工联网消息(IItime) 近日，工业和信息化部办公厅、国家数据局综合司联合印发《关于联合实施2026年“模数共振”行动的通知》（下称《通知》），聚焦钢铁、石化化工、工业母机、汽车、航空航天等二十余个国民经济重点行业，系统性部署七大核心任务，直指当前人工智能与实体经济融合进程中数据散、模型弱、场景脱节的核心堵点，推动数据资源与AI模型深度协同、双向互促、同频共振，构建“数据-模型-场景应用”全链条良性循环，是落实国家“人工智能+”战略部署、培育新质生产力、赋能新型工业化建设的关键落子，更是我国推动工业智能化转型从单点试点迈向规模化落地的重磅举措，具备极强的战略指引性与实操落地性。

直击工业AI发展核心短板

当前，我国人工智能产业已完成技术初步积累，正加速向实体经济各领域渗透落地，但工业领域智能化转型仍面临诸多结构性瓶颈。一方面，通用大模型难以适配工业场景严苛的实时性、安全性、专业性要求，与行业技术机理脱节严重，出现“水土不服”的普遍问题；另一方面，工业数据体量庞大但分散无序，高质量行业数据集匮乏，数据治理、标注、整合能力不足，无法支撑专用模型迭代优化，数据要素价值难以充分释放。同时，产业资源碎片化、跨主体协同不足、生态配套不完善等问题，进一步制约了AI技术在工业领域的规模化应用。

在此背景下，两部委联合推出2026年“模数共振”行动，既是对《国务院关于深入实施“人工智能+”行动的意见》《“人工智能+制造”专项行动实施意见》等顶层政策的细化落地，也是精准破解当前数智融合痛点、打通产业转型堵点的针对性举措。行动以“数据筑基、模型赋能、场景牵引”为核心逻辑，推动数据与模型从单向支撑转向双向共振，彻底打破“数据无用、模型空转”的困境，为AI深度赋能实体经济搭建起系统化、可复制的实施路径。

全维度布局，构建模数协同发展闭环

本次《通知》明确量化各项任务指标，责任主体清晰、时间节点明确，七大重点任务层层递进、环环相扣，形成从基础资源建设到生态完善、从技术攻关到示范引领的全流程布局，核心围绕“数据、模型、场景、协同、生态、标杆”六大核心发力。

一是双维度数据集建设，夯实AI应用数据根基。行动将数据建设分为行业通识与行业专识两大维度，精准区分共性需求与场景个性需求。要求各省份至少遴选3个重点行业、央企至少遴选1个重点行业，每行业梳理不少于5个通识高质量数据集，提炼行业通用技术机理与核心知识；同时围绕每个行业不少于30个高价值细分场景，针对性搭建专识数据集，实现“共性打底、个性适配”，彻底解决工业AI研发“缺数据、缺高质量数据”的核心难题，后续形成标准化清单，为全行业提供通用数据底座。

二是分层级模型与智能体研发，适配全场景应用需求。针对模型供给不足、适配性差的问题，行动推行分层研发模式：每行业打造1个以上行业共性模型，解决行业通用场景痛点，每个模型落地不少于5个应用案例；针对细分场景，按需打造专用模型或具备自主执行能力的特色智能体，每个主体落地不少于3个实践案例。这种“行业模型+专用模型/智能体”的双层供给体系，既避免了重复研发，又能精准匹配不同场景需求，让AI技术真正贴合工业生产实际，告别实验室空转。

三是闭环评测机制搭建，保障技术落地质量实效。为杜绝重数量、轻质量的形式化推进，行动专门建立模型评测体系，依托专业机构构建定制化评测数据集，形成“评测诊断-数据集优化-模型升级”的良性闭环。将评测结果作为资源调配、成果认定的核心依据，倒逼数据集提质、模型技术优化，确保每一项成果都具备实际推广价值，推动工业AI从“能用”向“好用、实用”转变。

四是协同载体建设，打破跨主体资源壁垒。针对数据、算力、技术资源分散的问题，行动要求各省份打造不少于3个、央企打造不少于1个“模数共振”空间，搭建跨主体数据可信流通、模型协同训练的软硬件平台，配套完善安全合规、责任划分机制，推动与国家数据基础设施互联互通，逐步打造“智能体工厂”；同时组建行业创新联合体，整合算力、模型、数据、应用全链条企业，协同研发全栈解决方案，打造可复制的转型“样板间”，实现资源共享、优势互补。

五是生态与标杆双轮驱动，保障行动高效落地。生态配套方面，通过人才实训、揭榜挂帅、标准宣贯等举措，补齐复合型人才、核心技术、行业标准三大短板；标杆引领方面，优先遴选产业基础好的重点城市先行先试，以点带面推动全国落地，同时明确方案报送、中期评估、成效总结全流程时间节点，强化过程管控与成效考核，确保各项任务按期落地、见到实效。

重塑产业格局，激活实体经济数智新动能

2026年“模数共振”行动绝非简单的技术推广项目，而是我国布局工业人工智能、推动数字经济与实体经济深度融合的战略性布局，其核心价值体现在三大层面。

其一，破解转型核心痛点，加速传统产业提质升级。通过高质量数据集与专用模型的双向赋能，解决传统工业智能化转型“不会转、不敢转、转不起”的难题，推动研发、生产、运维、管理全流程智能化，大幅提升生产效率、降低运营成本，助力钢铁、石化、装备制造等传统支柱产业焕发新活力，夯实新型工业化产业根基。

其二，构建自主产业生态，抢占全球工业AI竞争高地。行动立足我国制造业规模优势与全产业链优势，自主打造行业数据集、专用模型与智能体体系，摆脱对国外通用模型的依赖，构建自主可控、安全可信的工业AI生态，提升我国在全球人工智能与先进制造业领域的核心竞争力，把握未来产业发展主动权。

其三，激活数据要素潜能，培育产业发展新赛道。行动推动工业数据标准化、资产化、价值化，带动数据标注、模型训练、智能体研发、场景服务等新业态蓬勃发展，形成新的经济增长点，同时完善人才、标准、算力等配套体系，构建全链条协同的产业生态，为新质生产力培育提供核心支撑。

多方协同发力，确保行动成效最大化

要实现“模数共振”行动预期目标，需地方、企业、科研机构、行业组织多方协同、精准发力。地方层面需立足区域产业特色，科学遴选重点行业与城市，统筹跨部门资源，强化政策与资金保障，严格按照时间节点推进任务；央企与行业龙头企业要发挥引领作用，主动开放场景、共享数据，牵头组建创新联合体，带动中小企业协同转型；中小企业可依托“模数共振”空间，低成本对接优质资源，快速推进智能化改造；科研机构与行业组织需聚焦技术攻关与标准制定，补齐基础短板，推动成果转化与经验推广，形成全社会协同推进的良好格局。

2026年“模数共振”行动，是我国推动人工智能与实体经济深度融合的里程碑式举措，精准锚定产业转型核心痛点，以数据与模型的双向共振为核心，构建起全链条、系统化、可落地的工业智能化推进体系。随着行动全面落地，将彻底打通数智融合的关键堵点，推动工业AI从试点走向普及、从零散走向规模化，为新型工业化建设注入强劲数智动能，助力我国从制造大国迈向制造强国、数字强国。

作者介绍

工业和信息化部信息通信经济专家委员会委员、南京邮电大学信息产业发展战略研究院首席专家、浙江大学网络空间国际治理研究基地首席专家、中国数据要素50人论坛主席。