大数据顶会

㈠ 当下大数据发展的 8 个要点

作者 | 章剑锋

笔者从 2008 年开始工作到现在也有 11 个年头了，一路走来都在和数据打交道，做过大数据底层框架内核的开发（Hadoop，Pig，Tez，Spark，Livy），也做过上层大数据应用开发（写 MapRece Job 做 ETL ，用 Hive 做 Ad hocquery，用 Tableau 做数据可视化，用 R 做数据分析）。今天我想借此机会和大家聊聊我所理解的大数据现状和未来。

首先让我们来聊聊什么是大数据。大数据这个概念已经出来很多年了（超过10年），但一直没有一个准确的定义（也许也并不需要）。数据工程师（DataEngineer）对大数据的理解会更多从技术和系统的角度去理解，而数据分析人员（Data Analyst）对大数据理解会从产品的角度去理解，所以数据工程师（Data Engineer) 和数据分析人员（Data Analyst）所理解的大数据肯定是有差异的。我所理解的大数据是这样的，大数据不是单一的一种技术或者产品，它是所有与数据相关的综合学科。看大数据我会从 2 个维度来看，一个是数据流的维度（下图的水平轴），另外一个是技术栈的维度（下图的纵轴）。

其实我一直不太喜欢张口闭口讲“大数据”，我更喜欢说“数据”。因为大数据的本质在于“数据”，而不是“大”。由于媒体一直重点宣扬大数据的“大”，所以有时候我们往往会忽然大数据的本质在“数据”，而不是“大”，“大”只是你看到的表相，本质还是数据自身。

在我们讲清楚大数据的含义之后，我们来聊聊大数据目前到底处在一个什么样的位置。从历史发展的角度来看，每一项新技术都会经历下面这样一个技术成熟度曲线。

当一项新技术刚出来的时候人们会非常乐观，常常以为这项技术会给人类带来巨大的变革，对此持有过高的期望，所以这项技术一开始会以非常快的速度受到大家追捧，然后到达一个顶峰，之后人们开始认识到这项新技术并没有当初预想的那么具有革命性，然后会过于悲观，之后就会经历泡沫阶段。等沉寂一定阶段之后，人们开始回归理性，正视这项技术的价值，然后开始正确的应用这项技术，从此这项技术开始走向稳步向前发展的道路。（题外话，笔者在看这幅图的时候也联想到了一个男人对婚姻看法的曲线图，大家自己脑补）。

1、从大数据的历史来看，大数据已经经历了 2 个重要阶段

两个重要阶段是指过高期望的峰值和泡沫化的底谷期 。现在正处于稳步向前发展的阶段。我们可以从 googletrend 上 big data 的曲线就能印证。大数据大约从 2009 年开始走向人们的视野，在 2015 年左右走向了顶峰，然后慢慢走向下降通道（当然这张曲线并不会和上面这张技术成熟度曲线完全拟合，比如技术曲线处在下降通道有可能会使讨论这项技术的搜索量增加）。

接下来我想讲一下我对大数据领域未来趋势的几个判断。

2、数据规模会继续扩大，大数据将继续发扬光

前面已经提到过，大数据已经度过了过高期望的峰值和泡沫化的底谷期，现在正在稳步向前发展。做这样判断主要有以下 2 个原因：

上游数据规模会继续增长，特别是由于 IOT 技术的发展和成熟，以及未来 5G 技术的铺开。在可预测的未来，数据规模仍将继续快速增长，这是能够带动大数据持续稳定向前发展的基本动力。 下游数据产业还有很多发展的空间，还有很多数据的价值我们没有挖掘出来。

虽然现在人工智能，区块链抢去了大数据的风口位置，也许大数据成不了未来的主角，但大数据也绝对不是跑龙套的，大数据仍将扮演一个重要而基础的角色。可以这么说，只要有数据在，大数据就永远不会过时。我想在大部分人的有生之年，我们都会见证大数据的持续向上发展。

3、数据的实时性需求将更加突出

之前大数据遇到的最大挑战在于数据规模大（所以大家会称之为“大数据”），经过工业界多年的努力和实践，规模大这个问题基本已经解决了。接下来几年，更大的挑战在于速度，也就是实时性。而大数据的实时性并不是指简单的传输数据或者处理数据的实时性，而是从端到端的实时，任何一个步骤速度慢了，就影响整个大数据系统的实时性。所以大数据的实时性，包括以下几个方面：

快速获取和传输数据 快速计算处理数据 实时可视化数据 在线机器学习，实时更新机器学习模型

目前以 Kafka，Flink 为代表的流处理计算引擎已经为实时计算提供了坚实的底层技术支持，相信未来在实时可视化数据以及在线机器学习方面会有更多优秀的产品涌现出来。当大数据的实时性增强之后，在数据消费端会产生更多有价值的数据，从而形成一个更高效的数据闭环，促进整个数据流的良性发展。

4、大数据基础设施往云上迁移势不可挡

目前IT基础设施往云上迁移不再是一个大家还需要争论的问题，这是大势所趋。当然我这边说的云并不单单指公有云，也包括私有云，混合云。因为由于每个企业的业务属性不同，对数据安全性的要求不同，不可能把所有的大数据设施都部署在公有云上，但向云上迁移这是一个未来注定的选择。目前各大云厂商都提供了各种各样的大数据产品以满足各种用户需求，包括平台型（PAAS) 的 EMR ，服务型 (SAAS) 的数据可视化产品等等。大数据基础设施的云化对大数据技术和产品产生也有相应的影响。大数据领域的框架和产品将更加 Cloud Native 。

