[摘要] 随着新一轮科技革命和产业变革的兴起，数字技术与实体技术、数字经济与实体经济呈现融合程度不断深化的趋势，其中制造业是数实融合最主要的产业部门。本文提出，制造业数实融合的范围包括企业内部全领域、价值链全周期和供应链全生态；在形态上表现为要素融合、技术融合、设施融合和产品融合。制造业数实融合以连接为基础、以数据为核心、以算力为支撑、以算法为驱动，并通过整合多维数据、发现潜在知识、替代人力劳动、编码行业知识、软件定义产品、创新商业模式等功能，发挥对制造业的赋能作用。针对我国制造业数实融合面临的制造能力、数字化水平、数字化能力、数据流动等多方面的制约，需要加快信息基础设施建设，推动数字技术创新，促进制造企业数字化转型，完善数字经济法律法规和政策，加强数字经济领域国际合作。
[关键词] 制造业；数实融合；实体经济；数字技术；数字经济
一、引言
当前，新一轮科技革命和产业变革突飞猛进，颠覆性技术不断涌现。新兴颠覆性技术的成熟和产业转化持续创造新产品、新模式、新业态乃至新产业。以云计算、大数据、互联网、移动互联网、人工智能、区块链为代表的数字技术是新科技革命和产业变革中创新最活跃、影响最广泛和深入的技术群。新一代数字技术如同蒸汽引擎、电动马达、电力、芯片一样，是典型的通用目的技术（General Purpose Technologies，GPT’s）。通用目的技术具有三种典型的特征：一是广泛的扩散性。具有在广泛产业领域普遍使用的潜力，而且随着技术的演进能够扩散至整个经济。二是技术改进的内在潜力。随着技术的发展，性能、成本、用途都会得到持续的改进。三是创新的互补性。通用目的技术扮演着使能者的角色，它不是直接为其他行业带来生产率的提高，而是为这些行业提高生产率的创新活动打开了机会之门。[Bresnahan,Timothy F.,Trajtenberg,M.General purpose technologies‘Engines of growth’?[J].Journal of Econometrics,1995,65:83-108.Lipsey,Richard G.,Carlaw,Kenneth and Bekar,Glifford T.Economic Transformations:General Purpose Technologies and Long-Term Economic Growth[M].New York:Oxford University Press,2005:97-98.]当前，新一代数字技术正在在加速扩散、与其他行业深度融合，成为改变国民经济各行业的关键力量。
新一代数字技术对国民经济各行业的赋能作用受到我国政府的高度重视。在2021年10月18日十九届中央政治局第三十四次集体学习时，习近平总书记指出：“促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。”“推动数字经济和实体经济融合发展。要把握数字化、网络化、智能化方向，推动制造业、服务业、农业等产业数字化，利用互联网新技术对传统产业进行全方位、全链条的改造，提高全要素生产率，发挥数字技术对经济发展的放大、叠加、倍增作用。要推动互联网、大数据、人工智能同产业深度融合，加快培育一批‘专精特新’企业和制造业单项冠军企业。”2021年12月国务院印发的《“十四五”数字经济发展规划》也提出，“以数据为关键要素，以数字技术与实体经济深度融合为主线”，到2025年“数字技术与实体经济融合取得显著成效”。可见，“数字技术和实体经济深度融合”或“数字经济和实体经济融合发展”已经成为我国产业和经济发展的重要战略方向。无论是“数字技术和实体经济深度融合”或“数字经济和实体经济融合发展”都是新一代数字技术在实体经济部门的深度应用，与实体经济部门的创新链、工程链、价值链、产业链、供应链、顾客价值链以及产品、服务紧密融合在一起，并使实体部门的业务流程、产品架构、生产方式、产出形态、生产效率等方面发生全方位的改变，这一现象可以简称为“数实融合”。
制造业是立国之本、强国之基、创新之源，在世界经历百年未有之大变局、新一轮科技革命和产业变革突飞猛进、全球产业链价值链面临重构的大背景下，制造业在经济增长、吸纳就业、催生创新、国家安全等方面的重要性进一步凸显。从中国内部看，随着工资水平的上涨以及土地、能源、环境等要素约束加强，改革开放以来形成的成本优势正在削弱。通过推动制造业数实融合，不但可以用数字技术为制造业赋能，提高制造业的劳动生产率，保持综合成本优势，而且能够推动制造业的产品创新、生产方式创新、商业模式创新、产品形态创新，重塑制造业的国际竞争力，还能够通过制造业对数字技术需求所创造的大规模市场，引致数字技术的进一步突破、成熟和产业转化，带动数实融合相关的数字产品、服务和系统解决方案产业的快速发展，甚至在这些领域成为全球的行业领导力量。我国政府高度重视制造业的数实融合，近年来有关部委出台的关于智能制造、工业互联网、服务型制造、上云用数赋智等政策，其核心就是推动制造业的数实融合。
