論新質生產力視域下競爭情報服務體系的構建

基金項目：湖北省教育廳哲學社會科學研究項目“‘卡脖子'技術管制下的產業競爭情報服務優化研究\"（20Y087）;2022年度武漢紡織大學研究生思政教育專項課題“以德為帥：會計碩士‘333'課程思政模式優化研究”；2023年度武漢紡織大學研究生教學改革與研究項目“彰顯中國科技自信的會計碩士課程思政模式優化研究”。

中圖分類號：G350 文獻標識碼：A 文章編號：2095-5103（2025）06-0098-04

新質生產力是一個意蘊深遠的經濟學范疇。就理論傳承而言，新質生產力是對馬克思主義生產力理論的守正和創新，不僅拓展了“科學技術是第一生產力\"的時代內涵，更為構建適應數字經濟時代特征的現代化經濟體系提供了理論支撐；從科技史觀來看，新質生產力超越了前三次工業革命的生產力形態，重塑了先進生產力的質態；就實踐啟示而言，新質生產力以創新驅動為主導，能夠突破傳統經濟增長方式和生產力發展路徑，具備高科技、高效能、高質量特征，契合新發展理念。新質生產力實踐應用與數據要素緊密相關。數據要素不僅是情報學研究的核心對象，也是數字經濟時代提升產業競爭力的關鍵因素。當前，情報學研究更多從單一商業應用場景出發，討論情報工作支撐新質生產力發展的實現途徑。本文將從產業層面分析競爭情報服務賦能新質生產力的綜合應用場景，進而基于DIKW鏈理論建立支撐場景需求的情報服務系統框架，以期為豐富競爭情報理論研究和培育產業新質生產力提供參考。

一、面向新質生產力的情報學研究現狀

數字經濟時代背景下，新質生產力三要素可以解析為以知識創造、技術創新等為主的智能勞動者，借助數據采集、組織、分析、挖掘和應用等勞動對象，作用于大數據、人工智能、移動通信、云計算、物聯網、區塊鏈、元宇宙等新興技術構成的勞動資料。數據要素是數字經濟的細胞單元和能量來源，凝結形成的數據倉庫和數據網絡能夠為發展新質生產力提供巨大的推動力。數據要素的乘數效應是切實提升數實融合水平的重要著力點，有助于實現實體經濟的提質增效；數據要素的深層次開發疊加多應用場景的大模型訓練，有助于推動數據市場規模化發展并形成良性循環[2]。

當前，情報學研究多從信息流角度探討情報學與新質生產力的關系。一方面，培育新質生產力離不開高質量數據資源供給。例如，以人智協同驅動的企業信息資源服務模式將數據要素與業務流程深度融合，有助于引領全要素數字化轉型和培育新質生產力。有學者將數據管理行業場景劃分為“數據—運營”“信息一分析”“知識一戰略”三個層級，并對智慧交通、家裝行業等多個應用場景進行驗證。另一方面，情報學的技術方法為研究新質生產力的關鍵問題提供了方法論基礎。針對新質生產力相關政策進行文本語義研究可以發現，數字經濟領先地區推出的政策類型以供給面和環境面為主，政策實施對象以數字創新、數據應用、數據交易、數據治理為主。有學者認為，基于大語言模型文獻分析的新質生產力內涵體系可分為首要內涵、重要內涵、主要內涵三個層面8，形成了具有中國特色的先進生產力發展范式。

二、新質生產力視域下競爭情報服務需求分析

科技創新是傳統產業轉型升級和新興產業加速發展的源動力，是培育新質生產力的核心要素。科技創新成果必須落地產業應用，實現價值轉化，推動創新鏈、產業鏈和供應鏈深度融合。關于如何挖掘產業中的新質生產力這一核心問題，習近平總書記在二十屆中央政治局第十一次集體學習時指出了明確方向，即“改造提升傳統產業，培育壯大新興產業，布局建設未來產業，完善現代化產業體系”。

