局。数据作为我国第五大生产要素，其价值释放的深度与广度，直接决定了人工智能产 “ ” “ ” 业从 感知智能 向 认知智能 跃迁的新高度。当前全球数据总量虽呈指数级增长（2023 年突破 175ZB）， 但高质量语料尤其是中文语料严重匮乏，实际流通率却不足 5%。数据 “ ” 产业面临 不敢共享、不愿共享、不能共享 的困局如同无形枷锁禁锢着 AI 创新的步伐。 比如医疗数据因隐私顾虑难以赋能疾病预测模型，工业数据因竞争壁垒阻碍供应链协 术、工具的堆砌，而是 制度规则、技术架构、生态系统三位一体协同的创新范式，将成为全域数字化转型的核 心数字底座。 随着人工智能技术指数级增长，生产型 AI 场景 “ 爆发式应用，大模型对高质量数据的 饥 ” 渴需求 进一步放大了可信数据空间的价值。本白皮书结合新技术的理解与创新实践的 探索，梳理可信数据空间与 AI 协同发展的技术路径、制度框 架与实践蓝图，提出 AI 可 信数 结合自身特点探索数据空间建设模式。截至 2024 年， 全球已建成超过 200 个可信数据空间，覆盖工业、医 疗、金融、能源、农业、交通等多个领域，实现了数据 的安全可信流通与价值共创，成为数字经济高质量发 展的关键基础设施。 欧盟是国际数据空间建设的先行者，其发展模式以 联邦式去中心化为核心。欧盟通过《欧洲数据战略》、 《数据治理法案》、《数据法案》等政策文件，强调数 据主权、多方协同治理和标准化，GDPR（通用数据

运维等新业态新模式。 （三）动力调整：强国建设步入新阶段，加快形成新质 生产力成为推动制造业高质量发展的内在要求。“十五五”时 期是制造强国“三步走”战略目标的第二阶段，即由“缩小差距、 重点突破”升级为“巩固地位、提升层次”。习近平总书记在二 十届中央政治局第十一次集体学习时强调，发展新质生产力 是推动高质量发展的内在要求和重要着力点。明确新阶段要 摆脱传统经济增长方式、生产力发展路径，要把产业发展的 论述，完整、准确、全面贯彻新发展理念，遵循新时代新征 程推进新型工业化的基本规律，坚持以高质量发展为主题， 以科技创新推动产业创新，以人工智能推进数实融合，加快 构建以先进制造业为骨干的现代化产业体系，坚定不移推进 制造强国建设，推动新型工业化、信息化、城镇化、农业现 代化同步发展，为中国式现代化构筑强大物质技术基础。实 践中把握三个基本原则： 一是统筹高质量发展和高水平安全。以科技创新推动产 业创新，创新成果应用到具体产业和产业链上，提高全要素 2030 年，产业科技创新能力大幅提高，重点产业链 自主可控水平显著增强，优势行业形成全球创新引领能力， 在世界制造业强国第二方阵中的地位更加巩固，新型工业化 支撑构建新发展格局、引领带动经济社会高质量发展的作用 大幅提升。 三、“十五五”时期制造业发展需要解决的关键问题 （一）构建产业科技创新体系。习近平总书记指出，要 以科技创新引领产业创新。针对“技术”到“市场”的供需壁垒、 “实验

逻辑先用大量人工标注的数据来让模型 初步掌握某种能力（如对话或者语言风格），然后再用RL来进一步优化性能 ➢ DeepSeek-R1 系列跳过对于大规模人工标注数据的依赖 ➢ 无需构建和维护高质量的SFT数据集，而是让模型直接在RL环境中进行探索 ➢ 类比：初学者在没有老师指导的情况下，通过不断的尝试和错误来掌握一门新的技能。 ➢ 这种自主学习的方式，不仅节省了大量的标注成本； ➢ 更 ➢ 需要足够强的基座模型：基座模型 (DeepSeek-V3 Base) 超过了某个质量和能力阈值 （671B 在14.8T 高质量Token上训练）（基座模型知识帮助突破推理上界，也有一些 工作利用小模型复现 Aha Moment 得益于大规模RL和高质量推理数据）； ➢ 大规模强化学习加持：GRPO 对于强化学习训练的优化； ➢ 规则化奖励：绕过奖励攻陷问题，但是得益于推理问题可以进行自动化标记和验证 Questions: ➢ 能否在Zero基础上兼顾推理性能的同时，提升模型的帮助性和安全性？例如产生 Clear & Coherent CoT 并且展现出通用能力的模型 R1； ➢ 能否利用一些高质量反思数据集做 Cold Start 从而加速RL的收敛或帮助提升推理表现 16 DeepSeek-R1 技术 Pipeline 总览 DeepSeek-v3-Base (671B) DeepSeek-R1-Zero

