文/新浪财经意见领袖专栏作家 程实
产业链供应链安全稳定是构建双循环新发展格局的基础，而“卡脖子”问题是我国产业链供应链的最大短板。对此，7月30日召开的中共中央政治局会议提出，要强化科技创新和产业链供应链韧性，加强基础研究，推动应用研究，开展补链强链专项行动，加快解决“卡脖子”难题，发展专精特新中小企业。关于如何通过解决“卡脖子”问题稳定产业链供应链，工银国际首席经济学家程实博士在接受本报记者专访时表示，相比硬件，中国在软件方面的自主研发和迭代速度近年来进步明显。因此，围绕数字密集型产业，基于软件和算法的应用创新，可能是中国迈入中高端价值链上的突破口。
全球原有的价值链体系正在被重塑
《金融时报》记者：中共中央政治局会议提出，要强化科技创新和产业链供应链韧性。您认为应当如何衡量产业链供应链的韧性？
程实：我们从三个维度衡量产业链的韧性：一是产业链的深度，代表了产业链上下游是否具备完整性、综合性和集约性；二是产业链的广度，即我国有多少产业链，能够覆盖全球市场多大一部分，每条产业链在各个细分市场中的比重如何；三是产业链的精度，代表了产业链上各个生产制造环节的专业化和创新化水平。
《金融时报》记者：新冠肺炎疫情暴发后，全球产业链供应链发生了怎样的变化？
程实：新冠肺炎疫情暴发后，全球原有的价值链体系正在被重塑，而这种重塑显示了全球价值链上的三重变化：一是价值链垂直化分工正在瓦解。由于新一代信息技术的发展，价值链上中高端产品供应方可通过大数据、云计算和智能技术向价值链中下游进行渗透和取代。比如，通过训练智能机器人对低端制造活动进行模仿和深度学习，可以部分实现对低技能劳动的替代。
二是价值链上数据安全受到重视。以中、美、德等国家为代表的核心市场在通过自身市场规模和技术优势相互之间进行产业渗透的过程中， 数据安全性愈发受到各国重视。伴随全球贸易保护主义抬头，民粹主义兴起，近年来欧美各国重新重视制造业产业链的各个环节，并有计划地推动制造业回流。这也使得欧美各国对自身产业链的控制权与安全意识不断强化，从而促使区域性的综合产业链在中美德三国加速构建。
三是产业链上互联网与金融资本垄断加剧。数字制造从生产环节初期就需要庞大的数据进行分析预测，这使得数据提供者对制造业活动的引导控制力大大加强。当前数据的创造和提供基本上由全球互联网巨头掌控，利用庞大的客户群体和数据对价值链的增值能力，吸引大规模的金融资本，从而“无限”放大数据对价值链上产品与服务垄断的估值，最终控制价值链上每个环节的信贷活动。可以说，“金融+互联网”正在不断控制价值链上的制造与生产环节。
《金融时报》记者：新冠肺炎疫情期间，尤其是中美贸易摩擦以来，我国产业链供应链暴露出一些弱点。请您谈谈这些弱点体现在哪些方面？
程实：基于我们的研究，中国现在有七大优势产业链，即服装和配饰、纺织、电子电器、办公设备、一般工业设备、金属制造品和杂项制成品（全球净出口规模接近或在800亿美元以上）。这七大优势产业链具备很强的深度和广度，同时整体专业化水平全球领先，但问题在于这七大产业链均分布在全球价值链的中低端上。
全球价值链的重塑也会对中国产业链带来外部性挑战。一是对中国产业链进行渗透。发达国家在制造业回流过程中，正在利用大数据和智能设备替代低技能劳动，从而向价值链的中低端关键环节不断渗透。这对维护中国当前价值链的独立性和完整性构成新的威胁和挑战。二是围绕技术与数据对中国实施制裁。发达国家通过对中国“卡脖子”的关键技术以及数据安全问题实施相关制裁，也将阻碍中国在全球价值链上从中低端向中高端进一步转型升级。
基础科学的发展和投入至关重要
《金融时报》记者：习近平总书记指出：“我国面临的很多‘卡脖子’技术问题，根子是基础理论研究跟不上，源头和底层的东西没有搞清楚。”您认为应当如何加强基础研究？
