中国制造业数字化转型的特点、问题与对策

沈恒超

【提要】中国制造业企业所处发展阶段参差不齐，其数字化转型既包括处于较低发展阶段的企业提高信息化水平，也包括处于较高发展阶段的企业实现数字化、网络化、智能化。在有关部门引导和支持下，中国制造业数字化转型已经取得了一定成效，数字化、集成互联、智能协同水平持续提高，工业互联网应用规模不断扩大。但是，缺乏权威的数据标准、数据安全问题有待解决、数据开放与共享水平有待提高、技术基础与信息基础设施相对薄弱、对就业将产生严峻挑战等问题仍存在，阻碍着制造业数字化转型进一步深入。建议有关部门完善支持鼓励政策，促进工业数据标准建设与应用，加强数据安全保护，支持核心技术攻关，增强信息基础设施支撑能力，推进国际合作，与再就业培训、社会保障体系实现统筹规划。

【关键词】制造业;转型升级;数字化;网络化;智能化

中国制造业规模庞大，体系完备，但大而不强。尤其是传统制造业，自主创新能力不强，生产管理效率较低。随着中国制造业成本优势逐步下降，只有不断提高产品品质和生产管理效率，重塑竞争力，企业才能更好地生存、发展、壮大。数字化转型正是提高制造业产品质量和生产管理效率的重要途径。近年来，大数据、云计算、人工智能等数字技术加速与制造业相融合，取得了一定成效，但仍有不少问题需要予以解决。

一、中国制造业数字化转型的内涵

数字经济是继农业经济、工业经济之后的新经济形态，它以数据资源为重要生产要素，以数字化转型为重要推动力。越来越多的国家把发展数字经济作为推动该国经济增长的重要途径。其中，促进新一代信息技术和制造业深度融合，大力发展先进制造和智能制造，在各国数字经济发展战略中占有重要地位。对于美国、德国等发达国家来说，由于制造业基础较好，数字化水平较高，其数字化转型的重点是网络化、智能化。如德国发展工业4.0，美国推进工业互联网。

中国大部分制造业企业处于较低发展阶段，还需要“补课”。制造业数字化转型，既包括尚处于工业1.0和2.0阶段的企业通过信息化（数字化）改造实现工业3.0;也包括少数已经达到工业3.0阶段的企业，将大数据、人工智能等技术深度应用于供应、制造、销售、服务等环节，实现工业4.0，即进入网络化、智能化发展阶段。

二、中国制造业数字化转型的进展与主要问题

中国制造业数字化转型取得了一定进展，但缺乏权威性的数据标准、数据安全问题亟待解决、数据开放共享不够、信息基础设施有待加强、核心关键技术受制于人等问题仍然存，制约着制造业数字化转型进一步深入。

（一）中国制造业数字化转型的进展

为促进包括传统制造业在内的制造业转型升级，中国不断完善制度环境，制定出台了一系列战略规划和政策措施。近年来，中国制造业数字化水平不断提高，处在产业发展前沿的工业互联网应用不断拓展。

1.制造业转型升级的制度环境不断完善。2015年以来，国务院相继印发《中国制造2025》《关于深化制造业与互联网融合发展的指导意见》等政策文件，对制造业数字化转型进行了全面部署。工业和信息化部、财政部等部门相继印发《智能制造发展规划（2016-2020年）》《工业互联网发展行动计划（2018-2020年）》等规划，明确了制造业数字化转型的具体目标和重点任务。上述文件制定了技术研发、成果应用、重点领域突破、金融、财税、人才、基础设施、质量基础、信息安全、服务平台、国际交流合作、组织保障等方面的支持政策与措施，发挥了明显的推动和促进作用。

2.数字化改造进展较快，网络化、智能化发展较慢。中国信息化百人会与中国两化融合服务联盟联合发布的《中国制造业信息化指数》显示，中国制造业整体处于从工业2.0向工业3.0过渡的发展阶段。从实际调研情况看，相对小企业来说，大企业更接近工业3.0阶段的发展水平。国际数据公司IDC发布的《2018中国企业数字化发展报告》显示，中国消费行业数字化程度相对较高，而制造业数字化程度较低，超过50%的制造企业尚处于单点试验和局部推广阶段。

近年来，中国信息化、工业化两化融合发展水平持续上升，如图1所示。从细分指标看，研发、制造、营销等环节的数字化指标值较高，集成互联指标、智能协同指标值较低，如表1所示，这说明制造业信息化（数字化）改造进展较快，而网络化、智能化方面的数字化转型进展较慢。中国信息化百人会披露的数据同样显示，2017年中國生产设备数字化率为44.8%，其中30.9%实现了联网;通用性较高的企业资源计划（ERP）普及率为55.9%，但个性化需求较高的制造执行系统（MES）普及率为20.7%;实现网络化协同研制的企业比例为31.2%。