计算和存储的分离。我们知道每个公有云都有自己对应的分布式存储，比如 AWS 的 S3 。 S3 在一些场合可以替换我们所熟知的 HDFS ，而且成本更低。而 S3 的物理存储并不是在 EC2 上面，对 EC2 来说， S3 是 remote storage 。所以如果你要是 AWS 上面做大数据开发和应用，而且你的数据是在 S3 上，那么你就自然而然用到了计算和存储的分离。 拥抱容器，与 Kubernate 的整合大势所趋，我们知道在云环境中 Kuberneate 基本上已经是容器资源调度的标准。 更具有弹性（Elastic）。 与云上其他产品和服务整合更加紧密。

5、大数据产品全链路化

全链路化是指提供端到端的全链路解决方案，而不是简单的堆积一些大数据产品组件。以 Hadoop 为代表的大数据产品一直被人诟病的主要问题就是用户使用门槛过高，二次开发成本太高。全链路化就是为了解决这一问题，用户需要的并不是 Hadoop，Spark，Flink 等这些技术，而是要以这些技术为基础的能解决业务问题的产品。 Cloudera 的从 Edge 到 AI 是我比较认同的方案。大数据的价值并不是数据本身，而是数据背后所隐藏的对业务有影响的信息和知识。下面是一张摘自 wikipedia 的经典数据金字塔的图。

大数据技术就是对最原始的数据进行不断处理加工提炼，金字塔每上去一层，对应的数据量会越小，同时对业务的影响价值会更大更快。而要从数据（Data) 最终提炼出智慧（Wisdom），数据要经过一条很长的数据流链路，没有一套完整的系统保证整条链路的高效运转是很难保证最终从数据中提炼出来有价值的东西的，所以大数据未来产品全链路化是另外一个大的趋势。

6、大数据技术往下游数据消费和应用端转移

上面讲到了大数据的全链路发展趋势，那么这条长长的数据链路目前的状况是如何，未来又会有什么样的趋势呢？

我的判断是未来大数据技术的创新和发力会更多的转移到下游数据消费和应用端。之前十多年大数据的发展主要集中在底层的框架，比如最开始引领大数据风潮的 Hadoop ，后来的计算引擎佼佼者 Spark，Flink 以及消息中间件 Kafka ，资源调度器 Kubernetes 等等，每个细分领域都涌现出了一系列优秀的产品。总的来说，在底层技术框架这块，大数据领域已经基本打好了基础，接下来要做的是如何利用这些技术为企业提供最佳用户体验的产品，以解决用户的实际业务问题，或者说未来大数据的侧重点将从底层走向上层。之前的大数据创新更偏向于 IAAS 和 PAAS ，未来你将看到更多 SAAS 类型的大数据产品和创新。从近期一些国外厂商的收购案例，我们可以略微看出一些端倪。1、2019 年 6 月 7 日，谷歌宣布以 26 亿美元收购了数据分析公司 Looker，并将该公司并入 Google Cloud。2、2019 年 6 月 10 日，Salesforce 宣布以 157 亿美元的全股票交易收购 Tableau ，旨在夯实在数据可视化以及帮助企业解读所使用和所积累的海量数据的其他工具方面的工作。3、2019 年 9 月初，Cloudera 宣布收购 Arcadia Data 。 Arcadia Data 是一家云原生 AI 驱动的商业智能实时分析厂商。面对最终用户的大数据产品将是未来大数据竞争的重点，我相信会未来大数据领域的创新也将来源于此，未来 5 年内大概率至少还会再出一个类似 Looker 这样的公司，但是很难再出一个类似 Spark 的计算引擎。

7、底层技术的集中化和上层应用的全面开花

学习过大数据的人都会感叹大数据领域的东西真是多，特别是底层技术，感觉学都学不来。经过多年的厮杀和竞争，很多优秀的产品已经脱颖而出，也有很多产品慢慢走向消亡。比如批处理领域的 Spark 引擎基本上已经成为批处理领域的佼佼者，传统的 MapRece 除了一些旧有的系统，基本不太可能会开发新的 MapRece 应用。 Flink 也基本上成为低延迟流处理领域的不二选择，原有的 Storm 系统也开始慢慢退出历史舞台。同样 Kafka 也在消息中间件领域基本上占据了垄断地位。未来的底层大数据生态圈中将不再有那么多的新的技术和框架，每个细分领域都将优胜劣汰，走向成熟，更加集中化。未来更大的创新将更多来来自上层应用或者全链路的整合方面。在大数据的上层应用方面未来将会迎来有更多的创新和发展，比如基于大数据上的BI产品， AI 产品等等，某个垂直领域的大数据应用等等，我相信未来我们会看到更多这方面的创新和发展。

8、开源闭源并驾齐驱

大数据领域并不是只有 Hadoop，Spark，Flink 等这类大家耳熟能详的开源产品，还有很多优秀的闭源产品，比如 AWS 上的 Redshift ，阿里的 MaxCompute 等等。这些产品虽然没有开源产品那么受开发者欢迎，但是他们对于很多非互联网企业来说是非常受欢迎的。因为对于一个企业来说，采用哪种大数据产品有很多因素需要考虑，否开源并不是唯一标准。产品是否稳定，是否有商业公司支持，是否足够安全，是否能和现有系统整合等等往往是某些企业更需要考虑的东西，而闭源产品往往在这类企业级产品特性上具有优势。

最近几年开源产品受公有云的影响非常大，公有云可以无偿享受开源的成果，抢走了开源产品背后的商业公司很多市场份额，所以最近很多开源产品背后的商业公司开始改变策略，有些甚至修改了 Licence 。不过我觉得公有云厂商不会杀死那些开源产品背后的商业公司，否则就是杀鸡取卵，杀死开源产品背后的商业公司，其实就是杀死开源产品的最大技术创新者，也就是杀死开源产品本身。我相信开源界和公有云厂商最终会取得一个平衡，开源仍然会是一个主流，仍然会是创新的主力，一些优秀的闭源产品同样也会占据一定的市场空间。

