欧洲工业 AI 平台跨工厂数据，无客户泄漏

介绍

欧洲制造商正在部署机器学习来进行质量检查、预测性维护、流程优化、能源管理、调度和供应链弹性。平台供应商寻求将这些部署转化为可重复的产品。因此，战略买家和私人资本投资者可能会看到将单点解决方案、工业连接器、领域模型和分销结合到更广泛平台中的机会。

获取问题比传统的软件汇总更困难。工业数据反映了物理过程、本地控制、设备历史和客户操作方法。生产数据可以揭示吞吐量、产量、配方、停机时间、能源强度、供应商质量和产品设计。共享可以改进模型和基准。不受控制的共享可能会暴露机密信息、商业秘密或操作漏洞。

欧洲的法律和政策环境既创造了机会，也创造了尽职范围。 《数据法》制定了访问和使用互联产品和相关服务数据的规则[1-3]。 《数据治理法案》提供了旨在支持可信数据共享和数据中介服务的机制[4-5]。 《人工智能法案》为 AI 系统创建了基于风险的义务 [6-8]。 GDPR 适用于存在个人数据的情况 [9-10]。商业秘密指令保护合格的机密商业信息 ^[11]。 NIS2 和《网络弹性法案》解决了与许多工业运营商和数字产品相关的网络安全职责 [12-14]。

欧洲数据空间计划旨在在共同治理和技术安排下提供数据[15-20]。 Catena-X、Manufacturing-X 和部门数据空间等制造计划提供了有用的架构和操作经验[21-27]。 OPC UA、ISA-95、资产管理外壳规范和 ISO 或 IEC 管理标准等工业标准提供了技术参考点 [28-39]。任何一项都不需要测试目标的实际权利、映射、客户接受度和经济性。

本文适用于评估工业 AI 组合的董事会、战略买家、私募股权投资者、贷方和管理团队。它提供了一个事务框架。它不提供法律、监管、竞争、会计、税务、技术安全或估值建议。

1 通过受控工业工作定义习得论文

论文应该从一个在结束后改进的生产决策开始。例如，安排维护干预、识别可能的质量缺陷、调整能源密集型流程、确定生产限制的优先级或建议授权审查的流程参数。每个决策都有不同的经济所有者、错误容忍度、时间范围和证据要求。

目标资产应被描述为一个由权利、接口、模型和可接受的工作组成的操作系统。它可能包括边缘连接器、语义映射、功能管道、模型库、部署工具、监控、客户合同、工厂集成、领域工程师和分销关系。买方的贡献可能包括更广泛的安装基础、相邻的工作流程产品、更强大的网络运营、数据空间连接器、产品化资本或进入新工业部门的机会。

每个价值机制都需要基线、所有者、证据、持续成本、时间安排和失败条件。声称该组合将改善预测性维护的说法应确定设备组、故障模式、观察窗口、现有维护策略、误报成本、避免停机方法和负责任的工厂经理。声称跨工厂学习将提高准确性的说法应该确定哪些数据和参数可以合法移动、如何保护客户身份、哪些功能保持可比性以及部署前需要进行哪些验证。

投资委员会应区分四种资产。第一个是访问和使用数据的合同许可。第二是连接和解释它的技术能力。第三个是在受控条件下执行的模型和工作流程。第四是客户接受度和经常性现金。任何资产的弱点都可能破坏价值链。

拟议的结构；需要针对特定​​目标的法律竞争技术网络商业会计和税务审查。

2 在评估模型之前绘制数据权利链

工业平台可以通过设备接口、客户系统、传感器、服务协议、合作伙伴源或数据空间接收数据。物理访问并不决定训练模型、创建基准、合并客户记录或在终止后保留派生信息的合法权利。尽职调查团队应建立一个权利分类账，跟踪从来源到每次材料使用的数据。

分类账应识别数据持有者、用户、相关控制者或处理者、设备制造商、服务提供商、数据空间参与者和平台运营商。它应记录目的、领土、持续时间、允许的接收者、保密性、商业秘密处理、安全、审计权、删除、派生数据处理、模型输出权和控制权变更后果。它还应确定可能限定或凌驾于合同条款之上的法定权利。

《数据法》适用于互联产品和相关服务生成的定义数据，并解决访问、使用和共享问题[1-3]。其效果取决于产品、数据、用户和合同关系。 《数据治理法》规范了特定的数据中介活动并建立了治理机制[4-5]。当生产数据包含有关员工、承包商或可识别个人的信息时，GDPR 仍然具有相关性 [9-10]。商业秘密的保护取决于信息、其保密性、商业价值和合理的保护措施 ^[11].

