智能经济时代初现雏形 ——数据赋能至上，数据共享先行 （先导篇）

近年来，以人工智能、区块链、可信计算、边缘计算、云计算、物联网等技术集群呈现“核聚变”式爆发的态势，新一代信息技术基础设施——“新基建”正在形成新的社会运行操作系统，以智能化为代表的新经济形态已初现雏形。令人欣喜的是，在2019年的政府工作报告中，我国亦首次提出了“智能+”的重要战略。无疑，这昭示着智能经济时代即将来临。

首先，该报告对智能经济的定义及其特征进行了阐述。所谓智能经济，是数字经济发展的高级阶段，是由“数据+算力+算法”定义的智能化决策、智能化运行的新经济形态。智能经济呈现出数字化、网络化、智能化三大特征。

该报告的创新之一在于首次系统总结出智能经济“一体两翼”的框架特征。数据在线是智能经济的重要载体，建立起物理世界和数字世界之间精准映射、实时反馈机制，构成“一体”。数据赋能使得生产效率得到了提高，数据流通使得协作关系得到了重塑，数据赋能和数据协同构筑智能经济双引擎，构成“两翼”。

其次，该报告基于对智能经济的六层技术架构进行详细阐述，绘制出了智能经济全景图谱。在通信层，5G专注高速率、低时延、高可靠，而NB-IoT专注低功耗、低成本，大连接，呈现出高速率与低功耗双轨演变态势。在算力层，云计算实现云端的平台智能，边缘计算实现终端的现场智能，可信计算实现数据的安全流通，可谓“云-边-端”三位一体，协同计算。在数据层，数据赋能使得生产效率得到了提高，数据流通使得协作关系得到了重塑，亦呈现出生产力与生产关系双向变革态势。在算法层，深度学习作为人工智能核心算法，共识算法作为分布式系统核心算法，集中式算法与分布式算法相辅相成，呈现出双轮驱动态势。在PaaS层，该报告分别阐述了语音交互、计算机视觉、跨链技术、隐私保护四大功能模块。在SaaS层，该报告分别从通用型应用和垂直型应用两个方面进行了详细阐述。

值得注意的是，该报告的另一创新之处在于，该智能经济全景图谱首次将云计算、边缘计算以及可信计算统一整合到算力层进行阐述，尤其是对可信计算作了重点分析。同时，该图谱首次将深度学习算法和共识算法统一整合到算法层进行详细阐述。

最后，该报告总结出了智能经济未来的三大发展趋势。第一，在数据赋能方面，“云-边-端”三维智能体系，共建“智联网”;第二、在数据共享方面，数据共享是“刚需”，数据流动是“常态”;第三，在隐私安全方面，建立适应数据动态跨界流动的安全防护体系。

一、智能经济“一体两翼”初现雏形

近年来，以人工智能、区块链、可信计算、边缘计算、云计算、物联网等技术集群呈现“核聚变”式爆发的态势，新一代信息技术基础设施——“新基建”正在形成新的社会运行操作系统，以智能化为代表的新经济形态已初现雏形。

无独有偶，阿里研究院也在今年发布的《从连接到赋能：“智能+”助力中国经济高质量发展》同样提出了智能经济的概念，智能技术群的“核聚变”将推动智能经济时代的到来。

令人欣喜的是，在2019年的政府工作报告中，我国亦首次提出了“智能+”的重要战略：“深化大数据、人工智能等研发应用。打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能”。无疑，这昭示着智能经济时代即将来临。

随后，中央全面深化改革委员会第七次会议上通过的《关于促进人工智能和实体经济深度融合的指导意见》首次提出“智能经济形态”，促进人工智能与实体经济深度融合，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。

我们认为，数据在线是智能经济的重要载体，建立起物理世界和数字世界之间精准映射、实时反馈机制，构成“一体”。数据赋能使得生产效率得到了提高，数据流通使得协作关系得到了重塑，数据赋能和数据协同构筑智能经济双引擎，构成“两翼”。智能经济“一体两翼”初现雏形。

图片来源：算力智库研究院

(一)智能经济：由“数据+算力+算法”定义的全新商业世界

所谓智能经济，是数字经济发展的高级阶段，是由“数据+算力+算法”定义的智能化决策、智能化运行的新经济形态。智能经济以数据为关键生产要素，以人机协同为主要生产和服务方式，以满足消费者个性化需求为终极价值追求方向。

