大会核心信息 - 第五届全球数商大会将于2025年11月25-26日在上海举行，主题为“数联全球 商通未来——乘数无界∞” [5] - 华为公司将联合上海数据集团于2025年11月26日举办“AI+数据基础设施 释放数据要素价值”主题论坛 [2][5] - 论坛旨在深入贯彻国家战略部署，推进数据基础设施建设，释放数据要素价值，加速传统产业升级和数字经济发展 [5] 论坛议程与核心议题 - 论坛议程包括国家数据政策方向新指引、数据流通利用新方案与新实践、AI与数据高效协同激发新价值三大板块 [2] - 议题一：城市挑战与实践，涵盖从“开放”到“运营”的上海公共数据价值跃迁以及马鞍山市数字化转型的基建助力 [8] - 议题二：华为思考与方案，包括AI时代数据要素价值化的洞察、数据要素支持AI高质量发展的探讨以及构建AI时代数智基础设施的方案 [8] 华为专家观点与方案 - 华为专家将探讨AI时代数据要素的四大核心变化，并聚焦AI-Ready的数据基础设施，研究支撑未来AI竞争所需的数据处理能力 [16][17] - 华为提出链接多元数商伙伴，整合数据资源、技术能力与场景需求，以构建“数据流通-价值转化-场景落地”的闭环，促进城市数字经济高质量发展 [14][18] - 华为政务数字化解决方案聚焦数据库、数据仓、数据湖及湖仓一体化方向，致力于成为数据要素流通交易解决方案的总架构师 [14]

我之前就有这种感觉，目前世界上 是不是仅有中国和美国才有大量活跃的创业创新活动？ 自从川普提了G2这个概念后，这个想法似乎更加清晰了。未来大规模创业活动和竞争在中美之间展开，只有中美的创业公司才能有本土的巨大市场和资 金支持，而其他国家不仅资金不够，也没有足够前沿的技术储备或完整的供应链和基础设施支撑。 一、中美为何成为"创业双极"？ 1. 唯二拥有真正超大规模的本土市场 中国：14亿人口、移动互联网普及率极高、单一市场统一标准。 美国：3.4亿高消费本土市场，且全球品牌首发地和全球资金汇集地。 对于创业者来说，这意味着：不需要出海就能支撑一个独角兽的增长逻辑。用户规模本身就能摊薄试错成本。本地市场即可验证产品模型，不必过早全球 化。 2. 唯二具备"持续自我刷新"的资金与资本结构 中国：制造业、供应链、工程师密度全球最强。 其他地区也不是没有创业活动，但是要么市场比较小，要么没有大量资金支持，要么风投过于保守或者受限比较大，从而导致创业活动相对温和或者低 迷。 因此都他们都比较集中在服务业外包创业，不管是电商代运营或者Saas外包，或者做一些小型的商业尝试。 当然，欧洲和日本是有钱的，但因为监管严格、风险厌 ...

可持续发展目标 - 通过采纳循环经济原则、发展使用可再生能源、推行绿色建筑标准及强化气候韧性措施以提升环境治理水平 [1] - 通过确保工作条件、促进平等、以及开展针对性培训与技能提升项目以持续投资人力资本，恪守社会可持续性的最高标准 [1] - 通过战略合作伙伴关系、本地化内容发展与社区参与计划，为当地社区创造持久共享价值 [1] 创新与未来产业 - 在氢能经济及其他可再生能源技术、电动汽车生产与先进电池制造领域打造成为关键领域创新的催化剂 [1] - 在人工智能与数字贸易所需的数据基础设施方面成为创新催化剂 [1] - 在医疗服务、旅游、粮食与能源安全领域的跨境倡议等方面成为创新催化剂 [1] 包容与融合的生态系统 - 为中小企业开辟进入全球价值链、实现规模化运营与全球市场覆盖的路径 [1] - 通过区内企业、学术机构与本地产业的合作，促进知识转移与溢出效应 [1] 数字化与效率提升 - 呼吁相关方拥抱数字化，加速采用数字工具与无纸化贸易系统以提升效率、透明度与竞争力 [2] - 采纳前瞻性指标，制定并实施新的关键绩效指标，用以衡量更广泛的经济、社会及环境影响 [2] 合作与联盟 - 促进多方利益相关者对话，通过全球经济特区联盟等平台加强合作，分享最佳实践 [2] - 宣布启动世界自由区组织—中国经济特区战略联盟中心 [3]

