工業(yè)高質(zhì)量數(shù)據(jù)集研究報(bào)告中國工業(yè)互聯(lián)網(wǎng)研究院院長魯春叢（2025年9月6日遼寧沈陽）數(shù)據(jù)作為新型生產(chǎn)要素，是實(shí)體經(jīng)濟(jì)數(shù)智化進(jìn)程中的基礎(chǔ)資源，是培育壯大智能產(chǎn)業(yè)的關(guān)鍵驅(qū)動(dòng)力量。習(xí)近平總書記強(qiáng)調(diào)，要“深化數(shù)據(jù)資源開發(fā)利用和開放共享”。我國是工業(yè)大國，門類齊全、體系完整、場景豐富，近年來，企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程加速推進(jìn)，為工業(yè)數(shù)據(jù)的匯聚與應(yīng)用奠定了良好基礎(chǔ)。工業(yè)高質(zhì)量數(shù)據(jù)集是從研發(fā)、生產(chǎn)、供應(yīng)、銷售、服務(wù)等全生命周期各環(huán)節(jié)產(chǎn)生和采集，經(jīng)過清洗、標(biāo)注等專業(yè)化處理，用于分析、建模、訓(xùn)練的數(shù)據(jù)集合。加快建設(shè)工業(yè)高質(zhì)量數(shù)據(jù)集，是將我國龐大的數(shù)據(jù)資源優(yōu)勢和完備的產(chǎn)業(yè)體系優(yōu)勢，轉(zhuǎn)化為賦當(dāng)前，人工智能對產(chǎn)業(yè)變革的賦能正從試驗(yàn)探索邁向?qū)嶋H應(yīng)用。以工業(yè)智能體為例，部分頭部工業(yè)企業(yè)已經(jīng)在產(chǎn)線質(zhì)檢、車間注塑、工廠運(yùn)營等環(huán)節(jié)廣泛部署智能體應(yīng)用，極大提升了生產(chǎn)制造效率，而高質(zhì)量數(shù)據(jù)集正是實(shí)現(xiàn)這一切的重要前提。可以說，“沒有工業(yè)數(shù)據(jù)，就沒有工業(yè)智能；沒有工業(yè)高質(zhì)量數(shù)據(jù)集，就沒有高水平工業(yè)智能”。許多智能化改造項(xiàng)目中，數(shù)據(jù)工程的投入占比高達(dá)50%～60%，這說明數(shù)據(jù)要素報(bào)酬遞增、低成本復(fù)用的特點(diǎn)已成為業(yè)界的廣泛共識。我們認(rèn)為，應(yīng)按照“分類分級、標(biāo)準(zhǔn)引導(dǎo)、集中管理、分布部署”的思路，加快建設(shè)工業(yè)高質(zhì)量數(shù)據(jù)集，為人工智能賦能新型工業(yè)化夯實(shí)數(shù)據(jù)根基。一、工業(yè)高質(zhì)量數(shù)據(jù)集的理論體系建設(shè)工業(yè)高質(zhì)量數(shù)據(jù)集，需要一套科學(xué)、系統(tǒng)的理論體系作為指引。核心在于把握工業(yè)數(shù)據(jù)集的多元、分級、融合三大特征，推動(dòng)工業(yè)數(shù)據(jù)在“更廣范圍”“更深程度”和“更高水（一）把握工業(yè)數(shù)據(jù)集的多元特征。工業(yè)數(shù)據(jù)的復(fù)雜性與多元化，集中體現(xiàn)在工業(yè)行業(yè)繁多、業(yè)務(wù)環(huán)節(jié)復(fù)雜、數(shù)據(jù)模態(tài)多樣等方面，要求數(shù)據(jù)集建設(shè)要在“更廣范圍”上拓展邊界。工業(yè)門類多元，我國工業(yè)門類齊全，涵蓋41個(gè)工業(yè)大類、207個(gè)中類、666個(gè)小類，不同行業(yè)的數(shù)據(jù)蘊(yùn)含著獨(dú)特的工藝機(jī)理與知識。