企业数智化转型面临的问题与对策建议

2024年6月，《求是》杂志发表习近平总书记重要文章《发展新质生产力是推动高质量发展的内在要求和重要着力点》，科学地阐明了新质生产力的科学内涵，明确新质生产力具有高科技、高效能和高质量特征，是由技术革命性突破、市场要素创新性配置、产业深度转型升级而催生，特点是创新，关键在质优，本质是先进生产力。目前，有学者研究发现，数智化转型是引领企业创新发展的核心驱动力。企业数智化转型逐渐成为构建新型生产关系、加快发展新质生产力的关键。特别是企业作为技术创新的主要载体，发展新质生产力必须加快企业数智化转型升级。现有文献关于数智化转型的讨论主要集中在对企业经济价值的影响。本文将在已有研究的基础上，总结我国企业数智化转型的现状与趋势，进一步提出相应的难点及对策建议。

数智技术作为数字化与智能化技术结合的产物，不仅在实体经济中根基深厚，更以多样化的发展模式和清晰的功能定位，展现出其强大且多样的赋能能力，逐渐成为企业转型升级的关键因素。

（一）数智化驱动企业创新发展

1.支撑产业模式创新

数智化推动产业模式创新，正以其万物互联和数据聚集的特性，重新定义产业模式。从电气时代的网络化到信息化时代的数据串接，再到智能化时代知识关联的形成，数智技术的发展不仅促进了技术本身的迭代升级，还推动产业模式从传统的线性生产向网络化、智能化演进。企业通过应用人工智能、大数据分析等数智技术，加速聚集创新所需的关键生产资料和工具，生成赋能千行百业的新质动能，突出表现为“AI+数据”正成为加速产业模式创新的催化剂。人工智能技术通过对企业在生产、经营和内控等环节的数据要素进行广泛分析，不仅打破了经营主体之间数据要素“信息孤岛”，还重塑了产业链、供应链分工协作模式，为新一代信息技术赋能千行百业奠定基础。同时，逐渐形成远程服务、质量溯源以及大规模个性化定制等多种以创新为导向、围绕市场客户展开的新业态、新模式。当前，像百度、阿里、网易等平台型互联网企业，依托新一代信息技术优势向传统制造领域渗透，正是数智化驱动产业模式创新的具体表现。

传统制造业对数智化赋能需求迫切。以人工智能、大数据等为代表的数智技术通过赋能制造企业，打破了传统的信息流、产品流与资金流封闭运行的模式，推动实现传统制造企业价值链的协同联动。例如，中国海尔集团的COSMOPlat平台，通过融合人工智能技术，并整合设备数据、生产数据以及先进的管理理念，建立了一个开放共享的工业互联网平台。该平台在推动传统制造企业优化资源配置的同时，协助其实现了生产过程全记录及智能化管控。根据中国科学技术信息研究所等机构的研究，人工智能技术在制造产业的应用将保持年均40％以上的增长率，到2025年，市场规模有望超过140亿元人民币。

对具备一定数智化转型基础的金融业，数智技术正推动其向高度开放的生态模式转型，加速生态系统内部各主体协同合作，催生出更多的细分生态模式以更好地响应终端市场的个性化需求。例如，兴业银行在福建省政府指导下建设运营的福建金服云平台，通过应用人工智能技术整合多方数据源，加速金融机构、监管机构和企业等主体协同联动，实现了金融产品的精准供给。

2.支持产品创新

数智技术赋能企业逐渐成为推动产品创新的引擎，通过在企业产品开发的各个阶段提供支持，加速产品创新进程，提升产品性能和质量。特别是基于海量高质量数据集学习的人工智能通用大模型和专业大模型，还能够帮助企业开发新产品。一方面，基于深度学习的人工智能大模型能够极大提升企业信息检索和数据处理的效率。通常产品创新需要查阅大量专利技术、科技文献等资源，并结合专家经验进行判断。然而，企业应用人工智能技术则能够在数秒内实现对产品创新有效性的辨别，显著缩短了产品创新从概念验证到商业落地的周期。在产品设计阶段，企业通过分析大量用户数据、提取用户偏好和行为模式，借助基于大量数据深度学习的人工智能大模型，帮助设计师精准分析用户需求并生成创意，设计出更符合市场需求的产品。另一方面，企业应用数智技术加速各类产品创新要素的联通耦合。人工智能通过采集、处理以及整合多源异构数据提升不同创新要素重组的概率，为产品创新带来更多可能。例如，特斯拉利用基于驾驶行为的用户画像进入车险市场；生物制药企业通过神经网络算法进行化合物识别和发现新的工业材料等。

