问题——制造业转型进入“深水区”，亟需从局部改造走向系统升级。
近年来，我国数字技术与智能应用快速发展，带动生产现场发生可感可见的变化：自动化设备提升了产线稳定性，智能机器人提高了焊接、装配等工序的效率与一致性，智能装备与物流协同让现场调度更加精细。
与此同时，行业也面临现实挑战：部分企业仍停留在设备联网、数据采集等“数字化”阶段，应用碎片化、标准不统一、区域发展不均衡等问题制约规模化复制推广；一些关键软件、核心算法、工业基础数据等短板仍需补齐，系统性能力建设迫在眉睫。
原因——外部竞争压力与内部要素重构共同推动“数智化”成为必答题。
当前全球产业竞争从单点成本优势转向综合效率、质量与韧性竞争，新技术加速迭代使制造模式和产业组织方式发生变化。
业界普遍认为，传统依靠扩大产能、压缩成本的路径空间收窄，而以数据驱动的设计、制造、运维全链条协同，正成为提升竞争力的新方向。
专家指出，“数字化”更偏向把信息记录下来、把流程搬到线上，“数智化”则强调把数据转化为决策能力与自适应能力，推动研发、生产、质量、供应链等环节实现可预测、可优化、可闭环，进而形成持续改进的体系化能力。
这种转变不仅是工具升级，更是组织、流程、人才和治理方式的整体重塑。
影响——提质增效的同时，产业形态与竞争规则正在被重写。
一方面，智能装备与数据模型进入核心工序后，高性能制造、精密制造等领域的稳定性与一致性明显提升，质量管理由事后抽检向全过程可追溯转变，供应链协同从经验调度转向实时联动，有助于降低停机损失、减少材料浪费、提升交付可靠性。
另一方面，数智化正在催生新的产业分工与协作方式：围绕智能工厂、数智化车间、智慧仓储等载体，企业更需要在研发、制造、服务之间打通数据链路，实现从“卖产品”向“卖解决方案、卖全生命周期服务”延伸。
随着相关技术更广泛地融入工业核心领域，研发创新可能呈现更强的一体化特征，制造组织将更突出自主化、柔性化，供应链管理也有望向自适应和韧性提升转变。
对策——以系统工程思维统筹推进，抓住标准、协同与生态三大关键支点。
与会人士强调，智能制造已上升为关乎国家产业竞争力的系统工程，不能靠单个企业单打独斗，也不能只做“看得见的设备更新”。
其一，强化核心技术攻关与产业化应用，围绕关键软件、工业基础模型、工业数据治理、关键装备等领域提升自主可控水平，形成可复制的解决方案。
其二，深化供需协同与场景牵引，推动龙头企业、专精特新企业、科研机构与服务商联动，围绕典型场景打造示范工程，带动产业链上下游共同提升。
其三，坚守绿色底线，把节能降耗、资源循环、绿色供应链纳入数智化改造目标，让效率提升与绿色转型同向发力。
其四，激发企业主体活力，完善人才培养与组织变革机制，推动管理体系与技术体系同步升级。
其五，筑牢系统生态，尤其要发挥标准化的牵引作用，以统一规范促进设备互联、数据互通、系统互操作，降低企业转型成本与试错风险。
业界人士指出，汽车等行业智能制造能力的持续提升，显示出标准支撑对规模化推广的重要意义；未来应以标准体系建设为核心，以联盟组织等为生态支撑，推动形成以标准为纽带的转型共同体。
前景——数智化将从“示范先行”走向“普及应用”，成为制造业的基础能力配置。
多位专家认为，数智化不再是少数龙头企业的“选修课”，而将逐步成为产业通用的“基础设施”。
面向下一阶段，我国智能制造仍有提升空间：在标准完善、区域均衡发展、整体成熟度提升等方面需持续加力；同时，要把握技术与产业融合节奏，避免盲目上马、重复建设，以可量化的效率、质量、能耗、交付指标检验改造成效。
随着场景持续拓展、生态更加健全、供给能力不断增强，制造业有望在更高层次实现质量变革、效率变革、动力变革，为新型工业化注入更强动能。
制造业的数智化转型是一场深刻的产业变革，既是提升国家竞争力的战略需求，也是适应全球产业发展趋势的必然选择。
从"数字化"到"数智化"的升级，标志着我国制造业正在从要素驱动向创新驱动、从规模扩张向质量提升、从粗放增长向精细管理的方向转变。
当前，需要坚持系统思维，注重务实协同，深化改革开放，把智能制造这篇大文章做扎实、做厚重，为制造强国、网络强国和数字中国建设奠定坚实基础。
只有这样，才能在新一轮全球产业竞争中抢占先机、赢得主动。