最后我想再次总结下本文的几个要点：

1、目前大数据已经度过了最火的峰值期和泡沫化的底谷期，现在正处于稳步向前发展的阶段。2、数据规模会继续扩大，大数据将继续发扬光大3、 数据的实时性需求将更加突出4、大数据基础设施往云上迁移势不可挡5、大数据产品全链路化6、大数据技术往下游数据消费和应用端转移7、底层技术的集中化和上层应用的全面开花8、开源闭源并驾齐驱

㈡ 三维家论文入选全球计算机视觉顶会ECCV，AI技术已走在学术前沿

近日，被誉为全球计算机视觉三大顶级会议之一的ECCV 2022（European Conference on Computer Vision）发布了论文录用结果。 本届ECCV论文录用率不足20%， 其中，由云工业软件企业三维家图灵实验室与国内外顶尖高校合作撰写的论文——《通过强化学习解决室内场景相机定位问题（Towards Accurate Active Camera Localization）》成功入选！

01

三维家首次入围国际顶会 技术有望率先在家居场景落地

ECCV每两年举办一次，与CVPR和ICCV并驾齐驱，被称为国际计算机视觉领域三大会议。随着AI人工智能技术的发展，计算机视觉的研究和应用逐渐深入，每届ECCV的举行都会吸引大量来自世界各地的顶尖专家学者、研究机构及企业等投稿。

而今年ECCV 2022的总投稿数超过了8170篇，接近上一届的两倍，创下 历史 新高。其中有1629篇论文中选，录用率不足20%。

此次三维家入选的论文是与山东大学、北京大学、斯坦福大学、腾讯AI lab共同完成，论文中创造性地提出利用强化学习算法解决室内场景相机定位的问题。研究结果表明，该方法优于当前最先进的马尔可夫定位方法，能有效提高在仿真场景中相机定位的精准度。

三维家图灵实验室负责人王胜表示，此次入选对于三维家来说是一次学术上的飞跃。在应用层面，该研究可以深度运用在智能设计领域，三维家旗下3D云设计等产品能加以应用和落地，呈现更真实、更优秀的视觉效果。

“在AI智能设计领域，三维家走到了世界学术最前沿。我们将利用这些最前沿的技术服务我们的用户。”王胜说到。

02

四大技术实验室 锻造三维家科研硬实力

近年来，在加快建设 科技 强国，实现高水平 科技 自立自强的战略方针下，越来越多的中国 科技 企业频频亮相国际学术顶会，让世界看见中国前沿 科技 力量的崛起。其中，三维家正逐渐走向台前，传递国产自研的云工业软行物尘件企业的信念与坚持。

创立于2013年，三维家基于人工智能、大数据、云计算等技术，以一张“图纸”贯穿家居全产业链，通过3D云设计、3D云制造、数控系统三大工业软件矩阵，帮助家居企业、从业者实现门店营销、仿真设计、生产制造全流程一体化，为消费者带来“所思即所见、所见即所得”的家居消费体验。

工业软件是一条长期主义的道路，而技术引领需要长期的研发创新。据了解，三维家拥有数百人的技术研发团队，每年投入上亿元研发资金，并设立三大实验室——阿凡达实验室专注于3D渲染技术和XR新锐技术，图灵实验室深研人工智能和大数据应用，鲁班实验室则主攻云工业建模、云工业制造核心技术难题。

定位家居行业云工业软件服务商，三维家深刻认识到要改变传统制造业重硬轻软、长期依赖国外软件的现状，不能只停留在“纸上谈兵”。2020年，三维家与中国科学技术大学数学科学学院共建“先进制造联合实验室”，推动最新产研成果在家居行业落地应用。

合作很快就取得了成效——联合实验室以知名上市企业志邦家居为试验基地，三维家和中国科大算法团队通过深度学习志邦家居的业务流程，以软件技术优化材料算法，通过多订单混合排产使板材利用率提高2%以上，真正实现降本增效。

03

让更多技术人才走向台前 代表国产工业软件发声

为激发产研活力，三维家与国内顶尖院校、专家学者保持着频繁的学术交流。去年11月，包括中国科学技术大学刘利刚教授，浙江大学冯结青教授、蔺宏伟教授等中国顶尖的应用数学、几何建模、计算机图形学领域专家学者走进三维家，与蚂漏三维家研发团队深度交流，进行元宇宙下的建模技术探讨。

今年，三维家推出“元矩阵” 科技 计划——与中国科学技术大学、华南理工大学、暨南大学等顶尖学府建立更深入的链接，有望在学术交流、“产学研”合作上走得更远；与阿里云、华为云、英伟达NVIDIA等技术伙伴深化合作，让三维家在实时光追渲染、图形建模、虚拟仿真等底层技术上接连突破，构筑起坚不可摧的技术护城河。

三维家创始人、CEO蔡志森曾表示，希望把一直处于幕后的技术研发团队推向台前，向行业、学术档禅圈发出三维家的声音。近年来，三维家技术团队频频在顶级 科技 峰会上“献出首秀”，分享技术成果。去年阿里云栖大会上，三维家3D产品负责人曹健、解决方案架构师、中科院博士周子超等均亮相发表演讲，介绍三维家在企业上云、产业数字化等方面的突破。

而在8月即将举行的QCon全球软件开发大会上，三维家技术研究院基础平台负责人陈江豪将以“webassembly技术背景下工业软件云上实战”的主题进行分享。同时，在计算机辅助设计和图形学领域的“奥斯卡”CAD&CG大会、华为HC全链接大会、英伟达GTC China等峰会上，也将看到三维家的强势发声。

