核心观点 - 国泰海通证券首次覆盖迅策科技，给予“增持”评级，目标价104.78港元，对应目标市值338亿港元 [1] - 在AI大模型向垂直场景深化的关键期，公司凭借“数据流”核心能力，正从资管行业向多元领域复制“中国版Palantir”模式 [1] AI行业竞争范式转移 - AI产业正经历从追求“更大模型”到构建“更好数据流”的战略转向，模型深入业务的核心门槛是能否嵌入真实的业务数据流 [1] - 企业数据管理正从“割裂式”向“全局式”转移，AI驱动的全局性算法模型嵌入业务流与数据流，将取代传统部门局部节点的决策，提升效率 [1] - 金融风控、城市调度、制造管理、医疗、能源等垂直场景对数据实时性、准确性与可追溯性要求极高，产业链价值锚点转向“更好数据流” [2] 公司竞争壁垒与市场地位 - 公司深耕实时数据基础设施行业十年，其统一数据平台可在数秒内完成多来源异构数据的收集、清理、管理与分析 [3] - 公司以资管行业为起点，构建了覆盖投资组合监控、订单执行、估值、风险管理及合规的全生命周期解决方案，2024年在实时数据领域位居头部 [3] - 2020-2024年中国实时数据基础设施及分析市场规模年复合增长率高达46.1%，预计2029年将达到505亿元，当前市场渗透率不足4%，正迎来爆发式增长 [3] - “数据二十条”、数据资产入表等国家政策正推动企业加大数据基础设施投资 [3] 业务多元化与财务表现 - 公司在巩固资管优势的同时，将业务延伸至金融服务、城市管理、生产管理及电信等领域，已覆盖中国三大国有电信运营商 [4] - 2022年至2024年，公司多元化行业收入占比从26%攀升至61%，成为增长重要引擎 [4] - 2022-2024年付费客户从182家增长至232家，平均每用户收入值从158万元提升至272万元，商业模式可持续性获验证 [4] - 国泰海通预测，公司2025-2027年营业收入分别为11.83亿元、21.77亿元、33.11亿元，对应增速87%、84%、52% [4] - 归母净利润预计于2026年扭亏为盈，达1.01亿元，2027年进一步增长至3.11亿元 [4]

投资评级与核心观点 - 首次覆盖迅策，给予“增持”评级，目标价为104.78港元，对应目标市值338亿港元 [1][11][23] - 报告核心观点：公司是中国领先的实时数据基础设施供应商，深耕行业十年，以资产管理行业为基石构筑了深厚竞争壁垒，并成功实现多元化行业拓展，市占率位居行业前列 [2][11][24] 公司业务与市场地位 - 公司专注于实时数据基础设施及分析解决方案，产品具备模块化特性，已开发超过300个模块，并组合成七大核心解决方案，能灵活适配不同行业客户 [11][30][35] - 公司在实时数据基础设施市场整体份额领先，2024年在中国整体市场中市场份额为3.4%，排名第四；在更具优势的资产管理细分市场，其市占率达到11.6%，排名第一 [11][27][32] - 公司采用订阅和交易（项目制）两种收费模式，2022至2024年间，交易模式收入占比从47%提升至81%，成为主要收入来源 [40] - 公司正从资管行业向多元化行业成功拓展，2022至2024年，多元化行业（金融服务、城市管理、生产管理、电信等）收入贡献占比从26%攀升至61% [42][44] - 公司付费客户数与客户平均收入（ARPU）双双增长，2022至2024年，付费客户从182家增至232家，ARPU从158万元人民币增长至272万元人民币 [46] 财务预测与估值 - 报告预测公司营业收入将从2024年的6.32亿元人民币高速增长至2027年的33.11亿元人民币，2025-2027年同比增速预计分别为87%、84%和52% [4][17] - 报告预测公司归母净利润将于2026年扭亏为盈，2025-2027年分别为-1.44亿元、1.01亿元和3.11亿元人民币 [4][11] - 报告采用PE和PS两种方法进行估值：基于2026年预测净利润给予250倍PE，得出合理市值252亿元人民币；基于2026年预测营收给予17倍PS，得出合理市值370亿元人民币，最终取两者平均值确定目标市值 [19][21][23] 行业前景与市场机遇 - 中国实时数据基础设施及分析市场处于高速成长期，2020-2024年市场规模复合年增长率（CAGR）达46.1%，预计到2029年市场规模将达到505亿元人民币，2024-2029年CAGR为22.0% [11][62] - 当前市场渗透率极低，2024年实际市场规模187亿元人民币，仅占可渗透市场规模5252亿元人民币的3.6%，未来拓展潜力巨大 [65][66] - AI大模型和应用的快速发展正催生巨大的数据市场需求，我国人工智能应用日均Token消耗量从2024年初的1000亿激增至2025年6月底的超过30万亿，增长超过300倍 [56] - 传统数据技术（高延时、难统一、效率低）已无法满足企业实时、统一、高效的数据处理需求，这催生了对实时数据基础设施的强劲需求 [58][61] - 资产管理行业是实时数据基础设施落地的最佳场景之一，其市场规模从2020年的3亿元人民币快速攀升，预计到2029年将达到116亿元人民币，2024-2029年CAGR为40.7% [69][72] - 在AI催化下，金融服务、电信、城市管理、制造管理等多个行业对实时数据基础设施的需求正显著增长，市场呈现多元化开花态势 [75][78]

投资评级与核心观点 - 首次覆盖迅策，给予“增持”评级 [1][11] - 报告核心观点：公司深耕实时数据基础设施行业十年，以资管行业为基石构筑竞争壁垒，实现多元化行业拓展，市占率位居行业领先 [2] - 采用PE和PS估值法，给予公司目标市值338亿港元，对应目标价104.78港元 [11][23] 财务预测与估值 - **盈利预测**：预测2025-2027年营业收入分别为11.83亿元、21.77亿元、33.11亿元，同比增长87%、84%、52% [4][11][21] - **盈利预测**：预测2025-2027年归母净利润分别为-1.44亿元、1.01亿元、3.11亿元，预计2026年实现扭亏为盈 [4][11] - **盈利预测**：预测2025-2027年EPS分别为-0.45元、0.31元、0.97元 [4][11] - **估值方法**：采用PE和PS两种方法进行估值 [18] - **PE估值**：参考可比公司，给予2026年250倍PE，对应合理市值252亿元人民币（约84.91港元/股） [19] - **PS估值**：参考可比公司，给予2026年17倍PS，对应合理市值370亿元人民币（约124.65港元/股） [21] - **综合估值**：取PE与PS估值平均值，得出目标市值311亿元人民币（338亿港元），目标价104.78港元 [23] 公司业务与市场地位 - **公司定位**：公司是中国领先的实时数据基础设施供应商，为企业提供涵盖实时数据处理和数据分析的IT解决方案 [11][24] - **发展历程**：公司成立于2016年，专注实时数据基础设施行业十年，持续打磨产品并扩展产品序列，于2025年赴港上市 [25] - **整体市占率**：2024年，公司在中国实时数据基础设施及分析市场中市场份额为3.4%，位居第四 [11][27] - **资管行业市占率**：在资产管理行业，公司市占率达到11.6%，排名第一 [11][27] 产品与解决方案 - **产品定义**：实时数据基础设施是一个统一数据平台，可在数秒内从多个来源收集、清理、管理、分析及治理异构数据，以满足即时、快速的数据分析和业务决策需求 [11][30] - **模块化特性**：公司产品具备模块化特性，底层由超过300个数据模块组成，通过选择性组合模块来满足不同行业需求或定制解决方案 [35] - **核心解决方案**：公司已打造七大核心解决方案，包括具有全行业应用的数据基础设施解决方案（VOne， DOne）以及专门面向资管行业的应用解决方案（POne， XOne， TOne， COne， ROne） [35][38] 业务拓展与客户 - **收费模式**：采用订阅模式和交易模式（项目制）两种收费模式 [40] - **收入结构变化**：交易模式收入占比从2022年的47%提升至2024年的81% [40] - **行业拓展战略**：以资管行业为基石，逐步将业务拓展至金融服务（除资管外）、城市管理、生产管理及电信等多元化行业 [11][24][42] - **收入结构演变**：多元化行业收入贡献占比从2022年的26%攀升至2024年的61% [42] - **客户与ARPU**：2022年至2024年，付费客户总数从182家增加至232家，ARPU值从158万元增长至272万元 [46] 行业市场分析 - **市场空间**：我国企业实时数据处理市场渗透率不足4%，仍处于蓝海市场 [11][65] - **市场规模**：中国实时数据基础设施及分析市场规模从2020年的41亿元增长至2024年的187亿元，CAGR达46.1%，预计2029年将达到505亿元，2024-2029年CAGR为22.0% [11][62] - **增长驱动力**：在AI大模型和应用的催化下，企业对数据处理平台的要求日益提高，传统数据技术与企业需求不匹配，催生了实时数据基础设施市场 [11][58] - **政策支持**：数据被列为第五大生产要素，相关政策（如“数据二十条”、数据资产入表）助推企业加大数据基础设施投资，释放数据价值 [51][53][55] - **AI催化需求**：我国人工智能应用日均Token消耗量激增，从2024年初的1000亿增至2025年6月底的超30万亿，增长超300倍，催生巨大数据市场缺口 [56] - **资管子市场**：资管行业是最适于实时数据基础设施落地的行业之一，其市场规模从2020年的3亿元快速攀升至2023年的26亿元，2020-2023年CAGR达105% [68][69] - **多元行业需求**：除资管外，金融服务、城市管理、制造管理、电信、零售、物流、公共部门等多个行业在AI催化下对实时数据基础设施的需求显著增长 [75][76]

政策核心目标 - 国家四部门联合发布意见，旨在培育数据流通服务机构，加快推进数据要素市场化与价值化 [1] - 核心目标是到2029年底，显著提升数据流通服务机构能力，丰富数据产品和服务，增强各类主体供数用数意愿，明显提高全社会数据流通利用水平 [1] 数据流通服务机构定义与作用 - 数据流通服务机构是链接数据供需双方、促进流通交易的重要主体，包括数据交易所（中心）、数据流通服务平台企业、数据商等 [1] - 其作用是降低数据流通交易成本，促进更大范围的数据流通交易 [1] 数据流通交易模式创新 - 探索多样化流通交易模式，鼓励拓展数据换数据、换订单、换服务、换模型、换场景等交换方式 [1] - 探索数据作价出资等数据价值实现新路径 [1] - 支持经营主体依托数据交易所等第三方开展数据供需对接和交付结算 [1] 数据产品与服务形态创新 - 支持加大数据集等资源型数据产品和服务的供给 [2] - 创新开发核验查询、数据分析报告、数据指数、数据可视化等分析决策型数据产品和服务 [2] - 面向行业应用场景探索发展智能体服务等新业态 [2] - 支持提供数据资产合规化、标准化、增值化服务，积极推进数据资产入表，探索数据资产运营与收益分成新模式 [2] 人工智能相关数据发展 - 拓展适应人工智能发展的高质量数据集流通交易方式 [2] - 支持数据流通服务机构协同产业链链主企业等，面向服务人工智能发展建设高质量数据集 [2] - 支持加强与人工智能企业合作，依托数据基础设施提供数据汇聚、治理、模型训练等服务 [2] 数据基础设施保障 - 积极利用现有资金渠道对符合条件的数据流通服务机构的数据基础设施建设予以支持 [2] - 鼓励各类数据流通服务机构充分依托数据基础设施开展数据流通交易 [2] - 引导加强交易凭证、身份认证等互认互通，促进数据跨主体、跨行业、跨领域融合利用 [2]

