三级片入口,一本久久a,熟女无修正视频一区,蜜桃视频免费成人电影

數(shù)據(jù)治理（Data Governance）是圍繞數(shù)據(jù)全生命周期，通過管理優(yōu)化和技術(shù)工具，確保數(shù)據(jù)的可用性、一致性、安全性、合規(guī)性的管理體系。數(shù)據(jù)治理涉及數(shù)據(jù)的整個(gè)生命周期，包含數(shù)據(jù)的產(chǎn)生、采集、清洗、存儲、處理、應(yīng)用、共享及銷毀。

當(dāng)前，人工智能正迅速滲透到經(jīng)濟(jì)社會的各個(gè)領(lǐng)域。2025 年，中央經(jīng)濟(jì)工作會議將“人工智能 +”列為重點(diǎn)任務(wù)，旨在用人工智能技術(shù)改造提升傳統(tǒng)產(chǎn)業(yè)、發(fā)展新興產(chǎn)業(yè)、培育未來產(chǎn)業(yè)；全國工業(yè)和信息化工作會議也規(guī)劃了“人工智能 + 制造”行動，強(qiáng)調(diào)大模型研發(fā)和場景應(yīng)用。近期，中國大模型憑借其高性能和高能效比，引發(fā)了全球關(guān)注。DeepSeekV3/R1 通過混合專家模型（MOE）、多頭潛在注意力機(jī)制（MLA）、FP8 混合精度訓(xùn)練等前沿技術(shù)，大幅提升了模型能力。其高算力效能、開源特性和本地化部署為企業(yè)提供了低成本、高隱私保障的 AI 解決方案，正在快速推動制造業(yè)的數(shù)字化和智能化轉(zhuǎn)型。

算力、算法、數(shù)據(jù)是 AI 發(fā)展的三大核心要素。我國數(shù)據(jù)潛力雖大，但數(shù)據(jù)治理水平亟待提升。《全國數(shù)據(jù)資源調(diào)查報(bào)告（2023 年）》顯示，全國數(shù)據(jù)產(chǎn)存轉(zhuǎn)化率僅為 2.9%，未使用數(shù)據(jù)占比高達(dá) 38.9%。此外，高質(zhì)量中文語料匱乏，Hugging Face 數(shù)據(jù)集中中文占比僅為 3.2%。相比之下，美國早在 2009 年就啟動了 Data.gov平臺，匯集了超過 30 萬種數(shù)據(jù)集，數(shù)據(jù)體量和質(zhì)量全球領(lǐng)先。

因此，加強(qiáng)數(shù)據(jù)治理刻不容緩。國家層面，強(qiáng)化數(shù)據(jù)治理有助于彌補(bǔ)算力短板，提升 AI 倫理和安全保障；企業(yè)層面，數(shù)據(jù)治理能更好地賦能生產(chǎn)經(jīng)營，實(shí)現(xiàn)智能化轉(zhuǎn)型。高水平的數(shù)據(jù)治理是推動人工智能賦能實(shí)體經(jīng)濟(jì)、搶占未來科技和產(chǎn)業(yè)發(fā)展制高點(diǎn)的關(guān)鍵。

一、人工智能時(shí)代制造業(yè)數(shù)據(jù)的新特征

（一）來源廣泛化

傳統(tǒng)工業(yè)數(shù)據(jù)主要來自生產(chǎn)設(shè)備運(yùn)行參數(shù)和產(chǎn)品質(zhì)量檢測。隨著傳感技術(shù)和物聯(lián)網(wǎng)的廣泛應(yīng)用，智能傳感器、工業(yè)機(jī)器人、智能機(jī)床等設(shè)備在生產(chǎn)線中大量部署，數(shù)據(jù)種類更加豐富。供應(yīng)鏈上下游的數(shù)據(jù)流通也推動數(shù)據(jù)來源和規(guī)模的爆發(fā)式增長。例如，智能工廠的傳感器可實(shí)時(shí)監(jiān)測溫度、振動等數(shù)據(jù)；工業(yè)機(jī)器人不僅能夠傳輸傳統(tǒng)加工參數(shù)，還能生成路徑規(guī)劃和決策評估數(shù)據(jù)；產(chǎn)品通過內(nèi)置傳感器將使用數(shù)據(jù)回傳至生產(chǎn)企業(yè)。