在强化创新产品供给方面，数智技术赋能推动企业产品创新日益多元化。例如，在金融领域，通过运用人工智能等数智技术，推动金融企业研究设计出标准化的产品体系，能够为客户提供覆盖其全生命周期的金融产品。此外，伴随多模态大模型、通用大模型等人工智能技术的持续突破，金融企业还能通过数据分析提供市场趋势预测、风险评估等增值服务，进而更好地满足企业的定制化需求。

在加速产品创新进程方面，人工智能大模型不仅能够通过多模态学习和自监督学习等方式分析复杂的数据资源，还能在云端创建产品测试与技术验证平台，为加快产品创新和产品研发提供新的生产工具。特别是在创新药领域，企业依托基于通用大模型开发的新药研发模型和逆合成软件等，加快挖掘具有创新性、有效性的新药物合成路线，在提升药物研发效率和成功率的同时，加速创新药成果落地。例如，中国生物技术公司华大基因利用人工智能技术优化基因组学研究和药物研发流程；百度推出的PaddlePaddle平台，通过提供生成式化学、蛋白质语言和结构预测相关的开源模型，加速新药研发进程。这些案例都是以人工智能为代表的数智技术赋能企业产品创新的典型案例。

3.推动企业提质增效

数智技术赋能正在逐步转变企业传统的生产与服务模式。人工智能技术与大数据分析、网络技术相融合，通过持续的深度学习与算法优化，使得企业能够依托数智技术模拟复杂的生产工艺过程，协助企业不断优化工艺参数，进一步提升其生产效率与产品质量。在企业宏观战略层面，数智技术赋能强化了企业对海量生产数据的分析能力，能够揭示企业在经营运转过程中隐藏的规律和趋势，及时预测潜在问题并调整应对策略。在企业中观环境方面，企业依托数智技术动态监测市场趋势与变化，挖掘终端市场新的创新机会，及时把握市场竞争对手的经营动向，协助企业提升市场竞争优势。在企业微观管理方面，专业化的人工智能大模型能够帮助企业识别生产工艺及终端产品缺陷，同时在识别数字网络系统漏洞等安全管理方面也能够发挥积极作用。此外，伴随数智技术向企业生产经营各环节加速扩散，以人工智能、大数据分析等为代表的新一代信息技术赋予了智能终端超越人工的多项优势，突出表现为智能终端能够维持长时间的工作运转、降低发生工作失误的概率、具备一定的智能决策能力等，进而显著提升企业的生产经营效率。

目前，我国有较多成功实践案例能够表明数智技术赋能可以推动企业提质增效。在提升企业产品与服务质量方面，中国联影智能公司推出的uAI影智大模型，在医疗影像诊断领域实现了多模态信息的交叉融合，显著提升了诊断的准确性和效率；百度智能云开物平台通过学习钢铁企业热轧产线中的样本数据，推出了热轧钢铁表面缺陷质量检测方案，瑕疵识别准确率达到99％以上。在提升效率方面，华星电子与阿里云合作，采用机器学习技术对半导体芯片进行自动化缺陷检测，与传统的人工检测方法相比，检测效率提高了50％；微众银行在风险控制和融资匹配中，通过应用人工智能大模型挖掘企业的公域数据，在实现超百亿新增放款的同时，持续提升金融服务供给效率。

（二）企业数智化转型的趋势

1.场景驱动下，更重视战略引领

数智化转型是当前企业创新发展的一大趋势，其涉及利用数字技术和智能系统来优化企业运营、提高决策效率和增强市场竞争力等。在这一过程中，场景驱动和战略引领成为两个关键因素。

场景驱动是指企业在进行数智化转型时，基于特定的业务场景来识别和解决实际问题。这种驱动方式强调对业务流程的深入理解和对客户需求的准确把握。例如，零售企业可能会通过分析顾客的购买行为来优化库存管理，或者根据公开数据预测市场趋势。场景驱动的数智化转型有助于企业以市场需求为导向加快兑现利润，并及时响应市场变化，进而实现定制化服务和产品创新。然而，场景驱动的数智化转型虽然能够带来即时的效益，但也可能存在短视和片面性的问题。这就需要把战略置于更突出的位置以引领企业数智化转型。

