2016技術預見國際研討會：大數據與技術預見

2016技術預見國際研討會：大數據與技術預見

2016年5月13～14日，在深入實施創新驅動發展戰略，加快向具有全球影響力的科技創新中心進軍之際，“浦江創新論壇——2016技術預見國際研討會”在上海召開。本次研討會由聯合國教育科學文化組織、中國科學技術發展戰略研究院和上海市科學學研究所共同舉辦，來自國內外大數據和技術預見領域的知名專家在研討會上發表演講。

技術預見是對科學、技術、經濟和社會的遠期未來進行系統探索的過程，目的是選定可能產生最大經濟、環境與社會效益的新技術和戰略研究領域。技術預見于20世紀40、50年代在美國等發達國家興起，是發達國家和跨國公司實施科技前瞻布局和顛覆性創新的“秘密武器”。美國率先研發出的技術預見方法和工具，對于美國政府和企業進行全球產業技術布局發揮了重要作用。日本從20世紀60年代末、70年代初以來系統性開展國家技術預見活動已逾40年，為其快速崛起和創新發展提供了戰略指針。當前，我國已經有16.3%和30.0%的技術領域處于“領并跑”狀態，上海在全國“領并跑”格局中都占有1/9的重要地位，未來如何進一步實現引領性發展，技術預見就顯得益發重要。

本次研討會包括大會報告和3個主題分會報告，邀請的報告人共13位（其中境外報告人8位，境內報告人5位），分別來自國際知名技術預見與科技創新政策研究機構，如日本科學技術政策研究所、巴黎高等電子研究所、韓國科學技術政策研究院和韓國科學技術情報研究所、《自然》出版集團、我國大數據研究重要機構阿里研究院等機構，共同討論“大數據與技術預見”（Big Data Analytics in Technology Foresight）。來自國家有關智庫和全國12個省市的27家重要科技創新研究與咨詢機構的159名代表參加了會議。論壇發起成立了國際技術預見研究合作網絡，為我國實施創新驅動發展戰略提供決策依據。以下是部分報告人的發言摘要。

大數據分析方法有廣闊的應用前景

約斯蘭·諾爾（Yoslan Nur）：聯合國教科文組織科學政策和能力建設部項目專員

技術預見方法分為定性、定量和半定量三類，可細分為30余種，最常見的方法包括德爾菲法和時間序列分析等。大數據技術的日益成熟，為技術預見專家的定量研究提供了利器，大數據分析有許多特點和優勢，如能夠節約成本、進行更快和更好的決策、帶來新的產品和服務。其關鍵技術包括使用數據分析、數據挖掘、存儲內分析、預測性分析及文字挖掘等。大數據可應用于技術預見的多個領域，以及可持續發展中所涉及的方方面面。在城市交通領域，輔助設計城市出行方案，改善公交服務，更好匹配出租車與乘客信息，通過電子道路定價方式以管理道路擁堵問題等。在醫療保健領域，分析大量信息，快速診斷，提出治療和保健方案。在農業領域，預測農作物年產量，改良農作物品種并提高產量，加快農作物配送，針對農田和設備采集問題及時提出預警。在政務工作領域，實現循證式政務決策，縮短決策時間，改善決策成效，提高政務效率，減少作假和濫用的行為。在氣候領域，保險公司使用大數據分析氣候信息，預測未來氣候災難及財產損失，做理賠管理工作。

技術預見是實現循證式政策制定的重要工具，讓決策者不再依靠直覺，而是依靠證據來進行決策。技術預見有五大關鍵要素：面向未來的預測、關注長期發展、將科學技術發展與市場力量結合到一起、關注新興通用技術和關注社會影響。技術預見的目標包括尋求未來發展機會、調整科技創新方向、展現創新系統活力、將新的參與方帶入戰略討論、建立新的網絡及紐帶等，通過市場的方式來解決更多的問題。使用大數據分析進行技術預見是現有政策制定和國家發展規劃過程中必不可少的一部分。

