当前，我国数字经济发展迎来新的变化，农业、工业深度数字化转型窗口机遇期已打开，亟待用人工智能、大数据、区块链等数字科技能力，提升生产效率、降低成本，助力实现高质量发展的目标。为此，我国应从体制机制、技术能力、多主体参与等角度持续突破，获得先发优势。
一个新变化：“产业数字化”迎来新机遇期
联合国贸易与发展会议九月初发布的《2019年数字经济报告》指出，全球数字经济发展以中美两国为主要驱动力，但总体上属于数字经济发展的初期，政策管理仍未清晰，各国应引导数字经济发展，让全球更多人共享数字经济的发展成果。
在数字经济的发展和治理体系建设方面，我国显然走到了世界前列。在过去不到半年的时间里，我国先后完成5G牌照发放、制定数据安全保护规则、搭建平台经济发展框架、探索“金融科技”创新规范等，构建数字经济发展治理的“四梁八柱”。
正因如此，我国的数字经济也迎来了显著变化：从互联网平台、移动互联应用、信息技术为主导的“数字产业化”阶段，发展到人工智能、大数据等科技推动实体产业深度转型升级的“产业数字化”新阶段。
造成新变化的原因涉及内外部多重因素。国内方面，传统的商业、服务业消费动能增速放缓，新奇特的信息消费领域及县域市场潜力正凸显出来。例如，今年的京东618购物节期间，凸显新奇特的信息消费持续引领增长。拍摄短视频的云台稳定器成交额是去年同期的10倍。同时，大数据、人工智能等技术应用，深度挖掘出了三四线城市及广大县域市场的消费潜力，为其提供精准的商品供给。数字经济将挖掘出更大的增长潜力，这已成为明显趋势。外部环境方面，在中美贸易摩擦的背景下，部分制造业产品失去了价格优势，被迫丢弃了传统粗放的生产研发方式，向着自主研发和价值链中高端目标迈进。
两大新机遇：工业、农业深度数字化转型需求迫切
在新的机遇期，我国产业深度数字化、智能化转型的空间巨大。2018年我国产业数字化规模超过24.9万亿元，同比增长23.1%，服务业、工业、农业中数字经济占行业增加值的比重分别为35.9%、18.3%和7.3%，工业和农业的数字化转型空间巨大。
农业是中国最古老和传统的行业，其借力科技降本增效的需求正快速显现。在农业养殖方面，中国虽是养猪大国，但养殖产出效率却远低于美国，在饲料成本、人工成本等方面均高于美国，产业总体处于大而不强的阶段。在水产养殖领域，养殖方式粗放、病害防治手段有限、饲料过度使用导致污染等，都制约着水产养殖行业的发展，制约农民增收。
目前，已经有部分农业养殖业企业探索数字化改造，并获得了显著成效。
同样，我国的工业也面临着降本增效、智能化转型的内生需求，亟须改变大而不强的窘境。例如，在能源行业，中国的火力发电占全国总发电量的70%左右，但其能源消耗与转化效率却仍有待提升，热效率每提升0.1个百分点，全国预计每年节省数十亿元燃煤成本。
人工智能、大数据、物联网等数字科技给工业降本增效提供了新的可能。例如，一座热电厂要提升燃煤效率，传统手段只能是更换更高效的锅炉或燃料。数字科技则用AI模型提升燃煤效率，这其中涉及燃烧、风烟、水汽循环等物理、化学过程，其复杂程度是人工手段和一般技术手段难以计算完成的。
而人工智能应用在产业数字化方面的潜力还远未得到释放。工信部报告预测，到2035年，人工智能将让中国经济的预期增长率从6.3%提升到7.9%，促使各传统产业增加值年增速提高0.6至2个百分点，其中对制造业的改变最为明显。
四项新措施：协同发力提升数字科技水平
当前，我国仍需要在诸多方面持续突破制度藩篱，调动多元主体创新能动性，提升数字科技创新水平。
首先，将科技驱动的产业数字化上升为战略高度，提前部署、先行先试。当前国内诸多行业的数字化转型都存在滞后性，导致数字化转型的深入程度并不理想。这一现象的背后是缺乏对产业数字化的总体规划和设计。因此，我们需要将数字科技作为社会和区域发展的重要组成部分，鼓励城市和区域制定数字科技的产业发展目标及落地方案，推动数字经济做大做强。例如，我国可探索在粤港澳、雄安新区、长三角等区域发展规划中，将数字科技发展纳入中长期发展规划总体考量。
其次，鼓励构建政产学研用结合的数字科技创新机制，支持一批原始创新成果落地。做强核心技术是数字科技发展的重中之重。以问题为导向、多主体参与的政产学研用协同创新机制，将促进数字科技更多、更快地应用于经济主战场。数字科技具有技术和产业的双重面向，更需要调动起包括院士专家、高校院所在基础科研领域的深度积累，并以具体产业需求为导向，促进院士专家与企业联合创新。
再次，鼓励农业、工业拥抱数字科技潮流，以试点、采购、联合创新等方式进一步鼓励产业数字化转型。针对第一、第二产业数字化转型动力不足的情况，我国可探索在部分地区、部分领域建立试点，并以政府采购等形式支持农业技术企业、农户、中小企业主拥抱数字化、智能化转型。同时，在关键领域的转型中，可探索通过联合创新、示范创新等机制，带动更多数字科技创新企业参与其中。
此外，探索与完善促进数据共享的技术能力、激励机制和治理体系。我国需要进一步挖掘数据资源的价值，要推动散落在各个政府机关、企事业单位的数据实现共享。探索以“数字网关”、联邦学习（federated learning）等前沿技术为保障的数据共享技术能力建设，并研究完善数据共享激励机制等。