數(shù)據(jù)集建設(shè)在深耕本行業(yè)專業(yè)性的同時(shí)，也為跨領(lǐng)域知識遷移與價(jià)值創(chuàng)造提供可能。業(yè)務(wù)環(huán)節(jié)多元，工業(yè)數(shù)據(jù)貫穿研發(fā)設(shè)計(jì)、生產(chǎn)制造、運(yùn)維服務(wù)等產(chǎn)品全生命周期，并縱向延伸至產(chǎn)業(yè)鏈上下游。數(shù)據(jù)集建設(shè)需要打通過去散落在不同業(yè)務(wù)系統(tǒng)的“數(shù)據(jù)孤島”，實(shí)現(xiàn)業(yè)務(wù)協(xié)同。數(shù)據(jù)模態(tài)多元，工業(yè)現(xiàn)場存在大量結(jié)構(gòu)化與非結(jié)構(gòu)化、時(shí)序與非時(shí)序等形態(tài)屬性交織的原始數(shù)據(jù)。數(shù)據(jù)集建設(shè)要具備強(qiáng)大的異構(gòu)數(shù)據(jù)融合和處理能力，形成貼合場景的高價(jià)值數(shù)據(jù)，構(gòu)建完整的數(shù)字畫像，實(shí)現(xiàn)深度賦能。（二）把握工業(yè)數(shù)據(jù)集的分級特征。工業(yè)場景存在從“設(shè)備、產(chǎn)線、工廠、企業(yè)”到“產(chǎn)業(yè)生態(tài)”的多重層級。不同層級的數(shù)據(jù)，其融合程度與決策價(jià)值各不相同，尤其當(dāng)數(shù)據(jù)應(yīng)用需要打通產(chǎn)業(yè)鏈上下游、實(shí)現(xiàn)跨主體協(xié)同時(shí)，會(huì)面臨數(shù)據(jù)共享意愿低、權(quán)屬不清、信任缺失等現(xiàn)實(shí)挑戰(zhàn)。這要求數(shù)據(jù)集建設(shè)需遵循分級分類的原則，在“更深程度”上逐級深化?；A(chǔ)層（設(shè)備與產(chǎn)線級），從業(yè)務(wù)執(zhí)行的最小單元出發(fā)，匯聚設(shè)備運(yùn)行、工藝參數(shù)等高質(zhì)量數(shù)據(jù)，實(shí)現(xiàn)故障診斷、能耗優(yōu)化等局部效率提升，為數(shù)字化轉(zhuǎn)型奠定堅(jiān)實(shí)的數(shù)據(jù)基石。核心層（工廠與企業(yè)級），聚合生產(chǎn)計(jì)劃、成本投入、經(jīng)營管理等數(shù)據(jù)，驅(qū)動(dòng)生產(chǎn)調(diào)度、資源配置等核心業(yè)務(wù)流程），數(shù)據(jù)，賦能供應(yīng)鏈柔性與韌性、產(chǎn)品全生命周期綠色低碳、產(chǎn)業(yè)風(fēng)險(xiǎn)監(jiān)測預(yù)警等應(yīng)用，創(chuàng)造生態(tài)協(xié)同的增量價(jià)值。這種分級推進(jìn)的數(shù)據(jù)集開發(fā)與利用路徑，為企業(yè)在不同發(fā)展階段深化數(shù)據(jù)（三）把握工業(yè)數(shù)據(jù)集的融合特征。工業(yè)數(shù)據(jù)必須與工業(yè)機(jī)理、專家知識、先進(jìn)算法深度融合，才能發(fā)揮應(yīng)用價(jià)值。這決定了數(shù)據(jù)集建設(shè)要從單純的數(shù)據(jù)積累轉(zhuǎn)向“知識資產(chǎn)”的沉淀，在“更高水平”上融合應(yīng)用。