用大數據科學地預測未來

王宏廣：中國科學技術發展戰略研究院研究員

中國第五次國家技術預測是當前國際技術預測領域調查范圍最為廣泛的研究之一。從2013年開始，中國科技發展戰略研究院受科技部委托，開始進行第五次國家技術預測。本次技術預測，注重“用數據說話，用模型表達，用語言補充”。為了提高調查研究的信度和效度，這次技術預測發放了大樣本的調查問卷，并請國內外來自產學研多個領域的專家和學者進行交流和評定，也更加注重研究方法的規范性。和以往四次技術預測相比，本次參與調查的專家數量明顯增多，是第四次的10倍；備選技術也明顯增加，是第四次的2.6倍；交通、資源、城市化、遙感和海洋等“新面孔”也陸續出現。這一方面說明科學技術交叉發展十分迅速，加大了預測難度，另一方面也說明計算能力增加，能處理更多的數據。

中國第五次國家技術預測主要使用德爾菲法。本次預測將2 000多項關鍵技術制成問卷表格，邀請 3萬多名來自產學研不同領域的專家填寫了11.6萬份問卷，以科學性和先進性為主要觀測指標，通過運用德爾菲調查法，并輔助文獻分析、專利分析、頂層設計等16種方法，最終選出了包括信息、生物、交通、資源、城市化等14個領域的280項技術。接下來，還將從280項技術中選出100項關鍵技術、10項顛覆性技術和若干項非共識技術。

要把中國創新型國家的發展道路走好，必須知道我們現在的科技水平是什么，未來的發展趨勢是什么，和誰有差距，差距是多少，在這個基礎上，才知道該往哪方面努力。用技術預測能解答很多我們關心的問題，并且數據才有說服力。比如我國與美國的科技差距是多少?如果說美國是100分，我們現在大致是68分。差距在哪？調查發現，當前我國科學技術研究中的16%處于領先研究階段，30%處于并跑階段，54%屬于跟跑階段。許多研究成果還處于論文的階段，處于應用階段的成果數量較少，這與發達國家有很大不同。處于跟跑階段的研究成果發展速度比較快。另外，我國基礎研究形成優勢技術的能力低于美、日、德等發達國家。再如，下一個千億級產業在哪里？健康產業以8萬億元的潛力值位居第一，另外具有潛力的產業分別是信息服務業、科技服務業、體育產業和旅游產業，特別是體育產業長期被低估，事實上根據中美人均收入對比，它將帶來5萬億產值。好消息是，這些產業都已經得到了國家的政策扶持。

用大數據制定個性化政策

韓善和：韓國科學技術政策研究所主任

大數據的意義在于能夠將龐雜的信息可視化，將問題更好地顯示出來。通過數據，我們就可以進行測量，用科學的方法進行分析，進而可以創造新的服務和新的商業模型。目前，大數據技術已用于韓國政府的技術預見和政策制定。在國家超級計算中心的支持下，韓國科學技術政策研究所在超級計算、信息融合、融合技術、中小企業創新等四個領域開展技術預見，為韓國科技和工業政策制訂提供依據，也為社會提供咨詢服務。技術預見是定性和定量工具方法的結合，人類和機器智慧地、科學地協作將強化技術預見的合理性。我們開發了人類專家和機器共同合作的德爾菲法，并逐漸變成預見中最常使用的方法，經過進一步處理就可以獲得完美的答案。

政府可以基于大數據來提供個性化服務，制定個性化福利政策。大數據的融合應用可以在政府服務領域創造非常大的價值。在美國公共衛生領域，大數據的應用每年能創造3 000億美元的價值，而在歐洲公共管理領域，大數據的應用每年能夠創造2 500億歐元的價值。在德國，政府應用大數據來更加有效地進行就業部署，減少失業。韓國政府也致力于通過對大數據的應用來更好地制定政策，在安全、教育、土地、醫療、就業等各個領域提供個性化的服務，如區域犯罪預測、地方政府與中央政府沖突預防、勞動力監控、區域觀光、交通道路事件預測、食品中毒預測、森林火災預測、智能災害監控、盲點分析等。

上海的技術預見

李萬：上海市科學學研究所副所長、研究員

上海是中國最早開展區域技術預見活動的地區之一。20世紀80年代上海市科委技術預見處就為行業技術發展提供前沿報告。長時間的技術預見給我們帶來了一些新的思考，最近剛剛完成的中長期預見活動中，我們建立了一個沙漏模型，從國際形勢、國內態勢、區域基礎等方面確定上海在科技創新領域的定位，再進行領域掃描、主題演繹，最后選擇出未來15年對上海經濟、社會發展最重要的一系列研究主題。

