AI&DATAELEMENTCOMPETITIONWhitePaperofAI&DataElementCompetition2023人工智能與數據要素競賽白皮書2023洞察競賽趨勢，激發數據力量WhitePaperofAI&DataElementCompetition2023《人工智能與數據要素競賽白皮書2023》-編委會成員-（以姓氏筆劃為序）仇玲劉曉霞李俊杰張琳艷徐浩程黃煒付莉劉心田李旭張敏文錢嶺黃毅龍雨劉邵星李喆何子易郭悅梁加琦龍鴻劉鎧華杜宇建周濤袁紹靈游麗金劉明熹劉洋琳張洋趙珺怡涂平魏曉鋒DATASCIENCE洞察競賽趨勢，激發數據力量FollowtheTendencyofCompetitionUnleashthePowerwithinDataCONTENTS目錄人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition20231.競賽基本價值及相關政策061.1人工智能與數據要素競賽概述1.2人工智能與數據要素競賽基本價值1.2.1公共數據要素價值挖掘與應用探索1.2.2賦能企業人工智能與數據要素人才儲備1.2.3完善企業生態建設0709090909101.2.4跨學科融合交流與高校人才培養2.賽事主體112.1主辦方12121314142.1.1政府2.1.2企業2.1.3科研機構&高校2.2賽事類型2.2.1算法賽2.2.2應用賽2.2.3技能賽141516172.2.4教學賽3.賽事架構183.1賽事方案設計3.1.1賽事方案1919213.1.2傳播方案CONTENTS人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition20233.1.3技術方案2122222426262626273.2技術部署3.2.1平臺部署3.2.2定制化開發3.3賽事運營3.3.1賽事招募3.3.2選手運營3.3.3專家運營3.3.4社區運營3.3.5活動運營2730303131323.4賽事結果呈現3.4.1賽事手冊3.4.2新聞報道3.4.3會議/論壇發表3.4.4項目孵化4.2023發展趨勢與前景展望334.1競賽發展現狀34343540414.1.1數據要素與數據產業化導向4.1.2賽題統計與分析4.1.3賽事主體統計與分析4.1.4賽事類型發展趨勢CONTENTS人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition20234.2競賽發展掣肘因素434.2.1賽事類型創新瓶頸434.2.2人工智能人才培養產教脫節4.2.3宏觀經濟制約賽事資源投入4.2.4參賽選手招募與轉化難題4344444545454646464.2.5優秀項目孵化及落地難題4.3未來發展趨勢4.3.1賽題趨勢展望：賽題領域多元拓展與垂直挖掘并行4.3.2賽事服務發展趨勢：延伸成果轉化與賽事沉淀服務4.3.3政策導向與支持力度促進競賽市場回暖4.3.4賽事出海：賽事國際化步伐加快5.2023賽事案例475.1政府賽事案例4852585.2企業賽事案例5.3科研機構&高校賽事案例6.參考文獻60人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition202301人工智能與數據要素競賽基本價值及相關政策Value&RelevantPolicyofAI&DataElementCompetitionAI&DATAELEMENTCOMPETITION人工智能與數據要素競賽白皮書20231.1人工智能與數據要素競賽概述在數字化浪潮的推動下，人工智能（Arti?cialIntelligence,AI）正成為推動社會進步的關鍵力量，2023年，全球AI產業迎來了歷史性的轉折點，生成式AI技術成為新的希望。中國AI產業規模在這一年達到了2137億元，預計到2028年將增長至8110億元，五年復合增長率達到30.6%。隨著AI技術的不斷進步，我們見證了其在多個領域的廣泛應用。從醫療健康到金融服務，從智慧城市到自動駕駛，AI正以其獨特的方式改變著世界。人工智能（Arti?cialIntelligence,AI）作為一門研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的新一代信息技術，已經從早期的符號主義、連接主義演變為如今的深度學習、神經網絡、強化學習等多種范式的融合。現代人工智能涵蓋了機器學習、自然語言處理、計算機視覺、智能決策等多個子領域，不僅在理論上取得了諸多突破，而且在工業制造、醫療健康、金融服務、無人駕駛等眾多行業中產生了深遠影響。近年來，人工智能已從單一技術的追求發展為與實體經濟深度融合的智能技術集群，正在全球范圍內引發新一輪科技革命和產業變革。圖1-1人工智能發展簡史數據要素（DataElement）是指在信息化時代，構成信息資源的基本單元，是信息社會中生產、流通和消費活動中必不可少的新型生產要素。隨著大數據技術的飛速發展，數據要素的地位日益凸顯，從最初作為業務運營的副產品，到如今成為驅動數字經濟發展的核心資源。數據要素涵蓋了原始數據、處理后的有價值信息以及用于支撐人工智能算法的訓練數據等多種形態。隨著數據確權、數據流通、數據安全等相關法規的完善，數據要素的開發利用也經歷了從無序到有序、從封閉到開放的歷史進程。人工智能與數據要素競賽是以人工智能技術為基礎，以數據為核心資源的創新性競賽活動。這類競賽旨在通過解決實際問題，推動人工智能技術在處理和利用數據要素方面的創新應用。2023人工智能與數據要素競賽白皮書07人工智能與數據要素競賽白皮書2023近年來，

此類競賽的內涵和形式都在不斷拓展和深化，

不僅涵蓋了算法設計、

模型訓練、

數據分析等技術挑戰，

還包含了數據處理、

數據治理、

數據安全以及數據倫理等多個層面。競賽題目越來越貼近實際業務場景，

鼓勵參賽者從數據獲取、

加工、

分析到最終形成可行解決方案的全過程參與。隨著數據要素重要性的提升，

人工智能與數據要素競賽逐漸形成了產學研深度合作的新模式，

主辦方囊括了政府、

企業、

高校和科研機構等多個主體，

共同推動人工智能技術與數據要素的融合發展。賽事中，

參賽者不僅能夠通過競賽提升自身的數據處理和人工智能技術應用能力，

還可以通過與企業合作，

將創新成果轉化為現實生產力，

為推動數字經濟的高質量發展貢獻力量。同時，

隨著數據跨境流動、

數據隱私保護等議題的日益緊迫，

競賽活動也越來越注重在合規前提下，

探索數據要素的合理利用和有效保護，

以此促進人工智能與數據科學領域的健康、可持續發展。2023

年

10

月

25

日，

國家數據局正式掛牌成立。國家數據局的成立恰逢其時，

意義深遠。這將進一步加快全國統一、

輻射全球的數據大市場的建設，

推動數字經濟加速發展。國家數據局統籌發展和安全，

充分發揮數據的基礎資源作用和創新引擎作用，

不斷做強做優做大數字經濟，

促進數字經濟和實體經濟深度融合，

為構建新發展格局、

建設現代化經濟體系、構筑國家競爭新優勢提供有力支撐。人工智能與數據要素競賽是在全球數字化轉型和數據經濟蓬勃發展的背景下，

一種新興的、

旨在激發創新活力、

培養高端人才、

挖掘數據價值的新型競賽模式。此類競賽以其獨特的優勢和特點，已經成為推動人工智能技術進步和數據科學應用的關鍵驅動力。人工智能與數據要素競賽通常以公開或定向的數據集為基礎，

邀請全球范圍內的學者、研究人員、開發者以及學生等數字人才參與，圍繞數據處理、機器學習、深度學習、自然語言處理、

圖像識別、

數據挖掘等核心領域展開角逐。通過競賽，

參賽者在限定時間內完成算法設計、

模型構建、

數據分析等工作，

以解決實際或模擬的復雜問題，

展示其在人工智能和數據科學技術上的先進性和應用性。人工智能與數據要素競賽形式多樣，

既有線上云端環境下的算法比拼，

也有線下實體空間里的技術展示與競技。賽題設計緊跟技術前沿與行業熱點，

既可以是技術挑戰賽，

如算法優化、

模型訓練

；

也可以是場景應用賽，

如智慧城市、

智能制造、

金融科技等領域的數據應用創新。此外，

部分競賽還配備了完善的評估體系，

包括自動化的代碼評審和數據結果評測，以及專家評審團的人工評定，確保了競賽的公平性和權威性。通過競賽，

能夠快速集中和培養一批具有實戰經驗的高素質人才，

通過高強度、

實戰性的競賽過程，鍛煉參賽者的跨學科綜合能力。2023人工智能與數據要素競賽白皮書08人工智能與數據要素競賽白皮書2023推動人工智能技術的創新應用，

特別是對于數據要素的挖掘和利用，

通過優化數據處理流程、

提高數據分析效率，

加速數據向生產力的轉化。同時，

競賽集合了政府、

企業、學術機構的力量，

構建起產學研用一體的創新生態鏈，

實現數據資源的高效配置與利用，

推動了人工智能產業的蓬勃發展。充分發揮了數據作為新型生產要素的作用，

通過合法合規的數據開放與共享，

探索公共數據要素在社會治理、

經濟發展、

民生服務等多領域的價值實現。1.2人工智能與數據要素競賽基本價值1.2.1公共數據要素價值挖掘與應用探索2023

年

9

月，中國信息通信研究院發布《數據要素白皮書

(2023

年

)》。白皮書在《數據要素白皮書（2022

年）》的基礎上，

進一步探討數據要素理論認識，

聚焦過去一年來數據要素探索過程中不斷涌現的新模式、新業態、新熱點，重點關注資源、主體、市場、

技術四大方面的發展，

期望能為社會各界進一步參與數據要素實踐探索提供有價值的參考。政府擁有海量人口、

城市、

稅收、

工業等社會關鍵數據，

擔負著激發社會公共數據要素潛在價值、

引導社會經濟良性發展、

提升人民生活水平的重要責任。創新公共數據要素流通方式，

激活數據要素潛能，

探索公共數據要素應用方式是政府部門數字化建設工作的重要內容。1.2.2賦能企業人工智能與數據要素人才儲備在數字化轉型的大潮中，

企業對數據算法人才的渴求達到了前所未有的高度。人工智能與數據要素競賽成為了企業快速聚集和識別此類人才的高效途徑。此類競賽不僅能夠吸引大量對人工智能和大數據技術充滿熱情的專業人士參與，

而且通過實戰型的賽題設計，

直觀展現了參賽者的技術實力、

創新思維和問題解決能力。企業據此甄別并吸納優秀人才，

不僅能夠直接充實其技術團隊，

提升研發能力，

更能優化人才梯隊結構，

為企業的長期發展奠定堅實的人才基礎。通過競賽機制，

企業能夠高效篩選出與企業文化相契合、

技術能力出眾的候選人，

實現人才儲備的戰略布局，

為未來的技術創新和業務拓展預留關鍵資源。1.2.3完善企業生態建設在數字化轉型的推動下，

企業生態建設成為科技型企業增強市場競爭力的關鍵。通過舉辦人工智能與數據要素競賽，

企業不僅能夠對外展示其先進且強大的產品功能，

還能夠借由賽事的影響力強化品牌效應，有效推動產品的市場推廣與銷售。2023人工智能與數據要素競賽白皮書09人工智能與數據要素競賽白皮書2023競賽作為一種開放性平臺，

吸引著廣泛的開發者、

研究人員和企業用戶的參與，

這不僅擴大了企業用戶基礎，

更為企業生態的社區建設提供了豐富的源頭活水。參與者在競賽中交流分享的經驗、

技術成果和創意，

為企業生態注入了源源不斷的創新內容，

促進了服務與產品的迭代優化。這種正向循環進一步增強了企業生態的吸引力和粘性，

構建了更加開放、

活躍的開發者社區，

為科技型企業帶來了更強的市場競爭力和持續增長動力。1.2.4跨學科融合交流與高校人才培養利用數據科學技術進行量化研究、

大樣本研究是目前學術界的主流研究方法之一，

人工智能與數據要素競賽能夠有效促進數據科學人才與其他學科的融合交流。高校作為人才儲量最大的單位，

具備先天辦賽優勢。相對于政府、

企業而言，

高校辦賽成本低，

依靠天然人才池，

可以獲得較高辦賽性價比。對于高校而言，

數據科學成為未來的主流研究領域是大勢所趨，

而數據科學不能只停留在課堂上，

必須通過實戰進行學習訓練，

人工智能與數據要素競賽為高校提供了一個良好的實訓機會，

讓高校數據科學學科建設更加系統化，更加完整，同時可以提升學生數據科學應用能力，促進高校人才培養。2023人工智能與數據要素競賽白皮書10人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition202302人工智能與數據要素競賽賽事主體EventCompositionofAI&DataElementCompetitionAI&DATAELEMENTCOMPETITION人工智能與數據要素競賽白皮書20232.1主辦方人工智能與數據要素競賽作為一種數據要素應用形式，

能夠衍生出諸多價值路徑，

為數據要素所有者提供包括經濟收益、

人才選拔、

政務開展等諸多價值。基于主辦方的價值訴求與身份定位，

人工智能與數據要素競賽的主辦方可以分為三大類

：

政府、

企業與科研機構及高校。在

2022

年統計到的

288

道賽題中，

企業辦賽占據主流，

共計

144道，

占

比

50%

；

科

研

機

構

&

高

校

賽

題

數

量

多

于

政

府

辦

賽，

共

計

98

道，

占

比34.03%

；

政府辦賽

46

道，占比

15.97%。圖2-12023競賽主辦方類型占比政府、

企業和科研機構及高校這三方各有特色，

它們分別從政策引導、

市場驅動和技術研發的角度出發，

共同構筑了人工智能與數據要素競賽的立體架構，

有力地推動了這一領域的全面發展和繁榮。通過相互間的緊密合作與良性互動，

人工智能與數據要素競賽正成為激發創新活力、培養高端人才、推動科技進步和產業升級的強大引擎。2.1.1政府政府作為重要的倡導者與監管者，

不僅制定了相關政策以鼓勵和規范人工智能與數據要素領域的健康發展，

還通過教育部門、

科技部門、

信息化部門等聯合發起此類競賽，

以推動國家戰略新興產業的發展，培育高端創新人才，落實數據要素市場化改革。社保數據醫療數據違章數據公共監控……智慧政務智慧金融智能制造智慧城市……成熟企業創業團隊人民政府行政部門信息收集舉辦賽事成果轉化個人開發者數據要素數據擁有者數據分析

&

應用開發價值激活圖2-2政府辦賽鏈路圖2023人工智能與數據要素競賽白皮書12人工智能與數據要素競賽白皮書2023政府在人工智能與數據要素競賽中的角色至關重要，

它是賽事的宏觀調控者和重要推手。政府通過出臺相關政策法規，

為人工智能和數據要素領域的發展提供制度保障，

營造有利于科技創新的良好環境。具體到賽事層面，

政府機構如科技部、

教育部門、

工信部門等會聯手主辦或協辦此類競賽，

以國家戰略為導向，

設定符合國家科技發展規劃和產業政策的競賽主題。政府主辦的賽事通常具有極高的權威性和公信力，

不僅能夠調動各方資源，

保證賽事的順利進行，

還可以吸引來自全球的頂尖團隊和個人參與。賽事的舉辦有助于推動國家人工智能與數據要素相關技術的發展，

發掘并儲備高端人才，

同時也能引導和規范行業健康有序發展，促進產學研用的深度結合，加速科技成果的轉化與應用。圖2-3典型政府賽事—山東省第五屆數據應用創新創業大賽2.1.2企業企業作為市場競爭的主體和技術創新的主力軍，

