性能超越o1！阿里开源AI推理模型QwQ-32B-Preview；谷歌DeepMind发布双思维AI Agent模拟人类快慢思维

星环科技获人工智能应用创新产品+解决方案双重大奖

11月28-29日，由江苏省人工智能学会主办的“第七届江苏人工智能大会”在扬州举办。会上，2024年度江苏省人工智能学会“科技成果奖”同期发布，星环科技星环大模型运营平台荣获人工智能应用创新奖（产品）二等奖，和南京邮电大学联合申报的《基于数据与模型双驱动的多源信息融合技术解决方案获人工智能应用创新奖项目（解决方案）三等奖。

大模型全生命周期运营管理平台

星环大模型运营平台（Transwarp Sophon LLMOps）是星环科技推出的企业级大模型全生命周期运营管理平台，旨在赋能企业用户能敏捷、高效、有闭环地将大模型落地到生产和业务中去。具备一站式AI开发、支持丰富的应用开发方式、支撑构建高质量知识库、灵活开放的平台使用、全方位的安全防护等优势。

星环大模型运营平台Sophon LLMOps作为一款企业级大模型全生命周期运营管理平台，涵盖了大模型深度学习任务中从数据准备、模型训练、推理部署到监控优化的整个流程，能够帮助数据科学家解决优化训练推理过程中遇到的复杂工程性问题，使得数据科学家能够将注意力集中在训练数据准备、建模微调以及提升业务效果本身，从而更加高效地完成端到端的LLM机器学习任务。同时，该平台还融合了星环自研的向量/文本/图数据库以及分布式文件系统、数据处理和数据中台以及智能分析工具，可以统一管理、分析和应用智能分析前、中、后的多来源、多模态的数据。这有助于用户解决数据的采集整合、处理清洗、标注增强、提示生成、提示评估、业务效果对齐等问题，从而缩短业务落地观察周期，加速业务提升效果。

多模架构下的大数据与大模型融合

星环科技从2020年实现了多模型数据的统一处理技术，支持统一的接口层，统一的计算引擎层，统一的分布式存储管理层和统一的资源管理层，并对多模型处理能力逐步加强，目前已支持关系型、图、时序、时空、向量、键值等11种模型数据的统一存储管理，帮助用户简化系统架构，减少开发运维成本，高效实现数据跨模型融合分析，具有复杂度低、开发成本低、运维成本低、数据处理效率高等优点。

同时，星环科技将大数据技术和AI大模型技术深度融合，通过自动化语料开发工具将文档、图片、音视频等海量多模态语料转换为高质量的专业领域知识，通过多模型统一技术架构实现统一存储管理，帮助企业低成本、高效构建一体化知识体系，全面发挥数据价值。同时，通过数据和智能的融合，重塑企业应用中人与数据的交互方式，使得非专业用户无需掌握数据库编程语言，也能通过自然语言轻松进行数据分析，有效解决取数需求开发链路长、指标二义性、缺乏数据挖掘能力、数据分析高度依赖人工经验等传统数据分析痛点，大幅降低数据开发应用成本，加速数据价值进一步释放。

智谱Agent OpenDay展示最新进展，AutoGLM功能大幅提升

近期，智谱科技在举办的Agent OpenDay上分享了其AI智能体Agent的最新进展。这些进展包括AutoGLM的多项新功能，如执行超过50步的长步骤操作和跨应用程序任务执行的能力，以及开启“全自动”上网新体验，支持数十个网站的无人驾驶。

智谱CEO张鹏在活动现场展示了AutoGLM的落地成果，包括使用AutoGLM给在场嘉宾发送“一个来自AI的微信红包”，以及通过手机远程指挥电脑自动发送文件。这些演示展示了AutoGLM在实际应用中的潜力和灵活性。

智谱COO张帆表示，智能设备在大模型的加持下将焕发新的机会。AI技术与各类产品的结合将转变为全新的智能助理、生产力工具，甚至成为第三生活空间。他还提到，大模型的不断进化已经为Agent变革人车交互体验奠定了强大的基础。

此次Agent OpenDay不仅展示了智谱在AI智能体领域的技术实力，也揭示了AI技术在提升用户体验和推动产品创新方面的广阔前景。

谷歌DeepMind发布双思维AI Agent，模拟人类快慢思维

谷歌DeepMind近期宣布了一项重大技术突破，推出了双思维AI Agent——Talker-Reasoner框架。这一框架集成了System 1/2 thinking技术，模拟人类的快思维（System 1）和慢思维（System 2），使得AI Agent能够像人类一样处理复杂任务。