程实：硬件和软件的持续创新，根本上还是取决于基础科学的发展和投入。首先，每一种“卡脖子”技术都是基础科学几十年来理论积累的产物，当前中国基础科学研究短板依然突出。尽管“十四五”期间，中国基础研究经费投入占研发经费投入比重有望达到8%左右，但仍低于发达国家平均15%以上的水平。其次，基础科技经费支持结构有待完善。中央财政对基础研究投入占总投入比重超过95%，而企业对基础科学投入的占比仅占总科研投入的0.3%。相比政府，企业才是将科技转换为生产力的中坚力量。但从目前来看，中国企业一般会将90%以上的投入放在新产品开发环节。最后，对于多数中国企业来说，保持长期持续和稳定的基础科学投入是困难的。以美国发现引力波项目为例，正是由于美国国家科学基金会和美国科技公司几十年来持续且不计回报的经费投入，才能使得美国可以继续引领颠覆性的科学创造。
因此，我们强调基础科学投入的长期性与稳定性是提高核心算法与软件原创性的关键所在。一方面，要寻求在重点基础科学领域实现引领和突破。软件和核心算法的原创性本质上就是数学信息科学与技术理论的原创。应立足当前实际，集中要素资源支持数学信息科学领域的基础理论发展与创新。另一方面，我们还需要鼓励中国科研机构更加广泛而积极地与国际顶级学术机构进行合作。多元化和国际化的科学研究团队有利于持续推进基础科学领域的创新。
中国在算法和软件领域具备三大优势
《金融时报》记者：对于实现关键技术的突破，我国具有哪些其他国家不具备的优势？
程实：在我们最新的宏观研究报告中，基于麻省理工学院（MIT）经济学家阿塞莫奥卢提出的偏向性技术进步理论，结合近期我们对全球及国内顶级学术机构及科技互联网公司共计20位人工智能科学家、算法工程师和数据分析师的调研分析，发现了当前发达国家对中国在价值链中高端上的制裁主要集中在以芯片、光刻机和半导体为代表的硬件技术上。而相比硬件，中国在软件方面的自主研发和迭代速度近年来进步明显。因此，围绕数字密集型产业，基于软件和算法的应用创新，可能是中国迈入价值链中高端上的突破口。
偏向性技术进步理论指出，当技术创新使某生产要素边际产出相对其他生产要素显著增长时，技术就会偏向该要素。同时，该要素的边际产出和规模报酬将呈现递增特征。结合中国经济增长的实际情况，依靠传统生产要素投入拉动中国经济增长的潜力越来越小，无论是劳动还是资本要素的边际产出近年来均呈现显著递减特征。相反，以数据为代表的新生产要素近年来呈现出边际产出递增的特征。这是因为信息时代下，（如云计算、大数据、人工智能、区块链等）新一代技术创新几乎都是围绕数据要素生产和发展的。正如偏向性技术进步理论的核心观点所言，技术创新偏向数据要素，从而带动市场资源集中流入数字产业，最终导致数字密集型产业规模报酬显著递增。根据我们的预测，2025年中国所拥有的数据规模将占世界数据圈的30%，这意味着中国将成为拥有数据规模全球第一的经济体。庞大的数据规模将进一步支持中国发展数据密集型产业以支持中国经济增长。
尽管中国数据规模正以惊人的速度持续扩张，但如何高效地使用数据来指导经济产品服务创新，是数据密集型产业向高质量方向发展的关键，也是中国经济持续增长的源泉。我们认为，真正对数据密集型产业拥有绝对控制权，不仅仅取决于数据规模，更取决于核心算法和软件系统。
从我们对全球和中国顶级高校及科技互联网公司20位人工智能科学家和工程师的最新调研情况来看，相比当前“卡脖子”的硬件技术，中国在关键软件领域率先突破的可能性更高。这是基于目前中国在算法和软件领域具备的三大优势：一是在经济层面，中国拥有数据、人力资本与市场要素优势以及全世界最大的数据圈。同时，庞大的消费市场能够为数据密集产业提供丰富的应用场景。另外，根据2020年中国开发者社区（CSDN）的统计，在中国从事软件开发与算法设计相关的学生或工程师已经超过800万（根据CSDN活跃用户计算），其中一线研发人员已经超过60%。强大的人力资本优势使得软件和算法开发可以快速地在丰富的场景中进行迭代应用。
二是在制度层面，政府将大力支持数据要素市场的培育。2020年4月，中共中央、国务院公布的《关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》）明确了将数据作为新型生产要素。《意见》同时指出，未来中国将围绕数据要素在数据共享、数据融合、数据确权、数据定价以及数据安全等方面推行一系列改革。国家“数据红利”的释放将推动数据密集型产业的发展和应用，这将有利于软件和算法的迭代创新。
