数智化与成本管理创新——基于对产业大脑降本增效机制的透视

徐 玲（副教授），唐丰收

在数字化改革背景下，浙江省对“八八战略”①，进行再深化、再实践，创造性地提出，产业大脑的建设思路是数字赋能实体产业生态的创新举措，是“坚持把发展经济的着力点放在实体经济上”“促进数字经济和实体经济深度融合”②的先行尝试。产业大脑建设从工业领域出发，以细分行业为切入点，推动产业数字化发展由“平台赋能”向“生态构建”跃升（胡胜蓉和黄学，2022），组织构成除了上下游产业链企业，还包括数字产业企业、金融企业、中介服务企业、科研院所等，由此可见，产业大脑是一种新型的数智化组织，是浙江省块状经济以新一代数字技术为引擎向融合集群发展的演进。实体与虚拟制造资源以及服务资源在产业大脑中获得跨部门、跨层次、立体化的延伸，使整个大脑集群降本增效初见成效。那么，产业大脑成本管理创新举措有哪些？实现降本增效的内在机制又是怎样的？对这些问题的研究，对于数智化赋能运营管理创新具有重要意义。

一、产业大脑及其降本增效的共性

（一）产业大脑

产业大脑是以工业互联网为支撑，以数据资源为核心，运用新一代信息技术，综合集成产业链、供应链、资金链、创新链，融合企业侧和政府侧数据，贯通生产端与消费端，为企业生产经营提供数字化赋能，为产业生态建设提供数字化服务的新型数智化集群组织（兰建平，2021）。

赋予大脑之名，体现了其产业链高效协同智能治理能力。相较于一般意义上的数字平台，产业大脑不仅体现了数字技术支持下的多边交易属性，更强调数字技术分层架构下对核心实体产业的统筹服务属性与治理属性。从网络结构来看，一般意义上的数字平台更类似星型结构，参与者均通过平台企业进行关联互动，而产业大脑的结构则更类似树形结构，组织构成除了上下游产业链企业，还包括数字产业企业、金融企业、中介服务企业、科研院所等多个种群，虽然可能各自建立了数字平台，但各站点平台的数据均发送到根部的大脑中台进行处理分析，最终形成统筹的经营调度指令。

（二）产业大脑降本增效的共性

本文选取浙江湖州的童装大脑、浙江温州的智能电气大脑、浙江台州的泵阀大脑、浙江绍兴的织造印染大脑、浙江宁波的化工大脑等五个典型产业大脑作为研究对象，对其降本增效的举措进行梳理分析（见表1），发现产业大脑的成本管理具有以下共性特征：

表1 浙江五个典型产业大脑降本增效举措

1.成本管理范畴扩展。产业大脑以产业互联网为支撑，由“政产学研金介用”③等多方主体通过互组织方式形成多元协同生态体，通过运用新一代信息技术，将一二三产业数据汇聚起来，从而推动产业链、创新链、供应链融合应用。这种多元网状协同使成本管理在时间和空间上得到拓展，并通过产业大脑成员企业的协同作业，实现跨越企业组织边界和生命周期且关注未来成本信息的“大成本管理”（孟凡生和张高成，2011）。以浙江湖州的童装大脑为例，童装款式丰富但原材料品类较为集中，单个企业采购量级小且频次高、议价能力差，通过智能抓取用户在线实时交易动态数据，归集整合原材料集采需求，以集采方式实现成员企业采购成本的降低。通过建设采销一体数字化平台，浙江温州的智能电气大脑、浙江台州的泵阀大脑、浙江绍兴的织造印染大脑以及宁波的化工大脑均实现了从市场调研、材料采购到包括扩展销售渠道以及售后运维在内的销售成本大幅降低。其中，智能电气大脑、织造印染大脑建设的设备管理云平台还帮助集群企业进行设备运行监测，有效评估设备的生命周期并预测备件更换时点、提升设备管理效率、降低设备运维成本。

