近年来，数字经济上升为国家战略，工业互联网成为互联网下半场发展的主题。 是新时代我国数字经济与实体经济深度融合发展的重要途径和核心内容。 本文从中美工业物联网与服务业融合发展的比较出发，提出中国企业数字化转型面临的问题和挑战。

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

美国一直高度重视保持人工智能技术领先地位，并将发展人工智能作为国家战略发展。 在人工智能科技研究方面，美国政府全力支持、引领和推动斯坦福大学人工智能实验室（SAIL）、麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）等专业研究机构的建立。 在资金引导方面，美国政府通过政府机构云化和人工智能升级项目招标间接向行业注入资金，积极推动谷歌、亚马逊等厂商投入资金进行人工智能研发和产业化。 例如，2019年10月，微软赢得了美国国防部基础云项目为期10年、价值100亿美元的合同。 但美国对隐私和数据安全的高度重视也对AI产业的发展产生了一定的负面影响。 、谷歌等大型互联网公司多次因数据安全和隐私问题而受到国会和公众的广泛关注，甚至被起诉或举行听证会。 美国隐私相关法律在一定程度上限制了人工智能公司对数据的获取和使用。 为了遵守新规定，相关企业必须支付更多的合规成本来获取数据。 特别是对于以数据作为研发基础的人工智能企业来说，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，预计影响超过50万家公司。 谷歌、亚马逊、等AI厂商股价均跌幅超过1%。

在我国，人工智能产业健康有序发展，人工智能应用环境和产业发展不断完善。 一是明确产业发展目标，出台引导人工智能产业发展的规划和法规，通过市场化手段为人工智能企业或机构提供资金支持。 例如，2018年启动了16项人工智能研究任务并安排了国家拨款。 预算8.7亿元。 二是鼓励人工智能领域科技研究，支持建立新一代人工智能开放创新平台，依托百度自动驾驶平台、阿里云城市大脑平台、腾讯医疗影像平台等科大讯飞智能语音平台。 三是坚持以市场需求为导向，打造产业相关配套服务和措施，为我国人工智能关键核心技术突破和多领域规模化应用提供有利支撑。 例如，近日，国家发改委批准百度牵头建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对比

中美人工智能企业数量在全球占据绝对优势。 截至2018年中，美国人工智能公司数量为2039家，位居全球第一。 这主要得益于美国人工智能产业良好的发展基础。 中国人工智能产业起步晚于美国，但在社会各界的推动下发展迅速。 2014年至2016年的人工智能创业浪潮中，新增了很多新公司。 截至2018年中，人工智能企业数量占全球份额近40%。 。

图1 中美人工智能企业发展对比 资料来源：（2020）。

图2 全球中美人工智能企业数量对比 资料来源：（2020）。

图3 全球人工智能企业分布 资料来源：（2020）。

在技​​术层面，美国人工智能产业整体领先，技术布局优势明显。 中国也不甘落后，在一些技术领域已经与美国持平。 具体来说，美国的技术布局更广、更精，基础层和技术层的布局领先于中国，比如芯片上业界领先的 GPU和谷歌TPU； 除了百度的Fei 外，其他主流深度学习开源框架均来自美国。 中国在计算机视觉、语音识别等领域与美国结盟：例如，百度预训练模型ERNIE超越微软，谷歌获得Glue冠军，商汤科技在2016年三夺Image Net冠军； 云从科技创下新的世界纪录。

就技术储备的整体实力而言，中国与美国存在巨大差距。 美国厂商更感兴趣的是机器学习、语音识别和合成处理等领域，而中国厂商则更倾向于支付、交互技术、视频图像信息处理、智能搜索等领域。 两者都专注于无人驾驶和数据文本聚类等领域。 。 从人才储备来看，中国目前很难与美国匹敌。 在 2019 年 AI 峰会的作者中，44% 的博士生。 美国的毕业生数量是中国的四倍。 他们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、卡内基梅隆大学等老牌AI大学和研究机构处于领先地位。 与此同时，美国制造商拥有的优秀人工智能人才库是中国的近五倍。 美国AI技术生态系统占主导地位，但中国政策推动AI生态系统快速发展。

此外，美国人工智能技术生态系统已初具规模，在芯片、算力、深度学习框架等领域领先中国。 例如，亚马逊和谷歌拥有超过300万台服务器，谷歌和拥有Flow、Flow等主流行业框架。 百度等中国厂商正在引领转型进程：百度等厂商高度重视人工智能领域的自主知识产权，推出了国产人工智能芯片昆仑、鸿鹄、深度学习平台飞片。

