2025年以来，“人工智能+”行动从政策信号加速转化为产业行动，制造业成为AI落地最深、需求最实的领域之一。但政策的热度与企业的体感之间存在明显落差：企业“听说AI”容易，但“用起来”却很难。这一落差指向一个尚未被充分满足的基础设施需求——需要一类公共服务载体，把分散的AI能力组织起来、把复杂的选型过程简化下来、把高昂的试错成本降下来。

从政策端看，2025年3月，十四届全国人大三次会议审议的《政府工作报告》明确提出“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好结合起来”；同年7月，国务院常务会议部署深入实施“人工智能+”行动，要求大力推进人工智能规模化商业化应用；此后发布的《国务院关于深入实施“人工智能+”行动的意见》进一步提出“推进工业全要素智能化发展”，要求加快人工智能在设计、中试、生产、服务、运营全环节落地应用。政策指向清晰：AI必须与制造深度融合，而中小企业不能被挡在门槛之外。

从产业端看，汽车、装备、电子、化工等制造企业普遍面临AI转型的迫切需求，但现实障碍同样突出——能力分散、选型成本高、缺算力、缺人才、供需对接不畅。把企业的障碍拆开看，是五道具体的坎：一是模型与服务分散，企业反复对接、重复评估，选型成本高；二是通用大模型不懂工业机理，行业知识、设备机理与安全边界缺乏专业支撑；三是有模型不等于能办事，落地还需要知识库、提示词、智能体与工具调用协同；四是项目制交付周期长、复用成本低，难以复制扩展；五是中小企业难以自建GPU与AI团队，补贴获取不便，成本收益缺乏统一机制。

政策要求“建设公共服务载体、降低中小企业转型门槛”，产业需要“低成本、可验证、可持续”的AI供给，二者在同一时点交汇，催生了一个清晰的命题：建设“线上工业AI统一服务平台＋线下数智化转型赋能中心”一体两翼的公共服务载体，打通AI供给—制造企业应用闭环。

1 “人工智能+制造业”公共服务平台

1.1 一个“一体两翼”的公共服务载体

所谓“人工智能+制造业”公共服务平台，是以服务制造企业AI转型为首要目标、兼具公共属性与市场机制的工业AI能力组织与运营载体，其典型形态是“一体两翼”。一体，即以工业AI统一服务与生态运营为平台定位；两翼中，翼一是线上工业AI统一服务平台，承载能力超市（模型广场、智能体市场）、资产沉淀（提示词工坊、RAG知识库）、供需撮合（供需广场、揭榜挂帅）与计量运营（按量计费、算力券核销）四类功能；翼二是线下数智化转型赋能中心，承载企业AI公益诊断、场景预验证实验室、分层人才培训与职业能力认定、供需对接会与产业联盟运营五类业务。建设模式概括为三个原则：政府引导、市场化运营、生态共建。

平台定位还可以再进一步凝练：连接工业AI能力供给与企业应用，将模型、智能体、提示词资产、API接入、计量计费与运营管理统一整合，让工业AI能力从“项目交付”走向“平台运营”。当前平台重点覆盖电力、化工、制造、设备运维、安全等行业，开放架构可持续接入钢铁、煤炭、矿山、新能源、装备制造等细分领域。这意味着公共服务平台不是某一家企业的私有工具，而是面向区域产业的可扩展公共载体。

1.2 政策驱动与产业需求的“双向奔赴”

公共服务平台的出现不是偶然，而是政策自上而下部署与产业自下而上需求在同一时点交汇的结果。政策侧，国家层面把“人工智能+”上升为行动并写入政府工作报告，省级层面出台“人工智能+制造”专项行动方案，明确要求建设公共服务载体、降低中小企业转型门槛——“建设公共服务载体”由此成为地方落实政策的关键抓手。产业侧，企业有真实需求，但五道坎决定了单靠企业自身或单家AI厂商都难以跨越：中小企业缺算力、缺人才、缺评估能力，AI厂商缺场景、缺需求入口、缺信任背书。

