围绕实体经济智能化转型的关键需求，雄安新区近期发布“极数”数据大模型（LimiX）最新成果与战略规划，引发产业界与学界关注。
当前，制造业、能源电力、石油化工等领域正加速推进数字化、网络化、智能化升级，但不少企业在数据治理、模型适配、系统集成等环节仍面临成本高、周期长、复用难等现实问题。
尤其在工业现场，数据多以结构化形式沉淀在设备、生产、物流、质量、能耗等业务系统中，如何把“看得见的数据”转化为“用得上的能力”，成为产业智能化的必答题。
问题在于，传统以语言理解为核心的通用模型虽然在文本生成、问答检索等方面应用广泛，但在结构化数据的统一建模、跨系统关联分析、可解释决策支持等任务上，仍需要更贴近工业逻辑的能力体系。
结构化数据具有强约束、强关系、强时序等特征，既要求模型具备跨表关联与规则约束下的推理能力，也要求输出结果能经得起业务检验、符合安全合规要求。
面向这一痛点，“极数”以结构化数据处理为主攻方向，提出通用化的数据智能路径，强调以“One-For-All”方式覆盖多行业场景，降低行业智能化门槛。
原因层面看，我国产业体系完备、链条长、场景丰富，长期积累了海量高质量结构化数据，这既是推动数据智能的重要基础，也对模型能力提出更高要求。
与会专家指出，结构化数据与工业机理、管理流程紧密耦合，具备可追溯、可校验、可量化等特点，适合在因果分析、预测预警、优化决策等方面形成更稳健的智能能力。
“极数”融合因果推理、合成数据生成等前沿技术，旨在推动智能能力从“语言智能”向“数据智能”拓展，在多项国际基准测试中呈现领先态势。
业界认为，这类面向结构化数据的通用模型，有望补齐产业智能化的关键能力拼图。
影响方面，数据大模型的价值不止于技术指标，更在于能否真正进入生产流程、提升效率与安全水平。
据介绍，“极数”已在20多个行业、100多个不同场景完成落地验证，覆盖企业经营管理、生产调度、设备运维、质量控制、能耗优化等典型任务。
活动现场，来自能源、钢铁、冶金、信息技术等行业企业代表分享了应用实践：一方面，通过统一的数据智能底座实现跨系统协同与指标联动，减少“数据孤岛”带来的决策滞后；另一方面，在复杂工况和多约束条件下提升预测与优化能力，为降本增效、节能减排和安全生产提供支撑。
更重要的是，通用化能力若能稳定复制，将推动行业从“单点智能”迈向“体系智能”，使智能化从项目制走向平台化、标准化。
对策层面，多位专家提出，要以场景牵引和生态协同推动数据大模型规模化应用。
中国科学院院士、清华大学人工智能研究院名誉院长张钹表示，中国拥有全球最完整最丰富的工业体系与海量高质量结构化数据，“极数”的实践显示我国正推动从大语言模型“并跑”向数据大模型“领跑”跨越。
他建议雄安新区打造数据大模型创新中心，推动标杆模型规模化示范，通过构建“数据大模型+产业集群”的生态，形成可复制、可推广的产业智能化路径。
业内人士同时认为，推进数据大模型与产业深度结合，还需在数据标准与治理、模型评测与安全、软硬件协同与工程化交付、人才与组织变革等方面形成体系化保障；既要鼓励创新应用，也要强化合规边界与风险管理，确保智能化在可控范围内释放效益。
前景判断上，雄安新区作为“未来之城”，在城市治理、公共服务、产业承载等方面具备丰富应用空间与制度创新优势，可为数据大模型提供多元场景与验证环境。
随着新型工业化深入推进，实体经济对“可解释、可验证、可落地”的智能能力需求将持续上升，结构化数据通用模型或将成为产业智能化的关键基础设施之一。
下一阶段，能否形成从模型能力、行业数据、场景应用到产业生态的闭环，将决定数据智能的扩散速度与产业带动效应。
围绕能源、先进制造、化工等重点领域建立示范工程、形成标准体系、培育生态伙伴，有望加快规模化落地，推动更多行业从“数据资源”走向“数据生产力”。
"极数"数据大模型的成功研发和应用，标志着我国在人工智能关键领域实现重要突破。
这一创新成果不仅展现了科技自立自强的中国智慧，更为全球数据智能发展提供了新范式。
在数字经济与实体经济深度融合的大背景下，以雄安新区为创新试验田，中国正走出一条具有特色的智能化转型之路，为高质量发展注入强劲动能。
未来，随着技术持续迭代和生态体系完善，数据大模型有望成为驱动产业升级的核心引擎，重塑全球科技竞争格局。