【核心观点】

技术革命和产业革命：本次大模型的出现不是简单的技术演进，而是一次新的技术革命和产业革命。大模型为通用人工智能的发展找到了一条可行的路径，或者说指明了一个方向。人工智能将给人类社会的生产和生活带来全方位的巨变。

从量变到质变：从ANI到AGI、再到未来的ASI，在这个过程中，支撑人工智能技术的算力、算法、数据等要素一直都在积累。模型算法、芯片算力、云计算、数据和开源开放社区这五个要素共同构成的生态，推动了人工智能技术发生本轮质变。

堪比核武器：比尔·盖茨、OpenAI公司的CEO奥特曼、巴菲特这三个人在不同场合都曾被问到，有哪种技术可以与本轮人工智能技术相比拟？他们讲了同一种技术——核武器。他们都认为人工智能的威力十分巨大。当然也正因如此，我们需要对其进行严格监管。

数字化概念：就是我们在现实世界的基础上构造一个赛博空间，或者说一个数字世界，在这个由数据和算法定义的世界里，可以通过数据的自动流动，化解复杂系统的不确定性，优化资源配置的效率，提高企业的核心竞争力。

紧迫挑战：现在需求侧追求个性化、实时化、智能化，必然要求供给侧的制造体系与之匹配，那么供给侧的企业要怎样才能跟得上需求侧的巨变？各行各业都要面对“复杂系统的不确定性”带来的考验。

车企转型：汽车企业面对的是更复杂的系统以及更大的不确定性，如何优化资源配置也就成了更困难也更紧迫的难题。解决难题的答案就是数字化转型，即用数字技术武装自己，并将其融入到企业经营、管理和决策等方方面面。

转型目的：数字化转型本质上是三场革命，即工具的革命、决策的革命和组织的革命。企业数字化转型的最终目的只有一个，那就是优化资源配置的效率。

【对话实录】

赵福全：大家好！欢迎来到《赵福全研究院》高端对话栏目。我是本栏目的主持人、清华大学汽车产业与技术战略研究院的赵福全。本栏目由盖斯特管理咨询公司承办并赞助播出，在此表示感谢。本栏目自2014年创办以来，今天迎来了第74个专场，本场对话的主题是“企业的数字化转型”。我们非常荣幸地邀请到了中国信息化百人会执委安筱鹏博士，请安博士和大家打个招呼。

安筱鹏：大家好！非常感谢赵院长的邀请，很高兴来这里一起交流数字化转型的话题。

大模型是一次新的技术革命和产业革命

赵福全：欢迎安博士来到我们的对话栏目。我知道，您目前从事数字化领域的产业发展战略研究，非常了解企业前沿实践的情况。同时您在学术上成果颇丰，我读过您的几本专著，既有思想、又有观点，对未来的思考很有深度。所以，今天特别邀请您过来交流。

当前人类社会正在发生巨变，其中一个重大变化就来自数字化，也包含了与之息息相关的数据以及人工智能等等。数字化将会波及各行各业，很可能是人类历史上对社会生产和生活影响最大的一次变革，对此各国也都抱有很高的期待。当然未来是不是还会有影响更大的新变革，我们尚不得而知。但就目前来看，相较于此前的机械革命、电子革命，这次的数字革命对于人类社会方方面面的影响将会更大，或者说更具全面性、普适性和颠覆性，也带给我们近乎无限的畅想空间。

在这种大背景下，当前汽车行业可以说是既紧张、又兴奋。因为这次数字化革命给传统产业带来的更多是颠覆、还是赋能，每个人站在不同的角度都有各自不同的思考，可谓仁者见仁、智者见智。传统产业的很多从业者认为，数字化是“狼来了”，甚至后续自己很可能都会因此失业；而数字化产业的从业者大多认为，这是一次历史性的机遇，数字化可以和各行各业深度结合，进而创造出更多更大的价值。

安博士，作为研究数字化的顶级专家，您怎样看待数字化革命给人类社会以及各个产业带来的变化？请和大家分享一下您的认知。

安筱鹏：说起来，数字化并不是一个新概念。从历史上看，随着信息技术的诞生和发展，数字化技术就一直在融入到经济和社会的方方面面，不断带来新的技术变革和产业变革。而我们在2024年这个时间点来讨论数字化时，有一项非常重要的热点技术就是大模型，这也是人工智能的最新突破。审视人工智能技术不断发展进步的历史轨迹，我们必须首先明确一个问题——此次大模型的出现究竟是一次技术升级、还是技术革命？是原有人工智能技术发展的一条延长线，还是开辟了一条新的发展曲线？对此业界有着不同的认知和判断。就我个人来说，我觉得这应该是一次新的技术革命。