两端同时缺一个“中间层”，公共服务平台正是这个中间层。它既承接政策目标——提供公共服务、降低转型门槛，又承接市场目标——供需撮合、商业化闭环。这正是它区别于普通商业SaaS（只做交易不做公共服务）或单纯政企项目（只做交付不做持续运营）的关键所在。

1.3 工业AI平台生态中扮演的四种角色

在工业AI平台生态中，“人工智能+制造业”公共服务平台的价值可以概括为四种角色：统一入口、转型降坡器、能力沉淀池、生态枢纽。

统一入口，解决“找得到”。模型与服务分散是选型成本高的根源。平台以模型广场、智能体市场形成统一能力超市，让企业从“反复对接、重复评估”变为“一站浏览、在线体验”，把选型从一对一商务过程变成标准化服务过程，显著降低供需双方的对接成本。

转型降坡器，解决“用得起、可试错”。通过算力券以Token形式赋能企业、按量消费按Token或按次计费、先体验再调用，平台把动辄百万级的定制项目门槛，降为“先充值、先试用、按用量付费”的低门槛起步；线下公益诊断与分层培训，进一步降低企业在认知与人才上的门槛。

能力沉淀池，解决“可复用”。提示词工坊把工业经验与任务模板沉淀为可复用数字资产，RAG知识库沉淀企业规程与工艺知识，行业解决方案库沉淀场景know-how——这些资产让单次项目投入变成可复用、可扩展的平台资产，是“项目交付”走向“平台运营”的物质基础。

生态枢纽，解决“可持续”。平台同时连接生态供给侧（工业AI企业、模型服务商、行业解决方案商、技术合作伙伴）与企业应用侧（工业企业、园区、系统集成商、企业开发者），通过计量计费与运营调度形成商业闭环，通过全量数据沉淀形成产业统计，反向支撑政府治理与生态优化。

四种角色共同指向一个结论：公共服务平台的价值不在“自建模型”，而在“组织能力”——它是工业AI时代的能力组织与运营底座，让供给侧的能力找到需求，让需求侧的企业找到入口，让政策侧的投入形成可量化、可持续的公共产出。

2 工业AI服务平台的“一体两翼”架构

2.1 线上做统一入口，线下做落地支点

搭建公共服务平台的第一原则，是“线上做能力与交易的统一入口、线下做信任与验证的落地支点”，二者缺一不可。纯线上平台解决不了信任问题——企业不敢把生产场景交给一个“看不见”的模型；纯线下中心解决不了规模化问题——能力供给、计量结算、供需撮合必须靠线上承载。一体两翼的协同闭环是：诊断导入线上→线上选型试用→线下验证→现场部署。建设模式上，政府引导提供政策与财政资源，市场化运营由专业主体保障长效运转，生态共建由多方主体共同参与，三者共同构成平台的治理结构。如图1所示。

图1 “人工智能+制造业”公共服务平台“一体两翼”总体架构

2.2 线上平台骨架：五层架构承接供需

线上平台的核心是五层架构——自下而上依次为生态供给侧、AI能力层、平台服务层、场景服务层、企业应用侧，五层共同构成“连接供给、服务与应用”的完整链路，各层构成与职责如图2所示。

图2 五层架构的分工逻辑

五层架构的分工逻辑是：生态供给侧提供能力源头，AI能力层将模型与智能体标准化，平台服务层完成展示、体验、接入、计量与费用管理，场景服务层把通用能力封装为行业可用的服务形态，最终落到企业应用侧。每一层解决一类问题——能力有没有、能不能调、好不好用、能不能规模化复制。更重要的是，五层之间解耦：模型可以更换、场景可以扩展、服务商可以随时接入，平台本身不依赖任何单一模型供应商，这是平台能够持续运营的结构保证。

