近期，为期两天的“数智楼宇，TRUE手可及” 第二届楼宇科技 TRUE 大会在上海举办，从产业发展最真趋势（Trend）、真标准（Rule）、真生态（Union）和真技术进化（Evolution）四个维度勾勒数智建筑的新形态，以数字低碳核心技术、产业数字化突破、行业应用全面解锁建筑的智慧生态结构，探索科未来数智楼宇的无限可能。

数智低碳，未来已来

建筑业成为可持续发展的洞察窗口。随着物联网、人工智能、大数据等新兴技术的创新和发展，智能化、智慧化概念与技术在楼宇建设领域得以快速普及，智慧楼宇已经成为全球建筑市场需求的主力军。越来越多的建筑正在逐步装上“大脑”，未来城市正在逐步变得更智慧，让数智建筑不再是昨日幻想。

本次第二届楼宇科技TRUE大会，以线下论坛分享+展览互动+线上全球直播的形式，进一步探索国家“双碳”目标下未来楼宇数字化、低碳化的趋势与发展方向，见证着数智楼宇从“概念发布”到“落地成真”的重要历程。

大会共分为2场高峰主论坛、8场主题分论坛和海外的迪拜、米兰分会场，分别就数字化趋势与创新、绿色低碳发展等主题展开思想碰撞与话题讨论。不同于首届楼宇科技TRUE大会，本届分论坛不仅延续了去年“绿色低碳”“黑科技”“创新商业模式”“高效运维”4个议题，更聚焦于概念落地，还新增“智慧园区”“智慧医疗”“智慧工业”“智慧基建”板块，展示各行各业的建筑数字化成果，见证数智建筑解决方案赋能行业的数字化进程, 提供可持续发展的运营方案。

中国工程院院士、清华大学教授江亿表示，“建筑智能化要以人为中心，不仅要满足国家和社会对绿色低碳的需求，还要满足建筑使用者对空间舒适性的需求，也要满足运行管理者对便捷和高效运维的需求。”

浙江大学管理学院院长、教育部长江学者特聘教授魏江指出：“高质量发展应该是集创新发展、协调发展、绿色发展、开放发展、共享发展于一体的，而数字赋能高质量发展，主要体现在效率赋能，效益赋能，能力增强三方面。织型制造是数字产业组织制造模式创新的路径之一，聚能工厂、犀牛工厂、数字工厂都是组织型制造的现实型态，它具有市场快速响应、资源全网利用、要素动态配置、能力开放共享、业务高效协同等基本特征。数字化赋能产业高质量发展需要满足四个条件，第一，组织生态化：平台嵌套+产业群落+微粒组织；第二，平台合法性：平台主治理，平台身份中立化；第三，平台可控性：国家政策有能力控制平台主行为；第四，价值可测度：数字赋能创造的价值可评价。”

美的集团副总裁兼首席数字官张小懿分享了美的集团的数字化发展理念，他认为：“美的集团的数字化是全价值链数字化，不仅是以数字化为支撑，更是深度的业务变革。美的集团不再只是一家制造企业，而是一家物联网时代的领先科技集团，通过美的数字大脑，面向所有用户提供软硬件结合的数字化解决方案。”

此外，意大利绿建协会主席Marco表示，建筑消耗了大量世界能源和全球水资源，并排放了大量的温室气体，因此在建筑市场发展中要特别注意LEED、BREEAM、WELL、GBC等能源环境协议的使用，以及绿色公共采购程序的崛起，绿色材料、产品和系统的运用等。

聚合生态，融合为一

数字化引发的新浪潮正席卷而来，数字经济时代，生产要素、生产力、生产关系已发生质的改变，新的科学理论体系亟需建立。

基于对未来智慧建筑发展方向的深刻洞察，主办方美的楼宇科技联合众生态合作伙伴首次发布了《智慧建筑数字化总承包（DEPCO）研究报告2023》。DEPCO的出现，打破了传统建筑供给链条分散的状态，通过D数字化咨询（DIGITALIZATION）、E数字化设计（ENGINEERING ）、P成本采购（PROCUREMENT）、数字化建设（CONSTRUCTION）、O数字化运营（OPERATION）各个建筑建设环节的介入，实现“软硬件一体化交付闭环”，形成“交付与持续运营闭环”，让各个端口能有序参与到智慧建筑的每一个环节，促进数智楼宇的有效落地，最终实现智慧建筑全生命周期的价值链闭环。

美的楼宇科技研究院院长孟涛表示，“DEPCO是呼吁大家做好智慧建筑的倡议书，是建设智慧建筑的科学方法论，是落地高质量智慧建筑的服务体系，是增效智慧建筑建设的先进工具，同时也是开放共赢的智慧建筑生态系统。”

从“分散”走向“聚合”、从“竞争”走向“共赢”，是新时代发展的趋势。为聚合更多力量，会上宣布成立首个智慧建筑生态联盟——DEPCO生态联盟，将使各生态合作伙伴通过共享技术平台与架构，实现核心技术价值的相互链接，共同构建开放融合的数字新生态。目前，DEPCO生态墙已集合中国科学院上海高等研究院、北京市建筑设计研究院、南京长江都市设计院、北京筑标建设工程咨询、知行晓政、哔哩哔哩、美的楼宇科技等众多企业和研究机构，各方深度交流，实现各产业端口技术发展与经济效益的双增长。

数智成果，触手可及

数字化的迭代升级为智能产业带来质的突破，未来已来，数智楼宇如今已赋能千行万业，将无限想象与可能落地成真。

本次大会，共开放3大展区+40个生态伙伴展区，数字变革贯穿医疗、园区、基建、工业4大行业场景，见证数智楼宇标杆项目的实践范本，展示智能建筑进入实操阶段后呈现的创造力。

在智慧医疗的探索上，美的楼宇科技打通医院交通流、信息流、体验流、能源流，通过iBUILDING运维指挥中心对医院全生命周期管理的全场景管理，实现对医院中设备、人员、事件的全维度感知，构筑高效、人性化、高韧性的智慧医院样板。目前，已成功落地上海市同济、和佑国际医院等。其中，在智慧暖通领域，美的累计签约合作超1450家医院，为客户带来更加安心、便捷、高效的智能体验。

