No.20220 0 中国信息通信研究 院 2025年3月 数据标注产业发展研究报告 (2025年) 人工智能模数共振体系研究报告 （2026年） 中国信息通信研究院人工智能研究所 中车工业研究院有限公司 2026年5月 版权声明 本报告版权属于中国信息通信研究院和中车工业研究 院有限公司，并受法律保护。转载、摘编或利用其它方式使 用本报告文字或者观点的，应注明 “来源 :中国信息通信研究 院和中车工业研究院有限公司 ”。 违反上述声明者， 编者将追 究其相关法律责任。 前 言 当前，全球新一轮科技革命与产业变革加速演进，人工智能技术 正加速从单点突破向系统化赋能演进， "模型能力 "与"数据要素 "的深 度融合与共振协同已成为驱动产业智能化转型的核心动能。 党的二十 大报告明确提出要构建新一代信息技术、人工智能等新的增长引擎。 人工智能模数共振体系在推动数据要素价值释放、 加速模型技术迭代 升级、赋能产业智能化转型方面发挥着日益重要的战略作用，是支撑 人工智能高质量发展的核心 要素。2025年9月23日，在 2025人工 智能产业及赋能新型工业化大会上，南京、济南、青岛、武汉、深圳 等先导区和部属单位代表共同启动了“模数共振”行动。 2025年10 月27日，“人工智能赋能新型工业化模数共振专题研讨会”在北京 召开，会议探讨了模数共振的概念内涵与实践路径 。2026年1月，工 业和信息化部等八部门联合发布《“人工智能 +制造”专项行动实施 意见》，其中提到模数共振行动 相关要求， 对构建数据驱动、模型赋 能、应用牵引的 模数共振 协同发展格局具有重要意义。 人工智能 模数共振体系是人工智能技术与产业应用深度融合的 核心载体，其本质在于通过高质量数据集与高效能模型的双向共振， 实现“以模引数、用数赋模”的良性循环。该体系以分层分类、精准 赋能为原则，通过构建行业通识与专识数据集，培育行业大模型与特 色智能体， 并探索建立跨主体的 “模数共振空间” 与生态协同机制， 打通数据流通壁垒， 完善算力供给、 标准规范与安全治理体系， 为 “人 工智能 +”应用落地和 各行业数字化转型提供全方位支撑。 本研究报告首先 阐述了人工智能模数共振体系的具体定义和内 涵，全面总结了 模数共振 的三大核心要素 、五大核心基础能力支撑和 三大协同运行机制，并提出模数共振 下一步落地发展 的具体建议，可 为政策制定者、行业从业者及企业投资者等提供全面的行业洞察、策 略建议与决策依据。面向未来， 人工智能模数共振 体系仍存在诸多问 题与挑战，还需要产学研各界紧密合作，共同推进 模数共振 技术创新 与产业发展，为 “人工智能 +”全面落地 提供有力支撑。 目 录 一、模数共振定义与内涵 ................................ .............. 1 （一）模数共振具体内涵 ................................ .......... 1 （二）模数共振必要性分析 ................................ ........ 3 二、模数共振三大核心要素 ................................ ............ 5 （一）高质量数据集 ................................ .............. 5 （二）高效能模型 ................................ ................ 7 （三）高价值应用 ................................ ................ 9 三、模数共振五大能力支撑 ................................ ........... 11 （一）数据集设计与构建 ................................ ......... 11 （二）数据集质量评估 ................................ ........... 13 （三）模型微调与优化 ................................ ........... 15 （四）模型性能基准测试 ................................ ......... 17 （五）数据增强与优化 ................................ ........... 17 四、模数共振三大协同机制 ................................ ........... 21 （一）建立模型 -数据关联映射关系 ................................ 21 （二）创新模数闭环迭代能力机制 ................................ . 23 （三）构建模型自适应性能测试系统 ............................... 26 五、模数共振落地发展建议 ................................ ........... 29 （一）统筹推进行业数据集建设与模型优化 ......................... 29 （二）持续完善模型性能评测能力机制 ............................. 29 （三）探索建立模数共振生态协同机制 ............................. 30 （四）加强模数共振关键要素保障 ................................ . 30 图 目 录 图1 AI数据闭环迭代系统流程 ................................ ................................ ............... 3 图2 可信 AI人工智能数据集质量评估体系 2.0 ................................ .................. 15 图3 “方升 ”（FactTesting ）大模型基准测试体系 3.0 ................................ .......... 18 图4 模型自适应测试闭环体系 ................................ ................................ ............... 27 人工智能模数共振体系研究报告 （2026年） 1 一、模数共振定义与内涵 人工智能模数共振体系是推动人工智能与实体经济深度融合发 展的系统性工程，其核心要义在于实现高质量数据集、高效能模型、 高价值应用三大要素的协同共振与价值倍增。 该体系以数据要素为根 基、以模型能力为枢纽、以场景赋能为导向，通过构建数据驱动模型 进化、模型赋能应用创新、应用反哺数据积累的良性循环机制，打通 从数据资源到智能服务的全链条价值通路。 模数共振体系是连接数据 治理、算法创新产业数字化转型的关键纽带，是释放人工智能乘数效 应的核心载体，是培育新质生产力的重要引擎。在当今智能化浪潮加 速演进的时代， 构建完善模数共振体系已成为抢占人工智能发展制高 点、赋能千行百业智能化升级的战略支撑。 （一）模数共振具体 内涵 “模数共振”体系 具体是指建立数据质量提升、模型优化与应用 反馈的协同联动及闭环迭代机制，实现数据动态适配模型需求、模型 输出反哺数据质量提升 ，旨在通过数据汇集、标注、合成、治理与管 理全方位提升数据质量， 并以高质量数据为底座夯实大模型训练、生 成、推理能力，激活数据场景应用价值 ，有效破解 AI模型训练中数 据量不足、质量参差、场景适配性差等瓶颈，为大模型研发、智能装 备升级、生产流程优化提供关键支撑。 传统人工智能数据集构建模式呈现出典型的“线性断裂”特征， 往往止步于简单的预处理后即投入训练， 导致训练过程中产生的反馈 人工智能模数共振体系研究报告 （2026年） 2 信号被截断，缺乏对原始数据的有效检验与修正机制。这种“一次性 交付”的粗放模式，使得数据集无法根据模型表现进行动态调优，进 而引发场景覆盖存在盲区、特征提取能力孱弱、质量管控失效等系统 性问题。在此割裂的体系下，模型难以习得稳健的泛化特性，导致其 在复杂的业务实践中落地效果大打折扣， 无法形成从数据到应用的价 值闭环。 随着人工智能从通用技术向垂直场景深化， 高质量数据集的建设 已超越了单纯的“规模堆砌”，演进为一种动态的“闭环迭代生态系 统” 。 这一系统构建了 “原始数据 —训练微调 —测试评估 —反向优化” 的全链路流转机制， 将数据的全生命周期管理与模型的进化周期深度 耦合，形成了“数据滋养模型、模型反哺数据”的共生共荣格局。其 实质是利用科学化、结构化的流程设计，精准破解数据质量与模型需 求错配、训练效果与实际应用脱节、应用需求与技术迭代断层等核心 痛点。在以数据为中心的新一代人工智能范式中，核心目标在于推动 数据集