问题：制造业数字化转型进入深水区，数据“多而散、用不畅”的矛盾更加突出；一方面，工业现场数据来源复杂，设备类型多、协议不统一，历史系统与新系统并存，造成数据采集成本高、互联互通难；另一方面，数据治理、质量评估、合规流通等基础能力相对薄弱，影响数据要素从“资源”向“资产”“生产力”转化。随着智能制造、柔性生产、远程运维等场景加快落地，企业对实时动态数据的稳定供给和高质量利用提出了更高要求。 原因：近年来，我国以两化融合为牵引，持续推进工业互联网建设，加快5G等新型基础设施与制造业融合，推动制造体系从单点自动化走向网络化、数字化、智能化。工业和信息化部信息技术发展司司长王彦青发布会上表示，随着工业互联网创新发展工程推进，5G在工业现场加速应用，带动工业5G专用芯片、模组和终端产品的研发与推广，一些过去难以感知、难以联网的“哑设备”逐步实现传感化、可视化和连接化，为海量工业数据的汇聚与应用打下基础。对应的进展也体现在生产端改造升级上——重点行业企业关键工序数控化率提升至68.6%，数字技术对工艺流程的渗透持续加深。 影响：数控化率提升和5G规模应用，带来的不仅是效率提升，也在改变生产组织方式并重塑产业竞争力。对企业而言，工序数控化水平提高意味着加工精度、稳定性和一致性增强，有助于降低返工率、缩短交付周期，并为精益管理和质量追溯提供数据支撑。对产业链而言，设备联网和数据贯通有利于打通设计、制造、物流、服务等环节，促进供应链协同与资源优化配置。更关键的是，工业实时动态数据连续性强、价值密度高、可复用性强，一旦形成高质量数据集，将为智能诊断、预测性维护、能耗优化、安全生产等应用提供支撑，推动新型工业化更升级。 对策：针对工业数据开发利用的短板，今年启动的工业数据筑基行动将以先行先试方式，推动高质量行业数据集建设。王彦青介绍，行动计划在今年年底实现“六个一批”目标：培育一批行业数据合作联合体，汇聚一批行业数据资源，攻关一批数据关键技术，研制一批工业数据标准，打造一批高质量、标准化、可流通的行业数据集，推动一批相关应用落地。核心在于围绕数据采集、汇聚治理、场景应用三个环节同步推进，解决“采得来、汇得齐、用得好”的系统性问题。 围绕先行先试，下一步工作将从三上推进：一是加强支撑保障。有关部门将联合地方工业和信息化及数据主管部门，为联合体提供资源支持和业务指导，及时协调解决试点中的共性问题，推动经验沉淀，形成可复制、可推广的成果。二是强化政策引导。推动出台数据要素赋能新型工业化政策文件，形成面向工业场景的数据要素应用参考指引，明确典型模式和实施路径，引导企业在合规前提下用好数据。三是培育良好生态。加快工业数据标准研制，壮大数据咨询、治理、标注等服务力量，支持开展技术研讨和供需对接活动，同时完善开源社区和高质量开源数据资源集聚平台，促进技术、数据与场景对接，提高创新效率。 前景：从趋势看，工业数据基础设施和标准体系逐步完善，将推动制造业数字化转型从“设备上云、系统上线”迈向“数据成体系、应用成规模”。随着行业数据集质量提升、流通规则逐步明确，面向研发设计、工艺优化、质量控制、设备运维、绿色低碳等重点领域的应用有望加快落地，制造业将更快建立以数据驱动的持续改进机制。同时，先行先试形成的联合体协作模式和标准化成果，有望带动跨企业、跨园区、跨地区的数据协同，提升产业链韧性与安全水平，为发展新质生产力夯实数字底座。
制造业竞争的下半场，不只比拼装备和产能，更考验数据基础、标准体系和生态协同能力。以工业数据筑基行动为牵引，把“采得准、集得全、用得好”的基础工作做扎实，才能推动工业数据从资源走向资产、从资产走向生产力，在稳增长、提质效、育新动能中形成更可持续的竞争优势。