積極參與到人工智能與數據要素競賽的主辦工作中，

憑借其深厚的行業經驗和市場敏感度，

基于自身的業務需求和技術積累，洞察市場趨勢，

主動發起和主辦賽事，

以解決實際應用場景中的痛點問題。企業主辦的賽事通常更加注重技術創新的實用性與商業化潛力，

旨在挖掘能夠直接服務于產業升級、產品優化或市場拓展的解決方案。企業通過競賽，

不僅可以吸引和篩選出具備優秀技術和應用能力的團隊或個人，

為其提供實際項目實踐的機會，

還能借此契機與參賽者建立起長期合作關系，

共同推動產品和服務的迭代更新。同時，

企業主辦的賽事還有助于塑造品牌形象，

展示企業的社會責任感和技術領導力，進一步鞏固和提升其在行業內的地位。2023人工智能與數據要素競賽白皮書13人工智能與數據要素競賽白皮書2023圖2-4典型企業賽事—中國移動“梧桐杯”大數據應用創新大賽2.1.3科研機構&高校科研機構與高校在人工智能與數據要素競賽中承擔著創新源和人才培養基地的重任。它們主辦的賽事往往以基礎理論研究和前瞻性技術探索為主，

旨在引導參賽者攻克學術難題，推動學科邊界拓展和技術創新。科研機構通過主辦競賽，

可以促進學術界的交流合作，

碰撞出新的研究火花，

孕育出具有顛覆性意義的創新成果。高校作為人才培養的主要場所，

通過主辦或參與此類競賽，可以提升在校學生和青年教師的實踐能力，

鍛煉其解決復雜問題的技巧，

同時也能激發學術好奇心和科研熱情，為人工智能與數據要素領域輸送源源不斷的高質量人才。圖2-5典型科研機構賽事—猛犸杯國際生命科學數據創新大賽2.2賽事類型2.2.1算法賽算法賽是指以算法技術為核心，

針對具體問題設計具有客觀可量化評分標準的賽題，

通過算法搭建與大量數據分析解決具體問題的數據科學競賽形式。2023人工智能與數據要素競賽白皮書14人工智能與數據要素競賽白皮書2023算法賽面對不同辦賽主體產生了多種價值。在政府辦賽中，

算法賽開放大量公共服務數據，

創新政府數據開放方式，

讓地方公共數據惠及社會。在企業與科研機構辦賽中，

算法賽能夠篩選技術人才與算法方案，

一方面解決人才精準招聘與技術交流的問題，

另一方面發現優秀算法，提升業務算法水平、完善業務算法體系，促進學術算法發展。圖2-6第三屆“梧桐杯”三大算法賽賽道2.2.2應用賽應用賽是指以實際需求為核心，

探索算法框架與實際需求的創新性結合方式，

同時綜合商業模式、

市場需求等因素的數據科學競賽形式。應用賽主要通過方案落地發揮價值，尤其政府辦賽提供的創業扶持、

資本對接、

宣傳推廣能夠促進優秀項目加速孵化。賽事過程中提供的專業培訓指導也能夠推進參賽方案的二次優化，

增強落地可能性，

為民生福祉與經濟發展做出貢獻。圖2-7第二屆移動云杯大賽應用賽賽道2023人工智能與數據要素競賽白皮書15人工智能與數據要素競賽白皮書20232.2.3技能賽專為企業、

工會以及其他組織內部員工量身定制，

旨在提升員工在當今數字化轉型浪潮下的核心競爭力，

尤其是針對數據科學與人工智能關鍵技術領域，

通過豐富的實戰演練與嚴謹的考核機制，全面檢驗并提升參賽者的職業技能水平。賽題可覆蓋一系列重要技術板塊，

包括但不限于數據處理、

機器學習、

深度學習、

自然語言處理（NLP）、

圖像處理、

數據挖掘以及大數據技術等。針對不同的技能層級，

可設計不同的實操訓練課程與考核內容，

確保每位參賽者無論處于何種技術水平，

都能找到適合自己的挑戰，從而在實踐中不斷提升專業能力。考核形式上采用靈活且多元化的試題結構，

主辦方可根據實際需求自由配置各類題型，如單選題、

多選題、

判斷題以及填空題等。這種高度定制化的試卷設計能夠更好地適應不同崗位與角色的技能評測需求。評分機制方面采取自動化與人工相結合的方式，

確保公正客觀的同時，

兼顧了主觀題目的評估靈活性。單選題和判斷題基于標準答案進行自動評分，

大大提高了批閱效率

；對于多選題，

可根據各個選項的重要性進行精細化賦分，

鼓勵參賽者全面理解問題

；填空題則引入了關鍵詞匹配自動評分功能，

同時保留了人工復核和評分的環節，

確保對參賽者答案的深度和準確性進行全面考量。圖2-8DC技能賽答題頁2023人工智能與數據要素競賽白皮書16人工智能與數據要素競賽白皮書20232.2.4教學賽教學賽是近年來教育與職業技能培養領域的一種革新嘗試，

特別是在人工智能教育方面，

通過創新的教學賽形式，

實現了教育方式的融通與升級，

構建了一個多元化、

融合型的學習生態環境。首先，

教學賽作為一種新型教學手段，打破了傳統的課堂講授模式，

由高校教師發起，

以課程作業或者項目任務的方式

呈

現

給

學

生。這

種

競

賽

化

的

學

習

方式，

鼓勵學生將所學人工智能理論知識應用于實際問題的解決中，

通過機器自動評分與代碼審查雙重考核機制，

確保了對學生實踐操作能力和理論知識掌握程度的精確評估，

從而開辟了一條全新的教學成果考核路徑。圖2-9DC教學賽在教學賽的設計上，

強調了實訓場景的競技新模式，

努力打通高校教育與社會實踐的壁壘。通過精心策劃的比賽場景，

力求使教學訓練環節盡可能接近真實的業務情境，

讓學生在富有競技性和趣味性的實戰環境中磨練技能，

深度體驗從理論到實踐的過程，

有效激發他們的學習積極性和創新潛能。總之，

教學賽是對傳統教育模式的一種有益補充和深化，

它能夠有效地將教學內容與實際需求相結合，

培養學生們的自主探究能力和創新能力，

為我國人工智能教育事業的長遠發展奠定了堅實的基礎。圖2-10DC競賽平臺哈爾濱工業大學（深圳）教學賽2023人工智能與數據要素競賽白皮書17人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition202303人工智能與數據要素競賽賽事架構TheFrameworkofAI&DataElementCompetitionAI&DATAELEMENTCOMPETITION人工智能與數據要素競賽白皮書20233.1賽事方案設計3.1.1賽事方案人工智能與數據要素競賽的賽事方案設計主要指比賽的背景和機制設計，

確定賽事基調，

指導賽事落地，

包括組織架構、

賽事類型、

賽程賽制、

概念包裝、

賽事獎項等內容。組織架構人工智能與數據要素競賽的組織架構通常分為三個層級

：

指導單位、

主辦單位、

協辦單位。指導單位在政府背景賽事中出現較多，

主要為主辦單位的上級主管部門，

級別較高的指導單位能夠提升賽事級別與社會影響力。主辦單位主要為競賽組織的實際決策單位，

也是競賽的實際發起單位。協辦單位包括競賽的運營單位、

贊助單位以及其他相關單位。賽事類型目前常見的人工智能與數據要素競賽主要分為算法賽與應用賽兩類。算法賽是以算法技術為核心，

針對具體問題設計具有客觀可量化評分標準的賽題，

通過算法搭建與大量數據分析解決具體問題的人工智能與數據要素競賽形式。應用賽是指以實際需求為核心，探索算法框架與實際需求的創新性結合方式，

同時綜合商業模式、

市場需求等因素的人工智能與數據要素競賽形式。算法賽以數據分析技術為核心，

采用機器客觀評分的考核方式，

注重參賽者個人技術實力的較量，

有助于實現技術人才選拔。同時，

算法賽需要大量數據作為支撐，

是促進公共數據開放與應用的有效途徑。應用賽以創新應用方案為核心，

采用專家主觀評分的考核方式，

綜合考量參賽方案在專利技術、

市場需求、

商業模式等多維度的價值，

有助于選拔優質創業團隊與解決方案。同時，應用賽對主辦方提供的數據量要求較低，賽事籌備的技術難度較低。同時，

由于大數據技術與人工智能的深度綁定，

目前也出現了許多以仿真、

機器人為形式的人工智能與數據要素競賽。2023人工智能與數據要素競賽白皮書19人工智能與數據要素競賽白皮書2023圖3-1應用賽與算法賽特征對比賽程賽制人工智能與數據要素競賽大多為開放競賽，