2.对隐性成本管理的作用突出。伴随着高度定制和个性化产品需求的日益增长，产品多样性和生产复杂度不断提高，引发生产扰动的不确定因素来源范围和频繁程度都不断加大（乔非等，2023）。随着不确定性增大，一些隐性成本对企业生产经营效率的影响日渐凸显，如与关系维度相关的搜索成本、沟通成本、等待成本（时间成本）等，而这些隐性成本并未纳入传统成本管理的范畴。各产业大脑构建的产销一体数字化平台，一方面帮助集群企业筛选合格的供应商、撮合上下游交易，从而降低对供应商与信用客户的搜索成本与购销沟通成本，另一方面通过订单、物流、资金等端到端的业务可视化，降低各环节间的等待成本。环境不确定性的增加还使中小企业融资面临新的困难，浙江湖州童装大脑将企业订单、合同、生产数据上传到公共区块链，银行根据上链数据进行信用评级，动态评价企业偿贷能力，形成无抵押授信，在实现集群企业资金成本下降的同时，极大地降低了贷款过程中的搜索成本、试错成本以及等待成本。

3.制度设计功能增加。产业大脑在数字化催生下形成了多种产业要素与知识体系融合的新价值创造范式：单个产业链被打破，上下游产业链、金融产业链、服务业产业链在新节点上进行重新连接以提升顾客体验。以浙江湖州童装大脑为例，该大脑由服装设计行业、印染纺织行业、童装制造行业、数字服务行业、金融行业等的企业或者产业联盟构成产业生态系统，重构商业模式，通过“一键集采”“一键设计”“一键智造”“一键金融”等途径实现降本增效。其他几个产业大脑均有类似的产业生态结构，通过资源共享、数字集采、数字营销、协同智造、数字运维、数字金融授信等方式实现对显性成本与隐性成本的管理。可以发现，在这种机制下，产业大脑的成本管理面临着两个问题：一是吸纳谁作为产业生态的成员，二是各个产业链如何拆解重构。这两个问题的实质是制度安排，即产业大脑的成本管理增加了制度设计功能，能够依据对顾客价值的贡献来决定成员的吸纳，并实现整个体系全面成本的合理性，从而完成对核心竞争力的塑造。

二、产业大脑降本增效的机制

（一）运用数据资产支撑战略成本管理

产业大脑以智能设备为主要节点，节点之间的连接既有单向的，又有双向的，既可能是强连接，还有可能是弱连接，可以认为产业大脑是一种复杂网络组织。组织的复杂性使战略因素变得非常重要，因此产业大脑的成本管理更加注重对战略成本动因的考虑，如结构动因层面的规模、成员结构、整合度等，以及执行动因层面的成员节点间的联系、资源利用率等。一方面，一个复杂组织进行战略成本动因分析的支持数据既有结构性的也有非结构性的，具有大量、多维度的特点，这需要实时的数据收集与前置数据分析进行支撑。另一方面，数字化技术的应用使产业大脑掌握着足够的数据资产，为战略成本管理的实施提供了支持：以工业互联网为支撑，通过SAAS 层面的集成工业APP的开发实现供应、生产、库存、销售、交货、设备运维、客户偏好等多维度数据实时采集，大脑侧中台进行各成员企业多维数据的汇集、计算与分析，根据分析结果形成调度指令，实现大脑内部生态网络链接节点的排序以及网络连通性的优化，达成战略层面的成本管理。另外，通过数字孪生技术，不仅能提供节点的利用率、堵塞率信息，还可以识别瓶颈节点与扰动原因，在新成员筛选的基础上，仿真模拟成员结构、链接方式、链接时序等调整对大脑整体成本与风险的影响，从而实现商业模式层面的前置性成本管理。

（二）形成集成优势以提升成本效益

从空间上看，产业大脑是一个涵盖了规划、设计研发、制造、装配、销售、运维等产品全生命周期产业链成员的生态系统；从任务上看，制造不再是组织的单一任务，而是形成了数智化环境下制造与服务不断相互渗透的格局（乔非等，2023），因此产业大脑实质上是一种服务型制造生态组织。在产业大脑中，通过形成集成优势达到降本增效目的是实施战略成本管理的一个重要路径，具有两重机制。