数据基础设施发展现状 - 2024年我国数据年产量达41.06泽字节 同比增长25% 算力总规模达每秒280百亿亿次浮点运算 5G基站超425万座 全球领先 [1] - 全国算力中心机架总规模超830万标准机架 承载人工智能和大模型高密度算力需求 [2] - 243个地方建立省级和地市级公共数据开放平台 开放37万个有效数据集 支撑政务服务与产业升级 [2] - 2024年全国数据交易规模突破1600亿元 形成数据流通与价值释放的良性机制 [2] 区域实践与战略价值 - 贵州贵安新区打造"数据之谷" 2025年服务器将达400万台 [2] - 浙江省率先出台数据资产确认标准 推进数据要素市场布局 [2] - 数据基础设施从"支撑性工程"升级为兼具"引领性价值"的战略资源 [2] 现存挑战与短板 - 协同调度能力不足 标准体系不统一 导致平台互联互通不畅和"数据孤岛"问题 [2] - 高质量数据集供给不足 融合加工能力薄弱 制约多元化智能化应用发展 [2] 未来发展方向 - 建立全国统一的数据基础设施空间布局和建设规范体系 明确"东数西算"枢纽节点功能定位 [3] - 推进数据目录标识 身份认证 数据接口等基础标准建设 提升系统互联互通能力 [3] - 鼓励地方基于资源禀赋探索差异化路径 形成"全国一张网 多级协同管"格局 [3] - 健全高质量数据资源建设机制 支持行业联合建设"行业数据实验室" [3] - 推动一体化数据加工平台建设 强化数据清洗 标注 脱敏等基础能力 [3] 安全保障体系建设 - 制定数据基础设施安全技术国家级标准 明确各环节安全要求与评估指标 [4] - 部署隐私计算 区块链 多方安全计算等关键技术 构建"可用不可见"数据环境 [4] - 建设区域级数据安全运营平台 大模型安全防控平台和算力节点预警系统 [4]

数据基础设施技术路线 - 核心目标是解决数据"供不出、流不动、用不好"问题，实现数据"供得出、流得动、用得好、保安全" [3] - 衡量成效的两大指标：海量数据流通规模（如滴滴、美团等平台亿级用户数据）及流通过程安全性 [4][5] - 关键技术包括区块链、隐私计算、数联网、数据元件、数场、可信数据空间六种路线，需兼顾效率与安全 [5] 可信数据空间发展 - 国家政策专项支持可信数据空间，计划2028年建成100个以上，社会探索活跃度高于其他技术路线 [9] - 未来技术路线将收敛为统一平台/空间/场，核心需整合供数主体、用数主体和服务主体 [10] - 构建技术可能涉及隐私计算、区块链等，但名称不重要，关键在于实现高效安全的数据流通 [10] 行业应用与数据平权 - 各行业数字化转型需求趋同，国家需填平"数据鸿沟"，优先推动工业制造、现代农业数据应用 [12] - 数据基础设施将支撑人工智能发展，解决数据质量与规模问题，减少大模型幻觉等缺陷 [13][14] - 当前AI发展需突破数据瓶颈，算力与算法已部分解决，高质量数据集是下一阶段重点 [13] 技术挑战与突破方向 - 隐私计算等技术目前效率低、成本高，仅限金融机构高净值客户，需优化联邦学习等以降低应用门槛 [5] - 传统TCP/IP协议等无法保障安全，新兴技术需平衡安全性与流通速率 [5][6] - 数据流通基础设施需融合安全与发展技术，突破历史割裂现状 [5]