验厂无忧-企业验厂好帮手！| 新闻详情

很多企业对待国家标准，像备考一样：先攻 CMMM，再冲 DCMM，有余力再看看 AIMM。大家默认三套标准是独立科目，各有大纲、各拿证书，集齐三本就等于完成数字化转型。

换思路看：它们或许本就是一份大纲，只是印成了三本册子。

CMMM 是总纲，不是独立 “一本”

GB/T 39116-2020（CMMM）给出清晰结构：五级成熟度，四大能力要素（人员、技术、资源、制造），下设二十个能力子域。

以设备管理为例：

CMMM 把每一级目标写得很清楚，但它不回答细节：

这不是遗漏，而是定位不同：CMMM 是总纲，负责定方向、划终点。数据怎么管、AI 怎么评估，要靠配套专项标准承接。

DCMM（GB/T 36073-2025）新版 2026 年 7 月 1 日生效，围绕数据要素化改革与人工智能深度应用修订，把数据管理拆分为九个能力域。

回到 CMMM 三级的故障知识库，要真正能用，必须落地三件事：

这些细节 CMMM 不会展开，而 DCMM 逐项给出可评估指标：

到 CMMM 四级，要求统一数据中心、数据分析模型库、算法预测。DCMM 在数据架构、数据应用的方法论，正是这些要求的实操注脚。

简单说：DCMM 不是 CMMM 的 “第二步”，而是三级半就必须翻开的数据细则。

CMMM 四级的核心是数据驱动决策：用设备模型做预测维护、用 OEE 分析自动优化工艺，本质就是 AI 落地。

制造业 AI 常见困境：系统上线、模型跑通，半年后团队又回到经验办事。问题不在技术，而在缺两样关键能力：

两份标准正好补上缺口：

《人工智能大模型第 3 部分：服务能力成熟度评估》，2025 年 12 月实施。评估维度：模型性能、稳定性、可解释性、安全合规。作用：帮企业判断预测模型能不能用、在什么条件下用。截至 2025 年底，相关评测工具已完成千余项任务，调用大模型超 95 万次。

2026 年 4 月国标推进会发布，工信部科技司牵头，六十余家单位参与。它不评估模型本身，而是评估企业用模型的能力，核心维度：

行业里有句实在话：AI 投入一半买算力，另一半买 “从看数据到信数据” 的信任成本。AIMM 要评估的，正是这后半件事。

三套标准不是独立认证，而是天然一体：

企业做智能化，不该把它们分开 “考试”，而要放在一起读、照着一起做。

参考标准：