在钢铁厂的宽厚板产线上，一块块通红的钢坯沿着辊道高速前行。轧机每一次施加多大的力、辊缝该调整到多少，过去更多依赖经验和传统模型判断，如今，一套AI预测模型正在参与这个过程。

　　这一幕，是发生在南京钢铁集团忙碌炼钢流程中的真实场景，也是当前AI渗入千行百业中的缩影之一。日前，《中国经营报》记者跟随“智涌江苏算赋万象”主题媒体探访调研活动走进南京、苏州，先后探访涵盖钢铁、金融、软件、智能制造、文化科技等领域的“人工智能+”应用创新项目，实地见证了人工智能在不同产业场景中的落地进程。

　　这些场景，从炼钢产线的轧机，一路延伸至万卡智算中心、证券公司、软件企业，再到边缘计算厂商和机器人训练，看似相距甚远的行业，却都在凸显AI如今扮演的同一角色：从相对独立的技术工具，进一步嵌入企业原有的生产流程、业务系统和经营环节。

　　这种变化背后，是“人工智能+”进一步走向产业纵深。2025年，国务院印发《关于深入实施“人工智能+”行动的意见》，提出推动人工智能与科技、产业发展、消费提质、民生福祉、治理能力等领域广泛深度融合；今年《政府工作报告》进一步提出深化拓展“人工智能+”，推动重点行业领域人工智能商业化、规模化应用。

　　这也成为此次探访过程中记者感受最深的变化：随着政策重心从技术突破逐步延伸至规模应用，企业不再只关心大模型“聪不聪明”，而更关心它能否进入真实生产流程，能否稳定运行、控制成本，并最终形成可以衡量的效率与收益。

　　AI走进生产线：先啃下“硬骨头”

　　南京钢铁的智慧管理运营中心里，一块42米长、6米高的超高清管控屏，把铁矿石入厂、烧结、炼铁、炼钢、轧钢直到成品发运映射在同一套数字孪生系统上。过去钢铁生产高度依赖老师傅经验，如今，26条产线、16个业务部门的大量状态可以被实时感知、分析和调度。

　　“20多年前第三版人民币五块钱正面图像所描绘的典型钢铁工人形象，戴着鸭舌帽和墨镜、手拿着钢钎的形象现在已经转变为屏幕和鼠标，工人远程操控就能一键炼铁、炼钢。”南京钢铁股份有限公司常务副总裁徐晓春介绍道。

　　这种变化，并不只发生在大屏上。宽厚板厂里，钢坯在最高轧制力可达12000吨的轧机间往复轧制。轧制力预测稍有偏差，轻则影响钢板厚度，重则可能卡钢停产。南钢与华为开发的轧制力AI预测模型学习基础理论和十几万块钢的历史数据后，将预测误差缩小至1.9%，钢板厚度公差缩小到±0.2毫米；在金相实验室，机器人完成磨抛、腐蚀、清洁、送检，AI再对显微图像自动判级，识别准确率超过95%，整体检测效率提升80%。

　　这些场景也解释了工业AI与通用大模型的差异。钢铁生产工序高度耦合，任何一个模型的判断都可能影响下一道工序。徐晓春坦言：“当前整个行业对智能体的构建都还处于探索阶段，南钢也不例外。”

　　在他看来，多智能体协同最大的难点是“协同可靠性”——单个模型出错可能只影响一个环节，但多个智能体协同时，一个误判可能沿任务链路放大。因此，南钢一边推进元冶大模型和业务智能体，一边给不同智能体分级，并在关键决策环节保留人工确认。

　　工业AI进入深水区后，生产现场并不接受“多数时候正确”。AI要真正进入控制、排产、质检等核心流程，考验的不只是模型能力，还包括数据质量、低时延算力、系统工程和异常兜底能力。

　　算力从“资源”变成服务：智能体进入业务前台

　　如果说南钢展示的是AI如何进入生产流程，那么中国移动长三角（南京）云智算中心展示的则是另一端——越来越多AI应用背后，算力正在从一次性购买的硬件资源，变成按需获取、按量消费的基础服务。

　　据现场介绍，江苏移动智算总规模达到2.5万P。其中，南京云智算中心基于昇腾等AI底座建设万卡集群，算力规模超过1万PFLOPS。更值得注意的是商业模式变化：面向个人、团队和企业，算力已经可以按Token、卡时切片或私有化部署等不同方式供给。自相关平台2025年发布以来，累计服务用户超过10万户，模型调用量突破3000亿Token。

