难道谷歌微软苹果是靠游戏成为科技龙头吗？

指数下来，对后续科技股行情进展是最好的

科技股淘汰赛开始

为什么chatgpt会突破局限，都是因为数字经济的发展，人类数据已经积累到可以让机器通过算法来解决许多问题的瓶颈

数字经济时代，不掌握数据，都是缘木求鱼，那些既掌握数据，有具有核心技术的公司，比如 601360 ， 300212 ，将成为时代最受益的公司

科技股后面要靠自身的核心竞争力取胜的阶段，后面大家拼对本轮科技股行情的逻辑理解的时候，一定要选具有核心技术和核心竞争力，并且具有数据资源优势的公司，同时市值空间又是比较大的核心标的

月内多地出台政策抢抓数据要素市场机遇 着力推动公共数据授权运营成共识2023-04-19 00:40 来源：证券日报 本报记者 邢萌
进入4月份，数据要素政策法规不断涌现，地方政府竞相布局，抢抓数据要素市场发展机遇。
公开信息显示，广东、武汉、烟台等地纷纷出台政策，定下发展目标。如广东提出，打造全国数据要素市场化配置改革先行区。武汉、烟台定下了未来三年数据要素发展目标。另外，郑州举办数据要素相关大会，提出打造“全国数据交易改革创新策源地和数据要素配置重要枢纽节点”目标。
目前来看，在推进数据要素市场化建设中，各地统筹发展与治理理念，重点将公共数据开放共享利用视为率先发力方向，同时也把数据安全治理放在突出位置。
“试水”公共数据运营服务
盘活数据资源价值
4月份以来，《广东省数字政府改革建设2023年工作要点》《武汉市数据要素市场化配置改革三年行动计划（2023-2025年）》《烟台市激活数据要素潜能发挥数据要素作用行动方案（2023-2025年）》等一系列文件相继发布，为当地数据要素市场发展提供政策保障。
综合来看，公共数据授权运营尤受业内关注。根据“数据二十条”规定，数据分为公共数据、企业数据、个人数据三大类，也明确提出“探索用于产业发展、行业发展的公共数据有条件有偿使用”。这也为公共数据合理有偿使用奠定基础。
根据上述文件，广东提出，制定公共数据共享、公共数据授权运营相关规范，保护数据要素权益，保障数据安全；武汉提出，创新公共数据开发运营模式，授权具备条件、信誉良好的企事业单位开展数据运营服务；烟台提出，开展公共数据授权运营，依托市级国有数据公司，建立“政府依法授权、企业合法运营、部门依规监管”的公共数据社会化开发利用新模式，通过公共数据运营带动数字产业发展。
之所以大力挖掘公共数据价值，主要由于数据孤岛问题突出，难以共享利用。
湖南链城数据服务有限公司执行董事谢纬对《证券日报》记者表示，“当前地方公共数据存在的主要问题是开放度不足。除去广东、浙江、上海等地能够做到政府部门间的数据共享，大部分地方虽然建立政务数据体系且有相应的数据管理部门，但是数据共享系统内的数据与数据生产单位系统数据存在不实时、不同步、数据质量不高等问题，难以满足数据开放的基础需要。”
“从市场的维度看，公共数据的供需还存在不充分、不通畅、不经济的问题。缺乏有效可信的供需双方对接平台和治理工具，对公共数据的流通交易缺乏安全可信的市场化机制保障，数据供需交易的制度性成本较高。”中国指挥与控制学会城市大脑委员会委员、数字政府研究专家陈志刚对《证券日报》记者表示。
陈志刚进一步表示，通过公共数据授权，委托市场主体进行公共数据的资源开发，是地方实现数据要素市场建设的主要可行形式，地方政府需要通过授权运营实现公共数据的市场化配置，进入市场流通，同时实现安全可控。
多措并举强化数据治理
打击盗卖倒卖数据行为
在强调发展的同时，上述文件也着重提出了数据安全治理的措施。如，广东提出，强化数据安全工作体系建设。健全数据安全管理体系，明确数据安全机构责任人，建立健全数据安全监测、审计、风险评估及安全事件应急处理机制。武汉提出，建立数据要素市场监管体系。建立数据要素全流程合规和监管制度体系，建立数据联管联治机制，开展数据要素安全监管和数据要素市场运行监管。烟台提出，营造安全有序发展环境。加强政府指导，强化依法监管，完善数据安全防护能力评估指标，严厉打击非法篡改数据和盗卖倒卖数据行为，保障数据资源依法合规交易。
“目前，很多公共数据运营企业都是在做项目或者变相贩卖数据，而不是真正从利用数据、利用运营场景中获取利益。”谢纬透露道。
陈志刚认为，安全是数据要素化的基础保障。各地积极出台数据条例，强化数据安全管理，既可以保护合法数据权益，实现数据要素价值，也能够规范数据处理活动，促进要素市场发展。同时，也能够为数据要素市场的包容性发展提供支撑。明确数据安全规定，有利于为区域数据要素市场塑造包容的营商环境。
“合理强化数据安全监管规范，明确各类主体的安全责任，制定标准规范市场秩序，将有利于数据要素产业生态的良性循环，同时，也是构建数据要素基础制度、完善社会主义市场经济体制的重要举措。”中关村智能科技发展促进会副会长兼首席数字经济学家陈晓华对《证券日报》记者表示。
深圳市信息服务业区块链协会会长郑定向对《证券日报》记者表示，完善的数据要素治理体系有利于数据要素市场化配置，有利于建立公平、有序、规范、健康的数据要素市场，更好地发挥数据要素在推动数字经济高质量发展中的积极作用。

2025年数据流通市场规模将超2200亿元 数据要素核心技术亟待突破杨洁中国证券报·中证网2023-04-18 07:04 在近日召开的数据要素流通与治理产业高峰论坛上，多位专家表示，我国数据流通发展迎来产业新浪潮，预计2025年数据交易市场规模将超2200亿元。不过，我国数据交易仍以场外交易为主。推进数据要素流通与治理的过程中仍面临诸多挑战，除了相关政策及规则有待完善，积极构建促进数据流通交易的基础设施建设也将是重点。
数据流通产业发展空间大
近年来，我国高度重视数据要素高质量发展，去年年底发布的《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出，构建数据产权、流通交易、收益分配、安全治理等制度，初步形成我国数据基础制度的“四梁八柱”。
国家发改委创新中心副主任徐彬在论坛上表示，数据具有几乎零成本无限复制等诸多新特性，传统的产权、流通、分配、治理等制度难以适用。要想充分释放数据要素的价值，就必须加快构建完善数据基础制度。徐彬认为，前述《意见》的发布，是我国的一次理论创新、制度创新，明确了数据要素基础制度建设的基本框架、前进方向和工作重点，“下一步，还需要进一步在实践中探索，不断推进数据要素高质量供给，培育数据要素市场，打造数据要素相关基础设施等工作”。
中国移动副总经理高同庆在论坛上表示，在政策的引导和影响下，各行各业已充分认识到发展数字经济的重要性，数据要素跨行业流通需求量巨大。目前，企业参与数据流通的热情高涨，数据流通的供需方从金融、互联网行业向其他行业扩展，交通、医疗、政务、气象等行业和场景的数据需求逐步显现。
数据流通是数据要素产生到数据价值释放的“枢纽”，是要素产业化发展的重要环节。中国信息通信研究院数据显示，预计2025年我国数据交易整体市场规模将超2200亿元。
国务院国有资产监督管理委员会办公厅副主任庞雪松表示，要加快构建“1+98+X”国资央企大数据体系，同时，支持鼓励中央企业推动数据与劳动力、资本、技术等要素融合创新，实现跨领域技术攻关、产业合作、融资对接，加快培育数据敏捷性新产业、新生态和新模式，促进多方协作、互利共赢。
数据交易仍以场外为主
中国移动研究院副院长魏晨光在演讲中援引中国信通院数据介绍，2021年我国数据交易规模超500亿元，其中以数据交易所/中心为主导的场内交易仅占比2%，由企业等主导的场外交易占比98%，预计2025年整体市场规模将超2200亿元，场外仍占主导。
2021年北京、上海、海南、重庆等地陆续宣布成立大数据交易所/交易中心，加快数据要素价值转化。同时，产业界IT头部企业、互联网大厂等也在积极布局大数据交易系统与平台，提供大数据相关技术服务，撮合客户大数据交易，推动数据交易和变现。据统计，截至目前，国内已先后成立30多家由地方政府、国资或民企主导的数据交易机构，大数据交易变现能力也有所提升。
不过也要看到，在推进数据要素流通与治理的过程中仍面临诸多挑战。高同庆认为，一是数据流通交易市场仍处于探索期，交易机构运营机制有待确立，支撑能力有待完善。碎片化的线下合作和场外交易仍是交易主流，限制了产业规模化发展；数据确权、交易监管等政策和机制还有待完善；在数据资源治理、数据资产评估、数据产品经营等方面的支撑能力还需加强。二是缺乏标准化广域覆盖的可信数据流通基础设施，其中的核心技术亟需探索和突破。
高同庆进一步表示，隐私计算是目前数据要素流通领域的主流技术，具有“原始数据不出域、数据可用不可见”的特点，近年来日益受到产业关注。但其私有化部署、点对点项目制实施的方式导致参与主体的数据流通成本高、服务质量和业务安全难以保障，同时由于其技术标准不统一，不同厂商的产品难以互联互通，从而形成新的数据孤岛，制约了产业的规模化发展。
“行业需要尽快研究攻关支持广泛用户接入、跨域分布协同、全程合规管控的网络化增强隐私计算技术，并以此为核心能力来规划建设统一、高效、可信的数据流通基础设施，研究并建立国内外相关技术标准体系，助力国家数据要素市场规范化、标准化、规模化、产业化发展。”高同庆认为。
徐彬也表示，“要构建多层次、多元化数据要素市场生态体系，统筹数据交易市场建设，规范数据交易管理，推进数据交易场所和数据商功能分离。”

