人工智能时代数实融合的机理、路径与变革
李艺铭
（中国电子信息产业发展研究院，北京 100846）
摘要：基于国内外优秀企业和地方实践调研发现，当前数字经济和实体经济深度融合（以下简称“数实融合”）呈现出“数智技术+场景洞察”的机理路径，通过推动宏观经济增长、产业降本增效、企业数字化变革、个体消费体验提升，在农业、工业和服务业中都取得了实际成效。2023年以来，以生成式人工智能为代表的新一轮人工智能让数智技术的赋能能级、决策方式、模型类型实现变革，从提升生产力和优化资源配置角度对数实融合产生了影响。针对当前人工智能发展带来的挑战和不确定性，建议我国从紧抓智能应用、探寻赋能路径、打造要素环 境等角度提升能力，争做全球数实融合的引领者。
关键词： 数字经济；数实融合；人工智能
一、引言
党的二十大报告指出：“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”数字经济和实体经济深度融合，简称“数实融合”，是指利用数智技术对实体经济进行全方位改造，实现网络化、数字化、智能化发展。这是当前我国传统产业转型升级和高质量发展的重要路径，同样也是被全球广泛认可和关注的。联合国开发计划署（UNDP）强调，这种融合是实现可持续发展目标（SDGs）的关键。2023年以来，以生成式人工智能为代表的新一轮人工智能加速发展，在视觉识别、语言翻译等功能上已经出现超越人类表现水平的能力，预示着数实融合从广度、深度和影响力上正在迈向新时代。在人工智能时代，亟需厘清我国数实融合的问题和挑战，研判数实融合的机理和特征，探寻数实融合的有效路径，为我国维持和 拓展数字经济发展优势提出有益建议。
二、关于数字经济和实体经济深度融合的现状与认识
笔者调研走访了广东省、贵州省、福建省、浙江省等多个省市，对国内外头部数字经济赋能企业、人工智能大模型企业进行访谈，形成对数实融合的若干认识。
（一）在政策导向层面，数字经济发展受到全国各个省市的普遍关注，但在数字经济和实体经济深度融合的路径上尚未凸显发展基础和区域特色
如果说2016 年G20 杭州峰会是全球数字经济元年，那么中国在这一轮数字经济发展中体现了前沿性和同步性。自2017年2月贵州省出台省级数字经济发展规划始，全国各省市纷纷出台数字经济发展规划或战略，并给予资金支持，将数字经济发展作为未来经济发展的重点方向。据不完全统计，当前我国各省级数字经济规划几乎全覆盖，可见各地将数字经济作为经济高质量发展方向的思维较为统一。
在数字经济和实体经济深度融合的思路和进展方面，以调研走访的广东省和贵州省为代表，贵州省提出要做全国数字经济增长新极点、创新策源地、融合先行区、惠民示范区，广东省提出要建设国家数字经济发展先导区、数字丝绸之路战略枢纽和全球数字经济创新中心，总体而言，定位明确、方向坚定。其他发达省市也提出了引领性的目标，如，杭州市提出打造全国数字经济第一城，北京市提出加快建设全球数字经济标杆城市，广州市提出加快打造数字经济创新引领型城市，等等。围绕数字经济的各项峰会也成为各省市年度行业盛会，贵州省中国国际大数据产业博览会、福建省数字中国建设峰会、上海市世界人工智能大会、河北省中国国际数字经济博览会、重庆市中国国际智能产业博览会等，凸显了各省市将大数据、智能产业、数字经济、数字政府建设等数字经济相关议题作为转型方向的战略抉择。
但应关注到，从各省市数字经济战略的内容看，在数字经济和实体经济深度融路径上，仍存在以下问题。一是重点方向和领域同一性强、差异化弱。农业、工业、服务业数字化普遍涉及，但没有突出本省市经济发展特征，数字经济和实体经济融合业态大量重复。以服务业为例，各省市数字经济发展中都出现了智慧健康养老、智慧交通等政策热点或行业热词，但未能深入挖掘本省市最具特色的行业和领域。二是与本地经济结合程度仍存在“两张皮”情况。当前数字经济的发展更多是由数字技术领域推动的，导致在与实体经济融合过程中存在对具体行业知识和标准不熟识的情形，更注重具体技术的应用，而忽视了解决行业转型升级的真实需求。三是数字经济和实体经济融合仍由东部发达省市引领。江苏省、广东省、浙江省、北京市等省市数字经济和实体经济深度融合发展的规模和深度不断拓展，在很多领域仍然引领全国发展，特别是在“东数西算”等布局下，中西部赶超发展仍然面临挑战。
（二）在要素支撑层面，数据成为数实融合的要素底座，数据权属、信息安全、基础技术、人才梯队等一系列关键问题亟待厘清
我国数字经济发展得益于开放兼容的发展环境，前期发展成果已经在国际上获得高度认可。麦肯锡全球研究院认为，中国的数字经济发展已经成为一股全球领军力量，其中很重要的条件就是宽松的“先试水、后监管”管理模式。从数字经济发展历程看，由计算机带来的数字化阶段，由互联网引领的网络化阶段，以及当前由人工智能、大数据推动的智能化阶段，都具有极强的前沿性、渗透性、变革性，也带来了大量不确定性，对时代进步和社会管理提出了极高要求。
调研反映，在数实融合中已经普遍存在部分较为集中的数据要素障碍，比如，数据管理、隐私、安全相关的法律法规应该如何设定，企业、政府和公众谁拥有数据信息的所有权，个人隐私保护如何既保护个人权益又最小程度掣肘发展，芯片、基础软件等基础技术领域是否需要独立攻坚以及由谁组 织等问题。此外，地方政府和企业都言必谈及的“懂数据又懂行业”的跨界人才难求问题，到底是数实融合起步的结构性、阶段性问题，还是教育与产业“两张皮”导致的长期人才缺口问题，也是待解课题。
（三）在推进阶段层面，推进数实融合需根植于产业和企业发展阶段，需摒弃“一刀切”“多快好省”思维
从实体经济的三大产业门类看，其融合深度和普及程度有较大差异。在服务业中，数实融合程度最深、最为普遍，2022 年我国线上办公、在线旅行预订、互联网医疗用户规模分别达5.4亿人、4.2亿人、3.6亿人，其中在线办公和互联网医疗用户增长率均在15%以上。公共部门的数实融合推动成效显著，浙江省通过构建数据共享、流程再造、数据体系构架推动公共服务“最多跑一次”改革在全国引起了重要反响。在制造业中，智能制造、工业互联网等受到广泛关注，融合程度尚不够深入，特别是面临工业经济稳定运行的巨大压力下，企业主要致力于少数制造车间智能化改造等样板工程，未将数智技术应用于产销等各个环节，数智技术对企业所需的前瞻共性技术、核心基础材料、产品测试验证等支撑显得不足。在农业中，成功案例和融合能力都严重缺乏，虽然黑龙江省等大规模农垦区有较好地智慧农业应用，但仍面临如何在更广泛的丘陵、山区等小规模农田、林田环境中推广普及智慧农业应用，在农业生产、农业保险、农业社会化服务体系等领域，智慧农业仍有较大应用潜能。
不同行业对数字经济的拥抱程度和融合层次有异，可以从三方面理解。一是数实融合具有“服务业- 制造业- 农业”发展顺序的产业规律。从美国情况看，当前产业数字化水平从高到低同样是服务业（15.2%）、制造业（10.2%）、农业（3.7%）。 二是数字经济和实体经济的融合程度取决于经济发展阶段。据测算，2017 年中国信息技术中间投入占产业中间总投入的比例是：服务业10.1% 、工业5.6%、农业0.5%，分别低于美国4.9个、4.8 个、3.2 个百分点，这也证明了我国数字经济和实体经济深度融合发展仍处于初级阶段，尚有广阔空间。三是数字经济和实体经济深度融合是个长期升级过程。具体说，在前期投入阶段，传统产业的数智技术改造具有资金大、周期长、见效慢、试错成本高等特点，因此往往是由经济效益较好的龙头企业率先进行，形成较为成熟的融合方案和标准，再逐渐推广至全行业数字化实践。工业互联网也正沿着这样的路径发展。当前，我国仍有大量行业和领域处于投入阶段，产业效果有待经历发展之后显现。