2.3 能力底座：垂域模型深耕工业场景

平台能力层的核心策略是“通用能力＋垂域深耕”，用垂域模型解决“通用大模型不懂工业机理”的痛点。比如面向电力场景，支撑运行状态分析、辅助研判与规程查询，服务电力行业专业知识问答与决策辅助；面向工业与制造场景，覆盖工艺参数优化、工艺智能生成、加工质量预测、订单进度预测、零件智能选型与全过程异常分析；面向设备运维，融合图像、振动、电流等线索做设备智能诊断、健康评估与预测性维护建议；面向化工场景，覆盖过程异常诊断、反应与配方参数优化、HAZOP辅助、环保合规与危化品管理，服务工艺员与安全工程师。

垂域模型的价值在于把工业机理、行业规程与安全边界“前置”进模型能力，让企业不必拿着通用大模型从零开始调教。同时，开放架构允许第三方工业模型与智能体持续接入，能力底座是“自研＋生态”而非“封闭自研”——这既保证了专业深度，也保证了生态广度。

2.4 统一入口：四大核心模块

企业进入平台不需要理解底层模型，只需要四个入口：模型广场、智能体市场、提示词工坊、费用中心。模型广场是工业大模型统一服务入口，支持浏览、体验与选型；智能体市场把模型封装为可直接使用的业务助手与场景服务，解决“有模型不等于能办事”；提示词工坊沉淀工业经验与任务模板，形成可复用数字资产；费用中心提供预付充值、按量消费、用量统计与消费明细，让成本透明可控。

四大模块还内置了一条“双路径”设计：API在线体验与标准接入并行——业务侧先看见价值，研发侧再嵌入业务系统。这一设计把技术采购决策从“先投入后验证”变为“先验证后投入”，是降低企业信任门槛的关键细节。

2.5 开放接入：三种路径与工程化安全边界

针对不同成熟度的企业，平台提供三条接入路径，并守住一条不可逾越的安全边界。路径一为标准调用：开通账号即可在线体验，按Token或按次调用，适合起步探索；路径二为企业系统集成：通过标准API接入MES、DCS、SCADA、设备管理、知识系统等既有系统，适合已具备信息化基础的企业；路径三为深度场景适配：结合企业规程、工艺数据开发专属知识库与智能体，适合关键场景的深度落地。

工程化原则划定了平台的边界：大模型优先承担知识理解、分析诊断、辅助决策与任务编排；涉及直接生产控制时，需与既有控制系统、安全联锁协同验证，不以大模型直接替代原有控制系统。这条边界决定了工业AI平台是“赋能者”而非“替代者”——正是这一克制，使平台能够被允许进入生产现场，是平台落地的前提而非约束。

2.6 线下赋能中心：让AI在本地落地

线下赋能中心解决的是线上平台解决不了的三件事——信任、验证与人才。实体空间设置四个功能区：展示区展示平台能力与标杆案例，场景验证实验室对模型与智能体做本地化测试，培训实训教室承载分层人才培训与认定，商务洽谈区服务供需对接与项目洽谈。

围绕空间布局，线下中心开展五大核心业务：一是企业AI公益诊断，输出诊断报告并把需求导入线上广场；二是工业AI场景预验证，对模型智能体做本地化测试；三是分层人才培训与职业能力认定；四是常态化供需对接会、行业沙龙路演；五是运营产业联盟，维护服务商、专家、案例资源库。五大业务各回答一个问题——诊断解决“要不要用、用在哪”，预验证解决“能不能用、效果如何”，培训解决“谁来用”，对接解决“找谁做”，联盟解决“可持续”——与线上五层架构一一呼应，形成完整的落地支撑。