面向“工業(yè)生產(chǎn)控制”，實(shí)現(xiàn)實(shí)時(shí)的工藝優(yōu)化、閉環(huán)控制與異常處置，其所需的數(shù)據(jù)集具有高頻、實(shí)時(shí)、參數(shù)聚焦的特點(diǎn)。這種融合將數(shù)據(jù)與控制算法結(jié)合，使物理設(shè)備和生產(chǎn)過程變得更加智能、更具智慧，提升整體運(yùn)行效率。面向“工業(yè)知識傳承”，將專家的隱性知識進(jìn)行顯性化、模型化與軟件化復(fù)用，加速信息技術(shù)（IT）、通信技術(shù)（CT）、控制技術(shù)（OT）和數(shù)字技術(shù)（DT）的“4T融合”。工業(yè)知識所需的數(shù)據(jù)集呈現(xiàn)出多模態(tài)、大跨度、知識密集的特點(diǎn)，不僅包含運(yùn)行數(shù)據(jù)，還需融合設(shè)計(jì)圖紙、工藝文件、操作規(guī)程、維修記錄等非結(jié)構(gòu)文本與圖像數(shù)據(jù)。這種融合將數(shù)據(jù)與行業(yè)知識結(jié)合，使組織和個(gè)人的經(jīng)二、工業(yè)高質(zhì)量數(shù)據(jù)集的建設(shè)路徑中國工業(yè)互聯(lián)網(wǎng)研究院聯(lián)合行業(yè)龍頭與“專精特新”企業(yè)，在實(shí)踐中探索出一套從需求規(guī)劃到應(yīng)用驗(yàn)證全鏈條的工業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)方法論，通過系統(tǒng)化工程，將分散無序的原始數(shù)（一）需求規(guī)劃。需求規(guī)劃是數(shù)據(jù)集建設(shè)的首要環(huán)節(jié)，核心任務(wù)是從精準(zhǔn)識別并錨定能產(chǎn)生最大回報(bào)的核心價(jià)值場景，明確所需的數(shù)據(jù)類型、來源和規(guī)模，以制定出具備前瞻性和可執(zhí)行性的技術(shù)方案。如，某鋼鐵企業(yè)在中厚板生產(chǎn)中，面臨傳統(tǒng)機(jī)理模型預(yù)測精度不足（僅84%）、非穩(wěn)態(tài)工況下失準(zhǔn)率高（20%）的痛點(diǎn)。通過需求規(guī)劃，將目標(biāo)設(shè)定為研發(fā)“融合冶金知識的自主高精度軋制力預(yù)測模型”，提出構(gòu)建覆蓋全工序鏈的高質(zhì)量數(shù)據(jù)集。通過對技術(shù)方案和預(yù)期效益的綜合研判，預(yù)計(jì)該數(shù)據(jù)集完成后，可將軋制力預(yù)測準(zhǔn)確率提升至95%以上，非計(jì)劃停機(jī)率降低3%，板材成材率提升0.2%。（二）數(shù)據(jù)采集。數(shù)據(jù)采集是確保數(shù)據(jù)集質(zhì)量的源頭環(huán)節(jié)。該環(huán)節(jié)依據(jù)需求規(guī)劃，運(yùn)用機(jī)器視覺、傳感器、工業(yè)總線、MES系統(tǒng)等多重手段，系統(tǒng)性地獲取“高保真、高信噪比”的原始數(shù)據(jù)。數(shù)據(jù)采集的廣度、精度和同步性，直接影響后續(xù)分析與建模的質(zhì)量。如，某企業(yè)在構(gòu)建礦山全場景要素?cái)?shù)據(jù)集時(shí)，為破解安全預(yù)警滯后的難題，深入350多座煤礦的一線場景進(jìn)行數(shù)據(jù)采集。采集范圍不僅覆蓋了人員、車輛、設(shè)備、環(huán)境四大要素的57個(gè)場景，更特別針對煙（三）數(shù)據(jù)處理。