标准筑基、设备联通、降本赋能，破解采集瓶颈，增强数据源头供给能力

联合体牵引、可信互联、机制创新，破解汇集壁垒，畅通数据共享流通渠道

建设数据集、落地场景、完善生态，破解应用短板，深化数据价值转化

文 | 杨晓明

当前，全球科技革命与产业变革加速演进，AI、工业互联网、数字孪生深度渗透制造业全链条，数据已从辅助生产要素跃升为驱动制造业高端化、智能化、绿色化发展的核心战略资源。工业数据是AI赋能新型工业化的核心生产要素，高质量行业数据集是工业大模型、工业智能体落地的关键支撑。

我国拥有全球规模最大、门类最完备、产业链最完整的制造业体系，工业数据资源体量庞大、应用场景丰富多元，数据要素市场化配置空间广阔、潜力巨大。截至2025年末，我国重点工业企业关键工序数控化率达68.6%，5G全连接工厂建成数量超8000家，设备联网、产线数字化、园区智能化为工业数据采集、汇聚、应用搭建了坚实硬件底座。

工业数据贯穿研发设计、生产制造、供应链协同、设备运维、全生命周期服务各环节，具备多源异构、时序强关联、专业门槛高、安全敏感性强等特征，开发利用复杂度远高于消费互联网数据。我国工业数据存在采不全、集不拢、用不好三大短板，制约制造业数智转型、产业基础高级化。

工业和信息化部近期印发《关于启动工业数据筑基行动开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》，同步公布先行先试联合体名单，聚焦工业数据采、集、用全链条痛点精准施策、试点破局，短期瞄准补齐行业数据集短板、支撑工业AI规模化落地，长期重在完善工业数据标准、确权、流通、安全全链条制度体系，将我国产业体系规模优势、海量数据资源优势，转化为新型工业化核心竞争优势。

直击工业数据采、集、用全链条梗阻

当前，相较于我国AI规模化落地、制造业高质量发展的现实需求，工业数据价值释放仍存在落差：源头数据供给碎片化、跨主体数据流通壁垒高、数据集质量尚不能匹配AI训练要求，还存在数据应用场景浅层化等问题，大量工业数据处于“沉睡状态”，存在数据孤岛、数据闲置、数据低效利用现象。从全链条运行看，采集、汇集、应用三大环节均存在系统性难题。

——设备异构、标准缺失、成本承压，数据采不上、采不全、采不精。

老旧设备“哑终端”存量大。我国制造企业新旧设备混杂、进口与国产装备并存，大量中小微企业老旧生产线无标准化数据接口、无通信传输能力；高端数控装备、进口精密仪器协议封闭、接口不开放，外部难以获取核心工艺与运行数据。行业调研显示，大部分国内中小企业生产设备不具备自动采集能力，关键工序核心数据采集覆盖率低，仍依赖人工纸质记录，时效性、精准度较难保障。

多源异构数据兼容难度高。工业数据涵盖时序传感、图像视觉、三维模型、工艺文本、运维日志等多模态类型，不同厂商设备、不同业务系统的数据格式、采样频率、精度口径没有统一规范，超六成原始数据无法直接用于模型训练。

改造投入与收益不匹配。工业现场环境复杂，规模化数据采集需配套传感器、边缘网关、防爆终端、协议转换设备，单条产线数字化采集改造投入动辄数十万元。中小企业利润空间有限、数字化投入意愿偏弱。

——权属不清、共享存难，数据集不拢、流不动、融不深。

企业内部数据烟囱割裂严重。多数企业产品生命周期管理、制造执行、供应链管理、资产管理等系统分期建设、独立运维，数据分散存储、口径各异、互不贯通，形成部门级、厂区级数据孤岛；集团化企业跨地域、跨基地数据整合周期长，难以支撑全局协同决策。

产业链上下游共享意愿不足。企业出于商业保密、市场竞争、合规风控考量，对核心工艺参数、生产台账、供应链台账等敏感数据不愿共享。同时工业数据权属界定模糊、价值评估体系空白、收益分配机制缺失，跨主体数据流通缺乏制度依据与信任基础。

数据治理专业化能力弱。工业数据需经过清洗、去噪、标注、融合、脱敏等工序，形成可用数据集。目前我国工业专业数据标注人才缺口大、国产治理工具普及率低、行业标注标准不统一，绝大多数企业缺乏系统化数据治理能力。

——质量偏低、场景浅层、生态滞后，数据用不好、用不深、用不久。

数据集质量难以适配工业AI需求。工业大模型、智能质检、工艺优化等应用，对数据完整性、标注精准度、工况覆盖度要求极高。当前行业普遍存在样本不均衡、极端故障工况数据缺失、多模态融合不足等问题，模型训练精度不足、现场泛化能力弱，出现算法等优质数据、数据难适配场景的结构性矛盾。

数据价值应用层次偏低。多数企业数据应用仍停留在设备监控、报表统计、简单能耗分析等基础层面，在研发仿真、质量溯源、工艺参数优化、低碳排程、供应链智能协同等高阶场景渗透率低，数据赋能提质降本增效的潜力未充分挖掘。

标准与安全保障体系滞后。工业数据采集规范、数据集质量评级、流通交易规则、安全防护细则仍不完善，行业缺少统一遵循依据；数据泄露、篡改、非法流转风险凸显，隐私计算、区块链可信共享等技术落地普及不足，进一步制约数据规模化复用。

