智能制造源于人工智能的研究。一般認為智能是知識和智力的總和，前者是智能的基礎，后者是指獲取和運用知識求解的能力。智能制造應當包含智能制造技術和智能制造系統，智能制造系統不僅能夠在實踐中不斷地充實知識庫，而且還具有自學習功能，還有搜集與理解環境信息和自身的信息，并進行分析判斷和規劃自身行為的能力。

一、生產模式與材料的制約

在本文中，我們明確智能制造以實現“個性化生產”這個提升企業自身競爭力的產品戰略為導向，采用信息技術，將生產中各個環節的數據傳輸到管理系統，通過動態的優化來“提升質量、降低成本、縮短產品交付周期”。
機械剛性制約
目前很多產業的生產方式，多是對現有的原材料，無論是金屬材料、塑性材料、纖維材料還是半導體材料等，通過一定的切削、成型、編織等工藝進行加工，而這些加工很多在機械上是有制約的。例如制藥，我們不能進行“插單”實現靈活定制化，因為每個批次的藥物需要進行清洗生產環境才能進行另一個生產，很多影響生產質量的參數無法實現在線的調整，這必然會導致產生不良品，而質量迭代需要有批量基礎的數據才能實現提升。

數據未被系統有效采集存儲
目前，在推進智能工廠的過程中，我們會發現由于原有的設備來自不同廠商、不同代次，這造成工廠設備間無法互聯。在控制器上，動態的數據如印刷套色的偏差及影響值、紗線CV值等傳統生產的數據都無法被有效采集。很多時候，這種情況出現并非是技術封鎖造成的。供應商當然不愿意開放核心技術，但很多時候，這些參數在傳統的生產模式下根本未被考慮，因而導致數據被大量浪費，沒有實現有效采集。而無法互聯互通則僅僅是制約因素之一，反倒是相對容易突破的。
信息模型
在很多企業的生產線數據互聯升級中缺乏信息模型，使得對于采集什么樣的數據，如何使用這些數據，都沒有有效的標準化以及應用軟件的支撐。

三、管理升級的制約

精益生產
“精益”是數字化的基礎，這已經有很多共識，包括現在投入到智能制造項目中的人也會深刻體會到這一點。然而，精益生產的基礎在日本已經數十年，應用到中國智造中，卻顯得有些急功近利。
事實上，如果去一些企業，甚至是大企業觀察會發現，在生產制造的質量控制、倉儲物料管理、能源管理、資產維護等環節，仍然存在大量的“浪費”——如果用精益生產的標準去看這些問題，我們就會發現，制造業內部的提升空間仍然是巨大的，僅在現有的生產環節上去挖掘，依然可以帶來巨大的收益，可以讓企業產品質量得到提升，生產成本得以降低。