過去幾年，AI 的進化不斷加速。

不再只是一個 “會回答問題的工具”，開始進入研發、生產、質檢、排產、政務服務、產業協同等真實場景。

當 AI 開始重組生產力，城市間的競爭也在變化。

過去的衡量標準是數字化能力，系統建了多少、數據匯了多少、平台搭了多少；到了 AI 時代，衡量標準可以歸納為三個問題：AI 有沒有進入核心生產場景？有沒有變成企業和政府都能調用的公共能力？有沒有形成可複製、可運營、可持續的產業生態？

以製造業聞名的寧波，可以説是最佳的觀察對象之一。

相比內容、客服、營銷等場景輕、數據多、鏈路短的行業，留給製造業城市的命題是：工廠要降本增效、產業鏈要高效協同、中小企業要低門檻獲得 AI 能力、政府也要提升服務和治理效率……考驗的不是 “上了多少 AI 應用”，在於能否將 AI 嵌入城市和產業運行的關鍵環節。

6 月 26 日舉辦的華為中國行·2026 寧波新質生產力創新活動，讓外界看到了一座製造業城市的 AI 躍遷。

01 AI×基礎設施，從 “數據中心” 到 “Token 工廠”

理解 AI 時代的城市競爭力，首先要讀懂一個新概念——Token 工廠。

在大模型語境裏，Token 可以簡單理解為 AI 處理和生成信息的基本單位。一次提問、一次回答、一次報告生成、一次數據分析，都需要消耗 Token，不只是一個計量單位，而是智能化時代的 “新型電力”。

可以找到的一組數據是：目前中國日均 Token 消耗量已達 180 萬億，層出不窮的行業應用智能體，推動 Token 消耗指數級增長，預計到 2030 年我國 AI Token 經濟規模將達到 10 萬億元。

所謂的 Token 工廠，就是把算力、數據、模型、存儲和網絡組織起來，在高效率、低時延、安全可控的前提下，將算力轉化為標準化 Token 的工業能力載體，以滿足千行百業數智化轉型的剛需。

就像過去工業城市不能只有煤和電廠，還要有穩定的電網、調度系統和用電場景，AI 時代不能只有計算集羣和數據存儲，還要把算力變成企業、政府、科研機構都能使用的 Token。

民營經濟佔 GDP 比重近 7 成的寧波，深諳其中的道理。

倘若每家企業都自建算力、自建模型、自建 AI 團隊，不僅成本大、週期長、門檻高，也很難展開規模化應用。更現實的路徑，是通過城市級公共算力底座，把 AI 能力做成像水、電、網絡一樣可以被調用的基礎能力，實現穩定、低成本、高效率的 Token 供給。

問題在於，怎麼將 “數據中心” 升級為 “Token 工廠”？華為給出的解法是算力、存力、運力三位一體。

在算力層面，具備超強算力密度和高速互聯能力的昇騰超節點集羣，通過軟硬協同優化適配主流大模型生態。

在存力層面，智能存儲系統實現了毫秒級響應，支撐大模型訓練與推理的海量數據吞吐需求，確保數據存取高效可靠。

在運力層面，時延低至 10 毫秒、可用性達 99.95% 的低時延網絡，保障 Token 生產與傳輸的高效率、高可靠。

直接的例子就是寧波人工智能超算中心。

作為長三角區域領先的城市級公共算力樞紐，經過 3 年多的持續運營，寧波人工智能智算中心是已累計服務超 110 家企事業單位，覆蓋智能製造、醫療健康、政務服務、科研創新等多個領域。

智算中心已經走過 “建起來” 的階段，正加速向 “用起來、轉起來、融進去” 的公共能力進階。

正如信息系統工程專家、北京工業大學教授沈昌祥的觀點：“算力、算法、數據三要素都必須可信，才能支撐智能體和 Token 經濟健康發展。” AI 時代的城市基礎設施，不僅要 “跑得快”，還要 “信得過”。

02 AI×智能製造，從 “機器替人” 到 “自主決策”

Token 工廠解決的是 AI 從哪裏來，智能製造回答的是 AI 往哪裏去。

寧波屬於典型的製造業城市，工業產值佔 GDP 比重長期保持在 42% 左右，產業門類完整，中小企業密集，既有龍頭企業帶動，也有大量細分領域的單項冠軍，可以説是智能製造的天然試煉場。

寧波是怎麼定義新一代智能製造呢？用一句話概括——AI 大模型正從傳統的 “數據搬運工” 轉變為生產線上的 “智能決策者”，深度嵌入 MES，重構研發、排產、運維全流程。

背後是寧波長達十年的迭代探索。

2016 年提出了 “五基 + 智能製造”，2019 年開啓 “5G+ 工業互聯網” 探索，2021 年進一步錨定 “產業大腦 + 未來工廠”，2022 年加速中小企業數字化改造，形成了 “1+1+N+X” 的生態型數智化寧波範式。

