项目启动与核心目标 - 由中国民族贸易促进会牵头，联合多家单位发起“地理标志产品数字赋能与品牌提升工程”在北京启动，并公布了首批上市的“地理标志产品”数据产品名单 [1] - 项目以“数据要素赋能乡村振兴”为核心，汇聚政产学研用多方力量，旨在推动地理标志产品从传统资源向数据资产跨越，为县域经济高质量发展注入新动能 [1] - 项目将聚焦“数字赋能＋品牌提升＋AI驱动”三轮协同发展模式，系统开展地理标志产业数智化转型研究并推进落地实践 [3] 行业背景与战略意义 - 地理标志产品源于特定地域，承载自然生态、历史文化和匠心工艺，是发展特色产业、促进农民增收、繁荣县域经济的重要载体，但面临品牌影响力弱、市场附加值不高等挑战 [1] - 破解发展难题必须拥抱数字时代，数据作为新型生产要素正深刻改变生产生活方式，运用区块链、物联网等技术为产品构建可信数字身份与全链路溯源体系，可筑牢品牌信任基石 [1] - 建设农业强国、推进乡村全面振兴迫切需要大数据支撑，数据要素通过推动帮扶产业生产方式向数字化、智能化转型，加快促进新质生产力培育，为帮扶产业高质量发展提供核心动力 [1] - 数字经济与实体经济深度融合已成为国家战略，地理标志产品是县域经济高质量发展的“金字招牌” [3] 技术路径与数据资产化 - 通过运用区块链、物联网等前沿技术，为地理标志产品构建可信数字身份与全链路溯源体系，推动产品价值向数据资产跨越 [1] - 须加快构建“空天地”一体化数据资源采集体系，把农业物联网作为数据采集重要渠道，以5G、北斗、智能农机等装备作为数据采集的重要手段 [2] - 地理标志产业升级依靠“三驾马车”协同驱动，首要任务是数据确权与资产化 [3] - 项目旨在助力构建完善的地理标志数据资产体系，让数据要素成为乡村振兴的“新农资” [3] 产业发展与生态构建 - 要大力发展县域数字经济，需优化数字经济核心产业结构，提升现有产业能级，强化数字技术创新与产业深度融合，聚焦县域特色产业集群，加强关键共性技术研发与工程化攻关 [2] - 需优化政策引导与创新资源配置，完善县域科技创新政策与资金支持机制，重点支持产业集群规模化应用和共性技术研发，推动企业加大数字化投入 [2] - 需构建区域协同与开放融合的产业生态，推动县域企业与科研机构、高校深化合作，建设产学研用协同创新平台，促进创新要素高效集聚和成果转化 [2] - 地理标志产业升级的另两驾马车是品牌提升与价值挖掘，以及生态构建与持续运营 [3] 合作实践与市场参与 - 在合作签约仪式上，新疆沙湾市、安徽长丰县与华南数字产业集团达成合作，侨银城市管理股份有限公司、吉峰农机连锁集团与华南数字产业集团签约，标志着政企协同推进地理标志产品数智化发展的多元格局正在形成 [3] - 要让农民成为数据采集的贡献者，使数据资产和数据收入成为农民增收的新渠道 [2]

文章核心观点 - 富滇银行数字金融中心主任赵理明在第二十二届中国国际金融论坛上指出，未来金融科技的发展将由AI和数据双核心驱动，银行需从顶层设计AI战略，构建开放生态以支撑实体经济高质量发展 [1][4][5][8] 行业发展趋势 - **趋势一：AI与大模型从“效率工具”升维为“价值引擎”**：当前银行AI应用多集中于内部效率支持（如合规助手、代码助手），未来将转向“AI+”，所有业务需经历“数智化”再造，AI将成为新的价值增长引擎并实现对客服务范式的重塑 [3][7] - **趋势二：数据要素价值全面迸发**：在AI技术加持下，数据作为资产的作用将愈发凸显，国家已出台相关规定，数智融合趋势明显，革命性的服务模式（如普惠金融的IPC模式迭代）将出现，数据作为核心资产的作用将超越以往 [3][7] - **趋势三：竞争范式从“单体比拼”转向“生态竞争”**：银行间竞争不再是单点竞争，而是生态竞争，未来产品与生态的重要性将超越营销，银行若不能跟上技术变革浪潮将被淘汰，行业对新型人才（如AI产品经理）的需求迫切 [3][7] 银行战略方向 - 未来银行需以AI和数据为双核心驱动，以开放生态为发展疆域，顶层设计AI战略的最终目的是支撑实体经济高质量发展 [4][8] - 银行需改变将营销作为第一生产力的传统思维，未来核心竞争力在于卓越的产品和构建的生态，平庸的产品无法靠销售挽救 [3][7] - 银行需全面升级人才队伍，储备如AI产品经理等新型专业人才以应对生态竞争 [3][7]

