《现代财经-早读早分享》2025年元月14日周二（第3245期）

今天是2025年元月14日，星期二，农历腊月十五，美好的一天从阅读《现代财经-早读早分享》开始！

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3245期）。原创不易，敬请尊重。谢谢鼓励。

  一、早读分享   

场景范式下数据要素赋能新质生产力涌现：“漩涡模型”构建与探索性案例研究

  导读  

0 引言

数字经济的飞速发展使得数据成为全球竞争的关键资源。2022年12月,国务院印发《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出“加快构建数据基础制度”、“激活数据要素潜能”,历史性绘制了数据要素应用的长远蓝图,为新发展阶段的奋斗目标指明了现代生产力基础。实现新阶段奋斗目标需要更高水平的生产力基础,也需要发展传统生产力理论。2023年9月,习近平总书记在黑龙江考察调研期间提出“新质生产力”概念,指明了高质量发展的重要着力点。

近年来,学者们关注到数字化解决方案带来的产业升级[1]、价值增值[2]以及 “个性与共性”[3]等问题,但未对数据要素如何赋能传统产业解决“造车”(个性化解决方案)需求以及实现生产力提质进行深入剖析。探究数据要素赋能新质生产力的形成路径,首先需要明确数据要素作为新型生产要素与传统生产要素的区别和联系。基于已有文献对数据要素赋能演化路径及形成机理的探讨,数据要素作为中介型要素,与传统要素融合是提升资源配置效率的有效途径[4]。其次,场景驱动创新(Context-Driven Innovation)范式提供了合适的理论视角。场景驱动创新是数字经济时代涌现的全新创新范式,强调以场景为载体,发挥数据要素的“催化剂”作用,驱动技术、市场等创新要素有机协同整合与多元互动响应[5]。尹西明等[6]通过案例研究提出场景化需求与多元数据精准匹配的“蝴蝶模型”,构建了场景驱动数据要素的生态飞轮;同时,学界从场景驱动产业链创新[7]、促进科技成果转化以及赋能商业模式创新[8]等方面进行讨论,但主要聚焦于场景数据驱动技术或组织层面的转变,缺乏生产力维度探究。随着新质生产力理论研究的不断深入,研究发现场景驱动创新范式的理论逻辑与新质生产力内涵特征有诸多共通之处。

鉴于此,本文通过归纳总结场景范式及新质生产力理论,深入剖析数据要素在理论实践中的内在关联及作用路径,尝试构建“场景—技术创新—新质生产力”协同演化研究框架,探讨在工业场景需求下,数据要素赋能新质生产力的涌现路径及模式。本文试图回答以下问题:①场景驱动创新范式如何影响新质生产力的形成?②差异化场景需求下形成的生产力特征有何区别?③数据要素在“场景—技术创新—新质生产力”演化路径上如何赋能?本文对相关文献进行研究发现,探索性案例适合研究这一问题。遵循案例选取原则,本文以树根互联股份有限公司(以下简称“树根互联”)作为探索性案例研究样本,以期为当下工业领域培育新质生产力提供理论与实践参考。

1 文献回顾与研究框架

1.1 场景驱动创新范式

20世纪50年代,欧文·戈夫曼提出的社会拟剧理论奠定了场景研究基础。Kenny等[9]将场景概念引入管理学领域,并定义为“顾客生活中的特定情境及其引发的需求或情感反应”。基于数字时代的创新实践和理论研究,尹西明等[5]通过系统论述场景驱动创新这一新兴创新范式(简称“场景范式”),对其进行如下阐述:蕴含全新的整合观和系统观,强调以重大需求和使命为牵引,重视差异化、精准性的场景任务设计,构建共生共创共赢的创新生态系统。数字时代的场景范式超越了传统科技创新逻辑,旨在发挥超大规模市场、海量数据和丰富应用场景优势,面向传统产业改造升级和新兴产业培育壮大的重大场景,实现技术创新和场景应用的高度融合,是加快构建现代化产业体系、实现经济高质量发展的新模式(尹西明等,2022)。结合大数据合作资产理论,数据要素和数字技术是场景范式下的新要素、新工具,能够准确、高效地优化创新主体竞合行为和创新资源流动,推动创新链、人才链、资金链、政策链和产业链深度融合,解决特定场景下的复杂综合性需求,适应数字经济时代复杂多变、模糊不定的创新情境特征[5]。

1.2 新质生产力与数据要素

新质生产力是马克思主义生产力理论中国化和时代化的成果,是一种符合新发展理念的先进生产力质态[10]。习近平总书记对于何为新质生产力,曾凝练概括为“特点为创新,关键是质优,本质是先进生产力”。当前学者对新质生产力内涵与特征展开讨论,认为其是以数字化、智能化为基础,由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的新形式、新业态,并引致劳动者、劳动资料、劳动对象的系统性重塑和整体性重构[11-12]。任保平和豆渊博[11]对“新”“质”分别进行描述,指出“新”表现在充分发挥科技创新的驱动作用,深入探索应用新一代信息技术实现生产力飞跃;“质”表现为利用数字技术与先进制造技术深度融合全面提升资源配置效率,优化生产流程和管理方式,提升供给质量,进而推动经济可持续发展。新质生产力虽强调数字化、智能化、网络化时代特征,但并不意味着是对传统生产力的简单代替或否定,恰恰相反,社会生产力的每一次跃迁都将重复拉动传统生产力复苏,并产生更大的生产效益[13]。

数据作为新生产要素,具有不同于传统生产要素的特征。李海舰和赵丽[14]将其概括为虚拟替代性、多元共享性、跨界融合性、智能即时性,数据与劳动、资本、技术等传统生产要素融合,赋予传统生产要素以新的内涵,能够实现要素资源优势互补(林晨等,2020)。其一,数据要素与劳动要素融合形成数据劳动力,能提高劳动生产率,优化企业用工结构,有效降低劳动成本[14]。其二,数据要素与资本要素融合能够优化生产资本结构,辅助投资决策,引导资本向高收益领域流动,从而实现资源配置效率最大化[4]。其三,数据要素与技术要素融合能充分发挥科学技术优势,实现产品工艺创新和业务流程优化,持续推动产业创新与包容性增长[15]。此外,数据与生产力要素融合能够获得更高素质的劳动者、更高技术的劳动资料以及更广泛的劳动对象,而这正是“新质”的核心要义。

1.3 文献述评与研究框架

研究表明,数据要素市场建设及市场化配置能显著促进企业数字化转型,提升全要素生产率(吴武清等,2024),从而促进新质生产力持续涌现。然而,鲜有研究从场景驱动视角对数据要素转化为新质生产力的主体和机制进行探究,难以为数据要素创新主体围绕新质生产力培育的新要求、新场景并将数据要素切实转化为新质生产力提供实用性建议。尽管有学者关注到互联网平台是驱动企业数字化转型、促进产业创新的关键市场主体[16],但未进一步探讨平台作为新质生产力发展的“加速引擎”应如何充分发挥自身价值、创新优化数据生态,并将数据要素转化为各场景下的新质生产力。

因此,本文基于场景驱动创新理论,参考方晓霞和李晓华[17]提出的场景驱动、技术创新与生产力协同演化趋势模型,借鉴钱贵明等[18]构建的数据平台视角下新质生产力研究框架,结合案例进一步探讨互联网平台企业牵引参与方发挥数据要素价值赋能新质生产力的涌现路径,旨在打开赋能模式的过程“黑箱”。场景驱动新质生产力形成包括两个阶段:第一阶段,识别场景需求,优化创新资源配置,推动数字技术创新,解决场景问题[6];第二阶段,利用信息技术将场景资源数字化、模型化,发挥数字创新技术对要素配置效率的正向影响,提高全要素生产率,形成新质生产力[19]。此外,新质生产力的形成亦将从产业升级、科技支撑等方面培育新场景(尹西明等,2024),进而形成路径闭环。由此,本文构建以资源配置为联动核心,以数据要素赋能“场景—技术创新—新质生产力”协同演化的“漩涡模型”研究框架,如图1所示。

图1 “漩涡模型”研究框架
Fig.1 Research framework of “vortex model”

2 研究设计

2.1 研究方法

本研究聚焦于场景范式下工业互联网平台如何发挥数据要素价值赋能工业行业新质生产力涌现。选择探索性案例研究方法的原因在于:首先,“数据要素如何赋能新质生产力涌现”这一主题属于“How”的问题,案例研究作为一种全面的综合性研究策略,比较适合开展理论分析[20],进而探索现象背后所蕴含的“Why”和“How”的问题[21]。其次,根据中国工业发展历程,场景迭代与数据要素赋能是一个连续变化的过程,且演化过程具有复杂性和动态性,故适用于纵向案例研究方法[22]。此外,以“漩涡模型”为分析框架,纵向单案例研究更聚焦于“故事”,十分契合基于特定视角展开叙事分析,有利于通过关键证据链提出复杂现象的理论洞见(刘海兵等,2023)。

2.2 案例选择

本文遵循案例选取原则[23],选取被认定为国家级“跨行业跨领域工业互联网平台”的树根互联作为本文案例研究对象,主要基于以下考虑:第一,典型性。树根互联通过识别场景需求,充分发挥数据要素优势,加快推动人工智能、大数据、物联网等数字化技术在制造业售后、生产、产业链场景的应用,推动智能制造场景塑造,为新质生产力发展注入新动力。第二,代表性。树根互联2019—2022年连续4年位列工业和信息化部发布的“跨行业跨领域工业互联网”榜单头名,2022年成功上榜《IDC MarketScape:中国数字工厂整体解决方案厂商评估》并位居领导者象限。第三,可分析性。企业案例信息数据可得性较高,资料较为完善,便于挖掘更深层次的数据赋能模式。基于此,树根互联打造的工业互联网平台作为工业制造业的新实践,与本文研究主题高度吻合。

