党的十八大以来，党和国家格外的重视数字化的经济与实体经济的融合发展，互联网、大数据、人工智能等数字技术在实体经济中的融合应用愈深愈广。习强调，要推动数字化的经济和实体经济融合发展，把握数字化、网络化、智能化方向，推动制造业、服务业、农业等产业数字化，利用互联网新技术对传统产业进行全方位、全链条的改造，提高全要素生产率，发挥数字技术对经济发展的放大、叠加、倍增作用。据《中国数字化的经济发展研究报告（2023年）》测算，2022年，我国第一、二、三产业数字化的经济渗透率分别达10.5%、24.0%、44.7%。加快数字经济与实体经济深层次地融合已成为中国传统产业转变发展方式与经济转型的新引擎，是经济高水平发展的必然选择。

　　纵观全球，数字化的经济与实体经济的融合（以下简称“数实融合”）也是世界主要国家打造竞争新优势的战略选择。2006年，美国国家科学基金会提出“信息物理系统”（Cyber-Physical Systems），旨在将传感、计算、控制和网络集成到物理对象和基础设施中，并将它们连接到互联网并相互连接；此后，美国先后于2012年、2018年和2022年制定“国家先进制造业战略”，强调将数字技术应用于制造业，以提高美国制造业竞争力，带动美国制造业回流升级，在先进制造业领域重塑国家竞争力。德国自2013年提出“工业4.0”概念以来，先后推出《实施“工业4.0”战略的建议》《数字化战略2025》《德国工业战略2030》等战略，并通过数字化技术实现对生产的全部过程的全面感知和控制，推动实体物理世界和虚拟网络世界的融合；2022年，德国进一步提出“制造-X”计划，旨在通过构建数据空间，激发数据要素价值，促进供应链整体系统性数字化变革，以确保德国工业全球领导者地位。日本面对老龄化、少子化等突出社会问题，提出“社会5.0”战略，其中“互联工业”战略通过采集海量数据，将人、设备、系统、技术等相互连接，通过对跨越多种类型信息的大数据进行AI（AI）分析，包括客户和消费的人需求、供应商库存信息和交付信息等，从而不仅解决制造问题，更力图解决日本面临的严峻社会挑战。

　　总体来看，依托传感器、物联网、大数据、人工智能等技术，实现物理世界与数字世界之间的相互感知、控制、优化，已成为国家提升产业竞争力、破解社会持续健康发展难题的重要方法。本文旨在进一步把握数实融合的本质规律，厘清数实融合的赋能路径，分析数实融合的发展的新趋势，为深入推动数实融合、塑造我们国家的经济发展新优势提出对策建议。

　　从大历史观来看，人类社会经历了农业社会、工业社会，正步入知识社会。在这样的一个过程中，每个社会都有其标志性的技术，标志性的经济形态，以及标志性的特征、工具、对象等，从而构成了不同的社会形态。数字化的经济是知识社会的典型经济形态，如农业经济之于农业社会，工业经济之于工业社会；对知识社会而言，正在孕育产生以知识为特征的新经济形态。

　　当今社会正在从工业经济时代大步迈向知识经济时代。1996年，经济合作与发展组织（OECD）发布的《以知识为基础的经济》报告提出，“知识经济”是建立在知识和信息的生产、分配和使用之上的经济。联合国教科文组织《迈向知识社会》报告认为，知识社会的核心是为了创造和应用人类发展所必需的知识而确定、生产、处理、转化、传播和使用信息的能力。知识资源正在超越土地、水、植物、矿产、能源等自然资源，日益成为社会生产力发展的关键要素和最重要的资源。

　　数字经济的兴起，为知识的生产、传播和使用带来新的可能。知识的生成有了新的模式。基于AI对大规模数据和行业知识的学习，多领域知识得以深层次地融合，隐藏的模式和关联被识别、挖掘，拓展人类的认知边界。知识的表达有了新的维度。传统实体经济的专业方面技术和知识被数字化、模块化、标准化，促进隐性知识显性化，极大地提高了知识的复用性。知识的传播突破传统的边界。传统工业经济时代知识的独享性被打破，开放式的知识社会逐渐形成。