1.通过集成形成规模效应。形成集成优势实质上是化零为整的机制，又可以分为以下三种途径：一是采集成员企业采购需求信息，进行集成采购，形成大宗采购从而提高议价能力，实现零星采购无法企及的低采购成本。这种途径同样适用于设计需求的集成，零星的设计需求往往招不到设计供应商，或者设计价格非常高昂，“抱团”的设计需求提升了需求方的话语权。二是采集成员企业产供销数据，在中台进行计算，估算仓储需求，并根据仓库库容使用信息进行供需匹配，一方面解决成员企业零星库存的高成本储存问题，另一方面降低产业大脑内部仓库空置率。三是采集研发需求，识别共性需求，进行共性技术开发，一方面大大降低成员企业的研发成本，另一方面提升技术开发的效率与效益。

2.通过集成实现资源整合再利用。这种机制的实质是通过协同实现产业大脑成员企业的服务价值拓展，可以分为以下两种途径：一是冗余资源的利用。例如通过基于产业大脑层面的排产调度，将订单派给具有剩余产能的成员企业，加快生产节奏、缩短交货时间，从而提升产品服务附加值。再如通过集成与匹配检验需求信息和链主企业实验室空置信息，利用实验室空置时间完成其他成员企业的检验工作，将单个企业层面生产服务扩展为产业大脑层面的生产服务，创造实验室的服务价值。二是资源转化利用。资源转化利用作为资源编排的一种形式，是指通过资源的调动、协调或者拓展，开发资源的新功能（Carnabuci 和Operti，2013）。本文认为，通过扩展资源的使用空间或者使用对象转变使用形式，从而实现新价值或者成本的降低，也属于资源转化利用的范畴。例如链主企业的优质信用资源，通过产业大脑搭建的贸易信用传递机制，以“链主企业+其他成员企业”的抱团方式形成融资主体，实现链主企业优质信用向成员企业的传递，进而降低其他成员企业的融资成本。

（三）转换虚实资源挖掘潜在价值

大智移云物等新技术应用使“研供产销融”形成互相交织的信息、物理融合系统，在这种系统中物理实体资源与虚拟资源互相渗透。从动态视角来看，虚实资源的互相渗透表现为虚实资源的转化，新的价值则在虚实转化中产生，可以分为以下三重机制：

1.通过虚实转化改变资源属性从而创造新价值。

从物质性考虑，本文将具有实体物质性的资源界定为“实”，将非物质性的资源界定为“虚”。数智化背景下，物质性资源可以借助数字技术向非物质性资源转化，形成物质对象的虚拟映射，对转化虚实属性后的资源进行再利用，可以扩展资源的价值创造领域。例如童装产业大脑成员企业的订单、合同、生产单据等通过上传公共区块链转化为数据，银行根据上链数据进行信用评级和无抵押授信，实体单据转化为数据再转化为信用，从而实现融资成本与时间成本的降低。

2.将冗余的能力资源转化为实体投资的节约或效率提高。这一途径往往通过共享的形式实现，例如泵阀大脑通过“协同云制造”体系，利用成员企业生产能力差异，根据订单对产品规格、数量等生产要素拆解重构，进行大脑内部协同排产，实现最大限度的产能释放。再如智能电气大脑共享大企业和第三方实验室大型精密实验设备的冗余检验能力，为中小企业成员智能化安排检验服务，从而节约中小企业相关设备的高昂投资与等待检验的时间成本。

3.通过虚拟资源扩展应用创造新价值。虚拟资源的特点是在使用过程中不会产生资源本身的损耗，因此可以通过使用对象的转换或者使用范围的扩展等途径创造新价值。例如泵阀大脑链主企业优质的贸易信用通过向其他成员企业传递，形成以链主企业为核心的虚拟融资主体，实现成员企业融资成本的降低。再如产业大脑所采集到的智能设备信息，若用于协同制造方面，则可以掌握设备利用率，通过协同排产释放最大产能；若用于运维方面，则将事后运维转变为预测性运维，不仅能够减少例行维护次数，还可以预测备件更换时点，降低备件库存成本。信息这种资源的转化更重要的体现是可以实现成本与风险控制前置，避免隐性成本，如可以预防由于设备故障维修、产能受损造成的违约损失，或者失去其他订单的机会成本。