结语：

科技 创新的背后，是企业对前沿技术的 探索 、对商业模式的不断打磨，和对产业场景的落地应用，这需要有长期主义的坚持。三维家正在将论文研究、产学研合作成果、自研技术优势等优先应用在家居产业，让人工智能、大数据、云计算、XR、工业建模等技术能在更多商业场景中落地，为产业发展搭建起一条数字化的“高速路”。

㈢ 什么是大数据，大数据时代有哪些趋势

行业主要上市公司：易华录(300212)、美亚柏科(300188)、海量数据(603138)、同有科技(300302)、海康威视(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科创信息(300730)、神州泰岳(300002)、蓝色光标(300058)等

本文核心数据：大数据产业链、产业规模、应用市场结构、竞争格局、发展前景预测等

产业概况

1、定义：大数据产业覆盖范围广

根据中国信通院发布的《大数据白皮书》，大数据产业是以数据及数据所蕴含的信息价值为核心生产要素，通过数据技术、数据产品、数据服务等形式，使数据与信息价值在各行业经济活动中得到充分释放的赋能型产业。不同机构对大数据的定义也有所不同，具体如下：

2、产业链剖析：大数据产业链庞大

大数据产业链覆盖范围广，上游是基础支撑层，主要包括网络设备、计算机设备、存储设备等硬件供应，此外，相关云计算资源管理平台、大数据平台建设也属于产业链上游;

大数据产业中游立足海量数据资源，围绕各类应用和市场需求，提供辅助性的服务，包括数据交易、数据资产管理、数据采集、数据加工分析、数据安全，以及基于数据的IT运维等;

大数据产业下游则是大数据应用市场，随着我国大数据研究技术水平的不断提升，目前，我国大数据已广泛应用于政务、工业、金融、交通、电信和空间地理等行业。

大数据产业上游基础设施具体包括IT设备、电源设备、基础运营商及其他设备，相关代表企业华为、中兴通讯、艾默生、三大运营商等。

中游大数据领域可以细分为数据中心、大数据分析、大数据交易与大数据安全等子行业，相关代表企业包括宝信软件、数据港、久其软件、拓尔思、上海数据交易中心、贵阳大数据交易所与华云数据等。

在下游应用市场，我国大数据应用范围正在快速向各行各业延伸，除发展较早的政务大数据、交通大数据外，在工业、金融、健康医疗等众多领域大数据应用均初见成效。

产业发展历程：十年来大数据产业高速增长，信息智能化程度得到显著提升

我国大数据产业布局相对较早，2011年，工信部就把信息处理技术作为四项关键技术创新工程之一，为大数据产业发展奠定了一定的政策基础。自2014年起，“大数据”首次被写进我国政府工作报告，大数据产业上升至国家战略层面，此后，国家大数据综合试验区逐渐建立起来，相关政策与标准体系不断被完善，到2020年，我国大数据解决方案已经发展成熟，信息社会智能化程度得到显著提升。

产业政策背景：优化升级数字基础设施，鼓励大数据产业发展

2014年，大数据首次写入政府工作报告，大数据逐渐成为各级政府关注的热点，政府数据开放共享、数据流通与交易、利用大数据保障和改善民生等概念深入人心。此后国家相关部门出台了一系列政策，鼓励大数据产业发展。

当前，随着5G、云计算、人工智能等新一代信息技术快速发展，信息技术与传统产业加速融合，数字经济蓬勃发展，数据中心作为各个行业信息系统运行的物理载体，已成为经济社会运行不可或缺的关键基础设施，在数字经济发展中扮演至关重要的角色。数据中心作为大数据产业重要的基础设施，其快速发展极大程度地推动了大数据产业的进步。在2021年3月发布的“十四五”规划中，大数据标准体系的完善成为发展重点。

产业发展现状

1、行业整体情况：大数据产业规模维持高速增长 主要应用于金融和政府领域

——大数据产业规模：2021年超过800亿元

近年来我国大数据行业取得快速发展，赛迪CCID统计，我国大数据市场规模由2019年的619.7亿元增长至2021年的863.1亿元，复合年增长率达到18.0%，大数据市场规模包含了大数据相关硬件、软件、服务市场收入。

——大数据市场结构：产业整体以大数据服务为主，应用领域以金融和政府领域为主

从产业结构来看，目前，我国的大数据产业进入高质量发展阶段，大数据软件和大数据服务的需求开始不断提升，大数据硬件占比有所下降但仍占据主导地位，

CCID统计，2021年我国大数据市场结构中，大数据硬件、大数据软件和大数据服务的市场占比分别为40.5%、25.7%和33.8%。近几年大数据硬件的占比在逐渐下降，大数据软件和大数据服务的占比在逐步提高。未来我国大数据软件和服务市场相比硬件市场将呈现更好的发展态势。

从应用领域来看，大数据分析产品及服务已经从最早的为电信领域客户提供经营分析、为银行领域客户提供风控管理等辅助性经营决策，发展到目前的为金融、电信、政府、互联网、工业、健康医疗、电力等多个行业领域客户提供预测性分析、自主与持续性分析等，以实现企业决策与行动最优化。大数据分析产品及服务应用已经十分广泛，但由于各下游领域业务特点的不同，决定了其对大数据分析产品及服务的具体需求存在一定差异。

CCID统计，2021年我国大数据分析市场下游行业中，金融、政府、电信和互联网位居应用领域前四名，市场占比分别为19.1%、16.5%、15.2%和13.9%，合计超过60%;其他重点应用领域主要包括健康医疗、交通运输、工业、电力等。

2、细分市场一：金融大数据

——金融大数据需求：金融业务规模不断扩大，带动大数据需求提升

从金融领域需求来看，近年来，中国金融领域业务规模不断扩大，其中中国银行业金融机构不断积极拥抱金融科技，推动数字化转型，整体行业规模扩大;保险业和证券业的收入也随着市场经济的发展而提升。

