文章核心观点 - 买方投资机构的数据战略正经历根本性转变，数据正从辅助性技术支持升级为核心基础设施和关键竞争力来源 [1][4] - 构建统一、高质量、治理完善的数据基础是应对市场复杂性、应用先进分析技术（如AI）和获得长期竞争优势的战略决策 [4][5][10] 买方数据战略的演变与战略重要性 - 数据管理已成为买方机构最具战略意义的选择之一，源于投资策略日趋复杂和监管审查不断强化 [4] - 领先机构正在重新构建组织内部数据的治理、建模和交付方式，将数据视为企业共享的基础设施，而非各个系统的附属产物 [4] - 数据管理已从后台运营任务转变为影响机构敏捷性、韧性和审慎创新能力的战略杠杆 [10] 传统数据架构的挑战与转型方向 - 许多机构仍采用历史演进形成的碎片化数据架构，导致数据集重复、刷新周期不一致，存在多个版本的“同一数据” [5] - 这种架构在市场压力加剧时问题凸显，并制约了先进分析与人工智能技术的应用 [5] - 战略转型方向是从临时架构转向有针对性的数据模型，实现数据在工作流程中的集中化、定期更新、便捷访问，并将治理纳入设计阶段 [5] 人工智能对数据基础提出的新要求 - AI技术放大了数据质量的重要性，输出结果的可靠性取决于底层数据的质量 [6] - AI系统要发挥作用并赢得信任，需要建立在结构化输入、稳定标识以及透明的治理框架之上 [6] - 这促使机构管理重点从大量离散文件转向对实体、工具、市场和属性的统一表述，使其能在不同应用场景中扩展 [6] 构建统一数据基础的关键设计原则 - 关键设计原则是关注点的分离，即将数据管理作为共享层从各个应用系统中解耦出来，以实现一致性 [8] - 统一的数据模型有助于实现标识符标准化、协调刷新节奏、减少冗余工程投入，并缩短数据获取与投资决策之间的距离 [8] - 整合能力已成为战略能力，依赖于数据在不同职能部门间的无缝传输，以API驱动的整合方式是关键推动因素 [9] - 最终目标是实现数据的连贯性和协同性，而非系统的统一 [9] 统一数据基础带来的竞争优势 - 构建统一数据基础的机构在面对新资产类别、新监管要求和新技术时更具适应能力，无需反复构建基础设施 [10] - 在波动和不确定性成为常态的环境中，统一且可扩展的数据基础是支撑长期竞争力的关键 [7][10]

文章核心观点 - 企业数字化建设进入深水区，数据治理能力成为企业核心竞争力的关键，而贴合企业需求的智能办公工具是激活海量数据价值的重要载体[3] - 以金山办公推出“小K同学”为标志，企业办公正从工具辅助迈向智能协作，通过数据治理与智能办公的深度融合，企业数据价值有望迎来“大爆发”时代[3][20] 企业数字化转型趋势与数据治理核心地位 - AI商业化重心向企业端倾斜，国际头部大模型企业OpenAI在2025年200亿美元的收入中，80%来自企业侧，企业级数字化服务已成为行业发展的主战场[5] - 企业日常办公中80%的数据以文档、邮件、会议录音等非结构化形式存在，但因存储分散、格式不统一等问题，其价值难以发挥，形成“数据孤岛”[5] - 未来企业级AI应用将由智能体驱动，其价值发挥的核心在于变现数据价值，传统烟囱式系统架构导致数据割裂，非结构化数据价值被“锁死”[6] - 做好企业级AI需要三大关键能力：提供可溯源的“事实锚点”以消除模型幻觉、实现海量私域知识的精准定位、以专家团队模式驱动复杂业务流程闭环[6] - 企业的数字化工具功能越强，对数据质量要求越高，做好数据的治理与合规应用是企业用好数字化工具的核心前提[6] - 在华南地区，六成入选“中国民企100强”的广东企业、近四成“广东民企100强”企业已选用WPS 365开展企业非结构化数据治理[7] - WPS 365平台在广东地区2025年新增的组织级客户数量，较2024年大幅增长90%，显示市场对专业数字化办公服务的需求持续攀升[7] 智能办公工具的发展与核心要求 - 贴合企业需求的智能办公工具是激活数据价值的“桥梁”，能够对接多个办公场景，完成从信息整理到任务执行的全流程工作，成为“数字同事”[11] - 金山办公推出的官方办公“小龙虾”——小K同学，能自动整理产品反馈信息并形成待办清单、抓取项目工作任务并完成台账更新、提取会议核心内容并形成行动方案[11] - 安全与合规是企业选择智能办公工具的首要考量，企业端落地速度相对平缓的核心原因是对数据安全、信息合规的要求更高[14] - WPS 365构建全方位安全防护体系：从数据源头做好权限管理；对高危操作设置二次确认机制；提供私有云、专属云、混合云等多种部署模式以满足合规需求[14] - 贴合企业业务的专业性是智能办公工具的另一核心要求，WPS 365智能知识基座形成了从文档一键成库、入库自动解析、段落级精准溯源到基于知识库的智能创作与数据抽取的完整应用链路[15] - WPS 365支持客户打通企业信息化系统，让智能体调用业务数据与系统接口，实现更深度的业务协同，并从源头统一管控数据与接口权限[15] 行业实践与协同生态构建 - 智能办公工具通过与现有办公体系深度融合，推动企业办公模式升级，形成“工具+数据+业务”的协同共生生态[16] - 未来企业办公将从传统的操作式办公转向需求式办公，用户只需明确工作需求，智能工具就能整合资源、调度系统，完成全流程服务[17] - WPS 365已深度落地华为、温氏集团等行业龙头企业，渗透至标书解析、法务评审、财务风控、客户咨询等核心业务场景[19] - 在华为，应用高精度文档解析技术后，每单交易履约耗时缩减50%，算力资源消耗下降30%；单份产品报价清单制作时长从2小时压缩至20分钟，人均工作效能提升40%[19] - 温氏集团通过WPS 365将超460万份专业文档一键上云，快速搭建企业专属智能知识库，并将智能体服务融入养殖生产管理与质量监控领域[19] - 企业的数字化建设，已经从单一的工具应用，进入到数据治理与场景应用深度融合的新阶段[20]

核心观点 - 中信证券首次覆盖迅策科技，给予“增持”评级，认为公司作为国内实时数据基础设施龙头，将长期受益于AI落地带来的数据基础设施需求，并设定了2026年517亿港元目标市值及160港元目标价 [1] 公司概况 - 公司是中国领先的实时数据基础设施和分析解决方案服务商，于2025年12月30日在港交所上市 [2] - 公司从资产管理行业起步，为全行业企业提供实时信息技术解决方案 [2] - 根据弗若斯特沙利文数据，公司在中国实时数据基础设施及分析整体市场份额为3.4%，排名第四；在资产管理行业细分市场份额为11.6%，排名第一 [2] 行业分析 - 中国实时数据基础设施及分析市场正处于高速渗透期，受益于数据要素政策红利与下游数字化转型刚需，行业规模有望在未来五年保持双位数增长，渗透率提升空间巨大 [1][2] - 根据Frost & Sullivan测算，该市场规模已从2020年基础水平快速增长至2024年的人民币187亿元，2020-2024年复合年增长率高达46.1% [2] - 预计该市场将以22.0%的复合年增长率持续扩容，于2029年达到人民币505亿元 [2] 海外对比与AI驱动 - AI工具（如OpenClaw）愈发成熟、运行深度深化，支持AI工具落地的数据治理需求日益高增 [1] - 以Palantir为例，其通过“大模型+小模型”的平台化开发模式，解决了通用大模型在企业应用中的灵活性与准确性问题，加速了AI在企业端的落地 [3] - Palantir的成功案例说明，AI在企业端的深入落地离不开企业内部数据治理和相关数据基建的进一步发展与完善 [3] 公司成长性 - 公司基本面扎实，多元化营收支撑增长，预计规模效应将渐次显现，并在2026年实现盈利 [4] - 公司以资产管理行业为核心起点，但收入来源已成功多元化：2022-2024年，资产管理行业收入占比从74.4%逐步降至38.7% [4] - 