摘 要:當前我國工業領域數據資源得到有效挖掘，數據可信流通利用模式持續創新，行業高質量數據集建設起步，數據要素與實體經濟融合的廣度和深度不斷拓展，為新型工業化筑牢數字底座。同時要看到，工業數據要素價值仍待進一步釋放。對此，亟須堅持系統觀念，從夯實數據治理、強化數據流通、深化人工智能創新、健全標準保障四個方面，促進工業數據資源開放共享與高效合規利用，系統性破解工業數據要素價值釋放難題。

關鍵詞:工業化 工業數據 制造業 數據市場

【中圖分類號】F42 【文獻標識碼】A

工業數據要素是重塑制造業競爭格局的基礎性、戰略性資源，對推進新型工業化、培育新質生產力至關重要。“十五五”規劃綱要提出：“激活數據要素潛能，加快數智技術創新”。[1]為激活數據要素潛能，促進生產方式深層次變革和生產力革命性躍遷，亟須進一步拓展工業數據要素價值化路徑，為培育新質生產力、推動新型工業化賦能。

工業數據價值釋放關系制造業數字化轉型進程

工業數據是工業知識沉淀復用的載體，也是工業智能創新發展的源泉。作為工業數字化、網絡化、智能化的重要引擎，工業數據價值釋放直接關系到制造業數字化轉型進程，是我國推進新一代智能制造發展、構建國際競爭新優勢的關鍵抓手。

數據要素市場化配置的重要領域。工業數據憑借資源豐富、應用場景廣泛、價值密度高等獨特優勢，成為激活數據要素潛能的重要領域。與消費數據不同，工業數據貫穿研發、生產、管理、服務等全價值鏈環節，其多源異構、實時性強、關聯度高的特征，為數據確權、定價、交易等市場化機制探索提供了典型試驗場。通過構建標準化、可互操作的工業數據資產目錄與流通規則，可有效打通數據從資源到資產的轉化路徑，形成可復制、可推廣的數據要素價值化模式，加快工業數據要素價值釋放。

深化制造業數字化轉型的重要支撐。工業數據貫穿產品全生命周期與產業鏈，企業能夠實時感知生產狀態、精準診斷異常工況、動態優化工藝參數，實現從經驗驅動向數據驅動的決策轉型，變革傳統生產方式。 在此基礎上，工業數據進一步打破企業邊界與行業壁壘，推動設計、制造、供應、服務等環節的跨域融合，將傳統的鏈式協同轉變為并行、開放的生態化協作網絡。通過數據貫通與共享實現生產要素的精準配置與動態優化，顯著提升制造業對市場變化的響應速度和資源利用效率，加速產業組織形態從剛性鏈式向柔性生態躍升。

驅動工業人工智能創新發展的重要燃料。工業數據是驅動人工智能變革制造模式、組織方式和產業形態的重要力量，工業大模型作為工業人工智能的重要方向，其能力提升高度依賴數據的規模與質量。與通用領域不同，工業領域人工智能的突破高度依賴于融合行業機理與隱性知識的專業數據，通過構建包含工藝參數、故障特征等在內的高質量數據集，可提升大模型在復雜工業場景中的理解、推理與決策能力，推動工業生產向自主優化的智能化階段演進。

我國工業數據要素市場建設的重要進展與成效

我國制造業門類齊全、場景豐富，伴隨制造業數字化轉型和數據要素市場建設深入推進，我國工業領域數據資源得到有效挖掘，數據可信流通利用模式持續創新，行業高質量數據集建設加速布局，數據要素與實體經濟融合的廣度和深度不斷拓展，為新型工業化提供有力支撐，為數字中國建設注入強勁動能。

