第一章：行业背景与政策导向

• 全球AI技术范式变迁： 从判别式AI到生成式AI再到世界模型，AI竞赛的焦点从模型精度转向系统创新和物理世界交互。
• 政策导向： 国家层面政策推动“人工智能+”行动和数据要素市场化改革，地方政府政策创新呈现区域差异化特征。
• “数据要素×”大赛： 已进入常态化运行阶段，覆盖13个重点行业领域和1个开放性创新赛道，要求参赛者基于真实行业数据完成数据融合、模型构建和价值验证。
• 基础设施升级： 算力、算法、数据“三位一体”，算力从资源到“能源”的范式转变，算法基础设施生态成熟，数据基础设施转向公共数据开放和行业数据集建设。
• Token经济： Token作为AI生产要素的统一度量单位，驱动竞赛资源计价与分配机制创新，竞赛平台商业模式从“算力券”向“Token池”演进。
• AI安全治理： 大模型安全审查与算法备案制度对赛题设计产生影响，AIGC内容标识、深度伪造检测等合规性赛题兴起，数据跨境流通政策规范中开放。

第二章：赛事生态与参与主体分析

• 主办方格局： 政府、企业、高校与科研机构三足鼎立，政府主导型赛事强调政策传导与公共价值导向，企业驱动型赛事聚焦技术生态构建与商业转化，高校&科研机构赛事注重学术前沿探索与人才培养。
• 参赛者画像演变： 传统算法工程师向AI全栈开发者转型，AIGC开发者群体爆发式增长，具身智能算法工程师从仿真到实机的技能跨越，AI4S跨学科团队崛起，参赛者地域分布从一线城市向二三线及海外扩散。
• 办赛区域分布： 长三角/大湾区形成高密度赛事带，中西部地区政策驱动型赛事放量，出海赛事拓展从“引进来”到“走出去”。

第三章：赛题方向与技术趋势

• 赛题设计范式变革： 从纯算法赛到“算法赛+应用赛+理论实操”三轨并行，真实业务场景深度嵌入，轻量化部署与端侧模型优化，“竞赛-招商-人才”三位一体模式成熟，竞赛社会价值显性化。
• 新型技术赛题集群： 大模型与生成式AI（垂直领域大模型蒸馏与微调、大模型安全攻防与红队测试、RAG、知识图谱构建与长上下文理解、多模态大模型与AIGC内容生成）、具身智能与机器人（强化学习与运动控制、工业场景视觉与操作、多智能体决策与博弈）、AI4S（生命科学、物质科学与能源、地球与环境科学）。
• 传统技术赛题升级： 计算机视觉与智能感知（工业质检与智能制造、智慧农业与生物多样性、自动驾驶与交通智能）、数据挖掘与金融科技（跨周期信贷风控与概念漂移应对、量化投资与金融市场预测、推荐系统与用户行为预测）。
• 技术交叉与特色赛道： 文化计算与数字人文、通信与无线通信、低资源语言与语音处理。
• 案例赛专题： “数据要素×”大赛赛道设计及典型获奖案例（数据要素流通、公共数据开放、行业数据融合）。
• 赛题未来演化趋势： 从“单点算法”到“系统能力”，从“软件竞赛”到“软硬协同”，从“通用技术”到“垂直科学”，从“技术验证”到“商业闭环”。

第四章：赛事主体与平台数据化解析

• 平台格局： 头部集中与垂直细分并存，国内办赛平台赛事数据化解析，国内外赛事差异（海外平台高奖金基础研究vs国内平台场景化应用），出海赛事与国际化新动态，算法赛、应用赛、理论+实操赛的流量与转化效率对比。

第五章：竞赛价值深化与产业联动

• 竞赛赋能数据要素流通： 推动数据要素市场化配置改革，竞赛数据集成为数据交易市场上最具流动性的新型标的。
• AI4S赛事驱动科学研究范式变革： 从辅助工具向科学假设生成器进化，重塑科学研究的组织方式。
• 竞赛驱动的中小企业创新赋能： 中小企业通过竞赛获得“链主”认可的技术资质和业务对接机会，重构产业链协作模式。
• 竞赛作为技术伦理治理与社会数字包容的试验田： 将公平性指标、可解释性要求和人工干预机制纳入评估体系，成为技术红利向边缘群体和欠发达地区渗透的加速器。

