一座城市的智慧养老公共服务底座；

全国首个省级集采一体化医保影像云；

覆盖超大城市人社全场景的“数智人社”平台。

2026中国国际大数据产业博览会期间，在中国信息协会数据要素应用创新大赛“数据要素赋能数字政府建设”赛道中，东软参与建设的城市级智慧养老综合服务平台、贵州医保影像云、武汉“数智人社”公共管理与服务一体化平台三大项目，包揽一、二、三等奖。

值得关注的是，在本届大赛获奖企业中，东软是唯一横跨养老、医保、人社三大核心民生领域的企业。

但如果只把这看成三个奖，可能低估了它们。

养老，从一家机构走向一座城市；医保，让一张影像从一家医院走向一个省；人社，由办好一项业务，到感知一座城市的运行。

三个奖项，恰好切开了东软35年民生数字化积累的三个剖面。

养老｜从“人找服务”，到“服务找人”

养老数字化并不是新命题。真正困难的是，当服务对象从一家机构里的老人变成一座城市的老年人，面对的就不再是一套软件，而是一张由政府、机构、社区、服务商、家庭和老人共同组成的服务网络。

谁真正需要帮助？服务资源在哪里？补贴应该给谁？助餐、助医、助浴、康复、护理怎样更准确地送到老人身边？

“数据要素赋能养老公共服务高质量发展——城市级智慧养老综合服务平台”。东软此次获得一等奖的项目名字很长，但有三个字最关键：“城市级”。

这是本届大赛一等奖中，唯一的城市级智慧养老综合服务平台。

它不是把一家养老机构搬到线上，而是把原本分散的老人、需求、服务、政策和资源连接起来。当跨部门数据真正打通，公共服务开始具备另一种可能——不是等人来找服务，而是让服务主动找到人。

项目已落地全国20余座城市。今年6月，沈阳“盛情康养”上线一周年，平台注册用户突破6万人，累计服务人次超100万；福建、安徽等省级落地平台服务覆盖超千万人群。通过跨部门数据自动智能核验，平台实现养老补贴“免申即享、无感兑现”，累计完成超6800万元政府养老补贴资金精准核查。

这些数字比“智慧养老”四个字更重要，因为它们说明，数据真正进入了服务过程，成为一座城市的智慧养老公共服务底座。

医保｜一张影像，从一家医院走向一个省

医疗影像长期存在一个很现实的问题：片子往往跟着医院，而不是跟着患者。

换一家医院，过去的影像未必方便调阅；不同医疗机构之间难以共享；大量高价值影像数据，也长期散落在不同系统里。

此次获得二等奖的贵州医保影像云，改变的正是这一点。

它由贵州省医疗保障大数据中心、贵州大数据产业集团有限公司、东软集团共同参赛。

它还有一个更重要的行业坐标：全国首个省级集采一体化医保影像云标杆。

贵州医保影像云的出现，让不同医疗机构的影像开始进入一套省级体系，数据得以跨机构调阅、共享和使用。

目前项目覆盖贵州全省1633家医疗机构，覆盖率达99.33%，云胶片单价降幅超80%，单年为群众减负4.3亿元，每年节约医保基金超1.5亿元。

一个数字化项目，同时改善了两本账：一本是老百姓的就医账，一本是医保基金的公共账。这比“数据要素价值”几个字更具体。

该模式已在河南、黑龙江、辽宁、苏州等5个省级/市级平台复制推广，形成了 “政务统筹 + 数据运营 + 技术研发”三方协同的公共数据运营范式，与国家数据局推进的公共数据授权运营 “1+3”政策体系高度契合。

人社｜从办一件事，到看见一座城

如果说养老考验的是服务网络的广度，医保影像云考验的是数据基础设施的尺度，那么人社面对的，是公共治理本身的复杂度。

就业、社保、人才、劳动关系、公共服务，每一项业务背后都有大量人口、单位、政策和数据，而且很多问题并不只存在于人社一个部门。

此次获得三等奖的武汉“数智人社”公共管理与服务一体化平台，是本届大赛中，唯一面向超大城市，覆盖人社全业务场景，实现“数智人社” 公共管理与服务一体化的项目。

平台搭建“5层2体系”整体架构，依托人社大数据底座与AI智能能力底座，实现人社全业务场景数字化覆盖。1183万参保人员，3万多家企业，当这些原本分散的数据被连接起来，人社系统的作用也在改变。

过去首先解决的是把事情办成：网上办、一次办、少跑腿。今天，系统开始进一步回答另一类问题：一座城市的就业发生了什么变化？企业需要什么人才？哪些风险正在出现？哪些政策真正触达了应该触达的人？

平台上线后，企业人事办事综合成本下降约70%；依托数据风控，每年还可减少数百万元社保基金流失。人才贷、创业贷、人才安业保函等新场景，也开始从公共数据中生长出来。

三个奖背后，是同一种价值呈现

三个项目业务不同，但放在一起，会看到同一种价值呈现——参与判断、匹配、配置和治理。

养老里，数据帮助服务找到老人；医保里，数据让一张影像跨机构流动；人社里，数据帮助管理者理解一座城市正在发生什么。

这也是理解“数据要素”最朴素的一种方式：数据只有进入真实业务、产生真实结果，才真正有价值。

养老、医保、人社，这些领域离普通人的生活很近，也离复杂系统很近，很难靠一项新技术快速穿透。真正的门槛，是理解政策怎样运行、业务在哪里断点、数据怎样流动、不同部门怎样协同；最后还要把系统建出来、跑起来，并且很多年以后仍然能够继续演进。

35年，在真实业务中长出的行业厚度

过去35年，东软经历了从信息化到互联网、云、大数据，再到今天AI的一轮轮技术更替。

技术一直在变，但有些东西无法推倒重来。

对行业的理解、复杂工程经验、长期形成的数据关系，以及在真实系统中反复运行、修正、迭代留下的经验，只能一点点积累。

过去，这些往往被笼统地称为“行业经验”。

到了AI时代，它们正在变成一种更稀缺的资产。

AI越快，行业纵深越贵

AI正在快速降低软件生产的成本。

代码可以更快生成，产品可以更快迭代，过去需要几个月完成的工作，今天可能被压缩到几周。但AI真正进入养老、医保、人社，事情并不会因此自动变简单。

模型要理解医保规则、人社政策和养老需求，要接入真实数据、真实流程和真实系统；最终还要运行在一个不能轻易出错的现实世界里。这些东西，并不天然存在于模型参数中。

它们存在于业务流程里，存在于数据关系里，存在于系统之间，也存在于过去几十年一次次建设、运行和迭代留下的经验里。

于是，AI时代出现了一个看似矛盾、其实非常重要的变化：软件生产越来越快，真正的行业能力反而越来越贵。这也是重新理解东软35年的一个角度。

从一家养老机构到一座城市，从一张医学影像到一个省，从办成一项业务到看见一座城市——三个获奖项目，是今天能够看到的三个坐标。坐标背后，是一家企业用35年进入真实行业形成的纵深。

AI可以压缩代码生成的时间，可以压缩产品迭代的时间，也会不断降低软件实现本身的成本。但AI很难压缩一家企业真正进入一个行业所需要的时间。因为理解一个行业，不只是知道它怎么运行。还要在里面做过事、解决过问题，经历过技术更替和政策变化，并最终让系统在真实世界里长期跑下去。

这或许才是东软35年最难复制的部分。