01 行动计划出台的时代背景
数字时代,数据资源日益丰富、可大量获取,数据收集、生产、加工、处理、分析、传输的成本也大幅降低,边际成本接近于零。数据成为(关键)生产要素,能够以更低的成本、更快的速度提炼有效信息,并在生产经营各环节、各主体间实时传递,极大地解决了以往农业社会、工业社会中普遍存在的信息不对称、信息不充分问题,并由此提升经济社会运行效率。与此同时,经济社会组织方式进行适应性调整,以更加充分地运用数据要素,从而衍生出以平台经济等为代表的各种新模式、新业态。例如,在流通领域,通过互联网消费平台展示、比价等功能,可以实时传递出充分的产品信息,极大缓解了买方的信息劣势;与此同时,搜索、比对等功能又能快速传递买方的需求信息;凭借平台背后大量的算力资源和处理分析能力,供需之间得以快速高效地对接匹配。
02 数据要素乘数效应的实现机制
数据要素的乘数效应主要可以通过以下几种机制来实现。一是提高微观层面企业生产经营效率。在微观企业生产运行过程中,数据要素以及相应的数据处理、分析、传输手段,能够提炼出数据中包含的有效信息并将其及时传递到生产运行相关环节,从而提高不同环节以及不同类型要素之间的协同性,进而提高生产经营效率。二是不同来源数据集进行融合匹配后可能产生更多有效信息,为生产经营带来更大的价值提升。三是多场景复用带来的宏观价值倍增。数据要素具有非竞争性、非排他性和低成本复制等技术-经济特征,能够同时在多个场景中发挥上述效率提升作用,从而在宏观层面表现为价值倍增。此外,经济社会运行以各类平台为依托,能够有效对接供给和需求,以此提高全社会资源配置效率。
从“互联网+”到“数据要素×”,伴随着数据资源的大量积累,经济社会运行方式的变化也让上述机制得以更充分地实现。一是由基于网络连接的信息传递向基于有效信息提炼的全局协同转变,推动经济运行效率不断提升。二是由单一垂直领域数据资源汇聚向跨领域多源多类型数据融合转变,进一步激发数据价值创造潜能。三是由互联网技术对不同垂直领域赋能向跨领域多场景数据复用转变,实现数据价值创造能力的倍增,拓展经济增长新空间。
03 行动计划定位及行业领域选择
实施《行动计划》旨在尽快激活数据要素潜能,为此本着“试点先行,重点突破”原则,对12个行业领域进行了细致的部署。这12个行业和领域的选取,主要考虑其在我国数字经济乃至整个经济社会发展中的重要性、数据资源要素的积累状况、整体数字化发展基础等因素。例如,《行动计划》将工业制造排在第一位正是出于这三方面的考量:(1)制造业是实体经济的主体,工业制造是数字经济和实体经济深度融合的主战场;(2)制造业领域整体的数字化智能化转型程度较高;(3)很多制造业企业从早年信息化建设开始便有意识地收集生产运营过程中各种数据,已经积累了大量的数据资源。
04 行动计划实施的保障措施
《行动计划》实施的核心目标就是要从重点行业领域入手,最大限度发挥出数据要素在价值创造中的乘数效应。因此,需要在保障数据安全的情况下,加大数据供给、加快数据流通。而实现这两项目标,则要充分发挥市场机制在数据要素配置中的作用,即推进数据要素市场化配置。
数据要素市场化配置改革是一项庞大的系统性工程,需要培育多元化的数据经营主体。这些经营主体,除了买卖双方外,还包括大量合规的专业数据中介服务机构,包括数据商、数据评估方等。当然,政府主导的数据交易所也可以看作是重要的数据经营主体,是市场化配置体系的重要组成部分。《行动计划》也将市场流通主体的培育作为重要的保障措施。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。