2026年5月6日，工业和信息化部与国家数据局联合印发通知，正式启动2026年“模数共振”行动。这不仅是继2025年12月《“人工智能+制造”专项行动实施意见》后的关键落地举措，更是两大主管数据与产业的核心部委首次联手，针对AI落地“最后一公里”发起的专项攻坚。
01
事件背景：AI+制造的“最后一公里”困局
过去三年，中国企业在AI+制造上投入了大量资源，但一个尴尬的现实是：超过70%的AI项目停留在试点阶段，无法规模化落地。
为什么？
因为模型与数据之间存在着一个“死循环”：通用大模型不懂行业Know-how，而行业数据又分散在各个企业的“数据孤岛”中，标准不一、质量参差。这就好比一个厨师（模型）没有食材（数据），或者食材不新鲜、不标准，自然做不出好菜。
“我们花了几百万部署的AI质检系统，识别率只有85%，还不如老师傅的眼睛。”一位汽车零部件企业的CIO曾无奈地表示。
这种困局不仅影响企业效益，更关系到国家在全球制造业智能化竞赛中的位置。美国通过“工业互联网联盟”推动数据标准化，德国依托“工业4.0平台”构建行业模型库，日本则聚焦“社会5.0”打造数据流通生态。
中国需要一场系统性破局。
02
政策全链条解析：“模数共振”的七步棋
“模数共振”行动的核心目标非常明确：到2026年底，基本形成“数据-模型-场景应用”良性互促的循环。为此，政策设计了七项重点任务，环环相扣：
1. 建“粮仓”：每个行业至少5个通识高质量数据集
行动要求每个省级地区至少选择3个重点行业，每家央企至少选择1个，分行业梳理数据资源，提炼形成行业通识高质量数据集。这相当于为每个行业建立标准化的“AI食材库”。
2. 造“工具”：每行业至少1个行业模型+30个高价值场景
基于通识数据集，研发掌握行业技术机理的行业模型（每行业至少1个）。同时，深挖每个行业不少于30个高价值细分场景，为每个场景构建专用数据集，并打造适配的专用模型或特色智能体。
3. 搭“平台”：创建“模数共振”空间，打造“智能体工厂”
各地区选择第三方中立机构或龙头企业，打造“模数共振”空间，研发跨主体数据汇聚和模型训练的软硬件基础设施，制定数据协同、模型共建、安全保障的管理机制。最终目标是将其发展为 “智能体工厂” 。
4. 组“联盟”：打造“模数共振”创新联合体
引导算力企业、模型企业、数据企业和应用开发企业组建创新联合体，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，打造人工智能赋能行业的 “样板间” 。
5. 评“能力”：建立健全评测数据集与评测机制
构建面向行业应用、面向特殊场景的模型能力评测体系，形成“评测诊断-数据集定向优化-模型能力提升”的良性循环，解决AI模型在工业场景中“幻觉”频出、可靠性不足的痛点。
6. 育“人才”：系统培养多元复合型人才
通过“深度行”活动、实训基地等形式，系统培养精通行业应用、数据科学、模型机理的多元复合型人才，解决“懂AI的不懂行业，懂行业的不懂AI”的人才断层。
7. 树“标杆”：确定重点城市打造示范效应
选择人工智能产业基础较好、数据资源丰富的城市作为重点城市，打造可复制、可推广的标杆案例，形成辐射带动效应。
03
战略博弈分析：国家的“先手棋”与企业的“生存战”
从战略博弈视角看，“模数共振”行动是国家在AI+制造赛道上下的一步关键先手棋，其深层逻辑体现在三个层面：
1. 国家竞争：缝合数据与模型两条主线，抢占产业制高点
当前全球AI竞争已从技术竞赛转向生态竞赛。
“模数共振”行动的本质是国家层面的数据要素与AI模型协同战略。它试图解决一个核心矛盾：中国拥有全球最丰富的工业场景数据，但这些数据分散在数百万家企业中，无法形成合力；同时，中国在AI模型技术上快速追赶，但缺乏高质量的行业数据“喂养”。
通过构建行业通识数据集，国家实际上是在定义行业数据标准；通过打造行业模型，是在掌握行业智能化的核心技术栈。这种“标准+技术”的双重控制，将在未来制造业智能化生态中占据主导地位。
2. 企业路径：“通识底座+专用微调”的落地方法论
对于企业而言，“模数共振”行动提供了一条清晰的AI落地路径： “通识底座+专用微调” 。
通识底座：行业模型将成为企业的“AI老师傅”，掌握行业共性知识，解决80%的通用问题。
专用微调：企业基于自身的高价值场景，用专有数据对模型进行微调，打造解决20%特殊问题的“AI专家”。
这种方法大大降低了企业AI应用的门槛。中小企业无需从头训练模型，可以直接调用行业模型进行微调；大型企业则可以贡献数据优化行业模型，同时打造自己的专用智能体，形成竞争壁垒。
3. 产业链影响：重塑AI+制造的价值分配格局
“模数共振”行动将深刻改变AI+制造产业链的价值分配：
数据服务商：从“数据搬运工”升级为“数据炼金师”，高质量数据治理、标注、合成需求将爆发式增长。
模型厂商：从“通才竞赛”转向“专家竞争”，能在特定领域快速打造可靠专用模型的公司将获得政府背书和先发优势。
集成商：从“项目交付”转向“生态运营”，需要具备行业知识、数据工程、模型调优的全栈能力。
制造企业：从“技术使用者”变为“知识贡献者”，一线工程师的经验将转化为AI能理解的代码，实现“人机协同”升级。
04
行业趋势展望：从“技术驱动”到“价值驱动”的范式转移
“模数共振”行动的启动，标志着中国AI+制造发展进入新阶段：
1. 2026年：数据标准化元年
各行业将陆续发布通识高质量数据集标准，数据治理、标注、合成成为热门赛道。数据质量认证可能成为企业采购AI服务的硬性门槛。
2. 2027年：行业模型“决赛圈”
20个重点行业将形成至少20个行业模型和数百个场景智能体。模型评测榜单将成为技术选型的重要参考，可解释性AI、因果推理等基础研究将获得更多资源。
3. 2028年：智能体工厂规模化
“模数共振”空间将逐步演变为“智能体工厂”，实现跨企业、跨区域的数据可信流通与模型协同训练。工业智能体市场可能达到千亿规模，成为新的增长极。
结语：一场由国家牵引的“双向奔赴”
“模数共振”行动的本质，是一场国家与企业、技术与产业、数据与模型的双向奔赴。
国家通过政策设计，为企业提供标准化的“AI基础设施”；企业通过场景实践，为国家贡献高质量的“行业知识库”。这种协同机制如果运转良好，将形成强大的网络效应，推动中国制造业智能化水平实现跨越式提升。
对于每一个身处制造业的人来说，这既是挑战，更是机遇。挑战在于，传统的生产方式、组织形态、人才结构都将被重塑；机遇在于，那些能快速适应变化、主动拥抱智能化的企业和个人，将获得前所未有的发展空间。
未来三年，AI+制造的竞争不再是技术参数的比拼，而是生态协同能力的较量。
“政企快联”平台为AI驱动的未来产业政企精准匹配基础设施平台，通过算法实现政府招商需求与企业投资项目的精准匹配，让产业招商实现“网购式”高效体验。
