不追大模型，深耕大场景：常州人工智能的错位竞争之路
这里的AI故事并不是一条单线，而是许多产业线索在同一座城市交汇，最终指向一个朴素标准：真正的智能，不在屏幕的对话里，而在一颗螺丝能否拧得更准，一张病历能否少一个错误，一次报警能否更早找到责任人，一台设备能否少停一次，一家中小企业能否以更低成本跨过智能化门槛。
文｜徐庭芳
一个寻常周二的晚上，西太湖（常州）人工智能国际社区的原点空间内，一场名为“AI产业发展趋势：模型向智能体演进”的主题沙龙正在进行。4位主讲人全部来自AI（人工智能）领域业界和学界，台下坐着常州市委常委、副市长方靖，当地发改委、工信局、科技局等部门一、二把手，以及四十余位社会各界人士。这样的科技前沿沙龙常州已举办八十多场，每周至少两次，每场必有一位市级领导坐镇，向全市开放。会后参会者围着方靖问，“你怎么看量子计算？”
主题沙龙结束后，参会者围着方靖交流。（图/徐庭芳）
十多公里外的理想汽车常州生产基地内，机械臂机器人正24小时沿着设定轨迹往复，由AI盯住每一道焊缝、每一个装配点，传感器持续采集温度、压力、振动和电流，最终完成焊装、涂装和总装。这套理想汽车自研的工业智能AI平台名为“连山”，负责“研发—供应—制造—售后”生产全生命周期的智能感知与分析，为工厂质量风险设立起一层7×24小时实时数据预警系统。
方向盘调转回经睿具身智能机器人训练场，操作人员用仿生机械臂反复模拟搬运、分拣、清洁和装配动作，这些动作被人形机器人上的摄像头、传感器记录、切分和标注，当作“学习”原料。所有机器人都在常州本地制造、学习，有些在当地生产车间搬运物料，有些在百里之外的桃园摘桃子，还有的在四川某食品加工企业包粽子。
不远处的常州市第一人民医院手术间，每一台手术记录都被AI智能体实时转化为结构化病历，医生只需术后确认和简单修改，系统便在几秒内完成手术。门诊记录则更快，AI智能体录音记录医生和患者对话后，生成病例只需要3—5秒。
在常州，人工智能不再只是屏幕里的问答工具，它开始进入车间、病房、园区和城市运行系统。它面对的挑战不再是“回答得像不像人”，而是“能不能稳定完成指定动作”“出错由谁负责”“是否值得企业持续付费”。
要让AI从数字空间进入物理世界，就必须理解设备、物料、节拍、质量和成本；智能体要进入城市，就必须连接数据、流程、责任和服务，让AI从“会说”转向“会做”。
2026年，常州市明确建设全国“智能体+场景应用”示范城市。它试图回答一个更深层的问题：一座以制造业见长的城市，如何在人工智能时代重新组织技术、产业、人才和政府服务；如何把模型能力转化为工厂效率，把企业痛点转化为技术命题，把单点试验转化为可以复制的行业产品。
这不是一场另起炉灶的转型，而是常州在已有的工业“筋骨”上，重新生长出感知、决策和协同的“血肉”。
城市惊蛰：“智能体”落在制造腹地
常州的AI叙事，起点不是模型参数，而是工业现场。
这座城市拥有新能源、高端装备、新材料等规模庞大的产业集群，新能源汽车、动力电池、光伏、储能、电机、电力装备、轨道交通和精密制造等产业链条相互咬合。公开数据显示，常州已集聚人工智能及相关企业三百余家，全市累计建成167家江苏省先进级智能工厂，超过2200家企业完成“智改数转网联”通用能力自评估并达到智能车间水平。
这不仅仅是“工业基础不错”，而是场景足够密集、工业数据足够庞大。常州的工厂、产业园和供应链，为模型进入物理世界提供了密集的试验场。
“从工业制造领域来看，我们处在起步线。”常州市发改委副主任汤文忠向笔者坦言，但他紧接着给出另一层判断：常州的原始创新暂时不强，应用创新却一直较强，因此不适合追求“大而全”，更应聚焦人工智能与制造业融合，“在现有的场景找技术，而不是凭技术去找场景。这能帮助模型减少‘工业幻觉’。”
