（來源：上觀新聞）
「十五五」規劃綱要強調要全方位推進數智技術賦能，提出「建設數智化轉型促進網絡，健全中小企業數智賦能服務體系」。數智化轉型不是一道「選擇題」，而是關乎企業生存發展的「必答題」。其成敗的關鍵並不在技術本身，而在能否處理好轉型進程中的深層矛盾關係。
一場組織形態與生產方式的全面重構
理解企業數智化轉型的特殊內涵，關鍵在於釐清信息化、數字化、智能化、數智化四個概念的遞進關係。信息化解決的是「有沒有」系統的問題，其本質是將紙質流程電子化、標準化、可追溯，但決策邏輯仍高度依賴管理者個人經驗。數字化則進一步解決「好不好」的問題，圍繞數據重塑業務流程，實現數據的實時化採集與業務聯動，使企業從「看得到業務」進入「看得懂業務」的新階段。智能化在前兩者的基礎上解決「能不能預測」的問題，系統通過機器學習、機器視覺、自然語言處理等AI技術，從執行型工具升級為認知型夥伴，具備自主判斷和預測能力。由此推演，數智化不僅僅是一次技術升級，更是一場組織形態與生產方式的全面重構。理論上講，數智化構建了三條深度融合的價值鏈邏輯。第一條是數據價值鏈，表現為從數據到數據產品再進化到數據資產的邏輯鏈；第二條是智能價值鏈，表現為模型轉化為智能單點最終進化為智能體協同的邏輯路徑；第三條是組織價值鏈，表現為流程型組織轉化為數據型組織最終演進為智能體組織的邏輯路徑。從這裏不難看出，企業數智化轉型的核心標誌不是引進了多少套AI系統，而是數據是否真正成為生產要素參與價值創造，智能是否真正嵌入組織的決策基因，組織是否真正具備了持續學習與自我進化的能力。簡言之，數字化讓企業「長出數據肌肉」，而數智化則讓企業「擁有智能大腦」。
進一步探討，與企業數字化轉型相比，數智化轉型在驅動邏輯、技術架構、價值創造和組織形態方面呈現出四個鮮明特點。一是在驅動邏輯方面，實現了從數據輔助決策升級為智能驅動決策。這是因為，傳統數字化強調用數據報表支撐管理判斷，而數智化階段中的AI模型直接嵌入研發設計、生產調度、供應鏈管理、客戶運營等核心業務環節，實現從「人找數」到「數找人」、從「人做決策」到「人機協同決策」的跨越。二是在技術架構方面，完成了從「煙囪式系統」到「平台化底座」的轉變。這是因為，數智化要求企業構建統一的數據中台與AI中台，需要打通ERP、MES、CRM等系統間的數據孤島，形成全域數據貫通、模型共享複用的能力體系。三是在價值創造方面，實現了從原先的「降本增效」到「模式創新」的轉變。這是因為，數智化不僅僅是優化存量業務的效率，更在於將催生出數據產品、智能服務、平台生態等增量價值形態，最終推動企業從產品提供商向解決方案服務商、平台運營商進化。四是在組織形態方面，完成了從「科層管控」向「敏捷協同」的轉變。通常而言，數智化轉型要求組織結構從金字塔式管控轉向扁平化、網絡化的作戰單元，以數據為紐帶實現跨部門、跨層級的動態協同，讓一線員工在數據賦能下擁有更大的自主決策權。
從四對關係中汲取戰略性啓示
企業數智化轉型是一項複雜的系統工程，絕非簡單的技術採購與系統部署。縱觀全球實踐，成功者各有路徑，失敗者卻往往在同一類矛盾面前失足。深刻理解並妥善處理好以下四對關係，是確保轉型成功的關鍵。
技術引進與自主創新的關係。數智化轉型離不開先進技術的支撐，但技術引進的深度與方式，直接影響轉型的成敗與可持續性。國際上最令人警醒的案例當屬通用電氣（GE）Predix工業互聯網平台。GE自2011年起投入近100億美元，試圖將Predix打造為「工業世界的安卓」。然而，這一願景在2024年落幕。究其根源，GE陷入了典型的「技術萬能主義」陷阱，那種用季度利潤考覈平台業務的做法，與技術研發需要長期耐心資本的內在規律形成根本衝突。更深層問題在於，GE的工業基因深植於追求零缺陷的「六西格瑪」文化，與軟件開發所需的快速迭代、容忍失敗的敏捷文化不可調和。相比之下，德國西門子採取「客戶零號」策略，嘗試在自己工廠裏先驗證技術再推向市場，獲得巨大成功。更關鍵的是，西門子打造了開放的平台生態，建立起清晰的銷售-服務-共建合作伙伴路徑，避免與合作伙伴形成零和博弈。這些案例充分說明，技術引進是手段而非目的，只有在引進消化基礎上培育自主創新能力、構建開放可控的技術生態，才能使數智化轉型真正落地見效。
