本文主要是介绍OSINT技术情报精选·2024年5月第4周，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
OSINT技术情报精选·2024年5月第4周
- 2024.6.2
- 版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。
1、爱分析：《链路全贯通,价值引领数据能力升级：数据智能实践报告》
数据能力已经成为企业核心竞争力的关键。随着政策的推动，数据产业的发展正在加速。例如，2023年成立的国家数据局负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用。2024年，《“数据要素×”三年行动计划（2024-2026年）》正式发布，要求大幅拓展数据要素应用的广度和深度，并在十二个重要领域打造300个示范性强的典型应用场景。同时，从2024年起，数据资源正式被视为资产并纳入财务报表，这进一步推动了企业通过数据驱动价值创造。
近两年，国家数据产业政策逐渐深化，从制度建设向落地应用过渡。在企业端，面对复杂的市场环境和多变的客户需求，企业对数据的依赖和挖掘愈发深入。拥有敏捷强健的数据能力，成为企业实现数据驱动、获得市场竞争优势的前提。
爱分析观察到，企业在构建数据能力时呈现两个明显趋势：
第一，企业数据能力的建设以数据消费为核心，以业务价值为牵引。过去，企业在构建数据能力时，通常由技术部门或数据部门进行统一规划和管理，而业务部门则被动地使用企业的数据能力。然而，随着业务部门对数据价值认识的提升以及对数据应用需求的快速增长，传统的数据管理模式已不能满足业务部门的需求。为了更好地赋能业务部门使用数据，企业数据智能基础设施的构建正在转变为以数据消费为核心，基于业务价值创造需求对基础设施进行持续迭代。
第二，企业正在快速更新数据基础设施以迭代数据能力。面对日益复杂的数据环境，如海量多元异构数据的爆发式增长、AI应用的广泛落地以及分析业务对计算时效的提升等，传统的数据平台在性能、存储成本、运维成本等方面面临瓶颈。在此背景下，湖仓一体以其流批一体、弹性存储、多工作负载等特性，成为数据平台架构迭代的新方向。
对话式数据分析成为数据基础设施融合大模型能力的率先落地场景。具备强大学习和预测能力的大模型，是实现数据基础设施自动化、智能化的关键技术。与传统数据分析相比，基于大模型的对话式数据分析具有明显优势，如自然语言的灵活响应、端到端数据洞察的自动化输出以及数据开发工作的简化等，能有效改善传统数据分析的体验痛点，实现全员数据分析。
在这一背景下，本报告选择数据能力建设、湖仓一体、对话式分析三个重点市场进行应用实践分析，旨在为数据能力建设企业提供实践经验，加速推进企业的数字化转型升级。
2、中国经济信息社：《企业数据资产入表合规指引》
4月24日，中国经济信息社（简称“中经社”）数据资产运营研究中心在京成立。随后，中经社联合中国信通院华东分院、上海资产管理协会资产管理与人工智能联合创新实验室（AIAM Lab）和上海市协力律师事务所等机构共同发布《企业数据资产入表合规指引》。
财政部印发的《企业数据资源相关会计处理暂行规定》明确，今年1月1日起，数据资源将被视为一种资产纳入财务报表。“入表”是会计核算的通俗叫法，会计准则又属于国家社会规范的重要组成部分，因此数据资产的合规化使用路径问题是我国数字资源价值挖掘和实现的关键。中国经济信息社联合中国信通院华东分院、上海资产管理协会资产管理与人工智能联合创新实验室以及上海市协力律师事务所组织撰写发布的《企业数据资产入表合规指引》正是在此背景下展开的研究和讨论。
