下载掌阅APP，畅读海量书库
立即打开
跨境数据流动的行为主体是数据本身，因此，了解数据的相关概念、演化历程和应用价值，有助于更好地把握跨境数据流动的研究重点，更深刻地理解当前的跨境数据流动规制政策。
通常而言，数据是指对客观事件进行记录并可以鉴别的抽象符号，是对客观事物的性质、状态及相互关系等进行记载的物理符号或这些物理符号的组合。
事实上，数据的概念一直在演进变化。英文单词“data”早在17世纪40年代就已经出现，本意是表示某一事物性质或者数量变化情况的数值，主要应用于科学研究和测量统计领域。随着计算机的发明和信息化技术的发展，电子计算机、无线电通信等新技术开始在数据获取、加工和传输领域得到广泛应用。电子化、编码化的数据逐渐占据数据概念的核心位置，进一步丰富了数据的内涵。
在计算机科学中，数据是指所有能输入计算机并被计算机程序处理的符号介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号和模拟量等的通称。
数据的分类纷繁复杂，其中最简单的就是数字。除此之外，具有一定意义的文字、图像、声音、视频等也都是数据的不同体现形式。
早在文字出现以前，人类就学会了使用计数工具来记录和储存数据。在非洲发现的列彭波骨（Lebombo Bone）使用刻痕的方式进行计数，据考古学家判断，该骨骼距今已有四万多年历史，是迄今为止人类发现的最早的数据记录实体证据。此外，在刚果发现的伊尚戈骨（Ishango Bone）也采取了刻痕计数的方式，该骨骼可追溯至旧石器时代早期。
在人类社会的发展进程中，用于记录数据的载体也在不断演化。从动物骨骼到帛、陶器，从青铜器和竹简到纸张，这些传统形式的数据载体为人类文明的传承和发展作出了不可磨灭的贡献，有的至今仍在发挥作用。
自第一台计算机诞生以来，信息革命的浪潮持续奔腾，不断涌现出的新技术、新手段彻底颠覆了传统意义上的数据生产、记录和传播链条，在信息时代的大背景下锻造出数据的全新特征。
其一，数据具有可复制性。单纯从技术角度来看，数据资源以电子化的形式存在。与传统意义上以实体存在的资源相比，数据在一定程度上打破了时间和空间的限制，通过现代化的数字媒介，能以极低的成本实现高速度、大体量的复制，也能在当前的应用场景下基本实现实时传输。数据的这一重要特征，是信息化进程得以快速推进的重要原因，也是人类文明成果实现高效共享，全球数据规模呈现“爆发式”增长的基本前提。
其二，数据具有流动性。与传统意义上的信息一样，数据的一切价值都基于它的流动性。甚至可以说，没有流动性的数据便毫无价值，数据的流动性是信息化时代社会活力和创造力迸发的重要土壤。尤其是在当前的发展情境下，经济、社会、政治、文化等各重要领域都与数据深度耦合，经济往来、文化交流、政治模式融合等都离不开数据的流动。在传统模式下需要以实体形式进行交换的信息，经过数字化以后，其流动效率和质量也大幅提升，国际贸易、跨境结算、远程服务交付等经济行为都是在此基础上衍生发展而来的。
其三，数据具有基础性。在信息化进程高速推进的当下，数据的重要性也在与日俱增，已经成为信息化社会的关键生产要素，也是一种重要的战略资源。一方面，数据无处不在。从个人日常生活到企业运转经营，从社会组织到政府机构，数据渗透到了当今时代的各个角落。可以说，基本上找不到脱离数据后仍能正常高效运行的行业或领域。另一方面，数据的基础性特征也决定了它与其他生产要素不同。它无法直接通过简单加工形成产品，而是需要经过采集、转换、挖掘等复杂步骤才能最终发挥作用，具有不同于其他生产要素的独特战略价值。
2020年3月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，对推进要素市场化改革进行了总体部署，也对加快培育数据要素市场提出了具体要求。这是继党的十九届四中全会召开以来，再次将数据作为重要生产要素，写入党和政府的重要文件。
