一群博士，或主動或被動，正在用科技改變老舊的行業。

作者 | 劉景豐

編輯 | 宋家婷

2018年初冬，在跟老同學吃過一頓飯後，陳仁做了一個決定——放棄騰訊自動駕駛核心技術負責人的職位和優厚的待遇，選擇做一名紮在鋼鐵廠的“工人”。從外人看來，這個決定太不能理解了。

無獨有偶。一年之後，也是冬天，林巧正也辭掉了阿里的工作，加入專注於礦山無人駕駛解決方案的初創公司易控智駕，成為上述礦場上為數不多擁有博士學歷的“工人”。

這並不是他們的一時衝動。兩年後的今天，在回首當初的選擇時，他們仍堅定地認為，工業才是未來科技最好的應用場景之一。

兩位國內頭部大廠“資深程式設計師”的選擇，在一定程度上，可看作是當下科技人才流向的微妙變化。

BOSS直聘研究院資料顯示，自2018年Q3起，儘管網際網路仍然是人工智慧人才需求的主導行業，但傳統行業AI人才發展指數也大幅增長。到今年春招，傳統產業界的應屆博士生招聘需求同比增幅達到75.7%。但另一個現實的問題是，隨著老齡化加速，招工難愈演愈烈，工廠越來越難留住年輕的打工人，其生產方式也與當下的前沿科技無緣。

於是在這些傳統工廠裡，一種工人的兩極化流動正在悄然發生：一方面，疫情加劇了工廠的生產壓力，年輕人正加速逃離傳統工廠；而另一方面，一些名校碩博畢業、擁有多年網際網路行業技術沉澱的科技人才則把目光投向工廠、礦山，試圖用科技改變老舊的行業。

懷揣技術的博士與身懷經驗的一線工人，正在發生一場化學反應。

這場化學反應很可能會影響新一代年輕人的職業選擇，也註定影響著中國工業的前途命運。

1.博士湧進工廠

即使在大牛雲集的網際網路領域，陳仁的履歷也算得上耀眼。

2009年，畢業於華中科技大學的陳仁開始進入影象識別領域，後又轉向深度學習，並在滑鐵盧大學攻讀博士學位；2013年陳仁加入百度，是百度IDL（深度學習研究院）早期核心成員；2016年加盟騰訊，參與組建自動駕駛技術團隊，併成為騰訊自動駕駛核心技術負責人。

用同學的話說，他“永遠踩在人類技術最快的車道上”。

如果他的人生按照這樣的軌跡走下去，陳仁的未來應該是在大廠實現持續的職業升遷和收入的倍增，成為別人眼中的“成功人士”。

但2018年底，他卻下定決心離開舒適圈，與冶金工業自動化領域的資深專家陳洪成立了工業智慧製造解決方案提供商瓦特曼智慧（WATTMAN），做了一名常駐鋼鐵廠、鋁廠的“鋼鐵俠”——據說他每個月30天中，有20天以上是在這些工廠裡，至今依然保持這樣的頻率。而此前，他很少到客戶的現場出差。

然而這些基礎重工業企業內部卻是另一番景象——生產工藝傳統、生產環境依舊充滿危險，年輕工人越來越少。

普通人經常在新聞中看到的鏡頭——鋼鐵廠內鋼包（高溫熔爐，盛鋼水的鋼製容器）在輸送和傾倒鐵水，實際上這是需要三個人協同操作完成的：一個工人在懸樑上駕駛天車，一個工人在地面觀察，另一個工人則在地面根據觀察員的反饋指揮天車駕駛員。

即使這樣謹慎，仍然會有發生危險的可能性，畢竟鐵水的溫度高達1600℃，一旦洩露或傾灑，所到之處便滿目瘡痍。

鋼廠並非沒有考慮運用控制系統和機械裝置來完成這一操作，但現實是，在高溫、腐蝕性的環境中，用機器吊運超過十噸重的鋼包還面臨著不少難題，傳統自動化方式沒有很好的解決方案，而最前沿的人工智慧技術又與工業尤其是重工業的車間隔著長長的距離。

在調研過數十家工廠後，從北京大學微電子系研究生畢業的譚勝虎對技術與應用間的鴻溝有過非常大的觸動，這也是他和陳仁做出職業轉向的重要原因——縮短人工智慧技術與重工業的距離。