頂層數據驅動與基層實踐探索的關係。數智化轉型必然涉及數據驅動決策，但數據的質量、維度和解讀方式決定了決策的有效邊界。耐克為此付出了深刻教訓。在直接面向消費者轉型的過程中，耐克利用線上銷售數據，激進推行數據驅動戰略，將零售合作伙伴從約3萬家大幅削減至約40家，全面押注自有App和線上渠道。更致命的是，耐克圍繞「可被最容易收集的數據」重新組織產品策略，過度依賴老款復刻，喪失了創新文化和設計人才。與之完全不同，豐田始終堅持「流程先行、技術後置」的原則，它先重新審視和優化工作流程，再精準部署數字工具，無論是在捷克科林工廠還是在北美製造體系優化中，豐田都獲得巨大成功。其根本原因在於它選擇了不能由數據替代人而是應由數據賦能一線員工做出更好判斷這個原則。因為，數據驅動必須與基層的緘默知識、現場經驗和市場需求形成良性互動。這兩個案例揭示了一個核心原則，數智化不是讓決策遠離一線，而是讓一線擁有更強大的決策武器。
效率提升與安全保障的關係。數智化轉型在顯著提升企業運營效率的同時，也帶來了數據安全、隱私保護和算法倫理等新型風險。生成式人工智能的爆發式應用使這一問題更加突出。處理好效率提升與安全保障的關係，意味着企業需要建立安全左移的治理理念，也就是在數智化項目設計之初就將數據分類分級、訪問控制、隱私計算、算法審計等安全機制嵌入架構底層，而非在系統上線後再亡羊補牢。與此同時，行業主管部門應加快制定細分領域的數據安全標準和AI應用倫理指引，為企業提供清晰的合規方向，在安全與發展之間尋求動態平衡。
龍頭企業牽引與中小企業協同的關係。企業數智化轉型絕非少數龍頭企業的獨角戲，而應是大中小企業融通發展的產業生態演化。上海本土企業黑湖科技開發的「黑湖小工單」「黑湖智造」「黑湖供應鏈」等平台產品，已服務覆蓋超過3萬家工廠，以輕量化SaaS模式為中小企業提供了「用得起、上手快、見效好」的數字化工具。處理好龍頭企業牽引與中小企業協同的關係，關鍵在於構建「平台賦能+鏈式傳導+公共服務」三位一體的生態體系，讓龍頭企業開放技術能力、共享數據資源，讓中小企業以較低門檻融入數智化浪潮，形成大企業頂天立地、中小企業鋪天蓋地的良性格局。
對上海而言，加快推進企業數智化轉型，可以從四對關係中汲取戰略性啓示。一是平衡好技術引進與自主創新的關係。要發揮科創資源集聚優勢，在消化吸收全球先進技術的基礎上，支持企業攻堅AI芯片、工業大模型、數字孿生等關鍵核心技術，培育一批具有自主知識產權的數智化產品與平台，避免重蹈GE封閉自守的覆轍，也要警惕陷入引進-落後-再引進的惡性循環。二是促進數據驅動與一線實踐之間的良性循環。推動企業數智化轉型，必須堅持「以場景為牽引、以實效為標準」，將數據洞察與行業經驗、現場緘默知識深度融合，讓數智化真正生長在產業土壤裏，而非懸浮於報表之上。三是築牢安全合規的底線思維。上海作為超大城市和數據要素流通樞紐，必須率先構建企業數智化轉型的安全治理框架，將數據安全、算法倫理和隱私保護嵌入轉型全過程，以可信、可控的數智化贏得社會信任和市場信心。四是全面打造龍頭帶動與中小企業協同的共生生態。數智化轉型不能僅靠少數標杆企業孤軍突進，而應形成大企業開放賦能、中小企業踊躍參與的產業共同體。上海應以產業鏈「鏈主」企業為樞紐，以「小快輕準」產品為橋樑，以公共服務平台為支撐，讓各類企業共享數智化紅利。
（作者為上海社會科學院世界經濟研究所副所長、研究員）
原標題：《做好企業數智化轉型這道「必答題」》
欄目主編：楊逸淇 文字編輯：陳瑜
來源：作者：胡曉鵬