编辑导语：当下，互联网、IT等行业成为年轻人们的就业首选，与之相比，传统工厂则面临着招工困难的现状。然而这一现状或许有望改变，不少身负技术的人员注意到了工业的未来，甚至从互联网大厂跳入了工厂。这样一群人的抉择会对未来发展产生什么影响？本文就这一现象做了解读，不妨来看一下。
一群博士，或主动或被动，正在用科技改变老旧的行业。
2018年初冬，在跟老同学吃过一顿饭后，陈仁做了一个决定——放弃腾讯自动驾驶核心技术负责人的职位和优厚的待遇，选择做一名扎在钢铁厂的“工人”。从外人看来，这个决定太不能理解了。
无独有偶。一年之后，也是冬天，林巧也辞掉了阿里的工作，加入专注于矿山无人驾驶解决方案的初创公司易控智驾，成为矿场上为数不多拥有博士学历的“工人”。
这并不是他们的一时冲动。两年后的今天，在回首当初的选择时，他们仍坚定地认为，工业才是未来科技最好的应用场景之一。
两位国内头部大厂“资深程序员”的选择，在一定程度上，可看作是当下科技人才流向的微妙变化。
BOSS直聘研究院数据显示，自2018年Q3起，尽管互联网仍然是人工智能人才需求的主导行业，但传统行业AI人才发展指数也大幅增长。到今年春招，传统产业界的应届博士生招聘需求同比增幅达到75.7%。但另一个现实的问题是，随着老龄化加速，招工难愈演愈烈，工厂越来越难留住年轻的打工人，其生产方式也与当下的前沿科技无缘。
于是在这些传统工厂里，一种工人的两极化流动正在悄然发生：一方面，疫情加剧了工厂的生产压力，年轻人正加速逃离传统工厂；而另一方面，一些名校硕博毕业、拥有多年互联网行业技术沉淀的科技人才则把目光投向工厂、矿山，试图用科技改变老旧的行业。
怀揣技术的博士与身怀经验的一线工人，正在发生一场化学反应。
这场化学反应很可能会影响新一代年轻人的职业选择，也注定影响着中国工业的前途命运。
一、博士涌进工厂
即使在大牛云集的互联网领域，陈仁的履历也算得上耀眼。
2009年，毕业于华中科技大学的陈仁开始进入图像识别领域，后又转向深度学习，并在滑铁卢大学攻读博士学位；2013年陈仁加入百度，是百度IDL（深度学习研究院）早期核心成员；2016年加盟腾讯，参与组建自动驾驶技术团队，并成为腾讯自动驾驶核心技术负责人。
用同学的话说，他“永远踩在人类技术最快的车道上”。
如果人生按照这样的轨迹走下去，陈仁的未来应该是在大厂实现持续的职业升迁和收入的倍增，成为别人眼中的“成功人士”。
但2018年底，他却下定决心离开舒适圈，与冶金工业自动化领域的资深专家陈洪成立了工业智能制造解决方案提供商瓦特曼智能（WATTMAN），做了一名常驻钢铁厂、铝厂的“钢铁侠”——据说他每个月30天中，有20天以上是在这些工厂里，至今依然保持这样的频率。而此前，他很少到客户的现场出差。
瓦特曼智能CEO谭胜虎向「甲子光年」讲述了他们创业过程中的一段经历和思考：他曾拜访过一家冶金企业集团，年营收动辄两三千亿元，营收规模占当地省份GDP的1/4——这在基础工业领域相对普遍，但在互联网领域，这样的体量只有阿里、腾讯这种巨头企业才能达到。
然而这些基础重工业企业内部却是另一番景象——生产工艺传统、生产环境依旧充满危险，年轻工人越来越少。
普通人经常在新闻中看到的镜头——钢铁厂内钢包（高温熔炉，盛钢水的钢制容器）在输送和倾倒铁水，实际上这是需要三个人协同操作完成的：一个工人在悬梁上驾驶天车，一个工人在地面观察，另一个工人则在地面根据观察员的反馈指挥天车驾驶员。
