“什么是数字化转型”

对于数字化转

定义，在不同的时间，不同机构、不同国的理解不尽相同。

对于数字化转型的定义，在不同的时间，不同机构、不同国的理解不尽相同。

谷歌认为，数字化转型的定义是利用现代化数字技术（包有类型的公共云、私有云和混合云平合)来创建或调整业务流程文化和客户体验，以适应不断变化的业务和市场需求。

亚马逊认为，数字化转型的本质是信息技术和能力驱动变革。企业数字化转型的三个关键是：第一，建立起数字化的企业战略、模式和文化；第二，企业掌握驾驭数字化新技术的能力；第三，将数据视为企业的战略资产。

国务院发展研究中心相关课题组在《传统产业数字化转型的式和路径》中对数字化转型的定义是：利用新一代信息技术，构建数据的采集、传输、存储、处理和反馈的闭环，打通不同层级与不同行业间的数据壁垒，提高行业整体的运行效率，构建全新的数字经济体系。

IDC(国际数据公司)一方面认为数字化转型是“利用数字化技术（例如云计算、移动化、大数据/分析、社交和物联网）能力来驱动组织商业模式创新和商业生态系统重构的途径或方法”，一方面又觉得数字化转型经济与信息经济、网络经济、互联网经济等大同小异。其实，两种说法均在描述信息技术与经济发展之间的关系，大体上可以将之理解为同一事物。

2016年《二十国集团数字经济发展与合作倡议》将数字经济定义为：以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。

上述说法均有各自的角度和道理，在此我想指出的是其中的共性：数据的价值正在日益凸显。

林林总总的各类新技术、新模式本质上都是在采集更多的数据，并使传输数据速度更快，存储数据更高效。没有数据孤岛，人或者系统依赖大数据可以做出更加准确、快速的决策。

数据有点像电气化时代的“电”，它是新时代的能源，但它又不像“电”那样离价值链那么远。随着数据量的空前膨胀和人工智能技术的日渐成熟，数据正在智能化地直接驱动几乎所有企业的产品设计、经营决策、服务客户等内部价值链甚至外部产业链。在商业世界，数据或许会像空气那样与你我亲密接触。

我认为，数字化转型的本质就是尽可能地挖掘和释放“数据”的价值。

值得注意的是，“数字化”不等于互联网化。前者是涵盖范畴更大的概念，后者更多强调互联互通。互联网只是数字技术应用的一个典型场景，互联网公司也只是更精专于数字技术。

综合众多企业界人士的直观感知和文献资料，数字技术在企业内的影响越来越深远的过程，大体可以分成三个阶段：信息化阶段、数字化阶段和智能化阶段。而这三个阶段有着同一个前提——流程、数据标准化。

1、信息化阶段

大多企业依靠人力去采集数据，特点为：即时性差；准确性待提升；数据类型简单，多为文字、数字、音频、视频；数据单一，基本上是结果数据。

比起计算机普及前的数据量算大了，但也无法称为“大数据”；数据联通性差，企业内部的数据弧岛象较为普遍。

企业的T架构大多是IOE(以BM为代表的主机、以Oracle为代表的关系型数据库、以EMC为代表的高端存储设备）企业员工的办公设备是电脑，应用的主要网络是宽带、Wi-Fi (短距离高速无线数据传输)。企业进行信息化的目的一般是提升价值链上某个单一环节的效率，典型动作则是购买OA(办公自动化）、PLM(产品生命周期管理）、ERP(企业资源计划)、CRM(客户关系管理)等软件。

信息化阶段大体与PC互联网、电脑（台式机、笔记本电脑）的普及同步。在这个阶段，互联网、IT技术只能在有限的场景里连接人与人，其时间跨度大概是20世纪90年代至2010年。

2、数字化阶段

移动终端通过传感器自动采集、传输数据。这样的数据特点为：

·数据类型丰富，以文字、数字、图片、语音、视频、物体状态、交易、支付等多种多样的方式呈现；

·数据维度多样，行为数据量大幅增加；

·数据量暴增几个级别，人类进入大数据时代；

·数据联通性好，企业内部打通数据孤岛。

企业的T架构大多在云端，企业使用的软件多为SaaS(软件即服务)模式。企业员工的办公设备是个人电脑以及移动终端(智能手机、平板电脑、智能穿戴设备)，应用的主要网络是宽带、Wi-Fi以及4G。企业进行数字化的目的除了提升效率之外，还希数字化技术可以参与、重塑价值链的多个环节，与业务结合更加紧密，甚至改变公司的商业模式。