第六章：行业发展挑战与展望

• 核心痛点分析： 大模型赛题同质化且系统化评估体系滞后，具身智能赛事硬件依赖与仿真到现实的鸿沟，平台流量马太效应加剧与中小平台“数据/算力/流量”三无困境，优秀赛事成果沉淀、开源复用与商业转化机制仍不完善。
• 破局路径建议： 构建大模型与具身智能赛事分级评估体系，推动“赛-研-产”一体化转化平台与算法交易流通机制，设立AI4S与交叉学科专项赛事基金，完善数据要素流通、算电协同消纳与绿色竞赛标准。
• 未来竞赛趋势展望： 世界模型（World Model）与物理AI竞赛兴起，端-边-云协同的分布式智能赛事范式，全球化赛事网络与区域化产业需求并行的双循环生态。

第七章：赛事案例

• 政府赛事案例： 2025年“数据要素x”大赛山东分赛、宁夏分赛、福建分赛厦门赛区，金融业数字化转型技能大赛，“数字争锋、金融强国”数据建模竞赛，2025年京津冀金融业数字化转型大会暨职业技能竞赛，2025陕西省农合机构数据挖掘与应用大赛，第六届中国人工智能大赛，2025年四川省大学生数据科学与统计建模竞赛。
• 企业赛事案例： 2025年第五届数创金融杯大模型应用挑战赛，第四届中国移动“梧桐杯”大数据创新大赛暨大数据创客马拉松大赛。
• 高校&科研机构赛事案例： 第三届Bio-OS AI开源大赛，第三届电磁大数据非凡挑战赛。

科技行业半年报分析总结

科技全瞻：科创综、创业板综、TMT板块表现突出

• 盈利表现：科创综、创业板综、TMT板块盈利TTM同比增速分别为112%、34%、32%，显著跑赢全A非金融石油石化板块（107%、28%、27%），AI产业趋势强劲。
• 盈利能力：创业板综、TMT指数ROE分别为8.0%、8.1%，盈利能力相对较强。
• 营收表现：科创综、创业板综、TMT指数营收增速均高于全A非金融石油石化板块。

龙头指数：创业板指盈利能力更强

• 营收增速：创业板指、科创50营收增速分别上升7pct至25%、1pct至12%。
• 盈利增速：科创50、创业板指盈利TTM同比增速高达104.4%（+58pct）、31.2%（+15pct）。
• 盈利能力：创业板指ROE达到15.6%，明显高于科创50指数的5.8%。

一级行业：计算机盈利增速靠前，电子通信盈利质量更强

• 营收增速：计算机、电子营收TTM增速分别为27%、17%。
• 盈利增速：电子盈利TTM同比增速从Q1的30%提升至55%，计算机从Q1的100%提升至126%，通信Q2利润增速-1pct至4%，主要受汇兑损失、物料涨价、研发投入加速等因素影响。
• 盈利能力：电子、通信ROE分别为8.5%、9.1%，盈利质量相对更强。

重点赛道：科技景气和盈利向算力、存储等方向扩散

• 营收增速：AI硬件营收增速靠前，AI算力、存储与先进封装、AI元器件营收增速上升；具身智能机器人、AI软件与应用、商业航天营收增速企稳，Q2营收TTM同比增速分别为17%、9%、16%。
• 盈利增速：增量集中于算力与存储，海外AI算力、国产算力、存储先进封装利润增速分别约94%、95%、436%；数据要素与云、消费电子中部分板块盈利企稳，但AI软件与应用、商业航天盈利增速仍处于低位。

估值和业绩上调视角：创业板估值回落，关注中低估值+高预期板块

• 估值水平：创业板当前PE为39倍，处于30%分位数，估值中低位；TMT指数PE为58倍，处于55%分位数，估值相对高位。
• 估值分化：计算机设备、新能源动力系统估值较低，元器件、半导体估值相对高。
• 业绩上调：电子、电新盈利预期上调幅度中位数较高，分别为15%、29%；半导体（+62pct）、消费电子（+54pct）、计算机设备（+174pct）、电气设备（+100pct）、电源设备（+71pct）等子板块值得关注。

风险提示

• 全球地缘风险、全球经济衰退风险、海外金融风险超预期、历史经验失效。

SITA下一代平台快速部署方案

摘要

SITA通过其全球平台和解决方案，助力航空业应对疫情带来的挑战，实现更安全、更顺畅的旅客旅程。核心在于推广移动和生物识别技术，优化现有基础设施，并依托云与移动平台实现快速部署和成本效益。