买方应测试客户合同是否仅授权服务交付、客户实例的改进、汇总学习、汇总基准测试或更广泛的产品开发。这些是不同的权利。允许使用匿名数据的条款需要技术证据证明该过程可防止识别或披露敏感植物特征。即使没有个人标识符，工业数据也可以保持商业泄露。

3 在五个不同层测试互操作性

互操作性经常被描述为一种能力。采集尽职调查应将其分为传输、语法、语义、身份和工作流程。连接器可以移动数据，同时使单位、时间戳、资产层次结构或操作状态不明确。当工厂使用不同的命名约定、维护代码或产品定义时，共享模式仍然可能会失败。当技术上正确的预测不符合授权工作时，它可能仍然无法使用。

传输互操作性涉及协议、网络路径和可靠交换。句法互操作性涉及格式和结构。语义互操作性涉及资产、变量、事件和关系的含义。身份互操作性涉及组织、站点、设备、用户和凭证的一致表示。工作流程互操作性涉及输出如何进入负责任的生产决策。

OPC UA 提供了一个独立于平台的信息交换架构，包括信息、消息、通信和一致性模型[28-31]。配套规范可以添加领域信息模型 ^[31]。 ISA-95 提供了企业和控制活动之间集成的概念 ^[32]。资产管理 Shell 规范提供了另一种表示工业资产和子模型的方法 [33-35]。数据空间蓝图添加了身份、目录、策略、信任和交换功能[18-20]。

买方应对具有代表性的工厂群进行一致性测试。测试应包括遗留控制、现代设备、多个供应商、共同历史学家、制造执行系统和企业系统。它应该衡量连接时间、映射异常、缺失上下文、手动干预、更新弹性和持续支持成本。销售演示和连接器数量不能替代此证据。

测试还应该检查时间。工业信号可以在不同阶段进行采样、聚合、延迟或校正。控制器记录的振动值可以在不同的时间戳、时区或时钟质量下到达历史记录器。质量结果可能会在创建它的生产事件之后到达。当生产管道引入延迟或重新排序时，根据对齐的历史数据训练的模型可能会失败。因此，应努力重现事件时间处理、迟到数据、夏令时变化、时钟漂移和丢失传输的恢复。

单位和物理环境值得同等关注。压力、温度、能量和流量可以通过不同的单位、比例和参考条件来表示。设备标签可以跨生产线重复使用或在维护期间更改。语义映射应保留源、转换、单位、校准、资产、操作模式和质量标志。应根据工程文件和抽样工厂记录来验证自动转换。尽管劳动力和错误率应纳入可持续经济学，但手动推断这些关系的平台可能仍然有价值。

版本弹性是一项单独的产品测试。设备固件、控制逻辑、历史模式、企业应用程序和客户策略发生变化。目标应显示它如何检测更改、测试兼容性、传达影响和恢复服务。获取模型应包括支持的版本矩阵以及保持其最新的成本。不受支持的遗留资产可以创造有吸引力的初始收入，同时积累不断增长的服务义务。

拟议记录；每个材料工作流程都应在代表性工厂配置上进行测试。

4 在要求模型转移之前建立植物队列

当绩效在特定群体中转移时，跨工厂学习就很有价值。该队列应反映影响物理过程和模型的变量。这些可能包括设备系列、寿命、控制器、传感器包、校准、产品组合、材料、气候、维护政策、轮班模式、操作员实践和故障发生率。

平台应该为每个材料模型维护一个队列登记册。登记册应确定培训工厂、验证工厂、排除工厂、操作范围、目标变量、参考标准、性能阈值和已知限制。它还应记录数据质量、缺失、采样频率、标签结构以及过程或设备的变化。

