數字化正在成為中國經濟社會的一種變革力量。當前，我國正在全面加速數字化轉型，縮小數字鴻溝，全面支持大數據、云計算、人工智能、量子計算等新技術的應用。
數字經濟成為穩增長、促轉型的重要引擎，快速的演進躍遷投射到產業中，成為數字技術對研發、管理、營銷、售后產業各個重要環節的重塑。
12月14日，騰訊科技Hi Tech Day 暨 2023 數字開物大會在北京國家會議中心召開，大會以“智能涌現 數開萬物”為主題的。
大會邀請到中科院院士、知名大學院長、中國信通院領導、AIGC領域知名投資人、知名科技大廠高管、央國企數字化轉型代表重磅嘉賓蒞臨現場，圍繞生成式AI、量子計算、數據要素、AI大模型、數字孿生等創新技術，共同探索前沿數字科技，探討產業數字化生存法則，揭開生成式AI爆發下萬物盛開的奧秘。
騰訊新聞運營總經理黃晨霞表示，在應用落地的路上，我們首先要厘清大模型的基礎還有哪些卡點，AI與產業結合的可能性以及AI產品的潛在形式。
對于2023年科技產業和人類未來的特殊意義，科智集團董事長、數字開物創始人黃超在主辦方演講中也表示，2023年是全球數字科技領域重要的變革之年，也是中國數字經濟篤定前行的提速之年。在這樣的科技革新背景之下，數字化正在成為中國經濟社會的變革性力量。
科智集團董事長、數字開物創始人黃超
數據要素
數字經濟蓬勃發展，正深刻改變著人們的生產生活方式。隨著“數據資產入表”即將正式落地、相關政策制度密集出臺，加速數據要素市場全面加速發展，讓數據要素成為數字經濟的主要驅動力。
數據要素價值的充分釋放，將促進產業鏈全要素的生產力提升，助推經濟高質量發展。
數據對企業的生產經營和運營管理能夠產生巨大價值，已經成為企業越來越重要的一個戰略資源和極具價值的資產。企業只有真正挖掘和釋放出數據的價值，才有望成為數智化時代的領先者。
教育部“長江學者”特聘教授、中國人民大學交叉科學研究院院長楊東在會上指出，為什么大模型不能及早地產生和發展？主要原因不在于算力，也不在于算法。根本原因在于數據沒有互聯互通。
在移動互聯網時代，中國擁有海量的數據、豐富的場景、信息，這些都是非常好的優勢，并且讓我們在數據上獲得先機。但是在進一步的數據共享、數據開放方面，中國是是落后的，這樣的結果導致大模型訓練需要的語料、數據的基礎設施比美國落后。
簡單來說，在移動互聯網時代，一個APP就是數字分界的帝國，數據不開放、數據不共享，就會導致海量的數據豐富的場景沒有充分應用到大模型的訓練，國家數據局的成立就是對數據的共享、數據的開放，包括和國家數據局合作和一系列數據要素中心，就是專注于數據的開放共享。
“數據要素會成為我們社會的主體和根本，以及未來經濟發展的核心驅動力量，就如同當年的土改一樣，土地和房地產推動經濟發展，而如今的社會發展主要是靠公共數據的開發利用、公共數據的價值來實現。
我們需要和央企、數據交易所、各種大學等各方機構，構建一個數據生態平臺，建立一套數據流通規則和標準體系，確保數據安全的基礎上，推動數據的開發、利用。數據生態平臺不是簡單的撮合，而是數據生態體系構建的平臺企業，類似于BAT，必須有平臺上的生態企業，才能發揮平臺生態效果和功能。
當然，這個過程中需要數據資產登記、數據要素開發利用產品的登記，最近已經和深數所、北數所開展相關的研究，推動雙邊市場構建下數據流通的機制、模式和方法。
值得一提的是，傳統BI企業經營的模式下，企業客戶對數據的價值和治理的價值往往還是有質疑的，因為是一個下水道工程，體現的沒有那么明晰，但到了AI領域，我們發現數據和算法、數據和模型是一體的。沒有好的數據，你的模型肯定不行，所以大家突然意識到沒有辦法逃避數據這個問題。”楊東說道。
同時，中國信息通信研究院云大所大數據與區塊鏈部主任姜春宇指出，數據已經成為通用人工智能訓練產生的核心要素。數據、算力和算法，可以看到算法領域差距不算特別大，很多開源的框架，算力也有一定的難度，但國內也在積極布局，比較大的希望就是數據端。
因為我們天然是一個數據大國，人工智能的發展從以模型為中心向以數據為中心的方向轉變，這些是一系列硅谷科學家提出來的，與其訓練模型，不如把數據質量提升一下，可能帶來的效果會更好。
生成式AI落地到行業的機遇與挑戰
