一個月前，筆者拖著行李箱，跋涉到一個中國邊陲小城，目的是拜訪一家隱藏在層層大山和稻田里的現代化煙草加工廠。

很多長輩和同事嘴里叼著的那根煙，也許就出自這個工廠的生產線上。

煙草，作為一個極為特殊的行業，讓很多人產生既愛又恨的復雜情緒：

與健康天然的對立性，讓煙草勢必成為被社會長期排斥和打擊的產業；而同時，成癮性和觸手可得的便利性，則意味著煙草市場又是一個能夠保持高利潤與高增長率的產業，也是國家重要的稅收來源。

這兩種相互拉扯的特性，使煙草市場走上“專賣之路”：由國家對煙葉的種植與收購、卷煙的生產和銷售實行嚴格計劃管理。而由此而帶來的高利潤，也是煙草加工產業有條件用上最先進的生產設備、制造系統以及軟件技術的必要條件。

換言之，正是因為煙草行業的“不差錢”，才能讓中國煙草制造在幾十年來積累起龐大且成熟的現代化工業體系。而先進的自動化與信息化工業基礎，則成為愿意且能夠接納最前沿技術的罕見土壤。

說是“壟斷”，但煙草制造行業并非沒有競爭的壓力。特別是近年來，雖然從大盤上看不允許多產超產，但各個地方性煙草集團之間，仍然有能力根據品牌的市場受歡迎度來搶奪分配額度，競爭相對激烈；

其次，中國煙民消費偏好也有了一些明顯的“精致化”和“去毒性”風向，譬如，很多煙草品牌都在改進自己的卷煙配方——降低焦油含量，添加一些所謂的保健類元素……

因此，煙草制造仍然面臨著工業領域永恒存在、且始終令工業人心窩子痛的課題——“提質”和“降本”。

而位于中國四線小城里的這座煙草加工廠，也無法置身事外。

無論是產業競爭對加工品質的倒逼，還是傳感器和大數據技術在5年內的突飛猛進，都在迫使這家云南煙草的代表性制造企業，不得不求變。

問題1：一流的自動化，三流的精益化

筆者在車間里親眼看到的煙草生產流程，著實令人震撼。

一根煙的長成，包括制絲、卷接以及包裝三大制造流程（視頻有全部呈現），而目之所及，沒有一處不是自動化。

一個生產批次走下來，每一道工序都能與下一個節點完美對接，如同一副字畫行云流水的運筆。

而車間里幾十臺德國進口切絲機與超精密自動化卷煙系統，以及中國自產的自動化物流堆垛機，都代表著中國煙草行業自動化水平早已步入一流水準。

德國煙草設備制造商HAUNI的切絲機

“你看到的制絲流程，20年前就有了。實際上，整個煙草的自動化程度都不低，你去其他加工廠也都一樣，哪一個都不差?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

負責工廠信息網絡化改造的劉部長，性情直爽而豁達，不喜說虛話，是一個很讓我們一見如故的老工業人。這個20世紀80年代畢業于985大學的工程專業高材生，在上世紀90年代曾參與過工廠里制絲產線的自動化改造。

“但是，煙草加工只能說自動化基礎較好，但不是沒有短板。大多工廠在建設之初由于缺乏總體的信息化規劃，系統之間的集成性不太好、數字化基礎薄弱，還需要補課。 ”

作為一個一線工業技術人，劉部坦言，真正的智能工廠還有很長的路要走，得補好數字化、網絡化不足的短板，做好長期規劃。

“現在這個老廠房相對老舊，有些設備的加工工藝和生產布局，已不能滿足一些煙牌新品工藝要求?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

他覺得，無論是“排產的科學性”“生產調度的精準性”“工人的系統操作水平”還是“設備的可靠性”“供能用能的協同性”，這里都離真正一流水平還差一大截。

因此，劉部一直想試試大數據和AI是不是像網上宣傳的那樣，能把這些問題解決好。

工廠里的自動取貨系統

“舉個例子，假如以前一個牌號（可理解為不同的香煙品牌）生產任務需要22天，那么現在他想要的結果，是用20天以內就搞定?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