数据作为信息时代的生产要素，为经济发展提供了新动能，也为社会进步指明了新方向。过去十多年来，中国数字经济一直保持迅速、稳定发展的状态，为我国整体经济增长和社会发展提供了强大驱动力。《数字中国发展报告（2020年）》显示，“十三五”时期，我国数字经济总量跃居世界第二，2020年我国数字经济核心产业增加值占GDP的比重达到7.8%。与此同时，互联网及其相关技术的不断普及，引爆了信息化领域的创新浪潮。电子商务、移动支付、物联网、大数据等新兴业态在深刻整合传统行业领域的同时，也给每个人的日常生活带来了翻天覆地的变化。
以上三个特征是数据的本质特征，无论信息化进程如何推进、数字产业如何发展，它们都很难发生改变，但数据的外在形式则是随着相关技术的演进脉络不断进化的。放眼当下，大数据（Big Data）以其广阔的应用前景和鲜明的时代特征，当之无愧地成为信息时代数据形式的“代言人”，使得数据在信息化社会中的新型生产要素这一特征更为凸显。
1980年，著名未来学家托夫勒在著作《第三次浪潮》中提出了“大数据”一词，并将其称赞为“第三次浪潮的华彩乐章”。直到2010年左右，大数据才成为新兴互联网技术行业中的热门词汇，为大众所熟知。
虽然大数据的重要性已经得到广泛认可，但对大数据的定义却众说纷纭。麦肯锡全球研究所对大数据的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。美国信息研究分析公司Gartner则将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
总体来看，大数据的主要特点可以总结为5V：大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）和准确（Veracity）。
大量：信息技术的发展推动着数据量级呈现爆发性增长，智能手机、可穿戴设备等贡献了大量数据。IDC预测，到2025年，全球数据总量将从2018年的33ZB增长到175ZB，复合年增长率为27%。如此大规模的数据需要更加智能的算法、更加强大的数据处理平台进行统计、处理和分析。
高速：由于大数据体量巨大且来源、类型各异，花费大量成本对这些数据进行长期存储显然十分不划算。对于一个平台而言，及时对非最新的数据资源进行清理十分必要。在这一前提下，大数据的处理速度显得尤为重要。当前，许多平台对大数据采取实时分析处理的方法，用最快的速度挖掘大数据的价值，以在竞争中取得优势。
多样：一方面，相对于传统的以文本和图片为主的数据结构，音频、视频、地理位置信息、生物识别数据等新型数据进一步丰富了大数据的组成结构；另一方面，各类传感器、移动终端、摄像头等数据采集设备的普及也极大地扩展了大数据的采集渠道。
低价值密度：大数据巨大的体量意味着其中必然包含大量低价值甚至无价值的数据，导致数据的平均价值被严重稀释。例如，智能手环采集到的一整天的运动数据中，可能使用者只关心外出锻炼一小时期间的身体数据。因此，如何提升对高价值数据的挖掘和分析效率，是大数据技术应用领域的重要课题。
准确：大数据的内容是基于现实世界的，虽然不一定能完全精准反映现实情况，但至少应该具有一定的准确性，绝对不能是虚假或者错误的数据，这是实现有效数据分析的基础。只有基于真实行为的数据，才有研究分析的意义。如何确保大数据的准确性、进一步提升其精准度，已经成为当前大数据研究领域的重要课题。
自大数据概念诞生至今的40余年时间里，其应用领域不断扩大，应用形式也持续革新。大数据在推动数据产业链条发展壮大的同时，也催生了以大数据为基础的云计算、人工智能等一系列先进技术，深刻影响着人们认识世界的方式，也为未来科学技术的发展提供了无限可能。
在当今全球信息化高速发展的大背景下，世界各国纷纷积极布局信息技术和数据产业，围绕数据的采集、分析、应用等方面展开竞争与合作，力争在数据领域占据有利位置。随着数据的形态、特征的高速更迭，其价值也不断凸显。数据已经成为推动信息化、助力国家发展的重要资源，堪称信息时代的“血液”。
总体而言，从数据相关技术应用、推动传统产业升级发展、提升社会治理效率等方面来看，数据的价值可以粗略地分为技术价值、商业价值、行业价值和社会价值四个方面。