面向社會大眾或特定范圍征集參賽者，

如專門面向在校學生、

在職人士、

特定領域從業者等，

這類賽事以初賽

-

決賽的二輪賽制為基礎，

通過初賽過濾不符合技術要求的參賽者，

通過決賽進行最終排名。在兩輪賽制的基礎上衍生出了初賽

-

復賽

-

決賽的三輪賽制，

利用復賽對初賽晉級的選手進行更精準的篩選。與開放式競賽相對的是定向邀請賽，

由主辦方邀請參賽團隊，

這類賽事賽制較為自由，

參賽團隊較少，

可以采用多輪賽制，

也可以采用一輪賽制。競賽賽程視賽制而定，

在多輪賽制中初賽時間最長，

通常占賽事全程的一半

；

復賽時間較短，

供參賽者進行參賽方案優化

；

決賽時間與復賽時間類似，

供參賽者進行方案的進一步優化。一般來說，人工智能與數據要素競賽的總體賽程在

3

個月左右。賽事獎項人工智能與數據要素競賽的主要獎勵機制包括獎金、

獲獎證明、

政策扶持三方面。作為人工智能與數據要素競賽最為直觀、

直接的激勵機制，

獎金數量與分配是影響參賽者競賽選擇的重要因素，

獎金與招募效果存在正相關關系。隨著近年來單場賽事規模擴大、賽題數量增加，

賽事總獎金水漲船高，

2023

年部分賽事獎金總額超過百萬元。獲獎證明是在校學生群體較重視的賽事獎項，

含金量較高的賽事獲獎證明能夠為其就業提供便利。政策扶持包括政府類賽事中的項目孵化政策、

人才引進政策與企業賽事中的就業支持政策。政府賽事主辦方為獲獎團隊提供場地支持、

政策支持與資本對接，

為獲獎人員提供落戶、

就業便利

；

企業賽事主辦方為優秀選手提供面試直通車或入職邀請。優厚的政策扶持能夠彌補獎金缺口，提升賽事吸引力與社會評價。2023人工智能與數據要素競賽白皮書20人工智能與數據要素競賽白皮書20233.1.2傳播方案賽事傳播是人工智能與數據要素競賽運營過程中的重要環節，

一方面良好的賽事傳播夠吸引更多參賽者，

從而提升賽事水平

；

另一方面精準的賽事傳播能夠有效擴大賽事的社會影響力，

助力辦賽方的品牌建設。在面向社會大眾的一般賽事中，

傳播方案主要包含兩方面的內容

：

賽事招募信息傳播與賽事成果傳播。賽事招募信息傳播是賽事整體傳播方案中最重要的部分，

合理配置賽事傳播渠道、

設計賽事傳播內容是實現良好賽事招募效果的前提。目前較為常見的賽事招募信息傳播方式包括自媒體廣告投放、社群傳播、垂類平臺廣告投放等。賽事成果傳播是主辦方品牌傳播與成果展示的重要途徑，

能夠向社會公眾與領域內人士傳遞品牌價值。常見的賽事成果傳播方式主要以新聞媒體傳播與垂類自媒體傳播為主。圖3-2DC競賽賽事傳播方案概覽3.1.3技術方案人工智能與數據要素競賽以線上賽為主，

專業的技術支持是賽事籌備的必要條件。從賽事運行的角度，

賽事技術方案可以分為競賽環境搭建方案、

賽題與評分算法設計方案兩大類。競賽環境搭建方案人工智能與數據要素競賽需要線上賽事運行環境，

主要表現為賽事網站以及相應的競賽系統。其中競賽系統又分為作品提交系統、

主客觀評分系統、

賽事排行系統、

在線編程系統、算力設施等。2023人工智能與數據要素競賽白皮書21人工智能與數據要素競賽白皮書2023賽題、數據與評分算法設計方案辦賽過程中，

賽題是最為關鍵的一環，

直接關系到辦賽需求的滿足、

賽事招募能力與賽事整體效果。賽題設計、

數據準備與評分算法的制定構成了核心三要素，

直接影響賽事的成功與否。對于政府機構而言，

賽題設計不僅要聚焦于數據的開放共享與實際問題的解決，

還需考慮如何吸引廣泛參與者，

這就要求賽題既要具備一定的挑戰性，

也要確保數據的可獲取性和代表性，

以激發不同背景選手的興趣與參與度。政府賽事應注重數據集的構建，

確保其質量、

多樣性和隱私保護，

同時提供詳盡的數據說明文檔，

幫助參賽者快速理解數據結構與背景，

提高賽題的吸引力和可操作性。對于企業而言，

賽題設計需緊密結合業務痛點，

旨在挖掘具有解決實際問題能力的人才，

因此賽題難度和數據的針對性至關重要。企業應精心挑選或合成與業務場景密切相關的數據集，

確保數據的時效性與真實性，

同時考慮數據的脫敏處理，

以保護敏感信息。在此基礎上，

同樣需要經驗豐富、

技術水平較高的算法專家進行賽題優化，

以及跟隨賽事進程，

不斷關注賽事進行的最新反饋，

確保賽題既能準確反映業務需求，

又能合理評估參賽者的技能水平。此外，

評分算法的設計應綜合考慮解決方案的創新性、

實用性及技術難度，

以期全面評估參賽作品的價值。在整個賽事進程中，

數據的動態更新與反饋機制同樣重要。賽事主辦方根據賽事進展適時調整數據集，

引入更多樣化的真實場景數據，

以增強賽題的現實意義。同時，

通過算法專家的持續指導，

優化評分算法，

確保其公正性與準確性，

及時反映參賽作品的最新進展與創新點，為賽事的公正評價與人才選拔提供可靠依據。3.2技術部署3.2.1平臺部署辦賽過程中必然需要賽事網站、

競賽系統、

在線算力與服務器。在算法賽中，

參賽者需要將作品上傳賽事網站或依靠賽事網站系統提供的在線編程功能進行方案開發，

在賽事后臺進行評分，

并將評分反饋給參賽者。這一整個過程都需要有功能完善的賽事平臺與足以匹配賽事需要的云計算資源。2010

年

Kaggle

競賽平臺在墨爾本成立，

標志著人工智能與數據要素競賽商業化的成功，

以

Kaggle

平臺為代表的

Kaggle

競賽模塊也成為了競賽平臺的標準技術架構，

主要包括參賽系統、在線實訓系統與評分系統三大部分。參賽系統為參賽者提供報名、

組隊、

作品提交等基本功能，

主流競賽平臺也包括評論分享、社區交流等功能。2023人工智能與數據要素競賽白皮書22人工智能與數據要素競賽白皮書2023在線實訓系統是目前參賽算法開發的主流方式，