回顾人工智能技术的发展历程，过去三四十年里，人们对于人工智能的定位有一个英文表述，就是Artificial Narrow Intelligence（简称ANI），翻译成中文叫做弱人工智能；而以Transformer为代表的新技术路线，也就是大模型，带来了人工智能的一次重大进步，形成了所谓Artificial General Intelligence（简称AGI），翻译过来叫做强人工智能或者通用人工智能。我认为强人工智能是一次革命，其革命性就体现在其概念的核心词“通用”上。当然，现在距离最终实现通用人工智能可能还需要5-10年甚至更长的时间，但是大模型的出现确实为通用人工智能的发展找到了一条可行的路径，或者说指明了一个方向。这让大家有信心说，通用人工智能是有可能做成的，而且正在不断地逼近目标。尽管目前还有部分专家对此有不同看法，不过整体而言，多数专家已经达成了这一共识。

那么，弱人工智能与强人工智能的本质区别是什么呢？传统的ANI是通过一个模型、一套算法来解决一个特定的问题，这意味着ANI只能做特定的某一件事。而现在的AGI具有泛化能力，当一个模型训练完成之后，它既可以做翻译，例如把英文翻译成法文、把法文翻译成中文；也可以进行对话，包括生成文字、图片或视频；还可以编写代码……即AGI能够做多件事情，这就是所谓的通用。对此比尔·盖茨讲过自己的一个观察，我觉得很好地说明了问题。他说，当你让人工智能大语言模型学习了化学和物理知识后，再给它一套生物试卷，它也能够答得很好。这充分说明其具有了泛化的能力。

泛化是强人工智能最本质的一个特征，而这个特征源自于这次大语言模型中最重要的一个基础模型，就是前面提到的Transformer。之前的ANI模型，其效果与参数数量之间没有明显的相关性，甚至可能参数增多，模型的效果却变差了。基于Transformer的大模型不是这样，当模型的参数增长到某一个临界点，比如10亿、50亿、100亿个的时候，模型的效果就会突然呈现出指数级的提升，此时大模型就会形成强大的“涌现”能力。正因如此，大模型才具备了通用人工智能的属性，或者说，才成为了一种重要的通用技术。

从产业经济学的角度来说，人类的所有技术都可以分为两类：一类是专用技术；一类是通用技术。不过大模型这种通用技术是独特的，或者说，此通用非彼通用。有研究表明，在人类过去五六千年的历史中，大概只有24种通用技术，如驯化、冶铁、蒸汽机和计算机等等，而大语言模型可能就是第25种通用技术。而且大模型非常容易与其他原有技术相互结合，将融入到经济社会的方方面面，不仅会带来生产力的变革，还会带来生产关系的变革，包括企业组织模式与行为方式等的变革。这是我对本轮技术变革的一个基本判断。

我们看到，国家对这项技术也高度重视。2023年中共中央政治局会议首次提到“通用人工智能”这一重要概念；同年在二十届中央财经委员会第一次会议上，也提到“要把握人工智能等新科技革命浪潮”。所以，我认为大模型的出现，不是简单的技术演进，而是一次新的技术革命和产业革命。

赵福全：安博士分享的观点非常重要。我们究竟应该如何理解数字化革命给整个社会带来的变化呢？安博士认为，数字化是一种手段，其影响最终体现在基于数字化的人工智能等技术给人类社会带来的全方位改变。而对于人工智能的最新进展即大模型的出现，有人认为这是一次渐进的技术升级，也有人认为这是一次技术革命乃至产业革命。而您回顾了人工智能的发展历程，从技术进步的幅度也即模型能力的变化上，得出了自己的结论——大模型是一次革命性的技术突破。

通用人工智能是威力堪比“核武器”的质变

赵福全：事实上，任何技术的发展都需要先经历一个量变积累的过程，然后才能迎来质变的突破。人工智能技术也不例外，从弱人工智能ANI到强人工智能AGI、再到未来有可能实现的超人工智能ASI（Artificial Super Intelligence），应该也是一个不断积累的渐进过程。从这个角度看，是不是ANI发展到了一定的程度，大家对其能力、潜力和局限性等有了足够的认识之后，人工智能才得以进入到AGI的阶段呢？这样说起来，我们到底应该把从ANI到AGI的进步视为人工智能技术的一次升级，还是一次革命？

另一方面，AGI技术在方法上有革命性的改变，而这种改变往往会带来结果的革命性改变。例如，蒸汽机出现后并不是立即就改变了整个社会，其技术也是一点点不断完善，从而应用得越来越好、越来越广，到最后才带来了工业革命、流水线生产等一系列革命性的改变。那么，如果说AGI是一次革命，主要是指其方法上有革命性的改变，还是指这种方法带来的结果会有革命性的改变呢？我想收看这个栏目的朋友们，特别是传统制造业的同仁们，一定都很想知道答案。安博士，请谈谈您作为数字化专家的看法。

安筱鹏：好的，刚才赵院长讲到了两个方面的问题，或者说是两种不同的视角。一是从技术本身的发展来看，AGI为什么是革命性的？二是从技术对整个经济社会的影响来看，AGI为什么是革命性的？我先讲讲第一个方面。据我观察，AGI不仅仅是一项技术，当然它包括了语言、视觉、多模态等技术，但其本质是整个数字化技术体系发展到了从量变到质变的拐点。

我们把时间尺度拉长一些，从技术供给侧的角度来看一看，为什么AGI会发生在此时此刻，而不是在8年、10年前或者更早的时间？我认为，是因为有几个核心要素发生了变化，正是这几个核心要素的量变积累才带来了这一次人工智能的质变突破。

第一个要素是理论模型，即算法本身的创新。Transformer模型最早出现在2017年谷歌公司八位科学家发表的论文中，这篇论文阐明了该模型具有参数越多、效果越好的本质特征，从而为其后续的发展奠定了基础。

第二个要素是算力，即芯片的进步，这个要素往往被忽视了。我们知道过去一两年里，英伟达的市值一度从1万亿美元增长到超过3万亿美元，有段时间是全球市值最高的公司。这背后的原因是什么？其实可以追溯到2012年，当时在一个全球人工智能大赛上，也就是李飞飞组织的斯坦福大学ImageNet（图像识别）竞赛，多伦多大学辛顿教授的两个学生获得了冠军，他们在图像识别质量上取得了很大的跃升。之前图像识别的准确率只有1%-2%，而他们竟然提高到了10%。这个结果引发了人工智能领域两个非常重要的变化：一是业界对人工智能研究的注意力开始转向神经网络模型，也就是冠军队使用的算法。大家看到神经网络取得了这么好的效果，于是很多人都进入到这个赛道。二是业界开始把训练模型使用的芯片，由以CPU（中央处理器）为主转为以GPU（图形处理器）为主。因为冠军队就使用了部分GPU，用GPU训练神经网络模型的效率要比用CPU高很多。由此，芯片算力的使用效率得到了大幅提高。

第三个要素是云计算。在过去近20年中，云计算为人工智能技术的发展提供了基础支撑。2020年OpenAI公司发表文章，提出了人工智能大语言模型的一个重要定律，即Scaling law（规模法则）。其含义是：模型的参数越多，效果越好；模型的语料数据越多，效果越好。而参数多、语料数据多就需要有强大的运算能力，且这种运算能力的成本还要足够低，这样才能支撑起大规模模型的训练。云计算就提供了这种支撑。

第四个要素是数据。过去20年互联网上已经积累了足够多的数据，今天训练大语言模型使用的就是互联网上的这些数据。可以说，互联网的发展为人工智能大模型的语料数据、场景以及相关人才都做了非常重要的积累。

第五个要素是包括美国和中国在内的全球性的开源开放社区。

以上这五个要素相互影响、相互制约、相互协同，构成了一个AI生态。正是这个生态使大模型从量变到质变，实现了能力的“涌现”，也让越来越多的人感受到其重大价值。比尔·盖茨、OpenAI公司的CEO奥特曼、巴菲特这三个人在不同场合都曾被问到，有哪种技术可以与本轮人工智能技术相比拟？他们讲了同一种技术——核武器。就是说，他们都认为大模型的威力十分巨大，这足以说明人工智能大模型的影响和潜力。当然也正因如此，我们需要对其进行严格监管。

可见，从供给侧的角度来看，本轮人工智能技术是革命性的突破，其普适性和泛化能力正影响到经济社会的方方面面。汽车产业也在其中，我们稍后再谈大模型对汽车产业的影响。实际上，人工智能大模型对于制造业、医疗、教育、政务等等，都会产生巨大的影响。说到底，AGI作为一种通用技术，其影响和价值是全局性的。

