数据要素产业链及各环节情况如何？

供需形成共振，驱动产业进入高速向上周期。

1.生产→流通→使用三大环节，产业链初步形成

数据要素市场各环节协同发展，潜在空间有望加速释放。根据国家工信安全中心数 据，2020年我国数据要素市场规模达545亿元，同比增长45.33%；2021年同比增长 49.54%至815亿元，预计2025年数据要素市场规模将增长至1749亿元，2022-2025 年的CAGR达25%，整体将保持快速增长。细分环节看，2021年，产业链各环节健 康增长，其中，数据生产环节的数据采集、数据存储、数据加工市场规模分别达45、 180、160亿元，数据流通和分析环节的数据交易、数据分析、数据服务市场规模分 别达120、175、85亿元，未来随着国家政策支持力度继续加大，数据要素市场各环 节的潜在市场空间有望得到加速释放。

2022年1月12日，国务院印发《“十四五”数字经济发展规划》（后称《规划》）， 提出为充分发挥数据要素的作用，要（1）强化高质量数据要素供给；（2）加快数 据要素市场化流通；（3）创新数据要素利用机制。基于《规划》的思路，数字要素 产业链可划分为：数据要素生产环节、数据要素流通环节及数据要素使用环节。

产业链上下游参与者看，上游主要是数据生产方，提供政府数据、企业数据、个人数 据等，中游由数据服务商和数据交易所组成，连接了下游包括政府、金融、医疗等不 同行业的需求方。在产业链环节中，原始数据经过采集、整理、聚合、分析等一系列 处理，成为可以被利用的数据资源（即数据要素）。数据资源经过登记确权，以及进 一步分析处理后，成为可交易的数据产品。需求方企业在购买数据产品后深入挖掘 并分析应用，充分发挥数据价值。数据在以上过程中实现了资源化、资产化及价值 化的迭代。

（1）从生产环节来看，数据采集是数据要素生产的首要环节，采集的原始数据通过 数据整理、聚合和分析，成为可利用的数据资源。根据数据类型可划分为政府（公 共）数据、企业数据和个人数据采集，其中政府（公共）数据的供给规模最高。通常 数据生产水平需要从数据供给规模和质量两个维度进行评估。 数据要素生产环节的产值规模提升需要量价提升共同驱动，数字经济建设推进+数商 技术进步，带动数据供给规模和质量的提升。在大力发展数字经济的大背景下，数 据要素对全产业的应用渗透有望加速提升，从而有效带动数据供给规模快速增长。 数据生产环节参与数商的技术持续进步，则将有效促进数据质量提升，拉高数据产 品的附加值。长期来看，我们预计数据生产相关服务的收费水平将呈现行业性提升 态势。数据生产环节的量价提升，或将成为行业长期增长的核心驱动力。

（2）从流通环节来看，数据资源通过数据确权登记、定价、交易和交付，实现从生 产方向需求方的转移。数据流通环节的核心参与主体是数据交易所，主要为数据产 品提供登记确权服务，搭建交易场所，承担交易合规监管，以及部分数据相关增值 服务等功能。除数据交易所外，数据交易服务商也为相关主体提供合规评估、资产评估、交易撮合、数据交付、争议仲裁、知识产权、数据安全等一系列服务。

（3）从数据产品使用环节看，下游应用场景有望广泛渗透，AI赋能下带来使用新范 式。数据需求方涉及公共服务、影视娱乐、交通、医疗、金融、广告营销等众多领域。 我们认为，数据的使用是数据真正发挥价值的阶段。在AI等技术加持下，数据要素产 业链有望价值重塑，主要体现在高质量数据需求有望快速增长，并且数据使用的门 槛也有所降低。一方面，随着AI进入大模型时代，大模型的涌现能力依赖于数据处理 量和模型参数量的指数型增长，将显著提升上游数据需求。另一方面，AI大模型的训 练和应用模式，可以实现对广泛下游数据使用细分场景的泛化，显著降低数据使用 成本和门槛，更好渗透和赋能千行百业。

当前来看，下游应用对高质量数据的潜在需求和使用场景有待充分挖掘，AI等技术 的迭代进步有望催生更多对高质量数据的需求，同时降低数据使用门槛，加速场景 渗透。我们认为，数据使用的需求广泛，且在AI催化下仍有提升潜力，重点关注两类 受益公司：一是具备数据服务输出能力，并融合AI技术，更好助力客户数据开发运用 的数据服务提供商；二是拥抱和使用数据服务的下游应用厂商，数据使用效果有望 在AI助力下进一步提升，并有效降低数据使用的门槛，进一步提升业务的数字化和 智能化水平。

