（转自：山证绿色产业研究）
报告要点：
在国家发改委等四部门联合印发的《关于促进数据标注产业高质量发展的实施意见》中明确提出了做优数据应用企业，推动数据应用创新和产业融合，并催生一批数智应用新产品新服务新业态。此外，国家数据局还通过联合各行业部委开展试点、举办大赛、发布典型案例等系列举措，挖掘数据开发利用解决方案，推动各行业领域数据要素价值释放。
本篇报告以产业研究的视角，分析和梳理了数据应用所处的数据价值环节、数据应用的发展脉络，重点解构产业规模、功能分类、应用场景、区域分布、竞争格局及商业模式等数据应用市场的核心要素。在发展趋势上，基于以大模型及生成式AI为代表的人工智能技术的迅速落地，催生了数据应用的新范式，包括对在AI加持下智能化显著提升的商业数据智能（BI），以及DaaS、MaaS等融合数据与AI技术并涵盖数据开发、治理到应用的新业态。这些新业态的发展与普及将进一步推动数据的大规模开发利用，将数据驱动的智能化决策深刻融入到企业生产经营的全链条中。
最后，针对我省数据应用产业发展，我们提出依托能源与制造业优势，推动企业数字化转型，为数据应用奠定基础和提供场景；培育数据驱动的新兴业态，搭建公共服务领域机构与企业合作的MaaS平台，推动公共数据的开发利用，形成数据—模型—场景闭环；注重数据应用企业引育，大力扶持应用型数商的发展，重点关注三类企业等产业发展建议。
风险提示：
数据安全与隐私保护监管趋严导致的合规成本上升；技术更新换代加快可能导致的技术滞后、兼容性差及人才短缺风险；市场竞争激烈压缩利润；数据泄露等安全合规风险等。
【数据应用是数据价值释放的最后一环】
数据应用是借助各类技术手段，对数据进行采集、存储、处理、分析及可视化呈现，从而为各行业提供决策依据、优化业务流程、推动创新发展的综合性行业。随着数字经济的快速发展，数据已成为关键生产要素，而数据应用作为数据产业的一部分，是数据资源经过采集、加工、存储、流通后释放价值的最终一环。因此，数据应用的有效性直接影响到数据价值的实现和转化，其关键机制包括需求识别—应用创新—价值实现—反馈循环。
图1：数据价值释放示意图
资料来源：CCSA TC601大数据技术标准推进委员会，山西证券研究所【数据应用向智能化发展演进】
随着数据本身形态、数据处理技术、产业发展环境、业务需求等的不断演化，数据应用也不断升级，中国信通院将数据应用的发展分为三个阶段。第一阶段基于业务系统的数据库，通过零散、随机的图表统计，进行辅助决策；第二阶段数据的应用呈现常态化和体系化的发展，通过数据挖掘、BI分析等方法和工具完成增强决策；第三阶段是数据智能相结合的阶段，数据应用基于内外部的数据资源，通过BI+AI算法等工具实现服务全域、嵌入业务的自动化的决策能力。虽然第二阶段被认为是当前数据应用的主流，即通过数据的分析挖掘出现状与本质，并最终通过人工完成决策。但随着数据资源体量的增加、存储及计算等外部环境的升级，数据平台能力显著提升，数据赋能业务的能力不断增强，数据应用正在向第三阶段发展阶段转化，并在营销、风控、经营分析等关键领域落地。尤其是近两年来，AI技术尤其是生成式AI与大模型的商业化发展加速推动了数据应用向智能化的升级。
图2：数据应用行业发展历程
资料来源：CCSA TC601大数据技术标准推进委员会，山西证券研究所【数据应用市场现状分析】
数据应用层占据数据产业最大细分市场
根据2024年数博会上发布的首份《数据产业图谱（2024）》显示，我国数据产业规模已突破2万亿元，其中2023年产业规模达2.44亿元，2020年—2023年均增长率为25%。预计2024年—2030年均增长率继续保持20%以上，到2030年，中国数据产业规模将达到7.5万亿元。其中，数据应用在数据产业各细分领域中市场规模最大、企业数量占比最多。目前，数据应用的活跃度正在不断提升。据《全国数据资源调查报告（2024年）》显示，2024年，66.1%的行业龙头企业购买过数据，带动活跃数据总量同比提升22.73%。随着我国数据资源开发利用程度不断提升，以及企业数据应用需求逐步释放，数据应用市场空间将进一步扩张，并有望达到6万亿元。此外，国家工业信息安全发展研究中心、头豹研究院针对中国大数据行业市场规模的预测，数据行业应用层作为规模最大的细分市场，预计在2023-2024年规模达到1.2-1.5万亿，与《数据产业图谱（2024）》的预测规模相当。
