“即時”是與“延時”對立統一的概念，指沒有任何延遲的情形。在工業(yè)經濟時代，從秒級、分鐘級到小時級，甚至再到日級，都有可能因情景的特性而被歸入到即時之列。例如，電話中的通話早已實現了秒級甚至更短的無延時應答，而工廠中的即時排產有時則需要幾小時或幾天才能準備到位。進入數字經濟時代之后，即時越來越多地指代秒級、毫秒級甚至更為瞬間的快速響應或行動。從無延時的視頻交流，到各種APP上的流暢點擊互動，再到智能汽車在高速行駛中成功避障、ChatGPT依指令快速生成文本、企業(yè)數據中臺實時監(jiān)測物流和資金流的動態(tài)變化等，豐富多彩的即時化情景已經在社會的各個層面大量涌現。

從根本上說，具有數字經濟時代特征的即時行為與現象，同物聯網、大數據、人工智能、云計算、邊緣計算等數字化智能化技術的快速進步緊密聯系在一起，源于數據在新技術浪潮中成了重要的生產要素。數據作為新型生產要素，正在與其他生產要素相融合，共同創(chuàng)造出一系列新的價值。這其中便包含有在極為短暫的瞬間創(chuàng)造出新的經濟價值或社會價值的情形，也即數據要素產生出多種多樣的即時價值。那么，數據要素是如何產生即時價值的呢？具體來說，其內在機理集中體現在如下三個方面。

以豐富的即時需求情景為牽引

價值創(chuàng)造從根本上來說源于市場或社會需求，一旦這些需求部分或者全部得到滿足，價值就會獲得創(chuàng)造。例如，人口密集且快節(jié)奏的城市生活會對持續(xù)改善交通狀況產生需求，而滿足這些需求過程中出現的地鐵系統、衛(wèi)星導航系統、叫車平臺系統等，都會創(chuàng)造出新的價值。

需求的出現總是和特定的社會生產或生活情景聯系在一起。情景中固有的需求，或者情景在演進中激發(fā)出的新需求，都為價值創(chuàng)造提供了空間。這其中，一些需求需要在短暫的瞬間獲得滿足，可以稱之為即時需求。而另外一些需求的滿足，則可以經歷一段時間的延遲，甚至能夠接受長時間的等待。現實中，這兩類需求可能因條件的改變而相互轉換。不過，社會進步對效率提升和效果改善的持續(xù)追求，使得越來越多原本需要延時滿足的需求向著即時需求轉換?；蛘哒f，無論是消費者個人需求，還是社會部門的機構需求，其滿足過程倘若需要等待甚至是長時間的等待，則通常是一種不得已的次優(yōu)選擇。如若能夠更快更好地滿足，則需求方的體驗會更好，社會稀缺資源的有效利用程度也會提高。正因如此，社會生產與生活中存在大量的即時需求，且即時需求仍在持續(xù)增加之中。例如，企業(yè)總是希望產品的質量瑕疵能夠在第一時間被發(fā)現并立即獲得改進，總是希望每一刻都能夠充分掌握市場需求與競爭狀況，也總是希望掌握每一位員工的實時工作狀態(tài)。再如，消費者總是希望商家能夠快速理解其真實需求并以最快的速度提供所需的產品或服務，希望商家能夠對其各種售前、售中和售后的訴求給予快速響應。今天，在加工制造、建筑安裝、交通運輸、教育、醫(yī)療、金融服務等所有的社會生產與流通領域，以及在家庭、社會交往、文化娛樂、體育健身等所有的社會生活領域，都存在著大量的即時需求，由此形成了十分豐富的即時需求情景。

在滿足情景即時需求的過程中創(chuàng)造的價值，可以被稱之為即時價值。立足于此，數據產生即時價值的過程，就是數據推動提供新產品或新服務以滿足即時需求，或者數據推動已有產品或服務與即時需求實現更好的適配。例如，長期以來，消費者都希望商家的客服系統能夠給出即時響應。然而，受到成本費用等因素的制約，這一需求通常得不到滿足。