支持參賽者在競賽平臺的網站直接進行代碼開發與算法運行，

一方面降低了不同參賽者所擁有的算力資源對賽事結果的影響，提升比賽結果的公平性

；

另一方面可以通過云端環境保障賽事數據的安全性，

避免敏感數據外泄。評分系統能夠將賽題測試集數據導入選手提交的算法模型，

并自動計算模型準確性與運行效率等賽題評分的關鍵指標，

為參賽算法打分并生成實時排行，

根據評分規則全自動客觀評分維護賽事結果公正。在賽事部署策略中，

公有云因其靈活性和成本效益成為普遍選擇，

尤其適合需要快速擴展資源的比賽，

盡管這要求依賴云服務商來確保數據安全。私有云部署，

則為數據安全和合規性要求極高的競賽提供了全面控制，

適合處理敏感信息，

盡管初期投入較大。混合云策略巧妙融合兩者，

利用公有云處理高計算需求，

同時在私有云保護敏感數據，

實現了靈活性與安全性的平衡。而對于處理極高度機密數據或在特定限制環境下的競賽，斷網或離線部署成為必要，

通過物理隔離確保數據安全無虞，

盡管這可能犧牲一定的便捷性和擴展性。因此，

根據賽事的具體需求、

數據敏感度、

成本考量及安全要求，

科學選擇公有云、

私有云、

混合云或斷網部署模式，

是確保競賽順利舉辦與數據安全的核心策略。近兩年，

云計算逐漸成為人工智能與數據要素競賽的主流技術應用。為賽事賽題匹配相應的云計算資源是舉辦人工智能與數據要素競賽優先考慮的問題之一，

其要求包括適當的性價比、

穩定性、

算力匹配等。適當、

穩定的云計算資源可以提升參賽體驗、

降低賽事運營難度、

避免各類問題，

良好的性價比可以降低賽事成本，

實現資金合理化分配，并提升主辦單位復辦意愿。另外，

成熟的賽事系統能夠有效維護賽事數據安全。隨著數據在企業運營中的重要性逐漸增加，

數據安全逐漸成為辦賽過程中主辦方最為關心的問題之一，

如何在保障數據內容完整傳遞到參賽者手中完成競賽的同時，

避免敏感數據外泄，

成為人工智能與數據要素競賽技術籌備階段最為重要的問題。賽事數據需要在脫敏后應用于賽事運行，

對于保密級別更高的數據，

脫敏處理不足以滿足保密性需求，

數據傳輸過程同樣需要采用完善的加密手段與平臺設計，

使數據保留在線上，而不會被參賽者非法下載轉作他用。根據具體賽題需求和數據敏感度的不同，

部署了數據科學協同平臺與計算資源的云端競賽環境可以選擇將賽題數據掛載在工具內，

禁止參賽者將數據下載至本地，

防范數據泄露的風險。2023人工智能與數據要素競賽白皮書23人工智能與數據要素競賽白皮書2023同時控制競賽平臺用戶訪問權限，

防止未授權用戶非法使用系統，

以身份識別、

登錄次數限制、賬號驗證、口令驗證等方式嚴控用戶數據訪問權限、界定訪問范圍。傳統競賽傳輸方式云端競賽傳輸方式參賽者報名參賽者報名云端競賽采用云端創建項目的方式下載數據集至本地取代本地創建項目，避免數據下載操作獲取項目權限創建項目云端查閱訓練集數據算法模型搭建調用訓練集數據算法模型搭建調用測試集數據返回測試結果優化模型本云地端操操作作,?除數訓據練集提交模型至評分服務器服務器運行模型返回測試結果集內數容據完外全完暴全露不可見優化模型上傳結果，獲取成績提交模型，獲取成績圖3-3競賽數據傳輸方式對比在數據傳輸過程中采用

TLS

安全協議實現系統間數據傳輸的完整性保護，

防止傳輸數據被嗅探和竊聽。在服務器之間傳輸數據、

用戶終端訪問應用系統之間都支持通過支持安全傳輸協議與傳輸信息的加密實現傳輸安全。在數據儲存中對數據庫中的結構化業務敏感信息采用高強度數據庫口令保護，

減少數據庫口令被破解的風險

；

對存放在數據庫中的敏感信息采取非對稱加密，

保證非法用戶即使進入數據庫也無法獲取有用信息。將非結構化數據如文本、

音頻、

視頻通過加密后存放在文件系統，即使非法用戶獲取到文件也不能直接讀取文件的內容。3.2.2定制化開發賽事主辦機構和辦賽目標的多樣化導致不同賽事的差異逐漸擴大，

以

Kaggle

模式為基礎的標準人工智能與數據要素競賽模塊（主要包括參賽系統、

在線實訓系統與在線評分系統）已經不足以滿足復雜化的賽事需求，

因此定制化開發幾乎成為國內絕大部分賽事的硬性需求。2023人工智能與數據要素競賽白皮書24人工智能與數據要素競賽白皮書2023定制化開發主要包括兩方面

：

前端展示開發與后端功能點開發，

在視覺展示、

交互體驗、功能特色、賽事流程等方面形成各自的賽事特色，以滿足不同主辦方的辦賽需求。前端展示開發前端展示開發指賽事網站頁面視覺效果和交互設計的開發，

如網站落地頁設計、

交互按鈕設計、

詳情頁入口設計等，

需要網頁

UI

設計與前端開發的配合，

是形成獨特賽事品牌的基礎環節。圖3-4賽事落地頁示例后端功能點開發后端功能點開發包括與前端展示的內容對應的功能點以及特殊的賽事系統功能，

如特殊的數據加密方式、數據傳輸方式、評分方式、在線答題、代碼評估等傳統賽事模塊之外的特殊功能。在賽事基本需求不變的情況下，

賽事后端功能點可以復用，

以縮減賽事平臺部署成本，

對于新的賽事品牌而言，

由于缺乏賽事平臺搭建經驗，

往往需要依托于成熟的賽事平臺進行定制化開發，因此定制化的后端功能點開發是新賽事的必要環節。2023人工智能與數據要素競賽白皮書25人工智能與數據要素競賽白皮書20233.3賽事運營人工智能與數據要素競賽的流暢運行需要穩定合理的賽事系統與高效精準的賽事運營相結合，

近年來人工智能與數據要素競賽的形式逐漸復雜化，

附屬賽事活動越發多樣化，使數據科學賽事從數據與選手的鏈接轉變為主辦方、

數據、

選手、

專家、

活動相關方等多方參與的有機整體，這些特征為賽事運營帶來了更大的挑戰。3.3.1賽事招募除極少數與參賽者有天然強關聯的主辦方（如高校）外，

大多主辦方與潛在參賽者具有距離。成熟的招募手段是辦賽效果與賽事完成度達成的關鍵，

利用適當的運營手段增強賽事粘性，

引導參賽者走完從報名到完賽的全流程，

提高完賽

/

報名比。同時合理的招募方式也是控制賽事成本的重要手段，

篩選優質高效招募渠道，

提升招募成本投入產出比，并維系參賽者忠誠度，提升系列賽事復參率。另外，

在賽事進行過程中，

往往會出現各種各樣意想不到的問題，

輕則引發部分選手的不滿、

重則導致賽事停擺、

大批選手退賽，

因此辦賽還需要專人進行賽事運營（非計算機技術手段），

這對于賽事順利進行、

賽事目標高效達成以及打造口碑良好的賽事品牌具有重要作用。3.3.2選手運營選手運營是賽事運營的主要環節，

由于賽事形式逐漸復雜，

選手在參加競賽的過程中經常遇到賽事規則不明確、

賽題要求不清晰、

賽事系統故障、

賽題數據不完整等問題，

這些問題一方面阻礙了賽事的正常運行，

需要專人負責收集選手的反饋信息，

并交由相關技術人員進行修改更正

；

另一方面可能引發參賽者不滿情緒，

阻礙賽事正常進行甚至引發負面輿論，

對主辦方社會形象造成不利影響，

需要運營人員及時進行公關安撫，

降低負面輿論聲浪，維護賽事良好聲望。3.3.3專家運營在近年來的賽事實踐中，

客觀評分與專家主觀評審相結合是絕大多數賽事決賽的主要形式，

尤其在應用賽中，

專業水平高、

行業聲望大的專家評審是維護賽事結果公平合理的重要因素。因此，

專家評審的邀請與接待也是人工智能與數據要素競賽運營的重要工作之一。2023人工智能與數據要素競賽白皮書26人工智能與數據要素競賽白皮書20233.3.4社區運營人工智能競賽具有天然的社區效應，

