川观智库研究员 黄爱林
随着人工智能与实体经济融合日渐加深，模数协同的重要性越发凸显。近日，中国信息通信研究院联合中车工业研究院有限公司发布《人工智能模数共振体系研究报告（2026年）》。报告首次系统定义“模数共振”概念，阐述其三大核心要素，并提出具体落地建议。当人工智能与实体经济持续深度融合，AI将进化成实实在在的生产主力。
“模数共振”是指建立数据质量提升与模型优化的协同联动及闭环迭代机制，核心是实现“以模引数、用数赋模”良性循环：一方面，数据动态适配模型需求；另一方面，模型输出反哺数据质量提升。该体系旨在通过数据全流程治理，夯实大模型能力，破解AI训练中数据量不足、质量参差不齐、场景适配性差等瓶颈，为产业智能化升级提供关键支撑。
报告指出，实现真正的模数共振，离不开三大核心要素协同发力。首先是高质量数据集，它被形象地称为模型的“高能燃料”。这类数据集不再是简单的信息堆砌，而是具备高技术含量、高知识密度和高效益场景特征——例如通过智能标注和合成数据技术生成，融合了行业机理与专家经验，并且重点覆盖极端天气、罕见故障等长尾场景。其次是高效能模型，它追求高算效比、高泛化性和高鲁棒性。换句话说，模型既要“聪明”到能用更小的参数干更大的事，又要能快速适应新任务、扛得住噪声和干扰，从而在云端和边缘设备上都跑得稳、跑得好；最后是高价值应用，这是模数共振落地的出口。它强调场景刚需化、价值可量化和产业深度化，聚焦制造、医疗、交通等领域的真实痛点，让AI变成实实在在的生产主力。
最后，报告为推动模数共振落地提出四个方面的建议。一是统筹建设行业数据与模型，分行业整合数据，构建“通识数据集+专识数据集”，相应培育“行业大模型+特色智能体”，实现分层精准赋能；二是完善模型性能评测机制，构建覆盖多维度、分行业的评测标准与数据集，强化评测结果对数据集优化的指导，形成“评测—优化—提升”闭环；三是建立生态协同机制，打造“模数共振空间”等创新载体，研发支持跨主体数据与模型协作的软硬件基础设施，并制定相应管理规则，破解数据孤岛与信任难题；四是强化关键要素保障，聚焦算法、数据工程等核心技术攻关；积极参与相关标准制定；搭建产业交流平台；培养跨学科复合型人才。
【未经授权，严禁转载！联系电话028-86968276】
