AI进工厂后,企业开始缺的不是技术

很多人对AI的想象，还停留在模型、算法，甚至是互联网产品。但AI真正开始产生规模价值的地方，其实在另一个场景——制造业。

在一次公开分享中，海康机器人首席执行官贾永华提到一个很关键的判断：制造业并不缺单一技术突破，真正稀缺的是能够打通“感知—决策—执行”的系统能力。

这句话如果换一种说法，其实更直白：AI的竞争，正在从“技术点”转向“系统能力”。而这背后，对求职者来说，是一次很明确的机会转移。

AI开始进入“能干活”的阶段

过去几年，AI更多解决的是“看得懂”“听得懂”的问题。比如：图像识别、语音识别、数据分析。但在制造业场景里，这些还不够。

企业真正关心的是：

识别之后，能不能直接做决策？

决策之后，能不能驱动设备执行？

执行之后，能不能形成稳定的反馈闭环？

也就是说，AI不再只是一个“工具模块”，而是要成为一整套可以运转的系统。这也是为什么，“具身智能”开始被频繁提及——不是让AI更聪明，而是让它真正参与到现实世界的工作流程中。

为什么说“系统能力”比“技术本身”更重要？

因为在真实场景里，决定项目成败的，往往不是某一个算法是否领先，而是整套系统能不能跑通。在制造业中，一个典型的AI项目，至少涉及几个环节：

• 感知（视觉/传感器）

• 决策（算法/策略）

• 执行（机器人/设备）

• 系统协同（调度/数据/稳定性）

任何一个环节出问题，整个项目就无法落地。这也是为什么很多公司会发现：技术并不缺，但项目依然推进困难。缺的不是“更强的模型”，而是能把不同能力拼起来，并真正落地的人。

岗位，正在发生变化

如果把这个变化放到就业市场上，其实已经能看到很明显的信号。在制造业AI落地过程中，越来越多岗位的核心，不再是单点技术能力，而是“把事情做成”的能力。

一类典型岗位，是系统型产品或解决方案角色。

这些人需要理解具体业务场景，比如仓储、产线或物流流程，再把视觉识别、机器人执行和系统调度整合在一起，形成完整方案。他们不一定写最底层的算法，但决定了技术是否能真正产生价值。

另一类被长期低估的，是工程与集成相关岗位。

很多AI项目的问题，往往出在部署、调试、稳定性以及设备之间的协同上。这类工作听起来不够“前沿”，但却是项目能否落地的关键。一旦积累起现场经验，反而更容易形成壁垒。

还有一类，是具备行业理解的复合型人才。

真正稀缺的，并不是“最强的技术人”，而是那些既了解AI能力，又熟悉具体行业运作方式的人。他们知道技术该用在什么地方，也知道什么场景是“伪需求”，长期来看，这类人的成长空间往往更大。

对应届生来说，更现实的切入方式

如果你正在考虑进入AI行业，与其一开始就把目标放在最核心的算法岗位，不如优先关注那些已经开始规模化落地的场景。制造业、物流、自动化等方向，虽然没有互联网那么显眼，但需求更稳定，对背景的包容度也更高。

对于有工科或理工背景的同学，可以尝试往系统工程、自动化或工程集成方向发展，这些能力在实际项目中非常关键；如果具备一定技术基础但不想走纯研发路线，可以考虑应用开发或数据相关岗位，作为连接技术与业务的中间层；而对于非技术背景的同学，产品或解决方案方向会是更现实的切入点，从理解业务流程开始，再逐步建立对AI能力的认知。

每一轮技术变革，都会经历一个阶段：从“能不能做出来”，走向“能不能用起来”。AI也一样。如果说上一阶段比的是谁的模型更强，那么接下来，比的会是谁能让机器真正开始干活。