问题：当前，新型工业化进入以数据驱动、智能升级为特征的关键阶段。工业领域数据资源规模大、潜力高，但跨企业、跨行业的流通共享以及高质量开发利用上仍有不少瓶颈。一些行业数据来源分散、口径不统一、质量不稳定，导致数据集构建成本高、难复用；部分企业尤其是中小企业数据治理、标注和合规管理上基础薄弱，影响数据要素价值释放和应用落地效率。 原因：一是工业数据类型复杂，既包括设备运行、工艺参数、质量检测等结构化数据，也包括图像、文本、语音等非结构化数据，采集链路长、标准要求高，出现“能汇聚但不好用”的情况。二是产业链协同水平不一致，上下游数据接口、管理制度、评估体系各上缺少统一规范，难以形成可复制、可推广的高质量数据集建设路径。三是数据要素市场化配置仍完善，供给侧专业服务能力与应用侧场景需求匹配不足，数据咨询、治理、标注等专业分工有待深入做强。 影响：工业数据底座是否扎实，直接影响智能制造、工业互联网、人工智能在制造业的深入应用。高质量数据集供给不足，会制约工艺优化、预测性维护、质量追溯、柔性生产等关键场景的规模化落地；标准缺失或不统一，容易造成重复建设和资源浪费，并抬高企业对接成本。反过来，若能形成一批可推广的数据集建设方法和标准体系，将有助于降低数据开发门槛，促进算法模型训练与应用迭代，带动产业链效率提升，增强制造业竞争力。 对策：工业和信息化部信息技术发展司负责人在发布会上介绍，今年启动工业数据“筑基”行动，旨在通过先行先试探索高质量行业数据集建设路径。下一步将重点推进三上工作。 一是加强支撑保障，夯实试点落地基础。有关部门将会同地方工业和信息化、数据管理等主管部门，为先行先试联合体提供资源保障与指导支持，建立问题跟踪解决机制，总结经验做法，加快形成可复制、可推广的成果，推动从“点上突破”走向“面上应用”。 二是强化政策引导，完善要素赋能的制度供给。有关部门将推动形成数据要素赋能新型工业化的政策文件，并印发工业场景数据要素应用参考指引，明确重点方向、典型模式和实施路径，推动各类市场主体围绕工业场景形成可落地的应用方案，促进数据要素与产业需求更好衔接。 三是培育良好生态，推动标准、企业与平台协同发力。将加快工业数据标准研制，推动数据采集、治理、标注、共享与应用评价等环节更加规范、成体系。同时，支持壮大数据咨询、数据治理、数据标注等数据服务企业，提升专业化供给能力，带动形成“数据资源—技术工具—专业服务—场景应用”的产业闭环。围绕供需对接，将支持举办技术研讨会、供需对接会等活动，促进应用场景、技术能力与数据资源高效匹配。面向开源生态建设，将进一步做强涉及的开源社区，打造高质量开源数据资源集聚高地，促进创新要素汇聚和成果转化。 据介绍，在即将举行的第九届数字中国建设峰会期间，将举办数据要素赋能新型工业化专题会议，并启动面向2026年的相关赛事安排，以赛促用、以用促建，推动技术、数据与场景协同创新。 前景：业内人士认为，工业数据价值释放将呈现“标准先行、场景牵引、生态共建”的趋势。随着政策体系完善、标准加快落地以及数据服务企业能力提升，工业数据从“资源化”走向“资产化”、从“可汇聚”走向“可交易可应用”的基础将进一步夯实。下一阶段的重点，是把试点形成的方法沉淀为行业通用规范，加快建立高质量数据集供给体系，并在重点行业、重点链条打造一批可量化、可评估、可复制的标杆场景，持续提升数据要素对产业转型升级的支撑能力。
数据要素赋能新型工业化，关键在于让“数据”真正转化为“生产力”。从先行先试到标准体系，从政策引导到生态建设，工业数据建设既是打基础，也需要系统推进。以标准打牢底座、以服务提升供给、以场景带动应用，才能让更多企业用得起、用得好、用得稳，推动数字中国建设成果在实体经济中更快转化为高质量发展的实效。