应用先进的技术和专业知识，以创造能为英国带来持续增长和高经济价值潜力的产品、生产过程和相关服务被称之为"高价值制造"。

英国政府推出了系列资金扶持措施，保证高价值制造成为英国经济发展的主要推动力，促进企业实现从设计到商业化整个过程的创新：在高价值制造创新方面的每年直接投资翻番，约5000万英镑；重点投资能保证英国在全球市场中占据重要地位的技术和市场；列出了22项"制造业能力"标准作为投资依据，以此衡量某项投资的价值性；投资高价值制造弹射创新中心,为需要进行全球推广的企业提供尖端设备和技术资源；开放知识交流平台，包括知识转化网络、知识转化合作伙伴、特殊兴趣小组、高价值制造弹射创新中心等，帮助企业整合最佳创新技术，打造世界一流的产品、过程和服务。

美国政府高度重视智能制造的发展，并把它作为21世纪占领世界制造技术领先地位的基石。从上世纪90年代开始，美国国家科学基金(NSF)就重点资助有关智能制造的多项研究，项目覆盖了智能制造的绝大部分，包括基于多施主(multi-agent)的智能协作求解、智能并行设计、物流传输的智能自动化、制造过程中的智能决策等。2005年，美国国家标准与技术研究所(NIST)提出了"聪明加工系统(smart machining system，SMS)"研究计划。

之后的几年中，美国不断推陈出新。2011年，美国总统奥巴马宣布实施包括工业机器人在内的先进制造联盟计划；2012年，"创客运动"凭借准入门槛低、创新快、创新精神强烈的优势蓬勃兴起，推动了互联网和制造业的融合；同时，美国通用电气公司（GE）在世界各地大力推动他们关于产业设备与IT融合的新理念——"工业互联网"，将其定位为一场新的"革命"，即通过高功能设备、低成本传感器、互联网、大数据收集及分析技术等的组合，大幅提高现有产业的效率并创造新产业。

"工业4.0"概念诞生于2005年德国人工智能研究中心开发的Smartfactory成立之际，其最终目的是在工业生产过程中实现人工智能技术以及网络技术的广泛应用。2011年德国政府将上述目的定位为一项高科技技术战略，并取名为"工业4.0"。在2014年4月的汉诺威工业博览会上，"工业4.0"成为了大会的主题。德国"工业4.0"战略的核心内容可概括为：建设一个网络、研究两大主题、实现三项集成。

同时，"工业4.0"战略提出将通过8项行动来保障"工业4.0"的实现，包括：标准化和参考架构、管理控制系统、为工业建立全面宽频的基础设施、安全和保障、工作的组织和设计、培训和持续的专业发展、监管框架、资源利用效率。

随着工业IT化和互联网化带动工业互联网时代到来，IT在企业中的角色将发生革命性变化，从承载技术演进为业务平台，第一次成为核心生产力的一部分，因此对工业宽带也提出了更高的要求。

首先，工业互联网必须建立在连续采样、大体量的工业大数据基础上，而海量数据的传输和存储，要求容量、带宽、存储与数据处理能力更强大。其次，无数的工业设备、终端、供应链和人之间形成庞大的网络，要求信息的传达都是实时的、连续的，因此对网络的稳定性和网络的覆盖率提出了更高的要求。再次，智能制造一大特征就是进行网络化生产，网络化生产增加了设备、终端等交互方式的多样性，要求网络必须根据各层面交互和共享的平台体系和工作流去进行分布式配置和优化，这对网络设备的交互、共享能力也提出了更高的要求。最后，智能制造的开放式创新体现在产业链的各个环节，带来的系统风险也在增加，更容易导致影响生产、商业机密外泄等内外部的网络安全风险存在。目前全球已经有多起为了操纵股价或者窃取机密而发生的针对制造业的网络攻击了，这也要求工业宽带网络要有更高的抵御网络安全风险的能力。

数字工厂是以物理工厂为基础，以先进的信息化技术为方法，构建真实工厂的虚拟现实仿真，实现对产品全生命周期的设计、制造、装配、质量控制和检测等各个阶段的功能，对生产进行规划、管理、诊断和优化，从而实现工厂的高效率、低成本、高质量。而高效、快速、柔性，正是数字化企业为制造业带来的最大变化。

