行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

工业重点场景高质量数据集建设面临问题与对策建议

信息技术 2026-04-22 - 赛迪艳阳天Cathy

工业重点场景高质量数据集建设已进入规模化推进阶段，但面临工业数据治理体系不完备、数据碎片化、数据储备不足等问题，制约了人工智能大模型在工业领域的应用赋能。
从政策供给看，国家和地方政府高度重视，工业重点场景高质量数据集建设政策环境向好。国家层面提出到2026年底打造一批高质量、标准化、可流通的行业数据集，地方层面广东、江苏等地也出台政策文件部署相关工作。
从建设主体看，工业高质量数据集建设呈现多点发力和多元协作发展局面，包括行业龙头企业内部数据资源整合、工业互联网平台企业行业数据资源整合、第三方数据服务商赋能行业数据价值化转变、科研院所与行业联盟数据开源开放。
从技术路径看，工业高质量数据“采”“治”“用”等工程化能力体现全域化、智能化、安全化特征，数据采集技术不断进步，数据治理与质量管理日益受重视，隐私计算技术赋能数据流通。
从应用场景看，工业高质量数据集重点场景应用从外围辅助向核心环节深度渗透，包括基于设备运行时序数据的预测性维护、基于生产结果数据的工艺参数优化、基于数字孪生的全生命周期工厂数据的仿真与决策等。
工业高质量数据集建设面临三大难题：采集难，工业数据供给质量较低；治理难，工业数据治理体系不完备；共享难，产业协同生态尚未形成。
对策建议包括提升工业数据治理、标注、测评等能力，建立健全工业数据集标准体系，推动行业、场景等数据集开源开放，探索建立工业数据集流通交易模式，打造普惠创新服务生态。