图1：精益、自动化、信息化、智能化之间的关系
宋华振
数字化如此之热，已然超越产业界成为全民话题。然而，尴尬正在于此，你会看到各种关于数字化转型的基础认知都是匮乏的。人们或激进地认为技术变革将颠覆众多产业，又很多时候将有机器人的产线或仅仅自动化的升级认为是“人工智能”；或将其视为概念而无实质的变化，理由在于很多所谓“智能”已经有超过20年历史。无论是个人还是企业都陷入一种焦虑之中，因为人们不知道人工智能是什么，也不知道该如何去实现。
这一切，都是因为我们缺乏人才，缺乏让基本认知成为共识的基础。首先，由于大部分人对基本的技术、概念并不清楚，容易陷入人云亦云，或者被商业推广中的市场化词汇所误导。其次，企业的数字化战略规划由于缺乏能够规划的人，导致很多企业希望改变却无力改变。再次，数字化本身的产业政策制定者也同样如此，即使是被公认的专家，也由于缺乏现场实战而没有说服力，同时企业又更多是以自身利益为导向的市场化说辞，让人更是陷入迷茫，难有说服力。
数字时代需多个维度的融合
事实上，智能化的关键仍然是提升制造质量、成本与交付能力，自动化、信息化与智能化并非是一个阶梯，也并非像很多人所认为的“断代史”——智能化是更高级的。他们只是在更多时候分别完成不同的任务。今天讨论智能的原因是，人工智能的算力变得更为经济，软件借助于科技发展的条件也更成熟。高效的认知也得益于人才基础普及——因为我们面临的融合，是过去没有遇到过的，需要快速构建新时代的人才及其知识框架。
数字时代的显著特征是“融合”，这包括了多个维度的融合。
首先是跨学科融合。智能时代对人的需求，并非仅要求在某个垂直方向专业技术的深度，更在于跨学科的融合，尤其对制造业而言，除了原有的在机械、电气、工艺领域的协作，还包括数字孪生、边缘计算、机器学习等技术多维度的融合。这种融合就要求，一个专业的人或者团队有一个能够构建多学科架构的人员，而在具体实现层级，又需要多个专业人士具有采用相同语言来协同开发的能力，即，要么你有一个大咖级的人可以全局搞定，要么有一个在各个领域间建立协同，包括在软件接口、工具、平台、语言、规范与标准方面进行协调的人。
其次是跨领域融合。前面仅仅指技术层面的跨学科融合，而要实现整个制造从设计、测试验证、制造、运维的全流程协同，我们还需要技术与管理的融合，即能够将技术与精益管理的目标、方法、工具进行协同。对制造现场来说，其质量、成本、交付、柔性、效率的需求，如何被分解为评价的指标体系？建立什么样的内在关系？这些任务与自动化、数字化、智能化之间的关系是什么？知识如何被更好地复用？……这诸多问题都需要建立在管理运营与技术实现对接的基础上，否则，可能会导致更为混乱的局面，反倒造成效率下降。
很多时候关键都在“接口”，即这个人不一定是非常强的专业人士，但他必须能够在各个学科、领域的边界上具有洞察力、协调能力，建立高效的逻辑、内在关系以及有效的评估。
最后是思维与认知能力的融合。我们经常会注重硬知识，如编程、工艺建模等技能，但是具有系统思维、批判性思考、创新方法、快速学习与沟通能力等牵扯到优秀人才的思维与认知问题的软实力，却经常被忽视。实际上，思维的效率也是效率，甚至它可能影响更大。
如之前所说，我们对技术、数字化的认知是匮乏的，缺乏高效思维的人才。如果我们连基本的认知都是错误的，何谈正确的实现与技术推进？
当前工程教育存在的问题
很多人把今天人才的问题归为教育的问题，但必须意识到，教育的问题归根结底也是产业的问题。我们有些产业本身一度时期内采用的是一种“拷贝”“跟随”战略，对于创新缺乏需求。就像一个真正的原创机器研发，一定会牵扯到建模仿真技术，但如果只是抄袭别人已经验证的系统，那就无需这种建模仿真技术，导致这个领域的人才也无用武之地。
当然，工程教育本身也存在以下一些问题：
