北斗大數據在天然氣下游業務領域的應用

金淑萍*，劉冰，王建，邵強，曹宇天

（1.中海石油氣電集團有限責任公司；2.上海中旖能源科技有限公司；3.國家石油天然氣管網集團有限公司；4.北京公共交通控股（集團）有限公司）

從長賜號阻塞蘇伊士運河的恢復時間及損失估算，到通過一輛LNG 槽車冬季保供的行駛軌跡進行用戶用氣特征分析，衛星定位系統為能源行業提供了大量基礎數據，幫助能源企業與用能企業更好地進行資源調度與供給優化，也可以更好地對黑天鵝事件進行風險防控。率先擁有數據與資訊的企業，將在下一輪競爭中取得先發優勢。2020 年中國北斗三號系統完成全球組網，給各行業深入應用北斗數據提供了契機。本文通過對北斗大數據在能源及交通領域的應用場景進行初步探究，對其在天然氣下游業務領域的應用進行深入思考。

1 背景分析

1.1 產業背景：液化天然氣行業數據采集難題

天然氣按資源形態可以分為壓縮天然氣（CNG）和液化天然氣（LNG）。壓縮天然氣通過管道來運輸，如西氣東輸長輸管網和從門站接至千家萬戶的城市管網。液化天然氣主要通過LNG 槽車來運輸。液化天然氣行業由于市場開放程度較高，參與主體多元，數據采集一直是行業難題。從上中下游來分析液化天然氣行業，上游相對集中，但中游和下游非常分散，整體呈現以下狀態：

上游：共有270 多家LNG 企業（包含液化工廠、接收站）。資源供應主體以國有能源公司為主，也包括民營企業與外資，構成呈現多樣化。

中游：行業內數百家LNG 槽車運輸車隊，合計2.2×104輛槽車，分布在全國各地。參與主體極為分散，集中度較低，相互間為競爭關系。

下游：主要分為加氣站、工業用戶、城市燃氣、燃氣電廠四種類型，數萬個終端用戶分布在全國各地，多依托于區域運營商，供應特點及價格承受力有較大差異。

液化天然氣行業分散且差異化的業態決定了在數據采集方面存在很多困難，想了解行業全景宏觀和微觀信息，需要對接多個主體，所耗費人力和物力將會是巨大的，同時很難保證數據實時性。

1.2 市場背景：市場戰略發生轉變

當前能源企業的市場戰略已經從“資源為主導”變為“數據為主導”，銷售模式正在從傳統的廣撒網模式向高效的精準營銷模式轉變［1］。對于用戶的服務正在從“千人一面”向“千人千面”個性化訂制轉變。市場決策與用戶生命周期管理，都需要以市場動態數據為基礎，提升決策的科學性和服務的用戶體驗。

因此，數據質量決定了市場決策的質量，如果獲取的信息都是歷史和片面信息，無法了解用戶真實在哪里、用氣體量如何、偏愛哪種氣質類型氣源、價格承受度如何等信息，就無法做出正確的市場決策［2-3］，反而會讓市場陷入無休止的惡性競爭與價格波動，無法保證用戶的穩定供應和良好體驗。以人工智能、大數據、區塊鏈等新一代信息技術為支撐的智慧能源，有望為這一問題提供解決方案。

1.3 人工智能+衛星數據應用發展現狀

衛星數據（北斗、GPS）的主要應用內容為定位數據和遙感圖像數據，在這兩方面國內外均有實踐案例：定位數據可形成軌跡數據，通過數據挖掘獲取更加豐富的信息，而遙感圖像數據可以用于目標檢測圖像識別等應用。

1.3.1 高德地圖對新增道路和道路封閉的識別

高德地圖作為中國國內排名第一的地圖軟件，用戶月均日活躍量超過1×108人次，通過實時采集的大量定位數據，高德地圖進行了數據挖掘：對于沒有道路但是出現軌跡信息的情況，挖掘出新增道路，并進行實地/衛星圖核實，補充至路網數據；對于存在道路數據但是長時間沒有軌跡數據的情況，挖掘提取封路等特征進行事件標記。

1.3.2 百度地圖根據軌跡數據挖掘時段性交規

百度地圖基于對軌跡特點的研究，可判斷出是否存在時段性交規。如在某一時段中，路段的軌跡數量驟然下降，之后又驟然提升，但當地整體出行需求并未出現這樣的情況，那么軌跡下降很可能是人為限制造成的。又由于發生突變的時間點非常的整齊，從而可以推測，此處很可能有一個僅在期間禁止通行的分時段交規。