（一）改造提升傳統產業對競爭情報服務的需求

從經濟體量上來看，傳統產業仍是我國工業經濟的主體和穩就業的主力軍；傳統制造業產業鏈和供應鏈相對完備，可持續增長潛力大。因此，改造提升傳統產業既要肯定傳統產業的歷史地位，又要強化以數據要素賦能促進工業化和信息化融合發展。目前，傳統產業轉型升級的大方向是數字化、綠色化。數字化轉型既需要從供給端對企業的海量數據和多模態信息進行綜合分析，又需要對需求端進行場景設計。綠色發展理念要求企業對價值鏈進行低碳節能改造，加大綠色研發投人、推動工藝流程再造、優化供應鏈環節等。競爭情報研究擅長對競爭環境、競爭對手和企業內部進行分析，能夠為傳統產業轉型的數字化、綠色化改造提供智庫服務。例如，科技競爭情報中使用的TRIZ理論能夠從技術、功效兩個維度為優化產品和服務提供清晰的解決方案；企業競爭情報的定標比超法能夠為項目發展設定具體的學習標桿和可行的趕超路徑；成熟的信息系統規劃和落地有助于充分釋放企業數字化轉型的活力。

（二）培育壯大新興產業對競爭情報服務的需求

2023年8月，工業和信息化部等四部門聯合印發的《新產業標準化領航工程實施方案（2023—2035年）》列舉出8大新興產業一新一代信息技術、新能源、新材料、高端裝備、新能源汽車、綠色環保、民用航空、船舶與海洋工程裝備。這些領域既是國家“十四五”規劃重點支持的戰略性產業，也是全球科技競爭的核心賽道，亟須競爭情報研究人員提供專業化、定制化的情報服務，助力把握發展先機。培育壯大新興產業的重點是防范“卡脖子”風險、塑造非對稱優勢。一方面，要運用文獻計量、專利分析等方法建立各產業及其細分領域的技術軌道，進而建立科技實力評價指標體系，剖析世界主要國家在各領域的現實差距、預測未來發展態勢。另一方面，要利用技術功效矩陣、知識圖譜技術比較各國的技術路線，有效識別相關技術空白點和突破點、明晰差異化優勢，為實現“非對稱”趕超提供支持。

（三）布局建設未來產業對競爭情報服務的需求

布局建設未來產業的重點是探索“無人區\"技術突破并形成先發優勢，為戰略性新興產業做好接續儲備。《新產業標準化領航工程實施方案（2023一2035年）》列舉的9大未來產業領域包括元宇宙、腦機接口、量子信息、人形機器人、生成式人工智能、生物制造、未來顯示、未來網絡、新型儲能。未來產業是新興產業的延伸和未來形態，以信息技術產業為主，與先進制造業、生物醫藥、能源行業交叉融合，是各國中長期博弈的焦點，需要以發展的眼光提供戰略性專題情報服務。為此，既要綜合梳理科學文獻、專利、用戶評論等多源數據，進一步廓清未來產業的應用場景和技術軌道，也要從人員、機構兩個層面建立未來產業各細分領域的核心主體，進一步優化未來產業發展環境，為精準施策提供依據

三、新質生產力視域下競爭情報服務系統的構建

DIKW理論作為知識管理的經典范式，系統建立了從數據（Data）、信息（Information）、知識（Knowledge）到智慧（Wisdom）的遞進層級體系。其中，數據是對事實的記錄；信息是對數據加工處理后的結果；知識實現了語用層次的拓展，是對規律的反映；智慧提供了如何使用知識的指導，是主體智慧和能力的疊加[。根據上文總結的產業競爭情報需求，本節基于DIKW理論構建服務新質生產力的競爭情報系統框架。該系統包括數據采集、信息組織、知識生成、情報服務四個模塊，以推動\"數據 $$ 信息 $$ 知識 $$ 智慧”的逐層進化。