數(shù)據(jù)處理是提升數(shù)據(jù)質(zhì)量、挖掘數(shù)據(jù)價(jià)值的關(guān)鍵一步，通過清洗、對齊、降噪、歸一化等手段，解決工業(yè)原始數(shù)據(jù)普遍存在的缺失、異常、冗余和不一致等問題。如，某風(fēng)電裝備龍頭企業(yè)在風(fēng)機(jī)葉片上安裝了上千個(gè)傳感器數(shù)據(jù)點(diǎn)，通過數(shù)據(jù)清洗、對齊和特征降維等技術(shù)手段，解決了原始數(shù)據(jù)25%缺失、10%異常的問題，并將上千個(gè)特征簡化至300個(gè)核心特征，使數(shù)據(jù)有效性從70%提升至99%以上，缺陷預(yù)測準(zhǔn)確率達(dá)到97%。（四）數(shù)據(jù)標(biāo)注。數(shù)據(jù)標(biāo)注是為數(shù)據(jù)注入“監(jiān)督信息”和“工業(yè)知識”的核心環(huán)節(jié)，也是構(gòu)建高精度模型訓(xùn)練標(biāo)簽體系的關(guān)鍵。工業(yè)場景的標(biāo)注任務(wù)專業(yè)壁壘高，必須深度結(jié)合專家知識，建立清晰的標(biāo)注規(guī)范和嚴(yán)格的質(zhì)檢流程。如，某企業(yè)對圖像進(jìn)行數(shù)據(jù)標(biāo)注時(shí)，采用了“預(yù)標(biāo)注—人工校驗(yàn)—模型迭代”的智能輔助標(biāo)注流程，基于自研智能標(biāo)注平臺先進(jìn)行預(yù)標(biāo)注，再結(jié)合人工交叉復(fù)核，精準(zhǔn)標(biāo)注了53個(gè)子類目標(biāo)標(biāo)簽，保證標(biāo)注一致性波動(dòng)≤5%，分割掩碼誤差（五）數(shù)據(jù)合成。數(shù)據(jù)合成與增強(qiáng)是破解工業(yè)場景中“關(guān)鍵樣本稀缺”這一痛點(diǎn)的重要手段。通過幾何變換、生成對抗網(wǎng)絡(luò)、三維仿真等技術(shù)，可在不改變語義標(biāo)簽前提下，低成本、高效率地?cái)U(kuò)充數(shù)據(jù)集規(guī)模、拓展數(shù)據(jù)集多樣性。如，某汽車發(fā)動(dòng)機(jī)缸體、輪轂等零部件表面缺陷數(shù)據(jù)集，其原始樣本圖片3000張，缺陷樣本僅600張，類別嚴(yán)重不均衡。通過幾何變換、顏色變換、噪聲添加等數(shù)據(jù)變換增強(qiáng)技術(shù)，并利用生成對抗網(wǎng)絡(luò)（GAN）來合成1500張高質(zhì)量缺陷樣本圖片，提升了稀缺樣本數(shù)量，使判別器準(zhǔn)確率提升至85%。（六）應(yīng)用驗(yàn)證。應(yīng)用驗(yàn)證是檢驗(yàn)數(shù)據(jù)集最終價(jià)值和驅(qū)動(dòng)數(shù)據(jù)集持續(xù)優(yōu)化的關(guān)鍵環(huán)節(jié)。通過模型在真實(shí)工業(yè)場景中的表現(xiàn)，反向評估數(shù)據(jù)集的覆蓋度、平衡性和泛化能力，識別數(shù)據(jù)短板，形成“應(yīng)用—評估—優(yōu)化—再應(yīng)用”迭代閉環(huán)。如，基于某航空發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)數(shù)據(jù)集，利用行業(yè)大模型遷移學(xué)習(xí)來訓(xùn)練關(guān)鍵部件剩余壽命小模型，實(shí)驗(yàn)調(diào)測準(zhǔn)確率92%，但實(shí)際裝機(jī)測試準(zhǔn)確率下降至85%。