越來越多數據科學人才選擇參賽以實踐理論技能，并在過程中進行持續的協作、

交流和討論，

形成了具有專業屬性的社區雛形。以全球最大的人工智能競賽平臺

Kaggle

為例，

作為全球最大的數據科學人才社區，

在與不同機構組織合作舉辦人工智能競賽之外，

Kaggle

還以數據集、

開源代碼項目分享等豐富的內容吸引人才匯集，

在其數據科學的成長發展之路上不斷進行助力和賦能，

從而使得海量處于不同成長階段的專業人才均對其產生了強大的粘性。數據科學社區集聚的人才來自不同行業不同職能，

能夠及時響應復雜多元的競賽需求，

為人工智能競賽的成功舉辦提供了復合能力的全方位支持。活躍的互動交流也在社區上不斷沉淀著技術先進、

應用成熟的真實案例，

突破固有認知的創新源源不斷地發生，

進而為人工智能競賽基礎上的數字化創新提供了底層支持。3.3.5活動運營人工智能與數據要素競賽逐漸成為主辦方品牌生態的組成部分，

與賽事相關的附屬活動成為賽事設計的重要組成部分。活動運營與線上賽事運營不同，

涉及線下活動策劃、

運營、現場搭建、組織協調等會務類工作，需要具有會務從業經驗的人員組織實施開展。圖3-5第三屆“梧桐杯”大數據創新大賽總決賽線下活動2023人工智能與數據要素競賽白皮書27人工智能與數據要素競賽白皮書2023線下賽事通常可以分為兩類

：

線下答辯與線下對抗。線下答辯線下答辯主要提供作品說明和答疑解惑兩種功能，

這兩種功能在應用賽中更加明顯。應用賽通常不適用客觀可量化的評價指標，

以評委主觀評分為主要評審方式。在這種評分模式下，

PPT

與產品

/

方案說明文檔并不能全方位展示產品

/

方案的實用性和創新性，線下答辯過程中評委與參賽者的問答互動能夠有效改善評委對產品

/

方案的認知，

并消除誤解和疑義。在算法賽中，

通常以算法模型的準確性、

運行效率、

運行時長等客觀可量化標準作為評分基準，

線下答辯的重點更多地集中于模型的創新性、

通用性等方面。同時專家評審的有效建議也可以幫助參賽者提升模型效率，

拓寬設計思路，

促進參賽者技術成長。圖3-6線下答辯示例現場競技現場對抗是創新型的線下競賽方式，

常見的現場對抗有攻防對抗、

黑客馬拉松等。現場對抗要求參賽者在短時間內依靠有限資源呈現最優的作品成果，

對參賽者實力考驗較大。攻防對抗攻防對抗通常用于涉及安全的賽題當中，

參賽者被分為進攻與防御兩組，

根據賽題要求進行分組對抗，

以淘汰制或積分制方式進行評比。攻防對抗對賽題、

數據、

組織能力、參賽者水平都有較高要求，組織成本較高。2023人工智能與數據要素競賽白皮書28人工智能與數據要素競賽白皮書2023圖3-7攻防對抗示例黑客馬拉松黑客馬拉松是程序

/

產品設計賽事的常見組織方式，

要求參賽者在指定時間內（時間較短，

通常為

12/24/36/48/72

小時），

在指定場地內完成作品設計、

程序編寫、

運行測試、程序優化、作品提交。這種方式是對參賽者知識積累、技術沉淀、設計思路的挑戰，

這種競賽模式主要針對人才發掘，

在一定程度上犧牲作品水平的同時，

挖掘更具技術實力的人才。圖3-8黑客馬拉松示例2023人工智能與數據要素競賽白皮書29人工智能與數據要素競賽白皮書2023實時刷榜實時刷榜是黑客馬拉松在人工智能與數據要素競賽中的一種延伸探索，其基本組織方式與黑客馬拉松類似：組織參賽者在限定場地、限定時限內完成競賽任務。不同的是黑客馬拉松往往采用現場發布賽題任務、現場設計方案、現場編程的方式進行，實時刷榜則作為一場大型賽事的決賽，讓參賽者攜既有方案、模型現場進行優化，通過大屏實時展示成績營造緊張的競賽氛圍，激發參賽者潛力。圖3-9實時刷榜示例3.4賽事結果呈現3.4.1賽事手冊賽事手冊常見于應用賽，應用賽中賽事成果以方案為主，且通常涉及專利技術，單一的成績排名難以體現多樣化的賽事成果產出。賽事手冊篇幅限制小，能夠充分體現主辦機構、參賽團隊、參賽方案、相關專利技術等內容，在線下活動中進行發放，能夠擴大賽事成果傳播效果，促進參賽方案展示效果，提升賽事方案落地的可能性。圖3-10賽事手冊示例2023人工智能與數據要素競賽白皮書30人工智能與數據要素競賽白皮書20233.4.2新聞報道賽程關鍵節點的新聞通稿是絕大部分賽事，尤其是政府背景賽事的標準流程。一方面向業界展示賽事進程與賽事成果，另一方面對于提升主辦機構社會影響力，提升主辦機構品牌輿論權重等具有重要作用。圖3-11新聞通稿示例3.4.3會議/論壇發表人工智能與數據要素競賽起源于學術會議，

首次人工智能與數據要素競賽是

1997

年由ACM

（國際計算機學會）

分支機構

SIGKDD

（數據挖掘及知識發現專委會）

發起的第一屆

KDDCUP，

迄今共舉辦了

25

屆，

被譽為數據科學“世界杯”。人工智能與數據要素競賽與學術會議和商業論壇具有深厚淵源，

現在仍有許多學術會議和商業論壇將競賽作為重要的附屬活動，

將賽事線下決賽作為活動的環節之一，

借助會議和論壇本身的行業影響力，提升賽事影響力和賽事成果的展示傳播效果。如

2023

猛犸杯國際生命科學數據創新大賽決賽頒獎儀式直接在蓮都區人才科技賦能美麗健康產業高峰論壇現場進行，

并將賽事成果手冊現場發放，

將賽事成果直接傳遞到業界人士手中，實現精準觸達，提升賽事方案落地空間。圖3-122023MICOS決賽暨蓮都區人才科技賦能美麗健康產業高峰論壇現場2023人工智能與數據要素競賽白皮書31人工智能與數據要素競賽白皮書20233.4.4項目孵化賽事方案孵化落地是賽事成果轉化最直接的方式，但落地難度較大。成功的賽事項目孵化需要多方因素互相配合。常見阻礙賽事項目落地的因素包括方案因素、政策因素、資本因素等。在應用賽中，參賽團隊包括企業團隊、大學生團隊、創業團隊等，各類方案側重點不同，難以實現專利技術、創意性、商業性、落地性的有效結合，尤其是大學生團隊方案往往缺少成熟可行的商業模式，難以落地。對于賽事優秀方案可以進行標準化，形成可復制的解決方案，在不同地區或領域進行推廣和優化，并與上下游企業合作，如硬件供應商、軟件開發商、系統集成商等，共同打造完整的解決方案。在算法賽中，企業可搭建算法交易平臺或云服務，將優秀的算法模型作為服務出售，供其他企業或開發者按需調用。這種方式降低了技術壁壘，加速了算法成果的市場滲透。同時引導參賽團隊對原創算法進行專利申請，形成知識產權保護體系，通過專利授權模式，將算法許可給有需求的企業使用，實現技術變現。企業也可為參賽者提供職業規劃指導與專業技能培訓，增強其就業競爭力。通過賽事組織線上或線下培訓課程，涵蓋算法優化、項目管理、商業分析等多個領域，幫助參賽者全面提升個人能力。國內較為成功的項目孵化賽事是“浙江數據開放創新應用大賽”，大賽一等獎作品《山鄉共富小助手》融合了民宿相關信息、民宿周邊人文自然信息、農特產品信息等9類公共數據，破解了民宿產業區域發展不均衡、規模不經濟、產業鏈不完整、帶動力不強等問題，當前已在安吉縣進行試點，接入民宿829家，客房1.1萬間，床位4.9萬張。大賽一等獎作品《安迅應急救援產業互聯》，迭代升級為現在的“救在身邊”應用，已實現從臺州512公里向全省4158公里的高速運營覆蓋。《海洋“清道夫”船舶水污染防治應用》讓處置企業提高效益20%，大幅降低政府治理費用80.6%，在全國2520個萬噸級泊位推廣；《“反詐一哥”應用》已精準宣防易受騙人員及預警潛在受害人381972人次，攔截勸阻案件4143起，防損金額1.3億元；《碳效碼》應用為湖州全市3700余家規上工業企業“精準畫像”。圖3-132022浙江數據開放創新應用大賽優秀成果亮相互聯網大會2023人工智能與數據要素競賽白皮書32人工智能與數據要素競賽白皮書2023WhitePaperofAI&DataElementCompetition202304人工智能與數據要素競賽2023發展趨勢與前景展望2023DevelopmentTrendsandProspectsofAI&DataElementCompetitionAI&DATAELEMENTCOMPETITION人工智能與數據要素競賽白皮書20234.1競賽發展現狀4.1.1數據要素與數據產業化導向2024

