在一个拥有技术、人才、资本、市场的四大驱动高科技核心因素的中国，从某种意义上来讲，中国创业者正面临着创业的黄金时代。
 
        为什么创业将成为最有前途的职业
 
找到核心驱动力，做好结构化体系分析 世界的进程，创业也好，创新也好，它一定有一些核心驱动力，如果我们找到的核心驱动力是非常持久的，那根据这些核心驱动力的动向，我们就可以更好地去看布局哪个方向。任何一种驱动力都需要一定的体系来产生能量，我们需要把体系分析的更清楚，来帮助我们每一个人更好地把控我们所面临的机会。
 
1. 两大核心驱动力 
 
发明知识、发明技术
 
追求财富 财富广义的定义是一种可以满足人类需求和欲望的通用能力，钱是财富，健康是财富，愉快的家庭也是财富，核心是这个财富是一个通用的点，它能带来满足需求的欲望。
 
市场是把知识、技术和追求财富聚焦在一起的平台和环境，市场从某种意义上来讲是人类发明最大的、最有效的平台之一，事实上起了几个大的作用。
 
1、至少让我们每一个人参与市场，我们每个人参与市场都是为了自己，但我们所做的都是对别人有益的，所以它是一个很神奇的平台。
 
2、世界上有很多可以做的事情，包括很多创新，但市场是一个加速器，也是个优化器，它会评价哪些创新最有价值，哪些创新最有生命力。
 
创业必备的几个技术条件
 
任何市场创新的创业，永远是技术、产品、市场这三个源泉的聚焦，只有这三者聚焦，才能真正成为有效的创业企业，创造商业价值和社会价值。
 
科学  
 
起点是物理学、电子学、数学、材料物理学、半导体、计算机科学。作为创业者，即使你不是技术专业，也要关注科技发展方向。虽然科学往往走得很远，离创业距离也比较远。但科学下面一层特别重要，即“工程化”。有些科学能够很快被工程化，但工程化也需要很多努力，比方电子工程、材料工程、软件工程。
 
如何系统化地开发软件还是一个未知的人类行为。所以，从科学到工程还不够，还需要有运营的能力，比方说软件，即使有了软件工程，如何更新软件、部署软件、操作软件这些能力也都要打造，只有这样，才可以让创业者更好地去运用技术。
 
产品  
 
产品开发也在不断地提供新的工具、新的方法，特别是数字化的工具，让我们可以快速地理解社会需求，设计用户体验，迭代、试错。
 
 
 
历史上比较重要的案例就是云计算。在没有云服务之前，互联网公司也好、软件公司也好，开发一个很简单的产品至少需要6-7个月。有了云之后，一个两三个人的小团队，用一两个月就可以把初步产品搭建出来。
 
 
 
在产品上，我们在不断地提供新的、系统化的服务，在市场上也一样，更多的工具可以让创业者们进行系统化的获客，探索商业模式。同时在资本的运作结构中，整个工业也在不断朝前发展，特别是风险投资行业，各阶段已经比较结构化了。如果大家关注的话，会发现风险投资这个行业每年都是高速增长的。
 
创业的结构化挑战
 
能让创业更容易地成为一种职业选择，但它仍然存在结构化的大挑战。这可能是最难的（从0到1的），要找到Product Market Fit，它是结构化的，未来会变得越来越难。
 
虽然技术、工具在迅速发展，人的教育程度也在不断提高，产品发展也越来越快，每个人都可以想出10个点子，并且可以通过技术立马实现。但每个人一天只有24小时，能够实现的能力也是有限的，很快会卡在瓶颈上，并且随机因素又很多。
 
 
 
此时，唯一可以做的就是把新的点子、新的发明、新的技术和用户的反应快速连接起来，快速迭代、快速试错。
 
活下来
 
在找到Product Market Fit之前，你是赚不到钱的，你只能努力活得越久，才能尝试更多的点子。虽然这个玩法很不一样，但你一旦找到了，我想你冲上去的概率可能会高一点，效果也会好一点。这是一个结构化的挑战。
 
跨越鸿沟
 
对于一个新技术，整个社会媒体一开始都是充满热情的，甚至过分地夸捧，等冲到顶上就开始失望，于是大家都选择放弃，掉到谷底，最后存活下来的技术会慢慢升温。
 
社会上永远有一些人，所有新的东西都会去做，无论好坏。这是第一批人，只要是新的，我就愿意做。还有一批人叫Visionary，他看的比较远，他也会试。
 
 
 
所以，早期的产品和技术一般都会有一部分人会试，但这里有一个鸿沟：我身边有人用过，我才愿意去试。因为任何产品，它的下一波采纳者，都是务实的，他试这个产品的前提是老王试过，我的同事试过，或者我认识的朋友用过才行，否则，我不用。于是，鸿沟就造成了。
 
 
 
历史上大部分产品都死在了这里，因为跳不过去，这是一个非常难的问题，即“如何跨越鸿沟”。
 
 中国创业者的黄金时代
 
中国有一些特殊的机会。到目前为止，全球（包括新工业）基本是美国驱动，因为美国是唯一一个驱动高科技核心因素都有的国家：有技术、有人才、有资本、有市场。但中国彻底改变了整个局面，严格来说是从移动互联网时开始真正改变的。如今，中国的人才足够多，技术也足够强，市场非常大，资本也已经完全拥有，这4个核心中国都有了。
 
 
 
中国有一些特殊的环境，包括基础建设、政策支持，这从某种意义上来讲，对每一个想要创业的中国创业者来说都是个黄金时代。
 
 
 
如何把握住历史性的机会？
 
高科技工业的历史可以用大规模计算数字化的平台，它演变的结构来描述，基本每过12年左右，历史上会有一个新的大规模的平台。这些平台的核心驱动因素是什么？是数字化的规模和数字化的范围，就是你可以在多大的范围、在什么样的深度，把人类的一些行为变成数字化。
 
因为一旦信息被数字化了，就可以快速获取、传输，数字化的信息也可以通过计算来提炼、支持，有了支持之后就可以做快速迭代，加快创新的速度。要记住，任何一个赛道，对我们来讲毫无疑问，要去看的就是数字化的范围有多宽，数字化的深度有多深。
 