3.处于行业发展前沿的工业互联网应用不断拓展。工业互联网是制造业数字化转型的前沿技术应用，已经成为各主要工业强国抢占制造业竞争制高点的共同选择。根据中国工业互联网产业联盟测算，2017年中国工业互联网直接产业规模约为5700亿元，2020年预计达到万亿元规模。前瞻产业研究院发布的《中国工业互联网产业发展前景预测与投资战略规划分析报告》显示，2017年中国工业互联网市场规模为4677亿元，预计2020年达到6929亿元。赛迪顾问股份有限公司预测，2020年中国工业互联网市场规模将达到6965亿元。

工业互联网技术主要应用在产品开发、生产管理、产品服务环节。在生产管理环节应用工业互联网技术的企业主攻数字工厂、智能工厂。在产品开发和服务环节应用工业互联网技术的企业致力于开发智能产品，提供智能增值服务。从调研情况看，在产品和服务环节应用工业互联网技术的企业，远多于在生产管理环节应用工业互联网技术的企业。主要应用模式和场景可归纳为以下4类：一是智能产品开发与大规模个性化定制，如小米公司围绕小米手机、小米电视、小米路由器开发系列智能家居产品，红领集团建立了数万种设计元素和数亿种设计组合，实现了个性化产品的大规模定制;二是智能化生产和管理，如苏州协鑫公司利用阿里巴巴开发的ET工业大脑分析其生产工艺数据，优化生产流程，良品率提高了1%;三是智能化售后服务，如三一重工通过对遍布全球的混凝土泵车、起重机、路机等设备作业状态数据进行分析，提示客户对不同部件进行保养，该增值业务已成为企业利润的重要来源;四是产业链协同，如航天云网接入600余家单位，对设计模型、专业软件以及1.3万余台设备设施进行共享，资源利用率提升了40%。

工业互联网平台为制造业数字化转型提供支撑服务。工业互联网平台可以分为通用平台、行业平台、专业平台，它们都可以直接为用户提供服务，但更多的是，通用平台为行业平台提供服务，行业平台为专业平台提供服务，专业平台为用户提供服务，如图2所示。通用平台处于产业链上游，提供基础的云计算资源能力、数据管理及数据分析能力。目前，中国已有一批工业互联网平台实现了规模化商用。根据中国信息通信研究院的不完全统计，截至2018年3月，各类工业互联网平台数量达到269个，主要应用方向为装备（30%）、消费品（28%）、原材料（21%）、电子信息（12%）、其他（8%）。

（二）中国制造业数字化转型面临的主要问题

中国制造业数字化转型已经取得了一定成效，但阻碍行业发展的问题仍不少。

1.缺乏权威的数据标准。制造企业每天产生和利用大量数据，如经营管理数据、设备运行数据、外部市场数据，但工业设备种类繁多、应用场景复杂、不同环境有不同的工业协议、数据格式差异较大、不统一标准难以兼容，导致这些数据难以转化为有用的资源。目前中国已有全国信息技术标准化技术委员会、智能制造综合标准化工作组、工业互联网产业联盟等多个从事相关标准研发的机构，制定了《国家智能制造标准体系建设指南》并已更新至2018年版、《工业互联网标准体系框架（版本1.0）》等文件，但具体标准的研制和推广工作刚启动，市场接受度还不高。

2.数据安全问题有待解决。工业数据的安全要求远高于消费数据。工业数据涵盖设备、产品、运营、用户等多个方面，在采集、存储和应用过程中泄露，会给企业和用户带来严重的安全隐患。数据如果被篡改，可能导致生产过程发生混乱，甚至会威胁城市安全、人身安全、关键基础设施安全，乃至国家安全。云化以后，数据非法访问风险加剧，数据安全风险持续加大。虽然有各种安全措施，但“道高一尺、魔高一丈”，各种信息窃取、篡改手段层出不穷，技术上并不能确保数据安全。另一方面，惩罚措施尚不到位，不能给予数据窃取、篡改者足够的威慑。

3.数据开放与共享水平尚需提高。随着数字经济发展，企业对外部数据的需求呈现不断上升趋势，包括产业链上下游企业信息、政府监管信息、公民基础信息等，将这些数据资源进行有效整合才能产生应用价值，而前提是这些数据能够获得。目前，政府、事业单位等公共部门的数据仍处于内部整合阶段，对社会公开尚需时日。社会数据方面，对哪些数据可以采集并独享、哪些数据能采集但必须共享、哪些数据不能采集，还缺乏详细规定。

4.核心关键技术能力不足，信息基础设施建设有待加强，制造业数字化转型的基础相对薄弱。关键工业软件、底层操作系统、嵌入式芯片、开发工具等技术领域基本被国外垄断。中国能够生产的工业传感与控制产品多集中在低端市场，高端产品依赖进口。控制系统、平台数据采集开发工具等领域的专利多为外围应用类，缺少核心专利。信息基础设施供给能力显著增强，但发展不平衡矛盾依然突出，5G建设需求依然迫切。

5.对就业的挑战将比电气化时代更为严峻。从工业2.0发展到工业3.0对就业的影响并不明显，更多的是提升效率和增加反应灵敏度。但从工业3.0发展到工业4.0，人类勞动很大程度上将被人工智能替代。在电气化时代，随着生产效率大幅提高，剩余劳动力可以转入服务业;但在数字经济时代，人工智能、机器人等技术不断成熟，重复性劳动很容易被替代，这种替代同时发生在制造业和服务业，从而形成更为严峻的就业压力。