年

1

月發布的《“數據要素

×”三年行動計劃（2024—2026

年）》，

從制造、

商貿、

金融產業著手發力，

為數據要素在高質量發展中發揮“乘數效應”提供了更為明確的落實路徑和發展框架。生產、

商業、

服務等模式將依托擁有更廣闊發展空間的數據要素，不斷創新成長，為接下來中國經濟高質量發展“鋪路架橋”。圖4-1《數據要素×”三年行動計劃(2024—2026年)》數據要素賦能產業技術，

創新生產模式。當前我國正堅持以產業數字化與數字產業化雙輪驅動為企業生產、

產業升級提供更多機會。在數據要素的持續推動下，

數字技術與傳統產業正實現深度融合，

借助物聯網、

自動化等新技術打造智能制造，

升級先進供應鏈。通過“數據要素

×”，

為勞動者提供學習、

掌握先進技術的機會，

從過去技術升級服務生產模式轉變為數據要素流通創新生產模式全鏈優化。在數據要素的推動下，

制造更智能，

供應鏈更先進，

勞動者更全面，

提效、

降本、

加速升級的新生產模式有望實現。數據要素培育新業態，

創新商業模式。大批企業正借力數據要素持續探索新商業模式。2022

年，

我國大數據產業規模達

1.57

萬億元。數據要素所催生出的新消費、

新業態、新品牌，

正為商業模式升級創新加速。一方面，

基于用戶行為數據的精準廣告投放和需求響應式零售不斷進入市場。另一方面，

數據要素的運用和復用為不同行業創造新的價值增量，

發揮自身的“乘數效應”。當前，

已經涌現出數據質量評估、

數據交易仲裁等新型商業模式。上海交易所在開展數據資產登記評估業務后，

數據產品累計掛牌超

800個，

交易額超

1

億元。以數據要素為主導的新商業模式正在打破傳統商業模式單一的生產、銷售、服務路徑，不斷激發企業潛力。2023人工智能與數據要素競賽白皮書34人工智能與數據要素競賽白皮書2023數據要素激活市場潛能，

創新服務模式。在全球數字化的浪潮下，

越來越多企業逐漸理解與數據要素協同發展的重要性。在數據要素的作用下，

我國市場的

“數據”

特征越發明顯，

服務模式正迎來轉型期。金融科技服務方面，

數據要素使得信貸評估、

風險控制等環節更加科學。在能源管理方面，

利用數據要素服務智慧能源的調度與優化成為常態。在政企服務方面，

“數字資產化服務”幫助政府、

企業推動數字化轉型，

服務模式不斷同各產業、

企業擦出新的火花，

在激活市場潛能的過程中帶來更多力量。在社會服務方面，

跨領域的數據融合能夠帶來新的知識產生和價值提升，

信息的有效傳遞能夠為工作提升效率，

全國性的數據要素公共服務平臺也在逐步打造，

在促進數據要素市場規范的同時為數據流通合規提供公共保障。生產、

商業、

服務正在數據要素的“乘數效應”下加快升級，

為產業數字化、

創新性發展注入來自數據要素的驅動力。數據要素在生產領域的融合與創新推動市場升級，

商業領域的運用催生全新的商業模式，

服務領域的數字化、

定制化引發市場變革。在數字經濟時代，

數據的作用已不僅限于流通，

而是成為推動經濟社會高質量發展的關鍵要素之一。

“數據要素

×”

為中國產業的新發展開辟了廣闊的市場前景，

正迅速引領著產業數字化和創新性發展。在我國數字經濟迅速發展的背景下，

數字基礎設施規模和能級的不斷提升將為更好地發揮數據要素作用奠定堅實基礎。隨著數字化轉型的深入推進，

更多更有價值的數據將會產生，

為創造更加豐富的應用場景提供了無限可能。三年行動計劃的實施將成為推動數據要素在各行各業廣泛應用的關鍵一步，

為經濟社會高質量發展提供切實助力。數據要素潛力的充分釋放，將推動更多產業“駛向”數字藍海。4.1.2賽題統計與分析2023

年各大賽事平臺共統計到

288

道賽題，

賽題數量位居前三名的平臺分別為

：

DC平臺

83

道

；

阿里天池平臺

44

道賽題

；

Kaggle

平臺

35

道賽題。各平臺賽題數量分布如下

：2023人工智能與數據要素競賽白皮書35人工智能與數據要素競賽白皮書2023計算機視覺（CV）賽事依舊是最大熱門人工智能與數據要素競賽與當下熱點技術應用緊密相關，

