智能制造与人工智能、自动化
随着人工智能技术的迅速发展，图像、语音识别等技术开始广泛用于生产制造的过程，帮助人类从枯燥、恶劣的工作环境中解放出来，意义重大。故而，有人认为“智能制造就是人工智能在制造业的应用”。但这个观点并不准确、且非常容易对公众产生误导。
人工智能传统上有 3个学派。符号主义又称计算机学派，侧重模拟大脑的逻辑推理功能；联接主义又称人工神经元学派，侧重模拟脑的结构，擅长知识的学习；行为主义又称控制论学派，侧重模拟脑体的协同、追求知行合一。在很多学术场合下，人工智能专指前面两个学派。以深度学习为代表的所谓“新一代人工智能”就是联接学派发展而来。
然而，与智能制造联系最紧密的应是控制论学派。控制论的主要思想可追溯到 20 世纪 40 年代维纳的《控制论》。维纳研究了动物和机器的差别，认为动物区别于机器的一个显著特征是对信息的感知和处理；动物能随时感知外部环境的各种变化而调整自己的行为，而不像多数机器那样只按既定的逻辑顺序执行。这一理论的实质就是主张将感知、决策和执行3个要素统一起来。
维纳的思想随着工具手段的发展促进着理论和实践的进步。“感知”和“决策”本质上是针对信息的，而“执行”最终是针对物质实体的。所以，两者的统一需要将信息和物理联系起来。这种思想在瓦特蒸汽机中就有体现。但是，蒸汽机的感知和计算，是用机械装置这种物理实体实现的。这种实现方法非常巧妙，却不具一般性、难以推广。这种约束直到弱电的出现，信息的感知和计算可以用弱电来实现，并转化成强电来驱动物理实体。于是，依靠“电”这种手段，把信息领域和物理领域联系了起来。控制论就是在这种背景下产生的。控制理论中，经典的模型是用传递函数、状态方程描述的。某种意义上说，这种模型的广泛使用与最初的技术手段有关，控制器往往是用电感、电容等电子元件搭建的。这种模型虽然简单，但应用上还是有局限性的。到了计算机时代，能描述的数学模型大大拓展、具有了一般性。后来，互联网的应用又使得人们对资源的可观、可控能力大大提升，进而把人类带入了智能制造的时代。因此，智能化和自动化的理论一脉相承，但实现手段有极大的改善。
从经济学上看，可观、可控能力的提升，导致资源配置能力的加强、进而导致经济性的改善。具体表现为，传统自动化往往局限于较小空间范围内，而智能制造能够实现跨区域、跨部门乃至跨企业的大尺度控制和优化。例如，上海优也信息科技有限公司在山东某钢厂的工作，实现了煤气产生方、使用方和缓冲方的实时优化调控。技术原理虽然容易理解，但相关设备分布在几平方千米的范围内，离开互联网的支撑，是不具备技术可行性的。所以，ICT基础技术条件的改变是推进自动化走向智能化的关键因素。
相比而言，自动化偏重代替人的体力劳动，而智能化则偏重代替人的脑力劳动，也就是决策。这也是两者的一个重要区别。因此，知识的数字化、模型化、软件化，促进机器的认知和决策能力，是智能制造的关键技术。
