“模数共振” 来了：中国 AI 告别虚火，全面进入产业落地深水区 ...

就在行业从 “追热点” 转向 “重实效” 的关键节点，工信部、国家数据局于 2026 年 4 月 28 日联合印发《关于联合实施 2026 年 “模数共振” 行动的通知》。作为国家层面系统性破解模型与数据脱节的重磅方案，这一行动被视为中国 AI 产业从 “虚火” 走向 “实干” 的分水岭，标志着 AI 正式进入深度服务实体经济、大规模产业落地的新阶段。

什么是 “模数共振”？数据与模型不再 “两张皮”

简单理解，“模数共振” 就是数据与模型深度绑定、互相促进、循环迭代的新范式。

• “模”：指人工智能模型体系，包括覆盖行业共性规律的行业大模型、面向细分场景的专用模型，以及具备自主规划、决策、执行能力的行业智能体。

• “数”：指经过标准化、专业化治理后的高质量行业数据，分为两类：一是覆盖行业原理、流程、标准的通识数据集；二是面向特定场景、承载专属知识的专识数据集。

• “共振”：不是简单相加，而是形成正向循环 ——高质量数据训练更懂行业的模型，模型反过来挖掘数据价值、催生新场景，场景再产生新数据、持续优化模型。

这套逻辑，从根本上打破了过去 “模型归模型、数据归数据” 的割裂状态，让 AI 真正扎根行业、服务生产。

直击三大痛点：为什么必须走 “模数共振”？

通用大模型在工业场景落地难，本质是三大结构性矛盾长期未解决：

1. 模型与行业机理脱节
工业生产高度专业，钢铁、石化、高端装备等领域，依赖数十年积累的工艺知识和机理经验。通用大模型缺乏行业 “基因”，给出的建议泛而空，无法指导实际生产。

2. 数据与模型训练脱节
行业不缺数据，但缺能直接用的高质量数据：企业数据分散、形成信息孤岛；原始数据缺标注、缺标准，难以直接训练模型，导致行业模型常陷入 “有模型、无好数据” 的困境。

3. 技术与应用场景脱节
过去两年，很多企业扎堆通用大模型竞赛，很少深入车间一线了解真实需求；而传统企业想智能化，又不知道怎么用 AI，形成 “技术找不到场景、场景找不到技术” 的尴尬局面。

“模数共振” 行动的核心，就是打通这三大堵点，推动数据、模型、场景同频，让 AI 做到懂行业、能落地、可复制。

顶层设计清晰：三层架构构建产业新体系

此次行动并非零散政策，而是一套分层分级、从底座到应用的完整体系：

1. 第一层：通识数据集 + 行业模型，筑牢共性底座
政策提出：各省至少选 3 个重点行业、央企至少选 1 个重点行业；每个行业梳理不少于 5 个通识数据集、研发不少于 1 个行业模型。这类模型面向行业共性需求，成为全行业智能化的 “基础设施”。

2. 第二层：专识数据集 + 专用模型 / 智能体，覆盖细分场景
在行业模型基础上，每个行业梳理不少于 30 个高价值场景，建设专识数据集，开发专用模型或特色智能体：偏分析建议用模型、偏自主执行用智能体。这也意味着，中国 AI 正从 “大模型时代” 迈向 “智能体规模化时代”。

3. 第三层：模数共振空间 + 创新联合体，打通协同壁垒
政策要求：各省打造不少于 3 个、央企打造不少于 1 个 “模数共振” 空间，提供算力、算法、治理机制，成为智能体工厂；同时组建行业创新联合体，整合算力、模型、数据、应用资源，打造标杆方案，实现规模化复制。

三大突破：国家级行动重塑 AI 产业规则

作为里程碑式政策，本次行动实现三大关键突破：

• 突破一：数据与模型协同，上升为国家战略
以往政策多偏重单一环节，本次明确数据是模型能力基础、模型是数据价值出口，将二者协同提升到国家战略层面，未来企业竞争将从 “拼模型” 转向 “拼模数协同能力”。

• 突破二：首次系统性布局智能体规模化落地
智能体不再是实验室概念，而是形成数据集 — 模型 — 空间 — 联合体 — 场景全链条支撑，未来将像 App 一样渗透各行各业，成为数字经济的基础单元。

• 突破三：量化指标 + 全流程考核，杜绝政策空转
从行业数量、数据集数量到场景案例数量，全部硬指标、硬约束；配套中期评估、成效总结与激励倾斜，确保政策落到企业、落到车间。

四类主体迎机遇：谁将成为最大赢家？

地方政府：围绕本地优势产业（东北重化工、长三角高端制造、珠三角智能制造）布局，打造区域 AI 高地，抢占新型工业化先机。

中央企业：凭借数据最全、场景最完整、整合能力最强，成为行动主力军，牵头制定行业标准、组建创新联合体，带动全产业链升级。

科技企业：从通用大模型内卷中抽身，分工协作、优势互补：算力企业做算力、模型企业做行业模型、数据企业做高质量数据集、应用企业做场景落地。

传统企业：智能化转型门槛大幅降低，借助成熟行业模型，快速部署、解决痛点、降本增效，实现从数字化到智能化的跨越。

结语：AI 的未来，在工厂车间里

“模数共振” 行动的启动，宣告中国 AI 正式进入脱虚向实、产业扎根的新阶段。未来，AI 不再是 PPT 里的概念、发布会上的演示，而是产线上的效率、车间里的价值、工厂里的生产力。

当然，数据确权、安全治理、收益分配、复合型人才短缺、区域同质化竞争等挑战仍在，需要政府、企业、科研机构协同攻坚。但方向已定、路径已明 ——当数据与模型真正同频共振，人工智能必将为新型工业化注入强劲动能，推动中国经济迈向更高质量发展。