数字技术应用、智能制造生产模式和企业生产效率

赵滨元

(天津市大数据管理中心 战略发展研究处,天津 300221)

一、研究背景

在人口结构老龄化、产能过剩和国际形势变化三重因素作用下,中国人口红利、投资红利和出口红利正在逐渐过渡为人才红利、改革红利和内循环红利,制造业进入平稳增长阶段,发展重心由增长速度转向发展质量,关注重点也由宏观层面转向微观层面。制造业企业作为承载制造业发展的微观主体,其生产效率已经成为体现制造业发展质量的重要指标。新一代数字技术在制造业领域的深入应用,驱动企业组织管理、运营模式、发展路径的创新和转变,孕育衍生出新型制造业态。数字技术与先进制造技术有机融合,发展演变形成数字化、网络化、智能化的智能制造生产模式,进而促进制造业企业生产效率提升、推动制造业高质量转型升级。从微观层面来看,如何更好地将数字技术嵌入生产制造流程,推动生产效率实现由量变到质变的跨越,也已成为事关制造业企业生存与发展的重要课题。

有学者就数字技术应用和企业生产效率二者之间的关系展开研究。例如,温湖玮等[1]提出,数字技术能够融入生产制造、产品设计、市场营销等环节,推动形成要素融合效应和主体协同效应,这种融合效应和协同效应对国有企业和大型企业尤为突出。刘平峰等[2]认为,在数字技术应用过程中,数据能够与资本、劳动力等传统生产要素相互赋能,促进企业生产效率提升,但在现实中,要素错配现象广泛存在,因而“索洛悖论”频繁发生。迈入智能时代,基于生成式人工智能大模型的兴起,智能制造正在改变着传统生产制造的模式和流程。在数字技术应用向企业生产效率提升的传导路径中,智能制造生产模式是否能够发挥中介作用,这一问题受到学者广泛关注。

自2015 年起,工信部组织实施智能制造试点示范行动,持续推动制造业数字化转型和智能制造普及推广,至2022 年先后遴选了1 144 个智能制造试点示范项目,为制造业企业应用数字技术提供了引导方向。在智能制造试点示范项目的带动作用下,数字技术与先进生产制造技术加速融合,企业级应用场景日益丰富,行业级服务平台不断涌现。这一行动为实证检验智能制造生产模式的实际效果提供了一条可行路径[3]。基于此,本文在实证检验数字技术应用对制造业企业生产效率影响的基础上,以获批国家智能制造试点示范项目数量作为衡量企业智能制造生产模式应用水平的指标,进一步探讨智能制造生产模式在数字技术应用促进企业生产效率提升传导路径中的中介作用。

与现有研究相比较,本文尝试在以下三个方面进一步拓展。(1)在研究视角上,本文借鉴关于企业数字化转型的研究成果,拓展了数字技术应用的内涵,并对数字技术应用水平对企业生产效率的影响机理作出系统的阐述和论证,进一步丰富关于数字技术应用效果的研究。(2)在指标选择上,本文选择“累计获批工信部智能制造试点示范项目数量”这一变量,衡量智能制造生产模式应用水平,试图削弱指标体系构建、指数测算、替代变量选择、文本分析等数据处理方法的差异对指标数值和研究结果的干扰,为量化智能制造生产模式应用水平提供思路启示。(3)在研究方法上,本文以智能制造生产模式应用水平作为中介变量,探讨数字技术应用水平对企业生产效率的作用机理与传导路径,并通过分组回归检验数字技术应用对不同组别企业生产效率的作用是否存在显著差异,进而为精准施策提供科学参考。