在應(yīng)用驗(yàn)證環(huán)節(jié)發(fā)現(xiàn)，數(shù)據(jù)集稀疏樣本覆蓋度與平衡性存在嚴(yán)重不足，通過對數(shù)據(jù)進(jìn)行增強(qiáng)處理、重新標(biāo)注和訓(xùn)練驗(yàn)證，模型準(zhǔn)確率穩(wěn)定提升至98%，誤報(bào)率降三、工業(yè)高質(zhì)量數(shù)據(jù)集的評估體系工業(yè)高質(zhì)量數(shù)據(jù)集的評估不能照搬通用標(biāo)準(zhǔn)，中國工業(yè)互聯(lián)網(wǎng)研究院緊密圍繞工業(yè)場景的（一）規(guī)范性，指數(shù)據(jù)集符合數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)模型、業(yè)務(wù)規(guī)則、元數(shù)據(jù)或權(quán)威參考數(shù)據(jù)的程度，包括數(shù)據(jù)集的格式、標(biāo)注、單位和元數(shù)據(jù)的規(guī)范性等方面。特別是在化工、核電、航空航天等領(lǐng)域，存在高溫、高壓或易燃易爆等場景，數(shù)據(jù)規(guī)范性直接決定“產(chǎn)線是否正常運(yùn)行、風(fēng)險(xiǎn)是否及時(shí)預(yù)警”，任何偏差都可能引發(fā)爆炸、泄漏、設(shè)備損毀等重大安全事故。（二）完整性，指數(shù)據(jù)集按照建設(shè)規(guī)則要求，應(yīng)采集的數(shù)據(jù)元素被有效獲取和記錄的程度，包括特征完整性、分布完整性、標(biāo)注完整性、文檔完整性與樣本數(shù)據(jù)充足性等方面。例如，在壓縮機(jī)預(yù)測性維護(hù)場景中，一個(gè)同時(shí)覆蓋振動(dòng)、溫度、電流、轉(zhuǎn)速等多維參數(shù)，并囊括啟停、滿負(fù)荷、部分負(fù)荷等所有工況的數(shù)據(jù)集，才能訓(xùn)練出具備較強(qiáng)泛化能力的模型。（三）準(zhǔn)確性，指數(shù)據(jù)集包含的信息真實(shí)、精確地反映其所描述的物理實(shí)體或?qū)嶋H狀態(tài)的程度，包括數(shù)據(jù)集的內(nèi)容、精度、誤差、標(biāo)注信息、文檔描述等方面?；诠I(yè)設(shè)備的運(yùn)行參數(shù)數(shù)據(jù)集、生產(chǎn)過程中的工藝指標(biāo)數(shù)據(jù)集所形成的機(jī)理模型，會(huì)因數(shù)據(jù)的微小偏差導(dǎo)致預(yù)測失（四）一致性，指數(shù)據(jù)集內(nèi)部及與其他數(shù)據(jù)源之間的統(tǒng)一程度，包括數(shù)據(jù)單位與格式的一致性，數(shù)據(jù)集樣本分布與真實(shí)世界數(shù)據(jù)分布的一致性，不同樣本間數(shù)據(jù)標(biāo)注基準(zhǔn)的一致性等方面。若不同標(biāo)注人員對相同類型產(chǎn)品缺陷的判定標(biāo)準(zhǔn)不一致，將導(dǎo)致標(biāo)簽歧義，影響模型訓(xùn)練（五）時(shí)效性，指數(shù)據(jù)集能夠反映當(dāng)前或指定時(shí)間窗口內(nèi)的真實(shí)狀態(tài)程度，包括是否涵蓋所需的時(shí)效區(qū)間、是否包含過時(shí)信息等方面。在預(yù)測風(fēng)機(jī)發(fā)電量時(shí)，十年前的環(huán)境數(shù)據(jù)與當(dāng)前相比已出現(xiàn)明顯差異，使用過時(shí)數(shù)據(jù)構(gòu)建模型可能導(dǎo)致預(yù)測結(jié)果與實(shí)際不符。