现在全球范围内已经数字化了，整个地球“被扁平”了，电商、社交等一系列应用都带动起来了。移动时代，因为交互性可以放在口袋里，随处可用，所以把人们生活的行为统统都数字化了。
 
在人工智能时代，将会带来更大的机会，因为社会化世界和物理世界会完全融入在一起，任何物理空间，任何人的行为，只要对我们有较高的价值，都将会被数字化，都将有机会大规模地提升价值。
 
每个时代，对我们有价值的经验、教训
 
个人电脑/客户端-服务器时代
 
个人电脑客户端这个时代，前端核心技术是X86的芯片和Graphical Display，从微软角度来讲，这是盖茨先生看得远的一个点。看到X86的微处理器，他知道这个微处理器会到处用，这个软件将是一个大的赛道，微软永远是相信这个的。
 
第二时代是他跟乔布斯一起看的，是Graphical Display，他在70年代末期内部写了很多非常有价值的备忘录，接下来20年、30年的应用体验基本都观察到了。
 
 
 
但从某种意义上来讲，并不是他们发明的，真正发明它的Xerox PARC（施乐帕克研究中心）是一个实验室，如果从创业者的角度来讲，可以值得借鉴的是把控技术的方向，Graphical Display，或microprocessor，想象将来能够产生的商业价值，并坚持长期走下去。这是微软这样的公司建立起来的核心。
 
另外，在后端，关系式数据库和分布式系统，在计算机工业历史上是非常非常重要的技术，我把它称为定义性的能力。今天，即使你是做互联网的，我基本可以肯定，你在用关系式数据，都有一个小的MySQL Database Management System（数据库管理系统）。
 
分布式数据系统，包括今天的区块链核心计算、共识算法都是那个时代诞生的，这里要讲的是，有了这些能力之后，你看到什么样的商业价值赛道，基本都是企业的商业路线，那个时候诞生了Oracle（甲骨文软件系统有限公司），诞生了SAP（思爱普）等一系列非常好的公司。
 
 
 
对于今天的中国来讲，这些赛道可能还有价值，但要和云挂钩。这是第一个时代，我们可以抽取一些比较重要的经验。
 
互联网时代
 
最早做互联网是Mosaic，后来网景（Netscape）觉得找到了自身发展的商业模式，认为可以把微软整个颠覆掉了，但有一个很大的挑战：做互联网是Http是开放标准制，也就是没法专利保护，谁都可以做。
 
 
 
可是即使找到了门户也没有用，当初我们认为门户可能是互联网的制控点，但后来很明显搜索引擎才是，因为互联网的规模、结构，必须要有搜索引擎这样的机制将其组建起来。
 
 
 
所以，Google找到了，但Google也没有找到商业模式。Google在早期一直非常非常挣扎，试了各种各样的东西。然而，Google的商业模式，被另外一家公司发现了，叫Overture，它发明了一种用竞价排名的方式，是靠技术驱动来做的。
 
 
 
所以，大家需要关注的是：看清赛道后，机会很多，其中，商业模式至关重要。不过，今天如果你做人工智能没有找到商业模式，也不要着急、不要担心，只要不死，以后一定找得到。因为只要产生价值，就可以获得价值。
 
 
 
一个创业团队要对“长期”保持信心，不要被短期的利益所动，是互联网工业带给我们的非常重要的经验教训，值得每一个考虑创业的人去关注。
 
移动/云时代
 
 
 
第一，它有相机。大家千万不要小看拍照拍视频，特别是我们今天看到的微视，我观察到它将来会是非常大的赛道，因为有文字和图象，它能传递的信息与一个视频完全不在一个级别上。所以，看交互可以看到将来的新赛道。
 
第二，语音相对来讲还有点时机，因为语音完全被数字化还需要一段时间，虽然我们打电话用语音，但都是用模拟信号，并不是数字化。
 
第三，定位也能做，因为手机定位而诞生的项目，如滴滴和Uber。
 
另外，关注的是主要应用，如短信、通讯、照片、社交等，特别是支付等个性化的推荐，中国的移动互联网已经走到美国前面去了，这和中国互联网整体的大结构有很大关系。
 
 
 
稍微提一下生态，乔布斯在设计iPhone时并没有想做APP，他只想把浏览器做好，但由于种种计算的原因，最后他放弃了，才去做APP。
 
第一部iPhone只有一个APP，那时，还没有APP的模式。虽然APP的模式对大的应用、经常性的应用是有好处的，但某种意义上会造成生态的不健康。
 
 
 
某些阶段你要推一个APP非常难，因为对于为了体验而偶尔使用的用户来说，你让他们下载个APP是不合理的。一方面是是因为你需要用资源，另一方面是对新的创业生态推进新的服务造成了一种壁垒。
 
所以，我个人认为像小程序这样一个新的基于服务为主的生产，可以会为创业者带来更多的机会。只有让大家有机会进行创新，机会才会越来越多。
 
后端是移动通讯4G，主要定义性的能力是云计算和服务，把整个软件工业从商业模式到体验的交付彻底改变了，大规模地让数字化能渗透的范围和深度提高了。这里的赛道是非常活跃的。数字化是逐渐渗透的，假定说数字化无法渗透到一个企业的很多事情上，但有了云服务以，有了手机，就可以越来越往下渗透。
 
 
 
在这里，如果大家想创业，需要考虑的是：当时赛道里，你把哪些行为数字化了？数字化之后你能提高什么样的创新效率、带来什么样的价值？
 
人工智能时代
 
第一，人工智能的前端，即输入输出。输入的话，听和看，当然触摸已经有了；输出的话，可以是对话，可以是自助体系，输出体系可以是自己动，可以是机器人，也可以是自动驾驶的车辆等。
 
第二，核心技术，传感器将会保持在前沿有很多投资，特别是麦克风、摄像头、激光雷达、光学传感器、各种传感器低功耗，保护隐私的场景。座椅，对隐私保护有帮助的传感器是个非常重要的砝码。
 
