一篇深度解读，看懂 2026 年最值得关注的产业政策新词——"模数共振"

一份没什么人看完的红头文件

2026 年 4 月 28 日下午两点十九分，工信部官网"政策文件"栏目悄悄上了一份新通知。

第二天上午第九届数字中国建设峰会在福州开幕，工信部科技司负责人在台上反复念这四个字。当天下午，"模数共振"上了百度热搜。一家叫三维天地（A 股 301159）的公司股价一度涨停，公告说要"以六大能力体系全面投身'模数共振'行动"。一家叫融信数联的非上市公司被几十家媒体围采，因为它在 2019 年就提出过"智能体图谱"，被解读为"模数共振空间的雏形"。再过几天，钢铁、化工、有色、汽车、电力装备的协会和龙头企业一份份发声明、一场场开内部会，主题都一样：怎么进 2026 年"模数共振"行动名单。

奇妙的是——"模数共振"这个词，在 2025 年 12 月 25 日之前的整个中文互联网上几乎不存在。它不是从产业界自下而上长出来的，是一份政府文件直接发明出来、然后用政策推力砸进整个工业-AI-数据生态的"新词"。

更奇妙的是，它砸下去之后没有反弹回来。产业界没抱怨"又一个口号"，反而在两周内迅速形成共识：这事是真的，得做，还得抢。

那么问题来了：一个新造出来的政策名词，凭什么让从央企到上市公司都自动列队？它背后锁着什么真实的产业焦虑？

一切要从"灰飞轮"说起

要理解"模数共振"为什么突然出现，你得先知道 2024–2025 年中国央企 AI 圈集体掉进的那个坑。

2024 年 2 月 19 日，国务院国资委召开"中央企业人工智能专题推进会"，明确要求中央企业开展"AI+ 专项行动"。一年下来，到 2024 年第四季度，央企已发布或合作建设的大模型超过66 个：中国电信"星辰"、中国移动"九天"、国家电网"光明"、中石化"石化智云"、宝武"宝联登"……发布会一场接一场，PPT 一份比一份炫。

但 2024 年底好几家咨询机构暗访得出一个尴尬的结论：

95% 以上的央企行业大模型，日活调用量低于 1 万次。

70% 在示范车间或示范项目之外几乎没有真实落地。

业内给这个现象起了个特别贴切的名字——"灰飞轮"。

灰，是因为飞轮的图画好了，但轮子转不起来。最致命的问题不是模型不够大，也不是数据不够多，是没有反馈闭环。

举个真实场景：钢铁厂高炉操作大模型推荐了一个加焦量参数，操作师傅照做了。但这次操作的实际效果——炉温变化、铁水成分、能耗指标——有没有反喂回模型，去优化下次决策？

2024 年底的实地调研里，几乎所有项目的答案都是：没有。

数据是单向流动的：设备 → 模型 → 决策。但决策结果到效果数据再回到模型，这一环 95% 的项目里都断了。模型在转，数据也在转，但二者没耦合，转得越久越像两台各自空转的电机。

这个问题在 2024 年下半年讨论得非常充分，但一直没有一个能让监管、产业、学术三方都接受的统一名词。有人叫它"工业 AI 的最后一公里"，有人叫它"行业大模型的死亡之谷"——都不够顺口。

"模数共振"这个名词，本质上就是为了命名这个问题而被造出来的——在命名问题的同时，给出解决方向。

一个新词的诞生：从"国务院意见"到"两部门通知"

把时间线倒推回去，"模数共振"不是凭空冒出来的。它是三条平行政策线在 2025 年最后一周的交汇产物：

AI 战略线：2017《新一代 AI 规划》→ 2024 央企 AI+ → 2025.8 国务院《关于深入实施"人工智能+"行动的意见》

制造业线：2015《中国制造 2025》→ 2018-22 工业互联网 → 2025.12《"AI+制造"专项行动实施意见》

数据要素线：2020 数据入要素 → 2022"数据二十条"→ 2023 国家数据局成立 → 2025 数据要素 X 行动

三条线在 2025 年下半年第一次出现"完全同步"——这也是"模数共振"得以诞生的政策温床。

关键节点是 2025 年 12 月 25 日——工信部联合中央网信办、发改委、教育部、商务部、国资委、市场监管总局、国家数据局八部门印发《"人工智能+制造"专项行动实施意见》。在这份文件里，"模数共振"这个词第一次正式、白纸黑字、登上中文政策语境。

原文表述非常精确：

"考虑到制造业门类多、场景多，对大量行业专用模型和工业智能体有迫切需求的特征，专项提出开展'模数共振'行动，推动人工智能模型与数据资源协同互促、同频共振，进而形成'行业模型赋能应用实践、应用实践产生场景数据、场景数据优化行业模型'的良性飞轮。"

这段话里藏着三个值得品的细节：

第一，"模数"两个字的精炼。"模"= AI 模型，"数"= 工业数据，"共振"借用物理学耦合谐振概念。这是典型的中国政策造词工艺——延续了"两化融合""双碳"的造词逻辑：短词越短，越容易被基层执行者反复念出来。