（一）融合多源數據的數據采集模塊

數字經濟時代，最大限度地獲取數據是占有生產要素的第一步。有學者提出國家安全大數據的信息集成系統應包括物理世界、人類社會兩類數據源。蘭德公司在2018年5月發布的報告《定義國防業界第二代開源情報》中重點關注人類社會產生的數據，將第二代開源情報劃分為新聞媒體、灰色文獻、長篇社交媒體內容、短篇社交媒體內容四種類型[]。參照已有研究，可設計多源數據采集模塊，對物理空間、社會空間生成的數據資源進行廣泛采集。其中，物理空間數據是對社會空間數據的有效補充，主要包括傳感器記錄的物聯網細粒度數據、衛星系統拍攝的時空類數據等。社會空間數據中的灰色文獻包括政府文獻、學位論文、會議文獻、科技報告等，通常指非公開出版的文獻，屬于近年來情報學研究涉及的多源數據范疇。為了強化數據底座的高效性與安全性，系統設計時還要關注兩個方面。一是推進智能采集體系建設，重點強化網絡爬蟲技術的反溯源加密與動態身份偽裝能力，實現自動化數據獲取與安全防護的協同優化。二是構建分布式容災存儲體系，通過多節點協同處理與實時備份機制，實現數據安全防護與并行計算效能的雙重保障。

（二）多模態數據整合的信息組織模塊

信息組織模塊基于數據全生命周期管理思想，將多種來源的原始數據加工為規范性的結構化信息，形成大規模、低成本的數據庫存儲。具體來看，信息組織模塊的處理流程包括噪聲過濾、要素抽取、信息合成、信息存儲。噪聲過濾的目的在于對采集的數據質量進行初篩，包括比對后去除重復信息、根據統計學規律和聚類方法發現明顯異常值和補全缺失項。要素抽取的目的是將清洗后的數據字段或屬性進行分離，為接下來的信息合成提供有質量的信息片段。如針對傳統的文獻、專利等結構化的科研數據，要按照預定義模板和規則進行抽取；針對網頁、文檔等半結構化或非結構化數據，要根據預定義詞表或本體進行分詞、標注詞性、去除停用詞后保留有意義的信息，逐步提取段、句、詞、圖表等細粒度要素；針對多媒體類數據，要利用語音識別、圖像識別等技術提取相關語音文字、關鍵幀圖片及識別人臉、物體、場景等要素。信息合成的自的是針對同一對象，將已抽取的字段或屬性進行整合，從而勾勒出事物的全貌。信息存儲的目標是構建多模態數據管理體系，既要考慮網絡環境下的在線存儲和分布式存儲，也要考慮特殊情況下的離線存儲方式。

（三）基于知識管理的知識生成模塊

知識生成模塊通過本體建模、自然語言處理、機器學習及知識圖譜技術的協同應用，系統實現知識發現、推理與泛化的全流程處理，將原始信息轉化為結構化知識資產，為場景化服務提供即取即用的模塊化資源。具體來看，知識生成模塊的第一步是實體抽取，核心是利用領域本體提升抽取實體、屬性、上下位概念的準確性。領域本體是在自然語義理解的基礎上建立的機器可讀的內容庫，是進行文本分析的詞典。通常來說，可以在復用已有本體的基礎上添加領域知識進而形成領域本體，具體操作時要對信息組織模塊已抽取的字段按需整合，建立實體和屬性。如無可用本體，則需要重建領域本體。同時，要利用本體學習技術增強本體對新應用場景的適用性。完成實體抽取后的下一步工作是利用自然語言理解技術、人工智能技術挖掘實體之間關系。在運用自然語言理解模型的基礎上，使用機器學習、深度學習、強化學習、遷移學習等人工智能技術處理海量數據，開展語義相似性、聚類分類、模式識別等研究，有助于更準確地發現知識規則和進行知識泛化。此外，針對主題、時空分布、事件等多類型需求，使用知識圖譜技術對實體之間關系進行集中展示，可以更加清晰地展示出孤立點、群落、分層、關聯關系，以期更好地實現人機互動。