（六）專業(yè)性，指數(shù)據(jù)集涵蓋的信息內(nèi)容和工業(yè)場景的匹配程度，包括知識的專業(yè)性、業(yè)務(wù)流程的適配性、工業(yè)機(jī)理的關(guān)聯(lián)性等方面。例如，在晶圓缺陷識別場景中，若數(shù)據(jù)集僅標(biāo)注缺陷圖像的表面特征，而未關(guān)聯(lián)對應(yīng)的工藝環(huán)節(jié)、工序類型，模型則難以區(qū)分光刻工序的“邊緣劃傷”與刻蝕工序的“側(cè)壁損傷”，導(dǎo)致缺陷識別準(zhǔn)確率低，且無法支撐根因分析與工藝優(yōu)（七）均衡性，指數(shù)據(jù)集中各類別樣本和數(shù)據(jù)來源分布的合理性、均勻性，包括數(shù)據(jù)類別均衡性和數(shù)據(jù)來源均衡性等方面。例如，在鋼鐵表面質(zhì)量檢測中，若數(shù)據(jù)集以大量無缺陷或常見劃痕樣本為主，“裂紋”“夾雜”等關(guān)鍵缺陷樣本數(shù)量過少，模型在訓(xùn)練后將難以有效識別四、工業(yè)高質(zhì)量數(shù)據(jù)集的流通應(yīng)用工業(yè)高質(zhì)量數(shù)據(jù)集的最終價(jià)值必須通過流通與應(yīng)用得以實(shí)現(xiàn)。中國工業(yè)互聯(lián)網(wǎng)研究院正在推進(jìn)構(gòu)建從數(shù)據(jù)登記、可信流通到應(yīng)用服務(wù)的業(yè)務(wù)閉環(huán)，破解工業(yè)數(shù)據(jù)共享難題，培育多方共（一）構(gòu)建工業(yè)可信數(shù)據(jù)空間。依托國家工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)中心，構(gòu)建工業(yè)可信數(shù)據(jù)空間，促進(jìn)工業(yè)高質(zhì)量數(shù)據(jù)集的有序流通、安全共享與高效利用。一是技術(shù)賦能可隱私計(jì)算、安全沙箱、身份可信認(rèn)證、數(shù)據(jù)使用控制及全鏈路追溯等核心技術(shù)，構(gòu)建“數(shù)據(jù)集可用不可見、用途可控可追溯”的信任機(jī)制，打通數(shù)據(jù)集供給方、需求方及服務(wù)方協(xié)同鏈路，在“數(shù)據(jù)集物理不出域”前提下，通過“可用不可見”模式滿足多主體的數(shù)據(jù)集使用需求，實(shí)現(xiàn)數(shù)據(jù)集主權(quán)不轉(zhuǎn)移、價(jià)值可流轉(zhuǎn)。二是構(gòu)建三級聯(lián)動(dòng)架構(gòu)。通過“國家—產(chǎn)業(yè)集群—企業(yè)”三級互聯(lián)部署架構(gòu)，形成規(guī)模化覆蓋、層級化運(yùn)營的可信數(shù)據(jù)空間管理體系。企業(yè)層面，通過鏈接生產(chǎn)制造、設(shè)備運(yùn)維等數(shù)據(jù)源頭，利用數(shù)據(jù)采集、清洗及標(biāo)注等技術(shù)手段，構(gòu)建高質(zhì)量“數(shù)據(jù)集原材料”；產(chǎn)業(yè)集群層面，聚焦先進(jìn)制造業(yè)產(chǎn)業(yè)集群，通過數(shù)據(jù)可信流通與協(xié)作，整合優(yōu)化企業(yè)級數(shù)據(jù)集，形成具備產(chǎn)業(yè)特色或行業(yè)共性的數(shù)據(jù)集；國家層面，構(gòu)建全國工業(yè)高質(zhì)量數(shù)據(jù)集目錄體系，實(shí)現(xiàn)數(shù)據(jù)集資源的有序整合與優(yōu)化配置。