战略引领强调从企业的全局视角出发，制定清晰的数智化转型目标和路径，其要求企业不仅要关注当前的业务需求，还要考虑未来的发展趋势和潜在风险。通过战略引领，企业可以确保数智化转型的方向和节奏与企业的长期目标相一致。根据数字产业创新研究中心的资料显示，以央国企为代表的领军企业正在加快顶层设计和规划，以明确数智化转型的方向。这一举措旨在推动企业高质量发展并更好地应对新时期的机遇和挑战。

2.要素融合下，更关注人才队伍建设

伴随创新要素不断地交叉融合，企业在数智化转型过程中越来越重视人才队伍建设。人才是企业最宝贵的资源之一，特别是在数智化转型这一复杂且多变的进程中，专业型人才和跨领域多学科交叉型人才重要性凸显。

企业数智化转型需要一支具备高度专业知识和技能的人才队伍。这些人才不仅要熟悉传统的企业管理和运营知识，还需要掌握数据分析以及应用人工智能等前沿技术的能力。他们能够利用这些技术优化企业的业务流程、提高决策效率，从而更好地应对企业数智化转型过程中面临的机遇和挑战。在数智化转型过程中，企业需要不断探索新的业务模式和管理方法，这就需要人才能够跨越不同领域、整合不同学科知识，提出创新性的解决方案。此外，企业需要为员工提供更多的职业发展机会和培训资源，以帮助他们不断提升自身的专业技能和综合素质，更好地适应数智化转型新需求。

3.数据驱动下，更关注数据治理

数据驱动的企业数智化转型过程中，以人工智能大模型为代表的新型生产工具需要高质量数据集为基础进行迭代升级。此外，数据安全问题日益受到全社会各领域的高度关注，这要求企业在高效收集、存储和分析数据的同时，强化数据治理。突出表现为以下三个方面：

一是数据治理是确保数据质量的基础。企业在进行数智化转型过程中，需要建立起一套完善的数据治理框架，包括数据采集、清洗、整合、存储和安全等多个方面。这不仅能够保证数据的准确性和一致性，还能为企业决策提供可靠的数据支持。二是数据治理有助于提高数据的透明度和可追溯性。在数据驱动的决策过程中，企业需要确保数据来源清晰、处理过程透明以及结果可追溯。这既有助于增强企业内部的信任度，也能满足新时期对智能技术监管的要求。三是良好的数据治理能够促进数据的共享和协作。在企业内部，不同部门之间需要共享数据以支持各自的业务需求。通过有效的数据治理，可以确保数据在不同部门之间安全高效流通，从而提高整个组织的协作效率。此外，以高质量数据集为基础的人工智能大模型能够更好地理解客户需求，推动产品与服务优化，进一步帮助企业在激烈的市场竞争中获得比较优势。

4.创新驱动下，更重视人工智能赋能

数智化转型不仅涵盖企业内部流程的数字化，更包括对外部环境的智能感知。在此过程中，人工智能的赋能作用日益凸显，逐渐成为企业增强核心竞争力的重要因素。

首先，人工智能通过融合大数据分析和机器学习等智能技术，为企业创造了新型生产工具。企业通过人工智能大模型分析海量数据，并高效识别市场趋势、消费者行为和潜在风险，从而做出更加精准的决策，为企业带来更高的运营效率和更具优势的市场竞争力。特别是在开放的创新生态系统中，企业可通过与合作伙伴共享数据与资源，加速产品与技术的创新过程，进一步推动行业技术进步与产业升级。其次，人工智能赋能在企业产品开发与服务创新中发挥着重要作用。通过应用人工智能技术，企业能够加快产品研发、中试熟化及商业落地进程，满足消费者多样化的需求。此外，人工智能等数智技术还能提供智能客服、自动化流程管理等创新服务，在提升服务体验的同时，增强客户的品牌忠诚度。

