數字技術應用、智能制造生產模式和企業生產效率

趙濱元

(天津市大數據管理中心 戰略發展研究處,天津 300221)

一、研究背景

在人口結構老齡化、產能過剩和國際形勢變化三重因素作用下,中國人口紅利、投資紅利和出口紅利正在逐漸過渡為人才紅利、改革紅利和內循環紅利,制造業進入平穩增長階段,發展重心由增長速度轉向發展質量,關注重點也由宏觀層面轉向微觀層面。制造業企業作為承載制造業發展的微觀主體,其生產效率已經成為體現制造業發展質量的重要指標。新一代數字技術在制造業領域的深入應用,驅動企業組織管理、運營模式、發展路徑的創新和轉變,孕育衍生出新型制造業態。數字技術與先進制造技術有機融合,發展演變形成數字化、網絡化、智能化的智能制造生產模式,進而促進制造業企業生產效率提升、推動制造業高質量轉型升級。從微觀層面來看,如何更好地將數字技術嵌入生產制造流程,推動生產效率實現由量變到質變的跨越,也已成為事關制造業企業生存與發展的重要課題。

有學者就數字技術應用和企業生產效率二者之間的關系展開研究。例如,溫湖瑋等[1]提出,數字技術能夠融入生產制造、產品設計、市場營銷等環節,推動形成要素融合效應和主體協同效應,這種融合效應和協同效應對國有企業和大型企業尤為突出。劉平峰等[2]認為,在數字技術應用過程中,數據能夠與資本、勞動力等傳統生產要素相互賦能,促進企業生產效率提升,但在現實中,要素錯配現象廣泛存在,因而“索洛悖論”頻繁發生。邁入智能時代,基于生成式人工智能大模型的興起,智能制造正在改變著傳統生產制造的模式和流程。在數字技術應用向企業生產效率提升的傳導路徑中,智能制造生產模式是否能夠發揮中介作用,這一問題受到學者廣泛關注。

自2015 年起,工信部組織實施智能制造試點示范行動,持續推動制造業數字化轉型和智能制造普及推廣,至2022 年先后遴選了1 144 個智能制造試點示范項目,為制造業企業應用數字技術提供了引導方向。在智能制造試點示范項目的帶動作用下,數字技術與先進生產制造技術加速融合,企業級應用場景日益豐富,行業級服務平臺不斷涌現。這一行動為實證檢驗智能制造生產模式的實際效果提供了一條可行路徑[3]。基于此,本文在實證檢驗數字技術應用對制造業企業生產效率影響的基礎上,以獲批國家智能制造試點示范項目數量作為衡量企業智能制造生產模式應用水平的指標,進一步探討智能制造生產模式在數字技術應用促進企業生產效率提升傳導路徑中的中介作用。

與現有研究相比較,本文嘗試在以下三個方面進一步拓展。(1)在研究視角上,本文借鑒關于企業數字化轉型的研究成果,拓展了數字技術應用的內涵,并對數字技術應用水平對企業生產效率的影響機理作出系統的闡述和論證,進一步豐富關于數字技術應用效果的研究。(2)在指標選擇上,本文選擇“累計獲批工信部智能制造試點示范項目數量”這一變量,衡量智能制造生產模式應用水平,試圖削弱指標體系構建、指數測算、替代變量選擇、文本分析等數據處理方法的差異對指標數值和研究結果的干擾,為量化智能制造生產模式應用水平提供思路啟示。(3)在研究方法上,本文以智能制造生產模式應用水平作為中介變量,探討數字技術應用水平對企業生產效率的作用機理與傳導路徑,并通過分組回歸檢驗數字技術應用對不同組別企業生產效率的作用是否存在顯著差異,進而為精準施策提供科學參考。

