2026年4月，工业和信息化部、国家数据局联合发布《关于联合实施2026年“模数共振”行动的通知》。相比过去更多聚焦“大模型能力”的政策方向，此次“模数共振”行动释放出了一个更明确的信号：国家开始推动人工智能从“模型能力建设”，进入“数据—模型—场景应用”协同发展的新阶段。

“模数共振”的重点，其实不只是模型

过去两年，大模型快速发展，很多政企都在尝试接入 AI。但真正进入深层后开始发现：影响AI落地效果的，往往不是模型本身，而是原有的数据体系。

真正决定 AI能否理解行业、理解业务、理解场景的，是数据背后的：行业知识、业务语义、指标体系、规则逻辑、场景经验。例如，同样是 “库存预警”，不同行业的判断逻辑可能完全不同；同样是“风险识别”，公安、金融、制造、应急等领域背后的业务知识体系也截然不同。

未来真正的竞争力，很可能不再只是 “大模型有多强”，而是：谁更懂行业。

AI时代，数据治理正在从“数据管理”走向“知识工程”

这一变化背后，其实正在重新定义数据治理。过去，政企的数据治理更多围绕：数据汇聚、数据清洗、数据标准、数据共享。核心目标是： “把数据管起来”。

但 AI时代开始之后，面对的问题已经发生变化。AI真正需要的，并不是孤立的数据，而是能够被理解、推理和调用的行业知识体系。AI时代的数据治理，已经不再是简单的数据工程问题，而正在成为政企智能化运行的基础设施。

事实上，此次 “模数共振”行动中的很多重点方向，与百分点科技近年来持续推进的能力建设高度契合。

政策中重点提到的：行业高质量数据集、行业模型、专用模型、特色智能体、数据与模型协同机制。其背后都离不开一个核心能力： AI驱动的数据治理体系

作为长期深耕数据智能领域的企业，百分点科技近年来持续推进 AI与数据治理的深度融合，并逐渐形成从数据底座、数据治理到智能应用的一体化能力体系。

尤其在百思数据治理平台（ AI-DG ）方向上，百分点科技正在尝试推动数据治理从传统工程模式，走向 AI驱动的新阶段。

过去，数据治理更多依赖：人工建模、规则配置、长周期实施、技术团队驱动。

但在 AI时代，企业越来越需要：更高效的数据理解能力、更灵活的数据组织能力、更自然的人机交互能力、更智能的数据运营能力。

围绕这些需求，百分点科技正在通过 AI辅助数据建模、自然语言交互、智能问数、智能分析等能力，让AI真正参与到数据治理全过程之中。

这种变化的核心，并不是简单增加 AI功能。而是在重构数据、知识与业务之间的连接方式。

“模数共振”背后真正推动的，并不只是技术升级。更深层的变化在于：政企数字化建设逻辑，正在发生变化。过去，企业竞争更多围绕：系统建设能力、数据存储能力、信息化覆盖程度。但未来，企业之间真正的差距，可能将逐渐转向：是否拥有一套能够支撑 AI持续演进的数据体系。

谁能够率先建立：高质量的数据治理体系、统一的数据认知体系、 AI可理解的数据语义体系、智能化的数据运营体系。谁就更有可能在下一阶段智能化竞争中占据主动。而这，也正是百分点科技持续推进 AI驱动数据治理的重要方向。

从数据底座、数据治理，到智能问答、智能分析与行业智能应用，百分点科技正在尝试构建一套更加完整的企业级数据智能能力体系，推动数据真正从 “资源”转化为“AI生产力”。

当大模型开始进入产业深水区，真正需要思考的问题，已经不再只是： “是否接入AI”。而是：数据体系是否已经准备好迎接AI。

真正的 “模数共振”，并不是模型与数据的简单叠加，而是数据治理体系、数据资产体系与AI应用体系开始形成真正协同。

数据治理，正在从传统的信息化工程，逐渐演变为 AI时代的新基础设施。