工業數據資源開放共享水平不斷提升。我國作為世界第一制造大國，門類齊全的產業體系產生了巨大的工業數據資源，為制造業數字化轉型發展奠定堅實基礎。據最新測算，2025年我國工業數據資源總量預計將接近20ZB（澤字節），占全球工業數據總量的比重持續提升至20%以上，且保持著高速增長態勢。[2]同時，伴隨近些年制造業數字化轉型深入推進，工業企業數據采集能力顯著增強，數據采集范圍從傳統的生產制造環節向研發設計、經營管理、運維服務全鏈條延伸，新興數據資源持續涌現，孵化出動態孿生數據、智能設備數據、智慧物流數據等一批增量性工業數據資源。據2024年全國數據資源調查，全國數據生產總量達41.06ZB（澤字節），同比增長25%，其中智能家居、智能網聯汽車等智能設備數據增速位居前列，分別為51.43%、29.28%。根據預測，2025年全國數據生產總量有望突破50ZB（澤字節）。[3]

工業可信數據空間的創新試點工作有序推進。針對工業數據流通中存在的大小型制造企業間“不敢共享、不愿共享”的痛點，工業可信數據空間作為一種新型數據流通基礎設施，通過構建安全可信、可控可追溯的數據流通利用環境，有效打消多方主體間的共享顧慮，破解數據共享流通中的信任與安全難題，促進私域工業數據的持續匯聚與高效利用。在可信數據空間中，數據資源不再局限于單個領域或企業，而是可以跨行業、跨區域甚至跨國流通和應用，充分發揮數據要素的放大、疊加、倍增作用，不斷放大數據要素價值，實現生產力的幾何式增長。[4]例如，北京新材道建設新材料行業可信數據空間，依托空間的可信技術能力和分布式數據管理模式，吸引50余家企業共享材料私域數據，成功匯聚形成102個材料高質量數據集，探索出一條工業數據流通新路徑。

工業高質量數據集建設加快布局。龍頭企業、行業部門等多主體加快布局高質量數據集建設，探索形成多樣化路徑。一方面，龍頭企業加快數據治理工作，利用自身數據打造行業專用大模型，賦能企業重點業務。例如，南方電網積累達3.5TB基礎語料和超過500萬條微調數據，支撐建立自主可控電力大模型“大瓦特”。另一方面，行業管理部門面向戰略領域推動數據共享流通，驅動高價值數據開放，驅動人工智能創新發展。例如，在蘇州園區人工智能頭部企業思必馳與蘇州實驗室、上海交大智能人機交互聯合實驗室的共同合作下，基于1億條分子式、1000萬篇論文、1000多篇材料化學文獻等高質量數據進行訓練，構建起材料化學大模型ChemDFM。

工業數據要素價值釋放的現實挑戰

盡管我國工業數據規模體量大、場景應用豐富，但工業數據治理門檻高、成本高，存在高價值樣本稀缺、高質量場景較難落地等問題，一定程度上阻礙了工業數據要素價值的釋放。

工業數據“長尾效應”導致數據資源規模不足，高價值稀缺“壞”樣本數據難以匯聚。工業數據的天然特征導致高質量數據稀缺。一方面，當前工業領域人工智能訓練數據存在顯著的長尾分布特征，對模型訓練有分析利用價值的數據往往需要包含異常情形下的“壞”樣本，但通常正常工況數據占95%以上，這些有效“壞”樣本不到總量的5%，匯聚整理難度極大。例如，C4、RefinedWeb等公開數據庫經過嚴格過濾后，僅保留不到10%的關鍵內容，長尾語料被大量剔除，數據集建設的有效資源明顯短缺。另一方面，私域數據是高質量數據集構建的主陣地，相比于公域數據能夠直接獲取，私域數據的流通共享更加復雜。盡管工業可信數據空間概念共識基本形成，但總體發展仍處于初級階段，企業普遍面臨“不敢共享”難題，制約了工業數據要素價值釋放。

跨企業數據流通利用面臨信任和安全難題，制約高價值工業人工智能應用場景的形成與落地。工業數據在企業、車間、設備等不同主體手中呈現高度碎片化特征，各方在數據合規、使用邊界、收益劃分等方面往往難以達成一致。一些工業人工智能模型難以推廣到真實的工業場景中，多方主體需求差異性大、聯合數據開發效率低，很難根據復雜應用場景定制化高質量數據集。據調查，72%的企業認為數據權屬不清而拒絕數據共享，導致跨企業的工業數據流通利用難以順利開展。[5]可信數據空間雖初步探索破解企業間數據流通信任問題，但大量高價值、高敏感數據，如合金配方、精密加工核心工藝參數等仍停留在集團層面，無法通過跨域融合產生倍增效應。

