数字化转型白皮书：数智技术驱动智能制造，42页pdf

“21世纪以来，随着人工智能、大数据、云计算、物联网等新一代信息技术的快速发展及应用，“智能制造”概念进一步深化。根据我国工信部2016年出台的《智能制造发展规划（2016-2020年）》中定义，“智能制造是基于新一代信息技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动各个环节，具有自感知、自决策、自执行、自适应、自学习等特征，旨在提高制造业质量、效益和核心竞争力的先进生产方式。””

根据上海市人工智能技术协会和商汤智能产业研究院联合发布的《数字化转型白皮书：数智技术驱动智能制造》，如今各国对“智能制造”的理解都不再局限于生产过程或单体智能，而是扩展到产业价值链的各个环节、包含企业活动的方方面面，也不再单方面强调数智技术本身的应用价值，而是更加重视数智技术与先进制造等跨领域技术的深度融合和实践创新。

由数据驱动代替经验驱动已成为产业数字化转型的共识。如果将数据视为智能时代的“新石油”，那么数智技术即是钻取和提炼“石油”价值的“炼油工厂”，使用数智技术广泛获取数据，进行深度学习，将海量原始数据加工为知识，并转化为决策或行动来指导企业运行。

数智技术是推动产业数字化转型不可或缺的关键技术，其应用价值主要体现在三个方面：

决策更及时：实时获取场景/业务数据的自动反馈，结合智能化分析进行动态预测，代替人工经验判断，提升决策的准确性和及时性，例如基于设备状态实时分析的故障预测和健康管理，或基于在线用户数据的需求预测，加速产品创新和迭代周期等。

运营更精细：随着产业数字化进程加速，所获取的数据颗粒度越来越细、数据维度也更加丰富，由数据驱动的企业运营、管理会更加精细，例如基于用户画像的精准营销，或对能源使用的实时监测和控制等。

应用更智能：智能化设备/应用辅助或取代人工岗位，并在应用过程中进行算法的自我迭代和优化，不断提高决策水平，例如基于机器视觉的产品缺陷监测等。

尽管数智技术对产业数字化转型的意义匪浅，但在实际落地过程中仍然存在一定挑战：

数字化程度低，信息闭环难闭合：数据资产的积累是产业数字化转型的重要前提，如何持续获取数据，并将分布在不同系统、组织内的数据打通融合是企业数字化转型的首要命题。目前，多数企业（尤其是中小企业）受限于资金和人才匮乏，对数智技术投入不足，导致企业数字化水平低，缺乏完善的信息网络基础设施；此外，由于缺少统一标准、接口和编码体系，使得企业内外“数据孤岛”丛立，无法实现互通、共享，导致企业使用数据规模、种类有限，信息闭环难闭合，海量数据的资产价值无法得到充分发挥。

跨界融合难度大，复合型人才缺乏：数字化转型实际上是利用数智技术对企业流程再造的过程，需要既具备良好的数智技术素养，又能够了解产业技术和发展规律的复合型人才。据清华大学互联网发展和治理研究中心2020年对全球ICT人才调研统计，当前我国数智技术人才主要集中于科技行业，缺乏产业经验和实践背景，而产业IT人员总体对数智技术的认知不深，难以支撑产业数字化转型需要。根据人力资源与社会保障部数据分析，2025年智能制造领域人才需求为900万人，人才缺口预计达到450万人。

不同产业差异大，规模效应难一朝形成：由于不同产业或产业中不同领域、不同企业之间存在技术、流程等差异巨大，数智技术在产业中的深入渗透须结合具体场景进行定制化开发，尚不存在一套放之四海而皆准的解决方案，这使得数智技术在产业互联网中的应用很难像在消费互联网时代一样，短期建立规模效应、获取巨大收益，而是需要与产业合作共进，在垂直领域中不断积累解决问题的通用能力。

网络安全问题不容忽视：随着数智技术的应用推广，网络安全问题将成为数字化转型过程中面临的重要挑战。一方面，传统网络安全系统跟不上数智技术应用和创新步伐；另一方面，数字化转型带来信息节点和信息总量爆发式增长，使得网络攻击的潜在损失“指数级”放大，对网络安全技术提出更高要求。