搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 重庆瞭望丨胜在场景：重庆智造催生“模力高地”
重庆正在加快打造“模力高地”，以模型/智能体为核心的技术能力与算力底座相结合，推动人工智能在制造业的深度落地。凭借海量产业数据、扎实的人才储备和成熟的工业场景，重庆通过“智改数转”“产业大脑”等举措，催生垂直行业大模型，形成难以被通用模型复制的专业优势。当前，重庆已建成大量智能工厂、数字化车间，数据资源成为AI迭代的关键燃料；同时，制造业的自动化、数字化水平提升，为AI提供丰富的训练与测试环境。产业需求端持续扩张，“AI+制造”应用清单和相应政策奖励，加速模型迭代与落地，推动生产过程的降本增效、质量提升与创新驱动。随着“模力高地”逐步成型，重庆在汽车、笔记本、集成电路等支柱产业持续发力，制造业高质量发展指数和工业新增值均显示出强劲势头，展示出“AI驱动制造升级”的清晰路径与潜力。
🏷️ #模力高地 #AI制造 #智能工厂 #数据资源 #制造升级
🔗 原文链接
📰 重庆瞭望丨胜在场景：重庆智造催生“模力高地”
重庆正在加快打造“模力高地”，以模型/智能体为核心的技术能力与算力底座相结合，推动人工智能在制造业的深度落地。凭借海量产业数据、扎实的人才储备和成熟的工业场景，重庆通过“智改数转”“产业大脑”等举措，催生垂直行业大模型，形成难以被通用模型复制的专业优势。当前，重庆已建成大量智能工厂、数字化车间，数据资源成为AI迭代的关键燃料；同时，制造业的自动化、数字化水平提升，为AI提供丰富的训练与测试环境。产业需求端持续扩张，“AI+制造”应用清单和相应政策奖励，加速模型迭代与落地，推动生产过程的降本增效、质量提升与创新驱动。随着“模力高地”逐步成型，重庆在汽车、笔记本、集成电路等支柱产业持续发力，制造业高质量发展指数和工业新增值均显示出强劲势头，展示出“AI驱动制造升级”的清晰路径与潜力。
🏷️ #模力高地 #AI制造 #智能工厂 #数据资源 #制造升级
🔗 原文链接
📰 工信部、国家数据局打造智能体工厂-中国石油新闻中心-中国石油新闻中心
近期工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业20个重点行业，推动人工智能高水平赋能新型工业化。行动聚焦数据与模型两大核心要素，提出通过建立行业通识数据集、行业专识数据集与特色智能体，形成数据—模型—场景应用的良性循环。为确保落地，通知设定七项重点任务：构建行业通识数据集、梳理高价值场景并打造专用模型、完善评测数据集与评测机制、创建协同空间以实现多主体数据不出域联合训练、组建全栈解决方案联合体、强化生态与要素保障、并在重点城市打造标杆，推动行业应用落地与产业生态完善。整体目标是在2026年底前建立可持续的、可推广的技术体系与生态，为制造业的数字化转型提供高质量支撑，提升AI在工业领域的应用深度与广度，形成数据—模型—场景的协同发展格局。
🏷️ #模数共振 #AI制造 #数据集 #行业模型 #协同空间
🔗 原文链接
📰 工信部、国家数据局打造智能体工厂-中国石油新闻中心-中国石油新闻中心
近期工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业20个重点行业，推动人工智能高水平赋能新型工业化。行动聚焦数据与模型两大核心要素，提出通过建立行业通识数据集、行业专识数据集与特色智能体，形成数据—模型—场景应用的良性循环。为确保落地，通知设定七项重点任务：构建行业通识数据集、梳理高价值场景并打造专用模型、完善评测数据集与评测机制、创建协同空间以实现多主体数据不出域联合训练、组建全栈解决方案联合体、强化生态与要素保障、并在重点城市打造标杆，推动行业应用落地与产业生态完善。整体目标是在2026年底前建立可持续的、可推广的技术体系与生态，为制造业的数字化转型提供高质量支撑，提升AI在工业领域的应用深度与广度，形成数据—模型—场景的协同发展格局。
