当前，人工智能在制造业的应用空间很大，但推进过程中真正卡住的往往不是算法，而是数据质量。江苏省工信厅与国家工业信息安全发展研究中心联合编制的新版指引，正是围绕该关键问题提出的系统化解决思路。制造业数据治理的难点具有普遍性。落到实际，企业常见的困扰集中在数据“孤岛”和“失真”：治理与标准体系不完善，数据与业务场景对不上、用不起来。具体来看，数据采集阶段常出现“采不到、采不准、采不全”，数据格式分散、口径不一、溯源困难；到预处理环节，又容易陷入数据“脏、乱、繁”，清洗、标注和整合成本高。这些问题背后，是不少制造企业长期把数据工作停留在“合规应付”的层面，缺少把数据当作战略资产来规划、建设和持续运营的机制与能力。人工智能应用的深入正在推动这一局面变化。高质量数据是模型训练、推理和迭代的基础，数据治理也因此成为提升数据质量、支撑应用落地的关键抓手。随着人工智能在制造业的推进，企业对数据治理的需求正在从被动应对转向主动创造价值，这一转变也为产业升级带来新的机会。
数据治理看似是在“打地基”，却直接决定制造业智能化应用能走多高、能否长期稳定。江苏此次推出面向制造业的数据治理参考指引，既回应了企业共性痛点，也给出了分级、分环节的可执行路径。只有把数据“采得准、管得住、用得好”，才能让技术应用从概念走向稳定收益，并以更可靠的数据底座支撑制造业转型升级与新质生产力培育。