引言
在新世纪第一个十年，尤其当人工智能技术尚未取得突破之前，大数据、云计算、移动互联网、新一代通讯、物联网、区块链等等是电子信息领域的技术趋势。进入新世纪第二个十年后，伴随人工智能的兴起并与以上技术相结合，“数字化”超越了技术趋势的范畴，上升为经济社会发展趋势。进入新世纪第三个十年初，伴随通用人工智能的出现，数字经济从上半场走向下半场，“数字化”加快走向“数智化”成为经济社会发展的新趋势。“数智化”的本质，是电子科技从通讯技术CT、信息技术IT走向数字科技DT、智能科技AT，并与能源科技、材料科技、生命科技、空天科技、海洋科技等高技术相结合，进而改造工业化意义上的制造技术、服务业意义上的运营技术，最终走向数（数据）、智（智能）与工（制造）、信（通信）、服（运营）紧密交织与跨界融合的数智经济与智能社会。这其中，以数据密集、算法密集、算力密集、智力密集为代表的数智服务业快速发展成为独立的行业，并替代以代码密集、信息密集、服务密集、知识密集、人才密集为代表的软件信息服务业，成为数字经济核心产业。
1 数智服务业的兴起发展
1.1 数智服务业的产生背景
总体来看，电子科技的演进从1.0传统信息技术意义上的光纤通讯、计算机、数据库、软件、因特网等，走向2.0新一代信息技术意义上的云计算、大数据、移动互联网、物联网、新一代通讯网络等，再走向3.0数智科技意义上的人工智能、下一代通讯网络、信息感知网络、区块链，如今正走向4.0深度智能意义上的通用人工智能、超级人工智能、量子通信、脑机接口等。在此过程中，CT（通讯技术）、IT（信息技术）向DT（数字技术）、AT（智能技术）纵向深化，成为影响产业技术变革的革命性力量；还通过“IT（信息技术）+CT（通讯技术）+DT（数字技术）+AT（智能技术）+BT（生命科技）+MT（材料科技）+ET（能源科技）+…”，实现产业技术融合；最终与制造技术、运营技术相结合，实现实数融合和跨界创新，实现产业技术生命周期的扩张与再生创新。正是技术迭代创新带动了数字经济形态演化与产业业态升维，使得数字经济核心产业从代码密集、信息密集、服务密集、知识密集、人才密集的“软信服”，逐步走向数据密集、算法密集、算力密集、智力密集的“数智算”，进而形成软件信息服务业的升级版——数智服务业。从这个意义上，数字经济已然从上半场的软件信息服务业（ICT）走向下半场的数智服务业（DAT）；而数智服务业则成为国家、地区、行业、企业加快从工业经济、信息经济走向数字经济、智能经济的核心与引擎。
表1：数字经济到智能经济的代际演化
1.2 数智服务业的内涵外延
一言以蔽之，数智服务业是由数字技术(DT）、智能技术（AT）驱动的一种新型服务业态、经济形态与经济模式。它不仅依托软件信息、网络通讯、知识内容、云资源云计算等ICT技术，走向智能软件、智能网联、智算物联、数字内容等；还突出数据、算力、算法核心要素，形成设施即服务、算力即服务、算法即服务等新业态；亦与能源科技、材料科技、生命科技、空天科技、海洋科技等高技术跨界融合，带动高技术服务业、科技服务业发展；还进一步与制造业、服务业相结合，形成智能体、智能硬件、智能终端等产品级工具、载体、平台，以及行业解决方案、产品即服务、制造即服务、平台即服务等服务型应用。可见，数智服务业不仅成为独立的行业，还呈现出跨界创新的业态特征与交叉融合的完整产业链条。
整体来看，数智服务业呈现“基础层（智能软件、智能网联、智能物联、云资源与数字内容）—核心层（数据、算力、算法）—拓展层（智能硬件、智能终端、智能系统、平台企业）——应用层（智能体、行业解决方案、产品即服务、制造即服务等）”四层结构。与软件信息服务业相比，数智服务业更加突出“软硬结合、数智兼备、芯算并举、云网融合、台端联动”，具有数据密集、算力密集、算法密集、智力密集的特点，核心是将行业知识经由数据、算力、算法等变成认知、感知与使能应用，并在场景、需求、生态中得以挥发与应用。
表2：软件信息服务业、数字经济与数智服务业对比分析
1.3 数智服务业的地位作用
数智服务业涉及数智技术、数智产业、数实融合、数智生态，逐步成为政府数据主管部门推进全域数字化、数字城市、人工智能与产业融合、服务业发展的战略工作。具体而言，具有如下地位及作用。一是从电子信息技术迭代创新裂变看，数智服务业作为产业技术触发器，成为产业技术革命前进方向的代表。作为技术策源，DAT重在改造ICT并整合高新技术，促进工业技术、运营技术的迭代升级，产生新质生产力，有利于掌握科技制高点。二是从数字经济上半场走向下半场看，数智服务业作为独立运行的新兴行业，成为数字经济的核心产业赛道。作为新兴业态，凸显科技含量高、创新能力强、渗透能力大、辐射范围广、带动系数高、发展潜力大，有利于培育战略增长点。三是从经济形态与经济模式的演进看，数智服务业作为赋能产业跨界融合的核心，成为整合工、信、服的倍增器。通过产业赋能，从一维世界的工业化、二维世界的信息化走向三维世界的数字化、四维世界的智能化，有利于提升产业主导权。四是从地区四大创新基座构成发育看，数智服务业作为重要的创新链路，成为支撑产业转型升级的重要引擎。依托人智融合，代表人才链与制造服务的价值链、科技服务的创新链、科技金融的资本链构成四大创新基座，有利于布局创新先手棋。五是从数据系统的职能与工作边界看，数智服务业作为重要的工作抓手，成为全国数据系统工作创新的核心。作为战略工作，是数据主管部门顺应市场与产业趋势走出来、走出去、走下去、走上来、走回来的战略抓手，也是服务业主管部门、数字经济主管部门的重要专项工作，有利于增强发展主动权。表3：数智服务业的主要地位及作用
1.4 数智服务业的价值规律
在产业变革、行业发展、科技创新、商业实现、生态共赢、企业成长等方面，数智服务业主要呈现出如下发展规律：一是实数深度融合，即立足“字”的“数化”实现“数”的“智化”产生新模式业态。“字”是各行各业的“主食”与“粮食”，基于各行各业的知识沉淀与业务逻辑打通数据逻辑、算法逻辑与技术逻辑；“数”是数据要素的“味精”与数字技术的“佐料”，对“字”进行数字化表达；“智”就是能量与动力，从智能感知、智能认知走向使能应用。二是行业垂直跨界，即数据、算力、算法与内容、代码、知识在特点行业领域高度垂直。数据、算力、算法与内容、代码、知识密不可分，共同针对不同产业及行业的产品服务做“二次定价”。三是技术变量涌现，各类技术迭代创新成为最大的变量，但并非决定性的成功因素。技术创新是商业模式的前提和门槛，却不是商业模式生成与产品构建的全部，产品服务是技术实现，技术迭代依赖商业模式，商业模式背后是新思想、新认知、新创意、新主张。四是价值链路拉长，只有顺应“羊毛出在猪身上，让狗来买单”才能探寻到商业价值。数智服务有不同的应用与呈现，但最能实现商业价值的不一定是应用本身，而是支撑这一应用的知识沉淀或独门绝技。五是交互价值共创，人才、资金、技术、创意与流量、场景、用户、生态皆不可少。数智服务企业打破“产、供、销、人、财、物”一体化的传统发展模式，将内部的创新资源、产业要素与外部市场需求、生态环境相结合，在用户交互、合作交互中产生价值。六是商业共生共荣，只有在充分利他主义的前提下，才有望发展成为垂直行业引领者。数智服务企业不单纯是科技向善，核心是借助数智技术解决社会发展问题，通过成就别人而实现企业“改变世界”的梦想。
表4：数智服务业价值规律解构
1.5 数智服务业的发展前景
