數據要素專題研究-加快發展新質生產力數據要素商業生態逐步成熟-241120（15頁）.pdf

《數據要素專題研究-加快發展新質生產力數據要素商業生態逐步成熟-241120（15頁）.pdf》由會員分享，可在線閱讀，更多相關《數據要素專題研究-加快發展新質生產力數據要素商業生態逐步成熟-241120（15頁）.pdf（15頁珍藏版）》請在三個皮匠報告上搜索。

1、 請閱讀最后評級說明和重要聲明 分析師：吳起滌 執業登記編號：A0190523020001 研究助理：程治 執業登記編號：A0190123070008 數據要素指數與滬深 300 指數走勢對比 資料來源：Wind，源達信息證券研究所 投資評級:看好-50%0%50%2023/112024/32024/7數據要素滬深300加快發展新質生產力，數據要素商業生態逐步成熟 數據要素專題研究 證券研究報告/行業研究 投資要點 數字化和智能化趨勢加快，推動數據要素市場生態完善 數據要素指的是根據特定生產需求匯聚、整理、加工而成的計算機數據及其衍生形態，是基于數字經濟及新質生產力產業發展而出現的概念。數據要

2、素的一次價值體現在在企業數字化轉型過程中，數據經由各個業務系統的設計而產生，用以支撐業務系統的正常運轉。數據要素的二次價值體現在數據可通過數據分析、AI大模型等手段，揭示內在運行規律，用于支持生產、經營和治理等環節的戰略決策。數據要素的三次價值體現在數據作為商品，可交易至更多需要的場景實現價值利用。數字化和智能化趨勢下，各組織需要更多數據用于分析決策，產生數據流通需求，因此數據可作為商品進行價值流通。加快新質生產力建設，為數據要素產業發展保駕護航 數據基礎設施是發展數據要素產業的基礎，人工智能技術將實現對數據要素的更好利用。因此需發展以數字經濟、人工智能行業為代表的新質生產力產業，才能加快發揮

3、數據要素行業的各項作用。2024年國務院政府工作報告中提到：要深化大數據、人工智能等研發應用，開展“人工智能+”行動，打造具有國際競爭力的數字產業集群；健全數據基礎制度，大力推動數據開發開放和流通使用；適度超前建設數字基礎設施，加快形成全國一體化算力體系，培育算力產業生態。構建數據要素交易平臺市場，商業模式加快成熟 數據流通端是數據要素流通的中介與核心，溝通各類市場主體，是數據作為生產要素進行交互、整合、交換、交易的平臺。目前國內數據要素交易場內機構以形成“國家級+省市級+行業級+企業級”的格局。其中國家級和省市級交易機構是市場內主流，集中于華東與華南地區，以國資主導公司制為主，通常為通用型數

4、據交易平臺。而行業級和企業級交易機構往往專耕單個或數個細分行業和領域，如：鋼鐵行業、醫藥行業、金融行業和電信行業等。建議關注 數據要素是國家基于數字經濟和新質生產力產業發展的又一重要政策導向方向。伴隨國內新質生產力產業發展壯大，數據要素市場商業化有望加快成熟。建議關注數據基礎設施、人工智能和數據要素交易平臺等環節的投資機會。風險提示 政策導向不及預期的風險，市場競爭加劇的風險，技術發展不及預期的風險。2 目錄 一、數字化和智能化趨勢下，數字要素市場生態逐漸完善.3 二、加快新質生產力建設，為數據要素生態保駕護航.6 三、構建數據要素交易平臺市場，商業模式加快成熟.9 四、投資建議.13 五、風

5、險提示.14 圖表目錄 圖 1：數據要素主要表現形態.3 圖 2：數據要素產生價值的三種方式.4 圖 3：數據要素市場構成.4 圖 4：數據流通金字塔模型.5 圖 5：2021-2030 年中國數據交易行業市場規模及預測.5 圖 6：AI 服務器出貨量高速增長.8 圖 7：搭載鯤鵬 920 處理器的鯤鵬服務器主板.8 圖 8：華為推出昇騰系列 AI 算力基礎設施.8 圖 9：中國數據要素流通行業產業鏈.9 圖 10：數據要素交易模式.9 圖 11：場內外數據交易流程.10 圖 12：數據交易平臺注冊資本數額情況.10 圖 13：數據交易平臺區域分布情況.10 圖 14：主流數據交易機構的產品上

