每经记者：张蕊 改写编辑：徽声在线编辑部

4月28日，工业和信息化部办公厅与国家数据局综合司联合发布了《关于推进2026年“模数共振”行动的实施方案》（以下简称《方案》）。

《方案》明确指出，将重点针对钢铁、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、历史经典产业、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个关键行业或领域（以下统称“行业”），通过一系列行动举措，推动产生一批具有高推广价值和技术可行性的人工智能应用场景，研发一批融合工业和信息化领域技术机理的行业模型、专用模型以及特色智能体，同时构建一批行业通识和行业专识的高质量数据集，培育一批攻关联合体，并优化人才、标准等产业配套生态。预计到2026年底，将初步形成“数据-模型-场景应用”相互促进的良性循环，从而推动人工智能高水平赋能新型工业化进程。

为20个重点行业智能化升级铺平道路

工业和信息化部相关负责人在对《方案》进行解读时表示，党中央、国务院对人工智能的发展和应用给予了高度重视。“十五五”规划纲要中明确提出，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，并依托高价值场景促进模型的应用落地和迭代升级。

回顾2025年12月，工业和信息化部已联合七部门共同发布了《“人工智能+制造”专项行动实施意见》，该意见从技术攻关、应用赋能、生态培育等多个方面进行了体系化部署。特别考虑到制造业门类繁多、场景多样，对大量行业专用模型和工业智能体有着迫切需求，专项行动特别提出了开展“模数共振”行动，旨在推动人工智能模型与数据资源之间的协同互促、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”的良性循环，推动“人工智能+制造”向更深层次发展。

该负责人进一步指出，为进一步明确各地区、各行业在2026年开展“模数共振”的具体实施路径，工业和信息化部和国家数据局共同组织实施了本次专项行动。通过统筹安排各地区、各行业的共性任务，统一把握工作节奏，引导重点地区、重点行业结合自身实际找准特色需求和难点卡点，细化量化年度任务目标和成果形式，以期通过一批务实管用的“模数共振”行动成果，为人工智能高水平赋能新型工业化提供有力支撑。

记者注意到，《方案》中明确提到了将重点面向钢铁、石化化工、电子元器件、消费电子等20个行业或领域。那么，为何要聚焦这些行业或领域呢？

对此，知名经济学家、工信部信息通信经济专家委员会委员盘和林在接受《每日经济新闻》记者微信采访时表示，这些行业或领域不仅是我国实体经济的重要组成部分，也是规上工业企业的主要聚集地，其涵盖的经济产值规模十分庞大。

“因此，选择在这些行业和领域聚焦智能化发展，是将AI+行动对实体经济的赋能作用发挥到极致的关键举措。通过AI+技术，我们可以提高这些关键行业领域的竞争力，助力它们实现高质量发展和转型升级。同时，这也为这些行业领域的企业智能转型探索出了一些切实可行的解决方案。”盘和林如是说。

在他看来，“模数共振”行动对于这些行业而言，不仅可以推广应用场景，攻关垂直领域算法模型，还可以构建高质量数据集，培育人才标准等配套生态，从而为这些行业加速智能化进程创造有利条件。

打造行业专识数据集，塑造特色智能体新生态

《方案》在重点任务中明确提出，要构建行业通识数据集，打造行业模型；同时，梳理高价值场景，构建行业专识数据集，并打造具有行业特色的智能体。

然而，在如此多的不同行业或领域中打造行业模型、特色智能体，是否会面临一些挑战呢？

对此，盘和林表示，确实存在不少挑战。例如，如何将这些行业的数据有效集合起来，因为数据目前分散在不同企业的不同控制域中，需要在同行业企业之间架设数据桥梁，形成垂直领域的数据集，这需要在不同企业之间进行大量的协调工作。

再如，行业模型往往缺乏通用模板，因为各家企业智能化的目标并不相同，很多企业可能认为通用模板并不适合本企业，从而导致AI+技术的推进受到阻碍。

此外，智能体可能存在不实用、不会用的问题，企业也缺少必要的人才来开展智能化转型工作。

针对这些问题，盘和林认为，解决之道在于协同与合作。一方面，需要部门间、企业间的紧密协同，需要一个平台来牵线搭桥，将行业中的企业集合起来，联合AI+赋能企业一同开发；另一方面，算法企业除了开发通用模板外，也要根据不同企业的需求，针对性地开发特色智能方案。同时，还需要从金融和人才等方面给予积极参与智能转型的企业一定的支持。

《方案》在重点任务中还提到了创建“模数共振”空间，探索协同机制。

具体而言，各地区将选择第三方中立机构或龙头企业、各央企则选择集团内专业单位作为建设运营主体，共同打造“模数共振”空间。这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。通过这些举措，将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（每省级地区将打造不少于3个，每央企将打造不少于1个）。同时，鼓励“模数共振”空间与国家数据基础设施实现互联互通，以实现多主体数据的高效可信流通，从而赋能模型训练、智能体研发和应用，并逐步将其打造成为“智能体工厂”。