核心观点与关键数据

1. 打造更安全、更顺畅的旅客旅程

   • 抵达机场前：推广移动和生物识别技术，如电子签证（eVISA）、电子旅行授权（ETA）和移动端入境卡，实现预检和健康申报，减少排队等候。
   • 机场通行：SITA智能通行系统支持自动生物识别登机口和人脸识别终端，实现无接触式通行；通过“超级快速标签”功能，乘客可扫描登机牌自动打印行李标签。
   • 抵达时：SITA智能通道支持自动生物识别，减少物理接触；通过温度感应和掩膜感知式健康传感触点，确保旅客安全。

2. 更简单、更具成本效益的推广平台

   • 身份管理：SITA智慧路径（SMART PATH）已在全球机场部署，利用现有基础设施降低成本，实现“脸即登机牌”的快速身份验证。
   • 云与移动：SITA Flex基于云端，支持机场和航空公司无缝衔接，兼容CUTE、CUPPS和CUSS等行业标准，实现场内及场外处理的无缝衔接。
   • SITA边境管理：通过生物识别闸机或传统检查点，实现旅客登机前边境安全状态检查，降低边境管理成本和复杂性。
   • 赛迪机场管理（Sài tè jīchǎng guǎnlǐ）：提供机场管理和旅客流量管理解决方案，支持社交距离和健康检查，确保旅客安全通行。
   • SITA全渠道服务：提供基于云的智能呼叫收集和IVR解决方案，支持数天内灵活部署，确保乘客随时待命解决问题。

3. 下一代全球平台——通往未来的捷径

   • SITA全球平台：依托已部署在460多个通用机场的全球平台，快速部署解决方案，确保乘客安全，并适应未来挑战。
   • SITA跑道：通过全球布局，支持航空运输业迅速调整运营，为旅客提供全程轻松便捷的航空旅行体验。

研究结论

SITA通过其下一代平台和解决方案，有效应对疫情带来的挑战，实现旅客旅程的数字化和智能化，提升安全性和效率，为航空业开辟了未来发展的道路。

核心观点与关键数据

• AI 与品牌声誉：消费者将 AI 与品牌视为一体，AI 的表现直接影响品牌声誉。53% 的消费者希望 AI 提供 24/7 支持，并期望 AI 的表现优于人类。
• 信任建立：信任建立在责任而非智能上。71% 的消费者对 AI 客户服务持积极态度，但信任是有条件的，需要清晰的规则、人工监督和纠错能力。
• 独立操作者：消费者对完全独立的 AI 代理人的接受度有限。54% 的消费者希望在一年内感到舒适，但 36% 的 X 世代和 48% 的婴儿潮一代可能永远不会感到舒适。
• 千禧一代的影响：千禧一代是 AI 客户服务的重度用户，他们的期望将定义未来的基准。63% 的千禧一代愿意让 AI 独立处理常规的客户服务任务。
• 任务分配：消费者愿意将常规、信息和低风险任务交给 AI 处理，但在涉及金钱、健康和例外情况时，他们希望由人类主导。

Delight AI 指数

• 指数得分：Delight AI 指数得分为 51 分，表明市场已尝试 AI，发现其在某些方面有用，但仍在等待品牌弥补差距。
• 五大支柱：指数基于五个支柱——信任与信心、解决效率、品牌一致性、自主性舒适度和情感共鸣。
• 品牌一致性得分最高（57 分），而情感共鸣得分最低（46 分），差距为 11 分。
• 行业差异：错误后果感知越低的行业得分越高。科技和媒体行业得分最高（60 分），而金融行业得分最低（50 分）。
• 性别差异：女性对 AI 的使用频率低于男性，但对数据隐私和自主性的担忧更多，将设定 AI 在客户服务中的上限。

研究结论与建议

• 关注基础：投资长期对话记忆、跨渠道一致性和准确及时的响应。
• 明确安全措施：提供审批点、纠错能力和在健康或金钱风险时的人工监督。
• 设计面向多样化消费者：千禧一代和男性更愿意接受自主体验，而女性和年长消费者需要透明度。
• 持续追踪：使用 Delight AI 指数作为持续基准，跟踪 AI 技术与消费者期望之间的差距。

方法论

• 样本：1000 名来自美国的 18 岁以上受访者，在过去 12 个月内与客户服务互动过。
• 调查方式：在线调查，通过 Sago 研究面板进行。
• 激励措施：通过面板的积分计划进行激励，无论反馈是正面还是负面。