我國工業大數據發展現狀、問題及建議

劉麗超 高嬰勱

工業大數據作為工業與數字經濟之間的橋梁紐帶，對加快工業數字化轉型、推進數實融合，支撐新型工業化建設意義重大。為此，2022-2023年賽迪研究院對上海、江蘇、浙江、福建、山東、河南、杭州、寧波、廈門、青島、深圳11個省市及部分行業領域專家開展調研。調研發現，地方在工業大數據基礎設施、標桿示范、集群載體、要素保障方面取得了積極進展，但同時仍面臨數據流通不暢、技術產品不強、解決方案不足、慣性思維局限等問題。下一步，建議打造工業大數據先導區示范標桿，同時要供需兩端共同發力，促進數據要素流通，推動產業集聚發展。

一、地方工業大數據發展現狀

（一）支撐工業大數據流通的基礎支撐能力基本形成

一是基礎設施的建設部署加快推進。各地加大5G、千兆光網等數字基礎設施的建設部署，提升工業互聯網支撐服務能力。如山東省實施“感知能力”提升工程，部署物聯網終端數超1.64億個。青島市建設了工業互聯網企業綜合服務平臺，累計上線特定行業、領域工業互聯網平臺40個。福州市通過工業互聯網平臺接入600多家紡織化纖企業。二是工業數據的采集匯聚不斷加強。各地積極實施數據管理能力國家標準，強化數據全生命周期管理和數據資源體系建設。如山東省培育數據共享、數據開放、數據流通、公共服務四類60個平臺，構建工業大數據平臺體系。江蘇省牽頭制定了《信息技術 大數據 工業產品核心元數據》國家標準，推進工業大數據產業標準化。三是數據資源的資產化運營加速落地。各地積極培育數據要素市場，打造數據交易中心、數據中介、數據經紀人等數據服務新模式。如江蘇省、廣東省發布首席數據官制度。上海市布局新型數據交易所，推進多層次數據交易流通機制，打造“數商”交易生態。

（二）釋放工業大數據價值的應用標桿示范不斷涌現

一是示范應用場景加速涌現。全國過半省市發布數字化場景清單，引導工業領域新業態新模式發展。如湖南、河南、江蘇等省發布制造業數字化轉型典型應用場景。青島市搭建場景賦能公共服務平臺，累計發布“工業賦能”場景2110個，共4076個企業需求被150家服務商接單。山東省開展數據應用效能綜合評價，推動典型案例“一地創新、多地復用”。二是工業企業全流程數據驅動能力不斷加強。我國已培育形成110家智能制造試點示范工廠，聚焦研發、設計、生產、物流等制造過程的重點環節，共同打造241個智能制造優秀場景，且多個場景之間實現了良好地集成協同。比如，地方層面，浙江省建成41家“未來工廠”，以數據驅動生產方式和企業形態變革。江蘇省培育198個智能制造示范工廠，推動企業“智改數轉”。上海市公布100家智能工廠名單，發揮智能制造示范工廠標桿帶動效應。三是地方探索開展工業大數據示范區建設。如江蘇省打造了7個省級工業大數據應用示范區，聚焦工業大數據開展先行先試。

（三）壯大工業大數據產業的集群載體創新發展提速

一是產業集聚區加速形成。各地加強產業基地、產業園區、重點發展試驗區等產業載體建設，推動大數據產業集聚發展。如河南省培育5個大數據產業示范園區；江蘇省打造了10家省級大數據產業園，并出臺兩個相關團體標準，指導地方開展園區創建。二是集群主體的平臺化運營能力不斷提升。如寧波市依托產業大腦平臺，集成政府側和企業側應用場景，打通工業經濟相關數據，面向產業鏈上下游提供智能服務。三是集群跨域協同和網絡協作模式加快探索。如廣州、佛山等城市加速終端產線的數字化升級，推動建設覆蓋智能家電全產業鏈和產品全生命周期的規范統一的標準體系，推進跨區域協同。無錫市上線物聯網集群綜合服務平臺，與上海、合肥、杭州等市、區共建長三角面向物聯網領域“感存算一體化”超級中試中心，建立網絡化協作體系。

（四）打造工業大數據生態的資源要素保障加快完備

一是公共服務持續完善。各地推進建設工業大數據創新中心，發布制造業數字化轉型實施指南，推動工業大數據服務生態加快構建。如福建、浙江、蘇州等省、市等組建工業大數據研究中心，建設大數據應用試驗平臺，推動工業大數據創新發展。廈門、寧波等城市對全市工業企業進行數字化轉型升級調研評估，針對性推進企業工業大數據采集分析相關工作。二是大數據專業技術人才隊伍建設不斷加強。各地通過在線培訓、基地實訓等多元化方式，加強新型數字經濟人才培訓。如山東省深入開展“萬名數字專員進企業”，創新推行CDO（總數據師）制度，逐步實現大型企業全覆蓋。蘇州市新建4家涉數字經濟高技能人才公共實訓基地，全市新增數字技能人才4.93萬人。三是產融結合促進工業數據應用擴展。各地加強產融服務，通過多樣化資金渠道和支持機制促進工業數據應用創新。如寧波市落地首版次軟件綜合創新保險，分擔創新企業和用戶單位風險，加快工業軟件及大數據軟件等新產品的普及推廣，促進工業數據采集應用。山東省計劃成立數字經濟發展基金，引導更多金融資源流向數字技術創新和數字經濟發展。

