陈江宁 罗 露 祁 鹏
最近有几家工业互联网企业正积极筹备上市，在业界引起极大的反响。这些讨论背后的核心逻辑是：工业互联网能为制造业带来怎样的价值？或者工业互联网商业模式的有效边界在哪里？多家大型头部企业强调数字化转型，成立专门管理部门，招聘人才，希望通过管理推进企业的数字化变革，应如何看待有关举措？
何为工业互联网市场
工业互联网是以互联网的禀赋赋能工业，可全面提升工业企业的制造水平、管理效率和资源优化能力。经典的工业互联网架构包括“边缘—平台—应用”三个层级，所涉及的技术、场景和客户市场不同，其核心是能否提升企业的效率、大幅度降低企业的成本、提高资源的优化协同能力。要把提供工业互联网各类技术服务和提供工业互联网集成服务区分开。在谈这个问题之前，需要明确数字经济的定义和范畴。中国信通院对于数字化产业和产业数字化的有关标准是数字产业占GDP比重要达到30%以上。按照“十四五” 规划和2035年远景目标纲要所提到的，2020年我国数字经济核心产业增加值占GDP的比重为7.8%，到2025年这一数字达到10%，是“十四五”时期经济社会发展的20个主要指标之一。这一目标对比世界主要的数字化程度比较高的国家，如美国、英国等，标准不相上下， 应该是合理的。美国联邦统计局定义的数字经济有三个维度： 基础设施（Infrastructure）、电子商务（E-commerce）、收费数字服务（Priced digital services），非常合理和清晰； 国家统计局《数字经济及其核心产业统计分类（2021）》将有关产业分成五类：数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字效率提升业。根据相关分类，我们可以大致定位工业互联网企业：本身是行业头部企业孵化的工业互联网公司，其近三年主要营收来自母公司，其核心技术与工业互联网平台和集成相关，同时能够与机械制造数字化管理区分开来；从其人员结构来看，包括“销售+研发+ 交付”三个环节的人员，其中销售人员的比例是比较高的， 但实际贡献业绩的外部客户并不多。这说明互联网平台赋能工业还有很长的路要走。如果上市对于工业互联网相关的行业企业是一种探索模式的鼓励，更要防止上市是融资发展而不是“解套甩锅”。
工业互联网的市场状态
工业互联网是将互联网的思维和禀赋应用到工业，其实就是“数据驱动、流程牵引、场景创造”的过程，重点要解决企业的成本问题并提升效率。需要从边缘层有效地进行数据采集和预处理，平台层的数据流通和基于业务流程的可视化，应用层基于场景的工业App应用，以及基于管理流程的数字化工具为企业管理、业务人员赋能，并融入企业决策人员的日常工作和思维决策中。因此，工业互联网的市场应该是广阔的。相关研究表明， 2021年我国工业互联网产业规模超过万亿元大关，同比增长11%，预计2022年达1.1万亿元规模，2018—2022年复合增长率约45%。2021年我国工业互联网产业增加值达到4.2万亿元， 同比增长36%，预计2022年将迈过5万亿元台阶，复合增长率37%。该产业可孕育5—10家头部企业，经历新冠肺炎疫情冲击后，以工业互联网为载体的新型工业和经济模式将成为我国经济高质量发展的着力点。
从目前的探索来看，结合上面的统计定义，大概有三种商业模式可以参考：一是头部企业孵化要避免成为“脱不开奶的儿子”。二是专注做通用技术，无论是边缘层、平台层还是应用层，都要避免泛解决方案化（从笔者经验来看，集成商的利润在3%-5%，还要考虑账期问题），因为泛解决方案是过度定制化而无法形成标准化的产品。三是提供各类服务（无论是采集端、接入端、集成端或者管理、效率、流程提升的服务，抑或数据服务等），存在行业壁垒，但客户粘性大，要防止摊子铺得过大，销售和交付人员过多。例如，一家做数据治理和数据安全的公司，前端大客户经理只有6个，一年能创造1.5亿—2亿元的订单，后端交付人员和研发人员的比例几乎是1∶1，这是非常有意思的比例。另外，可参考在美国上市的SAAS服务的企业，其基本客单量在150万—250万元人民币，但其市值均在50亿—100亿美元，而目前国内头部的工业互联网公司基本上在这个水平的20%—50%，这些数据大概描绘出工业互联网的前景轮廓。