不同於 “直接上大模型” 的粗獷模式，寧波的選擇是層層遞進的範式佈局，一步步夯實了 “AI+ 製造” 的前置條件，即讓數據跑起來、設備連起來、平台建起來，讓中小企業願意轉、敢轉、會轉。

不同於一味追求 “大而全” 的做法，寧波的態度是求小、求實、求效，形成了 “數模體景” 一體化方法論：場景是切入點和落腳點，數據是基礎要素，並通過智能體將模型、數據和場景串聯。

時間來到 2026 年，“加快發展新一代智能製造” 被列為 “十五五” 期間六項牽引性、撬動性強的重點工作之一。

“工業立市” 的寧波衝在了新一代智能製造的最前沿，在國內首發了《“人工智能 + 製造” 典型場景參考指引》，凝練十大行業 63 個標杆場景，覆蓋研發設計、生產製造、供應鏈管理、運營管理、產品服務、產業治理七大環節，為中國製造業智能轉型探索可複製、可推廣的 “寧波樣本”。

深度紮根寧波、深耕本土產業的華為，扮演了不可或缺的角色：依託研、產、供、銷、服全域數智化能力，三層五階八步的落地方法論，系統參與了海天、德尚、方太、公牛等寧波本土企業的數智化轉型。

比如華為使能海天打造的工藝智能體。

在數控機牀行業，最稀缺的不是設備本身，而是工藝經驗：刀具怎麼選、參數怎麼調、加工路徑怎麼規劃。海天與華為將老師傅的經驗沉澱為可調用的模型和知識庫，讓 AI 理解加工意圖，規劃工藝過程，生成加工參數，並驅動 CAM 軟件輸出代碼。

故事並未止步於此。

當 Token 工廠消除了算力成本高、模型調用難、數據流轉慢、場景落地碎片化等痛點，當寧波的務實精神和華為的創新能力融合，越來越多行業走向了數據驅動、模型輔助、智能協同的新模式。

03 AI×城市生態，讓智能化深入產業腹地

製造只是 AI 躍遷的一個註腳，寧波在智能時代的探索，正從標杆產線輻射到整座城市。

如果説 Token 工廠解決的是 AI 的供給問題，智能製造驗證的是 AI 的落地價值，接下來必須回答的問題是：AI 怎麼從幾個標杆項目、幾家龍頭企業，繼續擴散到更廣泛的產業腹地？

新質生產力的題中之意，不是某個企業變強，某個系統變聰明，而是城市產業生態的協同進化。華為中國行 2026 暨寧波新質生產力創新活動上，揭示了這樣一幅圖景。

在個人生產力場景，AI 正進入每一個人的工作流。

鴻蒙電腦代表的新一代生產力終端，為每個人提供了一個穩定、可信、具備 AI 能力的終端入口：公務員處理公文和工單、工程師進行研發設計、企業員工做經營分析、產業服務人員完成企業畫像……只有打通 Token 和個人工作流的最後一公里，AI 才能從 “平台能力” 變成 “崗位能力”。

在中小企業場景，AI 正成為千行百業的普惠能力。

有了城市級的公共平台，中小企業不必從零建設 AI 底座，可按需調用算力、模型、工具和行業知識；政府提供的不只有產業政策，通過公共平台不斷降低企業智能化轉型的邊際成本。只有中小企業也能用上 AI，城市級的新質生產力才能走出 “樣本工程”，成為千行百業的普惠能力。

在政務服務場景，AI 正將複雜流程走向智能調度。

“一網通辦” 的核心是把事項搬到線上，而在 AI CITY 框架下，政務服務不再是 “人找系統、系統找表單”，逐步走向 “人提需求、智能體調度、系統閉環辦理”。市民、企業和城市管理者面對的，不再是一個個割裂的平台，而是能夠理解需求、分解任務、調用工具、推動流程的智能體體系。

在人才培養場景，AI 正重構產業人才的供給模式。

對寧波這樣的製造業城市來説，需要的是懂產業、懂數據、懂智能體的複合型人才。華為聯合寧波市各院校一同成立了華為 ICT 學院，引入華為職業認證標準、ICT 實訓資源、產業人才培養體系和項目落地經驗，校企協同定向培養貼合產業需求、實操能力突出的高素質技術技能人才。

從中小企業到政務服務，從個人終端到人才培養，指向的是同一個趨勢：AI 正在從試點應用走向全域智能化。

試點階段的 AI，解決的是單一場景的效率提升；當 AI 和新質生產力畫上等號，蜕變為了產業生態的連接器和放大器：連接公共算力和企業需求、連接政府服務和產業發展、連接平台能力和個人工作流、連接傳統制造和新興產業......AI 正在從一個技術變量，演變為城市創新的動力引擎。

04 寫在最後

回到最初的問題：什麼才是一座城市真正的 AI 競爭力？

在寧波與華為的這份示範答卷中，可以看到一條清晰路徑，不再是做加法，而是做乘法：新質生產力不是單點技術突破，而是城市生產力系統的重構，AI 必須從工具變成底座，從應用變成生態，從單點提效變成系統重構，進而驅動一座城市的智能化躍遷。