智慧基建将随着城市运行效率的提升而不断升级。美的楼宇科技因时制宜，基于云计算、人工智能等数字化手段。于轨道交通领域打造有思维、能感知、可执行的智慧交通，目前已落地深圳地铁9号线、苏州地铁6号线、广州地铁7号线、合肥地铁5号线、上海地铁2号线等，系统性提高城市运行效率，实现城市全生命周期管理。

智慧工业方面，美的楼宇科技以“开源节流”“节能增效”为着力点，全面推进数智技术驱动新型工厂绿色发展。

从荆州工厂的打造中，美的楼宇科技以碳咨询为牵引，运用数字孪生等技术打造低碳发展的智能制造工厂标杆，为全球“碳达峰、碳中和”作贡献。

在加速智慧建筑领域发展变革的过程之中，楼宇科技赋能在智慧园区的成绩也十分亮眼。美的楼宇科技通过全面介入智慧通行、智慧办公、智慧运维等多维度，使美的楼宇科技工业园西区由旧工厂摇身成为安全、高效、低碳的楼宇智慧生命体，园区内，AI人脸识别已实现全面通行，目前已落地无接触呼叫电梯、app预定工位、手机端参会等自控制功能。未来还将会有小鹏汽车智慧总部园区等加入智慧园区建设的行列。

从探索到战略，从规划到落地，一个又一个不同领域的数智建筑标杆项目投入使用，数字化楼宇的品质与效率攻读，数智建筑的成果必将越发瞩目。

绿色建筑的发展，更应体现“以人为本”的新时代特征。为方便参会人员更好地感知数智化科技成果，此次大会启动线上数字空间——TRUE SPACE，作为实体展会在虚拟空间的映射，搭建集“线上会议、线上参展、线上社交”于一体的“元宇宙”平台，拓宽参会人员合作交流的时间与空间限度。同时，为立足绿色低碳实践，此次大会全程使用环保材料，会议过程中产生的二氧化碳则通过观众自愿购买“碳信用”的方式进行抵消，真正实现了“零碳会议”。

核心摘要：

狭义来看，数据中台是一套实现数据资产化和服务复用的工具；广义来看，数据中台是一套运用数据推动企业数字化转型升级的机制和方法论。数据中台始于业务数据的沉淀积累，用于数据的收集、整合、分析及应用，循环往复，形成生态闭环。

2021年数据中台市场规模达到96.9亿元。在供给侧，行业的生态化合作趋势明显；在需求侧，企业对数据中台的关注点从中台本身转向了最终的数据变现能力。行业集中度和成熟度持续上升，整体规模稳步增长，增速趋于平稳，预计将在2024年达到187.4亿元。

当前数据中台的行业集中度仍保持较低水平，行业的活跃参与者大致分为平台生态厂商、解决方案厂商和独立中台厂商三类，行业格局由竞争转向竞合，以协同生态为核心，集众所长，将成熟的技术方案与行业服务经验结合，协同拓展应用解决方案的广度和深度，深耕于金融、泛零售、政务、制造、工业等多行业应用场景。

云原生是当下最为确定的技术趋势，存算分离、微服务、ServerLess等核心技术要素驱动数据中台走向云原生。数智融合理念将AI算法模型植入数据治理，高质量数据反哺AI开发能力，让数据和AI开发高效互通。泛中台化趋势明显，业务场景需求的解决方案/产品趋于“中台化”，以数据中台为基础的中台体系不断丰富。

       定义

数据中台是一种数字化综合解决方案。数据中台采集、计算、存储和处理海量数据，保证数据的标准统一和口径一致，建立全域级、可复用的数据存储能力中心和数据资产中心，组件化服务模块，提高数据共享和复用能力，灵活高效地解决前台的个性化需求。狭义来看，数据中台是一套实现数据资产化和服务复用的工具；广义来看，数据中台是一套运用数据推动企业数字化转型升级的机制和方法论。相较数据工厂时代，数据中台立于业务数据的积累沉淀，破于数据收集、整合、分析及应用的生态闭环。数据中台始于业务，用于业务，循环往复的理念与数据价值时代下数据资产价值最大化的目标相契合。

驱动因素：宏观层

数据量规模快速扩张，数字化进程加快，技术更新迭代

新冠肺炎疫情加速推动了从个体、企业到政府全方位的社会数字化转型浪潮。企业方面，疫情的出现为企业数字化转型按下了“加速键”，在线办公、在线交易等线上化运营方式为企业在特殊时期保持正常运转提供了支撑。政府方面，政府的数字化应急能力和在线政务服务能力在疫情下不断“淬炼”，在线服务指数由全球第34位跃升至第9位，迈入全球领先行列。据Gartner预测，2025 年全球将有309亿设备接入物联网。物联网设备产生海量数据，对这些设备的运营、监控以及安全保障，离不开大数据技术的支撑，反过来也推动了大数据技术的进步。云计算以及云计算环境下大数据技术的成熟，使构建一套大数据系统变为低门槛、快速启动的项目，且随着业务增长进行无缝的技术增长，只需为实际使用的计算和存储资源付费，大幅降低了使用门槛。

驱动因素：行业层

大数据核心技术和产品受关注程度高，产业发展再升级

大数据技术和应用成为国家基础性战略支撑，是打造数字经济新优势、加快数字社会建设步伐、提高数字政府建设水平的重要力量，因此大数据核心技术创新和产品升级受关注程度高，产业发展具备充足的空间和潜力。随着5G、AI、物联网等技术的普及应用，数据应用场景被释放，数据源不断丰富，数据量快速攀升。云原生技术使企业组织能在公共、私有和混合云等现代动态环境中构建和运行可扩展的应用程序，是继云计算之后，数据基础设施领域实现新增长的重要拐点。在基础软件方面，数据中台、数据治理、数据安全等产品引领细分市场发展。在应用软件方面，BI、可视化、图像分析等产品也备受关注。从企业和行业应用来看，企业更加注重运用数据技术向精细化运营、信息化决策演进。行业应用聚焦于软件和信息技术服务、互联网等领域。

