上接A20~A21版

    记者 王心怡

    杨学山：重新建设、定义数据

    数字经济作为一种新的经济形态，正成为推动经济发展质量变革、效率变革、动力变革的重要驱动力，也是全球新一轮产业竞争的制高点和促进实体经济振兴、加快转型升级的新动能。

    当前，我国“数字红利”已然显现，具备做大做强数字经济的有力条件，广阔的国内市场也为数字经济的发展，提供了得天独厚的沃土。国家网信办发布的《数字中国建设发展报告》显示，2017年我国数字经济规模达27.2万亿元，同比增长20.3%，占GDP的比重达到32.9%，成为驱动经济转型升级的重要动力引擎。

    无疑，未来数字经济的发展趋势和关键环节在哪，成为政府、学者、企业都关注的问题。

    原工信部副部长杨学山说：“数字经济发展的重点是落实，难点是如何落实，宏观层面，政府提新动力、高质量发展、增速、供给侧改革；微观层面，企业提劳动生产率、质量品牌、市场占有率，人均利润率，创新能力，落实就是宏观到微观的过程，将可能变成现实的过程。”

    但可能和现实之间，其实是存在巨大鸿沟的，架在鸿沟之上的不仅没有桥和路，鸿沟的模样如何也捉摸不定，因此，落实的重要性就在于把可能性通过企业的具体实践变成现实，引领下一步的高质量发展。

    “做数字化转型的时候，最核心的问题是要把数字建设起来，然后提高它的质量，再考虑模型、算法去优化效率。一个企业产业链、价值链、创新链里面都有一个自己特定的位置，不管你是做什么的，不管你处于什么位置、什么发展阶段，但是都有一个阶段。要做数字化转型的第一件事就是把你的位置找到，把你的缺点找到。”

    找准位置后，在如何落实的路径上，杨学山提出了“四步走”的策略，分别是：定义问题、定义解决问题的数字，建设数字、提升数字、解决问题，从数据链到数字双生子，基于数据，改变产品工艺流程。

    不难发现，数据被提到了至关重要的位置，他认为，数字化转型与智能制造的区别正在于数据，不是大数据的数据，不是互联网的数据，而是改变产品、工艺、流程过程中能够发挥作用的数据。

    举个例子，某发电厂对2017年11月、12月的历史数据分析，计算出典型工况下的最优发电技术煤耗和平均计算煤耗，最优发电技术煤耗比平均发电煤耗平均低上2.2克/千瓦时，按照两台机组共发电约34亿千瓦时，如果所有负荷都能达到最优发电技术煤耗则可节约标煤7480吨，节约人民币598.4万。

    也就是说，如果没有该电厂11月、12月的历史数据，就不可能有算法和模型去达到工艺和流程中的创新，即从数控机床、自动化、数字车间到智能工厂，关键就是建设好高质量的数据链。

    杨学山还指出，当前，各个地方都在建设“城市大脑”和“城市数据中心”，但不能单单把已有的数据汇集在一起，而应该是为了达到城市现代化的目标，不管是治理、管理、服务、经济、生活的目标，去有意识、有目标的从定义系统开始来建设数据，重新定义数据——看哪些需要重新收集，哪些需要调整，哪些需要进行质量提升，哪些拿过来就可以用？

    潘立维：AI当为产业而生

    正如杨学山所言，数字经济的发展要落实到企业的具体实践中。从AI产业到产业AI，虽然只是两个词语交换了前后顺序，但却勾画了阿里云ET大脑近年来的实践之路。

    AI这个词在上个世纪六七十年来就已经产生了，但为何近两年来热度依旧居高不下？阿里云数据智能中国区总经理潘立维分析，这与三件事情的发生不无关系，“第一件事是互联网的普及已然成为了整个社会的基础设施，任何时候离开互联网几乎无法生存；第二件事是数据已经成为了一种资源，从采集、加工到产生价值，数据驱动的创新为政府、企业、行业所推崇；第三件事是云计算成为了社会公共服务的一部分。由此，互联网、数据和计算的三角关系夯实了AI的基础。”

    他也认为，未来总有一天，图像识别、语音处理等核心技术的差距会在企业间被拉平，“AI当为产业而生”。

    ET大脑正是阿里对产业AI落地的具体路径之一，阿里云在城市大脑、工业大脑、环境大脑、航空大脑等方方面面都作出了一定的探索。比如，AI让制造企业提升产品质量，让全球最大的光伏组件供应商天合光能的A品率提升了7%，AI为生产企业降低成本，让中国最大的轮胎制造企业中策橡胶每年生产5050万套，炼胶周期缩短10%，炼胶温度下降6%，A品率提升5%；AI为运营提升效率，让北京首都国际机场的停机位利用率提高10%，为旅客节省5000小时的时间；AI为城市交通治理提供平台，在杭州萧山试点后让车辆通行效率提高了15%。

    在阿里云的判断中，2018年AI在农业、工业、医疗、金融、零售等领域都将全面爆发，而产业AI大潮中广泛的生态化也是必然趋势，也就是说，“互联网企业将退回来做好平台的工作，把AI赋能给创新企业。”

    潘立维认为，所有AI相关的创新企业，它的强项在于对这个企业的理解，而弱项是在基础数据、基础技术上的获取，阿里在这个层面上愿意做一些基础性的工作，比如，他们把算法库的能力建好，让AI创新企业能够把业务场景完全释放出来。也就是说，有了阿里在做底层数据平台的构建，其他AI相关的创新企业可以进一步驱动业务链，“上面完成了一些业务后，往下走沉淀数据，形成一个企业内部的数据闭环，数据成为越用越多的资产，进而人工智能的场景也会越做越多。”