服务型制造是制造业和服务业深度融合而形成的新型制造模式和产业形态，是制造业发展的重要趋势。加快服务型制造发展对我国构建现代化产业体系、建设制造强国、提高全球产业竞争力具有重要意义。随着数字技术的发展，数据要素不仅贯穿服务型制造价值链的全流程，更成为推动服务型制造发展的重要力量，服务型制造已经成为数据密集型的生产和服务过程。

　　全面提高服务型制造运作绩效

　　随着全球数字技术的加速发展和市场个性化需求的持续增长，生产组织、产出形态和商业模式不断创新，越来越多的制造业企业开始从单纯出售产品转为提供产品和服务的组合，即开始向服务型制造转型升级。目前，我国服务型制造模式创新已经取得积极成效，定制化服务、全生命周期管理、信息增值服务、共享制造等模式已广泛应用。

　　数据具有泛在性、非竞争性和时效性等特性，是数字经济时代关键的生产要素。数据要素在研发设计、生产制造、用户交付、产品运维等典型场景具有广泛应用，并通过数据洞察、软件定义、指令控制、数据实时流动和连接聚合等方式，全面提高服务型制造的运作绩效。

　　通过数据洞察优化商业决策。数据作为生产经营过程中信息和知识的载体，是企业经营管理的关键决策依据。企业通过对数据的挖掘分析，可以增强在发现需求、开发原型、生产执行、交付和运行等流程环节的洞察。无论是企业直接面向用户，还是通过产品向用户提供服务，都要在洞察用户需求、使用习惯、产品状态等关键数据的基础上，有针对性地调整资源配置，提供定制化产品或服务。企业掌握的数据越全面，越有利于提高数据完整性、细化数据维度，筑牢决策分析的数据质量基础，做出更精准的商业决策。随着商业智能技术和大数据的进一步结合，企业不仅能够更全面且深入地洞察用户的真实需求，形成更为精准的用户画像，还能够识别出用户的潜在需求或对产品“健康”状况作出预测，并将这些数据反馈到产品和服务的开发设计和生产、服务等环节，促进效率提升和发现新的商业机会。

　　通过“软件定义”实现规模经济。传统服务的提供方式受制于企业专业服务人员的数量和技能水平，服务规模扩大的同时必须保持专业服务人员数量的同步增长，这不仅造成专业服务难以扩大规模，而且服务规模的扩大也很难带来企业盈利的增长。扩大服务型制造的应用范围和规模，必须减少对专业人员的依赖，提高服务的规模经济性。要实现这一目的，就需要将服务生产、交付中的知识进行编码化，通过“软件定义”由系统自动化地执行个性化的服务生产和交付。将企业生产和交付服务的知识进行编码化需要以数据形态存在的信息，特别是在人工智能技术功能日益强大和应用普及的今天，许多自动化的功能可以由人工智能算法来实现。数据是算法的输入和基础，在目前以“大数据+机器学习”为人工智能主流技术路线的条件下，数据量越大，算法的优化程度就越好，因此，持续的数据量级提升也为人工智能大模型在服务型制造中的服务应用提供了基础。

　　通过指令控制提升柔性水平。服务型制造面临的个性化需求水平越来越高，非标准化的产品生产和服务提供需要匹配更为柔性的“产品-服务”系统。随着设备和产品的网联化、数字化，口令、文本、模拟信号等传统方式的指令逐步被数据指令所替代，以数据流管控生产和服务就是要通过数据驱动“产品-服务”系统的智能运行，形成工业数据智能基础上的柔性化能力。由于数据依赖人员、设备等要素共同发挥功能，因此数据对“产品-服务”系统智能控制水平的高低就取决于企业数实融合的水平。数据、数字技术与生产体系融合得越好，数据指令的控制效果就越好，对促进“产品-服务”系统效率提升的作用就越显著。通过数字化和网络化升级，数据支持的柔性化“产品-服务”系统可以更有效地处理分散的生产和服务指令要求，不仅可以根据企业内部的生产指令快速调整生产进度，还可以通过开放的数据接口直接接收和分析用户下达的个性化指令，使得指令的下达在企业集中的生产数据处理中心基础上拓展到更为分散的终端用户设备，需求与生产的衔接方式变得更为紧密，有利于企业以更短时间和更小成本实现生产和服务能力的柔性化提升。

