数据要素×行动实施情况 - 国家数据局正在抓紧编制"数据要素×"应用场景指引，强化场景牵引，持续推进公共数据"跑起来"示范场景建设 [1] - 中央企业成立数字科技类公司近500家，约66%的行业龙头企业购买过数据，数据开发利用热情不断提升 [1] - 一批以数据为主营业务的企业成功上市，显示出数据企业发展潜力和活力 [1] 数据要素赋能效果 - 工业领域大型龙头企业通过汇聚产业链数据，实现高端产品研发周期、采购交付周期缩短30%以上，库存周期从3个月降低到1个月 [2] - 农业领域种植企业通过数据赋能施肥环节，综合提升产量5.5%，养殖企业实现海洋牧场海洋生物资源总量增加5.3倍 [2] 数据要素×大赛应急管理赛道 - 2025年"数据要素×"大赛应急管理赛道设置"提升安全生产监管能力""提升自然灾害监测评估能力""提升应急管理智能化水平"3个赛题方向 [1][4] - "提升安全生产监管能力"赛题方向围绕挖掘数据规律特征、探索数据融合分析、构建智能监管场景三个方面开展应用探索 [4] - "提升自然灾害监测评估能力"赛题方向从完善监测感知体系、提升预警响应时效、拓展救援评估方法三个方面开展应用探索 [4] - "提升应急管理智能化水平"赛题方向探索共建高质量数据集，拓展大模型智能化场景应用，推动智能机器人赋能实战化应用 [4] 数据要素发展措施 - 加快数据要素综合试验区创建，联合有关部门深入开展"数据要素×"试点，推动打破数据在重点场景应用的堵点难点问题 [3] - 构建全国统一的数据市场规则、设施和治理体系，繁荣培育市场经营主体，创造更加公平、更有活力的市场环境 [3] 数据要素×大赛特点 - 更加关注数据治理，注重标准体系建设、安全合规及高效流通，促进数据交易、交互、交换 [5] - 更加强调务求实效，通过强化场景的引领作用、问题导向及效益目标，打造"供数一用数一收益"价值闭环 [5] - 更加突出开放创新，突出技术创新与应用创新并重、行业高质量数据集建设及新模式新业态培育 [5]

AI善治联合体扩容 - 业内首个AI善治联合体"人本智能倡议"新增百度、MiniMax、浪潮信息、慧与科技等7家科技企业成员，覆盖大模型、算力基础设施及AI医疗等关键领域 [1] - 联合体成员总数近50家，形成技术研发、应用落地与伦理治理全链条覆盖 [1] - 人工智能治理被定义为技术发展的方向性框架，中国将安全与治理能力纳入AI能力建设核心组成部分 [1] 谷歌数据滥用案判决 - 谷歌因未经许可收集安卓用户数据被判赔偿加州用户3.146亿美元，涉及约1400万名居民 [2] - 陪审团认定谷歌在设备闲置时收发用户数据构成"强制性负担"，数据用于定向广告却让用户承担流量费用 [2] - 谷歌辩称用户已通过服务条款授权操作且未造成实际损害，但判决被视为数据透明化治理的标杆案例 [2] 迪拜空中出租车进展 - 迪拜成功试飞4座垂直起降空中出租车，最高时速320公里，计划2026年启动商业运营 [3] - 首条航线连接迪拜国际机场与朱美拉棕榈岛，飞行时间12分钟（较驾车缩短33分钟） [3] - 项目由迪拜交通部门与美国企业合作推进，标志着立体出行技术进入商业化倒计时阶段 [3]

