大家都知道，制造业是实体经济的基础，是国家经济命脉所系，也是建设现代化产业体系的重要领域。

    二十大报告明确提出，坚持把发展经济的着力点放在实体经济上，推进新型工业化，加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国。发展智能制造对于巩固实体经济根基、建成现代产业体系、实现新型工业化具有重要作用。而落实“加快建设制造强国”重大任务，首要的是推动产业链供应链优化升级，推进智能制造。

    随着计算和存储能力的迅猛发展，物联网和传感器技术的广泛应用，以及工业软件的不断进化，数据的采集、存储、传输、展现、分析与优化都具备了良好的技术基础。在这种背景下，制造业数字化转型的浪潮势不可挡。领先的制造企业尤其是高端制造业企业正纷纷运用大数据、AI智能、机器视觉、工业互联等新技术，全面开展流程化、自动化、柔性化、信息化建设，实现生产制造的数字化转型升级，迈向智能制造。

    随着智能制造的发展，自动化、信息化、智能化等技术渗透到制造业生产过程的各个环节，工业制造现场的传感器、设备以及制造生产过程中的各个信息系统（如MES、ERP、SCM、YMS等），均会产生大量不同结构类型的数据。

    数据已经成为了智能制造行业不可或缺的关键生产力。对制造数据进行系统的计算分析，可以做出更明智的决策，从而提高智能制造的效率。换句话说，数据驱动制造是智能制造的必要条件和必然趋势，而科学合理地产出、采集、传输、存储、分析以及利用数据成为抓住发展机遇的有效途径。

    然而，当前我国制造业企业在迈向智能制造的过程依然存在诸多挑战，以产品质量追溯系统为例，机器视觉设备产生的图片数据，呈现数量多、像素高、容量大的特点，且需要长期保存，传统存储模式面临数据分散、海量小文件读写性能瓶颈、易丢失、存储空间受限、追溯检索不便等诸多问题。

    如何应对制造行业数据的快速增长？如何存储管理海量数据？如何分析处理这些数据以更有效地促进智能制造的发展？这是行业需要应对的挑战。