二、文獻綜述

(一)數字技術與智能制造

智能制造是先進數字技術與生產制造技術相互融合,實現生產制造全流程智能化的新型生產方式[4]。在數字技術的作用下,人、信息系統、物理系統三者之間的關系發生本質變化,信息系統已經在諸多腦力勞動環節中展現出超過人類的能力[5]。隨著互聯網、大數據、人工智能等數字技術在制造業領域的應用逐漸深入,制造業的生產方式發生改變,智能制造模式日趨成熟完善[6]。互聯網技術為制造業企業提供了技術交流合作的平臺,為制造業企業在更大范圍內配置生產要素提供了可能[7]。大數據技術顯著提升了大規模、實時性數據的計算和處理速度,為制造業企業挖掘利用消費者沉淀的數據提供了可能[8]。以GPT-4 為代表的人工智能技術正在加速迭代,人工智能技術正在成為一種典型的通用技術,深度嵌入制造業企業的生產、營銷、服務等環節,深刻改變著制造業的資源配置方式[9]。

(二)企業生產效率及其影響因素

關于企業生產效率的研究主要集中在測算方法和影響因素兩個方面。在測算方法選擇方面,作為企業生產效率的代理變量,企業層面的全要素生產率主要通過OP 法、LP 法、GMM 法等測算。雖然OP 法因預設當期投資為正的前提而損失了部分樣本量,且存在樣本選擇偏差問題,但現有研究表明,OP 法與LP 法的實證檢驗結果不存在明顯差別。也有研究使用OLS 法和FE 法測算全要素生產率,但難以剔除因企業決策同時性偏差導致的內生性問題[10]。在影響因素方面,技術創新能力和技術消化吸收能力是直接影響企業生產效率的重要內部因素。企業既可以通過增強知識學習、知識產出、成果轉化等技術創新推動技術進步,進而提升生產效率,也可以通過增強技術消化吸收能力提升技術引進效果,并通過技術引進促進生產效率提升[11]。同時,行政管理機制、政策環境等外部制度因素,也通過影響要素配置效率、要素流動成本等企業內部因素,進而對企業生產效率產生影響[12]。

(三)數字技術應用對企業生產效率作用的研究

Solow[13]1987 年提出了著名的生產率悖論:計算機的應用無處不在,卻并未體現在生產效率上。隨著對“索洛悖論”的研究向縱深推進,關于數字技術應用對企業生產效率的認識也在不斷深入。國外研究顯示,引入數字技術這一外生變量,在短期內由于生產流程的自動化將降低勞動力份額,隨著資本持續積累和數字技術應用不斷拓展,勞動力和資本的比例將在長期趨于穩定[14]。實證研究表明,企業生產效率提高的主要原因并不是數字技術應用引發的制造業生產技術變革,而是就業率快速下降等其他原因[15]。與上述觀點不同,國內研究普遍認為,互聯網、大數據、人工智能等數字技術在制造業的應用,能夠推動企業生產效率提升。互聯網技術建立了企業之間的廣泛聯系,實現了企業在更大范圍內配置生產要素[16]。大數據技術通過對數據的挖掘和分析,將以往無法利用的“數據面包屑”轉變為生產要素。在大數據技術的作用下,數據能夠作為生產要素參與生產環節,以大數據分析、組織學習和組織慣例更新等方式提升產品創新績效,通過大規模個性化定制創造出更多價值[17]。而人工智能技術在制造業領域的廣泛應用,也提升了制造業企業的價值和生產效率[18]。

三、理論探討

(一)數字技術應用與企業生產效率

數字技術應用能夠增加單位勞動產出和單位資本產出,進而提升企業生產效率。

1.基于工業軟件的知識積累方式增加了單位勞動產出。工業軟件將管理理念、業務流程、研發技術、生產工藝轉化為數字和模型,以代碼形式記錄了制造業企業在生產、研發、運營中積累的經驗,固化了研發工藝、模型算法、業務流程等隱性工業知識。在生產流程中,制造業勞動者挖掘和分析記錄數據,創造產出的同時,需要增強對數據價值的理解和認識,掌握數據處理的規律和特點,提高數據處理與分析能力,通過干中學掌握數字化技能,逐漸積累形成數據挖掘分析隱性知識,有效增加單位勞動產出[19]。同時,工業軟件能夠結合勞動者的生產操作實際情況自發調整優化,為勞動者學習新知識提供便利。這種便利能夠激發勞動者創新創造潛能,激勵勞動者主動利用數字技術獲取新知識,將新知識與生產制造融合應用,積累生產經驗和工業知識,形成工業軟件迭代升級和勞動者技能提升雙向促進閉環,有效促進價值創造和勞動產出提升[9]。

