德勤工业AI系列文章：“模数共振”是真正的胜负手！

来源：市场资讯

编者按：“智库观察”栏目从本期开始推出工业AI系列文章，紧扣工信部“模数共振”行动议题，为制造企业加速落地AI提供参考与启发。第一篇解析政策和产业趋势，回答为什么工业AI不能停留在“大模型热”和“试点泡沫”；后续几篇将分别解析四类“共振”，即业务与AI、数据与知识、大模型与小模型、模型与数据，结合德勤AI实践案例，讨论制造企业如何把AI嵌入生产、经营和组织，形成新质生产力。

2026年4月底，工业和信息化部办公厅、国家数据局综合司公开发布《关于联合实施2026年“模数共振”行动的通知》（工信厅联科函〔2026〕193号）。这份行动通知释放出明确的产业信号：工业AI的发展重心，正在从单一模型能力建设，转向数据、模型与场景应用的协同演进。它为工业AI下一阶段的规模化落地，指明了更加系统化、工程化的发展方向。

《通知》明确提出，要推动人工智能（AI）模型与数据资源协同互促、同频共振，面向钢铁、石油化工、有色金属、工业母机、汽车、医疗装备、电子元器件、消费电子、软件、信息通信、网络安全等重点行业，构建高质量数据集、行业模型、专用模型和特色智能体，到2026年底基本形成“数据-模型-场景应用”的良性互促循环。

工业AI旨在激活工业生产中的实时数据，结合机理知识，通过大小模型结合的方法，重塑工业生产范式，帮助工业企业实现智能化转型，具备广泛应用场景。

研发端，典型场景包括产品方案生成、工艺路线推荐、材料配方优化、仿真参数寻优和研发知识检索，帮助企业缩短设计验证周期、提升工艺可制造性。

在生产端，典型场景包括工艺参数智能优化、质量视觉检测、设备预测性维护、智能排程、能耗优化和安全风险预警，目标是提升良率、减少停机、稳定产能并降低风险。

在供应、销售和服务端，工业AI可以用于需求预测、库存与采购优化、供应风险预警、智能报价、备件预测、远程诊断和售后知识助手，帮助企业提升供需协同效率和客户响应能力。

工业AI落地的困局

近年来AI技术发展迅猛，GPT、DeepSeek 等大语言模型在自然语言领域成果斐然，但落地到工业制造的实际生产场景时，受场景复杂、知识壁垒、落地适配等因素影响，始终难以突破试点局限，无法形成规模化应用与商业价值。主要症结如下：

数据困境

多数制造企业手握TB级数据，却没能打造出可用的数据海洋，反而陷入数据沼泽。海量数据里，95%都属于无效、冗余或残缺内容。同时数据标准各异、系统互不连通，数据孤岛问题突出。这类低质量数据无法为AI应用提供有效支撑，严重制约数据价值挖掘，是企业智能化升级亟待破解的第一道难关。

模型困境

通用大模型落地工业场景普遍水土不服，能力与现场诉求难以匹配。其优势集中在自然语言处理、问答与内容创作，而工业现场对判断准确率、运行稳定性、过程可解释性、全链路可追溯性有着硬性要求。通用模型缺少行业深度适配，难以契合生产管控标准，极大制约了工业智能化的推进速度。

规模化困境

目前AI应用呈现明显的不均衡状态，各类试点验证项目遍地皆是，精致的“盆景”随处可见，却迟迟培育不出规模化应用的整片“森林”。不少PoC项目完成演示后便止步不前，难以跨产线、跨车间复制落地。缺少统一的实施方法论与配套保障机制，让优秀试点无法转化为全域能力，成为工业AI大规模普及的一大桎梏。

模数共振是工业AI的工程答案

针对上述问题，国家在4月28日给出了模数共振的指导思想。所谓模数共振，指的是让业务场景牵引数据治理，让高质量数据驱动模型进化，让模型反过来重塑数据价值，并通过本体、知识和运营闭环持续迭代，形成“数智飞轮”的良性循环。旨在打破上述AI与业务的割裂，模型与数据的割裂，以及试点与规模化的割裂。

