今日热搜
文｜北京 魏亮
国家“十五五”规划纲要提出，要全面实施“人工智能+”行动，全方位赋能千行百业。当前，人工智能进入由技术创新向产业深耕、由单点应用向全域赋能的关键跃升阶段，模型与数据成为驱动人工智能高质量发展的两大核心要素。为深入贯彻党中央、国务院关于人工智能发展的决策部署，全面落实“人工智能+”行动有关要求，工业和信息化部、国家数据局联合启动实施“模数共振”行动，以模型与数据协同进化、技术创新与产业应用双向赋能为主线，著力构建“高质量数据－高效能模型－高价值应用”新的数据飞轮，为人工智能高质量发展筑牢根基，加快发展智能经济和智能社会新形态。
抢占未来人工智能发展制高点的核心路径
“模数共振”行动立足我国产业基础与发展实际，围绕高质量数据集、高水平行业模型、高价值应用场景、高效协同机制、完善生态配套，旨在破解数据孤岛、模型泛化不足、场景适配低效等核心痛点，推动模型与数据深度耦合，实现数据要素价值最大化、模型能力精准化、产业应用实效化，推进人工智能发展从“技术驱动”向“价值驱动”迈进。“模数共振”行动是落实国家人工智能产业发展战略，启动人工智能产业全链条，推动人工智能与实体经济深度融合，提升我国人工智能产业全球竞争力，抢占未来发展制高点的核心路径。
“模数共振”行动以模型需求牵引数据治理，以高质量数据赋能模型迭代，构建“以模引数、用数赋模、场景闭环”机制，推动人工智能模型与数据资源双向赋能、闭环提升，打通创新链条，启动要素价值。一是以模引数，牵引数据提质增效。围绕模型训练需求和场景适配要求，反向牵引数据全流程治理，推动数据从“沉睡资源”变为“流动要素”，实现数据跨领域有序汇聚与标准化治理，提升数据赋能模型训练能力。二是用数赋模，推动模型精准化迭代升级。依托高质量行业数据提升模型场景适配能力，持续优化模型参数、提升推理精度，推动模型从“通用大而全”向“垂直专而精”转型，形成“模型优化－数据升级－应用提效－再优化”动态循环。三是闭环迭代，启动产业协同效能。以高价值应用场景为纽带，推动要素高效配置，打破产业链上下游、各环节之间的壁垒，提升产业整体效率。
六大任务全方位推动模型与数据深度协同
“模数共振”行动面向钢铁、石油化工、有色金属、汽车、航空航天、生物医药、电子信息等20余个重点行业，围绕筑底座、拓场景、优机制、建载体、强生态、树标杆六大重点任务，全方位推动模型与数据深度协同，赋能人工智能高质量发展。
一是打造通识数据集与行业模型，夯实智能化转型发展底座。构建行业通识数据集，通过数据标注、知识工程等手段，编制数据集清单，明确数据产生主体、数据类型、数据规模及应用场景，形成覆盖行业共性需求的通识数据集。打造“通用基础模型+行业适配”的行业专用模型，聚焦行业技术机理与共性需求，基于行业通识数据集，研发适配工业场景的行业大模型、场景专用模型，形成“通用基座－行业模型－场景小模型”三级体系。依托行业通识数据集建设推动行业模型持续迭代，实现“数据更新－模型优化－能力提升”良性循环，夯实智能化转型共性底座。
二是挖掘高价值场景，构建专识数据集与特色智能体。高价值场景是“模数共振”价值转化的核心载体，专识数据集与特色智能体是场景落地的关键支撑。围绕重点行业领域，筛选出应用潜力大、可复制推广的细分场景，建立场景需求、技术路径、实施主体、效益指标、推广条件全要素档案，为数据供给、模型研发提供精准导向。针对高价值场景定制化开发专识数据集，包含行业专属数据、场景即时数据、历史数据等行业专识数据集，确保专识数据集与场景需求高度适配。以专识数据与行业模型为基础，打造面向细分场景的特色智能体，具备感知、决策、执行、迭代能力，实现场景化自主运行。推动专识数据、特色智能体与高价值场景深度融合，赋能产业应用提质增效。
三是健全评测体系，形成数模闭环优化机制。评测体系是保障数模品质、推动迭代升级的关键抓手。打造特色化、可操作化数据评测体系，建立满足重点行业应用场景和行业专用模型需求的数据评测能力，细化评测数据的类型和场景适配性。构建面向行业应用、特殊场景的评测体系，建立静态与动态结合模型评测能力，静态评测聚焦模型基础性能，动态评测跟踪模型在实际场景中的运行效果。构建数据与模型闭环回馈机制，将评测结果作为数据集优化和模型提升的重要依据，形成“评测－优化－提升－再评测”的闭环流程，实现模型与数据的闭环迭代，持续提升数据品质和模型性能。
四是建设协同创新载体，打通协同堵点。建设“模数共振”空间，结合区域产业优势，整合数据资源、模型技术、研发力量、应用需求等核心要素，打造数据资源汇聚、模型研发、成果转化、人才培育于一体的协同创新空间，吸引数据服务企业、模型研发企业、技术服务企业等各类主体入驻。著力推动“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。
五是著力打造“模数共振”创新联合体。创新联合体是算力企业、模型企业、数据企业和应用开发企业的组合，推动组建创新联合体，并建立与“模数共振”空间在模型研制、软硬适配、数据处理、应用方案设计与开发等方面协同联动，形成行业级、全栈式解决方案研发和应用，形成完整的“数－模－用”产业链条，打造人工智能赋能行业“样板间”。
六是完善生态配套，强化保障机制支撑。加强培养复合型人才，推动模型企业、数据企业、应用单位、科研机构等多元主体深度交流合作，通过“深度行”活动、实训基地建设等模式，构建“高校培养+企业实训+在职培训”体系。完善标准体系，围绕数据、模型、评测等关键环节，鼓励多方参与标准规范制定，推动行业标准与国家标准、国际标准衔接。构建覆盖人才、标准、服务等全维度生态配套体系，保障“模数共振”行动持续、高效推进。
七是打造重点城市标杆，发挥示范引领效应。重点城市是“模数共振”行动的实践载体，遴选人工智能产业基础雄厚、创新资源丰富的城市打造标杆，完善人才、资金等要素配套，建立健全政策协同机制，加大资源集成，推动攻关重点任务。总结标杆城市实践案例，形成可复制、可推广的经验，构建“标杆引领、全面推进”的发展格局。
以场景需求为启动“模数共振”价值转化
“模数共振”以重点行业、典型场景为牵引，推动模型与数据在产业落地中深度融合，形成一批可推广、可复制的标杆案例，以应用实效反哺模数共振体系的完善。
场景牵引是“模数共振”行动的牛鼻子。聚焦工业制造、医疗健康等重点领域高价值场景，建立场景应用回馈机制，通过应用牵引实现数据与模型持续进化，提升模型能力，推动数据、模型、场景协同升级，实现“应用越广、数据越优、模型越强、价值越大”正向循环。
产业需求是“模数共振”行动的出发点和落脚点。以场景应用持续反哺数据迭代与模型优化，推动数据、模型的供给与产业需求精准匹配，引导模型研发企业、数据机构根据产业需求定向研发、精准供给，避免技术与场景脱节、数据与应用错位。
深度融合是“模数共振”行动的最终目标。以“模数共振”为支撑点，推动数据、模型与各行业场景结合，构建“数据+模型+场景+服务”新型模式，打破主体壁垒，打造一批可看、可用、可复制、可推广的标杆案例。推动数据、模型和产业深度融合，丰富产业形态，提升价值转化效率，培育形成“人工智能+”新质生产力。
打通人工智能规模化落地“最后一公里”
新型工业化是中国式现代化的关键支撑，核心是工业化与信息化深度融合。“模数共振”紧扣新型工业化“高端化、智能化、绿色化”方向，通过模型与数据双向赋能，破解传统工业转型深层矛盾，打通人工智能规模化落地“最后一公里”，成为驱动新型工业化的核心增长极。
“模数共振”著力破解新型工业化痛点，启动人工智能赋能潜力。当前我国新型工业化仍面临数据孤岛突出、通用模型与工业场景适配不足、产业链协同智能化水平偏低等瓶颈，中小企业转型成本高、风险大。“模数共振”从根源破解难题：以“以模引数”推动重点行业数据跨主体汇聚治理，唤醒沉睡工业数据；依托高质量工业数据打造垂直行业专用模型，让人工智能“懂工业、见实效”；通过“场景闭环”整合产业链资源，降低中小企业转型门槛，实现全产业链协同升级。
加快构建“模数共振”赋能新型工业化的实践体系。构建“底座支撑、场景驱动、机制保障、区域联动”的立体化实践体系。筑牢数智基础底座，编制统一工业数据标准，完善“通用基础模型－行业大模型－智能体加应用场景”三级体系；打造分层分类场景路径，优先落地见效快的生产优化、设备维护等场景，逐步向全链条延伸；建立全链条协同机制，完善“数据－模型－应用”闭环回馈，深化产学研用协同；构建区域联动格局，依托产业集聚区打造标杆城市，向中西部辐射带动，推动全国新型工业化均衡发展。
助力增强“模数共振”赋能新型工业化的支撑保障。强化政策协同，设立专项基金，落实税收金融优惠，引导社会资本参与；夯实算力基础，推动国家算力枢纽节点与“模数共振”载体对接，发展绿色、边缘算力；健全人才体系，深化产教融合，建设实训基地，培养复合型工业人工智能人才；完善标准评测，加快制定数据、模型、安全等关键标准，建立第三方权威评测机构；筑牢安全防线，落实数据安全、生成式人工智能相关法规，建立工业数据全生命周期安全管理体系。
“模数共振”行动紧扣国家战略，对标专项行动部署要求，以模型、数据为核心抓手，以产业实际需求为鲜明导向，充分启动数据要素价值，迭代提升智能模型能力，持续推进数据资源与智能模型全方位融合、深层次联动、常态化共振，以模数协同赋能产业转型升级，推动人工智能由技术创新突破向规模化产业落地跃迁，全面构建人工智能高水平赋能新型工业化发展新格局，为培育新质生产力、实现经济高质量发展注入数智动能。
（作者系中国信息通信研究院副院长）
查看更多