即使这样谨慎，仍然会有发生危险的可能性，毕竟铁水的温度高达1600℃，一旦泄露或倾洒，(拼多多流量突然下降怎么挽回)，所到之处便满目疮痍。
钢厂并非没有考虑运用控制系统和机械装置来完成这一操作，但现实是，在高温、腐蚀性的环境中，用机器吊运超过十吨重的钢包还面临着不少难题，传统自动化方式没有很好的解决方案，而最前沿的人工智能技术又与工业尤其是重工业的车间隔着长长的距离。
在调研过数十家工厂后，从北京大学微电子系研究生毕业的谭胜虎对技术与应用间的鸿沟有过非常大的触动，这也是他和陈仁做出职业转向的重要原因——缩短人工智能技术与重工业的距离。林巧的经历，与陈仁十分相似。
林巧是浙江大学光电学院的博士，2017年以后在阿里巴巴菜鸟网络ET实验室担任无人物流车硬件负责人。在大厂领导一个技术团队，这本是程序员最好的发展之路了。但随着工作越深入，林巧越感觉到自己正陷入一个怪圈——明明很有前景的技术，却在落地时陷入难产。
在慎重思考后，他意识到这个怪圈形成的原因——一是场景刚性需求痛点不够，但更重要的是方法的问题。
如果找不到一个合适的场景，技术推广起来会十分吃力；如果又没有一个好的方法，那做落地时则难上加难。
针对自动驾驶的落地场景，林巧心中已慢慢有了答案——业内已经形成共识，矿区、港区、园区以及机场这“四区”是自动驾驶技术落地最近的几个场景。而落地的方法，则需要自己到现场去寻找。
他的职业选择转机出现在2019年夏天，趁着休假，林巧来到鄂尔多斯的露天矿上“体验生活”。尽管只待了一天，但巨大的矿车、陡峭的矿坑以及漫天飞扬的黄沙，都给他留下了深刻的印象。“从未体验过这么大的矿车，仅轮胎直径就1.4米，几乎跟成年人的肩膀一样高。而且，到驾驶室是需要手脚并用爬上去的。”林巧回忆称。
如果这些体验算是满足了一个人的猎奇心，那另外一个体验就让大多数人受不了——矿区上沙尘极大，而且当时所在矿区的道路边上是深约七八十米的边坡。“坐在那么大的车里，感觉就跟在悬崖边走路一样。”至今回想起来，林巧仍旧心有余悸。
但林巧也有很多收获：矿区的作业环境是无人驾驶落地的绝佳场景，路上没有行人、车辆管理有序。最重要的，这不是个伪需求——矿上的司机平均年龄接近50岁，他们马上就干不动了，此外他们还流动频繁，极不稳定。
8个月后，林巧离开阿里办公室的舒适沙发，加入矿区无人驾驶初创公司易控智驾担任技术副总裁，过上了跟陈仁一样的“艰苦”生活——50%的时间都在矿区出差。
实际上，“盯”上工厂、矿区的不单是程序员个体。就在林巧有了进工厂想法的前后，阿里另一个神秘的部门也把目光悄悄对准了工厂。同期阿里犀牛智造的工程师们也在“上山下乡”——在犀牛智造，所有的算法工程师都需要先到生产线上去做一段班组长，有一位南洋理工大学的算法博士，到工厂之后也从班组长干起，跟工人们同吃同住两个月。
华为在跟传统钢铁厂合作时，也会把刚招进来的博士专家派到工厂里，与工人一起熟悉整个生产流程。
从数据上看，博士涌进工厂正成为一个确定的趋势。BOSS直聘研究院的数据显示，今年春招，产业界的应届博士生招聘需求同比增幅达到75.7%。其中，“博士大战”竞争最为激烈的三大细分领域是数字技术、医疗健康和智能制造。相似地，对于硕士毕业生的需求同样集中于数字技术、教育、医疗健康和制造业领域。
“博士大战”的背后，是传统工业在数字化转型中，越来越重视基础研究和前沿技术的应用。
二、中年程序员，跳出大厂的束缚
在腾讯自动驾驶部门，孙银健向陈仁汇报。在得知自己的领导选择去工业领域创业后，2019年，孙银健也从腾讯辞职，加入瓦特曼智能。