，通过对大量文本数据进行训练 ，从而具备了强大的语言理解 和生成能力。 它能够理解自然语言 ，并能够生成自然语言文本 n 字节跳动豆包 豆包是字节跳动基于云雀模型开发的 AI ， 能理解你的需求并生成高质量 回 应。 它知识储备丰富 ， 涵盖历史、 科学、 技术等众多领域 ， 无论是日 常问 题咨询 ， 还是深入学术探讨 ， 都能提供准确全面的信息。 同时 ， 具备 出色 的文本创作能力 能撰写故事 于安全验证和身份识别）、医学影像分析（辅助医生诊断疾 病）等 （ 1 ） 自然语言处理 大模型在自然语言处理领域具有重要的应用 ，可以用于文本生成 （如文章、小说、新闻等的创作）、翻译系统（能够实现高质量 的 跨语言翻译）、问答系统（能够回答用户提出的问题）、情感 分析 （用于判断文本中的情感倾向）、语言生成（如聊天机器 人）等 大模型的应用领域非常广泛 ，涵盖了自然语言处理、 计算机视觉、 ，大模型可以为用户提供个性化的推荐服务 ，提高 用 户满意度和转化率 （ 3 ）语音识别 大模型在语音识别领域也有应用 ，如语音识别、语音合成等。通 过 学习大量的语音数据 ，大模型可以实现高质量的跨语言翻译和 语音 识别以及生成自然语音 3.7 大模型的应用领 域 金融风控 自动驾驶 医疗健康 大模型可以用于信用评估、欺诈检测等任 务 。通过分析大量的金融数据 ，大模型 可 以评估用户的信用等级和风险水平，

设计， 推进“人工智能 +” 行动，以“数字化、绿色化”转型支撑新型电力系统和新型能源体系建设。 源荷精准预测 电气机理 与知识 负荷特性分析 地理信息 人工智能是支撑新型电力系统高质量发展的关键 新型电力系统 支撑 电 力 人 工 智 能 系 统 社会、经济 影 响 中 国 南 方 电 网 CHINA SoUTHERN POWER GRID 非结构化 知识 数据清洗整合的复杂性 缺乏准确性、一致性维护 缺乏数据质量监控 数据可靠性不佳 数据完整性不足 十 数据量不足 数据质量较低 数据标准化较低 缺乏验证集和测试集 无法有效建设高质量 数据集严重制约数字 化进程受阻 数据质量问题可能会导致严重的调控 决策风险和损害 业务挑战：数字化转型挑战 无法保障数据可以被及时、 准确地访问和利用 AI 训练所需算力和电力 MAAS 框架 ) 模型管理 / 检索 模型下载 模型调优 / 训练 模型推理 模型部署 模型应用 典型开发框架 模型库 样本库 实训框架 文档 / 教程 开发者社区 简单可集成 全模态 高质量全领域 可在线 / 离线 AI 高效学习 贡献活跃 产业金融 金融放货智能评估 电费货智能评估 供货贷智能评估 采购过程文件智能辅助编制及校验 电力会议转录助手

…………58 推荐单位 ：上海海洋大学 开创林改新局 赋能乡村振兴——福建农林大学的智慧与担当……………………………………………58 推荐单位 ：福建农林大学 科技赋能东乡贡羊产业高质量发展…………………………………………………………………………59 推荐单位 ：甘肃农业大学 草原牧区经营体制改革创新先锋——“芒来模式”…………………………………………………………59 乡村振兴观察报告 2023-2024 中国农科院科技支撑稳产保供 坚定守护大国粮仓…………………………………………………………61 推荐单位 ：中国农业科学院 弘扬“宁陵精神” 支撑果树产业高质量发展…………………………………………………………………61 推荐单位 ：中国农业科学院 渔船多源感知和 AI 一体化智能终端成套装备………………………………………………………………62 ：四川省泸州市农业农村局 四川渠县扛牢粮食安全政治责任 擦亮产粮大县金字招牌…………………………………………………74 推荐单位 ：四川省渠县农业农村局 “全”字上做文章“链”字上求突破——临夏州高质量打造牛羊全产业链…………………………………75 推荐单位 ：甘肃省临夏州农业农村局 无定河镇“联农共富 托管共享”土地托管模式创新实践……………………………………………………75 推荐单位

训练已成为推动智能化应用落地的核心环节。本项目旨在构建一套 完整的数据处理与模型训练方案，以满足企业在复杂场景下的智能 化需求。项目通过对多源异构数据的采集、清洗、标注和结构化处 理，打造高质量的知识库，为后续的 AI 模型训练提供坚实的基 础。同时，结合先进的深度学习技术和规模化计算资源，设计高效 的模型训练流程，确保模型在准确性、泛化能力和计算效率方面达 到预期目标。项目的实施将涵盖以下关键步骤： 模型训练 效率，为后续的智能化应用开发和部署打下坚实的基础。 1.1 项目背景 随着人工智能技术的迅猛发展，大模型在各个领域的应用日益 广泛。然而，大模型的训练效能和精度在很大程度上依赖于高质量 的知识库数据处理。当前，许多企业和研究机构在构建和利用知识 库时，面临着数据来源分散、数据质量参差不齐、处理流程复杂等 多重挑战。这些挑战不仅增加了数据处理的成本，还直接影响到后 续模型训 数据存储模块：采用分布式存储技术，支持大规模数据的高效 存储；  数据检索模块：实现高效的分布式检索，满足实时查询需求。 通过上述模块的集成与优化，本方案将显著提升知识库数据处 理的效率和准确性，为 AI 大模型的训练提供高质量的数据支持。 最终，该方案将广泛应用于金融、医疗、教育等多个行业，推动人 工智能技术的深入应用和创新发展。 1.2 项目目标 本项目的核心目标在于构建一个高效、精准的知识库数据处理 系统，

