1.4 信息技术推动数字化发展

1.4.1 数字技术助推数字化转型

当今世界，第四次工业革命方兴未艾，全球经济进入数字化转型时期已是大势所趋。对于今天的各行各业来说，数字化转型已经不是可做可不做的选答题，而是必须付诸行动的必答题。

数字技术作为一项新的通用技术，具有与历史上的蒸汽机、电力等传统通用技术所不同的本质特征。当前，以云计算、大数据、区块链、人工智能等为代表的数字技术正全面渗透到经济社会各领域各环节，数字技术呈指数级增长，技术和商业创新呈现爆发态势。在这样的数字时代，数字技术该如何助推数字化转型成为多方关注的话题，下面将从数字政府、数字经济和数字社会三个维度进行阐述。

在数字政府层面，数字技术可以赋能政府治理。其一，依托大数据、区块链、云计算等前沿技术使得各级政府能够提高自身对复杂经济社会事务发展的研判能力，做到前瞻性决策、精准性施策。其二，在实际中，数字技术为公民广泛且深入地参与公共事务提供了重要渠道。地方政府或各级职能部门可以通过大数据等开展舆情分析，及时了解民众所关心的话题，从中发现政府数字化建设中的痛点难点。例如某街道的“红茶议事会”，系统通过居民信箱、信访业务数据、人工智能识别数据等多维度搜集公共服务、公益事业和居民关心的问题，借用大数据分析比对形成近期“民意热度”，对出现频次较高的自动匹配为议事会议题，实现公共诉求精准回应。其三，以区块链技术的可追溯性为例，在食品安全领域，一方面，政府可通过应用区块链技术将食品的生产、运输和销售等每个环节的信息记录到区块链中；另一方面，消费者可以随时查询验证食品质量问题和进行问题追溯，这将极大地提高问题食品的溯源效率，提升居民生活质量，提高政府公信力。

在数字经济层面，数字技术是推动经济增长的主要驱动力。新技术驱动新经济，新经济创造新价值，新价值驱动经济增长，数字经济是伴随着信息技术兴起而发展起来的经济业态。在《光阴似箭：从工业革命到信息革命》一书中，弗里曼和卢桑使用“技术经济范式”来描述一定类型的技术进步通过经济系统影响产业发展和企业行为的过程。

在数字社会层面，数字技术能够便民利民。这里用两个例子说明：一个是智慧出行，随着信息技术和数字技术的不断进步，车开始变得更聪明，路也变得更智能，两者都逐渐具备感知和交互能力，“车路协同”慢慢成为现实，交通的智慧化升级使得交通调度和运行效率得到提高，同时也为公众的出行带来更舒适的体验；另一个是适老化服务，在数字化转型过程中我们需要留意数字鸿沟的问题，应当借用数字技术实现适老化服务与智能家居、智慧社区、智慧出行、智慧医疗融合发展，满足老年群众的应急需求与生活需求。

在数字时代，数字化发展已成为全球重要的共识，各行各业都要积极进行数字化转型，这是从适应到依赖数字技术并逐渐形成数字化思维的过程。面对数字化转型的大潮，我们要运用好数字技术，要促进数字化多场景多维度应用，将治理的感知触角广泛延伸、深度下沉，形成科学化、精细化、智能化的现代化治理能力，提高治理效能。

1.4.2 数字技术对产业的影响

数字技术是典型的通用技术，可以在国民经济各行业广泛应用。随着数字基础设施不断完善，物联网、人工智能等新一代数字技术不断成熟，数字技术加速与国民经济各行业深度融合，产业赋能作用进一步增强。数字化带来的冲击具有颠覆性，数字技术对产业的影响是巨大的，通过深化数字技术在生产、运营、管理和营销等诸多环节的应用，实现产业层面的数字化、网络化、智能化发展，释放数字技术对经济发展的放大、叠加、倍增作用，加快各行业质量变革、效率变革、动力变革的进程。

数字技术好比魔法棒，它跟相关技术有效融合之后，就会发生化学反应，催生新型业态形成，驱动经济社会各领域发生了系统性、全局性、长远性变革。在党的十九大报告中提到，要推动互联网、大数据、人工智能和实体经济深度融合。如今，全国各地利用新技术进行创新，促进产业数字化转型已成经济发展普遍共识。产业数字化本质上是对产业链上下游的全要素数字化改造，从而实现产业降本提效、提高用户体验、增加产业收入和升级产业模式。中国信通院的数据显示，2020年我国产业数字化规模达31.7万亿元，占数字经济比重达80.9%，占GDP比重为31.2%；我国服务业、工业、农业数字经济占行业增加值比重分别为40.7%、21.0%和8.9%，产业数字化转型提速，融合发展向深层次演进。

