数字基础设施建设 - "十四五"期间国家级数字新基建以八大国家算力枢纽节点和十大国家数据中心集群为代表 [2] - 截至今年6月底国内算力总规模位居全球第二 人工智能专利数量占全球总量的60% [2] - 数字基建被视为数字化发展的关键底座 [2] 数字技术应用与赋能 - 数字技术已融入智慧城市、数字乡村、智能制造、智慧医疗等生产生活各方面 [3] - 数字化建设在改善民生、提升治理效能及推动经济社会高质量发展方面展现出巨大潜力 [3] - 数字技术高效推动社会发展需加快数据流通与要素价值释放 [5] 数据要素化与产业价值 - 数据已成为数字经济时代的战略性核心资源 正赋能千行百业升级转型 [5] - 2024年全国数据企业数量超过40万家 数据产业规模达5.86万亿元 较"十三五"末增长117% [9] - 建设和运用国家数据基础设施旨在加快数据流通 [5] 智慧渔业应用案例 - 广东湛江的"恒燚1号"深海养殖平台实现了高度绿色化、自动化、智能化的数据驱动养殖 [7] - 数据驱动的智慧渔业使饲料系数降低20%～40% 鱼类增重率提高10%以上 人工成本降低60% 经济效益提升超30% [7] 数字化公共服务提升 - "十四五"期间数字化建设显著提升了公共服务的可及性和公平普惠水平 [9] - 远程医疗合作实现多方共赢 方便患者、基层医院留住病人、政府节约医保资金、大医院分流病人 [11][13] - 全国互联网医院年服务量超过1亿人次 跨省异地就医直接结算惠及5.6亿人次 [13] 数字社会建设成果 - 国内已建成全球规模最大、资源最丰富的国家智慧教育平台 [13] - 全国10.7亿人领用电子社保卡 [13] - 数字技术使公共服务更普惠便捷、数字生活更美好智能、社会治理更精准高效 [13]

数字技术发展现状 - 数字技术加速融入生产生活各方面 包括智慧城市 数字乡村 智能制造和智慧医疗等领域 [1] - "十四五"期间信息革命经历从网络化向数字化再向智能化加速转型 [1] - 国家级战略工程包括八大国家算力枢纽节点和十大国家数据中心集群 [1] - 截至2024年6月底 中国算力总规模位居全球第二 [1] - 人工智能专利数量占全球总量的60% [1] 数字基础设施建设 - 数字基建是数字化发展的基础底座 [3] - 需要加快数据流通和推动数据要素化以释放数据价值 [3] - 二十届三中全会提出建设和运用国家数据基础设施 [3] - 数据已成为数字经济时代的战略性核心资源 [3] 数据驱动产业转型 - 广东湛江深海养殖平台"恒燚1号"实现绿色化 自动化和智能化养殖 [3] - 智慧渔业相比传统模式饲料系数降低20%-40% [5] - 鱼类增重率提高10%以上 [5] - 人工成本降低60% [5] - 经济效益提升超过30% [5] 数据产业发展规模 - 2024年全国数据企业数量超过40万家 [5] - 数据产业规模达5.86万亿元 [5] - 较"十三五"末增长117% [5] 数字化公共服务 - 远程医疗显著提升公共服务可及性和公平普惠水平 [5] - 播州区人民医院与上海38家三甲医院近千名医师建立线上联合诊疗合作 [7] - "十四五"期间全国互联网医院年服务量超过1亿人次 [7] - 跨省异地就医直接结算惠及5.6亿人次 [7] - 建成全球规模最大 资源最丰富的国家智慧教育平台 [7] - 全国10.7亿人领用电子社保卡 [7]

