八部门工业互联网实施意见解读："模数共振"行动覆盖20行业

2026年7月，工业和信息化部等八部门联合印发《关于推动工业互联网高质量发展的实施意见》（工信部联信管〔2026〕152号），提出到2030年工业互联网核心产业增加值突破2.5万亿元。而在此之前，工信部与国家数据局已于4月28日联合启动2026年"模数共振"行动（工信厅联科函〔2026〕193号），面向制造业20个重点行业，探索"数据—模型—场景应用"良性互促循环的落地路径。

两项政策叠加，构成了当前工业互联网从"建基础设施"迈向"用AI创造价值"的关键转折。据工信部数据，我国规上工业企业人工智能应用普及率已超过30%，人工智能核心产业规模突破1.2万亿元，企业超过6200家。深圳等地同步加码——2026年5月修订AI补贴规则，单项补贴额度达3000万元。政策端的密集发力，正在勾勒一幅从工业AI模型到垂直场景再到环保合规的产业机会图谱。

一、"模数共振"：理解工业互联网的新范式

什么是"模数共振"？

"模"是人工智能模型，"数"是行业大数据，"共振"是二者互相增强的循环机制。传统模式下，企业先采集数据、再训练模型、最后上线使用，链路到此终止。"模数共振"的核心逻辑是双向闭环："以模引数"——依靠模型运行需求反向规定数据标准，倒逼数据治理；"用数赋模"——高质量数据集驱动模型持续迭代，应用过程产生的反馈数据又反哺数据集建设。

赛迪智库信息化与软件产业研究所相关负责人表示，"模数共振"建立了一个动态、持续、闭环的反馈与进化系统，使模型能够深度融入并适应工业场景的复杂性和多变性。其核心价值体现在四个方面：让AI模型更贴合实际业务机理、动态适配场景变化、缩小模型应用偏差、实现场景快速复制推广。

与"人工智能+"行动的差异

"人工智能+"行动侧重技术赋能和平台建设，属于面上的覆盖。而"模数共振"聚焦"数据-模型-场景"的闭环，要求每个行业、每个场景拿出可复制的解决方案，属于"精准滴灌"。两者形成互补："人工智能+"解决方向性问题，"模数共振"解决落地路径问题。

二、20个重点行业与七大核心任务

覆盖范围

"模数共振"行动覆盖的20个重点行业或领域包括：钢铁、石化化工、有色金属、建材、煤炭、工业母机、汽车、医疗装备、电力装备、船舶、航空航天、家居、医药、生物制造、历史经典、电子元器件、消费电子、新型显示、软件、信息通信、网络安全。几乎涵盖了中国制造业的核心版图。

行动要求各省级地区至少选择3个重点行业确定行动范围，每家央企至少选择1个。同时需选择人工智能产业基础较好、数据资源丰富的城市作为重点实施城市。

七大核心任务

三、工业互联网实施意见的全局框架

八部门联合印发的《关于推动工业互联网高质量发展的实施意见》为"模数共振"提供了基础设施底座。意见提出到2030年的核心量化目标：

• 建设5万张工业5G专网
• 打造5个左右具有国际影响力的综合型工业互联网平台
• 融合应用实现207个工业中类全覆盖
• 重点行业规上工业企业安全分类分级普及率达到80%
• 核心产业增加值突破2.5万亿元

意见围绕七大方面部署：夯实融合基础设施底座（网络、标识）、深化平台赋能（5万张工业5G专网、平台体系）、拓展融合应用广度深度（207个工业中类全覆盖）、推进数据要素价值释放、提升安全防护能力、培育协同合作产业生态、强化要素资源保障。其中，"推进数据要素价值释放"直接为"模数共振"行动提供了数据治理的制度基础。

四、产业机会图谱：谁先受益？

机会一：工业软件与系统集成商

"模数共振"行动要求场景落地，而真正将AI技术装进工厂现有系统的，是系统集成商。这类企业手里有场景、有渠道、有客户基础，订单兑现速度较快。工业MES（制造执行系统）、SCADA（数据采集与监视控制）、数字孪生平台等方向是确定性较高的受益领域。

