高红冰:数字经济时代,中国需要培养更多的BAT

简介:

0cc2bbba92f691d2567ef80de8612d489e8e989e

首届数字中国建设峰会4月22日在福建省福州市开幕。围绕“以信息化驱动现代化,加快建设数字中国”主题,来自各省区市和新疆生产建设兵团网信部门负责人、行业组织负责人、产业界代表、专家学者以及智库代表等约800人出席峰会,就建设网络强国、数字中国、智慧社会等热点议题进行交流分享。峰会开幕前夕,福建电视台新闻频道《刚好一周》栏目走进阿里巴巴集团,专访阿里巴巴集团副总裁、阿里研究院院长高红冰,从阿里巴巴19年成长历程,找寻中国"数字经济的魅力" 。

专访核心观点如下——

数字经济助力中国经济新增长

数字经济写进了我们政府工作报告,写进了十九大报告,这是一个大的时代背景。这代表着我们的党和国家对整个经济技术发展的趋势做出了重大的判断。今天我们处在数字经济的时代,而不是一个工业经济的时代,这个拐点已经出现了,而不是过去说的数字经济只是一个补充。今天数字经济已经进入高速发展且带来巨大变革的关键点上,全球经济的重心正在向数字经济体迁移。今天的商业、零售、批发、制造、智慧生活等都在积极地拥抱数字经济带来的创新、变革。这是一个主流趋势,背后就是我们怎么去抓住机会,怎么去拥抱这个变革。

从“大西洋时代”到“太平洋时代”

——数字经济的魔力

2013年全球市值最高的十家公司里面,北美有九家,欧洲有一家;七家来自于传统的行业,三家来自于网络科技公司。这是“大西洋时代”以欧洲和美国为中心的工业经济为主的状态。但是到了五年以后,我们可以看到全球市值最高的十家公司,八家是美国的公司,两家是中国的公司,欧洲公司没有了。其中传统的公司和新经济公司正好换位了,传统的只有三家公司,而且基本排在第七八九名,前面的一到六名都是网络经济公司。

由此,我们可以基本上断言,过去的五年发生了工业经济向数字经济的大迁移,以大西洋为中心的经济转向了太平洋为中心的经济,经济范式的大拐点已经出现。

中国数字经济驶入快车道”

在中国,我们看到技术的发展变成了基础设施,7亿人在使用智能手机,我们的宽带也走在了全球其他国家的前列。这是极其重要的一个前提,为中国数字经济发展提供了强大的动力。

另外,中国有一群年轻人,是数字经济的使用者,他们积极地投入其中。这群人非常活跃,对新的技术和产品非常喜欢,构成了推动数字经济发展的活力。

第三,中国的消费领域已经构成了中国数字经济发展的热点和亮点。我们的网购、网络支付,都变成了全球的领头羊。所以由于消费领域的互联网化和数字经济化,反过来进一步拉动产业的互联网化和数字经济化。

现象一:

“无现金支付”

受益于科技的发展进步

大家现在都很少使用现金了,通常用手机扫码就完成了支付,这样的消费习惯的改变主要得益于互联网技术的快速发展、创新和应用,也给我们的生活带来了极大便利。这里有两个要点:一是技术创新的波及和扩散速度非常快,二是技术型产品或者设备的成本降低也非常快。

现象二:

拥抱实体的“新零售”

来自消费者的需求

新零售发展的动力基础,很大程度上来自于消费者的需求。全球正在发生一场轰轰烈烈的消费革命,消费者对个性化商品的需求越来越多,而且消费的欲望,消费与生活与内容的连接越来越紧密,导致了一个大消费时代的到来。

另一方面,我们看到技术的变革不断地在扩散,渗透到社会的方方面面,带来了整个商业社会的重构和建设,继而推动整个零售业发生一场很大的革命。

第三,对消费者而言,要在多渠道多方向上去寻找消费体验,而线上零售今天可能只占到所有零售业的15%左右,大量的零售发生在线下,因此,线下零售业的互联网化、数字化变成接下来这个市场的主要方向。怎么把我们今天在无线上零售的创新创造的这些方法、工具、数据、经营方式和线下进一步打通、结合,来推动传统的零售企业和模式的创新发展,可能会成为今天推动整个零售业变革的很重要的方向。

现象三:

从淘宝村

看福建数字与乡村振兴

淘宝村通俗地讲,是指一个村庄有10%的农户开淘宝网店,同时这个村庄的年度交易额超过1000万元。从2007年我们发现有3家淘宝村,到2017年我们发现淘宝村总数量已经超过了2100家。有意思的是,这些淘宝村的出现和成长是自发的,不是政府规划或者阿里规划出来的。我们统计发现,2017年福建有189家淘宝村,全国排名第五,是淘宝村集群。

淘宝村的发展很有意思,它依托着淘宝、天猫在网上开店,通过这样的平台卖给全国消费者,打开了全国的渠道。淘宝村也释放了农村和边远地区人群的创新和活力,是形成网销和产业的很好的工具。它把非常有特色的农产品、手工作品慢慢地推到网上去卖,慢慢形成规模,进而形成产业。淘宝村也解决了许多就业问题,很多年轻人从城里返乡,回到农村去创业,获得了很好的成果。

数字经济的未来会是什么样?

