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
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。