三、数智化下的成本管理创新

通过对产业大脑降本增效特征与机制的分析，可以发现相较于传统成本管理，数智化下的成本管理具有三方面创新。

（一）成本管理理念创新：与价值创造相融合的模式层面的源流管理理念

数智化背景下，成本管理采用在模式层面与价值创造相融合的源流管理理念。首先，传统成本管理基于线性价值创造方式，这种价值创造方式下顾客是产品使用价值的接受者，因此传统成本管理思路是以材料和物资的消耗为管理重点、以资源节约为目的，管理的成本对象为产供销中的显性成本。而数智化背景下，顾客在价值创造中的地位不断提升，顾客的满意度直接影响到所有成员企业的盈利，甚至决定了成员的生存，这种价值创造模式的变化要求成本管理由成本削减思路转变为提升成本价值贡献的成本增值思路。新的价值创造模式使链接、共享、体验等成为价值创造的驱动因素的同时，也使成本管理对象扩展为由这些价值驱动因素而产生的关系维度、信息资源获取维度、不确定性维度的隐性成本与潜在未来损失。

其次，数字化技术引擎下商业模式、价值创造模式在不断创新，价值创造体是一个企业界限模糊、多行业价值链交织的中间性组织，其价值创造的系统视角必然使成本控制跨越企业的边界，成为从产品层面提高到流程层面、扩延至企业的生命周期甚至整个行业的生命周期的一种更高层次的源头性成本控制。

组织结构是企业战略执行、成本控制的基础（潘飞和赵艺博，2022）。值得注意的是，一旦新模式的组织结构、联结方式确定，那些由结构性动因和执行性动因驱动的成本将被固化，难以通过后续手段进行控制，并且非优化的结构和方式还可能进一步向下降低作业和产品层面的成本效率。关联对象以及新的连接点的选择要考虑两方面问题：一是如何创造顾客价值，二是组织结构重构中的成本合理性。成本控制不但贯穿于价值创造的全过程，而且其控制过程本身就是价值创造体系构建、运转与优化的过程，二者合而为一，不可分割。产业大脑降本增效的实践证明了这一点：不同行业有各自特征，根据这些特征，案例产业大脑构建了不同的生态组织结构，结合数智化举措，形成了各具特色的降本增效模式。这说明数智化背景下的成本管理采用源流管理理念，将成本控制从产品层面提升至模式设计层面，将实施成本控制的时间提前至模式形成之前，实现成本控制与价值创造设计的融合，从系统的角度考察成本的发生对价值的贡献。

（二）成本管理方式创新：大数据技术支撑下的生态式成本协同管理

传统成本管理是企业内部的成本管理，即单边管理。随着组织结构扁平化发展，成本管理逐渐突破企业边界发展为组织间成本管理，但此时往往是双边管理，如以丰田公司为代表的日本公司与其合作企业开发的价值工程（VE）、功能—质量—价格（FQP）权衡、组织间成本调查（ICI）以及并行成本管理（CCM）等组织间成本管理工具（Cooper和Slagmulder，2004）。而数智化背景下的成本管理则是多边的生态式管理。生态式成本管理需要集群内部某个种群所有企业甚至多个种群的企业进行协同，主要体现为利用大数据技术提升资源编排能力，从而将成本管理内容由成本管控向价值挖掘拓展，最终实现整个集群生态组织的协同价值（冯巧根，2022）。以存货成本管理为例，本文将从采购、物流、仓储三个环节，阐释大数据技术下的存货成本多边协同管理，见图1。

图1 大数据下存货成本协同管理示意图

1.存货成本管理相关大数据的抓取与存储处理。

大数据抓取的信息来源既包括集群内部不同种群（上游产业链企业种群与核心制造商种群），也包括集群外部信息源。生产作业环节采集的信息包括核心制造商种群的订单信息、排产信息、所需物料消耗种类及数量、时间信息等，以及上游产业链企业种群的原料消耗种类、数量信息；采购环节采集的信息包括采购种类、数量、时间信息等，另外还有从外部信息源获取的前端供应商资质、货源种类、实时报价等信息；仓储环节采集的信息包括物料种类、库存量、仓位信息、货位信息以及各种群仓库实时剩余容量信息等；物流环节采集的信息包括运输方式、运输路线、运输数量等运输需求信息。

采集到的相关成本大数据信息来源于多种类型渠道，如不同客户端、不同订单系统等，造成数据格式的多样性，通过ETL 工具可完成不同数据类型的清洗、转换、分类与集成，从而实现符合成本管理需求的关联的、适宜分析的数据，并存入目标数据仓库。Hadoop技术则可以通过对这些海量的结构化、半结构化、持续实时数据进行交互式和批处理，实现数据挖掘与预测分析。

