行业投资评级 - 报告未明确给出具体的行业投资评级 [1] 报告核心观点 - 全球能源与环境问题推动新能源广泛应用，中国计划在2030年左右将非化石能源占一次能源消费比重提高到20%左右 [4] - 80%的一次能源转化为电能使用，催生了以特高压交直流输电、柔性交直流输电、分布式交直流主动式配电网为特征的新一代电网，电力电子装置设备被大量应用 [6] - 新一代电网将发展成为“能源互联网”，其中电力电子变压器（或称能源路由器）成为不可或缺的核心装备 [11] - 面向新一代电网需求，电力电子技术需从传统的“理想开关、集中参数和信号PWM调制”变革为基于“非理想开关特性、杂散参数设计和电磁能量脉冲控制”的新一代技术 [103] - 发展高效建模仿真方法及工业软件，研制新一代电力电子装置和系统，提升变换能力与系统可靠性，为分布式发电与微电网发展提供技术支撑 [104] 背景与意义 - 新一代电网包含大量电力电子装置，其基本形态由分布式电源、微网、装置、电力电子变压器、智能终端和能源管理系统组成 [6][11] - 电力电子变压器采用电力电子器件和线路及高频变压器实现，除电压变换、电气隔离和能量传输基本功能外，还可实现无功补偿、谐波治理、电网互联、新能源并网等诸多功能 [14] - 电力电子变压器特征包括：为分布式可再生能源提供即插即用接口、提升电能质量、提高电网自愈性；从系统角度看是电力管理调节器、网络节点装置及多端口电力电子变换器 [19] - 电力电子变压器的电气结构向多端口、多级联、多路由、多形态方向发展 [20] 挑战与机遇 - 研究挑战包括电力系统网络结构的顶层研究、多端输配电系统源-网-荷等值建模理论、多电力电子变压器相互作用机理 [26] - 多模块化变流器拓扑结构存在功率器件数目多、调制控制复杂、分布式储能电容电压均衡难、桥臂环流等缺陷，需研究新拓扑结构 [28] - 功率半导体器件向提高单个器件功率耐压等级或采用小功率器件组合以实现大容量应用两个方向发展，器件追求高压高频，而装置和系统追求高电能质量和高可靠性 [31] - 电力电子变压器结构复杂、控制精度高，对仿真精度、规模和运算速度要求高，多时间尺度电磁瞬态过程系统仿真算法在同步性、界面连接及计算速度方面需深入研究 [33] - 直流系统故障保护面临直流电流无自然过零点、短路电流增长极快等挑战，需综合考虑高压直流断路器特性与电力电子变压器特性 [37] - 多电力电子变压器集群系统的分层协调控制是亟待解决的问题，包括如何组网、仿真分析和控制 [40] 建模与仿真 - 电力电子变压器设计与运行对建模仿真提出重大挑战，表现为结构复杂、功能丰富、控制多样，常规仿真技术耗时长，开关物理模型仿真难收敛 [41][42] - 报告提出离散状态事件驱动仿真机制，采用事件驱动和灵活自适应算法，计算量相比经典Ode45算法大幅降低，仿真速度提升 [45] - 提出功率开关器件换流单元的瞬态分段分析模型，建模目标为反映器件开关特性，参数可从数据手册直接获取 [48] - 10kV-2MW固态变压器算例显示，DSIM仿真方法在544个IGBT、32个SiC MOSFET、87个子模块的复杂系统中，仿真耗时仅为17.7秒，相对误差0.00183% [50] - 50kVA固态变压器算例显示，DSIM采用PAT模型仿真耗时4.8秒，而其他软件因非理想开关模型无法完成仿真 [52] - 基于DSED方法研制的通用电力电子仿真软件DSIM已发布多个版本，支持大规模系统仿真，速度提升10-100倍，支持开关瞬态模型且收敛性增强 [59][78] 应用与示范 - 报告团队承担国家重点研发计划，研发多端口、多级联、多流向、多形态的电力电子变压器，容量覆盖50kVA/380VAC至2MW/10kVAC等 [82][84][87] - 研发的四端口电力电子变压器具备10kV交流、380V交流、10kV直流、±375V直流四种电能端口，任意端口间电气隔离，可独立或联合运行，具备集群运行能力，显著提升系统效率、可靠性及灵活组网能力 [89][91] - 已完成3台1MW（总容量3MW）电力电子变压器的研发，展示了整机系统效果、现场安装及实验室调试情况 [93][95][97] 发展与展望 - 能源互联网中，电力电子变压器作为能量路由器处于核心地位，具有交直流端口，连接各种负载和分布式能源 [100][101][102] - 技术层面需推动电力电子技术向基于非理想开关特性、杂散参数设计和电磁能量脉冲控制的新一代技术变革 [103] - 应用层面需发展高效建模仿真方法及工业软件，研制新一代电力电子装置和系统，为新一代电网发展提供技术支撑 [104]

报告行业投资评级 未提及 报告核心观点 软件是网络空间的基石，但软件生态面临自主可控和安全可信难题，关键在于分析、理解目标闭源软件现有大语言模型难以分析二进制程序，而机器语言大模型MLM可实现全场景智能化，开创软件分析新范式，在软件逆向分析、生态迁移、供应链分析等多领域有广泛应用，能解决行业诸多痛点 [8][13][39][61] 各部分总结 背景 - 软件是网络空间的基石，广泛应用于云计算、物联网等领域 [6][7] - 软件生态面临自主可控难题，关键软件长期由国外主导，面临断供、安全、知识产权风险，且闭源导致供应链风险高、自主可控难度大 [8] - 软件生态面临安全可信难题，漏洞问题层出不穷，恶意代码急剧增长，软件安全风险未知，闭源软件分析难度大、安全问题隐藏深 [9][13][18] 关键问题 - 软件开发与安全的关键问题是分析、理解目标闭源软件，包括安全风险发现与防范、自主可控国产化替代等方面 [22] - 软件分析存在挑战，展示了相关代码示例 [24][26] - 软件理解依赖人工经验，需进行代码功能分析、安全分析等，还面临恶意漏洞、逆向破解、供应链等问题 [27] 智能化方案 - 现有大语言模型难以分析二进制程序，软件可抽象为自然语言、源代码、二进制程序三个维度的表示，机器语言缺少智能化解决方案 [38][39] - 大语言模型方案采用Transformer架构，根据不同需求分为海量算力、适量算力、少量算力三种，涉及预训练、微调、推理等环节，使用海量数据、适量标注数据、目标数据，并进行模型优化和专业数据自动生成 [42][43] - 实现了多个关键技术零的突破，包括大规模机器语言 - 自然语言 - 源代码多模态对齐数据、全自动数据生成标注对齐、自研机器语言模型训练方法、完善的机器语言模型基础设施 [50] - 关键技术包括融合领域知识的模型优化，修改模型设计融入代码领域知识；基于对比学习的语义理解，使语义相似的二进制代码embedding接近；基于多模态学习的语义理解，将语义空间与人类意图对齐 [51][54][57] - 机器语言大模型MLM可实现全场景智能化，多平台、多场景、多能力，语义理解超越人类专家水平，反汇编核心功能全面超越IDAPro [61] 典型应用 - 包括软件逆向分析，反编译生成C代码；软件生态迁移，突破卡脖子技术，实现信创国产化和老旧软件升级迁移；软件供应链分析，进行细粒度、高速、语义对齐的二进制代码比对 [67] - 软件一致性检测，解决采购痛点；漏洞挖掘，大模型赋能Oday、1day漏洞挖掘；软件版权保护分析，破解取证难题 [69] - Demo展示了MLM将黑盒二进制程序变成白盒代码，让专家从繁琐底层代码分析中解放出来专注高层分析任务 [74] 总结 - 软件自主可控、安全可信的解决方案是大语言模型 [79] - 机器语言大模型MLM是全球首个，具有全场景智能化、多平台、多能力等特点，语义理解和反汇编核心功能表现出色 [82][83] - 有广泛应用场景，涵盖软件逆向分析、生态迁移、供应链分析、一致性检测、漏洞挖掘、版权保护分析等方面 [86][87]

