本期速览
【 1 】中共中央、国务院：印发《关于健全社会信用体系的意见》
【 2 】国家数据局局长刘烈宏：以高质量数据促进人工智能发展
【 3 】北京：发布北京人工智能公共算力平台生态网络
【 4 】上海：印发《上海市关于促进智算云产业创新发展的实施意见（2025-2027年）》
【 5 】艾瑞咨询：发布《2024年中国人工智能产业研究报告》
【 6 】Gartner：发布2025年数据和分析重要趋势
中共中央、国务院：印发《关于健全社会信用体系的意见》
近日，中共中央办公厅、国务院办公厅印发《关于健全社会信用体系的意见》，部署了六方面重点任务。一是构建覆盖各类主体的社会信用体系，重点支持经营主体管控信用风险，以公共信用综合评价为基础，建立企业信用状况综合评价体系。二是夯实社会信用体系数据基础，重点推动全国信用信息共享平台与行业信用信息系统深度联通、数据共享，提升商业合同信息、产业链信息、交易信息等共享水平。三是健全守信激励和失信惩戒机制。四是健全以信用为基础的监管和治理机制。五是提高社会信用体系市场化社会化水平，重点完善以信用信息为基础的企业融资增信制度，有效提升中小微企业信用贷款比重，支持符合条件的征信机构参与融资信用服务平台运营。六是加强组织实施。
国家数据局局长刘烈宏：以高质量数据促进人工智能发展
3月31日，在国新办举行的新闻发布会上，国家数据局局长刘烈宏表示，国家数据局将从三个方面发力，持续推动“人工智能+”行动。一是持续推进算力基础设施建设，今年底要实现60%以上新增算力在国家枢纽节点集聚，新建大型数据中心使用绿电占比超过80%。二是持续推进高质量数据供给，加快推动数据要素和人工智能产业赋能、终端应用和场景培育相结合，积极引导做好高质量数据集建设工作。三是持续推进数据流通交易，逐步完善数据市场规范，构建数据流通交易标准体系，细化流通交易规则，降低数据流通交易制度性成本，提升数据流通交易效率。
北京：发布北京人工智能公共算力平台生态网络
3月29日，在2025中关村论坛年会“人工智能主题日”上，北京市发展改革委、北京市科委、北京市海淀区、京能集团等多个算力资源主体，正式启动建设“北京人工智能公共算力平台生态网络”，旨在实现算力资源池的统一调度，促进跨域算力资源柔性互通，有效提升算力资源利用，为人工智能企业汇聚提供更多普惠、开放的公共算力服务。目前，北京人工智能公共算力平台已有多家算力供应主体入驻，汇聚了京津冀、内蒙古、新疆、宁夏等区域超8万P的绿色算力。
上海：印发《上海市关于促进智算云产业创新发展的实施意见（2025-2027年）》
近日，为加快人工智能与云计算深度融合，上海市经济和信息化委员会印发《上海市关于促进智算云产业创新发展的实施意见（2025-2027年）》，部署了四方面重点任务。一是布局智算云基础设施，围绕浦东、金山、松江、临港和青浦等重点区域，积极部署智能算力、提升集群规模。二是拓展新型智算云服务，鼓励金融、工业等“模塑申城”重点行业领域的头部企业或单位，与智算云企业联合打造垂直型智算云平台，降低行业企业垂直领域模型的微调和创新成本，落地超100个行业案例。三是培育智算云骨干企业。四是完善智算云产业生态，延伸智算云产业链条。
艾瑞咨询：发布《2024年中国人工智能产业研究报告》
3月28日，艾瑞咨询发布《2024年中国人工智能产业研究报告》。报告指出，2024年中国AI产业发展具备五点特征。一是2024年AI产业规模为2697亿元，增速26.2%，略低于预期。主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍处于探索阶段。二是由于供需错配，2024年部分地区智算中心出现闲置，随着今年推理侧算力需求大幅上涨，智算中心利用率有望逐步提高。三是分布式AI框架、LLMOps平台和一体机产品等不断发展，深度融合软硬件优势，加速了大模型的训练与部署。四是商业化以项目制与订阅制为主流。五是众多企业积极出海，布局海外市场。展望未来，AI产业呈现四大发展趋势。一是AI Agent进阶，带领AI产品由简单的对话问答向完成复杂任务的智能代理演进。二是具身智能是下一代AI竞争的战略高地。三是DeepSeek推动了大模型技术的普惠与平权，将加速大模型在产业端的应用普及。四是需构建面向新一代人工智能的安全治理体系。
Gartner：发布2025年数据和分析重要趋势
3月27日，Gartner公司发布了2025年数据和分析（D&A）九大重要趋势。一是充分利用高消耗数据产品，优先交付可重复使用和可组合的最小可行数据产品。二是整合技术元数据与业务元数据，形成元数据管理解决方案。三是强化多模态数据编织能力。四是关注合成数据，以便在促进AI发展的同时保护数据隐私。五是使用AI智能体进行数据分析，完成业务成果的自动化闭环，同时注意减少错误和幻觉。六是使用AI代理，以满足临时的、灵活的或复杂的自适应自动化需求。七是发展小语言模型，以便在特定领域获得更加准确、更符合语境的AI输出结果。八是整合GenAI、LLM、数据科学、机器学习等技术，发展复合型AI。九是建设决策智能平台，实现从数据驱动到以决策为中心的转变。
