问题——从“会不会用”到“用得值”的现实考题。当前，我国制造业正处迈向高端化、智能化、绿色化的关键阶段。同时，全球产业链重构、成本压力上升、交付周期缩短等因素叠加，传统制造企业普遍面临效率、质量与韧性等多重挑战。在论坛“数智化赋能传统制造业”圆桌对话中，与会者形成一个共识：数智化不是概念比拼，也不是用来“撑场面”的工程，能否围绕业务目标带来可衡量的改进，才是企业决策层最关注的问题。 原因——技术热与落地难并存，瓶颈集中在数据、组织与人才。与会人士认为，数智化转型之所以常出现“投入不少、成效不稳”，主要有三上原因：其一，数据基础薄弱，数据标准不统一、系统“烟囱式”割裂，导致数据难采集、难共享、难复用；其二，组织机制不匹配，信息化部门长期偏后台，难以深入工艺、质量、供应链等核心场景，技术与业务容易脱节；其三，复合型人才不足，既懂制造流程又懂算法模型、既能做现场改造又能做数据治理的人才缺口明显，中小企业更为突出。此外，部分企业对回报周期预期偏短，试点阶段一旦“看不到收益就停”，影响后续持续推进。 影响——从单点效率提升，迈向产业链重塑与竞争力再造。与会嘉宾指出，以数据为关键要素、以算法为驱动的数智化能力，正改变制造业的竞争方式：一是推动“经验驱动”向“数据驱动”转变，在排产、备料、设备维护、质量追溯等环节沉淀可复制的优化路径；二是带动供应链协同升级，通过预测与智能调度提升响应效率，降低库存与停线风险；三是促使质量管理从事后检验转向过程控制、在线监测，减少人工误差与批量性质量事故；四是为节能降碳提供支撑，通过能耗监测与工艺优化实现降本与降碳同步。多位与会人士强调，数智化不只关系到单个企业的效率提升，更关系到产业链稳定、安全与韧性建设，最终会体现在交付能力、成本结构和产品迭代速度等核心竞争指标上。 对策——以业务牵引、数据贯通和生态协同为抓手，形成可落地的路线图。围绕“如何转、怎么转”，与会代表提出多项建议。 一是坚持业务主导、技术支撑。转型要从真实痛点切入，优先选择见效快、可衡量的场景，如供应链计划优化、生产过程质检、设备预测性维护、客户交付与售后服务等，通过“小步快跑”形成可复制的模板，再逐步扩展到研发、设计、采购、制造、物流、服务等全链条。 二是把数据治理作为基础工程。多方强调，要统一数据标准、打通系统壁垒，推动数据资产沉淀，明确数据口径与责任边界，让数据“可用、可信、可控”。在此基础上再推进模型训练、算法优化与持续迭代，避免“先上应用、后补基础”带来的反复返工。 三是推动信息化职能从后台走向一线。企业内部应建立跨部门协作机制，让信息化与生产、研发、质量、供应链共同承担指标，形成“问题共识—数据采集—模型应用—效果评估”的闭环，确保技术投入与经营结果同向。 四是破解人才与成本难题。与会人士建议，通过产教融合、校企联合培养和岗位再培训补齐复合型人才短板；同时推广轻量化、模块化、可快速部署的解决方案，帮助中小企业跨过“不会转、不敢转、转不起”的门槛。投入回报评估可采用分阶段里程碑管理，以良率、停机时间、库存周转、交付周期等关键指标改善作为验收标准，提高资金使用效率。 五是建设协同生态，形成规模化转型合力。多方认为，数智化并非企业单打独斗，需要政府、科研院所、行业协会、产业平台共同推进。行业组织可在需求对接、标准推广、成果转化、示范应用等发挥桥梁作用，推动解决技术落地“最后一公里”。绿色化与智能化融合的实践也受到关注，部分项目通过智慧化改造实现能耗下降与效益提升，具备更推广价值。 前景——从“技术推动”走向“业务推动”，制造业数智化将进入深水区。与会人士判断，未来一段时间，制造业数智化将呈现三上趋势：一是从单点应用走向系统性变革，企业将更重视端到端流程再造与全链条数据贯通；二是从“上工具”转向“建能力”，把数据治理、模型迭代与组织协同沉淀为长期竞争力；三是从个体升级走向集群跃迁，产业链上下游通过数据协同与标准对接提升整体效率与韧性。随着新型工业化持续推进，数智化能力有望成为制造企业参与国际竞争、实现高质量发展的关键变量。
制造业转型升级的关键不在“技术热度”，而在“经营成色”。只有把数据治理夯实、把业务场景选准、把组织机制理顺、把人才队伍建强，数智化才能从试点示范走向规模化应用。面向未来，协同共建与务实落地，将决定传统制造业能否在新一轮变革中实现从“追赶”到“并跑、领跑”的跨越。