本文來自格隆匯專欄：甲子光年，作者：劉景豐

一羣博士，或主動或被動，正在用科技改變老舊的行業。

2018年初冬，在跟老同學吃過一頓飯後，陳仁做了一個決定——放棄騰訊自動駕駛核心技術負責人的職位和優厚的待遇，選擇做一名紮在鋼鐵廠的“工人”。從外人看來，這個決定太不能理解了。

無獨有偶。一年之後，也是冬天，林巧正也辭掉了阿里的工作，加入專注於礦山無人駕駛解決方案的初創公司易控智駕，成為上述礦場上為數不多擁有博士學歷的“工人”。

這並不是他們的一時衝動。兩年後的今天，在回首當初的選擇時，他們仍堅定地認為，工業才是未來科技最好的應用場景之一。

兩位國內頭部大廠“資深程序員”的選擇，在一定程度上，可看作是當下科技人才流向的微妙變化。

BOSS直聘研究院數據顯示，自2018年Q3起，儘管互聯網仍然是人工智能人才需求的主導行業，但傳統行業AI人才發展指數也大幅增長。到今年春招，傳統產業界的應屆博士生招聘需求同比增幅達到75.7%。但另一個現實的問題是，隨着老齡化加速，招工難愈演愈烈，工廠越來越難留住年輕的打工人，其生產方式也與當下的前沿科技無緣。

於是在這些傳統工廠裏，一種工人的兩極化流動正在悄然發生：一方面，疫情加劇了工廠的生產壓力，年輕人正加速逃離傳統工廠；而另一方面，一些名校碩博畢業、擁有多年互聯網行業技術沉澱的科技人才則把目光投向工廠、礦山，試圖用科技改變老舊的行業。

懷揣技術的博士與身懷經驗的一線工人，正在發生一場化學反應。

這場化學反應很可能會影響新一代年輕人的職業選擇，也註定影響着中國工業的前途命運。

博士湧進工廠

即使在大牛雲集的互聯網領域，陳仁的履歷也算得上耀眼。

2009年，畢業於華中科技大學的陳仁開始進入圖像識別領域，後又轉向深度學習，並在滑鐵盧大學攻讀博士學位；2013年陳仁加入百度，是百度IDL（深度學習研究院）早期核心成員；2016年加盟騰訊，參與組建自動駕駛技術團隊，併成為騰訊自動駕駛核心技術負責人。

用同學的話説，他“永遠踩在人類技術最快的車道上”。

如果他的人生按照這樣的軌跡走下去，陳仁的未來應該是在大廠實現持續的職業升遷和收入的倍增，成為別人眼中的“成功人士”。

但2018年底，他卻下定決心離開舒適圈，與冶金工業自動化領域的資深專家陳洪成立了工業智能製造解決方案提供商瓦特曼智能（WATTMAN），做了一名常駐鋼鐵廠、鋁廠的“鋼鐵俠”——據説他每個月30天中，有20天以上是在這些工廠裏，至今依然保持這樣的頻率。而此前，他很少到客户的現場出差。

瓦特曼智能CEO譚勝虎向記者講述了他們創業過程中的一段經歷和思考：他曾拜訪過一家冶金企業集團，年營收動輒兩三千億元，營收規模佔當地省份GDP的1/4——這在基礎工業領域相對普遍，但在互聯網領域，這樣的體量只有阿里、騰訊這種巨頭企業才能達到。

然而這些基礎重工業企業內部卻是另一番景象——生產工藝傳統、生產環境依舊充滿危險，年輕工人越來越少。

普通人經常在新聞中看到的鏡頭——鋼鐵廠內鋼包（高温熔爐，盛鋼水的鋼製容器）在輸送和傾倒鐵水，實際上這是需要三個人協同操作完成的：一個工人在懸樑上駕駛天車，一個工人在地面觀察，另一個工人則在地面根據觀察員的反饋指揮天車駕駛員。