以宝信软件为例，背靠宝武钢铁集团，2026年7月发布了"AI+钢铁"白皮书，搭建了覆盖炼铁、炼钢、轧钢全工序的AI落地体系，并推出了工业视觉大模型平台。这类企业的模式具有行业复制潜力。

机会二：数据治理与标注服务

高质量行业数据集是"模数共振"的基础。每个行业需要建设至少5个通识数据集，每个高价值场景需要至少1个专识数据集。全国20个行业、每行业30+场景的数据量意味着数据治理和标注服务将迎来规模化需求。

不过，数据整合周期较长，企业数据分散在不同部门和系统中，短期内订单爆发力可能弱于系统集成商。

机会三：工业边缘计算与AI芯片

"云-边-端"模型体系的部署需要本地化推理算力。"模数共振"行动推动的专用模型和智能体需要在产线侧部署，这将拉动工业边缘计算设备和AI推理芯片的需求。

机会四：轻量化AI解决方案

中小企业在"模数共振"体系中将主要通过公共平台和轻量化方案参与。推广"AI即服务"（AIaaS）模式，按场景订阅收费，将一次性大额投入变为按年、按月的运营支出——这一模式为服务商开辟了新的商业空间。

五、地方跟进：深圳单项补贴达3000万

在政策传导链条上，地方配套是关键一环。深圳在2026年5月修订了AI补贴规则，力度在全国处于前列：

• AI领域单项补贴额度达3000万元
• 企业采购AI模型服务的补贴门槛从100万元降至50万元，让更多中小企业能够参与
• 各区叠加配套：福田区企业采购智能算力资源补贴合同额比例达30%、上限500万元；南山区设立5亿元战略直投专项基金，对AI初创企业给予领投支持；龙华区对AI应用场景落地项目按投入的20%给予揭榜方资助达400万元

深圳的政策设计呈现出"市级大额牵引+区级精准配套"的格局。对于工业AI服务商而言，深圳既是试验场也是标杆输出的起点。

六、从政策到订单的传导节奏

政策发布到订单落地存在传导时滞。参考2018-2020年工业互联网政策的传导经验：龙头企业通常在政策发布后9至12个月出现订单明显增长，中小企业滞后18个月以上。

"模数共振"行动的传导路径预计类似：

• 文件发布后3-6个月：地方配套细则出台
• 6-12个月：企业申报和招标落地
• 12-18个月：项目验收与付款

关键变量包括地方政府财政实力、企业数字化基础、行业场景的成熟度。具备标杆案例和行业know-how的集成商大概率率先受益。

七、落地瓶颈与突破路径

四大真实瓶颈

行业壁垒高。工业AI不是通用方案的简单移植。以视觉质检为例，光照变化、设备震动、工况差异等因素导致每个产线的方案都需要大量定制化调参，单场景成本远超预期。

回本周期长。垂直行业AI项目从投标到验收确认收入，平均回本周期2-3年。中小企业倾向短期见效的轻量方案，对大型项目投入谨慎。

数据共享难。企业担心核心生产数据外泄，数据确权和利益分配机制尚不完善，跨企业的数据协作推进缓慢。

复合型人才短缺。既懂工业工艺又掌握AI技术的复合型人才稀缺，算法团队不熟悉生产流程、工程师不具备AI开发能力的问题普遍存在。

四条突破路径

路径一：从"卖方案"到"卖服务"。推广AIaaS模式，按场景订阅收费，降低企业前期资金压力。

路径二：标杆先行、快速复制。集中资源打造标准化标杆场景，形成可"零修改"迁移的解决方案，降低二次开发成本。

路径三：建设"模数共振"空间。通过隐私计算、联邦学习等技术实现"数据可用不可见"，破解数据共享难题。行动要求每省建设至少3个"模数共振"空间，逐步打造为"智能体工厂"。

路径四：培养"行业AI教练"。鼓励企业设立AI落地专岗，高校开设"AI+行业"交叉学科，培育懂工艺、懂算法的复合型人才。