文章

創新科技及工業局上周發布《香港促進數據流通及保障數據安全的政策宣言》，闡述政府對數據流通及數據安全兩方面的管理理念和策略方向，突顯其決心及定位，致力以數據主導的方式提升香港的數字化能力。事實上，這一屆特區政府非常關注數字經濟的發展，從2022年財政司成立數字化經濟發展委員會開始，至成立數字政策辦公室，都帶出數字經濟對香港未來的重要性。 綜觀近年，隨着全球數字經濟發展，數據跨境流動在全球經濟中發揮重要作用，不僅包括金融、貿易、文化、技術、人民生活等各方面，資料也成為各地政府及企業提升效率的主線。 中國長期以來是全球數字化的推動和引領者，自流動互聯網開始，到大數據、人工智能（AI）等領域，持續建立及重新定義新型數字經濟，首先是帶動產業數字化（包括傳統產業的轉型），繼而發展數字化產業，過去10年的成果大家有目共睹，當中以北京和上海的成果最值得關注。 隨着數字產業的成熟而不斷賦能及加速，數字經濟規模呈現爆發式增長。在「十四五」規劃中，數據被多次提出成為新的生產要素，其價值已融入到生產、供應、銷售和社會服務的各個環節，也帶來新業態、新模式，以及新的生產、生

在2023世界人工智能大會上，中國國家標準化管理委員會指導的國家人工智能標準化總體組宣布，我國首個大模型標準化專題組，由上海人工智能實驗室與百度（09888）、360、華為、阿里巴巴（09988）等企業聯合擔任組長，正式啟動制定大模型測試國家標準，這意味着百度、華為、阿里巴巴等成為「大模型國家隊」。專題組將承擔大模型標準化制定工作，目的是推動大模型技術與標準化的實踐結合，促進人工智能（AI）產業健康發展。 百「模」大戰開打當前，中國大模型呈現蓬勃發展趨勢，相關技術近年沿着各技術路線迅速發展，在自然語言處理、機器視覺和多模態機器學習等領域，湧現出多個具有行業影響力的預訓練大模型。科技部發表的《中國人工智能大模型地圖研究報告》顯示，從全球已經發布的大模型數量來看，合計有約80%來自中美兩國，美國居全球之首，中國目前已進入大模型快速發展期。據聞截至今年5月，中國10億參數規模以上的大模型已發布79個。現時中國在14個省市/地區均有團隊開展大模型研發，其中以北京和廣東兩地最多，按領域分布來看，自然語言處理仍是目前大模型研發最為活躍的重點領域，其次是多模態

訊息技術在未來幾十年的超速發展，將是推動經濟和社會根本變革的關鍵力量，我們必須盡快適應這種改變，確保能夠成功過渡數字轉型帶來的衝擊。數據將成為未來決策的核心，數字化轉型已成為當今經濟社會發展不可逆轉之勢。 建設數字中國及發展數字經濟已成為新時代的國家戰略，但各國數字經濟發展仍面臨認知和理念、體制和機制、路徑和方法、技術和工具等多方面挑戰。 筆者近日留意到國家數據局公眾號的一篇文章，指出數字經濟發展需鞏固「三大基石」，筆者逐一解釋如下： 1. 培育數據要素市場 在推動數字經濟發展的同時，要克服數據要素化過程中的障礙，首先需確立數據資產的法律地位，建立健全的數據權屬和確權機制。這可以通過制定相關法律法規來實現，內地已經有地方在試驗數據權屬登記制度，以確定及保護數據資產的所有權和使用權。如要促進數據流通交易，建立數據交易市場是重要環節，其中包括制定統一的數據交易規則，保障數據交易公開、公平和透明。 利益分配方面，應當建立合理的數據利益分配機制，確保數據的創造者、提供者和使用者能夠公平地分享數據帶來的價值。另外，安全及私隱是數據要素市場的重要組成部分，需