可以通过外部验证、留一工厂分析、前瞻性影子部署和受控生产发布来测试转移。总体绩效可以掩盖特定客户、地点或运营状态的疲软结果。尽职调查团队应检查分布、校准、误报、遗漏事件、经济后果和子组稳定性。

联合学习、参数共享、合成数据和安全计算可以减少原始记录的移动。每种方法都会引入假设和剩余风险。模型更新可以对有关参与者的信息进行编码。合成数据可以重现敏感模式或无法代表罕见事件。安全计算可以减少暴露，同时增加成本、延迟和操作复杂性。目标应提供威胁模型、隐私或机密性测试以及控制措施与承诺用途相匹配的证据。

5 将客户隔离与平台学习分开

客户隔离应该跨存储、计算、功能、模型、操作和人员进行设计。当工程师可以查询汇总日志、支持人员可以导出记录或模型管道结合客户功能而无需强制策略时，仅逻辑租赁可能是不够的。

目标应记录数据流图、租赁边界、加密、密钥所有权、访问控制模型、特权访问、日志记录、保留、删除、备份、事件响应和分包商访问。它应该显示政策如何在培训、评估、部署和支持方面得到执行。买方应通过配置审查、采样日志、渗透测试和场景练习来测试控制措施。

模型制品需要单独处理。基本代码可能是通用的。客户特定的参数、特征定义、微调权重或阈值可能包含机密信息。只有建立了贡献权和泄漏控制后，全球模型才可能被允许。即使名称被删除，基准测试也可以揭示相对生产力或质量。

最强大的架构将技术边界与权利账本保持一致。策略引擎应确定可以发现、访问、转换、训练、组合、保留和导出哪些数据。审计记录应将决策与控制合同和政策版本联系起来。数据空间蓝图将机器可读的策略协商和执行描述为相关功能[18-20]。

尽职调查团队应进行受控泄漏演习。该练习可以使用合成工厂记录，并应尝试跨租户检索、未经授权的功能重用、模型提取、成员推理、基准重新识别、特权支持访问以及从备份中恢复已删除的数据。目的是在不暴露真实客户信息的情况下测试目标的既定控制设计。调查结果应按可利用性、商业敏感性、操作后果和补救时间进行分类。

客户沟通构成控制环境的一部分。产品文档应解释收集哪些信息、在何处处理信息、执行哪些用途、如何构建共享模型以及客户保留哪些选择。合同语言、架构和销售声明应一致。完全隔离的承诺与未公开的集体学习不一致。集体改进的承诺需要精确的界限，以便客户了解哪些内容是共享的，哪些内容是私有的。

买方还应该检查内部激励措施。数据科学团队可能因模型改进而获得奖励，销售团队可能因快速部署而获得奖励，支持团队可能因恢复服务而获得奖励。每项激励措施都可能鼓励围绕权利、血统或分离走捷径。审批工作流程、培训、升级和绩效衡量应使合规性和客户保护成为运营绩效的一部分，而不是后期的法律审查。

提议的控制矩阵；保证深度应与数据敏感性和操作结果相匹配。

6 确定适用的欧洲监管范围

工业-AI平台可能跨越多个法律制度。 《人工智能法》根据定义的角色和风险类别适用。一些工业系统可能是受管制产品或安全功能的组件。其他系统可能不属于高风险类别，但仍须遵守透明度、合同、产品安全或部门职责。买方应映射每个系统、预期目的、部署环境和经济运营商角色 [6-8]。

《数据法》自 2025 年 9 月 12 日起适用，除其他事项外，还涉及互联产品和相关服务数据 [1-3]。尽职调查应确定目标是否是数据持有者、数据接收者、第三方、云提供商或每项服务的其他相关参与者。分析应涵盖访问机制、用户请求、商业秘密保护、补偿、合同公平性和相关的转换义务。

《数据治理法案》解决了受保护的公共部门数据的重用、数据中介服务和数据利他主义问题，并创建了欧洲数据创新委员会 [4-5]。自称为中立中介的目标应根据法定定义、通知状态、结构分离和行为职责进行测试。