金融科技行业趋势与“十五五”展望 - 2026年作为“十五五”开局之年，金融科技行业将迎来不平凡的一年，《金融科技发展规划》有望更新 [1] - 回顾2019-2025年，金融科技在央行规划指导下从“立柱架梁”走向“积厚成势”，强调数字驱动、智慧为民等原则及八项重点任务 [1] - 当前金融机构数字化转型顶层设计已确立，组织架构更灵活，云、AI、区块链等技术应用加速落地，并与科技金融、普惠金融等深度融合 [1] - 金融科技实践正经历从“硬投入”转向“软实力”、从技术架构革命深入到组织与价值革命的演进 [1] 金融机构科技投入趋势 - 金融机构科技投入增速明显放缓，以银行为例，披露数据的16家国有行及股份行科技投入从2020年的1404亿元增长至2024年的1874亿元，但增速放缓 [2] - 2024年，记者梳理的13家全国性银行中，仅光大银行一家实现科技投入的双位数增长，部分银行从2023年起科技投入金额已开始减少 [2] - 科技投入放缓背后，是金融机构从“规模驱动”转向“效能驱动”，开始精细化管理成本并关注科技投入对营收和利润的贡献 [3] 技术应用与业务融合 - 金融机构技术应用呈现“前沿探索”与“实用增效”双线并行，技术正从“工具”逐渐转变为“生产要素” [4] - RPA等点状工具切实赋能业务，数据作为关键资产被专门治理，大模型被寄予厚望 [4] - “业技融合”提速，科技赋能前端业务实现落地价值，AI大模型正从研究走向具体场景试点落地，如智能助手、投研生成等领域 [4] - 金融机构AI应用向核心业务渗透，已落地成熟场景包括智能营销、风控、客服、合规内审等 [8] - 具体案例：建设银行金融大模型全面赋能274个行内应用场景；招商银行在多个领域落地184个场景应用；中信银行构建智能服务场景超1600个 [9] 组织架构调整 - 2025年上半年，多家银行优化科技治理架构、深化科技体制机制改革 [5][6] - 例如：工商银行完善数字金融委员会审议机制；兴业银行成立“人工智能+”行动领导小组；民生银行调整设立数字金融委员会；中信银行组建金融科技创新中心 [6] - 组织架构改革破除“部门墙”，从早期的“科技派驻机制”发展到广泛设立由行长级领导牵头的“数字金融委员会”和独立的“数据管理部”，改革深入治理层权责设计 [7] 数据要素潜能释放 - 数据要素市场化、价值化在应用中探路，数据要素潜能持续释放 [8] - 对内赋能：银行融合内外部数据，构建精准客户画像、风控模型和营销策略，提升服务效率与风控水平 [8] - 对外流通：通过与政府、产业合作，建立安全数据融合机制，将金融服务嵌入政务和产业链场景，创造新业务模式 [8] - 部分金融机构尝试数据资源资产化探索，为科技和数据密集型企业开辟新融资渠道 [8] - 技术创新守住合规底线，机构通过数据分级分层管理、本地化部署等方式管控数据泄露风险与大模型“幻觉” [8] “五篇大文章”与数字金融 - 在“五篇大文章”（科技金融、普惠金融、养老金融、绿色金融、数字金融）战略指引下，数字金融驱动金融科技持续创新 [7] - 数字金融与科技金融、普惠金融、养老金融、绿色金融深度融合，数据要素成为关键生产要素 [7] - 数字金融不仅是科技赋能金融业务，更是在数据要素驱动下的金融产业变革，旨在服务实体经济总目标 [9] 2026年金融科技行业关注重点 - **创新监管与AI治理**：在AI加速向核心业务渗透的背景下，平衡创新安全与风险是行业健康发展核心议题，“十五五”规划提出全面加强金融监管 [10] - **自主开放与金融基建**：“十五五”规划要求建设安全高效金融基础设施，稳步发展数字人民币，并需搭建完善金融数据跨境流动机制 [11][12] - **技术应用深化**：“十五五”规划要求健全数据要素基础制度，建设全国一体化数据市场，并全面实施“人工智能+”行动，赋能千行百业 [13] - **绿色可持续**：“十五五”规划专章部署绿色转型，绿色金融顶层设计已基本建立，需通过创新金融工具引导资金流向低碳环保领域 [14] - **金融科技中心建设**：“十五五”规划明确加快建设上海国际金融中心，香港与深圳也携手发布行动方案，旨在打造全球金融科技中心 [15]

