數據被認為是繼土地、勞動力、資本、技術之后的又一基礎生產要素。

作為21世紀的新石油，數據存在可復制性、非排他性等特點，使其具備無限的使用空間和增長潛力，成為驅動數字經濟發展的原料。

過去十多年，這一要素的價值已經得到初步驗證：“數據+技術”的組合應用，造就了互聯網平臺經濟的繁榮，帶動數以億萬計的消費市場。

而今，AIoT時代已經來臨，數據正以幾何速度持續增加。IDC的研究顯示，到2027年，全球數據總量將達到291ZB，意味著數據時代的全面到來，而其中視圖為核心的非結構化數據會占據90%以上。

隨著以CV大模型為代表的多模態AI實現了技術躍遷，其對數據的感知、傳輸、計算等要求變得更高，形成了關于數據生產、治理、運營的流程閉環。

可以預見，數據作為新型生產要素，已快速融入生產、分配、流通、消費和社會服務管理等各個環節， 以數據為核心的產業鏈正在形成，數據的行業應用價值進一步凸顯，整個數字經濟市場將得到大規模釋放。

如何激發數據價值，這一問題成為發展數字經濟的關鍵。

10月24日，在2023大華股份“星河璀璨 萬象新生”年度峰會上，大華股份軟件平臺研發部總經理周文凱以《物聯數智平臺煥新升級，釋放數據生產力》為主題發表演講，并在會后與掘金志記者，就數字時代數據要素價值產業化構建進行了深入探討。

一、數據時代：新價值、新玩家、新秩序

數據并不是新鮮概念，在國內卻是一個新興的產業。

很長一段時間里，數據是生產經營的衍生品。企業很少意識到數據的價值，或者由于技術缺陷， 即便知曉數據的價值，也因缺少工具而無法提高數據的利用率，很難將數據本身的價值反哺到生產經營活動中，形成飛輪效應。

舉個例子，在傳統的企業生產經營中，產品從生產、銷售到售后，整個閉環會產生非常多的數據。但這些數據只是簡單地統計原材料、銷量、客戶等，方便下一個季度做生產計劃。

這種粗糙的經營模式，在競爭不激烈、市場不飽和的行業初期，弊端并不明顯。然而一旦市場增長放緩，企業的經營便會受到明顯影響。

為了解決類似問題，國內企業引進了ERP、CRM等系統，開啟了數字化轉型的第一步。隨后，云計算、大數據、AI等技術的應用，實現了對數據的利用率進一步提升，這些數據反哺到業務，開辟出全新的增長路徑，企業們愈發意識到數據的價值。

2020年4月，數據被首次寫入政府文件，并成為與土地、勞動力等并駕齊驅的基礎要素， 標志著數據完成了從伴生品向基礎要素的角色轉變。

“政策的東風已經吹到了數據產業，這個市場正在逐漸擴大。”

?

大華股份軟件平臺研發部總經理 周文凱

周文凱告訴掘金志，伴隨著制度規范的日益完善、技術體系的逐步成熟以及加速釋放的市場需求，數據作為新型的生產要素，對經濟的推動作用將愈發明顯，并且圍繞數據產生的價值鏈條正在浮現。

周文凱表示，數據的價值鏈很長，從采集到傳輸再到計算、治理、應用，涵蓋數據資產化、確權、交易、安全等多個環節，每個環節都隱藏著潛在的巨大價值。

從市場參與者的角度看，周文凱認為，未來的數據產業市場，很可能出現一個三級市場。按照產業鏈上下游角色劃分，分別是：上游的數據所有方、中游的數據加工商、下游的數據應用方，三方將圍繞數據的價值化和交易展開博弈與合作。

所有方：即數據的產權歸屬者；

加工方：提供數據采集、存儲、傳輸、計算、治理工具&方案的廠商；

應用方：利用工具發掘數據價值，給終端客戶提供服務的企業；

三者之間的關系是， 數據應用方從所有方（運營方）獲取數據，利用加工方的工具（方案）做價值呈現，為最終的需求方提供服務。

在整個閉環中，下游應用方最貼近一線業務需求，但很多公司缺乏處理數據的能力，難以在理解客戶需求的基礎上，利用數據來打通這“最后一公里”的價值閉環。所以， 必然要有加工方的存在，來作為上下游的連接器，提供數字化工具&方案，賦能下游應用方，給最終客戶解決痛點，進而打通整個數據產業的價值鏈。

但要做好這個連接器并不容易，因為在數據大爆炸時代，數據、技術、需求都在時刻變化，企業要在這個動態的變化過程中，去解決客戶的痛點，首先要理解變化、擁抱變化。

二、以視頻為核心的數據產業特點：類型多、難治理、難計算

伴隨著AIoT在千行百業的持續滲透，以視頻數據為核心的數據要素市場數據的乘數效應加速價值釋放，但仍有海量個性化、碎片化、復雜化、融合化需求未被解決，而隨著AI在數據方面的深入應用，極大地提高了數據處理能力和利用效率；同時，基于數據的AI模型、應用，又產生了全新的業務價值，二者之間相互支持、共同成就。

作為AI的進階態，大模型因其泛化能力強，能夠處理更復雜的場景任務，并且一定程度上解決傳統AI面臨的場景化落地痛點，成為當下AI發展的重點，也是激發數據價值、發展數字經濟的重要路徑。

但也正因如此，大模型對數據的依賴更強，所需要的數據量是傳統AI算法的成百上千倍。傳統的模型訓練，數據量要求在幾億至數十億不等，而大模型的訓練，則需要千億至萬億級的數據量。