公司成功切入金融服务（资产管理除外）、城市管理、制造管理、电信等多元化领域，2024年非资产管理行业收入贡献占比达61.3% [4] 财务预测与估值 - 在客户规模和ARPU增长的驱动下，预计2025-2027年公司整体营收为12.8亿元、23.3亿元、34.5亿元，对应增速为103%、82%、48% [5] - 预计公司将维持较高的毛利率水平并保持平稳，2025-2027年整体毛利率分别为71.6%、73.5%、75% [5] - 预计公司2025-2027年净利润分别为-1.30亿元、2.72亿元、8.41亿元 [5] - 估值层面，选取Snowflake和Palantir作为对标公司，采用PS和P-FCF两种估值方法，基于2026年财务状况给予行业平均估值水平，综合得出2026年517亿港元目标市值，对应目标价160港元 [5]

核心观点 - 嘉兴市将错时共享停车列为2024年民生实事项目 计划新开放机关事业单位车位3000个以上和社会停车场夜间惠民车位10000个以上 并通过扩面提质和智慧化升级纵深推进此项工作 [1] 政策目标与量化指标 - 2024年明确目标：新开放机关事业单位车位**3000个以上** 社会停车场夜间惠民车位**10000个以上** 推动错时共享车位全域开放、导航可见 [1] - 2023年成果：累计推动**260余家**机关事业单位开放停车位**1.4万余个** 全年累计停放车辆近**40万辆次** [1] - 扩面目标：将开放范围延伸至国资系统 包括国有企业、国有场馆、国有园区等下属单位停车场 每个单位的开放比例从**60%** 提升到**80%** [1] 实施策略与工作重点 - 数量扩面：对尚未开放的机关事业单位 除涉密、安全等特殊要求外 严格落实“应开尽开”要求 [1] - 服务提质：规范开放时间与公示牌设置 并实行“线上预约”模式 实现道闸系统智慧联网 使共享车位状态导航可见、可查、可预约 [2] - 数据赋能：由市数据局牵头负责导航可见工作 推动停车数据归集与有条件开放 并深化与高德等第三方平台合作 实现车位线上预约与导航可见 [2] 现存挑战与解决方向 - 当前存在覆盖面有待拓展、管理精细度有待提高、长效机制有待完善等问题 [1] - 解决方案是坚持问题导向、精准施策 目标是让开放单位安心放心开放 让群众有较好体验感 [1]

文章核心观点 - 南京钢铁集团有限公司通过深度融合数字孪生、人工智能、工业互联网等先进技术，成功推动传统钢铁生产模式向智能化、数字化转型，实现了生产效率、产品质量、能耗控制及产业链协同的显著提升，并已将相关经验与解决方案向其他行业输出 [1][2][3][4][5][6][7] 数字赋能生产 - 公司利用数字孪生技术构建了长42米、高6米的“数字工厂全景图”，将实体工厂转化为数字工厂，实现从料场到轧钢全生产环节的远程可视化操作与一键炼铁炼钢 [2] - 通过虚拟仿真、人工智能等技术优化重组炼铁全流程，铁水生产一级品率从人工操作的80%提高到99% [2] - 在高炉周边布设上千个传感器，实时采集多维度数据，并利用大模型进行趋势分析预测，炉温预测准确率超过90%，使传统“黑箱操作”变得透明可控 [2] - 在智能化应用模型集群赋能下，炼铁流程周转率提升5%，温降减少15摄氏度，每吨铁水生产成本降低200元 [3] - 公司自主研发形成165种智能应用模型、400多张自动报表和1400多幅画面，彻底告别“凭经验、靠感觉”的传统生产模式 [3] 创新引领智造 - 公司数智转型的核心是自主打造以数据治理和人工智能为驱动的企业级“工业大脑” [4] - 自主研发工业互联网平台，构建智慧能源管控一体化平台，实现生产节能降耗 [4] - 公司智能化改造已迈入第二阶段，着力点在于人工智能和数据资产化，并积极探索大语言模型和AI图像识别技术在多个场景的应用 [4] - 2024年初启动“人工智能百景千模”三年专项行动计划，2025年6月联合华为发布“元冶·钢铁大模型”架构，构建钢铁行业专属AI底座 [5] - “元冶·钢铁大模型”使非专业人员可通过自然语言与生产系统交互，公司通过“训推管”一体化平台实现数据、算法、模型的统一管理 [5] - AI技术已落地见效：智慧研发方面利用AI4S降低研发成本、缩短周期；质量管控应用预测模型实现产品性能实时在线预测，视觉大模型提升质检效率 [5] 价值推动发展 - 数字化为公司带来全方位价值提升：关键设备数控化率、联网率均达100%，新产品研发周期较传统模式缩短50%，单位产值综合能耗下降12% [6] - 通过产业链数字化协同，产业链总成本降低9%，交付周期下降15% [6] - 公司“产业链深度协同的特殊钢个性化定制智能工厂”入选2025年度领航级智能工厂培育名单 [6] - 公司构建了覆盖“设备—产线—工厂—企业—生态”的五级数字孪生体系，完成全流程数智化布局 [6] - 公司在“数据治理+工业互联网+人工智能”三引擎驱动下，通过部署AI模型提升效率、优化决策，培育新质生产力 [6] - 公司主持或参与制定标准100余项，拥有专利4700多件，215项技术达国际领先水平，获国家及省部级科技奖100余项，并获评国家制造业单项冠军企业 [7] - 公司通过科技平台将数字化转型经验和解决方案体系化输出，已成功应用于钢铁、有色、化工、装备制造等超100家企业 [7]

文章核心观点 24小时自动下单平台是一套以数据驱动、算法为核心、云端服务为基础的企业级采购与订单执行体系，其核心目标是通过智能化、自动化实现更快的判断、更准的执行和更稳的可控性，从而在成本、时效和风险控制等维度为企业带来显著提升[1] 业务定位与核心价值 - 平台业务定位多样，对零售商与分销商的核心价值在于智能补货、价格协同与多源采购的高效整合[1] - 对品牌方与供应链服务商的价值更多体现在供应商协作、需求预测与物流配载的自动化[1] - 对采购代理或外包企业，平台能提升对外协作效率与合规审查能力[1] - 具体业务场景包括零售与电商端的智能补货以降低缺货风险，以及跨品类、多渠道的协同采购以优化库存配置[2] 经营与商业模式 - 平台采用订阅制与用量定价并行的收费模式，基础功能订阅提供，进阶功能按用量计费[3] - 商业模式包括通过交易撮合获得佣金或手续费，以及对外提供数据分析与市场情报服务以形成数据驱动的附加价值[3] - 在特定行业（如生鲜、电子元件）提供定制化的规则库、接口适配与合规模板等专业化服务[3] 商业壁垒与竞争力 - 数据壁垒是核心，以往积累的供应商数据、价格曲线、交货时间等形成不可替代的资产[4] - 行业规则与合规能力，如跨境采购、关税、反垄断等专业规则库构成重要支撑[4] - 系统稳定性与响应速度，在24/7场景中低延迟、可观测、可追溯的执行能力是关键差异化点[4] 核心价值链与业务流程 - 业务流程始于需求捕捉，触发信号包括销售预测、库存告警、价格阈值触发等[5][6] - 随后进行下单决策与优先级排序，决策引擎整合多源信息，结合显性业务规则与隐性预测模型输出执行计划[7] - 采购执行阶段通过多种接口向供应商下单，并确保任务编排的幂等性以防止重复下单[8][9] - 流程包括交付对账与结算，以及通过数据监控与分析形成持续改进的闭环[10][11][12] 系统架构与关键组件 - 总体架构遵循松耦合、高内聚原则，采用事件驱动与异步处理以提升系统吞吐量与容错能力[13] - 关键组件分为策略与决策层、执行层、数据与分析层、安全合规与治理层以及运维与平台能力[15][18][20][23][26] - 技术选型要点包括选择高吞吐消息中间件、采用最终一致性策略、提供标准化API以及容器化与云原生部署[29][30][31] 下单决策与引擎设计 - 