2.7 运营机制：按量消费、透明结算、多元创收

平台的可持续性取决于运营机制，核心是“按量消费、透明结算”，辅以多元创收与分成激励。商业闭环为：预付充值形成可用余额→按量消费（按Token或按次计费）→消费发生后按约定透明结算→能力迭代与生态扩展。服务商机制上，工业大模型入驻后可获得70%以上的收益分成，并拥有Token自主定价权，走“提交入驻→能力审核→自主定价→企业调用→透明结算”的流程，让服务商专注算法与场景研发；代理商机制上，个人或企业均可申请，收益分成10%以上，通过“申请→审核→专属链接推广→新用户一年内消费分成→月度提现”实现社会化推广。

线下运营另有三类创收：政府购买诊断服务，承接“人工智能+制造业”企业智能化诊断，输出诊断报告并带动后续AI场景落地与按量调用；活动平台承办，通过场景对接会等活动的承办服务与AI服务商赞助费实现创收；人才培训创收，面向人工智能应用工程师、工业智能应用工程师、FDE制造业前线部署工程师等开展分层培训与职业能力认定。资金结构上，前期由财政专项资金引导，支持平台建设、线下场地与公共算力；后期通过服务商平台服务费、项目咨询、培训服务、算力调用分成实现市场化可持续运营。

总体来看，这套架构回答了“怎么建”的三个关键问题：线上五层架构解决“能力如何组织”，线下五大业务解决“信任如何建立”，按量消费与分成机制解决“生态如何持续”——三者共同构成可复制运营样板的基础。

3 生态共建：六类主体的责任分工与协作机制

3.1 六类主体全景与责任边界

平台生态由六个角色共同构成：政府侧的数据局、经信局、数产集团，产业侧的运营商/智算、制造企业、AI服务商；平台本身居间承担计量、撮合与调度职能，六类主体的角色定位与核心责任如图2所示。

图2 六类主体责任分工与协作定位

3.2 分工逻辑：政策—算力—供给—需求四方闭环

六类主体不是简单的“甲乙双方”关系，而是围绕政策、算力、供给、需求四个要素形成的闭环结构。政府侧三主体各司其职：数据局管“资源怎么给”，负责算力券发放与核销的全流程可追溯监管；经信局管“需求怎么来”，负责公共服务总入口、产业看板与真实需求挖掘；数产集团管“平台怎么转”，以专业运营主体保障平台长效运转。政府的三只手分别对应资源、需求、运营三个环节，既避免“政府既当裁判又当运动员”，也避免平台建成后无人运营。

产业侧三主体各就各位：运营商/智算释放智算产能，把算力封装为工业AI调用服务；AI服务商提供模型与场景能力，专注算法与场景研发；制造企业提出真实需求并消费服务。三者的共同点，是通过平台实现对接、计量与结算，各取所需。平台居间的本质，是用Token计量让消费可量化、用供需撮合让对接可追溯、用运营调度让生态有序——平台不是第七个主体，而是六个主体之间的结算与调度中枢。如图2所示。

图3 六类主体生态协同闭环

3.3 协作机制：一条环环相扣的运行闭环

六类主体的协作不是并行作业，而是一条闭环链：政策资源→算力调用→需求挖掘→供给对接→数据沉淀→统计反哺。第一步，数据局以算力券形式赋能企业，让企业获得可消费的算力额度；第二步，企业凭算力券调用运营商智算与全国AI服务商能力，算力与能力开始流动；第三步，经信局通过公共服务落地挖掘真实需求，把“企业想要什么”显性化；第四步，精准需求开放给服务商，服务商据此提供产品，并反向拉动智算消耗；第五步，全量数据沉淀平台，各部门按需获取产业统计，形成对政策与运营的反馈。

这条闭环的深层意义有三层。其一，它把政府补贴从“直接给钱”变为“算力券＋Token计量”的可追溯模式，公共投入的每一分钱都能追踪到企业调用；其二，它把产业协同从“熟人介绍”变为“需求驱动的市场化对接”，服务商凭真实需求获取业务线索；其三，它把数据从“沉淀在个别企业”变为“平台化的公共资产”，产业统计反哺政策制定。每一环都为下一环创造价值，也都在为平台积累难以替代的数据与运营壁垒。

