问题——从“能算”到“能用”，产业对高质量智能化供给需求凸显。当前，工业制造、能源、交通等领域沉淀了大量表格、指标、工艺参数、调度记录等结构化数据，但数据分散、标准不统一、质量不稳定、业务链条长等问题仍较突出，造成“数据多却难转化为生产力”。同时，企业推进数智化普遍面临模型开发成本高、应用迁移难、与业务系统对接复杂等现实挑战，亟需更通用、更易部署、对行业数据理解更强的底座能力，以提升效率、降低风险并加快决策响应。 原因——数据大模型兴起折射技术范式变化与应用牵引增强。活动现场发布的“极数”数据大模型，聚焦结构化数据的理解与推理，面向实体经济常见的数据形态与业务流程，目标是打通“数据—知识—决策”的关键链路。与过去依赖单一场景建模、反复从头开发不同，数据大模型强调更大范围学习数据规律，形成可迁移能力。中国科学院院士、清华大学人工智能研究院名誉院长张钹在发言中表示，数据大模型的兴起标志着人工智能范式的重要转变，技术指向是构建能够理解数据内在因果机制的“通用世界模型”，从而具备“一个模型赋能千行百业”的潜力。技术演进与产业需求相互推动，使大模型从概念走向工程化、从展示走向落地成为趋势。 影响——为关键行业提供“可复制”的智能底座，带动生态要素加速集聚。据介绍，“极数”数据大模型在多项国际基准测试中表现突出，面向工业制造、能源、交通等场景，可在数据清洗、特征理解、异常识别、预测分析与决策辅助等环节提供支撑。对制造业而言，围绕质量控制、设备运维、工艺优化等任务，若能在统一模型框架下实现快速适配，有助于减少试错成本、提升产线稳定性；对能源行业而言，围绕负荷预测、能效管理、设备健康诊断等需求，数据大模型可增强对复杂系统状态的感知与推演能力；对交通领域而言，面向调度优化、拥堵研判与安全预警等任务，数据驱动的综合研判能力有望更提升治理精细化水平。更关键的是，通用能力若能通过标准化接口与行业软件体系对接，可形成可推广、可复制的应用路径，进而吸引算法、数据、算力、人才与资本等要素向创新高地集聚。 对策——以研究院与公共平台为牵引，构建“原始创新—成果转化—产业应用”闭环。活动中，中国科学院院士、清华大学交叉信息研究院院长姚期智介绍了雄安人工智能研究院建设进展。研究院定位为原始创新策源地与科技成果加速器，并已搭建系列公共研发平台。业内认为，在大模型走向产业化的关键阶段，公共平台作用更加突出：一上，通过共享数据处理工具、评测体系与安全合规能力，降低中小企业创新门槛；另一方面，推动产学研用协同，提升从实验室到工程化的转化效率。下一步，需要数据治理标准、行业知识库建设、应用评测与责任边界诸上形成更明确的制度安排，推动“模型能力—场景需求—算力资源—行业监管”合力推进，在鼓励创新的同时守住安全与合规底线。 前景——“人工智能+”将从点状应用迈向系统重构，雄安有望形成示范效应。随着新型基础设施完善、创新主体集聚和公共研发平台持续健全，“人工智能+”在雄安的推进有望从单个项目突破走向生态化发展，逐步形成“以平台促研发、以场景促落地、以产业促迭代”的良性循环。从趋势看，结构化数据仍将是产业智能化的重要阵地之一，尤其在制造、能源、交通等领域，效率与安全的关键环节往往依赖高质量数据与可靠推理能力。若“极数”数据大模型能够在更多行业场景中持续验证稳定性与可解释性，并在实际生产中形成规模化应用，将为传统产业转型提供更有力支撑，也为区域创新体系建设提供可借鉴路径。同时，围绕数据要素流通、隐私保护与模型安全的制度建设也将同步推进，成为推动高质量发展的重要保障。
从白洋淀畔的创新试验场到国家数字经济新高地，雄安新区正在书写智能时代的发展答卷；“极数”模型的诞生不仅是一项技术突破，也展现了新型举国体制下科技创新组织方式的实践成果。随着数据要素与实体经济继续深度耦合，这片热土有望孕育更具示范意义的中国方案。