近年来，国内外学者针对制造业的数字化转型、工业互联网、智能制造等开展了大量研究，但直接关注制造业数实融合的研究仍然相对较少。本文将分析制造业数实融合的发生范围和表现形态、条件与功能，探讨制造业数实融合发展的制约因素，并有针对性地提出推动制造业数实融合的政策建议。
二、制造业数实融合的表现
制造业的数实融合体现在与制造活动相关的广泛领域、涉及到各种要素、机构与活动，呈现出多种融合形态。
（一）制造业数实融合的范围
制造业是对自然资源进行加工和再加工的一系列经济活动，物质产品形态、性质的改变主要发生在车间和工厂之中，因此当人们想到制造业的数字化、数实融合等概念时，常常把其局限在车间和工厂这一物理空间以及加工制造这一生产环节。实际上，制造业数字化、智能化的领域要广泛得多[中国社会科学院工业经济研究所智能经济研究组.智能+：制造业的智能化转型[M].人民邮电出版社，2021:18-24.]，数实融合包括了制造业的全领域、全周期、全生态。
1．企业内全领域的数实融合
科层企业的内部具有复杂的结构，企业的规模越大，内部的结构越复杂。从组织架构上看，企业包括总部和下属的事业部、子公司、分公司。总部包括行政、财务、投资、战略、生产经营、研发、人力资源等不同的职能部门，每个职能部门都有其特点的各种职能与经营管理活动。下属事业部或子公司、分公司包含了不同产业领域的生产活动，每个产业领域有拥有多家可能分布于多个区位的车间和工厂。制造企业的产品制造过程是在车间、工厂中进行的，工厂的活动除生产线的加工制造外，还涉及进货、出货、仓储、水电气热等基础设施以及生产过程、生产人员的管理等各种活动。德国工业4.0提出制造业的纵向集成，即将包括机器设备、供应链系统、生产系统、运营系统等企业内部的流程连接起来，实现信息的实施沟通。制造业数实融合所覆盖的活动远超过这个范围，数字技术可以融入制造企业生产经营活动的方方面面，既包括各个部门（业务单元）及其相关的业务流程，同时不同部门（业务单元）、业务流程之间也被数字化网络紧密联系在一起，开展交换数据、响应指令、执行操作等活动。
2．价值链全周期的数实融合
从价值创造的角度看，企业的生产经营活动从产品的创意开始，经过开发设计、加工制造，再到产品分销、运营服务，最后是回收处理，这构成产品所经历的完整生命周期，产品全生命周期的数字化智能化的过程被德国工业4.0称为“端到端集成”。制造业的数实融合覆盖了价值链的全周期，它既可以发生在价值链的完整周期，也可以发生在价值链的一个或多个环节。顾客价值链（customer value chain）从需求侧提供了看待企业价值创造的视角。顾客价值链包括评估、选择、购买、接收、消费、处理等环节。从用户的视角看，商业模式包括企业为用户创造的价值、用户为交换该价值的付出以及可能对用户造成的价值侵蚀。因此，可以把顾客价值链的活动划分为：价值创造、价值捕获、价值侵蚀。通过解绑顾客价值链，企业能够为顾客创造新的价值。[Teixeira,Thales S.and Piechota,Greg.Unlocking the Customer Value Chain:How Decoupling Drives Consumer Disruption[M].New York:Currency,2019:27,55-60.]数字技术与制造业的深度融合使解绑的力量超越了一体化的力量，加速了顾客价值链解绑的过程。比如，以前顾客观看影视作品需要先租赁和邮寄影碟，现在，网飞利用连接到顾客家里的互联网在线提供影视作品，解构了顾客价值链活动，为顾客和自己都创造了新的价值。
3．供应链全生态的数实融合
制造企业以产品为中心开展的生产活动虽然主要是在企业内部进行的，但是在现代社会分工越来越细化的条件下，那种像福特汽车Rouge工厂“一端吞进矿石，一端吐出汽车”的高度一体化的工厂已经不复存在，企业必须参与到全国乃至全球的产业大循环和产业链大分工当中，企业的生产经营活动才能顺利进行，由此企业竞争力的来源都已经离不开它所处的商业生态。早期的学者认为商业生态系统由消费者、供应商、主要的生产者、竞争者和其他风险承担者构成[Moore,J.F.Predators and Prey：A New Ecology of Competition[J].Harvard Business Review,1993,(3):75-86.]。就制造业而言，商业生态系统包括了上游原材料、零部件供应商，下游分销商、零售商，供应链、金融、信息基础设施等其他生产性服务活动提供商，开源平台、众包平台以及其中的广大极客、创客，领先用户、用户社区等。德国工业4.0将企业与合作伙伴、公司与公司之间、公司与用户之间的网络连接称为横向集成。制造业数实融合包含了企业所处的整个商业生态范围，随着数字技术发展水平的高低和企业实际业务发展需要，数实融合也会越来越广泛地发生在商业生态的组成单元之间。
（二）制造业数实融合的形态
制造业的数实融合以要素融合、技术融合、设施融合、流程融合、产品融合等多种融合形态呈现。
1．要素融合