🏷️ #模数共振 #AI制造 #数据集 #行业模型 #协同空间
🔗 原文链接
📰 推动“人工智能+制造”走深走实
工业和信息化部、国家数据局联合启动2026年“模数共振”行动，聚焦制造业20个重点行业，围绕场景、模型、智能体、数据集、案例等关键技术成果，推动行业模型与数据资源的深度耦合与协同进化。行动通过7项任务明确路径，既产出可直接落地的技术产品，也打造生态服务与长期基础能力，借助阶段性评估确保务实高效落地。核心在于摸清行业数据底子，加工高质量数据集，训练通用行业模型，形成可复用底座；在特色智能体方面挖掘高价值场景，定制化模型与智能体以解决实际问题；并通过强化要素保障，破解生态、人才、标准等短板，推动深度协同、实训基地建设及标准推进，厚植要素土壤。行动强调以场景应用反哺数据迭代与模型优化，确保数据、模型与产业需求精准对接，避免脱节错位，推动人工智能从技术驱动向价值驱动转变。地方将给予政策和资金倾斜，相关部门强化组织保障，激励企业、数据机构、模型企业等主体积极参与，促进智能经济与智能社会新形态的发展。
🏷️ #模数共振 #人工智能 #制造业 #数据资源 #行业模型
🔗 原文链接
📰 推动“人工智能+制造”走深走实
工业和信息化部、国家数据局联合启动2026年“模数共振”行动，聚焦制造业20个重点行业，围绕场景、模型、智能体、数据集、案例等关键技术成果，推动行业模型与数据资源的深度耦合与协同进化。行动通过7项任务明确路径，既产出可直接落地的技术产品，也打造生态服务与长期基础能力，借助阶段性评估确保务实高效落地。核心在于摸清行业数据底子，加工高质量数据集，训练通用行业模型，形成可复用底座；在特色智能体方面挖掘高价值场景，定制化模型与智能体以解决实际问题；并通过强化要素保障，破解生态、人才、标准等短板，推动深度协同、实训基地建设及标准推进，厚植要素土壤。行动强调以场景应用反哺数据迭代与模型优化，确保数据、模型与产业需求精准对接，避免脱节错位，推动人工智能从技术驱动向价值驱动转变。地方将给予政策和资金倾斜，相关部门强化组织保障，激励企业、数据机构、模型企业等主体积极参与，促进智能经济与智能社会新形态的发展。
🏷️ #模数共振 #人工智能 #制造业 #数据资源 #行业模型
🔗 原文链接
📰 推动“人工智能+制造”走深走实
近日，工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业领域20个重点行业，确定一批重点城市，探索场景、模型、智能体、数据集、案例等关键技术成果的产出路径。该行动旨在推动人工智能模型与数据资源协同互促、同频共振，形成“行业模型赋能应用实践、应用实践产生场景数据、场景数据优化行业模型”的良性飞轮，推动“人工智能+制造”走深走实。行动设定7项任务，路径明确、协同推进，既产出可直接使用的技术产品，又打造生态服务能力，确保落地务实高效，并通过阶段性评估推动实施。比如，在行业模型方面要摸清数据家底、加工成高质量数据集、训练共性模型；在特色智能体方面要挖掘高价值场景，打造专用模型或自主智能体；在要素保障方面聚焦生态、人才、工具、标准短板，推动深度协作与标准贯标，厚植要素土壤。该行动立足我国产业基础，围绕高质量数据集、行业模型、应用场景、协同机制、生态配套，推动数据要素价值最大化、模型能力精准化、产业应用实效化，推动AI发展由“技术驱动”向“价值驱动”迈进。产业需求将引导数据与模型的迭代与定向研发，避免技术与场景脱节、数据与应用错位，并为高质量发展筑牢根基，促进智能经济和智能社会新形态形成。未来，部委将加强统筹指导，对成效显著的区域和企业给予政策与资金倾斜，地方主管部门将强化组织保障，调动各类主体积极性。
