当前，新一轮科技革命和产业变革深入推动，人工智能(AI)正加速融入经济社会持续健康发展各领域，成为推动产业升级、培育新质生产力的重要引擎。尤其是在制造业领域，AI技术不断向研发设计、生产制造、仓储物流、经营管理等全流程渗透，推动制造业向数字化、网络化、智能化方向加快迈进。对于工业基础雄厚、实体经济发达的武进而言，抢抓AI发展机遇，推动制造业智能化改造和数字化转型，既是顺应产业高质量发展趋势的主动选择，也是提升区域产业竞争力、推动经济高水平发展的关键路径。
近年来，武进从始至终坚持把智能化改造和数字化转型作为推动制造业高水平发展的重要抓手，围绕产业升级需求，不断强化政策引导、平台建设和服务支撑，加快推进新一代信息技术与先进制造业深层次地融合，积极探索“AI+制造业”发展新模式，持续为实体经济注入新动能。
尤其是在中小企业数字化转型领域，武进聚焦企业“不敢转、不会转、不想转”等现实问题，依托数字化转型试点区建设，持续完善服务体系，推广轻量化改造方案和优秀应用场景，推动更多企业以更低成本、更高效率迈出数字化转型关键一步。
同时，武进持续搭建交流合作平台，推动技术、产业与企业需求深度对接。日前举行的IN 数智新未来 2026AI+智造数字化转型发展大会暨武进区中小企业数字化转型试点区建设对接会，便集中展现了武进推进“AI+制造业”融合发展的积极探索与阶段性成果。大会由常州市工信局、中以园管理委员会指导，武进区工信局与智砺中心联合主办，汇聚高校科研专家、制造业企业代表、数字化服务商等300余人，一同探讨AI赋能制造业高水平质量的发展新路径。
会上，常州市工业和信息化局副局长申剑飞表示，当前AI技术正全面渗透制造全流程，数字化、智能化已成为制造企业生存发展、提质增效的必答题。常州市将持续强化政策引导、要素支撑和服务下沉，依托武进区数字化转型试点区建设契机，帮企业降低转型门槛，推动更多中小企业敢转、愿转、会转。
从“制造”迈向“智造”，从“数字化”迈向“数智化”，人工智能正在重塑制造业发展模式，也为武进产业转型升级打开新的发展空间。此次大会的举办，不仅搭建起政企沟通、产学研融合、供需精准对接的平台，也进一步展现了武进推进中小企业数字化转型试点区建设的积极成效。
未来，武进将继续抢抓AI发展机遇，持续深化“AI+制造业”融合创新，推动更多企业加快数字化、智能化转型步伐，加速形成以人机一体化智能系统为核心的新质生产力，为区域经济高水平质量的发展注入更加强劲的“数智动能”。
为深入贯彻国家AI发展战略，夯实AI发展关键要素，深化人工智能场景应用，营造AI创新发展的良好生态，结合本区实际，制定本措施。
1.支持企业使用公共算力服务平台。对租用智能算力服务的企业，最高按其实际支付智能算力租赁费用的20%给予补贴，单个企业每年最高不超过200万元。(牵头单位：区工信局)
2.支持企业自建智能算力设施。对自建智能算力设施的企业，最高按照自建智能算力设施实际投资额的10%给予补贴，补贴金额最高不超过100万元。(牵头单位：区工信局)
3.支持数据开发利用。企业组织人工智能服务与应用中，围绕研发设计、生产的基本工艺、设备正常运行、产品检验测试等方向，对原始数据进行收集、清洗、标注、验证等，形成可用于人工智能模型训练和应用的高质量数据集的，最高按照企业数据集建设合同实际执行金额的15%进行补贴，补助金额最高不超过20万元。支持企业建设人工智能数据采集处理中心，最高按照软硬件投资额的15%给予补贴，补贴金额最高不超过200万元。鼓励高质量数据要素产学研项目建设，对研究数据治理认证、数据标准化标注、数据质量评估、数据安全保护等领域取得创新性成果，给予最高不超过200万元的支持。(牵头单位：区数据局)
4.支持开展核心技术攻关。鼓励围绕AI产业发展重大需求，以AI战略产品为主攻方向，开展关键核心技术攻关，给予专项科技经费支持。(牵头单位：区科技局、中以园)