2.数据生产环节：数据规模和附加值增长，驱动行业量价齐升

数据生产环节看，按数据所属的行业划分，数据产量的行业分布集中度高，数据生 产规模有望受益于主要行业数据的进一步开放。我国2021年数据产量6.6ZB，同比增加29.4%，其中个人数据产量为 1.4ZB，各类行业机构产生数据5.2ZB。行业分布看，数据产量排名前五位的行业分 别为政府、互联网、媒体、公众服务及专业服务、交通，前五大行业数据产量占全国 行业机构数据总产量的65%。近年来政府公开的数据集质量不断提高，上海、北京、 天津、广西开放的有效数据集总数超过1000个，各省份开放数据集动态更新平均比 例达到20.59%。其余头部行业同样具备数据进一步开放的空间和动力：互联网平台 间的“互联互通”趋势下，平台间数据的交互融合程度有望进一步提升；媒体融合平 台的打造，将助力地方媒体整合资源，加速不同媒体平台间的信息互相开放融合。

按生产/供给数据的形式划分，传媒互联网领域文学/论文、影视和图片等行业头部公 司深耕多年，均积累种类丰富、数量众多且具备商业价值的数据资源。大规模优质 网文、IP、图片、影视等数据库的开放，将成为下游数据使用的重要资源。随着下游 应用场景的进一步丰富，对上游数据资源的需求提升，例如AI大模型需要大量良好 数据资源进行模型训练，有望进一步释放数据资源的商业价值。从海外来看，目前 已有公司对提供数据资源进行收费的案例，如4月18日Reddit宣布将对使用API调用 其用户聊天数据收费，而此前Shutterstock已对其图片数据向OpenAI收费，推特也推出通过API使用推文数据收费的计划。我们认为数据收费将成为趋势，海外探索实 践为国内产业发展提供有益借鉴。

细分来看，数据生产环节可分为数据采集、数据整理、数据聚合和数据分析等环节： 1.数据采集：为后续整理、聚合及分析环节打牢基础 采集方式看，数据采集可分为线下采集和线上采集。线下采集适用于采集主观数据， 通过问卷调查、用户访谈、实地调研等方式进行人工采集，采集效率较低且采集成 本较高，但对于深入研究个体行为数据较为合适。线上采集根据采集对象不同，又 可分为开放数据、第三方平台数据、物理数据、APP数据等，针对数据类型采用不同 的采集技术。

参与主体看，主要包括采集设备提供商和数据采集解决方案提供商。数据采集设备 提供商为数据采集提供传感器、采集器等专用采集设备和智能设备，主要包括海康 威视、大华股份、富士康等厂商。数据采集解决方案提供商通过人工采集服务、系统 日志采集系统、网络数据采集系统等为客户提供解决方案，如拓尔思和易华录等厂 商。例如，每日互动的开发者服务业务通过SDK采集用户数据后，为App开发者提供 消息推送、用户运营和一键认证等服务，持续采集积累的海量动态用户数据，并通 过App自有标签和个推标签融合后得到各产品用户画像，基于此为客户提供开发者 服务。根据公司22年半年报，截至22H1，每日互动开发者服务SDK累计安装量突破 900亿，其中智能IoT设备SDK累计安装量已超2亿，开发者服务SDK日活跃独立设备 数（去重）达到4亿。

2.数据整理：将原始数据转换为易使用、可操作信息。数据整理可大致分为数据清洗、标注、脱敏及标准化治理四个环节。我们认为，数 据要素市场建设中，应重点关注数据脱敏脱密环节。数据整理中数据标注、清洗和 标准化等环节，已具备良好的发展基础。随着数据安全重视程度的提升，数据脱敏 或将更加受益。基于我国数据要素市场的建设构想，以数据隐私为首的数据安全问 题受到充分重视。由于数据确权相关立法尚未明晰，做好数据的脱敏脱密工作，成 为数据流通交易的必要条件，能够在部分场景率先实现流通。