数据的技术价值：当前，数据技术已经涵盖数据存储、处理、分析、传输、安全保障等细分领域，组成了庞大的技术体系，各分支共同构成了完整的数据技术生态。日益庞大的数据量使得传统的计算机技术显得捉襟见肘，规模并行化处理的分布式计算架构应运而生；数据质量良莠不齐、标准混乱不一等问题为数据研究和应用带来了巨大阻碍，这些问题催生了用于数据整合的数据集成技术和提升数据管理效率的数据管理技术，自动化、智能化的数据管理技术已成为未来的发展方向。除传统数据领域的技术发展创新外，数据产业的发展还通过产业融合等方式为其他技术的研发、应用和落地提供基础，如人工智能、“互联网+”等。仅就大数据领域而言，近年来，相关研究不断推进，技术发展势头迅猛。根据世界知识产权组织发布的数据，2012—2020年，全球范围内共申请了大数据相关专利13.6万余项，专利申请数量的年均增速为16%。中国、美国、欧盟、英国等国家和地区相继出台数据战略，推动本国数据技术快速发展。
数据的商业价值：在传统的经营模式中，数据通常被用来反映企业经营情况，通过数据分析的结果来驱动运营方式转变，最终能帮助企业及时了解市场发展趋势、调整战略方向，以达到促进企业更好更快发展的目的。信息化时代数字技术在商业领域的应用，极大地丰富了企业和服务对象之间的交互渠道。用户在网购平台的浏览记录、在线下实体商店的购买记录等信息经过匿名化处理后，可以向企业呈现出更为细致的用户喜好、使用习惯等信息，进而形成更为精准的用户画像，以便企业摸清用户需求、调整产品设计理念等。数据技术在多个层面提升了商业行为的精度、效率，也能帮助企业谋划更为清晰的远期图景，其创造的商业价值是难以估量的。以数字贸易为例，在数字技术日新月异的背景下，当前全球数字经济发展动力强劲。2019年，全球数字服务贸易规模约为3.2万亿美元，占全部贸易总额的12.9%。2020年，新冠肺炎疫情肆虐全球，实体经济受到了极大冲击，但这也为数字贸易的进一步发展提供了现实基础。预计在疫情的影响下，数字贸易的发展进程将进一步加快。
数据的行业价值：通常情况下，数据也能引领整个行业的新走向。随着智能手机的普及，移动化及移动应用的数量不断扩大，移动端数据因此更加普及。与以往的业务数据不同，这些数据更加个人化，也更适合于各种不同场景的应用。例如，媒体公司会选择在上午8点至9点上班高峰期人人埋头看手机的时候，发布流量文章；地图导航软件会在你到达一个新的城市时，推送该城市的游玩攻略、美食地图。大数据技术应满足不同应用场景的需求，以将人们生活的各个方面用大数据无缝连接，推动各行各业的发展、演进和革命。独立第三方移动数据服务平台，则可以用数据帮助传统企业完成基于移动互联的数字化转型，从而推动企业升级成为数据驱动的新时代企业，促进行业整体的革新，同时也深刻影响每个人的日常生活。
数据的社会价值：任何技术的开发和利用，最终都是以提升社会福祉、促进社会进步为目的的，数据技术也是如此。医疗卫生、交通出行、教育学习、就业工作等社会生活的方方面面，都在数据技术不断创新发展的大背景下发生着深刻的变化：在遥感、遥测、遥控等技术的支撑下，通过远程问诊、远程手术手段对医疗条件较差的地区、舰船上的伤病员等人群进行远程诊断、治疗成为可能；在线课堂、远程教育在一定程度上弥补了教育资源分配不均的现象；大数据技术的应用让出行变得更为便利。此外，人与人之间的交流方式、政府部门的施政模式、国家之间的利益关系也在经历着前所未有的巨大变革。可以肯定的是，以上这些方面的积极变化都只是数据技术的初级应用带来的。相信随着相关研究的不断深入，数据技术将不断展现出更加巨大的潜力，为人类社会描绘更加广阔而多彩的未来蓝图。
值得注意的是，虽然数据信息中包含了很多价值，但这些价值并不是一成不变的。部分数据的价值会随着时间的消逝而逐渐降低，甚至会变成完全无用的数据，这就要求数据使用者根据实际情况随时对数据进行更新。此外，想要在规模巨大的数据中充分挖掘出数据价值，就要充分优化从数据采集到数据分析的各个环节，尽量减少数据“噪声”带来的影响。
在充分享受数据带来的红利之时，我们也要充分认识到，当前对数据的挖掘、利用和保护依然存在诸多不足之处，数据面临的各种风险不容忽视。
