财务共享服务中心信息系统定位展示 复合型创新 创业人才培养  意识培养  素质提升  知识学习  技能实训  创业实践 创业项目孵化  创业项目入驻  创业项目投资  创业模式提升  创业导师辅导  创业服务支持  天使基金引导 （一）顶层设计体系化，实现“人才培养 + 创业孵化 + 专业服务”为一体的建设目标 基地以“复合型创新创业人才培养”和“创业项目孵化”为双主线 以“专业服务”和“基金支持”为持续支撑 以“专业服务”和“基金支持”为持续支撑 创业孵化与创新人才培养基地 协同创新 资源共享 盂县数智城优势资源 多方外部资源  创新创业教育  创业模式研究  创业项目孵化  创业投资基金  创业师资团队  创新人才培训  学校  研究机构  企业  行业协会  政府  天使投资联盟  投资基金 …… （二）整合多方资源、搭建完整服务链 创业孵化与创新人才培养基地 （三）创新管理运营机制、提供专业化运营服务 创业孵化与创新人才培养基地 （四）基金引导持续化，全程提供创业辅导和融资咨询 1 2 3 联合政府、学校、企业等 相关部门共同发起设立天 使投资创业基金 电子商务类、创意设计类、商业服务类、 互联网传统产业类、科技创新类 对入孵企业进行投资和商业模式、渠道 模式的搭接，全程提供资金、项目及创 业咨询辅导 根据企业特性，将孵化基地按功能划分为五 大创业孵化区： 运营指导与创新人才培养基地

改造”。加强与“数字育种”技术的交流对接，提升天然纤维原 料供给水平。增进与商业零售、旅游等服务行业的数据交换， 强化产销数据互动。支持企业开展数据资产价值评估，加强 数据资产管理，建立数字化转型培训和人才培养机制，为员 工提供学习机会和实践平台。 （四）夯实支撑基础行动 14.强化标准引领。建立纺织行业数字化转型标准体系， 加快制定数字化转型参考架构、成熟度、服务商能力分类分 级评价等系列标准。建立化纤、纺纱、织造、染整、非织造 型 服务。 （六）加强人才培养。行业主管部门进一步摸清纺织行 业数字化转型人才需求缺口和培训规模层次需要，会同有关 部门鼓励相关普通高校、职业学校与科研院所、行业企业联 合编写纺织行业数字化转型相关教材，开发推广优质课程， 开展数字化转型人才培训，推进数字化设计、数字化管理、 数字化营销等纺织行业复合型人才培养。依托现代产业学院 等，加强复合应用型人才培养。支持建设国家卓越工程师实

经济性方 面，如投资回报率、劳动生产率、生产效率、成本降低等； 复制推广方面，如推动解决方案复制推广情况；标准研制方 面， 如牵头或参与智能制造相关标准研制、依托标准开展工 厂建设；人才培养方面，如培养智能工厂建设和运营人才。) 七、后续实施计划 (一)预期目标 (二)下一步建设主要内容和实施计划 (三)成长性分析 (四)推广应用计划 6 附件 1 每个场景实例描述 (重点围绕项目建设已形成的特色亮点，安全可控情 况，以及在技术产业创新、经济效益、复制推广、标准研 制、 人才培养等方面已取得的成效进行阐述，不超过 3000 字。) 五、领航级智能工厂培育方案 (一)培育目标 (培育目标应为两年内工厂建设预期达到的目标，可围 绕智能化水平、模式创新、经济性、复制推广、标准研制、 人才培养等方面展开，不超过 2000 字。) (二)实施举措 (结合企业具体业务，围绕模式探索、技术突破、工艺

业。鼓励相关主管部门对转型实施、技术推广、标准创新等 取得突出成效的机构、企业和个人予以表扬或表彰。 17.搭建公共服务平台。鼓励地方、协会搭建数字化转型 公共服务平台，提供诊断评估、场景培育、方案孵化、技术 推广、人才培养等服务，为企业提供个性化、高质量、低成 本、一站式解决方案。支持龙头骨干企业发挥引领作用，建 设行业性工业互联网平台、数字化转型公共服务平台、网络 安全公共服务平台，推动由生产制造向服务型制造转变，实 推介。支持建立数字化转型国际合作平台，推动企业、产品、 技术交流协作。 9 （五）培育高水平人才队伍。支持企业联合培训机构、 行业组织推进产教融合衔接和定向合作培养，依托现代产业 学院等加强复合型应用型人才培养，通过学徒制、技能实训、 竞赛等加快培养一批实用型人才，支持建立行业性数字化转 型人才大数据监测平台。加强专业技术人才、技能人才能力 水平评价，开展数字技术工程师培育项目，支持建设国家卓