Talker-Reasoner框架包含两个独立模块：Talker和Reasoner。Talker模块类似于人类的System 1，负责快速、直观的对话生成，能够迅速响应用户需求并生成自然语言回答。Reasoner模块则类似于System 2，负责复杂的多步推理和规划，需要更多时间和计算资源来处理复杂任务。

这种设计突破了传统AI Agent执行业务流程的方法，极大提升了效率。Talker-Reasoner框架的测试数据显示，在睡眠辅导等场景中，AI Agent能够与用户进行有效对话，同时制定和调整睡眠辅导计划，显示出双思维AI Agent的强大性能。

谷歌DeepMind的这一创新，不仅展示了AI技术在模拟人类思维方面的潜力，也为未来AI应用的发展提供了新的方向。通过这种双思维框架，AI Agent能够更好地理解和响应用户需求，提供更加精准和个性化的服务。

阿里开源AI推理模型QwQ-32B-Preview，性能超越o1模型

阿里云 Elastic Enterprise 正式上线

阿里云 Elasticsearch 服务不仅免费提供了 Elastic 原厂的 Enterprise 版本功能，更凭借其增强的数据管理能力、智能 AI 分析、先进的搜索技术以及全面的安全特性，致力于为企业提供一站式解决方案。产品亮点功能包括：

· 增强的数据管理能力：通过可搜索快照功能，实现高效的数据归档和查询。这一功能不仅简化了数据管理流程，还确保了业务连续性。

· AI智能分析的引入：支持推理 API，允许企业在数据分析过程中引入机器学习技术。这一功能使得企业能够提升数据洞察能力，快速识别趋势与模式。

· 高级搜索技术：引入了“Learn to Rank”技术，利用先进的搜索算法优化数据检索过程。通过学习用户的查询行为和数据相关性，系统能够不断调整搜索结果，提高信息获取的效率。

· 安全特性增强：提供了全面的威胁情报管理和可定制的终端保护通知，确保企业信息的机密性和完整性。同时，云和 Kubernetes 安全态势管理 (K/CSPM) 功能能够有效监控云环境中的数据安全，支持企业合规，降低安全风险。

· 应用性能管理（APM）：引入了应用性能管理（APM）功能，帮助企业实时监控应用性能，识别瓶颈与问题。通过深入的分析和可视化工具，企业能够快速定位问题，优化应用性能，提升用户体验。

腾讯云数据库 PostgreSQL 全面支持PG 17 

官方发布的 PostgreSQL 17.0 在诸多方面进行了能力提升。在逻辑复制上，支持逻辑复制槽故障转移，pg_upgrade 大版本升级可以保留逻辑复制槽。在性能优化上，使用批量 I/O 页面读写，且进行了高并发下 WAL 写入优化。同时，VACUUM 使用新的内存管理机制，提升 VACUUM 性能的同时降低内存消耗。另外，还有 pg_basebackup 支持了增量备份、新增 transaction_timeout 参数，支持事务超时中断机制等特性。

在原生 PostgreSQL 17.0版本基础上，腾讯云 PostgreSQL 新增多种自研内核和管控特性帮助用户轻松应对多种场景化业务需求。在多租户共享资源场景中，腾讯云 PostgreSQL 提供业界领先的组合方案：database 资源隔离、实时进程资源监控和 SQL 限流。

在租户监控方面，应用不仅需要数据库实例整体的监控信息，也需要通过实例中精细的进程监控信息来判断租户健康度，并进一步实时决策 SQL 限制。腾讯云 PostgreSQL 提供业界领先的数据库进程监控视图 tencentdb_process_system_usage，应用可实时检测多租户进程的 CPU 和内存使用详情，从而判断租户当前的健康度等情况。

另外，腾讯云 PostgreSQL 提供自研 cos_fdw 插件和 starocks_fdw 插件两种冷热数据分离方案，帮助用户节省成本的同时，可以最大限度支持单机 HTAP 性能。

