■ 中國工業報 耿鵬飛
近日，工業和信息化部（以下簡稱「工信部」）、國家數據局聯合印發《關於聯合實施2026年「模數共振」行動的通知》（以下簡稱「模數共振」行動或《通知》），面向製造業領域20個重點行業，確定一批重點城市，探索場景、模型、智能體、數據集、案例等關鍵技術成果的產出路徑，為人工智能高水平賦能新型工業化築牢核心支撐。
「本次‘模數共振’行動是首次針對工業領域人工智能發展的核心矛盾，從數據、模型、場景、基礎設施、產業生態全鏈條進行的系統性佈局，直擊人工智能落地製造業‘最後一公里’難題，推動人工智能賦能從試點示範向規模化、體系化應用跨越。」中國信息通信研究院副院長魏亮告訴中國工業報。
「2025年12月工信部等八部門聯合印發的《‘人工智能+製造’專項行動實施意見》是指導製造業智能化轉型的綱領性文件，‘模數共振’行動是其中明確提出的核心任務之一，旨在為製造業智能化轉型築牢數據與模型的核心根基。」賽迪研究院信息化與軟件產業研究所人工智能研究室研究人員牛子佳向中國工業報分析到，這並非簡單的技術應用推廣，而是對工業AI生產關係的一次系統性重構，旨在通過制度設計將分散的數據、模型、場景要素整合為有機整體，打造可複製、可推廣的工業AI發展新範式。
然而，當前AI落地製造業仍面臨諸多系統性堵點，2026年底需實現覆蓋20大行業，形成數據—模型—場景應用良性循環的目標，時間節點剛性約束強，任務體量規模大。圍繞行動核心部署、落地難點、實施路徑、產業變革與生態構建，中國工業報專訪行業權威專家，從政策定位、關鍵卡點、推進策略、形態演進、規模化複製等維度展開深度解讀。
▲ 圖源：攝圖網CHINA INDUSTRY NEWS
搶佔工業AI全球競爭核心賽道
「‘模數共振’行動啓動恰逢其時，既是錨定‘十五五’開局、落實國家人工智能頂層部署的必然要求，也是破解產業智能化核心堵點、推動AI與實體經濟深度融合的迫切需要，更是搶抓全球AI產業競爭窗口期、鞏固我國實體經濟比較優勢的戰略選擇。」魏亮表示，我國擁有全球規模最大、門類最齊全的製造業體系，海量產業數據與豐富應用場景是核心優勢，本次行動通過全國統籌佈局，將場景優勢、數據優勢快速轉化為模型技術優勢、產業生態優勢與標準話語權優勢，搶佔工業AI全球競爭核心賽道，全面提升我國智能經濟的全球競爭力。
南京郵電大學教授、浙江大學雙聘教授、工業和信息化部信息通信經濟專家委員會委員王春暉向中國工業報表示，本次行動採取兩部門聯合牽頭、分工互補、閉環統籌的協作模式。工信部與國家數據局立足各自法定職能定位，構建起「產業落地+要素保障」雙向支撐體系，雙方全程同向發力、統一驗收，職責分工與統籌邏輯清晰明晰。
工信部由科技司牽頭，定位為人工智能賦能產業落地的總抓手，主要負責工業和信息化全領域實操推進與成果轉化，核心抓手圍繞七大重點任務產業端事項展開。具體統籌各省工信主管部門、通信管理局及中央企業，劃定20大重點行業實施範圍；牽頭推進行業模型、特色智能體研發，梳理高價值應用場景，組建創新聯合體，搭建「模數共振」空間，遴選重點城市打造行業標杆；同時負責實施方案審核、中期評估與終期成效總結，全程把控產業落地進度與實操質量，最終實現人工智能對新型工業化的高水平賦能。
國家數據局由數字科技和基礎設施建設司牽頭，定位為數據要素供給與治理的總保障，職責聚焦數據資源梳理、高質量數據集建設、數據可信流通及安全合規管理，核心抓手圍繞數據全生命周期管理佈局。主要統籌各地數據管理部門，牽頭構建行業通識、行業專識、模型評測三類高質量數據集，健全模型評測機制。推動「模數共振」空間與國家數據基礎設施互聯互通，制定跨主體數據協同、安全保障及責任劃分規則。從數據供給、質量管控、合規流通層面，破解模型訓練無優質數據可用、有數據不敢用、多源數據不通三大瓶頸，為行業模型研發與智能體場景落地築牢底層數據支撐。