1.3.3 阿里巴巴達摩院研發的衛星遙感影像人工智能（AI）分析系統

2018 年12 月，在首屆聯合國世界地理信息大會上，土地資源保護與AI（Artificial Intelligence，人工智能）技術的結合，成為與會者的關注熱點。北京市規劃與自然資源委員會聯合達摩院與阿里云，率先利用這項技術實現大棚房90%的監測準確率。傳統衛星影像分析主要依賴真人肉眼比對，不僅效率低，錯檢、漏檢也時有發生，遙感分析師要每天伏案比對北京近1 000 km2的耕地衛星遙感照片，從中找出違章大棚及破壞農田等違法行為，每次分析都要花費數月時間。由于分析耗時長，執法人員趕到時已有大片農田被破壞，損失難以挽回。通過達摩院機器智能實驗室深度學習團隊開發的衛星遙感影像AI 分析系統，遙感衛星影像分析被縮短至幾分鐘，大大提升了效率。該技術還被應用于水利河道監管、生態環境保護、農業估產及農情監測、地質災害防治等領域。

1.3.4 長光衛星技術公司實現衛星圖船舶識別

傳統衛星使用方式是衛星在太空中拍下圖像后將其傳回地面，由地面工作人員來對目標進行識別，再發送到相對應的部門，這時對應部門才能做出反應。長光衛星技術公司的衛星通過研發在軌智能識別系統，工作模式變成由衛星將拍攝到的圖片信息進行智能識別，圖片中的目標被識別之后，直接發送到相關部門采取行動，節省了人工識別時間，提高反應速度,可實現對海上船只進行動態精確識別。

1.3.5 斯坦福大學通過衛星圖智能識別貧困地區

來自斯坦福大學計算機研究中心的科學家們找到一種精準識別貧窮區域的新方法，利用機器學習衛星圖片的方式，成功標識了非洲5 個國家的經濟狀況。該方法采用了機器學習中“遷移學習”的技術，分兩步標識貧困情況。首先，通過機器深度學習高分辨率的白天衛星圖像中大約4 096 個與經濟相關圖像信息，包括道路、市區和水道等，建立模型，對這些區域晚間的照明情況進行預測。然后，結合世界衛生組織以及世界銀行已有研究，對模型進行修正，完成對貧困情況的標識。

以上案例通過衛星數據中定位/軌跡數據與遙感圖像數據，利用AI 算法進行數據挖掘，獲得了很好的社會效益和經濟效益，分別在城市擁堵治理、農業、搜救、扶貧等領域起到示范作用。能源行業普遍需要進行基礎設施建設，使能源設備在衛星圖上有比較清晰的呈現，但是目前國內尚未有成體系的基于衛星數據的能源行業人工智能應用場景的成功案例，少有人探索這一交叉領域，該領域存在巨大的開拓空間。能源行業一旦與衛星數據以及人工智能算法相結合，將會產生顛覆性創新，生成創造性的現實應用場景。

2 方案思路

2.1 總體思路：以LNG 槽車軌跡為基礎挖掘液化天然氣行業全景信息

現階段LNG 物流主要以LNG 槽車作為中間環節，連接了上游出貨液廠/接收站與下游LNG 消費終端，車輛接液、堵車、休息、卸液等行為都有明顯的行為特征。以LNG 槽車軌跡數據為基礎，結合周圍地圖數據、衛星遙感數據、企業工商信息、行業信息等數據，以人工智能、大數據等新一代信息技術為支撐，可還原車輛的接液、卸液行為、追溯某個上游行政區域的常用運輸路線，以及相應的用氣終端信息，從而推導出整體行業的供應和消費全景信息（見圖1）。

圖1 方案架構圖

2.2 數據來源

（1）危化品車輛數據：主要來源于國家級危化品監控平臺即交通部“兩客一危北斗聯網聯控平臺”。按照國發〔2010〕23 號《國務院關于進一步加強企業安全生產工作的通知》文件要求，運輸企業必須為“兩客一危”（指從事旅游的包車、三類以上班線客車和運輸危險化學品、煙花爆竹、民用爆炸物品的道路專用車輛）車輛安裝符合JT/T 794—2011《道路運輸車輛衛星定位系統車載終端技術要求》的衛星定位裝置，并接入全國重點營運車輛聯網聯控系統，保證車輛監控數據準確、實時、完整地傳輸，確保車載衛星定位裝置工作正常、數據準確、監控有效。截至2020 年底，交通部“兩客一危北斗聯網聯控平臺”共接入了全國31 個省、自治區、直轄市的數據，有超過80×104輛“兩客一危”車輛數據，這其中就包含LNG 槽車。LNG 槽車的實時定位、車速、時間等數據，都被平臺實時記錄下來，每天處理量在500 G 以上。

