以“模数共振”催生“AI+制造”新优势
以“模数共振”催生“AI+制造”新优势
中国工业互联网研究院副院长 田野
《中华人民共和国国民经济和社会发展第十五个五年规划纲要》提出，要把握数字化、网络化、智能化的总体趋势，释放数据要素潜能，推动数智技术持续创新，并进一步深化拓展“人工智能+”。制造业是国民经济的重要支撑，也是新型工业化的关键战场。促进人工智能与制造业的深度融合，既是加快形成新质生产力的必由之路，也是实现高水平自立自强的战略要求。2025年12月，工业和信息化部等八部委联合印发《“人工智能+制造”专项行动实施意见》，为推动人工智能在制造业融合应用加速落地提供了系统性指引。近期，工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业领域20个重点行业及相关重点城市，围绕场景、模型、智能体、数据集、案例等关键成果，探索形成可复制的产出路径，推动人工智能高水平赋能新型工业化。
一、厘清“人工智能+制造”应用落地的关键矛盾
工业智能应用推进中，往往呈现“七分在数据、三分在模型”的特点。当前我国制造业数字化底座不断夯实，工业数据规模持续增长、采集覆盖持续扩展，但人工智能要在制造业实现规模化、并以高质量方式落地，仍需破解三类关键数据矛盾。
（一）数据“多而不优”矛盾
经过阶段性数字化转型探索，我国制造业已形成大量数据积累。据统计，截至2025年年末，重点行业企业关键工序数控化率达到68.6%，规上制造业企业人工智能技术应用普及率超过30%，重点工业互联网平台设备连接数超过1亿台（套）。不过，数据体量庞大但往往难以转化为AI模型能力：一方面，不少企业对自身智能化需求梳理不够到位，场景呈现碎片化、价值定位不清晰，导致难以沉淀出可用的数据清单；另一方面，工业数据多类型、多形态，并深度嵌入专家经验与隐性知识，使得标注难度显著加大，平均每条工艺参数数据标注成本往往是通用数据的数倍甚至数十倍。高质量标注数据集供给不足，直接造成模型“缺粮难训、训后不精”。
（二）数据“散而不通”矛盾
制造业数据具有多级分布的典型特征：在物理层面，数据散布在设备、产线、车间、工厂、企业等不同层级，各层级在数据格式、标准、采集与使用方式上存在差异，语义难以统一，模型难以读懂并形成对因果逻辑的统一理解，从而难以形成规模化训练数据；在流程层面，ERP、MES、PLC等系统彼此割裂，数据难以在各环节间顺畅流转；在技术特征层面，DT（数据技术）与IT（信息技术）、OT（运营技术）、CT（通信技术）的融合不足，使工业数据的潜在价值难以释放。由此形成的“孤岛”状态难以搭建完整业务视图，AI模型只能依赖局部数据开展“盲测式”分析，实际价值受限。
（三）生态“闭而不强”矛盾
工业数据往往承载企业核心工艺、商业秘密与产业安全信息，现实中企业普遍顾虑“想共享但不敢、想共享但不愿、想共享但不能”。目前我国工业领域在数据共享、模型协同等生态方面整体仍偏封闭，协同效率不足，跨主体、跨行业、跨区域的常态化协作机制尚未完全建立。同时，缺乏清晰的数据贡献激励、收益公平分配以及责任边界与安全保障的配套机制，企业间协同更常见于临时对接与零散合作，难以实现规模化、可持续的数据流通。工业模型研发与训练也呈现“各自推进、重复投入”的碎片格局，行业共性能力不易沉淀，协同效应难以释放。由此，数据要素难从“单体资源”转化为“生态资产”，对模型协同训练与迭代升级形成显著制约。
二、用“模数共振”破解工业人工智能落地难题
“模数共振”行动所揭示的，是工业智能化转型中“应用需求—数据供给—模型提升”的主线逻辑，本质上对应对当前工业人工智能落地困境的精准研判。
（一）强化场景需求牵引
面对“数据体量大但质量偏低、场景匹配度不足”等问题，行动的核心路径是坚持需求牵引、场景导向，系统构建全流程高质量工业数据供给体系。第一，开展工业场景梳理与智能化需求凝练，按行业建立高价值场景档案。第二，分层分类打造行业通识数据集与场景专识数据集，通过专业标注、知识工程嵌入等方式，弥补工业数据在专业性、稠密性与均衡性方面的短板。第三，配套建设支撑跨主体汇聚与模型训练的软硬件基础设施，对接国家数据基础设施，形成标准化行业数据目录与资源管理体系，实现数据的精准分类、高效治理与合规使用。通过“以场景定数据、用数据育模型、以模型验场景”的闭环推进，从源头破解工业数据“量大质低、训用脱节”难题，为行业模型及特色智能体研发夯实数据底座。
（二）构建数据协同机制
针对数据孤岛、系统壁垒以及语义不通带来的阻碍，“模数共振”行动提出建设“模数共振”空间，打造跨主体数据可信流通的关键能力，从根上打通“散而不通”的梗阻。一方面，建立分布式数据供给网络，借助数据路由寻址、数据可信互联等技术，打通各层级数据屏障，使数据语义能够贯通、逻辑能够集中、高效完成流转。另一方面，采用联邦学习、安全多方计算、密态计算等隐私计算技术，形成“数据不出域、可用不可见”的协同训练模式。进一步推动跨企业、跨层级的数据高效共享与模型联合训练，从技术层面突破数据物理边界约束。同时，通过统一模型版本管理、梯度聚合与贡献追踪机制，避免训练过程碎片化，促进多主体数据协同与模型协同训练，全面激活数据要素的流通与增值价值。
