政策背景

当前，人工智能正从技术驱动向价值驱动迈进，模型与数据已成为驱动人工智能高质量发展的两大核心要素。但是在制造业领域，普遍存在“数据孤岛”、模型泛化不足等痛点。很多企业虽然完成了初级的数字化转型，解决了“数据采上来、存起来”的问题，但大量工业数据仍处于沉睡状态，并没有转化成实际智能决策能力。

所谓“数据孤岛”，是指数据间缺乏关联性，数据库彼此无法兼容的现象。在制造业中，这个问题会严重制约AI应用的广度和深度。协议壁垒是数据流动的首要障碍，不同厂商的设备往往采用各自专属的通信协议，如西门子PLC与罗克韦尔设备之间的协议差异，导致数据对接成本高达项目总投入的30%[1]。而且数据存储还可能是分散的，这就使得数据管理难度大。生产数据存储于本地服务器，研发数据部署在云端，这种分散式存储架构使得产品缺陷追溯需要跨系统查询超过几十个数据源，决策效率自然会受到影响。

不同部门对数据进行不同的理解和定义，使得相同数据被赋予不同含义。某重工企业因缺乏统一的数据标签体系，其AI预测性维护模型的准确率不足60%，这种标准的不统一会导致数据无法实现有效共享和复用。据估算，全球约70%的工业数据未被有效激活[2]。尽管82%的企业设备联网率已超过70%，但仅有18%的企业能够真正实现数据价值转化。某汽车零部件企业部署了2000余个传感器，然而由于制造执行系统、企业资源计划和产品生命周期管理系统之间的接口不兼容，导致设备综合效率提升不足5%[1]。

更深层次的原因是企业有安全方面的顾虑，出于数据安全、商业秘密、权属风险等顾虑，普遍存在不愿共享、不敢共享、不能共享的问题。涉及核心工艺的企业不愿在公共平台运行数据，而依赖专家标注故障数据的高成本又制约模型训练。这种数据壁垒导致商业保险等领域的应用也面临“定价难”等问题。技术层面，隐私计算、区块链、可信数据空间等数据安全流通技术仍存在技术瓶颈，操作效率低、应用成本高、标准不统一、互联互通不足等问题尚未实现规模化、普惠化应用。

“模型泛化不足”是指训练好的AI模型在面对新的、未见过的数据或场景时表现不佳，无法将学到的知识有效迁移到实际生产环境中。工业生产有自身的特殊性，场景高度碎片化，广东省政协委员景广军指出，制造业数字化是万亿级的市场，但其实是一万个亿级市场的组合[3]。制造业行业细分，工种复杂，通用AI大模型虽然在泛化智能方面有优势，但在理解专业行业知识、行业“know-how”上，不及AI垂类大模型精度高。

工业领域特有的知识融合难、可靠性要求高、小样本问题，使“人工智能赋能工业是最有价值的方向，也是最难走的一条路”。通用大模型在支持企业垂类大模型构建、满足特定需求方面还要进一步加强，有待联合突破。

当前，AI在物流、质检等方面的应用属于浅层应用，在生产、控制环节尚未被充分运用。某钢铁企业最初提出庞杂的7000多个数据维度，经过反复筛选才提炼出约1500个核心维度用于模型训练[2]。大多数制造企业仅将AI作为知识库应用，远达不到预测判断、自主决策的应用水准。全国仅有不足6%的制造业企业在试点应用垂类大模型[3]。

模型能力与业务场景适配性不足。目前企业使用的模型以小模型和蒸馏过的轻量化大模型为主，小模型知识库相对有限，制约了复杂推理任务场景的表现；轻量化大模型虽然本地化部署成本较低，但仍存在泛化能力有限、可解释性差、幻觉无法消除等问题，模型推理准确率和稳定性难以达到企业生产级要求。AI技术公司的通用方案往往“水土不服”，而制造业的行业专家又难以将模糊的业务痛点转化为清晰的技术需求，这也使得技术优势难以高效转化为产业优势和经济价值。

制造业尤其是传统的重型装备制造领域，存在大量老旧设备，这些设备在设计之初并未考虑数据采集，可能没有传感器接口或者接口协议封闭，对其进行数字化改造成本高、周期长、技术难度。产业级人工智能应用往往需要将算法模型融入机器设备，因而需要生产设备换代升级、产线改造、大量生产数据的采集处理以及行业知识的整理汇聚，部署过程复杂、资金投入大、建设周期长，企业对于技术投入产出比存在顾虑。

“数据孤岛”和“模型泛化不足”两大问题并非孤立存在，而是相互交织、互为因果。“数据孤岛”导致高质量训练数据供给不足，进而制约模型泛化能力的提升；而模型泛化不足又降低了企业投入数据治理的意愿，加剧“数据孤岛”问题。这种恶性循环正是当前制造业AI应用推进困难的核心症结。

在此背景下，国家“十五五”规划纲要明确提出，要全面实施“人工智能+”行动，推动通用大模型和行业专用模型同步发展。工信部等部门联合印发《“人工智能+制造”专项行动实施意见》，专项提出开展“模数共振”行动，旨在推动人工智能模型与数据资源协同互促、同频共振，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。

政策梗概 

4月28日，工信部、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》，正式启动“模数共振”行动，推动人工智能模型与数据资源协同互促，助力人工智能高水平赋能新型工业化发展。

《通知》提出的工作目标是，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、网络安全等行业或领域，通过行动牵引，推动产出一批推广价值高、技术可行性强的人工智能应用场景，攻关一批蕴含工业和信息化领域技术机理的行业模型、专用模型和特色智能体，构建一批行业通识和行业专识高质量数据集，培育一批攻关联合体，优化人才、标准等产业配套生态。到2026年底，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。

