李平：中国产业高端化、智能化的未来

很高兴有机会和大家分享我关于中国产业发展与数智化转型的一些思考和见解。

我们先从背景说起——目前中国经济面临着什么样的背景呢？

首先，我们一开始没有新兴产业，是完全从传统产业追赶而来。主要以模仿为主，以低成本为竞争力，产业集中在低端市场，主要在市场下游需求一端发力。这就造成了我们对“五基”的长期忽视。所谓五基，指的是基础零部件、基础元器件、基础材料、基础工艺和基础软件，比如金蝶就属于基础软件。现在我们在五基方面被欧美国家从上游卡脖子。此外，中国产业尚未经过像美国1860年内战之后行业高度集中度的大浪淘沙阶段。大浪淘沙后美国每个产业仅剩3到5家核心企业。但我们还缺乏这个企业淘洗过程。

背景之二，我们面临着中等收入陷阱与中等技术陷阱叠加的挑战。在人均GDP达到1万美金左右，一个国家的经济往往会陷入长期停滞的状态。比如拉美国家，阿根廷、巴西、墨西哥，或者阿拉伯国家，甚至包括东欧的一些国家，都没有走出中等收入陷阱。能走出中等收入陷井的只有日本、韩国、新加坡和中国台湾地区、香港地区这5个例外。对我们来说，这是一个巨大的考验。此外，中国目前正处于中等技术水平，面临原创性技术的缺失，和发展以应用技术为主的局限。郑永年在其著作《中等技术陷阱》中，提出了一个国家技术达到一定水平后长期停滞的现象。对中国而言，这也是一个严峻的现实。

背景之三，技术领先并非仅在于发明，更在于技术的快速广泛扩散。历史上，英国、德国、美国和日本等国家的技术发展经验告诉我们，技术应用的广泛性是实现技术领先的决定性因素。在工业1.0时代，英国通过制铁技术应用的广泛扩散，赶超了西班牙和葡萄牙；在工业2.0时代，美国通过在化工和机械技术的广泛应用，超越了德国；在工业3.0时代，美国又通过电脑和芯片技术的广泛应用，反超了一度领先的日本。

以上就是我们谈论中国产业发展、数智化转型、专精特新以及新质生产力的背景。

关于新质生产力，我关注的时间很长了，也看了大量文献。很多观点认为新质生产力是以创新为导向，这没有错，但说得不全面，也未触及本质，因为每一次工业革命都是以创新为导向（并不是新质生产力所特有）。所以我认为创新并不是新质生产力的典型特征。在数智时代，新质生产力的核心内涵与意义在于知识生产力。知识生产力具备可共享的特性，而传统生产要素如资本、劳动力和土地是不可共用的。知识生产力与最新的生产要素是大数据、人工智能，以及传统生产力的有机结合，共同定义新质生产力。实际上，新质生产力不是取代传统生产力，而是在传统生产力的基础上转型升级，使得劳动效率极大提升。

除了讲新质生产力以外，我们还必须强调新质生产关系。新质生产关系甚至更重要，没有新质生产关系就不可能有新质生产力，这是我的主要观点。

传统生产关系是资本家、代理人和劳工三者之间的矛盾关系，是冲突、剥削、博弈的关系。但到了知识生产关系时代，这一切发生了根本变化。劳动者（比如技术人员）已经是知识的拥有者，而知识已经资本化。所以劳动者是知识资本的拥有者，可以和金融资本讨价还价，换而言之生产关系变得更加平等了。

此外，新质生产关系变得更为复杂，涉及跨界协同合作，包括产业生态协同与人机协同。传统生产关系处理的是人和人的关系，但随着人工智能的发展，人工智能已经逐渐具备了与人同等地位的自主决策权，因此新质生产关系要处理三种关系：人与人的关系，人与机器的关系（人机协同），机器与机器的关系。

总的来说，新质生产关系已经和传统生产关系大相径庭，我们不能够忽视这一点，应该在新型生产关系方面有更多投入。因为生产关系和生产力是互为因果的，虽然生产力决定生产关系，但生产关系也解放生产力，必须用生产关系的改革来解除对生产力的束缚。

再和大家分享一下我关于专精特新的研究。专精特新企业称为小巨人，主要专注于上游，专注于“五基”；而单向冠军则是比专精特新更大一些的企业，包括下游的一些企业。

“专精”和“单向”意味着聚焦专注；“特新”和“冠军”意味着差异化独特价值。“专精特新”小巨人和单项冠军可以统称为“精一赢家”，其共同点是聚焦专注，同时注重差异化，即在细分市场领域高度聚焦，并追求差异化的独特价值取向。

美国战略学家迈克尔·波特提出三大战略：聚焦、差异化与低成本。我们把低成本和高价值作为一个维度，把聚焦和多元化作为另一个维度，可以建立一个2乘2的矩阵，由此可以产生四种战略组合：第一种是聚焦专注+低成本；第二种是聚焦专注+差异化/高价值；第三种是多元化+低成本；第四种是多元化+差异化/高价值。“精一赢家”将三大战略中的聚焦与差异化两个战略合在一起，其底层逻辑更像第二类，但还有超越。