生产活动的开展需要生产要素的投入。早期的生产活动主要依靠天然的生产要素如土地、自然资源、天然劳动力。随着生产力的发展、技术的进步和劳动剩余的积累，资本、知识、技术、管理、受过教育的高素质劳动力等成为生产要素的组成部分。在制造业发展的长期过程中特别是现代计算机出现后，数据也开始在生产过程中发挥作用，例如，冶金、化工、电力等流程型制造业根据各生产环节反馈的数据对生产过程进行自动控制。但总体上来所，由于数据量小、数据处理能力弱，数据在制造业中发挥的作用非常有限。直到大数据、云计算、物联网、移动互联网、人工智能等新一代数字技术成熟和商业化应用后，数据海量增长、算力显著提高，数据对于包括制造业在内的国民经济各行业创造经济价值越来越重要，被称为数字经济时代的石油。《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》提出“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”这一论断在我国官方层面认可了数据作为生产要素的地位，数据不但是重要的生产资料，而且能够按照贡献参与分配。
数据成为生产要素并不是孤立的发挥作用，而是与传统的生产要素融合到一起。刘鹤副总理在2021年世界互联网大会乌镇峰会上的致辞中指出：“当前互联网发展跃升到全面渗透、跨界融合的新阶段，数字技术深度改造生产函数并不断创造新业态”[新华社.刘鹤出席2021年世界互联网大会乌镇峰会[EB/OL].（2021-09-26）[2022-03-20].http://www.gov.cn/guowuyuan/2021-09/26/content_5639418.htm.]。从这一论断可以看到，数据与其他生产要素一起成为生产函数的组成部分。数据对生产函数的影响表现在以下几个方面：一是数据进入生产函数后，会对其他生产要素产生替代，即在同样的产出下，减少一种或几种生产要素的使用；二是数据能够让其他生产要素在投入不变的情况下，发挥更大的作用，形成更大的产出；三是数据与其他生产要素一起，使产出的结构、质量、性能发生显著改变。另一方面，数据与其他生产要素的融合表现在数据作用的发挥需要其他生产要素的投入作为支撑。例如，数据采集、传输、存储、计算等新型基础设施的建设需要资本的投入，基础设施中蕴含着大量的人类知识和技能，基础设施的运行也需要持续的电力、人力投入。
2．技术融合
现代经济是创新驱动的经济，作为创新最活跃、技术密集度最高的制造业，其发展更是离不开技术的持续创新；而数字技术的发展也是由颠覆性的前沿技术的突破、成熟所推动的，因此技术融合成为制造业数实融合的重要内容。技术融合主要呈现两个方面：一是数字技术内部的融合。数字技术是一组相互依赖、相互促进的技术群，只有当相应技术成熟后其作用才能得到充分发挥。例如，人工智能的发展几乎与计算机的出现同步，早在1956年的达特茅斯会议上就提出了人工智能概念，有早起的人工智能开拓者曾乐观地认为，十年内人工智能就能通过“图灵测试”。但是直到历经两次起落的数十年时间后，等到辛顿教授提出深度学习算法，在“摩尔定律”推动下传输、存储、计算能力显著提高、成本显著下降时，人工智能技术才进入大规模应用阶段。上世纪80年代，索洛在研究计算机对生产率的影响时发现，计算机的广泛使用并没有使国民经济的生产率获得显著提升，由此得出著名的索洛悖论：“计算机无处不在，除了在生产率上”。后来的研究发现，计算机实际上显著提高了全社会的生产率，索洛悖论存在的原因在于其他方面的技术在当时不够成熟，未能有效支撑计算机提升生产率作用的发挥。Brynjolfsson对人工智能技术的研究发现，与人工智能技术显著突破的是生产率增长的放缓，他们估计原因在于与人工智能互补的相关技术尚不成熟，这些互补性技术发展的所需要的资金和时间投入巨大，因此在人工智能技术发展的初期可能会造成生产率的降低。[Brynjolfsson,Erik,Daniel Rock,Chad Syverson.Artificial Intelligence and the Modern Productivity Paradox:A Clash of Expectations and Statistics[EB/OL].https://www.nber.org/papers/w24001.pdf，2017.]目前广受关注的元宇宙也是由拓展现实、区块链、人工智能、移动互联网、区块链等技术构成的技术群所支撑的。数字技术在制造业中的深度应用，也需要相关数字技术的协同演进。二是数字技术与制造技术的融合。数字技术在制造业的应用不是制造技术与数字技术相互分离，而是有机融合在一起。生产设备当中融合入数字技术，实现生产线的自动化、智能化；制造业所形成的专利、技术诀窍等以编码化形态内嵌在的算法、程序、APP中，制造知识构成数字化应用的内核，数字技术成为解决手段。
3．设施融合
