作为世界工厂，中国对于制造业的前沿发展一直保持着警醒的态度，很多国内的优秀企业也都提出了智能工厂的建设目标，甚至有些企业已经开始尝试去建设自己的智能工厂。但仍然有四大鸿沟亟待这些中国企业去逾越。

首当其冲的是信息的收集和分析体系。对于智能工厂来说，其核心要求之一是要实现信息流、物资流和管理流合一。而这样的雄心需要强大的数据收集和分析体系去支持。德国一家世界领先的制造业企业曾表示，在全面建设智能工厂之前必须回答两个问题：一，产品从设计到生产到售后服务，哪些数据需要收集；二，如何设计一套数据分析体系使得这些被收集上来的数据可以有效地支持工厂的经营和决策。对于中国企业来说，长期处于产业链的低端环节使得其在信息的收集和分析能力上有所欠缺，很多中国企业连工厂的管理通报都并不完备，即使是行业的领军企业，也在前几年才消灭了企业内部的信息孤岛，建成了企业内部统一的信息管理体系。但是距离全面、有效地管理信息，综合使用信息还有相当的差距，更何况智能工厂对于信息的创造性使用提出了新的要求。

如果说智能工厂是一个聪明的大脑，那么智能的供应链，就是这个大脑里反映迅速的神经元体系。安全性、效率、成本、可靠性、灵活性、响应速度，这六大要素组成了支撑这个供应链管理体系的边界。中国企业长期以来对于安全性、效率和成本这几项供应链管理的基本要素较为重视，但对于代表着供应链服务水平的可靠性、灵活性和响应速度的能力建设一直不够。当然这样的能力建设并不简单，仅可靠性来说就涉及到供应商的开发和发展，这两项都意味着向供应商开放自己的管理体系，进行利益分享和长期的深度合作。

同样，对于灵活性来说，也需要厂商在工厂建设之初就与重要的供应商达成协议，按照供应链管理的要求进行厂房布局。中国制造业的产业集群中产业上下游的集群效应弱于产业聚集效应的现状，在供应链的管理环节体现无疑。

智能工厂的信息流、物流、管理流再怎么优化、如何同步，也离不开有效的组织架构和充分的人力资源以保持其高效运营。中国的制造业企业相对来说组织架构相对层级较多，组织内部沟通成本较高，其业务、职能部门划分建立在原有的社会化生产的基础上，强调市场（销售）导向，在生产上一手抓产能，一手抓质量。而到了智能工厂时代，客户参与的产品研发方式、全面的信息收集和分析、全新的供应链管理都要求整个工厂的组织必须围绕着新的生产方式设计。而对于人力资源来说，开放式的产品设计研发，智能化的生产设备的操作以及维修养护，工厂信息的收集分析，复杂的供应链管理体系无一不对智能工厂的人才提出了更高的要求。而这样的要求也是中国制造业低端劳动力相对供应充足、高端劳动力长期缺乏的现状较难满足的。

而投资回报则是制约智能工厂发展又一桎梏。虽然投资回报问题并不是中国制造业企业所独有，世界制造业的领先企业也在估算，如果将整个产品从开发到售后服务的全部关键环节都纳入数据收集和分析体系，那么这个极为复杂的信息中枢所带来的收益是否可以弥补其巨大的成本开支。对于中国企业来说，对于投资回报的考虑可能还是集中在智能工厂所带来的生产效率的提高和人员数量的下降是否可以弥补设备和系统的投入支出。尽管中国制造业的劳动力成本在最近几年里快速上升，但是和西方发达国家制造业企业仍然差距明显。对于欧洲的制造业企业来说，如果一台设备10万欧元，可以用于代替生产线上一个人工工序，从而节省下来两班倒的两个工人年工资基本上就已经和设备投入持平。而对于中国企业来说，制造业熟练工人的年工资不过也就在5万元人民币左右，一台10万欧元的设备如果只代替了一个人工工序的话，其节省的人员开支只是其设备价格的十分之一。这使得劳动力成本对于智能工厂发展的影响在中国变得并不那么紧迫。

智能工厂既是一项系统工程，同时也是一家制造业企业需要去逐步建设的能力。对不同行业、不同外部市场竞争格局、不同发展阶段和不同企业能力的企业来说，其建设智能工厂的重点和着手点也不尽相同，中国制造业的产业升级虽然紧迫，但切忌盲目，根据自身情况有的放矢、循序渐进才是通向智能工厂的大道。

更多最新、最前沿的智能制造资讯，可以随时关注本站或扫描下面二维码关注我们。