簡單說，就是需要一個比車間N人排產小組更靈活，能連通和掌握所有設備數據的“強大角色”，能實時掌握設備、人力和環境情況，輸出一個最佳的排產結果——

比如，在下午2點這個批次，已知溫度濕度和煙料配方等數據，相比啟動不足的設備C、D和經驗不足的操作工Q和休假的操作Y，根據算法獲知——同類設備A、B和操作工Z的組合，也許更適合做某個牌號的任務。

“正如你看到的，煙草是一個流程性很強的產線，但中間仍然有很多‘縫隙’。譬如一個機組生產從牌號881換到牌號991，一旦換牌，肯定要損失產能?！眲⒉繉τ谙雽崿F的精益排產目標，有一個清晰的缺陷認知，

“換牌是不是要耽誤時間？設備要重新調，輔料要全部換，那你能不能幫我把排產做的連續性更強？

“有時候能源異常怎么辦？要么管道漏了，要么設備裂化，磨損太嚴重。有太多東西需要數據去分析了。

“另外從人的角度，負責這個批次的人與負責另一個批次的人，操作經驗明顯不一樣，那怎么辦？質量是要講究均衡性的，不能波動太大?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

在他的規劃里，無論是工序這種“點”，還是整個生產組織的“面”，都有太多做“提質降耗”的空間。

而這，便是新技術有機會施展拳腳的“精益化空間”。

問題2：只要是人，便意味著不穩定

如果要對煙草加工生產線的感受用兩個字來總結，那就是“快”和“穩”。

快，指的是設備之間的無縫銜接，沒有太多的停頓感，一氣呵成，效率至上；而穩，正如劉部的解釋，煙草生產非常重視配方工藝的穩定，物料配送的穩定，以及質量控制的穩定。

但是，設備之間的物理銜接，不代表設備之間數據傳輸的暢通無阻；而穩定，則依然受制于人。

原料傳送帶：需要有人來監督是否傳送順暢

有趣的是，在“回潮”這道工序上，筆者在系統操作臺旁觀察到，一位工人需要隔十幾分鐘就要檢查一次加水量，并根據水分儀的更新數據時不時點擊“+5”和“-5”的按鈕，保持水量控制在一個設定的標準數值區間內。

“松散回潮”，是煙絲制造產線的首道核心工序。干燥的煙料需要在加了水的回潮桶里被“攪拌”得更有韌性，才能提高后面一系列制絲工藝的品質。

而這里加水的操作標準，就是讓入口水分與出口水分與設定值保持一致。它的效果，直接決定了煙葉的含水率；而含水率，又直接影響一支香煙的最終質量、吸阻、硬度和煙氣化學成分。

換句話說，煙料在回潮機里的水分控制，仍然要工人手把手“掂量著決定”，必須依賴長期的操作經驗。但是，只要是人，就意味著不穩定。

“流程工藝的復雜性和控制難度遠超你們想象?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

帶我們走下整個流程的李師在工廠有20年的操作系統編程經驗。他說，即使是最有經驗的師傅都會判斷失誤，而回潮的水量控制又是流程里最難的操作之一。因此，業內幾乎不對執行這個任務的師傅進行KPI考核。

“首先，來料不確定，即便煙料是同一個品種和等級，但它來自不同產地，內在品質就會有差距。

“其次，環境的溫濕度，設備的穩定度，還有測量儀器（水分儀）的準確度，都會有一個變化規律，這個規律也很難找。

“第三，就是時間和工序的問題。每天第一個班第一批煙料進去，是最難控制的，因為機器剛啟動，蒸汽飽和度等等都不夠，而這一類數據也很難采?！?/p>

李師在擰開回潮桶開關

此外，人除了被經驗屬性所限制，在艱苦作業環境里，體力也是一項極不穩定的“武力值”。

煙草加工車間，最不會被忽視的，其實是彌漫在所有車間里那種濃重嗆人的味道。如果你平常受不了一個人在你旁邊吞云吐霧，那么可以想象一下，在你面前有滿滿一屋子煙料在蒸騰燃燒，是一種怎樣的窒息感。