（三）中美人工智能产业与服务业融合比较

美国人工智能厂商众多，软硬能力兼备。 大多数大型厂商都在全面布局AI产业，初创企业遍布基础层、技术层和应用层。 在AI产业的基础层面，不乏老牌重量级厂商。 美国AI产业基础层芯片和传感器实力强劲，主要得益于英伟达、高通等技术实力雄厚的行业领先厂商的参与。 IBM、微软、谷歌、、亚马逊等科技厂商基础实力雄厚，在算法、算力、数据等技术方面都有全面布局。 例如，的Flow深度学习框架在业界广为流行。

在“中国制造2025”和智慧经济新形态的背景下，各省市纷纷响应中央号召。 截至2019年上半年，已有30多个省市出台了人工智能相关规划或专项政策，以人工智能为技术手段。 充分发挥地方产业集群优势，促进产学研一体化协同发展。 地方政府不仅明确人工智能发展目标，还重点围绕企业、人才、应用示范数量、平台数量、产业规模等量化指标进行突破，出台人工智能政策，提高应用转化率本地人工智能产业。 例如，江苏省提出到2020年建设50个重点应用示范项目，相关产业规模将突破1000亿元。 北京、上海、深圳等地也提出了更加详细的人工智能政策指导措施，均把科研创新放在首位，进一步凸显人工智能产业集群发展与产业应用的融合。 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现五个特点：一是人工智能底层核心要素算力提升、数据处理方式优化。 AI芯片从通用芯片发展到专用芯片，数据处理方式从人机协同发展到全机器化，处理更加高效。 其次，人工智能技术的使用门槛将进一步大幅降低，企业人工智能部署将自动化、便捷化。 “普惠AI”时代即将到来，有利于服务业与互联网深度融合。 第三，随着AI边缘应用的进一步拓展，新技术的协同发展将推动AI能力从云数据中心向边缘位置转移，数据边缘处理成为趋势。 第四，人工智能在一些海量数据应用场景中加速渗透，特别是在金融、安防、制造、医疗、交通等海量数据领域。 第五，AI厂商的安全意识和自主权显着增强。 未来，中国AI厂商将能够为政府和企业提供更完善的数据安全服务，实现自主可控。

2、中国数字化转型的问题与挑战

目前，我国领先的服务业企业通过数字化转型实现了“焕然一新”，并优化了组织方式、业务模式、运营流程等。但广大中小微企业往往缺乏战略认识和数字人才。 数字化技能匮乏、资本储备不足等诸多因素，使得企业在数字化世界中积累的知识和经验难以运用，导致企业在转型中面临“转型找死还是不等死”的困境。数字化。

主要表现在五个方面：一是数字化转型能力缺失导致“无法转移”； 二是数字化转型成本高、资金储备不足导致“转不下去”； 三是企业数字化人才储备不足导致“无法转移”四是企业数字化转型战略不明确，决策层“不利”； 五是企业多层组织模式成效不彰，中层领导“不愿调动”。

（一）企业组织体系变革面临的挑战

1、线上线下业务逻辑的悖论

对于企业来说，线上和线下运营的切入点和侧重点完全不同。 传统企业在线下经营活动中会遵循“28原则”，即重点服务能够为公司带来80%利润的重要客户，而此类客户往往只占全部客户的20%，因此企业可以重点关注为他们提供良好的服务以增加利润； 然而，线上运营则要求企业遵循“长尾理论”，利用各种“冷门”、“非主流”的产品来满足剩下80%客户的个性化需求。 将多种类型的小额销售聚合起来，形成一个巨大的市场，从而增加利润。 两种商业模式对企业的管理和组织模式有不同的要求。 这种逻辑悖论是企业数字化转型需要克服的难点。

2、高管认知转型经受考验

企业数字化转型的另一个难点在于企业管理者战略认知的变化。 企业的数字化转型不仅仅是技术更新，更重要的是管理组织、经营理念、运营方法等方面的系统性、全面性创新。 高管认知转变的测试。 如果高层管理人员没有长远的战略眼光，不能明确发展目标，做好顶层设计，只做一些局部调整，不着眼全局，或者不坚定，如果按照他们的意愿，在制度建立的短期内是达不到效果的。 左右摇摆或轻易放弃都可能导致数字化转型的失败。