二、文献综述

(一)数字技术与智能制造

智能制造是先进数字技术与生产制造技术相互融合,实现生产制造全流程智能化的新型生产方式[4]。在数字技术的作用下,人、信息系统、物理系统三者之间的关系发生本质变化,信息系统已经在诸多脑力劳动环节中展现出超过人类的能力[5]。随着互联网、大数据、人工智能等数字技术在制造业领域的应用逐渐深入,制造业的生产方式发生改变,智能制造模式日趋成熟完善[6]。互联网技术为制造业企业提供了技术交流合作的平台,为制造业企业在更大范围内配置生产要素提供了可能[7]。大数据技术显著提升了大规模、实时性数据的计算和处理速度,为制造业企业挖掘利用消费者沉淀的数据提供了可能[8]。以GPT-4 为代表的人工智能技术正在加速迭代,人工智能技术正在成为一种典型的通用技术,深度嵌入制造业企业的生产、营销、服务等环节,深刻改变着制造业的资源配置方式[9]。

(二)企业生产效率及其影响因素

关于企业生产效率的研究主要集中在测算方法和影响因素两个方面。在测算方法选择方面,作为企业生产效率的代理变量,企业层面的全要素生产率主要通过OP 法、LP 法、GMM 法等测算。虽然OP 法因预设当期投资为正的前提而损失了部分样本量,且存在样本选择偏差问题,但现有研究表明,OP 法与LP 法的实证检验结果不存在明显差别。也有研究使用OLS 法和FE 法测算全要素生产率,但难以剔除因企业决策同时性偏差导致的内生性问题[10]。在影响因素方面,技术创新能力和技术消化吸收能力是直接影响企业生产效率的重要内部因素。企业既可以通过增强知识学习、知识产出、成果转化等技术创新推动技术进步,进而提升生产效率,也可以通过增强技术消化吸收能力提升技术引进效果,并通过技术引进促进生产效率提升[11]。同时,行政管理机制、政策环境等外部制度因素,也通过影响要素配置效率、要素流动成本等企业内部因素,进而对企业生产效率产生影响[12]。

(三)数字技术应用对企业生产效率作用的研究

Solow[13]1987 年提出了著名的生产率悖论:计算机的应用无处不在,却并未体现在生产效率上。随着对“索洛悖论”的研究向纵深推进,关于数字技术应用对企业生产效率的认识也在不断深入。国外研究显示,引入数字技术这一外生变量,在短期内由于生产流程的自动化将降低劳动力份额,随着资本持续积累和数字技术应用不断拓展,劳动力和资本的比例将在长期趋于稳定[14]。实证研究表明,企业生产效率提高的主要原因并不是数字技术应用引发的制造业生产技术变革,而是就业率快速下降等其他原因[15]。与上述观点不同,国内研究普遍认为,互联网、大数据、人工智能等数字技术在制造业的应用,能够推动企业生产效率提升。互联网技术建立了企业之间的广泛联系,实现了企业在更大范围内配置生产要素[16]。大数据技术通过对数据的挖掘和分析,将以往无法利用的“数据面包屑”转变为生产要素。在大数据技术的作用下,数据能够作为生产要素参与生产环节,以大数据分析、组织学习和组织惯例更新等方式提升产品创新绩效,通过大规模个性化定制创造出更多价值[17]。而人工智能技术在制造业领域的广泛应用,也提升了制造业企业的价值和生产效率[18]。

三、理论探讨

(一)数字技术应用与企业生产效率

数字技术应用能够增加单位劳动产出和单位资本产出,进而提升企业生产效率。

1.基于工业软件的知识积累方式增加了单位劳动产出。工业软件将管理理念、业务流程、研发技术、生产工艺转化为数字和模型,以代码形式记录了制造业企业在生产、研发、运营中积累的经验,固化了研发工艺、模型算法、业务流程等隐性工业知识。在生产流程中,制造业劳动者挖掘和分析记录数据,创造产出的同时,需要增强对数据价值的理解和认识,掌握数据处理的规律和特点,提高数据处理与分析能力,通过干中学掌握数字化技能,逐渐积累形成数据挖掘分析隐性知识,有效增加单位劳动产出[19]。同时,工业软件能够结合劳动者的生产操作实际情况自发调整优化,为劳动者学习新知识提供便利。这种便利能够激发劳动者创新创造潜能,激励劳动者主动利用数字技术获取新知识,将新知识与生产制造融合应用,积累生产经验和工业知识,形成工业软件迭代升级和劳动者技能提升双向促进闭环,有效促进价值创造和劳动产出提升[9]。