决策要素涵盖成本、时效、风险及稳定性等多个维度，进行多目标优化[32][33][34][35] - 决策模型形式包括用于快速响应的规则引擎、提供概率评估的预测模型以及给出最优组合的优化算法[36][37][38] - 设计强调并发与幂等性，通过请求ID、事务日志等机制确保同一请求不产生重复下单[38][39] - 供应商对接策略包括多源并行下单以分散压力，以及对高风险供应商采用更严格的审批和备用渠道[41][42] 数据、预测与智能化 - 数据来源包括内部销售、库存、供应商绩效数据，以及外部行业价格指数、市场行情等信息[43][44] - 预测模型核心方向包括需求预测、价格与成本预测以及供应风险评估[46][47][48] - 采用离线建模与在线推断协同的方式，并通过A/B测试与自适应机制持续优化模型[49][50][51] - 建立数据驱动的持续优化闭环，基于下单成功率、平均交货时间等指标体系自动调整策略[52][53] 风控、合规与安全 - 风险控制框架包括价格异常检测、供应商信誉监控以及对峰值并发进行限流与降级[55][56][57] - 法规遵循涵盖数据保护、采购合规以及贸易合规与税务要求[58][59] - 安全与隐私保护措施包括强访问控制、数据传输加密以及全链路审计与事件响应[60][61][62] - 设立防欺诈与异常检测机制，对高风险交易进行人工审核或自动回滚[63][64][65] 交易执行、接口与标准化 - 接口对接具有多样性，包括与ERP/采购系统、供应商端以及各类市场与平台的对接[66][67][68] - 强调订单状态全链路管理与支付结算的安全性，确保资金流与订单状态一致[69][70] - 通过数据标准化与API治理提升跨系统的互操作性，并降低升级带来的业务中断风险[71][72] 用户体验与实施方法 - 用户界面设计注重指引式配置与规则模板，以降低使用门槛，并在关键节点保留人工审核入口[74][75] - 实施路径建议从需求梳理开始，采取逐步落地与试点策略，并优先进行数据清洗与主数据建设[76][77][78] - 成功的实施需要配套的培训计划、变革管理以及将用户反馈纳入迭代的持续改进机制[79][80] 行业应用场景与案例分析 - 在零售连锁的智能补货场景中，平台通过实时销量预测与跨仓调拨策略，可降低缺货率并加速库存周转[81][82] - 针对生鲜行业的时效性挑战，平台通过量化评估保质期与配送窗口，能有效降低损耗率并缩短周转时间[83][84] - 在跨境采购场景中，平台通过合规模板与关务协同等功能，有助于降低总落地成本并提升清关时效[85][86][87] 未来趋势与发展方向 - 平台将向自主协同的采购自治体演进，实现与供应商的自动化谈判、对账与协商[91] - 人工智能将更深度地驱动全面优化，嵌入学习与自适应能力[91] - 区块链技术可能在供应链透明度、数据不可篡改性与溯源方面提供新的协作底座[92] - 未来趋势包括面向中小企业的普及化解决方案，以及安全与隐私新标准成为核心竞争力[93][94]

政策发布与定位 - 国家网信办会同有关部门起草了《金融信息服务数据分类分级指南（征求意见稿）》，规定了金融信息服务数据的分类分级规则，适用于境内从事该服务的提供者[1] - 该《指南》首次在金融信息服务领域建立了一个“可被监管采信、可被机构执行、可与国家数据安全体系直接对齐”的“数据治理锚点”，推动要求从“原则性”走向“可执行规则”[1] - 在国家层面，《指南》是《网络安全法》《数据安全法》《个人信息保护法》在金融信息服务场景中的具体化与操作化[1] 行业意义与价值 - 《指南》通过统一分类方法与分级逻辑，为金融机构及金融信息服务商提供了全国层面的统一方法论基础，有助于在合规前提下促进数据要素安全流通与价值释放[2] - 《指南》提供了一套具体、可执行的数据分类分级操作框架，明确了分类规则、分级规则和操作流程，并通过“3个一级类、9个二级类、66个三级类”的分层目录及“参考最低级别”标识，建立起层次清晰、逻辑严密的分级体系[2] - 