八部门联合发文推进"人工智能+制造"，工业数据标注迎来千亿级蓝海

📋 政策基本信息

| 项目 | 内容 |

|------|------|

| 政策名称 | 《"人工智能+制造"专项行动实施意见》 |

| 发文机关 | 工业和信息化部、中央网信办、国家发展改革委、教育部、商务部、国务院国资委、市场监管总局、国家数据局（八部门联合） |

| 文号 | 工信部联科〔2025〕279号 |

| 印发时间 | 2025年12月25日 |

| 目标节点 | 2027年 |

| 核心定位 | 落实《关于深入实施"人工智能+"行动的意见》，赋能新型工业化 |

| 附件 | ①人工智能赋能制造业重点行业转型指引 ②制造业企业人工智能应用指南 |

一、出台背景：制造业智能化的"数据饥渴"

制造业是国民经济的主体，也是人工智能落地最具潜力的领域之一。然而，AI赋能制造业面临一个根本性瓶颈：工业数据"量大质低"，高质量标注数据极度匮乏。

具体表现为：

- 数据"沉睡"在产线：大量工业数据以非结构化形式存在（设备日志、图像、传感器时序等），未经清洗标注，无法直接用于模型训练；

- 行业知识壁垒高：工业场景的标注需要深厚的工艺知识，普通标注人员难以胜任；

- 场景碎片化严重：不同行业、不同工序的数据差异巨大，难以用统一方案覆盖；

- 安全要求严苛：工业数据涉及生产安全、商业机密，流通和使用受到严格限制。

本意见由八部门联合发文，是"人工智能+"系列行动中规格最高的文件之一，标志着AI赋能制造业已从"企业自发探索"上升为国家系统性工程。

二、核心框架：九大板块、量化目标

2.1 总体架构

┌───────────────────────────────────────────────────────────┐

│ "人工智能+制造"专项行动总体框架 │

├─────────────┬─────────────┬─────────────┬─────────────────┤

│ 创新筑基 │ 赋智升级 │ 产品突破 │ 主体培育 │

│ (算力+模型+ │ (行业应用+ │ (智能装备+ │ (企业梯次+ │

│ 数据) │ 全流程转型) │ 智能体) │ 服务商) │

├─────────────┼─────────────┼─────────────┼─────────────────┤

│ 生态壮大 │ 安全护航 │ 国际合作 │ 保障措施 │

│ (标准+开源+ │ (安全能力+ │ (出海+ │ (资金+政策+ │

│ 人才) │ 治理机制) │ 平台) │ 监测) │

└─────────────┴─────────────┴─────────────┴─────────────────┘

2.2 量化目标（到2027年）

| 指标 | 目标值 | 与标注的关联 |

|------|--------|-------------|

| 通用大模型制造业深度应用 | 3-5个 | 需要大量工业领域微调数据 |

| 行业大模型 | 特色化、全覆盖 | 每个行业都需要专属训练数据 |

| 高水平工业智能体 | 1000个 | 智能体训练依赖高质量指令数据 |

| 工业领域高质量数据集 | 100个 | ⭐ 直接标注产出目标 |

| 典型应用场景 | 500个 | 每个场景都对应特定标注需求 |

| 标杆企业 | 1000家 | 标杆企业的数据需求将成为市场风向标 |

| 生态主导型企业 | 2-3家 | 平台型企业将整合标注资源 |

关键信号：100个工业高质量数据集，是标注行业最直接的"订单目标"。

三、重点解读：数据标注的"工业机遇"

3.1 "模数共振"行动：数据与模型的双向奔赴

方案第（三）条专门提出"模数共振"行动：

> 梳理适配行业模型需求的数据资源清单，发布制造业高质量数据集建设指南……推动将基础数据转化为高质量行业数据集，实现 "以模引数"。

> 指导企业加强数据工程能力建设，促进企业数据开发与模型建设深度融合……实现 "用数赋模"。

解读： "以模引数"意味着模型需求将反向定义数据标注的规格和标准——不再是"有什么数据标什么"，而是"模型需要什么就标注什么"。这对标注企业提出了深度理解AI模型训练需求的新要求。