（四）关于推进数字经济和实体经济深度融合的三点认识
数字经济与实体经济的深度融合，是在对当前区域经济、产业、要素再认识的基础上，使用数智技术手段进行改造、提升、变革的过程，其核心永远根植于经济发展基础。只有针对当前经济发展的难点、痛点，因地制宜，逐步解决，实现高质量发展，才能让数实融合有根植土壤和现实意义。
第一，要推进数字经济和实体经济的深度融合，就是要推动二者的融合统一 ，最终达到合二为一的境界。必须认识到，这是一个长期的、困难的、探索的过程，融合的路径、程度、实施方案并非取决于数智技术成熟与否，而是取决于实体经济的成本节约和效率提升是否已经到了需要依靠数实融合的阶段，即需始终以经济高质量发展的要求为指引，在政策引导方向上避免出现为数字化而数字化的“一刀切”做法，根据行业发展阶段、企业规模能力、地域实施情况尽力做到一行一策、一企一策、一地一策。
第二，要推进数字经济和实体经济的深度融合，就是要尽快发挥数据要素在数实融合中的基础性和流通性。在数据权属方面，所有行业的数据收集和处理都会涉及数据的存储权限和流通规则，面向不同行业的不同融合层次和融合效果，存在着不同的数据调 用和使用需求，这都需要从底层回答清楚数据权属（包括所有权、使用权）、所属主体，以及不同情形下主体的使用权限。在基础技术研究方面，近年来频发的美国对我国企业出口管制大多集中于数智技术领域，我国在基础软件（操作系统、工业软件等）和基础硬件（集成电路等）方面还存在一定缺失，处于落后形势。在数字经济和实体经济 深度融合中，我国更需要基础技术的支持，才能实现对不同领域和场景的研发。在人才梯队建设方面，由于数字经济在实体经济中的应用扩散，需要大量既懂数智技术又懂行业知识的跨界人才，而当前学历教育体系、职业人才体系、职场培训体系等短期内都尚不能支撑市场的巨大需求，几乎所有地方和企业都出现了不同程度的“人才荒”。在信息安全方面，数字经济与实体经济的加速融合使得各个行业、企业、业态、模式、平台的数据信息大量集结，随着信息基础设施和数字型资产规模的不断扩大，信息安全已和经济安全一齐成为国家安全的最重要领域之一。
第三，要推进数字经济和实体经济的深度融合，就是要继续发挥政策先行引领全球数字经济合作。我国数字经济发展已经进入“深水区”，数字经济与实体经济的深度融合中有很多“险滩”需要提前排查、预先规划才可能规避，对政府管理和指导提出迫切需求。由于共性问题涉及基本面超过区域，甚至国域，因此这种需求主要不在于地方政府层面，而在于国家级政府，甚至在于国际间政府和合作组织。只有通过一系列法律、法规、政策等形式确定了底层机理和基本制度，才能推动上层数实融合应用的顺利开展。
二、数实融合的机理与实践：数智技术+场景洞察
（一）数实融合的机理框架
数实融合的机理框架（以下简称“数实融合框架”）如图1所示。
图1 数实融合的机理框架
1.数智技术层和深度应用层（场景洞察）框架组成数实融合框架
数智技术是指针对数据信息进行收集、存储、处理、分析的系列科技成果，旨在推动相关创新成果与社会经济各行业的深度融合，形成数字化、网络化、智能化的行业应用，实现成本优化、效率提升、组织革新，成为引领实体经济增长的新动能。
从内涵看，数智技术不仅包括电子信息制造业、软件和信息服务业、通信业等信息技术，而且包括“工具箱”式、工程化的可供不同行业应用的数智技术。
