工业AI如何落地？工信部最新行动指南来了

金色港湾资讯网 2026-04-28 文末可点击分享

【金色港湾资讯网为您推荐阅读】

2025年，济南重工调试一条地铁线路的盾构机时，工程师耗费整整两周时间，先后调取二十万份历史维修记录，才将设备参数对齐。这不是孤立的事例，制造业存在数据沉睡、模型空转的痛点，长期没有解决办法。4月28日下午，在福州海峡国际会展中心举办的第九届数字中国建设峰会分论坛上，“人工智能产业发展和赋能新型工业化”主题交流活动给出了一组关键回答。工业和信息化部，与中国信息通信研究院，以及浪潮云洲等机构，联合启动了一项名为“模数共振”的行动计划，此行动直接针对的数据与模型“两张皮”这一阻碍前行的难题。

一场迟到但精准的顶层定调

在论坛之上，工信部科技司副司长杜广达明确指出，人工智能为新型工业化赋能时的核心卡点，其本质是两个命题，一个是技术究竟该如何落地，另一个是价值究竟由谁去创造。他所给出的破局思路颇为具体，那便是要夯实统一且权威的工业大模型基准测试体系，而非任由各家自行表述。有一位参会的地方工信系统人士在私下作出评价，称这等同于给行业划定了一条起跑线。

在此同一时间内，杜广达着重特别强调，要去突破化工、装备、电子这三个关键行业里的，“数据 - 模型”相互协同演进的共性技术。从个人观察的角度来看，在此之前的许多AI公司，拿着通用大模型前往工厂去做POC，往往最终都停留在实验室演示阶段，其根本原因就在于，行业的know - how和模型训练所需要的数据无法匹配。这次把行业标签明确打出来，这表明顶层设计已经察觉到，“一刀切”那样的赋能路径是行不通的。

模数共振不再是口号而是文件

由中国信息通信研究院副院长魏亮在论坛上进行透露，有一份名为《关于联合实施 2026 年“模数共振”行动的通知》即将被发布，这个时间点是很值得品味琢磨的，距离专项行动实施意见出台还不到半年时间，配套行动方案就已经落地于福州，政策推进的速度明显比往常要快，魏亮把它概括成“高质量数据－高效能模型－高价值应用”的良性循环。

工业AI如何落地？工信部最新行动指南来了(图1)

论坛现场，还同步发布了《人工智能模数共振研究报告（2026年）》，并且，由焕新社区上线了“方升”大模型基准测试能力。一位长期跟踪工业互联网的分析师告诉我，基准测试能力的公共化，实际上是在迫使模型厂商交出真实成绩单。以往，很多工业大模型声称自己“在产线上准确率高达97%”，然而，测试集、测试环境都不公开，如今，总算有了一套能够横向对比的尺子。

从实验室到大厂三个落地样本

由中科院大连化学物理研究所叶茂所带来的石化化工全链条大数据中心，以及“智能化工大模型”，是当天最为贴近生产线的案例当中的一个。据介绍，该模型已然能够在催化裂化、乙烯裂解等之类的核心装置之上实现参数实时推荐，进而推动低碳化运行。联系到在2025年国内多个石化基地因为能耗超标而被限产，这类模型的价值已经并非是提效，而是能够合于规定地生存。

浪潮集团副总裁、浪潮云洲董事长齐光鹏以济南重工当作样本，呈现出“AI+工业互联网”的双轮驱动样式。盾构机集群的远程运维、故障预测，以往依靠个别老师傅的经验，当下借助工业互联网实时回传数据、大模型自动比对历史故障库，平均故障定位时间从两天缩减到两小时。对我个人来讲，这使我忆起2024年参观另一家工程机械企业时，对方埋怨“花三千万上了模型，数据却仍旧是Excel在管理”——数据底座不稳，模型便是空中楼阁。

中车工业研究院的轨道交通“斫轮”大模型，将触角延伸至全生命周期，据技术研究部副部长咸晓雨讲，该模型已覆盖从设计仿真、生产制造直至运营维护的AI闭环，从普通铁路职工视角看，最直接的感受或许是，以后动车组检修时，系统会主动给出提示，即“第三车厢二号转向架振动异常，建议72小时内检查”，而非依靠人工去翻阅手册。

一个体系两套战略和一份中国方案

来自中国信息通信研究院人工智能研究所的李荪所提出的“模数共振体系”，将高质量数据集、高效能模型、高价值应用这三个圈子勾勒在一起，这听起来颇具抽象意味，然而对比那一天美林数据董事长王璐所发布的“一体两翼”AI战略便能够明晰——所谓体指的是行业数据治理，两翼分别为模型开发平台以及场景应用超市，这与国外那种“先堆积算力、随后寻觅场景”的路径构成了鲜明的反差。

工业AI如何落地？工信部最新行动指南来了(图2)

更具象征意味的是，北京中数睿智董事长韩涵从工业智能体层面提出的“中国方案”。她觉得，中国所具备的优势在于有着全球最为完整的工业门类以及最为丰富的实时数据，然而其短板是数据标准化程度偏低、标注成本偏高。这一判断跟近期欧盟推出的《工业数据空间行动计划》构成了饶有趣味的对比——欧洲在规则与标准方面表现强劲，中国在场景与体量方面占据优势，谁能够率先打通“数据 - 模型”的阻碍点，谁便能够掌控下一代工业智能的话语权。

从试点到规模应用还需三场硬仗

首先，高端对话环节所形成的共识清晰明了，那就是标准化、机制化以及生态化乃是下一阶段的主要攻坚方向。其次，当下国内工业大模型的应用状况，大多仍旧停留在单个工厂以及单条产线的层面，与跨行业、跨区域这种规模化的复制相比，存在着不小的差距。最后，一位参与此次对话的企业负责人在私下的时候坦率表示，最为担心的情况是“对每个行业而言都去构建自身的模型孤岛”，结果最终反而会比现有的IT系统更为割裂。

站在消费者以及投资者的视角来看，这场论坛所释放出来的信号同样地明晰。对于普通用户来讲，要是你发觉家电价格不再频繁地波动，快递配送变得更加准时，汽车召回事件有所减少的时候，背后极有可能便是工业大模型在对供应链进行优化。对于投资者而言，在2026年之后，真正的机会可能并非存在于基础模型厂商那里，而是存在于那些能够提供高质量工业数据集的服务商，能够搭建测试验证平台的服务商，能够进行跨企业数据治理的服务商那里。