行动明确多项核心任务：构建行业通识与专识高质量数据集，研发行业模型、专用模型及特色智能体，完善模型评测机制；创建“模数共振”空间，打造具备数据汇聚、模型训练能力的协同平台，逐步发展为“智能体工厂”；组建创新联合体，推动算力、模型、数据等企业协同攻关，打造行业智能化“样板间”；确定重点城市打造标杆，完善人才、标准等生态配套保障。

《通知》明确了实施节奏，各省级部门及相关央企需于5月30日前报送实施方案；8月30日前完成阶段性总结及中期评估；11月30日前报送总结报告，两部门将评估整体成效并发布成果。

此次行动强化组织保障，两部门将发挥统筹指导作用，对实施效果突出的区域和企业予以政策、项目倾斜。地方相关部门及中央企业将强化资源投入，调动各类市场主体积极性，推动行动落地见效，为新型工业化发展注入智能动能。

各地区选择第三方中立机构或龙头企业、各央企选择集团内专业单位作为建设运营主体，打造“模数共振”空间，包括研发一套能够承载跨主体数据汇聚和模型训练的软硬件基础设施，以及制定一套能够实现跨主体数据协同、模型共建、责任划分、安全保障的管理机制，具备跨主体数据可信贯通、模型协同训练与安全合规应用的能力（每省级地区打造不少于3个，每央企打造不少于 1 个）。鼓励“模数共振”空间与国家数据基础设施互联互通，实现多主体数据高效可信流通，赋能模型训练、智能体研发和应用，逐步打造为“智能体工厂”。

政策亮点

1.“模”与“数”的深度融合，而非简单叠加

《通知》强调“共振”，意味着模型和数据不是简单的1+1，而是通过协同机制实现倍增效应。通过行业通识数据集解决模型“懂语言不懂工艺”的共性痛点，通过专识数据集和智能体解决个性化落地难题，真正将工业知识固化在模型中，实现从“数字化”到“智能化”的质变。

2.明确的量化指标，确保政策实效

《通知》设置了极其具体的KPI，如每个行业至少梳理5个通识数据集、30个高价值场景、研发1个行业模型等。这种指标化要求和阶段性评估的机制，有效避免了政策空转，能够确保各项任务能够务实高效落地。

3.破解“不敢共享”的数据难题

通过创建“模数共振”空间，推广隐私计算、联邦学习等技术，实现“数据可用不可见”，从技术上化解了企业对于数据出域的安全顾虑。同时，通过建立基于贡献的评价和利益分配机制，引导企业从“不愿共享”转向“主动贡献”。

4.构建“智能体工厂”的长期愿景

鼓励“模数共振”空间逐步打造为“智能体工厂”，这为工业AI的未来形态描绘了蓝图。它意味着未来制造业的智能化将像工业流水线一样，具备标准化的开发、部署和运营能力，极大降低AI应用的门槛和成本。

政策机遇

1.相关企业

产业链龙头企业：凭借其丰富的场景资源和数据积累，将成为最大的受益者。龙头企业可以牵头组建“模数共振”创新联合体，或打造“模数共振”空间，在制定行业标准、输出行业模型方面占据主导地位，通过赋能产业链上下游，实现从“产品提供商”向“平台服务商”的转型。

数据服务和模型企业：市场空间被极大拓宽。行业通识数据集和专识数据集的构建，将为数据标注、数据治理、知识工程等企业创造海量订单。同时，专注于垂直行业模型和智能体研发的初创企业，将有机会与巨头同台竞技，获得政策倾斜和资金支持。

制造业中的中小企业：低成本享受AI红利。以往，AI应用门槛高、成本高，中小企业往往“用不起、不会用”。通过“模数共振”空间和创新联合体提供的公共智能底座和行业通用模型，中小企业可以用较低的成本获取“开箱即用”的AI能力，加速自身的智能化转型。

算力基础设施和网络安全企业：迎来重大发展机遇。随着“模数共振”空间的大规模建设和算力需求的爆发，服务器、芯片、云计算厂商将迎来新的增长点。同时，由于数据安全和跨主体协同是核心关切，网络安全、隐私计算、数据防泄露等领域的厂商也将迎来重大发展机遇。

2.地方政府

“模数共振”行动为地方政府提供了明确的产业升级路径。政策明确面向钢铁、石化化工、汽车、航空航天、医药等20个重点行业，要求每个省级地区至少选择3个行业开展行动。这为地方政府结合本地产业基础、差异化打造“人工智能+制造”标杆提供了顶层设计支撑。

政策鼓励地方打造“模数共振”空间（每省级地区不少于3个），并逐步打造为“智能体工厂”。这意味着地方政府可以依托这一载体，培育集算力、模型、数据、应用于一体的数字经济生态系统，形成区域竞争新优势。

政策引导组建的“模数共振”创新联合体（每行业不少于1个），将算力企业、模型企业、数据企业和应用开发企业串联起来。地方政府可以以此为抓手，吸引产业链上下游优质企业集聚，形成“引进一个、带动一片”的产业集群效应。

随着OpenClaw等智能体能力的指数级增强，一种全新经济组织形态——“一人公司”（OPC）正在崛起。在AI的全面赋能下，估值10亿美元的“一人独角兽”企业将很快诞生。地方政府可以借鉴这一模式，将“模数共振”空间打造为OPC的孵化基地，抢占超级个体经济的先机。

《通知》鼓励“模数共振”空间与国家数据基础设施互联互通，实现多主体数据高效可信流通。这为地方政府培育本地数据要素市场、探索数据资产化路径创造了条件，有望形成新的经济增长点。

政策明确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”，优先选择国家人工智能创新应用先导区城市、中试基地所在城市。入选城市将在全国范围内获得示范效应和品牌曝光，有助于吸引投资、人才和产业资源。