我認為，技術預見對科技創新管理發揮的作用主要有三個方面。第一，在理念上為科技創新提供管理和支撐。第二，技術預見，特別是長期、中長期的預見，對于五年規劃和年度計劃都會提供相應的支持。比如2013年、2014年完成的技術預見，與上海建設具有全球影響力的科技創新中心提出的22項重大任務的重合度非常高；在“十三五”科技創新規劃里，預見的結果也與重大專項的方向、內容重合度較高。可見技術預見為規劃提供了前期的、非常充分的論證。第三，我們向大學、企業、科研院所傳播技術預見的理念和方法，使很多機構都開展了這樣的活動，技術預見在上海得到了進一步擴展。

長期的技術預見工作也使我們積累了豐富的經驗，如要加強頂層設計，并長期堅持、持續優化；要持續改進方法，增加過程效果和產出；要營造預見的文化氛圍，拓展參與和應用的范圍。未來，希望技術預見能與大數據手段結合，進一步改進預見方法；并結合區域定位，在融入地方發展趨勢的同時嵌入全球預見網絡，深化合作研究。

基于大數據的技術預見讓我們更快觸碰到未來

浦島邦子：日本科學技術政策研究所預見中心副主任

日本科學技術政策研究所（NISTEP）預見中心已經開展了45年的技術預見，在技術預見方面有著豐富的經驗。在新一輪的技術預見中，我們大量地運用大數據開展技術預見，通過郵件和網絡調研，更快地獲得了大量的調研結果。這次技術預見結果顯示，對社會而言，中國和日本都將面臨老齡化的問題：2012年，日本老齡人口占比23%，中國僅8.4%，但是到2050年，日本老齡化人口達到38%，中國28%，韓國36%。這些基于大數據的技術預見結論讓我們更快地觸碰到未來，看到許多未來即將面臨的危機，從而對即將面臨的危機有所準備，同時也給我們帶來許多產業的發展信息，如針對老齡化的社會服務業一定會得到快速發展。也因此，我們的智能化發展趨勢正在快速成型，這使得以前那些常規路線圖不再適用，我們必須進行新的情景假設、制定新的路線圖來迎接未來的挑戰。

大數據在韓國技術預見中的應用

崔文貞：韓國科技評價與規劃研究所戰略預見辦公室主任

韓國技術預見工作開始于20世紀90年代，目標是能夠提供一個愿景，指導我們科技發展目標和方向。在韓國，技術預見由科學技術委員會支持，韓國科技評價與規劃研究所開展工作，五年一輪，每次持續一年半到兩年，技術預見的結果會納入韓國科學技術發展基本規劃中。在韓國第五次的技術預見中，大數據發揮了重要的作用。我們根據未來的需求和科技發展，描述未來的社會情景，并引入了“引爆點”的概念（即促使社會發生翻天覆地變化，并帶來主流社會技術趨勢變化的時點）。通過兩輪德爾菲和大數據的分析，我們確定了未來發展的五大宏觀趨勢和40個子趨勢，并分析每一個技術趨勢發展過程中所面臨的眾多短期挑戰和長期挑戰。大數據被作為基本數據的有益補充來支撐技術預見，我們使用科學地圖方式找出新興技術崛起點，通過網絡分析方式，找到各種未來挑戰之間的關系。同時，利用大數據開展外推式的分析，為技術預見提供了更可靠的結果。

可編程經濟的影響

趙光：Gartner公司高管合伙人

Gartner是全球知名信息技術研究與咨詢企業，在全球有約1 200名分析師，分布在85個國家和地區。這些分析師專注于各自專長的信息技術領域，關注所在國家和地區的發展動態，他們的研究結論匯合在一起，就能勾畫出各種信息技術的趨勢曲線，為政府、企業客戶提供分析報告和決策咨詢。企業資源計劃（ERP）、大數據規范等許多業界熟知的概念和標準，在早期都由Gartner提出，起到了引領產業界發展的作用。可編程經濟是Gartner近期提出的新概念。其定義是：嵌入智能基因的新經濟系統，能自主支持、自主管理商品服務的生成、生產和消費，并支持多種價值（貨幣和非貨幣）在不同場景下的匿名、加密交換。如耐克公司在一些運動鞋上安裝了傳感器，能計算人們每天跑多少步、消耗多少能量，并通過手機APP上傳。憑借這個系統，耐克設計了新的打折模式：消費者如果在一段時間內每天跑步步數達到一定指標，就可以打折，將錢返還消費者。通過APP，消費者還能與全球各地的跑步愛好者聯系，將一段時間的步數借給他人，以達到幫助網友打折的目的。在這一場景中沒有貨幣，但兩個人實現了價值交換。