制造业的生产活动涉及产品的开发、产品原型的制作、产品的制造以及各种中间投入的原材料、零部件的传递，最终产品的运输和分销、产品的维修和回收。这些与产品物理形态相关的生产活动需要物理生产设施的支撑，如研发活动中使用的各种实验仪器，生产工具、设备和生产线，车辆、仓库、商场、维修车间等物流、分销和维修设施。同样，数字技术发挥作用，也需要提供连接、数据、算力、算法服务的信息基础设施，包括5G、物联网、工业互联网、卫星互联网等连接基础设施，数据中心、智能计算中心等数据和算力基础设施，提供PaaS、SaaS服务的人工智能平台、云计算平台等算法基础设施。在制造业数实融合的过程中也包含了数字设施与制造设施的融合。一是制造业的生产活动越来越依赖于数字化的基础设施，如利用运营商的移动通信网络、公有云的算力。二是一些大型制造企业内部也在建立数字基础设施，如工业互联网平台、数据中台、私有云、5G专网，通过这些资产专用性的投资使物理性质的生产设施更好的发挥作用。三是最初由大型制造企业内部使用的数字设施在成熟完善后，也会提供给供应链中的合作伙伴使用，甚至进一步向行业内企业乃至整个社会开放，成为具有一定公共产品性质的基础设施，也成为制造企业新的业务增长点。
4．流程融合
在工业革命后出现的工厂中，产品生产的流程是不连续的，由工人操作机器完成某一生产工序的任务，然后将加工过的中间产品转移至下一生产工序。在第二次工业革命时期，在电力的驱动下，工业生产过程的连续程度有了明显的提高，在福特之的流水线生产中，流水线将需要加工的产品传输到工人面前由工人进行加工。在第三次工业革命时期，PLC、计算机、软件、机床、机器人等具有一定自动化功能的技术在工业中获得广泛应用，能源、石化化工、冶金等流程型行业的生产过程可以自动化连续进行。在当前的新一轮科技革命和产业变革中，大数据、云计算、人工智能、物联网、更加智能化的机器人等新一代数字技术在生产线上获得越来越多的应用，生产流程的数字化、网络化、智能化或者说智能制造成为制造业的发展方向，生产系统具有自感知、自学习、自决策、自执行、自适应等功能。生产系统是实现对自然资源进行加工和再加工的制造业核心功能，新一代数字技术与制造业在生产流程的深度融合也成为制造业数实融合的核心环节。
5．产品融合
在工业经济时代，工厂使用生产设备和工具，通过各种物理、化学和生物反应，将投入的原材料加工成产品，制造业的产出是由原子、分子所构成的物质产品，具有相应的物理的、化学的、机械的等多方面性能。随着信息技术的发展，产品与数字技术也逐步融合，比如电脑中包含操作系统和各种应用软件，但是总体上看，产品与数字技术融合的领域比较有限，主要集中在ICT相关的产品上。随着新一代数字技术的广泛扩散，越来越多的产品呈现出数实融合的特征，产品不仅包括物理结构，还包括软件和数据，物理结构中不仅包括了机械的、有机的或无机的物质成分，还包括了传感器、芯片等IT硬件产品。以汽车为例，早期的汽车完全是一个机械产品，由发动机燃烧燃料提供动力，由驾驶人员操纵机械部件驱动汽车的行驶；现在的汽车朝着智能网联甚至无人驾驶的方向前进，使用芯片越来越多，处理的数据量越来越大。在不久的将来，所有产品都将成为数实融合的产品。
三、制造业数实融合的机制
制造业数实融合需要数字技术的发展和数字基础设施的完善作为支撑，融合过程展现出多方面的功能。
(一)制造业数实融合的条件
制造业的数实融合以泛在连接为前提、以数据为核心、以强大的云端或本地算力为支撑，通过算法驱动制造业的生产经营活动。
1．以连接为基础
制造业的数实融合是将制造业的全领域、全周期、全生态与数字技术紧密结合到一起，这种结合不仅是数字技术在制造企业的各个业务单元、价值链的各个环节或生态的各个参与方的使用，而且这些业务单元之间、环节或参与方之间都会连接在一起并实现互动。因此，制造业数实融合的前提是制造业所涉及的物质、服务、场景、人、生产经营单位等接入信息网络之中。里夫金在描述新科技革命和产业变革时指出，互联网、传感器和软件将人力、设备、自然资源、生产线、物流网络、消费习惯、回收流以及经济和社会生活中各个方面连接起来，不断为各个节点（商业、家庭、交通工具）提供实时的大数据[[美]杰里米•里夫金.零边际成本社会一个物联网、合作共赢的新经济时代[M].赛迪研究院专家组译，北京：中信出版社，2017:11.]。新一代数字技术的发展为实时、泛在连接提供了可能。
2．以数据为核心
新一代数字技术是对数据进行采集、传输、存储、处理、应用的技术，随着数据成为关键生产要素后，数据在国民经济各行业的重要性显著提高。制造业的数实融合也是围绕着数据这一核心来展开的，主要体现在以下三个方面：首先，数据分布于制造业的全领域、全周期、全生态，并在各部门、环节、参与方之间流动；其次，制造业的生产活动、经营决策是建立在对数据的分析、挖掘之上的。例如，根据销售情况决定物料采购的多少和安排生产进度，根据用户特征精准选择宣传渠道、促销方式等；第三，一些新产品、新模式、新业态直接依赖于数据，没有数据就没有这些新特征。例如，远程监测和在线服务等服务型制造模式的开展，需要企业能够掌握销售出去的产品的运行状态数据。由于制造业的生产活动越来越多地建立在数据的基础上，因此制造企业也在不断地扩大数据的采集范围，如在生产线、物流设备、产品中嵌入传感器和芯片，不断地打通企业内部、企业与顾客、企业与其生态伙伴之间甚至企业外部渠道的数据连接，以获得更多能够为企业创造价值的数据。