5.促进人工智能算力及具身智能产业培育。对于人工智能算力产业领域(包含AI芯片、存储单元、互联单元、温控单元、电源设备等领域)及具身智能产业领域(包含整机及处于产业价值链高端、技术壁垒突出的关键基础部件与核心功能单元)的新、改、扩建项目，可对项目年度实际设备(含软件)投资进行补贴，补贴比例最高不超过30%。(牵头单位：区工信局)
6.支持关键技术和创新产品研制推广。对在人工智能、智能制造领域入围工信部揭榜挂帅名单的项目，给予最高不超过100万元的支持。对经省级及以上认定的AI领域首版次软件，给予最高不超过30万元的奖励。对经认定的市级以上(不含市级)AI领域首台(套)装备，给予每台(套)最高不超过30万元的奖励。(牵头单位：区工信局)
7.支持智能体开发与应用。鼓励人工智能服务商基于开源大模型或通过国家网信办备案的模型开发专用智能体，按照智能体技术能力与应用成效，给予最高不超过100万元的支持。鼓励企业开展行业智能体的研发与试点示范，推动企业依托人工智能技术提质增效，对取得明显成效的智能体开发应用项目给予相关支持。(牵头单位：区工信局、中以园)
8.典型场景建设。对入选国家级人工智能典型应用场景或示范案例的企业，按照单个项目给予最高不超过100万元的奖励。对入选省级人工智能典型应用场景或示范案例的，按照单个项目给予最高不超过30万元的奖励。(牵头单位：区工信局)
9.赋能工业制造升级。支持企业对照《江苏省制造业领域人工智能技术应用参考指引》，开展人工智能技术在智能工厂场景建设中的融合应用。对入选省先进级智能工厂的，给予最高不超过20万元的奖励;对入选国家卓越级智能工厂的，给予最高不超过100万元的奖励;对入选国家领航级智能工厂的，给予最高不超过200万元的奖励。(牵头单位：区工信局)
10.促进具身智能机器人行业应用。鼓励具身智能机器人整机及解决方案企业，开发具有高实用价值的行业解决方案。对具有首创性、实效性、可推广复制的场景应用项目给予支持。(牵头单位：区工信局)
11.推动政务应用。系统性推动人工智能技术在政府管理与公共服务领域的规模化落地应用，重点聚焦政务服务、教育、医疗、交通、水利、城市规划建设与管理等领域，建设一批应用场景，对相关应用项目优先列入政府财政预算，打造国内领先的“智能城市”品牌。(牵头单位：区数据局)
12.支持产业集聚发展。建立人工智能、具身智能梯次培养体系，扶持1个人AI核心社区，并围绕现代产业体系打造 2~3 个AI核心产业园区，强化要素精准导入，打造基础条件优、产业导向明、创新潜力大的全市标杆园区。(牵头单位：高新区、西太湖、中以园)
13.支持人工智能OPC创新发展。鼓励发展“单人+AI即公司”的OPC新模式，聚焦办公、算力、模型和数据等基础要素提供保障，在创业担保贷款、贷款贴息等方面给予灵活支持，构建完善人工智能OPC创业孵化ECO。(牵头单位：区人社局、中以园)
14.开展高层次人才引育。对AI领域高层次人才，提供创业资助、融资奖励、团队支持和必要的生活保障。对符合条件的按照武进区人工智能产业人才相关政策执行。(牵头单位：区委人才办)
15.打造产业创新服务平台。支持战略性领军人才牵头组建人工智能新型研发机构，根据建设目标和任务，给予连续性支持。支持人工智能前沿领域安全治理、共性技术研发、测试评估、中试验证、生态赋能等产业创新服务平台建设。(牵头单位：中以园、经发集团)
16.加强金融保障。鼓励银行等金融机构开发人工智能专项金融产品，覆盖企业全生命周期融资需求。引导各类投资基金(包括国有公司引导基金、私募股权基金、创业投资基金等)加大对AI领域项目的投资力度，构建覆盖基础研究、技术开发、场景应用的全链条投融资支持体系。(牵头单位：区政府办、国经集团)
17.深化人工智能国际合作。聚焦“一带一路”倡议、上海合作组织、金砖国家合作机制等重点战略方向，积极对接各类合作机构或平台，鼓励培育适配国际需求的AI国际公共产品。对创新性与海外主体开展联合研发、生态合作、人才培养等项目，最高按合作经费的20%进行补助，补助金额最高不超过100万元。(牵头单位：中以园)
18.支持人工智能活动开展。鼓励在人工智能国际社区、具身智能枢纽平台举办具有较大影响力的创赛、论坛、展会等AI领域活动，对活动组织方按照最高活动实际投入的50%进行补贴，每场活动补贴金额最高不超过20万元。(牵头单位：区工信局)
本措施自发布之日起实施，有效期至2026年12月31日。对同一事项按照“就高、从优、不重复”原则给予支持，所需经费按现行财政体制承担。
1.感知能力扩展：平台通过边缘感知硬件实时采集设备信号与工艺参数，将质量判断从人工抽检升级为全量实时智能检验。
2.专家能力沉淀：通过平台的智能体培育系统，将各环节资深专家的隐性判断经验结构化为可复用的硅基员工。
3.硅基组织协同：当各领域专家智能体积累至足够规模，即形成碳硅基专家组织，和顶级碳基专家高效协同。
1.专家经验难以规模复制：制造业关键质量决策高度依赖少数资深专家，随人员流动而流失，成为制约企业规模化扩张与品质提升的深层瓶颈。
2.数字化转型无法带来效率提升：现有传感器、算法模型等系统越来越庞大，彼此之间缺乏语义层面的贯通，没办法形成完整的“感知分析决策执行反馈”的任务闭环。核心业务判断仍依赖专家人工介入，数字化系统停留在辅助层面，无法放大数字化技术和AI技术的价值杠杆。
3.组织协作效率下降持续侵蚀经营利润：供应链上游的一处协作问题导致的质量疏漏，经各级制造与流通环节逐步放大，会造成百倍的经营损失，规模越大，损耗越显著。
1.知识资产标准化可复制：将制造业经营问题逐步转化为可计算工程信号，再提炼为结构化知识资产，每阶段均有明确交付物与验收标准，可跨企业、跨工厂标准化复制，已在汽车制造领域积累大量经实际项目验证的行业知识模板。
2.工业级智能体基础设施：历经5年自主研发的连山工业智能体计算底座，支持智能体深度接入生产设备、工厂IT系统及现场边缘终端，遵循“所有决策可解释、所有动作可追踪、所有认知可校正、所有价值可结算”四项原则，提供200+工业数据连接器，可与主流MES、ERP、质检系统无缝集成。
3.三年规模化可靠性充分验证：2022年至2025年，理想汽车整车保有量从10万台增长至逾150万台，同期售后专业方面技术团队规模维持在150人未出现同比扩张连山有效承担了业务规模增长所对应的全部决策与响应工作量，验证了人工智能技术带来的制造业生产力提升的可行性。
4.全栈国产自主研发：从边缘感知硬件到知识图谱与模型训练全栈自主研发，不依赖境外云服务，支持私有化部署，生产数据全程本地闭环，满足数据安全合规要求。
随着恒立液压智能化改造全面落地，工厂千余台智能化装备实现联网协同，关键设备联网率高达96.08%，日均处理海量跨系统、跨环节数据，数字化与智能化水平持续提升。但智能化高阶发展也使原有基础防护体系暴露明显短板，主要体现在：
1.异常流量识别精准度不足，涉及数十种工业协议转换，传统手段难以区分正常流量与攻击流量，易出现误判漏判;
2.安全事件响应效率偏低，依赖人工排查无法匹配实时运营需求，应急处置滞后;
3.敏感数据管控覆盖不全，生产计划、工艺参数等动态更新数据难以实现全生命周期管控;
4.缺乏主动预警能力，潜在风险多依赖事后处置，无法提前预判设备异常与网络攻击。
为解决上述痛点，公司引入人工智能技术构建AI云防护工业信息安全管控体系，为智能工厂筑牢高阶安全屏障。
案例采用网络边界、数据传输、终端侧三级防护架构，结合边缘计算+云端协同模式，整合AI智能防护、数据安全、网络防护及边缘计算四大核心技术，形成全链路闭环安全管理体系。
核心技术支撑包括：AI流量分析引擎、机器学习算法、NLP等AI技术，国密SM4与AES-256双算法加密、区块链存证等数据安全技术，工业协议深度解析、VPN加密通道等网络防护技术，以及智能网关数据预处理技术。关键软硬件涵盖奇安信云安全系统、威努特工业防火墙、IPS入侵防御检测系统等，同时集成SecurityGPT安全大模型，通过第三方API调用实现复杂威胁分析与智能决策。
1.通过机器学习算法建立设备健康度模型，可提前48小时预警资源不足风险，低危事件自动处置、高危事件生成攻击路径图辅助决策，安全防护智能化水平行业领先，异常流量检测准确率超98%。