伴随数智化转型纵深发展，数智服务业将迎来战略机遇期，主要表现在如下方面：一是从市场容量看，从数字服务业市场扩容走向数智服务业消费升级。我国拥有完整的产业体系、海量数据和超大市场规模，具备从技术应用走向规模化落地和模式创新的独特优势。数智服务业市场规模将从万亿级走向数十万亿级。二是从行业发展看，从数字化带动的技术渗透走向智能化带动的范式重构。不仅促进诸多行业从过去“流程驱动”转变为“智能驱动”，从“卖产品/项目”到“卖服务/能力”；还促进数智技术与能源、材料、生命等高科技领域跨界融合，衍生出新的生产性服务业态。三是从企业成长看，从传统数字化、智能化工具应用走向价值共生。企业不仅将分化为数据、算法、算力服务商等要素/技术供给者和垂直行业智能体、平台企业等行业价值整合者；一部分领先企业还加快从降本提质增效转向价值共创与业务增长；更将在数字孪生、智能赋能条件下带动行业知识的数据化与产品化能力。四是从业态创新看，从过去链群式的单点突破走向生态圈的全链路重塑。服务载体从软件、硬件升级为智能体（如AI数字员工）和智能终端，实现从被动工具到自主服务的跃迁，这不仅在交互界面上使得平台与终端深度联动，还在服务供给上使得“X即服务”(XaaS)模式成为主流。五是从产业投资看，从聚焦数智科技本身追逐热点走向聚焦数智赋能价值再造。不仅从通用大模型等基础层转向解决特定行业痛点的垂类模型、智能体应用以及数据治理与安全等环节，还将行业价值评判标准从技术先进性转向可量化的业务价值和明确的投资回报，并围绕核心平台构建的开源生态和产业协同网络实施生态型投资。六是从产业培育看，从各部门离散型的政策扶持走向数据、发改部门牵头的生态共建。产业培育重点正从单一的资金扶持转向构建涵盖数据要素、应用场景、开源生态、安全治理的系统性培育机制，各地将围绕数智服务特色园区、中试平台、产业载体等加速创新要素的集聚，数据系统（发改、工信等）成为数智服务业重要的组织者和推动者。
2 数智服务业的技术趋势
数智服务业全面接管数字经济核心产业，核心在于利用数据与智能技术重塑传统软件信息服务业的业务流程、交互模式和价值创造方式，并发展成为新型的服务业态。当前，全球软件服务业正经历一场由技术集群式突破引领的深刻变革，单一技术路径已无法应对复杂的商业生态与用户需求。数据技术全链条覆盖、AI技术走向超级智能、软件技术走向使能应用、信息技术走向深层认知、适配技术走向算法优化、基础设施走向智能基建、技术创新走向逆向创新。这些趋势并非孤立存在，而是相互关联、协同演进的有机整体。智能基建构成数字底座，数据技术提供生产要素，AI与软件技术形成核心能力，深层认知与算法优化实现价值释放，而逆向创新则贯穿于技术发展的动力机制之中。2.1 数据技术贯穿端到端的全链条覆盖
数据技术面向生产端（行业、制造、工厂、供应）与消费端（市场、服务、场景、需求）推动形成从采集到治理的完整价值闭环。作为核心生产要素，数据的发展，目标是构建既安全高效、又合规可用的流通与应用体系；作为重要技术趋势，数据技术的发展目标在于如何对行业知识、内容进行数据化表达、数字化呈现与数智化适配。这一进程在架构、应用和治理三个层面表现出鲜明特点：在架构层面，数据湖仓一体、数据编织与数据网格等新范式正逐步破解数据存储、分布与协同中的结构难题；在应用层面，增强型分析借助机器学习推动数据分析向自动化、智能化洞察迈进；而在治理层面，以隐私计算为代表的数据安全技术，为数据在流通中实现可用不可见提供了支撑。这一趋势背后，主要有三类驱动因素：一是业务的内生需求，精细化运营、实时决策和个性化服务都对数据的质量与时效提出了更高要求；二是外部合规压力，全球与区域性的数据安全及隐私保护法规，促使企业不得不系统化构建数据治理体系；三是云存储与计算成本持续下降，使得大规模数据处理变得更加可行和普及1。从协同发展的视角看，数据技术直接为AI模型输送训练数据和推理依据，是构建数字孪生、实现深度认知的信息源泉，也为各类适配技术的算法优化持续提供燃料；数据治理框架成为可信计算的支撑基础，而对数据中心能效的精细管理，则与智能基建中的绿色可持续目标紧密相连。
2.2 智能技术从通用智能走向超级智能
AI技术作为自主决策与价值创造的“大脑”，是数智服务技术生态的中枢和引擎。当前，AI技术发展主线正由处理特定任务的“感知智能”系统性地迈向具备推理、理解与持续学习能力的“认知智能”乃至“超级智能”，经历着从感知到认知的根本性蜕变。具体来看，呈现出模型基础化、能力通用化与系统融合化三大特征。以大语言模型 与多模态大模型为代表的基础模型 ，展现出强大的泛化与上下文理解能力，是迈向通用人工智能（AGI）的关键台阶，其标志性进展包括模型规模带来的涌现能力、复杂的思维链推理以及自主规划与使用外部工具的能力等。这一演进由技术、数据与需求三股核心力量共同驱动。在技术上，算法架构的突破与专用硬件的迭代，为训练超大规模模型提供了可行性；在数据上，互联网产生的海量文本、代码与多模态数据构成了模型预训练的原料基础；在需求上，从智能客服、内容生成到科学发现的复杂场景应用，持续推动AI向更深层次的认知与决策能力发展。从协同视角看，AI技术直接为软件技术的自动化和智能化提供核心能力（如代码自动生成），是实现深层认知与复杂系统仿真的决策核心，其输出持续优化适配技术的算法精准度，其对算力的极限需求也强力驱动着智能基础设施的升级与演进。
2.3 软件技术从代码密集走向使能应用
软件技术从“代码实现”转向“应用赋能”，是数智服务生态中连接技术潜力与业务价值的关键桥梁。数智化时代，软件技术将通用的技术能力、复杂的业务逻辑与前沿的智能模型进行产品化封装，使技术团队能更专注于解决业务问题本身，而无需深陷于重复性的底层代码建设。这不仅仅是工具的变化，更是思维的重塑，背后的驱动力来自市场对敏捷创新的迫切需求、专业数字人才的持续短缺，以及云计算等技术基座的广泛普及2。与此同时，智能体开发等新范式不再局限于将功能模块化以供调用，而是致力于创建能够自主理解、规划并执行复杂任务的智能单元，正在重新定义“使能”的边界。这标志着“使能应用”的内涵正从“提供工具”升级为“提供具备认知与行动能力的伙伴”，从而在更高维度上实现业务自动化和价值交付。基于“使能应用”，智能软件向下可以连接并封装智能基础设施的强大能力，向上可以快速组装出满足具体场景需求的应用，并极大地加速了从创意到产品原型的验证过程，成为推动持续业务创新的关键加速器。
2.4 信息技术经知识沉淀走向深层认知
信息技术正从构建连接、汇聚数据，迈向通过构建认知模型、沉淀知识来深度理解现实世界的“深层认知”，是数智服务生态中的“决策脑”。信息技术通过“感知-认知-决策-调控”的闭环，推动实现从描述现象向理解机理、从数据驱动向知识协同的根本性跨越，即从1.0的信息经由2.0的知识、内容走向3.0的认知、智识3。在此背景下，技术融合、知识结构化与认知深化成为当前发展趋势的三大特征。产业升级对精准决策的追求、数据与知识的规模化积累、关键领域对系统可解释性与合规性的强制要求，共同驱动了这一趋势4。从协同视角看，深层认知依赖数据技术提供的高质量数据流，深度融合AI的感知与推理能力，其构建的认知模型本身也是一种复杂的使能应用，最终通过适配技术将决策精准转化为行动，完成智能闭环。这一进程标志着信息技术正从辅助工具转变为驱动复杂系统自主运行与优化的自主智能。
2.5 适配技术从硬件升级走向算法优化
适配技术正从依赖硬件性能升级，转向通过算法进行智能优化，实现从静态匹配到动态调优的系统性演进，是数智服务体系中的“效率调节器”。其核心目标是在算力增长放缓的背景下，通过算法层面的深度优化，精准平衡成本、能耗与性能，以支撑多样场景下的高效与可持续运行。当前主要呈现算法轻量化、软硬协同与场景深度适配三大发展趋势。强化学习、联邦学习等技术推动系统迈向自主持续优化；模型压缩、量化与专用硬件的协同设计，成为在边缘计算等资源受限场景下提升能效的关键手段；而上下文感知与多目标优化技术，则致力于在动态环境中实现服务与资源的精准匹配。这一演进由业务对极致效率与个性化的追求、算力成本与能耗的可持续性压力，以及隐私合规与场景碎片化的现实约束三大因素共同驱动。5从协同视角看，适配技术需依托AI模型处理动态数据，通过软件封装成可调用服务，最终在深层认知系统中实现资源与策略的实时优化配置；其对效率的极致追求，也反向驱动着智能基础设施向异构化、软硬协同方向持续演进。