「工信部基於產業場景需求反向明確數據供給方向，國家數據局以高質量數據反向支撐模型技術攻關，形成數據促模型、模型帶場景、場景生數據的正向循環。日常推進中分頭對接地方主管部門與中央企業，重大事項聯合研判，中期評估、終期總結同步組織開展，成果清單統一對外發布，對優秀案例和標杆主體聯合給予政策傾斜，全程確保行動目標落地不走樣，權責覆蓋無盲區。」王春暉說道。
CHINA INDUSTRY NEWS
「雙軌數據集」破解數據孤島難題
那麼，2026年「模數共振」行動有什麼亮點？
魏亮說道，本次行動首次明確「模數共振」落地邏輯，打通產業融合核心閉環。行動的核心是用行業模型牽引高價值數據匯聚，用高質量數據反哺模型迭代升級，最終形成「行業模型賦能應用-應用產生場景數據-數據優化行業模型」的自循環生態。到2026年底，基本形成覆蓋20個重點行業的模數協同發展體系，推動人工智能從「單點應用」向「全行業深度賦能」跨越。
牛子佳表示，「模數共振」行動核心定位是通過制度設計整合分散的數據、模型、場景要素，打造可複製、可推廣的工業AI發展新範式。從新型工業化全局來看，其戰略價值體現在夯實新質生產力底座、破解產業升級瓶頸等層面，既通過建設高質量行業數據集和模型體系解決工業AI「無米之炊」和「水土不服」的問題，為製造業全產業鏈智能化升級提供共性技術支撐，又打破傳統「企業單打獨鬥、一廠一策」的發展模式，降低智能化升級成本，讓中小企業也能平等享受AI技術紅利，實現普惠性轉型。
此外，《通知》中首次系統提出「行業通識數據集+行業專識數據集」雙輪建設模式，對此牛子佳表示，二者定位不同、功能互補，共同構成了工業模型和智能體研發的數據基礎。
牛子佳介紹，其中，行業通識數據集是行業共享的公共數據底座，核心內涵是覆蓋行業通用的工藝原理、技術規範、設備標準、安全規程等共性知識，強調標準化、結構化、可複用性，支撐行業通用模型研發。行業專識數據集是特定場景的專用數據資源，是蘊含特定場景特殊知識和個性化經驗的數據，強調針對性、專用性、代表性，支撐面向特定場景的專用模型和特色智能體研發。
魏亮表示，「模數共振」行動創新「雙軌數據集」體系是破解數據痛點的關鍵：行業通識數據集打造行業公共數據底座，每行業不少於5個，覆蓋通用規範與原理，支撐行業基礎模型訓練；行業專識數據集聚焦場景核心經驗，每個高價值場景不少於1個，支撐專用模型與智能體研發，搭配評測數據集形成「評測—優化—提升」閉環，從根源解決數據散、亂、雜、價值密度低的問題。
行動將給哪些產業、哪些環節帶來機遇？魏亮表示，「模數共振」行動以「數據-模型-算力」鐵三角為核心抓手，直接為核心基礎產業釋放確定性極強的市場需求，通過構建「雙軌數據集+評測數據集」完整體系，大幅拉動工業數據治理、標註、知識圖譜構建與行業數據庫建設，同時催生跨主體數據不出域聯合訓練帶來的隱私計算、聯邦學習等數據安全技術規模化應用；推動AI發展從通用大模型競賽轉向蘊含工業機理的行業大模型、專用模型與工業智能體研發，帶動第三方模型評測與優化服務爆發；並倒逼智算中心、高性能企業級存儲、工業以太網與5G專網等算力網絡基礎設施升級完善，全面夯實人工智能與製造業深度融合的底層支撐，加速數據要素價值變現與AI技術產業化落地。
然而，推進「模數共振」是一個複雜的系統工程，北京物聯網智能技術應用協會副會長、中關村大數據產業聯盟副祕書長顏陽博士告訴中國工業報，雖然算力與基礎模型已具備一定水平，但當前最大的卡點在於「工業機理與AI模型的跨界適配」及「高質量語料的匱乏」。
顏陽表示，推進「模數共振」最大卡點集中在三方面，一是數據治理面臨「原材料危機」，工業數據海量但低價值密度，OT與IT接口協議碎片化，核心工藝、故障特徵等內生數據存在「不願給、不敢出」的安全合規壁壘；二是模型適配存在「幻覺零容忍」難題，通用大模型泛化能力無法滿足製造業高確定性要求，幻覺問題可能引發生產安全事故；三是產業協同缺失商業閉環，懂AI不懂工業、懂工業不懂算法，複合型服務商匱乏，形成跨界鴻溝。