华为DCS AI全栈解决方案，加速行业数智化

在AI时代，数据基础设施建设面临三大挑战。首先，模型训练缺乏高质量的数据，原始语料归集效率低，数据清洗和标注耗时长，缺乏数据质量评估手段。大模型训推和调优难度大，网存算基础设施跨域协同要求高，模型调优技术门槛高，实施难度大。此外，AI应用场景复杂、开发难度大、交付周期长。

为应对以上挑战，面向中心与边缘训推场景，华为推出双栈解决方案，满足不同场景用户AI使用需求。

面向中心AI场景，华为推出DCS AI全栈解决方案：DCS AI全栈解决方案具备极简易用、灵活AI算力调度和高效训推能力，提供一站式AI全流程工具链ModelEngine，零代码开发训练，基础设施全栈管理；支持多任务、多用户、多环境，支持资源分配需求和资源隔离；软硬协同优化，高效算力利用，场景化优化方法提速AI训练过程，整体效率提升40%。

面向边缘AI场景，华为推出训/推超融合一体机：FusionCube A3000训/推超融合一体机积极与模型厂商合作，加速AI技术商业变现。通过数据使能加速知识生成速度，知识生成周期从月到天；通过内嵌RAG，实时更新推理业务知识，消除大模型幻觉，满足百亿参数精准推理要求；支持一站式“拎包入住”交付，4小时内即可完成部署。

达梦SQLark V3.1 更新，提供增强SQL编辑、批量生成测试数据等新功能

近日，达梦发布 SQLark V3.1版本，是SQLark上线后首个升级包，包含 29 条重要更新及 27 条问题修复。亮点功能包括：

· SQL功能/查询执行：SQL 编辑器新增列编辑模式，支持使用 Alt+Shift+鼠标左键 快速选中并编辑多行代码中相同位置的文本。

· 数据生成/数据处理：修复了在数据生成时，对唯一列中生成的数据未作特殊处理，导致生成的数据重复概率大，写入时报“违反表的唯一性约束条件”的问题。

· 数据迁移：新增全量导出功能，可自定义选择 DDL 导出范围（源 DDL、目的 DDL 或全部）。优化了对 RANGE 分区表的迁移策略，不再指定分区名，分区字段值为 NULL 时将按照数据库默认进行迁移，避免该类型表迁移失败 。

· 数据库对象：重构了用户授权页面的 UI，新增了权限分组，按权限类型（如 admin、create、select 等）分组后，可以快速查找用户已有的权限，快速增删更改权限。  

Milvus 2.5:全文检索上线,标量过滤提速,易用性再突破！

Milvus 2.5版本带来了“全新”的全文检索能力：采用Sparse-BM25，基于 sparse vector 实现的 BM25 在存储效率、检索性能上都打开了更多的空间，同时也融合在了 Milvus 以向量为核心检索范式的产品理念里；首次在 Milvus 里引入了原始文本插入和查询的能力，不需要用户手动将文本转成 sparse vector。主要功能亮点包括：

· 以向量为特色的全文检索功能：通过内置 Sparse-BM25 的方式对全文检索的核心组件进行了原生支持。提供基于 tantivy 构建的分词器、原始文档的进出能力、BM25 相关性打分。

· 标量过滤性能大幅提升：Milvus 2.5 补足了 Scalar Index 上的索引类型，其中新增的部分包括：BitMap Index，Array Inverted Index，以及对 Varchar 文本字段分词后的 Inverted Index 等，这些索引在一些具体且实际的场景都能拿到很好的优化效果。

· 易用性提升：向开源用户推出了 Cluster Management WebUI 工具，这是针对数据库管理员等专业人士提供的 Milvus 可观测性工具，通过访问集群端口 + 9091/webui 这个后缀用户可以轻松访问 Milvus 的集群信息和运行时状态，如各节点的内存、segment、slow query 信息等，以往一些诊断难的系统问题也可以通过这个工具方便快速地定位排查。虽然目前还只是 beta 版本，但未来我们也计划融入更多可诊断、可交互、可 AI 辅助的能力，帮助用户更省心地管理好 Milvus 集群。

第四范式发布AI数字人智能屏&全息仓，打造“真人”互动体验

近日，第四范式发布AI数字人智能屏及全息舱产品，基于大模型、AI数字人、实时语音识别与生成、高清智能屏等技术，可在线下场景给予用户极低延时、多语种的智能交互体验；同时结合企业本地知识库，可进一步满足企业对外信息查询场景中回答准确、数据安全的需求。全息舱产品加强了数字人在3D空间中的逼真视觉效果，从而让企业在对外信息展示及问答互动等场景中为使用者带来如“真人”般的互动体验。