价值

核心价值：提升数据治理，改造业务流程，深化数据应用

数据中台致力于解决原有数据关系及SOA架构解决企业“数据烟囱”问题，打通数据孤岛，通过完善数据标准体系、强化数据质量管控、统一管理元数据等方式加强数据治理，提升数据可用性，实现数据资产化。数据中台在改造企业业务流程，打通数据壁垒的同时，也打通了企业部门间和事业群之间的业务壁垒，消除“部门墙”产生的冲突，极大提升了企业组织灵活性。数据中台的设计定位是基于企业的顶层战略，集中体现了企业的顶层框架和业务逻辑。数据中台对企业全域数据资产进行开发和应用，实现了统一可比可算，让数据具备了敏捷服务能力，满足了企业各层级对数据服务能力的智能和快速调用，让数据价值最大化赋能业务决策。

市场规模

行业增速有所放缓，市场规模稳步增长

我国数字经济蓬勃发展，企业数字化转型步伐不断加快，数据技术加速创新融合应用。2019年是数据中台元年，行业快速完成了萌芽期和成长期的积累，正在积极向成熟期过渡。从供给侧看，生态化合作趋势明显，一方面云厂商在各垂直领域加速布局合作生态，配合生态伙伴的行业积淀和服务协同，使得个性化部署能力和实施效率显著提升；另一方面，部分独立厂商融合云厂商的底层平台能力，结合自身的技术创新和专项优势，发布多样化的数据中台产品。在需求侧，企业对数据中台的关注点已从中台本身转向了最终的数据变现能力，对中台的理解不断加深，需求也更加明确。此外，在疫情影响下，企业的价格敏感度上升，驱动厂商积极探索业务模式创新和服务升级。数据中台行业的集中度和成熟度持续上升，整体规模稳步增长，增速趋于平稳。

产业图谱

行业千帆竞发，厂商百花齐放，市场格局初显

近些年，在大数据、云原生、人工智能等技术发展和企业数字化转型加速的双重驱动下，数据中台在多场景快速落地。从厂商类型来看，平台生态厂商、解决方案厂商、独立中台厂商以及自研厂商的边界开始模糊，数智服务的生态协同明显。从市场格局来看，云服务厂商依托完备的服务体系和强生态能力，输出方法论、技术及工具，建立行业服务体系；产品厂商凭借创新技术能力和垂直行业深入的业务认知，取得行业积累，提升品牌竞争力。

行业格局

从竞争到竞合，破壁搭桥提升数智服务，生态协同正当其时

厂商发展逻辑正从竞争转向竞合，以协同生态为核心，集众所长，合力拓展协同应用解决方案的广度和深度。平台生态厂商拥有内部率先落地中台战略，之后对外提供服务的先发优势，为行业发展输出方法论、技术和工具体系，商业模式以“提供云基础服务，生态伙伴实施交付”为主。解决方案厂商积累了丰富的垂直行业服务经验和客户服务基础，可快速准确洞悉企业业务流程和痛点需求，但项目实施交付一般需要外部提供数据能力支持。独立中台厂商核心技术团队普遍来自行业头部厂商，技术背景扎实，行业经验过硬，但品牌影响力相比平台生态厂商较弱。

行业挑战

产品化和项目制之间的平衡问题

在投融资领域，SaaS理念被众多投资人所青睐。是否云上部署，是否订阅且高续约，是否较少二开，是判断SaaS属性的重要指标。当前，中台以服务中大型客户为主。客户的大数据量及对数据安全的特殊要求，导致较少采用全公有云的部署模式，大多仍采用类项目制（含一次性和私有订阅）的形式。并且，中台尤其是业务中台部分，需要对行业和客户有较深理解，在指标体系搭建、数据建模等环节，常需甲乙方深度配合，如果专心做通用产品，则在投标等环节并不占优势。不管是从业者，还是投资人，都要深入思考：如何在产品和商业模式上下功夫，以寻求降低边际成本和满足客户定制需求的平衡。低零代码的技术理念，大核心研发+多个小行业交付的组织架构，积极发展生态合作伙伴，部分开源打造生态等，都是可供参考的选项。

      需求诊断

企业搭建数据中台应当按己所需，量力而为

尽管随着技术进步，中台实施难度逐渐降低，但仍然不是所有企业都适合中台建设。中台汇聚、打通的特点，要求企业已经或者在未来较短时间内会有大量的数据积累和应用。如果企业体量不大，或者企业体量虽大但业务单数较少，在数据需求出现时，一对一地解决，可能性价比更高。中台复用的特点，要求企业业务既不是完全一成不变的，也不是多业务线毫无关联的，如果企业业务非常稳定几乎无变化，则中台建设的必要性不足。中台为整体解决方案的特点，要求企业有相应的配套机制，包括企业战略、组织架构等，如企业没有专门的数据部门仅靠业务部门，则企业数据建设容易陷入“公地悲剧”：每个业务部门都想使用数据，但谁都不愿贡献、建设、治理数据。总之，中台是一个基础设施，其以底层的稳态保障上层的敏态，以公共的建设保障各业务线的使用，以当前的重投入保障未来的高产出。凡企业不是此类规划的，均不完全适合，可以用中台里的某个模块如数仓、数据湖或主数据治理等先行解决当前问题。