2.基于数字仿真的模拟择优法增加了单位资本产出。数字仿真技术能够动态模仿系统结构、功能、行为和系统控制者的思维过程,逐渐形成基于智能生产工具的新型制造业生产方式。随着数字仿真技术的发展,虚拟空间与物理空间的关系由简单复刻向着交互映射过渡,数字孪生正在与现实生产制造应用场景深度融合,深刻改变着制造业生产模式。数字仿真技术的飞速发展,推动制造业生产方式向基于数字仿真的模拟择优法转变。基于数字仿真技术,模拟择优法通过搭建模拟试验环境,高度复刻物理世界中复杂的试验流程,缩短研发时间、降低试验成本[4]。同时,利用人工智能技术,模拟择优法能够基于以往试验结果自主学习,自发提出更加科学的试验流程,得到远优于传统试错法的效果。与传统试错法相比较,模拟择优法大幅度缩减物理试验过程,推动产品研发、过程设计、测试验证在虚拟现实空间自生演变,辅助企业优化技术方案、工艺路线、商业模式,有效降低研发制造成本,增加单位资本产出[9]。因此,提出以下假设:

假设1:应用数字技术能够显著提升制造业企业生产效率。

(二)智能制造生产模式的中介效应

在数字技术应用向企业生产效率提升的传导路径中,智能制造生产模式的应用发挥了重要的中介作用。

一方面,数字技术的应用能够从数字化、网络化、智能化三个维度推动智能制造生产模式形成。首先,“大数据+”推动制造数字化。随着大数据技术的精准性大幅度提升,应用领域已经从搜索引擎扩展到生产生活的各个方面,也深刻改变着制造业生产模式,推动跨区域、跨行业、跨环节生产资源有效整合[17]。其次,“互联网+”推动制造网络化。网络作为支撑智能制造发展的载体平台,弱化了不同细分市场、地理位置、专业技术的边界,缩短潜在空间距离[20]。在数字经济时代,以开放、共享、协同为特征的5G、工业互联网、区块链等新兴网络技术,搭建起以互联网为基础的计算机网络,推动制造业的运行方式、组织模式、发展路径、发展格局调整改变。最后,“人工智能+”推动制造智能化。智能工厂利用数字化技术和设备整合管理企业信息,提高生产过程的可控性。基于人工智能的工业机器人能够提供个性化、自动化、精准化、不间断的劳动产出,创造出远高于自然人劳动者的产出效率[5]。

另一方面,智能制造生产模式推动资源优化配置向深层次迈进,并通过拓展资源配置广度和深度提高企业生产效率。一是智能制造生产模式的应用能够促使制造业企业向价值链两端延伸生产链,拓展资源配置广度。在制造业企业内部,离散型智能制造、流程型智能制造等生产模式打破生产线、生产车间、工厂等固有生产边界,以“产业大脑+智能工厂”的方式重新组合搭配生产要素,推动企业生产效率提升。在制造业企业外部,网络协同制造等智能制造为制造业提供了信息流的重要载体,全面打通企业内外业务链、价值链、产业链,成为优化制造业企业资源配置的关键途径[3]。二是智能制造生产模式的应用能够通过提高精益生产和柔性生产能力,拓展资源配置深度。在研发设计环节,大规模个性化定制等智能制造生产模式能够运用大数据技术精准定位目标客户群体,深入挖掘、快速响应目标客户需求,将“电力驱动的生产型制造”转变为“软件驱动的服务型制造”,有效促进供需匹配,大幅度提升生产模式精细化、柔性化水平,实现零库存、低成本和快速反应[21]。在生产加工环节,制造业企业能够采用数控机床、工业机器人、大型自动化成套设备等智能制造手段,在减少生产作业人员的同时,对生产原料、生产设备、生产进度实施“7×24 小时”监控。因此,提出以下假设:

假设2:在数字技术应用向企业生产效率提升转化的路径中,智能制造生产模式的形成与应用发挥了中介作用。

(三)企业所有制差异与数字技术应用

从企业所有制来看,国有企业具有政策扶持倾向优势,更容易获取生产技术创新所需的资金、技术、人才等资源要素,运营管理的流程和模式更加成熟完善,运用数字技术进行调整与改造的效果相对较弱;而非国有企业的体制机制较为灵活,数据自动流转更容易实现,数字技术的应用更容易转化为智能制造的实践,运用数字技术优化资源要素配置、获取经济回报的能力更强,数字技术应用对资源配置效率提升的作用相对较强[18]。同时,国有企业在各个生产制造环节存在着大量冗余,业务发展受政策层面因素影响较强,调整成本相对较高,业务创新动力不足;而非国有企业能够基于对变革时机的准确判断,适时地发起技术变革,选择更加符合企业自身需求的技术演进路径[3]。因此,提出以下假设:

假设3:对于非国有企业,数字技术应用对生产效率的促进作用更为明显。

(四)企业规模差异对数字技术应用作用的影响

从企业规模来看,数字技术发展变化速度较快,对企业的配套能力要求较高,大型企业具有强大的内部规模优势,更容易构建数字化作业平台,利用专家和知识等资源为一线人员提供参考解决方案,形成自生的数字技术体系,降低对外部数字技术的依赖度,并通过向一线人员充分授权缩短决策链条,减少多层级决策对一线人员的干扰,提升运营效率[18]。同时,数字技术具有非竞争性等准公共产品属性。大型企业与外部环境的连接渠道更为丰富,与数字技术研发机构、科技企业的联系也更加密切,能够与其他主体密切协作,整合外部数字化转型资源要素,获得外部规模优势,更容易将数字技术应用转化为企业生产效率。另外,在数字技术与企业自身生产流程融合过程中,需要投入大量的前期沉没成本。大型企业发展模式更加成熟稳定,发展战略更加清晰,更容易建立与业务战略匹配的数字化转型愿景,更好地发挥数字技术应用效能[1]。因此,提出以下假设:

假设4:对于大型企业,数字技术应用对生产效率的促进作用更为明显。

(五)企业所在区域差异对数字技术应用作用的影响

东部地区拥有大量的人才、资金等配套资源,能够有力保障公共数字技术平台建设,为企业应用数字技术提供支撑[22]。数字技术应用需要良好的信息流通环境,东部地区商品和信息流通效率相对较高,数据流通生态体系相对较为成熟,数据存量也更加充裕,有利于将前沿数字技术与制造业应用场景有机融合,为充分发挥数字技术应用的作用提供数据要素支撑[23]。另外,数字技术创新应用具有明显的人才驱动特征,东部地区已经形成了“规划—政策—平台—服务—产业—人才”引才育才路径,产业技术创新氛围相对浓厚,基于开源社区和良好的创新创业环境,积累培育了一支庞大的开发者人才队伍,为企业利用数字技术提升生产效率提供了丰富的人才资源[24]。因此,提出以下假设:

假设5:相对中西部地区,数字技术应用对东部地区企业生产效率的促进作用更强。

四、研究设计

(一)数据来源与处理

本文使用2009 年之前上市、2009 年之后未进行重大资产重组、未变更公司主营业务的963 家沪深两市上市公司年度数据作为考察样本,样本期为2009—2022 年。价格指数、地区生产总值等宏观经济指标来源于国家统计局发布的中国统计年鉴,智能制造试点示范项目情况来源于工信部网站,其他原始数据来源于上市公司年报。为削弱异常值干扰和价格波动影响,对总资产、经营活动产生的现金流量净额、货币资金进行1%的双侧缩尾处理,并以所在省份工业生产者出厂价格指数进行价格平减。

