第013期文化大数据政策及新闻简报
点击上方蓝字关注我们
河北区率先发布《河北区公共数据授权运营实施方案（试行）》
为深入贯彻落实习近平总书记视察天津并听取市委和市政府工作汇报时的重要讲话精神和党中央、国务院和市委、市政府关于数据要素发展的重要决策部署，依照《天津市公共数据授权运营试点管理暂行办法》（以下简称《暂行办法》）和市数据局的相关工作要求，新春伊始，河北区在全市区级层面率先发布《河北区公共数据授权运营实施方案（试行）》（以下简称《实施方案（试行）》）。
充分挖掘公共数据的价值是数据要素市场培育的重要方向，对数字经济发展与数字中国建设具有重大意义。日前，市政府办公厅印发了《天津市公共数据授权运营试点管理暂行办法》，为我市公共数据有效开发利用和数据要素价值释放提供了政策支持。河北区积极响应落实，加快探索符合我区发展实际的公共数据运营模式，培育繁荣有序的数据要素市场，组织制定《实施方案（试行）》，坚持以场景牵引和数字赋能为主线，以维护数据安全、保护个人信息和商业秘密为前提，安全有序推进公共数据授权运营工作，打造河北区公共数据授权运营实验样板。
为做好《实施方案（试行）》编制工作，我区扎实开展一系列调研，区主要领导带队赴上海数据集团、华为公司等考察，相关单位负责同志赴国家信息中心、北京理工大学走访学习，参考其他先行城市经验做法。组织华为、爱数、国信钧元、通讯运营商等多家企业座谈交流，广泛征求意见，完善方案，并率先发布实施。
《实施方案（试行）》聚焦推动数据要素产业高质量发展和保障数据安全有序流通，支持市场参与主体开放性和多样性，鼓励探索多元化利益分配方式，构建繁荣数据要素产业生态。同时，明确河北区公共数据授权运营工作专班管理机制、运营机构管理机制、运营平台管理机制，强化全生命周期数据安全合规监管。
下一步，我区将加快落实市委、市政府“三量”“三新”有关要求，高标准推进公共数据授权运营工作。一是开展授权运营机构遴选，面向社会公开征集，鼓励多元化市场主体参与，依法依规依照程序遴选符合申报要求、具备创新能力的运营机构，共同探索公共数据授权运营新模式、新场景、新应用；二是提升公共数据供给能力，依照《暂行办法》“市区联动”的工作思路，统筹调动市、区两级公共数据资源，有效汇聚市级行业公共数据和企业生态数据融合应用，服务具有重大经济价值和社会价值的应用场景；三是促进公共数据产品流通交易，围绕车联网、交通运输行业数据，实现公共数据交易，以市公共数据授权运营试点为契机，依托天津数据要素创新中心，打造更多公共数据典型应用场景案例，服务好全市十二条产业链；四是打造公共数据授权运营示范，加强数据安全合规保障，依托天津数据资产登记评估中心，探索公共数据登记评估，加快实现公共数据登记全区覆盖，为数据资产管理和转化打好基础。
未来，河北区将以更加主动的姿态、饱满的热情拥抱数据要素“新蓝海”，加速形成新质生产力，以数据要素赋能“十项行动”高质量发展。
（摘自：“数智河北”公众号）
省大数据局关于印发贵州算力券管理办法（试行）的通知
（《通知》详见附件）
点击文末阅读原文查看附件
（摘自：贵州省大数据发展管理局）
全国首单能源数据资产入表落地济南
近日，在济南市财政局、市国资委及市大数据局相关部门指导下，济南能源集团近期完成热网监测数据资产评估，实现供热管网GIS系统数据入表，成为济南市属企业及省内能源企业首单数据资产入表实践案例，也是公开入表案例里，首单能源数据资产入表案例。
通过对海量数据资源的梳理和分析，济南能源集团选取供热监测数据作为数据资产评估模型，以全资子公司济南热力集团有限公司为试点，高效完成了热网监测数据的采集、整合、建立模型等数据加工环节，确定数据资产信息属性及价值属性，分析权利类型，顺利完成了数据资产登记及市场价值评估工作，2024年2月实现齐鲁银行授信及提款，融资金额用于二期数据资源项目的实施，不仅有效盘活存量数据资产，提高资产使用效益，而且为数据资产市场化奠定了基础。
积极探索数据资产入表路径，能源数据资产成果落地。在热网监测数据资产评估的同时，济南能源集团研究选取供热管网GIS系统数据为数据资源入表项目，严格完成数据资产梳理与认定、内部立项、登记确权、合规评估、经济利益分析、成本归集与分摊等关键环节，最终实现供热管网GIS系统数据资源入表，准确估计和记录GIS系统数据资产的价值，全面掌握全市供热管线布局和运行状况，优化调度运行、降低运营风险、促进数据共享，为节能降耗、提高供热效率提供有力支撑。
数据资产，作为经济社会数字化转型进程中的新兴资产类型，已日益成为推动数字济南建设和加快数字经济发展的重要战略资源。2024年是济南能源集团“数据治理年”，企业遵循“顶层设计、层层分级、细化分解、标准统一”的数据治理原则，在夯实基础底座、优化系统建设、激活数据价值、拓展场景应用等方面持续发力，充分发掘优质数据资源，释放数据资产价值，推进数据资产全过程管理以及合规化、标准化、增值化，促进公共数据资产高质量供给，赋能实体经济数字化转型升级，共享数字经济红利。
（摘自：“数据要素社”公众号）
数据交易市场“开年第一红”，江苏（南京）数据交易所将设立
2月20日，南京市玄武区召开产业强区推进大会，贯彻落实省市“新春第一会”的工作部署。会上，玄武区政府发布了《关于数据要素产业创新发展的行动方案（2024-2026年）》（以下简称《行动方案》）等针对性强、含金量高的产业强区系列政策。
《行动方案》明确提出，南京市玄武区将积极申请设立江苏（南京）数据交易所。到2026年，玄武区数据要素产业规模力争达到200亿元，聚数据要素“链主企业”10家，成为江苏省乃至全国有影响的“数据要素产业引领区、数据跨境流通先导区、全球数商企业集聚区、数据场景应用示范区”。
近年来，南京市玄武区在数据要素产业上有众多布局，通过出台“数据要素产业10条”、培育“政产学研”产业生态，通过先行先试探索多样化、可持续的数据要素价值释放路径，积极建设江苏国际数据港，探索数据要素安全合规跨境流动，全面打造“全球数字服务商”集聚区。新的一年，玄武区将加快产业转型，特别围绕数据要素产业布局发力。在会发布的《关于数据要素产业创新发展的行动方案（2024-2026年）》明确提出，到2026年，玄武区数据要素产业规模力争达到200亿元，成为江苏省乃至全国有影响的“数据要素产业引领区、数据跨境流通先导区、全球数商企业集聚区、数据场景应用示范区”。《方案》明确了六大重点任务：一、优化数据要素产业发展空间布局。明确江苏国际数据港“1+N”产业发展定位，以徐庄高新区为核心引领，珠江路数字经济核心产业集聚区、新街口高端商贸集聚区、长江路文旅集聚区等各板块联动，形成错位发展、相互支撑的数据要素产业发展总体布局。完善数据要素基础设施。以“1+1+1”数字底座建设为重点，建设高性能算力平台、公共基础服务平台、数据交易区块链应用系统。二、打造全省首个数据跨境流通平台。引入上海临港新片区国家首批试点的规则优势和服务能力，针对全省制造业和外贸业数据跨境需求，打造跨境数据流通平台，在数据合规、链路、区域联动等方面为数据跨境流通提供全方位保障。建设数据交易平台。参照上海、深圳等地数据交易所先进模式，利用玄武区现有的技术产权交易金融牌照，与相关国企成立运营主体申请设立江苏（南京）数据交易所。三、建设数据交易平台。参照上海、深圳等地数据交易所先进模式，利用玄武区现有的技术产权交易金融牌照，与相关国企成立运营主体申请设立江苏（南京）数据交易所，并适时升格为省级数据交易所，建成后实现年数据交易额超1亿元。对于申请设立的江苏（南京）数据交易所，《方案》计划到2026年，挂牌数据产品达500个，服务数据供需主体2000家，建设创新型、标志性数据跨境流通场景30个、数据要素应用场景80个。到2026年，该区集聚数据要素“链主企业”10家、签约数商500家、数据类省级以上专精特新企业10家。四、发挥数据要素乘数效应。重点聚焦工业制造、绿色低碳、现代农业、商贸流通、文化旅游、科技创新、智慧交通等领域，充分发挥龙头企业的引领作用，推动数据要素产业深化发展。
五、梯次培育数据要素多元主体。大力培育一批覆盖数据供给、加工、治理、流通、交易、应用全生命周期的数据服务商，提升数据交易效率。发挥链主型企业牵引带动作用，引培数据要素产业领域专精特新企业，支持中小企业“上云用数赋智”，打造玄武数据要素产业企业集群。六、完善数据要素产业生态。依托国机数科、省智能网联汽车联盟、汇通达等头部企业，推进数据要素产业项目落地，最大程度汇聚数据要素；建设中国电子工业标准化技术协会数据评估培训基地，与工信部人才交流中心、英国标准协会等合作开展数据要素系列培训，集聚数据要素相关人才。会上，玄武区徐庄高新区还发布了《关于促进数据要素产业发展的政策意见》，区财政局介绍了《关于促进总部企业和总部楼宇发展的支持政策》，区商务局介绍了《关于推动跨境电商产业发展的支持政策》，区投促局介绍了2024年重点招商活动计划及《关于招商项目引荐人奖励的实施办法》等。据悉，2024年，玄武区将精心组织50场以上重点招商活动，围绕高端商务商贸、现代金融两大主导产业，新医药与生命健康、软件和信息服务业两大新兴产业，强化“走出去”“引进来”力度，瞄准产业新赛道全力以赴，服务重点载体链路发展，为产业强区奠定坚实基础。
（摘自：“数据要素社”公众号）
“数据要素×”，乘出新质生产力！
2023年12月31日，国家数据局等十七部门联合印发《“数据要素×”三年行动计划（2024—2026年）》；2024年1月5日，江苏省数据局正式挂牌，开启了省级数据管理机构“挂牌潮”……新年伊始，推动数据要素发展的浪潮奔涌。