隐语社区战略升级 - 隐语开源社区从聚焦隐私计算升级为覆盖六大技术路线的“数据可信流通技术社区”，旨在解决数据流通全链路的信任嵌入问题 [1] 数据要素市场现状与挑战 - 2024年全国数据市场交易规模超1600亿元，同比增长30%以上，其中场内市场数据交易规模同比翻番，但相较于53.9万亿的数字经济规模，流动数据占比仍很小 [3] - 大型企业数据流通的核心障碍是数据外循环中安全合规责任的断层风险及下游保障能力不足，而非盈利动机 [3] - 产业落地面临“共识难”、“标准难”、“门槛高”三重挑战，技术路线碎片化且政策修订速度无法匹配技术迭代 [4] - 公共数据开放因责任权利失衡举步维艰，政府部门无法承担专业脱敏工作，需要引入市场化机制 [4] 技术路线与生态整合 - 新社区将覆盖隐私保护计算、可信数据空间、数据元件、数联网、区块链、数场六大技术路线，并进行多技术路线融合，构建模块化解决方案 [4] - 社区通过开源开放代码促进跨领域技术协同与标准共建，并推出SaaS化服务为中小企业提供轻量化方案 [4][5] - 隐语社区开源框架已部署超2000个节点，其中三分之一为企业所用 [5] 可信流通技术方案 - 蚂蚁密算通过构建统一的可信数据空间技术体系，实现跨主体的安全合规数据流通 [3] - 密态计算实现全链路保障，不仅保护计算过程，还将计算结果置于加密状态，显著降低生态整体成本 [5] - 可信数据空间核心解决全链路密态保障（数据不泄露）和全流程可信管控（数据不被滥用）两个问题 [6] 行业应用与新模式探索 - 数据流通不等同于交易，大厂的数据通常不售卖，数据要素需要新的范式而非传统土地财政模式 [6] - 在供应链金融领域，通过隐私计算实现“脱核”模式，数据持有方无需暴露原始数据即可输出可信结果，推动金融机构进行更全面的信用画像 [6] - “数据即服务”模式从经济效益延伸至产业链协同优化 [6] 人工智能与数据流通融合 - 大模型使非结构化数据价值显性化，但70%～80%的可靠性在医疗、金融等专业领域无法承受风险 [7] - 蚂蚁探索“高阶程序大模型可信应用技术框架”，通过程序表达、知识嵌入和闭环核验反馈机制，将大模型输出转化为可信的专业生产力 [7] - 该框架已在金融风控全链路、网络入侵检测、医疗重复计费等多行业场景中应用，可靠性和时效性有显著提升 [7] 软硬件一体化与成本优化 - 可信根芯片成本仅几十元，能大幅提升密态计算效率，蚂蚁与海光、华为等企业合作推动软硬一体化的可信安全体系 [7] - 数据流通短期突破点在于公共数据开放与大模型赋能 [7] 开源生态建设与产学研合作 - 开源社区旨在降低数据可信流通技术的应用门槛，提供更高性能、更强安全、更低成本的技术方案 [8] - 社区三年来已链接全球2万名开发者、60所高校及70余家产业伙伴，在普惠金融、医保结算等领域落地标杆案例 [8] - 社区与中电数据、国家工信安全中心、浙江大学、华为等建立合作，推动跨领域标准共建，增强技术中立性 [8] 未来展望与价值释放 - 行业正从隐私计算的“单点突破”迈向数据流通全栈技术的“系统作战” [9] - 数据流通基础设施成熟将释放指数级价值，让96%尚未激活的高价值数据成为数字经济的新质生产力引擎 [9] - 在数据领域可能出现真正的大模型Killer App，其冲击可能比自动驾驶来得更快、更大 [9]

