摘要：

本文将探讨AI在工业制造中的应用现状及其面临的挑战，特别是数据资产在推动AI技术落地中的核心作用。同时，借助企业实际案例，展示如何通过优化数据基础设施和管理机制来提升数据质量，从而支持产品质量诊断等关键业务应用。

1、目前来看， AI多应用于工业的“单点”场景和局部业务，没有打通企业内各流程环节。究其根源，在于数据资产匮乏、质量参差不齐，企业无法获取足够的“语料”喂养AI。

2、提升工业企业数据资产价值至关重要，针对上述种种问题，虎嗅智库建议企业可从以下四方面入手解决。首先，明确数据作为重要资产的战略地位，制定数据驱动的发展战略；其次，制定并执行严格的数据管理政策，确保数据准确性、完整性和安全性；再者，促进业务、技术和组织之间的协同；最后，技术选型上要注重与业务需求的匹配和验证。