推动数字经济和实体经济深度融合（专题深思）
党的十九届五中全会提出：“发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”以大数据、云计算、人工智能等新一代信息技术为基础的数字经济，体现了经济发展的方向。推动数字经济和实体经济深度融合，需要加强数字基础设施建设，促进互联互通，通过智能化、协同化的新生产方式对实体经济进行改造升级，全面提高实体经济的质量、效益和竞争力，打造数字经济形态下的实体经济，进而推动经济体系优化升级。
加快发展数据要素市场。加快发展数据要素市场，是推进数字产业化和产业数字化、推动数字经济和实体经济深度融合的一个重要前提。党的十九届四中全会将数据增列为生产要素，党的十九届五中全会进一步提出推动数据资源开发利用，推进数据等要素市场化改革。这为加快培育发展数据要素市场指明了方向。加快发展数据要素市场，需要建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，完善竞争政策体系和市场监管体系，促进大数据交易市场的形成和发展；扩大基础公共信息数据有序开放，建设国家数据统一共享开放平台，努力消弭“数字鸿沟”。在保障国家数据安全、加强个人信息保护的基础上，推动各部门、各区域之间的数据共享开放，让大数据更好造福人民。
促进数字经济创新活动向生产领域渗透。数字经济为实体经济提供新的科学技术知识和生产组织形式，实体经济为数字经济提供应用市场和大数据来源。党的十九届五中全会提出：“推动互联网、大数据、人工智能等同各产业深度融合，推动先进制造业集群发展，构建一批各具特色、优势互补、结构合理的战略性新兴产业增长引擎，培育新技术、新产品、新业态、新模式。”这为数字经济和实体经济深度融合理清了思路、明确了路径。要积极运用新一代数字技术推进传统实体经济的数字化改造，推进数字产业化和产业数字化，推动产业链向中高端延伸，增强实体经济的核心竞争力；完善国家创新体系，健全创新激励机制，将数字经济创新活动广泛引向生产领域，为实体经济转型升级赋能助力。
加强数字人才培养。数字技术的持续进步和实体经济的数字化改造，离不开掌握数字技术、能够科学分析处理数据的专业化创新型人才。提升公共服务、社会治理的数字化智能化水平，同样需要培养数字人才、提升公众数字素养。为此，要推进数字教育改革，加快构建数字人才培养体系，创新人才培养模式，为发展数字经济、推进数字产业化和产业数字化等提供充足人才；推广应用新一代数字技术，普及数字知识和技能，提升公众数字素养。
促进数字领域国际交流合作。深化国际科技交流合作，是破解人类所面临重大挑战的必由之路。推进数字产业化和产业数字化、推动数字经济和实体经济深度融合，同样需要加强国际科技交流合作，依托我国超大规模市场优势，打造世界数字经济合作平台，同各国加强在5G、大数据、人工智能、工业互联网等领域的交流合作，让数字技术更好地服务全球经济可持续发展；主动融入全球创新网络，探索新形势下科技合作的模式和机制；积极参与全球经济治理体系改革，积极参与数字领域国际规则和标准制定，提高我国在国际规则制定中的话语权，继续为全球数字经济治理贡献中国智慧。
（作者单位：首都经济贸易大学经济学院、中国人民大学经济学院）
《人民日报》（2021年03月16日09版）
(责编：程宏毅、仝宗莉)分享让更多人看到
推动数字经济与实体经济深度融合－国务院国有资产监督管理委员会
推动数字经济与实体经济深度融合文章来源：经济日报发布时间：2021-07-19
新一轮科技革命和产业变革方兴未艾，以大数据、云计算、人工智能等为代表的新一代信息通信技术促使经济社会发生深刻变化，数字经济蓬勃兴起，数字技术广泛渗透于生产生活。根据中国信息通信研究院的数据，2020年我国数字经济规模达到39.2万亿元，占GDP比重为38.6%，目前位居世界第二。与此同时，数字产业化和产业数字化加速演进，进一步推动数字经济与实体经济深度融合，已经成为建设现代化经济体系、实现高质量发展的重要路径。
