數(shù)據(jù)智能研究報告編制說明本報告的撰寫得到了數(shù)據(jù)智能領(lǐng)域多家企業(yè)與專家的支持和幫人保信息科技有限公司、南方電網(wǎng)數(shù)字平臺科技（廣東）有限公司、中移動信息技術(shù)有限公司、中國民航信息網(wǎng)絡(luò)股份有限伯君、裴亞、袁雪梅、史赟、陳卓，任鵬飛，張若周、周昭、李亞蘭、劉現(xiàn)亮、何昌華、蔣錫茸、張國賢、梅珂夫徐圣凱、徐曉敏、田小康、陳海洋、王傳陽、孫建新、韓秀鋒度來看，我國密集出臺一系列政策，開展“人工智能+”行動，推動了“高算力和高投入是發(fā)展人工智能唯一途徑”的固有認知，引領(lǐng)從數(shù)據(jù)智能技術(shù)的應(yīng)用門檻，推動了數(shù)據(jù)智能技術(shù)在更多領(lǐng)域的落地， 8 8 9 12 15 17 17 18 20 23 23（二）智能化水平進一步提升面臨三重問題 24 28 31 31 33（三）AI驅(qū)動數(shù)智應(yīng)用呈現(xiàn)四大趨勢 35 39 39 40（三）智能驅(qū)動的下一代數(shù)據(jù)安全呈現(xiàn)出兩大趨勢 42 44 12 13 14 15 21 22 24 29 31 36 37 38 32一、數(shù)據(jù)智能綜述（一）數(shù)據(jù)智能的價值與意義近年來，智能領(lǐng)域迎來“量變引發(fā)質(zhì)變”的臨界點，相關(guān)技術(shù)、主線，但仍以“決策式人工智能”為主要發(fā)展領(lǐng)域。近兩年，在以像、音頻、視頻等多種形式輸入進行理解，根據(jù)要求完成高效問答、為全球焦點，帶動人工智能技術(shù)產(chǎn)業(yè)進入劇精煉轉(zhuǎn)化為知識、最終指導(dǎo)決策這一過程的總體效率。在產(chǎn)業(yè)層面，（二）國內(nèi)外數(shù)據(jù)智能政策綜述方面繼續(xù)保持全球領(lǐng)先地位，并為未來的人工智能研發(fā)做好準備。個系統(tǒng)化的AI監(jiān)管框架，同時為AI產(chǎn)業(yè)提供政策支持和法我國發(fā)布一系列政策文件，為數(shù)據(jù)智能產(chǎn)業(yè)發(fā)展注入強勁動力。（三）數(shù)據(jù)智能產(chǎn)業(yè)綜述n美國a中國a英國a印度u加拿大a德國以色列法國新加坡韓國其他圖1全球數(shù)據(jù)智能企業(yè)數(shù)量國家分布1,2001,0008006004002000700061906581700061906000500060005000400030004…3944…39440675074895071,0989761,098561200056110000201920202021202220232024融資金額融資筆數(shù)融資筆數(shù)圖22019-2024全球數(shù)據(jù)智能領(lǐng)域投融資規(guī)模融資筆數(shù)投融資層面，數(shù)據(jù)智能企業(yè)投融資活躍，融資金額創(chuàng)歷史新高。成大筆融資。面對數(shù)據(jù)智能應(yīng)用在資本市場和用戶市場的火熱態(tài)勢，0圖3全球及中美數(shù)據(jù)智能高水平論文發(fā)文量量的比例不足30%，2022-2024年，這一比例提升至58%。從國家來0圖42014-2024年各國數(shù)據(jù)智能專利授權(quán)數(shù)（四）四大領(lǐng)域協(xié)同驅(qū)動數(shù)據(jù)智能產(chǎn)業(yè)發(fā)展二、高質(zhì)量數(shù)據(jù)為數(shù)據(jù)智能實踐奠定堅實基礎(chǔ)（一）高質(zhì)量數(shù)據(jù)進入建設(shè)元年高質(zhì)量、多維度的數(shù)據(jù)集是支撐大模型訓(xùn)練、應(yīng)用的關(guān)鍵機器學(xué)習(xí)和人工智能模型提供可靠的基礎(chǔ)，顯著提升模型的準確性、穩(wěn)定性和泛化能力，使其在復(fù)雜多變的現(xiàn)實場景中更好地發(fā)揮作用；法律要求，增強公眾對技術(shù)的信任；三是優(yōu)化數(shù)據(jù)管理和分析流程，會，下一步，高質(zhì)量數(shù)據(jù)集建設(shè)工作將積極推進落實“人工智能+”批10余個行業(yè)30項央企人工智能行業(yè)高質(zhì)量數(shù)據(jù)集優(yōu)秀建設(shè)成勵措施，并開始圍繞工業(yè)、金融、農(nóng)業(yè)等行業(yè)（二）三大瓶頸限制各行業(yè)高質(zhì)量數(shù)據(jù)建設(shè)1．