习近平总书记指出，我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，迫切需要新一代人工智能等重大创新添薪续力。在党中央的高度重视下，中国人工智能产业发展走在世界前列。工信部数据显示，截至2024年三季度，我国人工智能企业数量超过4500家，人工智能核心产业规模接近6000亿元人民币。以人工智能为代表的数智技术加速向各领域扩散，推动企业数字化、智能化转型进程，形成京津冀、长三角、珠三角和川渝地区的产业集群高地。作为产业数字化的核心载体，我国企业数字化、智能化转型取得较大进展，但不同规模、不同类型企业转型力度、速度和效果差异较大，企业内外部要素条件等还存在不少障碍。突出表现为以下难点问题：

一是数智化不确定性导致企业转型战略缺失。企业数智化转型正经历从基于传统的企业资源计划（ERP）、客户关系管理（CRM）等企业资源信息系统的信息化管理，到基于人工智能技术、云计算和大数据等新兴数智技术的价值体系重构，其复杂性和影响因素显著增加。不少企业对于人工智能技术的认知还停留在传统信息技术的应用阶段，制定的转型战略和目标往往相对保守。总体来看，以人工智能为代表的新一代信息技术推动企业数智化转型变革的引领地位尚未确立。中国信通院调研数据显示，近半数的企业在数字化、智能化转型的过程中仅聚焦于提升业务的规范性和运行效率，只有极少数企业能够聚焦于加速产品服务创新和培育数智业务，技术催生新模式、新业态的成效尚显不足。

二是数智化转型所需资源要素存在壁垒。首先是缺乏人工智能技术人才。人工智能技术人才不仅包括专职IT人员，还涵盖既有业务能力又具备人工智能专业技能的复合型人才，尤其是具有战略眼光、数字思维、设计能力和创新精神的领军人才。成都新经济发展研究院调研数据显示，我国企业的管理层和一线业务部门员工在数字素养和人工智能等数字技能方面存在明显短板。其次是成本难以负担，特别是中小企业的技术难以满足数智化要求，往往需要依赖第三方数字平台整合自身资源。但外部的数字平台难以满足企业的碎片化需求，使用中存在诸多限制，且使用成本较高。

三是企业的数据治理能力不强。当前，大多数企业在数据汇聚、共享、分析、应用等方面的能力较弱。一方面，多数企业的信息化水平仍停留在考勤管理、OA、财务管理等办公自动化阶段，“信息孤岛”或“数据烟囱”现象十分显著，导致信息汇聚难。另一方面，不同行业、不同规模的企业生产管理方式不一，使得企业内部不同业务部门对业务流程、数据标准及指标规则等未进行数据标注，IT架构、数据治理等方面也缺少企业统一视角的统筹，导致数据分散不互通、数据质量低、分析效果不理想。由于数据汇聚难，以及对数据的跟踪与管理难，导致数据资源得不到有效利用，数据价值潜力难以充分释放。

四是企业数智化转型技术供给和服务生态不健全。企业数智化转型需要持续性供给侧服务，既包括软硬件技术产品等“硬”供给，也包括知识方法等“软”供给。当前，我国企业推进数智化转型多采用高端、先进的国外成熟软件，关键工艺装备、人工智能底层算法、高端工业软件等技术产品对外依存度高，国内技术服务市场仍处于培育期。传统的需求方和供给方将服务定位于IT销售的延伸与服务，未能从商业模式和业务模式的创新角度出发，建立为企业提供系统性数智化转型解决方案的服务体系。此外，我国数智转型系统性解决方案等信息技术服务起步较晚，在发展规模、专业服务能力等方面与IBM、埃森哲等国际领先企业相比还存在较大差距，缺乏集架构设计、方案实施、数据运营等关键任务于一体，并能提供数智化转型全过程专业咨询的服务商。

近年来，随着人工智能通用大模型、专业大模型和小样本学习等数智技术的持续突破，数智技术赋能在各个领域推广渗透，企业正加速从内部流程数字化向业务智能化迈进。企业作为引领经济发展和技术创新的重要力量，其数智化转型已成为大势所趋。建议我国政府聚焦树立企业转型升级战略引领地位、强化创新要素供给和完善企业转型升级服务生态等方面，加快推动数智技术赋能企业创新发展。具体建议包括以下五个方面：

