2026年4月，工业和信息化部与国家数据局联合印发《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），正式启动“模数共振”行动。这是“十五五”开局之年推动人工智能高水平赋能新型工业化的关键举措，标志着中国AI产业从“模型单点突破”迈向“数据-模型-应用系统协同”的新阶段。

一、什么是“模数共振”？

“模数共振”即“模型”与“数据”的协同共振，核心要义在于构建“高质量数据—高效能模型—高价值应用”的良性循环。中国信通院副院长魏亮指出，此前国产大模型竞争更多集中在参数规模、算力集群和榜单分数等“单点突破”上，而“模数共振”的核心逻辑是打通“数据—模型—应用”的全链条瓶颈，形成“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”的良性飞轮。

这一概念包含三层递进逻辑：

以模引数：用模型需求牵引数据治理。传统数据建设往往“为数据而数据”，缺乏AI应用牵引。“模数共振”要求面向预训练、指令微调、强化学习、评测等各阶段，推进文本、代码、图像、音频、视频、科学数据等多模态高质量数据集建设，让数据集与实战需求深度融合。

用数赋模：以数据红利反哺模型迭代。通过构建行业通识和专识数据集，解决大模型在工业场景中“水土不服”的问题，使模型从“一本正经地胡说八道”进化为“在专业圈子里有理有据”。

模数共振：数据驱动模型进化、模型赋能应用创新、应用反哺数据积累，三者形成闭环。

二、为什么要推动“模数共振”？

当前中国AI大模型日均Token调用量已突破140万亿，但国产大模型能力提升正面临数据瓶颈——高质量数据成为制约模型演进的“核心堵点”。工业领域尤为突出，存在三大挑战：

数据“有库无链”：企业数据资源分散，缺乏面向AI应用的系统化加工和治理，数据集与模型训练需求脱节。

模型“有品无系”：超50家央国企已推出工业大模型产品，但模型间缺乏统一架构和接口规范，难以协同。

场景“有试无范”：大量试点示范停留在单点验证，缺乏可复制、可推广的规模化落地范式。

“模数共振”正是对这些痛点的顶层回应，将分散的数据、模型、场景要素整合为协同联动的有机整体。

三、“模数共振”行动的七大任务

行动按照“统一标准、多方协同、全面部署、重点突出”原则，部署七项重点任务：

任务一：构建行业通识数据集，打造行业模型。摸清行业数据家底，加工成通识高质量数据集，训练共性行业模型，提供可复用底座，避免重复造轮子。每行业梳理不少于5个数据集，研发不少于1个行业模型。

任务二：梳理高价值场景，构建行业专识数据集，打造特色智能体。深挖高价值细分场景，用行业特色知识打造专用模型或自主智能体。每行业凝练不少于30个场景，每场景打造不少于1个专用模型/智能体。

任务三：建立健全评测数据集，完善模型评测机制。构建贴近业务的评测数据集，以评促改，评测结果直接指导数据和模型定向优化，形成“评测诊断—数据集定向优化—模型能力提升”良性循环。

任务四：创建“模数共振”空间，探索协同机制。搭建安全可信的协同基础设施，实现多主体数据不出域联合训练，破解数据不敢共享难题，逐步打造为“智能体工厂”。

任务五：打造“模数共振”创新联合体，构建全栈方案。引导算力、数据、模型、应用企业组建联合体，打通技术到方案全链条，研制全栈式行业解决方案，建“样板间”。

任务六：完善生态配套，加强关键要素保障。通过深度行促合作、实训基地育骨干、揭榜挂帅攻技术、标准行推贯标，系统性厚植要素土壤。

任务七：确定“重点城市”打造标杆。选择AI产业基础好、数据资源丰富的城市作为重点，形成示范引领。

四、覆盖20个重点行业

行动重点面向钢铁、石化化工、有色金属、建材、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、网络安全等20个行业或领域，兼顾传统产业转型升级、新兴产业培育壮大和未来产业前瞻布局。

五、“行业通识—场景专识—评测基准”三级体系

中国电子信息产业发展研究院分析指出，“模数共振”行动构建了三级数据集与模型体系：

行业通识层以“共建共享”为核心，将行业通用工艺原理、技术规范、设备标准、安全规程等核心知识转化为标准化数据集，实现从“企业私有”到“行业共有”的转变。任何企业开发场景应用时，只需在行业通用模型基础上微调即可快速落地。

场景专识层以“场景牵引”为导向，企业在通用底座上融合自身产线的设备状态、工艺参数等个性化数据，打造专用模型或特色智能体，实现共性能力的个性化落地。场景应用中产生的新数据和成熟经验，通过标准化渠道向上反哺行业通识层。

评测基准层以“实效导向”为原则，构建“评测诊断—数据集定向优化—模型能力提升”的良性循环机制，把评测标尺锚定在生产一线的实际需求上，让整个体系始终保持动态进化。

六、目标与展望

到2026年底，“模数共振”行动力争基本形成“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。该行动的深层意义在于：从“企业单打独斗、一厂一策”的工业AI发展模式，转向全行业协同共振的系统工程，让利润微薄的中小企业也能以轻量化方式参与智能化转型，为AI+制造的规模化落地提供制度性解决方案。