“十四五”规划和2035年远景目标纲要提出“打造数字经济新优势”，强调“充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式”，对以数字化转型整体驱动生产方式、生活方式和治理方式变革提出了要求。下一阶段，需以推动数字经济与实体经济深度融合为抓手，加快推动数字产业化，推进产业数字化转型，不断壮大经济发展新引擎。
一是激活数据要素潜能，加快培育数据要素市场。当前，数据已经成为与传统的劳动力、资金、土地等并列的生产要素，且表现出特殊性。一方面，数据体量庞大且更新速度快，在经济社会发展进程中，各领域都需要应用数据并不断产生新的数据。另一方面，数据不受时间空间等因素限制，可以共享且拓展延伸。企业可以通过现代信息技术捕捉到数据，并应用于生产、流通等各环节，能够有效提高企业的生产效率。推动数字经济与实体经济深度融合，需充分挖掘数据作为生产要素的潜能，释放数据的价值，加快培育数据要素市场。特别是要对数据的所有权、使用权、转让权等作出明确界定，在保障数据安全的同时，打破现有壁垒，将数据用好用足。
二是促进数字产业化，培育世界级数字产业集群。依托我国在数字经济领域的发展优势，以及超大规模国内市场优势，培育具有全球竞争力的数字经济产业集群正逢其时。下一阶段，需加快在关键核心技术方面的突破，补齐基础研究领域存在的短板，为数字产业化提供有力技术支撑；打造数字经济应用的新场景，以需求牵引和推动数字产业化；发挥好企业的市场主体作用，营造好企业创新生态；加快推进“新基建”，在5G、人工智能、工业互联网等领域切实发力，为数字产业化夯实基础。
三是加快产业数字化，助推产业转型提速增效。产业数字化，即以数字技术为支撑，以数据赋能为主线，以数据为关键要素，对产业链上下游全要素进行数字化转型升级和价值再造。近年来，我国产业数字化规模持续扩大，2020年达31.7万亿元，占数字经济的比重为80.9%，占GDP比重为31.2%，产业数字化转型提速。进一步推动融合发展向深层次演进，提升产业发展的效率和效益，需持续推进数字技术赋能的深度和广度，充分发挥工业互联网对实体经济发展的支撑作用，拓展5G和工业互联网融合应用的场景，引导企业加快应用新技术，推进数字化、网络化和智能化升级，构建以实体企业为主体、覆盖全产业链的新兴产业组织平台。
四是健全法律法规、完善相关标准，为数字经济与实体经济深度融合提供保障。在充分利用数据要素的过程中，维护安全、防范风险是个绕不过去的重要课题。在这方面，尤其需要强有力的制度给予保障。需以标准化规范和引领数字经济与实体经济融合发展，从数字资源确权、开放、流通、交易等各环节探索不同地区、部门之间的共享标准，提高数据共享标准化水平，有效推动数据互联互通，促进数据再使用、再增值；进一步健全数据信息采集、定价、服务等法律法规，将数据获取、使用等纳入法律法规的监管之中；推进数字经济领域的法制建设，出台和健全数字信息完善、数据隐私保护等相关的法律法规，加大力度保护知识产权等，防止数字经济领域平台型企业的市场垄断行为。既确保数字经济有充足的发展空间，又能使数字经济发展更加规范有序。
【责任编辑：语谦】
扫一扫在手机打开当前页打印
关闭窗口
对智能制造的一些认识
编者按：当前，以新一代信息通信技术与制造业融合发展为主要特征的产业变革在全球范围内孕育兴起，智能制造已成为制造业发展的主要方向。智能制造尚处于不断发展过程中，社会各界的认识和理解各有不同。机械工业仪器仪表综合技术经济研究所长期跟踪世界制造技术发展，在大量的企业调研和国际交流的基础上，形成了“对智能制造的一些认识”一文，与大家分享。
对智能制造的一些认识
机械工业仪器仪表综合技术经济研究所
1、智能制造概念“智能制造”可以从制造和智能两方面进行解读。首先，制造是指对原材料进行加工或再加工，以及对零部件进行装配的过程。通常，按照生产方式的连续性不同，制造分为流程制造与离散制造。根据我国现行标准GB/T4754-2002，我国制造业包括31个行业，又进一步划分约175个中类、530个小类，涉及了国民经济的方方面面。