2023國際數據經濟產業合作大會在上海舉行，國際數據港智庫聯盟與共建國際數據港正式啟動。建設國際數據港，是上海持續推進「五個中心」建設的重要戰略，亦是臨港新片區「五自由一便利」制度型開放體系的重要組成部分。臨港新片區國際數據港的建設，不僅希望成為數據跨境流通和完善制度的先行先試區域，更為數字經濟時代下開放新型貿易進行探索。 上海臨港呼籲全球的優秀企業進駐，共同推進國際數據港建設，促進數據跨境安全有序流動，吸引國際創新元素，為推動數字經濟產業發展貢獻更大力量。從以上力度，大家可以看出上海決心以數字經濟作為未來的發展核心，正因數字經濟的特色是高度全球化及數據化，所以更便捷的跨境數據安全流通成為必須解決的問題。 筆者希望大家關注的是，香港在這方面有什麼差異？未說出我的觀點前，且看上海在這次大會上建立的兩個全新機構，分別是臨港新片區數據跨境服務中心和國際數據港研究院。據悉，前者由市委網信辦專門設立，將聚焦探索便利化的數據跨境流動安全管理機制，指導和為企業數據跨境合規流動提供服務。國際數據港研究院作為國際數據港建設的專業智庫機構，以研究推動國際數據港建設和

上周筆者在浙江省烏鎮參加第十屆世界互聯網大會，會上重點討論國家數據局正式成立，以及不久前正式發布的《關於構建數據基礎制度更好發揮數據要素作用的意見》，成為我國數字經濟發展史上的里程碑，標誌着其數據要素市場化配置從地方政府和市場的自主探索，正式邁向以國家體制創新和頂層設計為引領的新階段。 根據《國務院機構改革方案》第八項內容，由國家數據局負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用。至於統籌推進數字中國、數字經濟、數字社會規劃和建設等則由國家發展和改革委員會管理。 國家數據局的成立是一個重要舉措，標誌着中國對數據資產的重視及對大數據發展的支持。數據在現代社會中具有巨大價值和潛力，國家數據局的成立，將有助統籌和管理國家的數據資源，推動數據開放共享與合理利用。這將為各行各業創新和發展提供更好的數據支持，促進數字經濟快速發展，同時加強數據安全及私隱保護與發展的平衡工作，以確保數據的合法、安全和可信使用。 筆者認為，這部署是從過去十幾年的經驗出發，目的在於解決各自為政的詬病。各方政府把數據資源視為己有是很普遍的現象，缺乏協調導致數據資源過度

對於一位長期在推動香港數字化轉型的專家來說，上周特首宣讀的《施政報告》中，最矚目又及時的政策，肯定是成立「數字政策辦公室」。 該辦公室由「數字政策專員」帶領，制定數字政府、數據治理及資訊科技政策，促進開放數據，推出更多數字服務及智能轉型方案。 從去年財政司成立「數字化經濟發展委員會」開始，筆者相信特區政府已經意識到數字經濟的發展並非一個單獨議題，而是綜合社會經濟民生的整體方案，科技在當中起到很大的支持作用。大家或許亦感受到，近年內地政府的工作中較少提及智慧城市，原因並不是它不再重要，而是很多項目已融入到數字經濟的常態規劃。 最近，上海發布《上海市進一步推進新型基礎設施建設行動方案（2023-2026年）》，旨在進一步加快推進上海城市數字化轉型，提升城市核心競爭力。 《行動方案》提出主要目標，到2026年底，全市新型基礎設施建設水準和服務能級邁上新台階；人工智能、區塊鏈、第五代移動通訊（5G）、數字孿生等新技術更加廣泛融入和改變城市生產生活，支撐國際數字之都建設的新型基礎設施框架體系基本建成。 方案提到，推動5G移動通訊網絡和探索固定通訊網絡向「雙

美國計算機科學家康威在1967年提出康威定律（Conway's Law），揭示企業組織結構和產品設計之間的密切關係。簡單地說，康威定律認為組織的溝通模式會在其產品或系統設計中得到體現。定律解釋了傳統企業在數碼轉型過程的困難，同時影響到產品的質量。在現代企業中，數據驅動的決策和扁平化，與組織結構之間的關係密不可分，而且數據不僅能提高企業效率，也可幫助企業更好地理解及滿足客戶需求。 數碼時代誕生的初創企業，大多數會從小規模起步。他們利用開源和雲計算快速崛起，有些成功的初創企業甚至僅靠少數員工及扁平的管理架構，即可實現驚人的規模增長。像Instagram及WhatsApp未被收購之前，只有幾十名工程師支撐着擁過億用戶的應用程式，類似的初創故事十分普遍。他們的優勢在於從一開始已建立起靈活組織架構及數據驅動的決策流程。這些公司通常擁有開放的數據文化，員工能夠訪問和利用大部分數據資源，從而可快速地學習和創新，數據分析成為了設計產品、營運業務的必要過程。 然而，傳統企業面對的挑戰更為複雜，他們要改變組織架構和決策流程，同時培養出一種新的數據文化，這需長期努力和