      整体分析

金字塔型分析，由“虚”入“实”，从宏观到微观

中台项目实施难点，在于企业数字化过程中，虚实结合不到位。传统咨询常采用Top-Down打法，但往往是Top（规划）有了，Down（落地）困难，常被称为“缺腿和脚”。纯技术出身的中台厂商则需补充Top-Down 的方法论。目前，大多中台厂商在为企业提供服务时，多采用从规划到组织再到工具的自上而下打法，这其中要么自建咨询团队，要么生态合作完成。企业首先要明确自己的使命、愿景（To-Be）和当前状况（As-Is），然后确定企业接下来一段时间的北极星指标，然后将该指标拆分为子指标，然后确定数据管理和应用体系，最后才是中台具体路线。一开始这些看上去较“虚”的动作，其实是中台能坚定、持续走下去必不可少的要素。这种方式，其实可以看成是“金字塔原理”以及“OKR”在数字化转型中的具体应用。所以，企业中台建设不仅是技术问题，更是管理问题，是企业的一把手工程。

      核心方法论

OneData+OneService+OneID

头部的平台生态厂商在内部落地中台战略，获得检验后对外输出成熟的中台建设核心方法论：OneData+OneService+OneID。OneData的本质是构建从算法定义、数据研发到数据服务的统一指标和算法，数据采集、汇聚、清洗、加工、调动一次完成，避免因不同的业务场景造成不同部门对数据的重复建设，让数据成为可复用、可深挖价值的资产，而非拖垮业务推进的隐性成本。OneService的本质是数据即服务。传统数仓从不同的系统调用数据时受数据库权限限制，需要开发人员定制不同的访问接口，出错时还难以追溯影响到哪些应用和报表。数据中台通过平台化的工具/接口，一方面为应用开发屏蔽了底层数据存储，提供数据查询统一接口，另一方面提高了数据应用的管理效率，建立了从报表到应用的清晰链路，提升数据开发的友好性。

       厂商选型

人、活儿、事儿三方面考量

企业在中台选型时，应从人、活儿、事儿三方面进行考量。“人”是指：企业应该考虑中台厂商的团队背景，如是否有大数据背景，是否有行业背景。“活儿”是指：目前中台厂商的产品中，哪些是开源的，哪些是自研的；如果是开源的，是否是主流且代表未来趋势的技术路线；如果是自研的，核心优势在哪，与开源产品的语法、体验等是否一致，会不会为自己带来相应IT人才的缺乏；各个模块之间是松耦合还是紧耦合；产品的使用门槛是否较低，体验是否良好。“事儿”是指：中台厂商在历史上，是否有本行业的成功案例，取得了哪些显著成果；中台厂商与本企业的其他系统（如ERP、CRM等）是否有成功的对接先例，从而在实施中可以提高效率并降低风险。

       底座技术选型

先进性和适应性应综合考虑

中台技术，即广义的大数据技术（中台≈数字化咨询+大数据技术+数据治理与管理+数据运营）。由于大量行业客户，并不能自己玩转大数据，所以一般需要“端到端”的产品或服务。供应商提供端到端服务，一般有几种路径：（1）公有云厂商提供从IaaS到SaaS的全套的云、数、智服务，一般云资源为自家提供，而数和智既可以选择云厂商自有组件，也可以选择开源组件。（2）部分厂商如Cloudera对不同的大数据组件进行组合，形成CDH和CDP套件。（3）解决方案厂商，基于客户需求和自身理解，利用开源技术，进行自由组合和二次开发。（4）独立中台厂商，基于开源+自研的方式，打造全链条产品和服务。（5）一些新型HATP厂商，通过对流数据的进一步融合，以更轻巧的方式满足中小企业的中台需求。

在技术组件选择时，一般遵循以下原则：（1）确有明显优势及取代趋势时，选择有优势的（如Flink相对于Storm）。（2）不同技术各有利弊时，根据自身业务、历史架构、供应商擅长综合选择。（3）供应商有深度自研的，除体验外，还应考虑后期服务的持续性以及自身IT人才的供给。

       数据治理

元数据管理&主数据管理

元数据管理用于确保全局指标的业务口径一致，主要包含数据字典（描述数据的结构信息）、数据血缘（用于影响分析和故障溯源）以及数据特征（描述数据的属性信息）。常用产品分为：1）开源产品Metacat（擅长管理数据字典）和Atlas（擅长管理数据血缘）；2）商业产品ClouderaNavigator。元数据中心对外统一提供API访问接口，数据传输、数据地图、数据服务等其他的子系统都可以通过API接口获取元数据。

主数据管理用于提供完整、一致、准确、相应的主数据来源，以支撑跨部门、跨系统数据融合应用，四大关键功能为生命周期管理（编写主数据间的层次、关系及分组）、质量管理（建立主数据质量基线和评估改进程度）、协调功能（主数据管理系统与业务系统集成）以及分析功能。主要解决方案厂商包括IBM、Informatica、Stibo Systems、SAP等国外大厂，产品成熟，但产品灵活性和扩展性不足，同时国内厂商如用友、浪潮等也在此领域崛起，不断灵活创新，更贴近企业需求。

       数据资产管理

数据模型管理

搭建数据中台的本质是构建企业公共数据层，把原先分散、烟囱式的数仓合并成可共享、可复用的数据中台，具体实施路径可概括为：1）接管ODS层，控制数据源头。ODS是业务数据进入数据中台的第一站，是所有数据加工的源头，应从业务系统的源数据库权限入手；2）划分主题域和拆分业务维度，构建总线矩阵。主题域是业务过程的抽象集合，划分时尽量涵盖所有业务需求，保持稳定性和扩展性；3）构建一致性维度。构建全局一致性的维表，确保维表只存一份。维度属性分为两种情况：公共维度属性与特有维度属性拆成两个维表，产出时间相差较大的维度属性拆分成单独的维表；4）整合事实表。事实表整合的核心是统计粒度必须保持一致，不同统计粒度的数据不能出现在同一个事实表中；5）模型设计完成后，进入模型开发。数据全生命周期管理，ODS和DWD尽可能保留所有历史数据，DWS/ADS/DM需设置生命周期，可保留7-30天不等；6）应用迁移。进行数据比对，确保数据一致。

       数据服务

数据和应用之间的“桥梁”