6、架情況.11 圖 15：數據交易平臺的盈利模式.11 圖 16：中國數據要素交易場內市場競爭格局.12 圖 17：目前數據要素交易行業仍存在的問題.12 表 1：人工智能大模型的參數規模呈指數級增長趨勢.6 表 2：國內廠商加大對 AI Agent 等大模型驅動下的人工智能應用的投入.6 表 3：具有 1750 億個模型參數的大模型訓練一天需要約 2917 臺 Nvidia A100 服務器.7 3 一、數字化和智能化趨勢下，數字要素市場生態逐漸完善“數據要素”是數字經濟中，討論生產力和生產關系時對“數據”的指代，是對數據促進生產價值的強調，即數據要素指的是根據特定生產需求匯聚、整理、加工而成

7、的計算機數據及其衍生形態，投入于生產的原始數據集、標準化數據集、各類數據產品及以數據為基礎產生的系統、信息和知識均可納入數據要素討論的范疇。圖 1：數據要素主要表現形態 資料來源：數據要素白皮書，源達信息證券研究所 數據要素的一次價值體現在支撐企業、政府的業務系統運轉實現業務間的貫通。在企業數字化轉型過程中，數據經由各個業務系統的設計而產生，用以支撐業務系統的正常運轉。數據要素的二次價值體現在數據可揭示內在運行規律，用于支持生產、經營和治理等環節的戰略決策。在數據分析、人工智能等技術支持下，數據可用于構建出理解預測乃至控制事物運行的模型體系，從而支撐未來決策。數據要素的三次價值體現在數據作為商

8、品，可交易至更多需要的場景實現價值利用。數字化和智能化趨勢下，各組織需要更多數據用于分析決策，產生數據流通需求，因此數據可作為商品進行價值流通。4 圖 2：數據要素產生價值的三種方式 資料來源：數據要素白皮書，源達信息證券研究所 根據數據要素的三次價值，數據要素市場可分為數據采集、數據存儲、數據加工、數據流通、數據分析、數據應用、生態保障七大模塊。其中為實現數據要素的一次價值需推動政府及企業數字化轉型，發力服務器及云計算中心等數據基礎設施建設；實現數據要素的二次價值需發展人工智能行業，通過大模型等智能終端輔助決策；實現數據要素的三次價值需構建數字要素交易流通市場，方便數據要素的市場化流通。圖

9、3：數據要素市場構成 資料來源：國家工業信息安全發展研究中心，源達信息證券研究所 通過數據分級分類可將數據分為四類數據：公開數據、低敏感度數據、中敏感度數據、高度機密數據四種，提出針對不同數據類型，應用不同的數據流通技術和服務模式。5 圖 4：數據流通金字塔模型 資料來源：國家工業信息安全發展研究中心，源達信息證券研究所 中國數據交易市場規模保持高速增長趨勢，預計 2023 年中國數據交易行業市場規模達1199 億元，同比增長 36.72%。預計 2030 年中國數據交易行業市場有望增長至 5156 億元。圖 5：2021-2030 年中國數據交易行業市場規模及預測 資料來源：2023 年中國

10、數據交易市場研究分析報告，源達信息證券研究所 0100020003000400050006000202120222023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E中國數據交易行業市場規模（億元）6 二、加快新質生產力建設，為數據要素生態保駕護航 人工智能大模型對數據要素有巨大需求。AIGC 行業進入高速發展期，AI 大模型性能持續提升的背后是千億級以上的參數訓練，帶來對算力的高額需求，有望推動新一輪 AI 基礎設施建設。根據 OpenAI 官網，AI 模型訓練計算量自 2012 年起每 3.4 個月就增長一倍。以 GPT-3 模型為例，根據 lamb