一是理论与实践脱节。德国的博士毕业要成为教授，需要有5年的产业从业经验（之前为8年）。而我们的大学虽然师资要求极高，一些重点高校甚至要求必须是哈佛、耶鲁、MIT（麻省理工学院）的博士或者院士、知名教授的博士生，可惜他们大部分都没有一线实践经验，这使得其无法理解产业，并将理论与实践结合，无法给学生更好的认知传递。
二是系统思维缺失。大学专业过细，也是被有识之士诟病的一个方面。其实，专业过细会导致“全局”“系统”思维的缺失，产业里很多问题实际上都是系统性问题。
三是人才需求不明确。对于产业需要什么样的人才，产业与大学似乎都不能明确的提出，遵循《华盛顿协议》的又像是一种应试教育。其实，通用性的评估反倒比打分的体制更符合实际。
四是教材匮乏。这是在各个专业都普遍存在的问题。就像产业已经进入了OPC UA over TSN融合的工业通信时代，而大学仍然停留在RS485/CAN总线的时代。
五是案例缺乏。如何将产业的案例与理论联系，以增强实用性和易于理解，这是未来需要加强的。
人才建设需要个体力量
也需要组织力量
企业对人才的需求，可能与大学的需求有所偏差。因为企业的人才需求是应用型，需要人才具备综合技术与管理能力、知识基础与思维能力，实现智商与情商的均衡发展。但是，由于大学学科划分过细，很多人才的能力特征培养并没有在大学完成。不过也有很多硕士、博士导师对学生的要求涵盖了思维与认知能力以及横向综合应用能力。因此，了解这种能力的特征，无论对企业还是对学校都是有必要的。
其实，“需要什么样的技术基础和知识”这个话题已经不需要讨论了，因为这是大学和企业自身人才培养必须有序进行的工作，今天想要谈及的是两个重要却经常被忽视的话题。
一是企业不仅需要人才，更需要学习型组织。对企业而言，不仅要招募到人才，还要懂得如何培养人才，以及如何建立有效的协调团队。这意味着企业需要成为一个具有自适应能力的学习型组织。智能时代，我们需要解决复杂问题，需要技术的开放连接，也需要内部的开放连接，不能寄望于天赋、大咖级的专家，而要依靠企业整体的实力、黏合个体的组织能力，只有这样的组织才具有应对变革的能力。
二是企业需要优秀的工程师。我们的目标是培养卓越的工程师，科学在于发散，而工程在于收敛，工程师就是利用科学知识、借助于工具平台与方法，通过工程（概念—设计—原型—测试—验证—封装—系列化）将材料工艺、操作过程转化为“可复用”的技术，更多的是以“软件”或者成型的产品来体现的。优秀的工程师具有非常好的科学基础且能够系统使用各种方法，通过规范的工作来创造性地开发产品和技术，通过为用户提供高附加值的产品、技术和服务来为企业获得利益。
人才培养应避免误区
一是避免叶公好龙。通常，企业口头上总说人才很重要，而实际上又不愿意投入。人才培养的成效是远期的，而工作是眼前的。其实，人才培养只要精准、高效，就能够让工程师快速进步为高回报的人才。因此，企业不但要招人，还要培养、用好人才。
二是重视知识与技能，忽视思维能力训练。思维的训练又是一个长期而无法立刻见效的过程，同时，系统性思维能力的训练，对于培训师要求很高，必须加强培训师的培训。
三是借助于跨界的力量。人们很难摆脱思维的惯性，人才培养同样如此。企业应多进行一些跨界的融合，比如自动化行业要多了解IT或AI，而AI和IT行业也需要了解一下自动化；从事精益管理的人可以给技术人员上课，技术人员也可以给管理人员上课；销售的视角和工程师有何不同，这些交叉都会给团队以启发。
总归，在人才培养这件事情上，我们有很多可以改善的地方，这是为后续工作奠定基础的关键一环。否则，缺乏人才，缺乏对技术、对产业技术需求的认知，就一定会走在错误的道路上，走在迷茫中。
（作者系贝加莱工业自动化（中国）有限公司技术传播经理）
《中国冶金报》（2021年3月2日 04版四版）
