社科网首页|客户端|官方微博|报刊投稿|邮箱 中国社会科学网
中国社会科学院工业经济研究所

推动信息技术与实体经济深度融合

2019年01月24日来源:《经济参考报》2019-1-23    作者:李晓萍 江飞涛 黄阳华

智能制造是信息技术与实体经济融合发展的关键载体

发展新经济是要培育新动能,促进中国经济转型。我国作为全球最大的工业国,推动以制造业为核心的实体经济与新一代信息技术的深度融合发展,不仅是制造强国建设的强烈需求,更是发展新经济的根本支撑。

智能制造是制造业与新一代信息技术(以大数据、云计算、人工智能为代表)深度融合的集中体现,是新一代信息技术和实体经济深度融合发展的关键载体。虽然得益于超大规模、需求多样的国内市场,近年来电子商务率先取得跨越式发展,但是新经济的先导产业不是电子商务,而是以智能制造为核心的先进制造业。

一方面,伴随着芯片技术的突破发展、互联网设施的发展完善、传感器价廉量大的供给、先进制造技术不断创新,智能制造作为新工业革命的先导产业正在迅速发展,成为新经济体系中发展潜力巨大的行业;另一方面,新经济的发展依赖智能制造提供技术源泉和装备基础,新经济的增长源泉,无论是作为新生产要素的数据的投入,还是新的信息基础设施的投资拉动,以及新的经济分工协作模式的产生发展,都离不开智能制造的支撑。同时,新经济创新发展主要驱动力来自于先进制造业的创新发展。没有以智能制造为核心的先进制造业的发展支撑,新业态、新商业模式都将成为空中楼阁。推动以互联网、大数据、人工智能代表的新一代信息技术与以制造业为核心的实体经济深度融合,加快发展先进制造业具有重大现实意义。

信息技术与实体经济融合中的问题与挑战

当前,在推动新一代信息技术与实体经济深度融合、加快发展先进制造业的过程中,主要面临以下几方面问题与挑战:

第一,重视“硬”装备,忽视“软”系统。我国在发展先进制造业时,重视发展重大复杂装备领域的突破,但是长期低估了数据要素在制造业智能化中的核心地位。对数据要素的重视不够,不仅是我国高端装备产业发展相对滞后的原因之一,也是影响我国高端装备产品品质(如产品稳定性)提升的重要制约因素,更为重要的是不符合制造业智能化的发展趋势。

第二,信息通讯基础设施尚不能满足智能制造发展的需求。通讯基础设施升级是数据要素的廉价且大量供给的必要条件,是制造业智能化的基础。当前,我国信息通讯基础设施距离满足“互联网+”向各领域融合的需求仍有较大差距,在提升网络传输速度、降低网络能耗方面亟待加强。

第三,大数据技术与实体经济深度融合发展面临的突出问题。一是数据要素的产权安排不明确。数据要素的配置涉及的社会关系、权利内容等都更为复杂多样。目前,利用大数据发展实体经济新业态普遍面临数据要素所有权和剩余索取权归属模糊的问题,抑制了制造新业态发展投资的激励。二是基础设施的供给方式不清晰。大数据与实体经济深度融合依赖于技术基础设施和制度基础设施的配套升级,但是基础设施投资不仅规模大,而且存在外部性问题,难以依赖市场机制解决。三是企业投资的收益性不确定。目前,企业对利用大数据促进实体发展的积极性也在增强,但普遍认为投资规模太大、周期太长、风险高,导致投资回报低,影响企业的综合盈利水平,特别是广大中小企业利用大数据促进制造业转型升级的激励不足。

第四,推动人工智能与实体经济深度融合仍存在障碍,并带来新的挑战。得益于深度学习技术的成熟,大数据、云计算平台的完善,人工智能进入到示范应用的发展阶段,但人工智能的大规模商业应用仍面临着诸多障碍。一是人工智能技术及其在各领域的应用仍不成熟。二是计算能力的缺乏。人工智能特别是最具前景的机器学习和深度学习技术,需要快速地进行大量数据计算,需要使用大量的处理能力。三是人工智能技术的应用还面临伦理、法律等方面障碍。四是人工智能在实体经济中的应用,会对就业结构产生深远影响,这对我国中高端人才和普通劳动者教育、培训改革提出紧迫的需求。

推动信息技术与实体经济融合的对策与建议

第一,加快智能制造技术相关基础设施建设。建立高效能运算研发中心和高效能运算服务中心。信息存储、传输和处理能力成为决定先进制造技术和制造系统的创新能力、技术成熟度和应用效果的关键因素。加快推进行业工程数据库的建设。数据要素在制造业智能化发展中居于核心地位,我国迫切需要加强数据要素的积累和开发利用。还应加快先进信息基础设施建设。在实施“互联协议第六版本”(IPv6)的转换过程中,加快宽带网络演进升级,建设低成本、高效快捷和安全可靠的工业互联网。建立信息物理系统网络,丰富工具和运用软件、传感和通信系统协议,实现人、制造设备与产品的实时连通、相互识别和有效交流。

第二,逐步清除障碍,促进我国人工智能与实体经济深度融合。政府加大对人工智能基础技术研发的投入,鼓励并支持互联网和实体经济部门企业对人工智能研发、应用保持持续投资,重点支持制造业人机协作有效方式探索的研发和试点工程;构建机器学习所需的工业大数据库,逐步形成自主标准体系,提高人工智能的安全性和稳定性;调整学校教育与职业培训专业和课程,应对人工智能对就业结构的冲击;提前研究实体经济与人工智能使用的伦理、法律和社会影响问题,保障人工智能绝对受人控制和使用安全。

第三,重视基础制度建设,促进大数据和实体经济深度融合发展。一是在立法上明确数据要素的产权属性。以便于鼓励发展有利于降低数据要素开发风险的新型服务业。二是继续加大科技公共服务平台建设。包括智能制造共性技术研究平台、智能制造技术转移平台(网络)。三是重视制度基础的建设。核心的领域包括:智能制造相关数据的标准化体系建设,降低企业收集、分析和应用数据的成本,提高新业态发展的商业价值;构建起类似于金融信息监管体系的数据安全监管体系,提高全社会的数据安全系数,降低企业投资数据安全的成本,提高企业和用户之间的信息交换效率。加强技术和制度基础设施建设应作为发展智能制造的优先行动。

 

分享到: