促进数字经济和实体经济深度融合

数字经济与新质生产力的高科技、高效能、高质量特征相契合，已经成为我国经济发展中创新最活跃、增长速度最快、影响最广泛的领域。促进实体经济和数字经济深度融合，有利于拓展经济发展新空间，提升产业链供应链韧性，塑造发展新优势新动能，对培育发展新质生产力具有强大支撑作用。

近年来，数字经济已经成为我国经济增长的新动能。5G、工业互联网、人工智能等加快发展，传统产业数字化改造向纵深推进，智能制造、服务型制造等融合发展新业态、新模式不断涌现，为发展新质生产力，建设现代化产业体系注入强劲动力。

基础制度“四梁八柱”加速构建。党的十八大以来，我国先后印发数字经济发展战略、“十四五”数字经济发展规划，推动数字经济蓬勃发展。数字经济规模由2012年的11.2万亿元增长至2023年的53.9万亿元，11年间规模扩张了3.8倍。数据基础制度方面，2022年12月，《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》（“数据二十条”）对外发布，从数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度，提出20条政策举措。国家数据局2024年陆续推出数据产权、数据流通、收益分配、安全治理、公共数据开发利用、企业数据开发利用、数字经济高质量发展、数据基础设施建设指引等8项制度文件。政策的密集出台，释放我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济，增强实体经济发展新动能。

人工智能等数字技术加速迭代。人工智能是引领新一轮科技革命和产业变革的重要驱动力，为经济社会发展注入新动能，正在深刻改变人们的生活生产方式。近年来，生成式人工智能技术加速迭代，为各行各业创新发展和转型升级提供了新的工具和视角，截至2023年底，我国人工智能核心产业规模接近5800亿元。此外，在数字经济所涉及的人形机器人、脑机接口、元宇宙、下一代互联网、6G、量子科技、原子级制造、深海空天开发等领域，我国实施了一批科研攻关项目、突破了一批关键核心技术、形成了一批标志性产品。

“数智”赋能实体经济焕发新活力。数字产业化方面，我国加快培育壮大人工智能、大数据、云计算等新兴产业，提升通信设备、集成电路、电子元器件、关键软件等核心竞争力，培育由企业主导的开源软件生态，促进平台经济、共享经济健康发展。截至2024年6月底，我国5G基站总数达391.7万个，5G用户普及率超60%。5G已经融入97个国民经济大类中的74个，全国“5G+工业互联网”在建项目超1万个，5G物联网终端连接数从不足40万个提升至超3000万个。产业数字化方面，深入实施制造业数字化转型行动，加快人工智能、大数据、云计算、5G等数字技术与各行业深度融合，推广应用工业机器人、智能物流等智能装备，建设一批智能工厂、数字化供应链和数字园区，工业互联网、智能制造等新业态、新模式不断涌现。截至2023年底，我国已培育421家国家级智能制造示范工厂、万余家省级数字化车间和智能工厂，62家“灯塔工厂”，制造业重点领域数字化水平加快提升，关键工序数控化率、数字化研发设计工具普及率分别达62.2%和79.6%。

12月2日，在泗洪经济开发区的江苏东磁新能源科技有限公司5G智能车间内，工人正在赶制光伏组件出口订单。图/中经视觉 许昌亮 摄

一是数据资源开放程度有限，大量数据处于“休眠”状态。

国家网信办发布的数据显示，2022年我国数据产量达8.1ZB，位居全球第二位，2023年我国数据生产总量超32ZB，增长率高达295%。但不容忽视的是，我国数据要素化和市场化基础制度建设刚刚起步，数据采集、加工和发布缺乏标准化，数据权属制度、定价制度、分配制度等尚不明确，数据开放程度和共享程度低，“数据碎片化”“数据孤岛”现象已成为制约我国人工智能产业创新发展的重要因素。根据《中国数据要素市场发展报告（2021-2022）》显示，我国数据要素市场呈现“供给旺盛、流通不足、价值远未实现”的特点，仍处于较低发展水平。

二是部分领域同美国差距呈拉大态势。

算力指数同美国差距有拉大现象。当前，人工智能加速跃迁，急剧扩大的数据体量和日趋复杂的算法模型均对算力提出了更高的要求。《2022—2023全球计算力指数评估报告》显示，美国评比得分较上一周期增长5分达到了82分（满分100分），我国得分仅增长1分至71分。

芯片领域，以图形处理器(GPU)、现场可编程逻辑门阵列(FPGA)和人工智能(AI)专用芯片等影响新一代人工智能创新的高端器件为例，GPU主要是由美国企业垄断，其中英伟达市场份额超过95%；FPGA部分，美国英特尔和赛灵思占有超过99%的市场份额；AI芯片部分，美国仍占据全球AI芯片80%以上市场份额。

算力基础设施方面，截至2023年底，美国的数据中心数量在过去两年内实现了翻倍增长，已达到5375个，年增长率高达101.3%，位居世界第一，相较之下，我国的数据中心数量仅有448个，增长率不足10%；实现算力的三大技术路线（超级计算机、云计算、边缘计算），美国均拥有绝对优势。近年来，美国明显加强了超级计算机领域的创新，率先研发出全球首台E级(EFLOPS，百亿亿级)超级计算机Frontier，2023年11月发布的最新版全球超级计算机TOP500排行榜数据显示，美国超级计算机垄断前三，在前十名中占据了6个名次，相较之下我国的“神威·太湖之光”和“天河二号”跌出了前十名。

云计算方面，中国信通院2022年数据显示,我国云计算的占比仅为28%，远低于美国的60%。除去封禁实体计算芯片以外，云服务算力或许也将受到美国政府的遏制，全球主要的边缘计算供应商也集中在美国。

三是关键领域顶级学者与美国存在较大差距。

从顶级学者数量看，与美国相比，我国缺乏推动数字经济与实体经济融合发展所需的高端人才。以人工智能领域为例，2022年全球最具影响力人工智能学者分析报告（智谱·AI，清华大学人工智能研究院）显示，筛选出的过去10年全球人工智能研究领域最有影响力的2000位学者，2022年去重后有1898位，美国和中国入选数分别为1146人次和232人次，中国入选人数仅为美国的20%。

从人才吸引力看，以人工智能领域为例，根据对全球人工智能人才的流动研究，美国人工智能顶尖人才中，本科毕业院校来自中国的占27%，远超其他任何国家和地区。本科毕业于中国的顶级人工智能人才，留在中国和前往美国的分别是34%和近56%，而在美国修读研究生毕业的中国人才，留在美国的占88%，回到中国的只占10%。美国人工智能公司甚至国防部重要人工智能研究项目中，来自中国的人才均占有较高比例。

四是数字赋能实体经济支撑生态体系需进一步优化。数字赋能实体经济的广度和深度有待进一步拓展，部分领域市场主体存在“不愿转”“不敢转”“不能转”现象，部分领域数字赋能还停留在数据感知阶段，数据作为新型生产要素的价值潜力还未充分体现，数字赋能引领高质量发展的作用有待进一步发挥。此外，尚未形成对全球数字经济人才、技术、数据等要素的汇聚效应，尤其是在关键核心技术攻关、数字化转型服务商培育、数字化人才培养等方面还难以满足全面实现数实融合的要求。

一是设立“基础研究特区计划”，加大基础研究和关键核心技术攻关。

总结推广上海“基础研究特区”制度创新的成效与经验做法，研究设立全国层面“基础研究特区计划”。发挥举国体制优势，整合数字技术领域的国家实验室、科研院所、高水平研究大学、科技领军企业等国家战略科技力量，以整合研究力量、强化协同和联合攻关等形式，打造数字技术创新体系，在人工智能芯片、大模型算法、云平台、深度学习平台等制约我国数字技术发展的薄弱环节加强基础研究和关键核心技术攻关，加快推动实现我国数字经济领域高水平自立自强，在重大科技任务攻关中大力推行“揭榜挂帅”“技术总师负责制”“赛马制”。

二是建设运营数据算力算法要素统一大市场。

数据、算力、算法三要素高度聚合是美国推进数实融合，在国际竞争中具有领先优势的关键因素，建议在战略层面建设数据算力算法要素统一大市场，在中央层面明确数据算力算法要素统一大市场的主管机构。借鉴我国卫星互联网成立“国家队”中国卫星网络集团有限公司的做法，在数实融合领域成立新型央企，整合算力和数据的运营权，并规划建设全国一体化算力调度平台、统一数据平台、算法开放服务平台三大支柱平台。

三是做实“引育留用”大文章，夯实数字赋能的人才底座。

加强数字化人才队伍建设。聚焦推进数实融合的重点领域和关键环节需求，将数字经济的综合型产业人才和5G、AI等应用领域的专项人才纳入高端引才计划，加大力度吸引全球数字经济领域人才，为吸引全球顶尖人才制定个性化引入方案，探索制定个性化、差异化、多样化的高精尖数字人才引进政策，特别是在个人所得税优惠政策上要有实质性突破，面向全球加快引进一批数字经济领域学科带头人、技术领军人和高级经营管理人才。加强在高等教育资源统筹，优化学科专业布局，调整高等院校专业设置、加强职业技术培训等手段，建立立体式人才培育体系。支持企业设立博士后工作站，培养数字经济青年创新人才。将数字经济知识作为党政机关干部学习培训的重要内容，提升党政领导干部、公务人员数字化认识水平。

四是提升数字化转型服务市场规模和活力。

提升数字化转型服务市场规模和活力。面向重点行业和领域转型需求，培育一批专门从事数据采集处理、应用软件开发、数字化解决方案集成的数字化服务商，为数字化转型提供方案设计、业务优化和运营维护等一体化专业服务。充分发挥政府引导作用，鼓励和支持高校院所、龙头企业、行业协会等联合建设综合测试验证平台和大模型评测开放服务平台，加强数字化转型共性解决方案供给。坚持政府主导、市场参与，探索建立数字化转型促进中心，为推进数字赋能提供基础技术、试验设备、转型路径、典型场景等公共服务。

五是加强政府对数字赋能工作的统筹协调。

进一步强化统筹协调，加强对全面推进数字赋能实体经济工作各行业领域推进工作的顶层设计和战略指导，加强重大事项、重点项目、重大问题的统筹调度。强化数据管理部门统筹数据资源整合共享和开发利用职能，加快推进政务数据和相关社会数据的整合、管理、应用和服务体系建设工作，夯实数据要素赋能基础支撑。加强各类财政资金和产业基金的统筹，加大对数字基础设施建设、关键核心技术攻关等重点领域和薄弱环节的资金支持力度，突破制约数实融合工作推进的短板和瓶颈。加快推进标杆工程建设，尽快形成一批可复制推广的经验做法和制度性成果，强化数字赋能标杆工程的示范引领效应。（作者系北京市科学技术研究院数字经济创新研究所研究员）