张向宏 ：“模数共振”已成人工智能应用深化关键

数据作为新型生产要素，是人工智能与制造业深度融合的核心基石。当下，人工智能加速从学习阶段迈入应用阶段，智能体广泛渗透互联网场景，但工业领域高质量数据供给不足、数据与模型、场景脱节等问题，正成为制约智能制造转型升级的关键瓶颈。

近日，国家数据专家咨询委员会委员、北京交通大学教授张向宏在接受“工业互联网世界”&《通信产业报》全媒体记者采访时，围绕工业高质量数据集建设、“模数共振”行动落地、工业数智化转型路径等热点话题，深度解读系列重磅政策内涵，剖析产业发展现状、技术壁垒与未来创新方向，为工业领域数智化高质量发展厘清思路、指明路径。

政策深度解读：“模数共振”为钥，制造领域打造数智化转型主阵地

《关于推进行业高质量数据集建设行动的实施方案》指出，到2028年底，建成一批覆盖重点领域、经过应用验证的行业高质量数据集。《关于联合实施2026年“模数共振”行动的通知》指出，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。《关于启动工业数据筑基行动的通知》指出，到2026年底，赋能一批行业大模型、工业智能体等应用落地，总结形成工业数据高效采集处理、可信流通汇集、深度融合应用的有效路径、创新机制和经验模式。《“人工智能+制造”专项行动实施意见》指出，推动3～5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，推广1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景……

张向宏表示，当前，人工智能正处于发展奇点时刻。人工智能已跨过学习阶段正式步入规模化应用阶段：2025年国内AI推理数据量101.34EB首次超越98.14EB的训练数据量，网络智能体流量占比也远超人类，智能化应用全面普及，但行业发展仍存在两大瓶颈。

一是为人工智能提供动力燃料的行业通识高质量数据集和行业专识高质量数据集匮乏；二是大模型技术还未完全成熟，特别是大模型能否在真实世界特别是在工业制造领域中广泛应用，还缺乏实际应用的反馈和证明。

因此，在重点领域构建“行业高质量通识数据集－行业专用大模型－行业应用场景”和“行业高质量专识数据集－智能体－具体应用场景”的“数据－模型－场景”相互依存、相互促进的飞轮体系，显得尤为重要。

在张向宏看来，“模数共振”是突破当前人工智能应用瓶颈的关键。随着“人工智能+”与“数据要素×”深度推进，数智产业链逐步成型，但通用大模型应用浅层化、公域数据趋于枯竭、高价值私域数据流通受限等问题日益凸显。而“模数共振”行动直击痛点，通过分类打造行业通识、专识两类高质量数据集，配套研发行业专用大模型与细分场景智能体，让数据与模型双向赋能，既完成数据要素化价值闭环，也推动AI技术在千行百业规模化落地。

“工业制造是塑造智能经济新形态的主战场。”张向宏强调，制造业数智化转型牵一发而动全身。从经济结构来看，制造业数智化是构建智能经济全产业链的“引擎”。制造环节向上倒逼高端软硬件技术突破，向下催生C2M定制、智能物流等新业态，还能带动整个产业集群协同升级；从社会运行层面，制造业数智化是筑牢物质基础的“底盘”。数智化工厂具备柔性转产能力，是保障物资供给、推进绿色低碳生产、优化劳动环境的重要支撑；从技术维度而言，制造业数智化是攻克关键技术的“试验场”。工业场景直面物理世界的复杂不确定性，严苛的工况要求会倒逼可解释AI、数字孪生、边缘计算等核心技术迭代，同时沉淀高价值工业数据，培育大批“工业+数据”复合型人才。

张向宏坦言，近日系列文件的发布，既描绘出了制造业数智化转型的顶层设计，又提出了“数据—模型—场景”三方面相互协同、相互支撑、相互促进的实施路径，形成了“顶层设计－基础支撑－实施策略”的政策体系，为我国制造业数智化转型提供了基本遵循。

发展现状：工业数据集建设提速，多点突破仍存核心挑战

谈及国内工业高质量数据集建设现状时，张向宏指出，目前我国工业高质量数据集建设已进入顶层设计系统部署、工业制造先行试验、产业生态协同推进的快速发展新阶段。截至2026年第一季度，全国已建成包括工业制造在内的各类高质量数据集超过11.6万个，数据规模突破960PB。

顶层设计层面，国家数据局发布《推进行业高质量数据集建设行动的实施方案》，围绕工业制造、低空经济等19大领域，部署强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放等六大专项行动，从数据采集、标注、标准、流通、资产化等全维度划定发展方向。

落地实践中，多方主体协同发力破解工业“数据荒”。工信部、国家数据局联合推进“模数共振”行动，已有516家机构完成平台认证，上线1350个工业数据集；地方城市率先探索，无锡建成全国首个工业级具身智能数据集，天津、上海打造专业数据工厂，多地数据采集中心落地运行；龙头企业担当链主角色，全国73家行业链主、多个产业联合体牵头搭建细分领域数据集，覆盖动力装备、化学药等众多赛道。

在肯定成绩的同时，张向宏也直言行业现存三大核心痛点。一是标准与质量短板，工业数据种类繁多、模态各异，面向AI训练的数据标准缺失。急需加快工业数据标准研制，建立统一的质量测评规范。

二是技术语义难题，工艺、配方、经验、时序，以及各种听觉、嗅觉、味觉、力觉等非结构数据是工业数据的核心，这些数据如何采集和加工、语义如何被AI识别和理解、如何转化成AI可执行的动作等，相关技术还不成熟。

三是价值应用局限，工业数据开发利用仍处于初级阶段。数据的价值锚点还未确定，现象级数据应用场景还未形成。张向宏认为，工业数据开发利用正向高质量数据集转变，数据、模型、场景一体化建设成为破局关键。

新型工业化离不开数智化赋能，而工业高质量数据集是人工智能落地制造领域的“燃料”。随着政策持续落地、技术不断突破、生态日渐完善，“模数共振”将持续释放数据要素价值，推动人工智能深度扎根工业场景，为我国制造业转型升级、建设制造强国注入源源不断的新动能。