报告称数据基础设施发展将呈现促进数据资产化等四大趋势

　　中国经济网北京11月21日讯（记者 佟明彪）11月19日，中央财经大学中国互联网经济研究院、经济学院、中国移动研究院（中移智库）与社会科学文献出版社联合发布了《互联网与数字经济蓝皮书：中国互联网与数字经济发展报告（2024）》（以下简称《报告》）。

　　互联网与数字经济发展将助力新质生产力的加快形成

　　《报告》分析称，互联网与数字经济和新质生产力之间存在深刻的逻辑联系，我国互联网与数字经济的健康发展有助于新质生产力的加快形成。

　　首先，数字经济条件下技术突破的关键特征是数据驱动型的研发与创新，而数据资源极大丰富必要的前提条件是万物互联，数字技术不断迭代升级也会进一步拓展万物互联的广度和深度，在“互联”条件下所实现的数字时代的创新对于新质生产力形成起到主导作用，同时也体现了新质生产力的“高科技”特征。其次，“数据”作为数字经济中的新型生产要素，在实现自身价值的同时赋能传统生产要素，发挥乘数效应，提高其他要素的边际产出水平，促进全要素生产率的提升。生产要素的高效配置推动数字经济生产方式的网络化与数字化，体现了新质生产力的“高效能”特征。再次，互联网与数字经济发展中的“集成”和“融合”为产业深度转型升级提供了驱动力与实践路径，不仅重构了生产流程，而且也重塑了商业模式，进而加速了全球经济结构的变革，推动经济形态向知识密集型与服务主导型演进，体现了新质生产力的“高质量”特征。又次，数字经济的“创新”对于发展新质生产力起主导作用，是提升全要素生产率的根本动力，这种创新不仅局限于产品与服务在技术层面的优化，而且还涵盖了商业模式的革新、管理策略的重塑以及组织架构的根本性变革，从而形成了一个系统性的全维度、多层面的创新谱系。最后，数字经济的“转型”利用新技术改造提升传统产业，实现了产业的高端化、智能化和绿色化，摆脱了传统经济发展方式与生产力发展路径。

　　抢先布局和培育未来产业 提升数字经济核心产业竞争力

　　《报告》指出，应从三个方面抢先布局和培育未来产业，提升数字经济核心产业竞争力。

　　首先，应立足于满足未来大范围、广领域、海量数据的算力服务需求，着力打通5G应用创新链、产业链、供应链。协同推动技术融合、产业融合、数据融合、标准融合，打造5G融合应用新产品新业态新模式，推进5G在产业转型、生活消费、民生服务等重点领域应用创新，构建多方联动、跨域融合、标准互通、适度超前的5G应用生态。

　　其次，应以释放数据要素价值为导向，推动大数据产业发展。充分发挥数据大体量、多样化、动态性、高质量、高价值等特性优势，提升全链条大数据产品质量和水平，创新大数据服务模式和业态，加快建设区域数据交易中心和行业大数据平台，打造成熟行业应用场景，推动大数据与各行业各领域深度融合，充分发挥数据要素的乘数效应和倍增作用。

　　最后，应紧跟生成式人工智能等技术潮流，培育人工智能应用新模式新业态。推动人工智能重点产品规模化发展，增强人工智能创新应用基础平台能力。培育发展自动驾驶、智能医疗装备、智能运载工具、智能识别系统、智能家居等智能硬件，推动智能产品的创新研发与集成应用。支持建设人工智能开放创新平台，加强大语言模型、计算机视觉、语音识别、知识图谱、决策智能等领域核心算法开发，在制造、零售、交通、医疗等重点行业和领域创设更多应用场景。开发面向工业场景需求的工业软件，推进工业互联网与智能制造协同发展。

　　数据基础设施建设将呈现四大趋势

　　《报告》指出，未来我国数据基础设施发展将呈现四大趋势。

　　第一，数据基础设施将从促进数据资源化向促进数据资产化升级。促进数据要素化进程是数据基础设施建设的重要目的。数据要素化包括数据资源化、数据资产化与数据资本化三个阶段。过去数据基础设施的建设以及相关技术的发展主要围绕数据采集、数据存算、数据加工等环节，其主要目的是实现数据资源“从无到有”、“从有到优”，促进从原始数据到数据资源的转化。未来数据基础设施的建设将围绕促进数据资产化的方向升级。

　　第二，数据基础设施的“硬联通”将同数据标准规范的“软联通”互促共进。当前我国正在大力推动多层次数据要素市场体系发展。多层次数据市场体系的互联互通既包括数据基础设施层面的“硬联通”，也包括规则标准层面的“软联通”，需将“软”的规则标准通过“硬”的基础设施来落地执行，以避免只停留于纸面。“硬联通”与“软联通”是一体两面、不可分割的关系。针对数据要素高速传输、动态变化的特点，数据标准规范的有效落地必须依托于数据基础设施提供的诸多技术工具。数据基础设施的互联互通则必须基于数据标准规范的统一，否则不可能实现真正的互联互通。

　　第三，数据基础设施长效高效运营的重要性将日益凸显。建好基础设施只是充分发挥基础设施价值的先决条件，还要把基础设施运营好。数据基础设施日常支撑的对象是复杂多样的数据资源类型、数据服务主体以及数据应用场景，需及时高效应对处理方方面面的问题、需求甚至突发事件，并在运营过程中持续推动设施自身的完善。没有对数据基础设施的长效运营，就不能发挥其规模效应以及对产业各方的促进作用。未来随着我国数据基础设施的不断完善以及我国数据要素流通市场活跃度的不断提升，基础设施的综合运营将成为下阶段的重点发展方向。

　　第四，数据基础设施治理“毒数据”的能力将不断提升。随着数据资源已经成为人工智能大模型发展的重要原料和催化剂，数据本身的质量将直接影响大模型的质量。如果数据集受到虚假、恶意或有害的“毒数据”污染，通过训练或者微调会使大模型“中毒”，机器学习模型的性能和输出结果则会受到操纵、损害或欺骗。由于“毒数据”将带来“毒模型”，如何保障数据资源本身的真实性、可信性将成为人工智能大模型高速发展背景下数据基础设施的重要任务。