产业数字化转型的推进，会产生关于各行各业生产经营销售等的海量数据，为数字产业化提供源源不断的源头活水和数据资源，推动我国数字产业不断做强做大，催生出数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字化效率提升业等数据产业。因此，数字产业化和产业数字化是一个相互促进、协同发展的过程。同时，数字技术与传感、仿生、人工智能、量子通信等新兴技术的有机结合及应用，使超大量高速流动的数据信息流得以跨越空间距离或地域限制，催生出智慧产业、智慧城市、智慧社会、智慧生活等新业态，进一步推动社会生产力发展和生产关系变革。

推动传统产业实现数字化转型升级，是加快推动数字产业化、推进产业数字化转型的重要方面。每一个传统行业都要需要进行数字化革新，产品的研发、生产、管理、营销等业务流程要与B2B商业模式、人工智能技术及区块链结合起来。一方面，数字化转型可以打破传统产业的生产周期和生产方式，使企业能够借助互联网广泛的数字连接能力打破时空局限，将产品和服务提供给更广泛的用户和消费者，提升企业产出效率，推动企业生产规模扩大；另一方面，数字化转型能够让企业有效利用现代数字技术精确度量、分析和优化生产运营各环节，降低生产经营成本，提高经营效率，提高产品和服务的质量，创造新的产品和服务。可见，运用数字技术对传统生产要素进行改造、整合、提升，将大大促进传统生产要素优化配置、传统生产方式变革，实现生产力水平跨越式提升。

未来的发展方式是以数字经济为主导，以数字技术创新应用为牵引，以数据要素价值释放为核心，以多元化、多样化、个性化为方向，通过产业要素重构融合衍生而形成商业新业态、业务新环节、产业新组织、价值新链条，激活产业活力，使中国经济增长更加强劲有力。当然，产业数字化转型已不是数字技术的单点应用，而是转向由内而外、全方位、全产业链条的改造提升，即以应用场景为牵引，推动新一代数字技术与用户需求充分结合，产业数字化转型的规模化、商业化进程将逐渐加快，并进一步催生出大量的新技术、新产品、新模式，创造出巨大的经济效益和社会效益。

1.4.3 新型信息化技术

1.4.3.1 5G

在今天，数字化正在以不可逆转的趋势全方位进入中国每一个行业，数字化建设越来越成为经济社会发展的核心驱动力。

第五代移动通信技术（5th Generation Mobile Communication Technology）简称5G，是具有高速率、低时延和广连接等特点的新一代宽带移动通信技术。

5G在数字化转型中起到非常重要的作用。数字化的本质是通过有效整合链接环境、设备、云、人工智能、计算、应用等多种生产力要素，通过多个要素的数据交互，构建一个开放、深度感知、持续进化的智能系统，实现云、网、边、端的数字化。5G具备大带宽、低时延、广连接、高可靠的特点，是数字化转型中实现数据连接和交互的重要手段，是全面构筑未来数字化世界的重要战略技术，如图1-1所示。

我国的华为公司、中兴公司在5G技术方面处于世界领先地位。

2020年12月，工业和信息化部在《工业互联网创新发展行动计划（2021—2023年）》中指出：“推进工业互联网网络互联互通工程，推动互联网与物联网深度融合，在10个重点行业打造30个5G全连接工厂”。近年来，我国基于5G的数字化基础设施建设工作进展顺利，成效明显。

目前5G的布局，主要在行业应用。在2021全球工业互联网大会上，我国展示了多项“5G+工业互联网”的技术，已建设“5G+工业互联网”项目超过1800个，采矿、电子设备制造、装备制造等行业成效显著，加速了传统产业数字化转型。

目前，由于5G频段为3.3GHz～4.2GHz、4.4GHz～5.0GHz和毫米波频段26GHz/28GHz/39GHz，频率更高，带宽更大。因此5G基站相对会比3G、4G的覆盖面积小，同时耗能上也稍高一些。

