和市民，也吸引企业和市民共同参与。
·城市大数据平台是数字城市的中枢，能够实现如下功能：
·汇集政务信息、城市运行感知数据、产业数据、公益数据，整合政府、市政、电信、互联网、企业等丰富多源的数据，实现数据共享；
·统一提升城市的整体数据治理能力，通过统一运营和统一服务，解决多源异构、一数多源、数据混乱冲突等数据问题，并持续保障数据的质量与稳定性，形成赋能中心；
·支持各个管理部门的数据应用，赋能整个城市的各个管理部门；
·促进数据全面融合和数据价值深度挖掘，推动政企数据双向对接，创造数字经济的溢出效应，提高城市竞争力。
（4）数字城市建设的终极目标
最新的数字城市建设内容是构建数字孪生城市。数字孪生城市是建立城市的数字空间映射，实现虚实融合，对城市部件实现统一数字化管理。也就是说，基于标准统一的城市部件数字编码标识体系和空天地全方位立体部署的物联感知设施，为各类城市部件、基础设施甚至动植物等生命体赋予独一无二的“数字身份证”，实现对城市部件的智能感知、精准定位、故障发现和远程处置。数字孪生城市可以分多个层次进行建设，包括物理环境静态信息、运行动态信息、设施管理、智能自动化控制与响应。
1.2.5 政府政策引导变革
当前全球化进入新的阶段，人口红利减弱，全球主要经济体都认识到数字经济是21世纪经济发展的核心动力，是未来经济竞争的制高点。多数发达国家较早认识到数字经济的重要性，对提升经济社会发展和国家实力具有重要意义。发达国家率先布局，将发展数字经济提升至国家战略，通过出台国家数据战略、完善国内数据立法等多种方式促进本国数据资源和数据技术的开发，把发展数字经济作为实现繁荣和保持竞争力的关键，从大数据、人工智能、智能制造等领域推动数字经济发展。
1. 欧美的数据战略
自2013年以来，全球主要经济体高度重视发展人工智能，已有20多个国家和地区发布了人工智能相关战略、规划或重大计划。美国、欧盟、英国等世界主要经济体纷纷建立专门的人工智能推进组织机构。
美国是全球最早布局数字经济的国家，它在20世纪90年代就启动了“信息高速公路”战略。近些年美国政府更加高度重视数字经济和人工智能，旨在继续“全面领先”。2018年白宫宣布成立人工智能特别委员会，2019年再次更新了2016年发布的《国家人工智能研发战略计划》，并启动美国人工智能行动计划（倡议），涉及加强人工智能研发投资、联邦政府数据和计算资源开放、人工智能治理和技术标准等方面，以刺激、推动美国在人工智能领域的投入和发展。美国于2019年1月通过了《开放政府数据法》。美国白宫于2019年12月发布《联邦数据战略与2020年行动计划》，“将数据作为战略资源开发”成为美国新的数据战略的核心目标。
欧盟针对政府数据开放、数据流通、发展数据经济发布了《迈向繁荣的数据驱动型经济》《建立欧洲数据经济》《迈向共同的欧洲数据空间》等多部战略文件。欧盟28国在2018年签署《人工智能合作宣言》共推人工智能发展。2019年6月，欧盟出台《开放数据和公共信息再利用指令》，同时也正在制定《数据治理法案》，旨在促进欧盟内部的数据共享，打造单一的数据市场。2020年2月，欧盟委员会发布《欧洲数据战略》，强调提升对非个人数据的分析利用能力，作为该战略的系列举措之一的《欧洲数据治理法案》于2021年10月获得通过。德国政府在2013年提出“工业4.0”战略，又相继推出《数字化战略2025》《德国人工智能发展战略》《国家工业战略2030》。英国于2018年发布《数据宪章》。2020年9月，英国发布《国家数据战略》，提出释放数据的价值是推动数字部门和国家经济增长的关键。
总结各主要经济体的数字经济相关政策，我们发现它们存在以下几项特点。
·将发展数字经济作为国家战略，重视数字经济的战略作用，推出数据战略、人工智能战略、数字化战略等国家级战略政策，并建立专门的推进机构。
·政府大规模投入基础研究，特别是人工智能的研究，设立多项持续的研发计划，设立专门的研究机构。
·推出多项数字经济产业发展鼓励政策，制定数字经济分阶段的发展目标，并周期性地不断调整。