3、组织模式转型挑战

企业不愿进行数字化转型的另一个原因是组织模式转型困难。 传统企业在发展过程中形成了一套层级森严、复杂的垂直组织模式，领导者众多，信息交流缓慢。 数字时代需要的是独立、灵活的小型决策单元以及由此产生的扁平化组织模式，从而实现更快的信息交换和数据生产。 为了更好地实现数字化转型，需要对现有的组织模式进行全方位的改革。 不仅要有完整的制度设计，包括配套的绩效考核制度等，各个部门也需要在组织重塑的过程中获得权威。 明确职责，避免企业内部组织模式转变过程中组织效率低下。

（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

数据平台缺失是制约传统企业数字化转型的重要原因。 人工智能不仅仅是一个程序或一个设备，而是一个基于数据平台的智能数字系统。 要利用人工智能更好地服务实体企业，需要搭建数据平台，对数据进行完整的采集和处理。 在我国现代服务业中，人工智能的应用主要集中在单一产品或技术上，而不是平台化、系统化的应用，这是远远不够的。

2、互联网企业垂直行业布局侧重点不同

目前互联网企业布局发展进度并不统一。 中国工业互联网的发展依赖于工业发展的产业布局。 目前，我国第三产业结构占比最高，第一、第二产业发展水平较低。 不平衡。 比如，金融行业工业互联网指数达到30.22，而制造业这一数据仅为5.5，结构性矛盾突出。

从地域结构来看，工业互联网布局尚未摆脱东西部发展差异。 2019年，东部地区互联网业务收入达9438亿元，贡献全国互联网业务收入90%以上。 仅广东、上海、北京、浙江、江苏五省市占比达87.1%，中西部地区互联网业务收入占比仅为8.6%，东北地区占比不足1%。 地区发展差距巨大。

3.数据产权、隐私保护和网络安全问题制约数据开放和交换

工业互联网与服务业融合缓慢的另一个原因是数据产权、网络安全和隐私保护问题制约了数据的开放和交换。 例如，人工智能在保险行业的运用的重要体现是数据采集方式的改变，依托家庭经济，适合可穿戴设备等技术替代传统问卷，在缓解信息不对称的同时，造成敏感的隐私问题。

同时，线上线下的融合进一步加强了物理世界与数字世界的联系，数字世界的攻击也会干扰物理世界的正常运行。 这就需要高度重视网络安全和防御体系问题。

（三）传统服务业互联网生态建设能力不足。

传统企业在进行数字化转型时，往往因数字化转型能力不足、数字化转型成本过高而陷入转型“困境”。

1、传统企业数字化转型成本高

数字化转型是一项全方位的系统工程，涉及软硬件设备采购、人力资源培训、组织体系改革等。 需要长期持续的高成本投入，这对传统企业数字化转型是一次重大考验。 以美的为例。 作为家电行业的龙头企业，过去8年其数字化转型累计投入已超过100亿元。 然而，对于中国大多数传统企业来说，他们厌倦了应对残酷的市场竞争，无力进行数字化转型。 数字化转型实践 据统计，中国企业数字化转型投入严重不足。 在推动数字化转型的企业中，只有14%的企业投资额超过年销售额的5%，70%的企业投资额不足年销售额的3%。 其中30%的企业投资不超过年销售额的1%。 数字化转型投入不足是制约传统企业数字化转型的重要因素。

2、数据差距阻碍服务产业链开放。

传统企业数字化转型的另一个稀缺要素是数字人才，尤其是充当服务产业链和互联网产业链桥梁的复合型数字人才。 目前，我国工业互联网的领军人物全部来自实体企业，技术的实现依赖于互联网技术人员。 两者合作建设互联网平台IT系统时，往往会因为彼此领域不熟悉而出现沟通障碍，双方语言系统难以融合。 这使得传统企业将精细化流程、标准规则、供应链场景设计等融入IT系统变得更加困难。 据统计，中国企业ICT员工占员工总数的1%-1.5%，而欧盟企业ICT员工占2.5%-4%。 据估计，这种数字人才的短缺将导致2020年30%的技术职位空缺。 数字技术人才储备不足，综合性跨界人才更稀缺，制约了中国传统企业的数字化转型。

