□屠立峰 蔡睿凝

【苏报新论】

■苏州推动“AI+制造”八大行动，能全面助力制造业企业生产流程的智能化改造与工艺创新中隐性知识的有效管理

■完善面向“AI+制造”的数字基础设施与数据共享机制，为制造业企业提供底层技术支撑与关键数据资源

■加大对新型基础设施的投资力度，特别是以5G/6G网络、工业互联网、大数据中心等为代表的数字基础设施，推动生产性服务业的信息化、数字化和智能化发展，为“AI+制造”搭建坚实的数字化底座

人工智能（AI）是新一轮科技革命和产业变革的重要驱动力量，为发展新质生产力蓄势赋能。习近平总书记指出，“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应”，“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”。近年来，苏州把握人工智能重大机遇，加快制造业全面转型，因地制宜发展新质生产力，提升城市产业发展核心竞争力，奋力打造具有国际竞争力的“智造之城”。

苏州推进人工智能赋能新型工业化落地见效

人工智能与先进制造业深度融合（“AI+制造”）是实体经济实现高质量发展、形成新质生产力的重要推力。AI作为一种新型的通用目的技术，具有广泛适用性和渗透性，能够嵌入不同行业的技术体系，助力企业优化创新流程，降低产品创新成本。苏州在“AI+制造”领域形成了丰富的应用场景。例如，江苏亨通智能装备构建了“柜库管理系统（WMS）+柜库控制系统（WCS）、人工智能（AI）+机器视觉”双核心的智能平台，有效解决物料管理效率低下、运营成本持续攀升、数字化转型缺乏抓手等痛点。“AI+制造”在完善企业创新模式、生产模式以及管理模式等方面展现出强大的赋能效应。2025年，苏州遴选了首批24个人工智能赋能新型工业化典型应用场景，鼓励企业持续开发新质生产力、提升全要素生产率、优化企业经营策略。2026年，苏州将通过月度征集场景、季度遴选标杆、发布场景建设指引，为人工智能技术新增100个以上可复制可推广典型应用场景。

随着数字技术的快速迭代，苏州技术融合网络日益精细，不同产业技术领域间的知识整合与重构持续加深。在技术创新方面，AI可以从大数据中挖掘前瞻性洞见，通过链接分散的知识片段、识别新颖知识组合，突破人类认知局限，提高企业获取新知识的能力。作为苹果公司最大的自动化设备供应商，博众精工产能主要受限于工程师的设计方案，而非车间生产能力。为此，博众精工很早就涉足人工智能，加大自动化设备的算法应用，通过将AI工具融合到研发系统，帮助研发工程师自动标注标准公差、辅助出图纸等，极大提升工作效率，也让公司承接到更多订单。在流程创新方面，AI能够替代部分任务中的人力投入，从而降低劳动成本，并通过提升流程效率与生产投入预测精度，提高产品生产效率。例如，东声（苏州）智能科技联合华为昇腾AI推出锂电领域工业缺陷检测AI行业解决方案，成功为锂电池工厂减少75%的人工目检工作量，质检精准率提升到99.5%，检测效率提升35倍。在提升创新效率方面，AI能够在新产品设计、产品开发和商业化阶段发挥关键作用。产品品类与产品吸引力是企业在试验过程中内生形成的。而AI能够快速分析大规模数据集，从中掌握潜在关系，降低试验过程中的不确定性，促进试验式学习和知识积累。例如，苏州璨曜光电构建了基于AI+AOI检测大数据示范应用场景，通过自建的PowerBI大数据互联分析平台，深度集成检测数据与生产流程，从检测到优化调整形成了数据驱动的闭环管理，有效解决人工检测方式效率低下、精度不足、成本高昂且易受主观因素影响的难题。AI算法能够高效分析大规模数据集，减轻企业的搜索成本与认知负担，帮助企业识别更多探索性问题与潜在机会，通过帮助企业高效了解客户偏好，激发更具创造性的产品构思与创新路径。思必驰通过自研跨模态“东风”大模型，正在深度赋能垂直行业加速升级，材料化学科研垂域大模型将让科研人员拥有智能科研助手；文旅垂域大模型将让游客拥有智能旅行助手。科沃斯机器人是全球唯一拥有完整家庭服务机器人产品线和产业链的公司，正致力于全产线逐步加强并优化AI能力，利用视觉语言大模型在机器人的建图、导航、避障方面提供更好保障，同时利用语言大模型，识别用户的模糊语音指令。