2.存货成本的大数据分析与决策。大数据技术下的存货成本管理通过存货成本优化模型，实现数据比对分析、成本优化分析与智慧调度。

（1）采购环节成本的协同管理。采购环节成本主要由交易成本（前端供应商谈判成本）、机会成本（因信息不对称选择非优供应商导致的损失）、原料或零配件的价格、采购人员工资、订货成本（包括订货处理费、运费、装卸费、保险费等）五类构成。

利用大数据技术对集群内部上游企业种群与核心制造商种群各企业共享的原料或零配件类型和数量信息，合并同类需求，化零为整形成议价优势，同时结合对比前端供应商产品类型、报价、供货地址以及资质等大数据，通过成本优化模型，综合考虑产品质量、价格以及运输等因素，形成最优采购策略。

在补货环节，利用大数据分析与预测技术，综合分析销量、生产速度、原料配件运输时间、采购价格等数据，合理预测不同种群企业的库存量，模拟运算、对比同种群企业间存量原材料/零配件协同调配策略与择优外购策略的成本，形成最优成本策略，并通过智能补货系统实施最优策略。

（2）仓储、物流环节成本的协同管理。仓储环节的成本主要由持有成本（包括仓储成本、资金占用的机会成本、风险成本等）、缺货成本、仓库管理人员工资等三类构成。物流环节的成本除了包括仓储成本，还包括物流运作成本（如运输装卸成本、包装成本、流通加工成本等）以及物流管理成本（如物流信息成本、物流管理成本等）。

数智化背景下集群内仓库的企业权属边界被打通，形成各实体仓库协同管理的虚拟共享仓库。运用大数据技术分别计算各类原料、零配件、产品间的关联度，将高关联的货物存储在一起，优化拣货路径，不仅能降低仓库管理能耗，还能减少仓库管理人员的需求。另外，通过实时监控各仓库的仓储量，结合实时生产与销售数据进行智能调配，实现仓储环节成本最优的部署策略。

物流环节贯穿于供应链各个环节。如上文集采策略中通过大数据技术对所需物料的种类、存储地点、数量、体积、形状以及运输工具容量的综合分析，形成装卸成本最优的打包方案，运用大数据技术对物料的运输方式要求、运输时间、运输路线等数据综合分析与成本优化计算，形成最优的配送方案，最终形成物流成本最优的运输策略。再如仓储的智能调配策略中，运用大数据技术对货物关联度、库存存量、产销需求量、产销地点等进行综合分析，形成费用最低、耗时最短的调拨物流方案。

（三）成本管理实现路径创新：基于数字孪生的全生命周期成本管理

数智化背景下，产品的设计论证、研发、生产、销售、运维等各个阶段，均可以通过物联网、大数据等技术的应用形成一个与物理空间产品全生命周期各阶段相对应的“数字镜像空间”。该数字镜像空间是物理对象各类数据的集成与映射，可以同步物理对象迭代进化，即物理空间的数字孪生。基于数字孪生的成本管理将传统成本管理从单一的物理空间扩展到物理与数字镜像的交互空间：数字镜像空间来源于物理空间的海量历史成本数据，能够描述刻画物理空间，同时在数字镜像空间又可以通过成本建模，运用机器学习技术进行迭代，进而优化物理空间的成本。基于数字孪生的全生命周期成本管理有以下两种实现路径。

（1）数字孪生技术消除物理空间某些阶段中的成本动因。传统成本管理局限于物理空间，虽然可以识别部分作业为非增值作业或低价值作业，但由于受物理空间的流程条件限制，无法将这些作业去除，从而产生成本冗余。如服装行业中打版与试样是必不可少的工艺流程，由于需要反复调试尺寸甚至更换面料进行展示才能满足客户需求，将产生大量料、工成本。运用数字孪生技术，在数字镜像空间进行调试，并可以展示高度仿真的上身效果，从而消除这部分成本动因。再如电气设备类行业的产品运维阶段中，传统的流程是客户报修——人员出差诊断故障原因——回公司取替换配件或邮寄替换配件——维修，而运用数字孪生技术，可以实时掌握产品运行状况，线上诊断故障原因后直接携带替换配件前往维修，不仅可消除“出差诊断”与“返回取替换配件或邮寄替换配件”两项非增值作业带来的成本，还能大大降低客户的等待成本以及停工损失，从而提升客户满意度。

