2. 工业数据空间基础

在制造企业推进数据协同的过程中，数据湖、数据中台、工业互联网平台已经承担了大量数据汇聚、治理与服务化工作。但当数据需要跨越企业边界，在供应链上下游、设备制造商与运营商、认证机构与监管方之间安全流通时，传统平台往往遇到权属不清、用途不可控、合规审计困难等瓶颈。工业数据空间（Industrial Data Space，IDS）正是为解决“可信跨域流通”而提出的体系化方案。理解它的定义、参考架构与关键术语，是后续工程落地的前提。

一、数据空间的定义与核心思想

数据空间可以理解为：一组参与方在共同规则与信任机制下，以去中心化方式连接各自数据源，按约定用途、权限和策略进行数据交换与使用的虚拟协作空间。它不要求把数据物理集中到一个平台，而是强调“数据留在原处、使用权按需流转”。其核心思想包含四点：

• 数据主权：数据提供方始终保有对数据的控制权，包括谁可用、用于什么目的、用多久、能否二次分发。
• 去中心化连接：各参与方保留本地存储与计算，通过标准接口和连接器互联，避免形成新的数据孤岛式中心。
• 使用控制：数据附带机器可读的使用策略，接收方只能在策略允许范围内使用，策略随数据一起流转。
• 可信与互操作：通过身份认证、证书、审计日志和统一语义模型，使异构主体之间能够建立可验证的信任。

二、参考架构：五层结构与关键组件

工业数据空间的参考架构通常可划分为五层，从下到上依次为：

1. 数据源层：PLC、SCADA、MES、ERP、PLM、传感器、质量检测设备等，产生并持有原始数据。
2. 连接与集成层：由连接器（Connector）承担，负责协议适配、数据抽取、策略绑定、加密传输与端点身份验证。
3. 信任与安全层：包括身份提供者、动态属性令牌、证书管理、访问控制与审计存证，是跨域信任的基础设施。
4. 数据服务层：以数据产品、API、事件流、语义模型等形式发布可被订阅的数据资产，并附带使用策略。
5. 应用与协作层：面向预测性维护、供应链协同、碳足迹核算、质量追溯等场景，消费数据空间中的服务。

其中，连接器是数据空间区别于普通数据集成平台的关键组件。它既是数据出口，也是策略执行点：数据在离开企业边界前，由连接器完成策略绑定、脱敏、加密和日志记录；数据到达接收方后，连接器再次校验策略并约束使用行为。

三、关键术语速查

数据空间涉及一批容易混淆的术语，下表给出工程语境下的简明解释：

四、与数据湖、数据中台、工业互联网平台的区别

这四类平台并非替代关系，而是面向不同问题的互补能力。数据湖侧重海量原始数据的低成本存储与按需分析；数据中台侧重企业内部数据资产化、服务化与复用；工业互联网平台侧重设备连接、边缘计算、应用开发与运营管理；数据空间则侧重跨企业边界的主权保护与可信流通。关键差异可归纳为：

• 边界：前三者通常以单一企业或平台为中心，数据空间以多参与方对等协作为前提。
• 数据位置：数据湖和中台倾向集中汇聚，数据空间强调数据留在原处、按需交换。
• 控制方式：传统平台依赖平台方权限管理，数据空间依赖随数据流转的使用策略。
• 信任基础：传统平台依赖组织内部制度，数据空间依赖身份、证书、合约与审计的技术化信任。

五、典型场景与常见误区

以预测性维护为例：设备制造商希望获取运营商现场设备的振动与温度数据来优化算法，但运营商担心工艺参数泄露。在数据空间中，运营商通过连接器发布“设备健康指标”数据产品，策略限定“仅用于算法训练、不得转发、保留30天”；设备制造商订阅后只能在本地训练，用量与审计日志回传。双方无需集中数据，即可完成协作。

常见误区有三点：一是把数据空间当成又一个集中式大数据平台，忽视去中心化与主权设计；二是只关注接口连通，忽视策略、身份与审计等信任基础设施；三是认为数据空间必须一次性建成，实际上可以从一条供应链、一类数据产品的最小闭环开始迭代。

# 数据空间最小闭环检查清单
1. 参与方身份是否已注册并互认？
2. 数据产品是否附带机器可读使用策略？
3. 连接器是否完成策略绑定与加密传输？
4. 接收方是否具备策略校验与本地计算能力？
5. 审计日志是否可追溯、可回传、可存证？
6. 异常使用是否有告警与撤回机制？