即使這樣謹慎，仍然會有發生危險的可能性，畢竟鐵水的温度高達1600℃，一旦泄露或傾灑，所到之處便滿目瘡痍。

鋼廠並非沒有考慮運用控制系統和機械裝置來完成這一操作，但現實是，在高温、腐蝕性的環境中，用機器吊運超過十噸重的鋼包還面臨着不少難題，傳統自動化方式沒有很好的解決方案，而最前沿的人工智能技術又與工業尤其是重工業的車間隔着長長的距離。

在調研過數十家工廠後，從北京大學微電子系研究生畢業的譚勝虎對技術與應用間的鴻溝有過非常大的觸動，這也是他和陳仁做出職業轉向的重要原因——縮短人工智能技術與重工業的距離。

林巧的經歷，與陳仁十分相似。

林巧是浙江大學光電學院的博士，2017年以後在阿里巴巴菜鳥網絡ET實驗室擔任無人物流車硬件負責人。在大廠領導一個技術團隊，這本是程序員最好的發展之路了。但隨着工作越深入，林巧越感覺到自己正陷入一個怪圈——明明很有前景的技術，卻在落地時陷入難產。

在慎重思考後，他意識到這個怪圈形成的原因——一是場景剛性需求痛點不夠，但更重要的是方法的問題。

如果找不到一個合適的場景，技術推廣起來會十分吃力；如果又沒有一個好的方法，那做落地時則難上加難。

針對自動駕駛的落地場景，林巧心中已慢慢有了答案——業內已經形成共識，礦區、港區、園區以及機場這“四區”是自動駕駛技術落地最近的幾個場景。而落地的方法，則需要自己到現場去尋找。

他的職業選擇轉機出現在2019年夏天，趁着休假，林巧來到鄂爾多斯的露天礦上“體驗生活”。儘管只待了一天，但巨大的礦車、陡峭的礦坑以及漫天飛揚的黃沙，都給他留下了深刻的印象。“從未體驗過這麼大的礦車，僅輪胎直徑就1.4米，幾乎跟成年人的肩膀一樣高。而且，到駕駛室是需要手腳並用爬上去的。”林巧回憶稱。

在礦區行駛的寬體礦車

如果這些體驗算是滿足了一個人的獵奇心，那另外一個體驗就讓大多數人受不了——礦區上沙塵極大，而且當時所在礦區的道路邊上是深約七八十米的邊坡。“坐在那麼大的車裏，感覺就跟在懸崖邊走路一樣。”至今回想起來，林巧仍舊心有餘悸。

但林巧也有很多收穫：礦區的作業環境是無人駕駛落地的絕佳場景，路上沒有行人、車輛管理有序。最重要的，這不是個偽需求——礦上的司機平均年齡接近50歲，他們馬上就幹不動了，此外他們還流動頻繁，極不穩定。

8個月後，林巧離開阿里辦公室的舒適沙發，加入礦區無人駕駛初創公司易控智駕擔任技術副總裁，過上了跟陳仁一樣的“艱苦”生活——50%的時間都在礦區出差。

實際上，“盯”上工廠、礦區的不單是程序員個體。就在林巧有了進工廠想法的前後，阿里另一個神祕的部門也把目光悄悄對準了工廠。同期阿里犀牛智造的工程師們也在“上山下鄉”——在犀牛智造，所有的算法工程師都需要先到生產線上去做一段班組長，有一位南洋理工大學的算法博士，到工廠之後也從班組長幹起，跟工人們同吃同住兩個月。

華為在跟傳統鋼鐵廠合作時，也會把剛招進來的博士專家派到工廠裏，與工人一起熟悉整個生產流程。

從數據上看，博士湧進工廠正成為一個確定的趨勢。BOSS直聘研究院的數據顯示，今年春招，產業界的應屆博士生招聘需求同比增幅達到75.7%。其中，“博士大戰”競爭最為激烈的三大細分領域是數字技術、醫療健康和智能製造。相似地，對於碩士畢業生的需求同樣集中於數字技術、教育、醫療健康和製造業領域。

