當前，以人工智慧為核心驅動力的新一輪科技革命與產業變革，正深刻重塑全球製造業競爭格局。我國作為全球製造業大國，推動人工智慧與工業經濟深度融合，是建設製造強國、發展新質生產力的關鍵路徑。然而，在融合過程中，數據治理的滯後與薄弱已成為制約工業AI價值釋放的核心瓶頸。
2月27日，全國人大代表、華工科技董事長馬新強在接受經濟觀察網採訪時表示，工業企業普遍面臨數據孤島林立、標準缺失、質量參差、安全風險凸顯以及複合型人才匱乏等多重堵點難點：「這些問題的解決，已非單個企業能力所及，亟需國家與行業層面進行系統性、針對性的頂層設計與生態賦能，為工業AI的規模化、深度化應用掃清數據障礙。」
馬新強認為，為了更好的賦能製造業智能化轉型，需要系統推進工業數據治理體系建設。為此，他建議如下：
一、強化頂層設計，構建國家工業數據治理戰略框架
1.請工信部牽頭聯合數據局制定並發布《國家工業數據治理能力提升行動計劃》。明確未來5年工業數據治理的戰略目標、重點任務、實施路徑和保障措施，將其作為製造業數字化轉型的基礎性、先導性工程進行部署。
2.完善法律與標準體系。加快推動《工業數據安全管理辦法》等專門法規出台，明晰工業數據權屬、流通、交易與安全責任邊界。由工信部牽頭，聯合數據局、標委會、重點行業聯盟，加速研製覆蓋數據採集、存儲、處理、應用、共享全生命周期的國家標準與行業標準，特別是針對關鍵工業設備的數據介面、通信協議、語義模型的統一規範，破除「數據孤島」的技術根源。
3.建立分級分類的監管與促進機制。依據企業規模、行業屬性、數據敏感度，實行差異化的數據治理監管要求與激勵政策。將數據治理成熟度納入「專精特新」企業、智能工廠/標杆企業的評價體系。
二、加大基礎投入，部署國家級與行業級數據基礎設施
1.建設「國家工業數據基礎服務平台」。依託國家工業互聯網大數據中心體系，構建安全可信、開放共享的國家級工業數據空間，提供數據確權、登記、評估、交易（試用）等基礎公共服務。
2.支持建設「行業級工業數據共享與賦能中心」。在裝備製造、電子信息、原材料、消費品等重點行業，鼓勵龍頭企業、行業協會牽頭，聯合產業鏈上下游，建設若干行業級數據共享平台。在保障核心數據和商業秘密安全的前提下，探索工藝優化、供應鏈協同、共性質量難題解決等場景下的數據價值共享新範式。
三、聚焦關鍵突破，組織實施技術攻關與試點示範工程
1.設立「工業數據治理與AI融合」科技專項。圍繞多源異構數據實時融合、低質量工業數據智能修復、工業知識圖譜構建、數據與模型協同驅動等核心技術，採用「揭榜挂帥」機制，組織產學研力量聯合攻關。
2.開展「工業數據治理標杆培育」工程。在全國範圍內遴選基礎好、意願強的地區和企業，圍繞特定行業或場景（如預測性維護、能耗優化、智能質檢），打造一批數據治理全流程貫通、AI應用成效顯著的標杆工廠和產業集群。
3.推動工業軟體與數據治理工具自主化。加大對國產工業數據中台、數據質量管理、數據資產管理、工業AI開發平台等基礎軟體和工具鏈的研發支持力度，培育一批專業化的工業數據治理服務商。
四、創新支持政策，優化財稅金融與生態培育環境
1.實施精準的財稅激勵。對企業用於數據治理、軟體採購、人才培訓的投入，給予一定比例的加計扣除或直接補貼。
2.創新金融服務產品。鼓勵金融機構開發「數據資產貸」、「數字化改造專項貸」等金融產品，探索將經規範治理和評估的工業數據資產作為授信增信依據。
3.構建「政產學研用金」協同生態。支持成立國家級或區域級「工業數據治理創新中心」，匯聚各方資源，開展技術驗證、標準測試、人才培訓和方案推廣。
五、築牢安全底線，健全數據安全與人才保障體系
實施「工業數據與AI複合型人才萬人計劃」。教育部、人社部、工信部協同，推動高校設立「工業智能」、「工業數據科學」等交叉學科，支持校企共建現代產業學院和實訓基地。設立專項基金，支持企業開展內部員工數據素養全員培訓和骨幹人才深度培養。完善工業數據治理工程師等新職業的技能標準和評價體系。
馬新強認為，數據是工業智能化的「核心原料」，數據治理能力是駕馭這股新力量的「基本功」。系統性地破解工業數據治理難題，是搶佔全球製造業智能化競爭制高點必須打好的「前置戰役」。建議國家統籌布局，行業協同發力，企業主動作為，共同築牢我國製造業高質量發展的數據基石。
（作者 程久龍）