的关键。 当前央企已步入从“业务数字化”向“业务数智化”转型的关键阶段。 央企作为国民经济的中流砥柱，面临着国家战略、全球竞争和内部转型的三 重需求。在宏观层面上须践行“新质生产力”与“高质量发展”的顶层设 计，担当科技创新的排头兵；在竞争层面需应对全球领先企业利用智能化手 段重构价值链的战略挤压；在运营层面则有待破解因规模体量带来的管理复 杂性与市场创新敏捷性之间的深层矛盾。 央企加速数据中心向智算中心转型，推动行业数据产业共同体组建，明确三维支撑的具体 实施路径。2025 年落地推进阶段，政策聚焦成效强化，扩大高价值场景覆盖至超 500 个， 推动智算平台规模化应用，分批构建重点行业高质量数据集，完善数据共享与合规流转机 制，为央企 AI 规模化发展提供了清晰路径与坚实保障。 图表 1 央企数智化转型相关政策 发布时间 政策名称 政策内容 政策方向 2023.2 交通、医疗等领域打造 AI 应用标杆 AI 赋能传 统 产 业 升 级 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 5 2023.10 算力基础设施高质量发展 行动计划 明确央企需参与智算中心建设，推动智能算力规模扩 容，支持国产芯片、软件及算力平台自主创新，在工 业、能源等领域打造 AI 融合应用场景，如要求围绕 工业、金融、能源等重点领域，各打造

从基建到运营， 做数字化转型的终极赢家 数字化变现要以运营能力为突破口 友邦人寿：企业的内功关系到数字 化的价值变现 天猫：从数字化运营到高质量发展 建立企业“数智价值链” 04 08 17 12 瞭望塔 实训营 多棱镜 2 ｜ 化浪潮为经济的高质量发展注入了强劲的动力。 伴随着数字经济的深入发展，数字化转型 早已不是企业的选择题，而是一道必答题。不过， 到目前为止，虽然很多企业投资了大量的数字 本完成数字化基建的布局，来到数字化的中局 战场，企业就要更加意识到思维转变的重要性。 通过扎实系统的数字化运营设计，让技术创新 与具体的业务场景融合，从而将技术转化为真 正的数字生产力，驱动企业实现高质量发展。 那么，如何进行体系化的运营管理设计？ 如何提升数字化运营能力？需要掌握哪些新的 思路和方法？ 近期，《哈佛商业评论》中文版走访了来自 保险业、制造业、互联网电商等多个行业的典型 数字化运营——新思路应对新周期 所谓数字化运营，指的是通过体系化的管理 设计，以敏捷的工作方式，采用 IT 技术手段， 充分利用数据来支持企业数字化业务的实现、 运行和持续创新，提升数字化转型的价值变 现能力，驱动企业实现高质量发展。 数字化变现 要以运营能力为突破口 ｜ 5 瞭望塔 │ Lookout Tower 进 入数字经济时代，颠覆式创新屡见不鲜， 商业竞争格局不断被打破，这驱动着企 业纷纷加强自身的数字化转型以适应新

当前，全球数字经济加速演进，人工智能技术日新月异，筑牢安全可 靠、自主创新的数字底座已成为推动产业数智化升级的必由之路。信 息技术融合创新（以下简称“融合创新”）通过突破关键核心技术、 赋能传统行业转型，正成为千行百业高质量发展的重要引擎。 一方面，国产数字化升级正在通过底层技术的自主创新，为人工智能 和数字化转型提供坚实基础：国产云基础设施，为智能计算提供算力 保障，国产操作系统、数据库和中间件，支持AI训练、推理和部署， 优 化、生态体系逐步完善等多个方面。当前，国产数字化升级，不仅是 响应政策导向，也已经成为企业提升效率、夯实安全基础的战略抉 择。拥抱国产数字化升级，既是企业降本增效的理性之选，更是迈向 高质量智能化发展的关键一步。 近年来，以腾讯为代表的一批中国科技企业围绕国产数据库、操作系 统、大数据平台等基础软件不断开拓创新，构建完整的国产生态链， 为数字经济提供安全可靠的基础软件支撑。在产业落地方面，融合创 在进入规模化复 制阶段。 本报告精选了18个典型的融合创新实践案例，涵盖政务、金融、电 力、交通、医疗、传媒等行业。通过这些标杆实践的解读，可以洞 见各行业推动自主创新的思路和经验，为产业高质量发展提供参考 和借鉴。 国产数字化升级标杆实践报告 03 - 国产数字化升级-智能之基、效率之源、好用之选 - 04 国产数字化升级标杆实践报告 国产数字化升级标杆实践报告