赵福全：听了安博士这段话，我想收看我们栏目的同仁们可以认识到：所有技术的进步都要经历一个从量变到质变的过程，而这一次人工智能大模型的出现已经是经过循序渐进的量变积累而发生的质变了。

应该说，此前人类社会的进步基本上是以硬件为主导和标志的，相应的我们也已经习惯了机械硬件技术进步的模式。当一种技术出现之后，人们不断对其进行改良和优化。在这个过程中，这种技术的原理并未发生变化，始终遵循原来的物理定律。过去几百年间的技术革命大多都是如此。例如蒸汽机、内燃机等技术，并没有在其使用过程中突然出现某种跨越式的飞跃，而是从效率、能耗、噪声等各个方面逐步得到改进，最终越用越好。但是今天的数字化技术与传统的机械硬件技术完全不同，二者的演进过程有着本质区别。我认为，主要体现在以下两点：

第一，这次人工智能的突破既有技术本身的进步，也有技术相关要素持续积累的支撑。因为人工智能涉及到的领域非常宽泛，最终是各个领域的技术进步共同促成了人工智能能力的整体飞跃。

具体来说，从ANI到AGI、再到未来的ASI，在这个过程中，支撑人工智能技术的算力、算法、数据等要素一直都在积累。这些要素虽然与人工智能密切相关，但其实都是不同领域的技术。当这些技术的进步都堆积起来，人工智能技术才有了质变的可能。正如刚刚安博士谈到的，模型算法、芯片算力、云计算、数据和开源开放社区这五个要素共同构成的生态，推动了人工智能技术发生本轮质变。这些要素是缺一不可的：如果没有个人计算机、手机在互联网环境下积累的大量数据，即使有更好的算法和更强的算力，大模型也不可能“涌现”出强大的能力；如果没有算法和算力的突破，即使有更多的数据，也无济于事；而如果没有算法原理上的创新，即使有更强的算力，也实现不了“规模法则”带来的效果。所以安博士认为，这次人工智能的突破不是渐进式的技术进步，尽管这种突破依然来自于每天、每月、每年持续不断的微小改进，但是今天已经来到由量变到质变的拐点了。

第二，这次人工智能技术突破的覆盖面将会非常广泛，几乎可以应用于所有行业，这和以前也有很大不同。以动力革命为例，内燃机出现后，主要应用及影响基本集中在交通以及制造业等领域。可是这次的大模型或者说AGI是一种用途非常宽泛的通用技术，在制造、交通、能源以及医疗、教育、娱乐等各个领域都可以发挥重要作用，且其方法在本质上是一样的，只不过外延有所差异罢了。

事实上，每个领域都有自己的数据，有了AGI技术之后，就可以基于相同的算法原理和通用的算力，结合本领域的特点和需求来构建各自的大模型，从而实现人工智能应用的空前拓展。我甚至可以断言，对于这次人工智能技术突破带来的变化，人类可以无限畅想。这不是夸张，更不是调侃，而是未来一定能够实现的前景。由此，人工智能将给人类社会的各种生产和生活活动带来全方位的巨变。从这个意义上讲，这无疑也是一次质变。

总之，无论是从技术本身、还是从技术应用来看，或者说，无论是从技术方法、还是从技术结果上来看，通用人工智能都是一次质变。而安博士刚刚的分享，更让我有了一点很深的感悟，那就是我们绝不能用传统的渐进式思维来考虑人工智能未来的发展和影响。

企业数字化转型本质上是工具、决策和组织三场革命

赵福全：这就引出了下一个问题。现在都在讲数字化、数据化，也在讲大数据、云计算，还在讲人工智能、大模型和专业模型等等。各个领域的专家从各自的角度强调不同的概念及其应用，这本身无可厚非。但这也给我们带来了混淆，让人不免有“概念太多、莫衷一是”的感觉。其实这些概念之间既有区别、也有关联。比如大模型如果不能赋能专业模型更好地发挥作用，那它在相关行业的应用价值就非常小。我想利用今天这个机会，请安博士给大家做一次系统科普和概念辨析，以便帮助大家正确理解这些基本概念，进而在各自的领域中有效应用。