领域高价值数据 集的形成，尤其是 Corner Case 和自动驾驶事故数据的汇集，制约数据生态构建。 （5）我国 AI 专业技术人才缺乏，校企合作存在工程化鸿沟 近年来我国加速 AI 人才培养并取得显著进展，2024 年我国 AI 产业人才约 75 万人。然而，我国 AI 人才供需仍存在较大差距。 从人才数量上看，麦肯锡报告显示，预计 2030 年中国对熟练 AI 专业人员的 需求将达到 明显不足。此外，高端 AI 技术人才（如深度学习架构设计师、高性能算力优化 工程师等）缺口尤为严重，导致企业在技术研发中面临较大的人才瓶颈。 在人才培养方面，校企合作中的工程化鸿沟依然突出，制约了 AI 专业技术 人才的培养质量和行业适配度。人才培养与产业需求不匹配，导致校企之间的合 作往往停留在表面层次，缺乏针对产业需求的联合培养计划。 2.3 国内智能驾驶基础资源情况调研 为进一 数据确权定价追踪等技术不成熟、分布式算力服务延迟问题导致的风险；  高质量标注数据和仿真环境不足，影响平台对复杂交通场景的适配能力。 （3）人才风险  兼具 AI 和汽车技术的复合型人才不足，专业技术人才培养周期长；  智能驾驶领域国际顶尖技术人才引进难度大；  现有人才流失风险；  学术研究与产业需求脱节风险。 （4）政策风险  数据合规、数据流通限制；  高级别自

体系不完善，组织设计与业务发展阶段脱节，区域公 司设立及管理经验不足，前中后台职责界面划分不 清，管控模式和授权体系尚未有效落地；四是落地支 撑能力薄弱、体系基础薄弱，国内外KPI考核未有效 联动，国际人才体系不健全，属地人才培养与留用机 制缺失，海外业务流程简单复制国内模式，数字化系 统海外适配性差，数据共享和业务支撑能力不足等。 基于中国企业国际化现状，罗兰贝格设计了STAR海 外组织与治理模型。该模型主要包括战略决策层、协 4落地支撑层（R – Reliable Support）：传统人才 管理体系配套文化融合和人才培养机制，强化海外人 才队伍 人才是零部件企业海外战略落地的基础，但其管理具 备多背景、多文化、多体系的复杂性。罗兰贝格提出 了涵盖五个关键维度的人才落地支撑思考框架，以帮 助企业制定全面多融合的人才培养机制。 一是海外人才数量规划。海外区域人才数量应兼顾“ 自上而下”的销量目标实现和 “自下而上”的核心职能

制造业数字化转型经验交流、智能制造创新大赛、先进计算 典型应用案例征集、先进计算技术创新大赛、供需对接活动， 促进数字化转型新模式、新产品、新技术的应用推广。 （五）加强行业数字化人才培养。深化产教融合的电子 信息制造业数字化转型人才培养模式，完善产教供需对接机 制，支持电子信息制造企业与高校、科研院所合作建立数字 技术实训基地，培养行业所需数字化转型复合型人才。依托 国家相关人才工程和项目，培养电子信息制造业科技领军人

企业因资金不足而推迟或放弃。此外，中小企业还普遍存在 专业人才匮乏问题，既懂制造又熟悉智能技术的复合型人才 多流向大型企业。 因此，企业应立足自身发展阶段，摒弃“一步到位”的 冒进思维，科学制定分阶段的技术投入与人才培养计划，优 先在关键环节实施改造，并积极对接政府诊断服务与扶持政 策,稳步推进符合自身实际的智能化转型。 （四）打造行业垂直领域语料库，提升 AI 应用效能 当前，人工智能成为推动产业变革的核心力量，正在加 协同机制，推动数据资源共享，激发跨学科融合与创新，全 面提升研发效率，缩短成果转化周期。 政府层面，通过税收优惠、提供研发补贴等方式，切实 减轻企业研发创新成本，增强企业研发投入的积极性。 尤其要注重数据人才培养，通过教育与培训持续提升劳 动者的数据素养，加快培育既具备数据资产管理能力，又精 通制造业流程的复合型人才。 综上所述，苏州制造业企业应充分利用数据资产驱动数 字化转型，通过强化数据治理、提升数据质量和标准化水平

能工厂、智 慧供应链建设的实施路径研究，编制轻工业数字化转型案例集， 宣传推广一批优秀成果。鼓励有条件的地方组织开展面向轻工 企业的数字化转型诊断服务，支持“智改数转网联”项目实施。 （四）加强人才培养 鼓励行业协会、普通高校、职业学校、骨干企业建立联合 培养模式，加快建立多层次的轻工数字化专业教育体系。支持 建设国家卓越工程师实践基地（数字技术领域）和现代产业学 院，培养轻工业数字化领域卓越工程师。深入实施专业技术人

10 大重点领 域 7 高档数控机 床和机器人 新材料 5 4 2 国家制造业创新 中心建设 5 项 重点工程 高端装备创新 绿色制造 智能制造 工业强基 健全多层次人才培养体系 完善金融扶持政策 加大财税政策支持力度 完善中小微企业政策 健全组织实施机制 进一步扩大制造业对外开放 提高国家制造业创新能力 营造公平竞争市场环境 国家效益：未来 20 年 3