当前，我国很多大型企业和中小企业都在推进数字化转型工作。数字化转型是工业4.0、工业互联网、智能制造、两化融合的共同核心主题，是企业面对消费者需求升级和产业供给侧重构的挑战，利用数字化技术对业务进行重构、转型、创新的长期过程可以视为在数字化基础上，向价值取向、业务创新和系统治理的进一步发展。数字化转型不是一个单纯的技术问题，而是通过先进技术赋能的产业整体转型升级问题。相较于传统的企业信息化，企业数字化在原有的侧重业务管理规范化和优化上，增加了企业之间的集成，重点解决产业链上的协同问题。互联网、大数据、人工智能、区块链以及大模型等数字技术快速发展，催生了工业互联网、电子商务、共享经济以及平台经济等新模式和新业态，并成为驱动社会经济快速发展的重要组成。

与此同时，全球范围内数字化转型趋势同样迅猛。世界各国积极采取行动，以数字技术赋能传统产业，加快人工智能、大数据、物联网等新一代信息技术的应用布局，推动企业实现智能化、网络化转型。然而，不同国家的转型路径和侧重点有所不同：发达国家技术积累深厚，推进转型较早，但仍面临系统集成和互操作性等挑战；尽管中国起步较晚，但借助国家政策支持和市场规模优势，在某些领域实现了快速追赶和创新突破。

数字化转型本质上是一项复杂的系统工程，不仅涉及信息技术的应用和技术集成，更需要企业管理模式、组织架构以及业务流程等多个领域的深刻变革。这要求在企业体系结构设计、建模方法、技术标准与规范制定等方面进行系统化探索和实践，以真正实现全面、高效、可持续的数字化转型。

国际自动化联盟（IFAC）下属的企业系统的集成和互操作（TC5.3）技术委员会长期关注信息技术对企业系统的赋能作用。对比该协会每年举办一次的EI2N会议主题可以发现，从企业信息化出发，历经数字化和网络化的阶段后，目前的企业系统正在向着智能化、以人为中心的复杂系统转化（表1）。这也是目前对工业5.0形式的一种解读。这一研究重心的转移也与我国制定的政策制度保持一致：“数字化”阶段主要聚焦于利用数字技术实现企业（组织）内部资源综合配置优化和业务流程集成优化。“网络化”阶段主要聚焦于利用人、机、物的开放互联，实现跨企业（组织）资源和能力的社会化动态共享和协同利用。“智能化”阶段主要聚焦于利用数字孪生、人工智能等实现全社会人与人、人与物、物与物的智能交互与赋能，支持全要素、全过程、全场景资源、能力和服务的按需精准供给。

因此，本文将通过系统梳理IFAC TC5.3委员会的发展历程和研究成果，探讨企业体系结构和建模方法的发展，分析集成与互操作技术的演进经验与未来趋势，进而为中国企业的数字化转型提出具体、有效的实施路径和建议，以期为推动我国经济高质量发展贡献理论支持和实践参考。

一、工业智能的发展与赛博-物理-社会系统的集成

世界各国提出的适合本国国情的智能制造战略虽然在表述形式上有所不同，但都体现了赛博-物理-人融合的特征。目前，AI可以赋能制造业当中的智能产品与装备、智能工厂与生产线、智能管理与服务、智能供应链与物流、智能研发与设计、智能监控与决策等多个场景。具体而言，工业智能应当是人工智能技术与工业发展的融合，贯穿于工业领域的设计、生产、管理、服务等各个环节，实现模仿或超越人类感知、分析、决策等能力的技术、方法、产品和应用系统。它需要具备自感知、自学习、自执行、自决策、自适应的能力，以适应多变的工业环境，完成多样化的工业任务，最终达到增强企业洞察力、提高生产效率或设备产品性能的目的。工业智能并非一蹴而就的，而是随着时代发展而不断改变的，正如自动化-信息化-数字化-智能化的流程一般，工业智能也经历了不同时代的变化。目前，工业智能已成为工业4.0和工业5.0转型中的核心主题。尽管目前对工业智能的概念尚无统一定论，但工业智能不仅仅是“部署智能模型”的过程，它强调如何通过有效的管理和运营，使这些智能系统在实际生产中得到充分应用。

