计算机行业：数据价值转化加速，高质量数据集赋能AI

1中邮证券数据价值转化加速，高质量数据集赋能AI证券研究报告行业投资评级：强于大市｜维持中邮证券研究所计算机行业姓名：孙业亮（首席分析师）SAC编号：S1340522110002邮箱：sunyeliang@cnpsec.com姓名：丁子惠（分析师）SAC编号：S1340523070003邮箱：dingzihui@cnpsec.com姓名：常雨婷（分析师）SAC编号：S1340523080001邮箱：changyuting@cnpsec.com发布时间：2025-05-212投资要点Ø 数字中国峰会召开，高质量数据集赋能AI：2025年4月29日，在第八届数字中国建设峰会开幕式现场，国家数据局公开发布了《数字中国发展报告（2024年）》。4月30日，全国数标委发布《高质量数据集建设指南（征求意见稿）》等技术文件，面向社会公开征求意见，这是国内首个国家层面的高质量数据集建设指南。多地市提出建设高质量数据集，针对企业建设行业高质量数据集项目给予补助。我们认为，医疗、交通、教育、金融等特定垂直行业“场景数据集”有望赋能大模型、AI agent发展。Ø 跑通数据应用模式，赋能产业发展、金融消费等：4月28日上午，国家数据局在福建福州召开的数据资源开发利用和数据产业发展工作座谈会上，正式发布70个重点建设的公共数据“跑起来”示范场景。旨在打通公共数据供给-流通-利用链条，形成一批可复制可推广的开发利用模式，打造一批社会效益突出、产业带动作用强的应用。4月14日，全国首单数据资产证券化项目在深交所获批，开创了数据资产在资本市场作为独立基础资产融资先河。Ø 组织架构逐步完善，数据要素市场化提速：4月25日上午，国家数据发展研究院正式揭牌。这是国家数据局首个直属事业单位。各地政府为进一步深入推动数字经济发展，成立数据管理机构与数据集团等，以推进数据管理、数据运营等工作，促进数据要素市场培育与发展。请参阅附注免责声明3投资要点Ø 产业链相关个股：1）高质量数据集：海天瑞声、三维天地、上海钢联、中远海科、信息发展、浩瀚深度、千方科技等；2）可信数据空间：深桑达、云赛智联、广电运通、太极股份、易华录等；3）公共数据运营：博思软件、中科江南、银之杰、国新健康、山大地纬、久远银海、万达信息、德生科技、新点软件、普元信息等。Ø 风险提示：政策落地不及预期；技术迭代不及预期；市场竞争加剧等。请参阅附注免责声明4跑通数据应用模式，赋能产业发展、金融消费等二目录一数字中国峰会召开，高质量数据集赋能AI产业链相关个股四组织架构逐步完善，数据要素市场化提速三风险提示五55一数字中国峰会召开，高质量数据集赋能AI!"! #$%&'()*!"+ ,-./01234567#89:;<=!"> ?@AB#8CD4EF#8GH61.1 数字中国发展提速请参阅附注免责声明n2025年4月29日，在第八届数字中国建设峰会开幕式现场，国家数据局公开发布了《数字中国发展报告（2024年）》。《报告》提出，2024年数字中国建设总体呈现发展基础进一步夯实、赋能效应进一步强化、数字安全和治理体系进一步完善、数字领域国际合作进一步深化等四方面特点。1）数字中国发展基础进一步夯实，在各地区各部门共同努力下，2024年数字中国建设迈出新的坚实步伐，呈现稳中提质的发展态势。据有关机构研究，近三年数字中国发展指数保持10%以上的稳步增长。2）数字中国赋能效应进一步强化，数字经济发展提质增效，数字经济核心产业增加值占国内生产总值比重达10%左右，数字消费新业态新热点持续涌现。