三、促进制造业数字化转型的政策建议

数字化转型是制造业自身发展的需求，多数问题应由市场解决。但是，发展环境的改善需要政府积极推动，如加强数据安全监管、构建必要的基础设施。另外，由于制造业数字化转型具有正溢出效应，政府应适度介入，如通过政府采购加以引导、支持重大关键技术攻关等。

（一）完善支持鼓励政策，促进制造业数字化改造。通过技术贷款项目贴息、搬迁补助、职工安置补助、加速折旧、产业引导基金投资等方式支持、鼓励企业数字化改造。通过政府购买服务等方式鼓励中小企业与服务平台合作，引导中小企业通过“上云”提升数字化水平。通过试点示范，培育工业互联网平台，鼓励、支持优势企业提高工业互联网应用水平，推广网络化协同制造、服务型制造、大规模个性化定制等新模式、新业态。

（二）促进工业数据标准制定与应用，促进数据的开放共享。引导行业组织、企业研究制定工业数据的行业标准、团体标准、企业标准。梳理现有国家标准，适时将成熟的行业标准、团体标准上升为国家标准。加强标准体系与认证认可、检验检测体系的衔接，促进标准应用。加快公共数据开放进程，促进数据资源的高效利用。明确企业可以采集哪些数据，可以独享使用哪些数据，哪些数据属于公共数据必须共享给相关部门，防止公共数据成为少数企业谋取私利、垄断市场的工具，保障数据采集合法、规范。

（三）加强数据安全保护体系建设。强化工业数据和个人信息保护，明确数据在使用、流通过程中的提供者和使用者的安全保护责任与义务。加强数据安全检查、监督执法，提高惩罚力度，增强威慑力。严厉打击不正当竞争和违法行为，如虚假信息诈骗、倒卖个人信息等。引导、推动行业协会等社会组织加强自律。

（四）加强核心技术攻关，夯实技术基础。加大对通信、网络、人工智能、核心器件、基础软件等领域的技术研发资助力度，加强底层操作系统、嵌入式芯片、人机交互、工业大数据、核心工业软件、工业传感器等核心技术攻关。增加企业牵头的科研项目数量。完善政府采购制度，加大采购力度，从需求侧拉动技术发展，帮助新技术、新产品进入市场。

（五）围绕制造业数字化转型要求，增强信息基础设施支撑能力。为适应数字经济时代对信息基础设施的要求，现有信息基础设施仍需加强普遍服务。另一方面，数字工厂、智能工厂对信息基础设施的要求远高于消费互联网，如要求高速率、大容量的信息传输，实时控制精度要求有时会达到毫秒级，现有4G网络无法满足。现阶段，基于明确需求和应用场景的5G建设在工业领域可以适当加快，但不建议为了宣传和“显示度”全面推进5G建设。

（六）加強国际合作，提高参与度，提升国际影响力。当前，美国、德国正在合作探讨工业互联网参考架构（IIRA）和工业4.0参考架构模型（RAMI4.0）的一致性，最终可能形成统一的架构。中国应发挥产业门类齐全、市场规模大、数据资源丰富等优势，在中国制造2025与德国工业4.0初步对接合作基础上，谋求与美国、德国深入合作。引导行业组织在国际合作方面进一步发挥作用。

（七）与再就业培训、社会保障体系统筹规划。制造业数字化转型将大幅提高企业的智能化水平，从而可能显著减少普通就业机会。同时，知识、技能不能适应数字工厂、智能工厂要求的劳动力也难以适应数字化的服务业。有关部门应及早谋划，做好预案，通过技能培训、提供公益性岗位等方式化解压力，同时发挥社会保障体系的作用。

参考文献

[1]马化腾，孟昭莉，闫德利，王花蕾.数字经济——中国创新增长新动能[M].中信出版社，2017.

[2]司晓，孟昭莉，闫德利，李刚，戴亦舒.互联网+制造——迈向中国制造2025[M].电子工业出版社，2017.

[3]赵西三.数字经济驱动中国制造转型升级研究[J].中州学刊，2017（2）.

[4]中国信息化百人会课题组.数字经济：迈向从量变到质变的新阶段[M].电子工业出版社，2017.

（责任编辑：王艺璇）

Abstract： China's manufacturing enterprises are in uneven development stages. The digitalized transformation includes not only the enterprises in the lower development stage to improve the information level， but also the enterprises in the higher development stage to achieve digitalization， networking and intelligence. Under the guidance and support of the relevant departments， the digitalized transformation of China's manufacturing industry has achieved certain achievements， digitalization， integrated interconnection， and intelligent coordination have continued to improve， and the application scale of industrial internet has continued to expand. However， the lack of authoritative data standards， data security issues to be resolved， data openness and sharing to be improved， relatively weak technical foundation and information infrastructure， and serious challenges in employment will still exist for quite a long time， hindering the further development of digitalized transformation in manufacturing industry.

Keywords： Manufacturing Industry; Transformation and Upgrading; Digitized; Networking; Intelligence