近年来，随着新一代信息技术加速突破应用，以移动金融、互联网金融、智能金融等为代表的金融新业态、新应用、新模式正蓬勃兴起，我国金融业开始步入一个与信息社会和数字经济相对应的数字化新时代，金融数字化转型成为金融行业转型发展的焦点。2019年，人民银行印发《金融科技发展规划(2019-2021年)》，构建起金融科技“四梁八柱”的顶层设计，明确了金融科技发展方向和任务、路径和边界。2022年1月，人民银行再次发布《金融科技发展规划(2022-2025年)》明确提出，从战略、组织、管理、目标、路径以及考评等方面将金融数字化打造成金融机构的“第二发展曲线”。随着金融业务规模不断扩大，加之新一代信息技术的发展，大数据在金融领域的需求将不断提升。

——金融大数据应用场景

过去几年，金融大数据带来了重大的技术创新，为行业提供了便捷、个性化和安全的解决方案。目前，中国金融大数据典型的应用场景包括股票洞察、欺诈检测和预防、风险分析与金融服务领域。

3、细分市场二：政府大数据

——政府大数据需求：互联网政务服务用户规模不断提升

从政府领域需求来看，根据中国互联网络信息中心(CNNIC)发布的第49次《中国互联网络发展状况统计报告》数据显示，互联网政务服务发展展现出了巨大潜能。截至2021年12月，我国互联网政务服务用户规模达9.21亿，较2020年12月增长9.2%，占网民整体的89.2%。“十四五”规划纲要提出要“推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”。2021年，我国各省市积极探索、持续推进互联网政务服务建设发展，努力提升公共服务、社会治理等数字化、智能化水平。截至2021年11月，全国已有20多个省(区、市)相继出台数字政府建设的有关规划，为我国互联网政务服务发展注入新的活力。

——政府大数据应用场景

中国政府大数据主要应用于信息共享、政务数据管理、城市网络管理与社会管理几大领域。加强电子政务建设，管理好政府的数据资产，完善政府决策流程，将是未来数年大数据在公共管理领域发展的重要方向。大数据将对政府部门的精细化管理和科学决策发挥重要作用，从而提高政府的服务水平。舆情监测、交通安防、医疗服务等将是公共管理领域重点应用领域。

4、细分市场三：互联网大数据

——互联网大数据需求：互联网行业规模不断提升

在人工智能、云计算、大数据等信息技术和资本力量的助推和国家各项政策的扶持下，2021年，互联网和相关服务业发展态势平稳向好。企业业务收入和营业利润保持较快增长;互联网平台服务和数据业务实现快速发展，信息服务收入较快增长;多省份保持增长态势。2021年我国规模以上互联网和相关服务企业完成业务收入15500亿元，同比增长21.2%。

2022年上半年，我国规模以上互联网和相关服务企业完成互联网业务收入7170亿元，同比增长0.1%。

注：2021年及以前年份，规模以上互联网和相关服务企业，指获得《增值电信业务经营许可证》在中国大陆境内经营全国或区域性增值电信业务、上年度互联网业务收入500万元及以上的企业。2022年，规模以上互联网和相关服务企业口径由互联网和相关服务收入500万元以上调整为2000万元及以上。

——互联网大数据应用场景

在互联网行业，除了社交、B2C业务之外，像在线音视频业务、广告监测、精准营销等等，也是未来潜在应用场景。

产业竞争格局

1、区域竞争：中国大数据企业主要分布在华南和华东沿海地区

根据企查猫数据，截止2022年9月23日，全国大数据产业中“存续”及“在业”的企业多集中分布在华南和华东沿海地区。其中，广东省的大数据企业最多。

2、企业竞争：技术领域创新和经验是关键，融合应用领域行业龙头更能获得青睐

根据大数据产业联盟调研和发布的2022大数据企业投资价值百强榜单来看，榜单共选取了10个细分领域，涉及大数据基础软件、数据治理与分析、数据安全、商业智能、营销大数据5个通用领域，以及政府大数据、金融大数据、工业大数据、健康医疗大数据、空间地理信息大数据5个融合应用领域。

大数据基础软件、数据治理与分析、数据安全、数据可视化等，是所有细分行业应用场景的基础支撑，体现了大数据技术价值和作用。在这些细分领域提供技术解决方案的企业中，技术创新能力较强、在各自的细分领域有较长时间技术积累的厂商是投资机构的关注重点。

政府大数据、金融大数据发展相对成熟，落地实践案例多和品牌知名度高的企业受市场关注程度较高。工业大数据、健康医疗大数据、空间地理信息大数据等市场仍处于待爆发阶段，在各自细分领域建立竞争优势的企业容易获得投资机构的青睐。

注：2022年大数据企业投资价值百强榜是从企业估值/市值、营收状况、创新投入、产品竞争力、细分市场潜力、领导层能力等多个维度进行综合评比，同时结合行业专家打分，评选出2022年度大数据领域最具投资价值的100家企业。

产业发展前景：大数据将继续保持高速增长

大数据作为新一代信息技术的重要标志，对生产制造、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力均产生重要影响。伴随国家快速推动数字经济、数字中国、智慧城市等发展建设，未来大数据行业对经济社会的数字化创新驱动、融合带动作用将进一步增强，应用范围将得到进一步拓宽，大数据市场也将保持持续快速的增长态势。预计2027年我国大数据市场规模将达到2930.9亿元，未来六年复合年增长率为22.6%。