相关厂商围绕数据脱敏脱密正积极做出技术尝试。每日互动推动发起建设温州数安 港的大数据联合计算中心。其主要模式是，参与方将数据匿名化或去标识化，加密 上传至中立安全计算区后（“中立国”），可在联合计算平台上完成数据的挖掘、加 工和提取，计算结果经过严格审核和验证后输出，之后平台将销毁各方原始数据， 从而在原数据未流转的前提下，实现数据价值的流转。一方面，大数据联合计算中 心能为公司数据应用层的商业服务业务赋能，缓解品牌广告主等客户对数据安全合 规风险的顾虑，保障业务继续顺利推进。另一方面，为数据要素流通的安全问题，提 供全新的解决范式和思路，促成更多数据交易。

3.数据聚合和数据分析：关注数据聚合上量带动数据中心IDC需求边际提升。数据聚合可再细分为数据传输、数据存储、数据集成汇聚等环节。我们认为，在数 据规模增长的催化下，数据聚合和数据分析的市场规模有望进一步提升。数据中心 （IDC）作为数据计算、存储和交换等集中管理的场所。随着数据分析业务增长，将 带动IDC数据计算的需求。同时，数据存储也是数据聚合中的关键环节。因此，在数 据聚合和数据分析需求的增长下，IDC有望边际受益。 浙数文化将IDC业务作为数据科技板块的核心，2016年开始就已布局IDC产业，目前 已在杭州和北京建设数据中心，截至22年底已累计建成机柜数量超10000余组，杭州 富阳数据中心运营良好，北京数据中心达到交付标准，杭州大江东数据中心进入筹 建阶段，预计IDC业务对公司业绩的贡献度将进一步提升。

世纪华通也将云数据业务 作为四大业务板块之一，已在长三角和珠三角等地区投建多座大型数据中心。长三 角地区，公司深度参与和投资“腾讯长三角人工智能先进计算中心”，已在22H1完 成近万组机柜交付。珠三角地区，公司的深圳市数据中心项目22年开始动工，计划 部署机柜达12000台，今年2月9日已正式封顶，预计今年4月完成首批交付。目前， 公司已获得腾讯云、华为云等国内重要云厂商的订单。歌华有线基于自身掌握的核 心大数据资源构建多媒体数据中心（IDC），为政府、金融企业等客户提供计算、存 储、网络服务和增值服务等优质服务，主要优势在于按需定制的优质服务和丰富的 服务经验，同时公司过去在奥运票务、重要政府和金融客户方面积累丰富服务经验， IDC服务质量得到有效保证。

3.数据流通环节：现阶段重点推进环节，强化数据交易所中心地位

数据流通环节可进一步细分为数据确权、数据定价、数据交易和数据交付等环节。 参与主体来看，如前所述，交易所是数据确权的审批登记方和数据交易的平台搭建 方，而第三方数商则参与剩下的数据定价、数据交付、以及数据确权和数据交易中 的其他增值服务。

1.数据确权：数据流通基础环节，探索解决数据确权难题。针对数据权属问题，目前国内尚未形成明确法律规定，现有政策或文件对数据确权 的表述呈现框架性和方向性，但未有具体 立法落地。事实上，数据确权问题影响和制约的不仅是数据流通环节，还包括数据 资产入表。《数据二十条》提出三权分置相对弱化“所有权”概念，鼓励各地积极试点。《数 据二十条》中提出 “探索数据产权结构性分置制度”，按数据生产、流通、使用 过程中的各参与方所享有权利的不同，建立数据资源持有权、数据加工使用权、数 据产品经营权等分置的产权运行机制，其中并未提到数据所有权概念。

我们认为， “确权难”的本质原因在于信息主体和数据主体的不一致，导致数据所有权在信息 主体和数据主体之间存在模糊，如果将确认数据的所有权规定作为数据流通的必要 前提，反而可能制约了数据流通的发展。国家选择转换思路，淡化数据所有权，转 而关注数据生产、流通和使用等数据产业链相关环节，将确权的范畴更多聚焦在持 有权、加工使用权、经营权等与数据产业链相关性更高的权利，则更有利于推动数 据流通的快速发展。《数据二十条》中提出的确权授权机制的建立，也进一步减少 了数据流通的阻碍。

目前，数据确权服务工作主要由国企搭建的平台承担。典型平台包括新华网旗下新 华智云打造的数字资产中心，以及人民网旗下的人民数据确权流通平台和人民数保 平台。 新华网持股新华智云打造数字资产中心，运用区块链技术提供数据确权服务。根据 投资者互动平台，新华网通过持有新华智云39%股份，布局数据确权建设。新华智 云作为首批取得网信办境内区块链信息服务备案的企业之一，基于区块链技术，提 供版权确权、存证、维权等服务。