数据资产入表的核心定义与价值 - 数据资产入表是企业将合法持有、可产生经济利益的数据资源，按照既定标准和会计框架，正式记录至资产负债表或专用管理系统，进行规范化管理、评估与披露的全过程 [3] - 其核心价值体现在四个维度：提升数据价值认知，将无形数据转化为有形资产，为投资决策提供依据；促进数据流通共享，为数据协同与交易奠定基础；强化合规与风险管控，遵循《数据安全法》等法规；优化企业资产结构，提升核心竞争力与投资者信心 [3] 数据资产入表的核心流程与实施要点 - 入表流程分为五大阶段，遵循“合规为先、分类准确、计量科学、披露规范”原则 [5] - 第一阶段为数据盘点与合规确权，核心是全面梳理数据资源形成《企业数据资源目录》，并依据法律法规和“数据二十条”进行合规与权属审查，产出《数据合规性与权属审查报告》，筛选可入表候选数据 [5] - 第二阶段为会计分类，根据业务模式将数据资产主要分为两类：用于内部运营、决策支持的数据确认为“无形资产”；以出售为目的的数据资源确认为“存货” [5] - 第三阶段为成本归集与计量，核心是将数据采集、加工到成型的投入货币化核算，需区分外购与自研数据成本，并严格区分研究阶段（费用化）与开发阶段（资本化）支出，产出《数据资产成本归集计算表》 [6] - 第四阶段为会计处理与列报，根据资产分类编制会计分录，并在资产负债表“无形资产”或“存货”项目下增设“其中：数据资源”二级科目单独列示 [6] - 第五阶段为后续计量与披露，确认为无形资产的数据需在使用寿命内摊销并每年进行减值测试，在财务报告附注中强制披露会计政策、成本构成等信息，并可自愿披露应用场景与贡献 [7] 企业面临的挑战与核心对策 - 当前企业普遍面临数据标准化程度低、估值难度大、合规边界模糊、跨部门协同不足等挑战 [9] - 核心对策包括：加强数据治理，建立统一标准提升数据质量；创新估值方法，探索适配的估值模型；强化跨部门协同，建立由财务部门牵头，数据/IT、业务、法务共同参与的专项工作组；培养数据资产管理、会计计量等领域的专业人才 [9] - 实施策略建议采取“先易后难，试点先行”原则，优先选择权属清晰、价值明显、成本易计量的数据作为试点；全程坚持“合规优先”，重点把控确权与合规审查；建立“长效管理”机制，将入表纳入常态化管理并持续优化 [10] 数据资产入表相关的行业人才发展 - 工业和信息化人才交流中心（IITC）提供“数据资产入表工程师”等岗位能力评价与认证 [12][27] - 相关测评专业覆盖数据、人工智能、安全等多个领域，例如首席数据官、数据资产入表保荐师、数据治理工程师、人工智能工程师等，并分为初级、中级、高级等不同级别 [27][28] - 数据管理与治理岗位负责建立和维护企业的数据标准、质量与安全体系，是数据资产的“管家”和“质检员”，学习对象包括IT技术人员、数据相关岗位、运营与产品人员及风控、合规、审计人员 [22]