这一体系有助于减少机构之间对数据级别判定标准的理解差异，降低因标准模糊带来的执行成本，并为差异化安全保护措施落地提供基础，体现出金融数据治理由原则性规定向精细化管理的跃升[2] 解决的行业痛点 - 标准碎片化问题突出，此前不同机构、不同监管口径下数据定义与分级标准不一，导致跨机构协同和监管检查成本高、效率低[3] - 重要数据识别难，缺乏清晰判定维度，机构对重要数据边界把握不清，易出现漏报、错报并带来合规风险[3] - 全链条责任不清，数据安全责任未嵌入业务全流程，存在“重技术、轻管理，重前端、轻后段”现象[3] - 动态适配不足，面对AI应用、跨境服务等创新业务，数据属性和风险等级变化快，原有静态分级体系难以及时响应[3] - 《指南》通过“标准化的分类体系”摸清数据底数，通过“清晰的分级规则”识别核心风险，通过“动态的更新机制”适应复杂变化，通过“规范的报送要求”打通监管闭环，系统性破解了金融数据治理中“看不清、管不住、报不准、跟不上”的深层困境[3] 落实机制与建议 - 金融机构落实数据分级定期复核与动态更新，应从制度组织、技术流程与执行考核三方面搭建机制[4] - 建议建立“定期+触发式”双轨更新制度，由合规牵头设立跨部门工作组，明确复核频次与更新触发条件[4] - 建议搭建数据分级管理平台，对数据全生命周期实施标签化管理，并与风控系统打通，形成风险联动的分级重评闭环[4] - 建议建立分级变更审批流程，将更新工作纳入部门KPI，并通过内外部审计强化执行约束[4] - 动态更新机制需嵌入业务创新流程，形成“业务创新—数据分级联动”机制，例如将数据分级评估作为新产品、新模型、新合作上线前的必要环节[4] - 机构可建立定期的（如每年一次）数据分级审核流程，对已定级的数据进行定期评估和回顾[5] - 为应对快速创新变化的金融业务，机构可建立触发调整机制，当发生业务调整、监管标准更新、数据源变化等情景时，及时对数据级别进行更新调整[5] - 机构可以从数据产生或变化的源头切入，即在新产品新业务管理流程、信息系统新建或变更管理流程中，嵌入数据分级定级流程，以增强数据分级的可落地性[5]

政策背景与目标 - 江苏省工信厅联合国家工业信息安全发展研究中心发布了《江苏省制造业领域面向人工智能的数据治理工作参考指引（2026年版）》，旨在系统性指导省内制造业企业开展数据治理工作，以应用面向人工智能的数据治理技术和方法 [1] - 该指引的核心目的是解决高质量、场景化数据集供给不足的问题，以支持人工智能模型训练、推理与迭代，并推动数据治理从“被动合规”向“主动价值驱动”升级 [1] 指引内容与结构 - 指引结合了31个人工智能典型应用场景，为不同水平的企业划分了数据治理入门、基础、进阶三个等级，为全省大中小企业提供可对标、可参考、可部署的数据治理适配方案 [1] - 指引聚焦于数据采集、预处理、特征工程、数据标注、数据划分、数据增强等六大核心环节，并分门别类地给出了治理路径，企业可根据自身技术基础、资源条件及业务痛点针对性选取环节落地 [2] - 在每个治理环节，指引均列出了数据采集核心技术应用清单和配套工具清单，帮助企业对照解决具体问题，例如数据“采不到、采不准、采不全”或数据“脏、乱、繁”等 [2] 行业痛点与解决方案 - 当前制造业领域存在数据“孤岛”与“失真”、数据治理与标准化缺失、数据与应用场景脱节等痛点，严重制约了高质量数据集的供给 [1] - 指引通过提供具体的治理路径和工具清单，旨在帮助制造业企业最大化挖掘数据价值，解决数据“格式乱、分布散、溯源难”等问题 [2]

