2026年上半年，中國規模以上製造業企業人工智能技術應用普及率超過30%。從視覺質檢、設備運維到研發設計、供應鏈管理，AI正加速進入製造業的更多環節。這也意味着「AI+製造」邁上新台階。但從單點試用走向規模部署，問題正在發生變化。

    「當AI從單點工具進入生產經營核心環節，問題就不只是模型夠不夠強，而是模型能否持續獲得實時、準確、有業務含義且符合權限要求的數據。」丹諾德（Denodo）全球銷售副總裁兼大中華區總裁何巍表示，製造業智能化越深入，數據基礎對AI應用成效的影響就越直接。

    系統林立、數據割裂，AI應用卡在源頭

    與互聯網企業相比，製造業的數據環境更為複雜。一台設備、一條產線、一座工廠，都可能擁有相對獨立的數據採集方式。設備運行、質量檢測和工藝參數等生產數據，通常分布在不同的工業控制系統中；訂單、庫存、採購、財務和人力資源數據，又沉澱在ERP、供應鏈及其他業務平台內。

    「很多企業通常並不缺數據，真正的難點是數據分散在不同平台，業務定義和治理規則又不一致。」何巍指出。例如，不同工廠對「有效產能」「合格產品」等指標可能採用不同定義——即便AI能夠訪問相關數據，也未必能形成一致判斷。

    過去，企業通常圍繞具體需求抽取、複製和匯總數據。業務部門需要一張新報表或一次分析，技術人員便從不同系統尋找數據，經過清洗和轉換後交付結果。這種方式可以解決單次需求，卻容易產生新的數據副本。

    何巍認為，傳統模式的局限性會逐漸顯現：一方面，數據鏈路需要反覆開發和維護；另一方面，同一份數據經過多次複製後，可能出現更新時間、統計範圍和訪問權限不一致，企業不僅要承擔開發成本，還要持續進行數據核對和安全管理。

    併購場景會進一步放大這一矛盾。資本層面的交易完成後，企業還要整合財務、人力資源、供應鏈和生產系統。如果雙方使用不同平台和業務定義，數據整合周期就可能拉長，並影響併購後的業務協同。

    「AI時代的『找數』邏輯，與傳統商業智能時代已經不同。」何巍說，過去的數據準備多圍繞相對固定的報表展開；AI應用則需要實時獲取更豐富的業務信息。

    搭建「AI數據層」：不搬家也能用上全公司數據

    面對分散的數據，企業是否必須將所有信息重新集中到一個平台？

    何巍給出的答案是：不必以大規模搬遷作為前提。Denodo為企業搭建「AI數據層」，在現有數據源與上層應用之間建立統一的數據訪問和治理入口。數據可以繼續保留在原有系統中，平台則按實際需求連接數據，並在其被分析工具、業務系統或AI調用前，統一處理業務語義、訪問權限和治理規則。

    「AI數據層不是再建一個數據孤島，而是要讓原本分散的數據能夠按照統一規則被使用。」何巍表示。其作用可以概括為三個方面：

    首先是連接數據。AI數據層能夠連接本地系統、雲平台、數據湖及各類業務應用，減少為每項需求單獨開發數據鏈路的工作。

    其次是統一語義。企業可以對關鍵業務指標建立相對一致的定義，並補充必要的業務背景，降低不同部門和AI模型理解數據時出現偏差的可能。

    再次是集中治理。企業可以根據人員身份和業務場景設置訪問範圍，對敏感信息進行控制，並記錄數據調用過程。對於包含工藝參數、客戶訂單和員工信息的製造企業而言，這也是AI應用走向核心業務的重要前提。

    何巍強調：「AI數據層並非只服務於模型。它需要為AI、經營分析和業務應用提供實時數據、統一業務語義和一致治理，使不同使用者建立在共同、可信的數據基礎之上。」

Denodo數據架構

    一家全球製造業集團的數據底座實踐

    Denodo近期發布的一項案例研究，呈現了這一思路在大型製造企業中的應用效果。

    案例企業是一家擁有超過12萬名員工的全球製造業集團。由於長期經營和持續收購，集團內部並存多套本地系統、雲平台及業務應用。傳統數據抽取流程難以提供接近實時的信息，用戶又在源系統之外建立多個數據副本，增加了數據質量和治理壓力。併購後，新公司的數據還需要接入集團人力資源等系統。遺留集成工具操作複雜，開發人員掌握相關技能最長需要六個月，定製開發和不斷累積的技術債也推高了項目成本。

    該集團隨後在AWS環境中部署Denodo，建立統一的數據訪問與治理層，連接SAP、Databricks、InforDataLake，以及Redshift、S3和RDS等數據源。這一架構沒有要求企業先將全部數據遷移到同一平台，而是通過統一入口連接不同環境，併集中管理數據定義、訪問權限和安全規則。

    案例材料顯示：改造後，一項數據請求的處理時間由開發人員手工操作5至10小時縮短至10分鐘；開發人員上手周期由6個月縮短至6周，數據集成時間至少減少25%。停用原有集成軟件後，企業每年僅許可成本便節省超過4萬美元。

    這些變化並不只是IT部門的效率提升。數據交付周期縮短，有助於新併購業務更快接入集團體系；統一權限管理，則降低了敏感數據在跨系統使用過程中的風險。該集團也開始探索將相關數據能力用於自然語言處理和後續AI應用。（記者 黃鳳鳴）

    頂圖：丹諾德（Denodo）全球銷售副總裁兼大中華區總裁何巍