芯片几乎要重做。简单讲，传统的X86也好、ARM（微处理器）也好，都是所谓的Von Neumann architecture（冯·诺依曼体系结构），基本是控制流为主，数据的维度不能太高，计算效益不会好，但关键它的结构究竟是怎样需要一定阶段的时间来演变。
 
 
 
指令集可能还会使用X86或者ARM，因为它还是需要中央处理器来调动，但主要的计算，都会用其它的结构来计算，所以整个结构会加以改变。我个人认为，定义性的体验我们还没有找到，至少目前还没有看到，但我们有定义性的能力，它是由深度学习带来的。
 
 
 
简单来讲，深度学习在过去叫神经元处理，80年代曾火过一阵子，真实革命的起点是2006年，Geoffrey Hinton（神经网络之父）与微软合作，到2009年，语音识别的字差率、句差率从27%、28%左右不断下跌，跌到接近人、甚至超过人的水平。
 
 
 
接下来是非常难的自然语言处理，它和通用人工智能有着紧密联系。我个人认为它还需要很多年才能赶上人类水平。任何事情，如果建立起一个模型，就会变得非常高效，因为它的核心是快速获得知识。
 
 
 
如果你的企业是知识驱动的，这次就要大规模地加速了，因为这次不光是人来获取知识，我们还可以通过建立人工智能机器高效地获取知识，这是一个跨时代的东西。
 
后端5G技术非常非常复杂，但带来的商业机会多且宽泛。
 
芯片也一样，我觉得英特尔和高通等如此横的芯片时代一去不复返，将来和现在，芯片都会处于很大的垂直领域。
 
底层软件基本要重做，框架和工具目前有一些不错的体系，但有一些大规模的深度学习训练和推理系统，包括数据系统、工程化等，还有很多工作需要去做。目前人工智能还没有真正工程化，就像以前的软件工程，还没有完全系统地去训练模型，以达到我们想要的结果，包括一些数据处理。杀手级的应用，比如感知和认知。我觉得感知肯定是领先的，特别是视觉。
 
 AI创造价值的核心模式
 
核心是要数据，数据不是无中生有的，任何数据都是观察自然现象、物理环境以及人类现象的一个数字化表达，是知识的载体，它的内涵是知识。
 
首先，获得数据，要有传感器。
 
其次，要从数据中获取知识，然后运用知识达到我们的目的。一般是通过软件+硬件+算法，达到我们创造社会价值的目的之后，产生新的数据。一定要建成这样一个闭环，前提是找一个比较全的应用。
 
 
 
在这里，我强调一下闭环。因为知识都是活的，人类社会在变，物理环境在变，所以一次性的数据没有用，必须加了闭环的、活的数据才能真正打造健康的人工智能的业务和生态。
 
 展望未来技术驱动创新前沿
 
人工智能时代前端很有可能是智能物件、助手、自助体系、自动驾驶机器人、智能场所；后端很有可能是行业云、城市大脑之类的。还有一些新的端可以考虑，像AR、VR和脑机结合，曾经有一段时间，大家觉得眼镜可能是下一个机会，这是有可能的，并且，可能很快就会被应用。
 
另外，是和未来有关的后台，特别是像区块链或者量子计算这样的。其实，任何一个技术领域的创新，最终的核心能力都是建立在物理和数学基础上的。
 
物理中唯一一个还没有被商业化的大领域就是量子物理，它和电子、和数学一样，将来产生的是整个量子的生态，有量子化学、量子材料等。当然了，因为量子计算是应用于整个领域的，所以在上时间可能要更远一点，可能7年、10年左右，但一定是一个非常大的空间。
 
其中，于我们相关的有计算生物学，甚至生物学本身。生物是再生的，我们现在也有工程能力建立新的生物体系，比如用计算的方式，新的能源产生方式、存储方式。像特斯拉这样的公司，它是一个能源公司，车子是第一个应用，第二个应用是飞机，它是用成熟的能源技术来改变世界的。目前来看，能源技术具有很多发展机会。
 
 
 
回到创业这个着眼点，也是一个比较系统化、结构化的深入，任何一个时代，都会诞生所谓的第一梯队公司，它站在生态的最高控制端，会很不一样。
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 探寻“大数据驱动创新”的路径
 
 ■主持人的话 错失机遇，就会落后
 
 　　这一年来,全球热议大数据，大家都已经感受到了大数据带来的冲击。目前，大数据已经在社会管理、社会服务、公共安全等各方面改变着我们。
 
 　　对上海来讲，我们已经感受到大数据对这座城市发展带来的冲击和影响。如果不抓住由大数据带来的变革机遇，上海很可能就会落后于这一轮发展的潮流。为此，我们综合了各方面的意见，确定今年院士圆桌会议的主题就是“大数据驱动的创新”，希望能够通过今天的会议进一步认识大数据驱动创新的途径，分析我们的科技社会管理层面的问题，从而推动经济、科技和社会的发展。
 
 　　——上海市科协主席、上海中医药大学校长、中科院院士陈凯先
 
 　　
 
 与会“两院”院士名单
 
 　　柴天佑——国家冶金自动化工程技术中心主任，工程院院士，控制理论和控制工程专家
 
 　　陈国良——深圳大学计算机与软件学院院长，中科院院士，计算机软件专家
 
 　　褚君浩——中科院上海技术物理研究所研究员，中科院院士、半导体物理和器件专家
 
 　　郭重庆——同济大学教授，工程院院士，机械制造工艺与设备、设施规划与设计及产业发展战略专家
 
 　　何积丰——华东师范大学软件学院院长，中科院院士，计算机软件专家
 
 　　江东亮——中科院上海硅酸盐研究所研究员，工程院院士，无机陶瓷材料专家
 
 　　陆汝钤——中科院数学与系统科学研究院研究员，中科院院士，人工智能、知识工程和基于知识的软件工程专家
 
 　　汪品先——同济大学教授，中科院院士，海洋地质学和古气候学专家
 
 　　赵国屏——国家人类基因组南方中心执行主任，中科院院士，分子微生物学专家
 
 　　
 
