看到广东某地很多厂里的企业主开始被选择，业界里也讨论“人到底去了哪里？”，出现了严重的用工荒，这些不仅括优秀工程师，也包括职业类的技师，可见，制造业的人才何其匮乏，问题何其严重。

1

认知匮乏原因正在于人才匮乏

数字化如此之热，已然超越了产业界，成为了全民话题，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，无论是过于激进的认为技术变革将颠覆众多产业，然而，又很多时候将机器人的产线或仅仅自动化的升级认为是“人工智能”以为佐证，相反的一批人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。无论是个人亦或企业都陷入一种焦虑之中，因为，人们不知道它是什么，该如何去做。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，因为大部人对基本的技术、概念就不清晰，陷入人云亦云，或被商业推广中的市场化词汇所引导而无法落地，其次，就企业自身的数字化战略规划来说，缺乏规划的人，很多企业都是希望改变，却无力改变，再者就数字化本身的产业政策制定者来说，也同样如此，即或是被认为的专家，来自大学研究机构的专家缺乏现场实战而缺乏说服力，而企业又更多以自身利益导向的市场化说辞，让人更是陷入迷茫，难以具有说服力。

上图是本文作者在精益、自动化、信息化、智能化之间构建关系，事实上，智能时代的关键仍然是在提升制造质量、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”—智能是更高级的，而实际上，他们只是在更多的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，是过去所没有遇到的，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：

（1）.跨学科融合：智能时代对人的需求，并非仅在某个垂直方向专业技术的深度，而在于跨学科的融合，尤其是制造业，除了原有对机械、电气、工艺的协作，还包括数字孪生、边缘计算、机器学习等多维度融合，这种融合要求，一个专业的人或者一个团队，具有一个能够构建多学科的架构人员，而在具体实现这个层级，又需要多个专业人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，或者各个领域专业间建立协同，包括在软件接口、工具、平台、语言、规范与标准方面来协调的人。

（2）.跨领域融合：前面仅仅在“技术”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，我们还需要技术与管理的融合，即，能够将技术与精益的目标、方法、工具进行协同的，对于制造现场来说，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、以及这些任务与自动化、数字化、智能之间的关系是什么？知识如何被更好的复用？有很多问题，都需要建立在管理运营与技术实现之间的对接，否则，一个公司内各个部门间无法良好协作，可能会导致更为混乱的局面，反倒，效率会下降。

很多时候都在“接口”，即，这个人不一定是非常强的专业人士，但是，它必须能够在各个学科、领域的边界上具有洞察力、协调能力，建立其中高效的逻辑、内在关系，建立有效的评估。

（3）.思维与认知能力：我们经常会注重“硬”知识有技能，就像编程、工艺建模，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，这些牵扯到优秀人才的思维与认知问题，经常被我们忽视，因为，思维的效率也是效率，它可能影响更大，因为错误的认知，无效的推理，会让我们做出错误的判断和决策，人们经常忽视这种“能力”，这种都是“软实力”，而很多时候，如果我们缺乏思维认知，那么我们甚至无法认知人才的“思维软实力”的需求。

回到前面，就是我们对技术、数字化的认知匮乏，缺乏高效思维的人才，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？

2

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，教育的问题本身也是产业的问题，因为我们的产业本身都是一种“拷贝”、“跟随”的战略，使得对于“创新”缺乏需求，就像一个真正的原创的机器研发，一定会牵扯到建模仿真技术，但是，如果你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应用，这样人才也无用武之地。

当然，工程教育本身存在以下一些问题：

（1）.理论与实践脱节：德国的博士毕业要成为教授，需要在产业5年的经验（之前为8年），我们的大学师资要求极高，博士都已经不够了，对一些985学校还得是哈佛、耶鲁、MIT的博士，或者也得是院士、知名教授的博士生才行，但是，大多都没有一线实践，这使得其无法理解产业，并将理论与实践结合，无法给学生更有效的工程实践传递，学生也难以产生对学习的兴趣。

（2）.系统思维：专业过细也是大学有识之士诟病的一个方面，其实，专业过细会导致“全局”、“系统”的缺乏，产业里很多问题实际上都是系统性问题，在德国的教育通常是培养“成品工程师”，而美国通常则基于通识教育，前者更多实践，而后者更多系统的思维训练。

（3）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。

（4）教材匮乏：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，电机从旋转电机到直线电机，再发展到今天诸如贝加莱ACOPOStrak,ACOPOS 6D的运动控制技术，而大学仍然停留在变频器，简单的轴定位或同步控制,。

（5）.案例缺乏：如何将产业的案例与理论联系，这是未来需要加强的，以增强实用性和易于理解，产业所遇到的工程问题远非理论中那么简单，而且，解决问题的方法更追求实用，而非高大上，但真正追求高级的应用时，又缺乏支撑理论。

以上都是建立在工程思维，包括工程师的工作能力训练，但是，这可能也需要产学融合来解决，大学打下好的理论基础，结合产业实践环节，会更有效的人才培养。

3

人才不仅是个体也不仅是知识

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”，综合技术与管理，知识基础与思维能力，包括智商与情商的平衡，但是，很多人才的特征培养，不能放在大学，因为，这不符合分工，但是，很多硕士博士导师自身对学生的要求也包括了他们的思维与认知能力，也包括了他们的横向综合应用能力，因此，了解这种能力的特征，无论是对企业还是对学校都是有必要的。

其实，关于需要什么样的技术基础和知识，这个已经不需要讨论了，因为这是大学和企业自身人才培养必须有序进行的工作，而今天想要谈及的是两个重要的，经常被忽视的话题：

3.1不仅需要人才，更需要学习型组织

对于企业而言，不是说招募到人才，还要如何培养人才，以及有效的协调团队，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，需要技术的开发连接，也需要内部的开放连接，不能寄望于天赋、大咖级的专家，而是整体的实力，只有这样的组织才具有应对变革的能力，任何时候，不能依赖于个人的能力，而是整体的、团队的能力，以及粘合个体的组织能力。

3.2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、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、而能够系统的使用各种方法、通过规范的工作来创造性的开发产品、技术，为用户提供高附加值的产品与技术、服务来为企业获得利益。

4

人才培养避免误区

（1）.避免叶公好龙：经常，很多企业口头上总是说人才很重要，而实际上却又不愿意投入，人才是远期，而工作是眼前的，人才培养无法急于求成，都是要花费时间的，而运营者通常会被眼前的问题所困扰，觉得远水解决不了近渴，但是，人才培养需要精准和效率，就可以解决这些问题，在实战中训练，比如导师制，培训水平提高，自然就效率高，快速让工程师进步为高回报的人才，不但要招人，还要培养，用好人才。

（2）重视知识与技能，忽视思维能力训练：如前所说，思维与认知的重要性，思维的训练又是一个长期，而无法立刻见效的，不像学习Python编程是可以立即见效的，还有一个难题在于，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。

（3）.借助于跨界的力量：人们很难摆脱思维的惯性，而企业也有偏差，人才培养同样如此，多引进跨界的，比如自动化行业要多了解IT或AI，而AI和IT了解一下自动化，而精益的人也可以给技术上课，技术的给管理上课，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，而这是奠定基础的，否则，缺乏人才，对技术的认知、对产业的技术需求的认知都是匮乏的，就一定会走在错误的道路上，走在迷茫中。

以上文字来源于网络。