B3：企业
2024年以来，美国关于大模型人工智能训练所面临的“数据资源枯竭”问题引发了广泛关注。随着技术的发展，数据作为关键资源的重要性日益凸显，而围绕数据资源的有效利用和持续积累将成为决定人工智能未来发展的重要因素。
中国数据价值有待挖掘释放
数据作为21世纪的“新石油”，也是驱动人工智能发展的核心资源。人工智能需要数据来建立其智能，特别是机器学习。具体来说，人工智能技术能够从大数据中挖掘出有价值的信息，这些信息往往被隐藏在看似杂乱无章的数据之中。例如，通过对社交媒体、交易记录、传感器数据等多种来源的数据进行分析，人工智能可以揭示出用户行为的趋势、市场的潜在需求或是设备的运行状况等，从而辅助决策者做出更为准确和智能的决策。
随着人工智能技术的快速发展以及大数据的不断积累，深度学习和强化学习等先进的算法也在不断优化和演进。因此，大数据与人工智能之间结合越紧密，人类越可以借助人工智能技术高效地分析和利用大数据，从中提取出有价值的洞见，从而推动科学研究、商业创新和社会进步。
中国在数据资源方面具有天然的优势。其庞大的互联网用户群体和活跃的数字经济生态为人工智能算法提供了源源不断的训练材料。
当前，中国已建成全球规模最大的光纤和第四代移动通信（4G）网络、第五代移动通信（5G）网络系统，数据规模预计2025年可增至48.6ZB，中国已成为数据量最大、类型最丰富的国家之一。
庞大的数据背后蕴藏着巨大的资源宝藏。中国的大型互联网公司阿里巴巴、腾讯和百度等，通过其业务积累了海量的用户行为数据、交易数据和社交数据等。这些企业自有数据为人工智能的应用提供了实际场景下的数据支持。例如，阿里巴巴旗下的“鹿班”AI设计师，在短短1秒内就可以设计8000张海报，极大地提高了电商平台的设计效率和服务能力。
那么对于中国而言，在人工智能这一前沿科技领域，是否能够将海量的数据资源作为与美国竞争的关键优势呢？据《全国数据资源调查报告（2023年）》显示，2023年，中国数据生产总量达32.85ZB，同比增长22.44％，但生产总量中仅有2.9％的数据被保存；数据存储总空间为2.93ZB，但存储空间利用率仅为59％。
中国的数据规模无疑是庞大的，但其潜在的巨大价值却尚未得到充分的挖掘和释放。据统计，企业一年未使用的数据占比约四成，而开展数字化转型的大企业中，实现数据复用增值的也仅为8.3％。一方面，我们面临着一个现实问题，那就是大量数据在实际应用中往往存在重复利用的局限性。这意味着，许多过程性数据在完成其特定任务或使命后，会被轻易地丢弃或覆盖，从而导致这些数据的潜在价值无法得到进一步的开发和利用。另一方面，尽管当前的技术进步使得我们能够处理和存储海量数据，但受限于大模型和训练工具的发展水平，对这些海量数据进行深度开发和利用的成本远远超过了其存储成本。
人工智能的实体运用才是关键所在
新技术的迭代能否转化成生产力的进步，是衡量一个国家竞争力的关键指标。在人工智能领域，只有将技术运用在实体产业上，才能为人工智能的发展提供更多的应用场景。
工信部数据显示，中国人工智能企业数量已经超过4700家，人工智能已成为新一轮科技革命和产业变革的重要驱动力量与战略性技术，加速科技成果向实际生产力的转化。例如，在制造业领域，通过引入物联网技术和数据分析工具，可以实时监测设备运行状态，不仅提高了生产效率，还产生了大量的工业数据，这些数据可以用于优化生产流程、预测维护需求等方面，进而反哺人工智能技术的发展。同样，在农业领域，精准农业技术的应用不仅提升了农业生产效率，还将收集大量的农业数据，为农业智能化提供宝贵的数据资源。
中国在人工智能应用场景方面同样表现突出，弥补了数据利用的不足。中国有着全球最大的单一市场，这为人工智能技术的应用提供了广阔的舞台。加快实体产业的数字化转型不仅是经济发展的“基本要义”，也是中国在人工智能领域的优势所在。
中国政府高度重视实体经济与数字经济的融合发展，如《“十四五”数字经济发展规划》旨在大力推进数字化转型的同时，提高数字化赋能实体经济的效率。通过推进数字产业化、产业数字化等方式，使实体经济在技术水平、大数据管理、数字化应用等方面实现质的提升。
有效利用庞大的实体产业反哺数字经济的发展，对重塑工业体系、大力推进新型工业化的关键支撑效应正逐渐显现。中国在发展人工智能领域的积极布局，具有高度集中的战略规划和协调能力，为其加速迭代升级创造了良好的内生动力和优越的外部环境，进一步为国家的经济发展注入了新的动力。
正如古语所言，“风起于青萍之末，浪成于微澜之间”，人工智能的广泛应用，必将成为点燃第四次科技革命的新底层通用技术。
（文章摘选自《凤凰周刊》）