工业“老师傅”的数字“新学徒”

在上汽通用汽车旗下奥特能超级工厂量产线上，机器人进行电芯抓取。（资料图片）

上海电气上重铸锻公司的精炼炉旁，火光映红了冶铸车间精炼炉炉长华山的面庞。他随手捻起一撮炉渣，仅凭色泽的细微差异，便能精准判断钢水的还原状态。这套“看渣识钢”的绝活，是他用20多年守炉练就的“肌肉记忆”。几公里外的振华重工焊接车间，老师傅侧耳倾听电弧燃烧的“嘶嘶”声，能从一声极其细微的“发闷”中预判焊缝即将出现气孔。这种“听声辨焊”的本事，无法从任何一本教科书上学到。这些场景，每天都在我国数以万计的工厂里上演。

老师傅的经验，是制造业最柔软也最坚硬的“内核”。然而，随着一代人逐渐老去，这些“压箱底”的绝活正面临传承断层。我国制造业正处于由大转强的攻坚期，一场与时间赛跑的“经验抢救”行动正悄然展开。而这场抢救的“手术刀”，正是飞速发展的人工智能。日前，记者深入相关企业，了解如何让深藏在老师傅身上的“绝活”，实现数字化存储和应用。

当看火候遇上算法

将老师傅的经验数字化，谈何容易。“你问他怎么判断的，他可能告诉你‘看一眼就知道’‘这个不对劲’。”上海库帕思科技有限公司交付运营总监邓思文说，“这些话对人有用，但对机器是无效指令。”

老师傅们遇到的最大困难，是“不知如何配合”。隐性知识的“隐性”二字，成了第一道天堑。上海电气上重铸锻冶铸分厂副厂长唐伟峰对此感触颇深：“炼钢老师傅的很多经验都是通过感官对现场状况进行判断，特别是针对实际操作过程中不断变化因素的判断。口述时知识点往往分散，后期需要进行大量的转化和整理工作。”

有人试图直接复制老师傅所有经验，搞“大而全”的知识库，结果因复杂度太高而停滞。振华重工首席数字官赵子健回忆，接入真实产线后发现，复杂焊接工况对数据质量、工艺机理和现场经验的要求远高于预期。单纯靠算法开发公司“交付一个模型”，很难真正解决产线问题。后来，团队调整策略，由公司内部工艺人员与算法工程师深度协同，才逐步破解困局。大家由此认识到，懂制造的人主导AI，AI才能真正赋能制造。

库帕思在实践中摸索出“最小场景单元”法。邓思文介绍，他们先不贪多，而是选一个边界清楚的任务。例如，“环焊缝质量评定”，把老师傅“怎么看底片、怎么判缺陷、怎么定等级、什么情况必须复检或开挖”的流程拆解出来，最终形成“情境、线索、判断、动作、边界、结果”六要素。邓思文说：“只有把复检规则、风险等级、伪影负样本一起沉淀，机器学到的才不是‘像什么’，而是‘为什么这样判、什么时候不能判’。”

技术的难题尚可攻克，人的观念才是最大的变量。“开始的时候老师傅还是有些戒备心理，不清楚将自己的经验交出来后会怎么样。”上海电气上重铸锻公司副总经理周思敏坦言。“教会徒弟饿死师傅”的朴素观念，在AI时代被放大为对未知的恐惧。

如何破局？周思敏讲述了上海电气上重铸锻公司的做法：“我们提前考虑了应对策略，说明这不会对他们的工作岗位有利益影响，目的是通过数字化的形式将经验传承下去，还会根据个人的特点来打造智能体。”当得知一辈子的手艺不仅不会消失，反而会以“冠名”的方式传承下去时，老师傅眼中的光芒亮了。

在振华重工，工程师采取了“跟岗观察+联合标注+对比反馈”的方式。赵子健介绍，算法人员、工艺人员和检测人员共同跟班作业，由老师傅现场指出异常时刻并说明判断依据，标注人员同步记录熔池图像与电信号特征，经反复比对形成对应关系。

