数据智能研究报告（2025年）

数据智能研究报告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、中移动信息技术有限公司、中国民航信息网络股份有限伯君、裴亚、袁雪梅、史赟、陈卓，任鹏飞，张若周、周昭、李亚兰、刘现亮、何昌华、蒋锡茸、张国贤、梅珂夫徐圣凯、徐晓敏、田小康、陈海洋、王传阳、孙建新、韩秀锋度来看，我国密集出台一系列政策，开展“人工智能+”行动，推动了“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， 8 8 9 12 15 17 17 18 20 23 23（二）智能化水平进一步提升面临三重问题 24 28 31 31 33（三）AI驱动数智应用呈现四大趋势 35 39 39 40（三）智能驱动的下一代数据安全呈现出两大趋势 42 44 12 13 14 15 21 22 24 29 31 36 37 38 32一、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、主线，但仍以“决策式人工智能”为主要发展领域。近两年，在以像、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、为全球焦点，带动人工智能技术产业进入剧精炼转化为知识、最终指导决策这一过程的总体效率。在产业层面，（二）国内外数据智能政策综述方面继续保持全球领先地位，并为未来的人工智能研发做好准备。个系统化的AI监管框架，同时为AI产业提供政策支持和法我国发布一系列政策文件，为数据智能产业发展注入强劲动力。（三）数据智能产业综述n美国a中国a英国a印度u加拿大a德国以色列法国新加坡韩国其他图1全球数据智能企业数量国家分布1,2001,0008006004002000700061906581700061906000500060005000400030004…3944…39440675074895071,0989761,098561200056110000201920202021202220232024融资金额融资笔数融资笔数图22019-2024全球数据智能领域投融资规模融资笔数投融资层面，数据智能企业投融资活跃，融资金额创历史新高。成大笔融资。面对数据智能应用在资本市场和用户市场的火热态势，0图3全球及中美数据智能高水平论文发文量量的比例不足30%，2022-2024年，这一比例提升至58%。从国家来0图42014-2024年各国数据智能专利授权数（四）四大领域协同驱动数据智能产业发展二、高质量数据为数据智能实践奠定坚实基础（一）高质量数据进入建设元年高质量、多维度的数据集是支撑大模型训练、应用的关键机器学习和人工智能模型提供可靠的基础，显著提升模型的准确性、稳定性和泛化能力，使其在复杂多变的现实场景中更好地发挥作用；法律要求，增强公众对技术的信任；三是优化数据管理和分析流程，会，下一步，高质量数据集建设工作将积极推进落实“人工智能+”批10余个行业30项央企人工智能行业高质量数据集优秀建设成励措施，并开始围绕工业、金融、农业等行业（二）三大瓶颈限制各行业高质量数据建设1．缺乏落地实践方法论2．技术能力存在短板数据集的构建并非简单的数据堆积，而是涉及数据采集、清洗、3．数据流通机制不完善（三）高质量数据建设呈现出三大趋势1．数据集建设运营方法论逐步成熟图5《人工智能数据工程能力要求》标准框架2．多模态数据处理技术加速创新图6《非结构化数据处理平台技术要求》标准框架3．多方参与形成协同生态三、高水平算法为数据智能实践提供核心动力（一）以大模型为代表的人工智能技术加速渗透言模型跨越式的应用效果提升再度唤醒人工智能产业的热度，以模型性价比等维度提升大模型的各方面能力，诞生出以GPT-4o、图7以大模型为代表的人工智能技术体系概览（二）智能化水平进一步提升面临三重问题1．模型效果仍有提升空间2．技术栈复杂提高使用门槛但繁杂琐碎的工具链为其技术选型和采购带来极高的技术门槛和学用户提供一套集成模型研发技术栈中复数工具能力的一站式平台化3．应用方式仍在探索尚未形成范式看，当前仍存在企业端应用场景及形态零散智能体应用形式仍需探索等问题：一是企业以及额外成本，同时还存在训练成果弱于传（三）大模型研发应用支撑能力呈三大发展趋势1．多模态能力持续提升助力专业领域模型发展来的成效，相较通用模型自身能力的优化更络结构使模型对多种模态的支持效率与效果能够得到进一2．智能中台兴起模块化解构模型研发技术栈业利用人工智能技术赋能自身智能化转型所需的主要基础支撑性能图8《智能中台能力成熟度模型》框架3．多任务智能体及多智能体协同有望持续突破体能力上限有望得到进一步拓展。近期，MCP逐渐流行于越来越多调用外部特定功能，MCP能够通过更多标准化的预建程序让模型实生命周期管理的系统性需求也在同步激增。智能体研发运营业务场景的紧密耦合，最终推动智能体的规模化落地与价值释四、高价值应用是数据要素价值释放的关键环节图9数智应用体系概览（一）数智应用百花齐放，场景渗透持续深化表1各行业数智应用落地的头部场景（二）数智应用落地面临三方面挑战1．协同困难阻碍数智应用落地2．数智应用赋能效益难计量3．数智应用落地经验难复用（三）AI驱动数智应用呈现四大趋势1．大模型技术与小模型协同提升数据分析能力Agent）调用高度专业的小模型及机器学习算法并整合分析结果。大2．大模型与知识库融合提升决策能力模态处理能力；另一方面，传统的知识载体则图10《企业知识工程能力成熟度模型》标准框架3．智能体将逐渐成为大模型应用落地的主要形式体开发培训等形式推进智能体应用创新并实现智能体对企业原有系图11《智能体研发运营(AgentOps)能力成熟度模型》标准框架4．数字员工将成为数智能力建设的新方向图12《大模型驱动的数字员工平台技术要求》标准框架五、高安全防护护航数据与智能融合新范式（一）智能化数据安全治理体系加速升级障，也鞭策企业加快合规能力建设。（二）数据智能浪潮中面临三大安全挑战1．安全技术瓶颈仍未突破2．新业态治理复杂度飙升3．安全