模数共振启动:AI落地产业的＂管道工程＂开始动工-夜雨聆风

模数共振启动:AI落地产业的＂管道工程＂开始动工

过去这一年，凡是真正在自己业务里用过”行业大模型”的人，多半都有过类似的体验——把一个号称专业级的医疗大模型摆在医生面前，对常见病的回答几乎都是教科书原文，对真正棘手的病例又经常给出含糊建议；把一个工业大模型放进车间，做一些数据汇总尚可，真要用它指导工艺优化或异常诊断，准确率往往撑不到能投产的程度。

这类反馈在制造业、法律、金融、教育圈这一年都不少见。通用大模型一旦踏进具体行业，问题就开始暴露——它什么都懂一点，但什么都不够专业；它能侃侃而谈，但很难真正干活。

这背后有一个长期被低估的结构性问题：模型和行业数据之间，缺一座桥。

4月28日，这座桥的国家级建设方案正式落地——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》（工信厅联科函〔2026〕193号）。同一天下午，第九届数字中国建设峰会的”人工智能产业发展和赋能新型工业化”主题交流活动在福州海峡国际会展中心召开，论坛主题就叫”数智领航新工业，模数共振强实体”。

政策、论坛、产业界共识，三件事在同一天对齐。这不是巧合，我认为这是一个酝酿已久的产业动作正式开闸。

“模数共振”四个字到底在说什么

先把这四个字拆开看。

“模”指AI模型，”数”指数据，”共振”借自物理学——两个频率匹配的振动系统会互相增强，能量传递效率达到最大。

翻译成产业语言：让AI模型与行业数据之间形成双向带动的正循环。模型用得越深，越知道需要什么样的数据；数据沉淀得越好，模型就能进化得越精准。这个循环一旦转起来，就像滚雪球，越滚越大。

听上去理所当然，但现实里这个雪球一直没滚起来，原因有三个。

第一，数据出不来。一家钢铁厂几十年积累的工艺参数、质检影像、设备日志可能价值连城，但这些数据封闭在企业内网里，跨企业、跨行业的流通几乎为零。模型公司想拿数据训练，企业不敢给；企业想用模型，又怕泄露核心工艺。

第二，通用模型在具体行业水土不服。一个能写诗能编程的通用大模型，未必能判断一块钢板的微裂纹会不会扩展，也未必看得懂一份化工反应釜的异常波形。行业知识需要专门训练，专门训练需要高质量数据，又回到第一个问题。

第三，场景适配成本高得离谱。同样一个”质量检测”，钢铁、电子、医药三个行业的数据格式、判断标准、合规要求完全不同。每换一个场景就要重新做一遍工程化适配，这让AI在产业里的扩散始终是”项目制”而不是”平台化”。

这次政策要解决的，正是这三个堵点。

政策的三组关键动作

通知正文圈定了20个重点行业，从钢铁、石化、有色、建材、工业母机、汽车、医疗装备、电力装备、船舶、航空航天，到家居、医药、生物制造、电子元器件、消费电子、新型显示、软件、信息通信、网络安全，再到颇有意味的”历史经典产业”。覆盖面几乎囊括中国制造业的全部主干。

落到执行层面，最值得关注的是三组动作。

第一组：把数据变成”教材”，把模型训练成”专科医生”

通知要求每个行业至少打磨5套高质量行业通识数据集，开发1个以上行业大模型，并梳理30个以上高价值应用场景。

如果用一个非技术背景朋友能听懂的比方：做高质量数据集，相当于”编教材”——把工厂里散落的传感器日志、质检照片、操作记录这些原始素材，清洗、标注、归类，整理成AI能直接学习的标准化课本；开发行业大模型，相当于”培养专科医生”——拿这套教材对通用模型做深度训练，让它从”全科”进化到能解决具体行业问题的”专科”；梳理高价值场景，则是”找准下刀的位置”——从行业上百个可能的AI切入点里，把真正能省大钱、提大效的几十个标准化定义出来，避免后续的资源撒胡椒面。

第二组：建”模数共振空间”，未来升级为”智能体工厂”

