今年是十四五的开局之年,对区域经济一体化和产业集群的发展,有了比过去更多的关注。
在新的背景下,重新提起和重视区域经济一体化和产业集群有何深意与新意?数字化的运行和发展对区域和产业的发展有着怎样的意义?我们又该如何充分发挥数字化运行在区域和产业发展中的力量?今天我们邀请到了秦朔先生来一起探讨相关问题。
区域的产业集群被重新受到重视,这在新的背景下有何新意?
在过去的许多年中,其实也强调过区域的产业集群发展,但在新的背景下重提,会有哪些新意,我认为主要在于两点:第一,围绕核心城市,通勤时间在一至两小时的现代交通体系所辐射出的都市圈,这些都市圈之间要打破行政壁垒,让资源更加充分的流动,这一点我认为非常重要。正如现在我们所看到的,各地方之间的传统行政化壁垒正在从各方面被打破重构,这使得整个市场变得更加有机。
第二,为了提高打破重构过程中的效率,要大力发展数字化、网联化、智能化。因为只有这样才可以摆脱简单的外延扩张,取而代之的是用科技的力量来提升全要素生产率。
因此,我认为打破行政壁垒的资源配置市场化,以及用数字化的力量来提升整个社会和经济的运行效率,应该是在新的政策背景之下,重新探讨产业和区域发展的重点。
如何解决“效率”这一区域和产业转型发展的痛难点?
我认为,当今中国经济发展面临的较大挑战还是“效率”,从全社会的角度来看,我们的劳动生产率还不够高,而这样的局面未来会被数字化的力量重构。
过去,在面对大量的生产管理、资源管理等方面时,大都靠经验主义、靠人力。这种操作一方面,费时费力;另一方面,随着我们社会老龄化的加速,这种方法也很难维持下去。例如,苏州某家金融租赁公司,如果它的业务遍布全国,投入领域涉及到太阳能光伏、电站等方面,那么,这么多的资产,该如何定期地巡检?又该如何做到精准把控资产运营效率?这过程中又会出现什么问题?这些痛点,靠人力是无法解决的。
但现在,通过云服务、传感、5G等技术,就可以精准地掌握基础设施的实时运行情况;同时通过人工智能以及模型建构算法,可以了解这些设备所处的运行状态,是否需要做提前的维修保护。当设备进入疲劳期时,还可以提醒我们采取相应的措施对设备进行维护,从而构建一个从生产到调控、维修的全流程。
因此,从社会发展的角度来讲,我们国家的经济运行都会被数字化力量重构。通过数字化、联接就可以了解整个系统的状态;通过从感知智能到认知智能技术,就能够分析出相应对策让企业生产运行更高效。由此可见,数字化将是未来中国实现自我超越的一个重要抓手。
承载数字化运行力量和发展效率的,就是新基建和产业云
讲到数字化、产业发展,国家近年来一直在提 “产数融合”的概念,即推动数字经济和实体经济的深度融合。“产”就是实体经济,“数”就是数字经济,当这二者深度融合,就会极大地提高企业的生产效率。
我们可以看到,当数字化和智能化深入到产业生产和运行全过程中,必然会对数据运行和计算能力产生巨大的需求,随之也会产生大量的数据。那么,这些数据要在哪里运行呢?
一般来说,企业很难自建数据中心,尤其对中小企业来说,建立大数据中心的成本非常高。因此,企业需要去寻求运营商、云服务提供商,或第三方代运营公司的帮助,亦或去寻求政府及区域产业集群的助力。
而且我认为,随着“数字化的基因”被植入到企业、产业的整个生命周期,以及相关利益相关方当中,我们要做的就是——寻求承载和发挥数字化运行力量的软硬件基础设施。
而能够生生不息承载动态变化的数字化运行力量,就是我国一直提倡的新基建,以及最近华为云提出的“产业云”。
其中,新基建承载数字化运行的基础硬件设施,为数据运行提供基础的运行底座;产业云则一方面帮助中小企业解决“上云难”的问题,来加快各个行业的上云进程,快速享受数字化红利;另一方面,产业云也可以为产业集聚带来有机分工和效率的提高,促进分布式的研发和创新发展,进而将数字化力量切实嵌入到区域和产业发展中去,最终提升整体经济运行效率。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。