隨著中國制造2025的提出，智能制造相關的數據管理、平臺化創新、人才培養等話題，成為制造領域關注的重點。作為全球最大的鋁車輪和鋁制底盤零部件供應商，中信戴卡在智能制造領域積極探索和實踐。3月10日，中信集團與《哈佛商業評論》中文版共同舉辦“走進中信”系列沙龍，首站在中信戴卡進行，邀請國內相關領域專家學者走進中信戴卡現代化的生產車間和創新中心，并與中信方面專家就“智能制造改變商業未來”這一主題進行交流分享。

　　以下是嘉賓發言摘錄：

　　中信戴卡信息總監黃小兵：智能制造不單是工廠車間的智能化，還需要從智能的研發、營銷、經營、決策和服務等方面綜合實現。在研發方面，中信戴卡的研發中心是全球布局、同步研發，實現24小時的連續研發。我們通過建立PLM系統，持續改善研發、設計、仿真、試驗等各方面的能力。在營銷方面，中信戴卡不僅面向直接的汽車制造商，還面向汽車的使用者,對他們在汽車輪轂和底盤零部件方面的需求及時做出響應。在經營方面，中信戴卡集中于供應網絡管理、人力資源管理、財務管控、商務智能體系等等。在決策方面,中信戴卡的工業大數據包含工藝大數據、制造大數據和運營大數據等，大數據驅動的智能決策提升了管理效率。在服務方面,中信戴卡在智能制造的探索和實踐中，形成了數字化裝備制造、智能化信息管理、高端化模具研制、綠色化能源工程等綜合制造服務能力。

　　中信重工副總工程師鄒聲勇：中信重工正在特種機器人等領域積極構筑企業的發展新動能，打造國內領先的特種機器人研發和產業化基地。我們正在通過實施特種機器人智能工廠項目，提升產品在設計、工藝、制造、檢測、物流等全生命周期各環節的智能化水平，尤其是提升制造過程整體的自動化、信息化和智能化水平，實現物流、信息流、商流和資金流的全面集成，推進中信重工特種機器人智能柔性化制造，這將使生產效率提高30%以上，并將大大降低運營成本和產品不良率。

　　北京大學管理科學與管理信息系統系副主任董小英：制造業的商業未來將會呈現五層架構。第一層：連接層。全世界的人已經通過互聯網連接起來了，但物的連接只有1%。我們的工作、流程和業務的信息化，都是整個數字化和連接進程的一部分，但是這部分還遠沒有完成。第二層：轉化層。連接層最重要的能力就是數字化的能力。我們常說的制造服務化正是基于企業的數字化工作，把數據轉換成信息并對其進行分析。第三層：網絡層。越是離散型的企業，建立網絡越重要，即要在網絡空間建立一種集成的能力，比如滴滴打車，他們幾乎沒有一輛出租車，但是通過在網絡空間建立以算法為核心的操縱性資源，他們可以調度全國1.4億輛出租車。當企業的數據庫可以在云端聚集時，就可以對離散性分布的社會具有強大的統帥能力。第四層：認知層。現在資本最青睞的領域就是人工智能，即當企業擁有海量數據，并在云端將其集成之后，可以通過機器深度學習等基于數學統計的方法進行智能推理。第五層：整合層。這一層的企業擁有強大的整合能力，可以對實體資源進行組合和配置，從而能以更加高效、綠色和無縫連接的方式為客戶提供端到端的產品和服務。

　　清華大學全球產業4.5研究院副院長李東紅：對于智能制造的未來發展，我們需要考慮三個方面。第一，需要有企業家精神。智能制造進行中可能需要大量的投入，需要富有遠見的企業家著力提前布局并常抓不懈。第二，需要在產融結合中推進。智能制造需要吸引更多的資本向制造業聚集，在金融資本和產業資本之間形成良性互動。第三，需要放眼全球的未來競爭。對于已經居于行業領先者地位的企業來說，需要考慮在智能制造時代如何引領全球范圍內的行業發展，需要有計劃、有步驟地做好智能制造基礎架構的建設，做好標準化、自動化、網絡化及智能化的相關工作。

　　清華大學大數據產業聯合會秘書長王霞：對于重工業企業來說，重要的是如何讓機器數據產生價值。它們與互聯網交易的行為數據不同，其背后有著一定的機械和物理原理。這類數據的處理比較特殊，量大，源源不斷，傳輸過程中也要考慮經濟性，考慮是所有數據都傳，還是有選擇地傳。發現異常數據之后，要了解異常數據背后的原因，這需要更復雜和更深度的分析。針對數據，有兩點需要注意：第一是人，要尋找和培養數據分析、統計、模型方面的人才。第二是企業一把手一定要有數據意識，同時要讓員工和業務部門都熟悉這個事情。一個大數據項目的成功，需要業務專家、數據專家、IT專家齊心協力。

　　北京聯訊動力咨詢公司總經理林雪萍：數據和知識是智能制造的驅動機制，沒有知識或業務模式的指引，數據就不會形成真正的價值。我們需要把企業里的知識或者業務模型更好的固化（比如軟件化），用其指導我們的數據采集和分析，數據才能夠進入產生價值的階段。