2.3 案例概况

树根互联脱胎于国内工程机械龙头三一重工集团,成立于2016年,创立之初便确立了打造适应中国制造业跨行业跨领域工业互联网平台的发展愿景,借助母公司在工程机械设备领域较强的工业知识模型化、信息化竞争优势,开始向其它领域拓展。截至2022年3月,根云平台已经接入各类工业设备超90万台,助力打造了环保、铸造、纺织等多个产业链工业互联网应用,赋能达48个细分行业,带动一大批企业完成数字化转型。为系统剖析树根互联助力工业企业实现数据要素赋能路径及模式,本文根据树根互联的服务场景和技术迭代历程,按照时间发展脉络进行划分,最终确定生产力提质的4个成长阶段,如图2所示。

图2 树根互联赋能工业行业发展历程
Fig.2 Development process of Rootcloud empowering the industrial industry

2.4 数据收集

充分利用二手资料稳定性好、覆盖面广、时间跨度长、可反复阅读等优势[24],对本文研究对象进行分析。搜集案例公司网站和年报披露数据、学术期刊、政府相关报告、产品能力白皮书以及相关媒体的新闻资讯,获取与案例企业有关的资料。对多渠道获取的资料进行比较、印证和整合,提高二手资料的可靠性和准确性,具体数据来源如表1所示。

表1 数据来源
Table 1 Data sources

2.5 数据分析与编码

本研究采用扎根理论数据编码进行归纳式探索分析,对数据进行逐一标记与提炼。参考于超等(2023)对文本编码的方法,数据分析过程分为3步:首先,通过开放式编码形成一阶编码,提炼出案例企业典型的运营特征和实践行为模式;其次,将具有相似特征的一阶编码聚合形成抽象化、理论化概念,形成二阶主题;最后,对二阶主题进行汇总,形成聚合理论维度。分析结果采用结构图呈现,如图3所示。

图3 编码结构
Fig.3 Coding structure

3 案例分析

正如三一重工集团执行总裁兼总工程师易小刚所说:“凡是计算机能做的事,绝不允许人来做。”而实现这一目标并非一蹴而就,需要长时间的学习与积累,本文根据树根互联的发展历程,将树根互联赋能工业制造业生产力提质过程分为4个阶段,分析场景范式下数据要素赋能新质生产力的具体路径。

3.1 产品后市场场景管理可视化阶段(2016年)

2016年年初,三一重工以风险投资方式为树根互联提供了第一笔启动资金。公司成立初期,树根互联并没有谋求与三一重工的深度捆绑,一方面是因为初期创业资源有限,而三一重工需求巨大,树根无法实现完备性服务。另一方面,树根互联创始人贺冬冬也希望能够构建面向整个制造业的赋能平台,探索可行的商业模式。由此,树根互联选择与同处装备行业的星邦智能切入,与三一重工和星邦智能协同开发了产品后市场服务场景解决方案。该阶段的典型证据援引如表2所示。

表2 产品后市场场景阶段代表性证据
Table 2 Representative evidence at the post-market scenario stage of the product

(1)场景识别。参考母公司三一重工在机械设备后市场服务的探索,树根互联领导层看到工业转型的价值,给予业务场景以选择参考。湖南星邦智能装备股份有限公司(以下简称“星邦”)是树根的第一个外部客户,星邦以高空作业设备为核心产品,面临客户分布范围广、行业跨度大、服务领域多等痛点,导致星邦工程师服务半径较广、维修周期较长、客户满意度较低。如何准确诊断设备问题,增强配件和工程师协同是星邦亟需解决的难题。对此,树根互联根据服务三一重工集团的数字化经验和业务场景输出潜力分析,选择从“产品后市场”业务场景切入,与星邦共同开展设备售后运维。

(2)技术创新。合作伊始,平台企业与被赋能企业均缺乏数字化思维和经验,产品售后也缺乏相应数据信息。树根互联联合三一重工与星邦智能一起开发数字产品,从设备工况、故障诊断、设备资产管理和管理可视化方面为星邦智能的后市场业务场景提供解决方案。树根互联根据星邦需求,将其售后设备联网,依靠内置传感器、控制器等物联感知设备采集设备运行数据,平台和企业利用采集的场景数据开发算法和规则,预测设备故障,提前采取维修预防。由此,星邦在树根互联赋能下实现全国范围内的设备售后管理。

(3)生产力提质。通过对传统机械模型进行开发和优化,被赋能企业实现数据从“无”到“有”、由“采”到“用”。产品后市场场景下的数据要素赋能使得劳动对象信息可视化、透明化,劳动者能及时了解设备信息,准确作出故障判断,提前调配维修所需的劳动资料,同时提升劳动者数字化技能和工作效率,实现生产力提质。与树根互联合作后,星邦不仅节约了售后服务开支,还提高了客户满意度,售后人员工作效率提高了3～4倍。树根互联依靠经验积累,围绕设备管理可视化需求,构建了根云1.0平台,其核心是围绕“产品后市场”业务场景下常见的服务痛点,探索高效解决方案。

3.2 厂内设备管理场景数智化转型阶段(2017—2018年)

