问题：人工智能正成为制造业竞争力重塑的“关键增量”，但我国制造业的智能化应用仍存在结构性不均衡。
王江平在调研中发现，当前人工智能在制造业价值链两端的应用推进较快，例如面向市场的产品设计、营销服务以及面向研发的部分环节较为活跃；相较之下，在生产运营等高价值、强组织协同环节的渗透仍显不足，距离“真正转化为现实生产力”仍有提升空间。
在全球主要经济体竞相布局的背景下，谁能率先实现从技术突破到产业规模化落地，谁就更可能在未来制造业竞争中占据主动。
原因：一方面，制造业场景复杂、链条长、数据分散，人工智能从单点应用走向系统集成，需要跨部门、跨工序、跨设备的数据贯通与流程再造，难度远高于“局部替代”。
另一方面，工业领域对可靠性、安全性、可解释性要求更高，模型、算法与工艺知识的融合需要长期积累；同时，中小企业数字化基础参差不齐，导致先进能力难以快速、低成本复制。
王江平认为，我国虽然已形成良好基础，但要把“场景优势、规模优势”转化为可持续的产业优势，关键在于补齐深层应用的短板，实现从“能用”到“好用、敢用、常用”的跨越。
影响：人工智能对制造业的拉动具有显著的乘数效应。
王江平指出，全球制造业增加值约占全球GDP的15%，若人工智能带来的效率每提升1%，可形成可观的年度增量空间。
更重要的是，人工智能不仅提升效率，还将重构研发组织方式、生产组织方式与供应链协同方式，推动制造业从要素驱动转向数据与知识驱动。
对我国而言，这一轮变革既是提升传统产业竞争力的机会，也是培育战略性新兴产业、布局未来产业的重要抓手，关系到产业体系安全与国际竞争格局。
对策：受访委员建议，从“工具应用”走向“体系能力”，在三个层面协同推进。
其一，夯实“全场景”转化的产业底座。
我国拥有全球最完整的工业体系、超过600万家制造业企业，以及较为完备的数字基础设施与较大算力规模，人工智能核心产业规模已迈上万亿元台阶。
下一步应推动数据要素在工厂、园区、产业链条中有序流动，促进模型、软件、工业知识的工程化沉淀，形成可复用、可推广的行业解决方案，把规模优势转化为“非对称优势”。
其二，强化科技创新与产业创新深度融合，贯通“从0到10”。
王江平认为，人工智能正在改变科研范式：面向科学前沿的“人工智能驱动科学创新”更聚焦解决“从0到1”的原创发现；面向产业端的“人工智能赋能研发”则更有利于新产品新工艺开发、促进“从1到10”的工程化扩散。
应加强两者的衔接与协同，使实验室突破更快进入产业化链条，提升新兴产业和未来产业的孕育效率。
其三，以前瞻治理护航产业发展。
王江平提醒，人工智能释放巨大生产力的同时，也带来伦理、安全、社会结构等方面的深层挑战。
在激烈竞争环境下，治理实践容易出现“短期主义”，只追求技术与市场领先而忽视长期系统影响。
应推动完善规则体系、风险评估与责任边界，促进技术创新与安全可控并重，确保产业发展行稳致远。
前景：多位业内人士认为，随着“人工智能+”行动持续推进，我国制造业将从点状试点走向链式、群式、生态化应用。
未来一段时期，人工智能在质量控制、设备运维、工艺优化、供应链预测、研发设计协同等领域的价值释放将进一步加快。
若能在数据治理、标准体系、人才供给、场景开放以及安全治理等方面形成合力，我国有望在全球制造业智能化竞争中形成新的比较优势，并带动生产方式、组织方式和产业形态持续升级。
人工智能赋能制造业是一场关乎未来的竞争。
我国拥有得天独厚的优势条件，但优势只有转化为实际行动才能成为现实竞争力。
关键在于既要抓住机遇、加快创新，又要保持理性、防范风险，在科技进步与社会责任之间找到平衡点。
唯有如此，才能在新一轮全球竞争中赢得主动，推动制造业向更高质量、更高效率、更可持续的方向发展。