周文凱表示當前占據數據總量90%以上的非結構化的視圖數據，在數據價值化過程中呈現出了場景多樣且協議泛雜、數據量大但價值密度低、視圖和信息異構數據計算難等痛點難點：

• 協議多、數據格式不統一，導致數據流轉效率低

在數據前端集采環節，存在大量的碎片化場景，不同的客戶會買多種類型的設備，即便是同一個客戶，也會采購不同的產品，并且不同的數據類型對采集的要求也相互迥異。這就導致一個問題：設備之間的協議并不互通，數據格式多樣化，不論是數據流轉還是處理，都要花費大量的資源。

• 非結構化數據量大、質量低，數據治理難度大

根據IDC的研究，在日益增長的數據量中，絕大部分為非結構化數據，即視頻、圖片、音頻等等，要讓AI讀懂這些數據，還有很大難度。并且，隨著數據量的增加，數據的質量參差不齊，噪音隨之而來，很多時候AI會出現“幻覺”（即一本正經地胡說八道）。這些原因都會給數據治理帶來困難，當前的技術還不能完全解決這些問題。

• 視頻圖片和信息化數據交叉計算難，影響業務創新落地

當前AI的大規模落地能夠更大范圍的提取視頻結構化數據，歸納視頻采集信息、構建對象關系網絡、形成行業知識，通過視圖數據與信息數據的融合計算，讓視頻數據價值升維，但在數據融合的價值計算過程中，視頻圖片和信息化異構數據交叉計算難，影響業務創新落地。

即便現階段存在這些問題， 大模型仍然是解決復雜場景問題的最優解，周文凱認為，大模型是一種實現數據價值的手段、方式。其核心價值在于，基于原有的數據，通過大模型的更強泛化能力、更高的準確率和場景的自主解析，能夠規模化解決更多的場景痛點，實現業務價值創造。

不過，并非所有公司都具備研發大模型的能力，只有那些既能夠接觸數據、懂數據，又懂下游客戶的業務場景需求痛點，并兼顧極強技術轉化能力的公司，才能提供對應的行業大模型，承擔起數字經濟“連接器”的重要職能。

在AIoT行業深耕多年的大華股份，顯然具備這個資格。

三、“天機”+“天衍”，大華掘金數字經濟的兩個抓手

與市面上許多NLP大模型不同，大華股份推出的“星漢大模型”，本質上是一個融合多模態的CV行業大模型。

大華股份在AIoT行業有著多年的積累，始終聚焦于以視頻為核心的數據產業鏈，“這個市場非常大，能做好就已經足夠”。

作為AIoT行業的佼佼者，大華的優勢在于， 向下懂視頻數據，向上懂業務場景，自身又具備AI和大數據能力。

周文凱表示，數據作為新型生產要素在推動著業務升級的同時也給原有的生產作業工具提出更高的要求。“我們的定位是利用大華在行業的積累，以及以大模型、大數據為代表的技術能力，給客戶提供‘數據價值化’的工具，幫助客戶解決業務痛點。”

從2010年第一個行業軟件平臺產品推出至今，大華始終堅持客戶價值導向，業務牽引、技術驅動，不斷積累行業范式理解，圍繞設計、協議、開發、組件四大領域構建了高效的軟件工程化能力，在大華提供的工具賦能下，客戶能夠將所有物聯的信息串聯起來，根據實際業務做整合、分析、處理，然后做具體的業務呈現。

基于此，大華推出了全新升級的物聯數智平臺2.0，該平臺融合了“星漢大模型”、圖數融合計算、算網自智等技術，面向城市、企業等行業場景，構建了“天機”“天衍”兩款面向不同客戶的產品系列，賦能千行百業。

“天機”系列主要面向G端客戶，以城市治理為核心，聚焦“社會安全、城市有序、綠色惠民、治理提效”四個維度，覆蓋了超過200個城市場景，助力城市治理效率提升和優化。

“天衍”則面向B端客戶，為企業提供數字化管理工具，幫助企業解決業務痛點，尋找新價值，實現數字化轉型。

當前，AIoT行業進入了新的發展階段，呈現出明顯的融合特征，包括數據要素的融合、跨行業間的業務融合、算網融合等等。因此“物聯數智平臺2.0”也必須融合多種能力，才能解決長尾場景下的痛點，滿足不同行業客戶的需求。

“但大華也不會只提供工具。”周文凱告訴掘金志，AIoT行業有非常之多的業務場景，大華不可能每個場景都能實現覆蓋，所以大華也會與懂行業的合作伙伴做端到端的閉環解決方案。

“AIoT這個市場足夠大，我們希望能夠與行業客戶合作，解決問題，用自身的技術能力去提高數據處理、利用效率，在經營上幫助客戶；同時也歡迎合作伙伴參與進來，豐富市場，把市場做得更大。”

總結

伴隨著國家數據局的揭牌，以及各種政策文件的出臺，昭示著數字經濟時代即將全面到來。

在大模型技術的加持下，數據的價值得到了有效釋放。但對于千行百業的場景而言，當前技術的泛化能力還遠遠不夠，各行各業都存在業務難點，這既需要時間，也需要資源，才能一點點將問題解耦。

有一點可以肯定的是，以數據為核心的價值鏈將趨于完整，數據資產化價值化、確權、交易、安全治理等都將迎來規范化、標準化，整個數據產業也將形成完整的商業生態和市場秩序。

這條路來日方長，但大華已經在路上了。 雷峰網雷峰網 (公眾號：雷峰網)

雷峰網原創文章，未經授權禁止轉載。詳情見 轉載須知 。