问题——制造业应用“冷热不均”，高价值环节仍待突破 今年政府工作报告提出，把发展经济的重点放实体经济上——因地制宜发展新质生产力——加快培育壮大新动能；放眼全球制造业竞争，各主要经济体普遍将人工智能视为重塑产业优势的重要工具。王江平在调研大科学装置、科研机构和制造业企业后指出，当前人工智能在制造业的应用存在明显结构差异：在研发设计、市场服务等“微笑曲线”两端推进较快，但在生产运营、工艺优化、质量管控、供应链协同等高价值环节的规模化应用仍显不足，尚未充分转化为可持续、可复制的现实生产力。 原因——从“有场景”到“成能力”，还缺关键衔接与体系化推进 王江平认为，制造业环节复杂、数据类型多、业务链条长，对模型可靠性、系统安全性和工程落地能力提出更高要求。一些企业在数据治理、工艺机理沉淀、复合型人才供给、软硬件协同适配等基础薄弱，导致“能试点、难推广”“见成效、难持续”。同时，科研端与产业端衔接仍不顺畅：科学研究更侧重原始创新，产业研发更强调工程化与可制造性。若缺少面向产业的验证平台和转化机制，技术往往难以跨越从实验室到生产线的“最后一公里”。 影响——效率提升空间巨大，竞争窗口期不容错失 从全球看，制造业增加值约占全球国内生产总值的15%左右。王江平援引测算指出，若人工智能带动制造业效率每提升1%，有望带来年均超过1600亿美元的增量空间。对我国而言，让人工智能更深层次嵌入制造业，直接关系产业链供应链韧性、产品质量和交付效率，也关系到新质生产力培育的速度与质量。我国拥有全球最完整的工业体系、超过600万家制造业企业，具备全场景应用土壤；算力规模位居全球前列，数字基础设施较为完善，有关核心产业规模已突破万亿元。如何把场景优势、规模优势转化为更具决定性的“非对称优势”，成为赢得未来竞争的关键命题。 对策——推动科研范式与产业研发贯通，构建敏捷有效治理体系 在创新路径上，王江平提出，要把人工智能作为推动科研范式变革与产业研发升级的共同工具。一上，“人工智能驱动科学研究”可提高探索效率，更集中解决“从0到1”的原始创新问题；另一方面，“人工智能赋能研究与试验发展”有助于新产品、新材料、新工艺的工程化验证与迭代，强化“从1到10”的产业化能力。下一步应加强两者衔接，完善从科学发现到工程实现的链条式组织方式与平台支撑，使科技成果更顺畅转化为现实生产力，实现“从0到10”的系统跃升，推动科技创新与产业创新深度融合。 治理上，王江平强调，人工智能释放生产力的同时也带来深层挑战，尤其要避免治理实践中的“短期主义”。当前突出矛盾在于：技术迭代呈指数级加速，而治理体系往往以渐进方式更新，二者形成“时差”，容易出现规则滞后甚至治理真空。面向“十五五”时期，应从三上破题：一是更新治理理念，建立更具敏捷性与韧性的治理框架，在守住安全底线的前提下，为创新预留试错与演进空间；二是强化治理技术，通过可验证、可追溯、可评估的技术手段提升系统可靠性与一致性，确保输出行为符合社会规范与公共利益；三是完善法律法规体系，加快构建分层分类、精准有效的制度安排，形成可执行、可落地、可协同的规则体系。 前景——以制造业为主战场，形成“应用牵引+制度护航”的持续优势 业内人士认为，未来一段时期，我国制造业数字化、网络化、智能化转型将进入“深水区”，竞争焦点将从单点技术突破转向体系能力比拼。以制造业为主战场推进人工智能落地，既要抓住海量场景带来的迭代优势，也要通过标准、平台、数据治理和人才体系建设，提高可复制、可推广能力；既要鼓励企业大胆创新，也要以制度供给缩小技术与治理的“时差”。随着更多高价值环节被打通，人工智能有望加速推动产品升级、工艺革新与管理变革，为培育新质生产力提供更坚实的产业支撑。
当智能制造从单点突破走向系统变革，这场关乎国家竞争力的转型既需要技术创新提速，也需要治理把握好尺度。如何在保持发展活力的同时筑牢安全底线，将成为检验我国制造业高质量发展成色的重要标尺。正如受访专家所言，真正的产业优势不在于短期的技术领先，而在于形成技术创新与制度创新相互促进的良性生态。