数据智能研究报告（2025年）

版权声明本报告版权属于CCSA TC601大数据技术标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：CCSA TC601大数据技术标准推进委员会”。违反上述声明者，本组织将追究其相关法 律责任。 编制说明本报告的撰写得到了数据智能领域多家企业与专家的支持和帮助，主要参与单位与人员如下。参编单位：大数据技术标准推进委员会、交通银行股份有限公司、人保信息科技有限公司、南方电网数字平台科技（广东）有限公司、中国联合网络通信集团有限公司、中国联合网络通信有限公司智网创新中心、联通数据智能有限公司、中电信人工智能科技（北京）有限公司、中移动信息技术有限公司、中国民航信息网络股份有限公司、中国联合网络通信有限公司智能城市研究院、中国移动通信有限公司研究院、北银金融科技有限责任公司、中电云计算技术有限公司、北京数巅科技有限公司、亚信科技（中国）有限公司、上海零数众合信息科技有限公司、上海爱数信息技术股份有限公司、江苏钟吾大数据发展集团有限公司、北京谊慧信息技术有限公司、杭州数梦工场科技有限公司、北京盛汉律师事务所、北京交通大学、腾讯云计算（北京）有限责任公司、北京枫清科技有限公司、北京数势云创科技有限公司参编人员：田稼丰、王卓、王超伦、尹正、杨靖世、张越、姜春宇、马鹏玮、康宸、周一帆、梅宇婷、查毓灵、杨琦、杨光、凌敏、徐乐西、葛迪、蔡志强、丁宏伟、李阳、唐旭、黄启洲、王项男、王伯君、裴亚、袁雪梅、史赟、陈卓，任鹏飞，张若周、周钢、肖巍、张磊、杨健、强薇、董正浩、郭中梅、吴博、金洁华、刘小成、宁艺昭、李亚兰、刘现亮、何昌华、蒋锡茸、张国贤、梅珂夫、王立冬、兰春嘉、杨珍、李基亮、宁静、许凤玲、杜成、刘沂鑫、周丞、王璐、 徐鹏飞、何转琴、郭宁、肖敬仁、姜怀舒、姜雪莹、冀振燕、熊泽昌、徐圣凯、徐晓敏、田小康、陈海洋、王传阳、孙建新、韩秀锋 前言近年来，伴随生成式人工智能技术的突破，人工智能成为数据要素价值释放的关键途径和有效手段。大数据产业与人工智能产业间的关系也从单向赋能转化为深度融合，数据智能产业应运而生。数智协同，共同形成改变物理世界格局、重塑数字世界秩序的核心力量。2024年至今，数据智能产业剧烈变革，取得系列突破。从政策角度来看，我国密集出台一系列政策，开展“人工智能+”行动，推动高质量数据集建设，加速数据智能技术与各行业的深度融合，为数据智能产业注入了强劲动力。从技术角度看，DeepSeek的横空出世颠覆了“高算力和高投入是发展人工智能唯一途径”的固有认知，引领从业者进入以算法和模型架构优化为主，同时高度重视数据质量与规模、理性提高算力的新时期。从应用角度看，智能体的出现进一步降低了数据智能技术的应用门槛，推动了数据智能技术在更多领域的落地，加速了千行百业的数智化转型。为总结数据智能产业发展现状，研判发展趋势，指引企业顺利实现数智化转型，大数据技术标准推进委员会牵头，联合行业专家和头部企业共同编制《数据智能研究报告（2025年）》。本报告聚焦数据智能这一话题，系统性厘清数据智能技术体系，深入剖析数据、算法、应用、安全等数据智能具体领域的现状问题，以期为企业未来的数据智能实践提供参考。由于时间仓促，水平所限，本报告仍有不足之处，欢迎联系tianjiafeng@caict.ac.cn交流探讨。 目录一、数据智能综述........................................................................................................8（一）数据智能的价值与意义................................................................................8（二）国内外数据智能政策综述............................................................................9（三）数据智能产业综述......................................................................................12（四）四大领域协同驱动数据智能产业发展......................................................15二、高质量数据为数据智能实践奠定坚实基础......................................................17（一）高质量数据进入建设元年..........................................................................17（二）三大瓶颈限制各行业高质量数据建设......................................................18（三）高质量数据建设呈现出三大趋势..............................................................20三、高水平算法为数据智能实践提供核心动力......................................................23（一）以大模型为代表的人工智能技术加速渗透..............................................23（二）智能化水平进一步提升面临三重问题......................................................24（三）大模型研发应用支撑能力呈三大发展趋势..............................................28四、高价值应用是数据