腾讯科技hi tech day 暨 2023 数字开物大会隆重召开-凯发官网首页

       数字化正在成为中国经济社会的一种变革力量。当前，我国正在全面加速数字化转型，缩小数字鸿沟，全面支持大数据、云计算、人工智能、量子计算等新技术的应用。

　　数字经济成为稳增长、促转型的重要引擎，快速的演进跃迁投射到产业中，成为数字技术对研发、管理、营销、售后产业各个重要环节的重塑。 　　12月14日，腾讯科技hi tech day暨2023数字开物大会在北京国家会议中心召开，大会以“智能涌现数开万物”为主题的。

　　大会邀请到中科院院士、知名大学院长、中国信通院领导、aigc领域知名投资人、知名科技大厂高管、央国企数字化转型代表重磅嘉宾莅临现场，围绕生成式ai、量子计算、数据要素、ai大模型、数字孪生等创新技术，共同探索前沿数字科技，探讨产业数字化生存法则，揭开生成式ai爆发下万物盛开的奥秘。

　　腾讯新闻运营总经理黄晨霞表示，在应用落地的路上，我们首先要厘清大模型的基础还有哪些卡点，ai与产业结合的可能性以及ai产品的潜在形式。

　　对于2023年科技产业和人类未来的特殊意义，科智集团董事长、数字开物创始人黄超在主办方演讲中也表示，2023年是全球数字科技领域重要的变革之年，也是中国数字经济笃定前行的提速之年。在这样的科技革新背景之下，数字化正在成为中国经济社会的变革性力量。
　　数据要素

　　数字经济蓬勃发展，正深刻改变着人们的生产生活方式。随着“数据资产入表”即将正式落地、相关政策制度密集出台，加速数据要素市场全面加速发展，让数据要素成为数字经济的主要驱动力。

　　数据要素价值的充分释放，将促进产业链全要素的生产力提升，助推经济高质量发展。

　　数据对企业的生产经营和运营管理能够产生巨大价值，已经成为企业越来越重要的一个战略资源和极具价值的资产。企业只有真正挖掘和释放出数据的价值，才有望成为数智化时代的领先者。 　　教育部“长江学者”特聘教授、中国人民大学交叉科学研究院院长杨东在会上指出，为什么大模型不能及早地产生和发展？主要原因不在于算力，也不在于算法。根本原因在于数据没有互联互通。

　　在移动互联网时代，中国拥有海量的数据、丰富的场景、信息，这些都是非常好的优势，并且让我们在数据上获得先机。但是在进一步的数据共享、数据开放方面，中国是是落后的，这样的结果导致大模型训练需要的语料、数据的基础设施比美国落后。

　　简单来说，在移动互联网时代，一个app就是数字分界的帝国，数据不开放、数据不共享，就会导致海量的数据丰富的场景没有充分应用到大模型的训练，国家数据局的成立就是对数据的共享、数据的开放，包括和国家数据局合作和一系列数据要素中心，就是专注于数据的开放共享。

　　“数据要素会成为我们社会的主体和根本，以及未来经济发展的核心驱动力量，就如同当年的土改一样，土地和房地产推动经济发展，而如今的社会发展主要是靠公共数据的开发利用、公共数据的价值来实现。

　　我们需要和央企、数据交易所、各种大学等各方机构，构建一个数据生态平台，建立一套数据流通规则和标准体系，确保数据安全的基础上，推动数据的开发、利用。数据生态平台不是简单的撮合，而是数据生态体系构建的平台企业，类似于bat，必须有平台上的生态企业，才能发挥平台生态效果和功能。

　　当然，这个过程中需要数据资产登记、数据要素开发利用产品的登记，最近已经和深数所、北数所开展相关的研究，推动双边市场构建下数据流通的机制、模式和方法。

　　值得一提的是，传统bi企业经营的模式下，企业客户对数据的价值和治理的价值往往还是有质疑的，因为是一个下水道工程，体现的没有那么明晰，但到了ai领域，我们发现数据和算法、数据和模型是一体的。没有好的数据，你的模型肯定不行，所以大家突然意识到没有办法逃避数据这个问题。”杨东说道。

　　同时，中国信息通信研究院云大所大数据与区块链部主任姜春宇指出，数据已经成为通用人工智能训练产生的核心要素。数据、算力和算法，可以看到算法领域差距不算特别大，很多开源的框架，算力也有一定的难度，但国内也在积极布局，比较大的希望就是数据端。

　　因为我们天然是一个数据大国，人工智能的发展从以模型为中心向以数据为中心的方向转变，这些是一系列硅谷科学家提出来的，与其训练模型，不如把数据质量提升一下，可能带来的效果会更好。