数字化阶段涵盖了移动互联网、产业互联网、物联网的崛起，几乎实现了人与人、人与物的全场景互联，智能手机和其他智能移动端成为人体器官的延伸，其时间跨度大概是2011至今。

3、智能化阶段:

万物互联，传感器遍布世界，物联网时代到来。数据类型进一步丰富，温度、位置、环境等物体数据大增。数据量级进一步大涨，物联网数据量将远超非物联网数据。数据维度保持多样性。数据联通性极好，在边缘计算的帮助下系统处理数据的能力更好。

企业的IT架构部署在混合云、公有云和私有云。企业员工的办公设备是个人电脑以及移动终端，应用的主要网络是W-Fi、4G以及5G。除了信息化、数字化阶段的目的外，企业进行智能化还希望在公司运营上实现系统与系统对接，依靠算法做智能决策，以降低对个体经验的依赖，提高决策效率，扩大判断维度。

另一个近期或可实现目的则是数字孪生，即在虚拟空间中构建可同步交互映射的数字模型与物理实体，实现数字世界与物理世界的融合。数字孪生可以感知、诊断、预测物理实体的状态，进而优化物理实体、进化自身的数字模型。它可以整体优化多个行业的运行效率。

智能化阶段由人工智能、物联网的兴起所驱动。由于产业互联网中物物互联、人机交互场景众多，AIoT已成为传统企业数字化转型的重要通道之一。这个阶段的时间跨度大概是2016年至今。

一些顶尖的数字化原住民公司的内部价值链，已经整体推进到了智能化阶段；一些顶尖的新移民公司虽然整体上处于数字化转型中，但价值链的个别环节也推进到了智能化阶段。

考虑到中国企业参差不齐的发展阶段，严格意义上讲，当前中国企业整体上处于数智化的状态，即以数字化转型为主、智能化升级为辅，互相融合推进。

数字化三阶段的演进，得益于技术基础设施的不断进步。当前企业界的数字化转型、智能化升级蔚然成风，即是因为技术基础设施在前几年已经打下了很好的基础。

1、数据源头：万物皆可数字化

最近七八年间，人类的生存方式对数字化的依卷程度越来越高。

沟通、阅读、娱乐、工作等行为时，处于衣、食、住、生存状态时，度过生、老、病、死等人生阶段时，使用的产品中由原子构成的越来越少，由比特构成的越来越多。

正在悄然崛起的全息投影、AR(增强现实)、VR(虚拟现实)MR(混合现实)等数字技术，则会让虚拟世界和现实世界进一步紧密结合。比如，贝壳找房的VR看房已经能让大家不出门即看到锡栩如生的真实场景，或许十年之内，你能看到美剧《西部世界》彩那样真实到不可思议的虚拟世界。

2、数据采集：传感器普及

从数据采集的角度来看，移动互联网和物联网普及浪潮的核心并不是手机或者智能硬件，而是其中的传感器。

任何一个你认为挺聪明的终端上，都集成了少则十几个、多则几十个传感器：陀螺仪传感器、压力传感器、指纹传感器、热电偶温度传感器、心率传感器、加速度传感器、面部识别传感器、血氧传感器、影像传感器、超声波传感器、悬崖传感器、沿墙传感器、三目前视摄像头传感器、毫米波/激光雷达传感器、跌落传感器、里程传感器、风机传感器、回充传感器、激光测距传感器······

这些传感器不断感知物理世界，采集各种数据，再由中央处理器或图形处理器(CPU/GPU)计算处理，通过各个App让你的手机、手环、平板电脑、耳机、电动车等智能设备实现脸部识别、指纹识别、自动息屏、自动驾驶、远程车辆软件升级(FOTA)等功能。没有传感器，手机、电动车、可穿戴设备就没有那么多维的数据和丰富的功能。