图3：中国数据产业规模测算
资料来源：《数据产业图谱（2024）》，山西证券研究所图4：中国大数据产业规模结构
资料来源：国家工业信息安全发展研究中心、头豹研究院，山西证券研究所从数据市场支出口径来看，根据IDC2025年V1版本《全球大数据支出指南》数据，2024年中国大数据市场支出规模接近300亿美元，并预计到2028年，支出规模将达到621.7亿美元，其中数据软件与数据服务市场规模将分别为181亿和163亿美元，随着数据规模持续扩大及算法复杂度不断提升，企业开始寻求具备高性能查询、智能分析等功能的商业化软件解决方案，支出占比最大的技术子市场包括AI软件平台、供应链和产品分析应用和内容分析工具。此外，数字化转型需求推动企业广泛应用大数据、生成式AI等新兴技术，带动数据应用投入增加，IDC预计中国数字化转型市场将保持高速增长态势，2024年中国支出规模接超过4000亿美元，到2028年支出规模达到7330亿美元，其中软件市场规模超1200亿美元，增速高于市场整体。
图5：中国大数据市场支出侧预测
资料来源：IDC，山西证券研究所图6：中国数字化转型市场支出预测
资料来源：IDC，山西证券研究所数据应用由描述性、诊断性分析向智能决策转变
数据应用按照比较通用的分类维度，是根据数据应用内在计算逻辑的复杂性，从简单到复杂主要有数据可视化应用、统计报表、分析报告、数据挖掘应用、智能化数据应用等五种类型。按照功能划分，数据应用涵盖描述性、诊断性、预测性、指导性、规范性等不同应用类型，每类分析应用都依赖于不同的工具技术，同时也对应于不同的应用场景。
表1：数据应用功能分类及应用场景
资料来源：data application lab，企鹅号 - 数据分析小助手，IBM，山西证券研究所随着数据应用的不断深化，基于深度学习、神经网络、区块链等人工智能技术手段对数据进行更全面、深入的分析，逐步实现数据的智能化应用，其功能也从描述性、诊断性分析向智能决策转变，不仅强调对数据的深度挖掘，更加关注于精准、快速的提出解决方案。
图7：数据应用功能演变
资料来源：CCSA TC601大数据技术标准推进委员会，山西证券研究所数据应用行业及垂直场景发展不均衡
在数字经济时代，数据作为新型生产要素，作用于不同主体，与不同要素结合，可产生不同程度的倍增效应，因此垂直场景是数据应用的“锚点”。且从政策导向来看，目前我国数据应用正在建立以需求为牵引、以场景为驱动的发展路径，数据与实体经济融合发展的趋势更加明显。
图8：以工业为例，数据应用对工业领域的改造覆盖全过程
资料来源：CCSA TC601大数据技术标准推进委员会，山西证券研究所目前，数据应用在应用行业数量、应用深度、业务规模等方面仍处于发展不平衡的态势。在行业方面，在数字化转型浪潮下，数据应用已经渗透到各个行业，其中金融、互联网、电信等行业由于信息化起步早、数字化程度高及研发实力强等特点，被认为是数据应用最为领先的三个行业。政务、医疗、交通运输行业数据带有公共数据属性，数据运用广泛且需求庞大，随着各领域信息系统的整合以及数据资源主体的互联互通，提高数据的共享和流通，有望在数据应用释放更大的潜力。整体来看，数据应用的活跃度由高到低依次为三、二、一产业。在场景方面，数据应用较为成熟的场景集中于营销分析、客户分析、内部运营管理、风险管控等，营销分析被认为是数据应用的首要场景，原因在于营销分析的本质是通过数据洞察优化营销效果，且线上化的交易活动与数据化驱动具有天然的适配性，因此数据在各类营销业务中发挥着重要作用，并且在智能化浪潮的推动下，数字营销也向着智能决策、增强体验等方向发展，此外，在研发设计与生产制造等环节的数据应用渗透率仍有待提高。
产业集中度高，“东数西算”工程建设带来区域发展机遇
