北京
中经记者 石健 杭州报道
随着算力基础设施持续完善、基础大模型与开源算法快速演进，人工智能正加快由通用能力向产业深处延伸。与此同时，AI进入生产、研发和经营等核心环节后，对产业数据的质量、合规性、可信度和持续供给能力提出了更高要求。产业数智化的关注重点，也正在由单一技术能力供给，进一步转向数据、模型与场景应用的协同演进。
杭州金智塔科技有限公司（以下简称“金智塔科技”）相关负责人在接受《中国经营报》记者采访时表示，金智塔科技联合浙江大学打造“智涌”模数共振空间，探索以可信数据为基础、以行业场景为牵引的数据与人工智能协同运行机制。
从“可信流通”走向“模数共振”
2026年4月，工业和信息化部、国家数据局联合印发《关于联合实施2026年“模数共振”行动的通知》，提出到2026年年底基本形成“数据—模型—场景应用”良性互促的循环。这一部署进一步凸显了高质量可信数据在产业智能化进程中的基础性作用。
在多位行业人士看来，没有可信、合规、高质量的数据支撑，模型难以深入理解行业机理，智能体也难以稳定进入生产经营主流程。
金智塔科技相关负责人表示，可信数据空间重点解决跨主体数据“敢不敢流、能不能流”的问题，为数据安全合规流通建立基础。但产业AI进一步落地，仅实现数据流通还不够：数据流通并不等同于模型可用，模型接入也不等同于业务适配，应用上线更不意味着能够持续产生价值。
该负责人同时提出，模数共振是在可信数据流通基础上的进一步升级。业务数据经过治理和知识沉淀，形成可供模型训练、评测和优化的高质量数据；模型能力通过智能体进入研发、生产、经营等场景；应用产生的新数据与效果反馈，再反向促进数据完善和模型迭代，形成“数据供给—模型进化—场景应用—反馈优化”的持续循环。由此，“可信”的内涵也从数据可信进一步延伸到模型可信、应用可信和运营可信。
值得注意的是，随着数据要素市场化配置和人工智能产业化进程不断深入，企业竞争的重点将更多体现在能否形成高质量数据持续供给、模型持续优化、智能体持续应用和业务效果持续反馈的运行体系。金智塔科技将持续以可信数据为基础、以产业场景为牵引，推动数据、模型与智能体协同演进，使一次次AI应用转化为产业智能能力持续沉淀和升级的过程。
“智涌”推动产业智能转化
基于这一趋势，金智塔科技联合浙江大学打造“智涌”模数共振空间，探索以可信数据为基础、以行业场景为牵引的数据与人工智能协同运行机制。
记者了解到，“智涌”并非数据平台、模型平台与智能体平台的简单叠加，而是贯通高质量数据供给、行业知识沉淀、模型服务、智能体应用与Token化运营：将分散的产业数据和专业知识转化为可持续使用的数据与知识能力，推动通用模型向行业专业能力演进，并通过智能体将模型能力嵌入具体业务流程；场景运行产生的新数据和效果反馈持续回流，促进数据治理、知识完善和模型优化。
“同时，通过Token化运营，对数据、模型、智能体等数字资源和服务进行统一计量、授权、计费和价值核算，为多方贡献衡量与收益分配提供支撑，推动数字资源由‘可使用’进一步走向‘可计量、可运营、可流通’。”金智塔科技相关负责人介绍。
目前，相关能力正面向建材、医疗等行业持续落地。其核心并非增加一个孤立的AI工具，而是以可信数据供给和行业知识沉淀为基础，推动模型与智能体进入真实业务流程，形成可持续迭代的产业智能能力。
在建材行业，围绕生产、设备、原材料、质量、供应链等多源数据，以及长期分散在制度文件和人员经验中的工艺知识，通过数据治理、知识沉淀和智能应用，推动数据与经验向可复用数字能力转化。相关实践中，部分数据处理任务工时下降约50%，标注准确率超过95%；企业知识资料进一步形成可检索、可问答、可复用的知识服务，为生产管理、知识共享和人才管理等业务提供支撑。
在医疗行业，针对数据敏感度高、跨机构协同复杂等特点，通过可信流通、高质量数据沉淀以及模型与应用协同，推动数据要素服务医药研发、临床试验、商业保险等场景。相关实践中，临床试验受试者筛选匹配周期降低约50%；医药智研场景接入20余家机构数据源，沉淀百TB级高质量医疗数据，推动药企研发效率提升25%以上。
（编辑：许璐 审核：李晖 校对：宛玲）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