战略篇 - AI战略成功的关键在于与业务的深度融合而非技术领先 技术领先但缺乏业务场景融合的项目易失败 银行业通过成熟AI技术强化风控降低坏账率 零售业通过AI优化供应链预测减少库存积压提升门店坪效 [2] - 并非所有问题都适合用AI解决 传统统计方法或自动化脚本可低成本高效解决的问题无需强行上AI 某公司曾用AI处理销售报表分析导致资源浪费且效果不佳 [3] - 追求长期价值的AI战略更易成功 短期ROI不明显但战略价值高的AI应用如用户画像和个性化推荐可提升用户粘性构建竞争壁垒 亚马逊早期推荐系统投入虽未直接盈利但长期形成护城河 [4] - AI项目成功标志是业务价值提升而非技术先进性 不以业务价值提升为目标的AI项目均被视为无效 企业需以实际业务提升评估AI投入产出 [5] 技术篇 - 影响AI落地的最大因素是"数据孤岛"而非人才或资金 数据分散标准不一导致AI模型训练和部署困难 大型企业需先进行数据治理和流程再造 [6] - 购买现成AI解决方案比完全自研更适合大多数企业 除非AI是公司核心竞争力否则无需从零研发 成熟AI平台和行业工具可快速实现AI能力 [7] - 模型实用性和可解释性比参数规模更重要 复杂深度学习模型可能成为"黑箱" 简单模型如决策树和逻辑回归更易理解信任和排查问题 [8] - 模型安全性、伦理与责任是红线 AI系统需建立完善数据治理和隐私保护机制 多层级安全防护和数据权限管控确保系统安全性 [9] 人才与组织篇 - 企业更需要既懂业务又懂AI的复合型人才而非单纯AI科学家 AI产品经理和解决方案架构师是连接技术与业务的关键桥梁 [10] - 提升全体员工AI素养比依赖个别AI精英更重要 全员AI培训可形成学习应用AI的整体氛围 类似丰田"改善"文化的"AI赋能"文化更有效 [11] - AI落地失败主因是组织文化和沟通问题而非技术 业务部门不配合需求不明确或缺乏高层支持导致项目失败 [12] - AI时代需要跨多领域人才而非单一技能人才 融合不同专业知识的跨领域人才能更好应对复杂多元业务需求 [13] 实施运营篇 - AI落地需持续运营优化而非一次性投入 数据变化和业务需求调整要求AI模型持续监控评估和迭代 需专门MLOps流程和团队支持 [14] - 专注于边界明确的小问题比颠覆行业更易成功 解决具体小问题如优化门店补货效率比构建"工厂大脑"更现实 [15][16] - AI工具的员工体验比模型智能更重要 操作复杂界面反人类的AI工具难以推广 简洁易上手的设计可提升采纳率 [17][18]

数据驱动的智能化服务构建 - 数据成为企业智能化服务升级的关键驱动力，行业巨头通过海量数据优化服务体验[1] - 招商银行每日分析数百万条客户对话数据优化语音识别模型[1] - 京东基于数千万次咨询记录迭代升级"京小智"对话流程[1] - 中国移动借助数亿用户交互数据完善全渠道服务[1] 数据收集与处理体系 - 企业需搭建全渠道数据采集网络，部署智能语音识别与自然语言处理技术实时抓取交互数据[1] - 中国移动将电话客服语音转化为文本数据，同步采集在线客服聊天记录[1] - 京东"京小智"对接商城订单系统获取客户购买历史等信息[1] - 企业通过语音评价、在线问卷等多渠道收集客户主观反馈[1] 数据标准化与洞察提炼 - 京东将客户咨询数据划分为多个细分标签，通过机器学习算法自动归类[2] - 招商银行发现"理财产品赎回到账时间"咨询占比高，优化知识库以可视化时间轴呈现答案[2] - 京东基于用户浏览记录训练商品咨询意图预测模型，自动前置相关信息缩短咨询时长[2] - 京东通过数据分析优化售后退换货流程，显著提升流程完成率[2] 智能服务中台建设 - 数据中台集中存储各类数据确保一致性[3] - AI能力中台封装通用AI模块支持业务场景快速调用[3] - 知识中台建立动态更新机制持续优化知识库[3] - 招商银行将金融领域语义解析算法封装为API供不同业务线调用[3] 人机协同与持续优化 - 中国移动将简单业务完全交由AI办理，占比达客服总量68%[5] - 招商银行AI在处理跨境汇款限额咨询时自动推送相关政策及操作指南[5] - 京东发现奢侈品退换货咨询时人工客服转化率更高，设置自动转接人工规则[5] - 京东通过分析退换货对话数据提炼客户情绪关键词与解决方案优先级映射关系，显著降低投诉率[5] 数据治理与业务融合 - 京东成立"智能客服专项组"实现客服部门、技术团队和数据分析部门协同[8] - 招商银行将反洗钱规则转化为AI客服对话限制条件提升金融风控能力[8] - 京东将商品关联规则嵌入AI客服回复逻辑提升关联销售转化率[8] - 企业通过大语言模型实现自动化洞察生成、自主优化建议和服务策略预测[8]

