苏州：冲刺“智能制造之城”

在苏州昆山的沪光汽车电器股份有限公司（以下简称“沪光股份”）制造基地，人形机器人滑动到指定工位后，熟练地拿起周转箱中的零件，进行外观检测。它们对合格产品进行激光打码，并将不良品分类回收。尽管这套动作仍有“卡顿”，但失误率几乎为零。

“我们做的是实用型机器人。”沪光股份子公司全能具身智能科技（苏州）有限公司产品总监安明波告诉《中国新闻周刊》。自去年11月起，该公司的智能机器人正式进入自家工厂实习，从工人不愿做、失误率高的环节切入，先解决实际问题，再积累数据。这与苏州以“人工智能+制造”定义“智能制造之城”的路径一脉相承。

与许多城市竞逐AI大模型不同，苏州将自身完备的工业体系作为发展AI的最大试验场。这里拥有16万家工业企业、近5万亿元的工业规模，覆盖从螺丝钉到高端芯片的500多个工业门类，为技术落地提供了海量多元的应用场景。

人工智能的下半场，正从感知走向认知与行动。如何以场景驱动创新，让AI从实验室走进现实，完成向产业“最后一公里”的渗透？在“十五五”开局之年，苏州发布了一系列推动人工智能赋能新型工业化的政策，试图交出不一样的答卷。

博众精工的一处车间 本文图/受访企业提供

“最佳试验场”

在沪光股份昆山工厂附近，一处占地4000平方米的创新中心内，1:1还原了工业实景，新一批机器人正在此进行“真机+仿真”双线测试。按该公司规划，它们完成激光打码的实习后，将逐步进入物流转运、注塑生产、车间巡检等更复杂的场景。

沪光股份的转型需求正是苏州制造业升级的缩影。安明波介绍，沪光股份创办已有三十多年，核心业务始终围绕汽车线束展开，客户群从传统品牌扩展至新能源领域，但劳动密集型的生产模式一直没有改变。工厂至今仍有1.2万名员工，但新人难招，面对年轻人不愿进厂的现实，安明波坦言：“要保持竞争力，引入人工智能提升效率已是必然选择。”

像沪光股份这样的企业，在苏州并非个例。这座城市拥有16万家工业企业，覆盖34个工业大类、514个细分类别，形成了电子信息、装备制造、新材料等3个万亿级产业集群。“庞大的产业规模与完整的产业链，意味着任何工业AI技术都能在这里找到适配的测试场景。”阿丘科技副总裁李玉萍告诉《中国新闻周刊》，公司创始人最初就是因当地工业氛围而选择落地昆山。

2016年，阿丘科技创始人黄耀还在北京读研，在清华大学“昆山周”创业路演中凭借工业AI视觉平台项目获得种子轮冠军。次年，受昆山相关部门邀请，黄耀团队考察了当地工厂。他后来对媒体回忆，当时走进嘈杂拥挤的车间，看到流水线上几十名员工挤在一起，用放大镜做质量检测，备受触动。黄耀意识到：“这里是AI落地的最佳试验场。”

两年后，阿丘科技在昆山设立了全资子公司。其研发的AI视觉质检系统能在毫秒内识别人眼难以察觉的缺陷，大幅提升了生产效率和产品良率。如今，该公司不仅与立讯精密、清陶能源等昆山当地制造业巨头合作，还服务了1200多家工厂，累计部署AI系统超1.5万套。

阿丘科技的第一笔订单便来自苏州。当时，客户提出用两周时间开发出一套定制化的AI检测系统。黄耀和四个工程师结合需求场景，连续几个昼夜攻克问题。那段经历也让他认识到工业场景的严苛，与消费级AI不同，工业领域容错率极低，一个微小瑕疵可能导致整条产线停摆。

“工业AI必须从真实痛点出发，而非拿着技术找场景。”李玉萍回忆，公司2019年曾推出一款AI算法包（SDK），历经两年研发，却一直卖不出去。创始人黄耀带头跑市场，背着书包跑了两三百个工厂，最多的一天跑了4个城市。黄耀发觉，纯软件的模式并不适合当时的市场需求。于是转向开发配套的软件工具，形成了后来专业级工业AI视觉算法平台软件的雏形。

