摘要：江苏省人大常委会8月18日发布《关于全面推动人工智能创新发展情况报告的审议意见》。这份文件很值得产业界看，因为它没有只展示成绩，也直接列出了江苏当前AI发展的短板：平台型龙头不足、通用模型和基础框架能力偏弱、高端算力与高质量数据集供给不足，高价值场景开放仍然不够。下一阶段的路线也随之清晰：制造业成为人工智能赋能主赛道，重点推进工业大模型、具身智能机器人、高质量数据集、省级AI公共服务平台以及南京、苏州制造领域人工智能中试基地。
摘要：
江苏省人大常委会8月18日发布《关于全面推动人工智能创新发展情况报告的审议意见》。这份文件很值得产业界看，因为它没有只展示成绩，也直接列出了江苏当前AI发展的短板：平台型龙头不足、通用模型和基础框架能力偏弱、高端算力与高质量数据集供给不足，高价值场景开放仍然不够。下一阶段的路线也随之清晰：制造业成为人工智能赋能主赛道，重点推进工业大模型、具身智能机器人、高质量数据集、省级AI公共服务平台以及南京、苏州制造领域人工智能中试基地。
江苏发展人工智能有一个很明显的特点。
制造业底子很厚。
电子信息、装备、汽车、船舶、生物医药、钢铁、工程机械都拥有大量真实生产场景。
所以江苏下一阶段怎么做AI，对全国工业智能的发展都有一定参考价值。
8月18日公布的这份人大审议意见，给出了一张比较完整的路线图。
一、先看江苏现在的AI家底
相关调研报告披露，2025年江苏人工智能产业规模约4500亿元，集聚人工智能企业超过1500家。
2026年上半年，全省人工智能产业营业收入达到2431.13亿元，同比增长17.32%。
截至上半年，全省已有92款大模型、402个算法完成国家网信办备案。
算力方面，全省在用算力中心308个，总算力规模263 EFLOPS，其中智能算力192 EFLOPS，占比超过73%。
数据方面，医疗、交通、工业等重点领域已经建设高质量数据集675个。
过去两年，江苏布局40余项人工智能攻关项目，省拨经费2.6亿元；9个具身智能机器人项目获批智能制造系统和机器人国家科技重大专项。
这说明江苏并不缺AI产业基础。
它的问题更多出现在产业结构上。
二、官方这次把短板写得很直接
人大常委会审议意见明确指出：
江苏目前缺少有影响力的终端企业和平台型龙头企业。
消费级AI产品知名度不高。
算法、大模型、通用框架研发能力与先进地区存在差距。
高端算力和高质量数据集供给不足。
高价值应用场景向社会开放程度还有提升空间。
这段判断很重要。
因为它意味着江苏下一阶段不会把大量资源全部投入通用大模型竞争。
政策更可能围绕自身制造业优势，寻找可以形成产业壁垒的垂直方向。
审议意见点出的重点包括：
先进封测。
智能传感器。
智能语音和机器视觉行业模型。
工业大模型。
具身智能机器人。
新能源汽车、生物医药、工程机械、船舶海工等领域的行业模型。
这实际上是一条非常“江苏式”的AI路线。
三、制造业被明确放到AI应用主赛道
审议意见提出：
把制造业作为人工智能赋能的主赛道。
重点覆盖研发设计、中试验证、生产制造、营销服务、运营管理等环节。
这一点比简单建设几个“AI+工厂”示范项目更值得关注。
它意味着AI将沿着整个制造价值链往里走。
研发端会出现AI+CAD、AI+CAE、生成式设计。
工艺端会出现工艺知识模型和智能工艺规划。
生产端会进入MES、质量检测、生产调度和设备运维。
经营端再连接供应链、采购和售后。
这种体系一旦跑通，制造企业使用AI的方式就会从单点工具逐渐变成一套企业智能系统。
江苏还提出定期发布重点产业链场景清单，引导链主企业向上下游企业开放生产工艺、产线仿真和质量检测等工业数据与真实场景。
对于工业AI公司来说，这一点可能比补贴更有价值。
行业AI现在最缺的经常不是模型。
而是能进工厂。
四、工业大模型的方向已经越来越具体
江苏目前已经围绕新能源汽车、生物医药、具身智能等领域组织工业大模型攻关，已有43个项目申报。
同时，2026年新受理省先进级智能工厂申报超过9000家。
2025年申报的卓越级以上智能工厂，平均人工智能应用场景已经超过28个。
这组数据说明工业AI正在进入规模化扩散阶段。
下一步一个很有可能出现的格局是：
头部制造企业建设行业模型。
大量中小企业直接使用成熟模型。
模型公司提供底座。
工业软件企业提供工具。
智能体完成任务编排。
最终通过智能工厂把这些能力装进生产系统。
所以江苏审议意见中特别提出：