从企业分布来看，数据产业的集聚度较高，呈现出区域发展的广泛性。根据合合信息-启信数据，我国数据企业主要分布在长三角、京津冀、粤港澳大湾区和成渝地区，分别拥有数据企业48596家，23524家、20014家和11791家，四个地区合计占比达53%，超过全国数据企业数量一半以上，而在数据应用领域企业也按照上述地区集聚分布。在数据产业创新方面，以北京、广东、浙江、上海、山东等五省市的专利总数最多，占全国总数的75.9%，以北京为核心的京津冀经济圈依托丰富的可研资源和政策优势，数据创新能力强劲，仅北京的数据产业专利数量就占到全国总数的30.7%，形成了以技术创新和应用示范为核心的产业生态，引领全国数据产业发展。
图9：2023年不同数据企业重点区域分布情况
资料来源：合合信息-启信数据，交大评论，山西证券研究所此外，“东数西算”工程的建设不仅有助于实现算力资源的优化配置，推进区域协同发展，同时也为各大枢纽节点城市带来新的发展机遇，尤其是对于中西部地区数据产生生态与应用场景的拓展，推动中西部地区逐步从“算力供给”向“数据服务”延伸。在赛迪研究院2024中国城市数据要素发展指数中，贵阳、成都位列全国第二梯队，重庆位列第三梯队第一名，属西部地区数据产业发展第一阵营，其中贵阳作为国家大数据综合试验区的核心区，不仅吸引华为等企业设立数据中心，并探索形成数据产品、数据服务、数据应用等数据价值释放链路，推动企业“上云用数赋智”；以重庆、成都为核心打造的、包括德阳、绵阳、眉山、泸州、雅安等地区在内的“成渝大数据产业走廊”初步形成，推动工业互联网、智慧医疗等场景应用。
图10：大数据产业发展试点示范项目西部城市分布
资料来源：工信部，赛迪网，山西证券研究所图11：大数据产业发展试点示范项目行业占比情况
资料来源：工信部，赛迪网，山西证券研究所服务模式走向一体化，竞争主体呈现多元化
根据《数据产业图谱（2024）》，数据应用企业多是以前为各行各业提供软件开发、系统集成、信息系统运维的企业，由于长期贴身为行业服务，对行业领域市场需求非常了解和熟悉，并充分利用自身优势，包括利用自已的数据技术工具实现数字化转型，以及利用专业公司的数据技术工具实现数字化转型等两种类型，开展数据采集与治理、多方数据融合、数据产品开发和技术服务等业务。因此，我们按照属于垂直/行业应用软件类的A股上市公司商业模式进行梳理总结，即数据应用企业的商业模式可分为面向企业/政府的B端业务和面前消费者用户的C端业务，C端业务通过免费服务+广告营销和订阅模式提供增值服务的商业模式；B端业务则通过销售软件/数据产品以及提供技术服务与授权、数据增值服务等商业模式，其中提供的产品与服务包括具有通用性和标准化的，如数据终端、分析决策工具、SaaS软件等，也包括根据客户需求定制化、场景化的解决方案等。此外我们关注到，从事技术服务的数据应用商通常会在提供技术工具的同时配套前期咨询、后期代运营、维护更新等增值服务，尤其是对于缺乏数据运营和策略能力的客户，提供端到端的数据应用落地服务更能增加客户粘性。
图12：数据应用服务商的商业模式
资料来源：上市公司公告，山西证券研究所数据应用市场竞争主体呈现多元化，整体上应当呈现"金字塔"式分布特征。头部由传统IT巨头如阿里云、腾讯云、华为云等综合云服务商以及电信运营商占据。传统IT巨头通过生态整合，提供涵盖基础设施、平台服务到应用解决方案的一站式服务，构建"云数智"一体化战略护城河。例如阿里云在数据应用方面提供包括MaxCompute、DataWorks、DataV、QuickBI、PAI、金融大数据仓库等产品，覆盖了从数据存储、计算、分析到可视化的全流程需求；此外在阿里云通过“云钉一体”战略打通企业数字化入口，与3000余家ISV合作伙伴提供上万种数据与API产品共建应用生态。电信运营商由于业务性质本身就掌握全量、实时、高价值密度的数据源，通过“云网数智安”一体化解决方案，能够深度渗透多行业领域的数据应用。例如中国电信作为数据处理的软硬一体集成服务供应方，通过“数链智网”数据要素能力体系的构建，打造了“星海大数据”服务，包括数据平台和治理、数据标准产品和服务、数据行业应用三大板块，为政务、金融、保险、文旅等各行各业独身定制了上百个数据类产品服务，满足客户数据需求，为数据要素流通提供丰富的场景和应用。