　　实体经济是立国之本、强盛之基。党的二十大报告强调，要“坚持把发展经济的着力点放在实体经济上”。从本质上看，数实融合是生产要素的增加和不确定性的减少，人机物三元融合是数实融合的纽带（图1）。

　　数实融合是生产要素的增加。在农业社会、工业社会，经济发展主要是依靠土地、劳动力、资本、技术等生产要素。随着数字技术与经济活动的不断融合，生产活动中的数据获取、传输、存储、处理、加工能力得以大幅度的提高，海量级工业数据、用户数据、产业链上下游数据持续涌现，这为企业打通各环节、多维度数据，开展策略性竞争决策提供有力支持，并带来价值增值。数据在生产、竞争中的重要性日益凸显，逐渐从辅助性资源中独立出来，成为数字化的经济赋能实体经济的核心生产要素。据《数字中国发展报告（2022年）》显示，2022年我国数据产量达8.1 ZB，同比增长22.7%，全球占比达10.5%，位居世界第2位。当然，仅有数据存量优势还不足以满足经济社会持续健康发展对数据要素的迫切需求，更重要的是以完善的配套制度促进数据如其他商品一样在市场上有序流转、使用，实现各领域数据融合、联结，从而真正释放数据在实体经济中的价值创造。

　　数实融合是不确定性的减少。美国数学家、控制论创始人诺伯特·维纳（Norbert Wiener）提出，信息、物质和能量是现实世界的三大要素。从经济学角度看，由于交易各方拥有的信息不同，将影响市场机制配置资源的效率，造成占有信息优势的一方在交易中获取较多剩余，出现利益分配结构严重失衡的情况，也就是信息不对称带来的市场失灵。在数字化的经济发展下，基于数据汇聚、清洗、处理，通过物联网技术、大数据分析及AI的应用，将产生有助于洞察市场、捕捉趋势、发现规律的多维信息，由此减少传统实体经济中的信息不对称，提升对生产的物质流、能量流的优化调控及资源使用效能。例如，随着数字平台的发展，供给方和需求方的信息在平台汇聚；在算法作用下，供需双方信息精准高效匹配，实现资源优化配置。

　　人机物三元融合是数实融合的纽带。当今世界，新一轮科技革命和产业变革加速演进，大数据、互联网、人工智能、5G通信、云计算、物联网等新一代信息技术作为本轮科技革命最活跃的关键技术群，应用赋能方兴未艾，模糊了人类社会（人）-数字空间（机）-物理世界（物）的边界，以人机物三元融合为纽带的数实融合新形态正在形成。智能手机、可穿戴设备、虚拟现实（VR）等产品和技术的广泛应用，使人的活动在虚拟空间得以映射；工业互联网、智能制造等技术使得机器能更智能地执行任务，从而优化生产的全部过程，提高生产效率；物联网技术使得物理世界能够具备感知和交互的能力，从而形成一个互联的生态系统。人与人、人与物、物与物的联通方式从物理空间向数字空间拓展，远程化、全时化、全域化连接成为现实；机器的能力和人的能力的交互融合，实现生产力的跃迁。人机物三元融合不仅使生产力得以提升，还正在并将持续催生全新的商业模式和服务方式，推动实体经济转型升级。

　　习强调，数字化的经济具有高创新性、强渗透性、广覆盖性。数字化的经济对实体经济的赋能表现出全过程、全链条特征，渗透于研发创新、生产制造、协同融合、供给服务等各环节，进而孕育实体经济系统性变革。

　　创新是产业持续保持竞争力的动力源泉。在数字技术推动下，实体经济创新思维、创新模式、创新周期正发生全面而深刻的变化。

　　数字化的经济引领开放创新思维。数字经济的发展使创新主体间由完全竞争的排他关系向共生共赢关系转变，从封闭式创新向开放创新转化；同时，网络站点平台的网络效应也使得过去单一企业、单一产业、单一地区、单一国家的创新模式被打破，全社会共同参与的开放创新活力得以激发。例如，软件开源是开放创新的典型实践，通过开源社区，来自世界各地的开发者共同促进了软件的功能迭代与丰富。

　　数据共享助力协同创新模式。依托大数据、区块链等数字技术，开放创新生态打破地域、部门、组织、环节的信息藩篱，加速产业链上下游信息传播，并以构件化和模块化灵活架构，实现产业链上下游协同创新，服务产业新业态、新模式。

　　数字闭环缩短迭代创新周期。数字化时代，传统单向创新路径在数字时代演化为闭环迭代创新。产品原型进入市场之后，数字技术能及时收集用户使用习惯、产品性能等数据，向上反馈至创新链，引导研发环节充分了解市场需求，从而形成B2C2B数据闭环，促进创新链、产业链紧密衔接，推动产业创新方向螺旋式迭代升级。

　　生产作为实体经济发展的核心环节，是数字化的经济赋能传统产业的重要方法之一。随着数实融合的深化，将带来三大转变。

　　以产品为中心向以用户为中心转变。在大数据驱动下，实体经济各产业对客户的真实需求的捕获更加明确、更精准，引导传统以产品为中心的生产价值观向以用户为中心的价值观转变；定制化生产和用户至上理念不仅提升了用户的体验，更提高了企业的竞争力。

　　以经验驱动向知识驱动转变。利用数字化手段，生产的全部过程的领域知识、隐性知识或经验，被固化形成流程化、标准化、智能化的软件组件，以此来实现精准控制的流程生产，提高生产效率和生产水平。

　　规模化向柔性化转变。在知识显性化、模块化基础上，数字技术提供了按照既定规则自动完成各种要素组合操作的可能，实现生产的全部过程自动化，支持多品种小批量的柔性制造模式。例如，海尔家电沈阳工厂，基于工业互联网实现人机、机机的高品质、高效互联，打造了一条支持500多种型号产品的柔性生产线，从而带来客户定制量的大幅增长和生产效率的大幅提升。

　　产业协同是实体经济高效有序运转的根本保障。数字化的经济有助于实体经济在产业内和产业间实现协同融合，提高产业竞争力，推动产业转型升级。

　　从纵向产业内协同看，基于物联网的终端感知和产业网络站点平台的数据融合，使实体经济产业链上下游相关材料、生产、采购、物流配送的信息壁垒得以突破；同时，供需信息的动态匹配降低了供给成本，提高产业链稳定性，也为产业设备共享、人员共享、产能共享及虚拟产业园等新业态、新模式夯实信息协同基础。

　　从横向产业间协同看，数字技术有助于产业之间通过跨领域的信息对接、需求对接、服务对接，拓展产业内涵和发展空间。制造业服务化是跨产业协同发展的代表性方向之一，在数字技术作用下，制造业价值链由以制造为中心向以服务为中心转变。通过物联网、5G通信等数字技术，在产品销售的基础上还能更加进一步提供运作时的状态监测、预防性维护等延伸服务，提升产品附加值，助力产业转型升级。

　　传统供给模式下，生产者和消费的人信息沟通不畅，市场需求难以及时得以满足。物联网、社交网络、数字平台等数字技术为产业提供触达消费者的多形式渠道，使客户的真实需求和使用者真实的体验成为驱动产业供给的新动力，以完善产业服务供给水平。

　　数字化的经济扩大实体经济市场广度。在数字技术作用下，传统单一线下供给模式全面向线上线下融合发展方式转化。互联网、移动互联网、大数据、人工智能等工具手段打破传统营销的空间、时间限制，企业能够更广泛地触达目标客户。特别在实体经济拓展海外市场方面，数字经济发挥着重要的作用。据统计，2022年我国跨境电子商务进出口规模达2.1万亿元人民币，比2020年增长30.2%。

　　数字经济提升实体经济服务精度。在线上化的基础上，实体产业借助数字化手段采集消费数据，借助数据分析获知用户行为模式和需求特征，形成用户数字画像，使产品服务更精准、更及时、更多元。