资料来源：数据要素社，中邮证券研究所图表1：数字中国发展基础进一步夯实资料来源：数据要素社，中邮证券研究所图表2：数字中国赋能效应进一步强化71.1 数字中国发展提速请参阅附注免责声明3）数字安全和治理体系进一步完善，出台《网络数据安全管理条例》，印发《促进和规范数据跨境流动规定》。车联网安全治理形成“检测—防护—管理”闭环。数据标准化工作迈出坚实步伐，成立全国数据标准化技术委员会，发布《国家数据标准体系建设指南》。4）数字领域国际合作进一步深化，以“构建网络空间命运共同体”为遵循，多双边数字经济合作稳步推进，数据跨境流动便利化水平持续提升，跨境电商进出口总额达2.63万亿元，实现10.8%的增长，占全部外贸总额比重提升至6%。资料来源：数据要素社，中邮证券研究所图表3：数字安全和治理体系进一步完善资料来源：数据要素社，中邮证券研究所图表4：数字领域国际合作进一步深化8请参阅附注免责声明n2025年4月30日，全国数标委发布《高质量数据集建设指南（征求意见稿）》等技术文件，面向社会公开征求意见。这是国内首个国家层面的高质量数据集建设指南。n人工智能对于高质量场景数据集的需求尤为突出。2024年《政府工作报告》首次将“人工智能+”上升至国家战略层面，明确提出深化大数据、人工智能等研发应用。生成式人工智能所采用的预训练方法是通过海量数据的累积效应实现模型的智能涌现与能力迁移。一方面，预训练模式对于模型专业领域的性能提升效果欠佳，未经筛选的低质量数据容易导致专业性问题的“模型幻觉”（模型生成了不符合事实或毫无根据的信息）；另一方面，预训练所需的可用数据资源即将被用尽。在双重挑战的协同作用下，针对特定场景的高质量数据集成为人工智能模型训练的关键支撑，为现有数据局限下智能模型的训练路径优化提供转向可能。特定领域的高质量数据注入能够推动人工智能掌握对应领域的关键特征与独有规律，通过垂直场景的上下文关系增强模型训练的精准性与针对性，实现高度专业化与个性化的人工智能解决方案与创新拓展。n未来，更多专业维度的高质量场景数据集将助推人工智能于更宽广的重点领域展现“专家级”能力，实现模型性能与社会效率的场景化跃升。资料来源：数据要素社，中邮证券研究所图表5：高质量数据集建设方法1.2 指南引领地方实践，高质量数据集赋能AI能A9!"#$%&'(!"#!"$%&'()*+,-./012324—2325678923256:;<=>?@ABC%&D:E.FG%&HIJKLMHINO9PQR:S,433TUV%&WXYZ:[\]3^_`abcdefghijkl%&mZDno:pq%&)*[rstuvwxabyz{|#{|$}%&'(~•€•‚i$ƒ„…†‡…ˆ‰Š‹Œ•Ž••‘1’-78“‘V”^•–”6—˜N™Aš›œ•3žR:”^ro)”6LM—˜NŸ™Aš›œ233žR |# |$E.¡¢£¤¥¦§¡mZ€•¨©ªX…ˆ«•8ABC%&Dx¬-¡¢£¤®¦§¡¯°€•/±²³´}µK¶·•l¸@¹º» |;<\ABC%&DŠ¼A½:†¾¡¢£¤®¦§¡mZ€•¨©¥¿ÀÁÂÃÄ#ÃÄ$%ÅÆÇABC¨©È6-.MÉ12324Ê232567lËÌ8±ÍÎ<eÏ,e[ÐeHËeÑÒeÓÔe‹Õe…Ö×ØÙcÚ:[rÛ3^UV-ZABC%&DeÜ3^UVfgÝÞß.Ý làá‚i*â:¬-¡¢£¤ãäá‚iåæ#çåæ)¬-¡¢£¤mZ¨©ªX…ˆ«•èéꆇABC%&D[r®%&mëìiŠ‹Œ•íî1ï-78ðñ\ABC%&D[ròÖlYóZôõö[r÷ø\ùlÛ3úûü™A233žR—ý:ðìi%&m놇¡¢£