本报告直面数据资源合规确权的难题，对数据资产入表的相关政策和底层逻辑进行细致梳理，对《暂行规定》的主要内容与基本要求进行深入解读，对数据资产入表的实施路径进行完整解析，通过理论与实践结合的方式探讨研究企业数据资产入表过程中可能遇到的问题以及处理办法，力求为企业数据资产入表提供合规保障。
大风泱泱，大潮滂滂。自2019年党的十九届四中全会首次将数据与土地、劳动力、资本、技术并列作为重要的生产要素，已有五年时间。从顶层设计角度，党和国家把充分发挥数据要素价值放在重要的战略位置。另一方面，从市场主体角度，与传统资产类型相比，数据资产具有依托性、衍生性、易变性、可复制、可加工、可共享等特性，数据资产合规入表将推动公司价值的驱动逻辑发生根本性变化。作为国家高端智库经济研究中心的建设主体，作为数据要素市场主体，中经社深度参与数据要素全生命周期活动，并将全力推动政策落地，实现数据资源的资产化和价值化发展。
3、大数据技术标准推进委员会：《DataOps实践指南2.0》
在数据驱动的时代，业务需求迅速变化，数据处理流程日益复杂。企业面临着旺盛的数据需求与数据生产力不足之间的矛盾，必须革新数据开发流程，加大数据供给力度，以便更好地响应需求并赋能业务发展。在“人人用数”的场景下，传统的数据开发模式开始显现出效率瓶颈。为了寻求变革，需要引入敏捷、协作和精益等新理念。
DataOps作为一种新兴的数据开发模式，通过构建高效的协同机制，建立精细化的数据运营体系，打造规范化、一体化的数据开发流程，实现数据产品的高质量和高效率交付。DataOps体系的建立能够充分释放企业的数据价值，有助于构建数据驱动型组织，最终提升企业的竞争力和业务效率。
目前，国内正处于DataOps实践的快速发展阶段，其概念和实践方法论已初步形成，但仍需进一步引导企业进行深入实践。本实践指南在1.0版本的基础上进行了大量迭代，旨在总结各行业的优秀实践，提炼核心理论框架，推动DataOps理念的广泛应用，加速数据驱动型企业的能力建设。本指南共分为五章：
- 第一章：深入阐述DataOps的概念及其价值内涵。
- 第二章：重点介绍DataOps能力框架的要求。
- 第三章：从实践模式、文化、组织、流程等多个维度探讨DataOps的实践路径和核心要点。
- 第四章：主要探讨DataOps实践过程中的难点及应对策略。
- 第五章：对DataOps的未来发展进行展望。
通过本指南，我们希望能够帮助企业更好地理解和应用DataOps，以应对快速变化的业务需求，提升数据生产力，构建数据驱动型组织，最终实现业务效率和企业竞争力的双重提升。
4、全国数据资源调查工作组：《全国数据资源调查报告(2023年)》
5月24日下午，第七届数字中国建设峰会·数据资源与数字安全论坛在福建省福州市举办。国家工业信息安全发展研究中心主任蒋艳代表全国数据资源调查工作组发布《全国数据资源调查报告（2023年）》。
调查发现，我国数据资源“产-存-算”规模优势基本形成，数据“供-流-用”各环节主体逐渐丰富，海量数据和丰富场景优势潜力亟需释放，数据资源管理和利用整体处于起步阶段。
一是数据生产总量大，但有效供给不足。2023年，全国数据生产总量达32.85泽字节（ZB），同比增长22.44%。5G、AI、物联网技术的创新发展及智能设备的规模应用，推动数据生产规模快速增长。2023年，全国数据存储总量为1.73泽字节（ZB），生产总量中2.9%的数据被保存。存储数据中，一年未使用的数据占比约4成，数据加工能力不足导致大量数据价值被低估、难以挖掘复用。
二是算力存力规模增长，还需适度超前布局。2023年，全国2200多个算力中心的算力规模约为0.23十万亿亿次浮点运算/秒（ZFLOPS），同比增长约为30%；全国数据存储总空间为2.93泽字节（ZB），存储空间利用率为59%。