　　早期的数实融合得益于互联网的兴起和计算机的普及。20世纪90年代，随着网络技术的日益成熟，全世界内网络接入快速普及，数字技术快速从信息产业外溢，进而带来对经济社会的全面影响。1995年，《数字化生存》一书，预言了数字科技对未来生产、生活、教育的影响。这一时期，数字技术应用于实体经济的典型实践是企业信息系统的广泛应用，如企业资源计划（ERP）、客户关系管理（CRM）等系统的使用。虽然学界、产业界多将这一阶段的数字技术应用过程称为“信息化”，但其本质仍然是数实融合。

　　该阶段的数实融合表现为3个特征：数据化。各种物理实体、自然信息被转化为用0和1表达的数据，存储于计算机，从而使计算机和软件可以识别、控制、存储、计算等数据，实现从纸质文档到数字化文档的转化；这虽提高了信息访问效率，但尚未实现业务流程的优化与价值创造。单点化。数字技术仅应用在业务的特定环节，如用ERP系统来进行公司制作管理、用CRM系统来进行企业客户关系管理、用办公自动化（OA）系统来进行企业办公管理。离散化。数字技术应用仍然比较割裂，针对所有的环节的应用之间缺乏协同和连通。例如，企业在不同的业务部门使用不相同的信息系统，导致数据无法共享和耦合。

　　进入21世纪，随着网络、移动互联网的迅猛发展，平台经济快速兴起，海量数据源源不断被采集、存储、处理、使用，从而创造新的价值。2012年，《》刊出《大数据时代》一文，指出“大数据”正在对每个领域都带来深刻影响，这宣告了大数据时代的到来。

　　该阶段的数实融合表现为3个特征：网络化。随着海量用户、机器、物品接入互联网，人与人、人与物、物与物、服务与服务的连接呈现爆发式增长。在梅特卡夫定律作用下，由此带来的网络价值也呈现指数增长，并为实体经济打开广阔的发展新空间。多个方面数据显示，截至2022年底，我国网民规模达10.67亿人，移动物联网终端用户数达18.45亿户；我国成为全世界首个“物超人”的国家。平台化。平台经济在此阶段迅速崛起，形成了庞大的数字生态。这个生态通过集聚和整合海量的数据，实现了供需双方的高效连接，使得企业、服务提供商和消费的人能够更加便捷地参与到数字化的经济的交流和合作中，促进了实体经济的快速发展。价值化。大数据的出现与普及不但可以为决策活动提供有效的支持，同时也深刻地影响和改变了各行各业的生产模式。这既体现在赋能实体经济降低交易成本、提升生产效率、拓展市场空间等经济价值层面，也体现在改善民生福祉、实现可持续发展等社会价值层面。例如，滴滴出行科技有限公司与济南、武汉等地合作，利用交管部门路况数据，结合智慧交通算法，自动调整变灯时间；通过对2000多个路口信号灯来优化，使济南市高峰时段拥堵延误时间平均降低20%。这不仅提高了交通运行效率，也减少了拥堵产生的碳排放。

　　随着聊天机器人ChatGPT的发布，以大模型为代表的人工智能技术进入加速落地应用的新阶段，为数实融合提供了新的工具、注入新的动能。我国大模型行业蒸蒸日上，进入“百模时代”；其中，既有“文心一言”“盘古”等通用大模式，也有面向教育、金融、媒体等各垂直领域的行业大模型。这些大模型为特定业务场景的专业化解决方案提供服务，推动数实融合进入智能驱动的新阶段。

　　该阶段数实融合表现出了进一步深化的3个特征，为实体经济发展带来非常大变革：颠覆智能交互方式。依托机器视觉、自然语言模型等技术，数字技术的供给比以往任何一个时间里都更贴近人类交互习惯，以此来降低了人工智能技术使用门槛，为AI赋能实体经济提供了可行路径。增强多模态数据融合。大模型实现对文字、图像、音频、视频等多模态数据的融合，使得机器能更加全面、深入地理解实体经济中的复杂场景，优化提升了模型服务实体经济的能力。促进新知识的涌现。在移动网络、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，人工智能呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等特征，能发现隐藏在数据背后的规律和模式，从而为新知识的涌现提供了新的思路和方法，为实体经济的发展创造新的可能。例如，百度在线网络技术（北京）有限公司与吉利汽车合作，基于在数千万条无标注数据上的模型预训练，构建了汽车领域知识库，从而使研发时间成本节省85%，实现大模型赋能研发的降本增效。