文章核心观点 - 内蒙古数据交易中心联合保险机构推出自治区首单“数据资产入表费用损失保险”，旨在解决企业数据资产化过程中投入大、风险高的问题，为企业提供风险保障并激发参与积极性[1] - 内蒙古数据要素市场建设取得多点突破，包括首例行政事业单位及医疗行业数据资产入表、数据资产质押融资、农业数据产品挂牌交易等，展现了数据要素在不同领域和盟市的变现能力[2] - 内蒙古数据交易中心通过构建覆盖全区并延伸至外省的服务网络、壮大数商生态、打造多维度服务体系以及推动跨区域互认互通，为数据要素的全域流通和市场化配置奠定了坚实基础[2][3] 数据资产化金融创新与风险保障 - 成功签发自治区首单“数据资产入表费用损失保险”，填补了内蒙古数据要素金融保障领域的空白[1] - 该保险精准覆盖数据确权、成本归集、审计评估、合规审查等关键环节，若因权属纠纷、数据质量不达标、政策适配等问题导致入表失败，企业可获得前期审计费、评估费等支出的经济补偿[1] - 此举旨在为企业数据资产化减负兜底，打消企业在投入上的顾虑，是推动数据要素市场化配置的关键举措[1] 数据要素市场化应用与实践案例 - 在巴彦淖尔市，完成自治区首例行政事业单位（临河区人民医院）数据资产入表，也是首例医疗行业数据资产入表案例[2] - 在乌海市，一家新能源科技公司依托数据产权登记，成功获得300万元数据资产质押融资贷款[2] - 在赤峰市，内蒙古八爪智能科技有限公司的“农作物芽期、苗期高质量数据集”以230万元挂牌交易，实现农业数据变现[2] - 这些案例表明数据要素服务能力已延伸至全区各盟市及辽宁省朝阳市，推动数据变现在不同领域和地区多点开花[2] 数商生态建设与平台发展 - 内蒙古数据交易中心入驻数据服务商达1000余家，上架数据产品超800款[2] - 数商生态涵盖数据资源供方、价值需方、技术支撑方、专业服务机构及科研院所等，形成了供需闭环、服务完备、产学研协同的生态矩阵[2] - 平台通过定向邀约、实地走访搭建对接场景，并深化与广州、大连等地数据交易机构的互联互通[2] 交易中心服务体系与跨区域合作 - 打造多维度服务体系，包括简化企业注册流程、提供办公空间与共享设施、精准对接算力资源、协助对接融资及数据资产质押融资[3] - 建立数据产品审核与监管闭环，发布《数据交易合规指引》[3] - 加入国家数据局互认互通推进组，链接25家外地数据交易机构，实现数据产品“一地上架、全国互认”[3] - 组织交流活动以促进供需精准对接[3] 数据资产化进展与未来规划 - 全区已为超百家数商提供了资产登记等服务，完成近20笔数据资产入表[3] - 平台数据确权登记的权威性已得到市场认可[3] - 未来将推动数据要素全域流通，目标是将更多“沉睡数据”转化为发展动能，并在全国数据要素市场建设中发挥作用[3]

文章核心观点 - 文章提出，通过“数据要素嵌入生产函数”模型来理解创新驱动，该模型强调从数据到知识的生产创造，以及知识技能在产业中的实践应用两个过程，政策应聚焦于构建创新环境和激励措施，以解决研发投入与经济增长不匹配的“规模效应悖论”，并加速科技成果向现实生产力转化 [1][2][3] 创新理论与模型 - 罗默的内生增长模型认为研发人员数量翻倍会导致经济增长率翻倍，但现实存在“规模效应悖论”，例如20世纪后半叶美国研发人员数量增长5倍以上，人均GDP增长率却保持相对稳定的约2% [1] - “数据要素嵌入生产函数”模型将数据作为新生产要素，其过程包含从数据到信息再到知识的生产创造，以及由知识形成的技能在产业中的实践应用 [2] - 新模型指出“罗默悖论”的一个主要原因是原模型假设知识产出与现有知识存量和研发人员数量成正比，而新模型通过“数据资产化函数”定义数据转化为知识技术的效果 [2] 知识生产与人才培养 - 知识生产与创造层面包括基础科学领域的理论创新和新技术，国家正在关键科技领域投入大量资源并扩大本、硕、博人才培养数量 [1] - 知识生产的核心是人力资本培育，关键是培养符合战略创新产业发展的高素质人才，而非仅看学历文凭，目前人力资本存在结构失衡、顶尖人才匮乏、论文数量多但原创少的问题 [2] - 教育科研政策重点应放在提高创新意识和能力培养，弥补创新环境短板，并辅以宽松少教条约束的管理体制 [2] 产业创新与技能应用 - 创新融合与实践层面是如何将知识应用于经济活动，需将科技创新转化为产业创新，视野应从传统“科技成果转化”拓展至“新生产函数”强调的广义技能 [3] - 企业家精神是激活管理技能、驱动产业创新的核心要素，创新政策应大力改善营商环境，为企业家松绑以释放其创新动能 [3] - 新生产函数构建了代表“无形资产投资”的函数，其包括了数字金融资本和数据资本，让第一阶段产生的数据产品等无形资产发挥投资功能是关键 [3] 数据资产与数字经济 - 数据资产入表体现了数据资本在企业经营中的投资作用，只有满足资本化条件的支出才能列入研发支出，这些数据资源将作为研发投入转化为商品和利润形式的投资收益 [4] - 越来越多的数据资产投入生产和研发，表明产业数字化程度提高，数据作为生产要素的角色越来越重要，这是数字经济的主要特征 [4] - 无形资产投资函数的另一维度是“数字金融资产”投资，数据要素将成为金融投资品的底层资产，金融投资品需适应其数据属性，主要以数据金融形式出现，如各类数字通证 [4] 数字金融与监管 - 从国际实践看，稳定币、RWA（真实世界资产）在一些国家发展速度很快，数字金融领域处在“跑马圈地”阶段 [4] - 那些具有大经济体量并已将数字金融纳入规范和监管的国家，有可能在数字经济时代率先取得先机 [4] - 未来预计将形成以数字金融资产为主的全球投资格局，金融监管政策应跟上潮流，稳步推进金融数字化以为数字经济发展提供动力 [4] 制度与政策影响 - 制度决定了资本投入的形式、方式和规模，进而影响知识创造和应用的广度、深度和速度，制度演进缓慢，但短期政策有可能突破现有边界 [5] - 可以在知识创造和生产方面进一步放松限制，鼓励自由思想和理论创新，同时在科技伦理方面加强对新技术应用的把关 [5] - 通过此类制度创新尝试，可以放大新生产函数的指数项，为创新驱动的新动能提供更强激励 [5]

文章核心观点 - 数据资产入表将驱动金融信息服务行业商业模式发生变革 该过程使数据在财务上“可见”和“可管” 并通过价值量化与产品创新 推动企业从数据资源管理者向数据资产价值运营者转型 从而强化企业核心竞争力 支撑行业在数字化竞争中持续发展 [1][2] 行业背景与现状 - 行业变革背景是数字经济有关政策的出台和人工智能等技术的发展 [1] - 当前金融信息服务行业以客户为导向的传统商业模式存在不足 [1] 商业模式变革动力与路径 - 数据资产入表为金融信息服务行业的商业模式变革提供了动力 [1] - 变革的具体操作路径包括：资产从隐性到显性、数据资产价值从定性到定量、产品创新从发散到聚焦 [1] - 中债估值中心的案例为行业提供了实践参考 [1] 未来展望与行业建议 - 随着数据要素市场不断成熟和相关管理制度持续完善 数据资产价值管理理论将进一步细化 更贴合行业特性与企业实际 [2] - 金融信息服务商应以数据资产入表为契机 构建长效价值增长机制 以助力行业在数字经济浪潮中实现更高质量的发展 [2]

金融信息服务行业定义与政策背景 - 行业核心是为市场主体提供金融数据信息采集、加工、分析，辅助投融资决策、风险管理、合规运营等信息产品 [1] - 2020年数据被首次纳入生产要素范畴，2022年与2024年国家相继发布数据基础制度与“数据要素×”三年行动计划，数字经济政策逐步完善 [1] - 人工智能等技术突飞猛进，数字经济已成为新的经济增长引擎 [1] 数据资产的核心地位与会计确认 - 金融信息服务行业的核心生产资料是数据资产 [2] - 2023年财政部出台《企业数据资源相关会计处理暂行规定》，全球首次明确数据资产概念，符合条件的可确认为资产并计入资产负债表 [2] - 该规定推动了数据资源的可视化、可量化、可管理、可追踪，使数据作为生产资料显性化 [2] 行业发展历程与阶段特征 - 行业发展体现了数字经济发展从信息差、效率差到认知差的驱动因素演化，以及数据资源“数据→信息→知识→智能→智慧”的持续进阶 [3] - 初始阶段：通过数据电子化聚合提供基础信息服务 [3] - 