其一，随着互联网在全球范围内加速普及，网络攻击、数据泄露等对数据安全带来的威胁越来越大。CNCERT公布的数据显示，2020年，在我国捕获的计算机恶意程序样本数量超过4200万个，日均传播次数达482万余次，涉及恶意程序家族近34.8万个。世界经济论坛发布的《2020年全球风险报告》认为，以破坏基础设施、窃取数据和金钱为目的的网络攻击风险在未来将进一步加剧。此外，由技术漏洞、内部恶意泄露等导致的电子邮件、个人信息等隐私数据泄露的事件也层出不穷，时刻提醒着我们，当前数据安全领域依然面临严峻挑战。
其二，无处不在的数据壁垒严重阻碍了数据价值的发挥。一方面，国与国之间的跨境数据流动面临障碍。由于数据的巨大价值使得其成为涉及国家安全的重要战略资源，各国为了实现对数据资源的掌控，纷纷出台法律法规，严格限制数据的自由跨境流动。另一方面，政府部门之间的数据壁垒也影响数据资源的利用效率。技术限制、部门壁垒、权责界限不清等现实因素使得数据在跨部门、跨地域流动时受到诸多限制，难以完全发挥其提升政府治理效能的作用。
其三，数据垄断现象降低了数据行业的整体活力。和诸多传统领域一样，数据行业也存在巨头垄断资源，导致行业创新发展动力不足。部分企业起步发展较早，逐步积累了可观的用户群体和数据资源，再加上资本和技术方面的优势，很容易在行业内占据垄断地位，严重抑制了新兴中小微企业的竞争力，也在商业行为中损害了消费者的权益。目前，数据垄断带来的风险已经引起了各国政府的重视，并促使其纷纷立足本国的现状出台政策遏制数据垄断行为，努力构建大中小微企业共生共荣的良性生态。
通常情况下，数据是有“保质期”的，“过期”数据的利用价值会大幅降低甚至完全消失。数据从产生到最后删除报废的全过程就是数字的生命周期，通常包括数据的采集、存储、处理、传输、交换、销毁等环节（见图1-1）。
图1-1 数据的生命周期
数据价值的挖掘是数据产业的根本追求，而挖掘数据价值的主要流程则不完全与数据的生命周期一致，主要包含数据采集、数据预处理、数据分析等。
1）数据采集
数据采集又称数据获取，是利用一种装置，从系统外部采集数据并输入系统内部的过程，它是计算机与外部物理世界连接的桥梁。被采集数据是已被转换为电信号的各种物理量，如温度、水位、风速、压力等，可以是模拟量，也可以是数字量。通常，数据采集工作要以不影响被测对象的状态为前提，以免对数据产生干扰。
针对不同的数据源，数据采集方法有以下几大类。
数据库采集：传统企业会使用传统的关系型数据库MySQL和Oracle等来存储数据。随着大数据时代的到来，Redis、MongoDB和HBase等NoSQL数据库也常用于数据的采集。
系统日志采集：主要收集业务平台日常产生的大量日志数据，供离线和在线的数据分析系统使用。这种数据采集方式具有高可用性、高可靠性、可扩展性等特征。
网络数据采集：指通过网络爬虫或网站公开API等方式从网站上获取数据信息的过程。这种数据采集方式可以将非结构化数据、半结构化数据从网页中提取出来，存储在本地的存储系统中。
感知设备数据采集：指通过传感器、摄像头和其他智能终端自动采集信号、图片或录像来获取数据。
2）数据预处理
经过初步采集得到的原始数据常常包含“噪声”，部分数据可能存在不完整、不一致等问题。为了得到高质量的数据分析效果，必须对原始数据做一定的处理，在进行数据分析之前对原始数据进行的操作就是数据预处理。
数据预处理包含数据清洗、数据集成、数据转换、数据消减等过程。
数据清洗：指消除数据中所存在的“噪声”及纠正其不一致的问题。具体的处理内容通常包括填补遗漏的数据值、平滑有“噪声”的数据、识别除去异常值、纠正不一致的问题。
数据集成：指将来自多个数据源的数据按照统一的格式结合在一起，并形成比较完整的数据集合，为数据分析的顺利完成提供数据基础。
数据转换：主要是对数据进行规格化操作，将数据转换或归并以构成一个适合数据分析的描述形式。
数据消减：指在不影响最终分析结果的情况下，大幅缩小所挖掘数据的规模，以减少数据分析所消耗的时间。常见的数据消减法有数据聚合、消减维数等。
3）数据分析
经过预处理后，数据的质量和可用性得到有效提升，下一步就可以对数据进行分析。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