智能是由“智慧（wisdom）”和“能力”两个词语构成。从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称为“智能（intelligent/smart）”。因此，将感觉、记忆、回忆、思维、语言、行为的整个过程称为智能过程，它是智慧和能力的表现。
目前，国际和国内都尚且没有关于智能制造的准确定义，但刚刚发布的《智能制造发展规划（2016-2020年）》给出了一个比较全面的描述性定义：智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。推动智能制造，能够有效缩短产品研制周期、提高生产效率和产品质量、降低运营成本和资源能源消耗，并促进基于互联网的众创、众包、众筹等新业态、新模式的孕育发展。智能制造具有以智能工厂为载体，以关键制造环节智能化为核心，以端到端数据流为基础、以网络互联为支撑等特征，这实际上指出了智能制造的核心技术、管理要求、主要功能和经济目标，体现了智能制造对于我国工业转型升级和国民经济持续发展的重要作用。
然而，由于我国技术基础薄弱发展不平衡，企业在进行智能制造实施和升级改造过程中往往茫然不知从何做起。因此，以下将根据智能制造的描述性定义，提出关于智能工厂、制造环节智能化、网络互联互通，以及端到端数据流等四个方面的初步认识，以期说明智能制造的主要内容。
2、什么是智能工厂智能工厂是实现智能制造的载体。在智能工厂中通过生产管理系统、计算机辅助工具和智能装备的集成与互操作来实现智能化、网络化分布式管理，进而实现企业业务流程与工艺流程的协同，以及生产资源（材料、能源等）在企业内部及企业之间的动态配置。
一方面，“工欲善其事必先利其器”，实现智能制造的利器就是数字化、网络化的工具软件和制造装备，包括以下类型：
1）计算机辅助工具，如CAD（计算机辅助设计）、CAE（计算机辅助工程）、CAPP（计算机辅助工艺设计）、CAM（计算机辅助制造）等；
2）计算机仿真工具，如物流仿真、工程物理仿真（包括结构分析、声学分析、流体分析、热力学分析、运动分析、复合材料分析等多物理场仿真）、工艺仿真等；
3）工厂/车间业务与生产管理系统，如ERP（企业资源计划）、MES（制造执行系统）、PLM（产品全生命周期管理）/PDM（产品数据管理）等；
4）智能装备，如高档数控机床与机器人、增材制造装备（3D打印机）、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备等；
5）新一代信息技术，如物联网、云计算、大数据等。
另一方面，智能制造是一个覆盖更宽泛领域和技术的“超级”系统工程，在生产过程中以产品全生命周期管理为主线，还伴随着供应链、订单、资产等全生命周期管理，如图1所示。
图1：智能制造生命周期管理
在智能工厂中，借助于各种生产管理工具/软件/系统和智能设备，打通企业从设计、生产到销售、维护的各个环节，实现产品仿真设计、生产自动排程、信息上传下达、生产过程监控、质量在线监测、物料自动配送等智能化生产。下面介绍了几个智能工厂中的“智能”生产场景。
场景1：设计/制造一体化。在智能化较好的航空航天制造领域，采用基于模型定义（MBD）技术实现产品开发，用一个集成的三维实体模型完整地表达产品的设计信息和制造信息（产品结构、三维尺寸、BOM等），所有的生产过程包括产品设计、工艺设计、工装设计、产品制造、检验检测等都基于该模型实现，这打破了设计与制造之间的壁垒，有效解决了产品设计与制造一致性问题。
场景2：供应链及库存管理。企业要生产的产品种类、数量等信息通过订单确认，这使得生产变得精确。例如：使用ERP或WMS（仓库管理系统）进行原材料库存管理，包括各种原材料及供应商信息。当客户订单下达时，ERP自动计算所需的原材料，并且根据供应商信息及时计算原材料的采购时间，确保在满足交货时间的同时使得库存成本最低甚至为零。
场景3：质量控制。车间内使用的传感器、设备和仪器能够自动在线采集质量控制所需的关键数据；生产管理系统基于实时采集的数据，提供质量判异和过程判稳等在线质量监测和预警方法，及时有效发现产品质量问题。此外，产品具有唯一标识（条形码、二维码、电子标签），可以以文字、图片和视频等方式追溯产品质量所涉及的数据，如用料批次、供应商、作业人员、作业地点、加工工艺、加工设备信息、作业时间、质量检测及判定、不良处理过程等。