（四）面向場景應用的智慧服務模塊

智慧服務模塊作為競爭情報系統的核心應用層，聚焦新質生產力發展的產業動態，通過智能調度知識生成模塊的算力資源、分析算法與知識成果，構建需求驅動的決策支持體系。該模塊可將知識規則與用戶需求進行匹配，實現語義化向語用化的升級。產業是發展新質生產力的主戰場，需要針對多層次的需求提供個性化的競爭情報服務。針對項自開發等中觀層面的均衡性需求，要將知識生成層發現的知識規則映射為技術、經濟、市場等相互關聯的多維目標體系，進而使用層次分析法等決策分析工具對發展前景和進程管理提出綜合建議。針對企業層面的綜合性需求，要將知識規則映射為企業之間的合作競爭網絡，輔助企業獲取外部資源和警惕外部威脅。在這一過程中，要運用社會網絡技術識別關鍵節點和鏈路，進而利用企業畫像技術提煉關鍵行動者的特征。同時，要在互補性和協同性分析的基礎上，結合國內外政策變化對供應鏈韌性和風險進行評估，從而洞察產業鏈發展趨勢等，助力產業集群化發展和轉型升級。

四、結語

加快發展新質生產力，是推動生產力迭代升級、實現現代化的必然選擇。本文從產業層面剖析發展新質生產力的情報需求，進而基于DIKW理論構建了服務新質生產力的競爭情報系統。為了更好地發揮競爭情報系統對新質生產力的賦能效能，在實踐工作中還應注意兩方面要點。一是提高競爭情報工作的思想站位，深刻理解其在維護產業競爭力和國家安全的雙重作用。以競爭情報服務支撐新質生產力發展超越了傳統意義上的企業競爭范疇，為此，要以數據資源激發產業深層活力，以產業安全維護國家安全。二是以大開放協同理念指導競爭情報工作，形成多方共建共享機制。為此，需要國家相關部委牽頭，整合傳統的情報研究單位、新興的智庫機構、有影響力的產業協會和“鏈主”企業，形成自上而下的聯合分析會商機制，完善政府政策、學術研究、社會服務、產業需求的有序對接，為培育新質生產力提供精準服務。

參考文獻：

[1]蔡繼明，高宏.新質生產力參與價值創造的理論探討和實踐應用[J].經濟研究，2024，59（6）.

[2]丁敬達，李曉，邱均平.內生增長理論視域下數據要素驅動新質生產力發展的路徑探討[J].現代情報，2024，44（11）.

[3]王晰巍，李瑪莉，烏吉斯古楞，等.新質生產力形成中企業信息資源服務創新模式—基于汽車制造企業的案例研究[J].情報理論與實踐，2024，47（8）.

[4]周文杰.新質生產力視域下數據管理行業場景的結構論析[J].圖書與情報，2024（2）.

[5]陳興岳.新質生產力引領下的智慧交通數據管理實踐[J].圖書與情報，2024（2）.

[6]毛圓媛.以數據管理促進新質生產力賦能家裝行業發展[J].圖書與情報，2024（2）.

[7]岳曉旭，張立立，邱均平，等.推動數據要素向新質生產力轉化的政策邏輯探究——基于政策文本的分析[J].現代情報，2024，44（11）.

[8]余云龍，白冰，陳仕吉，等.基于大語言模型的新質生產力內涵特征挖掘研究[J].現代情報，2024，44（11）.

[9]葉繼元，陳銘，謝歡，等.數據與信息之間邏輯關系的探討——兼及DIKW概念鏈模式[J].中國圖書館學報，2017，43（3）.

[10]巴志超，李綱，安璐，等.國家安全大數據綜合信息集成：應用架構與實現路徑[J].中國軟科學，2018（7）.

[11]李寒.揭開開源情報的神秘面紗[J].軍事文摘，2023（23）.

責任編輯：鐘雪