（2）行業數據：上游液廠/接收站精準位置數據來自于上海中旖能源科技有限公司的行業知識圖譜積累，通過圖像識別與人工核驗，標注高頻行為數據。市場價格數據來自于對主流液源及物流運力實時報價摘取，以及資訊公司的數據采集，可實現離岸價（FOB）與到岸價（DES）日級別更新。

（3）地理信息數據：主要借助于高德、百度、騰訊等第三方開放平臺，保證數據更新的及時性，同時也可以采用離線數據部署方式。

（4）企業數據：企業工商信息數據來自天眼查、企信寶、企查查等第三方工商信息查詢與信用平臺。

（5）其他數據：通過氣候數據、海事衛星/遙感數據、可替代能源數據、海關數據、資訊公司及相關新聞報道等多維度數據進行分析評估，提升結果的準確性。

2.3 實施難點

（1）北斗車輛數據（易燃氣體）未能區分LNG槽車類型，而LNG 在實際運輸中會出現更換運輸介質的情況，如何區分哪些是運輸LNG 的車輛是個難題。特別是在罐箱多式聯運和甩掛運輸等普及后，這一問題會更加突出。

（2）軌跡數據中存在各種各樣的噪聲：北斗軌跡存在傳感器采集精度導致的噪聲；車輛的局部運動行為也會導致記錄噪聲。噪聲使數據的準確率距離商用有一定差距，需要后期算法的調試使其達到高質量要求。

（3）軌跡數據隱藏有較強的語義信息：軌跡數據天然具有較強語意信息，如何挖掘語意信息強化模型穩定性，并提升對槽車運動特征的刻畫也是挖掘難點。

（4）軌跡聚類出POI（Point of Interest，興趣點）的衛星圖像信息存在噪聲：軌跡聚類出的POI衛星圖像對識別LNG 儲罐和非標準站有一定機器判定，但由于圖像拍攝日期久遠、圖像不清晰以及其他相似罐體的干擾，機器判定存在誤差，需要實時生成疑似點并提高轉化準確率。

2.4 數據清洗

由于傳感器采集誤差的緣導致真實軌跡數據中存在異常軌跡點，這不僅反映在軌跡坐標記錄中，也反映在傳感器讀數的記錄中。因此需要事先采取合適的方法進行數據清洗以有效識別關鍵信息，包括識別全局異常與局部異常的軌跡坐標的讀數，識別異常的槽車速度記錄，同時，需要根據情況修復異常的坐標與異常的速度值。在整體數據清洗過程中可采用較多方法，例如基于 S-G 濾波器（Savitzky-Golay 濾波器）［4］的平滑法、基于Kalman Filter（卡爾曼濾波）［5］的平滑法，對連續異常軌跡點的清洗問題［6-7］等。

2.5 算法模型

（1）車輛篩選

非LNG 運輸車輛在接卸液行為等方面和LNG運輸車輛存在一定特征差別，如基于槽車常停靠的液化工廠/接收站裝車撬的位置、槽車常停靠的企業類型、過磅/裝卸時長和危化品道路限行等方面，通過強化學習建立算法模型，可以從危化品車輛中篩選出LNG 車輛。

（2）POI 信息挖掘

為了更細致地刻畫軌跡的運動模式，也為了后續槽車用戶畫像的構建，需要對POI 信息進行數據挖掘。即將車輛軌跡投射到一個網格坐標系下，基于槽車訪問次數，停留的平均時長和網格總被訪問次數等指標，篩選出一系列POI 網格，獲取潛在的POI 網格編號與坐標。再使用基于密度的聚類算法（DBSCAN）對這些網格坐標進行聚類，合并具有相近地理位置的網格，濾除不滿足密度條件的網格，也可以嘗試使用聚類方法［8］獲取POI 信息。利用KD-Tree（分割k 維數據空間的樹形數據結構）對每條軌跡的軌跡點進行標注，使其對應POI 區域標簽，從而獲取周邊的地圖信息，推測車輛可能的行動軌跡。如周邊如果是停車場、道路、餐館等數據點，則車輛休息的概率較高，如果周邊企業是玻璃、造紙、加氣站、城燃儲罐區等用氣的企業，則車輛卸貨的概率較高（見圖2）。