我国首条深水油气装备工艺管线智能生产线在海油工程珠海深水装备制造基地建设完成，进入调试阶段。图为技术人员在深水油气装备工艺管线智能生产线调试焊接机械臂（2026 年 5 月 10 日摄） 新华社发（刘聪摄）

精准化解全链条卡点

针对工业数据采、集、用全链条痛点，工业和信息化部此次印发专项通知、公布先行先试联合体名单，聚焦重点行业、龙头牵引、产学研协同，以政策引导、试点突破、标准先行、生态共建为抓手，逐一破解各环节堵点难点，构建闭环治理与应用体系。

——标准筑基、设备联通、降本赋能，破解采集瓶颈，增强数据源头供给能力。

推进设备联网与协议适配攻坚。依托先行先试联合体，牵头研制通用工业采集网关、开源协议转换模块，破解异构设备接口封闭、协议不兼容难题。引导地方将工业设备数字化采集改造纳入中小企业数字化转型补贴范畴，降低硬件改造与部署成本，打通现场数据采集最后一公里。

建立行业统一采集标准规范。加快制定工业数据采集字典、采样频率、精度分级、格式编码等急需行业标准，按细分行业制定标准化采集清单，统一数据口径、统一治理规范，从源头把控数据完整性、一致性与可用性。

补齐极端工况数据短板。支持联合体依托数字孪生、仿真建模、生成式AI等技术，开展故障场景、极限工况、特殊工艺的数据合成与扩充，解决高危场景难实测、故障样本稀缺的痛点，为AI模型训练提供足量多元样本支撑。

——联合体牵引、可信互联、机制创新，破解汇集壁垒，畅通数据共享流通渠道。

以行业联合体构建协同汇聚格局。本次公布的先行先试联合体覆盖钢铁、有色、汽车、化工、能源装备、人形机器人等重点领域，以行业龙头为牵引，联合科研院所、工业互联网平台、中小企业集群，形成龙头牵头、上下游联动、产学研支撑的汇聚模式，打破企业单打独斗的局限。

搭建数据共享的行业可信互联平台。依托联合体整合算力中心、工业互联网平台、区域数据中枢资源，建设行业级数据可信互联平台，集成数据脱敏、隐私计算、区块链存证技术，实现数据可用不可见、可控可溯源，打消企业数据共享的安全顾虑。

探索数据权属与收益分配创新。鼓励先行先试主体开展工业数据确权、价值评估、流通分配试点，建立数据贡献与收益挂钩机制，让数据供给方、治理方、应用方合理分享价值收益。同步推动行业公共数据有序开放授权运营，丰富高质量数据资源供给。

——建设数据集、落地场景、完善生态，破解应用短板，深化数据价值转化。

规模化建设行业高质量数据集。以先行先试为载体，分类建设设备故障、工艺优化、质量检测、能耗管控、供应链协同等标准化行业数据集，建立数据集目录、质量评级与共享复用机制，为工业大模型、行业智能体提供标准化“数据燃料”。

聚焦典型场景深化AI赋能应用。围绕制造业生产、研发、运维、低碳等刚需场景，推动数据集与工业大模型、数字孪生、智能质检等技术深度融合，在钢铁冶炼、汽车制造、化工流程、装备运维等领域打造标杆应用，推动数据由静态资源向动态生产力转变。

健全政策、技术、人才全维度保障。工业和信息化部建立季度调度、年度评估机制，跟踪先行先试进展；依托产业专项、财政资金加大对数据集建设、数据治理技术攻关支持力度；补齐工业数据复合型人才培养短板，完善安全标准与防护体系，构建规范有序、安全可控、持续迭代的工业数据发展生态。

打造可复制推广实践范式

工业数据筑基行动及先行先试布局，是我国完善工业数据要素体系、以AI赋能新型工业化的标志性部署，通过边试点、边总结、边固化，探索形成可复制、可推广的工业数据采集规范、汇聚模式、应用路径，为全国范围内开展工业数据筑基提供鲜活实践样本。

本次先行先试联合体以小场景切口突破、全链条体系完善为思路，横跨多省市、多重点产业领域，立足行业特性精准破题，形成差异化、特色化试点路径。钢铁行业联合体聚焦全流程冶炼、热轧、能耗数据采集汇聚，构建全链条工艺数据集，赋能绿色低碳与智能生产；有色行业打通氧化铝、电解铝、铝材加工全产业链数据壁垒，完善行业数据治理规范；汽车制造联合体整合整车与零部件研发、生产、供应链、后市场数据，支撑智能网联与质量全溯源；人形机器人领域布局具身智能感知、控制、交互数据集，抢占未来产业数据制高点；中小企业数字化联合体聚焦轻量化、低成本数据采集与应用服务，缓解中小微企业数字化转型压力。

面向未来，工业数据筑基行动将持续以先行先试为抓手，强化标准体系顶层设计，加快关键核心技术自主攻关，健全数据要素市场化配置机制，培育工业数据治理、标注、应用服务产业生态；坚持以数据为核心引擎，打通源头采集、可信汇聚、深度应用完整闭环，持续释放工业数据要素乘数效应，推动制造业加速向高端化、智能化、绿色化跃升，为建设制造强国、数字中国筑牢坚实数据根基。

（作者为工业和信息化部电子第五研究所软件与系统研究院院长）■