(二)变量设定

1.被解释变量:企业生产效率(tfp)。本文使用OP 法计算全要素生产率,以此作为衡量企业生产效率的指标,并使用LP 法、GMM 法和FE 法进行稳健性检验。企业产出、劳动力要素投入、资本要素投入、中间投入、投资分别使用营业收入、在职员工人数、固定资产、购买商品/接受劳务支付的现金、购建固定资产/无形资产和其他资产所支付的现金衡量。

2.核心解释变量:数字技术应用(dt)。本文借鉴吴非等[25]构造的数字技术应用特征词库,以数字技术应用特征词在当年上市公司年报中出现的词频数作为数字技术应用水平的衡量指标。

3.控制变量。在企业层面,选择总资产(asset)、经营性现金流量(cfo)、现金持有量(cash)3 项指标衡量企业财务特征,并选择企业年龄(age)、两职合一(dual)2 项指标衡量企业治理特征;在区域层面,选择所在城市生产总值(gdp)考察区域经济发展水平对企业生产效率的影响。

4.中介变量:智能制造生产模式应用水平(im)。实证检验通常使用指标替代、构造指数、文本分析3种方法衡量智能制造生产模式应用水平。为缓解主观因素对指标选择的影响,本文借鉴张树山等[26]的方法,使用“累计获批工信部智能制造试点示范项目数量”这一变量衡量智能制造生产模式应用水平。

本文的变量说明及指标赋值规则如表1 所示。本文变量的描述性统计如表2 所示。

表1 变量说明及指标赋值规则

表2 变量描述性统计

(三)模型设定

为验证假设1 是否成立,本文构建以下基准模型:

其中:i表示上市公司的位次,j表示控制变量的位次,t表示年份;tfp为企业生产效率,dt为数字技术,X代表总资产、经营性现金流量、现金持有量等控制变量;α0表示常数项,α1表示数字技术的系数,β表示控制变量的系数;u和λ分别表示个体固定效应和时间固定效应;ε表示随机扰动项。

为验证假设2 是否成立,本文以智能制造作为中介变量,构建以下中介变量模型:

其中,im为“累计获批智能制造试点示范项目数量”这一变量,用来衡量智能制造生产模式应用水平。(2)式中α1与(3)式中δ的乘积代表im的中介作用,如果这一乘积显著不等于0,那么im就发挥了中介作用。

为验证假设3 至假设5 是否成立,本文在(1)式的基础上,引入所有权性质、企业规模、所在区域等企业异质性变量进行分组检验,并通过比较分组检验结果,分别对假设3 至假设5 进行验证。

五、实证结果分析

(一)基准回归

表3 的模型(1)报告了对全样本的最小二乘回归结果,数字技术应用水平对企业生产效率的回归系数通过1%的显著性检验,数字技术应用水平每提升1%,企业生产效率平均提升0.052%,表明数字技术的应用对企业生产效率提升起到了一定的促进作用。这一检验结果验证了假设1 提出的论断。为检验全要素生产率计算方法的稳健性,本文使用了LP 法、GMM 法和FE 法计算全要素生产率,对模型(1)中使用OP 法计算得到的全要素生产率进行替换。检验结果显示,对全要素生产率的计算方法进行替换后,数字技术应用水平回归系数的显著性水平和方向未发生明显变化,表明使用OP 法测算全要素生产率具有较强的稳健性。

