问题：当前，工业企业数字化转型步伐加快，但工业数据仍存“采不全、集不齐、用不好”的共性难题。一些生产现场设备型号多、协议杂，数据接口不统一，导致数据获取成本高、质量波动大；在汇聚治理环节，数据标准不完备、标注与清洗能力不足，跨企业、跨链条的数据协同难以形成规模；在应用端，部分企业对数据价值挖掘路径不清，数据难以有效转化为可用于模型训练与场景落地的高质量语料与能力组件，制约研发设计、生产制造和运维服务等环节的提质增效。 原因：工业数据具有强现场性、强专业性与强敏感性。一上，工业系统长期形成“烟囱式”建设格局，设备与软件封闭运行、数据分散不同系统，客观上增加了采集与治理的技术门槛；另一上，数据要素流通涉及商业秘密、合规安全和责任边界，企业普遍存在“不愿共享、担心风险、缺乏能力”的顾虑。同时，数据确权、价值评估、收益分配和可审计机制不完善，使得“共享激励不足、协同成本偏高”的矛盾更加突出。 影响：工业数据是推动制造业高端化、智能化、绿色化发展的重要基础。若数据底座薄弱，将直接影响工艺优化、质量预测、供应链协同和能耗管理等应用效果，也会制约行业大模型、工业智能体等新型应用的训练质量与泛化能力，进而影响技术从试点示范走向规模化推广。打通数据堵点，既是制造业降本增效的现实需要，也是培育新质生产力、提升产业链供应链韧性与安全水平的关键支撑。 对策：针对上述瓶颈，工信部在通知中明确以先行先试方式推进工业数据体系化建设，聚焦数字化基础较好、数据价值潜力较大的制造业重点行业，依托重点行业企业、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等主体，推动成立行业数据合作联合体。行业布局上，鼓励钢铁、汽车等重点行业由龙头企业牵头，发挥其产业链供应链整合能力，联合上下游企业、科研院所、数据服务机构等，探索企业间与产业链条上的数据开发利用路径与流通协作机制，推动关键数据技术攻关、行业数据标准研制、高质量数据集打造以及应用场景落地共同推进。 在任务抓手上，行动强调建设重点行业数据可信互联平台，围绕行业数据资源库、数据技术攻关库、工业数据标准库、高质量行业数据集库等形成系统化支撑能力，并面向研发设计、中试验证、生产制造等关键环节组织应用示范，推动数据从“可采集”走向“可治理”、从“可流通”走向“可应用”。同时，通知提出强化资源保障，积极争取“两重”等渠道资金支持，鼓励地方通过专项资金、奖励等方式加大投入；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；鼓励联合体开展校企合作，培养一批懂数据、懂工艺、懂场景的复合型人才。 前景：从政策导向看，此次行动突出“联合体+可信互联平台+标准与数据集”的组合拳，意在以可追溯、可审计、可授权的制度与技术安排降低协同风险，以标准化与工程化方式提升数据质量与复用效率。随着行业数据标准逐步完善、数据集建设形成规模，企业间协同研发、跨工序优化与跨区域运维等应用有望加快落地，带动制造业核心环节效率提升与质量稳定性增强。下一步，如何把“共享意愿”转化为“可持续机制”，关键在于明确数据分类分级与权责边界，建立合理的确权、评估与收益分配规则，并以工具化服务降低中小企业参与门槛，推动形成“有回报、可控险、能落地”的数据合作生态。
工业数据治理不是简单的技术升级，而是一项需要规则共建、平台支撑与生态协同的系统工程；以联合体推动共治共享、以可信互联降低风险成本、以标准和数据集提升可用性，才能让数据真正“流得动、用得好、见实效”。随着行动加快，制造业数据底座越扎实，产业智能化的步伐就越稳健，实体经济高质量发展的新动能也将更加充沛。