三是数据流通交易需求旺盛，多元流通模式待完善。消费领域数据交互活跃度较高。中央企业和平台企业发挥枢纽作用，探索数据交互机制。数据交易机构建设加速，产品成交率为17.9%。数据供给难以满足旺盛需求，急需建立和完善多元流通模式。
四是数据应用场景加速落地，数据价值有待释放。公共数据成为引领数据开发利用的催化剂，公共数据开放量同比增长超16%，授权运营初步探索。数据多场景应用、多主体复用难度大，样本企业中，96%的行业重点企业已实现数据场景化应用，但实现数据复用增值的大企业仅占8.3%，数据价值有待释放。
今年2月，国家数据局联合中央网信办、工业和信息化部、公安部组织开展全国数据资源调查，国家工业信息安全发展研究中心承担调查实施工作。基于样本分析、企业调研和专家论证，形成《全国数据资源调查报告（2023年）》。
5、中国电子技术标准化研究院&国家信息中心等：《数据要素流通标准化白皮书(2024版)》
为贯彻落实党的二十大精神，加快推动我国数据标准化工作，5月25日，由国家数据局主办、中国电子技术标准化研究院承办的第七届数字中国建设峰会“数据标准化和数据基础设施分论坛-数据标准化专场”成功召开。国家数据局党组书记、局长刘烈宏，福建省政府党组成员李兴湖出席并致辞。会上，由中国电子技术标准化研究院、国家信息中心等牵头编写的《数据要素流通标准化白皮书（2024版）》正式发布。
国家数据局党组书记、局长刘烈宏指出，数据标准化工作是创新发展的重要基础。全面推进数据标准化工作，对于提高数据质量、提升数据技术应用、促进数据流通、激活数据潜能、释放数据价值，构建数据领域新发展格局具有重要作用。
白皮书指出，数据要素是数字经济发展的核心引擎，我国高度重视数据要素市场的培育。而标准化体系的建设是数据要素流通的一项基础性、系统性、持续性工作。我国数据流通标准规则体系还在探索阶段，绝大部分标准集中于数据治理环节，而基础设施产权确认、数据产品、流通交易等标准相对缺失。白皮书对数据流通利用设施、数据治理实施、数据开发利用、数据产品、数据确权、数据估值、数据流通交易、数据流通技术、数据流通安全等关键环节的标准化现状进行了分析，并别分别列出了各环节标准化可参考的政策标准。
白皮书明确了数据要素流通标准化的重要方向，并对标准化工作进行展望，包括：加强数据要素流通标准体系顶层设计、推进数据要素流通重点标准制定修订、构建数据要素流通标准化服务生态和积极推动数据要素国际标准化合作共赢四个方向。
下面这三幅图很有参考价值：
6、全球数据资产理事会：《寻路数据资产(合辑)》
随着企业数据资产化理论与实践的推进，基于全国大统一数据要素交易与流通市场的数据资产应用场景也将越来越丰富。然而，许多企业仍面临着如何有效实现数据资产化、资本化的挑战。
为此，全球数据资产理事会数据投行工作组精心打造了“寻路数据资产”系列研究，提供全方位的数据资产价值实现路径指南及整体解决方案，通过理论框架与实践指引相结合，帮助企业更好地挖掘和利用数据资产价值。系列研究涵盖以下十二篇专题内容：
- 报告篇：汇集权威机构的最新研究成果，为您揭示数据资产化领域的理论指导、前沿趋势和行业动态。
- 政策篇：梳理国家及地方政府发布的数据资产相关政策，为您提供详尽的政策解读和应对建议。
- 概念篇：深入剖析数据资产相关基本概念和特征，帮助您更好地理解这一新兴领域的基础知识，培养新时代数据思维。
- 路径篇：探讨数据资产价值实现的多元路径，阐述从数据资源化到资产化，再到资本化的完美转变，开启数据变现之路。
- 战略篇：提供数据资产价值驱动的企业治理方针、战略变革方法，以及技术创新、人才培养等方面的建议。