“博士大戰”的背後，是傳統工業在數字化轉型中，越來越重視基礎研究和前沿技術的應用。

中年程序員，跳出大廠的束縛

在騰訊自動駕駛部門，孫銀健向陳仁彙報。在得知自己的領導選擇去工業領域創業後，2019年，孫銀健也從騰訊辭職，加入瓦特曼智能。

從履歷上看，他也是個實力派——985名校畢業，本科、研究生均在自動駕駛領域學習、進行技術研究，畢業後進入上汽集團，後又進入騰訊無人駕駛部門。但隨着工作越久，他心中的困惑越來越大，“從事的技術看上去高大上，但是越做越發現它離真正的落地有很大的距離。”

在騰訊工作的兩年裏，他參與的自動駕駛demo項目至少四五個。但這些項目最終都沒能落地。“每個項目做完，都感覺有點飄着，心裏不踏實。”孫銀健説。

即使今年7月在接受記者採訪時，他依然對當前自動駕駛技術落地的可行性保持謹慎態度。而最近發生的蔚來汽車自動駕駛安全事件，也的確給行業敲響了一記警鐘。

離應用場景更近的創業公司，成了這些技術應用抱有執念的大廠程序員最好的選擇之一。

不過，對大廠程序員來説，更直接的瓶頸是個體越來越成為螺絲釘。

在30歲以前，一名程序員會習慣於上級領導搭好程序框架，自己在上面填充代碼；但30歲之後，這種方式會將程序員禁錮在一個細分的工種上，最終成為整個流水線上的一顆螺絲釘，而且是一顆隨時可替換的螺絲釘。

尤其對於一個非管理層的程序員，在需要兼顧家庭的需要時，必然在工作上的積極性會被降低。這從加班氛圍上也可以看得出來。一般晚上9點以後，互聯網公司辦公室裏加班的程序員，超過2/3是35歲以下的程序員。在同樣技能水平下，企業當然更願意招新人而淘汰精力不足的老程序員。這也是為什麼説，35歲是程序員職業中的一道坎。

壓力使得大家開始不斷內卷。即使在沒有緊急任務時，一些程序員也要“自願”留下加班，甚至有些35歲以上的基層程序員每天都活在焦慮中。工業機器人公司翼菲自動化軟件負責人張忠法曾面試過一位從互聯網公司走出來的算法程序員，“不到40歲，頭髮已經全白了。整個人看上去像是50歲了。”

一位30多歲的程序員向記者道出了自己離開大廠的緣由。在即將步入"35歲紅線"之際，他厭倦了在大廠做螺絲釘的職業生活。而互聯網公司紅利的見頂，也讓他們失去了前輩們那種在大廠靠期權實現財務自由、用技術改變世界的雄心。

但在傳統的工廠裏，落後的產線急需改造，年輕工人不斷流失加速了機器換人，這恰好需要掌握着技術和豐富工作經驗的程序員來實現。

對於林巧這類已經走上管理崗位的程序員來説，不會存在“螺絲釘”的職業瓶頸。他們在大廠的職業瓶頸，更多體現在決策權的侷限上。

在大公司，一個很常見的情況是，對上級報喜不報憂，“原本需要3年才能落地的項目，經過層層轉達，到了最高一級很可能變成2年甚至1年，這便嚴重脱離了實際。”一位互聯網大廠的中層管理人員稱。最後的結果就是，職級越高，離行業的真實水温越遠。

以多家大廠都在佈局的末端機器人為例，在實現了demo驗證之後，各家便進入商業化競賽。2018年全球物流峯會上，菜鳥ET物流實驗室曾對外宣佈，“未來3年阿里菜鳥無人設備將達到10萬台”。至今三年之期已過，但這一數字仍未達到。此後，京東物流等公司也相繼推出各自的物流機器人商用計劃，但完成時間已經推遲到4年後。

降低成本是商業的重要目的之一。仍以末端物流機器人為例，如果把原本15萬元的成本強行壓縮到10萬元以內，就需要在硬件上降低要求，然而短期內算法的迭代解決不了低成本硬件的不足，進而影響產品的穩定性，這意味着，強行壓縮成本的企業很有可能要走回頭路。

即使不走回頭路，這種穩定性差的產品也很難打動客户，落地的數量也有限，最終還是難以實現商用化。

這正是大廠的侷限。想要打破這個魔咒，最直接的辦法就是跳出大廠的束縛。

自今年以來，不時便有“逃離大廠的年輕人”這類文章出現。在BOSS直聘發佈的《2020年Q3人才吸引力報吿》中，互聯網行業對人才吸引已經退居第二，且早已呈流出狀態。