智能经济呈现出数字化、网络化、智能化三大特征。数字化也就是实现数据在线，是基础;网络化也就是协同网络，是支撑;智能化也即是认知计算，是目标。通过对人、物构成的物理世界进行数字化产生数据，通过网络化实现数据的价值流动，以数据为生产要素，通过智能化为各行业创造经济和社会价值。

(二)“一体”：数据在线是智能经济载体，构建数字孪生世界

智能经济的终极目标是构建数字孪生世界。而想要实现孪生世界的前提是实现数据在线。因为只有数据在线，才能通过数据将物理世界的客观存在映射到数字世界当中，才能建立起物理世界和数字世界之间精准映射、实时反馈机制，最终实现物理世界和数字世界的全面融合，最终使得原子比特世界融合成一体。

而物联网是数据在线的具体表现形态。在人口红利和流量红利增长趋缓的背景下，互联网巨头纷纷瞄准物联网作为新一轮信息红利增长的主要来源。物联网是下一代互联网架构的核心组成部分，是连接虚拟与现实世界的重要入口。物联网成为全面构筑经济社会智慧化转型的关键基础设施。

(三)“两翼”：数据赋能和数据协同携手构筑智能经济双引擎

众所周知，智能经济的核心特征莫过于满足消费者的个性化需求。而想要实现个性化，只有通过数据智能方可实现。智能经济的数据智能以平台侧的云计算和终端侧的边缘计算为代表。

人工智能的前提条件是拥有海量数据进行模型训练。但在现实世界中，任何单一机构，即便强大如当下互联网巨头，永远都只能掌握数据集合的一部分，都不足以全面、精准地勾画出目标对象的全部特性。所以，在智能经济时代，数据共享是“刚需”，只有将多方数据协同计算才能实现数据价值的最大化。智能经济的数据协同主要以可信计算为代表。智能经济时代，数据赋能和数据协同将构成未来商业竞争的双引擎。

二、智能经济全景图谱分析

(一)智能经济全景图谱总览

从技术层面来看，智能经济可以分为六层架构: (1)通信层：主要包括5G、NB-IOT技术，是数字经济的通信技术支撑;(2)算力层：主要包括云计算、边缘计算和可信计算，相当于人体的脊椎和四肢，是数字经济的信息技术支撑;(3)数据层：主要包括数据分析、数据流通，相当于人体的血液;(4)算法层：相当于人体的大脑;(5)PaaS层：主要列举了语音交互、计算机视觉、跨链、隐私保护四个热门领域;(6)SaaS层：主要包括通用型应用和垂直型应用。

图片来源：算力智库研究院

(二)通信层：高速率与低功耗双轨演变

无线通信技术大致可以分为两类，一类是短距离通信技术，包括蓝牙，Zigbee，WiFi等，主要应用于室内智能家居，消费电子等场景;第二类是远距离通信技术,包括4G、5G等蜂窝通信技术，以及NB-IoT、LoRa等LPWA技术。

无线通信技术在向高速率，低时延及高可靠性发展的同时也在向低速率、低功耗及大连接方向演变。其中，高速率业务驱动无线通信技术向5G发展，中低速率业务驱动无线通信技术向以NB-IoT为代表的LPWA技术演变。

1、5G专注高速率、低时延、高可靠，给物联网带来革命性升级

5G 技术最核心的改变就是通过对三大应用场景的定义丰富了网络连接的适用范围，进而满足了新增的连接需求，将互联网从“人”进一步扩大到“物”。5G应用的三大场景中，除了移动增强宽带，大规模物联网和超高可靠、超低时延通信都是针对物联网的全新场景。由于5G很好的解决了时延、速度、密度等核心问题，能够有效满足以上三类应用场景的物联网需求。

图片来源：算力智库研究院

5G给物联网带来的革命性升级不仅意味着提供更快的速度和更低的延迟。更重要的是，5G能够连接网络中的大量传感器和智能设备，并使其能够进行机器对机器的直接通信，诞生海量数据，为人工智能模型的训练提供丰富数据，实现对目标对象的精确刻画，大大降低了定制化服务的成本，使得从大规模标准化服务变为个性化精细服务成为可能，给人工智能技术带来从量变到质变的影响。