- 价值篇：通过案例研究和实证分析，阐述数据资产对企业经营决策、商业模式创新、资产重构以及竞争力提升的重要意义。
- 入表篇：详细解析企业数据资源入表流程、路径以及入表之后的相关操作，为企业提供财务管理与会计核算方面的参考，激活数据资产价值。
- 评估篇：介绍数据资产评估的多种方法、操作流程、业务要点，尤其包括市场法、成本法和收益法等评估模型的详细阐述。
- 合规篇：介绍数据合规的基本原则，从主体、业务、产品等维度，解释合规要点，包括数据保护、隐私等，并提供合规审查、合规管理的策略和实践。
- 登记篇：探讨数据资产登记的流程和重要性，以及如何通过有效的登记管理确保数据资产的安全性和可追溯性。
- 交易篇：探讨数据资产交易的现状与挑战，分析市场动态和交易机制，以及如何通过数据交易实现数据资产的流通和价值最大化。
- 资本篇：研究数据资产与资本市场的结合点，总结数据资本化案例，从价值倍增的角度为企业提供将数据资产转化为资本实现长期增长的策略和路径。
7、阿里研究院：《大模型训练数据白皮书》
5月24日，由阿里研究院牵头，阿里巴巴集团、数字中国研究院（福建）、阿里云智能集团联合编写的《大模型训练数据白皮书》在第七届数字中国峰会期间发布。
自《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》发布以来，我国在数据要素建设方面取得了显著进展。国家数据局联合其他16个部门共同发布了《“数据要素×”三年行动计划（2024—2026年）》，进一步明确了“建设高质量语料库和基础科学数据集，支持人工智能大模型的开发和训练”的目标。通过加强数据要素建设，推动人工智能大模型的发展，可以有效解决我国在人工智能领域特别是大模型研发方面所面临的数据瓶颈问题。这将进一步提升大模型对世界知识数据的汇集和处理能力，创造更大的生产力，助力我国从数据经济向智能经济的转型。
大模型作为数据要素价值释放的重要途径，其训练所使用的数据类型对于理解大模型的内在价值机制至关重要。为了促进高质量训练数据的建设，需要整合政府、企业和社会等各方资源，推动数据的开放共享和开发利用。同时，需要构建一个共享、共创、共赢的合作生态，创造一个更加开放的环境，超越版权等制度的争议。我们应为技术发展预留空间，并相信随着技术的成熟，相应的商业模式和制度设计也将逐步完善。作为支撑大模型发展的三大基石之一，我们期待中国的大模型发展能够在数据方向上取得突破，从而在国际竞争中占据优势地位。
本白皮书首先深入分析了大模型训练所需的数据类型，并从产业实践的角度出发，破解了关于训练数据的常见误解。在此基础上，本书进一步讨论了训练数据的质量和规模，指出高质量数据应通过实践来检验其效果，而非仅依赖于前置的客观标准。同时，本书探讨了合成数据作为解决高质量训练数据供给不足的新方案，以及其在大模型训练中的潜力。在训练数据合规性方面，本书提出了与模型发展相适应的数据治理思路。最后，本书强调了构建政府和社会力量协同的数据生态对于满足大模型训练数据需求的重要性，并以阿里巴巴的实践为例进行了详细的说明和阐述。
8、艾瑞咨询：《垂直起降：2024年中国低空经济前景研究报告》
在俄乌冲突之前，无人机在局部冲突中的使用可能还只是出于对新技术的好奇。然而，2022年的俄乌战争标志着无人机作为现代战争的主要装备，正式登上了历史舞台。2022年2月24日，由于北约东扩和顿巴斯地区的冲突，普京宣布启动“特别军事行动”，旨在对乌克兰进行非军事化和去纳粹化，俄乌冲突由此爆发。截至2023年8月7日，俄罗斯在冲突中损失了4154架无人机，这一数字远远超过了固定翼飞机和直升机的损失。