AI数字人智能屏及全息舱产品内置了第四范式AI数字人大模型，拥有1:1真实还原的真人形象、个性化专属的嘴型、声音等能力，生成效果更逼真，支持企业不同场景灵活定制。此外，该产品通过Web工具即可更新内容和配置，支持远程管理和即时内容更新，极大地简化了日常操作和维护工作。

AI数字人智能屏/全息舱产品典型适用行业及场景：

· 银行网点&政务大厅：提供业务办理咨询建议、理财推荐、知识分享等

· 商场/餐厅/机场/医院：提供导航服务、店铺概览及促销信息、医疗信息问答、健康知识教育等

· 企业展厅&文旅展馆：提供企业信息/景区概览介绍、特定展品讲解、互动学习等

· 线下活动&展会：公司信息、广告、互动娱乐等展示

Oracle 推出 AWS 云数据库集成有限预览版

近日，Oracle宣布推出Oracle Database@AWS的有限预览版。客户现在可以在Amazon Web Services (AWS) 中的 Oracle 云基础设施 (OCI) 上运行 Oracle Exadata 数据库服务。Oracle Database@AWS 为客户提供在 AWS 中本地部署、管理和使用 Oracle Exadata 数据库服务的完全集成体验。

Oracle Database@AWS 于今年早些时候首次发布，它允许客户将 Oracle 数据库工作负载（包括 Oracle Exadata 和 Oracle Real Application Cluster (RAC)）迁移到云中。该产品在 Oracle 数据库和 AWS 上的应用程序之间提供低延迟网络连接。这使客户可以轻松地将 Oracle 数据库中的企业数据连接到在 Amazon Elastic Compute Cloud (Amazon EC2)、AWS Analytics 服务或 AWS 的高级人工智能 (AI) 和机器学习 (ML) 服务（包括 Amazon Bedrock）上运行的应用程序。Oracle 将运营和管理 Oracle Exadata 数据库服务。

Oracle Database@AWS 使客户能够利用其现有技能，并在 OCI 和 AWS 之间提供统一的体验，以简化数据库管理、计费和统一的客户支持，同时享受 AWS 提供的安全性、敏捷性、灵活性和可持续性优势。客户可以使用熟悉的工具（例如 AWS 管理控制台）快速启动 Oracle Database@AWS 体验。

Cloudera 与 AWS 合作为 AI 和分析提供经济高效且可持续的基础设施

近日，Cloudera宣布与 AWS 合作，利用 AWS Graviton 处理器为 AI 和分析基础设施提供经济高效且可持续的解决方案。

当组织采用云优先基础设施战略时，他们必须权衡多种因素，以确定工作负载是否适合云。从一开始，成本就是采用公共云的一个关键考虑因素。如今，能源效率越来越重要，不仅可以降低成本，而且是迈向可持续商业实践的重要一步。通过优化能源消耗，公司可以显著降低基础设施成本。这样，FinOps 和 GreenOps 就可以齐头并进。

Cloudera 致力于提供最优化的数据处理、高级分析和 AI 架构，同时推动客户的云之旅。为此，其与 Amazon Web Services (AWS) 合作，通过在 AWS Graviton上支持许多数据服务来提供高性能、节能且经济高效的解决方案。Cloudera 和 AWS 共同帮助企业优化数据处理、分析和 AI 的性能，同时最大限度地减少资源消耗和碳足迹。

FinOps 和 GreenOps 对于人工智能时代的云计算至关重要。云计算中的 FinOps 对于企业了解、管理和优化云支出至关重要。随着数据和计算规模的增长，尤其是随着 AI 工作负载的增加，FinOps 提供了一种战略方法，可确保云支出可预测并与业务目标保持一致。

与此同时，GreenOps 致力于减少云运营对环境的影响。随着越来越多的公司致力于实现碳中和并认识到其在气候行动中的作用，GreenOps 实践正在获得关注，鼓励高效的基础设施管理，以节约能源并减少碳排放。FinOps 和 GreenOps 共同构成了支持具有成本效益的可持续运营的强大云战略方法。

