“过去很多年，我们在数据应用方面仍停留在做一些漂亮的统计报表上，并没有深挖数据内在价值。大部分数据仍沉睡在云端服务器上，并没有转化为企业真正的资产。”日前，在由复旦大学校友会创业创新俱乐部主办的第四届创业创新数字经济生态论坛上，复旦大学计算机科学技术学院教授、博导、上海市数据科学重点实验室主任肖仰华在主题演讲过程中直言，当前，数据价值变现也面临诸多挑战。
复旦大学计算机科学技术学院教授、博导、上海市数据科学重点实验室主任肖仰华
肖仰华认为，造成这类现象的困境有多层原因。现阶段数据管理处于多主体状态，“今天可能在生产者手中，明天可能在采集者手中，之后会流通到加工者、使用者、运营者手中”，这种多方主体的状态，使得数据的确权和数据安全是否可控面临较高要求。
此外，数据运行的环境和生态也前所未有地复杂。肖仰华指出，数据运行的形态极为多样。数据可能运行于传统数据库、关系数据库、云数据库，也可能存在于文件中，甚至可能成为大模型的语料。
随着数据管理的复杂性和多样性增加，肖仰华称，对企业发展统一、标准化的数据管理和操作方法也提出新需求。在数据价值变现层面上，如何唤醒、盘活“沉睡的数据”？
肖仰华认为，人工智能时代，大模型有可能成为盘活沉睡数据资产的“利器”，大模型有利于将数据转化为商业价值。
肖仰华称，大模型之所以被各行各业积极拥抱，是因为它极大地简化了传统的商业变现流程。现在甲方只需提前提供数据，大模型就能自动从数据中学习到领域知识支撑下游应用，从而形成商业价值，无需再与资产方进行复杂的沟通，这种端到端的方式为商业应用带来了极大的便利。
此外，在多模态数据的统一价值变现上，以前收集到的数据库服务器可能是文本格式、图像格式，也可能是语音或表格，各类各样都有。但如今，只要将这些数据统一转换成序列数据，就可以通过大模型进行训练，从而实现统一的数据价值变现方式。
不仅如此，大模型还在数据库的智能化运维方面发挥了重要作用。传统数据库应用系统需要大量人力和资金投入运营，而大模型的自动化运维能力可以显著提高运维效率，解放人力资源。
不过，尽管大模型为释放企业和各类行业数据价值带来了全新机遇，但仍面临诸多挑战。
肖仰华认为，其中一个挑战在于，目前的通用大模型以聊天或开放性任务为主，仍存在“幻觉”现象、专业知识不足以及专业思维能力较弱等。还有大模型在可控性和编辑能力上较弱，无法实现像传统数据库那样精准地删除或更新操作，这在行业应用中带来了较大的挑战。
在私域数据和专业数据的理解上，大模型也有待提升。譬如，不同行业数据具有两个基本特点，其一是专业性强，例如工业传感器数据，如果没有专业背景知识，很难理解数据背后的含义；其二是私域数据的表达有自身独特性，例如不同数据库中对“性别”的编码可能截然不同（如0和1分别代表男和女），这类私域数据编码通用大模型能否直接理解，也是大模型在行业落地时需要解决的关键问题。
肖仰华在演讲中也提到，企业在利用大模型做数据处理与价值变现相关工作时，也需关注成本问题，“大模型的运行存在成本，因此通常采用大模型蒸馏小模型的方式以降低成本。”大模型主要用于关键场合，或在小模型及人工难以处理的复杂场景中发挥作用，从而优化整体方案的成本。
“我们相信，在大模型和人工智能技术的助力下，数据价值将很快被彻底激活。”肖仰华说。
---延伸阅读: