关于印发《江西省制造业企业智能化应用水平评估指南（2026版）》的通知

　　各设区市工信局、赣江新区经发局，省有关单位：
 

　　为贯彻落实工业和信息化部等八部门《“人工智能+制造”专项行动实施意见》，提升江西省制造业企业智能化应用水平评估规划工作的科学性、系统性。研究制定《江西省制造业企业智能化应用水平评估指南(2026版)》，为各地组织开展制造业企业智能化应用水平评估规划工作提供参考，现印发给你们。
 

　　江西省工业和信息化厅
 

　　2026年6月26日

 

 

　　江西省制造业企业智能化应用水平评估指南依据国家“人工智能+制造”专项行动及江西省制造业高质量发展战略，结合行业特点和制造类型，就适用范围、评估原则、评估体系、评估方法、评估流程等内容，指导开展制造业企业智能化应用水平评估规划工作。
 

　　一、总则
 

　　(一)评估目的
 

　　建立科学统一的评估体系，加强对各地制造业企业智能化应用水平评估规划工作的指导和业务培训，规范评估流程与标准，厘清企业智能化应用水平，聚焦智能化应用可行性判定与改造价值量化，引导企业聚焦核心环节提升智能化能力，加速数智化转型与产业能级跃升。
 

　　(二)适用范围
 

　　本指南适用于省内从事制造业生产经营活动的企业，参照本指南开展自评估，明确自身智能化升级改进方向。同时，供政府主管部门引导服务机构开展面向制造业企业的智能化应用水平评估。
 

　　(三)评估原则
 

　　(1)战略导向：紧扣国家“人工智能+制造”专项行动及江西省制造业高质量发展战略，突出智能化对产业升级的支撑作用。
 

　　(2)实操可行：评估体系兼顾科学性与落地性，数据易采集、操作易执行，支持企业自评估与第三方专家评估。
 

　　(3)动态迭代：适配人工智能、工业智能体等数智技术发展趋势，建立评估体系更新机制，保持评估的时效性。
 

　　(4)安全合规：严格遵守数据、网络、模型与工业信息安全法规，落实全流程合规管控，筑牢企业智能化应用安全防线。
 

　　二、评估体系
 

　　江西省制造业企业智能化应用水平评估体系(2026版)重点聚焦企业不同智能化场景，由研发设计、中试验证、生产制造、营销服务、运营管理等5个方向，30个二级场景组成(企业智能化应用水平评估表见附件1)。围绕江西省制造业重点产业链现代化建设“1269”行动计划中12条重点产业链，制定重点产业链评估场景(见附件3)，分行业开展企业智能化应用水平评估规划。

 

图1 江西省制造业企业智能化应用水平参考场景
 

　　(一)研发设计
 

　　研发设计方向主要评估企业数字化基础及应用智能化手段赋能产品研发全流程的能力，重点围绕研发项目管理、需求分析、产品设计、工艺设计及知识沉淀等核心环节，综合评估企业智能研发的技术基础与应用成效。评估要点涵盖数据治理、软件应用、算力底座、模型构建等关键技术领域。
 

　　1.研发需求智能分析
 

　　评估企业汇聚市场数据、客户反馈、竞品情报、技术趋势等多源信息，运用人工智能(Artificial Intelligence，后文简称“AI”)技术开展需求识别、趋势预测和技术路线规划的能力。
 

　　应重点评估：(1)企业是否已汇聚市场需求、客户反馈、竞品动态、技术趋势等多源数据，形成稳定的数据收集和更新机制。(2)企业是否能够运用AI模型开展需求识别、趋势判断和技术方向研判，为研发需求决策提供智能支撑。
 

　　2.研发项目智能管理
 

　　评估企业运用数字化、智能化手段对研发项目进行计划编制、任务分解、资源调度、进度管控和风险预警的能力。
 

　　应重点评估：(1)企业是否已归集研发项目计划、任务、资源、进度、风险等数据，形成完整的项目数据基础。(2)企业是否配备项目管理、协同设计等软件工具，支撑项目计划编制、任务协同和进度跟踪。(3)企业是否能够运用AI模型开展进度研判、资源协调和风险预警，提升项目管理智能化水平。
 