数据服务是数据中台的能力出口，是数据应用的重要支撑。企业通过中台能力封装关键数据实体，将数据采集、数据传输、数据存储、数据处理、数据交换等数据的各种形态转化为可高效复用的软件服务。数据中台提供的数据服务可大致分为三类：1）主题式数据服务。基于元数据规范定义和建模，构建主题逻辑表，屏蔽复杂物理表，提供业务视角下的查询；2）统一且多样化数据服务。一站式提供一般查询、OLAP 分析、在线接口服务等查询和应用服务，便于数据跟踪管理；3）跨源数据服务。统一数据接入层，屏蔽多种异构数据源的读写差异，减少数据访问和应用成本。数据服务通过平台化、配置化的方式，快速生成API服务，减少定制化开发对不同工种的依赖，同时屏蔽底层数据的技术细节，让数据消费者无需关心数据的源头问题，实现“数据即服务”。从实施路径来看，构建数据服务模块应具备以下五大核心能力，才能担起数据与应用之间的“桥梁”角色：

行业场景

金融行业：从数据驱动到运营优化

金融行业走在我国数字化转型前列，信息化建设起步早、投入大，因此行业的信息化水平和数据的标准化程度较高，针对金融行业的数字化服务生态比较健全。但是，传统的数字化解决方案也造成金融机构普遍拥有多个信息部门和数据中心，随着业务多元发展和海量业务数据积累，大量的系统、功能和应用被反复构建。数据资源、计算资源和人力资源都存在巨大浪费，信息孤岛现象严重，内外部数据难以统筹规划，数据能力无法应对高并发、强一致、横向扩展的业务场景。

数据化转型领先的金融机构已经开始搭建数据中台，并产生很多优秀案例。数据中台采集和整合金融机构内多个数据库数据，建立跨越式数据模型，打破数据壁垒，统一加工、处理、输出标准数据，建立数据资产，减少业务数据重复建设，彻底改变金融行业数据交付模式，形成专业的用户画像，精准营销，辅助运营决策，提升客户运营效率。

泛零售行业：从统计分析到决策支撑

泛零售行业从以商家运营为主导的“旧”零售时代，推演至今日的以用户为中心，数据驱动、体验为王、口碑传播、迭代思维的零售4.0时代，零售企业为了解全域运营数据、进行场景细分和精细化运营、紧随消费需求和消费链路的变化趋势，内部搭建了各类业务系统，基本满足日常统计分析。但是，割裂的业务系统也形成了大量碎片化的数据，无法做到跨域、跨渠道的统一查询和分析。此外，数据口径不一致使得数据使用者对数据解读无法形成统一理解，数据体系不完善导致无法对多维数据进行闭环分析，数据指导和辅助运营的能力不能充分发挥。

数据中台打通泛零售企业内部各系统数据，标准化数据模型和研发标准，实现从数据采集、汇聚、清洗、调度到数据质量管理的全流程工具化和平台化，帮助零售企业打通采购系统、业务系统、运营系统和销售系统的数据，进行数字化的供应链管理；运用数字媒介开展业务和触点布局，跨业务域、跨渠道、跨产品、跨区域的综合分析，精细化运营；通过埋点、实时数据，线上线下异构数据采集，全量及全维度的捕获用户行为，提供决策支撑，优化用户体验。

政务行业：从决策支撑到数据驱动

政务数字化是数字政府建设的重要目标，随着数据、算法、服务不断创新和迭代，行业正从政务电子化、政府上网和政务服务一体化的“互联网+政务服务”阶段，向基于大数据的“数据化、平台化”阶段推进，初步形成统一的云平台和公共数据服务平台，政务服务能力显著改善。但随着国内经济持续健康发展和社会全面进步，各界对政务服务也提出了更高的要求。如何实现政府数据资源跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务，如何实现“政府内部协作”、“政府企业协同”、“政府服务公众”的数据资源良性循环，如何提升政务协同过程中协同办公效率都成为新的挑战。

数据中台提供统一的数据采、建、管、用能力，能实现政务领域数据的统一管理，构建数据资源的应用创新模式，建设重心从技术转向运营管理，通过数据流带动组织和业务流程重组，提升政府服务协同能力。通过数据资源的标准化和统一输出，提供政务数据精准化供给和智能化服务，支撑政府部门精准决策。

工业行业：万物互联时代大有开发空间

面对激烈的市场竞争环境和如火如荼的产业数字化进程，工业企业需要通过缩短交付周期、产品多样化、产品及服务创新来提升竞争力，数字化转型为工业企业大规模、多样化、全链路的运营生产和快速创新提供了可能。企业陆续构建了ERP、SCM、SRM、WMS、PLM、MES等工业管理系统，支撑特定领域的业务应用，结果数据孤岛随之而来，收效甚微。万物互联时代到来，工业设备普遍具备智能互联属性，围绕设备、系统、人形成了巨量数据。此时，企业的竞争本质演变为数据支撑业务敏捷性，以应对市场的飞速变化。企业前台对数据应用的快速迭代创新、快速响应用户需求与后台系统臃肿迟滞之间的矛盾成为亟待解决的问题。

工业企业不具备互联网公司天然的信息化基因，并且产品研产供销服流程复杂，业务对象与功能解耦难度大，沉淀深厚无法快速推倒重建，加上工控软件数据开放度不足，专业程度高，因此，工业领域的数据中台推进仍有较大的开发空间。

趋势一：云原生

技术与业务共同驱动数据中台走向云原生

云原生是当下最为确定的技术趋势，主要由Docker+Kubernetes以及Spring Cloud等主流技术共同驱动。但当下，很多所谓“云原生”，仍是对传统单体架构的改造，并不能真正实现资源的完全弹性扩展。存算分离，各自动态扩缩容，将有助于平衡成本与效率，是大数据低成本落地的重要保障，也将是真正意义云原生的显著特征。未来，数据中台的数据存储量剧增，且作业高吞吐高并发，对存算分离的要求明显高于其他应用领域，数据中台中的重要组件，如MPP及智能湖仓等，都将遵循存算分离架构。此外，企业客户对数据安全的关注度不断提升，对数据安全、合规数据合作技术等需求增强，云原生天然具备的对象体系、容器化编排、CI/CD（持续集成持续交付）、跨云多域数据治理等技术属性，都驱动数据中台走向云原生。

