观点 | 借鉴德国经验 打造我国工业数据空间
(一)政策引导方面,着力强化项目带动、资金支持和环境营造作用
一是以前瞻项目为牵引,启动工业数据空间行动。德国联邦教育与研究部于2014年推动发起“工业数据空间行动”,并提供500万欧元的项目资助,支持完成IDS架构搭建,并实施基于该架构的跨部门应用案例验证,以解决工业数据共享和流通难题。二是加大基础研究资金投入,为IDS持续研发创新提供切实保障。德国政府部门按照弗劳恩霍夫研究院年度合同(产业类和公共资助类)研究经费总额的50%进行投入配比,以支撑其进行IDS等相关非营利基础研究,进而保持IDS的前瞻性、创新性和引领性。三是持续完善政策体系,为数据空间发展提供良好环境。2021年1月,德国政府发布《联邦政府数据战略》,明确提出建立环境、医疗健康、移动交通、农业等领域的公共数据空间。同时,德国和法国联合发起GAIA-X计划,支持IDS作为GAIA-X云计算平台的核心架构。
(二)研究开发方面,大力发挥协同创新与开源开放模式的优势
一是加强协同研发,解决IDS跨学科研发需求。综合考虑IDS研发的复杂性,德国联邦教育与研究部选择弗劳恩霍夫研究院作为研发主体机构。该研究院围绕IDS复杂研究需求,由院属十二个研究所共同推进研发工作,并通过联盟和网络的形式组建若干科研联合组,灵活整合专家、企业、高校等资源开展协同创新,确保联合各方研发力量解决数据共享难题。二是打造开源创新生态,加强IDS组件的开发维护。IDSA在Git Hub上建立了IDS参考测试平台开源项目,测试平台为IDS开发和认证过程提供了一个测试和评估的环境,IDS参考实例和示例代码可供软件开发者使用,使公司和组织能够开发符合IDS标准的组件并测试它们的互操作性。
(三)推广应用方面,高度重视需求牵引、生态合作和国际拓展
一是开展应用需求分析,促进用例迭代。IDSA组建了跨行业的工作组和同行业的社区组,对各个行业的场景用例进行评估测试,分析各类场景对IDS的不同需求,从而产生大量产品和解决方案。如,IDSA创建的IDS交通社区已在智能停车、多式联运、无事故驾驶等方面实现了60多个用例。二是拓展IDS应用,鼓励市场参与者利用IDS向市场提供软件产品和服务,不断优化IDS的产品生态。如,海尔海外洗衣机工厂基于IDS技术,实现消费者洗衣机传感器的洗衣数据与其卡奥斯COSMOPlat平台的安全可控交换,从而可以基于洗衣数据对洗涤程序进行优化,并发送回消费者洗衣机。三是推动IDS成为国际标准,并加强国际化应用推广。IDSA推动IDS的部分内容成为正式国际标准,并支持不同数据空间基于该标准实现互联和信息协作。如,IDSA成员荷兰应用科学研究组织(TNO)与日本电信公司NTT.Com基于IDS标准建立互联的数据空间,实现供应链信息等的国际安全交换。此外,IDSA还通过联合相关协会组建数据空间商业联盟(DSBA)、在不同国家建立区域中心等方式,大力促进IDS标准在整个欧洲和全球的推广。
(四)治理运营方面,聚力构建多主体广泛参与的协同治理机制
一是制定协同治理方案,以保障数据空间的安全可信运营。IDSA的成员公司共同参与制定IDS的认证要求和评估策略。其中,架构组负责对IDS连接器的主要软件组件进行标准化处理及验证,基于跨行业应用需求完善IDS并进行相关软件应用测试;认证组负责创建并维护IDS认证流程,包括认证操作环境和核心组件、定义角色以及开发认证使用的评估解决方案。二是广泛吸纳外部力量,促进数据空间的长效运营。IDSA发起了一项认证方案,以便IDSA之外的企业也可以访问并参与数据空间建设和运营。
(一)完善顶层设计,统筹推进我国工业数据空间政策体系建设
工业数据空间的功能定位具备一定的公共属性特征,其前期开发建设需加强政府统筹、政策引导和多方主体协作。
一是统筹推进工业数据空间建设的政策研究和制定。结合工业数据在各行业细分领域的应用特点,制定工业数据空间行业建设和应用指南。推动各类重大专项、产业基金对工业数据空间建设的倾斜支持。配套建立工业大数据共享应用和流通交易相关机制。
二是建立政府指导、行业协会主导、企业参与的协同工作体系,通过产学研用深度合作,加强工业数据空间理念推广、技术基础设施共建和行业应用。
(二)打造产业生态,提升数字化解决方案与技术基础设施供给能力
类似“数据连接器”的技术设施是工业数据空间实现数据安全交换的基础保障,我国亟须加强工业数据空间相关技术的系统化设计、协同化研发和测试评估。
一是支持工业数据空间技术架构协同研发,强化共享流通、开发应用等方面的技术、标准及应用测试,构建支持数据可信流通的技术基础设施。
二是推动工业知识技术化、模型化、软件化沉淀,支持建设行业性、功能性工业数据空间公共服务平台,打造工业数据应用模型资源库和组件工具集,发展数据空间标准制定、技术组件测试评估等服务。
三是支持大数据企业、软件和信息技术服务企业、数字化解决方案服务商等参与工业数据空间建设,推动基于工业数据空间的数据应用解决方案开发和服务模式创新。四是孵化工业数据空间开源项目,加强开源代码安全检测,强化算法模型、基础技术组件、应用组件功能迭代,不断提升工业数据空间技术引领力。
(三)加强场景建设,深化数据驱动、行业融合的应用体系建设
工业数据空间的长效运行需加强行业推广和应用迭代,并促进产品生态的持续完善。
一是加强行业需求分析,梳理形成工业企业研发设计、生产制造、运维服务等产业链上下游数据应用场景需求清单,通过工业数据空间用例测试评估促进数字化产品服务供需匹配。
二是打造示范性工业数据空间应用场景,并推动各类场景算法模型在行业间、企业间的共享应用,带动激发其他工业环节和行业领域的数据共享应用需求。
三是推动有条件的地方整合区域内企业、人才、资本等资源,先行探索工业数据空间在推动工业数据共享流通、促进产业链协同发展、赋能大中小企业融通等方面的创新应用。支持大数据产业发展示范、新一代信息技术与制造业融合发展示范、工业互联网试点示范等优质项目资源向工业数据空间汇聚,优化数据空间创新资源要素配置。
表1:数据空间生态系统不同角色的数据治理和数据管理活动 来源:赛迪智库
来源:数字经济杂志
END好文推荐Valuable Articles