產品和商業模式的可編程，意味著數字化——“物即數據”。在這一理念的指引下，美國政府正在推動先進數字化硬件產業的發展。這類硬件產品進入商務領域后，能將數字商務升級到自主營運商務，如派遣無人機替代快遞員送貨。Gartner預測在未來5～20年時間，可編程經濟模式、商務模式會對傳統的經濟模式、商務模式發生徹底的沖擊，將削弱和威脅傳統企業，并支撐新市場、新價值和新經濟，形成一個嶄新的世界經濟體系。

我國政府發布“互聯網+”、“中國制造2025”方案后，面臨一個較為棘手的問題：國內缺乏互聯網、物聯網領域的核心軟硬件和核心安全技術。國內制造業企業想轉型為智能制造，往往是去美國買知名企業的產品。20年前我們買微軟、IBM的產品，如今又將迎來一輪采購潮。要解決這個問題，我國政府和企業應適當調整戰略方向，不能只重視互聯網化、平臺化經濟，而是應瞄準可編程經濟，加快開發數字化核心技術，加快實現產品和服務的數字化轉型，使大數據、云計算、物聯網等相關技術共同推動這種新的經濟模式，從而在全球競爭中占領戰略高地。

我們正在邁入數據技術時代

蔣正偉：阿里研究院數據專家

數據技術(DT，Data technology）時代具有兩個本質特征：一是IT成為基礎設施，人們離不開互聯網；二是數據成為生產要素，人們的生活被數字化，被大量數據嵌入和包圍。不同于農耕時代和工業時代，DT時代的社會形態是信息社會，信息資源上升到和物質與能量同等重要的戰略資源高度，經濟形態是以網絡經濟為主的數據經濟，生產力具有分布式多元協同的特質。當千差萬別的數據碰在一起，能夠產生經濟價值，產生人類能夠理解的、具有經濟意義甚至是社會治理意義的信息，即實現分布式多元數據的協同。

在傳統社會里，商業運作的邏輯是線性控制邏輯，以企業為中心，企業內部以科層制來協調各個分裂的環節，企業之間則是鏈主主導的供應鏈。而在DT時代，商業邏輯已演進為網狀協同邏輯。以消費者為中心，企業內部社區化，企業之間價值網協同。我們需要更多關注于消費者，應該分析消費者需要什么，進而滿足其個性化需求，這也將是中國未來彎道超車的好思路。

如何分析和處理大數據

西爾萬·勒菲弗（Sylvain Lefebvre）：法國巴黎高等電子研究所副教授

毫無疑問，大數據對我們來說有著巨大的價值，基于大數據產生的服務正在改變著我們的生活。比如過去我們去一家實體書店，如果想了解我們要買什么書就必須咨詢店員，而現在可以通過網站，基于消費記錄，分析并向你推薦你可能感興趣的書籍。為了提供這樣的服務，我們需要對海量數據進行實質性分析以搜集其中有意義的信息，并對數據進行實時分布式處理。處理數據的工作流程主要分為四個階段：第一，捕捉和收集數據；第二，以一種高效、安全的方法儲存數據；第三，分析數據；第四，視覺化處理數據。

MapReduce框架是數據分析和處理的一個主要框架。該框架由谷歌在2004年推出，其目的是在多個機器間進行流程并行化，將處理任務進行分離，提供簡單的并行化流程和分布式處理，實現容錯和平衡，為程序員提供方案。MapReduce框架取決于兩大前提，分別是映射（Map）和歸約（Reduce），這個模型將任何一種計算分成兩個部分，即映射傳播數據和數據簡化。我們將數據流與數據庫結合在一起，對其進行自動化和豐富化。

數據開放共享已經成為新興態勢

埃德蒙·格斯特納（Edmund Gerstner）：自然集團大中華區執行主編

從論文分享開始，公開科研數據已經成為新的潮流，很多出版商都創建了自己的商業模式，包括自然出版集團。短短20年，中國在包括自然雜志在內的知名期刊中排名前千分之一的高引用論文的貢獻率從0.5%迅速增加到20%，這也就是我們看中中國科技發展的原因之一。更廣范圍進行分享和公開，將對中國科研有很好的促進作用，也能提升影響力。