报告行业投资评级 未提及 报告核心观点 AI幻觉指模型生成与事实不符、逻辑断裂或脱离上下文的内容，产生原因包括数据偏差、泛化困境等，虽存在信息污染、信任危机等风险，但也有科学发现、文艺设计等创造力价值，可通过多种方式应对[12][14][17][38] 各部分总结 案例 - DeepSeek在金融行业应用，某头部银行用其构建因果归因网络，不良率下降4.2个百分点；国信证券部署模型，数据泄露风险降低90% [6] - Whisper在医疗系统应用，转录样本约一半有幻觉，2.6W多份病例几乎都有瞎编和幻觉问题 [9] 什么是AI幻觉 - 学术上指模型生成与事实不符等内容，本质是统计概率驱动的“合理猜测”，分事实性幻觉和忠实性幻觉 [12] AI为什么会产生幻觉 - 原因有数据偏差、泛化困境、知识固化、意图误解 [14] 音乐为什么没有幻觉 - 因音乐主观性和多样性、抽象性、可感知性差异，潜在表现为逻辑断裂的歌词等 [15] AI幻觉的潜在风险 - 包括信息污染风险、信任危机、控制欠缺、安全漏洞 [17] AI幻觉评测 - 通用提示语测试中，DeepSeekV3幻觉率2%，DeepSeekR1为3%，Qianwen2.5 - Max为2%，豆包为0 [19] - 事实性幻觉测试中，DeepSeekV3幻觉率29.67%，DeepSeekR1为22.33%，Qianwen2.5 - Max为27.67%，豆包为19% [21] 推理与幻觉的关系 - 推理增强幻觉率可能降低，如逻辑准确性与错误减少、上下文理解与信息关联增强；也可能增加，如逻辑过度外推等 [26][28] 普通用户应对AI幻觉的方式 - 联网搜索可降低幻觉率，如DeepSeekV3通用性测试幻觉率从2%降至0%，事实性测试从29.67%降至24.67% [29] - 双AI验证/大模型协作，如用DeepSeek生成答案后用其他大模型审查 [30] - 提示词工程包括知识边界限定和对抗性提示等多种方法 [31][32] 幻觉高发场景 - 包括知识边界模糊、复杂推理、技术性诱发等多种场景，各有对应风险等级和防护建议 [34] 应对AI幻觉的技术方案 - 有RAG框架、外部知识库、精细训练、评估工具 [36] AI幻觉的创造力价值 - 体现在科学发现、文艺与设计、娱乐与游戏、技术创新等方面，科学界还构建了新型科研范式 [38][39][40][41][42]

报告行业投资评级 未提及 报告的核心观点 - 推理大模型建立在通用大模型基础上，二者功能不同，可组合使用，当前建议优先关注垂直领域优化模型 [7][9] - DeepSeek、Gemini、ChatGPT等的Deep Research功能各有特点和用途，也存在局限性，未来推理大模型在能力、输出形式等方面有提升空间 [20][50][58] - 团队大模型应用与内化经历不同阶段，实现了从应用到智能体封装的跃升，还介绍了相关系统和工具 [89][90] 根据相关目录分别进行总结 Deep Research应用概述 DeepSeek深度思考R1 - 是基于深度学习技术的推理模型，通过强化学习提升推理能力，有自我反思能力，在数学等任务上表现与GPT - 4相当，如在AIME 2024题目上一次性解题正确率达39.2%，而GPT - 4约9.3% [20] - 推理过程分输入、思维链生成、强化学习优化、最终答案生成四个阶段，分别运用自然语言处理、思维链推理、强化学习等技术 [22][23][24] - 擅长舆论分析报告、行业研究等，撰写报告时需明确目标、收集数据、多维度剖析、评估风险并专业化呈现 [29][30][31] Gemini DeepResearch - 是Gemini网络应用程序的高级功能，可实时深入研究主题，能快速检索信息、辅助决策、生成可在线编辑报告 [50] - 使用时要明确研究问题和目标，构建有效搜索策略，从多维度探索问题，研究是迭代过程，同时要注意伦理问题 [53][54][56] ChatGPT的“深度研究”（Deep Research） - 是新代理型功能，能自主搜索、分析并综合信息生成报告，可加速和简化知识密集型研究，适用于从业者和普通用户 [58] - 适用场景包括数据调研与可视化、模糊信息检索等，技术实现体现自主智能体工作流程，能输出结构化报告 [61][62][68] - 擅长跨领域综合研究、知识密集型问答等任务，但存在研究质量与准确性有限、新发现能力有限等局限性 [70][75] 参与式观察一个团队的大模型应用与内化 团队大模型应用与内化阶段 - 2022年12月 - 2023年12月为应用尽用阶段，推进AI应用需技术和制度保障 [90] - 2024年1月 - 2024年10月为无中生有阶段，完成AI第一轮内化，实现到智能体产品封装的跃升 [90] - 2024年12月以来为你有我优阶段，AI智能体封装产品性能提升，技术成熟达商用水平 [90] 团队大模型应用与内化参考 - 包括智能跃迁维、普及实践维、工具创新维、制度基石维，推动AI在舆情研究中全面融入，构建管理闭环 [92][94][96] 相关系统介绍 - AI会商是智能决策分析系统，有智能推理引擎、实时数据感知网络、专业级报告体系，报告包含事件简介等内容 [99][100][102] - AI热搜是热搜聚合与智能分析系统，适配媒体与内容创作者等用户，具备多平台数据集成等功能 [104][105] - AI热点是行业热点事件智能分析与定制化报告系统，可自动采集数据生成专业报告，有用户定制化功能 [109][112] - Zeelin Deep Research可高效完成复杂分析任务，生成详尽报告，其服务涉及智能体封装搭建，采用分层架构设计 [125][132][134] 推理大模型使用心得 - 复杂推理任务可用推理大模型，简单任务用传统生成式大模型，模板类任务结合二者 [139] - 提示语不明白可先使用再纠正，启用推理大模型要谨慎验证，优先用DeepSeek本推，保持耐心等待其迭代 [139]

团队相关 - 团队致力于人机协同和人机共生领域，专注打造能驾驭AI、实现人类与AI共生发展的学术与实践模式 [3] - 团队成员包括李默非、何静、尤可可等，分别负责基座大模型研究研发、快生引擎研究研发、AIGC短视频等方向，且成员在多个赛事中获奖 [4] DeepSeek模式与模型 - DeepSeek有基础模型（V3）、深度思考（R1）、联网搜索三种模式，V3是通用模型适用于绝大多数任务，R1是推理模型用于复杂推理和深度分析任务 [7] - V3和R1两种模型在规范性、结果导向、路径灵活性、响应模式、风险特征方面存在差异，V3强规范约束、目标确定性高、线性路径、被动适配、低风险，R1则相反 [11] 提示语相关 - 基础模型（V3）提示语“过程 - 结果”清晰，深度思考（R1）提示语目标清晰结果可模糊 [16] - RTGO提示语结构包含Role（角色）、Task（任务）、Goal（目标）、Objective（操作要求） [18] - CO - STAR提示语框架是新加坡GPT - 4提示工程竞赛冠军提示词框架，包含Context（上下文）、Objective（目标）、Style（风格）、Tone（语调）、Response（回应类型）、Audience（受众） [20][21] - DeepSeek R1提示语技巧具有开放性，不需要角色设定、思维链提示、结构化提示词、给示例、做太多解释等 [22] - DeepSeek R1作为智能体有“全维度智能体提示框架”，包括核心层身份定义、执行层能力矩阵、约束层边界系统、操作层工作引擎 [24] 应用场景 可视化图表制作 - Mermaid图表代码生成器可根据用户流程或架构描述生成符合Mermaid语法的图表代码，需熟悉语法、准确表达流程结构等，按询问类型、收集描述、设计结构、生成代码、校验代码、提供代码的流程操作 [26] PPT制作 - 角色为PPT大纲辅助生成，能根据用户主题、内容要求、风格偏好生成PPT大纲和流程图，需具备资料收集、内容结构化、领域特定知识等技能，按确认主题、收集资料、生成大纲、生成流程图的流程操作，输出研究资料摘要、PPT大纲、核心内容流程图 [29] 海报设计 - 角色为海报辅助设计AI，根据用户产品名称、海报主题、风格要求生成提示语帮助设计海报，需熟悉视觉要素、生成创意提示语等技能，按询问主题、收集需求、生成提示语、适配工具、优化提示语的流程操作，输出完整提示语 [33][34] 视频生成 - 是全流程智能化创作工具，能快速将创意转化为视频成片，实时生成50个分镜脚本，搭配分镜图、视频及音乐提示词，从需求提交到成片仅需10分钟，输出75分质量视频 [37] 新媒体文案批量生成 - 需明确想要生成的文案类型、特征、针对对象，进行篇幅、用词、结构优化 [40] AI应用开发 - 开发中存在用户体验、数据安全、技术局限性等问题，如操作界面不直观、响应速度慢、处理大规模数据集和复杂运算有性能瓶颈等 [46] 市场调查 - AI眼中城市形象呈三级分布，江浙沪评分较高，还存在环境、居住成本、交通、医疗教育资源等方面问题 [50][52] 人机协作 - 实现人机高效协作需具备基本操作技巧、人机协作意识、能动意识、边界意识 [56]

行业投资评级 - 报告未明确给出行业投资评级 [1] 核心观点 - 智慧工地技术通过新兴信息技术的集成化应用，能够提高工作效率、降低成本、提升管理水平 [9][11] - 智慧工地技术的现状已经覆盖了策划、进度、成本、质量等主要管理方面，并已在实际过程中得到应用 [14] - 智慧工地技术的发展趋势包括新兴信息技术的集成化应用、与企业管理信息系统的有机集成以及大数据应用水平的进一步提高 [63] 智慧工地技术现状 - 智慧工地技术已经出现各种设备和信息系统，基本覆盖了策划、进度、成本、质量等主要管理方面和主要对象 [14] - 基于BIM的场地布置、进度计划、资源计划、施工方案及工艺模拟等技术已经得到应用 [18] - 中建三局一公司的智慧计划管理模块通过自动生成周工作计划，提高了精细化管理效率和水平 [27] 智慧工地技术发展趋势 - 智慧工地技术的发展趋势包括新兴信息技术的集成化应用、与企业管理信息系统的有机集成以及大数据应用水平的进一步提高 [63] - 基于BIM的建筑工程施工质量管理通过集成应用BIM等技术，支持自动生成质量验收计划、现场质量检查以及查看和统计质量状况 [74][80][82][84] 智慧工地技术的应用案例 - 广联达的智能安全帽系统通过感应安全帽芯片信号，实现工人进场曲线的监控 [40] - 广联达的物料现场验收管控系统通过软硬件结合，实现物料现场验收环节的全方位管控 [48] - 广联达的广材网提供材价信息查询平台，协助用户材料选型和定价 [34]

报告行业投资评级 未提及 报告核心观点 报告解释智慧工地概念，阐述其技术现状，指出发展趋势，强调智慧工地需新兴信息技术支撑，能提高工作效率、解决企业信息化管理问题，其技术已覆盖施工主要方面和对象，未来有集成化应用、与企业管理系统集成、大数据应用水平提高等趋势 [3][4][5][114] 各部分总结 引言 工地本身无智慧，依赖人的智慧运作，结合信息技术可使工地拥有智慧，减少对人的依赖，还能降低成本、提高管理水平 [18][19] 智慧工地技术现状 - 已出现覆盖策划、进度、成本、质量等主要方面和人、机、料、法、环等主要对象的设备和信息系统，以单项应用为主，也有集成应用系统 [23] - 进度管理方面，有基于信息化和BIM的进度管理系统，如中建三局一公司的智慧计划管理模块、广联达的BIM5D计划管理模块等 [14] - 人员管理可统计劳务队出勤等情况，还能生成队伍和人员考勤表 [41][67] - 物料管理有多种信息系统，如广联达的集采平台、BIM5D等，广材网可提供材价信息服务 [33][62][68] - 施工策划可自动生成周工作计划，成本管理有基于BIM和大数据的系统 [58][33] 智慧工地技术发展趋势 - 新兴信息技术集成化应用，如基于BIM的建筑工程施工质量管理集成BIM等技术 [78][85] - 与企业管理信息系统有机集成 - 大数据应用水平进一步提高 结语 解释智慧工地概念，阐述技术现状，指出发展趋势 [114]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1][2] 核心观点 - 中国式现代化是人口规模巨大的现代化，是全体人民共同富裕的现代化，是物质文明和精神文明相协调的现代化，是人与自然和谐共生的现代化，是走和平发展道路的现代化 [6] - 全面深化改革与中国式现代化之间存在密切的内在关系，全面深化改革促进经济高质量发展，为中国式现代化奠定更加坚实的物质基础 [6] - 数字技术正以新理念、新业态、新模式全面融入经济、政治、文化、社会、生态文明建设各领域和全过程，建设数字中国是数字时代推进中国式现代化的重要引擎 [6] 数字化发展 - 数字化发展全面融入深化改革和中国式现代化建设的战略部署，党的二十届三中全会审议通过了《中共中央关于进一步全面深化改革，推进中国式现代化的决定》，部署了300多项进一步全面深化改革的任务和措施 [6] - 数字中国建设整体布局规划指出，建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑 [6] 政务公开与政策解读 - 政务公开工作更加注重政策解读的提质增效，要求政策解读材料与政策文件同步起草、同步审签、同步发布，并关注政策解读内容的实质性要求 [9] - 各地政务公开工作普遍强调加强决策公开，提升公众参与水平，采用线上线下多元化的方式扩大公众参与，征求企业和公众的意见 [9] 人工智能与政务服务 - 人工智能技术在政务服务中的应用日益广泛，大语言模型等技术在用户意图理解、多轮对话和精准回答等方面具有明显优势，能够显著提高政务服务的响应速度和回复质量 [13] - 人工智能技术被应用于政务服务全流程，包括智能导办、智能问答、智能预填、智能预审和智能审批等服务，提升政务服务效率和用户体验 [13] 数据资源与开放 - 数据资源是网上政府的基础，涵盖经济、社会、生态和文化等多个领域，既有结构化数据，也有非结构化数据，数据资源的开发利用已成为信息化时代数字政府发展的重点内容 [16] - 各地政府网站和政务新媒体注重数据开放，整合汇聚政务数据，加强数据发布，通过各种格式化形式予以呈现，并注重大数据分析应用，基于数据分析优化在线服务 [41] 政务服务改革 - 国家高度重视“高效办成一件事”，将其作为优化政务服务、提升行政效能的重要抓手，要求从企业和群众视角出发，推动模式创新，注重改革引领和数字赋能双轮驱动 [45] - 各地积极贯彻落实国家要求，推行“高效办成一件事”，不断创新业务、制度和技术并实现深度融合，将关联性强、办理量大、办理时间相对集中的多个事项集成一个事项办理，提供标准化、个性化的优质服务 [45]

行业投资评级 - 报告未明确给出具体的行业投资评级 [6] 核心观点 - 数据要素流通是数字经济时代的关键，具备规模经济性、非竞争性、低成本复制等特点，是"新质生产力"的优质生产要素 [6] - 数据要素流通分为三次价值释放阶段：数据支撑业务贯通、数据推动数智决策、数据流通对外赋能 [7] - 我国数据产量2022年达8.1ZB，同比增长22.7%，全球占比达10.5%，但数据要素市场化配置仍处于起步阶段 [10] 地方创新实践与国际经验 公共业务创新 - 我国在全球率先开展公共数据授权运营实践，北京、上海、广东等地形成了差异化的运营模式 [14][15] - 北京市金融数据专区汇聚2300余项高价值数据，数据总量超50亿条，数据服务调用量累计近2亿次 [16] - 欧美国家通过有偿的政府数据公开实践，提供数据资源化、平台搭建和授权使用等经验 [20] 市场业务创新 - 国内首单数据信托来自2016年中航信托，总规模为3000万元 [24] - 