夜雨聆风这两年制造业圈子里聊得最多的一个话题，就是AI会不会把模具设计、CNC编程、模流分析这些岗位慢慢替代。说实话，这种担心挺正常的。你自己也能看到——自动化越来越成熟，标准件库越来越全，工业软件越来越聪明，连以前要工程师一点一点去做的写代码、调参数、识别异常这种事，现在AI工具也能插手了。很多一线的兄弟心里最直接的不安就是：以后公司是不是更愿意用系统和工具，把那些基础活都给干了？
表面上看，这个趋势好像已经很明显了。最近各种公开信息里反复在讲，AI正在加速进入制造业的核心流程。从汉诺威工博会到国内的AI+制造峰会，到处都在谈工业AI、智能体、自动化系统、工程知识系统化。这些东西最先拿掉的，确实就是那些标准化、重复性高、有规律可循的工作。比如基础建模、标准件调用、简单刀路生成、基础模流结果判断、工艺参数初步建议、产线异常基础识别——这类工作本身就容易被数字化、模板化，AI进来以后效率肯定蹭蹭往上涨。
但这是不是说工程师很快就没用了？我觉得真不能这么简单下结论。
因为制造业现场真正难搞的地方，从来不只是"把标准动作做得快一点"。真正难的是——产品变复杂了、结构冲突了、客户需求变了、现场出问题了、交期被压缩了——这时候你怎么判断、怎么协调、谁来兜底。AI可以帮你做基础工作，帮你识别问题、给建议、缩短前期的试错时间。但短期内，要完全替代一个能做复杂结构判断、能跟客户和现场沟通、出了问题能快速修正的人，没那么容易。
所以我自己更愿意把这个趋势理解成"岗位重新分工"，而不是"工程师直接消失"。基础工作确实会被替代掉一部分，特别是那些只靠重复操作、没有太多判断含量的部分。但反过来看，越是这样，企业越会把真正值钱的东西看得更重。
比如说模具设计里，复杂产品的结构安排、分型策略、工艺可行性、项目配合；CNC编程里，复杂件加工逻辑、刀路优化、现场节奏、参数稳定性；模流分析里，数据结果和真实结构、实际工艺之间的判断和取舍——这些东西不是算出来就完了，还得有人结合经验去理解、解释、落地。
那什么样的工作短期内更难被替代呢？
一个是复杂结构判断。复杂结构不是套模板就能搞定的，很多时候一个位置是做行位、斜顶还是镶件，方案是保守点还是激进点，背后全是经验和风险意识。
再一个是客户沟通。客户不会给你一个固定问题等着你算，他会变需求、改方向、压交期，甚至一边要效果一边压成本。这种来回拉扯，不是AI能接住的。
还有一个是现场问题修正。模具设计、编程、模流分析真正的含金量，往往都在"出事了你怎么处理"上。现场一出问题，不是看工具提示就完了，而是你得去判断问题根源在哪、前后工序怎么协调、现实条件下怎么取舍。
其实你去看现在的招聘和产业趋势，答案已经摆在那了。企业要的已经不是单一会某个软件的人，也不是只会一点点操作的人，而是懂复合能力、懂跨环节协同的人。会设计的，最好也懂一点工艺和现场；会编程的，最好能理解产品和加工目标；会分析的，最好能把结果跟真实项目对上。AI会抬高一些岗位的门槛，但它不是简单地"淘汰人"，而是在逼着岗位从单点操作转向复合判断。
那想提升自己的抗淘汰能力，方向其实挺明确的。
别只停在软件层。软件永远在更新，工具会越来越聪明，如果你的全部价值都建立在"我会点这个界面"上，风险肯定越来越大。
尽量去接触真实案例和完整项目。真正拉开差距的，从来不是你看了多少教程，而是你做过多少更完整、更多变的项目。
把沟通和现场感补上。很多技术人容易忽略这块，但企业最看重的往往不是你会不会说漂亮话，而是出了问题你能不能跟客户、加工、装配、项目组真正对上。
青华为什么一直强调实战培训，同时也强调人文教育？我觉得这件事跟"抗淘汰能力"是连在一起的。
实战培训，是让学员别停在表面操作，尽量往案例、项目、修改、现场逻辑上走；人文教育，是让人不只是一个会点工具的"执行者"，而是一个能沟通、能理解别人、能在团队里正常协作的人。制造业到最后拼的，不只是技术快不快，还拼人能不能在复杂环境里把事做成。青华想强调的，就是这种既重技能、也重做人做事方式的训练。
所以从业者真正该想的，不是天天担心"我会不会被AI替代"，而是反过来问自己：如果AI真的越来越强，我手里还有什么是它短期拿不走的？是复杂结构判断？是现场修正能力？是项目沟通能力？是把前后工序串起来的经验？还是把案例真正落地的能力？只要你在往这些方向补，AI越强，很多时候反而越能把你从重复低效的工作里解放出来，让你把时间花在更值钱的地方。