我們在里面僅轉悠了兩個小時，就開始嗓子發癢，猛烈咳嗽。但大多數工廠里的一線工人，則需要在這樣的環境里呆上至少8個小時。

在回潮機旁，筆者“捉”到一個正在操作系統的師傅，才知道平時僅僅在“回潮”這個節點，不僅是“水分值”，他們還需要對溫度、濕度等指標做全面調控，每天站立的工時超過6個小時。

“我因為站得太久，得了靜脈曲張，一直在申請調班。”她帶著3M防護口罩，滿頭大汗。筆者最終沒有問出“是否愿意交給機器來做控水”這個問題，因為答案呼之欲出。

正在操作臺工作的師傅

智能化沒有直線，而是無數彎路

以上，便是一個有自動化基礎的工廠，進行智能化改造最為實際的源頭訴求之一——有一個比人更穩更快、精力更旺盛的“物種”；且能對質量檢測數據、工藝參數控制的動態進行及時反應。

然而，煙草行業并非沒有過類似的嘗試，反而嘗試過太多次。

五六年前，國內一批煙草制造廠就開始對部分生產環節進行智能化改造。譬如，用所謂的大數據和人工智能對“回潮機”“烘絲機”這類關鍵制絲設備做優化控制，但都效果平平，不算成功。換句話說，仍然無法取代人。

“要做工藝智能真的太難了。它不像消費互聯網，做一點千人千面的個性化推送，做一些精準營銷，難度并不大。因為消費互聯網對用戶的所有行為，都是通過埋點的方式來獲有用數據，是一點其他的狀況都不會有的?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

“你看過那個卷煙機和包裝機沒有？很龐大，機器組件很多。那種設備，你加傳感器你是加不進去的，線都排不出來?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

劉部指的便是卷接生產車間里的德國豪尼卷接機（下圖）。這是一臺讓人大開眼界的高度精密系統（視頻里有），你甚至不能用“機器”來形容它，因為它的復雜程度已經相當于一個微縮型車間。

“所以有大批公司說‘我可以做設備預測性維護’，但這項技術在一些大電機設備上是可行的，而對于很多像卷接機這樣機理復雜的行業特性設備，非常難，甚至沒法做?！?/p>

視頻里出現的豪尼卷煙機

劉部的話，完全印證了我們長期對很多大會和展臺上各種“預測性維護”標語的疑慮，因為在沒法用虛擬標尺丈量的工業領域，任何改造都不得不“具體問題具體分析”。

“另外，有時候你需要一些特定數據，但如果設備廠商設計產品的時候就沒有考慮到，你最后根本采集不上來，因為它根本沒有傳感器，也不會給你安裝傳感器的空間。我們一定得拉上設備制造商一起搞，才能效果最大化。”

早在2015年，他們與一家技術公司做過關于烘絲機等設備的出口水溫控制，但數據質量與量級的不足制造了重重壁壘，效果并不出彩。但劉部很不甘心，堅信這個技術路線一定沒問題。

“這五六年過去了，產業里走過的彎路有足夠多。除了傳感器、大數據的技術成熟了不少，整個行業在降本增效上的需求更高了，也在逼迫我們不得不走這條路?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

這次，工廠轉變了思路，決定先從數據治理下手，一步一步來：

首先，無論是煙草還是其他工業場景，很多原始數據本就存在各種問題，需要重新梳理才能為算法所用。舉個例子，在以前，數據和功能僅僅存在于單臺設備上，而兩者之間如果產生協同和互動，就需要引入之前沒采用過的新技術和新生產思路。

其次，數據僅僅是一個切入口，再繼續深入，工廠必須要對排產體系、排產流程全部重新梳理和設計，形成一個有頭有尾的閉環。

第三，則是一定要制定數據標準。凡事都需要有一個參照標準，而工業人則需要把數據的質量標準和技術維護標準全都定義好。因為只有實現數據規范化，算法才有發揮的最大余地。

“以前我們很多業務是割裂的，我這邊出來一個排產，人家物流系統還要拿這個排產表去測算我需要多少物料?，F在，我們直接把程序打通！你要先證明一個系統閉環運轉的完整性，才能再來跟我談智能制造。”

