工业数据是贯穿整个制造业价值网络的关键要素，通过系统采集、特征分析和建模评价，实现物理空间和数字空间的精准映射和高效协同，促进形成数据驱动、人机协同、融合创新、智能引领的制造生态系统，极大地激发制造业创新活力、发展潜力和转型动力。2020年4月28日，工信部发布《关于工业大数据发展的指导意见》(以下简称《意见》)，明确提出“深化数据应用”、“促进产业发展”，以大数据应用创新促进数据驱动制造升级，以产业要素新供给“赋能”制造业创新发展，是构建以数据为关键要素的新型制造体系、充分释放数字经济潜能的重要途径，是关乎制造业数字化转型、新旧动能转换和高质量发展的长远之计。

01、从需求端看，工业数据应用走向深入

从发展意义看，工业数据应用是繁荣工业数字经济的重要途径。劳动力、资本、土地是传统工业经济发展不可或缺的生产要素，正面临劳动力总量逐年减少，资本使用效率偏低、土地环境约束趋紧等日益严峻的发展挑战。随着数字技术与制造业深度融合，工业经济生产要素和上下游业务流程实现更大范围、更高层次、更深程度的连接，海量工业数据汇聚增长，数据要素价值大量释放，逐步成为工业经济全要素生产率提升的重要动力源。十九届四中全会首次提出将“数据”作为生产要素参与分配，为数据赋予了新的历史使命，也为工业领域创造和应用工业数据要素、推动工业发展由传统要素驱动向以数据为代表的新要素驱动指明了新方向。

《意见》顺应数字时代发展趋势，聚焦工业数据发展和应用，旨在引导各方协同发掘工业数据应用价值，释放数据要素红利和创新红利，增强工业数字经济内生增长动力。

从发展进程看，工业数据应用正从设备级向产业链级深度拓展。工业数据贯穿于制造全过程、全产业链、产品全生命周期，通过端到端的流通共享构建“感知-洞察-评估-响应”闭环机制，支持实现设备精准控制自执行、企业智慧决策自优化和产业链协同自适应。工业数据融入设备，将设备运行状态“透明化”，有助于设备故障诊断和运行优化。工业数据融入研发、生产、管理、服务等各个环节，支持基于内部数据协同的流程优化，提升组织运行效率。工业数据融入产业链上下游，促进企业间信息交互，催生共享制造、供应链金融等新服务新业态。

《意见》提出深化工业数据应用方向，在应用边界、范围和内容上留下充分的想象空间，引导企业开展工业数据应用创新，逐步实现从量的积累、点的突破到质的飞跃、制造系统的整体提升。

从发展问题看，工业数据应用生态有待完善。工业数据具有多模态、高通量、强关联、价值密度低等特性，技术能力、治理机制、业务特点、服务水平等均关系着工业数据应用价值能否得到充分释放。如，由于很多企业不具备工业建模技术，无法将承载知识经验、工业机理、运行逻辑的数据有效转化为专有模型、支持高水平工业应用。现阶段大多数工业数据应用呈现“三多三少”特点，即可视化、统计分析等基础描述性应用多，基于数据的指导性、决策性应用少；预测性维护、质量分析、能源管控等管理服务应用多，基于数字孪生体的制造执行类应用少；企业内单环节、单部门应用多，跨系统、跨产业链的综合性应用少。

《意见》围绕提升工业数据应用的广度和深度，明确提出了推广应用案例、评估应用水平、开展应用竞赛、加强应用培训等实操性强的举措。

02、从供给端看，产业供给能力有待进一步增强

从发展意义看，工业大数据产业是制造业数字化转型的关键支撑。制造业数字化转型是数字技术与制造系统深度融合，以数据流带动技术流、资金流、人才流、物资流，以数据的价值挖掘推动制造模式变革的过程。工业大数据产业汇聚了丰富的数据采集、存储、管理、分析与应用等技术、产品和解决方案，为制造业数字化提供基础性、关键性支撑。从产业发展态势看，GE、PTC、西门子等都纷纷推出基于工业互联网平台、以数据为驱动的数字化解决方案，主动变革商业模式，抢占数字化转型高地。