 海量数据 亟待挖掘
 
 　　□赵国屏
 
 　　上世纪末，人类基因组研究引发了生命科学数据的高通量产出和积累，增速超乎想象，DNA数据积累已打破了摩尔定律。举例来说，一个人的基因组序列是30亿个核苷酸，若加上肠道菌群的数据就是100倍以上的量。但这仅仅是基本的蓝图。实际上，从怀孕、胚胎发育，一直到出生、成长、成熟乃至老来病死一辈子，这个蓝图的表达一直在变化，是涵盖了基因、转录本、蛋白质等等的变化，也涵盖了这些遗传相关信息与环境信息的相互作用。所有这些，都有数据提供，可想而知其量度和复杂度达到了什么程度。
 
 　　现代生命科学信息已具备大数据公认的4V特征，同时，大数据彻底颠覆了传统生命科学以假说指导实验和以模式生物为研究主体的科学发现模式，使生命科学研究开始进入“数据密集型”的科学发现第四范式时代。
 
 　　现在生命科学数据的利用率非常低。再以人的基因组数据为例，只有1%到10%的数据信息现在能看懂，剩下90%以上我们知之甚少。从这样海量的、高速增长的数据中把真正有用的知识挖掘出来，是第四范式研究时代生命科学面临的重大挑战。
 
 　　没有共享，就没有大数据的优越性，也无法解决个体数据和统计规律的问题。但现在，共享的困难多到让人望而生畏；若不解决，奢谈大数据，不啻叶公好龙。我接触的欧洲和美国同行，他们都不理解为什么在中国，每个病人、每次收样本都要签知情同意书。在美国，病人签一份知情同意书，各种样本就都可以拿来做科研；欧洲人、特别是北欧人，往往将自己的样本能被用于科研视为荣耀，觉得是对社会作贡献。作为东方古国，中国公民也应在数据共享和共同利用方面体现文明水平。
 
 　　
 
 材料创制 需要支持
 
 　　□江东亮
 
 　　我是搞材料的，材料科学发展现在也提到了材料基因系统。材料数据也是海量的，尤其这几年中国材料科学发展非常快，在国际上发表的论文数恐怕很快要跃居世界第一。我们有大量的材料科学数据，我感兴趣的是如何加以利用。
 
 　　现在，国家和地方都在考虑建立材料科学数据库，国家已在规划。但问题是，数据库建立之后该怎么用，怎么提炼出有用的数据和信息？比如，要做航天复合材料，在超高温、辐照、高速冲刷等方面，都有很具体的要求，选择材料就希望借助大数据的支持。
 
 　　同时，从实验科学来讲，现在正在发展一些可以大幅度提高实验效率的高通量实验。高通量实验带来的数据也是海量的，比如用一个128位或256位的芯片，每个位子上设定一个或多个组份，这个组份或多组份的电学、热学、化学性能，就会形成一大堆数据（当然目前检测技术还有待发展），这就有一个选择利用的问题。所以，数据的处理、提升，都是要面对的课题。
 
 　　我们还碰到这样的问题——很多实验产生了一大堆数据，有些很粗糙，数据的可信度如何判定？因为有些数据不可重复，但却客观存在，你怎么判断？如果有基于材料研究的大量数据分析软件，创制新材料就有很多可预测的地方，这对整个材料科学发展会有很大益处。
 
 　　
 
 大数据发展，需破四大瓶颈
 
 　　□郭重庆
 
 　　得益于计算机强大的存储、检索、互联能力，人类近几年积累的数据几乎等于过去所拥有数据的总和，这在几年前是不可思议的。在大数据之下，人、计算机、物的三元大融合真正成为现实。尽管大数据带来许多机遇，但其本身发展也面临不少瓶颈。
 
 　　瓶颈之一是人们缺乏一种从爆发的海量信息中获取有用资源的能力。现在，数据是富有的，但解决方案是贫乏的。现实是利用不够，没有把数据转化成思想或知识。
 
 　　瓶颈之二是各自为政的研究格局。大数据的创新一定仰仗于一个协同的创新生态系统，个人化、部门化的研究方式不符合大数据的规律。我认为大数据研究的流程应该是需求牵引、问题导向、案例推理、系统分析，需要多学科、多部门的协同。
 
 　　瓶颈之三，大数据的产业链能否商业化是成败的关键。现在数据的拥有者基本上是政府或一些大企业，但大数据的创新抓手或者商业模式推手应该是企业家，没有企业的参与，大数据就会重蹈当年网格计算的覆辙。网格计算没能推开的一个重要原因就是没有商业化的带动。
 
 　　瓶颈之四，需要破解数据开放的困境。作为最多数据拥有者，政府的数据能不能开放？我相信，政府数据的开放将使中国的公共管理水平提高到不可估量的程度。
 
 　　最后想谈大数据创新对上海的意义。一个城市的盛衰有周期性，旧的比较优势在消失，新的比较优势建立有一个过程。上海就处在这么一个周期性的下降通道，新的增长点在哪里，现在看起来还找不到感觉。我觉得上海从来不缺创新资源和人才，缺的就是韩正同志说的勇气和担当，缺的是创新的激情冲动。互联网产业上海错过了多次机会。中央对上海的期待是在中国经济短腿的服务经济上有所作为，希望上海在克服中国经济短腿上走出一条路。
 
 　　
 
 要靠市场而非研究推动
 
 　　□何积丰
 
 　　第一点我想讲的是，大数据不是美国的发明。我们国家在1998年发展智能交通时，科技部立了几个大项目，从应用出发，用了海量数据系统。这件事说明我们比美国人早了七八年，应用方面也有了很好的结果。
 
 　　第二，大数据的发展要靠市场、而不是基础研究来推动。去年，我有机会参加工信部对上海软件产业的调查，发现不少民营企业都在做数据处理的工作，在金融方面，上海已经有很多小公司，都在应用大数据做服务，产生了很好的GDP。这证明上海存在做大数据服务业的基础。
 
