给“河北造”插上AI翅膀② 丨模数共振：从“各唱各调”到“同频共振”有

当人工智能浪潮奔涌而来，制造业站在一个微妙的十字路口：一边是大模型热潮涌动，AI技术日新月异；一边是海量工业数据日夜流转，却大多处于“沉睡”状态。模型在云端“喊话”，数据在产线“蛰伏”，两者之间仿佛隔着一条看不见的鸿沟。

河北，这个以钢铁、化工、装备制造为厚重工业底色的省份，正在试图回答一个关键命题——如何唤醒“沉睡”的数据，让“模”与“数”从“各唱各调”走向“同频共振”？

“模”与“数”的跨界之舞

“模数共振”，听起来像是一个物理学术语，但它描述的却是当下制造业智能化转型中的核心话题。

“模”是人工智能大模型，“数”是高质量工业数据。“模数共振”简单来说，就是让模型和数据相互激发、协同进化：数据喂给模型，为模型提供训练和优化的“燃料”；模型在实际应用中产生新数据，新数据再回来优化模型。模型越转越聪明，数据越用越有价值。

这一概念在河北的工业车间里，已经不再是理论推演。

河钢集团唐钢公司运营管控中心。

走进河钢集团唐钢公司的炼钢车间，转炉内烈焰奔腾，1600多摄氏度的钢水翻滚着灼人的热浪。一墙之隔的中控室里，屏幕实时跳动着各环节的生产参数，炼钢主控人员轻触按钮，发出指令，整套设备自动运转，半小时后一炉优质钢水出炉。

昔日炼钢全凭人工估算、取样、调整，如今只需录入所需钢种的参数，系统便自动完成吹炼、取样、成分检测与温度监控，实时反馈并动态优化冶炼策略，精准出钢。

这一突破的幕后，是河钢集团的“一键炼钢智能体”，由威赛博钢铁大模型驱动。其核心逻辑是一条闭环：先治理数据、建设数据集，再训练模型、落地场景，产生的新数据反哺数据集，推动模型持续进化。

“算力可以采购，模型能够训练，但核心数据买不来。高质量、贴合真实业务场景的工业数据集，是行业的核心壁垒，直接决定模型能否真正理解工业场景，智能化能否真正落地。”河钢数字技术中心人工智能中心经理来博文坦言。

这一判断，道出了“模数共振”的本质——模型是“引擎”，数据是“燃料”，只有两者匹配，引擎才能高效转动。

目前，威赛博2.0以“大模型+小模型”协同为基础能力，横向贯通钢铁生产各工序，纵向协同计划、调度、控制各业务环节，让AI从“会回答”进化为“能决策、能执行”，转炉终点命中率提升至90%，高端汽车板研发周期从6个月缩短至3个月。

“模型的迭代升级，离不开河钢集团在长期工业生产中的大量数据积累，这让模型的开发和适配更加有的放矢。”来博文说。

放眼全省，河北面向钢铁、化工、医药等重点行业培育了65个工业大模型。中国信通院河北研究院人工智能运营中心主任秦翠亚阐释：“模数共振的核心难点，不是技术本身，而是搭建数据和模型之间的桥梁。”

找到“共同语言”，就是共振的起点。

在唐钢，这个“共振点”，就是那一炉1600多摄氏度钢水背后被精准捕捉的冶炼数据，是工业机理与AI算法的精准契合。从钢铁、化工到医药、食品再到汽车、电子信息等重点行业，河北已有84个场景应用了大模型，“模数共振”在河北工业领域中正从概念走向现实。

各唱各调的“握手”之困

但从“知道怎么用”到“真正用得好”之间，横亘着诸多“各唱各调”的困境。

工业数据曾被形象地比作“沉睡的矿藏”。在河北，这座“矿藏”尤为丰厚——全省拥有40个工业大类，钢铁、化工、装备制造等产业日夜不停地产出着海量数据。但问题在于，这些数据往往“藏”得深、“睡”得沉。

以钢铁行业为例，河钢集团下辖唐钢、邯钢、石钢等多个生产基地，设备型号不同、信息系统及数据采集方式各异，同类工序的参数维度、精度和采集频率存在一定差异。这在整个行业中较为普遍，使得数据标准化和横向比对面临挑战。来博文分析认为，仅河钢集团内部的数据治理就是一项系统性工程，需要持续投入。