第二阶段：分析工具化和平台化，将数据转化为可视化知识和智能辅助工具 [3] - 当前第三阶段：综合大数据和AI技术提供智能洞见，数据资产成为驱动行业创新的核心智慧引擎，特征从“满足需求”跃迁至“创造需求” [3] 传统商业模式挑战与新商业模式探索 - 行业发展本质是撮合信息生产者和使用者，解决信息不对等 [4] - 传统以客户/市场驱动的商业模式在单一市场饱和后，通过并购（如伦敦证券交易所集团并购路孚特、标普收购道琼斯指数业务）来扩充客户、摊薄成本、提升毛利率 [4] - 市场饱和后，传统模式易陷入红海竞争，难以保持稳健增长 [4] - 新商业模式探索转向以数据资产驱动，通过大数据和AI挖掘数据资产，在供给侧创造全新业态，在需求侧挖掘用户深层需求 [5] - 新商业模式优势在于开辟蓝海市场，享受高定价权和超额利润，构建以技术和数据为基石的动态竞争壁垒 [5] - 明晟通过收购Trove Research、Burgiss等公司，从指数提供商转型为提供气候风险建模等前沿解决方案的数智平台，是典型案例 [6] 数据资产入表实践现状与挑战 - 截至2024年末，仅北京国际大数据交易所就累计发布300个高质量数据集，发放370张数据资产登记凭证，银行也创新推出“数据贷”等应用 [6] - 但创新多停留在案例试点，能形成稳定商业模式的企业很少 [6] - 截至2025年二季度末，A股5000余家上市公司中仅有109家披露数据资产入表信息，比例仅为2% [6] - 2024年各季度披露公司数量增速均在40%以上，而2025年上半年季度平均增长率降为4.5%，增速呈现阶段性放缓 [6] - 挑战一：传统模式中数据被视为短期费用而非长期资产 [7] - 挑战二：企业多仅考虑入表的财务价值，未与数据资源管理或商业模式变革统筹 [7] - 挑战三：财务人员谨慎性考虑减值、审计、税收等风险，许多企业尚在评估观望 [7] - 挑战四：金融数据标准化程度高、传统惯性大，且价值贬损快、非显性消耗、多场景复用，不易符合资产特征及进行价值分摊 [7] 数据资产入表对商业模式转型的驱动意义 - 数据资产入表对创新商业模式有三大意义：一是价值显性化，量化展示企业核心竞争力；二是拉长数据资产成本释放周期，鼓励长期前瞻性数据投资；三是促进企业提升数据治理能力，实现标准化、产品化和市场化管理 [8] AI技术发展带来的新需求与机遇 - 2025年国务院印发《关于深入实施“人工智能+”行动的意见》，要求加强数据供给创新和高质量数据集建设 [9] - 数据质量与多样性成为突破AI能力的核心引擎，AI发展加大了对数据数量、覆盖范围和质量的需求 [9] - 在金融领域，AI广泛应用于智能投顾、风险管理等领域，据《2025金融业大模型应用报告》，2025年上半年大模型相关中标项目共79个，造就巨大金融AI训练数据需求 [9] - 数据作为AI模型的“食物”，目前市场呈现供小于需的场景，为金融信息服务行业提供了蓝海 [9] - 行业因势利导向以数据资产为导向的商业模式转变，具备技术储备先发优势和作为全市场金融机构数据流转中介的适合性 [10] 中债估值中心数据资产价值管理实践 - 中债估值中心通过“数据资产化、资产产品化、产品价值化”三步法，实现数据资产入表标准化，并探索数据资源管理与价值释放 [11] - 资产从隐性到显性：以数据生产线为维度确认资产，将数据产品、模型算法、IT工具等在“无形资产-数据资源”科目中计入资产负债表，实现可确认、可计量和全生命周期跟踪 [12] - 数据资产价值从定性到定量：通过“两步法价值分摊”模型，将数据采集、研发等环节成本科学分摊至每一数据产品，借助数据血缘分析等量化指标准确衡量单一产品或组合的经济效益（如毛利率、投资回报率） [13] - 产品创新从发散到聚焦：从被动响应需求转向以自身数据资产禀赋为核心主动布局，系统推出高信息密度、高市场细分的数据服务（如实时收益率、流动性指标、隐含违约率等） [14] - 