夜雨聆风
随着2026 年度智能工厂梯度培育通知的下发，卓越级智能工厂申报工作也在企业中陆续展开。在《智能工厂梯度培育要素条件 （2026 年版）》中，AI应用考核标准大幅收紧：卓越级智能工厂AI场景占比也有所提高，新增工业智能体数量、工业大模型、日均词元调用量量化考核指标，同时删除数字化生产设备普及率旧指标。
相比去年，新版培育条件调整集中在：
卓越级工厂AI应用场景占比门槛20%→30%，企业需扩充、规范AI落地场景素材；
工业智能体部署数量、工业大模型落地、词元日调用量纳入关键绩效指标；
取消数字化生产设备普及率单一考核，重心转向人工智能深度落地；
不再仅考核设备自动化，更需考察AI算法、模型、数据协同、智能决策闭环落地成效。
对今年开启申报卓越级和领航级的工厂而言，AI场景申报将是卓越级和领航级智能工厂申报的重点。本文通过剖析 2025 年江苏省卓越级智能工厂案例，梳理分析这些案例的场景撰写模式和特点，争取为企业的卓越级智能工厂 AI 场景申报提供具有参考性的撰写框架，让场景的申报符合评审要求。
一、场景申报案例
本次分享案例来自于2025年江苏省卓越级智能工厂申报案例，此次分享的场景为《智能制造典型场景参考指引（2025 年版）》中「物料精准配送」，该场景参考指引为：面向厂内物流配送等业务活动，针对物料配送不及时、不精准等问题，部署自主移动机器人等智能物流设备和智能运输管理系统，应用室内高精度定位导航、物流路径动态规划、物流设备集群控制等技术，实现厂内物料配送快速响应和动态调度，提升物流配送效率和准时率。
场景名称：
多机AI调度：半导体AMR孪生映射与跨系统精准协同
场景描述：
为解决半导体行业传统配送中人工搬运存在安全风险，以及配送过程无法掌控、不透明等问题，应用AMR结合激光SLAM构建环境地图，导航中融合激光与视觉实时感知障碍物，通过人工智能路径规划算法动态计算最优避障路径，同时利用物流调度系统结合MES、RFID和定位技术，实现原料、在制品物流的精准配送，产品运输的无人化，以及产线区域物料的自动获取、运输与上料，且所有动态均能在大屏实时查看。
图1 AMR激光导航模型
技术方案：
（1）硬件：配备AGV、AMR等物流机器人，装有激光障碍物传感器、接触式传感器（保险杠）、急停按钮等；使用RFID相关设备用于产品识别。
（2）软件工具：运用物流调度系统，结合MES系统制定运输计划和调度管理；导航系统采用激光SLAM定位，结合动态算法优化路径；通过数字孪生大屏实时展示物料运输动态。
（3）数据集成：物流调度系统系统与MES系统集成，实现生产计划与运输计划的协同，物流机器人接收MES系统指令，确保物料运输与生产流程精准对接。
（4）人工智能模型：多模态导航模型、目标检测模型、深度强化学习模型等。
图2 AGV路径规划图
实施成效：
（1）人力成本显著下降：物料运输环节人力投入减少超过80%，大幅降低运营成本。
（2）流转效率提升：与计划系统深度融合，批次及物料流转速率加快，等待时间明显缩短。
（3）运输风险可控：实时监测与智能调度降低运输过程风险，保障批次运输安全。
（4）洁净环境保障：产线无人化运行，减少人员活动，间接降低无尘室颗粒浓度，提升环境稳定性。
场景名称：
全域AI决策：工程机械RCS集群调度+数字孪生实现精准闭环
场景描述：
为解决工程机械行业起重机厂内物流配送时效与准确性不足、物料错配浪费资源的问题，应用人工智能驱动的路径规划算法，结合高精度导航、数字孪生等技术，部署自主移动机器人及智能运输管理系统；通过人工智能赋能的RCS集群管控调度系统，搭建物流数字孪生平台，实现AGV智能动态调度、实时路径优化与全流程可视化，显著提升配送效率和准时率。
图3 3DSLAM激光导航全场景地图
技术方案：
（1）硬件：部署AGV搬运机器人、料箱搬运机器人、二维码智能料架等设备，借助5G通信设备、激光SLAM导航相关硬件，实现高精度定位与信息传输。
（2）软件工具：运用集群管控调度系统，实现物流设备集群控制、任务分配和路径规划；搭建物流数字孪生平台，实时映射物流运行状态；利用MES、WMS系统，支撑生产计划管理、库存管理及出库配送方案生成。