树根互联创始人贺冬冬提到:“相较于后市场服务,工厂内生产设备的数智化管理较容易复用。”卫华集团是树根互联在厂内设备管理场景下的重要天使客户,双方合作由后市场业务场景扩展到生产场景。在后市场服务获得显著效益后,卫华集团以旗下一个子工厂为试点,邀请树根互联开发能源管理平台,开启厂内设备能耗管理的全新探索,该阶段的典型证据援引如表3所示。

表3 厂内设备管理场景阶段代表性证据
Table 3 Representative evidence at the in-plant equipment management scenario stage

(1)场景识别。卫华集团是中国起重机械行业产销量最大、产品种类最齐全的企业之一,起重作业机安全风险较高、生产工序繁琐,设备售后存在检测、维修、保养等难题。在双方合作初期,卫华集团通过加入根云平台了解场外设备分布及离线情况,掌握设备实时运行状态,通过数据积累和历史状态数据洞察设备改进方案。当后市场服务场景效益显著后,卫华集团希望对厂内设备能耗管理进行探索,通过能耗分析提升设备作业率、利用率、优化工时,实现降本增效以及“双碳”目标下更合理的能耗管控,与树根互联提出进一步合作意愿,但设备多品牌、多类型是连接难点。

(2)技术创新。构建数字模型是平台企业和客户从定制化方案中提取的一般性逻辑[25]。树根互联在服务不同客户过程中发现,虽然不同型号设备有不同物理形态,但设备属性具有共性特征。为避免解决方案只适用于某一运维设备,树根互联提出将生产设备的物理形态沉淀为“数字模型”,以数据刻画各种各样的设备及状态信息,构建物理实体在数字孪生空间的映射模型。由此,树根互联强化“物模型”(物理空间中的实体)在云端的数字化表示,以此可以看到该实体是什么、能做什么以及可对外提供哪些信息(沙默泉等,2021),并将根云平台迭代升级为2.0。相较于1.0平台,2.0平台解决了多行业多设备连接的痛点。例如,当需要在原物理属性上增加属性特征时,1.0模式需要相应修改已接入的上万台设备实例,而在2.0平台上只需要对“物模型”进行更新,上万台设备属性便可以自动更新,从而能够更加便捷地对所有设备实现数智化赋能。

(3)生产力提质。厂内设备场景下的数据要素赋能使得劳动者、劳动资料、劳动对象之间的联系更加密切,劳动者开始掌握数据分析、数据工具等新技能,由传统操作型角色转变为监控、分析和优化角色,使他们有更多机会参与生产决策过程;劳动资料变得更加智能化,可通过数据分析预测潜在故障,减少设备停机时间,降低能耗;利用数据分析进行生产设备生命周期管理,可使设备使用更加高效并减少浪费,形成厂内设备管理场景下的新质生产力。卫华集团通过树根互联提供的整体部署平台(包括数据工厂、开发者中心等)可自行选择数据源、构建数据分析报表;根据厂内设备数据减少待机能耗,优化设备作业率,提升工作人员作业规范与效率;基于根云平台打造的能源管理系统,实时监控水、煤、电等能耗指标,协调生产计划调度,降低企业碳排放量,实现生产力绿色高效转型。

3.3 产业链设备管理场景智能化改造阶段(2019-2020年)

产业链设备管理是厂内设备管理场景的延伸,客户企业不再局限于现有生产领域,更注重产业链数据整合复用并将数据经验应用于产业链价值开发环节,以对未来市场机会进行前瞻性洞察。杰克缝纫机是树根互联在产业链智能化改造阶段的一个重要客户,杰克负责人阮积祥说到:“政策呼吁要让服装产业整体升级,我们现在从单体缝纫机走向智能成套,工厂是一个整体,我们要去服务这个整体才能有未来。”该阶段的典型证据援引如表4所示。

表4 产业链设备管理场景阶段代表性证据
Table 4 Representative evidence at the scenario stage of industrial chain equipment management

(1)场景识别。杰克缝纫机股份有限公司是一家专注于工业缝制机械研发、生产和销售的国际化民营高新技术企业。在与树根互联合作前,杰克并没有区分大客户和小客户。但杰克与树根互联合作后,根云平台提供的大规模设备接入、数据建模分析让杰克意识到大客户需求可能并不是简单买一个设备,始终停留在卖设备的“一锤子”买卖模式不是长久之计,需将设备与服装行业的复杂产业链相联系,才能适应市场需求。在此情况下,杰克产生了较强的带动服装行业数字化变革的心愿,以赋能企业终端用户,为使用者增加生产机械外的附加价值,提高企业终端认同感。

(2)技术创新。为适应服装工厂全链路智能化改造趋势,强化自身设备间的互联互通,设备运行管理软件开发成为树根互联与杰克合作的共同目标。树根互联为满足客户个性化需求,不断强化自身平台能力,开发出根云3.0。根云3.0引入云原生(Cloud Native)设计,Cloud表示应用服务位于云中,而不是传统的数据中心;Native表示应用服务从设计之初即考虑到云的环境,为云而设计,充分利用和发挥云平台的弹性与分布式优势,开发实体与云端直接连接的模型,提供数字孪生、运维监控和低代码平台等创新功能。根云3.0数字孪生技术能够提供实时同步的设备信息,等设备产品从生产下线后,物联数据就能自动上报云端,租赁方或承租人可在移动端监视设备运行状态、位置、速度、里程、区域范围等数据。此外,根据根云3.0提供的自定义和可扩展的权限管理,客户可根据使用场景进行角色配置和数据权限管理,结合低代码平台,开发出个性化应用。