圖2 槽車停留點與車輛行為判斷示例

（3）LNG 儲罐圖像識別

LNG 需要通過儲罐進行存儲，并通過氣化器將其由液態轉化為氣態供用戶使用。儲罐按體積分為30 m3、60 m3和150 m3不等，在衛星圖上具有明顯的特征，通過衛星遙感圖和圖像識別技術可以有效識別LNG 存儲點，實現和車輛數據互補校驗，

（4）基于word2vec（用來產生詞向量的相關模型）的軌跡時序信息挖掘

槽車的每條軌跡可被轉換為網格坐標的序列，并通過word2vec 與信息檢索的方法來捕獲軌跡的時序特性與一些靜態的統計特性［9-10］。基于基礎統計特征、地圖信息特征、軌跡embedding（嵌入）特征與圖像特征模型，采用以決策樹為基學習器的梯度提升框架（XGBoost 和LightGBM）作為基模型，用帶有標簽的數據訓練模型，再用模型預測無標簽數據，將高置信度的無標簽數據與標簽數據合并以擴大數據集重新訓練模型，增加模型泛化能力，識別槽車接、卸液行為、數據挖掘新的LNG 用氣點POI信息，從而計算出行業的供應和消費量全景信息。

2.6 數據可視化分析

基于行業供應和消費的全量全景信息為基礎，針對LNG 歷史數據消費量進行統計和可視化研究（見圖3），可以做地區性的供需預測，預測結果與經驗性判斷基本相一致。

圖3 歷年各類型LNG 消費量曲線

通過圖3 可以看出，綜合消費量各年度呈現周期性遞增趨勢，其中工業氣化站占比最高，其次是加氣站、城燃調峰站、燃氣電廠。其中燃氣電廠的用量最為穩定，幾乎不受時間節點的影響，其他3種類型的用量會有周期性的變化，并受到事件性影響。比如2020 年疫情期間，工業氣化站和加氣站的用量下降明顯，說明疫情對工廠的開工影響比較大，但交通部門波動更大，卻先于工業部門復蘇。

從2020 年LNG 全年消費曲線（見圖4）可以看出，第一季度到第四季度消費量整體呈現遞增態勢，細分到月上也基本是遞增態勢。從曲線的變化情況看出，一年中二月是LNG 消費量最低的月份，這是由于二月比其他月份天數要少，同時，節假日對消費量也有較大的影響。

圖4 2020 年全年LNG 消費量

通過數據可視化分析技術［11］可以直觀地發掘一些事件，如季節周期性、氣溫、節假日等對消費量的影響，同時結合可替代能源和價格因素的特征可以推測出未來一段時間內的供需趨勢。在具體商業應用中，供需預測分析既可以宏觀到整個行業，又可以細化到省市縣乃至用戶級別，為能源企業與用能企業提供精準畫像與資源儲備提供參考。

3 應用場景

通過將北斗大數據、人工智能技術與天然氣產業知識圖譜結合，交通與能源融合的應用場景已逐步成熟，聚焦在天然氣下游業務領域，主要體現在以下5 類應用場景：供需預警保供；儲運調度優化；供應鏈成本優化；用戶評級與增值服務；平臺經濟與產業生態。經過前期研究，現已建立數據庫包含400 多條管道，22 座接收站，250 多座液化工廠，2.2×104多輛槽車，近2 000 家維修站點、3×104多個活躍用氣終端的信息。大數據技術使能源網與交通網深度融合，為用戶降本增效，應急保供；為上游以需定產，削峰填谷提供技術支持。

3.1 建立產業鏈供需預警與保供平臺

通過匯集產業鏈數據，動態生成全量、全網供需數據，可實現天然氣行業的數字孿生與價值挖掘。從微觀應用上，可幫助下游企業了解區域市場的穩定氣源及歷史供氣價格，幫助上游企業提前預測需求，建立用戶畫像實現精準營銷，從歷史用量（日均/峰谷/周期）、到岸成本、供應占比（流失預警）、競爭液源等維度分析終端采購情況，輔助制定客戶開發計劃。輔助市場決策支持，讓企業了解現有及潛在用戶分布、用戶結構、用戶消費狀態變化、以及觸達用戶的方式，從而提升市場決策和服務質量，進行市場沙盤策略模擬并及時復盤。

