【中国通信院】数据智能服务产业发展研究报告（2025年）

数据智能服务产业发展研究报告中国信息通信研究院工业互联网与物联网研究所2026年1月版权声明本报告版权属于中国信息通信研究院，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：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。数字经济时代，数据作为核心生产要素正与人工智能技术的深度融合，重塑全球产业竞争格局。当前，全球主要国纷纷加大对数据智能服务领域的布局力度，行业并购与合作动态频发，而企业间因数据安全、商业机密及战略竞争等核心问题，调整合作关系的案例屡见不鲜，充分印证数据智能服务能力已成为人工党的二十届四中全会审议通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》明确提出，要运用数据要素和数智技术推动传统产业转型升级、培育新兴产业与未来产业，重为更好地推动数据智能服务产业发展，本报告从数据智能服务产业定义、要素、载体、产业链、创新模式等方面开展研究工作。第一部分数据智能服务产业概念界定、内涵特征以及全球趋势；第二部分分析数据智能服务产业的核心关键要素；第三部分阐述数据智能服务产业链结构以及产业生态图谱；第四部分阐述数据智能服务的产业载体，第五部分总结了数据智能服务产业的创新模式，最 1 1 6 8 9 10 11 11 12 12 13 13 14 14 15（二）数据智能服务产业上游—基础层 15（三）数据智能服务产业中游—技术层 17（四）数据智能服务产业下游—应用层 19 19 21 21 22 24 26 27 28 30 32 34 36 36（二）应用模式向垂直化、价值化转型，垂 36 37（四）安全治理呈多级化、全域化趋势，业务导向愈加明显 37 1 2 10 15 28 30 32 34 35近年来，随着大语言模型、多模态大模型以及具身智能、智能体和实践应用，对科学研究、生产制造、生活服务等领域都带来了巨大的影响和变革。数据智能已然成为人工智能和数据要素产业发展的关键变量，受到全球主要国家的高度重视。数据智能服务产业是智能技术与数据技术双重驱动下诞生的新型产业，不仅形成新兴的技术体系，还将催生新的产业体系、应用生态、服务模式及治理机制。网状数据库系统数据仓数据技术智能技术深度学习深蓝辅助标记础设施首次提出人工智能关系型数据库湖仓一体库图1数据技术与智能技术深度融合演进趋势(一)数据智能服务产业概念内涵目前，众多研究机构在数据智能服务领域都在开展针对性研究，2质量、可靠性和治理的系统”,强调其核心作用是搭建海量数据与高数据智能服务产业是在新一代人工智能技术与数据工程技术的深度2.数据智能服务产业内涵数据：生产要素智能：关键生产力服务：价值实现形态34题。算力是支撑算法运行的基础设施，决定AI系统的速度和效率。据智能服务产业的核心能力体现在对数据要素的全生命周期管理和3.数据智能服务产业呈现特征5据智能服务不是独立存在的“外挂”，而是通过API（ApplicationProgrammingInterface）、MaaS（Model-as-a-Service）等形式，与金据供给方、技术服务方与需求方。场景化模式提供全流程定制服务，6（二）数据智能服务产业重要意义专业标注，为医疗AI企业提供高质量训练数据，提升模型7具，打破不同产业间的数据壁垒和技术壁垒，促进数据要素在工业、8（三）全球数据智能服务产业提速发展源地与技术生态主导者的关键角色。根据斯坦福大学《2025年人工鲁塞尔效应”，将法律合规转化为全球数字治理的标准。在产业实践质量的B2B（businesstobusiness）行业数据资产。通过强调“以人为本”与“可信赖AI”，欧盟并不盲目追求通用大模型的迭代速度9中国信通院的调研数据表明，中国模式的独特性在于海量数据资源、值。在发展路径上，中国具备极强的应用落地能力与模式创新能力。二、数据智能服务产业要素模型设施资源人才工具图3数据智能服务产业八大核心要素从“单点处理”向“数智融合”演进的创新引擎，技术是提升数据服的落地应用实现服务能力的跨越式提升。如引入大模型辅助和RAG(Retrieval-augmentedGeneration)技术，大幅提升了数据处理的精准度与效率，数据服务的单条处理效率显著提升，标注成本降至30%以内。值得注意的是，这些技术并非单纯的AI工具堆砌，而是深度付周期的必要支撑。