金思宇/文

引言：当AI走出“楚门的世界”

人工智能正站在一个前所未有的历史拐点。当数字世界的算法模型日趋成熟、大模型参数竞赛进入边际效益递减区间，一个更深层的命题浮出水面——AI如何真正走出“数字世界的楚门剧场”，融入物理世界的生产脉搏？2026年7月，国家数据局局长刘烈宏在“2026年全球数字经济大会”上给出明确答案：在供给端加快构建行业高质量数据集供给体系，在流通端系统优化面向人工智能的用数规则和流通模式，在应用端 “以‘模数共振’驱动数据飞轮加速运转” 。这一战略部署标志着中国AI发展从“技术驱动”的单轮模式，正式转向“场景与数据双轮驱动”的新范式。

一、顶层定调：从政策蓝图到战略落地

“模数共振”并非概念炒作，而是国家层面的系统部署。2026年4月28日，工业和信息化部、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》，面向钢铁、汽车、航空航天等20个重点行业，以七大任务为牵引，目标到2026年底基本形成 “数据—模型—场景应用”良性互促的循环。通知明确要求每省级地区至少选择3个重点行业、每家央企至少选择1个，每个行业梳理不少于5个通识数据集、研发不少于1个行业模型、凝练不少于30个高价值场景。

在2026世界智能产业博览会上，刘烈宏进一步阐释了“模数共振”的实践逻辑： “要把真实产线、设备运行和质量检测等数据系统采集、治理和利用起来，更好支撑行业大模型和智能体理解工业机理、适配工业场景、优化工业流程” 。他特别强调，高质量数据集是具身智能 “感知-决策-执行” 的重要基础，要以完善的数据工程驱动具身智能发展。

2026年7月，工业和信息化部副部长柯吉欣在2026世界人工智能大会上披露：我国人工智能核心产业规模已突破1.2万亿元，企业超过6200家，智能算力规模达到2185EFLOPS，规上工业企业人工智能应用普及率超过30%。这一组数据既是对过往成果的总结，更是“模数共振”加速推进的底气所在。

二、破解产业痛点：从“实验室惊艳”到“车间可靠”

过去数年，工业AI面临一个尴尬困境：实验室里表现惊艳的模型，一进车间便“水土不服”。通用大模型难以适配复杂多变的工业场景，数据匮乏导致模型固化失效。赛迪智库数智化转型研究室主任孙刚指出， “‘模数共振’建立了一个动态、持续、闭环的反馈与进化系统，使模型能够深度融入并适应工业场景的复杂性和多变性” 。具体而言，这一体系实现了四重突破：让AI模型更贴合实际业务机理，依托生产现场真实数据沉淀工业工艺；通过生产运行数据持续回流驱动模型动态迭代；以真实场景数据持续修正模型误差；依托标准化数据规范与模型模板实现快速复制推广。

中国信通院联合中车工业研究院发布的《人工智能模数共振体系研究报告（2026年）》进一步阐释了这一逻辑： “模数共振以数据与模型双向驱动、协同优化为核心，通过数据赋能模型迭代、模型反哺数据治理与增强，构建动态、持续、闭环、协同的技术体系” 。

三、实践落地：从标杆案例到生态燎原

“模数共振”的落地成效已在多元场景中显现。在2026世界人工智能大会期间，中国联通启动 “模数共振”装备制造空间及重点行业创新联合体共创。依托联通格物工业互联网平台和元景MaaS平台，中国联通已纳管超1400万台工业设备，沉淀超100TB工业数据集，培育超75个工业大模型，上线150多个工业智能体，在上海联合中国商飞、上海电气等落地一批标杆项目。论坛还启动了 “工业老师傅”经验数据集共建仪式，上海以13家企业先行先试，攻关焊接缺陷判定、设备诊断、操作工动作时序等10类经验数据集，将“老师傅经验”加速转化为制造业智能升级的关键要素。

北京同步发力。2026年7月3日，在2026全球数字经济大会人工智能融合应用发展论坛上，《北京市“模数共振”行动实施方案》现场发布。北京明确将对标国家总体部署，深化数据、模型、算力、应用场景全链条联动。

