人机协作正改变工厂车间，智能制造未来将如何发展？

在你通过工厂入口之前，脚下的地面已经开始震动。你步入一座八层高的玻璃钢结构制造车间，制造太阳能电池的反应室发出蓝白色的光芒，照亮了整个空间。

在你脚下，面板在移动，但并非通过传送带或叉车，而是由自主移动机器人承载。这些低矮平坦的平台无需固定路径即可在车间内穿行，能实时调整路线，避开彼此、工人以及其他移动物体。

在制造和供应链运营中，机器与人类职责的界限正在迅速演变。机器人越来越多地承担重复性、数据密集型和体力劳动，而人工智能（AI）系统则负责监控流程。但随着机器承担更多任务，留给人类的工作将比以往任何时候都更为重要。

回到我们不远的未来工厂车间，自主机器人正运送单个模块，传感器实时调整以应对振动、倾斜和负载。这一过程虽精准，却非完美。质量、材料一致性或湿度上的细微差异可能在各工序中逐渐累积。一块在检查时看似洁净的太阳能电池板，可能暗藏微小缺陷，这些缺陷往往要数月后才会显现。

这正是系统能力达到极限之处，也是另一种工作开始的地方。

Dao位于夹层，比工厂车间高出一层。她并不操作机器，而是观察系统的运行状况。

这意味着要监控多条生产线。在第一条线上，作为半导体关键组件的硅片正经历清洗、表面纹理处理和涂层等工序。每个阶段都会影响成品电池将阳光转化为电能的效率；在第二条线上，涂层是在较低温度下进行；在第三条较新的生产线上，两种新型材料被分层涂覆在电池上，以最佳方式捕获光谱的不同端点。

10年前，Dao的职位还不存在。她的工作处于工艺工程、数据解读和系统思维的交汇点。这是下一代工业工作的标志性特征之一：随着机器承担更多执行工作，人类的角色将转向监督、判断和跨系统协调。

Dao看着右侧的显示屏，发现新生产线中用于沉积光吸收层的腔室运行温度略高于预期。虽然尚未达到触发警报的程度，但过去六批产品的趋势显示温度正在缓慢上升，这可能会削弱其结构强度。她调整了气体流量以降低温度，并对该批次进行标记，以便稍后检查其影响。

随后，Dao注意到左侧屏幕上的异常。来自西安供应商的硅片在接触点处电阻略有升高，这些接触点正是每片硅片上印刷的细金属线，用于将电流从太阳能电池中导出。

Dao调取了八周的记录，以查看这一影响在生产流程中扩散的范围，记录下观察结果并调整了化学清洗工艺。她盯着屏幕上的数据。问题解决了。生产线没有停机。

每班三次，Dao会离开她的工位巡视车间。在层压工位附近，玻璃和保护膜层在加热下被压在一起以密封每块面板。她注意到从一号生产线搬运模块的机器人行驶速度比平时快。速度会引起振动，而振动会影响敏感部件。

由于机器人的路径规划逻辑和层压质量系统不共享同一个数据模型，因此未触发警报。或许是之前装卸区出现了瓶颈，机器人正试图通过提速来弥补？Dao将这一观察结果标记出来，转交工程和物流团队。

每一批产品、每次调整以及每个标记的问题，都会成为记录的一部分，将生产条件与性能表现关联起来。Dao记录的内容中，有些会立即产生影响，有些则要等到六个月后才能显现其意义。

这类工作，即识别技术上可接受的模式、连接不同技术系统间的信号，并进行调整以防止更大问题发生，正是先进制造业的“人类层”。正是人类让机器能够发挥最佳性能。

Dao的班次即将结束，Meilin前来接替。她们相视而笑，互相问候。她们观察着同一个系统，但采用不同视角。

Meilin专注于层压工艺。Dao则关注材料行为。她们不同的专业领域源于个人偏好、共享的日志、交错的班次以及与复杂系统持续的互动。

随着人机协作的深入，一线岗位将变得更加专业化且知识密集型。这些岗位也将更加依赖难以自动化的技能，例如跨系统判断、情境化问题解决以及在信息不完整的情况下采取行动的能力。

Dao虽是虚构角色，但她所代表的工作却真实存在。

世界经济论坛的“人机协作”（Human-Machine Collaboration）倡议将于2026年6月在中国大连举行的新领军者年会上启动，该倡议旨在探讨工业环境中工作、技能和岗位的转型趋势。它将提出相关策略，帮助一线员工、组织及更广泛的生态系统应对这一变革。

这将包括一套实用资源和一份行动指南，帮助组织应对向更智能制造流程的转型。该倡议还将为劳动力发展、基于技能的角色设计提供指导，并提出生态系统层面的建议。

人与机器的合作将定义下一代工业工作。组织、劳动者和机构是否已做好准备？

本文作者：

Mary Kate Morley Ryan，埃森哲首席董事

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。