“什么是數字化轉型”

對于數字化轉

定義，在不同的時間，不同機構、不同國的理解不盡相同。

對于數字化轉型的定義，在不同的時間，不同機構、不同國的理解不盡相同。

谷歌認為，數字化轉型的定義是利用現代化數字技術（包有類型的公共云、私有云和混合云平合)來創建或調整業務流程文化和客戶體驗，以適應不斷變化的業務和市場需求。

亞馬遜認為，數字化轉型的本質是信息技術和能力驅動變革。企業數字化轉型的三個關鍵是：第一，建立起數字化的企業戰略、模式和文化；第二，企業掌握駕馭數字化新技術的能力；第三，將數據視為企業的戰略資產。

國務院發展研究中心相關課題組在《傳統產業數字化轉型的式和路徑》中對數字化轉型的定義是：利用新一代信息技術，構建數據的采集、傳輸、存儲、處理和反饋的閉環，打通不同層級與不同行業間的數據壁壘，提高行業整體的運行效率，構建全新的數字經濟體系。

IDC(國際數據公司)一方面認為數字化轉型是“利用數字化技術（例如云計算、移動化、大數據/分析、社交和物聯網）能力來驅動組織商業模式創新和商業生態系統重構的途徑或方法”，一方面又覺得數字化轉型經濟與信息經濟、網絡經濟、互聯網經濟等大同小異。其實，兩種說法均在描述信息技術與經濟發展之間的關系，大體上可以將之理解為同一事物。

2016年《二十國集團數字經濟發展與合作倡議》將數字經濟定義為：以使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動。

上述說法均有各自的角度和道理，在此我想指出的是其中的共性：數據的價值正在日益凸顯。

林林總總的各類新技術、新模式本質上都是在采集更多的數據，并使傳輸數據速度更快，存儲數據更高效。沒有數據孤島，人或者系統依賴大數據可以做出更加準確、快速的決策。

數據有點像電氣化時代的“電”，它是新時代的能源，但它又不像“電”那樣離價值鏈那么遠。隨著數據量的空前膨脹和人工智能技術的日漸成熟，數據正在智能化地直接驅動幾乎所有企業的產品設計、經營決策、服務客戶等內部價值鏈甚至外部產業鏈。在商業世界，數據或許會像空氣那樣與你我親密接觸。

我認為，數字化轉型的本質就是盡可能地挖掘和釋放“數據”的價值。

值得注意的是，“數字化”不等于互聯網化。前者是涵蓋范疇更大的概念，后者更多強調互聯互通。互聯網只是數字技術應用的一個典型場景，互聯網公司也只是更精專于數字技術。

綜合眾多企業界人士的直觀感知和文獻資料，數字技術在企業內的影響越來越深遠的過程，大體可以分成三個階段：信息化階段、數字化階段和智能化階段。而這三個階段有著同一個前提——流程、數據標準化。

1、信息化階段

大多企業依靠人力去采集數據，特點為：即時性差；準確性待提升；數據類型簡單，多為文字、數字、音頻、視頻；數據單一，基本上是結果數據。

比起計算機普及前的數據量算大了，但也無法稱為“大數據”；數據聯通性差，企業內部的數據弧島象較為普遍。

企業的T架構大多是IOE(以BM為代表的主機、以ORACLE為代表的關系型數據庫、以EMC為代表的高端存儲設備）企業員工的辦公設備是電腦，應用的主要網絡是寬帶、Wi-Fi (短距離高速無線數據傳輸)。企業進行信息化的目的一般是提升價值鏈上某個單一環節的效率，典型動作則是購買OA(辦公自動化）、PLM(產品生命周期管理）、ERP(企業資源計劃)、CRM(客戶關系管理)等軟件。

信息化階段大體與PC互聯網、電腦（臺式機、筆記本電腦）的普及同步。在這個階段，互聯網、IT技術只能在有限的場景里連接人與人，其時間跨度大概是20世紀90年代至2010年。

2、數字化階段

移動終端通過傳感器自動采集、傳輸數據。這樣的數據特點為：

·數據類型豐富，以文字、數字、圖片、語音、視頻、物體狀態、交易、支付等多種多樣的方式呈現；

·數據維度多樣，行為數據量大幅增加；

·數據量暴增幾個級別，人類進入大數據時代；

·數據聯通性好，企業內部打通數據孤島。

企業的T架構大多在云端，企業使用的軟件多為SaaS(軟件即服務)模式。企業員工的辦公設備是個人電腦以及移動終端(智能手機、平板電腦、智能穿戴設備)，應用的主要網絡是寬帶、Wi-Fi以及4G。企業進行數字化的目的除了提升效率之外，還希數字化技術可以參與、重塑價值鏈的多個環節，與業務結合更加緊密，甚至改變公司的商業模式。