表 1 IFAC TC5.3 历年来主办的 EI2N 会议的关注点

智能模型的实际落地依赖于对生产流程、设备监控、数据分析等多个环节的深度整合。因此，在引入智能技术的过程中，企业必须考虑具体的业务场景与需求，这一需求是技术成功应用的关键。企业的技术选择和实施策略应当与其具体生产任务和环境紧密结合，以便实现灵活生产、快速决策和资源优化。因此，人们可以认为：工业智能的部署和实现一定与场景密不可分。如图1所示，随着赛博-物理系统（CPS）的发展，当前的工业智能场景已经从传统的人-机器二元操作关系，逐步走向了人-赛博和机器三元集成的系统。随着技术的不断发展，CPS在与人类集成的过程当中，逐步演化为了赛博-物理-社会系统（CPSS）。当人类乃至社会系统加入后，文章通过对人类智能代理、人工智能代理和混合智能代理进行分类，分析了人类与赛博合作的变化。文章以智能制造为例，分析了智能制造系统中人-机-物的能力和各种典型交互，强调了扮演不同角色的人如何参与CPS系统的运行，梳理了信息系统与人的交互。同时，与CPS交互的对象逐渐从人类上升到社会系统，人类不再是与CPS进行演化的孤立元素，而是在社会变迁与CPS运行的共同影响下，促使CPSS整体不断地发生演化。

文章指出，CPSS是一个由赛博、物理和社会组件组成的系统。它至少包括一个负责传感和执行的物理组件、一个负责计算的网络组件和一个负责驱动社会功能的社会组件。目前，人们对CPSS整体框架、协同集成关系和技术复杂性进行了广泛的分析和研究。在多元智能集群、CPS与人类社会相互融合、复杂异质认知主体借助通信网络频繁交互的时代，认知系统的集成、耦合与互操作已成为当今时代的主流。因此，设计、分析产业链数字化场景中核心的思想是异构认知系统的集成与协同。认知集成提供了一个使不同认知主体能够参与到共同认知循环中的框架和方法论。这一循环旨在利用过去的经验来制定和优化当前的行动计划，并根据交换的信息、当前状态和策略（自我意识）选择最佳的行动方案。一旦选定的计划得到执行，并且行动后果被评估后，这个循环就会结束。认知自动化的兴起补充了传统的物理自动化，推动了CPS和人类的合作。

然而，复杂的场景也带来了复杂的集成问题。多元异构系统的集成使企业成了一个系统的系统（SoS），需要通过体系结构和模型的方法对其开展全面的描述。同时，制造业本身的特性决定了数字化转型过程中系统将会呈现出多样的集成与互操作关系。因此，在完整地提出数字化转型的参考体系结构前，需要对模型驱动的系统工程方法和典型的集成问题开展探讨分析。

图 1 操作技术、信息技术和管理技术的持续变革与 CPSS 的集成

二、模型驱动的系统工程与数字化转型

数字化转型本质上是一个复杂的系统工程，它涉及企业内部多个层次和产业链之间的深度集成与广泛互操作问题。如何有效整合不同领域、不同层级的信息流，确保信息实时准确、决策高效精准成为数字化转型的核心挑战之一。在这一背景下，基于模型的方法可以有效地捕捉、表达和传播工业领域中的隐性知识，使其显性化并规范化，进而提高知识共享与利用效率。然而，要实现这种基于模型的系统工程集成，必须以完善的企业体系结构和先进的建模方法为支撑，以确保模型的可重用性、可扩展性以及跨系统的互操作能力，最终推动数字化转型目标的顺利实现。模型驱动的系统工程包含了较多的方法，数字孪生（DT）和基于模型的系统工程（MBSE）是其中的两个重要方法。DT是指要素在产品的全生命周期中可以通过模型驱动、数据驱动等方法，在物理空间与赛博空间中实现彼此映射。它能够实现产业链的横向集成，在从设计、生产、运行到维护等各个阶段提供全方位的数据监控和分析。而具体的场景知识是构建DT系统的基座。

模型驱动的系统工程方法中，体系结构（也叫系统架构、体系架构）是其中的重要技术支柱。系统架构是对一个系统的结构化描述，系统架构的建立可以为系统的设计、分析、实施等提供方法指导和建模工具。遵循一定规范来设计、定义系统架构是分析和实施特定环境下系统集成过程的重要方法之一，因而系统架构研究在信息技术、工业制造等领域得到广泛的应用。自20世纪80年代以来，针对复杂系统的集成问题提出了体系结构概念。目前已经形成了Zachman体系、计算机集成制造开放系统体系结构（CIMOA）、普渡企业参考体系结构（PERA）、集成信息系统体系架构（ARIS）通用化的企业体系参考结构与方法论（GERAM），企业架构框架（TOGAF）、统一架构框架（UAF）等一系列通用化的体系结构框架，有效促进了新兴信息技术发展对制造企业模式变革产生的正向影响。