第二，"飞轮"第一次写进部委文件。链条是线性的（数据→模型→应用），飞轮是循环的、能自我增强。链条只是物质的传递，飞轮才有复利。这是中国政策语言越来越精确的一个体现——以前喜欢用"全链条""上下游"这种链条隐喻，这次主动选了飞轮。

第三，"行业模型"和"工业智能体"明确并列。行业模型是基础底座（学过整个行业知识的"研究生"），智能体是上层应用（能在具体岗位独立工作的"工程师"）。

到了 2026 年 4 月 24 日，工信部和国家数据局联合签发那份正式的《行动通知》——这就是模数共振从"概念"到"工程目标"的临门一脚。

七项重点任务：把飞轮拆解成可考核的工程

通知文本不长，但每个细节都经过反复打磨。七项重点任务的颗粒度在中国政策文件里相当罕见：

这套设计最值得说的是任务三和任务四。

任务四"模数共振空间"是最重的一项，远景目标是"逐步打造为智能体工厂"——这个意象当天就出圈，可能是整个通知里最具传播力的词。它本质上要建一条"批量生产智能决策方案的流水线"。

任务三"评测体系"看起来最不显眼，但它是整套体系的命门。前几年央企大模型转不起来，很大原因是没有客观评测——模型方说自己 95 分，业务方说"用不上"，吵了几年没结果。这一任务的潜台词是要做出中国版的 MMLU 和 SWE-Bench。

实施节奏写得很死：5 月 30 日前各地报方案，8 月 30 日前报阶段性总结，11 月 30 日前报年度总结。整个 2026 年是一个 7 个月强节奏的政策周期。

几个值得品的设计细节

为什么是工信部 + 国家数据局两家联合发文？

这是模数共振政策结构里最值得品的设计。

如果只工信部发文，就是一份单纯的产业政策——影响力局限在制造业层面。但加上国家数据局，这份文件就跨上了"数据要素"这条新基建——它能调用《"数据二十条"》以来铺设的全部数据基础制度（数据交易所、数据资产入表、可信数据空间等）。

两个部门联手等于给"模数共振"装上了双发动机：一个是产业牌照引擎，一个是数据要素引擎。

为什么是 2026 年 4 月，不是更早或更晚？

这是赶在央企 AI 落地考核周期之前。

2024–2025 年是央企 AI 的"建设期"，2026 年开始进入"考核期"。但前面我们讲了，到 2025 年底是"灰飞轮"状态，如果不解决数据-模型耦合的根本问题，2026 年的考核会出现"普遍交不出像样答卷"的尴尬。

模数共振行动事实上是给央企 AI 提供了一份"答题模板"——不仅告诉你考什么，还告诉你怎么准备。这种"政策提供解题路径"的设计精度，比"双碳""专精特新"那时候又高了一档。

为什么硬指标设那么具体？

"每省≥3 行业、每行业≥5 个数据集、≥1 个模型、≥30 个场景"……这种颗粒度的好处是完全可考核——年底能不能交差一目了然；坏处是容易倒逼凑数。工信部内部清楚这个权衡，所以才有任务三的评测体系作为质控手段——评测是给硬指标兜底的。

当全球都在搞"AI+制造"

把视野拉到全球，"AI+制造"是所有主要工业国都在搞的命题。但每个国家的进入路径完全不同：

四个对手各有一句话总结：

德国是协议派——先把"数据怎么交换"用统一标准框死，再让 AI 在标准化数据基础上跑。Catena-X 是全球第一个真正大规模运营的产业数据空间，但启动 3 年至今"基础设施很到位、跑出来的大型 AI 应用还不多"。

欧盟是立法派——用 GDPR、Data Act、AI Act 四部硬法搭起 AI 数据生态地基。法律输出能力世界第一，但 AI 模型层完全是世界第三梯队（2025 年全球 Top 50 大模型里欧盟占 4 个，美国 28 个，中国 14 个）。

美国是市场派——没有官方"工业数据空间"，企业之间靠商业合同。技术深度全球第一（OpenAI、Anthropic、Google DeepMind 都在美国），但美国制造业 AI 渗透率只有 17%，反而落后于德国 24% 和中国 21%——AI 模型最强的国家，AI 工业应用未必最强。

日本是失意派——2017 年安倍提出 Connected Industries 时概念非常前瞻，但日本企业文化"慎重决策、慢慢推进"那一套，在 AI 这种 6 个月一代的领域是致命伤。9 年下来基本掉队。

模数共振占据的位置是"快速度 × 高密度"的极值象限——比德国快、比欧盟硬、比美国系统、比日本年轻。

短期红利明显：在全球 AI+ 制造的赛跑里，中国能用最快的速度把"行业大模型 + 工业数据 + 智能体"这三件事推到落地。预计 2026 年底中国会有一批可工作的行业模型和智能体工厂出现，而欧盟同期还在搭法律地基、日本已经掉队、美国还在让市场自己摸索。

但代价也明显：当中国 31 个省、20 个行业各自都建好"模数共振空间"后，很可能出现 60+ 个互不兼容的工业数据空间——这是德国 5 年前就预想到、所以选择"先标准后建设"的隐患。中国选了相反的路径，速度更快但要为此承担长期协调成本。