从企业转型看，数智技术的发展不仅促使科技型企业向科技赋能型企业转型，而且是传统企业数字化转型的核心动能。
从经济效益看，数智技术不仅旨在打造创新动能、培育壮大新兴领域，而且旨在通 过提升全要素生产率实现创新驱动发展。
从融合方式看，数实融合不仅包含基础的数智技术层，也包括对于农业、工业、服务业的不同场景洞察形成的深度应用层。数智技术层是指提供数字化能力的通用型技术，包括人工智能、大数据、云计算、物联网等技术，经历了网络化、数字化、智能化三代，目前演进到以大模型为代表的人工智能技术。当前，众多单项核心技术持续取得突破，技术创新的集成化特征突出，跨领域创新密集涌现。深度应用层是指能够直接应用于行业具体场景的数实融合解决方案，随着赋能场景的拓展，正在向通用化、模块化发展，不断孕育出新产品、新业态，探索出新模式、新路径。
2.数智技术具有系统性和融合性等特性
数智技术作为新一代信息技术的核心和全球新一轮科技革命的关键支撑力量，具有五大特征。
一是系统性。数智技术创新从单点科技创新向多项交叉科技创新转变，系统创新、集成创新成为主流。
二是融合性。数智技术的新技术新产品新服务可应用于各行各业，催生新模式和新业态，对各行业领域形成显著支撑效用。
三是前瞻性。数智技术囊括大量新兴的、前沿的、未知的关键科技，成为引领新一轮科技革命的先驱者。
四是可复制性。数智技术的产品和服务一经形成，低成本、大规模地提供相同或类似产品或服务就有可能。
五是可延展性。数智技术迭代加速，科技周期不断缩短，衍生孕育新技术、新应用、新模式。
3.数实融合对推动国民经济增长、产业转型升级和民生服务改善具有重要时代意义
数实融合正全面渗透至经济社会生活的各领域，成为推动经济发展质量变革和动力变革的加速器，撬动经济社会发展的新杠杆。
一是推动宏观经济增长和经济结构优化。近年来，中国数字经济占GDP 比重大幅上升，发展步伐持续加快。数智技术对经济发展的引领作用进一步凸显，对经济发展动能的贡献力逐步增强。与此同时，数实融合是经济结构优化的重要推动力，有助于推动供给侧结构性改革，带动全要素生产率提升，促进产业结构向轻型化、服务化方向发展。
二是驱动产业降本增效和转型升级。农业方面，数实融合助推农业生产和供需对接精准化、预警防控和指挥调度实时化；工业方面，数实融合驱动实现精益化生产作业、高效化管理和产能实时预测调节；服务业方面，显著提升传统服务业资源配置效率，孕育催生网上购物、移动支付、共享交通、远程教育等新服务方式，满足多样化现代服务需求。
三是驱动数字化服务模式变革和消费体验提升。例如，企业服务方面，企业从传统产品制造生产商转变为“产品+ 内容+ 服务”提供商。需求侧体验方面，智慧家居、智慧社群等数实融合新体验场景和新体验模式助推消费者感官体验、交互体验、情感体验和信任体验全面提升。
（二）不同行业数实融合的痛点洞察、融合路径和成效
1.农业领域：紧盯农业生产痛点，精益化产业链环节
生产效能方面，数智技术通过对种植场、养殖场、屠宰厂、农产品深加工厂等进行数字化改造，能够大幅提高生产效率。生产成本方面，运用数智技术开展智能种植、养殖，能够显著降低人力、化肥、饲料等要素成本。产销对接方面，通过打造数字化农业平台，对接电商、物流等产业链环节，能够提升产销对接效率。在生猪养殖领域中，某企业开发的智能养殖管理系统，通过猪脸识别，饲喂机器人，机器视觉数猪、称重以及猪叫识别预警等技术，解决了传统人工养殖中投喂饲料粗放导致生猪出栏重量不均、肉眼数猪效率低、猪称重环节复杂、疾病发现率低等问题，大幅降低养殖成本。国际知名软件公司通过数字化平台实现了养殖场全 产业链质量追溯、农场实时数据管理、全产业 链计划管理等功能，助力养殖企业效率提升。
