□记者 胡贝
“过去做数字化，像让每家每户自己打井，成本高，不少中小企业望而却步。数融智升要做的，是建一座‘自来水厂’，企业需要什么，接上‘水龙头’就行。”7月20日上午，在盐城数融智升科技有限公司办公室，董事长邹小勇用这样一句大白话，点明了他们正在做的事。
邹小勇是安徽芜湖人，东南大学机械自动化硕士毕业，做过变压器设计，又自学编程，一路从技术转管理、转供应链。2017年，他与几位留美同学在南京创办凯奥思数据，专门给宝武钢铁、中国石化、中国中车等大企业做工业智能服务。
但真正让他“往下沉”的，是另一个问题：中小企业怎么办？
中小企业转不动的痛点
“在南京，我们服务的是大企业。”邹小勇说，“它们能组建上千人的算法团队，自建数据中心、自研模型，做成‘灯塔工厂’。可这套搬到中小企业，行不通。”
大企业资本厚，能自己“打井”；中小企业“用不起，也用不好”。
深耕数字化多年的邹小勇认准一件事：人工智能绕不开算法、算力、数据，前两块是新基建，后一块才是未来最大的蛋糕。而中国制造业的海量数据，正散落在成千上万家中小企业的车间里。
2022年2月，他做了一个外人眼里有些冒险的决定：到盐城重新创业，成为响水唯一的省级区域工业互联网平台运营方。
为什么选响水？“因为有最真实的需求和政策支持。大企业有‘余粮’自己搞，但很多中小企业连数字化的底子都没有，更别说AI。如果没人帮他们，差距只会越拉越大。”
面对“人工智能+”热潮，邹小勇观点鲜明：“中小企业肯定走轻量化改造，大模型目前并不合适。”
理由很直接，工业场景极度个性化。“纺织、不锈钢、电子这些县域细分行业，两家纺织企业的工艺都未必一样，不可能用一个通用模型解决所有问题。”更棘手的是数据质量，“大量中小企业的数据还是纸质的、随意的，‘清洗’起来工作量太大。没有高质量数据，模型必然产生幻觉。”
不把一家企业“挡在门外”
到了响水，邹小勇面对的是一群对“数字化”“人工智能”既陌生又警惕的中小企业。怎么做？数融智升的第一步，是把数据采集上来，不碰经营敏感信息，只采集设备工况、能耗和安全类数据。
基于这些数据，他们搭建了能耗运维、设备预警、企业问数三个“小智能体”。“先从一个个小的智能体出发，解决生产线上具体场景的问题，积累高质量数据，沉淀行业数据库，再逐步迭代出特定行业的垂类模型。”邹小勇说，“我们的原则是，不让任何一家企业因为‘用不起’而被挡在数字化门外。企业低成本把数据跑起来，围绕通用场景快速落地，再分层推进深度应用，持续自我更新。”
金盟纺织是深度合作用户，数字化改造后效率提升100%，不良率降到2.25%。荣生电子给循环泵装上传感器，接入系统后可提前预警轴承异常，避免停线。总工陈建军说，“以前靠老师傅听，现在手机上就能看数据。”
四年下来，数融智升的成绩单亮眼：助力400多家企业完成“智改数转”诊断，170多家企业完成场景化改造，13家企业获评省级智能工厂、智能车间；本地137家规上企业接入平台，覆盖率95%。
“响水模式”从底层场景出发，形成了一条可复制到县域及园区的数字化转型路径。“我们希望把‘响水模式’推广出去，让更多中小企业用得上、也用得起数字化技术。”邹小勇说。
县域AI的远虑与近忧
“人工智能现在还处于非常早期的阶段，可能连5%都没走到。”邹小勇说，“算力、算法、数据三块，未来数据最大。但前提是，得先有干净的数据。”
他将其类比为修基建：“我不建议一上来就搞大而全。就像修路，不知道车流量时，先修条能跑的窄道让几家企业先跑起来，比修条八车道却没人用强。老基建路修完再扩建很难，数字基建不一样，全在虚拟空间里，模式跑通了不停扩建就行，错了推倒重来成本也可控。”
“如果响水能有10家像我这样的公司，分别服务各行各业的应用场景，整个县域的智能化水平就能上一个台阶。”邹小勇的另一重身份是盐城市“智改数转网联”专家库首批专家、江苏省“333”高层次人才、盐城市“黄海明珠”领军人才。他正代表公司与响水县数据局对接，探讨建立县域可信数据空间的底座，将政务、交通、教育、医疗等相关数据集中到数据中心平台，“就能释放出大量基于AI工具应用的场景”。
在他看来，县域AI落地的核心痛点不是技术，而是缺服务商、缺落地人才。“各地现在抢高层次人才，关注度太高了。但真正落地缺的不是高端人才，是腰部和底层人才——得有人懂生产现场、懂工艺、懂行业，再有人在中层做服务商落地。”
但现实是，懂AI的都往一线城市涌，三四线根本招不到人。“我花了8个月才听懂响水话。要是能招到一个响水本地学计算机的，语言通、又愿意扎根，效率会高得多。”
他说，在县域各生产环节，大家要在风险可控的前提下一点点攒自己的数据，沉淀小场景，逐步迭代。“五到十年回头看，走得越早的企业，越能吃得到这波红利。”
■“大家谈”
盐城数融智升科技有限公司董事长邹小勇：
人工智能赋能县域制造业，不能一上来就谈大模型。真正的路径是“轻量改造—小智能体—积累数据—迭代垂类模型”。算力、算法、数据三者缺一不可，而数据是血液——没有高质量的真实数据，再强的模型也只是空中楼阁。
当下县域最缺的不是高端技术人才，而是愿意扎根一线的应用型人才和懂行业的服务商。政府应当像修高速公路一样，加大对数据基础设施的投入，通过政策和示范场景引导企业先用起来。
人工智能现在还处于不到5%的发展阶段，在风险可控的前提下走得越早，就越能享受技术和政策的红利。