6 个综合判断

把纵向 10 年的故事和横向 5 大路径捏在一起，给出 6 个综合判断：

模数共振是一个"概念创新 ≥ 技术创新"的政策事件。

它没有创造新算法、新硬件、新数据治理方法，做的是把已有元素重新组合并命名。"模数"是新词，"飞轮"是新喻，"智能体工厂"是新意象，但具体技术构件都不新。这种"概念创新驱动技术整合"是政策创新的高阶形态——政策的价值不在于做新东西，在于把旧东西用新的逻辑组织起来。

2. 命门在"评测体系"。

七项任务里看起来最不显眼的是任务三，但它决定了前两项成果是不是"自说自话的清单"——这是工业互联网平台和央企 AI+ 失败的最大原因。2026 年下半年最值得关注的是评测基准能不能立住——而不是哪个省做了多少个数据集。

3. 真正的"敌人"是历史的惯性。

不是德国、不是美国——而是中国制造业自己过去 30 年形成的两种深层惯性：

"数据是企业资产，不能给别人"的私权惯性——会让"跨主体数据汇聚"难以推进

"政策完成就是任务完成"的形式化惯性——会让模数共振空间沦为"挂牌仪式 + PPT 工程"

打破惯性光靠两份文件不够，需要在配套机制上做长期建设。模数共振的成败不在 2026 年，在 2026–2028 年这套配套能不能跟上。

4. 最大的赢家不会是今天的明星企业。

中国每一次产业政策大动作，最终的赢家都不是政策出台时被市场追捧的"概念股"，而是政策跑通 2–3 年后浮出水面的"实干派"。三维天地、信达科技、融信数联这些 2026 年 4 月被市场炒作的名字，到 2028 年大概率不会是赛道头部。

真正的赢家可能藏在三类对象里：

• 某家行业模型公司在 2027 年突然跑出商业化拐点（垂直行业的隐形冠军）
• 某家"模数共振空间"运营商成长为千亿规模新基建公司（华为云、阿里云、电信天翼云的工业云分支）
• 某家算力 + 数据 + 模型 + 应用四合一的全栈玩家（华为、海康威视、徐工汉云等）

5. 模数共振最深远的影响可能不在制造业本身。

最大的潜在影响是给中国 AI 治理打了个"样板"。如果"模型 + 数据"在制造业的飞轮模型可以跑通，那么医疗、金融、能源、农业、教育、政务都能跑通。

2027 年我们可能会看到"医数共振""教数共振""能数共振"……模数共振的真正价值，可能是给中国 AI 治理提供了一个"可复制的范式标本"。

6. 给"灰飞轮"亮起来留出窗口期，但不要过早断言成功。

我对 2026 年 11 月第一份成绩单的概率分布判断是：

50% 概率部分跑通——出现 3–5 个真实的飞轮案例

35% 概率形式化交差——清单完成但飞轮不转

15% 概率全面跑通——飞轮普遍转起来

中位数情景（部分跑通）对中国 AI+ 制造已经足够好——它会孵化出第一批真实的工业 AI 标杆，为下一代政策提供素材。

那台飞轮，已经开始接电

工信部官网政策栏目里那份悄然上线的通知，标题里那个新造的词——构成了 2026 年春天中国产业政策最值得记录的一个微观事件。

但事件本身不是重点。重点是：为什么是这个词、这两个部门、这套打法、在这个时间出现？

10 年前埋下的种子（中国制造 2025），9 年前定下的方向（新一代 AI 规划），8 年前发生的工业互联网试错，6 年前确立的数据要素制度，4 年前开始的大模型革命，2 年前开始的央企 AI+，半年前国务院定调的"AI+"意见，3 个月前八部门发的"AI+制造"专项——所有这些铺垫，在 2026 年 4 月 24 日那份签发文件上汇聚成"模数共振"这四个字。

它不是凭空发明，是十年积累的命名。

它能不能真的让那台叫"中国工业 AI"的飞轮转起来？2026 年 11 月有一部分答案，2027–2028 年有更大部分答案，2030 年前后中国能不能跑出 3–5 家全球级别的工业 AI 标杆案例里有最终答案。

但有一点是相对确定的——从 2025 年 12 月 25 日起，中国"AI+ 制造"已经从"是否要做"的问题，变成了"怎么做、做多快、做多深"的问题。

那台飞轮，4 月 28 日开始接电。它转得快还是慢、稳还是抖、最终能不能成为中国制造业的核心动力，还需要至少 36 个月才能看清楚。

但它已经开始转了，剩下交给是时间。

*本文主要数据来源：工信部、国家数据局、国务院公开发布的政策文件原文（含工信厅联科函〔2026〕193 号、工信部联科〔2025〕279 号、国发〔2025〕25 号）；中国信通院、亿欧智库、麦肯锡相关研究报告；新华社、人民日报、第一财经等媒体公开报道。报告中关于央企"灰飞轮"现象的具体比例为业内多方调研口径汇总；关于未来趋势的判断为作者基于现有政策与产业信号的推断，不构成投资建议。*