2023年4月，据俄罗斯卫星通讯社报道，普京强调无人机领域具有巨大的发展潜力，并表示俄罗斯应领先于竞争对手，实现具有前景的无人机的流水线生产。无人机行业已成为俄罗斯最重要的发展方向之一，前景广阔。普京还宣布，未来对无人机领域的投资将达到1万亿卢布。俄罗斯计划到2026年底每年生产1.8万架无人机，到2030年达到3.2万架，以满足国内约70%的需求。
飞机最初是为商业运输而设计的，但两次世界大战极大地推动了飞机技术的发展，许多军用技术后来也被应用到了民用领域。随着时间的推移，军用和民用飞机的发展目标已经完全不同。军用飞机追求的是极致的性能，而民用飞机则更注重低油耗和低噪声污染等指标。这种趋势很可能也会在无人机领域得到复制。因此，可以预见的是，短期内民用无人机市场将迎来巨大的发展机遇，未来的天空将布满立体交通网络。
2023年，全球无人机市场规模已经达到315亿美元。根据预测，未来几年该市场规模将以每年约10%的速度增长，预计到2026年将突破400亿美元大关。对于低空经济而言，无人机相当于使用终端，终端市场的丰富和扩大将直接激活网络效应，这种网络效应可能会因为单机的联网而迅速爆发。
从无人机的根本用途来看，无论是军用还是民用，其核心功能都是将载荷带离地面，实现在低层空间的高机动性。因此，无人机本质上是一种运输工具。这种本质属性预示着无人机最大的应用场景最终将集中在物流和出行领域，包括物流运输、地面及航空出行替代、工业检修和国防等关键领域。更多内容请阅读白皮书。
9、民生证券：《行业深度研究：一文读懂量子计算原理》
量子计算作为一种颠覆性技术，有潜力解决人工智能（AI）面临的算力瓶颈问题。与传统计算方式相比，量子计算不仅能够提供更强大的并行处理能力，还能在执行复杂计算时显著降低能耗。量子计算的运算能力随着量子比特数量的增加而指数级增长，这使得它在AI领域具有巨大的应用潜力。
全球科技巨头正在推动量子计算产业的发展。IBM、微软、谷歌等公司已经发布了各自的量子计算发展路线图。与此同时，中国的量子计算产业与这些海外科技巨头之间的差距正在逐渐缩小。
量子计算的软硬件基础设施正在不断成熟，为量子技术的商业化落地奠定了坚实的基础。目前，全球范围内的量子计算机主要采用超导、离子阱、光量子、中性原子、半导体量子等技术路线。同时，已经建立了以量子门数量、量子体积、量子比特数量等为核心指标的性能评价体系。
量子计算云平台通过将量子计算机硬件或量子计算模拟器与云计算软件工具、通信设备及IT基础设施相结合，为用户提供了直观化和实例化的量子计算接入访问与算力服务。在软件方面，量子算法正在不断发展。在当前的硬件条件下，重点是在容错成本和算法性能之间找到平衡点。量子软件体系目前仍处于开放研发和生态建设的早期阶段，但正在逐步走向成熟。
量子计算预计将赋能各行各业，开启一个价值8000亿美元的巨大市场。根据ICV的数据显示，2023年全球量子计算市场规模约为47亿美元，预计到2035年将超过8000亿美元。金融、化工、生命科学等领域预计将从量子计算产业的发展中获得更大的益处。
10、腾讯云&Gartner：《生成式AI产业落地路径研究报告》
在当前科技革命和产业变革的浪潮中，数据已经成为一种新的生产要素，算力成为基础能源，而人工智能（AI）则成为推动生产力发展的关键力量。2024年的政府工作报告中，明确提出了深化人工智能应用的战略，并首次提出实施"人工智能+"行动。这一行动标志着新质生产力的大门已经打开，人工智能正在成为推动产业创新的核心力量。
