大家都知道，制造業是實體經濟的基礎，是國家經濟命脈所系，也是建設現代化產業體系的重要領域。

    二十大報告明確提出，堅持把發展經濟的著力點放在實體經濟上，推進新型工業化，加快建設制造強國、質量強國、航天強國、交通強國、網絡強國、數字中國。發展智能制造對于鞏固實體經濟根基、建成現代產業體系、實現新型工業化具有重要作用。而落實“加快建設制造強國”重大任務，首要的是推動產業鏈供應鏈優化升級，推進智能制造。

    隨著計算和存儲能力的迅猛發展，物聯網和傳感器技術的廣泛應用，以及工業軟件的不斷進化，數據的采集、存儲、傳輸、展現、分析與優化都具備了良好的技術基礎。在這種背景下，制造業數字化轉型的浪潮勢不可擋。領先的制造企業尤其是高端制造業企業正紛紛運用大數據、AI智能、機器視覺、工業互聯等新技術，全面開展流程化、自動化、柔性化、信息化建設，實現生產制造的數字化轉型升級，邁向智能制造。

    隨著智能制造的發展，自動化、信息化、智能化等技術滲透到制造業生產過程的各個環節，工業制造現場的傳感器、設備以及制造生產過程中的各個信息系統（如MES、ERP、SCM、YMS等），均會產生大量不同結構類型的數據。

    數據已經成為了智能制造行業不可或缺的關鍵生產力。對制造數據進行系統的計算分析，可以做出更明智的決策，從而提高智能制造的效率。換句話說，數據驅動制造是智能制造的必要條件和必然趨勢，而科學合理地產出、采集、傳輸、存儲、分析以及利用數據成為抓住發展機遇的有效途徑。

    然而，當前我國制造業企業在邁向智能制造的過程依然存在諸多挑戰，以產品質量追溯系統為例，機器視覺設備產生的圖片數據，呈現數量多、像素高、容量大的特點，且需要長期保存，傳統存儲模式面臨數據分散、海量小文件讀寫性能瓶頸、易丟失、存儲空間受限、追溯檢索不便等諸多問題。

    如何應對制造行業數據的快速增長？如何存儲管理海量數據？如何分析處理這些數據以更有效地促進智能制造的發展？這是行業需要應對的挑戰。