20年前互联网刚刚进入中国,大家没想到互联网会普及到这么快的程度,假设我们再看未来二十年,互联网在中国会发展到什么程度?这是难以想象的。可以肯定的是,一个依托在数据的基础上形成的新的数字经济正在成长、发展。

同时我们也看到,技术在飞速发展,技术设备的成本在大幅下降,过去20年前存储1个G的成本比如说要一万美元,但今天我们存储1个G的成本不超过三美分。经济学上由于成本的降低,使得数字技术、存储技术、计算技术的普及,一定会对整个社会经济的发展带来巨大的推动和变革。

回顾过去20年的发展看未来,很多人会问未来的速度会不会减慢?我的结论是:不会,反而会加速,因为存在着网络效应。接下来5年的变革会远远超过过去20年的变革,大家可能需要更加去关注数字经济对我们今天社会变革的力量,我们应该积极地去拥抱这场变革。

数字经济时代:

中国需要培养更多的BAT

如何保持一家互联网企业的内部的商业创新的动力是极其重要的。互联网的创新、技术的创新、商业的创新不断地在发生,所以不能只依赖原来的业务模式就包打天下,如果你不能持续地创造就可能会被后来创新者赶上。这里需要讨论的问题是“BAT就会一直垄断这个市场吗?”我觉得不可能。中国今天不是BAT就够大了,而是缺少更多的BAT。所以今天要讨论的问题是,我们怎么培养更多的BAT?因为这些大型的互联网企业非常重要的价值就是把商业多方位地组织起来,形成更好的一个效应,去帮助中小企业更好地成长。


原文发布时间为:2018-04-23

本文来自云栖社区合作伙伴“阿里研究院”,了解相关信息可以关注“阿里研究院”。

相关文章
|
8月前
|
Kubernetes 数据可视化 Java
SAE 实现应用发布全过程可观测
本文聚焦阿里云Serverless应用引擎(SAE)用户在发布过程中的痛点,如“发布效率低、实例启动过程不透明”等问题。通过分步骤可视化解决方案,帮助用户明确问题、理解原因并最终解决,提升SAE平台使用体验。文章详细剖析了发布过程慢、信息透出不足及实例启动黑盒等痛点,并提出通过可观测、可解释和可优化的策略解决问题,同时展示了具体实现效果与后续优化规划。
552 68
|
消息中间件 NoSQL Cloud Native
对Confluent一些解读
对Kafka母公司Confluent IPO、产品、技术一些看法
5483 0
对Confluent一些解读
|
10月前
|
JSON API 数据格式
关键词搜索爱回收商品列表API接口(爱回收API系列)
爱回收作为二手电子产品交易平台,提供丰富的商品资源。其API接口允许开发者通过关键词搜索商品列表,获取商品名称、类别、品牌、预估回收价格等信息,支持分页展示和自定义每页数量。接口采用HTTP GET请求,响应格式为JSON。以下是Python示例代码,展示如何使用该接口进行搜索。
|
前端开发 JavaScript 测试技术
前端工程化:构建高效、可维护的现代Web应用
【10月更文挑战第5天】前端工程化:构建高效、可维护的现代Web应用
|
存储 Docker 容器
docker中挂载数据卷到容器
【10月更文挑战第13天】
478 2
|
Rust 安全 Java
Java Stream 使用指南
本文介绍了Java中Stream流的使用方法,包括如何创建Stream流、中间操作(如map、filter、sorted等)和终结操作(如collect、forEach等)。此外,还讲解了并行流的概念及其可能带来的线程安全问题,并给出了示例代码。
814 0
|
网络安全 C#
FTP 被动模式配置
FTP 被动模式配置
227 0
FTP 被动模式配置
|
数据采集 运维 监控
被报警大量骚扰?来看看治理方法论
本文记录了作者组内监控治理过程和治理心得。
|
数据处理
InVEST模型的下载及入门操作(以InVEST3.13.0为例)
InVEST是一套免费的开源软件模型,是美国自然资本项目组开发的、用于评估生态系统服务功能量及其经济价值、支持生态系统管理和决策的一套模型系统,用于绘制和评估维持和实现人类生活的自然商品和服务。包括商品生产(如食物)、生命维持过程(如水净化)和充实生命的条件(如美丽、娱乐机会)以及选择的保护(如未来使用的遗传多样性)等模块。(翻译自模型官网)
2905 1
|
机器学习/深度学习 人工智能 编解码
逐步揭开模型面纱!首篇深度视觉建模中的可解释AI综述
深度视觉模型在高风险领域有着广泛的应用。因此它们的黑匣子性质目前吸引了研究界的极大兴趣。论文在《可解释的人工智能》中进行了第一次调查,重点是解释深度视觉模型的方法和指标。涵盖了最新技术的里程碑式贡献,论文不仅提供了现有技术的分类组织,还挖掘了一系列评估指标,并将其作为模型解释的不同特性的衡量标准进行整理。在深入讨论当前趋势的同时,论文还讨论了这一研究方向的挑战和未来途径。
逐步揭开模型面纱!首篇深度视觉建模中的可解释AI综述