趋势二：数智融合

数据和智能相互作用

所谓数智融合，即构筑数据治理和AI开发的统一底座，让数据和人工智能相互作用。一方面， Datafor AI ：通过对元数据统一管理，解决传统数据分析与AI模型之间的“数据搬家”问题，打通数据分析与AI模型引擎，实现基于一份数据多模分析，提升数据驱动决策的准确性和可信性，让数据工程师灵活进行模型和特征训练，实现数据与AI开发高效无缝互通。另一方面，通过AI forData ：将人工智能算法模型的能力植入到数据治理，通过机器学习自动发现数据管理的规则，在数据模型管理、元数据管理、主数据管理、数据安全等多场景中广泛应用。因此，人工智能对于提升数据治理的智能化水平具有关键作用，也是降低数据治理门槛的重要突破方向。

趋势三：泛中台化

以数据中台为基础的中台产品体系多点开花

5G时代的到来，人工智能、物联网等创新技术不断发展。随着多设备接入、多系统数据融合互联互通，形成新的数据孤岛，对企业的智能用数发起新的挑战。值此时刻，数据中台的理念体系逐渐完善，相关产品、规范以及标准也趋向统一，落地经验也得到积累，大数据项目纷纷与数据中台结合，数据中台开始从概念热点向项目起点转变。随着企业对中台认知的增强，业务场景需求的解决方案/产品也趋于“中台化”：IoT中台、算法中台、研发中台、组织中台、AI中台等中台产品体系不断丰富。以IoT中台为例，是相对数据中台层次更上的抽象和高级，包含了采集平台、通信中台和数据中台的全部特性，支持除数据分析、处理、交易等抽象业务服务外的采集和通信能力，相对数据中台更加贴合企业业务场景，为未来智慧城市建设提供更加深入和精细化的基础能力。

核心摘要：

定义：智慧园区借助5G、物联网、大数据、BIM、GIS等信息技术，对园区内人流、物流、信息流等数据进行实时收集、存储与分析，实现园区规划设计、实施建设、运营管理等全流程的智慧化升级。利用信息技术，智慧园区内可构建智慧楼宇、智慧社区、智慧工厂、智慧交通等应用场景，并构建集合运行监控、智能决策等功能的智慧园区大脑，有机串联园区内生产厂房、办公楼宇、居民住宅、公共基础设施等不同载体，实现生产、生活、生态的融合发展。

市场：智慧园区主要遵循规划设计、建设部署、管理运营的路径实施部署，通常由园区产权持有方或运营管理机构发起项目需求，支持智慧园区建设发展的各类主体可大致划分为基础层、平台层和应用层。智慧园区建设以注重体系化规划建设、持续业务场景渗透探索、强调平台系统服务作用、关注用户体验为当下主要的业务逻辑。纵观近一年来智慧园区项目招采需求，市场对建设施工、平台系统搭建等项目需求较高；建设施工与运营服务类项目标的金额较高；相对更青睐本地供应商或在当地设有分支机构的供应商。

实践：当前中国智慧园区厂商集中于东部地区，注册资本普遍较高，较为重视技术创新与专利申请。从行业生态格局来看，系统集成商、解决方案商、专业平台商是智慧园区领域的核心玩家，聚焦三类行业核心玩家分析，认为智慧园区市场竞争的关键要素集中在专业资质、行业知识、人才团队、合作生态、技术水平、运营服务等方面。随着智慧园区向专业业务场景渗透、后期运营维护重要程度日益凸显，行业知识、人才团队、合作生态、运营服务等要素的重要性，预计将会有所提升。

展望：中国智慧园区建设整体呈“东部向中西部纵深”发展态势，长期来看，中西部园区智慧化建设及东部智慧园区升级需求并存，市场需求前景仍然可观；智慧园区内部智慧场景进一步纵向拓展、精细化发展，智慧园区的运维也将需要更多能“用数”的数字化人才。也应认识到，在当前智慧园区场景精细化、纵深化发展趋势下，智慧园区业务发展仍面临应用壁垒、业务割裂、数据安全、管理运营等挑战。

1. 从园区到智慧园区

园区概念内涵和功能定位

园区是城市发展的基本单元，通常承担多项复合功能。园区不仅是一个地理空间范畴，也是一个经济范畴，作为我国城市发展的基本单元，有效地链接了个体、企业、城市，是智慧城市建设的基础落脚点。园区的建设运营主体包括政府部门与企业机构等，政府主导型园区主要包括经开区、高新区等，企业主导型园区主要包括单一企业园区、产办类园区、商办类园区等，部分企业主导型园区以“园中园”形式存在于政府主导型园区中。不同的园区通过建设生产厂房、办公楼宇、科研平台、生活配套设施等不同形态的载体设施，以实现生产制造、科技研发、人居生活等一种或多种复合功能。

部分国家级园区的区域分布特征

国家高新区等国家级园区的区域分布呈现东强西弱的特征

国家高新区、国家经开区、国家级科技企业孵化器、国家大学科技园等园区是功能各有侧重的代表性国家级园区。整体来看，上述四类国家级园区区域分布基本呈由东强西弱、阶梯递减的态势，其主要原因是东部地区在经济发展、科研平台建设、信息基础设施建设等方面均具有相对优势，可为园区的建设发展提供更优的人才、技术、资金、场景等资源支持。从省级行政区来看，江苏、广东、山东、浙江等经济强省四类国家级园区总数较多，北京、上海两地高等教育资源丰富，大学科技园的占比远高于其他省份。

