问题——制造业正处于转型升级关键期，传统增长方式边际效应递减，企业面临成本上升、交付周期压缩、质量一致性要求提高等多重压力。
同时，智能化改造在不少环节仍存在“看得见、用不顺”的痛点：模型与产线工艺不匹配、数据沉淀不足、场景落地碎片化，导致投入与产出不易形成闭环。
如何把智能技术从“示范展示”变为“日常生产力”，成为制造强市向更高能级跃升必须回答的现实课题。
原因——从产业规律看，制造业智能化的核心在于数据、模型与工艺的深度耦合，单纯移植通用方案难以适配千企千面的工序差异。
当前一些企业数据采集标准不统一、数据孤岛较多，影响模型训练与持续迭代；中小企业在算力获取、专业人才、投入强度上也存在短板，导致“能上系统、难见成效”。
从全球竞争看，关键底座仍是算力、芯片、工业软件与标准体系，任何一个环节受制约，都会影响产业链协同效率与创新速度。
基于上述现实背景，地方推进“AI+制造”更需要以行动方案牵引系统性工程，形成可持续的产业生态。
影响——大会集中发布多项举措与清单，释放出苏州以新型工业化为主线、以“AI+制造”为突破口加速产业升级的明确信号。
一方面，面向企业最关切的“可用、好用、耐用”，提出到2026年动态培育150个工业大模型，强调模型必须贴近产线、适配工艺，鼓励模型开发企业与制造企业联合攻关行业专用与轻量化模型，推动智能技术从“能跑起来”向“跑得更稳、更省、更准”演进。
另一方面，以数据作为基础性要素，围绕设备、产线、工厂、企业、产业等多层级，推动数据流通共享，计划形成200个以上高质量工业数据集，为模型迭代和跨企业复用提供“原材料”。
来自企业界的声音认为，高质量数据集不仅决定模型效果，更可能成为企业沉淀能力、构筑技术壁垒的重要抓手。
对策——围绕“应用牵引、底座支撑、生态协同”的路径，苏州提出从场景、终端、算力、芯片、标准等多端同向发力。
其一，以场景驱动加快落地见效。
计划到2026年新增100个以上可复制、可推广的典型应用场景，并建立“月度征集、季度遴选、发布指引”的推进机制，形成从需求提出、方案评估到示范推广的闭环，降低企业试错成本，提升解决方案供给效率。
工业领域的价值往往来自“把一件事做到极致”，以场景为牵引，有利于培育一批面向细分行业、深耕关键工序的高价值产品与服务。
其二，以智能终端塑造产业新增长点。
聚焦具身智能机器人、智能消费电子、智能高端装备等九大细分方向，提出打造“智能终端苏州品牌”，培育入库产品超过300个，并推动其在工业制造、政务服务、医疗健康等领域加速应用。
终端产品作为软硬结合的载体，既能检验技术成熟度，也能带动零部件、系统集成与供应链协同升级。
其三，以算力网络和公共平台提高普惠能力。
提出构建高效智能算力网络，升级市级公共算力服务平台，通过“算力券”等方式降低中小企业获取门槛，力争全市算力总规模达到40,000 PFLOPS，并建设国家人工智能应用中试基地、遴选10个重点行业赋能中心。
通过公共化、平台化供给，可有效缓解中小企业“用不起、用不稳”的约束，推动更多企业把智能化投入转化为实实在在的产能与质量提升。
其四，以芯片与标准增强产业自主可控与话语权。
提出到2026年突破6款以上填补国内空白的AI芯片创新产品，建立“芯片—模组—整机”供需对接机制，打通创新产品从研发到应用的关键环节；同时推动企业参与制定“AI+制造”领域标准20项以上，以标准引领数据规范、接口兼容和安全合规，提升跨企业、跨场景复制推广能力。
前景——从行动目标与路径设计看，苏州推进“AI+制造”并非单点试验，而是围绕新型工业化的系统工程：以产业体量和制造基础为优势，以模型与数据提升“智力”，以场景和终端打开“出口”，以算力、芯片、标准加固“底座”，并通过政企协同把分散资源组织成合力。
若各项举措如期落地，预计将带来三方面趋势：一是工业智能化从“示范工厂”向“规模化普及”扩展，更多中小企业获得可负担的智能化工具；二是以数据资产和行业模型为核心的新型供给体系加快形成，带动工业软件、系统集成、检测运维等服务业态升级；三是产业竞争由“单个企业能力”向“区域生态能力”转变，区域内产业链协作效率、创新速度与抗风险能力同步提升。
面向更长周期，到2035年全面建成全球领先“智造之城”的目标，关键在于持续迭代：数据持续沉淀、模型持续优化、标准持续完善、应用持续扩面，从而把阶段性政策驱动转化为长期的市场化内生动力。
在全球产业竞争日益演变为体系竞争的新格局下，苏州的探索不仅关乎区域经济转型，更是观察中国制造业能否突破"微笑曲线"低端锁定的重要窗口。
当150个工业大模型在产线上真正跑通数据闭环，当国产AI芯片在高端装备中实现进口替代，"智造之城"的蓝图方能照进现实。
这场转型既需要技术攻坚的锐度，更考验制度创新的智慧，其成效将为中国式现代化提供生动注脚。