对工业和制造业而言，世界各国相继宣布了本国的制造业转型升级战略，支持其经济转型、提升国家竞争力，以保持全球范围内的优势地位。美国更关注信息技术和自动化技术对制造业的赋能作用，在2009年12月发布了振兴美国制造业的框架，2013年1月发布了国家制造业创新网络的初步设计。德国更希望依托装备和高端精密制造开展转型，2013年4月发布了关于实施工业4.0战略举措的建议。我国主要依托工业化和信息化融合，力图借助新质生产力弯道超车。2013年8月，工业和信息化部发布了《信息化和工业化深度融合专项行动计划（2013—2018年）》；2015年5月，国务院印发了《中国制造2025》。日本希望以精良生产和持续改进等管理思想赋能制造业，推动产业革命，在2015年6月成立了“工业价值链主导权”联盟组织，并发布工业价值链计划。

然而，目前的架构难以描述数字化转型当中的场景集成问题。较为通用的体系结构在对工业和制造业特点的描述上存在不足；德国和美国的智能制造框架则主要关注企业内的纵向集成问题，对产业链间的协作分析较少，而工业互联网参考体系结构则直接从行业视角出发，忽略了企业内的纵向集成问题。因此，本文需要对数字化转型和工业智能语境下的体系结构进行探讨和研究。

三、先进信息技术赋能的纵向集成、横向集成与端到端集成

德国的工业4.0参考体系结构指出，在智能制造时代需要体现出三大集成特征，即纵向集成、横向集成与端到端集成。纵向集成指的是企业内部各个层级的信息流动与协同，包括从企业战略层面到生产执行层面的信息贯通与协调；横向集成强调企业之间、产业链上下游、供应商和客户之间的信息共享与协作，以实现产业链整体效益最大化；而端到端集成则关注从产品设计、生产制造到服务交付的整个价值链流程的全面贯通与优化，确保信息的实时性、一致性和高效流通。纵向集成是当前制造企业呈现出的核心特点之一。企业实施纵向一体化主要是为了减少市场交易成本，应对供应链不确定性，提升资源控制力和竞争优势。虽然网络技术的发展与制造模式的变革促使其走向异地化，但功能的层级依然被保留下来。目前，典型的纵向集成维度见表2。纵向的集成涉及物理要素、地理位置、功能分配、性能评价等多个方面的问题。文章基于实证数据发现，整合决策受产品特性、交易频率、企业规模和竞争强度影响，而文章从战略角度强调企业应在“自制”与“外包”之间权衡，以获取效率与灵活性之间的平衡。这些研究共同揭示了纵向一体化是一种复杂且情境依赖的战略选择。

表 2 典型产业链数字化场景纵向集成维度

近年来，关于横向集成如何影响企业竞争力、战略决策及行业结构的研究日益增多。文章发现，在肯尼亚出口加工区（EPZ）企业中，横向集成显著提升了企业的市场竞争力，建议将其纳入企业战略规划中。文章发现在上游合并涉及垂直整合企业的情境下，横向整合在某些情况下可降低投入价格并提升消费者福利。文章提出横向与纵向整合策略并非对立，而可形成互补关系，特别是在企业拥有稀缺性资源时，通过横向扩展可增强纵向整合的经济效益。端到端集成是智能制造系统中的关键技术，旨在通过统一的数字平台，将产品设计、工艺流程、资源配置与设备运行等各环节实现信息互联与协调，从而覆盖产品从构想到交付的全过程。这一集成通常依赖于数字化建模、智能仿真与决策支持系统以及基于工业通信协议（如EtherCAT）的网络化生产线集成。文章强调，集成智能仿真系统可提升制造系统的决策效率与柔性。此外，通过构建基于EtherCAT的网络化生产线，可以实现对制造过程的实时监控与闭环控制。端到端集成的实施不仅提升了产品质量与一致性，也提高了生产效率与系统的智能化水平，为智能制造的发展提供了坚实支撑。

数字化转型引发的纵向集成、横向集成和端到端集成并非孤立存在，而是彼此紧密关联、相互依存的系统工程。纵向集成通过实现企业内部从管理决策到生产执行的多层级协同，为端到端集成提供了高效、精准的数据基础和组织支撑；横向集成通过推动企业与供应商、客户及产业链伙伴的信息共享与协作，保障了端到端价值链的全面贯通与优化。与此同时，端到端集成则在企业整体流程的高度协同和优化中进一步推动纵向与横向集成的深化。三者相互促进、互为条件，共同支撑企业实现全面的数字化转型目标。

四、面向数字化转型的系统架构

结合CPSS的集成特性以及产业链自身的横向集成与企业的纵向集成特性，研究提出了场景管控架构，如图2所示。架构整体呈现出魔方的形式，可以通过切换，调整不同层级、维度之间的连接关系。架构分为三个核心的维度：CPSS集成维度、纵向集成维度、横向集成维度，三者共同描述了数字化产业链的特征。CPSS的集成关系已经在第一章进行了详细的论述和分析。在本架构中，其集成关系通过社会、赛博和物理三个一元系统来体现，其中的任意两个系统均可组成一个二元系统。