🏷️ #模数共振 #数据要素 #行业模型 #智能体 #应用场景
🔗 原文链接
📰 推动“人工智能+制造”走深走实
近日，工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业领域20个重点行业，确定一批重点城市，探索场景、模型、智能体、数据集、案例等关键技术成果的产出路径。该行动旨在推动人工智能模型与数据资源协同互促、同频共振，形成“行业模型赋能应用实践、应用实践产生场景数据、场景数据优化行业模型”的良性飞轮，推动“人工智能+制造”走深走实。行动设定7项任务，路径明确、协同推进，既产出可直接使用的技术产品，又打造生态服务能力，确保落地务实高效，并通过阶段性评估推动实施。比如，在行业模型方面要摸清数据家底、加工成高质量数据集、训练共性模型；在特色智能体方面要挖掘高价值场景，打造专用模型或自主智能体；在要素保障方面聚焦生态、人才、工具、标准短板，推动深度协作与标准贯标，厚植要素土壤。该行动立足我国产业基础，围绕高质量数据集、行业模型、应用场景、协同机制、生态配套，推动数据要素价值最大化、模型能力精准化、产业应用实效化，推动AI发展由“技术驱动”向“价值驱动”迈进。产业需求将引导数据与模型的迭代与定向研发，避免技术与场景脱节、数据与应用错位，并为高质量发展筑牢根基，促进智能经济和智能社会新形态形成。未来，部委将加强统筹指导，对成效显著的区域和企业给予政策与资金倾斜，地方主管部门将强化组织保障，调动各类主体积极性。
🏷️ #模数共振 #数据要素 #行业模型 #智能体 #应用场景
🔗 原文链接
📰 工信部、国家数据局打造智能体工厂
近日，工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业领域20个重点行业，确定一批重点城市，探索场景、模型、智能体、数据集、案例等关键技术成果的产出路径，推动人工智能高水平赋能新型工业化。当前，模型与数据已成为驱动人工智能高质量发展的两大核心要素，数据孤岛、模型泛化不足、场景适配低效等问题日益凸显。前期，工业和信息化部联合7部门共同印发了《“人工智能+制造”专项行动实施意见》，提出实施“模数共振”行动。通知明确，行动重点面向钢铁、石化化工、有色金属、建材、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、网络安全等20个行业，并依托重点城市和省份，推动产出一批推广价值高、技术可行性强的人工智能应用场景，攻关一批蕴含工业和信息化领域技术机理的行业模型、专用模型和特色智能体，构建一批行业通识和行业专识高质量数据集，培育一批攻关联合体，优化人才、标准等产业配套生态。到2026年底，基本形成“数据—模型—场景应用”良性互促的循环，推动人工智能高水平赋能新型工业化。通知部署了七项重点任务，各项任务路径明确、相互协同，既能推动产出场景、模型、智能体、数据集、案例等直接可用的技术产品，又能打造生态服务能力、夯实长期工作基础。 一是“构建行业通识数据集，打造行业模型”。摸清行业数据家底，加工成通识高质量数据集，训练共性行业模型，为行业智能化提供可复用的底座，避免重复造轮子。 二是“梳理高价值场景，构建行业专识数据集，打造特色智能体”。