數字化階段涵蓋了移動互聯網、產業互聯網、物聯網的崛起，幾乎實現了人與人、人與物的全場景互聯，智能手機和其他智能移動端成為人體器官的延伸，其時間跨度大概是2011至今。

3、智能化階段:

萬物互聯，傳感器遍布世界，物聯網時代到來。數據類型進一步豐富，溫度、位置、環境等物體數據大增。數據量級進一步大漲，物聯網數據量將遠超非物聯網數據。數據維度保持多樣性。數據聯通性極好，在邊緣計算的幫助下系統處理數據的能力更好。

企業的IT架構部署在混合云、公有云和私有云。企業員工的辦公設備是個人電腦以及移動終端，應用的主要網絡是W-Fi、4G以及5G。除了信息化、數字化階段的目的外，企業進行智能化還希望在公司運營上實現系統與系統對接，依靠算法做智能決策，以降低對個體經驗的依賴，提高決策效率，擴大判斷維度。

另一個近期或可實現目的則是數字孿生，即在虛擬空間中構建可同步交互映射的數字模型與物理實體，實現數字世界與物理世界的融合。數字孿生可以感知、診斷、預測物理實體的狀態，進而優化物理實體、進化自身的數字模型。它可以整體優化多個行業的運行效率。

智能化階段由人工智能、物聯網的興起所驅動。由于產業互聯網中物物互聯、人機交互場景眾多，AIoT已成為傳統企業數字化轉型的重要通道之一。這個階段的時間跨度大概是2016年至今。

一些頂尖的數字化原住民公司的內部價值鏈，已經整體推進到了智能化階段；一些頂尖的新移民公司雖然整體上處于數字化轉型中，但價值鏈的個別環節也推進到了智能化階段。

考慮到中國企業參差不齊的發展階段，嚴格意義上講，當前中國企業整體上處于數智化的狀態，即以數字化轉型為主、智能化升級為輔，互相融合推進。

數字化三階段的演進，得益于技術基礎設施的不斷進步。當前企業界的數字化轉型、智能化升級蔚然成風，即是因為技術基礎設施在前幾年已經打下了很好的基礎。

1、數據源頭：萬物皆可數字化

最近七八年間，人類的生存方式對數字化的依卷程度越來越高。

溝通、閱讀、娛樂、工作等行為時，處于衣、食、住、生存狀態時，度過生、老、病、死等人生階段時，使用的產品中由原子構成的越來越少，由比特構成的越來越多。

正在悄然崛起的全息投影、AR(增強現實)、VR(虛擬現實)MR(混合現實)等數字技術，則會讓虛擬世界和現實世界進一步緊密結合。比如，貝殼找房的VR看房已經能讓大家不出門即看到錫栩如生的真實場景，或許十年之內，你能看到美劇《西部世界》彩那樣真實到不可思議的虛擬世界。

2、數據采集：傳感器普及

從數據采集的角度來看，移動互聯網和物聯網普及浪潮的核心并不是手機或者智能硬件，而是其中的傳感器。

任何一個你認為挺聰明的終端上，都集成了少則十幾個、多則幾十個傳感器：陀螺儀傳感器、壓力傳感器、指紋傳感器、熱電偶溫度傳感器、心率傳感器、加速度傳感器、面部識別傳感器、血氧傳感器、影像傳感器、超聲波傳感器、懸崖傳感器、沿墻傳感器、三目前視攝像頭傳感器、毫米波/激光雷達傳感器、跌落傳感器、里程傳感器、風機傳感器、回充傳感器、激光測距傳感器······

這些傳感器不斷感知物理世界，采集各種數據，再由中央處理器或圖形處理器(CPU/GPU)計算處理，通過各個App讓你的手機、手環、平板電腦、耳機、電動車等智能設備實現臉部識別、指紋識別、自動息屏、自動駕駛、遠程車輛軟件升級(FOTA)等功能。沒有傳感器，手機、電動車、可穿戴設備就沒有那么多維的數據和豐富的功能。

