未来的工厂正在用提示书写

这是关于物理对象如何制造的真相：几乎没有人除了制造业的人知道物理对象如何制造。

他们知道大致的过程。有人设计某事物，另一个人建造它。一辆卡车到达。但是中间部分，从概念变成规格，从规格变成采购决策，从采购决策变成生产运行，从生产运行变成您订购的东西，这部分基本上是不可见的，并且极其复杂，它的工作方式已经保持不变很长时间了。

但现在这种情况正在改变。

生成式人工智能开始以难以夸大的方式重写制造生命周期。让我试着准确地描述它。这种变化主要不是关于速度，尽管它会使事情变得更快。它主要不是关于成本，尽管它会显著改变成本结构。它是关于更根本的东西：在什么时候、由谁、以什么方式应用智能。我们正处于变革的开始，这将像电气化或计算机化一样重塑工业经济，并且现在就理解这一点的公司，即使现在还很早、还有一些混乱，将是为其他公司制定规则的人。

制造业中最昂贵的问题不是你想象的那样

问大多数人制造业哪里出了问题，他们会指向工厂。但是有些最昂贵的失败发生得更早，在产品理念开始凝结成一套要求的无形阶段。并且这是大量时间和金钱消失的地方。

问题是错位。要求通过电子邮件、半读的文档和会议收集，在这些会议中，似乎达成了对齐，但实际上并没有。它们几周后带着嵌入的模糊性到达工程简报中，没人注意到这些模糊性——只有当原型返回错误、供应商报价不完全匹配或生产团队意识到他们收到的设计实际上不能大量生产时，才会出现这些模糊性。

生成式人工智能正是在这一阶段干预，并且其影响向后传递到随后发生的一切。这些系统可以摄入大量无结构输入——客户反馈、监管文件、现场故障数据、竞争对手拆解——并将其合成成结构化、交叉引用的要求，比人类团队管理得更快、更连贯。曾经需要几周的系统工程现在可以在几小时内草拟出来。

当要求更早、更有信度地到达时，交接也会改变。采购团队可以在设计的同时开始识别供应商，而不是在设计之后。生产规划可以在图纸最终确定之前开始。曾经是顺序的阶段现在开始同时运行。

对于制造定制机械零件的公司，每个订单都是一个新的工程问题，报价速度往往是赢得业务或失去业务的区别，这是一种战略转变。

资深工程师的知识

有种知识存在于最好的制造工程师内部，几乎无法从外部描述。哪些公差可以在规模上实现，哪些合金在特定的热和应力组合下会失效，哪些设计决策在纸面上看起来优雅但会为工具团队带来灾难。它需要几十年来积累，基本上是不可转移的，每当一位资深工程师退休时，它就会随之离开。

人工智能副驾驶正在改变这一点。正在从事新部件几何形状的工程师现在可以询问一个系统关于大规模的可制造性，接收多个负载场景的故障分析，并评估切换材料的成本影响。所有这些都发生在设计环境中，在任何物理原型存在之前，在信息实际有用的时刻。

为了澄清：这不是对工程判断力的替代。涉及背景知识、专业责任和约束下的创造性问题解决的决策仍然需要一个人。人工智能副驾驶正在做的事情是扩展工程师可以在提交之前探索的解决方案空间，并将高级制造直觉的方面分配给更多的人，提前。采用它们的团队将会做出更好的设计，因为他们将在物理和经济的生产约束关闭他们的选择之前评估更多的选项。

两种人工智能正在融合，工厂将永远改变

这里有一个很重要的区别。有数字人工智能——生成系统，用于设计、文档、采购分析和决策支持。这些操作基于信息。还有物理人工智能——感知、规划和控制系统，用于工业机器人、自主物流、自适应制造设备。这些操作基于物质。它们感知世界，计划行动，移动事物。

在过去的十年中，这两个类别几乎是在完全独立的世界中发展的。但现在，生成模型越来越多地被用于编程、指导和解释物理系统。机器人可以接收自然语言指令并将其转换为运动序列。视觉语言模型允许检查系统以人类可以采取行动的方式描述它们所观察的内容。生成设计工具正在直接连接到CNC机和增材制造系统，因此模型设计的内容，工厂可以建造出来。

对于气候技术，影响是显著的。生成式人工智能正在加速材料发现，找到更好的电池化学性质、更高效的催化剂、减少工业碳强度的结构材料。对于广泛的制造业，这种融合意味着工厂正在成为真正的自适应系统，能够对需求转变或供应中断做出几乎实时的响应。数字模型和物理工厂之间的界限正在消失。取代它的是一个学习、适应并以以前不可能的方式在设计和生产之间关闭循环的工业基础设施。

劳动力问题

在任何关于人工智能和制造业的诚实文章中，人们必须谈论人。不是以“新工作将出现”的方式，这已经成为技术写作中的一种仪式性的赦免。实际上谈谈它。

焦虑是真实的，它并非毫无根据。制造业就业已经经历了四十年来的剧烈颠簸。人工智能驱动的转型的另一轮对这些行业的工人来说并不是抽象的。

早期数据显示，最显著的近期影响不是取代，而是提升。使用人工智能副驾驶的工程师正在进行更有意义的工程，花费更少的时间在常规文档上，更多的时间在决定产品是否成功的判断上。供应链经理正在使用更好的信息来处理更多的复杂性。运营领导者正在将人工智能生成的见解应用于人类仍然负责的环境中。

主要由常规数据处理、重复协调任务或当前机器人能力范围内的物理工作定义的角色将面临真正的压力。这需要公司和机构的诚实关注。

未来十年的制造业劳动力将以能够有效地与人工智能合作为特征。了解其输出，质疑其假设，并将其建议应用于需要人类判断的决策。这是一个与制造业建立的技能配置文件不同。以规模、公平、及时的方式建立它，是当前真正困难的问题之一。

窗口

制造业不是一个单一的实体。人工智能在航空航天领域的采用与消费电子不同，消费电子不同于定制工业部件，定制工业部件不同于医疗设备。变化的步伐因数据基础设施、监管环境和组织能力而大不相同。

但方向并没有模糊。制造生命周期正在被人工智能在每个节点重构。投资数据基础设施、人工智能增强的工程工作流、劳动力能力和高风险决策的治理系统的公司将定义十年后先进制造业的样子。

未来的工厂将由模型书写，使用提示精炼，并通过行业刚刚开始理解的人机协作完成。它将产生什么将取决于现在正在做出的选择，在公司仍然在弄清楚要问什么问题的时候。