2.1.5 预期稳定 ........................................................................... 15 2.1.6 预期释放 ........................................................................... 16 2.2 市值管理工作的三个阶段 . .......... 37 4.2 预期稳定保持了相对优势........................................................ 39 4.3 预期释放回报性增强，价值分层凸显 ................................ 40 4.4 预期管理排行榜 .................................... 股平均水平之间仍有差距。 在“涨预期”层面，尽管企业传播预期的主动性明显增强，但市 场反馈相对平淡——市场关注度仍有较大提升空间，机构资金的配置 意愿也有待释放；值得肯定的是，其信披合规等内控工作相对扎实。 从预期释放角度来看，群体向市场释放回报的“确定性”相对更强， 这主要得益于更高的短期回报水平以及更高的核心业务资本使用效 率。需注意的是，股息率分化的加剧，正推动群体“价值分层”加速 演进。

图表： s1 表现出的 Test time Scaling n DeepSeek 可以通过 API 接口或者数据中台架构，实现与传统银行技术系统的数据交互，从而实现各类业务高效高质的无 缝对接，有望释放海量私域数据价值。 Post-Train 阶段大规模强化学习的训练方法使模型拥有了更强的自主推理能力， 不再依赖传统提示工程。根据 DeepSeek 的官方使用指南， 在使用模型时不建议添加系统提示（ prompt ）中。这也显示出了模型通用推理能力在应用中的扩展。 图表：大模型数据类型 Post-Train 阶段 资料来源：中泰证券研究所 10 数据：大规模 RL 提升非结构化数据分析能力，释放私域数据价 值 n Janus-Pro 结合了优化的训练策略，扩展了训练数据集和模型规模。通过这些改进， Janus-Pro 在多模态理解和文本到 图像的指令跟踪功能方面都取得了重大进步，同时还增强了文本到图像生成的稳定性。 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding 能够替代低效工作 ，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作， 而开发者则转向更高层次的 架构设计和业务规划，专注于更复杂、更创造性的任务， 如架构设计、算法优化或用户体验创新。 n AI 编程在银行业可有效赋能内部研发。从具体用例看，

湖仓一体数据架构，全面整合内外部数据，实现全域数据统一管理，统一集中开发，统一融合分级共享，实现多个应用服务， 沉淀通用数据资产与专业数据资产，建立数据资产目录，提供全面的数据资产视图，推动数据高质量发展，快速释放数据要素 价值。 方案亮点 中电金信软件有限公司 扫码关注 微信公众号 典型案例 分布式架构，弹性扩容，安全可靠 全并行的 MPP 架构，实现对数据处理的快速 响 应；按需弹性扩容，可持续扩容至 计，能够全面整合集 团及子公司的内部外部数据， 从而提供更全面、更准确的数据支持。 3、数据资产的沉淀和提炼，释放数据价值 沉淀通用数据资产与专业数据资产，不仅丰富了数据资源，也提高了数据处理和分析能力，推动集 团和子公司数据的高质量发展， 并实现了数据要素价值的快速释放，使得快速响应市场变化，更好 地服务客户，从而提升集团的竞争优势。 某头部保险公司数据中台项目

的当下，国企作为国民经济的重要支柱，肩负着服务国家战 略、保障民生福祉、推动产业协同升级的关键使命。然而， 面对业务多元复杂、组织层级偏多、各单元数字化水平参差 不齐的固有特点，以及“高投入低成效、组织能力短板、数据 价值未释放”等转型痛点，如何系统性推进数字化转型，已成 为国企实现高质量发展的必答题。 本白皮书旨在为集团型国企搭建“看现状、明趋势、找方 法”的系统性参考框架，助力国企在数字化浪潮中找准定位、 破 ......................... 9 （二） 集约共享持续助力效率重构 ............................... 9 （三） 组织不断完善推动数据价值释放 ..................... 10 （四） AI 战略地位升级推动全域赋能 ........................ 11 （五） 自主可控向价值创新演进 ..... 对集团及子公司数字化整体战略和发展方向进行统一规划； 二是对子公司数字化项目立项、建设、运维进行集中管理； 三是集团牵头围绕业务、应用、数据和技术制定统一的数字 化政策、规划和标准等。 （三） 组织不断完善推动数据价值释放 为实现数据资产化与业务赋能的核心目标，未来将重点 聚焦夯实数据治理组织及职责，拓展数据统一汇聚范围与数 据集构建深度，强化数据 IT 能力向基础管理、合规流通等延 伸，推动数据应用场景深入与对外拓展。