Elastic 宣布推出由 Search AI Lake 提供支持的 Elastic Cloud Serverless

SAS Institute 收购了总部位于英国的合成数据初创公司 Hazy Ltd. 的

近日，Elastic宣布推出Elastic Cloud Serverless ，该版本由重新架构的 Elasticsearch 提供支持，该版本基于业界首个针对实时应用优化的 Search AI Lake。它结合了海量存储和低延迟查询，以及 Elasticsearch 的 AI 和搜索功能的所有优势。

Elastic Cloud Serverless 专为处理大量、复杂且高性能的工作负载而设计，从检索增强生成 (RAG) 到威胁检测。通过将计算与存储分离、索引与搜索分离并使用经济高效的云原生对象存储，该架构可无缝扩展，同时保留 Elasticsearch 的快速、低延迟查询性能和 AI 相关性功能。

完全托管的 Elastic Cloud Serverless 提供精简的解决方案和定价。新的解决方案特定定价将成本与实际使用情况相匹配，以满足安全性、可观察性和搜索的不同需求，从而提供更大的灵活性和可预测性。

通过关注基于资源的指标（例如数据提取、存储和计算单元），Elastic 让客户能够更轻松地管理预算并根据需要进行扩展，从而能够更好地控制跨不同应用程序的工作负载管理。

此外，安全性和可观察性数据的新批量定价采用分层定价模型，随着数据使用量的增加，通过降低单位成本来简化扩展，使客户可以轻松地为搜索、可观察性和安全性建立新的项目。

知识产权，以增强其人工智能产品，此次收购未披露具体条款。收购将使 SAS 能够为客户提供创建 AI 工作负载合成数据的工具。

Hazy 的平台能够生成不暴露敏感或可识别信息的合成数据，复制真实数据集的统计模式，解决受监管行业中的隐私和合规问题。SAS 计划将 Hazy 的技术整合到其 SAS Data Maker 平台中，以创建更丰富、符合隐私要求的合成数据集，加速 AI 项目。这一增强能力还将与 SAS Viya 集成，SAS Viya 是其用于编排 OpenAI 的 GPT-4 和 Google 的 Gemini Pro 等高级模型的旗舰 AI 平台。

此次收购使 SAS 成为数据管理和 AI 开发领域的领导者，提供成本效益高且可靠的合成数据解决方案。分析师强调了合成数据在医疗和金融等隐私敏感行业中的重要性，以解决数据稀缺问题并提高模型准确性。SAS 计划在 2025 年初预览增强的 SAS Data Maker，这是推进可信 AI 系统的重要一步。

Anthropic 推出 Model Context Protocol （MCP） 标准， 连接 AI 助手与数据系统

Anthropic 是一家专注于人工智能研究和开发的公司， 致力于创建安全、可靠的人工智能系统。其推出的 Claude 聊天机器人是该公司在 AI 助手领域的重要产品之一。

Anthropic 推出名为 Model Context Protocol （MCP） 的新标准， 旨在连接 AI 助手与数据系统， 以提升 AI 模型对查询的响应质量。MCP 允许任何模型从业务工具、软件、内容仓库和应用开发环境中提取数据以完成任务。该标准通过协议实现数据源与 AI 应用之间的双向连接， 开发者可以通过 MCP 服务器暴露数据， 并通过 MCP 客户端连接这些服务器。目前， Block 和 Apollo 等公司已在其系统中集成 MCP， 而 Replit、Codeium 和 Sourcegraph 等开发工具公司也在其平台上添加 MCP 支持。Anthropic 表示， 将致力于将 MCP 构建为一个协作的、开源的项目和生态系统。

【金融】清算性能提升4倍！平安基金新一代核心TA系统上线OceanBase

近日，平安基金管理有限公司（以下简称“平安基金）新一代 TA（登记过户系统）成功上线 OceanBase，助力平安基金综合运营管理能力全面升级，清算性能提升 4 倍以上、日常业务整体清算耗时降低 75%。

TA 系统作为基金公司的核心业务系统之一，主要用于管理和服务投资基金的投资者，记录投资者买入和卖出的基金份额，平安基金希望通过新一代 TA 系统提升清算效率，改善运营体验，同时提高系统扩展性和性能，支撑用户的持续增长。

