最新动态：
2025-08-08 20:32
推荐内容
董小英｜从工业4.0到5.0：数据要素驱动产业链融合创新
作者：
董小英
来源：
董见未来
发布时间：
2025-05-21 09:57
01 从工业4.0到工业5.0
在当前的全球经济格局中，中美贸易摩擦不断升级，美国早在2012年就有哈佛教授提出制造业回归问题的重要性，并提出制造业外包导致整体创新力减弱、蓝领就业困难、税收难以回流问题，但一直未得到重视并采取有效行动。
从全球发展实践看，制造业作为战略产业具有非常重要的战略意义。随着近年人工智能技术的蓬勃发展，工业5.0的概念受到更多关注。与工业4.0相比，工业5.0的核心在于将AI深度融入工业制造体系。
在工业5.0的框架下，企业在已实现数字化转型和智能制造的基础上，利用AI技术构建可信、可解释、安全的以人为中心的工业生产体系，也就是AI赋能的产业体系。
与一般通用大模型不同，工业5.0开发利用的数据90%以上源自工业专有数据，这些数据并不在大模型处理的数据语料范围内，因此数据的可靠性、真实性、可信性和安全性至关重要。可解释性表现在AI应该披露其对问题理解、数据分析、算法应用和结果生成的具体方法和过程。大家可能注意到，深度求索（Deep Seek）已经分享了对提问回答过程的解析，这在一定程度上标志着可解释人工智能取得了进一步发展。
将人的智能与人工智能融合发展的工业生产体系是一个更需要关注的问题。目前，我们似乎过于关注人工智能技术本身，忽略了人的价值，特别是如何实现高效的人机协同、为人所用和人的技能与发展。
最近，我在与深圳管理者和企业家交流时，有些人表达了忧虑，认为杭州在人工智能领域发展势头极为强劲，深圳原有的经济优势是否会在新一波智能浪潮中遭遇挑战。在我看来，深圳的独特优势和发展空间恰恰在于其现有产业与AI的深度融合，因此，工业5.0是关键。
在这一发展进程中，已有产业，特别是制造业需要拥抱人工智能所带来的机遇和潜在价值。AI与人类知识相结合，能够大幅提升知识创造的速度、广度、深度和精度。然而，目前AI还存在一些问题，比如“幻觉”现象，以及一些难以预测的涌现和意外情况。这些问题对于科学研究具有一定价值，但我们目前对它们的认识还较为有限，仍处于不断探索的阶段。
图 从工业4.0到工业5.0
在即将出版的《从知识管理到知识优势：数智时代双元创新》一书中，重点聚焦数字化技术在突破式创新和渐进式创新中的作用，探讨数字化技术是否真的会替代人类的技能与创新。事实上，人类所具有大量隐性知识、经验洞察、智慧与预判、激情与梦想是AI不可替代的。与此同时，我们应借助AI带来的优势，将人的优势与AI优势进行组合打造集成化的元智能。这将为制造企业、深圳工业体系乃至中国数字经济的未来发展开辟广阔空间，蕴含着巨大的潜力。
02 产业链数字化对融合创新的战略意义
数字化转型过程涉及企业数字化、供应链数字化、产业链数字化和价值链数字化四个范围，其中企业数字化与供应链数字化已经有很多讨论与实践，在此，我想重点探讨一下产业链和价值链数字化的问题。
图 数字化转型的拓展与演化
在企业发展历程中，供应链具有紧耦合性、整合性和竞争性的特征。
- 紧耦合性是以链主企业为中心，涵盖与其直接关联的上下游企业和客户，供应链集中度越高，在产业链中的影响力越大。
- 整合性是中供应链中的物流、资金流和信息流的整合，对供应链的运作效率、敏捷性和韧性至关重要。
- 竞争性是指一个产业同时具有多个供应链并行，彼此之间存在着竞争关系。
与供应链相比，产业链是更广泛、更具战略性、多元性、系统性的概念。
- 产业链的战略性表现在以产业综合竞争力为核心，在经济结构中具有领先性、辐射性、带动性和安全性特征，是国家经济竞争力的重要基础。
- 多元性是指产业链与更广泛的直接或间接参与者形成既有紧耦合、又有松耦合的关系，如与政府、金融、初创企业、科研机构和市场成员形成广泛关联，也就是人们常常说的生态。