更多本行业研究分析详见前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》。

㈣ 马云马化腾雷军等大佬在大数据峰会都说了啥

■马化腾：用移动互联网防止雾霾
两会之前，柴静的《穹顶之下》用互联网的方式已经做了预热，同样今年两会中腾讯CEO马化腾的提案一经曝光，引起了大众的热烈讨论。他表示，随着移动互联网、大数据、云计算、物联网与人工智能等新技术的快速发展，各行业现在都在围绕互联网做融合创新，不仅有助产业升级，还能促进大众创业，极大方便人民生活。“政府部门应当加快移动互联网在民生领域的普及和应用，把‘人与公共服务’通过数字化的方式全面连接起来，有助于解决看病难、教育资源不均衡以及防治雾霾等新老重大民生问题。”
■李彦宏：设立国家层面的“中国大脑”计划
网络CEO李彦宏在今年两会提出设立国家层面的“中国大脑”计划。以智能人机交互、大数据分析预测、自动驾驶，智能医疗诊断，智能无人机，军民机器人技术等为重要研究领域；支持有能力的企业搭建人工智能基础资源和公共服务平台，面向不同研究领域开放平台资源，高效对接社会资源，依托统一平台协同创新。距离网络成立IDL研究院已经过去了两年，而网络的财报显示，从2013年开始，网络的研发费用大幅提升。
■雷军：把互联网纳入国家战略
小米科技的董事长兼CEO雷军则在今年的提议中，建议把互联网纳入国家战略，更好地把握互联网的时机待遇，用互联网来更快的推动传统产业的转型升级。且他通过三点来阐述了自己的观点：
1、经过过去十五年的发展，中国互联网行业已经具备相当大的规模，在全球前五的互联网公司中，三家美国公司，两家中国公司；全球前七，四家美国公司，三家中国公司。中国已经领先了日本韩国欧洲等发达国家，这是非常巨大的进步。
2、过去的互联网主要涉足的领域是传媒、软件、游戏和零售等行业，而近几年开始渗透更多的传统企业。小米就是通过互联网涉足手机行业，在2011年10月上市，第一年2012年126.5亿，预计到今年600-700亿，明年有比较大把握过千亿。这就是互联网的威力。
3、要把握移动互联网的巨大机遇，如今所有的互联网公司都在努力抢分移动互联网这块新蛋糕，没有移动互联网，就没有未来。目前最成功的莫属腾讯，做微信至今三年，目前已经超过四亿活跃用户，市值也从500亿美元涨到1500亿，是目前最大的赢家。

㈤ 国际大数据大会传递哪些新理念

国际大数据大会传递哪些新理念

为进一步促进大数据领域与传统应用行业的深度交流与合作，中国通信学会近日在北京举办“2015中国国际大数据大会”。此次大会以“大数据+”为主题。
解读大数据行动纲要
将推动政府公信力和信用体系的建设
国家统计局信息服务中心大数据研究实验室主任江青说，大数据行动纲要代表国家从顶层设计上推动大数据。
江青主要解读了大数据行动纲要对智慧城市带来的“四化”。她认为智慧城市的核心是大数据，是大数据在城市的应用。纲要有利于智慧城市实现规划科学化、管理动态化、治理精准化、管理服务高效化。
纲要还提出推动政府信息系统和公共数据的互联共享，消除信息孤岛，加快各类政府信息平台，避免数据重复打架，江青认为，这说明了两个问题，一是增强政府公信力，一是提升社会的信用体系，相对应的就是建设政府信息公用平台和政府公信力的平台。
数据开放问题
政府部门和公共企事业单位要率先开放原始的、可机读的数据
中科院院士、北京大学、普林斯顿大学教授、普林科技董事长鄂维南认为现在大数据面临的第一个瓶颈就是没数据，数据孤岛严重，不同部门数据存在在不同的地方。
中国国际经济交流中心副研究员张茉楠认为我国数据的实体化和实体数据化还处在前期阶段，还存在数据安全、数据所属权、数据治理等各方面的问题。
西安未来国际信息公司执行总裁史晨昱提出了如何开放和开放哪些数据。他认为，应首要开放政府部门和公共企事业单位的数据。政府应该建设开放平台或者网站，以满足社会公众对信息资源的使用。开放网站是全球的普遍做法，包括美国、英国都采用这种做法。开放平台应该建立在互联网上，而非建立在电子政务网上。
其次，开放的数据应该是原始的，可机读的数据。原始数据是没有加工处理的数据，可机读是指开放的数据要便于计算机处理加工。数据开放后，政府需要鼓励企业和公众，利用公共信息资源去开发信息产品，服务于社会公众，服务于其他的企业客户或者政府客户。
大数据推动社会共治
国家的治理从原来的政府主导，转向政府、公民、企业、社会共同参与的多元共治模式
张茉楠认为大数据带来的不仅仅是生产力的变革，更是一种生产关系的变革。
大数据改变了政府的角色、企业角色和社会公众的角色，也使整个国家的治理从原来政府主导的治理，开始向政府、公民、企业、社会多元共治的新模式转型。
张茉楠举例说美国环境数据的开放，就是通过一个项目把美国各个州的环境治理数据向公众开放，让公众更多地参与环境治理，由第三方负责监管。整个过程中是政府提出需求，提供服务，公众积极参与，整个社会共同监督管理。
张茉楠认为大数据时代，社会治理主要呈现三大特点，一是从原来的一家独大、政府的独治逐渐转向多元共治。第二，由原来较多的封闭结构向开放型的治理结构转型。特别是在大数据、云计算发展之下，原来公众和政府之间的信息差、知识差已经逐步扁平化。第三，由权力决策机制转向公共决策机制。
数据交易市场
数据产品交易可以活跃信息消费市场，但法律犯规、技术都还不尽完善
史晨昱认为数据服务平台应该非盈利性和商业化并举。非盈利的数据开放网站，负责将政府部门和公共服务企事业单位的数据，免费开放给公众；在此基础上建设的商业化数据服务平台，可以连接信息服务产品的供需双方，开展数据产品交易，以此活跃整个信息消费市场。
亚信数据总裁张浩认为，维护和管理数据对任何一个部门或者企业来讲都是有代价和成本的，通过交易或者是对等交换，容易实现数据价值。但我国目前还面临着问题，第一，本身还没有形成大数据，缺少法律规范让拥有数据的部门开放数据。第二，目前缺少对个人隐私保护的技术。
鄂维南认为数据作为一种商品，有一定的特殊性，每个人都可以使用，可以重复售卖，没有任何消耗。根据经济学观点，数据的价值是零，所以数据交易理论上来说是不可行的。这也是数据交易平台需要突破的悖论。
云计算+大数据
云计算可以让大数据运行更经济化、集约化和精细化
中国移动苏州研发中心大数据项目总监徐萌提出了云计算大数据，她认为，大数据把数据整合起来，这只是粗放的状态，并不是经济的模式。云计算强调经济化、集约化、精细化。云计算可以使得大数据用集约式的平台和方式来运转。
目前来看，云计算大数据的实现需要解决4个问题，第一，统一化的数据管理，即数据从哪来到哪去、共享给谁、怎么共享、权限是什么。第二，明确云计算大数据的概念，大数据是借用云计算来实现服务的。第三，精细化的资源管理，云计算目标就是降低成本，提供更多应用和服务。大数据后续也要演变过来，实现精细化运营，合理调度资源。第四，智能化就是保证多种资源框架可以自动适配。

