未来5年，制造业企业将向智能制造进一步升级和转型。智能制造的概念比制造自动化更为广泛和复杂，它需要将自动化技术、物联网、工业机器人等“硬”技术与大数据、云计算和人工智能等“软”技术真正集成起来，并有机地融于之前“以人为本”的企业运营流程、管理和决策工作中。
智能制造构想了一种由人工智能为主的智能制造系统，它在制造过程中能从信息技术连接的设计、生产、管理、服务等各环节中，自动获得相关信息（即“自感知”），由此进行诸如分析、推理、判断、构思和决策等智能活动（即自学习、自决策），然后通过制造自动化执行（即自执行），并能根据执行后的效果，以及市场和竞争环境改变的反馈，调整和优化后续的制造工作（即自适应）。
这一切的美好，都要依靠扎实的产业探索和实践，正所谓“千里之行，始于足下”。我国制造业在智能化的转型中仍然面临着诸多的挑战。当然，挑战与机遇并存：挑战应对得当，也可以转变为成功要素，即融合的成功之路=（基础+科技）×实践×战略（IMIS）。
01、信息化基础
人工智能算法的应用，需要质量好、完备和大量的数据。倘若连信息化都做不好，数据都不能有效地存储、传递、收集和处理，就不要再说怎么用好数据了，更不要提自感应。因此，在信息处理和业务流程改善效率后，人工智能才可能开始产生应用价值。这也是对制造企业前5年工作的大考。
当然，人们也对智能制造有个误解，智能制造并非是制造+AI。人们把制造的智能赋予了AI，似乎AI来了就智能了，其实，从统计学+野蛮的算力角度来说，AI可以解决一部分问题，但是，工业的数据并非是大数据，这需要精准的DoE设计（Design of Experiement）,构建有效的测试模型，来对工艺进行验证，因为如果产生了大数据，尤其是大量的故障数据—这对于机器制造商、产线提供商来说，就意味着退出市场，这里的大数据是不可接受的，因此，就目前来说，AI必须与机理模型来结合，并且在有限的范围解决问题。
02、新兴的制造科技
智能制造的实现离不开前沿技术的支持。我们也许对互联网、大数据、人工智能耳熟能详，但只是针对个人消费者的应用，与智能制造的主体完全不同。新技术的应用应是一手段，结合精益的思维与方法论，应用在企业全价值链中，助力企业变革其原有的生产经营模式，以获得在新环境下不断成长的竞争力。很多企业在执行智能制造时，错误的把智能制造与传统制造割裂开来，为了智能而完全抛弃传统制造的一切。然而，智能制造只是因为当前大环境的需求，必须寻求新的技术来帮助企业实现盈利目的，是对传统制造的延续与变革。
03、清晰的战略导引
企业转型是牵一发动全局的过程，尤其是涉及到大量投资、流程调整和劳动力结构调整，过程会非常复杂和有挑战性。相应的，企业战略和技术一样复杂，战略设计和执行过程涉及到数据整合、组织结构设计、人力资源配置、项目顺序等等诸多因素。而且，企业不仅需要增加精通人工智能和制造的人才和技术储备，还需要让企业上下形成共识合力。
企业战略必须清晰才能匹配制造执行，智能制造的实现路径必须服务于企业本身，需要理解技术与运营管理的结合，把握技术转化为生产力、利益甚至竞争优势的途径和步骤，最后从全局出发，创造性的规划和执行企业智能制造战略。
04、新型的人才培养
目前制造业缺少复合型人才，企业自身的培养就显得尤为重要，这也需要大量的投入。
智能制造需要规划型人才，以及人才的规划—首先，智能制造本身是一个“集成”的过程，它从来没有实现，只是一直在路上，所以，不要把智能制造当做一个产品技术那样思考，它的实现是从最需要解决问题的地方开始。
规划型人才必须在机电、运营、工艺多个方面具有接口能力，不一定要精通每个方向的深度知识，但是，对于之间的逻辑关系、流程、接口、规范与标准要有通盘的认识，并且站在企业全局来规划，不仅是技术路线，也包括匹配的组织、人才、流程、考核方面的规划，这样才能形成一个有效的整体运行。
人才规划是在各个专业方向能够有垂直领域的专家解决局部工艺、机电建模、数据建模的人员，大学的垂直专业训练到了产业里就会遇到横向集成的矛盾，而到了企业就必须有横向集成能力的培训。