这是常州市人工智能战略边界。
许多城市发展人工智能，最常问的是“能不能引进一家大模型公司”“能不能建设更大的算力中心”。常州更想先问：动力电池的缺陷检测能否更准？汽车零部件的质量问题能否提前拦截？高端装备的故障能否提前预测？医院门诊病历能否精准快速自动生成？老旧小区的消防安全平台能否做到全天候运行？
问题一旦具体，技术便不再悬浮。机器视觉、边缘计算、知识图谱、工业小模型、通用大模型、智能体和机器人，不再是彼此分离的概念，而应成为解决某一个场景问题的不同工具。
常州把这种逻辑概括为“智能体+场景应用”。这里的智能体，不只是聊天工具，更是一套能够理解任务、调用工具、执行流程并根据结果反馈的系统。
围绕这一目标，常州构建了“12345”发展体系：以西太湖（常州）人工智能国际社区为旗舰载体，推动技术创新和场景应用双轮驱动，形成三个先导区和四个协同区，打造西太湖（常州）人工智能产业技术研究院、中国人工智能学会西太湖创新基地、通用决策智能研究所、江苏省具身智能技术创新中心常州分中心、南京航空航天大学低空智慧共生平台五大底座。
西太湖（常州）人工智能国际社区。（受访者供图）
自2024年以来，常州陆续出台人工智能高质量发展、百景应用、算力建设、人才集聚等政策，并于最近设立总额50亿元、首期10亿元的人工智能专项基金。仅2026年上半年，全市新登记人工智能相关经营主体同比增长超15%，累计推出184个“人工智能+”典型应用场景、66项智能体典型应用案例。
常州想成为最懂智能制造、最能完成工业落地、最先长出工业AI大脑的“样板间”。
进厂下线：在生产线深处攀爬
AI进厂，最关键的不是模型有多大，而是能真实解决哪些生产问题。
在理想汽车常州基地，人工智能被划分为两种：一种是消费者能够直接感知的“AI产品”，另一种是工业AI变革赋能的“AI制造”。前者包括智能驾驶、智能座舱、语音交互、车载支付和智能空间；后者进入研发、供应、制造、质量和售后全链路体系。
理想汽车常州基地内的生产场景。（受访者供图）
“基地周围原是一片西瓜田。但理想决定将国内最大的生产制造基地放在常州，一个主要理由是这里有着丰富的工业产业配套。”一位负责人谈到，目前理想汽车的整车制造、部分核心零部件研发试制以及供应链生态还在持续向常州集聚。
常州因此成为“连山”验证工业AI的最佳试验田。在工厂里，车辆从生产线下线后，到指定区域的移动，已实现较高程度无人化，而更重要的智能化则藏在看不见的整套制造全环节数据链条中。
制造业最稀缺的资源之一，是有经验的专业工程师和行业专家。一个员工进入车间到成为熟练技术员，至少3到5年，才能在复杂场景中形成判断力。
“如何利用AI手段沉淀行业专家的经验非常重要。”理想汽车智能工业项目负责人介绍道。连山试图把专家如何查找问题、调用哪些数据、调整什么参数、得出什么结论的过程沉淀下来，转化为结构化、数字化，可复用、可复制的系统能力，变成一个个“硅基专家”，最终和碳基专家一样，对质量异常进行根因分析，对设备风险进行预测。
例如，一辆车出现故障，传统流程是从客服接入问题反馈，然后开始层层分流，再由不同部门分别排查。数据散落在多个系统中，直到真正找到原因可能需要多轮会议和人工比对。AI则打通了全链路数据，系统就可以沿着零部件批次、车辆流向和工艺参数向前追溯，问题究竟来自哪里，以及是否需要通知用户维修检测。借此可以将质量管控节点前移至生产与供应链源头，降低由质量问题导致产品的召回风险，从根本上实现降本增效。
新一代智能座舱则试图把摄像头识别、语音交互、车辆控制、导航、支付和主动悬架等能力开放给系统级智能体，系统不必为每一个场景提前写死功能。