「語言讓我們可以溝通，語言的背後自然蘊含着人類的智慧。雖然人類積累了一萬年左右知識，基本上都被最近20年的科技，通過文字、音頻、視頻給整理下來。 所以，如果能掌握文字及語言，基本上就能破解了人類目前為止『所有』的知識。我們今天還不太理解，大型語言模型（LLM）背後的運行機制到底還代表什麼？也許不像人一樣在思考，但是在部分領域，它表現得像人一樣有邏輯推理的能力，這對於我們未來，就會產生非常根本性影響。」 以上是阿里巴巴（09988）前首席參謀長，在最近一個演講「下一個十年」的內容，正好幫助我更確定大型語言模型，明線是類似GPT的智能產品、暗線是把人類的思想邏輯，通過對大量的語料分析，形成強數字化的向量數據庫。這個超級數據庫可以在很多領域幫助人類快速理解一些陌生場景，加強工作效率。 筆者看過Stanford AI Lab一個A/B測試，他們模擬一個陌生（之前不涉及過）的環境，讓機械人尋找一件失物（例如手錶）。在測試A的演算法上，給予LLM模型幫助，測試B卻沒有LLM，分別將會如何？ 測試A：LLM可以提供一些可能性建議及策略，以尋找丟失的手錶。例如，

過去10年間，大數據的發展深深地影響大型AI（人工智能）模型（如深度學習和機器學習模型）的進步及應用。隨着大數據的普及與可訪問性增加，大規模模型訓練呼之欲出。雲計算及先進的數據分析技術，使我們能夠處理和分析之前無法處理的非結構化數據（例如文章、影像等），從而訓練出更複雜的模型，如BERT和GPT-4等大規模語言模型的應用。 然而，筆者覺得大數據和大型語言模型（LLM）之間存在許多相似性，值得用家們參考，這些共通點可以通過大數據的「4V」特性來理解：Volume（體量）、Velocity（速度）、Variety（多樣性）和Veracity（真實性）。 一、體量：大數據和LLM都需要處理大量數據。處理這些數據的成本包括硬體、軟件、人力等資源。同時，數據的保護和私隱也是重要成本。當然更值得我們深思的是，往後走下去，數據量真是愈多愈好嗎？還是會出現飽和現象？ 二、速度：在大數據和LLM中，處理速度至為重要。大數據需要快速捕獲、儲存、處理和分析，而LLM需要快速處理和理解輸入的文本數據，以滿足用戶的實時需求，但追求速度的背後，當然是高昂成本及投資回報。..

歐盟委員會通過《歐盟—美國數據私隱框架的充分性決定》，意味着基於歐盟認可的歐盟—美國數據私隱框架（DPF）內，若美國組織能夠提供與歐盟相當的數據保護水平，歐盟個人數據可以毋須額外調整數據保護措施，自由安全地傳輸至參與該框架認證的美國組織。 DPF是基於自我認證程序展開。在框架下，美國公司自願向美國商務部申請DPF認證，承諾遵守美國商務部發布的DPF原則，包括告知、選擇、再轉移責任、安全性、數據完整性、目的限制、問責制等。美國商務部會公開獲得認證的美國組織名單，當被列入《數據私隱框架名單》後，組織便可借助DPF數據跨境傳輸。至於參與認證的美國組織需要每年重新認證，對未能遵守商務部規定的組織，可把其移出《數據私隱框架名單》外，還可能面臨聯邦貿易委員會基於不公平或欺騙商業行為的起訴。 歐美之間的數據法律保護框架其實存在重大差異，從安全港協定到私隱保護盾協定，再到私隱框架。美國致力消除歐盟對其境內數據保護水平的質疑，繼而為跨大西洋數據自由流動提供法律確定性。 歐美之間就此分歧數度博弈，也充分展現了數據跨境流動機制充滿政治色彩。當然框架還需要接受歐盟委員、