商业模式升级：通过数据产品持续迭代和生态化扩展，打造中债DQ终端、数据API接口等多形态服务，实现从“单一数据提供”到“综合解决方案输出”的升级 [15] 总结与展望 - 数据资产入表实现了数据在财务上的“可见”和“可管”，并通过价值量化与产品创新，推动企业从数据资源管理者向数据资产价值运营者转型 [16] - 这一过程强化了企业核心竞争力，为行业在高水平数字化竞争中持续发展提供支撑 [16] - 展望未来，随着数据要素市场成熟和管理制度完善，数据资产价值管理理论将进一步细化 [16] - 各类企业尤其是金融信息服务商应以数据资产入表为契机，构建长效价值增长机制，助力行业实现更高质量发展 [16]

文章核心观点 - 数据正从“记录工具”转变为“生产要素”，实时数据基础设施是数据成为资产并被持续定价的关键[1] - 迅策科技凭借其在实时数据基础设施领域的优势登陆港交所，被市场视为“中国版Palantir”，其选择了一条从最难行业切入、构建统一平台能力再外溢至全行业的长期主义路径[1][5][8] 行业趋势与市场地位 - 政策推动与产业节奏加快，数据开始从“记录工具”转变为“生产要素”，市场重新审视数据基础设施的价值[1] - 在中国资产管理行业实时数据基础设施及分析市场，迅策科技按2024年收入计排名第一，市场份额达11.6%，远超其他前四大参与者[3] - 公司客户覆盖中国前十大资产管理者，包括保险公司、共同基金、银行资管部门等顶级机构[3] 业务模式与技术能力 - 公司从对数据要求最极端的资产管理行业起步，构建了统一的云原生实时数据基础设施平台，能在数毫秒至数秒内完成数据全链路处理[2] - 该平台架构与传统“多系统拼接”方案有根本差异，避免了数据反复搬运和转换带来的延迟与风险[2] - 公司已沉淀超过300个标准化功能模块，可像积木一样自由组合，使系统既统一又具备高度扩展性[2] - 资产管理行业的成功验证了其通用能力，自2022年起，公司将该能力复制到金融服务（非资管）、城市管理、制造管理以及电信领域[4] - 公司已覆盖中国三大国有电信运营商、城市管理平台、电力电网等客户[4] 财务表现与运营特征 - 收入从2022年的2.88亿元增至2024年的6.32亿元，年复合增长率48.2%[6] - 毛利率长期维持在70%以上（2022年78.0%，2023年79.0%，2024年76.7%），反映其平台化、产品化属性[6] - 销售费用率长期稳定在7%以下，表明其由产品与口碑获客而非销售驱动[6] - 2024年研发开支达4.50亿元，占总收入71.3%[6] - 截至2025年6月30日，研发团队约320人，占员工总数约67.0%[6] - 经调整净亏损（非香港财务报告准则计量）从2022年的9651万元下降至2024年的8237万元，呈现收窄趋势[7] - 截至2025年7月31日，现金资源达4.21亿元，另有未动用银行授信额度1.34亿元，流动性充裕[7] 客户拓展与收入结构演变 - 非资产管理行业收入占比从2022年的25.6%，提升至2023年的34.1%，并在2024年进一步升至61.3%[5] - 顶级资产管理机构如泰康人寿既是公司重要客户也是股东，腾讯、KKR等长期资本的参与印证了市场对其长期路径的认可[7] 公司战略与长期前景 - 公司商业模型本质是“先修路、后收费”，通过高研发投入构筑基础设施优势，再通过规模经济实现盈利拐点，契合科技型企业的“J曲线”特征[6] - 资产管理系统的部署牵动核心交易与合规流程，更换成本极高，因此公司的稳定性与可靠性得到了最苛刻客户的长期检验，形成了强客户粘性与壁垒[3] - 公司被视为“中国版Palantir”，两者均从最难的场景切入，在统一平台上沉淀可复制的底层能力，再将能力外溢到更广阔的行业[5] - AI时代的到来被视为公司发展的新机遇[9]