随着数据乘数效应的加速释放，2024年，数据产业将不断加速成长，其催生的新业态将成为经济发展的新动力；数据赋能效应将加速释放，成为传统产业转型发展的驱动力量，数据也将从资源优势转变为竞争优势，驱动我国从“数据大国”向“数据强国”加速迈进。
数据要素体制机制将进一步完善
国家数据局成立后，我国数据要素基础制度加速构建。去年年底正式发布的《“数据要素×”三年行动计划（2024—2026年）》，标志着我国在数据要素市场建设方面，迈出了从宏观制度安排到具体行动举措的重要步伐。
随着行动计划的落地，相关制度规划也陆续密集出台。日前，财政部印发《关于加强数据资产管理的指导意见》，提出构建“市场主导、政府引导、多方共建”的数据资产治理模式，逐步建立完善数据资产管理制度，推进数据资产全过程管理及合规化、标准化、增值化。
在“数据二十条”的基础上，各地陆续出台地方版“数据二十条”，据不完全统计，目前已有11个省（区、市）发布了数据要素相关规定。北京侧重数据制度、标准和商业模式的创新以及应用场景“先行先试”，建设数据基础制度先行区；上海市提出打造国家级数据交易所，打造数据产业地标，建设“2+X”数据要素产业集聚区……各地因地制宜探索细化数据基础制度，抢占先机培育产业。
与此同时，数据管理机构改革也在提速，各地方数据管理机构先后成立，据不完全统计，截至1月26日，全国已有13个省市数据局挂牌成立，专门数据管理机构的成立，将推动数据资源流通更加顺畅，数据要素市场将得到长足发展，数据要素发展将从制度创新突破迈向成果加快落地的新阶段。
数据产业将加速成长 打造经济增长新动力
去年以来，国内数据要素交易机构发展如火如荼，数据交易规模不断创新高，规范高效的数据流通体系逐步清晰，百花齐放的数据要素业态不断涌现，数商企业复合年均增长率超过30％。随着数据要素市场化改革的不断深入，数据要素市场发展的步伐将进一步加快，根据国家工业信息安全发展研究中心预测，2022年至2025年，我国数据要素市场复合增速将达到28.99％。
数据产量达8.1ZB，位居全球第二。当前，我国已成为名副其实的“数据大国”，但仍存在数据供给质量不高、流通机制不畅、应用潜力释放不够等问题，2024年，这些制约数据要素市场发展活力的问题有望得到解决。
“数据要素×”三年行动计划提出，要培育一批创新能力强、成长性好的数据商和第三方专业服务机构，形成相对完善的数据产业生态，数据产业年均增速超过20％，数据交易规模倍增，推动数据要素价值创造的新业态成为经济增长新动力。
与此同时，各地陆续出台数据交易监管制度，对数据安全保护、数据共享、数据资产确认等内容进行规定，并提出新的发展目标。北京市提出，2030年数据要素市场规模达到2000亿元；上海市提出，到2025年数据产业复合年均增长率达15％，引育1000家数商企业。此外，人工智能、区块链等新技术新应用的发展，也给数据要素提出了新需求，将进一步刺激数据要素产业的成长。
数据赋能效应将加速释放 成为高质量发展重要驱动力量
从去年9月习近平总书记首次提出“加快形成新质生产力”，到中央经济工作会议提出“发展新质生产力”，我们已进入优化经济结构、转换增长动力的攻关期，智能化、数字化是新质生产力的重要特征，推动数据要素与技术、资金、人才等要素协同融合，已成为发展的关键。
培育数据驱动型产品研发新模式，开发虚实融合试验、智能无人装备等新型工业软件和装备；打造以数据和模型为支撑的农业生产数智化场景；打造集数据收集、分析、决策、精准推送和动态反馈于一身的闭环消费生态……2024年，数字技术融合应用的广度和深度将进一步拓展。“数据要素×”三年行动计划提出，到2026年底，数据要素应用广度和深度大幅拓展，在经济发展领域数据要素乘数效应得到显现，打造300个以上示范性强、显示度高、带动性广的典型应用场景。
研究表明，基于数据要素的分析和预测与生产率显著相关，对生产率水平的提升幅度为3.8％～6.7％。通过数字技术赋能传统产业和培育新兴产业，数据要素乘数效应将进一步推动新质生产力的落地。在工业制造、现代农业、商贸流通、交通运输、金融服务、科技创新等领域，典型示范性项目和成功案例的落地，将推动相关行业实现转型发展。随着数字化进程的不断深化，必然有更多的行业和领域成为数据要素应用的主力军，并涌现出更多的数字经济新业态、新产业。
2024年，“数据×”的新时代将全面开启，数据乘数效应的释放，将推动数据要素协同优化、复用增效、融合创新，促进新质生产力的发展，为高质量发展注入澎湃动能。
（摘自：“数据要素X工坊”公众号）
关于开展全国数据资源调查的通知（国数综资源﹝2024﹞5号）
各省、自治区、直辖市及计划单列市、新疆生产建设兵团数据管理机构、网信办、工业和信息化主管部门、公安厅（局），国家信息中心，各有关央企，各有关协会，各有关单位：为贯彻落实《数字中国建设整体布局规划》工作部署，摸清数据资源底数，加快数据资源开发利用，更好发挥数据要素价值，国家数据局、中央网络安全和信息化委员会办公室、工业和信息化部、公安部联合开展全国数据资源情况调查，调研各单位数据资源生产存储、流通交易、开发利用、安全等情况，为相关政策制定、试点示范等工作提供数据支持。现将有关事项通知如下。
一、调查对象
1.省级数据管理机构、工业和信息化主管部门、公安厅（局）。
2.各省重点数据采集和存储设备商、消费互联网平台和工业互联网平台企业、大数据和人工智能技术企业、应用企业、数据交易所、国家实验室等单位。
3.中央企业。
4.行业协会商会。
5.国家信息中心。
二、调查内容和方式
各单位登录全国数据资源调查管理平台（https://wenjuan.data-smp.cn），填报相关调查表。调查标准时点为2023年12月31日。
省级数据管理机构、网信办、工业和信息化主管部门
1.请省级数据管理机构、工业和信息化主管部门使用平台填报《省级政府公共数据资源调查表》（见附件1）。
2.组织本地区数据采集和存储设备商、消费互联网平台和工业互联网平台企业、大数据和人工智能技术企业、国家实验室等单位使用平台填报调查表（名单见附件2）。其中，国家实验室填报《国家实验室数据资源调查表》（见附件3），数据采集和存储设备商填报《数据采集和存储设备商数据资源调查表》（见附件4），平台企业、大数据和人工智能技术企业填报《平台和数据技术企业数据资源调查表》（见附件5）。
3.组织本地区重点数据交易所使用平台填报《数据交易所数据资源调查表》（见附件6）。
4.组织本地区重点企业使用平台填报调查表。其中，东部地区省份组织100强企业填报；中部及东北地区省份组织80强企业填报；西部地区省份组织50强企业填报。按照企业注册类型，数据采集和存储设备商填报附件4，消费互联网平台和工业互联网平台企业、大数据和人工智能技术企业等填报附件5，应用企业填报附件7。已列入附件2的企业无需重复填报。
5.各省级数据管理机构、网信办、工业和信息化主管部门应加强工作协同，负责联系、组织和协调相关单位开展数据填报。
（二）省级公安厅（局）
1.按照公安部的要求组织填报《省级政府公共数据资源调查表》（见附件1）。
2.按照公安部的要求组织填报《数据安全情况调查表》（见附件8），具体工作要求另行通知。
（三）央企
1.运营商使用平台填报《运营商数据资源调查表》（见附件9）。
2.其他央企使用平台填报《中央企业（运营商除外）数据资源调查表》（见附件10）。
（四）行业协会商会
1.请各行业协会商会业务主管单位或自律服务牵头单位组织相关行业协会商会使用平台填报《重点行业产品数据资源调查表》（行业协会商会名单及调查表见附件11）。
（五）国家信息中心
1.使用平台填报《国家各部门政府数据资源共享调查表》（见附件12）。
三、有关说明
1.请各省级数据管理机构、网信办、工业和信息化主管部门、央企集团、行业协会商会于2024年2月20日前，传真或电子邮箱反馈工作联系人信息（盖公章）至国家数据局数据资源司（见附件13）。各省级数据管理机构、工业和信息化主管部门的平台管理账号和密码将发送给工作联系人。
2.全国数据资源调查工作开展时间为2024年2月18日00:00至3月5日24:00。请相关单位在规定时间内登录全国数据资源调查管理平台（https://wenjuan.data-smp.cn）填报调查表。
联系人：
黄 洁 010-88686123
徐福龙 010-88685026
肖琳琳 010-89062317
平台技术支持：李清敏010-88684332 传真：010-68632953 010-89062324 电子邮箱：data_smp@163.com
（摘自：“国家数据局”公众号）
广东省高质量发展大会分论坛：省政数局局长杨鹏飞提出充分发挥数据要素优势，数字化赋能产业科技创新
创新是第一动力。面对高质量发展这一时代命题，广东应如何深入实施创新驱动发展战略，建设产业科技创新中心。2月18日下午，在广东“新春第一会”——全省高质量发展大会的创新驱动发展分论坛上，广东省政务服务和数据管理局党组书记、局长杨鹏飞提出，将以数字化抢占先机，持续释放数据要素对经济发展的放大、叠加、倍增作用。
