2026年4月，工业和信息化部办公厅、国家数据局综合司联合印发《关于联合实施2026年“模数共振”行动的通知》，面向钢铁（850106）、石化化工（850102）、汽车、航空航天等20个制造业重点行业，推动人工智能（885728）模型与数据资源协同互促、同频共振，并提出到2026年底基本形成“数据、模型、场景应用”良性互促的循环。
当前，高质量数据供给已成为人工智能（885728）大模型赋能新能工业化的关键。企业拥有大量制度、业务和生产数据，但这些数据分散在不同部门和系统，标准、口径和质量不一，难以直接转化为模型可理解、可调用的知识。推动人工智能（885728）从“有模型”走向“用得好、用得稳、用得广”，必须以高质量数据集为基础，以行业模型和专用模型为支撑，以高价值场景为牵引，构建数据、模型、场景持续循环的协同体系。
01
模数共振，打造数据、模型、场景闭环
回看政策脉络，从“十五五”规划纲要部署全面实施“人工智能（885728）+”行动，到《“人工智能（885728）+制造”专项行动实施意见》出台，再到两部门联合实施“模数共振”行动，顶层设计正从宏观布局走向专项落地。此次行动构建“行业通识—场景专识—评测基准”三级数据集与模型体系：分行业梳理数据资源，提炼形成行业通识高质量数据集；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；构建面向行业应用、面向特殊场景的模型能力评测体系；打造“模数共振”空间，选择人工智能（885728）产业基础好、数据资源丰富的城市打造标杆，探索场景、模型、智能体、数据集、案例等关键技术成果的产出路径。
传统模式下，数据往往被视为训练模型的原料。“模数共振”则把应用环节纳入持续循环：高质量数据支撑模型训练和能力优化，行业模型服务具体业务场景，场景运行产生的新数据再用于完善数据集和改进模型。数据由一次性投入转变为持续更新的能力基础，模型也通过实际应用不断校准和进化。
“模数共振”的价值，在于强调数据与模型“单向供料”的传统关系。过去，数据被当作训练模型的原料，模型上线后，数据与模型之间的联系随之减弱，数据的价值循环也容易中断。共振逻辑下，行业模型赋能应用实践，应用实践产生场景数据，场景数据反过来优化行业模型，形成持续进化的良性飞轮。数据不再只是模型的“燃料”，更是模型能力的“反馈源”；模型也不只是数据的“消费（883434）者”，更是数据治理的“牵引器”。数据、模型和场景循环起来，相互成就、同频共振，形成持续进化的企业智能化能力。
02
夯实数据底座，破解企业智能化落地的“数据之困”
人工智能（885728）在企业中落地，首先要解决通用模型能力与专业业务需求之间的适配问题。企业经营管理和生产运营涉及特定的制度规范、行业机理、业务流程和系统口径，对模型输出的准确性、可追溯性和可执行性提出了更高要求。通用大模型虽然具备较强的语言理解与生成能力，但面对企业专业场景，仍可能出现事实偏差、引用不准、业务规则理解不到位等问题；对于跨系统、长链路的复杂任务，还需要结合业务规则、系统接口与校验机制，才能形成可靠的执行能力。
究其原因，是企业数据尚未充分转化为模型可利用的知识和能力。制度条款、技术文档、业务记录和专家经验分散在不同部门与系统中，存在标准不统一、关联不充分、更新不及时等问题。有数据不等于有可用数据，完成数据汇聚也不意味着能够直接支撑模型应用。只有围绕具体任务开展治理，将分散的数据加工为准确、完整、可关联、可追溯的高质量数据集，才能为模型理解业务、辅助决策和执行任务提供可靠依据。
破题的关键，在于把数据加工成标准化、可流通的“高质量燃料”。借鉴“数据工厂”的标准化生产思路，将散落在车间、产线、企业中的碎片化数据，加工成行业通识高质量数据集，训练共性行业模型，提供可复用、可共享的公共数据底座；把数据采集、治理与平台建设作为基础工程，打通数据“采、存、治、算、用。”全链条，数据底座筑牢了，“模数共振”才有同频共振的根基。
为破解企业智能化落地的“数据之困”，浪潮数字企业（HK0596）构建从数据采集、知识治理到智能应用的完整路径。一方面，依托浪潮海岳数据中台inDataX，打通数据“采、存、治、算、用”全链路，以AI自动清洗、智能标注、动态脱敏等方式，将分散在不同系统、标准不一的数据加工成准确、完整、可追溯的高质量数据集，为模型训练提供可靠支撑。另一方面，打造浪潮海岳业务本体平台，把企业制度规范、业务对象及其关联关系提炼为AI可识别、可调用的统一语义网络，让模型真正“读懂”业务，解决通用大模型理解不了企业制度、行业机理与系统口径的问题。在此基础上，以本体Agent、本体孪生平台等为载体，将高质量数据集与业务语义贯通到合同审核、设备运维、供应链管理等场景，形成“感知—分析—决策—执行”闭环。
03
问题导向，以场景牵引高质量数据建设
“模数共振”不能停留在数据平台、工具建设层面，必须由真实业务问题确定建设重点，并通过实际场景检验应用价值。场景牵引的核心，是先明确企业需要解决什么问题，再据此确定所需的数据范围、治理标准、模型能力和评测指标。这样既能避免数据集“为建而建”，也能防止模型开发与业务需求脱节。
从各地实践看，“模数共振”可以沿着四个环节推进。首先，盘点行业和企业数据，摸清数据资源，识别影响模型应用的数据缺口；其次，围绕行业共性需求和细分任务建设行业通识、企业特色数据集；再次，组织行业模型、专用模型和智能体开发，将业务规则、系统接口与模型能力结合起来；最后，通过场景评测和数据回流机制持续更新数据集、优化模型。
在这一过程中，场景既是人工智能（885728）能力的承载对象，也是数据治理和模型迭代的驱动力。模型在合同审核、数据分析、设备运维等任务中的运行结果，可以暴露数据缺失、标准不一致和知识关联不足等问题，推动企业有针对性地补充数据、调整规则和完善知识体系。数据治理因此不再是模型应用之前的一次性准备工作，而是伴随场景运行持续开展的过程。
04
扎根济南、服务全国：浪潮集团全链条支撑“模数共振”落地
作为山东省属国资企业，浪潮集团扎根济南，服务全国，充分依托济南城市资源优势。济南同时拥有国家人工智能（885728）创新应用先导区、国家新一代人工智能（885728）创新发展试验区、国家数据要素（886041）综合试验区、国家工业互联网（885783）示范区四个称号，2026年9月已确认入选工信部“模数共振”行动实施重点城市。
在集团协同层面，浪潮计算机提供多元算力基础设施，覆盖智算超节点、AI服务器、通用服务器及终端设备，面向万亿参数模型训练与推理需求，以高密液冷、超节点等方案支撑大规模模型运行，为“模数共振”筑牢算力底座。浪潮卓数则以“模数工坊”提供工业化数据加工服务，打通多源采集、数据治理、专业标注、质量验证、词元生产、模型微调、智能体落地到场景运营的完整流水线，把多模态原始数据加工为可复用、可计量的数据资产和高质量数据集。算力供给与数据加工在浪潮人工智能（885728）工厂内交汇：算力为数据加工和模型训练提供运行环境，数据工厂为算力注入有意义的计算负载，避免算力空转，也让模型有持续、干净、可追溯的数据可学。
浪潮数字企业（HK0596）面向软件行业和企业经营管理、生产运营智能化领域，面向合同审核、对话式数据分析、矿山关键设备运维等具体场景，构建起了行业专识高质量数据集。这些数据经过知识抽取、标注、图谱构建等知识工程手段加工后，形成“依据可查、过程可核、结果可复验”的语义底座，目前，浪潮数字企业（HK0596）已沉淀高质量数据集累计样本超40亿条、存储量约23.9TB，构建高质量知识库54个（存储3.9TB）、知识图谱库11个，为行业模型、特色智能体和企业服务大模型训练提供坚实数据支撑。
05
重点行业率先破局，打造“模数共振”落地范式
模型与数据协同的价值，最终要落到场景上。以海岳大模型为底座推出商业AI与工业AI智能体（886099）集群，已在财务、供应链、高端装备（885427）、化工（850102）等领域落地，服务中国铁建（HK1186）、东方电气（HK1072）等50余家大型企业，智能服务年调用量达4亿次，一个个可复制、可推广的场景正在验证“模数共振”的实效，对话式数据分析智能体让业务人员以自然语言即可完成数据查询与洞察，内容生成精度较主流开源模型提升20%、结果可用性达95%，已在北京同仁堂（600085）等企业落地；文本内容审核智能体对合同、招投标文件等专业文档开展智能审核，审核效率提升至少90%、错误率控制在5%以内、风险识别率超95%。工业AI面向高端装备（885427）、化工（850102）、生物医药、矿山等行业生产运营场景，在高端装备（885427）领域将关键设备意外停机率降低25%以上。
数据是底座，模型是引擎，场景是落点。随着“模数共振”行动持续深化，更多行业将沿着“数据盘点—数据集建设—模型攻关—场景落地”的路径加速前行，“数据—模型—场景应用”良性互促的循环将加快形成。浪潮数字企业（HK0596）愿与产业各方同频共振、协同共进，为制造强国、网络强国、数字中国建设贡献更大力量。
