3.2 发达经济体的科技创新与产业融合
科技创新与产业融合已经成为欧盟和美国的经济发展趋势。科技创新成为产业变革的重要动力，移动互联网、智能制造、储能技术、先进材料等技术的创新发展与融合将重塑未来全球的产业结构体系。信息通信技术（ICT）不仅是通信媒介，还是创新的孵化器，具有促进经济增长、创造就业的作用。新材料、新工艺的快速发展，激发了大数据分析、智能处理等技术的应用潜能，极大拓展了信息通信技术的社会效益和经济效益。信息通信技术的蓬勃发展以及与其他行业交叉融合的不断加深，使之成为经济增长与产业变革的重要推动力。世界各国都在积极制定有关信息通信技术的战略计划。美国充分考虑到自身在互联网、系统软件、大数据等方面的全球领先优势，决心实施产业互联网战略，其目的就是要把美国在信息通信技术领域的优势转移到传统制造业领域。欧盟有关信息通信技术的投资相对来说比较低，但在2016年初，欧盟委员会提出了新计划，旨在获得以操作交互性、信息通信技术研发等为基础的数字产品市场。同时，信息通信技术也包括在欧盟“地平线2020”计划当中。
信息通信技术的发展正在推动世界进入大数据时代。大数据被看作是一种资产，一种可以被测量的价值，具有大量化、多样化、快速化等特点，同时也有价值密度低的特征，互联网、物联网每天都在产生大量的数据，因此从海量的数据中迅速发现有价值的数据变得尤为重要。在大数据时代，世界各国纷纷将大数据提到战略层面，并进行全面部署。2012年，美国启动“大数据的研究和发展计划”，旨在收集海量的数据资料，通过精确分析以获取知识资源促进本国科学发展。美国利用大数据力图在工程技术、生物医药、环境保护等多个领域有所突破。例如，美国医疗保健行业利用大数据资源，每年在医疗保健方面的支出可以削减8%左右。2012年底，英国公布了6亿英镑（约合人民币53.53亿元）的科学资金明细表，其中大数据和节能计算开支占到了1.89亿英镑（约合人民币16.84亿元）。日本随后投入逾40亿日元（约合人民币2.46亿元）对有关大数据技术的信息通信技术进行招标。德国、新西兰等国为方便人们使用大数据资源，纷纷推出了公共数据开放网站。不仅如此，国际企业巨头也在利用大数据抢占新一轮竞争点。根据《2015年中国大数据交易白皮书》的数据统计，2014年全球大数据市场规模达到285亿美元，实现了53.23%的增长。同时，大数据已经成为全球IT支出的新增长点，2014年国际企业的大数据收入规模前三名分别是IBM、惠普（HP）、戴尔（Dell），相应的大数据年收入分别为13.68亿美元、8.69亿美元、6.52亿美元。总体而言，大数据行业的迅速崛起，是一次深刻的科技创新，它将为全球各国和企业提供新的发展机遇，并构成当今经济大变革的重要组成部分。
大数据应用促进信息技术和各行各业深度融合。大数据与生物、能源等技术互相融合，引发多领域的系统性、革命性技术突破，不断催生出新产品、新业态、新模式以及新的竞争格局，带来了世界各国对快速、复杂、多变的产业经济转型方向、规律、路径和模式的多元化认识。可见，依托数据分析主导决策已成为发展趋势，并推动着人类管理准则的重新定位。根据美国麦肯锡公司预测，大数据会在未来10年，使美国医疗市场每年节约大约3000亿美元，并削减全国医疗开支的2/3。利用大数据，欧洲每年至少可以节约1490亿美元的政府行政成本。在现代工业供应链中，大数据的应用遍及采购、生产、物流到销售市场的各个环节，可以对客户进行分析和挖掘。在制造业领域，企业可以利用信息技术将多种系统数据整合在一起，进行分析并应用在产品生命周期管理及新产品开发上。此外，大数据还可以与交通、能源、服务等行业领域深度融合。
智能制造成为新一轮产业革命的主攻方向。智能制造是利用智能制造系统，通过传感器、软件、通信系统，实现人、设备与产品的实时联通和相互识别，促进制造业生产、管理、服务与互联网紧密结合，具体表现为产品、装备、生产、管理和服务的智能化。智能制造对传统制造业影响很大。首先是产品创新，即把传感技术和软件植入到产品中，如智能汽车、智能空调、智能冰箱等。德国研制的智能汽车拥有的自动识别系统不仅可以发现最近的充电站，还能判别哪个充电站没人，进行立即充电。其次是制造技术创新，在制造过程中，从设计到制造，使得整个生产过程大大缩短。美国创新型企业特斯拉耗资50亿美元筹建的智能化工厂，基本涵盖了从原材料到成品的全部生产过程。最后是产业模式创新，互联网、物联网、云计算、大数据等技术的快速发展将大大促进规模定制生产方式的转变，深刻地改革传统制造业的生产方式、生产模式和产业形态。
综上所述，信息通信技术在跨行业的广泛应用、大数据和智能制造的迅猛发展以及其他技术如物联网、云计算、虚拟/增强现实（VR/AR）的融合发展，推动了科技创新与产业的快速融合，促进了产业变革的进程。在制造业领域，企业要想实现智能制造，需要利用大数据去整合产业链和价值链。通过数据分析和挖掘，了解问题产生的原因、造成的影响，找出问题的解决方式，进而找到创造附加价值的新形式。同时，帮助制造业实现商业模式的转变，改造和提升客户体验，完善内部操作流程。