一份文件背后的产业逻辑重构
2026 年 4 月 28 日，一份编号为「工信厅联科函〔2026〕193 号」的文件悄然印发。发文单位是工业和信息化部办公厅和国家数据局综合司，主送对象是各省级工信部门、通信管理局、数据管理部门和中央企业。文件标题是《关于联合实施 2026 年模数共振行动的通知》。
如果只看标题，这似乎又是一份常规性的部门通知。但细读全文，你会发现这份文件背后的产业逻辑正在发生深刻重构——它不再把 AI 模型和数字数据当作两个独立的产业赛道，而是明确要求两者「协同互促」，用模型拉动数据价值释放，用数据反哺模型能力迭代。
这种思路的转变，实际上触碰到了中国 AI 产业发展中的一个核心痛点：我们有全球最丰富的应用场景和最大的数据存量，但高质量行业数据集的匮乏，始终是制约专业模型能力突破的瓶颈。「模数共振行动」的本质，就是要用政策手段打破这个瓶颈。
七大任务：一场精心设计的产业实验
通知中明确了七大重点任务，这七大任务构成了一个完整的闭环：建数据集→打造模型→凝练场景→构建评测体系→创建共振空间→组建创新联合体→完善生态配套。这个设计思路，明显吸收了过去几年 AI 产业化的经验教训。
第一大任务「构建行业通识数据集，打造行业模型」，要求每个省级地区至少选择 3 个行业、每家央企至少选择 1 个行业进行深度布局。这里的关键词是「通识数据集」——它不是某个企业独有的数据，而是整个行业可以共享的基础数据资源。这种模式如果能跑通，将从根本上降低中小企业利用 AI 技术的门槛。
第二大任务要求每个行业凝练不少于 30 个高价值场景档案，每个场景构建不少于 1 个高质量专识数据集，打造不少于 1 个专用模型或特色智能体。这里的逻辑是：通用大模型解决不了行业的具体问题，必须有针对性地 build 专用模型和智能体。「30 个高价值场景」这个量化指标，体现出政策设计者对产业化落地路径的深入思考。
「模数共振空间」：一个值得关注的新概念
第四大任务中出现了「模数共振空间」这个新概念，要求每个省级地区建设不少于 3 个，每家央企建设不少于 1 个。按照文件定义，这些空间将打造为承载跨主体数据汇聚和模型训练的软硬件基础设施，最终逐步演变为「智能体工厂」。
这个概念的提出，实际上是在探索一种全新的产业组织形态。传统的产业园区，聚集的是企业和产能；而「模数共振空间」聚集的是数据、算力、模型和开发者。它更像是一个 AI 时代的「创新工场」，只不过这次聚焦的不是移动互联网时代的 App，而是 AI 智能体。
从政策设计来看，「模数共振空间」借鉴了工业互联网平台和数据交易所的经验和教训。工业互联网平台的问题在于，很多企业不愿意把核心数据放到第三方平台上；数据交易所的问题在于，数据权属界定不清导致交易活跃度低。「模数共振空间」试图在保护数据主权的前提下，实现数据价值的跨主体释放，这个平衡点的把握，将直接决定政策的效果。
时间表的背后：急迫感与节奏感的平衡
通知中明确了三个关键时间节点：2026 年 5 月 30 日前报送实施方案，8 月 30 日前报送阶段性总结，11 月 30 日前报送行动总结。这种「5 月定方案、8 月看进展、11 月做评估」的节奏安排，既体现了政策的急迫感，也保留了必要的节奏感。
急迫感来自哪里？来自全球 AI 竞争的激烈程度。2026 年，美国的人工智能产业链在算力、芯片、基础模型等核心环节仍然保持领先，欧洲则在 AI 监管规则制定上抢占先机。中国要想在 AI 领域实现弯道超车，「窗口期」可能比很多人想象的更短。
但节奏感同样重要。AI 产业化的难度，远远超出当初的预判。技术不成熟、数据质量差、人才短缺、商业模式不清晰，这些问题都不是靠政策文件就能短期解决的。5 月定方案、8 月看进展的安排，实际上给了各地和各央企一个「边干边调整」的缓冲空间。
对产业格局的深远影响
「模数共振行动」的启动，将对中国 AI 产业格局产生深远影响。短期来看，直接参与行动的地区和企业，将获得政策倾斜和资源支持，在算力建设、数据获取、模型训练等方面获得先发优势。
中期来看，行业专用模型和智能体的大规模涌现，将重塑企业级 AI 市场的竞争格局。过去，这个市场主要由几家头部大模型厂商主导；未来，深耕特定行业的中小企业，有望通过「模数共振空间」获得与头部厂商同台竞技的机会。
长期而言，如果「模数共振行动」能够成功探索出一条「数据共享、模型协同、价值共享」的产业路径，中国 AI 产业将建立起区别于美欧的差异化竞争优势。这种优势不是建立在芯片制程或基础算法的领先上，而是建立在对产业场景的深度理解和快速迭代能力上。
当然，所有这些判断都建立在政策能够有效落地的前提下。而从过去几年的经验来看，跨部门、跨地区的政策协同，始终是中国产业政策面临的最大挑战之一。「模数共振行动」能不能打破这个魔咒，2026 年 11 月的整体评估，将给出第一份答案。