2.基于數字仿真的模擬擇優法增加了單位資本產出。數字仿真技術能夠動態模仿系統結構、功能、行為和系統控制者的思維過程,逐漸形成基于智能生產工具的新型制造業生產方式。隨著數字仿真技術的發展,虛擬空間與物理空間的關系由簡單復刻向著交互映射過渡,數字孿生正在與現實生產制造應用場景深度融合,深刻改變著制造業生產模式。數字仿真技術的飛速發展,推動制造業生產方式向基于數字仿真的模擬擇優法轉變。基于數字仿真技術,模擬擇優法通過搭建模擬試驗環境,高度復刻物理世界中復雜的試驗流程,縮短研發時間、降低試驗成本[4]。同時,利用人工智能技術,模擬擇優法能夠基于以往試驗結果自主學習,自發提出更加科學的試驗流程,得到遠優于傳統試錯法的效果。與傳統試錯法相比較,模擬擇優法大幅度縮減物理試驗過程,推動產品研發、過程設計、測試驗證在虛擬現實空間自生演變,輔助企業優化技術方案、工藝路線、商業模式,有效降低研發制造成本,增加單位資本產出[9]。因此,提出以下假設:

假設1:應用數字技術能夠顯著提升制造業企業生產效率。

(二)智能制造生產模式的中介效應

在數字技術應用向企業生產效率提升的傳導路徑中,智能制造生產模式的應用發揮了重要的中介作用。

一方面,數字技術的應用能夠從數字化、網絡化、智能化三個維度推動智能制造生產模式形成。首先,“大數據+”推動制造數字化。隨著大數據技術的精準性大幅度提升,應用領域已經從搜索引擎擴展到生產生活的各個方面,也深刻改變著制造業生產模式,推動跨區域、跨行業、跨環節生產資源有效整合[17]。其次,“互聯網+”推動制造網絡化。網絡作為支撐智能制造發展的載體平臺,弱化了不同細分市場、地理位置、專業技術的邊界,縮短潛在空間距離[20]。在數字經濟時代,以開放、共享、協同為特征的5G、工業互聯網、區塊鏈等新興網絡技術,搭建起以互聯網為基礎的計算機網絡,推動制造業的運行方式、組織模式、發展路徑、發展格局調整改變。最后,“人工智能+”推動制造智能化。智能工廠利用數字化技術和設備整合管理企業信息,提高生產過程的可控性。基于人工智能的工業機器人能夠提供個性化、自動化、精準化、不間斷的勞動產出,創造出遠高于自然人勞動者的產出效率[5]。

另一方面,智能制造生產模式推動資源優化配置向深層次邁進,并通過拓展資源配置廣度和深度提高企業生產效率。一是智能制造生產模式的應用能夠促使制造業企業向價值鏈兩端延伸生產鏈,拓展資源配置廣度。在制造業企業內部,離散型智能制造、流程型智能制造等生產模式打破生產線、生產車間、工廠等固有生產邊界,以“產業大腦+智能工廠”的方式重新組合搭配生產要素,推動企業生產效率提升。在制造業企業外部,網絡協同制造等智能制造為制造業提供了信息流的重要載體,全面打通企業內外業務鏈、價值鏈、產業鏈,成為優化制造業企業資源配置的關鍵途徑[3]。二是智能制造生產模式的應用能夠通過提高精益生產和柔性生產能力,拓展資源配置深度。在研發設計環節,大規模個性化定制等智能制造生產模式能夠運用大數據技術精準定位目標客戶群體,深入挖掘、快速響應目標客戶需求,將“電力驅動的生產型制造”轉變為“軟件驅動的服務型制造”,有效促進供需匹配,大幅度提升生產模式精細化、柔性化水平,實現零庫存、低成本和快速反應[21]。在生產加工環節,制造業企業能夠采用數控機床、工業機器人、大型自動化成套設備等智能制造手段,在減少生產作業人員的同時,對生產原料、生產設備、生產進度實施“7×24 小時”監控。因此,提出以下假設:

