2026年4月，工业和信息化部办公厅、国家数据局综合司联合发布《关于联合实施2026年“模数共振”行动的通知》，面向制造业领域20个重点行业，推动人工智能模型与数据资源协同互促、同频共振。8月以来，随着各地“模数共振”先行试点陆续铺开，这一行动正在从政策文件走向产业实践。

对于PHM（故障预测与健康管理）系统而言，“模数共振”的意义不止于一项政策——它正在从底层逻辑上改变设备预测性维护的技术路径和市场格局。

一、什么是“模数共振”？为何对PHM至关重要

“模数共振”的核心，是打破“数据归数据、模型归模型”的割裂状态，构建双向赋能、闭环迭代的良性循环。其目标到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。

这一逻辑与PHM系统的技术本质高度契合。

设备预测性维护系统的运行，本质上就是一个“数据—模型—场景”的闭环：传感器采集振动、温度等运行数据（数据层），AI算法对数据进行特征提取和故障识别（模型层），诊断结果指导维护决策（场景应用层），维护结果又反馈回数据层，持续优化模型。

过去，这一闭环的运转面临一个根本性瓶颈：高质量工业数据的获取成本和模型训练的算力门槛过高。中小企业的设备数据量不足、标注困难，导致AI模型难以有效训练；而通用模型又缺乏行业机理知识，诊断精度达不到实际要求。“模数共振”行动正是要破解这一困局——通过行业通识数据集建设和行业模型攻关，让数据和模型形成正反馈。

二、数据—模型双轮驱动：PHM的降本增效新逻辑

“模数共振”行动对PHM行业的影响，可以从三个层面来理解：

数据层面：行业数据集降低“入场门槛”。 行动明确要求“构建行业通识数据集，打造行业模型”。这意味着，过去需要企业自行积累数年才能形成的设备故障数据，未来可能通过行业数据集共享的方式获得。对于大量中小企业而言，设备状态监测的数据基础不再需要从零搭建。

模型层面：行业专用模型提升诊断精度。 行动要求攻关一批“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”。通用AI模型难以准确识别不同行业的设备故障特征——化工泵的故障模式和矿山破碎机的故障模式截然不同。行业专用模型的出现，将大幅提升AI故障预测在细分场景中的准确率。

场景层面：规模化应用加速技术迭代。 行动的目标是推动工业人工智能“从零星试点走向行业普及”。更多的应用场景意味着更多的真实数据反馈，更多的数据反馈意味着模型的持续优化——这正是设备预测性维护系统从“能用”走向“好用”的关键路径。

三、行业正在行动：江苏的“模数共振”实践

作为全国制造业第一大省，江苏已在南京、苏州、无锡三地启动“模数共振”先行试点。2025年，江苏制造业增加值达4.77万亿元，占全国比重13.8%，三项指标均居全国第一。国家模数共振行动划定的20个重点行业在江苏实现全覆盖。

江苏提出到2027年推动10个以上工业大模型深度应用、建设100个左右行业高质量数据集、选树不少于100个人工智能应用标杆的量化目标。南京、苏州、无锡等地同步出台配套举措，形成省市联动推进格局。

这一实践对于PHM行业的启示是：设备预测性维护不再是一家企业单打独斗的技术攻关，而是可以依托行业数据集、行业模型和场景应用协同推进的系统工程。设备健康管理的能力建设，正在从“企业自建”走向“行业共享”。

四、元硕科技的布局

“模数共振”行动打开的，是一个数据与模型协同进化的新周期。元硕科技自主研发的RIIWORX^®智能设备运维管理系统，已在这一逻辑下做好了充分准备。

在数据采集端，RIILinX工业智能网关支持振动、温度、压力、电流等多信号同步采集与边缘计算，已在高压水切割设备、风机、制药水泵等场景完成部署，为设备状态监测提供高质量的数据输入。

在智能诊断端，RIIWORX^®PHM系统涵盖轴承损伤、齿轮故障、转子不平衡、不对中等典型故障模式的知识库，实现从数据到诊断的跃升。随着行业数据集的逐步开放和行业模型的持续迭代，AI故障预测的精度和覆盖范围有望进一步提升。

在执行闭环端，系统已形成“监测—诊断—处置—验证”全流程闭环——预警自动生成工单、移动端推送执行、结果反馈入库，让每一次预警都有行动、每一次行动都有记录。

元硕科技——深耕工业设备数字化运维，提供PHM设备健康AI预测性维护、设备全生命周期管理、设备预警及智能网关监测等一站式解决方案。

元硕科技——以数据驱动设备健康，用AI预见工业未来。