在数字工厂的生产模式下，工艺设计由计算机辅助数字仿真与优化完成，代替长久以来的手工方式，形成精确可靠的设计结果；ERP系统对质量管理、生产绩效、依从性、产品总谱和生命周期管理提供业务分析报告，为管理层全面准确掌握生产数据提供有力的信息保障。在控制层，MES系统实现对生产状态的实时掌控，快速处理制造过程中物料短缺、设备故障、人员缺勤等各种异常情形，记录每个产品的关键技术数据，大大增强了产品的可追溯性。在执行层，各种工业机器人、移动机器人和智能设备将代替人工进行生产，显著提高生产精确度和产品质量稳定性。

与智能制造不谋而合，数字工厂为智能制造提供基础条件。数字工厂从数据的采集开始，通过信息技术手段对数据进行存储、加工、分析和呈现，从而反馈到生产中。

大数据驱动的企业强调的是"系统的系统"，是通过全程、全链条的数据化而获得更智能、更高效的系统化能力。这其中"数据"是关键灵魂，产品因为有了"数据"的特征而拥有更高的附加值，生产制造过程因为数据化而实现制造流程最优化，从而变得更精益化、柔性化、智能化，企业因为拥有从用户到制造全生命周期的数据而实现效益的最大化。

在这一进程中，将涌现出更多的D世代企业，即大数据分析驱动型企业，可以战略性运用云计算、移动、社交和大数据分析工具，掌握并预测以客户为中心的市场状况和变化趋势，并根据数据洞察生成最佳行动建议，数据贯穿企业研发、生产、营销、服务等管理运作。

中国有着全球最丰富的制造业群体，打造大数据驱动的制造企业，从产品的智能化、生产制造的智能化、企业的智能化这三个维度出发，不同的企业有不同的历史背景、不同的基础，因而应该选择不同的发展路径、不同的切入点来形成自己独有的优势。

    开展智能制造重大专项工程，探索应用发展模式。以推广普及智能工厂和智能制造模式为重点，分领域组织实施智能制造推进工程。加强技术攻关，选择电子、汽车、机床、航空、机械、纺织、冶金、石化等重点行业，通过两化深度融合、工业转型升级、智能制造装备发展、物联网等专项，围绕推广普及智能制造单元-智能车间-智能工厂-智能制造系统，组织开展装备智能升级、工艺流程再造、基础数据共享、远程诊断维护等试点，探索应用模式，形成一系列成熟的可复制推广的应用模板，推动制造业向智能化发展转型。

    加强标准规范制定和推广，促进跨界互联互通。未来，我国在推进两化深度融合的具体实践中，应高度重视标准在工业转型升级、两化深度融合战略和战略性新兴产业发展中的引领作用，及时制定出台两化深度融合标准化路线图。组织有实力的企业联合行业协会、科研院校、专业机构等行业资源共建产业发展联盟，推动行业标准制定和升级，实现行业间网络、技术等互联互通。在国内加强标准化研究的同时，还要努力推进标准的国际化建设，使中国设立的标准走向世界，得到国际上的广泛支持和应用，以夺取战略性新兴产业发展的全球制高点。

    多方联动推动制造业的智能化、网络化、创新发展。我国应充分吸收和借鉴发达国家"官产学研用"的多方联动模式，抓住工业转型升级的关键环节，通过引导和支持企业与高校、科研院所联合，将政府的创新资源和战略、高校研究机构的成果和企业的生产能力有机结合起来。以市场应用为导向，选择重点行业和关键技术领域进行试点，以行业骨干企业为龙头，联合科研实力雄厚的大学和科研机构，组建多种形式的产学研研发联盟，开展新产品、新技术、新工艺研究开发和应用推广项目，通过优势互补、协同创新，开展联合攻关，风险共担和利益共享，共同发展的产学研联盟，推动产学研合作由短期合作、松散合作、单项合作向长期合作、紧密合作、系统合作的转变。

    建立健全智能制造人才培育体系。引导高校设立针对性的专业教育，鼓励工业企业和信息技术企业联合开展在职工人技术再培训，支持第三方机构开展智能制造相关培训，鼓励海外技术人才，尤其是高级人才回国创业。