3．以算力为支撑
对数据的存储、处理都需要计算能力。在数据量不大的时候，可以依靠企业自有的计算机、服务器以及生产设备自身所带的嵌入式芯片。随着数据量的急剧增加，传统的计算能力就无法适应海量数据的计算需求。一些企业缺少大规模布置计算能力的资金或人才，另外对于大多数企业来说，大规模布置的计算能力可能无法获得充分使用而造成浪费、成本增加。大数据中心、云计算中心、超算中心使算力资源云端化，企业无需自己投资建立计算能力，可以按需弹性租用，使算力的获得门槛和使用成本大大降低。算力基础设施的提供者既有传统电信运营商，也有互联网平台企业。虽然云计算基础设施成为企业普遍采用的形式，但是出于数据安全的考虑以及数据处理速度的要求，一些企业也会在使用公有云的同时布置私用云，在使用云计算的同时根据不同应用场景的需求采用雾计算和边缘计算。
4．以算法为驱动
制造企业对数据的使用是为了解决特定的任务，而每一种任务的解决都有其内在的规律、逻辑或方案。算法就是对解决特定任务方案的准确而完整的描述，它以用某种计算机语言编写的代码的形式呈现出来。制造业数实融合中对海量数据的处理，自动化、智能化的操作，其背后都有算法在发挥作用。人工智能技术之所以得到广泛的应用，就在于算法实现了重大的突破。大型制造企业实力强大、人才聚集，有能力自主开发包括工业互联网平台在内的各种算法。而许多中小企业缺少独立开发数字化应用的资金和人才，因此主要采用其他大型制造企业、互联网企业开发的门槛低、易部署的“轻量应用”“微服务”。例如，许多消费平台企业为入驻企业提供的支付、开店、销售管理等功能；工业互联网平台提供的通用和专用PaaS服务、工业APP等SaaS服务。在数字经济时代，开源运动获得更大的发展，许多算法会被极客、企业和公共机构以各种开源协议共享，其他企业可以不用从头开发这些算法、软件，可以根据开源协议将算法直接拿来使用或进行二次开发，极大地加速了算法、软件的开发速度，显著降低了开发成本，加速了算法的普及应用。
（二）制造业数实融合的功能
数字技术与制造技术、数字经济与制造业的深入融合表现出整合多维数据、发现潜在知识、替代人力劳动、编码行业知识、软件定义产品、创新商业模式等多种功能。
1．整合多维数据
制造企业的生产经营活动需要利用企业内外部的各种数据，这些数据构成企业价值的重要来源。一方面，企业本身的活动就非常复杂，涉及不同业务领域、不同价值链环节，另一方面，企业只是社会生产、分配、交换、消费大循环中和生产链条中的一个环节，企业外部的商业伙伴、用户的数据对于企业的经营活动至关重要，其他商业组织或政府机构来源的数据也能够给企业带来额外的价值。数据的价值取决于数据规模以及颗粒度、鲜活度、连接度、反馈度、响应度、加工度等方面。[李晓华、王怡帆.数据价值链与价值创造机制研究[J].经济纵横，2020（11）：54-62+2.]为了最大化发挥数据的价值、增强企业的市场竞争力，企业需要把来源不同的数据整合到一起。数实融合的重要功能就是建立广泛、实时的连接，将来源、结构等方面差异巨大的数据整合在一起，为后续数据的处理、应用打下基础。
2．发现潜在知识
制造企业的知识有些来自于人类的科学发现、企业内部的研究开发以及经营管理人员、生产线的工程师和技术工人长期积累的经验，但是还有许多潜在的未被发现的知识隐藏在企业生产经营活动产生的海量数据之中。建立在大数据和机器学习基础上的人工智能技术能够根据预先设定的算法甚至根据为系统设定的规则，找到两个变量之间的相关关系。这种相关关系一方面未能被企业在传统的技术手段下发现，同时人工智能算法本身也无法对二者相互影响的机制做出解释，但是按照这种相关关系，就能够改进企业的绩效。比如，通过对生产线各种工艺参数历史数据的分析，能够发现生产效率最高的工艺参数组合，按照这种工艺参数的调整生产线，就能够明显提高良品率和企业的产出效率；通过对用户数据的分析，可以发现用户对产品特征的偏好程度，据此开发更加适销对路的产品。
3．替代人力劳动
人工智能等数字技术可以看作广义的机器。工业革命之后的很长一个时期，机器主要是替代人类的体力劳动，完成人力所无法完成的繁重工作，逐步将人类从繁重、危险、肮脏的工作解放出来。随着大新一代数字技术的功能不断强大、成本持续降低及其与加工中心、机器人等技术的深度融合，数字技术替代人工在越来越多的领域变得在技术和经济层面更加可行，不但一些重复性的劳动密集型工作可以被数字技术替代，一些智力型的工作（如一部分研发工作、生产线管理工作、经营数据分析工作）也成为人工智能技术的替代对象。随着我国劳动成本的上涨，传统的劳动密集型产业正在丧失全球竞争优势，用“机器换人”变得越发紧迫。在质量检测等一些工序上，用机器替代人不但成本低、效率高，而且生产的精度、稳定性也得到了提高。
4．编码行业知识
