工业和信息化部装备工业司原司长张相木：
　　没有强大的制造实体，智能化只是空中阁楼
　　智能制造概念由来已久。近10年来，随着新一代信息技术的发展及应用，逐渐形成了新一代信息技术条件下的智能制造概念。近几年，随着新一代人工智能技术的群体突破及与先进制造技术的渗透和融合，出现了基于新一代人工智能的智能制造概念。当前，智能制造的定义有近20种。定义越多，越说明对智能制造的表述还没有达成共识，没有国际公认的智能制造定义。因为，智能制造的发展方兴未艾，就像朝阳一样，正冉冉升起。但是，智能制造的基本内涵和本质特征还是可以认知的。
　　智能制造的核心要义是装备的智能化、生产的自动化，以及信息流和物质流合一，价值链同步。对于信息流和物质流合一，首先要实现数字化，构建一个虚拟的数字系统，然后再考虑虚实合一。现在大量的工作还是在数字化过程当中，价值链同步指的是创造价值的所有活动都能够相互协调，步调一致，这样就能使整个系统集成起来，这样的制造系统具有自主性。
　　智能制造的特征首先是互联，没有互联就没有智能制造，但不光是要互联，还要互通。“通”的是信息或者说是数据，数据的自动和有序流动，是实现虚实合一的关键。有了数据的流动，工业生产和服务的要素才能够集成起来，才能够实现价值链同步。这样一种生产过程形成以后，我们的制造和原来的制造就完全不一样了，生产方式就会发生变革。
　　智能制造根本的宗旨是生产效率更高、产品质量更优、生产成本更低、资源消耗更少、环境污染更小、市场响应更快，最终目标是要从根本上解决传统制造的突出问题，实现高效、优质、低耗、清洁、灵活和定制化生产，转型智能制造，不是为智能制造而智能制造，而是为了更好地制造。
　　智能制造的基石是精益生产。目前，国内有相当一部分企业在这方面还存在非常大的差距，但要转型智能制造必须要推行精益生产，这是企业必须经历的一个变革过程，不懂精益生产，做智能制造等于在沙滩上建大厦。智能制造的本质是制造而非智能，智能只是实现智能制造的手段，没有强大的制造实体，数字化、网络化、智能化只是空中楼阁。因此，要始终保持对制造的敬畏之心。
　　同济大学教授、博士生导师陈明：智能制造人才培养有很大提升空间
　　围绕智能制造人才的培养，重点要从两个方面进行考虑：
　　第一，智能制造的人才需求。全球制造业竞争的要素有很多，其中排在第一的就是人才，而我们国家在智能制造人才培养方面还有很大的上升空间。根据世界经济论坛的咨询报告，可以看到同样一个工作岗位，对岗位的能力要求可能也会发生变化。比如，处理复杂事物的能力要求提高了，按照系统解决方案来解决问题的能力要求提高了，这些都是我们从数字化、网络化走向智能化时代，对人才需求会出现的变化。通过分析未来人才的需求模型，我们可以发现，学科交叉现象比较突出，智能制造既需要专业性的人才，也需要跨学科的人才。而且，随着智能制造的深入开展，新的跨学科人才需求可能也会越来越大。还有一个就是系统级人才，在推进智能制造时，既需要看得见的硬件，也需要看不见的软件。现在的软件都需要系统集成，需要系统架构师。所以，智能制造更需要有系统的架构师和系统的工程师。
　　第二，智能制造人才怎么培养。一是要培养能力。以前高校培养的是学术性人才，但是现在我们是培养工程师。所以，首先要明确这个岗位需要什么样的能力，然后再倒过来构建我们的能力体系。二是要以什么样的模式进行培养。为什么高校培养出来的人才到生产实践可能仍有一些需要改进的问题？说明我们的培养方式不够，所以我们提出一個学习工厂的模式。学习工厂和生产工厂最大的差别就是生产工厂是以生产和盈利为目的，而学习工厂是以学习为目的，它可以停顿下来，为你的学习服务。同时，学习工厂必须要有两个功能：一是培养学生的基本能力，二是培养学生的创新能力。