以Google Bard、OpenAI ChatGPT、Meta LLaMA及百度（09888）文心一言等為代表的大型語言模型，是基於大規模數據集進行預訓練，以理解人類語言的一種人工智能（AI）模型。在不同語境下，有不同的底層技術和具體應用，又被稱為生成式人工智能（Generative AI）或人工智能生成內容（AI Generated Content, AIGC）。儘管其側重點有所差異，但指向的技術光譜大致相同。隨着算力、演算法、數據的不斷更新，大語言模型還在快速演進，受萬眾矚目的同時，亦自然引起國家立法者及監管人士的密切關注和快速反應。 綜觀全球已出台或正在進行的立法和監管規則中，有一個比較明顯的「公約數」，就是對大型語言模型提出的訊息披露要求。 在內地大語言模型的監管被置於「生成式人工智能」這一概念下，《生成式人工智能服務管理暫行辦法》（下稱《辦法》）涵蓋任何具有文字、圖片、音頻、影片等內容生成能力的模型及大型語言模型的相關技術。 《辦法》強調生成式人工智能服務提供者應依法履行企業責任，具體要求企業履行演算法備案、變更及登出備案手續。除備案

近年有兩件事情正快速改變商業的營運模式，首先是生成式人工智能可以讓試錯成本大幅降低；其次是數據收集的方式由局部（capture）變成全面（recording），意思是不需要選擇性收集，而是通過周邊自動化集成，全取自各種來源的數據。這場革命全賴物聯網（IoT）前沿技術與互聯設備系統的成熟，企業能夠用很低的成本收集即時數據、分析並獲得見解，還可利用生成式人工智能，幫助人類做出明智決策，以優化營運。 其中一個具體例子是亞馬遜無人超市（Amazon Go），顧客可透過Amazon Go應用程式進入商店，選購所需商品，然後直接離開，毋須在收銀台排隊付款。實現這一切都依賴物聯網技術，包括傳感器、攝像鏡頭及深度學習演算法。在商店內不斷收集數據，監控商品的位置，並識別商品從貨架上被拿走或被放回時的情況。同時，這些設備亦能識別及追蹤顧客，以便知道哪位顧客拿走了商品。 這些數據都被實時收集和分析，以便顧客離開商店時，能夠自動結算他們的購物賬單。此外，數據還可用於優化庫存管理，預測商品需求，以及提供個性化的購物推薦。通過這種方式，Amazon Go採用了物聯網及數據採

為香港管理專業協會（HKMA）設計5個晚上的15小時行政人員證書課程正式結束了。一直以來不太喜歡教授這種大課，因為覺得責任太大，特別是要面對「數字化」這個還在高速演變中的課題。若要做到理論與實際結合，說實話，所花費的精力遠大於為一間大公司作顧問。最讓我頭痛的是，如何讓課堂中的工作坊既能達到預期效果，具啟發性又好玩，還要配合主題。 老實說，以往我在國內教過很多課程，包括清華、北大及浙大，都從未做過工作坊，其中原因是工作實在太忙。今次是真的希望為香港企業數碼化略盡綿力，所以這次課程的收益，都捐給了大數據治理公會及Hong Kong Data Club作未來經費。藉此亦想感謝參與第一期的同學，讓我有機會教學相長，繼續優化課程。 為引證我的新想法，在微信發了一條問題給朋友：如果你是茶餐廳老闆，最近安裝了WiFi，並開始使用二維碼點餐。上周的營業額降了20%，你覺得是什麼問題引起？ 我把收集回來的答案分成兩類，分別是直覺及數據驅動，其中直覺類別的答案總結如下（排名不分先後）：人流量少了、單價低了、客人長時間霸佔座位、點餐有困難、數碼化後客人少付貼士、老人家