2、NB-IoT专注低功耗、低成本，大连接，物联网爆发近在咫尺

NB-IOT由通信行业最具权威的标准化组织3GPP制定，并由国际电信联盟ITU批准，属于国际通用标准。NB-IOT主要是以速率与时延为代价来满足低功耗、低成本、广覆盖与大连接的物联网应用场景需求，现在已经有超过千万个NB-IoT连接广泛应用于城市管理及个人生活的方方面面。

NB-IoT属于运营商网络，可以直接租用运营商网络，节约了大量的网络部署时间，有利于迅速大规模推广。中国是NB-IoT网络的主要推动国家之一。目前，我国三大运营商NB-IoT网络已基本实现全国覆盖，已经建成全球规模最大的NB-IoT网络。当前，随着物联网芯片、通信模组等关键产业环节逐步成熟，物联网产业爆发近在咫尺。

(三)算力层：“云-边-端”三位一体，协同计算

伴随着终端智能化水平的不断提升，平台侧的云计算、边缘侧的边缘计算以及可信计算等新技术呈现出并行发展的趋势，物联网正向“智联网”演变。

1、云计算实现云端的平台智能

云计算是人工智能的重要助推器。云计算将传统的IT工作方式转变为以网络为依托的云平台方式运行。当前，以“计算+算法+数据”为核心的人工智能技术是智能经济的重要基石。而无论是海量数据的获取及存储，还是算法的持续训练均离不开云计算的技术支撑。

云计算的特点在于集中管理、按需使用，一方面提高了计算效率，另一方面有效降低了用户的部署和运维成本。但是，云计算在时延、带宽、性能等方面存在明显短板。云计算模式将所有计算能力集中在一个核心节点，降低了自身的可移动性，无法识别地理位置和用户信息，并且当数据处理量较大时，具有网络拥塞、时间延迟等问题。

2、边缘计算实现终端的现场智能

纯粹的企业内部部署方案会催生数据孤岛，而纯粹的云方案则会面临高延时、高传输成本以及海量数据的筛选难度。边缘计算的本质是让物联网时代大量传感器捕捉的海量数据得以在最合适的位置进行处理分析。在此背景下，边缘计算需要应运而生。

边缘计算将数据处理、应用程序的运行等能力从网络核心的云端下沉到网络边缘的节点上，提供低时延、高带宽的传输条件，满足低时延、大带宽、高可靠的应用需求。在边缘计算的支持下，大量物联网场景的实时性和安全性得到保障，有望在车联网、智能制造、智慧城市等垂直领域场景得到重点应用。

边缘计算的典型企业是网宿科技。网宿科技通过强化在边缘侧的计算、存储、传输、安全等能力，帮助云时代企业级用户更经济更有效率地用好云。公司目前的CDN平台本身就有着较强的分发和存储能力，通过软硬件部署升级，将计算和安全能力释放，将形成集计算、存储、分发、安全一体化的边缘计算平台。

3、可信计算实现数据的安全流通

可信计算指的是采用硬件安全模块，大大提高系统整体的安全性，其本质是为了保护隐私安全。需要特别指出的是，此处的隐私安全是建立在数据安全之上更深层次的隐私保护要求。

数据来源：《大数据安全白皮书(2018)》，信通院

数据安全是一种“静态”的隐私数据保护策略;隐私安全是一种“动态”的隐私数据保护策略;隐私安全关注的是隐私数据在流通过程中的安全问题，是数字经济时代面临的新问题，因为数字经济时代，数据只有流通才能价值最大化。

目前，可信计算主要存在两种技术路径，一种是以可信执行环境为代表的软硬结合技术路径，另一种是以安全多方计算和区块链为代表得到软件技术路径。需要说明的是，除了这两种技术框架之外，可信计算还包括各种脱敏、以及同态加密、零知识证明等加密技术。只不过，从原理、成熟度和应用普遍性的角度来看，都不如上述两种技术框架影响深远。

(1)可信执行环境

随着可信计算的发展，其研究方向已经由传统硬件芯片模式转向了可信执行环境模式，主要包括基于Intel芯片的SGX以及基于ARM开源框架的TrustZone。

Intel SGX将合法软件的安全操作封装在enclaves中，特权或者非特权的软件都无法访问enclaves。SGX的可信级别属于硬件级别，软件层面甚至操作系统层级的攻击都无法威胁到SGX创造的可信环境。

