2026年4月28日，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），以一份目标清晰、任务量化、节点明确、闭环可控的政策文件，正式启动全国范围内人工智能与实体经济深度融合的系统性攻坚。

这不是一次概念性倡议，也不是一般性产业引导，而是国家层面面向新型工业化推出的、可落地、可考核、可复制、可推广的AI产业化与产业AI化双轮驱动工程。

一、从“人工智能+”到“模数共振”，国家战略落地化表达

“模数共振”行动并非凭空提出，而是承接国家顶层设计的关键抓手。

其上位政策清晰明确：一是《国务院关于深入实施“人工智能+”行动的意见》，二是《“人工智能+制造”专项行动实施意见》。两大文件共同指向一个核心方向——让人工智能从技术概念走向产业实效，从通用能力走向行业深度适配。

在国家战略布局中：

•工信部侧重产业基础、制造场景、应用落地、生态培育；

•国家数据局侧重数据要素、数据治理、数据安全、数据流通。

两部门联合发文，意味着本次行动实现了“产业端”与“要素端”的首次深度绑定，彻底改变过去“AI企业找场景、制造企业缺数据、数据资源睡大觉”的割裂状态。

从政策定位看，“模数共振”行动承担三大使命：

1.筑基使命：构建工业领域人工智能的“数据底座、模型底座、场景底座”；

2.破局使命：破解数据孤岛、模型泛化、场景落地难、投入产出低四大行业痛点；

3.牵引使命：以点带面、以城带省、以链带业，推动AI规模化、体系化赋能实体经济。

行动明确提出，到2026年底基本形成“数据-模型-场景应用”良性互促循环，标志着我国人工智能赋能制造业，将从“单点试点”进入“体系作战”阶段。

二、读懂“模数共振”，就读懂AI与产业融合本质

“模数共振”四个字，简洁却分量极重。

“模”=人工智能模型（行业模型、专用模型、特色智能体）

“数”=高质量数据（行业通识数据、场景专识数据、评测基准数据）

“共振”=数据与模型双向赋能、场景与技术相互成就、供给与需求同频迭代。

其底层运行逻辑可概括为三句话：

1.以数强模：高质量行业数据让模型“懂工艺、懂机理、懂流程”，告别“通用大模型水土不服”；

2.以模驭数：行业模型牵引数据治理、数据标注、数据流通，让数据从“资源”变成“资产”；

3.以场景验模、以场景带数：用真实生产场景检验模型价值，用规模化应用反哺数据与模型持续优化。

最终形成数据供给→模型训练→场景落地→评测优化→数据再升级的自驱式闭环。

这正是“模数共振”区别于以往所有AI产业政策的核心：它不单独鼓励数据，不单独追捧模型，不单独宣传场景，而是把三者绑在一起，用机制实现共生共荣。

三、聚焦20个重点行业，瞄准新型工业化主战场

本次行动划定了明确的“主战场”，覆盖20个国民经济关键行业与领域：

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。

这些行业有三个共同特征：

•都是实体经济支柱，关乎产业链供应链安全；

•数据资源丰富但利用率低，大量工业数据未被激活；

•智能化转型迫切，但缺乏可复制的AI路径。

政策同时明确落地门槛：

•每个省份至少选择3个重点行业；

•每家央企至少选择1个重点行业。

这一要求确保行动不搞“大水漫灌”，而是聚焦优势、集中资源、精准突破。

四、七层架构—量化闭环—层层递进

“模数共振”行动的核心竞争力，在于构建了从底座建设到场景落地、从技术攻关到生态保障、从区域试点到全国推广的完整任务体系。七大任务不是简单并列，而是底层支撑、中层贯通、上层牵引的递进关系，每一项都有量化指标、责任主体、输出成果、验收标准，构成可落地、可检查、可推广的完整执行链条。

