94 lines
7.8 KiB
Markdown
94 lines
7.8 KiB
Markdown
---
|
||
date: 2026-06-14
|
||
type: zju-analysis
|
||
tags: [浙大, 学习分析]
|
||
---
|
||
|
||
> 本文共 **2873** 字 · 预计阅读 **10** 分钟
|
||
|
||
# 课程学习笔记
|
||
|
||
**时间**：2025年6月14日 09:04
|
||
**地点**：浙江大学
|
||
**课程名称**：数字浙江创新实践—数字经济“一号工程”
|
||
**授课老师**：厉敏（曾任浙江省经济和信息化厅副厅长、党组成员，长期分管浙江省信息化、数字经济及产业发展工作，是浙江数字经济的主要谋划者和实践者，主持浙江数字化改革和数字经济"一号工程"相关政策体系的制定与落地）
|
||
|
||
---
|
||
|
||
## 一、科技革命、产业变革与数字经济
|
||
|
||
### 四次重大科技革命与产业变革
|
||
|
||
世界经济史上，四次重大科技革命与产业变革依次展开：蒸汽机技术（18世纪末，机械化时代开启）、电力技术（19世纪末，电气化时代）、信息通信技术（20世纪中后期，信息化时代）、新一代信息技术即数字技术（21世纪初至今，数字化与智能化时代）。每一次技术革命都重塑了全球产业格局、经济形态与社会结构。当前正处于第四次技术革命的深化阶段，数字技术正从工具性应用走向系统性变革。
|
||
|
||
### 人工智能技术的突破与演进
|
||
|
||
人工智能技术的发展历程中，几个关键节点值得注意：
|
||
|
||
- **1946年**：电子计算机ENIAC诞生，为AI提供了硬件基础。
|
||
- **1956年**：达特茅斯会议召开，人工智能概念正式提出，标志着AI学科的诞生。
|
||
- **深度学习与神经网络**：杰弗里·辛顿（Geoffrey Hinton）在深度学习与神经网络领域的突破性研究，为AI的实用化奠定了理论基础。辛顿被公认为“深度学习之父”，其团队在2012年ImageNet图像识别竞赛中大幅提升准确率，成为AI爆发的标志性事件之一。
|
||
- **AI教母李飞飞**：斯坦福大学教授，创立ImageNet数据集，推动了计算机视觉领域的革命性进展。她的工作使大规模图像识别训练成为可能，是深度学习从理论走向实践的关键推手。
|
||
- **伊利亚·苏茨克维（Ilya Sutskever）**：OpenAI联合创始人兼首席科学家，在生成式AI领域做出核心贡献，是GPT系列模型的重要推动者。
|
||
- **黄仁勋**：英伟达创始人兼CEO，其公司生产的GPU（图形处理器）成为AI训练与推理的核心硬件，黄仁勋本人也被称为“AI硬件之王”。
|
||
|
||
**关键驱动因素**：大数据（海量训练数据）、神经网络（算法突破）、算力提升（GPU等硬件支持）三者共同作用，使AI在2020年后全面爆发。值得注意的是，2025年伊丽莎白工程奖（Queen Elizabeth Prize for Engineering）授予多位AI领域先驱，其中多位与华人背景相关，反映出华人群体在全球AI发展中的重要作用。
|
||
|
||
### 生成式AI与“世界模型”
|
||
|
||
- **ChatGPT**（2022年底发布）：标志着生成式AI进入大众视野，基于大语言模型（LLM）实现自然语言交互，引发全球对AI能力的重新评估。
|
||
- **Sora**（2024年2月15日发布）：OpenAI推出的文生视频模型，能够根据文字描述生成逼真的视频场景。Sora的关键突破在于对物理场景的理解——它不再只是简单的像素拼接，而是尝试模拟物体运动、光影变化、物理碰撞等真实世界规律。这被视为“世界模型”能力提升的重要标志，即AI开始具备对现实世界运行规则的抽象理解。
|
||
- **Seedance**：一款AI视频生成工具，能够生成类似皮特（Brad Pitt）和阿汤哥（Tom Cruise）等明星的逼真场景。这类应用展示了AI在影视制作、虚拟现实等领域的潜力，也引发对“奇点临近”（技术发展速度超越人类理解能力的时间点）的讨论。