大廠進工廠的難題

已經習慣了進工廠的孫銀健有一個感受，他在重工業廠房裏碰到的大廠程序員們也越來越多了。

“之前很少在重工業工廠裏見到他們，但今年接觸過好幾次。”他説。這些大廠，包括阿里、騰訊，以及華為等知名大公司。

就在今年7月底，記者曾應邀參加了釘釘組織的“柳鋼走訪”活動。在前文中，對釘釘承載柳鋼這類大型“重工業”的數字化轉型做了詳細的描述。

這似乎不可思議：年輕人紛紛逃離的傳統工廠，從什麼時候開始又變成了IT、互聯網大廠的香餑餑了？

或許早有伏筆。

2016年，馬雲在雲棲大會上喊出“五新”，其中一個就是“新制造”。當時很少有人真正理解這些新名詞，在一些人看來這又是阿里憑空造出的新概念。但在去年的雲棲大會上，阿里發佈全球首個新制造平台“犀牛智造”，其在製造領域的佈局浮出了水面——實際上在2017年，阿里就開始着手用新技術改造製造業工廠了。

此前淺黑科技在《絕密計劃：我在阿里打黑工》一文中，也曾詳細描述了阿里在早期成立犀牛製造、並讓程序員下沉到工廠的全過程。

放在今天看，“新制造”就是用新的互聯網、AI、雲計算等技術將工廠數字化，進而在提升效率的同時，實現柔性生產。不僅如此，阿里的觸角也在從過去服裝加工等輕工業漸漸涉足鋼鐵等重工業領域。

不僅阿里，騰訊在2018年最為人知的“930”變革也向外界展示了其轉向產業佈局的決心。

一位騰訊的合作伙伴曾向記者描述，在推動產業互聯網時，騰訊的程序員經常和合作夥伴的開發人員一同在工廠裏完成代碼調試。

而華為自2019年以來，也在多地的工廠、鋼鐵廠推出5G智慧工廠的項目。

但問題是，下到工廠裏的大廠，會在多大程度上“賦能”了工廠呢？

一位不願透露姓名的智能製造從業者，向記者講述了他某位鋼鐵行業客户的一段經歷。

2020年，某鋼鐵廠與一家頭部科技大廠簽下合作協議，後者運用其技術能力為其打造一個智慧工廠。在此之前的競標中，這家大廠是排名靠後的，但是最後由於大廠領導親自下場談合作，最終其成功拿下了大單。

拿下大單之後，大廠也很重視該項目，招來數名應屆博士生與公司技術人員駐紮在工廠。然而成果交付的時候，客户發現這些系統確實有一定的效果，可以用，但在一些細微的方面會出現狀況，穩定性、功能實現上均達不到預期。

“他們特別喜歡用一些炫酷的方法來實現基本的功能。比如在鋼鐵廠架上各種通信設備、傳感器，並引入各種生產管理系統。這些其實就是為了完成流程記錄而已。”該從業者描述道。

對追求實用的鋼鐵廠來説，這並不是剛需。同時，互聯網大廠更願意聚焦提供一個系統通用、底層的產品（例如：5G、雲存儲等），但基數設施的鋪設往往並不直接解決具體的生產需求，場景和產品的落地去解決一個實際具體的生產問題對工廠來説更具體、更迫切。

另外一個例子是，此前釘釘在為柳鋼做數字化轉型時，搭建起冷軋信息管理系統，涵蓋了日常辦公、生產管理、安全管理、設備管理、資金管理、知識庫六大版塊的50多個特色應用，涵蓋了所有業務流程辦理、設備巡檢、危險作業管理、物資管理等。但一名熟悉業務的投資人卻抱怨稱，這些都是“花架子”，對生產並沒有起多大的作用。

