至頂發布
至頂智庫發布2023年政府工作報告解讀文章
2023年3月5日，全國兩會在京召開，李克強總理作政府工作報告，總結2022年及過去五年間經濟社會發展主要成就，提出2023年經濟社會發展主要預期目標及本年度工作重點。
至頂智庫將2023年政府工作報告中提出的經濟社會發展主要目標與往年政府工作報告進行對比分析，並從數字經濟角度，對2023年工作重點作相關解讀。
2023年政府工作重點
資訊來源：中國政府網，至頂智庫
解讀文章請關注「至頂頭條」公眾號 ：
至頂智庫看兩會專題 | 2023年政府工作報告解讀
解讀影片請參見「潛流研究所」影片號：
「至頂智庫看兩會專題」—從數字經濟視角解讀2023政府工作報告
解讀文章請參見「至頂頭條」公眾號：
至頂智庫看兩會專題 | 組建國家數據局，重組科技部機構改革方案解讀
解讀文章請參見「至頂頭條」公眾號：
政策解讀 | 數字中國頂層規劃助力中國式現代化建設
行業政策
十四屆全國人大一次會議表決通過國務院機構改革方案
2023年3月10日，十四屆全國人大一次會議表決通過關於國務院機構改革方案，此次國務院機構改革的主要內容如下：
重組科學技術部
加強科學技術部推動健全新型舉國體制、優化科技創新全鏈條管理、促進科技成果轉化、促進科技和經濟社會發展相結合等職能，強化戰略規劃、體制改革、資源統籌、綜合協調、政策法規、督促檢查等宏觀管理職責；
保留國家基礎研究和應用基礎研究、國家實驗室建設、國家科技重大專項、國家技術轉移體系建設、科技成果轉移轉化和產學研結合、區域科技創新體系建設、科技監督評價體系建設、科研誠信建設、國際科技合作、科技人才隊伍建設、國家科技評獎等相關職責，仍作為國務院組成部門。
資訊來源：新華社《關於國務院機構改革方案的說明》，至頂智庫
組建國家數據局
負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用，統籌推進數字中國、數字經濟、數字社會規劃和建設等，由國家發展和改革委員會管理。
將中央網路安全和資訊化委員會辦公室承擔的研究擬訂數字中國建設方案、協調推動公共服務和社會治理資訊化、協調促進智慧城市建設、協調國家重要資訊資源開發利用與共享、推動資訊資源跨行業跨部門互聯互通等職責，國家發展和改革委員會承擔的統籌推進數字經濟發展、組織實施國家大數據戰略、推進數據要素基礎制度建設、推進數字基礎設施布局建設等職責劃入國家數據局。
資訊來源：新華社《關於國務院機構改革方案的說明》，至頂智庫
調整國家發展和改革委員會職責
企業債券發行審核職責劃入中國證券監督管理委員會。
組建國家金融監督管理總局
在原中國銀行保險監督管理委員會基礎上組建國家金融監督管理總局。
調整中國人民銀行職責
對金融控股公司等金融集團的日常監管等職責劃入國家金融監督管理總局；
統籌推進中國人民銀行分支機構改革。
調整中國證券監督管理委員會職責
投資者保護職責劃入國家金融監督管理總局。
自然資源部發布《智能汽車基礎地圖標準體系建設指南（2023版）》
近日，自然資源部發布《智能汽車基礎地圖標準體系建設指南（2023版）》，主要從基礎通用、生產更新、應用服務、質量檢測和安全管理等方面，對智能汽車基礎地圖標準化提出原則性指導意見，逐步形成適應我國技術和產業發展需要的智能汽車基礎地圖標準體系。
建設目標
到2025年，初步構建能夠支撐汽車駕駛自動化應用的智能汽車基礎地圖標準體系。先行制定急用先行的10項以上智能汽車基礎地圖重點標準，涵蓋基礎通用、數據採集、動態更新、數據分發、交換格式，以及多種智能端側相關數據安全保護等技術要求和規範，解決智能汽車基礎地圖深度應用的迫切需求。