安筱鹏：好的。我们先来谈谈数字技术的发展。说起来，数字技术这个概念是在最近5-10年才开始较多地使用起来。不过早在上世纪40年代以来，芯片、软件和传感器等新技术就不断涌现，并快速普及应用到经济社会的方方面面，其中也包括汽车等传统制造业。这些新技术其实都属于数字技术的范畴。因此，数字技术一直处在新技术不断出现、快速普及并引发诸多相关领域持续改变的过程中，这个过程也就是数字化转型。

可见，数字化转型是一个非常宽泛的概念。简单说，就是新的数字技术融入到经济社会的各个领域，带来生产力的进步和生产关系的变革。而在不同的时间段，各有当时最具代表性和突破性的不同技术在引领发展。与此同时，这些技术又不是孤立的，而是相互关联、相互交织、相互支撑。比如10年前我们讲得更多的是物联网、大数据和云计算；现在讲得更多的是数字化、大模型和AGI。事实上，这些概念要真正融入相关领域、创造重大价值，必须与其他技术联动才行，只靠一种技术单兵突进是解决不了什么问题的。

赵福全：也就是说，这些技术都包含在数字化的大概念之下，并且有着内在的紧密关联。那么，您能不能具体解释一下，这些技术之间的逻辑关系究竟是怎样的？

安筱鹏：要讲清这些概念的逻辑关系，先要讲清什么是数字化。根据我之前的研究，我觉得可以这样理解：数字化就是我们在现实世界的基础上构造一个赛博空间，或者说一个数字世界，在这个由数据和算法定义的世界里，可以通过数据的自动流动，化解复杂系统的不确定性，优化资源配置的效率，提高企业的核心竞争力。

这样讲可能还是比较抽象，我们不妨从数字化转型的实践来解释一下。所谓数字化转型，究竟是要做什么事情呢？我想，每个行业都需要回答一个基本问题：即数字化转型的逻辑起点是什么？或者说为什么要进行数字化转型？不同的行业、领域和企业都有各自不同的出发点，可能是为了实现产品的个性化定制，也可能是为了实现产品的智能化，总之不外乎追求个性化、实时化、场景化、智能化等等。

以汽车领域为例，今天汽车消费群体越来越以90后、00后为主了。而这些年轻人的需求有很大的变化，他们心目中的豪华车与其父辈60后、70后心目中的豪华车完全不是一个概念。60后、70后在求学阶段和工作之初，看到的豪华车就是宝马、奔驰等，谁买了这些品牌，谁就迎来了人生的高光时刻，他们的这种印象一直延续至今。但是现在的年轻人并不这样想，他们的消费需求越来越个性化，强调实时、注重场景、关注内容，还要进行互动、有参与感。比如不少消费者都希望能有更多的参与权、表达权和分享权，或者直接参与产品的定义和配置的选择，或者在购车后通过社交媒介展示一下，这是一种新型的文化。我把消费需求的这种变化定义为消费者主权的崛起。当然，消费者其实是一个广义的概念，不仅包括个人，也包括企业、政府等，在此我们主要指的是个人消费者。

上述变化意味着今天我们面临着完全不同的消费需求。无论企业自身的供给能力有没有发生改变，需求的变化都是确定的，而且这种变化正驱动整个供需系统变得越来越复杂、也越来越易变。而当系统变得复杂、易变的时候，需求侧追求的个性化、实时化、智能化，必然要求供给侧的制造体系与之匹配。问题的关键在于，供给侧的企业要怎样才能跟得上需求侧的巨变？这对所有行业的企业来说，都是异常严峻的考验，区别只在不同行业发生变化的速度和竞争激烈的程度有所差异而已。

由此可见，各行各业都要面对“复杂系统的不确定性”带来的考验。而对汽车企业来说，其需求侧和供给侧都极其复杂，特别是汽车产品及其供应链的复杂度还在提高。当前汽车产品安装了很多传感器、芯片和软件等等，已经从单纯的机械产品演变成机械电子产品、甚至更像是电子产品了，而且汽车上的机械与电子部分还要有效融合。也就是说，汽车企业面对的是更复杂的系统以及更大的不确定性，如何优化资源配置也就成了更困难也更紧迫的难题。