数据要素市场发展 - 数据作为"第五大生产要素"的价值凸显，产业链涵盖数据库、数据平台、基础数据服务三大核心环节，需求弹性显著[2] - 中国数据产量占全球10.5%，国家政策推动数据要素在12个重点领域应用，目标2029年数据产业规模年均复合增长率超15%[2] - 专项债券政策将算力设备纳入资本金范围，数据产业基金成为破解市场化瓶颈的关键金融工具[3] 数据产业基金规模与增长 - 全国数据产业基金总规模从2023年不足500亿元跃升至2025年6月的1500亿元，实现跨越式增长[4] - 2024年呈现爆发式增长，广东设立首期200亿元、总规模1000亿元的粤港澳大湾区基金群，北京配套资金约400亿元[10][14] - 2025年新增基金规模缩减但更精准，如江苏两期各15亿元基金和浙江10亿元杭州基金[11] 区域发展特征 - 东部沿海基金规模占优：广东1000亿元基金群聚焦跨境数据流通，浙江50亿元确权基金探索金融化，山东100亿元基金投向元宇宙等[14][15] - 中部地区应用驱动：河南30亿元母基金深耕智慧农业/物流，湖北基金支持AI+工业，与实体产业深度耦合[16][17] - 西部差异化布局：重庆100亿元卫星互联网基金、贵州150亿元大数据科创基金强化算力基建和空间数据[18][19] 投资方向演变 - 从硬件投资转向全链条覆盖：早期侧重数据中心建设，2025年重点拓展确权、评估、交易等软性环节[21][33] - 战略协同特征明显：重庆对接国家卫星互联网工程，粤港澳基金呼应大湾区战略，北京配套资金服务数据安全治理[21] - 垂直场景深度融合：江苏基金投资生物医药数据中台，河南基金支持农业数据授信模型，湖北基金打造工业互联网平台[24][27][28] 行业挑战 - 转化能力分化：部分省份存在基金落地进度滞后问题，需强化头部企业牵引作用[34] - 同质化竞争显现：多地重复布局数据中心等基础设施，需加强区域协同与差异化定位[34] - 合规治理压力：跨境数据流动等场景面临隐私保护和法律合规挑战[34]

数据要素化转型 - 玄武区通过数据要素化转型突破土地资源限制，打造长三角数据要素流通枢纽[1] - 构建以数据为关键要素的数字经济，落地全国首个电池数字护照创新中心、全省合规数据跨境服务平台、长三角首个大模型工厂[1] - 江苏省数据交易所落地玄武区，采用"省市共建"模式构建统一交易平台和制度体系[1][12] 数据产业生态建设 - 国机数科落户运营"农机云"和"机械装备行业云"，中节能集团打造"零碳云"国家行业云[5] - 江苏国际数据港吸引麦当劳金拱门数科研发总部、西门子Xcelerator科创中心等头部企业[5] - 南京市交通集团挂牌全国首个全系列"路铁桥隧"交通数据产品，实现数据资产入表[6] 大模型产业发展 - 玄武大模型工厂集聚近30家人工智能龙头企业，构建1500P规模智能算力基础设施[8][9] - 促成沙钢集团等百余家制造企业与头部大模型企业建立产业协同关系[9] - 全省1/4生成式大模型诞生于此，半年带动企业新增业务超3000万元[9] 跨境数据服务 - 联合中国信通院、德国莱茵发布全国首个电池数据标准，建设电池数字护照云平台[9] - 电池数字护照已接入3万多块电池，提升中国电池企业国际竞争力[9] - 江苏中亚中心成为对接中亚五国及"一带一路"国家的数字贸易枢纽平台[10] 数据要素制度创新 - 成立全国首个"数据要素×公证法律服务"联合实验室，探索数据资产确权等法律服务新模式[13] - 江苏省数交所上架首批380个数据产品，涵盖金融、交通、工业制造等多个领域[12] - 对数据产品来源、质量、授权等环节严格审核，构建数据要素流通信任基础[12]