- 系统性表现在国际政治、科技和经济竞争的大背景下，产业链全面、完整、自主可控、核心能力、市场拓展等综合要素构成了整个产业链韧性和可持续发展。
供应链具有紧耦合、相对封闭的特点，合作伙伴之间联系密切，边界相对稳定明晰；产业链则具有开放多元的特性，它可以跨区域，跨行业、呈现松耦合状态，能够根据需求随时进行整合。
在激烈的国际竞争中，产业链的发展与优化集中在四个维度：
- 一是产业链的领导力。重点是在全球经济发展体系中，产业链的地位、影响力和主导性，产业链链主需要充分有效利用新技术带来的机会开发新资源、构建新能力，从而不断创造新的竞争优势。
- 二是产业链韧性。产业链韧性是指对压力的管理，包括应对不可预见的事件、突发灾害、环境压力；对内能够有效处理内部的复杂性，保持供应链弹性、稳定性和效率。
- 三是产业链适应性。供应链适应性重点解决不确定性管理问题，包括市场波动性、关键原材料和技术的变化、复杂的竞争环境和个性化需求，产业链众多成员具有横纵任意组合与匹配的响应能力。
- 四是产业链安全性。对变化的预判预警能力，对过程的控制追溯能力，对结果的反馈能力，对风险的防范应对能力。
目前企业对价值链的数字化关注不多，但通过数字化提升价值链增值能力更加重要。价值的增值过程是在投入生产要素并在输入产品或服务过程中不断获益的过程。自波特提出价值链概念以来，这一概念在企业管理和数字化领域并未得到足够的重视，很多企业的精益化管理和数字化以企业内部为核心，强调内部降本增效，这并没有错，但是如何与外部合作伙伴、客户、第三方、政府、金融、服务机构共创价值关注较少。
我们在企业调研中常常遇到众多企业家虽然经营忙碌，但年底一算账，毛利和净利十分有限。而数字化和智能化在这里面蕴藏着巨大的空间，我们必须借助数字化和智能化手段，从会计视角审视产业链价值链的数字化，提升附加值，增加净利润，寻求真正的高质量发展之路。
产业链数字化与供应链数字化相比更为复杂。
- 首先，它涉及多主体、多业态和多平台，企业之间犹如一座孤岛，彼此隔离。那么，谁来打破这些“孤岛”呢？这需要中国政府和企业在思维、机制、组织以及技术等方面进行全面创新。
- 其次，链主企业如何通过数字化和智能化整合产业链资源，据此与合作伙伴建立共生共赢的关系，特别是联合一大批专精特新中小企业，相互嵌套组合，将每个企业独特的“金刚钻”组合成巨大并高效的“盾构机”，在国家和市场需要时随时调用并高效协同，将中国的产业优势转化为巨大的“数字工具箱”动态编排，如果我们能够做到这一点，中国的产业体系在全球将无可匹敌，发展空间极为广阔。
在这个过程中，具有战略眼光和创新思维的企业家会成为产业链的关键“链主”，那应该如何成为“链主”呢？“链主”需要具备哪些资源和能力，以及如何构建这些资源和能力呢？这些都是企业界十分关注的问题，在为中国企业家联合会撰写大企业数字化转型的综述报告中，发现了一些非常有价值的案例。
（1）军工案例：中航工业生产一飞院
以中航工业生产一飞院（设计生产运-20系列）为例来说，第一设计院原本只负责设计，完成后就不再参与后续环节，在整个产业链中缺乏影响力、主导权和价值创造空间。
通过以数字化转型为核心的系列化管理变革，他们充分考虑全价值链、全产业链、全寿命周期的协同，确定“全面综合和统筹规划标准规范、型号数据、数字样机体系环境等多个管理要素”的总体思路。
在数字化转型中，第一步建立全要素融合的统一数据标准体系和数字化研发环境；第二步在此基础上构建多维度数字样机，包括功能样机、性能样机、几何样机；第三步在已构建的数字样机的基础上，通过严格的知识管理体系，在数字化平台上与合作伙伴共享“数字样机”信息，成为价值链上的以虚映实、以虚驭实和以虚代实的“链主”企业。
数字化赋能中航工业一飞院的关键是它开发积累了一批“数据超级资源”，比如基于需求调查和流程调查，开发出一整套数字样机，并运用知识管理方法对数字样机的迭代升级版本进行严格管理。
