制造业AI项目面临数据治理与工作流整合挑战

2026年10月8日——致力于将AI技术应用于复杂环境中数据的Cloudera 今日宣布其最新研究报告《2026数据就绪指数》中的制造业调研结果。报告显示，由于在数据访问、治理和基础设施性能方面长期存在的差距，制造业企业在实现 AI 规模化应用方面仍面临显著障碍。

随着制造业企业推进数字化转型，企业需要在分布式环境中管理不断增长的运营、生产、供应链、客户数据以及物联网数据。AI 在优化生产流程、提升质量控制、实现预测性维护以及增强供应链韧性方面发挥着重要作用。然而，许多制造业企业仍缺乏规模化应用AI所需的统一、可信且得到充分治理的数据基础。

调查显示，82%的制造业受访者表示能够掌握自身数据的存储位置，但面对日益复杂的数据环境，许多企业仍难以有效整合、治理和统一可信数据，并将其真正应用于业务。尽管制造业企业的表现优于受调查的许多其他行业，但治理方面仍存在显著差距，仅有58%的受访者表示，全部或近乎全部数据都已得到充分治理。这些挑战也会对业务产生直接影响。20%的制造业企业表示，AI和分析与运营工作流整合不足，是相关项目未能实现预期投资回报的主要原因。

当数据和流程分散在工厂、供应链、企业应用以及边缘环境中时，将 AI 洞察转化为实际业务行动仍存在一定难度。AI 应用能否取得成效，越来越取决于企业在分布式环境中推动 AI 落地的能力，以及确保可信数据能够在业务开展的各个场景中支持更快速的决策，带来可衡量的业务成果。

Cloudera全球工业与制造业AI解决方案总监Morgan Bowling 表示：“AI正在为制造企业优化运营、提升质量和增强供应链韧性带来新的机遇。要把握这些机遇，仅仅能够访问数据还不够，企业还需要确保整个业务范围内的数据具备可靠的质量、治理和可用性。今天着力提升数据就绪能力的制造企业，未来将更有能力规模化推进AI项目。”

Cloudera大中华区技术总监刘隶放表示：“对于中国制造业企业而言，推动AI从试验走向生产，需要让可信数据更好地融入运营工作流。面对分布在工厂、供应链、企业应用和边缘环境中的数据，企业需要加强数据治理，进一步打通数据与运营流程。通过构建统一、可信且得到充分治理的数据基础，制造企业可以将AI应用于生产流程优化、质量控制和预测性维护等场景，并逐步扩大AI在业务中的应用规模，从而提升效率并实现差异化竞争优势。”

如需了解更多关于《2026数据就绪指数》以及制造业企业如何在混合环境中实现可信 AI 的规模化应用，请访问Cloudera.com。

本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。