　　忽米网高级副总裁兼CTO陈虎：人工智能应用要因地制宜
　　目前，人工智能在工业里面的发展存在以下问题：数据量匮乏且维度不齐全、模型泛化、企业缺乏信任等。那么，人工智能该如何与工业融合，如何为工业赋能？
　　第一，认知人工智能中的算法。人工智能算法大致分为AI算法和大数据算法。在将人工智能运用到工业实践的时候，应分场景进行，不要一概而论，要进行详细考证，什么场景用什么样的人工智能算法。具体而言，就是要先确定解决什么问题，然后，在此基础上建立模型、学习模型、检验模型，最后回归模型。
　　第二，认知工业企业的痛点。工业企业要追求“良率提升 成本降低 产能提升”，在传统工业企业中，成本占比最重的是人工成本。然而，要降低人工成本，不是靠企业的软件，而是靠装备制造商，需要装备制造商做自动化的改造。另外，企业的成本还来自良率的低下。良率就是合格率，良率低下会导致生产过程资源的浪费，这个浪费是最严重的。因此，工业企业改革的重点应该放在如何提升良率上。
　　第三，认知AI在场景的应用实践。事实上，很多企业引入人工智能时都容易忽略一个问题，那就是数据源是否准确。方法再好但数据源不准确，也分析不出什么东西。因此，数据源必须准确。只有数据源准确后，才能使整个企业链从市场需求到研发设计，从采购库存到制造、检验、交付、售后，人工智能都能对其“画像”，并做市场分析。比如，在研发产品的时候，就能和产品售后服务紧密结合，通过追溯产品在客户那里的使用情况，来知晓设计是否出现问题;在采购库存方面，由于工厂里采购的原材料比较多，掌握准确的数据后，就明白应该先买哪一种材料，什么时候买，才不会浪费重复的物流;在制造环节，质量的控制和设备的健康预测等，正确的数据源都能对产品进行追溯，分析产品工艺是否存在问题。
　　基于以上，人工智能确实很厉害，不过也应该实事求是地考虑企业自身的需要，到底能为企业解决什么问题，并结合企业实际，因地制宜地进行选择。
　　北京东方国信科技股份有限公司副总裁冯丙强：
　　工业互联网助力数字化转型
　　如今是互联网的时代，更准确地说是数字化经济时代，发展数字经济已成为我们国家实现高质量发展的重要支撑。
　　在工业时代，资本和技术是我们整个资源的关注点。但在数字化时代，数据是我们重要的生产要素，也是整个数字化转型的重要基础。因为，生产的基础要素发生了变化，企业的竞争也会发生很大变化。工业时代讲究的是竞争，基础就是博弈，最后是“零和”效应。互联网的出现，使得整个产业链上下游之间、利益体之间的边界越来越模糊，企业之间不再是一种博弈的关系。只有产业聚集、协同、共享，才能有更好的盈利。从竞争理论上来说，已经从早期的竞争走向利他和共生，就是“双赢”。
　　不管是智能制造，还是信息化和工业化的融合，工业互联网始终是整个数字化转型的路径，它下连数据、上连应用，真正实现了两化融合。此外，还通过外部连接实现上下游之间的连接。智能制造的内容从体系建设上主要分为四个阶段：第一个阶段，采集数据，自动化改造;第二个阶段，建设数字化车间;第三个阶段，建设智能工厂;第四个阶段，实现智能制造和工业互联。当智能制造建设进行到某一阶段时，比如从自动化设备改造到数字化车间或智能工厂时，实际上对内是智能，对外是互联。而工业互联网的三个连接，是实现智能工厂的重要手段。现在许多企业在做信息化的过程中，实现了分层分数据，但在作决策时需要综合数据，要实现跨层级的数据汇聚。所以，在这个基础上，工业互联网平台不仅实现了数据的汇聚，还通过数据整体的汇聚产生了新的应用、新的模式、新的分析，而不仅仅是停留在数据层面上。这意味着我们通过工业互联网一体化平台，实现了多系统的一体化。
　　[本组观点摘编自“2020中国‘智能制造万里行’（重庆）产业发展峰会”嘉宾演讲]