2.运用NLP技术自动识别动态更新的敏感数据，结合区块链存证固化操作行为，实现数据分类分级管控与防篡改，解决工业场景敏感数据动态识别难题。
3.支持OPCUA、MQTT等20种协议转换，精准识别工业协议异常流量，兼容SAP、PLM、云MOM等多系统数据交互安全，较通用安全方案适配性更强。
4.网络边界部署多重防护设备、数据传输采用加密通道、终端侧实施进程白名单机制，工业防火墙覆盖率100%，工业网络100%物理隔离，形成立体防护网。
通过具身智能机器人标准化连续作业，彻底消除人工波动，实现节拍稳定可控，推动产线.破解产品质量一致性不足难题
通过AI智能识别+自主决策，实现跨型号自适应生产，大幅度降低换型成本与时间。
单台机器人可替代1至2名一线操作工，降低企业用工依赖与人力成本，同时避免人工疲劳带来的安全风险隐患与效率下降。
依托标准化接口与AI核心能力，无需改动原有产线结构就可以完成升级，实现“低改造、快部署、可复制”。
突破传统机器人“预编程、被动执行”的局限，构建“感知学习决策执行”完整闭环，实现机器人自主感知环境、自主学习经验、自主决策路径、自主执行作业。
创新性融合三类核心AI算法模型，构建全方位视觉感知体系，破解复杂工况下精准操作难题：位姿估计模型，精准识别PCB板空间位姿，输出抓取核心参数，保障抓取准确性;多图像点云建模，无需提前输入CAD模型，通过2D图像构建PCB板三维点云模型，实现无模型场景精准识别;二次精校模型，在初步定位基础上进行高精度校正，确保PCB板落位精度0.5mm，全方位保障作业精度。
具备系统集成与设备协同能力，支持Profinet、MQTT等主流工业协议，可直接对接MES、ERP系统，实现生产、设备、质量数据互联互通。
采用六轴协作机器人，具备类人手臂复合运动能力，实现高精度、高稳定作业。依托“云边端”架构，具备数据学习与模型迭代能力，可持续优化抓取策略、路径规划与节拍效率，形成自主迭代闭环，实现“越用越优”。
1.大样本半自动辅助标注技术：在构建训练数据过程中，利用基础模型进行辅助标注的手段，解决了在大样本量情况下手动样本标注效率低的问题。
2.多模态技术：项目组针对海量样本中缺陷呈现的视觉特征制作特定提示语，模型在学习过程中融合缺陷图像特征和提示语的文本特征，通过文本的强泛化性补充缺陷特征存在语义特征较弱的不足，进而大幅度的提高模型面临新缺陷数据甚至新场景数据下的泛化能力，解决了常规AI模型泛化能力差的问题。
3.迭代学习技术：目前多模态大模型具有较强的0-shot检验测试能力，能够针对更大规模样本做全自动标注，再经过人工复判后加入训练，通过不断迭代学习，逐步提升模型训练数据量。
4.模型部署加速技术：工业场景对模型响应速率有更加高的要求，项目组针对大模型部署进行了方案优化，通过GPU加速手段，解决了多模态大模型推理效率不足的问题。
1.针对自然场景的辅助标注已经很常见，然而工业缺陷数据存在形态复杂、语义信息弱的特点。项目组为了方便进行标注工作，前期搜集了大量样本并进行了像素级标注，最终训练得到了辅助标注模型，从而解决了大模型训练所需数据的标注问题。
2.在工业场景中，不同背景下缺陷呈现的形态不一，项目组结合缺陷成因及其具体的视觉特征，从纷繁复杂的缺陷形态中归纳出了一组缺陷信息提示语句。并将该组语句以文本形式和图像信息一一对应，实现了模型融合两种模态进行学习，从而使模型能够从有限的缺陷视觉特征中学习到对应的文本描述，最终实现在各种未知场景下，通过给定的文本提示找到对应缺陷位置。
3.目前的大模型一般运行在云端服务器，需要消耗较大的算力资源，但在工业场景中，考虑到成本和效率，需要将模型进行进一步的优化加速，项目组结合现场的算力条件，对多模态大模型进行了算子优化和CUDA推理加速，最终实现了工业场景的落地。
3C工业场景中对工业品的缺陷控制严格，多模态大模型具有检验测试能力强、应用灵活性高的特点。通过多模态大模型赋能，将极大提高设备的检测性能，对3C场景的质检任务产生深远影响。