行业背景与核心瓶颈 - 人工智能领域正经历结构性分化：以LLM为代表的数字智能已攻克高维认知，而具身智能仍受困于“莫拉维克悖论”，即实现感知和运动需要巨大计算资源 [1] - 具身智能的核心瓶颈在于缺乏高质量的物理世界交互数据，无法像大模型一样通过爬虫获取互联网文本数据，特别是人类在真实环境中的第一视角触觉、动态视觉与行为反馈数据 [1] 发展路线对比：北坡与南坡 - **北坡路线**：致力于构建全能型人形机器人本体，以波士顿动力等为代表，面临“冷启动”死结：硬件成本高昂（普遍数万美元），无法规模化进入家庭，导致真实数据匮乏，算法训练高度依赖仿真环境，难以跨越“Sim-to-Real”鸿沟 [3][4] - **南坡路线**：以灵宇宙为代表，选择迂回路径，暂时搁置复杂躯体，将多模态感知大脑植入低门槛消费级硬件，通过硬件铺量采集真实世界数据，本质是用成熟消费电子供应链红利养活技术长征 [5] - 南坡路线是对特斯拉在自动驾驶领域成功路径的复刻：先销售具备数据采集能力的消费级产品（如车辆），积累海量真实数据，再反哺高级算法模型 [7] 公司战略与产品：灵宇宙的“南坡路线” - 公司旗舰产品“小方机”是一款定价千元级别的AI儿童玩具，实质是一个低门槛、高频次的物理世界数据采集终端，旨在通过规模化进入家庭，积累构建“世界模型”所需的Sim-to-Real关键数据 [2][5] - 产品采用“特洛伊木马”战术：以低成本硬件实现规模化铺量，当成千上万设备进入真实家庭场景，便能源源不断回传第一视角的视觉、听觉与交互意图数据，这些“行为语料”价值密度远超互联网文本数据 [5] - 硬件设计哲学是“去屏幕化”，迫使交互回归语音与视觉的自然形态，旨在培养“世界即交互”习惯，采集第一人称视角数据，将AI能力与现实场景强绑定 [18] - 定价策略激进，控制在千元人民币级别（约150美元），旨在快速跨越消费决策门槛，抢占“家庭AI入口”生态位，市场表现显示该策略可行 [22] 数据资产与操作系统 - 公司核心价值在于构建了区别于传统大模型的异构数据资产：通过小方机和Luka机器人采集稀缺的“第一人称视角”数据，记录了人类在真实物理环境中的视线聚焦、手部操作及即时语音反馈 [10] - 数据资产稀缺性极高：物理世界交互数据私有部署、需硬件触点、非标且隐私，与公开可获取、几近枯竭的互联网文本数据形成鲜明对比 [11] - 公司拥有关键数据遗产：原物灵科技时期的“Luka绘本机器人”积累了千万级终端销量与250亿条交互数据，为当前进程提供了冷启动燃料 [12] - 公司自研操作系统LingOS旨在定义“World as Interface”的代理系统，通过多模态感知实时判断用户意图，具备高度主动性，实现从“人找服务”到“服务找人”的交互范式革命 [13] - 长期战略是使硬件商品化，而使操作系统资本化：LingOS作为连接物理世界与数字大模型的中间件，其价值会随着连接设备数的增加而指数级增长，目标是成为各类具身智能终端的标准底层协议 [16] 商业模式与融资 - 公司商业模式遵循“三级火箭”演进逻辑 [19] - **第一级火箭（当前）**：通过“小方机”和存量“Luka”硬件销售获取硬件毛利与现金流，确保企业自我造血能力 [23] - **第二级火箭（成长期）**：发展订阅服务与Agent生态，用户为个性化AI Agent或高阶成长报告付费，形成SaaS化收入模式，提升单客生命周期总价值 [23] - **第三级火箭（未来）**：实现LingOS授权与成为基础设施，将成熟操作系统开放给传统玩具或硬件厂商，掌握具身智能时代的底层操作系统话语权 [23] - 公司在半年内完成三轮融资，总额近2亿元，资方结构为“国资+产业资本”组合，包括国方创新（上海国际集团）、滴滴出行、拉卡拉/润建股份等，表明市场正以“AI基础设施”而非“消费电子”的逻辑为其定价 [20][21][23] 行业启示与未来展望 - 通往通用物理世界模型的关键在于能否以最低成本、最高频次切入真实人类生活场景积累数据，而非追求躯体的精密程度 [29] - 对AI硬件公司的估值逻辑需要重构：应从依赖商品交易总额或硬件毛利率，转向关注日活跃用户与数据资产的独占性 [29] - 行业目前处于战略窗口期，传统玩具巨头未完成数字化转身，科技巨头未大举进攻儿童AI硬件，这一“时间差”大约只有18至24个月 [24] - 具身智能的未来属于通过具体消费场景积累物理世界认知的“数据长期主义者” [30]

数据资产供应商的重要性 - 数据资产如同企业的血液，贯穿于企业的各个业务环节，其供应稳定性对企业正常运营和发展至关重要 [1] - 稳定的数据资产供应能够保证企业决策的及时性和准确性 [1] - 在金融领域，数据的缺失或不准确可能导致投资失误；在制造业，生产数据的延迟可能影响整个供应链的效率 [1] 选择稳定供应商的标准 - 技术实力是关键因素，供应商需具备强大的技术研发与项目实施经验以保障稳定供应 [4] - 供应商的核心技术团队成员来自清华大学、吉林大学等知名院校 [4] - 供应商自主研发了多个应用场景解决方案，显示出强大的技术实力 [4] - 丰富的行业经验意味着供应商能够更好地应对各种情况，并对不同行业的数据需求和特点有深入理解 [4] - 供应商在区块链技术研发、工业互联网等领域有着深厚的积累 [4] - 服务范围广泛能增加供应的稳定性，业务立足东北、辐射全国的广泛布局能更好地满足不同地区客户需求 [4] 如何评估供应商 - 评估供应商需查看其过往成功案例，了解其在类似项目中的表现 [8] - 评估供应商需参考其他客户的评价，从侧面了解其服务质量和稳定性 [8] 总结与建议 - 选择数据资产供应稳定的供应商是企业数字化转型成功的关键 [9] - 具有强大技术实力、丰富行业经验和广泛服务范围的供应商值得企业重点考虑 [9] - 通过对供应商进行多方面评估，可以确保企业获得稳定可靠的数据资产供应，从而在激烈的市场竞争中占据优势 [9]

会议概况 - 中国证券投资基金业协会资产证券化业务委员会于12月2日在昆明召开2025年第二次工作会议 [1] - 会议围绕ABS业务贯彻落实党的二十届四中全会精神、落实“十五五”规划、推动业务高质量发展及加强多层次REITs市场建设等议题展开研讨 [1] - 会议由协会相关负责同志主持，证监会债券司、云南证监局、河南证监局、沪深交易所有关负责同志出席会议 [1] 市场发展评价与政策机遇 - 会议认为，近年来ABS及多层次REITs市场取得长足发展，在盘活存量资产、稳定宏观杠杆率、优化资产负债结构、拓宽融资渠道等方面发挥了重要作用，服务实体经济质效持续提升 [1] - “十五五”规划建议明确指出“要盘活存量，推动经济持续健康发展，稳步发展资产证券化业务”，这被视为行业高质量发展的重大机遇 [1] - 证监会债券司表示，近年来ABS及多层次REITs提质扩容，为盘活存量资产、助力资本市场服务实体经济提供了有效动能 [2] 未来发展建议与方向 - 会议建议行业将自身发展与“十五五”战略布局紧密结合，提升服务实体经济、国家战略、居民财富管理及资本市场改革发展的能力 [2] - 具体建议包括：积极布局算力资产、数据资产、绿色能源、养老基础设施等领域，以优化ABS市场结构，提升存量资产盘活效率和规模 [2] - 建议加快推进多层次REITs市场建设，持续拓展机构间REITs市场空间，支持资产运管平台建设，进一步拓宽对存量资产的覆盖 [2] - 建议强化行业机构自身能力建设，探索金融科技赋能业务路径，提升资产透明度与风险防控实效，提高存续期管理质量 [2] 监管导向与支持措施 - 证监会债券司表示，下一步将加强监管引导，围绕加快建设金融强国目标，进一步发挥好ABS及多层次REITs市场服务国家战略与新质生产力的作用 [2] - 监管将增强制度包容性和适应性，持续推动估值、做市等方面配套机制不断优化 [2] - 监管鼓励金融科技赋能，积极营造良好的发展格局，以进一步推动行业健康发展 [2]