2.工业领域：智能化改造升级，推动行业降本增效
在生产过程中，通过数智技术赋能，传统制造企业的生产流程实现了设计过程、制造过程和制造装备智能化。在控制过程中，数智技术通过整合基本要素数据打造“大感知”网络及“大存储”平台，实现所有业务在统一平台下运作，提升工业生产整 体效率。在运营管理过程中，通过改善管理流程，提升传统制造企业的运营、营销、管理水平。已有传统电厂运用锅炉燃烧仿真模拟系统，实现对电厂历史运行数据的在线收集，通过深度学习优化改造整体运作过程和系统集成方式，使电厂单机组运营费用降低200万元/年，锅炉燃烧效率上升0.5%。世界银行的数据显示，数字化转型可以使制造业的生产效率提高30%以上。
3.服务业领域：数字体验升级
首先，数智技术将推动服务业的信息化进程，提高企业服务水平。在应用科技的推动下，服务业营销渠道、用户触点、互动交流方式不断创新，实现服务的实时反馈沟通。其次，数智技术通过优化服务业要素配置，提升服务效率。随着人工智能、大数据、云计算等技术对服务业的深入运用，传 统服务业所需人工时间大幅减少，行业运作效率和资源利用率显著提高。再次，数智技术正不断创新服务业态。以电子商务、智慧城市、智慧旅游、数字媒体、网络教育等新模式新业态持续涌现，并在不断深化和细化。最后，数智技术将推动服务产品的个性化、多样化。现代服务业以标准化和多样化为基础， 通过需求洞察提供定制化服务产品，不断挖掘用户价值，并个性化、多样化体验服务。
三、新一轮人工智能发展对数实融合的影响和变革
（一）AI技术对数智技术的三大变革
人工智能技术的发展成为推动产业转型和升级的重要力量，对社会进步产生深刻影响。2016 年以来，全球资本和经济组织高度关注人工智能的应用，长期以来人工智能与大数据、云计算、虚拟现实、物联网等并驾齐驱，但2023年以来，以ChatGPT为代表产品的生成式AI 的大规模使用，使得数字经济进入智能时代，人工智能的广泛应用也使得我们重新思考和衡量数智技术对实体经济的影响力度和方式。
一是人工智能赋能能级跃升。过去五年，人工智能在实体经济的应用深度和广度不断增强。十年前，世界上最强的人工智能技术仍然无法达到人类对图像的识别能力。十年后的今天，人工智能已经在图像分类、视觉推理、语言理解方面超过人类正常的基准水平。麦肯锡的最新报告显示，2023 年，55% 的受访组织在至少一项业务中使用了人工智能，与2017年（20%）相比有质的飞跃。斯坦福HAI中心连续七年发布《AI Index Report 》，其中，2024 年版声称2023 年人工智能的发展令人兴奋，这也说明了人工智能影响的广泛和巨大。毕马威等发布的《人工智能全域变革图景展望：跃迁点来临（2023）》甚至激动地称当前为“跃迁点来临”时刻。同时，人工智能的影响还远远不止在经济领域，世界经济论坛已经开始关注人工智能对社会创新的变革影响。
二是生成式AI替代决策式AI。生成式AI 不同于决策式AI，后者更多需要将决策过程喂给人工智能，而前者则可能超越人类决策能力和范围。仅2023年一年，全球新发布的大语言模型（LLM）数量比2022年翻了一倍。以生成式聊天模型ChatGPT和生成式视频模型Sora等“爆款”模型的问世为代表，生成式AI 大模型成为业界和社会关注的热点和重点。调研显示，生成式人工智能可以提高职业或组织中技能较低的员工的生产率，弥合高技能员工 和低技能员工的技能鸿沟，在受访企业中，在产品和服务研发、营销和销售、服务业等业务中，生成式AI的使用率已经达到10%以上，迎头赶上人工智能的使用率（20%~25%）。近年来，全球人工智能投资额持续下滑，但资本市场对于生成式AI的投资热情却反向激增，斯坦福大学报告数据显示，2023年生成式AI公司融资达到252亿美元，较2022年增长近八倍。