杨鹏飞表示，广东2021年在全国率先启动数据要素市场化配置改革，探索建立管理与运营紧密融合的两级数据要素市场体系，经过两年来的实践，取得一系列成果，为数据要素赋能科技创新打下坚实基础。“站在推动高质量发展的新征程上，我们将继续发挥市场规模大、数据资源多、应用场景丰富、配套产业强、成果转化快等多重优势，推动数据要素与劳动力、资本等要素协同，提高全要素生产率，实现产业链、创新链、资金链、人才链深度融合，促进数据要素赋能实体经济，进一步提升产业科技创新能级。”杨鹏飞说。杨鹏飞提出，将持续推动高标准数据要素市场体系建设。加快推动公共数据合理高效开放共享和开发利用，提升高质量数据供给力度。充分发挥广州、深圳数据交易所协同优势，促进数据合规高效流通交易，增强产业科技创新的数据要素保障能力、培育壮大产业发展新动能。此外，还要发挥数据要素乘数效应。推动数据要素赋能千行百业，培育面向重点行业应用场景的数据新产品和新服务，促进数据、技术、场景深度融合，提升传统产业跨场景、跨行业协同创新水平，推动科技创新效率提升，催生新业态、新模式，建立更高质量更可持续的产业竞争新优势。同时，要打造数据要素创新生态。支持条件成熟的地市建设数据要素集聚区，大力培育数据要素型企业，培养一批有创新能力和市场影响力的数据经纪人、数据商和第三方专业服务机构，更好服务产业生态和科技创新。加快大数据人才职称体系建设，强化企业创新主体地位，激活各类市场主体创造力，培育富有国际竞争力的数字产业集群，为产业发展营造良好环境。杨鹏飞提出，要抢抓数字化发展机遇谋产业创新突破。围绕“数字湾区”发展、“数字低空”建设、城市数字化转型等重点工作，探索粤港澳大湾区“数据特区”建设发展新范式，推进低空经济发展全面破题。在更高起点谋划数字广东建设，以数字化创新驱动高质量发展，打造经济新增长点。
（摘自：“广州信息协会”公众号）
北京大学重庆大数据研究院召开2024年战略发展研讨会
为更加有效推动科技创新增势赋能，深入落实重庆市“416”科技创新战略布局，持续增强科创平台实效，进一步推进产业技术创新和科技成果转化，2月17日，北京大学重庆大数据研究院在北京大学静园召开2024年战略发展研讨会，讨论部署了研究院进入新发展阶段的主要思路和重点任务。
北京大学数学科学学院党委书记、研究院院长胡俊主持会议，研究院副院长周晓华、李若、王涛、黄文彬，北京大学中国社会与发展研究中心主任邱泽奇教授，重庆国家应用数学中心主任杨新民教授，北京大学王选计算机研究所邹磊教授，各实验室负责人陈钟教授、刘云淮教授、胡波教授、卢朓副教授、吴金彪副教授、王冉冉助理研究员，以及重庆高新区科技创新局副局长邓松，北京大学大数据分析与应用技术国家工程实验室综合管理部部长董盼，研究院院务会副秘书长程飞等参加会议并作研讨交流。
胡俊院长介绍了研究院目前的运营情况和召开本次研讨会的主要目的。他指出，三年以来，研究院于探索中前行，坚定不移推进“人才立院”、毫不动摇坚持“科研强院”，始终如一践行“合作兴院”、满怀信心探索“文化荣院”，构建起“三位一体”的创新转化模式，初步打通数学学科从基础研究到落地应用的全链条。他以“笃行不怠”为关键词，全面系统地总结了研究院2023年在平台建设、科研创新、成果转化、赋能地方与品牌宣传等方面所取得的工作成效，并表示2024年是研究院发展的关键之年，希望大家踊跃发言积极献策，共同开创研究院发展新局面，推动研究院高质量发展迈上新台阶。
参会人员围绕研究院下一阶段发展目标和定位、应用型高级人才队伍建设、加速科技成果转移转化等议题进行了充分交流，并紧密联系工作实际，在思维碰撞中明晰了接下来工作的目标思路。一是要明确战略方向凝集共识，充分利用好研究院扎实的发展基础和新重庆建设中干事创业的重大场景和重大机遇。二是要优化资源配置提高效率，加大科技创新力度，打造高水平创新平台，培育高水平创新团队，形成高水平创新成果。三是要坚定不移推进人才立院战略，引育高端人才激发创新活力，有效链接北京大学基础研究资源，完善拔尖创新人才、应用技能型人才相互衔接的有组织人才培养体系，推动人才汇聚兴院强院。四是要深化成果转化赋能地方，以科技企业为载体，以创新产品为抓手，以市场化发展为目标，不断延伸产业链条，将更多创新成果应用到产业和产业链上，以科技创新赋能地方经济社会发展。
新春伊始，万象更新。此次研讨会的顺利召开起到了集思广益、凝聚共识的良好效果，为研究院的可持续发展指明了战略方向。研究院将以此次会议为契机，立足创新、聚焦转化，全力打造创新链、产业链、资金链、人才链融合发展的创新生态，努力在新征程上再立新功、再创佳绩，助力重庆加快建设具有全国影响力的科技创新中心，加快形成西部人才中心和创新高地，为推动现代化新重庆建设作出新的更大贡献。
（摘自：“北京大学重庆大数据研究院”公众号）
数字化新优势，领航大湾区服务贸易
近年来，全球服务贸易增长迅速，成为全球经济和贸易复苏的强劲动能。我国服务贸易在全球服务贸易中占据重要地位，是推动外贸增长的重要力量。中央经济工作会议指出，必须坚持依靠改革开放增强发展内生动力，统筹推进深层次改革和高水平开放，不断解放和发展社会生产力、激发和增强社会活力。会议强调，要加快培育外贸新动能，巩固外贸外资基本盘，拓展中间品贸易、服务贸易、数字贸易、跨境电商出口。
服务贸易是国际贸易的重要组成部分，服务业是国际经贸合作的重要领域。接下来，要加快培育服务贸易数字化新动能，推动数据基础制度先行先试改革，促进数字贸易改革创新发展。
粤港澳大湾区应更好引领服务贸易数字化
服务贸易的快速发展与我国数字经济、数字贸易的发展是分不开的。数字化转型是推动服务贸易规模扩大、结构优化、高质量发展的重要抓手。随着数字经济蓬勃发展，以数字订购与交付为交易方式、可数字化服务为交易内容的服务贸易得到了稳定增长。据《中国服务贸易发展报告2022》，2022年，中国可数字化服务进出口3727.1亿美元，同比增长3.4%，占服务进出口的41.9%。其中，可数字化服务出口和可数字化服务进口分别为2105.4亿美元和1621.7亿美元。数字化转型对服务贸易增长的作用在全球服务贸易中也有所体现。WTO数据显示，2022年全球6.8万亿美元服务贸易额中，数字交付的服务出口额为3.8万亿美元。全球服务联盟发布的《全球服务贸易创新趋势报告2022》指出，90%以上的服务贸易企业正在开展数字化转型。数字化转型能够使原来无法贸易的服务内容实现国际贸易和交流合作，从而大大增强了全球服务贸易的活力与韧性。
2022年1月，广东省人民政府发布《广东省推动服务贸易高质量发展行动计划（2021—2025年）》，提出推动粤港澳大湾区建设全球贸易数字化领航区，推动贸易磋商、贸易执行和贸易服务等重点贸易环节数字化。2023年4月，国务院办公厅发布《关于推动外贸稳规模优结构的意见》，指出支持粤港澳大湾区全球贸易数字化领航区发展，加快贸易全链条数字化赋能，充分发挥先行示范效应，适时总结发展经验。粤港澳大湾区作为我国重要的城市群、对外开放的前沿，是我国经济最具活力、开放水平最高的区域之一。粤港澳大湾区具备天然的地理区位优势和遍布全球的商业网络，集聚众多高校、研究机构和科创企业，为全球数字化时代的科技创新和新兴产业发展提供了理想的空间载体。
粤港澳大湾区全球贸易数字化领航区建设以贸易主体数字化转型和贸易全流程数字化赋能为主线，锚定两个阶段性目标，实施六大工作任务：推动贸易主体数字化转型，加快贸易全链条数字化赋能，发挥贸易新业态数字化引领作用，提升服务贸易数字化水平，完善贸易数字化公共服务体系，推进贸易数字化治理体系创新。启动全球贸易数字化领航区建设以来，大湾区在加快服务贸易全链条数字化赋能和促进服务贸易高质量发展方面取得了积极成效。
一方面，数字贸易发展迅速。数字贸易是服务贸易的重要内容，在服务贸易中占有重要地位。近年来，广东数字贸易发展迅猛。从贸易总额来看，2017-2022年，广东省数字贸易进出口额从438亿美元增长至821亿美元，占全省服务贸易进出口总额的比重为51.75%，数字服务进出口占全国20%。近年来，广东省数字贸易进出口额增速均高于服务贸易年均增速和货物贸易年均增速。从贸易内容来看，数字贸易内容分布广泛，融合了信息技术和文化创意产业的网络游戏、数字娱乐、远程教育等，均已形成较大产业规模。截至去年11月，在基地建设和企业培育方面，广东省拥有100家数字贸易领军企业，累计认定8家省级数字服务出口基地。广东省推动天河中央商务区等国家数字服务出口基地加快建设，并支持广州、深圳建设跨境电商国际枢纽城市，深化服务贸易创新发展试点建设。同时，华为、腾讯、中兴等数字贸易龙头企业不断发展壮大，助推粤港澳大湾区数字贸易快速发展。
另一方面，传统服务贸易供应链数字化进展加速。通过新技术、新服务和新场景的创新和应用，粤港澳大湾区不断促进传统服务贸易实现数字化改造，在贸易磋商、执行、服务等重点环节加快了数字化进程。在贸易供采对接方面，全球贸易数字化领航区在建10个外贸数字化公共服务平台，已建成运行6个市场采购贸易联网信息平台。在物流运输方面，国际贸易“单一窗口”实现海关、检验检疫、边检、税务、外汇等监管部门数据共享。在结算方面，粤港澳大湾区金融互联互通和一体化程度加深，“跨境理财通”业务试点进一步优化。此外，粤港澳大湾区涌现出许多数字贸易服务平台，这些平台也在一定程度上促进了传统服务贸易企业的数字化转型。例如，广州汇量科技有限公司依托高效的算法引擎为服务贸易企业出海提供服务；珠海横琴数字贸易国际枢纽港通过为中小企业提供一体化、全球化和数字化的综合交易服务，以数字贸易带动服务贸易数字化升级；粤港澳国际供应链有限公司的DSTP（数字贸易服务平台）通过搭建互联场景、为企业提供数字服务，帮助企业在数字场景下创新融资、结算、通关、销售等新模式。
进一步推动粤港澳大湾区服务贸易数字化转型
粤港澳大湾区全球贸易数字化领航区的发展为我国服务贸易数字化转型提供了示范作用。总结大湾区服务贸易数字化发展经验，能为我国服务贸易全链条数字化转型和服务贸易高质量发展提供可资借鉴的思路。