（3）数据集成：集成IoT、MES、WMS和集群管控调度等系统数据，实现生产计划、库存状态、配送任务等信息的实时共享与协同，保障数字孪生平台的精准映射和智能决策。
（4）人工智能模型：基于启发式算法的物流路径优化模型、基于启发式算法的AGV物流路径智能优化模型等。
图4 智能物流监控平台
实施成效：
（1）闭环效率显著提升：构建“感知-决策-执行”闭环自主物流体系，全流程数据驱动，缺料率降至0.1%，配送准时率≥99%，物流配送效率与准时性全面跃升。
（2）经济收益可观：物流配送节省人工15名，年度物流费用节省300万元，实现延迟＜200ms、误差±1mm的极速精准配送。
（3）行业推广价值突出：已在集团内外多家企业成功复制，验证其在工程机械行业的高度可推广性，为行业数字化转型提供可借鉴的实施范本。
二、AI 场景撰写
那么企业该如何结合场景参考指引和企业实际现状来写项目申报书呢？参考以上场景案例，申报书的场景撰写应包含场景名称、场景描述、技术方案和实施成效四个部分，下面就结合案例对四个部分的撰写做一些梳理。
（1）场景名称
多机AI调度：半导体AMR孪生映射与跨系统精准协同
全域AI决策：工程机械RCS集群调度+数字孪生实现精准闭环
命名逻辑：AI 功能定位：细分行业应用场景 + 落地价值
直观体现 AI 技术属性、所属行业、解决的业务问题，评审第一眼识别 AI 应用含金量。
（2）场景描述
为解决哪个行业中存在的哪些问题 ，应用什么设备和技术实现了哪些功能，通过什么样的人工智能技术赋能传统软件和设备，使得设备和软件的功能得到优化，进而实现了传统功能的自动化、智能化和无人化，实现了哪些目标的提升。
撰写逻辑：行业现存痛点→落地硬件/数字化底座→AI 技术赋能方式→实现智能化能力→达成业务改善目标
先点明行业专属生产、物流、质量类痛点；
说明配套智能硬件、基础数字化系统；
重点突出人工智能算法、模型如何改造传统流程；
阐述自动化、无人化、自主决策等智能化成果；
简要点明产能、成本、质量等改善方向。
（3）技术方案
技术方案包含四点：硬件、软件工具、数据集成和人工智能模型。
硬件：部署了哪些生产设备和IT硬件，实现了什么功能。（罗列场景相关的智能设备、感知、通信硬件，说明硬件承载功能）
软件工具：运用了哪些系统软件，搭建了哪些平台，实现了哪些功能，做了哪些展现。（调度平台、MES/WMS、数字孪生、导航系统等软件，说明平台核心能力与可视化载体；）
数据集成：实现了哪些设备与系统的集成，以及哪些系统软件之间的集成，实现了哪些功能。（说明设备、系统间数据打通链路，数据互通带来的协同能力）
人工智能模型：运用了哪些人工智能算法和模型。（明确落地AI 算法、深度学习模型、优化模型，为AI场景占比提供技术依据。）
（4）实施成效
实施成效围绕改造升级后给工厂带来的经济和效益价值来写。如果场景在外部企业得到应用，还要重点强调行业推广价值。
成效分为三大维度，优先使用量化数据支撑：
运营效益：人力缩减、效率提升、等待时间缩短、不良率下降等量化指标；
经济效益：年度成本节约、停工损失减少、产能提升带来营收增量；
行业价值：方案可复制性、集团/行业推广落地案例（如有务必重点书写，加分项）。
结合两大标杆案例，明确卓越级智能工厂AI场景申报材料统一写作框架，四大板块缺一不可，适配评审专家审阅逻辑：
三、总结
对于制造企业申报卓越级智能工厂，AI 场景并非单纯堆砌技术设备，底层基础决定申报材料说服力与项目实际落地水平：
企业AI数字化文化建设：建立以数据、AI 驱动生产运营的管理体系，自上而下明确智能化转型目标；
复合型人才储备：配置兼具生产业务经验与人工智能、大数据技术能力的跨领域人才；
业务流程与AI深度融合规划：梳理全车间业务痛点，针对性匹配AI解决方案，杜绝 “为AI 而AI”；
企业数据底座搭建：打通设备、生产、仓储、物流全链路数据，为AI模型训练、智能决策提供数据支撑。
站在服务商视角，企业智能化转型核心诉求不是单纯采购AI技术，而是借助AI放大价值链收益；AI是数字化转型的杠杆，而非最终目标，所有AI场景申报内容均需围绕生产价值链、业务痛点展开，才能贴合 2026 年新版智能工厂梯度培育评审导向。
往期培训