从履历上看，他也是个实力派——985名校毕业，本科、研究生均在自动驾驶领域学习、进行技术研究，毕业后进入上汽集团，后又进入腾讯无人驾驶部门。但随着工作越久，他心中的困惑越来越大，“从事的技术看上去高大上，但是越做越发现它离真正的落地有很大的距离。”
在腾讯工作的两年里，他参与的自动驾驶demo项目至少四五个。但这些项目最终都没能落地。“每个项目做完，都感觉有点飘着，心里不踏实。”孙银健说。
即使今年7月在接受「甲子光年」采访时，他依然对当前自动驾驶技术落地的可行性保持谨慎态度。而最近发生的蔚来汽车自动驾驶安全事件，也的确给行业敲响了一记警钟。
离应用场景更近的创业公司，成了这些对技术应用抱有执念的大厂程序员最好的选择之一。
不过，对大厂程序员来说，更直接的瓶颈是个体越来越成为螺丝钉。
在30岁以前，一名程序员会习惯于上级领导搭好程序框架，自己在上面填充代码；但30岁之后，这种方式会将程序员禁锢在一个细分的工种上，最终成为整个流水线上的一颗螺丝钉，而且是一颗随时可替换的螺丝钉。
尤其对于一个非管理层的程序员，在兼顾家庭的需要时，必然在工作上的积极性会被降低。这从加班氛围上也可以看得出来。一般晚上9点以后，互联网公司办公室里加班的程序员，超过2/3是35岁以下的程序员。在同样技能水平下，企业当然更愿意招新人而淘汰精力不足的老程序员。这也是为什么说，35岁是程序员职业中的一道坎。
压力使得大家开始不断内卷。即使在没有紧急任务时，一些程序员也要“自愿”留下加班，甚至有些35岁以上的基层程序员每天都活在焦虑中。工业机器人公司翼菲自动化软件负责人张忠法曾面试过一位从互联网公司走出来的算法程序员，“不到40岁，头发已经全白了。整个人看上去像是50岁了。”
一位30多岁的程序员向「甲子光年」道出了自己离开大厂的缘由。在即将步入“35岁红线”之际，他厌倦了在大厂做螺丝钉的职业生活。而互联网公司红利的见顶，也让他们失去了前辈们那种在大厂靠期权实现财务自由、用技术改变世界的雄心。
但在传统的工厂里，落后的产线急需改造，年轻工人不断流失加速了机器换人，这恰好需要掌握着技术和丰富工作经验的程序员来实现。
对于林巧这类已经走上管理岗位的程序员来说，不会存在“螺丝钉”的职业瓶颈。他们在大厂的职业瓶颈，(抖音上热门审核不通过钱会退回来吗)，更多体现在决策权的局限上。
在大公司，一个很常见的情况是，对上级报喜不报忧，“原本需要3年才能落地的项目，经过层层转达，到了最高一级很可能变成2年甚至1年，这便严重脱离了实际。”一位互联网大厂的中层管理人员称。最后的结果就是，职级越高，离行业的真实水温越远。
以多家大厂都在布局的末端机器人为例，在实现了demo验证之后，各家便进入商业化竞赛。2018年全球物流峰会上，菜鸟ET物流实验室曾对外宣布，(抖音爆粉神器)，“未来3年阿里菜鸟无人设备将达到10万台”。至今三年之期已过，但这一数字仍未达到。此后，京东物流等公司也相继推出各自的物流机器人商用计划，但完成时间已经推迟到4年后。
降低成本是商业的重要目的之一。仍以末端物流机器人为例，如果把原本15万元的成本强行压缩到10万元以内，就需要在硬件上降低要求，然而短期内算法的迭代解决不了低成本硬件的不足，进而影响产品的稳定性，这意味着，强行压缩成本的企业很有可能要走回头路。
即使不走回头路，这种稳定性差的产品也很难打动客户，落地的数量也有限，最终还是难以实现商用化。