工业AI的数据获取是另一大挑战。“有时一周也收集不到一张缺陷图片。”李玉萍以消费电子精密结构件为例，其表面可能同时存在金属、玻璃和塑料等不同材质，对光线的反射特性差异巨大，这就使得设计一套通用的、能应对各种材质特性的方案变得极为复杂。

为此，阿丘科技引入AIGC技术生成工业缺陷数据，以解决工业场景中样本稀缺的行业难题。黄耀曾介绍，相比传统视觉，深度学习的计算机视觉能使缺陷检测正确率达到99％以上。而在某全球前三的新能源电池工厂中，依托阿丘科技的相关产品，缺陷率从百万分之一降低至十亿分之一。

“找到场景只是第一步，还需要反复验证、迭代，苏州的工业基础提供了这样的试验空间。”李玉萍告诉《中国新闻周刊》，从2021年起，苏州开始推动“智改数转网联”，为这波“AI+制造”落地提供了高质量的工业数据，制造企业在完成数字化转型后也更为明确自身痛点，产业上下游数据链得以打通。

据苏州市工业和信息化局数据，2021至2023年，苏州市累计实施智改数转网联项目超3万个，在江苏省率先实现了规上工业企业全覆盖。截至2026年1月，苏州市已拥有9家全球“灯塔工厂”。

“当前的‘AI+制造’是苏州‘智改数转网联’的延续。”苏州工业园区经发委副主任张敏高表示，通过上一轮转型升级，基本形成了从普惠性诊断、贷款贴息到建设灯塔工厂标杆的完整推进体系。经过多年摸索，政策支持也从普惠性的基础建设，转向更精准地聚焦于AI技术与垂直行业的深度融合，政策资源的投放效率也得到了提升。

2026年初，苏州市新型工业化推进会议暨“AI+制造”创新发展大会召开，发布了《苏州市推进新型工业化2026年行动方案》及“AI+制造”八大行动。值得关注的是，这是苏州连续第三年聚焦推进新型工业化。苏州计划培育150个工业垂类大模型，建设6个国家卓越级以上智能工厂。这种从“面”到“点”的策略转变，使苏州避开了与北京、上海等城市在通用大模型领域的同质化竞争，走出了一条基于自身产业优势的错位发展之路。

长出来的需求

作为“果链”核心设备商，博众精工科技股份有限公司最先感受到了电子产品更新速度的加快。该公司消费类电子事业部工程负责人告诉《中国新闻周刊》，产品越来越智能，对生产设备的精密度提出了更高要求，而产品迭代的加速，又将设备研发周期压缩得更紧。这种从消费端传导到制造端的“又好又快”压力，使得装备的研发生产时间被压缩到约一个半月。“这几乎是装备制造业中研发周期最短的品类。”

博众精工创办于2006年，专注于工业装备制造，其业务覆盖新能源、半导体等多个领域，其中消费电子类装备占比最高。如今人们使用的手机、耳机等消费电子产品，其制造流程中已有大量人工环节被自动化设备替代，而博众精工正是这些替代设备的重要生产者之一。

博众精工的车间

据该公司介绍，这些自动化设备均为非标产品，其生产长期依赖“有多少人，干多少活”的模式。随着项目数量增加、复杂度提升，单纯依靠增加工程师人数已难以跟上扩张速度。人员招聘与管理压力随之而来，后端生产环节被拉长，成本不降反升。“到了这个阶段，生产效率已经不能再靠招人来解决了。”

2024年底，博众精工对生产流程进行自查，发现图纸环节的物料编码重复率高达14％，普遍存在“一物多号”现象。这意味着，同一零件图纸对应多个不同的物料编码，从设计、采购到生产和品控，每个环节都因此增加了额外的识别与管理成本，造成巨大的隐性损耗。当时公司算了一笔账，若彻底解决这一问题，一年能省下数百万元成本。

