问题：如何让新质生产力在制造业中真正落地、形成可复制可推广的现实生产力，成为代表委员关注的焦点。
全国人大代表徐冠巨在调研与企业实践基础上指出，一些地方和企业在推进新质生产力过程中，容易出现“重概念、轻场景”的倾向：消费端应用快速普及，但产业端智能化推进相对缓慢，部分制造企业对如何把新技术嵌入研发设计、工艺优化、质量管控、供应链协同等关键环节缺乏系统路径，导致投入与产出不匹配、试点难以规模化。
原因：徐冠巨认为，产业智能化推进受阻，突出矛盾在于顶层架构的结构性不足。
现实中，掌握产业场景的实体企业往往缺少对相关技术体系的整体规划能力，难以完成从数据治理、算力部署到模型应用、流程再造的全链条设计；而掌握前沿技术的科技企业又可能对制造业复杂流程、质量安全要求、成本约束和工况边界理解不够，技术方案难以贴合真实生产。
此外，行业层面仍存在三类共性短板：一是缺少具有示范意义的标杆项目与评价体系，企业多以单点应用探索为主；二是数据口径、接口协议、硬件适配等标准不一致，跨企业、跨工序的数据流通与协同成本较高；三是既懂工艺流程、又懂算法与系统工程的复合型人才供给不足，制约企业从“用工具”走向“建体系”。
影响：上述问题若不能有效破解，将带来多重连锁效应。
对企业而言，智能化难以从局部提效扩展到全流程重塑，可能出现重复建设、系统割裂、数据沉淀难以复用等现象，进而抬高转型成本、延缓竞争力形成。
对产业链而言，标准不统一会削弱上下游协同效率，影响供应链韧性和质量追溯能力。
更重要的是，如果制造业无法形成稳定、可持续的产业智能化能力，新质生产力就难以在实体经济中形成厚实支撑，科技创新成果也可能停留在展示层面，难以转化为推动高质量发展的关键增量。
对策：围绕“人工智能+制造”如何走深走实，徐冠巨提出从“行业化、体系化、联合化、人才化”四个方向发力。
首先，在推进“人工智能+”行动中，应选择基础较好、需求迫切的重点行业先行先试，系统研究并明确行业级业务架构与技术架构，形成可对标、可评估的建设路线。
其次，由政府牵头搭平台、聚资源，推动人工智能企业、产业龙头与科研机构联合攻关，围绕行业共性需求建设可共享的能力底座，促进数据治理、标准体系、接口规范与安全规则的协同统一，降低企业应用门槛与试错成本。
第三，发挥龙头企业的组织与集成作用，推动其成为创新链与产业链的“连接器”。
在未来产业发展初期，科研侧往往强于技术突破、弱于场景落地，支持龙头企业牵头组建产业创新联合体，有利于打通从实验室到生产线的转化通道，加速成果从“书架”走向“货架”。
第四，强化人才供给，尽快研究制定复合型人才能力认定与评价标准，重点培养既理解制造业流程与管理、又掌握系统架构与工程化落地能力的专业人才，推动产业人才向数字化、智能化方向转型，同时鼓励科研团队深入企业一线，形成产学研用贯通的人才培养机制。
前景：与会代表普遍认为，发展新质生产力，关键在于把科技创新势能转化为产业发展动能。
徐冠巨强调，新质生产力离不开坚实的实体经济基础，传统产业转型升级也不是脱离主业的“另起炉灶”，而是立足既有工艺、材料、制造体系的积累，向高端化、智能化、绿色化迈进。
随着政策支持、标准完善、示范项目扩围以及人才体系加快建设，“人工智能+制造”有望从单点应用走向系统重塑，推动制造业在效率、质量、柔性与绿色低碳等方面形成新的综合优势，并在更大范围内带动产业链供应链协同升级。
科技革命的浪潮已经到来，但技术的价值最终要在产业应用中得以实现。
徐冠巨代表的建议深刻揭示了当前产业发展的关键所在——唯有产业端与科技端实现深度融合，制造企业与科技企业双向奔赴，才能真正赋能千行百业，避免技术空转。
这不仅是对新质生产力内涵的准确把握，更是对我国产业高质量发展道路的清晰指引。
在新发展阶段，推进人工智能与实体经济的融合发展，既是时代所需，也是产业升级的必然选择。