假設2:在數字技術應用向企業生產效率提升轉化的路徑中,智能制造生產模式的形成與應用發揮了中介作用。

(三)企業所有制差異與數字技術應用

從企業所有制來看,國有企業具有政策扶持傾向優勢,更容易獲取生產技術創新所需的資金、技術、人才等資源要素,運營管理的流程和模式更加成熟完善,運用數字技術進行調整與改造的效果相對較弱;而非國有企業的體制機制較為靈活,數據自動流轉更容易實現,數字技術的應用更容易轉化為智能制造的實踐,運用數字技術優化資源要素配置、獲取經濟回報的能力更強,數字技術應用對資源配置效率提升的作用相對較強[18]。同時,國有企業在各個生產制造環節存在著大量冗余,業務發展受政策層面因素影響較強,調整成本相對較高,業務創新動力不足;而非國有企業能夠基于對變革時機的準確判斷,適時地發起技術變革,選擇更加符合企業自身需求的技術演進路徑[3]。因此,提出以下假設:

假設3:對于非國有企業,數字技術應用對生產效率的促進作用更為明顯。

(四)企業規模差異對數字技術應用作用的影響

從企業規模來看,數字技術發展變化速度較快,對企業的配套能力要求較高,大型企業具有強大的內部規模優勢,更容易構建數字化作業平臺,利用專家和知識等資源為一線人員提供參考解決方案,形成自生的數字技術體系,降低對外部數字技術的依賴度,并通過向一線人員充分授權縮短決策鏈條,減少多層級決策對一線人員的干擾,提升運營效率[18]。同時,數字技術具有非競爭性等準公共產品屬性。大型企業與外部環境的連接渠道更為豐富,與數字技術研發機構、科技企業的聯系也更加密切,能夠與其他主體密切協作,整合外部數字化轉型資源要素,獲得外部規模優勢,更容易將數字技術應用轉化為企業生產效率。另外,在數字技術與企業自身生產流程融合過程中,需要投入大量的前期沉沒成本。大型企業發展模式更加成熟穩定,發展戰略更加清晰,更容易建立與業務戰略匹配的數字化轉型愿景,更好地發揮數字技術應用效能[1]。因此,提出以下假設:

假設4:對于大型企業,數字技術應用對生產效率的促進作用更為明顯。

(五)企業所在區域差異對數字技術應用作用的影響

東部地區擁有大量的人才、資金等配套資源,能夠有力保障公共數字技術平臺建設,為企業應用數字技術提供支撐[22]。數字技術應用需要良好的信息流通環境,東部地區商品和信息流通效率相對較高,數據流通生態體系相對較為成熟,數據存量也更加充裕,有利于將前沿數字技術與制造業應用場景有機融合,為充分發揮數字技術應用的作用提供數據要素支撐[23]。另外,數字技術創新應用具有明顯的人才驅動特征,東部地區已經形成了“規劃—政策—平臺—服務—產業—人才”引才育才路徑,產業技術創新氛圍相對濃厚,基于開源社區和良好的創新創業環境,積累培育了一支龐大的開發者人才隊伍,為企業利用數字技術提升生產效率提供了豐富的人才資源[24]。因此,提出以下假設:

假設5:相對中西部地區,數字技術應用對東部地區企業生產效率的促進作用更強。

四、研究設計

(一)數據來源與處理

本文使用2009 年之前上市、2009 年之后未進行重大資產重組、未變更公司主營業務的963 家滬深兩市上市公司年度數據作為考察樣本,樣本期為2009—2022 年。價格指數、地區生產總值等宏觀經濟指標來源于國家統計局發布的中國統計年鑒,智能制造試點示范項目情況來源于工信部網站,其他原始數據來源于上市公司年報。為削弱異常值干擾和價格波動影響,對總資產、經營活動產生的現金流量凈額、貨幣資金進行1%的雙側縮尾處理,并以所在省份工業生產者出廠價格指數進行價格平減。