美国"信息受托人"和英国"数据信托"模式分别通过信义义务和第三方独立机构管理个人数据 [28] - 日本"数据银行"通过数据商店将个人数据变为流通和交易的资产 [29] 组织主体创新 - 国资数据集团成为地方政府管理地方数据资产的新形式，省级集团平均注册资本为32.19亿元，市级集团平均11.58亿元 [31][32] - 上海数据集团注册资本50亿元，下属企业6家，推动公共数据授权运营和数据基础设施建设 [33] - 韩国通过《数据产业振兴和利用促进基本法》和《数据产业振兴基本计划》推动数据产业发展 [36] 参与主体创新 - 我国数据交易所从"撮合交易"模式走向"综合数商"模式，截至2022年8月共有46所数据交易所成立，平均注册资本超过1亿元 [39] - 贵阳大数据交易所累计汇聚602家数据商，累计交易额超过16亿元 [40] - 美国"数据经纪商"通过私下撮合方式进行数据交易，欧盟"数据中介"则通过中立性促进数据共享 [45][47] 流通范围创新 - 我国跨境数据流动制度改革释放放宽数据流动限制的信号，自贸试验区进行先行先试 [49] - 粤港澳大湾区通过"一国两制三法域"优势，探索跨境数据流动的创新经验 [54] - 美国、欧盟和日本分别通过自由流动、严格有条件流动和基于信任的自由数据流通机制推动跨境数据流动 [57] 流通技术创新 - 数据空间技术通过标准化通信接口和同一连接架构实现数据流通，上海电气尝试建设工业领域数据空间 [60] - 德国率先发起工业数据空间建设，欧盟提出建立国际数据空间的倡议，并开发多个行业数据空间 [65][66] 对策建议 - 建立公共数据授权运营的权责利系统性框架，设计科学合理的收益分配体系 [69] - 建立数据信托稳健治理流程，实现数据保护与利用的平衡 [70] - 强化国资数据集团数据要素积累，开展"有组织的"数据要素市场化配置 [71] - 夯实数据交易所基本功能，助力企业数据资产入表，做好数商生态服务 [73] - 统筹发展与安全，有序扩大我国跨境数据流开放水平 [74] - 加大前沿数字技术研发投入，提升多主体多领域数据互联互通的协同程度 [76]

报告行业投资评级 - 无相关内容 报告的核心观点 - 智慧城市建设是运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式 中国智慧城市建设始于2008年金融危机后，并经历了多个发展阶段，已经成为城市经济转型发展的重要载体[8] 根据相关目录分别进行总结 智慧城市建设基本情况 - 政府高度重视智慧城市建设，建设步伐不断加快 智慧城市是运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式 中国智慧城市建设始于2008年金融危机后，并经历了多个发展阶段，已经成为城市经济转型发展的重要载体[8] - 智慧城市建设以智慧建设与管理、智慧产业与经济、智慧服务为主要应用方向 通过运用信息技术和数字化手段，提升城市管理效率、改善市民生活质量、推动可持续发展成为智慧城市建设的基本目标 大部分智慧城市政策的落脚点为数字技术的多场景应用 在城市管理、交通警察、公共安全、旅游、医疗、教育等领域中加强技术的集成应用这一理念贯穿于整个智慧城市建设过程中 根据智慧城市建设的应用对象可将智慧城市应用场景划分为智慧建设与管理、智慧产业与经济、智慧服务三大类[11] 智慧城市建设成效与问题 - 智慧城市建设整体取得较好成效的同时，亦存在着促进产业结构合理化效果不佳、政策效应不平衡等问题 经过数年的探索和建设，智慧城市建设取得了较好的成效 基于双重差分模型的政策效应评估表明，以智慧建设与管理、智慧产业与经济、智慧服务为主要应用方向的智慧城市建设明显促进了家庭消费结构升级、居民生活满意度提升与产业结构高度化，已经成为推动城市高质量发展的重要抓手 与此同时，智慧城市建设亦存在着部分问题 首先，在产业结构升级方面，智慧城市建设对产业结构合理化的促进效果不佳[12]