這也就有了工廠在2019年，再次選擇了一家名叫天澤智云的工業智能創業公司，一起做流程智能化的數據和資源基礎。

天澤的系統優化界面

這家師承世界知名工業大數據與工業智能專家李杰教授的年輕公司，雖然匯集了諸多中外工業技術專家和算法博士，但從來沒有否認自己此前在諸多大廠面前碰過的壁，和自己在一線遇到的種種刁難。

2019年，筆者曾有機會跟隨他們的工程師去面訪一家大型消費品工廠，然而對方對人工智能的不屑一顧和傲慢的態度，讓筆者意識到，跨行業的碰撞與融合，將會是一個比筆者想象中更嚴峻和漫長的道路。

因為在工業領域，沒有誰說服誰，也沒有誰的技術理念更新、更獨特、更小眾、門檻更高一說。工業人只看誰的系統能跑上自己的產線，以及產能結果。

天澤智云之所以能拿到這個難得的付費工業合作項目，一部分要得益于大環境和國家號召的驅動，而另一部分，則是他們讓工廠看到了一個在預期之內的初步結果。

兩位天澤工程師在做算法調優

他們給這家工廠做的，也是“回潮機”的控水優化。

任務聽起來很簡單，就是“建立一個算法模型，讓煙草從回潮桶里出來的水分更接近一個設定的標準值；同時，根據出口水分的數值，由算法來更正加水量，自動加水”。

但是，人遇到什么樣的難題，機器同樣都會有。

對于這幫新技術工程師來說，除了那些架在關鍵卡口的傳感器實時采集的數據，工藝指標數據，以及回潮機的運行機理數據，還要把不同批次、牌號以及環境的影響因素，抽象為計算機可讀的數據。

而這些影響因素，一大部分在老師傅的腦子里，還有一部分需要在算法訓練和現場操作中摸索獲得。

被李師接入工廠原有控制系統的算法控水界面

在產線上，作為一個觀察者，筆者也在幾位年輕工程師每天早晨7點在車間里伏案改代碼的整個過程里，看到了一部分任務執行效果。

在操作系統前，已經跟工程師們混熟的李師，給我們打開了智能化水控系統界面，這個新界面已經被他無縫集成進工廠的PLC操作系統。

“現在這套系統已經轉生產系統正式使用，水分控制幾乎完全不用人操作。目前工廠的回潮考核目標是出口水分標準偏差小于0.24，而我們現在系統自動控制結果大部分都在0.15以內，較為穩定。”

而就是這幾個簡單的數字，讓天澤工程師與一線師傅們在車間里磨合了大半年。

天澤智云的工程師給筆者解釋，最難的部分，在于不穩定客觀因素的數據化；同時，新突發情況，則是窮舉不完的。所以，窩在車間控制室調數據，就是他們的日常。

在沒到車間之前，筆者早已體會過跨行業溝通不暢，語言頻道不對位是常有之事。但只有親身過一次，筆者才知道原來這里的“不暢”也包括“方言”問題。

雖然李師非常熱情地把生產流程都講了一遍，但由于聽不懂方言，筆者幾乎是連猜帶蒙才能聽懂50%，剩下50%則被“煙草生產特定用語”等知識壁壘徹底擊敗——對，就是聽不懂“行話”。

“其實剛來的時候我們也挺懵的?！币晃惶鞚晒こ處熉犃?span style="text-indent:32px">筆者的困惑深有同感。他們在做這個項目之前系統學習了行業知識，但仍然搞不明白產線操作術語和設備機理；剛到一線時，更是不知道從哪里下手：

“我們一開始也聽不懂，只能靠劉部進行‘翻譯’來跟師傅們請教系統運行情況。后來，由于每天大部分時間都跟他們一起吃飯，一起共事，一起喝酒，才慢慢習慣了彼此的‘不一樣’。”

