2026年9月20日下午，由中国计算机学会（CCF）主办，CCF YOCSEF沈阳承办的“数据筑基·智启工业：数据驱动东北工业智能化转型”观点论坛（论坛编号：CCF-Yo-26-064）在全总（哈尔滨）劳模技能交流基地举办。

论坛由CCF YOCSEF沈阳AC委员王刚和巩树凤共同担任执行主席。来自高校、企业的20余名与会者，涵盖人工智能、数据安全、区块链等领域进行深入研讨。

开场：聚焦核心议题，回溯 YOCSEF 文化，共话思辨精神

论坛正式启幕，执行主席王刚、巩树凤从举办背景、组织形式两个维度，对本次论坛进行介绍。活动特邀YOCSEF总部老主席贺瑞君阐释CCF YOCSEF文化，解读观点论坛“自由、平等、开放”的交流准则，期望通过引导发言与多轮思辨，碰撞思想、凝聚洞见。

随后，巩树凤围绕东北老工业基地产业种类繁多，沉淀海量的工艺数据、设备物联网数据以及供应链数据的优势，为工业数字化、智能化发展奠定了坚实的数据资源基础。但同时也清醒看到，东北地区工业数据应用仍存在不少短板。目前工业数据普遍存在标准不统一、语义碎片化、系统壁垒高、数据实时性不足等突出问题。和成熟的互联网数据应用体系不同，工业数据“读不懂、流不通、不及时”的痛点，会直接制约工业智能系统稳定高效运行，也是当前推进东北工业数字化转型升级需要重点破解的难题。

因此，围绕“数据驱动东北工业智能化转型”这一主题展开开放式讨论。

数据智能体及其在工业制造场景中的应用

张岩峰（东北大学计算机学院副院长、教授、博士生导师）围绕《数据智能体及其在工业制造场景中的应用》作分享。以大语言模型为代表的人工智能技术正加速向工业制造领域渗透，推动制造业从“数据透明”走向“判断自动化”。然而，通用大模型在处理工业场景中高度结构化、强逻辑关联且依赖专业知识的任务时，仍面临知识幻觉、多源异构数据融合困难、决策链路不透明等核心挑战。本报告聚焦“数据智能体”这一前沿技术路径，系统探讨如何将知识图谱的结构化表达能力与大语言模型的自然语言理解与推理能力进行有机协同，从而破解工业AI落地的关键瓶颈。

苗东菁（哈尔滨工业大学教授、博士生导师）围绕《工业数据流通中的潜在制约因素浅析》作分享，在以老工业基地为代表的工业智能化转型中，工业数据流通的技术瓶颈贯穿了从边缘采集、语义解析、架构融合、实时传输到安全共享的全链路，这些技术瓶颈决定了工业数据流通的“能力下限”，而权属与收益分配、安全与合规、追责与兜底、组织与生态等治理要素则直接决定了工业数据流通的“意愿上限”。

晏潇（武汉大学武汉数学与智能研究院研究员、博士生导师）围绕《向量数据库性能优化：内存、磁盘、分布式、云以及模型推理》作分享，介绍了数据存储和压缩，为逐一解决工业场景中高维向量存储冗余、检索延迟高、并发能力不足、跨场景适配性差等问题提供了参考。

观点交锋：共同助力东北老工业基地发展

思辨议题一：面对老设备和非标场景，数据应适应新智能，还是智能适应工业数据？

由杭州趣链科技股份有限公司副总裁陈晓丰率先发言。面对老设备与非标工业场景，不能简单判定是数据适配新智能，还是智能适配工业数据，应当坚持两条腿走路：一方面规范、清洗存量工业数据，补齐数据短板以支撑智能算法落地；另一方面也要优化智能模型架构，降低对高质量标准化数据的依赖，让智能算法适配现场真实、碎片化的非标数据，双向协同推进工业智能化落地。

思辨议题二：工业数据跨设备、跨系统、跨企业流通，最大瓶颈是技术还是治理？

由上海交通大学计算机学院应臣浩引导。工业数据实现跨设备、跨系统、跨企业流通，最大瓶颈不在技术而在治理。跨设备、跨系统的数据互通依靠技术手段便可实现，但跨企业的数据流转，牵涉多方主体利益博弈，必须依靠规则、权责与信任体系这类治理机制来破解。

思辨议题三：当数据失真、延迟甚至中断时，谁应为智能决策后果兜底？

由北京航空航天大学人工智能学院张沁楠引导。当数据出现失真、延迟甚至中断时，不能简单将智能决策的后果归于算法或技术本身，需要厘清人、系统与业务主体之间的责任边界：数据采集传输环节有运维主体，智能模型有设计与校验主体，最终业务决策仍有使用方，各方要按权责链条共同构建兜底机制，既要通过技术手段做好异常感知、降级熔断，更要明确责任划分，避免智能系统出错后责任悬空。

论坛总结：从观点碰撞走向实际行动

论坛最后，执行主席王刚、巩树凤进行总结，本次三场思辨层层递进，聚焦工业智能落地的核心难题、形成清晰共识。针对老旧设备与非标场景，数据与智能双向适配、双向优化，让智能技术真正贴合工业现场实际；针对数据流通问题，明确跨设备、跨系统互通靠技术即可实现，跨企业数据流通的核心瓶颈是治理而非技术，关键在于平衡企业利益、健全规则与信任体系；针对数据失真、延迟、中断引发的决策风险，需打通数据、模型、业务全链条，厘清各方权责、完善兜底机制，避免责任悬空。总体来看，工业智能化并非单纯的技术升级，而是场景适配、治理贯通、权责兜底的系统工程，唯有技术、规则、责任协同发力，才能真正实现工业数据赋能产业升级。