1.4.3.2 物联网

物联网（Internet of Things）是指生活和工作中各种设备连入互联网的协同网络模式。1999年，物联网之父、麻省理工学院执行董事Kevin Ashton提出了“Internet of Things”一词，简称IoT。物联网在工业领域被广泛应用，这些设备不仅具备感知能力，拥有声、光、热、电、力等各种各样的传感器，可以通过网络其他设备和人连接。借助通信技术的发展将物联网的边界从传感器网络，延伸到包括人的生活中的车、家用电器到人工作中的实验室和工业等在内的泛在物体，最后达到万物互联。万物互联是万物智能的前提，万物互联是人类社会生产及生活中的一个巨大的飞跃。

物联网与人类社会的结合以数字化的方式渗入各个方面，包括生活、农业、工业等。在家里、在路上、在公司，从陆地、从海洋，到天空、到太空，设备与设备，设备与人互相连接融合。

1.物联网+农业

在农业方面，物联网技术的运用已经十分广泛。在种植业和养殖业方面，对环境实时监控，数字化生产记录、自动投喂、自动施肥、病虫害监测预警等推广运用已经取得了明显的成效。“物联网+农业”模式极大节约了人力成本，有效提高了产品质量和经济效益。至2021年年底，我国农业农村部积极组织实施农业物联网区域试验工程、数字农业试点项目、精准农业应用项目等，累计建设9个农业物联网示范省、100个数字农业试点项目。

2.物联网+家居

智能家居是基于物联网技术，由硬件（智能家电、智能硬件）、家庭网络、云计算平台或服务器、控制软件构成的一个家居生态圈。物联网技术是智能家居发展的核心，通过智能传感器、5G等通信技术以及人工智能技术，可以有效解决生活中遇到的诸多问题。通过物联网实现远程控制设备、设备间互联互通、数据采集等功能，并通过人工智能数据分析，提供智能化的生活服务，让生活更舒适、便捷、绿色、安全。例如，小米公司建立的米家App就是以手机为核心连接各种智能家居设备，如智能音箱、打印机、空调、电视机等。

3.物联网+工业

通常的工业物联网，从系统架构来说，分为三层。一是感知层，即利用射频识别（RFID）、传感器、二维码、区块链等随时随地获取工业设备（生产设备、物流设备、监控设备）、能源、原材料、产品、服务、业务、人员等的数据；二是网络层，通过移动网络、内部固网与互联网的融合，将设备物体的数据实时准确安全地传递出去；三是应用层，把感知层得到的数据进行处理，通过机器学习等方法实现自动化识别、自动化生产、业务全流程监管等实际应用。

工业物联网，从连接来说，首先是企业内部的互联，通过物联网实现数字化和智能化，从而实现企业内部全业务流程的连接。其次是企业间的连接，即广义上的“工业互联网”，是上下游企业从设备、生产线、工厂、供应商、产品到客户的互联。通过充分的融合连接，来提高整个工业系统和运行效率。

物联网技术已经对社会产生了巨大而深远的影响。它在给人们带来更便捷、更智能生活的同时，也引发了大量新的技术和社会问题。智能设备联网和数字化率提升，将造成解决方案复杂性的不断提升，无处不在的连接带来了无所不在的安全隐患。

震网病毒，是第一个席卷全球工业物联网的“蠕虫”病毒。震网病毒2010年6月首次被发现，曾经一再袭击伊朗核设施。

互联网改变生活。随着5G、大数据和人工智能的快速发展，物联网也必将蓬勃发展，帮助我们实现万物互联的目标，从而让实现人类的数字化生存。

1.4.3.3 大数据

（1）大数据的概念。

大数据概念的提出，源于1998年美国高性能计算公司SGI的首席科学家约翰·马西（John Mashey）用“Big Data”描述关于数据量的增长带来的数据难理解、难获取、难处理和难组织四个难题的挑战。大数据有众多定义，通常认为大数据具有4V（Volume、Variety、Value、Velocity）特征。其中，Volume是指体量大，所存储的数据量达到PB（PetaByte，1PB=1024TB）级别。Variety指的是数据类型多样，除了传统的结构化数据，还包括网络/系统日志、声音、图像、视频、文本等半结构化、非结构化数据。Value指的是价值密度低，在海量的数据里，希望得到的可能只是一个“是”与“否”的二值判断。Velocity指的是速度快，比如对于游戏运营商，一方面每天游戏的运营会产生大量的数据，数据积累速度快；另一方面运营商又希望及时获取游戏运营数据中隐含的有价值信息以指导运营策略的及时调整，即要求数据处理速度快。大数据概念的提出和发展和信息技术的快速发展密切相关。各种软硬件技术的发展极大地降低了数据采集、传输和存储的成本，全世界数据的积累随时间飞速增长，据预测2025年将达到175ZB（1ZB=1024PB）。

