问题——制造业智能化发展的“卡点”数据。 当前，以智能化应用为代表的新一代信息技术快速演进，正从研发设计、生产制造到运维服务等环节重塑制造业形态。伴随算力和算法发展，数据要素的重要性不断提升。但在工业现场，数据来源多、类型杂、标准不统一，既有采集和汇聚困难，也存在“数据多但不好用”“场景多但难复用”等现实问题。如何实现工业数据的高效采集、规模化沉淀、结构化治理与高水平应用，成为制造业数字化、网络化、智能化转型必须破解的关键课题。 原因——从“设备不联”“数据不通”到“能产不会用”的结构性矛盾。 一上，工业企业长期多系统并存，导致数据“烟囱”明显；设备协议、业务口径和质量标准差异较大，影响数据各环节贯通以及跨企业协同。另一上，工业数据强依赖具体场景，受工艺约束复杂，缺少可复制、可扩展的高质量数据集和标注体系，难以支撑更高层次的模型训练与行业化应用。此外，数据安全、合规流通和权益界定等治理问题，也一定程度上限制了数据要素价值释放。 影响——数据底座夯实将提升效率、韧性与创新能力。 工业和信息化部信息技术发展司司长王彦青在发布会上表示，近年来我国推动信息化和工业化融合发展，实施工业互联网创新发展工程，加快5G等技术在工业领域规模化应用，有所进展。数据显示，重点行业企业关键工序数控化率达到68.6%；面向工业场景的5G专用芯片、模组和终端产品加快落地，更多传统设备实现传感化、网络化，推动“哑设备”向可感知、可连接、可计算的节点转变。随着数据采集能力增强、连接范围扩大、实时性提升，工业实时动态数据的价值更加突出，有望在提升生产效率、降低能耗成本、提高质量一致性、增强供应链韧性诸上形成综合效应，并为行业智能化应用提供更可靠的数据支撑。 对策——以“筑基”促“共用”，以数据集牵引场景落地。 近期，工业和信息化部印发通知，启动工业数据筑基行动，明确开展面向智能化赋能的高质量行业数据集建设先行先试。行动重点围绕典型场景，推动数据从“能采集”向“可治理、可共享、可应用”转变：一是以标准为牵引，推动数据采集、接口协议、标注规范与质量评测体系建设，提高数据可用性与一致性；二是以平台为载体，依托工业互联网、5G专网等基础设施，促进数据汇聚、脱敏处理、分级分类管理与安全可控流通；三是以应用为导向，聚焦质量检测、预测性维护、工艺优化、能耗管理等高价值场景，形成一批可复制、可推广的行业数据集与解决方案，带动中小企业实现“低成本接入、轻量化改造、渐进式升级”。 前景——从“数据资源”走向“数据资产”，加快培育新质生产力。 面向下一阶段，工业数据要素化配置将与制造业高端化、智能化、绿色化转型继续联动。随着高质量行业数据集建设推进，工业领域有望在更大范围实现跨工厂、跨环节、跨区域的协同优化，推动智能制造从“单点智能”走向“系统智能”。同时，数据治理能力提升将带动数据确权、定价、交易等机制探索，为工业数据资源向数据资产转化提供支撑。在此过程中，需要统筹安全与发展：既要加强重要数据识别与风险防控，也要通过制度与技术手段打通合规流通路径，释放数据要素的乘数效应，持续提升产业链供应链安全水平与国际竞争力。
制造业迈向高端化、智能化，不仅需要先进装备和网络基础，更离不开高质量数据这个关键支撑。从提升数控化水平到推进行业数据集先行试点，我国正加快补齐数据基础能力短板。把数据采得全、治得准、用得好，才能让技术创新更有效转化为产业竞争力，为经济高质量发展提供持续动力。