通常情况下，数据分析包括以下三个流程。
探索性分析：刚获得数据时，可能由于数据量大等原因难以直接看出规律，可以通过画图、列表等方式探索计算数据中的潜在规律，为进一步的数据分析提供方向。
模型选定分析：在前期探索性分析发现初步规律的基础上，筛选出适用于对象数据的模型范围，并通过进一步分析，选出与数据较为匹配的模型。
推断分析：采用选定的模型对数据进行精确计算和处理，进而得出数据分析结论，提取数据中的规律。
从数据采集到数据分析的一系列过程和相关技术构成了狭义上数据科学的概念。总体上看，数据科学主要涵盖三个领域的知识技术：编程领域（语言知识、语言库、设计模式、体系结构等），数学（代数、微积分等）和统计学领域，数据领域（特定领域的知识：医疗、金融、工业等）。近年来，随着数据与传统领域的融合不断加深，针对数据科学和相关技术的研究也越发受到重视，成为支撑数据行业发展壮大的基础性力量。
总的来看，数据科学的发展历程大致可以分为以下几个阶段。
起步与形成阶段。1962年，美国数学家John W.Tukey出版《数据分析的未来》，他在书中预言，数据分析将作为一门新的学科迅速崛起。1974年，丹麦计算机专家Peter Naur出版了《计算机方法的简明调查》，首次将数据科学定义成“一门研究处理数据的科学”。当时，有关数据科学的界线划分并不明显，对计算机知识有一定程度理解并且能进行数据含义解读的研究人员都可以称为数据学家。随着计算机技术与统计学的不断融合发展，数据分析处理的科学化程度也在持续提高。直到1966年，一场名为“数据科学、分类及相关方法”的大会在日本神户举办，第一次使得数据科学进入大众视野。从此以后，数据科学逐渐发展壮大成为一门新兴独立学科。
理论和人才储备阶段。1997年，《数据挖掘与知识发现杂志》创刊，明确指出数据挖掘就是“从大数据中抽取信息”。20世纪90年代末，人类社会生产生活面临的数据量持续增大，数据科学的实用性和重要性也获得了越来越广泛的认可。进入21世纪后，互联网在世界范围内快速普及，数据规模也呈现前所未有的爆发性增长态势。越来越多的专家学者开始对数据科学投来关注的目光，学术界有关数据科学的专业刊物数量也不断攀升，这些因素都为日后数据科学的蓬勃发展奠定了坚实的理论基础、储备了大量人才。
迅速发展阶段。在这一阶段，数据科学领域新技术、新概念不断涌现，发展进程得到快速推进。2006年以来，深度学习技术持续引发学术界广泛关注。斯坦福大学等世界顶尖学府纷纷进军相关研究领域。2010年，美国国防部高级研究计划局（DARPA）首次宣布资助深度学习相关技术的研究，标志着深度学习的应用前景获得美国官方认可。此外，语音识别也是现代数据科学的一个重要研究领域。2010年以后，亚马逊、谷歌等大型科技公司纷纷布局语音识别领域，尝试开发会话用户接口。2016年，《麻省理工科技评论》将语音接口技术列为十大突破性技术之一。截至2021年，语音识别技术已经取得了相当大的发展成就，国内该领域的领军者科大讯飞的语音识别准确率已经达到98%以上，且支持多种方言识别。除了以上技术领域，强化学习、云计算等新概念、新业态的出现，也持续推动着数据科学不断向前发展。
可以肯定的是，随着人工智能、大数据、物联网等前沿技术的不断发展，加上计算机数据处理能力的持续提升，数据科学未来的发展动力将更加强劲，云化、智能化的趋势将引领数据科学在信息化时代走出更加广阔多元的发展路径。
在党中央推进国家治理体系和治理能力现代化的背景下，前沿信息技术和数字技术在国家治理领域的研发和应用越来越受重视，如何利用相关技术提高行政水平、提升应对处置突发事件的能力，已经成为各级政府面临的重要课题。
2020年，一场突如其来的新冠肺炎疫情给社会生活带来了巨大挑战，国家治理能力、有关部门的应急处置能力也面临一场大考验。在新冠肺炎疫情防控工作中，数据技术频频出现在各大媒体、论坛及社交平台上，“大数据抗疫”也成为此次疫情防控工作中的一大亮点。