在应用开发端，AI 技术正将零代码平台推向全新高度。从简单的轻量化工具演进为强大的创新引擎，AI 让零代码真正 做到 " 更零 "-- 业务人员无需掌握复杂的技术语言，即可快速构建应用，这种技术民主化将释放出巨大的创新潜能。 然而，技术终究是手段，人才才是数智化转型的核心驱动力。新时代的数智化人才需要具备跨界融合能力，既要深度理 解业务逻辑，又要熟练运用数字化工具，更要拥有数据思维和创新意识。 03 04 05 目录 CATALOGUE 16 企业数智应用关键落地路径 02 17 23 26 30 42 44 47 52 57 59 69 74 BI 平台：释放决策与执行效率，增加可信度 指标建设：健全体系驱动管理与业务协同 应用开发：创新引擎，AI 让零代码更“零 数据治理：实时与管理让流动数据更具价值 BI 助力提升决策效率，减少错误决策 还原数据分析过程，让结果更加可信 《国家人工智能产业综 合标准化体系建设指南》 以高质量数据为基石，规范 AI 研发 全流程数据服务（采集、标注、质量 管控等 ），通过透明算法、可解释 模型及合规管理，为 AI 系统筑牢数 据根基，释放 “数据 + AI” 融合创新 价值，驱动智能应用场景突破。 工业和信息化部、中央 网信办、国家发展改革 委、国家标准委 2024 年 10 月 《关于加快公共数据资 源开发利用的意见》 支持企业利用数据分析、数字仿真等

年后，伴随市场环境优化、消费者保障意识升级及产品创新提速，增长动能加速释放 ， 2024 年保费增速已回升 至 11.2% ， 预计 2026 年原保费收入将突破 6.3 万亿元。从结构看，寿险依托储蓄需求保持核心地位，财产险受益于新能源车险渗透率提升稳健增长，健康险及意外 险在政策支持 下贡献增量。未来，随着养老第三支柱深化，责任险、农业险等非车险业务扩张，以及科技赋能提效，行业将进一步释放潜力，助力民生保障与实体经 济长期发展。 11929 23982 42645 7066 11649 22754 27646 35659 15530 10591 13607 9035 AI 技术的迭代升级正重塑全球产业格局，其释放的市场价值潜力已形成广泛共识。面对 AI 技术革命，金融、医疗、制造等领域已全面布局，保险业作为典型的数据 密 集型行业更是战略核心区。根据麦肯锡测算，生成式 AI 将对保险业带来的生产力高达 700 340 70- 1 2 政策鼓励保险业进行“ AI+” 数智化转型升级 保险行业政策助力数智化转型，鼓励使用 AI 技术 在金融科技浪潮奔涌之下，保险行业数字化转型进程提速，政策层面持续释放利好，为“保险 +AI” 模式筑牢发展根基。自 2022 年现象级生成式 AI ChatGPT 问世以 来，政策迅速反应，在 2022-2025 年持续加码，鼓励保险业借势打造智慧金融新业态，

年切片人均产出率变化趋势（单位：百万片/(人·年)） 11、不同类型硅片市场占比4 2024 年，多晶产品市场份额被单晶产品几乎完全取代，单晶硅片（p 型+n 型）市场占比已 接近 100%。随着 n 型产品的释放，p 型单晶硅片市场占比减少至 27.5%，n 型单晶硅片占比增 长至 72.5%。未来随着下游对 n 型单晶产品的需求增大，其市场占比也将进一步提升。 图 31 2024-2030 年不同类型硅片市场占比变化趋势 电 池主要为 n 型 TBC 电池，且包含部分 p 型 BC 电池数据。 2、不同电池技术路线市场占比 2024 年，新投产的量产产线基本都是 n 型电池片产线。随着 n 型电池片产能快速释放， PERC 电池片市场占比下降至 20.5%；n 型 TOPCon 电池片市场占比达到 71.1%，成为占比最高 的电池技术路线；异质结电池片市场占比约 3.3%；XBC 电池片市场占比约为 5 电池片 2024 年，TOPCon 电池片的尺寸集中在 182mm 方片、210mm 方片、微矩形、矩形片等类 型，采用 16BB 及以上技术的市场占比进一步提升至约 98%。未来随着新产能的逐步释放以及旧 产线的技术升级，9BB 或 10BB 技术将基本出清。在提效及降本的驱动下，2024 年 0BB 的市场 占比增至约 1%，未来占比将继续增加，预计在 2030 年达到约 39.6%。