数据生产总量 - 2024年全国数据生产总量首次突破40ZB，达到41.06ZB，同比增长25%，增速较去年提高2.56个百分点 [2] - 人均数据生产量约为31.31TB，同比增长25.17%，相当于1万多部高清电影 [2] - 2025年全国数据生产总量有望突破50ZB，无人驾驶、具身智能、低空经济等新兴产业数据资源规模将保持高速增长 [9] 算力布局 - 2024年全国算力总规模达到280EFLOPS，智能算力规模达90EFLOPS，占比提升至32% [2] - 中央企业算力规模增长近3倍，智能算力占比为40.22% [2] - 数据技术企业算力规模同比增长近1倍，智能算力占比为43.63% [2] 新增指标与热点领域 - 用于开发、训练和推理的数据量同比增长40.95% [3] - 智能家居、智能网联汽车数据增速分别为51.43%、29.28% [3] - 低空经济和机器人数据生产量增速超过30% [3] - 智能网联汽车、大模型等智能化应用数据量占比超四成 [3] 区域分布 - 广东、江苏、山东、浙江、河南和四川6个省份数据生产量占全国比重达57.45% [4] - 东部地区数据资源开发利用活跃，北京、上海企业人工智能投入平均水平位居全国前二，浙江应用大模型的企业比例位居第一 [4] - 江苏、广东的企业数字化投入是全国平均水平的1.71倍 [5] - 山东重点监测范围内大数据企业超900家，2024年营收突破2600亿元 [4] 行业分布 - 制造、金融、交通物流行业数据生产总量领先其他行业 [6] - 金融、采矿、交通物流行业企业平均数据生产量位居前三 [6] - 交通物流、电力行业数据资源开发利用活跃度远高于全国平均水平，分别为78.24%、75.83% [6] - 2024年下半年中国金融云市场规模达到52.3亿美元，同比增长11.0%，数据交易规模占总体比重超过30% [6] 数据资源开发利用 - 2024年存储数据中活跃数据总量同比提升22.73%，活跃数据总量占存储数据总量62.04% [8] - 约66%的行业龙头企业和30%的数据技术企业购买过数据 [8] - 利用大模型的数据技术企业和数据应用企业数量分别增长57.21%、37.14% [8] - 高质量数据集数量增速达27.4% [8] - 全国地市级以上公共数据开放平台数量增长7.5%，开放的数据量增长7.1% [8] 数据产业规模 - 全国数据领域相关企业超19万家，数据产业规模超2万亿元 [9] - 按照20%以上的年均增长率测算，2030年中国数据产业规模将达7.5万亿元 [9]

行业趋势 - 数据要素与人工智能深度融合成为驱动全球科技革命与产业变革的核心力量[1] - 全球数字经济正经历从规模扩张"上半场"向价值深耕"下半场"的关键跃迁[5] - 数据要素化包含数据资源化、数据资产属性、数据资本化等多个递进层次[6] 政策与倡议 - 国家数据局等机构共同启动"数据要素×人工智能赋能高质量发展倡议"，聚焦制度、技术、组织、场景、生态五方面创新[3] - 杭州市实施"人工智能+"行动，推动数字经济向智能经济升级[3] - 杭州将围绕AGI、ASI、具身智能等重点推进"三数一链"基础设施框架与数据供给保障体系建设[3] 技术与应用 - 杭州拥有24个通过国家生成式人工智能服务备案的模型[3] - 海洋经济行业可信数据空间整合国家级海洋数据资源，构建"空天地海"一体化数据资源体系[6] - 安全智能体被视为数据要素化新阶段解决安全问题的关键核心[5] 区域发展 - 杭州作为国家数据基础设施试点城市，在数据要素市场化配置改革、技术创新、产业生态培育等方面不断夯实数字经济新基座[6] - "中国数谷"位于杭州高新区(滨江)，在数据要素市场化配置改革和行业深度应用方面取得进展[6] 安全与挑战 - 需在数据要素与人工智能融合中坚持安全与发展并重[5] - 人工智能需在安全可控前提下实现敢用、可用、好用[5] - 数据安全需从静态安全向动态安全迭代升级[5]