11、dalabs 數據，該模型參數規模達 1750 億，完整訓練運算量達3640PFlop/s-days（以 3640PFlop/s 速度進行運算，需要 3640 天）。模型完成單次訓練約需要 355 個 CPU 年并耗費 460 萬美元（假設采用 Nvidia Tesla V100 芯片）。表 1：人工智能大模型的參數規模呈指數級增長趨勢 Models Release time Developers Parameter size/10-8 Sample size/10-9 GPT-1 2018 OpenAI 1.17 10 BERT 2018 Google 3.40 34 GPT-2 2019

12、OpenAI 15.00 100 Fairseq 2020 Meta 130.00 GPT-3 2020 OpenAI 1750.00 4990 GLaM 2021 Google 1200.00 16000 LaMDA 2022 Google 1370.00 15600 GPT-4 2023 OpenAI Ernie Bot 2023 Baidu SparkDesk 2023 iFLYTEK 1700.00 PanguLM 2023 HUAWEI 30000 資料來源：大語言模型研究現狀及趨勢，源達信息證券研究所 更多大模型類應用的推出是對數據要素有效利用的基礎。AI Agent 是一種以 A

13、I 大模型驅動的人工智能工具，可根據具體場景實現高度個性化和智能化的智能服務，有望將大模型的潛力最大化，推動 AI 技術應用化，加速人工智能產業商業化。表 2：國內廠商加大對 AI Agent 等大模型驅動下的人工智能應用的投入 公司名稱 大模型產品 阿里云 百煉大模型服務平臺 AWS Amazon bedrock 以及 partyrock.aws 等工具 百度智能云 TiAppBuilder、AgentBuilder 京東云 Al Agent 開發管理平臺 螞蟻集團/螞蟻數科 螞蚊 Al Studio+Max 昆侖萬維 SkyAgents 商湯科技 MaaS 平臺-應用智能體 深信服科技 A

14、I 算力平臺 神州數碼 神州問學-AI 應用及 Agent 管理 7 騰訊云 騰訊元器 月之暗面 Kimi Plus 中國電信(天翼 AI)智能體開發運營平臺 字節跳動 扣子/Coze,火山引擎 Al Agent 開發管理平臺 360 360 智腦、360 智匯云 資料來源：IDC，源達信息證券研究所 服務器等數據基礎設施是數據要素價值得到有效利用的基礎。自OpenAI發布ChatGPT后，AI 大模型有望成為助力千行萬業智能化轉型的底層支撐。AI 大模型的訓練和運行過程對對算力需求極大，預計將推動一輪算力中心的建設。以 Nvidia A100 服務器為例（由 8 個 A100 GPU 構成）

15、，單臺服務器算力約為 5Pflop/s，則訓練一個具有 1750 億個模型參數的大模型需要約 2917 臺 A100 服務器。表 3：具有 1750 億個模型參數的大模型訓練一天需要約 2917 臺 Nvidia A100 服務器 模型參數（億個）350 700 1050 1400 1750 所需算力（E+8PFlop/s）0.63 1.26 1.89 2.52 3.15 有效算力比率（%）25%25%25%25%25%實際算力需求（E+8PFlop/s）2.52 5.04 7.56 10.08 12.6 服務器算力（PFlop/s）5 5 5 5 5 每日工作時間（s）86400 86400

16、 86400 86400 86400 服務器需求數（臺）583 1167 1750 2333 2917 資料來源：Nvidia 官網，OpenAI，源達信息證券研究所 用于構建算力中心的 AI 服務器出貨量高速增長。2023 年全球普通 AI 服務器/高端 AI 服務器出貨量分別為 47.0 和 27.0 萬臺，較 2022 年分別同比增長 36.6%和 490.5%，并預計2024 年全球普通 AI 服務器和高端 AI 服務器出貨量分別為 72.5 和 54.3 萬臺，分別同比增長 54.2%和 172.0%。8 圖 6：AI 服務器出貨量高速增長 資料來源：華勤技術投資者關系公眾號，源達信

