为贯彻落实党中央、国务院关于推动人工智能发展的决策部署，抢抓人工智能发展历史机遇，全面推动人工智能与制造业数字化转型协同实施，着力培育新质生产力，构建现代化产业体系，近日，江西省工信厅印发《江西省人工智能与制造业数字化转型协同实施方案》。

　　》》》详情如下：

江西省人工智能与制造业数字化转型协同实施方案

　　为贯彻落实党中央、国务院关于推动人工智能发展的决策部署，抢抓人工智能发展历史机遇，全面推动人工智能与制造业数字化转型协同实施，着力培育新质生产力，构建现代化产业体系，特制定本方案。

　　一、工作目标

　　坚持应用牵引，突出对智能化装备和具有智能化属性的软硬件产品重点引导，以强化数据挖掘汇聚为基础，以人工智能规模化研发应用为主攻方向，以智能化设备普及为路径，将数字化转型与人工智能协同推进，形成双轮驱动格局，促进生产方式和企业形态根本性变革，在更大范围、更深层次加速我省制造业企业高质量发展。2025年，力争在重点行业打造20个左右典型应用场景。到2027年，力争建设一批高质量行业数据集，形成20个以上垂直领域行业模型和100个左右示范引领典型应用场景，规模以上工业企业数字化改造全覆盖，企业智能化水平大幅提升，产业核心竞争力明显增强。

　　二、重点任务

　　（一）突出含“智”量提升

　　1.智能化软件应用。鼓励企业选择具有人工智能功能的资源计划系统（ERP）、制造执行系统（MES）、高级计划与排程（APS）等不同业务信息系统，推动企业内部信息化系统的综合集成，进一步提升数据分析、预测能力。

　　2.更新智能化设备。鼓励企业应用一批高技术、高效率、高可靠性的智能化产线设备，大力推广数控机床与智能制造装备、智能检测设备、工业控制装备、智能物流装备，提升数据采集分析效率和覆盖面。

　　3.推广具身智能。加快培育工业机器人协助生产制造、工业检测、设备管理等各类智能应用场景。鼓励企业采购和应用工业机器人、人形机器人、机器臂等具身智能装备。结合真实场景推动智能人机交互、多自由度精准控制等高精度工业机器人研制发展，进一步提升具身智能机器人在复杂生产任务中的自主执行能力。

　　4.打造赋能平台。推动大型企业建设服务行业企业的产品设计、虚拟仿真、计算机辅助工程等人工智能赋能平台，共享场景资源、业务逻辑和行业知识，为中小企业提供低成本智能算力资源、工具集、模型库和成熟应用解决方案。

　　5.打造轻量化产品。推动运营商、大型互联网企业开发系列轻量化人工智能产品，并以订阅服务方式推广应用。引导企业开展云端研发设计，按需订阅产品设计、仿真模拟等软件服务，提升产品仿真效率，降低软件运维成本。探索“公共云+API”大模型应用模式，研究运用“模型券”等补贴方式支持大模型应用。

　　（二）实施高质量数据汇聚工程

　　6.汇聚经营数据。支持企业对已有的产品生命周期管理系统（PLM）、资源计划系统（ERP）、制造执行系统（MES）、供应链管理系统（SCM）、仓库管理系统（WMS）、质量管理系统（QMS）、客户关系管理系统（CRM）等联动升级，将多维度经营管理数据进行汇聚整合，形成经营管理数据集。

　　7.汇聚生产数据。支持企业整合设备传感数据、可编程逻辑控制器（PLC）/分布式控制系统（DCS）控制、工艺参数、设计、排产、设备日志质检记录等大量工业时序数据，实现生产数据关联汇聚，形成生产数据集。

　　8.汇聚生产过程及生产工艺数据。支持企业对生产流程、工艺等信息进行数据沉淀，形成生产流程数据集，通过高速摄像等技术对优秀产线工人实际操作经验进行数据化，形成生产操作数据集。

　　9.推动设备更新。推动大规模设备更新，对“老旧非标”设备加装智能传感器、通信模块等硬件设备，实时采集设备的运行状态数据。通过物联网技术，将设备连接到网络中，实现设备之间的互联互通。

　　（三）实施数字化转型与人工智能协同工程

　　10.管理辅助智能应用。通过对企业生产调度、人力资源管理、财务管理等多个经营管理子系统数据进行汇聚建模，沉淀业务管理知识模型，开发人工智能管理辅助产品，辅助企业各级管理者提升生产管理效率和资源利用率。

　　11.生产辅助智能应用。通过对产线数据（包括设备日志数据等）进行汇聚建模，沉淀产线辅助排产优化知识模型，开发设备级、产线级、车间级和工厂级的人、机、物协同人工智能辅助产品，优化产线各环节关键指标参数，实现产线设备、员工、产品品质、生产合规和效率优化的智能监测，改变生产设备粗放式管理模式。

　　12.人工智能规范员工操作流程和工艺应用。通过对生产流程、生产工艺数据进行汇聚建模，沉淀工艺知识模型，对每一生产环节员工生产流程经验分析，开发面向生产一线员工的智能辅助产品，实现员工辅助培训和产线操作纠偏，提升工作流程、工艺标准化完成度。