3.4 激励相容：共建共享的利益分配机制

生态共建要可持续，必须让每个主体在贡献的同时获得对价，平台通过分成、购买与培训三类机制实现激励相容。对服务商，70%以上的收益分成加Token自主定价，让能力供给方愿意入驻、愿意持续迭代；对代理商，10%以上的消费分成，让平台获得社会化推广网络；对运营方，政府购买诊断服务、活动平台承办、人才培训创收三类收入覆盖线下运营成本；对企业，算力券降低首单成本、按量消费降低试错成本、诊断报告明确转型路径，让需求方“敢用”；对政府，产业看板与统计反哺，让公共投入“看得见、可评估”。

这套机制的巧妙之处，在于把“公共服务”与“市场交易”统一到同一条计量线上：算力券是公共服务，按Token消费是市场交易，二者通过平台计量无缝衔接，避免了公益与商业“两张皮”——公益以算力券的形式补在需求侧，商业以分成的方式留在供给侧，平台在其中完成计量与结算，从而形成自我循环的生态。

3.5 落地节奏与预期成效

从启动到成熟，平台建设遵循“先上线、再推广、后沉淀”的三期节奏，每期有明确的里程碑。一期（0—6个月）建设启动：线上平台基础版本上线、线下赋能中心实体落地、首批服务商与模型智能体入驻、启动企业诊断与首场供需对接；二期（7—18个月）规模推广：平台全功能上线、产业联盟常态化运营、大规模企业诊断与人才培训、落地一批示范项目；三期（19—36个月）生态成熟：沉淀本地工业数据集、形成行业解决方案库、打造完整可复制的运营样板。

建成后可量化的公共服务产出包括：服务辖区制造企业100家以上并输出企业AI诊断报告；入驻数十家服务商，上架工业模型、智能体与解决方案；完成多场次人才培训，输出复合型工业智能人才；打造一批本地AI+制造标杆示范项目与标准制度文件。这些指标意味着平台的价值最终要落到企业数量、调用规模、人才产出与示范复制上，而不是停留在“上线了”本身。

六类主体的分工协作表明，公共服务平台的真正门槛不在技术，而在“组织”——把政策资源、算力资源、能力资源、需求资源组织到同一条闭环上，并让每一方都获得对价。谁能率先跑通这条闭环，谁就掌握了工业AI时代区域生态的主动权。

结语：从本地样板到可复制样板

从“项目交付”走向“平台运营”，是工业AI走向规模化的必由之路，“人工智能+制造业”公共服务平台正是这条路上的关键枢纽。它让企业更容易获得专业AI能力，让优质工业AI能力更容易进入真实产业场景，最终推动工业AI从单点项目走向平台化、产品化、规模化，成为工业AI时代的统一服务入口与生态枢纽。

需要清醒看到的是，这类平台能否成功取决于四个条件：一是地方是否拥有足够密度的真实产业需求，需求是平台存在的根基；二是公共算力与算力券能否真正转化为企业调用，资源不能停留在发放环节；三是市场化结算与分成机制能否让服务商持续获利，生态不能只靠补贴维系；四是数据沉淀能否反哺政策与运营形成治理闭环，平台不能沦为“挂牌的空壳”。四者缺一，平台就可能退化为没有流量、没有交易、没有迭代的静态站点。

随着“人工智能+”行动的深入实施，公共服务平台有望沿着“本地样板→区域复制→跨域互联”的路径演进：以公共算力为杠杆、以真实需求为牵引、以透明结算为纽带、以数据沉淀为回报，开放连接每一种有价值的工业AI能力，让AI与制造的融合从政策倡导变成企业日常。这既是公共服务平台的使命，也是工业AI走向规模化的必然选择。