　　3.智能辅助产品设计
 

　　评估企业利用AI模型开展生成式设计、智能仿真、性能优化、公差分析等，提升设计效率和质量的能力。
 

　　应重点评估：(1)企业是否已积累设计规范、历史方案、仿真结果、性能参数等设计数据，为智能设计提供数据基础。(2)企业是否配备智能设计、仿真分析等软件工具，支撑生成式设计、性能分析和设计验证。(3)企业算力条件是否能够满足仿真计算、方案生成和设计迭代等计算密集型任务需求。
 

　　4.智能辅助工艺设计
 

　　评估企业利用AI模型辅助工艺路线规划、工艺参数优化、工装夹具设计，实现设计与制造协同的能力。
 

　　应重点评估：(1)企业是否已积累工艺路线、工艺参数、设备能力、工装夹具等工艺数据，为工艺设计提供数据支撑。(2)企业是否配备工艺设计、工艺仿真等软件工具，支撑工艺方案设计、参数分析和过程验证。(3)企业算力条件是否能够满足工艺仿真、参数优化和可制造性分析等计算需求。
 

　　5.知识沉淀智能管理
 

　　评估企业对研发过程中产生的设计标准、工艺诀窍、失效经验、典型案例等进行结构化沉淀、关联检索和复用的能力。
 

　　应重点评估：(1)企业是否已对设计标准、工艺经验、失效案例等研发知识进行分类整理和持续沉淀，形成系统的知识资源库。(2)企业是否能够运用AI模型开展知识检索、关联推荐和经验复用，提升知识利用效率。
 

　　(二)中试验证
 

　　中试验证方向主要评估企业运用智能化手段支撑产品从中试到量产转化的能力，重点围绕中试方案制定、工艺验证、样品试制及产品工艺验证等环节，评估企业中试过程的智能化管控水平。评估要点涵盖数据治理、软件应用、模型构建等领域。
 

　　6.中试方案制定
 

　　评估企业运用智能化手段制定中试验证计划、资源配置方案、风险评估预案和验证标准规范的能力。
 

　　应重点评估：(1)企业是否已归集中试计划、工艺条件、设备资源、验证标准等相关数据，为中试方案制定提供数据依据。(2)企业是否配备中试计划编制、风险评估等软件工具，支撑方案制定和资源协调。(3)企业是否能够运用AI模型开展资源测算、风险研判和方案比选，提升中试方案制定的科学性。
 

　　7.工艺验证智能优化
 

　　评估企业利用AI模型对工艺参数、设备状态、过程质量数据进行分析，优化工艺路线、参数窗口和制造稳定性的能力。
 

　　应重点评估：(1)企业是否已归集工艺参数、设备状态、过程质量、异常记录等工艺验证数据。(2)企业是否能够运用AI模型开展工艺路线优化、参数窗口调整和制造稳定性分析，为工艺改进提供依据。(3)企业是否能够运用AI模型辅助提升工业软件工作效率。
 

　　8.产品验证智能优化
 

　　评估企业利用AI模型对测试数据、试验结果、失效模式进行分析，识别设计缺陷并优化产品性能和质量的能力。
 

　　应重点评估：(1)企业是否已归集样品测试数据、试验结果、失效记录、缺陷信息等产品验证数据。(2)企业是否能够运用AI模型开展缺陷识别、失效分析和性能优化，为产品设计改进提供依据。
 

　　9.样品试制智能管理
 

　　评估企业对样品试制过程的计划执行、物料齐套、工艺执行、数据采集、问题追溯等进行智能化管理的能力。
 

　　应重点评估：(1)企业是否已采集样品试制计划、物料齐套、工艺执行、异常问题等过程数据，形成完整的试制数据记录。(2)企业是否配备试制管理、生产执行、质量追溯等软件工具，支撑试制过程管控和问题追溯。(3)企业是否能够运用AI模型开展异常识别、问题追因和执行偏差分析，提升试制管理水平。
 