林巧的經歷，與陳仁十分相似。

林巧是浙江大學光電學院的博士，2017年以後在阿里巴巴菜鳥網路ET實驗室擔任無人物流車硬體負責人。在大廠領導一個技術團隊，這本是程式設計師最好的發展之路了。但隨著工作越深入，林巧越感覺到自己正陷入一個怪圈——明明很有前景的技術，卻在落地時陷入難產。

在慎重思考後，他意識到這個怪圈形成的原因——一是場景剛性需求痛點不夠，但更重要的是方法的問題。

如果找不到一個合適的場景，技術推廣起來會十分吃力；如果又沒有一個好的方法，那做落地時則難上加難。

針對自動駕駛的落地場景，林巧心中已慢慢有了答案——業內已經形成共識，礦區、港區、園區以及機場這“四區”是自動駕駛技術落地最近的幾個場景。而落地的方法，則需要自己到現場去尋找。

他的職業選擇轉機出現在2019年夏天，趁著休假，林巧來到鄂爾多斯的露天礦上“體驗生活”。儘管只待了一天，但巨大的礦車、陡峭的礦坑以及漫天飛揚的黃沙，都給他留下了深刻的印象。“從未體驗過這麼大的礦車，僅輪胎直徑就1.4米，幾乎跟成年人的肩膀一樣高。而且，到駕駛室是需要手腳並用爬上去的。”林巧回憶稱。

在礦區行駛的寬體礦車

如果這些體驗算是滿足了一個人的獵奇心，那另外一個體驗就讓大多數人受不了——礦區上沙塵極大，而且當時所在礦區的道路邊上是深約七八十米的邊坡。“坐在那麼大的車裡，感覺就跟在懸崖邊走路一樣。”至今回想起來，林巧仍舊心有餘悸。

但林巧也有很多收穫：礦區的作業環境是無人駕駛落地的絕佳場景，路上沒有行人、車輛管理有序。最重要的，這不是個偽需求——礦上的司機平均年齡接近50歲，他們馬上就幹不動了，此外他們還流動頻繁，極不穩定。

8個月後，林巧離開阿里辦公室的舒適沙發，加入礦區無人駕駛初創公司易控智駕擔任技術副總裁，過上了跟陳仁一樣的“艱苦”生活——50%的時間都在礦區出差。

實際上，“盯”上工廠、礦區的不單是程式設計師個體。就在林巧有了進工廠想法的前後，阿里另一個神秘的部門也把目光悄悄對準了工廠。同期阿里犀牛智造的工程師們也在“上山下鄉”——在犀牛智造，所有的演算法工程師都需要先到生產線上去做一段班組長，有一位南洋理工大學的演算法博士，到工廠之後也從班組長幹起，跟工人們同吃同住兩個月。

華為在跟傳統鋼鐵廠合作時，也會把剛招進來的博士專家派到工廠裡，與工人一起熟悉整個生產流程。

從資料上看，博士湧進工廠正成為一個確定的趨勢。BOSS直聘研究院的資料顯示，今年春招，產業界的應屆博士生招聘需求同比增幅達到75.7%。其中，“博士大戰”競爭最為激烈的三大細分領域是數字技術、醫療健康和智慧製造。相似地，對於碩士畢業生的需求同樣集中於數字技術、教育、醫療健康和製造業領域。

“博士大戰”的背後，是傳統工業在數字化轉型中，越來越重視基礎研究和前沿技術的應用。

2.中年程式設計師，跳出大廠的束縛

在騰訊自動駕駛部門，孫銀健向陳仁彙報。在得知自己的領導選擇去工業領域創業後，2019年，孫銀健也從騰訊辭職，加入瓦特曼智慧。

從履歷上看，他也是個實力派——985名校畢業，本科、研究生均在自動駕駛領域學習、進行技術研究，畢業後進入上汽集團，後又進入騰訊無人駕駛部門。但隨著工作越久，他心中的困惑越來越大，“從事的技術看上去高大上，但是越做越發現它離真正的落地有很大的距離。”

在騰訊工作的兩年裡，他參與的自動駕駛demo專案至少四五個。但這些專案最終都沒能落地。“每個專案做完，都感覺有點飄著，心裡不踏實。”孫銀健說。

離應用場景更近的創業公司，成了這些技術應用抱有執念的大廠程式設計師最好的選擇之一。

不過，對大廠程式設計師來說，更直接的瓶頸是個體越來越成為螺絲釘。

在30歲以前，一名程式設計師會習慣於上級領導搭好程式框架，自己在上面填充程式碼；但30歲之後，這種方式會將程式設計師禁錮在一個細分的工種上，最終成為整個流水線上的一顆螺絲釘，而且是一顆隨時可替換的螺絲釘。