《意见》重视打造健全的工业大数据产业体系，旨在以关键技术创新、软硬件产品培育、产业生态完善等举措，着力提升面向制造业数字化转型的支撑能力。

从发展进程看，工业大数据产业供给能力持续提升。一是部分领先工业互联网平台企业依托平台数据采集、汇聚和建模能力，不断积累面向特点行业的专业化工具模型，发展基于平台的数据服务和数字化解决方案。二是部分工业软件、自动化控制系统企业向工业领域渗透，不断扩大数据源，强化脱胎于软件系统工程的数据建模、分析处理等优势能力。三是具备基础技术能力的传统数据企业，积极进入工业领域，围绕数据库、数据平台系统等提升面向工业应用的专业化服务能力。

《意见》鼓励发展一批数据服务龙头企业，意在推动数据企业、软硬件企业、平台企业等立足自身优势，围绕特定行业应用拓展数据服务空间。

从发展问题看，工业大数据产业“基本功”亟待夯实。一方面，我国工业大数据技术在多样性数据采集、多模态数据管理、强关联数据集成、数据建模分析、数据共享流通及安全治理等方面与国外差距较大，一些关键产品对外依存度较高，意味着在工业数据大规模发展应用的同时，其基础和底座仍不牢固。另一方面，由于大部分数据服务商根植于软、硬件技术领域，对工业企业的技术架构、制造流程、业务模式、服务方式等认知不足，项目持续性实施运维能力欠缺，导致相关产品和解决方案无法充分满足企业的个性化、定制化、精准化服务需求。

为此，《意见》提出要加强工业大数据采集、存储、加工、分析和服务等环节相关产品开发，构建大数据基础性、通用性产品体系；同时，要推动基于工业大数据平台的协同创新，促进“工”和“数”的跨界交流、深度合作。

03、加强供需“双轮驱动”，激发工业大数据创新潜能

发展工业大数据，核心在于加快促进工业大数据技术创新突破，促进数据高效流通和融合应用，推动制造业全过程、全产业链、全生命周期的数据应用创新，实现发展质量和效益的全面提升。

一是以夯实增长基础为重点，补齐产业供给体系短板。全面梳理工业大数据关键共性技术短板，形成攻关清单，研究制定工业大数据技术发展路线图，明确关键共性技术的发展方向、目标和路径。推进分布式处理架构、时序数据库等工具在平台的部署和应用，构建并丰富工业互联网平台算法库，提升工业互联网平台数据质量、数据管理和分析处理能力。面向能源化工、航空航天、建筑钢铁、家电、纺织服装、食品追溯等新一代信息技术与制造业融合发展的重点产业和领域，发挥政策导向作用，支持培育一批市场份额大、服务能力强、专业化和集成化水平高的工业大数据解决方案供应商。

二是以融合创新发展为重点，提高工业大数据应用能级。构建集云端资源库、先进数字化工具、虚拟仿真环境等于一体的协同研发体系，实现基于用户数据分析的产品创新和协作研发。打通人、机、料、法、环等全过程数据链，提升基于大数据分析的生产线智能控制、生产现场优化等能力，加速生产制造向自决策、自适应转变。利用大数据技术开展用户精准画像，促进用户数据与制造全流程数据的贯通集成，实现面向用户需求的柔性化、定制化生产。开放数据资源和工具，扩大跨产业链、跨平台数据流通和协作范围，发展协同设计、网络化制造、敏捷供应链、无人制造、共享制造、供应链金融等新模式。

三是以合作协同开放为重点，构建工业大数据创新发展生态。企业、高校、科研院所、产业联盟加强合作，联合创建一批工业大数据创新中心和重点行业大数据应用中心，围绕重大共性需求和重点行业需要开展协同创新，推动工业大数据科研资源共享、共创和技术成果转化。依托大数据技术开源社区，面向工业应用场景和工业大数据技术创新需求，培育更多开源项目。构建完善工业大数据解决方案服务商评价体系，依托第三方专业机构开展工业大数据解决方案质量诊断与测试评估，定期发布大数据技术解决方案供应商名录和关键产品清单。(文/黄子河 中国电子信息产业发展研究院副院长）