框 架 ROI 原 则 智能生产力以关键KPI和ROI原则为衡量标准，贯穿知识、人才、业务和治理四大领域，并遵循工具到 流程再到组织的三级演进路径实现落地 数据来源：沙利文研究 场景红利 全面释放 政策×资本 双轮驱动 技术成熟 与生态完善  随着销售、人力、培训、客服、财务等高频业务的数字化基础逐步成熟，企业的流程已经具 备标准化和数据化特征，这为 AI 的深度介入创造了天然土壤。AI 不再是孤立的工具，而是可规模化复制、可 深度集成的生产力引擎。 RAG 智能体编排 可规模化复制、深度集成的生产力引擎 组织转型 势在必行  当外部场景、政策资本和技术生态逐渐就绪后，真正决定企业能否释放 AI 价值的关键在于组 织自身的转型。竞争已从“工具比拼”转向“组织效率”比拼，企业需要通过流程再造、岗 位重塑与人才能力跃迁，全面实现 “AI Ready”。完成组织层面的升级的基础上，能够将 单一/局部 工具 组织效率 转型 人才效率跃迁 多模态模型 培训 客服 人力 AI深度介入 资本 产业智能 化升级 AI 落地 ROI 智能生产力的关键赛道机遇包括：场景红利全面释放、政策与资本双轮驱动、技术与生态日趋成熟，以 及组织转型的必然推进 数据来源：沙利文研究 • AI赋能的人才培训市场在当前处于初期发展时期，但随着企业对复 合型人才需求的快速上升，智能生产力服务将通过AI技术帮助企业

中国 移动经济发展 2025 GSMA 联结整个移动生态系统，为良好的商业环境和社会发展而共 同探索，打造和实现其最核心的创新底座。我们的愿景是释放连接 之全部能量，促进人类、行业和社会的繁荣发展。GSMA 是代表移 动运营商、移动生态企业以及相邻行业的国际组织，基于三大支柱 为会员提供服务：连接至善、行业服务和解决方案以及产业生态拓 展。我们的工作内容包括推动政策发展、解决时下重大社会挑战、 版权所有 © 2025 GSMA 目录 概要 2 1 移动市场关键数据 7 1.1 移动市场动态更新 8 1.2 移动通信的经济影响 14 2 移动行业趋势 18 2.1 5G：行业重心转向释放 5G 的全部潜力 19 2.2 能源效率：移动产业的重中之重 22 2.3 人工智能：服务企业的新机遇 24 2.4 全球数字化转型调查：洞察企业需求与供应商机遇 26 2.5 全球消费者调查洞察：主要趋势与消费者行为 等关键 API。Open Gateway 在减少欺诈和其他安全威胁 方面的应用案例，是中国运营商为确保所有人享有安全数 字环境而采取的全面举措的一部分。 概要 2 / 36 概要 重点转向充分释放 5G 潜力 运营商及其他 5G 生态系统参与者，特别是在领先市场 中，已将重点转向更为先进的 5G 网络技术，旨在为消费 者和企业提供更优质的服务。中国在 5G-Advanced 的研

促进数算网安融合创新发展 数据、算力和网络是数字经济发展的三大关键要素，安全则是其长期健康发展 的前提。但目前，四者之间仍存在标准不统一、协同不足、机制分散等问题，制约 了要素的高效流动和价值释放。可信高速数据网的建设，正是破解这一矛盾的关键 抓手，它能够推动数算网安的深度融合与协同创新。 1�数算协同：构建数据与算力的灵活高效连接 可信高速数据网通过IPv6+、广域无损网络等新一代技术，重塑数据流通架 18 调用需求。二是提供广域无损承载，解决跨区域数据传输丢包问题，保障训练数 据、高价值数据集的完整性。三是构筑IP网络的确定性时延能力，提升端到端传输 效率和人工智能应用体验，促进数据价值高效释放。 内生安全：一是集成防APT攻击、防分光/镜像等技术，对非法流量秒级检出 并阻断，确保关键数据“不出域、不出境”。二是提供动态加密能力，支持端到端 IPsecv6升级、量子密钥等加密强化，匹配高速带宽资源，保障数据传输机密性。 动态弹性调度的数据高速传输网络”，第七章要求“建设高速数据传输网，实现不 同终端、平台、专网之间的数据高效弹性传输和互联互通，解决数据传输能力不 足、成本较高、难以互联等问题。” 数据与算力协同是数据要素价值释放的核心支撑，直接影响AI模型训练、大数 据分析等高价值应用的落地效率。当前，数据交易供需双方面临“接入带宽瓶颈” 与“网络利用率低下”双重挑战：一方面，大规模数据上传依赖百兆专线，耗时过长；