·通过立法加强对社会数据资源的治理，保障公共数据资源的开放共享，促进数据的流通与重用。美欧等公共数据开放程度较高的国家和地区大都出台了专门的公共数据开放立法，规定了相关主体的数据开放共享义务。例如，美国立法明确了数据开放主体和开放范围，欧盟立法扩大了数据开放范围，强调数据重用。
2. 中国的数据战略
中国政府高度重视发展数字经济，推动数字经济逐渐上升为国家战略，数字化是中国现在最确定的机遇。近年来，从中央到地方每年都会推出大量的数字产业扶持政策，并制定数字基础设施与基础研究大规模投入计划，使得数字化的进程被大大加速，从最初的30～50年很可能缩短到10～20年。
2013年出台的《国务院关于印发“宽带中国”战略及实施方案的通知》首次提出将宽带网络作为国家战略性公共基础设施。
自2014年“大数据”首次被写入政府工作报告以来，政府开始推行国家大数据战略。
2015年国务院发布《促进大数据发展行动纲要》，出台《国务院关于积极推进“互联网+”行动的指导意见》，从创业创新、协同制造、现代农业等11个领域推动互联网创新成果与经济社会各领域深度融合，提升实体经济创新力和生产力。2015年智慧城市首次被写进国家层面的政府工作报告中。
2016年，“十三五”规划正式提出“实施国家大数据战略”，工信部发布《大数据产业发展规划（2016—2020年）》，同年国务院出台《国务院关于深化制造业与互联网融合发展的指导意见》，推动制造企业与互联网企业在发展理念、产业体系、生产模式、业务模式等方面全面融合，发挥互联网聚集优化各类要素资源的优势，加快新旧发展动能和生产体系转换。
2017年国务院印发《新一代人工智能发展规划》，将人工智能上升至国家战略，明确提出“三步走”战略目标：到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
2019年出台的《数字乡村发展战略纲要》将发展农村数字经济作为重点任务，提出要加快建设农村信息基础设施，推进线上线下融合的现代农业。
2020年3月，工信部印发《中小企业数字化赋能专项行动方案》，行动目标包括集聚一批面向中小企业的数字化服务商，培育推广一批符合中小企业需求的数字化平台、系统解决方案、产品和服务。同年4月，国家发展改革委、中央网信办发布《关于推进“上云用数赋智”行动 培育新经济发展实施方案》，提出中小企业要素转型的思路，由政府、平台提供通用数据资本投入以替代中小企业的自我投入，让中小微企业以边际投入的方式轻装上阵，助力中小微企业破解数字经济转型难题，解决不会转、不能转、不敢转的问题。
2020年4月，国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，首次将数据作为一种新型生产要素，提出要“加快培育数据要素市场”，推进政府数据开放共享，提升社会数据资源价值，加强数据资源整合和安全保护。
2021年3月，“十四五”规划发布，在多个篇章都提到大数据的发展，突出数据在数字经济中的关键作用。同年11月，工信部发布《“十四五”大数据产业发展规划》，指出我国迈入数字经济的关键时期。
总结中国数字经济相关政策，我们发现它们具有以下特点。
·中国的国家数字战略重视顶层设计，从中央到地方推动相关政策落地实施，数字经济增长动力强劲。各省级政府都已制定了推进大数据产业发展的政策，部分省市区陆续建立了大数据局等专门的大数据管理机构。
·重点投入数字基础设施建设，重视人工智能基础研发，大规模建设5G通信，扶持宽带、存储与计算设施、云计算的快速发展。
·推动数字化向传统产业加速渗透，加速创新数字产业化，深入推进产业数字化，发展互联网+。数字经济发展战略规划经历了从重点推进信息通信技术的快速发展和迭代演进向经济社会各领域的深度融合发展，推动了数字经济从第三产业到第二产业再到第一产业的渗透。
·重视数字经济与社会的全面发展，加强农村信息基础设施建设，发展数字农业，扶持中小企业的数字化升级与转型。