这是通知里第一次出现的概念。简单说，就是建设一批跨企业、跨主体的物理+制度复合体——既包括算力、数据、模型训练所需的软硬件基础设施，也包括跨主体数据协作、模型共建、责任划分、安全保障的管理机制。

更值得关注的是政策原文里那句”探索建设智能体工厂”。当这些空间足够成熟，它们会从”训练场”升级为”工厂”——批量生产能自主规划、自主执行任务的行业智能体。每个省至少建3个，每个央企至少建1个。这是一个明牌的产业基础设施布局信号。

第三组：组建”创新联合体”，重点城市挂帅

通知要求每个被选中的行业，把做算力的、做模型的、做数据的、做应用开发的企业拉到一起，按行业组队，形成全链条解决方案。同时，已经布局了”国家数据要素综合试验区””国家人工智能创新应用先导区””国家人工智能应用中试基地”的省份，可以推荐最多3个重点城市作为标杆；其他省份最多2个。

时间节点也定得很准确：5月30日各地报方案，8月30日中期检查派专家服务团下沉，11月30日总结报告，年底公布完成名单。表现好的，后续在相关政策、项目里”予以倾斜支持”。这套机制，本质是把全国的产业资源做了一次结构化的重新分配。

峰会上的几个关键判断

把视线拉回到4月28日下午福州的论坛。

这场活动由工信部主办，中国信通院、浪潮云洲工业互联网、南京新一代人工智能研究院共同承办。我认为这个组合本身就值得品味——信通院作为工信部体系内最重要的产业研究机构之一，长期承担数据集、模型评测、行业标准等基础性工作；浪潮云洲代表工业互联网的实战派；南京新一代AI研究院则是产学研结合的典型样本。三方共同承办，意味着这场论坛不是务虚的概念发布，而是产业落地路径的集中亮相。

工信部科技司副司长杜广达在论坛上的几个判断，值得反复品味。

他指出，AI赋能新型工业化的核心，要解决”技术落地”与”价值创造”两大命题。这个表述很克制，但抓得很准——过去三年AI在产业里的尴尬之处恰恰在这里：技术demo层出不穷，但能真正进生产线、能直接对应到P&L表上的案例并不多。

他进一步明确了下一阶段的三个工作方向：夯实统一权威的工业大模型基准测试体系，突破化工、装备、电子等关键行业的”数据-模型”协同演进共性技术，建设一批公共服务平台，推动从试点示范走向规模化复制。

这三句话的信息量很大。第一句意味着行业模型不能再”自说自话”，必须有统一可信的评测标准——这是信通院长期深耕的领域。第二句把”数据-模型协同演进”明确为共性技术攻关方向，本质上是把”模数共振”从政策口号坐实成技术路线。第三句”从试点示范走向规模化复制”，是这一轮政策的真正命门——过去AI落地的最大问题不是没有成功案例，而是成功案例无法复制。

信通院人工智能研究所平台与工程化部的专家在公开访谈中也提到过如下判断：当前行业面临三大痛点——模型与业务的脱节、数据价值未充分释放、技术栈碎片化。”模数共振”要做的，是把数据治理、算法创新、产业数字化转型这三件原本各自为战的事，串成一条可复用的工程链条。

这种从”痛点诊断”到”工程链条设计”的研究路径，是真正在做”管道工程”的工作。它不博眼球，不容易上头条，但却是政策从纸面落到产业的关键一公里。

谁会成为这一轮的受益者

在我看来，每一次产业基础设施级的政策动作，背后都是一次资源重新分配。”模数共振”行动也不例外。

地方政府层面，重点城市的争夺会非常激烈。每个省最多2~3个名额，挂在”先导区””中试基地””综合试验区”三个国家级招牌之上。拿到名额，意味着接下来在国家级项目分配、央企落地、产业基金引导上能拿到结构性优势。这是一次稀缺资格的正面竞争。

行业头部企业层面，央企被点名作为直接实施主体——每家至少选1个行业，至少建1个共振空间，每个行业至少打磨5套数据集。这其实是把”行业模型”这一层的话语权提前预留给了央企。比如一个钢铁行业大模型由谁主导，未来话语权就在谁手里。