2.数据定价：数据流通时的价值衡量阶段。我国已初步形成数据资产定价的基本模式，可分为数据评价和价值评估两个环节。 数据评价主要是从数据的质量、成本和应用维度，衡量数据产品的价值。价值评估 则是具体为数据产品定价的过程，主要方法包括成本法、收益法和市场法。 目前，国家发改委已与地方数据交易中心共研数据价格形成机制。

4月10日，贵阳 大数据交易所与国家发改委价格监测中心签署合作协议，共同开展数据价格形成机 制的联合研究。此前，3月17日，发改委价监中心与上海数据交易所达成战略合作，研究方向包括数据要素价格形成和估值机制等。我们认为，数据要素定价是交 易流通的重要环节，合理的定价机制将推动市场交易效率提升。发改委价监中心与 各地交易所的密集合作，侧面反映国家对数据登记备案、定价、交付等全环节规范监管的重视，在市场培育初期引导数据要素市场良性健康发展，预计交易所也将在 定价过程中承担更重要职责。

3.数据交易：场内交易占比有望提升，推动交易所成交额增长。数据二十条提出，构建促进使用和流通、场内场外相结合的交易制度体系，规范引 导场外交易，培育壮大场内交易。从目前各地政府出台的政策来看，进一步明确数 据场内交易的具体要求，特别是要求公共数据进场交易成为主要共识。如广东4月4 日发布《广东省数据流通交易管理办法（试行）》，其中明确进场交易清单，公共 数据等应进场交易。我们认为，在公共数据的引领下，数据场内交易占比的提升是 明确的发展趋势，数据交易所的业务发展有望迎来加速。

4.数据交付：灵活交付为主，交付形式较为多元。根据《中国数据要素市场发展报告（2021-2022）》，目前我国交易所或交易中心 的交易/交付形式主要可分为“场内交易、灵活交付”和“场内备案，灵活交付” 两类。（1）场内交易、灵活交付：数据买卖双方在数据交易所达成交易合约，交 易所提供交易凭证，但对交付过程不做时空限制，允许双方协商。国内典型为上海 数据交易所。（2）场内备案，灵活交付：数据交易所开展多种形式的数据产品上 架、登记、备案、交易，支持场内交易交付+场外交付后登记备案。国内典型为北 京国际大数据交易所。

5. 数据交易所为中心推动第三方数商生态建设。《数据二十条》明确提出要建立数据交易场所与数据商相分离的市场运行机制。其中，数据交易所定位为公益性机构，由政府事业单位或者国资企业承担相关职能，突出交易过程的公共属性和金融平台属性，侧重交易的公平与安全，通过自律管理，实现标准化数据产品的交易撮合、价格生成、清结算等核心交易环节和功能。现阶段国内数据交易所主要的商业模式，大致包括佣金、会员制和增值服务三 类：

（1）佣金模式：即对每一笔交易收取固定比例的交易手续费。其优势在于简单易行， 操作门槛低，劣势在于过高的佣金比例会抑制场内交易主体的积极性与交易需求， 从而转向场外交易。佣金制的典型代表为早期的贵阳大数据交易所，其在成立之初 对每一笔交易收取10%的佣金，但随着实践探索，贵阳数交所于2016年4月宣布取消 交易佣金制，改为增值式交易服务模式。（2）会员制模式：即对在场内交易的数据交易主体与服务商收取会员费。会员制模 式有利于推进企业之间的长期数据合作，交易安全性和交易质量更容易获得保障。 代表为华东江苏大数据交易中心，目前对其拥有的6000多家会员收取年费，实现平 台盈利。

（3）增值式交易服务模式：增值服务制下，数据交易平台已跳出“中间人”的身 份，部分承担了数据清洗、数据标识、数据挖掘、数据融合处理等数据服务商的职 能和角色。当前大部分数据交易平台都提供相应的数据增值服务模式，且占据一定 的营收比例。以上海数据交易所为例，需方数商采用一次性收费方式收取9980元会 员费，第三方数商每年缴纳19980元的年费，供方数商需缴纳交易额的2.5%作为数 据产品交易服务费。