劉部說，這次他給合作的技術公司定的要求比較高，高到什么程度——他要親自去檢驗在沒有人的情況下算法控的東西能不能達標，結果絕不能低于人控。

“一開始，在環境比較穩的時候他們的系統的確很穩，但有一些特殊情況仍然沒辦法解決。所以他們才調了大半年，在里面找到了很多以前忽略的因素?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

這幫年輕工程師們被劉部形容“態度很不錯”：“每天第一班生產最難控，所以他們后來就早上7點過來專門研究這個時段。筆者一直強調搞技術至少得有工匠精神，不是要做的多么細，關鍵是要有耐心。”

“取代”，不等于“淘汰”

“加水”這個任務，盡管可以由機器主控，但并不意味著“完全人工取代”。

雖然在天澤設計的算法框架邏輯里，每一步生產內容判斷的“是與否”，都會通過智能控制模式來做“自學習”或“執行任務”；不過，一旦出現異常模式，則會立刻切回人工模式，呼叫現場操作工。

算法框架的設計思路

其實，外界對工廠的人力取代問題一直存在理解誤區。然而，“要么人，要么機器”的完全對立是不存在的。

首先，即便是一家智能黑燈工廠，也不可能完全沒人。就像一輛無人車的自動駕駛功能與人工駕駛之間的切換一樣——人的存在，仍然是應對一切“意外”最好的解決方案。

其次，在中國很多工業場景中，所謂的減少人力成本，是一個偽命題。因為在人力成本較低的中國，“找人干活”本就是工廠主“壓成本”的最好選擇。

換句話說，用機器來代替人，特別是中國的大型工廠，從來都不是為了節省成本，而是在于“品質的提升”與“全流程的提效與節能”。

多年來，大家在“中國制造普遍低劣性”的批評聲浪中反思和前進；而很多高端設備工廠，其實就是為了去掉“低劣”這個標簽而走上升級之路，甚至很多因負擔不起過高的改造成本而倒閉。

此外，傳承最優秀產線老師傅的經驗，理性且“永存”的機器與數據更具備復制優勢。

當然，很多側重手藝調制的工業品，譬如像茅臺的釀造，以及化學試劑的比例調和，仍然要看人。然而，大部分從產線下來的剛性工業品，對于中國來說，已經到了交給數據來延續生命和提升品質的時刻了。

不過，我們也不能忽略數據與算法價值的殘酷一面：不能完全取代你，不意味著你不會被淘汰。

在一個人逐漸變得無足輕重的工業場景里，人不被淘汰的唯一方法，就是讓自己變得更具多樣性價值。而劉部結合了現場工程師與工人之間磨合過程的種種矛盾，給出了一個“折中”的答案：

“我覺得人不是要先取消他的崗位，而是要先變化他的工作和思維方式。其實現在工廠最缺的反而是研究性工作。我們缺少人去做一些把知識經驗固化下來的事情。而工人是不是應該轉型呢，必須轉。

“很多時候我們的業務人員和新技術公司交流需要我在中間做翻譯，為什么？一方面，工程師根本聽不懂那些操作工的語言。而我們的人講事情不會系統性陳述，想到一個點就講一個點。

如果業務人員做了更深層次的分析工作，他們與新技術人的認知逐漸到達一個水平線，進行對話的隔閡就會少很多。

“我們知道這條路非常困難，但這是他們必須要選擇的路。這條路都不選，才會被淘汰?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

很顯然，對于中國艱難前行的制造業，設備和數據的進階，也需要一批更具有才華和與時俱進的“工人”相匹配才行。

中國工業升級，又要趟過一片大江大河

親眼所見的煙草加工產線，與愿意給予新技術以展露機會的工廠老炮兒，讓我非常意外地認識到，在一座邊陲小城，也藏著許多擁有遠見但卻時刻保持清醒的工業人。

“其實像煙草和大型精密機械工業里，中國從來不缺人才。你看我們部門很多都是985和211畢業的大學生。其實人才短缺問題是有兩面性的。很多人看到了緊缺，但是另一邊則是，他們到底能不能在一片天地里發揮自己最大的才能，能不能釋放出自己的才能來?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