深挖高价值细分场景，用行业特色知识打造专用模型或自主智能体，把通用能力转化为解决实际问题的落地应用。 三是“建立健全评测数据集，完善模型评测机制”。建立贴近业务实际的评测数据集和机制，以评促改，评测结果直接指导数据和模型定向优化，形成能力提升闭环。 四是“创建‘模数共振’空间，探索协同机制”。建设“模数共振”空间，搭建安全可信的协同基础设施，实现多主体数据不出域联合训练，破解不敢共享的难题，逐步形成智能体工厂。 五是“打造‘模数共振’创新联合体，构建全栈方案”。组建算力、数据、模型、应用企业联合体，打通技术到方案全链条，研制全栈式行业解决方案，建样板间。 六是“完善生态配套，加强关键要素保障”。聚焦生态配套弱、人才工具标准缺失痛点，以深度行促合作、实训基地育骨干、揭榜挂帅攻技术、标准行推贯标，系统性厚植要素土壤，让应用走得通、推得开。 七是“确定‘重点城市’打造标杆”。充分发挥产业基础好、数据资源丰富的重点城市优势，形成示范引领。 来源：中化新网 编辑：张砥石 李静静 赵鹏
🏷️ #模数共振 #AI制造 #数据集 #行业模型 #联合体
🔗 原文链接
📰 工信部、国家数据局打造智能体工厂
近日，工业和信息化部、国家数据局联合印发通知，正式启动2026年“模数共振”行动，面向制造业领域20个重点行业，确定一批重点城市，探索场景、模型、智能体、数据集、案例等关键技术成果的产出路径，推动人工智能高水平赋能新型工业化。当前，模型与数据已成为驱动人工智能高质量发展的两大核心要素，数据孤岛、模型泛化不足、场景适配低效等问题日益凸显。前期，工业和信息化部联合7部门共同印发了《“人工智能+制造”专项行动实施意见》，提出实施“模数共振”行动。通知明确，行动重点面向钢铁、石化化工、有色金属、建材、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、网络安全等20个行业，并依托重点城市和省份，推动产出一批推广价值高、技术可行性强的人工智能应用场景，攻关一批蕴含工业和信息化领域技术机理的行业模型、专用模型和特色智能体，构建一批行业通识和行业专识高质量数据集，培育一批攻关联合体，优化人才、标准等产业配套生态。到2026年底，基本形成“数据—模型—场景应用”良性互促的循环，推动人工智能高水平赋能新型工业化。通知部署了七项重点任务，各项任务路径明确、相互协同，既能推动产出场景、模型、智能体、数据集、案例等直接可用的技术产品，又能打造生态服务能力、夯实长期工作基础。 一是“构建行业通识数据集，打造行业模型”。摸清行业数据家底，加工成通识高质量数据集，训练共性行业模型，为行业智能化提供可复用的底座，避免重复造轮子。 二是“梳理高价值场景，构建行业专识数据集，打造特色智能体”。深挖高价值细分场景，用行业特色知识打造专用模型或自主智能体，把通用能力转化为解决实际问题的落地应用。 三是“建立健全评测数据集，完善模型评测机制”。建立贴近业务实际的评测数据集和机制，以评促改，评测结果直接指导数据和模型定向优化，形成能力提升闭环。 四是“创建‘模数共振’空间，探索协同机制”。建设“模数共振”空间，搭建安全可信的协同基础设施，实现多主体数据不出域联合训练，破解不敢共享的难题，逐步形成智能体工厂。 五是“打造‘模数共振’创新联合体，构建全栈方案”。组建算力、数据、模型、应用企业联合体，打通技术到方案全链条，研制全栈式行业解决方案，建样板间。 六是“完善生态配套，加强关键要素保障”。聚焦生态配套弱、人才工具标准缺失痛点，以深度行促合作、实训基地育骨干、揭榜挂帅攻技术、标准行推贯标，系统性厚植要素土壤，让应用走得通、推得开。 七是“确定‘重点城市’打造标杆”。充分发挥产业基础好、数据资源丰富的重点城市优势，形成示范引领。 来源：中化新网 编辑：张砥石 李静静 赵鹏