牛子佳分析說到，「以模引數、用數賦模、模數共振」核心機制，徹底改變傳統「先數據後模型」單向模式，構建雙向賦能閉環。以模引數讓數據治理從成本中心變價值中心，解決數據沉睡問題；用數賦模讓模型深度融合工業機理，打破AI與工業壁壘；模數共振通過三級數據模型體系，將公共基礎工作轉化為公共資產，降低規模化落地成本，推動工業AI從「盆景試點」走向「普惠普及」。
CHINA INDUSTRY NEWS
智能體工廠重塑製造業新範式
據悉，「模數共振」行動首次提出「智能體工廠」概念——鼓勵「模數共振」空間與國家數據基礎設施互聯互通，實現多主體數據高效可信流通，賦能模型訓練、智能體研發和應用，逐步打造為「智能體工廠」。
在顏陽看來，「‘模數共振’空間向‘智能體工廠’的演進，標誌着製造業從‘自動化’向‘自主化’的跨越。」
王春暉表示，智能體工廠是「模數共振」空間的終極進化形態，是以高質量行業數據為核心原料、行業大模型為核心引擎、特色智能體為執行單元，具備自主研發、自主迭代、自主優化能力的智能化產業生態平台，是推動AI從碎片化應用邁向全域數智自治的核心載體。
「其與傳統智能工廠、黑燈工廠存在本質區別：傳統智能工廠依託自動化設備、工業軟件優化生產流程，決策依賴預設程序，數據僅做簡單採集與淺層分析，本質是機器替代人工的自動化升級；黑燈工廠是智能工廠的極致形態，以無人化、少人化為目標，生產流程固化、柔性適配不足，數據閉環侷限於企業內部，不具備跨主體流通與自主進化能力；智能體工廠則完全跳出傳統工廠運行邏輯，核心驅動由自動化設備轉向數據+大模型+特色智能體協同驅動，決策主體由人工預設轉向智能體自主感知研判，數據由企業孤島轉向跨域可信流通，具備持續自主進化能力，屬於硅基智能主導、全鏈路數智自治的新型產業組織。」王春暉說道。
顏陽進一步拆解三者核心差異：傳統智能工廠是數字化「看得見」，黑燈工廠是極致自動化「無人化」，智能體工廠是認知自主化「能思考」。智能體工廠核心特徵是「自主認知與進化」，具備意圖理解、環境感知、自主規劃、工具調用能力，架構以「工業大模型+多智能體協同」為核心，替代傳統ERP/MES/PLC堆砌，例如，面對突發訂單，排產智能體、物流智能體與設備智能體會自主協商、重新生成最優排期並下發指令，而無需人工重寫規則。
關於智能體工廠全閉環自主進化機制，專家們形成統一解讀：智能體工廠形成「數據—模型—場景—智能體」四大聯動閉環，構建無需人工干預的飛輪效應。第一步場景數據採集與治理，智能體實時採集多維度數據，自動清洗脫敏，區分通識與專識數據，轉化為優質數據資產；第二步模型訓練與評測，通識數據訓基礎模型，專識數據微調專用模型，評測結果反向優化數據與模型；第三步智能體部署與執行，迭代後模型封裝為智能體，自主完成生產、運維、管控任務；第四步反饋迭代，執行結果迴流數據與模型層，驅動體系持續升級，實現越用越智能。
這種變革將徹底重塑企業運行邏輯，王春暉表示，智能體工廠落地將重塑傳統工業運行邏輯，從生產組織、管理模式、人才結構、研發路徑、商業模式五大維度帶來顛覆性變革：
生產組織上，打破傳統流水線分工、固定崗位的剛性約束，轉向以智能體為核心執行單元的柔性協同自治模式，可依據生產任務動態編組智能體，適配多品類、小批量、高效率柔性生產，大幅提升生產組織彈性與市場響應速度。
管理模式上，由層級化人工管控、事後被動決策，轉向扁平化數據驅動+智能體自治運營，管理層級顯著精簡，日常生產調度、異常處置、質量管控由智能體自主完成；企業管理者從事務性管控轉向戰略規劃、生態協同與資源統籌，決策效率與精準度全面提升。
人才結構上，替代重複性簡單操作崗位，剛需轉向通曉行業機理、擅長數據治理、熟稔模型研發與智能體運維的複合型數智人才，倒逼企業人才體系重構升級，校企協同培育、實訓基地定向輸送將成為人才供給主渠道。
研發模式上，告別傳統物理樣機反覆試錯、周期長、成本高的短板，轉向數字孿生+模型仿真的虛擬研發範式。智能體依託行業大模型完成產品設計、工藝仿真、性能測試，大幅壓縮研發周期、降低試錯成本。