TrustZone是ARM处理器所特有的安全计算环境。不同于Intel SGX可以生成多个完全封装的enclaves，TrustZone将CPU划分为两个平行且隔离的处理环境，一个为普通运行环境，另一个为可信运行环境。两者互相隔离，很难跨环境操作代码及资源。

可信执行环境的典型代表是Oasis Labs。Oasis Labs致力于通过软硬件集成技术，建立一个基于区块链的隐私云计算平台，提供规模级的隐私保护智能合约服务。Oasis Labs平台主要提供两大核心价值：一是在区块链上提供隐私和安全保护;二是解决可扩展性问题，能够实现复杂的计算密集型和隐私敏感型服务。

(2)区块链

区块链是一种分布式账本，通过块链式的数据结构实现分布式账本。区块链技术将账本数据打包为区块，并采用密码学技术组织成链状数据结构、在全网进行确认和验证，从而实现数据的不可伪造、不可篡改、完整可溯等特性。

近几年来，区块链技术正处于不断的发展演变中，在提升性能和吞吐量方面做了大量探索。虽然从技术安全和应用成熟度等方面来讲，仍然面临较大挑战，但取得的技术进展也是绝对不容忽视的。具体而言，在提高性能方面，跨链、分片等技术进展较快，同时，在数据安全与隐私保护领域同样发展活跃，业已成为新的核心关键技术方向。

区块链的典型代表是GXChain。GXChain是一条为全球数据经济服务的基础链，基于区块链的分布式特性、密码学等技术手段和通证设计，为数据经济的发展提供了全新的区块链解决思路，引领了数据服务的新变革。GXChain围绕现有数据经济中的数据所有权分配、数据泄露、数据真伪和数据激励等问题，开发了丰富的可信数据组件，逐渐打通数据上链、数据储存、数据计算、数据交换的各个环节，并且已经有了众多落地的应用和实践。

(3)安全多方计算

安全多方计算旨在解决一组互不信任的参与方之间保护隐私的协同计算问题，为数据所有方及数据需求方提供不泄露原始数据前提下的多方协同计算能力。在整个计算协议执行过程中，用户对个人数据始终拥有控制权，只有计算逻辑是公开的。计算参与方只需参与计算协议，无需依赖第三方就能完成数据计算，并且参与各方拿到计算结果后也无法推断出原始数据。

只要有数据共享和隐私保护的矛盾，就有安全多方计算服务的用武之地。在目前个人数据毫无隐私的环境下，对数据进行确权并实现数据价值显得尤为重要。

安全多方计算的典型代表是ARPA。ARPA安全计算网络的每个节点均由共识层和计算层两层组成，计算层主要负责运行ARPA的安全多方协议，共识层主要负责各种交易的记录和达成一致。ARPA安全计算网络对所有参与者开放，无须许可便可自由加入网络，贡献它们的计算资源并获取相应回报。同时，ARPA借助秘密共享和门限签名技术来保障区块是随机生成的。

安全多方计算等基于密码学的新型隐私安全计算技术是有望彻底解决隐私安全问题的理想技术方案。但就目前而言，普遍存在计算开销大、存储开销大等问题。以安全多方计算为例，虽然发展至今已有相当成熟的理论研究，但是工程化实现道路仍任重道远，能够进行工程实现并研发出相关产品的企业在国内乃至全球都屈指可数。

(四)数据层：生产力与生产关系双向变革

数据是物理世界在虚拟空间的客观映射，是数字经济的核心生产资料和生产要素。在智能经济时代，物理世界和数字世界的全面融合，原子比特世界融合成一体，人、事、物都在实时被数据化，真正使得在线成为常态。事实上，只有在线产生的数据，才能够用于量化决策与预测，也才能够实现真正的数据业务化，创造新的经济和社会价值。

1、数据赋能：提高生产效率

诞生海量数据，为人工智能模型的训练提供丰富数据，实现对目标对象的精确刻画，大大降低了定制化服务的成本，使得从大规模标准化服务变为个性化精细服务成为可能，给人工智能技术带来从量变到质变的影响。数据赋能包括平台的大数据赋能和边缘侧的现场赋能，实现途径包括基于人工智能的知识赋能、基于边缘计算的能力赋能。

