消防安全是应急管理工作的重要组成部分。在江苏苏州，一份由“驯火”系统生成的火灾高危单位预测清单，曾让当地消防监督员颇感意外——一家理论上风险较低的“丁、戊类厂房”居然排在了清单前列，监督员实地检查发现AI并没有看走眼，这家灯具企业的确存在彩钢板违章搭建、占用防火间距等多项消防隐患。

静态分类中的低风险单位，被人工智能系统准确识别为高风险对象，这是AI给消防隐患排查带来的显著改变。

眼下，江苏正推动AI向安全生产、防灾减灾救灾、应急救援等领域深度延伸，让风险发现得更快、识别得更准、处置得更专业。在江苏省应急管理厅科技和信息化处副处长牛大伟看来，AI进入应急管理领域，着力点在于解决传统监管中“看不见、判不准、反应慢”的现实难题。

风险“看得见”

过去，基层安全监管依赖“铁脚板”，巡查员深入现场逐处检查，逐项核实。但面对面广量大的企业、复杂多变的业态和不断演化的风险，仅靠人工巡查难免顾此失彼。

露天矿山便是一个典型场景。“如今，监管人员只需在矿山安全监管系统中输入坡度阈值，系统便能自动识别存在超限风险的边坡。”牛大伟告诉记者，这套AI系统整合了卫星、无人机、地面传感器等多种感知手段，结合边坡位移监测、视频智能识别和三维建模，帮助监管人员掌握矿区整体状况。“全省现已完成6座露天矿山智能化改造，计划到2026年底实现全省38座露天矿山全覆盖。”

从矿山边坡到工业企业、城市楼宇，风险识别面临的挑战各不相同，却指向同一个难点：当风险隐匿于复杂环境，如何精准地找出它？

以苏州为例，当地有16万家工业企业，社会面小场所散布在城市各处。“住建部门掌握建筑信息，消防部门记录火灾隐患，应急管理部门关注生产安全，市场监管部门登记经营主体。同一处场所，在不同系统里可能有不同的地址、名称和管理记录。”苏州城市安全发展科技研究院有限公司智慧应急事业部总监刘兆前发现，一些监管盲区并非没有数据，而是数据彼此割裂。

2025年，苏州提出“以房管安”的治理理念，将房屋作为最小的治理单元。刘兆前团队为此研发了智能体“苏小安”，尝试编织一张精细的风险感知网。他们依托苏州标准地址库，开发智能地址匹配引擎，将地址拆解为道路、门牌、楼栋、房间等要素，逐级比对并进行空间校验。对于无法自动确认的模糊地址，系统标记后交由网格员核实，核实结果再反馈到系统。目前，已有93.1万处场所与建筑完成关联绑定。

地址对齐，原本散落在不同系统中的信息便有了共同的落点。监管人员输入企业名称，就能查看相应房屋内的经营主体信息、消防巡查记录、电力监测数据和隐患记录。以往需要跨多个系统查询的信息，如今在同一界面就能集中呈现。

更重要的变化发生在风险识别层面。“苏小安”将安全风险拆解为可识别、可计算的指标。系统既覆盖行业、作业、设备等56项固有风险因子，也纳入人员持证、隐患整改、物联感知等83项动态风险因子，并通过业态互斥风险矩阵，识别不同经营活动叠加后可能产生的耦合风险。

数据显示，截至目前，苏州已汇聚178万栋房屋基础信息、114万处业态信息和120万条隐患数据，完成6.5万处重点场所的耦合风险动态评估，识别出587处风险互斥场所，判定1569家高风险经营主体，推动整改隐患2.2万条。

南通AI眼镜赋能远程执法应用场景。江苏省应急管理厅供图

隐患“抓得准”

不久前，在南通市应急管理部门的一次远程执法检查中，前方企业人员佩戴AI眼镜对准一台除尘器，后方智能远程执法应用系统屏幕即显示设备上有两根进风管，随即提示需进一步检查不同防火分区是否共用同一套除尘系统。随着现场信息逐步补齐，一项重大事故隐患被确认：两个不同防火分区的车间共用一套除尘系统。系统发出隐患告警，后续执法随即跟进。

“这样既能减少检查次数，又能提升执法效能，把规范化执法落得更实。”牛大伟告诉记者，AI远程执法将办案时长较过去缩短5天以上，效率提升30%；针对粉尘涉爆、化工等行业重大事故隐患智能识别准确率达90%以上。

目前，依托全省“一张网”巡查巡护体系，江苏应急管理部门将AI眼镜、高空瞭望、智能巡查记录仪等设备接入监管流程，探索非现场执法，逐步给安全治理装上“千里眼”。

“风险不是静态的。”牛大伟介绍，过去监管更多关注已经出现的问题，AI则推动监管关口前移，从事后处置转向事前预防。