数据资产计算方法概述 - 数据资产的计算共分为文本分析法、价值法和实际法三种方法 [2] 文本分析法 - 通过采集所有A股上市公司年报的PDF文件，并利用Python和pdfplumber工具高效读取，重点聚焦于“管理层讨论与分析”（MD&A）部分 [2] - 采用TF-IDF加权技术提取年报关键词，通过计算词语频率和逆文档频率的乘积来客观评估词语重要性，避免主观偏见，并取前150个词汇作为文本关键词 [3] - 构建数据资产相关词汇词典，统计词汇在MD&A部分出现次数，并以出现频率与文档总词数之比作为衡量数据资产的关键指标，以控制文本长度变异 [3] 价值法 - 引入企业价值概念以量化数据资产价值，数据资产通过市场化配置、资产化、资本化等途径为企业价值增值创造有利条件 [5] - 采用企业市场价值与账面价值的差值取对数来衡量数据资产价值，具体公式为：数据资产（DA）= ln（市场价值 - 固定资产 - 无形资产 - 金融资产） [5] - 市场价值由企业总负债的账面价值与股票市值相加所得，固定资产和无形资产分别用资产负债表中的固定资产净额和无形资产净额衡量 [5] - 针对2018年新企业会计准则修订，金融资产净额由交易性金融资产、衍生金融资产、发放贷款及垫款净额等多项金融资产的总和构成 [5] 实际法 - 对于可直接使用的数据资源，根据持有目的确认为“无形资产/存货——数据资源”，其入账价值以购买时支付的现金或非货币性资产价值计量 [6] - 对于不可直接使用、需要后续加工的数据资源，参考研发过程无形资产成本归集核算，设立“研发支出——数据资源”科目进行成本核算 [6] - 后续加工处理中发生的成本，满足资本化条件的在“研发支出——数据资源”科目归集，不满足条件的在“研发费用——数据资源”科目归集，达到预定可使用状态时根据持有目的转入“无形资产/存货——数据资源”科目 [6]

活动概况 - 活动于11月28日在东莞举办，主题为“金准赋能·护航智造产融对接”，是系列活动的首场，旨在帮助企业把握政策、运用知识产权与数据资产，实现创新资源与产业升级的良性互动 [1] - 活动由广东股权交易中心、东莞市知识产权运营中心联合主办，并由粤港澳大湾区高成长企业俱乐部东莞分部等多家机构共同承办 [1] - 活动通过政策解读、案例分享与趋势研判，为东莞科创企业与金融机构搭建高水平对话平台，助力企业把握资本市场动态、理解法律合规要求、探索数据资产价值 [1][2] 核心观点与意义 - 当前是经济转型升级的关键时期，推动知识产权与资本市场的深度融合，对于激发企业创新活力、护航东莞智造高质量发展具有重要意义 [1] 专家分享要点 - 广东股权交易中心专家系统介绍了区域性股权市场的功能定位与发展成效，重点分享了“专精特新”专板、科技创新专板等特色板块的建设成果，为企业指明了前期培育和上市规划的清晰路径 [2] - 东莞市知识产权运营中心专家围绕“新《公司法》赋能企业新成长”进行深度解读，详细剖析了新规下的合规路径及风险防控策略 [2] - 东莞市大数据协会专家结合数据资产入表、数据专项债发行及政府补贴政策等案例，揭示了企业如何将数据从“沉睡资源”转化为“真金白银”，赋能制造业高质量发展 [2]

