问道AI+
引言：一个国家级平台在地方的使命与担当
在河北保定，一座占地2500平方米的人工智能数据处理和质量测评中心正在悄然重塑人工智能赋能产业的底层逻辑。这里，没有轰轰烈烈的算力竞赛，也没有喧嚣的模型参数比拼。我们聚焦的是一个更为基础，也更为关键的问题：如何让模型与数据真正“共振”，让人工智能在千行百业落地生根？
作为国家“人工智能+”和“数据要素X”战略的重要载体，中国信通院河北研究院运营的这座中心，承载着构建“源数据-高质量数据集－大模型应用”完整评测服务体系的使命。自2025年7月建成投用以来，中心已累计接待美国、德国及“一带一路”沿线国家，以及国家数据局、交通运输部、文化和旅游部等国家部委，京津冀、贵州等省市各级政府调研交流超2000人次，成为区域数字经济发展的重要技术底座。在前两期“模数共振”专栏中，我们看到了来自学界的理论洞察和企业界的实战探索。今天，我将从国家级智库和公共服务平台的角度，分享我们在推动“模数共振”落地过程中的独特思考与实践。
一、政策解码：当好“模数共振”的“标准尺”与“试金石”
2026年初，《“人工智能+制造”专项行动实施意见》将“模数共振”列为三大核心任务之一。政策的顶层设计为我们指明了方向，但如何将政策理念转化为可执行、可度量、可信赖的产业实践，需要一个“标尺”和一个“试金石”。这正是中国信通院河北研究院的定位与优势所在。
1.1 标准引领：定义“高质量”的模数共振
什么是高质量数据集？什么又是高质量的模型？在模数共振的闭环中，如果没有统一、科学的标准，所谓的“共振”就可能沦为无序的“噪声”。
中心正是中国信息通信研究院“可信AI”人工智能数据集质量评估体系（ADAQ）在地方的落地实践载体。这套由信通院人工智能研究所牵头研制的体系，依据国家标准《高质量数据集 质量评测规范》以及行业标准《面向人工智能的数据集质量通用评估方法 总体要求》，涵盖数据集完整性、准确性、规范性、一致性、及时性等12个一级指标和36个二级指标，为行业提供了可量化、可操作的质量标尺。作为ADAQ体系的重要验证和推广平台，我们不仅将这套标准应用于为行业重点研究机构提供数据质量评估服务，更在服务过程中不断反哺、优化和完善这套标准体系，使其真正“扎下根、用得好、推得开”。
为何如此重要？
在模数共振中，数据不再是简单的“燃料”，而是扮演“教官”的角色。教官的水平如何，直接决定了“学生”（模型）的成长上限——一个合格的教官，不仅要知识扎实，更要懂得如何“教”：何时该给例题，何时该设难题，如何发现学生的认知盲区，如何纠正学生的错误理解。
ADAQ体系正是这样一套“教官资格认证”标准。它从完整性维度确保数据“不缺课”（信息无缺失），从准确性维度确保数据“不教错”（事实无偏差），从规范性维度确保数据“教得标准”（格式统一、安全合规），从多样性维度确保数据“见过世面”（覆盖足够多的场景和类型）。只有通过这套体系认证的数据，才有资格进入模数共振的“教官”队伍，承担起引导模型成长的职责。
这意味着，ADAQ体系确保了进入共振环流的每一份数据都具备高质量、高知识密度和高应用价值，从而从源头上保障了共振的效果。它让“以模引数”有了精准的方向，让“用数赋模”有了可靠的起点——模型知道自己需要什么样的“教官”，而数据也知道自己如何才能成为一名优秀的“教官”。
1.2 评测赋能：为模数共振提供“体检报告”
有了标准，还需要科学的评测手段来验证共振的成效。我们依托“方升”大模型基准测试体系，从行业、应用、通用和安全四个维度，全面评估大模型的表现。目前，“方升”体系已覆盖金融、医疗、教育、汽车、机器人等十余个行业，拥有丰富的评测数据集。
这套评测体系，是模数共振闭环中的关键一环。当模型通过高质量数据完成一轮迭代后，它到底“进化”了多少？哪些能力得到了提升，哪些短板依然存在？这些问题，都需要通过“方升”体系进行客观、公正的验证。