那么究竟应该怎样解决这个难题呢？我认为，答案就是数字化转型，即用数字技术武装自己，并将其融入到企业经营、管理和决策等方方面面。就像我刚才讲的，构建一个数据和算法定义的数字世界，通过数据的自动流动，化解复杂系统的不确定性，优化资源配置的效率。说到底，企业之间的较量最终还是资源配置效率的竞争，而资源配置效率取决于企业决策的精准性和及时性，包括研发、采购、生产、营销和服务等各种决策。过去这些决策大多是基于有限信息和固有经验做出的，甚至有时候就是领导拍脑袋定下来的，但是今后要靠数据驱动、算法加持来进行决策。这是数字化转型的核心。

我经常讲一个观点，所谓数字化转型，本质上是三场革命：一是工具的革命，例如拥有制造汽车的各种新设备，包括机器人、数控机床、AGV（自动导向搬运车）等硬件，也包括CAD、CAE等软件，这些都是数字化转型所需要的工具或者说手段；二是决策的革命，过去企业产品研发、生产制造、采购物流、营销服务以及运营管理等都是基于经验进行决策的，而今后要基于数据、通过算法来洞察规律，进行科学的决策；三是组织的革命，所谓数据的自动流动，就是要把正确的数据，在正确的时间，以正确的方式，传递给正确的人和机器，这样才能真正实现高效率，为此我们必须变革组织，以支撑这样的数据流动。

一句话，企业数字化转型的最终目的只有一个，那就是优化资源配置的效率。当资源配置的效率提高了，企业的核心竞争力自然也就提升了。这就是我对于数字化转型的理解。

赵福全：安博士讲得非常好！现在几乎所有企业都在讲数字化转型，都表示要迎接本轮产业变革，但数字化转型到底是什么、应该做什么，其实不少企业并不是很清楚。而您明确提出，数字化转型就是要以数字化的手段来实现优化资源配置效率的目的。我觉得您的观点既有很强的学术性，又解释得非常详细到位。

我简单做个梳理：当前整个社会正在发生空前巨变，消费者的需求变得越来越复杂，甚至可以说是千变万化。在这种情况下，企业如果不能满足消费者需求的变化，就会失去生存的基础。因此，企业必须努力把内外部的各种资源有效组织起来，尽可能精准、快速地满足消费者日趋复杂、日新月异的个性化需求。而延续传统的企业运营和资源组织方式，无论怎样改进，都是无法做到这一点的。唯一的破局之道就是利用数字化手段、实施数字化转型。

通过数字化转型，企业要把市场上的需求信息都转变成数据，并让这些数据在企业内外流动起来，驱动企业有的放矢地打造新产品。由此，数据也就成为了一种新的生产要素。在之前硬件主导的时代，生产要素主要是实体的生产资料，例如钢材；当钢材进入生产线，对其进行冲压、切割等处理以形成零部件的相关技术，就是生产力；相应的，确保顺畅生产的生产线和组织等，就是生产关系。而进入到软件主导的新时代，我们可以利用数字技术，把各种信息都转变为数据，从而成为一种新的共性生产要素，或者也可称之为新型生产资料；对各种数据进行采集、传输、处理和使用等的一系列新技术，就是新型生产力；相应的，研发、生产、采购、销售、服务等各个部门，必须向着统一的产品目标携手努力，基于共同的生产要素产生不同的生产力，以实现提质、增效、降本，满足不断变化的市场需求，而确保这种协同的全新组织和分工等，就是新型生产关系。

我想强调的是，一方面，这种新型生产关系意味着企业内部的组织架构和运营管理必须进行全方位的变革。企业可能不再需要像以前那样经常召开部门之间的沟通会，也可能不再需要通过KPI来进行指标管理，因为企业完全可以通过数字化手段，基于数据来打通部门墙，全面提升部门之间的沟通及运行效率。另一方面，新型生产关系还涉及到企业与外部伙伴的合作，将会催生出新型的商业模式。比如原来整车企业和供应商之间基本就是简单的买卖关系，但是当前整供关系也在发生重大改变，正向长期战略生态伙伴的方向演进。究其根本，这同样是由数字化转型引发的。因为供应商或者掌握着部分数据，或者拥有处理数据的优势技术，而优化资源配置的效率就需要打通这些数据，也需要有效利用这些技术。为此，整供车企必须共创商业模式、实现资源共享。

总之，数字化时代与我们熟悉的硬件主导的时代完全不同，生产要素、生产力和生产关系都将发生重大改变。面对这样的新时代，企业必须实施以优化资源配置效率为目标的数字化转型。也唯有如此，企业才有可能高质量、高效率、低成本地精准满足快速变化的市场需求。这正是数字化转型的价值所在。