2、数据流通：重塑协作关系

大数据时代，数据作为一种特殊的资产，能够在流通和使用过程中不断创造新的价值。大数据时代，数据在流动过程中实现价值最大化。因此，数据流动是“常态”，数据静止存储才是“非常态”。数据流动创新主要体现在两个方面：一是跨层的数据流动，即云、管、端之间的数据流动;二是跨行业、跨环节的数据流动，以区块链技术为代表。

(五)算法层：集中式算法与分布式算法双轮驱动

1、深度学习：认知系统核心算法，编译器是差异化竞争焦点

深度学习软件框架及工具集是人工智能应用落地的核心要素。软件框架是算法的工程实现，实现对人工智能算法的封装，数据的调用以及计算资源的调度使用，是整个技术体系的核心。

当前，人工智能基础性算法已经较为成熟，深度学习训练框架技术及生态已经趋于成熟。各大互联网巨头纷纷发力建设算法模型工具库，并将其封装为软件框架，供开发者使用，将开源深度学习软件框架作为打造开发及使用生态核心的核心。

但在实际人工智能产品研发中，由于各框架系统及其组件存在复杂性，不同的应用场景涉及到的系统及组件不同，版本碎片化和独立性问题严重，系统与系统之间，组件与组件之间的信息交互与共享难度较大，模型复用率低，造成建模和算法训练工作量大，时间长，编译器是差异化竞争的焦点所在。典型企业代表是OpenCV。OpenCV集成了DNN 推断库，支持Caffe、TensorFlow 等主流框架AI 模型格式, 并可以自由配置底层运算库(如openblas，cudnn 等)和编译库，能够适配GPU、Intel/AMD X86 和ARM 等多类处理器，通过编译配置能够对云端和终端侧推断均提供支持。

2、共识算法：分布式系统核心算法，可插拔机制是必然趋势

共识机制在区块链中处于核心地位。主流共识算法经过一路发展，从早期的工作量证明，已经发展到权益证明、代理权益证明、实用拜占庭容错算法、授权拜占庭容错等机制。

现存的单一共识机制在应用层面比较专注于某一特定场景，各自有其缺陷。比如，私有链和联盟链通常采用的实用拜占庭容错算法以降低安全为代价提升系统性能。而公有链所采用的工作量证明、权益证明等共识机制，主要强调系统安全性，性能较差。

在新一代区块链共识机制的设计过程中，根据实际应用场景，为提升效率，需在安全性、可靠性、开放性等方面进行取舍。因此，共识机制从单一的共识机制向多类混合的共识机制演进，根据场景切换共识机制的可插拔形式是未来发展的主要方向。

可插拔共识机制的典型代表是XuperChain。XuperChain的可插拔主要体现在两个方面：一方面，XuperChain不同的平行链允许采用不同的共识机制，以此来满足不同的共识应用需求，用户可以通过API创建自己的区块链，并指定初始的共识机制。另一方面，XuperChain还支持在任意时刻通过投票表决机制实现共识的升级，从而实现共识机制的热升级。

(六)PaaS层

在数据赋能方面，人工智能带来的最显著变化是人机互动方式的提升，人机互动以更加智能、更加友好、更加自然的界面完成。智能界面的背后是一系列以人为中心的前沿技术的进步，比如语音识别、计算机视觉等等。以下我们将分别挑选两大热门方向中最具看点的语音交互和视觉交互进行详细分析。

在数据协同方面，近几年来，区块链技术正处于不断的发展演变中，在提升性能和吞吐量方面做了大量探索。虽然从技术安全和应用成熟度等方面来讲，仍然面临较大挑战，但取得的技术进展也是绝对不容忽视的。具体而言，在提高性能方面，跨链、分片等技术进展较快，同时，在数据安全与隐私保护领域同样发展活跃，业已成为新的核心关键技术方向。以下我们将分别挑选两大热门方向中最具看点的跨链技术和隐私安全进行详细分析。

1、语音交互：识别准确率超越人类，但自然语言处理有待攻克

语音交流更倾向于日常交流方式，在特定的场景中具有优势，比如远程操纵、在驾驶过程中等，能够实现在特定场景中解放双手的作用。更重要的是，针对用户语音交互数据进行深度挖掘，使得从大规模标准化服务变为个性化精细服务成为可能。

