以下是嘉宾发言摘录：
中信戴卡信息总监黄小兵：智能制造不单是工厂车间的智能化，还需要从智能的研发、营销、经营、决策和服务等方面综合实现。在研发方面，中信戴卡的研发中心是全球布局、同步研发，实现24小时的连续研发。我们通过建立PLM系统，持续改善研发、设计、仿真、试验等各方面的能力。在营销方面，中信戴卡不仅面向直接的汽车制造商，还面向汽车的使用者, 对他们在汽车轮毂和底盘零部件方面的需求及时做出响应。在经营方面，中信戴卡集中于供应网络管理、人力资源管理、财务管控、商务智能体系等等。在决策方面, 中信戴卡的工业大数据包含工艺大数据、制造大数据和运营大数据等，大数据驱动的智能决策提升了管理效率。在服务方面,中信戴卡在智能制造的探索和实践中，形成了数字化装备制造、智能化信息管理、高端化模具研制、绿色化能源工程等综合制造服务能力。
中信重工副总工程师邹声勇：中信重工正在特种机器人等领域积极构筑企业的发展新动能，打造国内领先的特种机器人研发和产业化基地。我们正在通过实施特种机器人智能工厂项目，提升产品在设计、工艺、制造、检测、物流等全生命周期各环节的智能化水平，尤其是提升制造过程整体的自动化、信息化和智能化水平，实现物流、信息流、商流和资金流的全面集成，推进中信重工特种机器人智能柔性化制造，这将使生产效率提高30%以上，并将大大降低运营成本和产品不良率。
北京大学管理科学与管理信息系统系副主任董小英：制造业的商业未来将会呈现五层架构。第一层：连接层。全世界的人已经通过互联网连接起来了，但物的连接只有1%。我们的工作、流程和业务的信息化，都是整个数字化和连接进程的一部分，但是这部分还远没有完成。第二层：转化层。连接层最重要的能力就是数字化的能力。我们常说的制造服务化正是基于企业的数字化工作，把数据转换成信息并对其进行分析。第三层：网络层。越是离散型的企业，建立网络越重要，即要在网络空间建立一种集成的能力，比如滴滴打车，他们几乎没有一辆出租车，但是通过在网络空间建立以算法为核心的操纵性资源，他们可以调度全国1.4亿辆出租车。当企业的数据库可以在云端聚集时，就可以对离散性分布的社会具有强大的统帅能力。第四层：认知层。现在资本最青睐的领域就是人工智能，即当企业拥有海量数据，并在云端将其集成之后，可以通过机器深度学习等基于数学统计的方法进行智能推理。第五层：整合层。这一层的企业拥有强大的整合能力，可以对实体资源进行组合和配置，从而能以更加高效、绿色和无缝连接的方式为客户提供端到端的产品和服务。
清华大学全球产业4.5研究院副院长李东红：对于智能制造的未来发展，我们需要考虑三个方面。第一，需要有企业家精神。智能制造进行中可能需要大量的投入，需要富有远见的企业家着力提前布局并常抓不懈。第二，需要在产融结合中推进。智能制造需要吸引更多的资本向制造业聚集，在金融资本和产业资本之间形成良性互动。第三，需要放眼全球的未来竞争。对于已经居于行业领先者地位的企业来说，需要考虑在智能制造时代如何引领全球范围内的行业发展，需要有计划、有步骤地做好智能制造基础架构的建设，做好标准化、自动化、网络化及智能化的相关工作。
清华大学大数据产业联合会秘书长王霞：对于重工业企业来说，重要的是如何让机器数据产生价值。它们与互联网交易的行为数据不同，其背后有着一定的机械和物理原理。这类数据的处理比较特殊，量大，源源不断，传输过程中也要考虑经济性，考虑是所有数据都传，还是有选择地传。发现异常数据之后，要了解异常数据背后的原因，这需要更复杂和更深度的分析。针对数据，有两点需要注意：第一是人，要寻找和培养数据分析、统计、模型方面的人才。第二是企业一把手一定要有数据意识，同时要让员工和业务部门都熟悉这个事情。一个大数据项目的成功，需要业务专家、数据专家、IT专家齐心协力。
北京联讯动力咨询公司总经理林雪萍：数据和知识是智能制造的驱动机制，没有知识或业务模式的指引，数据就不会形成真正的价值。我们需要把企业里的知识或者业务模型更好的固化（比如软件化），用其指导我们的数据采集和分析，数据才能够进入产生价值的阶段。
