无锡以“人工智能+制造”打造验证场

必须承认，眼下全球制造业正在进入由AI驱动重构的阶段，机遇与难题同样突出。

翻看这几年的变化起伏，一个线索愈发清晰：

在这场全球AI竞逐中，中国手里有一张难以被复制的关键牌：制造业。我们拥有门类最齐全的工业体系、最庞大的制造数据储备，以及最广泛的真实应用场景。

可“牌”好不等于“打法”顺。

今天制造业面临的现实冲突很直接：一方面，AI技术正对既有资源分配与生产链条形成渗透冲击；另一方面，还要守住产能利用率的稳定，不能让运行出现明显下滑。

因此，问题可以归结为一句话：AI在制造业中怎么用，才能算是更优的选择？

对于这件事，有个制造业强市正在给出自己的答案——无锡。

就在不久前，无锡市“人工智能+制造”路演推进会召开。

之所以说它“特殊”，在于现场不推抽象概念，不让专家只谈趋势，而是请来六家企业依次上台。

他们讲的不是“理念”，而是如何把AI真正嵌入生产线，投入之后到底省下了多少、带来了哪些实际效益。

所有人都明白：人工智能的下半场，关键在于把能力从实验室推进到产业的“最后一公里”。谁能率先拥有一批把AI用在制造核心环节的企业，谁就更有可能把链路打通。

无锡则用一组组“真正在做”的案例，稳稳坐在了这张牌桌上。

01.

“最佳试验场”

为什么偏偏是无锡？最直接的理由，是这里具备适配“人工智能+”的制造全场景。

看一眼产业底数就能明白：

全市8万多家工业企业、9000多家规上主体；去年规上产值2.7万亿元；规模超2000亿的产业集群达8个。对AI落地而言，这样的土壤正是必需：场景足够多、工业知识足够深、数据矿藏足够大。

因此，在这次“人工智能+制造”的路演推进会上，我们能看到不同赛道企业交出的“成绩单”。

先从服装行业说起。

服装行业最让人头疼的点是什么？是库存。

当前全球服装行业库存积压率已超过30%。从设计到上市，传统节奏往往要将近100天；等产品终于上架，市场潮流可能早已换了方向。

无锡服装龙头海澜之家的破局思路，是打造一套名为“天海”的AI决策大脑。它把全国8000家门店、近千条供应链以及上亿件商品流转数据汇入系统，让数据变成可自主决策的智能底座。

效果如何？

在生产端，依托超10亿张服饰图片与1300多个设计标签，再结合FD服装大模型，设计师只需输入一行文字，就能生成满足商业标准的成衣款，设计周期被大幅压缩，设计成本也下降了60%以上。

在生产与销售之间，AI会实时研判销售表现：该补货还是该停供，系统自动给出结论，并向工厂下发指令。以一件西装为例，从测款、返单再到生产，最快4天即可完成，库存从源头就开始实现更精确的管理。

几十年来服装行业一直追求的“柔性生产”，在无锡得到了大规模落地的实践。

接着看钢铁行业。

江阴的兴澄特钢是全球特钢行业首家“灯塔工厂”。特钢与普钢不同，这块“硬骨头”对性能、纯净度、精度与稳定性要求极高；同时客户会给出五花八门的定制规格，试错成本很高。

兴澄特钢的做法同样很“硬核”：

把长达30年的110万条特钢产品工艺数据进行整合，沉淀成高质量数据集；并在全工序部署了30多个AI模型——

其中包括智能投料模型：在4000多个钢种范围内自动挑选最优计算规则，实现配料加料一键完成，钢液成分不合格率降低34.4%；

以及钢包吹氩模型：借助AI视觉识别技术实时解析吹氩效果，秒级响应并调整参数，让钢液纯净度再提升0.2个百分点。

在特钢领域，哪怕是这些看似很小的提升，也直接影响产品能否应用到航空航天、高铁轴承、深海装备等高端场景。

类似的“AI赋能制造”创新案例，也在精密制造与生物医药领域同步出现。

以汽车零部件为例，威孚高科构建了一套深度学习模型：系统实时采集设备数据，动态计算机械加工过程中刀具更换的最优时机。更进一步的是，AI不仅给出建议，还能直接发出PLC指令反控设备参数。

综合效果体现在：产线效率提升18%，库存周转率优化33%，质量损耗降低33%。

生物医药企业英矽智能则研发了Pharma.AI平台，借助生成式AI、深度学习等技术，从靶点发现到确定候选化合物，最快只需12到18个月。

目前英矽智能已有两条管线进入临床二期，其中一个项目今年下半年将在中国启动临床三期。若该药物最终获批上市，将成为全球首个由AI完成全新靶点发现、全新分子设计并最终获批的药物。

02.

