“模数共振”行动解码：20个重点行业AI赋能的系统方法论

睿信咨询

2026-07-09

2026年4月28日，工业和信息化部办公厅与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》(工信厅联科函〔2026〕193号)。这场行动的核心目标，是在2026年底前基本形成“数据—模型—场景应用”良性互促的循环，推动人工智能高水平赋能新型工业化。什么是“模数共振”?湖南政务平台给出了一个通俗的解释：

“模”是人工智能模型，“数”是行业大数据，“共振”是一起振动、互相增强。本质上是让模型和数据两个“乐器”合奏一曲工业交响，发挥出1+1>2的效果。

其定义是制造业智能化转型从“修路”迈向“开车”的重要枢纽——过去的数字化主要解决了“数据采上来、存起来”的问题(修路)，但大量工业数据处于“沉睡”状态。此次行动通过数据集和行业模型的建设，将静态数据资产转化为动态智能决策能力(开车)，真正实现从“数字化”到“智能化”的质变。

20个重点行业

本次行动覆盖了20个重点行业或领域，几乎涵盖了中国制造业的核心版图：

钢铁、石化化工、有色金属、建材、煤炭、工业母机、汽车、医疗装备、电力装备、船舶、航空航天、家居、医药、生物制造、历史经典、电子元器件、消费电子、新型显示、软件、信息通信、网络安全。

数据资源丰富但“沉睡”比例高、场景复杂度高、对AI赋能有迫切需求。行动要求各省级地区至少选择3个重点行业确定行动范围，每家央企至少选择1个。同时，各省级地区还要选择人工智能产业基础较好、数据资源丰富的城市作为“模数共振”行动实施的重点城市。

行动主体覆盖全国各省、自治区、直辖市以及有关中央企业——这意味着，这不仅仅是一场“行业行动”，更是一场“全国行动”。

七大核心任务

通知围绕7大重点任务作出系统部署。这7项任务形成了一个从“基础底座”到“应用落地”的完整逻辑链条。

任务一：构建行业通识数据集，打造行业模型

这是行动的“地基工程”。各省级地区和央企需分行业梳理行业内数据资源，明确产数主体、数据类型、资源规模等信息，通过数据标注、知识工程等手段，每行业提炼不少于5个行业通识高质量数据集。

基于行业通识数据集，研发能够掌握行业技术机理、服务行业共性应用场景的行业模型（每行业不少于1个），并开展应用(每个行业模型应用案例不少于5个)。

通用大模型往往“懂语言但不懂工艺”。此次行动强调“蕴含技术机理”和“物理约束”，意味着智能化不再是简单的算法堆砌，而是将工业Know-how（知识机理）固化在模型中，这是迈向新型工业化的底层逻辑支撑。

任务二：梳理高价值场景，构建专识数据集，打造特色智能体

如果说任务一解决的是“通用能力”，任务二解决的是“专用能力”——把通用底座转化为解决实际问题的落地应用。

各行业需梳理、培育一批应用潜力大、推广范围广、可复制性强的细分AI应用场景，每个行业凝练不少于30个高价值场景。针对各高价值场景，逐个构建蕴含场景特殊知识的行业专识高质量数据集（每个场景不少于1个）。

打造符合场景特殊应用需要的专用模型或特色智能体——若场景应用需具备自主规划、执行能力，则打造智能体;其他情况打造专用模型（每个场景不少于1个）。每个专用模型或特色智能体需有不少于3个落地案例。

从“通识数据集→行业模型”到“专识数据集→特色智能体”，构成了从共性底座到个性应用的完整能力链路。

任务三：建立健全评测数据集，完善模型评测机制

模型做出来了，怎么判断好不好?任务三解决的就是这个问题。

依托有条件的专业机构，构建特色化、定制化的评测数据集，构建面向行业应用、面向特殊场景的模型能力评测体系。评测结果直接指导数据和模型的定向优化，形成“评测诊断—数据集定向优化—模型能力提升”的良性循环。

评测不是“考试”，而是“体检”——用数据发现问题，用问题驱动迭代。

任务四：创建“模数共振”空间，探索协同机制

这是本次行动最具突破性的制度创新。各地区选择第三方中立机构或龙头企业、各央企选择集团内专业单位作为建设运营主体，打造“模数共振”空间。

“模数共振”空间包括两大部分：一是研发一套能够承载跨主体数据汇聚和模型训练的软硬件基础设施;二是制定一套能够实现跨主体数据协同、模型共建、责任划分、安全保障的管理机制，具备跨主体数据可信贯通、模型协同训练与安全合规应用的能力。

每省级地区打造不少于3个“模数共振”空间，每央企打造不少于1个。鼓励“模数共振”空间与国家数据基础设施互联互通，实现多主体数据高效可信流通，赋能模型训练、智能体研发和应用，逐步打造为“智能体工厂”。

核心价值在于破解数据共享的“三难”——数据资产难确权、贡献收益难衡量、安全风险难分担。通过隐私计算、联邦学习等技术，让各方的原始数据“不出域”，在加密状态下参与模型训练，实现“数据可用不可见，知识共享权属留”。

任务五：打造“模数共振”创新联合体，构建全栈方案

围绕所选择的重点行业，引导算力企业、模型企业、数据企业和应用开发企业组建“模数共振”创新联合体(每省级地区、每央企围绕所选择行业至少组建1个)。支持联合体与“模数共振”空间协作联动。