石家庄四药集团直立式软袋输液生产车间制瓶岗位员工正在工作。

数据“说不清”，只是问题的表层。更深层的症结在于，许多企业的数据部门和模型部门长期“各管一摊”。秦翠亚观察到，企业数据部门建数据集时，未必考虑模型训练的具体需求；模型部门训练时，又常常苦于缺少高质量、贴合场景的数据支撑。数据团队和模型团队各有一套KPI、各有一套话语体系，彼此之间缺少一个“翻译层”。

即便数据治理到位，在打造行业数据集的进程中，“共享”二字依然让企业格外谨慎。在工业领域，核心工艺数据高度涉密，承载着核心竞争力和独家业务经验。

高质量数据集建设并非河北一省之困，而是全国工业智能化的共性难题。原始数据来源极为复杂——文本、图片、语音、传感器、自动化系统……这些数据如果不经过清洗、标注，即便堆积如山，也不过是“数据矿石”，模型往往难以消化。

模型空转、数据沉睡——如何让“模”与“数”真正握手，成为摆在河北面前的现实关卡。

同频共振的协同探索

要打破“各唱各调”的僵局，让“模数共振”的飞轮真正转起来，河北正在探索自己的一套解法。

在河北省工信厅软件产业处处长李剑看来，河北在垂类模型方面有独特优势。钢铁、化工、医药、汽车等领域有条件推动人工智能应用落地，但关键是要打造出高质量的行业数据集，让数据真正为模型所用。

在位于河北保定的中国信通院人工智能数据处理和质量测评中心，工作人员介绍高质量数据集建设情况。

走进位于河北保定的中国信通院人工智能数据处理和质量测评中心，技术人员正在依托“方升”大模型基准测试体系3.0，对工业模型开展多轮客观评测。“不能只依靠经验或专家会议判断模型是否合格。”秦翠亚介绍，目前该中心已为省内25个行业大模型提供评测服务，覆盖钢铁、医疗、化工等典型场景，同步开展工业数据质量评价工作。

评测不是“一评了之”，而是“以评促建”“评建结合”。通过发现薄弱环节，反馈帮助企业进行数据集优化和模型迭代。

行业企业也马不停蹄，深度挖掘工业数据价值。在河钢集团，现场PLC、二级系统生成的原始数据可直接接入大数据平台自动归集；无法直连的数据，通过专用数采设备采集上传，最终统一完成数据治理、有效性校验和规则标准化。河北还在化工、医药等领域推动多模态数据融合与智能标注技术攻关，让数据“活水”源源不断，为训练行业大模型提供核心资源。

保定作为国家数据标注基地，正发挥规模化清洗、标注、结构化能力，把原始数据转化为可训练的高质量数据集。

数据基础不断夯实，模型也在加速寻找落地的“练兵场”。

近日，在雄安人工智能产业园，稳准智能（雄安）科技有限公司技术人员正在讨论“极数”数据大模型的优化方案。

“作为国内首个用于处理结构化数据的通用大模型，‘极数’具备优秀的因果识别和推理能力，已完成800余个跨行业、跨场景的数据集验证。”稳准智能（雄安）科技有限公司运营总监朱玉介绍。

稳准智能（雄安）科技有限公司技术人员在讨论模型优化方案。

今年3月，河北省工信厅联合雄安新区管委会确定在钢铁能效管理、化工工艺优化等8个场景开展“极数”数据大模型创新应用，目前大部分已完成测试验证。

护航“模数共振”的飞轮加速，离不开政策的精准发力。《河北省“人工智能+制造”专项行动实施方案》明确提出，到2027年，河北计划培育4-5个行业领先的工业大模型，推动行业大模型在重点产业规模化应用，培育30个应用成效好的工业智能体，打造10个高质量工业数据集。

从个体实践到系统生态，“模数共振”正在更多场景中开花结果。

秦翠亚表示，“模数共振”不是一个静态的结果，而是一个持续运转的闭环。数据建设围绕模型需求和应用场景展开，模型训练依托高质量行业数据集，应用后产生的新数据反哺数据集建设——这是一个螺旋上升的过程。河北正在做的，就是把这个“飞轮”转起来。

从“各唱各调”到“同频共振”，河北正在走一条并不轻松但方向清晰的路：让数据“说”模型听得懂的话，让模型用数据能支撑的方式思考。当那些“沉睡”在车间里的数据被充分激活，当模型与数据真正“共振”，制造业的智能化转型将不再是“单点突破”，而是“系统跃迁”。