制造业是国民经济的支柱产业，其转型升级关乎经济高质量发展全局。
随着新一轮科技革命和产业变革加速推进，人工智能与制造业的融合已成为大势所趋。
工业和信息化部等八部门联合印发的专项行动实施意见，标志着我国在推动制造业智能化转型上迈出了新的步伐。
从现实意义看，人工智能与制造业的深度融合具有多维价值。
一方面，它能够显著提高生产效率、降低制造成本，通过数据驱动和智能决策替代传统的要素驱动和经验驱动模式。
另一方面，这种融合涉及研发设计、生产组织、质量管控、供应链协同等全流程变革，有利于推动制造业向更高层次发展。
加快推进"人工智能+制造"，既是培育新质生产力的题中应有之义，也是增强产业链供应链韧性、提升制造业核心竞争力的必由之路。
我国制造业具有独特的转型优势。
门类齐全、链条完整、应用场景丰富的产业基础，为人工智能技术的落地生效提供了天然条件。
然而，制造业智能化转型仍处于爬坡过坎的关键阶段。
企业在部署设备和系统后，如何打通数据、优化流程，防止智能化停留在局部自动化阶段？
如何在拥有平台和项目的基础上，制定切实可行的解决方案、形成稳定的人才队伍并实现规模效应？
这些问题都需要系统性的破解。
推进"人工智能+制造"走深走实，技术和数据基础是首要前提。
制造业对稳定性和安全性的要求极高，任何系统波动都可能带来质量和安全风险。
因此，人工智能进入制造业不仅要能用，更要用得稳、用得久。
这首先取决于技术底座是否扎实、数据体系是否健全。
在技术层面，必须把关键核心技术牢牢掌握在自己手里。
制造业智能化离不开算力和工业软件支撑，特别是在高端芯片、核心软件等领域，突破核心工业软件的技术封锁、实现从基础软件到行业应用软件的自主研发与迭代，才能让制造业智能化的"大脑"真正自主运转。
这要求我们持续推进自主创新，提升人工智能在工业现场的部署和运行能力，保障系统长期稳定运行。
在数据层面，要把工业数据这一基础资源建设好。
人工智能模型的效果很大程度上取决于数据质量。
当前许多企业的数据仍分散在不同设备和系统中，标准不统一、质量参差不齐，导致"采得多、用得少"等问题。
下一步应在技术底座和数据体系两方面同步推进，围绕研发、生产、质量和运维等环节形成有效数据资源。
推进"人工智能+制造"的重点在于产业协同，难点在于贯通。
单个工序、单条产线的智能化改造固然重要，但真正决定制造业竞争力的，是设计、研发、生产、供应链和服务等环节的全链条联动。
人工智能要从局部提效走向系统增效，就必须打通企业内部的数据壁垒，贯通上下游之间的协作链条。
实践中已有成功探索。
一些地区通过平台建设和场景对接加快新技术落地，一些企业通过示教仿真和云端复制提升产线切换和推广效率。
下一步应把产业链协同作为推进智能化的重要抓手，发挥龙头企业的带动作用，将成熟、好用的解决方案推广到更多中小企业。
聚焦重点行业总结一批典型应用场景，在实践中不断优化和推广，避免智能化改造碎片化、孤岛化。
人才队伍建设是制造业智能化转型的根本保障。
制造业智能化是一项长期工程，需要既懂工艺设备、又懂数据算法的复合型人才队伍。
技术人员懂现场、一线人员会系统，应用才能真正落地并不断实现迭代升级。
工业现场最难的不是写算法，而是把算法嵌入流程、把模型嵌入管理、把数据嵌入生产，这考验的是企业员工在技术、管理、工程方面的综合能力。
为此，应把产教融合摆在更加突出位置，推动高校与企业共建产业学院、联合实验室和实训基地，让真实工业问题进入课程和科研。
同时完善企业内部的培训机制，建立从基层操作人员到管理层的全方位人才培养体系，为制造业转型升级提供持续的人才支撑。
制造业智能化不是一场短跑，而是一项需要久久为功的系统工程。
抓住政策部署的窗口期，把关键核心技术握在手里，把数据资源用起来，把协同机制建起来，把人才队伍育起来，才能让智能化改造从“看得见的投入”转化为“摸得着的产出”，推动制造业在稳中提质、进中向新的轨道上不断迈进。