图13：阿里、华为、腾讯数据应用产品举例
资料来源：公司官网，山西证券研究所数据应用市场的中间层是技术专精型企业，例如上市公司当中的星环科技、达梦数据、初灵信息、普元信息等，它们在特定技术领域（如分布式数据库、数据可视化、大数据平台等）建立差异化优势。基础层则聚集大量垂直场景服务商，这类企业专注于特定行业或业务领域，包括城市治理（智慧城市）、工业大数据、交通大数据、商业大数据、医疗大数据等，凭借对行业的know–how形成垂直领域深耕和特色优势，并在细分领域形成不同的竞争格局。例如在商业大数据领域，C端商业信息查询市场竞争格局相对集中，市场份额集中于企查查、天眼查、启信宝三家公司，占比约为85%；B端业务相较C端业务具有更高的技术壁垒，市场的集中度相对低于C端市场，参与者可以分为本土大数据企业以及跨国企业的国内子公司。
图14：国内部分数据标注基地分布图
资料来源：数据产业图谱，山西证券研究所【大模型等人工智能技术催生数据应用新范式】
人工智能技术显著提升数据智能的应用能力
商业数据智能是基于数据科学、服务于企业决策的一系列数字化工具、服务和解决方案，即通过数据仓库实现数据集成和统一管理的基础上，利用数据可视化与分析技术等将指定的数据转化为信息和知识的解决方案。其所采用的数字化工具与应用模式与企业数字化转型高度重合，因此也被认为是数字化转型的必需品。
我国商业数据智能市场已经历了数字电子化改造、互联网经济爆发带来的基础软件普及以及利用编程语言进行的数据分析和报表生成应用的早期阶段，目前上狭义的商业数据智能属于全局可视化应用层面，该技术在2015-2016年迅速成长并逐步迈入相对成熟阶段。2020年以来，随着大模型等人工技术的发展，商业数据智能进一步融合AI，智能化应用程度不断深化。
图15：中国商业数据智能行业视角发展成熟度阶段
资料来源：艾瑞咨询，山西证券研究所人工智能是商业数据智能应用的核心底层技术之一，AI算力、算法的发展都将为商业数据智能带来更广阔的发展前景。与大语言模型、生成式人工智能技术的融合也已经成为商业智能与分析产品最重要的发展趋势。IDC在《2024年中国数据和分析市场十大预测》中提到，AI与数据分析融合将是未来五年的重点，而当前接近80%的企业中，AI/ML与数据分析融合度低于50%，AI与数据分析融合仅处于初期阶段。我们认为，人工智能对于BI的赋能可能体现在三个方面，第一，生成式AI技术帮助企业自动生成数据洞察、快速生成数据可视化、以及整合非结构化数据进行联合分析，增强BI的分析和预测功能，通过机器学习等算法模仿人类决策的过程实现智能化决策；第二，结合自然语言处理等技术实现BI的智能交互，比如以对话或图表的形式高效完成深度分析、推荐后续动作等，降低使用门槛；第三，将实时数据流处理技术与AI推理能力结合，能够迅速捕捉变化、解读影响，缩短企业的获取决策信息的时差，提高智能决策的频率。
图16：AI赋能商业数据智能的三条路径
资料来源：Acloudear，山西证券研究所目前，大部分厂商都推出了问答式查询、智能助手（Copilot）类功能，也有厂商例如微软、亚马逊推出集成BI+AI的数据分析应用产品，前者推出的Azure Synapse服务即通过Azure机器学习、Azure认知服务和Power BI的深入集成，完善端到端分析解决方案；后者在Amazon Quick Sight中提供生成式BI功能，极大改善了产品易用性，并显著降低了进行专业业务分析的门槛。国内厂商方面，百度、阿里分别推出Sugar BI和Quick BI等BI+大模型产品，亿信华辰已经迭代至第四代产品BI@GPT，逐步实现从数据查询到决策建议的全流程智能化。随着生成式AI能力的引入，未来数据智能应用的建设不再主要局限于专业的数据分析人员使用，而可以更加侧重于赋能一线业务人员乃至企业全员使用，加速推动数据应用的普惠化进程。IDC预计到2026年，40%的中国500强企业将实现数据智能与AI模型智能的结合，以统一AI模型和数据的综合治理政策、实践和技术。
