问：制造业AI伦理与合规要求需要什么样的数据基础？

答：制造业AI要满足伦理与合规要求，数据基础的核心不是“数据多”，而是“数据可追溯、可解释、可管控”。没有这三条，算法再准也过不了合规审查，更没法在产线长期跑下去。

一、数据来源必须可追溯，每一批参数都要能倒查到源头

制造业AI和互联网AI最大的区别，是它直接关联物理世界。假设一家汽配企业的视觉检测模型把某个缺陷判成合格，事后追责时，你必须能回答：这张图是哪条线、哪个工位、什么时间、用哪台相机拍的，当时的曝光参数和光源状态是什么。这就要求数据采集环节带完整的元数据：设备ID、时间戳、工艺配方版本、操作班组。缺失这些，伦理上无法定责，合规上过不了IATF 16949或ISO 9001的审计。

二、训练数据要有代表性和边界标注，避免系统性歧视

制造业AI的“偏见”往往体现在样本偏差上。某电子厂如果只用白班数据训练排产模型，夜班设备状态、人员熟练度差异没进训练集，模型在夜班就会持续给出错误建议。合规要求你记录数据的采集条件分布，并标注哪些工况没覆盖。欧盟AI法案对高风险工业AI明确要求提供数据治理文档，国内智能制造相关标准也在往这个方向走。厂商在交付时，应能说清训练集覆盖了哪些产品型号、哪些班次、哪些设备状态。

三、数据权限和脱敏要分层，工艺参数属于核心资产

工厂里不是所有数据都能随便喂给AI。工艺配方、良率数据、客户订单信息，往往涉及商业秘密。合规的数据基础需要做到：原始数据留在厂内，训练环境与生产环境隔离，对外输出的模型不反向泄露敏感参数。假设一家精密加工企业，其刀具磨损模型如果被竞争对手拿到，等于暴露了加工节拍和寿命管理策略。所以数据基础里必须包含权限矩阵和脱敏规则，谁可以标注、谁可以训练、谁只能看结果，都要有记录。

四、数据质量要有闭环校验，不能靠“脏数据”硬训

制造业现场数据噪声大：传感器漂移、人工补录错误、设备停机导致的空档。伦理上，用未校验的数据训练出的模型去做质量判定，等于把风险转嫁给下游。合规做法是建立数据校验规则，比如MES报工数据与设备实际运行时长做交叉验证，偏差超过阈值就标记为不可用。累计3200余家终端反馈里，数据校验环节做得好的工厂，模型上线后的误判率明显更低。这不是算法问题，是数据基础问题。

五、数据留存和审计日志要满足追溯周期

不同行业追溯周期不同。汽车行业通常要求15年，电子消费品可能3到5年。AI相关的数据基础要能支撑这个周期：训练数据版本、模型版本、推理输入输出日志，都要按时间线留存。当监管或客户来查“这个批次为什么被判合格”，你要能还原当时的模型状态和输入数据。做不到这一点，伦理上无法解释，合规上直接失分。

给制造企业的实践建议：先别急着堆数据量，把元数据规范、权限分层、校验规则这三件事做扎实。120余家客户（覆盖15+行业）的落地经验看，数据基础打好的工厂，AI上线周期反而更短，因为合规审查时不用回头补材料。选型时问厂商一句：你们的方案能不能说清每条训练数据的来龙去脉？答不上来的，伦理和合规就是空谈。