金融科技发展概况 - 银行业数字化转型进入深水期，中小银行依赖第三方合作，人工智能应用场景扩展到风险管理等领域，信创是未来3-5年主要领域，2024年国有六大行科技投入中邮储银行增速9.03%最高，交通银行IT/营收占比5.41%最高 [12][13] - 保险业数字化转型聚焦核心业务系统改造，向"小核心、大外围"架构发展，部分公司进行IFRS17新会计准则系统适配，贴近市场需求为新能源车主提供保险产品 [14] - 2024年中国金融科技市场规模3949.6亿元，增速9.7%，银行科技占比73%，预计2025年起以13.3%复合增长率增长，京沪深为第一梯队，广东、上海、北京金融科技企业数量前三 [17][19] - 新兴市场如东南亚、拉美对移动支付需求大，中国技术成本较欧美低30%以上，香港虚拟资产交易中心建设等为出海提供途径，中资制造业企业出海推动跨境支付需求 [27][28][29] 金融科技前沿和趋势 - 2024年全球人工智能市场规模170亿元，中国生成式AI市场规模45.9亿元，大模型逐步取代传统算法，AI Agent向核心业务渗透，金融机构需完善AI治理体系 [37][38][42] - 2024年全球区块链市场规模逼近4000亿元，中国达39.94亿元，央行数字货币在跨境支付等场景应用，香港《稳定币条例》出台推动区块链发展 [44][46][48] - 2024年中国云计算市场规模超8378亿元，金融云市场规模逾187亿元，金融机构加速上云，构建"云智一体"技术底座，IDC预测2026年90%金融机构将采用多云战略 [50][52][59] - 2024年中国量子通信市场规模约892亿元，量子技术在金融分析、加密等领域应用，预计2030年量子加密技术融入央行数字货币系统 [35] - 2024年中国大数据产业规模7320亿元，数据资产入表市场前景广阔，金融机构向"数据驱动"转型 [35] 中国金融科技竞争力评价与TOP100企业 - TOP100企业分为综合服务与技术平台、垂直领域创新、前沿技术应用三类，北京41家领先，前五大区域占比超八成，45家企业已出海，海外收入增长20% [4] 典型案例 - 博彦科技展示全球化服务，马上消费金融的"爱马平台"应用于反欺诈等领域 [5]

2025汉诺威工业博览会十大工业技术趋势 核心观点 - 工业技术趋势呈现AI、边缘计算、数据治理与可持续性深度融合的特征，推动行业向智能化、自动化与绿色发展转型 [1][14] 分项技术趋势 生成式AI工业应用 - 生成式AI已成为工业软件标配功能，主要应用于代码编写简化、数据分析和用户支持的聊天机器人场景 [4] - 几乎所有头部工业软件公司都展示了集成GenAI能力的应用方案 [4] 代理型AI发展现状 - 代理型AI仍处于早期阶段，当前演示多局限于简单自动化任务如数据检索和工作流执行 [5] - 大型云服务商和软件厂商重点宣传代理能力，但尚未实现真正的自主行为 [5] 边缘计算转型 - 工业边缘计算从硬件设备向集成AI软件栈演进，实现操作型AI本地化运行 [6] - 新一代边缘AI堆栈包含模型训练、部署、推理和MLOps工具，完成工业环境下的AI生命周期闭环 [6] DataOps平台演进 - DataOps平台从数据集成向工业AI使能者升级，成为展会访问量最高展区之一 [7] - 数据治理成为平台标准功能，支持GDPR合规、数据血缘追踪等需求 [7] 数字主线技术 - 融合AI的数字主线打通产品全生命周期数据流，实现设计-制造-服务全流程协同 [8] 预测性维护革新 - PdM从纯软件转向集成专用传感器的软硬一体方案，竞争焦点转向传感器质量与系统兼容性 [9] - 应用范围扩展至螺栓、润滑系统等传统忽视的资产类别 [9] 专用5G发展 - 专用5G在美亚地区采用率提升，但受限于基础设施适配、行业设备开发和频谱监管等集成难题 [10] AI赋能可持续性 - AI升级碳排放管理系统，优化能源消耗预测并简化ESG合规报告流程 [11][12] 机器人交互创新 - 认知AI与语音交互成为机器人技术新方向，通过语音命令降低非专业用户使用门槛 [13] 数字孪生进化 - 数字孪生从虚拟镜像发展为实时决策助手，应用于运营、培训和质量控制场景 [14]

