经济观察网 程久龙 当前，以人工智能为核心驱动力的新一轮科技革命与产业变革，正深刻重塑全球制造业竞争格局。我国作为全球制造业大国，推动人工智能与工业经济深度融合，是建设制造强国、发展新质生产力的关键路径。然而，在融合过程中，数据治理的滞后与薄弱已成为制约工业 AI 价值释放的核心瓶颈。

2 月 27 日，全国人大代表、华工科技董事长马新强在接受经济观察网采访时表示，工业企业普遍面临数据孤岛林立、标准缺失、质量参差、安全风险凸显以及复合型人才匮乏等多重堵点难点：" 这些问题的解决，已非单个企业能力所及，亟需国家与行业层面进行系统性、针对性的顶层设计与生态赋能，为工业 AI 的规模化、深度化应用扫清数据障碍。"

马新强认为，为了更好的赋能制造业智能化转型，需要系统推进工业数据治理体系建设。为此，他建议如下：

一、强化顶层设计，构建国家工业数据治理战略框架

1. 请工信部牵头联合数据局制定并发布《国家工业数据治理能力提升行动计划》。明确未来 5 年工业数据治理的战略目标、重点任务、实施路径和保障措施，将其作为制造业数字化转型的基础性、先导性工程进行部署。

2. 完善法律与标准体系。加快推动《工业数据安全管理办法》等专门法规出台，明晰工业数据权属、流通、交易与安全责任边界。由工信部牵头，联合数据局、标委会、重点行业联盟，加速研制覆盖数据采集、存储、处理、应用、共享全生命周期的国家标准与行业标准，特别是针对关键工业设备的数据接口、通信协议、语义模型的统一规范，破除 " 数据孤岛 " 的技术根源。

3. 建立分级分类的监管与促进机制。依据企业规模、行业属性、数据敏感度，实行差异化的数据治理监管要求与激励政策。将数据治理成熟度纳入 " 专精特新 " 企业、智能工厂 / 标杆企业的评价体系。

二、加大基础投入，部署国家级与行业级数据基础设施

1. 建设 " 国家工业数据基础服务平台 "。依托国家工业互联网大数据中心体系，构建安全可信、开放共享的国家级工业数据空间，提供数据确权、登记、评估、交易（试用）等基础公共服务。

2. 支持建设 " 行业级工业数据共享与赋能中心 "。在装备制造、电子信息、原材料、消费品等重点行业，鼓励龙头企业、行业协会牵头，联合产业链上下游，建设若干行业级数据共享平台。在保障核心数据和商业秘密安全的前提下，探索工艺优化、供应链协同、共性质量难题解决等场景下的数据价值共享新范式。

三、聚焦关键突破，组织实施技术攻关与试点示范工程

1. 设立 " 工业数据治理与 AI 融合 " 科技专项。围绕多源异构数据实时融合、低质量工业数据智能修复、工业知识图谱构建、数据与模型协同驱动等核心技术，采用 " 揭榜挂帅 " 机制，组织产学研力量联合攻关。

2. 开展 " 工业数据治理标杆培育 " 工程。在全国范围内遴选基础好、意愿强的地区和企业，围绕特定行业或场景（如预测性维护、能耗优化、智能质检），打造一批数据治理全流程贯通、AI 应用成效显著的标杆工厂和产业集群。

3. 推动工业软件与数据治理工具自主化。加大对国产工业数据中台、数据质量管理、数据资产管理、工业 AI 开发平台等基础软件和工具链的研发支持力度，培育一批专业化的工业数据治理服务商。

四、创新支持政策，优化财税金融与生态培育环境

1. 实施精准的财税激励。对企业用于数据治理、软件采购、人才培训的投入，给予一定比例的加计扣除或直接补贴。

2. 创新金融服务产品。鼓励金融机构开发 " 数据资产贷 "、" 数字化改造专项贷 " 等金融产品，探索将经规范治理和评估的工业数据资产作为授信增信依据。

3. 构建 " 政产学研用金 " 协同生态。支持成立国家级或区域级 " 工业数据治理创新中心 "，汇聚各方资源，开展技术验证、标准测试、人才培训和方案推广。

五、筑牢安全底线，健全数据安全与人才保障体系

实施 " 工业数据与 AI 复合型人才万人计划 "。教育部、人社部、工信部协同，推动高校设立 " 工业智能 "、" 工业数据科学 " 等交叉学科，支持校企共建现代产业学院和实训基地。设立专项基金，支持企业开展内部员工数据素养全员培训和骨干人才深度培养。完善工业数据治理工程师等新职业的技能标准和评价体系。

马新强认为，数据是工业智能化的 " 核心原料 "，数据治理能力是驾驭这股新力量的 " 基本功 "。系统性地破解工业数据治理难题，是抢占全球制造业智能化竞争制高点必须打好的 " 前置战役 "。建议国家统筹布局，行业协同发力，企业主动作为，共同筑牢我国制造业高质量发展的数据基石。