智能制造源于人工智能的研究。一般认为智能是知识和智力的总和，前者是智能的基础，后者是指获取和运用知识求解的能力。智能制造应当包含智能制造技术和智能制造系统，智能制造系统不仅能够在实践中不断地充实知识库，而且还具有自学习功能，还有搜集与理解环境信息和自身的信息，并进行分析判断和规划自身行为的能力。

一、生产模式与材料的制约

在本文中，我们明确智能制造以实现“个性化生产”这个提升企业自身竞争力的产品战略为导向，采用信息技术，将生产中各个环节的数据传输到管理系统，通过动态的优化来“提升质量、降低成本、缩短产品交付周期”。
机械刚性制约
目前很多产业的生产方式，多是对现有的原材料，无论是金属材料、塑性材料、纤维材料还是半导体材料等，通过一定的切削、成型、编织等工艺进行加工，而这些加工很多在机械上是有制约的。例如制药，我们不能进行“插单”实现灵活定制化，因为每个批次的药物需要进行清洗生产环境才能进行另一个生产，很多影响生产质量的参数无法实现在线的调整，这必然会导致产生不良品，而质量迭代需要有批量基础的数据才能实现提升。

数据未被系统有效采集存储
目前，在推进智能工厂的过程中，我们会发现由于原有的设备来自不同厂商、不同代次，这造成工厂设备间无法互联。在控制器上，动态的数据如印刷套色的偏差及影响值、纱线CV值等传统生产的数据都无法被有效采集。很多时候，这种情况出现并非是技术封锁造成的。供应商当然不愿意开放核心技术，但很多时候，这些参数在传统的生产模式下根本未被考虑，因而导致数据被大量浪费，没有实现有效采集。而无法互联互通则仅仅是制约因素之一，反倒是相对容易突破的。
信息模型
在很多企业的生产线数据互联升级中缺乏信息模型，使得对于采集什么样的数据，如何使用这些数据，都没有有效的标准化以及应用软件的支撑。

三、管理升级的制约

精益生产
“精益”是数字化的基础，这已经有很多共识，包括现在投入到智能制造项目中的人也会深刻体会到这一点。然而，精益生产的基础在日本已经数十年，应用到中国智造中，却显得有些急功近利。
事实上，如果去一些企业，甚至是大企业观察会发现，在生产制造的质量控制、仓储物料管理、能源管理、资产维护等环节，仍然存在大量的“浪费”——如果用精益生产的标准去看这些问题，我们就会发现，制造业内部的提升空间仍然是巨大的，仅在现有的生产环节上去挖掘，依然可以带来巨大的收益，可以让企业产品质量得到提升，生产成本得以降低。