车间里的质变

经验一旦“开口说话”，释放出的能量超乎想象。

在振华重工的钢桥项目板单元焊接中，系统对未焊透、咬边、气孔等缺陷的识别准确率已达98%。振华重工智能制造工程师、焊接方向博士朱嘉伟介绍：“检测响应从焊后24小时至48小时缩短至焊接过程中的毫秒级靶向实时反馈，实现了从‘事后被动检测’向‘事中主动预警’的转变。”

更令老师傅振奋的是“意外之喜”。振华重工人工智能工程师、计算机硕士陈垄宇透露：“AI系统在识别已知缺陷类型的基础上，还发现了若干此前未被老师傅注意到的微弱异常信号，这些信号经深入分析后被确认为新型缺陷的前兆特征，反向丰富了老师傅的经验体系。”老师傅们普遍反馈，系统减少了事后返修的繁重劳动，使焊接作业更加从容有序。陈垄宇观察到，部分老师傅甚至表现出对模型原理的浓厚兴趣，表示“想学学这门新本事”。

在上汽通用动力科技（上海）有限公司，老师傅的“手感”被力学传感器捕捉，“耳感”被振动传感器识别转化。公司总经理孔鸣介绍，在故障诊断时根据老师傅感觉判断的依据增加传感器，将振动、声音等通过传感器进行数据化采集，再利用机器学习建立分析模型。AI开始介入新能源电池包高压电测试等高危环节，正计划由人形机器人加大模型替代，以更好消除带电操作风险。

负责发动机箱体维修的老师傅秦南切身感受到了这种变化：“本来只有几位专家或老师傅自己使用的经验方法，经过大模型提炼和类比推广后，在后续的类似项目和案例中能够不断发挥指导作用。老师傅本身工作量没有增加，部分疑难问题还有AI助手参与讨论，帮忙分析原因，解决问题更方便轻松，也更明确高效。”

而在上海核工院，AI并非只学习某一个“超级师傅”，而是将几十年间无数设计、施工、运行人员的“组织经验”进行结构化沉淀。上海核工院副总工程师张琳说，这里并不是简单把某一位专家的经验“装进机器”，而是将几十年来参与核电建设人员共同积累的工程智慧进行结构化沉淀。上海核工院数字化工程所总工程师荣辉补充道，很多资深专家看到AI能够快速检索过去几十年的类似案例时表示，这相当于把过去分散在不同文件、不同项目中的经验重新连接起来。

可复制的场景地图

单点的突破令人振奋，但上海的目标是系统性的“燎原”。

2025年8月，上海市经济和信息化委员会印发实施《上海市加快推动“AI+制造”发展的实施方案》。今年7月，上海发布了“上海市推进‘AI+制造’发展最新成果”，并正式启动“工业老师傅”经验数据集共建。上海电气、宝钢股份、外高桥造船、振华重工、上汽通用动力、上海核工院、上飞公司、六联智能8家制造企业，联合库帕思、中国联通上海市分公司、中国信通院上海工创中心、品见智能、金珵科技5家服务商共同参与。

同期，《上海市进一步推动“AI+制造”发展的若干措施》正式发布，推出五方面13条支持举措，明确支持围绕“老师傅”经验数据的治理梳理方法论、研发开源工具链等。

周思敏表达了制造业企业的期待，期待有政策能支持我们夯实数据底座，建设高质量工业数据集，把算力和模型研发的成本降下来，让传统制造企业也能大范围使用AI。另外，也建议提供一些典型案例供参考。

荣辉也呼吁：“期待产业链上下游共同参与工业经验数据资源建设，形成更加开放协同的工业智能生态，让人工智能技术更好服务制造业高质量发展。”

从把数据“存起来”到让数据“跑起来”，再到让数据“活起来”，上海正在书写的，不仅是一座城市的产业转型故事。当中国制造业的“老师傅”经验，变成一行行代码、一个个参数、一条条规则，它们将成为下一代“具身智能”和“物理AI”最宝贵的养料。这场关乎未来竞争力的“经验抢救”，正为中国由“制造大国”迈向“智造强国”贡献智慧。（经济日报记者 李治国）