长出来的需求

把这些案例串起来看，你会发现一个耐人寻味的现象：无锡的“AI+制造”并不是“上面派下来的任务”，也不是追逐风口的一时冲动，而更像是一种“需求长出来”的结果。

所谓“长出来的需求”，就是企业在真实生产经营中遭遇了具体问题：

如何降本增效？如何持续创新？如何持续满足市场需求？

围绕这三个问题，这次推进会上可以看到一种拆解方式：将AI对制造业的赋能拆成三个维度来讨论：

资源配置、技术创新、组织形态。

一方面，AI正在改变传统的资源组合方式。设备、人力、物料、算力、资金可以跨时空重组；经验也能沉淀为算法，而算法又能被不断复用。

另一方面，机器视觉、多模态感知、自学习算法等技术，让工业生产正在从经验驱动转向数据驱动与模型驱动。

更重要的是，传统制造通常是大规模、批量化、标准化；但市场越来越需要小批量、多品种、定制化，而且迭代速度也在持续加快。

看出来了吗？一个问题对应一个维度。可以说，这些需求足够密集、足够强烈，于是“人工智能+”也就具备了稳稳承接的条件。

无锡为什么能接得快、落得稳？

首先，无锡拥有一批“懂得智能、熟悉行业”的AI应用服务商。

去年，来自上海的羚数智能正式落户无锡，成立环太湖总部。目前它已与无锡派克、鹰普、润和机械等本地企业推进合作项目，打造区域AI与制造示范工程，让部分前沿AI能力与本地制造需求形成更直接的对接。

同样值得注意的是，梅洛迪科技在2024年由创始人回国调研后，最终选择落地无锡。面向非标装备制造，企业综合运用通用大模型、行业专家小模型、CAD智能解析及工业多智能体技术，形成从设计到供应链的智能化闭环。

像羚数智能、梅洛迪科技这样的公司，无锡已经形成一定集聚。

其次，无锡的人工智能底座非常扎实。

人工智能离不开三要素：算力、算法、数据。

算力方面，无锡已建成智算中心19个，总算力规模达到13800PFLOPS，能够支撑大量企业同时进行模型训练与推理应用。更重要的是，无锡正推动“云-边-端”协同算力体系，目标是让企业使用算力就像用电一样便利。

数据方面，无锡正全力建设高质量工业数据集。无锡具身智能机器人工业数据采集与实训中心，每年高质量数据产能已达1200万条。今年，无锡还计划新增工业模型、智能体与高质量数据集各50个。

算法方面，无锡深化与阿里、讯飞、抖音、京东等头部平台的合作，推动本地多模态大模型训练取得突破。同时还在开展垂类模型“揭榜挂帅”，鼓励企业针对具体场景开发轻量化、可部署的工业模型。

在当前制造业面临较大生存压力的背景下，无锡智造的探索具有很强的现实意义。

从眼前看，它满足的是企业可感知的增长需求；从更长远看，它也是无锡制造不断拓宽“护城河”的必需之路。

03.

“生态”陪跑

方向选对只是起点，真正难的是如何把路走过去。

坦率地说，目前“人工智能+制造”的路还很长：

在哪些环节切入、用什么方式落地，才能让AI更快更好地融入制造业的各个链条？这些问题都值得持续深入研究。

无锡也很清楚，必须以示范引领为抓手、以应用导向为主线。

无锡工信局的相关负责人告诉我，接下来他们准备重点做几件事：

组织优质服务商重点服务50家企业开展深度诊断；

打造50个工业高质量数据集与50个工业垂类模型；

形成10家人工智能应用头雁标杆；

培育5家具备行业影响力的标杆服务商；

进一步推动智能体、智能装备、具身智能等“锡产锡用”。

从这些任务可以看出，无锡走的是“试点先行、标杆引领、生态共创”的路径：一边打造标杆，一边把基础设施与产业服务的底座布好，让更多企业敢闯、敢试、敢持续投入。

这，也正是这场“人工智能+制造”路演推进会的核心目的。

归根结底，就是要“上下一心”，共同营造“人工智能+制造”的生态环境。

需要留意的是，围绕这张“生态”网络，无锡已经开始持续织网：

在政策层面，投入20亿元的AI产业基金，引导多元主体参与构建人工智能基金投资生态，从而让企业做AI应用的门槛显著降低；

在平台层面，无锡建设“犀数工场”。企业在这里能“像逛超市一样”快速找到匹配的AI解决方案。锡东新城的长三角国际人才港也集聚了超过50个创业项目，AI应用相关企业占比超过四成；

在企业实践层面，本地龙头也在加速行动。例如航亚科技等企业发起打造“AI+制造创新联盟”，探索产业链联盟的全新协作模式。

说实话，这种耐心陪跑、久久为功、上下同频营造生态的姿态，恰恰是最难做到的，同时也最值得被关注。

而与此同时，这套“生态打法”也已经显现出可量化的成效。

2025年，无锡智能制造发展水平指数达到170，在长三角27个中心城市中位列第4，并持续保持第一梯队。

当然，对仍在持续前进的无锡来说，人工智能应用、数字化转型与制造强市建设是没有终点的长期过程：噪声多、诱惑多、焦虑也不少。但真正迈步上路的人，只需低头看路、一步一步往前走。

莫听林间穿叶声，何妨徐步轻吟行。