“这也是理想汽车坚持自研模型的重要原因。第三方通用模型擅长聊天和问答，却未必理解车辆本体。一套系统负责闲聊，另一套系统负责开窗、空调和悬架，用户在两者之间切换时就会感到割裂。”理想汽车负责理想同学的技术专家说道。自研的目标是让模型与车身感知、控制能力共同迭代。汽车由此不再只是交通工具，更成为拥有感知器官、执行机构、能源系统和计算平台的具身智能终端。
目前连山已实现全域AI落地，覆盖四大车间26个核心工艺场景、5万余个工艺监测控制点，常态化监测1500余台生产设备，并向60多家自家供应商推广。理想连山的后续计划是走入制造行业的各个领域，比如家用电器、消费电子、军工、航运船舶等，这样的宏大计划从素有“工业明星城”之称的常州起步再好不过。
这种经由AI向外探索的转变也发生在当地其他企业。
中科摩通最早是一家非标自动化生产线制造商，凭借AI部署，公司近年来从传统3C、新能源汽车生产线制造商变身为工业设计方案提供者。
中科摩通生产线定制车间。（受访者供图）
中科摩通自研的“CASMT AI柔性自动化大模型”，将大语言模型、知识检索、参数微调和工业数据管理技术等功能集中在“自动化装备设计”一个目标上，同时打通CAD、CAE和CAM等工业软件，模型功能涵盖了方案设计、虚拟仿真、设备制造到现场调试和生产反馈整个工业设计链条。
跑通这一切的前提，是常年沉淀的生产线数据，中科摩通将过去的工艺方案、机械结构、控制程序和项目经验转化为可调用的工业知识库，一张张工业设计图纸从“项目档案”变成可检索、可复用的数据资产。公司官网披露，CASMT AI已形成23大类离散制造核心工艺和5000余项工艺设计库，并设有标准化研究院、新能源装备工程技术中心和固态电池智能装备实验室。
AI给常州企业带来的不仅是效率提升，更是撬动企业升级扩张的一个支点。
以数为矿：让企业实现“数据自由”
如果说工厂是AI落地的舞台，数据则是它能否持续生长的养料。
“数据即石油”，但工业数据与互联网数据并不相同：前者在数量上不如后者，开采成本却很高；一条异常数据、一段工艺参数、一次设备故障，可能比千万条普通文本更有价值。
海图科技在常州已深耕十多年，早期公司技术核心集中于矿山安全生产与视觉检测。井下作业粉尘、暗光、震动、反光及繁杂设备干扰图像特征，研发团队只能驻矿现场采集全工况真实数据，逐条筛选标注，凭借积累的独家实景数据集，公司自研出适用于复杂工业环境的前端小模型。
海图AI智能管理平台。（受访者供图）
依托“自研小模型+第三方大模型”的技术框架，海图科技将矿山成熟AI方案快速复制，拓展至危化仓储、电力巡检、城市更新等工业与民生领域，让人工智能多场景落地。
具身智能机器人的数据生产更为珍贵。当前，真机数据处于机器人数据价值链顶端，因为它包含真实设备的力、速度、姿态、误差和环境反馈。
在常州的经睿具身智能机器人数采与训练中心，工程师们将机器人部署到真实作业场景来学习物理逻辑。在这里，机器人可完成超过1000种真实作业任务，倒咖啡、叠衣物、开冰箱等等，将具体动作和场景数据化，既服务于自身产品迭代，也可以根据客户订单定制和销售数据。
还原家庭厨房餐厅环境，用于机器人抓取餐具、操作厨电、整理台面等家政服务能力。（受访者供图）
依托常州本地的制造能力，机器人不仅仅作为硬件产品本身销售，更成为低成本采集真机数据的最强“打工人”，这些高质量的真机数据，标志着具身智能数据采集从“效果演示”迈入“真实场景规模化数据交付”的新阶段。
中科摩通走的是另一条数据商业路线。公司在内部孵化了具身智能企业“无限确定”，在公司首席科学家狄建锴设想中，未来工厂不需要购买机器人，而可以按项目周期租用，项目结束后，机器人被回收、维护和重新配置，维护、物流和仓储则由服务商承担。“以前大家常说‘人力外包’，我们（的模式）称为‘机器人外包’。”狄建锴介绍道。