当前，语音识别准确率在安静环境下字准率达到97%，已经超越人类水平。未来，语音交互日渐成为智能家居和车载等场景的标配，将成为主流的人机交互方式。

但95%的正确率仅能满足偶尔使用需求，语音彻底取代键盘成为最常用人机交互模式仍有待于正确率的进一步提升。即使在语音交互领域，依然有很多技术难题需要攻克，比如在嘈杂的环境中语音唤醒和语音识别的效果不理想。更别提处在初级阶段的自然语言处理领域。基于目前机器对自然语言的理解程度，只能执行比较简单的任务。

语音交互的典型代表是小i机器人。小i机器人致力于智能语音机器人的研发与技术，其核心业务就是智能客服。随着产业化应用的不断积累，公司获得了海量的基础交互数据资源，可以进一步充实和完善知识库体系。从数据积累到知识库体系到产业化应用的正向循环过程中，小i机器人铸就了较强的竞争壁垒。

2、计算机视觉：生物及静态识别较为成熟，动态识别有待突破

人类认识了解世界的信息中91%来自视觉，同样计算机视觉会成为机器认知世界的基础，其终极目的是使得计算机能够像人一样“看懂世界”。

计算机视觉的技术发展受益于深度学习算法的优化、计算能力的突破以及数据的积累。目前，计算机视觉在静态的图像识别领域已经做得非常出色了，甚至在某些方面超出人类的水平。2015年，ImageNet大规模视觉识别挑战赛top5的错误率已经下降到了3.57%，而人眼识别的错误率为5.1%，达到了商用化水平。

计算机视觉的典型企业是阅面科技。阅面科技是一家具有自主AI视觉识别技术的人工智能公司，专注于深度学习和嵌入式计算机视觉技术的研发，并通过芯片AI视觉赋能实现终端产品的智能化。嵌入式视觉算法是阅面科技的核心技术，但其核心竞争优势却不仅仅是算法。嵌入式算法对设备的功耗和计算资源均有高要求，既要保证本地化实时处理，又要尽可能合理配置资源，降低设备端功耗。因此，阅面科技自主研发出了基于嵌入式视觉算法而集成的繁星系列AI芯片，通过软硬结合的方法，向客户提供一体化解决方案，才是其真正的核心优势。

当前，静态物体识别技术趋于成熟，监督学习和推理能力是计算机视觉技术的主要短板。从技术成熟度来看，生物特征和静态物体识别较为成熟，动态图像识别难度较大。

3、跨链技术：Layer 2层最具发展前景的区块链可扩展方案之一

随着区块链底层平台的不断发展，跨链通信和数据交互日益重要。如何提升可扩展性和执行效率，保证跨区块链网络间的数据一致性以及数据不一致时的共识成为跨链技术的发展重点。

从技术层面来讲，跨链技术属于区块链可扩展方案分层模型的一个分支。区块链可扩展方案分层模型主要分为Layer 0层、Layer 1层、Layer 2层。其中，Layer 1层链上改进是将区块链技术底层账本和上层应用分离，底层账本的重心放在安全性和去中心化上，在性能上有所取舍。Layer 2层链下改进是基于区块链的底层账本技术之上的应用型扩展，重心放在性能和安全上，对去中心化有所取舍。Layer 1层上能够改进的方向非常明确但相对有限，Layer 2层是未来区块链扩容的主力方向。Layer 2层的改进方案主要包括侧链/跨链、状态通道、Plasma等等。

跨链技术的典型代表是Polkadot。Polkadot是一个异构的多链系统，由多条异构的区块链与跨链组件组成，支持众多高度差异化的共识系统在完全去中心化的网络中交互操作，允许去信任地相互访问各区块链。在Polkadot结构中，收集人负责从原链中收集需要中继的交易，打包成一个区块，再将区块提交给中继链中负责验证该链的验证人，验证通过后，路由转发交易给目的链。

跨链是Layer 2层上最具看点的区块链扩容方案。当前，跨链技术成熟度还较低，现有的跨链技术主要致力于解决可用性问题，对于跨链易用性、可扩展性以及安全性的研究还有待发展。