“统筹用好成熟通用模型，聚力打造实用垂直模型。”
这句话其实很务实。
工业企业很少需要重新训练一个几千亿参数的大模型。
它更需要一个懂自己产品、设备、工艺和规则的模型系统。
五、江苏准备建设省级人工智能公共服务平台
文件提出建设省级人工智能公共服务平台。
给企业提供：
算力调度。
模型调用。
一体化AI服务。
目的很明确——降低中小企业采用AI的门槛。
这个平台如果建起来，很可能会逐渐形成一个省级AI基础设施入口。
企业不需要自己采购GPU。
也不一定需要部署完整大模型。
它可以调用模型API。
申请算力。
接入行业数据。
甚至进一步使用Agent和开发工具。
对江苏这样拥有大量制造业中小企业的地区，这种公共基础设施的价值会比较大。
六、南京和苏州的AI中试基地会变得更重要
江苏目前已经拥有两个国家人工智能应用中试基地。
南京负责制造领域的冶金方向。
苏州负责制造领域的电子信息方向。
全国制造领域国家AI应用中试基地共8个，江苏占了两个。
审议意见明确要求加快这两个基地建设。
为什么“中试”会成为AI产业下一阶段的关键词？
因为模型在实验室里效果不错，并不代表能进工厂。
工业现场要验证：
准确率。
实时性。
连续运行能力。
不同设备兼容性。
数据安全。
异常工况。
模型漂移。
人机协作。
软件接口。
这些事情不经过中试，很难直接进入生产系统。
工业AI最后拼的是工程可靠性。
所以从政策趋势看，中试基地、工业数据集、测试评估平台的重要性会继续提高。
七、具身智能也被放到了制造场景里
江苏这次没有把具身智能单独作为一个“机器人产业”来写。
审议意见提出：
建设具身智能数据采集训练场。
推动多任务型具身智能机器人率先进入典型制造场景。
开放汽车、电子等行业的制造场景。
这条路径比较务实。
机器人训练最需要的数据，最终还是来自真实任务。
拧螺丝。
搬运物料。
检测零部件。
上下料。
设备巡检。
柔性装配。
一旦这些任务形成标准化训练场，就可以持续产生视觉、力觉、轨迹、动作和环境数据。
这些数据反过来训练VLA、世界模型和机器人策略模型。
江苏拥有大量制造企业，这可能成为发展具身智能最大的资源之一。
八、还有一个容易被忽略的方向：省级政务大模型底座
审议意见还提出打造省级统一的政务大模型基础支撑底座。
各地市和部门通过标准化接口复用核心能力。
同时加强生成式人工智能软件，也就是智能体生态建设。
这意味着政府侧AI应用也会逐渐从“每个部门自己建一个模型”转向统一底座。
这和企业AI的发展逻辑很相似。
模型能力公共化。
业务智能体专业化。
数据权限隔离。
最终由不同Agent服务具体岗位。
如果江苏进一步形成统一接口标准，它可能会带动一批政务Agent、行业Agent和数据治理企业。
九、企业接下来可以重点关注四类机会
第一类是工业大模型和工业智能体。
尤其新能源汽车、生物医药、工程机械、船舶海工、冶金和电子信息。
第二类是高质量工业数据集。
文件明确提出推进数据资源开放、可信数据空间以及行业高质量数据集建设。
第三类是中试和测试验证平台。
模型、Agent、工业软件和具身机器人都越来越需要第三方工程验证。
第四类是AI+工业软件。
江苏拥有大量制造业用户，研发设计、工艺、仿真、质量、生产管控等环节都会成为AI进入工厂的重要入口。
机会与风险
江苏最大的优势是制造场景足够多，而且产业链完整。
这使工业模型、工业Agent、机器人和高质量数据集更容易形成真实闭环。
但文件指出的问题也很现实。
高价值数据开放依然困难。
模型与工业系统集成成本高。
大量中小制造企业数字化基础参差不齐。
具身机器人从实验室进入工厂还需要较长的可靠性验证周期。
所以江苏AI产业接下来真正值得观察的，不只是模型数量。
更值得看的是：
多少AI能够进入生产系统，并连续稳定运行。
这会决定江苏能不能把制造业优势进一步变成工业人工智能优势。
参考来源
- 江苏省人大常委会：《关于全面推动人工智能创新发展情况报告的审议意见》，2026年8月18日。
- 江苏省人大财政经济委员会：《关于我省全面推动人工智能创新发展情况的调研报告》，随上述审议意见一并公开。
- 江苏省人民政府：省十四届人大常委会第二十三次会议于7月30日听取省政府关于全面推动人工智能创新发展情况的报告。
- 江苏省人大官方原文：
https://www.jsrd.gov.cn/qwfb/syyj/202608/t20260818_1352481.shtml