從宏觀應用上，結合基礎設施（例如管網、儲氣庫）數據，可以為相關生產及建設部門決策提供參考，錯峰生產儲備，提前部署管容、罐容、庫容及運力，有效平抑氣荒；對于保供工作提出科學化建議，預測各地區的LNG 用量，提出重點關注區域可能出現的問題、氣液并舉優化調度方式等等。

3.2 工業玻璃客戶保供

2016 年8 月，暴雨使河北地區管道氣整體癱瘓半個月，邢臺地區66 條年產值300×108元的浮法玻璃加工線面臨停工風險，單一客戶面臨2 000×104元窯爐停工的損失。沙河市長城玻璃有限公司通過北斗大數據對車輛流向監控，預測到西部擁堵和部分大客戶面臨停供，提前做好保供準備，從山東、天津等地進行反向調配LNG，以槽車配送實現了客戶日均30×104m3的保供目標。通過運用北斗大數據分析技術精準判斷了區域運力緊張及后續價格上升的趨勢，采用預付款方式直接鎖定氣源價格，在氣價上漲的情況下，用能成本不但沒有上升，反而成為當地66 條浮法玻璃線中唯一未停產的玻璃廠商，并一躍成為行業龍頭，掌握了當地玻璃定價權。

3.3 交通用戶協助北京公交降本增效

北京公共交通控股（集團）有限公司（簡稱北京公交）是以經營地面公共交通客運主業為依托，多元化投資，多種經濟類型并存的大型公交企業集團。截至2021 年5 月，北京公交擁有LNG 公交車8 570輛，LNG 加氣站66 座，年用量約合15×104t。北京公交長期以來執行LNG 行政定價，但近些年市場能源供給價格波動頻繁，行政定價不再合理，亟需在保障供應的前提下，找到合理科學的定價模式。通過運用北斗大數據進行成本核算，建立不同液源真實到岸價格追溯系統，并且構建了價格調整模型，使得定價機制從行政定價轉向跟隨市場信息變化的浮動定價模式。在保證燃料供應商的合理利潤空間的前提下，自2017 年至今，北京公交每年節約1.2×108元燃料成本。與此同時，2017—2020 年冬季，北京公交保持了供應量價雙穩格局，首都公民出行沒有受到氣源緊張影響。

3.4 小微用戶評級與增值服務

根據國內沿海及中部13 省調研數據，小微客戶整體LNG 用量約占所在區域LNG 總用量的15%～20%。2018 年整體LNG 消費市場為2 413×104t，按照15%的占比計算，小微客戶天然氣用量約362×104t。“海友寶”是由上海中旖能源科技有限公司與中海油氣電集團合作打造，在浙江省試點，集電子地圖、海氣通、銀行支付等功能，通過將北斗槽車分析的用戶基礎歷史用量與交易支付進行接口互通、模型聯調，面向小微企業提供購氣白條供應鏈普惠金融服務，單筆授信30×104～50×104元不等，放款基于北斗數據分析的用戶真實用量而非銀行流水，銀行以數據服務費方式支付利率差值，建立了供應鏈金融服務模式，為用戶解決“買氣貴，融資難”的問題，實現了數據的高價值使用。

3.5 打造用氣生態，拓展加氣站聯盟

為更好地拓寬天然氣終端市場銷售渠道，實現從資源為王轉變為終端為王的高質量發展戰略，結合重卡物流大數據分析，中海油氣電集團制定“三線五港一環”發展規劃，依托海氣通平臺進行數字化營銷，建設集加注交易、客戶管理、資金沉淀、后服務于一體的綜合性交易平臺，統籌實現天然氣加注板塊線上+線下+物流的新零售。自2019 年7月線上業務試運營以來，截至2020 年10 月，線上物流公司覆蓋了全國15%的加氣站。線上營銷活動實現同期銷量提升56%，累計會員13×104，服務LNG 重卡加注39×104輛次，累計銷售量突破51×104t，與前一年同期相比，LNG 線上加注銷量提升幅度超過8 000%。在2020 年冬季保供中，實現對聯盟站點穩價穩量，嚴控竄貨，形成了品牌美譽度與用戶忠誠度。圍繞著大車司機、車隊物流、整車商、加氣站、維修點、資源方、互聯網車貨匹配平臺建立的交通能源生態正逐步引領市場，有效影響相關參與方油改氣預期。