这正是大厂的局限。想要打破这个魔咒，最直接的办法就是跳出大厂的束缚。
自今年以来，不时便有“逃离大厂的年轻人”这类文章出现。在BOSS直聘发布的《2020年Q3人才吸引力报告》中，互联网行业对人才吸引已经退居第二，且早已呈流出状态。
三、大厂进工厂的难题
已经习惯了进工厂的孙银健有一个感受，他在重工业厂房里碰到的大厂程序员们也越来越多了。
“之前很少在重工业工厂里见到他们，但今年接触过好几次。”他说。这些大厂，包括阿里、腾讯，以及华为等知名大公司。
就在今年7月底，「甲子光年」曾应邀参加了钉钉组织的“柳钢走访”活动。在《钉钉走进钢铁厂》一文，对钉钉承载柳钢这类大型“重工业”的数字化转型做了详细的描述。
这似乎不可思议：年轻人纷纷逃离的传统工厂，从什么时候开始又变成了IT、互联网大厂的香饽饽了？
或许早有伏笔。
2016年，马云在云栖大会上喊出“五新”，其中一个就是“新制造”。当时很少有人真正理解这些新名词，在一些人看来这又是阿里凭空造出的新概念。但在去年的云栖大会上，阿里发布全球首个新制造平台“犀牛智造”，其在制造领域的布局浮出了水面——实际上在2017年，阿里就开始着手用新技术改造制造业工厂了。
此前浅黑科技在《绝密计划：我在阿里打黑工》一文中，也曾详细描述了阿里在早期成立犀牛制造、并让程序员下沉到工厂的全过程。
放在今天看，“新制造”就是用新的互联网、AI、云计算等技术将工厂数字化，进而在提升效率的同时，实现柔性生产。不仅如此，(淘宝开店30元保证金计划如何交)，阿里的触角也在从过去服装加工等轻工业渐渐涉足钢铁等重工业领域。
不仅阿里，腾讯在2018年最为人知的“930”变革也向外界展示了其转向产业布局的决心。
一位腾讯的合作伙伴曾向「甲子光年」描述，在推动产业互联网时，腾讯的程序员经常和合作伙伴的开发人员一同在工厂里完成代码调试。
而华为自2019年以来，也在多地的工厂、钢铁厂推出5G智慧工厂的项目。
但问题是，下到工厂里的大厂，会在多大程度上“赋能”了工厂呢？
一位不愿透露姓名的智能制造从业者，向「甲子光年」讲述了他某位钢铁行业客户的一段经历。
2020年，某钢铁厂与一家头部科技大厂签下合作协议，后者运用其技术能力为其打造一个智慧工厂。在此之前的竞标中，这家大厂是排名靠后的，但是最后由于大厂领导亲自下场谈合作，最终其成功拿下了大单。
拿下大单之后，大厂也很重视该项目，招来数名应届博士生与公司技术人员驻扎在工厂。然而成果交付的时候，客户发现这些系统确实有一定的效果，可以用，但在一些细微的方面会出现状况，稳定性、功能实现上均达不到预期。
“他们特别喜欢用一些炫酷的方法来实现基本的功能。比如在钢铁厂架上各种通信设备、传感器，并引入各种生产管理系统。这些其实就是为了完成流程记录而已。”该从业者描述道。
对追求实用的钢铁厂来说，这并不是刚需。同时，(京东开店押金多少钱)，互联网大厂更愿意聚焦提供一个系统通用、底层的产品（例如：5G、云存储等），但基数设施的铺设往往并不直接解决具体的生产需求，场景和产品的落地去解决一个实际具体的生产问题对工厂来说更具体、更迫切。
另外一个例子是，此前钉钉在为柳钢做数字化转型时，搭建起冷轧信息管理系统，涵盖了日常办公、生产管理、安全管理、设备管理、资金管理、知识库六大版块的50多个特色应用，涵盖了所有业务流程办理、设备巡检、危险作业管理、物资管理等。但一名熟悉业务的投资人却抱怨称，这些都是“花架子”，对生产并没有起多大的作用。