（2）构建全生命周期各阶段数字镜像空间，利用仿真分析及机器学习迭代预测技术提供成本优化方案。数字孪生技术能够映射、仿真物理对象，并与物理对象进行交互，因此利用数字孪生技术能够实现产品设计与成本设计的并行工程（见图2）。

图2 基于数字孪生的全生命周期成本优化示意图

首先，提取全生命周期中的成本要素作为成本建模的基础。其次，将物理世界各阶段的建模数据、模型优化数据均转换为成本建模数据，实现成本建模。再次，利用仿真分析系统对产品全生命周期各个阶段过程进行模拟仿真，将模拟仿真结果与物理对象动态运行结果进行比较分析，生成的对比差异数据传输至成本分析系统，确定物理对象运转中的问题。然后，通过进一步对仿真结果的分析调整，确定最优成本方案，并确定低效环节，生成协同调整策略。最后，物流空间的协同优化产生新的业务数据与成本数据反馈，与仿真数据交互，形成迭代机制，从而实现全生命周期成本的动态化管理。

四、进一步思考

基于上述分析，本文对数智化背景下的成本管理提出以下两点思考。

（一）数智化背景下成本管理应加入风险维度

数智化背景下，多个产业价值链在新节点上重新连接，从而使组织结构异常复杂。一个节点上的成本控制由多个成员企业协同实施，而由于成本控制所产生的对顾客价值减损的可能性也同时存在于多个成员企业之中，并由于“多米诺效应”被层层传递，还会由系统复杂性产生的“蝴蝶效应”放大。可见，成本管控导致顾客价值损失的风险在新型生态组织中非但没有消失反而变得隐蔽起来，由其产生的风险不容易被识别出来。因此，有必要将成本管理与风险管理相结合，运用数智化手段实施成本风险管理，如通过数字孪生技术对成本措施对于组织的影响进行仿真模拟，结合现有流程与节点数据进行调查分析，定位风险存在原因，发现潜在风险威胁，通过算法对风险发生后造成的损失及对组织战略造成的影响进行推演，权衡成本管控措施的回报与风险带来的损失，评估成本措施的可行性，提出适当解决方案。

（二）数智化背景下成本管理需要一套可与智能化相融合的可拓分析工具

数字化技术提升了信息共享程度，使不同地理分布的资源具有了“可被搜索性”，为企业以顾客价值创新为目的的自组织关联奠定了基础，同时也为模式设计层面的成本管理提供了途径，比如前文中对“闲置资源”的重新整合。从产业大脑的案例中可知，数字化为顾客价值创新体系的自组织形成过程中的成本管理途径提供了更多关联选项和组合可能性。多元协同和成本与价值的对立统一性使数智化背景下的成本管理成为一个解决复杂矛盾问题的过程，而众多选择和整合的可能性则令成本管理的途径具有可拓性。因此，数智化背景下的成本管理需要一套可进行资源、方法、路径挖掘拓展的工具，并且由于数智化背景下成本管理的复杂性，该工具还应该能与智能算法相结合。可拓学就是这样的一套工具。可拓学由我国学者蔡文教授于1983 年创立，包括可拓论、可拓方法、可拓逻辑等，研究核心是如何通过变换解决矛盾问题。可拓学是用形式化的模型研究事物拓展的可能性以及开拓创新的规律和方法，目前已在人工智能、管理、控制、机械、中医、设计等多个领域进行应用研究，一些财会学者也在成本管理领域进行了尝试（张秀芳，2019）。可见，如何运用可拓思维、可拓集合、可拓变换、转换桥方法等量化方法（Yang 和Li，2012）为数智化背景下的成本管理提供解决方案，应成为将来的一个研究方向。

【注 释】

①指的是中国共产党浙江省委员会在2003年7月举行的第十一届四次全体（扩大）会议上提出的面向未来发展的八项举措，即进一步发挥八个方面的优势、推进八个方面的举措。

②习近平总书记在党的二十大报告中提出的。

③具体指政府、产业、大学、科研、金融、科技中介、市场应用七个方面。