核心观点 - 普华永道调研显示，香港CEO对全球及地区经济增长的信心显著反弹，对未来三年营收增长普遍乐观，但对短期压力保持谨慎，并高度重视网络风险与数据治理 [1][2] 香港CEO信心与宏观展望 - 对全球经济增长有信心的香港CEO占比由去年的62%升至70% [1] - 对地区经济有信心的香港CEO占比由40%大幅升至61% [1] - 98%的香港CEO对未来3年营收增长持乐观态度，但短期看法仍然谨慎 [1] - 香港商界领袖信心显著反弹，但认为面临的风险日益加剧 [1] 人工智能应用与业务影响 - 58%的香港CEO表示人工智能带来了营收增长，远高于全球平均的29% [1] - 同时实现营收增长和成本降低的企业比例在香港为17%，高于全球平均的12% [1] - 人工智能的广泛应用导致“攻击面”扩大，使得网络安全需求更为迫切 [1] - 香港企业在人工智能应用上的创新风险承受能力超过全球同业 [2] 创新环境与竞争优势 - 香港在支持创新的文化(香港76%；全球69%)、技术整合的便利性(香港87%；全球67%)以及吸引适当人才的能力(香港74%；全球42%)等关键推动因素上远超全球同业 [2] - 香港企业在创新方面展现出更高的风险承受能力(香港56%；全球26%) [3] - 香港企业受惠于完善的基础设施以及更便利的创新中心和孵化器资源(香港33%；全球23%)，例如香港科技园区及与大湾区的协作 [3] 网络风险与数据治理 - 56%的香港CEO将网络风险视为首要威胁，几乎是全球平均水平(31%)的两倍 [2] - 香港CEO认为网络风险比地缘政治动荡更具威胁性，网络韧性已成为企业营运的关键“通行证” [2] - 68%的香港企业面临持份者对数据使用、私隐和透明度的严格审查，远高于全球平均水平(39%) [2] - 网络安全和数据治理成为香港CEO比全球其他地区更为关注的重点，可能减缓更广泛的策略性布局实施 [2] 投资与并购策略 - 81%的香港CEO表明没有大规模收购计划，比例较去年的31%大幅上升，且远高于全球平均的46% [2] - 香港CEO的策略立场与海外同业截然不同，后者拥有更强烈的投资意向 [2] - 11%的全球CEO将中国内地列为其三大海外投资目的地之一，高于去年的9% [2] - 随着中国作为并购目的地地位提升，香港将受惠于其独特的门户优势 [2] - 对于中国内地CEO而言，美国仍是首选投资目的地，但选择更加多元化，对马来西亚、越南和阿联酋等市场兴趣增加 [3]

香港商界领袖信心与宏观展望 - 香港商界领袖对经济前景信心显著提升 对全球经济增长的信心指数从去年的62%跃升至70% 对地区经济的信心更从40%大幅上升至61% [1] - 几乎所有（98%）香港CEO对未来三年的营收增长表示乐观 这一比例远高于全球平均水平（87%）[1] 企业创新与人工智能应用 - 香港企业在人工智能（AI）应用方面表现出超越全球同业的进取心 58%的香港CEO表示AI已为其带来营收增长（全球平均为29%）[1] - 同时实现营收增长与成本降低的香港企业比例（17%）高于全球（12%）[1] - 香港在支持创新的文化、技术整合便利性及吸引人才等关键推动因素上均领先全球 [1] 企业面临的主要风险与挑战 - 创新与数码化带来了更突出的安全挑战 56%的香港CEO将网络风险视为首要威胁 比例近乎全球平均水平（31%）的两倍 [1] - 68%的香港企业正面临持份者对数据使用与私隐的严格审查 远高于全球的39% [1] 企业发展策略与并购倾向 - 香港CEO在发展策略上显得较为审慎 高达81%的香港CEO表示没有大规模收购计划 比例远超全球平均的46% [2] - 香港商界领袖更倾向于专注核心业务的深化与执行 [2] 整体环境与未来展望 - 香港商界领袖对长期前景充满信心 并拥有良好的创新基础设施（如香港科技园及大湾区协作网络）作为支撑 [2] - 香港企业正处于动态平衡之中 一方面大力拥抱AI等科技创新以驱动增长 另一方面则须严密防范网络威胁、应对严格的数据治理要求 并在复杂的地缘政治环境中寻求稳健发展 [2]