歐盟具有開創性的監管法規《數碼服務法》（Digital Services Act）正式生效，將對谷歌、Meta等在歐洲營運的大型國際科技公司，產生自社交媒體誕生以來最深遠的影響。 目前為止，共19個大型互聯網平台料受到《數碼服務法》波及，其中包括字節跳動（ByteDance）旗下短片平台TikTok、阿里巴巴（09988）等中國相關企業。違反《數碼服務法》的企業，可被判罰全球營業額6%的款項，若屢次嚴重違規，有可被禁止在歐盟單一市場內營運。TikTok和Meta隨即宣布，用戶可以選擇關閉之前觀看過的內容視頻的「瀑布流」推薦。 從制度建設來看，歐盟的新法規對全球加快為數碼經濟立法、保護消費者及規範市場競爭具有積極作用。 此外，《數碼服務法》還禁止針對弱勢群體（包括未成年人）投放個性化廣告。有專家表示，由於在歐洲和全球範圍內最有競爭力的數碼平台依然以美國企業為主，所以有人揶揄歐盟將代替美國成為矽谷的實際監管者（又稱為長臂管理）。由此可預計，法案實施後，歐盟與美國科技巨頭的博弈將更為激烈。 世界各地包括中國的立法者，都在急於制定自己的新平台法規。雖然歐

上周末到華為（Huawei）主講數字中國的其中一課：「大數據應用與實踐」，學生代表特別在電話中溝通，希望我多講阿里巴巴（09988）如何部署數據業務在集團中實踐。我於是翻查筆記，找出當年集團正式確立數據策略前討論會上的內容，作為多年後的回顧。現把部分內容節錄如下： 1、在互聯網年代，一間公司的核心競爭力，首先取決於其是否擁有核心數據，其他所有工作，都是基於此展開。 具體的互聯網產品設計工作，不是不重要，但必須圍繞上述的核心數據資產而發展。產品設計的主要依據，就是要讓數據更好地運用，讓產品營運者能夠更方便地取得數據。總括來說，數據必須盡可能直接地為用家服務。 2、「管理」體系的本質是，把所有的訊息集中在管理者這個環節，由管理者作出所有決策，所以「管理」體系着重的是「控制」。「運營」的本質是把體系內與外部環境的所有訊息都透明暢通起來，使體系可以自動地運作，其重點是enable，enable的關鍵則是讓訊息透明化。 3、運營數據的核心精神是開放及分享數據。為了方便用戶獲得更好的數據服務，必須打開大門，歡迎比我們更能運營好數據的合作夥伴進來。開放是有前提

人工智能（AI）在全球各地迎來新一輪快速發展。儘管經濟增長放緩令人擔憂，但人工智能賽道相對保持速度。業界亦認為，人工智能領域的投資仍會穩步增長。根據風投數據分析公司PitchBook的統計，2023年上半年全球人工智能領域融資合共1387宗，籌集融資總金額255億美元（約1989億港元），平均融資金額超過2000萬美元。 全球人工智能發展已形成多個梯隊，其中美國和中國屬第一梯隊，第二梯隊包括英國、德國、新加坡等11個國家，而瑞典和荷蘭首次加入這一梯隊。 目前美國人工智能融資在全球處於領先地位，英國經過一段時間的努力，倫敦已經在歐洲成為領先人工智能發展之都，擁有近1300間人工智能公司，是巴黎和柏林數量總和的兩倍。隨着企業和風投持續參與，人工智能已為英國經濟貢獻了37億英鎊份額，並提供5萬多個就業崗位。到2040年，英國企業在人工智能上的投入預計將超過2000億英鎊。 高盛經濟學家日前在一份報告指出，廣泛使用人工智能後，可能會令到全球勞動生產率每年提高一個百分點以上。儘管增長速度極快，但鑑於人工智能相關投資目前在美國及全球國內生產總值（GDP）所佔

筆者連續幾個周一在香港管理專業協會（HKMA），為一班高管做數字化轉型培訓，借助這機會把這十年內的經驗做了一些梳理，希望能夠深入淺出讓非技術的管理者，快速掌握企業數字化轉型成功的關鍵。 為了讓同學們感受到數據化決策的趣味，於是在課程中設計了3個工作坊。我忽然想起師傅多年前問我，為什麼我們要吃完飯之後才給小費，既然飯也吃完了，反過來說何以不在飯前就先給小費更有作用。師傅非常重視Feedback Loop，飯後才給小費表示客人對服務的認可，在數據分析環節上，亦很重視數據反饋的作用。 舉例，Uber如果想知道乘客的滿意度，在下車之後立即發出訊息收集意見，這個時候，應該是客人感覺最強烈。儘管如此，大部分分數還是介乎4分或者5分之間（滿分為5分），可見這評分系統並不完美，原因可能是大部分人覺得4分才算是及格。 回到工作坊的事情上，我希望用最簡單的方式，讓高管明白收集數據與決策之間的關係。很多高管都曾遇上，為什麼收到的報表愈來愈多，但問題總是未曾解決。無他，因為做報表的人與看報表的人，甚少有反饋的管道，隔了一段時間之後就不了了之，而且有增無減。...