一是积极推动数字贸易发展。随着全球经济的不断发展、数字技术的迅猛进步以及信息通信技术的普及，数字贸易已成为世界服务贸易发展的重要趋势，有望推动服务贸易行业向前跨越。数字贸易的发展为服务贸易提供了更多的机遇。在传统的服务贸易中，跨境交易和国际合作可能受限于地理位置和物理存在，而数字贸易通过互联网和数字平台为服务提供商和需求方之间的合作提供了更广泛的可能性。这意味着各种服务，如咨询、软件开发、教育、医疗保健等，可以数字形式跨越国界进行贸易。这不仅为服务供应商提供更多的全球市场机会，也让需求方获得更多样化、高质量的服务。因此，各地应培育一批数字贸易重点企业，通过数字贸易赋能服务贸易高质量发展。
二是促进传统服务企业的全链条数字化转型。从生产环节来看，可通过建立数字化创新基金等方式为传统服务提供财政支持，鼓励企业采用新的数字技术和工具。从服务贸易的交付环节来看，鼓励传统服务企业采取远程工作和在线办公，支持服务交付的数字化，为员工提供数字化培训和技术支持。在支付环节，鼓励传统服务企业采取数字支付等手段进行跨境结算。在反馈环节，服务供应商通过数字平台、在线支付、大数据分析和云计算等技术，更高效地管理和提供服务，并鼓励服务需求方通过在线平台获取服务、评估质量，建立数字化反馈和磋商机制。此外，通过数字化转型促进文旅深度融合，借助数字化全链条生产模式，进一步扩大文创产品的生产和出口。在继续促进知识产权服务等出口的同时，也要支持包括中医药服务、语言服务等的出口，建设各类特色服务出口基地。
三是积极对接共建“一带一路”倡议。粤港澳大湾区正在与共建“一带一路”国家深度融合，携手各大湾区城市迈向更广领域、更深层次、更高水平的合作。积极对接共建“一带一路”倡议，更好地拓展全球服务贸易市场，为服务贸易全链条数字化转型提供更多的机会。在数字基础设施建设方面，应加大对共建“一带一路”国家的数字基础设施投资，并鼓励国际组织提供更多资金和技术支持，通过5G网络和数据中心等的建设，支撑全链条服务贸易数字化。在跨境数据流动方面，一方面，可以与共建国家签署数据流动协议，进一步促进跨境数据流动；另一方面，要明确数字化服务贸易的法律和贸易政策、标准，确保数据隐私和网络安全。在人才培养方面，可与共建“一带一路”国家共同培养更多数字化人才，如数据分析、人工智能和网络安全等领域专业人员。此外，双边可共同推进构建服务贸易数字化国际规则，在数字化服务贸易规则、电子交易框架、电子支付等方面进行更多交流。还可通过共建数字平台的方式，为共建“一带一路”国家提供服务贸易供应商等相关信息，分享粤港澳大湾区全球贸易数字化领航区建设实践经验。
（摘自：中工网）
湾区数据沙龙（第13期）暨开放算料联盟第一次工作会议举办，共建共商促进湾区数字经济发展
2024年2月19日，为贯彻落实《数字中国建设整体布局规划》工作部署，摸清数据资源底数，加快数据资源开发利用，更好发挥数据要素价值，国家数据局、中央网络安全和信息化委员会办公室、工业和信息化部、公安部联合开展全国数据资源情况调查，调研各单位数据资源生产存储、流通交易、开发利用、安全等情况，为相关政策制定、试点示范等工作提供数据支持。
自2023年起，深圳数据交易所（以下简称“深数所”）开始致力于发展以数据为核心的人工智能产业。2023年7月26日，深数所联合近50家单位成立“开放算料联盟”，围绕高质量中文训练数据和多模态训练数据，协调数据要素、数据治理、训练数据、数据标注、合成数据等相关标准制定，协助数据交易所增加大模型相关的新品类和新专区。
2023年11月17日高交会期间，在中国（深圳）数据要素产业创新大会数据要素赋能人工智能产业创新平行论坛，为破解人工智能发展“寻数无门、数不保质”的难题，由深数所和中国信息通信研究院（以下简称“信通院”）人工智能研究中心联合牵头，依托中国人工智能产业发展联盟数据委员会，正式启动《粤港澳大湾区大模型数据资源地图》研究与报告编制工作，汇聚数据提供方、模型开发方、数据加工方等企事业单位主体，与开发算料联盟成员单位携手努力，共同承担破解产业“寻数无门、数不保质”的重任，提高企业人工智能数据质量管理、开发维护、开放共享、资产管理等能力，推动人工智能和数据的“飞轮效应”。会上，深数所发布了粤港澳大湾区大模型数据地图V1.0版本。
2024年1月27日，由深数所主办，腾讯科技（深圳）有限公司（简称“腾讯公司”）承办的湾区数据沙龙（第13期）暨粤港澳大湾区开放算料联盟第一次工作会议在腾讯滨海大厦成功举办。本次会议旨在积极响应国家人工智能发展战略，围绕人工智能产业数据流通特征，聚焦算力、数据、模型、应用打造人工智能全链条服务体系，助力人工智能产业高质量发展。会议出席人员线上线下逾百人。
深数所生态发展负责人李东阳、腾讯公司数据隐私部负责人王小夏分别做欢迎致辞，深数所人工智能行业主管王吴越介绍了深数所在数据要素与人工智能融合发展领域的布局。会上，李东阳向腾讯公司授予“开放算料联盟副秘书长单位”，腾讯公司知识产权部标准中心高级总监梅述家代表参与授牌仪式。
会议启动了《粤港澳大湾区大模型数据资源地图2.0》编制计划，信通院人工智能研究中心人工智能数据研究员燕江依表示，随着算法、算力、数据基础的不断夯实，人工智能技术底座不断夯实，大模型及AIGC迎来爆发式增长，人工智能迈出了走向通用人工智能的关键一步。高质量、大规模、多样化的数据已经成为人工智能发展的关键战略要素，当前，金融、政务、文献出版、医疗、能源、汽车等行业领域拥有大量场景化数据资源，但分布分散，未形成清晰的可用于大模型训练的数据集资源地图，且缺乏有效治理手段，难以达到可用于模型训练的数据质量要求。
腾讯公司运营管理部总监董奕做了主题为“腾讯数据共享与管理实践”的精彩分享，重点介绍了腾讯在AI数据统筹管理和合规评价的工具和机制，并愿意将腾讯的良好实践推广应用到整个湾区市场里面，为数据行业带来更大的活力。
数据堂（北京）科技股份有限公司（简称“数据堂”）高度认可本次LLM业内技术交流会议，展示了大量高质量无监督学习数据集、监督微调数据集、平行翻译数据集、AIGC多模态数据集；具有领先的数据采集/标注工具及提供数据采标定制服务；具备成熟的数据安全管理机制。数据堂表示业务发展上将继续聚焦AI数据领域，欢迎更多合作伙伴共同拥抱新趋势，拥抱变化，展望下一个十年。
北京瑞莱智慧科技有限公司（简称“瑞莱智慧”）在活动现场展示了生成式人工智能内容检测平台DeepReal、基于垂直领域大模型的政策应用助手等多款产品。同时提到数据不仅是人工智能的燃料，更是人工智能竞争的关键要素。瑞莱智慧在创业初期，就已将数据质量和数据安全作为探寻安全通用人工智能的重要基石，针对通用大模型的安全性问题构建了高质量数据集。该数据集经过数十位价值观领域的专家论证，以确保输入的数据无误，质量高且领域多元。接下来，瑞莱智慧还将持续在高质量数据集提供、数据安全保障等方面潜心耕耘，不断提升技术和服务能力，为数据要素价值释放保驾护航，更好助力数据流通，与合作伙伴共同推进数据要素发展的可持续探索。
苏州柏川数据科技有限公司（简称“柏川数据”）市场品牌部负责人田扬表示，粤港澳大湾区作为国家的经济增长极和创新高地，其数据资源的整合与开放至关重要。作为数据市场的重要参与者以及深耕AI智能数据服务的解决方案专家，柏川数据将基于在数据领域沉淀的专业AI工程化能力，以开放共赢的积极性，探索数据的深层次应用，促进数据的共享与流通，进而推动包括大模型、自动驾驶等人工智能多种应用场景的的蓬勃发展。
作为业内先驱倡导者，开放算料联盟集结了来自协会、学会、大学、智库、企业等方面的近50家发起机构，在数据要素和大模型训练数据方面凝聚开放共识，共同倡导、整理、贡献自然语言、图像视频、语音音乐、程序代码、生物信息、合成数据等多模态训练数据，为解决人工智能和数字经济的数据荒问题，特别是解决多模态数据荒、中文数据荒、中国文化、中国价值观数据荒等问题提供强有力供给保障。现开放算料联盟欢迎各类公司、科研机构、事业单位加入，响应国家数据局数据资源普查工作，协助完成《粤港澳大湾区大模型数据资源地图2.0版本》编制。
（摘自：“深圳数据交易所”公众号）
Sora爆火！人工智能将如何改变世界？
近日，美国开放人工智能研究中心OpenAI发布首个视频生成模型“Sora”。该模型通过接收文本指令，即可生成60秒的短视频。而一年前，同样是这家研究中心发布的AI语言模型ChatGPT，让文本撰写和创作、检查代码程序等都变得易如反掌。
AI聊天、AI绘画、AI音乐……随着一系列AIGC（利用人工智能技术生成内容）相继问世，让众人直言对现代社会生活产生颠覆性影响的“AI革命”正式来临。
AI究竟有哪些“本领”？为何它每一次迭代升级都能引发全球热议？
生成式AI可将输入内容变成小说、电影、艺术作品
谷歌公司旗下的人工智能模型“巴德”，可以根据你输入的多个词语迅速生成一篇短篇小说或诗歌。
今年2月，谷歌公司宣布“巴德”更名为“双子座”（Gemini）。这是一款多模态大模型，可理解和组合文本、代码、音频、图像和视频等不同类型的信息。
“巴德”用几个月的时间阅读互联网上几乎所有内容，并开发大语言模型，给出的答案就来自语言模型而并非网络搜索。
DALL-E可以把你输入的任何内容变成艺术作品。
为了训练DALL-E，研发公司为它提供了约6亿张来自互联网的标签图片。通过深度学习，它不仅可以理解单个物体，还可以学习不同物体之间的关系。
利用Runway，你在几秒钟内就能生成平时需要数日才能完成的视觉效果。
该公司创始人巴伦苏埃拉直言，有了生成式AI的加持，未来电影制作的门槛和成本将大大降低。
生物医疗、无人驾驶、气象预报……
AI技术市场规模巨大
除了在艺术创作领域，AI技术在医药领域、城市服务、气象预告的应用也十分值得关注。1月29日，美国知名企业家马斯克表示，他旗下的脑机接口公司“神经连接”完成首例脑机接口设备人体移植，移植者状态良好。据悉，这项技术是完全可植入的，由电池供电且是无线，全程通过蓝牙连接。
