四虎影视永久无码精品-久久这里只有是精品23-亚洲精品无码成人a片-亚洲综合国产成人丁香五月激情-www婷婷av久久久影片

作者：劉震傲林科技聯合創始人兼董事長

數字經濟時代正在加快到來。

今年3月，國務院新聞辦就工業和信息化發展情況舉行發布會，會上工業和信息化部部長強調，要加快發展數字經濟，以數字化變革催生和創造發展新動能，經濟數字化轉型是大勢所趨。 

據中國信通院發布的《中國數字經濟發展白皮書 （2020年）》，2019年我國數字經濟增加值規模達到35.8萬億元，占GDP比重達到36.2%。工信部信息技術發展司副司長王建偉表示，2020年，數字經濟進一步發展，我國數字經濟規模占GDP比重已近四成，對GDP貢獻率近七成，預計2021年將進一步增至47.56億元。 

在此背景下，數字化轉型成為了各大產業的發展之重。在這個過程中，數據智能、工業互聯網在其中充當著什么樣的角色？會遇到哪些具體的挑戰與機遇？數字經濟未來的發展潛力有多大？ 

2021年將是數智化時代元年 

近年來，我國在數字經濟方面成就巨大。最近五年，我們以每年15%以上的速度在發展，而部分歐美國家在數字經濟方面大概是以6%的速度在前進，相較而言，這是一個很好的跡象。 

在研發方面，也看到了可喜的成績。從專利的申請來看，2020年中國的專利申請量超過了68000件，在全球專利申請量中超過了世界任何其他國家，達到第一，表明中國現在對于研發是加大砝碼推進。

但從另一個角度來講，我們跟全球最先進的國家相比，在硬核基礎上還是有很大的差距，特別是在芯片上，在操作系統上，在數據庫上等等，這也是我國正在全力支持的項目。

根據工信部信息，2020年我國數字經濟規模占GDP比重已近四成，中國數字經濟的發展還有很大的余地。

首先，中國現在的數字經濟占GDP的比例與歐美先進國家相比還有很大距離。目前我們是36%-40%，而（英、德、美等）歐美國家現在已經達到60%，還有20%多的差距。 

其次，我國的GDP組成中，金融、IT以及零售行業數字化程度比較高。零售行業占GDP大概2%左右，但就是這2%就涌現出了像阿里、京東、拼多多這些巨頭。那些現在數字化程度相對來說比較低的行業——泛工業，其占GDP的比例是52%，這52%做數字化轉型可以預見中國的數字經濟發展余地非常巨大。

2021年是數智化的關鍵節點。第一就是整個市場都對數字化轉型特別熱衷。兩年前IDC針對中國的1000強企業做的一個調研顯示，當時就有50%以上的企業表示數字化轉型是他們的重要戰略。 

2020年，埃森哲做了一個《2020中國企業數字轉型指數研究》，85%的受訪企業高管表示希望能夠在一年內看到數字化轉型的效果，43%的企業希望在6個月就能夠看到數字化轉型的效果，可見整個市場對數字化轉型已經有一個很好的認知。 

另外，政策上面也是大力支持。國資委在2020年下發的《關于加快推進國有企業數字化轉型工作的通知》，專門鼓勵要求央企、國企帶頭做數字化轉型。工信部也在今年1月印發了《工業互聯網創新發展行動計劃（2021-2023年）》，要求所有的企業加強工業互聯網的建設，特別是加強其中的數字化管理，數字化管理就涉及到數據智能，即要把大數據、人工智能應用于企業業務的變化。 

因此從市場和政策的兩個趨勢來看，2021年將是數智化時代的元年。

工業互聯網建設：從數字化到數智化

數字化轉型主要包括兩大部分。一部分是業務的數字化，也就是說在業務中把數據抽取出來，然后通過數據的整合來做分析，對整個業務有所洞察，業務的數字化要通過工業互聯網來做，這是第一步。

第二步，就是要把數字業務化。數字業務化借助數據智能的技術來做。數據智能指的是人工智能和大數據的融合，也就是說要用大數據把人工智能的算法模型與應用范圍做得更好。首先要把抽取出來的數據建成模型，建模了以后，做模擬仿真，做預測，做優化，使得決策者能夠通過數據作更準確的、更好的、更靠前的決策。

工業互聯網作為一個工具，對數字化轉型起到至關重要的作用。在傲林科技的實踐當中，我們發現目前工業互聯網主要有五大挑戰，也是我們現在主攻的方向。

第一個是數據維度的擴大。現在做數字化轉型，需要的是把不同數據源的數據都整合在一起，打通數據孤島的問題。在打通同時，我們碰到的問題就是要怎樣把這些數據統一地分析，統一地建模。數據維度的擴大是第一個挑戰。 

