陆峰博士:数据资产和PaaS底座是AI时代最有价值的企业资产

数据资产和PaaS底座是人工智能发展的“一体之两翼，驱动之双轮”，支撑着人工智能技术产业变革创新发展。人工智能时代，企业拥有丰富的数据资产和先进的PaaS底座，是企业新时代发展的“双新”引擎，能为企业打造发展竞争新优势，在日益激烈的市场竞争中赢得发展主动权、开辟发展新空间提供重要支撑保障。丰富企业数据资产，构建先进的PaaS底座，已经成为企业面向未来发展不容错失的选择。

一、数据资产是AI时代企业重要的战略基础资源

数据资源对人工智能发展具有多方面的战略意义，主要体现在以下几个方面：

（一）训练模型的基础

人工智能模型，尤其是深度学习模型，需要大量的数据来进行训练。数据就如同模型的 “燃料”，通过对海量数据的学习，模型能够发现数据中的模式、规律和特征，从而实现对未知数据的预测、分类、生成等任务。例如，在图像识别领域，需要用大量标注好的图像数据来训练模型，让模型学习不同物体的特征，以便准确识别新的图像中的物体。在各个专业领域，需要用大量标注好的专业数据来训练模式，让模型学习专业的技术、工艺、规则等专业知识，以便能够专业化的应对专业场景。

（二）提升模型的性能

丰富和高质量的数据有助于提升人工智能模型的准确性、泛化能力和鲁棒性。更多的数据可以让模型学习到更全面的信息，减少过拟合现象，使模型在面对新的、未见过的数据时能够更好地适应和做出正确的判断。例如，在自然语言处理中，使用大规模的语料库可以让语言模型更好地理解语言的语义、语法和上下文关系，从而提高语言生成和理解的质量。

（三）推动技术创新

数据资源是推动人工智能技术创新的重要驱动力。新的数据类型、数据来源和数据处理方法不断涌现，为人工智能的发展带来了新的机遇和挑战。例如，物联网设备产生的大量实时数据、多模态数据（如图像、语音、文本等融合的数据）等，促使研究人员开发新的算法和模型来处理和利用这些数据，推动人工智能技术向更高级的阶段发展，如多模态学习、强化学习与无监督学习的结合等。

（四）促进产业应用落地

不同行业和领域拥有各自独特的数据资源，通过对这些数据的挖掘和分析，人工智能可以为各个产业提供定制化的解决方案，实现智能化升级和转型。例如，在医疗领域，利用大量的医疗影像、病历等数据可以开发疾病诊断、治疗推荐等人工智能应用，提高医疗效率和质量；在金融领域，通过分析交易数据、客户信用数据等可以进行风险评估、欺诈检测等，保障金融安全。

（五）培育数据驱动的创新生态

丰富的数据资源可以吸引更多的企业、科研机构和人才参与到人工智能的研究和应用中，形成一个数据驱动的创新生态系统。在这个生态中，各方可以共享数据、技术和经验，开展合作研究和开发，加速人工智能技术的普及和推广，推动整个产业的繁荣发展。同时，数据资源也为创新创业提供了基础，催生了许多基于人工智能的数据服务企业和创新应用。

（六）提升国家竞争力

在全球人工智能竞争的格局下，数据资源已成为国家重要的战略资产。拥有丰富、高质量数据资源的国家，在人工智能技术研发和应用方面具有先发优势，可以更好地培育人工智能产业，推动经济社会发展，提升国家的综合竞争力。例如，一些科技强国通过加强数据治理、促进数据开放共享等政策措施，充分挖掘数据资源的价值，为人工智能的发展提供有力支持，从而在全球人工智能领域占据领先地位。

二、PaaS底座是AI时代企业重要的战略基础设施

（一）提供强大计算资源

AI 技术，尤其是深度学习，需要大量的计算资源来训练复杂的模型。PaaS 平台通过其弹性计算能力，可以根据需求动态分配计算资源。例如，企业可以在需要时快速扩展计算能力，以支持大规模的 AI 训练任务，而在任务完成后释放资源，从而降低运营成本。

（二）支持多种开发工具和框架

PaaS 平台提供了丰富的开发工具和框架支持，使得开发者可以灵活选择适合的工具进行开发。例如，金蝶的苍穹平台支持多种编程语言和框架，为 AI 开发者提供了极大的便利，有助于提高开发效率，推动人工智能技术的快速发展和应用。

（三）提供数据管理和分析能力

AI 技术依赖于大量的数据进行训练和优化。PaaS 平台提供了强大的数据管理和分析能力，支持数据的存储、清洗、转换和分析。通过集成的数据仓库和分析工具，企业可以更好地管理和利用数据，从而为 AI 应用提供高质量的数据支持，提高人工智能模型的准确性和性能。

（四）简化开发和部署流程

PaaS 平台整合了各种 AI 服务和工具，促进了不同技术之间的协同工作，简化了 AI 应用的开发和部署过程。AI 场景构建 PaaS 能力允许企业根据自身业务需求定制化开发 AI 应用，实现从数据收集到智能决策的全流程管理，使企业能够快速响应市场变化，推出具有竞争力的 AI 产品和服务。

（五）促进团队协作

PaaS 平台的协作工具，如共享工作区、项目管理和通信功能等，增强了团队成员之间的沟通和协作效率。这有助于打破部门之间的壁垒，让算法工程师、数据科学家、机器学习专家等多领域的专业人才能够更好地协同工作，共同推动人工智能项目的进展，加速从概念到实施的创新过程。

