“21世紀以來，隨著人工智能、大數據、云計算、物聯(lián)網等新一代信息技術的快速發(fā)展及應用，“智能制造”概念進一步深化。根據我國工信部2016年出臺的《智能制造發(fā)展規(guī)劃（2016-2020年）》中定義，“智能制造是基于新一代信息技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動各個環(huán)節(jié)，具有自感知、自決策、自執(zhí)行、自適應、自學習等特征，旨在提高制造業(yè)質量、效益和核心競爭力的先進生產方式?！薄?/p>

根據上海市人工智能技術協(xié)會和商湯智能產業(yè)研究院聯(lián)合發(fā)布的《數字化轉型白皮書：數智技術驅動智能制造》，如今各國對“智能制造”的理解都不再局限于生產過程或單體智能，而是擴展到產業(yè)價值鏈的各個環(huán)節(jié)、包含企業(yè)活動的方方面面，也不再單方面強調數智技術本身的應用價值，而是更加重視數智技術與先進制造等跨領域技術的深度融合和實踐創(chuàng)新。

由數據驅動代替經驗驅動已成為產業(yè)數字化轉型的共識。如果將數據視為智能時代的“新石油”，那么數智技術即是鉆取和提煉“石油”價值的“煉油工廠”，使用數智技術廣泛獲取數據，進行深度學習，將海量原始數據加工為知識，并轉化為決策或行動來指導企業(yè)運行。

數智技術是推動產業(yè)數字化轉型不可或缺的關鍵技術，其應用價值主要體現在三個方面：

決策更及時：實時獲取場景/業(yè)務數據的自動反饋，結合智能化分析進行動態(tài)預測，代替人工經驗判斷，提升決策的準確性和及時性，例如基于設備狀態(tài)實時分析的故障預測和健康管理，或基于在線用戶數據的需求預測，加速產品創(chuàng)新和迭代周期等。

運營更精細：隨著產業(yè)數字化進程加速，所獲取的數據顆粒度越來越細、數據維度也更加豐富，由數據驅動的企業(yè)運營、管理會更加精細，例如基于用戶畫像的精準營銷，或對能源使用的實時監(jiān)測和控制等。

應用更智能：智能化設備/應用輔助或取代人工崗位，并在應用過程中進行算法的自我迭代和優(yōu)化，不斷提高決策水平，例如基于機器視覺的產品缺陷監(jiān)測等。

盡管數智技術對產業(yè)數字化轉型的意義匪淺，但在實際落地過程中仍然存在一定挑戰(zhàn)：

數字化程度低，信息閉環(huán)難閉合：數據資產的積累是產業(yè)數字化轉型的重要前提，如何持續(xù)獲取數據，并將分布在不同系統(tǒng)、組織內的數據打通融合是企業(yè)數字化轉型的首要命題。目前，多數企業(yè)（尤其是中小企業(yè)）受限于資金和人才匱乏，對數智技術投入不足，導致企業(yè)數字化水平低，缺乏完善的信息網絡基礎設施；此外，由于缺少統(tǒng)一標準、接口和編碼體系，使得企業(yè)內外“數據孤島”叢立，無法實現互通、共享，導致企業(yè)使用數據規(guī)模、種類有限，信息閉環(huán)難閉合，海量數據的資產價值無法得到充分發(fā)揮。

跨界融合難度大，復合型人才缺乏：數字化轉型實際上是利用數智技術對企業(yè)流程再造的過程，需要既具備良好的數智技術素養(yǎng)，又能夠了解產業(yè)技術和發(fā)展規(guī)律的復合型人才。據清華大學互聯(lián)網發(fā)展和治理研究中心2020年對全球ICT人才調研統(tǒng)計，當前我國數智技術人才主要集中于科技行業(yè)，缺乏產業(yè)經驗和實踐背景，而產業(yè)IT人員總體對數智技術的認知不深，難以支撐產業(yè)數字化轉型需要。根據人力資源與社會保障部數據分析，2025年智能制造領域人才需求為900萬人，人才缺口預計達到450萬人。

不同產業(yè)差異大，規(guī)模效應難一朝形成：由于不同產業(yè)或產業(yè)中不同領域、不同企業(yè)之間存在技術、流程等差異巨大，數智技術在產業(yè)中的深入滲透須結合具體場景進行定制化開發(fā)，尚不存在一套放之四海而皆準的解決方案，這使得數智技術在產業(yè)互聯(lián)網中的應用很難像在消費互聯(lián)網時代一樣，短期建立規(guī)模效應、獲取巨大收益，而是需要與產業(yè)合作共進，在垂直領域中不斷積累解決問題的通用能力。

網絡安全問題不容忽視：隨著數智技術的應用推廣，網絡安全問題將成為數字化轉型過程中面臨的重要挑戰(zhàn)。一方面，傳統(tǒng)網絡安全系統(tǒng)跟不上數智技術應用和創(chuàng)新步伐；另一方面，數字化轉型帶來信息節(jié)點和信息總量爆發(fā)式增長，使得網絡攻擊的潛在損失“指數級”放大，對網絡安全技術提出更高要求。

具體內容如下

?