 　　第三，大数据能做什么？我们希望做的，是将很低价值的大数据经过处理，变成高价值的大数据。举个例子，有一家在松江专门做大数据处理的公司，主要承担松江区政府所有的公务处理，加上松江大学城的一些数据处理。闵行区也有类似机构，为区政府决策提供数据。闵行区的人口现在达到250万，区政府希望每天早晨能知道这250万人的数据，比如交通动向。我建议，今后这类谈大数据的会，要请一线工作的同志来讲怎么用大数据的。
 
 　　关于上海能做什么。自贸区建立以后，有些部门担心会出现大批资金外逃。这方面，我们可以通过大数据流的监控来加以防范。
 
 　　最近，我们跟上海证券交易所在讨论一个问题：怎样从没用的大数据里面整理出有用的数据，然后进行精加工？我们过去几年积累了大量数据，一个典型的例子就是遥感图片，现在有大量卫星图片连数字化都没有做就留在那里。关于大数据的应用，有一点很重要，每个行业都要自问“我希望从大数据里挖出什么有用的东西”。单单把数据作为宝贝存起来没有任何意义。
 
 　　高等学校有一个任务，应该培养必要的大数据处理人才，作为社会的人才储备。相关人员在高校里至少要学4年，高端人才可能要学7到10年。因此我建议，有条件的单位要把培养大数据处理人才作为战略任务来抓。
 
 　　
 
 数据的商品属性，忽视不得
 
 　　□陆汝钤
 
 　　我谈一点个人看法，第一是在大数据这么热的今天，地方政府主要该抓什么？大数据的研究和处理是整个一条链，从数据挖掘、分析、处理到应用。在这么多环节里，政府最需要关心的是应用，因为应用是整个大数据的出发点和归宿。应该通过抓应用来带动整根链条。
 
 　　第二点看法，从应用的角度，抓哪些方面的大数据为好？各行各业都有自己的大数据，很难泛泛去推进，当然要重点抓一些对国计民生有重要意义的问题首先做起来。但对上海而言，还应该首先抓与中央对上海的定位——国际金融中心和国际航运中心有关的大数据问题，这对上海有重要的意义，并且做成后对全国有重要影响。
 
 　　第三点想法是靠什么来推动大数据的应用？首先大数据是一种商品，一定不要忘了这个属性，现在一提商品就想到很多物质的东西，但是有很多非物质的东西也非常重要，同样不能忽视。要思考如何利用大数据的商品属性。譬如，大数据是如何按照商品的规律运行？这个商品怎样为我们社会增值、产生效益？
 
 　　关于信息和知识的商品化运行，我前段时间提出过一个想法，我们有很多期货交易市场，钢铁、石油、大豆，都是物质的东西，为什么不能有数据和知识的期货交易市场？当然数据作为商品可以有很多形式。我觉得第一要承认信息和数据的价值，要按照商品进行运作。第二是想方设法使它增值。譬如今天，图书馆作为重要知识中介的作用在慢慢降低，因为广大用户能直接上网获取需要的信息。但知识中介仍要有人去做，因为网上信息很分散，要想找到有用的信息，就得下工夫搜罗整理。这提醒我们，充当现代的知识服务中介为科技工作者提供有价值的工具和方法就是商机，也是大数据一个很重要的有利可图的方向。
 
 　　第四点，可以有计划地支持大数据的研究。一是建议上海有关部门每年拨出一定经费，专项支持上海感兴趣的大数据研究和分析处理工作。其次，要利用大数据和信息的市场商品化趋势。目前，一般的数据分别掌握在各个部门，名义上政府统一管，实际上是被部门私有化。这种情况下，大数据共享不太可能。如能允许和鼓励数据商品市场的行为，反而会促进大数据的使用，否则很多大数据都烂在那些部门手里。
 
 　　最后一个建议，上海应有一个协调大数据研究、利用、应用的机构，这个机构不是一个行政部门，它没有很多权力来管数据怎么处理，它只为政府出谋划策，针对如何应对大数据的问题及时提出政策建议。
 
 　　
 
 科研观念，谁先转谁就赢
 
 　　□汪品先
 
 　　随着科技日新月异的发展，整个社会在发生着变化，我认为应该唤起民众，特别是广大科技人员尽早意识到转型的问题。现在整个研究的方式、规范、道德、战略都在变化。这一点谁能先意识到谁就赢。
 
 　　转型有两个条件，一个是客观可以做，一个是需要做。我从事的地球科学这些年来最明显的进步是由遥感带来的，那么多的信息现在遥感一下子全有了，这就提供了客观的可能性。第二个是需求，现在对海量信息的需求确实很大，首先就是全球变暖的问题，要寻找温室气体的下落，这靠一个国家没门，靠一个学科也没门，要靠地球科学的整体系统，从大气到地球内部全都得考虑，这就是需求。
 
 　　从世界范围来看，加拿大造了现在世界上最大的海底观测网，3000米水深，800公里的光电缆，在海里观测，已经三年多。其中浮游生物迁移的观测每天都产生一张图，3年下来这幅图已经变成12公里长。这么长的图谁去解释，怎么用？这就是典型的大数据问题。这个问题也是我们正面临的。我们长江口外的海底观测系统投用一年多来也产生了很多数据，等将来国家观测网建成，数据更不知道有多少。有效管理和利用这样的海量数据，对我们实现从“船上的海洋科学”向“海里的海洋科学”的转变必不可少。
 
 　　随着上海自贸区的推进，上海经济转型正在启动，在此背景下，上海科技界的转型也应大声疾呼，大步推进了！其实科技的转型不仅需要而且势在必行。眼睛只盯着SCI文章不应该是今天中国和上海科技界的主要追求。转变首先是思维和观念上的，要从小生产的小农经济思维转变成大经济、大科技的思维。现在我们不少单位可以搞国际合作，但是一个单位内却很难合作得起来，这种观念太不合时代，太保守了！
 