以對海量數據的即時處理為基礎

數據產生即時價值，依賴于軟硬件系統在極為短暫的時間范圍內對海量實時數據做出處理，借此做出清晰的判斷與決策，發(fā)出指令并協調各項行動。一方面，在新一代移動通信網絡、大數據等技術出現之前，雖然社會生產與生活也都在源源不斷地產生海量的數據，但受到技術收集、傳輸、分析等手段的限制，這些數據普遍處于沉睡狀態(tài)，整個社會基于數據分析所形成的分析判斷能力也比較有限，數據所能創(chuàng)造的價值并未受到太多的關注。在新型數字化智能化技術興起之后，軟硬件系統乃至整個社會組織系統可以基于海量數據形成準確的判斷并做出精準的決策，數據產生價值由此獲得充分顯現。另一方面，系統只有在秒級、毫秒級等即時范圍內對數據做出快速處理，結果的呈現和行動的采取才有可能不發(fā)生延時。只有當上述兩個條件同時具備之時，數據才能真正產生出即時價值。例如，導航系統可以即時更新針對每個服務對象的出行建議方案，是因為系統隨時都在大規(guī)模匯聚并處理路況數據、出行者位置數據、車輛位置數據、出行者需求數據等。

更進一步，數據產生即時價值還依賴于軟硬件系統同步對相關延時數據的規(guī)?；幚?。即時價值產生過程中的數據歸集與處理并不是孤立的。一方面，系統的任何即時決策，都需要以先前的狀態(tài)為基礎，因而在需要以實時數據把握當下實際狀況的同時必須掌握前序時段的狀況，這就需要同步處理前序時段已經匯聚的海量數據，或者將前序時段的數據處理結果即時調用。另一方面，系統之所以能夠對當下及前序時段的海量數據做出快速且有效的處理，是因為已經借助以往長時間的海量數據積累與分析建立起了自身的知識庫與能力庫。實際上，隨著系統歸集與處理數據的時間間隔的持續(xù)縮短，數據的產生和處理走向了連續(xù)化，這為數據產生即時價值奠定了堅實基礎。

以強大的算力和算法為支撐

在數據產生即時價值的過程中，相關的硬件設備及軟件系統之所以能夠對海量的實時及延時數據做出快速處理，在于系統擁有強大的算力和算法，可以借此實現高效率、低能耗、可持續(xù)的即時海量數據處理。例如，在智能汽車的行進過程中，自動駕駛系統需要即時綜合處理以往及實時的路面狀況數據、路肩數據、遠近處行駛中其他車輛的數據、車輛之外的人或物等障礙物數據、光線數據、車內外溫度濕度數據、車輛速度數據、車輛零部件與元器件狀態(tài)數據、交通規(guī)則數據、乘客基本狀態(tài)數據、乘客歷史偏好與下達的指令數據等，同步即時給出能夠確保車輛始終處于最佳行駛狀態(tài)且車輛內乘客獲得最佳服務的各種行動指令，并能即時應對任何可能的突發(fā)狀況。所有這些數據處理過程的實現，都離不開算力和算法的支撐。

這里的算力和算法都是綜合性的概念。算力既包括靠近數據源頭一側、能夠就近快速完成數據處理的邊緣計算能力，也包括部署在網絡云端、可以在較短的時間內完成大量數據處理的云計算能力；既包括投入其中的硬件的計算能力，也包括各種通用軟件和專用軟件的計算能力等。類似地，算法包含了各種各樣可用于數據處理的指令與模型等。

當然，算力與算法在海量數據快速處理中功能與作用的有效發(fā)揮，需要有強大的數據采集與傳輸網絡做匹配。人、機器設備、場地設施、軟件及各類周邊環(huán)境等在靜態(tài)或動態(tài)過程中產生的各種數據，都需要借助數據網絡來實現收集、傳輸和存儲，從而為海量數據創(chuàng)造豐富的即時價值準備條件。