到2030年，形成較為完善的智能汽車基礎地圖標準體系。制定20項以上智能汽車基礎地圖標準，涵蓋數據生產、應用服務、質量檢測和地圖審查等技術要求和規範，引導和推動我國智能汽車基礎地圖安全合規應用，為我國智能汽車、智慧交通、安全出行及新型智慧城市等智能汽車基礎地圖相關行業領域技術發展及產業落地提供標準支撐。
建設內容
智能汽車基礎地圖標準體系是在「國家地理資訊標準體系框架」中「專項類700」的進一步拓展，並創建「地理資訊——智能汽車基礎地圖706」，將該專項劃分為基礎通用、生產更新、應用服務、質量檢測和安全管理等五個部分，囊括17個子類的標準體系。
智能汽車基礎地圖標準體系框架圖
資訊來源：自然資源部 《智能汽車基礎地圖標準體系建設指南（2023版）》
湖南省工信廳發布《湖南省「智賦萬企」行動方案（2023—2025年）》
2023年3月6日，湖南省工信廳發布《湖南省「智賦萬企」行動方案（2023—2025年）》，全面推動以人工智慧為代表的新一代資訊技術賦能千行百業數字化轉型，構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態，推動經濟高質量發展。
工作目標
到2025年，數字經濟與實體經濟融合取得顯著成效，企業智能化水平極大提升，產業核心競爭力明顯增強。推動全省70萬家企業上雲，4萬家企業上平台。全省75%的規模以上製造業企業基本實現數字化網路化，工業網際網路平台在規模工業企業中的普及率達50%。打造1,000家智能製造企業、3,000條（個）智能製造生產線（車間）、15,000個智能工位。孵化1萬家左右創新型中小企業，省級專精特新中小企業達到3,500家左右，國家級專精特新「小巨人」企業達到1,000家左右。打造150個左右國家級製造業單項冠軍企業（產品）。推動1,000家以上企業通過國家兩化融合管理體系貫標。
「智賦萬企」行動舉措
資訊來源：湖南省工信廳 《湖南省「智賦萬企」行動方案（2023—2025年）》，至頂智庫
實施基礎設施提升工程
完善網路供給。每年新建成約2.5萬個5G基站，加快交通樞紐、工業園區、礦山、醫療機構等重點區域5G網路的深度覆蓋。
優化算力布局。建設好中國電信天翼雲中南大數據中心等新型數據中心，推動數據中心加快由存儲型向計算型轉變，著力提升數據中心平均利用率。建設面向特定場景的邊緣計算設施，推動邊緣計算與雲計算協同部署。
實施基礎技術攻關工程
聚焦重點領域。通過「十大技術攻關」「揭榜掛帥」等方式，加大新一代半導體、人工智慧、大數據等重點領域核心技術創新力度，提升基礎軟硬體、核心電子元器件、關鍵基礎材料供給水平，突破數字孿生、邊緣計算、區塊鏈、智能製造等集成技術。
建設創新主體。加快嶽麓山實驗室、嶽麓山工業創新中心、湘江實驗室、芙蓉實驗室等「四大實驗室」建設。
實施數字產業集聚工程
加快數字產業集群集聚，打造具有核心競爭力的國家級數字產業集群，推動全省數字經濟年均增長15%。
培育優質企業。聚焦人工智慧、先進計算、新一代半導體等重點領域，培育引進一批掌握關鍵核心技術、具有核心競爭力的生態主導型企業，發布省級人工智慧、大數據、物聯網、區塊鏈等重點企業名單。
發展優勢產業。大力發展電腦製造、智能設計製造等數字產品製造業，持續培育以「兩芯一生態」為核心的計算產業。
打造增長引擎。加快建設世界計算·長沙智谷，打造先進計算產業亮麗名片。
實施中小企業數改工程
開展中小企業數字化轉型試點工作，大力推動企業上雲、上平台，探索分行業分領域推動中小企業數字化轉型。
推動供需匹配。大力推動中小企業數字化改造，支持中小企業從數字化轉型需求迫切的環節入手，加快推進線上營銷、遠程協作、數字化辦公、智能生產線等應用。
實施梯度培育。每年培育3,500家左右創新型中小企業，每年遴選500家左右省級專精特新中小企業，爭創一批國家級專精特新「小巨人」企業和製造業單項冠軍企業（產品）。