在2023年，我們都見證了這個激動人心的科技變革——ChatGPT等生成式AI技術的突破。任何人都意識到，我們正身處科技臨界點，數字世界正在迸發強大的生命力和創造力。
但與此同時，除了看到很多應用方向仍不足夠清晰的AI產品，聽到各種訓練大模型的巨量成本的討論，大多數企業面對AI更多的是迷茫，企業該如何不被落下，又該如何面向未來3-5年的科技變革？
對于企業、機構而言，與人工智能深度融合，加入行業特色數據，精準匹配真實應用場景的專業大模型能夠極大提升業務流程效率和水平，成為驅動產業轉型升級的重要力量。
不少業內認為，有大模型助力的專業產品，是未來發展的關鍵，因為大模型賦能千行百業才能真正發揮作用，而只有通用大模型是不能直接落地應用的，需要和行業充分結合，進行垂直產品化，才能真正發揮出價值。
同時，根據業內行業分析師的數據和分析報告指出，企業使用大模型主要關注這些方面：使用目的和重點應用場景。其中，在重點應用場景方面，第一個應用場景是就是BI數據分析。
這背后的原因首先是由于整體數據分析的理念在企業用戶的滲透過程中已達到普遍接受的程度。
除金融、零售、能源等數字化預算投入較多的行業外，傳統的政府和企業、工業等都在應用數據分析的理念，這些理念的變化帶來了對企業內部從高層角度的期望。而AI大模型在制造業的場景應用，是現階段熱點話題。
中工互聯科技集團董事長智振指出，大模型核心能力是什么？首先是人機交互能力。交互能力就是智能客服，包括前端的營銷，后端的管理、智控、設計等。我們現在思考大模型與工業場景如何結合，如何進行人機交互。
其次，要看工業互聯網與大模型結合，這是智能大腦相關的問題。概括來講，智能工廠大模型就是最核心的大腦，二維怎么轉化為三維，如何做到高度精準度，這是現階段做大模型比較困難的事情。
第三，一項新的技術在工業中的應用是循序漸進的，因為工業中的所有東西都要投資，投資一個軟件需要五到十年的回報期。我們認為大模型在工業領域的應用必然是循序漸進，未來很有可能是顛覆的。
“因為工業領域有大量自己的數據，隨著大模型技術的逐步通用化，把大模型應用到企業業務系統中，使系統更加智能化，更好的與業務結合，幫助企業降低能效。
我們講到算力、算法和數據，如果是從應用端來講還有知識，知識其實就是場景，場景最終必須是客戶給我們提供的。”智振說道。
“目前，制造企業對大模型的認知表現是：高端制造業對大模型需求更大，他們有密切的需求，足夠的資金，以及擁有海量工業數據和工業軟件，他們需要利用大模型優化生產流程、管理流程等方面業務系統，重新構建企業管理、運營、生產體系，降本增效，為企業創造更大的價值。
整體來說，大部分制造企業對大模型還是在觀望階段，他們關注點是制造企業做大模型的門檻有多高？能解決哪些問題？帶來哪些效果？投入產出比是怎樣？由于數據隱私、數據安全等問題，這些還是模糊的，所以還是在觀望。其實不僅僅制造業，金融、醫療等行業也是這些顧慮。”北京信息化和工業化融合服務聯盟理事長閆同柱指出。
除了上面提到的制造業，目前行業大模型還在金融、網絡安全、消費品、智慧政務等行業相對落地。金融行業大模型應用相對比較廣泛。金融行業沉淀了海量數據，例如金融交易數據、客戶信息、市場分析、風控數據等，其中包含大量非結構化數據（如客戶的證件掃描等）。
這既占用了大量的存儲資源，又無法將數據標準化進行分析利用，造成了極大的資源浪費，還存在大量復雜數據處理任務。這催生了金融業對大模型這種能高效、準確處理數據的技術的強烈需求。
金融業同時又是科技驅動型行業，許多新技術如區塊鏈技術、云計算、大數據等，都率先在金融行業應用落地，并為金融行業創造了巨大的價值，也深刻改變著金融業。
總的來說，經過過去一段時間的發展，企業在大模型方向的探索已經度過了“嘗鮮期”，“產業落地”成為評估大模型價值的重要標準。
所以，以“大模型”為代表數字化革命正在發生。對于傳統產業而言，航空、石化、鋼鐵、汽車、建筑、家電、服裝、機械、零售等多個行業都在利用數字技術進行全方位、多角度、全鏈條的改造過程。
這些企業利用數字技術破解企業、產業發展中的難題，重新定義、設計產品和服務，助力傳統企業正確做出決策，提升運營效率，降低管理和運營成本，開源節流，實現產業數字化轉型。
