夜雨聆风他现在的正职，是在一家企业做机器人材料。
不是造机器人，是供给机器人的上游材料。部门的这个岗位，之前没有人做过。他从去年八月接手，一开始挺有信心。
“毕竟我本科学机械自动化的，跟具身智能多少沾点边。”
三月开始跑展会，去各种交流场合。
跑了一圈之后，他发现一个问题：市场机制还没起来。
“前期最大的买家还是政策。”他说。
工厂里能用机械臂做标准化流程的地方，不需要那么智能的机器人。而居家养老机器人，一台卖四十万，续航八小时，还得人帮它充电。
“落地起来挺困难的。”
“嗯，前不久我去了人工智能大会，感觉大家的玩法好像不太一样了。”我说。
他现在的态度是“既悲观又乐观”——知道方向对，但觉得不是一年两年能成的。
而他的副业，是另一条线。大宗商品贸易，从国外到国内。正职做制造业上游，副业做贸易。
两条线并行。像一个在等风来，一个在乘风走。
“虽然具身智能还没完全落地，但AI For Science我却能实实在在感受到它对传统行业的冲击。”他接着说。
他所在的行业，是改性塑料。
机器人出现之前，这些材料主要供汽车和家电。客户给一份物性表——弯距模量要多少、抗冲击强度要多少、气味要多少。工程师根据经验反复试配方，一调就是几个月。
“做材料的人不知道材料的配方用在哪，结构工程师知道物性但不知道找什么材料。”他说，“两边一磨合，时间很长。
比如尼龙加纤用在什么地方，PPS加在什么上面，细节配方上耐厚性、UVOC这些指标，很多都达标了，但就一个不达标，整个产品就出不来。
然后他看到行业龙头A公司开始用AI做这件事。把需求输入，AI从数据库里整合信息，直接生成达标的材料组合。
“我给你个物性表，弯距模量要达到1200，抗冲击要达到什么指标，气味要达到什么指标。如果这些东西在AI的数据库里都有，AI就可以把这些物性整合起来，直接生成一种达标的材料。”
“不需要工程师再去试了。”
他说这句话的时候，语速突然快了一点。
“物理AI再发展一阵子，改性技术工程师的工作方式可能会完全改变。很多经验驱动的工作，可能不会再需要这么多人重复试。”
他提到A公司和国外机器人巨头有合作，“国内所有的机器人主机厂，基本都是他们的客户。”
但他所在的企业，数字化程度“相当落后”。制造业对AI的需求没那么迫切，大多数人还处在观望状态。
“而且做技术的会防着AI，”他说，“怕自己的经验被学走，怕数据被泄露出去。这是事实，也能理解。”
但他自己反倒无所谓。“我已经麻木了，会跟豆包聊那些有的没的。”
“但别人已经在做了。我觉得挺可怕的。”
我问他，那你呢？
“我得抓紧跳槽了。”他笑了笑。