机器人从一次性设备销售转向按项目付费，背后是制造业客户的现实顾虑：设备是否会闲置，是否能适应每一款产品，维护成本由谁承担，以及更关键的，数据能否复用。
为了帮助企业实现数据“自由”，常州在2025年8月试点建设城市可信数据空间。它要帮企业解决“不敢拿、不愿拿、不能拿”数据的现实顾虑。未来可以探索“数据不出厂、模型进企业”“数据可用不可见”的机制，让算法在安全边界内训练，使用过程可以审计，结果可以追责。
可信数据空间、公共算力调度和算法平台将共同构成市级人工智能产业赋能中心的底座。对中小企业而言，它们不必独自购买昂贵算力、寻找模型和建设安全体系，而可以获得统一入口；对政府而言，平台的价值不是替企业做决策，而是降低试错成本，促成供需双方相遇。
算电同频：在“缺芯”之外切入AI产业链
AI浪潮最初发生在芯片和模型之间，紧随而来的则是一场规模空前的能源与基础设施重构。
大模型训练和推理需要算力，算力需要服务器，服务器需要持续、稳定且高效的电力。随着机柜功率密度提高，供电架构、储能、散热和电网调度都将发生变化。常州没有把高端AI芯片作为短期能够突破的重点，却试图在芯片之外寻找自己的位置，譬如电力与储能。
AI计算中心的负荷与传统工厂不同，用电可能在短时间内迅速上升或下降，供电系统需要更快响应。对常州而言，这些恰好与本地原有的新型电力装备、光伏、储能和电力电子产业相衔接。
据博瑞电力副总工舒正介绍，工业AI最难的并不是模型，而是数据的准确性、安全性和标准化，“一个数据出错，它会连环引起大批量问题。”因而，工业AI需要先从简单可复用场景切入，再逐步进入生产控制和工艺优化。博瑞电力是国内头部输电装备企业南瑞继保在常州设立的产业基地。
博瑞电力电力控制保护装置柔性智能装配调试系统。（受访者供图）
舒正谈到，中国大电网基础较强，能够支撑算力中心扩张，但新能源比例提升后，电网稳定和控制方式必须同步升级，构网型控制、储能和变流器的重要性随之上升。
常州市相关AI建设的方案中有过提及：要做强AI存储，布局先进存储、新型存储和未来存储，建设存算一体节点城市。常州选择了“链上破局”：不与头部城市争夺大模型，而是在人工智能基础设施链条中寻找无法绕开的环节。
本地新能源产业基础为算电协同提供更多可能。光伏、储能、微电网、车网互动和充换电体系，可以与算力中心的能源需求连接。算力中心如果能够根据绿电供应和电价变化调整负荷，城市能源系统就不再只是“给服务器供电”，而可能形成电力、算力和储能相互协同的新网络。
当地的液冷产业是另一个从幕后走到前台的产业。算力设备产生的热量不断增加，传统风冷难以满足高密度机柜需求。针对常州已有的工业温控、材料和装备企业，政府正集中组织调研，希望把原有制造能力转化为新的产品线。
光模块和光通信同样如此。服务器之间需要高速传输数据，大模型训练对带宽和时延提出更高要求。常州并不具备完整的高端芯片产业，但可以围绕连接器、光电子、通信器件和服务器配套形成细分优势。
算力基础设施的建设也不能脱离城市需求。常州已经上线公共算力调度与创新服务平台，把运营商、企业和园区算力纳入统一入口。工业AI并非所有场景都需要超大参数模型，机器视觉、设备预测、工艺推荐和私有知识库更需要边缘计算、端侧模型和稳定部署。与其盲目建设超大算力中心，常州更需要“够用、好用、可调度、可负担”的算力体系。
面向中小企业，未来可以通过算力券、模型券、数据治理券和场景诊断券降低使用门槛。企业不必一次性购买昂贵设备，而可以按项目调用算力、按效果付费、按场景迭代。
越过围墙：AI走进城市治理
如果AI只停留在龙头工厂，常州的“智能体+场景应用”只能说进行了一半。实验同样发生在最复杂，也最能检验AI智能程度的场景——医院。