 　　第二个转变就是要从发展中国家的思维转向发达国家的思维。从地球科学来讲，现在世界上一类国家是原料（数据）输出国，专门输出数据，另一类国家是数据深度加工者，两者的学术地位完全不一样。现在发达国家越来越变成数据深加工的地方，而一些发展中国家以能“跻身”国际计划为荣，但角色基本上是输出数据，由少数发达国家完成深加工。原料和理论都可以写文章，中国如果仅仅以跻身国际为满足，单纯以发表文章为目标，日后的地位还是不高。你是深度加工者还是原料的输出者，这个大有差别。不是说我数据越多越好，而是我能从这些数据中挖出东西来，这才叫本事。
 
 　　因此我建议上海科技界能率先在大数据背景下实现新的转型，实施以上两个转变，否则你再投钱、再出文章都是废的。如果上海可以振臂一呼在全国带这个头，那就是上海发挥出了独特的功能。
 
 　　
 
 “严格性科学思维”要变一变
 
 　　□陈国良
 
 　　怎么样研究大数据？我看这里正好有个变革思维的问题。我个人是做算法研究的，一直追求严格、严密，可面对大数据，我原来那一套做基础理论特别强调科学严格性研究的思维要变革一下了。
 
 　　无论是数据的获取，还是数据的分析、解释、处理，思维都要变革。比如说数据的获取不能依靠过去的随机采样，因为随机采样没有办法揭示很新的信息。面对大数据，我们不能像小数据时代那样，用最小的数据获得最多的信息；而应该要拿到与领域相关的全数据，哪怕我不需要研究全部的数据。比如说我要研究气象，不仅要关注气温、气压、湿度的变化，与大气相关的所有数据都要了解、研究，这一类数据都要弄全。这意味着在大数据研究的时代，采样的思维需要变革。
 
 　　第二，对数据的分析思维也需要调整。面对如此众多的数据，不能像过去那样热衷和强调精确性，而且大数据时代也没有办法追求精确性。所以，基于大数据背景，搞一个简单、粗略、估计的算法，比小数据的精确算法要实用得多，也就是说，分析的思路不能过于追求精确。
 
 　　我们研究科学的，对一个现象的分析总是追究“为什么”。但在大数据时代，对事物现象、机理的解释，无须紧紧盯着事物之间“为什么”的因果关系，而是要寻找事物之间“是什么”的相关关系。我觉得这也是一种分析思维的转变。
 
 　　最后说到数据的处理。大数据不是说不需要理论，没有模型可建，没有规律可循，但要接受面对的数据很纷杂、而且量很大这个现实。有人说，在大数据面前，没有一致性的模型、没有统一的理论、没有严格的定义，科学照样可以进步，学科照样可以发展，照样可以得到很好的应用。
 
 　　（本版文章取自“院士圆桌会议”的现场发言，刊发时有删节，并经发言者审定）
 
 　　
 
 应特别注重结合智慧城市
 
 　　□褚君浩
 
 　　大数据具有综合性的、交叉学科的特点，涉及数字科学、数学、控制、计算机等不同的学科领域。这样一个学科在最近五到十年，将会对新兴技术的发展产生非常大的促进作用。
 
 　　当前对大数据的研究利用，需要关注诸如大数据形态的描述，大数据到底是什么；其次要知道大数据的基本运行规律；再次要研究大数据形态的运行规律能不能操控，怎么操控？
 
 　　我觉得大数据的研究当前要注意两方面的事。一是从数学、计算机科学技术的角度，对海量群体的多维度数据及其融合的大数据本身作进一步研究；另一方面，大数据研究要和医疗、遥感、社会管理、交通等具体物质过程结合。现在，大量的遥感数据用得上的只占百分之几，大多数都闲置着；如果能和交通、社会管理方面的需求对接，就可以找到更多用途，也能促进大数据技术的发展。
 
 　　我觉得当前大数据的应用特别要注意和智慧城市的建设相结合。智慧城市很多都是大数据问题，譬如智慧交通，如果每辆车都安装一个收发设备，驾车人能知道路况信息，什么地方堵、什么地方不堵；同时每辆车、每条道路的实时动态本身也在产生大量数据。现在提智慧医疗、智慧交通、智慧金融、智慧的水、智慧能源，这里面确实有非常多的大数据问题要解决，所以大数据研究当前一定要和智慧城市建设结合。
 
 　　
 
 优化信息流最为关键
 
 　　□柴天佑
 
 　　为什么大家都在研究大数据？我想首先一个是大数据本身已经不是研究不研究的问题，它是个客观存在，是信息化的产物，也就是发展到今天的客观存在。
 
 　　为什么大家对大数据这么重视。以风力发电为例，过去研究风力发电更多是从工程角度研究怎样让它发出更多的电，怎样去维护，但如果把它和天气信息联系起来，经过综合运用两种不同的信息数据源，来调整风力发电机，可以发现，其可靠性和发电效率都有增加。
 
 　　大数据对相关科学技术提出的挑战，一是怎么传输大数据，二是传输以后怎么储存数据，三是怎样去计算、处理和利用这些数据。为什么产业界关心这件事？因为现在遇到的问题是一大堆数据不会用，相应的手段和技术还没有。
 
 　　现在很多企业都有了储存数据的工具，天天都在计算、产生着数据，但是很多没用。人们希望工业系统的运行能达到“多目标优化”，即系统产生的产品质量好、产量高、成本低、消耗低、污染低。传统上，这取决于一个系统里“物质流”、“能源流”、“信息流”这三种“流”的交互性。但现在是信息流在起主要作用，从上面的决策一直到下面的运行都有记录，最后这个东西作用到控制系统，这三“流”作用的时候，人的决策行为要和信息系统结合在一块。人是最复杂的，人的信息行为进入系统后，怎样去分析、优化是大数据时代企业发展面临的大课题。
 
 　　另外，我建议大家研究大数据时，要关注一下新的计算方式和新的计算工具的结合，就是量子计算机。据我了解，量子计算机已经产品化。谷歌公司和美国做武器的一家公司都买了量子计算机来做大数据研究。量子计算机引起的革命，上海应该多加关注。
 