从产业链视角，我们认为数据交易所将是数据流通环节的核心受益方。一方面，在 政策支持+产业发展的双重推动下，市场流通交易的数据量将加速提升。另一方 面，基于对数据安全和监管的要求，数据交易将更多往场内转移。两者叠加推动下，交易所内数据交易量将得到进一步提升，交易所业务发展将得到更好发展。 从数据交易所内部视角，关注浙数文化旗下浙江大数据交易中心等主要数据交易所 发展。浙江大数据交易中心成立于2016年5月，目前主要提供数据流通服务及配套 数据增值服务，以金融科技、营销和公共治理为核心应用场景。股权结构看，浙数 文化、安恒信息参股比例分别为48.2%、46.8%。随着国家对数据交易安全的重视 程度提升，交易所作为数据流通的关键场所，履行数据交易监管等重要职能，预计 未来国资持股比例仍将进一步提升。

4.数据使用环节：AI结合数据服务能力输出，赋能数据使用新范式

数据的使用是数据要素真正发挥价值的重要环节。我们认为，数据的使用和数据生 产和流通相辅相成、互相促进：一方面，数据的生产和流通，为数据需求方对数据 的下一步更深入使用做好铺垫；另一方面，数据需求方的数据使用，将形成结构更 加丰富、信息密度更大的新增数据，为数据生产和流通又提供了原始的数据素材， 同时数据使用过程中产生新的问题，进而催生新的数据生产和流通需求。此外，数 据使用也能为生产和流通提供使用反馈，帮助生产和流通环节的优化和改进。因 此，数据使用既是数据生产和流通的最终落地应用环节，也是生产和流通的效果评 估、需求反哺和数据再生产的协同共生环节。

AI推动高质量数据需求提升，降低数据使用门槛，并提升数据使用的效果。实现人 工智能的技术支撑之一，就是处理数据方法的变革（如当前AI大模型的数据处理 量、参数量大幅提升）。随着AI技术的持续渗透，AI大模型的训练和实践均对数据 规模和质量提出更高要求，有望带动数据要素产业链整体需求的提升。同时， ChatGPT API的发布、New Bing接入GPT4、微软 365 Copilot融合GPT4、 ChatGPT plugins第三方插件的开放等密集事件，凸显大语言模型在用户交互方面 的效果提升，显著降低用户的使用难度，有望进一步降低数据使用门槛。数据使用 服务功能和AI紧密集成和融合，通过数据服务商向下游行业输出，原有数据功能更 新升级，使用效果、服务能力和用户体验有望提升。

建议关注AI赋能下，业务和业绩发生边际变化的两类公司：（1）一是已具备较强 的数据服务输出能力，有望在融合AI后，强化服务能力和用户体验，巩固和加强业 务优势的公司，如百度、阿里、腾讯等头部互联网公司，均已自研布局AI大模型， 结合已有云服务对外输出；以及每日互动等第三方数据服务商，探索核心服务能力 在AI加持下的进展和突破。（2）二是公司AI赋能下使用数据，实现收入增厚或降 本增效的下游数据需求方，如AI+游戏（数据挖掘、智能投放等生产力辅助工 具）、AI+营销（用户数据分析实现精准营销）、以及AI+教育（教学数据智能诊断 分析等）等典型应用领域。

1.数据服务商：AI集成下提升服务效果，降低使用门槛。数据服务商具备AI技术的承载和输出能力，承担AI助力数据使用的“卖铲人”角 色。百度文心一言是百度在AI长期技术研发的体现，是百度推动“AI+云”有机融 合、相互赋能的的成果之一。以文心一言为例，其对外服务的窗口是百度智能云， 其底层基座支撑则是百度自研的芯片昆仑芯，以及AI中台百度飞桨深度学习平台， 共同构成了百度国内首个全栈自研AI基础设施“百度AI大底座”。通过对算力-框架 -模型-应用的封装，实现端到端智能化闭环，既有效提升百度智能云的服务能力和 服务质量（包括数据使用相关服务），也大幅降低AI技术的使用门槛，提升下游客 户的开发效率并节约客户开发成本。在智能算力的布局上，百度通过建设智算中心 和昆仑芯，为下游客户输出高性能算力支撑。

我们认为，百度将AI技术集成封装进 百度AI大底座中，提供层次丰富且随用随取的AI研发运营一体化（MLOps）能力，助力企业在数据使用等多元场景实现降本增效。在百度AI大底座的赋能下，企业资 源利用率提升至70%，开发效率提升100%。