清华大学官网1月30日发布消息，该校医学院脑机接口研究团队与首都医科大学宣武医院联合，于2023年10月成功进行全球首例无线微创脑机接口临床试验。这位因车祸造成脊髓损伤、四肢瘫痪14年的患者，经术后三个月康复训练，已实现自主喝水等脑控功能，抓握准确率超过90%。
虽然脑机接口技术依旧面临许多挑战甚至质疑，但毋庸置疑的是，人工智能在医疗领域，特别是根据医学影像进行诊断方面取得显著成就。目前，美国食品和药物管理局已批准约420种涉及成像的算法，主要用于癌症治疗。这些算法的准确率可达80%至90%。除了医学领域，生成式AI也将更广泛参与到城市公共服务、气象预报实践中。库马尔是印度的一名卡车司机。他在高速公路跑车时，一个往返就是60小时，长时间疲劳驾驶很容易发生交通事故。如今，他的工作旅途中多了一个“不会说话”的小伙伴，随时提醒他避免疲劳或注意车距。这是一台集合AI和计算机视觉驱动技术的终端设备。朝向外的摄像头可以测算车辆和其他物体间的距离关系。朝向司机的摄像头则会监控司机的行为和状态，如果司机打电话或者昏昏欲睡，设备就会提醒司机注意正确驾驶。
2023年7月，华为云盘古气象大模型正式上线欧洲中期天气预报官网，让世界看到中国大模型破解气象领域难题的能力。世界银行估计，改进天气预报和早期预警系统每年不仅可带来价值1620亿美元的收益，还可以挽救约23000人的生命。
此外，目前AI人工智能在促进教育公平，应对老龄化社会方面也发挥着越来越重要的作用并形成巨大的市场规模。据彭博社预计，生成式AI的市场规模将在2032年扩大至1.3万亿美元。
AI生成欺骗性内容干扰选举或在国家大选期间制造混乱
AI技术带来许多新机遇的同时，也不可避免造成前所未有的挑战和隐患。其中，人工智能生成欺骗性内容干扰选举被认为是全球面临的重要挑战。当地时间1月23日，2024年美国总统选举共和党党内初选在新罕布什尔州举行。在此之前，很多美国选民都表示，自己接到一通“来自美国总统拜登的电话”。
这通电话以拜登的口头禅“真是一派胡言”开头，建议选民不要给特朗普投票，而是把选票留到11月大选时投给民主党。随后，白宫新闻秘书皮埃尔澄清说，这是一则伪造的电话录音。分析人士担心，在美国选民容易受到错误信息影响的当下，人工智能可能会在大选期间制造出更多混乱。据不完全统计，2024年全球将有70多个国家或地区举行重要选举，覆盖超过全球半数人口。在刚闭幕的第60届慕尼黑安全会议上，全球多家科技企业就签署协议，承诺将在2024年打击旨在干扰选举的人工智能滥用行为。
人工智能的应用方式要充分遵守伦理规则
工业和信息化部赛迪研究院数据显示，2023年，我国生成式人工智能的企业采用率已达15%，市场规模约为14.4万亿元。制造业、零售业、电信行业和医疗健康等四大行业的生成式人工智能技术的采用率均取得较快增长。
专家预测，2035年生成式人工智能有望为全球贡献近90万亿元的经济价值，其中我国将突破30万亿元，占比超过四成。
如何看待未来人工智能的发展？
中国互联网协会副理事长、伏羲智库创始人李晓东分析，人工智能经历六七十年的发展，目前被广泛应用到科技创新、文化产业和工业制造等领域。算力提升和成本降低，也让通用人工智能来到普通百姓的身边。
可以预见在不久的将来，人工智能将无处不在，推动信息化技能从数字化、网络化，全面进入到智能化时代。“很快我们将不再讨论人工智能，因为人工智能已经融入到生活中，无处不在。”李晓东说。
从某种意义上讲，对人工智能的利用将会在国家之间、机构之间，甚至包括人与人之间形成新的代差和新的数字鸿沟，并推动人类从农业文明、工业文明走向数字文明。因此能否充分学习和利用人工智能会对人类产生分化，甚至对人类文明产生巨大影响。
AI快速发展，监管将面临哪些挑战？
李晓东表示，“数据获取+应用方式”是AI监管的两大问题。合理合法获取数据对人工智能至关重要，人工智能的应用方式也要充分遵守伦理规则。这两个核心问题如果处理不当，将会严重影响人工智能的发展和利用。从数据获取方面看，采集和获取不仅涉及到数据的产权问题，还涉及到国家安全和个人隐私。如何合理合法获取数据，对于人工智能至关重要。此外，如何有效联通数据故障，促进数据交换共享，提升数据之间的互操作能力也是人工智能的治理重点。否则，没有持续数据支撑的人工智能发展将会严重受损。
从人工智能的应用方式来看，人工智能以前所未有的方式展现其强大的信息处理能力，其本质是提升人类对信息的利用效率和效果。而人类社会有其基于特定国家和文化的法律法规和道德约束，人工智能发展也要充分遵从法律法规和道德伦理。目前，部分人工智能技术确实对传统道德伦理及既定法律法规产生冲击，并产生全球性新的伦理规范和规则。而在规则规范形成过程中，要保持积极互动跟踪，推动伦理规范和全球规则朝着向上的轨道前行。
（摘自：“新闻联播”公众号）
大数据技术的突围和战争
十年的轮回，正如大数据的发展一般，它既是一个轮回的结束，也是崭新的起点。大数据在过去的二十年中蓬勃发展，从无到有，崛起为最具爆炸性的技术领域之一，逐渐演变成为每个企业不可或缺的基础设施。然而，在这个时刻，我们不禁要问：当前的大数据架构是否已经趋于完美？2023年，伴随着人工智能的跃变式爆发，数据平台将如何演进，以适应未来的数据使用场景？
这并非简单的问题，更是一个关乎企业生存与发展的命题。在过去的十年中，我们目睹了Spark、Flink和Kafka等系统的崛起，它们成为大数据领域的支柱。然而，现在是否有新的力量崭露头角，希望挑战它们的地位？2023年，大数据领域有哪些实质性进步吗？
在2023年年终盘点之际，InfoQ有幸采访了大数据领域的资深专家，包括关涛、李潇、王峰（莫问）、吴英骏、张迎（按姓名拼音排序）。他们共同探讨了数据堆栈技术的演变过程，深入剖析了技术快速演变所带来的挑战。在这次专访中，我们将揭示技术变革的背后原因和逻辑，为大家呈现大数据领域的现状以及未来可能的发展方向。
突如其来的革新和质疑？
流存储Kafka诞生在2011年，而流计算Flink到今年也刚好满了十年。
十年前，软件范式是利用虚拟化技术来发挥硬件性能。此外，云服务也只是刚刚兴起，存算分离等云原生概念尚未普及。
如今时过境迁，一切都在快速变化。当今的应用程序每天可以处理多达数万亿个事件，维护数TB的数据。硬件的迭代速度飞快，相对十年前的SSD，NVMe速度提升十倍，价格也降至原来的20%。S3越来越多地被用作基础设施服务的核心持久层，而不仅仅是作为备份或分层存储层，例如Snowflake、Databricks等。
对象存储是云时代的产物，支持原始数据存储、分布式可扩展、高灵活性、低价，都是对象存储之所以被选择的原因。可以预计在未来会有更多的数据业务完全基于对象存储而构建。
--2021年，滕昱《使用对象存储，数据湖才能重获新生》
能否跟上硬件迭代速度，这是Kafka这样的成熟且架构已经定型的软件所面临的最大挑战：拥有众多用户，因此每个改动都需要花费更多的时间和精力去验证合理性，大大拖慢了迭代速度。
这也给一些初创公司带来了巨大的机会：不需要用分层架构去实现存算分离，而是干脆用更加极端点方式去做存算分离，即直接建立在S3对象存储之上。
基于对象存储的构建也大大降低了构建新数据系统的门槛，催生了一系列这样的“垂直”基础设施初创公司：今年诞生的兼容Kafka的WarpStream、AutoMQ，去年拿到A轮融资的NeonDatabase、流数据库RisingWave，等等。
然而S3虽然价格便宜，能省成本，但高延迟是一个问题，数据系统构建者需要费点周折才能处理好需要低延迟的工作任务。恰好在今年底，AWS发布了S3ExpressOneZone，一种新的低延迟S3存储类别，可以说是在正确的时间提供了正确的技术（目前价钱昂贵）。
推动数据库和数据产品发展的主要因素主要有两方面。一方面是数据本身，另一方面是硬件的发展。S3是硬件层面的变化，这势必会给大数据领域带来巨大的变革。
众所周知，在数据库的历史上，每次存储介质的变化都会引发软件的变革。
--2023年，曹伟《数据库的下一场革命：进入对象存储时代》
“低延迟S3的发布，对于我们这些从事数据基础设施业务的人来说，这是今年最大的一个新闻。”RisingWave（http://risingwave.com）创始人&CEO吴英骏认为。
如今的大数据技术栈是真的难用吗？
站在当前的时间点，对于大数据系统的易用性问题，采访嘉宾给出了“不够好”、“不够便宜”，“太过复杂”的评价，可以说当今的大数据技术栈是公认的“难用”。
大数据架构在过去漫长的20年里经历了从场景到系统的完整迭代。
大数据的起源可以追溯到谷歌的MapReduce框架，这标志着大数据的最初阶段。在此之前，数据库方面主要有一些顶级产品，如Oracle、SQLServer和IBMDB2。Google提出了一个通用的、折中的方案，即不必购买Oracle、DB2或MicrosoftServer，使用简单的模型让大规模并行计算在拥有大量普通计算机的科技企业中变得可行：利用MapReduce，不使用数据库，就能完成大数据计算，只不过用户需要去承担这些复杂性。
这里还有个大家可能忘却的典故：数据库专家DavidDeWitt与MichaelStonebraker（同样是图灵奖获得者）在2008年发表了《MapReduce:Amajorstepbackwards》，对MapReduce进行了批评，称其为开历史倒车。