廣州市政府印發《廣州市建設國際消費中心城市發展規劃（2022—2025年）》
2023年3月8日，廣州市政府正式發布《廣州市建設國際消費中心城市發展規劃（2022—2025年）》，總結廣州市消費領域發展基礎與形勢，制定廣州建設國際消費中心城市指標體系及八大策略，並提出構建產業型、流量型、服務型消費體系等多項具體任務。
數智化發展
以數字化提升消費行業智能化水平。加快數字基礎設施建設，整合算力、算法、數據、應用等資源，構建城市超算網際網路體系，提高城市智能算力資源。
推動超算資源互聯互通與共享交易，為生產經營與消費活動提供多樣化的算力服務，助力產業鏈、消費鏈數字化、智能化升級。
持續推動網路消費升級與電子商務升級。以「網際網路 消費」為主線，推動消費鏈條各環節實現「線上線下相互融合」。
充分發揮廣州作為傳統貿易樞紐的流量優勢，促進線下流量與線上流量相互引流，打造一批整合打通產業鏈、供應鏈和消費鏈的新型電商平台。
場景化塑造
大膽拓展人工智慧、腦機接口等新一代技術的研發，加快元宇宙核心行業布局，進一步打通元宇宙產業鏈與消費鏈，探索數字資產的創建與交易、構建多元數字消費場景。
壯大汽車消費
圍繞汽車整車與核心零部件生產、自動駕駛技術研發、汽車金融服務、汽車營運服務等多產業環節持續發力。
積極提升整車「智能化」集成技術、持續突破「車規級晶片」、「車用傳感器」等關鍵零部件設計，大幅提升汽車產品競爭力。
打造全球貿易樞紐
加強網際網路、大數據、人工智慧等新技術運用，促進產業鏈、供應鏈高效協同。
圍繞電子、汽車、化妝品、醫藥等本地優勢產業，引進和培育一批專業化電子商務企業，提升供應鏈服務能力。
鼓勵企業構建供應鏈平台，開展供應鏈金融創新，提高供應鏈服務總體水平。
推動金融機構、核心企業、政府部門、第三方專業機構等各方加強資訊共享。
前沿技術
谷歌與柏林工業大學共同推出史上最大視覺語言模型—PaLM-E
2023年3月7日，谷歌和柏林工業大學的團隊重磅推出史上最大的視覺語言模型——PaLM-E（Pathways Language Model with Embodied），通過PaLM-540B語言模型與ViT-22B視覺Transformer模型相結合，使其參數量高達5,620億（GPT-3的參數量為1750億）。PaLM-E作為一種多模態VLM（視覺語言模型），不僅可以理解圖像，還能理解、生成語言，還能執行各種複雜的機器人指令而無需重新訓練，展示出強大的湧現能力。
可分析視覺數據執行高級命令
當接到「把抽屜里的薯片拿過來」等高級命令時，PaLM-E可以為移動機器人平台生成行動計劃，並自行執行任務。機器人能夠順利從十多個開放式抽屜中找到薯片，拿給研究人員。
當給予機器人「將綠色色塊推到烏龜旁邊」的指令時，即便機器人之前沒有見過此烏龜擺件，也能順利完成任務。
PaLM-E幾乎擁有所有語言能力
PaLM-E是一個僅有解碼器的大型語言模型，在給定前綴或提示後，能夠以自回歸方式生成文本補全。其訓練數據為包含視覺、連續狀態估計和文本輸入編碼的多模式資訊，可連續觀察圖像或傳感器數據，並將其編碼為與語言符號大小相同的向量序列，以處理語言方式「理解」資訊。
PaLM-E在實驗案例中表現出「正向轉移（positive transfer）」現象，意味著其可以將所學知識和技能從一個任務轉移到另一個任務，因此與執行單一任務的模型相比，性能顯著提升。
語言模型規模越大，在進行視覺語言和機器人任務訓練時，就越能保持語言能力，因此從參數規模上來講，擁有5,620億參數的PaLM-E幾乎擁有所有語言能力。
PaLM-E功能演示
圖片來源：PaLM-E:An Embodied Multimodal Language Model
