近期，美國數字化制造與設計創新研究機構宣布了新一批招標項目，至此，今年該機構已頒布15項智能制造相關項目，包括通用電氣、陶氏、微軟、波音等企業和麻省理工、施樂集團帕克研究中心等大學和科研機構圍繞智能制造相關領域展開研究和實踐。這些項目讓人們看到，發達國家已經開始了真正意義上智能制造的嘗試。

要實現從自動化向智能化轉變，關鍵是讓機器具有思考能力，或者說讓機器擺脫人的輔助能夠完成生產任務。機器的智慧從何而來？計算機的運算速度已遠超人類，但在模糊判斷、交流、決策和創造上的表現與人腦的差距還非常大，要通過提高運算速度獲得這些能力是困難的，研究人員發現了另一條賦予機器“智慧”的方法，即云計算和大數據的運用。

借助于幾乎無限量的數據資源和云計算提供的超強運算能力，計算機開始勝任營銷分析、圖像和語音識別以及語言翻譯等任務。通用電氣提出的工業互聯網的核心就是大數據循環，其制造的數以百萬計安裝傳感器的機器產生不間斷的數據，這些數據在專門的基于云計算的網絡系統中形成工業數據庫并進行大數據分析，分析結果分派給指定的工程師、設計人員用于改進產品設計和使用手冊，而新的機器則產生更多的數據。

智能制造遠非在工廠中安裝幾臺新的機器人那么簡單。從發達國家智能制造的發展趨勢看，它是一個復雜的體系，包含設備智能化、系統智能化和決策智能化三個層次。當前，即便是美國、德國、日本等最先進的國家，也只是初步實現了設備的智能化，系統智能化和決策智能化的實現還有很長的路要走。

工業機器人的使用是生產設備智能化的表現。智能機器人不僅通過網絡相互連接，而且要實現人機交互和協作。瑞士ABB集團今年推出的雙臂機器人YuMi，首次實現了與人面對面在一個操作平臺上工作。

生產系統的智能化包括自我糾錯、柔性生產和網絡學習三個關鍵功能。自我糾錯不僅能夠減少對工人和技術人員的依賴，還能夠在出現故障后快速恢復生產。柔性的生產系統能夠滿足大規模定制生產的要求，無需因訂單變化而改造生產線。制造、銷售、使用環節產生的數據將被綜合在一起，從而使得機器能夠快速學習。

在越來越復雜的市場中，人對生產的決策需要考慮的因素越多，犯錯的幾率也增大，而生產決策的智能化能夠解決這一問題。具備智能決策的工廠能夠選擇產品和產量，自動執行最優的生產計劃。例如，美國的智能電網系統計劃是要利用大數據分析，根據當前風速、光照情況、電力需求，實時調節水電站和火力電廠產能，從而使得整個電力系統更加高效和節能。

智能制造將徹底顛覆傳統的流水線大規模生產組織方式，這是全球制造業和制造企業必須面對的發展趨勢。雖然智能制造時代還在較遠的未來才能到來，但無論是發達國家還是發展中國家都應當調整制造業發展方式和方向，迎接智能制造的挑戰。