第二個挑戰是現在的數據、或者說人工智能的應用范圍越來越廣。原來的人工智能基本上就是人臉識別、語音處理、語言的人機對話等等，這些基本上是To C的業務。現在我們看到的更多是人工智能在To B領域的應用，這個應用范圍就大得多，場景多得多，涉及到各行各業。 

第三個就是人工智能應用深度的問題。剛剛提到的人臉識別、語音識別是認知服務。那現在我們要的不僅僅是認知服務，同時還要做預測、預警，這就要求數據能夠做更深入的分析，要把所有的歷史數據進行考量與分析規律。

第四個挑戰，全局化的優化。原來大家看到的更多的是局部優化。據工信部統計，工業App已經突破了59萬個，這是好事情，工業App像雨后春筍一樣涌現。但從另一個角度來講，這些工業App往往是局部化的優化，針對某一個工藝點、某一個工序、某一個小場景來做應用。其實對企業來說，更重要的是全局化的優化。 

我們在做技術開發和產品開發的時候，考慮的是企業經營者，他們的視角是什么？是整個企業的經營效益。經營效益考慮的是個全局的統籌，也就是說要把“供產銷”的經營鐵三角進行協同考慮，每一個部門都要做優化，同時進行協同，比如說產和銷之間的協同，供和產之間的協同等等，這些協同能夠更好地提升企業的經營效益。

第五個挑戰，是智能化的系統化。原來大家在企業里看到的是自動化系統、信息化系統。自動化系統主要是在生產線當中提升生產效率，信息化系統主要是給管理、決策人員做執行的時候使用，即把決策作為一個結果記錄下來，然后貫徹下去。 

但是在決策層，也需要有一個工具，也就是要有一個數智化的系統，這個數智化系統主要是給決策者做輔助決策用。既然是給決策者做輔助決策用，實際上就相當于是給決策者配備了一個大腦，假如一個系統或者是一個企業有多個大腦那就出問題了，只能一個大腦來統籌。這意味著我們要把局部的大腦統籌起來，真正做一個企業級的大腦。而且這個企業級大腦要不僅能夠管好企業所有的部門、業務與流程，同時要上下游做好協同，能對外圍市場市場有一個很好的應對。 

就工業互聯網建設總體情況，我們既有優勢也有不足。國內的優勢主要在于市場規模。中國的制造業生態規模大，不僅行業規模大，市場規模也大，因此中國的工業互聯網布局可以非常全面。 

但從另一個角度來講，中國的工業制造業的數字化水平相對于西歐國家來說還是低，所以我們要做工業互聯網，要做數字化轉型，這是我們的挑戰。需要我們從底層做起，從數據連接、數據采集等等做上去，這其實也給中國提供了一個更大的機遇，就是能夠考慮到怎樣把整個體系一體化。

藍海中不能迷失方向 

工業互聯網的藍海中，有很多初創企業在不斷地涌現出來。在短短的三、四年之內就出現了數以百計的初創企業，光是平臺級的、具有較強行業和區域影響力的工業互聯網企業就有100多家，而且這100多家企業已經連接了7000萬臺設備，另外還有59萬個工業App出現。在這么短的時間內，工業互聯網有這么大的普及是一個很好的現象。 

但正因為是在一個大海里邊，大家要當心的是什么？就是不能迷失方向，每個初創企業都要根據自己的特色做好定位，否則就很容易變成我這要那也要，這樣的話等于沒有自己的特色，以后競爭的優勢就會失去。 

而且這個領域有點像人工智能，就是所有的技術實際上都會有一定的波谷現象。人工智能在過去的60年里已經出現了兩個冬天，工業互聯網領域也需要投資者有耐心，工業互聯網是一個很好的賽道，但是任重而道遠。 

在工業企業里，所有的變革都需要耐心，要細細地將產品打磨出來。這個跟To C不一樣，To C可以通過市場效應一下子鋪開，但是To B需要在行業里細致地做好自己的工作，總體發展曲線不一樣。 

同時，我們也需要認識到，工業互聯網建設會產生海量數據。一方面，這些數據需要高質量的數據治理。傲林科技為此專門開發了大數據使用場景的數據治理（系統），從數據的抓取到數據的入庫、數據的標識、數據的使用，一整套地整理起來，保障數據能夠得到更有效的使用。

另一方面，數據的安全、數據的隱私是一個很重要的問題，在世界各國、各地區也都開始引起了重視。首先，從法律角度而言，一些歐美國家有專門的法律法規，中國也有了《數據安全法（草案）》，這些法律法規會在數據的安全和保隱私保護上面起到很好的作用。其次，從企業責任來講，作為一個IT行業的供應商，傲林科技也非常注重數據安全，在我們的數據平臺里已經有一整套從底層到最上層的數據安全架構以及實施的框架。