无论是已经积累的科学知识和经验，还是大数据、人工智能方法洞察的知识，无论是基于数据提升生产线的性能，还是用机器换人，都需要把这些人类的知识、企业的经验编码化，即将这些知识和经验以代码、软件、APP等形态呈现出来。软件根据输入的数据（包括人为的输入、设备自动采集的数据等），按照知识和经验形成的规则，实现业务环节、业务流程的自动化甚至智能化[曾鸣．智能商业[M]．北京：中信出版社，2018：77-80．]。例如，质量检测领域应用的视觉识别系统就是将反复训练后的算法移植入生产设备。这些被编码后的知识所形成的代码可以存在于制造企业生产活动的方方面面，以应用软件、APP、工业互联网系统、嵌入式软件等形态存在。而且这些代码随着人类知识的更新、人工智能系统不断的训练而持续迭代更新。
5．软件定义产品
随着数实融合的深入推进，软件已经成为制造业产品的重要组成部分，可以说，产品的软件定义特征不断强化。软件定义产品包括三种类型：一是软件定义产品的功能。产品中的一些功能必须依赖软件来实现，软件决定了该功能的存在与否。二是软件实现产品的功能。通过软件的响应、运算、下达指令实现对硬件的操纵，通过硬件的操纵实现特定的功能。三是软件优化产品的功能。由于软件相比于能够实现相同功能的机械部件、电子元件来说性能更优或成本更低，所以软件可以取代这些物理元器件。[李培根，高亮．智能制造概论[M]．北京：清华大学出版社，2021：273-275．安筱鹏．重构：数字化转型的逻辑[M]．北京：电子工业出版社，2019：54，78，63-64．]
6．创新商业模式
数字技术会推动企业的商业模式和业态创新，这些新型商业模式本身就是高度数实融合的。在上世纪80年代，制造业就出现了服务化的趋势。在数字技术的驱动下，制造业的生产、服务系统将能够自动化地对个性化需求做出响应，突破了传统服务业发展对人才的依赖和规模不经济的约束。在产品层面，通过内置在产品中的传感器采集用户的使用情况或产品的运行状态，制造企业能够提供个性化使用方案定制以及远程在线监测、预防性维护等增值服务。通过与用户的直连，制造企业由根据市场预测进行大规模生产的模式转向根据用户订单小批量甚至个性化定制的模式，高度柔性化、智能化的生产系统可以低成本的进行小批量甚至单件生产。甚至制造企业还可以把消费者动员起来，利用社交媒体、私域流量为企业代言带货。
四、制造业数实融合的制约因素
近年来，我国政府高度重视制造业的数实融合，产业升级压力和产业增长点推动制造企业积极实施数实融合，互联网企业也将数实融合作为业务拓展的重要方向，我国制造业数实融合水平有了显著提高。例如，中国大陆33家企业入选世界经济论坛评选出来的“灯塔工厂”，占全部103家的比重接近1/3。然而也要看到，中国制造业的数实融合也面临制造能力、数字化水平、数字化能力、数据流动等多方面的制约。
（一）制造能力的制约
制造业数实融合的重要方面是将制造业积累的知识的编码化，只有制造能力提高了，才有可能将数实融合推进到一个更高的层次。我国制造业在产品性能、质量、可靠性等方面与世界领先水平仍存在较大差距，很重要的就体现在工业软件的差距上，而工业软件本身就是制造业能力的体现。譬如Matlab、EDA软件我们做不出来，本质上还是我们对制造业基础科学的认识不透、对生产过程中的制造知识积累不足。同样，在生产领域的控制软件方面，不同工厂使用同样的设备，但在良品率、产品性能上存在差异，也是企业在制造能力上差距的体现。数字技术可以全面推动制造业生产效率的提高，但是需要数字技术与制造技术的共同演进。通用电气在发布自己的工业互联网战略时，提出工业互联网要“发挥1%的威力”。通过对工业生产线中海量数据的分析，人工智能系统能发现最优工况参数的组合，从而明显改善生产线良品率、提高整体生产效率和经济效益，但是如果要进一步提高制造业效率或者说超越“1%的威力”就需要制造业本身技术的进步，比如重新设计产品、重构生产流程。数字技术只是起到助力作用，制造业的问题根本上还要靠制造业本身能力的提升来解决。
（二）数字化水平的制约
制造业的数实融合是需要企业有数字化思维，有良好的数字基础设施支撑以及形成较好的信息化、数字化应用基础。但总体上看，我国制造业行业间、地区间、企业间发展很不平衡，形象的说是工业1.0、2.0、3.0、4.0并存，既有高度数字化并积极探索智能化、位列世界“灯塔工厂”的优秀企业，也有大量处于信息化、机械化阶段的企业，甚至还有处于手工阶段的企业。对于这些数字化水平较低的企业，一方面它们对数实融合认识不足，积极性不高；另一方面，推动数实融合需要进行大量的设备、系统的数字化改造工作，而这些设备层、系统层的改造往往投入较大。普遍来看，制造业的利润率相对较低，在劳动密集型产业和中小企业尤为突出，巨额的数字化改造升级投入费用是它们难以承担。此外，数实融合既是企业的技术决策，也是投资决策，需要对成本与收益进行综合考量。数实融合的投资未必就能带来企业效率的提升以及收益的增长，数字技术不成熟、应用环节选择不恰当等都造成数实融合投资失败的风险。也就是说，资金投入过大、收益不明确或投资回收期长，会造成制造企业特别是中小企业不愿投资于数字化改造，从而影响数字化水平的提高和数实融合的深入推进。
（三）数字化能力的制约