其背後的原因是，過去大廠一直存在慣性思維——做平台。即擅長在一個項目中做基礎的架構和設施，但對上層的應用和實用化的細節處理是弱項。

為什麼大廠的程序員不能像創業公司，也把50%甚至80%的精力泡在工廠裏？

一位在大廠工作了數年的程序員吿訴記者，按照大廠的機制，當一批程序員下到工廠時，需要相應的配套也下到工廠裏，比如餐飲、出行、生活補貼等，再加上巨大的人力成本，出一次差很不划算；另外，長期在寫字樓空調房裏的大廠工程師對充滿粉塵、燥熱的工廠環境短時也難以適應，“待上一週就受不了”。

但創業公司沒有這樣的包袱，而且更靈活。

林巧的感觸是，消費互聯網時代，C端市場可以指數級擴張；但在工業工廠裏，技術的每一步擴張都只能建立在一個個的生產環節上。“在這裏，原來那種平台化策略不管用了。”他説。

痛點，即是機遇。如今，進工廠的大廠已經找到了更舒服的姿勢——與創業公司合作。

比如，易控智駕在礦區的自動駕駛車輛，就搭載了華為的自動駕駛計算平台；瓦特曼智能在鋼鐵廠的智能機器人，也要用到華為、騰訊的一些基礎設備或架構。反過來，大廠越來越多地把工程中上層的應用部分分包給有重工業經驗的創業公司。

釘釘與柳鋼的合作也是如此。釘釘走進鋼鐵廠中完成了很多系統的佈局和串聯，但“這裏面在細節上沒有一件事是釘釘做的，包括邊緣計算、智能識別。”一名熟悉阿里雲的技術專家在講述這一過程時做出如此評價。

“我們吃過的土，就是我們的競爭堡壘”

在北京海淀區復興路乙12號，有一座“中國鋁業大廈”。

這座大樓，曾是原國家冶金部的辦公地。隨着原冶金部的撤銷，該大樓也變成了一座商用寫字樓。不過，至今樓上住的大都是一些“中”字頭的冶金領域公司。只有一個例外，就是瓦特曼智能。

很難會有人相信一家做人工智能、機器人的科技公司會在這樣一座“傳統大院”裏辦公。但譚勝虎覺得選擇在這裏辦公是“找對了地方”。

有一次，譚勝虎跟一個鋼鐵廠的客户吃飯，席間對方問到“你們在哪兒辦公”，譚勝虎回答在中國鋁業大廈，結果對方一臉驚訝，直呼“你們是內行”。

原因是，這座樓裏的企業，絕大多數都是在重工業領域深耕十幾年的公司，這類公司相對封閉，圈外人很難接近他們。一般來説，即使是一家中等規模的鋼鐵廠，僅辦公室就有上百個，如果不瞭解行業和公司可能連門都找不對，因為找對的概率只有1/100。

有了“中國鋁業大廈”這塊敲門磚，只意味着能敲開公司的門。但要真正瞭解工廠的需求，靠這些還遠遠不夠。

2019年中，從騰訊離職加入瓦特曼智能的孫銀健和同事們接到了一個任務，為一家工廠做算法開發。這對他們來説並不難，於是在家裏寫完代碼後，他們帶着成果來到工廠，結果幾輪測試下來，算法跟場景的適配卻存在偏差。

這讓現場的工程師們慌了神，工廠的生產不能耽擱，必須儘快解決問題。鋼鐵、冶煉等行業對生產的穩定性要求極高，這也是他們過去很少接觸新科技的原因之一。“如果一個鋼鐵廠因為上新設備而導致生產停工，那麼它一天就可能損失上億元。”譚勝虎説。

工程師們不得不駐紮在工廠，前後待了兩個月。這兩個月裏，不僅客户在體驗上打了折扣，每名工程師也都承受着很大的壓力。儘管最後問題得以解決，但給孫銀建留下的一個教訓是，一定要在寫算法前對場景有充分的瞭解。

一羣工程師，在車間調試機器

此後，公司對開發的工程師定下一個工作流程：在做算法開發前要先到工廠裏熟悉場景，等到寫代碼做開發時再回到公司，最後產品或系統應用前再到工廠現場調試。

這個規矩看似非常實用，但對一些剛畢業的程序員來説很難接受。甚至在最開始的一年裏，都持續有一些新人會因不適應工廠的工業和生活而選擇辭職。

對於重工業企業來説，產品的可靠性大於一切。孫銀健講了一個他們團隊拿下一個大客户的例子。

一家鋼鐵廠很早就計劃研發無人天車，但最終卡在天車對鋼包的感知識別這一環節。從2018年開始，這家鋼鐵廠陸續找來十多公司，希望能幫助他們突破這一環節，但兩年後卡殼的問題仍未得到解決。