尤其對於一個非管理層的程式設計師，在需要兼顧家庭的需要時，必然在工作上的積極性會被降低。這從加班氛圍上也可以看得出來。一般晚上9點以後，網際網路公司辦公室裡加班的程式設計師，超過2/3是35歲以下的程式設計師。在同樣技能水平下，企業當然更願意招新人而淘汰精力不足的老程式設計師。這也是為什麼說，35歲是程式設計師職業中的一道坎。

壓力使得大家開始不斷內卷。即使在沒有緊急任務時，一些程式設計師也要“自願”留下加班，甚至有些35歲以上的基層程式設計師每天都活在焦慮中。工業機器人公司翼菲自動化軟體負責人張忠法曾面試過一位從網際網路公司走出來的演算法程式設計師，“不到40歲，頭髮已經全白了。整個人看上去像是50歲了。”

但在傳統的工廠裡，落後的產線急需改造，年輕工人不斷流失加速了機器換人，這恰好需要掌握著技術和豐富工作經驗的程式設計師來實現。

對於林巧這類已經走上管理崗位的程式設計師來說，不會存在“螺絲釘”的職業瓶頸。他們在大廠的職業瓶頸，更多體現在決策權的侷限上。

在大公司，一個很常見的情況是，對上級報喜不報憂，“原本需要3年才能落地的專案，經過層層轉達，到了最高一級很可能變成2年甚至1年，這便嚴重脫離了實際。”一位網際網路大廠的中層管理人員稱。最後的結果就是，職級越高，離行業的真實水溫越遠。

以多家大廠都在佈局的末端機器人為例，在實現了demo驗證之後，各家便進入商業化競賽。2018年全球物流峰會上，菜鳥ET物流實驗室曾對外宣佈，“未來3年阿里菜鳥無人裝置將達到10萬臺”。至今三年之期已過，但這一數字仍未達到。此後，京東物流等公司也相繼推出各自的物流機器人商用計劃，但完成時間已經推遲到4年後。

降低成本是商業的重要目的之一。仍以末端物流機器人為例，如果把原本15萬元的成本強行壓縮到10萬元以內，就需要在硬體上降低要求，然而短期內演算法的迭代解決不了低成本硬體的不足，進而影響產品的穩定性，這意味著，強行壓縮成本的企業很有可能要走回頭路。

即使不走回頭路，這種穩定性差的產品也很難打動客戶，落地的數量也有限，最終還是難以實現商用化。

這正是大廠的侷限。想要打破這個魔咒，最直接的辦法就是跳出大廠的束縛。

自今年以來，不時便有“逃離大廠的年輕人”這類文章出現。在BOSS直聘釋出的《2020年Q3人才吸引力報告》中，網際網路行業對人才吸引已經退居第二，且早已呈流出狀態。

3.大廠進工廠的難題

已經習慣了進工廠的孫銀健有一個感受，他在重工業廠房裡碰到的大廠程式設計師們也越來越多了。

“之前很少在重工業工廠裡見到他們，但今年接觸過好幾次。”他說。這些大廠，包括阿里、騰訊，以及華為等知名大公司。

這似乎不可思議：年輕人紛紛逃離的傳統工廠，從什麼時候開始又變成了IT、網際網路大廠的香餑餑了？

或許早有伏筆。

2016年，馬雲在雲棲大會上喊出“五新”，其中一個就是“新制造”。當時很少有人真正理解這些新名詞，在一些人看來這又是阿里憑空造出的新概念。但在去年的雲棲大會上，阿里釋出全球首個新制造平臺“犀牛智造”，其在製造領域的佈局浮出了水面——實際上在2017年，阿里就開始著手用新技術改造製造業工廠了。

此前淺黑科技在《絕密計劃：我在阿里打黑工》一文中，也曾詳細描述了阿里在早期成立犀牛製造、並讓程式設計師下沉到工廠的全過程。

放在今天看，“新制造”就是用新的網際網路、AI、雲計算等技術將工廠數字化，進而在提升效率的同時，實現柔性生產。不僅如此，阿里的觸角也在從過去服裝加工等輕工業漸漸涉足鋼鐵等重工業領域。