三是在技术层面，受益于开源软件运动，高级算法与软件的可得性不再困难。开源软件被描述为其源码可以被公众使用的软件，并且此软件的使用、完善和分享方面不受许可证的限制。根据全球最大开源项目托管平台（GitHub）统计，到2025年全球参与开源软件的平台用户数量将达到1亿户。其中，中国开源软件参与者的数量及开源贡献度的增长速度已成为全球最快。
《金融时报》记者：对于补链强链，您还有哪些建设性的提议？
程实：中国可以通过自身市场、资本与数据要素优势，集中突破部分“卡脖子”的关键软件和算法技术。具体来说，中国可利用对软件与算法的创新应用，持续强化现有的七大优势产业链。在稳固现有价值链竞争优势的基础上，围绕一些数据敏感度较低且可贸易度较高的行业如光学器件、化学、机电控制等，不断提升中国软件技术与西方高端硬件技术相互之间的依赖性，最终帮助中国顺利迈入全球价值链的中高端。
当前，中国在软件和算法优化与应用层面与西方国家的差距越来越小。比如，在语音识别领域，目前全球最先进的新一代语音识别系统“Wenet”是由中科院和西北工业大学人工智能（AI）科学家自主创新完成的，且整套算法框架完全不同于英国AI科学家Danial Povey所创造的“Kaldi”语音识别系统 （上一代国际最先进的语音识别系统）。
通过对20位科学家和工程师的深度调研进行比较分析，我们发现，中国可以通过算法和软件的应用创新在四个方面持续强化现有价值链。
第一，智能产品与服务设计。利用增强学习、神经网络模型以及自然语言处理对客户的消费行为和模型进行预测，从而设计新的产品。在我们的调研中，很多公司早已开始利用大数据对客户体验和购买模式进行预测，并且基于预测结果对产品服务进一步设计和创新。此外，工程师和设计师可以采用创成式设计实现产品创新。即通过设定对产品的约束条件如颜色、形状、材料、体积等，结合创成式算法如参数化系统、进化系统、形状语法及拓扑优化算法等，可自动生成上万种产品设计方案。
第二，智能化生产制造。通过监督式和无监督式机器学习算法，提高产品生产制造的效率和品质。比如，中间品制造生产过程中有诸多分拣作业，如果采用智能化机器分拣，则可大大提高产品生产效率。此外，通过对质量差异化的产品进行深度学习，再基于产品各个生产环节上所获得的监控数据，使机器视觉更快、更精确地识别出产品表面的不同生产缺陷。
第三，智能化供应链管理。利用深度学习算法可优化供应链运输路线和仓位管理。比如，通过将历史运输路线和实际交付成果进行神经网络训练，从而分析运输方案对供应链上交易成本的影响，以帮助管理者确定最优运输路线。此外，基于神经网络算法，可帮助制造商实时检测库存变化，及时调整库存规模，从而有效地控制库存短缺或过剩的状况。
第四，智能化运营管理。监督式学习可以有效帮助企业优化运营决策并降低运营成本。利用回归模型、决策树及随机森林模型对生产管理系统或机器设备进行故障预测，从而有效降低运营成本。另外，制造商通过传感器监控可收集设备所处环境的温度、照明和湿度变化，从而预测故障事件发生的概率以降低故障产生带来的不确定性。针对一些生产任务，机器学习可以对生产复杂程度与生产规模进行匹配分析，从而计算具体生产任务所需的员工数量。
在中国的优势产业链上，我们看到已经有越来越多的企业开始涌入人工智能领域，通过对图像处理、语音处理、自然语言理解等应用性算法将人工智能应用在各个产业链的不同场景中。在国家政策和代码开源的支持下，价值链上更多的中小企业可积极通过算法和软件应用来强化或提高自身在制造生产环节上的竞争力。
本文为央行主管《金融时报》理论版对程实博士的专访，刊载于8月30日
(本文作者介绍：工银国际研究部主管，首席经济学家。研究领域为全球宏观、中国宏观和金融市场。)
责任编辑：戴菁菁
新浪财经意见领袖专栏文章均为作者个人观点，不代表新浪财经的立场和观点。
欢迎关注官方微信“意见领袖”，阅读更多精彩文章。点击微信界面右上角的+号，选择“添加朋友”，输入意见领袖的微信号“kopleader”即可，也可以扫描下方二维码添加关注。意见领袖将为您提供财经专业领域的专业分析。
