2016年4月20日,【友盟+】主办、阿里数据经济研究中心(ADEC)协办的“2016全域大数据峰会”上,阿里研究院副院长宋斐发表主题演讲”激活生产力——DT(数据技术)时代的范式升级“。作为阿里巴巴首先倡导的DT理念已经得到社会和产业界的共识,这是首次对DT理念与发展的公开权威解读。宋斐副院长围绕着”产业、范式、模式以及文化“四个方面,向与会观众系统阐释了DT经济构筑中国产业新生态的场景。与之匹配的报告《激活生产力——DT经济构筑中国产业新生态》报告已经由中国社科文献出版社正式出版。
权威报告解读DT如何激活生产力
随着近年来大数据技术的进步、应用的扩展、商业模式和治理模式的创新,“人类社会正在从IT时代进入到DT时代”这一判断与主张,由于其在认知和表达上的有力、简洁、清晰,已经得到了互联网业界的普遍共鸣,也正在逐渐被社会各界所接受和认可。
技术改变商业,商业改变制度和社会生活。ADEC认为,DT技术的快速发展、日益成熟、推广应用,已经对商业体系的创新,展示出了巨大的变革潜力。而数据驱动的、全新的商业形态,也将带来新的社会生活与文化景观。
该报告的核心结论如下:
产业篇:DT产业快速演化。如果说IT时代类似工业时代的第一次工业革命,标志着信息文明的开端,那么DT时代则类似工业时代的第二次工业革命,标志着信息文明逐步步入成熟期。当前,DT产业正在转入“快速发育”及“应用拉动”的发展阶段。
范式篇:DT时代的新范式雏形初现。从工业时代到信息时代,从IT时代再到DT时代,不只是单个点上的技术突破、模式创新,而是已经发生了数轮包括“基础设施+生产要素+支柱产业+分工协作网络(商业模式+组织模式)+制度与文化”的“技术-经济”范式转移,这里发生的是模式创新,是范式转移,更是时代变迁。
模式篇:DT时代的商业与组织发生了很大变化。DT时代,C2B商业模式的发展真正满足个性化、多样化消费者需求,与这一商业模式相应的,则是“大平台+小前端”的企业内部与企业之间的组织协作方式(云端制)。
文化篇:DT时代将引致社会生活和文化领域的一系列变化,迎来全新的商业文明。表现为:“后喻文化”(由年轻人所主导的文化)盛行;“利他主义”成为大规模现实(普遍准则);开放、分享、透明、责任(价值取向);个人获得极大自主权和自由度(社会景观)。
重磅专家参与ADEC承办的数据开放与发展论坛
在峰会上,阿里研究院、ADEC及阿里商业评论承办的”数据开放与发展“论坛备受关注。
由于目前中国数据经济依然处在初级阶段,其未来发展面临诸多问题,整个论坛围绕着中国大数据发展的关键挑战、数据创新趋势、数据立法问题、跨境数据流动以及政府数据开放的现状及挑战等热点话题进行了分享和讨论。
来自中国传媒大学的集大数据+新闻+教授+旅游达人众多标签于一身的沈浩老师、关注数据创新发展的中国科学院微电子研究所研究员陈曙东老师、在数据立法领域有深厚研究功底的环球智财数据科技研究院执行院长、新治理智库联盟(筹)发起人、国家行政学院博士后周辉,在跨境数据流动以及数据安全领域的权威专家上海社会科学院信息研究所信息安全研究中心主任惠志斌老师,以及国内政府数据开放研究翘楚复旦大学数字与移动治理实验室主任郑磊老师都莅临该论坛,并发表精彩演讲。
作为DT时代的新型智库平台,阿里数据经济研究中心(ADEC)将协同国内外关注和研究DT时代的各界研究力量,协力研究探索DT时代微观层面上的商业模式与组织模式创新、中观产业层面上的DT化进程,以及DT与宏观经济、社会治理、社会文化之间的关联互动机制。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。