要充分利用这些资源，MapReduce提出的方法是，将底层编程接口封装成Map和Reduce函数之后，便直接暴露给有编程经验的用户，让用户自己实现具体业务逻辑，并自己可以操控程序并行度等细节。用户不再是使用SQL，而是使用C或Java等编程语言，需要承担编写底层代码的复杂性，处理更多的编码工作，这也意味着很高的学习壁垒，让许多人望而却步。
在这期间，批处理和流处理在Spark和Flink的引领下率先成熟。
近几年，交互分析，也称直接在线服务能力（OperationalAnalytics）随Clickhouse等通用实时数仓流行，并已是事实上完成主流客户的部署。随流、批、交互三类计算场景成为标配，Lambda架构也成为（国内的）事实标准。Lambda架构能够满足客户场景上的诉求，最大的缺陷就是复杂：数据开发、组件运维、数据管理均复杂。
毕竟并不是所有公司都跟Google、Facebook或Twitter这样的大型科技公司一样，拥有强大的工程团队，能够管理复杂的流处理系统来实现他们的需求。也并不是所有用户都像阿里和拼多多这样有着非常大的数据量，复杂的分布式系统阻碍了十几或几十个人的小公司或一些传统企业的采用，对它们来说，这是一件成本高、挑战大的事情。
吴英骏认为，大数据架构里，如流处理，应该回归第一性原理了。
“现在的系统，诞生于十年前，与当下云时代设计的系统相比，从本质上来说肯定是不同的，这表明大数据生态在这十年间并没有取得实质性进步。”
“在当前时刻，我们再设计这个系统时，肯定会思考能否基于现有系统实现性能提升。”
语言层面，新系统需要提供一个更高层次的语言，比如SQL或Python。另外，云上最核心的一个点在于“存算分离”，站在现在这个时间节点上，新一代的系统从设计上的第一天开始就应该是“存算分离”的。跟分级存储架构不一样，现在的系统可以将所有数据直接放到S3，而不仅仅是将历史数据放到S3，那么这样就可以更加极端的去实现存算分离，设计、实现和运维自然都会更加简单。
RisingWave于2023年6月发布了1.0稳定版本，并通过数月的大量性能测试，得出了“比Flink快10倍”的结论。
“性能比较不是关键，易用才是关键。基于对象存储并能在性能和效率方面取得提升，那肯定是因为整体基础架构正在发生变化，这是一个核心点。”
以Spark社区为例看易用性进展：从Python到AI
“简单易用”同样是Spark社区的主要发力重点。在Databricks今年的DataandAISummit主题演讲中，ReynoldXin谈及了三个Spark社区在易用性的最新进展。
首先，需要提供一套简单好用的API。Python和SQL已经成为了整个数据处理行业的主流语言。在过去几年，Python已成为TIOBE指数显示的排名第一的编程语言，这种受欢迎的原因来自于它的简单性和易学性，使其成为初学者和专家的首选语言。Python的广泛库和框架简化了数据分析和机器学习中的复杂任务。各大数据系统都提供了它自己的PythonDataFrameAPIs。PySpark的PyPI下载量（https://pypistats.org/packages/pyspark）仅在2023年最后一个月就达到了来自169个国家的2800万次下载。为了方便pandas用户，PySpark也提供了pandasAPI的支持。可以说，API的简单易用已是大势所趋。特别值得一提的是，即将发布的Spark4.0版本中，一个全新的Python的数据源接口被特别设计来强调易用性。这一更新将使Python用户更加轻松地创建和管理自己的数据源，进一步增强Spark平台的用户友好度和灵活性。
Spark社区在这方面继续发力，过去一年的一个主要项目，SparkConnect，引入了一种分离的客户端-服务器架构，允许从任何地方运行的任何应用程序远程连接到Spark集群。这种架构的改进涉及到了稳定性、升级、调试和可观测性多个方面。SparkConnect使得用户可以在他们喜爱的集成开发环境（IDE）中直接进行交互式的调试，并且可以使用应用程序自身的指标和日志库进行监控。
其次，一个稳定成熟的数据系统必须具备一套稳定的API，这也是Spark社区对API行为和语义的变更制定严格规范的原因，目的是让用户更顺畅地升级至最新版本。在上个月，最流行的PySpark版本就是最新的Spark3.5，这体现了用户始终倾向于使用最新版本的趋势。为了迎合这一趋势，Spark社区努力保证向后兼容。
此外，错误信息的标准化也是Spark社区过去一两年里的努力方向。尽管这看似技术复杂度不高，但这实际上是使系统更加简单易用的基本需求。今年的Spark4.0release还会进一步标准化日志，以使用户能够更好地进行系统调优和代码调试。
而随着生成式AI的发展，未来API将变得更加简单易用，自ChatGPT大流行到现在，我们发现它已经对PySpark有了深入的了解。这得益于Spark社区在过去十年里提供了丰富的API文档、开源项目和教学资源。Spark社区开发了一个叫做EnglishSDK的项目，将Spark专家的知识融入到LLM中。这样一来，用户就可以通过简单的自然语言指令来操作PySpark，而不需要自己写复杂的代码。这种方法让编程变得更容易上手，学习过程也更简单。
流处理的演进
从2014年诞生之后，Flink已经确立了其在全球实时流计算领域的地位。阿里、Amazon、Azure、Cloudera、Confluence等众多企业都提供了支持和托管服务。
树大招风，实际上今年不止一家企业宣称在流处理技术上实现了10-1000倍的效率提升，如果这些技术确实可以在生产环境得到验证，像阿里、腾讯、抖音这样的大型公司每年可能会节省数十亿的机器成本。尽管目前还没有看到哪家公司在真正的生产环境中实现了这一效果，但这一趋势表明流处理技术的不断创新将在未来带来更多的机遇和成果。与此同时，Flink的发展现状和未来演进则更加引人关注。
流处理领域是否有留给创业公司的机会窗口？
事实上，Flink一直在不断完善和创新。Kafka已经在商业版中实现了一个“分级存储”架构来实现了存算分离的改造。同Kafka一样，Flink也会从存算耦合转为存算分离的架构。
据莫问介绍，目前Flink也在不断学习和自我革新，2024年将是Flink项目的第一个十周年，Flink社区也会发布Flink2.0新的里程碑，彻底的云原生存算分离架构、业界一流的批处理能力、完整的流批融合能力都会是全新的亮点。
莫问认为，随着云原生概念的逐步普及，未来主流的计算负载一定是运行在Cloud上，全球范围内都是这个趋势，因此大数据架构也需要更好地适配云底座，利用好云的弹性优势。存算分离将会是未来大数据架构的标配，不过存算分离在带来了诸多好处的同时也带来了额外的性能挑战，目前看来在对latency敏感的场景下，多级缓存和冷热分层将是对存算分离架构的有益补充，2024年将发布的Flink2.0也会采用这套最新的架构。
分级存储侧重于在计算节点上进行缓存，远端存储主要存储历史记录。相较之下，新的直接建立在S3上的系统将所有数据完全存储远端，但也会造成性能的下降，这需要在产品设计方面去做一个权衡。
在存算分离上，Flink会有一个迭代的过程，吴英骏认为，“大家的最终思想都是统一的。如果我们将时间拉长，放到五年之后，我们可能会看到这两种系统实际上非常相似。在未来发展中，双方都会在自己的短板上进行弥补。比如说，RisingWave从第一天起就将内部状态放在对象存储上，而这意味着RisingWave需要思考如何降低对象存储所带来的高延迟问题。而对于Flink来说，面临着使用本地磁盘存储状态而导致的大状态管理困难的问题。它可能需要引入一个分级存储的架构，来降低处理大状态计算时的资源消耗，同时避免系统直接挂掉。”
“但在目前一两年里，这两种系统在架构上仍然会有相当大的区别。架构的调整不是一朝一夕能够完成的。”
新兴软件和成熟软件之间有了较量，那么用户进行选型时，会关注哪些因素呢？
作业帮于2019年底调研Flink1.9版本，并在2020年内部搭建了实时计算平台，现在流和批都在几千任务的规模。其大数据架构师张迎表示，选型时，主要根据业务诉求，结合多云融合能力、成熟度、已有技术积累、云厂商的支持力度、成本等综合考虑。
这几年使用大数据技术栈时主要有两点比较强的感受：生产环境的可用性、周边系统的建设，这两点一定要跟得上。一个用户可以写出来几百个SQL任务，但是出了问题往往不知道如何追查和改进。后面的工作，例如调优、自动化测试、日志、监控报警、高可用也都是围绕这类需求展开的。
原来需要写代码的实时任务，很多可以通过SQL完成。（在2015年后，随着流处理的成熟，流计算引擎纷纷选择了支持SQL通用编程语言）。SQL越来越复杂，配置越来越多，一定程度上还是将复杂度留给了数据流的构建者。“对于简单的数据流，开发和运维都变得更简单了。而对于复杂且重要的数据流，我们的态度也一直是谨慎保守为主，避免盲目求新。”
流处理技术进化方向
关于SQL的说法，跟莫问预测流处理引擎未来进化方向之一是一致的，即：“全面SQL化，提升体验，降低门槛”。大数据处理从离线向实时升级的趋势已经确立，大量行业已经开始实时化升级，并取得非常好的业务收益。为了让更多用户能够享受到实时流计算带来的价值，流处理引擎需要进一步提升端到端的易用性，全面SQL化，提升用户体验，降低使用门槛，让流计算能够在更多场景和行业中被生产使用起来。
云原生架构的不断发展，也同步推动了数据湖存储方案的加速落地。数据湖具备的开放和成本优势，必然使得越来越多的数据流入湖中，从而成为天然的数据中心，湖上建仓的Lakehouse架构正在成为主流，下一步客户一定是希望数据在Lakehouse中能够更加实时的流动起来。