图 2 数字化企业与产业链体系结构

纵向集成是数字化产业链的核心之一，如局域网、广域网、互联网范围的计算机/服务器及其集群，由云（IaaS、PaaS、SaaS）、边、端构成的信息采集、存储和处理的框架，自动飞行系统的空域协同—飞行任务—轨迹控制—姿态控制—单元控制的层级结构以及IEC 62264对企业—工厂—区域—work center—work unit的划分，都是典型的纵向分层实例。本研究将纵向层级分为四个等级：LV1控制层，对应IEC 62264的LV1层级，负责基本控制算法的部署实现和任务执行，如PLC位于此层级；LV2监控层，对应IEC 62264的LV2层，负责监控生产活动，如SCADA位于此层级；LV3运营级，对应IEC 62264的LV3管控集成层级，具有将宏观业务信息转化为具体生产信息的功能，用于任务分解和指令生成，如制造执行系统（MES）位于本层级；LV4规划级，对应IEC 62264的LV4，主要负责宏观的业务流程规划设计，负责任务的定义和规划，如ERP位于本层级；LV5协同级，则对应企业业务逻辑之上的产业链协同层级，关注多系统的协同规划和决策运营问题。

横向层级则借用了《国家智能制造标准体系建设指南（2021版）》中，关于生命周期各环节的定义：生命周期涵盖从产品原型研发到产品回收再制造的各个阶段，包括设计、生产、物流、销售、服务等一系列相互联系的价值创造活动。生命周期的各项活动可进行迭代优化，具有可持续发展等特点，不同行业的生命周期构成和时间顺序不尽相同。目前，世界各国所提出的产业链横向集成关系也都可以与这一维度进行映射和集成。

具体而言，本文所提出的架构从场景出发，将具体的场景拆分为CPSS集成的形式，能够应对软件-硬件生命周期存在差异、人员的调度和培训等问题。同时，纵向集成一体化和横向集成一体化分别提供了两个核心问题的解决方案，即工业大脑和产业链集成问题。在纵向上，工业大脑是目前很多学者和企业正在关注的问题，但不同层级和领域具有不同的知识，且对于实时性的要求存在差异。因此，借助分层的管控方式可以提供从顶层的工业大脑，到运营调度层的“小脑”，再到执行层的“脑干”与控制层的“脊髓”等的管控，同时借助云边端协同的方法，进行集成和部署。而横向的产业链集成则通过统一的模型、共同的平台和协议来达成，实现了以链主企业为核心、全链企业贯通的协作关系，打通了不同企业之间的交互，实现强链增链补链，做强产业链。

交互循环是本架构的独特之处，可渗透在各个层级和视图中，进而将整个系统集成为一个有机的整体。借助交互循环，可以描述未来数字化产业链的形式。

产业链模式的变化：传统的产业链强调上游派送环节和下游接收环节之间的协作，且物流、资金流和信息流的顺序是固定的，而新的业态模式则打破了这一定式，如众包制造、直播销售模式，都对传统链式结构带来了冲击。因此，产业链将会呈现出跨环节的集成。如虚拟时装的发行、3D打印的分布式制造等业态的出现与推进，都与产业链模式的变化有关。

产业链管控的变化：传统的产业链强调纵向集成一体化时，局限于企业内的集成，而企业间的协调需要通过LV4层级的供应链管理（SCM）系统、客户关系管理（CRM）系统和企业资源计划（ERP）系统进行沟通协作。未来，产业链上跨企业之间也可以实现纵向集成一体化，即生产过程所遇到的问题，可以通过本企业的调度系统直接调节设计企业的设计绘制过程，无须将其转化为业务逻辑，与设计企业的CRM进行沟通。产业链场景的变化：不同于普通企业参考架构，赛博技术逐渐成了系统的骨架，支持人-机-物三者的协同工作。同时，在产业链的跨环节、跨层级交互当中，也会存在着人力资源、算力资源、物理资源的共享和协作问题。此时，CPSS要素会根据场景需求和产业链模式进行动态的配置和调整，实现对外界的特定服务。

综上所述，本文所提出的产业链交互框架能够分析当前我国的数字化转型当中所面临的问题，探讨分析当中的核心挑战，并为未来的企业数字化转型可能出现的模式和过渡方法提供指导。

五、结论

本文面向国家数字经济发展战略规划，结合当前工业和制造业转型中的痛点问题，综合分析我国数字化转型所面临的核心问题：赛博-物理-社会三元集成系统带来的复杂互操作问题。由此，基于模型驱动的系统工程思想，提出了基于模型开展系统集成与数字化转型的思路。在分析智能制造语境下所提出的三大集成问题的同时，提出了面向数字化转型的系统架构，希望为我国的产业、企业和具体场景的数字化转型提供指导。

原文刊载于《数字化转型》2025 年第 7 期 作者：瞿盟津 李清