破解“数据多但质量低”“有数据但不会用”的数据要素瓶颈，对海量、多源、异构的工业数据进行汇聚、治理和流通，转化为可信、可用、可流通的高价值数据资产。分类建设。构建分级分类的数据目录，形成“数据地图”。产业链主体数据，聚焦重点产业链与产业集群，全面梳理链上各环节的企业实体信息，包括企业基本情况、主营业务、核心产品、产能规模、技术能力等。产业管理数据，聚焦政府在履行管理职能时，要求企业填报的各类经营与管理信息。具体包括技术改造项目投资、研发经费、新产品产值、能耗与碳排、安全生产、人才结构、数字化水平自评估等。链主企业运行数据，聚焦龙头企业与产业链关键节点的内部实时运行数据。主要包括反映供需波动的供应链数据（订单、采购、库存、物流等）和反映生产流程的制造过程数据（设备状态、工艺参数、产能、良率等）。应用推广。探索建设工业高质量数据集中试验证平台，开展数据集质量与模型性能评测，构建“数据—模型—应用”闭环优化体系，确保数据好用、管用。强化顶层设计，研制工业数据采集、治理、质量评估及安全保障等标准规范，统一数据存储与交互格式，促进跨系统、跨企业互联互通。聚焦装备、电子、钢铁等重点行业，加速数据开发利用，推动数据集产品化与市场化流通，提升数智赋能成效。
（四）发展工业智能体
解决“用在哪”“怎么用”的价值落地难题，将数据资源和算力基础转化为能够自主感知、分析、决策并执行的智能体应用，加速从“单点智能”向“全局智慧”跃升。分层部署应用。部署故障诊断、寿命预测、工艺优化等设备级工业智能体，实现单点自主感知与控制；部署异常检测、能耗计算、工控代码生成等产线/车间级智能体，保障生产的连续性与高效性；部署物料调度、仓储优化、风控预警等工厂层智能体，推动资源优化配置和高效执行；部署利润预测、财务管理、碳排优化等企业层智能体，促进经营决策效能提升；部署供需智能匹配、产业链供应链管控等生态层智能体，实现产业链协同与生态联动。强化多智能体协同。构建云边协同的多智能体协作体系，在边缘侧，面向设备、产线和车间部署预测性维护、实时质量检测和柔性工艺调整等任务智能体，构建“感知—决策—执行”闭环，推动控制体系由自动化向自主化升级；在云侧，依托统一的智能体交互机制，推动生产计划、供应链调度与能耗管理等智能体交互协作，提升跨部门协同和决策响应能力。
（五）构筑安全防护屏障
化解“看不清风险”“防不住攻击”的发展安全顾虑，构建覆盖数据、模型、网络和终端的全方位、多层次、系统性安全防护体系，为“人工智能+制造”的深度融合与健康发展保驾护航。健全安全管理机制。制定企业人工智能应用分类分级和安全评估管理制度。建立安全风险信息上报与共享机制，畅通与产业链上下游、行业机构及监管部门的信息沟通渠道。增强风险预警能力。建设人工智能安全风险监测预警体系，加强对生产制造关键环节、系统和数据的风险识别，实现风险早发现、早预警、早处置。夯实安全防护基础。企业应使用经过安全测评认证的智能终端设备，实施工业控制网络与人工智能应用网络的分区隔离，部署工业安全大模型辅助威胁检测与响应处置。完善数据安全管理机制，建立训练数据全生命周期保护策略，对核心工艺数据实施分类分级管控，采用深度合成鉴伪技术识别和拦截虚假数据。提升系统防护水平。从数据、模型、终端等层面构建系统性安全防护体系，通过知识库优化、训练语料纠错，从数据源头提升模型输出的准确性、减少错误信息传播。添加人工智能生成合成内容标识，确保生成内容可溯源、可识别。
中国工业互联网研究院基于国家工业互联网大数据中心，建设工业可信数据空间，在钢铁、石化、有色、纺织等重点行业打造了一批高质量工业数据集。开展人工智能测评，对100余个大模型、智能体在工业应用效果进行测试。研发工业智能体平台，为汽车、材料等行业提供工业智能体服务。建设国家人工智能赋能新型工业化供需对接平台，提供涵盖技术咨询、方案设计、智能应用部署和运维优化在内的端到端服务，为3000余家企业精准匹配制造业需求，缩短智能化方案落地周期。（中国工业互联网研究院院长 鲁春丛）