GDPR 适用于工业数据集包含个人数据的情况，这些数据可能通过用户帐户、访问日志、可穿戴设备、视频、位置或性能记录产生 [9-10]。 NIS2 对所涵盖的实体施加网络安全风险管理和事件报告职责，并影响供应链预期[12-13]。 《网络弹性法案》对具有数字元素的产品提出了要求，包括漏洞处理和分阶段申请日期 ^[14]。行业规则、机械和产品安全法、竞争法、出口管制、就业法和国家规则也可能适用。

高级地图；现任法律顾问应确定每个产品实体角色和管辖权的适用性。

7 扣除互操作性成本后重建可持续收益

工业软件收入可以包含经常性许可、使用费、集成、工程、支持、硬件转售、云服务和基于结果的费用。尽职调查团队应按客户、工厂、产品、合同和交付模式划分每个流程。经常性收入应该需要经常性权利和续订证据，而不是重复的工作报表。

报告的毛利率可能忽略了部署和维护产品所需的工程。连接器开发、语义映射、模型再训练、数据质量校正、现场调试、网络安全保证和客户成功工作可以按销售成本、研发、资本化软件或专业服务进行分类。可持续收益应包括维持合同绩效和合规性所需的持续成本。

买方应按实施年份、工厂类型、设备系列和客户群建立队列。它应该衡量首次接受使用的时间、工程时间、外部成本、云或边缘成本、支持票证、模型干预、更新、扩展、收缩和现金收集。它应该确定改进是来自产品重用还是来自分配更多的专家劳动力。

实施经济性应从签订订单到稳定运营进行衡量。记录应捕获发现、安全审查、数据访问、连接器安装、语义映射、模型配置、影子操作、用户接受、培训和生产发布。延误应归因于供应商、客户、设备供应商或其他依赖方。这使得买方能够区分产品限制和客户就绪问题，并估计增长所需的容量。

保留分析应将合同更新与运营使用联系起来。客户可以续订，因为当活跃用户或接受的决策下降时，切换很困难。其他客户可以在固定企业许可证下付费的同时增加使用量。买方应检查价格、数量、工厂数量、工作流程数量、毛利率、支持负担和收集的现金。需要新的定制工程的扩展应作为另一个实施队列进行评估。

资本化政策会对盈利看法产生重大影响。连接器和模型开发劳动力在规定的条件下可能有资格享受会计处理。交易分析仍应确定哪些支出是支持当前收入、修复技术债务或创造未来能力所必需的。无论损益表中的列报如何，现金需求和工程能力仍然相关。

说明性标准化从 EUR 38 million 的报告 EBITDA 开始。它增加了真正的非经常性成本 EUR 3 million，并扣除了经常性集成人工、连接器维护、模型监控和控制等必要但未完全反映的 EUR 17 million。因此，可持续的EBITDA是EUR 24 million。这些数字展示了该方法，并不描述公司或市场。

8 将协同效应主张转化为证据加权现金

工业-AI协同效应通常结合交叉销售、汇集学习、共享连接器、较低的云成本和统一支持。每个机制都应该单独评估。收入协同需要指定的客户群、用例、销售负责人、产品适合度、实施能力、价格、概率、时间安排和收集假设。成本协同需要确定的资源或合同，可以在不削弱服务或控制的情况下删除这些资源或合同。

集体学习可以通过更好的性能、更快的部署或更广泛的覆盖范围来创造价值。权利分类账和群组分析应确定合并是否允许且技术上有效。然后，该模型应将改进与运营决策和现金效果联系起来。如果不改变维护政策、废品、吞吐量、能源使用或劳动力，那么小的精度增益的价值有限。

当产品使用兼容架构并且客户接受迁移时，共享连接器可以减少重复工程。买方应比较代码、协议版本、语义模型、测试、安全性和支持义务。连接器数量是一个弱指标，因为带有相同标签的两个连接器在设备覆盖范围和可靠性方面可能存在重大差异。

说明性案例以年度协同效应总额 EUR 34 million 开始。删除不支持的管道、权利限制和重叠索赔将金额减少到 EUR 20 million。实施、持续保证和客户采用成本将经常性净现金减少至 EUR 12 million。这些是方法演示的管理假设。

9 建立一个评估桥梁，为未解决的义务定价

估值应从可持续收益开始，并分别承认证据加权的协同效应、补救、整合和客户同意风险。这使得假设可见并减少重复计算。收入倍数可以补充对高增长资产的分析，尽管收入质量仍然取决于权利、实施负担、保留和现金转换。