（二）產(chǎn)生實(shí)時(shí)化

人工智能技術(shù)使數(shù)據(jù)采集和控制更加精細(xì)，數(shù)據(jù)生成實(shí)時(shí)性顯著增強(qiáng)。工業(yè)智能機(jī)器人、智能裝備等設(shè)備的普及，使數(shù)據(jù)采集效率大幅提升，毫秒級甚至微秒級的數(shù)據(jù)采集成為常態(tài)。例如，自動化生產(chǎn)線需實(shí)時(shí)監(jiān)控設(shè)備運(yùn)行數(shù)據(jù)以確保穩(wěn)定性，寶鋼與華為合作的熱軋自然寬展預(yù)測模型已實(shí)現(xiàn)毫秒級預(yù)測控制。

（三）多模態(tài)融合

人工智能重構(gòu)了工業(yè)制造形態(tài)，推動全流程、全價(jià)值鏈的互聯(lián)互通。工業(yè)數(shù)據(jù)不再局限于結(jié)構(gòu)化數(shù)據(jù)，圖像、視頻、音頻等多模態(tài)數(shù)據(jù)大量涌現(xiàn)并深度融合。例如，科大訊飛的“工業(yè)六感”傳感器模擬工人的“視聽嗅味觸思”感知能力，采集并分析多模態(tài)數(shù)據(jù)，為智能控制和決策提供支持。

（四）存儲新要求

人工智能應(yīng)用產(chǎn)生海量數(shù)據(jù)，對存儲容量和模式提出了更高要求，促使分布式存儲技術(shù)成為主流，且需滿足高性能、高并發(fā)、高可靠和高可擴(kuò)展性需求。例如，新能源汽車、化工和鋼鐵企業(yè)采用分布式存儲技術(shù)，確保數(shù)據(jù)高效訪問和流轉(zhuǎn)。

（五）安全性要求高

工業(yè)數(shù)據(jù)涉及企業(yè)核心競爭力，需要嚴(yán)密保護(hù)。人工智能時(shí)代，數(shù)據(jù)投毒、模型越獄等攻擊手段可能影響決策和裝備運(yùn)轉(zhuǎn)，甚至引發(fā)安全事故。例如，?；沸袠I(yè)的模型決策失誤、越獄攻擊等問題可能導(dǎo)致泄漏甚至爆燃爆炸事故，航空航天企業(yè)則通過多重加密和訪問控制確保數(shù)據(jù)安全。

二、工業(yè)數(shù)據(jù)行業(yè)管理現(xiàn)狀

近年來，我國工業(yè)數(shù)據(jù)行業(yè)管理工作以統(tǒng)籌發(fā)展和安全為核心，從政策法規(guī)、標(biāo)準(zhǔn)建設(shè)、企業(yè)管理等方面綜合施策，推動數(shù)據(jù)高質(zhì)量發(fā)展與高水平安全的良性互動。

（一）政策法規(guī)逐步完善

《中華人民共和國網(wǎng)絡(luò)安全法》《中華人民共和國數(shù)據(jù)安全法》《中華人民共和國個(gè)人信息保護(hù)法》等法律法規(guī)，為工業(yè)數(shù)據(jù)安全提供了基本法律框架。2022 年，《中共中央 國務(wù)院關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》（“數(shù)據(jù)二十條”）出臺，奠定了數(shù)據(jù)要素市場的基礎(chǔ)制度體系。同年，工業(yè)和信息化部發(fā)布《工業(yè)和信息化領(lǐng)域數(shù)據(jù)安全管理辦法（試行）》，細(xì)化國家工業(yè)數(shù)據(jù)安全管理制度。2023 年，財(cái)政部印發(fā)《企業(yè)數(shù)據(jù)資源相關(guān)會計(jì)處理暫行規(guī)定》，為企業(yè)數(shù)據(jù)資源的會計(jì)處理提供明確指導(dǎo)。2024 年，國家數(shù)據(jù)局等部門聯(lián)合發(fā)布《關(guān)于促進(jìn)企業(yè)數(shù)據(jù)資源開發(fā)利用的意見》，提出提升數(shù)據(jù)治理能力的要求；工業(yè)和信息化部發(fā)布《工業(yè)領(lǐng)域數(shù)據(jù)安全能力提升實(shí)施方案（2024—2026 年）》，體系化推動工業(yè)數(shù)據(jù)安全工作向縱深發(fā)展。