特别是，以大模型为代表的生成式AI技术，已经成为推动新一轮产业变革的核心动力。为了抓住这一技术机遇，企业开始积极探索将生成式AI融入工作流程，以寻求创新的可能性。生成式AI已经成为企业各个层面关注的焦点。CEO们期待新技术能够成为公司业绩增长的新引擎，而员工们则期待新技术能够成为他们创意性工作的新源泉。在这个变革的时代，企业不断努力将技术机遇转化为竞争优势，不断拓展业务领域，迎接未来的挑战。
然而，对于企业而言，探索生成式AI的应用落地是一项充满挑战的任务。本报告提出了生成式AI应用场景矩阵，旨在帮助企业完善自身可落地的应用场景。同时，报告还基于落地实践经验，总结出生成式AI应用落地的路线图，指导企业选择适合自身情况的落地方式。结合Gartner的产业技术研究，本报告旨在为企业提供腾讯云的思考、实践经验与建议，帮助企业捕捉这一历史性新机遇，开启第二增长曲线。
本报告的发布，不仅是对当前AI技术发展趋势的深入分析，更是对企业如何利用这一技术变革实现自身发展的有益指导。我们相信，通过本报告的阅读，企业能够更好地理解生成式AI的潜力，找到适合自己的应用场景，并制定出切实可行的落地策略。让我们一起拥抱AI技术带来的变革，共同开启产业创新的新篇章。
11、云安全联盟：《云安全技术发展白皮书》
在信息技术革命的推动下，云计算、大数据、物联网、人工智能（AI）、5G等新兴技术层出不穷，推动着人类社会、经济和文明的快速发展。随着互联网和信息技术的普及，人与人之间的"物理墙"被打破，人们可以随时随地与世界各地的人进行交流、交易和合作。在这一背景下，云计算以其无处不在、便捷、按需的特性，成为企业发展业务的重要工具之一。
在中国云计算服务发展的早期，阿里云等云服务商推出了弹性计算共享资源租用服务，即公有云。公有云为用户提供了公共计算、存储、网络、安全、数据和应用共享等一系列云计算服务。这使得小企业和个人用户能够以较低的成本、简便地使用云计算服务。
对于政府、金融等企业用户来说，由于对敏感和重要数据的安全性和可控性有较高要求，他们更倾向于采用私有云的部署模式。而对于既需要对外提供服务、又需要对内进行重要企业数据管控的大型集团和互联网企业来说，混合云（结合公有云和私有云）成为他们的最优选择。
然而，在企业客户从排斥业务上云到积极采用云计算服务的过程中，围绕云计算技术的安全问题也日益凸显。这些问题包括用户身份管理/访问控制、网络安全、数据安全、管理安全、虚拟化安全等。此外，近年来频发的安全事件，如2017年5月的WannaCry勒索软件攻击、2020年的SolarWinds攻击事件、2021年5月的美国科洛尼尔管道运输公司勒索软件攻击事件，以及2023年11月国内某大型银行美国全资子公司遭受的LockBit勒索软件攻击等，都对云安全技术的发展提出了新的挑战。
为了更好地保护公有云、私有云和混合云上的工作负载等资源的安全，国内外云安全厂商推出了云工作负载保护平台（CWPP）、云访问安全代理（CASB）、微隔离（Micro-Segmentation）、云安全态势管理（CSPM）、云原生应用保护平台（CNAPP）和云安全资源池等一系列云安全技术和产品解决方案，帮助用户做好云上安全防护。
在云计算的发展过程中，不同时间段、不同国家的云安全厂商提出的云安全技术和产品，会因为各自国家的行业用户特点、实现技术和理念的不同而有所差异。无论是刚进入云安全领域的新手，还是正在上云或已经上云的大、中、小型企业的安全运维人员和决策者，甚至是专注于网络安全其他领域的资深安全人士，都可以通过阅读这份白皮书，加深对主流云安全技术背景、发展历程和未来发展趋势的了解，积累云安全知识，做出更明智的安全决策和技术创新选择。
这篇关于OSINT技术情报精选·2024年5月第4周的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