“系统里有数百万个零部件，靠人脑根本记不住。”博众精工数智中心负责人解释。公司花了三个半月梳理出标准件库，并引入一套外部设计软件作为框架，根据自身业务流进行了二次开发与系统集成。如今，工程师设计新零件时，软件会实时比对数据库，动态提示已有相似零件的匹配程度，以减少重复设计，提质增效。

“制造业做AI，一定要算得过来账。”该公司工程部负责人坦言，技术研发的难度、周期、最终收益能否覆盖成本，是必须权衡的现实问题。因此，工业AI的落地，大多源于企业自身发展无法绕开的痛点，“这些需求，都是从生产环节里自己长出来的”。

宝时得科技的“AI升级”同样印证了这一逻辑。作为中国规模最大的电动工具制造商和出口商之一，其产品已销往全球近70个国家和地区。2020年前后，该公司上一代智能割草机器人逐渐暴露出短板：机器的自动工作依赖预先埋设的物理边界线，前期安装铺设费力，后期维护成本也高。

宝时得科技的生产细节之一

针对这一瓶颈，宝时得尝试了多种技术路线。研发人员探索了毫米波雷达、接触式传感器等方案，最终收敛到引入人工智能——基于视觉感知与高精度定位技术，从根本上替代传统的物理边界。新的挑战随即浮现：公司内部缺乏相应的AI算法与软硬件研发人才。

和当时许多苏州制造企业一样，宝时得也在面向全球招聘。2021年，美国莱斯大学博士于航加入，牵头组建起主攻智能技术的第二研究院，并快速搭建起约200人的研发梯队。他们借鉴工业检测等领域的成熟经验，以及当时AI底层技术发展与成本下降的契机，集中攻关一年半，在2022年底推出了两款基于AI技术的无边界智能割草机。

宝时得的智能割草机器人

AI技术也在帮助企业加速产品迭代。于航回忆，新产品进入批量生产初期，曾出现短暂的“不良率升高”，根本原因是传统检测方式已跟不上产品需求。新机内置了更多传感器与电子元件，对质检精度和效率提出更高要求。为此，团队又将AI技术反向应用于生产流程，开发出一套与产品AI能力联动的视觉检测系统。“由此形成了从研发到制造，再反哺研发的完整闭环。”

苏州制造业对AI的需求，正在向产业深处延伸。2025年，中国科学院院士鄂维南曾对当地数十家电子信息企业进行调研。他发现，与国内其他制造业强市相比，苏州企业对人工智能的应用已不止于简单的产线自动化，更指向了“工艺流程优化”等更为底层与核心的环节。

耐心陪跑

“制造业企业不了解AI具体能做什么，AI企业则不清楚工厂的真实痛点。”苏州工业园区经发委副主任张敏高介绍，在组织制造业和AI企业交流的活动上，企业家普遍提到双方存在“信息不对称”等问题。同时，双方体量上的差距、对数据安全的顾虑，也增加了合作难度。

作为落户苏州近二十年的人工智能企业，思必驰也是苏州工业园区“对接会”的常客。该公司自主研发的智能语音语言交互技术和大模型，已经在智慧出行、智能家居、会议办公等领域落地。思必驰董秘、首席营销官龙梦竹坦言，制造业客户的需求往往始于一个笼统的概念。

2022年，思必驰与一家头部扫地机器人品牌接洽时，对方最初提出的需求非常简单：更便捷。但经过联合调研才发现，用户实际需要的是精准的语音交互，同时降低机器工作时的噪声。这远非提供一套标准语音模组那么简单，而是需要双方组建包括声学专家、工艺专家和算法工程师在内的专项小组，进行定制开发。

思必驰的产品展厅

“技术落地不是单向输出，需要完成多次从实验室到车间的循环。”思必驰将这种合作模式概括为“0—1—N—0”的过程。龙梦竹解释，首先要在具体场景中完成从零到一的技术验证，再推向更多客户完成规模化应用。在海量的真实交互中，诸如离线响应、多人对话、方言识别等复杂需求才逐渐暴露，再将这些数据与问题反馈到技术底层，驱动算法再次创新。

