数字经济是一项重要的战略举措。Gartner预测,到2025年,60%的大型企业机构会在分析、商业智能或云计算领域采用一种或多种隐私增强计算技术。到2022年,90%的企业将明确提出把信息视为一项关键的企业资产,将分析视为企业的一项基本能力。
在中国,数据共享对于发展数字经济至关重要。自2020年起,中国政府已经将数据视为继土地、劳动力、资本、技术之外的第五大生产要素。数据共享为企业带来了许多机会,让他们能够借助外部数据做出更精准的业务决策,通过数据变现创造更多收入来源,以及与合作伙伴创建更广泛的生态系统。
在迎接数据共享带来的所有这些机会时,中国企业在计划数据共享进程时,应当遵循“无例外必分享”(must share data unless)模式,同时从三件优先事项出发,重点关注数据的使用、孵化和协同(如图1所示)。
图1:企业数据共享的主要推动因素和优先考量

使用外部数据加速AI和分析的发展
随着中国企业数字化转型的加速,除交易数据外,更加多样化的数据也可被收集,包括图形、图像、音频、语言和时间序列等非扁平、异构数据。
当下应用的主流AI方法中,大多数都是基于以数据为中心的机器学习或深度学习。因此,数据作为AI的“燃料”受到高度重视。而企业机构和行业之间数据资产可用性的不平衡也直接导致数据共享进程的加快。
获得更大的数据集将极大加速人工智能的开发利用,带来新的商业机会,甚至改变未来的商业模式。数据和分析(D&A)领导者应仔细研究数据集的可用性,并与业务团队协作,发现新的商机。
将数据作为能够创造有价值、可靠且合规的收入来源的产品
共享原始数据给企业带来的价值有限。只有经过孵化,成为可信赖的D&A产品后,数据才更具价值。图2所示为新兴的信息经济领域的三个主要议题。
图2:信息经济的主要议题:将信息作为资产进行估量、管理和货币化

运用区块链和隐私增强计算技术协同数据共享
中国的数据交换让企业机构可以与生态系统共享数据,创建强大的数据合作伙伴关系。在数据变现的过程中,企业需要以安全的方式共享数据,通过各种方式将价值最大化,比如数据管理和集成骨干网、数据即服务(DaaS)、数据交换、数据/人工智能交易平台。
区块链是用于保证整个数据交换生命周期有迹可循的技术之一。基于区块链数据,定价、签约、执行和付款都可以在订立智能合约的基础上进行交付。当然,区块链仍是一项新兴技术。它在数据交换场景的实施还在概念验证当中,目前还没有在实际的生产环境中使用。
同时,隐私增强计算技术将带来更多机会。传统的技术手段可为数据传输和数据存储提供保护,而隐私增强计算(PEC)技术可以保护使用中的数据。Gartner的2022年重要战略技术趋势中,隐私增强计算位列其一。企业如果能够通过对关键数据更广泛的获取来成功交付业务案例,就能在竞争中获得独特的优势。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。