　　(三)生产制造
 

　　生产制造方向主要评估企业在生产全流程的智能化应用水平，重点围绕生产计划、工艺控制、产线配置、质量管控、设备运维及安全生产等环节，评估智能化升级对生产效率、质量、成本及安全的提升效果。评估要点涵盖数据治理、软件应用、算力底座、模型构建、装备基础等领域。
 

　　10.AI视觉巡检
 

　　评估企业利用AI视觉模型与物联网实现厂区/产线自动巡检，替代人工巡检，提升巡检效率与隐患发现率的能力。
 

　　应重点评估：(1)企业是否建立巡检点位标准库与缺陷样本库，实现巡检数据结构化存储。(2)企业是否部署高清摄像头、巡检机器人等设备，覆盖关键巡检区域。(3)企业能否用AI模型自动识别设备异常、安全隐患并生成巡检报告。
 

　　11.智能排产
 

　　评估企业利用AI模型统筹订单、产能、物料等资源，自动生成最优生产计划，提升交付准时率的能力。
 

　　应重点评估：(1)企业是否打通订单、产能、物料、设备状态全维度数据。(2)企业是否部署高级排产系统(APS)，实现计划自动编制与滚动调整。(3)企业能否用AI模型优化排产方案，应对插单、急单等突发情况。
 

　　12.柔性生产制造
 

　　评估企业利用AI模型与自动化技术实现多品种小批量快速换产，提升产线柔性与响应速度的能力。
 

　　应重点评估：(1)企业是否积累产品规格、工艺要求、设备能力等基础数据。(2)企业是否配备柔性产线、模块化工装、快速换型设备。(3)企业能否用AI模型优化产线配置，缩短换产时间与调试周期。
 

　　13.智能零件分拣产线监测
 

　　评估企业利用AI视觉模型实现零件自动分拣与产线实时监测，提升分拣效率与准确率的能力。
 

　　应重点评估：(1)企业是否建立零件规格库与缺陷样本库，积累分拣历史数据。(2)企业是否部署高速视觉相机、分拣机器人、输送线等设备。(3)企业能否用AI模型快速识别零件类型、缺陷并完成自动分拣。
 

　　14.工艺工况参数优化
 

　　评估企业利用AI模型分析生产过程工艺数据，动态优化工艺参数窗口，提升生产稳定性、产品合格率并降低能耗的能力。
 

　　应重点评估：(1)企业是否采集温度、压力、流量、转速等全工艺参数及对应质量、能耗数据。(2)企业是否部署工艺监控系统，实现工艺参数实时采集与集中管控。(3)企业能否用AI模型开展工艺参数智能寻优、异常工况预判及自动闭环控制。
 

　　15.产品质量智能追溯
 

　　评估企业利用物联网、区块链技术实现产品全生命周期质量追溯，快速定位问题源头的能力。
 

　　应重点评估：(1)企业是否采集原材料、生产、检验、物流全链条批次数据。(2)企业是否部署质量追溯系统，实现扫码一键查询产品全流程信息。(3)企业能否基于追溯数据快速定位质量异常的原因与影响范围。
 

　　16.装备远程故障诊断
 

　　评估企业利用物联网、AI模型实现装备远程监测、故障诊断，减少非计划停机、降低运维成本的能力。
 

　　应重点评估：(1)企业是否采集装备运行、振动、温度及历史故障全生命周期数据。(2)企业是否搭建远程运维平台，实现装备状态可视化与远程操控。(3)企业能否用AI模型开展故障精准识别、根因分析及剩余寿命预测。
 

　　17.安全生产智能监控
 

　　评估企业利用AI视觉模型与多传感器融合，实时识别安全隐患并自动预警，防范安全事故的能力。
 

　　应重点评估：(1)企业是否归集视频监控、环境监测、报警记录等安全数据。(2)企业是否部署智能物联网相关的安全监测设备。(3)企业能否用AI模型识别违规作业、设备异常并触发分级预警。
 

　　18.能源智能优化调度
 

　　评估企业利用AI模型、大数据统筹能源供需，实现动态调度与能效优化，降低单位产品能耗的能力。
 

　　应重点评估：(1)企业是否归集电、水、气、热能耗及生产负荷全维度数据。(2)企业算力条件是否能够满足负荷预测、多目标优化调度的实时计算需求。(3)企业能否用AI模型开展负荷预测、峰谷用能及能源智能平衡调度。
 

　　19.环保排放智能管控
 

　　评估企业利用AI模型、物联网技术实现排放实时监测、智能管控与溯源，降低超标风险、提升环保合规性的能力。
 

　　应重点评估：(1)企业是否归集排放、工况、环保设施运行数据，建立完整环保台账。(2)企业是否部署在线监测系统，实现数据实时采集与超标自动预警。(3)企业能否用AI模型开展排放预测、异常溯源及环保设施智能调度。(4)企业是否归集碳排放源数据，建立碳排放核算台账，能否运用AI模型开展碳排放智能核算、产品碳足迹追踪及减排路径优化。
 

　　(四)营销服务
 

　　营销服务方向主要评估企业运用智能化手段开展市场推广、客户服务、需求洞察、定价管理、品牌运营及渠道协同的能力，重点评估智能化对市场响应速度、客户满意度及品牌价值的提升效果。评估要点涵盖数据治理、软件应用、模型构建等领域。
 

　　20.智能营销与品牌运营
 

　　评估企业利用AI模型开展营销内容生成、传播优化、产品规划、品牌管理及市场趋势研判的综合能力。
 

　　应重点评估：(1)企业是否已采集传播数据、用户偏好、内容反馈、产品信息、品牌口碑、市场反馈、竞品动态等全维度营销品牌数据，形成统一的数据基础。(2)企业是否已在营销内容制作中应用AI生成工具，支撑广告创意、文案生成和物料制作。(3)企业是否能够运用AI模型开展传播优化和效果分析，提升营销传播效率。(4)企业是否能够运用AI模型开展品牌口碑分析、产品趋势预测和迭代方向研判，赋能产品与品牌全生命周期管理。(5)企业是否已对接主流电商平台或抖音等直播电商平台数据，运用AI模型开展店铺智能运营、流量精准投放、用户转化优化及电商舆情实时监测。
 

　　21.智能客户服务
 

　　评估企业在售前咨询、售中支持、售后服务、客户维护、满意度管理和忠诚度培育等方面，运用智能化手段提升客户服务质量和客户关系运营水平的能力。
 

　　应重点评估：(1)企业是否已采集客户咨询记录、投诉反馈、服务轨迹等客户服务数据。(2)企业是否应用智能客服系统、客户反馈处理工具等软件，完成客户咨询应答和反馈分析。(3)企业是否能够运用AI模型实现服务需求精准匹配等智能服务。
 

　　22.市场洞察与智能决策
 

　　评估企业整合多源市场与经营数据，运用人工智能技术开展需求洞察、市场研判、价格测算与动态决策的综合能力。
 

　　应重点评估：(1)企业是否已汇聚客户、订单、咨询、售后、市场、竞品、产品成本、历史交易等全维度数据，完成营销与经营数据统一治理。(2)企业是否能够运用AI模型开展需求识别、市场趋势分析与机会挖掘，为产品迭代和市场布局提供依据。(3)企业是否部署定价管理、市场分析等软件工具，支撑价格测算、成本核算与策略制定。
 

　　23.渠道智能协同
 

　　评估企业在经销、直销、电商、服务商等渠道中实现客户线索管理、商机跟进、订单流转、渠道协同和销售支撑的能力。
 

　　应重点评估：(1)企业是否已实现销售线索、商机、订单、渠道等数据的采集与管理，打通各渠道数据。(2)企业是否配备渠道管理、销售支撑等软件工具，支撑商机跟进。(3)企业是否能够运用AI模型开展渠道流量分配、协同效果优化和销售预测。
 