這些終端產生的數據量已經超過了常人的想象。僅舉一例，一臺智能電動車會產生1.3PB/月的數據以及80萬張/天的待標。

3、數據傳輸：4G普及，5G到來

匹配海量數據傳輸的技術基礎首先是4G。2019年，三年全國4G平均下行速率已經達到了24Mbps5，，即我們在生活中能感受到的手機下載速度可達3MB/s6。同時中國的4G用戶數已達12.4億，4G用戶占移動電話用戶的比例接近80％。

正是基于這樣的普及率和速度，才有了社交、游戲、直播視頻等移動互聯網服務的極度繁榮和產業互聯網的方興未艾。

5G的平均下行速率則是4G的10倍左右，5G理論最低延小于1毫秒——還不到當前4G網絡最低延遲的1/20。除了高速率、低延時之外，5G還有廣連接、高可靠等特點。

”隨著終端價的降低，5G時代已經到來。截至2020年底，中國5G套餐用戶數已超過3億，終端連接數已超過2億。

正是這樣的傳輸技術將支撐智慧物流、餐飲外賣、打車、在線醫療、在線教育、視頻會議、遠程辦公、智能制造、ARVR、自動駕駛/車路協同等產業互聯網應用進入新的發展階段。

4、數據存儲與算力：“云”的迭代

根據中國信息通信研究院發布的《云計算發展白皮書(2020年)》，2019年中國已經應用云計算的企業占比達到66.1％。在存儲領域，全球已經有22％的企業選擇把數據存儲在云端，僅次于選擇內部數據中心的30％。這意味著企業IT架構的去IOE化已不是趨勢，而是現實。

數據庫里的大量數據有待計算，計算能力還不能太貴，不然也沒價值。在國家建設的超級計算中心服務能力有限的前提下，云廠商紛紛加速設立HPC(High Performance Computing，高性能計算機群)超算業務。

IDC則研究發現，得益于互聯網巨頭對人工智能不遺余力的投入，中美兩國互聯網行業的算力支出占比均超過30％。根據券商的測算，公有云算力的投資比例將從2014年的0.01％驟增至2020年的11.75％。計算能力的增加反過來又將推動區塊鏈、視頻、自動駕駛、智能電網等行業的發展。比如智能電網，傳統的人工巡檢電路若改為視頻巡檢，巡檢效率可提高約80倍，同時識別準確率大大提高，可及時發現人工巡檢不易發現的隱患點。

5、數據應用：人工智能輔助甚至代替決策

前述四大技術基礎設施分別可以在不同的剖面給企業界帶來效率的提升，但把他們當成一個部件的話，算力、算法、數據則指向一個共同的方向：人工智能(AI）。

人工智能是指讓系統與人或物進行交互，通過知識庫和機器學習等方式模擬人的思維過程和智能行為，如學習、推理、思考、規劃等，并對自身進行迭代、改進。落地到商業世界的場景，即是通過算法、算力來訓練大量數據，建立相應的映射關系從而輔助業務決策甚至直接給出推理結果。

2016年AlphaGo令人震驚地擊敗世界圍棋冠軍李世石后，人們才意識到了人工智能在大數據、深度學習、云計算的支撐下已經進化到了如此“聰明”的程度。

接下來的幾年里，我們看見圖像識別、視頻識別、語音識別、語義理解、語音合成、機器翻譯、語義理解等技術在金融、醫療、安防、交通、教育等領域實現了頗為深度的落地。比如機器人客服、拍照搜題、語音助手、自動駕駛，人臉識別。

新冠肺炎疫情肆虐時，武漢的部分醫院曾裝設了騰訊AI醫療實驗室“騰訊覓影”，其基于CT圖像識別的AI輔助診斷，可在2秒內完成模式識別，1分鐘內為醫生提供診斷參考。

在復雜決策領域，人工智能也開始嶄露頭角。我在中國新零售領域的企業中，在門店排班、訂貨環節解放店長，讓系統來做決策已成為潮流。而在亞馬遜，預測需求、訂購庫存、動態定價等任務已在2018年被交給了算法驅動的系統，系統會根據全網數據自行工作且不大需要人工干預。

IDC認為人工智能將在中國企業的數字化轉型中扮演重要角色，到2022年，“中國具備人工智能（AI)實力的企業對客戶、競爭對手、監管機構和合作伙伴的響應將比同行快至少30％”。

（本文節選自：中信出版社：《數智革新》）
文章來源：產業互聯網大視野