其背后的原因是，过去大厂一直存在惯性思维——做平台。即擅长在一个项目中做基础的架构和设施，但对上层的应用和实用化的细节处理是弱项。
为什么大厂的程序员不能像创业公司，也把50%甚至80%的精力泡在工厂里？
一位在大厂工作了数年的程序员告诉「甲子光年」，按照大厂的机制，当一批程序员下到工厂时，需要相应的配套也下到工厂里，比如餐饮、出行、生活补贴等，再加上巨大的人力成本，出一次差很不划算；另外，长期在写字楼空调房里的大厂工程师对充满粉尘、燥热的工厂环境短时也难以适应，“待上一周就受不了”。
但创业公司没有这样的包袱，而且更灵活。
林巧的感触是，消费互联网时代，C端市场可以指数级扩张；但在工业工厂里，技术的每一步扩张都只能建立在一个个的生产环节上。“在这里，原来那种平台化策略不管用了。”他说。
痛点，即是机遇。如今，进工厂的大厂已经找到了更舒服的姿势——与创业公司合作。
比如，易控智驾在矿区的自动驾驶车辆，就搭载了华为的自动驾驶计算平台；瓦特曼智能在钢铁厂的智能机器人，也要用到华为、腾讯的一些基础设备或架构。反过来，大厂越来越多地把工程中上层的应用部分分包给有重工业经验的创业公司。
钉钉与柳钢的合作也是如此。钉钉走进钢铁厂中完成了很多系统的布局和串联，但“这里面在细节上没有一件事是钉钉做的，包括边缘计算、智能识别。”一名熟悉阿里云的技术专家在讲述这一过程时做出如此评价。
四、“吃过的土，就是我们的竞争壁垒”
在北京海淀区复兴路乙12号，有一座“中国铝业大厦”。
这座大楼，曾是原国家冶金部的办公地。随着原冶金部的撤销，该大楼也变成了一座商用写字楼。不过，至今楼上住的大都是一些“中”字头的冶金领域公司。只有一个例外，就是瓦特曼智能。
很难会有人相信一家做人工智能、机器人的科技公司会在这样一座“传统大院”里办公。但谭胜虎觉得选择在这里办公是“找对了地方”。
有一次，谭胜虎跟一个钢铁厂的客户吃饭，席间对方问到“你们在哪儿办公”，谭胜虎回答在中国铝业大厦，结果对方一脸惊讶，直呼“你们是内行”。
原因是，这座楼里的企业，绝大多数都是在重工业领域深耕十几年的公司，这类公司相对封闭，圈外人很难接近他们。一般来说，即使是一家中等规模的钢铁厂，仅办公室就有上百个，如果不了解行业和公司可能连门都找不对，因为找对的概率只有1/100。
有了“中国铝业大厦”这块敲门砖，只意味着能敲开公司的门。但要真正了解工厂的需求，靠这些还远远不够。
2019年中，从腾讯离职加入瓦特曼智能的孙银健和同事们接到了一个任务，为一家工厂做算法开发。这对他们来说并不难，于是在家里写完代码后，他们带着成果来到工厂，结果几轮测试下来，算法跟场景的适配却存在偏差。
这让现场的工程师们慌了神，(拼多多流量提升)，工厂的生产不能耽搁，必须尽快解决问题。钢铁、冶炼等行业对生产的稳定性要求极高，这也是他们过去很少接触新科技的原因之一。“如果一个钢铁厂因为上新设备而导致生产停工，那么它一天就可能损失上亿元。”谭胜虎说。
工程师们不得不驻扎在工厂，前后待了两个月。这两个月里，不仅客户在体验上打了折扣，每名工程师也都承受着很大的压力。尽管最后问题得以解决，但给孙银建留下的一个教训是，一定要在写算法前对场景有充分的了解。
此后，公司对开发的工程师定下一个工作流程：在做算法开发前要先到工厂里熟悉场景，等到写代码做开发时再回到公司，最后产品或系统应用前再到工厂现场调试。
这个规矩看似非常实用，但对一些刚毕业的程序员来说很难接受。甚至在最开始的一年里，都持续有一些新人会因不适应工厂的工业和生活而选择辞职。