其次，它构建了一个“超级平台”，将数字样机分享给众多的合作伙伴。通过平台化的数据分享模式，从线性体系转变为并行模式，而且该平台形成了闭环，飞机试飞数据能够及时回传到研发中心，大大加快了产品的迭代速度。
同时，通过反向优化数据共享，形成了一种基于人和系统、数据集成的“超级技能”。如今，它在整个产业链中发挥着重要作用，通过加大研发投入，还能与客户共同创新，为客户提供前瞻性的预判。运-20数字样机资料的80%具有通用性，只需进行20%的定制化，再加上严格的版本管理和数据共享，成功推动了整个产业链的升级与高质量发展，这在军工领域是一个成功范例。
（2） 农业案例：象屿集团
农业数字化转型难度最大，复杂度高、离散性广、管理水平低。福建象屿集团在农业产业链上通过系列化的数字化工具，融合了产业链各个环节，如在产业链前端打造了“兴兴象农”APP。
这个APP紧密围绕农民的痛点问题，让农民可以在线购买化肥、种子，预定粮食运输服务，实时查看银行转账信息，将碎片化的资源转化为综合性资源优势。
针对以前粮仓存在的各种造假问题，他们通过开发利用“粮仓数字化平台和“屿云仓”智能管理”等数字化综合解决方案，利用传感器对粮仓的进出进行科学管理，做到智能仓储可视可控。
在产业链中后端，象屿集团通过“屿链通”将供应链金融与上下游企业连接起来，提高了产业链的集中度。在产业链后端，通过屿链通库存的“数据水位线”管理模式，做到精准的库存控制、智能化预警、供应链协同和资金使用效率的持续优化。
更重要的是，象屿集团对农业产业链的这种数字化能力不仅应用于农业，还拓展到了其他相关产业，将农业产业落后、离散状态转变为具有稳定性、可控性、有效性和创新性的状态。
（3） 服务业案例：怡亚通
深圳的怡亚通多年来一直专注于供应链服务，服务对象涉足多个企业和产业。为了通过高效服务，怡亚通用数字化赋能前台、中台和后台。如，用小怡家赋能前台销售，用数字化专业模块服务中台，将人力资源、财务数字化支撑后台，通过服务体系的标准化、模块化和组合化，在有限资源的条件下，为众多产业提供更广泛的服务。在这个过程中，数字化技术发挥了关键的杠杆作用。
（4） 制造业案例：美的集团
美的集团“十年磨一剑”，针对制造企业的诸多痛点问题，通过企业战略与数字化战略高度匹配的组合拳逐层解决，将管理优化、产品领先、运营卓越与全球经营，与数字化的“信息化再造、“双智”战略、全价值链数字化和工业互联网紧密配合，大大降低了数字化转型中的风险，提升了数字化能力建设的有效性和可靠性，打造了五个达沃斯“灯塔工厂”。
通过业务流程的“五全”、企业要素的“五数”、智能化管理运营的“五智”为智能化企业打下了坚实的基础，美的集团成功地从服务于C端的家电企业拓展为同时服务C端和B端的科技企业。
（5） 小结
这四个案例说明，原本在产业链中处于被动落后地位的企业，通过数字化转型是可以在产业链升级中发挥重要作用的。
在数字化转型的过程中，企业将原本的实体资源转化为“数据资源”、将合作伙伴和客户用“虚拟平台”连接，将人的技能与数字化与自动化智能化技能高效整合，构建了新的能力体系，从而在产业链中获得了新的差异化优势。
但是，这个过程漫长而艰辛，也需要持续投入，只有经历了全过程、全要素、全领域数据化的系统变革过程，才能为工业5.0奠定基础。
03 数据要素的驱动作用
在产业链数字化转型中，数据要素发挥关键的作用。从管理学者的角度来看，数据管理专业性强、发展速度快、管理难度大、人才素质高，相较人力资源、财务资源和物流管理，对综合能力要求更高，挑战更大。而在产业链数字化转型的复杂场景中，由于其在管理上涉及多个利益主体、复杂的治理关系、伙伴的信任关系，在技术存在算力的制约、多种数据来源和多模态数据类型等问题，如何让产业链中的合作伙伴愿意共享数据并实现更大的产出效果，是一个极具挑战性的关键问题。
图 数据要素在产业链中的作用
尽管有这么多的困难，数据却能给企业、产业链和供应链创造新的价值，作为一个新的战略资源，数据的价值远远没有被认知、挖掘和开发。根据以往的研究，我们在此分享数据要素的六个特性：