以上是小编为大家分享的关于国际大数据大会传递哪些新理念的相关内容，更多信息可以关注环球青藤分享更多干货

㈥ 大数据未来的前景怎么样

未来大数据应用的六大趋势：

1、区块链技术

区块链是计算机技术的新应用模式，包括分布式数据存储、共识机制、点对点传输、加密算法等等。区块链技术是指全民参与记账的方式。所有系统后面都有数据库。可以将数据库看作是一个大账簿。现在各自记着自己的账。

2、智慧城市

智能城市是利用信息和通信技术手段检测、分析、集成城市运营核心系统的关键信息，智能地应对包括民生、环境保护、公共安全、城市服务、工商业活动在内的各种需求。其本质是利用先进的信息技术为城市人民创造更好的生活，促进城市的和谐和可持续发展。

随着社会的发展，未来城市承载人口也会越来越多。目前我国正处于城市化加速时期，部分地区的“城市病”问题日益严重。建设智慧城市已成为当今世界城市发展一个新的趋势。

3、虚拟现实(VR)和增强现实(AR)技术

拟现实技术是一种可以体验虚拟世界的仿真系统，它利用计算机生成模拟环境，使用户沉浸在环境中。比起VR，AR它不是单纯被创造出来的。现实是我们肉眼能看到的东西，耳朵能听到的东西，皮肤能识别的东西，所在的世界。从广义上说，在现实基础技术上，添加相关、附加内容，就可以说是增强现实。

4、物联网

物联网就是所有物品都可以通过信息传感设备连接到互联网上，进行信息交换，物品与物品紧密相连，实现智能识别和管理。物联网是新一代信息技术的重要一部分，也是信息时代的一个重要发展阶段。

5、语音识别技术

语音识别是一门跨学科的学问。近些年来，语音识别技术有了明显的发展，开始从实验室进入市场。语音识别技术将进入产业、通信、家电、医疗、汽车、电子、家庭服务、消费电子产品等多种领域。语音识别技术包括信号处理、模式识别、概率论和信息论、发声系统和听觉机理、人工智能等。

语音识别是一种通用的无屏幕接口，可以快速集成到各种工具中，在智能设备和手机中非常有用。

6、人工智能(AI)

人工智能，英文缩写为AI。是研究、开发、开发用于模拟、扩展和扩展的智能的理论、方法、技术和应用系统的新技术科学。

更懂消费者的数字营销服务
点亮工场
查看
人工智能需要接受教育，需要输入大量信息才能进化，从而产生意想不到的结果。AI有很大的影响，比如媒体行业，现在电脑和机器人可以生产好文章，一个小时几百篇，成本也很低。AI可以对经济发展产生很大影响，很多知识产业和白领职业也可以被机器人取代。

大数据已经成为时代发展的必然产物，大数据正在迅速渗透到我们的日常生活中，在衣食住行的方方面面都有体现。大数据时代，所有的可量化，所有的可分析。

㈦ 大数据产业顶层规划出炉,如何实现

大数据产业顶层规划出炉,如何实现

国务院印发《促进大数据发展行动纲要》，从顶层规划角度系统部署我国大数据产业发展。

业内分析认为，我国应通过聚焦行业应用、创新产学研机制、加强人才培养、促进成果转化等方面加快推动大数据及其相关产业发展。

数据成战略资源

国务院印发的《促进大数据发展行动纲要》指出，数据已成为国家基础性战略资源。深化大数据应用已成为稳增长、促改革、调结构、惠民生和推动政府治理能力现代化的内在需要和必然选择。

大数据产业发展顶层规划也给出了明确的“创新导向”：计划在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣的产业发展新生态。

纲要的出炉也被认为是我国继“互联网＋”行动后，进一步从顶层规划上明晰大数据、云计算、移动互联、人工智能等前沿技术发展规划。

用友网络董事长王文京认为，移动互联网、云计算、大数据等正成为社会发展、经济增长的重要驱动，数据资产也成为人类社会继财富资产、人力资产等之后的“第四种资产”，其重要性不言而喻。

中国科学院院士、北京大学教授鄂维南认为，大数据正改变着实体经济与产业格局。例如，基于大数据的计算广告学改变了传统广告行业；一些企业正深入研究非结构化数据处理，以改变传统产业。

