" 十五五 " 规划纲要强调要全方位推进数智技术赋能，提出 " 建设数智化转型促进网络，健全中小企业数智赋能服务体系 "。数智化转型不是一道 " 选择题 "，而是关乎企业生存发展的 " 必答题 "。其成败的关键并不在技术本身，而在能否处理好转型进程中的深层矛盾关系。

一场组织形态与生产方式的全面重构

理解企业数智化转型的特殊内涵，关键在于厘清信息化、数字化、智能化、数智化四个概念的递进关系。信息化解决的是 " 有没有 " 系统的问题，其本质是将纸质流程电子化、标准化、可追溯，但决策逻辑仍高度依赖管理者个人经验。数字化则进一步解决 " 好不好 " 的问题，围绕数据重塑业务流程，实现数据的实时化采集与业务联动，使企业从 " 看得到业务 " 进入 " 看得懂业务 " 的新阶段。智能化在前两者的基础上解决 " 能不能预测 " 的问题，系统通过机器学习、机器视觉、自然语言处理等 AI 技术，从执行型工具升级为认知型伙伴，具备自主判断和预测能力。由此推演，数智化不仅仅是一次技术升级，更是一场组织形态与生产方式的全面重构。理论上讲，数智化构建了三条深度融合的价值链逻辑。第一条是数据价值链，表现为从数据到数据产品再进化到数据资产的逻辑链；第二条是智能价值链，表现为模型转化为智能单点最终进化为智能体协同的逻辑路径；第三条是组织价值链，表现为流程型组织转化为数据型组织最终演进为智能体组织的逻辑路径。从这里不难看出，企业数智化转型的核心标志不是引进了多少套 AI 系统，而是数据是否真正成为生产要素参与价值创造，智能是否真正嵌入组织的决策基因，组织是否真正具备了持续学习与自我进化的能力。简言之，数字化让企业 " 长出数据肌肉 "，而数智化则让企业 " 拥有智能大脑 "。

进一步探讨，与企业数字化转型相比，数智化转型在驱动逻辑、技术架构、价值创造和组织形态方面呈现出四个鲜明特点。一是在驱动逻辑方面，实现了从数据辅助决策升级为智能驱动决策。这是因为，传统数字化强调用数据报表支撑管理判断，而数智化阶段中的 AI 模型直接嵌入研发设计、生产调度、供应链管理、客户运营等核心业务环节，实现从 " 人找数 " 到 " 数找人 "、从 " 人做决策 " 到 " 人机协同决策 " 的跨越。二是在技术架构方面，完成了从 " 烟囱式系统 " 到 " 平台化底座 " 的转变。这是因为，数智化要求企业构建统一的数据中台与 AI 中台，需要打通 ERP、MES、CRM 等系统间的数据孤岛，形成全域数据贯通、模型共享复用的能力体系。三是在价值创造方面，实现了从原先的 " 降本增效 " 到 " 模式创新 " 的转变。这是因为，数智化不仅仅是优化存量业务的效率，更在于将催生出数据产品、智能服务、平台生态等增量价值形态，最终推动企业从产品提供商向解决方案服务商、平台运营商进化。四是在组织形态方面，完成了从 " 科层管控 " 向 " 敏捷协同 " 的转变。通常而言，数智化转型要求组织结构从金字塔式管控转向扁平化、网络化的作战单元，以数据为纽带实现跨部门、跨层级的动态协同，让一线员工在数据赋能下拥有更大的自主决策权。

视觉中国

从四对关系中汲取战略性启示

企业数智化转型是一项复杂的系统工程，绝非简单的技术采购与系统部署。纵观全球实践，成功者各有路径，失败者却往往在同一类矛盾面前失足。深刻理解并妥善处理好以下四对关系，是确保转型成功的关键。

技术引进与自主创新的关系。数智化转型离不开先进技术的支撑，但技术引进的深度与方式，直接影响转型的成败与可持续性。国际上最令人警醒的案例当属通用电气（GE）Predix 工业互联网平台。GE 自 2011 年起投入近 100 亿美元，试图将 Predix 打造为 " 工业世界的安卓 "。然而，这一愿景在 2024 年落幕。究其根源，GE 陷入了典型的 " 技术万能主义 " 陷阱，那种用季度利润考核平台业务的做法，与技术研发需要长期耐心资本的内在规律形成根本冲突。更深层问题在于，GE 的工业基因深植于追求零缺陷的 " 六西格玛 " 文化，与软件开发所需的快速迭代、容忍失败的敏捷文化不可调和。相比之下，德国西门子采取 " 客户零号 " 策略，尝试在自己工厂里先验证技术再推向市场，获得巨大成功。更关键的是，西门子打造了开放的平台生态，建立起清晰的销售 - 服务 - 共建合作伙伴路径，避免与合作伙伴形成零和博弈。这些案例充分说明，技术引进是手段而非目的，只有在引进消化基础上培育自主创新能力、构建开放可控的技术生态，才能使数智化转型真正落地见效。

