近年来，数字经济已上升为国家战略，产业互联网成为互联网发展的下半场主题，是新时期中国数字经济和实体经济深度融合发展的重要途径和核心内容。本文从产业物联网与服务业融合发展的中美比较出发，提出中国企业数字化转型存在的问题及面临的挑战。
一、中美人工智能产业比较
（一）中美人工智能产业发展政策环境比较
美国一直重视保持人工智能技术的领先地位，将人工智能发展作为国家战略发展。在AI科学技术研究方面，美国政府全力支持，主导并推动成立斯坦福大学AI实验室（SAIL）、麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）等专业研究机构。在资金引导方面，美国政府通过政府机构云化与人工智能化升级项目招标，间接为行业注入资金，积极推动谷歌、亚马逊等厂商将资金投入到人工智能研发与产业化当中，如2019年10月，微软获得美国国防部基础云项目为期10年价值100亿美元的合同。然而，美国对隐私与数据安全的高度重视给AI产业发展也带来一定消极影响。脸书、谷歌等大型互联网厂商多次因为数据安全与隐私问题受到国会与民众的大范围关注，甚至被起诉或召开听证会。美国隐私相关法律在一定程度上制约了人工智能企业获取及使用数据。为符合新法规，相关企业为获取数据须付出更多的合规成本，特别是对于以数据作为研发基础的AI企业而言，此类规定将影响其创新效率。2020年1月1日，加州消费者隐私法案生效，估计将影响超过50万家企业，谷歌、亚马逊与脸书等AI厂商股价均下跌超过1%。
在中国，人工智能产业健康、有序发展，人工智能应用环境及产业发展持续向好。一是明确产业发展目标，出台规划和法规监管引导人工智能产业发展，并通过市场化手段为人工智能企业或机构提供财政金融支持，如在2018年，启动16个人工智能研究任务，安排国拨经费预算8.7亿元。二是鼓励人工智能领域科学技术研究，支持设立一批新一代人工智能开放创新平台，分别依托百度自动驾驶平台、阿里云城市大脑平台、腾讯医疗影像平台、科大讯飞智能语音平台进行建设。三是坚持市场需求导向，构建产业相关配套服务与措施，为中国人工智能关键核心技术的突破和多领域的规模化应用提供有利的支撑，如近期，国家发改委批准百度牵头成立深度学习技术及应用国家工程实验室。
（二）中美人工智能产业发展情况对比
中美人工智能企业数量在全球范围内占据绝对优势。截至2018年中，美国人工智能企业数量2039家，位居世界首位，主要源于美国较好的人工智能产业发展基础。中国人工智能产业起步晚于美国，但在社会各界推动下发展迅速，在2014年至2016年间的人工智能创业潮中新增企业多，截至2018年中，人工智能企业数量占全球比例近40%。
图1 中美人工智能企业发展对比 资料来源：沙利文（2020）。
图2 中美人工智能企业数量全球数量对比 资料来源：沙利文（2020）。
图3 全球人工智能企业分布情况 资料来源：沙利文（2020）。
在技术层面，美国AI产业整体领先，在技术布局上优势明显。中国紧随其后，在部分技术领域已与美国比肩。具体而言，美国技术布局更广、更精，基础层与技术层的布局领先于中国，如芯片上拥有行业领先的英伟达GPU与谷歌TPU等；除百度的飞桨外，其他主流深度学习开源框架均来自于美国。中国在计算机视觉、语音识别等领域已与美国对齐：如百度预训练模型ERNIE超越微软、谷歌拿下Glue冠军，商汤一举拿下Image Net 2016年三项冠军；云从科技在Librispeech上刷新世界纪录。
