1. 课程导入

在智能制造、供应链协同、能源互联等场景中，数据早已不是某个企业内部“自产自用”的副产品，而是跨企业协作的关键生产要素。然而现实情况是：设备数据锁在工厂内网，质量数据散落在不同供应商的系统中，碳排放数据难以在产业链上可信流转。企业既想共享数据以获得协同收益，又担心数据泄露、失控和合规风险。工业数据空间（Industrial Data Space，IDS）正是为解决这一矛盾而提出的技术与治理框架。

一、什么是工业数据空间

工业数据空间不是一个大集中的数据仓库，也不是一个统一的数据平台，而是一套让数据在保持主权前提下实现可信交换的分布式基础设施。它的核心思想可以概括为三句话：数据不离开数据拥有者，使用规则随数据一起流转，参与方身份与权限可验证、可追溯。

在工业数据空间中，数据拥有者（Data Owner）决定“谁、在什么条件下、以什么用途”使用自己的数据；数据使用者在获得授权后，可以按约定方式访问或消费数据，但不能越权复制、转售或改变用途。支撑这一机制的关键，是参与方身份的可信标识、访问控制策略的机器可执行表达，以及贯穿数据全生命周期的权限审计。

二、发展背景：为什么现在需要它

工业数据空间并非凭空出现，它由四股力量共同推动：

• 产业协同需求：供应链上下游需要共享库存、质量、排产、物流等数据，但传统点对点接口方式成本高、规则不透明。
• 数据主权意识：企业越来越重视数据资产，不愿将核心数据无条件交给平台方或第三方。
• 合规监管压力：数据安全法、个人信息保护法、行业数据分类分级要求，使“先共享后治理”的模式难以为继。
• 技术条件成熟：分布式身份（DID）、可验证凭证（VC）、属性基访问控制（ABAC）、策略引擎、区块链存证等技术逐步工程化。

国际上，德国工业4.0平台推动的IDS参考架构、欧洲数据空间（Gaia-X）等形成了重要影响；国内则在工业互联网、数据要素市场、可信数据空间等方向持续布局。工业数据空间逐渐从概念验证走向行业落地。

三、核心价值：从“不敢共享”到“可控共享”

工业数据空间的价值不在于“把数据集中起来”，而在于把共享的规则和信任机制建立起来。其核心价值可归纳为以下四个方面：

价值维度	传统共享方式的问题	工业数据空间的改进
数据主权	数据一旦交出即失控	数据留在原处，按策略授权访问
身份可信	账号体系各自为政，难以互认	统一身份标识与可验证凭证，跨域互认
权限精细	粗粒度授权，难以表达用途与条件	策略随数据流转，支持用途、时限、次数控制
审计追溯	日志分散，责任难界定	全链路记录访问与使用行为，可审计可追责

对工业企业而言，这意味着可以在不牺牲核心数据控制权的前提下，参与跨企业协同、获取外部数据服务、满足合规要求，并逐步将数据转化为可计量的资产。

四、身份与权限工程在其中的定位

如果把工业数据空间比作一张覆盖产业链的“数据高速公路网”，那么身份与权限工程就是这张网的收费站、通行证和交通规则系统。没有可信身份，参与方无法确认对方是谁；没有权限策略，数据拥有者不敢放行；没有审计，出了纠纷无法定责。

身份与权限工程主要解决以下问题：

1. 身份标识：为每个参与方、设备、服务、数据资产建立唯一、可验证的数字身份。
2. 身份互认：不同企业、不同平台之间的身份如何映射与信任传递。
3. 认证与授权：请求方如何证明身份，数据拥有者如何判断是否放行。
4. 策略表达与执行：使用规则如何写成机器可读、可执行的策略，并在数据流通过程中强制执行。
5. 审计与追责：记录谁在何时、以何种方式使用了哪些数据，支持事后核查。

五、一个典型场景：供应链质量数据共享

假设某整车厂需要向零部件供应商获取关键批次的质量检测数据，用于整车质量追溯。传统做法是供应商定期导出Excel或通过接口推送，整车厂无法控制数据后续使用，供应商也担心数据被滥用。

在工业数据空间中，流程可以设计为：供应商为质量数据发布一个“数据服务”，并附加使用策略——仅允许整车厂在质量追溯场景下访问，有效期30天，不可转授权，每次访问需记录。整车厂通过自己的身份凭证发起请求，策略引擎验证身份与用途后放行，访问行为写入审计日志。数据始终留在供应商侧，整车厂按需获取结果或有限数据。

这个场景中，身份与权限工程直接决定了共享是否可行、是否安全、是否可规模化复制。

六、常见误区与学习目标

通过本章学习，你应当能够：

• 用自己的话解释工业数据空间的定义、边界与核心特征；
• 说明工业数据空间兴起的产业、合规与技术背景；
• 列举工业数据空间的核心价值，并区分其与传统数据共享方式的差异；
• 理解身份与权限工程在工业数据空间中的定位，以及它要解决的关键问题；
• 建立“身份—认证—授权—策略—审计”的整体认知框架，为后续深入学习打下基础。