场景4：能效优化。采集关键制造装备、生产过程、能源供给等环节的能效相关数据，使用MES系统或EMS（能源管理系统）系统对能效相关数据进行管理和分析，及时发现能效的波动和异常，在保证正常生产的前提下，相应地对生产过程、设备、能源供给及人员等进行调整，实现生产过程的能效提高。
总之，智能工厂的建立可大幅改善劳动条件，减少生产线人工干预，提高生产过程可控性，最重要的是借助于信息化技术打通企业的各个流程，实现从设计、生产到销售各个环节的互联互通，并在此基础上实现资源的整合优化和提高，从而进一步提高企业的生产效率和产品质量。
3、如何实现制造环节智能化互联网技术的普及使得企业与个体客户间的即时交流成为现实，促使制造业可实现从需求端到研发生产端的拉动式生产，以及从“生产型”向“服务型”产业转变。因此，企业领先于竞争对手完成数字化、网络化与智能化的转型升级，实现大规模定制化生产来满足个性化需求并提供智能服务，方能在瞬息万变的市场上立于不败之地。
看得见的是个性化定制和智能服务，看不见的是生产制造各环节的数字化、网络化与智能化。实现智能制造，网络化是基础，数字化是工具，智能化则是目标。
网络化是指使用相同或不同的网络将工厂/车间中的各种计算机系统、智能装备，甚至操作人员、物料、半成品和成品等连接起来，以实现设备与设备、设备与人、物料与设备之间的信息互通和良好交互。生产现场的智能装备通过工业控制网络连接，工业控制网络包括现场总线（如PROFIBUS、CC-Link、Modbus等）、工业以太网（如PROFINET、CC-LinkIE、Ethernet/IP、EtherCAT、POWERLINK、EPA等）、工业无线网（如WIA-PA、WIA-FA、WirelessHART、ISA100.11a等）等网络技术。射频识别（RFID）技术在智能工厂中也扮演重要角色，可实现产品在整个制造过程中的自动识别与跟踪管理。车间/工厂的生产管理系统则直接使用以太网连接。此外，工厂网络还要求与互联网连接，通过大数据应用和工业云服务实现价值链企业协同制造、产品远程诊断和维护等智能服务。
数字化是指借助于各种计算机工具，一方面在虚拟环境中对产品物体特征、生产工艺甚至工厂布局进行辅助设计和仿真验证，例如：使用CAD（计算机辅助设计）进行产品二维、三维设计并生成数控程序G代码，使用CAE（计算机辅助工程）对工程和产品进行性能与安全可靠性分析与验证，使用CAPP（计算机辅助工艺设计）通过数值计算、逻辑判断和推理等功能来制定和仿真零部件机械加工工艺过程，使用CAM（计算机辅助制造）进行生产设备管理控制和操作过程等；另一方面，对生产过程进行数字化管理，例如：使用CDD（通用数据字典）建立产品全生命周期数据集成和共享平台，使用PDM管理产品相关信息（包括零件、结构、配置、文档、CAD文件等），使用PLM进行产品全生命周期管理（产品全生命周期的信息创建、管理、分发和应用的一系列应用解决方案）等。
智能化可分为两个阶段，当前阶段是面向定制化设计，支持多品种小批量生产模式，通过使用智能化的生产管理系统与智能装备，实现产品全生命周期的智能管理，未来愿景则是实现状态自感知、实时分析、自主决策、自我配置、精准执行的自组织生产。这就要求首先实现生产数据的透明化管理，各个制造环节产生的数据能够被实时监测和分析，从而做出智能决策；其次要求生产线具有高度的柔性，能够进行模块化的组合，以满足生产不同产品的需求。此外，还应提升产品本身的智能化，如提供友好的人机交互、语言识别、数据分析等智能功能，并且生产过程中的每个产品和零部件是可标识、可跟踪的，甚至产品了解自己被制造的细节以及将被如何使用。