（2）大数据与数字化转型。

大数据相关技术是数字化转型的技术架构基础底座的主要组成部分。一方面，“数字化”的第一步就是“数据化”，即将物理世界的对象以数字化的方式存储为数据，所存储的数据往往涉及上述的4V特征，因此大数据存储技术和大数据管理技术是数字化架构的必然组成部分。另一方面，“数字化转型”的目标是实现对物理世界对象的组织、管理、分析和预测，以辅助预期的决策活动；在此过程中产生的所有对理论和技术的需求都属于大数据研究的范畴和知识体系，因为大数据不仅指“数据”材料本身，也包含对“数据”的“理解”“获取”“处理”“组织”等研究活动的思考。研究大数据的科学即“数据科学”，是以揭示数据时代尤其是大数据时代新的挑战、机会、思维和模式为研究目的，由大数据时代新出现的理论、方法、模型、技术、平台、工具、应用和最佳实践组成的一整套知识体系。

1.4.3.4 云计算及人工智能

2021年，云计算和人工智能技术有了进一步的发展。多云协同成为打破数据壁垒的方式，通过不同厂商之间混合云的构建，能进一步提高云计算的响应速度、数据共享和提高数据安全性。混合云的方法既考虑了企业将数据存放在私有云中的意愿，但是同时又希望可以获得公有云的计算资源，这种个性化的解决方案具有更完善、可扩展、更节省的特点。绑定功能和应用的云端服务逐渐兴起。与传统的基于底层硬件设备的IaaS服务和基于数据驱动的DaaS服务不同，最新研发的云端应用能提供一种更为简单、模块化的功能接口，方便程序员进行应用搭建。越来越多的云企业利用其在行业领域的实践经验，以用户需求为中心推进云业务发展，成为一种新策略。

2020年以来，人工智能在各个行业中发挥着推动作用，这迅速发展的脚步离不开越来越多企业的研发。人工智能技术在疫情监测预警、医疗诊断、药物研发等方面均发挥了重要作用。但是，在人工智能技术被过度炒热的当下，我们不能盲目乐观。既要仰望星空，也要脚踏实地，看到其存在的问题。

以深度学习为代表的当前的人工智能模型，面临着数据不足的问题。基础训练数据的数量和质量将会决定模型的准确度，中国人工智能发展速度快，但积累不足，因此中国人工智能整体训练数据量不大，例如在自然语言处理、知识图谱规模上较英文都有较大差距。首先是数据孤岛问题，不同部门的数据存储在不同地方，格式也不一样，由于政府部门之间、企业之间、政府和企业之间信息不对称、缺乏公共平台和共享渠道等多重因素，导致大量数据存在“不愿公开、不敢公开、不能公开、不会公开”的问题，而已开放的数据也因格式标准缺失无法进行关联融合，形成孤岛。其次，存在着数据质量问题。提供人工智能训练的数据来自个人用户、企事业单位和政府机构等，数据的质量参差不齐，国内大量的人工智能工作受限于数据绝对数量不足和相对标注质量较低，影响了模型的有效性，而且绝大部分数据属于非结构化的数据，它们大量存在于社交网络、互联网和电子商务等领域，这些数据具有高维、多变和强随机性等特点，导致对数据的分析也是一个难题。数据方面的问题还体现出对长尾行业的相对冷漠，大量的“头部”公司都把人工智能研究领域放在热门应用上，如自动驾驶、视频理解、信息安全等。而更多相对较小的企业获取数据的方式单一且成本高昂，人工智能尚未能够覆盖部分行业及长尾场景，很多行业没有较大的样本数据量用于构建模型。

人工智能技术的发展一方面带来了效率的提升、成本的降低，另一方面也给社会带来了全新的伦理问题。2021年9月25日，国家新一代人工智能治理专业委员会发布了《新一代人工智能伦理规范》（以下简称《伦理规范》），旨在将伦理道德融入人工智能全生命周期，为从事人工智能相关活动的自然人、法人和其他相关机构等提供伦理指引。

《伦理规范》提出了增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养等6项基本伦理要求。同时，《伦理规范》还提出了人工智能管理、研发、供应、使用等特定活动的18项具体伦理要求。对人工智能伦理问题的探讨，既包括形而上学的研究，也包括寻求解决实际的问题和求得社会共识的讨论。如何在人工智能这一全新的技术条件下发现伦理共识，对经济、社会和政治有着深远意义。