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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。