4月28日，工业和信息化部、国家数据局联合发布的《关于联合实施2026年“模数共振”行动的通知》（以下简称“《通知》”）提出，推动人工智能模型与数据资源协同互促、同频共振。

　　《通知》明确，行动重点面向制造业领域中的钢铁、工业母机、汽车、航空航天、信息通信等20个行业，并依托重点城市和省份，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。

　　工业和信息化部科技司相关负责人表示，当前，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，数据孤岛、模型泛化不足、场景适配低效等问题日益凸显。此前工信部联合7部门共同印发《“人工智能+制造”专项行动实施意见》（以下简称“《意见》”）。《意见》考虑到制造业门类多、场景多，对大量行业专用模型和工业智能体有迫切需求的特征，专项提出开展“模数共振”行动，推动人工智能模型与数据资源协同互促、同频共振，进而形成“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，推动“人工智能+制造”走深走实。

　　本次行动按照“统一标准、多方协同、全面部署、重点突出”的原则开展，推动“以模引数”，加快“用数赋模”，打造“模数共振”的发展格局。

　　中国电子信息产业发展研究院信息化与软件产业研究所人工智能研究室主任王宇霞在接受《中国经营报》记者采访时表示，此次行动是制造业智能化转型从“修路”迈向“开车”的重要枢纽。过去的数字化主要解决了“数据采上来、存起来”的问题，也就是修路工作，但大量工业数据处于“沉睡”状态。此次行动通过“行业通识数据集”和“行业模型”的建设，是将静态的数据资产转化为动态的智能决策能力，也就是训练开车能力，真正实现从“数字化”到“智能化”的质变。

　　王宇霞分析，通用大模型往往“懂语言但不懂工艺”。此次行动强调“蕴含技术机理”和“物理约束”，意味着智能化不再是简单的算法堆砌，而是将工业Know-how（知识机理）固化在模型中，这是迈向“新型工业化”的底层逻辑支撑。此外，数字化时期侧重硬件设施，而智能化要求算力、模型、数据三位一体。此次行动通过打造“模数共振空间”，实质上是在构建一种新型的智能基础设施，为制造业的全面智能化转型提供了“标准套件”。

　　《通知》部署了七项重点任务，包括构建行业通识数据集和专识数据集、完善模型评测机制、创建“模数共振”空间、打造“模数共振”创新联合体、确定一批重点城市等。《通知》提出，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”。

　　在打造“模数共振”创新联合体过程中，不同企业之间商业利益、数据权属、知识产权等问题通常较难协调，如何让联合体真正“联”起来而不是“拼”起来？对此，王宇霞表示，在实践中，“拼”而不“联”的根源在于，数据资产难确权、贡献收益难衡量、安全风险难分担。

　　她建议，政策层面可从以下机制入手：一是推行“数据可信流通”的技术隔离机制，依托行动中提到的“模数共振空间”，推广隐私计算、联邦学习、可信执行环境。让各方的原始数据“不出域”，在加密状态下参与模型训练，实现“数据可用不可见，知识共享权属留”，从技术上化解不敢共享的顾虑。二是建立“动态价值贡献”的利益分配机制，政策可引导建立基于“算力、数据、算法”三位一体的贡献评价体系。例如，通过区块链技术记录模型训练中各方数据的使用频次、贡献权重，并将模型产生的增量收益，如节约的能耗、提升的良率等，按比例返还给数据源提供方，实现“模型共建、收益分成”等。三是推行“共有产权与分级授权”的知识产权机制，明确“行业模型”与“专用模型”的产权边界。行业通识部分作为“共性底座”由联合体成员共有或按贡献比例持有；而涉及企业核心商业秘密的“特色智能体”则归属具体应用单位。这种“公私结合”的方式能有效保护企业的核心竞争力。