同时在培养过程中，整个教育体系也在进行变革，高校新工科的建设，像人工智能、工业软件、智能制造、工业互联网等，其实就是在逐步培养人才。

当然人才缺口也很大，很多企业想招高端复合型的人才还是非常难。未来，要么是被这种各类的数字技术替代，要么直接成为能够创造和使用数字创新技术的人才。非常希望在未来，大家能从技术创新、产品开发、应用实施方面找到自己的位置。

对话议题三：近期工业数据分级标准出台，对工业互联网的发展有哪些促进作用？未来终局工业互联网生态有哪些需要解决的问题，以及可期待的机遇？

李铮：

去年出了工业大数据指导意见讨论稿，这次是工业数据分类分级指南性文件，其实这两个文件都是首次聚焦到工业数据。这是对工业数据在整个工业制造业转型升级过程中核心地位的一个共识。

未来，数据肯定是核心，围绕数据从采集到传输到分析利用整个链条，包括技术创新，以及未来的产业发展，都是围绕这条链条产生的。包括这次新基建，有些解决的是数据采集传输的问题，有些是解决算力计算的问题，有些针对人工智能数据分析，包括区块链是去解决可信交换的问题。

未来应用的生态会围绕两条主线去展开，大型的企业可以提升全面的智能化水平；中小企业，提升整个信息化的水平。另外围绕这两条主线，大企业可以把它的创新能力，实践经验向中小企业输出，中小企业也可以融入到整个生态中，获取一些资源的创新。理想情况下，在整体产业生态中，能够实现创新资源、制造资源的高效配置的状态。

当然，这也是我们对未来的设想，中间还有很多困难，技术的问题，整个商业发展模式的问题，人才的问题等，都是需要解决。

陆薇：

我想跳出来分级分类，谈一下数据标准的重要性。

现在互联网工业智能化应用，都需要跨越企业的边界。比如，大型的装备制造企业，在设计装备的时候，需要跟零部件供应商、设计院、认证机构协同；还需要外部的数据资源，比如新能源风力发电机的设计，需要风资源、地理信息等外部数据。

非常多跨越企业边界数据交换是需要标准的，如果说没有标准，大型企业可能制定自己的企业标准，然后要求供应商一定按这个标准，站在小型企业的角度，要适配很多大型企业，整个产业的成本会变得非常高。

所以传输协议的标准，数据的格式标准、标识体系，包括一些安全性保护等分级分类，整个标准体系的建立是非常有必要。

申红锋：

行业生态的链条比较长。疫情来了之后，考验的是各家企业的供应链，跟上下游供应商之间，内部销售业务和产品工厂产能之间的一个高度协调和精准匹配，每个环节都影响整个业务。