2.6 基础设施从数字基建走向智能基建
基础设施从提供通用连接的“数字基建”，转向主动感知、实时计算与智能协同的“智能基建”，是数智服务生态的承载基座与赋能平台。其核心是从被动的资源承载，转向主动融入业务认知，从而支撑弹性部署与持续创新。当前发展聚焦于云边端协同、算力服务化与运维智能化6，主要由三股力量驱动：日益复杂的应用场景对实时性与算力提出的差异化需求、企业对技术成本与能效最优平衡的持续追求以及绿色可持续发展政策带来的低碳转型压力。然而，迈向智能基建也面临架构复杂性、高能耗挑战及异构资源协同等系统性瓶颈。从协同视角看，智能基建支撑数据技术的海量计算、承载AI模型的训练与推理，为各类使能应用与深层认知系统提供运行环境，其自身的智能化演进也成为绿色计算与可持续发展的重要实践领域。
2.7 技术创新从正向创新走向逆向创新
技术创新范式正在经历从技术驱动到需求牵引的根本性转变，构成了驱动整个数智服务技术体系发展的顶层逻辑与整合框架。随着数智服务业应用场景日趋复杂、用户需求日益多元，传统以实验室突破为起点、再寻找应用场景的“正向创新”模式，逐渐显露出供需错配、落地周期过长等局限性。与之相对，“逆向创新”模式正成为主流——创新活动从明确的业务痛点与市场需求出发，反向定义技术路径、整合技术要素，并以快速迭代验证为核心方法，最终形成以价值实现为导向的系统性解决方案7。当前，逆向创新呈现出四大实践特征：一是场景驱动的研发模式，通过打破技术部门与业务部门壁垒，使技术方案紧密围绕真实业务价值进行设计；二是跨领域技术集成常态化，为解决复杂问题需要协同运用数据、AI、物联网等多种技术，而非依赖单一突破；三是快速原型与持续迭代，通过敏捷开发与设计思维等方法，推动最小可行产品（MVP）的快速验证与优化；四是开放式创新生态，企业与高校、研究机构及产业链伙伴广泛合作，构建协同创新的外部网络。在数智服务技术体系中，逆向创新范式通过定义具体的业务场景与价值目标，为数据技术、AI技术、软件技术、深层认知、适配技术及智能基建等六大技术的发展指明协同方向与集成优先级8。因此逆向创新不仅是技术创新的一种模式，更是确保技术发展始终服务于业务本质、实现可持续价值创造的核心方法论。
3 数智服务业的产业业态
数智服务业作为智能时代新型服务经济的高级形态，以“软硬结合是基础、数智兼备是灵魂、云网融合是环境、芯算并举是动力、台端联动是界面”为核心逻辑，形成多维度、全链条的产业谱系。“软硬结合”提供技术底座；“数智兼备”驱动产业智能化；“云网融合”支撑运行环境；“芯算并举”提供动力供给；“台端联动”实现价值落地。需要注意的是，智能硬件、智能终端及其他硬件配置并非孤立的制造产品，而是承载软件定义、运行算法模型、接入云网、调用算力并最终交付场景化服务的核心物理载体，也是数智服务产业谱系的重要组成，是数智服务从虚拟构想转化为实体价值不可或缺的界面与触手。
图：数智服务业产业谱系
3.1 软硬结合是基础
一方面“软的掌控硬的”，这个“软”并非传统的软件，而是适应数字化、智能化时代的软件，并逐步从高端软件走向智能体，强调“软件定义世界”。另一方面“硬的决定底盘”，这个“硬”尽管会以智能硬件、硬件产品呈现，但本质是数智服务的载体或工具。
3.1.1智能软件概览及图谱
智能软件产业以集成算法能力、可独立运行的软件系统或平台为核心，将算力、数据和算法封装为面向最终用户的交互界面与业务流程，直接驱动业务变革与效率提升。区别于传统软件，智能软件以智能体等为核心形态，通过软件定义实现对硬件的掌控、对场景的赋能。核心领域包括智能体解决方案、智能操作系统、智能行业应用软件、低代码/无代码开发平台、专业任务型软件以及软件即服务等。产业链上游以软硬件基础支撑为主，主要包括提供算力的AI芯片与服务器、实现感知的传感器，以及操作系统、中间件、数据库与云计算平台；中游以技术研发服务为主，涵盖提供智能内核的基础与垂类大模型、机器学习框架与MLOps体系，以及降低开发门槛的低代码平台与工具链；下游以应用服务为主，深度融合并赋能智能制造、智慧金融、智慧医疗、智慧城市等核心场景。从发展趋势来看，软件形态从功能固化的工具向平台化、生态化的操作系统演进；交互模式从“人操作”向“智能体代理”的自主服务转变；竞争核心从技术功能向对垂直行业业务逻辑的深度理解与数据管理转变。
3.1.2智能硬件概览及图谱
智能硬件产业是数智服务业的“实体化智能底座”，以生产工具、服务设备为核心定位，是“硬件+软件+数据”集成体，是数智服务落地的重要工具。通过深度集成传感器、智能芯片、软件算法与网络连接，赋予传统生产工具感知、分析、决策与执行能力，使机器设备从被动执行向自主智能演进，成为服务型制造与产业数字化的物理基石。重点领域一是以机器视觉、力觉等高精度传感器为核心的智能感知领域；二是以伺服系统、精密减速器为代表的精密驱动与执行领域；三是以嵌入式AI芯片、智能控制器与边缘计算单元为核心的本地实时决策与控制领域。产业链上游是基础材料与使能技术层，提供特种半导体材料、先进陶瓷、MEMS工艺及工业协议；中游是核心元器件与组件制造层，专注于生产上述智能传感器、执行器、智能模组与控制芯片等智能硬件产品；下游是智能终端集成与行业赋能层。从发展趋势来看，智能硬件产业正朝着深度“服务型制造”模式演进，通过工业互联网平台，将智能硬件产生的海量运行数据转化为预测性维护、远程运维、能效优化及产能租赁等数据驱动的可持续服务，完成从“销售硬件”向“运营服务”的根本性跨越。
3.2 数智兼备是灵魂
一方面“数字驱动发展”，“数”就是突出数据要素、数据技术，“字”就是根植行业知识的数字内容、数据表达（即“数化”）与数据赋能，“数”“字”共同构成数智服务与数字经济发展起点。另一方面“智能满足需要”，“智”就是在通用人工智能与算法模型的条件下，以“芯算并举”实现智能感知（智能感应、智能计算、智能使能），“能”就是立足感知能力、网络能力、计算能力、运营能力、应用能力的使能应用。
3.2.1 数据服务概览及图谱
数据服务产业是数智服务业的“核心要素供给端”，以数据资源的采集、治理、流通、应用及安全运营为核心，将原始数据转化为可驱动算法、赋能决策的高质量生产要素。重点领域包括数据资源、数据技术、数据服务、数据应用、数据安全与数据基础设施等六大方向。产业链上游以数据资源的生成与汇聚，以及数据基础设施的部署为主，涵盖公共、行业等数据的来源，以及数据存储、计算与网络传输设施；中游以数据技术的研发与数据服务的提供为主，聚焦于数据治理、分析、流通技术，并通过数据产品开发、交易撮合、资产评估等专业服务实现数据价值化；下游以数据应用的价值实现为主，将数据产品与服务深度融入金融、制造、医疗等行业的智能分析与决策系统，并由数据安全体系为全产业链提供合规与信任保障。从发展趋势来看，数据要素从资源化向资产化、资本化加速演进，流通模式从原始数据交换向“数据可用不可见”的隐私计算范式升级，围绕公共数据授权运营与数据空间等新型基础设施构建的产业生态逐步形成。
3.2.2 算法服务概览及图谱