(3)生产力提质。在此阶段,数据要素赋能的劳动资料及劳动对象在原有基础上能增强连接性和互动性,互联网技术正式被应用于辅助劳动者行为决策,进而实现“三要素”数据共享与协作。杰克借助工业互联网技术和根云系统打造的“智能缝纫平台”一方面赋能经销商,使其能够实时掌握所辖客户的开机动态和设备负荷,实时掌握设备状态,让售后服务从被动变为主动;另一方面赋能服装企业从单一设备迈向成套智联,为客户提供多种设备、软硬结合的解决方案,提高参数设置和换型效率,帮助工厂提升精细化管理水平。通过对设备的数字化联通及联动产业链上下游企业,树根互联不仅为杰克创建了全新的智能产品,还为终端用户提供了他们关注的核心信息,使得杰克向缝制设备智能制造服务商转型,杰克也将自身的缝纫机设备形象地比喻成“数据收集者”和“效能改善者”。

3.4 智能制造工厂与产业链生态塑造阶段(2021年至今)

2021年,树根互联正式集中发力智能制造场景建设,但在此之前,通过服务三一重工灯塔工厂建设,其已经积累了推动智能制造的丰富经验和平台能力。以此为基础,树根互联在离散制造业和流程制造业选择聚焦汽车、钢铁等规模前景广阔的细分行业与大客户共创,推动智能制造场景建设及根云平台迭代升级。该阶段的典型证据援引如表5所示。

表5 智能制造与产业链生态场景阶段代表性证据
Table 5 Representative evidence at the ecological scenario stage of intelligent manufacturing and industrial chain

(1)场景识别。在明确智能制造新场景重点行业和重点客户后,树根互联通过与用户价值共创,深度挖掘用户需求痛点。在合作初期,树根互联在调研过程中发现,新天钢一直具备数字化转型意愿,也积累了很多数据,但没有很好地将其利用起来;长城汽车内部也有设备资产管理,但缺乏完备的电子化系统,未实现设备数据信息价值利用。树根互联总结发现,要实现智能制造,即人员管理、设备管理、物料管理、工艺流程、环境管理(人、机、料、法、环)的协同数字化,需要发挥数据潜力,赋能生产管理、流程管理和质量管理等价值全链环节创新。

(2)技术创新。本文以新天钢钢铁集团创建的“5G+智慧工厂”数字化进阶为例。多园区、多工厂甚至全球化部署是大型制造业集团数字化管理的痛点,集团总部需要对每个园区进行宏观管辖,又需要每个园区具备独立管理和应对能力,这意味着每个园区既要脱离中央系统独立运行,也要接受中央系统的统筹管理,因此需要打造“联邦式”管理。打造“联邦式管理”的难点在于前端侦测与控制设备多样性,树根互联根据生产过程中人、机、料、法、环在智能制造场景下不断变化的特点,打造了“数据智能层”,提供数据汇集、统一处理的实时通道,对汇集信息进行实时计算,并将其推到前端应用层。通过在应用层提供各种各样的开发工具,便于客户企业的业务人员加入,开发适合企业自身的应用技术。

(3)生产力提质。在此阶段,激活场景数据价值成为企业目标,应用数字技术代替劳动者的分析决策能力、利用算力算法更新劳动资料、通过数据分析改善劳动对象,让“三要素”始终处于一体相连、实时更新的状态,以应用场景为核心的数据系统成为新质三要素粘合剂。树根互联根据智能制造与产业链生态的场景需求进行深入融合,从厂内智能制造进一步做集控中心。将生产、环保、安防数据一体化,并将风、气、水、电等能源使用纳入数字化管理范畴。树根互联通过产业链协同,将新天钢的合作方案复制到其母公司德隆集团,帮助德隆集团打造灯塔工厂。新天钢冷轧薄板公司见证并参与了新天钢集团的巨变,如今的冷轧薄板公司已实现车辆、人员、设备、能耗等多项数据全流程实时监控,通过后端大数据平台分析处理及可视化调度,实现生产数据监测分析、能耗管控、人员行为管控等。数据统计显示,相较于转型前,冷轧薄板公司决策效率提升了57%,运营成本降低了25%,数据准确性提升了67%,报表统计效率提高了30%。

4 讨论

本文围绕场景范式下数据要素如何赋能新质生产力涌现这一研究问题,结合已有理论和案例分析结果,构建场景范式下数据要素赋能新质生产力涌现的演化过程模型,如图4所示。

图4 场景范式下新质生产力演化过程模型
Fig.4 Model of the evolutionary process of the formation of new quality productive forces under the scenario paradigm

