徐纪平赴宁波鄞州调研人工智能赋能制造业，强调“应用为王”务实路径

　　在人工智能成为制造业转型升级核心驱动力的关键时期，浙江省智能制造专家委员会(简称“浙智专委”)主任徐纪平，副主任徐高春、董建伟，宁波市智能制造专家委员会陈炳荣主任等资深专家组成的调研组，深入鄞州汽配产业一线，于10月27日至28日开展了一场为期两天的人工智能赋能制造业专题调研。鄞州区陈建恩副区长、区经信局张晓波总经济师以及相关科室等人员全程参与。此行核心议题鲜明而坚定：如何在喧嚣的技术概念中，探索到一条让人工智能在制造业车间真正“用起来、效果好、可推广”的务实路径。

　　调研组先后走访了浙江君睿智能装备有限公司、博格华纳汽车零部件(宁波)有限公司、宁波精华电子科技股份有限公司三家代表性企业，覆盖了从智能装备供给、大型外资应用到国内“专精特新”实践的完整产业链视角。

　　君睿智能以AI视觉开辟细分市场，展示了技术驱动型企业的爆发力，攻克了全球汽车轮毂AI视觉检测空白的案例，印证了在特定场景下深耕的智能终端产品拥有巨大市场潜力。公司负责人介绍，传统的轮毂检测依赖大量人工，效率低、标准不一，且无法形成可追溯的数据链。君睿智能的创新在于，采用独特的摩尔纹光源技术替代昂贵的3D相机来检测凹陷和突起，将成本降低了90%，并攻克了毛刺识别、小孔缺陷检测等行业难点。更值得一提的是其“小样本学习”能力——仅需50-100个合格品进行训练，AI模型就能快速掌握检测标准，并能实现多规格轮毂生产线的实时无缝切换。

　　博格华纳全球化视野下的AI系统布局。调研组看到了跨国企业在AI应用上的严谨规划与系统布局，从高精度的AI视觉检测到基于十年数据积累的AI诊断系统，其“OT与IT深度融合”、“精益化与智能化结合”的理念，为AI落地提供了重要参考。在生产线上，AI相机正对零部件进行精准检测，可识别螺丝缺失、未拧到底、插针弯曲、微小磕碰等十余种缺陷，准确率高达99.5%，远超人工的95%。为解决外部光源干扰，企业创新性地采用“机械手+摄像头+遮光设备”组合方案。

　　精华电子顶层设计驱动的全域数字化转型。该企业从初期探索到以强大顶层设计重启数字化，构建全域架构，其AI应用正是在坚实的数字化基础上自然生长而来，为众多中小企业提供了可借鉴的路径。精华电子的案例生动说明，数字化是智能化的前提，没有良好的数字化“土壤”，AI的“种子”难以生根发芽。例如，已落地的AI安全监控系统，集成摄像头自动识别吸烟、明火、车间使用手机等违规行为，实时报警，替代了低效的人工排查。正在规划中的AI质检、APS智能排产、协作机器人上下料等，都是在解决了“流程透明、数据可追溯”这一数字化基本问题后，向“复杂算法、效率提升”的智能化阶段迈进。

　　在鄞州区经信局举行的座谈会上，气氛热烈而务实。省、市智专委专家、鄞州区政府部门、区属国企及人工智能服务商代表，围绕实施方案与落地挑战进行了长达数小时的深度交流。

　　区经信局介绍了鄞州区汽车零部件产业规模庞大、门类齐全，但缺乏整车企业引领是其核心痛点，直接制约了在智能驾驶、智能座舱等高端环节的发展。详细阐述了获批省级试点后精心打磨的实施方案。其核心是 “五个一”目标：培育一批高水平数据能力企业、打造一批高质量数据集、树立一批应用标杆、建设一个行业平台、构建一个服务生态。更为具体的是，方案计划围绕质量检测、设备预测性维护、公共工艺、安全生产四大方向打造高质量数据集，并创新性地提出了“六环节十场景”的落地框架(涵盖研发设计、生产控制、质量检测等六个环节，每个场景又分基础、进阶、深化三级)，旨在让抽象的AI概念转化为企业可感知、可实施的具体任务。

　　数字化服务商文谷科技提出向AI转型过程中，面临 “三高一下滑” 的挑战：算法人才薪资高(应届生年薪二十多万起)、算力投入成本高(一块H100 GPU卡价值18万)、研发投入高，但与此同时，项目单价却大幅下滑，从疫情前的150多万元降至现在的50多万元。

　　徐高春副主任指出，数据必须服务于具体的业务场景，脱离场景谈数据集建设可能目的不清、难以落地，强调应坚持“场景驱动”的务实路径。

　　陈炳荣主任补充道，高质量数据集的建设需要数据工程师与企业业务专家紧密协作，深度融合行业机理。

　　徐纪平主任充分肯定鄞州区在人工智能赋能制造业试点工作上的成果。提出了人工智能落地应用的“一个核心导向、五大关键原则、一套实施体系”。

　　一个核心导向：坚定不移地坚持“应用为王”。他深刻论述了“应用为王”的必要性：技术创新的终极目标是应用;应用能汇聚资源、反哺创新;作为县级层面，最大优势是丰富的应用场景，必须“有所为有所不为”，“但求所用，不求所有”，充分发挥市场在资源配置中的决定性作用。

　　五大关键原则：构建落地实施的“五为”框架。

　　场景为锚：一切工作必须围绕具体场景展开，数据建设不能脱离场景需求。提到“油盐酱醋的数据基础要弄好，但烧一碗菜时，配料是不一样的”。

　　数据为基：数据是驱动数字化和智能化的核心，当前企业数据“堆在那边，闲置在那边”，治理水平与智能化应用的要求差距巨大。

　　载体为核：智能体和智能终端是应用的落地载体，是衡量企业智能化水平的关键标志。

　　模式为要：鼓励“基模+二次开发” (基于成熟模型做微调，成本低、周期短)和 “组团共享” (多家企业联合数据与服务商共建智能体，分摊成本)。同时鼓励“先用后付”等模式，降低企业初始风险。

　　生态为翼：强调要构建一个“产学研用政”协同的良好生态，特别是要培育一批 “懂AI、懂行业、有成功案例、有基础模型” 的专业化应用服务商。

　　一套实施体系：“五个一批”与“五步走”。

　　“五个一批”建设方向：打造一批应用标杆企业、一批智能终端产品、一批共性场景/模型、一批专业应用服务商、一个良好生态。

　　“五步走”操作路径：场景调研、揭榜挂帅、方案评估、项目实施、总结推广。行业划分应按“怎么做”(加工机理)而非“做什么”(产品)，以利于成功经验的跨行业复制。