　　(五)运营管理
 

　　运营管理方向主要评估企业智能化转型的顶层规划、供应链协同、经营决策、日常管理、组织管理及现场巡检、订单跟踪等综合运营能力，重点评估智能化对企业整体运营效率和决策科学性的支撑作用。评估要点涵盖数据治理、软件应用、算力底座、模型构建、组织人才、安全合规等领域。
 

　　24.智慧供应链协同
 

　　评估企业与上下游伙伴实现业务数据互通、需求预测联动及资源共享的跨主体协同能力。
 

　　应重点评估：(1)企业是否已与核心上下游伙伴建立数据共享接口，实现需求、产能、物流数据的互通。(2)企业是否配备供应链管理系统、数据互通工具等软件，支撑供应链各环节数据共享。(3)企业算力资源是否能够支撑多环节数据处理和协同优化模型运算。(4)企业是否能够运用AI模型实现供应链调度优化、需求预测联动和协同效率提升。(5)企业是否建立数据共享安全协议与访问控制机制。
 

　　25.订单跟踪管理
 

　　评估企业构建订单全流程可视体系，对订单从受理到交付各节点数据进行全程跟踪，以及异常状态实时反馈的能力。
 

　　应重点评估：(1)企业是否已完成订单信息、生产进度、物流状态、交付情况等数据的采集与管理，打通订单全链路数据。(2)企业算力资源是否能够支撑订单跟踪所需的实时数据处理和进度预测模型运算。(3)企业是否能够运用AI模型实现订单进度预测、交付风险判断等智能跟踪管理。
 

　　26.厂区智能巡检
 

　　评估企业建立了覆盖全域的感知网络与数据采集标准，具备支撑现场异常事件的标准化记录、追溯与闭环处理的能力。
 

　　应重点评估：(1)企业是否已规范巡检点位、统一巡检数据记录标准，形成完整的巡检数据体系。(2)企业是否配备巡检机器人、移动终端、图像识别设备等硬件，支撑智能巡检实施。(3)企业建立的巡检体系，是否具备异常情况的智能分析和处置能力。(4)企业算力资源是否能够支撑图像识别、实时数据处理和异常判断等巡检任务。
 

　　27.智能化人才适配
 

　　评估企业围绕智能化转型所构建的人才队伍支撑、专业能力储备与培训机制建设水平，包括专职团队配置、技术骨干能力、人机协同岗位适配及全员培训体系，能否为AI模型应用落地与持续运营提供稳定人才保障。
 

　　应重点评估：(1)企业内部是否具备专业的数字化/智能化运维能力(含企业内设专职团队或具备稳定合作的外部服务商)。(2)企业技术骨干中是否有人具备机器学习、数据挖掘或AI模型工程化相关的项目经验。(3)企业人力资源部门是否已着手研究并制定“人机协作”模式下岗位职责调整方案。(4)企业是否已建立针对业务人员的AI模型工具使用培训体系或定期技术分享机制。
 

　　28.网络与系统安全
 

　　评估企业在AI模型应用环境下的工业网络防护、系统访问安全及安全事件管控能力，保障工业信息系统与数据的安全稳定运行。
 

　　应重点评估：(1)企业是否建立工业互联网边界防护体系，落实访问控制、防火墙、入侵检测与防御等安全隔离措施。(2)企业是否实施统一身份认证、零信任访问控制及分级权限管理机制，保障系统与敏感数据的访问安全。(3)企业是否建立日志审计、漏洞管理及实时安全监测机制，实现安全事件可追溯、可预警、可处置。(4)企业是否具备国家网络安全等级保护测评证书，并符合国家网络安全等级保护及工业信息安全相关标准要求，定期开展安全评估与整改。
 