对于重工业企业来说，产品的可靠性大于一切。孙银健讲了一个他们团队拿下一个大客户的例子。
一家钢铁厂很早就计划研发无人天车，但最终卡在天车对钢包的感知识别这一环节。从2018年开始，这家钢铁厂陆续找来十多公司，希望能帮助他们突破这一环节，但两年后卡壳的问题仍未得到解决。
2020年4月，孙银健和同事带着设备也来到这家钢铁厂，将无人驾驶技术引入到天车吊运的控制和识别感知中，并做了功能demo演示。演示当场没有问题，合同顺利签了下来。随后，他和同事们在工厂泡了大半年，经过十多次的功能迭代和现场不断尝试后，完成了设备的交付，并通过了现场的试运行。
别人两年都未能解决的难题，为什么孙银健团队半年就解决了？
在交谈中「甲子光年」发现，差异来自技术路线的选择。传统的方案，大多是通过简单视觉识别钢包上的标记来做到感知，但在钢铁厂，环境腐蚀性高、灰尘又大，一个月前做的标记在一个月后很可能被磨损得一点不剩，根本满足不了实际的需求。
亦联资本投资副总裁杨寅曾到过这样的工厂，她对「甲子光年」讲述自己的一次经历，“我事先并不了解那个环境，背了一个白色的包就去了。结果只待了半小时包就全黑了。”
而基于激光SLM、视觉、3D智能感知等技术的方案，则不会存在这样的问题。这不仅是技术选择的问题，更考验研发人员对实际应用场景的理解程度。如果不去现场摸摸灰尘，只是坐在办公室，程序员很难理解为什么纯视觉的路基会走不通，因为理论上它确实是有可能性的。
这就是实地踩出来的经验。
也有的时候，工人对技术存在过高的要求。
翼菲自动化的张忠法就碰到一件事。曾经他的团队给一家烟草企业做异形烟码垛机器人项目，这个细分领域此前一直是人工操作。在项目研发完成并在工厂调试后，工人提出了一个要求，在垛好的异形烟中间再堆一排。
“人工操作，确实可以实现这个要求，无非就是晃一晃、挤一挤就可以加进去了。但机器实现起来就会稍微复杂一些。”张忠法称。如果强行操作，结果就是整垛烟又散了架。
“工人理解机器也很重要。”张忠法说。
矿山则是另一种场景，(抖音爆粉神器)，其有严格的管理流程，工人很少能干预车辆行驶。
经过几次在矿山的经历，林巧愈加理解为什么越来越多自动驾驶企业盯上这个场景。对此，「甲子光年」曾在《无人驾驶“解救”矿山之困》一文做过详细分析。但要做好矿山的自动驾驶，只靠实验室的技术是无法完成的，甚至他对乘用自动驾驶“降维”到矿区自动驾驶说法也嗤之以鼻。
林巧很认同易控智驾CEO沃森常在公司里说的一句话：“我们吃过的土，就是我们的竞争壁垒。”
矿区跟城区几乎是两个天然相对的场景。一是矿区的道路不会有车道线标识，车辆无法靠标识线保持车道；二是矿区的环境粉尘大、沙石多，普通的传感器很难在这种环境下长时间工作；此外，矿区的车辆对作业流程要求极严，“普通车辆在车库中倒车倒不准可以来回多试几次，但矿山上如果车辆来回倒车，那就严重影响挖机和车辆的协作，甚至让后续车辆的作业都受影响。”林巧说。
这种情况下，程序开发人员只能先到现场收集需求，然后回到办公室做开发，之后还要到现场验证开发效果。“如果想通过别人远程验证，然后告诉你结果，是不现实的。”林巧称。
五、博士、专家与工人们的化学反应
从我们讲述的故事中可以看出，过去一段时间里，一场改变正在悄然进行：没有技术的年轻人正在逃离工厂，选择外卖、快递等更灵活的就业；而另一方面，走进工厂的博士、专家，则正在用技术解决工厂年轻人不足的问题。