算法服务是数智服务业的“智能引擎”，以算法模型的研发、服务化与运营为核心，通过将通用或专业领域知识封装为可调用、可演进的智能模块，成为驱动产业智能化的关键引擎。核心领域包括基础模型服务、垂类模型服务、算法定制开发、算法解决方案集成、算法运维优化、算法咨询与评测等。产业链上游提供高性能算力、高质量数据源与开发工具；中游以模型与服务供给为主，基础大模型与垂类模型构成核心产品，围绕模型全生命周期，形成了从模型架构设计、大规模预训练、精调对齐到模型压缩、推理优化的完整技术体系；下游以能力集成与赋能为主，以API接口、模型软件包/SDK、私有化部署模型及深度定制解决方案等形式，被智能软件开发商、行业解决方案商及大型终端厂商集成，最终赋能千行百业的智能化场景。从发展趋势来看，模型竞争从通用能力向垂直行业纵深发展，追求在特定场景下的精度与可靠性；服务模式从标准化API调用向提供“模型+数据+工具链+持续运维”的一体化深度服务演进；产业生态围绕开源与闭源模型的协同以及模型开发、部署与治理的标准化加速形成。
3.3 芯算并举是动力
一方面“芯片决定芯跳”，没有集成电路/半导体/芯片，算力、算法就无从谈起；另一方面“算力提升能力”，正是基于集成电路/半导体/芯片等构成的算力，推动生产服务从“马力时代”“电力时代”走向“算力时代”。
3.3.1 智能芯片概览及图谱
智能芯片是指能够高效处理人工智能算法的芯片产品，核心特征在于高并行计算能力、高能效比及软硬件协同优化，是数智服务业从技术到应用实现闭环的关键硬件支撑。重点领域包括通用AI芯片、专用AI芯片（如算力芯片、推理芯片）、边缘计算芯片、量子芯片等。产业链上游为材料、工具与设计层，主要包括半导体材料、半导体设备、EDA（电子设计自动化）软件及人工智能算法与架构设计等；中游为芯片制造与封装测试层，根据芯片架构设计不同，GPU具备成熟的生态与强大的并行计算能力，适合大规模模型训练；FPGA具有灵活可重构、开发周期短的特点，适用于算法快速迭代的场景；而ASIC在量产成本、能效和性能上具备显著优势，常用于终端和嵌入式智能应用。下游为应用与场景层，主要应用于AI云服务、自动驾驶、智能安防、智能机器人、智慧金融与消费电子等多元场景。从发展趋势来看，一是异构计算架构成为主流，适配智能体AI等推理场景的高速增长需求；二是存算一体技术加速突破，为低功耗、高精度AI硬件落地奠定基础；三是端侧集成化趋势凸显，实现通信、能耗与性价比的三重突破。
3.3.2 算力服务概览及图谱
算力服务产业是数智服务业的“动力供给端”，将庞大的计算能力进行资源化、商品化和服务化，通过建设集约化、边缘化的算力中心等设施，提供智能计算、通用计算及超算等多元化算力服务。重点领域包括服务于人工智能训练与推理的智算服务、支撑海量数据处理与互联网服务的数据中心服务、专注于科学工程计算的超算服务 ，以及满足低延迟需求的边缘算力服务，并通过算力网络调度实现全局优化。产业链上游是提供AI芯片（CPU/GPU）、服务器、存储与网络设备、温控系统等软硬件的设备供给层；中游是负责算力基础设施建设、运营与调度的服务枢纽层；下游是服务于互联网、金融、制造、医疗、政务等千行百业。从发展趋势来看，在人工智能计算需求激增的驱动下，算力产业正从“通算主导”转向“智算主导”，从集成式向分布式部署，“算网融合”通过网络灵活调度分布式算力，“绿色算力”通过液冷等新技术降低能耗，推动构建高效、普惠、可持续发展的多元算力服务体系。
3.4 云网融合是环境
一方面“凭云超级智联”，突出云在底层技术架构的基础地位，立足云资源从物理空间走向虚拟空间，依赖云计算从小数据走向大数据（也有“智算云”融合业态），凭借云服务实现产品级、行业级、平台级赋能应用。另一方面“依网互联互通”，借助新一代通讯或下一代网络实现人与人、人及机、人与物、机与机、物与物、网与网、机与物、机与物、机与脑的互联互通。
3.4.1云服务概览及图谱
云服务产业是数智服务业的“底层技术环境”，通过互联网提供可动态伸缩的IT资源，成为各行业数字化转型的敏捷底座。其概念内涵经历了从“资源供给”到“价值创造”的深刻转变，本质是通过虚拟化与分布式技术，将计算、存储、网络等IT资源池化，并以服务（IaaS、PaaS、SaaS）形式交付，从而降低社会整体的IT成本与创新门槛。根据服务层级划分，重点领域包括提供基础计算资源的基础设施即服务（IaaS）、提供开发与部署环境的平台即服务（PaaS），以及提供完整应用软件的软件即服务（SaaS）；同时，与人工智能融合催生的AaaS（AI即服务）与MaaS（模型即服务）已成为产业增长核心动力。产业链上游主要是服务器芯片、存储硬件、网络设备以及数据中心；中游是云服务提供商，负责整合资源、构建平台并运营服务；下游赋能千行百业，支撑其应用开发与业务上云。从发展趋势来看，“云智一体”深度交融，通用云计算与智能计算加速融合，云成为AI大模型训练与应用的主战场；同时，混合云与边缘计算架构加速普及，以满足数据合规、低时延等多元化需求。
3.4.2智能网联概览及图谱
智能网联（下一代网络）是“数智互联网”演进的核心基础设施，是在现有互联网基础上经体系架构创新优化而成的新一代网络，可满足未来经济社会对网络服务的高速传输、高可靠性、智能处理及高可扩展性（高融合性）等需求。重点领域包括 5G/6G 通讯、物联网、工业互联网、算力网、卫星互联网、量子网等。产业链上游为网络层，以传统网络、6G、卫星等基础网络设施为核心提供底层传输通信支撑；中游含技术层（确定性时延等核心技术）与运营服务层（网络运营、平台赋能等），承担技术支撑与服务衔接；下游为应用与生态层，覆盖消费、产业多领域场景实现技术落地。从发展趋势来看，正向更智能、更融合、更可靠的方向演进：一是天地一体全域化，推动卫星与地面网络融合实现全域覆盖；二是通感算智一体化，原生集成通信、感知等多元能力；三是云网边端协同化，通过资源协同满足低延迟等需求；四是服务定制确定化，依托网络切片保障关键业务质量；五是网络内生智能化，将AI深度融入网络全流程实现自优化自维护。
3.5 台端联动是界面
一方面“平台突破时空”，各类平台企业、平台型组织、服务平台等等不仅是数字经济相关产业发展的通用基础设施，还是数智服务业的高维形态。另一方面“终端服务使能”，突出移动位置终端、智能消费终端、智能服务终端、服务型智造以及人形机器人、具身智能等，在硬件的背后是软件、数据、知识、算法、内容与体验等服务下沉。
3.5.1 智能平台概览及图谱
智能平台作为数智服务业中的连接者、赋能者和核心创新引擎，除了提供数据资源汇集、加工、标注、管理和共享的协同底座外，更关键的是产业生态的组织者。重点领域包括产业互联网平台、工业互联网平台、数字贸易平台、智能服务平台、公共服务平台等。从产业全景来看，基础层主要通过芯片、传感器、物联网设备等设备终端，工业软件、边缘计算、5G/6G、云计算等技术工具，以及数据服务基础设施、数据采集与治理等软硬件和数据，筑牢“数智底座”；平台层通过底层技术开发、算法模型搭建、技术要素和服务集聚，形成各类平台与服务体系，打通台端联动枢纽；应用层主要面向工业制造、能源、物流和供应链、零售与消费、文化旅游、医疗健康、交通运输、农业等垂直领域，通用场景包括智能供应链、智能排产与调度、质量检测与控制、数据智能匹配、内容自动生成，实现产业链价值闭环。从发展趋势来看，智能平台强调生态协同，通过 “平台即服务” 模式实现资源聚合与价值共创，随着大数据、人工智能、云计算等技术边界日益模糊并深度融合，AI已成为驱动平台经济系统性智能化升级的核心引擎。
3.5.2 智能终端概览及图谱