劉部并不像很多筆者在展會上看到的專家一樣，張口閉口就是“智能化改造”與“新基建能改變什么”。

相反，他愿意以一個冷靜且自知的工業專家視角，為所謂的智能化界定了一個明確的實操型應用邊界；也愿意在一個體制化的工廠里開展“技術比賽”，鼓勵工廠里的年輕人組隊設計新程序。

因為站在中國工業迭代角度，他看到的是，20年前，既然很多中國大型工廠因實現最早實現自動化和信息化而獲得豐厚回報，也可能在20年后，隨著新技術的下一次迭代而一蹶不振。

“當然，我相信我們工業人也必須要改變思維，你選擇了嘗試，那么思維就是在發生改變。但我們也很清楚，這條路得一個場景一個場景做，由點、線、面最終撐起一個智能制造體?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

劉部開玩笑說，自己接待了很多號稱可以做“預測性維護”“人工智能大數據”的新技術公司，但沒有哪家新技術公司能忽悠到他，或者能很信心滿滿地回去的。因為他會用真正的實操經驗，來反向驗證那些大而全的方案，到底是不是真本事。

“哪怕這個點很小，但你如果能給工人建立一種信心，告訴他們真的能用智能技術解決復雜的，之前沒解決的問題，那他們就會信服你，愿意給你其他的機會?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

所以，對于渴求任何實驗機會的新技術公司來說，找對方向，不求做大做全，而是以做專做精獲得工業人的信任，在這個時間點變得異常重要。

“所以，沒有一個一二十年的積淀，就不叫智能工廠。只有每個點做好了，那時候我才敢說我的工廠是智能的?！?br style="color:rgb( 51 , 51 , 51 );font-family:'hiragino sans gb' , 'microsoft yahei' , sans-serif;letter-spacing:0.5px;white-space:normal;background-color:rgb( 255 , 255 , 255 );text-indent:2em;text-align:left" />

無論如何，在當下這個時間節點，給予新技術工程師們一個機會，難能可貴。

這次拜訪一座小城里的煙廠，最大的收獲，不是技術，而是筆者發現中國有很大一部分藏在大山和車間里的，有思考有見地的老技術人與新技術人。

而他們的交鋒方式，則映射出了中國應如何為跨入一個新技術時代做好準備的，頗具前瞻性的思考軌跡。

制造業，或為生存和市場競爭所迫，或為更好的制造工藝所需，都會在每一個時代節點做出一個艱難的決定——有人會因為這個決定而負債累累，最終淹沒在升級改造的大河里；有人會抓住韁繩，再次開辟出一片可以施展拳腳的大江。

這讓筆者想起小時候，老家作為一個四線小城，有一座一度是當地支柱型企業的大型化工廠。

在它周圍方圓5公里都彌漫著一股讓人窒息的氨水味，每次班里有人大喊一聲：“味道飄過來了”，老師就指揮我們趕緊關窗；而另一邊，大多數小學同班同學的父母，都是這座工廠的正式職工。

后來，與很多因經營不善和改造成本高、環保治理難度大而消失的制造企業一樣，工廠倒閉后，同學的父母們也曾因發不出工資而集體抗爭過，但最終不得不脫下灰綠色的工服，另謀生計。

而頗為魔幻的是，已經長大成人的我們，再次站在了當下這個技術改革浪潮可能又會拍死一大批制造業的時間節點上。

因此，與其一味批判，我們可能有義務告訴大家，為什么要在這個時候，不得不去做一些改變了。

毫無疑問，中國的制造業正在獲得真正的升級，但這并非是一個或“工業互聯網”或“新基建”的概念與紙上談兵聊來的成果，而是一大批真正在產線上不斷做嘗試的工業人與新生代技術人才，在一次又一次可能不會取得成果的磕絆摸索中，為下一代儲備果實。

不為盛名而來，不為低谷而去。這是屬于當代新工業技術人的“大江大河”。

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯系，我們將及時更正、刪除，謝謝。