三是从通用大模型到行业大模型。近年来，由于巨大的训练成本、新型研发组织形式等，产业界超越学术界一直引领人工智能的发展。2023 年，产业界研发了51个知名机器学习模型，而学术界只贡献了15个，二者合作的大模型达21个。从大模型的类别来看，通用大模型更强调通用目的技术（GPT），即能够赋能所有场景和用途的模型能力，而行业大模型则将深入行业，结合行业知识（Know-how），训练行业数据，针对不同业务场景开发出更符合管理者、研发人员、工人等不同群体的数实融合工具。
（二）人工智能赋能对数实融合的双重影响
数字经济对数实融合方式和路径具有深远影响，这种影响同时体现在对实体经济发展的生产力提升和资源优化配置方面。一方面，人工智能赋能将有助于提高数实融合的生产率和创新能力。不论是模仿人类的计算机视觉、语音识别、生物识别等对人类五官能力的复制和延伸，还是大模型等对人类决策能力的拓展，通过一定程度的工作任务替代，实现对工作效率的提升。值得关注的是，曾经科学家预测这种替代将更快发生于体力劳动中，但此轮人工智能赋能却呈现出 从“白领”向“蓝领”的延伸。另一方面，人工智能赋能从算法、算力、数据等方面重构产业结构、优化资源配置效率。数字经济能够通过新的投入要素、新的资源配置效率，提升全要素生产率，促进经济增长。算法将优化资源配置方式，算力将助力快速智能决策，数据将实现要素更快更广流动。
（三）人工智能时代数实融合的问题与挑战
第一，训练模型花费不菲。根据《人工智能指数报告2024 》测算，最前沿的人工智能大模型训练成本已达到前所未有程度，也是一般企业无法企及的，甚至大部分的国家也难以有财力在此赛道上竞争。Open AI 的GPT-4大模型每次训练需花费7800万美元，而Google的Gemini Ultra大模型的一次训练成本更高达1.91亿美元。
第二，电力资源挑战。业界曾经认为数字经济是纯“绿色经济”，当前来看，仅就通用大模型的训练，乃至更多企业对行业大模型的训练，及其背后的数据中心、算力中心的建设，都需要巨大的电力支持。据国际能源署预计，从2022年到2026年，全球数据中心的电力需求将增加一倍以上，人工智能发展对电力的需求正在以创纪录的速度增长。此外，在人工智能赋能实体经济的时代，数据中心和算力中心等基础设施建设水平差异，以及缺乏数字人才的“数字鸿沟”，将进一步制约赶超型国家发展。
第三，基础技术壁垒。基于美国对我国在芯片领域的出口管制政策，通过瓦森纳协议、CHIP4 联盟等实施的产业壁垒，以及美国CHIPS 法案对本土先进制程晶圆厂的巨额补贴，我国人工智能发展所需的硬件能力可能缺乏。叠加美国在开源大模型和开源社区、编程语言、操作系统、工业软件等领域的既有优势，我国人工智能发展的软件能力也可能滞后。
第四，标准化评估严重缺乏。当前，OpenAI 、Google 和Anthropic 等开发的大模型参数标准，采用的仅是各公司本身的基准测试，缺乏科学、公正、客观的第三方模型测试机构。特别是针对顶级人工智能大模型，测试机构的能力和水平尚显不足。
四、抢抓人工智能时代数实融合的政策建议
当前，人工智能已经成为全球竞争的焦点领域，欧洲的工业4.0概念凸显以工厂为代表的硬件设施的智能化改造，日本专注于开发面向制造业领域典型应用场景的人工智能产品与服务，美国的工业互联网、大模型等发展既占据了基础科技优势又创造了应用平台理念。在人工智能时代，我国应进一步发挥大市场的丰 富场景优势，秉持宽松包容的发展理念，增强人工智能关键技术能力，激活数据流动能量，努力抢抓这一轮数实融合机遇。