数字化、网络化、智能化是保证智能制造实现“两提升、三降低”经济目标的有效手段。数字化确保产品从设计到制造的一致性，并且在制样前对产品的结构、功能、性能乃至生产工艺都进行仿真验证，极大地节约开发成本和缩短开发周期。网络化通过信息横纵向集成实现研究、设计、生产和销售各种资源的动态配置以及产品全程跟踪检测，实现个性化定制与柔性生产同时提高了产品质量。智能化将人工智能融入设计、感知、决策、执行、服务等产品全生命周期，提高了生产效率和产品核心竞争力。
4、如何实现网络互联互通智能制造的首要任务是信息的处理与优化，工厂/车间内各种网络的互联互通则是基础与前提。没有互联互通和数据采集与交互，工业云、工业大数据都将成为无源之水。智能工厂/数字化车间中的生产管理系统（IT系统）和智能装备（自动化系统）互联互通形成了企业的综合网络。按照所执行功能不同，企业综合网络划分为不同的层次，自下而上包括现场层、控制层、执行层和计划层。图2给出了符合该层次模型的一个智能工厂/数字化车间互联网络的典型结构。随着技术的发展，该结构呈现扁平化发展趋势，以适应协同高效的智能制造需求。
图2：智能工厂/数字化车间典型网络结构
智能工厂/数字化车间互联网络各层次定义的功能以及各种系统、设备在不同层次上的分配如下。
1）计划层：实现面向企业的经营管理，如接收订单，建立基本生产计划（如原料使用、交货、运输），确定库存等级，保证原料及时到达正确的生产地点，以及远程运维管理等。企业资源规划（ERP）、客户关系管理（CRM）、供应链关系管理（SCM）等管理软件在该层运行。
2）执行层：实现面向工厂/车间的生产管理，如维护记录、详细排产、可靠性保障等。制造执行系统（MES）在该层运行。
3）监控层：实现面向生产制造过程的监视和控制。按照不同功能，该层次可进一步细分为：
监视层：包括可视化的数据采集与监控（SCADA）系统、HMI（人机接口）、实时数据库服务器等，这些系统统称为监视系统；
控制层：包括各种可编程的控制设备，如PLC、DCS、工业计算机（IPC）、其他专用控制器等，这些设备统称为控制设备；
4）现场层：实现面向生产制造过程的传感和执行，包括各种传感器、变送器、执行器、RTU（远程终端设备）、条码、射频识别，以及数控机床、工业机器人、AGV（自动引导车）、智能仓储等制造装备，这些设备统称为现场设备。
工厂/车间的网络互联互通本质上就是实现信息/数据的传输与使用，具体包含以下含义：物理上分布于不同层次、不同类型的系统和设备通过网络连接在一起，并且信息/数据在不同层次、不同设备间的传输；设备和系统能够一致地解析所传输信息/数据的数据类型甚至了解其含义。前者即指网络化，后者需首先定义统一的设备行规或设备信息模型，并通过计算机可识别的方法（软件或可读文件）来表达设备的具体特征（参数或属性），这一般由设备制造商提供。如此，当生产管理系统（如ERP、MES、PDM）或监控系统（如SCADA）接收到现场设备的数据后，就可解析出数据的数据类型及其代表的含义。
5、什么是端到端数据流智能制造要求各层次网络集成和互操作打破原有的业务流程与过程控制流程相脱节的局面，使得分布于各生产制造环节的系统不再是“信息孤岛”，数据/信息交换要求从底层现场层向上贯穿至执行层甚至计划层网络，使得工厂/车间能够实时监视现场的生产状况与设备信息，并根据获取的信息来优化和调整生产调度与资源配置。按照图2的智能工厂/数字化车间网络结构，工厂/车间中可能的端到端数据流如图3所示。
图3：智能制造端到端数据流
具体包括：
1）现场设备与控制设备之间的数据流包括：交换输入、输出数据，如控制设备向现场设备传送的设定值（输出数据），以及现场设备向控制设备传送的测量值（输入数据）；控制设备读写访问现场设备的参数；现场设备向控制设备发送诊断信息和报警信息；
2）现场设备与监视设备之间的数据流包括：监视设备采集现场设备的输入数据；监视设备读写访问现场设备的参数；现场设备向监视设备发送诊断信息和报警信息；
3）现场设备与MES/ERP系统之间的数据流包括：现场设备向MES/ERP发送与生产运行相关的数据，如质量数据、库存数据、设备状态等；MES/ERP向现场设备发送作业指令、参数配置等；
4）控制设备与监视设备之间的数据流包括：监视设备向控制设备采集可视化所需要的数据；监视设备向控制设备发送控制和操作指令、参数设置等信息；控制设备向监视设备发送诊断信息和报警信息；