在技术储备整体实力方面，中美差距悬殊。美国厂商较热衷于机器学习、语音识别与合成处理等领域，中国厂商则较倾向支付、交互技术、视频图像信息处理、智能搜索等领域，二者均聚焦无人驾驶、数据文本聚类等领域。在人才储备方面，目前中国也难以与美国匹敌。在2019年AI顶会作者中，44%博士毕业地为美国，是中国的四倍，分别来自麻省理工学院计算机科学与人工智能实验室、斯坦福人工智能实验室、卡耐基梅隆大学等多个老牌AI领先院校研究所，同时美国厂商拥有接近中国5倍的AI杰出人才储备，美国AI技术生态占优，但中国政策推动AI生态高速发展。
此外，美国AI技术生态趋于构建形成，在芯片与算力、深度学习框架等领域上领先中国，如亚马逊与谷歌拥有超过300万台服务器，谷歌与脸书拥有Tensor Flow与Pytorch等行业主流框架。而百度等中国厂商正引领转型进程：百度等厂商高度重视AI领域自主知识产权，推出国产AI芯片昆仑与鸿鹄、深度学习平台飞浆等。
（三）中美人工智能产业与服务业融合情况比较
美国人工智能厂商较多，软硬实力兼具，大型厂商多综合布局AI产业，创业公司遍布基础层、技术层和应用层。在AI产业基础层，多老牌重量级厂商。美国AI产业基础层芯片与传感器实力较强，主要得益于英伟达、高通等技术实力强的业内头部厂商的参与。IBM、微软、谷歌、脸书、亚马逊等科技厂商在基础层实力较强，在算法、算力、数据等技术方面的布局全面，例如谷歌的Tensor Flow深度学习框架在业界广受欢迎。
在《中国制造2025》的大背景和智能经济新形态下，各省市响应中央号召，截至2019年上半年，已有30多个省市发布人工智能相关规划或专项政策，以人工智能为技术手段，发挥当地产业集群优势，促进产学研融合并协同发展。各地不仅明确人工智能发展目标，还从企业、人才、应用示范数量、平台数量和产业规模等可量化的指标作为着力点进行突破，出台的人工智能政策，提升本地人工智能产业应用转化率。如，江苏省提出到2020年建成50个重点应用示范项目，相关产业规模超过千亿元。北京、上海和深圳等地还在人工智能政策上提出更为细节的指导措施，均把科研创新放在首位，进一步突出人工智能产业集群发展和产业应用的融合。2018年上半年，三大城市人工智能企业数量约占全国总量的72%，其中北京占40%，上海占20%，深圳占12%。
（四）人工智能产业与服务业融合趋势展望
未来，人工智能产业与服务业融合将呈五个特点：第一，AI底层核心要素算力提升、数据处理方式优化。AI芯片从通用芯片向专用芯片发展，数据处理方式由人机协作向全面机器化演变，处理更为高效。第二，AI技术使用门槛将进一步大幅降低，企业AI部署将呈现自动化、便捷化，“普惠AI”时代来临，有利于服务业与互联网深度融合。第三，随着AI边缘应用进一步拓展，新型技术的协同发展将推动AI能力从云端数据中心移动到边缘位置，数据边缘处理成为趋势。第四，AI在部分数据量庞大的应用场景渗透加快，尤其在金融、安防、制造、医疗、交通等数据量庞大的领域加速渗透。第五，AI厂商的安全意识与自主能力大幅上升，未来中国AI厂商将能为政企提供更完备的数据安全服务，实现自主可控。
二、中国数字化转型的问题与挑战
当前，中国服务业龙头企业通过数字化转型实现了“旧貌换新颜”，在组织方式、商业模式、运作流程等多有优化，然而，广大的中小微企业却往往由于战略认识有限、数字人才短缺、数字技能不够、资金储备不足等多方面因素，难以将企业积累的知识与经验运用在数字世界中，导致其面临着数字化“转型找死、不转等死”的两难困境。
