近年来，工厂、企业招工难问题愈发凸显。 数据显示，2012-2018年，我国劳动年龄人口的数量和比重连续7年出现双降，7年间减少了2600多万人，2018年年末全国就业人员总量也首次出现下降。

　　另有数据显示，自2012年中国农民工总量增速第一次出现下降，之后增速基本保持持续下降趋势，2019年增速相比2017年几乎“腰斩”;且最近5年，50岁以上的农民工占比一年比一年高。

　　与此同时，年轻群体则不再满足于传统制造业工人微薄的收入，在移动互联网的高速发展下，转而寻求快递员、骑手、网约车等新的社会需求职业。尤其是去年疫情之下，网络配送、直播电商等扩张，加剧了劳动力的迁移。

　　为了招到更多的工人，工厂不得不提高薪资待遇，而劳动力成本的水涨船高，进一步导致了制造业开始出现新一轮向劳动力成本更低的东南亚国家迁移的现象。

　　劳动力成本上升正日益成为中国制造业面临的困境之一。

　　另一方面，以德国提出“第四次工业革命”、美国“智能制造领导联盟”、英国《英国工业2050战略》等为标志，多国正在大力推动新型高自动化制造形式，下一代工业制造已逐渐成为新的趋势。

　　当前，作为世界工厂，中国制造已经遍及全球，体量庞大，品类齐全。但是从产品的技术附加价值以及产品品牌溢价上看，中国制造还处于中低端水平，大多数制造企业也处于产业链的底端，缺乏竞争力。中国制造业大而不强、全而不优的局面仍未得到根本改变。

　　在此背景下，国家近年发布多项政策支持制造业智能化转型。2015年李克强总理提出“制造强国”战略;在第一个“十年纲领”《中国制造2025》中，将“中国智能制造”作为发展的主要方向，推动传统制造业转型升级，以“机器换人”的方式，缓解中国制造业面临的用工荒问题。

　　如今，从《中国制造2025》规划纲要正式颁发至今，已经过去6年了，中国制造业也在信息化、数字化、智能化的道路上摸索前行了6年。在这6年中，企业家们的观念发生了转变，大多数制造企业也正走在信息化、数字化升级的路上，少数企业在局部点上实现了智能化。

　　尤其在去年我国疫情防控最吃紧的时候，一批智能制造标杆企业凭借自动化生产线、智能工厂、网络运维平台等优势，率先实现复工复产，不仅增强了全社会抵御突发事件的韧性，也为市场主体平稳运转、产业链、供应链保持稳定发挥了坚实的保障作用，充分体现了智能制造强大的潜力。

　　尽管如此，总体上来看，大多数制造企业(包括欧美独资企业和中外合资企业)还只是停留在数据采集、数据呈现的应用上，离数据自动分析、诊断、反馈到自动调整控制还有很大一段距离，尤其是在智能化上还存在很大的瓶颈和制约。

　　从技术和管理的角度看，中国制造要走向智能制造，主要还存在五大难点：

　　一，智能制造是基于新的物联网、大数据、云计算等数字化技术与先进制造技术的深度融合，贯穿于从设计、供应、生产制造、服务等整个供应链制造、运营和管理的各个环节。

　　因此，智能制造包含两个系统工程，一个是智能制造技术(制造技术和信息技术)整合的系统工程，另一个是管理的系统工程。目前，这两个系统工程不仅是中国企业面临的问题，欧美企业也同样面临这个问题。

　　二，装备制造业仍然是瓶颈，跟不上智能制造发展的要求。智能制造最终还是要落到制造技术和装备上，虽然我国在互联网、物联网、大数据、云计算等数字化技术以及5G的深入应用上处于优势地位，但制造最后的执行单元还得是机床，在这方面我们与欧美日企业相比还存在很大的差距，比如工业机器人、3D打印、芯片光刻机、高精度的测量测试设备等。

　　三，基础数据平台深度开发不受控。企业要实现智能制造，需要两个基础系统平台，一个是MES系统，另一个是ERP系统，而这两个系统我们没有自主的软件平台，还是要依赖于欧美，因此在深度定制开发上还是受限制。

　　四，算法开发。智能制造需要基于数据并充分挖掘数据价值而实现自决策、自管理、自学习，从数据源采集、数据呈现、数据分析到自行诊断、自动反馈、自动调整控制，中间就离不开算法的开发，智能的核心也就是算法。

　　而算法开发是一个多元跨界和交叉学科的工作，既要求对业务有深入理解，又要有IT技术思维。目前，我们在算法开放的资源上还存在很大的差距。

　　五，管理和组织的变革。一方面，智能制造基于数据实现端对端、信息充分共享、管理平台化，打破了企业原有的金字塔官僚管理体制结构，来自原有权力结构拥有者的变革阻力会很大，往往他们还掌握了决策权，导致智能制造的资源投入不到位。

　　另一方面，管理方式会因信息平台化而发生改变，个体和任务小团队的自管理、自决策机制会越来越普遍，但是，目前还没有找到很好的组织管理方式及组织文化激发个体和小团队的工作意愿并相互协同。

　　基于以上原因，未来智能制造之路还有很长一段时间需要去探索，其中有三点是需有所创新和突破：

　　一是在技术上需要自主研发，突破装配和软件技术的瓶颈，同时关注整个生态链中的核心技术;

　　二是在适应性上，需要推动组织和管理的变革，以适应信息技术带来的管理变化。

　　三是在智能化的道路上需要引入系统工程、顶层设计，才有可能实现制造技术、信息技术和组织管理三者的深度融合。