顶层数据驱动与基层实践探索的关系。数智化转型必然涉及数据驱动决策，但数据的质量、维度和解读方式决定了决策的有效边界。耐克为此付出了深刻教训。在直接面向消费者转型的过程中，耐克利用线上销售数据，激进推行数据驱动战略，将零售合作伙伴从约 3 万家大幅削减至约 40 家，全面押注自有 App 和线上渠道。更致命的是，耐克围绕 " 可被最容易收集的数据 " 重新组织产品策略，过度依赖老款复刻，丧失了创新文化和设计人才。与之完全不同，丰田始终坚持 " 流程先行、技术后置 " 的原则，它先重新审视和优化工作流程，再精准部署数字工具，无论是在捷克科林工厂还是在北美制造体系优化中，丰田都获得巨大成功。其根本原因在于它选择了不能由数据替代人而是应由数据赋能一线员工做出更好判断这个原则。因为，数据驱动必须与基层的缄默知识、现场经验和市场需求形成良性互动。这两个案例揭示了一个核心原则，数智化不是让决策远离一线，而是让一线拥有更强大的决策武器。

效率提升与安全保障的关系。数智化转型在显著提升企业运营效率的同时，也带来了数据安全、隐私保护和算法伦理等新型风险。生成式人工智能的爆发式应用使这一问题更加突出。处理好效率提升与安全保障的关系，意味着企业需要建立安全左移的治理理念，也就是在数智化项目设计之初就将数据分类分级、访问控制、隐私计算、算法审计等安全机制嵌入架构底层，而非在系统上线后再亡羊补牢。与此同时，行业主管部门应加快制定细分领域的数据安全标准和 AI 应用伦理指引，为企业提供清晰的合规方向，在安全与发展之间寻求动态平衡。

龙头企业牵引与中小企业协同的关系。企业数智化转型绝非少数龙头企业的独角戏，而应是大中小企业融通发展的产业生态演化。上海本土企业黑湖科技开发的 " 黑湖小工单 "" 黑湖智造 "" 黑湖供应链 " 等平台产品，已服务覆盖超过 3 万家工厂，以轻量化 SaaS 模式为中小企业提供了 " 用得起、上手快、见效好 " 的数字化工具。处理好龙头企业牵引与中小企业协同的关系，关键在于构建 " 平台赋能 + 链式传导 + 公共服务 " 三位一体的生态体系，让龙头企业开放技术能力、共享数据资源，让中小企业以较低门槛融入数智化浪潮，形成大企业顶天立地、中小企业铺天盖地的良性格局。

对上海而言，加快推进企业数智化转型，可以从四对关系中汲取战略性启示。一是平衡好技术引进与自主创新的关系。要发挥科创资源集聚优势，在消化吸收全球先进技术的基础上，支持企业攻坚 AI 芯片、工业大模型、数字孪生等关键核心技术，培育一批具有自主知识产权的数智化产品与平台，避免重蹈 GE 封闭自守的覆辙，也要警惕陷入引进 - 落后 - 再引进的恶性循环。二是促进数据驱动与一线实践之间的良性循环。推动企业数智化转型，必须坚持 " 以场景为牵引、以实效为标准 "，将数据洞察与行业经验、现场缄默知识深度融合，让数智化真正生长在产业土壤里，而非悬浮于报表之上。三是筑牢安全合规的底线思维。上海作为超大城市和数据要素流通枢纽，必须率先构建企业数智化转型的安全治理框架，将数据安全、算法伦理和隐私保护嵌入转型全过程，以可信、可控的数智化赢得社会信任和市场信心。四是全面打造龙头带动与中小企业协同的共生生态。数智化转型不能仅靠少数标杆企业孤军突进，而应形成大企业开放赋能、中小企业踊跃参与的产业共同体。上海应以产业链 " 链主 " 企业为枢纽，以 " 小快轻准 " 产品为桥梁，以公共服务平台为支撑，让各类企业共享数智化红利。

（作者为上海社会科学院世界经济研究所副所长、研究员）