第一层：筑基工程——构建行业通识数据集，打造行业模型

定位：全行动的共性底座，解决“通用大模型不懂行业、企业重复造轮子”问题。

核心思路：先梳理行业公共数据，再沉淀行业通用知识，最后形成可全行业复用的AI基础模型。

硬性量化指标

•省级至少选3个行业、央企至少选1个行业；

•每行业梳理不少于5个行业通识高质量数据集；

•每行业研发不少于1个行业模型；

•每个行业模型落地不少于5个应用案例。

核心产出

•《重点行业通识高质量数据集清单》

•《重点行业模型清单》

关键价值：把行业机理、工艺标准、设备规律、安全规范等“隐性知识”变成“显性数据与模型”，为全行业提供普惠化AI底座，大幅降低中小企业智能化门槛。

第二层：落地工程——梳理高价值场景，构建专识数据集，打造专用模型/特色智能体

定位：全行动的应用核心，是AI产生真实效益的“最后一公里”。

核心思路：以场景为牵引，用场景定义数据，用数据训练专用模型，把模型升级为可自主执行的智能体。

硬性量化指标

•每行业凝练不少于30个高价值AI应用场景；

•每个场景构建不少于1个行业专识高质量数据集；

•每个场景打造不少于1个专用模型或特色智能体；

•每个模型/智能体落地不少于3个实践案例。

关键界定

•需自主规划、自主执行→打造特色智能体（如AI调控师、AI质检官）；

•仅需决策支持、分析预测→打造专用模型。

核心产出

•《重点行业人工智能高价值场景档案》

•《重点行业专识高质量数据集清单》

•《专用模型/特色智能体清单》

关键价值：让AI从“演示能用”变成“产线好用”，从“辅助决策”走向“自动执行”，直接支撑提质、降本、增效、减碳、保安全。

第三层：质控工程——建立健全评测数据集，完善模型评测机制

定位：全行动的质量标尺，防止“伪模型、弱模型、刷指标模型”泛滥。

核心思路：用专业评测数据集给模型“体检”，以评测结果反向优化数据与模型，形成闭环提升。

核心动作

1.面向行业模型、智能体构建定制化评测数据集；

2.建立行业化、场景化模型能力评测体系；

3.形成“评测诊断→数据集定向优化→模型能力提升”闭环。

关键价值：第一次为工业AI建立可量化、可对比、可验证的能力标准，让AI效果可衡量、可改进、可信任。

第四层：载体工程——创建“模数共振”空间，探索协同机制

定位：全行动的物理与制度载体，破解跨主体数据不通、模型难共建的痛点。

核心思路：建设“软硬件+机制”一体化平台，实现数据可信汇聚、模型协同训练、安全合规应用。

硬性量化指标

•每省份打造不少于3个；

•每家央企打造不少于1个。

建设要求

•硬件：跨主体数据汇聚、模型训练的算力/存储/网络基础设施；

•软件：数据协同、模型共建、责任划分、安全保障一套管理机制。

发展目标：对接国家数据基础设施，逐步打造“智能体工厂”。

关键价值：把分散在企业、科研机构、服务商的数据与算力“聚起来、用起来、安全转起来”。

第五层：组织工程——打造“模数共振”创新联合体，构建全栈方案

定位：全行动的执行主体，解决“算力、模型、数据、应用各管一段”的碎片化问题。

核心思路：按行业组建“全栈编队”，打通技术到产业的最后断层。

硬性量化指标

•每个重点行业打造不少于1个创新联合体。

成员构成：算力企业+模型企业+数据企业+应用开发企业

核心任务

•与“模数共振”空间联动；

•共同开展模型研制、数据处理、软硬适配、方案开发；

•打造行业全栈式解决方案与AI赋能“样板间”。

关键价值：从“单点技术供给”转向“一体化解决方案交付”，大幅提升落地效率与成功率。

第六层：生态工程——完善生态配套，加强关键要素保障

定位：全行动的长期支撑，确保行动不只做一年，而是形成可持续生态。

核心动作

1.人才：开展“深度行”、建实训基地，培养行业+AI+数据复合型人才；

