本文的标题来自中国信通院政策与经济研究所总工程师——何霞，在浙江省CIO年会上的主题分享。今天也是挺有收获，总结一下捡到的小宝贝。
一、打造“数据驱动+行业机理与知识”的优化范式，成为数字化转型的路径和方法。
在大模型、AI概念铺天盖地的当下，很多人已经前仆后继迫不及待地使用大模型和AI，开始自告奋勇地交智商税。我在上一篇文章中已做了描述，也引用了吴军博士的建议和思路。
“我就发现在中国媒体上讨论的热度要远远高于美国”、“这是一件好事，但也是一件坏事。”从区块链、元宇宙再到现在的ChatGPT，“这些技术实际上是被过度的炒作”。
顾的，公众号：顾式传说LLM来了，是时候重新定义智慧港口数据了
前几天看了一个短视频，好像是一个会上一个女演讲者在描述中国大模型的发展，大致意思是她觉得现在很多人在唱衰国内的大模型发展，但是她觉得没必要担心，她说了三点原因，一是在算力层面，虽然拿不到高算力芯片，但是华为的芯片已经接近第一梯队（这一点我没法评判?），二是，在算法发面国内人才不少，还是很有优势的；第三点，在数据层面英语语料资源要远大于中文语料，甚至还有维基百科这样的高质量资源，但是她认为，虽然国内公共的数据资源不多，但是中国的企业拥有很多数据。
确实，我觉得她说的没错，但是面对AI我们还是不能太乐观。得益于近几年信息化、数字化建设，国内企业确实沉淀了很多数据。但是这些数据并不是面向AI的，或者说对AI并不友好。从我自身行业数字化成熟度来看，我总结了三个阶段：
业务管理的成熟度不同阶段，对管理的能见度要求也是不一定样的。我们的生产系统，包括制造业的ERP，十几年来都经历了对完成任务的支撑、对更好地完成任务的支撑，和能以最优方式完成任务的支撑；经历了从关注结果，到关注过程，到关注趋势的变化。
如果想让AI、大模型介入第三阶段，那么你的数据准备好了吗？在这个第三阶段的数据，应该是行为数据，我想，除了互联网公司，大多数传统行业对行为数据的认知几乎没有，或者处于萌芽。这些数据是巨大的，包括人的行为、设备的行为、自然行为和系统行为。
还记得阿里研究院曾鸣教授当时讲的一个词吗——“末端触达”，所谓末端触达就是要大量获得这些“端”的行为数据。这才是与大模型与AI是适配的数据。想起我的高中数学老师，有一句经典的话——“功夫都在草稿纸上。” 草稿纸上的数据才是思考的过程，更能看出这个人对题目的理解。行为数据，就是草稿纸上的数据，也是之前被我们忽略的数据。
所以我在上一篇文章中写“是时候重新定义企业数据”了。这是我对何总工程师这句话中“数据驱动”的数据的理解。
二、在机理和知识层面，现阶段去梳理好远重要于直接引入AI去发现
今天在会场，一个工具让我眼前一亮，用于企业架构4A的维护。这个名叫QuickEA的产品，很像我前几年一直苦寻的工具。
做过两轮IT规划，也多次梳理过企业内的应用系统，这种工作做过的都知道里面的痛，至今历历在目，容我一条一条列出来：
IT战略规划输出的4个A，和应用系统地图（清单）的映射关联，大多数时候是个PPT或者是Word，所以IT规划向来只有一个发布版，而没有更新版。
想把每个A画得很清晰，从Level1到Level n，用的还是PPT或者是Visio，结果，发了宏愿做了一次，从来没在更新过，刚发布就过期，后边没人看。
曾经也画过应用系统地图，想描述关联关系，同样也是做了一次，发布即过期，后面就没人看了。
又发宏愿想整核心业务的流程、对象和约束关系，又是几十个visio文档，结果还是发布就过期，又烂尾。
在这些痛苦的过程中，我非常迫切的想要一个工具，它能把脑子里的4A每个Level图方便地维护起来，并且和应用系统建立动态关系；它可以用于维护业务系统的元数据信息；他可以方便的为企业建立业务对象、流程和约束关系，动态地进行管理。我都一直有这个念头自己写一个这个想象中的工具。
我还没有详细了解过今天展台这个叫QuickEA的工具，只是和它的产品经理白靖老师初步聊了一下，很多理念很契合。
我跟白老师说，我想象中的这个工具，一方面用于动态维护企业战略和数字化建设方方面面的关系，用于洞察和完善企业的数字化成熟度，以及结合技术发现战略机遇；另一方面，它应该承载企业的核心知识，也就是企业的运行机理的数字化沉淀。
在大模型深入到工业场景的时候，何总工程师讲的打造“数据驱动+行业机理与知识”的优化范式，一方面是我第一部分说的数据，另一方面就是需要这样的一个工具去承载企业的知识，这样的工业场景的AI训练才是高效的。
打造“数据驱动+行业机理与知识”的优化范式，成为数字化转型的路径和方法。