4 展望與建議

利用數字化手段，打通天然氣行業上中下游各個環節，通過北斗車輛數據挖掘獲取天然氣行業實時全量全景數據，可進行多維度的分析與挖掘，衍生出關于產業的多維度視角，從而自上而下與自下而上相結合，提升對于產業決策的科學性和產業鏈效能。關于北斗大數據在能源領域應用場景建設，有以下三項建議：

一是推進天地一體、氣液互補的天然氣供需再平衡。北斗衛星的規模化運用要充分重視不斷推出新的應用場景。中國作為世界第一大能源生產國和消費國，履行著“碳達峰”和“碳中和”的國際承諾，將能源領域作為北斗三號的應用場景具有重要戰略意義，既推動能源行業降本增效，又反哺北斗深空探索。在北斗衛星數據的基礎上，通過對算法、算力與行業知識圖譜的積累，推動“數據+平臺+應用”模式，建設數字化“產供儲銷”統一平臺，實現全產業鏈無邊界，形成中國特色的能源供需預警與調度平臺。

改革開放四十年來，我國各部委沉淀了大量數據資產，但彼此間并未打通，直到近期中央首次明確將數據作為生產要素，為數據資產的盤活與治理提供了指引。大數據分析的關鍵在于數據基數與數據質量。如果現有衛星天基互聯網（簡稱天網）能夠與地面/地下管網儲氣庫等基礎設施數據（簡稱地網）融合，從橫向打通到縱向垂直，延展至制造業乃至整個國民經濟領域，會走出一條中國特色數據治理之路。可以以LNG 車輛數據分析為基礎，逐漸拓展至其它危化品運輸領域，如LPG（液化石油氣）、CNG、成品油、氫能等。未來，在能源開發利用的物理基礎設施之上，應有一張數字基礎設施網，兼顧“大動脈”與“毛細血管”，大電廠與小微用戶，結合用戶用能習慣，實現精準滴灌，避免大水漫灌，提升綜合能效水平，降低能耗與碳排放。

二是通過以需定產、從廠到端的思維模式來優化供應鏈。打造從廠到端（Factory to Customer，簡稱F2C）的模式，使各個環節的信息透明化，并引入市場參考價格浮動機制，可降低上游基礎設施的產能閑置率，提升供應鏈的穩定性和供應保障。在價格追溯上進行延展，整個LNG 產業鏈都可以實現物聯整合。從上游的氣井到終端用戶，通過互聯網精準感知，溯源控本，可以管理優化用能成本，實現上中下游業務鏈打通，通過大數據分析和物聯感知技術，匹配供需，智能化調度，提升能效。

未來能源消費并不僅限于油氣，只要有運輸載體就會有數據留痕，并可以閉環監測碳足跡。以公交為例，隨著時間推移，每位乘客、每輛車的C02排量均可進行精準汁量。交通與能源數據融合后，可進一步進行跨平臺數據資源整合，如電力、供暖，依靠車聯網、物聯網、能源互聯網進行整合，會產生新型的碳計量和碳交易平臺，這對于我國履行“碳達峰”與“碳中和”的承諾有直接幫助，能夠建立指標分解與可視化量化評價體系，實現可核查，可追溯，可問責。

三是重視數據治理與數據安全，探索數據業務的體制機制性創新。數據不能孤立地存在于企業內部，應建立能源數據應用聯盟，推動用能數據對決策的支持，同時不斷完善數據作為要素的治理、運用、交易機制。在各央企組建的數據經濟運營主體中，應推動數據成為生產要素，在保障數據安全的前提下加強融合，形成平臺經濟與產業生態，降低社會使用物理基礎設施的成本，提高數字化基礎設施建設水平。

產業互聯網業態具有靈活、快速、合作共贏的特點，而具備行業認知的數字化人才相對匱乏。要充分發揮產業與互聯網的乘數效應，在實踐中，既要發揮國有企業在新一輪科技革命和產業變革浪潮中的引領作用，也要具備數據驅動、繼承創新、合作共贏等數字化轉型理念，調動起行業從業者和相關利益方的積極性，發揮人才興企的支撐作用，為公司發展提供體制機制、組織和人才保證。

在數字經濟領域可探索進一步深化混合所有制改革，在增量創新業務領域調整并開放股權，設計符合數字化轉型業態的合作模式與人才激勵機制，通過市場化方式選聘既懂產業又具備互聯網思維的復合型人才，探索建立基于數字化治理的價值評價體系。