实践案例：
在服务某大型企业的过程中，我们依托ADAQ体系对其积累的行业数据集进行了质量评估，协助其识别数据短板、明确优化方向。随后，该企业基于优化后的高质量数据集对模型进行了微调。最后，我们借助“方升”体系进行基准测试，发现模型在特定业务场景下的推理准确率明显提升，同时“幻觉”发生率显著下降。这种“评估－建设－再评估”的闭环服务模式，正是“模数共振”理念在地方实践中的生动体现。
二、理论筑基：从“数据治理”到“模数协同”的跃迁
前两期文章对“模数共振”的理论基础做了精彩的阐述。站在地方实践平台的视角，这种理论上的“共振”，需要落实到具体的能力建设上。
2.1 以“评”促“建”：夯实数据治理的底座
无论是“以模引数”还是“用数赋模”，其根基都在于扎实的数据治理。但很多企业往往面临“数据不知道该怎么管”“治理了也不知道是否达标”的困境。
中心承接的数据管理认证评估服务（DCMM、DSMM）正是为了解决这一问题。我们依据国家标准，从数据全生命周期的安全防护、组织建设、制度流程等维度，为企事业单位提供权威的诊断和认证。这就像是在“模数共振”启动前，先对“地基”进行一次全面的质量检测和加固。只有地基牢固，共振才不会引发“坍塌”。
2.2 以“质”驱“智”：构建高质量的行业数据集
“模数共振”的最终目的是要服务于垂直行业的深度应用。作为地方实践平台，中心肩负着将国家级标准能力与区域产业需求深度对接的使命。我们在通信、医疗、文化等领域持续深耕，积极探索构建高质量行业数据集的有效路径。
在推动行业数据集建设的过程中，我们深刻体会到，高质量数据集的核心不仅在于规模，更在于其与模型需求的精准匹配。中心依托ADAQ质量评估体系的理念，致力于将数据质量的标准要求引入区域产业实践。我们通过开展数据质量诊断服务，帮助企事业单位快速筛查数据问题，识别数据在完整性、准确性、规范性等方面的短板；在此基础上，结合具体业务场景，为企业量身打造符合应用需求的数据质量优化方案。
这些探索本身就是“模数共振”的生动体现：一方面，我们在服务过程中不断收集产业一线对数据质量的实际需求，将这些需求转化为可量化的评估指标，反哺标准体系的迭代完善；另一方面，我们通过智能数据治理工具平台，帮助企业在数据治理过程中建立“质量规则自动校验—问题数据智能修复”的闭环机制，让数据在治理的同时就能为模型训练做好准备。这种“标准引领+实践反馈”的协同模式，使得数据集不再是静态的“死”资源，而是与模型需求动态适配的“活”资产。
三、实践落地：打造“模数共振”的区域生态样本
理论的落地，最终要体现在具体的场景和区域经济发展中。作为扎根保定、服务京津冀的地方平台，我们有独特的实践样本。
3.1 区域赋能：从“京数冀标”到“京模冀用”
我们与保定市深度合作，探索出了一条“京数冀标”“京模冀用”的协同发展新范式。京津冀地区拥有丰富的数据资源（“数”）和强大的算法研发能力（“模”），而保定则承担起了“数据标注加工”和“模型应用落地”的关键角色。中心牵头成立了河北省数字经济联合会人工智能专委会、河北省京津冀大数据协会高质量数据集和数据标注专委会，构建起区域协同的产业生态。
我们的中心，就是这一区域协同的枢纽。我们不仅为北京的企业提供高质量的数据集建设和评测服务，更将经过“模数共振”验证后的成熟模型和应用，引入到保定的制造、教育、医疗等产业中进行试点和推广。例如，我们正在推动将工业大模型应用于保定当地的智能制造产线，以高质量的数据反哺模型优化，最终形成可复制、可推广的区域智能化解决方案。
3.2 人才摇篮：培育懂“模”懂“数”的复合型人才
“模数共振”离不开人。我们中心的一个重要职能就是人才培养。我们面向中小学生开展AI启蒙研学，激发下一代对数据科学的兴趣。同时，我们面向高校和企业，打造了基于真实产业项目的实训课程，培养既懂数据工程又懂模型训练的专业人才。