4.1 场景范式下数据要素赋能新质生产力涌现模式

工业互联网平台赋能的本质是以平台作为新质劳动资料,将工业场景资源全面数字化、模型化,形成新质劳动力和劳动对象。其中,场景嵌入推动数据要素精准赋能,促进具体场景下的资源优化配置,形成新质生产力,呈现“数据资源行动—数据能力生成—数据价值实现”的赋能逻辑[26]。本文根据场景需求迭代与生产力提质路径,将数据要素赋能划分为产品智能化、智能制造、产业链数智化3类模式,如图5所示。

图5 数据要素赋能新质生产力涌现模式
Fig.5 Emergence model of new quality productive forces

(1)产品智能化。产品智能化是工业制造业达成高效资源配置方式、实现新质生产力涌现的基石,通过物与物、物与数据的联通,使得劳动对象信息可视化的同时培育劳动者数字化技能和知识。在工业行业中,产品客户分布范围广、行业跨度大、服务领域多是影响产品服务效率的重要原因。将产品物理特性以“数字模型”的形式展示给管理者,根据产品实时使用数据建模分析,优化产品研发设计,提升产品智能化水平,形成对产品自我感知、远程管理和持续升级的能力,增加产品价值和吸引力的同时降低产品故障损失,能有效解决企业售后服务成本高、响应慢的问题;通过数据分析了解客户需求,能帮助企业更好地预测销售与客户之间的互动,进而优化备件采购和库存管理。

(2)智能制造。智能制造是以生产设备智能化为基础,完成对传统劳动力、劳动资料、劳动对象的新质升级,实现生产流程可视化和透明化(王忠等,2024)。具体而言:对生产现场全要素数据进行收集、建模及深度分析,预测系统行为,优化运营效率以支撑决策过程;建立数字模型模拟实际设备或整个生产流程,测试、验证新产品设计或流程改进方案;通过物联网技术连接各种设备和系统,实现数据的无缝流通和共享,提高整个生产流程的透明度和协作效率,帮助工业企业发挥实时动态数据价值,实现提质环保、降本增效等目标。智能制造在提升企业响应速度、增加客户满意度、降低运营成本以及推动产业转型升级等方面发挥重要作用,由此形成的精细化生产和联邦式管理模式与新质生产力内涵具有高度耦合性。

(3)产业链数智化。产业链数智化通过将先进的信息技术、人工智能、物联网、大数据分析技术整合到传统产业链中,加快响应速度、增强创新能力;强调供应企业、制造企业、销售企业的全面连接、高效协同、智能决策,可解决传统供应链上下游企业信息协同不及时、市场响应速度慢等问题;以全产业链数据收集和治理实现数字化能力的泛在部署[27],柔化组织边界,推进组织信息流通和知识互换。利用大数据分析技术对市场趋势进行跟踪和预测,帮助企业作出更精准的市场决策,推动产业链资源优化配置与全局协同,从而实现技术革命性突破、生产要素创新性配置、产业深度转型升级。

4.2 场景差异对数据要素赋能新质生产力的影响

场景范式下新质生产力涌现是场景创新管理范式的扩展,不断演变的场景环境触发多创新主体形成创新网络并持续开展创新活动,其中创新网络产出水平受节点自然增长率、节点协同意愿指数等5个因素的影响[28]。从本文案例看,树根互联完成数据要素赋能生产力提质的过程源于用户对复杂场景的需求,进而有针对性地采取资源行动策略,促进各阶段生产力提质。具体而言:在产品后市场场景下,案例企业聚焦于客户维修周期长的需求痛点,将售后产品联网,通过采集实况信息,形成全流程可视化的报表管理,从而提升设备运维效率。基于“机械模型”开发与优化,主导设备管理可视化,突破产品售后服务场景困境,形成“高效售后”的生产力。在厂内设备管理场景下,面对“双碳”目标需求,案例企业将生产设备的物理形态以“物模型”的形式刻画,对厂内设备能耗管理进行探索,打造能源管理平台,对生产计划进行协调,形成“降本增效”的生产力。在产业链设备管理场景下,引入“云原生”设计,通过开发实体与云端之间的“连接模型”,为客户提供实时运维监测,形成“产业链协同”生产力。在智能制造与产业链生态场景下,“人、机、料、法、环”协同的场景需求拉动生产力变革,通过打造“复合物模型”和“数据智能层”,将设备管理融入工业互联网体系,形成一体化全生命周期管理系统,助力供应企业、制造企业、销售企业全面连接,推动产业链资源优化配置与全局协同,形成新质生产力。从场景升级与生产力提质趋势看,数智化场景等级越高,新质生产力特征越明显。

5 结论与展望

5.1 研究结论

本文围绕“场景范式下数据要素如何赋能新质生产力涌现”这一核心问题,通过构建“漩涡模型”研究框架,对工业制造业领域场景、技术创新、新质生产力协同演化过程开展深入研究,得出以下结论:

(1)数据要素与传统要素融合,以“数字化之手”驱动资源序列整体重置,优化资源配置,为新质生产力形成起到“催化剂”作用。优化资源配置是提升生产要素流动效益的有效形式,是形成新质生产力、实现高质量发展的核心标志。树根互联作为平台型企业,以推动工业企业全价值链重构和升级为目标,通过识别场景需求,将设备、产品数智化升级,实现平台系统与产品、生产设备的实时通信连接,通过对收集的场景数据进行分析处理,优化工业流程,本质上是对传统生产要素赋予新质化特征,重塑生产关系,加速要素流动,促进协同创新,实现产业结构转型升级。

(2)不同场景下的生产力特征同新质生产力存在耦合度差异。数智化场景等级越高,新质生产力特征越明显。基于对新质生产力实现路径及模式的分析,随着时代更迭,场景需求由单一的产品后市场到生产场景再到多元协同产业链,最后是智能制造与产业链生态,生产力提质是一个循序渐进的过程。在产品后市场场景下,服务管理效率得以提升;在生产场景下,生产设备得以改进并实现降本增效;在产业链场景下,会适应市场需求,降低企业风险;在智慧制造与产业链生态场景下,能实现整个生产链的自动化、精细化生产。对比发现,随着场景需求升级,生产力水平随之提升,其中在智能制造与产业链生态场景下形成的生产力特征与新质生产力的内涵特征高度吻合。

(3)“机械模型—物模型—连接模型—复合物模型”迭代升级是数据要素赋能新质生产力涌现的“桥梁型”因素。树根互联根据工业企业场景需求变化不断优化模型,完成“机械模型—物模型—连接模型—复合物模型”的迭代升级。通过这一系列升级,树根互联能够准确捕捉企业生产过程中的各种数据,实现数据与实际物理设备的无缝对接。同时,连接模型和复合物模型的引入使得不同系统与设备之间的数据互通更加高效,最终提升了企业整体运营效率和生产力。这一不断迭代的过程不仅满足了当前工业企业需求,也为未来发展预留了充足空间。

5.2 理论贡献

(1)推动数据要素赋能新质生产力理论发展。本文研究数据要素在生产力提质过程中的作用,系统揭示在不同场景下,工业行业利用数据要素优化资源配置实现生产力提质的路径及模式。根据新质生产力形成的演化过程发现,产品数智化连接、数字模型构建和数据分析是促进生产力提质的重要条件,数据要素价值释放是影响生产力提质的关键,这为后续数据要素赋能新质生产力研究提供了理论基础。

(2)拓展场景驱动创新范式理论研究。发挥场景优势是当下国家发展的重要命题。通过案例研究发现,场景需求驱动的技术创新促进数据要素价值转化,重新定义产品或服务模式和形态,改善现有产品、服务并提出解决方案,推动资源优化配置、产品或服务开发、产业结构升级与新质生产力的内涵特征具有高度耦合性,拓展了场景驱动创新理论在新质生产力领域的应用。

5.3 实践启示

本文基于场景迭代与生产力提质的动态交互,探究数据要素赋能路径及模式,得出以下实践启示:

(1)数据要素是新质生产力形成的动力。若缺乏对数据价值的深度挖掘,并不能带来要素价值的正反馈,而模型创新是实现数据价值释放的“桥梁型”因素。因此,首先应挖掘数据价值,强化数字模型构建能力,优化数据分析能力,数据要素参与新质生产力构建是实现新质生产力的必要途径。其次,应保障数据安全,利用隐私计算、区块链、低代码开发等核心技术构建跨行业、跨区域、跨领域的新型数据流通及安全设施,形成全方位、多层次的新型基础设施。

(2)发挥场景优势,促进新质生产力涌现。场景驱动作为全新的创新范式,成为创造新技术、新产品、新渠道、新商业模式的关键路径。当前,我国现代化产业建设具有两个特征:一是传统产业向新兴产业、未来产业转化。例如,以树根互联工业互联网平台形成的创新联合体为例,其利用场景优势驱动技术创新,充分挖掘和释放数据要素典型领域应用场景,识别场景需求,实现数据供需场景化匹配,同时将科技创新成果应用到发展新质生产力的重大场景上,对传统产业进行改造。二是以数字化场景培育战略性新兴产业和未来产业。从场景创新角度,围绕类脑智能、量子信息等未来产业应用场景,构建场景驱动型创新联合体,由技术创新能力突出、具有明显应用场景优势的科技领军企业提出公关需求或场景任务,主动探索新问题,创建新场景,培育壮大新兴产业,布局建设未来产业(袁野等,2024)。

(3)平台与企业共建开放、协同、共享的数据要素应用网络,发挥创新协同、数字协同作用。在企业层面提高数据创造能力,加快企业尤其是中小企业数字化改造升级,优化数据资源采集和整合,打通企业业务流程数据通道,推动业务流程全链条数字化,建立开放创新的数据生态系统意识,汇聚各类数据资源,激发创新活力。在国家层面发挥新型举国体制、数据要素规模大优势,引导数据要素市场化有效供给,推动数据要素产业化、商业化开发应用,开辟促进新质生产力涌现的新赛道。

5.4 不足与展望

本文存在如下不足:第一,选取的研究案例属于传统工业制造业,不同行业存在一定差异,未来可通过跨行业大样本实证研究,将研究结论扩展至战略性新兴产业和未来产业。第二,对于新质生产力这个综合性概念,地域差异、参与主体不同,实现新质生产力的路径和模式也不同。未来应结合地域特征,研究不同行业、地域新质生产力的形成路径,进一步提炼数据要素如何赋能新质生产力,以得出更为普适性的结论。

参考文献：

[1] 朱晓武,魏文石,王靖雯.数据要素、新型基础设施与产业结构调整路径[J].南方经济,2024,42(1):107-123.