　　算力被拆得更细，AI应用也在向业务前台靠近。在华泰证券总部，相关负责人向记者展示了其最新推出的应用软件。据悉，该App已经不再把AI仅仅放在客服问答环节，而是覆盖“发现机会—选股研究—账户管理—交易执行”全链路。华泰方面强调，AI越接近投资决策，专业性、适当性与合规要求就越高，因此其路径不是简单调用第三方API，而是把自身沉淀的投研数据、交易经验和合规约束装进企业自主的Agentic AI模型集群。自2025年10月上线以来，该App累计下载量已突破500万次。

　　对于传统软件企业，AI带来的改变甚至开始反作用于自身生产方式。润和软件副总裁丽娜表示，公司内部通过AI Agent辅助编程，核心模块研发节奏实现从“人月”向“人周”变化，开发提效60%以上；对外则尝试把工程师前置到客户现场，以FDE模式围绕具体业务构建行业本体和智能体。

　　丽娜表示：“软件产业正面临从‘技术工具提供商’向‘智能价值创造者’的转型挑战，软件服务应围绕为客户创造可量化的业务价值展开，从单纯提供技术功能转向深度嵌入客户业务场景。”在她看来，行业本体并不是再造一个大模型，而是让不同模型、智能体和业务系统在统一的行业概念、规则和业务逻辑下协同。

　　同样的变化也出现在博云。作为从云原生向AI Infra延伸的软件企业，其AI编程智能体BoCoder试图覆盖需求理解、任务拆解、代码生成、测试和缺陷修复等研发环节；自研AIOS则承担异构算力资源管理与调度。把昇腾等算力底座、资源调度平台和上层智能体串联起来，折射出AI产业链价值重心的变化：硬件依然重要，但客户最终购买的是“可用的算力”和“可交付的结果”。

　　就在近日，江苏省印发促进词元经济高质量发展的行动方案，提出建设2000个高质量数据集、打造100个行业特色智能体，并支持发放词元券。从基础算力建设到Token消费、从模型训练到行业智能体，地方层面也在尝试形成更完整的AI供给和消费闭环。

　　从机房走向现场：AI还要穿过“最后一公里”

　　AI规模化落地的另一个明显趋势，是算力正在从大型数据中心向工厂、办公室和各类终端下沉。

　　在研扬科技，一个典型案例来自电力巡检。某大型电力央企此前使用传统风冷服务器进行大模型试点，高负载运行时面临噪音和散热问题，需要单独建设隔音机房。研扬为其提供搭载鲲鹏与昇腾算力的液冷工作站，使35B级大模型可以在普通运维办公环境中进行本地推理。研扬作为较早参与鲲鹏、昇腾产业生态的工业嵌入式计算厂商，也正在把业务从传统硬件定制延伸至本地大模型推理等场景。

　　研扬科技创新智能产品线总经理陈栋将问题概括得很直接：“最大的落地难点，不在‘算力够不够’，而在‘场景适不适配’。”对于制造、电力、轨道交通等行业而言，数据不能轻易离开现场，设备还要满足7×24小时运行、低噪音、易维护等要求。算力下沉的竞争，因此并不只是TOPS参数之争，而是谁能把芯片、整机、软件适配和行业工况真正结合起来。

　　这种“最后一公里”问题，在具身智能领域更加突出。苏州市具身智能机器人综合创新中心把家庭、餐饮、物流等训练场景集中到5200平方米的一期训练中心，目前已有20家企业入驻训练，累计采集高质量数据超过190万条。机器人从展示动作走向实际工作，需要的不只是本体，还需要数据、大模型、控制系统和具体任务的共同磨合。

　　苏州维昂具身智能科技有限公司副总经理王训标表示：“具身智能行业当下最大的痛点，恰恰是‘Demo很漂亮、落地很难’——模型、数据、场景彼此割裂，客户拿到手不会用、用不起、用不好。”在他看来，苏州密集的制造业企业、供应链和应用场景，构成了具身智能反复训练、验证和迭代的“试验场”。

　　今年6月，江苏省出台“人工智能+制造”实施方案，明确深化AI在钢铁等行业的应用，并推进智算基础设施、具身智能数据采集训练场等建设。到2027年年底，江苏省提出规模以上企业质量检测环节人工智能应用覆盖率达到55%以上。政策给出了时间表，而企业面对的则是更具体的工程题。

　　两天走访下来，从钢水翻滚的轧线，到证券交易终端，再到液冷工作站和机器人训练场，记者真切感受到：AI正在离开演示屏，进入生产系统、业务流程和物理设备。昇腾等算力则在其中提供底座，而底座之上的行业数据、软件工程、场景理解和生态协同能力，也在变得愈加重要。

　　随着“人工智能+”走向规模化，江苏的产业AI实践样本也在释放更明确的信号：下一阶段的AI竞争，或许就在于能否把更多“样板间”变成日常生产，把一次性项目变成可复制的产品，把AI从“看起来聪明”真正推向“用起来可靠”。