智能终端产业是数智服务业的“数字具身载体”，以服务使能为核心，是连接数字世界与物理世界的关键枢纽。其概念内涵已超越传统联网设备，是集成了强感知、强计算、强交互能力，能够通过多模态交互理解用户意图，并主动提供场景化服务的AI原生设备。重点领域按核心形态与场景可分为智能消费终端（个人数字生活中心），移动智能终端（空间移动服务节点），智能家居终端（深入家庭与商业环境）与商用服务机器人、人形机器人等具身智能载体。产业链上游是使能技术层，包括AI芯片、传感器、操作系统与算法模型；中游是终端设计制造层，制造各类智能终端整机产品；下游是场景服务与生态应用层。从发展趋势来看，交互从单点触控走向多模态智能交互；服务模式从被动响应走向主动智能服务；应用范式从“AI赋能”走向“AI原生”，智能体成为新内核；业务场景从“万物互联”走向“万物智联”，强调跨终端协同的生态化体验。
4 数智服务业的企业群像
从数据、算力、算法等核心要素的提供者，到软件、硬件等基础构件的供应商，从运营商、平台商、服务商等参与数智化供给的枢纽组织，到生产商、制造商、服务商等自身的数智化转型，数智服务业的企业群体历经存量企业的进阶发展与增量企业的原生发育，主要呈现出数据服务商、算法服务商、算力服务商、硬件服务商、运营服务商、平台服务商、行业服务商、终端服务商、智造服务商、政府平台商（或数科集团）等基本形态。这些企业基于软硬结合发展方式，涌现出“数据即服务、算法即服务、算力即服务、硬件即服务、运营即服务、平台即服务、软件即服务、终端即服务、智造即服务、资源即服务”等多样化服务供给模式。
再到生产商、制造商、服务商等加快数智化转型，数智服务业的企业群体历经存量企业的发展与增量企业的发育（即数智原生），主要呈现出数据服务商、算法服务商、算力服务商、硬件服务商、运营服务商、平台服务商、行业服务商、终端服务商、智造服务商、政府平台商（或数科集团）等基本形态。这些企业基于软硬结合方式开展不同的服务供给模式，基本呈现出“数据即服务、算法即服务、算力即服务、硬件即服务、运营即服务、平台即服务、软件即服务、终端即服务、智造即服务、资源即服务”等态势。
表5：数智服务业企业形态及主要发展模式
4.1 数据服务商：数字经济的“原料供应商”
数据服务商将原始数据加工为可用的数据要素与服务，并加速从“数据资源持有者”转型为“数据要素运营者”。其核心业务贯穿数据采集、治理、标注、分析、交易与资产化运营全链条，致力于解决数据从资源到资产的“确权、流通、安全、定价”等关键问题，并通过隐私计算等技术实现“数据可用不可见”。其主要来源既包括拥有天然数据资源的传统企业或组织（如电信、金融、政务机构），也包括新兴的“数商”和专注数据技术创新的原生企业。其商业模式正从项目制向可持续的“数据即服务（DaaS）”演进，通过提供标准化数据产品、API或分析报告，持续创造价值。
4.2 算法服务商：数智系统的“智能引擎”
算法服务商是人工智能技术的核心供给方，将学术研究成果转化为产业可用的智能能力。其核心业务重点专注于机器学习、计算机视觉、自然语言处理等算法模型的研发、训练、调优与部署。业务模式正从提供通用算法工具（SDK），转向提供预训练大模型及面向特定场景的行业精调模型。其主要来源包括顶尖AI实验室、科技公司的研究部门，以及众多专注于垂直领域的AI算法创业公司。行业主流模式是“算法即服务（AaaS）”，通过云API、模型平台等方式提供调用服务。同时，“开源核心+商业版增值”或“免费基础模型+行业解决方案收费”也成为重要生态策略。
4.3 算力服务商：数字经济的“动力工厂”
算力服务商提供从训练到推理所需的底层计算能力，是支撑一切数智应用的基石。其核心业务涵盖高性能计算芯片供给、算力中心及算网体系建设与运营、云端和边缘算力的资源调度与租赁服务。传统云计算厂商、电信运营商、第三方数据中心服务商是主要存量转型力量；同时，专注于智算中心建设和算力网络运营的增量企业正在涌现。行业主要发展模式是提供“算力即服务（CaaS）”，用户可按需购买、弹性使用。
4.4 硬件服务商：数字经济的“载体构建者”
硬件服务商提供承载数智服务的物理实体和基础设施。其核心业务不仅提供传统的服务器、网络设备，更扩展到AI芯片、智能传感器、机器人、智能汽车、AR/VR设备等新一代智能硬件。从企业来源看，传统的消费电子、工业设备制造商加速智能化转型；同时，一批以机器人和物联网为核心的“硬科技”AI创业公司成为重要新生力量。行业主流发展模式正从“一次性销售”向“硬件即服务（HaaS）”转变，即通过“硬件+订阅式软件/服务”打包，提供持续的能力更新与运维。
4.5 运营服务商：数智服务的“集成式管家”
运营服务商是连接“云、网、算、端”的系统基础者，确保数智服务稳定、高效、安全地交付与运行。以电信运营商和大型云服务商为例，主要提供包括通信网络、云计算资源、数据中心托管、系统集成、运维管理、安全服务等一体化解决方案。从企业来源看，主要是拥有庞大网络和客户基础的电信运营商及其转型设立的专业公司。其商业模式重在提供“运营即服务（OaaS）”，代表了一种全托管的服务承诺，客户无需关心底层复杂性，按服务水平协议（SLA）获得确定性的服务结果。
4.6 平台服务商：数字经济的“生态组织者”
平台服务商通过构建多边市场或技术平台，连接供需两端，降低交易与协作成本，是数智服务业中最具有产业组织能力、产业整合能力、产业带动能力、平台衍生能力、数字孪生能力的服务商。数字企业、智能企业走到最后往往发展成为平台企业。主要包括消费互联网平台（电商、社交）、产业互联网平台（工业、物流）、技术使能平台（低代码、IoT平台）等，重在制定规则、提供工具、汇聚资源。从企业来源看，互联网服务巨头是天然的平台构建者；同时各行业的龙头企业也正基于其产业知识，构建垂直领域的产业互联网平台9。其商业模式主要围绕“垂类模型+交易平台+产业数字化+端到端价值链数字化+流量转化”之间的排列组合，核心是“平台即服务（PaaS）”，为开发者或企业提供一套可快速构建应用的环境和能力。
4.7 行业服务商：产业数智化“价值实现者”
行业服务商最贴近业务场景，是将通用技术转化为行业生产力的关键枢纽。重在面向行业数智化转型，为金融、医疗、教育、零售、工业等特定行业提供包含咨询、软件、实施、运维在内的全栈式数智化解决方案。其核心壁垒在于对行业“Know-How”的深度理解。从企业来源看，传统行业软件公司、系统集成商是存量转型主力；同时，一批深刻理解行业的“数智原生”创业公司正快速切入。其商业模式普遍采用“软件即服务（SaaS）”模式，但更高级的形态是提供“行业智能体”或“数字员工”，深度嵌入客户业务流程。
4.8 终端服务商：数智服务的“用户交互窗”
终端服务商直接决定了用户体验和服务的有效性。其业务范围包括智能手机、智能汽车、智能家居、可穿戴设备、服务机器人等各类智能终端。竞争焦点从硬件参数，转向硬件、软件、服务一体化的综合体验。从企业来源看，主要包括消费电子巨头、汽车制造商等存量转型，新兴的智能硬件公司亦是主要参与者。商业模式积极探索“终端即服务（EaaS）”模式，即终端本身可能以成本价或补贴方式提供，利润来源于后续的内容、服务、软件订阅或数据增值。
4.9 智造服务商：“制造即服务”理念践行者
智造服务商重在推动制造业从出售产品向出售“产品+服务+数据+智能”的综合能力转型。其核心业务不仅提供智能化的生产线和工业机器人，更提供基于工业互联网平台的远程监控、预测性维护、产能共享、柔性定制等增值服务。从企业来源看，领先的装备制造商和大型制造企业正朝此方向转型；同时，一批专注于工业AI、工业元宇宙场景的新兴服务商开始涌现。商业模式核心是“制造即服务（MaaS）”，客户可以按需订购生产能力或加工结果，而非购买设备所有权，深度重构了制造业价值链。
4.10 政府平台商：数字经济的公共服务者
作为公共数据资源的核心运营者与智慧城市/数字政府的建设运营主体，政府平台商具有特殊的公共属性和市场功能。主要负责政府信息化项目统建统管、公共数据汇聚治理与授权运营、城市级数字底座建设，以及引导和投资本地数字产业生态。从企业来源看，通常由地方政府或国资委牵头，整合原有分散的信息化公司、数据资源组建而成，多以“大数据集团”“数字城市公司”等形式出现。其商业模式核心是“资源即服务（RaaS）”，即在确保安全与合规的前提下，将政府特有的数据、场景、信用等资源，通过市场化机制赋能给社会企业，共同开发应用。