不僅阿里，騰訊在2018年最為人知的“930”變革也向外界展示了其轉向產業佈局的決心。

而華為自2019年以來，也在多地的工廠、鋼鐵廠推出5G智慧工廠的專案。

但問題是，下到工廠裡的大廠，會在多大程度上“賦能”了工廠呢？

2020年，某鋼鐵廠與一家頭部科技大廠簽下合作協議，後者運用其技術能力為其打造一個智慧工廠。在此之前的競標中，這家大廠是排名靠後的，但是最後由於大廠領導親自下場談合作，最終其成功拿下了大單。

拿下大單之後，大廠也很重視該專案，招來數名應屆博士生與公司技術人員駐紮在工廠。然而成果交付的時候，客戶發現這些系統確實有一定的效果，可以用，但在一些細微的方面會出現狀況，穩定性、功能實現上均達不到預期。

“他們特別喜歡用一些炫酷的方法來實現基本的功能。比如在鋼鐵廠架上各種通訊裝置、感測器，並引入各種生產管理系統。這些其實就是為了完成流程記錄而已。”該從業者描述道。

對追求實用的鋼鐵廠來說，這並不是剛需。同時，網際網路大廠更願意聚焦提供一個系統通用、底層的產品（例如：5G、雲端儲存等），但基數設施的鋪設往往並不直接解決具體的生產需求，場景和產品的落地去解決一個實際具體的生產問題對工廠來說更具體、更迫切。

另外一個例子是，此前釘釘在為柳鋼做數字化轉型時，搭建起冷軋資訊管理系統，涵蓋了日常辦公、生產管理、安全管理、裝置管理、資金管理、知識庫六大版塊的50多個特色應用，涵蓋了所有業務流程辦理、裝置巡檢、危險作業管理、物資管理等。但一名熟悉業務的投資人卻抱怨稱，這些都是“花架子”，對生產並沒有起多大的作用。

其背後的原因是，過去大廠一直存在慣性思維——做平臺。即擅長在一個專案中做基礎的架構和設施，但對上層的應用和實用化的細節處理是弱項。

為什麼大廠的程式設計師不能像創業公司，也把50%甚至80%的精力泡在工廠裡？

但創業公司沒有這樣的包袱，而且更靈活。

林巧的感觸是，消費網際網路時代，C端市場可以指數級擴張；但在工業工廠裡，技術的每一步擴張都只能建立在一個個的生產環節上。“在這裡，原來那種平臺化策略不管用了。”他說。

痛點，即是機遇。如今，進工廠的大廠已經找到了更舒服的姿勢——與創業公司合作。

比如，易控智駕在礦區的自動駕駛車輛，就搭載了華為的自動駕駛計算平臺；瓦特曼智慧在鋼鐵廠的智慧機器人，也要用到華為、騰訊的一些基礎裝置或架構。反過來，大廠越來越多地把工程中上層的應用部分分包給有重工業經驗的創業公司。

釘釘與柳鋼的合作也是如此。釘釘走進鋼鐵廠中完成了很多系統的佈局和串聯，但“這裡面在細節上沒有一件事是釘釘做的，包括邊緣計算、智慧識別。”一名熟悉阿里雲的技術專家在講述這一過程時做出如此評價。

4.“吃過的土，就是我們的競爭壁壘”

在北京海淀區復興路乙12號，有一座“中國鋁業大廈”。

這座大樓，曾是原國家冶金部的辦公地。隨著原冶金部的撤銷，該大樓也變成了一座商用寫字樓。不過，至今樓上住的大都是一些“中”字頭的冶金領域公司。只有一個例外，就是瓦特曼智慧。

很難會有人相信一家做人工智慧、機器人的科技公司會在這樣一座“傳統大院”裡辦公。但譚勝虎覺得選擇在這裡辦公是“找對了地方”。

有一次，譚勝虎跟一個鋼鐵廠的客戶吃飯，席間對方問到“你們在哪兒辦公”，譚勝虎回答在中國鋁業大廈，結果對方一臉驚訝，直呼“你們是內行”。

原因是，這座樓裡的企業，絕大多數都是在重工業領域深耕十幾年的公司，這類公司相對封閉，圈外人很難接近他們。一般來說，即使是一家中等規模的鋼鐵廠，僅辦公室就有上百個，如果不瞭解行業和公司可能連門都找不對，因為找對的機率只有1/100。