面对AI转型趋势，大型制造企业往往更倾向于依靠自身力量。全球光纤通信领军企业亨通集团便选择了自建团队，并于2020年将内部团队孵化为独立的数字智能科技有限公司。该公司首席技术官陈虎介绍，亨通集团主营光棒、光纤、光缆等产品，其专用性强，很多核心技术全靠企业自身摸索而来，国内几家代表企业至今仍沿袭各自独立的工艺路线。这类高度特化的技术难以外包，且涉及核心数据和知识产权安全，自主组建团队便成了必然选择。

亨通的解法是，让最懂生产的工程师来主导智能化。在陈虎看来，工业AI不能只依靠单以数据驱动的“深度学习”，而是需要更严谨的逻辑与可控的因果链条，首要任务就是将“脑子里的经验”知识化、数字化，这是工业AI最难、最关键的一步。

效果直接体现在核心效益上。以光棒为例，其生产过程复杂，一旦出现残次品，无法返修，报废成本极高。亨通团队耗时两年多，将温度、粉尘、化学配比等30多个关键因子的对应关系，转化为可量化的模型，实现了对光棒质量的实时预测与工艺参数优化。仅此一项，在应用第一年就将光棒报废率降低了至少1％，直接节省成本上亿元。

对于大量中小企业“缺方案，不敢转”的顾虑，苏州则通过一套系统化的公共服务来降低其转型门槛。张敏高举例，去年下半年开始，工业园区陆续梳理出31项结合产业特色的典型场景，并以此为基础开发了针对园区制造业人工智能应用能力的“评价规范”。企业可自行在线测评，明确改造环节与预期效益。目前，该服务已经覆盖园区内上百家企业。

如何解决服务效率，则是更进一步的问题。张敏高直言，以往组织对接活动，常面临“信息错位”的窘境。台下坐的可能是财务人员，即便来的是工程师，也无法推动企业层面的转型决策，从而导致活动“失效”。为此，园区在搭建产业生态圈的同时，还特别成立了制造业CDO联盟，“为了把政策信息精准传递到企业关键决策人”。

两年前，张敏高曾亲自带队，组织昆岭薄膜、友达光电等园区内规上企业的负责人到清华大学，参加麦肯锡主办的“灯塔工厂”培训班。“目的是通过引导和树立标杆，形成示范效应，加速园区企业转型升级。”

然而，企业冲击“灯塔工厂”的门槛极高，仅咨询机构的服务费用就高达数百万元。发现这一症结后，园区调整政策，主动出面与咨询方谈判，将费用砍到了企业可承受的范围，并承诺为入选培育库的企业承担首笔诊断费用，单笔支持可达200万元。目前，园区累计已有5家“灯塔工厂”。“我们不当最后的鼓掌者，而要当过程中的陪跑者。”张敏高总结。

“事实上，政府引导在人工智能发展过程中是把双刃剑。”《工业互联网白皮书》一位编委成员告诉《中国新闻周刊》，其优势在于能够通过集中资源快速布局，实现关键技术的突破。但在很多城市的AI布局过程中，催生出不少“面子工程”，这种偏差在近年来的“城市算力竞赛”中表现得尤为明显。

前述白皮书编委成员坦言，苏州较早意识到了这一问题，在早期参与基础算力建设后，很快将重心聚焦于自身最具优势的“AI+制造”方向。不过他也指出，这条道路依然漫长，苏州仍需在构建高质量的工业数据集、持续打磨和推广典型应用场景等方面，保持耐心与投入。

去年召开的一次市长恳谈会上，陈虎作为企业代表，直言不讳地提出了制造业在AI转型中面临的需求与建议。令他有些意外的是，会后一个月内，多个相关委办单位主动联系，对其建议逐一反馈，给出解决方案，并提出了明确的资金支持意向。“从政策支持到落地见效，城市产业的全面升级，仍需时间。”陈虎说。

发于2026.3.2总第1225期《中国新闻周刊》杂志

杂志标题：苏州：冲刺“智能制造之城”

记者：李明子

（limingzi@chinanews.com.cn）

编辑：闵杰