（二）標(biāo)準(zhǔn)建設(shè)穩(wěn)步推進(jìn)

工業(yè)和信息化部與國家標(biāo)準(zhǔn)化管理委員會聯(lián)合發(fā)布《工業(yè)領(lǐng)域數(shù)據(jù)安全標(biāo)準(zhǔn)體系建設(shè)指南（2023 版）》，提出到 2026 年形成完備的數(shù)據(jù)安全標(biāo)準(zhǔn)體系 。目前已發(fā)布工業(yè)領(lǐng)域重要數(shù)據(jù)識別、安全防護(hù)等亟需的行業(yè)標(biāo)準(zhǔn)，并編制了工業(yè)數(shù)據(jù)資源目錄和圖譜。全國信息化和工業(yè)化融合管理標(biāo)準(zhǔn)化技術(shù)委員會（SAC/TC573）歸口了 5 項(xiàng)工業(yè)軟件行業(yè)標(biāo)準(zhǔn)，推動工業(yè)軟件底層數(shù)據(jù)的打通和兼容。此外，行業(yè)數(shù)據(jù)管理能力成熟度評估工作也在逐步展開。

（三）企業(yè)數(shù)據(jù)管理水平逐步提升

部分企業(yè)重視數(shù)據(jù)安全管理，設(shè)立專門的數(shù)據(jù)安全管理部門或崗位，明確責(zé)任和權(quán)限，實(shí)施數(shù)據(jù)分類分級管理及相應(yīng)的安全策略。工業(yè)和信息化部建立了工業(yè)領(lǐng)域重要數(shù)據(jù)和核心數(shù)據(jù)識別報(bào)備機(jī)制，基本摸清了重要工業(yè)行業(yè)數(shù)據(jù)底數(shù)，并構(gòu)建了數(shù)據(jù)安全風(fēng)險(xiǎn)監(jiān)測預(yù)警體系，持續(xù)提升行業(yè)數(shù)據(jù)安全風(fēng)險(xiǎn)防范和應(yīng)對能力。通過政策引導(dǎo)和標(biāo)準(zhǔn)規(guī)范，一些頭部企業(yè)數(shù)據(jù)安全管理逐步走向系統(tǒng)化、專業(yè)化。

雖然我國工業(yè)數(shù)據(jù)行業(yè)管理在政策法規(guī)、標(biāo)準(zhǔn)建設(shè)、企業(yè)能力等方面取得了一定進(jìn)展，但仍面臨政策落地難、標(biāo)準(zhǔn)不完善、企業(yè)能力不足、數(shù)據(jù)共享與隱私矛盾、技術(shù)創(chuàng)新與安全平衡難題以及行業(yè)協(xié)同不足等問題。未來，需進(jìn)一步加強(qiáng)政策執(zhí)行力度、完善標(biāo)準(zhǔn)體系、提升企業(yè)數(shù)據(jù)管理能力、探索數(shù)據(jù)共享與隱私保護(hù)的平衡機(jī)制，并推動行業(yè)協(xié)同與生態(tài)建設(shè)，以實(shí)現(xiàn)工業(yè)數(shù)據(jù)的高質(zhì)量發(fā)展與高水平安全。

三、人工智能時(shí)代工業(yè)數(shù)據(jù)治理挑戰(zhàn)

（一）數(shù)據(jù)治理難

工業(yè)數(shù)據(jù)治理面臨兩大難題。一是獲取難，數(shù)據(jù)高度分散于企業(yè)內(nèi)部，“數(shù)據(jù)孤島”現(xiàn)象嚴(yán)重。企業(yè) IT 資產(chǎn)種類繁多、來源多樣、協(xié)議標(biāo)準(zhǔn)不統(tǒng)一，導(dǎo)致數(shù)據(jù)異構(gòu)性問題突出，難以實(shí)現(xiàn)統(tǒng)一交換與共享。二是質(zhì)量參差不齊，工業(yè)生產(chǎn)環(huán)境復(fù)雜多變，數(shù)據(jù)噪聲和異常值較多，設(shè)備故障、傳感器失效等問題導(dǎo)致數(shù)據(jù)缺失和不完整現(xiàn)象普遍存在。例如，汽車制造企業(yè)中，不同供應(yīng)商提供的數(shù)據(jù)格式和標(biāo)準(zhǔn)各異，數(shù)據(jù)整合難度大，有效的數(shù)據(jù)清洗、標(biāo)注和整合成為行業(yè)模型建設(shè)面臨的主要挑戰(zhàn)。