目前的状态是，大量的工业互联网创业公司要么拥有技术但不知道如何落地，要么了解客户但没有核心技术解决方案， 要么无法获得场景也无法打通企业商务流程，其原因在于To B业务是团队作战，需要的不仅仅是资金，还有资源的支撑以及对行业、产业和管理流程的深刻理解。工业互联网应从两端解决问题：数字的灵活采集、数据的可视化呈现能力，以及提供数据的决策工具，运营数据资产的定价带来新的商业模式，最终实现从底层到决策层的透明和可持续决策。真正做市场运营的人员其实都具备一定的数据思维，但如何把直觉变成系统，就是笔者所讲的“数据核心、流程牵引、场景创新”。数字化转型要避免成为一场运动或再设一个岗位、部门和流程的过程。从目前企业考核的情况来看， 还是以上系统为主， 以领导的意图为主，依旧是“领导来屏幕开，领导说照着做”的模式。其实需要强行的数字化工具，引导系统化思维能力，来帮助企业转型。
企业最重要的是降低成本和优化资源，而数字化是赋能的，并从流程提升、精益化和工具上提供提升空间。
管理层特别是决策层， 如果自身不愿意拥抱数字化工具，不能成为数字化的实践者、设计者，企业就没有办法从工业互联网的赋能中获益或者成为工业互联网中的运动员。
工业互联网的发展现状
制造行业是一个流程长、门类繁多、制度和管理门槛高、应用场景复杂的行业，很多企业在推进工业互联网及数字化转型的过程中或多或少会遇到困惑，仅仅依靠技术去赋能产业，不仅难以创造出足够的经济价值，且最终的效果也偏离了初心。所以工业互联网一定要坚持初心，即以互联网的特性和禀赋赋能工业，通过智能制造的内循环与工业互联网的外循环实现企业数字化转型战略下商业模式的创新和管理制度的变革，从而实现可持续发展。
当前，工业互联网发展的态势波澜壮阔。一方面，无论是产业界、学界、资本界、媒体还是政府都在投入， 但另一方面，大家感觉成效不明显。在实际工作中发现，企业数字化转型仅靠技术端去赋能产业，其效果与初心达不成一致，企业的数字化转型难以推进。笔者认为其中存在两个问题：一方面，仅仅是资金的投入和技术的导入并没有为企业带来资源优化和协同，应加强企业的管理运营能力与工业互联网赋能的数字化转型能力紧密融合；另一方面，部分企业的管理人员本身就抗拒数字化，没有数据的思维和决策能力，现场生产管理人员缺乏场景的洞察力，这需要公司市场业务人员、生产运营人员提高数据思考能力，利用互联网的禀赋降低技术在工业场景中的应用门槛， 同时提升全员数字技术应用能力， 建立场景的洞察力和数据的决策力。
笔者在做企业数字化转型工作时有两大困惑：一是数字化转型只谈技术赋能而不深入做流程变革，二是数字化转型管理流程的精益化是被弱化的，而在实际推进中，企业无论是节约成本还是提升效率， 其核心逻辑就是精益化。
对于从业公司而言，当前最大的问题是什么？首先不应过于关注平台本身，而是开发“小而美”的技术和拓展“广而深”的消费，必须从制造业工厂的四个进阶来入手：一是人机交互运营管理模式，解决效率问题；二是基于“场景智能”的运营管理模式，解决过程问题；三是工厂数字化的运营管理模式，解决优化资源配置方式问题；四是流程牵引、数据融合的智能工厂，解决运营管理问题。
因此，首先，建议工业互联网的企业关注从采集侧、应用层打造企业专属的“小而美”的核心竞争力。其次，在应用层推动基于行业的变革能力提升。比如，上海化工宝数字科技公司专业提供化工厂园链的数字化服务和解决方案，还有欧冶工业品公司通过“平台+数字化” 进行转型，利用数字化工具实现MRO的专业化服务。最后，执行“最后一公里”非常重要。在工业互联网的应用特别是在数据采集端的传感器产业发展中，传感器是基础核心，是数据源头和转化起点，传感器本质上是和自然有效结合的，需要的是敏感性和准确性，但这两个要求不一定要同时满足； 传感器是小众产业，面对不同应用的传感器完全不一样，所以市场的天花板不是数量而是应用需求；传感器产业单纯靠自身成长是可行的，成为隐形冠军，但这需要工匠精神。总体看来，传感器产业是一个市场国际化、技术国际化、极富流动性的产业形态。
随着数字化转型和工业互联网的推进，未来医疗保健、工业制造、环境保护和“ 双碳”管理等领域具有较大潜力。
数据资产管理同样应成为未来的增长点，无论是供给侧还是消费侧，数据处理都是非常重要的。国内在数据库、安全管理、平台化服务等方面重点发力，数据资产化的发展， 数据交易、数据价值等成为重点。从目前的实践来看，数据资产由于场景、加工、实施对象、使用能力及水平的不同， 所体现的价值也是不同的，由此带来数据资产价值的不确定性，需要创新交易模式公平地体现数据资产的价值，或通过创新专业数据服务来体现为有效实现数据资产的数字孪生， 达到“ 平台即实现、数据即服务”的状态。为此，需要对数据管理流程进行变革，从用户的需求和市场的变化出发，与用户就数据管理的内容进行充分和有效的沟通，通过与用户的互动来定义战略，包括路径、流程、改进目标、相应的管理组织能力和与之适应的落地技术架构，将不同来源和渠道的数据进行有效的数据治理，将源数据、数据采集、存储、分析、管理与应用各个环节有效整合与管理，从而形成基于企业数据资源的数据资产包。
工业互联网的发展机遇
结合最新的政策和市场空间分析，有三个万亿以上的市场是工业互联网可以发力的。
一是“ 双碳” 目标的达成。企业可以在技术、产品及供应链等多个环节，分析碳数据的采集、汇集、管理与核算过程， 对比、分析、决策、管理各类解决方案，选择最适用于本企业的低碳技术，从而最大程度地发挥全社会各行业企业的减排潜力，同时对碳排放水平和能力进行数据化，结合碳市场，建立有效的碳交易模式。在这一过程中， 可以借助工业互联网的特性和禀赋来实现企业运营模式，大幅提高企业运行效率。与工业互联网平台类似， 基于碳数据治理的LCA计算， 以及碳达峰、碳中和的数据架构，都具有边缘层、数据层、应用层，并且都需要从现场层获取数据，在数据层实现数据治理、数据可视化，在应用层分析数据，导入应用需求，形成“碳数据”驱动下的工业互联网赋能模式，也就是建立基于碳计算的碳资产管控的工业互联网平台。进一步形成数据驱动下的碳资产管理模式，形成从碳核查、碳优化到碳交易的全过程闭环。
二是医保数字化监管。各省（市、区）医院HIS信息系统的医疗数据是海量数据。医疗大数据分析与智能监管工作的目的，是运用专家知识库， 基于规则，对海量的医疗数据进行分析运算，从而寻找其中不符合医疗保险政策规定及临床常规的问题。通过医保大数据分析，可以准确反映医院、医生、病人、药房、药厂、医疗设备在医保活动中的行为， 可以快速准确地找出不恰当、不合规的行为，从而减少监管的人力物力。
三是为乡村振兴进行数字化赋能。从数字化转型的角度理解“三农”，实现有的放矢的赋能。农村需要重塑产业模式、组织和文化， 使农业变得更敏捷、更柔性， 为农户创造价值的同时跨越农村数字鸿沟，实现农村治理。新一代信息技术逐渐应用到农业领域，深刻改变了农业的发展方式，提升了农业的生产效率与发展质量，促进了农业的转型升级；信息技术发挥了提高农村人力资本水平、提升农民市场对接能力、提供创业就业机会、推动农业产业转型升级的作用，数字化红利外溢到乡村。随着数字技术向“三农” 领域扩散，技术变革不仅体现在农业生产上，还发生在乡村生态、文化、治理、服务等方面，数字技术愈发成为促进产业升级、强化基层治理、推广普惠服务的重要手段。
对于工业互联网发展的对策建议
一是应搭建致力于中国工业互联网战略新兴产业领域的平台。包括战略研究、体系构建、趋势分析、产业升级、资本向善、政策建言，形成“产—学— 研—投”的一体化模式，以多种形式运营，实现知识交流、资源对接、能力共享、价值共创。
二是应组建长周期的、面向智能制造和工业互联网的产业基金。实现这一目标，并逐渐探索出有别于传统产业基金的新模式。实现“投前—投中—投后”的双重预防及管控模式。成立基金的初心是帮助产业提升效率，提升水平。从这个层面，产业基金应提供一个生态赋能平台，促进资源协同共享。
三是加强关键核心技术的突破。建议重点关注工业软件、传感器、智能化仪表、嵌入式系统、软硬结合系统、人机互动系统等政策支持和引导方式，应认识到这些核心技术和产品不是研发出来的，而是通过实践锤炼出的，需要更多的场景、更多使用者的纠错和训练。建议建立商业运作实体与产业场景孵化相结合，科研院所参与的模式，其考核指标是应用多少场景，形成多少营收，同时建议政府鼓励国产化替代，并容许试错空间。
