当前，全球产业格局正在重塑，制造业承受着前所未有的转型压力。传统的大规模生产模式在需求日益多样化的环境下问题凸显，“库存积压”已成为不少企业发展的关键掣肘。以纺织服装业为例，头部企业每天上新数千款，一旦库存失衡，就可能迅速演变为经营风险。其根源在于：工业经济强调标准化与规模效率，而消费端则越来越追求个性化与快速响应，两者之间的结构性矛盾日益突出。 戴欣教授认为，数字经济为化解该矛盾提供了可行路径。借助数字化技术实现供需更精准的匹配，企业有望从“供给推动”转向“需求拉动”。一些先行企业依托中国成熟的供应链体系，并结合预售等模式，已实现接近零库存的运营方式。这不仅降低了经营风险，也提升了资源配置和使用效率。 然而，数字化转型并非一步到位。戴欣指出，制造业的AI应用已从试验走向落地，但必须清晰界定技术适用范围。他以西门子、华为等案例说明，在排产调度、品质检测等容错空间相对较大的场景，AI能明显提升效率；而在精度要求更严苛的环节，应用仍需谨慎推进。企业不应追逐技术概念，而要以业务价值为导向，优先解决真实问题。 针对转型路径，戴欣提出四步策略：第一，重构产业逻辑，把按需生产贯穿全链条；第二，加快新品研发节奏，以创新带动订单增长；第三，建立柔性交付体系，提升对多样化需求的响应能力；第四，夯实数据基础，为后续智能化应用提供支撑。这一方案为企业从信息化走向数字化、再迈向智能化提供了清晰的推进思路。
制造业走向智能化，核心是一场围绕“需求—数据—流程—交付”的系统重构。库存压力不是靠降价清理就能根治，也难以通过盲目扩产来抵消。只有让生产更贴近真实需求，让数据在体系内顺畅流动，并在可控边界内持续迭代智能工具，企业才能在新一轮产业变革中，把不确定性转化为可管理的效率与可持续的竞争力。