聚焦人才培养

各界人士认为，大数据作为新的计算方式，其对产业、实体经济的影响将极其深远。然而，以产业需求为导向的创新研发亟待提升，国内“数据人才”培养也需要进一步优化，以适应市场需求。

首先，以产业需求为导向，成果及时落地转化，企业主体创新力量须得到调动。

“在中国，数据科学发展的很多研究源于市场需求。比如，监控视频处理就是很重要的应用场景。如何让电脑对图像数据进行突破，可以智能判断，这就是很好的大数据科研突破口。”鄂维南说，尽管目前国内大数据产业发展很快，但也存在着缺乏以市场需求为导向的创新突破等问题。

各方认为，唯有释放企业的创新活力，才能推动大数据关键领域取得突破，促进大数据科研成果转化为实际成果。

其次，符合市场需求的人才培养应得到重视。

北京大学校长林建华认为，进入数据时代，人们对获取、存储、分析、处理数据的能力亟待提升。因此，数据科学人才培养成为急需加强的方面。“可以看到产业内很多大企业用非常大的资源，争取学术界数据人才，各方面拉人才。可以说，大数据能否做成，关键在能不能聚焦人才培养。”

而高校和产业界普遍认为，当前对大数据人才的培养仍相对滞后。北京航空航天大学软件学院院长孙伟认为，传统it教育很难将前沿技术和课堂传授知识结合起来，培养人才很难及时与产业接轨。高校创新人才培养应更加面向市场需求、技术前沿。

以新模式助大数据产业突破

分析认为，国内产业界对数据科学的前沿探索已经加速推进，部分高校也开始了“数据科学家”的培养。在此背景下，我国应进一步打通壁垒，以新模式探索产学研用结合，培育数据人才、助推以市场为导向的数据科学研究突破，促进产业加速发展。

调查发现，以北京中关村为例，大数据已经在商业、金融、交通、医疗、教育等行业示范应用，100多家大数据创新企业从不同领域深植数据资源。

同时，北京航空航天大学、浙江大学等高校与阿里云、慧科教育达成合作，计划3年内培养和认证5万名云计算和数据科学工作者。这些为数据人才培养提供产业与教育基础。

模式的探索已现雏形。北京中关村管委会、海淀区政府、北京大学和北京工业大学等四方启动“北京大数据研究院”，启动建立大数据高精尖创新中心，推动人才培养和科研突破；并成立股份制技术成果转化中心，围绕热点领域产业需求，推动关键共性技术研发、行业大数据分析、成果转化等。

鄂维南透露，研究院将主要聚焦包括交通大数据、金融大数据、移动互联网大数据、医疗大数据等方面，整合分析资源，支撑决策与产业发展。计划一到两年内，研究院将建立数据金融、医疗健康、交通数据、智慧城市、能源环境和气象等分中心，涉及数据与生物、化学、天体、神经科学等学科的交叉研究。

各界认为，这种灵活的产学研结合机制将成为推动大数据快速发展的有效手段。

王文京说，创新机制将有助于创新人才及时对接市场需求，让大数据切实影响改变产业现状。

以上是小编为大家分享的关于大数据产业顶层规划出炉,如何实现的相关内容，更多信息可以关注环球青藤分享更多干货

㈧ 大数据都体现在哪些方面

第一：大数据技术不断提升数据自身的价值。大数据技术的核心诉求之一就是数据的价值化，大数据产业链几乎都是围绕数据价值化来打造的，随着大数据技术的不断发展，数据的价值必然会越来越大。
第二：人工智能离不开数据。数据作为人工智能发展的三个重要基础，在未来的智能化时代也将扮演着重要的角色，所以数据的价值也必然会随着人工智能技术的发展而得到提升。在工业互联网时代，人工智能技术是一个重要的发展趋势，借助于人工智能技术，工业互联网能够发挥出更大的作用，从而能够为广大的行业企业赋能。
第三：数据是互联网的价值载体。互联网发展到现在，急需一个体现互联网价值的载体，而数据就是这个天然的载体，相信随着互联网的不断发展，互联网整合社会资源的能力会越来越强，数据的价值也会不断得到攀升。由于互联网无处不在，所以通过数据来承载互联网价值也比较方便，未来通过互联网来实现“价值交换”也是一个比较明显的发展趋势。

㈨ 大数据未来的发展前景怎么样呢

从我国数据产量和存量来看，广东、北京、浙江、江苏、上海、等地区数据资源较为丰富，东部地区数据产量和存量均高于西部地区。从省际数据流量来看，东部地区月均互联网省际出口总流量占全国比重超过一半。

在以北上广为代表的东部地区数据资源丰富的背景下，其大数据产业发展水平快于其他地区省份。其中，北上广大数据企业数量占全国比重近70%，广东和北京大数据发展水平较高。

东部地区数据产量整体高于西部，省际数据流量远高于其他地区

2019年，我国数据产量总规模为3.9ZB。从数据产量的地区分布看，2019年全国数据产量排名前十位的省份为广东、北京、浙江、江苏、上海、山东、四川、河南、河北和湖南。

从人均数据产量来看，2019年人均数据产量排名前十位的省份分别是北京、上海、浙江、天津、广东、内蒙古、西藏、海南、江苏和辽宁。整体来看，东部地区数据产量和人均数据产量均高于西部地区。

—— 更多数据来请参考前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》

㈩ 贵州发展大数据的顶层设计要坚持什么理念

贵州发抄展大数据的顶层设计要坚持的理念：加强改革顶层设计和总体规划，说明运用科学的系统化方法。重点解决体制性障碍和深层次矛盾，全面协调推进经济、政治、文化、社会等体制创新。