现有的文献，不管是实践的文献，还是学术的文献，都强调相关多元化的优越性，而忽视了“精一赢家”在高端布局的战略优越性。相关性不管是来自上游，还是下游，其核心竞争力均源于精一。这些企业不管现在多大，它们在早期、中期时，常常都是聚焦于一个细分市场，而后逐步进行多元化。这当中存在两类发展战略的选择：一个是聚焦，一个是多元化。但是，这看起来矛盾的二者是否可以融合？是否能够互为杠杆，达到平衡？为了解决这个问题，我提出了“T型战略”，“精一赢家”可通过“T型战略”做大做强。

那什么是“T型战略”呢？“T型战略”由两部分组成，第一部分是纵向深耕单一聚焦领域，以技术原创为核心；第二部分是横向扩展多元化市场应用场景，具有高度开放潜力。一纵一横，组成T字型。

关于数智化转型，我觉得最好的切入口是营销端。把营销端的数据收集好，进行分析，从中洞察出关键线索和良好的商机，反馈给研发团队，研发团队再以此为基础进行产品研发。产品研发初步成果出来后，不要马上铺向市场，先少量投放做A/B测试。通过多轮A/B测试，调整产品，不断迭代，直至确定市场效果后，才全面投入生产。这是我认为比较好的数字化转型方式，即从高附加值的营销和研发端入手，尤其是营销端，先行数字化。至于低附加值的生产端，不是数字化转型的重点，应该放在最后。

因此企业数智化转型的总体进路蓝图，就是通过把整个业务流程的数据打通，从高附加值到低附加值，一个节点一个节点地逐渐把所有节点整合到一起。

说完数智化转型的进路蓝图，我们再来谈谈数智化转型需要谨防的三大教训。

第一个教训，是必须先完成线下的流程优化，线下流程优化没有做完之前，千万不要数智化。否则，通俗点说就是垃圾进垃圾出。我们知道数字卵生这个概念，自己脸脏照到镜子里还是脏的，类似地线下流程一团糟，数字化后线上同样一团糟。所以一定要痛下决心，先把企业业务、组织、文化、战略通通变革，把生产关系全部理顺，线下流程优化了，数智化转型才能真正提升生产力。

第二个教训，是必须要有一个既懂IT技术，又懂业务的团队。注意，不是懂IT的人和懂业务的人简单地一起合作，而是IT人一定要懂业务，业务人一定要懂IT。当然，这种跨界融合很不容易，比如做业务的人很难真的很懂IT，但至少要达到可以顺畅交流、相互理解的程度，否则数智化转型就无法真正意义上展开。这个团队需要很长一段时间磨合，华为大概也经过十年的磨合期，所以很不容易。但这是必须的，是先决条件。

第三个教训，是数据的清洗、定义、格式、来源、使用、解释这些工作必须要在中台之前全部完成，不能把这些工作留给中台。因为中台工作人员只懂IT，不懂业务，业务来源、定义、标签这些主数据和辅助数据之间的关系，中台是无法厘清的。

下面来谈谈人机协同的相关内容。AI 具有真实性、分析性，属于线性的改良；人类则富有想象力、启发性，具备创新能力和跳跃思维。机器无法取代人类的所有工作，人类也不能替代机器的全部功能，因此人和机器的合作（人机协同）是一个永恒的命题。

按照西方现有的理论，人机协同存在三大模式：其一，AI 发现问题并设计备选方案，人最后决策；其二，AI 发现和分析问题，人寻找解决方案；其三，AI 和人类共同发现问题并共同寻找解决方案。

但我们在“美的”的调研结果与西方现有理论有一些分歧。西方观点认为人和机器的关系，要么是机器替代人，要么是机器增强人的功能。而我们发现其实是部分替代、部分增强。例如美的，部分人的原有功能被 AI 替代，但新的功能也应运而生（人工智能培训师），即部分替代、部分增强。这一发现令我们十分兴奋，我们以中国企业的实践，修正了西方的理论。

另外，我们还发现，西方理论所说的人机协同两段式，即要么 AI 在前人在后，要么人在前 AI 在后，并不全对。在“美的”的调研过程中，我们发现存在人机协同的三段式：先是人做出战略决策，然后交由 AI 进行各种场景分析，AI 完成分析后，最后由人做出解决方案。这也与今天金蝶创始人徐少春先生所说的方向是一致的，即创新和价值观等方面的内容必须依靠人，人给人工智能指定一个范围，机器则在指定范围内充分发挥能力进行数据分析，最终由人做出决定。  

最后，面对中国产业的未来，我们需要在专精特新的道路上不断探索和前进，通过数智化转型，实现从知识模拟到知识创新的跨越，推动中国产业向高端化、智能化发展。这不仅是一个技术问题，更是一个战略问题，需要我们共同思考和努力。谢谢大家！