3.2 附件2：制造业企业AI应用指南中的标注要求

附件2《制造业企业人工智能应用指南》是迄今最详细的工业数据标注操作指南，值得逐条解读：

（1）数据资源平台建设（第五条）

> 建设企业数据管理一体化平台，支持多源异构数据的汇聚、处理、标注和质量评估，提高企业数据加工和利用能力，提高数据集质量。

（2）数据集处理工具链（第六条）⭐ 核心条款

> 重点加强智能标注、专家协同标注、融合机理与仿真数据合成、数据集质量评估、安全监测等方向工具的使用。

解读： 这是国家层面首次在政策文件中明确提出"智能标注"和"专家协同标注"两个方向，与国家数据局方案中的"人机协同、专家深度参与"一脉相承。工业标注的两大趋势已经明确：

- 工具智能化：模型预标注+人工校准成为标配；

- 人员专家化：具备工艺知识的专家深度参与标注。

（3）数据管理体系（第七条）

> 明确数据采集、预处理、数据标注、增强合成、数据集产品化等环节的关键步骤和质量要点，制定数据集质量评估标准。

解读： 数据标注被正式纳入企业数据管理体系的标准流程，不再是"临时外包"，而是制度化的核心环节。

（4）多样化数据集构建（第八条）

> 鼓励制造业企业联合第三方开展合成数据集、工业领域深度思维链数据集、跨学科跨领域知识图谱等数据集建设。

解读： "深度思维链数据集"的提出尤为关键——这意味着工业场景不仅需要传统的分类/检测标注，还需要推理过程标注（Chain-of-Thought），对标注人员的逻辑推理能力提出了极高要求。

3.3 附件1：重点行业转型指引中的标注需求图谱

附件1覆盖了制造业五大行业板块，每个板块都蕴含着巨大的标注需求：

| 行业板块 | 典型标注场景 | 数据类型 | 专业门槛 |

|----------|-------------|----------|----------|

| 原材料 | 钢铁缺陷检测、石化安全监测、新材料性能标注 | 图像、时序、多模态 | ⭐⭐⭐⭐ |

| 装备制造 | 设备故障诊断、工艺参数标注、装配质量检测 | 时序、点云、视频 | ⭐⭐⭐⭐⭐ |

| 消费品 | 食品违规操作识别、药品靶点标注、纺织疵点检测 | 图像、视频、文本 | ⭐⭐⭐ |

| 电子信息 | PCB缺陷检测、芯片封装质量、碳足迹数据 | 图像、结构化数据 | ⭐⭐⭐⭐ |

| 软件与IT | 代码语义标注、测试用例生成、知识图谱构建 | 代码、文本 | ⭐⭐⭐ |

特别关注——有色金属行业条款：

> 研发数据自动化治理、标注技术与工具，打造矿山与装备运行类、选矿工艺优化类、冶炼过程控制类等行业高质量数据集。

这是政策文件中首次将"标注技术与工具"作为行业攻关方向明确提出。

3.4 安全条款：工业标注的"红线"