表3 基准估计结果

(二)稳健性检验

除了替换被解释变量之外,本文还进行了以下稳健性检验,检验结果如表4 所示。一是为检验核心解释变量“数字技术应用水平”的稳健性,本文使用“企业当年年度报告中是否出现数字技术应用特征词”这一虚拟变量,对模型(1)中的核心解释变量进行替换。二是应用数字技术的企业和未应用数字技术的企业可能存在未观测到的组间差异,为削弱这种差异对检验结果的影响,本文以“企业当年年度报告中是否出现数字技术应用特征词”作为处理变量,对处理组和对照组进行倾向得分匹配。三是为削弱极端异常值的干扰,本文对核心解释变量和各个控制变量进行1%的双侧Winsorize 缩尾处理。上述稳健性检验结果如表4 所示。表4 显示,稳健性检验结果与模型(1)基本一致,表明模型(1)的检验结果具有较强的稳健性。

表4 稳健性检验结果

(三)内生性检验

由于某些可能影响企业生产效率的因素未被纳入本文的基准模型,因此本文的实证检验结果可能存在选择偏差。同时,企业生产效率也会对企业是否应用数字技术产生影响,可能存在互为因果的问题。为削弱上述内生性问题,本文借鉴韩先锋等[27]、赵涛等[28]的方法,构造“所在省份数字经济发展指数”指标,并以此作为工具变量进行两阶段最小二乘法估计,结果如表5 所示。从工具变量的相关性来看,所在省份数字经济发展指数衡量了当地数字经济发展水平,有助于企业更好地开展数字技术创新应用,模型(8)第一阶段回归结果表明,工具变量与数字技术应用水平显著正相关。从外生性来看,所在省份数字经济发展水平和企业生产效率没有直接联系,弱工具变量检验F统计量也大于10%的临界值水平,模型(9)也验证了本文的实证检验结果具有较强的合理性。

表5 内生性检验结果

(四)中介效应分析

本节将讨论的重点放在数字技术应用对企业生产效率的作用机制上。检验智能制造生产模式中介效应的意义不仅在于建立一条数字技术应用促进企业生产效率的路径,而且有助于清晰识别二者之间的因果关系链条。中介效应模型的估计结果如表6 所示。

表6 中介效应估计结果

由模型(10)回归结果可知,数字技术应用水平对智能制造生产模式应用水平的影响系数显著为正,说明数字技术应用对智能制造生产模式应用水平存在正向影响。在增加了智能制造生产模式应用水平这一中介变量后,数字技术应用对企业生产效率的回归系数从模型(1)中的0.052 降至模型(11)中的0.015,而在模型(11)的回归结果中,智能制造生产模式应用水平对企业生产效率的回归系数同样显著为正,这与假设2 的预期一致。进一步检验发现,通过智能制造生产模式应用水平产生的中介效应通过了Sobel-Goodman 检验和Bootstrap 检验,这验证了假设2 提出的智能制造生产模式在数字技术应用对企业生产效率的作用中存在中介效应这一论断。总体来看,在数字技术应用对企业生产效率的作用中,中介效应大于直接效应,占比达到71.2%(0.121×0.306/0.052),即数字技术应用对企业生产效率的影响以中介效应为主,企业通过将数字技术与生产技术有机融合,形成智能制造模式,优化生产制造流程,由此产生的促进作用大于应用数字技术产生的直接作用。上述检验结果表明,智能制造生产模式在数字技术应用对企业生产效率的影响机制中发挥了显著的中介作用。

(五)异质性分析

为检验企业差异是否显著影响数字技术应用对企业生产效率的促进作用,本文参照国家统计局关于企业性质、企业规模、经济地带的划分标准,对样本进行分组。异质性检验结果如表7 所示。

表7 异质性检验结果

模型(12)和模型(13)的回归结果显示,数字技术应用对国有企业生产效率的促进作用并不显著,而对非国有企业生产效率能够产生显著的促进效应,假设3 得到验证。在非国有控股企业,数字技术与生产技术、生产资料的结合更有效率。模型(14)和模型(15)的回归结果显示,对于大型企业,数字技术应用的系数显著为正,而中小企业数字技术应用的系数并不显著,表明应用数字技术对大型企业生产效率的促进作用更强,假设4 得到验证。观察模型(16)和模型(17)的回归结果可知,应用数字技术的东部地区企业生产效率显著提高,而应用数字技术的中西部地区企业生产效率并无显著变化,说明东部地区企业生产效率受数字技术应用的影响更大,假设5 得到验证。