（二）數(shù)據(jù)確權(quán)難

工業(yè)數(shù)據(jù)確權(quán)問題復(fù)雜，既有一般數(shù)據(jù)確權(quán)的共性難點(diǎn)，也有工業(yè)領(lǐng)域的特殊性。數(shù)據(jù)的無形性、易復(fù)制性和流動性使其在傳輸、存儲和使用過程中容易被非法復(fù)制、篡改或?yàn)E用，導(dǎo)致數(shù)據(jù)邊界模糊、產(chǎn)權(quán)歸屬不清。此外，工業(yè)數(shù)據(jù)的生成、處理和使用涉及多個(gè)主體，各方在數(shù)據(jù)生產(chǎn)、流通和價(jià)值實(shí)現(xiàn)中的利益訴求不同，進(jìn)一步增加了權(quán)利主體識別和界定的難度。數(shù)據(jù)確權(quán)技術(shù)尚未成熟，企業(yè)投入意愿不足，使得實(shí)際操作中數(shù)據(jù)確權(quán)更加困難。

（三）數(shù)據(jù)加工成本高

工業(yè)數(shù)據(jù)的專業(yè)性強(qiáng)，尤其在石油、化工、汽車、飛機(jī)等細(xì)分行業(yè)，數(shù)據(jù)標(biāo)注難度大，專業(yè)標(biāo)注能力供給不足。為滿足大模型訓(xùn)練需求，企業(yè)需頻繁組織行業(yè)專家進(jìn)行數(shù)據(jù)標(biāo)注，每次標(biāo)注工作往往需要 20~30 位專家參與，成本高且效率低。盡管國內(nèi)外人工智能企業(yè)正探索通過自動化工具與人工審核結(jié)合的方式降低標(biāo)注成本，但整體成本壓力依然較大。

（四）數(shù)據(jù)安全風(fēng)險(xiǎn)突出

隨著人工智能技術(shù)在工業(yè)領(lǐng)域的廣泛應(yīng)用，數(shù)據(jù)安全風(fēng)險(xiǎn)暴露面持續(xù)擴(kuò)大。高價(jià)值工業(yè)數(shù)據(jù)成為網(wǎng)絡(luò)攻擊的重點(diǎn)目標(biāo)，近年來汽車、電子、軟件等行業(yè)的數(shù)據(jù)勒索、泄露和篡改事件頻發(fā)。例如，國家工業(yè)數(shù)據(jù)安全監(jiān)測平臺發(fā)現(xiàn)，我國暴露于公網(wǎng)的數(shù)據(jù)資產(chǎn)超 90 萬個(gè)，近三年工信領(lǐng)域數(shù)據(jù)安全風(fēng)險(xiǎn)信息平臺通報(bào)處置的風(fēng)險(xiǎn)事件超 7000 起。近期，國外知名車企 80 萬輛電動汽車車主的個(gè)人數(shù)據(jù)泄露，定位精度高達(dá) 10厘米級，引發(fā)全球關(guān)注。

（五）數(shù)據(jù)人才短缺

我國數(shù)據(jù)人才培養(yǎng)體系尚處于起步階段，缺乏統(tǒng)一的培訓(xùn)、認(rèn)證和考核評價(jià)標(biāo)準(zhǔn)，人才培養(yǎng)速度遠(yuǎn)落后于市場需求。據(jù)人社部測算，我國人工智能人才缺口超過 500 萬；英國德勤發(fā)布的報(bào)告指出，我國數(shù)字人才總體缺口在2500 萬至 3000 萬。尤其在工業(yè)領(lǐng)域，既懂工業(yè)知識又具備數(shù)據(jù)分析和人工智能技術(shù)的復(fù)合型人才極為緊缺，嚴(yán)重制約工業(yè)數(shù)據(jù)治理和應(yīng)用的發(fā)展。