企业数字化改造升级的过程不是简单的把项目外包给提供解决方案的企业就行了。互联网企业的工程师们懂算法、懂软件，但是他们不懂制造业本身的知识，即使是数字化解决方案提供商可能有做过某一类行业数字化改造的经验，但是各个企业在生产流程、生产设备等方面存在巨大差异，他们对特定的企业也缺少完整准确的了解。相对的，制造企业自己的工程师懂产品、生产工艺，但不熟悉算法和代码，很难与数字化解决方案提供商对话，需要企业内既懂产品、工艺又懂算法、代码的工程师作为连接双方的桥梁。数实融合的深度推进以及由此为企业带来经济效益的增长，不是说数字基础设施建成了，数字化设备用上了就水到渠成。数实融合是一个持续的过程，它需要产品开发人员、工程师、管理人员、生产线工人熟练地运用数实融合的生产力工具，还需要工程师对产品、生产线的算法、软件不断进行完善、改进，这些工作不但需要企业员工整体数字思维、数字素养的提高，还需要有一批熟练掌握和应用算法、软件的工程师队伍。但总体来看，我国数字技术、管理人才需求量巨大、供给偏紧，我国制造业和互联网行业的数字化人才分布非常不均衡。互联网行业优厚的待遇吸引了大量的IT人才，而制造企业微薄的利润很难养的起一支高水平的IT人才队伍。
（四）数据流动的制约
伴随着企业价值创造活动的开展，是数据的流动。在制造业，数据流动包括制造企业内部的流动，制造企业与其供应链上下游业务伙伴间的流动，制造企业与用户之间的流动，跨行业的数据流动以及政府与企业间的数据流动。数据作为企业价值的重要来源，数据价值创造作用的发挥不但依赖于数据的规模，还依赖于数据之间的连接，数据的连接越紧密、越广泛、越及时，对企业的价值就越大。[李晓华、王怡帆.数据价值链与价值创造机制研究[J].经济纵横，2020（11）：54-62+2.]但是制造业数实融合过程中存在着数据传输的障碍，数据不能按照在其经济价值的推动下顺畅流动。一是技术上的制约。制造业由于行业间、企业间使用的设备、系统千差万别，造成设备的数字接口不统一，设备之间的连接难度大；数据结构不统一，增加了数据打通、使用的难度。二是法律上的制约。法律法规没有对数据的采集、开放、交易和使用做出明确的规定，造成政府数据无法公开，个人数据不能采集，企业数据无法转让。在数字经济条件下，法律法规对数据保护不利也会起到适得其反的作用，比如对消费者隐私数据的侵犯、大数据杀熟、基于大数据的算法垄断等问题，产生了对数据开放、流动的抵制。三是商业上的制约。数据中包含着企业生产、销售、用户使用等各个方面的信息，蕴含着企业的商业机密和长期积累的技术诀窍，对这些数据的掌握是企业竞争力的重要来源。一方面，如果企业允许其他企业获取这些数据，即使企业能从对方获得一些数据作为补偿，仍有可能处于数据的净损失状态。更重要的是，竞争对手可能通过分析这些数据，获得企业的用户特征与分布、生产进度、供应商情况以及生产中的工艺参数等信息。例如，一家企业委托第三方大数据或人工智能企业对其生产线数据进行分析，帮助其提高生产效率，第三方企业通过这些数据掌握的企业的“隐性知识”可能会用于为竞争对手企业改进生产线，从而使该企业的竞争优势缩小；另一方面，处于数据优势地位的企业为了维护自己的市场地位甚至是垄断地位，不愿意将数据开放及与其他企业共享。
五、结论与建议
（一）结论与展望
本文的研究表明，随着新一轮科技革命和产业变革的兴起，新一代数字技术加快成熟、扩散与融合，数字技术与实体技术、数字经济与实体经济呈现融合程度不断深化的趋势，其中制造业是数实融合进展最快、潜力最大、重要性最强的国民经济行业之一。制造业数实融合的范围包括企业内部全领域、价值链全周期和供应链全生态；在形态上表现为要素融合、技术融合、设施融合和产品融合。制造业数实融合以连接为基础、以数据为核心、以算力为支撑、以算法为驱动，并通过整合多维数据、发现潜在知识、替代人力劳动、软件定义产品、创新商业模式等功能，发挥对制造业的赋能作用，推动制造业的动力变革、效率变革和质量变革。近年来在我国政府的大力推动下，在制造企业、互联网企业的积极实践中，我国制造业数实融合取得明显进展，但是也面临着制造能力、数字化水平、数字化能力、数据流动等多方面的制约。
今后一个时期，制造业数实融合将进一步深入发展，范围不断扩大、程度不断加深、影响更加凸显。从数字技术的发展来看，云计算、大数据、物联网、移动互联网、人工智能、智能机器人、3D打印机等技术将进一步发展成熟，性能提升、成本降低，具备了在更广泛领域应用的空间，而区块链、量子计算等新兴技术也在逐步成熟，将会开拓新的融合领域、融合模式，产生新的融合业态、融合效果。从世界范围看，大国博弈长期持续甚至趋于激烈、新冠肺炎疫情、俄乌冲突等事件影响交织，世界主要国家在以制造业为核心的实体经济领域的竞争愈发激烈，在以数字技术为核心的新兴领域加快布局、培育壮大新兴产业，制造业数实融合是我国保持和增强制造业全球竞争力、加快培育壮大新兴产业和未来产业的重要途径。从制造业本身看，面对工资水平上涨、土地和资源等环境约束加剧的状况，制造企业亟待加快转型、重塑竞争优势，数实融合是制造业转型升级、向全球价值链高端攀升的重要推动力。
（二）对策建议
