近日，在第一届众华青牛论坛上，国际化和数字化发展成为热议话题，也是产业投资需要思考的重要方向。

 

　　上海国家会计学院党委委员、副院长张各兴致辞表示，一方面，高水平对外开放是中国式现代化的内在要求，“走出去”也是中国企业实现高质量发展的必然要求。面对当前的国际环境，企业“走出去”面临更大的不确定性，如何帮助企业更好地把握国际形势走向，充分意识“走出去”过程中的风险，显得尤为重要。另一方面，数字经济的发展正在沿着产业数字化和数字产业化两个路径向纵深推进，无论身处哪个行业，数字化都是所有企业的必答题。

 

　　众华会计师事务所首席合伙人陆士敏对此趋势深有感触，信息化浪潮不断袭来，ChatGPT等人工智能技术已深入影响审计和会计业务。和平与发展是永恒的时代主题，只有不断加强国际合作，相向而行才是发展的应有之道。因此要加速推进信息化和数字化战略实施，以及深入研究国家相关战略政策。

 

 

　　国际化步伐不止，当前中国对外贸易与对外投资有何新形势？

 

　　商务部研究院对外投资合作研究所原所长梁桂宁指出，从对外贸易来看，国际贸易“碎片化”已成为常态，外贸企业要主动适应这一变化，在产品研发、生产、物流等方面积极做出调整和改进。受多重因素推动，区域内和集团内的贸易增加，部分国家和地区贸易管制措施和贸易壁垒有所增长，但国际贸易仍是各国经济增长的重要动力，是推动全球化继续发展的重要力量。

 

　　梁桂宁进一步表示，从对外投资来看，全球跨境投资格局加速调整，产业链供应链总体呈现短链化、近岸化和友岸化的态势，从“效率优先”向“效率和安全并重”转化，部分国家强调供应链安全自主，积极推动制造业回流和调整产业布局。部分国家、尤其是东南亚发展中国家招商引资政策更加优惠，数字经济等领域的跨境投资规则也逐步完善，跨国投资政策总体向有利的方向发展。

 

　　“中国全球化之路进入新阶段，出现了许多新机遇，也面临着诸多挑战。”上海大学经济社会学与跨国企业研究中心主任、教授刘玉照直言，中国企业高质量“走出去”需要思考如何更好地认识当地社会、如何正确看待“中国发展经验”、如何更好地与当地社会相处以及如何解决海外工作“四大生活难题”等挑战。作为全球化后发国家，中国企业“走出去”参与国际竞争面临的格局是欧美主导的全球化体系，与此同时许多亚非拉国家受殖民体系和新殖民背景的影响较大，中国企业“走出去”需要与当地社会形成良好的合作秩序。

 

　　国际经贸新环境与我国对外开放有何新特征？世界贸易组织教席、上海市国际贸易学会会长、上海对外经贸大学教授黄建忠表示，以往世界三大产业链和供应链中，欧美的产业链和供应链是相对闭合的，研发、制造、消费形成自成一体的体系。而亚太地区研发能力并不足、消费能力也不旺。近年来，在以半导体、集成电路以及芯片作为基础的工业化，以及服务贸易和数字贸易影响的背景下，亚太地区的半成品、零配件的加工体系呈现出更多投资和贸易的机会，受到全球关注。未来对亚太地区的贸易投资将会成为我国外贸主要的布局方向之一。

 

　　年内AI概念火爆，数字技术如何赋能经济发展？

 

　　“公共数据是规模最为庞大的数据类型，占全社会数据资源总量的比重高达80%。公共数据是我国数据要素中最重要的资源，不仅数据规模海量，而且是高质量数据的供给源。”上海数据交易所副总经理韦志林演讲表示，从政府角度，公共数据开放的要求虽然很早就已经提出，部分地级以上的城市进行了数据开放，但总体还是坚持安全审慎的原则。地方政府从数据安全的角度，开放的数量、质量、颗粒度、标准相对还远远不能满足千行百业对公共数据的需求。“数据二十条”的出台明确公共数据除了开放、共享之外，还可以采取授权运营的方式进入流通市场，相信能够使公共数据回归数据发展、数据管理、数据流通、数据价值释放的定位上，让公共数据真正发挥取之于民、用之于民、服务于民的作用。

 

　　信息技术如何赋能数字经济？上海电信副总经理胡伟良认为，我国数字经济规模已连续11年显著高于GDP名义增速，实现量的合理增长。数字产业化规模与产业数字化规模的二八比例结构较为稳定，促进了质的有效提升。数据的全要素率已经从2012年的1.66%提升到2022年的1.75%，对国民经济生产效率提到了关键的支撑和拉动作用。数据确权、定价、交易、流通的探索不断涌现，数据要素的价值进一步释放。随着新一轮科技革命和产业变革深入发展，经济社会数字化转型进程持续加快，呈现出三个关键特点：一是新一代信息技术融合成为推动数字化创新的内生动力；二是连接、算力、能力服务融合成为推动数字化创新的重要载体；三是信息服务和经济社会运行体系融合成为推动数字化创新的关键路径。

 

　　“AI开始在一个个行业中逐渐运用，产生价值。”科大讯飞子公司科讯嘉联副总经理解飞也坦言，尽管AI的概念十分火爆，新的技术和场景应用层出不穷，但检验某项技术是否真正对数字经济有价值还需要参照三个标准衡量。首先是不是有可用的案例，其次是不是有能够规模化推广应用的产品，最后有没有可统计的数据来证明应用的成效。大模型技术目前对于通用AI有比较好的表现能力。大模型智慧涌现的价值可以分成四个主要的场景和方向，分别是：改变信息分发获取模式、革新内容生产模式、生成AIGC机器人以及在基础物理、基础数学、生物学、基因学等“AI for science”上的应用。