进智能制造的推进过程会遇到一些困难。下面重点分析了一些容易忽视的困难以及困难之间的逻辑关系。

从IT从业人员的角度看，智能化最具一般性的做法，就是把人脑中的知识进行数字化、模型化，放入计算机中（而不是让计算机自己产生知识）。这种做法最大的好处，是具备很好的可行性——因为计算机的学习能力远不如人类。

我们对智能最基本的理解，是信息感知、决策和执行三个过程的统一。所以，推进智能化所需要的知识，也就围绕着这三个过程展开。但是，我们又曾经反复提出：智能化的目的是创造价值。这个观点可以落实到以上三个要点：感知，要感知与价值相关的信息；决策，围绕价值最大化展开；执行，价值创造的落实。

数据和知识怎么才能与价值挂起钩来呢？依靠的是业务人员而不是IT人员的知识。所以，智能化的做法往往还需要进行转化：把甲方业务人员大脑中的专业知识，转化到乙方IT人员的大脑中。据我的观察，甲方业务人员一般并不善于直接将自己的知识转化出来，所以必须经过这样一个“二传手”，才能将乙方IT人员获得的知识转化到计算机中去。

问题还不止如此。甲方业务人员，凭什么愿意贡献知识？这里有一个意愿性问题。甲方业务人员怎么能表达清楚？这里有一个能力的问题。这两个问题不解决，转化的过程也会有困难。要解决第一个困难，需要企业的制度创新、文化基础；解决第二个困难，可能需要培养一些特殊的人才，善于完成问题的转化，并且有方法论和工具支撑。

乙方IT人员能否把知识转化成代码呢？还会有一些困难。有的可能需要一些专门搞特殊算法（如控制算法）的人来解决。知识转化到计算机以后，还会面临知识的碎片化、冲突问题和知识灵活配置的问题。这个时候，需要设计好的软件架构和平台来解决。

除此之外，还可能有数据采集存储与处理的困难、有信息安全、数据可靠性的困难、资金投入的困难、开发能力的困难等。人们谈论这些问题较多，我就不多说了。