各地数字政府建设如火如荼,效能究竟如何?
近年来,政府数字化转型力度不断加大,区块链、人工智能等信息技术的全面应用,更进一步加快了各地数字政府建设的步伐。在政府数字化转型的这场“考试”里,各政府部门“答题”情况如何?有没有针对性的解题思路和答题技巧呢?近日,在“2022数字化转型发展高峰论坛”上,浪潮科技总经理张峰对此作了深度分享。
|
|
读懂考试大纲 研判出题趋势
中国政府治理体系遵循着“条”“块”结合的政府管理模型。张峰指出,在政府数字化转型的过程中,区域政府的信息化和行业政府的信息化,其内在驱动力虽不尽相同,各自定位和侧重也有区别,但总体相辅相成。
2000年左右,税务、海关、工商等部门率先开启信息化进程,行业政府的信息化一时间引领了政府体系信息化的趋势;2010年后,随着一体化政府概念的不断推进,加上“智慧城市”、“互联网+政务”等概念的兴起,地方政府加快推进数据的整合、共享和开放,区域政府的信息化逐渐引领起整个政府体系的信息化发展。张峰表示,下一个阶段,“块”政府将拉动“条”政府向着政务服务一体化、数据治理体系化方向发展,带来新一轮行业政府数字化的转型的热潮。
分析“主症” 明确答题方向
无论是“条”还是“块”,通过近十几年的发展,政府信息化建设确实取得了一定成效。在信息化、数字化的加持下,政府管理能力实现倍增,社会治理水平获得提升,便民服务不断丰富完善。但是近两年,由于疫情常态化以及自然灾害的频发,各级政府管理部门面临着突发事件的高压挑战;同时,政府信息化建设的成果也遭受着诸如数字化手段“失效”、智慧城市“失灵”等声音的质疑。
以疫情防控为例,用于疫情研判的数据由多部门汇聚形成,但是由于信息“壁垒”,相关部门的数据并未完全打通,还处在“各自为战”的阶段,导致无法形成有机整体,还是要靠人海战术、手工作业来完成数据的收集汇聚。在张峰看来,前期区域政府在拉动大行业时已经有一定的成效,但因各行业内部数据的流通共享问题没有彻底解决,对政府综合业务能力的提升效果并不显著。
如今,在行业政府内部实现数据共享,成为新的重点和难点。张峰进一步指出:“要达到数据信息线上线下协同,则需要打破各级部门机构的‘壁垒’,打通各行业部门之间的平行‘孤岛’,连接成网状协作的互联互通‘新大陆’,才能让多元主体参与城市的管理和服务中,达到‘一体化’政务服务能力,让政府数字化转型发展达到最佳成效。”
把握答题节奏 明主次 分缓急
“如果将政府数字化转型比喻成一场‘考试’,在这场‘考试’中,80%的必答题是业务数据化,20%的选做题是数据业务化。”张峰指出,当前政府数字化转型已然进入一个全新的,纵深、高效的发展阶段,以往的建设模式已不能完全满足政府的诉求,政府数字化转型正在从业务数据化向数据业务化的方向发展,即:从强调业务数据的沉淀和收集向让数据产生价值,辅助决策分析的方向转变。

基于对政府业务场景的理解,以及多年在政府行业信息化建设领域取得的经验,浪潮在整个政府体制机制优化过程中,梳理出了政府数字化转型中业务、数据、技术、方法、参与者(政府、厂商)和运营这六项要素,形成了面向政府行业数字化转型领域打造的全方位能力支撑,并在此基础上各将部门之间的业务内容梳理出共性,总结推出了政府行业数字化转型能力“方程式”,为各地政府部门提供一套可借鉴、可复制的 “解题路径”,使其在新一阶段的转型路上有章可循。张峰指出,在政府数字化转型过程中,这六项“生产力要素”缺一不可,只有互相融合,协同发展,才能达到将数字技术广泛应用于政府管理服务的最佳成效,进一步推进政府治理流程优化、模式创新和履职能力提升。
面对政府数字化转型这场“考试”,无论答题快慢、能力高低,准时交卷、实现及格是最基本的要求。张峰表示,因为各地、各部门数字化水平不尽相同,并不是所有的“考生”都必须做选做题,但是必须要做好必答题,再根据自己的状况做选做题,才能真正摸索出适合自身的数字化转型之路。
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。