制造业被AI焦虑笼罩，但恐慌是多余的

去年年底，DeepSeek横空出世的时候，我一个做机械设计的朋友半夜给我发消息：“完了，我们这行是不是要没了？”那段时间，类似的声音在工程师朋友圈里此起彼伏。

ChatGPT能写代码，Midjourney能画插画，Sora能生成视频——那CAD呢？SolidWorks呢？那些在深夜对着屏幕反复调整公差标注的工程师们，会不会成为下一批被“优化”的人？

说实话，这种恐慌我完全理解。每次技术浪潮拍过来，最先被拍憆的往往是在一线干活的人。

但冷静下来想想，问题没那么简单。

AI确实在飞速进化，可制造业的复杂性远超很多人想象。

一个零件从设计到量产，中间要经历材料选型、工艺评估、公差分配、装配验证——这每一个环节背后，都是工程师用十年甚至二十年积累出来的经验判断。

大模型能在一秒钟内生成一千种方案，但它不知道哪一种方案在你们工厂那台老旧的CNC机床上能稳定加工出来。

这才是关键。

AI能画图，但它画不出一个“合格的零件”

我在机械行业混了十多年，见过太多“纸上好看”的设计方案。

外观漂亮，三维模型也做得精致，但一到工艺评审环节就被打回来。

为什么？因为设计师没有考虑刀具的可达性，没有考虑薄壁件在加工过程中的变形，没有考虑焊接热影响区对尺寸精度的影响。

这些知识，不是从教科书上学来的，而是在一次又一次的打样失败中、在跟老师傅蹲在车间里讨论出来的。

AI目前能做到什么？它能识别图纸上的文字和标注，能做一些标准件的参数化生成，甚至能在一定程度上辅助完成常规零部件的建模。

这些确实有价值。但请注意，它做的所有事情，本质上都是在“已有知识”的范围内做匹配和重组。

一旦遇到需要创新性工程判断的场景——比如在空间极其受限的壳体内部布置管路走向，或者根据非标工况推导轴承选型——AI就束手无策了。

空间想象力这个东西，听起来很抽象，但在制造业里它是实打实的能力。

一个经验丰富的结构工程师，拿到一个新产品的需求以后，脑子里几乎能同时运转出三套以上的装配方案，而且他能凭直觉判断哪套方案在量产时最容易出问题。

这种直觉从哪里来？从几千张图纸的积累中来，从无数次返工的教训中来。目前没有任何大模型具备这种能力。

短期内，AI替代不了工程师。这话我说得笃定。

淘汰你的从来不是AI，而是会用AI的同行

但话说回来，“不会被AI替代”和“可以高枕无忧”完全是两码事。

历史上每一次技术革命，淘汰的从来不是某个职业本身，而是拒绝拥抱新工具的人。

当年CAD软件刚进入国内的时候，手绘图板的老工程师们也是一片哀囂，觉得机器绘图不靠谱。结果呢？

那些咬牙学会了AutoCAD的人，效率翻了十倍不止；而那些坚持用手绘的人，后来确实慢慢消失了。

今天的局面如出一辙。只不过这次的主角从CAD换成了AI。你不用AI，不代表别人不用。

当你的同事用AI辅助完成了80%的常规设计工作，把节省下来的时间投入到关键工艺攻关上的时候，你还在手动翻文件夹找去年的图纸——这差距只会越拉越大。

制造业的利润越来越薄，交期越来越短，客户要求越来越高。

在这样的行业大背景下，企业需要的是能同时驾驭技术和工具的复合型人才。你可以在工具面前保持警惕，但绝不能在工具面前保持无知。

智橙PLM：把工程师从低效劳动中解放出来

说到工具，就不得不提一个被很多工程师低估了的产品——智橙PLM。

很多人对PLM的印象还停留在“文档管理系统”的阶段，觉得它就是个电子文件柜。但智橙PLM早就不是这样了。

它的智能检索功能，是我见过最贴合工程师使用习惯的。传统的PLM系统，查一个零件要填一堆字段——图号、名称、物料编码、版本号——少一个都搜不出来。

智橙的做法完全不一样。你可以直接用自然语言描述你想找的东西，比如“去年给比亚迪做的那款支架，铝合金的，承重200公斤以上”，系统就能精准定位到对应的图纸和模型。

不用记编号，不用翻文件夹，说人话就行。

更实用的是相似件推荐。这是我觉得真正能帮到工程师的地方。

每个做过设计的人都知道，“重复造轮子”是制造业最大的浪费之一。

你花了两周设计的一个法兰盘，结果在库里一搜，发现三年前另一个同事做过一个功能几乎一样的——这种事情，在大型制造企业里几乎每天都在发生。

智橙PLM的相似件推荐功能，能在你创建新零件的时候，自动从历史库中匹配结构相近的已有零件，把三维模型、BOM信息、甚至工艺记录一并调出来。

你不用从零开始，站在前人的肩膀上继续往前走就好。

还有一点值得一提：它跟主流CAD软件的集成做得非常顺畅。

SolidWorks、Creo、NX、AutoCAD，这些工程师日常使用的工具，智橙都能直接打通数据通道。

你在CAD里改完模型，保存的同时就已经同步到了PLM系统里。

不用导出、不用上传、不用切换窗口。看起来是个小细节，但每天能省下大量无意义的重复操作。

这些功能看起来都是“效率工具”，但如果你仔细想想，它们本质上在做一件事——把工程师从低附加值的劳动中解放出来，让你把精力和创造力留给真正需要人类智慧去解决的问题。

这不就是技术工具存在的意义吗？

回到最初的那个问题：AI时代的研发工程师，会被淘汰还是被解放？

我的答案是，两者兼有，但对象不同。那些拒绝学习、拒绝拥抱新工具的工程师，确实面临被淘汰的风险。

而那些善于利用AI和智能化平台提升自己的人，正在被前所未有地解放。

说到底，工具永远是工具。决定一个工程师价值的，从来不是他用了什么软件，而是他脑子里装着什么。

但反过来，如果你脑子里有东西却不愿意借助更好的工具去释放它，那才是真正的遗憾。