与此同时，越来越多掌握技术的程序员也开始转变起观念。以前在他们眼中，最性感的工作是在宽敞豪华的写字楼里，研发炫酷、好玩的科技；但现在，最性感的工作是在重工业的工厂里，用技术变革生产方式。
在这里，博士专家跟只有初中水平的工人差别并不明显，甚至很多时候他们在相互发生化学反应。
孙银健说，由于认知、语言的不同，一些刚进入工厂的程序员有时候会跟工人有交流的障碍。但想要做好产品，了解工厂最底层的运行，就需要多跟工人交流。
他记得，为了跟工人打成一片，公司创始人&CTO陈仁曾经专程从北京带着好酒来到工厂，下班后与工人们一起吃饭畅聊。
“说实话，我们从互联网过来的，平常很少有这种应酬。”孙银健说，陈仁酒量一般，但通过这种“接地气”的方式让对方感受到了诚意，话题也就打开了，对方也会开始很用心地聊自己的需求，慢慢地相互接受度越来越高，磨合起来也越来越舒畅，包括后来项目进展到一定程度，有一些困难需要现场去支持，工人们也会帮着一起想办法。
为了缓解程序员们的驻厂压力，瓦特曼智能也会制定相应制度使他们可以得到定期放松。公司有强制规定，凡连续出差两周的同事必须回公司或回家休息一段时间，期间的车票等费用均由公司承担。
这种压力，几乎是每个初到工厂的工程师们必须经历的。林巧记得，最开始有个别新员工在矿山待了半个月，结果因为受不了环境的荒凉又走了；甚至在面试明确告诉对方要去矿山后，有人开始“同意去”，但在临近发offer的时候又“变卦”。
林巧自己也曾也有过不适应。最开始在矿上那一个月，他是抱着电脑在矿车上工作的，休息的时候也只能蹲在路边，因为新矿没有配备板房。
生活上的困难是最考验人的。比如在饮食方面，矿区不像城市，可以点一份自己喜欢的外卖，因此包括工程师在内的所有矿上人员都只能吃食堂。“矿区的伙食都是偏辣的，我不能吃辣椒，所以每次吃饭就只吃白米饭。”林巧说。
要知道不久前，他的午餐还是在阿里干净的食堂里，不仅鸡腿、鱼虾随便挑，饭后还有水果小甜点。
但困难总要解决。“在招聘时，我们会考察候选人的价值观，矿山无人驾驶需要研发人员踏踏实实理解现场、以技术结合现场实现产品。实际上现在很少有人会因为不适应矿山而离职。”林巧说。
在他所在的公司，甚至连财务、行政都要去矿山进行一段时间的体验。因为这些后勤服务人员需要知道开发人员的需求。“去年冬天，行政小姑娘给我们配了一套新工装，不仅保暖，而且口袋又多又大，既能装得下各种工具，还能装电脑，非常实用。”林巧称。
如今，他已经完全适应了这种生活，和矿区工人也相处更融洽。有些时候，他需要向身边的工人请教矿车驾驶的经验，以更好地了解矿车运作业规律；而这些矿工在林巧的潜移默化下，也学会了“折返、轨迹规划”等自动驾驶术语。在程序员的影响下，很多司机也开始有意识地定期擦洗激光雷达。
这样的例子很多。可以预见的是，随着程序员们与工人们越来越默契，这场化学反应的结果是，工厂里既有技术、又有经验的工匠会越来越多。
作为全球最大的制造业国家，(拼多多开店注意事项)，中国拥有最完善的制造业体系，但在高端制造业领域较之发达国家却始终矮人一头。人工智能，给传统工业带来了新的转折机遇。
用谭胜虎的话说，过去20年，互联网改变了世界；未来20年，则是机器人改造世界。
这意味着，(抖音技术流教程视频)，智能制造，是中国完成制造业跨越的必由之路。
另一方面，(网站维护的内容和步骤)，当个性化消费、大众创新创业成为主流，这也倒逼着传统制造业向柔性化、数字化、透明化、智能化加速转型，这恰恰是智能制造的趋势。
这场化学反应，决定了新一代年轻人的职业选择，也将决定中国制造工业的前途命运。