有了“中國鋁業大廈”這塊敲門磚，只意味著能敲開公司的門。但要真正瞭解工廠的需求，靠這些還遠遠不夠。

2019年中，從騰訊離職加入瓦特曼智慧的孫銀健和同事們接到了一個任務，為一家工廠做演算法開發。這對他們來說並不難，於是在家裡寫完程式碼後，他們帶著成果來到工廠，結果幾輪測試下來，演算法跟場景的適配卻存在偏差。

這讓現場的工程師們慌了神，工廠的生產不能耽擱，必須儘快解決問題。鋼鐵、冶煉等行業對生產的穩定性要求極高，這也是他們過去很少接觸新科技的原因之一。“如果一個鋼鐵廠因為上新裝置而導致生產停工，那麼它一天就可能損失上億元。”譚勝虎說。

工程師們不得不駐紮在工廠，前後待了兩個月。這兩個月裡，不僅客戶在體驗上打了折扣，每名工程師也都承受著很大的壓力。儘管最後問題得以解決，但給孫銀建留下的一個教訓是，一定要在寫演算法前對場景有充分的瞭解。

一群工程師，在車間除錯機器

此後，公司對開發的工程師定下一個工作流程：在做演算法開發前要先到工廠裡熟悉場景，等到寫程式碼做開發時再回到公司，最後產品或系統應用前再到工廠現場除錯。

這個規矩看似非常實用，但對一些剛畢業的程式設計師來說很難接受。甚至在最開始的一年裡，都持續有一些新人會因不適應工廠的工業和生活而選擇辭職。

對於重工業企業來說，產品的可靠性大於一切。孫銀健講了一個他們團隊拿下一個大客戶的例子。

2020年4月，孫銀健和同事帶著裝置也來到這家鋼鐵廠，將無人駕駛技術引入到天車吊運的控制和識別感知中，並做了功能demo演示。演示當場沒有問題，合同順利簽了下來。隨後，他和同事們在工廠泡了大半年，經過十多次的功能迭代和現場不斷嘗試後，完成了裝置的交付，並通過了現場的試執行。

別人兩年都未能解決的難題，為什麼孫銀健團隊半年就解決了？

而基於鐳射SLM、視覺、3D智慧感知等技術的方案，則不會存在這樣的問題。這不僅是技術選擇的問題，更考驗研發人員對實際應用場景的理解程度。如果不去現場摸摸灰塵，只是坐在辦公室，程式設計師很難理解為什麼純視覺的路基會走不通，因為理論上它確實是有可能性的。

一名工程師正將檢測裝置下探到鋼爐內

這就是實地踩出來的經驗。

也有的時候，工人對技術存在過高的要求。

翼菲自動化的張忠法就碰到一件事。曾經他的團隊給一家菸草企業做異形煙碼垛機器人專案，這個細分領域此前一直是人工操作。在專案研發完成並在工廠除錯後，工人提出了一個要求，在垛好的異形煙中間再堆一排。

“人工操作，確實可以實現這個要求，無非就是晃一晃、擠一擠就可以加進去了。但機器實現起來就會稍微複雜一些。”張忠法稱。如果強行操作，結果就是整垛煙又散了架。

“工人理解機器也很重要。”張忠法說。

礦山則是另一種場景，其有嚴格的管理流程，工人很少能干預車輛行駛。

林巧很認同易控智駕CEO沃森常在公司裡說的一句話：“我們吃過的土，就是我們的競爭壁壘。”

礦區跟城區幾乎是兩個天然相對的場景。一是礦區的道路不會有車道線標識，車輛無法靠標識線保持車道；二是礦區的環境粉塵大、沙石多，普通的感測器很難在這種環境下長時間工作；此外，礦區的車輛對作業流程要求極嚴，“普通車輛在車庫中倒車倒不準可以來回多試幾次，但礦山上如果車輛來回倒車，那就嚴重影響挖機和車輛的協作，甚至讓後續車輛的作業都受影響。”林巧說。

這種情況下，程式開發人員只能先到現場收集需求，然後回到辦公室做開發，之後還要到現場驗證開發效果。“如果想透過別人遠端驗證，然後告訴你結果，是不現實的。”林巧稱。

5.博士、專家與工人們的化學反應

從我們講述的故事中可以看出，過去一段時間裡，一場改變正在悄然進行：沒有技術的年輕人正在逃離工廠，選擇外賣、快遞等更靈活的就業；而另一方面，走進工廠的博士、專家，則正在用技術解決工廠年輕人不足的問題。