17、息證券研究所 華為加大算力基礎設施研發力度。目前華為算力基礎設施布局中：鯤鵬系列以通用算力為主，昇騰系列以智能算力為主，均采用國產芯片打造。華為憑借自身強大的研發能力，已實現從算力、存力、互聯技術和計算架構等方面為世界提供第二選擇，打造算力堅實底座。從產業鏈布局看，目前華為主要負責服務器或其中核心器件的研發和生產，并由下游服務器廠商代理銷售，主要的華為系服務器廠商有高新發展（對華鯤振宇持股 70%）、四川長虹、神州數碼、拓維信息和烽火通信等。此外 2023 年 3 月中興通訊宣布自身服務器將為百度“文心一言”提供算力支撐。圖 7：搭載鯤鵬 920 處理器的鯤鵬服務器主板 圖 8：華為推出昇騰系

18、列 AI 算力基礎設施 資料來源：華為官網，源達信息證券研究所 資料來源：華為官網，源達信息證券研究所 01020304050607080202220232024E高端AI服務器（萬臺）普通AI服務器（萬臺）9 三、構建數據要素交易平臺市場，商業模式加快成熟 數據流通端是數據要素流通的中介與核心，溝通各類市場主體，是數據作為生產要素進行交互、整合、交換、交易的平臺，是推動數據交易市場建設的基礎。數據流通端按類型可分為數據交易所、企業主導型數據服務平臺及開放數據平臺。未來數據交易所有望成為數據要素市場交易的主流平臺。圖 9：中國數據要素流通行業產業鏈 資料來源：2023 年中國數據交易市場研究分

19、析報告，源達信息證券研究所 數據交易按類型可分為場內交易和場外交易，場內交易由數據交易所制定數據交易流程及規章，在交易前負責質量評估、合規評估和資產評估等；在數據交易環節做好風險控制；在交易后提供交易核驗、仲裁糾紛等服務。圖 10：數據要素交易模式 資料來源：2023 年中國數據交易市場研究分析報告，源達信息證券研究所 10 圖 11：場內外數據交易流程 資料來源：2023 年中國數據交易市場研究分析報告，源達信息證券研究所 目前國內數據交易平臺的規模仍有待壯大。數據交易平臺注冊資本數額大多在 5000 萬元-1 億元，有 23 家；而注冊資本數額超過 1 億元的有 4 家，其中上海數據交易所

20、注冊資本達8 億元，北京國際大數據交易所和鄭州數據交易中心注冊資本達 2 億元。數據交易平臺分布以華東、華南和華中為主。受企業數字化水平及數據資源分布情況影響，目前數據交易平臺分布仍以華東、華南和華中為主，其中華東地區有 14 家，占比達 35%，華南和華中地區各 7 家，占比為 17.5%，三個地區合計占比達 70%。圖 12：數據交易平臺注冊資本數額情況 圖 13：數據交易平臺區域分布情況 資料來源：數據交易平臺發展白皮書，源達信息證券研究所 資料來源：數據交易平臺發展白皮書，源達信息證券研究所 目前國內數據交易機構的產品以數據集、API 和數據應用服務為主。少數機構還提供許可證、數據處理

21、服務、數據分析工具服務和行業研究報告等產品。051015505050-100100100數量（家）051015廣東江蘇山東湖北上海浙江貴州福建河南吉林陜西其他數量（家）11 圖 14：主流數據交易機構的產品上架情況 資料來源：數據流通市場中數據產品的特性及其交易模式，源達信息證券研究所 目前數據交易平臺的盈利模式主要有三種：傭金模式、會員制和增值式交易服務三種。其中交易傭金模式的優勢是簡單易行、門檻低，但傭金費率過高會抑制平臺交易需求；會員制模式可利于促進長期合作及交易安全性，但交易規模的擴大具有一定難度；增值式交易服務模式交易所需提供數據處理等更多服務，對平臺的能力提出更高要求。圖 15：數

22、據交易平臺的盈利模式 資料來源：數據交易平臺發展白皮書，源達信息證券研究所 12 中國數據要素交易場內機構可分為國家級、省市級、行業級和企業級。其中國家級和省市級交易機構是市場內主流，集中于華東與華南地區，以國資主導公司制為主，通常為通用型數據交易平臺。而行業級和企業級交易機構往往專耕單個或數個細分行業和領域，如：鋼鐵行業、醫藥行業、金融行業和電信行業都有較好應用前景。圖 16：中國數據要素交易場內市場競爭格局 資料來源：2023 年中國數據交易市場研究分析報告，源達信息證券研究所 目前國內數據要素交易市場存在的問題有：數據產權不清、數據交易活躍度低、同質化競爭和新技術應用不成熟等。目前各機構