根据存在的阻碍和问题，推动制造业数实融合深入发展，需要做好以下几方面工作：一是加快信息基础设施建设并推动传统基础设施的数字化转型升级，为实现制造企业的广泛连接和数据传输打好基础。信息基础设施建设应适度超前，同时把握好超前建设进度，实现经济效益与社会效益的统一。第二，推动数字技术创新，整合国家战略科技量，激发企业和社会的创新活力，尽快突破关键核心数字技术，积极布局脑机接口、量子计算等前沿技术和未来产业，在提高数字技术自主性的同时，在某些新兴领域取得全球领先地位，一方面摆脱制造企业数实融合中“卡脖子”风险，另一方面增强数实融合安全性，同时降低数实融合的发展、应用成本。三是促进制造业领军企业的数字化转型、构建工业互联网平台，在工业互联网平台在企业内部、生态体系内部应用成熟后，推动向行业、行业外企业的开放共享。第四，促进中小企业的数字化转型。通过宣传推广、试点示范提高中小企业数字化转型的意识；政府的技改资金向中小企业的数字化改造适度倾斜，为中小微企业提供数字化券鼓励它们购买数字服务，支持制造业行业龙头企业、互联网平台企业为中小企业开发门槛低、易使用的轻量化应用。第五，进一步完善数字经济法律法规和政策，推动政府开放公共数据，加强数据安全和数据保护，推进实现“原数据不出域、数据可用不可见”的联邦学习[陈永伟.联邦学习能打破数据孤岛吗[N].经济观察报，2020-05-01.]等数字技术发展和新型数据交易模式探索，加快制定数字技术、数据格式的国家标准。第六，加强数字经济领域国际合作。积极参与《数字经济伙伴关系协定》（DEPA）等国际数字规则的多边协定谈判与合作，推广中国数字经济的治理主张；支持国内企业参与全球数字科技组织，积极建立和参与数字技术联盟、开源社区。
参考文献
[1]Bresnahan,Timothy F.,Trajtenberg,M.General purpose technologies‘Engines of growth’?[J].Journal of Econometrics,1995,65:83-108.
[2]Lipsey,Richard G.,Carlaw,Kenneth and Bekar,Glifford T.Economic Transformations:General Purpose Technologies and Long-Term Economic Growth[M].New York:Oxford University Press,2005:97-98.
[3]中国社会科学院工业经济研究所智能经济研究组.智能+：制造业的智能化转型[M].人民邮电出版社，2021:18-24.
[4]Teixeira,Thales S.and Piechota,Greg.Unlocking the Customer Value Chain:How Decoupling Drives Consumer Disruption[M].New York:Currency,2019:27,55-60.
[5]Moore,J.F.Predators and Prey：A New Ecology of Competition[J].Harvard Business Review,1993,(3):75-86.
[6]新华社.刘鹤出席2021年世界互联网大会乌镇峰会[EB/OL].（2021-09-26）[2022-03-20].http://www.gov.cn/guowuyuan/2021-09/26/content_5639418.htm.
[7]BRYNJOLFSSON E,ROCK D,SYVERSON C.Artificial Intelligence and the Modern Productivity Paradox:A Clash of Expectations and Statistics,in AGRAWAL A,GANS J,GOLDFRAB A.eds.The Economics of Artificial Intelligence:An Agenda[M].Chicago and London:The University of Chicago Press,2019:1-19.
[8][美]杰里米•里夫金.零边际成本社会一个物联网、合作共赢的新经济时代[M].赛迪研究院专家组译，北京：中信出版社，2017:11.
[9]李晓华、王怡帆.数据价值链与价值创造机制研究[J].经济纵横，2020（11）：54-62+2.
[10]曾鸣．智能商业[M]．北京：中信出版社，2018：77-80．
[11]李培根，高亮．智能制造概论[M]．北京：清华大学出版社，2021：273-275．
[12]安筱鹏．重构：数字化转型的逻辑[M]．北京：电子工业出版社，2019：54，78，63-64．
[13]陈永伟.联邦学习能打破数据孤岛吗[N].经济观察报，2020-05-04:35.
李晓华.制造业的数实融合：表现、机制与对策[J/OL].改革与战略:1-13[2022-09-05].http://kns.cnki.net/kcms/detail/45.1006.C.20220729.1728.002.html