　　13.研发设计智能应用。通过对产品模型、设计参数、仿真环境进行汇聚建模，沉淀工程设计知识模型，构建设计模型、仿真模型等数据集，形成工艺开发、中试放大和工厂优化的智能产品，利用人工智能提升三维建模、参数化设计等技术的研发效率，快速迭代产品设计，缩短新技术开发从实验室到工厂的时间。

　　14.决策辅助应用。通过对产业链上下游各类生产数据的规模化汇聚建模，开发能自主分析市场需求、企业生产能力、供应链动态变化的人工智能产品，构建市场趋势与生产计划的动态匹配关系，优化工业企业采购和定价，提升企业经营决策能力。运用江西省数据汇聚流通基础设施平台，开展企业数据汇聚治理和开发利用。

　　（四）实施产业链智能协作工程

　　15.建设“链主企业+特色园区”协同生态。遴选行业“链主”企业、龙头企业，围绕其需求规划配套园区，吸引上下游企业入驻。建设一批“人工智能产业基地”，鼓励链主企业牵头制定技术标准，中小企业承接模块封装、测试等环节，形成“研发—制造—应用”闭环。

　　16.构建行业大数据应用模型。推动基础大模型在各行业领域推广应用，开发深度适配行业特色场景的大模型产品，深入应用于“产业大脑”，推动产业链上下游企业数据的互通共享，促进跨企业的高效协同，加强多产业大脑间的“跨链”协同开发。

　　17.推动工业互联网平台赋智。鼓励工业互联网平台应用人工智能技术，提供人工智能技术底座，上线一批“小快轻准”的人工智能产品，以订阅服务方式规模化推广应用，形成产业新模式。

　　（五）实施基础生态保障工程

　　18.优化算力布局。积极参与国家“东数西算”工程，统筹数据中心、智能计算中心布局。建立省级算力资源调度平台，‌推广算力资源普惠服务，探索开展“算力券”试点，鼓励制造业企业通过公共云按需获取多元化、低成本优质算力，降低算力使用成本，保障大模型产品研发和技术创新应用。鼓励大型企业探索建设服务行业企业转型的算力中心和大模型，发展算力云服务，丰富“算力+”应用场景建设。

　　19.开展应用场景“揭榜挂帅”。围绕人工智能赋能制造业数字化转型典型场景编制攻关清单，采用“揭榜挂帅”等方式，引导技术服务主体和需求企业双牵头，鼓励国有企业先行先试，集中优势突破一批关键产品和装备，突破场景落地共性难点，加快人工智能关键核心技术、创新成果、解决方案和应用场景的落地推广。加强“人工智能+”项目储备，建设一批人工智能场景示范项目。

　　20.推动看样学样仿样。举办全省“人工智能+”场景应用大赛、观摩研学、供需对接等活动，宣传人工智能与制造业数字化转型领域的先进理念、技术产品和解决方案，提高社会公众对人工智能的整体认知和应用水平，营造良好社会环境。搭建产业交流合作平台。定期发布人工智能赋能制造业数字化转型典型案例，强化优秀企业、示范项目、应用标杆的宣传推广。

　　21.强化高层次人才支撑。推动高校组建小规模服务团队，向地区派驻挂职干部、成立研发机构，引导高校研发团队深入企业一线梳理转型应用需求，整合科研资源开展人工智能赋能技术攻关，在实践中培育一批实用型人才。

　　三、保障措施

　　（一）加强组织领导。发挥省推进制造业数字化转型联席会议机制作用，成立人工智能推进工作专班，从基础电信运营商和省数字集团及有关单位抽取人员集中办公，统筹协调人工智能和数字化转型协同的战略研究、重大决策、工作部署，加强产业发展形势研判，协同推进重点任务落实。各地、各有关单位要压实人工智能与制造业数字化转型协同推进责任，加大工作推进力度，结合实际主动谋划推进一批重大项目、重要载体的建设。

　　（二）加大政策支持力度。统筹省级工业发展专项资金支持人工智能和数字化转型协同，支持企业实施人工智能应用的数字化转型、设备更新、技术改造项目，以“揭榜挂帅”形式发布行业数据资源池建设、大模型、业务应用场景重点协同攻关项目。支持借助大模型应用开发工具型产品，探索对API接口调用、模型私有化部署以及大模型应用落地项目发放“模型券”。鼓励有条件的地方为优质企业的人工智能和数字化转型应用提供贷款贴息服务。鼓励金融机构根据重点产业链需求，创新融资产品，提供个性化信贷、融资租赁等服务。发挥产业发展基金的引导作用，引导社会资本参与人工智能应用项目投资，研判分析数字化转型和人工智能对工业经济增长拉动促进作用。

　　（三）加强人才培育。推动高校增设人工智能学院，开设“人工智能+制造”交叉学科建设，分行业梳理数字化转型人才需求，鼓励企业与高等院校、科研院所等合作，创新产学研合作培养模式，共同培养既懂信息技术又懂行业的交叉复合型人才和工程型人才，增强高水平人才供给。加强制造业从业人员数字技术技能培训，提升企业生产经营人员的数字化能力。

　　（四）加大宣传推介。加强人工智能赋能数字化转型经验模式总结和宣传推广，推广示范标杆建设标准和优秀案例，举办好各类产业大会、供需对接活动，积极营造人工智能、制造业数字化转型协同发展社会氛围。