（二）资源：产业智能升级的核心战略基石 经过规范化处理的高质量数据可显著提升模型的收敛速度与环境识 （三）产品：价值转化落地的关键服务载体金智能体依托RAG检索增强生成、文本向量化等技术（四）设施：产业规模发展的关键支撑底座集群演进，为产业发展夯实根基。数据显示，2025年智能算力占比参数时的稳定性。5G-A、算力网络等支撑低延时、高带宽、广覆盖（五）平台：全流程协同的一体化运营中枢（六）模型：服务质量评估的核心量化标尺（七）工具：服务效能提升的智能赋能抓手（八）人才：产业持续发展的核心动力源泉三、数据智能服务产业链上游：基础层(筑基)上游：基础层(筑基)中游：技术层(引擎)下游：应用层(赋能)人工智能开发框架、推理加速引擎、编译器与算子库基础大模型、行业大模型提示词工程工具、对齐工具、部署运维工具模型即服务、应用开发平台支撑层(保障)数场、数联网、区块链、数据元件、隐私计算、可信数智算中心、高性能芯片数据标注、数据合成与增强、数据治理来源：中国信息通信研究院数据智能产业链由基础层、技术层、应用层和支撑其中基础层包括算力设施、数据基础设施、数据治理服务，为中下游的创新与应用提供基础资源；技术层包括底层开发框架、中间件与工具链、算法模型、模型服务与开发平台，将上游资源转化为算法模型，实现数据向智能跃升；应用层包括软硬件智能产品、行业解决方案，主要助力数据智能服务产业价值转化；支撑层包括人才培养、标准制定、资本服务、产业载体和安全合规，保障产业的良性循环与可持续(二)数据智能服务产业上游—基础层数据智能服务产业上游基础层主要为产业链提供基础资源，涵盖算力设施：提供面向AI大规模训推的高性能计算集群（三）数据智能服务产业中游—技术层在工业界的使用率占37.51%以上1，PyTorch在顶会论文中采用过70%2，在国内，主流开发框架由华为昇思、百度飞桨、旷视4数据来源：GrandViewResearch'模型服务和开发平台：涵盖MaaS和应用开发平台，显著降低应用开发平台领域，作为领先的人工智能开发平台——LangChain，目前已有超过995000个项目基于LangChain7开发。5数据来源：2025年中国大模型落地应用研6数据来源：ProphecyMarketInsi（四）数据智能服务产业下游—应用层（五）数据智能服务产业支撑层产业载体：涵盖数据标注基地、AI中试基地、人工智能先导区流通、生成式AI伦理等新兴领域的标准研制。三是安全合规向智能四、数据智能服务产业载体数据智能服务产业载体主要包含企业、园区、基地、集群四类。企业是产业载体的基础单元，承担技术创新与服务落地的核心职能。生态圈。基地是聚焦特定环节的专业化试点，如数据标注基地、AI（一）企业：产业创新与服务供给的基础单元高性能数据处理引擎的自主研发能力，其商业模式以向B端客户授场景的精准拆解以及将AI技术与客户现有系统无缝集成的工程化能同开发环境，降低AI应用开发门槛。其盈利模式多元，包括资源订需求方，构建网络效应，典型代表如一些大型云厂商的AI平台及独（二）园区：配套服务的区域性产业集聚载体与示范区引领、地方特色园区蓬勃发展的格局。截至2024年底，除（三）基地：多元主体主导的专业化创新平台联动推进的体系化布局新阶段。2024年5月国家数据局公布首批7定量化目标，如《合肥数据标注产业发展规划（2025—2027年）》产业规模达30亿元，支撑相关产业规模超千亿。二是产业集聚效应注基地+N个行业标注基地”进行布局，综合基地负责通用能力和资养体系。另一方面聚焦智能驾驶、游戏交互、方言转写等特色赛道，国家人工智能应用中试基地为典型，主要服务于AI技术从实验室到（四）集群：完整、协作、创新的产业共同体育体系正在形成。党的二十大报告明确提出“打造具有国际竞争力的进一步倡导“探索以数据要素驱动、集群生态共建为主要特征的产业组织新形态”，各地方也积极出台相关政策。这标志着多层次政策体已形成若干数字服务产业高地。据测算截至2024年底，全国数据智能相关企业总量已超过40万家，但其空间分布高度不均，显著集中五、数据智能服务产业创新模式平台化生态聚合服务模式通过构建开放、协同的数据智能中枢，实现多方资源的高效整合与价值释放。一是连接能力突出。平台作为数据、技术与需求的交汇节点，能够打破传统数据孤岛，促进跨域数据流通与复用，提升全链路数据利用效率。二是技术集成能力强。平台可整合各类算法模型、工具链与算力资源，支持多模态数据的处理与分析，推动AI服务向场景化、定制化演进。三是生态协同效应显著。通过标准化接口与协作机制，吸引数据供给方、技术开发方与行业需求方共同参与，形成持续演进的服务生态，推动产业创新循环。