以“数据”和“智能”为代表的信息技术在数十年间快速融入全 社会的生产、分配、流通、消费、社会服务管理等环节，不断带动生 产力提升，推动社会进步。近年来，伴随数据增列为生产要素、生成式人工智能技术实现突 破，“数据”和“智能”产业均进入剧烈变革期，两者间的发展关系也 发生巨大变化，“数据智能”顺势成为产业焦点。伴随智能领域变革，“数据”与“智能”间的发展关系亦呈现两点 重要变化，“数据智能”概念亟需明确。如图 1 所示，数据和智能间 的关系变化在近期主要体现为两点：
价值产生的本质，是能量、物质、信息三者内部或之间转换效率 的增加。因此价值的具象化，也往往以效率提升的形式体现。数据智 能借由传统数据技术加速了信息的收集和处理加工，借由智能化技术 提升了信息精炼过程和人机信息传递交互的效率，从结果上实现了信 息流动过程中更多环节由人工处理向智能化自动处理的靠拢和转变。
当前，数据智能技术体系由数据技术及人工智能技术两大部分组 成：数据技术旨在从各种类型的数据中快速获取有价值信息，涵盖数 据全生命周期的各环节。人工智能技术是模拟人类智能行为的技术， 涵盖基础自然语言处理、计算机视觉、智能推荐等细分技术方向。总 体来看，人工智能技术与数据技术相辅相成。在模型训练前的数据准 备环节，数据的处理离不开各类高性能存储及大数据平台的支持；在 模型训练环节，各类数据平台为人工智能领域各类计算框架提供了有 力的算力支撑；在应用开发环节，数据应用为各类人工智能模型提供 了广阔的应用场景及用户数据，助力模型应用效果的进一步提升。
数据智能应用是指从数据中提取有价值的信息和知识，构筑智能 算法和模型、推动决策和行动，以实现提高效率、pg电子网站增强体验、驱动创 新等目标。对企业来说，数据智能应用是数智化转型的核心组成部分， 是释放数据价值的最终一环，也直接决定了数据智能相关实践的最终 成效。企业开展数据智能应用工作具备一定的复杂性，可以分为两个 层面的能力构建：一是通用的数据智能应用能力，包括数据可视化、 数据分析、数据挖掘等能力；二是场景化数据智能应用能力，包括营 销、运营、风控、财务等具体场景的数据智能应用能力。此外，不同 行业的机构对数据智能应用的侧重点也有差异。
通用范畴来看，数据智能应用的目标呈现出多样化发展的态势。 数据智能应用的目标可分为效率提升、体验优化和模式创新三类：一 是效率提升，即通过自动化手段改进原有场景下的工作流程，减少重 复和冗余的人工操作，例如使用算法来自动化常规的数据分析任务， 或者利用机器人流程自动化（RPA）来执行重复性高的业务流程，pg电子网站从 而提高工作效率并释放人力资源。二是体验优化，即通过数据智能技 术对现有业务场景中的痛点进行改造，以提升业务场景中各类参与者 的体验，例如通过个性化推荐系统、智能助手和自动化工具实现客户 和员工的体验改善。三是模式创新，随着大模型技术的快速落地，智 能助手、智能客服、虚拟陪伴、个性化营销内容生成、智能化医疗诊 断等新业态、新模式成为发展的重点。传统的数据智能应用更加强调 效率提升和体验优化，大模型的强大生成能力和多模态数据处理能力 正在深度改变现有的工作模式和业务流程，并催生出新的产品和服务， 数据智能应用的目标也将更具多元化。
数据智能基础设施企业主要围绕通用计算硬件、智能计算硬件、 数据存储、数据智能平台等提供产品服务，为上层数据开发和模型训 练提供算力支撑。
数据治理企业主要围绕数据质量管理、数据标准管理、数据资产 管理、数据标准等方面提供平台及服务，支撑数据管理相关工作。
数据资源服务企业主要围绕人工智能数据集、数据产品开发、数 据运营、数据交易等提供平台及服务，为数据产品/服务的开发及应用 提供数据基础。
数据智能开发企业主要围绕数据开发、人工智能算法开发、数据 科学、知识图谱等提供平台能力，支撑数据智能产品及应用开发。
数据智能应用企业围绕生成式大模型、通用应用和场景化应用形 成了多项产品及服务，覆盖了金融、通信、汽车、能源等多个行业， 持续赋能企业数智化转型。
本文仅供参考，不代表我们的任何投资建议。【幻影视界】整理分享的资料仅推荐阅读，用户获取的资料仅供个人学习，如需使用请参阅报告原文。返回搜狐，查看更多
