专家 | 让数据要素更好赋能新质生产力
数据要素倍增效应提升生产效率。数据要素以非实体形式存在,呈现非竞争性和低成本复用性,可以融入产业发展各个环节。不仅有效缓解生产要素的时空约束,还能破除数字化转型过程中的障碍。
党的二十届三中全会提出,加快形成同新质生产力更相适应的生产关系,促进各类先进生产要素向发展新质生产力集聚,大幅提升全要素生产率。2024年1月国家数据局印发《“数据要素×”三年行动计划(2024—2026年)》,旨在充分发挥数据要素乘数效应,赋能经济社会发展。持续完善的政策为数据要素市场健康发展提供坚实保障,从而有效赋能新质生产力发展。
数据要素倍增效应提升生产效率。数据要素以非实体形式存在,呈现非竞争性和低成本复用性,可以融入产业发展各个环节。不仅有效缓解生产要素的时空约束,还能破除数字化转型过程中的障碍。数据依附于实体要素,通过与之协同来实现乘数效应,从而提升全要素生产率。此外,通过与传统要素有机融合,促进资源跨区域、跨界流动,驱动创新性生产要素高效配置。
数据要素解决效应突破资源瓶颈。数据要素具备协同联动、融合创新及复用增效的特点,能够优化传统生产要素配置,打破资源瓶颈,构建灵活、多样、开放的产业发展环境。通过网状共享的方式破除“信息孤岛”,以多元主体协作形式构建新型网络连接,凭借数智化管理和智能化生产构造数据要素共享新型生态系统。
数据要素共创效应促进产业发展。数据要素的无界性和正外部性能够推动跨行业资源整合和新业态形成。数据要素不仅作为生产资料输入,而且成为连接不同产业、推动协同创新的桥梁。数据驱动的产业平台和服务不仅提升单一行业的效率,还能够实现生产力的质态跃迁,推动全产业链的共生共赢与价值重构。
(一)价值形成:建立规范、透明和公平的数据治理制度。明确的数据产权、流通与隐私保护政策是创造数据价值的基础,可以减少数据要素交易和使用中的不确定性。一是数据来源清晰归属明确。通过合规与确权,数据资源得到法律保障,使得数据资产可以安全合法参与市场交易。二是数据资产的确认、计量和披露。数据资产是企业合法持有的预期为企业带来经济收益的资源。企业可自愿披露数据要素的应用场景,系统确认和报告数据资产,提高数据要素市场认可,为资本运作提供新动能。三是建立健全的数据安全框架。我国已初步搭建起网络安全、数据安全、个人信息保护基本框架体系。未来政策应保护数据流通安全,同时保留对新质生产力领域的政策弹性,为市场主体提供试错机会,激发数据创新活力。
(二)价值实现:数据与营商双轮驱动赋能新质生产力。一是数据转化为操作性强的业务资产。数据价值实现的核心在于将抽象概念转化为具体与可实际操作的信息,从而优化业务流程、提升生产效率与决策质量。二是数据价值与企业成长相互促进。良好的营商环境提升企业竞争力并形成良性循环。我国数据交易运营方式以“政府指导+国资入股+市场化运营”为主,政策导向发挥数据市场价值,优化营商环境。三是政策支持与数据要素实际应用。我国自2016年起已在各地设立国家级大数据综合试验区,通过先行先试方式探索数据资源的开放共享。同时推动“数字强贸”赋能新质生产力发展,加快贸易全链条数字化赋能。
(三)价值共享:构建全国统一的数据要素市场。一是加强政务数据的集中共享和归集。建立全国性、区域性和产业性的数据要素市场,促进各行业共享数据资源。二是构建互联互通的全国一体化数据市场标准。推广国际标准组织(ISO)及通用的数据交换标准,统一数据传输接口和API标准,实现数据在不同平台之间的无缝对接,提高数据市场的协同效率。三是“数据要素×资本要素”提升市场活力。通过数据质押贷款、数据证券化等金融工具,数据要素可以转化为流动资本,增加市场交易频次和规模。在全国统一大市场的框架下,实现技术和数据要素的自由流通及高效利用。
(四)价值转化:助力战略性新兴产业和未来产业发展。通过数据技术促进基础设施提质升级。大力推进5G基站建设,加强6G研发,扩大千兆光纤覆盖范围,推动网络基础设施优化升级。优化算力资源支持实体产业发展。增强战略性新兴产业与未来产业的发展布局。数据要素推动先进制造、电子信息等战略性新兴产业,实现产业结构形态的跃升。
0赞好文章,需要你的鼓励
推荐文章
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。