DaaS是数据获取和利用的重要途径，与AI的协同价值显现
数据即服务（DaaS）是一种基于云的服务模式，允许企业通过互联网访问和管理数据，而无需依赖庞大的本地基础设施。这种模式下，企业可以按需访问各个来源的数据，并通过统一平台对数据进行集成、处理和交付，其核心组件通常包括数据源、数据集成工具、处理和转换服务，以及数据交付机制。
图17：DaaS平台运行示意
资料来源：麦聪软件官微，山西证券研究所DaaS早期源自Snoweflake提出的数据仓库即服务的概念，与传统数据管理与应用的方式相比，DaaS业务模式通过将数据存储和处理集中在云上，减少企业硬件和维护方面的成本投入；通过订阅或按需调用的方式获取数据结果，提高系统的可扩展性和灵活性，同时也增强了数据的可访问性；此外，灵活的DaaS架构支持与多种数据源的集成，确保提供全面的数据管理解决方案。基于DaaS将技术能力封装为标准化服务，让数据成为可直接驱动业务的生产要素，其应用正在迅速向垂直行业拓展，主要包括金融、医疗保健、零售、制造业、媒体娱乐、交通运输、电信等，适用于数据密集型、需多个外部数据源的联合分析以及轻量化等业务场景。
图18：DaaS应用行业举例
资料来源：TAPDATA《DaaS市场分析报告1.0》，山西证券研究所国家数据局为推动数据产业高质量发展，大力倡导DaaS等新业态的发展。DaaS作为企业获取和利用数据资源的重要途径，在应用侧更受到大型企业青睐，据TAPDATA《DaaS市场分析报告1.0》，大型企业对全球DaaS市场的贡献率超过60%，且在未来的采用趋势进一步增强，根据Statista的预测，到2026年超过60%的企业将采用DaaS作为其数据资产管理战略的一部分。但另一方面，随着云计算基础设施成本的持续降低，以及DaaS模式自身优势，中小企业有望加速向轻量化、模块化的DaaS应用推进，成为其数字化转型和智能决策的关键基础设施。而中小企业更依赖于DaaS+行业方案的一体化交付，进而将推动DaaS行业走向更细分和垂直的行业适配方向，尤其是在零售、电商、医疗服务、教育培训等以数据化驱动较为明显的领域。
DaaS与人工智能的协同价值将进一步显现。2024年，Forrester在报告中提到生成式AI以及高级分析的集成能力能够帮助企业显著降低成本并提升数据管理效率，推动DaaS应用的普及加速；另一方面，Forrester的报告也强调了构建坚实的数据基础对于充分释放AI技术的潜力至关重要。因此，集成人工智能和机器学习的智能化数据处理与分析能力、增强决策支持、动态优化及实时处理等有望成为DaaS市场技术层面的演进方向，而DaaS平台通过整合多源异构数据，并对数据进行预处理、分析工具及算力支持，也将成为AI落地的关键载体。在当前我国大力倡导的支持企业面向人工智能应用创新，开发高质量数据集的背景下，也将推动DaaS从技术工具向数据基础设施升级。
MaaS作为新型智能化服务模式，进一步推动数据应用的发展
模型即服务（MaaS）是将AI模型及其相关能力封装成可复用的服务模式，使企业能快速高效低构建、部署、调用模型而无须开发和维护底层基础能力。随着以大模型的核心的人工智能技术的深入发展，MaaS的服务能力不仅扩展至深度学习、大模型等在内的所有AI模型，还能够支持用户基于服务进行AI应用的构建。
MaaS显著降低了用户使用大模型的门槛，通过提供平台服务、模型服务、数据集服务、AI应用开发服务的全栈服务，简化模型部署上线过程，降低技术门槛；同时，MaaS通过对模型及数据集进行集约化管理、共享、微调等，减少开发资源的浪费。此外，MaaS通过提供面向场景的应用开发平台或工具，尤其是在单个模型无法满足应用需求的情况下，通过大小模型协同、插件编排等方式增强模型能力，帮助用户快速构建基于AI模型的个性化应用。因此，MaaS被认为将是推动AI落地千行百业实现AGI生态构建的核心。
图19：中国MaaS产业图谱