疫情防控与溯源方面：纵观疫情防控的全过程，流调始终是披露疫情传播轨迹的重要工具，而数据和相关技术，则为流调溯源工作提供了大量支撑。例如，12306铁路售票平台可以运用购买火车票需实名认证的数据优势，为相关部门提供确诊病例或密切接触者的行程信息，以便及时对同乘人员进行预警和排查。此外，健康码在个人申报健康信息的基础上，结合大数据分析结果，对个人的涉疫情状况进行综合判定。为常态化疫情防控下保障稳步复工复产，有效控制疫情风险提供了强大武器。
疫情数据透明化方面：新冠肺炎疫情在国内出现之初，全国范围有大量人口在流动，导致民众担忧情绪高涨。每日各地新增确诊病例数量、密切接触者情况、居家隔离时间要求等权威信息的及时公开、透明发布有利于驱散不实信息，让全国人民第一时间了解疫情最新情况，纾解不安情绪。为此，《人民日报》、新华网等主流媒体，微信、微博等社交平台及支付宝等生活类应用，纷纷借助大数据采集分析技术，通过疫情地图、全国疫情趋势等形式实时更新推送最新疫情信息。用户可以了解全国、各省（市、县），甚至每个小区精确的疫情数据。相关数据使得有关部门在采取针对性疫情防控措施的同时，也充分保障了民众的知情权，对普及疫情防控知识、提升全社会的防控意识也发挥了促进作用。
远程办公和在线授课方面：为及时阻断疫情传播链条，有效遏制疫情传播风险，多地要求企业员工居家远程办公，数字化办公平台、在线视频会议等技术保障了特殊时期企业的平稳有序运行。此外，多地学校“停课不停学”的要求让在线教育平台发挥了巨大作用。借助大数据分析，探索学生在个性化学习方面的兴趣爱好，对学生的学习过程、学习行为等进行多维度分析，为每位用户生成个性化学习计划，使得在线教育更有针对性。同时，科技教育产品所积累的海量大数据，又可以反馈到教学环节，为课程与教学设计提供参考。
电子政务方面：在信息化浪潮的大背景下，数据技术的应用领域不断扩展，为诸多领域带来了新的变革，数字化、电子化的政务服务就是其中的典型案例。数据技术在政务领域的应用是推进国家治理体系和治理能力现代化的重要形式之一。电子政务的广泛推行，不仅节约了行政成本，也大幅提升了办事效率，使民众的获得感和幸福感显著增强。近年来，各地各部门大力推进政务服务线上“一网通办”、线下“一窗综办”，实现24小时服务“不打烊”，推进政府治理体系和治理能力现代化。当前，覆盖PC端、移动端、大厅端、自助端等场景的电子政务平台正不断升级完善，一方面使政务服务信息的发布和接收效率更高，另一方面也极大地提升了民生服务领域的办事效率。目前的电子政务服务平台，基本涵盖了证照服务、交管业务、社保服务、民政服务、医疗卫生、教育培训、交通出行、缴费服务等与民众日常生活联系密切的领域，很大程度上实现了“一网通办”的目标。
智能安防方面：随着平安城市建设的不断推进，监控点位越来越多，在高清视频、智能分析、云计算等新兴技术的加持下，安防正从传统的被动防御向主动判断、预警发展。在城市安防领域，通过对摄像机采集到的数据进行智能分析，筛选出人物信息、车辆信息等重要数据，海量的相关数据汇总后，智能系统可对犯罪嫌疑人的信息进行实时分析，给出最可能的线索建议，将犯罪嫌疑人的轨迹锁定时间由原来的几天缩短到几分钟，为案件的侦破节约了宝贵的时间。在家庭安防领域，当检测到家庭中没有人员时，家庭安防摄像机可自动进入布防模式，有异常时，给予闯入人员声音警告，并远程通知家庭主人。而当家庭成员回家后，又能自动撤防，保护用户隐私。夜间，智能安防系统通过一定时间的自主学习，掌握家庭成员的作息规律，在主人休息时启动布防，确保夜间安全，省去人工布防的烦恼。
智能交通方面：在交通领域，随着交通卡口的大规模联网，汇集的海量车辆通行记录信息，对于城市交通管理有着重要的作用。利用人工智能等技术，可实时分析城市交通流量，调整红绿灯间隔，缩短车辆等待时间，提升城市道路的通行效率。对于规模不断扩大、人口不断增多的超级城市而言，交通拥堵问题已经成为城市管理者面临的严峻考验。智能交通技术的应用无疑对缓解城市交通压力、提升城市治理水平有着极为重要的意义。城市级的人工智能大脑，实时掌握着城市道路上通行车辆的轨迹信息、停车场的车辆信息，以及小区的停车信息，能提前预测交通流量变化和停车位数量变化，合理调配资源、疏导交通，实现机场、火车站、汽车站、商圈的大规模交通联动调度，提升整个城市的运行效率，为居民的出行畅通提供保障。