與此同時，越來越多掌握技術的程式設計師也開始轉變起觀念。以前在他們眼中，最性感的工作是在寬敞豪華的寫字樓裡，研發炫酷、好玩的科技；但現在，最性感的工作是在重工業的工廠裡，用技術變革生產方式。

在這裡，博士專家跟只有初中水平的工人差別並不明顯，甚至很多時候他們在相互發生化學反應。

孫銀健說，由於認知、語言的不同，一些剛進入工廠的程式設計師有時候會跟工人有交流的障礙。但想要做好產品，瞭解工廠最底層的執行，就需要多跟工人交流。

他記得，為了跟工人打成一片，公司創始人&CTO陳仁曾經專程從北京帶著好酒來到工廠，下班後與工人們一起吃飯暢聊。

“說實話，我們從網際網路過來的，平常很少有這種應酬。”孫銀健說，陳仁酒量一般，但透過這種“接地氣”的方式讓對方感受到了誠意，話題也就打開了，對方也會開始很用心地聊自己的需求，慢慢地相互接受度越來越高，磨合起來也越來越舒暢，包括後來專案進展到一定程度，有一些困難需要現場去支援，工人們也會幫著一起想辦法。

為了緩解程式設計師們的駐廠壓力，瓦特曼智慧也會制定相應制度使他們可以得到定期放鬆。公司有強制規定，凡連續出差兩週的同事必須回公司或回家休息一段時間，期間的車票等費用均由公司承擔。

這種壓力，幾乎是每個初到工廠的工程師們必須經歷的。林巧記得，最開始有個別新員工在礦山待了半個月，結果因為受不了環境的荒涼又走了；甚至在面試明確告訴對方要去礦山後，有人開始“同意去”，但在臨近發offer的時候又“變卦”。

林巧自己也曾也有過不適應。最開始在礦上那一個月，他是抱著電腦在礦車上工作的，休息的時候也只能蹲在路邊，因為新礦沒有配備板房。

生活上的困難是最考驗人的。比如在飲食方面，礦區不像城市，可以點一份自己喜歡的外賣，因此包括工程師在內的所有礦上人員都只能吃食堂。“礦區的伙食都是偏辣的，我不能吃辣椒，所以每次吃飯就只吃白米飯。”林巧說。

要知道不久前，他的午餐還是在阿里乾淨的食堂裡，不僅雞腿、魚蝦隨便挑，飯後還有水果小甜點。

但困難總要解決。“在招聘時，我們會考察候選人的價值觀，礦山無人駕駛需要研發人員踏踏實實理解現場、以技術結合現場實現產品。實際上現在很少有人會因為不適應礦山而離職。”林巧說。

在他所在的公司，甚至連財務、行政都要去礦山進行一段時間的體驗。因為這些後勤服務人員需要知道開發人員的需求。“去年冬天，行政小姑娘給我們配了一套新工裝，不僅保暖，而且口袋又多又大，既能裝得下各種工具，還能裝電腦，非常實用。”林巧稱。

如今，他已經完全適應了這種生活，和礦區工人也相處更融洽。有些時候，他需要向身邊的工人請教礦車駕駛的經驗，以更好地瞭解礦車運作業規律；而這些礦工在林巧的潛移默化下，也學會了“折返、軌跡規劃”等自動駕駛術語。在程式設計師的影響下，很多司機也開始有意識地定期擦洗鐳射雷達。

這樣的例子很多。可以預見的是，隨著程式設計師們與工人們越來越默契，這場化學反應的結果是，工廠裡既有技術、又有經驗的工匠會越來越多。

作為全球最大的製造業國家，中國擁有最完善的製造業體系，但在高階製造業領域較之發達國家卻始終矮人一頭。人工智慧，給傳統工業帶來了新的轉折機遇。

用譚勝虎的話說，過去20年，網際網路改變了世界；未來20年，則是機器人改造世界。

這意味著，智慧製造，是中國完成製造業跨越的必由之路。

另一方面，當個性化消費、大眾創新創業成為主流，這也倒逼著傳統制造業向柔性化、數字化、透明化、智慧化加速轉型，這恰恰是智慧製造的趨勢。

這場化學反應，決定了新一代年輕人的職業選擇，也將決定中國製造工業的前途命運。

今日話題：你身邊的工廠，在發生什麼變化？