常州市第一人民医院选择从繁重、琐碎的病历书写切入。通常一名医生半天的接诊量可能达到三四十个，既要询问病史、判断病情，又要完成规范记录，传统模板不但无法保证病例准确性，还大大降低了患者就医体验。
“我们几乎接触了市面上所有的模型企业。”常州市第一人民医院院长周军介绍道，从华为到百度，从商汤医疗再到全诊医学等，周军摒弃了通用大模型“拿来主义”，由医院管理层海量筛选比较，将数个应用场景拆分成不同环节，与不同企业合作。
仅仅是AI撰写病例，就涉及几个关键环节：一要开放医疗数据、保证数据安全，完成本地化部署，二是做大量说服工作，让医护人员接受工作流程的变化，更重要的是与平台合作“打磨”数据、形成高效且准确的医用语言模型。
“医生群体的工作习惯很难改变，新技术哪怕只增加了一点点的操作步骤以及患者就医时间，都很难继续推广。一份门诊病历生产原本需要二十秒，我们只有压缩到几秒、尽可能减小错误率，做到技术上‘无感’和‘丝滑’，人工智能才能真正进入门诊。”周军说。
目前，该院的AI系统语音识别准确率从最初的82%提升到98%，门诊覆盖率超过90%，并继续向住院流程和手术记录方面拓展。医院通过语音和流程系统参与多个医疗节点的核查，AI在这里不是替医生作诊断，而是成为一条不知疲倦的安全提醒线。
数字病理和影像也在发生变化。病理切片经过扫描后，可以由不同地区的专家远程查看；AI影像系统则从只识别单一病种，走向一次扫描多个智能体。医院逐步将无人机纳入医联体，检验标本从基层医院送往中心医院，无人机航线试图打通“最后一公里”。人工智能、低空物流和医疗协同在这里形成了一条跨机构服务链，周军未来想为医院无人机开辟更多航线。
2026年2月，常州一院新上岗两名“智能导诊员”——真真和儒儒，这也是此类人形机器人在我国医院场景的全新落地应用。机器人背后搭载的是常州一院“数字人”智能系统，该系统集成预检分诊、信息查询、适老服务、娱乐互动等多重功能，助力百姓智慧就医。（受访者供图）
面向患者，医院还尝试把数字人（AI Agent）、导航和机器人结合。数字人可以完成预约挂号、检查指引和院内导航，患者打开手机摄像头后，系统根据真实环境提示路线。医院下一步想要部署更轻量的陪诊机器人和机器狗，按楼层布置，通过扫码或语音陪同患者到达诊室，尤其帮助不熟悉手机应用的老年人和外地患者。
周军算了笔账，机器狗的成本只有十来万元，在常州就能做到本地采购、本地定制、本地部署，“等机器狗的价格下来了，医院可以批量采购几十台，用于就医辅助和医疗物资运输”，周军坚信医院的“机器狗大军”，在不久的将来就能实现。
AI技术落地，还在帮助企业反哺城市更新治理。
海图科技将自家的工业AI智能预警系统落地老旧小区、城市消防场景。通过“平台+运营”一体化方案，由AI承担实时识别、初步研判工作，专业运营团队负责复核告警、跟进处置。若一线负责人未及时响应，系统自动逐级上报，直至联络到处置人员。
这是城市治理智能化的关键：AI可以发现异常，却不能自动替代责任体系。消防隐患、设备故障和社区安全最终需要有人到场处理。
目前常州已经将AI公共服务延伸至公交调度、消防无人机、公安安保、养老护理和政务审批等场景。智慧公交通过客流、路况和城市活动数据调整运力；消防无人机依托低空网络和AI识别形成更快响应；养老机构通过模型缩短护理方案制定和培训周期；政务智能体则尝试把咨询、审批和部门协同从一问一答推进到任务执行。
新场景改变了技术的评判标准，它不只要计算经济收益，还要考察公共价值、用户体验、公平性和安全性。
真正的城市智能，不是多几个会说话的屏幕，而是让服务更及时，让风险更早被发现。
组织城市：成为科创组织者与产业合伙人
前沿技术，更不可或缺的是人才。
