人类知识的积淀经历了漫长的岁月，一直以来采用的主要模式都是师傅带徒弟，存在着知识传承周期长、容易出现知识流失的缺点。随着智能技术快速发展，人类知识传承的发展模式将会发生变革，以智能技术为核心驱动，以数据为传递载体实现知识传承，知识的普及速度将会持续加快，获取知识的成本将会急剧降低，知识复用的价值也会下降。
历史上曾经有这么一则故事，20世纪初福特公司一台电机出现故障，很多工程师都修不好，于是聘请德国专家斯坦门茨来维修。斯坦门茨在电机旁边观察边敲打，然后用粉笔在电机外壳画了一条线：“打开电机，在记号处把里面的线圈减少16圈。”福特工程师半信半疑地将线圈减少，结果电机真的好了。 这次电机维修斯坦门茨收取了1万美元酬金，他还特地列了一张费用说明：“用粉笔画一条线1美元，知道在哪里画这条线9999美元。”
随着工业智能的发展，未来经验主义与数据驱动的知识传承将会彻底发生碰撞，过去基本都走过经验主义道路，靠习惯和工作经验来开展工作，靠老师傅在一线车间的经验传帮带徒弟。
但是当智能技术发展后，从数据中展现出的知识将会逐步代替人类专家“发现问题、解决问题”。将过去以来专家经验发挥价值转变为依赖数据发挥价值，知识就是财富没有变化，但是重复性利用知识获取财富的模式将不复存在，未来能够持续依靠知识获取的模式将越来越以来创新，人类知识的边界将不断被突破，知识复用获取的价值将远远低于知识创新获取的回报。
现今的制造企业，是一个由数据充斥的商业综合体，其数据有很多种。简单列举就包括数据采集 、数据存储与备份、数据安全、数据建模与可视化、数据分析与预测等过程数据；涉及的数据类型包括静态数据和动态数据，也可以分为实时数据和非实时数据，还可以分为结构化数据、半结构化数据和非结构化数据，来源包括企业的信息系统、设备、传感器 、供应链以及社交网络。
在工业领域，每天都会产生大量具备重复性特征的数据，具备从数据中提取知识进行传承的先天优势，如何从这些种类繁多的数据中挖掘价值？如何让企业从依靠经验主义过度到数据价值洞察阶段？企业自身转型的同时也在推动者工业智能技术的快速发展，有需求的牵引才能加快技术的研发与孵化，工业智能的发展将会快速取代大量重复性、低创新性工作，因为这些工作所需的技能从数据中就可以简单获取，并可以采用智能技术转变为数据智能，数据智能赋能工业机电设备代替人类工作，这就是工业智能化变革的内在驱动力。