二、工業大數據發展面臨的問題

（一）數據要素匯聚難、流通少、轉化慢，制約工業數據要素價值釋放

一是數據“過度保護”制約工業數據匯聚。比如，杭州、青島等城市調研反饋，企業出于對工業數據上云、上鏈的安全性信任不足，擔心關系商業機密和競爭力的數據泄露，不愿推進工業數據網絡化匯聚。二是標準協議不兼容限制工業數據共享流通。工業企業數字化轉型進程不一，存在信息化基礎不一致、設備兼容性不統一等問題，導致數據貫通不暢、應用不足，制約數據共享流通。現有的工業互聯網平臺通常面向重點行業企業提供專用性平臺服務，標準架構互通性不強，技術產品復用能力有限，在工業數據整體的流通應用方面還缺少有力的平臺支撐。三是工業企業能力不足阻礙工業數據價值的高效轉化。部分工業企業尚未組建相對專業化的數據管理團隊，“不會用”數據現象普遍存在。

（二）技術根基不穩、產品競爭力不強，影響產業發展壯大

一是底層基礎不牢，原創性不足。大數據治理、處理、分析技術不同程度上與國際先進水平存在差距，涉及底層框架、核心代碼的自主知識產權把控能力低，開源開放的創新環境匱乏，創新要素無法及時滿足產業鏈、創新鏈所需。以我為主導的大數據相關開源項目、開源平臺對國際高端創新資源的吸引力不足，在貢獻數量、活躍性、發版周期等方面與國外相比存在較大差距。二是自主可控工業技術產品亟待突破。我國工業軟件長期被國外廠商壟斷，備用昂貴且存在技術掣肘風險，短時期難以形成自己的優勢方案供給，先進技術短板等問題較為突出。

（三）應用需求和路徑不明、解決方案適配性不足，阻礙工業數據深層次應用

一是工業企業不具備數據應用規劃和設計能力。多數工業企業對數據應用場景缺乏系統規劃，工業數據應用多集中在“可見”場景，如設備定期維護保養，產品質量抽檢等，對設備關鍵組件衰退、非預期停機、工藝過程與質量關系不清晰等“不可見”的復雜、不確定性工業場景應對不足。二是工業數據應用解決方案能力不足。工業數字化機理模型多產生于高校和實驗室，而工業數據背后融合了實際應用需求的專家經驗，未能構建起有利于算法識別的特征，無法有效固化到軟件平臺。總體表現為普適性方案多、個性化方案少，單點單環節應用方案多、系統化一體化集成方案少，項目交付式方案多、合作運維式方案少。

（四）慣性思維局限、預期效益偏低，掣肘工業大數據創新發展

一是地方發展工業大數據存在慣性思維局限。部分政策制度仍然把創新重點放在“硬環境”打造，即大部分任務舉措均圍繞以數字基礎設施、創新平臺、大數據交易中心等為主體的重大項目投資展開；產業協同創新機制、工業數據流通制度、企業營商環境等方面的“軟環境”建設不夠，面向工業大數據平臺化、網絡化業態特點和創新需求提供的職能改革和服務優化不足，面對工業數據技術痛點、短板的數字產業發展舉措有待進一步創新。二是企業發展工業大數據面臨投入產出預期不足羈絆。工業數據全流程監測通常依賴于生產設備系統的數字化升級改造，企業對該過程中可能導致生產中斷的情況缺乏影響評估和專業性支持，存在因數據系統出錯影響生產運轉甚至引發安全事故的相關顧慮，出于安全生產考慮，部分企業認為升級改造帶來的數據系統安全投入遠超大數據應用收益。

三、相關建議

（一）支持先行先試，引導打造工業大數據示范高地

一是推動有條件的地方建立工業大數據先導區，支持地方結合當地實際，研究制定具體實施方案，整合區域內企業、人才、資本等資源，推動工業大數據創新發展。二是開展綜合型先導區和特色型先導區分類建設，在數據要素集聚、技術研發創新、集群建設培育、數據融合應用等方面開展集成式系統創新和特色化路徑探索。三是協同發揮中心城市的輻射引領作用和中小城市的特色示范效應，調動大中小城市開展工業大數據先導區建設的積極性。

（二）供需共同發力，著力提升工業大數據發展能級

一方面，推動開展核心技術攻關，圍繞數據資源、工業軟件等核心環節拓長補短，在關鍵核心領域培育一批示范引領作用強、輻射帶動范圍廣的優秀產品和解決方案，通過工業大數據名企、名品認定等手段，推動工業大數據產品高端化、專業化發展。另一方面，開展工業數據應用創新試點示范，打造工業數據創新應用示范場景，推動各類場景算法模型在行業間、企業間的共享應用，激發工業數據應用需求。

（三）安全發展并重，積極推動工業數據要素創新發展

一是支持地方探索建設工業大數據集成平臺和大數據中心，開展工業企業數據管理能力成熟度（DCMM）評估認定，構建工業數據分類分級管理體系，促進工業數據資源高效匯聚和安全管理。二是推動建立多方參與、數據共享、利益分享的工業數據可信流通空間，引入多方計算、聯邦學習、數據沙箱等技術，探索建立可用、可信、可追溯的工業數據流通機制。

（四）鼓勵制度創新，支持探索適應工業大數據發展的區域特色模式

一是發展數據驅動的業務模式創新，推動先導區內產業鏈合作、集采模式、協同研發等企業聯動，打造產業互聯網、智能制造體系等模式創新示范。二是鼓勵探索開展工業數據權屬認定、價值評估等政策制度和工作方式創新，推動工業數據資產化轉化，強化本地數據和跨域數據的供給流通。三是推動一把手負責和跨部門協同機制，針對地方工業大數據發展加強政策針對性和創新性，切實完善專項資金、特色人才等要素保障。