
政策资讯
01
11月8日,国务院召开常务会议。会议审议通过《关于促进外贸稳定增长的若干政策措施》等。会议指出,要切实做好促进外贸稳定增长工作,为经济持续回升向好提供有力支撑。要加大金融支持力度,扩大出口信用保险承保规模和覆盖面,用足用好小微外贸企业政策性贷款,在授信、放款、还款等方面持续改进对外贸企业的金融服务,优化跨境贸易结算,帮助企业提升汇率风险管理水平。要壮大外贸新动能,促进跨境电商发展,推进海外智慧物流平台建设。要强化外贸企业服务保障,推动绿色贸易、边民互市贸易、保税维修创新发展,提升外贸海运保障能力,加大对外贸企业减负稳岗的支持力度。要吸引和便利商务人员跨境往来,稳妥推进与更多国家商签互免签证协定。
行业动态
01
11月5日,第七届虹桥国际经济论坛发布《世界开放报告2024》。
11月5日,在上海举行的第七届虹桥国际经济论坛发布《世界开放报告2024》,该报告显示全球数据市场平台交易量2023年同比增长23%,2023年全球可数字化交付的服务贸易同比增速达8.5%,占全球服务贸易的比重升至56.8%,跨境电商迅速发展。2023年,全球可再生能源装机容量同比增长近50%,是过去20年来最高增速;全球低碳能源投资激增17%,氢能投资增长两倍。服务开放更为突出,世界服务业增加值占GDP的比重达2/3,全球服务贸易超过15万亿美元,增速远高于货物贸易。该报告提到,2023年,世界开放指数预估为0.7542,同比下降0.12%,比2019年下降0.38%,比2008年下降5.43%,震荡收缩趋势明显。世界社会开放指数提高1.7%,但经济开放指数下降0.2%,文化开放指数下降2.4%。
02
11月7日,第七届中国企业论坛在京举行。
11月7日至8日,国务院国资委、全国工商联、新华通讯社共同指导的第七届中国企业论坛在北京举行,论坛指出,发展新质生产力,是各类所有制企业应变局、开新局,更好服务中国式现代化建设的重要路径。当前,从新结构经济学的角度来看,我国要找准发展方向和定位,将科技创新作为发展第一动力,聚焦涉及产业生存权、产业发展权的行业共性技术、引领性技术,加大研发投入,努力掌握更多关键核心技术和源头底层技术,共同做强发展新质生产力的技术源头。要推动产业创新,引领数字变革、拥抱人工智能,更大力度推进科技成果转化和产业化应用,共同改造提升传统产业,培育壮大新兴产业,布局建设未来产业,在推动产业深度转型升级上再开新局,共同建强发展新质生产力的重要载体。
03
11月8日,第七届进博会·国际质量创新论坛在上海举办。
11月8日,第七届进博会·国际质量创新论坛在上海举办,本届论坛聚焦全球科技创新和质量发展的趋势与热点,分享产业变革的最佳实践,共谋人工智能时代的质量创新、质量合作。论坛上美国加州州立大学质量保证科学教授埃米尔•哈扎里安(Emil Hazarian)围绕“质量与计量领域的人工智能转型”指出,人工智能支持预测性质量控制,通过自动化测量流程、减少人为错误、实时监控分析,集成革新了质量保证与计量,为质量提升提供深刻洞察。以计量校准实验室为例,引入人工智能技术后,校准时间缩短40%,测量精度提高15%,人为错误率降低25%,仪器停机时间减少了30%,从而大幅提高了实验室整体生产力水平。
04
11月8日,安徽省政府印发《安徽省未来产业发展行动方案》。
11月8日,安徽省政府印发《安徽省未来产业发展行动方案》,该方案主要内容可以用“一个发展目标、七个工作重点、九项支持政策”来概括。“一个发展目标”,即建设具有重要影响力和竞争力的未来技术策源地、未来场景应用地和未来产业集聚地,聚焦量子科技、空天信息、通用智能等7个重点领域和第三代半导体、先进装备制造、区块链、元宇宙等N个兼顾发展领域,坚持动态调整、滚动培育。“七个工作重点”,分别为开展技术创新策源、企业梯次培育、场景应用拓展、产业先导集聚、机制改革赋能、要素汇聚支撑、生态营造优化7大行动。“九项支持政策”,即围绕未来产业技术、平台、项目、产品、应用、场景、先导区、耐心资本、金融服务等9个方面给予支持。
社会观点
01
IDC:中国数字化转型市场预计2028年达7330亿美元。
11月7日,国际数据研究机构IDC发布2024年V2版本《全球数字化转型支出指南》,其数据显示,2023年全球数字化转型投资规模超过2.1万亿美元,2028年预计达到4.4万亿美元,2023-2028年五年复合增长率(CAGR)为15.4%。聚焦中国市场,IDC预计,2028年中国数字化转型支出规模预计达到7330亿美元,全球占比约16.7%,五年复合增长率约为15.6%,增速高于数字化转型全球整体增速。2028年中国数字化转型硬件市场支出将超过3700亿美元。2023-2028五年复合增长率15.6%。
02
伦敦大学学院机器学习教授阿瑟·格雷顿(Arthur Gretton):当前人工智能领域,尤其在因果人工智能(Causal AI)领域,最大的挑战之一是不确定性量化。
11月9日,伦敦大学学院机器学习教授阿瑟·格雷顿(Arthur Gretton)认为,当前的AI系统尽管在许多场景中表现出色,但往往缺乏对预测结果不确定性的准确评估,这意味着它们可能会在自信的情况下犯错。当前人工智能领域,尤其是在因果人工智能(Causal AI)领域,最大的挑战之一就是不确定性量化。人工智能目前可以就某事做出预测,比如某款药物的疗效,或者某项政策的效果,但人工智能往往无法准确衡量预测时的不确定性,因此它在预测时,有较大概率犯下错误的可能。