常州市场目前已与清华大学、上海交通大学、西安交通大学、中国人工智能学会、长三角国家技术创新中心等开展合作，已建设龙城实验室人工智能创新中心、省AI智能工厂工程研究中心等平台。
外部创新资源能否真正留下，关键不在签约数量，而在转化链条。数据显示，常州已建设38个相关创新平台，在常高校设立11个人工智能二级学院。下一阶段，城市还计划把人工智能产业赋能中心、场景服务平台和开源社区平台连接起来。
诸如前述原点空间的高频沙龙，目的是连接政府部门、企业和开发者，正如一位市领导形容，这是给政府“动脑松土”，让AI从少数技术人员的专业话题，变为政府、企业和社会共同学习的语言。
人才政策则更需要“耐心”，譬如位于常州的XbotPark机器人基地，已经持续运营了7年多。XbotPark机器人基地由香港科技大学李泽湘教授创立，作为国内少有的硬科技创业孵化器，已经跑出了大疆、云鲸智能、逸动科技等多家知名企业，在东莞、北京、常州等地均有设点。
XbotPark常州基地智能制造实验室。（受访者供图）
常州基地负责人王豫平认为，新工科教改和硬件创业孵化通常需要多年才能看到结果，因为涉及高校课程、教师评价和创业投资的整体调整，“常州基地能够坚持多年，依赖高校和地方政府主要负责人长期支持，这种连续性在全国并不常见”。
基地先通过教改班和机器人比赛培养工程能力，再从中筛选有创业意愿的年轻人，提供早期投资、可靠性实验、供应链和市场支持。硬件创业周期长、成本高，通常需要十年左右才能看到成熟成果。常州能够长期支持这种模式，依靠的不只是资金，也包括高校、地方政府和制造业供应链的连续合作。
AI进入硬件时代后，企业需要的不只是会调用模型的人，还要既懂机械、电气和控制，又能理解数据、算法和用户需求的复合型工程师。
人才从基地毕业后如何就业？除了创业、进工厂，常州市也为学生们额外提供了一条出路。
常州同时在发展OPC（One Person Company）社区，推动“一人+AI公司”的新型创业。对于硬件和工业智能体而言，“单人成军”并不意味着一个人完成所有制造，而是借助多智能体和平台服务，让小团队获得过去需要大组织才能拥有的设计、编码、营销和管理能力。
长跑答案：在热潮之外寻找答案
常州的AI路径已经明确，但还远未到可以轻松应对的阶段。
北京拥有顶尖科研机构和大模型企业，上海拥有资本、平台与国际化资源，深圳拥有电子信息供应链和硬件创新速度，杭州拥有互联网生态和开源模型。常州的挑战不仅来自外部，更在于自己。
首先是可靠性。工业场景必须控制幻觉和不确定性。大模型可以辅助规划、问答和知识组织，但生产控制需要更严格的边界。二是数据。企业过去积累了大量数据，但不能直接用于训练，需要清洗、标注和统一定义。三是安全。产品图纸、工艺参数、配方和供应链信息一旦外泄，企业可能失去核心竞争力，可信数据空间、本地部署、隐私计算和访问审计必须与模型应用同步推进。
更重要的是成本。模型每一次调用都在消耗算力和电力，一个系统如果没有提高效率、降低成本或创造新收入，企业不会因为“AI”标签长期付费。
这些问题只能“摸着石头过河”，这恰恰是常州的机会。这座城市过去的竞争力，来自工程师、工厂、供应链和长期主义。它习惯从零部件做起，习惯在一条生产线上反复调试，习惯把技术变成稳定产品。
这里的AI故事并不是一条单线，而是许多产业线索在同一座城市交汇，最终指向一个朴素标准：真正的智能，不在屏幕的对话里，而在一颗螺丝能否拧得更准，一张病历能否少一个错误，一次报警能否更早找到责任人，一台设备能否少停一次，一家中小企业能否以更低成本跨过智能化门槛。
常州试图在中国工业城市转型的版图上，写下一个更有分量的答案：让人工智能真正进厂、进院、进城，让制造业的每一条数据、每一段经验和每一个场景，都成为下一轮产业升级的起点。
（专题）