表6：十类数智服务商的商业模式对比
注：以上分类，主要涉及要素与基建模式10、产品与服务平台模式11、生态与特许模式12。纵观国内外数智服务业企业、专业机构的发展模式，既有行业整合层面的平台模式、生态模式，亦有工具载体层面的软件模式、硬件模式，还有推广应用层面的产品模式、服务模式，更有基础供给层面的要素模式、基建模式，还有特许经营与外包寄生模式。
5 数智服务业的创新高地
深入剖析国内外典型地区的数智服务业发展历程，可以发现如下六种地区性行业发展模式颇具代表性。这些创新高地基于各自独特的资源禀赋、产业基因与时代机遇，在数智服务业领域演化出不同的主导逻辑与生态图景。
5.1 原生引领型的硅谷模式：根植数据开放与软件产业，突出“硬件扩张+AGI赋能”引领世界级数智服务业发展
硅谷代表了数智服务业的“原生引领型”范式，实现了软硬突破相互催化与正向循环。作为由顶尖大学、风险资本和叛逆精神共同构成的创新生态系统，硅谷基于开源和资本，让“硬件扩张”与“AGI赋能”形成正向循环。其核心路径在于英伟达从图形处理器（GPU）出发，通过CUDA软件生态，将硬件转变为通用并行计算平台，为AI革命准备了“引擎”；OpenAI则基于此“引擎”，以大模型+开源范式定义了AGI的发展路径，并创造了海量、复杂的算力需求。两者共同主导了全球数智服务业的技术话语权，通过开源架构与云服务将硅谷的技术范式（如Transformer架构、GPU加速计算）输出为全球事实标准，使其持续扮演全球数智技术的“灯塔”与“策源地”，进而带动了硅谷数智服务业在全球范围的优势。
5.2 云算一体型的杭州模式：根植源头企业+平台企业，突出“算法软创+云台硬核”代表长三角数智服务业发展
杭州模式是“平台驱动”向“技术驱动”升维的典范。杭州数智服务业发展的关键词是“平台”、“云”和“算”，展现了一条从商业应用反哺技术基建，再以技术基建滋养前沿创新的独特路径。其核心路径在于阿里巴巴庞大的电商生态为阿里云的诞生提供了内部场景和试错空间；如今的阿里云已成为长三角乃至全国数字经济的“水电煤”；正是在这个坚实的云基座之上，深度求索这样的AI原生公司才得以诞生和快速成长，其开源大模型（如DeepSeek）降低了区域AI应用门槛；阿里自身的“通义千问”大模型则与云服务深度集成，为企业和开发者提供“云+AI”的一站式服务13。在此生态条件下，杭州形成了“超级平台提供场景与流量，云计算提供基础设施，开源模型提供智能能力”的三层生态结构，将阿里平台商业模式“软创新”、阿里云基础设施“硬设施”、深度求索算法优先“薄创新”、前沿技术“硬科技”等相结合，并突出深度求索、阿里云“通义千问”对其他生态资源的带动，有效带动了长三角地区数智服务业态从电商运营、供应链管理到AI内容创作等逐渐繁荣，使杭州成为长三角以云算生态驱动创新的核心枢纽。
5.3 软硬循环型的深圳模式：立足硬件厂商与平台企业，突出“由硬入软+由软入硬”代表粤港澳数智服务业发展
深圳模式的精髓在于“软硬件的双向奔赴与闭环能力” ，或者“硬件为体，软件为魂，生态为用”，不仅是“世界工厂”底蕴在数智时代的升级，还体现了粤港澳大湾区深厚的制造底蕴与数字活力的深度融合。其核心路径主要体现在华为的“由硬入软”使其从通信设备巨头，向鸿蒙操作系统、欧拉数据库、昇腾AI计算等根技术延伸，打造自主可控的“根技术生态”；腾讯的“由软入硬”则是基于微信、游戏等超级应用，向云计算、AI芯片（如紫霄）、机器人等领域投资和拓展，为硬件注入灵魂。两者共同催生了极其丰富的应用生态（如鸿蒙原生应用、微信小程序硬件连接）和硬件创新集群（无人机、智能穿戴、新能源汽车），形成了“硬件定义产品形态，软件和生态定义用户体验和商业模式”的完整价值网，使深圳成为粤港澳大湾区制造业智能化与服务业数字化的核心引擎。
5.4 源头发射型的北京模式：根植技术源头与流量源头，突出“底层技术+数智导入”代表京津冀数智服务业发展
北京模式的核心优势在于同时汇聚了“技术创新的源头”与“商业流量的源头”，并实现了两者的强力协同。其核心路径体现在两个方面：一方面，清华、北大、中科院等科研机构在人工智能基础理论、芯片设计、量子计算等硬性底层技术上持续突破，突出数智科技底层技术源头创新，以数智科技带动数智服务；另一方面，字节跳动、百度、美团等巨头拥有数以亿计的日活用户和复杂的商业场景，为技术的快速迭代和商业化提供了高速实验场，突出流量平台与数智工具、数智产品、数智服务、开源生态的结合。这种模式促使数智服务业在北京呈现出两极：一极是专注于底层框架、开发工具、隐私计算等“卖铲子”的技术型公司；另一极是短视频AI创作、智能营销、生活服务自动化等现象级的数智服务新业态，并通过互联网平台迅速辐射全国，从而使得北京成为辐射京津冀乃至全国的创新思想与商业模式的发射塔。
5.5 转型深耕型的省会模式：根植软件信息及人才优势，突出“软硬结合+数智转型”带动区域性数智服务业发展
以武汉、成都、济南、西安等为代表的省会城市或地区中心城市，往往具有科教智力资源密集、软件信息服务发育较早、对周边地区具有一定辐射能力，经由软信服时代的做服务外包、做行业信息化、做信息化项目、做消费电子、做电子商务平台、做软件产品等，走向数智时代的新型数智服务业态，进而发展成为地区性的数智服务创新中心。其成功关键在于将软件信息产业的存量优势，转化为服务本地实体经济数字化转型的增量价值。这些城市的数智服务业依托深厚的科教资源与早期软件外包积累的人才基础，与本地优势产业（如西安的航空航天、武汉的光电子、成都的数字文创）深度绑定。它们并非单纯追求技术领先，而是深耕行业“Know-How”，将深厚的行业知识产品化为专用的软件解决方案与数智服务，从而在垂直行业中培育了一批“行业服务商”。此模式使它们成为连接一线技术与本土产业的关键枢纽，扮演着区域经济的“产业数字化加速器”角色。
5.6 单打冠军型的专业模式：立足垂直领域及特色优势，突出“行业特色+区域特色”带动专业化数智服务业发展
该模式将城市特色资源（如海洋、港口、文旅等）与数智技术深度融合，成为细分领域的全球“单打冠军”，代表城市如青岛（海洋14）、贵阳（大数据）、苏州（工业互联网）等。通过识别并锁定本地独一无二的战略资源，导入并定制化开发数智技术，构建垂直领域的产学研用闭环与数据壁垒，进而凭借难以复制的场景与数据构筑核心竞争力。这种模式放弃大而全的竞争，致力于在一个狭窄但至关重要的赛道做到全球顶尖，充分体现了“与其广而泛，不如窄而深”的战略抉择。
表7：国内外数智服务业创新高地
6 数智服务业的路径对策
6.1 支持数智服务企业发育成长
突出数据要素化、算法工程化、算力绿色化、软件智能化、硬件服务化、行业平台化、知识专业化、内容产品化、需求场景化、生态开源化，支持数智服务企业加快发育成长。
一是加快数据要素化，突出数实深度融合。坚持数据资源化、产品化、市场化方向，推动数据技术提供商构建覆盖数据资源采集、治理、加工、安全流通与持续运营的全链路服务能力，通过API接口、数据订阅、数据查询等形式，按需向用户提供数据服务，推动用户基于数据智能化应用，重构企业生产流程、产品形态与服务体验，重构行业供应链和敏捷服务生态，发挥数据对实体经济的叠加倍增作用。
二是加快算法工程化，突出智能认知转化。以场景思维、产品思维重构算法研发流程，聚焦领域高频、高价值智能决策场景，推进技术与业务深度融合，开展数据驱动、内容驱动的算法创新，打造覆盖需求分析、数据标注、模型训练、评估验证到部署监控的全链路自动化平台，实现算法快速迭代与稳定交付，形成兼具可解释性与自适应性的智能认知决策服务产品，在垂直领域中形成高附加值服务能力。