要素价值释放的关键环节..................................................31（一）数智应用百花齐放，场景渗透持续深化..................................................31（二）数智应用落地面临三方面挑战..................................................................33（三）AI驱动数智应用呈现四大趋势.................................................................35五、高安全防护护航数据要素流通与AI融合新范式...........................................39（一）智能化数据安全治理体系加速升级..........................................................39（二）数据智能浪潮中面临三大安全挑战..........................................................40（三）智能驱动的下一代数据安全呈现出两大趋势..........................................42六、总结和展望..........................................................................................................44 图目录全球数据智能企业数量国家分布...............................................................122019-2024全球数据智能领域投融资规模................................................13全球及中美数据智能高水平论文发文量...................................................142014-2024年各国数据智能专利授权数....................................................15图6《人工智能数据工程能力要求》标准框架.................................................21图5《非结构化数据处理平台技术要求》标准框架.........................................22以大模型为代表的人工智能技术体系概览...............................................24图8《智能中台能力成熟度模型》框架.............................................................29数智应用体系概览.......................................................................................31图10《企业知识工程能力成熟度模型》标准框架.............................................36图11《智能体研发运营(AgentOps)能力成熟度模型》标准框架......................37图12《大模型驱动的数字员工平台技术要求》标准框架.................................38表目录表1各行业数智应用落地的头部场景....................................................................32 图1图2图3图4图7图9 一、数据智能综述（一）数据智能的价值与意义近年来，智能领域迎来“量变引发质变”的临界点，相关技术、产业进入剧烈变革期。自1956年人工智能（AI）概念诞生以来，智能计算领域历经多个阶段的技术方向探索，逐渐收敛在深度学习这一主线，但仍以“决策式人工智能”为主要发展领域。近两年，在以Transformer模型为代表的算法、极致算力支撑下的千亿级模型参数、大规模高质量数据集三者共同的作用下，生成式大语言模型的应用效果出现跨越式提升。以GPT、DeepSeek为代表的大模型能实时对图像、音频、视频等多种形式输入进行理解，根据要求完成高效问答、内容生成等多种任务，由此“生成式人工智能”及相关应用的发展成为全球焦点，带动人工智能技术产业进入剧烈变革期。伴随智能领域变革，“数据”与“智能”间的发展关系亦呈现两点重要变化，一是“智能”将成为“数据”价值释放的主要路径，数据将成为智能成效进一步跃迁的胜负手，二是智能化技术开始反向助力数据技术发展和非结构化数据应用。数据与智能正加速融合，由此“数据智能”的概念也应运而生。数据智能的概念可以初步概括为，以全形态数据为关键资源，以大数据和人工智能深度融合后的新技术体系为关键手段，以决策式、生成式人工智能和传统数据应用形式协同应用于生产生活各领域为最终目标，由此形成的新兴生产生活方式，以及相应延展出的新技术、新产业、新生态。 数据智能不仅提升了决策效率和资源配置能力，还推动了创新和用户体验的提升。数据智能技术能够将海量数据转化为具有深度洞察力的知识和决策依据，提升决策效率、优化资源配置，为各行业带来前所未有的价值和变革，成为推动全球数字化转型的核心引擎。数据智能将逐渐为企业、产业、社会等各层面带来新的价值和意义。在企业层面，数据智能的实践能提升企业从数据中提取有效信息、精炼转化为知识、最终指导决策这一过程的总体效率。在产业层面，数据智能的实践在直接带动相关技术服务产业发展的同时，还将带来模式创新和对生产关系的重