结合德勤人工智能卓越中心（CoE）的AI实践经验，我们将“模数共振”的指导思想进行了拆解，包含：业务与AI共振，数据与知识共振、大模型与小模型共振、模型与数据共振。四大共振缔造从知识沉淀到业务价值的递进耦合体系。

业务与AI共振

即场景为先，以AI原生视角切入业务全流程，精准挖掘升级方向或差异化目标厘清高优先AI场景，基于AI技术重构企业应用蓝图，满足价值收益确定性。

模型与数据共振

数据驱动模型进化，模型重塑数据价值，形成“数智飞轮”的迭代循环，满足持续优化确定性。

大模型与小模型共振

围绕工业现场对确定性、稳定性和可追溯性的要求，构建基于大小模型结合的“全局感知-统筹调度-实时决策-闭环反馈”的企业智慧大脑，实现预测、诊断、控制和复杂推理的协同，满足应用精度确定性。

知识与数据共振

即高质量数据集，立足业务本体将结构化数据与非结构化工艺或经验进行语义融合，通过数据、模型决策、执行三位一体，打破“数据缺少知识指引，知识脱离数据支撑“的困局，满足经验资产确定性。

图：AI制造业落地四大共振：从知识沉淀到业务价值的递进耦合体系

递进逻辑：知识沉淀→模型协同→数智飞轮→业务价值｜每层双向耦合，上层驱动方向，下层支撑实现

德勤工业AI实践：

某化工企业的工艺优化项目

在某化工企业AI+试点项目中，团队围绕关键产品良率提升和换产过程稳定性优化，构建了“数据-知识-模型-场景”闭环能力。项目以质量异常预警、根因精准定位和工艺参数优化为核心场景，打通生产现场DCS、LIMS等系统数据，结合时间序列模型、根因分析模型和物料平衡级联模型，实现产品质量实时软测量、异常分钟级定位和工艺参数智能推荐；同时通过AutoML与基于大模型的处置策略引擎，推动模型与工艺知识库在线更新，辅助人工处置闭环异常工况。

试点实施后，关键产品良率提升约4%，换产工况切换时间明显缩短，质量风险实现提前干预，首期年化收益测算达数百万元，验证了“模数共振”在化工生产场景中的实际经济价值。

结语

“模数共振”政策落地，标志着工业AI全面进入规模化应用新阶段。德勤凭借多年深耕各行业的咨询经验，深谙工业领域专属业务逻辑与AI 规模化落地完整方法论，我们将聚焦装备制造、化工、医药等多个重点行业，积极推动工业AI的规模化落地实践，打造AI+制造的生产力新范式。

下期预告

接下来，本系列会沿着“模数共振”的四个关键问题继续探讨：

• 业务与AI共振：如何从经营目标出发识别高价值AI场景？

• 模型与数据共振：为什么有数据不等于有模型，如何构建数智飞轮？

• 大模型与小模型共振：工业现场为什么不能只迷信大模型？

• 知识与数据共振：如何把工艺经验、设备机理和专家知识变成组织能力？

德勤中国是一家立足本土、连接全球的专业服务机构，包括在中国内地、香港、澳门的多家专业服务实体，由德勤中国的合伙人共同投资、独立自主管理和运营。

作为一家具有全球品牌“德勤”并连接全球专业网络的本土企业，德勤中国始终以卓越的专业能力、丰富的行业洞察和智慧的技术解决方案，助力国有、民营和外资跨国企业把握机遇，应对挑战，实现世界一流的高质量发展目标。

业务垂询，敬请联络：

尤忠彬

德勤咨询人工智能卓越中心主管合伙人

邮箱：zhyou@deloittecn.com.cn

王鹏

德勤咨询人工智能卓越中心合伙人

邮箱：wangpeng@deloittecn.com.cn