數字化轉型①人工智慧産業中美對比及中國面臨的挑戰

近年來，數字經濟已上升為國家戰略，産業互聯網成為互聯網發展的下半場主題，是新時期中國數字經濟和實體經濟深度融合發展的重要途徑和核心內容。本文從産業物聯網與服務業融合發展的中美比較出發，提出中國企業數字化轉型存在的問題及面臨的挑戰。

一、中美人工智慧産業比較

（一）中美人工智慧産業發展政策環境比較

美國一直重視保持人工智慧技術的領先地位，將人工智慧發展作為國家戰略發展。在AI科學技術研究方面，美國政府全力支持，主導並推動成立斯坦福大學AI實驗室（SAIL）、麻省理工學院計算機科學與人工智慧實驗室（MIT CSAIL）等專業研究機構。在資金引導方面，美國政府通過政府機構雲化與人工智慧化升級項目招標，間接為行業注入資金，積極推動谷歌、亞馬遜等廠商將資金投入到人工智慧研發與産業化當中，如2019年10月，微軟獲得美國國防部基礎雲項目為期10年價值100億美元的合同。然而，美國對隱私與數據安全的高度重視給AI産業發展也帶來一定消極影響。臉書、谷歌等大型互聯網廠商多次因為數據安全與隱私問題受到國會與民眾的大範圍關注，甚至被起訴或召開聽證會。美國隱私相關法律在一定程度上制約了人工智慧企業獲取及使用數據。為符合新法規，相關企業為獲取數據須付出更多的合規成本，特別是對於以數據作為研發基礎的AI企業而言，此類規定將影響其創新效率。2020年1月1日，加州消費者隱私法案生效，估計將影響超過50萬家企業，谷歌、亞馬遜與臉書等AI廠商股價均下跌超過1%。

在中國，人工智慧産業健康、有序發展，人工智慧應用環境及産業發展持續向好。一是明確産業發展目標，出臺規劃和法規監管引導人工智慧産業發展，並通過市場化手段為人工智慧企業或機構提供財政金融支持，如在2018年，啟動16個人工智慧研究任務，安排國撥經費預算8.7億元。二是鼓勵人工智慧領域科學技術研究，支持設立一批新一代人工智慧開放創新平臺，分別依託百度自動駕駛平臺、阿裏雲城市大腦平臺、騰訊醫療影像平臺、科大訊飛智慧語音平臺進行建設。三是堅持市場需求導向，構建産業相關配套服務與措施，為中國人工智慧關鍵核心技術的突破和多領域的規模化應用提供有利的支撐，如近期，國家發改委批准百度&&成立深度學習技術及應用國家工程實驗室。

（二）中美人工智慧産業發展情況對比

中美人工智慧企業數量在全球範圍內佔據絕對優勢。截至2018年中，美國人工智慧企業數量2039家，位居世界首位，主要源於美國較好的人工智慧産業發展基礎。中國人工智慧産業起步晚于美國，但在社會各界推動下發展迅速，在2014年至2016年間的人工智慧創業潮中新增企業多，截至2018年中，人工智慧企業數量佔全球比例近40%。

圖1 中美人工智慧企業發展對比  資料來源：沙利文（2020）。

圖2 中美人工智慧企業數量全球數量對比    資料來源：沙利文（2020）。

圖3 全球人工智慧企業分佈情況  資料來源：沙利文（2020）。

在技術層面，美國AI産業整體領先，在技術佈局上優勢明顯。中國緊隨其後，在部分技術領域已與美國比肩。具體而言，美國技術佈局更廣、更精，基礎層與技術層的佈局領先於中國，如芯片上擁有行業領先的英偉達GPU與谷歌TPU等；除百度的飛槳外，其他主流深度學習開源框架均來自於美國。中國在計算機視覺、語音識別等領域已與美國對齊：如百度預訓練模型ERNIE超越微軟、谷歌拿下Glue冠軍，商湯一舉拿下Image Net 2016年三項冠軍；雲從科技在Librispeech上刷新世界紀錄。