数据要素价值转化 - 数据要素作为新时代的"石油"，其资产转化和应用成为行业关注焦点，需通过治理与技术创新实现价值跃升 [1] - 《"数据要素×"三年行动计划(2024-2026年)》提出发挥数据要素报酬递增、低成本复用特点，优化资源配置并赋能实体经济 [1] - 数据资产化需以高质量供给为基石，依托复合AI、智能问数等技术打通"数据—知识—业务"链路 [1] 数据应用领域变革 - 数据要素影响力提升叠加AI技术迭代，推动数据应用领域格局变革，需通过技术突破破解治理瓶颈 [2] - 高德纳报告指出数据领域九大趋势，包括AI代理、小语言模型等，催生企业和人员管理新挑战 [2] - 探索AI与数据治理深度融合是释放数据价值的关键，可通过复合AI知识库、数据编织等技术实现精准决策 [2] 企业数据价值激活 - 中央企业成立近500家数字科技类公司，约66%行业龙头企业购买过数据，数据开发利用热情高涨 [3] - 《2025年数字经济工作要点》强调推进数据资源整合共享，开展企业、行业、城市三类可信数据空间试点 [3] - 数据要素价值最终需通过企业创新应用实现，国家数据局推动企业用数创新以体现降本增效和新质生产力培育 [3] 科技企业实践 - 神州信息发布"数智大脑"企业级解决方案，腾讯云搭建智能体开发平台满足企业全链路需求 [4] - 科技企业通过技术创新与场景落地双重驱动，深化数据要素与业务场景融合 [4] - 腾讯云表示智能体开发平台将随大模型进化进一步优化，助力企业搭建符合业务场景的应用 [4] 金融业数智化转型 - 金融行业数智化转型需转向"人类建模人员+AI程序员"协作的软件研发模式 [5] - 科技企业探索打破传统"竖井式"研发，建立业务建模、IT建模等核心组件架构以驱动金融软件升级 [5] - 金融机构拥抱AI"智慧大脑"是构建未来智慧金融生态的关键，需从"产品思维"进化为"服务生态" [5]

行业动态 - 第三届民航网络与数据安全论坛在北京开幕 主题为"AI赋能民航新业态 共筑数智安全新基石" [1] - 论坛由中国航空运输协会主办 南航数智科技和中国民航信息网络股份承办 中国民航大学协办 [3] - 近300位来自航空公司、机场、民航保障企业、科研院所和网络安全领域的专家学者参会 [2] 行业趋势 - 民航行业正处于智能化转型的关键期 人工智能是重要驱动力量 [1] - 需要强化AI安全治理体系建设 建立"技术可控、流程可溯、责任可究"的AI全生命周期管理框架 [1] - 需深化数据安全与业务创新协同 探索民航旅客数据、航司运营数据、空管监控数据的分类分级保护路径 [1] 技术创新 - 南航数智科技获批"广州市信息技术应用创新（交通）行业适配中心" 论坛期间举行授牌仪式 [3] - 论坛见证了国产化适配成果落地 探讨技术创新与安全治理融合路径 [2] - 聚焦航空领域网络安全和数据安全前沿议题 包括架构创新和场景实践 [2] 人才培养 - 构建"政产学研用"协同创新生态 推动企业与职业院校共建产业学院 [1] - 倡议全方位加强人才队伍建设 提升多层次网络和数据安全专业人员实战能力 [3] - 培养"懂业务、精技术、善攻防"的复合型人才 [1] 合作机制 - 倡议加强多层次合作共享 构建民航网络和数据安全协同联动响应机制 [3] - 加强与网信部门、公安部门协同联动 建立跨领域安全威胁情报共享机制 [1] - 中国航协发出四点行业倡议 提升网络和数据安全现代化治理水平 [3]