2.技术：以“揭榜挂帅”强化AI与数据工具研发；

3.标准：开展“标准行”，推动AI数据工程等重点标准落地。

关键价值：把短期项目行动，转化为长期能力、人才储备与标准体系。

第七层：引领工程——确定“重点城市”打造标杆

定位：全行动的区域引擎，以点带面、梯次推进、形成示范。

核心思路：选基础好的城市先行先试，做成可复制的区域样板。

遴选规则

•有国家数据要素综合试验区、人工智能先导区、中试基地的省份：最多选3个；

•其他省份：最多选2个。

核心要求：重点城市编制专项实施方案，落地前六项任务，形成可推广模式。

关键价值：构建“国家—省—重点城市—企业”四级联动体系，避免全国“一刀切、同步走”。

整个任务体系可高度概括为：

1.建底座（通识数据+行业模型）

2.落场景（专识数据+专用模型/智能体）

3.强保障（评测体系+共振空间+创新联合体）

4.树标杆（重点城市+生态配套）

最终实现：数据可用→模型可信→场景可落地→生态可循环。

五、严节点、强考核、重激励，确保行动不走样

政策最难得的是闭环管理，“模数共振”行动从方案、评估到验收全流程可控。

三大关键时间节点

1.2026年5月30日前：报送实施方案

2.2026年8月30日前：中期总结+评估优化

3.2026年11月30日前：全面总结+成果验收

组织保障与激励导向

•两部门统筹指导，成果统一平台展示；

•先进经验全国推广，优秀区域与企业在政策、项目上予以倾斜；

•所有成果清单化、可量化、可核验，杜绝“纸面成绩”。

这意味着：真干真支持、实干实奖励、虚干被淘汰。

六、为什么说“模数共振”是里程碑式政策

从专家视角看，本次行动有五大突破性创新：

1.双部门协同，实现“产业+数据”一体化治理

过去AI政策偏重技术，数据政策偏重治理，本次首次实现深度融合。

2.分层分类体系，精准匹配产业需求

通识/专识数据、行业模型/专用模型/智能体，从共性到个性全覆盖。

3.全闭环设计，自我迭代持续升级

数据→模型→场景→评测→优化，形成不受外力干预的自驱系统。

4.全量化指标，彻底告别“虚、空、飘”

所有任务设最低数量门槛，可检查、可比对、可验收。

5.安全贯穿全程，守住发展底线

数据处理、共享、应用全流程强调合规与安全，明确重要数据保护要求。

七、对地方、企业、产业意味着什么

对地方政府

•抢占AI与数据要素政策高地；

•打造区域新型工业化标杆；

•集聚算力、模型、数据、人才四大核心资源。

对企业

•制造企业：低成本获得AI能力，快速落地提质增效场景；

•AI企业：进入国家级场景清单，获得权威背书与市场入口；

•数据企业：实现数据变现，参与行业级数据集建设；

•算力企业：对接重大项目，获得稳定需求。

对产业整体

•推动AI从通用走向专用、从演示走向实用；

•推动数据从资源走向资产、从封闭走向流通；

•为全国制造业智能化提供可复制的中国方案。

八、抓住“模数共振”机遇的关键要点

1.选对行业：优先选择本地优势产业、数据基础好、痛点明确的赛道；

2.场景优先：先找可量化效益的场景，再建数据、再研模型；

3.抱团作战：主动牵头或加入创新联合体，避免单打独斗；

4.合规先行：数据治理、安全保护同步推进，守住合规底线；

5.紧扣节点：严格按5月、8月、11月三阶段推进，确保按期验收。

九、结语

2026年“模数共振”行动，是我国人工智能与实体经济融合进入深水区的标志性事件。

它不再满足于“有应用、有案例”，而是追求“成体系、成规模、可复制、可推广”；不再停留于“技术展示”，而是聚焦“实效落地”；不再局限于“单点突破”，而是构建“生态共赢”。

以数据为基、以模型为核、以场景为用、以共振为势，必将加速激活新质生产力，推动中国制造业从数字化全面迈向智能化，为中国式现代化提供强劲的智能引擎。