示例性桥梁应用了可持续EBITDA的EUR 24 million的十六倍，给出了EUR 384 million。它添加了 EUR 52 million 以表示证据加权协同作用的现值。它扣除了用于产品和连接器修复的 EUR 28 million、用于网络和数据治理工作的 EUR 22 million、用于迁移的 EUR 18 million 以及用于客户同意和保留风险的 EUR 18 million。结果是 EUR 350 million。所有数字均为管理层假设，仅用于说明框架。

敏感性应涵盖可持续 EBITDA、多重、协同转换、补救成本、实施持续时间和客户流失。它还应该测试分离案例，其中客户模型和数据集保持隔离的时间比预期的要长。董事会应该了解有多少价值依赖于需要同意、技术迁移或监管解释的权利。

可以围绕证据门进行考虑。推迟考虑可能取决于指定的客户续订、经过验证的连接器迁移的完成、汇总学习的合法继续、特定工厂群体的绩效或所收集现金的实现情况。托管、赔偿、价格调整和特定契约可以解决已确定的义务。需要当前的法律和税务建议。

EUR百万除倍数；管理假设仅用于演示该方法。

10 围绕权利和客户信任设计交易

数据权利和客户信任应该塑造交易文件。陈述可能涵盖收集和使用数据的权限、权利表的准确性、遵守目的限制、商业秘密保护、个人数据处理、模型训练实践、网络安全事件、开源软件、出口管制和重要客户同意。

披露过程应包括数据和模型时间表。它应该识别每个材料数据集、来源、权利、目的、领土、保留、衍生制品、模型和客户限制。它应该与产品和合同时间表相关联。异常情况应在成交或明确定价之前解决。

控制权变更分析至关重要。客户可以允许当前供应商处理数据，同时限制关联公司的转让、分包、新所有权或使用。数据空间规则手册可能会强加参与者要求。设备供应商许可证可能会限制提取或再利用。买方应确定所需的通知、同意、重新纸质和技术分离。

交割前的整合规划应尊重竞争和保密约束。可能需要干净的团队、受限的数据室和明确的信息协议。不应仅仅因为交易已签署或结束而汇集客户数据。适用的合同、法律、批准的架构和客户沟通应控制每次迁移。

说明性结构；交易顾问应根据已识别的风险制定条款。

11 分层集成并保持可逆性

集成应按客户、产品和工作流程队列进行。在合法且操作适当的情况下，公司系统和共同管理可以尽早采取行动。客户数据、功能管道、模型、连接器和工厂工作流程应通过证据大门。

第一阶段应建立清单、访问控制、事件协调和运营基线。第二个应该标准化身份、血统、目录和政策表示。第三个应该通过一致性测试迁移连接器和语义映射。第四种应该仅在建立了权利、群体转移和泄漏控制的情况下结合模型。商业交叉销售应遵循产品准备情况和客户接受度。

每次迁移都应该有一个回滚路径。工厂运营可能对安全至关重要或具有经济意义。新模型或连接器应进入影子模式，根据工作流程的风险控制验收并监控生产。目标以前的配置、决策历史和证据应该仍然可检索，以供审计和事件分析。

分离可以是一种深思熟虑的整合策略。产品可以共享企业服务、身份、监控和采购，而客户数据集和模型管道保持不同。当买方制定共同标准时，这可以保留合同边界并减少客户的焦虑。集成案例应该比较完全融合、受控联合和持续分离的成本和价值，而不是假设一种架构对于每种产品都是最佳的。

产品合理化应基于工作流程证据。两种产品可能看起来可以解决预测性维护问题，同时服务于不同的设备、用户或决策间隔。删除一个可能会破坏通道或专用数据集。在选择幸存者之前，买方应比较客户群体、功能范围、模型证据、连接器覆盖范围、单位经济性和路线图义务。客户迁移应包括功能对等、性能验证、商业条款和支持能力。

人员集成尤其重要，因为隐性知识可以由了解客户设备、标签和操作历史记录的领域工程师掌握。买方应确定关键人员的依赖性，并将其转换为维护的映射、操作手册、测试套件和培训。保留安排可以保护连续性，尽管长期价值需要制度知识和产品化控制。