工業數據治理門檻高成本高，訓練數據準備度普遍偏低。工業數據的治理與準備是一項高度專業化的系統工程。一方面，數據準備門檻高。目前絕大部分的工業數據都不是面向大模型訓練準備的，需要基于工藝機理、故障因果關系等深厚的經驗知識，才能形成相對完備有效的訓練數據集，這對治理人員的專業性和全面性提出極高要求。另一方面，數據準備成本高。目前我國大多數工業企業缺乏專門的數據管理組織、頂層規劃與制度流程，大量原始數據停留在“沉睡”狀態，散落在各個業務系統、工作平臺、網絡節點。數據供給的質量和效率較難滿足大模型訓練的規模化需求。專業能力的缺失和投入的不足，導致工業大模型訓練數據的“貧血”現象。

多措并舉破解工業數據要素價值釋放難題

為解決制約工業數據要素潛力釋放的質量問題、規模問題及機制問題，亟須堅持系統觀念，從夯實數據治理、強化數據流通、深化人工智能創新、健全標準保障四個方面，促進工業數據資源開放共享與高效合規利用，系統性破解工業數據價值釋放難題。

深入推進制造企業數據治理，全面提升工業數據要素供給水平。支持制造企業建立健全覆蓋數據全生命周期的治理體系，推動重點行業實施工業數據分類分級管理，鼓勵行業龍頭企業和中央企業率先開展數據治理體系建設，形成可復制、可推廣的典型經驗和共性治理工具，帶動產業鏈上下游企業協同開展數據治理，全面提升工業數據要素供給水平。

大力推進工業可信數據空間建設，消除企業數據開放顧慮。加快企業、行業可信數據空間建設和試點示范，充分發揮工業可信數據空間促進數據開放共享的關鍵作用，以可信技術環境為保障消除企業數據開放顧慮，以商業價值實現為牽引促進制造企業供數用數，鼓勵工業可信數據空間挖掘私域數據，構建行業高質量數據集，賦能工業通用大模型發展。

持續強化工業“數據+人工智能”場景牽引，培育垂直行業大模型。引導央國企開放制造場景，支持生物醫藥、新材料、新能源等行業構建高質量數據集，培育垂直行業大模型。鼓勵數據技術企業、人工智能初創企業與傳統制造企業深度合作，培育數據標注、數據分析、合規審計等專業服務機構，構建覆蓋數據采集、治理、流通、應用全鏈條的產業生態。

加快構建工業數據標準體系，從根源上降低數據對接成本。依托國家標準化管理委員會、聯盟協會等，加快推進工業數據標準體系建設，加快數據互聯互通、工業數據共享規則、工業數據字典等關鍵領域國家標準研制，推進工業數據資源開放共享。組織開展標準宣貫，引導龍頭企業統一數據集成與開放的標準接口，促進供應鏈上下游企業間數據互認，從根源上降低數據對接成本。

注釋

[1]《中華人民共和國國民經濟和社會發展第十五個五年規劃綱要》，《人民日報》，2026年3月14日，第1版。

[2]《報告顯示：2025年中國將擁有全球最大的數據圈》，中華人民共和國商務部網站，https://tradeinservices.mofcom.gov.cn/article/news/gnxw/201903/78867.html，2019年3月5日。據工信部及相關研究機構測算，2023年我國工業數據資源總量已突破10ZB（澤字節），隨著工業互聯網、智能制造的推進，預計到2025年將超過20ZB。粗略估計2024年工業數據資源為15ZB。

[3]《數據資源“大摸底”》，《人民日報海外版》，2025年5月28日， 第 11 版。

[4]莊子銀：《構筑可信數據空間助力數字經濟高質量發展》，《人民論壇》，2026年第1期，第 60-65頁。

[5]鄔賀銓：《開發數據要素 推進數實融合》，《人民郵電報》，2025年9月26日。

責編：李一丹／美編：石 玉