江苏制造业数智转型迈入“AI+制造”新阶段

○宋颖弘

江苏制造业数智转型正进入由数字化基础建设向智能化价值创造跃升的新阶段。近年来，江苏持续推进“智改数转网联”，在设备联网、系统集成、数据采集和流程管理等方面形成较好基础。随着人工智能加快融入研发设计、工艺优化、质量检测、设备运维和供应链协同等环节，制造业转型在继续提升“看得见、连得上、管得住”等基础能力的同时，也更突出预测分析、智能优化、内容生成和辅助决策等方面的能力。如何进一步把数字化先发优势转化为产业创新优势和现代化产业竞争优势，成为江苏制造业高质量发展面临的重要课题。

从“智改数转”到“AI+制造”，当前主要面临四重衔接的问题。一是系统建设与价值创造衔接不畅，部分企业对应用场景、成本和预期收益缺少科学测算。二是数据采集与模型应用衔接不畅。企业虽积累大量设备、工艺和质量数据，但标准、口径、命名和接口不统一，工艺参数与质量结果缺少可学习、可验证、可追溯的关联，数据、模型和现场反馈尚未形成稳定闭环。三是通用技术与行业需求衔接不畅。制造企业能够描述工艺、质量和设备痛点，却难以转化为清晰的场景边界、数据条件和交付标准；技术企业掌握算法和通用模型，但对行业机理、设备接口和安全要求了解不足。四是局部试点与规模扩散衔接不畅。工业人工智能投入较大、验证周期较长，部分项目依赖驻场开发和定制交付，成熟方案又缺少统一接口、实施指南、评价标准和运维方案，试点经验难以向产业链中小企业复制。

为进一步推动人工智能+制造业落地，提出以下四点建议。一是以价值牵引促进应用转化，利用现有诊断成果，围绕企业既有系统、数据和工艺，形成边界清晰、条件成熟、收益可测的应用路线图，并通过历史数据、局部场景分阶段验证模型稳定性和应用成效。二是完善数据治理和模型验证，围绕具体问题建立相互衔接的数据和模型闭环，完善数据标准、质量管理、分类分级、授权使用和测试验证机制。三是健全需求转译和方案适配，发挥工业软件企业、系统供应商、平台、科研院所和专业机构的桥梁作用，明确目标、数据、接口、路线和风险边界，促进企业需求与技术、产品和服务供给精准匹配。四是强化规模扩散的公共支撑，提供算力、模型微调、本地化部署、检测表征和中试验证等共享服务，培养既懂工艺又懂模型的复合型人才，推动链主企业把成熟应用转化为场景组件、接口规范、实施指南和运维方案，带动人工智能应用从单个项目向产业链扩散。