如何更好利用“智能聯接”驅動經濟轉型
2019-04-26 10:10
字體
保護色
打印
返回
關閉

一、“智能聯接”將撬動下一波經濟增長浪潮

過去十五年,數字經濟的增速是全球GDP增速的2.5倍,其中,ICT基礎設施投資與經濟增長之間存在高度相關性。但伴隨網絡覆蓋的日超飽和,只有重新定義“聯接”,利用人工智能技術實現“智能聯接”,才可能進一步促進經濟增長。

(一)ICT正在進入智能聯接的新階段

ICT技術階梯正從基礎建設、互聯網創新和數字創新向第四階段的“智能聯接”演進。將人工智能融入寬帶、數據中心、云計算、大數據和物聯網等五大關鍵技術,將催生新的組織形態、資源配置方式以及管理模式。

(二)智能聯接有望釋放23萬億美元的增長潛力

到2025年,由“智能聯接”支撐的數字經濟將有望創造23萬億美元的新增長。其中,制造業將是主要受益行業,將創造6.4萬億美元的數字經濟規模。同時,“智能聯接”將支持ICT、專業服務和金融等行業分別實現5萬億、3萬億和1.7萬億美元的增長。社會及個人服務業、零售、交通和公用事業等行業也將在“智能聯接”驅動下加快數字化轉型步伐。

二、“智能聯接”有賴于算力、算據、算法三要素并行發展

雖然很多國家已經制定了人工智能發展計劃,但大多局限于特定地區和特定場景。要實現人工智能在全行業或政府層面的大規模應用,應在ICT領域前瞻性部署算法、算力和算據三項基礎要素。當前,即便是基礎設施最完善的領跑者[1]經濟體也還無法充分發揮三要素潛力[2]。領跑者面臨很多新的機遇,加速者和起步者也有機會實現跨越式增長。

(一)算力方面,高速寬帶與云計算將是未來投資重點

算力主要對應數據中心和云服務投資。人工智能對數據中心的計算和存儲能力以及云計算的可擴展性要求很高。其中,高速寬帶和云計算可以顯著降低人工智能部署成本,是未來ICT投資的戰略重點。

(二)算據方面,如何提取異構數據[3]并有效管理是主要挑戰

算據主要對應物聯網設備總數量和大數據產生量。各國需要有效保障用于訓練、場景模擬的海量數據的產生、存儲、清洗、標記、分析以及安全,并通過智能設備、物聯網終端以及數字化通信設備獲取各類智能與非智能設備上的數據。

(三)算法方面,人才稀缺是所有國家共同面臨的突出問題

算法主要對應軟件開發者數量和人工智能投資。其中,算法開發人才稀缺是所有國家共同面臨的突出問題。當前,全球約有30萬人工智能人才,而市場需求卻在百萬量級[4]。且伴隨相關人才不斷向領跑者國家流動,人才數字鴻溝或馬太效應或將進一步凸顯。

三、“智能聯接”時代的政策建議

(一)及時更新ICT基礎設施投資重點

政策制定者應對ICT投資和部署進行長期規劃,制定明確的發展戰略和切實可行的行動計劃,并推動各部委、政府機構、專項工作組貫徹落實。一是加速超高速網絡建設。應鼓勵多元化投資模式,提高網絡速度和穩定性,擴大4G/5G網絡覆蓋率。二是積極發展云和數據中心技術。應建設區域數據中心,為各行業獲取數據、提高透明度、吸引外國投資以及整合區域商業提供統平臺。三是加強物聯網終端和邊緣計算節點部署,并促進異構數據聯通。應在個人、企業以及公共場所部署更多物聯網傳感器和執行器,并升級無線和固定網絡,增加邊緣計算節點,并重點促進工業、能源等重點領域異構數據的互聯互通。四是建立跟蹤評估機制和開放的監管架構。產業及信息化相關部門應強化評估、跟蹤、投資和部署人工智能、機器學習以及智能機器人技術,引入開放、廣泛的監管架構,支撐下一代數字技術的發展和部署,促進公平競爭。

(二)推動行業領導者加速轉型

一是推進溝通協作,加快“智能聯接”技術發展。支持行業領導者大規模數字化轉型、宣傳、分享最佳實踐,促進商業模式創新。二是提倡開源架構。鼓勵行業領導者提供開源架構,并投資更多企業開發針對特定行業的轉型用例。三是推動生態系統合作。鼓勵行業領導者部署云平臺,促進跨行業創新與研發合作。

(三)加強人才培養和優化人力資源配置

一是加強對算法專業人才的培養和獲取能力。教育、人力資源部門應同教育機構和技術公司密切合作,構建人才儲備,并提升人才獲取的競爭力。二是提升公眾面向未來的就業技能,包括數字素養、創意設計以及定制化服務、教育、醫療等可與人工智能互補的非常規性、非重復性技能。三是推動個人數據共享和保護,為商業模式和產品創新提供更豐富、更安全的數據資源。




原稿來源:華為技術有限公司

《駛入“智能聯接”新賽道——全球聯接指數2018量化數字經濟進程》

執筆整理:上海發展戰略研究所  徐珺、張云偉



[1] 華為“全球聯接指數”2018年選取了79個國家進行排名,其中領跑者為美國、新加坡、瑞典、瑞士、英國等20個發達國家;加速者為西班牙、愛沙尼亞、阿聯酋、葡萄牙、中國等37個國家;起步者包括約旦、埃及、黎巴嫩、越南等22個國家。

[2] 華為“全球聯接指數”基于算法、算力和算據制定的人工智能準備度指數滿分為20分,2018年領跑者得分9.65分,加速者和起步者則分別僅為3.842.25分,均未達到滿分的一半。

[3] 異構數據指存在于不同計算機架構、不同操作系統(甚至無操作系統)、不同格式、不同地點、不同邏輯模型中的海量數據,在工業、能源等領域大量存在,如何有效提取、交換、整合和管理這些數據仍面臨技術和制度挑戰。

[4]數據引自騰訊公司發布的《2017年全球人工智能人才白皮書》


黑龙江时时开奖结果