計算機視覺技術的成熟推動了自動駕駛、

智能機器人等行業的爆發式增長，

同時熱點行業反向帶動計算機視覺相關技術進入大眾視野，普遍應用于多重領域。2022

年統計的賽題中，計算機視覺（以下統稱

CV）相關賽題占比

36.5%，占比最大，而在

2023

年統計到的

288

道賽題中，

計算機視覺相關賽題占比

26.94%，

依舊是占比最大的技術方向。圖像采集設備在各類行業中的普及為

CV

技術的廣泛應用提供了廣闊空間，

使

CV

技術成為最適合跨行業應用的人工智能技術，

賦能自動駕駛、

醫療影像識別、水下勘探、行為識別、成品檢測、遙感測繪等諸多領域。因此，越來越多的相關企事業單位通過人工智能與數據要素競賽發現優秀

CV

人才、挖掘優質解決方案。生物醫藥類賽事數量快速增長2023

年生物醫藥類賽事相比

2022

年數量大幅增加，

占比

14%，

這一趨勢不僅反映了生物醫藥領域的蓬勃發展，

也彰顯了社會對生物醫藥科技創新的高度重視。在過去的一年里，

隨著生物醫藥技術的不斷進步和市場需求的持續增長，

越來越多的企業和機構開始關注并投入到這一領域中來，希望通過舉辦各種賽事來推動技術的創新和應用。具體來說，

這些生物醫藥類賽事涵蓋了基因編輯、

細胞治療等多個領域。這些賽事不僅為參賽者提供了展示研究成果和實力的平臺，

也促進了生物醫藥技術的交流和合作，

推動了行業的快速發展。2023人工智能與數據要素競賽白皮書36人工智能與數據要素競賽白皮書2023此外，生物醫藥類賽事的增加也體現了政府和社會各界對生物醫藥產業的支持和投入。政府出臺了一系列政策措施，鼓勵企業加大研發投入，推動生物醫藥技術的創新和應用。同時，社會投資機構也積極參與到生物醫藥產業的投資中來，為創新型企業提供了資金支持和市場機會。大模型賽事數量大幅度增長2023年，AIGC（Arti?cialIntelligenceGeneratedContent）賽事在全球范圍內呈現爆發式增長，這一現象充分反映了AI技術和數據科學交匯地帶的巨大潛力。隨著AIGC技術日趨成熟，其應用場景從最初的文本創作拓展至圖像生成、音頻合成、視頻制作乃至虛擬現實等領域，賽事主題也隨之豐富多樣。例如，參賽隊伍被要求開發創新的AI模型，能夠在不同情境下高效、準確地生成內容，并考慮模型的創新性、實用性、效率及原創度等多個維度。不僅如此，比賽還特別關注如何通過大數據和機器學習技術優化AIGC系統的性能，以及如何解決由此帶來的版權、倫理和社會影響等問題。這些賽事不僅是技術展示的舞臺，更是探索AIGC商業化路徑、推動相關產業發展的催化劑，同時也為學術界和產業界培養了大量的交叉領域人才。圖4-2AIGC賽題示例2023人工智能與數據要素競賽白皮書37人工智能與數據要素競賽白皮書2023新能源汽車與智能汽車發展帶動車輛類賽事增長伴隨新能源汽車產業的迅猛發展，

以自動駕駛為核心的相關技術競賽如雨后春筍般涌現。2023

年，

許多賽事將重心轉向了電動汽車的設計優化、

電池管理系統、

充電網絡解決方案以及高級輔助駕駛系統

（ADAS）

等方面。尤其在全自動駕駛賽道，

賽題要求參賽團隊結合硬件設施與軟件算法，

實現在真實環境中的安全、

高效行駛。這些賽事不僅推動了新能源汽車核心技術的研發和產業化進程，

還促進了跨學科協作，

包括機械工程、

電氣工程、

計算機科學以及交通運輸規劃等多個領域的交融。此外，

智能網聯汽車的安全防護、

交通流量分析與預測、

以及能源管理等議題也在各類賽事中得到深入探討。圖4-32023年全球智能汽車AI挑戰賽自然語言處理賽事數量顯著增長自然語言處理（NLP）作為

AI

領域的重要分支，

在

2023

年的各類競賽中占據了愈發重要的位置。賽事涵蓋語義理解、情感分析、文本生成、機器翻譯、問答系統等諸多細分方向。這些比賽鼓勵參與者開發出更智能的語言模型，

提高機器理解和生成人類語言的能力，

甚至實現跨文化和跨語言的有效溝通。其中，

借助大型語言模型開展的創新性任務，

如生成具有邏輯連貫性和創造性文本的比賽項目尤為引人注目。此類賽事的成功舉辦，極大地推動了

NLP

前沿技術的研發速度，也為社交媒體、在線教育、新聞媒體等行業提供了更多的智能化解決方案。圖4-32023語言與智能技術競賽2023人工智能與數據要素競賽白皮書38人工智能與數據要素競賽白皮書2023數據挖掘類賽題數量同比減少雖然數據挖掘一直是人工智能領域的一項基石技術，

但在

2023

年的競賽環境中，

其專屬賽題的數量有所下降。這并非表明數據挖掘的重要性減弱，

而是由于數據挖掘技術日益普及，

且已被廣泛融入到各類

AI

問題中，

成為了眾多其他類型賽題的基礎環節。與此同時，

隨著大數據分析進入深水區，

部分競賽開始側重于更復雜的數據科學問題，

如異構數據集成、

因果關系發現、

實時數據分析等更高層次的應用場景。因此，

盡管獨立數據挖掘類賽題減少，

但其內涵與影響力卻在更廣泛的

AI

競賽體系中得到了深化和擴展。元宇宙與區塊鏈賽題熱度降溫與前兩年相比，

2023

年的元宇宙與區塊鏈相關技術的專項競賽數量呈現出降溫態勢。這主要是由于這兩個領域的概念炒作經過一段時間后，

市場和學術界逐漸回歸理性，

開始更加注重落地應用與實際價值。盡管如此，

諸如虛擬現實交互設計、

數字資產交易機制、

去中心化身份認證等關鍵議題仍在特定的科技競賽中占有一席之地。而那些著眼于構建可信、

安全、

可擴展的元宇宙基礎設施，

以及致力于改進區塊鏈技術在供應鏈金融、

物聯網安全、

版權保護等領域應用的賽題，

依然吸引了大量參賽者的積極參與。這意味著盡管整體賽題數量減少，

但對于元宇宙和區塊鏈的實際技術研發與實踐應用的關注并未減少，反而更加聚焦和務實。2023人工智能與數據要素競賽白皮書39人工智能與數據要素競賽白皮書20234.1.3賽事主體統計與分析在

2023

年，

人工智能與數據要素相關的各類賽事主辦方呈現出顯著的變化趨勢，

其中高校和科研機構主導的賽事數量明顯增多，

且更加緊密地與企業界合作，

形成產學研深度融合的新模式。一方面，

隨著人工智能和數據科學在教育與研究領域的深入滲透，

高校與科研機構舉辦的賽事逐漸占據主導地位。這些賽事不僅聚焦于基礎理論的研究突破和技術創新，

而且更加注重解決實際場景下的復雜問題。在賽事設計上，

強調跨學科交叉融合，

鼓勵學生與研究人員在多模態數據分析、可信

AI、以及開發運維一體化等前沿方向開展探索。此外，

越來越多的企業選擇與高校和科研機構聯手舉辦賽事，

通過提供真實業務場景、

海量數據資源以及技術支持，

幫助參賽者將理論研究成果轉化為有市場潛力的應用解決方案。這種深度綁定的合作形式有助于加速科技成果產業化進程，

并為培育新一代

AI

與數據科學人才創造了優越的實戰環境。另一方面，

在宏觀政策調整和技術市場自我調節的影響下，

由政府直接主辦的賽事數量呈現下降態勢。這并非意味著政府對科技創新的支持力度減弱，

而是政府職能轉向更為精準高效的引導和服務。政府更多地通過出臺相關政策、

搭建創新平臺、

優化資源配置等方式間接助力各類賽事活動，

從而鼓勵多元主體參與并提高賽事的社會效益與經濟效益。同時，

政府還積極倡導和支持公私合營的辦賽模式，

促使企業在賽事組織中發揮更大作用，進一步提升了賽事的質量和影響力。總結來說，

2023

年的賽事主體結構變遷反映出產學研結合愈發緊密的發展趨勢，

高校與科研機構通過舉辦或聯合企業舉辦賽事，

強化了技術研發與產業需求的對接，

而政府則通過轉變角色，

從直接操盤轉變為幕后調控和賦能者，

共同推動了人工智能與數據要素領域的賽事活動向著更專業、更具實效的方向邁進。2023人工智能與數據要素競賽白皮書40人工智能與數據要素競賽白皮書20234.1.4賽事類型發展趨勢競技形式滲入賽事線下活動2023

年人工智能賽事在結構和組織形式上發生了顯著變化，

對抗類賽事的數量明顯增長，

且更多地與大型行業大會、

論壇等活動緊密結合，

形成協同效應。此類賽事不再僅僅是技術實力的競技場，

而是逐漸演變成為展示前沿技術、

交流創新思想的重要平臺。例如，

不少

AI

開發者大會在議程中嵌入了對抗型挑戰賽環節，

比如自動駕駛挑戰賽、機器人足球賽、

無人機競速等，

這些賽事往往緊隨學術研討和技術分享之后，

讓參會者有機會親眼見證理論研究成果的實際應用效果。這種同步進行的方式提升了觀眾的參與度和體驗感，

增強了賽事的社會影響力，

同時也為企業和研究團隊搭建