三是加快算力绿色化，突出数绿融合发展。瞄准算力基础设施低碳转型目标要求，推动算力基础设施通过部署液冷、自然冷却、分布式光伏、能耗智能监测等绿色技术、低碳技术，结合采购绿电与碳交易等方式，系统性降低PUE和运营成本。推动算力服务企业推行算力调度与能源管理服务模式，形成“算力调度-能源协同管理服务”等标准化产品并向产业链上下游输出，提升算力服务企业竞争力。
四是加快软件智能化，突出软件定义世界。支持开发具备自主感知、决策和操控能力的智能软件，推动软件从“工具自动化”迈向“自主认知化”。推动软件企业平台化和生态化发展，搭建开放的API和开发平台，通过定义架构标准、数据接口与治理规则，实现对硬件资源、业务流程乃至产业协作范式的深度重构，推动企业从一次性的项目收入升级为基于生态赋能可持续盈利的商业模式。
五是加快硬件服务化，突出硬件终端使能。引导智能终端企业将硬件终端视为可感知、可连接、可运营的“服务载体”与“数据入口”，构建“终端即服务”全生命周期运营体系，通过集成传感器、边缘计算智能操作系统等，为用户提供智能硬件部署、数据决策、远程运维等持续服务，在工业物联网、智慧城市、商业智能等垂直领域构建起基于硬件服务化生态的可持续竞争力。
六是加快组织平台化，突出行业垂直平台。推动龙头企业基于行业知识经验和数据沉淀，向平台型企业转型，通过搭建集数据聚合、应用开发、服务交易与规则治理于一体的行业专属平台，将产业链中的分散主体、业务流程与资源活动进行数字化链接和智能化调度，并为生态伙伴提供供需匹配、协同创新等服务功能，实现对行业关键数据流、业务流与价值流的控制，在产业数字化进程中掌握生态主导权。
七是加快知识专业化，突出业务逻辑优先。将行业特有的业务逻辑、专业经验与交流规则作为核心资产，通过深度解构垂直领域的业务场景与决策流程，牵引数据治理、算法模型与技术组件的设计，形成高度专业化、可配置、可解释且具备自主学习能力的深度知识服务能力，实现从技术执行者到行业智慧伙伴的战略转型。
八是加快内容产品化，突出内容服务增值。运用知识图谱、AI大模型等技术，将海量、非结构化的行业内容资源进行数化解构、语义理解与标签化重组，转化形成标准化、模块化的 “知识产品”，通过嵌入客户业务流程并基于交互数据持续优化，形成 “内容消费－业务赋能－效果反馈” 的闭环，实现内容从“信息原料”到“即用型解决方案”的价值跃迁。
九是加快需求场景化，突出有效需求满足。识别高频、高价值且可被数字化赋能的有效需求场景，以场景为核心组织技术、数据与产品能力，构建轻量化、模块化、可配置的场景解决方案包，通过共创验证和反馈迭代，实现即插即用的精准交付，同时基于交付后产生的场景数据持续优化服务并延伸关联业务，形成深度嵌入客户业务流程的场景生态构建，推进企业从技术供给向场景价值供给系统转型。
十是加快生态开源化，突出开放协同创新。推动企业将核心算法、基础软件或开发框架等非敏感性技术进行战略性开源，构建透明、活跃的开发者社区与协作平台，通过提供完善文档、贡献者激励计划、应用场景支持及技术布道，吸引全球开发者形成分布式创新网络，降低行业整体技术门槛，并快速确立自身在技术栈中的标准影响力，从构建自有技术壁垒转向主导开放创新生态。
6.2 探索数智服务产业培育路径
坚持产业主导、技术涌现、企业主体、扎堆发展、基建筑基、流量聚合、需求拉动、生态赋能、市场配置、治理革新，推动数智服务业快速发展。
一是坚持产业主导，突出数智服务经济生态位。第一，从顶层设计上将数智服务业提升至核心战略性产业高度，明确其在现代产业体系中的独特生态位与核心牵引作用，避免其被简单归类或依附于其他产业，将数智服务业发展成效纳入相关职能部门及区县的年度考核。第二，研究编制数智服务业发展规划或行动方案，明确产业定义、统计口径、重点领域和发展目标；第三，数智服务业纳入地方国民经济与社会发展统计体系，建立动态监测机制，定期发布产业运行报告。第四，强化资源优化配置，采取“母基金+直投”模式，重点支持平台搭建、技术攻关、应用示范和重大项目建设。
二是坚持技术涌现，抢占数智科技战略制高点。第一，加强前沿技术攻关，联合顶尖高校、国家实验室及龙头企业、源头企业等强化有组织的基础研究，力争在下一代人工智能、智能算力架构、前沿算法等领域形成局部领先优势。第二，优化财政科技配置方式，针对AI for Science、行业大模型、神经拟态芯片、6G等领域实施“揭榜挂帅”，对攻克关键难题的团队给予高额奖励与订单支持。第三，布局一批重大科研项目与开放性基础设施，如生物计算模拟平台、自动驾驶全域测试场、大规模科学数据集等，以一流设施吸引一流人才与技术团队。第四，加大数智服务企业研发支持，给予研发费用高比例加计扣除或后补助，支持其牵头制定国际、国家标准，形成“研发－突破－标准－产业”的良性循环。
三是坚持企业主体，培育数智原生企业生力军。第一，建立企业梯度培育库，构建数智原生企业“初创-高成长-龙头-生态主导者”全生命周期培育体系，实现分类认定、动态管理、精准施策15。第二，设立专注于数智服务领域的政府引导基金，吸引顶尖风险投资机构合作，对早期投资项目给予风险补偿。第三，高规格举办数智创新创业大赛，将赛事与本地产业资源、政策奖励深度捆绑。第四，加大企业家及专业技术人才培养，为企业家提供战略、资本、技术相结合的定制化培训。
四是坚持扎堆发展，布局数智服务园区栖息地。第一，规划建设数智服务业特色功能区，坚持物理集聚与虚拟注册相结合，集中承载总部办公、研发中心、展示体验、国际交流等功能。第二，大力培育数智服务业集群，通过专业化、高品质的产业空间与服务体系，引导产业链上下游企业、创新平台、资本机构、专业服务机构集中布局，形成知识外溢、成本降低、协同创新的产业群落。第三，支持建设智能计算中心、开源代码托管平台、数据标注与处理工场、共性技术测试认证平台等入驻园区，以成本价向园内企业开放。第四，将园区自身作为数智技术创新应用的最佳试验场，部署无人驾驶接驳、智慧能源管理、数字孪生运维等，形成场景驱动的创新闭环16。
五是坚持基建筑基，突出数智基础设施基本盘。第一，超前部署新一代智能基础设施体系，推动传统数字基建向感知、传输、存储、计算、处理于一体的智能基建升级。第二，统筹规划算力布局，采用“政府规划引导+多元主体投资+市场化运营”模式，建设一批集约化、规模化的公共智算中心和全域一体化算力调度与交易平台，为全社会提供普惠、绿色、安全、高效的公共算力底座。第三，加速推进“双千兆”网络和物联网全域覆盖，支持在重点园区、厂区开展TSN（时间敏感网络）、工业光网等先进工业内网示范。第四，推动建设城市级数据资源平台，依法有序推动公共数据汇聚、治理与开放。
六是坚持流量聚合，搭建数智流量转化主平台。第一，着力培育或引进具有产业组织能力的枢纽型平台企业17，汇集技术、数据、产品、服务、资本、人才等要素流量，并进行高效匹配与价值转化。第二，支持平台生态扩张，对吸引生态链上下游企业（开发者、服务商、供应商）入驻本地，并形成实质性业务合作的平台企业，按生态企业贡献的营收或税收增量给予奖励。第三，深化公共数据授权运营，选择具有安全保障能力的平台企业作为授权运营单位，在安全可控的前提下探索政务数据、城市管理数据与社会数据融合应用的新模式、新产品。第四，鼓励平台企业开放核心能力，面向中小企业提供低成本、低门槛的技术工具包、行业模型、开发接口（API）等，支持本地企业、高校主导或深度参与开源项目与社区。
