01 行動計劃出臺的時代背景
數字時代,數據資源日益豐富、可大量獲取,數據收集、生產、加工、處理、分析、傳輸的成本也大幅降低,邊際成本接近于零。數據成為(關鍵)生產要素,能夠以更低的成本、更快的速度提煉有效信息,并在生產經營各環節、各主體間實時傳遞,極大地解決了以往農業社會、工業社會中普遍存在的信息不對稱、信息不充分問題,并由此提升經濟社會運行效率。與此同時,經濟社會組織方式進行適應性調整,以更加充分地運用數據要素,從而衍生出以平臺經濟等為代表的各種新模式、新業態。例如,在流通領域,通過互聯網消費平臺展示、比價等功能,可以實時傳遞出充分的產品信息,極大緩解了買方的信息劣勢;與此同時,搜索、比對等功能又能快速傳遞買方的需求信息;憑借平臺背后大量的算力資源和處理分析能力,供需之間得以快速高效地對接匹配。
02 數據要素乘數效應的實現機制
數據要素的乘數效應主要可以通過以下幾種機制來實現。一是提高微觀層面企業生產經營效率。在微觀企業生產運行過程中,數據要素以及相應的數據處理、分析、傳輸手段,能夠提煉出數據中包含的有效信息并將其及時傳遞到生產運行相關環節,從而提高不同環節以及不同類型要素之間的協同性,進而提高生產經營效率。二是不同來源數據集進行融合匹配后可能產生更多有效信息,為生產經營帶來更大的價值提升。三是多場景復用帶來的宏觀價值倍增。數據要素具有非競爭性、非排他性和低成本復制等技術-經濟特征,能夠同時在多個場景中發揮上述效率提升作用,從而在宏觀層面表現為價值倍增。此外,經濟社會運行以各類平臺為依托,能夠有效對接供給和需求,以此提高全社會資源配置效率。
從“互聯網+”到“數據要素×”,伴隨著數據資源的大量積累,經濟社會運行方式的變化也讓上述機制得以更充分地實現。一是由基于網絡連接的信息傳遞向基于有效信息提煉的全局協同轉變,推動經濟運行效率不斷提升。二是由單一垂直領域數據資源匯聚向跨領域多源多類型數據融合轉變,進一步激發數據價值創造潛能。三是由互聯網技術對不同垂直領域賦能向跨領域多場景數據復用轉變,實現數據價值創造能力的倍增,拓展經濟增長新空間。
03 行動計劃定位及行業領域選擇
實施《行動計劃》旨在盡快激活數據要素潛能,為此本著“試點先行,重點突破”原則,對12個行業領域進行了細致的部署。這12個行業和領域的選取,主要考慮其在我國數字經濟乃至整個經濟社會發展中的重要性、數據資源要素的積累狀況、整體數字化發展基礎等因素。例如,《行動計劃》將工業制造排在第一位正是出于這三方面的考量:(1)制造業是實體經濟的主體,工業制造是數字經濟和實體經濟深度融合的主戰場;(2)制造業領域整體的數字化智能化轉型程度較高;(3)很多制造業企業從早年信息化建設開始便有意識地收集生產運營過程中各種數據,已經積累了大量的數據資源。
04 行動計劃實施的保障措施
《行動計劃》實施的核心目標就是要從重點行業領域入手,最大限度發揮出數據要素在價值創造中的乘數效應。因此,需要在保障數據安全的情況下,加大數據供給、加快數據流通。而實現這兩項目標,則要充分發揮市場機制在數據要素配置中的作用,即推進數據要素市場化配置。
數據要素市場化配置改革是一項龐大的系統性工程,需要培育多元化的數據經營主體。這些經營主體,除了買賣雙方外,還包括大量合規的專業數據中介服務機構,包括數據商、數據評估方等。當然,政府主導的數據交易所也可以看作是重要的數據經營主體,是市場化配置體系的重要組成部分。《行動計劃》也將市場流通主體的培育作為重要的保障措施。
好文章,需要你的鼓勵
快手科技研究團隊提出了熵比截斷機制,用于解決強化學習訓練中AI容易"走偏"的問題。該方法通過監控AI學習前后思維活躍度變化,在關鍵時刻進行精準干預,既保證訓練穩定性又維持探索能力。在數學推理任務中,此方法顯著提升了模型性能并改善了訓練穩定性,為AI訓練領域提供了新的解決思路。
AI重構全球商業邏輯的當下,中國科技服務商如何跨越“被邊緣化”的焦慮,在“云+AI”的全球版圖中尋找新坐標?
EditThinker是北京航空航天大學與美團等機構聯合研發的圖像編輯AI框架,讓AI在編輯圖片時能夠像人類一樣進行反復思考和優化。該系統通過"批評-優化-重試"的循環機制,將傳統的一次性編輯轉變為迭代改進過程,在四個權威測試平臺上顯著提升了現有編輯模型的表現,特別是在需要復雜推理的編輯任務中效果突出。