▎AI 来了，工控人该拥抱还是保持距离？（下）
就业数据说 AI 将净创造 1200 万个岗位。历史经验说 PLC 替代继电器时电工并没有消失——但他们的工作内容彻底变了。工控行业站在同一个十字路口。
上篇我们讲了 AI 在工控行业已经做到什么、还有什么做不了。现在该回答那个最让人睡不着觉的问题了。
---
一、工程师会被替代吗？看看 40 年前的"上一轮 AI"
1980 年代，可编程逻辑控制器（PLC）开始大规模替代继电器控制系统。
当时的电工是什么感受？整面墙的继电器柜，几万根导线，是电工花了十年才摸透的"手艺"。结果来了一台灰盒子，几行梯形图代码就把整面墙替代了。很多人以为电工这个职业要消失了。
四十年后回头看：电工没有消失，但"只会接继电器"的电工消失了。
保留下来并活得更好的，是那些学会了梯形图编程、理解了 PLC 系统架构、能排故、能优化的工程师。他们的工资反而比以前更高——因为他们在产业链上的位置从"执行者"升级成了"设计者"。
历史不会重复，但总是押韵
PLC 替代的不是电工，是纯体力劳动的巡检。
AI 替代的不是 PLC 工程师，是纯体力劳动的数据分析——那些每天花 4 个小时看数据曲线的日子，AI 可以帮你省下来。
省下来的时间做什么？理解数据背后的物理意义，做出判断和决策。 这件事，AI 做不到。
一个真实的对比数据：麦肯锡 2025 年报告显示，AI 预计将净创造 1200 万个岗位——超过被替代的数量。但同时，至少 20% 的企业员工需要重新培训。
关键不是"会不会被替代"，而是"你能不能学会和新工具共事"。
---
二、老板视角：现在投 AI，划算吗？
这是另一个高频问题。我的答案是：看场景，不盲从。
三个"现在已经值得投"的场景
预测性维护：投资回报周期 12-18 个月，维护成本降 30%，停机减半；适用条件——你的关键设备单次停机损失 > 5 万元。
视觉质检：ROI 最快（通常 6-12 个月），人工目检疲劳带来的次品漏检成本远超 AI 系统投入；适用条件——产线有重复性外观检测需求。
能源管理：AI 优化压缩空气系统、空调系统，电费能省 15-30%。如果年电费 500 万，一年省 75-150 万；适用条件——年能耗 > 200 万元。
但下面这些场景，2026 年还不急：
全流程工艺优化——需要大量历史数据 + 深度工艺理解，上线周期长，ROI 不确定。如果你是中小企业，先做好数据记录规范化，这比买 AI 系统更重要。
AI 写 PLC 程序——目前看还是"智能补全"级别，离"自动写"还有距离。去年TIA Portal V21 里已经有了 AI 辅助编程，但它更像代码补全工具，不能替代工程师的系统设计，今年已有新的进步，智能体！但大家还在观望，并未推广开。
数字孪生全厂模拟——大企业的炫技工程，投入高、周期长。先做好设备数据采集和标准化，等时机成熟再上。
---
三、工控工程师的新技能清单：到底要学什么？
很多人一听到"AI"就以为要学 Python、学 TensorFlow、学机器学习算法。对于工控工程师来说，这个路径是错的。
最关键的三个能力（排名分先后）
1. 理解数据——不是写代码
知道振动数据、温度数据、电流数据的物理意义。知道采样频率多少合适。知道数据是 Modbus 传过来的还是 OPC UA 传过来的——以及这两个协议的字节序一不一样。
2. 能"翻译"——连接 OT 和 IT
你是工厂里最懂 OT（操作技术）的人，也是最能和 IT 团队对话的人。AI 项目失败的第一大原因不是算法不好，是 OT 和 IT 团队互相听不懂。
3. 会提问题——而不是会写模型
能跟 AI 供应商说出"我需要预测的是轴承故障，关键信号是振动频谱中的 3 倍频分量"——比"我会用 Python 调参数"值钱一百倍。
我的一个在西门子做数字化咨询的朋友说过一句话："工控行业不缺会写代码的人，缺的是懂设备原理又会看数据的人。"
如果你现在还在犹豫要不要学点 AI 相关的东西，我的建议很简单：不要从 Python 开始，从你手头那台设备的通讯协议开始。搞清楚它怎么往外传数据、传了什么数据、频率多少。这些搞明白了，AI 的大门对你来说就不是天书，而是一系列你已经认识的基础知识的自然延伸。
工厂里最值钱的人不是最懂 AI 的人，也不是最懂 PLC 的人——是那个能坐在 AI 团队和 PLC 团队中间，把两边的话都翻译清楚的人。这个人，大概率就是正在读这篇文章的你。
---
四、工控 AI 和互联网 AI，底层逻辑不一样
很多人对 AI 的焦虑来源于互联网行业的故事——ChatGPT 来了，文案、翻译、客服都在被替代。但工控行业和互联网行业有一个根本性的差别：容错率。
互联网产品可以"灰度发布"——先让 1% 的用户用新功能，出问题马上回滚，最多损失一点用户体验。工控系统不行。一个错误的控制指令可能导致设备损坏、产线停摆、甚至人身伤害。
所以工控 AI 的落地方向和互联网完全不同。互联网 AI 追求"快"——快速迭代、快速上线、快速试错。工控 AI 追求"稳"——经过充分验证、有安全冗余、能被人理解。
这也意味着，工控行业的 AI 替代速度不会像互联网那么快。 不是技术做不到，是行业属性不允许。这会给你留下足够的时间窗口来学习、适应、转型。
---
五、三个阵营：你在哪一边？
我观察工控行业对 AI 的态度，大致分三种：
第一种：盲目拥抱派——"不做 AI 就是等死"。特征是到处买系统、搞项目，但数据基础一塌糊涂——设备没有传感器、产线没有联网、记录还在用纸质。AI 对他们来说是一剂"焦虑安慰剂"。
第二种：完全抗拒派——"AI 都是忽悠，我的经验比机器靠谱"。特征是把所有 AI 概念一概否定，坚持用二十年前的工作方式。
第三种：务实派——"先看数据基础，再决定怎么用 AI"。特征是先把设备联网、把数据采集规范化、把历史故障记录电子化——这些基础工作做完，AI 才真的有用。
第三种人，五年后会站在产业链的最高端。
---
六、结语：拥抱，但不是因为焦虑
回到最初的问题——拥抱还是保持距离？
我的答案是：拥抱，但不是出于焦虑，而是出于理解。
PLC 替代继电器的时候，留下来的不是最早学会梯形图的人，也不是等到最后被迫学的人——是那些看到了变化在发生，主动理解新工具能做什么、不能做什么，然后重新定义自己位置的人。
他们没有被恐慌推着跑，也没有被傲慢遮住眼。他们只是比别人早一步意识到：技术不会等你准备好，但也不会一口气吞掉你。 看不清的时候，先把手边能做的事做好。设备联网了吗？数据在采集吗？历史故障记录电子化了吗？这些最基础的事做到位，AI 到来时你就是最早起飞的那批人。
四十年前的那批人叫"PLC 工程师"。
四十年后，你们将被称为"AI 时代的工业工程师"。
这不是一个需要恐慌的时刻。这是一个需要清醒的时刻。
---
如果你身边有工控同行也在纠结"AI 到底能不能用"，把这两篇文章转发给他。或许能帮他少走一些弯路。
下一主题