输出数据至平台→数据对接模块处理→整合模块需求匹配方平台方方提供模型至平台→与输出数据结合→生成特定服务接收服务后，将数据需求等反馈回平台→平台再同步给数据供给方和技术服务方来源：中国信息通信研究院该模式以平台中枢为核心，构建了由数据供给方、技术服务方与行业需求方共同参与的三方协作架构。数据供给方通过平台输出原始或治理后的数据，技术服务方依托平台提供模型与工具，结合数据进行服务开发，行业需求方基于实际场景提出需求，并反馈至平台。平台承担数据对接、技术整合、需求匹配与流程调度职能，实现资源精准配置与服务高效交付。在此过程中，平台不仅提供基础设施与技术支持，还通过运营机制促进参与方协作，逐步形成标准化、可复用的数据智能服务产品体系。AIP(人工智能平台)数据分析系统)政府消费者系统)Apollo(交付和基础设施平台)图6Palantir人工智能服务平台美国企业Palantir是平台化生态聚合模式的典型代表。其旗下产品体系覆盖政府与商业两大领域：Gotham面向政府机构，支持情报分析、安全监控等复杂场景；Foundry服务于企业客户，提供数据集成与业务决策支持，助力企业实现数据驱动运营。近年来推出的AIP(人工智能平台)进一步融合大语言模型与现有软件平台，通过自然语言交互降低使用门槛，提升数据分析效率。此外，Apollo平台实现自动化部署与持续更新，保障系统稳定运行。Palantir通过构建多产心价值。深度调研与需求拆解深度调研与需求拆解定制化方案设计算法模型选择系统架构设计持续迭代与价值优化方案升级更新全流程开发部署回二咽来源：中国信息通信研究院图7场景化定制解决方案模式(二)场景化定制解决方案模式场景与薄弱环节，推动解决方案与业务目标持续对齐。场景化定制解决方案模式遵循调研、设计、交付、迭代的服务流程。首先开展深度需求调研与场景定义，明确业务目标与约束条件；随后基于客户资源与优先级，灵活选用不同合作模式，量身设计端到端解决方案；在执行阶段，通过人工与算法协同的工具链进行高质量交付，并设置严格的质量评估与合规审查环节；最终基于业务反馈持续识别长尾场景与薄弱环节，启动新一轮优化迭代，实现数据服务与实际业务目标的深度融合与价值持续释放。来源：中国信息通信研究院ScaleAI的智能数据标注平台是场景化深度定制模式的典范。其服务并非单一产品，而是提供一套可灵活配置的模式方案，包括模式由ScaleAI主导的快速试点与批量交付模式、以客户自定义为主的长周期交付模式以及完全深度定制的模式。ScaleAI通过前期深度理解客户业务场景与资源禀赋，为其匹配最合适的协作模式，并依托全链条数据引擎与“人工+算法”组合策略，保障数据交付的高质量与合规性。项目上线后，持续通过业务反馈驱动模型迭代与边缘场景优化，按需订阅快速使用客户端持续迭代云端更新服务商持续优化循环持续优化循环图9智能化产品订阅服务模式示意图在服务过程中，服务商持续收集使用数据与反馈，推动产品功能迭代与体验优化，同时依托统一的治理框架确保数据安全、访问合规与系统稳定，形成轻量化接入、高效率运营、可持续升级的服务循环。应用与工作流：构建自动化、智能化能力应用与工作流：构建自动化、智能化能力智能引擎：助力客户构建专有模型治理与安全性：强化统一治理Al数据存储：扩展多模态存储能力量数据，满足GenAl实时分析需求图10Databricks的智能化产品订阅服务模式Databricks是智能化产品订阅服务模式的典型代表，其推出的"Data+AI"平台以标准化产品组合支持企业构建专属生成式AI应用。平台提供LakeFlow可视化设计工具加速工作流构建，内置Einblick自然语言接口实现智能分析交互，并集成自动化治理与多格式兼容能力，保障数据安全与流程合规。通过与NVIDIA深度合作，平台进一步优化了对多模态大模型的支持，帮助客户基于私有数据训练专属模型。该平台采用订阅制服务模式，客户可灵活选用数据管理、AI开发、智能运维等模块，持续获得功能更新与性能优化，无需自建复杂技术体系，即可实现数据与AI能力的快速集成与高效运营。跨主体价值共创协同模式整合多方资源构建开放协作的产业生态。一是资源整合与能力集成。各方基于自身在数据、算法、场景、数据、算力、人才与技术的高效共享。二是任务协同与流程优化。依托数据标注基地、AI中试基地等实体载体，从数据供给、模型训练、场景验证到需求反馈的迭代循环，持续提升数据质量与模型适配性。三是价值循环与生态共赢。合作成果惠及所有参与方，既提升了数据质量与模型性能，也推动了技术标准化与产业共性问题的解决，实现协同驱动的系统性价值提升与生态持续演进。共同目标攻克难题/产业升级共享数据、技术、资源来源：中国信息通信研究院该模式通常以共建载体为基础、以共享生态为目标，推动智能服务产业能力升级。各方