七是坚持需求拉动，设置数智场景创新触发器。第一，提高场景机会清单精准度，明确具体约束条件、测试环境、合作模式和采购意向，为技术供给方降低准入门槛。第二，升级“首台套、首批次、首版次”产品应用激励政策，将数智服务领域创新产品纳入认定范围，并给予采购方一定比例的风险补贴。第三，设立“场景创新实验室”，主动创造并开放城市治理、产业发展、民生服务等领域的真实应用场景，在城市街区、公园、交通枢纽等公共空间划定特定区域用于新技术新产品的试运行。第四，在重点部门设置专岗，负责挖掘、梳理和包装本领域的场景需求，吸引全球团队提供解决方案，搭建技术供给与市场需求对接的桥梁。
八是坚持生态赋能，营造数智开源创新生态圈。第一，支持开源基础设施建设，对在当地设立实体运营机构或服务节点的国际国内顶级开源基金会、开源社区项目，给予办公支持和运营经费补贴。第二，鼓励企业开源，设立“开源贡献奖”支持企业在主流开源平台开源自主技术，对形成一定规模和活跃度的项目给予奖励。第三，培养开源人才，支持举办具有国际影响力的开源活动，如开发者峰会、黑客松、开源年会等。第四，鼓励本地企业基于国内外优质开源项目进行商业化发行版开发、提供技术支持和增值服务18。
九是坚持市场配置，探索数智要素配置试验田。第一，以数据要素市场化配置改革为突破口健全数据产权制度，积极探索数据资产的确权、登记、评估、交易、流通和金融工具创新的有效路径。第二，建立健全适应数智经济发展的要素市场体系，推动算力、算法模型等新型要素的市场化交易，发展数据资产评估、登记结算、交易撮合、争议仲裁等专业服务体系。第三，探索结构性分置的数据产权运行机制，推动公共数据、企业数据、个人数据的合规化、产品化交易，促进训练好的AI模型、行业解决方案作为标准化商品进行交易和授权使用。第四，探索建立跨区域的“算力券”通兑机制，推动与周边地区算力资源的协同调度与市场化结算。
十是坚持治理革新，开辟数智产业治理直通车。第一，针对数智产业技术迭代快、业态模式新、潜在风险复杂的特点，创新治理理念和工具，建立包容审慎、敏捷协同、风险可控的现代化治理体系，试点数智服务“监管沙盒”模式19。第二，推行敏捷立法与标准先行，针对现行法律法规尚未覆盖的新领域，研究出台地方性暂行规定、合规指引或行业标准，为企业提供明确的行为指南20。第三，强化技术赋能治理，大力发展监管科技（RegTech），利用人工智能、大数据等手段提升对算法公平性、数据安全、市场垄断等问题的监测、预警和取证能力。第四，建立政产学研协同的常态化风险评估与对话机制，设立企业合规服务中心，定期评估新技术、新应用的社会伦理与安全风险，并动态调整治理策略。
6.3 健全数智服务行业治理体系
一是强化行业业态研究，掌握数智服务发展规律。第一，加强数智服务业基础理论研究，强化态势感知与趋势分析。第二，围绕数智服务业细分业态、新兴赛道深入开展产业研究与技术跟踪，前瞻跟踪技术演进、商业模式、区域竞争格局。第三，鼓励围绕数据要素市场化、算法治理、算力经济等开展制度创新与治理模式研究，积极开展地方性、前瞻性的政策模拟与试点方案设计。第四，组建由产业领袖、技术专家、经济学家构成的数智服务业发展咨询委员会，建立常态化的对话与问策机制。
二是赋予独立行业地位，纳入数据系统工作体系。第一，明确产业的法定地位与行政归属，将“数智服务业”作为一个独立的产业门类，纳入国民经济行业分类统计与规划体系21。第二，明确行业主管部门，依托各级数据主管部门或其他主管部门建立数智服务业发展牵头负责制22。第三，建立由数据部门牵头，发改、经信、科技、财政、人社等多部门参与的“数智服务业发展跨部门联席会议”制度，定期会商解决企业在市场准入、场景开放、数据流通、融资税收、人才认定等方面遇到的跨领域问题，形成政策合力。第四，探索在条件成熟的产业集聚区或功能平台，以清单形式下放或委托部分经济管理、行政审批权限，设立“一站式服务窗口”。
三是衔接统计监测体系，建立产业培育政策体系。第一，构建科学可测的统计监测框架，组织统计、数据、产业部门及专家力量，研究制定并发布《数智服务业统计分类与监测核算办法》23。第二，建立“数智服务业重点监测企业库”，通过企业自主申报与大数据挖掘相结合，动态识别和纳入符合标准的企业，开展季度、年度运行监测，形成高质量的产业分析报告。第三，应需出台《关于加快数智服务业创新发展的若干政策》，提供从研发创新、企业培育、场景开放、要素保障到生态建设的全链条支持。第四，建立“政策计算器”和“企业画像”数字服务平台，利用数据手段实现政策智能匹配与精准推送，并定期开展政策绩效评估与动态优化。
四是构建数智安全体系，提升产业协同共治能力。第一，政府主管部门牵头制定并推广面向数据全生命周期的安全管理地方标准与最佳实践指南24。第二，大力扶持和发展第三方数智安全服务产业，构建市场化的安全防护体系25。第三，建立“数智技术应用风险协同评估与应对机制”，针对自动驾驶、生成式人工智能、深度合成等新技术、新应用，组织法律、伦理、技术及行业专家，进行事前风险评估与预警，并制定敏捷的应急处置预案。第四，创新行业自律与协同共治模式，支持成立数智服务业协会或产业联盟，引导其制定行业公约、推行信用评价、建立争议调解机制，搭建“政企研民”沟通平台26。
五是培育数字人才梯队，夯实人才支撑基础作用。第一，制定并实施对标国家《加快数字人才培育支撑数字经济发展行动方案（2024—2026年）》的本地化落实方案，聚焦数据架构师、算法工程师、首席数据官等紧缺型、复合型数字人才，设定清晰的三年培养与引进目标。第二，构建覆盖引、育、留、用全链条的数字人才支持体系，支持校企、院企共建现代产业学院、特色化示范性软件学院及人才培养基地，实施订单式培养。第三，将数智服务业核心人才纳入地方高层次人才认定目录，在落户、住房、子女教育、医疗服务等方面提供“一揽子”便利。第四，健全数字技能职业标准和评价体系，支持举办高水平的数字技能竞赛27。
六是打造区域品牌标杆，强化业内培训交流合作。第一，突出数智服务业品牌建设，通过精选本地在相关领域的成功转型案例或原生创新企业，制作高质量的案例集、宣传片，以沉浸式、场景化的方式集中展示企业新技术、新产品与解决方案。第二，积极申办和创办具有全国乃至国际影响力的行业盛会，如数智服务业发展论坛、创新大赛、开源技术峰会等，将其打造为思想交流、技术展示、商业合作的固定平台。第三，系统梳理和剖析国内外先进地区的成功经验与失败教训，以及本地企业在各垂直领域的创新应用，形成可复制、可推广的模式工具包。第四，建立常态化的业内培训与交流机制，联合行业协会、领军企业、培训机构，定期举办面向企业中高管、技术骨干的政策解读、技术培训、管理沙龙，鼓励并资助本地企业“走出去”，参与国内外重要行业交流。
结语
从数字化浪潮的奔涌到数智化变革的纵深，我们正见证一场由技术范式升维驱动的深刻产业革命。本文所界定的“数智服务业”并非技术术语的简单叠加，而是由技术演进（从CT、IT到DT、AT）、要素变迁（从代码、信息到数据、算法、算力）与产业融合（数、智、工、信、服交织）共同作用的必然产物。数智服务业的涌现，标志着数字经济的核心引擎正从优化流程、传递价值的“软件信息服务业”，迭代为数据驱动、智能定义、实时响应的新型价值创造体系，也预示着数字经济正加速走向智能经济。如今这一新兴行业不仅是一个独立的产业赛道，更是一个重组资源、重塑规则、重构价值的“新经济操作系统”。展望未来，数智服务业将以“数智”为内核，深度融入并定义实体产业的研发、生产、运营与商业模式。拥抱这一变革，需要政策制定者、产业领袖与研究者超越传统的行业认知边界，以前瞻的布局、包容的治理和开放的协作，共同培育这片充满无限可能的全新疆域。以上研究仅为这场波澜壮阔的进军提供一幅初步的蓝本，其主篇章必将由那些深刻理解并主动塑造这一服务业新形态的开拓者、引领者、组织者、建设者们的共同书写！
注:
