问题。
制造业数字化、智能化进程加速推进，但工业数据在“采、集、用”三个环节仍存在明显堵点。
一些企业数据采集端口分散、设备互联水平不高，数据标准不统一导致难以汇聚；数据质量参差、标注体系不完善影响应用落地；工业场景复杂、行业知识壁垒高，使得数据流通和价值释放不足，成为制约人工智能在制造业深度应用的关键短板。
原因。
从产业结构看，我国制造业链条长、企业规模差异大，数据基础能力参差不齐，既有设备改造成本高，也有数据治理投入不足的问题；从制度与规则看，数据确权、交易、共享机制尚需完善，行业标准滞后于应用需求；从技术与生态看，工业数据治理、标注、分析等专业服务供给不足，导致数据“有量无质”“有库难用”。
影响
工业数据要素价值未能充分释放，将影响制造业数字化转型效率，制约行业大模型、工业智能体等新应用落地，进而影响新型工业化进程与产业竞争力。
数据不能高效流通，产业链协同、供应链优化、质量控制与研发创新都会受到掣肘。
对策。
工业和信息化部办公厅此前印发通知，启动工业数据筑基行动，提出到2026年底形成一批高质量行业数据集、可信互联平台和标准体系。
行动强调以先行先试为牵引，面向人工智能赋能制造业开展高质量行业数据集建设，明确“六个一批”任务：培育一批行业数据合作联合体、汇聚一批行业数据资源、攻关一批关键技术、研制一批工业数据标准、打造一批标准化可流通的行业数据集、赋能一批行业大模型和工业智能体应用。
当前，工信部已启动遴选工作，地方与企业参与积极性较高。
在保障机制上，将联合地方工信和数据主管部门，为先行先试联合体提供资源保障与指导支持，及时解决推进中的问题，总结形成可推广经验；在政策引导上，将推动出台数据要素赋能新型工业化的相关政策文件，发布工业场景数据要素应用参考指引，明确路径和模式；在生态建设上，加快推进工业数据标准研制，壮大数据咨询、治理、标注等服务企业，支持技术研讨、供需对接等活动，建设高质量开源数据资源聚集高地。
前景。
随着工业数据筑基行动深入推进，制造业数据基础设施将得到强化，行业数据互联互通水平有望显著提升。
高质量数据集将为行业大模型训练提供可靠“燃料”，推动生产优化、设备维护、质量预测等场景规模化应用。
到“十四五”后期，数据要素对制造业的支撑作用将更加显著，助力形成以数据驱动的创新体系和现代产业体系，进一步支撑数字中国建设目标。
工业数据筑基行动的启动，标志着我国制造业数字化转型进入深水区。
在数字经济与实体经济深度融合的大背景下，破解数据要素应用难题不仅关乎单个企业的竞争力，更是提升产业链现代化水平的关键之举。
未来，随着数据要素市场化配置改革的深入推进，工业数据有望成为推动中国制造向中国智造跃升的核心引擎。