在技術儲備整體實力方面，中美差距懸殊。美國廠商較熱衷於機器學習、語音識別與合成處理等領域，中國廠商則較傾向支付、交互技術、視頻圖像信息處理、智慧搜索等領域，二者均聚焦無人駕駛、數據文本聚類等領域。在人才儲備方面，目前中國也難以與美國匹敵。在2019年AI頂會作者中，44%博士畢業地為美國，是中國的四倍，分別來自麻省理工學院計算機科學與人工智慧實驗室、斯坦福人工智慧實驗室、卡耐基梅隆大學等多個老牌AI領先院校研究所，同時美國廠商擁有接近中國5倍的AI傑出人才儲備，美國AI技術生態佔優，但中國政策推動AI生態高速發展。

此外，美國AI技術生態趨於構建形成，在芯片與算力、深度學習框架等領域上領先中國，如亞馬遜與谷歌擁有超過300萬台服務器，谷歌與臉書擁有Tensor Flow與Pytorch等行業主流框架。而百度等中國廠商正引領轉型進程：百度等廠商高度重視AI領域自主知識産權，推出國産AI芯片崑崙與鴻鵠、深度學習平臺飛漿等。

 （三）中美人工智慧産業與服務業融合情況比較

美國人工智慧廠商較多，軟硬實力兼具，大型廠商多綜合佈局AI産業，創業公司遍佈基礎層、技術層和應用層。在AI産業基礎層，多老牌重量級廠商。美國AI産業基礎層芯片與傳感器實力較強，主要得益於英偉達、高通等技術實力強的業內頭部廠商的參與。IBM、微軟、谷歌、臉書、亞馬遜等科技廠商在基礎層實力較強，在算法、算力、數據等技術方面的佈局全面，例如谷歌的Tensor Flow深度學習框架在業界廣受歡迎。

在《中國製造2025》的大背景和智慧經濟新形態下，各省市響應中央號召，截至2019年上半年，已有30多個省市發佈人工智慧相關規劃或專項政策，以人工智慧為技術手段，發揮當地産業集群優勢，促進産學研融合併協同發展。各地不僅明確人工智慧發展目標，還從企業、人才、應用示範數量、平臺數量和産業規模等可量化的指標作為著力點進行突破，出臺的人工智慧政策，提升本地人工智慧産業應用轉化率。如，江蘇省提出到2020年建成50個重點應用示範項目，相關産業規模超過千億元。北京、上海和深圳等地還在人工智慧政策上提出更為細節的指導措施，均把科研創新放在首位，進一步突出人工智慧産業集群發展和産業應用的融合。2018年上半年，三大城市人工智慧企業數量約佔全國總量的72%，其中北京佔40%，上海佔20%，深圳佔12%。

（四）人工智慧産業與服務業融合趨勢展望

未來，人工智慧産業與服務業融合將呈五個特點：第一，AI底層核心要素算力提升、數據處理方式優化。AI芯片從通用芯片向專用芯片發展，數據處理方式由人機協作向全面機器化演變，處理更為高效。第二，AI技術使用門檻將進一步大幅降低，企業AI部署將呈現自動化、便捷化，“普惠AI”時代來臨，有利於服務業與互聯網深度融合。第三，隨著AI邊緣應用進一步拓展，新型技術的協同發展將推動AI能力從雲端數據中心移動到邊緣位置，數據邊緣處理成為趨勢。第四，AI在部分數據量龐大的應用場景滲透加快，尤其在金融、安防、製造、醫療、交通等數據量龐大的領域加速滲透。第五，AI廠商的安全意識與自主能力大幅上升，未來中國AI廠商將能為政企提供更完備的數據安全服務，實現自主可控。

二、中國數字化轉型的問題與挑戰

當前，中國服務業龍頭企業通過數字化轉型實現了“舊貌換新顏”，在組織方式、商業模式、運作流程等多有優化，然而，廣大的中小微企業卻往往由於戰略認識有限、數字人才短缺、數字技能不夠、資金儲備不足等多方面因素，難以將企業積累的知識與經驗運用在數字世界中，導致其面臨著數字化“轉型找死、不轉等死”的兩難困境。