🏷️ #模数共振 #AI制造 #数据集 #行业模型 #联合体
🔗 原文链接
📰 两部门启动2026年模数共振行动 推动AI赋能制造业 - 要闻 - 低碳网
本次通知由工业和信息化部与国家数据局联合印发，正式启动2026年“模数共振”行动，面向钢铁、工业母机、汽车、航空航天、信息通信等20个制造业重点行业，推动模型与数据的深度融合，形成“数据—模型—场景应用”的良性循环。行动通过七项重点任务，涵盖构建行业通识数据集与行业模型、梳理高价值场景并形成专识数据集及特色智能体、建立评测数据集与评测机制、创建“模数共振”空间、打造创新联合体、完善生态与要素保障，以及确定重点城市作为标杆。通过统一标准和跨主体协同，推动数据高效可信流通、模型训练与智能体研发落地，力求在2026年底前形成可推广的应用场景与高质量数据集，促进AI在制造业的高水平赋能。地方各级政府、央企需制定实施方案，完成阶段性评估与成效总结，确保任务落地与示范效应。
🏷️ #模数共振 #AI制造 #数据模型 #行业场景 #数据集
🔗 原文链接
📰 两部门启动2026年模数共振行动 推动AI赋能制造业 - 要闻 - 低碳网
本次通知由工业和信息化部与国家数据局联合印发，正式启动2026年“模数共振”行动，面向钢铁、工业母机、汽车、航空航天、信息通信等20个制造业重点行业，推动模型与数据的深度融合，形成“数据—模型—场景应用”的良性循环。行动通过七项重点任务，涵盖构建行业通识数据集与行业模型、梳理高价值场景并形成专识数据集及特色智能体、建立评测数据集与评测机制、创建“模数共振”空间、打造创新联合体、完善生态与要素保障，以及确定重点城市作为标杆。通过统一标准和跨主体协同，推动数据高效可信流通、模型训练与智能体研发落地，力求在2026年底前形成可推广的应用场景与高质量数据集，促进AI在制造业的高水平赋能。地方各级政府、央企需制定实施方案，完成阶段性评估与成效总结，确保任务落地与示范效应。
🏷️ #模数共振 #AI制造 #数据模型 #行业场景 #数据集
🔗 原文链接
📰 从政策引领到价值落地：“模数共振”的实践与思考 – 智慧城市行业分析
本文围绕“模数共振”政策提出及其实践路径展开解读，聚焦中国在推动制造业智能化转型中的数据治理、模型训练与应用落地的闭环设计。首先，政策明确将企业首席数据官制度、数据治理标准化、以及数据资源清单建设作为核心基础，通过“以模引数—用数赋模”的双向闭环，推动海量分散数据转化为可用于模型训练的高质量数据集，并让模型在场景中持续反馈、反哺数据以提升迭代效率。文章强调数据质量与治理水平是模型落地的前提，提出一体化机制以打破数据、模型、应用在不同环节的割裂，实现从数据治理到模型升级的持续循环。通过海天瑞声的标注平台、前沿数据训练场以及行业协同实践，展示了从数据采集、标注、训练到场景验证的全流程闭环，以及在安全合规、标准制定、人才培养等方面的政策与生态保障。最终，作者呼吁在政府、企业与产业链协同下，形成开放、协同、可持续的生态体系，使数据真正“活”起来、模型“懂”行业，推动人工智能在制造业的广泛落地。
🏷️ #模数共振 #数据治理 #模型训练 #一体化机制 #工业AI
🔗 原文链接
📰 从政策引领到价值落地：“模数共振”的实践与思考 – 智慧城市行业分析