 
 
 
 source：上海文汇报

在“2016中国（成都）智慧产业国际博览会”举办期间，以“智造引领转型，互联驱动创新”为主题的“2016中国（四川）智能制造创新合作论坛”于 8月4日成功举办。来自四川省与工业和信息化部相关部门领导、中国国际贸易促进委员会四川省委员会领导、智能制造领域知名的专家、学者以及中外企业与方案供应商高层以及相关领域的听众约400人，齐聚一堂，共同探讨智能制造的发展趋势、技术进展和成功案例，并一致看好四川省在工业和电子信息领域的实力和发展智能制造的潜力。
 
 
 
工业和信息化部装备司调研员张荣瀚表示，近年来我国在推进智能制造方面取得的成绩主要体现在4个方面:一是智能制造关键技术实现重要突破，高档数控机床、工业机器人、智能仪器仪表、增材制造装备等领域快速发展；二是信息通信技术与制造业加速融合，网络协同制造、大规模个性化定制、远程运维服务等新模式不断涌现；三是企业研发设计、生产装配、流程管理、物流、仓储、能源管理等关键环节的智能化水平不断提升；四是智能制造标准体系方面基本标准体系初步构建，人才培育长足进步，一批系统集成商孕育成型。
 
张荣瀚表示，当前工业和信息化部为了推进智能制造开展了如下工作：一是加强顶层设计和统筹规划，目前正在抓紧编制智能制造发展规划2016-2020；二是制定发布智能制造工程实施指南；三是组织实施好智能制造专项；四是持续开展智能制造试点示范专项行动；五是扎实推动智能制造标准化工作。
 
 
 
工业和信息化部装备司调研员 张荣瀚
 
“四川不仅是我国三大重型装备制造基地之一，同时在机床、军工、石油机械、电子装备等领域都具有无可比拟的制造优势。”张荣瀚表示，“今天我们选择在成都举办这次以智能制造创新合作为主要议题的论坛，探讨智能制造的发展战略、制造模式的变革，分享智能制造的用户经验，对推进四川省乃至全国智能制造发展都很有意义，希望能够以本次会议为契机，上下游深度结合，以产业链的方式共同推进智能制造，加强统筹谋划、协同攻关、共同推进智能制造业的智能化转型，助力制造强国战略的贯彻实施。”
 
四川是国家布局的重要电子信息产业基地。军事电子装备整体实力居全国第一，信息安全产业总量居全国第二，微型计算机产量占全国20%以上，航空电子、平板显示、卫星应用、物联网、云计算、大数据、自动控制系统等方面整体实力名列全国前茅。
 
在智能装备制造方面，四川的高精度数控加工设备、柔性生产制造系统已经达到国内领先水平，工业机器人焊接生产线集成应用在国内有一定的优势，增材制造装备在零部件制造、修复、成型等方面进展较快，外来投资企业在川发展良好，德国西门子在成都的工厂就是四川智能制造的典范。
 
 
 
四川省投资促进局副局长 万怡挺 
 
在谈到四川智能制造发展战略时，四川省投资促进局副局长万怡挺表示，为推动四川率先建成西部制造业强省和中国制造的西部高地，省政府印发了《中国制造2025四川行动计划》等系列文件，提出推动信息技术与制造业深度融合，围绕制造业智能化、绿色化、服务化三大主攻方向，将信息化的普及、智能化的转型、高端化的突破作为三大着力重点，将四川建设成为全国重要的重大技术装备制造、信息技术研发和产品制造、战略资源精深加工、名优特新消费品生产和研发制造基地，实现制造业强省的战略目标。力争到2020年传统制造业重点领域基本实现数字化，有条件有基础的重点行业将全面启动并逐步实现智能化。
 
在谈到四川发展智能制造鼓励政策时，万怡挺介绍说，为切实推进全省智能制造的发展，将进一步加大统筹协调的力度，建立全省智能制造相关部门间的联席会议制度；将加大财税政策支持，落实好高新技术企业的税收减免、研发费用税前扣除、重大技术装备关键零部件及原材料进口免税等优惠政策；省级创新驱动、技术改造、科技成果、转化等专项资金，将把智能制造产业作为支持的重点领域；采取研制费用和保费补贴等方式，鼓励装备制造业联合高校、科研院所开发首台智能制造装备，鼓励省内业主单位使用四川造首台智能制造装备；我们将拓宽融资渠道，鼓励政策性银行增加对智能制造领域的贷款投放，对技术先进、带动和自身作用强的智能制造装备优先给予信贷支持，设立智能制造产业基金，围绕重点领域的重点企业，设立科技成果转化引导基金，产业国内化并购基金和PPP市场应用基金等支持企业做大做强。
 
据万怡挺介绍，四川省将重点发展高档数控机床、工业机器人、增材制造装备、智能检测与装配装备、智能传感与控制装备、智能物流与仓储装备等6大领域的核心技术。
 
中国电子信息产业发展研究院副院长、中德智能制造联盟秘书长王鹏，国家信息中心专家委员会主任宁家骏分别就中国制造2025的战略与实施，以及如何推进制造强国建设发表了各自的见解。
 

 
中国电子信息产业发展研究院 副院长 王鹏 
 
来自施耐德电气（中国）有限公司、北京航天智造科技发展有限公司、中航工业精益六西格玛研究所、浪潮国际、数之联、软通动力信息技术（集团）有限公司、智能云科、波鸿集团的高管和专家，分别就智能制造的综合解决方案、云计算与智能制造、智能制造的生态系统、精益生产与智能制造、核心制造技术突破等主题发表了演讲。
 

 
 
施耐德电气（中国）有限公司工业事业部 OEM副总裁  庞邢健
 
 
 
北京航天智造科技发展有限公司副总裁 王永峰
 
 
 
中航工业精益六西格玛研究所副总工程师 孟菖
 
 
 
浪潮国际制造业事业部副总经理 孙阵
 
 
 
数之联CTO 方育柯博士
 
 
 
软通动力信息技术（集团）有限公司副总裁 季献忠
 
 
 