5）控制设备与MES/ERP之间的数据流包括：MES/ERP将作业指令、参数配置、处方数据等发送给控制设备；控制设备向MES/ERP发送与生产运行相关的数据，如质量数据、库存数据、设备状态等；控制设备向MES/ERP发送诊断信息和报警信息；
6）监视设备与MES/ERP之间的数据流包括：MES/ERP将作业指令、参数配置、处方数据等发送给监视设备；监视设备向MES/ERP发送与生产运行相关的数据，如质量数据、库存数据、设备状态等；监视设备向MES/ERP发送诊断信息和报警信息。
6、我国制造业现状和首要任务我国制造业现状是“2.0补课，3.0普及，4.0示范”，其中工业2.0、3.0、4.0对应的含义如下：
1）2.0实现“电气化与自动化”生产：使用继电器、电气自动化来控制机械制造装备，但各生产环节和制造装备都是“信息孤岛”，生产管理系统与自动化系统信息不贯通，甚至企业尚未使用ERP或MES系统进行生产信息化管理。我国许多中小企业都处于此阶段；
2）3.0实现“信息化”生产：广泛应用电子与信息技术，使得制造过程的自动化控制程度大幅度提高。使用网络化的基于PC、PLC或单片机的生产制造装备，制造装备具有一定智能功能（如标识与维护、诊断与报警等），采用ERP和MES系统进行生产信息化管理，初步实现了企业内部的横向集成与纵向集成；
3）4.0实现“智能化”生产：利用信息通信技术将工厂中的所有信息基础设施（包括智能制造装备、操作人员、物料、半成品和成品）高度互联互通，借助计算机软件工具实现产品数字仿真设计及快速实体化“虚拟”实现，借助生产管理软件实现产品全生命周期和全制造流程数字化管理，利用互联网、云计算、大数据实现实现价值链企业协同生产、产品远程维护智能服务等，形成高度灵活、大规模个性化的产品与服务新生产模式。
我国实现智能制造必须2.0、3.0、4.0并行发展，既要在改造传统制造方面“补课”，又要在绿色制造、智能升级方面“加课”。对于制造企业而言，应着手于完成传统生产装备网络化和智能化的升级改造，以及生产制造工艺数字化和生产过程信息化的升级改造。对于装备供应商和系统集成商，应加快实现安全可控的智能装备与工业软件的开发和应用，以及提供智能制造顶层设计与全系统集成服务。
5、小结必须牢记，企业不是为了“智能制造”而智能制造，应以智能、协同、绿色、安全发展为突破口，以“两提升、三降低”为目标，本着长远规划、逐步实施、重点突破原则，对整个制造业进行逐步升级改造。
推动数字经济与绿色经济协同发展
作者：杨凌、陈嘉盈
习近平总书记在中央政治局第三十六次集体学习时强调，“紧紧抓住新一轮科技革命和产业变革的机遇，推动互联网、大数据、人工智能、第五代移动通信（5G）等新兴技术与绿色低碳产业深度融合，建设绿色制造体系和服务体系，提高绿色低碳产业在经济总量中的比重”，“下大气力推动钢铁、有色、石化、化工、建材等传统产业优化升级，加快工业领域低碳工艺革新和数字化转型”。
如期完成“双碳”目标，发展绿色低碳经济，已成为社会各界的共识。实现“双碳”目标，离不开各行各业的共同努力，而数字化转型无疑是关键的发力点。当前，我国数字经济蓬勃发展，互联网、大数据、人工智能、第五代移动通信（5G）等新兴技术与各行业加速融合，日益成为经济社会发展的“数字底座”。用好数字技术，不仅能够节约信息搜寻成本，提升资源配置效率，而且能够精准识别、及时追踪新发生的生态环境问题，为科学保护、系统治理提供支撑，还能够推动数字经济与绿色经济协同发展，为提升生态环境治理体系和治理能力现代化水平提供新的方法。
与传统的产业发展模式相比较，数字经济可以促进生产者与消费者精准对接。市场参与者能够快速精准地匹配市场供求，从而降低搜寻成本和交易成本、提升信息选择效率，降低资源投入和消耗。一方面，借助云计算技术及数据挖掘等数字技术，生产者能够充分挖掘消费者需求偏好，合理定位市场需求量，恰当制定生产计划，不断提升资源利用效率；另一方面，企业通过数字化网络供应平台，还能实现供应链上下游间匹配效率的提升，促进分工协作，从而提高供应链效率，提高企业交易效率和资源配置效率。