2020年4月，孫銀健和同事帶着設備也來到這家鋼鐵廠，將無人駕駛技術引入到天車吊運的控制和識別感知中，並做了功能demo演示。演示當場沒有問題，合同順利簽了下來。隨後，他和同事們在工廠泡了大半年，經過十多次的功能迭代和現場不斷嘗試後，完成了設備的交付，並通過了現場的試運行。

別人兩年都未能解決的難題，為什麼孫銀健團隊半年就解決了？

在交談中記者發現，差異來自技術路線的選擇。傳統的方案，大多是通過簡單視覺識別鋼包上的標記來做到感知，但在鋼鐵廠，環境腐蝕性高、灰塵又大，一個月前做的標記在一個月後很可能被磨損得一點不剩，根本滿足不了實際的需求。

亦聯資本投資副總裁楊寅曾到過這樣的工廠，她對記者講述自己的一次經歷，“我事先並不瞭解那個環境，背了一個白色的包就去了。結果只待了半小時包就全黑了。”

而基於激光SLM、視覺、3D智能感知等技術的方案，則不會存在這樣的問題。這不僅是技術選擇的問題，更考驗研發人員對實際應用場景的理解程度。如果不去現場摸摸灰塵，只是坐在辦公室，程序員很難理解為什麼純視覺的路基會走不通，因為理論上它確實是有可能性的。

一名工程師正將檢測設備下探到鋼爐內

這就是實地踩出來的經驗。

也有的時候，工人對技術存在過高的要求。

翼菲自動化的張忠法就碰到一件事。曾經他的團隊給一家煙草企業做異形煙碼垛機器人項目，這個細分領域此前一直是人工操作。在項目研發完成並在工廠調試後，工人提出了一個要求，在垛好的異形煙中間再堆一排。

“人工操作，確實可以實現這個要求，無非就是晃一晃、擠一擠就可以加進去了。但機器實現起來就會稍微複雜一些。”張忠法稱。如果強行操作，結果就是整垛煙又散了架。

“工人理解機器也很重要。”張忠法説。

礦山則是另一種場景，其有嚴格的管理流程，工人很少能干預車輛行駛。

經過幾次在礦山的經歷，林巧愈加理解為什麼越來越多自動駕駛企業盯上這個場景。對此，記者曾在前文中做過詳細分析。但要做好礦山的自動駕駛，只靠實驗室的技術是無法完成的，甚至他對乘用自動駕駛“降維”到礦區自動駕駛説法也嗤之以鼻。

林巧很認同易控智駕CEO沃森常在公司裏説的一句話：“我們吃過的土，就是我們的競爭壁壘。”

礦區跟城區幾乎是兩個天然相對的場景。一是礦區的道路不會有車道線標識，車輛無法靠標識線保持車道；二是礦區的環境粉塵大、沙石多，普通的傳感器很難在這種環境下長時間工作；此外，礦區的車輛對作業流程要求極嚴，“普通車輛在車庫中倒車倒不準可以來回多試幾次，但礦山上如果車輛來回倒車，那就嚴重影響挖機和車輛的協作，甚至讓後續車輛的作業都受影響。”林巧説。

這種情況下，程序開發人員只能先到現場收集需求，然後回到辦公室做開發，之後還要到現場驗證開發效果。“如果想通過別人遠程驗證，然後吿訴你結果，是不現實的。”林巧稱。

博士、專家與工人們的化學反應

從我們講述的故事中可以看出，過去一段時間裏，一場改變正在悄然進行：沒有技術的年輕人正在逃離工廠，選擇外賣、快遞等更靈活的就業；而另一方面，走進工廠的博士、專家，則正在用技術解決工廠年輕人不足的問題。