4、隐私保护：彻底解决数据孤岛困境，开启数据利用的新模式

保证个人信息、商业机密或独有数据资源等隐私信息在数据处理、流转过程中不会泄露，是企业或组织参与数据共享和流通合作的前提条件，也是困扰当前产业界数据共享和流通的难题。当前，隐私保护涉及的技术主要包括安全多方计算、同态加密、零知识证明等等。

同态加密提供了一种对加密数据进行处理的功能。也即是，其他人可以对加密数据进行处理，但是不会泄露任何原始内容。同态加密算法通常分为加法同态、乘法同态、全同态等类型，其中加法同态已在一些区块链项目中落地实践。而借助零知识证明，验证方既不知道数据具体内容，又能确认该内容的是否有效或合法，在交易有效性证明等业务环节中具有很大应用价值。

隐私保护的典型代表是矩阵元。矩阵元定位于隐私计算和价值交换网络的技术服务提供商。历时近两年的理论和工程化探索，矩阵元于今年6月成功上线了以MPC为核心，包含代理重加密、零知识证明、同态加密等大量密码学算法在内的JUGO安全多方计算平台。通过部署MPC节点，各参与方可以在本地数据不被归集、隐私数据不被泄露的前提下，共同执行既定逻辑的运算，获取共同想要的数据分析结果。

安全多方计算、同态加密、零知识证明等基于密码学的新型隐私安全计算技术是有望彻底解决隐私安全问题的理想技术方案，有望打破数据在行业、企业间的流动壁垒，彻底解决数据孤岛问题，开启智能经济时代数据利用新商业模式。但就目前而言，普遍存在计算开销大、存储开销大等问题，工程化实现道路仍任重道远。

(七)SaaS层

一方面，近年来，国内人口红利逐渐消失，人力成本不断提升，需要使用信息化手段来代替一部分人工劳动，从而逐步降低对人工的依赖，另一方面，我国大量小微企业需要拥抱信息技术来不断提高经营效率，SaaS模式大幅降低企业运营成本，显著提高企业效率，很好的迎合了其转型需求。预计，我国SaaS市场有望迎来跨越式发展。

1、通用型：CRM等渠道业务先行，ERP等核心业务加速智能化

在通用领域，由于企业管理中对外沟通和移动办公需求大，上云之后有助于提升外部链接便利性。所以，外部性越强的模块，越容易云化。从实践来看，客户关系管理、人力资源、协同办公等细分领域因其产品通用化程度较高，服务门槛较低，处于相对成熟阶段。但是如果仅仅只做单一领域功能模块的话，很难形成有效竞争壁垒。

CRM的典型企业是和创科技。和创科技结合云计算、大数据与AI技术，基于中国企业所面临的销售管理问题先后研发出了红圈营销、红圈通、红圈订单、红圈CRM与红圈OMS等系列智能化移动SaaS销售管理云服务软件，不仅全面解决了企业销售团队的拜访计划、客户管理、沟通协同与数据报表等管理需求，还具有灵活易用、高度可配、拓展性强等的管理功能特性，实现了为企业CIO的营销赋能。

ERP系统需要对企业财务报表数据、人力资源、现金流和流动资金等经营状况进行智能监督，产品线相对较长，流程全面，涉及采购、生产、仓储、销售等多个部门，定制化程度较高，开发周期较长，整体发展进度较慢，但竞争壁垒较高。

ERP的典型代表是汉得信息。汉得信息提供涵盖企业信息化建设全生命周期(规划、实施、定制开发、运维、升级等)的交付服务，从核心财务管理到生产计划敏捷推进，从客户关系管理基础到数据智能化分析，从人事制度变革管理到人力资源效率化提高，业务主线贯穿全方位的企业信息化解决方案，实施产品涵盖了ERP、EPM、CRM、SRM、HR、PLM等企业管理信息化几乎所有主要领域。

2、垂直型：智慧金融、智慧医疗和智能汽车引领智能升级浪潮

在垂直领域，智能升级浪潮起步于智慧家居、智能硬件、服务机器人等消费物联网领域，当前正在向产业物联网渐次渗透。智慧金融、自动驾驶、智慧医疗等领域由于在结构化数据、ASIC芯片研发、算法训练成熟度、应用场景定义清晰度这四个关键要素成熟度最高，将引领这一波智能升级浪潮。

