太仓港集装箱码头，基于视觉识别技术的智能巡检系统正在替代传统人工检查。这套由苏州市人工智能有限公司开发的系统，将箱体缺陷识别准确率提升至99.7%。但在研发过程中，团队也遇到高质量数据集不足的瓶颈。这反映出制造业数字化转型的共性难题——缺少经过规范标注、可复用的行业共性数据资源。 据苏州市数据局调查，全市86%的规上工业企业存在“数据沉睡”现象。原因主要在两上：产业链各环节数据标准不统一；企业对数据安全和商业风险顾虑较多。某新材料企业负责人坦言：“生产参数涉及商业机密，直接共享可能削弱竞争优势。” 针对该痛点，苏州推出“可信数据空间”解决方案——通过契约式的数据流通机制——让企业自主设定数据的使用范围与权限。试点数据显示，接入系统的企业研发效率平均提升40%，采购周期缩短25%。在独墅湖科教创新区，首个面向工业制造领域的公共数据集实验室已投入运营，首批开放的3个细分行业数据集下载量突破2万次。 政策层面也在同步推进。《苏州市促进数据要素流通三年行动计划》提出构建“1+N”工业数据体系，即1个基础数据库和N个垂直行业子库。市工信局对应的负责人介绍：“我们采取‘政府引导+市场运作’模式，对贡献数据资源的企业给予税收优惠和技术支持。” 前瞻产业研究院报告认为，苏州的探索具有示范意义。随着200个工业数据集建设计划推进，预计到2026年将带动全市智能制造投资超过500亿元。尤其在生物医药、纳米材料等优势领域，数据驱动的协同创新正在加速落地。
制造业转型不只是“上系统、换设备”，更是生产方式、组织方式和治理方式的系统变革。苏州以“人工智能+”推动制造业升级，把数据要素、标准体系和协同机制等基础工作摆在前面。下一步，只有在创新与安全、效率与规范、示范与普惠之间找到平衡，才能让数智化真正成为新型工业化的可靠底座，为高质量发展提供更稳定、更可持续的动力。