华安证券：AI主线将贯穿今年始终！建议“去伪存真”围绕三条主线

 投资策略：催化剂持续涌现下，AI主线将贯穿今年始终，市场拔估值行情希望率先反映可能涌现的“超预期”，但不同投资者对业绩兑现的时滞容忍度不同，行业今年经历较大涨幅后可能存在调整。建议“去伪存真”，一是聚焦核心受益龙头，二是建立AI弹性底限和天花板并以此推断估值区间。

在分析师大会上，华为也分享了对AI产业的观点。孟晚舟预计，到2030年，通用算力将增长10倍，人工智能算力则会增长500倍。在她看来，数据将会成为生产力。
在这种情况下，数据更有了“AI发展的胜负手”之称——算法、算力和数据是AI发展的三大重要基础。在AI热潮下，数据重要性愈发凸显，以ChatGPT为首的人工智能，由庞大数据集训练而成。
“过去10年，AI算法的算力需求提升了40万倍。当前 AI在语言文字的学理解和生成上所表现出来的能力超出了很多人的想象，” 华为战略研究院院长周红表示。他表示，在走向智能社会的过程中，可能有超过百倍、甚至千倍的信息需求增长，现有的很多理论和技术已经遇到瓶颈。
在他看来，在AI能力快速提升的情况下，需要考虑AI的目标如何与人类目标一致、并且正确和高效地执行。
他认为，要达到上述要求，目前还面临三个重要的挑战：首先是AI的目标定义问题，目前对智能目标的理解千差万别，缺乏共识的目标定义；其次是正确性与适应性，AI对图像组合和噪声敏感，这一现象目前难以解释、难以调试；第三则是能源效率和数据效率问题。
同时，他表示，华为将从三大方面开展实践：其一是AI for Industry，让行业大模型来降低开发门槛，涵盖电力、煤矿、交通、制造等领域。
其二是AI for Science，助力科学发现与科学计算，例如气象预测，用AI推理替代传统偏微分方程；在制药靶点计算方面，分子动力学模拟加速新药研发，可以令新药研发时间周期从数年到1个月，研发成本降低70%。
其三则是软件自动生成，定理自动证明、重构基础计算部件，软件自动生成与自动优化，提升软件研发的效率与可靠性。
盘古大模型已适用多个场景
实际上，华为的盘古AI大模型实际上已经在多个场景投入应用。
在传统的AI开发模式下，一个场景对应一个模型，数据质量差、样本少，模型精度差，并且应用场景相对单一。不同行业、不同场景对 AI 的需求既复杂且碎片化，每个痛点都需要进行定制化地开发和改造，不同的应用场景往往需要独立的架构设计与调参，效率相对较低。因此，“小作坊式”的AI开发模式在一定程度上限制了生产力。
华为盘古AI大模型是一种工业化AI开发的新模式，可以解决小模型的定制化难题，使一个模型应用到多个场景中。
据了解，盘古大模型从2020 年启动研发，2021年4月正式发布，到2022年聚焦行业应用落地，其进化路径可分为 L0-L1-L2 三个阶段，上层是在下层的基础上演化而来。L0 是指基础大模型，包括 NLP（中文语言）大模型、CV（视觉）大模型、多模态大模型、科学计算大模型以及Graph（图网络）大模型。
国金证券在一份研报中也分析，盘古大模型分为三个训练阶段：一是预训练，利用海量数据进行预训练得到通 用基础模型，二是微调，针对下游行业具体任务，结合行业数据进行微调；三是大模型迭 代，结合不断产生的新数据和之前训练使用的数据，实现大模型的终身学。

这些卖方连科技股的核心逻辑都没有理解，那些硬件公司根本不具备核心技术和核心竞争力，人工智能，核心逻辑是大模型和应用的结合程度，数字经济看的是掌握数据从生产存储到交易的能力