阿里和腾讯等大厂均在AI领域深度参与和布局，共同推动高质量数据使用。阿里方 面，4月11日的2023阿里云峰会上推出类ChatGPT的大语言模型“通义千问”及其 应用规划。而阿里在AI大模型方面早已有深厚的研发积累和应用实践，2022年9月 发布“通义”大模型系列，搭建了统一底座-通用模型-行业模型的层次化AI基础设 施服务体系，成为国内首个AI统一底座，其包含的M6-OFA模型可同时处理多项单 模态和跨模态任务。智能算力方面，2022年8月阿里推出智能计算解决方案平台 “飞天智算平台”，计算资源利用率、AI训练效率和AI推理效率的提高幅度在3倍 +/11倍+/6倍+。“通义”大模型的服务场景已超过200+，应用效果的提升幅度在 2%-10%，我们认为数据使用将构成“通义”大模型重要的应用领域，并将在“通 义”大模型助力下实现更好的使用效果。

腾讯方面，2022年4月腾讯首次披露混元AI大模型，覆盖自然语言处理（NLP）、 计算机视觉（CV）和多模态等基础模型以及行业模型，并不断推进文本生成、文 生图等AIGC领域的迭代升级。AI技术已对腾讯内部业务实现赋能，如AI有效提高 腾讯的广告、游戏、短视频和云等业务效率，同时有望在未来为市场提供大模型能 力。 其他数据服务商将自身服务能力与AI有机结合后输出，提升服务效率和服务质量。 每日互动的数据治理层（M层）和数据应用层（P层）能够为客户提供从数据治理 平台搭建到具体数据分析应用服务。（1）数据治理层面，公司将原本对内服务的数据中台“每日治数平台”数据智能 操作系统（DiOS）转为对外输出服务，客户可将自己的数据放到数据中台上，进 行数据清洗、加工和分析等数据治理活动，每日治数平台提供相关治理能力的支 撑。

（2）数据应用层面，由商业服务和公共服务两块组成。商业服务主要包括品牌服 务、增长服务和增能服务等业务，其中品牌服务的客户主要为品牌广告主、4A公司 及媒体平台等，每日互动为其分析识别目标客户，帮助客户实现精准投放（第三方 DMP服务）；增长服务主要针对App开发者，每日互动根据对用户使用情况的分 析，为客户提供相应的用户拉新、促活、留存、拉回、变现等针对性服务；增能服 务主要为互联网媒体平台的联盟流量增强用户画像，提升媒体平台广告转化率。公 共服务则主要面对政法类客户以及非政法类的城市数字治理服务等，其中政法类客 户主要为其提供SaaS类产品，而数字城市则为城市规划、智慧文旅、公共管理等 领域提供全面数据解决方案。

AI与自身业务的结合方面，根据公司投资者关系平台，公司自身业务开展都会使用 AI相关技术，特别是数据治理层面，例如深度学习、神经网络等，同时AI技术的持 续进步也推动公司业务场景的技术战略迭代。公司通过投资并购元凡视觉布局视觉 智能领域，AI技术的深入演进或将提升其图片美化和视频剪辑等核心智能视觉解决 方案的质量。

众多数据使用下游行业中，优选边际效应明显的场景，即AI赋能数据使用实现边际 收入增厚和降本增效。传媒板块中，我们建议关注游戏、营销和教育等典型场景。 （1）游戏：AI通过对游戏用户数据进行深度挖掘和学习后，归纳总结出不同用户和 游戏间的相关关系，运用于在游戏研发（AIGC针对不同用户偏好生成千人千面的游 戏内容）和游戏发行（AI结合不同游戏特点和目标玩家群体，协助精细化运营，实现 游戏个性化营销）全生命周期，并提升玩家游戏体验。

（2）营销：AI主要从用户洞察和广告投放等维度结合数据进行分析，提升营销效果。 用户洞察方面，AI支持下能够对更广泛的多维度数据进行分类和处理，并实现对用 户行为和习惯的高频跟踪，因而可以更好实现目标用户的精准定位和长期运营，并 有效降低投放成本。广告投放方面，在用户互联网内容消费平台愈发多元的背景下， 通过AI对大量互联网用户数据进行分析和学习后，可得到最适合广告主的投放平台 和投放方式。 （3）教育：基于AI对教学数据的全面分析，有望实现对教学质量的全程把控以及教 学策略的动态调整，实现对不同学生的因材施教，助力学生学习效果的提升。