23、收集的個人數據權屬仍存在爭議，導致交易風險較高，需要進一步完善相關制度體系及讓交易所發揮好做市商功能；而數據交易機構的建設需根據區域、產業和經濟情況做好統籌布局，避免同質化競爭和資源浪費。圖 17：目前數據要素交易行業仍存在的問題 資料來源：數據交易平臺發展白皮書，源達信息證券研究所 13 四、投資建議 數據要素是國家基于數字經濟和新質生產力產業發展的又一重要政策導向方向。國家數據局等 17 個部門聯合引發“數據要素”三年行動計劃（20242026 年）：將工業制造、交通運輸、金融服務、科技創新、醫療健康、氣象服務、城市治理等 12 個行業作為數據要素高水平應用的重點行業。數據交易層面國內已建

24、成多個大型數據交易所，形成“國家級+省市級+行業級”的發展局面，為數據要素市場發展打牢基礎。伴隨國內新質生產力產業進一步發展壯大，數據要素市場有望加快成熟。14 五、風險提示 政策導向不及預期的風險；市場競爭加劇的風險；技術發展不及預期的風險；15 投資評級說明 行業評級 以報告日后的 6 個月內，證券相對于滬深 300 指數的漲跌幅為標準，投資建議的評級標準為：看好：行業指數相對于滬深 300 指數表現10%以上 中性：行業指數相對于滬深 300 指數表現10%10%以上 看淡：行業指數相對于滬深 300 指數表現10%以下 公司評級 以報告日后的 6 個月內，行業指數相對于滬深 300 指

25、數的漲跌幅為標準，投資建議的評級標準為：買入：相對于恒生滬深 300 指數表現20以上 增持：相對于滬深 300 指數表現1020 中性：相對于滬深 300 指數表現1010之間波動 減持：相對于滬深 300 指數表現10以下 辦公地址 石家莊 上海 河北省石家莊市長安區躍進路 167 號源達辦公樓 上海市浦東新區峨山路91弄100號陸家嘴軟件園2號樓701室 分析師聲明 作者具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，以勤勉的職業態度，獨立、客觀地出具本報告。分析邏輯基于作者的職業理解，本報告清晰準確地反映了作者的研究觀點。作者所得報酬的任何部分不曾與，不與，也不將與本報

26、告中的具體推薦意見或觀點而有直接或間接聯系，特此聲明。重要聲明 河北源達信息技術股份有限公司具有證券投資咨詢業務資格，經營證券業務許可證編號：911301001043661976。本報告僅限中國大陸地區發行，僅供河北源達信息技術股份有限公司（以下簡稱：本公司）的客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告的信息均來源于公開資料，本公司對這些信息的準確性和完整性不作任何保證，也不保證所包含信息和建議不發生任何變更。本公司已力求報告內容的客觀、公正，但文中的觀點、結論和建議僅供參考，不包含作者對證券價格漲跌或市場走勢的確定性判斷。本報告中的信息或所表述的意見均不構成對任何人的投資建議

27、，投資者應當對本報告中的信息和意見進行獨立評估。本報告僅反映本公司于發布報告當日的判斷，在不同時期，本公司可以發出其他與本報告所載信息不一致及有不同結論的報告；本報告所反映研究人員的不同觀點、見解及分析方法，并不代表本公司或其他附屬機構的立場。同時，本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本公司及作者在自身所知情范圍內，與本報告中所評價或推薦的證券不存在法律法規要求披露或采取限制、靜默措施的利益沖突。本報告版權僅為本公司所有，未經書面許可，任何機構和個人不得以任何形式翻版、復制和發布。如引用須注明出處為源達信息證券研究所，且不得對本報告進行有悖原意的引用、刪節和修改?？d或者轉發本證券研究報告或者摘要的，應當注明本報告的發布人和發布日期，提示使用證券研究報告的風險。未經授權刊載或者轉發本報告的，本公司將保留向其追究法律責任的權利。