“过(guò)去(qù)很(hěn)多(duō)年(nián)，我(wǒ)们(men)在(zài)数(shù)据(jù)应(yīng)用(yòng)方(fāng)面(miàn)仍(réng)停(tíng)留(liú)在(zài)做(zuò)一(yī)些(xiē)漂(piào)亮(liàng)的(de)统(tǒng)计(jì)报(bào)表(biǎo)上(shàng)，并(bìng)没(méi)有(yǒu)深(shēn)挖(wā)数(shù)据(jù)内(nèi)在(zài)价(jià)值(zhí)。大(dà)部(bù)分(fēn)数(shù)据(jù)仍(réng)沉(chén)睡(shuì)在(zài)云(yún)端(duān)服(fú)务(wu)器(qì)上(shàng)，并(bìng)没(méi)有(yǒu)转(zhuǎn)化(huà)为(wèi)企(qǐ)业(yè)真(zhēn)正(zhèng)的(de)资(zī)产(chǎn)。”日(rì)前(qián)，在(zài)由(yóu)复(fù)旦(dàn)大(dà)学(xué)校(xiào)友(you)会(huì)创(chuàng)业(yè)创(chuàng)新(xīn)俱(jù)乐(lè)部(bù)主办(bàn)的(de)第(dì)四(sì)届(jiè)创(chuàng)业(yè)创(chuàng)新(xīn)数(shù)字(zì)经(jīng)济(jì)生(shēng)态(tài)论(lùn)坛(tán)上(shàng)，复(fù)旦(dàn)大(dà)学(xué)计(jì)算(suàn)机(jī)科(kē)学(xué)技(jì)术(shù)学(xué)院(yuàn)教(jiào)授(shòu)、博(bó)导(dǎo)、上(shàng)海(hǎi)市(shì)数(shù)据(jù)科(kē)学(xué)重(zhòng)点(diǎn)实(shí)验(yàn)室(shì)主任(rèn)肖(xiào)仰(yǎng)华(huá)在(zài)主题(tí)演(yǎn)讲(jiǎng)过(guò)程(chéng)中(zhōng)直(zhí)言(yán)，当(dāng)前(qián)，数(shù)据(jù)价(jià)值(zhí)变(biàn)现(xiàn)也(yě)面(miàn)临(lín)诸(zhū)多(duō)挑(tiāo)战(zhàn)。
复(fù)旦(dàn)大(dà)学(xué)计(jì)算(suàn)机(jī)科(kē)学(xué)技(jì)术(shù)学(xué)院(yuàn)教(jiào)授(shòu)、博(bó)导(dǎo)、上(shàng)海(hǎi)市(shì)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(yíng)者(zhě)手(shǒu)中(zhōng)”，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(de)表(biǎo)达(dá)有(yǒu)自(zì)身(shēn)独(dú)特(tè)性(xìng)，例(lì)如(rú)不(bù)同(tóng)数(shù)据(jù)库(kù)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(yǎn)讲(jiǎng)中(zhōng)也(yě)提(tí)到(dào)，企(qǐ)业(yè)在(zài)利(lì)用(yòng)大(dà)模(mó)型(xíng)做(zuò)数(shù)据(jù)处(chù)理(lǐ)与(yǔ)价(jià)值(zhí)变(biàn)现(xiàn)相(xiāng)关工(gōng)作(zuò)时(shí)，也(yě)需(xū)关注(zhù)成(chéng)本(běn)问(wèn)题(tí)，“大(dà)模(mó)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。