截至2018年底，中国人工智能市场规模约为238.2亿元，同比增长率达到56.6%。从中国人工智能企业地域分布情况来看，北京企业数量最多，企业数量为368家；其次为广东，人工智能企业数量为185家；排名第三的是上海，数量为131家。

2006年是“十一五”的开局之年。江苏省各级卫生部门在省委、省政府的领导下，紧紧围绕富民强省、“两个率先”目标。全面落实科学发展观，重点加强基层、基础工作，大力发展农村卫生、公共卫生、社区卫生，全面推进中医药、卫生监督、科技人才建设和卫生行风建设，各项工作都取得稳步发展。现将2006年江苏省卫生机构、床位、人员、医院工作、居民病伤死亡原因等基本情况简报如下:

卫生机构总数继续增加。2006年末，江苏省卫生机构总数17143个（含诊所、医务室、卫生所、社区卫生服务站），比上年增加1819个，增长11.87%。卫生机构总数增加较快的原因主要是各地加强了城市和农村社区卫生服务机构建设，今年新增社区卫生服务站1418个，较上年增长56.61%，新增社区卫生服务中心80个，增长74.07%，（相应的减少了卫生院65个，减少4.42%）。另外今年新增诊所229所，较上年增长11.19%。

2006年江苏省医疗机构16614个，其中:非营利性医疗机构11442个，较上年增长17.21%，占医疗机构总数68.87%；营利性医疗机构5073个，较上年增长上2.65%，占医疗机构总数的30.53%。医疗机构按经济类型分，国有3736个，占全省医疗机构的22.48%；集体5871个，占35.34%；联营73个，占0.44％；私营医疗机构5275个，占31.75%。与上年比国有医疗机构增加193个，增长5.45%；集体医疗机构增加1215个，增长26.04％；私营医疗机构增长了5.97%。医疗机构中：医院1061个，比上年增加47个；卫生院1407个，比上年减少65个（减少的卫生院大多被改建成社区卫生服务中心）；门诊部395个，比上年增加23个；专科疾病防治院（所、站）48个，比上年减少了1个；妇幼保健院（所、站）107个；与上年相同；社区卫生服务中心188个，比上年增加80个。另外，诊所、医务室、卫生所、社区服务站13361个，较上年增加1732个。

2008年中国家庭居民的消费水平持续提高，与2006年社会状况综合调查结果比较，消费支出总额从17388元升高到22555元（未考虑价格变动因素），消费结构也进一步改善，作为家庭生活水平标志的恩格尔系数（家庭食品支出占消费总支出的比例）进一步降低。在2008年城乡家庭消费支出细项中，列前三位的消费类型是食品、教育和医疗，分别占总支出的34.0%、11.5%和10.6%。

调查还显示，城乡居民消费的总体结构及家庭生存型消费（包括食品与衣着类）与发展型消费（包括居住、交通、通讯、文教、娱乐用品、医疗保健、旅游等）所占比重，都发生了重要变化。从购买商品和服务的消费情况看，城乡居民消费层次有所提高。大众耐用消费品普及率提高较快，但家庭消费率总体仍偏低。

2012年末，中国大陆总人口135404万人，全年出生人口1635万人，死亡人口966万人。从性别结构看，男性人口69395万人，同比增加327万人；女性人口66009万人，同比增加342万人；从城乡结构看，城镇人口71182万人，同比增加2103万人；乡村人口64222万人，同比减少1434万人。

2012年末全国就业人员76704万人，比上年末增加284万人。其中城镇就业人员37102万人，比上年末增加1188万人；乡村就业人员39602万人。

2012年末，0~14岁（含不满15周岁）人口22287万人，占总人口的16.5%；15~59岁（含不满60周岁）劳动年龄人口93727万人，占总人口的69.2%；60岁及以上人口19390万人，占总人口的14.3%。

2012年全国农民工总量26261万人，比上年增加983万人，增长3.9%。其中本地农民工9925万人，增长5.4%；外出农民工16336万人，增长3.0%。

技术塑造全新的理论范式。大数据技术给公共管理带来了一场新的范式革命，这场范式革命表现在：第一，方法论范式的转型。大数据借助于云平台而具有数据搜集、分析、管理、挖掘和重组的功能，以及基于多类型数据和海量数据的预测功能，从而形成一整套基于大数据技术的方法。此类方法在大数据技术诞生前是完全没有的。其数据能实时更新，且接近于全数据，因此被广泛运用于恐怖主义研究、移民研究、战争与冲突研究、国际反腐败研究等社会科学的各个领域。面对这样一个时代和技术，传统的管理方法如定性和定量研究、比较分析、案例分析等基于“小数据”的研究方法，将更多地为数据挖掘、全数据分析等全新的研究方法所代替。简言之，“大数据+”开创了社会科学研究的新技术和新方法。第二，研究思维范式的转型。过去的案例研究、样本研究体现的是数据“精确性”思维、因果关系思维和定性思维，而借助于大数据技术，现已转向“量化”思维，即以全数据为目标的思维，以“混杂性”思维为形式，以量化数据值之间的“相关关系”为核心内容。单纯的“计算社会科学”也并不完全反映“量化”思维。第三，研究对象的转变。大数据技术诞生前，公共管理的对象是人及其相互关系。人既成为管理对象，也成为管理的工具，结果是人成为管理者的“被管理者”。大数据的公共管理对象是人所有活动所产生的数据，目的是用数据及其产生的价值来为人服务，体现了人本主义管理思想。第四，绩效检验方式的转变。此前，绩效检验的目的是以政策的落实和政策对人发挥规制作用来衡量，但政策是否科学则容易被忽视，而且，往往采取刚性强制手段。就是说政策确实发挥了作用，但人也可能因强制而对政策产生抱怨，甚至有些情况下有些人成为反政策的一员。大数据条件下的绩效检验则强调技术对人的所有社会活动产生的数据进行收集、整理、分析，最终使数据通过服务于人来体现其价值，使人在享受价值服务的过程中自觉维护良好的秩序。
从具体的实践层面看，也有了变化。第一，大数据技术使公共管理的实践内容从流量管理向数据管理转化。传统的公共管理尤其强调流程的重要性，这主要是基于行政的科层体制。但在实践中，这会慢慢演变成流程的刻板化，效率日趋下降，甚至影响流程的合法性。而大数据技术则专注于对管理对象的数据收集、分析，它管理的对象是数据，核心是对数据进行处理。第二，大数据使公共管理的实践从事后机械应对转向智能化预先治理。传统的方式，无论是管理还是治理，都是出现了问题才采取措施。即便有所谓的预防性治理或预防性管理，也常常非常盲目，甚至可能没有任何针对性。因此，其典型特征就是事后的机械性。大数据条件下则截然不同，其核心就是预测。它通常被视为人工智能的一部分，是把数学算法运用到海量的数据上来预测事情发生的可能性。之所以能够成功，关键在于它是建立在海量数据的基础之上的，而不是基于某个人的主观判断。