主要表现在五个方面：一是自身数字转型能力不够导致“不会转”；二是数字化改造成本偏高，而自身资金储备不足造成“不能转”；三是企业数字化人才储备不足致使“不敢转”；四是企业数字化转型战略不清，决策层“不善转”；五是企业多层组织模式不灵，中层领导“不愿转”。
（一）企业组织制度变革面临挑战
1、线上线下经营逻辑悖论
对于企业来说，线上线下运营的切入点和重心完全不同。传统企业在线下的经营活动中会遵循“二八原则”，即重点服务好能为企业带来80%盈利的重要客户，而这类客户往往只占到所有客户的20%，因此企业可以集中精力服务好他们，以期实现利润的提高；然而，线上的经营却要求企业遵循“长尾理论”，利用各种“冷门”、“非主流”的产品满足剩下80%客户个性化需求，将多类型，小销量聚合起来形成巨大的市场，从而提高利润。两种经营模式对企业的管理和组织模式有不同的要求，这种逻辑上的悖论是企业数字化转型需要克服的难点。
2、高管认知转变经受考验
企业数字化转型的另一个难点还在于企业管理者战略认知的转变，企业的数字化转型并非单纯的技术更新，更重要的是管理组织、经营理念、运营方式等系统、全面性革新，这是对高管认知转变的一种考验。如果高层管理者没有深远的战略眼光，无法明确发展目标并做好顶层设计，只做一些局部的调整而不着眼于全局，或是意志不坚定，在建立系统的短期时间内不能取得成绩时就左右摇摆轻言放弃，都有可能导致数字化转型的失败。
3、组织模式转换挑战
企业不愿意进行数字化转型的又一原因在于组织模式转换的难度。传统企业在发展过程中形成了一套层级复杂，领导众多的垂直组织模式，信息交流迟缓，而数字化时代需要的是自主灵活的小型决策单元和由此构成的扁平化组织模式，从而实现更加快速的信息交换和数据生产。要更好地实现数字化转型，就必须对现有的组织模式进行全方位变革，既要有完整的制度设计，包括配套的绩效考核制度等，组织重塑的过程中各部门还需做到权责明晰，避免企业内部转换组织模式的过渡过程中出现组织不灵的问题。
（二）依托人工智能的数据平台建设相对滞后
1、传统企业数字化进展缓慢
数据平台的缺乏是制约传统企业数字化转型的重要原因。人工智能并不只是一个程序或一个设备，而是一个以数据平台为依托的智能数字化系统。要运用人工智能更好地为实体企业进行服务，需要搭建数据平台，从而对数据进行完整的收集和处理，而在中国现代服务业中，对人工智能的应用主要集中在某个单一产品或技术，而不是一种平台化，系统化的运用，这是远远不够的。
2、互联网企业垂直产业布局各有侧重
当前互联网企业布局的发展进度并不统一。中国产业互联网发展依托于产业发展行业布局，目前中国第三产业结构占比最高，第一第二产业则发展水平低，这就导致了产业互联网行业渗透的不均匀，从而导致产业互联网行业发展十分不均衡，如在金融行业中，产业互联网指数达到30.22，这一数据在制造业仅达到5.5，结构性矛盾突出。
从地理结构上看，产业互联网的布局也没有摆脱中国东西部发展的差异，2019年，东部地区的互联网业务收入达到9438亿元，对全国互联网业务收入贡献超过90%，仅广东、上海、北京、浙江和江苏五个省市就占到了87.1%，中部和西部互联网业务收入仅占8.6%，东北地区占比更是不到1%，地域间发展存在巨大落差。
3、数据产权、隐私保护与网络安全问题制约数据开放与交换
导致产业互联网与服务业融合进程缓慢的又一原因是数据产权、网络安全与隐私保护问题制约了数据开放与交换。例如在保险业中运用人工智能重要体现就是数据收集方式的改变，依赖家庭经济，适合可穿戴设备等技术取代了传统的问卷调查，在缓解信息不对称的同时也产生了敏感的隐私问题。
