我们常把智能制造与转型升级联系在一起。但对一个企业来说，智能制造常常指的是技术层面的问题，转型升级是企业战略方面的事情。从理论上说，转型升级就是对组织、流程、业务等要素的重构。

我们有时候把智能制造简单地定义为“ICT技术在工业领域的深度应用”。所谓“深度应用”，主要就是伴随转型升级和重构。而不是单单是服务于现有业务。强调这些的背景是：基础技术提供的新机会在这里。这也是从技术手段角度定义智能制造。还可以从企业的外部表现或结果、目标来定义，比如提升企业的快速响应能力。从业务角度看，提升快速响应能力的手段包括“协同、共享、重用”。其中，“共享、重用”针对的是资源的准备，而协同则是资源的使用。

从业务角度看，互联网的作用是提高协同能力；从经济学角度看，是提高了资源配置能力。故而，互联网能够促进“协同、共享、重用”。按照熊彼特的观点，创新就是企业家的资源配置。所以，智能制造是企业家主导的、与技术密切相关的创新活动——表现为“转型升级”这种战略活动。其中，“共享、重用”涉及到资源的使用权限，需要有业务或者商业模式的创新来保证、需要由企业家推动。而“信息集成”则是从IT技术角度为“协同”奠定基础。当然，“协同”本身属于业务范畴，IT如何集成则是要符合OT技术的要求。特别地，协同过程先要规范成“业务流程”，才能标准化，进而实现智能化。事实上，流程本身就是一种知识。

协同的结果是快速响应。从实现的原理角度看，则表现为智能原理的应用。这样，“智能制造”才与“智能”这个概念挂上钩。“智能”最基本的三个要素是“感知、决策、执行”的统一；也就是维纳当年提出的观点。这是人工智能的三个学派之一。但长期以来，这不是主流学派。因为主流学派关注的是复杂决策相关的方法和理论。互联网提升了“感知和执行”能力，故而促进了智能制造。从某种意义上说，智能制造的思想，可以追溯到维纳、与自动化是同源的。但是，现在的条件与过去差别大了。在互联网的背景下，这个理论再次彰显生命力。

安晓鹏博士认为，智能制造是决策革命。

通过“共享和重用”，互联网帮助人们对更多的资源进行配置。配置过程就是决策过程。这使得资源配置优化的空间增大了，故而价值性增强。与此同时，优化配置的难度也因此而增大。故而，人们往往需要机器帮助人来配置资源。机器帮助人类决策，意味着人们控制复杂问题的能力增强了。这就会释放出工业创新的空间。比如“流水线上的个性化定制”，这就是工业4.0。而工业4.0又会带动数字化设计等一系列技术的进步，如数字化设计。

决策需要知识。这种知识可以来源于人脑：用人脑的知识操作Cyber空间、把人脑的知识（逻辑）直接写成机器代码、采用大数据记录的成功案例、让机器自己学习知识。总之，知识的来源或者使用方式在互联网、大数据的条件下发生了变化，有了更多的选项。其中，学术界指的“人工智能”侧重决策，而“新一代人工智能”侧重机器学习、尤其是深度学习——这种学习特别适合那些不便编码的感性知识。

互联网能够带动大数据，大数据促进决策智能技术和人工智能，智能化彰显大数据和互联网的价值；进而促进大数据和互联网的应用。

我们一直强调，智能制造要关注人机关系。换句话说，强调利用人的知识、弥补人的不足。这是从实现手段上说的。现实中，只有这样做有技术可行性。潜台词是反对过度强调机器学习、机器决策。我们反对把智能制造理解为“机器换人”，原因是这约束了人们的视野、丢掉很多机会、还常常不具备经济性。

智能制造的瓶颈往往是经济可行性。经济可行性包括效益和成本两个部分。前面说的资源配置，是效益的来源之一。效益从何而来呢？在我看来，中长期是转型升级带来的效益，短期内是管理水平提升带来的效益。

智能制造可以显著提升管理水平。互联网可以实现“扁平化”、“远程化”；大数据实现“透明化”、智能算法让人避免淹没在大数据的海洋中。由于历史的原因，智能制造的机会往往在于管理与控制的融合；或者说“信息化”与“自动化”的“两化融合”。所谓的“历史原因”，就是指的这方面的机会比较多。

从管理入手，就要找到管理中的问题。这时候，精益管理、６西格玛、PDCA等方法就有用了。这些方法，让我们先从OT角度发现价值，然后再从IT角度推进智能化、让价值落袋。这也是从技术经济可行性角度考虑的。所谓标准化、流程化、精益化是智能化的基础，就是这个意思。

智能制造的另外一部分价值来源与成本的降低：“共享和重用”让成本降低；大数据让知识获取的成本降低；工业互联网平台让管理和持续改进的成本降低。工业互联网平台如何让持续改进的成本降低的？工业APP和数字孪生的思想解决了这个问题。