本文围绕“模数共振”政策提出及其实践路径展开解读，聚焦中国在推动制造业智能化转型中的数据治理、模型训练与应用落地的闭环设计。首先，政策明确将企业首席数据官制度、数据治理标准化、以及数据资源清单建设作为核心基础，通过“以模引数—用数赋模”的双向闭环，推动海量分散数据转化为可用于模型训练的高质量数据集，并让模型在场景中持续反馈、反哺数据以提升迭代效率。文章强调数据质量与治理水平是模型落地的前提，提出一体化机制以打破数据、模型、应用在不同环节的割裂，实现从数据治理到模型升级的持续循环。通过海天瑞声的标注平台、前沿数据训练场以及行业协同实践，展示了从数据采集、标注、训练到场景验证的全流程闭环，以及在安全合规、标准制定、人才培养等方面的政策与生态保障。最终，作者呼吁在政府、企业与产业链协同下，形成开放、协同、可持续的生态体系，使数据真正“活”起来、模型“懂”行业，推动人工智能在制造业的广泛落地。
🏷️ #模数共振 #数据治理 #模型训练 #一体化机制 #工业AI
🔗 原文链接
📰 Meta 自研 AI 推理芯片：四代路线图深度解读 - OFweek智能制造网
本文聚焦 Meta 自研 AI 推理芯片 MTIA 的四代路线图及设计思路。作者指出 Meta 选择专注推理而非训练芯片，原因在于其日常运作高度依赖海量、频繁的推理任务，尤其在排名和推荐系统中。MTIA 300 基于 RISC-V 架构，作为第一块基石，已投入生产并验证模块化设计与自研路径的可行性。随着生成式 AI 需求提升，MTIA 400 在算力与带宽方面均显著提升，支持更大规模的节点扩展，进入数据中心部署阶段。MTIA 450 进一步将内存带宽翻倍并强化对低精度自定义数据类型的支持，解决推理对带宽的瓶颈，计划 2027 年初大规模部署。MTIA 500 以模块化的终极形态出现， HB M 带宽再提升，容量可达 512GB，并引入 2×2 的小型计算芯片组配置，实现模块化组件独立演进与快速替换，计划同样在 2027 年投入大规模部署。整段路线强调开放生态与标准化：MTIA 与 OCP、PyTorch、vLLM、Triton 深度整合，硬件遵循 OCP，软件无缝对接，降低进入门槛并提升部署灵活性。文章最后对比了专注推理的 Meta 与偏向训练的厂商，提出在市场潮水退去后，谁更具可持续性有待观察，当前 MTIA 已有数十万颗在生产系统中运行。
🏷️ #自研芯片 #推理优先 #MTIA路线 #模块化设计 #开放生态
🔗 原文链接
📰 Meta 自研 AI 推理芯片：四代路线图深度解读 - OFweek智能制造网
本文聚焦 Meta 自研 AI 推理芯片 MTIA 的四代路线图及设计思路。作者指出 Meta 选择专注推理而非训练芯片，原因在于其日常运作高度依赖海量、频繁的推理任务，尤其在排名和推荐系统中。MTIA 300 基于 RISC-V 架构，作为第一块基石，已投入生产并验证模块化设计与自研路径的可行性。随着生成式 AI 需求提升，MTIA 400 在算力与带宽方面均显著提升，支持更大规模的节点扩展，进入数据中心部署阶段。MTIA 450 进一步将内存带宽翻倍并强化对低精度自定义数据类型的支持，解决推理对带宽的瓶颈，计划 2027 年初大规模部署。MTIA 500 以模块化的终极形态出现， HB M 带宽再提升，容量可达 512GB，并引入 2×2 的小型计算芯片组配置，实现模块化组件独立演进与快速替换，计划同样在 2027 年投入大规模部署。整段路线强调开放生态与标准化：MTIA 与 OCP、PyTorch、vLLM、Triton 深度整合，硬件遵循 OCP，软件无缝对接，降低进入门槛并提升部署灵活性。文章最后对比了专注推理的 Meta 与偏向训练的厂商，提出在市场潮水退去后，谁更具可持续性有待观察，当前 MTIA 已有数十万颗在生产系统中运行。
🏷️ #自研芯片 #推理优先 #MTIA路线 #模块化设计 #开放生态
🔗 原文链接
