财务表现 - 2025年上半年营业收入289 44亿元同比下降14 06% [2] - 归属于上市公司股东的净利润14 63亿元同比上升18 63% [2] - 拟派发现金红利7 31亿元占当期净利润50%每10股派1 186元 [2] - 核心产品先进钢铁材料销量133 72万吨占总销量29 77%占比同比增加2 64个百分点 [3] - 核心产品毛利率20 26%同比增加2 32个百分点毛利总额13 67亿元占钢材产品毛利总额46 67%同比增加3 19个百分点 [3] 成本控制与运营优化 - 通过多维度节能技术改造实现M端工序降本3 07亿元 [2] - 高效贯通"四大界面"包括料铁界面、铁钢界面、钢轧界面、客户界面 [2] - 采取品种结构增益、模式创新、采购降本、财务费用降本等措施 [2] 研发与技术突破 - 重点突破先进钢铁材料、关键战略材料和前沿新材料领域的"卡脖子"技术 [2] - 95mm厚止裂钢供货世界最大集装箱船100mm厚止裂钢实现全球首次应用 [2] - 液态二氧化碳储罐用高强钢应用于全球首个海上二氧化碳封存项目挪威北极光项目 [2] - 与华为合作发布"元冶·钢铁大模型"架构定义工业大模型 [3] 数字化转型与数据资产 - 落地"炼数成金"数据资产入表管理与运营平台推动两项数据产品在江苏省数据交易所挂牌一项在上海登记 [3] - 实现数据资产入表714万元建立"数据+模型+应用价值"核心理念 [3] 环保与低碳发展 - 全面实现全流程超低排放连续两年获评长流程环保绩效A级企业 [3] - 入选全国第一批"新四类"环保设施开放单位名单 [3] - 完成基于ISO 14064标准的碳盘查并首次获得证书 [4] - 帘线钢产品通过ISO 14067产品碳足迹核查认证和14021再生含量受控混合认证 [4] - 获得江苏省钢铁行业首单碳金融贷款3亿元授信 [4]

文章核心观点 - 真实数据资产（RDA）与现实世界资产（RWA）分别代表企业数字化战略的“境内”数据资产合规流通与“跨境”资产数字化的创新路径，二者协同构成“双轮驱动”模式，为企业创造“数据价值+资产流通”的双重增量 [3] RDA模式详解 - RDA是上海数据交易所于2025年提出的新型数字资产形态，指企业合法拥有或控制、经过合规处理、具备明确业务场景、能够产生经济利益且技术上可用的数据资源，通过特定机构登记封装形成的标准化数据资产，核心理念是“实数融合” [4] - RDA业务流程包括入表、登记、估值、挂牌、披露五个关键环节，遵循“先入表，后登记”的合规审慎原则，并采用“金准估”估值体系 [7][8][9][10][13] - 中介机构在RDA生态中发挥关键作用，律师事务所提供数据合规服务，评估机构进行专业估值，会计师事务所协助财务处理，其他合规服务商确保全流程合法合规 [11] - 自2022年12月以来，国家层面密集出台多项政策支持数据资产发展，包括数据资产入表探索、会计处理规范、数据资产管理指导意见等，为RDA发展提供了坚实的法律与政策依据 [15] RWA模式详解 - RWA指将现实世界资产的所有权或收益权通过区块链技术映射为数字代币的过程，关键在于为现有资产创建可编程、可分割的数字代表，而非创造新资产 [16] - 根据《RWA产业发展研究报告·产业篇2025》，RWA产业正从概念验证向实际应用转型，截至2025年6月总锁仓量达到125亿美元，比2024年增长124% [18] - 成功实现规模化落地的RWA资产需满足价值稳定性、法律确权清晰性及链下数据可验证性三大门槛，当前主流资产方向包括金融资产、新能源资产、不动产、无形资产和算力资产 [17][18] - RWA与稳定币的深度融合正在改写链上金融规则，推动行业从投机游戏转向构建有实体支撑的“价值互联网”，全球监管正形成共识性框架，采用穿透式监管和牌照准入制度 [18] RDA与RWA对比分析 - RDA聚焦数据资产，基于境内数据交易所体系，强调数据与实体经济融合；RWA覆盖资产类型广泛，利用区块链实现全球流通，交易不间断，旨在打破流动性和地域限制 [19] - RDA优势在于助力企业数据资产化、优化财务报表、规范数据交易市场；RWA优势在于提升资产流动性、降低融资成本与门槛、增强资产透明度和安全性 [20] - 互联网、金融科技、电商等数据资源丰富行业适合采用RDA模式；房地产、能源、物流等重资产行业则更适合采用RWA模式来盘活资产 [21] “A+H”协同模式探索 - 借鉴资本市场“A+H”模式，上市公司可通过境内RDA完成数字资产确权、封装等合规要求，再搭建离岸架构满足海外监管，以实现全球化的RWA，打通全球数字资产战略 [22][23] 上市公司数字资产价值意义 - 数字资产运作能盘活企业数据和各类资产，优化财务状况并提升企业估值，例如数据资产入表增加资产规模，RWA增强重资产流动性 [24] - 从市场角度看，数字资产促进数据要素市场和全球资产市场发展，推动行业创新和资源优化配置，如数据交易带动产业发展，RWA促进跨境投资和金融创新 [24]

数据交易所概述 - 数据交易所是数据要素市场的"证券交易所"，实现数据的标准化改造、合规调用和自由流通[3] - 交易标的从"原始数据包"升级为"数据元件""数据能力"和"数据场景解决方案"[2] - 交易链条由"撮合买卖"演变为"全生命周期资产运营"[2] 发展历程与规模 - 2015年国务院颁布《促进大数据发展行动纲要》，开启数据交易元年[2] - 截至2025年7月全国数据交易机构超50家，形成"1个国家级+N个区域级+X个行业级"矩阵[2] - 交易规模从2015年亿元级增长至2024年千亿级，2025年预计突破3000亿元[2] - 2023年全球数据交易规模1261亿美元，2030年预计达3708亿美元[17] - 中国数据交易市场规模2023年1537亿元，2025年预计2841亿元（CAGR 46.5%）[19] 市场格局与参与者 交易所分层 - 头部层：北京、上海、深圳三大交易所[7] - 枢纽层：广州、贵阳、杭州等区域中心[7] - 萌芽层：其他省份"政府引导+行业龙头"模式[7] 主要交易所表现 - 北京国际大数据交易所：累计交易2250TB，近三年年均增长率超200%[12] - 上海数据交易所：2024年交易额超50亿元，2025上半年同比增长50%[13] - 深圳数据交易所：2024年交易规模超50亿元，跨境交易1.1亿元[15] - 广州数据交易所：2024年交易额超25亿元，覆盖1360项标的[16] - 贵阳大数据交易所：2025上半年交易5114笔，累计上架1480个产品[17] 买卖双方 - 卖方：政府及国企（公共数据）、数据服务商、大型互联网公司[5] - 买方：银行、保险、车企、药厂、AI公司、政府项目等[5] 交易品类与技术应用 - 品类覆盖金融、医疗、工业、交通、环保等20多个行业[12][22] - 金融数据交易规模持续扩大，医疗数据成为热点[22] - 采用隐私计算、区块链等技术实现"可用不可见"和可信追溯[22][30] - 北京所探索新型交易范式，上海所推出"U235"区块链框架[22][27] 典型案例 - 北汽新能源完成1000万元数据资产入表，并获2亿元质押融资[24] - 工商银行北京分行落地200万元数据资产质押贷款[25] - 深圳供电局电力数据产品采用隐私计算，查询成本降70%[31] - 南方电网"电力+碳排"数据帮助磷化工企业年省1200万元[32] - 粤港澳大湾区金融机构采购跨境物流和专利数据[33] 未来趋势 - 数据资产入表市场规模2030年预计达8278亿元[19] - 技术驱动创新，区块链等提升交易透明度和流动性[30][34] - 国际化发展推动数据要素跨境流通[34] - 多层次市场交易体系逐步形成[34]

近况解读 - 国内数据要素市场体系在政策与产业建设推动下逐步完善，向"政产联动"更高价值阶段迈进 [1] 政策剖析 - 数据产业链价值流通体系政策完善与地方数据体系健全保障了国内数据要素价值链流通 [3] - 数字产业进入"质量提升"新阶段 [3] 规模核算 - 中国数字经济规模从2017年27.2万亿增长至2023年53.9万亿，六年翻倍，复合增长率12.07% [6] - 2024年数字经济核心产业增加值达13.49万亿元，占GDP10% [6] - 数据要素市场预计以20.26%复合增长率增长，2025年达2000亿，2028年突破3000亿 [6] - 数据处理环节预计2028年规模达1440亿元，成为占比最高细分产业 [6] 数据要素价值流通体系建设 - 以前沿技术与监管合规为支撑的数据要素价值阶段性开发流通链路体系正在建设 [8] 数据价值链流通（一）：数据合规与确权 - "数据二十条"明确了三大数据源分类分级确权制度与三权分置体系 [11] - 公共数据开放不足、企业数据流通受阻等问题仍存在 [11] 数据价值链流通（二）：数据登记 - 建立"1+3"政策体系与两级平台架构管理公共数据资源 [13] - 国家公共数据资源登记平台作为全国登记总枢纽 [13] 数据价值链流通（三）：数据价值评估 - 2019年起建立数据资产评估政策体系 [16] - 2024年6月发布公共数据资源价值评价标准填补空白 [16] - 数据价值易变性等特征导致评估复杂度高于预期 [17] 数据价值链流通（四）：数据资产入表 - 2024年起数据资源可计入财务报表，改善企业资本结构 [19] - 入表资产主要应用于产品服务、内部降本增效和AI开发 [19] 数据价值链流通（五）：数据资产交易 - 数据交易呈现"内冷外热"格局，场外交易占主导 [21] - 五大头部交易所在标准制定等领域发挥主导作用 [21] 数据价值链流通（六）：数据资本化应用 - 数据资产服务企业融资与股权投资成为主流资本化模式 [23] - 金融杠杆效应放大数据资产价值与风险 [23] 数据价值链流通（七）：数据资产通证化 - RWA实现实物资产数字化，RDA构建数实融合资产体系 [26] - 建立DCB体系保障可信数据资产流通安全 [26] 产业实践：各产业规模拆分 - 金融业和互联网分别占据约1/3和20%市场份额 [29] - 金融业数据要素规模预计2028年突破1000亿，复合增长率19.06% [32] - 工业制造业预计2028年达302亿，复合增长率24.22% [35] - 医疗健康业预计2028年突破250亿，复合增长率23.69% [37] 趋势一：高质量数据集建设 - 2025年已建设数据集524个，规模超29PB，服务163个大模型 [40] - 打造"数据标注+数据集+模型+应用场景"闭环生态 [41] 趋势二：可信数据空间建设 - 2025年首批63个试点项目涵盖城市、行业和企业 [43] - 计划2028年建设超100个可信数据空间 [43]

民营经济高质量发展政策支持 - 坚定不移推动民营经济高质量发展是党和国家一以贯之的基本方针政策 民企发展的痛点难点堵点成为精准施策的切入点 企业"出题" 政府"解题" 成绩由企业评判 [1] 山东港通数据资产融资案例 - 山东港通数据智能有限公司通过"资产数据入表"获得500万元纯数据资产质押贷款 解决小微企业资产少、抵押物缺的融资难题 [1] - 公司成立于2019年 聚焦港口物流数字化转型 已形成智慧物流、智慧港口等领域的系列数字化产品 [1] - 公司梳理出包含港口资源、口岸资源数据、BIM模型构件、MG动画在内的11项核心数据 [5] - 2021年至2024年 11项核心数据资产中有9项带来695.39万元合同收入 [10] - 专业评估机构采用收益法评估 11项核心数据资产估值达1001.94万元 [10] - 从项目启动到贷款落地历时3个月 2024年4月获得500万元贷款 [11] 数据资产入表流程 - 山东省2024年9月印发《关于加快推进数据要素市场化配置改革的实施意见》 支持企业开展数据资产入表 [4][13] - 流程包括：盘家底（数据清查和统计）、确"身份"（合规确权和质量评估）、估身价（价值评估）、申贷款 [5][6][7][11] - 烟台市已有30余家企业完成数据资产入表工作 [14] 数据要素市场化发展 - 目前不少企业数据要素处于"沉睡"状态 处于"自产—自留—自用"的封闭阶段 [1] - 山东港通计划建立自有数据交易平台 探索数据交易 [12] - 数据资产入表为后续市场行为奠定基础 实现数据资本化 [14]

公司业务聚焦 - 公司核心业务聚焦于为各行业客户提供专业的数据资产入表服务 [1] - 公司自身暂无入表数据资产 [1] 信息披露 - 具体相关情况需持续关注公司公开披露信息 [1]

公司业务进展 - 公司在数据资产入表领域积累了丰富经验，服务对象包括大型央国企 [1] - 业务覆盖能源、交通、制造等多个行业领域 [1] - 具备从咨询到技术工具的全链条服务能力 [1] 行业应用场景 - 已支持水电站、光伏电站、火电站等能源设施的数据资产入表工作 [1]

公司数据资产入表进展 - 公司2024年已完成一项数据资产入表工作并在定期报告中披露 [1] - 目前暂无其他正在推进的数据资产入表项目 [1] - 后续如有相关项目进展将严格按信息披露规则及时履行披露义务 [1]

人工智能行业发展与政策支持 - 全国工商联人工智能委员会正开展产业调研并形成多项AI相关提案和建议，旨在借助AI技术实现降本增效和产业智能化升级[1] - 人社部已发布生成式人工智能系统测试员等工种，预计明年将诞生智能体等相关新工种，并逐步建立职业标准及鉴定考试体系[1] - 行业将基于安全前提推动人工智能应用，打通智能体应用的“最后一公里”，推广优秀案例和产品以促进平台建设[3] 数据要素的价值与挑战 - 当前企业数据存在分裂问题，跨企业数据流通困难，需建立科学的数据资产管理和确权机制以释放数据价值[1] - 国家数据局正推动数据开放，深圳数交所已形成交易，大湾区正试点通过行业协会实现商业数据开放[2] - 数据资产入表应区别对待，数据的核心价值在于客户使用和流转能力，其本质特征是可复制性，与土地的唯一性不同[2] - 上市公司中具有价值的可入表数据包括行业经验与技术诀窍，通过深度分析可提炼反映行业平均管理水平的关键数据[2] 人工智能技术演进与产业浪潮 - 人工智能发展历经1950-1980年的逻辑推理、1980-2000年的知识推理、2000-2020年的深度学习，至2023年进入AIGC阶段[3] - 产业浪潮从科大讯飞代表的语音对话式AI，演进至商汤、旷视代表的图像判别式AI，再到DeepSeek、百度文心一言等大模型引领的生成式AI全面爆发[3] - 生成式AI正推动人工智能从感知理解向内容创造跃迁[3]

数据要素公平与供给 - 数据作为重要生产要素 其有效供给是实现社会主义公平的关键体现[1] - 行业协会是未来数据要素供给的重要抓手 将作为桥梁推动数据治理[1] 数据资产价值与特性 - 数据资产的核心价值在于客户确认的价值 而非简单的流转[1] - 数据与土地要素的关键区别在于数据具有可复制性 而土地具有唯一性[1] - 发挥数据要素的价值是最终目标[1] 企业数据资产入表 - 上市公司部分有价值的数据资产应当入表[1] - 大部分数据在确权方面面临边界模糊的问题[1] - 未来数据交易将趋向规范 这是解决问题的关键所在[1]