（三）做强开放共享生态
针对企业数据开放共享意愿较低、产业生态封闭等现实困境，行动强调要建设协同机制并培育创新联合体。制度层面，建立跨主体数据协同、模型共建、责任划分、安全保障“四位一体”的管理机制，量化数据贡献标准，明确收益分配规则，厘清法律责任边界，并加强安全全周期管控，从制度层面解决企业“不敢共享、不愿共享、不能共享”的核心顾虑。产业层面，通过创新联合体整合算力企业、模型企业、数据企业与应用开发企业等多类主体，形成面向行业的全栈式解决方案供给能力；结合“揭榜挂帅”、供需对接、项目联合攻关等方式，打造人工智能赋能行业的“样板间”，推动数据、模型与智能体成果跨域共享与规模化推广，构建政府引导、企业主体、机构支撑、市场运作相协同的生态，扭转工业AI“各自为战、生态封闭”的局面。
三、把握工业人工智能的实践路径
围绕“人工智能+制造”的核心需求，推动模型与数据在产业场景中实现深度融合，形成能够落地、可复制、可推广的工业人工智能实施路径。
（一）筑牢工业数据基础设施
立足工业数据要素价值化的“探数—供数—用数”路径，构建以工业数据资产登记为基础的分布式数据供给体系，强化工业数据的流通与利用能力。采用“分布式存储、统一目录供给”的模式，建设适配工业数据动态更新特性的分布式供给体系，保障数据在流转过程中可管理、可控、可追溯，从而破解工业数据流通难题。探索大模型的分布式训练与微调方式，引入市场化分配机制，根据数据质量与贡献度对企业给予算力、技术服务或经济收益激励，进而激活数据供给动力。同时，鼓励跨行业的数据应用与模型交互，支持龙头企业开放自建大模型，形成行业模型生态，在模型精度提升的过程中释放数据价值，推动“越开放越受益”。并探索可持续的数据供给机制以支撑持续微调与优化，形成“供给—训练—应用—价值释放”的良性循环，促进工业数据要素高效流通与行业创新发展。
（二）分类构建高质量工业数据集
针对“数据多而不精”的数据要素瓶颈，对海量、多源、异构的工业数据进行分类治理，进一步形成三类高质量工业数据集。第一类为产业链主体数据，聚焦重点产业链与产业集群，系统梳理链上企业实体信息，涵盖企业基本情况、主营业务、核心产品、产能规模、技术能力等。第二类为产业管理数据，面向政府履行管理职能时要求企业填报的经营与管理信息，具体包括技术改造项目投资、研发经费、新产品产值、能耗与碳排、安全生产、人才结构、数字化水平自评估等。第三类为链主企业运行数据，聚焦龙头企业以及产业链关键节点的内部实时运行数据，主要包括反映供需波动的供应链数据（订单、采购、库存、物流等）以及反映生产流程的制造过程数据（设备状态、工艺参数、产能、良率等）。
（三）建立行业“数据—模型—智能体”评测体系
面向重点行业，构建“数据集—大模型—智能体”三级协同评测机制。开展行业数据集质量测试，在通用数据质量评价标准基础上，进一步围绕专业性、通用性、稠密性、均衡性、安全合规性、全面性、可回溯性与可解释性等特色指标开展测试评估。推进行业大模型测试，打造行业通识与专识评测数据集，从基础能力、场景能力与行业能力三个维度验证工业场景适配及推理泛化水平。推动场景智能体测试，重点评估核心组件、业务落地与平台运营三类能力，确保生产可用、运营可控。通过“评测诊断—数据集优化—模型迭代—智能体升级”的闭环，将评测结果作为数据治理、模型微调与场景落地的关键依据，以常态化评测推动能力持续提升，使工业AI从试点验证走向规模化、稳定的高效应用。
（四）完善供需对接生态
加强“人工智能+制造”的供需对接生态建设。区域层面，引导国家人工智能产业创新应用先导区和工业大市等力量，聚焦地方主导产业与特色产业集群，结合区域产业基础与发展定位，围绕地方支柱产业及政策导向，整合本地乃至全国优质人工智能资源，开展区域性供需对接活动。行业层面，推动产业链重点企业与国家人工智能行业应用中试基地等主体联动，围绕特定行业共性痛点与发展需求，聚焦20个重点行业，在质量控制提升、供应链协同优化、安全生产等关键领域组织行业专属对接活动。邀请行业龙头企业、骨干人工智能企业、科研院所与行业协会专家参与，推广成熟智能化解决方案与典型案例，强化技术交流与标准引领，带动行业整体智能化水平提升，促进业内资源共享与协同创新。
中国工业互联网研究院依托国家工业互联网大数据中心，探索建设全国统一数据资源目录，并在钢铁、石化、有色、纺织等重点行业打造了一批高质量工业数据集。同步构建“模数共振”评测体系，对100余个大模型与智能体在工业应用中的实际效果开展测试。研发工业智能体平台，为汽车、材料等行业提供智能体服务；并建设国家人工智能赋能新型工业化供需对接平台，提供涵盖技术咨询、方案设计、智能应用部署以及运维优化的端到端服务，为3000余家企业精准匹配制造业需求，进一步缩短智能化方案落地周期。