在最后的圆桌论坛环节，施耐德电气（中国）有限公司工业事业部OEM副总裁庞刑健、软通动力信息技术（集团）有限公司副总裁季献忠、数之联CTO 方育柯博士、成飞公司数控加工厂副厂长宋智勇等嘉宾，就如何应对和抓住智能制造带来的挑战与机遇的话题，结合各自所在的领域发表了各自的看法，并就四川省发展智能制造业给出了各自的建议。
 
2016中国（四川）智能制造创新合作论坛是由中国电子信息产业发展研究院与中国国际贸易促进委员会四川省委员会共同主办。
 

 全国各地的智慧城市建设得如火如荼。近日以来，同方又陆续收到几座城市的智慧城市规划邀请意向，这些城市分布于新疆、山东、辽宁等省市（自治区）。它们当中有些已经进入规划的后期阶段，有些刚刚开始。同方基于大数据城市运行中心建设智慧城市，用顶层规划和指标体系规范智慧建设的建设内容。
 
 　　“智慧”源自大数据
 
 　　物联网、移动互联网和传统信息化的建设，驱使着历史的滚滚车轮步入大数据时代。“智慧”来自大数据。通过指标体系的梳理，将分散在各地的大数据转化成数据资源，并将数据资源体系化，就能促进大数据产生有助于科学决策的大价值。同方股份有限公司（以下称“同方”）正是这样一位数据资源化、资源体系化、体系产业化的倡导者。不仅如此，同方还是元数据理论应用的先驱者，独立于行业的数据资源应用的创新者。
 
 　　科学决策是智慧的体现。城市的智慧体现在城市居民、管理者的行为决策，而行为决策的依据则来自于大数据的分析。智慧城市建设将促进大数据的进一步发展。智慧城市建设本身也势必引发大家对数据价值的认识，并促进各部门生产、搜集、使用更多的数据。可以预见，大数据将会越来越“大”，并进一步提高智慧城市的决策力。
 
 　　城市运行是一个结构复杂、纵横交错、瞬息万变的庞大系统，城市规模的迅速扩大和城市运行的深刻变化迫切要求提高城市管理的水平。管理城市，时刻了解城市运行的动态，随时掌握城市生活跳动的脉搏，并及时、准确、科学、适度地进行调控，是保证城市生活的巨轮正常运转的基础。城市管理是以服务于城市发展和市民生活为目标，贯穿城市规划、城市建设和城市运行全过程的管理活动。
 
 
 
 图1 城市管理贯穿城市的规划、建设与运行的全过程
 
 　　城市运行体征反映城市运行状况
 
 　　城市运行系统就是将城市运行有关各部门的工作通过一个特定的组织方式而构成的综合信息系统，由城市运行信息系统、城市运行数据中心组成。
 
 　　如同通过采集各类生命体征从宏观角度来研究与掌控人体一样，通过数据与信息的采集对城市进行监测，在对数据和信息进行分析形成对城市运行态势的总体判断，对具体的情况采取有效的措施对城市运行存在的问题进行处置，使城市始终处于良好的运行状态，是城市运行系统的主要作用。
 
 　　城市运行体征，是对城市运行各项指标的归纳和总结，展示城市总体运行状况，指导城市健康、科学、智慧运行。通过对城市运行体征的管理，可以监测城市运行管理对象，挖掘城市发展内在规律，提高城市全面决策力，提升城市发展软实力。
 
 　　城市运行体征，从五个方面，全面展示城市运行状况：基础设施、公众服务、公共安全、政务管理、资源统筹。
 
 
 
 图2 城市运行体征从五个方面展示城市运行状况
 
 　　驱动城市运行体征的管理创新
 
 　　城市运行体征管理是采用大数据理念对城市运行体征进行全面管理，不断发现数据潜在价值，实现“用数据驱动城市运行”的动态过程。首先，基于顶层设计构建指标体系；其次，对指标体系进行组合提炼，形成城市运行体征；基于层次分析法，将城市运行体征分解为城市运行的内部驱动力和外部驱动力；通过基础设施、公共安全、公众服务、政务管理和资源统筹五大方面，全面展示城市运行状况，对城市运行进行监测预警、科学分析和客观评价，辅助领导决策。
 
 　　城市运行中不同领域的体征分布在各个部门当中，同方所要做的就是帮助城市管理者，把各个部门有关城市运行状态的数据拿过来，展示给管理者，引导城市管理由“经验治理”转向“科学管理”。如何才能把指标和数字全面展示出来？这就是数据驱动城市运行。 “城市”每天能够产生数以万计的数据，而只有在线和经过分析处理的数据才是有意义的，智慧城市是否真正实现智慧，对爆炸式增长的海量信息的智慧处理就显得尤为关键。只有通过大数据处理技术的分析、挖掘、应用、管理，才能从海量、复杂、实时的信息中实现便捷与智慧的应用。
 
 　　同方将现在各政府部门的业务数据，通过基础设施、公共安全、公众服务、政务管理和资源统筹与经济监测五大领域体征综合展现出来，就如图3的雷达图一样，很清晰地展示出这个城市在哪些领域存在短板，哪些领域处于优势。
 
 
 
 图3城市运行综合态势图和城市运行雷达图
 
 　　众所周知，城市运行分为常态和非常态。城市从常态转化到非常态或应急态，状态的转变迁移，很难靠经验预测得到的。但是，对城市中关键体征进行实时监测，比如对人口、交通的时空分布进行监测，结合气象信息、环境信息、节假日信息、网络信息、手机短信、电视广播等多种渠道采集信息的汇总分析，再根据案例库的相关知识信息，就可能会预测出城市运行状态的转变，为管理者争取更多的主动权。甚至，根据历史案例库和实时数据监测，系统可以推送给领导者本月、本周、今天、此时城市可能存在的薄弱环节，提供给领导者重要的参考信息，使其更加运筹帷幄。对于城市居民，系统还可以定时向市民推送有关城市教育、医疗、交通等各方面的体征状态信息，协助居民做出在哪里上学、去哪家医院、走哪条路最合适的辅助决策信息。
 
 
 
 图4 城市运行常态与非常态相互转变
 
 
 
 
 http://news.xinhuanet.com/info/2013-11/28/c_132924951.htm