工业大数据已然成为新一轮产业变革的关键驱动力，从德国工业4.0战略，到美国引领的工业互联网计划，乃至我国工业与信息化部正全力推进的智能制造综合方案，无不围绕这一主题展开深入探讨与实践。

  高林教授强调，工业大数据的演进历程依次经过了从有限的数字化信息，进一步过渡到了具备一定规模的数据，最终迈入了大数据阶段。工业大数据的核心价值在于为制造业提供服务，因此我们必须始终将其置于这一特定的背景之下进行研究与探讨，以免迷失方向。

  面对浩如烟海且复杂多变的大数据，如何有效地利用它们为工业生产带来实质性的提升，无疑是横亘在我们面前的一座难以跨越的高峰。

  工业产品之间存在着标准化的连接方式，同样地，工业大数据亦对标准化提出了迫切的需求。高林教授指出，从产业层面来看，智能制造领域的大数据产业发展离不开标准化的推动作用。通过建立针对智能制造领域的大数据标准体系，可以促进国内各企业间的紧密合作，形成强大的协同效应，特别是在产业链上下游及标准化等方面的深度融合。

  在资源配置方面，数据资源的建设不仅需要在技术层面上规范数据格式、语义、互操作等相关技术，还需在管理层面上明确数据共享、获取、管理等相关流程，这些都需要标准化的有力保障。

  在技术创新方面，数据采集、处理、维护、生命周期等各个环节均需要相应的标准予以支撑。此外，由于众多数据汇聚在一起可能引发安全隐患，因此解决工业大数据时代数据开放与数据安全保护之间的矛盾，同样需要标准化的规范与引导。

  现阶段，我国工业大数据术语和参考架构的主要任务在于解决各制造领域对于工业大数据理解与认知程度的差异性，从而构建出一套具有普遍适用性的语言与参考框架。元数据与标识的设立，旨在解决各环节数据互通性不足的问题。

  未来，国家相关部门应更加重视工业大数据的标准制定工作，立足于工业大数据的本质特性，关注技术、数据、安全、过程等多个维度。从术语、参考架构到数据质量控制，再到检索、分析等具体应用过程，安全防护方面的隐私保护、信息安全，以及面向过程的数据采集、存储、处理、维护、生命周期等诸多方面，都需要给予足够的重视并制定相应的标准。