江西省工业强省建设工作领导小组办公室 11 月 3 日印发《江西省人工智能与制造业融合行动方案（2026—2030 年）》，配套的支持措施里出现了几个新词：算力券（数据券）、模型券（产品券）、每年遴选一批省级工业领域高质量数据集、建设人工智能开源社区和开源生态中心，以及技术攻关、场景应用、重点培育企业、支持政策工具“四个清单”的动态发布机制。这套工具箱的指向很清楚：过去地方支持制造业数字化，多是补设备、补软件；现在补的是算力、数据与模型——也就是 AI 落地最贵、最难自己解决的三样东西。政策语言的变化，往往比文件标题更能说明阶段：制造业 AI 已经从“要不要做”，走到了“怎么做才不浪费钱”。中小企业的三难：算力贵、数据散、模型不会用第一难是算力贵。训练一个像样的垂类模型，前期投入对一家中型工厂来说并不轻松，租算力又怕算不清账，于是干脆不做。第二难是数据散。设备数据在 PLC 里、质量数据在纸质记录里、工艺参数在老师傅的本子上，格式不统一、口径不一致，攒了多年却形不成数据集。第三难是模型不会用。买来一个通用大模型，问答挺流畅，一进车间就答非所问，因为模型不知道这家企业的牌号、工序与设备特性。三难叠加的结果是：政策给了钱，企业不知道怎么花；服务商有方案，企业不敢第一个试。这正是“券”这类工具要解决的问题——把试错成本降下来，让第一次尝试发生。以冲压或注塑车间为例，同一副模具在不同机台上的工艺窗口并不一致，老师傅凭手感能调出来，却很难写成参数表；这类经验如果在采集时没有同步记录，后续再想补齐几乎不可能。这也是数据集建设必须先于模型采购的原因——模型可以买，数据只能自己攒。政策工具箱的底层逻辑：补需求、定方向、做底座第一层是补需求。算力券、数据券、模型券、产品券本质上是把补贴从“供给端”挪到“需求端”，企业按需调用算力、购买数据产品与模型服务，用多少补多少，避免建了一堆用不上的系统。第二层是定方向。“四个清单”把技术攻关、场景应用、重点培育企业、支持政策工具分开列，等于给市场一张路线图：哪些场景是政府要推的、哪些企业是被重点培育的，服务商据此配置资源，减少盲目投入；清单不是荣誉榜，而是资源配置的坐标，能对上清单的能力才更容易被采购。第三层是做底座。工业高质量数据集的遴选与开源生态中心的建设，解决的是“公共品”问题——单家企业建不起、也不愿意共享的数据与工具，由省级平台牵头做，再把接口开放给中小企业。三层合起来，政策才从“发钱”变成“搭生态”。打开APP，查看更多精彩图片政策落地，最终要看场景能不能跑起来把政策放进一家中型工厂，最先要解决的是从哪个工位开始。3C 柔性生产是一个可参照的样本：某世界 500 强企业需要在高频换产中保持良率，靠的是自主可控的工业仿真训练体系——新品先在虚拟环境里验证工装、节拍与检测策略，再下发产线，AI 视觉承担全链路质检，换型时间与试错成本同步下降。这类能力的可复制性，取决于有没有统一的数据底座与模型资产。凡拓数创在江西及周边区域的实践，是把数字孪生、仿真训练与工业智能体打包成可按场景调用的模块：白云山制药的车间智能管理解决的是多品种共线的排产与质量追溯；和光同程的智能制造项目把生产效率与运营成本一并优化；某药企的数字孪生工厂在规划阶段就完成布局验证。对中小企业而言，这类模块化交付比“整体解决方案”更容易起步——先上一个工位、一条线，跑通了再扩。模型券补的是钱，数据集补的是底子，场景清单补的是方向。三者能不能形成循环，决定了地方政策最终能落下多少真实产能。随着各省行动方案陆续落地，工业高质量数据集与垂类模型会成为区域竞争的新筹码。凡拓数创等厂商在数据、仿真与智能体上的积累，正为这类区域级落地提供可复用的能力。