商業模式上，從傳統產品、設備一次性售賣模式，升級為智能解決方案輸出、按價值效能付費的共創共享模式；企業依託智能體工廠輸出定製化數智服務，實現從產品製造商向數智服務商的業態轉型。
「組織變革呈現‘扁平化與知識平權’特徵，普通工人可通過自然語言調用專家級工業知識，員工從‘機器操作者’轉變為‘智能體監督員、指令下達者’，人機關係從操控轉向協同編排，徹底重構製造業生產關係。」顏陽補充說道。
CHINA INDUSTRY NEWS
三階遞進實現工業模數應用全域普及
「模數共振」行動內容重點覆蓋鋼鐵、石化化工、有色金屬、建材、工業母機、汽車等20個重點行業，明確提出到2026年底基本形成「數據—模型—場景應用」良性互促循環的工作目標。
在顏陽看來，《通知》給出的時間窗口非常緊迫，破局的關鍵在於「搭台唱戲」與「解耦架構」：通過創新聯合體實現試點經驗規模化沉澱，採用「統一基準評測+差異化智能體」策略，做到「核心標準統一，邊緣應用靈活」，既保障通用性，又適配行業個性化需求，破解統一標準與行業差異的衝突。
顏陽表示，規模化複製的具體路徑：首先連通基礎設施，依託重點城市建共振空間，對接國家數據基礎設施，解決算力與數據匯聚問題；其次解構標杆成果，鏈主企業打樣後將能力轉化為雲端API、標準化工業APP，而非單純售賣項目；最後輸出公共服務，通過統一平台展示成果，中小企業即插即用，實現多行業快速鋪開。
王春暉表達了同樣的看法，2026年底需實現覆蓋20大行業，形成數據—模型—場景應用良性循環的目標，時間節點剛性約束強，任務體量規模大。「關鍵要破解試點突破與規模化落地、標準統一與行業差異兩大結構性矛盾，總體遵循梯度推進、分類施策、彈性兼容、動態優化策略，統籌兼顧落地效率與建設質量、通用共性與行業個性。」王春暉說道。
在試點與規模化平衡上，堅持「小切口試點、模塊化複製、分階段擴圍」：第一階段聚焦重點城市與龍頭央企打造標杆，形成可拆解、可適配的標準化成果包；第二階段依託中期評估篩選優質經驗，向同區域、同行業推廣；第三階段長期推進全域覆蓋，優先落地低成本、高通用性場景。同時通過組建「算力+模型+數據+應用」創新聯合體，將標杆成果沉澱為標準化API、工業APP，通過共振空間向中小企業複用，實現規模化降本。
在標準與差異平衡上，採用「基礎標準守底線、行業標準補特色、場景標準留彈性」模式。國家層面統一數據格式、標註規範、模型評測基準等底層標準，保障跨行業互通兼容；針對流程工業、離散工業、新興領域差異，制定差異化實施細則，流程工業側重工藝融合與安全管控，離散工業側重柔性生產與設備適配，新興領域側重隱私保護與模型輕量化。
「對細分應用場景不強制統一技術實現路徑，僅明確核心效能底線指標，允許市場主體結合自身設備基礎、數據儲備靈活選型適配。在統一制度框架下保留技術創新空間，既保障整體規範有序，又貼合各行業實際發展需求。」王春暉表示。
「從單點標杆示範邁向跨行業、跨區域規模化複製，核心是構建標杆打樣、經驗提煉、體系支撐、全域推廣完整實施路徑，依託創新聯合體、分層評測體系、全鏈條生態配套、模數共振空間四大支柱，破解資源壁壘、標準割裂、場景適配不足等突出痛點。」王春暉表示，可分三階段推進規模化複製：第一階段（2026年5—8月）單點示範期，聚焦重點城市與龍頭央企打造標杆，形成標準化成果包；第二階段（2026年9—11月）區域集群期，以標杆城市為內核，實現區域內共振空間互聯互通、數據模型共享；第三階段跨域普及期，向20大行業全域推廣，優先落地成熟場景。
站在「十五五」開局的新起點，隨着「模數共振」行動縱深推進、落地見效，數據、模型、場景、智能體將形成閉環互促的強大飛輪。
正如王春暉在採訪中所言，本次「模數共振」行動，是推動人工智能與工業數據深度融合的系統性工程，兩部門分工協同是基礎保障，梯度有序推進是提效核心，智能體工廠建設是終極落點，全鏈條支撐體系則是規模化落地的關鍵依託。2026年收官階段將構建起良性發展閉環，這不僅是技術層面的深度融合，更是產業模式、管理邏輯與產業生態的全方位重塑，將為我國新型工業化建設持續注入核心數智動能。