当前，工业领域数字化转型不断深入，但数据要素作用释放仍存“卡点”；一上，数据分散企业、产线、设备与平台之间，采集口径不一、数据质量参差，难以形成可复用、可流通的行业级资源；另一上，数据安全合规、权属边界、标准体系等基础规则尚需深入完善，导致“采得来、集不齐、用不好”的问题较为突出。随着智能制造加快推进，研发设计、工艺优化、质量管控、供应链协同等环节对高质量数据的需求持续攀升，夯实数据底座已成为推动工业智能化的关键前置条件。 从原因看，工业数据具有多源异构、强场景耦合、强行业壁垒等特点，既涉及设备协议、控制系统、工业软件等技术层面，也牵涉企业间协同、跨域流通、合规使用等治理层面。尤其行业层面，缺少权威、可共享的高质量数据集供给，容易出现重复建设、低水平堆量，数据难以支撑算法训练与场景落地，进而影响产业链整体效率提升。推动行业数据从“可见”走向“可用”，从“可用”走向“可流通”，需要在机制组织、平台支撑、标准规则与关键技术上系统发力。 基于此，工业和信息化部近日对外发布通知，启动工业数据筑基行动，提出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，着力突破工业数据“采”“集”“用”瓶颈。按照部署，到2026年底，将培育一批行业数据合作联合体，建设重点行业数据可信互联平台，汇聚行业数据资源，攻关数据关键技术，研制工业数据标准，打造一批高质量、标准化、可流通的行业数据集，进而赋能行业大模型、工业智能体等应用落地，带动重点环节提质增效。 从实施路径看，通知突出“以点带面、先行先试”推进思路，明确聚焦数字化转型基础较好、数据价值挖掘潜力较大的制造业重点行业，依托四类主体组织实施：重点行业企业、平台机构、先进制造业集群以及中小企业数字化转型城市试点。通过龙头企业牵引、平台机构支撑、集群协同联动与城市试点示范，推动成立一批联合体，形成跨主体、跨环节的数据合作机制，提升行业整体数据供给能力与协作效率。 围绕重点任务，通知提出依托联合体建设重点行业数据可信互联平台，并系统打造“四大资源库”，包括行业数据资源库、数据技术攻关库、工业数据标准库、高质量行业数据集库，力求实现数据资源可归集、关键技术可突破、标准体系可对齐、数据集成果可复用。在应用端，强调面向研发设计、中试验证、生产制造等关键环节推进场景落地，支持行业大模型应用、工业智能体研发等，以可验证、可复制的应用成效反向牵引数据质量提升与标准完善，形成“数据—模型—应用—再优化”的闭环。 在保障措施上，通知要求有关方面加大资源投入，积极争取“两重”等渠道资金支持，鼓励地方工信主管部门通过专项资金、政府奖励等方式支持先行先试；同时提出依托国家级人工智能开源社区推动工业数据开源专区建设，并鼓励联合体开展校企合作等，强化人才、技术与工具链供给，降低企业数据治理与应用门槛。业内认为，多层次的资金与生态支持，有助于缓解数据治理前期投入较大、周期较长的现实压力，提升企业参与数据协同与数据集建设的积极性。 从影响看，工业数据筑基行动面向的并非单一项目建设，而是以行业数据集为抓手，推动工业数据治理体系与产业生态协同升级：对企业而言，有利于在合规可控前提下盘活沉淀数据资产，提升研发、制造与运维的精细化水平；对行业而言，有助于形成统一的数据语言与标准接口，降低跨企业协作成本，增强产业链韧性；对创新体系而言，高质量、可流通的数据集将为算法训练、模型迭代与应用拓展提供“燃料”，推动更多面向工艺机理与现场约束的智能化应用走深走实。 前瞻来看，随着先行先试不断推进，工业数据从分散走向汇聚、从封闭走向互联、从“能用”走向“好用”的趋势将进一步明确。下一步工作的关键，在于把握好安全与发展、开放与合规、标准统一与行业差异之间的平衡：既要推动数据可信互联与流通利用，也要强化数据分类分级、权属边界与合规审查，避免“一放就乱”“一管就死”。同时，应注重以应用成效检验数据集质量，以标准体系提升可复制能力，形成可推广的行业方法论与建设范式，为制造业高端化、智能化、绿色化发展提供更坚实的数据底座。
工业数据是制造业数字化转型的关键要素；工信部此次行动通过建立合作机制、搭建平台、制定标准等措施，为制造业智能化升级奠定基础。随着行动深入实施，工业数据的价值将得到更好释放，助力我国制造业向高质量发展迈进。