方案第（二十四）条明确提出：

> 面向数据标注、汇聚、训练、合成等环节，强化数据校验、检测评估、身份认证和权限管理，提升数据安全风险防范水平。

解读： 工业数据标注涉及生产安全、商业秘密甚至国家安全。标注企业必须具备：

- 数据分类分级管理能力

- 标注人员身份认证和权限管理

- 标注过程可追溯、可审计

- 数据不出域的安全标注环境

四、政策联动：工业标注的"政策矩阵"已经成型

将本意见与近期出台的相关政策对照，工业数据标注的政策支撑体系已全面成型：

| 政策文件 | 发布时间 | 与工业标注的关系 |

|----------|----------|-----------------|

| 《"人工智能+制造"专项行动实施意见》 | 2025.12 | 定义工业标注的场景需求和目标 |

| 《关于培育数据流通服务机构的意见》 | 2026.02 | 打通工业数据集的流通交易渠道 |

| 《"人工智能+教育"行动计划》 | 2026.04 | 培养工业标注所需的复合型人才 |

| 《关于推进行业高质量数据集建设行动的实施方案》 | 2026.06 | 提供工业数据集建设的标准和方法论 |

核心判断： 从"需求定义"到"流通变现"到"人才供给"到"标准规范"，工业数据标注的政策闭环已经完整形成。

五、对数据标注行业的六大影响判断

| | 影响判断 | 具体分析 |

|---|----------|----------|

| 1 | 市场规模爆发 | 100个高质量数据集 × 500个应用场景 × 1000家标杆企业，工业标注市场规模将达千亿级 |

| 2 | 专业门槛急剧提升 | 工业标注需要"懂工艺+懂AI"的复合人才，纯人力标注模式将被淘汰 |

| 3 | 工具化成为刚需 | "智能标注""专家协同标注"被写入政策，标注工具平台将成为核心竞争力 |

| 4 | 安全合规成为准入条件 | 工业数据安全要求极高，不具备安全能力的标注企业将被排除在外 |

| 5 | "数据飞轮"模式确立 | "以模引数、用数赋模"的闭环意味着标注企业需要深度嵌入客户的AI开发流程 |

| 6 | 合成数据成为新赛道 | 政策多次提及合成数据、仿真数据，"标注+合成"的混合模式将成为工业数据集建设主流 |

六、行动建议

对标注企业：

1. 聚焦垂直行业：选择1-2个制造业细分领域（如汽车、钢铁、电子）深耕，建立行业知识壁垒；

2. 投资智能标注工具：研发或引入支持工业场景的标注平台，具备点云标注、时序数据标注、多模态对齐等能力；

3. 构建专家网络：招募具有工艺背景的退休工程师、行业专家，建立"专家协同标注"体系；

4. 建设安全标注环境：支持数据不出域、私有化部署、权限分级管控，满足工业数据安全要求；

5. 对接"模数共振"需求：主动了解客户的模型训练需求，从"被动接单"转向"主动定义数据规格"；

6. 探索合成数据业务：结合仿真技术，提供"真实数据标注+合成数据增强"的一站式服务；

7. 关注标杆企业需求：1000家标杆企业的AI应用需求将定义市场方向，优先对接这些企业的数据需求。

对标注从业者：

1. 学习工业基础知识：了解制造工艺流程、设备原理、质量标准，"懂行"是工业标注的核心竞争力；

2. 掌握新型数据标注技能：点云标注、时序数据标注、思维链标注等新技能将成为刚需；

3. 适应"人机协同"模式：熟练使用智能标注工具，与模型协同工作，从"执行者"升级为"校准者"和"审核者"；

4. 关注安全规范：工业数据标注涉及敏感信息，务必严格遵守保密协议和数据安全规范。

七、总结与展望

《"人工智能+制造"专项行动实施意见》是"人工智能+"系列行动中覆盖面最广、目标最量化、操作性最强的政策文件。八部门联合发文的规格，充分体现了国家对AI赋能制造业的战略决心。

对数据标注行业而言，这份文件的核心意义在于：

> 工业，正在成为数据标注行业规模最大、壁垒最高、价值最厚的"超级赛道"。

与通用互联网标注不同，工业标注具有高门槛、高价值、高粘性的特征：

- 高门槛：需要行业知识，不是简单的"看图标注"；

- 高价值：一条高质量的工业标注数据，可能价值数百甚至数千元；

- 高粘性：一旦建立行业知识体系和客户关系，竞争对手难以替代。

方案中"100个工业高质量数据集"的目标，本质上就是100个系统性的工业标注工程项目。这些项目将催生一批"懂工业、懂AI、懂数据"的新型标注企业，也将重新定义"数据标注"这个行业的内涵和外延。

制造业的智能化转型才刚刚开始，工业数据标注的黄金十年正在开启。

本文系标注狮政策解读，仅供参考，具体以官方发布原文为准。

政策来源：工业和信息化部官网