六、研究结论与政策启示

(一)研究结论

1.数字技术应用能够显著提升制造业企业生产效率。数字技术创新应用能够促进数据流动自动化,将数据的自动流动与企业生产制造流程有机衔接,促进企业生产效率提升。

2.数字技术应用可以通过形成智能制造生产模式,间接驱动生产效率提升。数字技术应用能够为制造业企业构建数字孪生制造场景,推动实体生产制造转向虚拟生产制造,形成虚实交互、双向作用的智能制造模式,支撑传统制造向智能制造迈进,带动企业生产效率提升。

3.对于不同企业,数字技术应用对生产效率的促进作用存在差异。相对国有企业、中小型企业和中西部地区企业,数字技术应用对非国有企业、大型企业和东部地区企业生产效率的带动作用更加显著。非国有企业基于自身组织模式的特点,更容易利用数字技术形成快速响应模式。大型企业拥有规模优势,应用数字技术更容易形成全生命周期服务能力。东部地区企业具有天然的产业集群优势和外部规模优势,数字技术应用向生产效率的转化模式更加成熟,所需资源要素也更容易获得,为企业充分发挥数字技术应用效能提供良好条件。

(二)政策启示

1.引导数字技术与生产制造技术融合应用。在深入应用传统工业软件的基础上,引导企业聚焦自身业务痛点和关键业务环节,创新应用新一代数字技术,探索新一代数字技术与生产制造流程的契合点,提升算法性能,挖掘数据价值,加速重构研发、制造、服务能力,更好赋能生产效率提升。

2.推动数字技术应用向智能制造生产模式转化。引导制造业企业将数字技术应用与智能制造场景融合,以感知分析、监督控制、推理决策等装备智能化作为实施智能制造的突破口,通过软件赋能的工业机器人、智能数据传感器、具有边缘计算功能的终端设备等方式,加强数字技术向智能制造整合应用,构建以工业软件为载体、以数字化平台为工具、以数据为核心生产要素、以提升生产效率为目的的“产业大脑+智能工厂”智能化生产制造模式。[29]

3.按照企业所有权性质选择数字技术。拓宽国有企业应用物联网、云计算、大数据等成熟数字技术渠道,通过物联网设备及其边缘计算能力实时采集工业生产数据,利用云计算和云存储的强大计算能力,有效发挥在线数据价值,充分释放数字技术对企业生产效率的促进作用。激励非国有企业面向特定应用场景开发整体解决方案,探索人工智能、数字孪生等前沿数字技术和多项数字技术交叉应用模式,通过数字技术应用优化生产环节、重构生产流程、提高生产效率。

4.按照企业规模选择数字技术应用重点领域。引导大型企业建立产业互联网,重新组织和连接行业数据,搭建行业数据结构框架和组织形式,形成统一的行业数据底座,跨企业、跨区域整合优化行业资源要素,打破数据孤岛和技术垄断,实现网络化协同研发生产,提升生产效率。面向中小企业普及企业管理软件和客户管理软件应用,利用数字技术加强客户管理,基于数据洞察主动感知客户个性化需求,针对需求合理调配产能,实现供需精准匹配。

5.按照企业所在区域选择数字技术应用路径。鼓励东部地区企业建立数据流通体系,基于制造业生产环节实时记录的数据,进一步加强数据清洗和数据治理,生成安全规范的数据流通交易产品,为数字技术创新应用营造良好发展环境。引导中西部地区企业积极融入“东数西算”国家战略,利用算力资源和数字基础设施,开发面向多元异构数据和个性化需求的共性算法,释放数据要素价值。