园区发展趋势特征

园区发展呈现数字化、绿色化、融合化、专业化趋势

后疫情时代，数字技术加速融入社会发展的各行各业，改变着人们的生产生活方式，驱动着城市智慧化发展。此背景下，园区作为城市发展的重要单元同样在不断地进行演进与迭代。通过借助5G、物联网、云计算、人工智能等数字技术，园区着力解决数据治理能力较弱、资源使用信息分散、公共服务体系不完善、产业主题不明确等问题，展现出园区治理智慧化、生产生活方式绿色化、产城功能融合化、产业服务专业化的发展趋势特征。

智慧园区发展历程和内涵

智慧园区发展经历3个阶段，以实现智能感知数智共享

智慧园区是智慧城市的重要组成，通过融合应用5G、物联网、云计算、人工智能等信息技术，实现互通互联、开放共享、协同运作、创新发展、全面感知的新发展能力。智慧园区的建设发展可分为3个阶段。其中，智慧园区1.0阶段主要通过完善园区信息基础设施建设，初步实现单点设施的初步数字化；智慧园区2.0阶段通过数字化平台的建设，实现多元应用场景的打通；智慧园区3.0阶段将人工智能技术全面融入园区内生产、生活、生态等方面，将园区中生产、运输、生活、市政、交通、能源、商务、商业等各个核心系统整合起来，作为有机整体实现智慧化跃升。

智慧园区的技术驱动要素

信息技术高效集成，赋能智慧园区建设全流程

智慧园区借助5G、物联网、大数据、BIM、GIS等信息技术，对园区内人流、物流、信息流等数据进行实时收集、存储与分析，实现园区规划设计、实施建设、运营管理等全流程的智慧化升级。利用信息技术，智慧园区内可构建智慧楼宇、智慧社区、智慧工厂、智慧交通等应用场景，并构建集合运行监控、智能决策等功能的智慧园区大脑，有机串联园区内生产厂房、办公楼宇、居民住宅、公共基础设施等不同载体，实现生产、生活、生态的融合发展。

智慧园区发展的政策环境

中央加大引导力度，各地提出多维度举措支持智慧园区发展

我国“十四五”规划指出要加快数字社会建设步伐，构筑美好数字生活新图景。中央强调智慧园区在数字化社会建设中的重要作用并多次发布相关政策引导智慧园区的建设与发展。地方在中央政策的指导下，围绕智慧园区建设发展痛点与地方实际情况，积极推进相关政策举措的实施，重点关注资金支持、标准构建、平台建设、应用场景四大方面，多角度、全方位助力智慧园区产业的发展。

2. 智慧园区市场调查

智慧园区建设路径与蓝图

通过规划设计、建设部署、管理运营，打造智慧园区生态

智慧园区的建设运营周期主要可以划分为规划设计、建设部署、管理运营三个阶段，是逐步将数字技术从概念落到园区方方面面，并实现智慧化管理服务和运营维护的系统工程。和智慧城市系统架构类似，智慧园区的生态体系可以划分为基础层、平台层和应用层，其中基础层包括感知终端、网络传输设备等，平台层主要包括基础平台和管理平台，应用层则是不同场景应用系统和交互界面。

智慧园区市场需求：总体概况

市场对建设施工、平台系统搭建等需求较高

基于2021年12月至2022年11月公开的325项智慧园区中标项目信息分析，从招采内容领域来看，近一年市场对建设施工、平台系统搭建两个行业中上游领域需求普遍较高；在包含多项交付内容的总承包项目或多标段项目中，同时包含智慧园区规划设计方案和后续建设施工的项目占比最高，一体交付建设施工与平台系统搭建的项目次之，分别占37.3%和25.5%。

智慧园区市场需求：价格特征

建设施工与运营服务类项目标的金额较高

通过对2021年12月至2022年11月中国智慧园区相关中标项目各领域中标金额进行分析，建设施工和运维服务两类项目的年招标总金额及单笔项目均价均在各类项目中排名靠前，一方面体现出招标方对智慧园区建设施工的偿付意愿依然稳健，另一方面也反映出已有一部分智慧园区在持续运营一段周期后已有了新的运维升级需求，在此浪潮下，为已落地的智慧园区提供后续运维服务已成为智慧园区厂商的一项重要的营收路径。

智慧园区市场需求：采购偏好

招标方偏好本地企业，京粤豫苏企业异地中标较多

通过对2021年12月至2022年11月中国智慧园区相关中标项目供应商地域分布情况进行分析，约72.6%的项目由发包智慧园区所在省内企业（含大型企业在当地市场的分子公司）中标，显示智慧园区项目需求方相对更青睐在本地有企业实体或分支机构的供应商；另有27.4%的项目由外省供应商中标，通过进一步分析发包园区与这些中标企业之间的地域关联，发现在过去一年中，北京、广东、河南、江苏企业中标更多外省智慧园区发包项目。

智慧园区业务逻辑：注重规划建设

覆盖软硬件的规划设计和建设部署是智慧园区重要业务

智慧园区领域规划建设业务覆盖了规划设计、建设部署两大环节，包括楼宇空间、基础设施、智能终端等硬件以及平台系统等软件。由于我国智慧园区整体尚处于快速发展阶段，智慧园区规划设计、建设部署是当前市场重要业务。园区资产持有方、运营机构等需求主体通常重视智慧园区规划工作，期望通过专业化、创新型、可落地的规划设计方案，形成智慧园区建设蓝图，并为智慧园区的建设部署、软硬件采购等工作提供标准依据。

智慧园区业务逻辑：业务场景渗透

智慧园区业务不断向多元化专业化的业务场景纵向渗透

一方面我国园区自身发展呈现专业化发展趋势，另一方面智慧园区建设发展不断完善、日益成熟，目前智慧园区建设开始不断向园区内专业业务场景渗透，同时制造业、医疗健康、教育、能源等领域的专业园区也开始推进智慧化升级。以商业办公为主要业态的智慧园区，其智慧化解决方案主要是围绕不动产行业的业务场景展开；专业业务场景下智慧化解决方案，则需要结合不同行业、不同业务的逻辑和特征，根据不同的要求侧重点，针对性设计并落实智慧化解决方案。