對于研究者和研究機構，開放共享數據可以提升投資回報。開放的數據共享能幫助我們調整刊物發表的偏見，降低錯誤和欺詐，能更好地分析和集成數據，對已經發布的研究結果進行再論證。加拿大的研究理事會、國家公共衛生研究局，都要求研究者進行數據分享。李克強總理也非常關注開放性氣氛打造，科學技術的開放獲取，契合現實需求，符合未來方向。

打通數據開放共享的通道

瓦爾特勞特·里特（Waltraut Ritter）：Knowledge Dialogues組織創始人

數據不再是研究的副產品，數據是寶貴的，數據甚至能改變我們的研究方式。因此，數據是未來創新的核心要素，打通數據分享的通道，一定能讓技術創新速度快速提升。

歐洲所有的出資機構都要求數據必須分享，現在歐盟已經在28個成員國開展數據分享。但這在香港很難實現，眾多高校教授、老師都依賴數據進行論文撰寫，但是他們都不愿意分享自己的數據。同時，這也需要大學校長確保所有出版的資料都是透明的，但在香港只有一兩名校長有這樣的思維和意識。如果數據能被充分的利用和分享，那勢必對科學研究具有極大的推動。香港在2000年前后，做出過“數據ONE”的決策，希望能夠把實時傳輸數據、氣候數據等進行公開，這樣很多的軟件開發者將使用這些數據來提供服務。但是數據并不是標準化、系統化的，所以只公開政府數據并不夠，還需要有人進行標準化的工作，以便用戶使用。

澳大利亞國家數據服務中心正在嘗試改變他們的數據系統，建立一個標準化的數據基礎設施，從而打通數據開放共享的通道。同時在政策和數據基礎設施之間達成協調，這樣一來，開放數據可以節約搜索數據的時間，創造更多時間去思考這些數據的含義，充實和豐富研究內容和意義。作研究。我們可以從這些研究中獲得結果，來為創新過程確定概念并建立模型，并推廣運用到工程、藝術、科學和社會領域的方方面面。

[文字整理：梁 偲]

任務很復雜也很艱巨。第一步要尋找共同的因素，并制定支持創新的規則和提示。這有助于我們反思。企業和個人往往自稱他們已經從錯誤中吸取了教訓，但到底有多少人系統地分析了失敗？專利庫里放滿了從來沒有用過的意見書，很多研究項目和臨床試驗都以失敗告終。對這些失敗的分析可以幫助他人獲得成功，也可能有助于人們理解創新的驅動力。

另一個保守的方法是去想象最好的東西，然后再將它們縮放回現實。試想一下，辦公室有著一件具有包羅萬象功能的家具：滿足工作者的所有需求，而且根據天氣改變家具的顏色，自動調節以適應人的身高和體重。技術、昂貴成本以及預期的市場反應等方面的局限性用來將產品縮放回銷售模式：可以調節高低的椅子，可設置兩個水平高度的桌子，還可以有不同的顏色。電腦打印機也是整合了除印刷之外的各種功能的創新產品。

創新科學的構建模塊連接著看似無關的想法。在一些獨立的領域中，周圍也充斥著各種各樣的發現。例如，快速地將生物和技術相連接，可能會產生更好的想法，從而重新確定研究和開發的方向。

創新科學的研究人員必須開發市場和產品模型，來預測未來的成功結果。這些模型可以基于新興的演化計算，也可以利用諸如消費者興趣和喜好等數據，來開發、驗證并測試這些模型。

從長遠來看，私人投資基金應該會建立一個全球項目，規模類似于微軟聯合創始人比爾·蓋茨（Bill Gates）領頭的突破能源聯盟（the Breakthrough Energy Coalition）。（實際上，該聯盟自身就從創新科學中受益匪淺。）

在商業領域中（對比投入與產出），創新過程的失敗率可能為99%。任何企業對此都無法容忍。主流行業已經采用六西格瑪方案以盡量減少缺陷或錯誤。政府和科學家們應該少去討論創新的各種形式，更多關注如何創新。

[資料來源：Nature][責任編輯：絲 絲]