ApachePaimon是从Flink社区中孵化出来的新项目，定位就是流批一体实时数据湖格式，解决Lakehouse数据实时化的问题。
基于Flink+Paimon可以构建出新一代的StreamingLakehouse架构，让Lakehouse上的数据可以全链路实时流动起来。此外，基于计算和存储端到端流批一体的特性，也更加方便用户在Lakehouse架构上实现实时离线一体化的数据分析体验。
“Paimon是一个好的尝试，”关涛对此评论道。
之前Flink流批一体缺乏对应的存储系统配合：Flink自带的状态存储无法满足批处理通用数仓的需求，Paimon则是补全这个短板的关键。
莫问指出，在实时流处理这条链路上，确实也存在一些新的机会和变化。众所周知，Flink和Kafka目前已经分别成为流计算和流存储的事实标准，但 Kafka真的是最适合流分析的存储方案吗？
Kafka和很多消息队列类似，都是一种消息中间件，而非为大数据分析而生。例如：Kafka并未对数据提供结构化的Schema描述，也无法提供完整的Changelog语义，且Kafka中的数据时无法进行实时更新和探查分析的。
“但以上这些缺陷，都是实时流分析需要的特性和能力，我们也正在思考这个问题，并探索新的解决方案，希望能够在明年发布一款更加适合流分析的流存储技术。”
2023年，大数据技术栈的整体变化
近些年各种不同的大数据基础设施雨后春笋般的涌出，一方面为用户提供了多样化的选择，但另一方面也为用户带来了幸福的烦恼。通常情况下，用户要搭建一套大数据业务系统，需要非常多的核心技术组件才能完成，少则三到五种，多则五到十种，这主要带来以下几方面的问题：
技术组件繁多，必然提升系统架构的复杂度。通常来讲，系统稳定性风险和系统复杂度成正比，过于复杂的体系必然带来更大的稳定性隐患；
每一项技术组件都需要有对应的专家来运维管理以及客户支持，对于中小企业来说，这必然带来高昂的人力资源成本；
过多的同质化组件存在，也会为用户带来选择的困扰，并行保留多个同质化组件不仅给运维团队带来了额外的运维负担，也给开发者带来了额外的学习成本。
因此，未来数据技术的演进会逐渐出现一些整合的趋势，走向更加简洁的架构，核心目标不仅是让每个组件运行得更快，还需要考虑为用户提供更加简单、一致性的开发体验，以及全局最优的运维成本。
从Lambda架构到Kappa架构的演进。当前数据分析平台的典型架构是Lamdba架构（由三层系统组成：批处理BatchLayer，流处理层Speedlayer，服务层Servinglayer），随批、流、交互三种引擎诞生和成熟组装而成。这种架构的典型缺陷，包括复杂度高，数据冗余度高，学习成本/开发成本高等等。针对Lamdba架构的缺陷，Kappa架构应运而生。但多年过去了，Kappa架构仍然更像是参考架构，并没有很多引擎/平台做到Kappa架构的要求。2023年是个拐点，除了部分已有引擎开始拓展边界相互渗透，还有一些新的设计和计算模式被提出。例如云器科技提出“通用增量计算”的新计算范式统：Lambda架构到SingleEninge，用一个引擎覆盖流批交互三种模式。
目前业界主流的几款Streaming、Batch和OLAP引擎都开始相互渗透，例如：Flink在发力流批一体、流批融合计算能力，Databricks也基于Spark和Delta推动了DeltaLiveTable淡化流批的差异，StarRocks在提供OLAP极致查询能力的同时，也开始通过物化视图形态提供对数据湖上数据的ETL处理能力。本质上各大主流计算引擎都在不断扩展自己的能力边界，淡化流、批、OLAP边界，希望为用户提供全场景一致性的数据分析体验。这也是技术发展的必然趋势，各家都会逐渐补齐短板，但也都有各自核心的优势。
在最近几年的数据技术趋势演进的路线中，我们可以清晰的看到两个趋势变化：一是数据架构的云原生化。几乎所有的大数据公司都选择了拥抱云原生，推出了基于多云的PaaS/SaaS计算服务，从Serverless到BYOC，为用户提供了在云上不同类型的托管服务。二是数据分析的实时化。在技术上，数据的“实时化”包括了两个因素：数据的新鲜度，以及数据的查询速度。用户也不再盲目地只追求速度，而是更注重新鲜度、性能和成本的平衡。在时效性上，Iceberg赢得了更多关注，数据湖存储技术为我们提供了构建近实时（near-online）数仓的可能性，在成本不变的情况下可以支持更快、更多的流量数据。
数据集成上，SeaTunnel成功毕业，FlinkCDC3.0演变成以Flink为基础的端到端流式ELT数据集成框架。比如作业帮目前主要在使用SeaTunnel以降低异构数据源间数据处理的开发成本。
社区希望能表格式能够统一，但实际还有一段路要走。
Lakehouse平台在数据仓储领域的使用正迅速增加。这反映了一个重要的趋势：组织正从传统的数据处理平台过渡到更加灵活、集成和效率更高的现代数据架构。据2023年MITTechnologyReviewInsights报告，全球74%的首席信息官（CIOs）表示他们已经在使用Lakehouse架构。自Databricks在2020年推出此概念以来，Lakehouse作为一个新类别得到了广泛的采纳。几乎所有还未使用Lakehouse的首席信息官都计划在未来三年内部署此类平台。
有专家认为，Lakehouse（湖仓一体）和Iceberg表格式已成为事实标准。但是，当前根据Slackusers、GithubStars、GithubPRs、GithubForks、Issues各个指标显示，Delta、Hudi和Iceberg还是三分天下。虽然Delta、Iceberg和Hudi起源地不同，但是各个社区都在努力地提升开源社区的活跃度，让用户社区和开发者社区更加健康的发展。随着社区的竞争加速，基础功能的差异在不断减少。
三种表格式（TableFormat）均基于ApacheParquet数据格式，但这些格式各自会创建出相似、但又不尽相同的元数据，从而影响数据向应用程序和分析工作负载的表达方式。结果就是，Delta、Hudi和Iceberg之间存在一定的不兼容性。表格式的最终统一还有难度，未来还得看哪种表格式能给出更好的性能、更好的易用性和更持续的创新能力，接下来的一年肯定更加精彩。
头部的云厂商的产品都或多或少地支持不同的表格式。Snowflake、BigQuery、Athena都已支持Iceberg，而微软和Databricks都以DeltaLake为主要存储格式。因为当前数据处理引擎的格式支持缺陷，用户不得不将数据以不同格式存成多份。格式的兼容性读写会是未来一个值得关注的方向。比如10月份发布的DeltaLake3.0增加了DeltaUniForm通用格式，DeltaUniform自动为Iceberg和DeltaLake生成元数据，提供了一个实时数据视图，而底层它们共享的同一份Parquet数据，因此用户可以避免额外的数据复制或转换。另外，同时能支持Hudi、Iceberg和DeltaLake的元数据自动转换和生成的XTable也于2023年底正在申请进入了Apache孵化器。
GenAI来了
无论是大公司还是小公司，大家都渴望从生成式AI的热潮中分到一杯羹。当然，作为大公司，无论是Databricks还是Snowflake，它们确实更有实力来进行生成式AI的开发。
今年Databricks不仅率先发布了开源可商用的大模型Dolly，还于6月底宣布以13亿美元的价格，收购生成式AI公司MosaicML。
在LLM服务方面，对数据栈的依赖主要集中在知识库的构建和查询上，包括但不限于向量数据库。有人认为在短期内很难看到深层次AI对数据湖或数据仓库方面带来重大变革，但也有人认为数据是服务于AI的：大数据是燃料，大模型训练已经涵盖了大量已有的大数据技术，而数据湖则作为存储系统在其中扮演重要角色。
Databricks李潇对此也进行了解释，他认为数据湖仓（Lakehouse）的作用是为GenAI提供了一个集中、高效和可扩展的数据存储和管理环境。它结合了数据湖的灵活性和数据仓库的高性能，支持结构化和非结构化数据的存储和处理，这是AI应用的数据需求的基石。
“今年，Databricks的最大进展主要体现在将人工智能集成到数据平台中。“
作为大数据行业里一个非常重要且典型的企业，Databricks在GenAI也反映了整个大数据行业的技术演进。现在我们可以通过它在数据智能平台投入来看看生成式AI将对数据和分析产生的影响。
Databricks是由一群ApacheSpark的原创者所创建。Spark的诞生阶段，始于2010年，标志着Hadoop技术时代的结束。它的出现大幅降低了大数据处理的门槛，使得大数据开始与机器学习和人工智能结合，成为统一的分析引擎。2020年，Lakehouse架构的推出打破了传统数据湖和数据仓库的界限。Lakehouse架构结合了数据湖和数据仓库的最佳元素，旨在降低成本并加速数据及人工智能项目的实施。Lakehouse架构建立在开源和开放标准之上，它通过消除历史上复杂化数据和AI的孤岛，简化了数据架构。
而现在，则是到了生成式AI大潮下的Lakehouse阶段。Databricks构建了一个基于数据湖仓（Lakehouse）的数据智能平台（DataIntelligencePlatform），该平台的目标是实现数据和AI的平民化，使用自然语言极大简化了数据和AI的端到端体验。它利用生成式AI模型来理解数据的语义，并在整个平台中应用这种理解。可以让用户可以在保持隐私和控制的同时，从头开始构建模型或调整现有模型。
