從“工業4.0”的熱潮開始，智能制造、CPS、工業互聯網（平臺）、企業上云、人工智能、工業大數據、數字工廠、等概念接踵而至，對于大多數制造企業而言，可以說是眼花繚亂、無所適從。智能制造涉及的技術非常多，例如云計算、邊緣計算、工業機器人、機器視覺、立體倉庫、虛擬現實/增強現實、三維打印、深度學習、Digital twin、預測性維護...讓人目不暇接。這些技術看起來都很美，但如何應用，如何取得實效？很多企業還不得而知。

企業在推進智能制造過程中缺乏相關技術經驗，同時缺乏統一的部門來系統規劃和推進企業智能制造進程。在實際推進智能制造的過程中，企業也仍然是頭痛醫頭，缺乏章法。

此外，絕大多數制造企業利潤率很低，缺乏自主資金投入。一些國有企業和大型民營企業可以爭取到各級政府的資金扶持，但大多數的中小企業只能“隔岸觀火”。企業在智能化轉型升級過程中，各種投入必不可少，但實效究竟如何，不得而知。

在推進智能制造過程中，不少企業認為建立無人工廠、黑燈工廠這些就是智能制造。而實際上，高度自動化是“工業3.0”的理念。對于大批量生產的產品，國外優秀企業早已實現無人工廠。例如，日本FANUC全自動裝配伺服電機，可以做到40秒生產一個產品，但其前提是生產的產品需要做到標準化、系列化，以及擁有面向自動化裝配的設計。

因此，從技術和管理的角度來看，中國制造向中國智造轉變還存在五大困難：

1.智能制造是基于新的物聯網、大數據、云計算等數字化技術與先進制造技術的深度融合，貫穿于設計、供應、生產制造、服務等整個供應鏈制造、運營和管理環節。因此，智能制造包含兩個系統工程，一個是智能制造技術（制造技術和信息技術）整合的系統工程，另一個是管理的系統工程。目前，這兩個系統工程不僅是中國企業面臨的問題，歐美企業也同樣面臨這個問題。

2.裝備制造業仍然是瓶頸，跟不上智能制造發展的要求。智能制造最終還是要落到制造技術和裝備上，雖然我國在互聯網、物聯網、大數據、云計算等數字化技術以及5G深入應用上處于優勢地位，但在制造執行單元——機床方面，我國與歐美日相比還存在很大的差距。

3.基礎數據平臺深度開發不受控。企業要實現智能制造，需要MES和ERP等兩個基礎系統平臺。而我國還沒有相關自主研發的軟件平臺，系統平臺要依賴于歐美，因此在深度定制開發上受到限制。

4.算法開發。智能制造需要基于數據并充分挖掘數據價值而實現自決策、自管理、自學習，從數據源采集、數據呈現、數據分析到自行診斷、自動反饋、自動調整控制，過程離不開算法開發。而算法開發是一個多元跨界和交叉學科的工作，既要求對業務有深入理解，又要求有IT技術思維。目前，我國在算法開發的資源上還存在很大差距。

5.管理和組織的變革。一方面，智能制造基于數據可實現端對端、信息充分共享、管理平臺化，打破了企業原有金字塔管理體制結構。因此來自原有權力結構擁有者的變革阻力會很大，往往他們掌握了決策權，導致智能制造的資源投入不到位。另一方面，管理方式會因信息平臺化而發生改變，個體和任務小團隊的自管理、自決策機制會越來越普遍，但是，目前還沒有找到比較好的組織管理方式及組織文化。