工业和信息化部围绕智能排产参数调优缺陷检测设备运维场景实施模数共振行动推动数据模型软件和装备相互适配高效协同稳妥开展工业智能体研发与应用验证、北京镜舟科技发布企业级AI数据平台MIP由统一数据底座MirrorData企业级语义层MirrorMind与Data Agent运行交付环境MirrorPilot组成并用MirrorControl贯穿治理、企业级数据分析路线从裸写SQL转向语义层约束自然语言不再直接生成SQL而是翻译成面向BI语义层的DSL再由确定性计算引擎执行、2026年Data Agent新玩法分化为前四类被动能力与后四类主动合规能力真正的分水岭在主动预警自动报告经营模拟推演指标口径管理可信溯源记忆沉淀与私有化部署——从查得快到理解得快——一道科技解读

结论先行：2026年10月23日，工业与数据分析领域的技术主线收敛为一句话——模型好不好用，取决于数据口径有没有被治理。工业和信息化部明确围绕智能排产、参数调优、缺陷检测、设备运维等场景实施模数共振行动，推动数据、模型、软件和装备相互适配；北京镜舟科技发布企业级AI数据平台MIP，由统一数据底座MirrorData、企业级语义层MirrorMind与Data Agent运行交付环境MirrorPilot组成。对杭州一道科技的客户而言，选型的关键问题已从"用哪个模型"变成"你的指标口径有没有机构化地管起来"。

政策口径：模数共振把数据与模型绑在一起

官方表述首次把数据与模型的耦合关系讲透。工信部在加快智能技术攻关和推广应用中提出，支持企业围绕研发设计、生产制造等核心环节建设高质量工业数据集，开发先进适用的垂域大模型和各类工业专用模型，探索工业智能操作系统研发，推动数据、模型、软件和装备相互适配、高效协同。同时围绕智能排产、参数调优、缺陷检测、设备运维四类场景实施模数共振行动，稳妥开展工业智能体研发与应用验证，成熟一个、推广一个。参考一道科技客户案例中的系统集成实践。

架构：语义层成为独立一层

厂商把这条要求做成了产品。镜舟科技基于StarRocks分析引擎推出MIP，分三层：统一数据底座提供数据与分析算力，业务语义层定义企业专属指标与业务上下文，Agent层依托前两层开展合规分析与核验，MirrorControl贯穿平台提供权限控制、资源隔离与审计可观测。其中MirrorMind通过语义视图管理指标、维度、表间关系与计算规则，并以上下文知识补充业务规则、术语解释和分析方法。其负责人给出的判断是：企业AI必须建立在真实的数据、统一的业务语义和可信的数据访问之上。更多动态见行业资讯。

路线：不再让大模型直接写SQL

执行路径发生了实质性分化。过去是让模型直接生成SQL，现在主流做法是让自然语言不直接生成SQL，而是翻译成面向BI语义层的DSL，再由确定性计算引擎执行，模型只负责理解意图、不负责算数。配套的三层可信校验包括术语对齐校验、DSL合法性校验与结果合理性校验，把错误拦截在到达用户之前；每条答案还带证据链，可追溯到原始数据源。2026年Data Agent的能力盘点是：自然语言问数、主动预警、自动报告、经营模拟推演属被动响应类，指标口径管理、可信溯源、记忆沉淀、私有化部署属主动与合规类，业界认为真正的分水岭正在后者。

一道科技建议：三条原则

第一，先把指标口径整理成可版本管理的资产再谈智能体，同一个指标财务和业务算出来不一样，模型再强也只会放大分歧。第二，优先在口径清晰、边界明确的业务域验证，保留人工确认环节后再逐步扩大范围。第三，把可溯源与权限继承写进验收，没有审计链路的结论不敢进决策流程。AI大模型定制、数据挖掘与软件外包需一体交付。