同时，Databricks还提供了UnityCatalog数据治理工具来确保数据的质量和安全。Databricks还于今年推出了LakehouseFederation(联邦查询)的功能，用户可以跨多个数据平台（如MySQL、PostgreSQL、Snowflake等）发现、查询和管理数据，而无需移动或复制数据。另外，DatabricksSQL（Lakehouse上的无服务器数据仓库）使用量也获得了大幅增长。
Databricks认为，在不久的未来，每个领域的赢家都是那些可以最有效利用数据和AI的，并坚信对数据和AI的深刻理解是每个赢家的必备技能。
未来的大数据架构将是一个高度集成、智能化和自动化的系统，它能够有效地处理和分析大量数据，同时简化数据管理和AI应用的开发过程，为企业提供竞争优势。
“未来的大数据架构，我们可以称为‘数据智能平台（DataIntelligencePlatform）’。它正是顺应了两个主要趋势：数据湖仓（DataLakehouse）和生成式人工智能（AI）。”李潇表示。
这一架构建立在数据湖仓的基础上，它提供一个开放、统一的基础，用于所有数据和治理，由一个理解用户数据独特语义的数据智能引擎(DataIntelligenceEngine)驱动。这是相对现有Lakehouse架构下的，最大的突破。
智能化方面，这个引擎能理解客户数据的独特语义，使平台能自动优化性能和管理基础设施。操作简化方面，自然语言大大简化了用户体验。数据智能引擎理解客户的语言，使搜索和发现新数据就像询问同事一样简单。此外，自然语言还助力编写代码、纠错和寻找答案，加速新数据和应用程序的开发。
在隐私保护方面，数据和AI应用需要强大的治理和安全措施，尤其是在生成式AI的背景下。提供一个端到端的机器学习运维（MLOps）和AI开发解决方案，该方案基于统一的治理和安全方法。这允许在不妥协数据隐私和知识产权控制的情况下，实现所有人工智能目标。
总的来说，未来的大数据架构将更加重视智能化、操作简化和数据隐私，为企业在数据和AI应用方面提供竞争优势。这将使企业能更有效地利用数据，推动创新，同时保护数据安全和发展AI技术。
（摘自：知乎）
中传新文创（IP）平台深圳推介会反响热烈
1月8日，在文化和旅游部产业发展司指导下，由中国文化传媒集团、深圳市文体旅游局共同主办，中传悦众(北京)文化发展有限公司承办，中国文化传媒集团战略发展中心协办的中国文化传媒新文创(IP)平台[以下简称“中传新文创(IP)平台”]深圳推介会在深圳市市民中心举行。中国文化传媒集团监事会副主席王旗，深圳市文体旅游局副局长钱强，深圳市文体旅游局文产处处长熊德昌、中传悦众(北京)文化发展有限公司总经理秦智勇、中国文化传媒集团战略发展中心主任林金华以及来自深圳市特区文化研究中心、深圳市版权服务中心、深圳市汉也文化创意有限公司等政府相关部门和文化企业代表200余人参加了推介会。
国家领导人指出要“倡导创新文化，强化知识产权创造、保护、运用”。这为新时代知识产权强国建设，发挥知识产权在经济社会发展中的支撑和引领作用指出了方向。中国文化传媒集团深入贯彻党中央、国务院关于加快建设知识产权强国的重大决策部署，落实文化和旅游部党组有关指示精神，切实发挥文化央企核心优势，以信息技术为驱动，建设运营“中国文化传媒新文创(IP)平台”，助力文化创意产业健康有序发展。
王旗在致辞中指出，为贯彻党中央、国务院关于文化强国的决策和部署，落实文化和旅游部对于集团发展的指示，突出主业，抓住重点，瘦身健体，做优做强，发挥好信息技术驱动作用，履行文化央企的社会责任，助力文化创意产业健康有序发展，集团创设了中国文化传媒新文创(IP)平台。该平台立足于网络技术前沿，着眼于文化和旅游IP，有目的地针对知识产权的创造、运用、保护、研发及运营，是一个基础性公共服务市场化运作的平台。2018年7月，文化和旅游部、公安部、国家版权局、全国打击侵犯知识产权和制售假冒伪劣商品工作领导小组与集团共同启动了IP平台。
王旗强调，IP平台自上线以来，获得了政府相关机构及产业市场的高度认可和支持。雒树刚部长专门批示，对平台予以较高评价。部办公厅、产业发展司等司局按照部党组要求，重点指导，大力支持，保证了该平台建设发展的顺利进行。
王旗表示，中传新文创(IP)平台作为集团的重点工作和重要业务，希望获得与会政府部门及企业的大力支持，以期与深圳文化企业共融共创，携手推动深圳文化产业高质量发展。
钱强在致辞时表示，IP经济价值巨大，文化IP是文化产业，特别是新兴的文创产业的核心竞争资源。当前在IP运营的过程中，还存在一些亟待解决的问题，如文化企业知识产权意识不强、自我保护和维权能力弱；IP交易规则缺乏，交易不透明，文化领域的侵权、盗版行为时有发生，部分侵犯知识产权事件发现难、取证难、维权难，知识产权工作未形成合力等。针对这些问题，中国文化传媒集团在中宣部、文化和旅游部的支持下，顺应文创产业发展形势和企业需求，建立了具有权威性和公信力的中国文化传媒新文创(IP)平台，为文化企业的知识产权提供确权、交易和维权服务，为推动文化知识产权市场秩序的完善、市场规则的健全，提供了法律化、市场化的解决方案。中国文化传媒新文创(IP)平台的建立，将有助于发挥知识产权在经济社会发展中的支撑和引领作用。
中传悦众(北京)文化发展有限公司总经理秦智勇对中传新文创(IP)平台的功能、应用场景做了全方位的详细介绍。据介绍，中传新文创(IP)平台包括IPCI体系、交易系统、侵权信息监控、维权系统、防伪系统、诚信系统六个模块，致力于解决知识产权确权、交易、保护三大基础问题。在IP确权方面，为新文创广义文化产业的发展提供IP产业链基础建设服务，为各企业、行政机关、消费者等群体提供IP权利的鉴别、确权、信息公示服务。在IP交易方面，降低各行各业在IP交易、授权等方面的准入门槛，建设IP产业交易的诚信服务，提供IP交易的信息服务。在保护方面，提高权利人的自我保护能力，提供多样化且更有效的IP权利保护的救济通道。这三大问题是新文创(IP)产业所代表的广义文化产业健康发展的必须要解决的基础性问题。中国文化传媒集团致力于为整个产业链搭建公共基础服务平台，以市场化的方式提供解决方案，为产业的健康有序发展铺路搭桥，为国家行政机构提供专业性的服务。
推介会上，中传新文创(IP)平台与深圳市入驻平台的代表企业进行了集体签约。此次签约方包括深圳市版权服务中心、深圳市创梦天地科技有限公司、CMGE中手游。
本次签约合作内容主要涉及三个方面：
一是企业认可IP平台创建的IPCI体系的溯源、确权的标准化、规范化及在该渠道的有效性；
二是企业指定IP平台为IP权利确权的第三方鉴定机构，同时IP平台向企业提供包括IP溯源、确权、获取IPCI证书等专业性知识产权服务；
三是IP平台与企业双方依托IP平台的IPCI体系、维权体系、数据库，在保护知识产权方面建立紧密的联动机制，具体为IP平台出具相关维权协助请求，企业快速反馈、及时终止该侵权行为，对侵权内容进行联合打击。
在圆桌论坛环节，来自深圳市特区文化研究中心、深圳市版权服务中心、深圳市汉也文化创意有限公司、深圳市博林文创股份有限公司、深圳电子竞技运动协会、深圳市创梦天地科技有限公司等政府相关部门负责人和企业代表就企业在IP鉴别和保护中存在的专业性不足等问题，结合中传新文创(IP)平台的解决方案进行了热烈探讨和交流分享。企业代表们也对中传新文创(IP)平台作为一个知识产权确权、运用、保护的第三方平台有了进一步了解，对于知识产权保护的新路子、新措施有了全新的认识。大家一致认为，中传新文创(IP)平台的上线，对于解决深圳文化企业在知识产权保护过程中存在的侵权发现难、取证难、维权难等问题提供了专业性的解决方案，这将激发权利人维权和创新的积极性，对于全国具有示范意义。
中传新文创(IP)平台系列推介会活动得到了文化和旅游部产业发展司的高度重视，从组织上给予重视，在人力、物力上给予了充分保障。同时对于中传新文创(IP)平台现阶段的运行情况给予了高度评价，认为中传新文创(IP)平台作为立足于网络技术前沿的文化内容平台，对于推动我国文化领域知识产权交易市场的发展具有积极意义，同时要求将这一平台建设好、运营好、使用好。
此次深圳推介会得到了深圳市文体旅游局的大力支持，由该局协调各区文产处相关部门，组织重点企业代表积极参会，包括福田区、南山区、宝安区、罗湖区、龙岗区等深圳下辖各区的文产处主要负责人均到场参加，活动实现了由市一级到区一级的全面覆盖。
深圳市一直高度重视知识产权保护工作，把实施最严格知识产权保护作为营造优良营商环境的重要举措，深圳市作为国家知识产权综合管理改革第一批试点城市，为加快打造国家知识产权示范城市、全国知识产权保护的样板区域，深圳市文体旅游局积极加强与中国文化传媒集团相关职能部门沟通协调，积极促进中传新文创(IP)平台与各文化企业间的密切合作，为当地文化企业在知识产权的创造、运用、保护和管理工作引入新渠道、新模式，并联合中传新文创(IP)平台推出一系列针对深圳市重点文化企业知识产权保护的政策举措，以解决企业在知识产权保护过程中存在的相关问题，以更大力度优化营商环境和创新环境，为深圳创业创新注入源源不断的动力，促进深圳新技术、新产业、新业态的蓬勃发展。
据了解，中传新文创(IP)平台推介活动作为全国性重点文化双创扶持项目，将在全国选取6个知识产权最活跃的地区举行。活动由中国文化传媒集团与所在地文化和旅游厅共同主办，由中传悦众(北京)文化发展有限公司具体承办。深圳站推介会是中传新文创(IP)平台推介活动的第二站。
（摘自：云财经）
免责声明：文章素材来源于网络，如有侵权，请联系删除。
原文链接：
https://mp.weixin.qq.com/s/-zFahs__YloLEasTR0isRw
粤公网安备：