价值识别应遵循公认的操作。在支持的接口停用后，应认识到连接器节省的费用。基础设施节省应遵循容量和弹性测试。交叉销售价值应遵循部署、验收、开具发票和收款。集体学习价值应遵循允许的贡献、外部验证和受控的生产绩效。

12 建立董事会控制和决策门

董事会应要求建立一个单一的收购登记册，将每个价值主张与数据权利、技术证据、负责任的所有者、成本、时间安排和故障条件联系起来。通过尽职调查、签署、关闭和整合，登记册应保持有效。

关键指标应涵盖权利完整性、连接器重用、语义异常、模型转移、客户隔离、生产验收、事件、保留和现金。指标的定义应该一致。连接器重用可能意味着无需更改代码即可部署受支持的连接器。模型传输过程可能需要在外部工厂队列中进行预先商定的性能和校准。客户隔离可能需要零未经授权的跨租户访问事件以及完成抽样控制测试。

董事会应维持暂停标准。当性能超过定义的阈值、输入沿袭中断、材料权限过期或发生泄漏事件时，模型应该暂停。当未获得客户同意、无法证明回滚或工厂风险超出批准范围时，集成应暂停。这些标准将治理转变为运营控制。

决策关口应包括论文批准、权利完整性、技术可重复性、可持续收益、交易保护、整合准备和价值释放。每个门应标明审批机关和证据包。管理层的乐观情绪应该作为一种情景保持可见，而不是进入经过验证的基本案例。

报告应保留主要证据和实现价值之间的区别。完成的权限审查、连接器测试和影子部署可以表明已准备就绪。已接受的生产使用、更新、开具发票和收集表明商业实现。将这些阶段组合成一个百分比的仪表板可以隐藏价值主张失败的点。董事会应审查各个阶段之间的转换以及每个关卡所花费的时间。

独立鉴证可以针对最重要的索赔。法律审查可以解决权利和监管角色问题。工业网络安全专家可以测试架构和事件准备情况。领域工程师可以挑战语义和操作范围。数据科学家可以重现验证和泄漏测试。财务团队可以核对合同、发票、成本分配和现金。这项工作应该集中到一份决策记录中，而不是保留为互不相关的尽职调查报告。

交割后治理应继续下去，直到物质价值债权转换为经常性现金或被淘汰。当客户同意延迟、工厂队列验证失败、整合成本上升或保留变化时，董事会应要求业主更新假设。该规则避免了在操作证据与交易假设相矛盾后仍然保留交易假设。

最终决策记录应说明审查的证据、未解决的事项、批准的假设、负责的管理人员、资金要求和下次审查日期。它应该仍然可供集成团队使用，并支持以后对收购案例和实现的结果进行比较。

拟议的仪表板；应为目标投资组合和工厂风险定义阈值。

结论

欧洲工业-AI整合可以通过结合公认的工作流程、可互操作的工业数据和更广泛的分布来创造价值。当权利、语义、模型转移和客户信任结合在一起时，价值就得以实现。

因此，收单方应将平台视为受控链。数据必须合法来源、保持可解释性、输入经过验证的模型、支持负责任的工厂决策并转化为经常性现金。客户隔离和跨工厂学习应该一起设计。应跨传输、语法、语义、身份和工作流程测试互操作性。可持续收益应包括维持连锁经营所需的工程师、控制和保证。

该框架还改变了事务设计。未解决的权利、客户同意、连接器修复和模型转移应明确定价。考虑可以遵循证据门。集成应该保留分离和回滚，直到每个迁移被接受。这种方法为董事会提供了更清晰的基础来决定他们要购买什么、什么必须保持独立以及何时声称的平台价值变成了可观察到的现金。

