提起数据赋能 ，许多人一定会想到数字经济 ，而提起数字经济 ，关于大大都非一线都会政府来说 ，生怕是又爱又恨 ，爱少恨多。爱的是数字经济相关工业都属于战新或者未来工业 ，生长远景无限；恨的是它对人才要求很高 ，这属于少数一二线都会才华玩转的“奢侈工业” ，不知道怎样使“王谢门前燕”落入“寻常黎民家”。
NO.1 对数字经济常见的两个片面认知
这内里着实包括了两个常见的认知：一是以为数字经济主要适合于人才麋集的一二线都会 ，与大大都三四线都会无关；二是数据未来或许很值钱 ，可是目今要实现数据富集需要投入大宗资金建设“智慧都会”、“数字大脑”之类的基础设施 ，投入大 ，收效慢 ，在目今财务收支左支右绌之际 ，优先级后置。正是基于这样的熟悉 ，许多地方关于生长数字经济都是雷声大雨点小 ，口号虽然喊得很感人 ，身体却很忠实 ，对数字经济相关的投入建议“十动然拒”。不可说这两个认知都是错的 ，但至少是不周全的。数字经济两大块 ，数字工业化和工业数字化 ，其中数字工业化主要就是新一代信息手艺相关的工业 ，这类工业对人才、手艺和信息要求都很高 ，主要集中在一二线都会 ，三四线都会能做的未几。可是工业数字化主要是指数字手艺与其它工业的融合生长 ，这就显然不是一二线都会的专利了 ，那些拥有古板工业优势的地区 ，如农业大县、钢铁大县、能源大县、商业大县等等 ，往往由于有奇异的工业场景 ，其对响应的工业数字化有着不可替换的工业吸引力。以是 ，第一个认知仅仅适合于数字工业化部分。关于第二个认知 ，若是“智慧都会、数字大脑”之类的基础设施不可有用赋能外地的工业数字化和都会生涯服务数字化 ，其一定酿成大而不当的投资了。可是数产融合 ，特殊是现在很火热的“数字要素X”对数字要素的“量”和“质”都有很高的要求 ，这要求外地在数据收罗、归集、治理、挪用等环节抵达很高的水平 ，同时在基础性的数字人才作育、基础算力和数据存储等领域举行配套。而要知足这些要求 ，数字类的“新基建”是必需的 ，甚至是当务之急。虽然 ，要让这些基础设施施展作用甚至施展效益 ，第一位的不是我们要用什么手艺 ，怎么建 ，建哪些� ？� ，而是要依据外地的数据应用基础条件 ，充分调研数字服务商和相关工业企业的生长需求 ，并搭建优异的数据要素运用机制和模式 ，让基础设施真正能够“既够用 ，又适用”。
NO.2 何以赋能 ？
地方政府怎样通过数据赋能外地工业 ？换言之 ，何以赋能 ？既然数据是一种主要的工业生长要素 ，犹如土地和资源一样 ，我们显然可以借鉴土地和资源赋能工业生长的思绪。土地需要一套稳固高效的出让、开发和建设机制 ，并且需要水电气、通讯、蹊径等响应基础设施的接入 ，这样土地就可以变为工业生长的空间载体推动工业生长。类似的 ，只有建设健全的法治系统和制度情形 ，形成优异的信用系统和康健的资源市场 ，资源才华在工业生长中施展作用。而这些土地、资源赋能工业的条件我们都可以看作是基础设施 ，有些是看得见摸得着的硬基建 ，有些则是看不见摸不着的软基建。同样 ，数据也只有在具备响应的软硬基础设施情形里才华赋能工业集群生长。在数据赋能工业生长这个局中 ，地方政府既不是专业的数据应用开发者 ，更不可能亲力亲为去用数据赋能工业 ，最应该饰演的照旧基础设施的提供者 ，而政府平台公司则自然是这些基础设施的授权建设和运营商。
NO.3 怎样建设数据工业基础设施 ？
接下来的问题是建设哪些数据基础设施 ？各地基础条件差别 ，特殊是需要赋能的外地工业差别 ，显然对基础设施也有差别的要求 ，因此需要因地制宜地针对性设计 ，可是照旧有一些通用的原则可循。我一样平常把数据工业基础设施分为以下四类：
第一类是数据 ，特殊是公共数据的收罗、归集和治理。现在各地纷纷建设数据局 ，在统筹安排和系统归集各委办局的公共数据收罗归集方面已经做了大宗事情 ，公共数据也是目今数据应用最成熟的领域。可是仔细剖析 ，各地公共数据的归集水平 ，数据质量仍然狼籍不齐 ，在数据治理方面尚有很大提升空间。首先要包管外地有质量可用的数据集 ，这是开发数据产品 ，形成应用场景的基础 ，也是以数据资源吸引相关企业的条件。