一是提升企业对数智技术的适应力与引导力。重点是转变企业数智化转型过程中经常出现的IT主导+业务协同的局面，加快构建业务主导+IT协同的数智化转型战略。一方面，确立企业领导者对数智化转型的引领支撑地位，确保数智化转型战略在企业高层内部形成广泛共识，推动企业从战略、组织、技术和文化等维度开展数字变革，加快各类业务模块依托数智技术实现横向整合、纵向贯通与跨机构协同。另一方面，制定以业务变革为核心的数智化转型战略。引导企业立足自身发展需要，结合业务特点制定数智化转型的愿景与目标，聚焦业务板块的创新创效能力、专业化统筹能力和新经济价值创造能力，围绕核心业务全产业链开展数智化转型。同时，进一步明确数智化转型的实现路径、工作需要以及适配的IT技术等。此外，要重视数字技能培训，提升各层级员工的IT专业知识储备，避免出现因业务人员数字技能不足，导致IT技术人员被动成为主导企业数智化转型的情形。

二是构建适合企业数智化转型的多层次人才培养体系。我国数字人才供需存在结构性矛盾，特别是高端数字人才缺口明显，需从政产学研用等多方面共同发力。对于政府，需深化数字人才供给侧改革，加快数字人才供需对接，支持社会各方全方位、多举措夯实数字人才“存量”。同时，引导企业加大数字人才培养的资源投入以壮大人才队伍，明确以需求为导向配置岗位，通过精准匹配缺口保证数字人才供需高效对接。对于科研院所，以校企合作为基础，通过在职培训、在线教育、传统学校教育等方式，加快培养满足不同类型企业需求的数字人才，为各类劳动者提供符合需要的培训课程。对于企业，要加强对数字管理人才、数字应用人才和数字技术人才的专项招募，把在职人员培养成兼具数字技能的复合型人才，并加快完善激励机制，鼓励各层级员工不断提升数字技能和素质。

三是强化对中小企业数智化转型的要素支撑。支持各级政府主导的中小企业公共服务平台进行数据开放，引导企业级平台共享数据资源与算力算法。加强对中小企业研发设计、生产排程、质量控制等关键节点的数据融通、数据清洗与数据标注。整合弹性分布式计算、数据存储等基础数据处理云服务，以及大数据运算、数据可视化、机器学习等人工智能技术，推动政务数据与产业数据跨领域协同聚合与治理，增强对中小企业数智化转型的数据要素支撑。引导各类型数字平台加快对接金融科技信息服务平台并开放共享中小企业信用信息，依托金融科技平台在云端数字融资领域的技术储备与先进经验，助力中小企业在更大范围获得信用融资、保理融资、采购融资及票据融资等线上金融服务，强化对中小企业数智化转型的资金支持。

四是发挥数据的基础资源和创新引擎作用。重点是用数据赋能企业数智化转型，实现数据资源的高效利用。一方面，聚焦数据治理和应用能力，加强数据资产的系统集成。通过资产数字化打造数字孪生，形成与实体运行虚实共生的交互体系，提升企业在数据治理、数据管理和数据赋能决策等方面的智能化水平，发挥数据作为新型生产要素的关键作用。另一方面，加快人工智能赋能企业转型升级，释放人工智能基于大量数据及应用场景的运算能力，提升企业经营运转的效率与质量，推动企业迈向“数据驱动决策”的新时代。

五是完善数字服务生态。在宏观政策层面，构建数字规则体系，营造开放、健康、安全的数字生态，形成引领性的数字生态标准和规则。围绕数字化产业带建设，以产业集群为整体推进数智化转型，在充分释放区域资源禀赋优势的同时，改善数智化发展不均衡的问题。在基础设施方面，聚焦需求迫切的产业集聚区和经济发达地区，以现实需求和应用场景为导向，加快建成高质量、全覆盖的数字基础设施网络，为培育新模式、新业态、新产业提供重要支撑。在关键核心技术方面，PDM、SCM和LIMS等数智技术产品受到外国厂商制约，数智技术产品端的供给难以满足企业转型升级的碎片化场景需求。我国亟须依托新型举国体制机制优势，突破关键核心数智技术，加快转变先进数智技术产品受制于人的局面。

免责声明：本文转自中国科学技术发展战略研究院，原作者谢宗伯、陈志。文章内容系原作者个人观点，本公众号编译/转载仅为分享、传达不同观点，如有任何异议，欢迎联系我们！

转自丨中国科学技术发展战略研究院

作者丨谢宗伯、陈志