3、服务业功能平台缺乏

一些中小微企业信息化、专业化水平较低，受限于数字化能力不足，数字化转型意识淡薄，导致这些企业数据采集困难，不利于提升产业链的协同程度。 同时，这也在很大程度上让他们的数字化应用变得困难。 在办公自动化和劳动人事管理方面仅处于信息化管理的初级阶段，尚未进入信息化管理的高级阶段。 没有采用企业云、数字会议等多种手段，市场提供的技术平台大多是通用型解决方案，不针对和适用于专业化生产企业。 这些因素都限制了中小企业依靠自身能力实现数字化转型，使得中小企业在转型过程中只有一只脚。 借助平台的帮助，企业实现了“跳跃”，而不是“两条腿跑”。调查显示，目前我国中小企业只有约10%使用ERP和CRM解决方案，约6%实施了SCM（供应链管理）管理）。

（四）服务业互联网标准亟待统一

1、新服务标准制定滞后

工业互联网目前还没有统一的服务标准，这可能会对未来工业互联网的融合发展产生负面影响。 工业互联网不仅是企业内部构建的网络互联网建设，也是与企业外部进行通信的网络。 它还涉及大量设备的数字化、智能化改造。 这就需要一个开放、统一的系统，这样才能发挥各个工业互联网的特点。 同时可以实现相互互联，防止各部门各自为政、互不相容或重复投资、资源浪费。

2、跨行业互联有限

工业互联网是一个完整的生态系统，是行业内互联网和跨行业互联网的有机统一体。 如果不能从整个价值链、整个商业生态的企业连接角度来实现跨行业互联，那么数据价值创造的力量就无法发挥出来。

（作者蒋媛媛是上海社会科学院应用经济研究所副研究员，蔡全是上海社会科学院研究生院应用经济研究所硕士生。本文为国家社科重大项目《推动互联网、大数据、人工智能与实体经济深度融合》阶段性研究成果）

原稿

（记者 张斐然 摄）

人民网北京11月9日电(记者张斐然)面对当前金融科技快速发展的行业趋势，素有“大宇宙”之称的工商银行也“舞象”。 继5月8日在雄安成立科技子公司、11月4日成立金融科技研究院，整合提升科技创新后，工商银行于11月8日在北京发布智慧银行生态系统ECOS。据报道，这是工商银行历时五年、全行集中力量取得的一项重要阶段性、标志性成果。

中国工商银行董事长陈四清在致辞中表示，中国工商银行的发展史就是一部信息技术创新史。 作为国内银行业信息技术应用的先行者和推动者，工商银行始终坚持以技术变革引领银行再造，自主研发了四代核心系统，实现了大数据集中、“大数据集中”等重大创新突破。 “两地三中心”，在国内同行业中确立了技术领先优势。

发布会上，工商银行行长谷澍全面介绍并展示了ECOS取得的“六大标志性成就”：一是构建开放融合的跨境生态，成为国内最大的综合金融服务“供应商”； 开启“智能”创新新模式； 三是对热点“秒杀”场景实现高适应性、高弹性支撑； 四是构建业界首个基于分布式、云平台的双核IT架构智慧银行，形成核心业务处理能力； 五是打造一系列企业级金融科技平台； 六是打造业内标准化服务数量最多、交易量最大的组件化研发体系，形成灵活组合、快速研发创新能力和需求响应能力。

据了解，ECOS正在逐步深化在工商银行各业务领域的应用。

首先，银行不再是客户必须去的地方，而是无处不在、便捷的金融服务。 通过向2000多家生态合作伙伴开放工行金融服务，通过金融生态云引入15个行业18800家行业用户，工行将金融服务无缝嵌入ETC出行、故宫购票、教育支付、企业理财等生产中生活场景让金融服务更加便捷可得；

二是金融服务更加智能高效。 通过将智能技术融入银行的各个环节，我们可以为客户提供更加精准、个性化的服务。 例如，创新推出的“AI投资”系列产品，可以帮助客户解决自主投资产品选择难、投资机会难把握的困境； 快商贷积极向80万家小微企业客户授信近3500亿元； 首创个人信用“网上申请、邮寄到家”等服务，让客户“一次都不用跑”等。

三是金融服务更加稳定可靠。 工商银行积极适应客户线上金融行为和金融生活趋势，提升支撑互联网业务爆发式增长的能力。 在“双11”、春节红包、纪念币预约等业务高峰期，工商银行保持了金融服务稳定可靠。