四是工业互联网企业需要真正拥抱企业管理、企业运营， 而不是成为“买卖工具”。工业互联网的高创新性、强渗透性、广覆盖性，不仅自身成为经济增长点，也成为改造提升传统产业的支点。因此，必须采取产技融集合的模式，充分利用数字化工具和数据可溯源、可流动的特点， 与企业深度融合，成为企业数字化“贴身管家”，才能真正赋能产业，进而提升效率和水平。
五是B端的企业更要积极地融入数字化转型，避免“上系统、上平台”的冲动和导致成本及管理叠加的风险。基于企业自身的管理和经营特点，从流程变革和组织架构变革的维度学会使用数字化的工具和系统。例如，一家非常有名的央企， 在数据治理方面已有专业化、自动化工具的前提下，进行数字治理仍采用人工和表格分区域实施的模式，其结果必然是数出多源。其原因一是经验主义，内卷式的数字化转型，无法了解外部市场；二是缺乏顶层设计和系统化推进的能力， 更多的是长官意志，而不是从数据自身的特性出发与企业实际结合。数字化转型本身就是一个长周期的投资过程。国务院国资委、国家发改委、工信部等都在推进数字化转型，各大企业都在努力设计架构，但应尽量避免运动式。比较好的模式是先与外部共同设计一个数字化转型的POC（原型架构），然后采取“组织内部门清的领导+ 社会上市场运营副手”的模式来推动企业数字化转型，从顶层设计、实施路径、保障评价体制、人才培养、可持续模式等方面加强建设。
六是要有效地利用产业数智化和数智产业化的转化过程。认识到数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各个环节，深刻改变着生产方式、生活方式和社会治理方式。数据具备双重属性，一是价值属性和产权属性，通过工业大数据的分析，提升关键技术在设计、工艺、生产、管理、服务等各个环节的智能化水平，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值；二是明确的权属关系和资产价值，企业能够决定数据的具体使用方式和边界，数据产权属性明显。数据的价值属性实质上是基于数据采集、存储、分析等关键技术，来提升或变现工业生产、运维、服务过程中的数据价值；而数据的产权属性则偏重于通过管理机制和管理方法，帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。在数字经济时代，充分利用数字的灵活采集、可视化，决策工具，运营数据资产的能力， 特别是建立和培养企业管理运营人员的数字化思维，最终打通从底层到决策层的透明和可持续决策。打破不同业务领域之间的壁垒，真正做到数据和业务流程的融会贯通，产生新的商业模式，形成业务增值和提升核心竞争力。
七是考虑政策的托底和引导效果。建议从退税、人才引进、企业智力扶持、中小企业的通用化服务等角度，建立从产学研融角度提供人才培养、咨询服务、产业研究、工匠经验整合，特别是制造业数字化转型地图、数字化转型知识图谱形成的，基于行业特点和产业通用性的推广模式。建立制造业“专精特新”数字化转型基金，即“技术端+企业需求端”，由政府引导的“产业+金融人才”共同运营的产业化基金，实行“专业性服务+长期性投资”的技术孵化模式。
从信息化到智能制造，从工业互联网到数字经济，中国在不断地推进制造业的转型升级，提升产业的效率和制造水平。在这一进程中，采取顶层设计、体系化推进和专业化管理，要避免运动式的数字化转型和以此为名的系统全覆盖模式。相应的管理部门要从服务企业运营、优化运营效率出发，坚持事物的本源，从数据资产的使用和创新的角度看待问题，系统化推进，平衡成本效率。
工业互联网的本质是基于互联网的禀赋和数据的特性， 创造出新业态、新模式，在此背景下，“懂行”的产业运营者、技术服务商和资本管理人正成为制造业企业数字化转型的助推器和创新源。进入新时代， “数据核心、流程牵引、场景创新”，来自企业也应回归企业，“唯天下之至诚能胜天下之至伪，唯天下之至拙能胜天下之至巧”。
作者分别为宝武碳业首席信息官、国金新研院学术委员会主席； 国金证券通信和智能汽车首席分析师；上海孟伯智能物联网科技有限公司总经理