[2] 孙新波,张明超,王永霞.工业互联网平台赋能促进数据化商业生态系统构建机理案例研究[J].管理评论,2022,34(1):322-337.

[3] 王节祥,陈威如,龚奕潼,等.工业互联网平台构建中如何应对“个性与共性”矛盾——基于树根互联的案例研究[J].管理世界,2024,40(1):155-180.

[4] 宋炜,曹文静,周勇.数据要素赋能、研发决策与创新绩效——来自中国工业的经验证据[J].管理评论,2023,35(7):112-121.

[5] 尹西明,苏雅欣,陈劲,等.场景驱动的创新:内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.

[6] 尹西明,钱雅婷,王伟光.场景驱动构建数据要素生态飞轮——从深圳数据交易所实践看CDM新机制[J].清华管理评论,2023,14(5):107-117.

[7] 唐欣,许永斌.场景驱动农业全产业链创新的理论逻辑与实践路径研究[J].科技进步与对策,2023,40(23):32-41.

[8] 王福,刘欣悦,刘俊华,等.场景如何基于价值主导逻辑演变与企业动态能力进阶交互赋能商业模式创新——蒙草生态案例[J].科技进步与对策,2023,40(23):11-21.

[9] KENNY D, MARSHALL J F.Contextual marketing: the real business of the Internet[J].Harvard Business Review, 2000, 78(6):119-125.

[10] 任保平,豆渊博.新质生产力:文献综述与研究展望[J].经济与管理评论,2024,40(3):5-16.

[11] 周文,许凌云.论新质生产力:内涵特征与重要着力点[J].改革,2023,36(10):1-13.

[12] 陈劲,朱子钦.以新技术、新产业驱动新质生产力[J].经济,2024,26(1):22-24.

[13] 黄群慧,盛方富.新质生产力系统:要素特质、结构承载与功能取向[J].改革,2024,37(2):15-24.

[14] 李海舰,赵丽.数据成为生产要素:特征、机制与价值形态演进[J].上海经济研究,2021,39(8):48-59.

[15] 李廉水,石喜爱,刘军. 中国制造业 40 年:智能化进程与展望[J].中国软科学,2019,34(1):1-9,30.

[16] 焦豪.数字平台生态观:数字经济时代的管理理论新视角[J].中国工业经济,2023,41(7):122-141.

[17] 方晓霞,李晓华.颠覆性创新、场景驱动与新质生产力发展[J].改革,2024,37(4):31-40.

[18] 钱贵明,阳镇,陈劲.数字平台视角下新质生产力的形成机制与推进策略[J/OL].西安交通大学学报(社会科学版),1-17[2024-07-19].http://kns.cnki.net/kcms/detail/61.1329.C.20240627.1002.002.html.

[19] 张永刚.基于新质生产力的生产要素创新和优化配置[J].学术界,2024,39(5):87-94.

[20] EISENHARDT K M.Building theories from case study research[J].Academy of Management Review,1989,14(4):532-550.

[21] EISENHARDT K M, GRAEBNER M E.Theory building from cases: opportunities and challenges[J].Academy of Management Journal,2007,50(1):25-32.

[22] MURMANN J P.The coevolution of industries and important features of their environments[J].Organization Science,2013,24(1):58-78.

[23] 苏敬勤,刘静.案例研究规范性视角下二手数据可靠性研究[J].管理学报,2013,10(10):1405-1418．

[24] YIN R K.Case study research:design and methods[M].Thousand Oaks:Sage Publications,2008.

[25] MESKE C, OSMUNDSEN K S, JUNGLAS I.Designing and implementing digital twins in the energy grid sector[J].MIS Quarterly Executive, 2021,20(3):183-198.

[26] 陈武,陈建安,李燕萍.工业互联网平台:内涵、演化与赋能[J].经济管理,2022,44(5):189-208.

[27] VIAL G.Under standing digital transformation:a review and a research agenda,the journal of strategic lnformation svstems[M]//Managing Digital Transformation, Routledge, 2021:13-66.

[28] 杨坤,吴金玉,胡斌.创新网络中知识协同演化机理模型及计算实验分析[J].科技进步与对策,2020,37(8):124-133.

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第3245

期）

编辑整理：蔡子团队  

团队成员：陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤

审核审校：蔡双立  方菲  胡少龙

长按以下二维码，关注《现代财经》公众微信号（modern-finance)

欣赏和阅读《现代财经》2024年第12期，敬请点击以下阅读原文