同时，线上线下的融合使得物理世界和数字世界的联系进一步加强，数字世界遭受的攻击也会对物理世界的正常运行产生干扰。这就要求对网络安全和防御体系问题需要高度重视。
（三）传统服务业的互联网生态构建能力不足
传统企业在进行数字化转型时，往往会因为数字化转型能力不够和数字化改造成本高陷入转型“进退两难”的困境。
1、传统企业数字化转型成本高
数字化转型是涉及硬软件设备购买，人力资源培训，以及组织制度改革的全方位系统性工程，其要求长期持续的高成本投入，是传统企业数字化转型面临的一大考验。以美的为例，作为家电行业的龙头企业，其数字化转型的这八年时间中累计投入已超过100亿元，而对中国大多数传统企业而言，它们疲于应付残酷的市场竞争，无力开展数字化转型实践，据统计，中国企业进行数字化转型投入严重不足，在推动数字化转型的企业中，仅有14%的企业投入超过年销售额5%，七成企业的投入不及年销售额的3%，其中三成企业投入未超过年销售额的1%。对数字化转型投入的不足是制约传统企业数字化转型的重要因素。
2、数据鸿沟阻碍服务业产业链打通
传统企业数字化转型另一稀缺要素则是数字人才，特别是复合型数字人才是沟通服务业产业链与互联网产业链的桥梁。目前，中国产业互联网的领军者都来自实体企业，而技术的实现则依赖于互联网技术人员，两者在合作搭建互联网平台IT系统时往往因为不熟悉对方的领域导致沟通障碍，双方语系难以接轨，为传统企业精细化的流程和标准规则、供应链场景设计等设计入IT系统增加了难度。据统计，中国企业中ICT员工占总员工数的1%-1.5%，而欧盟企业ICT员工占比达到2.5%-4%，Gartner估计，这种数字化人才的短缺2020年造成30%的技术性岗位空缺。数字技术专业人员储备不足，复合跨界人才更是稀缺，制约了中国传统企业的数字化转型。
3、服务业功能性平台缺失
一些中小微企业信息化和专业化程度低，受制于数字化能力缺乏，数字化转型意识淡薄，导致这些企业数据采集困难，不利于产业链协同程度的提高，同时，也使得其数字化应用在很大程度上受限，仅处于在办公自动化和劳动人事管理等开展信息化管理的初级阶段，并没有进入信息化管理的高级阶段，对企业云、数字化会议等手段运用得并不多，市场所提供的科技平台多是通用型解决方案，对专门化生产企业不具备针对性，适用性不强，这些因素都制约了中小企业凭借自己的能力实现数字化转型，使得中小企业在转型中只能“单脚跳”，而不能在平台帮助下“双腿跑”。据调查，目前中国中小企业中仅有10%左右使用了ERP和CRM方案，6%左右实施了SCM（供应链管理）。
（四）服务业互联网标准亟待统一
1、新型服务标准制定滞后
产业互联网至今没有一个统一的服务标准，这对互联网产业未来整合发展可能造成不利影响。产业互联网不仅是建设在企业内部的网络，更是与企业外部沟通的网络，同时还涉及大量的设备数字化智能化改造，这要求有一个开放且标准统一的系统，这样才能在发挥各个产业互联网特色的同时，可以实现相互之间的互联互通，防止各个部门各自为政，互不兼容或是重复投资，浪费资源。
2、跨产业互联受限
产业互联网是一个完整的生态圈，是产业内和跨产业互联网的有机统一体，如果不能从全价值链、全商业生态之间的企业连接这一角度出发实现跨产业的互联，那么数据价值创造力就不能很好地发挥。
（作者蒋媛媛系上海社会科学院应用经济研究所副研究员，蔡泉系上海社会科学院研究生院应用经济研究所硕士研究生。本文系国家社科重大课题《推动互联网、大数据、人工智能与实体经济深度融合研究》的阶段性成果）
原文链接：https://www.thepaper.cn/newsDetail_forward_11535566