一是数据的通用性。数据的通用性与数据标准化和规范化密切相关，特别是专业术语的标准化，这是产业链数字化的基础保障，一旦建议标准并构建了数据池。行业内的参与者均可以通用，这能有效地打破信息孤岛。
以上海为例，在参与城市5G+工业互联网的评审工作中，上海工信局采取的激励机制是，对产业数据标准参与和贡献越多，获得的积分及越多，就有更多使用数据的机会。这种激励机制使得行业数据底座不必要重复建设，一次性投入，多次使用，这就打造了一个利益共同体。数据标准和数据库一旦建立，一家使用与百家、千家使用的成本几乎可以忽略不计，但使用的企业越多，数据价值就越高。
二是数据的复用性。数据的复用性是指数据一旦采集积累，具有在不同场景、不同应用程序或不同业务中被重复使用的能力，且边际成本几乎可以忽略不计。与传统产业如地产资源越用越少不同，数据资源可以针对不同需求、场景、业务和时空间被无限制使用，赋能人类的决策与行动，使用越多，价值越高。
三是数据的共用性。共用性是指数据能在同一时间被不同个人、主体、系统、部门或业务共同使用和共享的特性。它使得原有必须依赖线性的供应链或产业链转化为并行模式，大大提升了整个链条效率，缩短了响应周期，为协同创新提供了基础。
四是数据的组合性。数据的组合性是指将不同来源、不同类型、不同结构的数据进行有机组合，以创造新的价值，如跨领域数据组合、多模态数据组合和网络空间与实体空间组合等。
五是数据的可编排性。数据的可编排性是指能够灵活地对数据进行组织、配置和管理，以满足不同业务需求和应用场景的特性。对于供应链和产业链来说，供需匹配、资源调度、动态调整、库存管理都是非常复杂的课题。在没有数字化的时代，这些活动通过人际沟通协调，速度慢、误差大、成本高，而数字化编排则可以将数字的通用性、复用性、共用性和组合性优势发挥到最大程度，从而对实体资源做到更好的利用。
六是数据的可增值性。数据的可增值性包括在管理环节和使用环节。管理环节指数据在经过收集、整理、分析、挖掘等处理过程后，能够产生额外的价值和效益；使用环节指其赋能人的管理决策、助力对市场洞察、加速创新流程，有效防范风险。
如何上述数据要素特性得到开发利用，对大大提升深圳产业链的优化升级。深圳应当大力培养与数据管理相关的专业人才，为此，我们专门发布了关于首席数据官的报告。我认为，未来首席数据官的地位将比企业的CFO更为重要，像华润等企业已经设立了首席数据官这一职位。
目前，我们过多地关注数据交易，却忽视了数据质量和基础建设，从我们对国家发布的755个数字经济文献进行系统分析后发现，其中缺少“数据质量”这一关键概念，如果数据质量不佳，智能化也会受到很大局限。
04 人工智能如何发挥关键作用
确保数据质量是一项极为重要的基础工作，需要加大投入，如果数据基础不扎实，AI模型不仅无法发挥作用，甚至可能产生误导。AI在产业链发展中能够发挥重要作用，例如帮助构建产业链多模态的知识图谱。通过AI的提取、构建能力，并结合人工协同，可以在数据的分析和创新使用方面发挥巨大价值。
图 AI赋能产业链协同转型升级
05 建议与展望
从产业链视角看，不仅要打造可信数据空间，更要发展可信共享数据空间。从数字经济的发展角度看，数据共享的范围越大，产生的价值越大，产业链是一个非常好的场景。但可信共享数据空间要突破原有的组织边界和业务边界，与合作伙伴共同打造利益共同体和虚拟型组织，这个过程需要思维创新与机制创新。
对于链主企业的企业家而言，应具备在虚拟空间引领发展的意识，因为在数据空间、虚拟空间占据主导地位的企业，未来将成为真正的行业引领者。企业家应成为数字体系的牵头人，积极发挥带头作用，为产业发展做出贡献，最终也将使自身受益。
对中小企业而言，则应积极参与产业链数字化进程，专注于发展自身的专长，构建独特的知识体系与能力深度嵌入产业链，在与生态伙伴的协同合作中寻找更大的发展空间。