赛迪智库信息化与软件产业研究所数智化转型研究室主任孙刚表示，“模数共振”建立了一个动态、持续、闭环的反馈与进化系统，使模型能够深度融入并适应工业场景的复杂性和多变性。通过“模数共振”建设，可以大幅提升工业人工智能模型对场景的适配性。
孙刚介绍，首先，“模数共振”能让人工智能模型更贴合实际业务机理，依托生产现场真实数据沉淀工业工艺、设备机理与业务规则，让人工智能模型不再依赖通用算法，深度贴合行业生产逻辑；其次，动态适配场景变化，通过生产运行数据持续回流、实时更新，敏锐捕捉工艺调整、设备老化、工况波动等场景变化，驱动模型动态迭代调校，避免模型固化失效，适配多工况、多品种生产场景；再次，缩小模型应用偏差，以真实场景数据持续修正模型误差，同时用模型应用效果反向优化数据采集维度与质量，减少理论模型与现场实际的脱节，让AI模型更贴合车间实操需求；最后，实现场景快速复制推广，依托“模数共振”形成标准化的数据规范与模型模板，在同类产线、同行业场景中可快速迁移适配，降低模型二次开发成本，提升规模化场景落地效率。（证券日报）