　　技术驱动奠定了数实融合的重要基石，数据驱动使数实融合的要素得到拓展，而智能驱动将会成为数实融合强大的引擎动力。未来，数字技术的发展将从经济领域扩展延伸至整个人类社会，借助云计算、物联网、移动通信、人工智能、虚拟现实、脑机接口等技术实现人类社会（人）-数字空间（机）-物理世界（物）之间信息共享和协同计算，形成以人为本的人机物三元融合的数实融合新形态，服务于人的需求，并最终为国家发展面临的重大经济社会问题提供解决方案。

　　以人为本的人机物三元融合的数实融合将推动我们国家经济发展呈现3个新趋势：协同化。人机物三元融合通过万物互联、万物智联，实时感知人的需求，以及物理世界、数字空间的状态，从而加速物质、信息、能源三大要素的高效协同和优化配置，为提高产业韧性和经济发展质量提供新的可能。例如，人机一体化智能系统通过人机协同、机器人自动化和数字孪生等技术，实现生产活动对环境变化、需求变化的快速感知，并做出及时响应。服务化。数实融合的根本目的是让技术更好地造福于人民的福祉，人的需求、体验和参与是数实融合的核心；人机物三元融合将推动实体经济围绕个人的个性化需求，组织定制化生产活动，从而使每个人都将在终身教育、社交休闲、购物娱乐、健康保健、衣食住行等方面享受更精准、更舒适和更高质量的服务。例如，身联网的应用将实时监测用户的心率、血压、睡眠质量等健康数据，进而提供个性化的健康管理。绿色化。在人机物三元融合的经济发展形态中，产品的生产将以人的切实需求为出发点和落脚点，按需制造。这不仅精准地满足了个体需求，更避免了过度供给所造成的资源浪费；人与自然逐步实现和谐共处，机器也将从工具逐步上升成为人类的伙伴，实现人类社会（人）-数字空间（机）-物理世界（物）的协调统一。

　　当前，我国数字化的经济与实体经济融合不断深化，取得积极成效，然而距离人机物三元深层次地融合的发展新形态，仍在理论方法、产业技术、社会伦理等层面仍面临问题与挑战。

　　理论方法层面。人机物深层次地融合的底层逻辑有待优化。如何使机器更好地服务于人的生产生活，促进工作场所的包容性，提高民众生活品质，是人机物融合下数实融合的核心——应使机器服务于人，而不是机器替代人。生产制造与社会需求深层次地融合的理论体系亟待建立。现有数实融合，多以业务场景工作流程为核心，注重利用新一代信息技术提升生产效率；但是，尚缺少从生产供给到需求满足的贯通，未打通人民对教育、医疗等切实需求与服务、制造系统的融合，以生产制造和服务需求的闭环解决经济社会持续健康发展问题的理论体系尚未形成。

　　产业技术层面。人机物数据融合不充分。在人机物三元融合的数字社会，人的需求在不同场景间转换衔接，因此对跨行业、跨领域、跨时间、跨空间的数据融合提出很高的要求。现有的数据融合多侧重于单一领域，难以满足人机物三元融合背景下跨领域、多类型数据的计算需求。标准规范体系不健全。人机物三元融合的数实融合发展需要标准规范体系的支撑；但目前不同企业、行业使用不相同的数据格式和标准，这导致数据无法流通和共享，增加了数据整合的难度。网络安全问题突出。人机物三元融合使得不同规模的企业、不一样的人机交互设备大量接入互联网，由此导致网络攻击面扩大，网络安全风险加剧，进而威胁个人生命财产安全，甚至威胁经济社会安全乃至国家安全。