自2022年底以來，ChatGPT的生成式人工智能（Generative AI）引發了新一輪創新熱潮，各大企業爭先推出自家的大模型產品，尤其在中國市場，競爭已經進入白熱化階段。但近日，這場沒有硝煙的戰爭，風向彷彿發生了一些微妙變化。 首先是ChatGPT的月度流量首次出現下降。對比2023年6月份，ChatGPT網站在全球的桌面和移動端流量較5月減少9.7%，獨立訪客下降5.7%。各行各業面對的同一個問題是，除了聊天對話之外，會帶來多少商業效益？因為每一次對話背後都要消耗龐大計算資源，支出大量營運成本，沒有哪家企業能夠長久扛下這個重擔。類似情況在2012年大數據時代也曾經發生，畢竟business is business。這一場AI大模型之戰的賽點已經顯而易見：技術以外，大模型做好垂直產業應用才是生存之道。 有專家估算訓練一次GPT-3的成本約為140萬美元（約1092萬港元），以每月1000人次的訪問量，每天光計算支出的電費就在5萬美元（約39萬港元）左右，這不是所有企業都能夠承受得起。總結來說，垂直產業大模型的落地和應用，存在高成本、缺數據、

清華大學講席教授、智能產業研究院（AIR）院長張亞勤出席2023世界人工智能大會，闡述了目前大模型所面臨的局限性和主要問題，其中包括時效性、準確性、低效率及保護私隱等方面的挑戰。特別是大模型計算低效率問題，與人類大腦的高效性形成鮮明對比。 張教授還強調行業垂直模型的重要性，並表示在實際應用中，大模型雖然很重要，但需要根據不同行業和場景，開發相應的垂直精準模型。中國在人才和數據方面具有優勢，惟相比下，算力挑戰更加突出。他展望人工智能（AI）帶來各個行業未來發展新方向，如金融、製造業等生產力的大幅提升。 預期許多工作將被取代，無論是體力勞動還是腦力勞動，只要是可重複、有固定規則和可被編程的工作都有可能消失。近日，國家網信辦聯合國家發展改革委、教育部、科技部、工業和資訊化部、公安部、廣電總局公布《生成式人工智能服務管理暫行辦法》，旨在促進生成式人工智能健康發展和規範應用中找到平衡。 太平洋的另一端，美國聯邦貿易委員會（FTC）對聊天機械人ChatGPT開發公司OpenAI正式進行調查。根據美媒揭露信件的內容，FTC告知OpenAI，將調查ChatGPT

最近可能文曲星動了，除了在準備香港管理專業協會（HKMA）的證書課程外，本周還將要為公務員學院講課，內容是關於數字經濟。主持人希望我可以解釋一下，當前數字經濟對香港的發展，會帶來什麼機遇。數字經濟的一個重要特徵是，把知識和訊息作為主要的生產要素。踏入二十一世紀後，數字經濟的概念與網絡、知識、訊息和平台經濟等概念在相若時間出現，這些都在描述由計算機和互聯網代表的新技術，對社會和經濟帶來的影響和轉變。 在狹義上，數字經濟主要是指資訊通訊技術（ICT）行業本身，包括通訊、互聯網服務、硬體和軟件及其他相關行業。在廣義上，數字經濟覆蓋了ICT運營和所有根據ICT基礎而衍生的經濟行為。以銀行業為例，傳統銀行業已經被ICT的整合大大改變，隨金融科技發展，引入點對點借貸平台，增設投資管理的智慧機械人顧問，以及利用區塊鏈技術的支付系統等等，都是數碼化的進程。 至於零售業作為人們生活必須的重要部分，電子商務的出現，零售業也發生巨變，顧客可足不出戶瀏覽商品及落單，待商品直接送上門。這些進步代表了廣義數字經濟，即ICT不僅本身是一個行業，更是跨所有行業的轉型力量。...