来源

1. 欧洲联盟。关于公平访问和使用数据的统一规则的法规 (EU) 2023/2854。 2023 年。 阅读主要来源
2. 欧盟委员会。数据法解释。 阅读主要来源
3. 欧盟委员会。数据法示范合同条款和标准合同条款。 阅读主要来源
4. 欧洲联盟。关于欧洲数据治理的法规 (EU) 2022/868。 2022 年。 阅读主要来源
5. 欧盟委员会。数据治理法案解释。 阅读主要来源
6. 欧洲联盟。 (EU) 2024/1689 法规制定了人工智能的统一规则。 2024 年。 阅读主要来源
7. 欧盟委员会。 AI 法案监管框架。 阅读主要来源
8. 欧盟委员会。人工智能系统定义指南。 阅读主要来源
9. 欧洲联盟。法规 (EU) 2016/679 一般数据保护法规。 2016年。 阅读主要来源
10. 欧洲数据保护委员会。指南建议和最佳实践。 阅读主要来源
11. 欧洲联盟。关于保护未公开的专有技术和商业信息的指令 (EU) 2016/943。 2016年。 阅读主要来源
12. 欧洲联盟。关于高通用网络安全水平措施的指令 (EU) 2022/2555。 2022 年。 阅读主要来源
13. ENISA。 NIS2 指令资源。 阅读主要来源
14. 欧洲联盟。关于具有数字元素的产品的横向网络安全要求的法规 (EU) 2024/2847。 2024 年。 阅读主要来源
15. 欧盟委员会。欧洲数据战略。 阅读主要来源
16. 欧盟委员会。欧洲通用数据空间。 阅读主要来源
17. 欧盟委员会。关于数据空间的第二份工作人员工作文件。 2024 年。 阅读主要来源
18. 数据空间支持中心。蓝图。 阅读主要来源
19. 数据空间支持中心。数据空间设计人员的入门套件。 阅读主要来源
20. 欧盟委员会。简单的云到边缘联盟为欧盟数据空间提供支持。 阅读主要来源
21. Catena-X 汽车网络。标准和治理。 阅读主要来源
22. 卡泰纳-X。 Eclipse Tractus-X 开源生态系统。 阅读主要来源
23. 工业4.0平台。 Manufacturing-X 计划。 阅读主要来源
24. 欧盟委员会。制造数据空间研讨会摘要。 2021 年。 阅读主要来源
25. 欧盟委员会。准备制造数据空间。 2021 年。 阅读主要来源
26. 欧盟委员会。智能制造的欧洲通用数据空间。 2020. 阅读主要来源
27. Gaia-X 欧洲数据和云协会。架构文档。 阅读主要来源
28. OPC 基金会。 OPC 统一架构概述和概念。 阅读主要来源
29. OPC 基金会。 OPC UA 安全模型。 阅读主要来源
30. OPC 基金会。 OPC UA 服务。 阅读主要来源
31. OPC 基金会。 OPC UA 配套规范。 阅读主要来源
32. OPC 基金会。 ISA-95 通用对象模型。 阅读主要来源
33. 工业数字孪生协会。资产管理 Shell 规范。 阅读主要来源
34. 工业数字孪生协会。资产管理 Shell 元模型。 阅读主要来源
35. 工业数字孪生协会。资产管理 Shell API。 阅读主要来源
36. 国际标准化组织。 ISO IEC 42001 人工智能管理系统。 阅读主要来源
37. 国际标准化组织。 ISO IEC 23894 人工智能风险管理。 阅读主要来源
38. 国际标准化组织。 ISO IEC 27001 信息安全管理体系。 阅读主要来源
39. 国际电工委员会。 IEC 62443 工业通信网络安全。 阅读主要来源
40. 美国国家标准技术研究院。人工智能风险管理框架1.0. 2023. 阅读主要来源
41. 美国国家标准技术研究院。网络安全框架 2.0. 2024. 阅读主要来源
42. 经合组织。人工智能委员会的建议。 阅读主要来源
43. 欧盟委员会。标准化要求支持安全可信的人工智能。 2023 年。 阅读主要来源
44. 欧盟委员会。标准化战略。 阅读主要来源
45. 欧盟委员会。数字产品护照。 阅读主要来源
46. 欧洲联盟。 (EU) 2024/1781 法规建立了可持续产品生态设计要求框架。 2024 年。 阅读主要来源
47. 欧盟委员会。欧洲工业数据边缘和云联盟。 阅读主要来源
48. 欧盟委员会。数字欧洲计划。 阅读主要来源
49. 欧盟委员会。竞争政策和数据。 阅读主要来源
50. 欧盟委员会。欧盟合并控制。 阅读主要来源