　　29.数据资源建设与治理
 

　　评估企业支撑AI模型应用的数据资源体系建设、标准化治理及场景化应用能力，为各类智能化场景落地提供核心数据基础。
 

　　应重点评估：(1)企业是否已形成覆盖生产、设备、质量、工艺、图像视频及日志等多源数据的统一采集体系，实现数据结构化存储与集中管理。(2)企业是否建立数据标准化治理体系，制定数据编码、标签、接口标准及数据质量管理规范，保障数据一致性与可用性。(3)企业是否围绕典型智能化应用场景构建高质量数据集、样本库及知识库，包括缺陷检测数据集、设备故障样本库、工艺参数样本集及行业知识图谱等，为各类AI模型训练、部署与迭代优化提供核心数据支撑。
 

　　30.算力部署与协同
 

　　评估企业支撑AI模型应用的算力资源配置、云边端协同及资源调度能力，保障不同类型智能化场景的计算需求与运行效率。
 

　　应重点评估：(1)企业是否已部署(或租赁)本地算力或接入公有云/行业云算力资源，包括 GPU 服务器、边缘计算节点及工业控制终端等，满足推理、训练等不同层级的计算需求。(2)企业是否具备云边端协同能力，建立云端模型训练迭代、边缘侧实时推理及终端设备响应的协同运行机制。(3)企业是否具备算力资源统一调度能力，支持多业务共享、弹性扩缩容、任务优先级调度，提升算力资源利用效率。(4)企业是否建立算力资源台账与运维管理机制，保障算力系统稳定可靠运行。
 

　　三、评估方法
 

　　本指南评估工作聚焦企业人工智能应用准备就绪度、场景智能化改造价值两个方面，通过评估企业各业务环节的智能应用基础条件，明确哪些场景可立即落地智能应用、哪些场景需先补齐数字化短板，为企业制定精准可行的智能化规划提供依据。
 

　　(一)AI应用就绪度评估
 

　　1.场景就绪度 

　　注：核心评估要求指第二章各场景“应重点评估”项下的全部具体条款。
 

　　2.企业AI应用就绪度
 

　　企业AI应用就绪度：取研发设计、中试验证、生产制造、营销服务、运营管理5个方向中，本次评估实际涉及的所有二级场景就绪度的算术平均值，计算结果四舍五入后保留整数。
 

　　(二)场景智能化改造评估
 

　　以企业实际经营效益提升为核心，从效率、成本、质量、管理、服务5个通用方向开展评估，各方向评估可参考角度：
 

　　效率提升：缩短业务周期、提升作业/响应/执行效率等。
 

　　成本降低：减少人力、物料、能耗、运维等各类运营成本等。
 

　　质量改善：降低缺陷率、差错率，提升产品/服务稳定性等。
 

　　管理优化：完善流程管控、数据贯通、决策支撑能力等。
 

　　服务升级：提升客户满意度、渠道协同效率、市场响应能力等。
 

　　四、评估结论
 

　　(一)AI应用就绪度
 

　　对于研发设计、中试验证、生产制造、营销服务、运营管理5个方向，根据就绪度百分比分级结果，分为高、中、低三个就绪度等级，明确企业数智化改造的准入条件与实施优先级，解决企业“能不能做数智化，先做什么数智化”的问题。
 

　　表1 AI应用就绪度评估区间

　　(二)AI应用场景划分
 

　　对于30个二级场景，根据就绪度百分比分级结果，结合场景智能化改造成效，将二级场景划分为高成熟度、前期验证、低成熟度三类，并结合改造预期价值识别高价值场景。
 

　　表2 AI应用场景划分

 

　　(三)评估结论落地要求
 

　　参评企业应依据本次评估形成的最终结论，编制《企业人工智能应用规划报告》(见附件2)，明确可落地的分阶段智能化改造升级路径与核心重点任务。
 

　　附件1：企业智能化应用水平评估表
 

　　附件2：企业人工智能应用规划报告
 

　　附件3：江西省制造业“1269”重点产业链评估场景(参考)
 

　　附件1-3下载