三是促進(jìn)數(shù)據(jù)集供需匹配設(shè)備、產(chǎn)線、生態(tài)等全層級工業(yè)高質(zhì)量數(shù)據(jù)集產(chǎn)品的注冊、審核、上架及安全可信共享，通過需求側(cè)畫像與供給側(cè)標(biāo)簽的精準(zhǔn)匹配，滿足不同層級工業(yè)模型對數(shù)據(jù)集的差異化需求，推動(dòng)數(shù)（二）開展數(shù)據(jù)確權(quán)登記。厘清企業(yè)數(shù)據(jù)底數(shù)、明確權(quán)屬關(guān)系，是推動(dòng)工業(yè)數(shù)據(jù)流通與應(yīng)用的首要環(huán)節(jié)。通過建立“國家—產(chǎn)業(yè)集群—企業(yè)”三級工業(yè)數(shù)據(jù)登記體系，幫助企業(yè)梳理數(shù)據(jù)并完成登記，積累工業(yè)數(shù)據(jù)目錄，提升工業(yè)數(shù)據(jù)供給能力。一是企業(yè)級，幫助企業(yè)梳理數(shù)據(jù)資產(chǎn)。企業(yè)通過部署輕量化登記工具，能夠在數(shù)據(jù)不出企業(yè)數(shù)據(jù)庫的前提下，生成標(biāo)準(zhǔn)化數(shù)據(jù)目錄，并獲得登記證書；二是集群級，繪制產(chǎn)業(yè)數(shù)據(jù)資源地圖。產(chǎn)業(yè)集群、園區(qū)或地方政府聚合其轄區(qū)內(nèi)企業(yè)數(shù)據(jù)目錄，形成區(qū)域性的數(shù)據(jù)資源地圖；三是錄，構(gòu)建覆蓋全國的工業(yè)數(shù)據(jù)資源地圖。以紡織行業(yè)為例，企業(yè)在本地部署可信登記軟件，自主選擇織機(jī)運(yùn)行參數(shù)、原材料消耗、庫存等數(shù)據(jù)進(jìn)行登記，相關(guān)信息上傳至確權(quán)平臺。平臺審核通過后，為企業(yè)頒發(fā)登記證書。不同區(qū)域的紡織企業(yè)數(shù)據(jù)登記不斷積累，將最終形成全國紡織行業(yè)數(shù)據(jù)目錄。截至2025年8月，中國工業(yè)互聯(lián)網(wǎng)研究院工業(yè)數(shù)據(jù)資產(chǎn)登記平臺已在蘇州、北京、沈陽等地試點(diǎn)，累計(jì)注冊企業(yè)2200余家，發(fā)放登記證書超1700張，為高質(zhì)量數(shù)據(jù)集建（三）推進(jìn)工業(yè)數(shù)據(jù)應(yīng)用?；诠I(yè)高質(zhì)量數(shù)據(jù)集的應(yīng)用探索正加速演進(jìn)，逐漸形成三類商業(yè)化服務(wù)模式：一是工業(yè)場景訓(xùn)練語料服務(wù)。數(shù)據(jù)服務(wù)商通過平臺化訂閱或私有化定制，向模型廠商提供精加工的工業(yè)場景數(shù)據(jù)集，提升其模型在細(xì)分領(lǐng)域的專業(yè)精度。如，某數(shù)據(jù)服務(wù)商為頭部模型廠商提供的定制化工業(yè)語料服務(wù)，單個(gè)項(xiàng)目金額可達(dá)近千萬元，體現(xiàn)了高質(zhì)量工業(yè)語料作為“AI燃料”的巨大商業(yè)價(jià)值。二是AI一體機(jī)定制化服務(wù)。模型、算力以一體機(jī)部署方式為工業(yè)應(yīng)用企業(yè)提供安全、高性價(jià)比的智能服務(wù)。如，某龍頭企業(yè)打造的工業(yè)AI一體機(jī)，極大降低了AI技術(shù)在工業(yè)現(xiàn)場的應(yīng)用門檻，實(shí)現(xiàn)了數(shù)千萬元