四、工業(yè)數(shù)據(jù)治理建議

（一）強(qiáng)化數(shù)據(jù)標(biāo)準(zhǔn)，推動專業(yè)化工業(yè)數(shù)據(jù)集建設(shè)

一是加快工業(yè)數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范建設(shè)，圍繞工業(yè)重點(diǎn)領(lǐng)域、典型場景和關(guān)鍵環(huán)節(jié)，制定數(shù)據(jù)資源管理、安全保障、基礎(chǔ)設(shè)施建設(shè)和技術(shù)產(chǎn)品等相關(guān)標(biāo)準(zhǔn)，確保標(biāo)準(zhǔn)貼合高質(zhì)量發(fā)展需求。堅(jiān)持“急用先行”原則，強(qiáng)化標(biāo)準(zhǔn)推廣應(yīng)用，推動行業(yè)數(shù)據(jù)規(guī)范化管理。二是建設(shè)專業(yè)化工業(yè)數(shù)據(jù)集，整合工業(yè)領(lǐng)域?qū)I(yè)知識庫、互聯(lián)網(wǎng)資源、書籍及合成數(shù)據(jù)等多方來源，系統(tǒng)化整理、存儲和關(guān)聯(lián)專家經(jīng)驗(yàn)、操作規(guī)程等隱性知識，構(gòu)建高質(zhì)量工業(yè)數(shù)據(jù)集，支撐工業(yè)大模型的預(yù)訓(xùn)練和微調(diào)，推動數(shù)據(jù)匯聚、優(yōu)化與應(yīng)用。

（二）以企業(yè)數(shù)據(jù)資產(chǎn)化為核心，推動數(shù)據(jù)價(jià)值實(shí)現(xiàn)

數(shù)據(jù)價(jià)值實(shí)現(xiàn)需要經(jīng)歷資源化、資產(chǎn)化和資本化三個(gè)階段，其中資產(chǎn)化是關(guān)鍵。通過數(shù)據(jù)入表，推動企業(yè)數(shù)據(jù)價(jià)值實(shí)現(xiàn)，具體步驟可參考如下：一是制定數(shù)據(jù)資產(chǎn)管理戰(zhàn)略；二是明確數(shù)據(jù)資產(chǎn)定義和范圍；三是建立數(shù)據(jù)治理框架；四是選擇合適技術(shù)工具；五是優(yōu)化數(shù)據(jù)管理流程；六是建立數(shù)據(jù)資產(chǎn)目錄；七是推動數(shù)據(jù)資產(chǎn)價(jià)值實(shí)現(xiàn)；八是開展培訓(xùn)與文化建設(shè)；九是實(shí)施監(jiān)控與持續(xù)改進(jìn)；十是確保合規(guī)與審計(jì)。

（三）引導(dǎo)企業(yè)建立數(shù)據(jù)質(zhì)量與安全管理體系

一是建立數(shù)據(jù)質(zhì)量管理體系，推動企業(yè)構(gòu)建數(shù)據(jù)質(zhì)量驅(qū)動的治理機(jī)制，開展數(shù)據(jù)質(zhì)量評估。支持化工、新材料等重點(diǎn)行業(yè)龍頭企業(yè)貫通產(chǎn)業(yè)鏈，共建高質(zhì)量數(shù)據(jù)集。深化仿真合成數(shù)據(jù)應(yīng)用，解決數(shù)據(jù)稀缺和不平衡問題。二是建立數(shù)據(jù)安全保障體系，強(qiáng)化企業(yè)數(shù)據(jù)安全主體責(zé)任，以重要數(shù)據(jù)保護(hù)為核心，加強(qiáng)監(jiān)測預(yù)警技術(shù)建設(shè)，針對數(shù)據(jù)流轉(zhuǎn)的關(guān)鍵環(huán)節(jié)、人員和場景，實(shí)施有效安全措施，確保數(shù)據(jù)全生命周期安全。