联合体共同开展模型研制、软硬适配、数据处理、应用方案设计与开发，强化行业级、全栈式解决方案研发和应用。王宇霞特别指出，“拼”而不“联”的根源在于利益协调难题，建议从“数据可信流通”的技术隔离机制和“动态价值贡献”的利益分配机制两方面破题。

任务六：完善生态配套，加强关键要素保障

通过组织“深度行”活动、建设实训基地等形式，推动各类主体加强交流、项目合作与成果推广;系统培养多元复合型人才;通过“揭榜挂帅”等形式强化技术攻关;通过开展“标准行”活动强化标准研制和推广应用。

技术的落地需要人才、标准、资金的多维支撑，单一环节的突破无法形成系统性的产业变革。

任务七：“重点城市”打造标杆

每省级地区选择人工智能产业基础较好、数据资源丰富的城市(含直辖市下属区县)作为“模数共振”行动实施的重点城市。

标杆的作用不是“一个城市做得好”，而是“好经验可以被复制”。

管理方法论

“模数共振”行动的本质，是一套推动AI赋能制造业的系统方法论。其核心逻辑可以拆解为三个层面：

逻辑一：以模引数——用模型需求牵引数据建设

传统数据治理的困境是“建了数据却不知道怎么用”。“模数共振”的逻辑是：先明确行业模型的研发需求，再倒推需要什么样的数据来训练模型。需求驱动供给，避免“为了建数据而建数据”的盲目投入。

逻辑二：用数赋模——用数据质量提升模型能力

数据不是“有就行”，而是“好才行”。行业通识数据集提供共性底座，行业专识数据集提供场景特化能力。模型的能力上限，由数据的质量决定。

逻辑三：场景反哺——用应用实践优化数据和模型

“行业模型赋能应用实践、应用实践产生场景数据、场景数据优化行业模型”——这是一个自我强化的正反馈循环。每一次应用落地，都会产生新的场景数据，这些数据又会反过来优化模型。模型越用越聪明，数据越用越有价值。

企业行动指南

“模数共振”行动不仅是一项政策部署，更是一次产业机遇的重新分配。睿信管理咨询公司建议相关企业从以下三个维度做好战略准备：

一是主动融入“模数共振”生态，争取“联合体”入场券。行动明确要求组建“模数共振”创新联合体，覆盖算力企业、模型企业、数据企业和应用开发企业。企业应主动对接所在地工信部门和数据管理部门，争取进入本地区或本行业的联合体名单。联合体成员不仅能优先获得政策支持和资源倾斜，更能深度参与行业模型和智能体的研发——这意味着在行业AI标准制定中占据先发优势。

二是系统梳理行业数据资产，抢占“高质量数据集”的先发优势。每行业需提炼不少于5个通识高质量数据集，每个高价值场景需构建不少于1个专识高质量数据集。数据集的构建不是“临时抱佛脚”能完成的，需要系统性的数据治理能力。企业应提前盘点自身数据资源，明确数据类型、规模和可用性，在数据集构建中占据“数据提供方”的生态位——谁的数据被纳入“行业通识数据集”，谁就在行业AI标准的形成中拥有话语权。

三是将“模数共振”纳入“十五五”战略规划的核心议程。行动明确要求2026年底前基本形成“数据-模型-场景应用”良性互促的循环。这一时间节点与“十五五”开局之年高度重合。企业在编制“十五五”规划时，应将参与“模数共振”行动、构建行业AI能力作为核心战略方向之一，而非将其视为“IT部门的事”。数字化转型的红利期正在从“修路”转向“开车”，错过了这一轮“模数共振”的窗口，可能意味着在行业AI化的起跑线上就已经落后。

结语

从20个重点行业的精准覆盖，到7大任务的系统部署——2026年“模数共振”行动正在为制造业的AI化铺设一条清晰的制度跑道。

数字化转型解决了“数据采上来、存起来”的问题，但大量工业数据仍处于“沉睡”状态。“模数共振”的本质，是将静态的数据资产转化为动态的智能决策能力。

对产业链上的企业而言，这既是政策红利，也是竞争分水岭。那些能够率先参与“模数共振”生态、系统梳理数据资产、抢占行业AI标准话语权的企业，将在“十五五”智能制造的新赛道上赢得不可替代的竞争优势。睿信管理咨询公司长期深耕数字化转型与产业政策解读领域，致力于协助企业精准把握“模数共振”等AI赋能政策窗口，构建从数据治理到AI应用的全链路管理能力，助力合作伙伴将政策红利高效转化为可持续的市场竞争力。

© 本文基于公开信息资料撰写，旨在提供行业研究与信息参考，不构成任何投资建议。睿信咨询力求文章所载信息准确可靠，但对信息的准确性、完整性或可靠性不作任何明示或暗示的保证。文中观点仅代表研究人员基于公开信息的分析与判断，不代表公司立场，不构成对任何企业、个人或组织的具体操作建议。读者据此进行投资、决策或操作的，应自行承担全部风险与责任。本文引用的第三方数据、报告及观点均已在参考文献中注明出处，版权归原作者或发布机构所有。如有涉及版权问题，请及时与本公司联系。市场有风险，投资需谨慎。

点击

阅读原文

使用助手

【声明】内容源于网络

睿信咨询

20+年专注服务中国实体企业助力5000+企业实现转型升级

内容 659

粉丝 0

睿信咨询 20+年专注服务中国实体企业助力5000+企业实现转型升级

总阅读6.3k

粉丝0

内容659

“模数共振”行动解码：20个重点行业AI赋能的系统方法论 | 睿信咨询数智观察