　　通过实时流动提高响应能力。由于用户需求、产品状态以及使用产品或服务的消费者状态的易变性，他们所需要的增值服务活动也不是固定不变的。制造企业根据用户、产品的实时变化和要求有针对性地提供增值服务，才能够让服务型制造带给用户更大的价值，也为企业自身带来更多的收益。在产品数字化升级之前，用户在使用产品时虽然也产生数据，但是并不具备有效的手段实现数据在产品端与企业之间的流动，数据作为生产要素的价值难以有效发挥，用户的需求也不能及时得到响应，极大影响了产品的用户体验。得益于泛在的通信网络、产品搭载的数据采集和传输装置，用户与企业之间建立起数据流动的通道，产品运行的实时数据可以被传递和远程处理，成为支撑企业开发和提供服务的关键资源。根据时效性要求，这些数据既可以在产品终端进行采集和初步处理，也可以被回传至企业的数据中心进行集中处理，还可以在云端算力在线加速处理，实现快速反馈。随着对高并发数据、多模态数据、多源异构数据等处理能力的持续增强，更多复杂场景的实时数据将被应用到产品运行阶段，进一步提高企业对现实场景变化的即时服务能力。

　　通过连接聚合实现价值倍增。在市场运行的过程中，大量信息处于分散和杂乱的状态，制约了参与主体之间的沟通效率。当这些信息被数字化后，尽管存在多种模态和不同的格式，但是现代数字技术已经能够对这些多来源、多模态、多规格的数据进行集中处理，从而打破原有的“信息孤岛”和信息不对称状态，建立起数据之间乃至背后的经济活动之间的关联。数据具有显著的非竞争性，不会因为参与生产过程而被消耗，与其他数据建立关联还可以进一步提高数据的质量和价值。数据之间的连接度越高，价值创造的空间越大。如今，互联网、移动互联网、物联网等已将企业、产品和用户联系在一起，构建出一个以数据为纽带的万物互联的世界。企业内部各部门之间的数据孤岛逐渐被打通，有助于发现企业内部生产、管理和服务环节的症结，提高数据要素的利用水平，改进生产和服务的运作绩效；企业与用户之间数据的互联互通实现了供需两端的有效衔接，支持企业开展深度的产品和服务创新，拓展价值创造的空间；企业通过促进供应商之间的数据连接共享，可以整合供应链信息，提高供应链的安全性。

　　加快释放数据要素赋能潜力

　　为提升数据要素促进服务型制造发展的效果，未来应围绕数据供给、数据技术、数据安全、数据标准、数据跨境等方面加强能力建设，逐步提高我国服务型制造的综合竞争能力。

　　提高制造业数据供给水平。强化制造企业在服务型制造数据资源建设中的主体作用，支持企业进行生产的数字化改造和产品的数字化升级，为企业提供上云用数赋智服务，提升数据采集和处理能力，提高企业在研发、生产、经营管理中的数据积累水平。重视数据资源二次开发和利用，提高数据重复利用频次和效率。建设制造业专业化数据要素市场，完善数据资产定价、确权、交付等制度规则，扩充制造与服务两端的数据要素供给水平，加速数据要素在经济循环中的流转效率，塑造制造业数据资源禀赋优势。

　　提升数据技术创新水平。加快通用型数据利用技术的创新，开展共性数据技术研究，开发高效便捷的跨行业、跨领域、跨场景和跨平台的数据利用技术，提升企业数字技术应用的成熟度。培育一批掌握核心资源和技术的数据服务提供商，支持基于工业大数据和先进算法开发制造业垂直领域的人工智能大模型。开展服务型制造细分领域数据技术创新试点，促进大中小企业协同升级，形成一批服务型制造产业集群。深化制造业领域的数据技术开放合作，引进国际领先的数据技术研发中心和领军科学家，创新技术合作方式，提升制造业数据技术创新活力。

　　提高数据安全保障水平。重视对工业数据和用户隐私安全保护，对服务型制造的数据全生命周期、全流程各环节和各参与方进行安全规范，加强产业数据知识产权保护规则体系建设。加强数据安全技术在数据流通、连接和存储等环节的应用，提高数据面向生产和服务的运行可靠性和稳定性。加强对数据硬件设施的安全保护，提高数字化生产设备和数字化产品的可靠性和可控性水平，对关键数字设施加强物理安全保护，定期开展硬件设施安全评估和更新升级。

　　加快研制和推广数据技术标准。加强服务型制造标准统筹规划，发挥标准对数据利用和规范管理的引导作用，重点推动基础通用和行业应用的数据标准研制。加强数据技术标准的推广普及，鼓励行业性、区域性和团体性标准工作组织针对新技术领域开展标准的创新研制，推动企业开展贯标示范。

　　促进数据跨境流动。适应全球产品和服务贸易市场变化，积极利用国际组织和国际对话机制参与国际数字治理，推进数据跨境流动规则的协商制定和国际互认制度建设。贴近海外市场用户，研究不同地区用户的消费习惯和文化特征，建立与海外用户的长期合作关系，重点推动“一带一路”等重点区域市场的数据互信能力建设。综合考虑数据管理要求、数据响应时效、数据跨境成本等因素，提高数据跨境的安全性和处理效率，增强服务型制造的国际化服务响应能力。

　　（张亚豪 李晓华 刘尚文作者单位：东北财经大学产业组织与企业组织研究中心、中国社会科学院工业经济研究所、服务型制造研究院）