主要表現在五個方面：一是自身數字轉型能力不夠導致“不會轉”；二是數字化改造成本偏高，而自身資金儲備不足造成“不能轉”；三是企業數字化人才儲備不足致使“不敢轉”；四是企業數字化轉型戰略不清，決策層“不善轉”；五是企業多層組織模式不靈，中層領導“不願轉”。

（一）企業組織制度變革面臨挑戰

1、線上線下經營邏輯悖論

對於企業來説，線上線下運營的切入點和重心完全不同。傳統企業在線下的經營活動中會遵循“二八原則”，即重點服務好能為企業帶來80%盈利的重要客戶，而這類客戶往往只佔到所有客戶的20%，因此企業可以集中精力服務好他們，以期實現利潤的提高；然而，線上的經營卻要求企業遵循“長尾理論”，利用各種“冷門”、“非主流”的産品滿足剩下80%客戶個性化需求，將多類型，小銷量聚合起來形成巨大的市場，從而提高利潤。兩种經營模式對企業的管理和組織模式有不同的要求，這種邏輯上的悖論是企業數字化轉型需要克服的難點。

2、高管認知轉變經受考驗

企業數字化轉型的另一個難點還在於企業管理者戰略認知的轉變，企業的數字化轉型並非單純的技術更新，更重要的是管理組織、經營理念、運營方式等系統、全面性革新，這是對高管認知轉變的一種考驗。如果高層管理者沒有深遠的戰略眼光，無法明確發展目標並做好頂層設計，只做一些局部的調整而不著眼于全局，或是意志不堅定，在建立系統的短期時間內不能取得成績時就左右搖擺輕言放棄，就有可能導致數字化轉型的失敗。

3、組織模式轉換挑戰

企業不願意進行數字化轉型的又一原因在於組織模式轉換的難度。傳統企業在發展過程中形成了一套層級複雜，領導眾多的垂直組織模式，信息交流遲緩，而數字化時代需要的是自主靈活的小型決策單元和由此構成的扁平化組織模式，從而實現更加快速的信息交換和數據生産。要更好地實現數字化轉型，就必須對現有的組織模式進行全方位變革，既要有完整的制度設計，包括配套的績效考核制度等，組織重塑的過程中各部門還需做到權責明晰，避免企業內部轉換組織模式的過渡過程中出現組織不靈的問題。

（二）依託人工智慧的數據平臺建設相對滯後

1、傳統企業數字化進展緩慢

數據平臺的缺乏是制約傳統企業數字化轉型的重要原因。人工智慧並不只是一個程序或一個設備，而是一個以數據平臺為依託的智慧數字化系統。要運用人工智慧更好地為實體企業進行服務，需要搭建數據平臺，從而對數據進行完整的收集和處理，而在中國現代服務業中，對人工智慧的應用主要集中在某個單一産品或技術，而不是一種平臺化，系統化的運用，這是遠遠不夠的。

2、互聯網企業垂直産業佈局各有側重

當前互聯網企業佈局的發展進度並不統一。中國産業互聯網發展依託于産業發展行業佈局，目前中國第三産業結構佔比最高，第一第二産業則發展水平低，這就導致了産業互聯網行業滲透的不均勻，從而導致産業互聯網行業發展十分不均衡，如在金融行業中，産業互聯網指數達到30.22，這一數據在製造業僅達到5.5，結構性矛盾突出。從地理結構上看，産業互聯網的佈局也沒有擺脫中國東西部發展的差異，2019年，東部地區的互聯網業務收入達到9438億元，對全國互聯網業務收入貢獻超過90%，僅廣東、上海、北京、浙江和江蘇五個省市就佔到了87.1%，中部和西部互聯網業務收入僅佔8.6%，東北地區佔比更是不到1%，地域間發展存在巨大落差。

3、數據産權、隱私保護與網絡安全問題制約數據開放與交換

導致産業互聯網與服務業融合進程緩慢的又一原因是數據産權、網絡安全與隱私保護問題制約了數據開放與交換。例如在保險業中運用人工智慧重要體現就是數據收集方式的改變，依賴家庭經濟，適合可穿戴設備等技術取代了傳統的問卷調查，在緩解信息不對稱的同時也産生了敏感的隱私問題。同時，線上線下的融合使得物理世界和數字世界的聯絡進一步加強，數字世界遭受的攻擊也會對物理世界的正常運行産生干擾。這就要求對網絡安全和防禦體系問題高度重視。

（三）傳統服務業的互聯網生態構建能力不足

傳統企業在進行數字化轉型時，往往會因為數字化轉型能力不夠和數字化改造成本高陷入轉型“進退兩難”的困境。

1、傳統企業數字化轉型成本高

數字化轉型是涉及硬軟體設備購買，人力資源培訓，以及組織制度改革的全方位系統性工程，其要求長期持續的高成本投入，是傳統企業數字化轉型面臨的一大考驗。以美的為例，作為家電行業的龍頭企業，其數字化轉型的這八年時間中累計投入已超過100億元，而對中國大多數傳統企業而言，它們疲於應付殘酷的市場競爭，無力開展數字化轉型實踐，據統計，中國企業進行數字化轉型投入嚴重不足，在推動數字化轉型的企業中，僅有14%的企業投入超過年銷售額5%，七成企業的投入不及年銷售額的3%，其中三成企業投入未超過年銷售額的1%。對數字化轉型投入的不足是制約傳統企業數字化轉型的重要因素。

2、數據鴻溝阻礙服務業産業鏈打通

傳統企業數字化轉型另一稀缺要素則是數字人才，特別是複合型數字人才是溝通服務業産業鏈與互聯網産業鏈的橋梁。目前，中國産業互聯網的領軍者都來自實體企業，而技術的實現則依賴於互聯網技術人員，兩者在合作搭建互聯網平臺IT系統時往往因為不熟悉對方的領域導致溝通障礙，雙方語系難以接軌，為傳統企業精細化的流程和標準規則、供應鏈場景設計等設計入IT系統增加了難度。據統計，中國企業中ICT員工佔總員工數的1%-1.5%，而歐盟企業ICT員工佔比達到2.5%-4%，Gartner估計，這種數字化人才的短缺2020年造成30%的技術性崗位空缺。數字技術專業人員儲備不足，複合跨界人才更是稀缺，制約了中國傳統企業的數字化轉型。

3、服務業功能性平臺缺失

一些中小微企業信息化和專業化程度低，受制于數字化能力缺乏，數字化轉型意識淡薄，導致這些企業數據採集困難，不利於産業鏈協同程度的提高，同時，也使得其數字化應用在很大程度上受限，僅處於在辦公自動化和勞動人事管理等開展信息化管理的初級階段，並沒有進入信息化管理的高級階段，對企業雲、數字化會議等手段運用得並不多，市場所提供的科技平臺多是通用型解決方案，對專門化生産企業不具備針對性，適用性不強，這些因素都制約了中小企業憑藉自己的能力實現數字化轉型，使得中小企業在轉型中只能“單腳跳”，而不能在平臺幫助下“雙腿跑”。據調查，目前中國中小企業中僅有10%左右使用了ERP和CRM方案，6%左右實施了SCM（供應鏈管理）。

（四）服務業互聯網標準亟待統一

1、新型服務標準制定滯後

産業互聯網至今沒有一個統一的服務標準，這對互聯網産業未來整合發展可能造成不利影響。産業互聯網不僅是建設在企業內部的網絡，更是與企業外部溝通的網絡，同時還涉及大量的設備數字化智慧化改造，這要求有一個開放且標準統一的系統，這樣才能在發揮各個産業互聯網特色的同時，可以實現相互之間的互聯互通，防止各個部門各自為政，互不兼容或是重復投資，浪費資源。

2、跨産業互聯受限

産業互聯網是一個完整的生態圈，是産業內和跨産業互聯網的有機統一體，如果不能從全價值鏈、全商業生態之間的企業連接這一角度出發實現跨産業的互聯，那麼數據價值創造力就不能很好地發揮。

（作者蔣媛媛繫上海社會科學院應用經濟研究所副研究員，蔡泉繫上海社會科學院研究生院應用經濟研究所碩士研究生。本文係國家社科重大課題《推動互聯網、大數據、人工智慧與實體經濟深度融合研究》的階段性成果）