(二)變量設定

1.被解釋變量:企業生產效率(tfp)。本文使用OP 法計算全要素生產率,以此作為衡量企業生產效率的指標,并使用LP 法、GMM 法和FE 法進行穩健性檢驗。企業產出、勞動力要素投入、資本要素投入、中間投入、投資分別使用營業收入、在職員工人數、固定資產、購買商品/接受勞務支付的現金、購建固定資產/無形資產和其他資產所支付的現金衡量。

2.核心解釋變量:數字技術應用(dt)。本文借鑒吳非等[25]構造的數字技術應用特征詞庫,以數字技術應用特征詞在當年上市公司年報中出現的詞頻數作為數字技術應用水平的衡量指標。

3.控制變量。在企業層面,選擇總資產(asset)、經營性現金流量(cfo)、現金持有量(cash)3 項指標衡量企業財務特征,并選擇企業年齡(age)、兩職合一(dual)2 項指標衡量企業治理特征;在區域層面,選擇所在城市生產總值(gdp)考察區域經濟發展水平對企業生產效率的影響。

4.中介變量:智能制造生產模式應用水平(im)。實證檢驗通常使用指標替代、構造指數、文本分析3種方法衡量智能制造生產模式應用水平。為緩解主觀因素對指標選擇的影響,本文借鑒張樹山等[26]的方法,使用“累計獲批工信部智能制造試點示范項目數量”這一變量衡量智能制造生產模式應用水平。

本文的變量說明及指標賦值規則如表1 所示。本文變量的描述性統計如表2 所示。

表1 變量說明及指標賦值規則

表2 變量描述性統計

(三)模型設定

為驗證假設1 是否成立,本文構建以下基準模型:

其中:i表示上市公司的位次,j表示控制變量的位次,t表示年份;tfp為企業生產效率,dt為數字技術,X代表總資產、經營性現金流量、現金持有量等控制變量;α0表示常數項,α1表示數字技術的系數,β表示控制變量的系數;u和λ分別表示個體固定效應和時間固定效應;ε表示隨機擾動項。

為驗證假設2 是否成立,本文以智能制造作為中介變量,構建以下中介變量模型:

其中,im為“累計獲批智能制造試點示范項目數量”這一變量,用來衡量智能制造生產模式應用水平。(2)式中α1與(3)式中δ的乘積代表im的中介作用,如果這一乘積顯著不等于0,那么im就發揮了中介作用。

為驗證假設3 至假設5 是否成立,本文在(1)式的基礎上,引入所有權性質、企業規模、所在區域等企業異質性變量進行分組檢驗,并通過比較分組檢驗結果,分別對假設3 至假設5 進行驗證。

五、實證結果分析

(一)基準回歸

表3 的模型(1)報告了對全樣本的最小二乘回歸結果,數字技術應用水平對企業生產效率的回歸系數通過1%的顯著性檢驗,數字技術應用水平每提升1%,企業生產效率平均提升0.052%,表明數字技術的應用對企業生產效率提升起到了一定的促進作用。這一檢驗結果驗證了假設1 提出的論斷。為檢驗全要素生產率計算方法的穩健性,本文使用了LP 法、GMM 法和FE 法計算全要素生產率,對模型(1)中使用OP 法計算得到的全要素生產率進行替換。檢驗結果顯示,對全要素生產率的計算方法進行替換后,數字技術應用水平回歸系數的顯著性水平和方向未發生明顯變化,表明使用OP 法測算全要素生產率具有較強的穩健性。

表3 基準估計結果

(二)穩健性檢驗

除了替換被解釋變量之外,本文還進行了以下穩健性檢驗,檢驗結果如表4 所示。一是為檢驗核心解釋變量“數字技術應用水平”的穩健性,本文使用“企業當年年度報告中是否出現數字技術應用特征詞”這一虛擬變量,對模型(1)中的核心解釋變量進行替換。二是應用數字技術的企業和未應用數字技術的企業可能存在未觀測到的組間差異,為削弱這種差異對檢驗結果的影響,本文以“企業當年年度報告中是否出現數字技術應用特征詞”作為處理變量,對處理組和對照組進行傾向得分匹配。三是為削弱極端異常值的干擾,本文對核心解釋變量和各個控制變量進行1%的雙側Winsorize 縮尾處理。上述穩健性檢驗結果如表4 所示。表4 顯示,穩健性檢驗結果與模型(1)基本一致,表明模型(1)的檢驗結果具有較強的穩健性。

表4 穩健性檢驗結果

(三)內生性檢驗

由于某些可能影響企業生產效率的因素未被納入本文的基準模型,因此本文的實證檢驗結果可能存在選擇偏差。同時,企業生產效率也會對企業是否應用數字技術產生影響,可能存在互為因果的問題。為削弱上述內生性問題,本文借鑒韓先鋒等[27]、趙濤等[28]的方法,構造“所在省份數字經濟發展指數”指標,并以此作為工具變量進行兩階段最小二乘法估計,結果如表5 所示。從工具變量的相關性來看,所在省份數字經濟發展指數衡量了當地數字經濟發展水平,有助于企業更好地開展數字技術創新應用,模型(8)第一階段回歸結果表明,工具變量與數字技術應用水平顯著正相關。從外生性來看,所在省份數字經濟發展水平和企業生產效率沒有直接聯系,弱工具變量檢驗F統計量也大于10%的臨界值水平,模型(9)也驗證了本文的實證檢驗結果具有較強的合理性。

表5 內生性檢驗結果

(四)中介效應分析

本節將討論的重點放在數字技術應用對企業生產效率的作用機制上。檢驗智能制造生產模式中介效應的意義不僅在于建立一條數字技術應用促進企業生產效率的路徑,而且有助于清晰識別二者之間的因果關系鏈條。中介效應模型的估計結果如表6 所示。

表6 中介效應估計結果

由模型(10)回歸結果可知,數字技術應用水平對智能制造生產模式應用水平的影響系數顯著為正,說明數字技術應用對智能制造生產模式應用水平存在正向影響。在增加了智能制造生產模式應用水平這一中介變量后,數字技術應用對企業生產效率的回歸系數從模型(1)中的0.052 降至模型(11)中的0.015,而在模型(11)的回歸結果中,智能制造生產模式應用水平對企業生產效率的回歸系數同樣顯著為正,這與假設2 的預期一致。進一步檢驗發現,通過智能制造生產模式應用水平產生的中介效應通過了Sobel-Goodman 檢驗和Bootstrap 檢驗,這驗證了假設2 提出的智能制造生產模式在數字技術應用對企業生產效率的作用中存在中介效應這一論斷。總體來看,在數字技術應用對企業生產效率的作用中,中介效應大于直接效應,占比達到71.2%(0.121×0.306/0.052),即數字技術應用對企業生產效率的影響以中介效應為主,企業通過將數字技術與生產技術有機融合,形成智能制造模式,優化生產制造流程,由此產生的促進作用大于應用數字技術產生的直接作用。上述檢驗結果表明,智能制造生產模式在數字技術應用對企業生產效率的影響機制中發揮了顯著的中介作用。

(五)異質性分析

為檢驗企業差異是否顯著影響數字技術應用對企業生產效率的促進作用,本文參照國家統計局關于企業性質、企業規模、經濟地帶的劃分標準,對樣本進行分組。異質性檢驗結果如表7 所示。

表7 異質性檢驗結果

模型(12)和模型(13)的回歸結果顯示,數字技術應用對國有企業生產效率的促進作用并不顯著,而對非國有企業生產效率能夠產生顯著的促進效應,假設3 得到驗證。在非國有控股企業,數字技術與生產技術、生產資料的結合更有效率。模型(14)和模型(15)的回歸結果顯示,對于大型企業,數字技術應用的系數顯著為正,而中小企業數字技術應用的系數并不顯著,表明應用數字技術對大型企業生產效率的促進作用更強,假設4 得到驗證。觀察模型(16)和模型(17)的回歸結果可知,應用數字技術的東部地區企業生產效率顯著提高,而應用數字技術的中西部地區企業生產效率并無顯著變化,說明東部地區企業生產效率受數字技術應用的影響更大,假設5 得到驗證。