（一）紧抓智能应用：数智技术赋能潜力巨大，与实体经济融合共建空间广阔
数智技术在金融、服务等行业融合发展的推进效果初步显现。麦肯锡行业数字化指数测算结果显示，中国各行业正在积极推进数字化，中国在数智技术（ICT）、媒体、金融、娱乐、零售等领域已经实现了快速增长，在公共服务、医疗保健、政府政务等民生服务领域和高端制造、化工和制药等生产制造领域与数智技术融合发展的态势渐趋凸显。数智技术在农业、工业等部分传统行业领域发展还有较大的提升和改造空间，特别是针对我国广阔市场和最完备工业体系，要提出将数智技术的个性化定制、柔性制造、互联网络、智能决策等功能发挥到最好的破解路径。据中国社科院测算，中国在第一产业、第二产业中还有诸多领域的数字化处于较低水平，食品加工、化学工业、交通运输、电气水、纺织业、农林牧渔等行业数字化水平远低于行业平均水平。数智技术赋能实体经济领域仍有广阔空间。
（二）探寻赋能路径：从技术端和场景端双向发力，提振行业融合发展积极性
数智技术推动行业端和科技端形成合力，实现技术在不同行业之间的共享。深入掌握和理解行业内部运行规律和发展趋势是 数智技术有效“改造”行业的根基，行业洞察与数智技术的结合成为数智技术赋能行业的关键支撑。如在智能制造领域，实现生产调度的智能决策需要深入掌握行业整体发展趋势和供需关系，实现智能研发、智能物流和智能管理流程需要全面了解行业运营模式，打造智能工厂、智能车间需要明晰行业生产模式，开发智能装备、智能产品和智能服务需要明确行业产品服务模式。唯有结合行业洞察的数智技术应用才能形成有价值的行业应用。
（三）打造要素环境：打造兼容并包的治理环境，建立体验升级与隐私保护兼得的安全环境
一是坚持开放有序的治理理念，营造兼容并包的发展环境。完善数智技术发展的顶层政策设计，营造良好发展环境。提升全民数字素养，减少数字鸿沟，特别是提升未成年人的数智技术能力。在实体经济赋能方面，设置相关门槛，保障数智技术使用安全。做好相关的数据基础建设，推动数据资源的整合共享。二是建立新型研发机构和人才体系，营造创新迭代的智力环境。加强系统研究，构建跨学科、跨领域的知识体系，推动集成创新和系统创新。加快数字人才培育，培养跨行业、会技术、懂行业的数智技 术跨界人才，跟踪人工智能技术进展，设置“新八级工”等职称体系。强化应用引领，以应用场景为出发点，推动数智技术发展。推动机制创新，构建产、学、研、用的，跨界、协同的数智技术研发机制。促进标准先行，鼓励具有行业影响力的龙头企业、行业组织共同推动具体数智技术产品和 服务的标准。三是建立数据安全门槛，寻找体验升级与隐私安全的平衡点。强化数据隐私保护，避免用户数据泄露事件发生，界定数据权属。加强对平台企业的监管，坚持“监管与发展”并举。健全法律法规，设定行业标准，推动法律道德责任合理分配。
论文引用格式
[1] 李艺铭.人工智能时代数实融合的机理、路径与变革[J].新型工业化理论与实践,2024,1(03):25-34.
作者简介
李艺铭，通信作者，女，经济学博士，中国电子信息产业发展研究院研究员。研究方向：数字经济、新型工业化。
（本文刊发于《新型工业化理论与实践》2024年第3期)
期刊名称：《新型工业化理论与实践》
主管单位：中华人民共和国工业和信息化部
主办单位：中国电子信息产业发展研究院
赛迪工业和信息化研究院（集团）有限公司
出版单位：北京赛迪出版传媒有限公司
学术指导：国家制造强国建设战略咨询委员会
国家产业基础专家委员会
国家智能制造专家委员会
期刊编辑部
电话：010-87558900/9716
邮箱：xxgyh@ccidmedia.com
地址：北京市海淀区紫竹院路66号赛迪大厦17层
热门跟贴