缺乏落地實踐方法論2．技術(shù)能力存在短板數(shù)據(jù)集的構(gòu)建并非簡單的數(shù)據(jù)堆積，而是涉及數(shù)據(jù)采集、清洗、3．數(shù)據(jù)流通機制不完善（三）高質(zhì)量數(shù)據(jù)建設(shè)呈現(xiàn)出三大趨勢1．數(shù)據(jù)集建設(shè)運營方法論逐步成熟圖5《人工智能數(shù)據(jù)工程能力要求》標準框架2．多模態(tài)數(shù)據(jù)處理技術(shù)加速創(chuàng)新圖6《非結(jié)構(gòu)化數(shù)據(jù)處理平臺技術(shù)要求》標準框架3．多方參與形成協(xié)同生態(tài)三、高水平算法為數(shù)據(jù)智能實踐提供核心動力（一）以大模型為代表的人工智能技術(shù)加速滲透言模型跨越式的應(yīng)用效果提升再度喚醒人工智能產(chǎn)業(yè)的熱度，以模型性價比等維度提升大模型的各方面能力，誕生出以GPT-4o、圖7以大模型為代表的人工智能技術(shù)體系概覽（二）智能化水平進一步提升面臨三重問題1．模型效果仍有提升空間2．技術(shù)棧復(fù)雜提高使用門檻但繁雜瑣碎的工具鏈為其技術(shù)選型和采購帶來極高的技術(shù)門檻和學(xué)用戶提供一套集成模型研發(fā)技術(shù)棧中復(fù)數(shù)工具能力的一站式平臺化3．應(yīng)用方式仍在探索尚未形成范式看，當前仍存在企業(yè)端應(yīng)用場景及形態(tài)零散智能體應(yīng)用形式仍需探索等問題：一是企業(yè)以及額外成本，同時還存在訓(xùn)練成果弱于傳（三）大模型研發(fā)應(yīng)用支撐能力呈三大發(fā)展趨勢1．多模態(tài)能力持續(xù)提升助力專業(yè)領(lǐng)域模型發(fā)展來的成效，相較通用模型自身能力的優(yōu)化更絡(luò)結(jié)構(gòu)使模型對多種模態(tài)的支持效率與效果能夠得到進一2．智能中臺興起模塊化解構(gòu)模型研發(fā)技術(shù)棧業(yè)利用人工智能技術(shù)賦能自身智能化轉(zhuǎn)型所需的主要基礎(chǔ)支撐性能圖8《智能中臺能力成熟度模型》框架3．多任務(wù)智能體及多智能體協(xié)同有望持續(xù)突破體能力上限有望得到進一步拓展。近期，MCP逐漸流行于越來越多調(diào)用外部特定功能，MCP能夠通過更多標準化的預(yù)建程序讓模型實生命周期管理的系統(tǒng)性需求也在同步激增。智能體研發(fā)運營業(yè)務(wù)場景的緊密耦合，最終推動智能體的規(guī)?；涞嘏c價值釋四、高價值應(yīng)用是數(shù)據(jù)要素價值釋放的關(guān)鍵環(huán)節(jié)圖9數(shù)智應(yīng)用體系概覽（一）數(shù)智應(yīng)用百花齊放，場景滲透持續(xù)深化表1各行業(yè)數(shù)智應(yīng)用落地的頭部場景（二）數(shù)智應(yīng)用落地面臨三方面挑戰(zhàn)1．協(xié)同困難阻礙數(shù)智應(yīng)用落地2．數(shù)智應(yīng)用賦能效益難計量3．數(shù)智應(yīng)用落地經(jīng)驗難復(fù)用（三）AI驅(qū)動數(shù)智應(yīng)用呈現(xiàn)四大趨勢1．大模型技術(shù)與小模型協(xié)同提升數(shù)據(jù)分析能力Agent）調(diào)用高度專業(yè)的小模型及機器學(xué)習(xí)算法并整合分析結(jié)果。大2．大模型與知識庫融合提升決策能力模態(tài)處理能力；另一方面，傳統(tǒng)的知識載體則圖10《企業(yè)知識工程能力成熟度模型》標準框架3．智能體將逐漸成為大模型應(yīng)用落地的主要形式體開發(fā)培訓(xùn)等形式推進智能體應(yīng)用創(chuàng)新并實現(xiàn)智能體對企業(yè)原有系圖11《智能體研發(fā)運營(AgentOps)能力成熟度模型》標準框架4．數(shù)字員工將成為數(shù)智能力建設(shè)的新方向圖12《大模型驅(qū)動的數(shù)字員工平臺技術(shù)要求》標準框架五、高安全防護護航數(shù)據(jù)與智能融合新范式（一）智能化數(shù)據(jù)安全治理體系加速升級障，也鞭策企業(yè)加快合規(guī)能力建設(shè)。（二）數(shù)據(jù)智能浪潮中面臨三大安全挑戰(zhàn)1．安全技術(shù)瓶頸仍未突破2．新業(yè)態(tài)治理復(fù)雜度飆升3．安全