第二类是数据要素化的制度包管建设。这内里涉及了公共数据怎样有用授权 ，清静性怎样包管。怎样完善数据相关权力的�；� ，勉励更多的企业把数据拿出来投入数据市场 ，实现更大都据的应用并实现响应的收益。这里要专门提一句的是目今各地正在普遍睁开公共数据的授权。在目今数据要素化还处于初始阶段的时间 ，一些地方在授权方面出于清静性思量过于审慎 ，例如一些数字经济并不蓬勃的省份要求凭证场景举行授权这一对工业成熟度要求更高的授权方法 ，显然倒运于数据工业的初始生长。我的建议是 ，为了平衡清静性和开放性 ，各地政法完全可以充分使用外地平台公司 ，对其举行整体授权 ，然后以平台公司为主体与市场化的专业机构接纳多种合作方法 ，对获得授权数据睁开治理和二次加工 ，更好的激活市场 ，真正让数据能够流动起来 ，数据价值能够很好的体现出来。在这方面 ，我们一方面要亲近关注国家的整体制度安排 ，同时完全可以在国家的政策框架下举行外地化立异和先行先试。
第三类是应用场景的建设指导和树模推广。数据赋能工业的要害照旧要找到应用场景 ，这也是包括一二线都会在内所有地方的配合痛点。国家数据局、工信部近年来宣布的数字应用典范场景主要都集中在金融、交通和医疗领域 ，更多的应用场景 ，特殊是宽大工业与数智有机融合的场景尚有待进一步开拓。在这方面 ，政府并没有能力直接上手做场景树模 ，可是完全可以引入专业的数据服务商和第三方服务机构 ，整合外地的优势工业 ，群策群力配同谋划应用场景。在这内里 ，政府要做的是一定立异政策的倾斜 ，专项资金的支持 ，外部专业机构的招引 ，信用评估等等 ，一旦有较好的应用效果 ，加大行业的树模推广力度。应用场景一定要团结外地的优势工业 ，若是是物流枢纽 ，可以思量在物流商贸供应链领域谋划应用场景 ，若是是生齿麋集区域 ，生涯服务类的场景 ，如教育、医疗、养总是很好的选择偏向 ，若是是化工质料重镇新质料则可以在清静生产、节能减排、新质料研发等领域发力。任何一个场景都不是政府拍脑壳定出来的 ，也不是第三方服务机构或者数据服务商凭空捏造想出来的 ，一定是政府、工业界和数据服务商等各方重复推导假设 ，实践证伪 ，最终重复试验磨砺出来的。以是这需要泯灭大宗的资源和时间 ，关于大部分地方来说 ，我都建议先选择有限的一、两个领域集中力量做应用场景 ，把它做深做透。
第四类是算力、存储等基础设施的建设和整合。目今基础算力在天下各地大上快上数据中心的热潮下已经由剩 ，可是服务于AI的智能算力还严重缺乏 ，特殊是随着AI的井喷式生长 ，智算的缺口可能将恒久保存。算力和存储都属于具有显着外部性的工业基础设施 ，有实力且外地能源、天气等条件较好的地方政府平台公司完全可以加大这方面的投资 ，形成很好的资产 ，并服务于外地数据要素工业生长。若是区域条件不支持 ，政府也可以在整合外部算力和存储资源 ，为外地企业提供低本钱的算力和存储服务有所作为 ，降低企业本钱。
除了建设和运营以上四大基础设施 ，主体数字工业园区、数字人才培训、专项投资基金等等地方生长工业的通例武器显然也是需要的 ，本文不再赘述。
恒久在海内的一线都会与其它都会间穿行 ，一个鲜明的特征和确定性的需求是：一线都会和部分二线都会群集了大宗AI、工业互联网、数字化转型等领域的高手艺团队而无辽阔的工业场景作用武之地。其它都会深处工业要地 ，场景富厚 ，但苦于无相关人才和数字工业基础而对数字相关工业望而却步。当下 ，政府最需要做的是买通两者之间互通相助的堵点 ，让数据要素充分流动 ，让外地生产和生涯插上数字化、智能化的同党振翅高飞！
扫一扫
关注我们
地址：北京市向阳区北苑路86号院E区213栋
邮编：100101
联系电话：010-84108866（总机）
营业咨询：400-093-2688（免话费直拨）