（四）建設(shè)數(shù)據(jù)可信空間，推動數(shù)據(jù)共享流通

一是構(gòu)建基于區(qū)塊鏈的可信流通體系，探索可信工業(yè)數(shù)據(jù)空間建設(shè)，提升數(shù)據(jù)流通效率與安全性。發(fā)展高性能智能合約、多鏈組網(wǎng)架構(gòu)、異構(gòu)跨鏈交互等關(guān)鍵技術(shù)，推動區(qū)塊鏈數(shù)據(jù)確權(quán)技術(shù)應(yīng)用。二是建立數(shù)據(jù)模型分享機(jī)制，明確數(shù)據(jù)模型分享要求和激勵措施，激發(fā)數(shù)據(jù)開放動力，釋放數(shù)據(jù)模型應(yīng)用價(jià)值，促進(jìn)數(shù)據(jù)共享生態(tài)建設(shè)。

（五）強(qiáng)化國家產(chǎn)業(yè)安全，建立三大安全保障機(jī)制

 一是建立工業(yè)模型（軟件）安全保障機(jī)制，加強(qiáng)重要工業(yè)模型（軟件）清單管理，開展安全性測試，提升供應(yīng)鏈和生產(chǎn)系統(tǒng)安全穩(wěn)定水平。二是打造工業(yè)數(shù)據(jù)安全保障機(jī)制，完善數(shù)據(jù)安全管理制度，制定重點(diǎn)行業(yè)數(shù)據(jù)識別、防護(hù)和出境等政策指引，持續(xù)開展“數(shù)安護(hù)航”“數(shù)安鑄盾”專項(xiàng)行動，提升風(fēng)險(xiǎn)防范和應(yīng)急處置能力。三是健全工業(yè)網(wǎng)絡(luò)安全保障機(jī)制，實(shí)施工業(yè)互聯(lián)網(wǎng)安全分類分級管理，強(qiáng)化工業(yè)控制系統(tǒng)網(wǎng)絡(luò)安全防護(hù)能力評估，開展“鑄網(wǎng)”實(shí)網(wǎng)演練，構(gòu)建與新型工業(yè)化相適應(yīng)的網(wǎng)絡(luò)安全保障體系。

（六）加強(qiáng)數(shù)據(jù)復(fù)合型人才培養(yǎng)

一是在政府層面建設(shè)數(shù)字戰(zhàn)略科學(xué)家隊(duì)伍，培育數(shù)字領(lǐng)軍人才，壯大數(shù)字技術(shù)工程師隊(duì)伍，提升產(chǎn)業(yè)工人數(shù)字素養(yǎng)。二是在企業(yè)層面提升管理者數(shù)據(jù)洞察力和決策力，從業(yè)務(wù)、數(shù)據(jù)、AI 三個(gè)維度綜合提升員工能力。三是在高校層面加強(qiáng)數(shù)字技術(shù)通識教育，推動數(shù)字技術(shù)專業(yè)學(xué)生深入產(chǎn)業(yè)，以解決實(shí)際問題為導(dǎo)向，培養(yǎng)數(shù)據(jù)復(fù)合型人才，為產(chǎn)業(yè)發(fā)展儲備智力資源。

五、總結(jié)

高水平數(shù)據(jù)治理是“人工智能 + 制造”行動落實(shí)的關(guān)鍵，強(qiáng)化數(shù)據(jù)治理不僅有利推動人工智能更好地融入實(shí)體經(jīng)濟(jì)，同時(shí)對彌補(bǔ)算力短板，提升 AI 倫理和安全保障也有著重要意義。當(dāng)前，人工智能時(shí)代的工業(yè)數(shù)據(jù)面臨新特征和治理挑戰(zhàn)，需引起高度重視，并通過綜合施策加以解決。在此背景下，可通過強(qiáng)化數(shù)據(jù)標(biāo)準(zhǔn)、推動數(shù)據(jù)資產(chǎn)化、建立質(zhì)量與安全管理體系、建設(shè)可信數(shù)據(jù)空間、完善安全保障機(jī)制以及加強(qiáng)人才培養(yǎng)等相關(guān)措施，推動制造業(yè)數(shù)據(jù)治理邁向更高水平，為產(chǎn)業(yè)數(shù)字化智能化轉(zhuǎn)型提供堅(jiān)實(shí)基礎(chǔ)。

作者：王江平，第十四屆全國政協(xié)委員、工業(yè)和信息化部原副部長，研究員級高級工程師。

來源：數(shù)字化轉(zhuǎn)型期刊