这些终端产生的数据量已经超过了常人的想象。仅举一例，一台智能电动车会产生1.3PB/月的数据以及80万张/天的待标。

3、数据传输：4G普及，5G到来

匹配海量数据传输的技术基础首先是4G。2019年，三年全国4G平均下行速率已经达到了24Mbps5，，即我们在生活中能感受到的手机下载速度可达3MB/s6。同时中国的4G用户数已达12.4亿，4G用户占移动电话用户的比例接近80％。

正是基于这样的普及率和速度，才有了社交、游戏、直播视频等移动互联网服务的极度繁荣和产业互联网的方兴未艾。

5G的平均下行速率则是4G的10倍左右，5G理论最低延小于1毫秒——还不到当前4G网络最低延迟的1/20。除了高速率、低延时之外，5G还有广连接、高可靠等特点。

”随着终端价的降低，5G时代已经到来。截至2020年底，中国5G套餐用户数已超过3亿，终端连接数已超过2亿。

【点此免费加入中国最大的SaaS同行交流社群】

正是这样的传输技术将支撑智慧物流、餐饮外卖、打车、在线医疗、在线教育、视频会议、远程办公、智能制造、ARVR、自动驾驶/车路协同等产业互联网应用进入新的发展阶段。

4、数据存储与算力：“云”的迭代

根据中国信息通信研究院发布的《云计算发展白皮书(2020年)》，2019年中国已经应用云计算的企业占比达到66.1％。在存储领域，全球已经有22％的企业选择把数据存储在云端，仅次于选择内部数据中心的30％。这意味着企业IT架构的去IOE化已不是趋势，而是现实。

数据库里的大量数据有待计算，计算能力还不能太贵，不然也没价值。在国家建设的超级计算中心服务能力有限的前提下，云厂商纷纷加速设立HPC(High Performance Computing，高性能计算机群)超算业务。

IDC则研究发现，得益于互联网巨头对人工智能不遗余力的投入，中美两国互联网行业的算力支出占比均超过30％。根据券商的测算，公有云算力的投资比例将从2014年的0.01％骤增至2020年的11.75％。计算能力的增加反过来又将推动区块链、视频、自动驾驶、智能电网等行业的发展。比如智能电网，传统的人工巡检电路若改为视频巡检，巡检效率可提高约80倍，同时识别准确率大大提高，可及时发现人工巡检不易发现的隐患点。

5、数据应用：人工智能辅助甚至代替决策

前述四大技术基础设施分别可以在不同的剖面给企业界带来效率的提升，但把他们当成一个部件的话，算力、算法、数据则指向一个共同的方向：人工智能(AI）。

人工智能是指让系统与人或物进行交互，通过知识库和机器学习等方式模拟人的思维过程和智能行为，如学习、推理、思考、规划等，并对自身进行迭代、改进。落地到商业世界的场景，即是通过算法、算力来训练大量数据，建立相应的映射关系从而辅助业务决策甚至直接给出推理结果。

2016年AlphaGo令人震惊地击败世界围棋冠军李世石后，人们才意识到了人工智能在大数据、深度学习、云计算的支撑下已经进化到了如此“聪明”的程度。

接下来的几年里，我们看见图像识别、视频识别、语音识别、语义理解、语音合成、机器翻译、语义理解等技术在金融、医疗、安防、交通、教育等领域实现了颇为深度的落地。比如机器人客服、拍照搜题、语音助手、自动驾驶，人脸识别。

新冠肺炎疫情肆虐时，武汉的部分医院曾装设了腾讯AI医疗实验室“腾讯觅影”，其基于CT图像识别的AI辅助诊断，可在2秒内完成模式识别，1分钟内为医生提供诊断参考。

在复杂决策领域，人工智能也开始崭露头角。我在中国新零售领域的企业中，在门店排班、订货环节解放店长，让系统来做决策已成为潮流。而在亚马逊，预测需求、订购库存、动态定价等任务已在2018年被交给了算法驱动的系统，系统会根据全网数据自行工作且不大需要人工干预。

IDC认为人工智能将在中国企业的数字化转型中扮演重要角色，到2022年，“中国具备人工智能（AI)实力的企业对客户、竞争对手、监管机构和合作伙伴的响应将比同行快至少30％”。

（本文节选自：中信出版社：《数智革新》）

本篇文章来源于微信公众号: 产业互联网大视野