产业链中段企业层面，”创新联合体”是结构化的入场券。算力企业、模型企业、数据企业、应用开发企业按行业组队，能拿到联合体席位，就有资格参与重点城市的标杆项目，成果还有机会进入年底公布的国家级目录。这个目录的下游采购价值不可低估。

OPC创业者层面——也就是这一年快速兴起的”AI单人公司”创业者群体——机会其实最具体。一个被很多人忽略的细节：通知要求20个行业各自梳理30个以上高价值场景，意味着将出现大约600个被官方标准化定义的应用场景档案。对小团队来说，这相当于一份明牌的需求清单。深圳、北京海淀、苏州、武汉、无锡等城市这一年密集出台的OPC配套政策（智算券、模型券、语料券、租房补贴），与”模数共振”开放的场景需求互相咬合，正在形成一个对个体创业者前所未有友好的窗口期。

普通人会感受到什么

讲到这里，回到文章开头描述的那种”行业大模型不够专业”的体验——一年之后，这种感受很可能会显著弱化。原因不是模型公司一夜开窍，而是因为整个产业的训练数据、评测体系、场景定义都被结构化重做了一遍。

这种变化会从三个层面渗透到普通人的生活里。

工作方式

制造业、医药、电子、电力装备这些行业的从业者，会越来越频繁地与AI智能体协同工作——质检、排产、设备运维、研发辅助、合规审查。一些重复性强的岗位会被替代，同时一批新岗位会出现：数据标注工程师、AI训练师、智能体运维、行业知识工程师。这是一次结构性的重新分工，不是简单的”AI抢饭碗”。

消费体验

AI手机、AI PC、智能网联新能源车、智能家居、可穿戴设备的迭代会明显提速。医药和医疗装备行业是这次20个重点行业之一，AI辅助诊断、AI加速新药研发的临床应用，会比想象中更快走出实验室。

创业路径

对那些有专业知识但又不掌握全栈AI能力的个体，”AI单人公司”的可行性正在被结构化降低。不需要造模型，不需要囤算力，只需要在某个垂直行业找到一个被标准化定义的高价值场景，再借助公共平台、模型券、语料券完成产品搭建。这个路径在过去是天方夜谭，在2026年正在变成可执行的工作流。

第九届数字中国建设峰会上披露的一个数据值得在这里分享：2025年全年，全国词元（Token）累计调用量约21100万亿，日均调用量从年初的超万亿增长到年末的100万亿。一年之内，AI使用量增长了大约100倍。这个曲线的斜率，会决定接下来五年中国产业的形态。

最后

在我看来，”模数共振”是一个不容易抢眼球的政策。它没有发布炫目的模型demo，没有承诺颠覆性的应用，没有制造焦虑也没有兜售希望。它做的是一件不博眼球的事——给产业的AI落地修管道、铺铁轨、定标准。

但产业基础设施级的动作，往往就是这种气质。真正决定一个产业能不能走远的，从来不是某一次发布会的高光时刻，而是这种在底层默默推进的工程化建设。这件事谁在认真做，谁在跟着喊口号，三年后会看得清清楚楚。

如果大家对这条主线感兴趣并想持续跟踪，中国信通院作为长期承担信息通信和AI产业基础研究、标准制定、模型评测工作的国家级研究机构，已经积累了丰富的赋能”模数共振”的实战经验，信通院定期发布的产业白皮书和评估报告，是公开渠道里离一线政策最近的参考资料。我自己跟踪AI落地产业这条线已经几年，信通院的研究是少数几个不水、不灌、值得一字一句读的来源之一。

接下来这一年，是观察”模数共振”能不能从政策文本变成产业事实的关键窗口期。年底见分晓。

不见得是热闹的胜利，但很可能是真正影响中国AI产业未来五年走向的一次开局。

文 / Jevon

独立AI战略顾问 · 国家级产业平台AI专家。深耕AI基础设施与企业级IT十七年，从算力底座到智能体落地，专注将技术判断转化为可执行的商业决策。不做AI布道师，只讲真正有用的事。穿行于硅基世界，寻找碳基的温柔。