数字经济能够促进技术创新，调整产业结构。信息技术作为一种“通用技术”有助于企业产品、工艺和组织等方面的创新，而数字经济作为信息技术快速发展的产物，正深刻影响着技术创新发展。数字知识和技术具有外溢性、共享性等特点，能够让企业突破时空障碍在全球范围内学习新技术和新知识，实现技术进步。数字技术优化了传统的产业生产方式、供应链和价值链，提升了组织运行效率，从而倒逼产业升级。数字技术在提高能源和资源的使用效率，促进可再生能源的开发利用，提高全社会产品和服务生产、销售和消费效率或通过对人类活动和交流的非物质化来减少能源和原材料的需求等方面可以发挥重要作用。例如，助力电力、交通、制造、建筑等重点行业通过企业上云、智能网联等方式进行绿色供应链管理，在实现提质增效的同时减少生产过程中的能源消耗。可以说，互联网、大数据、人工智能、第五代移动通信（5G）等新兴技术深度赋能传统行业的数字化和低碳化改造，能源数字化将加快发展，智慧能源物联网平台、智能节能建筑和绿色工厂已成为数字企业助力绿色低碳发展的重点方向。
数字经济的数据中心等业务在对千行百业节能降耗产生乘数效应的同时，数字经济产业也正在成为“碳排放大户”。数字经济涉及大量基于数字技术端的新型基础设施建设，如数字基站、5G网络、工业互联网、数据中心等，而这些设施均为耗电大户。特别是广泛使用的5G技术，由于高带宽、高流量、高发射功率，其单站能耗比4G大幅增加。根据《“十四五”信息通信行业发展规划》，到2025年，全国数据中心算力将达到2020年的3.3倍。数据中心等作为耗电大户，其规模增长必然带来能耗大幅增长。据测算，全国数据中心2020年耗电总量约占同期全国全社会用电量的1.5%—1.9%。同时，随着新一代信息技术的快速发展，数据资源存储、计算和应用需求大幅提升，数据中心升级换代淘汰的老旧设备也亟须规范化处理，避免环境污染，绿色化转型已迫在眉睫。
推动数字经济与绿色经济协同发展需着力于提升数字技术创新能力、推动企业数字化转型、加速传统产业数字渗透等，培育绿色发展新动能、新优势和新路径。
一是提升数字技术创新能力，培育绿色发展新动能。首先，加强核心数字新兴技术供给和加快绿色技术创新的整体布局，积极发挥数字技术在企业绿色发展中的基础性作用，深入推进数字经济与绿色经济融合发展。其次，积极探索数字技术在绿色发展领域的应用场景，加快数字技术同新能源开发、清洁技术、绿色制造等领域的深度融合，提升绿色技术中的数字含量。再次，鼓励数据中心在布局优化、技术创新、绿电直购、储能及梯次利用等领域开展探索，加快构建绿色数据中心建设新局面。
二是推动企业数字化转型，厚植绿色发展新优势。一方面，引导企业利用数字技术对传统产业进行全方位、全角度、全链条的改造，提升企业对数据要素的认知并将数据要素的优势运用到企业生产制造的核心过程当中，以期实现对生产各个环节的实时监测和智能控制，全面降低企业生产能耗，持续提升产品质量。另一方面，积极引导大数据、人工智能等数字技术和传统产业融合发展，促进机器设备、人员等软硬件设施上网上云，以期在更大范围、更高层次上实现精准分工、精准协作和精准生产，在极大提高劳动生产率的同时大大节约生产成本，并以此带动企业快速发展。
三是加速传统产业数字渗透，探索绿色发展新路径。一方面，丰富数字经济的应用场景，加快数字经济同三次产业的深度融合，并针对不同产业的发展特征和要求，探索更加绿色的“数字+”模式，促进产业高质量发展。另一方面，以产业数字化的快速发展为重要抓手，充分发挥数字经济对产业结构优化的正向促进作用，积极引导生产要素流向资源节约、环境优化的新兴产业，通过产业结构优化推动经济发展方式转变。
此外，还需要促进数字基础设施提能节效。采用对传统耗能设备的优化管理措施，同样能改进数字设施的耗能问题。如加强顶层设计，强化数字基础设施的绿色低碳导向；健全促进数字基础设施产业使用可再生能源的激励机制，大力发展储能技术，实现清洁能源替代化石能源的低碳发展；循环利用数据运行时产生的废热，以提供其能源利用效率等。（杨凌、陈嘉盈）
[责编：赵宇]