在过去，LED封装车间里，设备的运行参数调整、芯片的数据监测，往往依赖长期积累的工艺经验；而如今，这些数据正实时汇入工业智能平台，用于训练和迭代AI模型。模型产出的优化决策，又反过来指挥着产线的每一次参数调整——这是佛山国星光电车间里正在发生的事，也是广东“模数共振”的一个缩影。

然而，这样的场景在制造业中仍是少数。总体上，工业AI的落地效果依然不尽如人意。2025年，我国工业AI市场规模虽突破1200亿元，但大量试点项目“叫好不叫座”，仅约23%的制造企业AI项目能实现规模化盈利。如何破局？

第一步，是数据标准化。在过去，LED封装产线涉及的多个系统，各说各话、口径不一。而赛意信息用一套统一的工业数据模型将国星光电的产线数据标准化，打通全流程，将分散的数据转化为统一的数据资产。

数据立住之后，AI才能真正“上岗”。在国星光电的LED封装产线，AI不再是“看数据、给报表”的外置工具，而是能直接参与生产决策的“专家”。赛意信息将AI能力原生嵌入分光分色、外观检测等关键工序，帮助优化产品集中度，智能分析产品缺陷，提升产品良率，替代大部分人工复判工作量。

产线产生数据，数据训练模型，模型优化产线，优化后的产线又产生更高质量的数据——这正是“模数共振”的核心循环。

如果说赛意信息是“先让数据说话，再让AI上岗”，要务科技则是“先让AI理解工业世界，再做出决策”。在研发上，要务科技从场景验证出发，让Agent先在能模拟上万种极端工况的数字孪生沙盘中跑通，再将其落地到工业环境中。两条路径殊途同归，共同指向同一个内核：让AI模型与工业数据相互“喂养”。

在广东，搞“模数共振”，有其不可复制的底气：这里拥有全国最密集的工业场景，规上工业企业超过6万家，电子信息、家电、汽车等产业链数据密度极高。更重要的是，广东走了一条与别处不同的路：不是拿着通用AI找场景，而是从工厂里长出来的AI解决方案。

从今年4月国家启动“模数共振”行动开始，广东各地也在密集行动。广州、东莞、珠海、佛山等地，均在大力布局“模数工坊”“模数空间”等创新空间。

当工业数据真正开始“喂养”AI模型，当AI决策真正开始指挥产线，广东正在用一场“模数共振”的实验解答人工智能发展的关键问题：未来，制造业的竞争将不再是传统工厂与数字化工厂的竞争，而是数据驱动的智能工厂与经验驱动的传统工厂的竞争。而广东，正站在这场变革的最前线。

（封面设计：刘妍妍；剪辑：张通、实习生贺欣）