（六）降低技术门槛和成本

AI PaaS 将复杂的 AI 技术栈（如算法、算力、数据管理）抽象为标准化服务，降低了企业智能化应用的技术门槛。同时，PaaS 平台采用按需付费的模式，企业无需提前购买和维护大量的硬件设备和软件工具，减少了前期投入成本。这使得更多的企业，尤其是中小企业，能够有机会开展人工智能项目，推动人工智能技术在更广泛的领域得到应用和发展。

三、夯实数据资源和PaaS底座基础，助力企业打造人工智能时代竞争新优势

（一）发展数据资源方面

提升数据质量：一是构建高质量数据集。明确数据采集的标准和规范，确保采集的数据准确、完整、一致。例如，在医疗领域，统一病历数据的格式和内容要求，提高数据的可用性。二是加强数据标注管理。建设数据集精细化标注众包服务平台，吸引专业人员参与标注，并研究平台激励机制，以提高标注的准确性和效率。

促进数据共享与开放：一是打破数据壁垒。推动不同部门、行业和企业之间的数据共享，建立数据共享机制和平台。例如，政府可以牵头建立公共数据开放平台，开放交通、气象等领域的数据，为人工智能研究和应用提供支持。二是鼓励企业合作。鼓励企业之间通过合作、数据交易等方式共享数据资源，实现互利共赢。例如，科技企业与金融机构合作，利用双方的数据共同开发智能金融产品。

强化数据安全与隐私保护：一是建立安全管理制度。明确数据安全责任，加强对数据访问、存储、传输等环节的安全管理，防止数据泄露和滥用。二是采用加密技术。对敏感数据采用加密算法进行加密处理，确保数据在传输和存储过程中的安全性。同时，使用安全多方计算、联邦学习等技术，在保护数据隐私的前提下进行数据的联合分析和模型训练。

（二）发展 PaaS 底座方面

优化 PaaS 平台性能：一是提升计算能力。加快建设人工智能公共算力中心，提供多元化优质普惠算力，满足人工智能模型训练和推理对计算资源的需求。同时，优化计算架构，提高算力的利用效率。二是完善存储与网络。提供高效的数据存储和管理服务，支持大规模数据的快速读写。优化网络架构，降低网络延迟，确保数据在不同节点之间的快速传输。

丰富 PaaS 平台功能：一是支持多种框架和工具。PaaS 平台应支持主流的人工智能开发框架和工具，如 TensorFlow、PyTorch 等，方便开发者进行模型开发和训练。同时，提供丰富的算法库和工具集，帮助开发者快速实现数据处理、模型评估等功能。二是提供数据管理服务。整合数据采集、清洗、标注、存储等功能，为人工智能项目提供一站式的数据管理解决方案，降低数据处理的成本和难度。

推动 PaaS 平台的开源与协作：一是建立开源社区。鼓励 PaaS 平台的开源和共享，吸引更多的开发者参与到平台的建设和改进中。通过开源社区，促进技术交流和创新，推动 PaaS 平台的不断发展和完善。二是加强产学研合作。促进企业、高校和科研机构之间在PaaS 平台方面的合作，共同开展技术研究和项目开发。例如，高校和科研机构可以为 PaaS 平台的优化提供理论支持和技术创新，企业则可以将研究成果应用到实际产品中，实现产学研的深度融合。

数据资产是企业的核心宝藏。企业日积月累的数据，经AI 算法挖掘分析，能精准洞察市场趋势、客户需求，助力企业抢占先机。企业沉淀的数据越丰富、独特，越能在 AI 加持下形成难以复制的竞争优势。数据资产已然成为企业创新与决策的基石。PaaS 底座则是企业发展的强力助推器。它为企业打造高效、灵活且可扩展的开发与运行环境，通过丰富开发工具与自动化功能，大幅提升开发效率，降低初始成本与运维难度，结合 AI 技术，为企业提供智能决策支持。丰富企业数据资源、构建企业先进PaaS底座，将为企业在人工智能时代插上腾飞的双翼，助力企业在广阔的市场空间中展翅翱翔。

作者：北京前沿未来科技产业发展研究院院长 陆峰

（信息来源：北京前沿未来科技产业发展研究院）

北京前沿未来科技产业发展研究院秉承“智慧引领新产业革命、融合撬动新生产力变革、创新开启新文明纪元”的核心理念；聚焦政策、技术、市场等趋势，整合技术、人才、资金等资源，创新研究、规划、培训等服务，拓展孵化、投资、运营等服务；服务企业、服务政府，为创新发展贡献智慧，为赶超发展指点蹊径，为永续发展塑造理念，致力于成为前沿科技、新兴产业等前沿未来科技产业发展的重要推动者。

研究院致力于成为前沿未来科技产业发展领域趋势洞察的望远镜、创新资源的连接器、颠覆创新的策源地、发展动能的新引擎、文明进步的开拓者，为地区和企业发展，在迷茫中找到新发展方向，在内卷中打造新竞争优势，在趋势中构建新征程引擎，在历史中书写新文明篇章。

研究院专注于前沿未来科技产业的研究、产业化与应用，包括但不限于人工智能、高端芯片、物联网、生物科技、新材料、新能源、量子信息、类脑接口、深海深空科技等领域，旨在通过技术创新解决社会发展痛点，提升社会运行效率，改善民众生活质量，推动经济社会的可持续发展。