数智前瞻丨让工业数据从信息“孤岛”走向智慧“枢纽”

来源：市场资讯

（来源：中国经济时报）

数据对智能化推进的作用不言而喻。对于工业领域加紧推动高水平智能化建设而言，可以说“没有工业高质量数据集，就没有高水平工业智能”。在当前人工智能对包括工业在内的产业细分加紧赋能的大背景下，海量、可信的数据规模承载着人工智能技术“从试验探索迈向实际应用”的“神经网络”，决定和检验着人工智能的迭代成效。

图片来源：摄图网授权

■中国经济时报记者李海楠■刘晨曦

作为数据要素的重要组成部分和新型生产要素，工业数据正在成为实体经济数智化进程中的基础资源，被视为培育壮大智能产业的关键驱动力量。

工业和信息化部近日印发《工业互联网和人工智能融合赋能行动方案》（以下简称《方案》），旨在深化人工智能与工业互联网融合应用，一体推进新型工业化，助力制造强国与网络强国建设。

“工业互联网与人工智能融合赋能，有助于进一步为打破工业数据壁垒提供技术支撑，极大提升工业数据传输效率和应用效能。”接受中国经济时报记者采访的专家认为，作为人工智能落地生根的关键载体，积极推动工业互联网与人工智能的深度融合发展，有助于充分挖掘和发挥工业互联网在赋能、赋值、赋智方面的独特作用。其中，通过扩大新型工业网络规模和打造高质量数据集，将让工业数据摆脱信息“孤岛”，实现向工业智慧“枢纽”的跨越。

提升融合赋能须强有力的硬件支撑

“工业互联网作为推进新型工业化的重要基础设施，已迈入高质量发展、规模化推广的新阶段，为人工智能提供互联通道、数据资源、平台中枢。”工业和信息化部有关负责人表示，与此同时，人工智能自生成、自决策、自组织等新特征，助力工业互联网设施升级、能力优化、服务创新，两者互促共进、融合赋能，将进一步加快产业模式和企业组织形态变革。

《方案》围绕基础设施、要素支撑、融合应用、产业生态4个方面，提出到2028年工业互联网和人工智能融合赋能水平实现显著提升的目标。

其中，在基础设施方面，根据《方案》，满足人工智能工业应用高通量、低时延、高可靠、低抖动通信需求的新型工业网络规模将持续扩大，在原材料、装备制造、消费品、电子信息等重点行业工业企业加快部署应用，推动不少于5万家企业实施新型工业网络改造升级。

“让大算力、大数据、大模型成为驱动产业数字化转型、赋能产业升级发展的动力，必须确保工业互联网平稳、可靠地规模化发展。”北京大学国家发展研究院中国经济研究中心教授汪浩在接受中国经济时报记者采访时表示，工业互联网是新一代信息通信技术与工业经济深度交融的产物，其不仅是推动产业数字化转型的关键支撑力量，更是促进实体经济与数字经济深度融合、科技创新与产业创新深度融合的核心路径。

近年来，我国工业互联网发展规模不断壮大，政策体系持续健全，技术创新不断实现突破，生态建设日益繁荣，其赋能效应也在各个领域持续显现。

工业和信息化部数据显示，截至目前，我国“5G+工业互联网”建设项目已超过2万个，正式步入规模化应用新阶段。我国具有一定影响力的工业互联网平台超过300家，重点平台工业设备连接数超亿台；建成了自主可控的工业互联网标识解析体系。

“在强有力的硬件和政策保障下，我国具备了推动人工智能技术与产业深度融合、以技术赋能产业转型升级的领先优势，继而实现了技术与产业的螺旋式提升。”中国科学院计算技术研究所博士、北京信息产业协会元宇宙专委会主任龚才春对中国经济时报记者表示，《方案》提出以推动信息化和工业化深度融合为主线，以推动“人工智能+”在工业领域落地为着力点，深化工业互联网规模应用，就是要持续巩固和提升我国在信息通信领域的竞争优势和领先地位，推动制造业加快迈向全球价值链中高端。

工业数据集建设刻不容缓

在以“数”赋能、以“智”驱动推动产业数字化转型的大背景下，围绕算力、大模型、数据等细分领域的竞争正在呈现白热化趋势。随着越来越多的企业加速推进工业互联网与人工智能的深度融合，并从中切实尝到发展的红利，舆论也开始关注，认为我国亟须加快工业高质量数据集建设，为抢占全球智能制造高地奠定基础。

《方案》提出，到2028年，工业数据汇聚、治理、流通、共享体系不断完善，在20个重点行业打造一批高质量数据集。

所谓工业高质量数据集，是指从研发、生产、供应、销售、服务等全生命周期各环节产生和采集，经过清洗、标注等专业化处理，用于分析、建模、训练的数据集合。

“加快建设工业高质量数据集，是将我国庞大的数据资源优势和完备的产业体系优势，转化为赋能新型工业化核心竞争力的关键举措。”汪浩认为，我国是工业大国，门类齐全、体系完整、场景丰富，近年来，企业数字化转型进程加速推进，为工业数据的汇聚与应用奠定了良好基础。

在汪浩看来，在当前人工智能对包括工业在内的各产业细分领域加紧赋能的大背景下，海量、可信的数据规模承载着人工智能技术“从试验探索迈向实际应用”的“神经网络”，决定和检验着人工智能的迭代成效。

工业数据集建设势必让大数据、大模型发展的“中国生态”如虎添翼。在龚才春看来，我国根据自身资源禀赋让人工智能下沉到应用层级，实现深度融合、互为促进，有力规避了外界对我国布局人工智能快速发展的阻碍。

龚才春表示，当前，为遏制我国人工智能发展，美国一方面极力鼓动禁止对中国高端芯片出口，另一方面对大量人工智能开源项目闭源，意图阻止中国人工智能发展步伐。“即便如此，依托自主发展和数据资源、算力资源优势，我国也形成了一批优质大模型，正在深刻影响着各行各业。”

数据对智能化推进的作用不言而喻。龚才春认为，对于工业领域加紧推动高水平智能化建设而言，可以说“没有工业高质量数据集，就没有高水平工业智能”。

工业数据的特殊性在于其多源异构、高并发、实时性强的特征，传统数据治理模式难以适应，这对数据的集中收集和共享模式提出了新的要求。可以预见，随着高质量工业数据集加速建设，客观上也揭示了工业数据治理的内在逻辑：促进工业数据从“孤岛”向“枢纽”跃升。

对此，在加强工业数据汇聚共享方面，《方案》提出鼓励工业企业加快信息模型应用，推进多源异构工业数据联通共享。依托国家工业互联网大数据中心等数据基础设施，加快汇聚重点领域供应链数据、工业基础数据、“双碳”基础数据，推动建立全国工业数据目录。发挥工业互联网标识解析体系作用，有效提升工业数据协同共享、聚合分析等能力。

为加强数据集建设支撑，《方案》要求面向工业模型训练需求，鼓励工业企业、工业互联网企业、工业数据服务商联合开展工业数据清洗、标注、合成、评估，支撑通识类、行业通用类、行业专用类数据集建设与服务。引导龙头企业基于工业互联网带动上下游开放数据资源，打造一批高质量行业数据集。

工业是我国经济发展的核心支柱，同时也是保障国家战略安全的主阵地。加快开展工业领域高质量数据集建设，有助于支撑“人工智能+”在工业场景落地，进而推动人工智能赋能新型工业化，提升我国工业国际竞争力。

总 监 制丨王列军车海刚

监 制丨陈 波 王 彧 杨玉洋

主 编丨毛晶慧 编 辑丨谷 云