苏州推动“AI+制造”八大行动，能全面助力制造业企业生产流程的智能化改造与工艺创新中隐性知识的有效管理。AI具备生产数据实时分析、生产模式识别能力。“AI+制造”通过赋能企业识别生产中的问题模式与产品缺陷，实现产品生产工序的实时调整与优化。博众精工科技聚焦于突破刀片电池规模化生产的核心工艺瓶颈，研制出一套集成先进人工智能与智能感知控制技术的“刀片电池电芯极片切叠装备”，运用基于深度学习的全极片在线缺陷检测技术、多视觉传感的高精度定位与标定技术、高速飞切同步控制与多工位视觉纠偏堆叠技术等多项技术，实现了在每秒8片的高速节拍下，将裁切精度控制在±0.10毫米以内、堆叠精度控制在±0.2毫米以内的卓越性能，同时确保了极片缺陷的100%检出。制造工艺中涉及大量源自操作经验与实践过程的隐性知识。基于人工智能的知识管理系统可识别、捕捉并传播隐藏于员工技能与实践中的隐性知识，并通过无监督与监督学习算法促进其内化与转移，从而提升企业工艺创新水平和产品创新绩效。作为工业检测领域的制造业单项冠军，华兴源创经过多年的数据积累，借助垂直领域的工业模型训练自己的检测模型，实现了决策效率提升和生产成本的降低。以往，客户每更换一次技术就需要一位算法工程师至少一周时间重写代码。如今，导入算法模型并经过训练后，工程师在算法平台上做一些简单训练，就能达到这个要求，大大缩短客户切换新机种的时间。亨通光纤光棒智能制造工厂的智能集控系统配备强大的“算力引擎”，不但能够自动根据需求调度设备生产，还可以对照生产结果自主优化设备工艺参数，确保其自主研发的超大尺寸光纤预制棒可连续拉丝6天、总长度达上万公里。产业链上游的智能化程度提升，生产效率才能更高，亨通光纤不仅提升自身能力，还开发轻量化模块，服务整个产业链上的企业，通过整合生态，赋能中小企业。

“AI+制造”已经成为推动企业实现技术创新的核心机制。苏州“AI+制造”八大行动能进一步增强制造领域与数字领域之间的互联互通与知识整合，实现数字技术要素在制造体系中的深度嵌入，进一步推动产品智能化、数字化发展，提升企业产品创新绩效。

以培育新质生产力为导向，打造“AI+制造”新高度

围绕打造具有国际竞争力的“智造之城”的目标，把握智能化与工业化交汇融合的历史机遇，以技术供给促进“智能产业化”，以赋能应用加快“产业智能化”，最大程度激发“AI+制造”的双向赋能效应，整体壮大“1030”产业体系生态，推动AI产业高质量发展，全方位、深层次、高水平赋能新型工业化。

一是推动传统制造业企业与AI企业联合创新，提升“AI+制造”的深度和广度。制定制造业重点行业智能化转型指引，常态化开展赋能“深度行”活动，搭建线上线下供需对接平台，加快行业标杆解决方案和经验推广应用。推进AI技术深度嵌入生产制造核心环节，拓展智能辅助设计、虚拟仿真、故障预警等应用场景。加速智能产品装备迭代创新，推进AI手机、AI电脑等消费终端换代，加快人形机器人、脑机接口等新一代智能终端研发与应用，推动大模型与智能网联新能源汽车、数控机床等深度融合。加快智能体设计、开发、测试和部署，探索多智能体协同生态。

二是强化制造业企业生产技术与AI技术的协同创新，增强制造业企业智能化转型的内生动能。持续丰富面向产业的AI知识图谱、技术标准与分类体系，为企业提供跨领域技术匹配与创新路径的规划工具，帮助企业精准识别跨技术领域的技术机会、降低技术融合门槛。引导企业优先融合与其既有技术基础关联紧密的AI技术，从适配度高、整合难度低的方向先行试点，降低融合AI的成本与失败风险。推动企业围绕核心产品和关键流程系统积累AI相关知识、数据与经验，加大AI技术研发投入，提升企业融合新引入AI技术的能力。

三是完善面向“AI+制造”的数字基础设施与数据共享机制，为制造业企业提供底层技术支撑与关键数据资源。强化“AI+制造”在产品设计、制造和服务环节的深度融合。建设数字化设计平台与智能制造系统，支持制造业企业构建涵盖产品全生命周期的数据采集与管理体系，形成从设计、制造到使用端的闭环数据链条，推动模块化与智能化产品设计。不断完善用户数据开放共享机制，统一数据采集标准、标签体系与接口协议。建设行业级用户画像库与用户需求偏好模型，为制造业企业应用AI开展数字产品设计与定制化提供高质量数据支撑。

四是加大新型基础设施建设和投资力度，夯实“AI+制造”发展基础。在中长期规划中明确数字基础设施建设的目标和重点方向，统筹传统基础设施与新型基础设施的协同发展，为“AI+制造”发展奠定坚实基础。加大对新型基础设施的投资力度，特别是以5G/6G网络、工业互联网、大数据中心等为代表的数字基础设施，推动生产性服务业的信息化、数字化和智能化发展，为“AI+制造”搭建坚实的数字化底座。

★作者屠立峰系东吴智库副院长；蔡睿凝系南京信息工程大学雷丁学院研究员