|
||
|
||
---
|
||
|
||
## 二、数字经济发展趋势与特征
|
||
|
||
### 趋势一：从消费互联网向产业互联网迁移
|
||
|
||
早期数字经济以消费端为主（电商、社交、娱乐），近年转向产业端，即工业互联网、智能制造、智慧农业等。产业互联网的核心是数据驱动全链条优化，从设计、生产、物流到售后，形成闭环。
|
||
|
||
### 趋势二：数据成为核心生产要素
|
||
|
||
数据不再只是信息载体，而是与土地、资本、劳动力并列的生产要素。数据确权、交易、安全成为关键议题。数据要素市场正在构建，浙江等地已开展数据资产化试点。
|
||
|
||
### 趋势三：AI与实体经济深度融合
|
||
|
||
AI从“锦上添花”走向“雪中送炭”，在医疗诊断、金融风控、智能制造、城市治理等领域产生实质效益。AI模型从通用大模型向行业垂直模型演进，更适配具体场景。
|
||
|
||
### 趋势四：平台经济与生态化发展
|
||
|
||
数字平台成为经济组织的新形态，平台型企业通过连接供需双方、整合资源、提供基础设施，形成生态圈。平台经济在效率提升的同时，也带来反垄断、数据隐私等治理挑战。
|
||
|
||
### 趋势五：数字治理与安全并重
|
||
|
||
随着数字化深入，网络安全、数据安全、算法伦理等问题凸显。各国加强数字立法，中国出台《数据安全法》《个人信息保护法》等。数字治理能力成为国家竞争力的重要组成部分。
|
||
|
||
---
|
||
|
||
## 三、浙江的探索与实践
|
||
|
||
### 数字经济“一号工程”的提出
|
||
|
||
浙江在全国率先提出数字经济“一号工程”，将其作为推动高质量发展的核心战略。厉敏老师作为政策制定与落地的主要负责人，深度参与了这一过程。浙江的实践路径可概括为：以数字化改革为总抓手，以“产业数字化、数字产业化”为主线，构建“数字浙江”整体框架。
|
||
|
||
### 核心举措
|
||
|
||
1. **产业数字化**：推动传统制造业、农业、服务业进行数字化改造。例如，浙江的“未来工厂”项目，通过工业互联网平台实现生产流程智能化；义乌小商品市场的数字化升级，实现线上线下融合。
|
||
2. **数字产业化**：培育数字经济核心产业，包括云计算、大数据、人工智能、区块链等。杭州的“中国视谷”聚焦视觉智能产业，宁波的“工业互联网之城”聚焦智能制造。
|
||
3. **数据要素市场化**：浙江率先探索数据确权、交易、流通机制。例如，浙江大数据交易中心开展数据资产登记与交易试点，为全国提供经验。
|
||
4. **数字治理创新**：浙江的“最多跑一次”改革是数字政府建设的典型，通过数据共享与流程再造，大幅提升政务服务效率。此外，“城市大脑”在杭州落地，实现交通、环保、安防等领域的智能管理。
|
||
|
||
### 成效与影响
|
||
|
||
- **经济层面**：浙江数字经济增加值占GDP比重持续上升，2023年已超过50%，成为经济增长的主引擎。
|
||
- **社会层面**：数字技术渗透到教育、医疗、养老等领域，缩小城乡数字鸿沟。例如，浙江的“智慧医疗”平台实现远程诊疗覆盖全省。
|
||
- **政策层面**：浙江经验被全国多地借鉴，成为“数字中国”建设的样板。厉敏老师强调，浙江的探索并非一蹴而就，而是基于长期积累与迭代优化。
|
||
|
||
### 挑战与展望
|
||
|
||
尽管成效显著，浙江的数字经济实践仍面临挑战：数据安全与隐私保护、数字鸿沟的弥合、AI伦理与就业冲击、平台经济反垄断等。未来方向包括：深化AI与实体经济融合、推动数据跨境流动试点、构建数字生态共同体等。
|
||
|
||
---
|
||
|
||
**总结**：本次课程从技术革命的历史脉络切入，梳理了AI发展的关键节点与人物，进而分析了数字经济的全球趋势，最后聚焦浙江的“一号工程”实践。厉敏老师以政策制定者的视角，提供了从宏观到微观的完整图景，既有理论高度，又有实操细节。笔记中提及的AI人物与事件（辛顿、李飞飞、Sora等）可作为后续深入学习的线索。 |