　　生成式ai落地到行业的机遇与挑战

　　在2023年，我们都见证了这个激动人心的科技变革——chatgpt等生成式ai技术的突破。任何人都意识到，我们正身处科技临界点，数字世界正在迸发强大的生命力和创造力。 　　但与此同时，除了看到很多应用方向仍不足够清晰的ai产品，听到各种训练大模型的巨量成本的讨论，大多数企业面对ai更多的是迷茫，企业该如何不被落下，又该如何面向未来3-5年的科技变革？

　　对于企业、机构而言，与人工智能深度融合，加入行业特色数据，精准匹配真实应用场景的专业大模型能够极大提升业务流程效率和水平，成为驱动产业转型升级的重要力量。

　　不少业内认为，有大模型助力的专业产品，是未来发展的关键，因为大模型赋能千行百业才能真正发挥作用，而只有通用大模型是不能直接落地应用的，需要和行业充分结合，进行垂直产品化，才能真正发挥出价值。

　　同时，根据业内行业分析师的数据和分析报告指出，企业使用大模型主要关注这些方面：使用目的和重点应用场景。其中，在重点应用场景方面，第一个应用场景是就是bi数据分析。

　　这背后的原因首先是由于整体数据分析的理念在企业用户的渗透过程中已达到普遍接受的程度。

　　除金融、零售、能源等数字化预算投入较多的行业外，传统的政府和企业、工业等都在应用数据分析的理念，这些理念的变化带来了对企业内部从高层角度的期望。而ai大模型在制造业的场景应用，是现阶段热点话题。 　　中工互联科技集团董事长智振指出，大模型核心能力是什么？首先是人机交互能力。交互能力就是智能客服，包括前端的营销，后端的管理、智控、设计等。我们现在思考大模型与工业场景如何结合，如何进行人机交互。

　　其次，要看工业互联网与大模型结合，这是智能大脑相关的问题。概括来讲，智能工厂大模型就是最核心的大脑，二维怎么转化为三维，如何做到高度精准度，这是现阶段做大模型比较困难的事情。

　　第三，一项新的技术在工业中的应用是循序渐进的，因为工业中的所有东西都要投资，投资一个软件需要五到十年的回报期。我们认为大模型在工业领域的应用必然是循序渐进，未来很有可能是颠覆的。

　　“因为工业领域有大量自己的数据，随着大模型技术的逐步通用化，把大模型应用到企业业务系统中，使系统更加智能化，更好的与业务结合，帮助企业降低能效。

　　我们讲到算力、算法和数据，如果是从应用端来讲还有知识，知识其实就是场景，场景最终必须是客户给我们提供的。”智振说道。

　　“目前，制造企业对大模型的认知表现是：高端制造业对大模型需求更大，他们有密切的需求，足够的资金，以及拥有海量工业数据和工业软件，他们需要利用大模型优化生产流程、管理流程等方面业务系统，重新构建企业管理、运营、生产体系，降本增效，为企业创造更大的价值。

　　整体来说，大部分制造企业对大模型还是在观望阶段，他们关注点是制造企业做大模型的门槛有多高？能解决哪些问题？带来哪些效果？投入产出比是怎样？由于数据隐私、数据安全等问题，这些还是模糊的，所以还是在观望。其实不仅仅制造业，金融、医疗等行业也是这些顾虑。”北京信息化和工业化融合服务联盟理事长闫同柱指出。

　　除了上面提到的制造业，目前行业大模型还在金融、网络安全、消费品、智慧政务等行业相对落地。金融行业大模型应用相对比较广泛。金融行业沉淀了海量数据，例如金融交易数据、客户信息、市场分析、风控数据等，其中包含大量非结构化数据（如客户的证件扫描等）。

　　这既占用了大量的存储资源，又无法将数据标准化进行分析利用，造成了极大的资源浪费，还存在大量复杂数据处理任务。这催生了金融业对大模型这种能高效、准确处理数据的技术的强烈需求。

　　金融业同时又是科技驱动型行业，许多新技术如区块链技术、云计算、大数据等，都率先在金融行业应用落地，并为金融行业创造了巨大的价值，也深刻改变着金融业。

　　总的来说，经过过去一段时间的发展，企业在大模型方向的探索已经度过了“尝鲜期”，“产业落地”成为评估大模型价值的重要标准。

　　所以，以“大模型”为代表数字化革命正在发生。对于传统产业而言，航空、石化、钢铁、汽车、建筑、家电、服装、机械、零售等多个行业都在利用数字技术进行全方位、多角度、全链条的改造过程。

　　这些企业利用数字技术破解企业、产业发展中的难题，重新定义、设计产品和服务，助力传统企业正确做出决策，提升运营效率，降低管理和运营成本，开源节流，实现产业数字化转型。