與此同時，越來越多掌握技術的程序員也開始轉變起觀念。以前在他們眼中，最性感的工作是在寬敞豪華的寫字樓裏，研發炫酷、好玩的科技；但現在，最性感的工作是在重工業的工廠裏，用技術變革生產方式。

在這裏，博士專家跟只有初中水平的工人差別並不明顯，甚至很多時候他們在相互發生化學反應。

孫銀健説，由於認知、語言的不同，一些剛進入工廠的程序員有時候會跟工人有交流的障礙。但想要做好產品，瞭解工廠最底層的運行，就需要多跟工人交流。

他記得，為了跟工人打成一片，公司創始人&CTO陳仁曾經專程從北京帶着好酒來到工廠，下班後與工人們一起吃飯暢聊。

“説實話，我們從互聯網過來的，平常很少有這種應酬。”孫銀健説，陳仁酒量一般，但通過這種“接地氣”的方式讓對方感受到了誠意，話題也就打開了，對方也會開始很用心地聊自己的需求，慢慢地相互接受度越來越高，磨合起來也越來越舒暢，包括後來項目進展到一定程度，有一些困難需要現場去支持，工人們也會幫着一起想辦法。

為了緩解程序員們的駐廠壓力，瓦特曼智能也會制定相應制度使他們可以得到定期放鬆。公司有強制規定，凡連續出差兩週的同事必須回公司或回家休息一段時間，期間的車票等費用均由公司承擔。

這種壓力，幾乎是每個初到工廠的工程師們必須經歷的。林巧記得，最開始有個別新員工在礦山待了半個月，結果因為受不了環境的荒涼又走了；甚至在面試明確吿訴對方要去礦山後，有人開始“同意去”，但在臨近發offer的時候又“變卦”。

林巧自己也曾也有過不適應。最開始在礦上那一個月，他是抱着電腦在礦車上工作的，休息的時候也只能蹲在路邊，因為新礦沒有配備板房。

生活上的困難是最考驗人的。比如在飲食方面，礦區不像城市，可以點一份自己喜歡的外賣，因此包括工程師在內的所有礦上人員都只能吃食堂。“礦區的伙食都是偏辣的，我不能吃辣椒，所以每次吃飯就只吃白米飯。”林巧説。

要知道不久前，他的午餐還是在阿里乾淨的食堂裏，不僅雞腿、魚蝦隨便挑，飯後還有水果小甜點。

但困難總要解決。“在招聘時，我們會考察候選人的價值觀，礦山無人駕駛需要研發人員踏踏實實理解現場、以技術結合現場實現產品。實際上現在很少有人會因為不適應礦山而離職。”林巧説。

在他所在的公司，甚至連財務、行政都要去礦山進行一段時間的體驗。因為這些後勤服務人員需要知道開發人員的需求。“去年冬天，行政小姑娘給我們配了一套新工裝，不僅保暖，而且口袋又多又大，既能裝得下各種工具，還能裝電腦，非常實用。”林巧稱。

如今，他已經完全適應了這種生活，和礦區工人也相處更融洽。有些時候，他需要向身邊的工人請教礦車駕駛的經驗，以更好地瞭解礦車運作業規律；而這些礦工在林巧的潛移默化下，也學會了“折返、軌跡規劃”等自動駕駛術語。在程序員的影響下，很多司機也開始有意識地定期擦洗激光雷達。

這樣的例子很多。可以預見的是，隨着程序員們與工人們越來越默契，這場化學反應的結果是，工廠裏既有技術、又有經驗的工匠會越來越多。

作為全球最大的製造業國家，中國擁有最完善的製造業體系，但在高端製造業領域較之發達國家卻始終矮人一頭。人工智能，給傳統工業帶來了新的轉折機遇。

用譚勝虎的話説，過去20年，互聯網改變了世界；未來20年，則是機器人改造世界。

這意味着，智能製造，是中國完成製造業跨越的必由之路。

另一方面，當個性化消費、大眾創新創業成為主流，這也倒逼着傳統制造業向柔性化、數字化、透明化、智能化加速轉型，這恰恰是智能製造的趨勢。

這場化學反應，決定了新一代年輕人的職業選擇，也將決定中國製造工業的前途命運。