近日，"数云原力2025.AlxFinTech拓界平行论坛"正式举行。论坛以"问道AI科技进阶"为主题，多位业务专家围绕AI赋能智慧核心、信贷创新、财资云服务、 电子渠道进化及数据资产转化等前沿议题，为金融业数智化转型与高质量发展提供可落地方案。 为破解区域性银行转型难题，中国信息通信研究院在本次论坛期间发起"区域性银行新一代核心系统研究课题"，旨在形成兼具落地性与可推广性的建设范 式，全面提升区域性银行核心竞争力，推动技术标准与行业实践深度融合。 数据作为核心生产要素，其治理与价值转化成为论坛焦点。神州信息数据研究中心总经理李庆刚指出，数据资产化需以高质量供给为基石，依托复合人工智 能、智能问数等技术打通"数据—知识—业务"链路。结合研究公司Gartner发布的2025年数据趋势，他提出九大关键方向，凸显"数据治理"作为数据资产化的 核心使能力量。系统阐述了人工智能与数据治理深度融合的实践路径，通过构建复合AI构建知识库、加速AI智能体落地业务场景，推动数据编织驱动研发 智能化三大路径，打通数据闭环，构建企业级数字孪生体，实现数据驱动的精准决策。 面对商业银行利差持续收窄的挑战，神州信息资产负债管理解决方案 ...

北京市人工智能赋能新型工业化行动方案（2025年） - 核心观点：推动人工智能与工业深度融合，拓展应用场景，助力制造业智能化升级，培育新质生产力 [1][2] 数据治理与模型训练 - 建设高质量制造业数据集，对数据首登记、首入表、首交易、首开放给予奖励支持 [2] - 搭建数据治理服务平台，建设开源数据集和数据治理工具集，支持标准化机构制定行业数据标准 [2] - 支持企业使用人工智能数据沙盒制度，首次使用沙盒训练的企业可获免费服务 [2] 行业大模型与智能体 - 支持开发行业大模型，对达到国内一流、国际领先水平的大模型算力成本给予最高3000万元支持 [3] - 打造通用智能体，对显著提升制造业效率的智能体按调用算力成本给予最高3000万元支持 [3] - 制定标准化通信协议，形成混合智能应用范式，适配行业广的协议将在京津冀推广 [3] 企业技术中心与仿真验证 - 支持企业技术中心搭建实验场景，优先推荐成效显著的市级中心为国家级中心 [4] - 研发工业仿真软件，搭建通用仿真平台，对承担重点任务的平台给予最高5000万元支持 [4] 智能安全与装备升级 - 建设模型安全靶场，对行业影响力大的安全保障平台给予最高3000万元支持 [5] - 提升装备智能化水平，对示范性新装备给予最高3000万元支持 [5] - 打造具身智能工厂示范标杆，符合条件的项目给予最高3000万元支持 [5] 智能产品与人才培养 - 支持建设中试平台和智能产品柔性生产线，最高5000万元支持 [6] - 培养复合型人才，建设实训基地，开展AI与制造业融合应用培训 [6] 金融服务与案例推广 - 创新"AI智造贷"等金融工具，支持企业智能化升级 [7] - 征集并宣传标杆案例，建立宣传网络平台促进经验交流 [7] 机器人行业动态 - 75家机器人上市公司2024年报出炉，行业竞争加剧 [9] - 人形机器人量产爆发，价格战加剧，科技革命推动产业重构 [10] - 机器人概念上市公司2024上半年业绩承压，但AI融合带来机遇 [10] - 具身智能机器人成为热点，微纳感知、人机协同等技术受关注 [10]