资料来源：中国信通院，山西证券研究所目前，国内外头部厂商均将大模型作为战略核心，构建从数据处理到模型训练、部署、调优、监控等全链条服务体系，国外如Google的AI Platform、微软的Azure Machine Learning以及亚马逊的Amazon Sage Maker等平台；国内方面，百度、阿里、字节跳动、腾讯、商汤等为主要MaaS服务商，市场格局较为集中，服务商除具备大模型自研能力外，还能够提供模型开发等基础设施、应用开发工具链等服务，例如百度千帆，阿里PAI平台、腾讯的太极平台、字节的火山方舟等。目前国内MaaS市场正呈现爆发式增长，IDC数据显示，2024年MaaS市场规模达7.1亿元，较2023年增长215.7%并预计到2029年市场将以66.1%的年均复合增长率高速扩容到90亿元。
图20：中国MaaS市场规模预测
资料来源：IDC，新浪财经，山西证券研究所图21：中国MaaS市场主要厂商市场份额（24H2）
资料来源：IDC，新浪财经，山西证券研究所人工智能和机器学习是数据分析应用的核心技术，大模型技术的落地带来数据应用模式的变革，而MaaS作为新型智能化服务模式，也将进一步推动数据应用的发展。首先MaaS 的核心能力之一是整合，通过多源数据融合，可以打通政府、行业及企业数据壁垒，例如政府通过 MaaS 平台开放气象、交通等公共数据，企业可融合自有数据，开发智能调度、灾害预警等应用。此外，还可以通过MaaS平台标准化数据集服务将原始数据转化为可量化、可交易的智能产品，实现数据资产的商业变现和流通复用。其次，MaaS带来的AI技术普惠将加速数据的规模化应用。目前，MaaS通过与行业场景深度结合的预制化模型，在金融、政务等数据丰富的行业广泛落地，并以提高智慧办公、经营分析、智能流程等经营管理效率为主要应用场景。同时，MaaS平台通过整合企业数据资产并以模型迭代优化数据处理效率，推动传统产业数据驱动转型，助力其在供应链优化、产品创新、服务升级等方面实现效率提升与业务模式创新。最后，MaaS以数据整合为核心，推动模型训练优化，也可通过场景应用中沉淀的新数据反哺场景优化；通过聚合第三方开发者、行业客户、数据提供商等参与者，构建“数据+模型+场景”的闭环生态，实现从单点赋能到生态协同的进化。未来，通过MaaS协同大模型技术的通用逻辑推理与小模型在特定领域的优化，进一步数据分析能力，此外，通过多模态技术对文本、图像、社交媒体、语音、传感器等各类数据的整合分析能力，也将推动数据分析和应用工具的全面性、交互性及智能性。
图22：MaaS在各行业的应用占比
资料来源：中国信通院，山西证券研究所图23：MaaS在企业价值链环节的应用占比
资料来源：中国信通院，山西证券研究所【数据应用产业发展建议】
依托能源与制造业优势，推动企业数字化转型
企业数字化转型是数据应用的基础，传统企业的生产模式、管理流程、技术架构难以支撑数据的系统化利用，因此只有通过构建数据采集、存储、分析等基础设施，完成分散业务信息的数据资产化，并将数据融入研发、生产、运营等数字化转型过程，才能够实现由数据驱动的决策模式。
能源与制造作为山西的经济支柱，行业的数字化转型产生的海量工业数据（如能源生产数据、制造工艺数据）可成为数据交易的核心资源，推动区域数据要素市场建设；同时行业企业的数据应用需求还可倒逼数据技术及服务的本地化落地，吸引数据中台、工业软件等数据服务商在省内集聚，最后，能源与制造业的数字化钻行案例还可形成山西数据应用的标杆，向其他行业输出 “数据驱动” 的转型经验，以此带动全省产业数字化水平提升。
培育数据驱动的新兴业态，政企合作搭建MaaS平台
如前所述，人工智能、大模型技术的发展为DaaS、MaaS等业态带来新的发展，也对数据的大规模和智能化应用带来契机。目前，在上海、北京等地区已有政府部门联合企业共同打造具有公共服务属性的MaaS平台，例如上海市交通委和上港集团共同打造的上海集运MaaS平台，整合集装箱运输全链条物流信息，为港航生态圈各类市场主体提供数字供应链服务。