智慧园区业务逻辑：平台作用凸显

平台在智慧园区系统中的重要作用日益收到市场关注

平台在智慧园区系统中扮演着“神经中枢”的角色，通常集成了核心数字设施、关键技术工具、数据存储和计算、提供可视化看板/窗口等重要功能，服务于设备物联、业务融合、运营管理、客户服务等功能模块的实现。尤其是随着智慧园区建设不断向不同业务场景渗透，不同场景下的业务壁垒、数据壁垒、管理割裂等问题突出，平台的建设完善成为突破壁垒、提升智慧化水平的重要手段。市场上也开始出现聚焦于平台的服务商，通过本地部署或者SaaS等模式为客户提供服务。

智慧园区业务逻辑：关注用户体验

以用户体验为核心的运营管理成为智慧园区长久之道

随着智慧园区不断建设完善，智慧园区的发展也逐步迈入以“以人为本”为重要特征的3.0阶段，专业高效的运营管理服务成为智慧园区实现保值增值的重要保障。一方面，智慧园区运营管理服务团队需要综合考虑资产持有方、运营管理方、入驻企业主、职住人员和访客等多元相关主体的不同诉求，通过组织开展客户需求调研、客户满意度调研等工作，不断优化提升服务水平。另一方面，以用户体验为核心的理念逐步向规划设计阶段渗透，要求智慧园区规划设计方案也体现“以人为本”。

智慧园区厂商分布

智慧园区厂商集中于东部，具高注册资本、重实用专利特点

通过对中国经营业务范围包含“智慧园区”字段、目前处于在业或存续状态的560家企业进行梳理分析，发现约有367个中国智慧园区关联企业集中于东部地区，占全部样本企业的65.5%。高注册资本、重实用专利是当下中国智慧园区相关企业的两大特征标签，一方面，较大规模的注册资本金有助于智慧园区厂商在参与项目招投标过程中展现企业实力；另一方面，实用新型专利也是智慧园区厂商新技术方案和技术创新实力的集中体现。

智慧园区厂商生态

系统集成商、解决方案商、专业平台商是行业核心玩家

分不同厂商类型来看，智慧园区系统集成商、解决方案商、专业平台商是目前行业三类核心玩家。其中，系统集成商通常是科技龙头企业，得益于其在基础软硬件和核心关键技术方面的优势，掌握着行业重要话语权，通常会与不同解决方案商合作；解决方案商是行业重要玩家，通常扮演总集成总承包商的角色，统筹负责智慧园区的建设落地及运营；专业平台商是新兴的、在部分专业板块领域有专长优势的厂商，和前两类玩家存在一定竞争关系，在部分专业板块领域存在优势互补的合作关系。其他软硬件厂商、设计施工单位、弱电工程单位等为上述核心玩家提供相应的配套支撑。

核心厂商竞争要素

行业竞争要素主要集中在专业资质、行业知识等6方面

聚焦系统集成商、解决方案商、专业平台商三类行业核心玩家来看，智慧园区市场竞争的关键要素集中在专业资质、行业知识、人才团队、合作生态、技术水平、运营服务等方面。随着智慧园区向专业业务场景渗透、后期运营维护重要程度日益凸显，行业知识、人才团队、合作生态、运营服务等要素的重要性，预计将会有所提升。

3. 智慧园区趋势展望

市场前景可观

中西部园区智慧化建设及东部智慧园区升级需求并存

我国智慧园区建设整体呈“东部向中西部纵深”发展态势，横向对比智慧园区厂商数量区域分布比重与2021年12月至2022年11月智慧园区招采数量区域配比情况，发现东部地区智慧园区招采项目机会多、厂商集中度较高，中西部地区集聚厂商占比低于区域的项目需求占比，预期中西部地区智慧园区市场需求机会较大。不同地区在智慧园区市场需求方面也将产生分异，东部地区一批已完成基础智慧化系统建设的园区在管理运维一定时间后，预期将会更加注重高新技术与绿色可持续化等纵深发展方向，将新的技术、管理手段、管理系统与产业园区的创新性相结合。中西部地区则将依托东部产业转移机遇，立足各自区域特点和园区产业发展基础，将智慧园区建设与园区产业规划发展相结合，推动一批存量产业园区向智慧园区转变。

场景需求多元

智慧园区内部智慧场景进一步纵向拓展、精细化发展

智慧园区实现了由单点智能到全场景智能的转变，随着园区数字平台系统的使用逐渐深入，园区内部个人、企业、园区管理者对于智能化系统的要求不断提升，推动园区内各类智能化场景的建设往更加精细化、定制化的方向发展。各类智慧场景在加强场景间横向体系化联系的同时，也围绕人居生活、企业经营、园区管理、产业发展等主题不断纵向演进，支撑智慧园区一体化、生态化、精细化发展。

专业运营生态

生态营造上，推进智慧园区运维所需的数字人才培养

随着智慧园区相关系统及技术不断渗透到招商运营、专业生产、业务拓展、管理决策等多个场景，各应用场景中能够“用数”的数字化人才出现缺口，导致智慧园区平台系统“设而不用”“不如人工”等问题时有发生，在智慧园区生态下仍需协同多方资源进一步加大数字人才培养力度。当前，我国智慧园区建设、运营、维护等方面主要需要三类人才，第一类是能够运用智慧园区系统办事的运维类人才，第二类是能够利用智慧园区系统优化决策的治理型人才，第三类是有助于智慧园区产品方案优化迭代的创新型人才。

面临新的挑战

依旧面临应用壁垒、业务割裂、数据安全、管理运营等挑战

智慧园区业务发展的根本在于为园区经营管理提供智慧化手段，帮助资产持有方和运营方实现园区资产保值增值、产业生态高效运营、城市服务功能提升等综合性管理经营目标。随着园区智慧化水平不断提高，智慧场景在园区的方方面面应用渗透，智慧园区的建设和运营难度也有所加大，预期将面临专业场景应用壁垒突出、业务割裂问题依旧存在、数据安全日益受到重视、管理运营水平有待提升等难题，需要行业的需求方和供给方共同努力克服。