从全球企业实践来看，在智慧医疗领域，具体应用场景主要有辅助诊疗、虚拟助理、医学影像、新药研发、健康管理等。在智慧金融领域，具体应用场景主要智能客服、智能身份认证、智能营销、智能风控、智能投顾、智能量化交易等。

智慧医疗的典型企业是腾讯觅影。在辅助诊疗领域，腾讯觅影主要包括诊疗风险监控系统和病案智能化管理系统：诊疗风险监控系统旨在辅助降低医生诊疗风险;病案智能化管理系统可以准确提取病案特征，输出结构化的病历，让医生从病案繁琐的表面工作中解脱，有效提升诊疗和科研效率。在医学影像领域，腾讯觅影针对食管癌、肺结节、糖尿病性视网膜病变等病种的筛查已进入临床预试验，每月处理上百万张医学影像，大大提升了医疗效率，而且对于偏远地区提高医疗水平。

至于建筑、地产、电力、农业等传统行业，由于整体信息化程度较低，向AI转型的关键要素的成熟度较低，在这一波智能化的浪潮中处于落后位置，行业依然处在蛰伏期，但是我们预计未来这些冷门领域也将迎来自己的机遇。

三、智能经济发展趋势

展望未来，预计智能经济将会呈现出如下三大趋势：

(一)数据赋能：“云-边-端”三维智能体系，共建“智联网”

边缘计算以“云—边—端”为典型架构，相对于原有体系新增了“边缘节点”，并将对原有云、管、端的软硬件与体系架构针对性地进行调整升级。当新一代的网络架构建设完成后，边缘计算和传统云计算将形成“云-边-端”协同的效应，提升物联网方案的完善度和体验。云计算厂商未来的战略布局将着眼于如何提升“云-边-端”协同竞争力。

云计算适用于非实时、长周期数据、业务决策场景，主要强调精度、处理能力、内存容量和带宽，同时追求低延时和低功耗。而边缘计算主要适用于实时性、短周期数据、本地决策等场景，主要关注功耗、响应时间、体积、成本和隐私安全等问题。未来，云和边缘设备以及连接他们的网络可能会构成一个巨大的AI处理网络，共同构成行业数字化转型的两大重要支撑。

(二)数据共享：数据共享是“刚需”，数据流动是“常态”

在数据时代，数据作为基础生产资料，能够在流通和使用过

程中不断创造新的价值。但在现实世界中，任何单一机构，即便强大如当下互联网巨头，也都只能掌握一部分数据都不足以全面、精准地勾画出目标对象的全部特性。

数字经济时代，越来越多的企业需要与产业链上下游业务伙伴在数据流通和交易领域进行深度合作。因为只有通过各方数据协同计算，才能更好地释放数据更大的价值，提升生产效率，推进产业创新。在大数据应用场景下，数据流动是“常态”，数据静止存储才是“非常态”。数据共享将成为刚性业务需求，推动着商业流程跨越企业边界，编织全新的生态网络与价值网络。

(三)隐私安全：建立适应数据动态跨界流动的安全防护体系

未来，数据共享和流通将成为刚性业务需求。数据的频繁跨界流动，除可能导致传统的数据泄露风险外，还会引发新的安全风险。特别是在数据共享环节中，传统数据访问控制技术无法解决跨组织的数据授权管理和数据流向追踪问题，仅靠书面合同或协议难以实现对数据接收方的数据处理活动进行实时监控和审计，极易造成数据滥用的风险。

传统的静态隔离安全保护方法将彻底不能满足数据流动安全防护的需求，必须通过动态变化的视角分析和判断数据安全风险，重构以数据为中心、适应数据动态跨界流动的安全防护体系。

参考文献

阿里研究院等，《从连接到赋能，“智能+”助力中国经济高质量发展》

艾瑞咨询，《2018年中国物联网LPWA技术研究报告》;

易观、CSDN，《2018中国人工智能产业线路图》;

中国区块链技术和产业发展论坛，《2018中国区块链应用报告》;

弘则研究，《物联网行业深度：NB~IOT一统蜂窝物联网江湖》;

中国信通院，《大数据安全白皮书(2018年)》;

中国人工智能产业发展联盟，《深度学习技术选型白皮书(2018年)》。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。