　　社会伦理层面。数据隐私与安全问题。在人机物三元融合的形态中，大量实体经济数据将被采集和使用，因此可能会引起个人隐私泄露、数据滥用和数据安全事件。特别是未来随着脑机接口、生物芯片等与人体行动、思维深层次地融合的技术成熟使用，人的意识、情绪可能面临被读取，甚至被劫持、改写、删除等风险。算法偏见问题。由于算法设计缺陷或算法模型训练中数据的不完备性，将导致算法对某些群体的偏见和歧视，从而背离使技术造福人类的初衷。算法不可解释性。人工智能模型具有“黑箱”特征，其内部运作机制难以解释。随着人工智能等技术在实体经济中的应用不断深入，在制造、医疗、交通等领域的算法可解释至关重要，因此迫切地需要提高算法的透明性和责任感。就业与社会公平问题。数实融合可能会引起一些传统产业的就业岗位减少，同时也会创造出新的就业机会。然而，新的就业岗位大多对劳动者的数字技能要求比较高，进而可能会影响劳动者公平就业机会，引发社会不平等。

　　深化人机物数实融合的理论方法研究。构建以人为本的人机物三元融合理论架构。以国家重大战略发展需求、社会重大问题和未来社会持续健康发展愿景为牵引，深入研究人机物三元融合的理论架构，突破单纯以效率提升为目标的数实融合发展模式，形成以人为本、人机互补的数实融合发展逻辑体系。构建人机协同的评估体系。以使机器更好服务于人为目标，从人机协同效率、人机协同质量、人机协同满意度等维度建立人机协同的评估体系，以提高人机协同的可操作性和可评估性，引导各行业开展以人为本的数实融合，保障劳动者的基本权益。

　　深化人机物数实融合应用示范探索。制定统一数据标准。聚焦人机物三元融合重点领域，组织行业协会、企业和领域专家进行标准制定。通过制定跨行业、跨领域的数据交换和共享标准，促进数据流通和共享。搭建跨行业、跨领域的数据空间。在教育、医疗、交通等重点领域，使用先进的数据融合技术，以人民需求为导向，集成全生命周期关联数据，以实现多领域、多场景数据的统一存储、管理、分析和服务，推动跨时空、跨场景数据的可信共享共用，满足人机物三元融合背景下的数据融合需求。加快重点场景应用示范。探索以人为本的人机物三元融合场景创新和模式创新，在智慧交通、智慧医疗等领域启动人机物三元融合试点示范。通过探索人机物三元融合的标准化发展，形成可复制和推广的经验和模式。强化网络安全防范能力。部署先进的威胁检测和响应系统，及时识别和应对潜在的安全威胁；加强隐私保护技术，强化身份验证，并在不暴露原始数据的情况下进行数据分析。

　　深化人机物数实融合的技术伦理规范建设。强化数据采集和使用规范建设。针对不同数实融合场景，明确规定数据收集、使用、存储和共享原则，以确保个人对被采集数据的知情权和控制权。强化算法分级分类监管。设立算法审查机构，依据算法应用场景及其对经济社会安全的影响差异，建立包含公共领域、商业领域的算法分类等级体系；对于与国家公共安全紧密关联的领域，加强有关数据与算法的信息公开披露，建立算法全生命周期的追溯和问责机制。完善算法伦理准则。明确人工智能技术的研究和应用原则，强化学术科研机构和企业要在人工智能全生命周期内严格遵守科技伦理、技术标准及法律和法规，以引导科研人员发展负责任的人工智能。加快劳动者技能培训。鼓励数字技能培训机构与垂直细致划分领域企业深度合作，研发有明确的目的性的培训课程，提升劳动者数字技能，最大限度地适应技术发展需求；同时，鼓励加强高校与企业的合作，开设相关专业课程和实践教学，培养适应人机物三元融合发展需求的复合型人才。

　　（作者：潘教峰、吴静，中国科学院科技战略咨询研究院中国科学院大学公共政策与管理学院。《中国科学院院刊》供稿）