政策创新层面，珠海市拟设立总额最高3亿元的 “模型券” ，降低企业使用大模型的成本。这一“用模补贴”模式有效降低了中小企业拥抱AI的门槛，激活了产业生态活力。

数据层面的进展更为扎实。截至2026年6月底，全国已建成高质量数据集12万个，总体量超过1565PB，较一季度末增长超60%，相当于中国国家图书馆数字资源总量的547倍；7个数据标注先行先试城市标注规模超119PB，服务425个大模型研发。这一数据体量的爆发式增长，为“模数共振”提供了坚实的“燃料”基础。

四、数据飞轮加速：AI从数字世界走向物理世界

“模数共振”驱动的 “数据飞轮” 效应，正推动AI能力从虚拟向现实渗透。刘烈宏在2026世界智能产业博览会上明确指出， “2026年是‘数据要素价值释放年’，要推动各行各业‘数据飞轮’更好转起来” 。

在2026世界人工智能大会“智启具身论坛”上，一个核心共识正在形成： “物理AI的智能涌现，不会来自单一模型或单一数据源，而取决于数据规模、模型架构、仿真评测与真机反馈共同构成的持续进化飞轮” 。

具身智能机器人正是这一飞轮效应的典型载体。2026年初，博世在中国成立博世中国机器人中心（BROC） ，聚焦具身智能与人形机器人方向，旨在 leveraging 中国在制造、供应链、工业数据和真实应用场景方面的优势。博世全球230余家工厂积累的海量数据资产正用于训练AI驱动的机器人系统。

阿里巴巴集团主席蔡崇信在VivaTech 2026峰会上阐述了对这一趋势的深刻洞察： “AI的下一阶段将从数字世界走向物理世界。未来的机会不仅在于机器人，更在于所有与实体经济相关的应用场景。依托海量工业数据，AI有望在产品研发、生产制造、质量检测和运营优化等环节发挥更大作用” 。蔡崇信进一步指出，中国凭借规模和数据的优势，正在率先打造极具竞争力的工业AI。

五、专家洞见：数据主权、伦理与治理的三重挑战

远望智库产业顾问金思宇研究员曾经指出， “‘模数共振’的本质是数据主权与模型能力的再分配。企业需尽快梳理数据资产，参与行业标准制定，避免在智能化浪潮中失去话语权” 。这一判断与政策导向高度吻合——通知明确要求依托“模数共振”空间实现多主体数据不出域联合训练，在保障数据安全的前提下破解“孤岛”难题。

赛迪智库孙刚在接受采访时亦强调， “模数共振”能让AI模型更贴合实际业务机理，但同时也对企业的数据治理能力提出了更高要求。工业数据的采集、共享需建立严格治理框架，防止敏感信息泄露与算法滥用。这要求政策、技术、伦理三方协同，确保“数据飞轮”在安全轨道上加速运转。

六、政策建议：让“模数共振”从战略走向实绩

基于上述分析，笔者提出以下政策建议：

一是加速行业通识数据集建设。 通知要求每行业梳理不少于5个通识数据集，各地应尽快明确牵头主体、时间节点与验收标准。建议依托国家数据集管理服务平台（截至5月31日已认证机构516家、发布数据集1350个），实现数据资源的集约化管理和高效流通。

二是深化“模数共振”空间落地。 鼓励各地选择第三方中立机构或龙头企业创建“模数共振”空间，逐步打造为 “智能体工厂” 。推动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。

三是加大中小企业参与激励。 推广珠海“模型券”模式，以财政补贴降低中小企业用模成本。同时依托每省级地区至少组建1个“模数共振”创新联合体的政策要求，推动链主企业带动产业链上下游协同转型。

四是完善模型评测与标准体系。 加快构建面向行业应用、面向特殊场景的模型能力评测体系， “形成‘评测诊断—数据集定向优化—模型能力提升’的良性循环” 。

五是强化数据安全与伦理治理。 在推进“模数共振”过程中，建立工业数据分级分类管理制度，明确数据采集、存储、流通、使用的全链条安全规范，确保技术创新与风险防控同步推进。

结语：开启物理世界的智能纪元

“模数共振”不仅是技术范式的革新，更是产业变革的加速器。当数据与模型在真实场景中同频共振，人工智能将突破虚拟边界，成为重塑物理世界的核心力量。从工厂车间的智能体到穿梭于城市的人形机器人，一个由数据驱动、模型赋能、场景验证的智能纪元正在开启。中国凭借制造场景优势、海量数据资源与国家战略支撑，有望在全球AI竞赛中抢占制高点，书写智能经济的新篇章。

作者：金思宇系中国智库高级研究员，经济学家