站在“十五五”开局之年，人工智能正以前所未有的速度向实体经济深处渗透。作为制造业大市，宁波如何在这轮AI浪潮中找准定位、走出特色路径？中国移动通信集团学部专家、浙江移动数智科技有限公司副总经理汤人杰博士结合多年AI工程化实践，从技术趋势、数据底座到产业路径，为宁波“AI+制造”给出了务实而清晰的答案。

AI工程化的关键一“跃”

“旧时王谢堂前燕，飞入寻常百姓家。”在汤人杰看来，这句诗恰是当下AI落地制造业的生动写照。

2026年正成为AI落地制造业的分水岭——此前，AI更像车间里的“旁观者”，能看、能说、能给建议，却很少真正动手；现在，随着大模型能力跃升和智能体框架成熟，AI第一次具备了走进生产流程、接管具体环节的条件。“如今，AI的投入产出比能算得过来账了，商业模式终于能够形成闭环。”汤人杰说。

支撑这一判断的是两个转折：一是，大模型通用性和推理能力大幅增强、调用成本大幅下降；二是，今年年初智能体驾驭工程（Harness）模式的出现，大大提升了AI应用的可靠性。

中国移动模型服务平台（MoMA）。通讯员供图（下同）

此前，企业做AI应用更像定制开发，投入周期长，智能体只停留在提示工程层面，常出现AI幻觉，进不了生产场景，只有大企业才有资源探索；现在，企业可直接基于大模型和Harness工程做场景适配开发，门槛和成本都降到了中小企业可承受的范围。

从“能算账”到“能落地”，关键一跃是AI工程化。汤人杰坦言，此前，不少AI应用停留在Demo阶段，看得见却进不了生产环节，只能算作“盆景”；而今，随着工程化交付能力的成熟，AI正深度嵌入真实制造场景，一步步从“盆景”变成“风景”。

数据为基，场景为王

工程化的本质，是把大模型的概率智能约束在工业的确定性安全范围里——传统软件工程遵循确定性逻辑，而大模型具有随机概率特征，两者之间存在天然鸿沟。

跨越这道鸿沟，制造业需过三关：一是数据关，打通IT与OT的隔离带，把散落在MES、ERP中的数据清洗、结构化；二是模型适配关，不是参数越大越好，关键是针对不同场景选用合适模型；三是零故障护栏关，用Harness框架给AI大脑套上缰绳，实现分级自主。这三关是AI扎根制造业的必经之路，也是中国移动等运营商正在发力的方向——基于Harness框架为企业提供AI工程化交付。

工程化之上，是产业格局之变。汤人杰观察到，大模型收敛趋势明显，阿里千问、豆包、DeepSeek等头部模型已遥遥领先，“行业竞争重心已从拼基础模型参数，转向工程化能力和场景交付能力。”

在模型收敛、算力趋同的时代，场景才是城市之间拉开差距的核心竞争力。“像宁波这样的城市，应该把资源聚焦到应用上。”汤人杰认为，训练大模型是千亿级投入的事，头部已非常集中，宁波需要的是“够用、好用、用得起”的推理算力，而非训练集群。

场景背后是数据，数据流通需要新的基础设施。汤人杰用“百万富翁问题”解释可信数据空间：两个富翁比谁更有钱，不必互相查看存折，通过数学算法就能完成比对，原始数据仍留在自己手上。制造业大量工厂就是这样一对对“百万富翁”，上下游都有高价值数据，却不愿交换原始资料。

可信数据空间能做到“数据可用不可见”，是AI的重要基础设施，中国移动正推进的工业可信数据空间建设，正是基于这一前提为产业链数据协作提供底座。

移动打造的宁波城市可信数据空间。

从单点突破到全链覆盖

对宁波AI+制造的路径，汤人杰有清晰判断。

宁波优势在于制造门类齐全、产业集群度高，天然是AI落地的试验田。以得力集团为例，中国移动为其落地十多个AI场景，帮助企业年降本超1亿元，笔的日产量从20万支升至23.5万支。从结果来看，企业不再为宽带付费，而为AI带来的实际产出付费，运营商也正从“卖网络”转向“卖效果”。

得力智慧工厂。

因此，他认为，宁波应用好场景红利，建好工业可信数据空间，推广以应用效果为导向的AI工程化交付模式，走出一条属于制造业大市、务实可控、投入产出清晰的AI之路。

对中小型制造企业，汤人杰给出三条行动建议：

一是，先找痛点、别追风口，挑高频、规则化、重复性强的环节小切口切入，“看到效果再往下走”；

二是，尽量用现成的、标准化的、SaaS化的AI，中小企业不必养AI团队、做大量定制开发；

三是，主动把场景需求亮出来，运营商不缺数据、技术和算力，最缺的是真实业务场景，企业出场景、运营商出算力平台技术，双方共面挑战。

展望未来，汤人杰认为，最值得期待的突破不在单点技术，而在于AI从需求端到交付端接管整个工业决策链——从订单预测、原料采购、排产调度到物流配送，全链路由AI协同驱动。