公司成立与整合 - 2024年6月，赣州市国有资产投资集团有限公司整合其数字经济板块，揭牌成立赣州市数字产业集团 [1] 数据资产交易平台 - 公司搭建覆盖“数据登记—合规审核—交易流通—安全监管”全链条的数据交易平台，破解数据合规流通与价值实现的难题 [2] - 2024年成功获得赣州市属国企首张“数据资产交易”凭证，实现数据交易零的突破 [2] - 平台已上线432个覆盖金融、医疗、生态领域的数据产品，并有148家数商入驻 [2] - 在全国率先完成基础支撑平台、数据流通利用平台等四大核心平台的上线运营 [2] 智慧城市与城市治理 - “数字大脑”指挥中心通过实时数据监测城市运行态势，具备智能决策与协同管理能力，项目连续两年入围世界智慧城市大奖，并获评2025数字城市创新成果与实践案例 [3] - “统一入企扫码登记平台”实现入企公务活动的全流程数字化管理，有效减少对企业生产的干扰，该平台已实现赣州全域覆盖并成功复制推广至宜春市，获得全国数字政府创新成果奖 [3] 民生服务应用 - “i运动”平台整合一百多家运动场馆信息，市民可通过微信小程序实现“一键订场、导航直达”，全程耗时不超过3分钟 [4] - 平台上线政府惠民补贴，使部分运动场馆费用减半，至今已服务超8000人次，助力构建“15分钟健身圈” [4] 人工智能技术应用 - 公司在政务场景部署AI应用，如“12345日报生成小助手”，将原本耗时数小时的日报生成工作缩短至3分钟，并能通过数据可视化呈现问题趋势 [6] - 这是公司在人工智能领域的首次突破性尝试，为AI深度赋能产业奠定基础 [6] 公司经营业绩与荣誉 - 公司营业收入突破亿元大关 [6] - 公司获得江西省数字经济重点企业、专精特新中小企业、“潜在瞪羚企业”等省、市级以上荣誉资质90余项 [6] - 已落地政务服务、普惠民生应用场景80余项，为全市300多家企业提供数字化转型服务 [6] 未来战略方向 - 公司正以超前布局拥抱人工智能，探索数字低空、数字乡村等“AI+”场景，计划在五大核心赛道全面注入AI动能 [7] - 目标推动政务服务、社会民生从“数字赋能”向“AI增智”跨越 [7]

文章核心观点 - AI技术加速演进，企业通过数字化重塑组织架构成为必然，数据资源化是核心要素，企业需把握AI时代的数据资产化机遇以实现管理变革和组织价值重塑[3] 数据资源入表实践难题 - 企业面临数据资源确权难题，特别是外部网络爬取和第三方授权数据的权属问题，需确认数据资源持有、加工使用权和产品经营权[3] - 数据资源初始入表采用成本法，面临成本追溯难题，需清晰计量和追溯人力成本、硬件折旧、软件摊销等投入成本[4] - 数据资源入表的信息披露难题显现，2025年A股上市公司半年报中仅100多家进行数据资源入表，披露信息范围需更多实践探索和政策指引[4] - 2025年国内上市公司半年报中包含数据资源的上市公司共101家，入表数据资产价值规模合计24.75亿元[3] 数据资产价值评估方法 - 评估数据资产价值可采用成本法（关注投入成本追溯与计量）、收益法（估算生命周期、未来效益和现金流）和市场法（参考活跃交易市场的可比资产价值）[5] - 市场法需关注数据交易所等活跃交易平台，若无活跃可比交易则回归成本法和收益法，参数选择和场景结合是关键[5] 数据资产与AI技术应用策略 - 企业需从战略层面高度重视数据资产价值，将其纳入核心资产管理，制定数据战略指导数字化转型[5] - 构建数据驱动的决策体系，打破部门壁垒，建立统一数据平台实现共享整合，利用AI提升数据分析效率和精准度以支持智能决策[6] - 重塑组织架构和人才结构，建立跨部门数据团队，培养数据分析、AI应用和业务理解的复合型人才，构建鼓励创新的数据文化[6] - 关注商业模式创新，通过AI技术提供个性化产品服务或拓展新市场，创造新价值增长点[6] 粤港澳大湾区数据要素发展建议 - 政府部门可制定政策监督数据管理和隐私保护，通过数据脱敏、API接口等方法促进数据流通，支持企业运用多源数据进行AI训练[7] - 对科创型数据要素企业提供资金支持，基于底层数据资产在增信、贷款、保险、信托等方面给予政策支持，提升市场活跃度[7] - 利用数据交易所职能，鼓励企业进行数据产品场内交易，带动整体数据要素市场发展[7]