一方面，由于 TA 系统是比较复杂的跑批业务，必须在规定的时间窗口内完成，涉及的数据量较大，计算逻辑也比较复杂，既存在多表关联和复杂查询的分析类 SQL，也存在短时间内的高并发简单 SQL，对数据库的综合要求较高，须同时具备高稳定、高可靠、高性能。另一方面，在新一代 TA 系统在建设过程中，平安基金在可扩展性、上下游系统适配对接等方面也同样遇到挑战。

经过系统评估，平安基金选择采用原生分布式数据库 OceanBase 来完成新一代 TA 系统建设。通过原生分布式能力应对可扩展性难题、利用 SQL 动态采样能力，保障运行稳定性、利用旁路导入等工具完美适配和对接 TA 上下游系统。

目前，OceanBase 已全面支撑平安基金新 TA 系统的多个关键业务场景。包括平安基金公募基金公司数据量和业务负载最大的自建 TA 系统场景、场内（交易所股票市场）交易的 ETF TA 系统场景，以及场内与场外（银行证券基金代销）均可交易的基金交易系统 LOF TA 系统场景。

【制造】上海市、工信部最新发声：助力专精特新中小企业创新发展

12月1日，在上海举办的2024专精特新中小企业发展大会上，上海市委书记陈吉宁指出，中小企业是推动创新、促进就业、改善民生的重要力量。党的二十届三中全会对“构建促进专精特新中小企业发展壮大机制”作出重要改革部署。上海将深入学习贯彻习近平总书记重要指示精神，按照中央决策部署，聚焦建设“五个中心”重要使命，围绕在推进中国式现代化中充分发挥龙头带动和示范引领作用，以更大力度深化改革开放，优化政策体系、服务体系、监管体系，不断激发专精特新中小企业的创新能力和发展潜力。

陈吉宁表示，加强全链条创新赋能，鼓励专精特新企业加大科研投入，牵头承担重大技术攻关任务。加强概念验证、小试中试平台建设，支持企业做好高价值专利培育、导航和运营工作。深化大中小企业融通创新、产学研协同创新，推动国有企业供应链、应用场景向中小企业开放共享。强化全方位转型支撑，支持企业抢抓数字化智能化绿色化机遇，加大技改投资，提高产品和服务附加值，更好占据产业链核心环节和价值链高端地位。打造数字化智能化转型服务平台，开发更多数字化解决方案，推动数智技术深度应用。加强先进绿色技术推广，支持企业开展节能诊断、建设绿色工厂。做优“走出去”综合服务平台，提升专业服务能级，助力企业海外发展。完善全要素服务保障，构建从专精特新中小企业到世界一流企业的梯度培育体系，支持企业做大做强。

央行等七部门：推进监管大数据建设，加强工商、司法、舆情等外部数据引入

为深入贯彻党的二十届三中全会和中央金融工作会议精神，做好数字金融大文章，近日，中国人民银行、国家发展改革委、工业和信息化部、金融监管总局、中国证监会、国家数据局、国家外汇局等七部门联合印发《推动数字金融高质量发展行动方案》（以下简称《行动方案》）。

其中提出：加强数字金融业务监管。密切跟踪数字金融新产品、新业务、新模式，按照功能监管和穿透式监管的原则，依法依规全部纳入监管。持续完善数字金融相关业务规则和监管制度，及时补齐监管制度短板。落实“管合法更要管非法”“管行业必须管风险”责任，严密防范和严厉打击数字金融相关非法金融活动。提升金融监管数字化水平。

推动监管流程数字化再造，增强关键监管活动的规范性和透明度。加强智能分析工具研发，提升风险监测预警和识别研判能力。推进监管大数据建设，加强工商、司法、舆情等外部数据引入，完善监管数据和执法信息共享机制。打造兼具信息展示、智能分析、流程管控、智慧决策功能的数字化监管平台。

长三角首推数据领域一体化

近日，上海、江苏、浙江、安徽三省一市数据管理部门共同宣布，建立长三角数据专题合作机制，首次明确加快推进长三角在数据领域的一体化。长三角数据领域一体化合作重点在八方面发力，包括：数据安全可信流通，算力资源合作发展，长三角“一网通办”，数据市场一体化，数字经济统筹协同，城市全域数字化转型，长三角政务数据资源共享，公共数据开发利用。结合新的发展趋势，长三角数据管理部门提出多项改革举措，比如：基于新的可信数据空间和区块链等技术构建数据流通体系；探索建立跨区域算力资源调度体系；打造一体化公共数据资源登记平台等。