六、研究結論與政策啟示

(一)研究結論

1.數字技術應用能夠顯著提升制造業企業生產效率。數字技術創新應用能夠促進數據流動自動化,將數據的自動流動與企業生產制造流程有機銜接,促進企業生產效率提升。

2.數字技術應用可以通過形成智能制造生產模式,間接驅動生產效率提升。數字技術應用能夠為制造業企業構建數字孿生制造場景,推動實體生產制造轉向虛擬生產制造,形成虛實交互、雙向作用的智能制造模式,支撐傳統制造向智能制造邁進,帶動企業生產效率提升。

3.對于不同企業,數字技術應用對生產效率的促進作用存在差異。相對國有企業、中小型企業和中西部地區企業,數字技術應用對非國有企業、大型企業和東部地區企業生產效率的帶動作用更加顯著。非國有企業基于自身組織模式的特點,更容易利用數字技術形成快速響應模式。大型企業擁有規模優勢,應用數字技術更容易形成全生命周期服務能力。東部地區企業具有天然的產業集群優勢和外部規模優勢,數字技術應用向生產效率的轉化模式更加成熟,所需資源要素也更容易獲得,為企業充分發揮數字技術應用效能提供良好條件。

(二)政策啟示

1.引導數字技術與生產制造技術融合應用。在深入應用傳統工業軟件的基礎上,引導企業聚焦自身業務痛點和關鍵業務環節,創新應用新一代數字技術,探索新一代數字技術與生產制造流程的契合點,提升算法性能,挖掘數據價值,加速重構研發、制造、服務能力,更好賦能生產效率提升。

2.推動數字技術應用向智能制造生產模式轉化。引導制造業企業將數字技術應用與智能制造場景融合,以感知分析、監督控制、推理決策等裝備智能化作為實施智能制造的突破口,通過軟件賦能的工業機器人、智能數據傳感器、具有邊緣計算功能的終端設備等方式,加強數字技術向智能制造整合應用,構建以工業軟件為載體、以數字化平臺為工具、以數據為核心生產要素、以提升生產效率為目的的“產業大腦+智能工廠”智能化生產制造模式。[29]

3.按照企業所有權性質選擇數字技術。拓寬國有企業應用物聯網、云計算、大數據等成熟數字技術渠道,通過物聯網設備及其邊緣計算能力實時采集工業生產數據,利用云計算和云存儲的強大計算能力,有效發揮在線數據價值,充分釋放數字技術對企業生產效率的促進作用。激勵非國有企業面向特定應用場景開發整體解決方案,探索人工智能、數字孿生等前沿數字技術和多項數字技術交叉應用模式,通過數字技術應用優化生產環節、重構生產流程、提高生產效率。

4.按照企業規模選擇數字技術應用重點領域。引導大型企業建立產業互聯網,重新組織和連接行業數據,搭建行業數據結構框架和組織形式,形成統一的行業數據底座,跨企業、跨區域整合優化行業資源要素,打破數據孤島和技術壟斷,實現網絡化協同研發生產,提升生產效率。面向中小企業普及企業管理軟件和客戶管理軟件應用,利用數字技術加強客戶管理,基于數據洞察主動感知客戶個性化需求,針對需求合理調配產能,實現供需精準匹配。

5.按照企業所在區域選擇數字技術應用路徑。鼓勵東部地區企業建立數據流通體系,基于制造業生產環節實時記錄的數據,進一步加強數據清洗和數據治理,生成安全規范的數據流通交易產品,為數字技術創新應用營造良好發展環境。引導中西部地區企業積極融入“東數西算”國家戰略,利用算力資源和數字基礎設施,開發面向多元異構數據和個性化需求的共性算法,釋放數據要素價值。