top of page

港宜及早規劃數據產業

2025年伊始,國家數據局宣布由國家發展改革委、工業和信息化部聯合印發《國家數據基礎設施建設指引》。這是內地關於國家數據基礎設施建設的首個文件,《指引》明確提出,到2029年國家數據基礎設施建設和營運體制機制基本建立,形成全國數據「一本賬」,覆蓋政府、行業、企業等主體及國家、省、市、縣等層級,建立全國一體化分散式數據目錄,支撐跨層級、跨地域、跨系統、跨部門、跨業務的數據有序流通和共用應用,支援農業、工業、交通、金融、自然資源、衞生健康、教育、科技、民航、氣象等行業領域,打造高品質數據集。 未來我國將分三大階段實現數字基礎設施的建設目標。第一階段為2024年至2026年,《指引》指出,利用2至3年時間,開展數據基礎設施技術路線試點試驗,支援部分地方、行業、領域先行先試,提供解決方案,累積實戰經驗,目標是到2026年,完成國家數據基礎設施,建設頂層設計,明確國家數據基礎設施建設的技術路線和實踐路徑。 第二階段是到2028年,我國建成支撐數據規模化流通、互聯互通的數據基礎設施,基本形成跨層級、跨地域、跨系統、跨部門、跨行業的規模化數據可信流通使用格局,實現全國大中型城市的基本覆蓋。 第三階段瞄準2029年,《指引》提出,屆時基本建成國家數據基礎設施主體結構,初步形成橫向聯通、縱向貫通、協調有力的國家數據基礎設施基本格局,國家數據基礎設施建設和營運體制機制基本建立。 創新科技及工業局一直推動香港的數據產業發展,但若然要與國家的規劃同步,實在要及早規劃。不過面對全球競爭,我們別無選擇,僅能快速進步。不久前筆者聯同業界組織了國際數據聯盟,目標是希望通過加強互動,一方面了解國際數據流通的趨勢,另外也是企業之間互相合作的平台。在聯盟的閉門會議上,有企業建議香港應該多吸引內地數據企業來港共同合作,為行業起着引領作用。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page