我们相信，未来的AI工程师，必须是从数据采集、标注、治理，到模型训练、评估、优化的全链路专家。只有这样，他们才能在“模数共振”的复杂场景中游刃有余。中心的标准化人工智能产教融合实训教室，正是为了培养这样一批“AI全栈架构师”。
四、生态共建：发挥国家级平台的“连接器”作用
“模数共振”的落地，需要政、产、学、研、用各方的协同发力。作为国家级智库在地方的实践主体，中国信通院河北研究院的独特价值，就在于扮演“连接器”和“助推器”的角色。
4.1 链接供需：盘活数据与模型资源
我们搭建了面向垂直行业的数据标注与高质量数据集供需服务平台，提供需求发布、资源展示、智能推荐等服务，有效推动数据标注业务匹配并盘活数据资源。通过这个平台，标注业务需求方与数据需求方可以发布需求，标注团队与数据资源方可以展示自己的团队能力与高质量数据集，而平台则利用智能推荐算法，高效撮合供需双方。同时，我们还提供数据价值评估服务，基于成本法、收益法、市场法三大评估路径，为数据资产定价提供科学依据，推动数据资源的合规流通与高效利用。
4.2 保障安全：筑牢模数共振的底线
我们深知，数据安全和合规是“模数共振”不可逾越的红线。因此，我们始终将安全保障贯穿于所有服务之中。无论是数据加工处理过程中的脱敏，还是数据资产入表时的合规性审查，我们都建立了严格的管理体系和操作规范。我们正在探索利用区块链等技术，实现数据全生命周期的可追溯，为“模数共振”营造一个安全、可信的环境。
五、结语
“模数共振”不是一种遥不可及的技术幻想，而是一场正在发生的产业变革。在这场变革中，中国信通院河北研究院（人工智能数据处理和质量测评中心）的使命，就是做好那把精确的“标准尺”、那面公正的“试金石”和那个高效的“连接器”。
我们相信，通过标准引领、评测赋能、区域实践和生态共建，我们能够真正打破数据与模型“两张皮”的困境，让每一份高质量的数据都能找到最适合它的模型，让每一个强大的模型都能在肥沃的数据土壤中茁壮成长。这不仅是技术的演进，更是我们作为国家级平台在地方的落地实践，服务国家战略、赋能产业升级的责任与担当。
最好的模型，一定是在最懂它的数据中“生长”出来的；而最懂数据的地方，一定是我们。
专栏介绍
模数共振行动是打造“以模引数、用数赋模”的双向闭环共振体系 ，打破长期存在的“数据与模型两张皮”困境：以模型训练需求和场景化需求为牵引，倒逼企业数据治理升级，将零散、低价值的数据，转化为可用于模型训练的高质量标准化数据集，实现“以模引数”；以高质量工业数据反哺AI模型的迭代优化、场景适配与规模化落地，让模型深度匹配制造业实时性、可靠性、安全性的核心要求，实现“用数赋模”；最终形成“数据治理-数据集建设-模型训练-场景落地-数据反哺-模型升级”的良性循环，让数据与模型双向赋能、协同共振。有鉴于此，本专栏将邀请行业专家、政策制定参与专家、工信部智库权威学者、高校科研院所学者、企业高管等行业顶尖力量，以“政策解码-理论筑基-实践落地-生态共建-前瞻探索”为核心脉络，层层递进展开深度专业分享。
作者简介
夏骆辉 中国信通院河北研究院院长，高级工程师。长期从事5G、工业互联网、车联网、人工智能、数字经济等领域的技术研究与标准制定。现任河北省第十四届、保定市第十六届人大代表，保定市特聘专家，河北大学校外硕士导师。担任工业互联网产业联盟河北分联盟秘书长、中国通信标准化协会移动互联网汽车工作组组长等职务。曾获评“数字河北·青年标兵”、工信部直属机关“四好”党员、保定市优秀人大代表。主持国家重大专项8项，牵头制定国家/行业标准10余项，发表论文30余篇，获多项省部级及行业科技奖。深度参与国家“人工智能+”及“数据要素×”战略地方实践，主导保定人工智能数据处理与质量测评中心建设运营，在区域产业智能化转型与可信AI评测体系构建方面拥有丰富经验。
联系人：樊威 18612301312（微信同号）