当前，我国人工智能正处于从技术突破迈向产业落地的关键转折期。从2025年国务院部署"人工智能+"行动，到2026年工信部与国家数据局联合启动"模数共振"行动，国家战略信号日趋明确：AI规模化落地的核心制约因素，正在从模型能力向数据基础转移。科杰科技从政策演进、产业现实和技术路径三个维度，结合一线实践，阐释建设AI数据基础设施的必要性与紧迫性。
一 产业现实
高投入与低回报的结构性矛盾
近年来，全球AI领域持续高速增长，但投资回报与产业落地之间却呈现出显著的结构性失衡。
从投入端看，据Gartner预测，2026年全球AI相关总支出将达2.52万亿美元，同比增长44%。中国大模型技术在基础能力维度快速追赶，与领先国家的差距已缩小至6个月以内。
但从回报端看，成效尚未显现。NTT DATA研究表明，70%至85%的生成式AI项目未能实现预期回报；Gartner报告指出，仅28%的AI应用场景能完全成功；麻省理工学院研究更指出，95%的生成式AI投资尚未在企业财务报表上体现出明显效益。
针对这一行业现状，科杰科技董事长于洋在中关村论坛上一语中的："万亿级资本持续加码，多数项目却收效不佳，根源在于支撑 AI 运转的数据基础设施尚未完善。"
这一观点，源于他对算力、算法、数据三大核心要素的深度研判。算力与算法属于通用技术能力，行业内可共享复用；而决定企业 AI 能否创造真实价值、落地见效的核心，终究是企业自身的数据工程体系是否坚实。
二 政策演进
从"人工智能+"到"模数共振"的战略深化
梳理近年国家政策脉络，焦点正从"AI赋能应用"向"数据与模型协同互促"深化，这与科杰科技的战略方向高度同频。
2025年8月，国务院印发《关于深入实施"人工智能+"行动的意见》，旨在推动AI与经济社会各行业深度融合，政策关注点集中于模型能力提升、算力保障和应用拓展。
2026年4月，工信部与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》，标志着政策着力点实质性深化。"模数共振"旨在建立数据质量提升与模型优化的协同联动机制，实现"以模引数、用数赋模"的良性循环。
值得注意的是，"模数共振"所倡导的"以数强模、以模驭数"双向驱动理念，与科杰科技在实践中长期坚持的"Data for AI、AI for Data"产品逻辑高度一致。
"模数共振"行动构建了七层推进体系：该行动覆盖钢铁、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、医药、软件等20个重点行业。这不再是一份概念性倡议，而是目标清晰、任务量化、节点明确的体系化推进方案。
数字经济发展工作要点：将数据赋能AI纳入年度重点。
2026年5月，国家数据局印发《2026年数字经济发展工作要点》，专门部署"强化数据赋能人工智能发展"，目标指向形成一批满足AI就绪度要求的标杆性高质量数据集。
这一系列政策演进释放出明确信号：人工智能产业化的瓶颈正在从模型侧向数据侧转移，数据基础设施建设的战略优先级已被提升到前所未有的高度。
三 问题审视
四大结构性制约与科杰解法
在政策方向日益清晰的背景下，当前AI规模化落地仍面临四大结构性制约，而科杰科技正通过体系化能力逐一破局：
01 数据孤岛难以统一利用
大型组织的数据普遍分散于数十个业务系统中，格式各异、权属复杂。于洋董事长曾清晰区分："个人AI解决的是个体效率问题，数据接上就能用；而企业级AI落地是一个复杂的系统工程，必须以AI数据基础设施作为统一支撑。"科杰KeenData Lakehouse平台通过多模态数据集成与数据编织技术，帮助大型组织打通分散系统，实现"集中式管理、分散式赋能"，为AI提供统一、合规的数据底座。
02 数据质量难以支撑训练
AI模型训练约70%以上的时间耗费在数据清洗和预处理环节。数据标注不规范、样本偏差等问题直接影响模型效果。高质量数据集与普通数据集之间的差距，是决定模型效能的核心变量。科杰科技构建了"数据汇聚-清洗-标注-质检-版本管理"全链路高质量数据集建设能力，结合智能标注与合成数据生成技术，大幅缩短数据准备周期，确保模型"吃得饱、吃得好"。
03 数据安全难以开放流通
政务、金融等行业面临严格的合规要求，"不愿共享、不敢共享、不能共享"的难题长期存在。科杰科技通过隐私计算与可信数据空间技术，实现"数据可用不可见"，在受控环境中释放数据价值，已支撑多个城市可信数据空间及先行先试示范区项目落地。
04 工程鸿沟难以规模复制
从原型验证到规模化生产，中间横亘着巨大的工程复杂性。科杰科技董事长于洋强调："为AI准备数据不是简单、一次性的过程，而是冰山之下的一套体系化AI数据基础设施工程体系。"科杰科技提供从数据底层、AI平台层到智能体入口层的三位一体全栈解决方案，帮助客户跨越从Demo到生产的鸿沟，实现AI应用的规模化复制。
四 落地验证
科杰科技AI数据基础设施体系化能力
作为国内AI数据基础设施领域的先行者，科杰科技的体系化能力已在多个关键行业得到验证：
• 能源领域： 为大型能源央企构建1.2PB级数据底座，覆盖9大核心业务，整合数据标准3727项，支撑经营分析报表查看效率从1周缩短至4小时，并为绿电交易、碳足迹追踪等新兴业务提供合规、可审计的数据支撑。
• 金融领域： 通过打通分散系统、消除信息孤岛，支撑AI驱动的智能风控模型开发与迭代，在量化交易、智能投研、智能投顾领域支撑全面AI Agent的规模化落地。
• 城市治理： 深度参与政府侧数据基础设施及可信数据空间规划建设，支撑1000余个数据主体接入、2000余个数据产品发布，让"模数共振"在城市治理中真正落地。
2026年5月，科杰科技亮相第九届数字中国建设峰会，新华网以专题报道形式对其在AI数据基础设施建设领域的先行实践进行了深入解读。其技术积累与实践成果已获得IDC、国家数据局等多方权威认可，入选IDC《中国Data Agent市场图谱》核心领域及国家数据局首批可信数据空间方向标准/技术文件验证试点典型单位。
结语
从"人工智能+"到"模数共振"，AI规模化落地的下半场，数据基础设施已不再是可选项，而是必答题。科杰科技将继续携手行业伙伴，筑牢AI数据底座，让每一次模型迭代都有高质量数据支撑，让每一个AI场景都有坚实工程体系护航，共同迎接数智经济的产业新发展。
本文作者：林恩国