目前省内如山西数据流量谷内公司天娱数科已上线了 Behavision 空间智能 MaaS 平台整合 3D 具身智能数据集，赋能煤矿机器人与文旅沉浸式场景开发，因此鉴于上述案例，我们认为可在省内搭建由公共服务领域机构与企业合作的MaaS平台，尤其在医疗、交通等数据密度大并具有公共属性、应用场景丰富的领域，一方面推动公共数据的开发利用，并深度融合各方数据资源形成互联互通，另一方面以场景为导向，结合市场的用数需求，打造垂直领域的数据集，推动公共服务领域人工智能创新应用快速落地，形成数据—模型—场景闭环。
注重数据应用企业引育，大力扶持应用型数商的发展
应用型数商通过提供数据开发利用工具、数字化转型服务等，深入挖掘数据的价值，将数据应用到各个行业和领域，提高企业的生产效率、优化业务流程、提升客户满意度，推动千行百业的数字化转型，为经济的发展注入新的动力。
扶持应用型数商的发展，我们认为重点可以关注三类企业：1）长期服务于某一行业的传统系统集成商和软件开发商，利用行业数据积累、关键技术掌握、行业know-how禀赋等优势向数据应用企业转型，可提供垂直类或通用性的低成本解决方案；2）链主型企业，处于产业链核心地位，通过数字化转型，将产业链上下游多源数据进行整合和打通，可推动数据的流通和应用；3）科技巨头/互联网平台在本地建立的公司，通过整合和剥离数据业务，成立专业的数据公司，服务于企业数字化转型与数据应用。
【风险提示】
数据安全与隐私保护监管趋严导致的合规成本上升；技术更新换代加快可能导致的技术滞后、兼容性差及人才短缺风险；市场竞争激烈压缩利润；数据泄露等安全合规风险等。
报告标题：数据应用：以人工智能技术赋能数据价值释放的最后一环
分析师：徐雪洁
执业登记编码：S0760516010001
邮箱：xuxuejie@sxzq.com
分析师：王文杰
执业登记编码：S0760523100001
邮箱：wangwenjie@sxzq.com
报告发布日期：2025年6月30日
【分析师承诺】
本人已在中国证券业协会登记为证券分析师，本人承诺，以勤勉的职业态度，独立、客观地出具本报告。本人对证券研究报告的内容和观点负责，保证信息来源合法合规，研究方法专业审慎，分析结论具有合理依据。本报告清晰准确地反映本人的研究观点。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点直接或间接受到任何形式的补偿。本人承诺不利用自己的身份、地位或执业过程中所掌握的信息为自己或他人谋取私利。
【免责声明】
山西证券股份有限公司(以下简称“公司”)具备证券投资咨询业务资格。本报告是基于公司认为可靠的已公开信息，但公司不保证该等信息的准确性和完整性。入市有风险，投资需谨慎。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，公司不对任何人因使用本报告中的任何内容引致的损失负任何责任。本报告所载的资料、意见及推测仅反映发布当日的判断。在不同时期，公司可发出与本报告所载资料、意见及推测不一致的报告。公司或其关联机构在法律许可的情况下可能持有或交易本报告中提到的上市公司发行的证券或投资标的，还可能为或争取为这些公司提供投资银行或财务顾问服务。客户应当考虑到公司可能存在可能影响本报告客观性的利益冲突。公司在知晓范围内履行披露义务。本报告版权归公司所有。公司对本报告保留一切权利。未经公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯公司版权的其他方式使用。否则，公司将保留随时追究其法律责任的权利。
依据《发布证券研究报告执业规范》规定特此声明，禁止公司员工将公司证券研究报告私自提供给未经公司授权的任何媒体或机构；禁止任何媒体或机构未经授权私自刊载或转发公司证券研究报告。刊载或转发公司证券研究报告的授权必须通过签署协议约定，且明确由被授权机构承担相关刊载或者转发责任。
依据《发布证券研究报告执业规范》规定特此提示公司证券研究业务客户不得将公司证券研究报告转发给他人，提示公司证券研究业务客户及公众投资者慎重使用公众媒体刊载的证券研究报告。
依据《证券期货经营机构及其工作人员廉洁从业规定》和《证券经营机构及其工作人员廉洁从业实施细则》规定特此告知公司证券研究业务客户遵守廉洁从业规定。
